Unidad 2. Estadistica Inferencial para Una Poblacion VFFF

Estadstica para la investigacin en seguridad pblica
Unidad 2. Estadstica inferencial para una poblacin

Ciencias Sociales y Administrativas | Licenciatura en Seguridad Pblica

1

Licenciatura en Seguridad Pblica

5Cuatrimestre

Programa de la asignatura:
Estadstica para la investigacin en
seguridad pblica

Unidad 2. Estadstica inferencial para una
poblacin

Clave:
010920518/020920518

Universidad Abierta y a Distancia de Mxico



2

ndice

Unidad 2. Estadstica inferencial para una poblacin ........................................................... 3
Presentacin de la unidad ................................................................................................... 3
Propsitos ............................................................................................................................ 3
Competencia especfica ....................................................................................................... 3
Presentacin de la unidad ................................................................................................... 4
2.1. Estimacin puntual y por intervalo de la media ............................................................. 5
2.1.1. Estimador puntual y sus propiedades ........................................................................ 6
2.1.2. Distribucin muestral de la media, normal y t de Student ........................................ 7
2.1.3. Teorema del lmite central ........................................................................................ 14
2.1.4. Intervalo de confianza para la media ........................................................................ 14
2.2. Estimacin puntual y por intervalo de la proporcin .................................................... 17
2.2.1. Estimador puntual y sus propiedades ...................................................................... 18
2.2.2. Distribucin muestral de la proporcin ..................................................................... 18
2.2.3. Clculo de un intervalo de confianza para la proporcin .......................................... 19
Actividad 1. Estimadores puntuales ................................................................................... 21
Actividad 2. Estimaciones puntuales e intervalos de confianza .......................................... 22
2.3. Prueba de hiptesis .................................................................................................... 22
2.3.1. Conceptos generales de la metodologa .................................................................. 23
2.3.2. Prueba de hiptesis de la media .............................................................................. 25
2.3.3 Relacin entre una prueba de hiptesis de la media y un intervalo de confianza ...... 31
2.3.4. Prueba de hiptesis de la proporcin ....................................................................... 32
2.3.5. Relacin entre una prueba de hiptesis de la proporcin y un intervalo de confianza34
Actividad 3. Pruebas de hiptesis ...................................................................................... 35
Actividad 4. Problemario .................................................................................................... 36
Autoevaluacin .................................................................................................................. 36
Evidencia de aprendizaje. Resolucin de ejercicios sobre pruebas de hiptesis e intervalos
de confianza ...................................................................................................................... 37
Actividades de Autorreflexin ............................................................................................. 37
Cierre de la unidad ............................................................................................................ 38
Fuentes de consulta .......................................................................................................... 39
Fuentes cibergrficas ......................................................................................................... 39



3


Presentacin de la unidad

En la presente unidad se describe el propsito de la estadstica inferencial; se presenta el
significado de estimador puntual y por intervalo, de distribucin muestral, y se analiza
cmo obtener conclusiones acerca de una poblacin a partir de una muestra.

Se estudian nicamente dos distribuciones muestrales: la de la media y la de la proporcin.
Se presentan las condiciones, caractersticas y metodologa para determinar sus
estimadores puntuales y por intervalo.

De igual manera, se presenta y analiza el significado de realizar una prueba de hiptesis,
de la metodologa que se sigue para hacerla y se realizan pruebas de hiptesis para la
media y la proporcin.

Finalmente, se muestra la relacin entre una prueba de hiptesis y un intervalo de
confianza.

Propsitos

Los propsitos de esta unidad son:

- Comprender los alcances de la estadstica inferencial.
- Comprender el significado de estimador puntual y por intervalo.
- Determinar los estimadores puntuales y por intervalo de las distribuciones
muestrales de la media y la proporcin.
- Comprender y utilizar la metodologa de las pruebas de hiptesis para la media y la
proporcin.
- Reconocer la relacin entre una prueba de hiptesis y un intervalo de confianza.

Competencia especfica

- Analizar la informacin de una muestra para identificar las dinmicas de la
poblacin de estudio, mediante la resolucin de problemas con tcnicas de
estadstica inferencial.



4

Presentacin de la unidad

Como se sabe, la teora del muestro permite obtener informacin acerca de una poblacin
finita a travs de muestras extradas al azar, sin embargo, es ms prctico y
frecuentemente ms importante inferir informacin de una poblacin mediante varias
muestras extradas de ella.

Lo anterior lo hace la inferencia estadstica o estadstica inferencial, basndose en la
teora del muestro y el objetivo es estimar una medida descriptiva de la poblacin (por
ejemplo, la media o la varianza) a partir de la medida descriptiva de la muestra (media o
varianza muestral); a los primeros se les llama parmetros y a los segundos estadsticos.

Debido a lo anterior, es claro que para una poblacin en particular, los parmetros son fijos
y frecuentemente desconocidos, mientras que los estadsticos varan dependiendo de la
muestra.

A continuacin se muestran algunos de los parmetros ms comunes y sus
correspondientes estadsticos:

Medida descriptiva Parmetro Estadstico
Media
u
_
x
Varianza
2
o
2
s
Desviacin estndar o s
Proporcin
p
_
p

Los principales tipos de inferencia que se realizan son:

- Estimacin puntual o por intervalo
- Prueba de hiptesis

Dado que las inferencias estadsticas que se hacen acerca de la poblacin se realizan por
medio de muestras, lo natural es usar la media y la varianza (estadsticos) como
estimadores de los parmetros correspondientes.

Para poder llevar a cabo lo anterior, existen dos problemas:

- Determinar si la estimacin est sesgada
- Determinar la cercana del valor del estadstico con el valor del parmetro que se
est estimando.



5

Para analizar el sesgo, considrese que se toman una gran cantidad de muestras de una
poblacin con media u y que se determina la media de cada una de las muestras,
obteniendo los valores
_
i
x
, con estos es posible construir una distribucin cuya media |
.
|
\
|
_
x

tiene un valor que puede estar cercano o no al valor de la media poblacional u . Si el valor
de la de la media de la distribucin de medias |
.
|
\
|
_
x
es cercano al de la poblacin ( ) u , se
dice que
_
x
es un estimador insesgado de
u
.

En general, si la media de la distribucin muestral de un estadstico es igual a su
correspondiente parmetro, el estadstico se llama estimador insesgado del parmetro,
si no es igual se denomina estimador sesgado. Los valores correspondientes de tales
estadsticos se conocen como estimaciones insesgadas o sesgadas, respectivamente.
Hay dos tipos de estimacin de parmetros.

1) Estimacin puntual: es la que est dada por un valor numrico.
2) Estimacin por intervalo: son aquellas que estn dadas por dos nmeros, entre
los que, muy probablemente, est el valor del parmetro poblacional.

Es importante no confundir un estimador puntual con una estimacin puntual; debe
recordarse que la segunda es un valor particular obtenido de un estimador puntual.

2.1. Estimacin puntual y por intervalo de la media

Si se consideran todas las posibles muestras de tamao n que pueden extraerse de una
poblacin y que se calcula la media |
.
|
\
|
__
i
x
de cada una de las muestras, con estos valores
se puede construir una distribucin de la cual tambin se puede encontrar la media __
x
u

como usualmente se ha hecho.

Por la forma en que se calcula __
x
u
, puede verse que un estimador puntual es una funcin
de un conjunto de observaciones de la poblacin y es un punto en el sentido de que se
refiere a un solo valor.

Del mismo modo, la informacin contenida en las
__
i
x
calculadas, permite construir un
intervalo dentro del cual puede estar contenido el valor del parmetro u .



6

2.1.1. Estimador puntual y sus propiedades

Puede ser claro que por medio de las muestras es posible hacer una estimacin de
cualquiera de los parmetros de una poblacin, de manera que no es fcil determinar cul
de los estadsticos es el ms apropiado. Los siguientes cuatro criterios permiten hacer esta
eleccin:

- Inestabilidad: es preferible usar un estimador no sesgado, es decir, cuando
ocurre que la esperanza del estadstico es igual al valor del parmetro, por
ejemplo:

u =
_
x E
.

Ahora bien, aun cuando lo anterior se cumpla, puede ocurrir algo como lo mostrado
en la siguiente grfica:

__
x
u u =

En este caso, la eleccin del estimador, usando solo este criterio, no resulta
suficiente.

- Consistencia: se dice que el estimador del parmetro es consistente si el valor
del estimador se aproxima al valor del parmetro de la poblacin cuando el
tamao de la muestra se hace ms y ms grande.

Por ejemplo, para la distribucin muestral de medias tenemos que:

| | u u = =
x
x E

n
x
o
o =

de aqu puede apreciarse que conforme n se hace ms grande,
el cociente se hace cada vez ms pequeo, por lo que la
divisin se acerca ms al cero; ahora bien, que la desviacin
estndar sea cercana a cero, significa que los valores de x se
encuentran muy cerca y alrededor del valor de u .

- Eficiencia: se dice que el estimador del parmetro es eficiente cuando tiene la
menor de las varianzas entre todos los posibles estimadores.



7
- Suficiencia: se dice que el estimador es suficiente si genera tanta o ms
informacin acerca del parmetro de la que podra proporcionar otro estimador
cuando se utiliza la misma muestra.

2.1.2. Distribucin muestral de la media, normal y t de Student

En general, existen tres tipos de informacin que se desea conocer sobre una distribucin:

- Dnde est el centro?
- Qu tanto vara?
- Cmo est repartida?

Por supuesto, querramos conocer esta misma informacin respecto a una distribucin
muestral, por ejemplo la distribucin muestral de x . Con el siguiente ejemplo, se muestra
la manera en que se procede para obtener la informacin y dar respuesta a las preguntas
previas.

Ejemplo (1) Considere que en la siguiente tabla se representa a toda una poblacin, que
consiste en el nmero de pizzas que la sucursal de cierta empresa vende en
una hora determinada del da:

Sucursal Nmero de pizzas
Calle Real 2
Puente grande 3
Plaza 6
El centro 8
Nio perdido 9

A continuacin se pide que se hagan algunos procedimientos y clculos, y se dan
recomendaciones y resultados para verificar.

a) Haz los clculos pertinentes para demostrar que:
60 . 5 = u , 440 . 7
2
= o y 728 . 2 = o

b) Haz una lista de todas las posibles muestras de tamao 2 que se pueden
generar de dicha poblacin, considerando que se hace un muestreo con
remplazo (son 25 en total)



8

Nm. de
pizzas
2 3 6 8 9
2
3
6
8
9

c) Determina la media de cada una de las muestras y verifica que se obtienen los
valores de la tabla del inciso d). Con los datos de la tabla del inciso a), completa
la distribucin de medias muestrales:

__
x
2 2.5 3 4 4.5 5 5.5 6 7 7.5 8 8.5 9
)
`
=
__
x X P
25
1

25
1

25
4

25
2

25
2

d) Haz los clculos pertinentes para demostrar que la media de la distribucin de
medias muestrales es:

60 . 5
__
=
x
u

e) Haz los clculos pertinentes para demostrar que la varianza y la desviacin
estndar de la distribucin de medias muestrales son, respectivamente:

720 . 3
2
= x o y 923 . 1 =
x
o

f) Grafica las distribuciones de probabilidad de los incisos b) y d) y analiza las
grficas usando los valores de las medias y desviaciones estndar para cada
distribucin.

Lo que se har a continuacin es un tratamiento comn y consiste en agrupar las
medias en intervalos; recurdese que existen distintos criterios para determinar el
nmero k de intervalos. Si se usa el criterio
2
25
2
2 = >
n
k
, siendo k el menor
nmero que cumple con la desigualdad, se concluye que 4 = k , es decir, se deben
usar cuatro intervalos; sin embargo, tambin se puede determinar el nmero de
intervalos haciendo 25 = = n k



9
g) Para el presente ejercicio, se considera el que 5 = k . Realiza los clculos
necesarios y completa la tabla siguiente.

Lmites de clase
Marca de clase
|
.
|
\
|
__
x
Frecuencia de
clase
2.0 3.4 2.7 4
3.4 4.8 4
4.8 6.2 9
6.2 7.6 4
7.6 - 9.0 4

h) Grafica el histograma para los datos del inciso h)

Al analizar los resultados obtenidos hasta ahora, es posible ver que:

- La media de la poblacin y la media de la distribucin de medias muestrales es
igual, es decir:
__
x
u u =

- La varianza de la poblacin es el doble de varianza de la distribucin de medias
muestrales, es decir:

x
2 2
2o o =

- El rango de la poblacin es el mismo que el de la distribucin de medias
muestrales.

- La poblacin tena una distribucin de probabilidad uniforme, mientras que la
distribucin de medias muestrales parece ser una distribucin normal.

Tratar de generar una distribucin de medias muestrales para muestras de tamao 3, es
un ejercicio que puede llevarse a cabo con un poco de paciencia y que lleva a tener casi
las mismas conclusiones que las descritas anteriormente; el nico cambio es que
x
2 2
3o o = , lo que da una pista sobre la relacin existente entre la varianza de la poblacin
y la varianza de la distribucin de medias muestrales.

Otro ejercicio interesante, mucho menos costoso en tiempo y que se recomienda hacer, es
construir la distribucin de medias muestrales cuando el muestreo se realiza sin
restitucin. Si se consideran los casos 2 = n y 3 = n , en cada uno de ellos solo hay 10
muestras, y las conclusiones son parecidas, estas se enuncian a continuacin:



10

- La media de la poblacin y la media de la distribucin de medias muestrales es
igual, es decir:
__
x
u u =

- La varianza de la poblacin es n veces la varianza de la distribucin de medias
muestrales, es decir:
__ 2 2
x no o =

- El rango de la poblacin es el mismo que el de la distribucin de medias
muestrales.

- La distribucin de medias muestrales tiende a una distribucin normal conforme
aumenta el tamao de la muestra.

En resumen, la distribucin de medias muestrales es normal con media u y varianza
n
x
2
2 __
o
o = . Esto significa que es posible calcular la probabilidad de que un valor de x se
encuentre en un rango de valores, para lo que se deber estandarizar mediante
n
x
z
o
u
=

Como puede apreciarse, a travs de la informacin generada de una muestra, es posible
caracterizar a toda una poblacin, ya que la distribucin de medias muestrales se
comporta como una distribucin normal.

Sin embargo, todo el anlisis se puede llevar a cabo porque se conoce a toda la poblacin
y consecuentemente, se conocen sus parmetros. Sin embargo, lo ms frecuente es que
no sea posible trabajar con todos los elementos de la poblacin, porque esta fuera muy
grande, sino nicamente con una muestra (pequea en comparacin con el tamao de la
poblacin). En este caso, la distribucin de probabilidad que se usa es denominada t de
Student.

Las condiciones bajo las que se usa esta distribucin son:

- Poblacin con distribucin normal. Si esto no sucede, no es posible usar t de
Student.
- Varianza desconocida. Por tal motivo se debe estimar mediante la varianza
muestral.



11

Las caractersticas (Nieves & Dominguez, 2010. 382) de la distribucin t de Student, son:
1. Tiene media igual a cero.
2. Estn distribuidas simtricamente alrededor de su media.
3. Hay una distribucin diferente para cada grado de libertad.
4. Tienen varianzas mayores que uno, pero, a medida que aumenta el nmero de
grados de libertad, la varianza tiende a uno.
5. En comparacin con la distribucin normal estndar, las curvas son ms bajas
en la media, pero sus colas son ms altas.

Para la distribucin t de Student, la estandarizacin es
n
s
x
t
u
=

La t calculada de esta manera, tiene una funcin de probabilidad t de Student con 1 n
grados de libertad

Ejemplo (2)

Una compaa fabricante de lmparas, asegura que estas tienen una vida media til de
60 meses y una desviacin estndar de 6 meses, para verificar la informacin, una
empresa prueba una muestra aleatoria de 50 lmparas.

a) Qu tipo de distribucin se puede usar para inferir sobre la media
poblacional? Justificar.
b) Cul es la estandarizacin pertinente?
c) Cul es la probabilidad de encontrar una muestra con una vida til
promedio de menos de 58 meses?
Solucin:
a) Como el tamao de muestra es grande ( ) 30 > n y la desviacin estndar
es conocida, se puede usar la distribucin normal.
b) La estandarizacin que se puede usar es
n
x x
z
x
x
o
u
o
u
=
=
c) Lo que se pide es
)
`
< 58
__
x P . Para determinar el valor de esta
probabilidad, primero se debe estandarizar 58
__
= x , es decir:
35 . 2
50
6
2
50
6
60 58
=
= z

Al consultar en la tabla para la distribucin normal:


12
0094 . 0 35 . 2
__
=
)
`
< x P

Este resultado significa que la probabilidad es de 0.0094, o bien, que en el 0.94% de
las ocasiones que se tome una muestra se tendrn lmparas que duren menos de 58
meses. Aunque debe aclararse que esto ser as solo si la informacin que
proporciona el fabricante es cierta.

Ejemplo (3)
Un fabricante de cigarrillos afirma que su producto tiene un contenido promedio de
nicotina de 1.83 miligramos. Se toma una muestra aleatoria de 8 de estos cigarrillos y se
determina que el contenido de nicotina de cada uno de ellos es: 2.0, 1.7, 2.1, 1.9, 2.2,
2.1, 2.0 y 1.6 miligramos.
a) Calcular la media y la desviacin estndar de la muestra.
b) Qu tipo de distribucin se puede usar para inferir sobre la media
poblacional? Justificar.
c) Cul es la estandarizacin pertinente?
d) Con esta informacin, y con una certeza del 95%, se quiere responder la
pregunta: la afirmacin del fabricante es cierta?

Solucin:
a) Para determinar la media de la muestra.
95 . 1
8
6 1 0 2 1 2 2 2 9 1 1 2 7 1 0 2
1
=
+ + + + + + +
=
=
=
. . . . . . . .
n
x
x
n
i
i

Para determinar la desviacin estndar de la muestra, primero se calcula la varianza:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
0.0429
7
95 . 1 6 . 1 95 . 1 0 . 2 95 . 1 1 . 2 95 . 1 2 . 2
95 . 1 9 . 1 95 . 1 1 . 2 95 . 1 7 . 1 95 . 1 0 2
1
2 2 2 2
2 2 2 2
1
2
__
2
=
+ + +
+ + + +
=
|
.
|
\
|
=

.
n
x x
s
n
i
i

Entonces, la desviacin estndar es 2071 . 0 = s

b) Como no conocemos el valor de o , la estamos estimando a partir de s ,
y adems, la muestra es pequea, se debe usar la distribucin t de


13
Student para inferir sobre la media poblacional.

c) La estandarizacin que se usa para la distribucin t de Student es
n
s
x
t
u
=

d) Al sustituir en la expresin anterior, y realizar los clculos indicados, se
tiene:
1.64
8
207 . 0
83 . 1 95 . 1
=
=
n
s
x
t
u

Al buscar el valor de t en la distribucin t de Student con 7 grados de libertad, se ve que t
est contenido en la regin del 90%

89 . 1
7 , 05 . 0
t
89 . 1
7 , 05 . 0
t
64 . 1 = t
Probabilidad de 0.9

Lo anterior quiere decir que con una certeza del 90%, la informacin del fabricante es
cierta; por tanto, la afirmacin del fabricante no es cierta con el nivel de certeza que dijo
tener.



14

2.1.3. Teorema del lmite central

Como ya se mencion, hay tres cosas que es deseable conocer acerca una distribucin:

- Dnde est el centro?
- Qu tanto vara?
- Cmo est repartida?

El siguiente enunciado, conocido como el Teorema del lmite central, proporciona
informacin sobre los tres aspectos.

Si se toman todas las muestras posibles, de tamao n, sin remplazamiento, de una
poblacin finita de tamao N, con media y desviacin estndar , entonces la
distribucin de las medias muestrales:

- Sern de tipo normal cuando la poblacin de la que proceden las muestras
es de tipo normal, en caso contrario, se aproximar a una normal para
valores grandes de n ( ) 30 > n .
- Tendrn media
u u =
__
x

- Tendrn desviacin estndar
n
x
o
o =
o
1
=
N
n N
n
x
o
o

respectivamente.
El trmino
1
N
n N
es conocido como factor de correccin por poblacin
finita y puede omitirse cuando N n 05 . 0 < , es decir, cuando el tamao de la
muestra es menos del 5% del tamao de la poblacin.

2.1.4. Intervalo de confianza para la media

Si para una poblacin normal se quiere conocer la probabilidad de que un valor est
contenido entre la media y una desviacin estndar usando la grfica para la distribucin
normal, fcilmente puede verse que la regin en la que debera estar el valor es la parte
central y se puede tener una idea del valor esperado:


15
u
o u +
o u 2 +
o u 3 + o u
o u 2
o u 3

Por otra parte, y sabiendo que la grfica es simtrica, la probabilidad se puede escribir

{ } { } { }
{ } { }
{ } { } 0 1 2 1 0 2
1 0 0 1
s s = s s =
s s + s s =
+ s s + s s = + s s
z P z P
z P z P
x P x P x P o u u u o u o u o u

Al buscar en la tabla correspondiente, se concluye:

{ } { }
6826 . 0
3413 . 0 2
=
= + s s o u o u x P

De manera similar, se puede demostrar que:

{ } % 44 . 95 2 2 = + s s o u o u x P
{ } % 74 . 99 3 3 = + s s o u o u x P

Sin embargo, en muchas ocasiones lo que se desea conocer es la probabilidad de que la
media poblacional est contenida en un cierto rango de valores, si se conoce el valor de la
media de una muestra.

A continuacin se muestra cmo determinar un intervalo para el cual existe una
probabilidad conocida de que la media poblacional est contenida en dicho intervalo.

Ejemplo (4)
Se desea saber entre qu valores puede estar la media de la poblacin con una
probabilidad del 0.95

Solucin: se expresa la probabilidad dada en trminos del intervalo donde puede estar
contenido el valor normalizado y se despeja u :


16
{ }
95 . 0 96 . 1 96 . 1
95 . 0 96 . 1 96 . 1
95 . 0 96 . 1 96 . 1
__
__
=
)
`
s s
=
s
= s s
n
x
n
P
n
x
P
z P
o
u
o
o
u

95 . 0 96 . 1 96 . 1
95 . 0 96 . 1 96 . 1
__
__
=
)
`
s s
=
)
`
> >
n
x
n
P
n
x
n
P
o
u
o
o
u
o

De donde, finalmente, se obtiene que:
95 . 0 96 . 1 96 . 1
__ __
=
)
`
+ s s
n
x
n
x P
o
u
o

Esto quiere decir que la media de la poblacin se encuentra contenida en el
rango dado por
n
x
n
x
o
u
o
96 . 1 96 . 1
__ __
+ s s , que tambin puede ser
expresado como un intervalo |
.
|
\
|
+
n
x
n
x
o o
96 . 1 , 96 . 1
__ __
; a este intervalo se
le denomina intervalo de confianza para una probabilidad de 0.95

El resultado encontrado significa que para una poblacin, el intervalo de
confianza depende de la media de la muestra, sin embargo, aunque cada
muestra que se tome proporciona un intervalo diferente, esta metodologa
garantiza que la media de la poblacin est contenida en el 95% de ellos.

La siguiente tabla de valores, permite determinar el valor correspondiente de z para un
intervalo de confianza dado.

Nivel de
confianza
99.7 99.0 98.0 96.0 95.5 95.0 90.0 80.0 68.3
z 3.00 2.58 2.33 2.05 2.00 1.96 1.65 1.28 1.00

Cuando se est considerando la distribucin muestral de medias para estimar u , el
intervalo de confianza para la media poblacional se encuentra con la expresin dada a
continuacin, siendo z el valor correspondiente al nivel de confianza deseado:
n
z x
n
z x
o
u
o
+ s s
__ __



17
La frmula significa que, conociendo
__
x y o , puede encontrarse un intervalo que
contenga a u con una confianza dada. Otras formas de expresar el intervalo de
confianza:
( )
x x
z x z x o o + , y |
.
|
\
|
+
n
z x
n
z x
o o
,

2.2. Estimacin puntual y por intervalo de la proporcin

Frecuentemente, la informacin que se obtiene de una muestra es solamente un s o un
no. Por ejemplo:

- Una encuesta revel que el 80% de las amas de casa compran sus artculos de
primera necesidad en las tiendas de autoservicio.
- Un estudio indic que el 60% de los hombres de entre 28 y 50 aos creen que los
dos cnyuges deben compartir los gastos del hogar.

Estos ejemplos muestran el significado de Proporcin: fraccin, razn o porcentaje que
indica la parte de la muestra de la poblacin que posee un rasgo de inters particular
(Lind, Marchall &Wathen, 2008. 310)

El valor de la proporcin se determina mediante
n
x
p =
__
, siendo x el nmero de xitos y n
el nmero de elementos de la muestra; este valor se usa como un estimador de la
proporcin de xitos en la poblacin de estudio.

Debido a la forma de encontrar la proporcin, es natural pensar en una distribucin
binomial como el modelo para las proporciones, siempre y cuando el tamao de la muestra
sea pequeo ( ) 30 < n ya que en caso contrario, resulta mucho mejor utilizar la
aproximacin normal a la binomial.

Por lo anterior, se utiliza la distribucin normal para calcular la estimacin de la proporcin
por intervalo; que equivale a encontrar el intervalo de confianza para p poblacional.



18

2.2.1. Estimador puntual y sus propiedades
Se sabe que
n
x
p =
__
y que la variable x tiene un modelo de probabilidad binomial, cuya
media es np y varianza npq , por tanto, p
n
np
p
= =
__
u

Lo anterior quiere decir que la media de la distribucin muestral de proporciones es la
probabilidad de xito ( ) p .

En el caso de la varianza se tiene que
2
2
n
npq
= o

2.2.2. Distribucin muestral de la proporcin

Considrese una poblacin en la que los elementos son o xitos o fracasos, en la que la
probabilidad de xito es p , siendo p q =1 la probabilidad de fracaso.

Si se obtienen todas las posibles muestras de tamao n y para cada muestra se determina
la proporcin
__
p de xito y con esta informacin se construye una distribucin de
probabilidad, esta tiene las siguientes propiedades:
- la media es
p
p
=
__
u

- la desviacin estndar es
n
q p
p
=
__
o

La distribucin construida se denomina distribucin muestral de proporciones y tiene
las siguientes caractersticas:

1. Proviene de una poblacin con distribucin binomial:
a. Los datos de la muestra son el resultado de contar.
b. nicamente hay dos resultados posibles: xito o fracaso.
c. La probabilidad de xito es constante de un evento a otro.
d. Los eventos son independientes.
2. Si se cumple que 5 > p n y 5 > q n se puede recurrir a la distribucin normal para
aproximar a la binomial y la estandarizacin es
n
q p
p p
z

=
__



19

2.2.3. Clculo de un intervalo de confianza para la proporcin

En este caso, la mejor manera de explicar cmo se determina un intervalo de confianza
para las proporciones es resolviendo el siguiente:

Ejemplo (7)

Se desea estimar el porcentaje de varones adultos de cierta ciudad que fuman al menos
una cajetilla de cigarrillos al da. Supngase que se toma una muestra aleatoria de 300
individuos y que de ellos, 36 individuos fuman.

Responder las siguientes tres preguntas, que tambin fueron respondidas para u .

a) Cul es la exactitud de la proporcin de la muestra como estimacin de
p ?
b) Qu tamao de muestra se necesitara si deseamos una probabilidad
de 0.95 de que el error de la estimacin no exceda a 0.02 unidades?
c) Cul es el intervalo de confianza a 95% para p ?
Solucin:

Por principio debemos resaltar el hecho de que el tamao de muestra es lo bastante
grande para justificar el uso de los mtodos de la curva normal.
a) Como la proporcin de la muestra
n
x
p =
__
tiene una distribucin normal
entonces tiene:
- media p
- y desviacin estndar
300
pq
n
pq
=
Se considera una probabilidad de 0.95 de que
__
p se encuentre a una distancia menor de
1.96 desviaciones estndar de p , es decir, el error de estimacin debe ser menor que
300
96 . 1
pq
; por otra parte, como p es desconocida, debe estimarse haciendo:
12 . 0
300
36
__
= =
=
n
x
p

Por tanto, el error de estimacin es aproximadamente
037 . 0
300
) 88 . 0 )( 12 . 0 (
96 . 1 =



20
Es decir, con una probabilidad de 0.95, la estimacin de la muestra
__
p no difiere de p por
ms de 0.037 unidades, lo que da una buena idea de la exactitud del valor de muestra
0.12 como estimacin de p .

b) Para determinar el tamao de la muestra necesaria, para obtener una
precisin dada en la estimacin de p , se selecciona n de manera que el
nmero apropiado de desviaciones estndar de
__
p sea igual al error mximo
deseado en la estimacin.

Sea e el error de estimacin mximo seleccionado y sea z el valor
correspondiente a la probabilidad deseada para no exceder este error
mximo. Entonces n debe satisfacer la ecuacin e
n
pq
z = , de donde
2
2
e
pq z
n =

Para el problema que estamos resolviendo, sabemos que p no se conoce,
de manera que debe estimarse segn el valor de la muestra, es decir,
usando 12 . 0
__
= p y para 02 . 0 = e y 96 . 1 = z tenemos:
( ) ( )( )
( )
1014
02 . 0
88 . 0 12 . 0 96 . 1
2
2
~
= n

Por tanto, se necesitar una muestra adicional de 714 para obtener la
precisin deseada de la estimacin.

c) El intervalo de confianza del 95% para p se calcula usando el mismo
razonamiento que para u , solo que
__
p toma el lugar de
__
x , con lo que se
tiene:

( )( ) ( )( )
157 . 0 083 . 0
300
88 . 0 12 . 0
96 . 1 12 . 0
300
88 . 0 12 . 0
96 . 1 12 . 0
96 . 1 96 . 1
__ __
__
__ __
__
< <
+ < <
+ < <
p
p
n
q p
p p
n
q p
p

Por tanto, un intervalo de confianza al 95% para p est dado por
157 . 0 083 . 0 < < p


21

Es necesario aclarar que la solucin a cada uno de esto incisos est basada en
mtodos de muestras grandes; afortunadamente los mtodos son bastante buenos
tambin para muestras pequeas, siempre que 5 > np para 5 . 0 < p y 5 > nq para
5 . 0 < p

Actividad 1. Estimadores puntuales

Hemos aprendido el significado de estimador puntual y revisado sus propiedades; as
mismo, analizamos el significado de intervalo de confianza y encontramos estos intervalos
para las distribuciones muestrales de la media y la proporcin.

El objetivo de la actividad es que, a partir de la informacin proporcionada, reconozcas la
distribucin que debes usar para realizar las estimaciones.

Para completar la informacin presentada aqu y reforzar lo aprendido, realiza lo siguiente:

1. Elabora un mapa conceptual donde se vean claramente las diferencias entre las
estimaciones puntuales para poblaciones grandes y pequeas.
2. Por ltimo, describe cmo se determina un intervalo de confianza y elabora un
reporte donde integres los resultados previos con tus conclusiones.
3. Al terminar, enva tu documento a la seccin de tareas, con la nomenclatura
EISP_U2_A1_XXYZ, y espera la retroalimentacin del Facilitador(a).

*Consulta la rbrica de evaluacin para conocer los criterios que sern tomados en cuenta
al momento de calificar tu trabajo.



22

Actividad 2. Estimaciones puntuales e intervalos de confianza

El objetivo de esta actividad es que compartas informacin y que verifiques la informacin
de tus compaeros(as).

Entra al Foro denominado Estimaciones puntuales e intervalos de confianza y realiza lo
siguiente:
1. Lee con atencin los ejercicios que ah se presentan.
2. Documntate sobre los tpicos que se correspondan con los ejercicios planteados.
3. Responde los ejercicios y sube tus aportaciones al foro.
4. Revisa las aportaciones de tus compaeros(as), compara sus opiniones con las tuyas
e intercambia comentarios a fin de establecer un dilogo fructfero y de cercana.


2.3. Prueba de hiptesis

Una hiptesis estadstica es una aseveracin o conjetura respecto a una o ms
poblaciones; por lo anterior, es muy importante tener claro que una hiptesis estadstica se
formula sobre la poblacin o distribucin que se est estudiando, no sobre la muestra.

Para realizar una prueba de hiptesis es necesario establecer dos hiptesis estadsticas,
conocidas como hiptesis nula e hiptesis alternativa, respectivamente.

La hiptesis nula
0
H siempre se usa para establecer que el parmetro de inters, que es
desconocido, es igual a un valor dado. Por ejemplo, si no se conoce la media poblacional
, la hiptesis nula es:
0 0
: u u = H

La hiptesis alternativa
1
H establece que el parmetro es menor que (<), mayor que (>), o
diferente de () el valor especificado.



23

Ejemplo (8)

Se sabe que la tasa de incineracin de un slido es una variable aleatoria que puede
describirse mediante una distribucin de probabilidad.
Se quiere saber si la media de la taza de incineracin (parmetro) es distinta de
s
cm
50
Expresar la hiptesis nula y la hiptesis alternativa:

Solucin:
Como en la hiptesis nula
0
H se establece que el parmetro desconocido es igual a un
valor especificado que s se conoce, se tiene que la hiptesis nula es:
s
cm
H 50 :
0
= u

En el caso de la hiptesis alternativa
1
H
, esta es para establecer que el parmetro es
diferente del valor especificado para
0
u
, por lo que la hiptesis alternativa o hiptesis de
investigacin es:
s
cm
H 50 :
1
= u

2.3.1. Conceptos generales de la metodologa

Al procedimiento mediante el cual se toma la decisin sobre una hiptesis en particular, se
le denomina prueba de hiptesis.

Los procedimientos para realizar una prueba de hiptesis dependen de la informacin
contenida en una muestra aleatoria de la poblacin de inters; si la informacin es
consistente con la hiptesis, se concluye que esta es verdadera, y en caso contrario que
es falsa.

La hiptesis nula
0
H debe formularse de manera que al rechazarla se apoye la conclusin
de la investigacin; mientras que la hiptesis de investigacin debe expresarse como la
hiptesis alternativa
1
H .



24

Ejemplo (9)

Se seleccionar una muestra aleatoria de cigarrillos producidos a partir de hojas
secadas con un nuevo mtodo y se medir el contenido de nicotina. Se quiere saber si el
contenido medio de nicotina por cigarrillo es menor que 1.5 miligramos.

Solucin:
Lo primero que se debe identificar es el parmetro de inters, que en este caso es la
media poblacional.

En segundo lugar, debe establecerse claramente lo que se quiere probar; segn el
enunciado, se quiere probar que la media sea menor o igual a 1.5 miligramos, es decir,
que: mg 15 s u
.

Por tanto, la formulacin del juego de hiptesis es:
mg H 15 :
0
> u
mg H 15 :
1
< u

Al tomar decisiones, se pueden cometer dos tipos de errores, cuyos nombres y
descripciones son:
- Error tipo I. Se refiere al hecho de rechazar la hiptesis nula
0
H cuando esta es
verdadera.
- Error tipo II. Hace referencia al hecho de no rechazar la hiptesis nula
0
H cuando
esta es falsa.

Podemos resumir en el siguiente cuadro:

Decisin
0
H es verdadera
0
H es falsa
No rechazar
0
H No error Error tipo II
Rechazar
0
H Error tipo I No error

Puesto que una decisin est basada en variables aleatorias, es posible asignarle
probabilidades a los errores, y estos son representados como:
- = P (error tipo I)
= P( rechazar
es verdadera)
tambin recibe por nombre nivel de significancia.
- = P( error tipo II)
= P( No rechazar
es falsa)



25

A continuacin se describe el procedimiento general para realizar una prueba de hiptesis:
1. Leer cuidadosamente el problema para identificar el parmetro de inters.
2. Estructurar la hiptesis nula
0
H , sin olvidar que contiene a la igualdad.
3. Especificar la hiptesis alternativa
1
H , tomando en cuenta que se trata de la
hiptesis de investigacin, esto quiere decir que se espera rechazar
0
H y, en
consecuencia, aceptar
1
H .
4. Escoger un nivel de significancia para (controla la probabilidad de cometer el
error tipo I)
5. Escoger una estadstica de prueba apropiada.
6. Tomar una muestra aleatoria del parmetro.
7. Con los datos, calcular el estadstico de prueba.
8. Decidir si
0
H debe ser o no rechazada y reportar los resultados en el contexto del
problema.

2.3.2. Prueba de hiptesis de la media

Debido a lo descrito anteriormente, las pruebas de hiptesis para un parmetro poblacional
asumen una de estas tres formas:
-
>
s
0 1
0 0
:
:
u u
u u
H
H
Esta es denominada prueba de cola derecha.
-
<
>
0 1
0 0
:
:
u u
u u
H
H
Esta es denominada prueba de cola izquierda.
-
=
=
0 1
0 0
:
:
u u
u u
H
H
Esta es denominada prueba de dos colas.

A continuacin se describir cmo se realiza la prueba de hiptesis para la media
poblacional, y luego se resolver un ejemplo, en los casos en los que:

- es conocida.
- es desconocida, el tamao de la muestra es pequeo y la poblacin es normal.

Prueba de hiptesis para la media poblacional con conocida
Los supuestos para poder realizar la prueba de hiptesis son:
- La poblacin o distribucin de inters tiene media y varianza
.
- La poblacin se distribuye normalmente y es aplicable el teorema de lmite central.
- El estadstico de prueba es
n
x
z
o
u
0
0
=


26

A continuacin se analizan los tres casos presentados al inicio de este apartado, aunque
no en el mismo orden.

1) El primer juego de hiptesis es
=
=
0 1
0 0
:
:
u u
u u
H
H

Si la hiptesis nula es verdadera, el
0
z que se calcula caer en la regin de no
rechazo de
0
H , en caso contrario,
0
z caer en la regin de rechazo, lo que
significa que la muestra produjo un valor inusual del estadstico de prueba; lo
anterior quiere decir que la informacin contenida en la muestra no apoya el
supuesto de que
0
H es verdadera.

La regla de decisin se define como:
Se debe rechazar
0
H si
2
0 o
z z > o
2
0 o
z z <
No se debe rechazar
0
H si
2
0
2
o o
z z z s s

2
o
z
2
o
z
Regin de rechazo Regin de rechazo
Regin de no
rechazo de Ho
0
2
o
2
o
o 1

2) El segundo juego de hiptesis es:
>
s
0 1
0 0
:
:
u u
u u
H
H

Se debe rechazar
0
H si
o
z z >
0

No se debe rechazar
0
H si
o
z z <
0

o
z
Regin de rechazo
Regin de no
rechazo de Ho
0
o
o 1



27
3) El tercer juego de hiptesis es:
<
>
0 1
0 0
:
:
u u
u u
H
H

Se debe rechazar
0
H si
o
z z <
0

No se debe rechazar
0
H si
o
z z >
0

o
z
Regin de rechazo
Regin de no
rechazo de Ho
0
o
o 1

Ejemplo (10)

Una muestra aleatoria de 100 muertes registradas en Mxico durante el ao pasado,
muestra una vida promedio de 71.8 aos. Suponiendo una desviacin estndar
poblacional de 8.9 aos, esto parece indicar que la vida media hoy en da es diferente
que 70 aos? Utilice un nivel de significancia de 0.05.

Solucin:
Siguiendo los pasos descritos anteriormente:
- Parmetro media poblacional ()
- Hiptesis nula aos 70 :
0
= u H
- Hiptesis alternativa aos 70 :
1
= u H
- Nivel de significancia 05 . 0 = o
Probabilidad del 0.95
95% de confianza
- Estadstica
0
z
- Datos aos 8 . 71
__
= x , aos 9 . 8 = o
- Estandarizacin 02 . 2
100
9 . 8
70 8 . 71
0
=
= z
Valor crtico 96 . 1
2
=
o
z
- Decisin Rechazar
dado que
2
0 o
z z >
Conclusin La vida media hoy da es
diferente a 70 aos.



28
96 . 1
2
=
o
z 96 . 1
2
=
o
z
Regin de no
rechazo de Ho
o 1
02 . 2
0
= z

Ejemplo (11)

Del ejemplo anterior se vio que la media es distinta a 70 aos, ahora se tiene inters en
saber si la vida media, hoy en da, es mayor que 70 aos. Utilice un nivel de significancia
de 0.05.

Solucin: siguiendo los pasos descritos con anterioridad tenemos:

1) Parmetro media poblacional ()
2) Hiptesis nula aos 70 :
0
= u H
3) Hiptesis alternativa aos 70 :
1
> u H
4) Nivel de significancia 05 . 0 = o
Probabilidad del 0.95
95% de confianza
5) Estadstica
0
z
6) Datos aos 8 . 71
__
= x , aos 9 . 8 = o
7) Estandarizacin 02 . 2
100
9 . 8
70 8 . 71
0
=
= z
Valor crtico 96 . 1 =
o
z

8) Decisin Rechazar
y aceptar

dado que
o
z z >
0

Conclusin La vida media hoy da es mayor
a 70 aos.



29
645 . 1 =
o
z
Regin de rechazo
Regin de no
rechazo de Ho
o
02 . 2
0
= z

Prueba de hiptesis para la media poblacional con no conocida

Los supuestos para poder realizar la prueba de hiptesis son:

- El tamao de muestra es pequeo.
- La media u y varianza
2
o son desconocidas.
- Tenemos una muestra aleatoria de tamao n de una poblacin normal de la cual se
determinan
__
x y
2
s
.

- El estadstico de prueba es
n
s
x
t
0
0
u
= , es decir, una distribucin t de Student con
n-1 grados de libertad.

A continuacin se analizan los tres casos presentados al inicio de este apartado, aunque
no en el mismo orden.

1) El primer juego de hiptesis es
=
=
0 1
0 0
:
:
u u
u u
H
H

Se debe rechazar
0
H si
2
0 o
t t > o
2
0 o
t t <
No se debe rechazar
0
H si
2
0
2
o o
t t t s s

2
o
t
2
o
t
Regin de no
rechazo de Ho
0
2
o
2
o
o 1



30
2) El segundo juego de hiptesis es:
>
s
0 1
0 0
:
:
u u
u u
H
H

Se debe rechazar
0
H si
1 , 0
>
n
t t
o

No se debe rechazar
0
H si
1 , 0
<
n
t t
o

o
t
Regin de rechazo
Regin de no
rechazo de Ho
o
o 1

3) El tercer juego de hiptesis es:
<
>
0 1
0 0
:
:
u u
u u
H
H

Se debe rechazar
0
H si
1 , 0
<
n
t t
o

No se debe rechazar
0
H si
1 , 0
>
n
t t
o

o
t
Regin de rechazo
Regin de no
rechazo de Ho
o
o 1

Ejemplo (12)

El instituto elctrico Edison publica cifras del nmero anual de kilowatt-hora (kWh) que
gastan varios aparatos electrodomsticos. Se afirma que una aspiradora gasta un
promedio de 46 kWh al ao. Si una muestra aleatoria de 12 hogares indica que las
aspiradoras gastan un promedio de 42 kWh al ao con una desviacin estndar de 11.9
kWh. La informacin de la muestra sugiere, a un nivel de significancia de 0.05, que las
aspiradoras gastan en promedio menos de 46 kWh anualmente? Suponga que el gasto
de kWh es normal.

Solucin:
Siguiendo los pasos descritos anteriormente:

1) Parmetro media poblacional ()
2) Hiptesis nula kWh H 46 :
0
= u
3) Hiptesis alternativa kWh H 46 :
1
< u


31
5) Estadstica
0
t
6) Datos kWh x 42
__
= , kWh s 9 . 11 =
7) Estandarizacin 16 . 1
12
9 . 11
46 42
0
=
= t ,
con 1 grados de libertad
Valor crtico 796 . 1
11 , 05 . 0
= t
8) Decisin No rechazar
pues
1 , 0
>
n
t t
o

Conclusin La informacin contenida en la
muestra no permite afirmar que el
gasto promedio de kWh es menor que
46.

2.3.3 Relacin entre una prueba de hiptesis de la media y un intervalo
de confianza

La prueba de hiptesis para la inferencia estadstica est estrechamente relacionada con
el enfoque de intervalo de confianza porque la estimacin del intervalo de confianza
incluye el clculo de lmites para los que es razonable que el parmetro en cuestin se
encuentre dentro de ellos.

Para el caso de una media poblacional con
conocida, la prueba de hiptesis y la

estimacin del intervalo de confianza se basan en la variable aleatoria estandarizada
n
x
z
o
u
=

La prueba de
0 0
: u u = H contra
0 1
: u u = H a un nivel de confianza de ( )% 1 100 o
equivale a calcular un intervalo de confianza de ( )% 1 100 o sobre y rechazar
si

no est dentro del intervalo calculado y de no rechazarla si
est dentro del intervalo de

confianza.

Con un valor observado , no rechazar
con una confianza ( )% 1 100 o implica:

n
z x
n
z x
z
n
x
z
z z z
o
u
o
o
u
o o
o o
o o
2
__
0
2
__
2
0
__
2
2
0
2
+ s s
s
s
s s



32

As, regresando al ejemplo (10), acerca de las muertes registradas en Mxico, el intervalo
de confianza del 95% se determina haciendo:
5444 . 73 0556 . 70
100
9 . 8
96 . 1 8 . 71
100
9 . 8
96 . 1 8 . 71
0
0
s s
+ s s
u
u

Como
no est en el intervalo, se rechaza
. Con esto, se llega a la conclusin de

que la vida media hoy da es diferente que 70 aos.

2.3.4. Prueba de hiptesis de la proporcin

Las pruebas de hiptesis para la proporcin, asumen una de las formas:
-
>
s
0 1
0 0
:
:
p p H
p p H

-
<
>
0 1
0 0
:
:
p p H
p p H

-
=
=
0 1
0 0
:
:
p p H
p p H

Las dos primeras son denominadas pruebas de una cola y la tercera prueba de dos
colas. En este caso, el estadstico a utilizar es:
( )
n
p p
p p
z
0 0
0
0
1
=
Ejemplo (13)
Un informe reciente de la industria de seguros indic que el 40% de las personas
implicadas en accidentes de trnsito menores haba tenido por lo menos un accidente
los pasados cinco aos. Un grupo de asesora decidi investigar dicha afirmacin, pues
crea que la informacin era muy grande. Una muestra de 200 accidentes de este ao
mostr que 74 personas tambin estuvieron involucradas los pasados cinco aos,
utilizando un nivel de confianza del 99%.

Solucin:
Siguiendo los pasos descritos para la prueba de hiptesis:
1) Parmetro Proporcin poblacional (p)
2) Hiptesis nula 4 . 0 :
0
> p H
3) Hiptesis alternativa 4 . 0 :
1
< p H
5) Estadstica de prueba
0
z


33
6) Datos 37 . 0 = p , 63 . 0 = q , 200 = n
7) Estandarizacin
( )
87 . 0
200
40 . 0 1 40 . 0
40 . 0 37 . 0
0
=
= z

o
z
8) Decisin No rechazar
0
H porque
o
z z >
0

Conclusin La informacin contenida en la muestra
no permite afirmar que la proporcin es
menor que 0.4

Ejemplo (14)

Se considera que una medicina comnmente prescrita para aliviar la tensin nerviosa es
efectiva en el 60% de los casos. Resultados experimentales con un nuevo medicamento
muestran que 70 de 100 adultos que padecen de tensin nerviosa, tuvieron alivio al
tomar el medicamento. La evidencia es suficiente para concluir que el nuevo
medicamento es ms eficaz que la que prescrita comnmente? Utilizar un nivel de
confianza de 95%.

Solucin:
Siguiendo los pasos descritos para la prueba de hiptesis:

1) Parmetro Proporcin poblacional (p)
2) Hiptesis nula 6 . 0 :
0
s p H
3) Hiptesis alternativa 6 . 0 :
1
> p H
5) Estadstica de prueba
0
z
6) Datos 7 . 0 = p , 3 . 0 = q , 100 = n
7) Estandarizacin
( )
04 . 2
100
60 . 0 1 60 . 0
6 . 0 7 . 0
0
=
= z

o
z
8) Decisin Rechazar
0
H porque
o
z z >
0
y
aceptar
1
H
Conclusin Se puede afirmar que la nueva
medicina es ms eficaz a la que se
prescribe actualmente.



34

2.3.5. Relacin entre una prueba de hiptesis de la proporcin y un
intervalo de confianza

Igual que la prueba de hiptesis de la media se relaciona con su intervalo de confianza, la
prueba de hiptesis de la proporcin tambin se relaciona con su respectivo intervalo de
confianza.

En el caso de una proporcin poblacional p la estructura de la prueba de hiptesis y de la
estimacin del intervalo, se basan en la variable aleatoria
( )
n
p p
p p
z
0 0
0
__
0
1
= , mientras que
la prueba de
0 0
: p p H = contra
0 1
: p p H = a un nivel de confianza ( )% 1 100 o es
equivalente a calcular un intervalo de confianza de ( )% 1 100 o sobre p
.

Por tanto, se rechaza
0
H si
0
p no est dentro del intervalo de confianza, y si
0
p est
dentro del intervalo de confianza, la hiptesis no se rechaza.

Se sabe que con un valor observado
__
p , no rechazar
0
H con una confianza ( )% 1 100 o
implica:
2
0
2
o o
z z z s s

Es decir
( )
|
1
2
0 0
0
__
2
o o
z
n
p p
p p
z s
s

De donde se obtiene:
( ) ( )
n
p p
z p p
n
p p
z p
0 0
2
__
0
0 0
2
__
1 1
+ s s
o o

As, retomando el ejemplo (14) tenemos que el intervalo de confianza del 95% se
desarrolla de la siguiente manera:


35
( ) ( )
789 . 0 6101 . 0
089 . 0 7 . 0 089 . 0 7 . 0
100
7 . 0 1 7 . 0
96 . 1 7 . 0
100
7 . 0 1 7 . 0
96 . 1 7 . 0
0
0
0
s s
+ s s
+ s s
p
p
p

Como 6 . 0
0
= p cae fuera del intervalo de confianza, entonces rechazamos
0
H con lo cual
llegamos a la misma conclusin acerca de la mayor eficacia del nuevo medicamento.

Actividad 3. Pruebas de hiptesis

Hemos aprendido cmo realizar pruebas de hiptesis, cmo determinar un intervalo de
confianza y cul es la relacin entre estos.

El objetivo de la actividad es que con la informacin proporcionada realices las pruebas de
hiptesis, para que decidas sobre la validez de las aseveraciones planteadas en los
diversos problemas.

Para completar la informacin presentada aqu y reforzar lo aprendido, realiza lo siguiente:

1. Revisa el archivo Actividad 3 Prueba de hiptesis. Ah encontrars ejercicios sobre
pruebas de hiptesis e intervalos de confianza y determina la relacin existente entre
ambos.
2. Consulta a tu Facilitador(a) y a tus compaeros(as) en caso de tener alguna duda.
3. Integra en un archivo las soluciones a los ejercicios una vez que ests seguro de que
no hay errores y sbelo a la plataforma.
4. Despus de desarrollar los puntos que se solicitan, enva tu documento a la seccin de
tareas, con la nomenclatura EISP_U2_A3_XXYZ, y espera la retroalimentacin del
Facilitador(a).




36

Actividad 4. Problemario

El objetivo de esta actividad es que pongas a prueba los conocimientos adquiridos durante
el curso resolviendo ejercicios asociados con cada uno de los temas y subtemas.

Para completar esta actividad realiza lo siguiente:

1. Revisa el archivo Actividad 4. Problemario. Ah encontrars ejercicios sobre pruebas
de hiptesis para la media y la proporcin, as como para los intervalos de confianza
correspondientes.
2. Resuelve cuidadosamente cada uno de los problemas segn vayas avanzando en el
curso.
4. Integra en un archivo las soluciones a los ejercicios una vez que ests seguro de que
no hay errores y sbelo a la plataforma.
5. Despus de desarrollar los puntos que se solicitan, enva tu documento a la seccin de
tareas, con la nomenclatura EISP_U2_A4_XXYZ, y espera la retroalimentacin del
Facilitador(a).


Autoevaluacin

Con la finalidad de realizar un ejercicio de repaso acerca de los conceptos ms
importantes estudiados en la unidad, resuelve el ejercicio de autoevaluacin que se
encuentra en la pestaa de la unidad.



37

Evidencia de aprendizaje. Resolucin de ejercicios sobre pruebas de
hiptesis e intervalos de confianza

La evidencia de aprendizaje tiene como propsito que integres todas tus actividades como
portafolio.

1. Revisa el archivo EA. Resolucin de ejercicios sobre pruebas de hiptesis e intervalos
de confianza. Ah encontrars ejercicios sobre pruebas de hiptesis e intervalos de
confianza.
2. Resuelve cuidadosamente cada uno de los problemas.
4. Escribe las soluciones a los ejercicios, en un archivo de Word, una vez que ests
seguro de que no hay errores.
5. Enva tu documento a la seccin de tareas, con la nomenclatura EISP_U2_EA_XXYZ,
y espera la retroalimentacin del Facilitador(a).


Actividades de Autorreflexin

Adems de enviar tu trabajo de la Evidencia de aprendizaje, es importante que ingreses al
foro Preguntas de Autorreflexin y consultes las preguntas que tu Facilitador(a) presente.
A partir de ellas, debes:

1. Elaborar tu autorreflexin en un archivo de texto llamado EISP_U2_ATR_XXYZ.
2. Enviar tu archivo mediante la herramienta Autorreflexin.



38

Cierre de la unidad

En la primera parte de la unidad hemos visto cmo se construye la metodologa para hacer
inferencia sobre una poblacin. Vimos cmo se genera una distribucin muestral de
medias, estudiamos la manera de determinar los estadsticos que la caracterizan y la
forma en que estos se relacionan con sus parmetros correspondientes. Tambin
conocimos una nueva distribucin de probabilidad para muestras pequeas, el significado
de estimador puntual y por intervalo, as como la metodologa para encontrarlos.

En la segunda parte usamos los contenidos previos para el clculo de los estimadores
puntual y por intervalo de la proporcin.

Finalmente, conocimos la metodologa para dar certeza a las hiptesis de investigacin y
la usamos al realizar pruebas de hiptesis para la media y la proporcin.

Con todo lo anterior, obtuvimos los conocimientos y herramientas necesarias que nos
permitirn comparar dos muestras poblacionales independientes para interpretar
informacin que oriente en la toma de decisiones a travs de tcnicas de estadstica
inferencial.



39

Fuentes de consulta

- Hoel, Paul G. (1991). Estadstica Elemental (4 edicin). Mxico: CECSA.
- Kazmier, L. Daz Mata, A. (2006). Estadstica aplicada a administracin y a la
economa (4 edicin). Espaa: McGraw Hill.
- Lind, Douglas A.; Mason, Robert D.; Marchal, William G. (2001). Estadstica para
administracin y economa (3 edicin). Mxico: Mc. Graw Hill.
- Lind, Douglas A.; Marchal, William G.; Whaten, Samuel A. (2008). Estadstica
aplicada a los negocios y la economa (13 edicin). Mxico: Mc. Graw Hill.
- Mayes, Anne C., Mayes,, David G. (1980). Fundamentos de estadstica para
economa (1 edicin). Mxico: Limusa.
- Naiman, A., Rosenfeld, R., Zirkel, G. (1987). Introduccin a la Estadstica (3
edicin). Mxico: McGraw Hill.
- Nieves Hurtado, A., Domnguez Snchez, F. C. (2010). Probabilidad y Estadstica
para ingeniera. Mxico: Mc. Graw Hill.
- Pagano, R. R. (2011). Estadstica para las ciencias del comportamiento (9
edicin). Mxico: Cengage Learning.
- Ross, Sh. M. (2008). Introduccin a la estadstica. Espaa: Editorial Revert.

Fuentes cibergrficas

- El problema de la estimacin de la proporcin de la poblacin. Recuperado el 28 de
febrero de 2012, de:
http://www.terra.es/personal2/jpb00000/testimaciondelaproporcion.htm
- Ruiz Martnez, Marcel. Pruebas de hiptesis. Recuperado el 28 de febrero de 2012
<http://marcelrzm.comxa.com/EstadisticaInf/33PruebaParaLaMedia.pdf>.
- Test de Hiptesis. Recuperado el 28 de febrero de 2012, de:
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T05.pdf
- Alvarez Vinajeras, Giselle. Prueba de Hiptesis. Recuperado el 28 de febrero de
2012, de: http://www.cesma.usb.ve/~giselle/FC1623/guiaestiicapituloIV.prn.pdf

Unidad 2. Estadistica Inferencial para Una Poblacion VFFF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Unidad 2. Estadistica Inferencial para Una Poblacion VFFF

Încărcat de

Drepturi de autor:

Formate disponibile

Estadstica para la investigacin en seguridad pblica

Unidad 2. Estadstica inferencial para una poblacin

conocida, la prueba de hiptesis y la

est dentro del intervalo de

con una confianza ( )% 1 100 o implica:

no est en el intervalo, se rechaza

. Con esto, se llega a la conclusin de

S-ar putea să vă placă și