Libro Ea

ASIGNATURA
ESTADSTICA APLICADA ESTADSTICA INFERENCIAL

DOCENTE TITULAR: MG. CARMEN BARRETO R.
AO 2013
CONTENIDO
Pg.
1. DISTRIBUCIONES CONTINUAS IMPORTANTES 1
1.1. LA DISTRIBUCIN NORMAL 1
1.2. FUNCIN DE DENSIDAD DE PROBABILIDAD DE LA DISTRIBUCIN 1
NORMAL GENERAL
1.3. GRFICO DE LA DISTRIBUCIN NORMAL GENERAL 2
1.. PROPIEDADES DE LA DISTRIBUCIN NORMAL GENERAL 2
1.!. DISTRIBUCIN NORMAL ESTNDAR 3
1.". FUNCIN DE DENSIDAD DE PROBABILIDAD DE LA DISTRIBUCIN 3
NORMAL ESTNDAR
1.#. GRFICO DE LA DISTRIBUCIN NORMAL ESTNDAR
1.$. CALCULO DIRECTO EN LA DISTRIBUCIN NORMAL ESTNDAR
1.%. PROPIEDADES PARA EL CALCULO DE OTRAS AREAS BA&O LA CUR'A #
NORMAL ESTANDAR
1.10. CALCULO IN'ERSO EN LA DISTRIBUCION NORMAL ESTANDAR 12
1.11. ESTANDARI(ACION DE UNA 'ARIABLE ALEATORIA NORMAL 1$
1.12. APLICACIONES DE LA DISTRIBUCION NORMAL ESTANDAR 2
1.13. DISTRIBUCIN T STUDENT 31
1.1. DISTRIBUCIN C)I CUADRADO 3#
2. INTER'ALOS DE CONFIAN(A * TAMAO DE MUESTRA
2.1. INTRODUCCIN 1
2.2. DEFINICIN 2
2.3. INTER'ALO DE CONFIAN(A PARA LA MEDIA POBLACIONAL)ACIENDO 3
2.. TAMAO DE MUESTRA CUANDO EL PARMETRO ES LA MEDIA !2
EL POBLACIONAL USANDO MUESTREO ALEATORIO SIMPLE
2.!. INTER'ALOS DE CONFIAN(A PARA LA PROPORCIN POBLACIONAL !!
2.". TAMAO DE MUESTRA CUANDO EL PARAMETRO ES LA "1
PROPORCION PROBLACION USANDO EL MUESTREO ALEATORIO SIMPLE
3. PRUEBA DE )IPTESIS ""
3.1. INTRODUCCIN ""
3.2. DEFINICIONES GENERALES ""
3.3. PRUEBA DE )IPTESIS PARA LA MEDIA POBLACIONAL #1
3.. PRUEBA DE )IPTESIS PARA LA PROPORCIN POBLACIONAL $"
3.!. PRUEBA DE INDEPENDENCIA C)I CUADRADO %"
. REGRESIN * CORRELACIN LINEAL SIMPLE
.1. REGRESIN LINEAL SIMPLE 10"
.2. CORRELACIN LINEAL SIMPLE 120
!. REFERENCIAS BIBLIOGRFICAS 132
Universidad Catlica Los ngeles de Chimbote ESTADSTICA APLICADA - INFERENCIAL
CAPITULO I
DISTRIBUCIONES CONTINUAS IMPORTANTES
1.1. DISTRIBUCIN NORMAL GENERAL
La distribucin de probabilidad continua ms importante en todo el campo de la
estadstica, es con toda seguridad la distribucin normal, debido a que en la prctica
muchos fenmenos, industriales, cientficos, o de la vida diaria pueden describirse
por esta distribucin. A la distribucin normal frecuentemente se le llama distribucin
gaussiana. La curva normal puede considerarse como modelo terico para analizar
situaciones reales.
1.2. FUNCIN DE DENSIDAD DE PROBABILIDAD
Una variable aleatoria contina , se dice que est distribucin normalmente, con
media u
) ( < <
! varianza 0
2
> o , si su funcin de densidad de probabilidad
est dado por"
< <
t o
=
|
.
|
\
|
o

x ; e
2
1
) x ( f
2
x
2
1
#onde"
..... 1415 . 3 = t ! ... 7182 . 2 e =
1.3. GRFICO DE LA DISRI!UCI"# #OR$AL GE#ERAL
fig. $" La #istribucin %ormal
____________________________________________ 1
Elaborado por : Mg. Carmen Barreto R.
&echa " Agosto '($)
*ersin " )
-

La distribucin nora! se e"!ea tanto #ue $a enudo se e"!ea !a si%uiente notacin
abre&iada' ( )) ) (
2
o n "ara indicar #ue !a &ariab!e a!eatoria ( se distribu*e nora!ente
con edia * &arian+a o
2
.
1.4. PROPIEDADES DE LA DISTRIBUCION NORMAL GENERAL
a+ La distribucin normal es sim,trica ! tiene forma de campana, se e-tiende de
a .
b+ .n la distribucin normal la media est en la mitad ! divide el rea en dos
mitades ! la media, la mediana ! la moda tienen el mismo valor.
c+ .l rea total ba/o la curva normal es el $((0.
d+ .-iste una distribucin normal diferente para cada combinacin de media !
desviacin estndar.
e+ La probabilidad de que una variable aleatoria tenga un valor entre dos puntos
es igual al rea ba/o la curva normal entre los dos puntos, tal como se muestra en la
fig. '.

12a s - s b+ 3 4rea ba/o la curva normal entre a ! b.
fig. '
f+ .n la fig. ) muestra el rea ba/o la curva normal de $, ' ! ) desviaciones
estndar de la media.
____________________________________________ 2
&echa " Agosto '($)
*ersin " )
%
a b

fig. 3
1.5. DISTRIBUCIN NORMAL ESTNDAR
#ado que e-iste una distribucin normal diferente para una combinacin de media !
desviacin estndar, sera intil intentar elaborar las tablas suficientes para calcular
probabilidades, adems de la comple/idad de la funcin de densidad 2frmula+,
e-iste sin embargo, una alternativa sencilla que evita estos problemas. 1ara ello se
puede convertir esta escala real a una relativa o estandarizada, mediante la variable
normalizada.
.n donde"
1.6. FUNCIN DE DENSIDAD DE PROBABILIDAD
Una variable aleatoria contina 5 , se dice que est distribucin normalmente, con
media
0 =
! varianza
2
1 o = , si su funcin de densidad de probabilidad est dado
por"
#onde"
____________________________________________ 3
&echa " Agosto '($)
*ersin " )
1 o
3 o
&'()*
+,(,*
++(-*
1 + o
2 o
2
1
+
2
1
f (+) e ; +
2

= < <
t
2 + o 3 + o
0
Adems"
" Algunos valores de inter,s
6 " 7edia
8 " #esviacin estndar
La distribucin de una &ariab!e nora! con edia cero * &arian+a 1) se denota' ,
n(0)1) * se !ee' -.istribucin /ora! con edia cero * &arian+a 10.
.(-( GRFICO DE LA DISRI!UCI"# #OR$AL ES#DAR
fig. 9
1.8. CALCULO DIRECTO EN LA DISTRIBUCIN NORMAL ESTANDAR
MANEO DE TABLAS ESTAD!STICAS .
"# U$% &' (" T")(" I
fig. :" Area ba/o la curva normal que se muestra en la ;abla <
____________________________________________ 4
&echa " Agosto '($)
*ersin " )
0 ,
o

=
x
Z
0
E*'+,(% 1-
=btener el rea para 5 > $.):
1 35 P[ Z . ] ? < =
.n primer lugar se debe localizar al valor $.) en el lado izquierdo de la ;abla < !
luego el (.(: 2: es el ltimo dgito+ en su parte superior. .l rea ba/o la curva se
puede leer en la informacin de la fila 5 3 $.) ! la columna (.(:. .l valor es (.?$$:.
Luego" 125 > $.):+ 3 (.?$$:
=bserve la tabla"
;A@LA %A $
4rea ba/o una curva normal entre B ! 5 3 $.):
, 0.00 0.01 0.02 0.03 0.04 0.05 .... 0.01
-3.4
-3.3
.
.
.
0.0
.
.
.
0.1
1.0
1.1
1.2
1.3
.
.
.
3.4
____________________________________________ 5
&echa " Agosto '($)
*ersin " )
0.1115
0.1115
1.35 0

E*'+,(% 2-
=btener el area para 5 > B'.:C
.n primer lugar se debe localizar al valor B'.: en el lado izquierdo de la ;abla < !
luego el (.(C 2C es el ltimo dgito+ en su parte superior. .l rea ba/o la curva se
puede leer en la informacin de la fila 5 3 B'.: ! la columna (.(C. .l valor es (.((9?
Luego" 125 >B'.:C+ 3 (.((9?
234L3 /5 1
4rea ba/o una curva normal entre B ! 5 3 B'.:C
, 0.00 0.01 0.02 0.03 0.04 0.05 .... 0.08 0.01
-3.4
-3.3
.
-2.5
.
.
.
0.0
.
.
.
0.1
1.0
1.1
1.2
1.3
.
.
.
3.4
____________________________________________ 6
&echa " Agosto '($)
*ersin " )
0.0041
78, 2.589 : < =
0.0041
0
-2.58
)# U$% &' (" T")(" N. II

fig. D" 4rea ba/o la curva normal que se muestra en la ;abla <<
E*'+,(% 3-
=btener el rea para B$.?D E 5 E $.?D. Fabe indicar que los puntos son sim,tricos.
.n primer lugar se debe localizar al valor $.? en el lado izquierdo de la ;abla << !
luego (.(D 2D es el ltimo dgito+ en su parte superior. .l rea ba/o la curva se puede
leer en la informacin de la fila 5 3 $.? ! la columna (.(D. .l valor es (.?:.
L/'g%-
15 . 0 9 16 . 1 , 16 . 1 8 7 = s s
1.0. PROPIEDADES PARA EL CALCULO DE OTRAS AREAS BAO LA
CUR1A NORMAL ESTANDAR
.n esta sesin daremos propiedades para el clculo de reas ba/o la curva normal
estndar para utilizarlas posteriormente en aplicaciones pertinentes de dicha
distribucin.
____________________________________________ 7
&echa " Agosto '($)
*ersin " )
-, 0
,
0.15
/1.16 1.16 0
"# | | | |
; ;
7 , , 1 7 , , > = <
E*'+,(% 4-
Gallar | | 32 . 2 , 7 >
S%(/2i34-
| | | | 0102 . 0 1818 . 0 1 32 . 2 , 7 1 32 . 2 , 7 = = < = >

)# | | | |
0 0
7 , , 1 7 , , s = <
NOTA- T"+)i54 $' %)6i'4' &i7'26"+'46' &' (" T")(" I
E*'+,(% 2-
Gallar | | 03 . 0 , 7 s
S%(/2i34-
____________________________________________ 8
&echa " Agosto '($)
*ersin " )
78, < -,
0
|
-,
o
0
0.0102
2.32 0
78, = ,
0
|
,
0 0
| | | | 4880 . 0 5120 . 0 1 03 . 0 , 7 1 03 . 0 , 7 = = < = s

2# | | | |
0 0
7 , , 7 , , > = s

E*'+,(% 3-
Gallar | | 30 . 1 , 7 >
S%(/2i34-
| | | | 1032 . 0 30 . 1 , 7 30 . 1 , 7 = s = >

3

____________________________________________ 1
&echa " Agosto '($)
*ersin " )
-0.03
0
0.1032 0.1032
-1.30
1.30
0
0
0
,
o
- ,
o
0
>
&# | | | | | |
0 1 1 0
7 , , , 7 , , 7 , , s s = s <

E*'+,(% 4-
Gallar
S%(/2i34-
| | | | | |
| |
| | 8121 . 0 36 . 1 , 05 . 2 7
0202 . 0 1131 . 0 36 . 1 , 05 . 2 7
05 . 2 , 7 36 . 1 , 7 36 . 1 , 05 . 2 7
= s s
= s s
< s = s s

____________________________________________ 10
&echa " Agosto '($)
*ersin " )
- ,
o
,
o
0
1.36
0.8121
-2.05
0
| | 36 . 1 , 05 . 2 7 < <
E*'+,(% 5-
Gallar
S%(/2i34-
| | | | | |
| |
| | 0047 . 0 41 . 3 , 58 . 2 7
1151 . 0 1118 . 0 41 . 3 , 58 . 2 7
58 . 2 , 7 41 . 3 , 7 41 . 3 , 58 . 2 7
= < <
= < <
s < = < <
____________________________________________ 11
&echa " Agosto '($)
*ersin " )
| | 41 . 3 58 . 2 < < Z P

1.10. CALCULO INVERSO EN LA DISTRIBUCION NORMAL ESTANDAR
En la sesin anterior llevamos acabo el calculo directo en la distribucin normal en
donde dada una determinada rea tenamos que hallar el valor de la variable
aleatoria normal estndar ahora llevaremos acabo el proceso inverso; es decir dada
una determinada rea tenemos que hallar el valor de la variable aleatoria normal
estndar en donde haremos uso de las tablas estadsticas de la distribucin normal I
y II y adems de las propiedades. A continuacin citamos los siguientes ejemplos:
Ejemplo 6:
i ! n"#$%& $ hallar !
o
en :
En la 'abla I observamos que el valor de !
o
( ).*)$ y se obtiene directamente.
Ejemplo 7:
i ! n"#$%& $ hallar !
o
en :
95 . 0 ] Z Z [ P
o

____________________________________________ 12
+echa : Agosto )#%*
,ersin : *
0.9898
Z
0
0
o
P[Z Z ] 0.9898 =

En la 'abla I observamos que el valor !
o
se encuentra entre %.-. y %.-/ y llevamos
acabo el proceso de interpolacin:
Z Area
1.64 0.9495
Z
o
0.95
1.65 0.9505
Ejemplo 8:
i ! n"#$%& $ hallar el valor 0 !
o
en:
01 . 0 ] Z Z [ P
o

____________________________________________ 13
+echa : Agosto )#%*
,ersin : *
0.95
Z
0
0
0
0
0
0.9505 0.9495 1.65 1.64
0.95 0.9495 Z 1.64
0.001 0.01
0.0005 Z 1.64
Aplicando la regla de tres simples obtenemos
Z 1.645
- -
=
- -
=
-
=

En la 'abla I observamos que el valor !
o
se encuentra entre 1).** y 1).*) y llevamos
Z Area
"2.33 0.0099
" Z
o
0.01
"2.32 0.0102
____________________________________________ 14
+echa : Agosto )#%*
,ersin : *
0.01
"Z
o
0
0
0
0
0.0099 0.0102 2.33 # 2.32$
0.01 0.0099 Z # 2.32$
0.0003 0.01
0.0001 Z 2.32
Aplicando la regla de tres simples obtenenmos
Z 2.326%
- - - -
=
- - - -
-
=
- +
- = -

Ejemplo 9:
i ! n"#$%&$ hallar el valor de !
o
en:
10 . 0 ] Z Z [ P
o

Aplicando propiedad:
] Z Z [ P 1 ] Z Z [ P
o o

90 . 0 ] Z Z [ P
o

En la 'abla I observamos que !
o
se encuentra entre #.2334 y #.3#%/ y llevamos
Z Area
1.28 0.899%
Z
o
0.90
1.29 0.9015
____________________________________________ 15
+echa : Agosto )#%*
,ersin : *
0.10
Z
o
0

Ejemplo 10:
i ! n"#$%&$ hallar el valor de 1!
#
y !
#
sim5tricos

en:
90 . 0 ] Z Z Z [ P
o o

En la 'abla II observamos que !
o
se encuentra entre #.233# y #.3#%% y llevamos
Z Area
1.64 0.8990
Z
o
0.90
1.65 0.9011
____________________________________________ 16
+echa : Agosto )#%*
,ersin : *
" Z
o
Z
o
0
0.90
0
0
0
0.9015 0.899% 1.29 1.28
0.90 0.899% Z 1.28
0.0018 0.01
0.0003 Z 1.28
Z 1.282
- -
=
- -
=
-
=

Ejemplo 11:
i ! n"#$%& $ hallar los valores 1!
o
y !
o
sim5tricos en:
95 . 0 ] Z Z Z [ P
o o

En la 'abla II observamos que se encuentra el rea dada$ por lo tanto no es
necesario interpolar.
Entonces 0!
o
(1%.3- y !
o
( %.3-
____________________________________________ 1%
+echa : Agosto )#%*
,ersin : *
" Z
o
Z
o
0
0.95
0
0
0
0
0.9011 0.8990 1.65 1.64
0.90 0.8990 Z 1.64
0.0021 0.01
0.001 Z 1.64
Z 1.645
&
Z 1.645
- -
=
- -
=
-
=
- = -

1.11. ESTANDARIZACION DE UNA VARIABLE ALEATORIA NORMAL
6ada una variable aleatoria normal 7$ con media 8 y desvo 9$ si de:inimos otra
variable aleatoria
'
Z entonces la variable aleatoria ! tendr una distribucin
normal estndar.
Al usar la :rmula de trans:ormacin cualquier variable aleatoria normal 7 se
convierte en una variable aleatoria normal estandari;ada !. <ientras los datos
originales para la variable aleatoria 7 tenan una media y una desviacin estndar$ la
variable aleatoria estandari;ada ! siempre tendr una media 8 ( # y una
desviacin estndar 9 ( %.
,eremos algunos ejemplos:
Ejemplo 1:
i
$ 100 ( 100 # n '
$ hallar:
a&
] 120 ' [ P

9%%2 . 0 ] 2 Z [ P ] 120 ' [ P
]
10
100 120
Z [ P ] 120 ' [ P

____________________________________________ 18
+echa : Agosto )#%*
,ersin : *
0.9%%2
120
100
).*.+

b$
] 130 ' [ P
0013 . 0 ] 130 ' [ P
998% . 0 1 ] 130 ' [ P
] 3 Z [ P 1 ] 130 ' [ P
]
10
100 130
Z [ P 1 ] 130 ' [ P

____________________________________________ 19
+echa : Agosto )#%*
,ersin : *
0.9%%2
2
0
).*.,.
0.0013
).*.+.
130 100

c$
] %5 ' [ P
062 . 0 ] %5 ' [ P
] 5 . 2 Z [ P ] %5 ' [ P
]
10
100 %5
Z [ P ] %5 ' [ P

____________________________________________ 20
+echa : Agosto )#%*
,ersin : *
0.0013
).*.,.
3 0
).*.+.
0.0062
%5 100

d$
] 125 ' %5 [ P
98%8 . 0 ] 125 ' %5 [ P
] 5 . 2 Z 5 . 2 [ P ] 125 ' %5 [ P
]
10
100 130
Z
10
100 %5
[ P ] 125 ' %5 [ P

NOTA: UTILIZAR LA TABLA II DIRECTAMENTE
____________________________________________ 21
+echa : Agosto )#%*
,ersin : *
).*.,.
0.0062
"2.5 0
).*.+.
%5 125
100
0.98%8

e$
] 134 ' 80 [ P
9%6% . 0 ] 125 ' %5 [ P
0228 . 0 999% . 0 ] 125 ' %5 [ P
] 00 . 2 Z [ P ] 4 . 3 Z [ P ] 125 ' %5 [ P
] 4 . 3 Z 00 . 2 [ P ] 125 ' %5 [ P
]
10
100 134
Z
10
100 80
[ P ] 134 ' 80 [ P

____________________________________________ 22
+echa : Agosto )#%*
,ersin : *
).*.,.
" 2.5 2.5
0
0.98%8
).*.+.
80 134
100
0.9%6%

____________________________________________ 23
+echa : Agosto )#%*
,ersin : *
).*.,.
"2.00
3.4 0
0.9%6%
Universidad Catlica Los ngeles de Chimbote ESTADSTICA APLICADA INFERENCIAL
1.12. APLICACIONES DE LA DISTRIBUCION NORMAL ESTANDAR
A continuacin veremos aplicaciones de la distribucin normal estndar a situaciones
reales:
Ejemplo 13:
Los sueldos de los 2000 trabajadores de una empresa se distribuyen normalmente con
media 10000 y 700
2
= = o , hallar:
Soluci:
La variable aleatoria X, est dada por:
X: Sueldo en soles
a) La probabilidad de ue los trabajadores ten!an sueldos mayores de "00 soles#
]
100
700 800
Z [ P ] 800 X [ P

> = >
] 1 Z [ P ] 800 X [ P > = >
] 1 Z [ P 1 ] 1 Z [ P s = >
8417 . 0 1 ] 1 Z [ P = >
1587 . 0 ] 1 Z [ P = >
$pta#: 0#%&"'
___________________________________________________________________________ 24
(echa : A!osto 20%)
*ersin : )
0.1587
700 800
D.N.G.
0.1587
0 1
D.N.E.
b) La probabilidad de ue los trabajadores ten!an sueldos sean menores o i!uales ue
&00 soles#
]
100
700 500
Z [ P ] 500 X [ P

s = s
] 2 Z [ P ] 500 X [ P s = s
0228 . 0 ] 2 Z [ P = s
$pta#: 0#022"
c) La probabilidad de ue los trabajadores ten!an sueldos ue var+en entre &20 y ""0
soles#
]
100
700 880
Z
100
700 520
[ P ] 880 X 520 [ P

s s
= s s
$pta#: 0#,2"%
___________________________________________________________________________ 25
(echa : A!osto 20%)
*ersin : )
D.N.E.
0.0228
-2 0
D.N.G.
0.0228
500 700
D.N.G.
880 700 520
0.9281
-1.8 1.8 0
D.N.E.
0.9281
d) -allar el sueldo m.imo del ,&/ de los trabajadores#
95 . 0 ] X X [ P
1
= s
0standari1ando obtenemos:
95 . 0 ] Z Z [ P
1
= s
2uscando en la 3abla 45 6 e interpolando obtenemos ue 7 es i!ual a %#89&
645 . 1 Z
1
=
645 . 1
X
1
=
o

645 . 1
100
700 X
1
=
100 645 . 1 700 X

1
+ =
. soles 5 . 864 X
1
=
$pta#: 0l sueldo m.imo del ,&/ de los trabajadores es de "89#& soles
___________________________________________________________________________ 26
(echa : A!osto 20%)
*ersin : )
100 645 . 1 700 X
1
+ =
0.95
Z
1
=1.645
0
D.N.E.
0.95
X
1
=864.5
700
D.N.E
e) -allar el sueldo m.imo del %/ de los trabajadores con menor sueldo#
2uscando en la 3abla 45 6 e interpolando obtenemos ue :7
%
es i!ual a :2#)2'
;) 0l sueldo m+nimo del "0/ de los trabajadores#
80 . 0 ] Z Z [ P
1
= >
:7
%
se encuentra en el rea de valores ne!ativos de la distribucin normal estndar,
entonces aplicamos propiedad:
80 . 0 ] Z Z [ P ] Z Z [ P
1 1
= s = >
___________________________________________________________________________ 27
(echa : A!osto 20%)
*ersin : )
1
P[X X ] 0.01 s =
1
P[Z Z ] 0.01 s =
1
X
2.3267
=
o
1
X 700
2.3267
100
=
1
X 700 2.3267 100 =
1
X 700 232.67 =
1
X 467.33 soles. =
80 . 0 ] X X [ P
1
= >
2uscando el valor 7
%
en la 3abla 45 6 e interpolando obtenemos:
7
%
<0#"9%" entonces : 7
%
< : 0#"9%"
8418 . 0
X
1
=
o

8418 . 0
100
700 X
1
=
100 8418 . 0 700 X

1
=
1
X 615.82 =
$pta: 0l sueldo m+nimo del "0/ de los trabajadores es de 8%&#"2 soles#
e) -allar el sueldo m+nimo del %0/ de trabajadores con altos sueldos#
10 . 0 ] X X [ P
1
= >
10 . 0 ] Z Z [ P
1
= >
7
%
se encuentra en el rea de valores positivos de la distribucin normal estndar,
entonces aplicamos propiedad:
___________________________________________________________________________ 28
(echa : A!osto 20%)
*ersin : )
X
1
= 615.82
700
0.80
D.N.G.
- Z
1
= -0.8418
0
0.80
D.N.E.
10 . 0 ] Z Z [ P 1 ] Z Z [ P
1 1
= < = >
10 . 0 ] Z Z [ P 1
1
= s
1
P[Z Z ] 0.90 < =
2uscando el valor 7
%
en la 3abla 45 6 e interpolando obtenemos:
7
%
<%#2"2
282 . 1
X
1
=
o

282 . 1
100
700 X
1
=
100 282 . 1 700 X

1
+ =
2 . 828 X
1
=
$pta#: 0l sueldo m+nimo del %0/ de los trabajadores con altos sueldos es de "2"#" soles#
;) -allar el n=mero de trabajadores con sueldos mayores de ,00 soles#
]
200
700 900
Z [ P ] 900 X [ P

> = >
] 2 Z [ P 1 ] 2 Z [ P s = >
] 2 Z [ P 1 ] 2 Z [ P s = >
___________________________________________________________________________ 29
(echa : A!osto 20%)
*ersin : )
0.10
X
1
=828.2 700
D.N.G.
Z
1
=1.282 0
D.N.E.
0.10
0228 . 0 ] 2 Z [ P = >
>omo se tiene 2000 trabajadores entonces el n=mero de trabajadores ue tienen
sueldos mayores de ,00 soles est dado por:
] 900 X [ P n n
1
> =
] 2 Z [ P n n
1
> =
0228 . 0 2000 n
1
=
46 6 . 45 n
1
~ = trabajadores#
___________________________________________________________________________ 30
(echa : A!osto 20%)
*ersin : )
0.01
D.N.G.
467..33 700
D.N.E.
0.01
-2.3267 0
Universidad Los ngeles de Chimbote ESTADSTICA APLICADA - INFERENCIAL
1.13. DISTRIBUCION T STUDENT
1.13.1. INTRODUCCION
Se dice que una variable aleatoria T tiene una distribucin t de student con
u
grados
de libertad, si su funcin de densidad de probabilidad est dada por:
( 1) / 2
2
1
2
( ) 1

2
y 1, 2 ,.....
t
f t
t R
u
u
u u
ut
u
+
+ | |
|
| |
\ .
= +
|
| |
\ .
|
\ .
e =
Se denota como: T
v
t 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, ay una distribucin t correspondiente a cada grado de libertad. En la fig.
!" se presenta un bosque#o 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. $ote, la simetr%a de la distribucin t alrededor de t&" y var%a de menos
infinito a ms infinito.
La media y la varian'a de la distribucin t student con
u
grados de libertad estn
dados por:
1 v , 0 ) T ( E M > = =
2 v ,
2 v
v
) T ( V
2
>
= = o
____________________________________________ 31
(eca : )gosto *"!+
,ersin : +
fig. -
.omo podemos ver la distribucin t de student es muy similar a la distribucin
normal n/",!0, ya que ambas tiene como dominio todas las reales, son sim1tricas
con respecto a su media cero. Las dos tienen grficos de forma de campana, pero la
distribucin t de student tiene mayor dispersin que la distribucin normal n/",!0. La
distribucin t de student se apro2ima a la normal n/",!0, cuando el grado de libertad
u
es suficientemente grande. En la prctica, cuando el grado de libertad
u
es mayor
o igual que +" /
u
> +"0, la distribucin t se trata como distribucin normal n/",!0.
1.13.2. MANEJO DE TABLAS ESTADISTICAS
3ebido a la importancia de la distribucin t en la inferencia estad%stica y la dificultad
para evaluar la funcin de distribucin de la variable aleatoria T, estas se dan en una
tabla. En las tablas 444 y 4, se presentan reas de esta distribucin para diferentes
grados de libertad. 5ara el clculo de reas de la distribucin t de student se utili'an
las mismas propiedades para el calculo de reas en de la distribucin normal n/",!0.
a) Uso de la Tabla III: .alcula la probabilidad que la variable aleatoria T tome
valores menores o iguales a una constante
o
=
1 0
t t
. )s%:
fig. 6
____________________________________________ 32
(eca : )gosto *"!+
,ersin : +
0
t
1- o
o
1-o
| |
1
P T t 1
o
s = o
Eje!lo 1":
Si T t
!6
, allar:
a0 | | 975 . 0 101 . 2 = < T P
Se desea allar el rea para valores menores que *.!"! /57T8*.!"!90 en una
distribucin t student con !6 grados de libertad. 5ara este tipo de rea requerida
utili'aremos la Tabla 444 . En primer lugar debemos ubicar los grados de libertad /!60
en el lado i'quierdo de la tabla y luego avan'ar acia la dereca en la misma
direccin y ubicar el valor *.!"! y allar el rea /probabilidad0 en la parte superior de
dico nmero, tal como se muestra a continuacin:
T):L) 444
o ".!" "."; "."*; ... ".""!
!< o ".=" ".=; ".=-; ".===
u
1
2
.
.
.
18
.
.
.
500
2.101
____________________________________________ 33
(eca : )gosto *"!+
,ersin : +
2.101 0
o
1-o
0.975
t
0.90
t
0.95
t
0.999
t
0.975
b0 | | 90 . 0 1 ] 330 . 1 [ 1 330 . 1 = s = > T P T P
| | 10 . 0 330 . 1 = > T P

En este e#emplo aplicamos la propiedad respectiva que se usa para el clculo de
otras reas de la distribucin normal estndar /sesin de aprendi'a#e !0 y allamos
el rea que corresponde a
90 . 0 ] 330 . 1 T [ P = s
, tal como se muestra a continuacin:
T):L) 444
o ".!" "."; "."*; ... ".""!
!< o ".=" ".=; ".=-; ".===
u
1
2
.
.
.
18
.
.
.
500
1.330
____________________________________________ 34
(eca : )gosto *"!+
,ersin : +
0.10
0 1.330
t
0.975
t
0.95
t
0.999
t
0.90
c0 | | | | 330 . 1 330 . 1 > = s T P T P

| | | |
| | 10 . 0 90 . 0 1 330 . 1
330 . 1 1 330 . 1
= = s
< = s
T P
T P T P
d0 | | | | 90 . 0 330 . 1 330 . 1 = < = > T P T P
b) Uso de la Tabla IV: .alcula la probabilidad que la variable aleatoria T tome
valores entre dos puntos sim1tricos
2 / 1 0
t t
o
=
y
2 / 1 0
t t
o
=
. )s%:
fig. =
____________________________________________ 35
(eca : )gosto *"!+
,ersin : +
0.10
0.90
-1.330 0
-1.330 0
o/2 o/2
-t
o
t
o
1-o
0
Eje!lo 2:
Si T t
!6
, allar:
a0 | | 95 . 0 101 . 2 101 . 2 = < < T P
Se desea obtener el rea para valores comprendidos entre <*.!"! y *.!"! 75 7<
*.!"!8T8*.!"!9 para una distribucin t Student con !6 grados de libertad. .abe
indicar que los puntos son sim1tricos y que en este caso debemos utili'ar la Tabla
4,. En primer lugar debemos ubicar los grados de libertad /!60 en el lado i'quierdo
de la tabla y luego avan'ar acia la dereca en la misma direccin y ubicar el valor
*.!"! y allar el rea /probabilidad0 en la parte superior de dico nmero, tal como
se muestra a continuacin:
TABLA V
o 0.10 0.05 0.02 ... 0.001
1- o 0.90 0.95 0.98 0.999
u
1
2
.
.
.
18
.
.
.
500
2.101
____________________________________________ 3!
(eca : )gosto *"!+
,ersin : +
0.95
-2.101 0 2.101
t
0.975 t
0.955 t
0.99 t
0.995
b0 | | 99 . 0 878 . 2 T 878 . 2 P = s s
1.1". DISTRIBUCION C#I CUADRADO.
1.1".1. INTRODUCCI$N
Se dice que la variable aleatoria > tiene una distribucin ci cuadrado con
u
grados
de libertad, si su funcin de densidad est dada por:
0 " #$ % & '
2
v
2
2
v
2
2
v
>
|
.
|
\
|
= ) " ( (

0 " #$ % 0 <

$otacin abreviada:
> >
*
u
3onde
u
es un nmero entero positivo.
1.1".2. MANEJO DE TABLAS ESTADISTICAS.
3ebido a que la distribucin ci<cuadrado es importante en las aplicaciones,
principalmente en inferencia estad%stica alguna de las cuales citaremos
posteriormente? la funcin de distribucin (/20 estn preparadas en tablas /ver Tabla
,0, para valores seleccionados de
v
y >
*
. 5or lo tanto, se puede encontrar en la
tabla, la probabilidad que la variable aleatoria > que tiene una distribucin
2
v
'
/! s v s +"0 sea menor o igual a un valor constante
2
1
2
0
' '
o
= representado por:
____________________________________________ 37
(eca : )gosto *"!+
,ersin : +
0.99
-2.878 0 2.878
o = <
o
1 ] ' ' [ P
2
v , 1

fig. !"
.omo no e2iste simetr%a la Tabla , presenta las probabilidades acumuladas /reas0
desde 0 '
2
0
= asta
2
0
' .
5uesto que e2iste una distribucin ci<cuadrado diferente para cada valor de u,
resulta imprctico proporcionar tablas de reas completas. En lugar de esto la Tabla
, presenta un resumen de la informacin ms esencial acerca de la distribucin.
5ara calcular reas en la distribucin ci cuadrado tambi1n se deben usar las
propiedades dadas para el clculo de reas en la distribucin normal.
Eje!lo 1%:
Si
2
20
' ' , allar:
a0 | | 90 . 0 4 . 28 = s X P
Se desea allar el rea /probabilidad0 para valores
menores o iguales que *6.@
757> 8 *6.@99 con *" grados de libertad. 5ara allar este tipo de rea utili'aremos la
Tabla ,. En primer lugar debemos ubicar los grados de libertad /*"0 en el lado
____________________________________________ 38
(eca : )gosto *"!+
,ersin : +
1 - )
)

2
v , 1
'
o
0
0.90
4 . 28
0
i'quierdo de la tabla y luego avan'ar acia la dereca en la misma direccin y ubicar
el valor *6.@ y allar el rea /probabilidad0 en la parte superior, tal como se muestra
a continuacin:
T):L) ,
u '
2

0.995
'
2
0.99
'
2
0.975
'
2
0.95
'
2
0.90
.... '
2
0.005
1
2
3
.
.
.
20
.
.
.
100
b0 | | | | 4 . 12 1 4 . 12 < = > X P X P
| |
| | 90 . 0 4 . 12 ' P
10 . 0 1 4 . 12 ' P
= >
= >

c0 | | | | | | 4 . 12 4 . 28 4 . 28 4 . 12 < s = s s X P X P X P
____________________________________________ 39
(eca : )gosto *"!+
,ersin : +
0 12.4
0.90
28.4

| |
| | 80 . 0 4 . 28 ' 4 . 12 P
10 . 0 90 . 0 4 . 28 ' 4 . 12 P
= s s
= s s
AUTOEVALUACI$N &1
!. Si ) 1 , 0 ( * + , allar los puntos AB
o
y B
o
en:
a0
] + + + [ P
o o
s s
& ".==;
b0
o
P[+ + ] 0.0073 s =
$CT): DE)(4.)E.
*. Los .4 de F"" aspirantes de cierta universidad se distribuyen apro2imadamente
de forma normal con una media de !!; y una desviacin estndar de !*.
a0 Si la universidad requiere un .4 de al menos =;, Gcuntos de estos estudiantes
sern reca'ados sobre esta base sin importar sus otras calificacionesH
b0 G.ul es la nota m%nima del ;I de estudiantes con mayor calificacinH
c0 G.untos estudiantes an obtenido una calificacin mayor de !*"H
$CT): DE)(4.)E.
+0 Si T se distribuye mediante una t
*;
allar:
a.!0
[ 1.31!] < P T
a.*0
[ 2.0!0 2.0!0] s s P T
$CT): DE)(4.)E
@0 Si > se distribuye mediante una
2
25
' allar:
b.!0
P[' 37.!5] >
b.*0
P[' 13.12] s
$CT): DE)(4.)E
____________________________________________ 40
(eca : )gosto *"!+
,ersin : +
0
12.4 28.4
0.80
Universidad CatlicaLos ngeles de Chimbote ESTADSTICA APLICADA - INFERENCIAL

CAPITULO II
INTERVALOS DE CONFIANZA Y TAMAO DE MUESTRA
2.1. INTRODUCCION
Actualmente se debe estar bien consciente de que las poblaciones son generalmente muy
grandes como para ser estudiadas en su totalidad. Su tamao requiere que se
selecciones muestras las cuales se pueden utilizar para hacer inferencias sobre
poblaciones. Por ejemplo si un gerente de una tienda minorista desea saber sobre sus
ventas diarias promedios por cliente durante el ao anterior, podra encontrar difcil
calcular el promedio de las ventas a cientos o quizs miles de clientes que pasaron por la
tienda. Seria muchos mas fcil estimar la media poblacional con la media de una muestra
representativa.
!ay dos tipos de estimadores que se utilizan ms com"nmente para este prop#sito$ un
estima!" #untua$ % un estima!" #!" inte"&a$!. %n estimador puntual utiliza un
estadstico para estimar el parmetro en un solo valor o punto. &l estimador puntual por
ser un solo numero, no proporciona por si mismo informaci#n alguna sobre la precisi#n y
confiabilidad de la estimaci#n. 'ebido a la variabilidad de la muestra, nunca se tendr que
= x . &l estimado puntual nada dice sobre lo cercano que esta de
. &l gerente de la
tienda puede seleccionar una muestra de n()** clientes y halla el gasto promedio de
120 $ x = , este valor sirve como estimaci#n puntual para la media poblacional.
%na alternativa para reportar un solo valor del parmetro que se esta estimando es
calcular e informar todo un intervalo de valores factibles, un intervalo de confianza. &l
gerente puede decidir que la media poblacional est+ entre ,--. y ,-/0. 1al intervalo con
frecuencia va acompaado de una afirmaci#n sobre el nivel de confianza que se da con
e2actitud. Por lo tanto se llama intervalo de confianza.
&n realidad hay tres niveles relacionados com"nmente con los intervalos de confianza$
334, 3)4 y 3*4. &l gerente mencionado puede tener un 3)4 de confianza en que la
media poblacional est entre ,--. y ,-/0.
___________________________________________________________________________ 41
5echa $ Agosto /*-6
7ersi#n $ 6

2.2. DEFINICION
&s el rango dentro del cual se encuentra el parmetro desconocido u con un nivel de
confianza dado.
&n base a una muestra aleatoria y la correspondiente estadstica
u
, se trata de
encontrar un intervalo 89
-
, 9
/
: llamado ;ntervalo de <onfianza que debe contener el
parmetro u con una probabilidad dada =->o? llamado nivel de confianza.
Si u
es una esta'sti(a
f=

u ?

o@/ o@/

fig. --
&l intervalo 89
-
, 9
/
: es un intervalo aleatorio ya que sus e2tremos 9
-
, 9
/
llamados lmites de
confianza son variables cuyos valores varan de una muestra a otra.
9a &stimaci#n ;ntervlica consiste en calcular 9
-
, 9
/
dada una muestra aleatoria y un
nivel de confianza =->o? y decir que se tiene confianza del -** =->o? 4 que el intervalo
contiene el valor desconocido u.
Por ejemplo$ Si ->o ( *.3), se dice que se tiene una confianza del 3)4 que el intervalo
contenga el valor desconocido uA o bien, de -** intervalos aleatorios que se tomen 3) de
las veces contendr el parmetro y s#lo ) veces no lo contendr.
___________________________________________________________________________ 42
5echa $ Agosto /*-6
7ersi#n $ 6
1 - o
L
1

L
2

u

2.). INTERVALO DE CONFIANZA PARA LA MEDIA PO*LACIONAL
2.).1. INTRODUCCI+N
%no de los usos ms comunes de los intervalos es estimar la media poblacional. %n
fabricante puede querar estimar la producci#n mensual promedio de su planta, un
representate de ventas puede estar interesado en estimar su comisi#n media anual
ganada por captaciones, el jefe financiero de un banco puede estar interesado en estimar
el ahorro mensual promedio de sus clientes en un ao dado, etc. &l n"mero de
circunstancias que se encuentran comunmente en el mundo de los negocios y que
requiere de una estimaci#n de la media poblacional es casi ilimitado.
2.).2. DEFINICI+N
&s el rango dentro del cual se encuentra la media poblacional con un nivel de confianza
dado.

o@/ o@/
fig. -/
Se presentan los siguientes casos$
CASO I, Us! e $a Esta'sti(a Z
i? Buestra grande =n > 6*?, varianza poblacional conocida o
/
y poblaci#n normal o no.
___________________________________________________________________________ 43
5echa $ Agosto /*-6
7ersi#n $ 6
1 - o
L
1

L
2
| | o = s s 1
2 1
L L P
1 0 0
x
2 0 0
x
L x Z x Z
n
L x Z x Z
n
o
= o =
o
= + o = +

ii? Buestra grande =n > 6*?, varianza poblacional desconocida ( )
2 2
s ~ o y poblaci#n
normal o no.
1 0 0
x
2 0 0
x
s
L x Z s x Z
n
s
L x Z s x Z
n
= =
= + = +
iii? Buestra pequea =n C 6*?, varianza poblacional conocida
2
o y poblaci#n normal.
CASO II, Us! e $a Esta'sti(a t.
Buestra pequea =n C 6*?, varianza poblacional desconocida ( )
2 2
s ~ o y poblaci#n
normal.
D!ne,

1 - n , 2 / 1 0 o
= t t
2.).). ERROR EST-NDAR DE LA MEDIA
&l error estndar es una medida de la dispersi#n de las medias de muestras alrededor de
la media de la poblaci#n. Si la dispersi#n disminuye =si
o
se hace ms pequea?,
entonces los valores tomados por la media de la muestra tienden a agruparse mas
cercanamente alrededor de
. D a la inversa, si la dispersi#n se incrementa =si

o
se
agranda?, los valores tomados por la media de la muestra tienden a agruparse menos
cercanamente alrededor de
. Al disminuir el error estndar, el valor de cualquier media

de muestra probablemente se acercara al valor de la poblaci#n, lo que quiere decir que al
disminuir el error estndar, se incrementa la precisi#n con que se puede usar la media de
la muestra para estimar la media de la poblaci#n.
___________________________________________________________________________ 44
5echa $ Agosto /*-6
7ersi#n $ 6
1 0 0
x
2 0 0
x
L x Z x Z
n
L x Z x Z
n
o
= o =
o
= + o = +
1 0 0
x
2 0 0
x
s
L x t s x t
n
s
L x t s x t
n
= =
= + = +

- Si el muestreo es con o sin reposici#n en una poblaci#n infinita =o con sustituci#n en
una poblaci#n finita de tamao E?, el error estndar de la media muestral es$
i?
) conocida (
n
2
x
o
o
= o
ii?
) a desconocid (
n
s
s
2
x
o =
- Si el muestreo es sin reposici#n en una poblaci#n finita de tamao E, el error estndar
de la media muestra es$
i? ) conocida (
1 N
n N
n
2
x
o
o
= o
ii? ) a desconocid (
1 N
n N
n
s
s
2
x
o
=
'onde$
1 N
n N
es el factor de correcci#n para poblaci#n finita.

NOTA, .ene"a$mente se uti$i/a e$ muest"e! sin "e#!si(i0n en #!1$a(i!nes in2initas
% 2initas e tama3! N
E4em#$! 15,
Se desea estimar el sueldo mensual promedio de los trabajadores de una &mpresa FGH
para ello se selecciona una muestra aleatoria de 0* trabajadores donde se obtiene que
720 9 = = x soles y s soles . Ibtener un intervalo de confianza para el sueldo promedio de
todos los trabajadores con un nivel de confianza del 3)4.
S!$u(i0n,
a6 Se esea estima",
J$ &l sueldo mensual promedio poblacional de los trabajadores.
16 An7$isis,
n ( 0*
=nK6*?
___________________________________________________________________________ 45
5echa $ Agosto /*-6
7ersi#n $ 6
x 720 soles =
s 9 soles. =

- 7arianza poblacional desconocida se estima a trav+s de la muestra. &s
decir si
- Poblaci#n no normal
- Para un nivel de confianza - L M ( *.3)
96 . 1 Z
O
=
- &rror estndar de la media muestral
x
es$
(6 8a"em!s us! e $a esta'sti(a Z es("ita en e$ Cas! I 9 ii,
6 8a$$an! e$ inte"&a$! e (!n2ian/a,
1 0
2 0
1
2
1
2
s 9
L x Z 720 1.96
n 40
s 9
L x Z 720 1.96
n 40
L 720 1.96 1.42
L 720 1.96 1.42
L 720 2.7 717.22 soles
L 720 2.7 722.7 soles
= =
= + = +
=
=
= =
= + =
e6 Inte"#"eta(i0n,
&l sueldo mensual promedio de los trabajadores varia entre N-N.// soles y N//.NO
soles con una confianza del 3)4.
E4em#$! 1:,
&l gerente de una cadena de tiendas de ropa desea el n"mero de clientes que realizan
compras, para esto selecciona una muestra al azar entre todas las cadenas de tiendas
donde obtuvo los siguientes resultados respecto al n"mero de clientes$
3*N, 3/., )*., N0-, NO3, OO3, ON0, )-*, )/3, 0/*
Si se supone que la variable n"mero de clientes se distribuye normalmente con varianza
0**** clientes
/
. !allar el intervalo de confianza del 3)4 para el n"mero de clientes
promedio que realizan compras.
___________________________________________________________________________ 46
5echa $ Agosto /*-6
7ersi#n $ 6
2 2
s 9 soles entonces s 1 soles = =
( )
2 2
s ~ o
x
s 9
s 1.42
n 40
= = =

S!$u(i0n,
a6 Se esea estima",
J$ &l n"mero de clientes promedio de clientes que realizan compras.
16 An7$isis,

- n(-*
=nC6*?
7arianza poblacional conocida
( )
2 2
40000 clientes o = ; entonces la desviaci#n
estndar es
200 clientes. o =
- Poblaci#n normal.
- Para el nivel de confianza - L M ( *.3)
96 . 1 Z
O
=
- &rror estndar de la media muestral
x
$
(6 8a"em!s us! e $a esta'sti(a Z es("ita en e$ Cas! I < iii
1 0
2 0
1
2
1
2
6!.24
L x Z 709.1 1.96
n 10
6!.24
L x Z 709.1 1.96
n 10
L 709.1 1.96 19.20
L 709.1 1.96 19.20
L 709.1 !7.6! 671.47 671 clientes
L 709.1 !7.6! 746.7! 747 clientes
o
= =
o
= + = +
=
=
= = ~
= + = ~
e6 Inte"#"eta(i0n, <on una confianza del 3)4 el n"mero de clientes promedio que
realizan compras en las tiendas varia entre .N- y N0N clientes.
___________________________________________________________________________ 47
5echa $ Agosto /*-6
7ersi#n $ 6
x 709.1 clientes =
x
200
6!.24 clientes
n 10
o
o = = =

E4em#$! 1=,
Se desea estimar el gasto medio mensual de consumo de tel+fono para ello se elige una
muestra aleatoria de O- clientes de 1elef#nica S.A., obteni+ndose una media soles 2"0 x =
y una desviaci#n estndar
soles 16 s =
. Ibtener un intervalo de confianza del 3*4 para P.
S!$u(i0n,
a6 Se esea estima",
J$ &l gasto medio mensual de consumo de tel+fono en soles.
16 An7$isis,
n ( O-
=nK6*?
- 7arianza poblacional desconocida se estima a trav+s de la muestra. &s
decir si
- Poblaci#n normal.
- Para el nivel de confianza - L M ( *.3*
-
- &l error estndar de la media muestral es$
x
s 16
s 1.7
n 1
= = =
(6 8a"em!s us! e $a esta'sti(a Z es("ita en e$ Cas! I 9 ii
___________________________________________________________________________ 48
5echa $ Agosto /*-6
7ersi#n $ 6
s 16 soles. =
O
Z 1.64" =
2 2
s 16 soles entonces s 2"6 soles = =
2 2
( s ) o ~
x 2"0 soles =

1 0
2 0
1
2
1
2
s 16
L x Z 2"0 1.64"
n 1
s 16
L x Z 2"0 1.64"
n 1
L 2"0 1.64" 1.7
L 2"0 1.64" 1.7
L 2"0 2.9! 247.07 soles
L 2"0 2.9! 2"2.9! soles
= =
= + = +
=
=
= =
= + =
e6 ;nterpretaci#n$ <on una seguridad del 3*4 el gasto medio mensual de consumo
mensual vara entre /0N.*N soles y /)/.36 soles.
E4em#$! 1>,
<on el fin de medir el rendimiento de una mquina =EQ de unidades producidas?, se toma
una muestra y se obtiene los siguientes resultados$ /*, /0, //, //, /-, /N, /). Si sabe
que el rendimiento sigue una distribuci#n normal. &ncontrar un intervalo de confianza del
334 para el rendimiento medio.
S!$u(i0n,
a6 Se esea estima",
J$ 1iempo medio poblacional de ejecuci#n en milisegundos de un programa.
16 An7$isis,
- n(N
=nC6*?
- 7arianza poblacional desconocida
( )
2 2
s ~ o
se estima a trav+s de la muestra.
&s decir
- Poblaci#n normal.
- Para el nivel de confianza - L M ( *.33
O 0.99"#6
t t !.707 = =
- &l error estndar de la media muestral
x
es$
___________________________________________________________________________ 49
5echa $ Agosto /*-6
7ersi#n $ 6
x 2! $nidades =
s 2.4" $nidades =
2 2
s 2.4" $nidades entonces s 6.00 $nidades = =

x
s 2!
s .69
n 7
= = =
(6 8a"em!s us! e $a esta'sti(a t,
1 0
2 0
1
2
1
2
s 2.4"
L x t 2! !.707
n 7
s 2.4"
L x t 2! !.707
n 7
L 2! !.707 0.9!
L 2! !.707 0.9!
L 2! !.4" 19."" 20 $nidades
L 2! !.4" 26.4" 26$nidades
= =
= + = +
=
=~
= = ~
= + = ~
e6 Inte"#"eta(i0n,
&l rendimiento medio de la mquina vara entre /* y /. unidades con una
confianza del 334.
E4em#$! 2?,
&n una empresa distribuidora de productos informticos trabajan )** personas. %n
estudio realizado sobre un tamao de muestra de 6* trabajadores demostr# que el sueldo
anual promedio era ,0)*, con una desviaci#n estndar de ,)*. &stime el sueldo anual
promedio de todos los trabajadores de la empresa con un nivel de confianza del 3)4.
S!$u(i0n,
a6 Se esea estima",
J$ Sueldo anual promedio de todos los trabajadores.
___________________________________________________________________________ 50
5echa $ Agosto /*-6
7ersi#n $ 6

16 An7$isis,
- n(6*
- 7arianza poblacional desconocida ( )
2 2
s ~ o es estima a trav+s de la muestra.
&s decir
- Poblaci#n normal.
- Se tiene una poblaci#n finita de tamao E()**, entonces &l error estndar de la
media muestral
x
es$
6 .
1 "00
!0 "00
!0
"0
1 N
n N
n
s
s
x
=
=
(6 8a"em!s us! e $a esta'sti(a Z es("ita en e$ Cas! I < ii,

e6 Inte"#"eta(i0n,
&l sueldo anual promedio de todos los trabajadores vara entre ,06/..6 y ,0.N.6N con
una confianza del 3)4.
___________________________________________________________________________ 51
5echa $ Agosto /*-6
7ersi#n $ 6
450 $ x =
50 $ s =
2 2
s "0 $ entonces s 2"0$ = =
1 0
2 0
1
2
1
2
s N n 4" "00 !0
L x Z 4"0 1.96
N 1 "00 1 n !0
s N n 4" "00 !0
L x Z 4"0 1.96
N 1 "00 1 n !0
L 4"0 1.96 .6
L 4"0 1.96 .6
L 4"0 17.!7 $4!2.6! soles
L 4"0 17.!7 $467.6! soles

= =

= + = +

=
=
= =
= + =

2.@. TAMAO DE MUESTRA CUANDO EL PARAMETRO ES LA MEDIA
PO*LACIONAL USANDO EL MUESTREO ALEATORIO SIMPLE
2.@.1. CALCULO DEL TAMAO MUESTRAL USANDO EL MUESTREO ALEATORIO
SIMPLE
Ca"a(te"'sti(a e $a P!1$a(i0n Tama3! e $a muest"a
1amao de la poblaci#n infinita o desconocido.
2
2 2
2 1
e
Z
n
o
=
o
1amao de la poblaci#n finita.
) 1 N ( e Z
N Z
n
2 2 2
2 2
2 1
+ o
o
=
o
'onde$
n 1amao de la muestra.
N 1amao de la poblaci#n.
Z
1<oA2
7alor correspondiente a la distribuci#n de Rauss
S
*.3N)
( -.3. para o ( *.*) y S
*.33)
( /.)N. para o ( *.*-. =%tilizar
1abla ;;?.
o 7alor de la varianza poblacional. &n caso de no conocerse se
estima por la varianza muestral =s
/
? a trav+s de una muestra
piloto
e &rror que se prev+ cometer.
fig. -6
E4em#$! 21,
%na muestra de -//) familias revel# un gasto semanal de promedio de /)* soles y una
desviaci#n estndar de 6* soles. T<ul deber ser el tamao mnimo de la muestra para
un error m2imo semanal de 0 soles, para un nivel de confianza del 334U
S!$u(i0n,
9a desviaci#n estndar se ha obtenido a trav+s de una muestra entonces$
___________________________________________________________________________ 52
5echa $ Agosto /*-6
7ersi#n $ 6
x
L
1
L
2
e

- s(6* soles.
- Para el nivel de confianza - L M ( *.33 0.97"
Z 2."76 =

- e ( 0 soles.
- 9a poblaci#n es infinita o desconocida.
9a formula a utilizar ser la siguiente$
2 2
1 2
2
Z s
n
e
o
=
2 2
2
(2.".76) (!0)
n
(4)
=
n !7!.! !7! %a&ilias = ~
E4em#$! 22,
%na muestra aleatoria de los salarios en soles por hora para nueve trabajadores es$
-*.), --, 3.), -/, -*, --.), -6, 3, O.).
&l muestro se realiz# sobre una poblaci#n distribuida normalmente y se desea calcular un
intervalo de confianza para el salario promedio de los trabajadores. !allar el tamao
mnimo que debe tener la muestrea para que con un nivel de confianza del 3)4, el error
de estimaci#n no supere a los *.6 soles, en una poblaci#n de .** trabajadores.
S!$u(i0n,
9a desviaci#n estndar es desconocida y se ha obtiene a trav+s de la muestra$
-
s 1.47 soles 'o(a =
- Para el nivel de confianza - L M ( *.3) 0.9"
Z 1.96 =

- e ( *.6 soles.
- 9a poblaci#n es finita de tamao E(.** trabajadores.
2 2
1 2
2 2 2
1 2
Z s N
n
Z s e (N 1)
o
o

=
+
___________________________________________________________________________ 53
5echa $ Agosto /*-6
7ersi#n $ 6

2 2
2 2 2
(1.96) (1.47) 600
n
(1.96) (1.47) (0.!) (600 1)

=
+
n "6.9 "7t(a)a*ado(es. = ~
E4em#$! 2),
Se quiere hacer una encuesta para estimar el tiempo promedio por semana que los nios
utilizan la ;nternet. Por estudios anteriores se sabe que la desviaci#n estndar de dicho
tiempo es de /.) horas, con un nivel de confianza del 3)4 TVu+ tamao de muestra se
debera elegir si el error de estimaci#n puntual no es superior a media hora, si se
poblaci#n de )** nios de un colegio FGHU
S!$u(i0n,
9a desviaci#n estndar es conocida se ha obtenido a trav+s de la poblaci#n.
-
. 'o(as " . 2 = o
- Para el nivel de confianza - L M ( *.3)
96 . 1 Z
97" . 0
=

-
. 'o(as " . 0 e =
- 9a poblaci#n es infinita o desconocida.
) 1 N ( e Z
N Z
n
2 2 2
2 1
2 2
2 1
+ o
o
=
o
o
) 1 "00 ( " . 0 " . 2 96 . 1
"00 " . 2 96 . 1
n
2 2 2
2 2
+

=
. ni+os 1 n =
___________________________________________________________________________ 54
5echa $ Agosto /*-6
7ersi#n $ 6
2.5. INTERVALO !E CON"IAN#A $ARA LA $RO$ORCION $O%LACIONAL
2.5.&. INTRO!UCCION
Muchas veces las decisiones dependen de parmetros que son binarios, parmetros
con solo dos posibles categoras dentro de las cuales pueden clasificarse las
respuestas. En este caso el parmetro de inters es la proporcin poblacional o
porcentaje de la poblacin que cumple cierta caracterstica. Por ejemplo una
empresa distribuidora de computadoras puede estar interesada en estimar el
porcentaje de clientes que pagan al crdito. na empresa productora de soft!are
informticos puede estar interesa en estimar el porcentaje soft!are defectuosos, o
que porcentaje de clientes compran soft!are estadsticos.
"onde#
P# Proporcin poblacional de $itos o proporcin de elementos de la poblacin que
tienen cierta caracterstica.
poblacin la de elementos de Nmero
tica caracteris cierta tienen que poblacin la de elementos de Nmero
N
X
P = =
%# Proporcin poblacional de fracasos o proporcin de elementos de la poblacin
que no tienen cierta caractersticas.
poblacin la de elementos de Nmero
tica caracteris cierta tienen no que poblacin la de elementos de Nmero
N
X
Q
'
= =
&dems#

P 1 Q entonces 1 Q P = = +
'eneralmente la proporcin poblacional se desconoce ( tiene que ser estimado a
travs de la proporcin muestral. Entonces#
p# Proporcin muestral de $itos o proporcin de elementos de la muestra que
tienen cierta caracterstica.
___________________________________________________________________________ 55
)echa # &gosto *+,-
.ersin # -
muestra la de elementos de Nmero
tica caracteris cierta tienen que muestra la de elementos de Nmero
n
x
p = =
q# Proporcin muestral de fracasos o proporcin de elementos de la muestra que
no tienen cierta caracterstica.
muestra la de elementos de Nmero
tica caracteris cierta tienen no que muestra la de elementos de Nmero
n
x
q
'
= =
&dems#
p 1 q entonces 1 q p = = +
2. !E"INICION
Es el rango dentro del cual se encuentra la proporcin poblacional con un nivel de
confian/a dado.
L
1
P L
2

fig. ,0
Para hallar los intervalos de confian/a para la proporcin poblacional usaremos la
estadstica 1 para muestras grandes 2n > -+3. Entonces los lmites de confian/a
sern#
___________________________________________________________________________ 56
)echa # &gosto *+,-
.ersin # -
1 - o
/2
/2
| | o = s s 1 L P L P
2 |
n
q p
p s p L
! p ! 1

= =
n
q p
p s p L
o p ! 2

+ = + =

2.5.2. ERROR ETN!AR !E LA $RO$ORCI'N
4i el tama5o de la muestra es suficientemente grande 2n > -+3. 4i el muestreo es con
o sin sustitucin en una poblacin infinita 2o con sustitucin en una poblacin finita
de tama5o 63, el error estndar es#
n
" P 1 # P
p

= o que se estima por#
n
" p 1 # p
s
p

=
- i el m(estreo es sin s(stit()i*n en (na +obla)i*n ,inita de tama-o N el
error est.ndar +ara la +ro+or)i*n +obla)ional esta dado +or/
1 N
n N
n
Q P
P
= o que se estima por

1 N
n N
n
q p
s
p
=
"onde#
1 N
n N
es el factor de correccin para poblacin finita.

___________________________________________________________________________ 57
)echa # &gosto *+,-
.ersin # -
E0em+lo 21/
En una poblacin, nadie es indiferente respecto a una iniciativa propuesta por el
alcalde# cada habitante adulto o bien est a favor, o bien en contra de la iniciativa.
4e desea conocer el porcentaje P de las personas que estn en contra. Entre 7+
habitantes adultos elegidos al a/ar, ,7 afirmaron que estaban en contra 2( los -7
restantes a favor3. 8allar el intervalo de confian/a al 97: para la proporcin real de
personas que estan en favor de la iniciativa propuesta por el alcalde.
ol()i*n/
- 4e desea estimar la proporcin real de personas a favor de la iniciativa propuesta
por el alcalde.
- ;bservamos que la proporcin muestral de personas a favor de la iniciativa
propuesta por el alcalde es#
$%
p !&' q !&$
%!
= = =
- Para un nivel de confian/a del 99: el valor de 1
+
< ,.9=
- El error estndar de la proporcin muestral es#
p
p q !&' !&$
s !&!(
n %!

= = =
- >os lmites de confian/a para P son#
1 !
2 !
p q
L p !&$ 1&)( !&!( !&$ !&12 !&1*
n
p q
L p !&$ 1&)( !&!( !&$ !&12 !&+2
n
= = = =
= + = + = + =
Inter+reta)i*n/ 4e tiene una confian/a del 97: que el porcentaje de personas que
estn a favor de la iniciativa de la propuesta por el alcalde varia entre el ,?: ( 0*:.
E0em+lo 25/
4e desea conocer la opinin de los alumnos de la ladech en relacin con la
aceptacin o no de la pena de muerte para los terroristas en el Per@. Para ello se ha
___________________________________________________________________________ 58
)echa # &gosto *+,-
.ersin # -
tomado una muestra aleatoria simple de tama5o 7++. 4i las respuestas afirmativas
han sido ,++, encontrar un intervalo de confian/a apro$imado del 97:.
ol()i*n/
- 4e desea estimar la proporcin de alumnos de la ladech que estn de acuerdo
con la pena de muerte para los terroristas en el Per@.
- ;bservamos tambin que la proporcin muestral de personas que estn a favor
de la pena de muerte es#
*! & ! q 2! & !
%!!
1!!
n
x
p = = = = .
+
< ,.9=.
!2 & ! s
%!!
*! & ! 2! & !
n
q p
s
p
p
=
=
2+ & ! !2 & ! )( & 1 2! & !
n
q p
p L
1( & ! !2 & ! )( & 1 2! & !
n
q p
p L
! 2
! 1
= + =
+ =
= =
=
Inter+reta)i*n/ 4e tiene una confian/a del 97: que el porcentaje de estudiantes de
la ladech que afirman estar de acuerdo con la pena de muerte vara entre el ,=: (
*0:.
___________________________________________________________________________ 59
)echa # &gosto *+,-
.ersin # -
E0em+lo 22/
4e desea estimar el porcentaje de aprobados de un curso de &uditoria de una
poblacin de 7++ alumnos. Para este fin, se uso una muestra de -7 alumnos que
revel un ?+: de aprobados. Estime la verdadera proporcin de aprobados del
curso completo dentro de una confiabilidad del 99:.
ol()i*n/
- 4e desea estimar la proporcin de aprobafdos en el curso de &uditoria
- ;bservamos que 6 < 7++ ( n < -7
- ;bservamos tambin que la proporcin muestral de alumnos aprobados en la
asignatura de &uditoria est dada por#

p !&* =
.
o
<*.7A=.
p
p
p
p q N n
s
n N 1
!&*! !&2! %!! $%
s
%!! %!! 1
s !&!'

=
=
1 ! p
2 ! p
L p s !&* 2&%'( !&!' !&* !&1* !&(2
L p s !&* 2&%'( !&!' !&* !1* !&)*
= = = =
= + = + = + =
- 4e tiene una confian/a del 99: que el porcentaje de alumnos aprobados en el
curso de &uditoria vaia entre el =*: ( 9?:.
___________________________________________________________________________ 60
)echa # &gosto *+,-
.ersin # -
2.2. TA3A4O !E 3UETRA CUAN!O EL $ARA3ETRO E LA $RO$ORCION
$RO%LACION UAN!O EL 3UETREO ALEATORIO I3$LE
2.2.&. CALCULO !EL TA3A4O 3UETRAL UAN!O EL 3UETREO
ALEATORIO I3$LE.
Cara)ter5sti)a de la $obla)i*n Tama-o de la m(estra
Bama5o de la poblacin infinita o desconocido.
2
2
2 1
e
Q P
n

=
o
Bama5o de la poblacin finita.
" 1 N # e Q P
N Q P
n
2 2
2 / 1
2
2 1
+

=
o
o
"onde#
n Bama5o de la muestra.
N Bama5o de la poblacin.
#
&6o72
.alor correspondiente a la distribucin de 'auss
1
+.9A7
< ,.9= para o < +.+7 ( 1
+.997
< *.7A= para o < +.+,.
2tili/ar Babla CC3.
$ Proporcin poblacional de $itos. En caso de no conocerse se
estima por la proporcin muestral 2p3 a travs de una muestra
piloto. En el caso ms desfavorable se considera P<+.7
8 Proporcin poblacional de fracasos.
e Error que se prev cometer.

fig. ,7
E0em+lo 29/
En una poblacin, nadie es indiferente respecto a una iniciativa propuesta por el
alcalde# cada habitante adulto o bien est a favor, o bien en contra de la iniciativa.
___________________________________________________________________________ 61
)echa # &gosto *+,-
.ersin # -
L
1
L
2
e
P p
4e desea conocer el porcentaje P de las personas que estn en contra con una
confian/a del 97:. Entre 7+ habitantes adultos elegidos al a/ar, ,7 afirmaron que
estaban en contra 2( los -7 restantes a favor3. DEual es el numero mnimo de
encuestados necesario para que el error cometido en la estimacin sea, como
mucho, de +.+7F
Solucin:
>a proporcin poblacional de personas que estn en contra de la iniciativa
propuesta por el alcalde no se conoce entonces se estima por la proporcin
muestral, ( est dada por#
x 1%
p !&$ q !&'
n %!
= = = =
- Para el nivel de confian/a , G H < +.97 el valor de
)( & 1
)'% & !
=
.
- e < +.+7
- >a poblacin es infinita o desconocida.
Eomo el valor de p se ha calculado a travs de la muestra, la formula a utili/ar ser
la siguiente#
Ejemplo 28:
En una compa5a que tiene 0++ empleados se desea estimar que porcentaje de sus
empleados tienen tarjeta de crdito. 4e estima que este porcentaje pudiese estar
cerca del A+:. Bomando una confian/a del 99:, DEuntos empleados debo tomar
como muestra para estimar este valorF 4e desea un error m$imo del -:.
ol()i*n/
- >a proporcin poblacional estimada 2obtenida a travs de una muestra3 de
empleados que tienen tarjeta de crdito est dada por#
___________________________________________________________________________ 62
)echa # &gosto *+,-
.ersin # -
2
1 2
2
p q
n
e
o

=
2
2
#1&)(" !&$ !&'
n
#!&!%"

=
n $22&( $2$ encuestados = ~
Para un nivel de confian/a del 97: el valor de
)( & 1
)'% & !
=
- e < +.+-
- >a poblacin es infinita o desconocida.
>a formula a utili/ar ser la siguiente#
2
2
#1&)(" !&' !&$
n
#!&!$"

=
n *)(&$ *)( empleados = ~
Ejemplo 29:
4e desea estimar el porcentaje de aprobados de un curso de Estadstica de 7++
alumnos. Para este fin, se uso una muestra de -7 alumnos que revel un ?+: de
aprobados. DEuntos alumnos se debe tomar en la muestra si se desea una
precisin del *: con una confiabilidad del 99:.
ol()i*n/
- >a proporcin poblacional estimada 2obtenida a travs de la muestra3 de alumnos
aprobados en el curso de Estadstica, est dada por#

p !&* q !&2 = =
- Para un nivel de confian/a del 99: el valor de
%'( & 2
))% & !
=
.
- e < +.+*
- >a poblacin es finita 6<7++.
2
1 2
2 2
1 / 2
p q N
n
p q e #N 1"
o
o

=
+
___________________________________________________________________________ 63
)echa # &gosto *+,-
.ersin # -
2
2
2 1
e
q p
n

=
o
p !&' q !&$ = =
2
2 2
#2&%'(" !&*! !&2! %!!
n
#2&%'(" !&*! !&2! #!&!2" #%!! 1"

=
+
n +2!&) +21 alumnos& = ~
A. 4e desea estimar la proporcin de personas p que tienen un aparato "." en
su hogar, en una poblacin de ,++++ familias. Para eso debemos tomar una
muestra de tama5o de manera que con una confiabilidad del 99: ( margen de error
de +.+7, el intervalo que construiremos contenga al valor desconocido de la
proporcin poblacional p. Cndica el tama5o de muestra que se debe tomar.
ol()i*n/
- >a proporcin poblacional de personas que tienen un aparato "." en su casa
es desconocido, entonces consideramos P<+.7.

P !&% Q !&% = =
- Para un nivel de confian/a del 99: el valor de
%'( & 2
))% & !
=
.
- e < +.+7
- >a poblacin es finita 6<,++++
2
1 2
2 2
1 / 2
P Q N
n
P Q e #N 1"
o
o

=
+
2
2 2
#2&%'(" !&%! !&%! 1!!!!
n
#2&%'(" !&%! !&%! #!&!%" #1!!! 1"

=
+
n (22&$ (22 personas& = ~
___________________________________________________________________________ 64
)echa # &gosto *+,-
.ersin # -
AUTOEVALUACI'N :2
,. Bomada al a/ar una muestra de 7++ personas de una determinada comunidad,
se encontr que -++ lean la prensa regularmente. 8alla con una confian/a del
9+:, un intervalo para estimar la proporcin de lectores entre las personas de la
comunidad.
*. 4e reali/ un estudio sobre la utili/acin del agua en una peque5a ciudad.
&dems se sabe que el n@mero de galones de agua que utili/an se distribu(e
normalmente.Para ello se consider una muestra de ,+ casas. El n@mero de
galones de agua que utili/an por da 2, galn < +.++-A?70 m
-
3 fue el siguiente# ,A7,
,?+, ,A9, ,?7, ,A0, ,?+, ,9+, ,9,, ,9*, ,A9. Eon base a esta informacin#
a3 8allar un intervalo de confian/a para el 9+:.
b3 4i el recurso de agua en la ciudad permite una utili/acin media de ,=+ galones
por da DPodria pensarse que ha( un problema de escase/ de agua en la ciudadF
-. En una comunidad autnoma se sabe que la desviacin tpica del n@mero de das
que dura un ontrato temporal es igual a 7A das. Cndica el n@mero mnimo de
contratos en los que se han mirado su duracin para que el intervalo con un nivel de
confian/a del 97: que da la duracin media de un contrato de ese tipo tenga una
amplitud no ma(or de ,+ das.
0. Bomada al a/ar una muestra de =++ personas de una determinada comunidad de
una poblacin de ,++++ personas, se encontr que 0++ lean la prensa diaria
regularmente. DEuntos individuos ha de tener la muestra, a un nivel de confian/a
del 97:, con un error m$imo del 7:F
7. 4e e$trajo una muestra aleatoria de ,A* estudiantes de contabilidad ( se les pidi
que evaluasen unas determinadas condiciones de trabajo en una escala de , 2no
importante3 a 7 2e$tremadamente importante3. >a Iseguridad en el trabajoJ recibi
una calificacin media de 0.-? con una desviacin estndar muestral de +.A+.
Ealcular un intervalo de confian/a del 99: para la media poblacional.
___________________________________________________________________________ 65
)echa # &gosto *+,-
.ersin # -
CAPITULO III
PRUEBA DE HIPTEI
!"#" I$TRODUCCIO$
El propsito de anlisis estadstico es reducir el nivel de incertidumbre en el proceso
de decisiones. Los gerentes pueden tomar mejores decisiones solo si tienen
suficiente informacin a su disposicin. La prueba de hiptesis es una alternativa
analtica muy efectiva para obtener esta valiosa informacin. Por ejemplo el gerente
de sistemas de una empresa desea determinar si el tiempo de vida medio de
computadoras de la marca COP!" es mayor de #$ a%os &
10 =
'. (n productor de
soft)are de computador desea certificar *ue la proporcin de sus productos *ue son
defectuosos es menor del +, &
03 . 0 p <
'. El gerente de una empresa desea saber si
la implementacin de un nuevo programa de capacitacin mejora la productividad de
sus vendedores respecto al n-mero de clientes *ue desean tener una tarjeta de
cr.dito &
30 >
'.
Las ilustraciones de esta naturale/a son virtualmente ilimitadas en diferentes
escenarios productivos0 de negocios0 econmicos0 financieros0 laborales0 etc. 1i se
pueden obtener respuestas a estas preguntas y a muchas otras con alg-n grado de
garanta la toma de decisiones se vuelve ms segura y es menos probable *ue
condu/ca a un error costoso.
!"%" DE&I$ICIO$E 'E$ERALE
! continuacin daremos a conocer algunas definiciones generales *ue se usan para
llevar a cabo una prueba de hiptesis2
a( Hi)*tesis estad+sti,a- Es una suposicin o afirmacin respecto de un
parmetro poblacional. Por ejemplo2
3 El n-mero promedio de ingenieros de sistemas *ue se insertan al mercado
laboral es de al menos + de ellos.
3 El 4$, de las familias chimbotanos tienen 5nternet en su hogar.
3 El sueldo medio de los trabajadores de la (ladech es de 16. 7$$.$$ mensuales.
8odas estas hiptesis tienen algo en com-n0 las poblaciones de inter.s son tan
grandes *ue no es factible estudiar todos sus elementos. Como ya sabemos0 una
alternativa a estudiar la poblacin entera es tomar una muestra de la poblacin de
___________________________________________________________________________ 66
9echa 2 !gosto 4$#+
:ersin 2 4
inter.s. ;e esta manera podemos probar una afirmacin para determinar si la
evidencia soporta o no la afirmacin.
b( Pr.eba de hi)*tesis- Es un procedimiento basada en la evidencia muestral y
en la teora de la probabilidad *ue se lleva acabo para decidir si se acepta o recha/a
un hiptesis estadstica planteada.
,( Ti)os de hi)*tesis- Cual*uier investigacin estadstica implica la e<istencia de
hiptesis o afirmaciones de las poblaciones *ue se estudian. =ay dos tipos de
hiptesis2 la hiptesis nula y la hiptesis alternativa.
,"#"( Hi)*tesis n.la /H
o
(- Es a*uella *ue establece *ue el parmetro tiene
determinado valor y se formula con la intencin de recha/arla.
La hiptesis nula es una afirmacin *ue ser aceptada si los datos de la muestra no
nos proveen de evidencia convincente de *ue es falsa0 es decir0 si se acepta la
hiptesis nula decimos *ue la evidencia no es suficiente para recha/arla pero no
podemos afirmar *ue es verdadera.
,"%( Hi)*tesis alternativa- Es una hiptesis diferente a la hiptesis nula0 es la *ue
suponemos *ue es verdadera y deseamos establecer. La hiptesis alterna es la
afirmacin *ue se acepta si se recha/a la hiptesis nula. Esta hiptesis0 tambi.n
llamada hiptesis de investigacin. La hiptesis alterna es aceptada si la evidencia
proporcionada por la muestra es suficiente para afirmar *ue la =o es falsa.
d( Ti)os de errores2 !l reali/ar una prueba de hiptesis no sabemos si en una
determinada accin &recha/o o aceptacin de la hiptesis nula' cometemos un error
o no.
- Error Ti)o I2 Consiste en recha/ar la hiptesis nula cuando es verdadera.
- Error Ti)o II2 Consiste en aceptar la hiptesis nula cuando es falsa.
1i =o es la hiptesis nula &sometida a prueba' y =
#
es la hiptesis alternativa0
entonces estas hiptesis junto con las dos posibilidades de decisin podemos
es*uemati/arla en la siguiente tabla2
___________________________________________________________________________ 67
9echa 2 !gosto 4$#+
:ersin 2 4
;EC515>?
E18!;O ;E L! ?!8(@!LEA!
=o verdadera =o falsa
!ceptar =o
# 3 o
;ecisin correcta
|
Error 8ipo 5
@echa/ar =o
o
Error 8ipo 5
1 |
;ecisin correcta
Es obvio *uien toma las decisiones0 *uiere reducir al m<imo las probabilidades de
cometer cual*uiera de estos dos tipos de errores0 esto no es fcil0 pues las
probabilidades de cometer error tipo 5 y 55 son inversamente proporcionales0 para
cual*uier prueba dada. ;e ah *ue0 cuanto menor es el riesgo de cometer un error
tipo 50 tanto mayor es la probabilidad de cometer un error tipo 55 y viceversa. 1in
embargo dada la regla de decisin0 es posible reducir ambos tipos de errores en
forma simultnea0 aumentando el tama%o de la muestra.
e( $ivel de signi0i,a,ion /o(- 1e denomina nivel de significacin de una prueba de
hiptesis a la probabilidad de cometer un error tipo 5.
El nivel de signi0i,an,ia es simboli/ado por 10 y tambi.n es conocido como nivel de
riesgo. Este -ltimo t.rmino es ms apropiado por*ue es el riesgo *ue se toma de
recha/ar una hiptesis verdadera.
o 2 P3error ti)o I4 B P C@echa/ar =
o
6 =
o
es verdaderaD
o 2 P3error ti)o I4 B P C!ceptar =
#
6 =
#
es falsaD
?o hay un nivel de significancia para todos los estudios0 se puede utili/ar cual*uier
valor de probabilidad entre $ y #. 8radicionalmente0 el nivel de $.$E es aplicado a
proyectos de investigacin0 el nivel $.$# a control de calidad0 y $.#$ a sondeos
polticos. (sted como investigador debe decidir el nivel de significancia antes de
colectar la muestra de datos.
Los niveles de significacin ms usados son2 o B $.$E y $.$#. Estos dos n-meros
son usados tan frecuentemente *ue cuando =o es recha/ada en o B $.$E0
podemos decir *ue el resultado es significativo y cuando =o es recha/ada en
o B $.$#0 decimos *ue el resultado es altamente significativo.
___________________________________________________________________________ 68
9echa 2 !gosto 4$#+
:ersin 2 4
$OTA- La probabilidad de cometer un error tipo 55 se representa por |0 es decir2
| 2 P3error ti)o II4 2 P3A,e)tar H
o
5 H
o
0alsa4
| 2 P3error ti)o II4 2 P3Re,ha6ar H
#
5 H
#
es verdadera4

fig. #F
R"A" - Regi*n de a,e)ta,i*n"
R"R" - Regi*n de re,ha6o"
0( Ti)os de )r.eba-
- Pr.eba de ,ola i67.ierda2 1i la regin de recha/o est a la i/*uierda del
punto crtico C.

fig. #G
___________________________________________________________________________ 69
9echa 2 !gosto 4$#+
:ersin 2 4
|
o
R.A. R.R. C
1-o 1-|
R"R" C R"A"
o
#8o
0
f ( / H ) u
1
f ( / H ) u
0
f ( / H ) u
- Pr.eba de ,ola dere,ha- 1i la regin de recha/o est a la derecha del junto
crtico C.

fig. #7
- Pr.eba bilateral- 1i la regin de aceptacin es un intervalo cerrado entre los
puntos crtico C
#
y C
4.
fig. #H
g( Pasos de .na )r.eba de hi)*tesis-
#. 9ormulacin de la hiptesis nula y alternativa de acuerdo al problema.
4. Especificacin del nivel de significacin.
+. 1eleccin de la estadstica de prueba.
I. Establecimiento de los criterios de decisin.
E. @eali/acin de clculos.
F. ;ecisin.
___________________________________________________________________________ 70
9echa 2 !gosto 4$#+
:ersin 2 4
R"R" C
R"A"
o
#8o
R"A"
C
1
o5%
R"R"
o5%
C
2
R"R"
#8o
0
f ( / H ) u
0
f ( / H ) u
!"!" PRUEBA DE HIPTEI PARA LA 9EDIA POBLACIO$AL
La media poblacional es un parmetro de decisin muy importante. Es de inter.s
conocer si una media poblacional ha aumentado0 disminuido o ha permanecido
inalterado0 o tambi.n podemos estar interesados en determinar si una media
poblacional es significativamente mayor o menor *ue un valor supuesto.
!"!"#" PRUEBA DE HIPOTEI PARA LA 9EDIA POBLACIO$AL UA$DO LA
ETADITICA :
CAO I- Uso de la estad+sti,a :"
i( uestra grande &n> +$'0 varian/a poblacional conocida0 poblacin normal o no.
ii( uestra grande &n > +$'0 varian/a poblacional desconocida &o
4
~ s
4
' y poblacin
normal o no.
iii( uestra pe*ue%a &n J +$'0 varian/a poblacional conocida y poblacin normal.
#" &orm.la,i*n de hi)*tesis-
a' =
o
2 >
o
b' =
o
2 s
o
c' =
o
2 B
o
=
#
2 J
o
=
#
2 K
o
=
#
2 =
o

%" $ivel de signi0i,an,ia- o
!" Estad+sti,a de )r.eba-
- Para i ; iii
) 1 , 0 ( n
n /
x
Z
0

o

=
- Para ii
) 1 , 0 ( n
n / s
x
Z
0

=
___________________________________________________________________________ 71
9echa 2 !gosto 4$#+
:ersin 2 4
R"A"- :
<
= :
# 8 o
> se a,e)ta H
O
"
R"R"- :
<
? :
# 8 o
> se re,ha6a H
O
"
A
#3 o
o
# 3 o
$
@" Estable,imiento de los ,riterios de de,isi*n-
- Pr.eba de ,ola i67.ierda -

- Pr.eba de ,ola dere,ha-
___________________________________________________________________________ 72
9echa 2 !gosto 4$#+
:ersin 2 4

R"A"- :
A
? 8 :
#8 o
> se a,e)ta H
O
"
R"R"- :
A
= 8 :
#8 o
> se re,ha6a H
O
"
$
3A
#3 o
#3 o
R.R
R.A.
o
- Pr.eba bilateral -
.
B" CCl,.los-
Obtencin del valor e<perimental.
- Para i ; iii
n /
x
Z
0
k
o

=
- Para ii
n / s
x
Z
0
k

=
D" De,isi*n-
1e compara el valor e<perimental con el valor crtico.
1i A
L
e @.!.0 se acepta =
O
.
1i A
L
e @.@.0 se recha/a =
O
.
___________________________________________________________________________ 73
9echa 2 !gosto 4$#+
:ersin 2 4
R"A"- -Z
1 /2
< Z
k
< Z
1 - /2
,se a,e)ta H
E
"
R"R"- Z
k
< -Z
1 - /2
O Z
k
> Z
1 /2
,se re,ha6a H
E
"
o64 o64
#3o
R.R. R.A. R.R.
0 -Z
1- /2
Z
1- /2
$OTA- 1i se tiene una poblacin finita de tama%o ? se corrige la estadstica
de prueba de la siguiente manera2
a( Para i ; iii- b( Para ii-
1 N
n N
n
x
Z
0
o

=

1 N
n N
n
s
x
Z
0

=
EFem)lo !E-
El gerente de una empresa selecciona aleatoriamente entre sus trabajadores una
muestra de #FH y anota el n-mero de horas de trabajo *ue cada uno de ellos ha
perdido por causa de accidentes laborales en el a%o 4$$#. ! partir de la informacin
obtenida determina0 en esos #FH trabajadores0 un n-mero medio de horas perdidas
por accidentes laborales en el 4$$G de +F0E horas y una desviacin estndar de #$
horas.
a' MPodramos recha/ar0 con un nivel de significacin del #, la hiptesis de *ue el
n-mero medio de horas perdidas a causa de accidentes laborales en esa empresa
durante el a%o 4$$G fue de +E horasN
b' MO para un nivel de significacin del E,N
ol.,i*n- Utili6amos Caso I 8 ii
a(
#" &orm.la,i*n de la hi)*tesis -
=
$
2 B +E
=
#
2 = +E
%" $ivel de signi0i,an,ia - oB $.$#
AnClisis-
nB#FH
&nK+$'
:arian/a poblacional desconocida &se obtiene a trav.s de la muestra'
___________________________________________________________________________ 74
9echa 2 !gosto 4$#+
:ersin 2 4
x 36.5 =
s 10 =
2
s 10 s 100 = =
Poblacin no normal
(sar Estadstica A P Caso 5 3 ii

B" CCl,.los -
0
k
x 36.5 35
Z 1.95
s / n 10/ 169

= = =
D" De,isi*n -
A
L
B#.HEJ4.EGF0 aceptamos =
o
.
?o se recha/a la hiptesis Q es decir el n-mero medio de horas p.rdidas a
causa de accidentes laborales es de +E horas.
b( 1i el nivel de significacin fuera del E,0 entonces #.HE J#.HF y tambi.n se acepta
=
O.
Entonces no se recha/a la hiptesis Q es decir el n-mero medio de horas
p.rdidas a causa de accidentes laborales es de +E horas.
EFem)lo !#-
(na empresa estudia introducir un nuevo sistema de produccin para mejorar su
productividad media establecida actualmente por persona y da. 1e estima *ue el
cambio no ser rentable si no consigue elevar dicho n-mero por encima de IE
unidades. @eali/ada una prueba con la nueva tecnologa aplicada a +E personas0 se
obtuvo una produccin media de IF.E y no se observ ning-n cambio apreciable en
___________________________________________________________________________ 75
9echa 2 !gosto 4$#+
:ersin 2 4
34.EGF 4.EGF
@.!.2 34.EGFs A
R
s 4.EGF0 se acepta =
O
.
@.@.2 A
R
J 34.EGF o A
R
K4.EGF0 se recha/a =
O
.
o64B$.$E o64B$.$E
#3 o B $.HH
$
R.R. R.R.
R.A.
la dispersin *ue estaba establecida en
1.5 . u o =
por da M1e debe efectuar el
cambio tecnolgico. ! un nivel de significancia del E,.
ol.,i*n- Utili6amos Caso I 8 ii
#" &orm.la,i*n de la hi)*tesis-
=
$
2 B IE
=
#
2 K IE
%" $ivel de signi0i,an,ia- o B $.$E
!" Estad+sti,a de )r.eba -
AnClisis-
nB+E
&nK+$'
:arian/a poblacional conocida.
S B#.E S
4
B 4.4E
Poblacin no normal
(sar Estadstica A P Caso 5 3 i
0
x
Z n(0,1)
/ n
=
o
@" Estable,imiento de los ,riterios de de,isi*n -
___________________________________________________________________________ 76
9echa 2 !gosto 4$#+
:ersin 2 4
#.FIE
$.$E
# 3 o B$.HE
@.!.2 A
R
J #.FIE0 se acepta =
O
.
@.@.2 A
R
K #.FIE0 se recha/a =
O
.
$
R.A. R.R.
x 46.5 =
B" CCl,.los-
D" De,isi*n -
A
R
B $.#G J #.FIE0 entonces aceptamos =
o
.
?o se debe efectuar el cambio tecnolgico.
EFem)lo !%-
8iendas etro0 una cadena de tiendas de artculos de consumo e<tendida por todo
el pas0 afirmaba en @adio Programas del Per- *ue no abren tienda en ninguna
localidad a menos *ue la renta media de la vecindad sea de #4$$ dlares como
mnimo. (na encuesta de 4$$ familias en una localidad determinada da una renta
media de ##74 dlares0 con una desviacin estndar de #EG dlares. M;eben abrir
la tienda si se cumplen todos los dems criterios de empla/amiento deseable a un
nivel de significancia del #,N
ol.,i*n-
=
$
2 T #4$$
=
#
2 J #4$$
%" $ivel de signi0i,an,ia - o B $.$#
AnClisis-
nB4$$
&nK+$'
Poblacin no normal
(sar Estadstica A P Caso 5 3 ii
0
x
Z n(0,1)
s / n
=
___________________________________________________________________________ 77
9echa 2 !gosto 4$#+
:ersin 2 4
0
k
x 46.5 45
Z 0.17
/ n 1.5/ 35

= = =
o
x 1182 =
s 157 =
2
s 157 s 24649 = =

B" CCl,.los-
D" De,isi*n-
A
L
B 3#.F4 K 34.+4F0 entonces aceptamos =
o
.
La renta media de la vecindad es de #4$$ dlares como mnimo.
!"!"%" PRUEBA DE HIPOTEI PARA LA 9EDIA POBLACIO$AL UA$DO LA
CAO II- Uso de la estad+sti,a t"
La muestra es pe*ue%a &nJ +$'0 varian/a poblacional desconocida
2 2
( s ) o ~ y
poblacin normal.
#" &orm.la,i*n de hi)*tesis estad+sti,a-
a' =
O
2 >
o
b' =
O
2 s
o
c' =
O
2 B
o
=
#
2 J
o
=
#
2 K
o
=
#
2 =
o
%" $ivel de signi0i,an,ia- o
___________________________________________________________________________ 78
9echa 2 !gosto 4$#+
:ersin 2 4
34.+4F
o B $.$#
@.!.2 A
R
> 34.+4F0 se acepta =
O
.
@.@.2 A
R
J 34.+4F0 se recha/a =
O
.
#3U B $.HH
$
R.R
.
R.A
.
0
k
x 1182 1200
Z 1.62
s / n 157/ 200

= = =
1 n
0
t
n / s
x
t

=
R"A"- t
<
= t
#8o> n8#
> se a,e)ta H
o
"
R"R"- t
<
? t
#8o> n8#
> se re,ha6a H
o
"
t
#3o0 n3#
o
# 3 o
$
;onde2 &n3#' son los grados de libertad.
- Pr.eba de ,ola i67.ierda -

- Pr.eba de ,ola dere,ha-
___________________________________________________________________________ 79
9echa 2 !gosto 4$#+
:ersin 2 4
R"A"- t
A
? 8 t
#8o > n8#
> se a,e)ta H
O
"
R"R"- t
A
= 8 t
#8o , n8#
> se re,ha6a H
O
"
$ 3t
#3U0 n3#
o
#3o
R.A. R.R..
- Pr.eba bilateral -

B" CCl,.los-
n / s
x
t
0
k

=
D" De,isi*n-
1e compara el valor e<perimental con el valor crtico
1i t
L
e @!. 0 aceptamos =
o
.
1i t
L
e @.@. 0 recha/amos =
o
.
$OTA- 1i se tiene una poblacin finita de tama%o ? se corrige la
estadstica de prueba. !s2
1 N
n N
n
s
x
t
0
k

=
___________________________________________________________________________ 80
9echa 2 !gosto 4$#+
:ersin 2 4
1 / 2, n 1
t
o
1 / 2, n 1
t
o
R"A"- t
# 8 o5%> n8#
= t
<
= t
# 8 o5%> n8#
> se a,e)ta H
O
"
R"R"- t
<
= 8 t
# 8 o5%> n8#
o t
<
? t
# 8 o5%> n8#
> se re,ha6a H
O
"
o64
o64
#3o
R.A. R.R.
R.R.
0
EFem)lo !!-
En una ciudad se *uiere hacer un estudio rpido para valorar el consumo de agua
en los domicilios particulares durante los meses de mayor se*ua. Para ello se
seleccionaron al a/ar #E domicilios y se midieron sus consumos en metros c-bicos
durante el mes de agosto y su obtuvo un consumo medio muestral de
3
m 7 . 18 x = y
una desviacin estndar muestral de
3
m 6 s = . 1e sabe adems *ue el consumo de
agua se distribuye normalmente. En vista de estos datos. M=ay suficiente evidencia
estadstica al nivel de $.$E0 a favor de la hiptesis de *ue el consumo medio de los
particulares durante el mes de agosto es mayor *ue #7 m
+
N
ol.,i*n-
=
$
2 B #7
=
#
2 K #7
%" $ivel de signi0i,an,ia- o B $.$E
AnClisis-
nB#E
&nJ+$'
Poblacin normal
(sar Estadstica 8 P Caso 55
Como nB#I0 entonces2
___________________________________________________________________________ 81
9echa 2 !gosto 4$#+
:ersin 2 4
1 n
0
t
n / s
x
t

=
14
t t
s 6 =
2
s 6 s 36 = =
x 18.7 =

B" CCl,.los-
0
k
x 18.7 18
t 0.45
s / n 6/ 15

= = =
D" De,isi*n-
t
L
B$.IE J #.GF#0 entonces aceptamos =
o
. El consumo medio de agua de los
particulares en el mes de agosto no es mayor de #7m
+.
EFem)lo !@-
(na arca discogrfica preocupada por el creciente desarrollo de los :endedores
informales de mVsica en C; emprende una investigacin sobre esta variante de la
Economa informal0 la Werencia cree *ue mantienen una venta media de E$ C;Xs en
un fin de semana. Para reali/ar la investigacin se entrevistaron 4$ vendedores
desplegados en la !v. !bancay de la Ciudad de Lima0 registrando el siguiente
resultado2
:entas de C;Ys &copias'2
EE E# E$ E# G# FE F$ EE E$ E$
EH E$ GG GF E+ EG FF G4 IF IG
M"ue tan cierta es la sospecha de la Werencia0 a un nivel de significancia del E,N
___________________________________________________________________________ 82
9echa 2 !gosto 4$#+
:ersin 2 4
@.!.2 t
L
Z #.GF#0 se acepta =
O
.
@.@.2 t
L
K #.GF#0 se recha/a =
O
.
#.GF#
oB$.$E
# 3 o B $.HE
$
R.A R.R
ol.,i*n- Caso II
#" &orm.la,i*n de Hi)*tesis -
=
$
2 B E$
=
#
2 = E$
%" $ivel de signi0i,an,ia - o 2 E"EB
!" Estad+sti,a de )r.eba -
AnClisis-
nB4$
&nJ+$'
Poblacin normal
Como nB4$0 entonces2

___________________________________________________________________________ 83
9echa 2 !gosto 4$#+
:ersin 2 4
@.!.2 t
L
e C34.$H+0 4.$H+D0 se acepta =
O
.
@.@.2 t
L
J 34.$H+ o t
L
K 4.$H+0 se acepta =
O
.
34.$H+ 4.$H+
oB$.$4E oB$.$4E
#3 o B$.HE
R.R R.A
R.R
0
1 n
0
t
n / s
x
t

=
2
s 9.64 s 92.93 = =
19
t t
x 58.55 =
s 9.64 =
B" CCl,.los -
D" De,isi*n-
t
L
B +.HG e @.@.0 por lo tanto se recha/a =
o
. ?o es cierta la sospecha del
gerente0 la venta media de C;s en el mercado informal es mayor.
EFem)lo !B-
Para determinar el rendimiento anual de ciertos valores0 un grupo de
inversionistas tom una muestra de n B#$ de esta clase de valores. La media y
desviacin estndar resultaron2 . 1e sabe adems *ue el
rendimiento sigue una distribucin normal ME<iste evidencia para decir *ue el
verdadero rendimiento anual promedio es igual o mayor 7.E,N con B $.#N
ol.,i*n-
=
$
2 T 7.E
=
#
2 J 7.E
%" $ivel de signi0i,an,ia - o B $.#
AnClisis-
nB#$
&nJ+$'
Poblacin normal
Como nB#$0 entonces2
___________________________________________________________________________ 84
9echa 2 !gosto 4$#+
:ersin 2 4
x 8.4% y s 0.1% = =
s 0.1 =
2
s 0.1 s 0.01 = =
1 n
0
t
n / s
x
t

=
9
t t
x 8.4 =
0
k
x 58.55 50
t 3.97
s / n 9.64/ 20

= =

B" CCl,.los-
D" De,isi*n-
A
L
B 3+.#FJ3#.+7+0 entonces recha/amos =
O
.
?o e<iste evidencia para decir *ue el rendimiento anual promedio es mayor o
igual a 7.E0 el rendimiento anual promedio de los valores es menor de 7.E,
___________________________________________________________________________ 85
9echa 2 !gosto 4$#+
:ersin 2 4
3#.+7+
o B $.#
@.!.2 A
R
> 3 #+7+0 se acepta =
O
.
@.@.2 A
R
J 33#.+7+0 se recha/a =
O
.
#3U B $.H$
$
R.R.
R.A
.
0
k
x 8.4 8.5
Z 3.16
s / n 0.1/ 10

= = =
3.4. PRUEBA DE HIP!E"I" PARA LA PRPRCI# PBLACI#AL
3.4.$. I#!RDUCCI#
Muchas decisiones en el rea econmico financiero dependen de la proporcin o
porcentaje de la poblacin que se ajusta a alguna caracterstica. Por ejemplo un
geente de una empresa puede estar interresado en conocer si el porcentaje de
trabajadores que opinan que el clima laboral es el adecuado, un candidato poltico
puede estar interesado en conocer si ms del 60% de la poblacin otara por el, los
analistas econmicos pueden estar interesados en conocer el porcentaje de
personas desempleadas en el pas, etc.Podran mencionarse muchos ejemplos ms
!l procedimiento para la prueba de hiptesis para la proporcin poblacional es
similar al se"alado por la media poblacional.
#e presentan los siguientes casos, en muestras grandes $n > %0&.

CA" I%
- Poblacin infinita, cualquiera que sea el tipo de muestreo.
- Poblacin finita, si el muestreo es con reempla'amiento.
Pasos de una prueba de (iptesis para la proporcin poblacional)
$. &orm'la(i)n de hi*)tesis estad+sti(a%
a& (
o
) P > P b& (
o
) P s P
o
c& (
o
) P * P
o
(
+
) P , P
o
(
+
) P - P
o
(
+
) P = P
o
,. #ivel de signi-i(an(ia% o
3. Estad+sti(a de *r'eba%
) 1 , 0 ( n
n
Q P
P p
Z
0 0
0
=
___________________________________________________________________________ 86
.echa ) /gosto 00+%
1ersin ) %

R.A.% .
/
0 1 .
$1 o
2 se a(e*ta H
.
R.R.% .
/
3 1 .
$1 o
2 se re(ha4a H
.
0
23
+2 o
+2 o
R.R
R.A.
o
R.A.% .
5
3 .
$ 1 o
2 se a(e*ta H
.
R.R.% .
5
0 .
$ 1 o
2 se re(ha4a H
.
3
+2 o
o
+ 2 o
0
R.A.
R.R.
4. Estable(imiento de los (riterios de de(isi)n%
- Pr'eba de (ola i46'ierda %

Pr'eba de (ola dere(ha%

___________________________________________________________________________ 87
.echa ) /gosto 00+%
1ersin ) %
- Pr'eba bilateral %
.
7. Reali4a(i)n de (8l('los%
9. De(isi)n
#e acepta o se recha'a (o.
Caso II%
Pobla(i)n -inita2 ('ando el m'estreo es sin reem*la4amiento.
#e siguen todos los pasos del 4aso 5, pero se incorpora el factor de correccin para
poblacin finita, entonces la 6!stadstica de Prueba7 ser)
) 1 , 0 ( n
1 N
n N
n
Q P
P p
Z
0 0
0
|
.
|
\
|

=
___________________________________________________________________________ 88
.echa ) /gosto 00+%
1ersin ) %
R.A.% -Z
1 /2
< Z
k
< Z
1 - /2
,se a(e*ta H
:
.
R.R.% Z
k
< -Z
1 - /2
O Z
k
> Z
1 /2
,se re(ha4a H
:
.
o80 o80
+2o
R.R. R.A. R.R.
0 -Z
1- /2
Z
1- /2
n
Q P
P p
Z
0 0
0
k
=
9./.) 3
:
- 2 0.%06 , se acepta (
;
.
9.9.) 3
:
, 2 0.%06 , se recha'a (
;
.
0
20.%06
+2 o=0.99
R.R R.A.
o=0.01
E;em*lo 39%
<sted ha estado trabajando para una empresa de publicidad en =ima durante >
a"os. /hora usted est planeado iniciar su propia compa"a, pero teme perder
muchos clientes. <sted decide irse, slo si por lo menos el %0% de las cuentas que
usted maneja se irn con usted ? le seguirn a su nueo negocio. 4omo prueba,
usted descubre que +@ de las >@ cuentas que tom como muestra eApresan su
deseo de irse con usted si deja la compa"a. / un niel de significancia del >%
BCebera usted comen'ar su propia empresaD
"ol'(i)n%
(
o
) P E 0.%
(
+
) P , 0.%
,. #ivel de signi-i(an(ia% o < :.:$
) 1 , 0 ( n
n
Q P
P p
Z
0 0
0
=

___________________________________________________________________________ 89
.echa ) /gosto 00+%
1ersin ) %
=% FGmero de cllientes de la muestra que prefieren irse con la otra compa"ia*+@
n% FGmero de clientes de la muestra que ha? en cartera * >@
Conde)
/dems)
9. De(isi)n%
3
H
* 20.6@ - 20.%06I por lo tanto se acepta (
o
. #i debera comen'ar mi propia
compa"ia.
E;em*lo 3>%
Preocupados por la opinin que los ciudadanos tienen sobre la eolucin econmica
del pas, el gobierno ha reali'ado una encuesta sobre +000 de sus ciudadanos,
obteniendo que solo J0 de ellos afirman que la eolucin econmica es buena. #i el
gobierno afirmara que el ++.>% de la poblacin opina que la situacin econmica es
buena B!s compatible esta afirmacin con el resultado muestral obtenido para una
significacin del >%D
"ol'(i)n%
(
o
) P * 0.++>
(
+
) P K 0.++>
___________________________________________________________________________ 90
.echa ) /gosto 00+%
1ersin ) %
o o
P 0.3 Q 0.3 = =
0
k
0 0
p P 0.26 0.3
Z 0.64
P Q 0.3 0.7
n 54

= = =

x
p
n
14
p 0.26
54
=
= =
,. #ivel de signi-i(a(i)n% o * 0.0+
) 1 , 0 ( n
n
Q P
P p
Z
0 0
0
=

=% FGmero de personas en la muestra que afirman que la eolucin econmica
es buena * J0
n% FGmero de personas de la muestra encuestadas * +000
Conde)
/dems)
___________________________________________________________________________ 91
.echa ) /gosto 00+%
1ersin ) %
9./.) -2.576

< Z
k
< 2.576 ,se acepta (
0
.
9.9.) Z
k
< -2.576

O Z
k
> 2.576

,se recha'a (
0
.
o80 o80
+2o = 0.99
R.R. R.A. R.R.
0
-2.576
2.576
0.05
0.05
x
p
n
80
p 0.08
1000
=
= =
o o
P 0.115 Q 0.885 = =
9. De(isi)n%
3
H
* 2%.> e 99I por lo tanto se recha'a (
o
. Fo es compatible la afirmacin con el
resultado de la muestra obtenido. !l porcentaje de personas que opinan que la
eolucin econmica es buena es diferente de ++.>%.
E;em*lo 3?%
#u empresa ha determinado en el pasado que eAactamente el >%% de las personas
que estn en su rea de mercado prefieren su producto. #e inierten en arios miles
de dlares en un programa publicitario para incrementar su participacin en el
mercado. =uego una muestra de 600 personas reela que @00 prefieren su producto.
/ un niel de significancia del >%. B!l dinero fue bien inertidoD
$. &orm'la(i)n de la hi*)tesis%
(
0
) P * 0.>%
(
+
) P - 0.>%
,. #ivel de signi-i(an(ia% o * 0.0>
3. Estad+sti(a de *r'eba %

) 1 , 0 ( n
n
Q P
P p
Z
0 0
0
=
___________________________________________________________________________ 92
.echa ) /gosto 00+%
1ersin ) %
0
k
0 0
p P 0.08 0.115
Z 3.5
P Q 0.115 0.885
n 1000

= = =

4. Estable(imiento de los (riterios de de(isi)n %

7. C8l('los%
=% FGmero de personas de la muestra que prefieren el producto * %00
n% FGmero de personas de la muestra * 600
Conde)
x
p
n
400
p 0.67
600
=
= =
/dems)
o o
P 0.53 Q 0.47 = =
0
k
0 0
p P 0.67 0.53
Z 7
P Q 0.53 0.47
n 600

= = =

9. De(isi)n %
3
:
* L-+.6@>, entonces recha'amos (
o
. !l dinerio fuM bien inertido.
___________________________________________________________________________ 93
.echa ) /gosto 00+%
1ersin ) %
+.6@>
0.0>
+ 2 o *0.N>
9./.) 3
:
, +.6@>, se acepta (
;
.
9.9.) 3
:
- +.6@>, se recha'a (
;
.
0
R.A. R.R.
9./.) 3
H
, 1.96 , se acepta (
;
.
9.9.) 3
H
- 1.96 , se recha'a (
;
.
+.N6
o=0.05
+ 2 o *0.N>

0
R.A. R.R.
E;em*lo 3@%
!l contador de Oiendas =a Positia afirma que es >% el porcentaje de clientes
morosos. Para comprobar esta hiptesis el gerente seleccion una muestra aleatoria
de @0 obseraciones ? encontr que el porcentaje muestral de clientes morosos es
del +0% . !n el niel de significacin de 0.0>.
a& Plantee las hiptesis adecuadas.
b& B4ul es su decisin respecto a la afirmacin del fabricanteD
"ol'(i)n%
aA (
o
) P * 0.0>
(
+
) P - 0.0>
bA B4ul es su decisin respecto a la afirmacin del fabricanteD
(
o
) P * 0.0>
(
+
) P - 0.0>
,. #ivel de signi-i(an(ia% o * 0.0>
___________________________________________________________________________ 94
.echa ) /gosto 00+%
1ersin ) %
0
0 0
p P
Z n(0,1)
P Q
n

*% proporcin de clientes morosos en la muestra * 0.+0
n% FGmero de clientes de la muestra * @0
/dems)
9. De(isi)n%
3
H
* +.6L e 9/I por lo tanto se acepta (
o
. !l contador est diciendo la erdad.
___________________________________________________________________________ 95
.echa ) /gosto 00+%
1ersin ) %
95 . 0 Q 05 . 0 P
o o
= =
0
k
0 0
p P 0.1 0.05
Z 1.67
P Q 0.05 0.95
n 40

= = =

Universidad Los ngeles de Chimbote ESTADSTICA APLICADA -INFERENCIAL
3.5. PRUEBA DE INDEPENDENCIA CI CUADRAD!
3.5.". IN#R!DUCCI!N
La prueba de independencia chi cuadrado es un procedimiento de contrastacin que
se utiliza para determinar la independencia o relacin entre dos variables
categricas., como por ejemplo el nivel educativo y el nivel de consumo de Internet
de las personas, el rendimiento acadmico y el nivel socioeconmico de las
personas, marca de computadoras y el precio, etc.
3.5.$. C!N#RA%#ACI!N DE IP!#E%I%
Pasos a seg&ir'
". (orm&la)i*n de i+*tesis'
H
0
!o e"iste relacin entre las categor#as.
H
$
%"iste relacin entre las categor#as.
$. Nivel de sign,i)an)ia' o
3. Estad-sti)a de +r&eba'
&onde
) 1 k ( ) 1 r ( v =
grados de libertad.
r ' !(mero de )ilas.
* ' !(mero de columnas.
.. Estable)imiento de los )riterios de de)isi*n'

___________________________________________________________________________ 96
+echa ,gosto -0$.
/ersin .
= =

=
r
1 i
2
v
k
1 j
ij
2
ij ij 2
X
e
) e f (
X
o 1
2
, 1 v
X
o
o
0
R.A. R.R.
0i
2
v , 1
2
o
X X
o
s 1 se acepta H
o
.
0i
2
v , 1
2
o
X X
o
> 1 se rechaza H
o
.
5. C/l)&los'
0. De)isi*n'
0e acepta o rechaza H
o
.
E1em+lo .2'
0e ha realizado una encuesta en una ciudad con objeto de estudiar las posibles
relaciones entre el nivel educativo de las personas y el nivel de consumo de Internet.
Los resultados para $203 personas seleccionadas al azar han sido
!ivel
educativo
!ivel de consumo
4ajo 5edio ,lto
6otal
0uperior .$ -00 700 8.$
0ecundaria -8 $00 900 2-8
:rimaria 20 20 20 $20
6otal $03 .20 $020 $203
&eterminar si el nivel educativo y el nivel de consumo de Internet de las personas se
relacionan. ;se <'0.02
%ol&)i*n'
H
0
!o e"iste relacin entre el nivel educativo y el nivel de consumo de Internet de
las personas.
H
$
%"iste relacin entre el nivel educativo y el nivel de consumo de Internet de las
personas.
$. Nivel de sign,i)an)ia' o ' 0.02
___________________________________________________________________________ 97
+echa ,gosto -0$.
/ersin .
2
r k
ij ij 2
k
i 1 j 1
ij
(f e )
X
e
= =
= =

=
3
1 i
2
2
3
1 j ij
2
ij ij 2
X
e
) e f (
X
&onde
r ' . y * ' .1 entonces v ' =.>$? " =.>$? ' 9 grados de libertad.

@.,. 0i 49 . 9 X
2
o
s 1 se acepta H
o
.
@.@. 0i 1 se rechaza H
o
.
5. C/l)&los'
Hallando los valores esperados e
ij
!ivel educativo !ivel de consumo

4ajo 5edio ,lto
,i.
0uperior
e$$'70 e$-'$3. e$.'2A8
)$$'.$ )$- '-00 )$. '700
,". 3 43"
0ecundaria
e-$'.8 e--'$-- e-.'.7A
)-$'-8 )-- '$00 )-.'900
,$.3 5$4
:rimaria
e.$'$$ e.-'.2 e..'$09
).$'20 ).-' 20 )..' 20
,3. 3"52
6otal
,." 3"25 ,$. 3352 ,3. 3"252 n3"525
Hallando el valor e"perimental
2
0
X
___________________________________________________________________________ 98
+echa ,gosto -0$.
/ersin .

$ > ' 0.32
05 . 0 = o
3.93 0
R.A. R.R.
n
f f
e
j . . i
ij

=
60
1509
109 831
n
f f
e
1 . . 1
11
=
= 193
1509
350 831
n
f f
e
2 . . 1
12
=
=
578
1509
1050 831
n
f f
e
3 . . 1
13
=
=
38
1509
109 528
n
f f
e
1 . . 2
21
=
=
122
1509
350 528
n
f f
e
2 . . 2
22
=
=
3. .1
31
f f 150 109
e 11
n 1509

= = =
35
1509
350 150
n
f f
e
2 . . 3
32
=
=
104
1509
1050 150
n
f f
e
3 . . . 3
33
=
=
367
1509
1050 528
n
f f
e
3 . . 2
23
=
=
49 . 9 X
2
o
>
0. De)isi*n'
1 por lo tanto rechazamos H
0
.
%n nivel educativo y el nivel de consumo de Internet de las personas se
relacionan.
E1em+lo ."'
:ara introducir cierto producto en el mercado, una empresa desea conocer como
seria aceptado por los posibles compradores, para ello se ha obtenido una muestra
aleatoria de --00 consumidores habituales de esa l#nea de productos, a los que se
les pregunta por su edad y por el grado de aceptacin del producto a introducir en el
mercado, el resultado se recoge en la tabla siguiente
Bpinin
%dad en aCos
-0 > .9 .2 > 23 70 a mDs
6otal
+avorable 200 -00 $00 800
&es)avorable .00 700 200 $900
6otal 800 800 700 --00
&eterminar si e"iste relacin entre la edad y la opinin sobre la aceptacin del
producto, de los consumidores, con <' 0.02.
%ol&)i*n'
H
0
!o e"iste relacin entre la edad de las personas y la opinin sobre la
aceptacin del producto, de los consumidores.
H
$
%"iste relacin entre la edad de las personas y la opinin sobre la aceptacin
del producto, de los consumidores.
$. Nivel de sign,i)an)ia' o ' 0.02
___________________________________________________________________________ 99
+echa ,gosto -0$.
/ersin .
104
) 104 50 (
35
) 35 50 (
11
) 11 50 (
367
) 367 400 (
122
) 122 100 (
38
) 38 28 (
578
) 578 600 (
193
) 193 200 (
60
) 60 31 (
X
2 2 2 2
2 2 2 2 2
2
0
=
28 6 38 1 3 4 3 1 0 14 X
2
0
+ + + + + + + + =
197 X
2
0
=
49 . 9 197 X
2
0
> =
&onde
r ' - y * ' .1 entonces v ' =->$? " =.>$? ' - grados de libertad.

@.,. 0i 1 se acepta H
o
.
@.@. 0i 1 se rechaza H
o
.
5. C/l)&los'
Hallando los valores esperados e
ij

Bpinin
%dad en aCos
-0 > .9 .2 > 23 70 a mDs
,i.
+avorable e
$$
'-3$ e
$-
'-3$ e
$.
'-$8
)
$$
'200 )
$-
'-00 )
$.
'$00
,".
'

800
&es)avorable e
-$
'203 e
--
'203 e
-.
'.8$
)
-$
'.00 )
--
'700 )
-.
'200
,$.3

$900
6otal $03 .20 $020 --00
Hallando el valor e"perimental
2
0
X
___________________________________________________________________________ 100
+echa ,gosto -0$.
/ersin .

$ > ' 0.32
05 . 0 = o
2.33 0
R.A. R.R.
2
2 3
ij ij 2 2
2
i 1 j 1 ij
(f e )
X X
e
= =
n
f f
e
j . . i
ij

=
1. .1
11
f f 800 800
e 291
n 2200

= = =
1. .2
12
f f 800 800
e 291
n 1200

= = =
1. .3
13
f f 800 600
e 218
n 2200

= = =
2. .1
21
f f 1400 800
e 509
n 2200

= = =
2. .2
22
f f 1400 800
e 509
n 2200

= = =
2. .3
23
f f 1400 600
e 381
n 2200

= = =
2
o
X 5.99 s
2
o
X 5.99 >
3.5.3. C!E(ICIEN#E DE C!N#IN6ENCIA CI CUADRAD!
%l coe)iciente de contingencia chi cuadrado o coe)iciente de contigencia E de
:earson %s una medida estad#stica que se utiliza para medir el grado de relacin o
asociacin entre dos variables categricas. 0u valor var#a entre 0 y $, pero
di)#cilmente llega a $. E no tiene a $ como l#mite superior =L0?, su l#mite superior o
E
ma"
se relaciona con el n(mero de categor#as. :ara una tabla superior construida
con igual n(mero de )ilas y columnas el l#mite superior es
k
1 k
. &e este modo
para una tabla . " . el l#mite superior es
\-F. ' 0.8-1 para una tabla 9 " 9, \.F9 ' 0.8A, etc. Euando el n(mero de columnas
y )ilas di)iere, por ejemplo, . " 9 el l#mite superior de E se deduce con un valor *
igual n(mero mDs pequeCo.
%l coe)iciente de contingencia se e"presa as#
2
0
2
0
X
C
n X
=
+
___________________________________________________________________________ 101
+echa ,gosto -0$.
/ersin .
0i E G 0..0 se considera que es adecuado
2 2 2 2 2 2
2
0
(500 291) (200 291) (100 218) (300 509) (600 509) (500 381)
X
291 291 218 509 509 381

= + + + + +
2
0
X 150 28 64 86 16 37 = + + + + +
2
0
X 381 =
E1em+lo .$'
Ealculando el coe)iciente E de :earson para el %jemplo 90
197
C 0.34
197 1509
= =
+
E ' 0..9 G 0.. es adecuado.
%l valor mD"imo que puede tomar E en este caso es
82 . 0
3
2
3
1 3
k
1 k
= =
HrD)icamente podemos observar

0 E' 0..9 0.9$ 0.8-

%n conclusin el grado de asociacin entre el nivel educativo y el nivel de consumo
de internet de las personas es adecuado.
E1em+lo .3'
Ealculando el coe)iciente E de :earson para el %jemplo 9$
381
C 0.38
381 2200
= =
+
E ' 0..8 G 0.. es adecuado.
%l valor mD"imo que puede tomar E en este caso es
82 . 0
3
2
3
1 3
k
1 k
= =
HrD)icamente podemos observar

___________________________________________________________________________ 102
+echa ,gosto -0$.
/ersin .
0 E' 0..8 0.9$ 0.8-

%n conclusin el grado de asociacin entre la edad y la opinin sobre la aceptacin
de los productos, de los consumidores es adecuado.
AU#!E7ALUACI8N 23
$. %n un art#culo de la revista Earetas, se debat#a la creciente tendencia a que los
empleados demanden a sus empresas por incumplir las promesas en relacin con
los bene)icios sanitarios propuestos y conclu#a, que el juicio medio se entablaba por
$00000 dlares. Euarenta y dos juicios dieron una media de $$2000 dlares. 0i se
supone una desviacin estDndar de $0000 dlares. I%stD respaldada la hiptesis al
nivel de signi)icacin del $JK
-. Las puntuaciones en un test que mide la variable creatividad siguen, en la
poblacin general de adolescentes, una distribucin !ormal de media $$,2. %n un
centro escolar que ha implantado un programa de estimulacin de la creatividad una
muestra de .0 alumnos ha proporcionado las siguientes puntuaciones $$, 3, $-, $A,
8, $$, 3, 9, 2, 3, $9, 3, $A, -9, $3, $0, $A, $A, 8, -., 8, 7, $9, $7, 7, A, $2, -0, $9, $2.
, un nivel de con)ianza del 32J I:uede a)irmarse que el programa es e)ectivoK
.. Eierta marca de )ocos =bombillas? son anunciados con una vida de A20 horas. 0u
precio es bastante asequible por lo que el cliente potencial ha estado evaluando su
compra, previo convenio de compra, y solo darD marcha atrDs a su decisin si
se demuestra en )orma concluyente que la vida real promedio es menor a la
anunciada. 0e seleccion una muestra aleatoria de 20 )ocos y se determin que la
vida media es de A.8.99 horas con una desviacin estDndar de .8.-0 horas ILu
conclusin seria la adecuada con un nivel de signi)icacin del 2JK.
9. %l gerente de ventas de una compaC#a a)irma que sus vendedores venden
semanalmente en promedio M $,200. ,l nivel de signi)icacin del 2J pruebe la
hiptesis del gerente versus la hiptesis del presidente de los vendedores que a)irma
___________________________________________________________________________ 103
+echa ,gosto -0$.
/ersin .
que el promedio de las ventas semanales es mayor, si una muestra de .7
vendedores ha dada una media igual M$2$0 y una varianza igual a 300M
-
en una
semana.
2. %n una agencia de viajes por e"periencia se conoce que el porcentaje de
personas que viajan a %uropa es del 99J. 0in embargo, de los primeros $00
pasajeros de este aCo, 97 han viajado a %uropa. IHa cambiado el porcentaje este
aCo a un nivel de signi)icancia del 2JK
7. ;n art#culo publicado en Fortune a)irma que casi la mitad de todos los contadores
contin(an sus estudios acadmicos despus de obtener la licenciatura. ;n art#culo
publicado en ,ccounting Horizons indica que $20 de 200 recin graduados planean
continuar sus estudios. ILos datos publicados en ,ccounting Horizons son
consistentes con los publicados en Fortune con <'0.02K
A. La cantidad de huspedes que debe a un hotel para que ste sea rentable debe
ser en promedio de -00 al mes =o mDs?. 0e estudiaron hoteles similares en la zona,
registrando los .72 d#as del aCo se detect que tienen una demanda promedio de
$32 personas al mes apro"imadamente, con una desviacin estDndar de 2 personas.
Eon un nivel de signi)icancia de 0.0$ determine la veracidad para la hiptesis
planteada.
8. 6radicionalmente el .2J de todos los crditos otorgados por el 4anco de Erdito
del :er( han sido para los grupos minoritarios. &urante el aCo pasado, el banco ha
hecho es)uerzos para incrementar su proporcin. &e $20 crditos actualmente en
curso, 27 estDn identi)icados claramente por haber sido otorgados a las minor#as.
I%l banco ha tenido "ito por atraer mDs clientes de la minor#aK :ruebe la hiptesis
a un nivel de signi)icancia del 2J.
3. ;n pol#tico supone que menos del 70J de los votos de su territorio son
)avorables. Eon el )in de veri)icar su conjetura selecciona una muestra representativa
compuesta de -00 votantes y aplica una encuesta, obtenindose $00 respuestas a
su )avor. :robar que estos resultados con)irman la creencia del pol#tico, es decir que
los votos )avorables de su territorio son menos del 70J. ;se <' 0.02.
___________________________________________________________________________ 104
+echa ,gosto -0$.
/ersin .
$0.0e les pregunta a 200 personas con empleo cuDl es su opinin, es el problema
mDs acuciante en %spaCa, obtenindose el siguiente resultado
Bcupacin
Laboral
:roblema que mDs preocupa
6otal
:aro &)icit
,salariados -.7 87 .--
:ro)esionales
Libres
2. $-2 $A8
6otal -83 -$$ 200
a? &eterminar si e"iste relacin entre la ocupacin laboral y el problema que mDs
preocupa. ;se
0.05 o =
b? Hallar e interpretar el coe)iciente de contingencia chi cuadrado.
$$.La siguiente tabla corresponde a una muestra aleatoria de 820 clientes del
4anco de Erdito del :er( que opinan sobre la evaluacin de la calidad de los
servicios y la cali)icacin de la oportunidad de los servicios
%valuacin de la
calidad de los
servicios
Eali)icacin de oportunidad de los
servicios 6otal
Bportuna &emorada
4uena .00 20 .20
@egular -00 20 -20
5ala $00 $20 -20
6otal 700 -20 820
a? &eterminar si la evaluacin de la calidad y cali)icacin oportuna de los servicios
se relacionan. ;se <' 0.02
b? Ealcular e interpretar el coe)iciente de contingencia chi N cuadrado.
___________________________________________________________________________ 105
+echa ,gosto -0$.
/ersin .
Universidad Los ngeles de Chimbote ESTADSTICA APLICADA - INFERNCIAL
CAPITULO IV
REGRESI ! CORRELACI LIEAL SI"PLE
#$%$ REGRESI LIEAL SI"PLE
#$%$%$ ITRO&UCCI
Cuando se estudian dos caractersticas simultneamente sobre una muestra, se
puede considerar que una de ellas influye sobre la otra de alguna manera. El
objetivo principal de la regresin es descubrir el modo en que se relacionan
Por ejemplo, en una tabla de ingresos semanales y consumos semanales en soles
de 1 familias se puede suponer que la variable !ingresos semanales" influye sobre
la variable !consumos semanales" en el sentido de que cosnumos semanales altos
vienen e#plicados por valores altos de ingresos semanales. $e las dos variables a
estudiar, que vamos a denotar con % e &, vamos a llamar a la % '()*(+,E
*-$EPE-$*E-.E o E%P,*C(.*'(, y a la otra, &, le llamaremos '()*(+,E
$EPE-$*E-.E o E%P,*C($(.
En la mayora de los casos la relacin entre las variables es mutua, y es difcil saber
qu/ variable influye sobre la otra. El ejemplo dado es un ejemplo claro donde
distinguir entre variable e#plicativa y e#plicada . En este caso un ingreso semanal
bajo tender a tener un consumo semanal bajo, y un ingreso alto indicar tal ve0
que las familias tienen un consumo semanal alto. 1in embargo, a la 2ora de
determinar qu/ variable e#plica a la otra, est claro que el !ingreso semanal" e#plica
la !consumo semanal" y no al contrario, pues las familias primero obtienen sus
ingresos semanales, y luego consumen semanalmente. Por tanto, % 3 ingresos
semanales 4variable e#plicativa o independiente5 & 3 consumos semanales 4variable
e#plicada o dependiente5 El problema de encontrar una relacin funcional entre dos
variables es muy complejo, ya que e#isten infinidad de funciones de formas distintas.
El caso ms sencillo de relacin entre dos variables es la relacin ,*-E(,, es decir
que 4es la ecuacin de una recta5 donde son n6meros, que es
el caso al que nos vamos a limitar.
Cabe recalcar la regresin estudia la mejor relacin funcional entre las variable
dependiente y una o un conjunto de variables independientes o e#plicativas.
___________________________________________________________________________ 106
7ec2a 8 (gosto 91:
'ersin 8 :
0 1

y x
0 1

y b b
#$%$'$ &E(IICI
;na funcin de regresin es lineal simple cuando las variaciones en la variable
independiente provocan variaciones proporcionales en la variable dependiente.
& 3 f 4%5
$onde8
& 8 'ariable dependiente
% 8 'ariable independiente
Por ejemplo8 Podemos estar interesados en predecir el consumo promedio de un
conjunto de familias en base al ingreso de las mismas.
Entonces8 &8 Consumo < % 8 *ngreso
=acer anlisis de regresin lineal simple consiste en estimar la funcin de regresin
poblacional 47.).P.5 que responde a la siguiente e#presin8
7.).P. 8 &
i
3 >
? >
1
%
i
? E
i
..................... 415
$onde8
& 8 'ariable dependiente
% 8 'ariable independiente
>
8 *ntercepto
>
1
8 Coeficiente pendiente
E
i
8 Error aleatorio.
Con base en la funcin de regresin muestral 47.).@.5
7.).@. .............................. 495
#$%$)$ ELECCI &E UA RELACI (UCIOAL
(c veremos el tipo de funcin matemtica que mejor 2a de representar la
dependencia entre las variables, dos son los m/todos empleados8
a5 ;na consideracin analtica del fenmeno que nos ocupa 4estudios anteriores5.
b5 ;n e#amen del diagrama de dispersin en forma grfica de los datos observados,
en esta forma es fcil tener una idea si e#iste o no e#iste regresin, si es lineal o
curvilnea, esto puede permitir a2orrar tiempo y dinero, evitando trabajos est/riles.
'er fig. 9.
___________________________________________________________________________ 107
7ec2a 8 (gosto 91:
'ersin 8 :
i 0 1 i i

y x e = b +b +

&iagrama de dis*ersi+n
fig. 9
#$ EL ",TO&O &E LOS "-I"OS CUA&RA&OS OR&IARIOS ."$C$O/
El m/todo de los mnimos cuadrados ordinarios brinda los siguientes !
coeficientes de regresin estimados8
...........................4A5
............................4B5
#$%$ Cara0teristi0as de los 0oe1i0ientes de regresion estimados
1on e#presados 6nicamente en t/rminos de cantidades observables.
1on estimadores puntuales, es decir dada la muestra cada estimador
proporcionar un solo valor del parmetro poblacional relevante.
#$'$ Inter*reta0ion de los 0oe1i0ientes de regresion estimados
8 Es el efecto medio o promedio sobre la variable dependiente de todas
las variables omitidas en el modelo de regresin.
8 Es el promedio de los incrementos de 2 debido a los aumentos
unitarios de 3 o es el promedio de las disminuciones de 2 debido a los
aumentos unitarios de 3.
___________________________________________________________________________ 108
7ec2a 8 (gosto 91:
'ersin 8 :
0
b
1
b
( )
i i i i
1 2
2
i i
n( x y ) ( x )( y )
n x x
-
b =
-

0 1

y x b = -b
fig. 91
#$)$ Coe1i0iente de determina0i+n4 r
'
Consideremos a2ora la bondad de ajuste de la lnea de regresin ajustada al
conjunto de datos.

fig. 99
$e la fig. 99 se desprende claramente que si todas las observaciones coinciden con
la lnea de regresin, obtendramos el ajuste perfecto lo que raras veces ocurre.
Ceneralmente tiende a 2aber algunas e
i
positivos 4encima de la lnea de regresin5
y e
i
negativos 4debajo de la lnea de regresin5 con la esperan0a de que los erros
aleatorios locali0ados alrededor de la lnea de regresin sean los ms pequeDos
posibles.
El Coe1i0iente de &etermina0i+n .r
'
/ es una medida resumen que nos dice que tan
e#actamente la lnea de regresin estimada se ajusta a los datos observados.
___________________________________________________________________________ 109
7ec2a 8 (gosto 91:
'ersin 8 :
El coeficiente de determinacin se e#presa de la siguiente manera8
El coeficiente de determinacin muestral es ampliamente utili0ado como una medida
de la bondad de ajuste de una lnea de regresin. Es de0ir el r
'
mide la *ro*or0i+n
o *or0enta5e de la varia0i+n de la varia0i+n total en 2 e3*li0ada *or el modelo
de regresi+n$
S6s *ro*iedades son4
%$ Es una cantidad positiva
'$ 1us lmites son8 E r
9
E 1
F 1i r
9
3 1, quiere decir que el ajuste es perfecto.
F 1i r
9
3 , quiere decir que no 2ay relacin entre la variable dependiente y la
variable independiente.
)$ Cunto ms se acerca r
9
a 1, tanto ms alto ser el grado de linealidad entre las
variables.
#$ 1i r
9
G .HI 2ay seguridad en las predicciones con la ecuacin de regresin lineal
estimada.
E5em*lo ##4
1e desea estudiar la posible relacin entre los gastos mensuales en material
informtico 4&5 y los ingresos globales mensuales 4%5 en soles de una empresa,
para ello se recoge una muestra aleatoria de J datos, los cuales se adjuntan en la
siguiente tabla8
*ngresos globales
4%5
Castos en material
informtico
4&5
9 9I
I :I
1 KI
9 II
: JI
I AI
1e pide8
a5 Craficar el diagrama de dispersin de las variables dadas y comentar.
b5 Estimar la lnea de regresin de los gastos en material informtico sobre los
ingresos globales.
___________________________________________________________________________ 110
7ec2a 8 (gosto 91:
'ersin 8 :
( )( )
( ) ( )
2
2
2 2
2 2
n xy x y
r
[n x x ][n y y ]

-

=
- -

c5 Craficar la lnea de regresin estimada sobre el diagrama de dispersin.
d5 *nterpretar el coeficiente de regresin estimado
1
b .
e5 Calcular el coeficiente de determinacin r
9
e interpretar.
f5 LCunto sera el gasto mensual en material infromtico si el ingreso semanal es
de %3J solesM
Sol60i+n4
a/
b5 Estimando la linea de regresin
( continuacin le mostraremos una tabla de trabajo en donde se 2ar el clculo de
las sumatorias solicitadas8
3 2 3
'
2
'
32
9 9I K J9I I :11J.IBH NJ1J.IBH
I :I 9I 199I 1HI :KJA.:9K :1.BJHJ
1 KI 1 99I KI KI:.HJA: KKJ.9:1H
9 II K :9I 11 I99I.9K: 9HK.HIBH
: JI B K99I 1BI J:B:.H19B 19.9AH1
I AI 9I H99I K9I AH:B.JIJ N9:B.JIJ
%%788 )%888 )9'98888 %:);888 7#%';888
< <
___________________________________________________________________________ 111
7ec2a 8 (gosto 91:
'ersin 8 :
2
y =
2
x =
x =
xy =
1 9 : K I J
9
K
J
A
1
$iagrama de dispersin
*ngreso global mensual
C
a
s
t
o

m
e
n
s
u
a
l
Calculando 8
Calculando8
Calculando
1e sabe que 8
)eempla0ando en la formula8
Entonces la lnea de regresin estimada est dada por8

c5 =allando los interceptos para graficar la linea de regresin estimada8
Los inter0e*tos son los *6ntos =6e *asan *or los e5es 3 e 2$
C6ando 3 > 8 enton0es 2 estar? dado *or4
___________________________________________________________________________ 112
7ec2a 8 (gosto 91:
'ersin 8 :
1 2
1
6(79750000) (11700)(31000)
6(39290000) (11700)
1.1715
-
b =
-
b =
0
b
0 1

y x b = -b
0 1

y x
0
5166.6667 1.1715(1950) b = -
0
2882.2964 b =
y 2882.2964 1.1715x = +
1
1.1715 ; x 1950; y 5166.6667 b = = =

1
2 2
n xy ( x)( y)
n x ( x)
-
b =
-

1
b
y 3 9AA9.9BJK ? 1.1H1I#
y 3 9AA9.9BJK? 1.1H1I45
y 3 9AA9.9BJK P
1
3 4 , 9AA9.9BJK, 5
C6ando 2 > 8 enton0es 3 estar? dado *or4
y 3 9AA9.9BJK ? 1.1H1I#
3 9AA9.9BJK ? 1.1H1I#
N1.1H1I# 3 9AA9.9BJK

2882.2964
x
1.1715
= -
# 3 N9KJ.:KJB P
9
3 4N9KJ.:KJB, 5
Gr?1i0a de la linea de regresi+n estimada
___________________________________________________________________________ 113
7ec2a 8 (gosto 91:
'ersin 8 :
1 9 : K I J
9
K
J
A
1
*ngresos globales mensuales
C
a
s
t
o
s

m
e
n
s
u
a
l
e
s
d5
Por cada sol que se aumenta en los ingresos semanales el gasto semanal en
material informtico aumenta en 1O. 1.1H1I
e5 Calculando el coeficiente de determinacin r
9
8

Inter*reta0i+n8 quiere decir que el BJ.BP de las variaciones de los gastos
mensuales promedio en material informtico et e#plicado por los ingresos global
mensual.
d5 Cuando el ingreso global mensual es de % 3 1O.I., entonces el gasto mensual
en material informtico est dado por8
#$#$ Pr6eba de @i*+tesis *ara el Coe1i0iente de Regresion Pobla0ional$
1e debe probar los parmetros poblacionales para asegurar que el estadstico
2allado difiere significativamente de cero.
___________________________________________________________________________ 114
7ec2a 8 (gosto 91:
'ersin 8 :
1
1.1715 b =
( )( )
( ) ( )
2
2
2 2
2 2
n xy x y
r
[n x x ][n y y ]

-

=
- -

[ ]
2
2
2 2
2
2
16
2
16
2
6(79750000) (11700)(31000)
r
[6(39290000) (11700) ][6(183500000) (31000) ]
(115800000)
r
98850000 140000000
1.340964 10
r
1.3839 10
r 0.969
-
=
- -
=
=
y 2882.2964 1.1715(6000)
y S/ .9911.30
= +
=
Pr6eba *ara A
%

%$ (orm6la0i+n de hi*+tesis4
=
8 >
1
3
=
1
8 >
1
Q
'$ ivel de signi1i0an0ia4 B
)$ EstadCsti0a de *r6eba4
OTA4 La estadCsti0a de *r6eba nos sirve *ara hallar el vaor e3*erimental
t
D
2 el valor tab6lar
#$ Estable0imiento de los 0riterios de de0isi+n4

___________________________________________________________________________ 115
7ec2a 8 (gosto 91:
'ersin 8 :
1
1 1
n 2
t t
s
-
b
b -b
=
).(.8 1i t
R
SNt
o
, t
o
T, se acepta =
o
.
).).8 1i t
R
U Nt
o
o t
R
V t
o
, se rec2a0a =
o
.
Nt
o
t
o
/2 O9
1N
R.R
.
R.R
.
R.A
.
0
2
0 1 ; n 2
t t
a
- -
=

;$ C?l06los 4
$onde8
1
e
x
e
s
s
sc
s C!
b
=
=
2
"#
y
x
SC!
C!
n 2
(SC )
SC! SC
SC
=
-
= -
2
2
"
2
2
y
"y
( x)
SC x
n
( y)
SC y
n
( x)( y)
SC xy
n
= -
= -
= -
___________________________________________________________________________ 116
7ec2a 8 (gosto 91:
'ersin 8 :
1
1 1
$
t
s
b
b -b
=
E$ &e0isi+n4
1e acepta o rec2a0a la 2iptesis
E5em*lo #;4
.omando el ejemplo 1 probar si el coeficiente de regresin poblacional es diferente
de ) 0 (
1
, del ejemplo 1. Con W 3 .I.
%$ (orm6la0i+n de hi*+tesis4
=
8 >
1
3
=
1
8 >
1
Q
'$ ivel de signi1i0an0ia4 B>8$8;
)$ EstadCsti0a de *r6eba4
#$ Estable0imiento de los 0riterios de de0isi+n4

___________________________________________________________________________ 117
7ec2a 8 (gosto 91:
'ersin 8 :
1
1 1
n 2
t t
s
-
b
b -b
=
).(.8 1i t
R
SN9.HHJ, 9.HHJT, se acepta =
o
.
).).8 1i t
R
U N9.HHJ o t
R
V 9.HHJ, se rec2a0a =
o
.
N9.HHJ 9.HHJ
/2=0.025 O93.9I
1N 3.BI
R.R
.
R.R
.
R.A
.
0
4
C%&% n 6
t t
=

;$ C?l06los 4
$onde8
___________________________________________________________________________ 118
7ec2a 8 (gosto 91:
'ersin 8 :
2
2
"
2
"
"
( x)
SC x
n
(11700)
SC 39290000
6
SC 16475000
= -
= -
=
2
2
y
2
y
y
( y)
SC y
n
(31000)
SC 183500000
6
SC 23333333.33
= -
= -
=
xy
xy
xy
( x)( y)
SC xy
n
(11700)(31000)
SC 79750000
6
SC 19300000
= -
= -
=

1
1
1
e
s
s
sc
425.419
s
16475000
s 0.1048
b
b
b
=
=
=
2
xy
y
x
2
(SC )
SC! SC
SC
(19300000)
SC! 23333333.33
16475000
SC! 723925.1358
= -
= -
=
SC!
C!
n 2
723925.1358
C!
4
C! 180981.284
=
-
=
=
e
e
e
!nt%nces '
s C!
s 180981.284
s 425.419
=
=
=
E$ &e0isi+n4
<
entonces se rec2a0a =
o
. ,o que quiere decir que >
1
Q .
___________________________________________________________________________ 119
7ec2a 8 (gosto 91:
'ersin 8 :
1
1 1
$
$
$
t
s
1.1715
t
0.1048
t 11.1784
b
b -b
=
=
=
$
t 11.1784 ( R.R. =
____________________________________________________________________________________________________
4.2. CORRELACIN LINEAL I!"LE
4.2.#. IN$RO%UCCIN
El analisis de correlacin estudia la intensidad o asociacin entre dos o ms
variables cuantitativas , sin que necesariamente exista un relacin funcional entre
ellas. Cuando se trata de dos variables solamente, se habla de correlacin simple y
cuando se trata de ms de dos variables se habla de correlacin mltiple.
Existen variables que estn correlacionadas linealmente como ejemplo : la captura
de pescado en toneladas mtricas y el nmero de embarcaciones, la satisfaccin y
la participacin del personal, aprendi!aje y tcnicas de estudio, los beneficios y los
dividendos en el valor de las acciones, etc., que es el tema que trataremos en esta
sesin de aprendi!aje.
4.2.2. %E&INICIN
"a correlacin estudia la asociacin o relacin entre dos variables, es decir mide el
#rado de relacin entre ellas, mediante un coeficiente o $ndice. "a medida del #rado
de asociacin entre dos variables se llama coeficiente de correlacin lineal simple.
Es importante indicar que correlacin no indica causalidad . El hecho que dos
variables estn altamente correlacionadas no implica que % causa a & ni & causa a
%.
Cuando se extrae una muestra de n pares de observaciones 'x
i
, y
i
(, i)*,+,,,n de la
poblacin 'x,y( no necesariamente independientes. El estimador puntual del
coeficiente de correlacin poblacional p es el coeficiente de correlacin muestral r de
-earson, que se define por:
2 2
2 2
n xy ( x)( y)
r
[n x ( x) ] [n y ( y) ]
=

4.2.'. CARAC$ER($ICA
- r puede ser positivo o ne#ativo
- .*s r s *
- /i r )01 no existe correlacin lineal entre las variables ) e *.
- /i r20 1 la correlacin lineal es ne#ativa entre las variables ) e *.
- /i r30 1 la correlacin lineal es positiva entre las variables ) e *.
___________________________________________________________________________ 122
4echa : 5#osto +0*6
7ersin : 6
____________________________________________________________________________________________________
- /i r ) *1 existe una correlacin lineal perfecta entre las variables ) e *
- /i r se acerca a 8 * a .*, la correlacin lineal entre las variables ) e * es
bien estrecha.
- 9amb$en podemos decir que cuando:
. existe una correlacin lineal dbil entre las variables ) e *.
. existe una correlacin lineal moderada entre las variables
) e *.
+ existe una correlacin lineal alta o fuerte entre las variables
) e *.
4.2.4. $I"O %E CORRELACIN
$i,os -r./i0o
Correla0i1n lineal ,ositiva2
A medida 34e a4menta ) 5 *
tamb6en a4menta.
*

)
Correla0i1n lineal negativa2
A medida 34e ) a4menta5 *
dismin4*e.
*

)
in 0orrela0i1n2
) e * no se agr4,an linealmente.
*
)
4.2.7. "RUE8A %E 9I"$EI "ARA EL COE&ICIEN$E %E CORRELACIN
"O8LACIONAL : ;.
-uede ser que el coeficiente de correlacin poblacional sea cero y que una muestra
en#a:osa hi!o que se asumiera equivocadamente una relacin, por consi#uiente se
debe probar la hiptesis sobre el coeficiente de correlacin poblacional. /e si#uen
los si#uientes pasos:
___________________________________________________________________________ 123
4echa : 5#osto +0*6
7ersin : 6
0 r 0.5 < s
0.5 r 0.8 < <
0.8 r 1 < <
____________________________________________________________________________________________________
#. &orm4la0i1n de hi,1tesis2
;
0
:
1
) 0
;
*
:
1
= 0
2. Nivel de signi/i0an0ia2 o
'. Estad6sti0a de ,r4eba2
2
=
n
r
t
s
r
t

NO$A2 La estad6sti0a de ,r4eba nos sirve ,ara hallar el vaor e),erimental
t
<
* el valor tab4lar
4. Estable0imiento de los 0riterios de de0isi1n2

7. C.l04los2
r
k
s
r
t

=
1 <onde:
=. %e0isi1n2
/e acepta o se recha!a la hiptesis
___________________________________________________________________________ 124
4echa : 5#osto +0*6
7ersin : 6
=.5.: /i t
>
e ?.t
o
, t
o
@, se acepta ;
o
.
=.=.: /i t
>
2 .t
o
o t
>
3 t
o
, se recha!a ;
o
.
.t
o
t
o
o/2 oA+
*. o
R.R
.
R.R
.
R.A
.
0
0 1 / 2 ; n 2
t t
o
=
2
1
2
=
n
r
s
r
____________________________________________________________________________________________________
E>em,lo 4=2
/e desea estudiar la relacin lineal entre la cantidad #astada semanalmente en
soles '&( y el nmero de miembros de una familia'%(. -ara ello se toma una muestra
de B familias de un barrio obtenindose los si#uientes resultados:
% 6 C B B D D
& EE *0D *0F **0 *0* *00
a( Graficar el dia#rama de dispersin e indicar si existe relacin lineal entre las
variables.
b( <etermine el coeficiente de correlacin lineal e interprete.
c( -ruebe si el coeficiente de correlacin poblacional es diferente de cero
0 ( ) =

para un nivel de si#nificancia H )0.0C
ol40i1n2
Ibservando el #rfico vemos que dichas variables tienen una correlacin
lineal positiva entre la cantidad #astada semanalmente y el nmero de
miembros de una familia.
b( Jtili!ando el coeficiente de correlacin lineal de -earson:
___________________________________________________________________________ 125
4echa : 5#osto +0*6
7ersin : 6
+ 6 D C B
E0
EC
*00
*0C
**0
____________________________________________________________________________________________________
| | | |

=
2 2 2 2
) ( ) (
) )( (
y y n x x n
y x xy n
r
Entonces:
Ex ) +F Ex
+
) *6F Ey ) B++
Ey
+
) BDCF+ Exy ) +E+E n ) B
=eempla!ando las sumatorias en la frmula obtenemos:
r ) 0.EBB
<icho valor nos indica que existe una alta correlacin lineal positiva.
c( -ara probar la relacin lineal entre las variables, llevamos a cabo la
contrastacin de coeficiente de correlacin lineal poblacional K ' KL0(.
#. &orm4la0i1n de 9i,1tesis
2. Nivel de signi/i0a0i1n2 o ? @.@7
___________________________________________________________________________ 126
4echa : 5#osto +0*6
7ersin : 6
0
1
H : 0
H : 0
=
=
____________________________________________________________________________________________________
:

7. C.l04los2
=. %e0isi1n2
Como t
M
) N.DN e =.=., recha!amos ;
0
,, lo que quiere decir que 1 por lo tanto
existe correlacin lineal entre las variables.
E>em,lo 4A2
___________________________________________________________________________ 127
4echa : 5#osto +0*6
7ersin : 6
n 2
r
4
r
t t
s
t t
=.5.: /i t
>
e ?.+.NNB, +.NNB@, se acepta ;
o
.
=.=.: /i t
>
2 . +.NNB o t
>
3 +.NNB, se recha!a
;
o
.
.+.NNB +.NNB
o/2 oA+
*. o )0.EC
R.R. R.R.
R.A
.
0
o 1 / 2,n 2 0.975,4
t t t 2.776
o
= = =
2
k r
r
k
r 1 (0.966)
t ; Dond : s 0.129!
s 4
0.966 0
t 7.47
0.129!

= = =
= =
0 =
____________________________________________________________________________________________________
Jn #rupo de *0 ami#os se ha presentado a una prueba de oposicin. 5notaron el
nmero de horas que dedicaron a estudiar la semana antes del examen y la nota
obtenida en la prueba. "a informacin se reco#e en la si#uiente tabla:
;ora de
estudio
x
+* *C *0 *C +0 60 *F +C +0 *B
Oota
y
E N C + N F F B C D
a( Graficar el dia#rama de dispersin e indicar si existe relacin lineal entre las
variables.
b( <etermine el coeficiente de correlacin lineal e interprete.
c( -ruebe si el coeficiente de correlacin poblacional es diferente de cero
0 ( ) =

para un nivel de si#nificancia H )0.0C
ol40i1n2
a(
b( Jtili!ando el coeficiente de correlacin lineal de -earson:
___________________________________________________________________________ 128
4echa : 5#osto +0*6
7ersin : 6
0 C *0 *C +0 +C 60 6C
0
+
D
B
F
*0
<ia#rama de dispersin
x
y
| | | |

=
2 2 2 2
) ( ) (
) )( (
y y n x x n
y x xy n
r
____________________________________________________________________________________________________
Entonces:
Ex ) *E0 Ex
+
) 6FEB Ey ) B*
Ey
+
) D*6 Exy ) *+0N n ) *0
=eempla!ando las sumatorias en la frmula obtenemos:
r ) 0.DD6F
<icho valor nos indica que existe una correlacin debil entre el numero de
horas que los alumnos se dedican a estudiar una semana antes del examen y
la nota obtenida en la prueba, pero como el valor de r es bajola prueba de
hiptesis determinar si en realidad existe correlacin lineal simple y para ello
a continuacin probaremos si ' KL0(
c( -ara probar la relacin lineal entre las variables, llevamos a cabo la
contrastacin de coeficiente de correlacin lineal poblacional K ' KL0(.
#. &orm4la0i1n de 9i,1tesis
2. Nivel de signi/i0a0i1n2 o ? @.@7
:

___________________________________________________________________________ 129
4echa : 5#osto +0*6
7ersin : 6
n 2
r
8
r
t t
s
t t
0
1
H : 0
H : 0
=
=
=.5.: /i t
>
" ?.+.60B, +.60B@, se acepta ;
o
.
=.=.: /i t
>
2 . +.60B t
>
3 +.60B, se recha!a ;
o
.
.+.60B +.60B
o/2 oA+
*. o )0.EC
R.R
.
R.R
.
R.
A.
0
____________________________________________________________________________________________________
7. C.l04los2
=. %e0isi1n2
Como t
M
) *.C6 e =.5., recha!amos ;
0
, lo que quiere decir que 1 por lo tanto no
existe correlacin lineal entre las variables.
AU$OEBALUACIN @4
*. El tiempo en se#. que tarda un sistema informtico en red en ejecutar una
instruccin depende del nmero de usuarios conectados a l, si no hay usuarios el
tiempo es cero. 9enemos los si#uientes datos en una muestra aleatoria de N d$as:
OP de usuarios
'%(
9iempo de
ejecucin
'&(
*0 *.+
*C *.6
+0 *.C
+0 *.B
+C *.F
60 +.0
60 *.E
/e pide:
___________________________________________________________________________ 130
4echa : 5#osto +0*6
7ersin : 6
2
k r
r
k
r 1 (0.44!8)
t ; Dond : s 0.!168
s 8
0.44!8 0
t 1.5!
0.!168

= = =
= =
o 1 / 2,n 2 0.975,8
t t t 2.!06
o
= = =
0 =
____________________________________________________________________________________________________
a( Graficar el dia#rama de dispersin de las variables dadas y comentar.
b( Estimar la l$nea de re#resin del tiempo de ejecucin sobre el nmero de
usuarios.
c( Graficar la l$nea de re#resin estimada sobre el dia#rama de dispersin.
d( -ruebe si el coeficiente de re#resin poblacional es diferente de cero '
#
0 | = ( para
un nivel de si#nificancia H )0.0C
e( Qnterpretar el coeficiente de re#resin estimado
1
#
| .
f( Calcular el coeficiente de determinacin r
+
e interpretar.
#( RCul ser el tiempo de ejecucin cuando x) 6B usuarios
+. Suan Tanuel ;uerta tiene una comerciali!adora de fotocopiadoras y quiere saber
si existe al#una relacin entre el nmero de llamadas hechas en un mes y el nmero
de fotocopiadoras vendidas. -ara ello, toma una muestra aleatoria de *0
representantes de ventas y determina el nmero de llamadas hechas por cada uno
el mes pasado, as$ como el nmero de fotocopiadoras que vendi.
% +0 C0 B0 60 *0 D0 D0 C0 +C 6C
& 60 B0 F0 DC *C B0 C0 CC D0 C0
a( Graficar el dia#rama de dispersin y anali!ar la correlacin entre las variables.
b( Calcular e interpretar el coeficiente de correlacin lineal simple.
c( -ruebe si el coeficiente de correlacin poblacional es diferente de cero . '
0 =
(
___________________________________________________________________________ 131
4echa : 5#osto +0*6
7ersin : 6
____________________________________________________________________________________________________
7. RE&ERENCIA 8I8LIO-R&ICA
U Barreto, C.R, (2007). Estadstica Bsica Aplicaciones (2da. Ed.). Chimbote !"A
"ladech.
# Behar, R. (200$). %% resp&estas a d&das tpicas de estadstica. 'btenido de
http((site.ebrar).com(lib(biblioca&ladechsp(doc*etail.action+
doc,*-.0./%7720p00-estadistica
C1rdo2a, 3. (2002). Estadstica ,n4erencial (5ta. Ed.). 6ima 3oshera.
Cr&7, 8. (s.4.) ,n4erencia estadstica. Rec&perado de
http((999.slideshare.net(m:;ariba)(tema</<.<pr&eba<de<hiptesis<presentation.
# *ia7, =. ) 8ernnde7, =. (s.4.). 6a distrib&ci1n normal. Rec&perado
de .http((999.4isterra.com(mbe(in2esti;a(distr>normal(distr>normal.asp.
# *e la =&ente, ?. (200@). Estadstica descripti2a e in4erencial ) &na introd&cci1n al
mAtodo cient4ico. Rec&perado de
http((site.ebrar).com(lib(biblioca&ladechsp(doc*etail.action+
doc,*-.0/7B$250p00-estadistica
3on;e, C.8., ) C&an, A.A. Estadstica no paramAtrica. =r&eba de independencia chi
c&adrado . Rec&perado de 999.&oc.ed&(in/(emath(docs(Chi>c&adrado.pd4
=ere7, C. (s.4.) =r&eba de independencia. Rec&perado de
http((999.mono;ra4ias.com(trabaDos.%(pr&eba<de<independencia(pr&eba<de<
independencia.shtml.
R&i7, *. (s.4). 3an&al de Estadstica. Recuperado de
http://www.eumed.net/cursecon/libreria/drm/ped-drm-est.htm.
Wester A.(2001). Estadstica Aplicada a los e!ocios " Economia. (#ra. Ed.).
$anta %e de &o!ota: 'nteramericana $.A.
EiFipedia (20..) 6a distrib&ci1n t st&dent. Rec&perado de
http((es.9iFipedia.or;(9iFi(*istrib&ci1n>t>de>!t&dent.
___________________________________________________________________________ 132
4echa : 5#osto +0*6
7ersin : 6

Libro Ea

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Libro Ea

Transféré par

Droits d'auteur :

Formats disponibles

ASIGNATURA

ESTADSTICA APLICADA ESTADSTICA INFERENCIAL

Universidad Catlica Los ngeles de Chimbote ESTADSTICA APLICADA - INFERENCIAL

100 645 . 1 700 X

100 8418 . 0 700 X

100 282 . 1 700 X

. D a la inversa, si la dispersi#n se incrementa =si

. Al disminuir el error estndar, el valor de cualquier media

es el factor de correcci#n para poblaci#n finita.

= o que se estima por

es el factor de correccin para poblacin finita.

Universidad Los ngeles de Chimbote ESTADSTICA APLICADA - INFERENCIAL

!ivel educativo !ivel de consumo

HrD)icamente podemos observar

HrD)icamente podemos observar

1.1715 ; x 1950; y 5166.6667 b = = =

Universidad Los ngeles de Chimbote ESTADSTICA APLICADA - INFERNCIAL

Vous aimerez peut-être aussi