Estadistica Teorica II PDF

Estadstica Terica II
EJERCICIOS - TEORA
NDICE
Variablesaleatorias................................................ 131
Muestreoaleatoriosimple...................................... 3376
IntervalosdeConfianza........................................... 7792
ContrastesdeHiptesis........................................... 93187
TablasdeContingencia........................................... 189208
IntervalosyContrastesusuales............................... 209237
Cuestionarioterico................................................ 239256
Examen.................................................................... 257266
Tablasestadsticas................................................... 267279
UniversidadAutnomadeMadrid
FacultaddeCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
Variables aleatorias
Santiago de la Fuente Fernndez 1
VARIABLES ALEATORIAS
SUCESOS Y PROBABILIDAD
1.- Sean A y B dos sucesos correspondientes a un experimento aleatorio, tales que
= B A con 8 , 0 ) A ( P = y 5 , 0 ) B ( P = . Se pide calcular las probabilidades:
) B A ( P
) B A ( P
) B A ( P
) B A ( P
Solucin.-
Sabemos que ) B A ( P ) B ( P ) A ( P ) B A ( P + = , con la hiptesis = B A , siendo
1 ) ( P = , se tiene:
+ = ) B A ( P 5 , 0 8 , 0 1 3 , 0 ) B A ( P =
B es el complementario de B, en consecuencia, B B =
) B A ( P ) B ( P ) A ( P ) B A ( P + =
5 , 0 5 , 0 1 ) B ( P ) B ( P ) ( P ) B ( P = = = a
de otra parte,
5 , 0 ) B A ( P ) B ( P B A B ) B A ( B B = = = = = a
con lo que, 8 , 0 5 , 0 5 , 0 8 , 0 ) B A ( P = + =
tambin podramos haber considerado: A B B A =
con lo cual, 8 , 0 ) A ( P ) B A ( P = =
5 , 0 ) B ( P ) B A ( P = =
7 , 0 3 , O 1 ) B A ( P 1 ) B A ( P ) B A ( P
Morgan de Leyes
= = = =
8 7 6
2.- Sean A, B y C tres sucesos incompatibles, con 5 , 0 ) A ( P = , 25 , 0 ) B ( P = y
166 , 0 ) C ( P = . Se pide calcular las siguientes probabilidades:
) B A ( P
) C B A ( P
) C B A ( P
) A B ( P
Probabilidad de que exactamente se realice uno de los tres sucesos considerados.
Solucin.-
El suceso ) B A ( B A = . Por las leyes de Morgan:
) B A ( P 1 ) B A ( P ) B A ( P = =
Como los sucesos son incompatibles, 0 ) ( P ) B A ( P = = . En consecuencia,
) B ( P ) A ( P ) B A ( P ) B A ( P ) B ( P ) A ( P ) B A ( P + = + = a
resultando:
25 , 0 25 , 0 5 , 0 1 ) B ( P ) A ( P 1 ) B A ( P 1 ) B A ( P ) B A ( P = = = = =
El suceso ) C B A ( C B A = . Por las leyes de Morgan:
) C B A ( P 1 ) C B A ( P ) C B A ( P = =
Como los sucesos son incompatibles, ) C ( P ) B ( P ) A ( P ) C B A ( P + + =
con lo cual,
084 , 0 166 , 0 25 , 0 5 , 0 1 ) C ( P ) B ( P ) A ( P 1 ) C B A ( P ) C B A ( P = = = =
Siendo A, B y C sucesos incompatibles, queda:
= = = = C B A C B C A B A
Si A C C A =
Si B C C B =
y, por tanto, C C A = y C C B = y C C B A =
quedando, 166 , 0 ) C ( P ) C B A ( P = =
d) Sabemos que el suceso A B A B = . Por otro lado, = B A , con lo cual A B
resultando, B A B A B = =
y la probabilidad pedida: 25 , 0 ) B ( P ) A B ( P ) A B ( P = = =
Sea E = 'suceso ocurre exactamente uno de los tres sucesos A, B , C'
) C B A ( ) C B A ( ) C B A ( E =
por analoga con razonamientos anteriores, se tiene que:
A C B A = B C B A = C C B A =
916 , 0 166 , 0 25 , 0 5 , 0 ) C ( P ) B ( P ) A ( P ) C B A ( P ) E ( P = + + = + + = =
3.- Sean A y B dos sucesos independientes de un espacio de probabilidad ) P , , ( ,
tales que = ) A ( P y = ) B ( P . Se pide:
Probabilidad de que ocurra uno y solo uno de los sucesos.
Probabilidad de que ninguno de los sucesos se verifique. En este ltimo caso, suponiendo
que 2 1 = + , dar una cota para esta probabilidad.
Solucin.-
Sea el suceso E = 'ocurre uno y solo uno de los sucesos'
) B A ( ) B A ( E =
por ser incompatibles ) B A ( y ) B A ( :
[ ] ) B A ( P ) B A ( P ) B A ( ) B A ( P ) E ( P + = =
como son independientes A y B
ntes independie son B y A
ntes independie son B y A
+ = + = . ) 1 ( ) 1 ( . ) B ( P . ) A ( P ) B ( P . ) A ( P ) E ( P
+ + = = = ) ( 1 ) 1 ( . ) 1 ( ) B ( P . ) A ( P ) B A ( P
cuando 2 1 = + :

2
1
2
1
2
1
2
1
2
1
1 ) B A ( P
+ = + = + =
para dar una cota de la probabilidad:

4
1
0 2
2
1
) (
'
f
2
1
2
1
) ( f = = =
+ = a a
con lo que 5625 , 0
4
1
2
1
4
1
2
1
) 4 1 ( f =
+ =
La cota pedida: 5625 , 0 ) B A ( P 5 , 0
4.- Sean A, B dos sucesos con 5 , 0 ) A ( P = , 3 , 0 ) B ( P = y 1 , 0 ) B A ( P =
Calcular la probabilidad de que ocurra exactamente uno de los dos sucesos.
Solucin.-
Sea el suceso E = 'ocurre uno y solo uno de los sucesos'
) B A ( ) B A ( E =
por ser incompatibles ) B A ( y ) B A ( :
[ ] ) B A ( P ) B A ( P ) B A ( ) B A ( P ) E ( P + = =
por otra parte, ) B A ( A B A =
y como A B A
se tiene que, ) B A ( P ) A ( P ) B A ( P =
Anlogamente, ) B A ( B B A = y como B B A
) B A ( P ) B ( P ) B A ( P =
con lo cual,
6 , 0 1 , 0 . 2 3 . 0 5 , 0 ) B A ( P . 2 ) B ( P ) A ( P ) B A ( P ) B A ( P ) E ( P = + = + = + =
5.- Se consideran familias con dos hijos, suponiendo que las cuatro posibles
combinaciones por sexo: VV, VH, HV, HH, donde V significa nio y H nia, son
igualmente probables. Se piden las siguientes probabilidades:
Que una familia que va a ser encuestada tengo como mximo una nia.
Que una familia que va a ser encuestada tenga un nio y una nia.
Son los anteriores sucesos independientes?
Estudiar los apartados a), b) y c), en el caso de que las familias consideradas tengan
tres hijos y las ocho posibles composiciones por sexo sean equiprobables.
Solucin.-
Sean los sucesos: A = VV B = VH C = HV D = HH
se tiene:
4
1
) D ( P ) C ( P ) B ( P ) A ( P = = = =
Sea el suceso E = 'una nia como mximo': C B A E =
como son sucesos incompatibles:
4
3
4
1
4
1
4
1
) C ( P ) B ( P ) A ( P ) E ( P = + + = + + =
Sea el suceso F = 'un nio y una nia': C B F =

2
1
4
1
4
1
) C ( P ) B ( P ) F ( P = + = + =
El suceso [ ] [ ] C B C B C B A F E = =

2
1
4
1
4
1
) C ( P ) B ( P ) C B ( P ) F E ( P = + = + = =
8
3
2
1
.
4
3
) F ( P . ) E ( P = =
) F ( P . ) E ( P ) F E ( P a Los sucesos no son independientes.
En el caso de familias de tres hijos, las posibles combinaciones son: VVV, VVH, VHV,
HVV, HHV,HVH, VHH, HHH, cada una de las cuales tiene probabilidad 8 1 por ser
equiprobables.
Sean los sucesos:
A = VVV B = VVH C = VHV D = HVV
E = HHH F = HHV G = HVH K = VHH

8
1
) K ( P ) G ( P ) F ( P ) E ( P ) D ( P ) C ( P ) B ( P ) A ( P = = = = = = = =
- Sea el suceso E = 'una nia como mximo': D C B A E =

2
1
8
1
8
1
8
1
8
1
) D ( P ) C ( P ) B ( P ) A ( P ) E ( P = + + + = + + + =
- Sea el suceso F = 'un nio y una nia': K G F D C B F =

4
3
8
1
8
1
8
1
8
1
8
1
8
1
) K ( P ) G ( P ) F ( P ) D ( P ) C ( P ) B ( P ) F ( P = + + + + + = + + + + + =
- [ ] [ ] D C B K G F D C B D C B A F E = =

8
3
8
1
8
1
8
1
) C ( P ) C ( P ) B ( P ) D C B ( P ) F E ( P = + + = + + = =

8
3
4
3
.
2
1
) F ( P . ) E ( P = =
) F ( P . ) E ( P ) F E ( P = a Los sucesos son independientes.
6.- Un banco ha estimado, por experiencias anteriores, que la probabilidad de que una
persona falle en los pagos de un prstamo personal es de 0,3. Tambin ha estimado que
el 40% de los prstamos no pagados a tiempo se han hecho para financiar viajes de
vacaciones y el 60% de los prstamos pagados a tiempo se han hecho para financiar
viajes de vacaciones.
Se pide:
Probabilidad de que un prstamo que se haga para financiar un viaje de vacaciones no se
pague a tiempo.
Probabilidad de que si el prstamo se hace para propsitos distintos a viajes de
vacaciones sea pagado a tiempo.
Solucin.-
Sean los sucesos:
A = 'una persona falla en los pagos de su prstamo personal'
B = 'una persona recibe un prstamo para financiar viajes de vacaciones'
3 , 0 ) A ( P = 4 , 0 ) A / B ( P = 6 , 0 ) A / B ( P =
de donde:
7 , 0 ) A ( P =
4 , 0 6 , 0 1 ) A / B ( P 1 ) A / B ( P = = =
6 , 0 4 , 0 1 ) A / B ( P 1 ) A / B ( P = = =
Por el teorema de Bayes:
22 , 0
6 , 0 . 7 , 0 4 , 0 . 3 , 0
4 , 0 . 3 , 0
) A / B ( P . ) A ( P ) A / B ( P . ) A ( P
) A / B ( P . ) A ( P
) B / A ( P =
+
=
+
=
608 , 0
6 , 0 . 3 , 0 4 , 0 . 7 , 0
4 , 0 . 7 , 0
) A / B ( P . ) A ( P ) A / B ( P . ) A ( P
) A / B ( P . ) A ( P
) B / A ( P =
+
=
+
=
7.- Un psiclogo industrial, por experiencias anteriores, conoce que el 90 por 100 de
las personas que inician un determinado tratamiento tcnico terminan con xito. La
proporcin de personas en entrenamiento y con experiencia previa es del 10 por 100 de
entre las personas que completaron con xito su entrenamiento y del 25 por 100 de
entre aquellos que no terminaron con xito su entrenamiento. Se pide:
Probabilidad de que una persona con experiencia anterior supere el entrenamiento con
xito.
Podemos concluir que la experiencia previa influye en el xito del entrenamiento?
Solucin.-
Sean los sucesos:
A = 'Una persona supera con xito el entrenamiento'
B = 'Una persona tiene experiencia previa'
Segn las hiptesis, se tiene:
9 , 0 ) A ( P = 1 , 0 ) A ( P = 1 , 0 ) A / B ( P = 25 , 0 ) A / B ( P =
Se pide ) B / A ( P , que segn el teorema de Bayes, ser:

) A / B ( P . ) A ( P ) A / B ( P . ) A ( P
) A / B ( P . ) A ( P
) B ( P
) A / B ( P . ) A ( P
) B / A ( P
+
= =
con lo cual, 78 , 0
25 , 0 . 1 , 0 1 , 0 . 9 , 0
1 , 0 . 9 , 0
) B / A ( P =
+
=
Comparando 9 , 0 ) A ( P = y 78 , 0 ) B / A ( P = se observa una diferencia entre los dos
sucesos, a favor de ) A ( P : En consecuencia, en este entrenamiento la experiencia previa
influye desfavorablemente en el xito del mismo.
8.- Se considera una poblacin en la que el 40 por 100 de las familias tienen automvil,
el 20 por 100 tienen ingresos superiores a 6000 euros, el 50 por ciento tienen ingresos
entre 2500 y 6000 euros.
De los que tienen automvil el 50 por ciento tienen ingresos superiores a 2500 euros, y
de los que no tienen automvil el 60 por 100 tienen ingresos entre 2500 y 6000 euros.
Se realiza una encuesta al azar en dicha poblacin. Se pide:
Probabilidad de que se seleccione una familia que tenga automvil o sus ingresos sean
superiores a 6000 euros.
Probabilidad de que se seleccione una familia con automvil y con ingresos entre 2500 y
6000 euros.
Qu tanto por ciento de familias que no tienen automvil tienen ingresos superiores a
6000 euros?
Son, la posesin del automvil y los ingresos de la familia independientes en esta
poblacin?
Solucin.-
Sean los sucesos:
A = 'La familia seleccionada posee automvil'

1
I = 'La familia seleccionada tiene ingresos inferiores a 2500 euros'

2
I = 'La familia seleccionada tiene ingresos entre 2500 euros y 6000 euros'

3
I = 'La familia seleccionada tiene ingresos superiores a 6000 euros'
Segn las hiptesis de la poblacin, se tiene:
4 , 0 ) A ( P = 6 , 0 ) A ( P = 5 , 0 ) I ( P
2
= 2 , 0 ) I ( P
3
=
3 , 0 2 , 0 5 , 0 1 ) I ( P ) I ( P 1 ) I ( P
3 2 1
= = = 5 , 0 ) A / I ( P
1
= 6 , 0 ) A / I ( P
2
=
En otras palabras, con esta notacin se solicita:
a) ) I A ( P
3
b) ) I A ( P
2
c) ) A / I ( P
3
NOTA.- En el ejercicio, para calcular algunas de las probabilidades en funcin de las
conocidas, se tendr como base consideraciones de la probabilidad condicionada:

) A / B ( P . ) A ( P ) A B ( P
) A ( P
) A B ( P
) A / B ( P =
=
) B / A ( P . ) B ( P ) B A ( P
) B ( P
) B A ( P
) B / A ( P =
=
en consecuencia,
=
=
) B ( P
) A / B ( P . ) A ( P
) B / A ( P
) A ( P
) B / A ( P . ) B ( P
) A / B ( P
Siendo,
) B ( P
) A / B ( P . ) A ( P
1 ) B / A ( P 1 ) B / A ( P 1 ) B / A ( P ) B / A ( P = = = + a

[ ]

= =
) B ( P
) A / B ( P . ) A ( P
1 .
) A ( P
) B ( P
) A ( P
) B / A ( P 1 . ) B ( P
) A ( P
) B / A ( P . ) B ( P
) A / B ( P
anlogamente,
[ ]
= =
) B ( P
) A / B ( P . ) A ( P
1 .
) A ( P
) B ( P
) A ( P
) B / A ( P 1 . ) B ( P
) A ( P
) B / A ( P . ) B ( P
) A / B ( P
) I A ( P ) I ( P ) A ( P ) I A ( P
3 3 3
+ =
) A ( P . ) A / I ( P ) I A ( P
3 3
= probabilidad condicionada
1 ) A / I ( P ) A / I ( P ) A / I ( P
3 2 1
= + + sistema completo de sucesos
) A / I ( P ) A / I ( P 1 ) A / I ( P
2 1 3
=
Ahora tenemos que poner ) A / I ( P
2
en funcin de las probabilidades conocidas.
Para ello,
) A ( P
) A I ( P
) A / I ( P
2
2

=
sabemos que ) I / A ( P . ) I ( P ) I A ( P
) I ( P
) I A ( P
) I / A ( P
2 2 2
2
2
2
=
= a
con lo cual,

[ ]
= =
) I ( P
) A / I ( P . ) A ( P
1 .
) A ( P
) I ( P
) A ( P
) I / A ( P 1 . ) I ( P
) A ( P
) I / A ( P . ) I ( P
) A / I ( P
2
2 2 2 2 2 2
2
entonces, 35 , 0
5 , 0
6 , 0 . 6 , 0
1 .
4 , 0
5 , 0
) A / I ( P
2
=
= = ) A / I ( P
2
35 , 0
luego,
= = = 35 , 0 5 , 0 1 ) A / I ( P ) A / I ( P 1 ) A / I ( P
2 1 3
15 , 0
06 , 0 4 , 0 . 15 , 0 ) A ( P . ) A / I ( P ) I A ( P
3 3
= = =
54 , 0 06 , 0 2 , 0 4 , 0 ) I A ( P ) I ( P ) A ( P ) I A ( P
3 3 3
= + = + =
Para hallar ) I A ( P
2
, tenemos en cuenta:
) I / A ( P . ) I ( P ) I A ( P
) I ( P
) I A ( P
) I / A ( P
2 2 2
2
2
2
=
= a
en donde, 28 , 0
5 , 0
6 , 0 . 6 , 0
1
) I ( P
) A / I ( P . ) A ( P
1 ) I / A ( P 1 ) I / A ( P
2
2
2 2
= = = =
con lo cual, 14 , 0 28 , 0 5 , 0 ) I A ( P
2
= =
Anlogamente, para calcular ) A / I ( P
3
[ ] = = =
= ) I / A ( P 1 .
) A ( P
) I ( P
) A ( P
) I / A ( P . ) I ( P
) A ( P
) A I ( P
) A / I ( P
3
3 3 3 3
3
313 , 0
2 , 0
15 , 0 . 4 , 0
1 .
6 , 0
2 , 0
) I ( P
) A / I ( P . ) A ( P
1 .
) A ( P
) I ( P
3
3 3
=
=
Para comprobar que la posesin del automvil y los ingresos de la familia son
independientes, basta con observar el suceso A y cualquiera de los sucesos
2
I o
3
I
) I ( P . ) A ( P 2 , 0 . 4 , 0 06 , 0 ) I A ( P
3 3
= =
) I ( P . ) A ( P 5 , 0 . 4 , 0 14 , 0 ) I A ( P
2 2
= =
Otra forma de verificarlo, sera, por ejemplo: ) I ( P 5 , 0 35 , 0 ) A / I ( P
2 2
= =
En definitiva, los sucesos no son independientes, que la familia posea o no automvil
proporciona informacin sobre sus ingresos.
VARIABLES ALEATORIAS
9.- En un grupo de estudiantes de Economa se ha realizado un pequeo anlisis de la
relacin existente entre el nmero de das semanales dedicados al estudio (X) y el
nmero de convocatorias que se necesitaron para aprobar la asignatura (Y). Los
resultados aparecen recogidos en la siguiente tabla de contingencia:
Y
X
1 2 3
1 5 8 10
2 10 6 4
3 20 2 1
A partir de esta informacin:
Obtener las distribuciones marginales de X e Y.
Obtener la distribucin de X condicionada a que Y tome el valor 3.
Obtener la distribucin de Y condicionada a que X sea mayor o igual que 2.
Analizar si X e Y son independientes.
Solucin:
a) La variable aleatoria discreta ( ) Y , X tiene distribucin de probabilidad:
N = 66 n total de datos
Y
X
1 2 3 i
x
p
1
08 , 0 66 5 = 12 , 0 66 8 = 15 , 0 66 10 = 35 , 0
2
15 , 0 66 10 = 09 , 0 66 6 = 06 , 0 66 4 = 30 , 0
3
30 , 0 66 20 = 03 , 0 66 2 = 02 , 0 66 1 = 35 , 0
j
y
p
53 , 0 24 , 0 23 , 0
1
Las distribuciones marginales de las variables aleatorias X e Y son:
i
x X = ) x X ( P p
i
i
x
= =
j
y Y = ) y Y ( P p
j
j
y
= =
1
35 , 0
1
53 , 0
2
30 , 0
2
24 , 0
3
35 , 0
3
23 , 0
=
=
3
1 j
ij
i
x
p p

=
=
3
1 i
ij
j
y
p p
c) Distribucin de X condicionada a que 3 Y = :
i
x X = ) 3 Y x X ( P
i
= =
1
65 , 0 23 , 0 15 , 0 =
2
26 , 0 23 , 0 06 , 0 =
3
08 , 0 23 , 0 02 , 0 =
1 ) 3 Y x X ( P
3
1 i
i
= = =
=
Recordemos que,

[ ]
[ ]
( )
3
y
3 i i
i
p
p
3 Y P
3 Y ; x X P
3 Y x X P =
=
= =
= = =
c) Distribucin de Y condicionada a que 2 X :
j
y Y = ) 2 X y Y ( P
j
=
1
7 , 0 ) 35 , 0 30 , 0 ( ) 30 , 0 15 , 0 ( = + +
2
18 , 0 ) 35 , 0 30 , 0 ( ) 03 , 0 09 , 0 ( = + +
3
12 , 0 ) 35 , 0 30 , 0 ( ) 02 , 0 06 , 0 ( = + +
1 ) 2 X y Y ( P
3
1 j
j
= =
=
d) X e Y son independientes si ) y , x ( p . p p
j i
j
y
i
x ij
=
en este sentido, 08 , 0 p
11
= 53 , 0 p 35 , 0 p
1
y
1
x
= =
( ) ( ) 08 , 0 p 53 , 0 . 35 , 0 p . p
11
1
y
1
x
= =
En consecuencia, no son independientes.
10.- Se lanzan tres monedas al aire. Sea la variable aleatoria X = "nmero de caras que
se obtienen". Se pide:
Distribucin de probabilidad de X
Funcin de distribucin de X y su representacin grfica.
Media, varianza y desviacin tpica de X
Probabilidad de que salgan a lo sumo dos caras
Probabilidad de que salgan al menos dos caras
Solucin:
a) El espacio muestral es
{ } ) e , e , e ( ), c , e , e ( ), e , c , e ( ), e , e , c ( ), c , c , e ( ), c , e , c ( ), e , c , c ( ), c , c , c ( =
siendo X = "nmero de caras que se obtienen", se tiene:
3 ) c , c , c ( X = 8 1 ) 3 X ( P = =
2 ) c , c , e ( X ) c , e , c ( X ) e , c , c ( X = = = 8 3 ) 2 X ( P = =
1 ) c , e , e ( X ) e , c , e ( X ) e , e , c ( X = = = 8 3 ) 1 X ( P = =
0 ) e , e , e ( X = 8 1 ) 0 X ( P = =
La distribucin de probabilidad es, en consecuencia,
i
x X = ) x X ( P
i
= ) x X ( P . x
i i
=
2
X
) x X ( P . x
i
2
i
=
0 x
1
=
8 1
0 0 0
1 x
2
=
8 3 8 3
1
8 3
2 x
3
=
8 3 8 6
4
8 12
3 x
4
=
8 1 8 3
9
8 9
= = 1 ) x X ( P
i
8 12 ) x X ( P . x
i i
= =
8 24 ) x X ( P . x
i
2
i
= =
b) La funcin de distribucin ) x X ( P ) x X ( P ) x ( F
x
i
x
i
= = = (donde
i
x un valor de X)
0 x <
0 ) ( P ) x X ( P ) x ( F = = =
1 x 0 <
8 1 ) 0 X ( P ) x X ( P ) x ( F = = = =
2 x 1 <
8 4 ) 1 X ( P ) 0 X ( P ) x X ( P ) x ( F = = + = = =
3 x 2 <
8 7 ) 2 X ( P ) 1 X ( P ) 0 X ( P ) x X ( P ) x ( F = = + = + = = =
3 x
1 ) 3 X ( P ) 2 X ( P ) 1 X ( P ) 0 X ( P ) x X ( P ) x ( F = = + = + = + = = =
Grficamente:
<
<
<
<
=
3 x 1
3 x 2 8 7
2 x 1 8 4
1 x 0 8 1
0 x 0
) x ( F
c) Media 5 , 1
8
12
) x X ( P . x ) X ( E
4
1 i
i i x
= = = = =

=
Varianza = = = = =

=
2
x
4
1 i
i
2
i
2
x
2 2
x
2
x
) ( ) x X ( P . x ) ( ) X ( E ) X ( E
75 , 0 ) 5 , 1 (
8
24
2
= =
Desviacin tpica 87 , 0 75 , 0
x
= =
d)
8
7
8
3
8
3
8
1
) 2 X ( P ) 1 X ( P ) 0 X ( P ) 2 X ( P = + + = = + = + = =
o tambin:
8
7
) 2 ( F ) 2 X ( P = =
e)
2
1
8
4
8
1
8
3
) 3 X ( P ) 2 X ( P ) 2 X ( P = = + = = + = =
o tambin:
2
1
8
4
1 ) 1 ( F 1 ) 2 X ( P 1 ) 2 X ( P = = = < =
11.- Una empresa de transportes est analizando el nmero de veces que falla la
mquina expendedora de billetes. Dicha variable tiene como funcin de cuanta:
i
x
i
3 , 0 7 , 0 ) x X ( P = = L , 2 , 1 , 0 x
i
=
Cul es la probabilidad de que un da la mquina no falle?
Cul es la probabilidad de que un da falle menos de 4 veces?
Cul es la probabilidad de que falle 5 veces?
Solucin:
a) 7 , 0 3 , 0 7 , 0 ) 0 X ( P
0
= = =
b) = = + = + = + = = < ) 3 X ( P ) 2 X ( P ) 1 X ( P ) 0 X ( P ) 4 X ( P
( ) 9919 , 0 3 , 0 3 , 0 3 , 0 3 , 0 7 , 0 3 , 0 7 , 0 3 , 0 7 , 0 3 , 0 7 , 0 3 , 0 7 , 0
3 2 1 0 3 2 1 0
= + + + = + + + =
Nota.- Advirtase la conveniencia de considerar la suma de una progresin geomtrica
( ) 417 , 1
3 , 0 1
3 , 0 . 3 , 0 1
r 1
r . a a
3 , 0 3 , 0 3 , 0 3 , 0 S
r 1
r . a a
S
3
4 1
3 2 1 0
4
n 1
n
=
= + + + =
= a
En esta lnea,
( )
7 , 0
3 , 0 1
. 7 , 0
3 , 0 1
3 , 0 . 3 , 0 1
. 7 , 0 3 , 0 3 , 0 3 , 0 3 , 0 3 , 0 7 , 0 ) n X ( P
n 1 n
n 3 2 1 0

=
= + + + + + = <

L
( )
n n 3 2 1 0
3 , 0 1 3 , 0 3 , 0 3 , 0 3 , 0 3 , 0 7 , 0 ) n X ( P = + + + + + = < L , en consecuencia,
9919 , 0 3 , 0 1 ) 4 X ( P
4
= = <
c) 001701 , 0 3 , 0 7 , 0 ) 5 X ( P
5
= = =
12.- La demanda de una empresa es de tipo aleatorio y tiene como funcin de densidad:

=
valores tes tan res 0
10 x 0 k
) x ( f
Hallar k para que f(x) sea funcin de densidad. Representarla
Hallar la funcin de distribucin y representarla
Media, varianza y desviacin tpica
) 1 X ( P
) 0 X ( P =
Solucin.-
a) Para que f(x) sea funcin de densidad debe verificarse
43 42 1 43 42 1
0
10
10
0
0
0
dx ) x ( f dx ) x ( f dx ) x ( f dx ) x ( f 1
=

+ + = =
con lo que, [ ]
10
1
k k 10 x . k dx k dx ) x ( f 1
10
0
10
0
10
0
= = = = =

La funcin de densidad es:

=
10 x 0 10 1
) x ( f
b) La funcin de distribucin

=
x
dt ) t ( f ) x ( F
= = + + = >
= + =
= = <
=

10
0
x
10
0 x
x
0
0 x
x x
1
10
10
dx 0 dx
10
1
dx 0 dx ) x ( f 10 x si
10
x
dx
10
1
dx 0 dx ) x ( f 10 x 0 si
0 dx 0 dx ) x ( f 0 x si
) x ( F
Grficamente:
>

<
=
10 x si 1
10 x 0 si 10 x
0 x si 0
) x ( F
c) Media 5
20
x
dx
10
1
. x dx ) x ( f . x dx ) x ( f . x ) X ( E
10
0
2
10
0
10
0
x
=
= = = = =

Varianza
3
25
25
30
x
) 5 ( dx
10
1
. x ) ( dx ) x ( f . x ) ( ) X ( E
10
0
3
10
0
2 2 2
x
10
0
2 2
x
2 2
x
=
= = = =

Desviacin tpica 9 , 2
3
25
x
= =
d)
10
1
) x (
10
1
dx
10
1
dx ) x ( f ) 1 X ( P
1
0
1
0
1
= = = =

o tambin,
10
1
) 1 ( F ) 1 X ( P = =
e) 0 dx
10
1
dx ) x ( f ) 0 X ( P
0
0
0
= = = =

o tambin, 0 ) 0 ( F ) 0 X ( P = = =
13.- En un hospital se comprob que el peso en kilos de los nios al nacer era una
variable aleatoria con funcin de densidad:

=
4 x 2 x k
) x ( f
Hallar k para que f(x) sea funcin de densidad. Representarla
Hallar la funcin de distribucin y representarla
Probabilidad de que un nio elegido al azar pese ms de 3 kilos
Probabilidad de que pese entre 2 y 3,5 kilos
Qu debe pesar un nio para tener inferior o igual a su peso al 90 % de los nios?.
Solucin.-
a) Para que f(x) sea funcin de densidad debe verificarse
43 42 1 43 42 1
0
4
4
2
0
0
dx ) x ( f dx ) x ( f dx ) x ( f dx ) x ( f 1
=

+ + = =
con lo que,
16
1
k k 6
2
x
k dx x k dx ) x ( f 1
4
2
2
4
2
4
2
= =
= = =

La funcin de densidad es:

=
4 x 2 6 x
) x ( f
b) La funcin de distribucin

=
x
dt ) t ( f ) x ( F
= + + = >
= + =
= = <
=

4
2
4
2
2
x
4
2 x
x
2
2
x
2
2
2 x
x x
1
12
x
dx 0 dx
6
x
dx 0 dx ) x ( f 4 x si
12
4 x
12
x
dx
6
x
dx 0 dx ) x ( f 4 x 2 si
0 dx 0 dx ) x ( f 2 x si
) x ( F
Grficamente:
>

<
=
4 x si 1
4 x 2 si
12
4 x
2 x si 0
) x ( F
2
c) Media 1 , 3
18
x
dx
6
x
. x dx ) x ( f . x dx ) x ( f . x ) X ( E
4
2
3
4
2
4
2
x
=
= = = = =

kilos
Varianza
39 , 0 61 , 9
24
x
) 1 , 3 ( dx
6
x
. x ) ( dx ) x ( f . x ) ( ) X ( E
4
2
4
4
2
2 2 2
x
4
2
2 2
x
2 2
x
=
= = = =

Desviacin tpica 6 , 0 kilos 39 , 0
2
x
= = kilos
d) 583 , 0
12
x
dx
6
x
dx ) x ( f ) 3 X ( P
4
3
2
4
3
4
3
=
= = = >

o tambin, 583 , 0
12
4 3
1 ) 3 ( F 1 ) 3 X ( P 1 ) 3 X ( P
2
=
= = = >
e) 6875 , 0
12
x
dx
6
x
dx ) x ( f ) 5 , 3 X 2 ( P
5 , 3
2
2
5 , 3
2
5 , 3
2
=
= = =

o tambin, 6875 , 0 0
12
4 5 , 3
) 2 ( F ) 5 , 3 ( F ) 5 , 3 X 2 ( P
2
=
= =
f) 8 , 3 8 , 14 a 8 , 10 4 a 9 , 0
12
4 a
90 , 0 ) a ( F ) a X ( P
2
2
= = = =
= = a a
Es decir, el nio debe pesar 3,8 kilos para tener el 90% de los nios con un peso inferior
o igual.
14.- Una variable aleatoria X tiene como funcin de distribucin:
>
<

<
=
2 x 1
2 x 1 1
2
x
x
2
1 x 0
2
x
0 x 0
) x ( F
2
2
Hallar la funcin de densidad. Representarla
<
2
3
X
2
1
P
Solucin.-
a) La funcin de densidad f(x) es la derivada de la funcin de distribucin F(x) en los
puntos donde exista la derivada, por tanto
>
<

<
= =
2 x 0
2 x 1 1 x 2
1 x 0 x
0 x 0
dx
) x ( F d
) x ( f
b) Media
1
3
1
1
3
8
4
3
1
3
x
x
3
x
dx ) x x 2 ( dx x
dx ) x 2 ( . x dx x . x dx ) x ( f . x dx ) x ( f . x dx ) x ( f . x ) X ( E
2
1
3
2
1
0
3
2
1
2
1
0
2
2
1
1
0
2
1
1
0
x
= + + =
= + =
= + = + = = =

Varianza
6
1
1
12
14
1
4
x
3
x 2
4
x
) 1 ( dx ) x 2 ( . x dx x . x
) ( dx ) x ( f . x dx ) x ( f . x ) ( ) X ( E
2
1
4 3
1
0
4
1
0
2
2
1
2 2
2
x
2
1
2
1
0
2 2
x
2 2
x
= =
= + =
= + = =

Desviacin tpica 41 , 0
6
1
x
= =
c)

= + = + =

2 3
1
1
2 1
2 3
1
1
2 1
dx ) x 2 ( dx x dx ) x ( f dx ) x ( f
2
3
X
2
1
P

4
3
2
x
x 2
2
x
2 3
1
2
1
2 1
2
=
=
o tambin,
4
3
8
1
1
8
9
3
2
1
F
2
3
F
2
3
X
2
1
P =

15.- La demanda diaria de un determinado artculo (x) es una variable aleatoria con
funcin de densidad:
Los beneficios diarios dependen de la demanda segn la siguiente funcin:
Calcular:
Probabilidad de que en un da cualquiera la demanda sea superior a 10
Probabilidad de que la demanda sea inferior a 3
La esperanza y la varianza de la demanda
Funcin de distribucin de la demanda
Funcin de cuanta y funcin de distribucin de la variable aleatoria beneficios diarios.
Esperanza y varianza de la variable beneficios
Solucin.-
a) ( ) 03125 , 0
32
1
2
x
x 12
64
1
dx
64
x 12
dx ) x ( f 10 X P
12
10
2
12
10
12
10
= =
= = >

b) ( ) [ ] 375 , 0
8
3
x
8
1
dx
8
1
dx ) x ( f 3 X P
3
0
3
0
3
0
= = = = = <

c) Media o Esperanza
[ ] =
+ = + =
=
+ = + = = =

12
4
3
2
4
0
2
12
4
2
4
0
12
4
4
0
12
4
4
0
x
3
x
x 6
64
1
x
16
1
dx ) x x 12 (
64
1
dx x
8
1
dx
64
x 12
. x dx
8
1
. x dx ) x ( f . x dx ) x ( f . x dx ) x ( f . x ) X ( E
33 , 4
3
13
3
64
96
3
1728
864
64
1
1 = =
+ + =
Varianza
<
<
=
caso otro 0
12 x 4
64
x 12
4 x 0
8
1
) x ( f
<
<
<
<
=
12 x 8 si 15
8 x 4 si 10
4 x 2 si 5
2 x si 5
B
[ ] =
+ = + =
=
+ = + = =

12
4
4
3
4
0
3
12
4
3 2
4
0
2
12
4
2
4
0
2
12
4
2
4
0
2 2 2
4
x
x 4
64
1
x
24
1
dx ) x x 12 (
64
1
dx x
8
1
dx
64
x 12
. x dx
8
1
. x dx ) x ( f . x dx ) x ( f . x dx ) x ( f . x ) X ( E
( ) 67 , 26
3
80
192
5120
64 256 5184 6912
64
1
24
64
= = = + + =
89 , 7
9
71
3
13
3
80
) ( ) X ( E ) X ( V
2
2
x
2 2
x
= =
= = =
d) La funcin de distribucin de la demanda

=
x
dt ) t ( f ) x ( F
= +
+ + =
+ + =
+ = <
= + = <
= = <
=

12
4
x
12
4
0
0 x
x
4
2
4
0
x
x
0
0 x
x x
1 dx 0 dx
64
x 12
dx
8
1
dx 0 dx ) x ( f 12 x si
40 x 12
2
x
64
1
2
1
dx
64
x 12
dx
8
1
dx ) x ( f 12 x 4 si
8
x
dx
8
1
dx 0 dx ) x ( f 4 x 0 si
0 dx 0 dx ) x ( f 0 x si
) x ( F
En resumen,

<
+ +
<
<
=
12 x si 1
12 x 4 si 40 x 12
2
x
64
1
2
1
4 x 0 si
8
x
0 x si 0
) x ( F 2
e) Calculamos la funcin de cuanta y la funcin de distribucin de la variable aleatoria
beneficios diarios:
<
<
<
<
=
12 x 8 si 15
8 x 4 si 10
4 x 2 si 5
2 x si 5
B
<
<
=
caso otro 0
12 x 4
64
x 12
4 x 0
8
1
) x ( f
o
i
B ) B B ( P
o
i
o
=
5
25 , 0
4
1
dx
8
1
dx ) x ( f
2
0
2
0
= = =

5
25 , 0
4
1
dx
8
1
dx ) x ( f
4
2
4
2
= = =

10
375 , 0
2
x
x 12
64
1
dx
64
x 12
dx ) x ( f
8
4
2
8
4
8
4
=
=

15
125 , 0
2
x
x 12
64
1
dx
64
x 12
dx ) x ( f
12
8
2
12
8
12
8
=
=

La funcin de distribucin
= = =
o
B
o
i
B
o
i
o o
i
o o
) B B ( P ) B B ( P ) B ( F
o
i
B ) B B ( P
o
i
o
= ) B B ( P ) B ( F
o
i
o o
= ) B B ( P . B
o
i
o o
i
= ) B B ( P . ) B (
o
i
o 2 o
i
=
5
25 , 0 25 , 0 25 , 1 25 , 6
5
25 , 0 50 , 0 25 , 1 25 , 6
10
375 , 0 875 , 0 75 , 3 5 , 37
15
125 , 0
1
875 , 1 125 , 28
=
= =
4
1 i
o
i
o o
i
625 , 5 ) B B ( P . B

=
= =
4
1 i
o
i
o 2 o
i
125 , 78 ) B B ( P ) B (
f) Media o Esperanza beneficios
=
= = = =
4
1 i
o
i
o o
i
o
o
B
625 , 5 ) B B ( P . B ) B ( E
Varianza beneficios
[ ]

=
= = =
4
1 i
o
i
o 2 o
i
2 o
125 , 78 ) B B ( P . ) B ( ) B ( E
( ) 48 , 46 625 , 5 125 , 78 ) ( ) B ( E ) B ( V
2 2
o
B
2
o o 2
o
B
= = = =
Desviacin tpica de los beneficios 817 , 6 48 , 46
o
B
= =
16.- Sea ) , ( una variable aleatoria con funcin de densidad

< < <

=
1 x y 0 k
) y , x ( f
a) Hallar k para que sea funcin de densidad
b) Funciones de densidad marginales. Son y independientes?
c) Funciones de distribucin marginales
d) Funciones de densidad condicionadas
Solucin.-
a) Para que f(x, y) sea funcin de densidad tiene que verificarse
1 dy dx ) y , x ( f =

en consecuencia,
2 k
2
k
2
x
k dx x k dx dy k dy dx k dy dx ) y , x ( f 1
1
0
2
1
0
1
0
x
0
1
0
x
0
= =
= =
= = =

luego
< < <

=
1 x y 0 2
) y , x ( f
es decir, que f(x, y) toma el valor 2
en el interior del tringulo
b)
< < = = =
< < = = =

1 y 0 y 2 2 dx 2 dx ) y , x ( f ) y ( f
1 x 0 x 2 dy 2 dy ) y , x ( f ) x ( f
1
y
2
x
0
1
Son independientes si ) y ( f . ) x ( f ) y , x ( f
2 1
=
) y , x ( f 2 xy 4 x 4 ) y 2 2 ( . x 2 ) y ( f . ) x ( f
2 1
= = = No son independientes
c)
[ ]
[ ]
< < = = = =
< < = = = =

1 y 0 y y 2 t t 2 dt ) t 2 2 ( dt ) t ( f ) y ( F
1 x 0 x t dt t 2 dt ) t ( f ) x ( F
2 y
0
2
y
0
y
2 2
2 x
0
2
x
0
x
1 1
d)
< < < < = =

< < < <
= =
1 y 0 1 x 0
x 2
2
) x ( f
) y , x ( f
) x / y ( f
1 x 0 1 y 0
y 2 2
2
) y ( f
) y , x ( f
) y / x ( f
1
2

< <
=
1 x 0 ; x y 1
) y , x ( f
a) Comprobar que f(x, y) es funcin de densidad
b) Hallar las medias de y
c) ) 0 ; 2 / 1 ( P < < y ) 2 / 1 2 / 1 ; 2 / 1 ( P < < >
Solucin.-
a) [ ] 1 x dx x 2 dx dy dy dx dy dx ) y , x ( f
1
0
2
1
0
1
0
x
x
1
0
x
x
= = =
= =

Grficamente:
b) Para hallar las medias de y hay que encontrar primero las funciones de densidad
marginales:
1 x 0 x 2 dy dy ) y , x ( f ) x ( f
x
x
1
< < = = =

< + =
< < =
= =

0 y 1 y 1 dx
1 y 0 y 1 dx
dx ) y , x ( f ) y ( f
1
y
1
y
2
en consecuencia,
3
2
3
x 2
dx x 2 x dx ) x ( f x
1
0
3
1
0
1
=
= = =

0
3
y
2
y
3
y
2
y
dy ) y 1 ( y dy ) y 1 ( y dy ) y ( f y
1
0
3 2
0
1
3 2
1
0
0
1
2
=
+ = + + = =

c)
8
1
2
x
dx x dy dx ) y , x ( f ) 0 ; 2 / 1 ( P
2 1
0
2
2 1
0
2 1
0
0
x
1
=
= = = < <

8 7 6
[ ]
2
1
x dx dy dx ) y , x ( f ) 2 / 1 2 / 1 ; 2 / 1 ( P
1
2 1
1
2 1
1
2 1
2 1
2 1
1
= = = = < < >

8 7 6

< < < < +

=
1 y 0 ; 1 x 0 y x
) y , x ( f
a) Funcin de distribucin
b) Funciones de densidad marginales
c) Son y independientes?
Solucin.-
a)
1 y 0 ; 1 x 0
2
xy
2
y x
2
u y
2
yu
du
2
y
du u y du )
2
y
uy (
du dv ) v u ( dv du ) v u ( dv du ) v , u ( f ) y , x ( F
2 2
x
0
x
0
x
0
2 2 2
x
0
2
x
0
y
0
x
0
y
0
x y
< < < < + =
+ = + = + =
=
+ = + = =

en
consecuencia,

< < < +
< < < +
< < < < +

< <
< <
=
1 y , 1 x 1
1 y 0 , x 1
2
y
2
y
y 1 , 1 x 0
2
x
2
x
1 y 0 , 1 x 0
2
xy
2
y x
0 y , x
y , 0 x
0
) y , x ( F
2
2
2 2
b)

< < + =
+ = + = =
< < + =
+ = + = =

1 y 0
2
1
y xy
2
x
dx ) y x ( dx ) y , x ( f ) y ( f
1 x 0
2
1
x
2
y
xy dy ) y x ( dy ) y , x ( f ) x ( f
1
0
2
1
0
2
1
0
2
1
0
1
c) Son independientes si ) y ( f . ) x ( f ) y , x ( f
2 1
=
) y , x ( f y x
4
1
2
y
2
x
xy
2
1
y
2
1
x ) y ( f . ) x ( f
2 1
= + + + + =
+ =
Luego no son independientes y
Muestreo aleatorio simple
MUESTREO ALEATORIO SIMPLE
MUESTREO ALEATORIO SIMPLE. DISTRIBUCIN EN EL MUESTREO
1.- Con el objetivo de analizar el rendimiento acadmico de una promocin de
licenciados universitarios se lleva a cabo un estudio en el que se emplea una m.a.s. de 3
licenciados. La variable que mide el rendimiento puede tomar tres valores segn la
calificacin final obtenida:
1 Aprobado
2 Notable
3 Sobresaliente
Por otra parte, en esa promocin hubo un total de 20 aprobados, 40 notables y 140
sobresalientes.
a) Hallar las distintas muestras que pueden extraerse y la probabilidad de
obtencin que tiene cada una de ellas.
b) Calcular le media de cada muestra, as como la distribucin de probabilidad en el
muestreo de la media.
c) Hacer lo mismo que en el apartado anterior con las varianzas.
d) Calcular la media y la varianza muestral y compararlas con la media y la varianza
poblacionales.
e) Calcular la esperanza de la varianza muestral y compararla con la varianza
poblacional.
a)
1
1
2
3
(1,1,1) , (1,1,2) , (1,1,3)
2
1
2
3
(1,2,1) , (1,2,2) , (1,2,3) 1
3
1
2
3 (1,3,1) , (1,3,2) , (1,3,3)
1
1
2
3
(2,1,1) , (2,1,2) , (2,1,3)
2
1
2
3
(2,2,1) , (2,2,2) , (2,2,3) 2
3
1
2
3 (2,3,1) , (2,3,2) , (2,3,3)
1
1
2
3
(3,1,1) , (3,1,2) , (3,1,3)
2
1
2
3
(3,2,1) , (3,2,2) , (3,2,3)
3
1
2
3 (3,3,1) , (3,3,2) , (3,3,3)
Nmero muestras distintas
(1,1,1)
(1,1,2) , (1,2,1) , (2,1,1)
(1,1,3) , (1,3,1) , (3,1,1)
(1,2,3) , (1,3,2) , (2,1,3) , (2,3,1) , (3,1,2) , (3,2,1)
(2,2,1) , (2,1,2) , (1,2,2)
(2,2,2)
(2,2,3) , (2,3,2) , (3,2,2)
(3,3,1) , (3,1,3) , (1,3,3)
(3,3,2) , (3,2,3) , (2,3,3)
(3,3,3)
1
3
3
6
3
1
3
3
3
1
27
7 , 0
200
140
) 3 ( p
2 , 0
200
40
) 2 ( p
1 , 0
200
20
) 1 ( p
= =
= =
= =
Muestras posibles Nmero muestras Probabilidad
i
x
(1,1,1) 1 1 (0,1)
3
= 0,001 1
(1,1,2) 3 3. (0,1)
2
(0,2) = 0,006 4/3
(1,1,3) 3 3. (0,1)
2
(0,7) = 0,021 5/3
(1,2,3) 6 6. (0,1) (0,2) (0,7) = 0,084 2
(2,2,1) 3 3. (0,2)
2
(0,1) = 0,012 5/3
(2,2,2) 1 1 (0,2)
3
= 0,008 2
(2,2,3) 3 3. (0,2)
2
(0,7) = 0,084 7/3
(3,3,1) 3 3. (0,7)
2
(0,1) = 0,147 7/3
(3,3,2) 3 3. (0,7)
2
(0,2) = 0,294 8/3
(3,3,3) 1 1 (0,7)
3
= 0,343 3
b) La distribucin de probabilidad en el muestreo para la media:
i
x ) x x ( P
i
=
1
001 , 0 ) 1 x ( P = =
4/3 ( ) 006 , 0 3 / 4 x P = =
5/3 ( ) 033 , 0 012 , 0 021 , 0 3 / 5 x P = + = =
2 ( ) 092 , 0 008 , 0 084 , 0 2 x P = + = =
7/3 ( ) 231 , 0 147 , 0 084 , 0 3 / 7 x P = + = =
8/3 ( ) 294 , 0 3 / 8 x P = =
1 ( ) 343 , 0 3 x P = =
c) La varianza de cada muestra y la distribucin en el muestreo de la varianza
muestral:
Muestras
posibles
n x x
i i

= n x
2
i
2 2
i
2
x
x n x
i
=

Probabilidad
(1,1,1) 1 1 1 1 = 0 1. (0,1)
3
= 0,001
(1,1,2) 4/3 6/3 6/3 (4/3)
2
= 2/9 3. (0,1)
2
(0,2) = 0,006
(1,1,3) 5/3 11/3 11/3 (5/3)
2
= 8/9 3. (0,1)
2
(0,7) = 0,021
(1,2,3) 2 14/3 14/3 (2)
2
= 2/3 6. (0,1) (0,2) (0,7) = 0,084
(2,2,1) 5/3 9/3 9/3 (5/3)
2
= 2/9 3. (0,2)
2
(0,1) = 0,012
(2,2,2) 2 12/3 12/3 (2)
2
= 0 1. (0,2)
3
= 0,008
(2,2,3) 7/3 17/3 17/3 (7/3)
2
= 2/9 3. (0,2)
2
(0,7) = 0,084
(3,3,1) 7/3 19/3 19/3 (7/3)
2
= 8/9 3. (0,7)
2
(0,1) = 0,147
(3,3,2) 8/3 22/3 22/3 (8/3)
2
= 2/9 3. (0,7)
2
(0,2) = 0,294
(3,3,3) 3 27/3 27/3 (3)
2
= 0 1. (0,7)
3
= 0,343
La distribucin de probabilidad de la varianza muestral:
2
i
x
) ( P
2
i
x
2
x
=
0
( ) 352 , 0 343 , 0 008 , 0 001 , 0 0 P
2
x
= + + = =
2/9
( ) 396 , 0 294 , 0 084 , 0 012 , 0 006 , 0 9 / 2 P
2
x
= + + + = =
2/3
( ) 084 , 0 3 / 2 P
2
x
= =
8/9
( ) 168 , 0 147 , 0 021 , 0 9 / 8 P
2
x
= + = =
d) La media y la varianza de la media muestral y compararlas con la media y la varianza
poblacionales:
i
x ) x x ( P
i
= ) x x ( P . x
i i
=
2
i
x ) x x ( P . x
i
2
i
=
1 0,001 0,001 1 0,001
4/3 0,006 4/3 . 0,006 16/9 16/9 . 0,006
5/3 0,033 5/3 . 0,033 25/9 25/9 . 0,033
2 0,092 2 . 0,092 4 4 . 0,092
7/3 0,231 7/3 . 0,231 49/9 49/9 . 0,231
8/3 0,294 8/3 . 0,294 64/9 64/9 . 0,294
3 0,343 3 . 0,343 9 9 . 0,343
6 , 2 ) x x ( P . x
i i
= =

= = 9067 , 6 ) x x ( P . x
i
2
i
( ) ( )
muestra
1467 , 0 6 , 2 9067 , 6 ) x ( E ) x ( E ) x ( V
9067 , 6 ) x x ( P . x ) x ( E
6 , 2 ) x x ( P . x ) x ( E
2 2 2
i
2
i
2
i i
= = =
= = =
= = =
( )
poblacin
44 , 0 6 , 2 2 , 7 ) x ( E
2 , 7 7 , 0 . 3 2 , 0 . 2 1 , 0 . 1 ) x x ( P . x ) x ( E
6 , 2 7 , 0 . 3 2 , 0 . 2 1 , 0 . 1 ) x x ( P . x
2 2 2 2
2 2 2
i
2
i
2
i i
= = =
= + + = = =
= + + = = =

En consecuencia:
2
x
) x ( V
2
) x ( E
=
=
Obsrvese que,
n
2
x
2
= a
3
44 , 0
1467 , 0 =
e) Calcular la esperanza de la varianza muestral y compararla con la varianza
poblacional.
2
i
x
) ( P
2
i
x
2
x
= ) ( P .
2
i
x
2
x
2
i
x
=
0 0,352 0 . 0,352
2/9 0,396 2/9 . 0,352
2/3 0,084 2/3 . 0,352
8/9 0,168 8/9 . 0,352
= = ) ( P .
2
i
x
2
x
2
i
x
0,2933
= = = ) ( P . ) ( E
2
i
x
2
x
2
i
x
2
x
0,2933 (esperanza varianza muestral)
( ) 44 , 0 6 , 2 2 , 7 ) x ( E
2 2 2 2
= = = (varianza poblacional)
Se verifica la relacin:
n
) 1 n (
3
) 44 , 0 ( ) 1 3 (
2933 , 0 ) ( E
2
2
x

=
= =
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA MEDIA MUESTRAL CON VARIANZA
CONOCIDA.
2.- Se sabe que el peso de los jvenes entre 14 y 18 aos sigue una distribucin normal
con media 50 kg y desviacin tpica 25 kg. Para llevar a cabo un estudio del control de
peso se seleccionan aleatoriamente 100 jvenes cuyas edades se encuentran
comprendidas en el intervalo sealado. Si el peso medio muestral est entre 45 y 70 kg
se considera que estn dentro de los lmites normales. Cul es la probabilidad de que el
peso est fuera de control?
Solucin:
v. a. X = peso entre 14 y 18 aos
( ) ( ) [ ] ( ) ( )
( ) ( ) ( ) ( )
0228 , 0
0 0228 , 0 8 z P 2 z P 8 z P 2 z P
5 , 2
50 70
5 , 2
50 x
P
5 , 2
50 45
5 , 2
50 x
P
70 x P 45 x P 70 x 45 x P
=
= + = > + > = > + < =
=

>

<
=
= > + < = > <
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA MEDIA MUESTRAL CON VARIANZA
CONOCIDA Y CON VARIANZA DESCONOCIDA.
3.- Los barcos que hacen visitas guiadas por el Sena disponen de 60 asientos por barco
y una capacidad mxima de 4.200 kg por viaje. Los dueos de la empresa de barcos
saben por experiencia que los pesos de los turistas tienen una media de 71 kg y una
dispersin, medida a travs de la desviacin tpica, de 10 kg.
a) Cul es la probabilidad de que un grupo de 60 turistas, escogidos aleatoriamente
en uno de los viajes, tenga un peso medio superior al total de la carga lmite
permitida?
b) Cul sera el resultado si la varianza poblacional fuera desconocida?. (Suponga
que la desviacin tpica muestral es de 5 kg).
Solucin:
a) Peso = 4200/60 = 70 kg v. a. X = peso medio turistas
( ) ( ) ( )
( ) 7794 , 0 2206 , 0 1 77 , 0 z P 1
77 , 0 z P 77 , 0 z P
29 , 1
71 70
29 , 1
71 x
P 70 x P
= = > =
= < = > =

>
= >
b) En el muestreo de una poblacin normal con varianza desconocida, y desviacin tpica
muestral
x
, la variable:
1 n
x
t
1 n
x

( ) ( ) ( )
( ) ( ) 937 , 0 063 , 0 1 53 , 1 z P 1 53 , 1 z P
53 , 1 z P 53 , 1 t P
59 5
71 70
59 5
71 x
P 70 x P
30 n
59
= = > = < =
= > > =

>
= >
>
Interpolando: ( ) ( ) ( ) 931 , 0 069 , 0 1 53 , 1 t P 1 53 , 1 t P 53 , 1 t P
59 59 59
= = > = < = >
( ) ( ) ( ) 931 , 0 069 , 0 1 53 , 1 t P 1 53 , 1 t P 53 , 1 t P
59 59 59
= = > = < = >
Abscisas reas Abscisas reas
1,296 1,671 0,1 - 0,05 0,37 0,05 ( ) x 53 , 1 t P
60
= >
1,53 - 1,671 x 0,05 0,14 x 0,05
069 , 0
37 , 0
05 , 0 . 14 , 0
05 , 0 x = + =
4.- La empresa Grano Sol vende galletas ecolgicas en paquetes de 60 unidades. Los dueos
saben que el peso de cada galleta es una variable aleatoria que tienen una media de 71 gr. y una
dispersin, medida a travs de la desviacin tpica, de 10 gr.
a) Cul es la probabilidad de que en un paquete de 60 galletas escogidas aleatoriamente, el
peso medio de las galletas sea superior a 70 gramos?
b) Cul sera el resultado si la varianza poblacional fuera desconocida? (Suponga que la
desviacin tpica muestral es de 5 kg, y una cuasidesviacin tpica de 5,04).
Solucin:
a) v. a. X = peso de las galletas
( ) ( ) ( )
( ) 7794 , 0 2206 , 0 1 77 , 0 z P 1
77 , 0 z P 77 , 0 z P
29 , 1
71 70
29 , 1
71 x
P 70 x P
= = > =
= < = > =

>
= >
b) En el muestreo de una poblacin normal con varianza desconocida, y desviacin tpica
muestral
x
, la variable:
1 n
x
t
1 n
x

( ) ( ) ( )
( ) ( ) 937 , 0 063 , 0 1 53 , 1 z P 1 53 , 1 z P
53 , 1 z P 53 , 1 t P
59 5
71 70
59 5
71 x
P 70 x P
30 n
59
= = > = < =
= > > =

>
= >
>
Interpolando: ( ) ( ) ( ) 931 , 0 069 , 0 1 53 , 1 t P 1 53 , 1 t P 53 , 1 t P
59 59 59
= = > = < = >
1,296 1,671 0,1 - 0,05 0,37 0,05 ( ) x 53 , 1 t P
60
= >
1,53 - 1,671 x 0,05 0,14 x 0,05
069 , 0
37 , 0
05 , 0 . 14 , 0
05 , 0 x = + =
Advirtase que, si la varianza poblacional
2
es desconocida, la media muestral x sigue
una t-Student con (n-1) grados de libertad, entonces:
1 n
x x
t
n
s
x
1 n
x

y es una cantidad pivotal para
recordemos que
2 2
s . ) 1 n ( . n =
( ) ( ) ( )
( ) 09321 , 0 06789 , 0 1 x 1 5369 , 1 t P 1
5369 , 1 t P 5369 , 1 t P
60 04 , 5
71 70
60 04 , 5
71 x
P 70 x P
59
59 59
= = = > =
= < = > =

>
= >
1,2961 1,6711 0,1 - 0,05 0,375 0,05 ( ) x 5369 , 1 t P
60
= >
1,5369 - 1,6711 x 0,05 0,1342 x 0,05
06789 , 0
375 , 0
05 , 0 . 1342 , 0
05 , 0 x = + =
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA VARIANZA MUESTRAL.
5.- Se sabe por los datos censales que la variabilidad de la altura de alumnos de una
clase medida a travs de la varianza es de 15,3. No obstante, para estudiar la
variabilidad en el muestreo de la varianza muestral se decide tomar una m.a.s. de 15
alumnos. Cul es la probabilidad de que la varianza muestral sea mayor que 15?
Nota: Suponer que la estatura es una variable aleatoria normalmente distribuida.
Solucin:
Para el anlisis de la varianza muestral se
utiliza el estadstico
2
1 n
de Pearson con
(n - 1) grados de libertad.

2
varianza poblacional

2
x
varianza muestral

2
x
s cuasivarianza muestral
v.a. X =estatura: ( ) ( ) 91 , 3 ; N 3 , 15 ; N X
3 , 15
. 15 15 n . n
2
x 2
14
2
2
x 2
1 n

=

( ) ( ) 4835 , 0 7 , 14 P
3 , 15
15 . 15
3 , 15
. 15
P 15 P
2
14
2
x 2
x
= > =
>
= >
7,790 21,064 0,90 - 0,10 13,274 0,80
( ) x 7 , 14 P
2
14
= >
14,7 - 21,064 x 0,10 6,364 x 0,10
4835 , 0
274 , 13
80 , 0 . 364 , 6
10 , 0 x = + =
De otra parte,
3 , 15
s . 14 15 n s . ) 1 n (
2
x 2
14
2
2
x 2
1 n

=

( ) ( ) 5423 , 0 725 , 13 P
3 , 15
15 . 14
3 , 15
s . 14
P 15 s P
2
14
2
x 2
x
= > =
> = >
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA DIFERENCIA DE MEDIAS MUESTRALES
CON VARIANZAS CONOCIDAS.
6.- Se desea analizar las diferencias de las calificaciones entre dos grupos de alumnos.
Unos proceden del Grupo b1 y otros del Grupo b2. Para estudiar la distribucin en el
muestro de la diferencia de medias se toman m.a.s. independientes de ambas
poblaciones obtenindose la siguiente tabla:
Grupo b1 Grupo b2
Tamao de la poblacin 200 150
Tamao de la muestra 100 75
Media de la poblacin 4,10 5,18
Media de la muestra 4,2153 5,3247
Desviacin tpica de la poblacin 1,55 1,95
Desviacin tpica de la muestra 1,5635 1,8238
Cul es la probabilidad de que la diferencia de medias muestrales sea mayor que uno?
Solucin:
v.a. X =calificacin del Grupo b1 ) 55 , 1 , 10 , 4 ( N X
v.a. Y =calificacin del Grupo b2 ) 95 , 1 , 18 , 5 ( N Y
Siendo X e Y independientes, la nueva variable (X Y) sigue tambin una distribucin
normal )
2
y
2
x
; y x ( N +
Con lo cual, ( ) ( ) 2732 , 0 ; 08 . 1 N 225 , 0 155 , 0 ; 18 , 5 10 , 4 N ) y x (
2 2
+

( ) ( ) [ ] ( ) [ ]
( ) [ ]
( ) [ ] 6141 , 0 3859 , 0 1 2928 , 0 z P 1 0
2928 , 0 z P 61 , 7 z P
2732 , 0
08 , 1 1
z P
2732 , 0
08 , 1 1
z P
1 y x P 1 y x P 1 y x P
= = > + =
= < + > =
+
< +
+
> =
= < + > = >
o tambin,
( ) ( ) ( ) = < < = < = > 1 ) y x ( 1 P 1 1 y x P 1 1 y x P
( ) 6141 , 0 61 , 7 z 2928 , 0 P 1
2732 , 0
08 , 1 1
2731 , 0
08 . 1 ) y x (
2732 , 0
08 , 1 1
P 1 = < < =
+
<
+
<
+
=
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA PROPORCIN MUESTRAL
7.- Un concesionario vende dos tipos de vehculos, unos de gama alta y otros de gama
media. Los coches de gama alta suponen el 30% del total de los coches vendidos. Cul
es la probabilidad de que entre los 100 ltimos vehculos vendidos ms del 35% sean de
gama alta?
Solucin:
La variable poblacional
X = 'venta de coches gama
alta' es una variable
binomial B(100; 0,3), que
sigue aproximadamente una
distribucin normal tal que
) npq ; np ( N X
( ) 0458 , 0 ; 3 , 0 N
100
7 , 0 . 3 , 0
; 3 , 0 N p , 100 n para
n
pq
, p N p
Lmite Central Teorema
n
X
p
=
( ) 1375 , 0 0917 , 1 z P
0458 , 0
3 , 0 35 , 0
0458 , 0
3 , 0 p
P ) 35 , 0 p ( P = > =

>
= >
Interpolando:
0,1379 0,1357 1,09 1,1 0,0022 0,01
( ) x 0917 , 1 z P = >
x - 0,1357 1,0917 1,1 x - 0,1357 0,0083
1375 , 0
01 , 0
0083 , 0 . 0022 , 0
1357 , 0 x = + =
MUESTREO ALEATORIO SIMPLE. DISRIBUCIN DE LA DIFERENCIA DE PROPORCIONES
MUESTRALES.
8.- Se sabe que los sbados por la noche un 70% de los conductores superan la tasa de
alcoholemia permitida por la ley. Sin embargo esta cifra se reduce a un 40% los
domingos por la noche. Durante un fin de semana, se quiere realizar un control de
alcoholemia y comparar los resultados de los dos das. Se decide elegir al azar 40
vehculos de los que circulan el sbado por la noche y 35 del domingo. Calcular la
probabilidad de que la proporcin muestral de conductores que superan la tasa de
alcoholemia permitida por la ley haya descendido ms de un 10% del sbado al domingo.
Solucin:
Sean las variables poblacionales:
X = tasa de alcoholemia sbado, con 7 , 0 p
x
=
Y = tasa de alcoholemia domingo, con 4 , 0 p
y
=
=
y
y y
y y
y
y
x
x x
x x
x
x
n
q p
, p N p
n
Y
p
n
q p
, p N p
n
X
p
[ ] [ ]

y
y y
x
x x
y x y x
n
q p
n
q p
; p p N p p
siendo las muestras: 35 n , 40 n
y x
= =
[ ] [ ] ) 11 , 0 ; 3 , 0 ( N
35
6 , 0 . 4 , 0
40
3 , 0 . 7 , 0
; 4 , 0 7 , 0 N p p
y x

( ) ( ) 9656 , 0 0344 , 0 1 82 , 1 z P 1 82 , 1 z P
11 , 0
3 , 0 1 , 0
z P ) 1 , 0 p p ( P
y x
= = > = > =

> = >
9.- Segn los resultados de un estudio exhaustivo de la poblacin un 80% de las
mujeres entrevistadas afirman utilizar algn producto cosmtico todos los das,
mientras que en el caso de los hombres este porcentaje en la actualidad asciende 55%.
Una pequea firma de cosmtica se plantea sacar al mercado una crema hidratante de
uso especfico para hombres, pero antes de crear esa nueva lnea de negocio, decide
realizar su propia encuesta sobre una pequea muestra aleatoria: selecciona a 50
mujeres y a 60 hombres y les pregunta sobre sus hbitos cosmticos. Calcule la
probabilidad de que la diferencia entre la proporcin de mujeres que utiliza cosmticos
respecto a la proporcin de hombres que los utiliza sea inferior al 20%.
Solucin:
Sean las variables poblacionales:
X = mujeres utilizan algn producto cosmtico, con 8 , 0 p
x
=
Y = hombres utilizan algn producto cosmtico, con 55 , 0 p
y
=

=
y
y y
y y
y
y
x
x x
x x
x
x
n
q p
, p N p
n
Y
p
n
q p
, p N p
n
X
p
[ ] [ ]

y
y y
x
x x
y x y x
n
q p
n
q p
; p p N p p siendo las muestras: 60 n , 50 n
y x
= =
[ ] [ ] ) 0856 , 0 ; 25 , 0 ( N
60
45 , 0 . 55 , 0
50
2 , 0 . 8 , 0
; 55 , 0 8 , 0 N p p
y x

[ ] ( ) ( ) 2810 , 0 58 , 0 z P 58 , 0 z P
0856 , 0
25 , 0 2 , 0
z P 20 , 0 ) p p ( P
y
x
= > = < =

< = <
Como la [ ] 719 , 0 2810 , 0 1 20 , 0 ) p p ( P
y
x
= = > es bastante probable, se aconsejara
sacar el producto del mercado.
CLCULO DE PROPIEDADES BSICAS DE LOS ESTIMADORES (INSESGADEZ y EFICIENCIA)
10.- La variable aleatoria poblacional "renta de las familias" del municipio de Madrid se
distribuye siguiendo un modelo ) , ( N
2
. Se extraen muestras aleatorias simples de
tamao 4. Como estimadores del parmetro , se proponen los siguientes:
x
3
x 4 x
6
x 3 x 2 x
3
2 3
2
3 2 1
1
=

=
+ +
=
Se pide:
a) Comprobar si los estimadores son insesgados
b) Cul es el ms eficiente?
c) Si tuviera que escoger entre ellos, cul escogera?. Razone su respuesta a partir
del Error Cuadrtico Medio.
Solucin:
a) Un estimador
es insesgado (o centrado) cuando se verifica = )
( E

[ ]
[ ] [ ] = = + + =
= + + =
+ +
=
6
6
1
) x ( E 3 ) x ( E 2 ) x ( E
6
1
x 3 x 2 x E
6
1
6
x 3 x 2 x
E ) ( E
3 2 1
3 2 1
3 2 1
1

[ ] [ ]
[ ] = =
= = =
=
3
3
1
) x ( E 4 ) x ( E
3
1
x 4 x E
3
1
3
x 4 x
E ) ( E
2 1 2 1
2 1
2

[ ]
[ ] [ ] = = + + + =
= + + + =
+ + +
=
4
4
1
) x ( E ) x ( E ) x ( E ) x ( E
4
1
x x x x E
4
1
4
x x x x
E ) ( E
4 3 2 1
4 3 2 1
4 3 2 1
3
Los tres estimadores son insesgados o centrados.
b) El estimador ms EFICIENTE es el que tenga menor varianza.

[ ] [ ]
[ ] [ ]
2 2 2
3 2 1
3 2 1
3 2 1
1
39 , 0
36
14
14
36
1
) x ( V 9 ) x ( V 4 ) x ( V
36
1
x 3 x 2 x V
36
1
6
x 3 x 2 x
V V
= = = + + =
= + + =
+ +
=

[ ] [ ] [ ]
[ ]
2 2 2
2 1 2 1
2 1
2
89 , 1
9
17
17
9
1
) x ( V 16 ) x ( V
9
1
x 4 x V
9
1
3
x 4 x
V V
= = =
= + = =
=

[ ] [ ]
[ ] [ ]
2 2 2
4 3 2 1
4 3 2 1
4 3 2 1
3
25 , 0
16
4
4
16
1
) x ( V ) x ( V ) x ( V ) x ( V
16
1
x x x x V
16
1
4
x x x x
V V
= = = + + + =
= + + + =
+ + +
=
El estimador
3
es el ms eficiente.
c) Escogera el estimador que presentase menor Error Cuadrtico Medio (ECM)
[ ] =
+ = = )
( E )
( b sesgo )
( E )
( V )
( E )
( ECM
2
sesgo
2
43 42 1
Si )
( V )
( ECM )
( E
insesgado
= =
43 42 1
Como los tres estimadores son insesgados (centrados), me decido por el que
menor varianza presenta, puesto que coincidir con el que menor ECM tiene, es
decir, escojo el estimador
3
Advirtase que si el estimador
es insesgado: )
( V )
( ECM =
ESTIMADORES SESGADOS: CLCULO SESGO Y ESTIMACIN PUNTUAL
11.- La variable aleatoria X representa los gastos mensuales de una empresa, cuya
funcin de densidad es 1 x 0 y 0 con x ) x , ( f
1
< < > =

. Se realiza una m.a.s. de
tamao 3, y se proponen tres estimadores:
6
x 4 x 2 x
6
x 3 x 2 x
2 1 3
3
2
3
2
2
2
1
2
1
+
=
+ +
=
=
a) Calcule los sesgos
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones
puntuales.
c) Cules son las funciones estimadas para las estimaciones anteriores?
Solucin:
Un estimador
es insesgado (centrado) cuando = )
( E .
Un estimador
es sesgado cuando
{
+ =
sesgo
)
( b )
( E = )
( E )
( b
X = gastos mensuales de la empresa
1 x 0 y 0 con x ) x , ( f
1
< < > =

m.a.s. con n = 3
Sesgo del estimador x
1
=
[ ] = = + + =
+ +
= = ) 3 (
3
1
x x x E
3
1
3
x x x
E )
( E x
3 2 1
3 2 1
1 1
(media poblacional)
donde
1 1
x
dx x dx x x dx ) , x ( f x dx ) , x ( f x
1
0
1
1
0
1
0
1
1
0
+
= = = = =
+

El sesgo:
1
1
)
( E )
( b
2
1 1
+
=
+
= =
Sesgo del estimador
6
x 3 x 2 x
2
3
2
2
2
1
2
+ +
=
) ( ) 6 (
6
1
) x ( E 3 ) x ( E 2 ) x ( E
6
1
6
x 3 x 2 x
E )
( E
2 2
2
2
3
2
2
2
2
2
1
2
3
2
2
2
1
2
= =
+ +
=
3 2 1 3 2 1 3 2 1
donde
2
es el momento de orden 2 respecto al origen.
2 2
x
dx x dx x x dx ) , x ( f x dx ) , x ( f x ) x ( E
1
0
2
1
0
1
1
0
1 2
1
0
2 2 2
2
+
=
= = = = = =
+
+

entonces,
2
) x ( E 3 ) x ( E 2 ) x ( E
6
1
6
x 3 x 2 x
E )
( E
2
2
2
3
2
2
2
2
2
1
2
3
2
2
2
1
2
+
= =
+ +
=
3 2 1 3 2 1 3 2 1
El sesgo: ( )
2
2
E )
( b
2
2 2
+
+
=
+
= =
Sesgo del estimador
6
x 4 x 2 x
2 1 3
3
+
=
[ ] = = + =
+
=
2
1
) 3 (
6
1
x 4 x 2 x E
6
1
6
x 4 x 2 x
E )
( E
2 1 3
2 1 3
3
1 1
x
dx x dx x x dx ) , x ( f x dx ) , x ( f x
1
0
1
1
0
1
0
1
1
0
+
= = = = =
+

El sesgo:
) 1 ( 2
2
1
2
1
)
( E )
( b
2
3 3
+
+
=
= =
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones puntuales.
0
que puesto , ser puede no 117 , 0

6
1 , 0 . 4 7 , 0 . 2 3 , 0
13 , 0
6
3 , 0 . 3 1 , 0 . 2 7 , 0
367 , 0
3
3 , 0 1 , 0 7 , 0
3
2 2 2
2
1
> =
+
=
=
+ +
=
=
+ +
=
a
c) Cules son las funciones estimadas para las estimaciones anteriores?
87 , 0 1 13 , 0
2
633 , 0 1 367 , 0
1
x 367 , 0 x 13 , 0 ) x , 13 , 0 ( f
x 367 , 0 x 367 , 0 ) x , 367 , 0 ( f

= =
= =
CLCULO EFICIENCIA RELATIVA Y ERROR CUDRATICO MEDIO
12.- Sea una poblacin con media de la que se extraen m.a.s. de tamao n. Considere
los siguientes estimadores de la media:
=
+
= =
n
1 i
i 2 1
x
1 n
1
x
a) Estudie la insesgadez, la eficiencia relativa y la consistencia de ambos
estimadores.
b) Elija uno de los dos en trmino del error cuadrtico medio.
Solucin:
a) Insesgadez
Un estimador
( E
Un estimador
es sesgado cuando
{
+ =
sesgo
)
( b )
( E
{
= )
( E )
( b
sesgo
Un estimador
es asintticamente insesgado si su posible sesgo tiende a cero al

aumentar el tamao muestral que se calcula: 0 )
~
( b lim
n
=

0 ) ( E ) ( b
) n (
n
1
) x ( E
n
1
) x ( E
n
1
) x
n
1
( E ) x ( E ) ( E
1 1
n
1 i
i
n
1 i
i
n
1 i
i 1
= = =
= = = = = =

= = =
4 4 8 4 4 7 6
43 42 1
aumenta ' n ' cuando 0
ticamente sinto a
sesgado
2 2
n
1 i
i
n
1 i
i
n
1 i
i 2
1 n 1 n
n n
1 n
n
) ( E ) ( b
1 n
n
) n (
1 n
1
) x ( E
1 n
1
) x ( E
1 n
1
) x
1 n
1
( E ) ( E
= = =
+
=
+

=
+
= =
+
=
+
=
+
=
+
=
+
=

Eficiencia
Sean
1
y
2
dos estimadores insesgados de un parmetro desconocido .

Decimos que
1
es ms eficiente que
2
si se verifica que )
( Var )
( Var
2 1
<
La eficiencia relativa se mide por el ratio:
)
( Var
)
( Var
2
1
n
) n (
n
1
) x ( V
n
1
) x
n
1
( V ) x ( V ) ( V
2
2
2
n
1 i
i
2
n
1 i
i 1

= = = = =

= =
2
2
2
2
n
1 i
i
2
n
1 i
i 2
) 1 n (
n
) n (
) 1 n (
1
) x ( V
) 1 n (
1
) x
1 n
1
( V ) ( V
+
=
+
=
+
=
+
=

= =
) ( Var ) ( Var 1
n
) 1 n (
) 1 n ( n
n
) ( Var
) ( Var
relativa eficiencia
2 1
2
2
2 2
2
2
1
> >
+
=
+

=
a
El estimador
2
tiene menor varianza, por lo que es ms eficiente que
1
Consistencia
Un estimador
consistente es un estimador asintticamente insesgado cuya varianza

tiende a cero al aumentar el tamao muestral.
El estimador
es consistente cuando
=
=

0 )
( V lim
)
( E lim
n
n
=
= =

0
n
lim ) ( V lim
) x ( E lim ) ( E lim
2
n
1
n
n
1
n
1
es consistente

+
=
=

+
=

0
) 1 n (
n
lim ) ( V lim
1 n
1
lim ) ( E lim
2
2
n
2
n
n
2
n
2
es consistente
c) Elegir uno de los dos en trmino del error cuadrtico medio.
El Error Cuadrtico Medio (ECM) de un estimador
viene definido:
=
+ = = )
( E )
( b sesgo )
( E )
( V )
( E )
( ECM
2
sesgo
2
43 42 1
Si )
( V )
( ECM )
( E
insesgado
= =
43 42 1
[ ]
n
0
n
) ( b ) ( V ) ( ECM
2 2
2
1 1 1

= +
= + =
[ ]
2
2 2
2
2
2
2
2 2 2
) 1 n (
n
1 n
1
) 1 n (
n
) ( b ) ( V ) ( ECM
+
+
=

+
+
+
= + =
El estimador
1
ser el que presenta menor ECM cuando ) ( ECM ) ( ECM
2 1

En esta lnea,
+
+
=
+
+
2
2
2
2 2
2
2
2
2
2
2 2 2
) 1 n ( ) 1 n (
n
n
) 1 n ( ) 1 n (
n
) 1 n (
n
n
2
2
2 2
2 2
2 2
2
2
2
2 2 2 2
n
1 n 2
n
1 n 2
n
n ) 1 n (
) 1 n ( ) 1 n ( n
n ) 1 n (
+

+
+
+
+
1 2
2
2
2 1
2
2
que antes elige se
n
1 n 2
Si
que antes elige se
n
1 n 2
Si
a
a
CLCULO INSESGADEZ E EFICIENCIA
13.- El peso en kilos de los jamones vendidos por una empresa sigue una distribucin
normal con varianza 4 y peso medio desconocido. Se conoce que el peso medio de los
jamones vendidos es superior a 5 kg, y se toman m.a.s. de tamao 4 para estimar .
Cul de los dos estimadores sera el mejor respondiendo a la insesgadez y eficiencia?
2
X X
4
X X X
2 1
2
3 2 1
1
+
=
+ +
=
Solucin:
- Un estimador es insesgado (centrado) si = )
( E
Un estimador es sesgado si
{
= + = )
( E )
( b )
( b )
( E
sesgo
a
La v.a ' jamones los de kg en peso ' X
i
= sigue una distribucin normal de varianza 4
Para estudiar la insesgadez de los estimadores hallamos sus esperanzas:
[ ] = + + =
+ +
=
4
3
) X ( E ) X ( E ) X ( E
4
1
4
X X X
E )
( E
2 2 1
3 2 1
1
El sesgo del estimador
1
ser: = = =
4
1
4
3
)
( E )
( b
1 1
[ ] = = + =
+
=
2
2
) X ( E ) X ( E
2
1
2
X X
E )
( E
2 1
2 1
2
El estimador
2
es insesgado, 0 )
( b
2
=
Atendiendo al sesgo se elige
2
- Para analizar la eficiencia relativa de los dos estimadores se calculan las

respectivas varianzas
[ ]
}
4
3
16
12
12
16
1
) X ( V ) X ( V ) X ( V
16
1
) X X X ( V
16
1
4
X X X
V )
( V
4 )
i
X ( V
2 2 1
ntes independie son
nes observacio las
3 2 1
3 2 1
1
= = =
= + + =
+ + =
+ +
=
=
4 4 4 3 4 4 4 2 1
[ ]
}
2 8
4
1
) X ( V ) X ( V
4
1
) X X ( V
4
1
2
X X
V )
( V
4 )
i
X ( V
2 1
ntes independie son
nes observacio las
2 1
2 1
2
= = + =
+ =
+
=
=
4 4 3 4 4 2 1
Respecto a la varianza se elige el estimador
1
por ser el de menor varianza.

Tenemos propiedades contrapuestas, de modo que el estimador insesgado
2
es el de
mayor varianza. Elegiremos el estimador en base al error cuadrtico medio (ECM):
= + =
+
=

+ =
+ =
2 0 2 )
( ECM
16
12
4 4
3
)
( ECM
) sesgo ( Varianza ECM
2
2
2
1
2
Se analiza cuando es mayor el ECM del primer estimador
1
: )
( ECM )
( ECM
2 1
>
47 , 4 20 20 2
16
12
2
2
> > >
+
Si es en valor absoluto mayor que 4,47, el error cuadrtico medio de
1
es mayor, con
lo que se elige el estimador
2
.
Como sabemos que el peso medio de los jamones es superior a 5 kg, no queda duda que
el estimador a elegir (con menor error cuadrtico medio) es
2
.
14.- La distribucin del peso de las manzanas de una determinada cosecha sigue una
distribucin normal, cuyo peso medio es desconocido y cuya desviacin tpica es 7
gramos. Se pide:
a) Analizar cul de los estimadores
1
,
2
del peso medio es mejor respecto del
sesgo y de la eficiencia, para una muestra aleatoria simple de tamao cinco.
b) Si
5
X
5
1 i
i
1

=
= y
5 4 3 2 1 2
X X 4 X 3 X 2 X + + = , obtener los pesos medios
estimados a partir de la siguiente muestra (125, 135, 130, 137, 142).
Solucin.-
a) El peso de las manzanas sigue una distribucin ) 7 , ( N
Calculamos las esperanzas de los estimadores para analizar el sesgo de los estimadores
[ ]
}
) 5 (
5
1
X E
5
1
X E
5
1
5 X E ) ( E
)
i
(X E
i
5
1 i
5
1 i
i
5
1 i
i 1
= = =
=
=
= = =

4 3 2
) X ( E ) X ( E 4 ) X ( E 3 ) X ( E 2 ) (X E ) X X 4 X 3 X 2 (X E ) ( E
5 4 3 2 1 5 4 3 2 1 2
= + + =
= + + = + + =
Los estimadores
1
,
2
son insesgados (centrados).
b) Para analizar la eficiencia de los estimadores calculamos sus varianzas:
[ ]
}
5
49
) 49 . 5 (
25
1
X V
25
1
X V
25
1
5 X V ) ( V
2
7 )
i
X ( V
i
5
1 i
5
1 i
i
5
1 i
i 1
= = =
=
=
= = =

1519 ) 49 ( 31 ) 49 ( ) 49 ( 16 ) 49 ( 9 ) 49 ( 4 ) 49 (
) X ( V ) X ( V 16 ) X ( V 9 ) X ( V 4 ) (X V ) X X 4 X 3 X 2 (X V ) ( V
5 4 3 2 1 5 4 3 2 1 2
= = + + + + =
= + + + + = + + =
Como los dos estimadores son insesgados y ) ( V ) ( V
2 1
< se elige como mejor el
estimador
1
, que es el peso medio de la muestra de las cinco manzanas.
15.- Supongamos que la distribucin de ingresos de una cierta poblacin es una variable
aleatoria con media desconocida y varianza
2
tambin desconocida. Si queremos
estimar el ingreso medio de la poblacin mediante una m.a.s. de tamao n, respecto de la
insesgadez y de la eficiencia. Cul de los dos estimadores elegiramos?
n
X
1 n
X
n
1 i
i
2
n
1 i
i
1

= =
=
=
Solucin:
Un estimador es insesgado (centrado) si = )
( E
Un estimador es sesgado si
{
= + = )
( E )
( b )
( b )
( E
sesgo
a
La v.a ' ' poblacin cierta de ingresos ' X
i
= sigue una distribucin normal ) , ( N
Para analizar el sesgo de los estimadores, hallamos la esperanza:
= =

= = =
1 n
n
) n (
1 n
1
) X ( E
1 n
1
) X ( E
1 n
1
) 1 n X ( E ) ( E
n
1 i
i
n
1 i
i
n
1 i
i 1
El sesgo del estimador
1
ser:
= =
1 n
1
1 n
n
) ( E ) ( b
1 1
= = = = =

= = =
) n (
n
1
) X ( E
n
1
) X ( E
n
1
) n X ( E ) ( E
n
1 i
i
n
1 i
i
n
1 i
i 2
El estimador
2
, que es la media muestral, es insesgado (centrado).
La eficiencia de los estimadores se analiza a travs de su varianza:
2
2
2
2
n
1 i
i
2
n
1 i
i
2
n
1 i
i 1
) 1 n (
n
) n (
) 1 n (
1
) X ( V
) 1 n (
1
) X ( V
) 1 n (
1
) 1 n X ( V ) ( V
= =

= = =
n
) n (
n
1
) X ( V
n
1
) X ( V
n
1
) n X ( V ) ( V
2
2
2
n
1 i
i
n
1 i
i
2
n
1 i
i 2

= = = = =

= = =
El estimador ms eficiente ser el de menor varianza. Comparando las varianzas de los
estimadores:
2 2
1
2
2 2
2
n ) 1 n ( que puesto ) ( V
) 1 n (
n
n
) ( V < =
<
=
El estimador
2
, que es la media muestral, es el mejor tanto al sesgo como a la
eficiencia.
COMPRENSIN DE LA VEROSIMILITUD
CLCULO DE LOS ESTIMADORES MXIMO VERSOSMILES. PROPIEDADES
16.- Una urna contiene bolas blancas y negras. Sea p la probabilidad de extraer una
bola blanca cuando se realiza una extraccin al azar. Asociado a este experimento
aleatorio tenemos la variable aleatoria X que puede tomar los valores:
X = 1 si la bola extrada es blanca
X = 0 si la bola extrada es negra
La distribucin de probabilidad ser una B(1; p):
x 1 x
) p 1 ( p ) x X ( P

= =
Se selecciona una muestra aleatoria con reemplazamiento de tamao 3 ) x , x , x (
3 2 1
,
siendo
i
x la variable aleatoria a la extraccin i-sima, y suponemos que ha resultado la
siguiente relacin (B, N, B). Como el parmetro p es desconocido pretendemos saber,
entre los valores, 65 , 0 p = y 73 , 0 p = qu valor hace ms probable la aparicin de dicha
extraccin.
Solucin.-
Si la muestra (B, N, B) es independiente, siendo
=
=
p 1 ) N ( P
p ) B ( P
) p 1 ( . p p . ) p 1 ( . p ) B ( P . ) N ( P . ) B ( P ) B N B ( P ) B , N , B ( P
2
= = = =
entonces
= = =
= = =
1439 , 0 27 , 0 . 73 , 0 ) B , N , B ( P : 73 , 0 p
1479 , 0 35 , 0 . 65 , 0 ) B , N , B ( P : 65 , 0 p
2
2
Resulta ms probable (p = 0,65), siendo ms verosmil.
FUNCIN DE VEROSIMILITUD DE LA MUESTRA.- Sea ) X , , X (
n 1
L una muestra
aleatoria de una poblacin X con funcin de masa (o funcin de densidad
f ) donde
). , , (
n 1
= L El estimador de mxima verosimilitud de es el formado por los
valores )
, ,
(
n 1
L que maximizan lo que llamaremos funcin de verosimilitud de la
muestra ) x , , x (
n 1
L obtenida:

= =

continuo caso ) x ( f ) x ( f
discreto caso ) , x ( P ) , x ( P
) ; x , , x ( L ) ( L
n 1
n 1
n 1
L
L
L
Si consideramos la m.a.s. ) x , x , x (
3 2 1
, siendo las variables aleatorias
i
x independientes,
tomando los valores 0, 1, con distribucin B(1, p), la distribucin de probabilidad
asociada ser:
negra o blanca bola sea 0 , 1 x
) p 1 ( p ) x X ( P ) p , x ( P
) p 1 ( p ) x X ( P ) p , x ( P
) p 1 ( p ) x X ( P ) p , x ( P
i
3
x 1
3
x
3 3
2
x 1
2
x
2 2
1
x 1
1
x
1 1
=
= = =
= = =
= = =
La funcin de verosimilitud ser:

)
3
x
2
x
1
x ( 3
3
x
2
x
1
x
3
x 1
3
x
2
x 1
2
x
1
x 1
1
x
3
1 i
i
) p 1 ( p
) p 1 ( p . ) p 1 ( p . ) p 1 ( p ) p , x ( P ) p ( L
+ + + +

=
=
= = =

En la muestra (B, N, B) el valor que toma la funcin de verosimilitud ser:
) p 1 ( . p ) p 1 ( p ) p ( L
2 ) 1 0 1 ( 3 1 0 1
= =
+ + + +
17.- Un atleta olmpico de salto de altura se enfrenta a un listn de 2,3 metros. Su
entrenador desea estudiar el comportamiento del saltador. Sabe que el nmero de
saltos fallidos por hora es una variable aleatoria distribuida como una Poisson de
parmetro .
a) Calcular el estimador mximo verosmil del parmetro .
b) Analizar sus propiedades.
Solucin.-
a)
FUNCIN DE VEROSIMILITUD DE LA MUESTRA (EMV).- Sea ) x , , x (
n 1
L una
muestra aleatoria de una poblacin X con funcin de masa
P (o funcin de densidad
f )
donde ). , , (
n 1
= L El estimador de mxima verosimilitud de es el formado por los
valores )
, ,
(
n 1
L que maximizan lo que llamaremos funcin de verosimilitud de la
muestra ) x , , x (
n 1
L obtenida:

= = =

continuo caso ) x ( f ) x ( f
discreto caso ) , x ( P ) , x ( P
) ; x , , x ( L ) ; X ( L ) ( L
n 1
n 1
n 1
L
L
L
En muchas ocasiones, la forma ms cmoda de encontrar el estimador de mxima
verosimilitud es considerar [ ] ) ( L ln en vez de ) ( L , ya que es ms fcil de manejar y
presenta los mismos mximos y mnimos, y despejamos ) , , (
n 1
= L de la ecuacin:
0
) ( L ln
=

Sea la v.a. X = 'nmero de saltos fallidos por hora'
En la distribucin de Poisson:
=
=
= =

) X ( V
) X ( E
e
! x
) x X ( P
x
En una muestra aleatoria simple de tamao n, la funcin de verosimilitud ) , X ( L :

=
=

=
=

= = =
n
n
1 i
i
n
1 i
i
x
n
n
x
1
1
x
n
1 i
i
e
! x
e
! x
e
! x
) , x ( P ) , X ( L ) ( L L
= + =
=

=
=

=
=

=
=

) e ( ln ) ! x ( ln ) ( ln e
! x
ln ) , X ( L ln e
! x
) , X ( L
n
n
1 i
i
n
1 i
i
x
n
n
1 i
i
n
1 i
i
x
n
n
1 i
i
n
1 i
i
x
=

=
=
n ) ! x ( Ln Ln x
n
1 i
i
n
1 i
i
x
n
x
0 n
1
x
) , X ( L ln
n ) ! x ( Ln Ln x ) , X ( L ln
n
1 i
i
n
1 i
i
n
1 i
i
n
1 i
i
=
= =
=

=
=
=
=
=

Lo que nos dice que el Estimador de Mxima Verosimilitud (EMV) del parmetro
vendra dado por la media muestral: x ) ( EMV =
b) Analizar las propiedades
Insesgadez
El estimador sera insesgado (centrado) si = )
( E
= = = =
=

=
=
=
) n (
n
1
) x ( E
n
1
) x ( E
n
1
n
x
E )
( E
i
n
1 i
n
1 i
i
n
1 i
i
Eficiencia
Para que un estimador sea eficiente tiene que ser centrado y de varianza mnima.
La varianza mnima se analiza en virtud de la acotacin de Cramer-Rao:
Rao - Cramer de acotacin
) , x ( f ln
E n
1
)
( V
2

Ahora bien,

= e
! x
) , x ( f
x
=
=

) ! x ( ln ln x e
! x
ln ) , x ( f ln
x
=

x
1
x ) , x ( f ln

1
) x ( V
1
) x x ( E
1
) x ( E
1 x
E
) , x ( f ln
E
2 2
2
2
2
2
2 2
En consecuencia,
n
1
n
1
)
( V

=

El resultado nos dice que el menor valor de la varianza del estimador sera n .
x
= (calculado por el EMV). Sabemos

n
) x ( V

= , lo que muestra que el estimador
empleado es eficiente.
n
) n (
n
1
) x ( V
n
1
)
n
x
( V ) x ( V
2
n
1 i
i
2
n
1 i
i

= = =
=

=
=
Consistencia
Un estimador
consistente es un estimador asintticamente insesgado cuya varianza

tiende a cero al aumentar el tamao muestral.
El estimador
es consistente cuando
=
=

0 )
( V lim
)
( E lim
n
n
= =
n n
lim )
( E lim
0
n
lim )
( V lim
n n
=
=

El estimador
es consistente
18.- En una gran piscifactora hay una proporcin desconocida de peces de una especie
A. Para obtener informacin sobre esta proporcin, vamos a ir sacando peces al azar.
a) Si la proporcin de peces de la especie A es p., cul es la probabilidad de que el
primer pez de la especie A sea el dcimo que extraemos?.
b) Tres personas realizan, independientemente unas de otras, el proceso de sacar
peces al azar hasta encontrarse con el primero de tipo A:
- La primera persona obtiene el primer pez tipo A en la dcima extraccin.
- La segunda persona obtiene el primer pez tipo A en la decimoquinta extraccin.
- La tercera persona obtiene el primer pez tipo A en la decimoctava extraccin.
Escribir la funcin de verosimilitud y obtener la estimacin de mxima verosimilitud de
la proporcin p.
Solucin.-
El objetivo fundamental del ejercicio es estimar, por mxima verosimilitud, el
parmetro p = "proporcin de peces de la especie A".
a) P(primer pez tipo A en la dcima extraccin) = p ) p 1 (
9
b) La funcin de verosimilitud L(p) = P(Resultados muestrales obtenidos)

L(p) = P(primer pez tipo A en la dcima extraccin y primer pez tipo A en la
decimoquinta extraccin y primer pez tipo A en la decimoctava extraccin)
( ) ( ) ( )
3 40 17 14 9
p ) p 1 ( p ) p 1 ( p ) p 1 ( p ) p 1 ( ) p ( L = =
[ ] ( ) p log 3 ) p 1 ( log 40 p log ) p 1 ( log p ) p 1 ( log ) p ( L log
3 40 3 40
+ = + = =
[ ]
43
3
p
0
p
3
p 1
40
p d
) p ( L log
= = +
= a
19.- Las personas de un pas se clasifican segn dos caractersticas: color de los ojos
(claros u oscuros) y sexo (hombre o mujer). Las dos caractersticas son independientes.
a) Obtenemos una muestra al azar de la poblacin con los siguientes resultados:
- 200 mujeres con ojos claros
- 150 hombres con ojos claros
- 350 mujeres con ojos oscuros
- 300 hombres con ojos oscuros
Obtener la estimacin de mxima verosimilitud de p = P(hombres) y q = P(ojos
oscuros)
b) Si tomamos 8 personas al azar de ese pas, cul es la probabilidad de encontrar
alguna mujer de ojos oscuros?. Y si la muestra que tomamos es de 200 personas,
cul es la probabilidad de que haya ms de 60 mujeres de ojos oscuros?
Solucin.-
a) Las probabilidades de los cuatro posibles resultados muestrales son:
- P(mujer con ojos claros) = q ) p 1 (
- P(hombre con ojos claros) = q p
- P(mujer con ojos oscuros) = ) q 1 ( ) p 1 (
- P(hombre con ojos oscuros) = ) q 1 ( p
La funcin de verosimilitud L(p, q) = P(resultados muestrales obtenidos)
( ) ( ) ( ) ( )
650 350 550 450 300 350 150 200
) q 1 ( q ) p 1 ( p ) q 1 ( p ( ) q 1 ( ) p 1 ( q p q ) p 1 ( ) q , p ( L = =
( ) ) q 1 ( log 650 q log 350 ) p 1 ( log 550 p log 450 ) q 1 ( q ) p 1 ( p log ) q , p ( L log
650 350 550 450
+ + + = =
35 , 0 q 0
q 1
650
q
350
q
) q , p ( L log
45 , 0 p 0
p 1
550
p
450
p
) q , p ( L log
= =
= =
a
a
b) Conocemos que P(mujer con ojos oscuros) = 24 , 0 ) q 1 ( ) p 1 ( =
La variable aleatoria X = "nmero de mujeres con ojos oscuros, entre 8" sigue una
distribucin binomial ) 24 , 0 p ; 8 n ( B = =
89 , 0 ) 76 , 0 ( ) 24 , 0 (
0
8
1 ) 0 X ( P 1 ) 1 X ( P
8 0
=
= = =
La variable Y = "nmero de mujeres con ojos oscuros, entre 200" sigue una
distribucin binomial ) 24 , 0 p ; 20 n ( B = = , que por ser el tamao de la muestra grande
(n = 200) y p no prximo a cero (p = 0,24) aproximamos por la distribucin normal
) 04 , 6 ) 76 , 0 ( ) 24 , 0 ( 200 q p n ; 48 p n ( N ) 24 , 0 p ; 20 n ( B = = = = = = =
0233 , 0 ) 99 , 1 z ( P
04 , 6
48 60
04 , 6
48 Y
P ) 60 Y ( P = > =

>
= >
20.- Calcular el estimador mximo verosmil del parmetro 'a' de las siguientes
funciones:
a)
ax 2
e a ) a ; x ( f

= siendo 0 x en muestras aleatorias simples de tamao n.
b)
ax
e a ) a ; x ( f

= para 0 x , 0 a > en muestras aleatorias simples de tamao 2.
Solucin.-
a)
ax 2
e a ) a ; x ( f

= donde 0 x en m.a.s. de tamao n
La funcin de verosimilitud

= = =
=

n
1 i
i
n 2 1
x a
n 2 x a 2 x a 2 x a 2
n 2 1
e a ) e a ( ) e a ( . ) e a ( ) a ; x , , x , x ( L L L L
aplicando logaritmos neperianos: =
=
=
=
n
1 i
i
x a
n 2
x a a log n 2 ) e a ( log L log
n
1 i
i
derivando respecto de 'a' e igualando a cero:
x
2
x
n 2
a 0 x
a
n 2
a d
) L (log d
n
1 i
i
n
1 i
i
=
= = =
=
=

x
2
a =
b) Sea
ax
e a ) a ; x ( f

= para 0 x , 0 a > en m.a.s. de tamao 2
La funcin de verosimilitud
) x x ( a 2 x a x a
2 1
2 1 2 1
e a ) e a ( . ) e a ( ) a ; x , x ( L L
+
= = =
aplicando logaritmos neperianos: ) x x ( a a log 2 ) e a ( log L log
2 1
) x x ( a 2
2 1
+ = =
+
derivando respecto de 'a' e igualando a cero:

x
1
x x
2
a 0 ) x x (
a
2
a d
) L (log d
2 1
2 1
=
+
= = + =
21.- Sea la distribucin ) ; ( N , con media conocida y varianza desconocida.
Calcular la estimacin mximo-verosiml de la varianza en muestras aleatorias simples
de tamao n.
Solucin.-
La funcin de verosimilitud es:
=
2
2
n
2
2
2
2
2
1
2
) x (
2
2
) x (
2
2
) x (
2
2
e
2
1
e
2
1
e
2
1
) , ; X ( L L

2
n
1 i
2
i
2
) x (
2
n
2
2
n
e
) ( ) 2 (
1

=

=
tomando logaritmos neperianos, se tiene:
[ ]
2
n
1 i
2
i
2 2
) x (
2
n
2
2
n
2
2
) x (
) ( log
2
n
) 2 ( log
2
n
e
) ( ) 2 (
1
log ) , ; X ( L log
2
n
1 i
2
i

=
=

=
y derivando respecto a
2
e igualando a cero:
[ ]
0
2
) x (
2
n
d
) , ; X ( L log d
4
n
1 i
2
i
2 2
2
=

=
como 0
2
> , el estimador mximo verosmil de
2
ser:
n
) x (
n
1 i
2
i
2

=
=
Conviene observar que el estimador no es la varianza muestral, dado que las
desviaciones de los valores muestrales lo son con respecto a la media poblacional y no
respecto a la media muestral x .
22.- Sea la distribucin ) ; ( N , con la media y varianza desconocidas. Calcular los
estimadores mximo-verosmiles de y
2
.
Solucin.-
La funcin de verosimilitud es:
=
2
2
n
2
2
2
2
2
1
2
) x (
2
2
) x (
2
2
) x (
2
2
e
2
1
e
2
1
e
2
1
) , ; X ( L L

2
n
1 i
2
i
2
) x (
2
n
2
2
n
e
) ( ) 2 (
1

=

=
tomando logaritmos neperianos, se tiene:
[ ]
2
n
1 i
2
i
2 2
) x (
2
n
2
2
n
2
2
) x (
) ( log
2
n
) 2 ( log
2
n
e
) ( ) 2 (
1
log ) , ; X ( L log
2
n
1 i
2
i

=
=

=
y derivando respecto a y
2
, e igualando a cero:
[ ]
0
) x (
) , ; X ( L log
2
n
1 i
i 2
=

=

=
[ ]
0
2
) x (
2
n ) , ; X ( L log
4
n
1 i
2
i
2 2
2
=
=

=
resolviendo el sistema resulta: x = y
2
x
n
1 i
2
i
2
n
) x x (
=

=
=
Los estimadores mximo-verosmiles de y
2
son la media y la varianza muestrales.
CLCULO DE ESTIMADOR POR EL MTODO DE LOS MOMENTOS
23.- Sea una poblacin definida por:
1 0
1 0
2
1
) 1 ( P
2
) 0 ( P
2
1
) 1 ( P
< <
< <

= =
+
= =

= =
Estimar los parmetros y por el mtodo de los momentos, estudiando si son
insesgados.
Solucin.-
MTODO DE LOS MOMENTOS.- El procedimiento consiste en igualar momentos
poblacionales respecto al origen ) (
r
a los correspondientes momentos muestrales
respecto al origen ) a (
r
, formando as tantas ecuaciones como parmetros
poblacionales se pretenden estimar:
= = =
= = =
= = = = =
=
=
=
n
x
a ) X ( E
n
x
a ) X ( E
x
n
x
a ) X ( E
n
1 i
r
i
r r
r
r
n
1 i
2
i
2 2
2
2
n
1 i
i
1 1 1
L L L L L L L L L L L L L L L
Puesto que hay que estimar dos parmetros hay que calcular los dos primeros
momentos.
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 7 6
les poblaciona momentos
2 2 2
i
i
2
i
2
2
i
i
i 1
2
2
2
1
) 1 (
2
) 0 (
2
1
) 1 ( ) x ( P x ) ( E
2 2
1
) 1 (
2
) 0 (
2
1
) 1 ( ) x ( P x ) ( E

=
+
+

= = = =

=
+
+

= = = = =
4 4 4 4 4 4 4 8 4 4 4 4 4 4 4 7 6
muestrales momentos
i
2
i
2
i
i
1
n
x
a
n
x
x a

= = =
+ =
=
=
=
= =

=
= =

=
x a 1
x a 1
2 a 2
x 2
2 a 2 a
2
2
a
x 2 x
2
a
2
2
2
2 2 2 2
1 1
Insesgadez
Un estimador
( E
=

= + = + = + =
2 2
2
1 1 ) x ( E ) a ( E 1 ) x a 1 ( E )
( E
2 2 2
=

= = = =
2 2
2
1 1 ) x ( E ) a ( E 1 ) x a 1 ( E )
( E
2 2 2
Los estimadores y son insesgados.
CLCULO DE ESTADSTICOS. FUNCIN DE DENSIDAD
24.- Una muestra aleatoria ) X , , X (
n 1
L de la poblacin tiene como funcin de
densidad

=

resto el en 0
) 1 , 0 ( x si x
(x) f
1
> 0
a) Hallar un estadstico suficiente
b) Estimador de mxima verosimilitud de
c) Estimador de por el mtodo de los momentos
Solucin.-
a)
Un estimador
es suficiente cuando no da lugar a una prdida de informacin. Es

decir, cuando la informacin basada en
es tan buena como la que hiciera uso de toda

la muestra.
Para identificar estadsticos suficientes se utiliza el teorema de factorizacin, que
dice que dada una muestra aleatoria ) x , , x (
n 1
L de una poblacin X con funcin de
masa
P (o funcin de densidad
f ) un estadstico
es suficiente para si y slo s:

[ ]
[ ]
=
=
continuo caso
discreto caso
) x , , (x h . , ) x , , (x
g ) x , , (x f
) x , , (x h . , ) x , , (x
g ) x , , (x P
n 1 n 1 n 1
n 1 n 1 n 1
L L L
L L L
Para encontrar un estadstico suficiente
hay que factorizar la funcin de

verosimilitud de la forma: ) x , , (x h . ) ,
( g ) ( L
n 1
L =
1
)
n
x
1
(x
n
)
1
n
x ( )
1
2
x ( )
1
1
x ( )
n
(x
f )
2
(x
f )
1
(x
f ) ( L

=

= = L L L
Por tanto,
n
x , ,
1
x
L = es un estadstico suficiente.
b)
1
)
n
x
1
(x
n
) ( L

= L
= =
+ =

+ =

=
n
1 i
n
1 i
)
1
i
x ( ln
n
ln
1
i
x ln
n
ln
1
)
n
x
1
(x
n
ln ) ( L ln L
=
= =
=
+ =

=
+ =
n
1 i
)
i
(x ln
n
0
n
1 i
i
x
) ( L ln
n
1 i
)
i
(x ln ) 1 ( ln n ) ( L ln a
c) Se plantea la ecuacin x ) X ( E =
x 1
x
) 1 ( x
1 1
x
dx x dx x x dx ) x ( f x ) X ( E x
1
0
1
1
0
1
0
1
1
0
= = +
+

=
+
= = = = =
+

n 1
densidad
>
+
=
resto el en 0
0 x si
x
e
(x) f
a) Hallar un estimador por el mtodo de los momentos de

b) Estudiar si el estimador encontrado en el apartado anterior es insesgado para
estimar el parmetro
Solucin.-
a) Se plantea la ecuacin: [ ] x X E =
[ ] 1 x
1 dx e x dx ) x ( f x X E x
partes por egracin int
x
= + = = = =

4 4 4 8 4 4 4 7 6
b) Un estimador es insesgado o centrado cuando su valor probable coincide con el
valor
del parmetro a estimar. Es decir, = )
( E
= + = = = 1 ) 1 ( 1 ) x ( E ) 1 x ( E )
( E
{ { {
+ =
+
=
+
= + =
= = =
+
+
+ + + + +

1
e
x 1
e dx e x
e
x 1
e e ) x 1 (
e e x dx e ) e ( x dx e x
partes por
egracin int
x
x
x
x
x x
du
v
x
v
x
u
dv
x
u
43 42 1 43 42 1
43 42 1
n 1
densidad
>
=

resto el en 0
0 x si e x
(x) f
x 2
Hallar el estimador de mxima verosimilitud de

Solucin.-
La funcin de verosimilitud ) ( L :
=
+ + +
=

= =
n
1 i
i
x
e )
n
x
1
(x
n 2
)
n
x
2
x
1
x (
e )
n
x
1
(x
n 2
)
n
x
e
n
x
2
( )
2
x
e
2
x
2
( )
1
x
e
1
x
2
( )
n
(x
f )
2
(x
f )
1
(x
f ) ( L
L
L
L
L L
=
n
1 i
i
x
e )
n
x
1
(x
n 2
ln ) ( L ln
n
1 i
i
x
e )
n
x
1
(x
n 2
) ( L L L
=
+ =
=
+ =

= =
n
1 i
i
x x ln ln ) n 2 ( ) ( L ln
n
1 i
i
x x ln ln ) n 2 ( ) ( L ln
n
1 i
i
n
1 i
i
=
= =
=
=
n
1 i
i
x
n 2
0
n
1 i
i
x
n 2
) ( L ln
27.- El coseno X del ngulo con el que se emiten los electrones en un proceso
radioactivo es una variable aleatoria con funcin de densidad
1 1
resto el en 0
1 x 1 2 ) x 1 (
(x) f
+
=
Consideremos una muestra aleatoria ) X , , X (
n 1
L de esta variable aleatoria
a) Obtener el estimador por el mtodo de los momentos
b) Calcular la varianza de este estimador y demostrar que es consistente
Solucin.-
a) Se plantea la ecuacin [ ] x X E =
[ ] x 3
3 6
x
2
x
dx
2
x 1
x X E x
1
1
3 2
1
1
=

+ =
+
= =
b) ) X ( V
n
9
n
) X ( V
9 ) x ( V 9 ) x 3 ( V )
( V = = = =
[ ]
9
3
3 8
x
6
x
3
dx
2
x 1
x ) X ( E ) X ( E ) X ( V
2
2
1
1
4 3
2
1
1
2 2 2

=

+ =
+
= =
de donde,
n
3
9
3
n
9
) X ( V
n
9
)
( V
2 2

=

= =
Para probar que
es consistente para estimar es suficiente probar
=
=

0 )
( V lim
)
( E lim
n
n
=
= = = =
3
3 ) X ( E 3 ) x ( E 3 lim ) x 3 ( E lim )
( E lim
n n n
0
n
3
lim ) x 3 ( V lim )
( V lim
2
n n n
=

= =

Por tanto, queda probado que
es consistente para estimar

Intervalos de confianza
INTERVALOS DE CONFIANZA
CLCULO DE INTERVALOS DE CONFIANZA PARA LA MEDIA CON DESVIACIN TPICA
POBLACIONAL CONOCIDA Y DESCONOCIDA. CLCULO DEL TAMAO MUESTRAL PARA UN
INTERVALO DE CONFIANZA DADA LA AMPLITUD Y EL NIVEL DE SIGNIFICACIN.
1.- El peso (en gramos) de las cajas de cereales de una determinada marca sigue una
distribucin ). 5 , ( N Se han tomado los pesos de 16 cajas seleccionadas
aleatoriamente, y los resultados obtenidos han sido:
506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
a) Obtener los intervalos de confianza del 90%, 95% y 99% para la media poblacional.
b) Determinar cul sera el tamao muestral necesario para conseguir, con un 95% de
confianza, un intervalo de longitud igual a 2 gramos.
c) Suponiendo ahora que es desconocida, calcular los intervalos de confianza para la
media al 90%, 95% y 99%.
Solucin.-
a) Estamos situados en el caso de construir un intervalo de confianza para la media
poblacional de varianza conocida 25
2
= . Sabemos que el intervalo de confianza de
nivel 1 , viene dado por:
[
}
]
=
=

n
z muestral Error
amplitud o longitud L
longitud
z 2
n
n
z 2 L
n
z x ) ( I
2
2
2
2 1
muestral
Error
2
muestral
media
1
a
48 47 6
75 , 503
16
x
x
16
1 i
i
= =

=

= = = =
= = = =
= = = =
575 , 2 z 005 , 0 2 01 , 0 99 , 0 1
96 , 1 z 025 , 0 2 05 , 0 95 , 0 1
645 , 1 z 05 , 0 2 10 , 0 90 , 0 1
2
2
2
Los intervalos de confianza solicitados sern:
[ ] [ ] = = =
+ =
=
1 90 , 0 81 , 505 69 , 501 P 81 , 505 ; 69 , 501 ) ( I
16
5
645 , 1 75 , 503 ,
16
5
645 , 1 75 , 503
16
5
645 , 1 75 , 503 ) ( I
90 , 0
90 , 0
[ ] [ ] = = =
+ =
=
1 95 , 0 20 , 506 30 , 501 P 20 , 506 ; 30 , 501 ) ( I
16
5
96 , 1 75 , 503 ,
16
5
96 , 1 75 , 503
16
5
96 , 1 75 , 503 ) ( I
95 , 0
95 , 0
[ ] [ ] = = =
+ =
=
1 99 , 0 97 , 506 53 , 500 P 97 , 506 ; 53 , 500 ) ( I
16
5
575 , 2 75 , 503 ,
16
5
575 , 2 75 , 503
16
5
575 , 2 75 , 503 ) ( I
99 , 0
99 , 0
Si calculamos la longitud de cada uno de los intervalos de confianza tenemos:
menor. es tambin confianza de nivel su que olvidemos
no pero preciso, ms de parecer podra tanto, por y,
longitud, menor de es confianza de intervalo primer El
44 , 6 53 , 500 97 , 506 ) ( L
9 , 4 30 , 501 20 , 506 ) ( L
12 , 4 69 , 501 81 , 505 ) ( L
99 , 0
95 , 0
90 , 0
= =
= =
= =
b) La amplitud o longitud vendr dado por la frmula:

=

n
z x ) ( I
2 1

2
2
2 2 2
amplitud
z 2
n
n
z 2
n
z x
n
z x
longitud
o amplitud

+ =

a
siendo, cereales de cajas 96
2
5 ) 96 , 1 ( 2
n
2

=
c) Nos encontramos en el caso de construir un intervalo de confianza para la media
poblacional de varianza poblacional desconocida, con muestras pequeas (n 30).
El intervalo de confianza de nivel 1 , viene dado por:
= = =
= = =
= = =
=

947 , 2 t 01 , 0 99 , 0 1
131 , 2 t 05 , 0 95 , 0 1
753 , 1 t 10 , 0 90 , 0 1
n
s
t x ) ( I
15 ; 005 , 0
15 ; 025 , 0
15 ; 05 , 0
x
1 n ), 2 ( 1
cuasivarianza muestral 6 s 037 , 36
15
) x x (
s
x
16
1 i
2
i
2
x
=
=

=
cuasidesviacin tpica
Los intervalos de confianza solicitados sern:
[ ] [ ] = = =
+ =
=
1 90 , 0 38 , 506 12 , 501 P 38 , 506 ; 12 , 501 ) ( I
16
6
753 , 1 75 , 503 ,
16
6
753 , 1 75 , 503
16
6
753 , 1 75 , 503 ) ( I
90 , 0
90 , 0
[ ] [ ] = = =
+ =
=
1 95 , 0 95 , 506 55 , 500 P 95 , 506 ; 55 , 500 ) ( I
16
6
131 , 2 75 , 503 ,
16
6
131 , 2 75 , 503
16
6
131 , 2 75 , 503 ) ( I
95 , 0
95 , 0
[ ] [ ] = = =
+ =
=
1 99 , 0 17 , 508 33 , 499 P 17 , 508 ; 33 , 499 ) ( I
16
6
947 , 2 75 , 503 ,
16
6
947 , 2 75 , 503
16
6
947 , 2 75 , 503 ) ( I
99 , 0
99 , 0
Sealar que a mayor nivel de confianza ) 1 ( mayor es la amplitud del intervalo, y, en
consecuencia, los intervalos de confianza son mayores.
CLCULO DE INTERVALOS DE CONFIANZA PARA LA MEDIA CON DESVIACIN TPICA
POBLACIONAL CONOCIDA Y DESCONOCIDA.
2.- Una muestra aleatoria extrada de una poblacin normal de varianza 100, presenta
una media muestral 160 x = . Con una muestra de tamao 144, se pide:
a) Calcular un intervalo de confianza del 95 por ciento para la media poblacional.
b) Calcular un intervalo de confianza del 90 por ciento para la media poblacional.
c) Comparar ambos intervalos, desde el punto de vista de la informacin que
generan.
d) Si se quiere tener una confianza del 95 por ciento de que su estimacin se
encuentra a una distancia de 1,2 cm ms o menos de la verdadera media poblacional,
cuntas observaciones adicionales deben tomarse?
Solucin:
a) Estamos situados en el caso de construir un intervalo de confianza para la media
poblacional de varianza conocida 100
2
= . Sabemos que el intervalo de confianza de
nivel 1 , viene dado por:
[
}
]
=
=

n
z muestral Error
amplitud o longitud L
longitud
z 2
n
n
z 2 L
n
z x ) ( I
2
2
2
2 1
muestral
Error
2
muestral
media
1
a
48 47 6
tenemos que:
96 , 1 z 025 , 0 2 05 , 0 95 , 0 1
2
= = = =

144 n 10 100 160 x
2
= = = =
El intervalo de confianza es:

[ ] 63 , 161 ; 37 , 158
12
10
96 , 1 160 ;
12
10
96 , 1 160 ) ( I
95 , 0
=
+ =
b) Es anlogo su construccin; la nica variacin es el nivel de confianza:
645 , 1 z 05 , 0 2 10 , 0 90 , 0 1
2
= = = =

con lo cual,
[ ] 37 , 161 ; 63 , 158
12
10
645 , 1 160 ;
12
10
645 , 1 160 ) ( I
90 , 0
=
+ =
c) Si calculamos la longitud de cada uno de los dos intervalos de confianza:
74 , 2 63 , 158 37 , 161 L 26 , 3 37 , 158 63 , 161 L
90 , 0 95 , 0
= = = =
El segundo intervalo de confianza es de longitud menor, y, por tanto, podra parecer
ms preciso, pero no olvidemos que su nivel de confianza es tambin menor (el 90 por
100 frente al 95 por ciento del primer intervalo).
d) El error absoluto que se quiere cometer es de 1,2, aplicando la frmula para la
determinacin de la muestra a un nivel de confianza del 95 por 100, se tiene:
[
}
]
2
2
2
muestral
Error
2
muestral
media
1
z
n
n
z
n
z x ) ( I

=

a
48 47 6
267
2 , 1
10 . 96 , 1
n
2
=
. En consecuencia, se debera tomar una muestra adicional de 123
elementos ). 123 144 267 ( =
CLCULO DE INTERVALOS DE CONFIANZA PARA LA MEDIA Y LA VARIANZA CON
PARMETROS POBLACIONALES DESCONOCIDOS.
3.- La afluencia de visitantes al parque de Monfrage durante un mes, medida a travs
de una muestra aleatoria durante 10 das elegidos aleatoriamente, han sido los
siguientes:
682, 553, 555, 666, 657, 649, 522, 568, 700, 552
Suponiendo que los niveles de afluencia siguen una distribucin normal, y que la
desviacin tpica muestral es de 56,99.
a) Se podra afirmar, con un 95 por ciento de confianza, que la afluencia media al
parque es de 600 personas al mes.
b) Los adjudicatarios de la explotacin al parque, en negociaciones con la Junta de
Extremadura, afirmaron que la afluencia media era constante y que la dispersin sera
de unas 15 personas. Queda esta afirmacin probada con los datos disponibles con un
95% de confianza?
Solucin:
a) Nos encontramos ante un intervalo de confianza para la media de una distribucin
normal de varianza poblacional desconocida
2
), , ( N siendo la muestra pequea
n 30
= = = = =
= = = =

= =
=
=

262 , 2 t t 025 , 0 2 05 , 0 95 , 0 1
07 , 60 73 , 3608 s 73 , 3608
9
99 , 56 . 10
s
) 1 n (
n
s s ) 1 n ( n
1
n
s
t x ) ( I
9 ; 025 , 0 ) 1 n ( ; 2
x
2
2
x
2
x
2
x
2
x
2
x
x
1 n ), 2 ( 1
a

07 , 60 s 04 , 610
10
x
x
x
10
1 i
i
= = =

=
[ ] [ ] = = =
+ =
=
1 95 , 0 01 , 653 07 , 567 P 01 , 653 ; 07 , 567 ) ( I
10
07 , 60
262 , 2 04 , 610 ,
10
07 , 60
262 , 2 04 , 610
10
07 , 60
262 , 2 04 , 610 ) ( I
95 , 0
95 , 0
Como 01 , 653 600 07 , 567 podemos afirmar que con un 95 por ciento de confianza
la afluencia media es de 600 personas al mes.
b) Intervalo de confianza para la varianza
2
de una distribucin normal:
= =
= = = =
=

=

70 , 2
023 , 19 025 , 0 2 95 , 0 1
73 , 3608 s
s ) 1 n (
;
s ) 1 n (
) ( I
2
9 ; 975 , 0
2
) 1 n ( ; 2 1
2
9 ; 025 , 0
2
) 1 n ( ; 2
2
x
2
) 1 n ( ; 2 1
2
x
2
) 1 n ( ; 2
2
x
2
1
[ ]
[ ] [ ] = = =
=
=
1 95 , 0 1 , 12029 33 , 1707 P 1 , 12029 ; 33 , 1707 ) ( I
1 , 12029 ; 33 , 1707
70 , 2
) 73 , 3608 ( . 9
;
023 , 19
) 73 , 3608 ( . 9
) ( I
2 2
95 , 0
2
95 , 0
[ ] [ ]
[ ] [ ] = = =
= =
=
1 95 , 0 68 , 109 32 , 41 P 68 , 109 ; 32 , 41 ) ( I
68 , 109 ; 32 , 41 1 , 12029 ; 33 , 1707
70 , 2
) 73 , 3608 ( . 9
;
023 , 19
) 73 , 3608 ( . 9
) ( I
95 , 0
95 , 0
[ ]. 68 , 109 ; 32 , 41 15 El intervalo de la desviacin tpica no contiene el valor 15, con
lo cual no se puede afirmar con una confianza del 95% que la dispersin de afluencia
sea de 15 personas.
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS CON
DESVIACIONES TPICAS POBLACIONALES CONOCIDAS.
4.- El gasto diario en llamadas telefnicas de dos departamentos X e Y de una misma
empresa sigue una distribucin normal, con gasto medio desconocido en ambos. Sin
embargo, se conocen las desviaciones tpicas, que son 100 y 110 cntimos de euro para X
e Y, respectivamente. La direccin ha observado que una muestra aleatoria de 20 das,
el gasto medio diario en llamadas realizadas por el departamento X ha sido de 1100
cntimos, y de 1400 en el departamento Y. Obtener un intervalo de confianza para la
diferencia de gastos medios entre ambos departamentos.
Solucin:
La variables aleatorias siguen, respectivamente, las distribuciones normales ) 100 , ( N
1
y ) 110 , ( N
2
. El intervalo de confianza para la diferencia de medias ) (
2 1
con
varianzas poblacionales conocidas viene dado por la expresin:
= = =
= = = =
= =

645 , 1 z 05 , 0 2 90 , 0 1
20 n 1400 y 20 n 1100 x
110 100
n n
z ) y x ( ) ( I
2
2 1
2 2
2
2 2
1
2
2
2
1
2
1
2 2 1 1
[ ] 32 , 245 ; 68 , 354
20
110
20
100
) 645 , 1 ( ) 1400 1100 ( ) ( I
2 2
2 1 90 , 0
=
+ =
El intervalo de confianza no cubre el 0 por 100, lo que indica que existe diferencia
significativa en el gasto de llamadas telefnicas. Como el intervalo de confianza es
negativo, se deduce que el gasto medio en llamadas telefnicas del departamento Y es
superior al del departamento X, con una confianza del 90 por ciento.
CASUSTICA
[ ] [ ] 1 ) 0 B dato ( ) 0 A dato ( P 0 B dato ; 0 A dato ) ( I
2 1 2 1 1
= < < < < =
El intervalo no cubre el cero y por tanto existe diferencia significativa entre las medias
poblacionales. Por otra parte, la caracterstica en estudio de la variable aleatoria Y toma valores
superiores que en la variable aleatoria X, con una fiabilidad ). 1 (
2 1 2 1 1
= > < > < =
El intervalo cubre el cero y por tanto no existe diferencia significativa entre las medias
poblacionales, con una fiabilidad ). 1 (
2 1 2 1 1
= < > < > =
El intervalo no cubre el cero y por tanto existe diferencia significativa entre las medias
poblacionales. Por otra parte, la caracterstica en estudio de la variable aleatoria X toma valores
superiores que en la variable aleatoria Y, con una fiabilidad ). 1 (
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA PROPORCIN CON APROXIMACIN A
UNA NORMAL, AL SER LA MUESTRA SUFICIENTEMENTE GRANDE.
5.- Se selecciona una muestra aleatoria de 600 familias, a las que se pregunta si tienen
o no ordenador en casa. Contestaron afirmativamente 240 familias. Obtener un
intervalo de confianza al nivel del 95% para la proporcin real de familias que poseen
ordenador en casa.
Solucin:
La caracterstica en estudio es dicotmica, tenemos que construir un intervalo de
confianza para el parmetro p (proporcin) de la variable aleatoria binomial asociada al
estudio de la caracterstica. Como el tamao de la muestra es suficientemente grande,
n = 600, se puede utilizar la aproximacin normal.
= = = = =
= = = = =

96 , 1 z z 025 , 0 2 05 , 0 95 , 0 1
600 n 6 , 0 p 1 q 4 , 0 600 240 p
n
) p 1 ( p
z p ) p ( I
025 , 0 2
) 2 ( 1
[ ]
[ ] [ ] = = =
=
=
1 95 , 0 44 , 0 p 36 , 0 P 44 , 0 ; 36 , 0 ) p ( I
44 , 0 ; 36 , 0
600
6 , 0 . 4 , 0
) 96 , 1 ( 4 , 0 ) p ( I
95 , 0
95 , 0
Con una confianza del 95% se puede afirmar que las familias poseen ordenador entre el
36% y el 44%.
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA PROPORCIN Y PARA LA DIFERENCIA
DE PROPORCIONES. CLCULO DE LA AMPLITUD Y ANLISIS DEL ERROR DE ESTIMACIN.
6.- Segn los dirigentes del partido A, la intencin de voto del partido rival B, en
Andaluca, es la misma que la que tiene en Madrid. Se realiza una encuesta a 100
personas en Andaluca de los que 25 mostraron su apoyo al partido B, y a otras 100
personas en Madrid de las que 30 se inclinaron por el partido B.
a) Construir un intervalo de confianza del 90% para la proporcin de personas que
votaran al partido B en Andaluca
b) A cuntas personas habra que encuestar para obtener un margen de error o error
de estimacin 2%, al nivel de confianza anterior?.
c) Construir un intervalo de confianza al 90% para la diferencia de proporciones en la
estimacin del voto del partido B en las dos comunidades. Podemos afirmar que los
dirigentes del partido A tienen razn?.
Solucin:
a) La caracterstica en estudio en ambas comunidades es dicotmica, tenemos que
construir un intervalo de confianza para el parmetro
1
p (proporcin) de la variable
aleatoria binomial asociada al estudio de la caracterstica en la comunidad de Andaluca.
Como el tamao de la muestra es suficientemente grande, n
1
= 100, se puede utilizar la
aproximacin normal.
= = = = =
= = = = =

645 , 1 z z 05 , 0 2 10 , 0 90 , 0 1
100 n 75 , 0 p
1 q 25 , 0 100 25 p
n
) p
1 ( p
z p
) p ( I
05 , 0 2
1 1 1 1
) 2 ( 1
[ ]
[ ] [ ] = = =
=
=
1 90 , 0 321 , 0 p 179 , 0 P 321 , 0 ; 179 , 0 ) p ( I
321 , 0 ; 179 , 0
100
75 , 0 . 25 , 0
) 645 , 1 ( 25 , 0 ) p ( I
1 1 90 , 0
1 90 , 0
En Andaluca la intencin de voto del partido B se encuentra entre el 17,9% y 32,1%,
con un nivel de confianza del 90%.
2
x x
2
2
x x
) 2 ( x
n
q . p
z
n
q . p
z p
muestral
error
muestral
proporcin
I
=

a
2
x x
2
2
) q . p
( ) z (
n , donde de
=

El caso ms desfavorable ser cuando 5 , 0 q p
x x
= = .
Siendo
1691
0004 , 0
) 5 , 0 . 5 , 0 ( ) 645 , 1 (
n 0004 , 0 ) 02 , 0 (
2
2 2
= = = a
c) Nos encontramos ante un intervalo de confianza para la diferencia de parmetros
poblacionales ) p p (
2 1
de dos distribuciones binomiales, con el tamao de las muestras
suficientemente grandes, n
1
= n
2
= 100, para utilizar la aproximacin normal.
=

2
2 2
1
1 1
) 2 ( 2 1 2 1 1
n
) p
1 ( p
n
) p
1 ( p
z ) p
( ) p p ( I

= = = = =
= = = = =
= = = = =
645 , 1 z z 05 , 0 2 10 , 0 90 , 0 1
100 n 70 , 0 p
1 q 3 , 0 100 30 p
100 n 75 , 0 p
1 q 25 , 0 100 25 p
05 , 0 2
2 2 2 2
1 1 1 1

[ ] 053 , 0 ; 153 , 0
100
70 , 0 . 3 , 0
100
75 , 0 . 25 , 0
) 645 , 1 ( ) 3 , 0 25 , 0 ( ) p p ( I
2 1 90 , 0
=
+ =
El intervalo de confianza cubre el cero, lo que indica que no existe diferencia
significativa entre la intencin de voto del partido B en ambas comunidades, con lo cual
los dirigentes del partido A tienen razn con una fiabilidad del 90%.
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS
POBLACIONALES CON DESVIACIONES TPICAS POBLACIONALES CONOCIDAS O NO.
7.- Un fabricante de televisores est desarrollando un nuevo modelo de televisor en
color, y para este fin se pueden utilizar dos tipos de esquemas transistorizados. El
fabricante selecciona una muestra de esquemas transistorizados del primer tipo de
tamao 16, y otra del segundo tipo de tamao 13. Los datos muestrales respecto a la
vida media de cada esquema son los siguientes:
13 n horas 17 s horas 1500 x
16 n horas 30 s horas 1400 x
2 2 2
1 1 1
= = =
= = =
Construir un intervalo de confianza del 90% para la diferencia de vida media de cada
tipo de esquema.
Solucin:
Sea la variable aleatoria X
1
= 'vida media del primer esquema', que sigue una
distribucin normal ) , ( N
1 1
. Anlogamente, la variable aleatoria X
2
= 'vida media del
segundo esquema', sigue una distribucin normal ) , ( N
2 2
.
Deseamos construir un intervalo de confianza para la diferencia de medias
poblacionales ) (
2 1
con varianzas poblacionales desconocidas, y no sabemos si
distintas o no, siendo las muestras pequeas 30 29 n n
2 1
< = + .
Para dilucidar si las varianzas poblacionales desconocidas son o no distintas,
construimos primero un intervalo de confianza para el cociente de varianzas ) (
2
2
2
1
,
de modo que si el intervalo cubre al punto 1 podremos partir de que las varianzas son
desconocidas pero iguales.
Para construir un intervalo de confianza para el cociente de varianzas se emplea
la frmula:
) 1
1
n ( , ) 1
2
n ( ; 2
) 1
2
n ( , ) 1
1
n ( ; 2 1
) 1
2
n ( , ) 1
1
n ( ; 2 1
2
2
2
1
) 1
2
n ( , ) 1
1
n ( ; 2
2
2
2
1
2
2
2
1 1
F
1
F siendo
F
s s
;
F
s s
) ( I

=
=
404 , 0 4753 , 2 1 F 1 F 6169 , 2 F
05 , 0 2 10 , 0 90 , 0 1
114 , 3 289 900 s s 13 n 289 17 s 16 n 900 30 s
15 , 12 ; 05 , 0 12 , 15 ; 95 , 0 12 , 15 ; 05 , 0
2
2
2
1 2
2 2
2 1
2 2
1
= = = =
= = =
= = = = = = = =
de donde,
[ ]
[ ] = =
=
=
=
1 90 , 0 71 , 7 19 , 1 P 71 , 7 ; 19 , 1 ) ( I
71 , 7 ; 19 , 1
404 , 0
114 , 3
;
6169 , 2
114 , 3
) ( I
2
2
2
1
2
2
2
1 90 , 0
2
2
2
1 90 , 0
El intervalo no cubre el punto uno, y concluimos que las varianzas poblacionales son
desconocidas y distintas, con una fiabilidad del 90%.
Nos situamos ante un intervalo de confianza para la diferencia de medias poblacionales
) (
2 1
con varianzas poblacionales desconocidas y distintas o no, con muestras
pequeas 30 29 n n
2 1
< = + .
+
+
+
+
=
+ =

2
1 n
) n s (
1 n
) n s (
) n s n s (
f
Welch de n aproximaci la es f donde t
n
s
n
s
t ) y x ( ) ( I
2
2
2
2
2
1
2
1
2
1
2
2
2
2 1
2
1
f , 2
2
2
2
1
2
1
f , 2 2 1 1
siendo,
11 , 6159 ) n s n s (
294 , 13 14 ) n s ( 12 , 186 17 ) n s ( 17 , 494 ) n s ( 06 , 3164 ) n s (
23 , 22 13 289 n s 25 , 56 16 900 n s
13 n 289 17 s 16 n 900 30 s
2
2
2
2
1
2
1
2
2
2
2
2
1
2
1
2
2
2
2
2
1
2
1
2
2
2
1
2
1
2
2 2
2
1
2 2
1
= +
= = = =
= = = =
= = = = = =
29 89 , 28 2
294 , 13 12 , 186
11 , 6159
2
1 n
) n s (
1 n
) n s (
) n s n s (
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2 1
2
1
=
+
=
+
+
+
+
=
699 , 1 t t 05 , 0 2 10 , 0 90 , 0 1
29 ; 05 , 0 f , 2
= = = = =

horas 1500 x horas 1400 x
2 1
= =
[ ] 95 , 84 ; 05 , 115
13
289
16
900
) 699 , 1 ( ) 1500 1400 ( ) ( I
2 1 90 , 0
=
+ =
El intervalo no cubre el cero, concluyendo que existe diferencia significativa entre la
vida media de cada esquema, siendo mayor la vida media del segundo esquema con una
fiabilidad del 90%.
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS
POBLACIONALES CON DESVIACIONES TPICAS POBLACIONALES CONOCIDAS O NO.
8.- Un instituto de investigaciones agronmicas siembra, en cinco parcelas diferentes,
dos tipos de maz hbrido. Las producciones en quintales mtricos por hectrea son:
1 2 3 4 5
Hbrido I 90 85 95 76 80
Hbrido II 84 87 90 92 90
a) Construir un intervalo de confianza para el cociente de varianzas con un error de
significacin de 0,10.
b) Construir un intervalo de confianza del 90% para la diferencia entre las
producciones medias.
Solucin:
a) Sea la variable aleatoria X
1
= 'produccin de maz del hbrido I', que sigue una
distribucin normal ) , ( N
1 1
. Anlogamente, la variable aleatoria X
2
= 'produccin de
maz del hbrido II', sigue una distribucin normal ) , ( N
2 2
.
Al construir un intervalo de confianza para el cociente de varianzas podremos
concluir si las varianzas poblacionales desconocidas son o no distintas.
De modo que, si el intervalo de confianza para el cociente de varianzas ) (
2
2
2
1
cubre
al punto 1 podremos partir de que las varianzas son desconocidas pero iguales.
) 1
1
n ( , ) 1
2
n ( ; 2
) 1
2
n ( , ) 1
1
n ( ; 2 1
) 1
2
n ( , ) 1
1
n ( ; 2 1
2
2
2
1
) 1
2
n ( , ) 1
1
n ( ; 2
2
2
2
1
2
2
2
1 1
F
1
F donde
F
s s
;
F
s s
) ( I

=
=
En nuestro caso,
1565 , 0 3883 , 6 1 F 1 F 3883 , 6 F
05 , 0 2 10 , 0 90 , 0 1 89 , 5 8 , 9 7 , 57 s s
5 n 8 , 9 s 6 , 88 x
5 n 7 , 57 s 20 , 85 x
4 , 4 ; 05 , 0 4 , 4 ; 95 , 0 4 , 4 ; 05 , 0
2
2
2
1
2
2
2 2
1
2
1 1
= = = =
= = = = =
= = =
= = =
[ ]
[ ] = =
=
=
=
1 90 , 0 64 , 37 92 , 0 P 64 , 37 ; 92 , 0 ) ( I
64 , 37 ; 92 , 0
1565 , 0
89 , 5
;
3883 , 6
89 , 5
) ( I
2
2
2
1
2
2
2
1 90 , 0
2
2
2
1 90 , 0
El intervalo cubre el uno, y concluimos que las varianzas poblacionales son desconocidas
e iguales, con una fiabilidad del 90%.
b) Nos situamos ante un intervalo de confianza para la diferencia de medias
poblacionales ) (
2 1
con varianzas poblacionales desconocidas pero iguales, con
muestras pequeas 30 10 n n
2 1
< = + .
+ =
+
2 1
p ) 2
2
n
1
n ( , 2 2 1 1
n
1
n
1
s t ) y x ( ) ( I
donde,
2
p
s media ponderada de las cuasivarianzas muestrales:
81 , 5 s 75 , 33
2 5 5
) 8 , 9 ( 4 ) 7 , 57 ( 4
s
2 n n
s ) 1 n ( s ) 1 n (
s
p
2
p
2 1
2
2
2
2
1
1
2
p
= =
+
+
=
+
+
= a
860 , 1 t t 05 , 0 2 10 , 0 90 , 0 1
5 n n 6 , 88 x 20 , 85 x
8 ; 05 , 0 ) 2
2
n
1
n ( , 2
2 1 2 1
= = = = =
= = = =
+
[ ]
[ ] [ ] 90 , 0 43 , 3 23 , 10 P 43 , 3 ; 23 , 10 ) ( I
43 , 3 ; 23 , 10
5
1
5
1
) 81 , 5 ( ) 860 , 1 ( ) 6 , 88 20 , 85 ( ) ( I
2 1 2 1 90 , 0
2 1 90 , 0
= =
=
+ =
a
El intervalo de confianza cubre el cero, por lo que no existe diferencia significativa
entre las producciones medias, con una fiabilidad del 90%.
CLCULO DE UN INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE DATOS APAREADOS.
9.- Un equipo de investigacin biolgica est interesado en ver si una nueva droga
reduce el colesterol en la sangre. Con tal fin toma una muestra de diez pacientes y
determina el contenido de colesterol en la sangre antes y despus del tratamiento. Los
datos muestrales expresados en miligramos por 100 mililitros son los siguientes:
Paciente 1 2 3 4 5 6 7 8 9 10
Antes 217 252 229 200 209 213 215 260 232 216
Despus 209 241 230 208 206 211 209 228 224 203
Construir un intervalo de confianza del 95 por 100 para la diferencia del contenido
medio de colesterol en la sangre antes y despus del tratamiento.
Solucin.-
Se trata de datos apareados, en los que no existe independencia entre las muestras.
En este caso, como la muestra es pequea ) 30 10 n ( < = el intervalo de confianza es:

1 n
) d d (
s
n
d
d y x d
n
s
t d ) ( I
n
1 i
2
i
2
d
n
1 i
i
i i i
d
) 1 n ( , 2 2 1 1

= =
=
=

donde d es la media de las diferencias y
d
s la desviacin estndar de estas diferencias.
X = Antes 217 252 229 200 209 213 215 260 232 216
Y = Despus 209 241 230 208 206 211 209 228 224 203
i i i
y x d =
8 11 - 1 - 8 3 2 6 32 8 13
262 , 2 t t 025 , 0 2 05 , 0 95 , 0 1
10 n 59 , 10 s 1481 , 112 s 40 , 7 d
9 ; 025 , 0 ) 1 n ( ; 2
d
2
d
= = = = =
= = = =

[ ] 97 , 14 ; 17 , 0
10
59 , 10
) 262 , 2 ( 40 , 7 ) ( I
2 1 95 , 0
=
=
El intervalo abarca el cero, por lo que no existe diferencia significativa en la diferencia
del contenido medio del colesterol antes y despus del tratamiento, con una fiabilidad
del 95%.
Contraste de Hiptesis
CONTRASTE DE HIPTESIS
RELACIN: INTERVALOS CONFIANZA - CONTRASTE HIPTESIS
Intervalo de confianza para la media de una distribucin
normal ) , ( N de varianza conocida:
}
n
z x
n
z x
n
z
n
z x
n
z x
n
z x ) ( I
2
2 2
2 2
muestral
error
2
muestral
media
1

48 47 6
Hiptesis sobre la media de una poblacin con
2
conocida : REGIN DE RECHAZO
0 0
: H =
0 1
: H

> =

n
z x R
2 / 0
bilateral (compuesta)

0 0
: H =
0 1 1
: H >

> =

n
z x R
0
unilateral (simple)

0 0
: H =
0 1 1
: H <
}

< =

=
n
z x R
1
1
z z
0
unilateral (simple)
Intervalo de confianza para la media de una distribucin normal
) , ( N de varianza desconocida con muestras pequeas 30 n
}
=
=

1 n
t x
n
s
t x ) ( I
x
) 1 n ( ,
2
1 n
2
x
n
2
x
s
2
x
s ) 1 n (
2
x
n
muestral
error
x
) 1 n ( ,
2
muestral
media
1
4 43 4 42 1
48 47 6
4 48 4 47 6
n
s
t x
n
s
t
n
s
t x
n
s
t x
x
) 1 n ( ,
2
x
) 1 n ( ,
2
x
) 1 n ( ,
2
x
) 1 n ( ,
2

+
n
s
t x
x
) 1 n ( ,
2

Hiptesis sobre la media de una poblacin con
2
desconocida : REGIN DE RECHAZO

0 0
: H =
0 1
: H
> =

n
s
t x R
x
) 1 n ( ; 2 / 0

0 0
: H =
0 1 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
unilateral (simple)

0 0
: H =
0 1 1
: H <
}
< =

=
n
s
t x R
x
) 1 n ( ; 1
n ; 1
t
n ;
t
0
unilateral (simple)
Intervalo de confianza para la diferencia de medias ) (
2 1
de dos distribuciones
normales ) , ( N
1 1
, ) , ( N
2 2
con varianzas poblacionales conocidas:
=

4 4 8 4 4 7 6
48 47 6
muestral
error
2
2
2
1
2
1
2
muestral
diferencia
2 1 1
n n
z ) y x ( ) ( I
de donde,
2
2
2
1
2
1
2
2 1
2
2
2
1
2
1
2
2 1
2
2
2
1
2
1
2
n n
z ) ( ) y x (
n n
z ) y x ( ) (
n n
z ) y x (

Contraste de igualdad de medias de dos poblaciones normales con varianzas conocidas:
REGIN DE RECHAZO

2 1 0
: H =
> =

2
2
2
1
2
1
2
n n
z 0 ) y x ( R bilateral
k : H
2 1 0
=
> =

2
2
2
1
2
1
2 /
n n
z k y x R bilateral
k : H
2 1 0

> =

2
2
2
1
2
1
n n
z k y x R unilateral
k : H
2 1 0

< =

2
2
2
1
2
1
1
n n
z k y x R unilateral

2 1 0
: H
> =

2
2
2
1
2
1
n n
z y x R unilateral

2 1 0
: H
}
> =

=
2
2
2
1
2
1
1
1
z z
n n
z y x R unilateral
CONTRASTE HIPTESIS
Contraste de la media de una poblacin normal ) , ( N con varianza
2
conocida:
a) CONTRASTE BILATERAL o DE DOS COLAS
Hiptesis nula:
0 0
: H = Hiptesis alternativa:
0 1
: H
Como la hiptesis alternativa es
0
en la decisin que hayamos de tomar debern
ser vlidos los valores de mayores o menores que
0
, por lo cual el contraste debe
ser bilateral o de dos colas.
Regla de decisin
>
) chazo Re gin (Re H nula hiptesis la rechaza se k x Si

) Aceptacin gin (Re H nula hiptesis la acepta se k x Si
0
0
De otra parte, en la distribucin del muestreo

n
, N x , que bajo la hiptesis nula

n
, N x
0
, con lo que la variable
n
x
0

es N(0, 1).
El valor crtico k se calcula mediante el error de significacin :
[ ] =
>

> = = K
n
x
P
n
, N / k x P cierta es H / H chazar Re P
0
0 0 0
2 2
K
n
x
P K
n
x
P K
n
x
K
n
x
P
) 1 , 0 ( N simetra
0 0 0 0

+
>
<
>
<

=
8 7 6
La regin crtica ser

> = >

n
z x R z
n
x
2 0 2
0
En otras palabras,
Se acepta
0
H si
2
0
z
n
x

Se rechaza
0
H si
2
0
z
n
x
>

b) CONTRASTE UNILATERAL o DE UNA COLA
Hiptesis nula:
0 0
: H = Hiptesis alternativa:
0 1 1
: H >
0 1
> en la decisin que hayamos de tomar solo son
vlidos los valores de
1
mayores que
0
, por lo cual el contraste debe ser unilateral o
de una cola.
Regla de decisin
>
) chazo Re gin (Re H nula hiptesis la rechaza se k x Si

) Aceptacin gin (Re H nula hiptesis la acepta se k x Si
0
0
De otra parte, en la distribucin del muestreo

n
, N x
Bajo la hiptesis nula:

n
, N x
0
Bajo la hiptesis alternativa:

n
, N x
1
Para hallar el valor crtico K recurrimos al Error Tipo I:
[ ] [ ]

>

> = = = K
n
x
P
n
, N / k x P cierta es H / H chazar Re P I ET P
0
0 0 0
La regin crtica ser

> = >

n
z x R z
n
x
0
0
En otras palabras,
Se acepta
0
H si

z
n
x
0
Se rechaza
0
H si
>

z
n
x
0
Contraste de igualdad de medias de dos poblaciones normales con varianzas
conocidas
a) CONTRASTE BILATERAL o DE DOS COLAS
Hiptesis nula: 0 : H
2 1 0
= Hiptesis alternativa: 0 : H
2 1 1

La regla de decisin ser:
>

) RC ( H rechaza se k y x Si
) RA ( H rechaza se no k y x Si
0
0
a
a
La regin crtica de dos colas k y x > es funcin de la diferencia de las medias
muestrales. En esta lnea, las distribuciones en el muestreo de las medias son:

1
1
1
n
, N x ,

2
2
2
n
, N y , con lo cual, la diferencia de medias muestrales,
bajo la hiptesis nula 0 : H
2 1 0
= , se distribuye:

2
2
2
1
2
1
n n
, 0 N y x
El valor crtico k se determina mediante el error tipo I:
[ ] = = > = = = 0 : H / k y x P ) cierta H H chazar (Re P ) I ET ( P
2 1 0 0 0
=
>
+

= K
) n ( ) n (
0 ) y x (
P
2
2
2 1
2
1

=
>
+

<
+

= K
) n ( ) n (
y x
K
) n ( ) n (
y x
P
2
2
2 1
2
1 2
2
2 1
2
1

2 2
K
) n ( ) n (
y x
P K
) n ( ) n (
y x
P
2
2
2 1
2
1 2
2
2 1
2
1
>
+

+
<
+

=
(simetra)
La regin crtica es

2
2
2
2 1
2
1
z
) n ( ) n (
y x
>
+

a
> =

2
2
2
1
2
1
2
n n
z ) y x ( R
En otras palabras, se acepta la hiptesis nula
0
H si:
{
terico
o estadstic
2
observado
o estadstic
2
2
2 1
2
1
z
) n ( ) n (
y x
+

4 4 4 4 3 4 4 4 4 2 1
se rechaza la hiptesis nula
0
H si:
{
terico
o estadstic
2
observado
o estadstic
2
2
2 1
2
1
z
) n ( ) n (
y x
>
+

4 4 4 4 3 4 4 4 4 2 1
b) CONTRASTE UNILATERAL o DE UNA COLA
Hiptesis nula:
o 2 1 0
K : H = Hiptesis alternativa:
o 2 1 1
K : H >
>

) RC ( H rechaza se k ) y x ( Si
) RA ( H rechaza se no k ) y x ( Si
0
0
a
a
La regin crtica de una cola k ) y x ( > es funcin de la diferencia de las medias

1
1
1
n
, N x ,

2
2
2
n

2
2
2
1
2
1
2 1
n n
, ) ( N y x , bajo la hiptesis nula
o 2 1 0
K : H = ,

2
2
2
1
2
1
o
n n
, K N y x
El valor crtico K se determina mediante el nivel de significacin :
[ ] = = > = = =
o 2 1 0 0 0
K : H / k ) y x ( P ) cierta H H chazar (Re P ) I ET ( P
+

> =
+

>
+

=
) n ( ) n (
K k
z P
) n ( ) n (
K k
) n ( ) n (
K ) y x (
P
2
2
2 1
2
1
o
2
2
2 1
2
1
o
2
2
2 1
2
1
o
con lo cual, el valor crtico se despeja
=
+

z
) n ( ) n (
K k
2
2
2 1
2
1
o
.
Comprobando despus si se verifica o no la evidencia emprica k ) y x ( >
De otra parte, la regin crtica
>
+

z
) n ( ) n (
K ) y x (
2
2
2 1
2
1
o
por tanto, la regin de rechazo:
+ > =

) n ( ) n ( z K ) y x ( R
2
2
2 1
2
1 o
CLCULO DEL ERROR TIPO I, DEL TIPO II Y POTENCIA, DADAS LAS HIPTESIS SIMPLES
) Contraste Potencia ( falsa siendo H nula hiptesis la rechazar de ad probabilid
) II Tipo Error ( falsa siendo H nula hiptesis la aceptar de ad probabilid
) I Tipo Error ( cierta siendo H nula hiptesis la rechazar de ad probabilid
0
0
0
1
Los errores estn relacionados, al disminuir el uno aumenta el otro:

1 ) I Tipo Error ( H siempre chazar Re 0 ) II Tipo Error (
1 ) II Tipo Error ( H siempre chazar Re 0 ) I Tipo Error (
P P
P P
0
1
= = = =
= = = =

a
a
Un contraste debera buscar simultneamente el nivel de significacin ms bajo
posible y la potencia 1 ms alta posible.
Fijado el nivel de significacin, se determina la regin de rechazo cuya potencia es
mayor entre todos los contrastes cuyo tamao sea el fijado a priori.
La nica posibilidad para conseguir que un contraste mejore su potencia 1 , sin
aumentar el nivel de significacin , es incrementar el tamao de la muestra.
Al aumentar el tamao de la muestra, vara la ley de distribucin del estadstico de
contraste, y generalmente disminuye la varianza. Generalmente, las propiedades del
contraste mejoran.
Antes de la universalizacin del ordenador se utilizaban como ms representativos los
valores del 1%, 5%, y 10%. La metodologa ms razonable es tomar un nivel de
significacin de acuerdo con la experiencia y despus obtener el llamado p-valor.
<
0
0
0
H rechaza Se valor p
H acepta Se valor p
. actual muestra la con H nula hiptesis la rechazara se todava que el
para , escoger puede se que posible pequeo ms in significac de nivel
Si
Si
valor p
a
a
El p-valor es el menor que permite aceptar la hiptesis alternativa
1
H .
El p-valor tiene la ventaja de permitir que se decida que hiptesis se acepta, esto no es
posible cuando se indica slo el resultado del contraste (si se acepta o se rechaza
0
H
con un fijo.
En otras palabras, los CRITERIOS GENERALES para los CONTRASTES:
Calcular una cantidad experimental
exp
Q a partir de los datos
Calcular una cantidad terica
Q a partir de las tablas

Si <

Q Q
exp
Se acepta
0
H Si

Q Q
exp
Se rechaza
0
H
EL NIVEL MNIMO DE SIGNIFICACIN (P-valor) es el error de la primera
regin crtica de rechazo. Es decir, el rea que deja a la derecha la cantidad
experimental
exp
Q
CLCULO DEL NIVEL DE SIGNIFICACIN. POTENCIA DEL CONTRASTE.
1. - La edicin de un libro se considera buena si el nmero medio de erratas por pgina
no supera el 0,1 (
0
H ). Dadas las pruebas de imprenta, se eligen 10 pginas al azar, y se
rechazan las pruebas si se observan 2 ms erratas. Se supone que el nmero de
erratas por pgina sigue una distribucin de Poisson.
Qu nivel de significacin tiene el contraste? Con qu probabilidad se aceptara un
libro si realmente tiene una media de 0,2 erratas por pgina?
Solucin:
Se tiene una muestra aleatoria ) X , , X , X (
n 2 1
L , de tamao 10, donde X = nmero de
erratas por pgina, con ). ( P X
Nos interesa el nmero medio de erratas por pgina = = ) pgina por erratas Nmero ( E
. ) X ( E = =
La regin de rechazo de la hiptesis nula:
{ }

= =

=
10
1 i
i
2 X 2 pginas diez en erratas de total Nmero R
El nivel de significacin:
=

=
1 , 0 : H 2 X P
0
10
1 i
i
Considerando que se verifica la hiptesis nula ( 1 , 0 : H
0
= ), tenemos que
) 1 1 , 0 . 10 ( P X
10
1 i
i
= =
=
, con lo cual:
[ ] 2642 , 0 3679 , 0 3679 , 0 1
) 1 X ( P ) 0 X ( P 1 2 X P 1 1 2 X P
10
1 i
10
1 i
i 1 i 1
10
1 i
i 1
10
1 i
i
= + =
=
= + = =
< =
= =

= =
= =
=
=
=
Por otra parte, un libro que tiene generalmente una media de 0,2 erratas por pgina, es
un libro para el que 2 , 0 = , con lo que ) 2 2 , 0 . 10 ( P X
10
1 i
i
= =
=
, por tanto la
probabilidad de aceptar un libro en estas condiciones es:
4060 , 0 2707 , 0 1353 , 0 ) 1 X ( P ) 0 X ( P 2 1 X P
10
1 i
10
1 i
i 2 i 2
10
1 i
i
= + =
= + = =
=

= =
= =
=
CLCULO DEL NIVEL DE SIGNIFICACIN. POTENCIA DEL CONTRASTE.
2.- En una piscifactora se desea contrastar la hiptesis nula de que el porcentaje de
peces adultos que miden menos de 20 cm es, como mximo, del 10%. Para ello, se toma
una muestra de 7 peces, rechazando la hiptesis nula si se encuentra ms de un pez con
longitud inferior a 20 cm. Se pide:
1. Nivel de significacin del contraste.
2. Calcular la potencia del contraste si en realidad hay un 20% de peces que miden
menos de 20 cm.
Solucin:
1) Sea el parmetro p = Proporcin de peces adultos que miden menos de 20 cm, en
una muestra aleatoria ) X , , X , X (
7 2 1
L , con ) p , 1 ( B X
La regin de rechazo de la hiptesis nula:
{ } 1 7 entre , cm 20 a erior inf longitud con peces de Nmero R > =
Considerando que se verifica la hiptesis nula ( 1 , 0 p : H
0
= ), tenemos que la muestra
sigue una distribucin binomial ) 1 , 0 p , 7 n ( B = = , con que el nivel de significacin:
[ ] [ ]
[ ] [ ] ( ) [ ] 1497 , 0 3720 , 0 4783 , 0 1 1 ) 1 , 0 p , 7 n ( B P 0 ) 1 , 0 p , 7 n ( B P 1
1 ) 1 , 0 p , 7 n ( B P 1 1 ) 1 , 0 p , 7 n ( B P
= + = = = = + = = = =
= = = = > = = =
2) ) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia
1 0 0 0
=
La potencia del contraste, cuando 20 , 0 p = , donde la muestra sigue una distribucin
binomial ) 2 , 0 p , 7 n ( B = = , viene dada por:
[ ] [ ]
[ ] [ ] ( ) [ ] 4233 , 0 3670 , 0 2097 , 0 1 1 ) 2 , 0 p , 7 n ( B P 0 ) 2 , 0 p , 7 n ( B P 1
1 ) 2 , 0 p , 7 n ( B P 1 1 ) 2 , 0 p , 7 n ( B P o P
= + = = = = + = = = =
= = = = > = = =
CLCULO DEL ERROR TIPO I, DEL TIPO II Y POTENCIA.
3.- Sea una variable aleatoria X procedente de una poblacin con densidad de
probabilidad ). 5 , ( N Efectuadas dos hiptesis sobre el valor de
15 : H 12 : H
1 1 0 0
= = = =
mediante un muestreo aleatorio simple de tamao 25, se contrasta la hiptesis
0
H
respecto de la hiptesis
1
H , establecindose que si la media muestral es menor que 14
se aceptara la hiptesis nula. Determinar:
a) La probabilidad de cometer el error tipo I
b) La probabilidad de cometer el error tipo II
c) La potencia del contraste
Solucin:
Sea la variable aleatoria X ) 5 , ( N
Las hiptesis sobre la media poblacional (contraste unilateral):
15 : H
12 : H
1 1
0 0
=
=
Regla de decisin
<
.) C . R ( crtica regin H acepta se no 14 x
.) A . R ( aceptacin regin H acepta se 14 x
0
0
La distribucin de la media muestral x , de tamao 25, con la varianza poblacional
25
2
= conocida:
) 1 , 15 ( N )
25
5
, 15 ( N )
n
, ( N x : H
) 1 , 12 ( N )
25
5
, 12 ( N )
n
, ( N x : H
1 1
0 0
= =

= =

a) Error Tipo I: ) cierta H / H chazar (Re P ) I ET ( P
0 0
= =
0228 , 0 ) 2 z ( P )
1
12 14
z ( P ) 12 : H 14 x ( P ) I ET ( P
0 0
= =
= = = =
0
H se rechaza cuando es cierta el 2,28% de los casos
b) Error Tipo II: ) falsa H / H Aceptar ( P ) II ET ( P
0 0
= =
1587 , 0 ) 1 z ( P ) 1 z ( P )
1
15 14
z ( P ) 15 : H 14 x ( P ) II ET ( P
1 1
= > = < =
< = = < = =
0
H se acepta cuando es falsa el 15,87% de los casos
c) Potencia del Contraste: = = 1 ) falsa H H chazar (Re P Potencia
0 0
8413 , 0 1587 , 0 1 ) falsa H H chazar (Re P 1
0 0
= = =
0
H se rechaza cuando es falsa el 84,13% de los casos
Resaltar que es ms grave cometer un Error Tipo I ) ( que un Error Tipo II ) ( .
4.- Las latas de mejillones de una determinada marca indican que el peso escurrido de
dicho producto es de 250 gr. No obstante, un consumidor est convencido de que el
peso escurrido medio de dicho producto es menor que el que indican las latas. Si el peso
escurrido sigue una ley normal con desviacin tpica 9 gr.
a) Determinar, si existe, la mejor regin crtica para contrastar la mejor regin
crtica, con un nivel de significacin del 5% y muestras aleatorias simples de
tamao 100.
b) Tomar una decisin acerca del rechazo o no de la hiptesis nula a partir de una
muestra aleatoria simple de tamao 100 en la cual se ha observado un peso
escurrido promedio de 245 gr.
c) Determinar la funcin de potencia del contraste.
Solucin:
a) Sea la variable aleatoria X = "peso escurrido de las latas de mejillones"
Se trata de un contraste unilateral:
250 : H
0
= 250 : H
1
<
La regla de decisin del muestreo:
>
.) C . R ( H rechaza se k x
.) A . R ( H acepta se k x
0
0
La variable aleatoria X en el muestreo, bajo la hiptesis nula, sigue una distribucin

100
9
, 250 N
El valor crtico k, bajo la hiptesis nula, se determina con el nivel de significacin :
[ ] 05 , 0
9 , 0
250 k
z P
9 , 0
250 k
9 , 0
250 x
P ) 9 , 0 ; 250 ( N / k x P
) cierta H / k x ( P ) cierta H / H chazar (Re P ) I ET ( P
0 0 0
=
= =
= = = =
observando las tablas de la N(0,1), y considerando que

=
1
z z , se tiene:
52 , 248 k 96 , 1
9 , 0
250 k
= =
a
La regin crtica ms potente, para muestras de tamao 100, es 52 , 248 x
b) Dado que 52 , 248 245 x < = , el peso
escurrido promedio se encuentra en la
regin de rechazo de la hiptesis nula.
c) La funcin potencia del contraste se establece como:
=
= =
9 , 0
52 , 248
9 , 0
x
P )
100
9
; ( N / k x P ) 52 , 248 x ( P ) ( P

250
9 , 0
52 , 248
z P

=
5.- Sea una variable aleatoria X procedente de una poblacin con densidad de
probabilidad ). 4 , ( N Se quiere contrastar la hiptesis nula 10 : H
0 0
= = frente a
la hiptesis alternativa 12 : H
1 1
= = , con un nivel de significacin 05 , 0 = , con un
muestreo simple de tamao 25.
Determinar:
a) La probabilidad de cometer el error tipo II
b) La potencia del contraste
Solucin:
12 : H
10 : H
1 1
0 0
=
=
Regla de decisin
>
.) C . R ( crtica regin H acepta se no k x

.) A . R ( aceptacin regin H acepta se k x
0
0
a
a
16
2
= conocida:
) 8 , 0 ; 12 ( N )
25
4
, 12 ( N )
n
, ( N x : H
) 8 , 0 ; 10 ( N )
25
4
, 10 ( N )
n
, ( N x : H
1 1
0 0
= =

= =

a) Para hallar el valor crtico 'k' recurrimos al Error Tipo I:
05 , 0 ) cierta H / H chazar (Re P ) I ET ( P
0 0
= = =
05 , 0 )
8 , 0
10 k
z ( P
) 10 : H k x ( P ) I ET ( P
0 0
=
> =
= = > = =
316 , 11 K 645 , 1
8 , 0
10 k
= =
Error Tipo II: ) falsa H / H Aceptar ( P ) II ET ( P
0 0
= =
= =
= = = = ) 855 , 0 z ( P )
8 , 0
12 316 , 11
z ( P ) 12 : H 316 , 11 x ( P ) II ET ( P
1 1
1963 , 0 ) 855 , 0 z ( P = =
b) Potencia del Contraste: = = 1 ) falsa H H chazar (Re P Potencia
0 0
0 0
= = =
6.- Un agricultor sabe que el peso en kg. de las patatas sigue una distribucin ) 1 , ( N .
Una muestra de patatas dio un peso medio de 330 gramos. Con la muestra se realiz un
contraste, con un nivel de significacin del 5% y una potencia de 0,6406, en el que la
hiptesis nula era 4 , 0 = Kg y la alternativa 3 , 0 = Kg. Se pide:
a) Cul es el tamao de la muestra utilizada por el agricultor?.
b) Qu hiptesis fue aceptada
Solucin:
a) Sea la variable aleatoria X = 'peso en kg. de las patatas". ) 1 ; ( N X
Hiptesis sobre :
=
=
3 , 0 : H
4 , 0 : H
1 1
0 0
Regla de decisin:
>
0
0
H chazo Re : C . R k x Si
H Acepto : A . R k x Si
a
a
La distribucin de la media muestral, bajo la hiptesis nula, sigue una ley
n
1
; 4 , 0 N
A partir del nivel de significacin, se tiene:
= = = = = ) 4 , 0 k x ( P ) cierta H k x ( P ) cierta H H chazar (Re P
0 0 0
05 , 0
n 1
4 , 0 k
n 1
4 , 0 x
P =
= 64 , 1
n 1
4 , 0 k
) 1 ; 0 ( N
=

Por otro lado, como la potencia del contraste es 0,6406:
) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia
1 0 0 0
=
La media muestral, bajo la hiptesis alternativa, sigue una ley
n
1
; 3 , 0 N , con lo cual,
36 , 0
n 1
3 , 0 k
3594 , 0
n 1
3 , 0 k
z P
n 1
3 , 0 k
n 1
3 , 0 x
P Potencia
) 1 ; 0 ( N
=

> =
=
Resolviendo el sistema:
=
= =
=
n
36 , 0
3 , 0 k
400 n 1 , 0 2 n
n
64 , 1
4 , 0 k
a
Con el tamao muestral 400 n = , es decir, el tamao de la muestra de patatas utilizada
por el agricultor es de 400 patatas.
Se determina el valor crtico k: 318 , 0 k 64 , 1
400 1
4 , 0 k
= =
b) La regin crtica es de la forma 318 , 0 x , lo que significa que se rechazar la

hiptesis nula cuando el peso medio de la muestra de patatas sea igual o inferior a 318
gramos. En consecuencia, se acepta la hiptesis nula de que el peso medio de las patatas
es de 400 gramos.
CONTRASTE UNILATERAL DE LA PROPORCIN. HIPTESIS SIMPLES.
7.- Un laboratorio farmacutico quiere lanzar un nuevo medicamento para la
hipertensin, llamado Hipotensil. El director de dicho laboratorio cree que la eficacia
del medicamento sera de un 95%, medida sta como la proporcin de pacientes a los
que se les suministra y que experimentan una mejora. Sin embargo, el inspector de
sanidad del Ministerio no es tan optimista y opina que la eficacia es slo del 85%. Para
analizar la eficacia del medicamento antes de su comercializacin, se selecciona una
muestra aleatoria de 500 pacientes, a los que se les administra Hipotensil, de los cuales
mejoran 467. Tiene razn el director del laboratorio?.
Suponga un nivel de significacin del 5%.
Solucin:
Sea la variable aleatoria X =eficacia Hipotensil ) p , 1 ( B
Las hiptesis sobre la proporcin (contraste unilateral):
85 , 0 p : H
95 , 0 p : H
1 1
0 0
=
=
Regla de decisin para el valor crtico k
>
.) C . R ( H rechaza Se k p
.) A . R ( H rechaza se No k p
0
0
La distribucin en el muestreo del estadstico
}
=

=
n
q . p
, p N
n
x
p
. L . C . T
n
1 i
i
, en
consecuencia:
Bajo la hiptesis ) 00974 , 0 ; 95 , 0 ( N
500
05 , 0 . 95 , 0
; 95 , 0 N p
: H
0 0
=
Bajo la hiptesis ) 01597 , 0 ; 85 , 0 ( N

500
15 , 0 . 85 , 0
; 85 , 0 N p
: H
1 1
=
Se determina el valor crtico k a partir del nivel de significacin :

05 , 0 )
00974 , 0
k 95 , 0
z ( P
05 , 0 )
00974 , 0
95 , 0 k
z ( P ) k p
( P ) cierta H H chazar (Re P ) I ET ( P

0 0
=
=
=
= = = =
Observando en las tablas de la normal ), 1 ; 0 ( N resulta:
9339 , 0 ) 645 , 1 . 00974 , 0 ( 95 , 0 k 645 , 1
00974 , 0
k 95 , 0
= = =
Comparando el valor crtico 9339 , 0 k = con el valor del estadstico muestral p
(evidencia emprica), 934 , 0

500
467
p
= = , se tiene:
9339 , 0 934 , 0 p
> = , por lo que no existe evidencia emprica suficiente para rechazar la

hiptesis
0
H . Es decir, se acepta la hiptesis
0
H concluyendo que el Hipotensil es
eficaz en un 95% de los casos.
8.- Se trata de determinar si en una ciudad el 20% o el 30% de las familias dispone de
lavavajillas; para dilucidarlo se toma al azar una muestra de 400 familias de la
mencionada ciudad y se adopta el criterio de si en la muestra hay menos de 100 familias
con lavavajillas, se rechaza que el 20% de las familias poseen el mencionado
electrodomstico. Se pide:
a) Nivel de significacin del test.
b) Potencia del test.
Solucin:
a) Sea el parmetro p = "proporcin de familias con lavavajillas"
Al realizar un contraste sobre una proporcin, partimos de una muestra aleatoria
) X , , X , X (
n 2 1
L de tamao 400 n = , donde ) p ; 1 ( B X .
Para calcular la probabilidad interesa conocer la distribucin del parmetro muestral
n
x
p
n
1 i
i
=
= donde
=
as lavavajill tiene no familia la si 0
as lavavajill tiene familia la si 1
x
i
Al ser el tamao suficientemente grande (N = 400) y estar definido p como suma de
variables independientes segn una distribucin de Bernouilli ) p ; 1 ( B , se puede
aproximar la distribucin muestral de p como :

}
= =

=
n
q . p
, p N
n
x
p x
. L . C . T
n
1 i
i
En el contraste: La hiptesis nula 2 , 0 p : H
0
= y la hiptesis alternativa 3 , 0 p : H
1

Por el lema de Neyman-Pearson, la regla de decisin del muestreo ( 25 , 0
400
100
p = = ):
>
.) C . R ( H rechaza se 25 , 0 p
.) A . R ( H acepta se 25 , 0 p
0
0
Con la hiptesis nula 2 , 0 p : H
0
= : ) 02 , 0 ; 2 , 0 ( N
400
8 , 0 . 2 , 0
, 2 , 0 N p =
=
El nivel de significacin , bajo la hiptesis nula, se determina, mediante el valor
crtico k = 0,25:
{ } [ ] 00621 , 0 5 , 2 z P
02 , 0
2 , 0 25 , 0
02 , 0
2 , 0 p
P ) 02 , 0 ; 2 , 0 ( N / 25 , 0 p P
) cierta H / 25 , 0 p ( P ) cierta H / H chazar (Re P ) I ET ( P
0 0 0
= > =

>
= > =
= > = = =
0 0
0 0
= =
Con la hiptesis alternativa 3 , 0 p : H
1
= : ) 0229 , 0 ; 3 , 0 ( N
400
7 , 0 . 3 , 0
, 3 , 0 N p =
=
[ ] [ ] = =
= = = 1822 , 2 z P
0229 , 0
3 , 0 25 , 0
0229 , 0
3 , 0 p
P ) 0229 , 0 ; 3 , 0 ( N / 25 , 0 p P ) II ET ( P
[ ] 0144 , 0 1822 , 2 z P = =
En consecuencia, 9856 , 0 0144 , 0 1 ) falsa H H chazar (Re P 1 Pot
0 0
= = = =
CONTRASTE UNILATERAL DE LA VARIANZA CON MEDIA POBLACIONAL CONOCIDA.
9.- Las especificaciones de un tipo de bscula aseguran que los errores de los pesajes
siguen una distribucin ). , 0 ( N Se quiere contrastar la afirmacin sobre la dispersin
que es igual a la unidad, frente a una hiptesis alternativa de que es el doble. Para ello
se realizan 5 pesajes en las que el error cometido result ser:
1 0,9 - 0,2 1,4 - 0,7
Para un nivel de significacin del 5% se pide enunciar una regla de decisin (obtener la
regin crtica) e indicar que hiptesis resulta aceptada.
Solucin:
Sea la variable aleatoria X = Errores en el peso ) , 0 ( N X
Hiptesis sobre :
2
=
=
4 : H
1 : H
2
1 1
2
0 0
Regla de decisin:

>
0
2
x
0
2
x
H Acepto : A . R k Si
H chazo Re : C . R k Si
a
a
Por el Lema de Fisher:
2
1 n
2
2
x
2
2
x
s ) 1 n ( n
con lo cual,
}
0
H
2
4
2
1 n
2
0 2
x
5 n
.
=

La determinacin del valor crtico k a partir de (Error Tipo I):
= = > = > = = ) 1 k ( P ) cierta H k ( P ) cierta H H chazar (Re P
2 2
x 0
2
x 0 0
05 , 0 ) k 5 ( P k
5
P
2
4
2
4
= > =
>
= 898 , 1 k 488 , 9 k 5
Pearson
2
Tablas
= =

Comparamos el valor crtico ) 898 , 1 k ( = con la evidencia muestral, siendo:
i
x 1 0,9 - 0,2 1,4 - 0,7
48 , 0 5 x x
i
= =

2
i
x 1 0,81 0,04 1,96 0,49 86 , 0 5 x
2
i
=
6296 , 0 ) 5 x ( ) 5 x (
2
i
2
i
2
x
= =

Como 898 , 1 6296 , O
2
x
< = nos situamos en la regin de
aceptacin (R.A), no pudiendo rechazar la hiptesis de que la
dispersin sea 1, con un nivel de confianza del 95%.
II Mtodo
Regla de decisin
<

=
=
.) A . R ( H acepta se k ) x ( Si
.) C . R ( H rechaza se k ) x ( Si
0
5
1 i
2
i
0
5
1 i
2
i
Para calcular el valor de la constante k, determinando la regin crtica de forma ptima,
se parte del nivel de significacin :
= =

=
cierta H / k ) x ( P ) cierta H / H chazar Re ( P
0
5
1 i
2
i 0 0
El estadstico
=

5
1 i
2
i
) x ( en el muestreo, bajo la hiptesis nula, donde las variables
aleatorias independientes ). , ( N x
0 i
En consecuencia,
0
i
x

sigue una ) 1 , 0 ( N
2
n
n
1 i
2
0
i
x
=
=
Recuerda que
2
n
2
n
2
2
2
1
X X X + + + = L variables aleatorias
N(0, 1) independientes entre si
A partir del nivel de significacin (Error Tipo I):
[ ] 05 , 0 k P cierta H /
k
x
P ) cierta H / H chazar Re ( P
2
5 0
2
0
5
1 i
2
2
0
i
0 0
= =

= =

=
07 , 11 k
2
5 ; 05 , 0
= =
El valor muestral del estadstico 3 , 4 ) 0 x (
5
1 i
2
i
=
=
verifica que
k 07 , 11 3 , 4 ) 0 x (
5
1 i
2
i
= < =
=
, lo que conduce a no rechazar la hiptesis nula de que la
poblacin sigue una ) 1 , 0 ( N , advirtiendo que se halla en la regin de aceptacin.
CONTRASTE UNILATERAL DE LA VARIANZA CON LA MEDIA POBLACIONAL CONOCIDA.
POTENCIA DEL CONTRASTE.
10.- En una poblacin ) , 5 ( N se quiere contrastar la hiptesis nula 2 : H
2
0
2
0
= =
frente a la hiptesis alternativa 3 : H
2
1
2
1
= = , con un nivel de significacin
025 , 0 = , con una muestra aleatoria simple de tamao 10:
5,1 6,2 4 2,8 2,9 5,6 3,7 3,4 2,5 5,2
Hallar la potencia del contraste.
Solucin:
Hiptesis sobre :
2
=
=
3 : H
2 : H
2
1 1
2
0 0

2
0
2
1
>
Regla de decisin
<

=
=
0
10
1 i
2
i
0
10
1 i
2
i
= =

=
cierta H / k ) x ( P ) cierta H / H chazar Re ( P
0
10
1 i
2
i 0 0
El estadstico
=

10
1 i
2
i
aleatorias independientes
i
x siguen una ley ) 2 , 5 ( N .
En consecuencia,
2
5 x
i

sigue una ) 1 , 0 ( N . Por tanto,
2
10
10
1 i
2
i
2
5 x
=
=
(Recuerda que
2
n
2
n
2
2
2
1
X X X + + + = L variables aleatorias N(0, 1) independientes
entre si)
A partir del nivel de significacin (Error Tipo I), calculamos el valor crtico k:
025 , 0
2
k
P
2
k
2
5 x
2
10
10
1 i
2
i
0 0
=

= =
=
966 , 40 k 483 , 20
2
k
2
10 ; 025 , 0
= = =
Por otra parte, el valor muestral del estadstico 6 , 22 ) 5 x (
10
1 i
2
i
=
=
Siendo k 966 , 40 6 , 22 ) 5 x (
10
1 i
2
i
= < =
=
no se rechaza la hiptesis nula de que la
poblacin sigue una ) 2 , 5 ( N .
La potencia del contraste:
) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia 1
1 0 0 0
= =
[ ] 267 , 0 655 , 13 P
3
966 , 40
P cierta H /
k
P 1
2
10
2
10 1
2
1
2
10
= =
=
Abscisas reas
987 , 15 665 , 13
987 , 15 865 , 4
10 , 0 x
10 , 0 90 , 0
267 , 0
122 , 11
80 , 0 . 322 , 2
10 , 0 x = + =
II Mtodo
Hiptesis sobre :
2
=
=
3 : H
2 : H
2
1 1
2
0 0

2
0
2
1
>
Regla de decisin:

>
0
2
x
0
2
x
a
a
2
1 n
2
2
x
2
2
x
s ) 1 n ( n
con lo cual,
n
.
2
1 n
2
0 2
x

En el muestreo, bajo la hiptesis nula 2
2
0
= , con tamao muestral , 10 n = se tiene:
8 7 6
0
H
2
9
2
1 n
2
0 2
x
10
. 2
n
.
=

2 2
x 0
2
x 0 0
025 , 0 ) k 5 ( P k
10
. 2
P
2
9
2
9
= > =
>
= 8046 , 3 k 023 , 19 k 5
Pearson
2
Tablas
= =

a
Comparamos el valor crtico ) 8046 , 3 k ( = con la evidencia muestral 5204 , 1
2
x
=
Como 8046 , 3 5204 , 1
2
x
< = nos situamos en la regin de aceptacin (R.A), aceptando
la hiptesis de que la varianza es 2, con un nivel de confianza del 97,5%.
De otra parte, la potencia del contraste ser:
1 0 0 0
=
En el muestreo, bajo la hiptesis alternativa 3
2
0
= , con tamao muestral , 10 n = se
tiene:
8 7 6
1
H
2
9
2
1 n
2
0 2
x
10
. 3
n
.
=

[ ] 252 , 0 682 , 12 P cierta H / 8046 , 3
10
. 3
P Potencia
2
9 1
2
9
= =
>
=
Abscisas reas
684 , 14 682 , 12
684 , 14 168 , 4
10 , 0 x
10 , 0 90 , 0
252 , 0
516 , 10
80 , 0 . 002 , 2
10 , 0 x = + =
CONTRASTE UNILATERAL DE LA VARIANZA CON MEDIA POBLACIONAL DESCONOCIDA.
POTENCIA DEL CONTRASTE.
11.- En una poblacin con distribucin ) , ( N , con un nivel de significacin del 1%,
para contrastar la hiptesis nula 25 : H
2
0 0
= frente a la hiptesis alternativa
36 : H
2
1 1
= , se toma una muestra aleatoria de tamao 16, con varianza igual a 27.
Hallar la potencia del contraste.
Solucin:
Hiptesis simple sobre :
2
=
=
36 : H
25 : H
2
1 1
2
0 0

2
0
2
1
>
Regla de decisin
<

=
=
.) A . R ( H acepta se k ) x x ( Si
.) C . R ( H rechaza se k ) x x ( Si
0
16
1 i
2
i
0
16
1 i
2
i
Por el Lema de Fisher-Cochran:

2
1 n
2
2
i
2
2
i
2
2
x
2
2
x
) x x (
n
) x x (
n
n s . ) 1 n (
bajo la hiptesis nula, se tiene:

2
15
2
0
16
1 i
2
i
) x x (

=
= =

=
cierta H / k ) x x ( P ) cierta H / H chazar Re ( P
0
16
1 i
2
i 0 0
025 , 0
25
k
P cierta H /
k
) x x (
2
15 0 2
0
2
0
16
1 i
2
i
0 0
=
= =

=
2 , 687 k 488 , 27
25
k
2
15 ; 025 , 0
= = =
Por otra parte, el valor muestral 432 ) x x ( 27
16
) x x (
16
1 i
2
i
16
1 i
2
i
2
x
= =
=
=
Siendo 2 , 687 432 < conduce a no rechazar la hiptesis nula de que la poblacin sigue
una ) 5 , ( N , advirtiendo que se halla en la regin de aceptacin.
La potencia del contraste:
) cierta H / H chazar (Re P ) falsa H / H chazar (Re P Potencia 1
1 0 0 0
= =
[ ] 287 , 0 09 , 19 P
36
2 , 687
P cierta H / k ) x x ( P 1
2
15
2
15 1
16
1 i
2
i
= =
=

=
reas Abscisas
10 , 0 x
10 , 0 90 , 0
307 , 22 09 , 19
307 , 22 547 , 8
287 , 0
76 , 13
80 , 0 . 217 , 3
10 , 0 x = + =
II Mtodo
Hiptesis sobre :
2
=
=
36 : H
25 : H
2
1 1
2
0 0

2
0
2
1
>
Regla de decisin:

>
0
2
x
0
2
x
a
a
2
1 n
2
2
x
2
2
x
s ) 1 n ( n
con lo cual,
n
.
2
1 n
2
0 2
x

En el muestreo, bajo la hiptesis nula 25
2
0
= , con tamao muestral , 16 n = se tiene:
48 47 6
0
H
2
15
2
1 n
2
0 2
x
16
. 25
n
.
=

2 2
x 0
2
x 0 0
01 , 0 ) k
25
16
( P k
16
. 25
P
2
15
2
15
= > =
>
= 778 , 47 k 578 , 30 k
25
16 Pearson
2
= =

a
Comparamos el valor crtico ) 778 , 47 k ( = con la evidencia muestral 27
2
x
=
Como 778 , 47 27
2
x
< = nos situamos en la regin de aceptacin (R.A), aceptando la
hiptesis de que la varianza es 25, con un nivel de confianza del 99%.
De otra parte, la potencia del contraste ser:
1 0 0 0
=
En el muestreo, bajo la hiptesis alternativa 36
2
0
= , con tamao muestral , 16 n = se
tiene:
48 47 6
1
H
2
15
2
1 n
2
0 2
x
16
. 36
n
.
=

[ ] 162 , 0 235 , 21 P cierta H / 778 , 47
16
. 36
P Potencia
2
15 1
2
15
= =
>
=
Abscisas reas
307 , 22 235 , 21
307 , 22 547 , 8
10 , 0 x
10 , 0 90 , 0
162 , 0
76 , 13
80 , 0 . 072 , 1
10 , 0 x = + =
CONTRASTE UNILATERAL DE LA VARIANZA DE UNA POBLACIN CON MEDIA POBLACIONAL
CONOCIDA Y DESCONOCIDA. POTENCIA DEL CONTRASTE.
12.- El retraso de salidas de vuelos sigue un normal ) , ( N . Los responsables de un
aeropuerto afirman que el retraso medio es de 30 minutos con una desviacin tpica de
5 minutos. A pesar de ello, una organizacin de consumidores manifiesta que se muestra
de acuerdo de que los retrasos sigue una ley normal con media 30 minutos, pero que la
desviacin tpica es de 15 minutos. Se pide:
1. Contrastar con un nivel de significacin del 5%, la hiptesis nula
utos min 5 : H
0
= frente a la alternativa utos min 15 : H
1
= , a partir de una
muestra aleatoria simple de vuelos cuyos retrasos se adjuntan:
32,3 36,4 35,2 38,9 39,3 38,4 51,5 36,4
29,3 39,2 43,4 30,2 37,4 42,6 40,1
2. Calcular la potencia del contraste anterior.
3. Cambia la decisin tomada en el apartado (1) si el retraso medio hubiera sido
desconocido?
Solucin:
1. Hiptesis sobre :
2
=
=
225 : H
25 : H
2
1 1
2
0 0

2
0
2
1
>
Las hiptesis nula y alternativa son simples, con media poblacional conocida. El lema de
Neyman-Pearson conduce a la regla de decisin:
Regla de decisin
<

=
=
0
15
1 i
2
i
0
15
1 i
2
i
= = =

=
cierta 25 : H / k ) x ( P ) cierta H / H chazar Re ( P
2
0 0
15
1 i
2
i 0 0
El estadstico
=

15
1 i
2
i
aleatorias independientes
i
x siguen una ley ) 5 , 30 ( N .
En consecuencia,
5
30 x
i

sigue una ) 1 , 0 ( N . Por tanto,
2
15
15
1 i
2
i
25
x
=
=
A partir del nivel de significacin (Error Tipo I):
05 , 0
25
k
P cierta H /
25
k
5
30 x
2
15 0
15
1 i
2
i
0 0
=

= =

=
9 , 624 k 996 , 24
25
k
2
15 ; 05 , 0
= = =
Por otra parte, el valor muestral del estadstico 02 , 1393 ) 30 x (
15
1 i
2
i
=
=
Siendo k 9 , 624 02 , 1393 ) 30 x (
15
1 i
2
i
= > =
=
se rechaza la hiptesis nula, el retraso
medio de la salida de los vuelos no sigue una ) 5 , 30 ( N .
Advirtase que la regin de rechazo de la hiptesis nula:

=

=
2
n ;
2
0
2
n
1 i
i
) x (
R
en este caso,
= =
=

=
996 , 24 72 , 55
25
) 30 x (
R
2
15 ; 05 , 0
2
15
1 i
i
la regin de rechazo se
verifica, con lo que no se acepta la hiptesis nula, esto es, el retraso medio de salida de
los vuelos no sigue una ley normal ) 5 , 30 ( N .
2. La potencia del contraste:
= = = 1 ) cierta 225 : H H chazar (Re P ) falsa H H chazar (Re P Potencia
2
1 1 0 0 0
[ ] 1 777 , 2 P
225
9 , 624
P cierta H /
k
P 1
2
15
2
15 1
2
1
2
15
=
=
3. Como se desconoce el valor de la media poblacional las hiptesis son compuestas, no
pudindose aplicar el lema de Neyman-Pearson.
En consecuencia, para obtener la regin crtica es necesario utilizar el test de razn de
verosimilitud, que conduce a la regla de decisin:
Regla de decisin
<

=
=
.) A . R ( H acepta se k ) x x ( Si
.) C . R ( H rechaza se k ) x x ( Si
0
15
1 i
2
i
0
15
1 i
2
i
Por el Lema de Fisher-Cochran
2
1 n
2
2
x
n
, bajo la hiptesis nula:

2
14
15
1 i
2
i
25
) x x (

=
= = =

=
25 : H / k ) x x ( P ) cierta H / H chazar Re ( P
2
0 0
15
1 i
2
i 0 0
125 , 592 k 685 , 23
25
k
05 , 0
25
k
P
25
k
25
) x x (
P
2
14
15
1 i
2
i
= = =
=

=
De otro lado, el valor muestral 396 , 423 ) x x ( 2264 , 28
15
) x x (
15
1 i
2
i
15
1 i
2
i
2
x
= =
=
=
Siendo k 125 , 592 396 , 423 ) x x (
15
1 i
2
i
= < =
=
no se rechaza la hiptesis nula, por
tanto, se cambia la decisin que se tom en el apartado (1).
Advirtase que la regin de rechazo de la hiptesis nula:
=

=
2
) 1 n ( ;
2
0
2
n
1 i
i
) x x (
R ,
en este caso,
= =
=

=
685 , 23 94 , 16
25
) x x (
R
2
14 ; 05 , 0
2
15
1 i
i
la regin de rechazo no
se verifica, con lo que se acepta la hiptesis nula, esto es, el retraso medio de salida de
los vuelos sigue una ley normal ) 5 , 30 ( N .
CONTRASTE UNILATERAL DE LA MEDIA CON VARIANZA DESCONOCIDA. CALCULAR Y
REPRESENTAR LA FUNCIN DE POTENCIA.
13.- El directorio de uno de los grandes operadores de Internet est considerando la
posibilidad de ofrecer tarifa plana a sus clientes. Segn sus conocimientos sobre el
tema, sabe que est trabajando con una variable aleatoria que se distribuye como una
normal. Mantiene la hiptesis de que los hogares que tienen Internet se conectan con
una media de 5 horas mensuales. No obstante, existen otros estudios que sostienen que
el tiempo de conexin es ms alto. Para evaluar, a un 10% de significacin, dicha
hiptesis, el directorio decide encuestar a una muestra aleatoria de 30 hogares,
obteniendo una media de 5,34 horas de conexin, con una dispersin de 7,24 horas.
a) Formular el contraste a realizar.
b) Determinar la mejor regin crtica del contraste.
c) Se puede rechazar la hiptesis nula?
d) Calcular y representar la funcin de potencia. Qu representa la funcin de
potencia?. Para facilitar los clculos, suponer que el tamao muestral es 300
hogares.
Solucin:
Sea la variable aleatoria X = conexin a Internet por hogares ) , 5 ( N X
a) Las hiptesis sobre la media poblacional con
2
desconocida:
Hiptesis sobre :
>
=
5 : H
5 : H
1 1
0 0
Se trata de un contraste unilateral, siendo
1
H compuesta.
b) Regla de decisin:
>
0
0
a
a
En el muestreo de una poblacin normal con varianza desconocida, y desviacin tpica
muestral
x
, la variable:
1 n
x
t
1 n
x

1 n
t x
x
1 n
+ =

a
c) Determinacin de k a partir del nivel de significacin :
= = > = > = = ) 5 k x ( P ) cierta H k x ( P ) cierta H H chazar (Re P
0 0 0 0
10 , 0
24 , 7
29 . ) 5 k (
t P k
1 30
24 , 7
t 5 P 5 k
1 n
t P
29 1 30 0
x
1 n 0
=

> =
>
+ =
= >
+

En las tablas de la t de Student: 311 , 1 t
29 ; 10 , 0
= , con lo cual,
76 , 6
29
24 , 7 . 311 , 1
5 k 311 , 1
24 , 7
29 . ) 5 k (
= + = =
Comparando k con el valor del estadstico muestral 34 , 5 x

0
=
El valor 76 , 6 34 , 5 x
0
< = , no pudiendo rechazar
0
H , por
lo que tiene razn el Directivo, el tiempo medio de
conexin es de 5 horas.
Alternativamente, con el estadstico de contraste (valor experimental), la regin
de rechazo R viene dada por la expresin:
>
> =

1 n
t x
n
s
t x R
x
) 1 n ( ; 0
x
) 1 n ( ; 0
[ ] 763 , 1 34 , 0
29
24 , 7
311 , 1 5 34 , 5 R
29 ; 10 , 0
t
>
> =
8 7 6
, no cumplindose la regin de
rechazo, no existe evidencia significativa de rechazar la hiptesis
0
H con un nivel de
confianza del 90%.
Una forma anloga de enfocar el problema consistira en aceptar la hiptesis
0
H cuando
el estadstico experimental fuera menor o igual que el estadstico terico, es decir:
Se acepta
0
H cuando se verifica:
8 7 6
4 4 8 4 4 7 6
terico o estadstic
1 n ;
erimental exp o estadstic
x
1 n
t
1 n
x
t

=
En este caso,
29 ; 10 , 0 29
t 311 , 1 2537 , 0
29 24 , 7
5 34 , 5
t = < =
= , se acepta la hiptesis
0
H
d) Potencia = ) falsa H H chazar Re ( P ) 1 (
0 0
=
La hiptesis
1
H es compuesta (existen infinitos valores tal que > 5), se construye una
funcin, es decir:
5 : H
1 1
> 1
Distintos valores
}
) H k x ( P ) falsa H H Aceptar ( P ) cierta H H chazar (Re P ) II ET ( P
1
Decisin
gin Re
0 0 1 1
< = = = =
muestral
x
, la variable:
1 n
x
t
1 n
) x (

=
, siendo la muestra 300 n = , la

distribucin se aproxima a una ) 1 , 0 ( N
{
}
76 , 6 k
30 n x
1
1 n 1
x
1 n 1 1
1 n . ) k (
t P H k
1 n
t P ) H k x ( P
=
>

=

< =
<
+ = < =

< =
x
1
1 n . ) 76 , 6 (
z P , en consecuencia:
5 , 5 : H
1 1
=
[ ] 9986 , 0 3 z P
24 , 7
299 . ) 5 , 5 76 , 6 (
z P
1 n . ) 76 , 6 (
z P
x
1
= < =

< =

< =
6 : H
1 1
=
[ ] 9656 , 0 82 , 1 z P
24 , 7
299 . ) 6 76 , 6 (
z P = < =

< =
7 : H
1 1
=
[ ] 2843 , 0 57 , 0 z P
24 , 7
299 . ) 7 76 , 6 (
z P = < =

< =
8 : H
1 1
=
[ ] 00154 , 0 96 , 2 z P
24 , 7
299 . ) 8 76 , 6 (
z P = < =

< =
5 : H
1 1
> 1
5,5 0,9986 0,0014
6 0,9656 0,0034
7 0,2843 0,7157
8 0,0015 0,9985
A medida que se alejan las hiptesis
0
H y
1
H aumenta la potencia del contraste. Es
decir, cuanto ms alejadas se encuentren las hiptesis para contrastar, mayor ser la
probabilidad de que se rechace
0
H cuando sea falsa, algo deseable (constante y k).
14.- El propietario de un automvil sospecha que su vehculo tiene un consumo medio de
combustible en carretera superior a los 5,6 litros /100 Km., que es lo que el fabricante
indica en su publicidad. Para apoyar empricamente su sospecha observa el consumo
medio en 11 viajes seleccionados aleatoriamente entre todos los que realiza en el ao,
obteniendo los siguientes resultados:
6,1 6,5 5,1 6 5,9 5,2 5,8 5,3 6,2 5,9 6,3
Se pide:
a) Estn fundadas las sospechas del propietario a un nivel de significacin del 1%?
b) En cuntas ocasiones debera observarse el consumo medio para que con un nivel
de confianza del 99% se detectase un consumo medio de 5,9 litros/100 km.?
Solucin:
a) Suponemos que el consumo medio del automvil sigue una distribucin normal
) , ( N , ambos parmetros desconocidos, y mientras el fabricante afirma que
6 , 5 : H
0
= el propietario del vehculo cree que 6 , 5 : H
1
> .
Se trata, pues, de un contraste unilateral, donde
1
H es compuesta.
Regla de decisin:
>
0
0
a
a
En el muestreo de una poblacin normal con varianza desconocida, desviacin tpica
muestral (
x
), cuasidesviacin tpica (
x
s ), la variable:
1 n
x x
t
1 n
x
n s
x
=

=

Bajo la hiptesis nula, con los datos muestrales ( 8454 , 5 x = , 4612 , 0 s
x
= ), el
muestreo sigue una distribucin ) 1390 , 0 ; 6 , 5 ( t
11
4612 , 0
; 6 , 5 t
10 10

El valor crtico k, bajo la hiptesis nula, se calcula a partir del nivel de significacin :
= = > = > = = ) 6 , 5 k x ( P ) cierta H k x ( P ) cierta H H chazar (Re P
0 0 0 0
764 , 2
1390 , 0
6 , 5 k
01 , 0
1390 , 0
6 , 5 k
t P
1390 , 0
6 , 5 k
1390 , 0
6 , 5 x
P
10
=

> =

>
=
de donde, 9842 , 5 k = . Siendo 9842 , 5 8454 , 5 x < = no se puede rechazar la hiptesis
nula
0
H , con lo que se acepta las afirmaciones del fabricante sobre el consumo medio
del automvil.
b) En esta ocasin se plantea la cuestin ) 9 , 5 / k x ( P = >
Donde el tamao muestral es desconocido, y donde el estadstico
10
x
t
n s
9 , 5 x

no sigue
un t-Student con 10 grados de libertad.
Por tanto, recurrimos a la siguiente estrategia:
=
>
+
=
= >
= = > 764 , 2
n s
3 , 0 9 , 5 x
P 9 , 5 / 764 , 2
n s
6 , 5 x
P ) 9 , 5 / k x ( P
x x
99 , 0
n s
3 , 0
764 , 2
n s
9 , 5 x
P 764 , 2
n s
3 , 0
n s
9 , 5 x
P
x x x x
=
>
> +
=
o bien, 01 , 0
n s
3 , 0
764 , 2
n s
9 , 5 x
P
x x
=
Nos encontramos en un punto donde no se pueden utilizar las tablas de la t-Sudent

porque no conocemos el tamao de la muestra. Para ello, suponemos que el tamao es
suficientemente grande para que pueda ser aceptable la aproximacin de la t mediante
la distribucin normal.
Con la aproximacin normal, y con la simetra de la N(0, 1):
327 , 2
n s
3 , 0
764 , 2 01 , 0
n s
3 , 0
764 , 2 z P
x x
= =

2
x
x
3 , 0
s . ) 091 , 5 (
n 091 , 5
n s
3 , 0
= = a
Otra vez en un callejn sin salida, an es necesario conocer la cuasidesviacin tpica de
una muestra sin saber su tamao. Podemos dar una salida, suponiendo que la
cuasidesviacin tpica de esta nueva muestra es igual a la obtenida en la muestra
anterior 4612 , 0 s
x
= . En este caso,
255 , 61
3 , 0
) 4612 , 0 ( . ) 091 , 5 (
n
2
=
=
Para mayor seguridad en el logro de nuestro objetivo, redondeamos con el entero
inmediato superior, esto es, el tamao de la muestra es 62.
CONTRASTE UNILATERAL DE LA MEDIA CON VARIANZA CONOCIDA.
15.- El nmero de averas de un determinado tipo de avin se considera una variable
aleatoria con distribucin de Poisson de media 2 averas al mes. El equipo de
mantenimiento intenta reducir esta media incorporando algunas mejoras. Para
comprobar si con estas medidas se reduce el nmero medio de averas, se decide
observar el nmero medio de averas en los 25 meses siguientes a la introduccin de las
mejoras. Si el nmero medio de averas en esos 25 meses fue de 1,5. Qu decisin
debe adoptar el servicio tcnico a un nivel de significacin del 1%?. Y si el servicio
tcnico relaja su nivel de exigencia al 85% de confianza?. Cambiara su decisin?.
Solucin:
Sea la variable aleatoria X = Nmero de averas al mes
}
) 2 , 2 ( N ) 2 ( P X
n
=
En la muestra de tamao 25 n = meses 5 , 1 x
= = averas. La distribucin en el
muestreo, bajo la hiptesis nula
0
H ,

25
2
, 2 N
n
, N x
Es un contraste unilateral, donde se plantean las hiptesis:
<
=
) compuesta ( 2 : H
2 : H
1
0
,
donde la regla de decisin, existe
>
) RC ( H rechaza se k x Si
) RA ( H rechaza se no k x Si
k
0
0
a
a
Se determina el valor de k considerando el nivel de significacin :
34 , 1 k z 32 , 2
25 / 2
k 2
01 , 0
25 / 2
k 2
z P
01 , 0
25 / 2
2 k
z P ) 2 : H / k x ( P ) cierta H H chazar (Re P
01 , 0
0 0 0
= = =

= = = =
a
Se advierte que ( 34 , 1 5 , 1 > ), cae en la regin de aceptacin, con lo cual se acepta la
hiptesis nula, esto es, con un nivel de significacin del 1% se afirma que las averas
mensuales se mantienen siendo 2, y en consecuencia, las mejoras no son operativas.
Si 15 , 0 = se replantean los clculos: 71 , 1 k z 04 , 1
25 / 2
k 2
15 , 0
= = =
a
Como 34 , 1 71 , 1 < , cae en la regin de rechazo, con lo que no se acepta la hiptesis nula,
y se concluye que las mejoras son operativas.
CONTRASTE UNILATERAL DE LA MEDIA CON VARIANZA POBLACIONAL DESCONOCIDA.
16.- La concentracin media de dixido de carbono en el aire en una determinada zona
no es habitualmente mayor que 355 p.p.m.v (partes por milln en volumen). Se sospecha
que esta concentracin es mayor en la capa de aire ms prxima a la superficie.
Para contrastar esta hiptesis se analiza aire en 20 puntos elegidos aleatoriamente a
una misma altura del suelo. Los datos recogidos tienen una media muestral de 580
p.p.m.v y una cuasidesviacin tpica muestral de 180.
Suponiendo que las mediciones siguen una distribucin normal, podemos afirmar a un
nivel de 0,01, que los datos proporcionan suficiente evidencia estadstica a favor de la
hiptesis de que la concentracin es mayor cerca del suelo?.
Indicar razonadamente si el p-valor es mayor o menor que 0,01
Solucin:
Tenemos una muestra aleatoria ) X , , X , X (
n 2 1
L de tamao 20 n = , donde la
variable aleatoria X = "concentracin de dixido de carbono en puntos cercanos al
suelo" sigue una distribucin normal ) ; ( N X con varianza poblacional desconocida.
Deseamos comprobar si hay suficiente evidencia estadstica a favor de que
335 > . Para ello, planteamos un contraste con la hiptesis nula 335 : H
0
frente a
1
> , con un nivel de significacin 01 , 0 =
En esta lnea, nos encontramos ante un contraste unilateral (una cola) para la media
poblacional con varianza poblacional desconocida.
Se rechaza la hiptesis nula si se verifica la regin de rechazo:
> =

n
s
t x R
x
) 1 n ( ; 0
donde,
225 355 580 x
0
= =
19 , 102
20
180
539 , 2
n
s
t t
x
19 ; 01 , 0 ) 1 n ( ;
= = =

Como { } 19 , 102 225 R > = SI se verifica la condicin de rechazo, por tanto,
RECHAMOS la hiptesis nula
0
H .
En consecuencia, existe suficiencia estadstica (con un nivel de significacin 0,01) para
concluir que la concentracin media de dixido de carbono es superior a 355 cerca del
suelo.
Por otra parte, el p-valor se interpreta como el apoyo que los datos proporcionan a la
hiptesis nula
0
H .
En otras palabras, Cuando el p-valor < SE RECHAZA
0
H
Como hemos rechazado
0
H con 01 , 0 = , el p-valor < 0,01
CONTRASTE BILATERAL DE LA PROPORCIN.
17.- Un dentista afirma que el 40% de los nios de 10 aos presentan indicios de caries
dental. Tomada una muestra de 100 nios, se observ que 36 presentaban indicios de
caries.
Contrastar la hiptesis del dentista para un nivel de confianza del 90%.
Solucin:
Sea el parmetro p = "proporcin de nios que presentan indicios de caries dental".
Como siempre que queremos hacer un contraste sobre una proporcin, partimos
de una muestra aleatoria ) X , , X , X (
n 2 1
L de tamao 100 n = , donde ) p ; 1 ( B X .
La distribucin en el muestreo del estadstico
}
= =

=
n
q . p
, p N
n
x
p x
. L . C . T
n
1 i
i
Recurrimos al contraste de la hiptesis nula 40 , 0 p : H
0
= frente a la hiptesis
alternativa 40 , 0 p : H
1
, con un nivel de significacin 10 , 0 =
La Hiptesis nula se rechaza cuando se verifica la regin de rechazo:

> =

n
) p 1 ( p
z p x R
0 0
2 0
donde,
04 , 0 40 , 0
100
36
40 , 0 p p x
0
= = =
08 , 0 ) 0489898 , 0 ( . ) 64 , 1 (
100
) 40 , 0 1 ( 40 , 0
z
n
) p 1 ( p
z
05 , 0
0 0
2
= =
por tanto, { } 08 , 0 04 , 0 R > = NO se verifica la condicin de rechazo y aceptamos la

hiptesis nula
0
H . En consecuencia, con un nivel de significacin de 0,10, se puede
afirmar que el 40% de los nios presenta indicios de caries dental.
18.- En los das previos a unas elecciones municipales, el candidato de un partido
poltico est convencido de obtener el 60% de los votos electorales. No obstante, su
partido encarga una encuesta entre 100 votantes potenciales, resultando que el 52% de
ellos dijeron tener intencin de votar a dicho candidato. Con un nivel de significacin
del 5%, se pide contrastar:
a) 60 , 0 p : H
0
= frente a 50 , 0 p : H
1
=
b) 60 , 0 p : H
0
= frente a 60 , 0 p : H
1

c) Potencia del contraste efectuado en el apartado (a).
Solucin:
a) Sea la variable X ="% de votos al candidato"
Nos encontramos ante un contraste de hiptesis nula simple frente a una hiptesis
alternativa simple: 60 , 0 p : H
0
= frente a 50 , 0 p : H
1
=
Regla de decisin:
>
.) A . R ( H acepta Se k p
0
0
La distribucin en el muestreo de
=
=
100
1 i
i
x
100
1
p siendo
=
No vota 0
Si vota 1
x
i
donde se conoce p ) p ( E = y que
n
) p 1 ( p
) p ( V

= .
Al ser el tamao suficientemente grande 100 n = y estar definido p como suma de
variables aleatorias independientes, segn una distribucin de Bernouilli ) p , 1 ( B se
puede aproximar la distribucin exacta de [ ] n ) p 1 ( . p , p N p
Bajo la hiptesis nula: ) 049 , 0 ; 60 , 0 ( N
100
) 60 , 0 1 ( . 60 , 0
, 60 , 0 N p
El valor crtico K se determina, bajo la hiptesis nula, por el nivel de significacin:

0 0
= = =
05 , 0
049 , 0
60 , 0 k
z P
049 , 0
60 , 0 k
049 , 0
60 , 0 p
P ) 6 , 0 p : H k p ( P ) I ET ( P
0
=
= = = =
5186 , 0 k 645 , 1
049 , 0
60 , 0 k
= =
a
En consecuencia, como la proporcin
muestral fue 52 , 0 100 52 x p = = = ,
se encuentra dentro de la regin de
aceptacin de la hiptesis nula.
b) En este caso, se trata de un contraste bilateral con hiptesis nula simple frente a
una hiptesis alternativa compuesta: 60 , 0 p : H
0
= frente a 60 , 0 p : H
1

Regla de decisin:
>
.) A . R ( H acepta Se k p
0
0
Bajo la hiptesis nula: ) 049 , 0 ; 60 , 0 ( N p
Para determinar el crtico K, bajo la hiptesis nula, nos apoyamos en el nivel de
significacin:
0 0
= = =
05 , 0
049 , 0
60 , 0 K
049 , 0
60 , 0 p
P ) 6 , 0 p : H K p ( P ) I ET ( P
0
=
= = = =
La regin crtica:
504 , 0 ) 96 , 1 ( ) 049 , 0 ( 60 , 0 p
696 , 0 ) 96 , 1 ( ) 049 , 0 ( 60 , 0 p
z 96 , 1
049 , 0
60 , 0 p
025 , 0
= <
= >
= >
a
Como 52 , 0 100 52 x p = = = se encuentra
en la regin de aceptacin, se acepta la
hiptesis nula.
c) Potencia del Contraste: = = 1 ) falsa H H chazar (Re P Potencia
0 0
0 0
= =
Con la hiptesis alternativa 50 , 0 p : H
1
= : ) 05 , 0 ; 5 , 0 ( N
100
5 , 0 . 5 , 0
; 5 , 0 N p =
=
[ ]
35496 , 0 ) 372 , 0 z ( P
05 , 0
5 , 0 5186 , 0
05 , 0
5 , 0 p
P ) 05 , 0 ; 5 , 0 ( N / 5186 , 0 p P ) II ET ( P
= > =
=

>
= > = =
Abscisas Areas
0,37 - 0,38 0,3557 - 0,3520
0,372 - 0,38 x - 0,3520
35496 , 0
01 , 0
) 0037 , 0 ( ) 008 , 0 (
3520 , 0 x = + =
6450 , 0 35496 , 0 1 1 Potencia = = =
Tambin se poda haber realizado por la definicin de potencia de un contraste:
[ ]
6450 , 0 ) 372 , 0 z ( P 1 ) 372 , 0 z ( P
05 , 0
5 , 0 5186 , 0
05 , 0
5 , 0 p
P
) 05 , 0 ; 5 , 0 ( N / 5186 , 0 p P ) falsa H H chazar (Re P Potencia
0 0
= = =
=
= = =
19.- El dueo de los cines CINEFILN considera que, dado el aforo de la sala, una
afluencia diaria a la misma del 85% sera ptima, en el sentido de que los clientes se
sientan cmodos y para que a la vez no haya prdidas econmicas. Durante un perodo de
tiempo, se analiza la afluencia a los cines, observndose que, en media, se ocupan 171 de
las 200 butacas. Con qu confianza podr afirmar el dueo de CINEFILN que la
asistencia a sus cines es ptima? Qu pasara si el dueo quisiera estar ms seguro de
su decisin, y ampliar el nivel de confianza al 99%?
Nota: La regla de la decisin adoptada es que si hay una desviacin inferior al 5% de la
cantidad ptima, se aceptara la hiptesis de que la afluencia es, efectivamente, ptima.
Solucin:
Sea la variable aleatoria X = '% asistencia diaria a los cines CINEFILN' , ) p , 1 ( B X .
- En el contraste bilateral se establecen las hiptesis:
85 , 0 p : H 85 , 0 p : H
1 1 0 0
=
- En el muestreo, la proporcin que acude a los cines (200 butacas) en un da (
n
X
p
= ),
bajo la hiptesis nula, por el TCL (Teorema Central Lmite), sigue una distribucin
) 025 , 0 ; 85 , 0 ( N
200
15 , 0 . 85 , 0
, 85 , 0 N
n
q . p
, p N =
- Se determina ) 1 ( a partir de los valores crticos, considerando que una desviacin

inferior al 5% de la cantidad ptima significa que 90 , 0 p
80 , 0 < <
[ ] [ ] 0456 , 0 028 , 0 . 2 2 z P z 2 P
025 , 0
85 , 0 90 , 0
z z
025 , 0
85 , 0 80 , 0
P
) cierta H / H chazar (Re P
0 0
= = > + > =
=

>
>
=
= =
El nivel de confianza: 9544 , 0 0456 , 0 1 1 = =
Si el nivel de confianza [ ] % 1 % 99 1 = = (mayor exigencia).
El valor crtico k se determina a partir del nivel de significacin 01 , 0 =
01 , 0
025 , 0
85 , 0 k
z z
025 , 0
85 , 0 k
P ) cierta H / H chazar (Re P
2
1
0 0
=

<
>
= =
786 , 0 k
914 , 0 k
z 57 , 2
025 , 0
85 , 0 k
2
1
005 , 0
=
=
= =
Comparando los valores crticos k con el valor del estadstico muestral (evidencia
emprica) 855 , 0
200
171
p
= = , se observa que cae dentro de la regin de aceptacin (R.A.),

concluyendo que se acepta la hiptesis nula siendo ptima la afluencia a los cines
CINEFILN.
CONTRASTE BILATERAL DE LA VARIANZA CON MEDIA POBLACIONAL CONOCIDA.
20.- En una poblacin ) , 10 ( N se desea contrastar la hiptesis nula 3 : H
2
0
=
frente a la hiptesis alternativa 3 : H
2
1
con un nivel de significacin del 5%. En una
muestra aleatoria simple de tamao 4 se obtuvieron los resultados:
10 8 12 14
Solucin:
Hiptesis compuesta sobre :
2

=
3 : H
3 : H
2
1
2
0
Como la hiptesis alternativa es 3
2
en la decisin que tomemos debern ser vlidos
valores de
2
tanto mayores o menores que 3, por lo que el contraste debe ser
bilateral o de dos colas.
Regla de decisin:
<

=
=
0
2
4
1 i
i
0
2
4
1 i
i
H Acepto : A . R k ) x ( Si
H chazo Re : C . R k ) x ( Si
a
a
En la distribucin en el muestreo del estadstico
2
4
1 i
i
) x (
=
, las variables aleatorias
independientes
i
x se distribuyen ) , 10 ( N ; bajo la hiptesis nula ) 3 , 10 ( N :

= =
=

4
1 i
2
4
2
i
4
1 i
2
0
i
3
10 x x
(suma de 4 variables aleatorias ) 1 , 0 ( N , independientes entre s)
Fijado el nivel de significacin (Error Tipo I), se halla el valor de la constante k:
[ ] [ ]
[ ] [ ] [ ] 05 , 0 k P k P ) k ( k P
k P cierta H / k
3
10 x
P cierta H / H chazar Re P
2 1 2
2
4 1
2
4 2
2
4 1
2
4
2
4 0
4
1 i
2
i
0 0
) ( = + = + = =
= =

= =
=
[ ] [ ]
[ ] 143 , 11 k 025 , 0 k P
484 , 0 k 975 , 0 1 k P 1 k P
2
4 ; 025 , 0 2 2 2
2
4
2
4 ; 975 , 0 1 1 1
2
4 1
2
4
= = = =
= = = = =
Regin de rechazo:
) 143 , 11 ( 484 , 0
2
4
2
4
) ( > < ,
con lo que la regin de aceptacin es
el intervalo [ ] 143 , 11 ; 484 , 0 .
El estadstico muestral, bajo la hiptesis nula, 8
3
) 10 x (
2
4
1 i
i
=
=
, pertenece a la
regin de aceptacin, concluyendo que la varianza de la distribucin es 3.
Anlogamente,
Considerando la regin de rechazo: [ ]

=

=
2
n ; 2 /
2
n ; 2 / 1
2
0
2
n
1 i
i
;
) x (
R
El valor del estadstico muestral 24 ) x (
2
4
1 i
i
=
=
, bajo la hiptesis nula resulta:
8
3
24
) x (
2
0
2
4
1 i
i
= =
=
. Los valores tabulares son
143 , 11
484 , 0
2
4 ; 025 , 0
2
n ; 2 /
2
4 ; 975 , 0
2
n ; 2 / 1
= =
= =

La regin de aceptacin de la hiptesis nula es el intervalo [ ] 143 , 11 ; 484 , 0 .
Al pertenecer el valor muestral del estadstico 8
) x (
2
0
2
4
1 i
i
=
=
a la regin de
aceptacin, se concluye que la varianza de la distribucin es 3.
CONTRASTE BILATERAL DE LA MEDIA CON VARIANZA POBLACIONAL CONOCIDA.
21.- En una poblacin ) 5 , ( N se quiere contrastar la hiptesis nula 18 : H
0
= frente
a la hiptesis alternativa 18 : H
1
, con un nivel de significacin 01 , 0 = , con una
muestra de tamao 10:
16 12 15 16 20 25 14 18 17 22
Solucin:
En el contraste se establecen las hiptesis:

=
18 : H
18 : H
1
0
Como la hiptesis alternativa
es 18 en la decisin que hayamos de tomar debern ser vlidos valores de tanto
mayores o menores que 18, por lo cual el contraste debe ser bilateral o de dos colas.
Regla de decisin
>
.) A . R ( H acepta se k x Si
.) C . R ( H rechaza se k x Si
0
0
La muestra de tamao 10, con media 5 , 17 x
10
10
1 i
i
x
=
=
=
siendo la varianza poblacional
conocida 25
2
= , bajo la hiptesis nula sigue una distribucin )
10
5
, 18 ( N , con lo que
la variable
10
5
18 x
es ) 1 , 0 ( N .
El valor de k se calcula mediante el nivel de significacin 01 , 0 = :
01 , 0 K
10
5
18 x
P K
10
5
18 x
P K
10
5
18 x
K
10
5
18 x
P
K
10
5
18 x
P ) k x ( P ) cierta H H chazar (Re P
0 0
=
>
<
>
<
=
=
>
= > = =
La regin crtica ser:
= <
= + >
= =
>
93 , 13 ) 575 , 2 (
10
5
18 x
07 , 22 ) 575 , 2 (
10
5
18 x
z z 575 , 2
10
5
18 x
005 , 0 2 /
En consecuencia, la regin de aceptacin: 07 , 22 x 93 , 13 < <
Como la media muestral 5 , 17 x
10
10
1 i
i
x
=
=
=
est contenida en la regin de aceptacin, no
se rechaza la hiptesis nula 18 = , con un nivel de significacin de 0,01.
Anlogamente, la regin de rechazo:

> =

n
. z x R
2 0 rechazo
{ } 071 , 4 5 , 0
10
5
). 575 , 2 ( 18 5 , 17
10
5
. z 18 5 , 17 R
05 , 0 rechazo
> =
> =
> =
No se verifica la regin de rechazo, en consecuencia se admite la hiptesis nula 18 = ,
con un nivel de significacin de 0,01.
CONTRASTE BILATERAL DE LA MEDIA CON VARIANZA POBLACIONAL DESCONOCIDA.
22.- En una poblacin ) , ( N se quiere contrastar la hiptesis nula 2 : H
0
= frente
a la hiptesis alternativa 2 : H
1
, con un nivel de significacin 01 , 0 = , con una
muestra aleatoria simple de tamao 15:
2,1 2,25 3,01 2,92 2,98 3,08 3,8 3,95
2,75 2,74 3,16 2,56 3,15 2,65 3,12
Solucin:
En la muestra se obtiene:
948 , 2
15
x
x
15
1 i
i
= =

=
2264 , 0
15
) x x (
15
1 i
2
i
2
x
=
=

=
2426 , 0
14
) x x (
s
15
1 i
2
i
2
x
=
=

=
476 , 0
x
= 493 , 0 s
x
= 15 n =
Como la hiptesis alternativa es 2 en la decisin que hayamos de tomar debern ser
vlidos valores de bien sean mayores o menores que 2, por lo cual el contraste debe
ser bilateral o de dos colas.
Regla de decisin:
>
.) A . R ( H acepta se k x Si
.) C . R ( H rechaza se k x Si
0
0
muestral
x
, la variable
1 n
x x
t
n
s
x
1 n
x
=

=

Con el nivel de significacin 01 , 0 = se determina la regin crtica:
=
= >

= > = = 2 / K
1 n
x
P ) H / k x ( P ) cierta H H chazar (Re P
x
0 0 0
=
>
<
>
= K
14 476 , 0
2 x
K
14 476 , 0
2 x
P K
14 476 , 0
2 x
P
14
t
4 43 4 42 1
01 , 0
2 2
K
14 476 , 0
2 x
P K
14 476 , 0
2 x
P
14 14
t t
=
>
<
=
4 4 3 4 4 2 1 4 4 3 4 4 2 1
La regin crtica es:
14 ; 005 , 0 ) 1 n ( ; 2 /
t t 977 , 2
14 476 , 0
2 x
= = >

, con lo cual,
= <
= + >
>
622 , 1 ) 14 476 , 0 ( . 977 , 2 2 x

378 , 2 ) 14 476 , 0 ( . 977 , 2 2 x
977 , 2
14 476 , 0
2 x
La regin de aceptacin ser: 378 , 2 x 622 , 1 < <
Se observa que el valor del estadstico muestral 948 , 2 x = no se encuentra en la
regin de aceptacin, por tanto, se rechaza la hiptesis nula y se acepta que la media
de la distribucin poblacional es distinta de 2.
Advirtase que rechazamos la hiptesis nula si se verifica la regin de rechazo:
{ } 379 , 0 948 , 0
15
493 , 0
977 , 2 2 948 , 2
n
s
t x R
14 ; 005 , 0
t
x
) 1 n ( ; 2 / 0
> =
> =
> =

8 7 6
verificndose la regin de rechazo, con lo cual no se acepta la hiptesis nula,
concluyendo que se acepta la hiptesis alternativa de que la media de la distribucin
poblacional es distinta de 2.
Una forma anloga de enfocar la cuestin consiste en aceptar la hiptesis nula
2 : H
0
= cuando el estadstico experimental fuera menor o igual que el estadstico
terico, esto es:
48 47 6
4 4 4 8 4 4 4 7 6
terico o estadstic
) 1 n ( ; 2 /
erimental exp o estadstic
x
0
1 n
t
n s
x
t

=
El estadstico de contraste: 447 , 7
15 / 493 , 0
2 948 , 2
n s
x
t
x
0
1 n
=
=

=
El valor tabular del estadstico terico: 977 , 2 t t

14 ; 005 , 0 ) 1 n ( ; 2 /
= =

Como
14 ; 005 , 0 1 n
t 977 , 2 447 , 7 t = > =
se rechaza la hiptesis nula, concluyendo que la

media de la distribucin poblacional es distinta de 2.
23.- Se recibe un envo de latas de conserva de las que se afirma que el peso medio son
1.000 gr. Examinada una muestra de 5 latas se obtiene un peso medio de 995 gr. con una
cuasivarianza 6 , 19 s
2
x
= . Al nivel de confianza del 95%, se puede aceptar que el peso
medio son 1.000 gr.?
Solucin:
Tenemos una muestra aleatoria ) X , , X , X (
n 2 1
L de tamao 5 n = , donde la variable
aleatoria X = "peso de una lata de conserva", suponemos que sigue una distribucin
normal ) ; ( N X con varianza poblacional desconocida.
Deseamos ver si resulta aceptable que 1000 = . Para ello, planteamos un contraste
con la hiptesis nula 1000 : H
0
= frente a la hiptesis alternativa 1000 : H
1
, con
un nivel de significacin 05 , 0 =
Advirtase que como la hiptesis alternativa 1000 : H
1
, en la decisin que hayamos
de tomar debern ser vlidos valores de tanto mayores o menores que 1000, por lo
que el contraste debe ser BILATERAL o de dos colas.
En esta lnea, se rechaza la hiptesis nula si se verifica la regin de rechazo:
> =

n
s
t x R
x
) 1 n ( ; 2 / 0
donde,
5 1000 995 x
0
= =
50 , 5
5
6 , 19
776 , 2
n
s
t
n
s
t
x
4 ; 025 , 0
x
) 1 n ( ; 2 /
= = =

Como { } 5 , 5 5 R > NO se verifica la condicin de rechazo, ACEPTAMOS la hiptesis
nula
0
H . En consecuencia, con un nivel de significacin de 0,05, se puede afirmar que el
peso medio son 1000 gramos.
CONTRASTE BILATERAL DE LA DIFERENCIA DE MEDIAS CON VARIANZAS POBLACIONALES
CONOCIDAS.
24.- El anlisis laboral que la U.E ha realizado para toda Europa, seala que en Espaa,
el salario mensual de los varones, en algunos sectores econmicos, supera en ms de 100
euros el salario de las mujeres que desempean las mismas tareas.
El Ministerio de Trabajo espaol decide considerar el salario mensual como una variable
aleatoria normalmente distribuida con desviacin tpica de 39,6 euros para los
trabajadores masculinos y de 36 euros para las trabajadoras de dichos sectores, siendo
el salario de cada poblacin independiente del de la otra. Para tratar de verificar lo
publicado, se elige una muestra aleatoria simple de 500 trabajadores y de 700
trabajadoras, obtenindose unos salarios medios mensuales de 1.500 y 1.370 euros
respectivamente.
Est fundamentada las conclusiones de la U.E al 1% de significacin?
Solucin:
Sean las variables aleatorias, respectivamente, X = Salario mensual de los varones e
Y = Salario mensual de las mujeres, donde ) 6 , 39 , ( N X
x
e ) 36 , ( N Y
y
.
En las muestras se obtuvieron los resultados:
= =
= =
700 n 370 . 1 y
500 n 500 . 1 x
y
x
- En el contraste se establecen las hiptesis:
) compuesta ( 100 : H 100 : H
y x 1 y x 0
> =

>
) RA ( H rechaza se no k ) y x ( Si
) RC ( H rechaza se k ) y x ( Si
0
0
- La diferencia de medias muestrales ) y x ( , siendo las varianzas muestrales
conocidas, bajo la hiptesis nula, sigue una distribucin:
) 23 , 2 ; 100 ( N
700
36
500
6 , 39
; 100 N
n n
; ) ( N
2 2
y
2
y
x
2
x
y x
=

- Se determina el valor de k mediante el nivel de significacin :
2 , 105 k z 32 , 2
23 , 2
100 k
01 , 0
23 , 2
100 k
z P ) 100 : H / k y x ( P ) cierta H H chazar (Re P
01 , 0
y x 0 0 0
= = =

> = = > = =
a
La evidencia emprica 130 370 . 1 500 . 1 y x = = . Se advierte que 2 , 105 130 > ,
cae en la regin de rechazo, con lo cual no se acepta la hiptesis nula, esto es, con un
nivel de significacin del 1%, se afirma que con el mismo trabajo las diferencias salarias
entre hombres y mujeres en algunos sectores econmicos espaoles son superiores a
100 euros mensuales.
25.- Con un nivel de significacin del 4,72%, se desea contrastar la hiptesis nula de
igualdad de medias de dos poblaciones ) 4 , ( N
1
y ) 5 , 4 , ( N
2
. Para ello, se han
tomado dos muestras aleatorias simples e independientes, respectivamente,
obtenindose los siguientes valores:
i
x
20,4 10,2 7,3 12,8 13,4 9,4
j
y
19,8 9,7 14,6 15.7 8,4
Solucin:
En el contraste bilateral se establecen las hiptesis

=
0 : H
0 : H
2 1 1
2 1 0
Regla de decisin

>
0
0
H acepta se k y x Si
H rechaza se k y x Si
Para analizar el contraste, se realizan los clculos muestrales:
5 n 6 n 64 , 13
5
y
y 25 , 12
6
x
x
2 1
5
1 j
j
6
1 i
i
= = = = = =

=
=

1
1
1
n
, N x ,

2
2
2
n
bajo la hiptesis nula 0 : H
2 1 0
= , se distribuye:
[ ] 59 , 2 , 0 N
5
5 , 4
6
4
, 0 N
n n
, 0 N y x
2 2
2
2
2
1
2
1
=

Se determina el valor de k mediante el nivel de significacin :
[ ] = = > = = 0 : H / k y x P ) cierta H H chazar (Re P
2 1 0 0 0
) 1 , 0 ( N simetra por 05 , 0
2 2
K
59 , 2
y x
P K
59 , 2
y x
P
K
59 , 2
y x
K
59 , 2
y x
P K
59 , 2
0 ) y x (
P
=
>
<
=
=
>
<
>

=
La regin crtica es
17 , 5 y x
17 , 5 y x
z 995 , 1
59 , 2
y x
0236 , 0
<
>
= >
a
En consecuencia, la regin de aceptacin: 17 , 5 y x 17 , 5
La evidencia emprica 39 , 1 64 , 13 25 , 12 y x = = , valor que no se encuentra en la
regin de rechazo, por lo que se acepta la hiptesis nula de igualdad de medias, con un
nivel de significacin del 4,72%.
Anlogamente, la regin de rechazo de la hiptesis nula
0
H :
+ > =
> =

5
5 , 4
6
4
) 995 , 1 ( 64 , 13 25 , 12 R
n n
z y x R
2 2
2
2
2
1
2
1
2
a
La regin de rechazo de la hiptesis nula no se cumple, { } 17 , 5 39 , 1 R > = , se concluye
que existe igualdad entre las medias poblacionales.
Clculo de
0236 , 0
z :
Abscisas reas
99 , 1 x
99 , 1 98 , 1
0233 , 0 0236 , 0
0233 , 0 0239 , 0
995 , 1
0006 , 0
0003 , 0 . 01 , 0
99 , 1 x = + =
26.- Una empresa dedicada a la fabricacin de artculos deportivos dispone de dos
mquinas para el inflado de balones. La presin en kg a la que son inflados los balones es
una variable aleatoria X con distribucin ) 25 , 0 ; ( N .
Se desea contrastar con un nivel de significacin del 5%, la hiptesis de que los balones
inflados con las dos mquinas tienen igual presin media. Para ello, se toman dos
muestras aleatorias simples de balones con las siguientes presiones de inflado:
Mquina 1 3 5 6 4 3 5
Mquina 2 5 4 3 7 6 5 4 7 4
Cul es el resultado del contraste?
Solucin:
Sean las variables aleatorias X = presin en kg que son inflados los balones en la
mquina 1 e Y = presin en kg que son inflados los balones en la mquina 2,
respectivamente, las variables aleatorias siguen distribuciones ) 25 , 0 ; ( N
1
e
) 25 , 0 ; ( N
2
.
La presin media con que son inflados los balones en las mquinas respectivas se
distribuyen con parmetros:

6
25 , 0
; N x
1
e

9
25 , 0
; N y
2
Se desea contrastar la hiptesis nula de que las presiones medias de inflado con ambas
mquinas son iguales:
2 1 0
: H = frente a la hiptesis alternativa
2 1 1
: H
2 1
en la decisin que tengamos que tomar deben
ser vlidos valores mayores o menores que
2
, con lo que el contraste debe ser

>
) RA ( H rechaza se no k y x Si
) RC ( H rechaza se k y x Si
0
0
Para analizar el contraste se realizan los clculos:
9 n 6 n 5
9
y
y 33 , 4
6
x
x
2 1
9
1 j
j
6
1 i
i
= = = = = =

=
=
- En las distribuciones del muestreo

6
25 , 0
, N x
1
,

9
25 , 0
, N y
2
, con lo cual,
la diferencia de medias muestrales, bajo la hiptesis nula
2 1 0
: H = , se distribuye:
) 13 , 0 ; 0 ( N
9
25 , 0
6
25 , 0
; 0 N
n n
, 0 N y x
2 2
2
2
2
1
2
1
=

- Se determina el valor de k mediante el nivel de significacin :
y x 0 0 0
) 1 , 0 ( N simetra por 05 , 0
2 2
K
13 , 0
y x
P K
13 , 0
y x
P K
13 , 0
y x
K
13 , 0
y x
P K
13 , 0
0 ) y x (
P
=
>
<
>
<
>

=
La regin crtica es
255 , 0 y x
255 , 0 y x
z 96 , 1
13 , 0
y x
025 , 0
<
>
= >
a
La evidencia emprica 67 , 0 5 33 , 4 y x = = , valor que se encuentra en la regin de
rechazo, por lo que no se acepta la hiptesis de que los balones inflados con las dos
mquinas tienen igual presin media.
Anlogamente, la regin de rechazo de la hiptesis nula
0
H :
+ > =
> =

9
25 , 0
6
25 , 0
) 96 , 1 ( 5 33 , 4 R
n n
z y x R
2 2
2
2
2
1
2
1
2
a
Se verifica la regin de rechazo de la hiptesis nula, { } 255 , 0 67 , 0 R > = , concluyendo
que los balones inflados con las dos mquinas no tienen igual presin media.
CONTRASTE BILATERAL UNILATERAL DE DIFERENCIA DE MEDIAS CON VARIANZAS
POBLACIONALES CONOCIDAS.
27.- Una empresa ubicada en Madrid tiene dos conductores para trasladar a los
empleados a Segovia. Los conductores deben anotar la duracin de cada trayecto. En
una muestra aleatoria simple de 50 partes de incidencias por conductor, el conductor A
registra un tiempo medio de trayecto de 62,30 minutos con una desviacin tpica de
10,325 minutos, mientras que el conductor B tiene un tiempo medio de trayecto de
60,02 minutos con una desviacin tpica de 8,625 minutos.
El tiempo medio empleado por el conductor A en el trayecto sigue una ley normal
) 9 , ( N
1
y el empleado por el conductor B se distribuye segn una ley ) 8 , ( N
2
. Con un
nivel de significacin del 5%, se pide contrastar:
1.
2 1 0
: H = frente a
2 1 1
: H
2. 2 : H
2 1 0
frente a 2 : H
2 1 0
<
Solucin:
1. Para realizar el contraste bilateral planteado (
2 1 0
: H = ) se recurre al test razn
de verosimilitud, ya que, en este caso el lema de Neyman-Pearson no proporciona una
regin crtica ptima.
La regla de decisin que proporciona el test de razn de verosimilitud es:
Regla de decisin

>
0
0
H acepta se k y x Si
H rechaza se k y x Si

1
1
1
n
, N x ,

2
2
2
n
bajo la hiptesis nula, se distribuye:
[ ] 7 , 1 , 0 N
50
8
50
9
, 0 N
n n
, 0 N y x
2 2
2
2
2
1
2
1
=

El valor de k se determina a partir del nivel de significacin 05 , 0 =
2 1 0 0 0
05 , 0
7 , 1
k
z P
7 , 1
k
z P
7 , 1
k
z
7 , 1
k
z P
7 , 1
0 k
z P =
> +
< =
>
< =

> =
y por consiguiente: = =
1 95 , 0
7 , 1
k
z
7 , 1
k
P
por simetra ) 1 , 0 ( N
= = =
= = =
025 , 0 2 /
025 , 0 2 /
z z 96 , 1
7 , 1
k
z z 96 , 1
7 , 1
k
es decir, 3377 , 3 k =
La regin crtica es 3377 , 3 y x > .
La evidencia emprica 28 , 2 02 , 60 30 , 62 y x = = , valor que no se encuentra en la
regin de rechazo, por lo que se acepta la hiptesis nula de igualdad de medias, con lo
que los dos conductores emplean en promedio el mismo tiempo en el trayecto Madrid-
Segovia, con una fiabilidad del 95%.
Sealar que la regin de rechazo de la hiptesis nula:
> =

2
2
2
1
2
1
2
n n
z y x R
2. La hiptesis nula planteada es 2 : H
2 1 0
, en este caso, la regin crtica que se
desprende de la razn de verosimilitud es
< =

2
2
2
1
2
1
n n
z k y x R
en este caso, 645 , 1 z
05 , 0
=
{ } 8013 , 2 28 , 0
50
8
50
9
645 , 1 2 02 , 60 30 , 62 R
2 2
< =
+ < =
Como la regin de rechazo no se verifica, se acepta la hiptesis nula formulada.
CONTRASTE BILATERAL DE LA DIFERENCIA DE PROPORCIONES.
28.- Muebles Quintana realiza un estudio sobre la satisfaccin de sus empleados en
distintas secciones. En una muestra aleatoria simple de 100 trabajadores de barnizado
60 se encuentran satisfechos y de otra de 200 trabajadores de cortado se
manifestaron satisfechos 125. Existen diferencias en los porcentajes de trabajadores
satisfechos de ambas secciones, con un nivel de significacin del 5%?
Solucin:
Sean las variables aleatorias X = trabajador de la seccin de barnizado e Y =
trabajador de la seccin de cortado, respectivamente, las variables aleatorias toman el
valor uno si el trabajador est satisfecho, y el valor cero en caso contrario.
Las dos variables aleatorias siguen una distribucin de Bernouilli de parmetro p
desconocido.
Las proporciones muestrales obtenidas son: 625 , 0
200
125
p
6 , 0
100
60
p
y x
= = = =
Se contrasta la hiptesis nula de que no existen diferencias entre las proporciones de
trabajadores satisfechos en ambas secciones, es decir,
y x 0
p p : H = ; frente a la
hiptesis alternativa de que si existen diferencias, esto es,
y x 1
p p : H . El contraste
debe ser bilateral o de dos colas.

>
) RA ( H rechaza se no k p p Si
) RC ( H rechaza se k p p Si
0 y x
0 y x
La diferencia de las proporciones muestrales ) p
(
y x
, teniendo en cuenta el tamao de
las muestras (TCL), bajo la hiptesis nula, podemos considerar que siguen una
distribucin [ ] 06 , 0 ; 0 N
200
375 , 0 . 625 , 0
100
4 , 0 . 6 , 0
, 0 N
n
q . p
n
q . p
, 0 N
y
y y
x
x x
+
Se determina el valor de k mediante el nivel de significacin :
[ ] =
>

= = > = = K
06 , 0
0 ) p
(
P 0 p p : H / k p
P ) cierta H H chazar (Re P

y x
y x 0 y x 0 0
05 , 0
2 2
K
06 , 0
p
P K
06 , 0
p
P K
06 , 0
p
K
06 , 0
p
P
y x y x y x y x
=
>
<
>
<
=
La regin crtica es
<
>
= >
1176 , 0 p
1176 , 0 p
z 96 , 1
06 , 0
p
y x
y x
025 , 0
y x
Regin de aceptacin de la hiptesis nula: 1176 , 0 p
1176 , 0
y x
< <
La evidencia emprica (estadstico observado)
025 , 0 625 , 0 6 , 0 p
y x
= = se encuentra en la
regin de aceptacin, por lo que se admite la
hiptesis nula, es decir, no aparecen diferencias
significativas en los porcentajes de trabajadores
satisfechos en las secciones de Muebles Quintana, con una fiabilidad del 95%.
Anlogamente, analizando la regin de rechazo:
025 , 0 625 , 0 6 , 0 p
y x
= = 96 , 1 z
025 , 0
=
1176 , 0
200
375 , 0 . 625 , 0
100
4 , 0 . 6 , 0
. 96 , 1 = +
+ > =

y
y y
x
x x
2 y x
n
q . p
n
q . p
z p
R
1176 , 0 025 , 0 < , por lo que no se cumple la regin de rechazo, aceptndose la hiptesis
nula con un nivel de significacin del 5%.
CONTRASTE BILATERAL DE IGUALDAD DE VARIANZAS CON MEDIAS POBLACIONALES
DESCONOCIDAS.
29.- Una empresa productora de cemento ensaya productos qumicos para mejorar la
resistencia de las piezas de hormign. Para ello, desea contrastar con un nivel de
significacin del 5% la resistencia de dos muestras aleatorias simples, la muestra A no
es tratada con productos qumicos mientras que la muestra B se encuentra tratada.
En la tabla adjunta se muestra la resistencia de las piezas ensayadas en kg/cm
2
:
Muestra A 350 370 340 355 365 347
Muestra B 348 363 372 360 359 365 361
Suponiendo que las dos muestras siguen una distribucin normal, indicar si el
tratamiento con productos qumicos consigui una mejora en la resistencia de las piezas
de hormign.
Solucin:
Sea la variable aleatoria X que representa la resistencia de las piezas de hormign sin
tratar con productos qumicos, suponemos que X es una variable aleatoria normal de
media poblacional
1
desconocida y desviacin tpica poblacional
1
tambin
desconocida. Anlogamente, la variable aleatoria Y representa la resistencia de las
piezas de hormign tratadas con media poblacional
2
y desviacin tpica poblacional
2
, ambas desconocidas.
Deseamos contrastar la hiptesis nula de que las resistencias esperadas son iguales,
2 1 0
: H = , frente a la hiptesis alternativa de que las resistencias esperadas de las
piezas sin tratar es menor que las tratadas, es decir,
2 1 1
: H < .
Como se trata de muestras pequeas necesitamos comprobar estadsticamente si las
varianzas poblacionales
2
1
y
2
2
son iguales, planteando primero el siguiente contraste:
CONTRASTE BILATERAL DE IGUALDAD DE VARIANZAS POBLACIONALES CON MEDIAS
POBLACIONALES DESCONOCIDAS:
2
2
2
1 1
2
2
2
1 0
: H : H =
Regin de rechazo de la hiptesis nula: [ ]
=
) 1
2
n ( ), 1
1
n ( ; 2 ) 1
2
n ( ), 1
1
n ( ; 2 1 2
2
2
1
F ; F
s
s
R
anlogamente, regin de aceptacin:
) 1
2
n ( ), 1
1
n ( ; 2 2
2
2
1
) 1
2
n ( ), 1
1
n ( ; 2 1
F
s
s
F

el equivalente,
regin aceptacin
0
H :
) 1
2
n ( ), 1
1
n ( ; 2 m
1 j
2
j
n
1 i
2
i
) 1
2
n ( ), 1
1
n ( ; 2 1
F
) y y ( ) 1 n (
) x x ( ) 1 m (
F

=
=

En nuestro caso, con los datos muestrales:

1432 , 0
99 , 5 F
98 , 6
1
F
1
F
43 , 2 s s F
476 , 52
6
) y y (
s 14 , 361 y 7 n
5 , 127
5
) x x (
s 5 , 354 x 6 n
6 , 5 ; 025 , 0
5 , 6 ; 025 , 0
6 , 5 ; 975 , 0
2
2
2
1
6 , 5
7
1 j
2
j
2
2
2
6
1 i
2
i
2
1
1
=
=
= =
= =
= = =
=
= = =
=
=
Se observa que el estadstico experimental
de contraste 43 , 2 F
6 , 5
= se encuentra en la
regin de aceptacin de la hiptesis nula,
6 , 5 ; 025 , 0 6 , 5 ; 975 , 0
F 99 , 5 43 , 2 1432 , 0 F = = ,
con lo que concluimos que, con un nivel de
significacin del 5%, no hay evidencias de
que la resistencia de las piezas tratadas con
productos qumicos presente una varianza distinta de aquellas piezas que no fueron
tratadas.
CONTRASTE UNILATERAL DE IGUALDAD DE MEDIAS POBLACIONALES CON VARIANZAS
POBLACIONALES DESCONOCIDAS PERO IGUALES:
Planteamos la hiptesis nula
2 1 0
2 1 1
: H <
Regin de rechazo de la hiptesis nula:
+ > =
+
2 1
p ) 2
2
n
1
n ( ;
n
1
n
1
s t ) y x ( R ,
o lo que es igual, se acepta
0
H si

4 4 3 4 4 2 1
4 4 3 4 4 2 1
terico o estadstic
) 2
2
n
1
n ( ;
contraste o estadstic
2 1
p
t
n
1
n
1
s
) y x (
t
+
=
4 4 4 4 4 4 3 4 4 4 4 4 4 2 1
muestral ianza var cuasi
2 1
2
2 2
2
1 1 2
p
2 n n
s ) 1 n ( s ) 1 n (
s
+
+
=
En nuestro caso,
796 , 1 t t
2832 , 1
7
1
6
1
58 , 86
14 , 361 5 , 354
t
58 , 86
11
476 , 52 . 6 5 , 127 . 5
s
476 , 52 s 14 , 361 y 7 n
5 , 127 s 5 , 354 x 6 n
11 ; 05 , 0 ) 2
2
n
1
n ( ; 2
p
2
2
2
2
1
1
= =
=
+
=
+
=
= = =
= = =
+
El estadstico emprico (contraste) es menor que el estadstico terico,
11 ; 05 , 0
t 796 , 1 2832 , 1 t = < = , con un nivel de significacin del 5% se acepta la
hiptesis nula, concluyendo que no se aprecia en la primera muestra una resistencia
media significativa menor que en la segunda muestra tratada. Esto es, el tratamiento
qumico no presenta mayor resistencia en las piezas de hormign.
CONTRASTE BILATERAL DE IGUALDAD DE MEDIAS POBLACIONALES CON VARIANZAS
POBLACIONALES DESCONOCIDAS.
30.- Un instituto de alimentacin animal quiere comparar estadsticamente dos tipos
de dietas. Selecciona al azar una muestra de quince animales de una poblacin de
animales comparables. A nueve de ellos se les suministra la dieta primera y a los seis
restantes la dieta segunda. Los resultados del aumento de peso en kg en una semana son
los siguientes:
Dieta primera 3,75 4,2 4,6 3,95 4,1 3,9 4,3 3,9 4
Dieta segunda 3,6 4,5 4,4 3,2 4 3
Con un nivel de significacin del 10%, puede afirmarse que la dieta primera es mejor
que la segunda?
Solucin:
Suponiendo que la variable de respuesta (X, Y) para cada una de las dietas (aumento
semanal de peso en kg) es una variable que, respectivamente, se distribuye normal
) , ( N
1 1
y ) , ( N
2 2
, donde
1
y
2
son desconocidas, al tratarse de muestras
pequeas antes de realizar el contraste para la igualdad de medias poblacionales
necesitamos comprobar estadsticamente si las varianzas poblacionales desconocidas
2
1
y
2
2
son iguales o distintas.
Por ello, primeramente se plantea:

2
2
2
1 1
2
2
2
1 0
: H : H =
Regin Rechazo de Hiptesis nula: [ ]
=
) 1 n ( ), 1 n ( ; 2 ) 1 n ( ), 1 n ( ; 2 1
2
2
2
1
2 1 2 1
F ; F
s
s
R
Anlogamente, la Regin de Aceptacin:
) 1 n ( ), 1 n ( ; 2 ) 1 n ( ), 1 n ( ; 2 1
2 1 2
2
2
1
2 1
F
s
s
F

Para hallar el estadstico de contraste, segn los datos muestrales:
2711 , 0
8183 , 4 F
6875 , 3
1
F
1
F
1735 , 0 s s F
386 , 0
5
) y y (
s 78 , 3 y 6 n
067 , 0
8
) x x (
s 08 , 4 x 9 n
5 , 8 ; 05 , 0
8 , 5 ; 05 , 0
5 , 8 ; 95 , 0
2
2
2
1
5 , 8
6
1 j
2
j
2
2
2
9
1 i
2
i
2
1
1
=
=
= =
= =
= = =
=
= = =
=
=
Regin de rechazo: [ ] { } 8183 , 4 ; 2711 , 0 1735 , 0 R =
Se observa que el estadstico experimental
de contraste 1735 , 0 F
5 , 8
= verifica la
regin de rechazo de la hiptesis nula, con
lo que concluimos que, con un nivel de
significacin del 10%, hay evidencias de
que las varianzas poblacionales son
desconocidas y distintas.
CONTRASTE UNILATERAL DE IGUALDAD DE MEDIAS POBLACIONALES CON VARIANZAS
POBLACIONALES DESCONOCIDAS Y DISTINTAS:
Basndonos en la comprobacin estadstica que hemos realizado, planteamos la hiptesis
nula
2 1 0
: H frente a la hiptesis alternativa
2 1 1
: H >
Regin de rechazo de la hiptesis nula:
+ > =

2
2
2
1
2
1
f ;
n
s
n
s
t ) y x ( R , o lo que es
igual, se acepta
0
H si

{
terico
o estadstic
f ;
2
2
2
1
2
1
t
n
s
n
s
) y x (
t

=
4 43 4 42 1

4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 2 1
Welch de n aproximaci
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
2
1 n
) n / s (
1 n
) n / s (
n
s
n
s
f
+
+
+
+
=
En nuestro caso,
= = =
= = =
386 , 0 s 78 , 3 y 6 n
067 , 0 s 08 , 4 x 9 n
2
2
2
2
1
1
266 , 0
6
386 , 0
9
067 , 0
n
s
n
s
128 , 1
6
386 , 0
9
067 , 0
) 78 , 3 08 , 4 (
t
2
2
2
1
2
1
= + = + =
+
=
886 , 1 t t 2 125 , 2 2
7
) 6 / 386 , 0 (
10
) 9 / 067 , 0 (
9
386 , 0
9
067 , 0
f
2 ; 0 1 , 0 f ;
2 2
2
= = =
+
+
=

En consecuencia, la regin de rechazo de la hiptesis nula no se verifica:
{ } { } 5 , 0 3 , 0 266 , 0 . 886 , 1 3 , 0
n
s
n
s
t ) y x ( R
2
2
2
1
2
1
f ;
> = > =
+ > =

Anlogamente, el estadstico emprico (contraste) es menor que el estadstico terico,
2 ; 10 , 0
t 886 , 1 128 , 1 t = < = , por tanto, con un nivel de significacin del 10%, se acepta
la hiptesis nula, concluyendo que no existe evidencia estadstica de que la primera
dieta sea mejor que la segunda.
31.- Una empresa que se dedica a fabricar zapatillas de deporte dispone de dos
proveedores de suelas de goma. Para analizar el desgaste de las suelas se ha tomado
una muestra al azar de cada proveedor, obtenindose los siguientes resultados:
Proveedor Tamao muestral Desgaste medio Cuasivarianza desgaste
1 n = 10
6 , 0 x = 068 , 0 s
2
x
=
2 m = 14
62 , 0 y = 054 , 0 s
2
y
=
Suponiendo que el desgaste de las suelas sigue una distribucin normal, se puede decir,
para un nivel de confianza del 95%, que ambos proveedores proporcionan un producto
de semejante resistencia media al desgaste?.
Solucin:
Se tiene que realizar un contraste bilateral de igualdad de medias:

=
2 1 1
2 1 0
: H
: H
con varianzas poblacionales desconocidas, con muestras pequeas 30 m n < +
Dependiendo de que se suponga que las varianzas son iguales o no el contraste variar.
Por ello, es necesario realizar primero un contraste relativo a la igualdad de varianzas.

2
2
2
1 1
2
2
2
1 0
: H : H =
2
2
2
1
en la decisin que se elija debern ser vlidos
valores de
2
2
2
1
>
2
2
2
1
< , por lo cual el contraste debe ser bilateral o de dos colas.
Una distribucin F de Fisher-Snedecor,
con dos variables
2
n
y
2
m
, independientes
entre si, es una variable
m
n
F
2
m
2
n
m , n
= .
Estadstico de contraste:
) 1 m ( , ) 1 n (
2
2
2
1
F
s
s

=
La regla de decisin ser: k F 0
13 , 9

El valor crtico de k se determina mediante el nivel de significacin 05 , 0 = :
[ ]
[ ] [ ] [ ] 05 , 0 F k P k F P
13 , 9 2 1 13 , 9 3 3
3
= + = =
= = =
) F k ( ) k F 0 ( P
H / k F 0 ) cierta H / H chazar Re ( P
1 , 9 2 1 1 , 9
0 1 , 9 0 0
[ ] [ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] ( ) [ ]
2 13 , 9 2 13 , 9 2 13 , 9
2 13 , 9 13 , 9 13 , 9 2
1 13 , 9 13 , 9 1 13 , 9 1 13 , 9
k F P k F P 1 1 k F P 1
k F P F P F k P
k F P 0 F P k F P k F 0 P
= = =
= =
= =
se tiene:
[ ]
[ ]
= = =
= = = = =

31 , 3 F k 025 , 0 F k P
2611 , 0
83 , 3
1
F
1
F k 025 , 0 k F P
13 , 9 ; 025 , 0 2 13 , 9 2
9 , 13 ; 025 , 0
13 , 9 ; 025 , 0 1 1 1 13 , 9
La regin crtica es:
) 31 , 3 F ( ) 2611 , 0 F 0 (
13 , 9 13 , 9

Se observa que el estadstico muestral 259 , 1
054 , 0
068 , 0
s
s
F
2
2
2
1
13 , 9
= = = no se encuentra en
la regin de rechazo. En consecuencia, con un nivel de confianza del 95%, se acepta que
las varianzas son desconocidas pero iguales.
Otra forma rpida de contrastar la hiptesis es haber utilizado la Regin de
Rechazo de la Hiptesis nula:
[ ]
=
) 1 m ( ), 1 n ( ; 2 ) 1 m ( ), 1 n ( ; 2 1
2
2
2
1
F ; F
s
s
R
[ ] ) F 31 , 3 ; F 2611 , 0 ( 259 , 1 R
13 , 9 ; 025 , 0 13 , 9 ; 975 , 0
= = =
CONTRASTE BILATERAL DE IGUALDAD DE MEDIAS POBLACIONALES CON VARIANZAS
POBLACIONALES DESCONOCIDAS PERO IGUALES:
La hiptesis nula
2 1 0
2 1 1
: H
2 1
en la decisin que tengamos que tomar deben
ser vlidos valores mayores o menores que
2
, con lo que el contraste debe ser
>

) RA ( H rechaza se k y x Si
) RA ( H acepta se k y x Si
0
0
En el muestreo de las dos poblaciones normales con varianzas desconocidas pero iguales,
las variables X e Y, respectivamente:
1 10
1
1
t
n s
x
=

e
1 14
2
2
t
m s
y
=

Bajo la hiptesis nula ) (
2 1
= : )
m
s
n
s
; 0 ( t ) y x (
2
p
2
p
13 9
+
+
, donde:
0597 , 0
2 14 10
) 054 , 0 ( ) 1 14 ( ) 068 , 0 ( ) 1 10 (
s
2 m n
2
2
s
1 m
2
1
s
1 n
2
p
=
+
+
=
+

4 43 4 42 1
48 47 6 48 47 6 48 47 6 48 47 6
(cuasivarianza muestral ponderada)
es decir, ) 101 , 0 ; 0 ( t )
14
0597 , 0
10
0597 , 0
; 0 ( t ) y x (
22 13 9
+
+
El valor crtico k, bajo la hiptesis nula, ) 101 , 0 ; 0 ( t ) y x (
22
, se calcula a partir del
nivel de significacin :
= > = = ) cierta H k y x ( P ) cierta H H chazar (Re P
0 0 0
05 , 0
101 , 0
k
101 , 0
y x
P =
>
=
La regin crtica: 209 , 0 y x t 074 , 2
101 , 0
y x
22 ; 025 , 0
> = >
a
La regin de rechazo de la hiptesis nula es: ( ) 209 , 0 y x R > = . La evidencia
emprica muestra que 02 , 0 62 , 0 6 , 0 y x = = , valor que no se encuentra en la
regin de rechazo, por lo que se acepta la hiptesis nula.
As pues, no existe diferencia entre las resistencias medias al desgaste de los
productos proporcionados por los dos proveedores, con una confianza del 95%.
Otra forma rpida de contrastar la hiptesis es haber utilizado la Regin de
Rechazo de la Hiptesis nula:
+ > =
+
m
1
n
1
s t y x R
p ) 2 m n ( ; 2
2443 , 0 0597 , 0 s
p
= = , 074 , 2 t
22 ; 025 , 0
=
+ > =
14
1
10
1
) 2443 , 0 ( ) 074 , 2 ( 62 , 0 6 , 0 R { } 209 , 0 02 , 0 R > = a
La evidencia muestra que no se verifica la regin de rechazo, por lo que se acepta la
hiptesis nula, con un nivel de confianza del 95%. Esto es, no existe diferencia entre
las resistencias medias al desgaste de los productos proporcionados por los dos
proveedores.
32.- En un informa presentado por un reportero a una revista feminista se afirma que
el nmero medio de horas semanales de conexin a Internet es el mismo para hombres
que para mujeres. Sin embargo no parece prudente publicar estos datos sin
contrastarlos estadsticamente. Se selecciona para ello una muestra de 75 hombres y
50 mujeres. Los resultados muestrales se recogen en la siguiente tabla:
Hombres Mujeres
Tamao muestral 75 50
Nmero medio de horas/semana 7,42 5,34
Dispersin en la conexin 9,08 7,24
a) Formular el contraste a realizar y sealar los supuestos que se deben realizar para
resolver el ejercicio.
b) Determinar la regin crtica del contraste.
c) Calcular el estadstico del contraste.
d) Existe evidencia para rechazar la hiptesis nula a un nivel de significacin del 5%?
Solucin:
a) Sean las variables aleatorias, respectivamente, X = 'Tiempo conexin a Internet de
los hombres' e Y = 'Tiempo conexin a Internet de las mujeres', donde ) , ( N X
1 1

e ) , ( N Y
2 2
.
En las muestras se obtuvieron los resultados:
= = =
= = =
50 m 24 , 7 s 34 , 5 y
75 n 08 , 9 s 42 , 7 x
2
1
NOTA.- En el supuesto que la dispersin muestral se refiriese a la desviacin tpica,
tendramos que considerar la relacin [
2 2
s ) 1 n ( n = ], en este caso, se tendra
14 , 9 s
1
= y 31 , 7 s
2
=
b) En el contraste se establecen las hiptesis:

=
0 : H
0 : H
2 1 1
2 1 0
Como la hiptesis alternativa es 0
2 1
en la decisin que se elija debern ser
vlidos valores de
2 1
>
2 1
< , por lo cual el contraste debe ser bilateral o de
dos colas.
>

.) C . R ( H rechaza se k y x Si
.) A . R ( H acepta se k y x Si
0
0
Los supuestos son:
muestral seleccin la de cia Independen
grandes muestras con as desconocid les poblaciona Varianzas
c) En el muestreo de las dos poblaciones normales con varianzas desconocidas, las
variables X e Y, respectivamente, siguen distribuciones:
n
s
, N
1
1
y
m
s
, N
2
2
,
con lo que la diferencia de medias muestrales
+
m
s
n
s
, ) ( N ) y x (
2
2
2
1
2 1
Con lo cual, la diferencia de medias muestrales, bajo la hiptesis nula 0 : H
2 1 0
= ,
se distribuye:
) 465 , 1 ; 0 ( N
50
) 24 , 7 (
75
) 08 , 9 (
, 0 N ) y x (
2 2
=
+
El valor crtico k se determina mediante el nivel de significacin :
2 1 0 0 0
) 1 , 0 ( N simetra por 05 , 0
2 2
K
465 , 1
y x
P K
465 , 1
y x
P
K
465 , 1
y x
K
465 , 1
y x
P K
465 , 1
0 ) y x (
P
=
>
<
=
=
>
<
>

=
La regin crtica:
025 , 0
z 96 , 1
465 , 1
y x
= >
8714 , 2 y x >
d) La evidencia emprica 08 , 2 34 , 5 42 , 7 y x = = , valor que no se encuentra en la
regin de rechazo, por lo que se acepta la hiptesis nula de igualdad de medias. Esto es,
con un nivel de significacin del 5%, el nmero medio de horas conectados a internet es
el mismo para hombres que para mujeres.
33.- En dos poblaciones ) , 2 ( N
1
y ) , 3 ( N
2
, con un nivel de significacin del 10%, se
quiere contrastar la hiptesis de igualdad de varianzas, habiendo tomado,
respectivamente, dos muestras independientes, con los datos que se reflejan en la tabla
adjunta:
i
x
2 7 5 9
j
y
4 10 7 8 5 9
Solucin:
Las variables aleatorias X e Y siguen, respectivamente, distribuciones ) , 2 ( N
1
e
) , 3 ( N
2
.
En el contraste bilateral se establecen las hiptesis:

=
2
2
2
1
2
2
2
1
: H
: H
1
0
Sabemos que la variable
2
n
2
n
1 i
2
i
) x (

=
por ser la suma de n variables aleatorias
) 1 , 0 ( N , independientes entre s. Por otro lado, la variable
m
n
F
2
m
2
n
m , n
= se distribuye
como una F de Fisher-Snedecor con n y m grados de libertad.
Bajo la hiptesis nula
2 2
2
2
1
= = , las variables
2
4 2
1
4
1 i
2
i
) 2 x (

=
e
2
6 2
2
6
1 j
2
j
) 3 y (

=
, y
la variable
=
=
=
=
=
6
1 j
2
j
4
1 i
2
i
2
6
1 j
2
j
2
4
1 i
2
i
2
6
2
4
6 , 4
) 3 y (
) 2 x (
4
6
6
) 3 y (
4
) 2 x (
6
4
F
2
2
2
1
en la
decisin que se elija debern ser vlidos valores
de
2
2
2
1
>
2
2
2
1
< , por lo cual el contraste
debe ser bilateral o de dos colas.
La regla de decisin ser: k F 0
6 , 4

El valor de k se determina mediante el nivel de significacin 10 , 0 = :
[ ] [ ] 10 0, ) F k ( ) k F 0 ( P H / k F 0 ) cierta H / H chazar Re ( P
6 , 4 2 1 6 , 4 0 6 , 4 0 0
= = = =
[ ] [ ] 10 0, F k P k F P
6 , 4 2 1 6 , 4
= + =
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ] ( ) [ ]
= = = =
= =
2 6 , 4 2 6 , 4 2 6 , 4 2 6 , 4 6 , 4 6 , 4 2
1 6 , 4 6 , 4 1 6 , 4 1 6 , 4
k F P k F P 1 1 k F P 1 k F P F P F k P
k F P 0 F P k F P k F 0 P
se tiene:
[ ]
[ ]
= = =
= = = = =

53 , 4 F k 05 , 0 F k P
162 , 0
16 , 6
1
F
1
F k 05 , 0 k F P
6 , 4 ; 05 , 0 2 6 , 4 2
4 , 6 ; 05 , 0
6 , 4 ; 05 , 0 1 1 1 6 , 4
La regin crtica es: ) 53 , 4 F ( ) 162 , 0 F 0 (
6 , 4 6 , 4

De otra parte, para conocer el valor muestral del estadstico F, es necesario calcular:
83 ) 2 x (
4
1 i
2
i
=
=
131 ) 3 y (
6
1 j
2
j
=
=
95 , 0
131 . 4
83 . 6
) 3 y (
) 2 x (
4
6
F
6
1 j
2
j
4
1 i
2
i
6 , 4
= =
=
=
Se observa que el estadstico muestral 95 , 0 F
6 , 4
= no pertenece a ninguno de los dos
intervalos, encontrndose en la regin de aceptacin, en consecuencia, aceptamos la
hiptesis nula de igualdad de varianzas, a un nivel de significacin del 10%.
Anlogamente, la regin de rechazo: [ ]
=
) 1
2
n ( ), 1
1
n ( ; 2 ) 1
2
n ( ), 1
1
n ( ; 2 1 2
y
2
x
F ; F
s
s
R
En el muestreo: 66 , 1
s
s
37 , 5
1 n
) y y (
s 92 , 8
1 n
) x x (
s
2
y
2
x
y
6
1 j
2
ji
2
y
x
4
1 i
2
i
2
x
= =
= =
=
=
4095 , 5 F F 11 , 0
0135 , 9
1
F
1
F F
5 , 3 ; 05 , 0 ) 1
2
n ( ), 1
1
n ( ; 2 /
3 , 5 ; 05 , 0
5 , 3 ; 95 , 0 ) 1
2
n ( ), 1
1
n ( ; 2 / 1
= = = = = =

El estadstico muestral [ ] 4095 , 5 ; 11 , 0 66 , 1 ) s / s (
2
y
2
x
= , por lo que aceptamos la
hiptesis nula de igualdad de varianzas, con un nivel de significacin del 10%.
CONTRASTE DE HIPTESIS. TEOREMA DE NEYMAN-PEARSON.
34.- Un experto cree que el nmero medio de errores por pgina que comete es dos.
Por otra parte, el editor defiende que el nmero medio es de cuatro. Para una muestra
aleatoria simple de 100 pginas, con un nivel de significacin del 5%, se pide:
1. Obtener la regin crtica.
2. Hallar la potencia del contraste.
3. Si en la muestra aleatoria de 100 pginas se encontraron 250 errores, qu
hiptesis se acepta?
Nota.- Se supone que el nmero de errores por pgina sigue una distribucin de Poisson.
Solucin:
1) La variable aleatoria X = nmero de errores por pgina sigue una distribucin de
Poisson de parmetro (nmero medio de errores por pgina).
Sobre el parmetro se establecen las hiptesis nula y alternativa:
=
=
4 : H
2 : H
1
0
La funcin de verosimilitud para una muestra aleatoria simple de tamao n:

=
=

=
n
n
1 i
i
n
1 i
i
x
n
n
x
2
2
x
1
1
x
n 2 1
e
! x
e
! x
e
! x
e
! x
) , x , , x , x ( L L L
Para obtener la mejor regin crtica se aplica el teorema de Neyman-Pearson:
00 2
1
100
1 i
i
x
1
00 2
100
1 i
i
x
400
n
1 i
i
00 2
n
1 i
i
n 2 1
n 2 1
e
k
2
1
k e
2
1
e
! x
x
4
e
! x
x
2
) 4 , x , , x , x ( L
) 2 , x , , x , x ( L
100
1 i
i
100
1 i
i
= =
=
=

=
=
=
L
L
= =
=
00 2
1
100
1 i
i 00 2
1
100
1 i
i 00 2
1
100
1 i
i
x
e
k
ln 2 ln x
e
k
ln
2
1
ln x
e
k
2
1
a
( )
k
2 ln
e k ln
x
00 2
1
100
1 i
i
=
=
. La mejor regin crtica es de la forma k x
100
1 i
i

=
El valor de k se obtiene considerando que el nivel de significacin es del 5%, y teniendo
en cuenta que
=
100
1 i
i
x , bajo la hiptesis nula, sigue una distribucin de Poisson de
parmetro 200 2 . 100 = = , es decir, ) 200 ( P x
100
1 i
i
=
=
. Por otra parte,
=
100
1 i
i
x se puede
aproximar mediante la distribucin normal ) 200 , 200 ( N . En consecuencia:
3 , 223 k 645 , 1
200
200 k
05 , 0
200
200 k
200
200 x
P k x P
100
1 i
i 100
1 i
i
= =

=
=
a
La mejor regin crtica es 3 , 223 x
100
1 i
i

=
. En otras palabras, si la suma de observaciones
muestrales es mayor que 223,3 se rechaza la hiptesis nula.
2) ) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia 1
1 0 0 0
= =
Considerando, de una parte, que bajo la hiptesis alternativa 4 : H
1
= , el
=
100
1 i
i
x sigue
una distribucin de Poisson de parmetro 400 4 . 100 = = , es decir, ) 400 ( P x
100
1 i
i
=
=
.
Teniendo en cuenta su aproximacin a la distribucin normal ) 400 , 400 ( N , resulta:
[ ] 1 85 , 8 z P
400
400 223
400
400 x
P 223 x P
100
1 i
i 100
1 i
i
P =
=
=
=
La potencia del contraste es prcticamente la unidad.
3) En la muestra aleatoria simple de 100 pginas se encontraron 250 errores, como la
regin crtica es 3 , 223 x
100
1 i
i

=
, con un nivel de significacin del 5% se rechaza la
hiptesis nula del experto que aseguraba que el nmero medio de errores por pgina era
de dos.
35.- En una distribucin de Poisson se establece sobre el parmetro la hiptesis nula,
1 , 0 : H
0
= , y la alternativa, 4 , 0 : H
1
= . En muestras aleatorias simples de tamao
100, siendo el nivel de significacin 0,1, se desea conocer:
a) La mejor regin crtica.
b) La potencia del contraste.
Solucin.-
a) Una variable aleatoria X sigue una distribucin de Poisson de parmetro cuando:

= = e
! k
) k X ( P
k
Aplicando el lema de Neyman-Pearson, el cociente de las funciones de verosimilitud:
= =
=
=

4 , 0
100
100
x
4 , 0
2
2
x
4 , 0
1
1
x
1 , 0
100
100
x
1 , 0
2
2
x
1 , 0
1
1
x
100 2 1
100 2 1
e
! x
4 , 0
e
! x
4 , 0
e
! x
4 , 0
e
! x
1 , 0
e
! x
1 , 0
e
! x
1 , 0
) 4 , 0 ; x , , x , x ( L
) 1 , 0 ; x , , x , x ( L
L
L
L
L

1
30
100
1 i
i
x
30
100
1 i
i
x
30
100
1 i
i
x
40
100
1 i
i
x
10
100
1 i
i
x
k e . 4 e .
1 , 0
4 , 0
e .
4 , 0
1 , 0
e 4 , 0
e 1 , 0

=
=
=
de donde,
) k . e ( ln 4 ln k . e 4 k e . 4
1
30
100
1 i
i
x
1
30
100
1 i
i
x
1
30
100
1 i
i
x
k x
4 ln
) k . e ( ln
x
100
1 i
i
1
30
100
1 i
i

=
=
a . La mejor regin crtica es k x
100
1 i
i

=
- Bajo la hiptesis nula,
=
100
1 i
i
x es una variable aleatoria, suma de cien variables
aleatorias independientes, que sigue una distribucin de Poisson de parmetro
) 10 ( P ) 1 , 0 . 100 ( P = = .
Por otra parte, como el tamao muestral es lo suficientemente grande se puede utilizar
la aproximacin normal (teorema central del lmite): ) 10 , 10 ( N x
100
1 i
i

=
El valor crtico k se determina mediante el nivel de significacin 1 , 0 =
05 , 14 k 2817 , 1
10
10 k
1 , 0
10
10 k
10
10 x
P H / k x P
100
1 i
i
0
100
1 i
i
= =

=
=
a
Como los valores que toma una variable de Poisson son enteros, la mejor regin crtica
es 15 x
100
1 i
i

=
. Es decir, cuando la suma de los valores muestrales sea mayor que 15,
rechazaremos la hiptesis nula.
b) ) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia
1 0 0 0
=
Considerando, de una parte, que bajo la hiptesis alternativa 4 , 0 : H
1
= , el
=
100
1 i
i
x sigue
una distribucin de Poisson de parmetro 40 4 , 0 . 100 = = : ) 40 ( P x
100
1 i
i
=
=
Teniendo en cuenta su aproximacin a la distribucin normal ) 40 , 40 ( N , resulta:
[ ] 99996 , 0 95 , 3 z P
40
40 15
40
40 x
P cierta H / 15 x P o
100
1 i
i
1
100
1 i
i
P = =
=
=
=
La potencia del contraste es prcticamente la unidad.
36.- Las patatas cultivadas en la parcela A siguen una distribucin ) 144 , ( N
1
;
mientras que las cultivadas en la parcela B siguen una distribucin ) 225 , ( N
2
. Un
agricultor quiere contrastar que el peso medio de las patatas cultivadas en ambas
parcelas es el mismo, 0 : H
2 1 0
= , frente a la hiptesis alternativa de que el peso
medio de las patatas cultivadas en la parcela A es de 80 gramos mayor que el de las
cultivadas en la parcela B, 80 : H
2 1 1
= . Para ello, selecciona una muestra aleatoria
de 100 patatas de la primera parcela con un peso medio de 400 gramos; y otra de 81
patatas de la segunda parcela con un peso medio de 324 gramos. Se pide:
1. Hallar la mejor regin crtica.
2. Calcular la potencia del contraste.
3. Se acepta la hiptesis de que las patatas cultivadas en ambas parcelas tienen el
mismo peso medio?
Solucin:
Sean la variable aleatoria X = peso medio de las patatas en la parcela A, que sigue una
distribucin ) 144 , ( N
1
. Anlogamente, sea la variable aleatoria Y = peso medio de las
patatas en la parcela B, con una distribucin ) 225 , ( N
2
. Sean, respectivamente, x
v
e
y , las dos medias muestrales de las dos muestras aleatorias simples de patatas
correspondientes a las dos parcelas.
x se distribuye segn una
1
1
1
n
, N , es decir, ) 4 , 14 ; ( N
100
144
, N
1 1

y se distribuye segn una
2
2
2
n
, N , es decir, ) 25 ; ( N
81
225
, N
2 2

La diferencia de las medias muestrales ) y x ( se distribuye segn una normal:

[ ] [ ] 85 , 28 ; N ) y x ( 25 4 , 14 ; N ) y x (
2 1
2 2
2 1
+ a
Para hallar la mejor regin crtica se aplica el teorema de Neyman-Pearson:
}
( )
[ ]
( )
[ ]
[ ]
= =
=
=
=

=
2
80 ) y x (
2
) y x (
2
85 , 28 . 2
1
2
85 , 28 . 2
2
80 ) y x (
2
85 , 28 . 2
2
0 ) y x ( 2
2
) x (
2
1
e
2
1
) x ( f
2 1
2 1
e
e 2 85 , 28 1
e 2 85 , 28 1
) 80 , x ( L
) 0 , x ( L
1
) 6400 ) y x ( 160 (
2
85 , 28 . 2
1
k e =

k ) y x ( 6400 k ln 64 , 1664 ) y x ( 160
k ln ) 6400 ) y x ( 160 (
85 , 28 . 2
1
k e
1
1 2 1
) 6400 ) y x ( 160 (
2
85 , 28 . 2
1
+

a
Para hallar el valor de k se considera que el nivel de significacin es 0,05, se
verifica la hiptesis nula 0 : H
2 1 0
= , y por tanto ) 85 , 28 ; 0 ( N ) y x ( , entonces:
[ ] 05 , 0 0 : H / k ) y x ( P
2 1 0
= =
46 , 47 k 645 , 1
85 , 28
k
05 , 0
85 , 28
k
z P
85 , 28
k
85 , 28
) y x (
P = = =
a
Si la diferencia entre las medias de las dos muestras es superior a 47,46 gramos se
rechaza la hiptesis nula de igualdad de medias poblacionales.
2) ) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia
1 0 0 0
=
Si se verifica la hiptesis alternativa 80 : H
2 1 1
= , se tiene ) 85 , 28 ; 80 ( N ) y x (
Con lo cual,
[ ] 8708 , 0 13 , 1 z P
85 , 28
80 46 , 47
85 , 28
80 ) y x (
P o P = =

=
2) La diferencia entre el peso medio de las muestras tomadas en ambas parcelas es:
gramos 76 324 400 =
Como la diferencia es mayor que 47,46 gramos, se rechaza la hiptesis nula de que
ambas parcelas producen patatas con igual peso medio.
37.- El gasto diario, en miles de euros, en electricidad de una empresa es una variable
aleatoria con distribucin ). 1 ; ( N Se desea contrastar con un nivel de significacin del
5%, la hiptesis nula de que el gasto medio diario es de 30 euros frente a la hiptesis
alternativa de que dicho gasto es menor que la citada cifra.
Para ello se toma una muestra aleatoria simple de diez das en los que el gasto en
electricidad en euros fue:
29,50 29,30 30,50 31,50 29,10 29,90 30,10 31 31,50 30
Se pide:
1. Cul es la hiptesis aceptada?
2. Cul habra sido la probabilidad de aceptar que el gasto diario medio es de 30
euros, si el gasto medio diario fuese un 2% superior a la cifra supuesta en la
hiptesis nula?
Solucin:
1) La variable aleatoria X = gasto diario en facturas de electricidad ). 1 ; ( N X
La hiptesis nula 30 : H
0
1
<
Para una muestra aleatoria simple de tamao n, de una poblacin ), 1 ; ( N la funcin de
verosimilitud es:
=
=

n
1 i
2
)
i
x (
2
1 n
2
)
n
x (
2
1
2
)
2
x (
2
1
2
)
1
x (
2
1
n 2 1
e
2
1
e
2
1
e
2
1
e
2
1
) , x , , x , x ( L L L
Para obtener la regin crtica, aplicando el teorema de Neyman-Pearson:
1
i
x
n
1 i
) 6 2 ( )
2
9 ( n
2
1
i
x
n
1 i
2
2
n
2
i
x
n
1 i
i
x
n
1 i
6 n 9
2
i
x
n
1 i
2
1
n
1 i
n
1 i
2
)
i
x (
2
1
2
) 3
i
x (
2
1
n
1 i
2
)
i
x (
2
1 n
n
1 i
2
) 3
i
x (
2
1 n
n 2 1
n 2 1
k e e
e
e
2
1
e
2
1
) 3 , x , , x , x ( L
) 3 , x , , x , x ( L
=

=
=

=
=
<
=
=
+
=
+
=
=
+
=
= =
+
=

=

L
L
1 i
n
1 i
2
1
i
x
n
1 i
) 6 2 ( )
2
9 ( n
2
1
k ln x ) 6 2 ( ) 9 ( n
2
1
k e
=
+
) 9 ( n k ln 2 x ) 6 2 ( k ln x ) 6 2 ( ) 9 ( n
2
1
2
1 i
n
1 i
1 i
n
1 i
2

+
= =
a
) 6 2 (
) 9 ( n k ln 2
x
2
1
i
n
1 i

=
dividiendo por n, resulta k
n
x
x
i
n
1 i

=
=
con lo que la forma de la regin crtica es k x .
Siendo el nivel de significacin del 5%: [ ] 05 , 0 30 : H k x P
0
= =
Si la hiptesis nula es cierta, considerando que la muestra es de tamao 10, la media
muestral se distribuye segn una normal
10
1
, 30 N x , por tanto,
[ ] 05 , 0
10 1
30 k
z P
10 1
30 k
10 1
30 x
P 30 : H k x P
0
=
= =
observando las tablas de la ) 1 , 0 ( N se tiene que 48 , 29 K 645 , 1
10 1
30 k
= =
La regin crtica es: 48 , 29 x

Por otra parte, la media muestral es: 24 , 30
10
x
x
10
1 i
i
= =

=
Siendo 48 , 29 4 2 , 30 x > = se acepta la hiptesis nula, siendo el gasto medio diario en
electricidad de 30 euros, con una fiabilidad del 95%.
2) Si el gasto medio diario fuera un 2% superior a 30 euros, sera de 30,6 euros, es
decir . 6 , 30 = En este caso, la media muestral se distribuye segn una normal
10
1
; 6 , 30 N x , por tanto, la probabilidad pedida sera:
[ ] [ ] 9998 , 0 54 , 3 z P
10 1
6 , 30 48 , 29
10 1
6 , 30 x
P 6 , 30 siendo H Aceptar P
0
= > =

>
= =
38.- Las especificaciones de un tipo de bscula aseguran que los errores en las pesadas
siguen una distribucin normal con esperanza nula y varianza unidad. Se desea
contrastar la afirmacin sobre la varianza frente a la hiptesis alternativa de que la
varianza es 4. En este sentido, se realizan cinco pesadas en las que el error cometido
result ser
1 0,9 - 0,2 1,4 - 0,7
Para un nivel de significacin del 5%, se pide:
1. Obtener la mejor regin crtica.
2. Obtener la potencia del contraste.
3. Indicar qu hiptesis resultada aceptada.
Solucin:
1) Sea la variable aleatoria X = error cometido en la bscula ). ; 0 ( N X
Se tiene la hiptesis nula 1 : H
2
0
2
1
=
La funcin de verosimilitud para una muestra aleatoria simple de tamao 5 es:

=
=
5
1 i
2
i
x
2
2
1 5
2
5
x
2
2
1
2
1
x
2
2
1
2
5 2 1
e
2
1
e
2
1
e
2
1
) , x , , x , x ( L L L
La regin crtica ptima se obtiene aplicando el teorema de Neyman-Pearson:
1
5
1 i
2
i
x
8
3
5
5
1 i
2
i
x
8
1
5
1 i
2
i
x
2
1
5
5
1 i
2
i
x
4 . 2
1 5
5
1 i
2
i
x
2
1 5
2
5 2 1
2
5 2 1
k e 2 e 2
e
2 2
1
e
2
1
) 4 , x , , x , x ( L
) 1 , x , , x , x ( L
=

=
=
=
=
=
=
+
=
L
L
) 32 k ( ln x
8
3
32 k e k e 2
1
5
1 i
2
i 1
5
1 i
2
i
x
8
3
1
5
1 i
2
i
x
8
3
5

=
=
a
k x
8 3
) 32 k ( ln
x
8 3
) 32 k ( ln
x
5
1 i
2
i
1
5
1 i
2
i
1
5
1 i
2
i

= = =
a a
La forma de la mejor regin crtica es k x
5
1 i
2
i

=
El valor de k se obtiene apoyndonos en que el nivel de significacin es del 5%:
05 , 0 1 : H k x P
2
0
5
1 i
2
i
=
=
=
Si la hiptesis nula es cierta, la variable aleatoria se distribuye segn una normal
) 1 ; 0 ( N , siendo
=
5
1 i
2
i
x una variable aleatoria suma de cinco variables aleatorias
independientes y con distribucin ) 1 ; 0 ( N . En consecuencia,
=
5
1 i
2
i
x se distribuye como
una
2
5
(ji-cuadrado con cinco grados de libertad).
En este sentido, observando en las tablas: 07 , 11 K 05 , 0 k x P
5
1 i
2
i
= =

=
La regin crtica es: 07 , 11 x
5
1 i
2
i

=
En otras palabras, se aceptar la hiptesis nula cuando la suma de los cuadrados de las
observaciones muestrales sea menor que 11,07
2) La potencia del contraste es la probabilidad de rechazar la hiptesis nula cuando es
cierta la hiptesis alternativa, esto es:
= =
=
4 : H 07 , 11 x P Potencia
2
1
5
1 i
2
i
Observemos que si la hiptesis alternativa es cierta, la variable aleatoria X se
distribuye segn una normal ) 2 ; 0 ( N , con lo que dividiendo cada
i
x por la desviacin
tpica 2 = , se tiene que
=
5
1 i
2
i
) 2 x ( se distribuye segn una
2
5
, en consecuencia:
75 , 0 7675 , 2 ) 2 x ( P 4 : H 07 , 11 x P Potencia
2
5
1 i
i
2
1
5
1 i
2
i

= =
= =
3) El contraste se realiza hallando el
=
5
1 i
2
i
x de la muestra aleatoria simple, siendo:
07 , 11 3 , 4 ) 7 , 0 ( 4 , 1 ) 2 , 0 ( 9 , 0 1 x
2 2 2 2 2
5
1 i
2
i
< = + + + + =
=
por lo que se acepta la hiptesis nula.
39.- El precio de los productos vendidos por una empresa es una variable aleatoria con
funcin de densidad
1
x ) x ( f

= , donde 0 , 1 x 0 > < < , que depende del parmetro
desconocido . Se quiere contrastar sobre el valor de dicho parmetro la hiptesis nula
1 : H
0
= frente a la alternativa 2 : H
1
= . Para ello, se toma una muestra aleatoria
simple de tamao dos.
Determinar el nivel de significacin y la potencia del contraste, si se toma como regin
crtica 6 , 0 x x
2 1

Solucin:
El nivel de significacin es la probabilidad de rechazar la
hiptesis nula siendo cierta: ) cierta H H chazar (Re P
0 0
= .
En la regin crtica 6 , 0 x x
2 1
, para 1 = se tiene: 1 ) x ( f = ,
con lo cual:
[ ] = + = =

=
=
=
=
=
=
=
=
2
1
1
6 , 0
1
1
6 , 0
2
0
2
1 2
6 , 0
1
0
1
1
2
0
2
1 0 2 1
1 1 1 : 6 , 0 dx dx dx dx H x x P
x
x
x x
x
x
x
x
x
906 , 0 ) 51 , 0 0 ( 6 , 0 6 , 0 ) 6 , 0 ln 1 (ln 6 , 0 6 , 0 ) ln ( ) (
) 6 , 0 ( 1 ) ( ) (
1
6 , 0
1
6 , 0
0
1
1
1
6 , 0
1
6 , 0
0
1 1
1
6 , 0
1
6 , 0
0
2 1
6 , 0
0
1
0
2
= + + = + = + =
= + = + =

x x
dx x dx dx x dx x
x
La probabilidad de rechazar la hiptesis nula siendo cierta es alta, lo que indica que el
contraste es malo.
1 0 0 0
= = .
2 1
, para 2 = se tiene x 2 ) x ( f = , la potencia ser:
[ ] = + = = =

=
=
=
=
=
=
=
=
2
1
1
6 , 0
1
1
6 , 0
2
0
2
1 2 1 2
6 , 0
1
0
1
1
2
0
2
1 2 1 0 2 1
2 2 2 2 2 : 6 , 0 dx dx x x dx dx x x H x x P Pot
x
x
x x
x
x
x
x
x
7272 , 0 ) 51 , 0 0 ( 72 , 0 36 , 0 ) 6 , 0 ln 1 (ln 72 , 0 36 , 0 ) x ln ( 72 , 0 ) x (
dx ) x / 36 , 0 ( 2 dx x 2 dx ) 2 x ( x 4 dx ) 2 x ( x 4
1
6 , 0 1
6 , 0
0
2
1
1
1
6 , 0
1 1
6 , 0
0
1 1
1
x / 6 , 0
0
2
2
1
6 , 0
1 1
1
0
2
2
6 , 0
0
1
= + + = + = + =
= + = + =

La potencia del contraste no resulta excesivamente alta, el contraste no es bueno.
40.- El volumen diario de ventas de una empresa, en cien mil euros, es una variable
aleatoria X sobre cuya funcin de densidad se establece la hiptesis nula
2 x 0 , 2 x ) x ( f : H
0
< < = , frente a la hiptesis alternativa . 2 x 0 , 2 1 ) x ( f : H
1
< < =
Para realizar el contraste se toma una muestra aleatoria simple de dos das en los que
los volmenes de venta fueron de 50.000 euros y 100.000 euros. Con un nivel de
significacin del 5 por ciento, se pide:
1. Hallar la mejor regin crtica.
2. Calcular la potencia del contraste.
3. Qu hiptesis se acepta.
Solucin:
1) Para una muestra aleatoria simple de tamao dos, la
mejor regin crtica aplicando el teorema de Neyman-
Pearson, el cociente de las funciones de verosimilitud es:
k x . x
2 1 . 2 1
x . x
) 2 1 ) x ( f , x , x ( L
) 2 x ) x ( f , x , x ( L
2 1
2 1
2 1
2 1
= =
=
=
Si la hiptesis nula es cierta ) 2 x ) x ( f = , con un nivel de
significacin del 5%, se tiene:
[ ] = + = = =

=
=
=
=
=
=
=
=
2
2
1
x
2 k
1
x
1
x k
2
x
0
2
x
1
2 1
2
2 k
1
x
0
1
x
2
2
x
0
2
x
1
2 1
0 2 1
dx dx
4
x x
dx dx
4
x x
2 x ) x ( f : H k x x P 05 , 0
[ ] [ ]
[ ] [ ] 3733 , 0 k donde de 40 , 0 k ln 8633 , 1 k 05 , 0 k ln 8633 , 1
8
k
k ln 8633 , 1
8
k
k ln 2 ln 2
2
1
8
k
) 2 k ( ln 2 ln
8
k
16
k
) x ln (
8
k
) x (
4
1
dx
x 8
k
dx
2
x
dx ) 2 / x (
4
x
dx ) 2 / x (
4
x
2
2
2 2 2 2
2
2 k 1
2
2 k
0
2
1
2
2 k
1
1
2
2 k
0
1
1
2
1
x
2 k
1
x
1
1
x k
0
2
2
1
2 k
1
x
0
1
x
1
2
0
2
2
1
= = =
=
+ = + = + =
= + = + =

=
=
=
=
a
La regla de decisin es 3733 , 0 x . x
2 1
.
Es decir, se rechaza la hiptesis nula si durante los das el producto de los dos
volmenes de ventas de la muestra es inferior a 37.330 euros.
2) ) cierta H H chazar (Re P ) falsa H H chazar (Re P Potencia 1
1 0 0 0
= = .
2 1
, con la funcin de densidad 2 1 ) x ( f = , la potencia:
[ ] = + = = =

=
=
=
=
2
2
1
x
2 / 3733 , 0
1
x
1
x 3733 , 0
0
1 2
2 / 3733 , 0
1
x
0
1
x
2
0
1 1 2 1
dx dx
4
1
dx dx
4
1
2 1 ) x ( f : H 3733 , 0 x x P P
[ ] 3146 , 0 ) 2 / 3733 , 0 ( ln 2 ln
4
3733 , 0
4
3733 , 0
) x ln (
4
3733 , 0
) x (
2
1
dx
x
1
4
3733 , 0
dx
2
1
dx ) x (
4
1
dx ) x (
4
1
2
2 / 3733 , 0 1
2 / 3733 , 0
0 1
1
2
2 / 3733 , 0 1
2 / 3733 , 0
0
1 1
1
x / 3733 , 0
0 2
2
2 / 3733 , 0
1
2
0 2
2 / 3733 , 0
0
= + = + =
= + = + =

3) En la muestra aleatoria simple, los volmenes de ventas fueron de 50.000 y 100.000
euros, en consecuencia 5 , 0 x
1
= y 1 x
2
= , por tanto, 5 , 0 x . x
2 1
=
Como la regin crtica es 3733 , 0 x x
2 1
, se acepta la hiptesis nula.
41.- Se sabe que las peras siguen una distribucin ) 1 , ( N . En una muestra de peras,
con peso medio de 300 gramos, se realiz un contraste con un nivel de significacin del
5% y una potencia de 0,6443, en donde la hiptesis nula era de 4 , 0 : H
0
= kg frente a
la hiptesis alternativa de 3 , 0 : H
1
= kg. Se desea saber:
1. Cul es el tamao de la muestra.
2. Hallar la hiptesis aceptada.
Solucin:
1) En una distribucin ) 1 , ( N , en una muestra de tamao n, la funcin de verosimilitud
vendr dada por la expresin:
=

=
=

n
1 i
2
)
i
x (
2
1
n
2
)
n
x (
2
1
2
)
2
x (
2
1
2
)
1
x (
2
1
n 2 1
e
2
1
e
2
1
e
2
1
e
2
1
) , x , , x , x ( L L L
Con las hiptesis del contraste, 4 , 0 : H
0
= y 3 , 0 : H
1
= . La regin crtica ptima se
obtiene aplicando el teorema de Neyman-Pearson:
1
n
1 i
i
x 2 , 0 n 7 , 0
2
1
n
1 i
n
1 i
n
1 i
i
x 6 , 0 n 09 , 0
2
i
x
n
1 i
i
x 8 , 0 n 16 , 0
2
i
x
2
1
n
1 i
n
1 i
2
) 3 , 0
i
x (
2
) 4 , 0
i
x (
2
1
n
1 i
2
) 3 , 0
i
x (
2
1
n
n
1 i
2
) 4 , 0
i
x (
2
1
n
n 2 1
n 2 1
k e e
e
e
2
1
e
2
1
) 3 , 0 , x , , x , x ( L
) 4 , 0 , x , , x , x ( L
=

=
=

=
=
=
=
= = =
+
=
+
= =

=

=

L
L
tomando logaritmos neperianos, resulta,
1
n
1 i
i 1
n
1 i
i 1
n
1 i
i
x 2 , 0 n 7 , 0
2
1
k ln 2 x 2 , 0 n 7 , 0 k ln x 2 , 0 n 7 , 0
2
1
k e
= =
=

a
n 2 , 0
k ln 2 n 7 , 0
n
x
2 , 0
k ln 2 n 7 , 0
x k ln 2 n 7 , 0 x 2 , 0
1
n
1 i
i
1
n
1 i
i 1
n
1 i
i
+
+

=
= =
La forma de la mejor regin crtica es: k x
Ahora bien, la hiptesis nula 4 , 0 : H
0
= es cierta si ) n 1 ; 4 , 0 ( N x . Con un nivel de
significacin del 5%, se tiene:
[ ] 645 , 1
n 1
4 , 0 k
05 , 0
n 1
4 , 0 k
z P
n 1
4 , 0 k
n 1
4 , 0 x
P 4 , 0 : H k x P
0
=
= = a
n
645 , 1
4 , 0 k

=
De otra parte, sabemos que la potencia del contraste es 0,6443.
1 0 0 0
= = .
Si se verifica la hiptesis alternativa 3 , 0 : H
1
= se tiene que ) n 1 ; 3 , 0 ( N x
[ ] 37 , 0
n 1
3 , 0 k
6443 , 0
n 1
3 , 0 k
z P
n 1
3 , 0 k
n 1
3 , 0 x
P 3 , 0 : H k x P
1
=
= = a
n
37 , 0
3 , 0 k =
Resolviendo el sistema:
3184 , 0 k
406 n
n
015 , 2
1 , 0
n
37 , 0
3 , 0 k
n
645 , 1
4 , 0 k
=
=
=
=
El tamao de la muestra es de 406 peras.
2) La mejor regin crtica ser 3184 , 0 k x = , rechazndose la hiptesis nula cuando
el peso medio de la muestra de peras sea inferior a 318,4 gramos.
Como en la muestra se obtuvo un peso medio de 300 gramos ( 4 , 318 300 ), se rechaza
la hiptesis nula de que el peso medio de las peras es de 0,4 kg.
Tablas de Contingencia
TABLAS DE CONTINGENCIA
CONTRASTE NO PARAMTRICO DE BONDAD DE AJUSTE
1.- Para comprobar si los operarios encontraban dificultades con una prensa manual de
imprimir, se hizo una prueba a cuatro operarios anotando el nmero de atascos sufridos
al introducir el mismo nmero de hojas, dando lugar a la siguiente tabla:
Operario A B C D Total
Obstrucciones 6 7 9 18 40
Con un nivel de significacin del 5%, existe diferencia entre los operarios?
Solucin.-
Estableciendo la hiptesis nula : H
0
'no existe diferencia entre los operarios'
La probabilidad de que se atascase una hoja sera 4 / 1 para todos los operarios.
De este modo, el nmero de atascos esperados para cada uno de ellos sera
4 , , 1 i i
) 10 e (
L =
= .
Tenemos, la tabla de contingencia 1 x 4:
Operario A B C D Total
Obstrucciones
6
(10)
7
(10)
9
(10)
18
(10)
40
(40)
Se acepta la hiptesis nula, a un nivel de significacin si
3 2 1
4 43 4 42 1 terico o estadstic
2
1 k ;
k
1 i
i
2
i
k
1 i
i
2
i i
2
1 k
n
e
n
e
) e n (

= =
< =
=

ervalos int nmero k
o bien, la regin de rechazo de la hiptesis nula:
=

=

k
1 i
2
1 k ;
i
2
i i
e
) e n (
R
con lo cual,
9 40
10
18
10
9
10
7
10
6
n
e
n
2 2 2 2
4
1 i
i
2
i
2
3
= + + + = =

=
Con el nivel de significacin ( 05 , 0 = ), el estadstico terico: 815 , 7
2
3 ; 05 , 0
=
siendo
2
3 ; 05 , 0
2
3
815 , 7 9 = > = se verifica la regin de rechazo, en consecuencia,
rechazamos la hiptesis nula y se concluye que existe diferencia significativa entre los
operarios respecto al nmero de atascos en la prensa de imprimir.
CONTRASTE NO PARAMTRICO DE BONDAD DE AJUSTE A UNA POISSON CON PARMETRO
DESCONOCIDO.
2.- En un laboratorio se observ el nmero de partculas que llegan a una
determinada zona procedentes de una sustancia radiactiva en un corto espacio de
tiempo siempre igual, obtenindose los siguientes resultados:
Nmero partculas 0 1 2 3 4 5
Nmero perodos de tiempo 120 200 140 20 10 2
Se pueden ajustar los datos obtenidos a una distribucin de Poisson, con un nivel de
significacin del 5%?
Solucin.-
Se establece la hiptesis nula ' Poisson la a ajusta se emprica n distribuci La ' : H
0
La hiptesis nula se acepta, a un nivel de significacin si
43 42 1
2
1 p k ;
k
1 i
i
2
i
k
1 i
i
2
i i
2
1 p k
n
e
n
e
) e n (

= =

< =
=

donde
estimar a parmetros nmero
ervalos int nmero
p
k
o bien, la regin de rechazo de la hiptesis nula:
=

=

k
1 i
2
1 p k ;
i
2
i i
e
) e n (
R
La distribucin de Poisson se caracteriza porque slo depende del parmetro que
coincide con la media.
Sea la variable aleatoria X = nmero de partculas y
i
n = nmero de perodos de tiempo
i
x
i
n
i i
n x
i i
p ) k x ( P = =
0 120 0 0,3012
1 200 200 0,3614
2 140 280 0,2169
3 20 60 0,0867
4 10 40 0,0260
5 2 10 0,0062
2 , 1
492
590
n
n x
x
i i
= = = =

2 , 1 =
en consecuencia,
2 , 1
k
i
e
! k
2 , 1
) k x ( P

= = 5 , , 0 k L =
n = 492 590
Las probabilidades con que llegan las partculas 5 , , 1 , 0 k L = se obtienen sustituyendo
los valores de k en la frmula
2 . 1
k
i
e
! k
2 , 1
) k x ( P

= = , o bien en las tablas con 2 , 1 =
Para verificar si el ajuste de los datos a una distribucin de Poisson se acepta o no,
mediante una
2
, tenemos que calcular las frecuencias esperadas ) p n e (
i i
=
i
x 0 1 2 3 4 5
frecuencias
120
) 2 , 148 e (
1
=
200
) 8 , 177 e (
2
=
140
) 7 , 106 e (
3
=
20
) 7 , 42 e (
4
=
10
) 8 , 12 e (
5
=
2
) 05 , 3 e (
6
=
2 , 148 3012 , 0 . 492 e
1
= = 8 , 177 3614 , 0 . 492 e
2
= = 7 , 106 2169 , 0 . 492 e
3
= =
7 , 42 0867 , 0 . 492 e
4
= =
8 , 12 0260 , 0 . 492 e
5
= =

05 , 3 0062 , 0 . 492 e
6
= =
dando lugar a una tabla de contingencia 1 x 6, en donde hay que agrupar las dos ltimas
columnas por tener la ltima columna frecuencias esperadas menores que cinco.
Por tanto, se tiene la tabla de contingencia 1 x 5:
i
x
0 1 2 3 4 y 5
frecuencias
120
) 2 , 148 e (
1
=
200
) 8 , 177 e (
2
=
140
) 7 , 106 e (
3
=
20
) 7 , 42 e (
4
=
12
) 8 , 15 e (
5
=
As, los grados de libertad son tres ) 3 1 1 5 1 p k ( = =
El estadstico de contraste:
31 , 32 492
8 , 15
12
7 , 42
20
27 , 106
140
8 , 177
200
2 , 148
120
n
e
n
e
) e n (
2 2 2 2 2 5
1 i i
2
i
5
1 i i
2
i i 2
3
= + + + + = =
=

= =
El estadstico terico: 815 , 7
2
3 ; 05 , 0
=
El estadstico de contraste (bondad de ajuste) es mayor que el estadstico terico
) 815 , 7 ( , rechazndose la hiptesis nula, es decir, la distribucin NO se puede ajustar
a una distribucin de Poisson a un nivel de significacin del 5%.
Se verifica la regin de rechazo: { } 815 , 7 31 , 32
e
) e n (
R
k
1 i
2
1 p k ;
i
2
i i
>
=

=

En el test de la
2
hay que tener en cuenta las siguientes consideraciones:
Hay que tener en cuenta el nmero de modalidades que admite el carcter, ya que al haber
ms modalidades la
2
va siendo cada vez ms grande.
Para emplearlo correctamente es necesario que las frecuencias esperadas de las distintas
modalidades no sea inferior a cinco.
Si existe alguna modalidad que tenga una frecuencia esperada menor que cinco se agrupan
dos o ms modalidades contiguas en una sola hasta lograr que la nueva frecuencia sea mayor
que cinco.
Si para obtener las frecuencias esperadas se necesitan hallar p parmetros entonces los
grados de libertad de la
2
son (k - p) si son independientes, y (k p - 1) si son excluyentes
las modalidades.
Se puede aplicar el test de la
2
en situaciones en las que se quiere decidir si una serie de
observaciones se ajusta o no a una funcin terica previamente determinada (binomial,
Poisson, normal, o hipottica).
CONTRASTE NO PARAMTRICO DE BONDAD DE AJUSTE A UNA NORMAL CON PARMETROS
DESCONOCIDOS.
3.- Para una muestra aleatoria simple de 350 das, el nmero de urgencias tratadas
diariamente en un hospital A queda reflejado en la siguiente tabla:
N urgencias 0 5 5 10 10 15 15 20 20 25 25 - 30 Total das
N das 20 65 100 95 60 10 350
Contrastar, con un nivel de significacin del 5%, si la distribucin del nmero de
urgencias tratadas diariamente en el hospital A se ajusta a una distribucin normal.
Solucin.-
Para ajustar los datos obtenidos a una distribucin normal ) , ( N de parmetros
desconocidos, se necesitan estimar los dos parmetros recurriendo a los estimadores
mximo-verosmiles: ) , x (
2
x
2
= = , donde la variable aleatoria X = nmero de
urgencias diarias.
Se establece la hiptesis nula ' normal la a ajusta se emprica n distribuci La ' : H
0
43 42 1
2
1 p k ;
k
1 i
i
2
i
k
1 i
i
2
i i
2
1 p k
n
e
n
e
) e n (

= =

< =
=

donde
ervalos int nmero
p
k
1) Se obtiene la media y la desviacin tpica:

Intervalos i
x
i
n
i i
n x
i
2
i
n x
0 - 5 2,5 20 50 125
5 - 10 7,5 65 487,5 3656,25
10 - 15 12,5 100 1250 15625
15 - 20 17,5 95 1662,5 29093,75
20 - 25 22,5 60 1350 30375
25 - 30 27,5 10 275 7562,5
350 n n
6
1 i
i
= =

=
5075 n x
6
1 i
i i
=
=
5 , 86437 n x
6
1 i
i
2
i
=
=
5 , 14
350
n x
x
6
1 i
i i
= =

=
71 , 36 ) x (
350
n x
350
n ) x x (
2
6
1 i
i
2
i
6
1 i
i
2
i
2
x
= =
=

= =
06 , 6
x
=
2) Se procede al ajuste de una distribucin normal ) 06 , 6 ; 5 , 14 ( N hallando las
probabilidades de cada uno de los intervalos:
Intervalos i
n
i
p n p e
i i
=
2
i i
) e n (
i
2
i i
e / ) e n (
0 - 5 20 0,0498 17,43 6,6 0,38
5 - 10 65 0,1714 59,99 25,1 0,42
10 - 15 100 0,3023 105,81 33,76 0,32
15 - 20 95 0,2867 100,35 28,62 0,29
20 - 25 60 0,1396 48,86 124,1 2,54
25 - 30 10 0,0366 12,81 7,9 0,62
350 n =
57 , 4 e / ) e n (
6
1 i
i
2
i i
=
=
04978 , 0 00842 , 0 0582 , 0 ) 39 , 2 z ( P ) 57 , 1 z ( P ) 39 , 2 z 57 , 1 ( P
) 57 , 1 z 39 , 2 ( P
06 , 6
5 , 14 5
06 , 6
5 , 14 x
06 , 6
5 , 14 0
P ) 5 x 0 ( P
= = > > = < < =
= < < =

<
<
= < <
1714 , 0 0582 , 0 2296 , 0 ) 57 , 1 z ( P ) 74 , 0 z ( P ) 57 , 1 z 74 , 0 ( P
) 74 , 0 z 57 , 1 ( P
06 , 6
5 , 14 10
06 , 6
5 , 14 x
06 , 6
5 , 14 5
P ) 10 x 5 ( P
= = > > = < < =
= < < =

<
<
= < <
3023 , 0 2296 , 0 4681 , 0 1 ) 08 , 0 z ( P ) 74 , 0 z ( P 1 ) 74 , 0 z 08 , 0 ( P
) 08 , 0 z 74 , 0 ( P
06 , 6
5 , 14 15
06 , 6
5 , 14 x
06 , 6
5 , 14 10
P ) 15 x 10 ( P
= = > > = < < =
= < < =

<
<
= < <
2867 , 0 1814 , 0 4681 , 0 ) 91 , 0 z ( P ) 08 , 0 z ( P
) 91 , 0 z 08 , 0 ( P
06 , 6
5 , 14 20
06 , 6
5 , 14 x
06 , 6
5 , 14 15
P ) 20 x 15 ( P
= = > > =
= < < =

<
<
= < <
1396 , 0 0418 , 0 1814 , 0 ) 73 , 1 z ( P ) 91 , 0 z ( P
) 73 , 1 z 91 , 0 ( P
06 , 6
5 , 14 25
06 , 6
5 , 14 x
06 , 6
5 , 14 20
P ) 25 x 20 ( P
= = > > =
= < < =

<
<
= < <
0366 , 0 0052 , 0 0418 , 0 ) 56 , 2 z ( P ) 73 , 1 z ( P
) 56 , 2 z 73 , 1 ( P
06 , 6
5 , 14 30
06 , 6
5 , 14 x
06 , 6
5 , 14 25
P ) 30 x 25 ( P
= = > > =
= < < =

<
<
= < <
3) Se calculan las frecuencias esperadas, multiplicando las probabilidades por el
nmero total n . p e
i i
=
4) Se calcula el estadstico de contraste
2
, donde el nmero de grados de libertad es
3 1 2 6 1 ) estimar a parmetros n ( ) ervalos int n ( 1 p k = = = , con lo cual,
57 , 4
e
) e n (
6
1 i
i
2
i i
2
3
=
=

=
Por otra parte, el estadstico terico 815 , 7
2
3 ; 05 , 0
=
Como 815 , 7 57 , 4
2
3 ; 05 , 0
2
3
= < = , se acepta la hiptesis nula a un nivel de significacin
del 5%. En consecuencia, la variable aleatoria nmero de urgencias en el hospital A sigue
una distribucin ) 06 , 6 ; 5 , 14 ( N .
CONTRASTE DE HOMOGENEIDAD.
4.- Para conocer la opinin de los ciudadanos sobre la actuacin del alcalde de una
determinada ciudad, se realiza una encuesta a 404 personas, cuyos resultados se
recogen en la siguiente tabla:
Desacuerdo De acuerdo No contestan
Mujeres 84 78 37
Varones 118 62 25
Contrastar, con un nivel de significacin del 5%, que no existen diferencias de opinin
entre hombres y mujeres ante la actuacin del alcalde.
Solucin.-
Se trata de un contraste de homogeneidad en el que se desea comprobar si las
muestras proceden de poblaciones distintas.
Tenemos dos muestras clasificadas en tres niveles, donde se desea conocer si los
hombres y mujeres proceden de la misma poblacin, es decir, si se comportan de
manera semejante respecto a la opinin de la actuacin del alcalde.
La hiptesis nula: : H
0
'No existe diferencia entre hombres y mujeres respecto a la opinin'
Regin de rechazo de la hiptesis nula: { }
2
) 1 m ( . ) 1 k ( ;
2
) 1 m ( . ) 1 k (
R

=
Se forma una tabla de contingencia 2 x 3 de la siguiente forma: en cada frecuencia
observada
m , , 1 j ; k , , 1 i ij
) n (
L L = =
en la tabla de contingencia tenemos una frecuencia terica o
esperada
ij
e que se calcula mediante la expresin:
n
n n
n p e
j
y
i
x
ij ij
= = , donde
ij
p son las
probabilidades de que un elemento tomado de la muestra presente las modalidades
i
x
de X e
j
y de Y.
Desacuerdo De acuerdo No contestan
Total (
i
x
n )
Mujeres
84
) 5 , 99 e (
11
=
78
) 96 , 68 e (
12
=
37
) 53 , 30 e (
13
=
199
Varones
118
) 5 , 102 e (
21
=
62
) 03 , 71 e (
22
=
25
) 46 , 31 e (
23
=
205
Total (
j
y
n )
202 140 62
404 n =
5 , 99
404
202 . 199
11
e = = 96 , 68
404
140 . 199
12
e = = 53 , 30
404
62 . 199
13
e = =
5 , 102
404
202 . 205
21
e = = 03 , 71
404
140 . 205
22
e = = 46 , 31
404
62 . 205
23
e = =
2
2
2
) 1 3 ( . ) 1 2 (
2
1 i
3
1 j
ij
2
ij ij
e
) e n (
= =

= =
, con lo que,
76 , 9
46 , 31
) 46 , 31 25 (
03 , 71
) 03 , 71 62 (
5 , 102
) 5 , 102 118 (
53 , 30
) 53 , 30 37 (
96 , 68
) 96 , 68 78 (
5 , 99
) 5 , 99 84 (
e
) e n (
2
2 2 2 2 2 2
1 i
3
1 j ij
2
ij ij 2
2
=
+
+
=

= =
sigue una
2
con dos grados de libertad si es cierta la hiptesis nula con 5 e
ij
> j , i ;
en caso contrario sera necesario agrupar filas o columnas contiguas.
El estadstico de contraste: n
e
n
e
) e n (
k
1 i
m
1 j
j i
2
j i
2
) 1 m ( . ) 1 k (
k
1 i
m
1 j
j i
2
j i j i
= =

= =

= =
(manera til)
76 , 9 404
46 , 31
25
03 , 71
62
5 , 102
118
53 , 30
37
96 , 68
78
5 , 99
84
n
e
n
2 2 2 2 2 2 2
1 i
3
1 j j i
2
j i
= + + + + + =
= =
El estadstico terico 991 , 5
2
2 ; 05 , 0
=
Como 991 , 5 76 , 9
2
2 ; 05 , 0
2
2
= > = se cumple la regin de rechazo, concluyendo que las
muestras no son homogneas, esto es, no proceden de la misma poblacin, hombres y
mujeres no opinan lo mismo.
CONTRASTE DE INDEPENDENCIA.
5.- Novecientos cincuenta escolares se clasificaron de acuerdo a sus hbitos
alimenticios y a su coeficiente intelectual:
Coeficiente Intelectual Total
< 80 80 - 90 90 - 99 100
Nutricin buena 245 228 177 219 869
Nutricin pobre 31 27 13 10 81
Total 276 255 190 229 950
A un nivel de significacin del 10%, hay relacin entre las dos variables tabuladas?
Solucin.-
Se trata de un contraste de independencia entre el coeficiente intelectual y los hbitos
alimenticios.
Se establecen las hiptesis:
variables' dos las entre a dependenci Existe ' : H
ntes' independie son estudiadas variables dos Las ' : H
1
0
El estadstico de contraste: n
e
n
e
) e n (
k
1 i
m
1 j
j i
2
j i
2
) 1 m ( . ) 1 k (
k
1 i
m
1 j
j i
2
j i j i
= =

= =

= =
(manera til)
Siendo la regin de rechazo de la hiptesis nula: { }
2
) 1 m ( . ) 1 k ( ;
2
) 1 m ( . ) 1 k (
R

=
En la tabla de contingencia 2 x 4 para cada frecuencia observada
m , , 1 j ; k , , 1 i ij
) n (
L L = =
se tiene una frecuencia terica o esperada
ij
e que se calcula mediante la expresin:
n
n n
n p e
j
y
i
x
ij ij
= =
Coeficiente Intelectual
Total (
i
x
n )
< 80 80 - 90 90 - 99 100
Nutricin
buena
245
) 46 , 252 e (
11
=
228
) 25 , 233 e (
12
=
177
) 8 , 173 e (
13
=
219
) 47 , 209
14
e ( =
869
Nutricin
pobre
31
) 53 , 23
21
e ( =
27
) 74 , 21
22
e ( =
13
) 2 , 16
23
e ( =
10
) 52 , 19
24
e ( =
81
Total (
j
y
n )
276 255 190 229 950
46 , 252
950
276 . 869
e
11
= = 25 , 233
950
255 . 869
e
12
= = 8 , 173
950
190 . 869
e
13
= = 47 , 209
950
229 . 869
e
14
= =
53 , 23
950
276 . 81
e
21
= = 74 , 21
950
255 . 81
e
22
= = 2 , 16
950
190 . 81
e
23
= = 52 , 19
950
229 . 81
e
24
= =
75 , 9 950
52 , 19
10
2 , 16
13
74 , 21
27
53 , 23
31
47 , 209
219
8 , 173
177
25 , 233
228
46 , 252
245
n
e
n
2 2 2 2 2 2 2 2 2
1 i
4
1 j j i
2
j i 2
3
= + + + + + + + = =

= =
bien,
75 , 9
52 , 19
) 52 , 19 10 (
2 , 16
) 2 , 16 13 (
74 , 21
) 74 , 21 27 (
53 , 23
) 53 , 23 31 (
47 , 209
) 47 , 209 219 (
8 , 173
) 8 , 173 177 (
25 , 233
) 25 , 233 228 (
46 , 252
) 46 , 252 245 (
e
) e n (
2 2 2 2
2 2 2 2 2
1 i
4
1 j ij
2
ij ij 2
3
=
+
+
=

= =
sigue una
2
con tres grados de libertad si es cierta la hiptesis nula con 5 e
ij
> j , i ;
en caso contrario sera necesario agrupar filas o columnas contiguas.
El estadstico terico 251 , 6
2
3 ; 10 , 0
=
Como 251 , 6 75 , 9
2
3 ; 10 , 0
2
3
= > = se cumple la regin de rechazo, concluyendo que se
rechaza la independencia, habiendo por tanto dependencia estadstica entre el
coeficiente intelectual y la alimentacin.
6.- Tres mtodos de empaquetado de tomates fueron probados durante un perodo de
cuatro meses; se hizo un recuento del nmero de kilos por 1000 que llegaron
estropeados, obtenindose los siguientes datos:
Meses A B C Total
1 6 10 10 26
2 8 12 12 32
3 8 8 14 30
4 9 14 16 39
Total 31 44 52 127
a) Observando simplemente los datos, qu se puede inferir sobre el experimento?
b) Con un nivel de significacin de 0,05, comprobar que los tres mtodos tienen la
misma eficacia.
Solucin.-
a) Con la simple observacin de los datos, el empaquetado A parece ser el mejor, ya que
es el que menos kilos de tomates estropeados tuvo; si bien, esta situacin puede ser
engaosa, ya que hay que tener en cuenta el nmero de kilos que se empaquetaron.
Para tomar una decisin sobre si hay diferencia entre los diferentes mtodos de
empaquetado, se contrasta la hiptesis nula
0
H ='No existe diferencia entre los
mtodos de empaquetado'.
b) Sea la hiptesis nula
0
H ='No existe diferencia entre los mtodos de empaquetado'.
Se acepta
0
H si:
2
) 1 m ( . ) 1 k ( ;
k
1 i
m
1 j
j i
2
j i 2
) 1 m ( . ) 1 k (
n
e
n

= =

< =

Formamos la tabla de contingencia 3 x 4 , donde
n
n . n
e
j
y
i
x
ij
=
Empaquetado
Meses
A B C Total
1
6
) 35 , 6 e (
11
=
10
) 01 , 9 e (
12
=
10
) 62 , 10 e (
13
=
26
) 26 (
2
8
) 81 , 7 e (
21
=
12
) 09 , 11 e (
22
=
12
) 10 , 13 e (
23
=
32
) 32 (
3
8
) 32 , 7 e (
31
=
8
) 39 , 10 e (
32
=
14
) 28 , 12 e (
33
=
30
) 30 (
4
9
) 52 , 9 e (
41
=
14
) 51 , 13 e (
42
=
16
) 97 , 15 e (
43
=
39
) 39 (
Total 31 44 52 127
35 , 6
127
31 . 26
e
11
= =

81 , 7
127
31 . 32
e
21
= =

32 , 7
127
31 . 30
e
31
= =

52 , 9
127
31 . 39
e
41
= =
01 , 9
127
44 . 26
e
12
= =

09 , 11
127
44 . 32
e
22
= =

39 , 10
127
44 . 30
e
32
= =

51 , 13
127
44 . 39
e
42
= =
65 , 10
127
52 . 26
e
13
= =

10 , 13
127
52 . 32
e
23
= =

28 , 12
127
52 . 30
e
33
= =

97 , 15
127
52 . 39
e
43
= =
24 , 1 127 24 , 128 n
e
n
3
1 i
4
1 j
j i
2
j i 2
6
2
) 1 4 ( ) 1 3 (
= = = =

= =

El estadstico terico o esperado 592 , 12
2
6 ; 05 , 0
=
Como 592 , 12 24 , 1
2
6 ; 05 , 0
2
6
= < = , el estadstico observado es menor que el
estadstico terico o esperado, NO se cumple la regin de rechazo, concluyendo que los
tres mtodos de empaquetado tienen la misma eficiencia.
7.- Una empresa multinacional desea conocer si existen diferencias significativas entre
sus trabajadores en distintos pases en el grado de satisfaccin en el trabajo- Para ello
se toman muestran aleatorias simples de trabajadores, obteniendo los siguientes
resultados:
Satisfaccin en el trabajo
Muy satisfecho Satisfecho Insatisfecho Muy insatisfecho
Espaa 200 300 300 100
Francia 300 400 350 150
Italia 350 300 250 150
Puede admitirse con un nivel de significacin del 5% que la satisfaccin en el trabajo
es similar en los tres pases?
Solucin.-
La hiptesis nula : H
0
'Las proporciones de los trabajadores con los distintos grados de
satisfaccin son iguales en los tres pases'
Se acepta : H
0
2
) 1 m ( . ) 1 k ( ;
k
1 i
m
1 j
j i
2
j i 2
) 1 m ( . ) 1 k (
k
1 i
m
1 j
j i
2
j i j i 2
) 1 m ( . ) 1 k (
n
e
n
e
) e n (

= =

= =

< = =
=

2
) 1 m ( . ) 1 k ( ;
2
) 1 m ( . ) 1 k (
R

=
Se forma la tabla de contingencia 3 x 4 donde cada frecuencia observada
m , , 1 j ; k , , 1 i ij
) n (
L L = =
tiene una frecuencia terica o esperada
n
n n
n p e
j
y
i
x
ij ij
= =
Satisfaccin en el trabajo
Muy satisfecho Satisfecho Insatisfecho Muy insatisfecho Total
Espaa
200
) 86 , 242 e (
11
=
300
) 71 , 285 e (
12
=
300
) 14 , 257 e (
13
=
100
) 29 , 114 e (
14
=
900
) 900 (
Francia
300
) 81 , 323 e (
21
=
400
) 95 , 380 e (
22
=
350
) 86 , 342 e (
23
=
150
) 38 , 152 e (
24
=
1200
) 1200 (
Italia
350
) 33 , 283 e (
31
=
300
) 33 , 333 e (
32
=
250
) 300 e (
33
=
150
) 33 , 133 e (
34
=
1050
) 1050 (
Total 850 1000 900 400 3150
Estadstico observado: = =
=

= = = =

n
e
n
e
) e n (
3
1 i
4
1 j
j i
2
j i
3
1 i
4
1 j
j i
2
j i j i 2
) 1 4 ( . ) 1 3 (

55 , 49 3150
33 , 133
150
300
250
33 , 333
300
33 , 283
350
38 , 152
150
86 , 342
350
95 , 380
400
81 , 323
300
29 , 114
100
14 , 257
300
71 , 285
300
86 , 242
200
2 2 2 2
2 2 2 2 2 2 2 2
= + + + +
+ + + + + + + + =
Estadstico terico: 592 , 12
2
6 ; 05 , 0
2
) 1 4 ( . ) 1 3 ( ; 05 , 0
= =

Como
2
6 ; 05 , 0
2
6
592 , 12 55 , 49 = > = se rechaza la hiptesis nula de homogeneidad de
las tres muestras; es decir, la satisfaccin en el trabajo de los empleados de los tres
pases es significativamente distinta en los tras pases.
8.- Las compaas de seguros de automviles suelen penalizar en sus primas a los
conductores ms jvenes, con el criterio que stos son ms propensos a tener un mayor
nmero de accidentes. En base a la tabla adjunta, con un nivel de significacin del 5%,
contrastar si el nmero de accidentes es independiente de la edad del conductor.
Nmero de accidentes al ao Edad del
conductor 0 1 2 3 4
25 o menos 10 10 20 40 70
26 - 35 20 10 15 20 30
ms de 36 60 50 30 10 5
Solucin.-
0
'El nmero de accidentes sufridos por los conductores no depende
de la edad del conductor'
Se acepta : H
0
2
) 1 m ( . ) 1 k ( ;
k
1 i
m
1 j
j i
2
j i 2
) 1 m ( . ) 1 k (
k
1 i
m
1 j
j i
2
j i j i 2
) 1 m ( . ) 1 k (
n
e
n
e
) e n (

= =

= =

< = =
=

2
) 1 m ( . ) 1 k ( ;
2
) 1 m ( . ) 1 k (
R

=
m , , 1 j ; k , , 1 i ij
) n (
L L = =
tiene una frecuencia terica o esperada en caso de independencia
n
n n
n p e
j
y
i
x
ij ij
= =
Nmero de accidentes por ao
Edad del
conductor
0 1 2 3 4
i
x
n
25 o
menos
10
75 , 33 e
11
=
10
25 , 26 e
12
=
20
37 , 24 e
13
=
40
25 , 26 e
14
=
70
37 , 39 e
15
=
150
) 150 (
26 - 35
20
37 , 21 e
21
=
10
62 , 16 e
22
=
15
44 , 15 e
23
=
20
62 , 16 e
24
=
30
94 , 24 e
25
=
95
) 95 (
ms de 36
60
87 , 34 e
31
=
50
12 , 27 e
32
=
30
19 , 25 e
33
=
10
12 , 27 e
34
=
5
69 , 40 e
35
=
155
) 155 (
j
y
n
90 70 65 70 105 400
donde,
75 , 33
90 . 150
e
400
11
= = 37 , 21
90 . 95
e
400
21
= = 87 , 34
90 . 155
e
400
31
= =
25 , 26
70 . 150
e
400
12
= = 62 , 16
70 . 95
e
400
22
= = 12 , 27
70 . 155
e
400
32
= =
37 , 24
65 . 150
e
400
13
= = 44 , 15
65 . 95
e
400
23
= = 19 , 25
65 . 155
e
400
33
= =
25 , 26
70 . 150
e
400
14
= = 62 , 16
70 . 95
e
400
24
= = 12 , 27
70 . 155
e
400
34
= =
37 , 39
105 . 150
e
400
15
= = 94 , 24
105 . 95
e
400
25
= = 69 , 40
105 . 155
e
400
35
= =
= =

= = = =

n
e
n
e
) e n (
3
1 i
5
1 j
j i
2
j i
3
1 i
5
1 j
j i
2
j i j i 2
8
2
) 1 5 ( . ) 1 3 (

51 , 143 400
69 , 40
5
12 , 27
10
19 , 25
30
12 , 27
50
87 , 34
60
94 , 24
30
62 , 16
20
44 , 15
15
62 , 16
10
37 , 21
20
37 , 39
70
25 , 26
40
37 , 24
20
25 , 26
10
75 , 33
10
2 2 2 2 2
2 2 2 2 2 2 2 2 2 2
=
+ + + + +
+
+ + + + +
+ + + + =
2
8 ; 05 , 0
2
) 1 5 ( . ) 1 3 ( ; 05 , 0
= =

Como
2
8 ; 05 , 0
2
8
507 , 15 51 , 143 = > = se rechaza la hiptesis nula de independencia
entre la edad del conductor y el nmero de accidentes; es decir, la edad influye
significativamente en el nmero de accidentes al ao.
COEFICIENTE DE CONTINGENCIA
9.- En dos ciudades, A y B, se observ el color del pelo y de los ojos de sus habitantes,
encontrndose las siguientes tablas:
Ciudad A Ciudad B
Pelo
Ojos
Rubio No Rubio
Pelo
Ojos
Rubio No Rubio
Azul 47 23 Azul 54 30
No azul 31 93 No azul 42 80
Se pide:
a) Hallar los coeficientes de contingencia de las dos ciudades.
b) En cul de las dos ciudades podemos afirmar que hay mayor dependencia entre el
color del pelo y de los ojos?
Solucin.-
a) El COEFICIENTE DE CONTINGENCIA es una medida de grado de relacin o dependencia
entre dos caracteres en una tabla de contingencia, dada por:
n
C
2
2
+

= donde 1 C
Cunto mayor sea el valor de C ms alto es el grado de dependencia entre dos
caracteres (X, Y).
Tenemos que hallar primero los valores de la
2
correspondientes a las dos
observaciones
n
n . n
e
j
y
i
x
ij
= . Para la poblacin A, la tabla de contingencia 2 x 2:
Ciudad A
Pelo
Ojos
Rubio No Rubio Total
Azul
47
) 14 , 28 e (
11
=
23
) 85 , 41 e (
12
=
70
) 70 (
No azul
31
) 85 , 49 e (
21
=
93
) 14 , 74 e (
22
=
124
) 124 (
Total 78 116 194
14 , 28
78 . 70
e
194
11
= =

85 , 41
116 . 70
e
194
12
= =

85 , 49
78 . 124
e
194
21
= =

14 , 74
116 . 124
e
194
22
= =
07 , 33 194
14 , 74
93
85 , 49
31
85 , 41
23
14 , 28
47
n
e
n
2 2 2 2 2
1 i
2
1 j
j i
2
j i 2
1
2
) 1 2 ( ) 1 2 (
= + + + = = =

= =

El coeficiente de contingencia: 3816 , 0
194 07 , 33
07 , 33
C
A
=
+
=
Para la poblacin B, la tabla de contingencia 2 x 2:
Ciudad B
Pelo
Ojos
Rubio No Rubio Total
Azul
54
) 15 , 39 e (
11
=
30
) 85 , 44 e (
12
=
84
) 84 (
No azul
42
) 85 , 56 e (
21
=
80
) 15 , 65 e (
22
=
122
) 122 (
Total 96 110 206
15 , 39
96 . 84
e
206
11
= =

85 , 44
110 . 84
e
206
12
= =

85 , 56
122 . 96
e
206
21
= =

15 , 65
122 . 110
e
206
22
= =
82 , 17 206
15 , 65
80
85 , 56
42
85 , 44
30
15 , 39
54
n
e
n
2 2 2 2 2
1 i
2
1 j
j i
2
j i 2
1
2
) 1 2 ( ) 1 2 (
= + + + = = =

= =

El coeficiente de contingencia: 282 , 0
206 82 , 17
82 , 17
C
B
=
+
=
a) Como el coeficiente de contingencia mide el grado de relacin o dependencia entre
las variables, afirmamos que en la poblacin A hay mayor dependencia entre el color de
los ojos y del pelo.
Intervalos y Contrastes usuales
INTERVALOS Y CONTRASTES
I NTERVALOS DE CONFI ANZA
a) Intervalo de confianza para la media de una distribucin normal
) , ( N de varianza conocida
2

=

n
z x ) ( I
2 1
b) Intervalo de confianza para la media de una distribucin normal
) , ( N de varianza desconocida
2
Muestras superiores a 30, 30 n > a
=

n
s
z x ) ( I
2 1
Muestras pequeas 30 n a
( )

=

n
s
t x ) ( I
1 n ; 2 1
c) Intervalo de confianza para la varianza
2
de una distribucin
normal
( ) ( )

=

2
1 n ; 2 1
2
2
1 n ; 2
2
2
1
s
) 1 n (
;
s
) 1 n (
) ( I
d) Intervalo de confianza para la diferencia de medias de dos
distribuciones normales
Las varianzas poblaciones
2
1
y
2
2
son conocidas
=

2
2
2
1
2
1
n n
z ) y x ( ) ( I
2 2 1 1
NOTA.- En todos los intervalos de confianza
1 n
) x x (
s
n
1 i
2
i
2
=

=
es la cuasivarianza muestral.
Las varianzas poblaciones
2
1
y
2
2
son desconocidas:
- Caso en que la suma 30 ) n n (
2 1
> + con
2 1
n n
+ =

2
2
2
1
2
1
n
s
n
s
z ) y x ( ) ( I
2 2 1 1
- Caso en que los tamaos muestrales son pequeos 30 ) n n (
2 1
+ y las varianzas
son desconocidas, pero iguales (
2 2
1 2
= ):
( )

+ =
+
2 1
n
1
n
1
s
. t ) y x ( ) ( I
p 2
2
n
1
n ; 2 2 1 1
2 n n
s
) 1 n ( s
) 1 n (
s
2 1
2
2 2
2
1 1
2
p
+
+
= donde
2
p
s
es la media ponderada de las cuasivarianzas

muestrales.
- Caso en que los tamaos muestrales son pequeos 30 ) n n (
2 1
+ y las varianzas
son desconocidas y distintas (
2 2
1 2
):

+ =

2
2
2
1
2
1
n
s
n
s
t ) y x ( ) ( I
f ; 2 2 1 1
2
1 n
) n s
(
1 n
) n s
(
n
s
n
s
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
+
= donde f es la aproximacin de Welch
NOTA.- Cuando el intervalo cubre el 0 no hay diferencia significativa entre las medias poblacionales.
e) Intervalo de confianza para la razn de varianzas de dos
poblaciones normales

=

) 1
2
n ( , ) 1
1
n ( ; 2 1
2
2
2
1
) 1
2
n ( , ) 1
1
n ( ; 2
2
2
2
1 2
1
2
1 1
F
s
;
F
s
) ( I
Cuando el intervalo cubre el 1 no hay diferencia significativa entre las varianzas poblacionales.
NOTA.-
1 2
2 1
n , n ; 1
n , n ;
F
1
F

=
f) Intervalo de confianza para el parmetro p de una distribucin
binomial de parmetros n, p, B(n, p)

=

n
) p
1 ( p
z p
) p ( I
0 0
0 2 1
g) Intervalo de confianza para la diferencia de parmetros ) p p (
2 1

de
dos distribuciones binomiales

=

2
2 2
1
1 1
2 2 1 2 1 1
n
) p
1 ( p
n
) p
1 ( p
z ) p
( ) p p ( I
h) Intervalo de confianza para el parmetro de una distribucin de
Poisson

=

n
) ( I
2 1
i) Intervalo de confianza para la diferencia de datos apareados
Para muestras grandes 30 n >
=

n
s
z d I
d
2

=
=
n
1 i
i
d
n
1
d
i i i
d =
=
n
1 i
2
i
2
d
) d d (
1 n
1
s

Para muestras pequeas 30 n
=

n
s
t d I
d
) 1 n ( , 2
HIPTESIS SOBRE LA MEDIA DE UNA POBLACIN: REGIN DE RECHAZO
) , ( N X
2
conocida

=
1
z z
0 0
: H =
0 1 1
: H >

> =

n
z x R
0
unilateral (simple)
0 0
: H =
0 1 1
: H <

< =

n
z x R
1 0
unilateral (simple)
0 0
: H =
0 1
: H >

> =

n
z x R
0
unilateral (compuesta)
0 0
: H =
0 1
: H <

< =

n
z x R
1 0
0 0
: H =
0 1
: H

> =

n
z x R
2 / 0
0 0
: H
0 1
: H >

> =

n
z x R
0
0 0
: H
0 1
: H <

< =

n
z x R
1 0
) , ( N X
2
desconocida
1 n n
s
s ) 1 n ( n
x
x 2
x
2
x
= = a
n ; 1 n ;
t t

=
0 0
: H =
0 1 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
unilateral (simple)
0 0
: H =
0 1 1
: H <
< =

n
s
t x R
x
) 1 n ( ; 1 0
unilateral (simple)
0 0
: H =
0 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
0 0
: H =
0 1
: H
> =

n
s
t x R
x
) 1 n ( ; 2 / 0
0 0
: H
0 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
0 0
: H
0 1
: H <
< =

n
s
t x R
x
) 1 n ( ; 1 0
HIPTESIS SOBRE LA VARIANZA DE UNA POBLACIN: REGIN DE RECHAZO
Media poblacional conocida Regin de rechazo hiptesis nula
2
0
2
0
: H =
2
0
2
1 1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1 1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H
=

=
2
n ; 2 /
2
0
2
n
1 i
i
2
n ; 2 / 1
2
0
2
n
1 i
i
/ ) x (
/ ) x (
R
2
0
2
0
: H
2
0
2
1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H
2
0
2
1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
Media poblacional desconocida Regin de rechazo hiptesis nula
2
0
2
0
: H =
2
0
2
1 1
: H >
=

=
2
) 1 n ( ;
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1 1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H >
=

=
2
) 1 n ( ;
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H

=

=

=
2
) 1 n ( ; 2 /
2
0
2
n
1 i
i
2
) 1 n ( ; 2 / 1
2
0
2
n
1 i
i
/ ) x x (
/ ) x x (
R
2
0
2
0
: H
2
0
2
1
: H >
=

=
2
) 1 n ( ; 2 /
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H
2
0
2
1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
Igualdad de medias: ) , ( N Y , ) , ( N X
2 2 1 1

2 1 0
: H = (
2 1
, conocidas)
> =

2
2
2
1
2
1
2
n n
z y x R
k : H
2 1 0
= (
2 1
, conocidas)
> =

2
2
2
1
2
1
2 /
n n
z k y x R
2 1 0
: H =
iguales pero
as desconocid
2 1
,
+ > =
+
2 1
p ) 2
2
n
1
n ( ; 2
n
1
n
1
s t y x R
2 1 0
: H =
as int dist y
as desconocid
2 1
,
+ > =

2
2
2
1
2
1
p f ; 2
n
s
n
s
s t y x R
2 1 0
: H (
2 1
, conocidas)
> =

2
2
2
1
2
1
n n
z y x R
k : H
2 1 0
(
2 1
, conocidas)
> =

2
2
2
1
2
1
n n
z k y x R
2 1 0
: H ) (
2 1
=
+ > =
+
2 1
p ) 2
2
n
1
n ( ;
n
1
n
1
s t y x R
2 1 0
: H ) (
2 1

+ > =

2
2
2
1
2
1
f ;
n
s
n
s
t y x R
2 1 0
: H (
2 1
, conocidas)
> =

2
2
2
1
2
1
1
n n
z y x R
k : H
2 1 0
(
2 1
, conocidas)
< =

2
2
2
1
2
1
n n
z k y x R
2 1 0
: H ) (
2 1
=
+ > =
+
2 1
p ) 2
2
n
1
n ( ; 1
n
1
n
1
s t y x R
2 1 0
: H ) (
2 1

+ > =

2
2
2
1
2
1
p f ; 1
n
s
n
s
s t y x R
2 1 0
: H = [ ]
=
) 1
2
n ( ), 1
1
n ( ; 2 / ) 1
2
n ( ), 1
1
n ( ; 2 / 1
2
2
2
1
F ; F
s
s
R
2 1 0
: H
> =
) 1
2
n ( ), 1
1
n ( ;
2
2
2
1
F
s
s
R
2 1 0
: H
< =
) 1
2
n ( ), 1
1
n ( ; 1
2
2
2
1
F
s
s
R
) p , 1 ( B X (muestras grandes)
Regin de rechazo hiptesis nula

0 0
p p : H =

> =

n
) p 1 ( p
z p x R
0 0
2 0

0 0
p p : H

> =

n
) p 1 ( p
z p x R
0 0
0

0 0
p p : H

< =

n
) p 1 ( p
z p x R
0 0
1 0
) ( Poisson X (muestras grandes)

0 0
: H =

> =

n
z x R
0
2 / 0

0 0
: H

> =

n
z x R
0
0

0 0
: H

< =

n
z x R
0
1 0
) p , 1 ( B Y ) p , 1 ( B X
2 1

2 1 0
p p : H =
+ > =

2
2 2
1
1 1
2 2 1
n
q . p
n
q . p
z p p R
2 1 0
p p : H
+ > =

2
2 2
1
1 1
2 1
n
q . p
n
q . p
z p p R
2 1 0
p p : H
+ < =

2
2 2
1
1 1
1 2 1
n
q . p
n
q . p
z p p R
2 1
2 1
2 1
i i
2 1
2
2 2
2
1 1
2
p
n n
y n x n
n n
y x
p
2 n n
s ) 1 n ( s ) 1 n (
s
+
+
=
+
+
=
+
+
=

+
=
1 n
) n s (
1 n
) n s (
) n s n s (
prximo ms entero f
2
2
2
2
2
1
2
1
2
1
2
2
2
2 1
2
1
CONTRASTE DE HI PTESI S
a) Contraste de la media de una poblacin normal con varianza
conocida
Contraste bilateral
Hiptesis nula
0 0
: H = Hiptesis alternativa
0 a
: H
Se acepta
0
H si el estadstico
2
0
z
n
x
z

=
Se rechaza
0
H si el estadstico
2
0
z
n
x
z

>

> =

n
. z x R
2 0 rechazo
Contraste unilateral
Hiptesis nula
0 0
: H Hiptesis alternativa
0 a
: H >
Se acepta
0
H si el estadstico

= z
n
x
z
0
Se rechaza
0
H si el estadstico
>

= z
n
x
z
0

> =

n
. z x R
0 rechazo
b) Contraste de la media de una poblacin normal con varianza
desconocida
Contraste bilateral

Muestras grandes 30 n >

Hiptesis nula
0 0
0 a
: H

Se acepta
0
H si el estadstico
2
0
z
n s
x
z

=
Se rechaza
0
H si el estadstico
2
0
z
n s
x
z

>

=

> =

n
s
. z x R
2 0 rechazo

Muestras pequeas 30 n

Hiptesis nula
0 0
0 a
: H

Se acepta
0
H si el estadstico
( ) 1 n ; 2
0
t
n s
x
t

=

Se rechaza
0
H si el estadstico
( ) 1 n ; 2
0
t
n s
x
t

>

=

( )
> =

n
s
. t x R
1 n ; 2 0 rechazo



Hiptesis nula
0 0
0 a
: H >

Se acepta
0
H si el estadstico

= z
n s
x
z
0

Se rechaza
0
H si el estadstico
>

= z
n s
x
z
0

> =

n
s
. z x R
0 rechazo


Hiptesis nula
0 0
0 a
: H >
Se acepta
0
H si el estadstico
( ) 1 n ;
0
t
n s
x
t

=

Se rechaza
0
H si el estadstico
( ) 1 n ;
0
t
n s
x
t

>

=

( )
> =

n
s
. t x R
1 n ; 0 rechazo

c) Contraste para la varianza de una poblacin normal

Contraste bilateral

Hiptesis nula
2 2
0
0
2 2
a
0
: H

Se acepta
0
H si el estadstico
( )
[ ]
2
) 1 n ( , 2
2
) 1 n ( , 2 1 2
0
2
2
;
s 1 n

=

Se rechaza
0
H si el estadstico
( )
[ ]
2
) 1 n ( , 2
2
) 1 n ( , 2 1 2
0
2
2
;
s 1 n

=


Hiptesis nula
2 2
0
0
2 2
a
0
: H >

Se acepta
0
H si el estadstico
( )
2
) 1 n ( , 2
0
2
2
s 1 n

<
=

Se rechaza
0
H si el estadstico
( )
2
) 1 n ( , 2
0
2
2
s 1 n

=

d) Contraste de igualdad de medias de dos poblaciones normales de
varianzas conocidas

Contraste bilateral
Hiptesis nula
2 1 0
2 1 a
: H
Se acepta
0
H si
2
2
2
2
1
2
1
z
n n
y x
z

= Se rechaza
0
H si
2
2
2
2
1
2
1
z
n n
y x
z

>

=
Hiptesis nula
2 1 0
2 1 a
: H >
Se acepta
0
H si

= z
n n
y x
z
2
2
2
1
2
1
Se rechaza
0
H si
>

= z
n n
y x
z
2
2
2
1
2
1
e) Contraste de igualdad de medias de dos poblaciones normales de
varianzas desconocidas
Contraste bilateral

Hiptesis nula
2 1 0
2 1 a
: H

Muestras grandes 30 ) n n (
2 1
> + con
2 1
n n

Se acepta
0
H si el estadstico
2
z
n
s
n
s
y x
z
2
2
2
1
2
1
=
+

Se rechaza
0
H si el estadstico
2
z
n
s
n
s
y x
z
2
2
2
1
2
1

>
+
=

Muestras pequeas 30 ) n n (
2 1
+ , varianzas desconocidas pero iguales
2
2
2
1
=

Se acepta
0
H si
) 2 n n ( , 2
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
=
2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1
2
p
+
+
=

Se rechaza
0
H si el estadstico
( ) 2 n n , 2
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
>
+
=
2 1
+ , varianzas desconocidas y distintas
2
2
2
1

Se acepta
0
H si
f , 2
t
n
s
n
s
y x
t
2
2
2
1
2
1

= 2
1 n
) n s (
1 n
) n s (
n
s
n
s
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
+
=

Se rechaza
0
H si el estadstico
f , 2
t
n
s
n
s
y x
t
2
2
2
1
2
1

>
+
=


Hiptesis nula
2 1 0
2 1 a
: H >

2 1
> + con
2 1
n n

Se acepta
0
H si el estadstico
= z
n
s
n
s
y x
z
2
2
2
1
2
1

Se rechaza
0
H si el estadstico
>
+
= z
n
s
n
s
y x
z
2
2
2
1
2
1

2 1
2
2
2
1
=

Se acepta
0
H si
) 2 n n ( ,
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
=
2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1
2
p
+
+
=

Se rechaza
0
H si el estadstico
) 2 n n ( ,
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
>
+
=

2 1
2
2
2
1

Se acepta
0
H si
f ,
n
s
n
s
t
y x
t
2
2
2
1
2
1

=
( ) ( )
2
1 n
n s
1 n
n s
n
s
n
s
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
+
=

Se rechaza
0
H si el estadstico
f ,
n
s
n
s
t
y x
t
2
2
2
1
2
1

>
+
=

f) Contraste de igualdad de varianzas de dos poblaciones normales

Contraste bilateral

Hiptesis nula
2 2
0
2 1
2 2
a
2 1
: H

Se acepta
0
H si el estadstico [ ]
) 1 n ( , ) 1 n ( ; 2 ) 1 n ( , ) 1 n ( ; 2 1 2
2
2
1
2 1 2 1
F ; F
s
s
F

=

Se rechaza
0
) 1 n ( , ) 1 n ( ; 2 ) 1 n ( , ) 1 n ( ; 2 1 2
2
2
1
2 1 2 1
F ; F
s
s
F

=


Hiptesis nula
2 2
0
2 1
2 2
a
2 1
: H >

Se acepta
0
H si
) 1 n ( , ) 1 n ( ; 2
2
2
1
2 1
F
s
s
F

= Se rechaza
0
H si
) 1 n ( , ) 1 n ( ; 2
2
2
1
2 1
F
s
s
F

> =
NOTA.-
1 2
2 1
n , n ; 1
n , n ;
F
1
F

=

g) Contraste de igualdad de medias en el caso de datos apareados.

Contraste bilateral
Hiptesis nula
2 1 0
0 d : H = = Hiptesis alternativa
2 1 a
0 d : H
Se acepta
0
H si el estadstico
( ) 1 n , 2
d
t
n
s
d
t

=
Se rechaza
0
H si el estadstico
( ) 1 n , 2
d
t
n
s
d
t

> =
donde ( )

= = =

= = =
n
1 i
2
i
2
d
n
1 i
i i
n
1 i
i
d d
) 1 n (
1
s ) y x ( d
n
1
d
Hiptesis nula
2 1 0
0 d : H Hiptesis alternativa
2 1 a
0 d : H > >
Se acepta
0
H si el estadstico
( ) 1 n ,
d
t
n
s
d
t

=
Se rechaza
0
H si el estadstico
( ) 1 n ,
d
t
n
s
d
t

> =
h) Contraste para el parmetro p de una distribucin binomial
Contraste bilateral

Hiptesis nula
0 0
p p : H = Hiptesis alternativa
0 a
p p : H

Se acepta
0
H si
( )
2
0 0
0
z
n
p 1 p
p p
z

= Se rechaza
0
H si
( )
2
0 0
0
z
n
p 1 p
p p
z

>
=


Hiptesis nula
0 0
p p : H Hiptesis alternativa
0 a
p p : H >

Se acepta
0
H si
( )

= z
n
p 1 p
p p
z
0 0
0
Se rechaza
0
H si
( )

>
= z
n
p 1 p
p p
z
0 0
0

i) Contraste para la igualdad de los parmetros de dos distribuciones
binomiales ) p , n ( B
1 1
y ) p , n ( B
2 2
en muestras grandes

Contraste bilateral

Hiptesis nula
2 1 0
2 1 a
p p : H

Se acepta
0
H si el estadstico
2
2
2 2
1
1 1
2 1
z
n
) p 1 ( p
n
) p 1 ( p
p p
z

=

Se rechaza
0
H si el estadstico
2
2
2 2
1
1 1
2 1
z
n
) p 1 ( p
n
) p 1 ( p
p p
z

>

=

Hiptesis nula
2 1 0
2 1 a
p p : H >
Se acepta
0
H si el estadstico

= z
n
) p 1 ( p
n
) p 1 ( p
p p
z
2
2 2
1
1 1
2 1
Se rechaza
0
H si el estadstico
>

= z
n
) p 1 ( p
n
) p 1 ( p
p p
z
2
2 2
1
1 1
2 1
HIPTESIS SOBRE LA MEDIA DE UNA POBLACIN: REGIN DE RECHAZO
) , ( N X
2
conocida

=
1
z z
0 0
: H =
0 1 1
: H >

> =

n
z x R
0
unilateral (simple)
0 0
: H =
0 1 1
: H <

< =

n
z x R
1 0
unilateral (simple)
0 0
: H =
0 1
: H >

> =

n
z x R
0
0 0
: H =
0 1
: H <

< =

n
z x R
1 0
0 0
: H =
0 1
: H

> =

n
z x R
2 / 0
0 0
: H
0 1
: H >

> =

n
z x R
0
0 0
: H
0 1
: H <

< =

n
z x R
1 0
) , ( N X
2
desconocida
1 n n
s
s ) 1 n ( n
x
x 2
x
2
x
= = a
n ; 1 n ;
t t

=
0 0
: H =
0 1 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
unilateral (simple)
0 0
: H =
0 1 1
: H <
< =

n
s
t x R
x
) 1 n ( ; 1 0
unilateral (simple)
0 0
: H =
0 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
0 0
: H =
0 1
: H
> =

n
s
t x R
x
) 1 n ( ; 2 / 0
0 0
: H
0 1
: H >
> =

n
s
t x R
x
) 1 n ( ; 0
0 0
: H
0 1
: H <
< =

n
s
t x R
x
) 1 n ( ; 1 0
HIPTESIS SOBRE LA VARIANZA DE UNA POBLACIN: REGIN DE RECHAZO
Media poblacional conocida Regin de rechazo hiptesis nula
2
0
2
0
: H =
2
0
2
1 1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1 1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H =
2
0
2
1
: H
=

=
2
n ; 2 /
2
0
2
n
1 i
i
2
n ; 2 / 1
2
0
2
n
1 i
i
/ ) x (
/ ) x (
R
2
0
2
0
: H
2
0
2
1
: H >
=

=
2
n ;
2
0
2
n
1 i
i
/ ) x ( R
2
0
2
0
: H
2
0
2
1
: H <
=

=
2
n ; 1
2
0
2
n
1 i
i
/ ) x ( R
Media poblacional desconocida Regin de rechazo hiptesis nula
2
0
2
0
: H =
2
0
2
1 1
: H >
=

=
2
) 1 n ( ;
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1 1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H >
=

=
2
) 1 n ( ;
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H =
2
0
2
1
: H

=

=

=
2
) 1 n ( ; 2 /
2
0
2
n
1 i
i
2
) 1 n ( ; 2 / 1
2
0
2
n
1 i
i
/ ) x x (
/ ) x x (
R
2
0
2
0
: H
2
0
2
1
: H >
=

=
2
) 1 n ( ; 2 /
2
0
2
n
1 i
i
/ ) x x ( R
2
0
2
0
: H
2
0
2
1
: H <
=

=
2
) 1 n ( ; 1
2
0
2
n
1 i
i
/ ) x x ( R
Igualdad de medias: ) , ( N Y , ) , ( N X
2 2 1 1

2 1 0
: H = (
2 1
, conocidas)
> =

2
2
2
1
2
1
2
n n
z y x R
k : H
2 1 0
= (
2 1
, conocidas)
> =

2
2
2
1
2
1
2 /
n n
z k y x R
2 1 0
: H =
iguales pero
as desconocid
2 1
,
+ > =
+
2 1
p ) 2
2
n
1
n ( ; 2
n
1
n
1
s t y x R
2 1 0
: H =
as int dist y
as desconocid
2 1
,
+ > =

2
2
2
1
2
1
p f ; 2
n
s
n
s
s t y x R
2 1 0
: H (
2 1
, conocidas)
> =

2
2
2
1
2
1
n n
z y x R
k : H
2 1 0
(
2 1
, conocidas)
> =

2
2
2
1
2
1
n n
z k y x R
2 1 0
: H ) (
2 1
=
+ > =
+
2 1
p ) 2
2
n
1
n ( ;
n
1
n
1
s t y x R
2 1 0
: H ) (
2 1

+ > =

2
2
2
1
2
1
f ;
n
s
n
s
t y x R
2 1 0
: H (
2 1
, conocidas)
> =

2
2
2
1
2
1
1
n n
z y x R
k : H
2 1 0
(
2 1
, conocidas)
< =

2
2
2
1
2
1
n n
z k y x R
2 1 0
: H ) (
2 1
=
+ > =
+
2 1
p ) 2
2
n
1
n ( ; 1
n
1
n
1
s t y x R
2 1 0
: H ) (
2 1

+ > =

2
2
2
1
2
1
p f ; 1
n
s
n
s
s t y x R
2 1 0
: H = [ ]
=
) 1
2
n ( ), 1
1
n ( ; 2 / ) 1
2
n ( ), 1
1
n ( ; 2 / 1
2
2
2
1
F ; F
s
s
R
2 1 0
: H
> =
) 1
2
n ( ), 1
1
n ( ;
2
2
2
1
F
s
s
R
2 1 0
: H
< =
) 1
2
n ( ), 1
1
n ( ; 1
2
2
2
1
F
s
s
R
) p , 1 ( B X (muestras grandes)

0 0
p p : H =

> =

n
) p 1 ( p
z p x R
0 0
2 0

0 0
p p : H

> =

n
) p 1 ( p
z p x R
0 0
0

0 0
p p : H

< =

n
) p 1 ( p
z p x R
0 0
1 0
) ( Poisson X (muestras grandes)

0 0
: H =

> =

n
z x R
0
2 / 0

0 0
: H

> =

n
z x R
0
0

0 0
: H

< =

n
z x R
0
1 0
) p , 1 ( B Y ) p , 1 ( B X
2 1

2 1 0
p p : H =
+ > =

2
2 2
1
1 1
2 2 1
n
q . p
n
q . p
z p p R
2 1 0
p p : H
+ > =

2
2 2
1
1 1
2 1
n
q . p
n
q . p
z p p R
2 1 0
p p : H
+ < =

2
2 2
1
1 1
1 2 1
n
q . p
n
q . p
z p p R
2 1
2 1
2 1
i i
2 1
2
2 2
2
1 1
2
p
n n
y n x n
n n
y x
p
2 n n
s ) 1 n ( s ) 1 n (
s
+
+
=
+
+
=
+
+
=

+
=
1 n
) n s (
1 n
) n s (
) n s n s (
prximo ms entero f
2
2
2
2
2
1
2
1
2
1
2
2
2
2 1
2
1
CONTRASTE DE HI PTESI S
a) Contraste de la media de una poblacin normal con varianza
conocida
Contraste bilateral
Hiptesis nula
0 0
0 a
: H
Se acepta
0
H si el estadstico
2
0
z
n
x
z

=
Se rechaza
0
H si el estadstico
2
0
z
n
x
z

>

> =

n
. z x R
2 0 rechazo
Hiptesis nula
0 0
0 a
: H >
Se acepta
0
H si el estadstico

= z
n
x
z
0
Se rechaza
0
H si el estadstico
>

= z
n
x
z
0

> =

n
. z x R
0 rechazo
b) Contraste de la media de una poblacin normal con varianza
desconocida
Contraste bilateral


Hiptesis nula
0 0
0 a
: H

Se acepta
0
H si el estadstico
2
0
z
n s
x
z

=
Se rechaza
0
H si el estadstico
2
0
z
n s
x
z

>

=

> =

n
s
. z x R
2 0 rechazo


Hiptesis nula
0 0
0 a
: H

Se acepta
0
H si el estadstico
( ) 1 n ; 2
0
t
n s
x
t

=

Se rechaza
0
H si el estadstico
( ) 1 n ; 2
0
t
n s
x
t

>

=

( )
> =

n
s
. t x R
1 n ; 2 0 rechazo



Hiptesis nula
0 0
0 a
: H >

Se acepta
0
H si el estadstico

= z
n s
x
z
0

Se rechaza
0
H si el estadstico
>

= z
n s
x
z
0

> =

n
s
. z x R
0 rechazo


Hiptesis nula
0 0
0 a
: H >
Se acepta
0
H si el estadstico
( ) 1 n ;
0
t
n s
x
t

=

Se rechaza
0
H si el estadstico
( ) 1 n ;
0
t
n s
x
t

>

=

( )
> =

n
s
. t x R
1 n ; 0 rechazo

c) Contraste para la varianza de una poblacin normal

Contraste bilateral

Hiptesis nula
2 2
0
0
2 2
a
0
: H

Se acepta
0
H si el estadstico
( )
[ ]
2
) 1 n ( , 2
2
) 1 n ( , 2 1 2
0
2
2
;
s 1 n

=

Se rechaza
0
H si el estadstico
( )
[ ]
2
) 1 n ( , 2
2
) 1 n ( , 2 1 2
0
2
2
;
s 1 n

=


Hiptesis nula
2 2
0
0
2 2
a
0
: H >

Se acepta
0
H si el estadstico
( )
2
) 1 n ( , 2
0
2
2
s 1 n

<
=

Se rechaza
0
H si el estadstico
( )
2
) 1 n ( , 2
0
2
2
s 1 n

=

d) Contraste de igualdad de medias de dos poblaciones normales de
varianzas conocidas

Contraste bilateral
Hiptesis nula
2 1 0
2 1 a
: H
Se acepta
0
H si
2
2
2
2
1
2
1
z
n n
y x
z

= Se rechaza
0
H si
2
2
2
2
1
2
1
z
n n
y x
z

>

=
Hiptesis nula
2 1 0
2 1 a
: H >
Se acepta
0
H si

= z
n n
y x
z
2
2
2
1
2
1
Se rechaza
0
H si
>

= z
n n
y x
z
2
2
2
1
2
1
e) Contraste de igualdad de medias de dos poblaciones normales de
varianzas desconocidas
Contraste bilateral

Hiptesis nula
2 1 0
2 1 a
: H

2 1
> + con
2 1
n n

Se acepta
0
H si el estadstico
2
z
n
s
n
s
y x
z
2
2
2
1
2
1
=
+

Se rechaza
0
H si el estadstico
2
z
n
s
n
s
y x
z
2
2
2
1
2
1

>
+
=

2 1
2
2
2
1
=

Se acepta
0
H si
) 2 n n ( , 2
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
=
2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1
2
p
+
+
=

Se rechaza
0
H si el estadstico
( ) 2 n n , 2
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
>
+
=
2 1
2
2
2
1

Se acepta
0
H si
f , 2
t
n
s
n
s
y x
t
2
2
2
1
2
1

= 2
1 n
) n s (
1 n
) n s (
n
s
n
s
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
+
=

Se rechaza
0
H si el estadstico
f , 2
t
n
s
n
s
y x
t
2
2
2
1
2
1

>
+
=


Hiptesis nula
2 1 0
2 1 a
: H >

2 1
> + con
2 1
n n

Se acepta
0
H si el estadstico
= z
n
s
n
s
y x
z
2
2
2
1
2
1

Se rechaza
0
H si el estadstico
>
+
= z
n
s
n
s
y x
z
2
2
2
1
2
1

2 1
2
2
2
1
=

Se acepta
0
H si
) 2 n n ( ,
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
=
2 n n
s ) 1 n ( s ) 1 n (
s
2 1
2
2 2
2
1 1
2
p
+
+
=

Se rechaza
0
H si el estadstico
) 2 n n ( ,
p
2 1
t
n
1
n
1
s
y x
t
2 1
+
>
+
=

2 1
2
2
2
1

Se acepta
0
H si
f ,
n
s
n
s
t
y x
t
2
2
2
1
2
1

=
( ) ( )
2
1 n
n s
1 n
n s
n
s
n
s
f
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
+
=

Se rechaza
0
H si el estadstico
f ,
n
s
n
s
t
y x
t
2
2
2
1
2
1

>
+
=

f) Contraste de igualdad de varianzas de dos poblaciones normales

Contraste bilateral

Hiptesis nula
2 2
0
2 1
2 2
a
2 1
: H

Se acepta
0
) 1 n ( , ) 1 n ( ; 2 ) 1 n ( , ) 1 n ( ; 2 1 2
2
2
1
2 1 2 1
F ; F
s
s
F

=

Se rechaza
0
) 1 n ( , ) 1 n ( ; 2 ) 1 n ( , ) 1 n ( ; 2 1 2
2
2
1
2 1 2 1
F ; F
s
s
F

=


Hiptesis nula
2 2
0
2 1
2 2
a
2 1
: H >

Se acepta
0
H si
) 1 n ( , ) 1 n ( ; 2
2
2
1
2 1
F
s
s
F

= Se rechaza
0
H si
) 1 n ( , ) 1 n ( ; 2
2
2
1
2 1
F
s
s
F

> =
NOTA.-
1 2
2 1
n , n ; 1
n , n ;
F
1
F

=

g) Contraste de igualdad de medias en el caso de datos apareados.

Contraste bilateral
Hiptesis nula
2 1 0
0 d : H = = Hiptesis alternativa
2 1 a
0 d : H
Se acepta
0
H si el estadstico
( ) 1 n , 2
d
t
n
s
d
t

=
Se rechaza
0
H si el estadstico
( ) 1 n , 2
d
t
n
s
d
t

> =
donde ( )

= = =

= = =
n
1 i
2
i
2
d
n
1 i
i i
n
1 i
i
d d
) 1 n (
1
s ) y x ( d
n
1
d
Hiptesis nula
2 1 0
0 d : H Hiptesis alternativa
2 1 a
0 d : H > >
Se acepta
0
H si el estadstico
( ) 1 n ,
d
t
n
s
d
t

=
Se rechaza
0
H si el estadstico
( ) 1 n ,
d
t
n
s
d
t

> =
h) Contraste para el parmetro p de una distribucin binomial
Contraste bilateral

Hiptesis nula
0 0
0 a
p p : H

Se acepta
0
H si
( )
2
0 0
0
z
n
p 1 p
p p
z

= Se rechaza
0
H si
( )
2
0 0
0
z
n
p 1 p
p p
z

>
=


Hiptesis nula
0 0
0 a
p p : H >

Se acepta
0
H si
( )

= z
n
p 1 p
p p
z
0 0
0
Se rechaza
0
H si
( )

>
= z
n
p 1 p
p p
z
0 0
0

i) Contraste para la igualdad de los parmetros de dos distribuciones
binomiales ) p , n ( B
1 1
y ) p , n ( B
2 2
en muestras grandes

Contraste bilateral

Hiptesis nula
2 1 0
2 1 a
p p : H

Se acepta
0
H si el estadstico
2
2
2 2
1
1 1
2 1
z
n
) p 1 ( p
n
) p 1 ( p
p p
z

=

Se rechaza
0
H si el estadstico
2
2
2 2
1
1 1
2 1
z
n
) p 1 ( p
n
) p 1 ( p
p p
z

>

=

Hiptesis nula
2 1 0
2 1 a
p p : H >
Se acepta
0
H si el estadstico

= z
n
) p 1 ( p
n
) p 1 ( p
p p
z
2
2 2
1
1 1
2 1
Se rechaza
0
H si el estadstico
>

= z
n
) p 1 ( p
n
) p 1 ( p
p p
z
2
2 2
1
1 1
2 1
e-learning UAM
EEES:PlataformaMoodleEstadsticaTericaII
ProyectoCEyEL2/2
FacultaddeCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
1.Enelclculodeprobabilidadesdeunavariablediscretaycontinuaexistendiferencias).Razone
larespuesta.
Respuesta:Paraunavariablediscreta { }
n , , 2 , 1 i i
x X
L =
= existeunafuncindeprobabilidad
) x X ( P
i
= ,verificndoseque
=
= =
n
1 i
i
1 ) x X ( P .Lafuncindedistribucin
= = = =
x
i
x
i
1 ) x X ( P ) x X ( P ) x ( F .
ParaunavariablecontinuaXexisteunafuncindedensidadf(x)talquelafuncindedistribucin

= =
x
dx ) x ( f ) x X ( P ) x ( F
2.Definaelconceptodevariablealeatoria.
Respuesta:SeaPlafuncindeprobabilidaddefinidaparalossucesosdeundeterminado
experimentoaleatorio,siendo suespaciomuestral.
Seaunafuncinqueacadasuceso
elementallehacecorresponderunnmero
real

R ) w ( X w
R : X

yrepresentamospor ) a X ( elsuceso { } a ) w ( X / w .
DiremosqueXesunavariablealeatoriasiexistelaprobabilidad ) x X ( P paratodonmerorealx.
Lafuncin ) x X ( P ) x ( F = sedenominafuncindedistribucin.
3.QurelacinexisteentreladistribucinBinomialyladeBernouilli?
Respuesta:
LavariablealeatoriaXsigueunadistribucindeBernouilli ) p , 1 ( B sisufuncindeprobabilidades:
= = ) x X ( P 1 p 0
x de valores de resto 0
0 x si p 1 q
1 x si p
< <
= =
=
LavariablealeatoriaXsigueunadistribucinbinomial ) p , n ( B siessumadenvariablesdeBernouilli
) p , 1 ( B independientes,sufuncindeprobabilidadser:
= = ) x X ( P

x de valores de resto 0
n , , 2 , 1 , 0 x si q p
x
n
x n x
L
4.Expliqueculessonlasdistribucionesasociadasalanormalyparaqueseutilizan.
Respuesta:
:
2
n
Dadasnvariablesaleatoriasindependientes ) 1 , 0 ( N X
i
,entoncesladistribucindela
variable
=
n
1 i
2
i
X sedenominachicuadradoconngradosdelibertad.
: t
n
SiXesunavariablealeatorianormal ) 1 , 0 ( N ,eYesuna
2
n
,ambasindependientes,
entoncesladistribucindelavariable
n
Y
X
sedenominatdeStudentconngradosde
libertad.
: F
m , n
SiXeYsonvariablesaleatoriasindependientes,siendo
2
n
X ) 1 , 0 ( N e
2
m
Y ,entonces
ladistribucindelavariable
m Y
n X
sedenominaFdeSnedecorconnymgradosdelibertad.
Tienenutilidadenlosprocesosdeestimacinpuessonlosmodelosdedistribucinquesiguen
ciertosestimadores.
5.Expliqueelobjetivodelainferenciaestadstica.
Respuesta:LaInferenciaEstadsticapersiguelaobtencindeconclusionessobreungrannmerode
datos,basndoseenlaobservacindeunamuestraobtenidadeellos;tambinintentamedirsu
significacin,esdecirlaconfianzaquenosmerecen.
Tienecomoobjetivoobtenerinformacinsobreelvalordealgnparmetropoblacional,comopor
ejemplolamediaolavarianza,osobralaformadelavariablealeatoria,comoporlaejemplola
funcindedensidadodecuanta.Estadeterminacinsehaceapartirdelainformacincontenida
enunamuestraaleatoria.
6.Expliquequeesunamuestraaleatoriasimple.
Respuesta:SeaXunavariablealeatoriadeunapoblacinconfuncindedistribucinF(x).
Silasvariablesaleatorias
n 2 1
X , , X , X L sonindependientesytienenlamismafuncinde
distribucinF(x)quelavariableX,entoncessedicequelasvariables
n 2 1
X , , X , X L constituyenuna
muestraaleatoriasimpledetamaon.
7.Culeselobjetivodelaestimacinpuntual?.Razonelarespuesta.
Respuesta:Obtenerelvalordeunparmetropoblacionaldesconocidomediantelaeleccindeun
estadsticomuestral(estimador).Obtenidalamuestra,elvalordelestimadorseutilizarcomovalor
delparmetropoblacional.
8.Culeselobjetivodeuncontrastedehiptesis?.Razonelarespuesta.
Respuesta:Esconfirmarorechazarunadeterminadahiptesisefectuadasobreelvalordeun
parmetropoblacionalosobreladistribucindeunavariablealeatoria.Paraundeterminado
estadstico,determinaremoselconjuntodevaloresqueadmitimosparaaceptarlahiptesis(regin
deaceptacin)yelconjuntocomplementario(reginderechazo).Paraefectuarelcontraste,se
eligeunamuestraysecalculaelvalorqueproporcionaelestadsticoencuestin,loquepermite
aceptarlahiptesisobienrechazarlay,ensucaso,aceptarunahiptesisalternativa.
9.Conceptodepoblacin,muestrayestadsticomuestral.Pongaunejemplo.
Respuesta:
POBLACIN.Eselconjuntodeindividuosquesonobjetodelestudioestadstico,deformaque
existeunavariablealeatoriaXasignandounnmerorealacadaunodelosindividuosdela
poblacin.
MUESTRA.Detamaon,esunconjuntodenobservacionesdelavariablealeatoria
) X , , X , X (
n 2 1
L .
ESTADSTICOMUESTRAL.Esunafuncindelasvariables
n 2 1
X , , X , X L quecomponenlamuestra.
EJEMPLO.Unamuestrapuedeserelconjuntodeclientesdeunosgrandesalmacenesduranteal
ao2011,siendoXelgastoefectuadoporcadacliente.Lamuestraquedaformadaporlaeleccin
dekclientes ) X , , X , X (
k 2 1
L queanotamossusgastos.Unestadsticomuestral,seraporejemplo,
lamediamuestral
=
=
k
1 i
i
x
n
1
x
10.Expliqueconceptualmentequeselsesgodeunestimadoryculessuinterpretacin.
Respuesta:Sedenominasesgodeunestimador
aladiferencia )
( E ,donde eselparmetro
aestimar.Puedeserpositivo,negativoonulo.Unapropiedaddeseabledelestimadoresqueel
sesgoseanuloyenesecasodiremosqueelestimadoresinsesgado.Encasocontrarioelestimador
sobrestimaoinfraestimaalparmetrosegnqueelsesgoseapositivoonegativorespectivamente.
11.QusignificaerrordetipoI?
Respuesta:Cuandodelresultadodeuncontrastedehiptesisdebemosrechazarlahiptesisnula,
puedeocurrirqueestfuesecierta,encuyocasohabremoscometidounerrorquesedenominade
tipoI.
12.Expliqueculeselefectosobrelaamplituddeunintervalodeconfianza,conunnivelde
confianzadado,deunaumentoeneltamaodelamuestraaleatoria.
Respuesta:Alaumentareltamaodelamuestra,disminuyelaamplituddelintervalo.
13.IndicarlarelacinexistenteentreuncontrastedehiptesisparamtricoyelerrordetipoI.
Respuesta:Si esunparmetrodesconocidoysedeseacontrastarlahiptesisnula
o
H deque
o
frentealahiptesisalternativa
1
H deque
o
,sedenominaerrordetipoIalquese
cometecuandoconelresultadodelcontraste,serechazalahiptesisnulacuandoenrealidades
cierta.
Si = ) ( ProbabilidaddelerrordetipoI ) cierta es H / H rechazar ( P
o o
= ,sellamatamaodelerror
detipoI,oniveldesignificacin,a ) ( max
o

=
Cuandolahiptesisnula
o
H essimple ) (
o
= ,laprobabilidaddeerrordetipoIcoincideconel
niveldesignificacin.
14.ExistealgunarelacinentreelerrordetipoIyelerrordetipoII?.Expliquelarespuesta.
Respuesta:Parauntamaofijodelamuestran,alaumentarelniveldesignificacin ,queesla
probabilidadderechazar
o
H siendofalsa(errordetipoI),disminuyelaprobabilidad deaceptar
o
H siendofalsa(errordetipoII)yviceversa.
Sieltamaodelamuestraaumenta,esposibleque y disminuyan,peroparaunanivelde
significacin fijolaprobabilidad deerrordetipoIIdisminuye.
15.Expliqueconceptualmenteporquesimportantequeunestimadorseaeficiente.
Respuesta:UnestimadoreseficientesiesinsesgadoysuvarianzaalcanzalacotadeCramerRao,es
decir,tienemenorvarianzaquecualquierotroestimadorinsesgado.Elloesimportanteporque,bajo
lahiptesisdeeficiencia,elestimadortomaparadiferentesmuestrasvaloresprximosunosa
otros.
16.Quentendemosporerrorcuadrticomedio?
Respuesta:Sedefineelerrorcuadrticomediodeunestimador
: [ ]
2
)
( E )
( ECM = donde
eselparmetroaestimar.Sisedesarrollaestaexpresinseobtieneque:
( )
2
)
( E )
( Var )
( ECM + = ,
denominndosesesgode
aladiferencia [ ] )
( E
17.Culeselobjetivodelcontraste
2
dePearsondebondaddeajusteyquestadsticoutiliza?.
Respuesta:Tieneporobjetivoverificarsiunamuestraprocededeunapoblacinconuna
determinadaprobabilidad.Seutilizaelestadstico
i
k
1 i
2
i i
2
p n
) p n n (
=

= quesedistribuye
aproximadamentecomouna
2
con(k1)gradosdelibertad,siendoneltamaodelapoblacinen
laquehemosefectuadounaparticinen'k'clases,
i
n elnmerodeobservacionesdelaclasei
sima,y
i
p laprobabilidaddequeunaobservacincaigaenlaclaseisima.
18.Expliqueladiferenciaentreestimadoryestimacin.Pongaunejemplo.
Respuesta:Enunapoblacinconsideramosunamuestradetamaonysean
n 2 1
X , , X , X L lasn
variablesmuestrales.Sea unparmetromuestral.Sellamaestimadorde aunaciertafuncin
delamuestra:
) X , , X , X ( g
n 2 1
L = elegidaconciertaspropiedadesdeidoneidad.
Efectuadaunarealizacinmuestral ) x , , x , x (
n 2 1
L ,sellamaestimacin,alvalordelestimadorpara
esarealizacin: ) x , , x , x ( g
n 2 1
L =
Ejemplo.Supongamosunaciertapoblacin,unavariablealeatoriaXyquedesconocemoslamedia
poblacional ,quedeseamosestimar.Elegimosuntamaomuestral,porejemplo,n=5y
utilizamoscomoestimadorlamediamuestral:
5
x
5
1 i
i
=
=
Seaporejemplo(3,5,8,3,7)unarealizacinmuestral.Entonces 2 , 5
5
7 3 8 5 3
=
+ + + +
esuna
estimacinde
19.Expliqueconceptualmentequemidelapotenciadeuncontraste
Respuesta:Lapotenciadeuncontrasteeslaprobabilidadderechazarlahiptesisnula
o
H .Siestaes
cierta,lapotenciadelcontrastecoincideconelerrordetipoI,ysi
o
H esfalsa,lapotenciadel
contrastesera ) 1 ( ,donde eselerrordetipoII,esdecir,laprobabilidaddeaceptar
o
H siendo
falsa.
20.TeoremadeChebychef,expliquesusignificado.
Respuesta:SiXesunavariablealeatoria,talque = ) X ( E y
2
) X ( Var = ,entonces 0 k > se
cumple:
[ ]
2
2
k
k X P

Significaquelaprobabilidaddequeunvalordelavariablesealejedelamediadelapoblacinuna
distanciasuperiorak,estacotadaporelcociente
2
2
k
,esdecir,esmenorcuantomenorseala
varianzaocuantomayorseaelcuadradodek.
21.CuandoseutilizaladesigualdaddeChebychefparaobtenerintervalosdeconfianza?.Razonela
respuesta.
Respuesta:Cuandosedeseaunintervalodeconfianzaparalamediaysedesconoceladistribucin
delapoblacinperoseconocelavarianza.
Enefecto,paraunamuestradetamaondeunapoblacinconmedia desconocidayvarianza
2
conocida.Utilizandocomoestimadorde lamediamuestral x ,sabemosque:

= ) x ( E
n
) x ( Var
2
=
SustituyendoenladesigualdaddeChebychef [ ]
2
k
) x ( Var
1 k ) x ( E x P ,queda:
[ ]
2
2
k n
1 k x P

queequivale [ ]
2
2
k n
1 k x k x P

+
Laexpresin
2
2
k n
1

eselniveldeconfianza ) 1 ( : =
1
k n
1
2
2
,dedonde,
=
n
k .
Endefinitiva,elintervalodeconfianzabuscadosera:
n
x ,
n
x
22.Expliquerazonadamenteladiferenciaentreuncontrastedeindependenciayunode
homogeneidad.
Respuesta:Enuncontrastedeindependenciaseestablecelahiptesisnula
o
H :XeYson
independientes,dondeXeYsondoscaractersticasdelapoblacin.
Pararealizarelcontrasteseutilizaelestadstico
= =
=
k
1 i
m
1 j
ij
ij ij
2
e
) e O (
2
,donde
ij
O sonlas
frecuenciasobservadasdelamuestray
ij
e sonlasfrecuenciasesperadasbajoelsupuestode
independencia.
Enuncontrastedehomogeneidadsepartedermuestrasindependientesclasificadasens
caractersticas.Lahiptesisnula:
rj j 3 j 2 j 1 o
p p p p : H = = = = L L donde ) s , , 2 , 1 j ( L = ,esdecir,
laprobabilidaddecadacategoraeslamismaentodaslasmuestras.
Pararealizarelcontrasteseutilizaelmismoestadsticoqueeldeindependencia.
23.Cundosepuededecirqueunestimadoresinsesgado?.Razonelarespuestaponiendoalgn
ejemplo?
Respuesta:Unestimador
deunparmetro esinsesgadocuando = )
( E
Porejemplo,lamediamuestral x esinsesgadaparadeterminarlamediapoblacional:
=
= =
=

= =
k
k
k
) x ( E
k
x
E ) x ( E
k
1 i
i
k
1 i
i
24.Estimadoreficiente.Expresinanaltica.
delparmetro eseficientesiesinsesgadoydevarianzamnima,es
decir,coincideconlacotadeFrechetCramerRao:
=
2
) ; x ( f ln
E n
1
)
( Var

25.Relacinexistenteentreestimadorconsistenteyestimadorconsistenteenmediacuadrtica.
n
deunparmetro ,obtenidoparaunamuestradetamaon,es
consistente(consistenciasimpleoenprobabilidad)silasucesin { }
n
convergeenprobabilidada ,
esdecir:
0 1
P lim
n
n
> =
<

Unestimadoresconsistenteenmediacuadrticacuando 0 )
( E lim
2
n
n
=

Siseverificaqueunestimadoresconsistenteenmediacuadrtica,tambinloesenprobabilidad.El
reciproconoesnecesariamentecierto.
26.Expliquebrevementeenqueconsisteelmtododelosmomentosycualessonlaspropiedades
delosestimadoresobtenidosporstemtodo.
Respuesta:Consisteenigualartantosmomentosmuestralescomoparmetrosaestimar,alos
correspondientesmomentospoblacionales.
Silosparmetrosaestimarsonmomentospoblacionalesrespectodelorigen,losestimadoresson
insesgados.Pero,engeneralnolosonyportantonoseraneficientes.
Bajocondicionesbastantegenerales,sonconsistentes.
Paraestimarmomentospoblacionales,sonasintticamentenormales.
27.Indicarsilosestimadoresobtenidosporelmtododelosmomentossoneficientesono.
Respuesta:Engeneralnosoneficientesyaquenosiempreelestimadorobtenidoporelmtodode
losmomentosesinsesgado.
28.Qucaractersticaspuedenconsiderarseesencialesenelplanteamientodeuncontraste
paramtrico?
Respuesta:Formulacindelahiptesisnula
o
H ydelahiptesisalternativa
1
H entrminos
estadsticos.Ambasdebendesermutuamenteexcluyentes.
Determinacindeltestestadsticooestadsticodepruebaapropiado.
Seleccindelniveldesignificacin .
Determinacindelaregincrtica.
Seleccinaleatoriadelamuestra.
Establecimientodelaregladedecisinysuinterpretacin.
29.Cundosedeberutilizaruncontrastedeindependenciaycuandounodehomogeneidad?
Respuesta:Seutilizauncontrastedeindependenciacuandosetratadecontrastarsiexiste
dependenciaentredoscaractersticasdelamismapoblacin.
Seutilizauncontrastedehomogeneidadcuandosedeseacontrastarsidosomsmuestras
procedendelamismapoblacin.
30.Expliqueconceptualmenteparaqusepuedeutilizarlafuncindedistribucinempricadela
muestra.
Respuesta:Lafuncindedistribucinempricadelamuestra ) x ( F
n
convergeenprobabilidadala
funcindedistribucindelapoblacin,alaumentareltamaodelamuestra.Luegosugrfica
puedeutilizarseparadeterminarlaformageneraldeladistribucinpoblacional.
31.Quentendemospormuestraaleatoriasimple?
Respuesta:DadaunavariablealeatoriasimpleXconfuncindedistribucin ) x ( F ,sedenomina
muestraaleatoriasimpledetamaonalconjuntodenvariables ) x , , x , x (
n 2 1
L independientes,
cadaunadeellasdistribuidaidnticamenteigualquelavariableX.
32.Clasifiquelosresultadosposiblesdeladecisintomadaenuncontrastedehiptesisutilizando
lainformacinproporcionadaporunamuestra,respectodelanaturalezadelahiptesisnula.
Razonelarespuesta.
Respuesta:Lahiptesisnula
o
H puedeserverdaderaofalsa.Puedenpresentarselossiguientes
resultados:
o
H verdadera
o
H falsa
Aceptamos
o
H Decisincorrecta ErrordetipoII
Rechazamos
o
H ErrordetipoI Decisincorrecta
33.Enqucontrastespodemosutilizarelestadstico
2
dePearson?,Paraquseutiliza?
Respuesta:Encontrastessobrelavarianza
2
deunapoblacinnormal ) , ( N conlamedia
poblacional desconocida.Elestadstico
2
1 n
2
2
s ) 1 n (
sedistribuyecomouna
2
con(n1)
gradosdelibertad.
Seutilizaparadeterminarlaregincrtica(ydeaceptacin)paraunniveldeconfianza dado.
Porejemplo,sielcontraste
es:
2
o
2
1
2
o
2
o
: H
: H

=
entonceslaregincrticavienedefinidaporlasdesigualdades:
2
) 1 n ( ; 2 /
2
2
s ) 1 n (

<
o
2
) 1 n ( ; 2 / 1
2
2
s ) 1 n (

>
34.Quesunahiptesisestadstica?,Quesunahiptesisnula?.Razonelarespuesta.
Respuesta:Unahiptesisestadsticaesunaafirmacinverdaderaofalsaacercadelvalordealguna
caractersticadesconocidadelapoblacin.
Paraefectuaruncontrastedehiptesis,aceptamosunahiptesiscomoverdadera,alacual
denominamoshiptesisnula,frenteaotracomplementariaquellamamoshiptesisalternativa.
35.Cualeselobjetivodeloscontrastesdealeatoriedad?.Razonelarespuesta.
Respuesta:Tienenporobjetivodeterminarsilamuestraelegidaenelprocesodemuestreoes
aleatoria.
36.Definicindeestadstico,estimacinyestimador.Pongaunejemplodecadaunodeestos
conceptosenlosqueseaprecienlasdiferenciasentreellos.
Respuesta:
Estadsticoescualquierfuncindelavariablemuestral ) x , , x , x (
n 2 1
L : ) x , , x , x ( g
n 2 1
L =
Estimadoresunestadsticoqueusamosparahallarelvalordeunparmetropoblacional
desconocido.
Estimacinesunvalorconcretodelestimador,paraunamuestraconcretaelegida.
Porejemplo:Estadsticosseranelmximode ) x , , x , x (
n 2 1
L ;lamediamuestral
=
=
n
1 i
i
x
n
1
x ;la
cuasivarianzamuestral
=
n
1 i
i
2
x
2
) x x (
1 n
1
s ;ocualquiermomentomuestralrespectoalorigen
=
=
n
1 i
n
i n
x
n
1
,etc.
Unestimadordelamediapoblacionalsera,porejemplo,lamediamuestral
=
=
n
1 i
i
x
n
1
x
Sicomoestimadordelamediapoblacionalseeligelamediamuestral,paramuestrasdetamao5,
elegidalamuestra(2,5,3,2,3,1,2,7),laestimacincorrespondientesera:
66 , 2
5
7 , 2 1 , 3 2 3 5 , 2
=
+ + + +
37.Conceptodeerrorcuadrticomedio.Paraquseutiliza?
Respuesta:Sea
elestimadordeunparmetropoblacional ,elerrorcuadrticomediosedefine
comoelvalorde [ ]
2
)
( E )
( ECM = .
Desarrollandolaexpresinseobtiene: ( )
2
)
( E )
( Var )
( ECM + = ,denominndosesesgode
aladiferencia ( ) )
( E .Enefecto:
[ ]
2
)
( E )
( ECM = =(restamosysumamos )
( E )= [ ] = +
2
) )
( E )
( E
( E
[ ] [ ] [ ] = + + = ) )
( E ( ))
( E
( E 2 ) )
( E ( E ))
( E
( E
2 2

[ ] [ ] ))
( E
( E ) )
( E ( 2 ) )
( E ( )
( Var
2
+ + = =teniendoencuentaque
[ ] 0 ))
( E
( E = =
2 2
) sesgo ( )
( Var ) )
( E ( )
( Var + = +
Enelproblemadelaestimacinpuntualqueelerrorcuadrticomediosealomenorposible,locual
seconsiguecuantomenoresseanlavarianzade
yelvalorabsolutodelsesgo.Cuandoel
estimadoresinsesgado[ 0 )
( sesgo = ]elECMcoincideconlavarianza [ ] )
( Var )
( ECM =
38.Relacionelaspropiedadesdelosestimadoresdemximaverosimilitud.
Respuesta:
Sonconsistentes.
Engeneral,soninsesgados.Encasocontrario,soninsesgadosasintticamente.
Si
eseficiente,entoncesesmximoverosmilynico.Aunquenotodoestimador
mximoverosmileseficiente,aunquesiloesasintticamente.
Si
esmximoverosmilentoncesesasintticamentenormal
( Var ,
N ,endonde
)
( Var coincideconlacotadeFrechetCramerRao.
Si
eseficiente,entonceselestimadormximoverosmilde ,siesnico,esfuncinde
.
PrincipiodeinvarianzadeZehna.Si
esmximoverosmil,esinvarianteporuna
transformacinbiunvoca.
39.Condicionesquedebecumplirelpivoteenelmtodopivotal.
Respuesta:Si eselparmetrodesconocido,entonceselpivoteesunafuncin ) , X , , X , X ( T
n 2 1
L
quedebecumplirlascondiciones:
Elvalorquetoma ) , X , , X , X ( T
n 2 1
L paracadamuestradependeexclusivamentede
Ladistribucinmuestraldelestadstico ) , X , , X , X ( T
n 2 1
L nodependede
40.Conceptodeniveldesignificacinypotenciadeuncontraste.Relacinentreambos.
Respuesta:Elniveldesignificacin deuncontrasteeslaprobabilidaddecometererrordetipoI,
esdecir,eslaprobabilidadderechazarlahiptesisnula,siendostacierta.Tambinsedenomina
tamaodelaregincrtica(oderechazo)yaquelaprobabilidaddequeelestimadorpertenezcaala
regincrticaesprecisamente .
Lapotenciadelcontrasteeslaprobabilidadderechazarlahiptesisnula.Sidenominamospor la
probabilidaddeerrordetipoII,esdecir,laprobabilidaddeaceptarlahiptesisnulasiendofalsa,
entonces:
Potenciadelcontraste
=

falsa es H si 1
cierta es H si
o
o
Parauntamaomuestralnfijo,si aumenta,entonces disminuyey,porlotanto, 1 aumenta

yviceversa.
41.Cualeslainterpretacindelconcepto'gradosdelibertad'alahoradeutilizarestimadores?
Respuesta:Enunamuestradetamaon,lasnvariables ) X , , X , X (
n 2 1
L sonindependientes.Se
sueledecirqueelconjuntodelasnvariables ) X , , X , X (
n 2 1
L contienengradosdelibertad.Ahora
bien,esposiblequeunestimadorcualquiera ) X , , X , X (

n 2 1
L = mantengalosngradosde
libertadono.
Porejemplo,enunapoblacinenlaquedesconocemoslamediapoblacional,utilizamoscomo
estimador
2
n
1 i
i
) x x (
=
(parahacerestimacionessobrelavarianza)ocurrequehemosperdidoungradode
libertad,puestoquesabemosque x n x
n
1 i
i
=
=
,dedonde,conociendosolamente(n1)valoresdela
muestrapodemosdespejarelquequeda.As,pues,
posee(n1)gradosdelibertad.
42.TeoremadefactorizacindeFisherNeyman
Respuesta:
Si ) X , , X , X (
n 2 1
L esunamuestraaleatoriasimple,siendo ) , x , , x , x ( P
n 2 1
L ) , x , , x , x ( f
n 2 1
L
lasfuncionesdeprobabilidadodensidad,respectivamente,entonceselestadstico
) X , , X , X ( T T
n 2 1
L = essuficienteparaelparmetro siyslosiexistendosfunciones
[ ] ), X , , X , X ( T g
n 2 1
L y ) x , , x , x ( h
n 2 1
L ,talesque:
[ ] ) x , , x , x ( h ), X , , X , X ( T g ) , x , , x , x ( P
n 2 1 n 2 1 n 2 1
L L L =
[ ] ) x , , x , x ( h ), X , , X , X ( T g ) , x , , x , x ( f
n 2 1 n 2 1 n 2 1
L L L =
43.LemadeNeymanPearson
Respuesta:
Proporcionauncriterioparahallarlaregincrticadetamao enuncontrastedehiptesisque
hagamnimoelerrordetipoII, ) falsa es H / H Aceptar ( P
o o
= .Diremosqueeslamejorregin
crtica.
Estableceque,obtenidaunamuestraaleatoriasimple ) X , , X , X (
n 2 1
L deunapoblacinconfuncin
dedensidad ) ; x ( f ,siendo
=
=
n
1 i
i n 2 1
) ; x ( f ) ; x , , x , x ( L L lafuncindeverosimilituddeuna
muestra,si
queremosefectuarel
contraste:

=
=
1 1
o o
: H
: H

sea 0 k > yCunsubconjuntodelespaciomuestral
n
R talque:
>

C ) x , , x , x ( si k
) ; x , , x , x ( L
) ; x , , x , x ( L
C ) x , , x , x ( si k
) ; x , , x , x ( L
) ; x , , x , x ( L
n 2 1
1 n 2 1
o n 2 1
n 2 1
1 n 2 1
o n 2 1
L
L
L
L
L
L
EntoncesCeslamejorregincrtica
detamao paraefectuarel
contraste.
44.Intervalodeconfianzadeunaproporcinparamuestraspequeas.
Respuesta:Consideramoselestimadordemximaverosimilitudque,paraunamuestradetamaon
deunapoblacinBernouilli ) p , 1 ( B ,eslaproporcinmuestral
n
X
pruebas de n
pruebas n en xitos n
p
o
o
= = cuya
funcindeprobabilidad
x n n x n
) p 1 ( p
x n
n
) x n X ( P x
n
X
P

= = =
= ,donde 1 , ,
n
2
,
n
1
, 0 x L =
Losextremos
i
p y
s
p deunintervalodeniveldeconfianza ) 1 ( el100%,verificaranlas
ecuaciones:

i
p
0 x
x n n x n
i
2
) p 1 ( p
x n
n
p
n
X
P

1
s
p x
x n n x n
s
2
) p 1 ( p
x n
n
p
n
X
P

dadaladificultadderesolucindeestasecuaciones,ClopperyPearsonelaboraronunosbacosque
proporcionanlassolucionesparadistintosvaloresdex,conny fijos.
45.Contrastesuniformementemspotentes.
Respuesta:Supongamosuncontrastedeunahiptesissimple
o
H frenteaunahiptesiscompuesta
1
H ,sedicequeCeslaregincrticauniformementemspotentedetamao sieslamejorregin
crticadeesetamaoparacontrastar
o
H ,paracadaunadelashiptesissimplesdelasqueconsta
1
H .
Silaregincrticadeuncontrastecumpleestapropiedad,decimosqueelcontrasteesel
uniformementemspotentedetamao .
46.RegladedecisinparaelcontrastedePearsondebondaddeajustecuandolosparmetros
poblacionalessonconocidos.
Respuesta:ConsideremosunaparticinenkclasesdelcampodevariacindelavariablealeatoriaX
yunamuestraaleatoriasimpledetamaon.Sea
i
n , ) k , , 2 , 1 i ( L = ,elnmerodeobservaciones
muestralescontenidasenlaclaseisima.
Supongamosquelahiptesisnula
o
H establecelasprobabilidades
k 2 1
p , , p , p L dequeuna
observacincaigaencadaunadelasclases.Entonces,rechazaremos
o
H ,alniveldesignificacin ,
si:
2
) 1 k ( ;
i
k
1 i
2
i i
2
exp
p n
) p n n (
=
>

donde
2
1

estalque
[ ]

= >
o
2
1
2
1 k
H / P
siendo
2
1 k
unachicuadradocon(n1)gradosdelibertad.
47.CundodecimosqueunestimadoresUMVUE?
o
esUMVUE(insesgadoyuniformementedemnimavarianza)para
estimarelparmetro ,sidadocualquierotroestimador
de ,severificaque )
( Var )
( Var
o
,
paratodoslosposiblesvaloresde .
48.Dequdependequelaamplituddeunintervalodeconfianzaparalamedia,siendolavarianza
desconocida,seamayoromenor?
Respuesta:
Parauntamaodelamuestrafijo,amayorniveldeconfianza ) 1 ( ,mayoramplituddelintervalo.
Paraunniveldeconfianzafijo ) 1 ( ,amayortamaodelamuestra,menoramplituddelintervalo.
49.Discutirlasiguienteaseveracin<<Losestimadoresinsesgadossiempredanmejores
estimacionesquelosestimadoressesgados>>.
Respuesta:Noesciertoengeneral.Entredosestimadoresconsideraremosmejorelque
proporcionaunmenorerrorcuadrticomedio
2
))
( sesgo ( )
( Var )
( ECM + = .Dadosdos
estimadores,
1
sesgadoy
2
insesgado,podraocurrirque )
( Var ))
( sesgo ( )
( Var
2
2
1 1
< +
50.CualeslautilidaddellemadeNeymanPearson?
Respuesta:Proporcionauncriterioparahallarlaregincrticadetamao enuncontrastede
hiptesis,quehagamnimoelerrordetipoII, ) falsa es H / H Aceptar ( P
o o
= .
51.Intervalodeconfianzadeunaproporcinparamuestrasgrandes.
Respuesta:Consideramosunapoblacinconunavariablequesedistribuya ) p , 1 ( B (distribucinde
Bernouillideparmetrop).Sea plaproporcinmuestraldexitosparaunamuestradetamaon
suficientementegrande,y p 1 q = .
SeaZnormal ) 1 , 0 ( N y
2
z
talque
2
z Z P
2
Unintervalodeconfianza,aunnivel ) 1 ( ,paralaproporcinpoblacionalpes:
+ =
n
q p
z p ,
n
q p
z p I
2 2
) 1 (
52.Tamaodelamuestraparaestimarlaproporcindeunapoblacin.
Respuesta:Setratadehallareltamaomuestralnparaconstruirunintervalodeconfianzade
longitudL,alniveldeconfianza ) 1 ( .
Comoelintervalodeconfianzaes
+ =
n
q p
z p ,
n
q p
z p I
2 2
) 1 (
cuyalongitudes
n
q p
z 2 L
2
= ,despejandoseobtiene
2
2
2
L
q p z 4
n

=
Enparticular,comoelerror
2
L
p p = = ,setieneque
2
2
2
q p z
n
=
53.LossucesosAyBverificanP(A)=0,4,P(B)=0,3y 1 , 0 ) B A ( P = .Laprobabilidadde ) B A / A ( P :
a)4/7 b)5/6
c)2/3 d)Ningunarespuestaescorrecta
Respuesta:(c)
[ ] [ ] [ ]
3
2
6 , 0
4 , 0
1 , 0 3 , 0 4 , 0
4 , 0
) B A ( P
) A ( P
) B A ( P
) B A ( A ( P
) B A ( P
) B A ( ) A A ( P
) B A ( P
) B A ( A P
) B A / A ( P = =
+
=

=
54.SeaAunsucesocontenidoenelsucesoB, B A .Quopcinescorrecta?.
a) ) A ( P ) B ( P < b) ) A ( P ) B ( P ) A B ( P =
c) 0 ) B A ( P = d)Ningunadelasrespuestas
Respuesta:(b)
Si B A ) A B ( A B = a ,como A y A B sonincompatibles: ) A B ( P ) A ( P ) B ( P + =
conlocual, ) A ( P ) B ( P ) A B ( P =
55.SeanAyBdossucesoscualesquieracon 0 ) B ( P > ,severifica:
a) ) B / A ( P ) B / A ( P = b) ) A ( P ) B A ( P <
c) 1 ) A / B ( P ) B / A ( P = + d) 1 ) B / A ( P ) B / A ( P = +
Respuesta:(d)
Lossucesos B A y B A constituyenunaparticindisjuntadeB.
Luego ) B A ( P ) B A ( P ) B ( P + =
dedonde,sededuceque:
1
) B ( P
) B ( P
) B ( P
) B A ( P ) B A ( P
) B ( P
) B A ( P
) B ( P
) B A ( P
) B / A ( P ) B / A ( P = =
+
=
= +
56.Unafabricadeperfumestienedosmarcasenelmercado(AyB),yproyectaellanzamientode
unanuevamarca.LaprobabilidaddecompradeAes0,3,ladeBes0,5,yladeAyBes0,1.
Antesdelanzarlanuevamarca,lafabricanecesitaconocerlaprobabilidaddequenosecompreniA
niB,ascomolaprobabilidaddequesolosecompreunadelasdosmarcas.Sealarlaopcin
correcta:
a)0,2y0,6 b)0,3y0,6
c)0,8y0,6 d)Ningunarespuestaescorrecta
Respuesta:(b)
ElsucesonocomprarniAniB:
c
) B A ( B A = ,ycomosonsucesosdisjuntos,
=
c
) B A ( ) B A (
[ ] 3 , 0 ) 1 , 0 5 , 0 3 , 0 ( 1 B A ( P ) B ( P ) A ( P 1 ) B A ( P 1 ) B A ( P
c
= + = + = =
conlocual, 3 , 0 ) B A ( P ) B A ( P
c
= =
ComprarlamarcaAynocomprarlaBes(AB).Anlogamente,comprarlamarcaBynocomprarla
Aes(BA).Enconsecuencia,laprobabilidaddecomprarunadelasmarcasser:
P(unadelasmarcas)= [ ] [ ] [ ] = + = + = B A ( P ) B ( P B A ( P ) A ( P ) A B ( P ) B A ( P ) A B ( ) B A ( P
6 , 0 2 , 0 5 , 0 3 , 0 ) B A ( P . 2 ) B ( P ) A ( P = + = + =
57.Seeligenalazardospuntosenelintervalo(0,2).Sealarlaprobabilidaddequeelproductode
ambosseamenorque3.
a)0,75 b)1
c)0,92 d)Ningunarespuestaescorrecta
Respuesta:(d)
Elsuceso 3 xy < estformadoporlospuntosdelcuadradodelado2quese
encuentranpordebajodelahiprbola 3 xy = ,esdecir,pertenecientesalos
recintosAoB.
Laprobabilidaddequeseverifique 3 xy < esigualaladequeunpuntow
pertenezcaaunodelosrecintosAoB.
[ ] 966 , 0 )
2
3
ln 2 (ln .
4
3
4
3
4
x d
x
3
2
3
. 2
cuadrado rea
B rea A rea
) B w ( ) A w ( P ) 3 xy ( P
2
2 3
= + =
+
=
+
= = <

58.SeanAyBdossucesoscorrespondientesaunexperimentoaleatorio,talesque = B A con
8 , 0 ) A ( P = y 5 , 0 ) B ( P = .Sepidecalcularlasprobabilidades:
<1> ) B A ( P <2> ) B A ( P
<3> ) B A ( P <4> ) B A ( P
Respuesta:
Sabemosque ) B A ( P ) B ( P ) A ( P ) B A ( P + = ,conlahiptesis = B A ,siendo 1 ) ( P = ,se
tiene: + = ) B A ( P 5 , 0 8 , 0 1 3 , 0 ) B A ( P =
B eselcomplementariodeB,enconsecuencia, B B =
) B A ( P ) B ( P ) A ( P ) B A ( P + =
5 , 0 5 , 0 1 ) B ( P ) B ( P ) ( P ) B ( P = = = a
deotraparte,
5 , 0 ) B A ( P ) B ( P B A B ) B A ( B B = = = = = a
conloque, 8 , 0 5 , 0 5 , 0 8 , 0 ) B A ( P = + =
tambinpodramoshaberconsiderado: A B B A =
conlocual, 8 , 0 ) A ( P ) B A ( P = =
5 , 0 ) B ( P ) B A ( P = =
7 , 0 3 , O 1 ) B A ( P 1 ) B A ( P ) B A ( P
Morgan de Leyes
= = = =
8 7 6
Facultad de Ciencias Econmicas y Empresariales Estadstica Terica II
1. Segn los dirigentes del partido A, la intencin de voto del partido rival B, en
Andaluca, es la misma que la que tiene en Madrid. Se realiza una encuesta a 100
personas en Andaluca de los que 25 mostraron su apoyo al partido B, y a otras 100
personas en Madrid de las que 30 se inclinaron por el partido B.
a) Construir un intervalo de confianza del 90% para la proporcin de personas que
votaran al partido B en Andaluca
b) A cuntas personas habra que encuestar para obtener un margen de error o
error de estimacin 2%, al nivel de confianza anterior?.
c) Construir un intervalo de confianza al 90% para la diferencia de proporciones en la
estimacin del voto del partido B en las dos comunidades. Podemos afirmar que los
dirigentes del partido A tienen razn?.
Solucin:
a) La caracterstica en estudio en ambas comunidades es dicotmica, tenemos que
construir un intervalo de confianza para el parmetro
1
p (proporcin) de la variable
aleatoria binomial asociada al estudio de la caracterstica en la comunidad de Andaluca.
Como el tamao de la muestra es suficientemente grande, n
1
= 100, se puede utilizar la
aproximacin normal.
= = = = =
= = = = =

645 , 1 z z 05 , 0 2 10 , 0 90 , 0 1
100 n 75 , 0 p
1 q 25 , 0 100 25 p
n
) p
1 ( p
z p
) p ( I
05 , 0 2
1 1 1 1
) 2 ( 1
[ ]
[ ] [ ] = = =
=
=
1 90 , 0 321 , 0 p 179 , 0 P 321 , 0 ; 179 , 0 ) p ( I
321 , 0 ; 179 , 0
100
75 , 0 . 25 , 0
) 645 , 1 ( 25 , 0 ) p ( I
1 1 90 , 0
1 90 , 0
En Andaluca la intencin de voto del partido B se encuentra entre el 17,9% y 32,1%,
con un nivel de confianza del 90%.
2
x x
2
2
x x
) 2 ( x
n
q . p
z
n
q . p
z p
muestral
error
muestral
proporcin
I
=

a
2
x x
2
2
) q . p
( ) z (
n , donde de
=

El caso ms desfavorable ser cuando 5 , 0 q p
x x
= = .
Siendo 1691
0004 , 0
) 5 , 0 . 5 , 0 ( ) 645 , 1 (
n 0004 , 0 ) 02 , 0 (
2
2 2
= = = a
c) Nos encontramos ante un intervalo de confianza para la diferencia de parmetros
poblacionales ) p p (
2 1
de dos distribuciones binomiales, con el tamao de las muestras
suficientemente grandes, n
1
= n
2
= 100, para utilizar la aproximacin normal.
=

2
2 2
1
1 1
) 2 ( 2 1 2 1 1
n
) p
1 ( p
n
) p
1 ( p
z ) p
( ) p p ( I
= = = = =
= = = = =
= = = = =
645 , 1 z z 05 , 0 2 10 , 0 90 , 0 1
100 n 70 , 0 p
1 q 3 , 0 100 30 p
100 n 75 , 0 p
1 q 25 , 0 100 25 p
05 , 0 2
2 2 2 2
1 1 1 1
[ ] 053 , 0 ; 153 , 0
100
70 , 0 . 3 , 0
100
75 , 0 . 25 , 0
) 645 , 1 ( ) 3 , 0 25 , 0 ( ) p p ( I
2 1 90 , 0
=
+ =
El intervalo de confianza cubre el cero, lo que indica que no existe diferencia
significativa entre la intencin de voto del partido B en ambas comunidades, con lo cual
los dirigentes del partido A tienen razn con una fiabilidad del 90%.
2. Sea una variable aleatoria X procedente de una poblacin con densidad de
probabilidad ). 4 , ( N Se quiere contrastar la hiptesis nula 10 : H
0 0
= = frente a
1 1
= = , con un nivel de significacin 05 , 0 = , con un
muestreo simple de tamao 25.
Determinar:
a) La probabilidad de cometer el error tipo II
b) La potencia del contraste
Solucin:
12 : H
10 : H
1 1
0 0
=
=
Regla de decisin
>
.) C . R ( crtica regin H acepta se no k x

.) A . R ( aceptacin regin H acepta se k x
0
0
a
a
16
2
= conocida:
) 8 , 0 ; 12 ( N )
25
4
, 12 ( N )
n
, ( N x : H
) 8 , 0 ; 10 ( N )
25
4
, 10 ( N )
n
, ( N x : H
1 1
0 0
= =

= =

a) Para hallar el valor crtico 'k' recurrimos al Error Tipo I:
0 0
= = =
05 , 0 )
8 , 0
10 k
z ( P
) 10 : H k x ( P ) I ET ( P
0 0
=
> =
= = > = =
316 , 11 K 645 , 1
8 , 0
10 k
= =

0 0
= =
= =
= = = = ) 855 , 0 z ( P )
8 , 0
12 316 , 11
z ( P ) 12 : H 316 , 11 x ( P ) II ET ( P
1 1
1963 , 0 ) 855 , 0 z ( P = =
0 0
0 0
= = =
3. Las latas de mejillones de una determinada marca indican que el peso escurrido de
dicho producto es de 250 gr. No obstante, un consumidor est convencido de que el
peso escurrido medio de dicho producto es menor que el que indican las latas. Si el peso
escurrido sigue una ley normal con desviacin tpica 9 gr.
a) Determinar, si existe, la mejor regin crtica para contrastar la mejor regin
crtica, con un nivel de significacin del 5% y muestras aleatorias simples de
tamao 100.
b) Tomar una decisin acerca del rechazo o no de la hiptesis nula a partir de una
muestra aleatoria simple de tamao 100 en la cual se ha observado un peso
escurrido promedio de 245 gr.
c) Determinar la funcin de potencia del contraste.
Solucin:
a) Sea la variable aleatoria X = "peso escurrido de las latas de mejillones"
Se trata de un contraste unilateral:
250 : H
0
= 250 : H
1
<
La regla de decisin del muestreo:
>
.) C . R ( H rechaza se k x
.) A . R ( H acepta se k x
0
0
La variable aleatoria X en el muestreo, bajo la hiptesis nula, sigue una distribucin

100
9
, 250 N
El valor crtico k, bajo la hiptesis nula, se determina con el nivel de significacin :
[ ] 05 , 0
9 , 0
250 k
z P
9 , 0
250 k
9 , 0
250 x
P ) 9 , 0 ; 250 ( N / k x P
) cierta H / k x ( P ) cierta H / H chazar (Re P ) I ET ( P
0 0 0
=
= =
= = = =
observando las tablas de la N(0,1), y considerando que

=
1
z z , se tiene:
52 , 248 k 96 , 1
9 , 0
250 k
= =
a
La regin crtica ms potente, para muestras de tamao 100, es 52 , 248 x
b) Dado que 52 , 248 245 x < = , el peso
escurrido promedio se encuentra en la
regin de rechazo de la hiptesis nula.
c) La funcin potencia del contraste se establece como:
=
= =
9 , 0
52 , 248
9 , 0
x
P )
100
9
; ( N / k x P ) 52 , 248 x ( P ) ( P

250
9 , 0
52 , 248
z P

=
4. Para una muestra aleatoria simple de 350 das, el nmero de urgencias tratadas
diariamente en un hospital A queda reflejado en la siguiente tabla:
N urgencias 0 5 5 10 10 15 15 20 20 25 25 - 30 Total das
N das 20 65 100 95 60 10 350
Contrastar, con un nivel de significacin del 5%, si la distribucin del nmero de
urgencias tratadas diariamente en el hospital A se ajusta a una distribucin normal.
Solucin.-
Para ajustar los datos obtenidos a una distribucin normal ) , ( N de parmetros
desconocidos, se necesitan estimar los dos parmetros recurriendo a los estimadores
mximo-verosmiles: ) , x (
2
x
2
= = , donde la variable aleatoria X = nmero de
urgencias diarias.
Se establece la hiptesis nula ' normal la a ajusta se emprica n distribuci La ' : H
0
43 42 1
2
1 p k ;
k
1 i
i
2
i
k
1 i
i
2
i i
2
1 p k
n
e
n
e
) e n (

= =

< =
=

donde
ervalos int nmero
p
k

1) Se obtiene la media y la desviacin tpica:
Intervalos i
x
i
n
i i
n x
i
2
i
n x
0 - 5 2,5 20 50 125
5 - 10 7,5 65 487,5 3656,25
10 - 15 12,5 100 1250 15625
15 - 20 17,5 95 1662,5 29093,75
20 - 25 22,5 60 1350 30375
25 - 30 27,5 10 275 7562,5
350 n n
6
1 i
i
= =

=
5075 n x
6
1 i
i i
=
=
5 , 86437 n x
6
1 i
i
2
i
=
=
5 , 14
350
n x
x
6
1 i
i i
= =

=
71 , 36 ) x (
350
n x
350
n ) x x (
2
6
1 i
i
2
i
6
1 i
i
2
i
2
x
= =
=

= =
06 , 6
x
=
2) Se procede al ajuste de una distribucin normal ) 06 , 6 ; 5 , 14 ( N hallando las
probabilidades de cada uno de los intervalos:
Intervalos i
n
i
p n p e
i i
=
2
i i
) e n (
i
2
i i
e / ) e n (
0 - 5 20 0,0498 17,43 6,6 0,38
5 - 10 65 0,1714 59,99 25,1 0,42
10 - 15 100 0,3023 105,81 33,76 0,32
15 - 20 95 0,2867 100,35 28,62 0,29
20 - 25 60 0,1396 48,86 124,1 2,54
25 - 30 10 0,0366 12,81 7,9 0,62
350 n =
57 , 4 e / ) e n (
6
1 i
i
2
i i
=
=
04978 , 0 00842 , 0 0582 , 0 ) 39 , 2 z ( P ) 57 , 1 z ( P ) 39 , 2 z 57 , 1 ( P
) 57 , 1 z 39 , 2 ( P
06 , 6
5 , 14 5
06 , 6
5 , 14 x
06 , 6
5 , 14 0
P ) 5 x 0 ( P
= = > > = < < =
= < < =

<
<
= < <
1714 , 0 0582 , 0 2296 , 0 ) 57 , 1 z ( P ) 74 , 0 z ( P ) 57 , 1 z 74 , 0 ( P
) 74 , 0 z 57 , 1 ( P
06 , 6
5 , 14 10
06 , 6
5 , 14 x
06 , 6
5 , 14 5
P ) 10 x 5 ( P
= = > > = < < =
= < < =

<
<
= < <
3023 , 0 2296 , 0 4681 , 0 1 ) 08 , 0 z ( P ) 74 , 0 z ( P 1 ) 74 , 0 z 08 , 0 ( P
) 08 , 0 z 74 , 0 ( P
06 , 6
5 , 14 15
06 , 6
5 , 14 x
06 , 6
5 , 14 10
P ) 15 x 10 ( P
= = > > = < < =
= < < =

<
<
= < <

2867 , 0 1814 , 0 4681 , 0 ) 91 , 0 z ( P ) 08 , 0 z ( P
) 91 , 0 z 08 , 0 ( P
06 , 6
5 , 14 20
06 , 6
5 , 14 x
06 , 6
5 , 14 15
P ) 20 x 15 ( P
= = > > =
= < < =

<
<
= < <
1396 , 0 0418 , 0 1814 , 0 ) 73 , 1 z ( P ) 91 , 0 z ( P
) 73 , 1 z 91 , 0 ( P
06 , 6
5 , 14 25
06 , 6
5 , 14 x
06 , 6
5 , 14 20
P ) 25 x 20 ( P
= = > > =
= < < =

<
<
= < <
0366 , 0 0052 , 0 0418 , 0 ) 56 , 2 z ( P ) 73 , 1 z ( P
) 56 , 2 z 73 , 1 ( P
06 , 6
5 , 14 30
06 , 6
5 , 14 x
06 , 6
5 , 14 25
P ) 30 x 25 ( P
= = > > =
= < < =

<
<
= < <
3) Se calculan las frecuencias esperadas, multiplicando las probabilidades por el
nmero total n . p e
i i
=
4) Se calcula el estadstico de contraste
2
, donde el nmero de grados de libertad es
3 1 2 6 1 ) estimar a parmetros n ( ) ervalos int n ( 1 p k = = = , con lo cual,
57 , 4
e
) e n (
6
1 i
i
2
i i
2
3
=
=

=
Por otra parte, el estadstico terico 815 , 7
2
3 ; 05 , 0
=
Como 815 , 7 57 , 4
2
3 ; 05 , 0
2
3
= < = , se acepta la hiptesis nula a un nivel de significacin
del 5%. En consecuencia, la variable aleatoria nmero de urgencias en el hospital A sigue
una distribucin ) 06 , 6 ; 5 , 14 ( N .
5. Las compaas de seguros de automviles suelen penalizar en sus primas a los
conductores ms jvenes, con el criterio que stos son ms propensos a tener un mayor
nmero de accidentes. En base a la tabla adjunta, con un nivel de significacin del 5%,
contrastar si el nmero de accidentes es independiente de la edad del conductor.
Nmero de accidentes al ao Edad del
conductor 0 1 2 3 4
25 o menos 10 10 20 40 70
26 - 35 20 10 15 20 30
ms de 36 60 50 30 10 5
Solucin.-
0
'El nmero de accidentes sufridos por los conductores no depende
de la edad del conductor'
Se acepta : H
0
2
) 1 m ( . ) 1 k ( ;
k
1 i
m
1 j
j i
2
j i 2
) 1 m ( . ) 1 k (
k
1 i
m
1 j
j i
2
j i j i 2
) 1 m ( . ) 1 k (
n
e
n
e
) e n (

= =

= =

< = =
=

2
) 1 m ( . ) 1 k ( ;
2
) 1 m ( . ) 1 k (
R

=
m , , 1 j ; k , , 1 i ij
) n (
L L = =
tiene una frecuencia terica o esperada en caso de independencia
n
n n
n p e
j
y
i
x
ij ij
= =
Nmero de accidentes por ao
Edad del
conductor
0 1 2 3 4
i
x
n
25 o
menos
10
75 , 33 e
11
=
10
25 , 26 e
12
=
20
37 , 24 e
13
=
40
25 , 26 e
14
=
70
37 , 39 e
15
=
150
) 150 (
26 - 35
20
37 , 21 e
21
=
10
62 , 16 e
22
=
15
44 , 15 e
23
=
20
62 , 16 e
24
=
30
94 , 24 e
25
=
95
) 95 (
ms de 36
60
87 , 34 e
31
=
50
12 , 27 e
32
=
30
19 , 25 e
33
=
10
12 , 27 e
34
=
5
69 , 40 e
35
=
155
) 155 (
j
y
n
90 70 65 70 105 400
donde,
75 , 33
90 . 150
e
400
11
= = 37 , 21
90 . 95
e
400
21
= = 87 , 34
90 . 155
e
400
31
= =
25 , 26
70 . 150
e
400
12
= = 62 , 16
70 . 95
e
400
22
= = 12 , 27
70 . 155
e
400
32
= =
37 , 24
65 . 150
e
400
13
= = 44 , 15
65 . 95
e
400
23
= = 19 , 25
65 . 155
e
400
33
= =
25 , 26
70 . 150
e
400
14
= = 62 , 16
70 . 95
e
400
24
= = 12 , 27
70 . 155
e
400
34
= =
37 , 39
105 . 150
e
400
15
= = 94 , 24
105 . 95
e
400
25
= = 69 , 40
105 . 155
e
400
35
= =
= =

= = = =

n
e
n
e
) e n (
3
1 i
5
1 j
j i
2
j i
3
1 i
5
1 j
j i
2
j i j i 2
8
2
) 1 5 ( . ) 1 3 (

51 , 143 400
69 , 40
5
12 , 27
10
19 , 25
30
12 , 27
50
87 , 34
60
94 , 24
30
62 , 16
20
44 , 15
15
62 , 16
10
37 , 21
20
37 , 39
70
25 , 26
40
37 , 24
20
25 , 26
10
75 , 33
10
2 2 2 2 2
2 2 2 2 2 2 2 2 2 2
=
+ + + + +
+
+ + + + +
+ + + + =
2
8 ; 05 , 0
2
) 1 5 ( . ) 1 3 ( ; 05 , 0
= =

Como
2
8 ; 05 , 0
2
8
507 , 15 51 , 143 = > = se rechaza la hiptesis nula de independencia
entre la edad del conductor y el nmero de accidentes; es decir, la edad influye
significativamente en el nmero de accidentes al ao.
Tablas Estadsticas
TABLAS ESTADSTICAS
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas
Tablas Estadsticas

Estadistica Teorica II PDF

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

Estadistica Teorica II PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Estadstica Terica II

< < <

< < <

< < < < = =

< < < < +

Muestreo aleatorio simple

es insesgado (o centrado) cuando se verifica = )

Advirtase que si el estimador

es insesgado (centrado) cuando = )

que puesto , ser puede no 117 , 0

x 367 , 0 x 367 , 0 ) x , 367 , 0 ( f

es insesgado (o centrado) cuando se verifica = )

es asintticamente insesgado si su posible sesgo tiende a cero al

dos estimadores insesgados de un parmetro desconocido .

consistente es un estimador asintticamente insesgado cuya varianza

- Para analizar la eficiencia relativa de los dos estimadores se calculan las

por ser el de menor varianza.

La funcin de verosimilitud ser:

= (calculado por el EMV). Sabemos

consistente es un estimador asintticamente insesgado cuya varianza

b) La funcin de verosimilitud L(p) = P(Resultados muestrales obtenidos)

es insesgado (o centrado) cuando se verifica = )

es suficiente cuando no da lugar a una prdida de informacin. Es

es tan buena como la que hiciera uso de toda

es suficiente para si y slo s:

hay que factorizar la funcin de

a) Hallar un estimador por el mtodo de los momentos de

Hallar el estimador de mxima verosimilitud de

es consistente para estimar es suficiente probar

es consistente para estimar

) chazo Re gin (Re H nula hiptesis la rechaza se k x Si

) chazo Re gin (Re H nula hiptesis la rechaza se k x Si

Los errores estn relacionados, al disminuir el uno aumenta el otro:

Q a partir de las tablas

.) C . R ( crtica regin H acepta se no k x

b) La regin crtica es de la forma 318 , 0 x , lo que significa que se rechazar la

Bajo la hiptesis ) 01597 , 0 ; 85 , 0 ( N

Se determina el valor crtico k a partir del nivel de significacin :

( P ) cierta H H chazar (Re P ) I ET ( P

Comparando el valor crtico 9339 , 0 k = con el valor del estadstico muestral p

(evidencia emprica), 934 , 0

> = , por lo que no existe evidencia emprica suficiente para rechazar la

bajo la hiptesis nula, se tiene:

, bajo la hiptesis nula:

Comparando k con el valor del estadstico muestral 34 , 5 x

, siendo la muestra 300 n = , la

Nos encontramos en un punto donde no se pueden utilizar las tablas de la t-Sudent

por tanto, { } 08 , 0 04 , 0 R > = NO se verifica la condicin de rechazo y aceptamos la

El valor crtico K se determina, bajo la hiptesis nula, por el nivel de significacin:

- Se determina ) 1 ( a partir de los valores crticos, considerando que una desviacin

= = , se observa que cae dentro de la regin de aceptacin (R.A.),

La regin crtica ser:

622 , 1 ) 14 476 , 0 ( . 977 , 2 2 x

El valor tabular del estadstico terico: 977 , 2 t t

se rechaza la hiptesis nula, concluyendo que la

P ) cierta H H chazar (Re P

En nuestro caso, con los datos muestrales:

y se distribuye segn una

La diferencia de las medias muestrales ) y x ( se distribuye segn una normal:

La regin crtica es: 48 , 29 x

o bien, la regin de rechazo de la hiptesis nula:

1) Se obtiene la media y la desviacin tpica:

Muestras superiores a 30, 30 n > a