Un profesor decide evaluar a sus alumnos con un examen tipo test con 20

Preguntas. Cada pregunta consta de 3 respuestas, de las que sólo una es correcta.
Lo que el profesor no se imaginaba es que los alumnos no hubieran estudiado y
Deciden responder al azar. Responda a las siguientes preguntas:

a. ¿Cuál es la probabilidad de que un alumno responda todas las preguntas

a) mal?
𝑛 = 20
1
𝑝=
3
2
𝑞=
3
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
20
𝑝(𝑥) = ( ) (0.66)20 (0,333)0 = 0,056
20
b. ¿Cuál es la probabilidad de que responda 10 preguntas bien?

𝑛 = 20
1
𝑝=
3
2
𝑞=
3
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
20
𝑝(𝑥) = ( ) (0.33)10 (0,66)10 = 0,044
10

d. ¿Cuál es la probabilidad de que responde entre 5 y 10 preguntas bien?

𝑝 = 20
1
𝑝=
3
2
𝑞=
3
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
20 20 20
( ) (0,33)5 (0,66)15 + ( ) (0,33)6 (0,66)14 + ( ) (0,33)7 (0,66)13
5 6 7
20 20 20
+ ( ) (0,33) (0,66) + ( ) (0,33)9 (0,66)11 + ( ) (0,33)10 (0,66)10
8 12
8 9 10
 n x p^x q^(n-x) combinatoria binomial
20 5 0,00391354 0,00196408 42504 0,32670707
20 6 0,00129147 0,00297588 38760 0,1489644
20 7 0,00042618 0,00450891 77520 0,1489644
20 8 0,00014064 0,00683168 125970 0,12103358
20 9 4,6411E-05 0,01035102 167960 0,08068905
20 10 1,5316E-05 0,01568337 1 2,402E-07
0,82635875

La probabilidad es de 0,82

e. ¿Cuál es la probabilidad de aprobar del alumno?

𝜇 = 𝑛 ∗ 𝑝 = 20 ∗ 0,33 = 7 Es decir la probabilidad es de 0,33 de aprobar

2. Explique el significado de los intervalos de confianza y por qué surgen de la

Estimación puntual. ¿En qué consisten los contrastes de hipótesis?

Un intervalo de confianza es un rango de valores, derivado de los estadísticos de la muestra, que

posiblemente incluya el valor de un parámetro de población desconocido. Debido a su naturaleza
aleatoria, es poco probable que dos muestras de una población en particular produzcan
intervalos de confianza idénticos. Sin embargo, si usted repitiera muchas veces su muestra, un
determinado porcentaje de los intervalos de confianza resultantes incluiría el parámetro de
población desconocido.

La estimación puntual trata el problema de estimar mediante un número el valor de una

característica poblacional o parámetro θ desconocido (por ejemplo, la estimación del IPC de un
determinado periodo). En muchos casos la estimación puntual no es suficiente en el sentido de
que no nos indica el error que se comete en dicha estimación. Lo razonable en la práctica es
adjuntar, junto a la estimación puntual del parámetro, un cierto intervalo numérico que mida el
margen de error que, de acuerdo a las observaciones muéstrales, pueda tener dicha estimación.
La idea de Intervalo de Confianza, es proponer un rango de valores entre los que posiblemente
se encuentre el verdadero valor del parámetro θ.

Contraste de hipótesis

Una hipótesis estadística es una afirmación respecto a alguna característica de una

población. Contrastar una hipótesis es comparar las predicciones con la realidad que
observamos. Si dentro del margen de error que nos permitimos admitir, hay coincidencia,
aceptaremos la hipótesis y en caso contrario la rechazaremos.

 La hipótesis emitida se suele designar por Ho y se llama Hipótesis nula porque parte del
supuesto que la diferencias entre el valor verdadero del parámetro y su valor hipotético
es debida al azar, es decir no hay diferencia.
 La hipótesis contraria se designa por H1 y se llama Hipótesis alternativa
Los contrastes pueden ser unilaterales o bilaterales (también llamados de una o dos colas)
según establezcamos las hipótesis, si las definimos en términos de igual y distinto estamos ante
una hipótesis unilateral, si suponemos una dirección (en términos de mayor o menor) estamos
ante uno unilateral.

Se trata pues, de extraer conclusiones a partir de una muestra aleatoria y significativa, que
permitan aceptar o rechazar una hipótesis previamente emitida, sobre el valor de un parámetro
desconocido de la población. El método que seguiremos es el siguiente:

1. Enunciar la hipótesis
2. Elegir un nivel de significación a y construir la zona de aceptación, intervalo fuera del
cual sólo se encuentran el a100% de los casos más raros. A la zona de rechazo la
llamaremos región crítica, y su área es el nivel de significación.
3. Verificar la hipótesis extrayendo una muestra cuyo tamaño se ha decidido en el paso
anterior y obteniendo de ella el correspondiente estadístico (media o proporción en
nuestro caso).
4. Decidir. Si el valor calculado en la muestra cae dentro de la zona de aceptación se acepta
la hipótesis y si no se rechaza.

Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I. La
probabilidad de cometer un error de tipo I es α, que es el nivel de significancia que usted
establece para su prueba de hipótesis. Un α de 0.05 indica que usted está dispuesto a
aceptar una probabilidad de 5% de estar equivocado al rechazar la hipótesis nula. Para
reducir este riesgo, debe utilizar un valor menor para α. Sin embargo, usar un valor menor
para alfa significa que usted tendrá menos probabilidad de detectar una diferencia si esta
realmente existe.

Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II. La
probabilidad de cometer un error de tipo II es β, que depende de la potencia de la prueba.
Puede reducir el riesgo de cometer un error de tipo II al asegurarse de que la prueba
tenga suficiente potencia. Para ello, asegúrese de que el tamaño de la muestra sea lo
suficientemente grande como para detectar una diferencia práctica cuando esta
realmente exista.