Documente Academic
Documente Profesional
Documente Cultură
ej
en donde:
K = nmero de clasificaciones en el problema.
m = nmero de parmetros estimados a partir de los datos muestrales para
obtener los valores esperados.
Ensayo de Hiptesis
1
25
2
17
3
15
4
23
5
24
6
16
Solucin:
Ensayo de Hiptesis:
Ho; Las frecuencias observadas y esperadas son significativamente
iguales
(dado bien hecho)
H1; Las frecuencias observadas y esperadas son diferentes (dado
cargado).
Primero se procede a calcular los valores esperados. Como es bien sabido por
todos la probabilidad de que caiga cualquier nmero en un dado no cargado es
de 1/6. Como la suma de los valores observados es de 120, se multiplica este
valor por 1/6 dando un resultado de 20 para cada clasificacin.
Cara
Frecuencia Observada
Frecuencia esperada
1
25
20
2
17
20
3
15
20
4
23
20
5
24
20
6
16
20
Total
120
H1
Regin de
rechazo
Regla de decisin:
Regin de
aceptacin
2
Si X
11.1 no se rechaza H .
Si X 2R >11.1 se rechaza Ho .
Clculos:
X
K
j 1
e
ej
2
j
25
20
20
17
20
20
15
20
20
23
20
20
24
20
20
16
20
20
Justificacin y decisin:
Como 5 es menor a 11.1 no se rechaza Ho y se concluye con una significacin
de 0.05 que el dado est bien hecho.
2. En los experimentos de Mendel con guisantes, observ 315 lisos y amarillos,
108 lisos y verdes, 101 rugosos y amarillos y 32 rugosos y verdes. De
acuerdo con su teora, estos nmeros deberan presentarse en la proporcin
9:3:3:1. Hay alguna evidencia que permita dudar de su teora al nivel de
significacin del 0.01?
Solucin:
Ensayo de Hiptesis:
Ho; La teora de Mendel es acertada.
H1; La teora de Mendel no es correcta.
El nmero total de guisantes es 315+108+101+32=556. Puesto que los nmeros
esperados estn el la proporcin 9:3:3:1 (9+3+3+1=16), se esperara:
9 556 312.75 lisos y amarillos
16
3 556 104.25 lisos y verdes
16
3 556 104.25 rugosos y amarillos
16
1
556
16
H1
Regin de
rechazo
Regin de
aceptacin
2
Regla de decisin:
2
Si X
11.3 no se rechaza H .
Si X 2R >11.3 se rechaza Ho .
Clculos:
K
X
oj
2
j 1
ej
ej
315 312.75
312.75
108 104.25
104.25
101 104.25
104.25
32
34.75
34.75
0.470
Justificacin y decisin:
Como 0.470 es menor que 11.3 no se rechaza Ho y se concluye con un nivel de
significacin de 0.01 que la teora de Mendel es correcta.
Como el valor de 0.470 est cercano a cero, se procede a hacer un ensayo
unilateral izquierdo:
Ensayo de Hiptesis:
Ho; La teora de Mendel es acertada.
H1; La teora de Mendel es muy acertada.
Ho
H1
Regin de
rechazo
Regin de
aceptacin
a=0.01
2
Regla de decisin:
2
Si X R 0.115 no se rechaza Ho .
2
Si X R < 0.115 se rechaza Ho.
Como el valor de 0.470 no es menor a 0.115 se concluye que el experimento o
la teora de Mendel solo es buena.
3. Una encuesta sobre 320 familias con 5 nios dio la distribucin que aparece
en la siguiente tabla. Es el resultado consistente con la hiptesis de que el
nacimiento de varn y hembra son igualmente posibles? Use = 0.05.
Nmero de nios
Nmero de nias
Nmero de familias
5
0
18
4
1
56
3
2
110
2
3
88
1
4
40
0
5
8
Solucin:
Ensayo de hiptesis:
H0; El nacimiento de nios y nias es igualmente probable.
H1; El nacimiento de nios y nias no es igualmente probable.
Este experimento tiene un comportamiento binomial, puesto que se tienen dos
posibles resultados y la probabilidad de xito se mantiene constante en todo el
experimento.
Cx p x
(n x)
C 4(0.5) 4 (0.5) ( 5
C3
3
(5
( 0.5) (0.5)
3)
1
32
5
32
10
2
(5
Probabilidad de 2 nios y 3 nias = 5 C 2(0.5) (0.5)
2)
32
10
1
(5
C
5 1 (0.5) (0.5)
1)
(0.5) (0.5)
(5 0
32
5
32
1
32
5
0
18
10
4
1
56
50
3
2
110
100
2
3
88
100
1
4
40
50
H1
Regin de
rechazo
Regin de
aceptacin
X
Regla de decisin:
2
Si X R 11.1 no se rechaza Ho .
0
5
8
10
Total
320
Si X 2R >11.1 se rechaza Ho .
Clculos:
K
2
X2
oj
j 1
ej
ej
18 10
10
56
50
50
110 100
100
88
100
100
40
50
50
Justificacin y decisin:
Como el 12 es mayor a 11.1, se rechaza H0 y se concluye con un
nacimiento de hombres y mujeres no es igualmente probable.
8 10
10
12
= 0.05 que el
4. Una urna contiene 6 bolas rojas y 3 blancas. Se extraen al azar dos bolas de
la urna, se anota su color y se vuelven a la urna. Este proceso se repite un
total de 120 veces y los resultados obtenidos se muestran en la siguiente
tabla. Determinar al nivel de significacin del 0.05 si los resultados obtenidos
son consistentes con los esperados.
Bolas blancas
Nmero de extracciones
2
6
1
53
0
61
Solucin:
Este experimento tiene las caractersticas de una distribucin hipergeomtrica,
por lo cual se calcularn los valores esperados con el razonamiento de esta
distribucin.
Se llamara x a la variable aleatoria de inters que en este caso sern las bolas
rojas. Por lo tanto x puede tomar valores desde 0 hasta 2.
La frmula de la distribucin hipergeomtrica es:
a C x .( N a) C ( n x )
N
Cn
x
Se tiene:
a = 6 Rojas
N =9
n=2
n-x
N-a = 3 Blancas
P( x
( 6 C0 )( 3 C2 )
0)
3
36
C2
Probabilidad de extraer 1 roja y 1 blanca:
( C )( C ) 18
P( x 1) 6 1 3 1
C
36
9 2
Probabilidad de extraer 2 rojas y 0 blancas:
( C )( C ) 15
P( x 2) 6 2 3 0
C
36
9 2
Con las probabilidades anteriores se obtendrn los valores esperados
multiplicando por 120.
9
Bolas blancas
Nmero de extracciones
Frecuencias esperadas
2
6
10
1
53
60
0
61
50
H1
Regin de
rechazo
Regin de
aceptacin
X
Regla de decisin:
2
Si X R 5.991 no se rechaza Ho .
2
Si X R >5.991 se rechaza Ho .
Clculos:
K
X
oj
2
j 1
ej
ej
6 10
10
Justificacin y decisin:
53 2 60
60
61 2 50
50
4.832
Nmero de series
(frecuencia observada)
38
144
342
287
164
25
1000
Total
Ajustar una distribucin binomial a los datos con un
= 0.05.
Solucin:
H0; Los datos se ajustan a una distribucin binomial.
H1; Los datos no se ajustan a una distribucin binomial.
Para obtener los valores esperados se tiene que utilizar la formula de la
distribucin binomial:
Cx p x
x)
Por lo tanto p
m
5
2.47
5
5
C 0.494
0.506
(5 x )
Frecuencia
esperada
P(x caras)
0.0332
0.1619
0.3162
0.3087
0.1507
0.0294
Frecuencia
observada
33.2
161.9
316.2
308.7
150.7
29.4
38
144
342
287
164
25
Para los grados de libertad el valor de m ser uno, ya que se tuvo que estimar la
media de la poblacin para poder obtener el valor de p y as poder calcular los
valores esperados.
Grados de libertad: k-1-m = 6-1-1 = 4
Ho
H1
Regin de
rechazo
Regin de
aceptacin
X
Regla de decisin:
2
Si X R 9.49 no se rechaza Ho .
2
Si X R >9.49 se rechaza Ho .
Clculos:
X2
K
2
j 1
oj
ej 2
ej
38 33.2
33.2
287 308.7
308.7
164 150.7
150.7
25 29.4
7.54
29.4
Justificacin y decisin:
Como el 7.54 no es mayor a 9.49, no se rechaza H0 y se concluye con un
= 0.05 que el ajuste de los datos a una distribucin binomial es bueno.
2. Se propone que el nmero de defectos en las tarjetas de circuito impreso
sigue una distribucin Poisson. Se rene una muestra aleatoria de 60 tarjetas
Frecuencia
observada
32
15
9
4
Muestran estos datos suficiente evidencia para decir que provienen de una
distribucin Poisson?. Haga la prueba de la bondad del ajuste con un = 0.05.
Solucin:
H0; La forma de la distribucin de los defectos es Poisson.
H1; La forma de la distribucin de los defectos no es Poisson.
La media de la distribucin Poisson propuesta en este ejemplo es desconocida y
debe estimarse a partir de los datos contenidos en la muestra.
32 0 15 1 9 2
4
0.75
m l
3
60
A partir de la distribucin Poisson con parmetro 0.75, pueden calcularse las
probabilidades asociadas con el valor de x. Esto es la frmula de la Poisson es:
e l lx e 0.75 0.75x
x!
x!
Con esta frmula se calculan las probabilidades, mismas que se multiplican
por 60 para obtener los valores esperados.
P( x)
Nmero de
defectos
0
1
2
3 ms
Probabilidad
0.472
0.354
0.133
0.041
Frecuencia
esperada
28.32
21.24
7.98
2.46
Frecuencia
observada
32
15
9
4
Frecuencia
esperada
28.32
21.24
10.44
Frecuencia
observada
32
15
13
H1
Regin de
rechazo
Regin de
aceptacin
X
Regla de decisin:
2
Si X R 3.84 no se rechaza Ho .
Si X 2R >3.84 se rechaza Ho .
Clculos:
X
K
2
j 1
2
j
32
28.32
2
ej
28.32
15
21.24
21.24
13 10.44
10.44
2.94
Justificacin y decisin:
Como el 2.94 no es mayor a 3.84, no se rechaza H0 y se concluye con un
= 0.05 que la distribucin de defectos en las tarjetas de circuito impreso es
Poisson.
3. Pruebe la hiptesis de que la distribucin de frecuencia de las duraciones de
bateras dadas en la siguiente tabla, se puede aproximar mediante una
distribucin normal con media = 3.5 y desviacin estndar =0.7. Utilice un
= 0.05.
Lmites
clase
1.45
1.95
2.45
2.95
3.45
3.95
4.45
1.95
2.45
2.95
3.45
3.95
4.45
4.95
de
Frecuencias
observadas
2
1
4
15
10
5
3
Solucin:
Se procede a elaborar el histograma, para visualizar los datos:
Frecuencia
Histograma
16
14
1.45 1.95
1.95 2.45
10
8
6
2.45 2.95
2.95 3.45
3.45 3.95
2
0
3.95 4.45
4.45 4.95
1
Lmites de clase
Como se puede observar el histograma tiene una forma que aparenta ser
normal, se probar esta hiptesis.
H0; Los datos provienen de una distribucin normal.
H1; Los datos no provienen de una distribucin normal.
En este ejercicio en particular se cuenta con la media y desviacin estndar de
la poblacin, por lo que no se tiene que estimar. En caso de que no se tuviera,
se estimaran a partir de los datos agrupados con las frmulas que se vieron en
la Unidad III del curso de probabilidad y estadstica, tomando en cuenta que
para los grados de libertad el valor de m sera 2, ya que se estimara la media y
la desviacin estndar.
Se proceder a calcular los valores de z para encontrar las probabilidades en la
x m
, se sustituye el valor de x por los lmites de
tabla. Recordando que z
s
clase comenzando con el lmite de 1.95
Lmite real
1.95
2.45
2.95
3.45
3.95
4.45
x 3.5
0.7
-2.21
-1.50
-0.79
-0.07
0.64
1.36
P(x)
P(x
P(x
P(x
P(x
P(x
P(x
1.95)
2.45)
2.95)
3.45)
3.95)
4.45)
=
=
=
=
=
=
0.01355
0.06680
0.21476
0.47210
0.26109
0.08691
0.0279
0.05325
0.01355
0.25734
0.17417
0.14795
0.08691
1.95
2.45
2.95
3.45
3.95
4.45
Z -2.21
-1.50
-0.79
-0.07
0.64
1.36
m = 3.5
P(1.95
P(2.45
P(2.95
P(3.45
P(3.50
P(3.95
x
x
x
x
x
x
1.95
2.45
2.95
3.45
3.95
4.45
4.95
de
Frecuencias
observadas
7
Probabilidad
2
1
4
15
10
5
3
Frecuencia
esperada
0.01355
0.05325
0.14795
0.25734
0.26681
0.17417
0.08691
0.54212
2.13016
5.91812
10.29360
10.67240
6.96680
3.47660
H1
Regin de
rechazo
Regin de
aceptacin
X
8.5905
10.4434
Regla de decisin:
2
Si X R 7.815 no se rechaza Ho .
Si X 2R >7.815 se rechaza Ho .
Clculos:
X
K
j 1
oj
ej
ej
7 8.5904
8.5904
15 10.2936
10.2936
10 10.6724
10.6724
8 10.4434
10.4434
3.06
Justificacin y decisin:
Como el 3.06 no es mayor de 7.815, no se rechaza H0 y se concluye con
un
= 0.05 que el ajuste de los datos a una distribucin normal es bueno.
TABLAS DE CONTINGENCIA
En muchas ocasiones, los n elementos de una muestra tomada de una
poblacin pueden clasificarse con dos criterios diferentes. Por tanto, es
interesante saber si los dos mtodos de clasificacin son estadsticamente
independientes. Supngase que el primer mtodo de clasificacin tiene r
niveles, y que el segundo tiene c niveles. O sea O ij la frecuencia observada para
el nivel i del primer mtodo de clasificacin y el nivel j del segndo mtodo de
clasificacin. En general, los datos aparecern como se muestra en la siguiente
tabla. Una tabla de este tipo usualmente se conoce como tabla de contingencia
r x c.
Columnas
Renglones
1
2
.
.
.
r
1
O11
O21
.
.
.
Or1
2
O12
O22
.
.
.
Or2
...
...
...
.
.
.
...
c
O1c
O2c
.
.
.
Orc
O ij
i 1 j 1
E ij
Eij
Mucha
Regular
Poca
40
78
57
asistente
60
87
63
52
82
66
Solucin:
Ho; La satisfaccin en el trabajo y el rango son
independientes. H1; La satisfaccin en el trabajo y el rango
son dependientes.
Grados de libertad: (r-1)(c-1) = (3-1)(4-1)=(2)(3) = 6
Ho
H1
Regin de
rechazo
Regin de
aceptacin
63
88
64
Regla de decisin:
2
Si X R 12.592 no se rechaza Ho .
2
Si X R > 12.592 se rechaza Ho .
Se proceder a calcular los valores esperados de cada celda. Como los grados
de libertad son 6, esto quiere decir que necesitamos calcular nicamente 6
frecuencias esperadas, y las faltantes se encuentran por diferencia.
Se calcularn los valores esperados E 11, E12, E13, E21, E 22 y
E 23.
Como se necesitan los totales de rengln y columna se mostrarn en la
tabla:
Rango
Satisfaccin
en el trabajo
Eij
nu i
v j
1
n
Mucha
Regular
Poca
Total
O r
c
ij
i 1
j 1
11
Oij
E13
335 210
800
E22
40
78
57
175
E
56.44
215 210
800
E12
Profe
sor
Instructor
87.94
Profesor
asociado
Profesor
Total
63
88
64
215
215
335
250
800
asistente
60
52
87
82
63
66
210 47.03 200
215 175
800
53.75
E21
335 200
800
83.75
215 200
800
E23
335 175
800
73.28
Rango
Profe
sor
Instructor
Satisfaccin
asistente
60
(56.44)
87
(87.94)
63
(65.62)
210
40
(47.03)
78
(73.28)
57
(54.69)
175
Mucha
Regular
Poca
Total
Profesor
asociado
Profesor
52
(53.75)
82
(83.75)
66
(62.50)
200
63
(57.78)
88
(90.03)
64
(67.19)
215
Total
215
335
250
800
Los valores entre parntesis son los esperados, los que no se calcularon por
frmula se obtuvieron por diferencia con respecto a los totales.
X2
i 1 j 1
O ij
E ij
Eij
40
47.03
60 56 .44
47 .03
56 .44
52
53.75
53.75
...
64
67.19
67.19
2.75
Decisin y justificacin:
Como el valor de 2.75 es menor que el de tabla 12.592, por lo tanto no se
rechaza Ho y se concluye con un =0.05 que la satisfaccin en el trabajo y el
rango son independientes.
2. En un estudio de un taller, se rene un conjunto de datos para determinar si
la proporcin de defectuosos producida por los trabajadores es la misma
para el turno matutino, vespertino o nocturno. Se reunieron los siguientes
datos:
Matutino
Defectuoso
s
No defectuosos
Turno
Vespertino
Nocturno
45
55
70
905
890
870
H1
Regin de
rechazo
Regin de
aceptacin
2
Regla de decisin:
2
Si X R 7.378 no se rechaza Ho .
2
Si X R > 7.378 se rechaza Ho.
Se proceder a calcular los valores esperados de cada celda. Como los grados
de libertad son 2, esto quiere decir que necesitamos calcular nicamente 2
frecuencias esperadas, y las faltantes se encuentran por diferencia.
Se calcularn los valores esperados E 11, y E22.
Como se necesitan los totales de rengln y columna se mostrarn en la
tabla:
Matutino
Defectuoso
s
No defectuosos
Vespertino
Nocturno
45
55
70
905
890
870
Total
170
2665
Total
Eij
nu i
v j
950
1
n
Oij
r
i 1
j 1
Oij
E11
170 950
2835
Matutino
Defectuoso
s
No defectuosos
Total
i 1 j 1
O ij
E
2
ij
Eij
45 57. 0
57.0
945
57
940
E22
Vespertino
55
(56.7)
Nocturno
70
(56.3)
905
(893.0)
950
890
(888.3)
945
870
(883.7)
940
70 56. 3
56.3
...
888.33
2665 945
2835
45
(57.0)
55 56. 7
56.7
2835
870 883. 7
883 .7
Total
170
2665
2835
2
6 .29
Decisin:
Si se busca este valor dentro de la tabla de ji-cuadrada con 2 grados de libertad
nos dar un valor de P aproximado a 0.04. Si se observa el valor de la jicuadrada calculada de 6.29 con el valor de tabla de 7.378, se llega a la decisin
de no rechazar Ho. Sin embargo sera riesgoso concluir que la proporcin de
defectuosos producidos es la misma para todos los turnos por tener un valor de
P de 0.04.
Tablas de Contingencia para probar Homogeneidad
El uso de la tabla de contingencia de dos clasificaciones para probar
independencia entre dos variables de clasificacin en una muestra tomada de
una poblacin de inters, es slo una de las aplicaciones de los mtodos de
tablas de contingencia. Otra situacin comn se presenta cuando existen r
poblaciones de inters y cada una de ellas est dividida en las mismas c
categoras. Luego se toma una muestra de la i-sima poblacin, y los conteos se
introducen en las columnas apropiadas del i-simo rengln. En esta situacin se
desea investigar si las proporciones son o no las mimas en las c categoras de
todas las poblaciones. La hiptesis nula de este problema establece que las
poblaciones son homogneas con respecto a las categoras (como el ejemplo
pasado de los diferentes turnos), entonces la prueba de homogeneidad es en
realidad una prueba sobre la igualdad de r parmetros binomiales. El clculo de
las frecuencias esperadas, la determinacin de los grados de libertad y el clculo
de la estadstica ji-cuadrada para la pruebe de homogeneidad son idnticos a los
de la prueba de independencia.
ESTADISTICA NO PARAMETRICA
La mayor parte de los procedimientos de prueba de hiptesis que se presentan
en las unidades anteriores se basan en la suposicin de que las muestras
aleatorias se seleccionan de poblaciones normales. Afortunadamente, la mayor
parte de estas pruebas an son confiables cuando experimentamos ligeras
desviaciones de la normalidad, en particular cuando el tamao de la muestra es
grande. Tradicionalmente, estos procedimientos de prueba se denominan
mtodos paramtricos. En esta seccin se consideran varios procedimientos
de prueba alternativos, llamados no paramtricos mtodos de distribucin
libre, que a menudo no suponen conocimiento de ninguna clase acerca de las
distribuciones de las poblaciones fundamentales, excepto que stas son
continuas.
Los procedimientos no paramtricos o de distribucin libre se usan con mayor
frecuencia por los analistas de datos. Existen muchas aplicaciones en la ciencia
y la ingeniera donde los datos se reportan no como valores de un continuo sino
mas bien en una escala ordinal tal que es bastante natural asignar rangos a los
datos.
Un ejemplo donde se aplica una prueba no paramtrica es el siguiente, dos
jueces deben clasificar cinco marcas de cerveza de mucha demanda mediante
la asignacin de un grado de 1 a la marca que se considera que tiene la mejor
calidad global, un grado 2 a la segunda mejor, etctera. Se puede utilizar
entonces una prueba no paramtrica para determinar donde existe algn
acuerdo entre los dos jueces.
Se debe sealar que hay varias desventajas asociadas con las pruebas no
paramtricas. En primer lugar, no utilizan la informacin que proporciona la
muestra, y por ello una prueba no paramtrica ser menos eficiente que el
procedimiento paramtrico correspondiente, cuando se pueden aplicar ambos
mtodos. En consecuencia, para lograr la misma potencia, una prueba no
paramtrica requerir la correspondiente prueba no paramtrica.
Como se indic antes, ligeras divergencias de la normalidad tienen como
resultado desviaciones menores del ideal para las pruebas paramtricas
estndar. Esto es cierto en particular para la prueba t y la prueba F . En el
caso de la prueba t y la prueba F, el valor P citado puede ser ligeramente
errneo si existe una violacin moderada de la suposicin de normalidad.
En resumen, si se puede aplicar una prueba paramtrica y una no paramtrica al
mismo conjunto de datos, debemos aplicar la tcnica paramtrica ms eficiente.
Sin embargo, se debe reconocer que las suposiciones de normalidad a menudo
no se pueden justificar, y que no siempre se tienen mediciones cuantitativas.
H1 ; m~m
~
o
H 0 ; m~m
~
o
H1 ; m~m
~
o
, entonces se rechaza
Ejemplos:
1. Un artculo informa cerca de un estudio en el que se modela el motor de un
cohete reuniendo el combustible y la mezcla de encendido dentro de un
contenedor metlico. Una caracterstica importante es la resistencia al
esfuerzo cortante de la unin entre los dos tipos de sustancias. En la
siguiente tabla se muestran los resultados obtenidos al probar 20 motores
seleccionados al azar. Se desea probar la hiptesis de que la mediana de la
resistencia al esfuerzo cortante es 2000 psi, utilizando = 0.05.
Solucin:
Se mostrar la tabla del ejercicio y es funcin del investigador poner los signos
con respecto a la mediana.
H 0;
2000 psi
m
2000 psi
H1 ;
m
Observacin
1
2
3
4
5
6
7
8
9
10
Resistencia
al esfuerzo
cortante
xi
2158.70
1678.15
2316.00
2061.30
2207.50
1708.30
1784.70
2575.10
2357.90
2256.70
Signo de la
diferencia
x i -2000
+
+
+
+
+
+
+
Observacin
11
12
13
14
15
16
17
18
19
20
Resistencia
al esfuerzo
cortante
xi
2165.20
2399.55
1779.80
2336.75
1765.30
2053.50
2414.40
2200.50
2654.20
1753.70
Signo de la
diferencia
x i -2000
+
+
+
+
+
+
+
-
=0.05
Clculos:
Puesto que r+=14 es mayor que n/2=20/2=10, el valor de P se calcula de
+
P=2P(R 14 cuando p = )
La P se calcula con la frmula de la distribucin binomial:
20
20
Cr 0.5 0.5
20 r
0.1153
r 14
Conclusin:
Como P=0.1153 no es menor que =0.05, no es posible rechazar la hiptesis
nula de que la mediana de la resistencia al esfuerzo constante es 2000
psi.
Otra manera de resolver el problema es con Aproximacin normal:
Cuando p=0.5, la distribucin binomial esta bien aproximada por la distribucin
normal cuando n es al menos 10. Por tanto, dado que la media de la distribucin
binomial es np y la varianza es npq, la distribucin de R+ es aproximadamente
normal con media 0.5n y varianza 0.25n, cada vez que n es moderadamente
grande. Por consiguiente las hiptesis pueden probarse con el estadstico:
r
0.5n
Z
0.5 n
Las reglas de decisin se establecern como cualquier ensayo en una
distribucin muestral en donde se utiliza la distribucin normal.
Para resolver el problema anterior:
H 0;
2000 psi
m
2000 psi
H1 ;
m
Como la es mayor que 10 se utilizar la aproximacin normal.
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.025
/2 = 0.025
Regin de aceptacin
ZL = -1.96
Regla de Decisin:
Si 1.96 ZR 1.96 No se rechaza Ho
Si ZR < -1.96 si Z R > 1.96 Se rechaza Ho
Clculos:
= 2000
ZL = 1.96
Z
0.5n
r
0.5 n
14
0.5 20
1.789
0.5 20
Decisin y Conclusin:
Como 1.789 esta entre 1.96 y 1.96, no se rechaza H0 y se concluye con un
=0.05 que la mediana es de 2000 psi.
Prueba del Signo para Muestras Pareadas
Tambin se puede utilizar la prueba de signo para probar la hiptesis nula
~ m
~
m
d 0 para observaciones pareadas. Aqu se reemplaza cada diferencia,
1
2
di, con un signo ms o menos dependiendo si la diferencia ajustada, di -d0, es
positiva o negativa. A lo largo de esta seccin suponemos que las poblaciones
son simtricas. Sin embargo, aun si las poblaciones son asimtricas se puede
llevar a cabo el mismo procedimiento de prueba, pero las hiptesis se refieren a
las medianas poblacionales en lugar de las medias.
Ejemplo:
1. Una compaa de taxis trata de decidir si el uso de llantas radiales en
lugar
de llantas regulares con cinturn mejora la economa de combustible. Se
equipan 16 automviles con llantas radiales y se manejan por un recorrido de
prueba establecido. Sin cambiar de conductores, se equipan los mismos
autos con llantas regulares con cinturn y se manejan una vez ms por el
recorrido de prueba. Se registra el consumo de gasolina, en kilmetros por
litro, de la siguiente manera:
Automvil
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Llantas radiales
4.2
4.7
6.6
7.0
6.7
4.5
5.7
6.0
7.4
4.9
6.1
5.2
5.7
6.9
6.8
4.9
H ;
1
m~
m~ C
0
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
ZL = 1.645
Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
Se procede ha realizar las diferencias entre de los kilmetros por litro entre
llantas radiales y con cinturn:
Automvil
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Llantas radiales
4.2
4.7
6.6
7.0
6.7
4.5
5.7
6.0
7.4
4.9
6.1
5.2
5.7
6.9
6.8
4.9
d
+
+
+
+
0
+
+
0
+
+
+
+
+
Al observar las diferencias se ve que slo existe una n=14, ya que se descartan
los valores de cero. Se tiene r+ = 11
r
0.5n 11 0.5 14 2.14
Z
0.5 n
0.5 14
Decisin y conclusin:
Como 2.14 es mayor a 1.645 se rechaza H0 y se concluye con un = 0.05 que
las llantas radiales mejoran la economa de
combustible.
PRUEBA DE RANGO CON SIGNO DE WILCOXON
Se puede notar que la prueba de signo utiliza slo los signos ms y menos de
las diferencias entre las observaciones y 0 en el caso de una muestra, o los
signos ms y menos de las diferencias entro los pares de observaciones en el
caso de la muestra pareada, pero no toma en consideracin la magnitud de
estas diferencias. Una prueba que utiliza direccin y magnitud, propuesta en
1945 por Frank Wilcoxon, se llama ahora comnmente prueba de rango con
signo de Wilcoxon. Esta prueba se aplica en el caso de una distribucin
continua simtrica. Bajo esta condicin se puede probar la hiptesis nula
0.
Primero se resta
de cada valor muestral y se descarta todas las diferencias
iguales a cero. Se asigna un rango de 1 a la diferencia absoluta ms pequea,
un rango de 2 a la siguiente ms pequea, y as sucesivamente. Cuando el valor
absoluto de dos o ms diferencias es el mismo, se asigna a cada uno el
promedio de los rangos que se asignaran si las diferencias se distinguieran. Por
ejemplo, si la quinta y sexta diferencia son iguales en valor absoluto, a cada una
se le asignara un rango de 5.5. Si la hiptesis
0 es verdadera, el total de los
rangos que corresponden a las diferencias positivas debe ser casi igual al total
de los rangos que corresponden a las diferencias negativas. Se representan
esos totales como w+ y w- , respectivamente. Se designa el menor de w+ y wcon w.
Al seleccionar muestras repetidas esperaramos que variaran w+ y w-, y por
tanto w. De esta manera se puede considerar a w+ y w-, y w como valores de
las correspondiente variables aleatorias W+, W-, y W. La hiptesis nula
0
se puede rechazar a favor de la alternativa
0 slo si w+ es pequea y wes grande. Del mismo modo, la alternativa
0 se puede aceptar slo si w+
es grande y w- es pequea. Para una alternativa bilateral se puede rechazar
H0 a
favor de H1 si w+ o w- y por tanto w son suficientemente pequeas. No
importa
cul hiptesis alternativa puede ser, rechazar la hiptesis nula cuando el valor
de la estadstica apropiada W+ , W-, o W es suficientemente
pequeo.
Dos Muestras con Observaciones Pareadas
Para probar la hiptesis nula de que se muestrean dos poblaciones simtricas
continuas con
para el caso de una muestra pareada, se clasifican las
diferencias de las observaciones paradas sin importar el signo y se procede
como en el caso de una muestra. Los diversos procedimientos de prueba para
los casos de una sola muestra y de una muestra pareada se resumen en la
siguiente tabla:
Para probar H0
Contra H1
Calcular
w+
ww
w+
ww
di = dato - 1.8
-0.3
0.4
-0.9
-0.5
0.2
-0.2
0
-0.3
0.2
-0.6
-0.1
Rangos
5.5
7
10
8
3
3
Se anula
5.5
3
9
1
Regla de decisin:
Para una n = 10, despus de descartar la medicin que es igual a 1.8, la tabla
A.16 muestra que la regin crtica es w 8.
Clculos:
w+ = 7 + 3 + 3 = 13
w- = 5.5 + 10 + 8 + 3 + 5.5 + 9 + 1 = 42
por lo que w = 13 (menor entre w+ y
w-).
Decisin y Conclusin:
Como 13 no es menor que 8, no se rechaza H0 y se concluye con un = 0.05
que el tiempo promedio de operacin no es significativamente diferente de 1.8
horas.
Par
1
2
3
4
5
6
7
8
9
10
Con
problemas
de
muestra
531
621
663
579
451
660
591
719
543
575
Sin
problemas
de
muestra
509
540
688
502
424
683
568
748
530
524
11.
Par
1
2
3
4
5
6
7
8
9
10
Con
problemas
de
muestra
531
621
663
579
451
660
591
719
543
575
Sin
problemas
de
muestra
509
540
688
502
424
683
568
748
530
524
di
d i d0
22
81
-25
77
27
-23
23
-29
13
51
Rangos
-28
31
-75
27
-23
-73
-27
-79
-37
1
5
6
9
3.5
2
8
3.5
10
7
1
w+ = 6 + 3.5 + 1 = 10.5
Decisin y Conclusin:
Como 10.5 es menor que 11 se rechaza H0 y se concluye con un = 0.05 que
los problemas de muestra, en promedio, no aumentan las calificaciones de
registro de graduados en 50 puntos.
Aproximacin Normal para Muestras Grandes
Cuando n
1
28
2
36
3
36
4
30
= 0.01.
5
27
6
23
0
1
1
31
2
55
3
25
1
136
2
60
3
34
4
12
5
9
6
1
7
3
8
1
Frecuencia
3
2
3
4
5
11
14
14
4
No
fumadores
21
48
Fumadores
moderados
36
26
Fumadores
empedernidos
30
19
Educacin
Elemental
Secundaria
Universidad
0-1
14
19
12
Nmero de hijos
2-3
37
42
17
Ms de 3
32
17
10
Instrumento A
0.96
0.82
0.75
0.61
0.89
0.64
0.81
0.68
0.65
0.84
0.59
0.94
0.91
0.77
Instrumento B
0.87
0.74
0.63
0.55
0.76
0.70
0.69
0.57
0.53
0.88
0.51
0.79
0.84
0.63
Farmacia A
19
21
15
17
24
12
19
14
20
18
23
21
17
12
16
15
20
18
14
22
Farmacia B
17
15
12
12
16
15
11
13
14
21
19
15
11
10
20
12
13
17
16
18
Peso antes
58.5
60.3
61.7
69.0
64.0
62.6
56.7
63.6
68.2
59.4
Peso despus
60.0
54.9
58.1
62.1
58.5
59.9
54.4
60.2
62.3
58.7
2.5
2.0
1.7
1.8
1.6
1.3
1.9
1.7
2.6
2.0
1.3
1.9
1.9
2.3
2.0
1.9
2.5
2.4
2.6
1.6
Puede afirmarse que la mediana del nivel de impureza es menor que 2.5
ppm? Establezca y pruebe la hiptesis apropiada utilizando la prueba de
signo con = 0.05. Cul es el valor P de esta prueba?
Respuestas a los Ejercicios de la Unidad IV
1. Regin crtica X2 > 15.086, X2 = 4.47 por lo tanto no rechazar H0, el
dado est balanceado.
2. Regin crtica X2 > 7.815,
X2 = 10.14, rechazar H0 . Las nueces no estn
mezcladas en la proporcin 5:2:2:1.
3. Regin crtica X 2 > 5.991,
X 2 = 1.67, no rechazar H0. Los datos se
ajustan a una distribucin hipergeomtrica.
4. Regin crtica X 2 > 11.07,
X 2 = 2.57, no rechazar H0. Los datos se ajustan
a una distribucin geomtrica.
5. Regin crtica X2 > 12.592,
X2 = 12.78, rechazar H0 . Los datos no
se ajustan a una distribucin normal.
6. Regin crtica X2 > 5.991,
X2 = 14.6, rechazar H0. La presencia o
ausencia de hipertensin y hbitos de fumar no son independientes.
7. Regin crtica X2 > 9.488,
X2 = 7.54, no rechazar H0. El tamao de
la familia es independiente del nivel se educacin del padre.
8. Regin crtica 1.96 z 1.96, z= 2.67, rechazar H0 .
9. Regin crtica w- 11 para una n=10, w- = 12.5, no rechazar H0.
10. Regin crtica w+ 1 para n = 5, w+ = 3.5, no rechazar H0.
11. Regin crtica z>2.575.
z= 2.80, rechazar H0, la farmacia A surte ms
recetas que la farmacia B.
12. Regin crtica w+ 11 para una n = 10. w+ = 17.5, no rechazar H0.
13. 2P(R+ 8 / p = 0.5) = 0.109 , como no es menor a 0.05, no se rechaza H0.
14. H0;
2.5 H1;
2.5 P(R+ 2/ p = 0.5) = 0.0002, se rechaza H0.
m~
m~
Bibliografa
Devore, J.L. (2000). Probabilidad y Estadstica para Ingeniera y Ciencias,
Quinta Edicin, Thomson Learning.
Mendenhall, W. (1998). Estadstica para Administradores, Segunda Edicin,
Grupo Editorial Iberoamrica.
Montgomery, D.C. y Runger G.C. (1996). Probabilidad y Estadstica Aplicadas a
la Ingeniera , Primera Edicin, Mc Graw Hill.
Sheaffer, R. L. y McClave, J.T. (1990). Probabilidad y Estadstica para
Ingeniera , Primera Edicin, Grupo Editorial Iberoamrica.
Spiegel, M.R. (1970). Estadstica, Primera Edicin, Serie Schaum, Mc Graw Hill.
Walpole, R. E., Myers, R.H., y Myers, S.L. (1998). Probabilidad y Estadstica
para Ingenieros, Sexta Edicin, Prentice Hall.
Weimer, R.C. (1996). Estadstica, Segunda Edicin, CECSA.