Académique Documents
Professionnel Documents
Culture Documents
VICERECTORADO DE INVESTIGACIN
FACULTAD DE CIENCIAS ECONMICAS
TEXTO DE PROBLEMAS DE
INFERENCIA ESTADSTICA
AUTOR:
JUAN FRANCISCO BAZN BACA
(Resolucin Rectoral 940-2011-R del 22-9-11)
01-09-11 al 31-08-13
CALLAO PER
2013
NDICE
Pg.
INDICE
INTRODUCCIN
1.1
Distribucin normal
1.2
1.3
1.4
10
1.5
Ejercicios resueltos
13
1.6
Ejercicios propuestos
29
33
2.1
37
2.2
39
2.3
40
2.4
43
2.5
47
2.6
48
2.7
Ejercicios resueltos
52
2.8
Ejercicios propuestos
73
77
3.1
Distribucin Chi-cuadrado
77
3.2
Distribucin t de student
86
3.3
92
3.4
93
3.5
Distribucin F de Snedecor
94
3.6
98
3.7
Ejercicios resueltos
100
2
3.8
Ejercicios propuestos
119
122
4.1
Estimadores. Propiedades
123
4.2
130
4.3
130
4.4
132
4.5
133
4.6
Ejercicios resueltos
135
4.7
Ejercicios propuestos
152
155
5.1
160
5.2
162
5.3
164
5.4
167
5.5
168
5.6
170
5.7
173
5.8
175
5.9
177
5.10
179
5.11
Ejercicios resueltos
187
5.12
Ejercicios propuestos
235
251
6.2
258
6.3
263
6.4
270
6.5
276
6.6
281
6.7
290
6.8
293
6.9
Ejercicios resueltos
299
6.10
Ejercicios propuestos
348
355
7.1
356
7.2
362
7.3
Test de Wilcoxon
364
7.4
Test de signos
367
7.5
Test de la mediana
374
7.6
Ejercicios resueltos
379
7.7
Ejercicios propuestos
395
REFERENCIAS BIBLIOGRFICAS
398
Apndice
400
401
403
407
408
409
409
INTRODUCCIN
La ciencia econmica para poder realizar las mediciones econmicas recurre
permanentemente a la inferencia estadstica, ya que las deducciones y conjeturas
econmicas acerca de los parmetros estn basadas en muestras aleatorias tratadas
por esta disciplina.
Con el propsito de poder contribuir al proceso de enseanza aprendizaje de la
estadstica para economistas en la Universidad Nacional del Callao (UNAC),
hemos credo conveniente elaborar un
CONTENIDO
1.1
1.2
1.3
1.4
1.5
1.6
Distribucin normal.
Distribucin normal estndar.
Propiedad reproductiva de la distribucin normal.
Teorema del lmite central.
Ejercicios resueltos.
Ejercicios propuestos.
f ( x)
donde: = 3.14159265....
1
2 2
y
( X )2
2 2
- < x <
e = 2.71828184
neperianos).
Notacin.- una notacin muy comn para la distribucin normal es: X ~ N( , 2 )
Que se lee la variable aleatoria X se distribuye normalmente con media y
varianza 2 .
Caractersticas geomtricas.
Caractersticas estadsticas.
Media:
E (X) =
Varianza:
V (X) = 2
normal estndar.
DISTRIBUCIN NORMAL
40
35
30
25
20
15
10
5
0
- 3
X
- 2
+ 2
+ 3
f ( z)
1 z2 / 2
e
2
- < z <
(z) = F(z) = P [Z z] =
1 t 2 / 2
e
dt
2
Esta probabilidad nos da el rea bajo la curva normal desde - hasta el valor z.
Entonces, conocidos los valores de la media y la varianza 2 de una variable aleatoria
X ~ N( , 2 ) utilizando el proceso de estandarizacin Z = (X - ) / , se puede
efectuar el clculo de probabilidades tales como:
P[a X b] = P[ (a - ) / (X - ) / (b - ) / ]
= P[ (a - ) / Z (b - ) / ]
= [(b - ) / ] - [(a - ) / ]
P( X + ) = P
P 1 Z 1
2
2
P( 2 X + 2) = P
Z
P 2 Z 2
3
3
P( 3 X + 3) = P
Z
P 3 Z 3
4
4
P( 4 X + 4) = P
Z
P 4 Z 4
5
5
Z
P( 5 X + 5) = P
P 5 Z 5
6
6
Z
P( 6 X + 6) = P
P 6 Z 6
Es decir: Xi ~ N(i , i2 ) i = 1, 2, 3,
a
i 1
2
i
Puesto que:
= a0 + a1 1 + a2 2 + .... + an n = a0 + ai i
i 1
2
Y = V(Y) = V (a0 + a1 X1 + a2 X2 + .... + an Xn ) =
a
i 1
2
i
Si:
Yn = X1 + X2 + .... + Xn =
X
i 1
Y E (Yn )
Zn n
V (Yn )
X
i 1
i 1
i 1
= 1 + 2 + .... + n =
i 1
= 12 + 22 + .... + n2 =
i 1
2
i
Observaciones.n
1. La variable aleatoria Yn =
X
i 1
aproximada por una v.a. distribuida normalmente, cualquiera que sea la distribucin
de las Xi .
2. Las condiciones generales indicadas en el teorema estn referidas a que los trminos
Xi tomados individualmente, contribuyen con una cantidad despreciable a la
variacin de la suma, y no es probable que un simple trmino tenga una gran
contribucin a la suma.
Una aplicacin importante de estas condiciones generales del teorema central del
lmite, se da en los modelos de regresin: Yi = 0 + 1 X1i + 2 X2i + .... + k Xki + ei
Donde la variable explicada o dependiente Y es funcin de un conjunto de variables
explicativas o independientes (X1 , X2 , .... , Xk ) ms un error e. La aplicacin del
teorema central del lmite se da cuando se asume que los errores ei se distribuyen
normalmente, debido a que estos errores recogen la suma de las contribuciones
despreciables de todas las variables dejadas de considerar en el modelo.
Por ejemplo, en los modelos de demanda Qi = a b Pi + ei , se asume que las
cantidades demandadas (Q) de un bien o servicio dependen fundamentalmente del
precio (P) del bien. Efectivamente, pero existen otras variables independientes
(gastos de publicidad, precio del bien sustituto, gustos y preferencias, etc.) que
tambin podran explicar dicha demanda, sin embargo, sus contribuciones a explicar
la demanda son despreciables, por lo que la suma de sus contribuciones, reflejadas en
los errores ei se aproximan a la distribucin normal.
11
3. Una situacin especial del teorema central del lmite se presenta cuando cada Xi
tiene la misma distribucin (que es el caso de la definicin de muestra aleatoria,
como veremos ms adelante) y que permita encontrar la distribucin de una media
muestral. La propuesta es la siguiente:
Sean X1 , X2 , .... , Xn , n variables aleatorias independientes, idnticamente
distribuidas con media y varianza comn y finitas dadas por: E(Xi) = y V(Xi ) = 2.
n
Si:
Yn = X1 + X2 + .... + Xn =
X
i 1
por :
Y E (Yn )
Zn n
V (Yn )
X
i 1
Xn
/ n
= 2 + 2 + .... + 2 = n 2
12
1 n
Xi
n i 1
Sea Z una variable aleatoria con distribucin normal estndar [Z ~ N(0, 1)]. Hallar
las probabilidades siguientes: a) P(Z > 1.13) ; b) P(1.00 < Z < 1.42) c) P(-1.5 < Z <
0.50) ;
0.4
0.6247
0.3
Densidad
Densidad
0.3
0.0809
0.2
0.1
0.1
0.0
0.2
0
Z
0.0
1 1.42
-1.5
0.5
Sea Z una variable aleatoria normal estndar [Z ~ N(0, 1)]. Hallar el valor de z
para los casos siguientes: a) (z) = 0.9500;
b) (z) = 0.9772;
c) (z) =
13
Solucin
a) S (z) = F (z) = P [Z z] = 0.9500, esto implica que, en la tabla 1, a la
probabilidad 0.9500, le corresponde z = Z0.9500 = 1.645 aproximadamente.
b) S (z) = F (z) = P [Z z] = 0.9772, esto implica que, en la tabla 1, a la
probabilidad 0.9772, le corresponde z = Z0.9772 = 2.00 aproximadamente.
c) S (z) = F (z) = P [Z z] = 0.9987, esto implica que, en la tabla 1, a la
probabilidad 0.9987, le corresponde z = Z0.9987 = 3.00aproximadamente.
d) Si 0.95 = P [-z Z z] = (z) - (-z) = (z) [1 - (z)] = 2 (z) 1.
Entonces, (z) = 0.9750 y en la tabla le corresponde a z = Z0.9750 = 1.96.
e) Si 0.01 = (z) = P [Z z], esto implica que, en la tabla 1, a la probabilidad
0.01, le corresponde z = Z0.01 = -2.33 aproximadamente.
f) Si 0.05 = P [Z z] = 1 - (z), entonces (z) = 0.9500 y de acuerdo a lo
visto en la parte a) de este problema le corresponde a z = Z0.9500 = 1.645.
3.
entonces
a) P(8500 X 12000) = P
=
1000
1000
1000
b) P(X 8000) = P
=
1000
1000
= P(Z -2.0) = (-2.00) = 0.02275 Rpta.
Interpretacin: el 2.28% ( en 228 de cada 10000 solicitudes) de los montos
de prstamo solicitados por los comerciantes es menor a S/. 8,000.
Distribucin del monto de prstamo
Normal, Media=10000, Desv.Est.=1000
0.0004
Densidad
0.0003
0.0002
0.0001
0.0228
0.0000
8000
10000
X = monto del prstamo
C 10000
1000
C 10000
0.80 =
1000
C 10000
Z 0 . 8 0 0.84
1000
C = S/. 10840
Rpta.
Interpretacin: el 20% de los montos de prstamo solicitados por los
comerciantes es mayor a S/. 10,840.
15
0.0004
Densidad
0.0003
0.0002
0.20
0.0001
0.0000
4.
10000 10840
X = monto del prstamo
Para cierto examen la calificacin vigesimal tiene distribucin normal con media
11 y desviacin estndar 2. Se desea desaprobar al 40% de los examinados.
Cul debe ser la calificacin mxima desaprobatoria? Interprete el resultado.
Solucin
Sea X = calificacin vigesimal de los examinados.
Se sabe que X ~ N(11 , 22),
entonces
M 11
M 11
0.40 = P(X < M) = P Z
= 2
2
M 11
Z 0.40 0.25 M = 10.5 Rpta.
2
Los ingresos de los trabajadores tiene distribucin normal con media = S/.
1000 y desviacin estndar = S/. 200. Si se selecciona a 2000 de estos
trabajadores, calcule e interprete:
a) Cuntos trabajadores tienen ingreso menor a S/. 600?
b) Cuntos trabajadores tienen ingreso entre S/. 850 y 1300?
Solucin
16
0.02275
Luego nP = 0.02275 x 2000 = 45.5 trabajadores Rpta.
Interpretacin: 46 trabajadores (2.28%) tienen ingreso menor a S/. 600.
b) P = P(850 X 1300) = P
=
200
200
200
= P(-0.75 Z 1.5) = (1.5) - (-0.75) = 0.93319 0.22663 = 0.70656
Distribucin del ingreso
0.0015
Densidad
0.7066
0.0010
0.0005
0.0000
850
1000
X = ingreso
1300
Solucin
Si X = volumen diario de negociaciones en millones de S/. ~ N(800, 1002)
X 80 70 80
a) P = P(X < 70) = P
75 80 X 80 90 80
b) P = P(75 X 90) = P
= P(-1 Z 2) =
5
5
5
18
0.09
0.08
0.07
Densidad
0.06
0.8186
0.05
0.04
0.03
0.02
0.01
0.00
75
80
X = peso
90
X 80 60 80
a) P = P(X 60) = P
60 80 X 80 75 80
b) P = P(60 X 75) = P
= P(-2 Z -0.5) =
10
10
10
= (-0.50) - (-2.0) = 0.30854 0.02275 = 0.28579.
Resultado grfico en Minitab
Distribucin tiempo duracin examen
Normal, Media=80, Desv.Est.=10
0.04
Densidad
0.03
0.02
0.286
0.01
0.00
60
75 80
X = tiempo duracin examen
X 80 90 80
c) P = P(X > 90) = P
Rpta.
Interpretacin: el 10.6% de ( en 1057 de cada 10000 familias) los gastos de
consumo familiar en la comunidad son menores a S/. 320.
10.
1 10
12 3
X2 ~ N (12 , 4 )
2 12
22 4
X3 ~ N (14 , 6 )
3 14
32 6
Y 1 22 3 10 2(12) 14 0 Rpta.
Y2 V (Y ) V ( X1 2 X 2 X 3 ) V ( X1 ) 4V ( X 2 ) V ( X 3 )
Y2 12 4 22 32 3 4(4) 6 25 Rpta.
21
b) Clculo de la P 8 Y 10
Sabemos que Y 0 y Y2 25 Y 5 .
Adems Y ~ N [0, 25] Z = (Y 0)/ 5 ~ N(0, 1). Luego:
8 0 Y 0 10 0
P 8 Y 10 P
P 1.6 Z 2
5
5
5
= (2.0) - (-1.60) = 0.97725 0.05480 = 0.92245 Rpta.
Interpretacin: alrededor del 92.25% de los valores observados de Y se
encuentran entre -8 y 10.
11.
2
2
2
2
30; 2 = 25 ; 3 = 12 ; 4 = 8 ; 1 = 8 ; 2 = 6 ; 3 = 6 ; 4 = 2. S:
X 2X 2 X3 X4
Y= 1
- 2
4
Calcule e interprete: a) P 8 Y 14
b) P Y 12
Solucin:
X
X X
X
X 2X 2 X3 X4
Y = 1
-
= 1 2 3 4
4
2
2
2
4
1
1
1
1
E X1 E X 2 E X 3 E X 4
4
2
2
2
Y = E(Y) =
=
1
1
1
1
(30) (25) (12) (8) 10
4
2
2
2
Y2 = V (y) = 1 V ( X ) 1 V ( X ) 1 V ( X ) 1 V ( X )
1
2
3
4
16
1
1
1
1
(8) (6) (6) (2) 4
16
4
4
4
8 10 Y 10 14 10
a) P 8 Y 14 = P
= P (-1.0 Z 2.0) =
2
2
2
= (2.0) - (-1.0) = 0.97725 0.15866 = 0.81859 Rpta.
22
12 10 Y 10 12 10
b) P Y 12 = P 12 Y 12 = P
=
2
2
2
= P (-11.0 Z 2.0) = (2.0) - (-11.0) =
= 0.97725 0.00000 = 0.0.97725 Rpta.
Interpretacin: alrededor del 97.73% de los valores absolutos de Y son
menores o iguales a 12.
12.
F U 80 0 9
P(S) = P(F < U) = P(F U < 0) = P
=
5
5
X
i 1
E(L) = E( X i ) =
i 1
E( X i ) =
i 1
24
V(L) = V( X i ) =
i 1
V ( X i ) =
i 1
0.016
i1
Luego:
9
X
i 1
~ N(2.61, 0.0002304)
=
0.048
0.048
= 1 - P(Z 1.25) = 1 - (1.25) = 1 - 0.89435 = 0.10565 Rpta.
Interpretacin: en alrededor del 10.56% de los ( en 1056 de cada 10000)
recipientes con 9 pastillas, stas no se ajustan en el espacio requerido.
15.
Suponga que las variables aleatorias X1 , X2 , .... , X50 representan la vida til de
50 tubos electrnicos; los mismos que se usan de la siguiente manera: tan pronto
como falla el primer tubo, empieza a funcionar el segundo y cuando falla el
segundo empieza a funcionar el tercero, etc. Suponga que los Xi, i = 1, 2, ., 50
tienen distribucin exponencial con parmetro = 1/500. Cul es la
probabilidad que el tiempo de funcionamiento de los 50 tubos est comprendido
entre 20 000 y 30 000 horas? Interprete el resultado.
Solucin
Sea Xi = tiempo de funcionamiento del tubo i ~ Exponencial ( = 1/500)
Entonces = E(Xi) = 1/ = 500 , 2 = 1/ 2 = 5002] i = 1, 2, ., 50.
Sea Y50 = tiempo de funcionamiento de los 50 tubos =
50
= X1 X 2 ............ X 50 X i
i 1
= P
500 x 50)
500 x 50)
500 x 50)
1.41)
25
= X1 X 2 ............ X 36 X i
i 1
36
X i 36 x1 36.6 36 x1
=
En una ciudad grande el 20% de los hogares no tiene desage. Si se eligen 100
hogares al azar, calcule e interprete la probabilidad de que ms de 30 hogares no
tengan desage.
Solucin
Sea Xi = 1, si el hogar no tiene desage ~ Bernoulli [p = 0.20]
Sea Y100 = el total de hogares sin desage, entre los 100 elegidos =
100
16]
Entonces, por el teorema del lmite central la probabilidad solicitada es:
26
P(Y100
>
30)
P(Y100
30)
100
X i 100 x0.20
30 100 x0.20
=
P i 1
100
36
Y36
contenido
por
caja
de
las
36
botellas
36
X1 X 2 ............ X 36 X i
i 1
36
X i 36 x2 72.36 36 x 2
=
28
EJERCICIOS PROPUESTOS
1. Sea Z una variable aleatoria con distribucin normal estndar [Z ~ N(0, 1)].
Hallar las probabilidades siguientes:
a) P(Z 2.15)
b) P(0.80 < Z < 1.96)
c) P(-2.45 < Z 1.65)
d) P(-2.75 Z -0.65)
e) P(Z -1.38)
f) P(-2.57 Z < 0)
g) P(0 Z < 2.33).
2. Sea Z una variable aleatoria normal estndar [Z ~ N(0, 1)]. Hallar el valor de z
para los casos siguientes:
a) (z) = 0.8665
b) (z) = 0.9222
c) (z) = 0.9972
d) el rea entre z y z es 0.99
e) el rea a la izquierda de z es 0.05
f) el rea a la derecha de z es 0.025
3. El contenido en las botellas de cierta gaseosa tiene distribucin normal con
media = 1000 ml. y desviacin estndar = 5 ml. Calcule e interprete la
probabilidad de que una botella de gaseosa tenga:
a) Entre 990 y 1005 ml.
b) Menos de 985 ml.
4. El precio que pagan los hogares por el kilo de pescado en una gran ciudad tiene
distribucin normal con media = S/. 12 y desviacin estndar = S/. 0.80.
Calcule e interprete la probabilidad de que el precio pagado por el kilo de
pescado:
a) Sea menor de S/. 10.
b) Se encuentre entre S/. 10.50 y 13.50.
c) Por arriba de que precio paga el 10% superior de los consumidores.
29
a) La media y la varianza de Y
b) P 10 Y 25
30
X3
Calcule e interprete:
a) P 20 Y 40
b) P Y 18
12. Los telfonos celulares A y B tienen una duracin (en das) que son N(2190,
2002 ) y N(2878, 2502 ) respectivamente. Si se prueba la vida de cada uno de los
telfonos correspondientes a cada una de las marcas, cul es la probabilidad que
los A duren un ao o ms que los B? Interprete su resultado.
13. En una ciudad grande el 20% de hogares no tiene agua. Si se escogen 100
hogares, calcule e interprete la probabilidad que ms de 30 no tengan agua.
14. Al lanzar una moneda 100 veces, calcule e interprete la probabilidad de obtener
entre 40 y 60 caras.
15. Las cajas con limn tienen un peso medio de 20 Kg. y una desviacin estndar
de 750 gr. Calcule e interprete la probabilidad de que el peso de 410 cajas
recibidas al azar y cargadas en un camin, supere su capacidad mxima que es
de 8,250 kg.
16. Los pesos de los sacos de algodn Pima cosechados tienen una media de 50
kilos y una desviacin estndar de 1.4 kilos. Calcule e interprete la probabilidad
de que el peso de 100 paquetes seleccionados al azar sea menor de 4975 kilos.
17. Las cajas con naranja tienen un peso medio de 15 Kg. y una desviacin estndar
de 0.5 kilos. Calcule e interprete la probabilidad de que el peso de 400 cajas
tomadas al azar sea menor de 5,980 kg.
18. Un lote de 10 000 pollos para parrilla tiene un peso medio de 1 Kg. y una
desviacin
estndar de 0.05 Kg. Este lote debe ser entregado a las polleras a
razn de 100 cada una. Cul es la probabilidad de que una pollera, cualquiera
31
de estas tomada al azar, reciba un peso total de menos de 98.5 kilos? Interprete
su resultado.
19. Los pesos de los paquetes recibidos en las tiendas Ripley tienen una media de
580 libras y una desviacin estndar de 80 libras. Calcule e interprete la
probabilidad de que el peso de 49 paquetes recibidos al azar y cargados en un
montacargas, supere su capacidad de 30 000 libras.
20.
Un lote muy grande de cajas con palta tiene un peso medio = 20 Kg. y una
desviacin estndar = 0.5 Kg. Este lote debe ser entregado a los
supermercados a razn de 100 cajas cada uno. Calcule e interprete la
probabilidad de que un supermercado cualquiera, reciba un peso total de
menos de 1 990.2 Kg.?
32
con
N
(X
i 1
X
i 1
)2
por:
n
34
Ejemplo 1.Si se toma una m.a. de tamao n, de una poblacin X con distribucin de Poisson,
con parmetro , hallar la funcin de probabilidad conjunta (funcin de
verosimilitud) para dicha muestra.
Solucin:
Como la v.a. X ~ Poisson (), entonces Xi
probabilidad es: f X ( X i )
X e
i
~ Poisson () y su funcin de
, i 1,2,....,n ; Xi = 0, 1, 2, 3, ......
X i!
i 1
X e
i
X i!
X n e
X1 e X 2 e
....
=
X 1! X 2 !
X n!
n
Xi
i 1
e n
X !
i 1
, Xi = 0, 1, 2, 3, ...... ; i = 1, 2, .... , n .
Rpta.
Ejemplo 2.Si se toma una m.a. de tamao n, de una poblacin X con distribucin N( , 2 ),
hallar la funcin de probabilidad conjunta (funcin de verosimilitud) para dicha
muestra.
Solucin:
35
f X (Xi )
2 2
e ( X i )
/ 2 2
; X i , i = 1, 2, 3, .... , n.
1
2
2
1
2
2
2
2
1
e ( X n ) / 2
=
e ( X1 ) / 2
e ( X 2 ) / 2 ....
2
2
2
2
2
2
=
n
2
1
e
=
2
2
( X i ) 2 / 2 2
i 1
; xi , i = 1, 2, 3, .... , n. Rpta.
Xi
i 1
s2
( X
i 1
X )2
n 1
X2 Var( X )
2
n
X
i 1
la
Teorema 2.- Sea X1 , X2 , .... , Xn una muestra aleatoria sin reemplazo de tamao n
de una poblacin X de tamao N, con media E(X) = E(Xi ) = y varianza Var (X)
= Var (Xi) = 2.
Entonces: E (X )
2 N n
S2 N n
Var( X )
.
n N 1 n N
2
X
36
Donde:
S2
( X
i 1
)2
, representa la cuasivarianza poblacional y el factor
N 1
N n
se llama factor de correccin para poblaciones finitas (f.c.p.f.) el mismo que
N 1
es
descartado
cuando
n
0.05 0.97
N
la
fraccin
de
muestreo
(f
N n
1.
N 1
X
i 1
tiene aproximadamente
( X )
tiene aproximadamente distribucin N(0, 1).
/ n
Este teorema es vlido para cualquier poblacin finita o infinita, discreta o continua,
cuando el tamao de la muestra n 30. Si la poblacin es normal, se cumple
cualquiera sea el tamao n de la muestra.
Cuando la poblacin es finita de N elementos y el muestreo es sin reemplazo, la
variables aleatorias Xi no son independientes, entonces la distribucin de X es
hipergeomtrica, con:
E (X )
X2 Var( X )
2 N n
. Luego:
n N 1
37
X
i 1
tiene aproximadamente
2 N n
. Y la
n N 1
( X )
tiene aproximadamente distribucin N(0, 1).
N n
n N 1
variable aleatoria Z
Ejemplo 3.En Lima Metropolitana la botella de aceite primor de un litro tiene un precio
promedio de S/. 5.00 y una desviacin estndar de S/. 0.40. Si se toman muestras
aleatorias de 50 precios, se pide calcular e interpretar: a) la probabilidad que el precio
promedio muestral se encuentre entre S/. 4.85 y 5.10; b) la probabilidad que el
precio medio muestral sea inferior a S/. 4.80; y c) dentro de que lmites simtricos
alrededor del precio promedio verdadero se encontrar el 95 % de los precios
promedios muestrales.
Solucin.Como datos del problema se tiene que: = S/. 5.00 , = S/. 0.40 y n = 50.
X2 Var( X )
2
n
= (0.40)2 / 50 = 0.0032
Luego: X N (5.00;0.0032) y Z
X 0.057. S/.
( X 5.00)
N (0,1) . Nos piden:
0.057
a) P(4.85 X 5.10) = P
=
0.057
0.057
.057
= P(-2.63 Z 1.75) = (1.75) - (-2.63) =
= 0.95994 0.00427 = 0.95567 Rpta.
Interpretacin.- el 95.567% de los precios promedios muestrales de las botellas de
aceite primor de un litro, se encuentran entre S/. 4.85 y 5.10, para muestras de
50 precios.
b) P( X < 4.80) = P(
) P( Z 3.51) 0.00022
0.057
0.057
38
E
E
Z
)
0.057
0.057
E E
E
E
=
2
1
0.975
0.057 0.057
0.057
0.057
E
Z 0.975 1.96 E 1.96(0.057 ) 0.11 . Luego los lmites sern:
0.057
5.00 E= 5.00 0.11 = S/. 4.89
X
i 1
N
n
X N NX
X N NX N N , N 2 X2
NX N
~ N(0, 1)
N X
,
Var( X ) Var( N ) Var( NX ) N 2Var( X ) N 2 X2 N 2
n
2
si
la
2 N n
n N 1
si
media muestral X
X
i 1
X N ( X , X2 ) . Donde: X2
X2
o X2 Var( X )
X2 N n
..... (1)
n N 1
media muestral Y
Y
i 1
40
Y2
Y N (Y , Y2 ) . Donde: m o
2
Y
Y2 Var(Y )
Y2 M m
m M 1 ..... (2)
X Y E X Y E X EY X Y X Y
y varianza:
X2 Y2
+
n
m
X2 Y =
X2 N n
M m
+ Y
m M 1
n N 1
2
.............. (3)
X - Y ~ N( X Y , X2 Y )
X Y ( X Y ) )
X Y
N(0 , 1)
X Y ( X Y ) )
X2
n
Y2
X Y ( X Y ) )
X2 N n Y2 M m
tiene
n N 1 m M 1
X2 Y =
X2 Y2
+
n
m
202 202
=
500 800
X Y = 1.14 gr.
X - Y ~ N(0, 1.3) y
X Y 0
~ N(0 , 1).
1.14
Nos piden:
a) P ( X - Y > 2 ) = 1 - P ( X - Y 2 ) = 1 - P(-2 X - Y 2) =
2 0 X Y 0 2 0
= 1 - P
= 1 - P(-1.75 Z
1.14
1.14
1.14
1.75) =
= 1 [ (1.75) - (-1.75)] = 1 - [ (1.75) 1 + (1.75)] =
= 2 2 (1.75) = 2 2 (0.95994) = 0.08012 Rpta.
Interpretacin.- en el 8.01% de las comparaciones, para muestras de 500 y 800
bolsas de caf respectivamente, las diferencias de pesos medios sern mayores a 2
gramos.
b) P ( X - Y < 1 ) = P( -1 < X - Y < 1) =
1 0 X Y 0 1 0
= P
= P(-0.88 Z 0.88) =
1.14
1.14
1.14
= (0.88) - (-0.88) = 0.81057 0.18943 = 0.62114 Rpta.
Interpretacin.- en el 62.11% de las comparaciones, para muestras de 500 y 800
bolsas de caf respectivamente, las diferencias de pesos medios sern menores de
1 gramo.
42
A Xi
X
i 1
i 1
X
i 1
X
n
43
estima a P.
X =
X
i 1
Xi 1 n
1 n
1
E ( p) E i 1 E ( X i ) P (nP) P
n i 1
n
n n i 1
n
n
X
Var
(
Xi )
i
i 1
i 1
Var( p) Var
n2
n
(propiedad de la varianza)
Var( X ) PQ
i
i 1
i 1
nPQ PQ
p2
2
n
n
Luego:
X
i 1
X
n
PQ
N P,
pP
~ N(0, 1)
PQ
n
X
i 1
X
n
PQ N n
N P,
n N 1
44
pP
~ N(0, 1)
PQ N n
n N 1
X=
X
i 1
X
i 1
X
574,314
= 0.279 = proporcin censal de nios y nias con
N 2'059,426
desnutricin crnica.
Q = 0.721 = proporcin censal de nios y nias sin desnutricin crnica.
n = 1500 nios y nias = tamao de la muestra.
Como la fraccin de muestreo n/N es menor de 0.05, entonces, la proporcin
muestral:
Ministerio de Educacin. Nutricin y Retardo en el Crecimiento. Resultados del II Censo Nacional de Talla en Escolares 1999.
Lima, Per, Noviembre de 2000.
45
X
i 1
X
n
PQ
N P,
N 0.279; 0.0001341
n
pP
p 0.279
p 0.279
~ N(0, 1)
0.0116
PQ
0.0001341
n
Se pide calcular:
0.0116
0.0116
0.0116
= P( -1.64 Z 1.81 ) = (1.81) - (-1.64) =
= 0.96485 0.05050 = 0.91435 Rpta.
Interpretacin.- en el 91.44 % de las muestras de 1500 nios y nias a nivel
nacional, el porcentaje de desnutridos crnicos, se encuentra entre el 26 y 30 %.
b) Sean 0.279 E y 0.279 + E los lmites simtricos alrededor de la proporcin
verdadera P = 0.279 , dentro de los cuales estar el 95 % de las p. Entonces:
0.95 = P(0.279 E p 0.279 + E) = P(
E
E
Z
)
0.0116
0.0116
E E
E
E
=
2
1
0.975
0.0116 0.0116
0.0116
0.0116
E
Z 0.975 1.96 E 1.96(0.0116 ) 0.023 . Luego los lmites sern:
0.0116
0.279 E = 0.279 0.023 = 0.256
Rpta.
X
i 1
i 1
A NP Np
A NP Np N NP, N 2 p2
Np NP
~ N(0, 1)
N p
PQ
,
n
si
la
47
PQ N n
, si
n N 1
X1
n1
P1Q1
n1
o p21
P1Q1 N1 n1
n1 N1 1
..... (1)
X2
n2
48
P2Q2
n2
p2
P2Q2 N2 n2
n2 N2 1
.....
(2)
Siendo p1 y p2 variables aleatorias independientes, cuyas distribuciones estn
dadas en (1) y (2) tenemos que p1 p2 es una variable aleatoria con media:
p p E p1 p2 E p1 E p2 p p P1 P2
1
y varianza:
p2 p =
1
P1Q1 P2Q2
PQ N n P Q N n2
+
o 1 1 1 1 + 2 2 2
n2 N 2 1
n1
n2
n1 N1 1
............. (3)
p1 p2 ( P1 P2 )
p p
1
~ N(0 , 1)
la
variable
aleatoria
p1 p2 ( P1 P2 )
P1Q1 N1 n1 P2Q2 N 2 n2
n1 N1 1
n2 N 2 1
p1 p2 ( P1 P2 )
P1Q1 P2Q2
n1
n2
Y varianza:
p2 p =
1
(0.35)(0.65) (0.35)(0.65)
P1Q1
PQ
+ 2 2 =
= 0.0011 .
400
400
n1
n2
Luego:
p1 p2 ~ N(0.05 ; 0.0011) y Z
p1 p2 ( P1 P2 )
p p
1
50
p1 p2 0.05
~ N(0 , 1)
0.0331
Se pide calcular:
P (p1 p2 0.08 ) = P(-0.08 p1 p2 0.08) =
=
0.0331
0.0331
0.0331
= P(-3.93 Z 0.91) = (0.91) - (-3.93) =
= 0.81859 0.00004 = 0.81855
Rpta.
51
xi
= p i1
xi
i 1
, xi = 0 y 1; i = 1, 2, .... , n . Rpta.
xi m xi
= n Cxi p i1 q i1 , xi = 0, 1, 2,....,n; i = 1, 2, ..., m .
i 1
Rpta.
3. Si se toma una muestra aleatoria de tamao n, de una poblacin X con
distribucin de Pareto, con parmetro B, hallar la funcin de probabilidad
conjunta (o de verosimilitud) para dicha muestra.
52
Solucin
Si la variable aleatoria. X ~ Pareto (B), entonces cada Xi ~ Pareto (B) y su funcin de
probabilidad es: f X ( xi )
BX 0B
, X i X 0 , i 1, 2,...., n . Donde:
X iB 1
BX 0B
f ( x1, x2 ,...., xn ) f X ( x1 ) f X ( x2 ).... f X ( xn ) X B 1
1
BX 0B
BX 0B
B 1 .... B 1
X1
X1
B n X nB
n 0 ; X i X 0 , i 1, 2,...., n
X B 1
,
i
i 1
Rpta.
f X ( xi )
1
xi 2
e (ln xi )
/ 2 2
; xi 0, i =
1, 2, ...., n.
Luego la funcin de densidad conjunta o de verosimilitud ser:
2
2
2
2
2
2
1
1
1
e (ln x1 ) / 2
e (ln x2 ) / 2 ....
e (ln xn ) / 2 =
2
2
2
x1 2
x2 2
xn 2
(ln xi )
1 1 2
i 1
= n
e
2 2
x
i 1
/ 2 2
; xi 0, i = 1, 2, 3, .... , n. Rpta.
53
5. Las botellas de aceite para motor de carros tienen un contenido medio de 2.0 litros
y una desviacin estndar de 0.12 litros. Si se toma una muestra aleatoria de 36
botellas, Calcule e interprete la probabilidad que:
a) Las botellas tengan una media de llenado entre 1.96 y 2.03 litros.
b) Dentro de qu lmites simtricos caer el 95 % de las medias muestrales
alrededor de la media poblacional?
Solucin
Los datos del problema son: = 2.0 lts., = 0.12 lts. y n = 36 botellas.
X2 Var( X )
2
n
= (0.12)2 / 36 = 0.0004
X 0.02 lts.
( X 2.00)
N (0,1) . Nos piden:
0.02
a) P(1.96 X 2.03) = P
= P(-2.0 Z
0.02
0.02
0.02
1.5)
= (1.5) - (-2.0) =
= 0.93319 0.02275 = 0.91044 Rpta.
Distribucin contenido medio de aceite
Normal, Media=2, Desv.Est.=0.02 lts.
20
Densidad
15
0.9104
10
1.96
2.00
2.03
X = media muestral
54
E
E
Z
)
0.02
0.02
E E
E
E
=
2
1
0.975
0.02 0.02
0.02
0.02
E
Z 0.975 = 1.96 E = 1.96 x 0.02 = 0.039 lts. Luego los lmites sern:
0.02
2.00 E = 2.00 0.039 = 1.961 lts.
X2 Var( X )
2
n
( X 15)
N(0, 1). Nos piden:
0.4
X 15 14 15
a) P( X < 14) = P
= P(Z < -2.5) = (-2.5) = 0.00621 Rpta.
0.4
0.4
Interpretacin.- en el 0.621% de las ( en 62 de cada 10000) muestras de 49
clientes de petrleo, la compra media es menor a 14 galones.
b) Sean 15 E y 15 + E los lmites simtricos alrededor de la media = 15
glns., dentro de los cuales caer el 99 % de las X . Entonces:
0.99 = P(15 E X 15 + E) = P(
E
E
Z
)
0.4
0.4
E E
E
E
=
2
1
0.995
0.4 0.4
0.4
0.4
E
Z 0.995 = 2.575 E = 2.575 x 0.4 = 1.03 glns. Luego los lmites sern:
0.4
15 E = 15 1.03 = 13.97 glns.
Rpta.
1.0
Densidad
0.8
0.6
0.4
0.2
0.0
13.97
15
X = media muestral
16.03
56
X2 Var( X )
2
n
( X 5)
N(0, 1). Se pide:
0.033
X 5 5.1 5
a) P( X > 5.1) = P
= P(Z > 3.03) = 1 - (3.03) =
0.033 0.033
= 1 - 0.99878 = 0.00122 Rpta.
Interpretacin.- en el 0.12% de las ( en 12 de cada 10000) muestras de 36 bolsas
de azcar, el peso medio supera los 5.1 kilos.
b) Sean 5 E y 5 + E los lmites simtricos alrededor de la media = 5 Kg.,
dentro de los cuales caer el 90 % de las X . Entonces:
0.90 = P(5 E X 5 + E) = P(
E
E
Z
)
0.033
0.033
E E
E
E
=
2
1
0.95
0.033 0.033
0.033
0.033
E
Z0.95 = 1.645 E = 1.645 x 0.033 = 0.054 Kg. Luego los lmites sern:
0.033
57
Rpta.
En Lima el precio promedio al consumidor del kilo de arroz es = S/. 3.20 con
una desviacin estndar = S/. 0.25. Si se selecciona una muestra aleatoria de 100
consumidores de arroz, calcule e interprete:
a) La probabilidad que el precio medio muestral del arroz sea mayor a S/. 3.25 el
kilo.
b) Dentro de que lmites simtricos caer el 95% de los precios medios
muestrales alrededor de la media poblacional?
Solucin
Los datos del problema son: = S/. 3.20, = S/. 0.25. y n = 100 consumidores.
X2 Var( X )
2
n
( X 3.20)
N(0, 1). Se
0.025
pide:
a) P( X > 3.25) = P
= P(Z > 2.0) = 1 - (2.00) =
0.025
0.025
= 1 - 0.97725 = 0.02275 Rpta.
Interpretacin.- en el 2.28% de las ( en 228 de cada 10000) muestras de 100
consumidores de arroz, el precio medio del kilo es mayor a S/. 3.25.
b) Sean 3.20 E y 3.20 + E los lmites simtricos alrededor de la media = S/.
3.20, dentro de los cuales caer el 95 % de las X . Entonces:
0.95 = P(3.20 E X 3.20 + E) = P(
58
E
E
Z
)
0.025
0.025
E E
E
E
=
2
1
0.975
0.025 0.025
0.025
0.025
E
Z 0.975 = 1.96 E = 1.96 x 0.025 = S/. 0.05. Luego los lmites sern:
0.025
3.20 E = 3.20 0.05 = S/. 3.15
Var( X )
2
X
2
n
( X 195)
N(0, 1). Se pide:
1.2
a) P( X < 192) = P
= P(Z < -2.5) = (-2.50) = 0.00621
1.2
1.2
Interpretacin.- en el 0.62% de las ( en 62 de cada 10000) muestras de 25
latas de caf, el peso medio es menor 192 gr.
b) Sean 195 E y 195 + E los lmites simtricos alrededor de la media = 195
gr, dentro de los cuales caer el 99.73 % de las X . Entonces:
59
E
E
Z )
1.2
1.2
E E
E
E
=
2 1 0.99865
1.2 1.2
1.2
1.2
E
Z 0.99865 = 3.0 E = 3 x 1.2 = 3.6 gr. Luego los lmites sern:
1.2
195 E = 3.6 0.05 = 191.4 gr.
X2 Var ( X A )
A
A2
nA
2 (50)2
(60)2
= 12.00 y X2 B Var ( X B ) B
= 8.33
300
nB
300
60
A XB
AXB
= 4.51. Luego:
X A X B N ( A B , X2 A X B ) = N(15, 20.33) y Z
( X A X B 15)
N(0, 1).
4.51
Se pide:
a) P( X B
> XA)
P( X A
<
XB )
P( X A
XB
<
0)
( X X B 15) 0 15
P A
=
4.51
4.51
X X B 15 25 15
b) P X A X B 25 = 1 - P X A X B 25 = 1 - P A
4.51
4.51
=
= 1 P(Z < 2.22) = 1 - (2.22) =
= 1 0.98679 = 0.01321 Rpta.
Interpretacin.- en el 1.32% de las ( en 132 de cada 10000) muestras de 300
hogares de cada ciudad, el gasto medio mensual en arbitrios en la ciudad A
ser al menos S/. 25 ms que el gasto medio mensual en arbitrios en la ciudad
B.
11. Dos fbricas A y B productoras de bombillas afirman que el promedio de
duracin de ellas es de 1980 y 1950 horas, respectivamente, con desviaciones
tpicas de 90 y 100 horas. Si se seleccionan 100 bombillas al azar de cada fbrica,
calcule e interprete la probabilidad de que:
a) Las bombillas B tengan una duracin media menor de 1930 horas.
b) Las bombillas B tengan una duracin media mayor que la duracin media de
las bombillas A.
61
Solucin
Los datos del problema son: A = 1980 horas, A = 90 horas y nA = 100 bombillas.
B = 1950 horas, B = 100 horas y nB = 100 bombillas. Luego:
X2 Var ( X A )
A
A2
nA
B2
nB
= (100)2 / 100 =
100
a) X B N ( B , X2 B ) = N(1950, 81) y Z
( X B 1950)
N(0, 1). Se pide:
9
P( X B < 1930) = P B
= P(Z < -2.22) =
9
9
AXB
= 13.45. Luego:
X A X B N ( A B , X2 A X B ) = N(30, 181) y Z
( X A X B 30)
N(0,
13.45
1). Se pide:
( X X B 30) 0 30
13.45
13.45
=
= P(Z < -2.23) = (-2.23) = 0.01287 Rpta.
Interpretacin.- en el 1.29% de las ( en 129 de cada 10000) muestras de 100
bombillas A y 100 bombillas B, la duracin media de las bombillas B es mayor
que la duracin media de las bombillas A.
12. Un proceso automtico es realizado por dos mquinas que empaquetan un
producto en bolsas de 500 gramos. La mquina 1 llena con una desviacin
estndar de 15 gramos y la mquina 2 de 20 gramos. Si se seleccionan muestras
de 100 bolsas de cada mquina, calcule e interprete la probabilidad de que:
a) El llenado medio de la mquina 1 sea menor que el llenado medio de la mq.
2.
62
2
X1
Var ( X 1 )
12
n1
X X 1 2 = 500 - 500 = 0,
1
AXB
2
X2
Var ( X 2 )
22
n2
= (20)2 / 100 = 4.
X2 X x2 x2 = 2.25 + 4 = 6.25
1
= 2.5. Luego:
X1 X 2 N ( 1 2 , X2 1 X 2 ) = N(0, 6.25) y Z
( X1 X 2 0)
N(0, 1). Se pide:
2.5
( X X 2 0) 0 0
a) P( X 1 < X 2 ) = P( X 1 - X 2 < 0) = P 1
=
2.5
2.5
2 0 X 1 X 2 0 2 0
b) P X1 X 2 2 = P 2 X1 X 2 2 = P
=
2.5
2.5
2.5
Ministerio de Salud. Informe del estado nutricional en el Per. Componente nutricional ENAHO-CENAN Julio 2009 Junio 2010,
CENAN INEI,.. Lima, Per, 2011.
63
a) El peso promedio de los nios sea menor que el peso promedio de las nias.
b) El peso promedio de los nios sea al menos 0.6 kg. ms que el peso promedio
de las nias.
Solucin
Los datos del problema son: v = 26.8 Kg., v = 2.5 Kg. y nv = 300 nios.
m = 26.7 Kg., m = 3.8 Kg. y nm = 300 nias. Luego:
X2 Var ( X v )
v2
2
Xm
Var ( X m )
nv
m2
nm
v Xm
X2
v Xm
= 0.2626. Luego:
X v X m N ( v m , X2 v X m ) = N(0.1, 0.2626) y Z
( X v X m 0.1)
N(0,
0.2626
1). Se pide:
( X X m 0.1) 0 0.1
a) P( X v < X m ) = P( X v - X m < 0) = P v
=
0.2626
0.2626
P X v X m 0.6
=
0.2626
0.2626
= 1 P(Z < 1.90) = 1 - (1.90) =
= 1 0.97128 = 0.02872 Rpta.
Interpretacin.- en el 2.87% de las ( en 287 de cada 10000) muestras de 300
nios y 300 nias peruanos de 9 aos de edad, el peso promedio de los nios
ser al menos 0.6 kg. ms que el peso promedio de las nias.
14. Una empresa azucarera embolsa azcar con un contenido medio de 50 kg. y
desviacin estndar de 0.5 kg. Para el control de calidad se toman muestras
64
X2 Var ( X 1 )
1
12
n1
22
n2
= (0.5)2 / 50 =
0.005
AXB
= 0.1225. Luego:
X1 X 2 N ( 1 2 , X2 1 X 2 ) = N(0, 0.015) y Z
pide:
( X1 X 2 0)
N(0, 1). Se
0.1225
= P
=
0.1225
0.1225
0.1225
= P(-1.63 < Z < 1.63) = 2 (1.63) - 1 =
= 2 (0.94845) 1 = 0.8969 Rpta.
Interpretacin.- en el 89.69% de las ( en 8969 de cada 10000) muestras de 25
bolsas de la produccin diurna y 50 de la produccin nocturna, la produccin
media de las bolsas de ambos turnos difieren en menos de 0.2 kg.
15. En las tiendas Metro el 70 % de las compras es en alimentos y bebidas. Si se
seleccionan muestras aleatorias de 200 compras. Calcule e interprete:
a) La probabilidad de que el porcentaje de compras en alimentos y bebidas sea
mayor al 80%.
b) entre que lmites simtricos alrededor del verdadero porcentaje de compras
en alimentos y bebidas caer el 99% de los porcentajes muestrales?
Solucin
Los datos del problema son: P = 0.70 = proporcin de las compras en alimentos y
bebidas en las tiendas Metro, Q = 0.30,
p
Z
X
i 1
X
PQ
N P,
= N(0.70; 0.00105) y
n
n
pP
p 0.70
p 0.70
~ N(0, 1). Se pide calcular:
PQ
0.00105 0.0324
n
0.0324
0.0324
= 1 - P(Z 3.09) = 1 - (3.09) = 1- 0.9990 = 0.0010 Rpta.
Interpretacin.- en el 0.10 % de las ( en 10 de cada 10000) muestras de 200
compras en las tiendas Metro, el porcentaje de compras en alimentos y bebidas es
mayor al 80%.
b) Sean 0.70 E y 0.70 + E los lmites simtricos alrededor de la proporcin
verdadera P = 0.70, dentro de los cuales estar el 99 % de las p (proporciones
muestrales). Entonces:
0.99 = P(0.70 E p 0.70 + E) = P(
E
E
Z
)=
0.0324
0.0324
E E
E
E
=
2
1
0.995
0.0324 0.0324
0.0324
0.0324
E
Z0.995 2.575 E 2.575(0.0324) 0.083 . Luego los lmites sern:
0.0324
0.70 E = 0.70 0.083 = 0.617
Rpta.
66
n = 500 clientes.
p
Z
X
i 1
X
PQ
N P,
= N(0.40; 0.0012) y
n
n
p P p 0.40 p 0.40
~ N(0, 1). Se pide calcular:
PQ
0.0012 0.0346
n
a) P ( 0.36 p 0.45 ) = P
=
0.0346
0.0346
0.0346
= P(-1.16 Z 1.45) = (1.45) - (-1.16) =
= 0.92647 0.12302 = 0.80345 Rpta.
Interpretacin.- en el 80.35 % de las ( en 8035 de cada 10000) muestras de 200
clientes de las tiendas Saga, el porcentaje de clientes varones est entre 36% y
45%.
b) La distribucin de la proporcin muestral de mujeres q es:
n
q
Z
X
i 1
X
PQ
N Q,
= N(0.60; 0.0012) y
n
n
q 0.60
~ N(0, 1). Se pide calcular lmites simtricos.
0.0346
E
E
Z
)=
0.0346
0.0346
E E
E
E
=
2
1
0.975
0.0346 0.0346
0.0346
0.0346
67
E
Z0.975 1.96 E 1.96(0.0346) 0.068 . Luego los lmites sern:
0.0346
0.60 E = 0.60 0.068 = 0.532
Rpta.
n = 1000 hogares.
p
Z
X
i 1
X
PQ
N P,
= N(0.60; 0.00024) y
n
n
p P p 0.60 p 0.60
a) P (p < 0.57 ) = P
=
0.0155
0.0155
= P(Z < - 1.94) = (-1.94) = 0.02619 Rpta.
Interpretacin.- en el 2.62 % de las ( en 262 de cada 10000) muestras de 1000
hogares, menos del 57% de los hogares consume mantequilla.
b) Sean 0.60 E y 0.60 + E los lmites simtricos alrededor de la proporcin
verdadera P = 0.60, dentro de los cuales cae el 99 % de las proporciones
muestrales de hogares que consume mantequilla p. Entonces:
68
E
E
Z
)=
0.0155
0.0155
E E
E
E
=
2
1
0.995
0.0155 0.0155
0.0155
0.0155
E
Z 0.995 2.575 E 2.575(0.0155) 0.04 . Luego los lmites sern:
0.0155
0.60 E = 0.60 0.04 = 0.56
Rpta.
+
=
= 0.0019. Luego:
300
150
nA
nB
69
pB pA ~ N(0.10 ; 0.0019) y
pB pA ( PB PA )
B pA
pB pA 0.10
~ N(0 ,
0.044
1)
Se pide calcular:
0.044
0.044
PM QM PH QH (0.2)(0.8) (0.25)(0.75)
+
=
= 0.0027. Luego:
200
100
nM
nH
70
pM pH ~ N(-0.05 ; 0.0027) y Z
pM pH ( PM PH )
pH
pM pH 0.05
~ N(0 ,
0.052
1)
Se pide calcular:
0.052
0.052
+
=
= 0.0024. Luego:
250
150
nA
nB
71
pA pB ~ N(-0.05 ; 0.0024) y Z
pA pB ( PA PB )
A pB
p A pB 0.05
~ N(0 ,
0.049
1)
Se pide calcular:
0.049
0.049
72
12. En una universidad la edad promedio de los alumnos del turno de la maana es de
22 aos con una desviacin estndar de 3 aos, mientras que los del turno de la
noche tienen una edad media de 28 aos con una desviacin estndar de 5 aos. Si
se toma una muestra aleatoria de 50 alumnos de cada turno, calcule e interprete la
probabilidad de que la edad promedio de los alumnos de la maana es superior a
la edad media de los de la noche.
13. El 60% de los ciudadanos esta de acuerdo con la gestin presidencial. Si se toma
una muestra aleatoria de 500 ciudadanos, calcule e interprete:
a) La probabilidad de que ms del 65% est de acuerdo con la gestin
presidencial.
b) Dentro de que lmites simtricos, alrededor de la verdadera proporcin de
ciudadanos esta de acuerdo con la gestin presidencial, esta el 95% de las
proporciones muestrales.
14. En Lima el 60% de los hogares usa gas como combustible para cocinar. Si se
toma una muestra aleatoria de 1000 hogares. Calcule e interprete:
a) La probabilidad que ms del 65% de los hogares use gas.
b) Dentro de que lmites simtricos, alrededor de la verdadera proporcin de
hogares que usa gas, estar el 99% de las proporciones muestrales.
15. En Lima el 30% de los hogares compra peridicos y/o revistas. Si se toma una
muestra aleatoria de 1000 hogares. Calcule e interprete:
a) La probabilidad de que ms del 34% de hogares compre peridicos y/o
revistas.
b) Dentro de que lmites simtricos alrededor de la proporcin verdadera caer
el 99.73% de las proporciones muestrales de hogares que compra peridicos
y/o revistas?
16. El 70% de empleados pblicos es casado. Si se toma una muestra aleatoria de 64
empleados, calcule e interprete:
a) La probabilidad de que ms del 85% est casado.
b) Dentro de que lmites simtricos, alrededor de la verdadera proporcin de
empleados pblicos casados, estar el 95% de las proporciones muestrales.
75
17. El 70 % de las compras con tarjeta de crdito en tiendas Ripley son superiores a
$200. Si se seleccionan muestras aleatorias de 100 compras; Calcule e interprete:
a) La probabilidad que las muestras tengan entre 65% y 80 % de compras
mayores que $200?
b) Entre que lmites simtricos del porcentaje de compras mayores de $200 en
la poblacin caer el 99% de los porcentajes muestrales?
18. Dos empresas producen equipos de sonido, la empresa A produce por trmino
medio 10% de defectuosos, mientras que la empresa B produce un 20%. Si se
extrae una muestra aleatoria de 400 y 200 unidades respectivamente, calcule e
interprete la probabilidad de que el porcentaje de equipos defectuosos producidos
por la empresa A difiere de los defectuosos producidos por la empresa B en 7% o
menos.
19. En un estudio pasado se determin que el porcentaje de hombres que est de
desacuerdo con la construccin de un gimnasio era del 12%, mientras que el
porcentaje de mujeres en desacuerdo era del 10%. Si se toma una muestra
aleatoria de 100 hombres y 100 mujeres, calcule e interprete la probabilidad de
que el porcentaje de hombres en desacuerdo sea al menos 3% mayor que el de las
mujeres.
20. En cierta ciudad se sabe que el 25% de los hombres y el 30% de las mujeres estn
familiarizados con un producto. Si se toma una muestra aleatoria de 200 hombres
y 200 mujeres, calcule e interprete la probabilidad de que el porcentaje de
hombres familiarizados con el producto sea mayor que el de mujeres.
76
Distribucin Chi-cuadrado.
Distribucin t de student.
Distribucin muestral de la media (n < 30).
Distribucin de la diferencia de medias muestrales con varianzas
desconocidas pero iguales.
Distribucin F de Snedecor
Distribucin de la razn de dos varianzas muestrales.
Ejercicios resueltos.
Ejercicios propuestos.
f X 2 ( x) =
1
r
2
2
r
2
x 2 e x / 2
= 0
0<x<
en otros casos
Donde:
1
es entero positivo (n) = (n 1)! . Adems, .
2
f ( x)
n
( n)
x n 1e x
= 0
,x>0
, en otros casos.
Var (X) = n / 2
= E(x) = r
= Var(x) = 2r
Funcin de Distribucin Acumulativa de Probabilidades.Las probabilidades para v.a. chi-cuadrado, se calculan utilizando los valores de
la funcin de distribucin acumulativa menor o igual que, los que han sido
reproducidos en la Tabla 2 del Anexo, utilizando la hoja de clculo Excel.
As tenemos que, la probabilidad que la variable aleatoria X con distribucin
P X X 2 ,
P X x2
x2
f X 2 x dx
x2
r
2
2
r
2
y representada en la figura 2.
79
x 2 e 2 dx
Note que P x x2 1
Puesto que existe una distribucin chi-cuadrado diferente para cada valor de r,
resulta imprctico proporcionar tablas de reas completas. En lugar de esto, la
tabla 2 de la distribucin acumulativa chi-cuadrado, presenta un resumen de la
informacin ms esencial acerca de la distribucin. En el encabezado de la
columna de la izquierda, dice grados de libertad (G.L.) y cada fila de esta tabla
corresponde a una distribucin chi-cuadrado particular, con sus probabilidades
(p) en la parte superior de esta tabla.
En la hoja de clculo Excel se determina las probabilidades y los valores de
chi-cuadrado as:
a) DISTR.CHI: devuelve la probabilidad de una variable aleatoria continua
siguiendo una distribucin chi cuadrado de una sola cola. La distribucin
chi cuadrado est asociada con la prueba chi cuadrado.
Sintaxis: DISTR.CHI(x;grados_de_libertad)
X es el valor al que desea evaluar la distribucin.
Grados_de_libertad es el nmero de grados de libertad = r.
Observaciones :
Ejemplo:
DISTR.CHI(18,307;10) es igual a 0,050001
80
cuadrado.
Grados_de_libertad es el nmero de grados de libertad.
Observaciones
Si
el
argumento
probabilidad
<
probabilidad
>
1,
b) P[ X > 31.4 ];
Solucin
Para obtener las probabilidades solicitadas, en la fila de 20 g.l de la tabla 2 se
buscan los valores dados para X y se leen las probabilidades (acumuladas
menores que) correspondientes en el encabezamiento de las columnas as:
a) P[X < 10.9] =
P X x02.05
= 0.05
Rpta.
= P X x02.95 P X x02.01
= 0.95 0.01 = 0.94
Rpta.
x2
19.8
0.90
20
22.4
0.95
52
0.2
52 p 46.8 0.2
p 0.90
p 0.9038
Rpta.
Ejemplo 4.2
Si X es una variable aleatoria con distribucin x25
. Hallar a y b tal que:
P[a X b] = 0.95
P[ X a ] = 0.025
Solucin
a = x02.025 , 25 = 13.1
Para r = 25 g.l.,
Rpta.
P[X b] = 0.975
b = x02.975 , 25 = 40.6
Rpta.
Y = Z = (X - )/ es una x12 .
aleatoria,
n
Sabemos que X
X
i 1
N(0,1) entonces, Z 2
~ N ( ,
X n
X n es
) y por lo tanto Z
n
x12 .
Ejemplo 5.Si X ~ N(12, 5). Calcule e interprete P[13.55 (X 12) < 19.20 ]
83
Solucin
Como X ~ N (12, 5) entonces la variable aleatoria
X 12
5
~ x12 .
Luego:
13.55 X 12 19.20
P[13.55 (X 12) < 19.20 ] = P
=
5
5
5
= P[2.71 x12 < 3.84 ] = P[ x12 3.84 ] - P[ x12 2.71 ] =
= 0.95 - 0.90 = 0.04
Interpretacin: el
Rpta.
observados de X ~ N (12, 5)
X X 12 X 22 ... X p2
p
Teorema 3.-
Sea X1, X2, ..., Xn, una muestra aleatoria de una variable
2
Y xi / ~ x n2
i 1
n 1S
i 1
xi X
~ x n21 .
x
i 1
tiene una distribucin xn2 ,
puesto que cada trmino (xi - )/ son variables aleatorias normales estndar
e independientes (teorema 3).
Consideremos:
n
i 1
i 1
X i X i X X
n
i 1
i 1
i 1
X i X X 2 X X i X
n
X
i 1
X n X
X i X i X
X
i 1
i 1
/n
n 1S X
/n
son independientes, y
X
i 1
n 1S
2
es x n 1 .
Ejemplo 6.Suponga que X1, X2, ......,X10 es una muestra aleatoria de una variable
aleatoria normal estndar. Calcule e interprete:
10
a) P 2.56 X i2 18.3
110
Solucin
entonces X2 i ~ X 12 y por lo tanto
X
i 1
2
i
85
~ X 102
10
Rpta.
X
i 1
9S 2
2
i
9 x1.88
) = P( X 92 16.92) = 0.95
1
Rpta.
Z
X2
r
Z r
~ tr
Y
86
r 1
r 1
2 t 2
f t
1
,
r r
r
2
- < t <
r
r2
r>1
r>2
= 0 y vara de menos
r
, que
r2
PT t
0<<1
PT t f t dt
t
r 1
r 1
2 1 2 dt
r r
r
2
libertad.
Colas
Ejemplo:
DISTR.T(1,96;60;2) es igual a 0,054645 5,46%
b) DIST.T.INV : Devuelve el valor t de la distribucin t de Student como
funcin de la probabilidad y los grados de libertad.
Sintaxis:
DISTR.T.INV(probabilidad;grados_de_libertad)
Probabilidad:
89
grados
de
libertad
puede
calcularse
con
Rpta.
T = - T(1 - )
T(1 - )
P[ T -a ] = 1 - P[ T a ]
Ejemplo 8.Sea T una variable aleatoria que tiene una distribucin t con varianza =
5
.
3
r
5
, entonces r = 5 y T ~ t5 . Luego:
r 2 3
Rpta.
Ejemplo 9.Sea T una variable aleatoria que tiene una distribucin t con 23 grados de
libertad. Hallar el valor de a tal que: P[T a ] = 0.95
91
Solucin
0.95 = P [T a ] = P[-a T a ] =
= P[T a] P[T - a]
= P[ T a ] [ 1 P[T a ]
= 2P[Ta]1
P[ T a ] = 0.975
Rpta.
X
~ N(0,1).
/ n
1.
La variable aleatoria Z
2.
La variable aleatoria x 2
3.
(n 1)S 2
~ x 2n 1
(teorema 4).
(teorema 4).
X
T
Z
x2
g.l.
n 1S / n 1
X
S
~ tn-1
4X
P C
C 0.95
S
Solucin
En el problema propuesto, T
( X ) n ( X ) 17
~ t 16. Entonces:
S
S
C 17 X 17 C 17
= P
=
4
S
4
4X
C
0.95 = P C
S
C 17
C 17
C 17
C 17
= P
t16
= P t16
- P t16
=
4
4
4
4
C 17
= P t16
4
1 P t16
C 17
0.95 = 2 P t16
- 1
4
C 17
t16 , 0.975 2.12
4
C 17
C 17
P t16
= 0.975
4
C = 2. 0567
Rpta.
X Y X Y X Y X Y
n
2.
1 1
n m
~ N (0 , 1 )
La variable aleatoria:
n
n 1S
U
2
X
X
i 1
93
~ x 2n 1
U es independiente de X e Y .
3.
La variable aleatoria:
n
m 1SY2
V
Y Y
i 1
~ x2m 1
V es independiente de X , Y y S X2 .
4.
n 1S X2
m 1SY2
~ x2n m 2
Con los resultados encontrados en (1) y (4); siendo las variables Z normal
estndar y U + V chi-cuadrado e independientes; usando la definicin de la
variable aleatoria T se obtiene la distribucin de la diferencia de medias
muestrales X - Y siguiente:
X Y X Y
T
U V
nm2
1 1
n m
(n 1) S X2 (m 1) SY2 / 2
nm2
X Y X Y
n 1S X2 m 1SY2 1 1
~ t n+m-2
Simplificando:
nm2
94
y r
U / r1
V / r2
r r 1 2
r1
1
1 2 r1 2 r2 2
x2
2
.
r1 r2 x r r r1 2 r2
1
2
2 2
r
fF (x) =
= 0
0<x<
en otros casos
Fig. 6
95
F E F
r2
r2 2
F2 VarF
2r22 r1 r2 2
,
r1 r2 2r2 4
r2 > 2
r2 > 4
PF f
PF f
0
f F x dx
r r 1 2
r1
1
1 2 r1 2 r2 2
2
x
2
.
dx
r1 r2 x r r r1 2 r2
1
2
2 2
r
96
U / r
V / r
1
2
P
F ,r ,r P
V
/
r
U
/
r
f ,r ,r
2
1
1 2
1 2
V / r2
1
= 1 P
U / r1 f ,r1 ,r2
V / r2
1
P
1
U / r1 f ,r1 ,r2
Pero,
1 V / r2
~ Fr2 , r1
F U / r1
V / r2
P
f1 ,r2 ,r1 1
U / r1
................ (1)
............... (2)
f1 , r2 , r1
1
f , r1 , r2
f , r1 , r2
1
f1 , r2 , r1
Ejemplo 10.Sea F una variable aleatoria que tiene una distribucin F con r1 y r2 grados de
libertad. Hallar :
a) PF 15.0 ,
con r1 = 7,
r2 = 4
b) PF 3.69 ,
con r1 = 5,
r2 = 8
c) P[F 0.0358 ],
con r1 = 3,
r2 = 6
r2 = 5
Solucin
Usando la tabla F:
a) P[F 15.0 ] = 1 P[F 15.0 ] = 1 P[F f0.99, 7, 4 ] =1 0.99 = 0.01
Rpta.
b) P[F 3.69 ] = P[F f0.95, 5, 8 ] = 0.95
Rpta.
1
1
1
c) P[F 0.0358] = P
1 P 27.9
F 0.0358
F
d) P[F b] = 0.975
b = f0.975, 7, 5 = 6.85
Rpta.
Rpta.
1 1
1 1
P[F a] = P 1 P 0.025
F a
F a
1 1
P 0.975 ,
F a
Luego:
1
f.0975, 5, 7 5.29 , de donde a = 0.189
a
1/F ~ F 5, 7
Rpta.
n 1S X2
U
2
X
X
i 1
X
2
X
~ x 2n 1
m 1SY2
Y2
Y Y
i 1
Y2
~ x2m 1
n 1S X2 / n 1
U / (n 1)
X2
V / (m 1) m 1SY2
Y2
/ m 1
99
S X2 / X2 S X2 Y2
~ Fn1,m-1
SY2 / Y2 SY2 X2
Rpta.
0.900
7.26
25.0
x2
22.3
0.90
23.5
25.0
0.95
54
Luego:
0.95 0.90
p 0.90
1.2
54 p 48.6 1.2
p 0.90
p = 0.9222
Rpta.
d) P(X a) = 0.025
2
a = x0.025
, 15 = 6.26
Para r = 15 g.l.,
Rpta.
Luego:
2
b = x0.975,
15 = 27.5
Rpta.
0.95
a = 6.26
b = 27.5
X
2.
101
a) Se sabe que X
X
i 1
N(0,1) entonces, Z 2
~ N ( ,
X n es
) y por lo tanto Z
n
X n X x21 ~
18
2
1
18
18
18
2
(n 1)S 2
n21 entonces,
202
18
18
20S 2 20a
2 20a
P
P 20
18
18
18
20a
2
20,
0.05 10.9 .
18
20S 2 20b
2 20b
P
P 20
18
18
18
20b
22 0 , 0 . 931.4
.
5
18
De una poblacin X: N(u, 18), se extrae una muestra aleatoria de tamao n = 21.
Calcule e interprete:
21
a) P [208.7 <
(X i - )2 < 638.7]
i 1
102
(X
i 1
2
i )
n2
(X
i 1
)2
18
212 .
P [208.7 <
i 1
21
2
208.7 ( X i )
638.17
=
i 1
(X i - )2 < 638.7] = P
18
18
18
= P [11.6 < 212 < 35.5] = P[ 212 35.5] - P[ 212 11.6] = 0.975 0.05 =
0.925.
Interpretacin.- en el 92.5% de las muestras de tamao 21, de una poblacin
X
(n 1)S 2
2
n 1
202
18
18
20 x9.77 20 S 2 20 x30.78
P (9.77 < S2 < 30.78) = P
18
18
18
= P[10.9 < 212 < 34.2] = P[ 202 34.2] - P[ 202 10.9] = 0.975 0.05 =
0.925.
Interpretacin.- en el 92.5% de las muestras de tamao 21, de una poblacin
X N(u, 18 ), las varianzas muestrales (S2) se encuentra entre 9.77 y 30.78.
4.
Suponga que el nmero de horas semanales que las amas de casa ven TV tiene
distribucin normal con una varianza de 3. Al escoger una muestra de 17 amas
de casa y registrar el nmero de horas a la semana que ven TV, calcule e
103
(n 1)S 2
n21 entonces,
162
3
3
16S 2 16 x5.4
Rpta.
La duracin de los transistores fabricados por una compaa tienen una media de
2000 horas y una desviacin tpica de 60 horas. Se selecciona 10 transistores al
azar, calcule e interprete la probabilidad que la desviacin tpica muestral se
encuentre entre 50 y 70 horas.
Solucin
Sean X = duracin de los transistores, = 2000, 2 = (60)2 = 3600 y n = 10.
Se sabe que:
(n 1)S 2
2
n 1
(10 1)S 2 S 2
entonces,
92
3600
400
2500 S 2 4900
P(50 S 70) = P (2500 S2 4900) = P
=
400 400 3600
= P[6.25 92 12.25] = P[ 92 12.25] P[ 92 6.25] = 0.80 - p
Como en la tabla 2, de chi-cuadrado, para 9 grados de libertad, no est el valor
6.25, pero ste se encuentra entre los valores 5.38 (con probabilidad 0.20) y 6.39
(con probabilidad 0.30) para hallar p interpolamos as:
104
x2
5.38
0.20
6.25
6.39
0.30
10.1
0.30 0.20
p 0.20
0.87
10.1 p 2.02 0.87 p = 0.2861
p 0.20
Rpta.
a) P 7.26 X i2 27.5
i 1
15
X
i 1
2
i
~ X 152 .
(n 1)S 2
n21 entonces,
(15 1)S 2
14 S 2 142
1
a) P 21.8 ( X i X )2 175
i 1
Solucin
x X
n
a) Si 2
n 1 S
i 1
x X
9
n21 entonces
i 1
10
82 .
( X i X )2
9
21.8 i 1
175
P 21.8 ( X i X )2 175 = P
10
10
10
i 1
106
Y
b) Para una muestra de una poblacin normal, se sabe que:
i 1
m2
Y
entonces
i 1
12
(Yi )2
4
5.81
133.2
=
i 1
Rpta.
107
Rpta.
0.940
-1.734
0
T
2.552
1.33
0.90
1.53
1.734
0.95
8.08
Luego:
0.95 0.90
p 0.90
0.2
8.08 p 7.272 0.2 p = 0.9248
p 0.90
Rpta.
0.95
0.025
0
9.
0.025
-2.101
0
T
2.101
X
X
X
tn1 , entonces: T
t24
0.18 / 25 0.036
S/ n
X 0.085
P X 0.085 = P
P( T24 2.361) =
0.036
0.036
2.064 0.975
2.131
0.990 0.975
p 0.975
p 0.975
2.492
0.990
es la media
X 10
N (0, 1) .
10
(10 1)SY2
92
40
G.L
cuadrado. Reemplazando Z y la 92 en la expresin anterior se obtiene:
X 10
2( X 10)
10
T
t9
SY
9SY2 / 40
9
110
- 10) = P ( X - 10 a SY ) = 1 - P ( X - 10 a SY )
2( X 10)
2a = P(T9 2a)
0.05 = P ( X - 10 a SY) = P
SY
X
X
X
tn1 , entonces: T
t24
0.3
1.5 / 25
S/ n
X 0.57
P X 0.57 = P
P( T24 1.9) =
0.3
0.3
. (2)
1.711
0.95
1.9
2.064 0.975
0.975 0.95
p 0.95
p 0.95
Rpta.
X 0
2 7 X N (0, 1) .
1/ 28
(9 1)SY2
24SY2 82
1/ 3
G.L
cuadrado. Reemplazando Z y la 82 en la expresin anterior se obtiene:
2 7X
24SY2
8
3.055 X
t8
SY
3.055 X 3.055
X X
X
tn1 , entonces: T
t24
1.6
8 / 25
S/ n
X
4
P X 4 = P
P( T24 2.5) =
1.6
1.6
2
n 1
) y Xn+1 N(, ).
113
Entonces: Z
X X n1 0
(n 2) /(n 1)
2
n 1 X X n1
N (0, 1) .
n2
nS 2
n21
G.L
cuadrado. Reemplazando Z y la n21 en la expresin anterior se obtiene:
n 1 X X n1
n 2
nS 2
n 1 X X n1
tn1
n(n 2)
S
2
Comparando el resultado anterior con la expresin dada, se tiene que:
c=
n 1
n(n 2)
Rpta.
1
1
b) P(F7,8 0.268) = P
F
P(F8,7 > 3.73) = 1 - P(F8,7 3.73) =
7,8 0.268
= 1 0.95 = 0.05
Rpta.
114
1
f1 , r2 , r1
1
1
= P(F7,8 4.53) - P
0
.
268
7
,
8
Rpta.
1
f 8,7,0.975
1
= 0.204
4.90
Rpta.
Si 0.95 = P(c F7,8 d) = P(F7,8 d) - P(F7,8 c) = P(F7,8 d) 0.025
Luego: P(F7,8 d) = 0.975 entonces d = F7,8,0.975 = 4.53
Rpta.
S12 22 S12
emplea la distribucin siguiente: F 2 2 2 f n1 1,n2 1 = F7,7
S2 1 S2
P S 5S
2
1
2
2
S12
S2
5.29
0.975
6.0
7.46
0.99
e interprete: P 4 X i2 9Y j2 .
j 1
i 1
Solucin
Para hallar la probabilidad solicitada se construye una F como el cociente de dos
chi-cuadrados entre sus respectivos grados de libertad.
116
i 1
i 1
Z i2 4 X i2 72 .
Xi 0
2 X i N (0,1) .
1/ 2
Z
j 1
Yj 0
1/ 3
3Y j N (0,1) .
2
j
3Y j2 92 .
j 1
4 X i2 / 7
i 1
9
3 Y / 9
2
j
j 1
9 x4 X i2 / 7
i 1
9
7 x3 Y / 9
j 1
F7,9
2
j
4
X
9
x
4
X i2
i
7
9
9 x3
2
2
i 1
i 1
=
P 4 X i 9 Y j P 9
3 P
7
2
2
j 1
i 1
3 Y j
7 x3 Y j
j 1
j 1
5.61
0.99
5.86
0.995 0.99
p 0.99
p 0.99
6.88
0.995
p = 0.991
i 1
j 1
de la poblacin X y 9 de la poblacin Y, 4 X i2 9Y j2 .
19. Dos compaas A y B fabrican transistores. La duracin para los fabricados por
A tienen una desviacin estndar de 40 horas, en tanto que los B tienen una
desviacin estndar de 50 horas. Se toma una muestra de 8 transistores de A y
117
S A2 B2 S A2 40 2
S A2
0
.
64
f n A 1,nB 1 = F7,15
S B2 A2 S B2 50 2
S B2
S2
S2
P S A2 4.23S B2 P A2 4.23 P 0.64 A2 4.23x0.64 = P(F7,15 > 2.71) =
SB
SB
S X2 Y2 S X2 225
S X2
2
.
25
f n X 1,nY 1 = F11,7
SY2 X2
SY2 100
SY2
S2
S2
P S X2 1.6SY2 P X2 1.6 P 2.25 X2 2.25 x1.6 =
SY
SY
3.
30
(X
i 1
) 2 876 ]
b) P ( 11.04 S2 31.52 )
4.
Se sabe que los pesos de ciertas latas de atn se distribuyen normalmente con una
desviacin estndar de 2 gramos. Si se toma una muestra de 12 latas, calcule e
interprete la probabilidad de que la varianza de la muestra sea menor que 8.5
(gr.)2.
5.
La duracin de los focos producidos por una compaa tienen una media de 1500
horas y una desviacin tpica de 80 horas. Se seleccionan 23 focos al azar, calcule
e interprete la probabilidad de que la desviacin estndar muestral se encuentre
entre 60 y 100 horas.
6.
7.
De una poblacin X: N(u, 18), se extrae una muestra aleatoria de tamao n = 25.
Calcule e interprete:
25
a) P [327.5 <
(X i - )2 < 978.8 ]
i 1
119
9.
10
a) P 30.1 ( X i X )2 190.0
i 1
a) P(T -1.714)
b) P(-1.319 T 2.5)
c) P(T > 1.319)
d) Hallar a y b tal que P(T -t0) = 0.05 y P(-t0 T t0) = 0.90.
10. Un inspector investiga las acusaciones contra una fbrica de gaseosas porque no
llena bien sus envases. Una muestra de 16 botellas de gaseosa indica una
desviacin tpica S = 0.18 litros. Calcule e interprete la probabilidad de que el
promedio muestral difiera de su media poblacional en menos de 0.096 litros.
11. De una poblacin X: N(0, ) se extrae una muestra aleatoria de tamao 10.
Determine el valor de la constante k tal que: P (k x > SX) = 0.05. Donde x es la
media muestral de las X y SX es la desviacin estndar muestral de las X.
12. Para analizar el tiempo de atencin por cliente en un establecimiento grande, se
tom una muestra aleatoria sin reemplazo de 25 atenciones con lo cual se obtiene
un tiempo promedio de 7.5 minutos y una varianza S2 = 2.25 minutos2. Calcule e
interprete la probabilidad de que el promedio muestral difiera de su media
poblacional en menos de 0.513 minutos.
13. De una poblacin X: N(, ), se extrae una muestra aleatoria de n+1
observaciones. Encontrar c tal que el estadstico c( x Xn+1
)/S
tenga
interprete: P 2 X i2 7Y j2
j 1
i 1
19. Dos compaas A y B fabrican transistores. La duracin para los fabricados por A
tiene una desviacin estndar de 40 horas, en tanto que los B tienen una
desviacin estndar de 50 horas. Se toma una muestra de 10 transistores de A y 10
de B. Calcule e interprete la probabilidad que la varianza de la muestra A sea al
menos dos veces ms grande que la B.
20. Dos compaas A y B fabrican focos. La duracin de los fabricados por A tiene
una desviacin tpica de 40 horas, en tanto que los B tienen una desviacin
estndar de 50 horas. Se toma una muestra aleatoria de 10 focos de A y 10 de B.
Calcule e interprete la probabilidad que la varianza de la muestra A sea mayor que
tres veces la varianza de la muestra B.
121
Estimadores. Propiedades.
Mtodos de estimacin puntual.
Mtodo de mxima verosimilitud.
Mtodo de los momentos.
Mtodo de los mnimos cuadrados.
Ejercicios resueltos.
Ejercicios propuestos.
F(x1 , x2 , .... , xn ).
Ejemplo 1.- Con el fin de estudiar si un dado es o no equilibrado, se arroja el dado
100 veces en forma independiente, obtenindose 21 ases. Qu valor podra
utilizarse, en base a esa informacin, como estimacin de la probabilidad de as?
Parece razonable utilizar la frecuencia relativa de ases.
En este caso, si llamamos p a la probabilidad que queremos estimar,
p = 21 / 100 = 0.21.
Propiedades de los estimadores
Observemos que dada una m.a. X1 , X2 , .... , Xn un estimador puntual del
parmetro obtenido en base a ella, es una v.a. . La diferencia - es el
error de estimacin y una estimacin ser ms precisa cuanto menor sea este
error.
Este error es tambin una v.a. dado que depende de la muestra obtenida. Para
algunas muestras ser positivo, para otras negativo. Una propiedad deseable es
que la esperanza del error sea 0, es decir que en promedio el error obtenido al
estimar a partir de diferentes muestras sea cero.
a) Insesgamiento.- un estimador puntual del parmetro es insesgado si:
E( ) = .
Si no es insesgado, a la diferencia E( ) = b ( ) se le denomina sesgo de
.
123
X
i 1
, y
Xi 1 n
1 n
1
E ( X ) E i 1 E ( X i ) (n )
n i 1
n
n n i 1
varianza poblacional 2 es
( X
i 1
X )2
( X I X )2
n
n
1 E X 2 nX 2 1 E X 2 E X 2
E ( 2 ) E I 1
i
i
n
n
i 1
n i 1
n
2
2
E X i2 E X 2 V ( X i ) E ( X i ) V ( X ) E ( X )
n
=
2
E ( 2 )
Es decir que:
n
Luego 2
( X
i 1
n 1 2
n 1 2
X )2
2.
b) Insesgamiento asinttico.- Un estimador puntual del parmetro , basado en
una muestra aleatoria X1 , X2 , .... , Xn , es insesgado asintticamente si:
124
lm
n
E()
En el ejemplo 3, si bien 2
( X
i 1
X )2
no es un estimador insesgado,
( X
i 1
X )2
n 1
es un
0 ,
lm
P n 1
n
n
X
i 1
es un estimador
X N (, 2 / n) . Y la variable aleatoria
( X )
tiene aproximadamente distribucin N(0, 1) ; tenemos que:
/ n
n
n
n
1
P X P X P
Z
2
Luego:
n
lm
lm
1 = 2 (1) 1 = 1
2
P X =
n
n
125
X
i 1
es un estimador consistente de la
del
parmetro
su
error
cuadrtico
medio
es:
2
ECM () E
Proposicin.-
2
2
= E[ E( E() 2 E(E() ]
E[ E( ] E[E() ] 2E E(E()
2
ECM () E[ E ( ] [E () ] 2E E ( E ()
V ()
[b()]2
0
2
estimador sesgado tiene una varianza mucho menor que el insesgado, podra ser
preferible su uso.
Ejemplo 5.Suponga que 1 y 2 son dos estimadores de con E ( 1 ) = , E( 2 )
= /3, Var ( 1 ) = 6 , Var ( 2 ) = 2. Cul es mejor estimador de ? por
qu?
Solucin.El estimador 1 es insesgado, por lo tanto: ECM ( 1 ) = Var ( 1 ) = 6 ........
(1)
El estimador 2 es sesgado, por lo tanto:
ECM ( 2 ) = Var( 2 ) + [ E ( 2 ) - ]2 = 2 + [/3 - ]2 = (18 + 4 2) / 9 ...
(2)
< (18 + 4 2) / 9
> 3.
Es decir que 1 ser mejor estimador que 2 si > 3, porque tiene menor
ECM; en caso contrario, si
Rpta.
Ejemplo 6.Sea X1 , X2 , .... , Xn una m.a. de una poblacin X ~ N( , 2 ) . Se puede
verificar inmediatamente que los siguientes estimadores, son estimadores
insesgados de .
1 X ,
X1 X 2
2
3 X 1
127
V (1 )
2
n
, V ( 2 )
y V ( 3 ) 2
Var() B( )
1
d
nE ln f ( x;
d
X
i 1
estima a P.
Xi 1 n
1 n
1
E ( p) E i 1 E ( X i ) P (nP) P
n i 1
n
n n i 1
n
n
X i Var( X i )
i 1
Var( p) Var i 1
n2
n
Var( X i )
i 1
(propiedad de la varianza)
PQ
i 1
nPQ PQ
n2
n
f(x; P) = P x (1 P) 1 - x , x = 0 , 1
ii)
ln f(x; P) = x ln P + (1 x) ln (1 P)
iii)
d
x 1 x
xP
ln f ( x; P)
dP
P 1 P P(1 P)
iv)
( x P)2 Var( X )
PQ
1
d
E ln f ( x; P) E 2
2 2 2 2
2
PQ
PQ
PQ
dP
P (1 P)
v)
B( P)
1
d
nE ln f ( x; P)
dP
1
PQ
= Var (p)
n
1
n
PQ
129
f ( x ; )
i 1
http://buscon.rae.es/drae/ Real Academia Espaola Todos los derechos reservados. Vigsima segunda edicin (2001).
Verosmil: 1. Adj. Que tiene apariencia de verdadero. 2. Adj. Creble por no ofrecer carcter alguno de falsedad.
130
L = ln V() =
ln f ( x ; )
i 1
0 = F (x1 , x2 , .... , xn )
i 1
L
0 ,
1
L
L
0 , .... ,
0
2
r
f ( xi ; P) P xi (1 P)1 xi , xi = 0 , 1 ; i = 1, 2, . , n
iii) La funcin de verosimilitud V(P) est dada por:
V(P) = f (x1 , x2 , .... , xn ; P) = f (x1 ; P) f (x2 ; P) .... f (xn ; P) =
n
f ( x ; P) = P
i 1
xi
X
n
X
(1 P)1 xi = P i (1 P) i
i 1
x
ln
P
i
xi ln(1 P)
i 1
i 1
iv) L = ln V(P) =
131
xi
v)
n xi
L i 1
i 1
P
P
1 P
1 P
n xi
i 1
x
i 1
P p
Luego:
x
i 1
Rpta.
E ( X k ) x k p( x) en el caso discreto, y
x
E( X k )
M 'k
X
i 1
k
i
E ( X k ) M 'k
X
i 1
k
i
k = 1, 2, .... , m
Ejemplo 9.Sea X1, X2, .... , Xn, una m.a. de una distribucin exponencial de parmetro .
Como hay un solo parmetro a estimar, basta plantear una ecuacin basada en
el primer momento.
Es decir, M1 = E (X).
Sabemos que para la distribucin exponencial E ( X )
Entonces:
M
'
1
X
i 1
E( X )
X
i 1
1
X
e
i 1
2
i
i 1
i 1
ei2 (Yi a bX i ) 2
Se toman derivadas parciales con respecto a a y con respecto a b, se igualan a cero
as:
n
d n 2
ei 2 (Yi a bX i )(1) 0
da i 1
i 1
133
n
d n 2
e
2
(Yi a bX i )( X i ) 0
i
db i 1
i 1
i 1
i 1
na b X i Yi
.. (1)
i 1
i 1
i 1
a X i b X i2 X i Yi .. (2)
Cuya solucin proporciona los siguientes estimadores: de b y a:
n
X Y nX Y
i 1
n
i i
X
i 1
a Y b X
y
2
i
nX
134
1.
(X
i 1
X )2
n 1
es un estimador
i 1
i 1
( X i X ) 2 X i2 nX 2
n 2
n 2
n
2
2
( X I X ) 2 E X i nX E X i nE X
i 1
i 1
E ( 2 ) E (s 2 ) E i 1
n 1
n 1
n 1
nE X i2 nE X 2
n V ( X i ) E ( X i ) V ( X ) E ( X )
=
n 1
n 1
2
2
n 2 2
2
n
n 2 2
n 1
n 1
(n 1) 2
Es decir que: E( ) E(s )
2
n
2
Luego 2 s 2
(X
i 1
X )2
n 1
2.
2.
Pero,
X
i 1
ECM ( X ) V ( X )
2
n .
X es un estimador ms eficiente.
3.
Las cajas de un cereal producido por una fbrica deben tener un contenido de 16
onzas (una libra). Un inspector toma una muestra aleatoria simple que arroja los
siguientes pesos en onzas: 15.7, 15.7, 16.3, 15.8, 16.1, 15.9, 16.2, 15.9, 15.8,
15.6.
a) Cul es la estimacin puntual del peso medio poblacional de las cajas de
cereal?
b) Cul es la estimacin puntual de la varianza poblacional del peso de las
cajas?
Solucin
a) El estimador puntual de la media poblacional es la media muestral y su
estimacin es la siguiente:
n
Xi
i 1
10
X
i 1
10
= 15.9 onzas.
10
10
2 S 2
n
10
i 1
i 1
( X i X )2
i 1
n 1
X i2 nX 2
i 1
n 1
10
X
i 1
2
i
10 X 2
10 1
10
2 S 2
4.
X
i 1
2
i
10 X 2
10 1
ADULTOS
300
400
200
No sabe/No opina
100
p p
X
i 1
X N de xitos
n
n
=
n
1000
1000
0.30.
b) La estimacin de la proporcin de adultos que opinan que la economa
permanece igual es:
= 0.40
n
1000
1000
= 0.20.
n
1000
1000
= 0.10.
n
1000
1000
5.
ADULTOS
300
30
400
40
200
20
No sabe/No opina
100
10
Total
1000
100
ECM (i ) V (i ) E(i )
ECM (1 ) V (1 ) E (1 ) =
= 44 + [ - 5]2 = 44 + [2 10 + 25] = 2 10 + 69
ECM (2 ) V (2 ) E (2 ) =
= 76 + [ - 9]2 = 68 + [2 - 18 + 81] = 2 - 18 + 157
El estimador 1 es un estimador ms eficiente para que 2 si se cumple que:
ECM (1 ) ECM (2 )
8 < 88
2 10 + 69 < 2 - 18 + 157
< 11.
Suponga que tiene una muestra de tamao 2n de una poblacin X con E(X) =
2n
y Var(X) = . Sean X 1
2
Xi
i 1
X2
2n
X
i 1
es el mejor estimador de ?
Solucin
2n
Xi
i 1
2n
X2
X
i 1
, son
2n
Xi
V ( X 1 ) V i 1
2n
V ( X i )
n
Xi
V ( X 2 ) V i 1
n
V ( X )
2n
i 1
( 2 n) 2
2n
i 1
( 2 n) 2
2n 2 2
2n
( 2n ) 2
n 2 2
n
n2
i 1
n2
i 1
n2
139
7.
Sea X1, X2,..,Xn, una muestra aleatoria de una variable aleatoria X con
distribucin uniforme en el intervalo [, + 1].
a) Demuestre que la media muestral x = es un estimador sesgado de .
b) Calcule el error cuadrtico medio del estimador x .
Solucin
a) Como la variable aleatoria X tiene distribucin uniforme en el intervalo [, + 1],
entonces f ( x)
1
1 , X + 1. As mismo,
1
E( X ) EX i
1
2
2 1
( 1 ) 2 1
y V ( X ) V X i
2
12
12
Si x , entonces:
n
Xi
E ( ) E ( x ) E i 1
n
E( X i )
i 1
i 1
2 1
2 1
1
2
n
2
2
ECM ( ) V ( ) E( )
n
Xi
V ( ) V ( X ) V i 1
n
.. (b)
V ( X ) 12
i
i 1
i 1
1
n
2
12n
12n
1
1
1
1 1 3n
ECM ( )
12n
2
12n 4 12n
8.
Rpta.
1 = (X1 + X2 + . + X7 ) / 7 ;
2 = ( 2 X1 - X6 + X4 ) / 2
E ( X 1 ) E ( X 2 ) .... E ( X 7 ) .... 7
7
7
7
2E ( X 1 ) E ( X 6 ) .E ( X 4 ) 2 2
E 2
2
2
2
Por lo tanto 1 como 2 son estimadores insesgados de . Rpta.
E 1
V 1
V ( X 1 ) V ( X 2 ) .... V ( X 7 ) 2 2 .... 2 7 2
= 0.14 2.
2
49
49
7
2 2 V ( X 1 ) V ( X 6 ) .V ( X 4 ) 4 2 2 2 6 2
= 1.5 2.
V 2
2
4
4
2
Por lo tanto 1 es mejor estimador de que 2 .
9.
Rpta.
ECM (1 ) ECM (2 )
8 2
24 < 8 + 2 2 > 16 4 .
4
Rpta.
E ( 1 ) = /2, E ( 2 ) =
qu?
Solucin
141
De los dos estimadores, es mejor el que tiene menor error cuadrtico medio.
2
28
ECM (1 ) V (1 ) E (1 ) 7
2
4
2
54 4
ECM (2 ) V ( 2 ) E (2 ) 6
3
9
28 2 54 4 2
36 < 7 2 7 2 > 36
6 7
Si
7 ,
6 7
7 .
Rpta.
dV ()
= 2a 12 + 2(1 a) 22 (-1) = 0
da
f(a) =
a=
22
, punto
12 22
crtico.
f(a) =
d 2V ()
= 2 12 + 2 22 .
da 2
22
minimiza la varianza de . Rpta.
12 22
Sea X una variable aleatoria con media y varianza 2. Dadas dos muestras
aleatorias de tamaos n1 y n2 con medias muestrales X 1 y X 2 respectivamente.
a) Demostrar que: X aX1 (1 a) X 2 , 0 a 1, es un estimador insesgado de
.
b) Asumiendo que X 1 y X 2 son independientes, hallar el valor de a que
minimiza la varianza de X .
Solucin
Se sabe que la media muestral es un estimador insesgado de la media
poblacional. Entonces: E( X 1 ) = y E( X 2 ) = .
Adems, la varianza de la media muestral es igual a la varianza poblacional
entre el tamao de la muestra. Luego: V ( X 1 )
2
n1
y V (X 2 )
a) E( X ) = E[ aX 1 (1 a) X 2 ] = a E( X 1 ) + (1 a) E( X 2 ) =
= a + (1 a) = .
Entonces, X es un estimador insesgado de . L.Q.Q.D.
143
2
n2
b) V( X ) = V[ aX 1 (1 a) X 2 ] = a2 V( X 1 ) + (1 a) 2 V( X 2 ) =
Reemplazando la varianza de las medias muestrales se obtiene:
V( X ) = a2
2
2
+ (1 a)2
= f(a)
n1
n2
2
2
dV ( X )
= 2a
+ 2(1 a)
(-1) = 0
da
n1
n2
n1
a 1 a
= 0 an2 + an1 = n1 a =
, punto crtico.
n1
n2
n1 n 2
f(a) =
2
2
d 2V ( X )
=
2
+
2
.
n1
n2
da 2
2
2
f(a) = 2
+2
> 0 a es un mnimo para la V( X ).
n1
n2
Por lo tanto el valor a =
13.
n1
minimiza la varianza de X . Rpta.
n1 n 2
X e
i
Xi !
, Xi = 0, 1, 2,
i 1
X e
i
X i!
Xi e n
n
Xi !
i 1
144
Xi
i 1
L = Ln V() = Ln
e n
Xi !
i 1
n
L=
X i Ln n Ln e ln X i ! =
i 1
i 1
i 1
i 1
X i Ln n ln X i !
Xi
n0
i 1
X
i 1
= x Rpta.
b) Es eficiente el estimador de ?
Ser eficiente si es insesgado y de varianza mnima.
E ( )
1 n
1 n
n
E
(
X
)
i
n i 1
n i 1
n
V ( )
,
n
B( )
nE
ln f ( x, )
X e
f(X, ) =
X!
ln f(X, ) = X ln - ln e ln X ! = X ln - - ln X !
X
( X )
ln f ( X , ) 1
( X )
ln f ( X , )
1
1
1
E
ln f ( X , )
E ( X ) V ( X ) 2
Luego:
B( )
V ( ) .
n
1 n
n .
V ( p) f ( X1 , X 2 ,...., X n ) p(1 p)
X i 1
Xi n
p (1 p) i1
n
i 1
n
Xi n
n
i 1
= n Ln p X i n Ln (1 p)
L = Ln V(p) = Ln p (1 p)
i 1
L n
p p
X
i 1
n
0
1 p
X
i 1
15.
1
X
Rpta.
f (Xi )
1
2 2
2 2
( X i )2
; X i ; i 1,2,....,n
i 1
n
2
1 2
e
L = Ln V(,) = Ln
2
2
1
2 2
( X i )2
i 1
146
( X i )2
( X i )
1 2 2 2
i 1
e
=
2
2
n
Ln1 Ln ( 2 ) 1 ( X i ) Ln e
2
2
=
L=
n
n
1
Ln Ln 2
2
2
2
(X
i 1
(2) (1) ( X i ) 0
2
i 1
n
Luego:
(X
i 1
) 0
i 1
n 0
i 1
Por lo tanto:
Rpta.
L
n
1
2
2 2( )
(X
i 1
) = 0
( Xi ) 2
2( )
i 1
( X i )
i 1
2( )
( Xi )
i 1
Rpta.
b) Es eficiente el estimador de ?
Ser eficiente si es insesgado y de varianza mnima.
n
E( X )
X
i 1
1 n
1 n
n
E X i E( X i )
n i 1
n i 1
n
f(X, ) =
nE
ln f ( x, )
2 2
1 X
1 X
Ln f(X,) = Ln1-Ln 2
Ln e
2
2
147
V ( X )
2
n
1 X
= - Ln 2
1
( X )
ln f ( X , )
(2) ( X )(1) =
B ( )
1
( X )
n E
1
1
=
n
n
( X )
( )
n E
)
(
V (X )
Rpta.
fX (Xi )
BX 0B
, X i X 0 , i 1, 2,...., n . Donde: B = Coeficiente de Pareto > 0 y
X iB 1
Xo = Ingreso mnimo.
La funcin de verosimilitud es:
n
BX 0B
B n X 0nB
n
X iB 1
X iB1
i 1
L = Ln V(B) = Ln
B n X 0nB
n
X
i 1
B 1
i
n LnB nB LnX 0 ( B 1) Ln X i
i 1
n
n
L n
n
n Ln X 0 Ln X i 0
Ln X i n Ln X 0
B B
B i 1
i 1
n
n
n
n
Ln X i Ln X 0 Ln ( X i / X 0 )
B i 1
i 1
i 1
148
Ln ( X
i 1
17.
Rpta.
/ X0)
50
61
40
16
8
9
12
11
15
19
10
21
25
27
14
25
32
30
Solucin
Sea X1, X2, .... , Xn, una m.a. de una variable X ~ Lognormal (, 2). Entonces:
fX (Xi )
1
X i 2 2
e ( L n X i )
/ 2 2
; X i 0, i = 1, 2, ...., n.
X
i 1
n
2
1
2 2 e
Xi
1
1
2
e ( L n X i )
/ 2 2
( L n X i )2 / 2 2
i 1
; X i 0, i = 1, 2, 3, .... , n.
i 1
L = Ln V(,) = Ln
n
2
1
2 2 e
Xi
1
( L n X i )2 / 2 2
i 1
i 1
= Ln1 Ln X i
i 1
L = Ln X i
i 1
n
Ln1 Ln ( 2 ) 1 ( Ln X i ) Ln e
2
2
n
n
1
Ln Ln 2
2
2
2
( Ln X
L
1
(2) (1)
(Ln X
i 1
) 0
149
i 1
Luego:
( Ln X i ) 0
Ln X
i 1
i 1
n 0
Por lo tanto:
Ln X
i 1
Rpta.
L
n
1
2
2 2( )
( Ln X
i 1
) = 0
n
( Ln X
( Ln Xi )
2( ) i 1
2
i 1
2( )
2
Por lo tanto:
( Ln Xi )
i 1
Rpta.
Ln10 Ln 50 Ln 40 .... Ln 25 Ln 30
= 2.9538 Rpta.
n
20
Basados en una muestra aleatoria de tamao n, hallar el estimador de momentos
18.
Ln X
i 1
M
'
1
19.
Xi
i 1
E ( X )
X
i 1
Rpta.
Sea X una variable aleatoria con distribucin uniforme en el intervalo [-a , 3a].
Hallar el estimador de a por el mtodo de los momentos, basado en una muestra
aleatoria de tamao n de X.
Solucin
150
Sea X1, X2, .... , Xn, una muestra aleatoria de una variable X ~ uniforme en el
intervalo [ -a , 3a ]. Como el nico parmetro es a, basta plantear una ecuacin
basada en el primer momento.
Es decir, M1 = E (X).
Sabemos que para la distribucin uniforme en el intervalo [a, b], E(X) = (a +
b)/2. Luego: en el intervalo [ -a , 3a ], E(X) = a. Por lo tanto:
n
M
'
1
20.
Xi
i 1
E ( X ) a a
X
i 1
X Rpta.
.. (1)
M2 = E (X2) . (2)
En la distribucin normal E (X) = y E (X2) = 2 + 2. Reemplazando en las
ecuaciones anteriores se tiene:
n
En (1): M
'
1
X
i 1
E ( X )
X
i 1
Rpta.
En (2): M 2'
X
i 1
2
i
E( X 2 ) 2 2
2 2 2 X 2
X
i 1
X i2
i 1
2
i
n
n
X2
X i2 nX 2
i 1
151
(X
i 1
X )2
Rpta.
2.
Suponga que tiene una muestra de tamao n de una poblacin X con E(X) = y
n2
Var(X) = . Sean X 1
X
i 1
n2
X2
X
i 1
el mejor estimador de ?
3.
Los pesos netos (grs.) en una muestra aleatoria simple de diez latas de conserva
fueron los siguientes: 159, 162, 159, 158, 156,157, 157, 163, 158, 161
a) Cul es la estimacin puntual del peso neto medio poblacional de las latas de
conserva?
b) Cul es la estimacin puntual de la desviacin estndar poblacional del peso
neto de las latas de conserva?
4.
5.
Sea X1, X2, . , X10 una muestra aleatoria de una poblacin con media y
varianza 2. Considere los siguientes estimadores de :
1 = (X1 + X2 + . + X10 ) / 10 ;
2 = ( X1 + 3 X5 - X10 ) / 3
152
7.
E ( 1 ) = /2, E ( 2 ) =
qu?
8.
Si 1 y
Sea Y una variable aleatoria con media y varianza 2. Dadas dos muestras
aleatorias de tamaos n1 y n2 con medias muestrales y1 y y2 respectivamente.
a) Demostrar que: Y b y2 (1 b) y1 , 0 b 1, es estimador insesgado de .
b) Asumiendo que y1 y y2 son independientes, hallar el valor de b que
minimiza la varianza de Y .
154
155
1 P(a b) P( k k ) P
k2
k1
Donde:
a = Lmite inferior del intervalo de confianza.
b = Lmite superior del intervalo de confianza.
k = una constante positiva que corresponde al valor de la distribucin del estimador
para una probabilidad 1 .
1 - = Nivel de confianza (probabilidad de que el parmetro poblacional este
comprendido en el intervalo) cuyo valor se toma de 0.90, 0.95 o 0.99.
Ejemplo 1.S 1 = 0.95 se dice que se tiene un intervalo de confianza del 95% y que la
probabilidad de que el intervalo contenga el verdadero valor del parmetro es del
95%. Es decir, que si para muestras distintas y bajo el mismo procedimiento se
construye el intervalo repetidamente, 95 de cada 100 de estos intervalos, contendr el
parmetro y 5 de ellos no.
Se puede pensar que 1 significa certeza, seguridad y significa riesgo. La seguridad
menos el riesgo, es decir 1 - da, por lo tanto, el coeficiente de confianza de nuestras
afirmaciones.
En el caso anterior, se tiene una confianza de que 95 de cada 100 intervalos que se
extraigan como muestra, contendrn el verdadero valor del parmetro. Pero una vez
determinado el intervalo, es decir, una vez calculados numricamente los extremos,
ya no debe hablarse en trminos de confiabilidad ni en trminos probabilsticos, pues
la situacin pasa a ser completamente determinstica. De tal manera, asociado a un
intervalo de confianza ya calculado, se tiene una probabilidad 0 1 de que contenga
al parmetro a estimar y no hay otra opcin, ya que lo contiene o no lo contiene.
156
Resumiendo, los extremos del intervalo son variables aleatorias, mientras que el
parmetro a determinar es constante.
Los pasos a seguir para construir intervalos de confianza para un parmetro, son:
1. Fijar el nivel de confianza 1 que se desea en la estimacin.
2. Extraer la muestra y calcular el o los estadsticos necesarios.
3. Determinar la distribucin muestral (normal estndar Z, t, chi cuadrado, F, etc.)
que tiene el estadstico empleado, el mismo que debe ser una funcin del
estimador y del parmetro, es decir f ( , ).
4. Conocida la distribucin del estadstico y el nivel de confianza, se establece la
relacin: 1 = P[ d1 f ( , ) d2 ]. Donde d1 y d2 son valores obtenidos de
acuerdo a la distribucin muestral.
5. Dentro de la probabilidad se trabaja las desigualdades de modo tal que al centro
quede el parmetro y en los extremos los lmites inferior y superior de confianza
buscados, dependiendo del estimador y de los valores d1 y d2.
Se vern los casos paramtricos, es decir aquellos en los que se tiene conocimiento
del tipo de distribucin de la poblacin o del estimador (Bernoulli, Binomial,
Poisson, Normal, t, chi-cuadrado, F, etc.) los mismos que estudiamos en los captulos
2 y 3.
Trabajaremos primero un Caso General con muestras grandes (n 30) los intervalos
de confianza para la media , la proporcin P, la diferencia de medias X - Y, la
diferencia de proporciones P1 P2, los totales conocida la media y la proporcin, ya
que sus estimadores tienen distribucin normal y la determinacin de los intervalos
de confianza para cada uno de ellos es similar.
Es decir, que s ~ N[, 2 ]
Media:
entonces:
X N (, 2 / n)
~ N ( 0, 1 ). As tenemos:
Z
( X )
~ N(0,
/ n
1).
Total: X N NX N N , N 2 X2
y
157
NX N
~ N(0, 1)
N X
Dif. Medias: X - Y ~ N( X Y , X2 Y )
y Z
X Y ( X Y ) )
X Y
~ N(0 , 1)
Proporcin: p
Total:
X
i 1
X
n
PQ
N P,
A NP Np N NP, N 2 p2
pP
~ N(0, 1)
PQ
n
Np NP
~ N(0, 1)
N p
p1 p2 ( P1 P2 )
p p
1
~ N(0 ,
1)
Para todos ellos, dado un nivel de confianza 1 es posible hallar:
1 = P [ - Z0 Z Z0 ] ..................... (1)
Donde los valores Z0 son simtricos, de modo tal que centralizan la probabilidad 1 y se determinan como Z0 = Z
1 /2
Z0 = Z
0.90
0.95
Z0 = Z0.95 = 1.645
0.95
0.975
Z0 = Z0.975 = 1.96
0.99
0.995
Z0 = Z0.995 = 2.575
Reemplazando la v.a. Z
en (1) y trabajando con la desigualdad buscando
158
1 =P[- Z
- Z
- - + Z
+ Z
Media :
Total :
Proporcin :
Total :
X Z
X , X Z
N N X N Z X , N X N Z X
1
1
2
2
P p Z p , p Z p
1
1
2
2
N P N p N Z p , N p N Z p
1
1
2
2
159
Dif. Medias : X Y ( X Y ) Z X Y , ( X Y ) Z X Y
1
1
2
2
Dif. Proporc. : P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2
1
1
2
2
5.1
,y
que para n suficientemente grande (n 30) por el teorema central del lmite:
X N (, 2 / n)
( X )
~ N(0, 1).
/ n
X
1 = P [ - z0 Z z0 ] = P Z
Z
1
2
1 2 / n
Trabajando como en el caso general y dejando al centro de la desigualdad el
parmetro poblacional , se obtiene:
1 = P X Z
X Z
1
1
n
n
2
2
X Z
, X Z
X Z
N n
, X Z
1
N 1
n
2
confianza.
160
N n
al 100(1 ) % de
N 1
E Z
E Z
N n
N 1
S = 120,
( X )
E
/ n / n
n0
Z 2 2
E2
Donde:
Z = valor de la abscisa de la distribucin normal estndar para un nivel de
confianza (1 ) dado.
2 = varianza de la variable en estudio. Si se desconoce se estima con una
muestra pasada o reciente (S2).
161
E= |
n0
n
1 0
N
Ejemplo 3
En el estudio de mercado del ejemplo 2, para estimar la venta promedio
mensual de una nueva marca de gaseosas, Qu tamao de muestra debe
tomarse, si se desea que
confianza?
Solucin
Datos: S = 120, E = |
Z 2 2 1.96 2 x120 2
n0
61 tiendas. Rpta.
E2
30 2
5.2 INTERVALO DE CONFIANZA PARA EL TOTAL (conocida la media)
Sea X1, X2, .............., Xn una muestra aleatoria de tamaazo n de una poblacin X
de tamao N, distribuida con media desconocida y varianza 2 conocida.
Sabemos que el estimador del total poblacional X = N , es N , y que para n
suficientemente grande (n 30) por el teorema central del lmite:
X N NX N N , N 2 X2
NX N
~ N(0, 1)
N X
162
NX N
1 = P [ - z0 Z z0 ] = P Z
Z
1
1
N / n
2
2
1 = P NX NZ
N
X
NZ
1
1
n
n
2
2
N NX NZ
, NX NZ
con el 100 (1 ) % de
1
1
n
n
2
2
confianza.
Si las muestras se toman sin reposicin de una poblacin finita de tamao N,
debe emplearse el factor de correccin por finitud y el intervalo ser:
N NX NZ
1
n
2
N n
, NX NZ
1
N 1
n
2
N n
N 1
al 100(1 ) % de confianza.
Observe que si se quiere construir intervalos de confianza para el total
poblacional, basta con multiplicar por N los lmites encontrados para la media
poblacional; y viceversa, si se conoce el intervalo de confianza para el total
poblacional, entonces dividirlo entre N para determinar los intervalos para la
media poblacional.
Ejemplo 4
En el ejemplo 2, si el nmero de tiendas de la cadena es 1000, calcule e
interprete un intervalo de confianza del 95% para determinar el monto total
mensual de las ventas de la nueva marca de gaseosas en la cadena de tiendas.
Solucin
163
X
i 1
X
n
PQ
N P,
pP
~ N(0, 1)
PQ
n
pP
1 = P [ - Z0 Z Z0 ] = P Z
Z
1
1
PQ
2
2
PQ
PQ
1 = P p Z
P p Z
1
1
n
n
2
2
PQ
PQ
Pp Z
, pZ
con el 100 (1 ) % de confianza.
1
1
n
n
2
2
P p Z
1
2
pq
, pZ
1
n
2
pq
con el 100 (1 ) % de confianza.
n
Pp Z
1
2
pq N n
, pZ
1
n N 1
2
pq N n
al 100 (1 ) % de conf.
n N 1
Se sabe que: p
X
i 1
X
n
PQ
N P,
pP
PQ
n
E
PQ
n
Z 2 PQ
n0
E2
Donde:
Z = valor de la abscisa de la distribucin normal estndar para un nivel de
confianza (1 ) dado.
P = proporcin de xitos para la variable en estudio. Si se desconoce se estima
con una muestra pasada o reciente (p). Q = 1 P.
E = |p - P| = error mximo permisible.
Si la fraccin inicial de muestreo f = n0 / N 0.05 n0 0.05N n = n0.
Si f = n0 / N > 0.05 es necesario el factor de correccin para poblaciones
finitas y se ajusta el tamao de muestra as:
165
n0
n
1 0
N
Ejemplo 5
El auditor de una dependencia gubernamental de proteccin del consumidor,
quiere determinar la proporcin de reclamos sobre plizas de enfermedades
que paga el seguro, en un plazo de dos meses de haber recibido el reclamo. Se
selecciona una muestra aleatoria de 200 reclamos y se determina que 80 fueron
pagados en un plazo de 2 meses despus de recibidos. a) Calcule e interprete
un intervalo del 99 % de confianza para la proporcin real de reclamos pagados
dentro de ese plazo de dos meses; y b) Con un 95% de confianza, qu tamao
de muestra (reclamos) ser necesario si desea cometer un error mximo del
5%?
Solucin
a) n = 200,
X = 80,
1 = 0.99,
Z0 = Z 0.995 = 2.575
X 80
0.4 ,
n 200
q = 1 p = 0.6
P p Z
1
2
pq
, pZ
1
n
2
pq
0.40 x0.60
; 0.40 + 2.575
200
0.40 x0.60
]
200
Rpta.
n0
A NP Np N NP, N 2 p2
Np NP
~ N(0, 1)
N p
Np NP
1 = P [ - Z0 Z Z0 ] = P Z
Z
1
1
PQ
2
2
N
PQ
PQ
1 = P N p N Z
N P N p N Z
1
1
n
n
2
2
PQ
PQ
NP N p N Z
, N pNZ
con el 100 (1 ) % de
1
1
n
n
2
2
confianza.
Como los valores poblacionales P y Q se desconocen, se estiman por p y q, resulta
entonces el intervalo de confianza para el total poblacional NP siguiente:
NP N p N Z
1
2
pq
, N pNZ
1
n
2
pq
con el 100 (1 ) % de
n
confianza.
Si las muestras se toman sin reposicin de una poblacin finita de tamao N,
debe emplearse el factor de correccin por finitud y el intervalo ser:
NP Np NZ
1
2
pq N n
, Np NZ
1
n N 1
2
confianza.
167
pq N n
al 100 (1 ) % de
n N 1
Rpta.
Interpretacin: el verdadero total de reclamos, sobre plizas pagadas dentro del plazo
de dos meses de haber recibido el reclamo, se encuentra entre 1 555 y 2 445 reclamos
con el 99% de confianza.
5.5 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS
Sea X1, X2, ..............,Xn una muestra aleatoria de tamaazo n de una poblacin X de
tamao N, distribuida con media X desconocida y varianza X2 conocida.
Sea tambin Y1, Y2, ..............,Ym una muestra aleatoria de tamaazo m de una
poblacin X de tamao M, distribuida con media
desconocida y varianza
Y2 conocida.
X - Y ~ N( X Y , X2 Y )
X Y ( X Y ) )
y Z
X Y
~ N(0 , 1)
X Y ( X Y )
1 = P [- Z0 Z Z0] = P Z
Z
1
1
X Y
2
2
1 = P ( X Y ) Z X Y X Y ( X Y ) Z X Y
1
1
2
2
X Y
X2
n
Y2
m
X Y
X2 N n Y2 M m
n N 1 m M 1
X Y
S X2 SY2
n
m
X Y
S X2
n
N n SY M m
N 1 m M 1
2
Ejemplo 7
Muestras del pago por hora a los choferes de camiones, en las ciudades X e Y,
proporcionan los siguientes datos:
Y = $ 5.30, m = 30, SY = $
0.15.
a) Calcule e interprete un intervalo del 95 % de confianza para la diferencia
entre los pagos medios por hora a los choferes de camiones de las dos
ciudades.
b) Son iguales los pagos medios por hora en ambas ciudades?
Solucin
169
X Y ( X Y ) Z X Y , ( X Y ) Z X Y ................ (1)
1
1
X Y
S X2 SY2
(0.16) 2 (0.15) 2
= $ 0.04
n
m
30
30
INTERVALO DE CONFIANZA
PROPORCIONES
PARA
LA
DIFERENCIA
DE
X1
n1
estima a P1 .
170
X2
n2
estima a P2 .
p1 p2 ( P1 P2 )
p p
1
~ N(0 , 1)
p p2 ( P1 P2 )
1 = P [ - z0 Z z0 ] = P Z 1
Z
1
1
p1 p2
2
2
1 = P ( p1 p2 ) Z p1 p2 P1 P2 ( p1 p2 ) Z p1 p2
1
1
2
2
P1 P2 ( p1 p2 ) Z
p p , ( p1 p2 ) Z
1
p p al 100 (1 ) % de
1
conf.
p p =
1
P1Q1 P2Q2
n1
n2
p p =
P1Q1 N1 n1 P2Q2 N 2 n2
n1 N1 1 n2 N 2 1
p p =
p1q1 p2 q2
n1
n2
p p =
p1q1 N1 n1 p2 q2 N 2 n2
n1 N1 1 n2 N 2 1
171
X1
X
, q1 = 1 p1 , p2 2 y q2
n1
n2
Ejemplo 8
Una empresa de estudios de mercado quiere estimar las proporciones de
hombres y mujeres que conocen un producto promocionado a escala nacional.
en una muestra aleatoria de 100 hombres y 200 mujeres se determina que 20
hombres y 60 mujeres estn familiarizados con el artculo indicado. a)
Calcular el intervalo de confianza de 95 % para la diferencia de proporciones
de hombres y mujeres que conocen el producto. b) Son iguales las
proporciones de hombres y mujeres que conocen el producto?
Solucin
Sea el grupo 1, el referido a los hombres y el grupo 2, a las mujeres.
a) El intervalo de confianza para la diferencia de proporciones de hombres
(P1 ) y de mujeres (P2 ) que conocen el producto, P1 - P2 est dado por:
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
n1 = 100,
Entonces: p1
p p =
1
X1 = 20,
X 1 20
= 0.20
n1 100
n2 = 200
p2
X2 = 60
X2
60
= 0.30
n2
200
p1q1 p2q2
(0.20)(0.80 (0.30)(0.70)
= 0.0515
n1
n2
100
200
Rpta.
Rpta.
X
~ tn-1
S/ n
, n 1
de la distribucin t de student.
Reemplazando la variable aleatoria T
X
en (1) y trabajando con la
S/ n
X
S/ n
t0]
1 = P [- t0 S / n X t0 S / n ]
Restando el estimador X en la desigualdad
1 = P [- X - t0 S / n - - X + t0 S / n ]
Multiplicando por (-1) y manteniendo el sentido de la desigualdad, se tiene:
1 = P [ X - t0 S / n X + t0 S / n ]
A partir del cual se obtiene el intervalo de confianza para el parmetro ,
[ X - t0 S / n ,
durante
un ao
S = 3.1 das
3.1
3.1
, 5.2 + 2.064 x
] = [5.2 1.28]
25
25
174
n 1S
~ x n21 .
n 1 ,
b = x2
n 1 , 1
n 1S
n 1S
b]
a
1
b
1 = P
2
2
2
(n 1)S
(n 1)S
Tomando el inverso dentro de la probabilidad y buscando mantener el sentido
de la desigualdad, se tiene que:
(n 1) S 2
(n 1) S 2
2
1 = P
b
a
Luego se tiene que el intervalo de confianza para la varianza , est dado por:
(n 1)S 2 (n 1)S 2
(n 1) S 2 (n 1) S 2
,
=
, 2
2
al 100 (1 )% de
b
a
xn 1 , 1 / 2 xn 1 , / 2
confianza.
Un intervalo de confianza para la desviacin estndar se obtiene sacando raz
cuadrada a cada uno de los lmites del intervalo anterior, entonces:
xn 1 , 1 / 2
confianza
Ejemplo 10
Para el ejemplo 9, en la Universidad grande se estudia el nmero de das que
los estudiantes se enferman durante el ao acadmico, una muestra de 25
estudiantes indica que x = 5.2 das y S = 3.1 das.
Calcule e interprete intervalos de confianza del 95% para la varianza y la
desviacin estndar del nmero de das que los estudiantes se enferman.
Solucin
El intervalo de confianza para la varianza est dado por:
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x24
, 0.975 = 39.4
39.4
12.4
Por lo tanto:
[5.85 , 18.60 ] (das) con el 95% de confianza.
Rpta.
Rpta.
X2 )
S X2 Y2
~ Fn1,m-1
SY2 X2
n 1 , m 1,
d= F
n 1 , m 1 , 1
S X2 Y2
Reemplazando la variable aleatoria F 2 2 en (3) y trabajando con la
SY X
desigualdad buscando dejar al centro el parmetro razn de varianzas
poblacionales X2 / Y2 , la probabilidad queda como:
1 =P[c F d]=P[c
177
S X2 Y2
d]
SY2 X2
SY2
se tiene que:
S X2
SY2
S X2
1 =P[c
Y2
SY2
d
]
X2
S X2
1 =P[
1 S X2
X2
1 S X2
]
d SY2
c SY2
Y2
1
F
n 1, m 1,1
X2
S X2
1
2
2
Y
SY
F
n 1, m 1,
S X2
]
SY2
2
2
S X2 / S Y2 S X2 / S Y2
S X2 / SY2
X2
S X / SY
;
;
F
c
F
Y2
d
n 1,m1,1
n 1, m 1,
2
2
al 100 (1 )% de
conf.
Ejemplo 11
Se hacen 16 ensayos para cada uno de los tratamientos X e Y, con las siguientes
varianzas maestrales S X2 = 35 y SY2 = 10. a) Calcule e interprete un intervalo del
95% de confianza para X2 / Y2 b) Son iguales las varianzas poblacionales de X
e Y?
Solucin
n = m = 16,
S X2 = 10,
S X2 / S Y2 S X2 / S Y2
X2
c
Y2
d
SY2 = 35.
Como 1 = 0.95,
178
X2
35 / 10
35 / 10
= [1.22; 10.03] con el 95% de confianza. Rpta.
;
2
Y
0.349
2.86
Interpretacin: la razn de varianzas de las poblaciones X e Y se encuentra entre
1.22 y 10.03 con el 95% de confianza.
b) Preguntar si Son iguales las varianzas poblacionales de X e Y? es similar a
preguntar si X2 = Y2 ? o tambin si
X2
= 1?
Y2
X2
1
Y2
X2 Y2 .
X2
= 1, las varianzas
Y2
X Y X Y
n 1S X2 m 1SY2 1 1
nm2
~ t n+m-2
, nm 2
X Y X
Sc
Y
1 1
n m
en (4)
tenemos:
1 = P [- t0 T t0] = P [- t0
X Y X
Sc
Y
t0]
1 1
n m
1 1
X - Y ( X - Y ) + t0 S c
n m
1 1
]
n m
1 1
] al 100(1- )% de confianza.
n m
Ejemplo 12
Se compararon dos marcas de cigarrillos, X e Y, respecto a su contenido
medio de nicotina en miligramos; dos muestras aleatorias de 21 cigarrillos de
cada marca, dieron estos resultados:
y
180
S X2 / S Y2 S X2 / S Y2
X2
;
para la razn de varianzas: 2
c
Y
d
Datos: n = m = 21,
X2
8.41 / 14.44
8.41 / 14.44
;
2
= [0.24; 1.43] con el 95% de confianza.
Y
0.407
2.46
Dado que el intervalo toma el valor 1, es decir
X2
= 1, entonces X2 = Y2 .
Y2
Considerando que las muestras son pequeas y que las varianzas del contenido de
nicotina son iguales, el intervalo de confianza para la diferencia entre los
contenidos medios de nicotina para las dos marcas de cigarrillos est dado por:
X - Y [ ( X - Y ) t0
(n 1) S X2 (m 1) SY2
nm2
1 1
]
n m
1
1
]
21 21
X - Y [ -1.40
2.11 ]
Por lo tanto:
X - Y [-3.51 , 0.71] mg. de nicotina con el 95% de confianza.
181
Rpta.
Rpta.
X Y X
2
X
Y
2
Y
S
S
n
m
~ tH
S12 S22
n
n2
Donde: H 12
(valor entero) representa los grados de libertad.
2
S12 S22
n1 n2
n1 1 n2 1
Esta variable aleatoria depende de valores conocidos con la informacin
muestral, entonces, dado un nivel de confianza 1 es posible hallar:
1 = P [ - t0 T t0 ] ..................... (5)
Los valores t0 son simtricos, de modo tal que centralizan la probabilidad 1 y se determinan como t0 = t
1 , H
2
de la distribucin t de student.
Reemplazando la variable aleatoria T
tenemos:
182
X Y X
S X2 S Y2
n
m
en (5)
1 = P [- t0 T t0] = P [- t0
X Y X
S X2 S Y2
n
m
t0]
S X2 S Y2
X - Y ( X - Y ) + t0
n
m
1 = P [ ( X - Y ) - t0
S X2 S Y2
]
n
m
S X2 S Y2
] al 100(1- )% de confianza.
n
m
Ejemplo 12
En un estudio para determinar si hay diferencia en el salario semanal de los
hombres y las mujeres de una gran empresa, se toma una muestra de 18
hombres encontrndose un promedio de S/. 420 y una desviacin estndar de
S/. 50, mientras que en una muestra de 15 mujeres se encontr un promedio
de S/. 360 y una desviacin estndar de S/. 90. Se pide:
a) Calcule e interprete un intervalo del 95 % de confianza para la diferencia
entre los salarios medios semanales de hombres y mujeres.
b) Son iguales los salarios medios semanales de hombres y mujeres?
Solucin
a) Primero determinamos si las varianzas de los salarios son iguales con el
intervalo de confianza para las varianzas:
Datos: nH = 18,
X M = S/. 360,
X H = S/. 420,
S H2 / S M2 S H2 / S M2
H2
M2
c
d
S H2 = 502 = 2500,
S M2 = 902 = 8100.
nM = 15,
Como 1 = 0.95,
183
H2
2500 / 8100
2500 / 8100
;
2
= [0.11;
0.364
M
2.90
confianza.
Dado que el intervalo no toma el valor 1, es decir
H2
1, entonces H2
2
M
M2 .
Considerando que las muestras son pequeas y que las varianzas de los
salarios semanales de hombres y mujeres son diferentes, el intervalo de
confianza del 95% para la diferencia de los salarios medios de hombres y
mujeres est dado por:
H - M
[( X H - X M ) t0
S H2 S M2
]
n H nM
2
S H2 S M2
2500 8100
n H nM
18
15
Donde: H =
=
= 20.98 20
2
2
2
2
2500
8100
S H2
S M2
18 15
n H nM
18 1
15 1
n H 1 nM 1
Reemplazando valores en el intervalo de confianza propuesto, se tiene:
2500 8100
Rpta.
Intervalo
X Z
X t
(1 , n1)
2
S
)
n
Intervalo
(n 1) S 2 (n 1) S 2
, 2
2
(1 , n 1) ( , n 1)
2
2
Intervalo
p Z
p q
n
n0
Z 2 pq
n
n0 0 2
n 1
E
1 0
N
185
S12 / S 22
12 S12 / S 22
Dos muestras aleatorias independientes de
,
poblaciones normales.
22 F
F
1 , n 1, m 1
, n 1, m 1
2
2
p 1 p 2 Z
p 1 q 1
1
186
n1
p 21 q 2
n2
Demostrar que:
a) Las desigualdades - E x + E, son equivalentes a | x - | E
X
b) Si 1 P(Z1 / 2 Z Z1 / 2 ) y Z
entonces:
/ n
1 P X Z
X Z
1
1
n
n
2
2
Solucin
a) En la desigualdad: - E x + E se resta en cada miembro y se
obtiene:
-E x - E
|x -|E
X
y se obtiene:
/ n
1 = P(Z1 / 2
X
Z1 / 2 )
/ n
1 = P Z
X Z
1
n
2
1 2 n
Restando X en la desigualdad:
1 = P X Z
X Z
1
1
n
n
2
2
1 = P X Z
X Z
1
1
n
n
2
2
2.
Se desea estimar el peso total de una partida de 10,000 naranjas. Para ello se
selecciona una muestra aleatoria de 41 naranjas, la cual da una media de 200
gramos y una desviacin estndar de 25 gramos. Calcule e interprete intervalos
de confianza del 95 % para:
187
X Z
N n
, X Z
1
N 1
n
2
N n
. (1)
N 1
N n
25 10000 41
= 7.64 gr.
1.96
N 1
41 10000 1
Rpta.
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x40
, 0.975 = 59.3
59.3
24.4
Por lo tanto:
[421.59 ; 1024.59 ] (gr.) con el 95% de confianza.
Rpta.
Z 2 2
b) El tamao de muestra est dado por: n0
E2
Donde: | x - | = E = 13, 1 = 0.99 en la Tabla 1, Z = Z0.995 = 2.575
y S = 25. Reemplazando en la frmula para n se tiene:
n0
2.575 2 25 2
= 24.5 25 naranjas.
132
Rpta.
X Z
, X Z
. (1)
189
E= Z
2.575
12
= 4.83 ml.
41
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x40
, 0.995 = 66.8
66.8
20.7
Por lo tanto:
Rpta.
1.96
2.7
= 0.61 galones.
75
X Z
, X Z
. (1)
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x74
, 0.975 = 99.7
99
.
7
52.1
Por lo tanto:
[5.41 ; 10.35] (galones) con el 95% de confianza.
Rpta.
Z 2 2
d) El tamao de muestra est dado por: n0
E2
Donde: | x - | = E = 0.5 galones, 1 = 0.95 en la Tabla 1, Z =
Z0.975 = 1.96 y S = 2.7. Reemplazando en la frmula para n se tiene:
191
1.96 2 2.7 2
= 112 clientes.
n0
0.52
Rpta.
X Z
, X Z
. (1)
1.96
12
= 3.92 gr.
36
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x35
, 0.975 = 53.2
53.2
20.6
Por lo tanto:
[94.74 ; 244.66] (gr.) con el 95% de confianza.
Rpta.
X Z
, X Z
. (1)
1.96
1000
= $ 326.67. Reemplazando en (1) se tiene:
36
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x35
, 0.975 = 53.2
53.2
20.6
Por lo tanto:
[657,894.74 ; 1699,029.13] ($) con el 95% de confianza.
[811.11 ; 1,303.47] $ con el 95% de confianza.
194
Rpta.
Entonces:
Z 2 2
E2
(1.96) 2 (1,000) 2
n0
= 171 cuentas.
(150) 2
Rpta.
20
10
X n
i
i 1
= 1.46 hijos.
50
50
195
S2
( X i X ) 2 ni
i 1
n 1
X
i 1
n nX 2
2
i i
n 1
231 50 (1.46) 2
= 2.54 hijos2 y S =
50 1
1.594.
6
X
i 1
2
i i
X Z
N n
, X Z
1
N 1
n
2
N n
. (1)
N 1
N n
1.594 500 50
1.96
= 0.42 hijos.
N 1
500 1
50
Rpta.
n = 50,
en la Tabla 1,
X 30
= 0.6,
n 50
Pp Z
1
2
pq
n
N n
, pZ
1
N 1
2
pq N n
n N 1
1.96
[0.60
1.96
0.60
Rpta.
197
X 650
= 0.65, q = 1 p = 0.35.
n 1000
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.65 x0.35
0.65 x0.35
; 0.65 + 1.645
]
1000
1000
350 hogares.
E2
(0.05) 2
Rpta.
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.305 x0.695
0.305 x0.695
; 0.305 + 1.96
]
1000
1000
Rpta.
Rpta.
n0
200
X 300
= 0.60,
n 500
q = 1 p = 0.40.
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.60 x0.40
0.65 x0.35
; 0.60 + 2.575
]
500
1000
Rpta.
n0
995 compradores.
E2
(0.04) 2
Rpta.
201
X 560
= 0.70,
n 800
q = 1 p = 0.30.
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.70 x0.30
0.70 x0.30
; 0.70 + 1.96
]
800
800
Rpta.
n0
Rpta.
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.195 x0.805
0.305 x0.695
; 0.195 + 1.96
]
1000
1000
Rpta.
Rpta.
492 ciudadanos.
E2
(0.035) 2
Rpta.
204
X 360
= 0.60,
n 600
q = 1 p = 0.40.
Pp Z
1
2
pq
, pZ
1
n
2
pq
0.60 x0.40
0.60 x0.40
; 0.60 + 1.96
]
600
600
Rpta.
455 compradores.
E2
(0.045) 2
Rpta.
205
A B ( X A X B ) Z
AXB
, (X A X B ) Z
AXB
...........
(1)
Si 1 = 0.99, entonces: Z0 = Z 0.995 = 2.575
AXB
XB X A
S A2 S B2
(15) 2 (10) 2
= S/. 1.30
n A nB
200
180
Rpta.
Rpta.
hora, con una desviacin estndar de 14 partes por hora, mientras que otra
muestra de 60 obreros de la noche alcanza un promedio de 89.7 partes por hora,
con una desviacin estndar de 17. Se pide:
a) Calcule e interprete un intervalo de confianza del 95% para la verdadera
diferencia de rendimientos medios de ambos turnos.
b) Son diferentes los rendimientos medios de ambos turnos? A B?
Explique
Solucin
Datos: nA = 80, X A = 94.3 partes por hora, SA = 14, nB = 60, X B = 89.7, SB =
17.
a) Un intervalo de confianza para la diferencia de rendimientos medios viene dado
por:
A B ( X A X B ) Z
AXB
, (X A X B ) Z
AXB
...........
(1)
Si 1 = 0.95, entonces: Z0 = Z 0.975 = 1.96
AXB
S A2 S B2
(14) 2 (17) 2
Rpta.
Rpta.
16. El departamento de marketing desea determinar si hay diferencia entre las ventas
mensuales realizadas por hombres y mujeres. Una muestra aleatoria de 60
hombres alcanza un promedio de 78 artefactos mensuales, con una desviacin
207
estndar de 15; mientras que otra muestra de 50 mujeres arroja una venta media
de 85 artefactos mensuales, con una desviacin estndar de 10 artefactos. Se
pide:
a) Construya un intervalo del 95% de confianza para la verdadera diferencia de
las ventas medias realizadas por hombres y mujeres.
b) Son diferentes las ventas medias realizadas por hombres y mujeres? h
m?
Solucin
Datos: nh = 60, X h = 78 artefactos, Sh = 15, nm = 50, X m = 85, Sm = 10.
a) Un intervalo de confianza para la diferencia de las ventas medias realizadas por
hombres y mujeres viene dado por:
h m ( X h X m ) Z
h Xm
, (X h X m ) Z
h Xm
...........
(1)
Si 1 = 0.95, entonces: Z0 = Z 0.975 = 1.96
h Xm
S h2 S m2
(15) 2 (10) 2
Rpta.
Rpta.
17. Para determinar el precio medio del kilo de pollo en las ciudades A y B, se toma
una muestra al azar de 120 hogares de A arrojando un precio medio de S/. 6.50 y
una desviacin estndar de S/ 0.70. Una muestra al azar de 100 hogares de la
ciudad B da una precio medio de S/. 6.75 y una desviacin estndar de S/. 0.90.
208
A B ( X A X B ) Z
AXB
, (X A X B ) Z
AXB
...........
(1)
Si 1 = 0.95, entonces: Z0 = Z 0.975 = 1.96
AXB
S A2 S B2
(0.7) 2 (0.9) 2
= S/. 0.11
n A nB
120
100
Rpta.
Interpretacin: con el 95% de confianza, la diferencia del precio medio del pollo
en las ciudades A y B se encuentra entre S/. -0.47 y -0.03.
b) Responder a la pregunta Es diferente el precio medio del pollo en las ciudades A
y B? es responder si A B? o tambin A - B 0?
Si apreciamos el intervalo de confianza construido en a) A - B no toma el valor
cero, es decir A - B 0 o
ambas ciudades es diferente.
18. Muestras del pago mensual a los obreros en las ciudades 1 y 2 proporcionan los
siguientes datos:
n1 = 35, X 1 = $ 540,
S1 = $ 25,
n2 = 35, X 2 = $ 530,
S2 = $ 20.
b) Difieren los pagos medios a los obreros en las dos ciudades? Explique.
Solucin
Datos: n1 = 35, X 1 = $ 540,
S1 = $ 25,
X 2 = $ 530,
n2 = 35,
S2 = $
20.
a) Un intervalo de confianza para la diferencia de pagos medios viene dado por:
1 2 ( X 1 X 2 ) Z
X X , ( X1 X 2 ) Z
1
X X ........... (1)
1
X X
1
S12 S 22
(25) 2 (20) 2
= $ 5.41
n1 n2
35
35
Rpta.
Interpretacin: la diferencia entre los pagos medios a los obreros de las dos
ciudades se encuentra entre $ -0.60 y 20.60 con el 95% de confianza.
b) Responder a la pregunta Difieren los pagos medios a los obreros en las dos
ciudades? implica responder si 1 2? o tambin 1 - 2 0?
Si apreciamos el intervalo de confianza construido en a) 1 - 2 toma el valor
cero, es decir 1 - 2 = 0 o 1 = 2. Por lo tanto, los pagos medios a los obreros
en las dos ciudades no difieren.
Rpta.
n2 = 50, X 2 = 15.7,
S2 = 3.8.
S2 = 3.8.
1 2 ( X 1 X 2 ) Z
X X , ( X1 X 2 ) Z
1
X X ........... (1)
1
X X
1
S12 S 22
(2.9) 2 (3.8) 2
= 0.71mg.
n1 n2
40
50
Rpta.
Rpta.
n1 = 300,
X1 = 60,
n2 = 200
211
X2 = 54
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X1
60
= 0.20 q1 = 0.80
n1 300
p2
X2
54
= 0.27 q2 =
n2 200
0.73
p p =
1
p1q1 p2 q2
(0.20)(0.80) (0.27)(0.73)
= 0.039
n1
n2
300
200
Rpta.
Rpta.
300
212
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X 1 280
= 0.35 q1 = 0.65
n1 800
p2
X 2 300
= 0.25 q2 =
n2 1200
0.75
p p =
1
p1q1 p2 q2
(0.35)(0.65) (0.25)(0.75)
= 0.021
n1
n2
800
1200
Rpta.
Rpta.
22. En una muestra aleatoria de 400 hombres y 600 mujeres que ven cierto programa
de TV, 220 hombres y 300 mujeres dijeron que les gustaba.
a) Calcule e interprete un intervalo del 99 % de confianza para la diferencia
entre las verdaderas proporciones de hombres y mujeres que les gusta el
programa.
b) Se puede afirmar que son diferentes las verdaderas proporciones de hombres
y mujeres que les gusta el programa?
Solucin
Sean: grupo 1 = hombres y grupo 2 = mujeres.
Datos:
n1 = 400,
X1 = 220,
n2 = 600
X2 = 300
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X 1 220
= 0.55 q1 = 0.45
n1 400
p2
X 2 300
= 0.50 q2 =
n2 600
0.50
p p =
1
p1q1 p2 q2
(0.55)(0.45) (0.50)(0.50)
= 0.032
n1
n2
400
600
Rpta.
n1 = 400,
X1 = 240,
n2 = 600
X2 = 300
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X 1 240
= 0.60 q1 = 0.40
n1 400
p2
X 2 300
= 0.50 q2 =
n2 600
0.50
p p =
1
p1q1 p2 q2
(0.60)(0.40) (0.50)(0.50)
= 0.032
n1
n2
400
600
Rpta.
Rpta.
24. Se entrevistaron a hombres y mujeres respecto a su inters por una nueva marca
de perfume. En una muestra aleatoria de 500 hombres y 500 mujeres, 200
hombres y 160 mujeres dijeron que les gustaba el nuevo perfume.
a) Calcule e interprete un intervalo del 95 % de confianza para la diferencia
entre las proporciones de hombres y mujeres que les gusta el nuevo perfume.
b) Son diferentes las verdaderas proporciones de hombres y mujeres que
dijeron que les gustaba el nuevo perfume? Explique.
Solucin
Sean: grupo 1 = hombres y grupo 2 = mujeres.
Datos:
n1 = 500,
X1 = 200,
n2 = 500
X2 = 160
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X 1 200
= 0.40 q1 = 0.60
n1 500
p2
X 2 160
= 0.32 q2 =
n2 500
0.68
p p =
1
p1q1 p2 q2
(0.40)(0.60) (0.32)(0.68)
= 0.030
n1
n2
500
500
Rpta.
Rpta.
Mujeres: n2 =
250, X2 = 150.
a) Determine un intervalo de confianza del 99 % para la diferencia de mujeres y
hombres cooperadores.
b) Es diferente la proporcin de mujeres y hombres cooperadores?
Solucin
Sean: grupo 1 = hombres y grupo 2 = mujeres.
Datos:
n1 = 175,
X1 = 84,
n2 = 250
X2 = 150
P2 P1 ( p2 p1 ) Z p2 p1 , ( p2 p1 ) Z p2 p1 ............... (1)
1
1
2
2
p1
X 1 84
= 0.48 q1 = 0.52
n1 175
0.40
217
p2
X 2 150
= 0.60 q2 =
n2 250
p p = p p =
2
p1q1 p2 q2
(0.48)(0.52) (0.60)(0.40)
= 0.049
n1
n2
175
250
Rpta.
Rpta.
26. Se entrevistaron dos grupos de mujeres respecto a su inters por los polos de
verano Burberry. De una muestra de 250 mujeres menores de 40 aos, 150
estuvieron interesados, mientras que de 250 mujeres de 40 aos a ms, slo 120
mostraron inters.
a) Calcule e interprete un intervalo del 95 % de confianza para la diferencia
entre las verdaderas proporciones de mujeres menores de 40 aos y las de 40
aos a ms que mostraron inters por los polos de verano Burberry.
b) Existe diferencia entre la proporcin de mujeres menores de 40 aos y las de
40 aos a ms que mostraron inters por los polos de verano Burberry?
Explique.
Solucin
Sean: grupo 1 = mujeres menores de 40 aos y grupo 2 = mujeres de 40 aos a
ms.
Datos:
n1 = 250,
X1 = 150,
n2 = 250
X2 = 120
P1 P2 ( p1 p2 ) Z p1 p2 , ( p1 p2 ) Z p1 p2 ............... (1)
1
1
2
2
p1
X 1 150
= 0.60 q1 = 0.40
n1 250
p2
X 2 120
= 0.48 q2 =
n2 250
0.52
p p =
1
p1q1 p2 q2
(0.60)(0.40) (0.48)(0.52)
= 0.0443
n1
n2
250
250
Rpta.
Rpta.
27. De los 2000 establecimientos pequeos de una ciudad se extrae una muestra
aleatoria de 25 establecimientos y se recolecta informacin sobre el nmero de
personas empleadas (X) por establecimiento, obtenindose la siguiente
25
informacin:
X i 138 y
i 1
25
X
i 1
2
i
1145 .76 .
219
X
i 1
138
= 5.52 empleados por establecimiento.
25
25
S2
( X i X )2
i 1
n 1
25
X
i 1
2
i
nX 2
n 1
4
, 5.52 + 2.064 x
25
4
] = [5.52 1.65]
25
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x24
, 0.975 = 39.4
220
12.4
39.4
Z 2 2
E2
1.96 2 4 2
= 76 establecimientos.
n0
0.9 2
Rpta.
X
i 1
10
S2
(X
i 1
159
= 15.9 onzas por caja.
10
10
X )2
n 1
X
i 1
2
i
nX 2
n 1
0.231
0.231
, 15.9 + 1.833 x
] = [15.9 0.134]
10
10
(n 1) S 2 (n 1) S 2
,
b
a
16.9
3.33
Rpta.
Interpretacin: con el 90% de confianza, la varianza del peso de las cajas de
cereal se encuentra entre 0.0284 y 0.1442 (onzas).
29. Los pesos netos (grs.) de una muestra aleatoria de 10 latas de leche fueron los
siguientes:
259, 262, 259, 258, 256, 257, 257, 263, 258, 261
Calcule e interprete intervalos de confianza del 95 % para la media poblacional y
la varianza poblacional de los pesos netos.
Solucin
El promedio y la varianza muestral de los empleados por establecimiento es:
222
10
X
i 1
2590
= 259 gr. por lata.
10
10
S2
( X i X )2
i 1
n 1
10
X
i 1
2
i
nX 2
n 1
670858 10 (259) 2
= 5.3333 (gr.)2
10 1
2.31
2.31
, 259 + 2.262 x
] = [259 1.65]
10
10
(n 1) S 2 (n 1) S 2
,
b
a
19.0
2.70
Rpta.
Interpretacin: con el 95% de confianza, la varianza del peso de las latas de
leche se encuentra entre 2.53 y 17.79] (gramos).
223
30. De un rea de la ciudad en la que habitan 1000 familias se extrae una muestra
aleatoria de 20 familias y se recolecta informacin sobre el nmero de personas
(X) por familia, obtenindose la siguiente informacin:
20
X
i 1
20
105
i 1
2
i
763
X
i 1
20
S
2
(X
i 1
105
= 5.25 persona por familia.
20
X)
n 1
20
X
i 1
2
i
nX 2
n 1
763 20 (5.25) 2
= 11.145 (personas)2
20 1
3.34
3.34
, 5.25 + 2.861 x
] = [5.25 2.14]
20
20
224
Rpta.
(n 1) S 2 (n 1) S 2
,
b
a
2
b = x19
, 0.995 = 38.6
38.6
6.84
Z 2 2
E2
(2.575) 2 (3.34) 2
n0
= 205.
(0.6) 2
Como f = n0 / N = 205 / 1000 = 0.205 > 0.05 es necesario ajustar el tamao
de muestra as:
225
n0
205
= 170 familias
n0
205
1
1
1000
N
Rpta.
n2 = 15, x 2 = $ 125,
12 S12 / S 22 S12 / S 22
;
a) Intervalo de confianza para la razn de varianzas: 2
c
2 d
Datos: n1 = n2 = 15, S12 = 252 = 625, S 22 = 152 = 225. Como 1 = 0.95,
entonces en la tabla 4: d = F14, 14, 0.975 = 2.98 y c = F14, 14, 0.025 = 1/ F14, 14, 0.975 = 1/
2.98 = 0.336.
Reemplazando valores en el intervalo se tiene que:
12 625 / 225
625 / 225
;
12
= 1? La respuesta es s, ya
22
12
= 1,
22
b) Considerando que las muestras son pequeas y que las varianzas de los pagos
semanales a obreros y obreras son iguales, el intervalo de confianza para la
diferencia entre los de los pagos semanales a obreros y obreras est dado por:
1 - 2 [( x1 - x 2 ) t0
1 1
]
n1 n2
1 1
]
15 15
Rpta.
Solucin
Datos: n1 = 16, x1 = 123, S1 = 15
12 S12 / S 22 S12 / S 22
;
c
22 d
Si: n1 = n2 = 16, S12 = 152 = 225, S 22 = 102 = 100. Como 1 = 0.99, entonces
en la tabla 4: d = F15, 15, 0.995 = 4.07 y c = F15, 15, 0.005 = 1/ F15, 15, 0.995 = 1/ 4.07 =
0.246.
Reemplazando valores en el intervalo se tiene que:
12 225 / 100
225 / 100
12
1?
22
12
= 1, entonces 12 = 22 (las varianzas son homogneas o iguales)
2
2
b) Considerando que las muestras son pequeas y que las varianzas de las palabras
por minuto de ambos grupos son iguales, el intervalo de confianza para la
diferencia de medias de palabras por minuto de los dos mtodos est dado por:
1 - 2 [( x1 - x 2 ) t0
1 1
]
n1 n2
1 1
]
16 16
Por lo tanto:
1 - 2 [0.6 ; 25.4] palabras por minuto con el 95% de confianza.
Rpta.
12 S12 / S 22 S12 / S 22
;
a) Intervalo de confianza para la razn de varianzas: 2
c
2 d
Si: n1 = n2 = 21, S12 = 902 = 8100, S 22 = 502 = 2500. Como 1 = 0.95,
entonces en la tabla 4: d = F20, 20, 0.975 = 2.46 y c = F20, 20, 0.025 = 1/ F20, 20, 0.975 = 1/
2.46 = 0.407.
Reemplazando valores en el intervalo se tiene que:
12 8100 / 2500
8100 / 2500
;
2
= [1.32; 7.96] con el 95% de confianza.
0.407
2 2.46
229
12
1?
22
12
1, entonces 12 22 (las varianzas de los costos de enseanza
2
2
S12 S 22
]
n1 n2
1 - 2 [( x1 - x 2 ) t0
Datos del problema:
2
S12 S 22
8100 2500
n1 n2
21
21
Donde: H =
=
= 31.27 31
2
2
2
2
8100
2500
S12
S 22
21 21
n1 n2
21 1
21 1
n1 1
n2 1
Reemplazando valores en el intervalo de confianza propuesto, se tiene:
8100 2500
n2 = 12, x 2 = 495, S2 = 4.
n2 = 12, x 2 = 495, S2 = 4.
12 S12 / S 22 S12 / S 22
;
c
22 d
12 100 / 16
100 / 16
231
2
1
2
2
12
o
22
12
1, es decir 2 1, entonces 12 22 (las varianzas de los pesos de las bolsas
2
con detergente de ambas mquinas son diferentes o heterogneas)
b) Considerando que las muestras son pequeas y que las varianzas de los pesos de
las bolsas con detergente de ambas mquinas son diferentes, el intervalo de
confianza para la diferencia de medias de los pesos de las bolsas con detergente
de ambas mquinas est dado por:
S12 S 22
]
n1 n2
1 - 2 [( x1 - x 2 ) t0
Datos del problema:
2
S12 S 22
100
16
n1 n2
12 12
Donde: H =
=
= 14.43 14
2
2
2
2
100
16
S12
S 22
12
12
n
n
1 2
12 1 12 1
n1 1
n2 1
Reemplazando valores en el intervalo de confianza propuesto, se tiene:
100 16
] = [10 9.26]
1 - 2 [(505 - 495) 2.977 x
12 12
Por lo tanto: 1 - 2 [0.74 ; 19.26] gr. con el 99 % de confianza. Rpta.
232
x1 = 49,658, S1 = 2,150
x 2 = 48,125,
n2 = 16,
S2 =
1,875.
Calcule e interprete intervalos de confianza del 99% para:
a) La razn de varianzas de la duracin de las llantas de ambas marcas. Son
diferentes las varianzas de la duracin de las llantas de ambas marcas?
b) La diferencia de las duraciones medias de las llantas de ambas marcas. Son
diferentes las duraciones medias de las llantas de ambas marcas?
Solucin
Datos:
n1 = 16,
x1 = 49,658, S1 = 2,150
n2 = 16,
x2
48,125, S2 = 1875.
a) Intervalo de confianza para la razn de varianzas:
12 S12 / S 22 S12 / S 22
;
c
22 d
12
4622500 / 3515625
4622500 / 3515625
;
2
= [0.32; 5.34] con el
4.07
0.246
2
99% de confianza.
Interpretacin.- con el 99% de confianza, la razn de varianzas de la duracin de
las llantas de ambas marcas, se encuentra entre 0.32 y 5.34.
Preguntar s: Son diferentes las varianzas de la duracin de las llantas de ambas
marcas? Es similar a preguntar s:
2
1
2
2
12
o
1?
22
12
es decir 2 = 1, entonces 12 = 22 (las varianzas de la duracin de las llantas
2
de ambas marcas son homogneas o iguales).
233
b) Considerando que las muestras son pequeas y que las varianzas de la duracin de
las llantas de ambas marcas son iguales, el intervalo de confianza para la
diferencia de medias de la duracin de las llantas de ambas marcas est dado por:
1 - 2 [( x1 - x 2 ) t0
1 1
]
n1 n2
n2 = 16,
x 2 = 48,125, S2 = 1,875.
[(49,658
48,125)
2.75
1 1
]
16 16
Rpta.
234
Demuestre que:
a) Las desigualdades - E < x < + E, son equivalentes a | x - | < E
b) Si 1 P(t1 / 2 T t1 / 2 ) y T ( x ) n / s entonces:
s
s
1 P( x t1 / 2
x t1 / 2
)
n
n
2.
Se desea estimar el peso total de una partida de 10,000 manzanas. Para ello se
selecciona una muestra aleatoria de 50 manzanas, la cual da una media de 300
gramos y una desviacin estndar de 25 gramos. Calcule e interprete intervalos
de confianza del 95 % para:
a) El verdadero peso medio de las manzanas y el peso total (N).
b) La verdadera varianza (2) de los pesos de las manzanas.
c) Qu tamao de muestra debe tomarse, si se desea que x difiera de en
menos de 8 gramos con el 95 %
3.
4.
5.
235
x = 3.2 das y S = 5.2 das. Calcule e interprete intervalos de confianza del 95%
para:
a) La media y la varianza 2.
b) Qu tamao de muestra debe tomarse, si se desea que x difiera de en
menos de 10 gr. con el 95 % de confianza?
6.
7.
8.
Establecimientos (ni)
10
15
12
236
9.
10. En una muestra aleatoria de 400 hinchas del ftbol peruano (de un total de 15
millones) se encontr que 140 opinan que Per clasifica al mundial de ftbol.
a) Calcule e interprete un intervalo del 99% de confianza para la proporcin
verdadera y el total de hinchas que opinan que Per clasifica al mundial de
ftbol.
b) Con un 99% de confianza y un error mximo del 3%, qu tamao de muestra
ser necesario para estimar la proporcin de hinchas que opinan que Per
clasifica al mundial de ftbol?
11. De una poblacin de 4.5 millones de ciudadanos, se selecciona una muestra
aleatoria de 2,000 y se halla que 520 estn de acuerdo con la gestin del actual
presidente. Calcule e interprete intervalos de confianza del 95 % para:
a) La fraccin de la poblacin de ciudadanos que estn de acuerdo con la gestin
del actual presidente.
b) El total de votantes que estn de acuerdo con la gestin del presidente.
c) Con un 95% de confianza y un error mximo del 4%, qu tamao de muestra
ser necesario para estimar la proporcin de ciudadanos que estn de acuerdo
con la gestin del actual presidente?
12. De una poblacin de 100,000 fumadores, se selecciona una muestra aleatoria de
1,000 fumadores y se encuentra que 350 tienen preferencia por la marca A.
Calcule e interprete intervalos de confianza del 90 % para:
a) La proporcin de la poblacin de fumadores que prefieren la marca A.
b) El total de fumadores que prefieren la marca A.
237
17. Una muestra al azar de 200 pilas para calculadoras de la marca A muestra una
vida media de 240 horas y una desviacin estndar de 10 horas. Una muestra al
azar de 120 pilas de la marca B da una vida media de 225 horas y una desviacin
estndar de 9 horas.
a) Determine un intervalo de confianza del 99 % para la diferencia de la vida
media de las pilas A y B.
b) Ser diferente la duracin media de las pilas A y B? Explique.
18. Dos grupos escogidos al azar, cada uno de 40 alumnas, de una escuela para
secretarias, aprenden taquigrafa por dos sistemas diferentes y luego se les
somete a pruebas de dictado. Se encuentra que el primer grupo obtiene en
promedio 120 palabras por minuto con una desviacin estndar de 11 palabras,
mientras que el segundo grupo promedia 115 palabras por minuto con una
desviacin estndar de 10 palabras.
a) Determine un intervalo de confianza del 95 % para la diferencia de medias de
palabras por minuto con los dos mtodos.
b) Sern diferentes las medias de palabras por minuto con los 2 mtodos?
Explique.
19. En un estudio para determinar el gasto medio semanal en alimentos en las
ciudades 1 y 2, se toma una muestra al azar de 200 hogares de la ciudad 1
arrojando un gasto medio de S/. 150 y una desviacin estndar de 15. Una
muestra al azar de 180 hogares de la ciudad 2 da una gasto medio de 135 y una
desviacin estndar de 10.
a) Calcule e interprete un intervalo de confianza del 95 % para la diferencia del
gasto medio en las ciudades 1 y 2.
b) Ser igual el gasto medio semanal en alimentos en las ciudades 1 y 2?
20. Se compararon los gastos mensuales (S/.) en educacin en las ciudades 1 y 2;
muestras aleatorias de 200 familias de la ciudad 1 y 150 de la ciudad 2, dieron
estos resultados: X 1 = 160, n1 = 200, S1 = 60
S2 = 50.
239
X 2 = 150, n2 = 150,
241
20
X i 210
i 1
i 1
2
i
1526
x1 = 495, S1 = 5
n2 = 16,
x2 =
505, S2 = 7.
Calcule e interprete intervalos de confianza del 99% para:
a) La razn de varianzas de los pesos de las latas de conservas de ambas
mquinas. Son diferentes las varianzas de los pesos de las latas de conservas
de ambas mquinas?
243
x1 = 458, S1 = 25
n2 = 20,
x 2 = 385, S2 = 15.
244
X 1005 .2 1000
estndar de la media. Por todo ello debemos pensar que el proceso se ha desajustado ya
que de ser correcto, la probabilidad de que una muestra de tamao 5 tome como media 1
005.2 gr. es muy pequea. Esta probabilidad es:
P( X 1 005.2) = P(Z 3.87) = 1 P(Z 3.87) = 1 0.99995 = 0.00005 . Sumamente
menor al 0.005%.
Estos son los elementos fundamentales a tener en cuenta para el contraste de hiptesis, as
como su relacin con los intervalos de confianza.
Para el ejemplo anterior [1 001.5 , 1 008.9] gr. con el 95% de confianza.
246
H1 : < 0
247
H1 : > 0
2.
H1 : 0
Este tipo de prueba se emplea, en caso de que el valor que se prueba no sea
verdadero, entonces, todos los dems valores son posibles.
Tipo de Errores
Error tipo I: se comete al rechazar la hiptesis nula Ho cuando sta es verdadera.
= Nivel de significacin = P (Error Tipo I) = P [Rechazar Ho / Ho es verdadera
Los valores ms comunes de son 0.05 y 0.01; porque el error debe ser bajo. Si
tuviramos un nivel de confianza del 95% entonces, el nivel de significacin sera
del 5%. Significara que en 5 de cada 100 pruebas nos estaramos equivocando al
rechazar Ho cuando esta es cierta.
Error de tipo II: se comete cuando se acepta una hiptesis Ho siendo esta falsa.
La probabilidad de cometer este error la denotamos con la letra .
= P [Aceptar Ho / Ho es falsa ]
248
Decisin
(muestral)
Aceptar Ho
Rechazar Ho
Ho es verdadera
No hay error
Error tipo I
Ho es falsa
Error tipo II
No hay error
R.A.
aceptamos H0.
Regin Crtica o de Rechazo
Es la regin que contiene lo valores para los cuales se rechaza la hiptesis H0 bajo
consideracin. Es la regin del rango de que de acuerdo con una prueba prescrita,
conduce al rechazo de la hiptesis bajo consideracin.
249
Regin de Aceptacin
Es la regin que contiene lo valores para los cuales se acepta la hiptesis H0 bajo
consideracin.
Pasos para el Contraste de Hiptesis
1.
= 0
H1 :
< 0
> 0
2.
3.
4.
5.
6.
250
X
, cuya distribucin es exacta o aproximadamente normal estndar
Z
/ n
N(0,1), segn sea la poblacin normal o no.
Si se supone verdadera la hiptesis nula: Ho: = o, la estadstica especificada
X 0
por esta hiptesis es entonces: Z
/ n
A. Prueba bilateral o de dos colas
1. Hiptesis:
Ho: = o ,
H1: 0
X
3. Estadstica de prueba: Z
, cuya distribucin es normal N(0,1).
/ n
4. Regin crtica: determinar el valor Z1-/2 tal que la probabilidad de rechazar H0
cuando se supone verdadera sea:
PZ Z1 / 2 / 2 o PZ Z1 / 2 / 2
En consecuencia, la regin crtica en el rango de variacin de Z es:
R.C. Z Z1 / 2 o Z Z1 / 2
Por otro lado, la probabilidad de aceptar H0 cuando se supone verdadera es:
P Z1 / 2 Z Z1 / 2 1
Resultando la regin de aceptacin: R.A. Z1 / 2 Z Z1 / 2
251
5. Hallar Z calc
x 0
cierta.
6. Decisin: se rechaza H0 con riesgo igual a , si Z calc R.C. (o si Z calc R.A. ).
No se rechaza H0 en caso contrario. Si se rechaza Ho se dice que la prueba es
significativa con riesgo cuyo valor es .
R.C X a o X b
de variacin X con: a 0 Z1 / 2 ( / n ) ,
b 0 Z1 / 2 ( / n )
R. A. [ a X b]
Ho: = o ,
H1: > 0
X
3. Estadstica de prueba: Z
, cuya distribucin es normal N(0,1).
/ n
4. Regin crtica: determinar el valor Z1 tal que la probabilidad de rechazar H0
cuando se supone verdadera sea:
PZ Z1 | H 0 : 0 verdadera
En consecuencia, la regin crtica en el rango de variacin de Z es:
R.C. {Z Z1 }
252
R.A. {Z Z1 } .
5. Hallar Z calc
x 0
cierta.
6. Decisin: se rechaza H0 con riesgo igual a , si Z calc R.C. (o si Z calc R.A. ).
No se rechaza H0 en caso contrario.
1. Hiptesis:
H1: < 0
X
3. Estadstica de prueba: Z
, cuya distribucin es normal N(0,1).
/ n
4. Regin crtica: determinar el valor Z1 tal que la probabilidad de rechazar H0
cuando se supone verdadera sea:
PZ Z1 / Ho : 0 verdadera
En consecuencia, la regin crtica en el rango de variacin de Z es:
R.C. Z Z1
R.A. Z Z1
5. Hallar Z calc
x 0
RC { X a1} donde:
a1 = 0 Z1 ( / n )
I .C.
o, si
Z1 / 2
x 0
Z1 / 2
, 0 z1 / 2
Esto es, no se rechaza Ho: = 0 si x R. A. 0 z1 / 2
n
n
, x Z1 / 2
) % para : 0 I .C. x Z1 / 2
n
n
o si
0 I .C.
Para dos colas: P = P[|Z| > |Zcalc|] = P[Z < -|Zcalc|] + P[Z > |Zcalc|] = 2 P[Z < -|Zcalc|]
Para cola a la derecha: P = P[Z > Zcalc]
Para cola a la izquierda: P = P[Z < Zcalc]
Si el valor de P < , entonces, se rechaza H0. Se acepta H0, en caso contrario.
Ejemplo 3.Un proceso de empaquetar un producto est controlado, si el peso medio del
producto empaquetado es 400 gr. Si en una muestra aleatoria de 100 paquetes del
producto se ha encontrado que el peso medio es de 395 gramos. Suponga que el peso
de los productos empaquetados se distribuye normalmente con desviacin estndar
de 20 gramos.
a) Se podra concluir que el proceso est fuera de control al 5% de significacin?
Halle P-valor.
b) Construya un intervalo de confianza del 95% para el peso medio del producto
empaquetado. Aceptara usted que = 400 gr. (proceso controlado)?
Solucin
a) Sea X la variable aleatoria definida como el peso de los paquetes del producto.
Se supone que la distribucin de X es N(, (20)2).
1. Hiptesis: H0: = 400 (proceso controlado) H1: 400 (proceso fuera de
control).
2. Nivel de significacin: = 0.05.
3. Estadstica de prueba: Poblacin normal con varianza conocida, la estadstica es
X
cuya distribucin es normal N(0,1).
Z
/ n
4. Regin crtica: Si la hiptesis nula H0 es cierta, para = 0.05 y la alternativa
x 395,
20
Z calc
x 0 395 400
2.5
2
/ n
6. Decisin: Puesto que Zcalc = -2.5 R.C. , debemos rechazar H0 y concluir con
un 5% de significacin que el proceso de empaquetado no est controlado.
P-valor = P[|Z| > |-2.5|] = P[|Z| > 2.5] = 2 P[Z < -2.5] = 2(0.00621) = 0.01242.
Como el valor-P = 0.01242 < = 0.05 se rechaza Ho y se acepta H1: 400 y se
concluye tambin con un 5% de significacin que el proceso de empaquetado no
est controlado.
Por el hecho que x 395 R.C. , se debe rechazar H0 y concluir con un riesgo de 5
% que el proceso de empaquetado no est controlado.
Clculos utilizando Minitab (versin 15.0 en espaol)
Del men escoger Estadsticas Estadsticas bsicas 1Z Z de 1 muestra y
aparece la Ventana Z de 1 muestra (prueba e intervalo de confianza) siguiente:
256
N
100
Media del
Error
estndar
2.00
Media
395.00
IC de 95%
(391.08, 398.92)
Z
-2.50
P
0.012
X Z
, X Z
. (1)
1.96
20
= 3.92 gr.
100
257
6.2
PRUEBA DE HIPTESIS
desconocida)
PARA
LA
MEDIA
(con
varianza
Poblacin no normal
Si la poblacin no tiene distribucin normal y si la varianza es desconocida, para
probar hiptesis acerca de la media , slo si, el tamao de la muestra es grande
X 0
(n 30), se suele utilizar la estadstica: Z
/ n
N(0,1)
Luego, las regiones crticas de las pruebas de Ho: = 0 contra cualquiera de las
tres alternativas H1: > 0
H1: < 0
x
T
S/ n
Si se
t n 1
estadstica
x 0
especificada por esta hiptesis es: T
S/ n
Nota: La estructura de la prueba es idntica que en el caso de conocida ,
salvo que el valor de
Ho: = o,
H1: 0
x
3. Estadstica de prueba: T
S/ n
t n 1
5. Hallar Tcalc
x 0
cierta.
6. Decisin: se rechaza H0 con riesgo igual a , si Tcalc R.C. (o si Tcalc R.A. ).
No se rechaza H0 en caso contrario.
Si se rechaza Ho se dice que la prueba es significativa con riesgo igual .
B. Prueba unilateral de la cola derecha
Ho: = o,
1. Hiptesis:
H1: > 0
x
3. Estadstica de prueba: T
S/ n
t n 1
P [T t1 , n1 | H 0 : 0 verdadera]
En consecuencia, la regin crtica en el rango de variacin de T es:
R.C. {T t1 , n1}
La regin de aceptacin es:
R. A. {T t1 , n1} .
5. Hallar Tcalc
x 0
cierta.
6. Decisin: se rechaza H0 con riesgo igual a , si Tcalc R.C. (o si Tcalc R.A. ).
No se rechaza H0 en caso contrario.
C. Prueba unilateral de la cola izquierda
1. Hiptesis:
Ho: = o ,
H1: < 0
259
x
3. Estadstica de prueba: T
S/ n
t n 1
P [T t1 , n1 | H 0 : 0 verdadera]
En consecuencia, la regin crtica en el rango de variacin de T es:
R.C. = {T < -t1 - , n -1}
La regin de aceptacin es: R.A. = {T > -t1 - , n -1}
5. Hallar Tcalc
x 0
cierta.
6. Decisin: se rechaza H0 con riesgo igual a , si Tcalc R.C. (o si Tcalc R.A. ).
No se rechaza H0 en caso contrario.
Nota: Regla de decisin con el Intervalo de Confianza
La prueba de la hiptesis nula Ho: = 0 contra H1: 0 a un nivel de
significacin dado , equivale al calcular el intervalo de confianza (I.C.) del 100(1 )% para el parmetro y luego rechazar la hiptesis nula Ho: = 0 si es que 0
I .C.
Nota: Mtodo del valor P (o P-valor o sig o Probab, etc.)
Otra forma de establecer la regla de decisin, es calculando el valor P (probabilidad
mnima para rechazar Ho), a partir del valor Tcalc, de manera que:
Para dos colas: P = P[|Tn-1| > |Tcalc|] = P[Tn-1 < -|Tcalc|] + P[Tn-1 > |Tcalc|] =
= 2 P[Tn-1 < -|Tcalc|] = 2 P[Tn-1 > |Tcalc|]
Para cola a la derecha: P = P[Tn-1 > Tcalc]
Para cola a la izquierda: P = P[Tn-1 < Tcalc]
Si el valor de P < , entonces, se rechaza H0. Se acepta H0, en caso contrario.
260
Ejemplo 4.Un fabricante produce un cable de alambre de cierto tipo, que tiene una resistencia a la
ruptura no mayor de 300 kg. Se descubre un proceso nuevo y ms barato que desea
emplearse, siempre que el cable as producido tenga una resistencia media a la ruptura
mayor de 300 kg. Si una muestra aleatoria de 25 cables producidos con el nuevo proceso
ha dado una media 304.5 kg. y una desviacin estndar S = 10 kg. Debera el fabricante
adoptar el nuevo proceso, si est dispuesto a asumir un error tipo I del 5%? Hallar el Pvalor.
Solucin
1. Hiptesis: H0: 300 (proceso antiguo)
x
T
S/ n
t 24
x = 304.5 Kg.
S = 10 y = 300
Entonces: Tcalc
x 304.5 300
= 2.25
S/ n
10 / 25
6. Decisin: puesto que Tcalc = 2.25 R.C., debemos rechazar H0 y concluir con un
5% de significacin que conviene adoptar el nuevo proceso.
P-valor = P[T24 > 2.25] = 1 - P[T24 2.25] = 1 x
(1)
2.064 0.975
2.25
2.492 0.990
0.990 0.975
x 0.975
x 0.975
28.53x - 27.82 = 0.186
261
x = 0.982
Rpta.
Como el valor-P = 0.018 < = 0.05 se rechaza Ho y se acepta H1: > 300. Por lo
tanto, se concluye tambin con un 5% de significacin que es conveniente adoptar el
nuevo proceso.
Clculos utilizando Minitab
Del men escoger Estadsticas Estadsticas bsicas 1t t de 1 muestra y
aparece la Ventana t de 1 muestra (prueba e intervalo de confianza) siguiente:
T de una muestra
Prueba de mu = 300 vs. > 300
N
25
Media
304.50
Media del
Error
estndar
2.00
Desv.Est.
10.00
95% Lmite
inferior
301.08
T
2.25
P
0.017
Media Desv.Est.
304.50
10.00
Errorestndar
2.00
IC de 95%
(300.37, 308.63)
Aparecen los resultados antes obtenidos: Tcalc = 2.25, el valor-P = 0.017 (ligeramente
diferente al 0.018 encontrado con aproximacin usando la Tabla 3) y el intervalo de
confianza del 95% para la media obtenido a continuacin.
Nota.Si se construye el intervalo de confianza del 95% para la media , con 1 = 0.95
en la Tabla 3, t0 = t24 , 0.975 = 2.064. Adems: n = 25, X = 304.5 Kg. y S = 10.
El intervalo de confianza para la media es: [ X - t0 S / n , X + t0 S / n ]
Luego: [304.5 2.064 x
10
10
, 304.5 + 2.064 x
] = [304.5 4.128]
25
25
varianza muestral, S 2
( X
i 1
X )2
n 1
(n 1)S 2
263
n21
Esta estadstica se utiliza para probar hiptesis acerca de una varianza. Si se supone
verdadera la hiptesis nula Ho: 2 = 02 , la estadstica es:
2
2
El valor calc
(n 1) S 2
02
(n 1) S 2
02
n21
Ho: 2 = 02 ,
H1: 2 02
(n 1)S 2
n21
P [ 2 2 / 2,n1 ] / 2
o P [ 2 2 / 2,n1 ] / 2
La Regin crtica de la prueba es: R.C. = {X2 < 2 / 2,n1 o X2 > 12 / 2,n1 }
5. Hallar calc
(n 1) S 2
02
cierta.
2
2
R.C. (o si calc
R. A. ).
6. Decisin: se rechaza H0 con riesgo igual a , si calc
1. Hiptesis:
(n 1)S 2
n21
P[ 2 12 ,n1 ]
12 , n1
La regin de aceptacin es:
5. Hallar
2
calc
(n 1) S 2
02
2
2
R.C. (o si calc
R. A. ).
6. Decisin: se rechaza H0 con riesgo igual a , calc
(n 1)S 2
n21
P[ 2 2, n1 ]
La Regin crtica de la prueba es: R.C. = {X2 < 2, n1 }
2
calc
(n 1) S 2
02
2
2
R.C. (o si calc
R. A. ).
6. Decisin: se rechaza H0 con riesgo igual a , calc
2
Para cola a la derecha: P = P[ n21 > calc
]
2
Para cola a la izquierda: P = P[ n21 < calc
]
Ejemplo 5.En un proceso de fabricacin, se plantea la hiptesis que la desviacin estndar de las
longitudes de cierto tipo de tornillo es 2.0 mm. En una muestra de diez tornillos
elegidos al azar del proceso de produccin se han encontrado las siguientes
longitudes en milmetros: 71, 66, 64, 72, 69, 67, 70, 68, 65, 69
Con estos datos, se justifica la suposicin que la desviacin estndar verdadera es
2.00 mm? Use el nivel de significacin = 0.05, y suponga que la distribucin de las
longitudes es normal. Halle el valor-P.
Solucin:
1. Hiptesis : H 0 : 2 4,
H1 : 2 4
(n 1)S 2
H 0 : 4 , la estadstica de prueba:
92
4
2
4. Regin crtica: Para = 0.05 y para un contraste bilateral, en la tabla 2 de chicuadrado se encuentran los siguientes valores crticos:
2
calc
(n 1)S 2 9S 2 9 (6.77)
15.23
4
4
4
2
6. Decisin: Como calc
= 15.23 R.A. se acepta H 0 : 2 4 y concluimos que la
Rpta.
2
Como la prueba es bilateral y calc
= 15.23 > n 1 = 9 el valor-P se obtiene as:
2
P = 2 {1 - P[ n21 < calc
]} = 2 {1 - P[ 92 < 15.23]} = 2 {1 - x} . (1)
X2
14.7
0.90
15.23
16.9
0.95
0.95 0.90
x 0.90
44x 39.6 = 0.53
44 =
0.53
x 0.90
x = 0.912
Rpta.
268
Sigma-cuadrado = 4
Sigma cuadrado no = 4
Estadsticas
Variable
Longitud
N
10
Desv.Est.
2.60
Varianza
6.77
IC para
varianza
(3.20, 22.55)
(3.73, 15.85)
Pruebas
Variable
Longitud
Mtodo
Estndar
Ajustado
Chicuadrada
15.23
26.47
GL
9.00
15.65
Valor P
0.170
0.084
2
Aparecen los resultados antes obtenidos: calc
= 15.23, el valor-P = 0.17
S12 / 12
f n1 1, n2 1
S 22 / 22
12 / 22 = 1, la
S12
f n1 1, n2 1
S 22
S12
que resulta de dos muestras aleatorias, se utiliza para
S 22
Ho : 12 22 ,
H1 : 12 22
S12 / 12
f n 11, n2 1
S 22 / 22
P[ F f / 2, n 11, n 21 ] / 2 o P[ F f1 / 2, n 11, n 21 ] / 2
La Regin crtica es: R.C. = {F < f / 2, n 11, n 21 o F > f1 / 2, n 11, n 21 }
La regin de aceptacin es: R.A. = { f / 2, n 11, n 21 F f1 / 2, n 11, n 21 }
5. Hallar Fcalc
S12
2 con la informacin muestral y suponiendo que Ho es cierta.
S2
Ho: 12 22 ,
H1 : 12 22
S12 / 12
f n 11, n2 1
S 22 / 22
P[ F f1 , n 11, n 21 ]
La Regin crtica de la prueba es: R.C. = {F > f1 , n 11, n 21 }
f1 , n 11, n 21
La regin de aceptacin es:
5. Hallar Fcalc
S12
con la muestra y suponiendo que Ho es cierta.
S 22
Ho : 12 22 ,
H1 : 12 22
S12 / 12
f n 11, n2 1
S 22 / 22
271
P [ F f , n 11, n 21 ]
La Regin crtica de la prueba es: R.C. = {F < f , n 11, n 21 }
R.A. = {F > f , n 11, n 21 }
S12
2 con la muestra y suponiendo que Ho es cierta.
S2
antiguo y una muestra de 6 piezas del proceso nuevo se obtienen los siguientes
dimetros en milmetros:
Antiguo (1): 17, 23, 21, 18, 22, 20, 21, 19
Nuevo (2): 13, 16, 14, 12, 15, 14
Confirman estos datos que la varianza de los dimetros con el nuevo proceso es
menor que con el proceso antiguo? Suponga poblaciones normales y use = 0.05
Solucin
Sean X1 y X2 las variables que representan los dimetros de las piezas con el proceso
antiguo y nuevo respectivamente. Las dos poblaciones se distribuyen normalmente
con varianzas desconocidas.
1.
Hiptesis: H0: 12 = 22
H1: 12 > 22
2.
3.
S12
F 2 f 7 ,5
S2
4.
Regin crtica: para = 0.05 y la prueba unilateral derecha, f7,5, 0.95 = 4.88 es:
R.C. = {F > 4.88}
5.
S12 4.125
= 2.0625
2
S 22
Nota. Si se construye el intervalo de confianza del 95% para la razn de varianzas, ste
resultar ser: 12 / 22 [0.301; 10.91] con el 95% de confianza.
Entonces, se acepta que 12 / 22 = 1, porque pertenece al intervalo de confianza.
Por lo tanto, se concluye que 12 22 con el 95% de confianza, es decir que la
varianza de los dimetros con el nuevo proceso es igual a la del proceso antiguo.
Para hallar el valor-P, como Fcalc = 2.0625 > 1 se obtiene as:
273
P = 2 P[f7,5 > 2.0625] = 2{1 - P[f7,5 2.0625]} > 0.10 (en Excel = 0.4428).
Rpta.
Ya que en la Tabla 4, de la distribucin F, para 7 y 5 grados de libertad la
probabilidad acumulada hasta 2.0625 es menor a 0.95 (en Excel es 0.7786).
Como P = 0.4428 > = 0.05, se acepta la hiptesis nula y se concluye tambin
con el 5% de significacin, que la varianza de los dimetros con el nuevo proceso
no es menor que con el proceso antiguo, sino las varianzas son iguales.
Clculos utilizando Minitab
En la Ventana de Datos (Hoja de trabajo), en la columna C1 definir la variable
dimetro Antiguo-1 e ingresar los 8 valores de la muestra y en la columna C2
definir la variable dimetro Nuevo-2 e ingresar los 6 valores de la muestra.
Del men escoger Estadsticas Estadsticas bsicas 21 22 2 varianzas y
aparece la Ventana 2 varianzas siguiente:
Como los datos muestrales aparecen en las columnas C1 y C2, se escoge Muestras
en diferentes columnas y se selecciona en el recuadro de Primera: la columna C1
Antiguo-1 y en el recuadro de Segunda: la columna C2 Nuevo-2.
Nota: si ya se tienen los clculos muestrales, habilitar la opcin Datos resumidos y
escribir el Tamao de muestra: y la Varianza: (de la muestra) correspondiente a la
Primera: y Segunda: muestra. Lo que sigue es igual para ambos casos.
274
N
8
6
Inferior
1.27062
0.82920
Desv.Est.
2.03101
1.41421
Superior
4.65199
4.04599
Antiguo-1
2.06
0.443
Prueba de Levene
Estadstica de prueba
Valor P
Nuevo-2
1
2
3
4
5
Intervalos de confianza de Bonferroni de 95% para Desv.Est.
Antiguo-1
Nuevo-2
12
14
16
18
Datos
20
275
22
24
1.25
0.286
y X
- X
12 /n1+ 22 /n2).
Si las dos poblaciones no son normales, pero n1 y n2 son suficientemente
grandes (n1 > 30 y n2 > 30), entonces, X
- X
tiene aproximadamente
X 1 X 2 (1 2 )
12
n1
22
N(0,1).
n2
X1 X 2
12
n1
Su valor Zcalc =
X1 X 2
12
n1
22
22
N (0,1)
n2
n2
X 1 X 2 d0
12
n1
22
n2
Z calc R.A. ). No se
Ejemplo 7.Un fabricante quiere comparar los tiempos de proceso de dos marcas de mquinas A
y B, para fabricar un tipo de artculo. Al observar dos muestras aleatorias de 60
artculos procesados por A y B respectivamente, encuentra que las medias
respectivas son 1,230 y 1,190 segundos. Suponga A = 120 y B = 90 segundos.
a) Al nivel de significacin del 5%, se puede inferir que la mquina B es ms
rpida que la mquina A? Hallar el valor P.
b) Al nivel de significacin del 5%, se puede inferir que la media de B es menor
que la media de A en menos de 7 segundos? Hallar el valor P.
Solucin
Sean XA y XB los tiempos de proceso con las mquinas A y B respectivamente y A,
B sus medias respectivas. Se desconocen las distribuciones de probabilidades de
XA y XB, pero las muestras son grandes (nA = nB = 60 > 30). Para determinar si la
mquina B es ms rpida que la A, se comparan sus tiempos promedios de proceso:
A > B.
a) 1. Hiptesis: H0: A = B contra H1: A > B
2. Nivel de significacin: = 0.05.
3. Estadstica de prueba.- si se supone verdadera la hiptesis Ho y para muestras
grandes, la estadstica apropiada es:
XA XB
A2
nA
B2
N (0, 1)
nB
Z calc
A2
nA
B2
nB
120 2 90 2
= 19.365
60
60
x A x B 1,230 1,190
2.07
ES
19.365
278
Recordar que cuando las muestras son grandes t se aproxima a la normal estndar.
Habilitar la opcin Datos resumidos y escribir el Tamao de muestra:, la
Media: y la Desviacin estndar: correspondiente a la Primera: y Segunda:
muestra respectivamente.
279
Muestra
1
2
N
60
60
Media
1230
1190.0
Desv.Est.
120
90.0
Media del
Error
estndar
15
12
(X A X B ) 7
A2
nA
B2
N (0,1)
nB
Z calc
( x1 x 2 ) 7 (1,230 1,190) 7
1.7
ES
19.365
Muestra
1
2
N
60
60
Media
1230
1190.0
Desv.Est.
120
90.0
Media del
Error
estndar
15
12
281
X 2 ( 1 2 )
S12 / n1 S22 / n2
N (0,1)
Las regiones crticas y las reglas de decisin para las pruebas de la hiptesis nula
X 2 ( 1 2 )
Sc2 Sc2
n1 n2
tn1 n2 2
Su valor: t
calc
X1 X 2
S c2 S c2
n1 n2
t n1 n2 2
x1 x 2
n1
n1 n2 2
n2
que resulta de dos muestras aleatorias, se usa para probar H0 con una alternativa
unilateral o bilateral.
282
R.C. = T t1 / 2, n1 n2 2 o T t1 / 2, n1 n2 2
x1 = 49,658, S1 = 2,150
n2 = 16,
x 2 = 48,125,
S2 =
1,875.
Con el 1% de significacin, probar si son diferentes las duraciones medias de las
llantas de ambas marcas. Hallar el valor-P.
Solucin
Datos: n1 = 16,
x 2 = 48,125, S2 =
1875.
Primero se debe probar si las varianzas de las duraciones de las llantas de ambas
marcas son iguales o no.
Hiptesis: H 0 : 12 22 ,
H 1 : 12 22 ,
= 0.01
S12
F 2 f15,15
S2
283
S12 2150 2
= 1.31
S 22 1875 2
N
16
16
Inferior
1524.27
1329.31
de
Desv.Est.
2150
1875
Bonferroni
de
95%
para
Superior
3564.60
3108.66
= 0.01
X1 X 2
S c2 S c2
n1 n2
t16162 t 30
Regin crtica, para = 0.01 y la prueba bilateral, en la Tabla 3: t30, 0.995 = 2.75.
R.C. = {T < -2.75 o T > 2.75}
Con la informacin muestral: n1 = 16, x1 = 49,658, S1 = 2,150
x 2 = 48,125,
16,
n2 =
determina:
Sc2
tcalc
n1 n2 2
x1 x 2
Sc2 Sc2
n1 n2
16 16 2
49658 48125
4069062.5 4069062.5
16
16
= 4069062.5
2.15
2.042 0.975
2.15
2.457 0.990
0.990 0.975
x 0.975
x 0.975
x = 0.9789
Rpta.
N
16
16
Media
49658
48125
Desv.Est.
2150
1875
Media del
Error
estndar
538
469
Aparecen los resultados antes obtenidos tcalc = 2.15 y el valor-P = 0.040 > =
0.01 y se concluye tambin que las duraciones medias de las llantas de ambas
marcas son iguales, con el 1% de significacin.
286
X 2 (1 2 )
S12 S22
n1 n2
tH
S12 S22
n
n2
Donde: H 12
representa los grados de libertad.
2
S12 S22
n1 n2
n1 1 n2 1
Dado que H rara vez es un entero, se toma la parte entera (entero mayor de H).
La prueba de hiptesis es similar a las trabajadas anteriormente con la
distribucin t.
Ejemplo 9
Dos mquinas embolsan diariamente detergente de manera independiente.
Mediante muestras aleatorias sin reemplazo de 12 bolsas de cada mquina se han
obtenido los siguientes resultados sobre el peso de las bolsas (en gramos):
n1 = 12, x1 = 505, S1 = 10
n2 = 12, x 2 = 495, S2 = 4.
n2 = 12, x 2 = 495, S2 = 4.
Primero se debe probar si las varianzas de los pesos de las bolsas con detergente
de ambas mquinas son iguales o no.
Hiptesis: H 0 : 12 22 ,
H 1 : 12 22 ,
= 0.01
S12
F 2 f11,11
S2
287
S12 100
= 6.25
S 22 16
N
12
12
Inferior
6.18776
2.47510
Desv.Est.
10
4
Superior
22.1991
8.8796
= 0.01
X1 X 2
S12 S 22
n1 n2
t H t14
2
S12 S 22
100 16
12 12
n1 n2
Donde: H =
=
= 14.43 14
2
2
2 2
2 2
100
16
S1
S2
12
12
n
n
1 2
12 1 12 1
n1 1
n2 1
Regin crtica, para = 0.01 y la prueba bilateral, en la Tabla 3: t14, 0.995 = 2.977
R.C. = {T < -2.977 o T > 2.977}
Datos del problema:
n1 = 12, x1 = 505, S12 = 100 y
Tcalc
X1 X 2
2
1
2
2
S
S
n1 n2
505 495
= 3.22
100 16
12 12
N
12
12
Media
505.0
495.00
Desv.Est.
10.0
4.00
Media del
Error
estndar
2.9
1.2
Aparecen los resultados antes obtenidos tcalc = 3.22, los grados de libertad igual a
14 y el valor-P = 0.006 < = 0.01 y se concluye tambin que los pesos medios
de las bolsas con detergente de ambas mquinas son diferentes, al 1% de
significacin.
6.7 PRUEBA DE HIPTESIS PARA LA PROPORCIN
Suponga que se dispone de una muestra aleatoria de n observaciones, obtenida
de una poblacin con una proporcin p de xitos (elementos que poseen un
atributo particular). Si el nmero de observaciones de la muestra es grande y la
proporcin muestral observada es p , para realizar contrastes acerca de p se
sigue los siguientes pasos:
1. Hiptesis:
H0: p = p0
H1: p p0
p p
N(0, 1)
pq
n
Z calc
290
p p0
p0 q0
n
Donde
X # de xitos en la muestra
n = 800,
X = 378
Z calc
p p0 0.4725 0.50
= -1.56
p0 q0
0.5 x0.5
800
n
291
Decisin: como Zcalc = 1.64 R.C. se rechaza la hiptesis nula con el 10% de
significacin. Se concluye que menos de la mitad de los compradores son capaces de
decir el precio correcto.
P = P[Z < Zcalc] = P[Z < -1.56] = (-1.56) = 0.05938
Rpta.
X
378
N
800
Muestra p
0.472500
Lmite
superior 90%
0.495121
Valor Z
-1.56
Valor P
0.060
Aparecen los resultados antes obtenidos Zcalc = -1.56 y el valor-P = 0.06 < = 0.10 entonces se
rechaza la hiptesis nula y se concluye tambin que menos de la mitad de los compradores son
capaces de decir el precio correcto, con el 10% de significacin.
292
p1 - p2 = 0
Contra:
H1: p1 < p2
H1: p1 > p2
H1: p1 p2
H1: p1 - p2 0
H1: p1 - p2 > 0
H1: p1 - p2 < 0
p 1 p 2 ( p1 p2 )
N(0, 1)
p1q1 p2 q2
n1
n2
X1
n1
p 2
X2
. Donde:
n2
p 1 p 2
p1q1 p2 q2
n1
n2
p 1 p 2
1 1
pq
n1 n2
Para calcular Z, se estima el valor de p que aparece dentro del radical as:
X1 X 2
n1 n2
q = 1- p
p 1 p 2
1 1
p q
n1 n2
Luego usando los puntos crticos de la curva normal estndar se puede hallar
la regin crtica para cada hiptesis alternativa.
293
p1 - p2 = 0
H1: p1 < p2
H1: p1 > p2
H1: p1 p2
H1: p1 - p2 < 0
H1: p1 - p2 > 0
H1: p1 - p2 0
p 1 p 2
N(0, 1)
p1q1 p2 q2
n1
n2
p 1
X1
,
n1
p 2
Luego: Z calc
X2
n2
X1 X 2
n1 n2
p 1 p 2
1 1
p q
n1 n2
Ejemplo 11
De una muestra aleatoria de 203 anuncios publicitados en revistas britnicas,
52 eran humorsticos. De una muestra aleatoria independiente de 270 anuncios
publicados en revistas americanas, 56 eran humorsticos. Contrastar, frente a
una alternativa bilateral, la hiptesis nula de que las proporciones de anuncios
cmicos de las revistas britnicas y americanas son iguales, con el 5% de
significacin. Hallar p-valor.
Solucin
Sea las proporciones poblacionales de anuncios humorsticos en revistas
britnicas y americanas: p1 y p2, entonces se desea probar las hiptesis:
Ho: p1 = p2
H1: p1 p2
p 1
p 2
X2
56
= 0.207,
n2 270
X 1 52
= 0.256,
n1 203
n2 = 270, X2 = 56,
X1 X 2
52 56
108
= 0.228 y q =
n1 n2
2 0 3 2 7 0 4 7 3
0.772
El estadstico del contraste es:
Z calc
p 1 p 2
1 1
p q
n1 n2
0.256 0.207
1
1
0.228 x0.772
203 270
= 1.25
Rpta.
X
52
56
N
203
270
Diferencia = p
Estimado de la
IC de 95% para
Prueba para la
0.211
Muestra p
0.256158
0.207407
(1) - p (2)
diferencia: 0.0487502
la diferencia: (-0.0283508, 0.125851)
diferencia = 0 vs. no = 0: Z = 1.25 Valor P =
Aparecen los resultados antes obtenidos Zcalc = 1.25 y el valor-P = 0.211 > = 0.05 entonces no se
rechaza la hiptesis nula y se concluye tambin que las proporciones de anuncios cmicos de las
revistas britnicas y americanas son iguales, con el 5% de significacin.
296
H1:
> 0
< 0
0
> 0
< 0
0
H1:
> 02
2
2 < 02
2 02
H1:
> 0
< 0
0
c
N (, ) con conocida o n 30.
Zc < Z
/ n
|Zc| > Z1 /2
Cuando la muestra es aleatoria de X ~
Tc > t1
X 0
Tc
tn 1
N (, 2) con 2 desconocida, n < 30.
Tc < t
S/ n
|Tc| > t1 /2
P.H. PARA LA VARIANZA POBLACIONAL H0 : 2 = 02
Caso
Estadstico de prueba
Rechazar H0 si:
2
La muestra es aleatoria de una poblacin
2c > 21
(n 1)S
2
2
C
n 1
normal o aproximadamente normal.
2c < 2
2
0
2c < 2 /2 o
2c > 21 /2
Rechazar H0 si:
Zc > Z1
Zc < Z
|Zc| > Z1 /2
H1:
12 > 22
12 < 22
12 22
f
c
n
1
,
n
1
poblaciones normales.
Fc < f
1
2
S22
Fc <f /2 o
Fc > f1 /2
c
1 - 2 < 0
independientes, de poblaciones
Zc < Z
12 22
2
2
1 - 2 0
|Zc| > Z1 /2
normales con 1
y 2
n1 n2
conocidas o n1 y n 2 30.
1 - 2 > 0 2. Se toman dos muestras aleatorias
Tc > t1
X 1 X 2 0
T
t
c
n
2
1
2
1 - 2 < 0
independientes de poblaciones
Tc < t
1
2 1
2
2
1 - 2 0
|Tc| > t1 /2
Sp
normales, con 1
y 2
n
n
2
1
desconocidas pero
iguales
(varianzas homogneas).
297
1 - 2 > 0 3.
Dos
muestras
aleatorias
X 1 X 2 0
tH
1 - 2 < 0
independientes de poblaciones Tc
2
2
S
S
1
2
1 - 2 0
normales con 12 y 22
n1 n2
desconocidas pero diferentes
2
S12 S22
(varianzas heterogneas).
n
n2
Con: H 12
2
S12 S22
n1 n2
n1 1 n2 1
Tc > t1
Tc < t
|Tc| > t1 /2
c
p1 - p2 < 0 tes con n1 y n2 30.
Zc < Z
1 1
p1 - p2 0
|Zc| > Z1 /2
p q
n1 p 1 n2 p 2
Con p
n1 n2
n1 n2
P.H. PARA LA DIFERENCIA DE PROPORCIONES POBLACIONALES H0 : p1 - p2 = p0
H1:
Caso
Estadstico de prueba
Rechazar H0 si:
p1 - p2 > p0 Dos muestras aleatorias independienZc > Z1
p1 p 2 p0
Z
c
p1 - p2 < p0 tes con n1 y n2 30.
Zc < Z
p1q1 p 2q2
p1 - p2 p0
|Zc| > Z1 /2
n1
n2
298
H1: 250
X
cuya distribucin es N(0,1).
Z
/ n
4. Regin crtica: para = 0.05 y la alternativa bilateral, en la Tabla 1 de la
distribucin normal estndar, se encuentra el valor crtico: Z1-/2 = Z0.975 =
1.96
Luego, la regin crtica en la variable Z est dada por:
x 246.5,
S 12 , =
250.
Entonces:
Z calc
246.5 250
1.75
12
36
299
la
(n 1)S 2
hiptesis
H0,
la
estadstica
de
prueba
es:
(n 1)S 2
2
35
250
20.2
250
250
250
2
6. Decisin: Como calc
= 20.2 R.C. se rechaza H0: 2 = 250 y concluimos
que la varianza de las bolsas de gelatina es diferente a 250 gr2 por bolsa,
con el 5% de significacin.
2
Como la prueba es bilateral y calc
= 20.2 < n 1 = 35 el valor-P se obtiene
as:
2
2
P = 2 P[ n21 < calc
] = 2 P[ 35
< 20.2] = 2 x . (1)
18.5
0.01
20.2
0.025 0.01
x 0.01
x 0.01
300
20.6
0.025
x = 0.02214
Rpta.
Como el valor-P = 0.0443 < = 0.05 se rechaza H0: 2 = 250. Por lo tanto, se
concluye tambin con un 5% de significacin que la varianza de las bolsas de
gelatina es diferente a 250 gr2 por bolsa.
2.
X
cuya distribucin es N(0,1).
Z
/ n
4. Regin crtica: para = 0.01 y la alternativa unilateral izquierda, en la
Tabla 1 de la distribucin normal estndar, se encuentra el valor crtico:
Z = -Z1- Z0.01 = -Z0.99 = -2.33.
Luego, la regin crtica est dada por: R.C = {Zcalc < -2.33}
x 45020 ,
S 171 , = 45090.
Entonces: Z calc
x
45020 45090
2.28 R.A.
/ n
171 / 31
301
H1: 200
H1: 2
40000
2. Nivel de significacin: = 0.05
3. Estadstica de prueba: poblacin normal, con n = 31, y suponiendo
verdadera
H0,
(n 1)S 2
la
estadstica
de
prueba
es:
(31 1)S 2
2
30
40000
21.9
40000
40000
40000
2
6. Decisin: Como calc
= 21.9 R.A. no se rechaza H0: = 200 y
as:
2
2
P = 2 P[ n21 < calc
] = 2 P[ 30
< 21.9] = 2 x . (1)
20.6
0.10
21.9
0.20 0.10
x 0.10
x 0.10
302
23.4
0.20
28 x 2.8 = 1.3
x = 0.1464
Rpta.
Como el valor-P = 0.2928 > = 0.05 se acepta H0: = 200. Por lo tanto, se
concluye tambin con un 5% de significacin que la desviacin estndar del
tiempo de vida de los artculos de la empresa es igual a 200 horas.
3.
H1: 500
X
cuya distribucin es N(0,1).
Z
/ n
4. Regin crtica: para = 0.05 y la alternativa bilateral, en la Tabla 1 de la
normal estndar, se encuentra el valor crtico: Z1-/2 = Z0.975 = 1.96
Luego, la regin crtica en la variable Z est dada por:
x 495,
S 12 , = 500.
Entonces: Z calc
x
495 500
2.32 R.C.
/ n 12 / 31
Rpta.
303
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(41 1)S 2
2
40
200
2, n1 02.01, 40 22.2
Luego, la regin crtica es: R.C. {X2 < 22.2}
5. Clculos: De los datos de la muestra resulta S2 = 122 = 144, entonces,
2
calc
28.8
200
200
200
2
6. Decisin: Como calc
= 28.8 R.A. no se rechaza H0: 2 = 200 y
26.5
0.05
28.8
0.10 0.05
x 0.05
x 0.05
29.1
0.10
52 x 2.6 = 2.3
x = 0.0942
304
Rpta.
Como el valor-P = 0.0942 > = 0.05 se acepta H0: 2 = 200. Por lo tanto, se
concluye tambin con el 1% de significacin, que la varianza del contenido
en las bolsas de sal es igual a 200 gr2.
4.
X
cuya distribucin es N(0,1).
Z
/ n
4. Regin crtica: para = 0.01 y la alternativa unilateral derecha, en la Tabla
1 de la normal estndar, se encuentra el valor crtico: Z1- = Z0.99 = 2.33
Luego, la regin crtica en la variable Z est dada por:
RC Z calc 2.33
x 420,
S 60 , = 410.
Entonces: Z calc
x
420 410
1.18 R.A.
/ n 60 / 50
Rpta.
305
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(50 1)S 2
2
49
2500
12 , n1 02.99, 49 74.9
Luego, la regin crtica es: R.C. {X2 > 74.9}
5. Clculos: De los datos de la muestra resulta S2 = 602 = 3600, entonces,
2
calc
70.6
2500
2500
2500
2
6. Decisin: Como calc
= 70.6 R.A. no se rechaza H0: 2 = 2500 y se
concluye que la varianza del aumento del peso neto de los animales es
igual a 2500 gr2, con el 1% de significacin.
Como la prueba es unilateral a la derecha el valor-P se obtiene as:
2
2
2
P = P[ n21 > calc
] = P[ 49
> 70.6] = 1 - P[ 49
70.6] = 1 - x . (1)
P
0.975
x
0.99 0.975
x 0.975
0.99
70.6
313.3 =
0.4
x 0.975
74.9
306
Rpta.
x = 0.9763
Como el valor-P = 0.0237 > = 0.01 se acepta H0: 2 = 2500. Por lo tanto, se
concluye tambin con el 1% de significacin, que la varianza del aumento del
peso neto de los animales es igual a 2500 gr2.
5.
H1: 6
X
3. Estadstica de prueba: para n 30 es: Z
N(0,1).
/ n
4. Regin crtica: para = 0.05 y la alternativa bilateral, en la Tabla 1 de la
normal estndar, se encuentra el valor crtico: Z1-/2 = Z0.975 = 1.96
Luego, la regin crtica en la variable Z est dada por:
x 3.2,
S 5.2 ,
6.
Entonces: Z calc
x
3.2 6
3.81 R.C.
/ n 5.2 / 50
307
P = P[|Z| > |-3.81|] = P[|Z| > 3.81] = 2 P[Z < -3.81] = 2(0.000) = 0.000.
Rpta.
Como P = 0.000 < = 0.05 se rechaza Ho y se concluye tambin con =
0.05, que el nmero medio de das de enfermedad de los estudiantes es
diferente a 6.
b) Para verificar la hiptesis acerca de la varianza, se siguen los siguientes
pasos:
1. Hiptesis: H0: 2 = 50 das2
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(50 1)S 2
2
49
50
2, n1 02.01, 49 28.9
Luego, la regin crtica es: R.C. {X2 < 28.9}
5. Clculos: De los datos de la muestra resulta S2 = 5.22 = 27.04, entonces,
2
calc
26.5
50
50
50
2
6. Decisin: Como calc
= 26.5 R.C. se rechaza H0: 2 = 50 y concluimos
Como el valor-P = 0.0041 < = 0.01 se rechaza H0: 2 = 50. Por lo tanto, se
concluye tambin con el 1% de significacin, que la varianza del nmero de
das de enfermedad de los estudiantes es diferente a 50 das2.
308
6.
H1: 70
x
3. Estadstica de prueba: T
S/ n
t9
x = 73,
S = 14.08 y
70
Entonces: Tcalc
x
73 70
= 0.67
S / n 14.08 / 10
H1: 2 500
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(10 1)S 2
92
500
(n 1)S 2 9S 2 9 (198.25)
3.57
500
500
500
2
6. Decisin: Como calc
= 3.57 R.A. no se rechaza H0: 2 = 500 y se
as:
2
P = 2 P[ n21 < calc
] = 2 P[ 92 < 3.57] = 2 x . (1)
3.33
0.05
3.57
0.10 0.05
x 0.05
x 0.05
4.17
0.10
Rpta.
310
x = 0.064
Como el valor-P = 0.128 > = 0.05 se acepta H0: 2 = 500. Por lo tanto, se
concluye tambin con un 5% de significacin, que la varianza de las notas de
los alumnos es igual a 500 puntos2.
7.
H1: 15
x
3. Estadstica de prueba: T
S/ n
t7
x = 15.3,
S = 1.211 y
15
Entonces: Tcalc
x
15.3 15
= 0.70
S / n 1.211 / 8
H1: 2 5
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(8 1)S 2
72
5
2
calc
(n 1)S 2 7S 2 7 (1.467)
2.05
5
5
5
2
6. Decisin: Como calc
= 2.05 R.A. no se rechaza H0: 2 = 5 y se
as:
2
P = 2 P[ n21 < calc
] = 2 P[ 72 < 2.05] = 2 x . (1)
P
0.025
2.05
0.36
x 0.025
312
19.2 =
2.17
0.05
x = 0.044
Rpta.
H1: > 22
x
3. Estadstica de prueba: T
S/ n
t7
x = 30,
S = 4.472 y
22
Entonces: Tcalc
x
30 22
= 4.0
S / n 4.472 / 5
H1: 2 < 30
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(5 1)S 2
42
30
2, n1 02.01. 4 0.297
Luego, la regin crtica es: R.C. {X2 < 0.297}
5. Clculos: De los datos de la muestra resulta S2 = 20, entonces,
2
calc
(n 1)S 2 4S 2 4 (20)
2.67
30
30
30
2
6. Decisin: Como calc
= 2.67 R.A. no se rechaza H0: 2 = 30 y se
as:
2
P = P[ n21 < calc
] = P[ 42 < 2.67] = 0.3857
Rpta.
9.
H1: 2.5
x
3. Estadstica de prueba: T
S/ n
t 24
x = 2.61,
S = 0.25 y
2.5
Entonces: Tcalc
x
2.61 2.50
= 2.2
S / n 0.25 / 25
315
H1: 2 0.38
H0,
(n 1)S 2
la
estadstica
de
prueba
es:
(25 1)S 2
2
24
0.38
3.95
0.38
0.38
0.38
2
6. Decisin: Como calc
= 3.95 R.C. se rechaza H0: 2 = 0.38 y se
concluye que la varianza del consumo de gasolina en los autos por cada
100 Km. es diferente a 0.38 galones2, con el 1% de significacin.
2
Como la prueba es bilateral y calc
= 3.95 < n 1 = 24 el valor-P se obtiene
as:
2
2
P = 2 P[ n21 < calc
] = 2 P[ 24
< 3.95] = 2 (0.00) = 0.000
316
10. Una muestra de 25 clientes de cierta gasolinera indica que el nmero medio de
galones comprados a la semana es de x = 14.3 y la desviacin estndar de S =
2.7 galones.
a) Con el 5 % de significacin. Hay razn para creer que el verdadero nmero
medio de galones comprados a la semana por cliente es menor de 15.6?
Determine el p-valor.
b) Con = 0.05 Aceptara usted que 2 > 4.1? Determine el p-valor.
Solucin
a) Sea X la variable definida como el nmero de galones de gasolina comprados
a la semana por un cliente.
1. Hiptesis: H0: = 15.6 galones
x
3. Estadstica de prueba: T
S/ n
t 24
x = 14.3,
S = 2.7 y
15.6
Entonces: Tcalc
x 14.3 15.6
= -2.41
S/ n
2.7 / 25
(n 1)S 2
H0,
la
estadstica
de
prueba
es:
(25 1)S 2
2
24
4.1
42.7
4.1
4.1
4.1
2
6. Decisin: Como calc
= 42.7 R.C. se rechaza H0: 2 = 4.1 y se concluye
Son diferentes las duraciones medias de las llantas de ambas marcas? Use =
0.01. Determine p-valor.
318
Solucin
Sean X1 y X2 la duracin (en Km.) de las llantas marca 1 y 2 respectivamente y
1, 2 sus respectivas medias. Se desconoce la distribucin de probabilidades de
X1 y X2, pero las muestras son grandes (n1 = n2 = 31 > 30). Para determinar si
son diferentes las duraciones medias de las llantas de ambas marcas, se
comparan sus duraciones medias: 1 2.
1. Hiptesis: H0: 1 = 2 contra H1: 1 2
2. Nivel de significacin: = 0.01.
3. Estadstica de prueba.- si se supone verdadera la hiptesis Ho y para muestras
grandes, la estadstica apropiada es:
X1 X 2
12
n1
22
N (0, 1)
n2
x1 = 46300, S1 = 5000
n2 = 31,
x 2 = 48100, S2 =
6100.
E.S. = Error estndar =
Z calc
S12 S 22
5000 2 6100 2
= 1416.61
n1 n2
31
31
x1 x 2 46300 48100
1.27
ES
1416.61
319
x1 = $ 5.30, S1 = $ 0.16
n2 = 40,
x 2 = $ 5.40, S2 = $
0.15.
Con un nivel de significacin del 1 %, probar si el pago medio por hora a los
choferes de camin de la ciudad 1 es menor que el pago medio por hora a los
choferes de camin de la ciudad 2. Hallar p-valor.
Solucin
Sean X1 y X2 el pago por hora a los choferes de camin en las ciudades 1 y 2
respectivamente y 1, 2 sus respectivas medias. Se desconoce las distribucin
de probabilidades de X1 y X2, pero las muestras son grandes (n1 y n2 > 30). Para
probar si el pago medio por hora a los choferes de camin de la ciudad 1 es
menor que el pago medio por hora a los choferes de la ciudad 2, se compara: 1
< 2.
1. Hiptesis: H0: 1 = 2 contra H1: 1 < 2
2. Nivel de significacin: = 0.01.
3. Estadstica de prueba: si se supone verdadera la hiptesis Ho y para muestras
grandes, la estadstica apropiada es:
X1 X 2
12
n1
22
N (0, 1)
n2
320
x 2 = $ 5.40, n2 = 40, S2 = $
S12 S 22
0.16 2 0.15 2
= 0.036
n1 n2
35
40
Z calc
x1 x 2 5.30 5.40
2.78
ES
0.036
Rpta.
X1 X 2
12
n1
22
n2
321
N (0, 1)
S1 = 35
n2 = 180, x 2 = 140,
S2 = 30.
S12 S 22
35 2 30 2
= 3.34
n1 n2
200 180
Z calc
x1 x 2 150 140
= 2.99
ES
3.34
X 1 = 160, S1 = 60
n2 = 150, X 2 = 150,
S2 = 50.
Use = 0.05, para determinar si el gasto medio mensual en educacin de la
ciudad 1 es mayor que el gasto medio mensual en educacin de la ciudad 2.
Hallar el p-valor.
Solucin
Sean X1 y X2 el gasto mensual en educacin realizado por las familias de las
ciudades 1 y 2 respectivamente y 1, 2 sus respectivas medias. Se desconoce
las distribucin de probabilidades de X1 y X2, pero las muestras son grandes (n1
y n2 > 30). Para determinar si el gasto medio mensual en educacin de la ciudad
322
X1 X 2
12
n1
22
N (0, 1)
n2
S12 S 22
60 2 50 2
= 5.89
n1 n2
200 150
Z calc
x1 x 2 200 150
= 1.70
ES
5.89
Rpta.
Solucin
Sean XA y XB el costo mensual de la enseanza en las universidades A y B
respectivamente y A, B sus respectivas medias. Se desconoce la distribucin
de probabilidades de
XA XB
A2
nA
B2
N (0, 1)
nB
SA = 70
nB = 121, x B = 675,
SB = 90.
S A2 S B2
70 2 90 2
= 10.37
n A nB
121 121
Z calc
x A x B 650 675
= -2.41
ES
10.37
324
n2 = 11, X 2 = 74, S2 = 7.
H1: 12 22
S12
f12,10
S 22
S12 100
= 2.04
49
S 22
325
H1: 1 2
X1 X 2
S c2 S c2
n1 n2
t13112 t 22
2
c
tcalc
n1 n2 2
x1 x 2
Sc2 Sc2
n1 n2
13 11 2
82 74
83.59 83.59
13 11
= 83.59
2.14
Para dos colas: P = 2P[T22 > 2.14] = 2[1 P(T22 2.14)] = 2[1 x] .. (1)
En la Tabla 3, T de student, no est el valor 2.15, se determina x interpolando
as:
T
2.074 0.975
2.14
0.990 0.975
x 0.975
28.93 =
0.066
x 0.975
2.508
0.990
x = 0.9774
Rpta.
n2 = 16,
X 2 = 505, S2 = 5.
a) Son diferentes las varianzas de los pesos de las latas con caf de ambas
mquinas? Use = 0.05. Halle p-valor.
b) Es mayor el peso medio de las latas con caf de la mquina 2 que el de la
mquina 1? Use = 0.01 y determine p-valor.
Solucin
Sean X1 y X2 las variables que representan el peso de las latas con caf (en gr.)
de las mquinas 1 y 2 respectivamente. Asumiendo que las dos poblaciones se
distribuyen normalmente con varianzas desconocidas y las muestras son
pequeas (n1 y n2 < 30) primero se prueba si las varianzas son diferentes, para
segn ello probar si es mayor el peso medio de las latas con caf de la mquina 2
que el de la mquina 1.
Datos: n1 = 16, X 1 = 495, S1 = 9
a) 1. Hiptesis: H0: 12 = 22
n2 = 16,
H1: 12 22
327
X 2 = 505, S2 = 5.
S12
f15,15
S 22
S12 81
= 3.24
S 22 25
2.86
0.975
3.24
0.99 0.975
x 0.975
x 0.975
3.52
0.99
Rpta.
328
H1: 2 > 1
X 2 X1
S12 S 22
n1 n2
t H t 23
2
S12 S 22
81 25
n1 n2
16 16
Donde: H =
=
= 23.45 23
2
2
2
2
81
25
S12
S 22
16 16
n1 n2
16 1 16 1
n1 1
n2 1
tcalc
X 2 X1
S12 S22
n1 n2
505 495
3.89
81 25
16 16
Rpta.
Ya que en la Tabla 3 de la T, para 23 grados de libertad, la probabilidad
acumulada hasta 3.89 es mayor a 0.9995 (en Excel es 0.9996).
Como el valor-P < 0.0005 < = 0.01 se rechaza Ho y se concluye tambin
que el peso medio de las latas con caf de la mquina 2 es mayor que el peso
medio de las latas con caf de la mquina 1, con el 1% de significacin.
329
n2 = 15,
X 2 = 105, S2 = 15.
H1: 12 22
S12
f14,14
S 22
S12
36
= 0.16
2
S 2 225
El valor P para la prueba bilateral y como Fcalc = 0.16 < 1 se obtiene as:
P = 2 P[f14,14 < 0.16] = 2 P[1/ f14,14 1/ 0.16] = 2 P[f14,14 6.25] =
= 2 {1 - P[f14,14 6.25]} < 0.01 (en Excel 0.0016).
Rpta.
H1: 1 2
X1 X 2
S12 S 22
n1 n2
t H t18
2
S12 S 22
36
225
n1 n2
15 15
Donde: H =
=
= 18.37 18
2
2
2
2
36
225
S12
S 22
15
15
n
n
1 2
15 1
15 1
n1 1
n2 1
tcalc
X1 X 2
2
1
2
2
S
S
n1 n2
112 105
1.68
36 225
15 15
Para dos colas: P = 2P[T18 > 1.68] = 2[1 P(T18 1.68)] = 2[1 x] .. (1)
En la Tabla 3, T de student, con 18 grados de libertad, no est el valor 1.68,
se determina x interpolando as:
T
1.330 0.90
1.68
0.95 0.90
x 0.90
x 0.90
1.734 0.95
x = 0.943
Rpta.
X 1 = $ 540, S1 = $ 16
15.
a) 1. Hiptesis: H0: 12 = 22
H1: 12 22
332
n2 = 20,
X 2 = $ 530, S2 = $
S12
F 2 f19,19
S2
4. Regin crtica. Para = 0.01 y la prueba bilateral en la Tabla 4, los valores
crticos F son: f19, 19, 0.005 = 1/ f19, 19, 0.995 = 1/ 3.43 = 0.292 y f19, 19, 0.995 =
3.43.
R.C. = {F < 0.292 o F > 3.43}
5. Clculos: con los datos de la muestra se obtiene:
2
1
2
2
S12 256
2
= 1.14
S 2 225
H1: 2 < 1
X 2 X1
S c2 S c2
n1 n2
t 20 202 t 38
Sc2
tcalc
n1 n2 2
X 2 X1
Sc2 Sc2
n1 n2
20 20 2
= 240.5
530 540
2.04
240.5 240.5
20
20
Rpta.
x1 = 402, S1 = 25
n2 = 20,
x 2 = 385, S2 = 15.
desconocidas y las muestras son pequeas (n1 y n2 < 30) primero se prueba si las
varianzas son diferentes; para segn ello, probar si son diferentes los gastos
medios mensuales en seguridad particular de las empresas comerciales de ambas
ciudades.
n1 = 20,
x1 = 402, S1 = 25
a) 1. Hiptesis: H0: 12 = 22
n2 = 20,
x 2 = 385, S2 = 15.
H1: 12 22
S12
F 2 f19,19
S2
4. Regin crtica. Para = 0.05 y la prueba bilateral en la Tabla 4, los valores
crticos F son: f19, 19, 0.025 = 1/ f19, 19, 0.975 = 1/ 2.53 = 0.395 y f15, 15, 0.995 =
2.53.
R.C. = {F < 0.395 o F > 2.53}
5. Clculos: con los datos de la muestra se obtiene:
2
1
2
2
S12 625
2
= 2.78
S 2 225
2.53
0.975
2.78
0.99 0.975
x 0.975
x 0.975
335
3.03
0.99
Rpta.
H1: 2 1
X1 X 2
t H t 31
S12 S 22
n1 n2
2
S12 S 22
625
225
n1 n2
20
20
Donde: H =
=
= 31.11 31
2
2
2
2
625
225
S12
S 22
20
20
n
n
1 2
20 1
20 1
n1 1
n2 1
x 2 = 385,
x1 = 402, S1 = 25
n2 =
determina:
tcalc
X1 X 2
S12 S22
n1 n2
402 385
2.61
625 225
20 20
2.453 0.990
2.61
0.995 0.990
x 0.990
58.2 =
0.157
x 0.990
2.744
0.995
x = 0.993
Rpta.
3. Estadstica de prueba: Z
p p0
N (0,1)
p0 q0
n
Z calc
p p0 0.305 0.34
= -2.33
p0 q0
0.34 x0.66
1000
n
Rpta.
3. Estadstica de prueba: Z
p p0
N (0,1)
p0 q0
n
2.575}
5. Con la informacin muestral: n = 800, X = 644, p
X 644
= 0.805 y
n 800
Z calc
p p0 0.805 0.75
= 3.59
p0 q0
0.75 x0.25
800
n
3. Estadstica de prueba: Z
p p0
N (0,1)
p0 q0
n
X 400
= 0.80 y bajo
n 800
Z calc
p p0
0.80 0.75
= 2.58
p0 q0
0.75 x0.25
500
n
340
3. Estadstica de prueba: Z
p p0
N (0,1)
p0 q0
n
X 182
= 0.607 y
n 300
Z calc
p p0 0.607 0.65
= -1.56
p0 q0
0.65 x0.35
300
n
Rpta.
3. Estadstica de prueba: Z
p p0
N (0,1)
p0 q0
n
X 375
= 0.75 y bajo
n 500
Z calc
p p0
0.75 0.80
= -2.80
p0 q0
0.80 x0.20
500
n
300.
Con = 0.05 Son diferentes las verdaderas proporciones de empresarios
limeos y no limeos que aceptan la revista de negocios? Determine pvalor.
Solucin
Sean p1 y p2, las proporciones poblacionales de empresarios de Lima
Metropolitana (1) y del Resto del Pas (2) que aceptan la revista de negocios.
Entonces, se desea probar si son diferentes las verdaderas proporciones de
empresarios limeos y no limeos que aceptan la revista de negocios.
342
1. Hiptesis: Ho: p1 = p2
H1: p1 p2
3. Estadstica de prueba: Z
p 1 p 2 ( p1 p2 )
N(0, 1)
p1q1 p 2 q2
n1
n2
p 1
X1 = 280,
= 0.25, p
Z calc
X 1 280
X
300
= 0.35, n2 = 1200, X2 = 300, p 2 2
n1 800
n2 1200
X 1 X 2 280 300
580
= 0.29 y q = 0.71; se determina:
n1 n2
800 1200 2000
p 1 p 2
1 1
p q
n1 n2
0.35 0.25
1
1
0.29 x0.71
800 1200
= 4.83
Rpta.
Sean p1 y p2, las proporciones poblacionales de adultos (1) y de jvenes (2) que
estn de acuerdo con la gestin presidencial. Entonces, se desea probar si la
verdadera proporcin de adultos que est de acuerdo con la gestin presidencial,
es mayor que la proporcin de jvenes que est de acuerdo con dicha gestin.
1. Hiptesis: Ho: p1 = p2
H1: p1 > p2
3. Estadstica de prueba: Z
p 1 p 2 ( p1 p2 )
N(0, 1)
p1q1 p 2 q2
n1
n2
Z calc
p 1
X 1 220
X
300
= 0.55, n2 = 600, X2 = 300, p 2 2
=
n1 400
n2 600
n1 n2
400 600 1000
p 1 p 2
1 1
p q
n1 n2
0.55 0.50
1
1
0.52 x0.48
400 600
= 1.55
Rpta.
Solucin
Sean p1 y p2, las proporciones poblacionales de estudiantes hombres (1) y
mujeres (2) que estn a favor de la titulacin con tesis. Entonces, se desea probar
si son diferentes las verdaderas proporciones de alumnos y alumnas que estn a
favor de la titulacin con tesis.
1. Hiptesis: Ho: p1 = p2
H1: p1 p2
3. Estadstica de prueba: Z
p 1 p 2 ( p1 p2 )
N(0, 1)
p1q1 p 2 q2
n1
n2
2.575}
5. Bajo el supuesto que Ho es cierta y con la informacin muestral: n1 = 200,
X1 = 120,
p 1
X 1 120
X
150
= 0.60, n2 = 300, X2 = 150, p 2 2
=
n1 200
n2 300
0.50,
n1 n2
200 300 500
Z calc
p 1 p 2
1 1
p q
n1 n2
0.60 0.50
1
1
0.54 x0.46
200 300
= 2.20
Rpta.
H1: p2 < p1
3. Estadstica de prueba: Z
p 2 p 1 ( p2 p1 )
N(0, 1)
p1q1 p 2 q2
n1
n2
Z calc
p 1
X 1 288
X
252
= 0.48, n2 = 600, X2 = 252, p 2 2
=
n1 600
n2 600
n1 n2
600 600 1200
p 2 p 1
1 1
p q
n1 n2
0.42 0.48
1
1
0.45 x0.55
600 600
= -2.09
Rpta.
30. Se entrevistaron dos grupos de mujeres respecto a su inters por los polos de
verano Sol y mar. De una muestra de 250 mujeres menores de 40 aos, 150
estuvieron interesados, mientras que de 250 mujeres de 40 aos a ms, slo 120
mostraron inters. Con el 5% de significacin, existe diferencia entre la
proporcin de mujeres menores de 40 aos y las de 40 aos a ms que mostraron
inters por los polos de verano Sol y mar? Halle p-valor.
Solucin
Sean p1 y p2, las proporciones poblacionales de mujeres menores de 40 aos (1)
y las mujeres de 40 aos a ms (2) que muestran inters por los polos de verano
Sol y mar. Entonces, se desea probar si son diferentes ambas proporciones .
1. Hiptesis: Ho: p1 = p2
H1: p1 p2
3. Estadstica de prueba: Z
p 1 p 2 ( p1 p2 )
N(0, 1)
p1q1 p 2 q2
n1
n2
Z calc
p 1
X 1 150
X
120
= 0.60, n2 = 250, X2 = 120, p 2 2
=
n1 250
n2 250
n1 n2
250 250 500
p 1 p 2
1 1
p q
n1 n2
0.60 0.48
1
1
0.54 x0.46
250 250
= 2.69
2.
Aceptara usted que 2 < 200 ml2 por botella? Use = 0.05. Halle p-valor.
Un proceso est programado para embolsar la cantidad media de 250 gramos
de caf. Se toma una muestra aleatoria de 36 bolsas, resultando una media de
253.5 gramos y una desviacin tpica de 13 gramos.
a) Se puede afirmar que el contenido medio en las bolsas de caf es mayor de
250 gramos? Use = 0.05. Halle p-valor.
b) Aceptara usted que 2 250 gr2 por bolsa? Use = 0.05. Halle p-valor.
3.
4.
5.
6.
Los pesos de diez estudiantes (en Kg.) fueron: 60, 44, 66, 71, 75, 75, 80, 84, 93
y 82. Suponga que estos pesos proceden de una poblacin normal.
a) Ponga a prueba H0: = 70 Kg. contra H1: 70, con un = 0.05. Halle pvalor.
b) Ponga a prueba H0: 2 = 80 Kg2 contra H1: 2 > 80, use = 0.05. Halle pvalor.
7.
Los pesos netos (grs.) de las bolsas de detergente es de 250. Una muestra
aleatoria de 10 bolsas dio estos pesos: 248, 251, 248, 247, 245, 246, 246, 252,
247, 250.
a) Ser la media poblacional de los pesos netos menor a 250gr. Use = 0.01.
Halle p-valor.
b) Ponga a prueba H0: 2 = 15 contra H1: 2 15, con un = 0.05. Halle p-valor.
8.
9.
10. Los pesos en kilos de una muestra aleatoria de 8 cajas de galleta son: 14.6, 12.5,
15.3, 16.1, 14.4, 12.9, 13.7 y 14.9. Suponiendo que los pesos se distribuyen
normalmente.
a) Con una significacin del 5 % pruebe si el peso medio de las cajas de galleta
es distinto de 14 Kg. Halle p-valor.
b) Ponga a prueba H0: 2 = 5 contra H1: 2 5, con un nivel de significacin de
0.05. Halle p-valor.
349
x2 =
n2 = 16,
X 2 = 505, S2 = 7.
a) Son diferentes las varianzas de los contenidos de las botellas con jugo de
ambas mquinas? Use = 0.05. Halle p-valor.
b) Son diferentes los contenidos medios de las botellas con gaseosa de ambas
mquinas? Use = 0.01 y determine p-valor.
17. Se ha llevado a cabo un estudio para analizar los gastos mensuales en publicidad
(en dlares) realizado por las empresas comerciales de dos ciudades. Mediante
muestras aleatorias sin reemplazo tomadas independientemente en cada ciudad
se han obtenido los siguientes resultados:
n1 = 20, X 1 = $ 950, S1 = 95
351
19. Se ha llevado a cabo un estudio para analizar los gastos mensuales (S/.) en
alquiler de local realizado por las empresas comerciales de dos ciudades
grandes.
Mediante
muestras
aleatorias
sin
reemplazo
tomadas
n2 = 20,
x 2 = 856, S2 = 62.
n2 = 12, x 2 = 495, S2 = 4.
24. En una muestra aleatoria de 600 de los 20000 hogares de un distrito se encontr
que 240 consumen leche. Indica esta evidencia que menos del 45% de los
hogares consumen leche. Use un nivel de significacin del 5%. Halle p-valor.
Explique el error tipo I.
25. De una muestra aleatoria de 800 ciudadanos entrevistados en Lima
Metropolitana, 200 indicaron que no estn de acuerdo con el voto electrnico.
Indica esta evidencia que ms del 20 % de los ciudadanos no estn de acuerdo
con el voto electrnico? Use el nivel de significacin de 0.01. Halle p-valor.
26. Se entrevistaron a hombres y mujeres respecto a su inters por una nueva marca
de perfume. En una muestra aleatoria de 400 hombres y 600 mujeres, 220
hombres y 300 mujeres dijeron que les gustaba el nuevo perfume. Con el 1% de
significacin, existe diferencia entre las verdaderas proporciones de hombres y
mujeres que dijeron que les gustaba el nuevo perfume? Halle p-valor.
27. De los alumnos de la UNAC se toma una muestra aleatoria de 600 hombres, 300
de las cuales estn a favor del cambio curricular. En una muestra de 400
mujeres, 240 indican que estn a favor de lo mismo. Se puede afirmar que es
menor la proporcin de hombres que estn a favor del cambio curricular, que la
proporcin de mujeres a favor del cambio curricular? Use = 0.01. Halle pvalor.
28. A fin de determinar el nivel de aceptacin de la gestin presidencial, se
entrevistaron dos grupos de ciudadanos: de Lima Metropolitana (1) y del Resto
del Pas (2), se obtuvieron los siguientes resultados:
Lima M. (1): n1 = 800, X1 = 280;
300
Con = 0.05 Existe diferencia entre las verdaderas proporciones de limeos
y no limeos que estn de acuerdo con la gestin presidencial? Determine pvalor.
29. Se entrevistaron dos grupos de mujeres respecto a su inters por la compra de
casacas de cuero. De una muestra de 300 mujeres de 40 aos a ms, 75
estuvieron interesadas, mientras que de 200 mujeres menores 40 aos, 80
mostraron inters. Con el 5% de significacin, ser mayor la proporcin de
353
354
Jos Mart
CONTENIDO
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.1
B1
Bj
Bc
A1
O11
O1j
O1c
O1.
Ai
Oi1
Oij
Oic
Oi.
Af
Of1
Ofj
Ofc
Of.
O.1
O.j
O.c
.
.
.
.
totales de cada fila Oi. = Oij , los totales de cada columna O.j =
j 1
j 1
i 1
O
i 1
ij
y el
3. Estadstica de prueba: 2
(Oij eij ) 2
eij
i 1 j 1
Donde eij
Oi x O j
n
(2f 1)(c 1)
B1
Bj
Bc
A1
e11
e1j
e1c
O1.
Ai
ei1
eij
eic
Oi.
Af
ef1
efj
efc
Of.
O.1
O.j
O.c
.
.
.
.
P [ 2 12 ,( f 1)(c1) ]
12 , ( f 1) (c 1)
357
2
calc
(Oij eij ) 2
i 1 j 1
eij
2
R.C. (o si
6. Decisin: se rechaza H0 con riesgo igual a , si calc
2
calc
R. A. ). No se rechaza H0 en caso contrario. Si se rechaza Ho se dice
SEXO
Total
Hombre
Mujer
Delgado
Normal
33
66
99
Sobrepeso
14
Total
38
82
120
358
3. Estadstica de prueba:
2
(Oij eij ) 2
eij
i 1 j 1
22
0.5
Density
0.4
0.3
0.2
0.1
0.0
0.05
0
5.99
siguiente:
Tabla de contingencia CONDICIN DEL PESO * SEXO
Valores Esperados
CONDICIN DEL
PESO
SEXO
Total
Hombre
Mujer
Delgado
2.2
4.8
Normal
31.4
67.6
99
Sobrepeso
4.4
9.6
14
Total
38
82
120
2
calc
(Oij eij ) 2
i 1 j 1
eij
2.2
4.8
31.4
67.6
4.4
9.6
2
3.45 R. A. , con el 5% de significacin no se rechaza
6. Decisin: como calc
H0, por lo tanto la condicin del peso de los estudiantes es independiente del
gnero de este. (NO existe relacin entre la condicin del peso y el gnero
del estudiante).
Estando definidas las variables sexo y condicin del peso, los resultados en el
programa SPSS se obtienen as:
Analizar Estadsticos descriptivos Tablas de contingencia. En la
ventana de Tablas de contingencia, ingresar en Filas: la variable condicin del
peso y en Columnas: la variable sexo.
En Estadsticos, escoger Chi-cuadrado. Luego Continuar y Aceptar, los
resultados son la Tabla de contingencia de valores observados y las Pruebas de
chi-cuadrado siguientes:
Pruebas de chi-cuadrado
Valor
gl
Sig. asinttica
(bilateral)
,176
Razn de verosimilitudes
5,561
,062
1,724
,189
Chi-cuadrado de Pearson
3,477
lineal
N de casos vlidos
120
Delgado
Normal
Sobrepeso
Todo
Columnas: Sexo
Hombre
Mujer
Todo
0
33
5
38
7
66
9
82
7
99
14
120
Contenido de la celda:
Conteo
(Oi ei ) 2
3. Estadstica de prueba:
(2k p 1)
ei
i 1
k
Oi
ei
A1
O1
e1
A2
O2
e2
Ak
Ok
ek
12 , k p 1
362
P [ 2 12 , k p1 ]
2
5. Hallar calc
i 1
(Oi ei ) 2
con la anterior tabla de frecuencias.
ei
2
R.C.
6. Decisin: se rechaza H0 con con el 100 % de significacin, si calc
Oi
55
42
53
46
47
57
(Oi ei ) 2
3. Estadstica de prueba:
621
ei
i 1
6
Oi
55
42
53
46
47
57
ei
50
50
50
50
50
50
363
(Oi ei ) 2
(55 50) 2 (42 50) 2 (53 50) 2 (46 50) 2
=
+
ei
50
50
50
50
i 1
6
2
calc
50
50
2
3.44 R. A. , con el 5% de significacin no se rechaza
6. Decisin: como calc
Ho: Me = Me0
H1: Me Me0 o Me < Me0 o Me > Me0
Z calc
Con W
(W 0.5) W
N (0, 1)
n(n 1)(2n 1)
n(n 1)
y W
24
4
Ho: Me = 300
H1: Me 300
Obreros
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Salarios
(Xi)
303
297
375
273
321
413
233
285
276
329
306
290
380
305
250
Total
Diferencias Rango de
di = Xi 300
|di|
3
1.5
-3
1.5
75
13
-27
9
21
7
113
15
-67
12
-15
6
-24
8
29
10
6
4
-10
5
80
14
5
3
-50
11
n(n 1)(2n 1)
15(16)(31)
n(n 1) 15(16)
= 60 y W
= 17.61
4
4
24
24
Z calc
(W 0.5) W
(67.5 0.5) 60
= 0.40. Para dos colas, el valor-P es:
17.61
P = P[|Z| > |Zcalc|] = 2 P[Z < -|Zcalc|] = 2 P[Z < -0.40] = 2(0.3446) = 0.69.
Como el valor-P = 0.69 > = 0.05, con el 5% de significacin no se rechaza H0.
En el programa Minitab, definir la variable salarios con sus datos. Escoger del
men Estadsticas No paramtricos 1W Wilcoxon de 1 muestra. Al abrir
la ventana de dilogo, en Variables: seleccionar Salarios, en Mediana de la
prueba: escribir 300 (mediana hipottica) y en Hiptesis alterna: escoger no es
igual a. Finalmente escoger Aceptar, tal como se aprecia a continuacin:
366
N
15
Salarios (Xi)
Nmero
de
prueba
15
Estadstica
de Wilcoxon
67.5
P
0.691
Mediana
estimada
304.0
Salarios (Xi)
N
15
Mediana
estimada
304.0
Confianza
lograda
95.0
Intervalo de
confianza
Inferior Superior
281.0
339.0
Ho: Me = Me0
H1: Me Me0 o Me < Me0 o Me > Me0
( X 0.5) 0.5n
N (0, 1)
0.5 n
Ho: Me = 300
H1: Me 300
Salarios
(Xi)
303
297
375
273
321
413
233
285
276
329
306
290
380
305
250
Signo Diferencia
Xi 300
+
+
+
+
+
+
+
+
369
Z calc
0.5 n
0.5 15
N
15
Debajo
7
Igual
0
P
1.0000
Mediana
303.0
Salarios
N
15
Mediana
303.0
Confianza
lograda
0.8815
0.9500
0.9648
Intervalo de
confianza
Inferior Superior
285.0
321.0
279.4
326.0
276.0
329.0
Posicin
5
NLI
4
Ho: p = 0.50
H1: p 0.50 o p < 0.50 o p > 0.50.
( X 0.5) 0.5n
N (0, 1)
0.5 n
Frugo preferido
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
B
B
B
B
A
B
B
B
B
B
B
A
B
B
A
B
373
Signo
+
+
+
+
+
+
+
+
+
+
+
+
+
3. Estadstica de prueba:
2
(Oij eij ) 2
i 1 j 1
eij
[21, 1 )
Donde Oij son las frecuencias observadas y eij son las frecuencias esperadas
obtenidas con las frecuencias observadas, suponiendo que Ho es cierta.
4. Regin crtica: hallar el valor crtico [21, 1 ] tal que la probabilidad de
rechazar H0 cuando se supone cierta sea:
P [ 2 [21,1 ] ]
Muestra
1
2
Total
Me
O11
O21
O.1
Muestra
1
2
Total
Me
e11
e21
O.1
(Oij eij ) 2
> Me
Total
O12
O1.
O22
O2.
O..2
n
Oi x O j
c) Hallar las frecuencias esperadas eij
y colocarlas en la tabla:
n
2
d) Determinar calc
> Me
e12
e22
O..2
Total
O1.
O2.
n
eij
i 1 j 1
2
R.C. No se rechaza
6. Decisin: se rechaza H0 con riesgo igual a si si calc
Mujeres (2)
30
28
32
48
42
35
48
21
40
30
40
45
28
Solucin
1. Hiptesis:
3. Estadstica de prueba: 2
(Oij eij ) 2
eij
i 1 j 1
[21, 1 )
4. Regin crtica: el valor crtico es [21, 0.95] = 3.84 y R.C. = {X2 > 3.84}.
2
5. Determinar calc
, con la informacin muestral y bajo el supuesto que Ho es
Sexo
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
376
Orden
2
2
1
1
2
2
1
1
1
1
2
1
1
1
1
2
2
2
2
2
1
2
1
2
2
1
Me (Ord. 1)
8
5
O.1 = 13
Muestra
1 = hombres
2 = Mujeres
Total
Me (Ord. 1)
6.5
6.5
O.1 = 13
2
2 (O e ) 2
ij
ij
> Me (Ord. 2)
Total
5
O1. = 13
8
O2. = 13
O.2 =13
n = 26
Oi x O j
c) Hallar las frecuencias esperadas eij
y colocarlas en la tabla:
n
2
d) Determinar: calc
i 1 j 1
2
calc
> Me (Ord. 2)
6.5
6.5
O.2 =13
Total
O1. = 13
O2. = 13
n = 26
eij
= 1.385
6.5
6.5
6.5
6.5
377
N<=
8
5
N>
5
8
Mediana
26.0
35.0
Q3-Q1
16.5
14.5
-+---------+---------+---------+----(--*----------------------------)
(----------*---------------)
-+---------+---------+---------+----25.0
30.0
35.0
40.0
2
Resultados y conclusiones similares a los obtenidos: calc
= 1.38 y P = 0.239. Por
378
Total
Hombre
Mujer
Deportes
18
24
Msica
12
33
45
Baile
10
TV / Cine
27
29
Otros
Total
5
38
7
82
12
120
Solucin
1. H0: El hobby de los estudiantes es independiente del gnero de este. (NO
existe relacin entre el hobby y el gnero del estudiante).
H1: El hobby de los estudiantes depende del gnero de este (Existe relacin
entre el hobby y el genero del estudiante).
2. Nivel de significacin: = 0.05
5
3. Estadstica de prueba:
2
(Oij eij ) 2
eij
i 1 j 1
42
Total
Hombre
Mujer
Deportes
7.6
16.4
24
Msica
14.3
30.8
45
Baile
3.2
6.8
10
TV / Cine
9.2
19.8
29
Otros
Total
3.8
38
8.2
82
12
120
379
Hobby-sexo
Deporte-hombre
Msica-hombre
Baile-hombre
Tv/cine-hombre
Otros-hombre
Deporte-mujer
Msica-mujer
Baile-mujer
Tv/cine-mujer
Otros-mujer
Oij
eij
18
12
1
2
5
6
33
9
27
7
7.6
14.3
3.2
9.2
3.8
16.4
30.8
6.8
19.8
8.2
14.232
0.355
1.482
5.619
0.379
6.595
0.165
0.687
2.604
0.176
2
calc
2
Luego calc
i 1 j 1
(Oij eij )
eij
32.293
= 32.293
2
6. Decisin: como calc
= 32.293 R.C., con el 5% de significacin se rechaza
H0, por lo tanto el hobby de los estudiantes depende del gnero de este.
(Existe relacin entre el hobby y el gnero del estudiante).
Estando definidas las variables sexo y hobby, los resultados en el programa
SPSS se obtienen as:
Analizar Estadsticos descriptivos Tablas de contingencia. En la
ventana de Tablas de contingencia, ingresar en Filas: la variable hobby y en
Columnas: la variable sexo.
En Estadsticos, escoger Chi-cuadrado. Luego Continuar y Aceptar, los
resultados son la Tabla de contingencia de valores observados del enunciado y
las Pruebas de chi-cuadrado siguientes:
380
Pruebas de chi-cuadrado
Valor
gl
Sig. asinttica
(bilateral)
,000
Razn de verosimilitudes
33,297
,000
12,191
,000
Chi-cuadrado de Pearson
32,293
lineal
N de casos vlidos
120
Total
Hombre
Mujer
Poca
Media
Mucha
21
43
64
Muchsima
15
34
49
Total
38
82
120
ESTUDIOS
Solucin
1. H0: No existe relacin entre la importancia de los estudios y el gnero del
estudiante (son independientes).
H1: Existe relacin entre la importancia de los estudios y el genero del
estudiante.
2. Nivel de significacin: = 0.05
381
3. Estadstica de prueba:
2
(Oij eij ) 2
eij
i 1 j 1
32
Total
Hombre
Mujer
Poca
0.3
0.7
Media
1.9
4.1
Mucha
20.3
43.7
64
Muchsima
15.5
35.5
49
38
82
120
ESTUDIOS
Total
Oij
Imp.estudio-sexo
Poca-hombre
Media-hombre
Mucha-hombre
Muchisima-hombre
Poca-mujer
Media-mujer
Mucha-mujer
Muchsima-mujer
eij
0
2
21
15
1
4
43
34
0.3
1.9
20.3
15.5
0.7
4.1
43.7
33.5
2
calc
Luego
2
calc
i 1 j 1
(Oij eij ) 2
eij
= 0.535
382
2
6. Decisin: como calc
= 0.535 R.A., con el 5% de significacin no se rechaza
H0, por lo tanto la importancia de los estudios es independiente del gnero del
alumno. (La importancia de los estudios no depende del gnero del alumno).
Estando definidas las variables importancia de los estudios y sexo, los
resultados en el programa SPSS son la Tabla de contingencia de valores
observados del enunciado y las Pruebas de chi-cuadrado siguientes:
Pruebas de chi-cuadrado
Valor
gl
Sig. asinttica
(bilateral)
,911
Razn de verosimilitudes
,833
,842
,000
,996
Chi-cuadrado de Pearson
N de casos vlidos
,535
120
< 20
9
12
40
89
150
INGRESOS (miles $)
20 - 40
> 40
11
10
10
13
45
50
104
107
170
180
Total
30
35
135
300
500
3. Estadstica de prueba:
2
(Oij eij ) 2
i 1 j 1
eij
62
Valores Esperados
TIPO DE
EMPRESA
Cuenta propia
Pequeas
Medianas
Grandes
Total
INGRESOS
20 - 40
> 40
10.2
10.8
11.9
12.6
45.9
48.6
102.0
108.0
170
180
< 20
9.0
10.5
40.5
90.0
150
Total
30
35
135
300
500
Tipo emp.-ingresos
C. propia - < 20
Pequea - < 20
Mediana - < 20
Grande - < 20
C. propia - 20 a 40
Pequea - 20 a 40
Mediana - 20 a 40
Grande - 20 a 40
C. propia - > 20
Pequea - > 20
Mediana - > 20
Grande - > 20
Oij
eij
9
12
40
89
11
10
45
104
10
13
50
107
9.0
10.5
40.5
90.0
10.2
11.9
45.9
102.0
10.8
12.6
48.6
108.0
2
calc
384
Luego
2
calc
(Oij eij ) 2
i 1 j 1
eij
= 0.776
2
6. Decisin: como calc
= 0.776 R.A., con el 5% de significacin no se rechaza
PROVEEDOR
B
C
170
135
18
6
7
9
195
150
A
90
3
7
100
Total
395
27
23
445
3. Estadstica de prueba:
2
(Oij eij ) 2
eij
i 1 j 1
42
Valores Esperados
CALIDAD DE
PARTES
Buena
Defectos pequeos
Defectos graves
Total
A
88.8
6.1
5.2
100
PROVEEDOR
B
C
173.1
133.1
11.8
9.1
10.1
7.8
195
150
385
Total
395
27
23
445
Oij
Calidad - proveedor
Buena - A
Def. peq. - A
Def. grave - A
Buena - B
Def. peq. - B
Def. grave - B
Buena - C
Def. peq. - C
Def. grave - C
eij
90
3
7
170
18
7
135
6
9
88.8
6.1
5.2
173.1
11.8
10.1
133.1
9.1
7.8
2
calc
Luego
2
calc
i 1 j 1
(Oij eij ) 2
= 7.712
eij
2
6. Decisin: como calc
= 7.712 R.A., con el 5% de significacin no se rechaza
Total
25
129
192
118
36
500
3. Estadstica de prueba: 2
i 1
(Oi ei ) 2
521
ei
386
Oi
25
129
192
118
36
pi
0.0625
0.2500
0.3750
0.2500
0.0625
ei = npi
31.25
125.00
187.50
125.00
31.25
(Oi ei ) 2
(25 31.25) 2 (129 125) 2 (192 187 .5) 2
=
ei
31.25
125
187 .5
i 1
5
2
calc
125
31.25
2
2.6 R. A. , con el 5% de significacin no se rechaza
6. Decisin: como calc
Poca
Media
Mucha
Muchsima
Total
19
48
46
120
(Oi ei ) 2
3. Estadstica de prueba:
421
ei
i 1
4
supuesto que Ho es cierta (la importancia del fsico es la misma para los
alumnos) es decir, con la misma frecuencia esperada igual a 120/5 = 24. La
Tabla de frecuencias observadas y esperadas es:
Imp. del fsico
Poca
Media
Mucha
Muchsima
Oi
19
48
46
ei
24
24
24
24
(Oi ei ) 2
ei
i 1
4
2
calc
24
24
24
24
2
calc
= 57.25
2
6. Decisin: como calc
= 57.25 R.C., con el 5% de significacin se rechaza
Las notas de los 120 alumnos de la asignatura de Estadstica Bsica de la FCEUNAC, el ao 2012, fueron las siguientes:
NOTAS
Xi
ni
7-8
7.5
2
8-9
8.5
6
9 - 10
9.5
7
10 - 11
10.5
21
11 - 12
11.5
33
12 - 13
12.5
22
13 - 14
13.5
19
14 - 15
14.5
7
15 - 16
15.5
3
Probar si las notas se distribuyen normalmente. Use = 0.05.
Solucin
1. Hiptesis: Ho: Las notas de los alumnos se distribuyen normalmente
H1: Las notas de los alumnos no se distribuyen normalmente
388
3. Estadstica de prueba: 2
i 1
(Oi ei ) 2
92 21
ei
2
calc
con la informacin observada de los 120 alumnos.
X n
i
1412
11.77
120
2
i
ni n 2
n 1
116950 120(11.77) 2
2.82 = 1.679
120 1
X 11.77
N (0, 1) permite calcular las probabilidades pi para los 9
1.679
389
Xi
7.5
8.5
9.5
10.5
11.5
12.5
13.5
14.5
15.5
ni = O i
2
6
7
21
33
22
19
7
3
120
pi
0.01222
0.03725
0.09739
0.17590
0.23291
0.21163
0.14094
0.06433
0.02743
1.00000
ei = npi
1.5
4.5
11.7
21.1
27.9
25.4
16.9
7.7
3.3
120.0
(Oi - ei)2/ei
0.1942
0.5237
1.8796
0.0006
0.9127
0.4540
0.2576
0.0671
0.0258
4.3152
2
calc
i 1
(Oi ei ) 2
= 4.32
ei
2
6. Decisin: como calc
= 4.32 R.A., con el 5% de significacin no se rechaza
H0, por lo tanto, se concluye que las notas de los alumnos se distribuyen
normalmente.
8.
Una muestra de los gastos de estudio mensual (S/.) de 16 alumnos arroja los
siguientes resultados: 120, 210, 100, 150, 120, 200, 200, 180, 250, 300, 250,
140, 300, 200, 160 y 300. Probar si la mediana de los gastos de estudio es
diferente de S/. 220. Use = 0.05.
Solucin
1. Hiptesis:
Ho: Me = 220
H1: Me 220
390
Gastos
(Xi)
Alumnos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
120
210
100
150
120
200
200
180
250
300
250
140
300
200
160
300
Total
Diferencia
Rango de
di = Xi |di|
220
-100
14.5
-10
1
-120
16
-70
9
-100
14.5
-20
3
-20
3
-40
7
30
5.5
80
11.5
30
5.5
-80
11.5
80
11.5
-20
3
-60
8
80
11.5
(-)
14.5
1
16
9
14.5
3
3
7
5.5
11.5
5.5
11.5
11.5
3
8
11.5
45.5
90.5
Ho: Me = 220
H1: Me 220
391
Signo Diferencia
di = Xi - 220
1
120
2
210
3
100
4
150
5
120
6
200
7
200
8
180
9
250
+
10
300
+
11
250
+
12
140
13
300
+
14
200
15
160
16
300
+
Scalc = nmero de veces que se repite el signo menos frecuente = 5.
Alumnos
Gastos (Xi)
Mujeres (2)
54
42
54
51
43
64
56
47
52
65
Solucin
1. Hiptesis:
392
3. Estadstica de prueba:
2
(Oij eij ) 2
i 1 j 1
eij
[21, 1 )
4. Regin crtica: el valor crtico es [21, 0.95] = 3.84 y R.C. = {X2 > 3.84}.
2
5. Determinar calc
, con la informacin muestral y bajo el supuesto que Ho es
Me (Ord. 1)
2
8
O.1 = 10
393
> Me (Ord. 2)
8
2
O.2 =10
Total
O1. = 10
O2. = 10
n = 20
Me (Ord. 1)
5
5
O.1 = 10
2
2 (O e ) 2
ij
ij
2
d) Determinar: calc
y colocarlas en la tabla:
> Me (Ord. 2)
5
5
O.2 =10
Total
O1. = 10
O2. = 10
n = 20
eij
i 1 j 1
2
calc
Oi x O j
(2 5) 2 (8 5) 2 (8 5) 2 (2 5) 2
= 7.20
5
5
5
5
N<=
2
8
N>
8
2
Mediana
67.0
53.0
Q3-Q1
12.0
12.0
-----+---------+---------+---------+(-----------*----)
(----------*-------)
-----+---------+---------+---------+49.0
56.0
63.0
70.0
394
2.
SEXO
Total
Hombre
Mujer
Poca
12
19
Media
14
34
48
Mucha
10
36
46
Muchsima
Total
38
82
120
3.
Total
ESPECIALIZACIN
Hombre
Mujer
Teora Econmica
10
18
Gestin Empresarial
30
72
102
Total
38
82
120
Hombre
195
65
260
Mujer
40
200
240
Total
235
265
500
4.
5.
Aprobados Desaprobados
33
17
49
11
15
37
97
65
Total
50
60
52
162
Frecuencia (Oi)
6
20
45
42
72
98
75
44
48
35
15
Los pesos de los 120 alumnos de la asignatura de Estadstica Bsica de la FCEUNAC, el ao 2012, fueron las siguientes:
PESO (Kg)
Menos 45
45 - 50
50 - 55
55 -60
60 - 65
65 - 70
70 - 75
75 - 80
80 a ms
ni = Oi
2
18
20
25
31
9
7
4
4
Calidad servicio
Excelente
Bueno
Regular
Malo
Psimo
Frecuencias (Oi)
72
67
52
56
53
9.
Los pesos de 15 personas arroja los siguientes resultados: 59, 50, 44, 42, 54, 71,
73, 58, 51, 75, 59, 74, 90, 65 y 43. Probar si la mediana de los pesos es diferente
de 65 kilos con la prueba de Wilcoxon y de los signos. Use = 0.05.
10. Los precios (S/.) del kilo de carne pagado por 12 amas de casa arroja los
siguientes resultados: 12.50, 12.00, 11.80, 13.20, 12.80, 11.50, 13.50, 12.40,
11.00, 14.00, 11.30 y 13.30. Probar si la mediana de los precios es diferente de
S/. 12.10 con la prueba de Wilcoxon y de los signos. Use = 0.05.
11. Con la informacin de la talla de los hombres y mujeres en la tabla, determinar
si la mediana de la talla de los hombres es mayor que la mediana de la talla de
las mujeres. Usar el 5% de significacin.
Hombres (1)
171
167
160
165
168
176
174
169
168
176
Mujeres (2)
152
150
152
165
158
150
155
158
165
149
397
REFERENCIAS BIBLIOGRFICAS
1.
2.
3.
5.
6.
7.
8.
9.
REFERENCIAS WEB
22. Acua, Edgar (2012). Pruebas no paramtricas. Universidad de Puerto Rico.
http://www.google.com.pe/url?sa=t&rct=j&q=&esrc=s&frm=1&source=web&c
d=6&sqi=2&ved=0CEoQFjAF&url=http%3A%2F%2Facademic.uprm.edu%2Fe
acuna%2Fminiman11sl.pdf&ei=e7dpUov5Foj28wTn8oCYAQ&usg=AFQjCNE
-MH9RWOglMaHg479MiFrk0l_FJA
23. Bazn, Juan (2011). Texto de estadstica computacional con R, Excel, Minitab
y SPSS (PDF). Universidad Nacional del Callao: Trabajo de investigacin para
la Facultad de Ciencias Econmicas. Callao.
http://www.unac.edu.pe/documentos/organizacion/vri/cdcitra/Informes_Finales_
Investigacion/Enero_2011/BAZAN_BACA_FCE/Estad%EDstica%20computaci
onal.pdf
24. http://es.wikipedia.org/wiki/William_Sealy_Gosset; revisado en agosto de 2012.
25. http://buscon.rae.es/drae/ Real Academia Espaola Todos los derechos
reservados. Vigsima segunda edicin (2001).
399
APNDICE
400
F(z) = (z) = P [Z ? z] =
1 t 2 / 2
e dt
2
z
-3.59
-3.58
-3.57
-3.56
-3.55
-3.54
-3.53
-3.52
-3.51
-3.50
F(z)
0.00017
0.00017
0.00018
0.00019
0.00019
0.00020
0.00021
0.00022
0.00022
0.00023
z
-2.99
-2.98
-2.97
-2.96
-2.95
-2.94
-2.93
-2.92
-2.91
-2.90
F(z)
0.00139
0.00144
0.00149
0.00154
0.00159
0.00164
0.00169
0.00175
0.00181
0.00187
z
-2.39
-2.38
-2.37
-2.36
-2.35
-2.34
-2.33
-2.32
-2.31
-2.30
F(z)
0.00842
0.00866
0.00889
0.00914
0.00939
0.00964
0.00990
0.01017
0.01044
0.01072
z
-1.79
-1.78
-1.77
-1.76
-1.75
-1.74
-1.73
-1.72
-1.71
-1.70
F(z)
0.03673
0.03754
0.03836
0.03920
0.04006
0.04093
0.04182
0.04272
0.04363
0.04457
z
-1.19
-1.18
-1.17
-1.16
-1.15
-1.14
-1.13
-1.12
-1.11
-1.10
F(z)
0.11702
0.11900
0.12100
0.12302
0.12507
0.12714
0.12924
0.13136
0.13350
0.13567
z
-0.59
-0.58
-0.57
-0.56
-0.55
-0.54
-0.53
-0.52
-0.51
-0.50
F(z)
0.27760
0.28096
0.28434
0.28774
0.29116
0.29460
0.29806
0.30153
0.30503
0.30854
-3.49
-3.48
-3.47
-3.46
-3.45
-3.44
-3.43
-3.42
-3.41
-3.40
0.00024
0.00025
0.00026
0.00027
0.00028
0.00029
0.00030
0.00031
0.00032
0.00034
-2.89
-2.88
-2.87
-2.86
-2.85
-2.84
-2.83
-2.82
-2.81
-2.80
0.00193
0.00199
0.00205
0.00212
0.00219
0.00226
0.00233
0.00240
0.00248
0.00256
-2.29
-2.28
-2.27
-2.26
-2.25
-2.24
-2.23
-2.22
-2.21
-2.20
0.01101
0.01130
0.01160
0.01191
0.01222
0.01255
0.01287
0.01321
0.01355
0.01390
-1.69
-1.68
-1.67
-1.66
-1.65
-1.64
-1.63
-1.62
-1.61
-1.60
0.04551
0.04648
0.04746
0.04846
0.04947
0.05050
0.05155
0.05262
0.05370
0.05480
-1.09
-1.08
-1.07
-1.06
-1.05
-1.04
-1.03
-1.02
-1.01
-1.00
0.13786
0.14007
0.14231
0.14457
0.14686
0.14917
0.15151
0.15386
0.15625
0.15866
-0.49
-0.48
-0.47
-0.46
-0.45
-0.44
-0.43
-0.42
-0.41
-0.40
0.31207
0.31561
0.31918
0.32276
0.32636
0.32997
0.33360
0.33724
0.34090
0.34458
-3.39
-3.38
-3.37
-3.36
-3.35
-3.34
-3.33
-3.32
-3.31
-3.30
0.00035
0.00036
0.00038
0.00039
0.00040
0.00042
0.00043
0.00045
0.00047
0.00048
-2.79
-2.78
-2.77
-2.76
-2.75
-2.74
-2.73
-2.72
-2.71
-2.70
0.00264
0.00272
0.00280
0.00289
0.00298
0.00307
0.00317
0.00326
0.00336
0.00347
-2.19
-2.18
-2.17
-2.16
-2.15
-2.14
-2.13
-2.12
-2.11
-2.10
0.01426
0.01463
0.01500
0.01539
0.01578
0.01618
0.01659
0.01700
0.01743
0.01786
-1.59
-1.58
-1.57
-1.56
-1.55
-1.54
-1.53
-1.52
-1.51
-1.50
0.05592
0.05705
0.05821
0.05938
0.06057
0.06178
0.06301
0.06426
0.06552
0.06681
-0.99
-0.98
-0.97
-0.96
-0.95
-0.94
-0.93
-0.92
-0.91
-0.90
0.16109
0.16354
0.16602
0.16853
0.17106
0.17361
0.17619
0.17879
0.18141
0.18406
-0.39
-0.38
-0.37
-0.36
-0.35
-0.34
-0.33
-0.32
-0.31
-0.30
0.34827
0.35197
0.35569
0.35942
0.36317
0.36693
0.37070
0.37448
0.37828
0.38209
-3.29
-3.28
-3.27
-3.26
-3.25
-3.24
-3.23
-3.22
-3.21
-3.20
0.00050
0.00052
0.00054
0.00056
0.00058
0.00060
0.00062
0.00064
0.00066
0.00069
-2.69
-2.68
-2.67
-2.66
-2.65
-2.64
-2.63
-2.62
-2.61
-2.60
0.00357
0.00368
0.00379
0.00391
0.00402
0.00415
0.00427
0.00440
0.00453
0.00466
-2.09
-2.08
-2.07
-2.06
-2.05
-2.04
-2.03
-2.02
-2.01
-2.00
0.01831
0.01876
0.01923
0.01970
0.02018
0.02068
0.02118
0.02169
0.02222
0.02275
-1.49
-1.48
-1.47
-1.46
-1.45
-1.44
-1.43
-1.42
-1.41
-1.40
0.06811
0.06944
0.07078
0.07215
0.07353
0.07493
0.07636
0.07780
0.07927
0.08076
-0.89
-0.88
-0.87
-0.86
-0.85
-0.84
-0.83
-0.82
-0.81
-0.80
0.18673
0.18943
0.19215
0.19489
0.19766
0.20045
0.20327
0.20611
0.20897
0.21186
-0.29
-0.28
-0.27
-0.26
-0.25
-0.24
-0.23
-0.22
-0.21
-0.20
0.38591
0.38974
0.39358
0.39743
0.40129
0.40517
0.40905
0.41294
0.41683
0.42074
-3.19
-3.18
-3.17
-3.16
-3.15
-3.14
-3.13
-3.12
-3.11
-3.10
0.00071
0.00074
0.00076
0.00079
0.00082
0.00084
0.00087
0.00090
0.00094
0.00097
-2.59
-2.58
-2.57
-2.56
-2.55
-2.54
-2.53
-2.52
-2.51
-2.50
0.00480
0.00494
0.00508
0.00523
0.00539
0.00554
0.00570
0.00587
0.00604
0.00621
-1.99
-1.98
-1.97
-1.96
-1.95
-1.94
-1.93
-1.92
-1.91
-1.90
0.02330
0.02385
0.02442
0.02500
0.02559
0.02619
0.02680
0.02743
0.02807
0.02872
-1.39
-1.38
-1.37
-1.36
-1.35
-1.34
-1.33
-1.32
-1.31
-1.30
0.08226
0.08379
0.08534
0.08692
0.08851
0.09012
0.09176
0.09342
0.09510
0.09680
-0.79
-0.78
-0.77
-0.76
-0.75
-0.74
-0.73
-0.72
-0.71
-0.70
0.21476
0.21770
0.22065
0.22363
0.22663
0.22965
0.23270
0.23576
0.23885
0.24196
-0.19
-0.18
-0.17
-0.16
-0.15
-0.14
-0.13
-0.12
-0.11
-0.10
0.42465
0.42858
0.43251
0.43644
0.44038
0.44433
0.44828
0.45224
0.45620
0.46017
-3.09
-3.08
-3.07
-3.06
-3.05
-3.04
-3.03
-3.02
-3.01
-3.00
0.00100
0.00104
0.00107
0.00111
0.00114
0.00118
0.00122
0.00126
0.00131
0.00135
-2.49
-2.48
-2.47
-2.46
-2.45
-2.44
-2.43
-2.42
-2.41
-2.40
0.00639
0.00657
0.00676
0.00695
0.00714
0.00734
0.00755
0.00776
0.00798
0.00820
-1.89
-1.88
-1.87
-1.86
-1.85
-1.84
-1.83
-1.82
-1.81
-1.80
0.02938
0.03005
0.03074
0.03144
0.03216
0.03288
0.03362
0.03438
0.03515
0.03593
-1.29
-1.28
-1.27
-1.26
-1.25
-1.24
-1.23
-1.22
-1.21
-1.20
0.09853
0.10027
0.10204
0.10383
0.10565
0.10749
0.10935
0.11123
0.11314
0.11507
-0.69
-0.68
-0.67
-0.66
-0.65
-0.64
-0.63
-0.62
-0.61
-0.60
0.24510
0.24825
0.25143
0.25463
0.25785
0.26109
0.26435
0.26763
0.27093
0.27425
-0.09
-0.08
-0.07
-0.06
-0.05
-0.04
-0.03
-0.02
-0.01
0.00
0.46414
0.46812
0.47210
0.47608
0.48006
0.48405
0.48803
0.49202
0.49601
0.50000
401
F(z) = (z) = P [Z ? z] =
1 t 2 / 2
e
dt
2
continuacin
z
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
F(z)
0.50399
0.50798
0.51197
0.51595
0.51994
0.52392
0.52790
0.53188
0.53586
0.53983
z
0.61
0.62
0.63
0.64
0.65
0.66
0.67
0.68
0.69
0.70
F(z)
0.72907
0.73237
0.73565
0.73891
0.74215
0.74537
0.74857
0.75175
0.75490
0.75804
z
1.21
1.22
1.23
1.24
1.25
1.26
1.27
1.28
1.29
1.30
F(z)
0.88686
0.88877
0.89065
0.89251
0.89435
0.89617
0.89796
0.89973
0.90147
0.90320
z
1.81
1.82
1.83
1.84
1.85
1.86
1.87
1.88
1.89
1.90
F(z)
0.96485
0.96562
0.96638
0.96712
0.96784
0.96856
0.96926
0.96995
0.97062
0.97128
z
2.41
2.42
2.43
2.44
2.45
2.46
2.47
2.48
2.49
2.50
F(z)
0.99202
0.99224
0.99245
0.99266
0.99286
0.99305
0.99324
0.99343
0.99361
0.99379
z
3.01
3.02
3.03
3.04
3.05
3.06
3.07
3.08
3.09
3.10
F(z)
0.99869
0.99874
0.99878
0.99882
0.99886
0.99889
0.99893
0.99896
0.99900
0.99903
0.11
0.12
0.13
0.14
0.15
0.16
0.17
0.18
0.19
0.20
0.54380
0.54776
0.55172
0.55567
0.55962
0.56356
0.56749
0.57142
0.57535
0.57926
0.71
0.72
0.73
0.74
0.75
0.76
0.77
0.78
0.79
0.80
0.76115
0.76424
0.76730
0.77035
0.77337
0.77637
0.77935
0.78230
0.78524
0.78814
1.31
1.32
1.33
1.34
1.35
1.36
1.37
1.38
1.39
1.40
0.90490
0.90658
0.90824
0.90988
0.91149
0.91308
0.91466
0.91621
0.91774
0.91924
1.91
1.92
1.93
1.94
1.95
1.96
1.97
1.98
1.99
2.00
0.97193
0.97257
0.97320
0.97381
0.97441
0.97500
0.97558
0.97615
0.97670
0.97725
2.51
2.52
2.53
2.54
2.55
2.56
2.57
2.58
2.59
2.60
0.99396
0.99413
0.99430
0.99446
0.99461
0.99477
0.99492
0.99506
0.99520
0.99534
3.11
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
3.20
0.99906
0.99910
0.99913
0.99916
0.99918
0.99921
0.99924
0.99926
0.99929
0.99931
0.21
0.22
0.23
0.24
0.25
0.26
0.27
0.28
0.29
0.30
0.58317
0.58706
0.59095
0.59483
0.59871
0.60257
0.60642
0.61026
0.61409
0.61791
0.81
0.82
0.83
0.84
0.85
0.86
0.87
0.88
0.89
0.90
0.79103
0.79389
0.79673
0.79955
0.80234
0.80511
0.80785
0.81057
0.81327
0.81594
1.41
1.42
1.43
1.44
1.45
1.46
1.47
1.48
1.49
1.50
0.92073
0.92220
0.92364
0.92507
0.92647
0.92785
0.92922
0.93056
0.93189
0.93319
2.01
2.02
2.03
2.04
2.05
2.06
2.07
2.08
2.09
2.10
0.97778
0.97831
0.97882
0.97932
0.97982
0.98030
0.98077
0.98124
0.98169
0.98214
2.61
2.62
2.63
2.64
2.65
2.66
2.67
2.68
2.69
2.70
0.99547
0.99560
0.99573
0.99585
0.99598
0.99609
0.99621
0.99632
0.99643
0.99653
3.21
3.22
3.23
3.24
3.25
3.26
3.27
3.28
3.29
3.30
0.99934
0.99936
0.99938
0.99940
0.99942
0.99944
0.99946
0.99948
0.99950
0.99952
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.62172
0.62552
0.62930
0.63307
0.63683
0.64058
0.64431
0.64803
0.65173
0.65542
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
1.00
0.81859
0.82121
0.82381
0.82639
0.82894
0.83147
0.83398
0.83646
0.83891
0.84134
1.51
1.52
1.53
1.54
1.55
1.56
1.57
1.58
1.59
1.60
0.93448
0.93574
0.93699
0.93822
0.93943
0.94062
0.94179
0.94295
0.94408
0.94520
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
2.19
2.20
0.98257
0.98300
0.98341
0.98382
0.98422
0.98461
0.98500
0.98537
0.98574
0.98610
2.71
2.72
2.73
2.74
2.75
2.76
2.77
2.78
2.79
2.80
0.99664
0.99674
0.99683
0.99693
0.99702
0.99711
0.99720
0.99728
0.99736
0.99744
3.31
3.32
3.33
3.34
3.35
3.36
3.37
3.38
3.39
3.40
0.99953
0.99955
0.99957
0.99958
0.99960
0.99961
0.99962
0.99964
0.99965
0.99966
0.41
0.42
0.43
0.44
0.45
0.46
0.47
0.48
0.49
0.50
0.65910
0.66276
0.66640
0.67003
0.67364
0.67724
0.68082
0.68439
0.68793
0.69146
1.01
1.02
1.03
1.04
1.05
1.06
1.07
1.08
1.09
1.10
0.84375
0.84614
0.84849
0.85083
0.85314
0.85543
0.85769
0.85993
0.86214
0.86433
1.61
1.62
1.63
1.64
1.65
1.66
1.67
1.68
1.69
1.70
0.94630
0.94738
0.94845
0.94950
0.95053
0.95154
0.95254
0.95352
0.95449
0.95543
2.21
2.22
2.23
2.24
2.25
2.26
2.27
2.28
2.29
2.30
0.98645
0.98679
0.98713
0.98745
0.98778
0.98809
0.98840
0.98870
0.98899
0.98928
2.81
2.82
2.83
2.84
2.85
2.86
2.87
2.88
2.89
2.90
0.99752
0.99760
0.99767
0.99774
0.99781
0.99788
0.99795
0.99801
0.99807
0.99813
3.41
3.42
3.43
3.44
3.45
3.46
3.47
3.48
3.49
3.50
0.99968
0.99969
0.99970
0.99971
0.99972
0.99973
0.99974
0.99975
0.99976
0.99977
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
0.60
0.69497
0.69847
0.70194
0.70540
0.70884
0.71226
0.71566
0.71904
0.72240
0.72575
1.11
1.12
1.13
1.14
1.15
1.16
1.17
1.18
1.19
1.20
0.86650
0.86864
0.87076
0.87286
0.87493
0.87698
0.87900
0.88100
0.88298
0.88493
1.71
1.72
1.73
1.74
1.75
1.76
1.77
1.78
1.79
1.80
0.95637
0.95728
0.95818
0.95907
0.95994
0.96080
0.96164
0.96246
0.96327
0.96407
2.31
2.32
2.33
2.34
2.35
2.36
2.37
2.38
2.39
2.40
0.98956
0.98983
0.99010
0.99036
0.99061
0.99086
0.99111
0.99134
0.99158
0.99180
2.91
2.92
2.93
2.94
2.95
2.96
2.97
2.98
2.99
3.00
0.99819
0.99825
0.99831
0.99836
0.99841
0.99846
0.99851
0.99856
0.99861
0.99865
3.51
3.52
3.53
3.54
3.55
3.56
3.57
3.58
3.59
3.60
0.99978
0.99978
0.99979
0.99980
0.99981
0.99981
0.99982
0.99983
0.99983
0.99984
402
TABLA 2.
DISTRIBUCIN ACUMULATIVA CHI-CUADRADO
Los valores en la tabla son de Chi-cuadrado, siendo la probabilidad p el rea en el extremos inferior.
G.L.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
0.0005
0.001
0.005
0.01
PROBABILIDAD P
0.025
0.05
0.001
0.015
0.064
0.158
0.299
0.485
0.710
0.972
1.26
1.59
1.93
2.31
2.70
3.11
3.54
3.98
4.44
4.91
5.40
5.90
6.40
6.92
7.45
7.99
8.54
9.09
9.66
10.2
10.8
11.4
12.0
12.6
13.2
13.8
14.4
15.0
15.6
16.3
16.9
17.5
18.2
18.8
19.5
20.1
20.8
21.5
22.1
22.8
23.5
0.002
0.024
0.091
0.210
0.381
0.598
0.857
1.15
1.48
1.83
2.21
2.62
3.04
3.48
3.94
4.42
4.90
5.41
5.92
6.45
6.98
7.53
8.08
8.65
9.22
9.80
10.4
11.0
11.6
12.2
12.8
13.4
14.1
14.7
15.3
16.0
16.6
17.3
17.9
18.6
19.2
19.9
20.6
21.3
21.9
22.6
23.3
24.0
24.7
0.010
0.072
0.207
0.412
0.676
0.989
1.34
1.73
2.16
2.60
3.07
3.57
4.07
4.60
5.14
5.70
6.26
6.84
7.43
8.03
8.64
9.26
9.89
10.5
11.2
11.8
12.5
13.1
13.8
14.5
15.1
15.8
16.5
17.2
17.9
18.6
19.3
20.0
20.7
21.4
22.1
22.9
23.6
24.3
25.0
25.8
26.5
27.2
28.0
0.020
0.115
0.297
0.554
0.872
1.24
1.65
2.09
2.56
3.05
3.57
4.11
4.66
5.23
5.81
6.41
7.01
7.63
8.26
8.90
9.54
10.2
10.9
11.5
12.2
12.9
13.6
14.3
15.0
15.7
16.4
17.1
17.8
18.5
19.2
20.0
20.7
21.4
22.2
22.9
23.7
24.4
25.1
25.9
26.7
27.4
28.2
28.9
29.7
0.051
0.216
0.484
0.831
1.24
1.69
2.18
2.70
3.25
3.82
4.40
5.01
5.63
6.26
6.91
7.56
8.23
8.91
9.59
10.3
11.0
11.7
12.4
13.1
13.8
14.6
15.3
16.0
16.8
17.5
18.3
19.0
19.8
20.6
21.3
22.1
22.9
23.7
24.4
25.2
26.0
26.8
27.6
28.4
29.2
30.0
30.8
31.6
32.4
403
0.103
0.352
0.711
1.15
1.64
2.17
2.73
3.33
3.94
4.57
5.23
5.89
6.57
7.26
7.96
8.67
9.39
10.1
10.9
11.6
12.3
13.1
13.8
14.6
15.4
16.2
16.9
17.7
18.5
19.3
20.1
20.9
21.7
22.5
23.3
24.1
24.9
25.7
26.5
27.3
28.1
29.0
29.8
30.6
31.4
32.3
33.1
33.9
34.8
0.10
0.016
0.211
0.584
1.06
1.61
2.20
2.83
3.49
4.17
4.87
5.58
6.30
7.04
7.79
8.55
9.31
10.1
10.9
11.7
12.4
13.2
14.0
14.8
15.7
16.5
17.3
18.1
18.9
19.8
20.6
21.4
22.3
23.1
24.0
24.8
25.6
26.5
27.3
28.2
29.1
29.9
30.8
31.6
32.5
33.4
34.2
35.1
35.9
36.8
37.7
0.20
0.064
0.446
1.01
1.65
2.34
3.07
3.82
4.59
5.38
6.18
6.99
7.81
8.63
9.47
10.3
11.2
12.0
12.9
13.7
14.6
15.4
16.3
17.2
18.1
18.9
19.8
20.7
21.6
22.5
23.4
24.3
25.1
26.0
26.9
27.8
28.7
29.6
30.5
31.4
32.3
33.3
34.2
35.1
36.0
36.9
37.8
38.7
39.6
40.5
41.4
0.30
0.148
0.713
1.42
2.19
3.00
3.83
4.67
5.53
6.39
7.27
8.15
9.03
9.93
10.8
11.7
12.6
13.5
14.4
15.4
16.3
17.2
18.1
19.0
19.9
20.9
21.8
22.7
23.6
24.6
25.5
26.4
27.4
28.3
29.2
30.2
31.1
32.1
33.0
33.9
34.9
35.8
36.8
37.7
38.6
39.6
40.5
41.5
42.4
43.4
44.3
0.40
0.275
1.02
1.87
2.75
3.66
4.57
5.49
6.42
7.36
8.30
9.24
10.2
11.1
12.1
13.0
14.0
14.9
15.9
16.9
17.8
18.8
19.7
20.7
21.7
22.6
23.6
24.5
25.5
26.5
27.4
28.4
29.4
30.3
31.3
32.3
33.3
34.2
35.2
36.2
37.1
38.1
39.1
40.0
41.0
42.0
43.0
43.9
44.9
45.9
46.9
TABLA 2.
DISTRIBUCIN ACUMULATIVA CHI-CUADRADO
G.L.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
0.50
0.60
0.70
0.80
Probabilidad P
0.90
0.95
0.975
0.99
0.995
0.999
0.9995
0.455
1.39
2.37
3.36
4.35
5.35
6.35
7.34
8.34
9.34
10.3
11.3
12.3
13.3
14.3
15.3
16.3
17.3
18.3
19.3
20.3
21.3
22.3
23.3
24.3
25.3
26.3
27.3
28.3
29.3
30.3
31.3
32.3
33.3
34.3
35.3
36.3
37.3
38.3
39.3
40.3
41.3
42.3
43.3
44.3
45.3
46.3
47.3
48.3
49.3
0.708
1.83
2.95
4.04
5.13
6.21
7.28
8.35
9.41
10.5
11.5
12.6
13.6
14.7
15.7
16.8
17.8
18.9
19.9
21.0
22.0
23.0
24.1
25.1
26.1
27.2
28.2
29.2
30.3
31.3
32.3
33.4
34.4
35.4
36.5
37.5
38.5
39.6
40.6
41.6
42.7
43.7
44.7
45.7
46.8
47.8
48.8
49.8
50.9
51.9
1.07
2.41
3.66
4.88
6.06
7.23
8.38
9.52
10.7
11.8
12.9
14.0
15.1
16.2
17.3
18.4
19.5
20.6
21.7
22.8
23.9
24.9
26.0
27.1
28.2
29.2
30.3
31.4
32.5
33.5
34.6
35.7
36.7
37.8
38.9
39.9
41.0
42.0
43.1
44.2
45.2
46.3
47.3
48.4
49.5
50.5
51.6
52.6
53.7
54.7
1.64
3.22
4.64
5.99
7.29
8.56
9.80
11.0
12.2
13.4
14.6
15.8
17.0
18.2
19.3
20.5
21.6
22.8
23.9
25.0
26.2
27.3
28.4
29.6
30.7
31.8
32.9
34.0
35.1
36.3
37.4
38.5
39.6
40.7
41.8
42.9
44.0
45.1
46.2
47.3
48.4
49.5
50.5
51.6
52.7
53.8
54.9
56.0
57.1
58.2
2.71
4.61
6.25
7.78
9.24
10.6
12.0
13.4
14.7
16.0
17.3
18.5
19.8
21.1
22.3
23.5
24.8
26.0
27.2
28.4
29.6
30.8
32.0
33.2
34.4
35.6
36.7
37.9
39.1
40.3
41.4
42.6
43.7
44.9
46.1
47.2
48.4
49.5
50.7
51.8
52.9
54.1
55.2
56.4
57.5
58.6
59.8
60.9
62.0
63.2
6.63
9.21
11.3
13.3
15.1
16.8
18.5
20.1
21.7
23.2
24.7
26.2
27.7
29.1
30.6
32.0
33.4
34.8
36.2
37.6
38.9
40.3
41.6
43.0
44.3
45.6
47.0
48.3
49.6
50.9
52.2
53.5
54.8
56.1
57.3
58.6
59.9
61.2
62.4
63.7
65.0
66.2
67.5
68.7
70.0
71.2
72.4
73.7
74.9
76.2
7.88
10.6
12.8
14.9
16.7
18.5
20.3
22.0
23.6
25.2
26.8
28.3
29.8
31.3
32.8
34.3
35.7
37.2
38.6
40.0
41.4
42.8
44.2
45.6
46.9
48.3
49.6
51.0
52.3
53.7
55.0
56.3
57.6
59.0
60.3
61.6
62.9
64.2
65.5
66.8
68.1
69.3
70.6
71.9
73.2
74.4
75.7
77.0
78.2
79.5
10.8
13.8
16.3
18.5
20.5
22.5
24.3
26.1
27.9
29.6
31.3
32.9
34.5
36.1
37.7
39.3
40.8
42.3
43.8
45.3
46.8
48.3
49.7
51.2
52.6
54.1
55.5
56.9
58.3
59.7
61.1
62.5
63.9
65.2
66.6
68.0
69.3
70.7
72.1
73.4
74.7
76.1
77.4
78.7
80.1
81.4
82.7
84.0
85.4
86.7
12.1
15.2
17.7
20.0
22.1
24.1
26.0
27.9
29.7
31.4
33.1
34.8
36.5
38.1
39.7
41.3
42.9
44.4
46.0
47.5
49.0
50.5
52.0
53.5
54.9
56.4
57.9
59.3
60.7
62.2
63.6
65.0
66.4
67.8
69.2
70.6
72.0
73.4
74.7
76.1
77.5
78.8
80.2
81.5
82.9
84.2
85.6
86.9
88.2
89.6
404
3.84
5.99
7.81
9.49
11.1
12.6
14.1
15.5
16.9
18.3
19.7
21.0
22.4
23.7
25.0
26.3
27.6
28.9
30.1
31.4
32.7
33.9
35.2
36.4
37.7
38.9
40.1
41.3
42.6
43.8
45.0
46.2
47.4
48.6
49.8
51.0
52.2
53.4
54.6
55.8
56.9
58.1
59.3
60.5
61.7
62.8
64.0
65.2
66.3
67.5
5.02
7.38
9.35
11.1
12.8
14.4
16.0
17.5
19.0
20.5
21.9
23.3
24.7
26.1
27.5
28.8
30.2
31.5
32.9
34.2
35.5
36.8
38.1
39.4
40.6
41.9
43.2
44.5
45.7
47.0
48.2
49.5
50.7
52.0
53.2
54.4
55.7
56.9
58.1
59.3
60.6
61.8
63.0
64.2
65.4
66.6
67.8
69.0
70.2
71.4
TABLA 2.
DISTRIBUCIN ACUMULATIVA CHI-CUADRADO
Los valores en la tabla son de Chi-cuadrado, siendo la probabilidad p el rea en el extremos inferior.
G.L.
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
0.0005
24.1
24.8
25.5
26.2
26.9
27.6
28.2
28.9
29.6
30.3
31.0
31.7
32.5
33.2
33.9
34.6
35.3
36.0
36.7
37.5
38.2
38.9
39.6
40.4
41.1
41.8
42.6
43.3
44.1
44.8
45.5
46.3
47.0
47.8
48.5
49.3
50.0
50.8
51.5
52.3
53.0
53.8
54.5
55.3
56.1
56.8
57.6
58.4
59.1
59.9
0.001
25.4
26.1
26.8
27.5
28.2
28.9
29.6
30.3
31.0
31.7
32.5
33.2
33.9
34.6
35.4
36.1
36.8
37.6
38.3
39.0
39.8
40.5
41.3
42.0
42.8
43.5
44.3
45.0
45.8
46.5
47.3
48.0
48.8
49.6
50.3
51.1
51.9
52.6
53.4
54.2
54.9
55.7
56.5
57.2
58.0
58.8
59.6
60.4
61.1
61.9
0.005
28.7
29.5
30.2
31.0
31.7
32.5
33.2
34.0
34.8
35.5
36.3
37.1
37.8
38.6
39.4
40.2
40.9
41.7
42.5
43.3
44.1
44.8
45.6
46.4
47.2
48.0
48.8
49.6
50.4
51.2
52.0
52.8
53.6
54.4
55.2
56.0
56.8
57.6
58.4
59.2
60.0
60.8
61.6
62.4
63.2
64.1
64.9
65.7
66.5
67.3
0.01
30.5
31.2
32.0
32.8
33.6
34.3
35.1
35.9
36.7
37.5
38.3
39.1
39.9
40.6
41.4
42.2
43.0
43.8
44.6
45.4
46.2
47.1
47.9
48.7
49.5
50.3
51.1
51.9
52.7
53.5
54.4
55.2
56.0
56.8
57.6
58.5
59.3
60.1
60.9
61.8
62.6
63.4
64.2
65.1
65.9
66.7
67.6
68.4
69.2
70.1
PROBABILIDAD P
0.025
0.05
33.2
35.6
34.0
36.4
34.8
37.3
35.6
38.1
36.4
39.0
37.2
39.8
38.0
40.6
38.8
41.5
39.7
42.3
40.5
43.2
41.3
44.0
42.1
44.9
43.0
45.7
43.8
46.6
44.6
47.4
45.4
48.3
46.3
49.2
47.1
50.0
47.9
50.9
48.8
51.7
49.6
52.6
50.4
53.5
51.3
54.3
52.1
55.2
52.9
56.1
53.8
56.9
54.6
57.8
55.5
58.7
56.3
59.5
57.2
60.4
58.0
61.3
58.8
62.1
59.7
63.0
60.5
63.9
61.4
64.7
62.2
65.6
63.1
66.5
63.9
67.4
64.8
68.2
65.6
69.1
66.5
70.0
67.4
70.9
68.2
71.8
69.1
72.6
69.9
73.5
70.8
74.4
71.6
75.3
72.5
76.2
73.4
77.0
74.2
77.9
405
0.10
38.6
39.4
40.3
41.2
42.1
42.9
43.8
44.7
45.6
46.5
47.3
48.2
49.1
50.0
50.9
51.8
52.7
53.5
54.4
55.3
56.2
57.1
58.0
58.9
59.8
60.7
61.6
62.5
63.4
64.3
65.2
66.1
67.0
67.9
68.8
69.7
70.6
71.5
72.4
73.3
74.2
75.1
76.0
76.9
77.8
78.7
79.6
80.5
81.4
82.4
0.20
42.4
43.3
44.2
45.1
46.0
47.0
47.9
48.8
49.7
50.6
51.6
52.5
53.4
54.3
55.3
56.2
57.1
58.0
59.0
59.9
60.8
61.8
62.7
63.6
64.5
65.5
66.4
67.3
68.3
69.2
70.1
71.1
72.0
72.9
73.9
74.8
75.7
76.7
77.6
78.6
79.5
80.4
81.4
82.3
83.2
84.2
85.1
86.1
87.0
87.9
0.30
45.3
46.2
47.2
48.1
49.1
50.0
51.0
51.9
52.9
53.8
54.8
55.7
56.7
57.6
58.6
59.5
60.5
61.4
62.4
63.3
64.3
65.3
66.2
67.2
68.1
69.1
70.0
71.0
72.0
72.9
73.9
74.8
75.8
76.8
77.7
78.7
79.6
80.6
81.6
82.5
83.5
84.4
85.4
86.4
87.3
88.3
89.2
90.2
91.2
92.1
0.40
47.8
48.8
49.8
50.8
51.7
52.7
53.7
54.7
55.6
56.6
57.6
58.6
59.6
60.5
61.5
62.5
63.5
64.4
65.4
66.4
67.4
68.4
69.3
70.3
71.3
72.3
73.2
74.2
75.2
76.2
77.2
78.1
79.1
80.1
81.1
82.1
83.0
84.0
85.0
86.0
87.0
88.0
88.9
89.9
90.9
91.9
92.9
93.8
94.8
95.8
TABLA 2.
DISTRIBUCIN ACUMULATIVA CHI-CUADRADO
G.L.
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
0.50
0.60
0.70
0.80
Probabilidad P
0.90
0.95
0.975
0.99
0.995
0.999
0.9995
50.3
51.3
52.3
53.3
54.3
55.3
56.3
57.3
58.3
59.3
60.3
61.3
62.3
63.3
64.3
65.3
66.3
67.3
68.3
69.3
70.3
71.3
72.3
73.3
74.3
75.3
76.3
77.3
78.3
79.3
80.3
81.3
82.3
83.3
84.3
85.3
86.3
87.3
88.3
89.3
90.3
91.3
92.3
93.3
94.3
95.3
96.3
97.3
98.3
99.3
52.9
53.9
55.0
56.0
57.0
58.0
59.1
60.1
61.1
62.1
63.2
64.2
65.2
66.2
67.2
68.3
69.3
70.3
71.3
72.4
73.4
74.4
75.4
76.4
77.5
78.5
79.5
80.5
81.5
82.6
83.6
84.6
85.6
86.6
87.7
88.7
89.7
90.7
91.7
92.8
93.8
94.8
95.8
96.8
97.9
98.9
99.9
100.9
101.9
102.9
55.8
56.8
57.9
58.9
60.0
61.0
62.1
63.1
64.2
65.2
66.3
67.3
68.4
69.4
70.5
71.5
72.6
73.6
74.6
75.7
76.7
77.8
78.8
79.9
80.9
82.0
83.0
84.0
85.1
86.1
87.2
88.2
89.2
90.3
91.3
92.4
93.4
94.4
95.5
96.5
97.6
98.6
99.6
100.7
101.7
102.8
103.8
104.8
105.9
106.9
59.2
60.3
61.4
62.5
63.6
64.7
65.7
66.8
67.9
69.0
70.0
71.1
72.2
73.3
74.4
75.4
76.5
77.6
78.6
79.7
80.8
81.9
82.9
84.0
85.1
86.1
87.2
88.3
89.3
90.4
91.5
92.5
93.6
94.7
95.7
96.8
97.9
98.9
100.0
101.1
102.1
103.2
104.2
105.3
106.4
107.4
108.5
109.5
110.6
111.7
64.3
65.4
66.5
67.7
68.8
69.9
71.0
72.2
73.3
74.4
75.5
76.6
77.7
78.9
80.0
81.1
82.2
83.3
84.4
85.5
86.6
87.7
88.8
90.0
91.1
92.2
93.3
94.4
95.5
96.6
97.7
98.8
99.9
101.0
102.1
103.2
104.3
105.4
106.5
107.6
108.7
109.8
110.9
111.9
113.0
114.1
115.2
116.3
117.4
118.5
77.4
78.6
79.8
81.1
82.3
83.5
84.7
86.0
87.2
88.4
89.6
90.8
92.0
93.2
94.4
95.6
96.8
98.0
99.2
100.4
101.6
102.8
104.0
105.2
106.4
107.6
108.8
110.0
111.1
112.3
113.5
114.7
115.9
117.1
118.2
119.4
120.6
121.8
122.9
124.1
125.3
126.5
127.6
128.8
130.0
131.1
132.3
133.5
134.6
135.8
80.7
82.0
83.3
84.5
85.7
87.0
88.2
89.5
90.7
92.0
93.2
94.4
95.6
96.9
98.1
99.3
100.6
101.8
103.0
104.2
105.4
106.6
107.9
109.1
110.3
111.5
112.7
113.9
115.1
116.3
117.5
118.7
119.9
121.1
122.3
123.5
124.7
125.9
127.1
128.3
129.5
130.7
131.9
133.1
134.2
135.4
136.6
137.8
139.0
140.2
88.0
89.3
90.6
91.9
93.2
94.5
95.8
97.0
98.3
99.6
100.9
102.2
103.4
104.7
106.0
107.3
108.5
109.8
111.1
112.3
113.6
114.8
116.1
117.3
118.6
119.9
121.1
122.3
123.6
124.8
126.1
127.3
128.6
129.8
131.0
132.3
133.5
134.7
136.0
137.2
138.4
139.7
140.9
142.1
143.3
144.6
145.8
147.0
148.2
149.4
90.9
92.2
93.5
94.8
96.2
97.5
98.8
100.1
101.4
102.7
104.0
105.3
106.6
107.9
109.2
110.5
111.7
113.0
114.3
115.6
116.9
118.1
119.4
120.7
121.9
123.2
124.5
125.7
127.0
128.3
129.5
130.8
132.0
133.3
134.5
135.8
137.0
138.3
139.5
140.8
142.0
143.3
144.5
145.8
147.0
148.2
149.5
150.7
151.9
153.2
406
68.7
69.8
71.0
72.2
73.3
74.5
75.6
76.8
77.9
79.1
80.2
81.4
82.5
83.7
84.8
86.0
87.1
88.3
89.4
90.5
91.7
92.8
93.9
95.1
96.2
97.4
98.5
99.6
100.7
101.9
103.0
104.1
105.3
106.4
107.5
108.6
109.8
110.9
112.0
113.1
114.3
115.4
116.5
117.6
118.8
119.9
121.0
122.1
123.2
124.3
72.6
73.8
75.0
76.2
77.4
78.6
79.8
80.9
82.1
83.3
84.5
85.7
86.8
88.0
89.2
90.3
91.5
92.7
93.9
95.0
96.2
97.4
98.5
99.7
100.8
102.0
103.2
104.3
105.5
106.6
107.8
108.9
110.1
111.2
112.4
113.5
114.7
115.8
117.0
118.1
119.3
120.4
121.6
122.7
123.9
125.0
126.1
127.3
128.4
129.6
TABLA 3.
DISTRIBUCIN ACUMULATIVA T DE STUDENT
p
Los valores en la tabla son valores t, siendo la probabilidad p el rea acumulada en el extremos inferior.
0
G.L.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
40
45
50
55
60
70
80
90
100
200
300
400
500
1000
5000
0.75
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.682
0.682
0.682
0.682
0.682
0.681
0.680
0.679
0.679
0.679
0.678
0.678
0.677
0.677
0.676
0.675
0.675
0.675
0.675
0.675
0.80
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.853
0.853
0.853
0.852
0.852
0.851
0.850
0.849
0.848
0.848
0.847
0.846
0.846
0.845
0.843
0.843
0.843
0.842
0.842
0.842
0.85
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.054
1.054
1.053
1.052
1.052
1.050
1.049
1.047
1.046
1.045
1.044
1.043
1.042
1.042
1.039
1.038
1.038
1.038
1.037
1.037
PROBABILIDAD P
0.90
0.95
0.975
3.078
6.314
12.706
1.886
2.920
4.303
1.638
2.353
3.182
1.533
2.132
2.776
1.476
2.015
2.571
1.440
1.943
2.447
1.415
1.895
2.365
1.397
1.860
2.306
1.383
1.833
2.262
1.372
1.812
2.228
1.363
1.796
2.201
1.356
1.782
2.179
1.350
1.771
2.160
1.345
1.761
2.145
1.341
1.753
2.131
1.337
1.746
2.120
1.333
1.740
2.110
1.330
1.734
2.101
1.328
1.729
2.093
1.325
1.725
2.086
1.323
1.721
2.080
1.321
1.717
2.074
1.319
1.714
2.069
1.318
1.711
2.064
1.316
1.708
2.060
1.315
1.706
2.056
1.314
1.703
2.052
1.313
1.701
2.048
1.311
1.699
2.045
1.310
1.697
2.042
1.309
1.696
2.040
1.309
1.694
2.037
1.308
1.692
2.035
1.307
1.691
2.032
1.306
1.690
2.030
1.303
1.684
2.021
1.301
1.679
2.014
1.299
1.676
2.009
1.297
1.673
2.004
1.296
1.671
2.000
1.294
1.667
1.994
1.292
1.664
1.990
1.291
1.662
1.987
1.290
1.660
1.984
1.286
1.653
1.972
1.284
1.650
1.968
1.284
1.649
1.966
1.283
1.648
1.965
1.282
1.646
1.962
407
1.282
1.645
1.960
0.990
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.453
2.449
2.445
2.441
2.438
2.423
2.412
2.403
2.396
2.390
2.381
2.374
2.368
2.364
2.345
2.339
2.336
2.334
2.330
2.327
0.995
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.744
2.738
2.733
2.728
2.724
2.704
2.690
2.678
2.668
2.660
2.648
2.639
2.632
2.626
2.601
2.592
2.588
2.586
2.581
2.577
0.9995
636.619
31.599
12.924
8.610
6.869
5.959
5.408
5.041
4.781
4.587
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.768
3.745
3.725
3.707
3.690
3.674
3.659
3.646
3.633
3.622
3.611
3.601
3.591
3.551
3.520
3.496
3.476
3.460
3.435
3.416
3.402
3.390
3.340
3.323
3.315
3.310
3.300
3.292
P [F f]
Los valores en la tabla son valores F, siendo la probabilidad p el rea acumulada en el extremos inferior.
G.L.
De nom.
10
P
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
Grados
1
2
3
4
5
6
7
8
9
161
200
216
225
230
234
237
239
241
648
799
864
900
922
937
948
957
963
4052
5000
5403
5625
5764
5859
5928
5981
6022
16211 20000 21615 22500 23056 23437 23715 23925 24091
18.51
19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38
38.51
39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39
98.50
99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39
198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39
10.13
9.55
9.28
9.12
9.01
8.94
8.89
8.85
8.81
17.44
16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47
34.12
30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35
55.55
49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88
7.71
6.94
6.59
6.39
6.26
6.16
6.09
6.04
6.00
12.22
10.65
9.98
9.60
9.36
9.20
9.07
8.98
8.90
21.20
18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
31.33
26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14
6.61
5.79
5.41
5.19
5.05
4.95
4.88
4.82
4.77
10.01
8.43
7.76
7.39
7.15
6.98
6.85
6.76
6.68
16.26
13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16
22.78
18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77
5.99
5.14
4.76
4.53
4.39
4.28
4.21
4.15
4.10
8.81
7.26
6.60
6.23
5.99
5.82
5.70
5.60
5.52
13.75
10.92
9.78
9.15
8.75
8.47
8.26
8.10
7.98
18.63
14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39
5.59
4.74
4.35
4.12
3.97
3.87
3.79
3.73
3.68
8.07
6.54
5.89
5.52
5.29
5.12
4.99
4.90
4.82
12.25
9.55
8.45
7.85
7.46
7.19
6.99
6.84
6.72
16.24
12.40 10.88 10.05
9.52
9.16
8.89
8.68
8.51
5.32
4.46
4.07
3.84
3.69
3.58
3.50
3.44
3.39
7.57
6.06
5.42
5.05
4.82
4.65
4.53
4.43
4.36
11.26
8.65
7.59
7.01
6.63
6.37
6.18
6.03
5.91
14.69
11.04
9.60
8.81
8.30
7.95
7.69
7.50
7.34
5.12
4.26
3.86
3.63
3.48
3.37
3.29
3.23
3.18
7.21
5.71
5.08
4.72
4.48
4.32
4.20
4.10
4.03
10.56
8.02
6.99
6.42
6.06
5.80
5.61
5.47
5.35
13.61
10.11
8.72
7.96
7.47
7.13
6.88
6.69
6.54
4.96
4.10
3.71
3.48
3.33
3.22
3.14
3.07
3.02
6.94
5.46
4.83
4.47
4.24
4.07
3.95
3.85
3.78
10.04
7.56
6.55
5.99
5.64
5.39
5.20
5.06
4.94
12.83
9.43
8.08
7.34
6.87
6.54
6.30
6.12
5.97
15
246
985
6157
24630
19.43
39.43
99.43
199.43
8.70
14.25
26.87
43.08
5.86
8.66
14.20
20.44
4.62
6.43
9.72
13.15
3.94
5.27
7.56
9.81
3.51
4.57
6.31
7.97
3.22
4.10
5.52
6.81
3.01
3.77
4.96
6.03
2.85
3.52
4.56
5.47
16
246
987
6170
24681
19.43
39.44
99.44
199.44
8.69
14.23
26.83
43.01
5.84
8.63
14.15
20.37
4.60
6.40
9.68
13.09
3.92
5.24
7.52
9.76
3.49
4.54
6.28
7.91
3.20
4.08
5.48
6.76
2.99
3.74
4.92
5.98
2.83
3.50
4.52
5.42
17
247
989
6181
24727
19.44
39.44
99.44
199.44
8.68
14.21
26.79
42.94
5.83
8.61
14.11
20.31
4.59
6.38
9.64
13.03
3.91
5.22
7.48
9.71
3.48
4.52
6.24
7.87
3.19
4.05
5.44
6.72
2.97
3.72
4.89
5.94
2.81
3.47
4.49
5.38
18
247
990
6192
24767
19.44
39.44
99.44
199.44
8.67
14.20
26.75
42.88
5.82
8.59
14.08
20.26
4.58
6.36
9.61
12.98
3.90
5.20
7.45
9.66
3.47
4.50
6.21
7.83
3.17
4.03
5.41
6.68
2.96
3.70
4.86
5.90
2.80
3.45
4.46
5.34
19
248
992
6201
24803
19.44
39.45
99.45
199.45
8.67
14.18
26.72
42.83
5.81
8.58
14.05
20.21
4.57
6.34
9.58
12.94
3.88
5.18
7.42
9.62
3.46
4.48
6.18
7.79
3.16
4.02
5.38
6.64
2.95
3.68
4.83
5.86
2.79
3.44
4.43
5.31
20
248
993
6209
24836
19.45
39.45
99.45
199.45
8.66
14.17
26.69
42.78
5.80
8.56
14.02
20.17
4.56
6.33
9.55
12.90
3.87
5.17
7.40
9.59
3.44
4.47
6.16
7.75
3.15
4.00
5.36
6.61
2.94
3.67
4.81
5.83
2.77
3.42
4.41
5.27
P [F f]
Los valores en la tabla son valores F, siendo la probabilidad p el rea acumulada en el extremos inferior.
G.L.
De nom.
11
12
13
14
15
16
17
18
19
20
P
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
0.950
0.975
0.990
0.995
1
4.84
6.72
9.65
12.23
4.75
6.55
9.33
11.75
4.67
6.41
9.07
11.37
4.60
6.30
8.86
11.06
4.54
6.20
8.68
10.80
4.49
6.12
8.53
10.58
4.45
6.04
8.40
10.38
4.41
5.98
8.29
10.22
4.38
5.92
8.18
10.07
4.35
5.87
8.10
9.94
2
3.98
5.26
7.21
8.91
3.89
5.10
6.93
8.51
3.81
4.97
6.70
8.19
3.74
4.86
6.51
7.92
3.68
4.77
6.36
7.70
3.63
4.69
6.23
7.51
3.59
4.62
6.11
7.35
3.55
4.56
6.01
7.21
3.52
4.51
5.93
7.09
3.49
4.46
5.85
6.99
3
3.59
4.63
6.22
7.60
3.49
4.47
5.95
7.23
3.41
4.35
5.74
6.93
3.34
4.24
5.56
6.68
3.29
4.15
5.42
6.48
3.24
4.08
5.29
6.30
3.20
4.01
5.18
6.16
3.16
3.95
5.09
6.03
3.13
3.90
5.01
5.92
3.10
3.86
4.94
5.82
4
3.36
4.28
5.67
6.88
3.26
4.12
5.41
6.52
3.18
4.00
5.21
6.23
3.11
3.89
5.04
6.00
3.06
3.80
4.89
5.80
3.01
3.73
4.77
5.64
2.96
3.66
4.67
5.50
2.93
3.61
4.58
5.37
2.90
3.56
4.50
5.27
2.87
3.51
4.43
5.17
5
3.20
4.04
5.32
6.42
3.11
3.89
5.06
6.07
3.03
3.77
4.86
5.79
2.96
3.66
4.69
5.56
2.90
3.58
4.56
5.37
2.85
3.50
4.44
5.21
2.81
3.44
4.34
5.07
2.77
3.38
4.25
4.96
2.74
3.33
4.17
4.85
2.71
3.29
4.10
4.76
6
3.09
3.88
5.07
6.10
3.00
3.73
4.82
5.76
2.92
3.60
4.62
5.48
2.85
3.50
4.46
5.26
2.79
3.41
4.32
5.07
2.74
3.34
4.20
4.91
2.70
3.28
4.10
4.78
2.66
3.22
4.01
4.66
2.63
3.17
3.94
4.56
2.60
3.13
3.87
4.47
7
3.01
3.76
4.89
5.86
2.91
3.61
4.64
5.52
2.83
3.48
4.44
5.25
2.76
3.38
4.28
5.03
2.71
3.29
4.14
4.85
2.66
3.22
4.03
4.69
2.61
3.16
3.93
4.56
2.58
3.10
3.84
4.44
2.54
3.05
3.77
4.34
2.51
3.01
3.70
4.26
8
2.95
3.66
4.74
5.68
2.85
3.51
4.50
5.35
2.77
3.39
4.30
5.08
2.70
3.29
4.14
4.86
2.64
3.20
4.00
4.67
2.59
3.12
3.89
4.52
2.55
3.06
3.79
4.39
2.51
3.01
3.71
4.28
2.48
2.96
3.63
4.18
2.45
2.91
3.56
4.09
408
Grados
9
2.90
3.59
4.63
5.54
2.80
3.44
4.39
5.20
2.71
3.31
4.19
4.94
2.65
3.21
4.03
4.72
2.59
3.12
3.89
4.54
2.54
3.05
3.78
4.38
2.49
2.98
3.68
4.25
2.46
2.93
3.60
4.14
2.42
2.88
3.52
4.04
2.39
2.84
3.46
3.96
14
2.74
3.36
4.29
5.10
2.64
3.21
4.05
4.77
2.55
3.08
3.86
4.51
2.48
2.98
3.70
4.30
2.42
2.89
3.56
4.12
2.37
2.82
3.45
3.97
2.33
2.75
3.35
3.84
2.29
2.70
3.27
3.73
2.26
2.65
3.19
3.64
2.22
2.60
3.13
3.55
15
2.72
3.33
4.25
5.05
2.62
3.18
4.01
4.72
2.53
3.05
3.82
4.46
2.46
2.95
3.66
4.25
2.40
2.86
3.52
4.07
2.35
2.79
3.41
3.92
2.31
2.72
3.31
3.79
2.27
2.67
3.23
3.68
2.23
2.62
3.15
3.59
2.20
2.57
3.09
3.50
16
2.70
3.30
4.21
5.00
2.60
3.15
3.97
4.67
2.51
3.03
3.78
4.41
2.44
2.92
3.62
4.20
2.38
2.84
3.49
4.02
2.33
2.76
3.37
3.87
2.29
2.70
3.27
3.75
2.25
2.64
3.19
3.64
2.21
2.59
3.12
3.54
2.18
2.55
3.05
3.46
17
2.69
3.28
4.18
4.96
2.58
3.13
3.94
4.63
2.50
3.00
3.75
4.37
2.43
2.90
3.59
4.16
2.37
2.81
3.45
3.98
2.32
2.74
3.34
3.83
2.27
2.67
3.24
3.71
2.23
2.62
3.16
3.60
2.20
2.57
3.08
3.50
2.17
2.52
3.02
3.42
18
2.67
3.26
4.15
4.92
2.57
3.11
3.91
4.59
2.48
2.98
3.72
4.33
2.41
2.88
3.56
4.12
2.35
2.79
3.42
3.95
2.30
2.72
3.31
3.80
2.26
2.65
3.21
3.67
2.22
2.60
3.13
3.56
2.18
2.55
3.05
3.46
2.15
2.50
2.99
3.38
19
2.66
3.24
4.12
4.89
2.56
3.09
3.88
4.56
2.47
2.96
3.69
4.30
2.40
2.86
3.53
4.09
2.34
2.77
3.40
3.91
2.29
2.70
3.28
3.76
2.24
2.63
3.19
3.64
2.20
2.58
3.10
3.53
2.17
2.53
3.03
3.43
2.14
2.48
2.96
3.35
20
2.65
3.23
4.10
4.86
2.54
3.07
3.86
4.53
2.46
2.95
3.66
4.27
2.39
2.84
3.51
4.06
2.33
2.76
3.37
3.88
2.28
2.68
3.26
3.73
2.23
2.62
3.16
3.61
2.19
2.56
3.08
3.50
2.16
2.51
3.00
3.40
2.12
2.46
2.94
3.32
0.05
0.01
0.05
0.01
0.05
0.01
0 - 21
18
40 - 131
27 - 144
30
2 - 26
19
46 - 144
32 - 158
31
3 - 33
0 - 36
20
52 - 158
37 - 173
32
5 - 40
1 - 44
21
58 - 173
42 - 189
33
10
8 - 47
3 - 52
22
65 - 188
48 - 205
34
11
10 -56
5 - 61
23
73 - 203
54 - 222
35
12
13 - 65
7 - 71
24
81 - 219
61 - 239
36
13
17 - 74
9 - 82
25
89 - 236
68 - 257
37
14
21 - 84
12 - 93
26
98 - 253
75 - 276
38
15
25 - 95
15 - 105
27
107 - 271
83 - 295
39
16
29 - 107
19 - 117
28
116 - 290
91 - 315
40
17
34 - 119
23 - 130
29
0.01
0.05
0.01
0.05
14
15
16
17
18
19
20
21
22
10
23
11
24
12
25
13
409