Teoria de Decisión Estadística

UNIVERSIDAD POLICIAL MARISCAL ANTONIO JOS DE SUCRE
ACADEMIA NACIONAL DE POLICAS

ESTADSTICA II
TEORA DE DECISIN ESTADSTICA
Decisiones estadsticas
Muy a menudo, en la prctica, se tienen que tomar decisiones sobre poblaciones, partiendo de la
informacin muestral de las mismas. Tales decisiones se llaman decisiones estadsticas. Por ejemplo,
se puede querer decidir a partir de los datos del muestreo, si un suero nuevo es realmente efectivo
para la cura de una enfermedad, si un sistema educacional es mejor que otro, si una moneda
determinada est o no cargada. etc.
Hiptesis estadsticas. Hiptesis nula
Para llegar a tomar decisiones, conviene hacer determinados supuestos o conjeturas acerca de las
poblaciones que se estudian. Tales supuestos que pueden ser o no ciertos se llaman hiptesis
estadsticas y, en general, lo son sobre las distribuciones de probabilidad de las poblaciones.
En muchos casos se formulan las hiptesis estadsticas con el solo propsito de rechazarlas o
invalidarlas. Por ejemplo, si se quiere decidir si una moneda est cargada, se formula la hiptesis de
que la moneda est bien, s decir, p = 0.5; donde p es la probabilidad de cara. Anlogamente, si se
quiere decidir sobre si un procedimiento es mejor que otro, se formula la hiptesis de que no hay
diferencia entre los procedimientos (es decir, cualquier diferencia observada se debe meramente a
fluctuaciones en el muestreo de la misma poblacin). Tales hiptesis se llaman tambin hiptesis
nulas y se denotan por Ho.
Cualquier hiptesis que difiera de una hiptesis dada se llama hiptesis alternativa. Por ejemplo, si
una hiptesis es p = 0.5, hiptesis alternativas son p = 0.7; p 0,5 o p > 0,5. Una hiptesis alternativa
de la hiptesis nula se denota por H 1.
Ensayos de hiptesis y significacin
Si en el supuesto de que una hiptesis determinada es cierta, se encuentra que los resultados
observados en una muestra al azar difieren marcadamente de aquellos que caba esperar con la
hiptesis y con la variacin propia del muestreo, se dira que las diferencias observadas son
significativas y se estara en condiciones de rechazar la hiptesis (o al menos no aceptarla de acuerdo
con la evidencia obtenida). Por ejemplo, si en 20 lanzamientos de una moneda se obtienen 16 caras,
se estara inclinado a rechazar la hiptesis de que la moneda est bien, aunque sera posible que fuese
un rechazamiento errneo.
Los procedimientos que facilitan el decidir si una hiptesis se acepta o se rechaza o el determinar si
las muestras observadas difieren significativamente de los resultados esperados se llaman ensayos de
hiptesis, ensayos de significacin o reglas de decisin.
1
ESTADSTICA II
ERRORES DE TIPO I Y TIPO II
Si se rechaza una hiptesis cuando debera ser aceptada, se dice que se comete un error del Tipo I.
Si, por el contrario, se acepta una hiptesis que debera ser rechazada, se dice que se comete un error
del Tipo II. En cualquiera de los dos casos se comete un error al tomar una decisin equivocada.
Para que cualquier ensayo de hiptesis o reglas de decisin sea bueno, debe disearse de forma que
minimice los errores de decisin. Esto no es tan sencillo como pueda parecer puesto que para un
tamao de muestra dado, un intento de disminuir un tipo de error, va generalmente acompaado por
un incremento en el otro tipo de error. En la prctica, un tipo de error puede tener ms importancia
que el otro, y as se tiende a conseguir poner una limitacin al error de mayor importancia. La nica
forma de reducir al tiempo ambos tipos de error es incrementar el tamao de la muestra, lo cual puede
ser o no ser posible.
NIVEL DE SIGNIFICACION
La probabilidad mxima con la que en el ensayo de una hiptesis se puede cometer un error del Tipo
I se llama nivel de significacin del ensayo. Esta probabilidad se denota frecuentemente por ;
generalmente se fija antes de la extraccin de las muestras, de modo que los resultados obtenidos no
influyen en la eleccin.
En la prctica se acostumbra a utilizar niveles de significacin del 0.05 0.01, aunque igualmente
pueden emplearse otros valores. Si, por ejemplo, se elige un nivel de significacin del 0.05 5 % al
disear un ensayo de hiptesis, entonces hay aproximadamente 5 ocasiones en 100 en que se
rechazara la hiptesis cuando debera ser aceptada, es decir, se est con un 95 % de confianza de que
se toma la decisin adecuada. En tal caso se dice que la hiptesis ha sido rechazada al nivel de
significacin del 0.05, lo que significa que se puede cometer error con una probabilidad de 0.05.
Ensayos referentes a la distribucin normal
Para aclarar las ideas anteriores, supngase que con una hiptesis dada, la distribucin muestral de
un estadstico S es una distribucin normal con media s Y desviacin tpica uso Entonces la
distribucin de la variable tipificada (representada por z) dada por z = (S s) /s, es una normal
tipificada (media 0, varianza 1) y se muestra en la figura.
2
ESTADSTICA II
Como se indica en la figura, se puede estar con el 95 % de confianza de que, si la hiptesis es cierta,
el valor de z obtenido de una muestra real para el estadstico S se encontrar entre -1.96 y 1.96 (puesto
que el rea bajo la curva normal entre estos valores es 0.95).
Sin embargo, si al elegir una muestra al azar se encuentra que z para ese estadstico se halla fuera del
rango -1.96 a 1.96, lo que quiere decir que es un suceso con probabilidad de solamente 0.05 (rea
sombreada de la figura) si la hiptesis fuese verdadera. Entonces puede decirse que esta z difiere
significativamente de la que caba esperar bajo esta hiptesis y se estara inclinado a rechazar la
hiptesis.
El rea total sombreada 0.05 es el nivel de significacin del ensayo. Representa la probabilidad de
cometer error al rechazar la hiptesis es decir, la probabilidad de cometer error del Tipo I. As, pues,
se dice que la hiptesis se rechaza al nivel de significacin del 0.05 o que la z obtenida del estadstico
muestral dado es significativa al nivel de significacin del 0.05.
El conjunto de las z que se encuentran fuera del rango -1.96 a 1.96 constituyen lo que se llama regin
crtica o regin de rechace de la hiptesis o regin de significacin. El conjunto de las z que se
encuentran dentro del rango -1,96 a 1,96 poda entonces llamarse regin de aceptacin de la hiptesis
o regin de no significacin.
De acuerdo con lo dicho hasta ahora; se puede formular la siguiente regla de decisin o ensayo de
hiptesis o significacin.
a) Se rechaza la hiptesis al nivel de significacin del 0.05 si la z obtenida para el estadstico S

se encuentra fuera del rango -1.96 a 1.96 (es decir, z > 1,96 o z < -1,96). Esto equivale a decir
que el estadstico muestral observado es significativo al nivel del 0,05.
b) Se acepta la hiptesis (o si se desea no se toma decisin alguna) en caso contrario.
A causa de su importante papel en los ensayos de hiptesis y significacin, z recibe tambin el nombre
de ensayo estadstico.
Debe ponerse de manifiesto que pueden igualmente emplearse otros niveles de significacin. Por
ejemplo, si se utilizase el nivel del 0.01 se sustituira 1.96 en todo lo visto anteriormente por 2.58
(vase Tabla).
Ensayos de una y dos colas
En el ensayo anterior se atenda a los valores extremos del estadstico S o su correspondiente z a

ambos lados de la media, es decir, en las dos colas de la distribucin. Por esta razn, tales ensayos
se llaman ensayos de dos colas o ensayos bilaterales.
3
ESTADSTICA II
Sin embargo, con frecuencia, se puede estar solamente interesado en los valores extremos a un solo
lado de la media, es decir, en una cola de la distribucin, como, por ejemplo, cuando se estn
ensayando la hiptesis de que un proceso es mejor que otro (que es diferente a ensayar si un proceso
es mejor o peor que otro). Tales ensayos se llaman ensayos de una cola o ensayos unilaterales. En
tales casos, la regin crtica es una regin a un lado de la distribucin, con rea igual al nivel de
significacin.
La Tabla anterior, que da los valores crticos de z para ensayos de una y dos colas a distintos niveles
de significacin, ser de utilidad para propsitos de referencia. Valores crticos de z para otros niveles
de significacin, se pueden encontrar utilizando la tabla que da las reas bajo la curva normal.
Ensayos especiales
Para muestras grandes, las distribuciones muestrales de muchos estadsticos son distribuciones
normales (o al menos casi normales) con media s y desviacin tpica s. En tales casos, se pueden
utilizar los resultados anteriores para formular reglas de decisin o ensayos de hiptesis y
significacin. Los siguientes casos especiales, son solamente unos pocos de los estadsticos de inters
prctico. En cada caso, los resultados son para poblaciones infinitas o para muestreo con reemplazo.
Para muestreo sin reemplazo de poblaciones finitas los resultados debern modificarse.
l. Medias. Aqu S = x, la media muestral; s = x = , media poblacional; s = x = /N, donde es

la desviacin tpica poblacional y N es el tamao de la muestra. El valor de z viene dado por:

=

Donde se utiliza la desviacin muestral s o para estimar .
2. Proporciones. Aqu S = P, la proporcin de xitos en una muestra; s = p = p, donde p es la

proporcin de xitos en la poblacin y N es el tamao de la muestra; s = p = pq/N, donde q = 1 -
p. El valor de z viene dado por

=

En el caso de que P = X/N, donde X es el nmero real de xitos en una muestra, z se convierte en

=

Anlogamente pueden obtenerse los resultados para otros estadsticos.
Curvas caractersticas de operacin. Potencia de un ensayo
4
ESTADSTICA II
Se ha visto cmo el error del Tipo I puede limitarse eligiendo adecuadamente un nivel de
significacin. Es posible evitar el riesgo de error del Tipo II totalmente, simplemente no aceptando
nunca la hiptesis. Sin embargo, en muchos casos prcticos esto no puede hacerse. En tales casos, se
utilizan a menudo curvas caractersticas de la operacin o curvas OC, que son grficos que muestran
las probabilidades de errores del Tipo II bajo diferentes hiptesis. Estos suministran informacin de
cmo en ensayos dados se logra minimizar los errores del Tipo II, es decir, indican la potencia de un
ensayo para evitar el tomar decisiones equivocadas. Son tiles en diseo de experimentos por mostrar,
por ejemplo, qu tamaos de muestras deben emplearse.
GRAFICOS DE CONTROL
Es a menudo en la prctica importante conocer cundo un proceso ha cambiado suficientemente, de

modo que puedan darse los pasos necesarios para remediar la situacin. Tales problemas aparecen,
por ejemplo, en el control de calidad, donde uno debe, a veces rpidamente, decidir si los cambios
observados se deben simplemente a fluctuaciones aleatorias o a cambios reales en el proceso de
fabricacin a causa de deterioro en las mquinas, errores de los empleados, etc. Los grficos de
control suministran un mtodo til y sencillo para tratar tales problemas.
Ensayos de significacin en relacin con diferencias muestrales
1. Diferencias de medias
Sean X1 Y X2 las medias muestrales obtenidas en dos muestras grandes de tamao N1 Y N2 extradas
de poblaciones respectivas que tienen de media 1 y 2 Y desviaciones tpicas S1 Y S2. Considrese
la hiptesis nula de que no hay diferencia entre las medias poblacionales, es decir, 1 = 2 o que las
muestras son extradas de dos poblaciones que tienen la misma media.
Haciendo 1 = 2 se ve que la distribucin muestral de la diferencia de medias se distribuye

aproximadamente como una normal con media y desviacin tpica dadas por:
donde se puede, si es necesario, utilizar las desviaciones tpicas muestrales S1 y S2 como estimas de
S1 y S2.
Con la variable tipificada z que viene dada por:
se puede ensayar la hiptesis nula contra la hiptesis alternativa (o la significacin de una diferencia
observada) a un nivel de significacin apropiado.
5
ESTADSTICA II
2. Diferencias de proporciones
Sean P1 y P2 las proporciones muestrales de dos grandes muestras de tamaos N1 y N2 extradas de

poblaciones respectivas que tienen proporciones P1 y P2. Considrese la hiptesis nula de que no hay
diferencia entre los parmetros poblacionales, es decir, P1 = P2, Y as las muestras son realmente
extradas de la misma poblacin.
Haciendo P1 = P2 = P, se ve que la distribucin muestral de la diferencia de proporciones se distribuye

aproximadamente como una normal con media y desviacin tpica dadas por:
donde
se utiliza como una estima de la proporcin poblacional, y q = 1 - p.
Con la variable tipificada z dada por
se puede ensayar las diferencias observadas a un nivel de significacin apropiado y de este modo
ensayar la hiptesis nula.
Ensayos referentes a otros estadsticos pueden disearse anlogamente.
6
ESTADSTICA II
EJERCICIOS RESUELTOS
1. La vida media de una muestra de 100 tubos fluorescentes producidos por una empresa es de
1570 horas con una desviacin estndar de 120 horas. Si u es la vida media de todos los tubos
producidos por esta empresa, contrastar la hiptesis de que u=1600 horas contra la hiptesis
alternativa u1600 horas, usando un nivel de significacin del 5%.
Solucin:
Sea : horas de vida
~( , 2 )
Caso II : 2 es desconocido y = 100 > 30
1 Planteando la hiptesis:
Docima bilateral
0 : 0 = 1600
1 : 0 1600
2 Prueba de hiptesis:

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / > 1 < 2 }

4 Con = 0.05 en la tabla de distribucin normal ,determinamos los puntos crticos:
0.975 = 1.96
5 Con los datos observados, se halla el valor de:

0 1570 1600
0 = = = 2.5
120
100
DECISIN: 0 = 2.5 . . , se rechaza 0 : 0 = 1600 .
7
ESTADSTICA II
2. Las tensiones de ruptura de los cables fabricados por una empresa tienen una media de 1800
libras y una desviacin estndar de 100 libras. Se desea comprobar si un nuevo proceso de
fabricacin aumenta dicha tensin media. Para ello se toma una muestra de 49 cables y se
encuentra que su tensin de ruptura es 1850 libras. Se puede afirmar la mejora del nuevo
proceso al nivel de significacin del 5%?.
Solucin:
Sea : tensin de ruptura
~( , 2 )
Caso I : 2 es conocido
Docima unilateral derecha
0 : 0 = 1800
1 : 0 > 1600

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / > 1 }

0.95 = 1.645

0 1850 1800
0 = = = 3.5
100
49
CONCLUSION: Se puede afirmar la mejora del nuevo proceso (1 : 0 > 1600) .
8
ESTADSTICA II
3. El fabricante de una marca de pilas de nueve voltios afirma que la vida til media de su
producto es de 50 horas con una desviacin estndar de 12 horas. Una muestra aleatoria
simple de 100 pilas da una vida media de 48 horas. A un nivel de significacin del 2%, que
se concluye sobre la afirmacin del fabricante?
Solucin:
Sea : vida til
~( , 2 )
Caso I : es conocido
2
Docima unilateral izquierda
0 : 0 = 50
1 : 0 < 50

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / < 1 }

0.02 = 2.05

0 48 50
0 = = = 1.67
12
100
DECISIN: 0 = 1.67 . . , no se rechaza 0 : 0 = 1800 .
CONCLUSION: El fabricante no miente.
9
ESTADSTICA II
4. Un proveedor de internet afirma que sus usuarios promediaban 13 horas por semana. Para
determinar si esta era una exageracin, un competidor efectu un estudio de 250 clientes y
encontr que el tiempo promedio que pasaban en lnea era de 10.5 horas por semana con una
desviacin estndar de 5.2 horas. Los datos proporcionan suficiente evidencia para indicar
que el promedio de horas que pasaban en lnea es menor que lo que afirmaba el primer
proveedor de internet? Pruebe en un nivel de significacin del 1%.
Solucin:
Sea : horas que pasan en lnea.
~( , 2 )
2
Caso II : es desconocido y = 250 30
Docima unilateral izquierdo
0 : 0 13
1 : 0 < 13

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / < 1 }


0.01 = 2.326

0 10.5 13
0 = = = 7.6
5.2
250
DECISIN: 0 = 7.6 . . , se rechaza 0 : 0 13 .
CONCLUSIN: Los datos no proporcionan suficiente evidencia para indicar que el promedio de
horas que pasaban en lnea es menor que lo que afirmaba el primer proveedor.
10
ESTADSTICA II
5. El gerente de produccin cree que las latas de 16 onzas de pia se estn llenando en exceso.
El departamento de control de calidad tomo una muestra aleatoria de 50 encases y encontr
que el peso medio es de 16.05 onzas con una desviacin estndar de 0.03 onzas. Al nivel de
significacin del 5% puede rechazarse la hiptesis de que el peso medio es igual a 16 onzas?.
Solucin:
(Correccin: S=0.03 por 0.3)
Sea : peso
~( , 2 )
Caso II : 2 es desconocido y = 50 30
Docima bilateral
0 : 0 = 16
1 : 0 16

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / > 1 < 2 }

0.975 = 1.96

0 16.05 16
0 = = = 1.178
0.3
50
CONCLUSIN: No puede rechazarse la hiptesis de que el peso medio es igual a 16 onzas.
11
ESTADSTICA II
6. El contenido de caloras de cierta bebida refrescante se dice que es de 50 caloras por botella.
Se toma una muestra aleatoria de 36 botellas y se encuentra que el promedio de caloras por
botellas es de 49.3 unidades. Estos datos apoyan lo que se afirma? Supngase que las
caloras estn normalmente distribuidas con una desviacin estndar de 3 unidades. Nivel de
significacin del 3%.
Solucin:
Sea : contenido de caloras.
~( , 2 )
Caso I : 2 es conocido
0 : 0 = 50
1 : 0 > 50

~ (0 , 1)

3

. . = { = (1 , 2 , , ) / > 1 }

0.97 = 1.88

0 49.3 50
0 = = = 1.4
3
36
CONCLUSIN: Estos datos apoyan lo que se afirma.
12
ESTADSTICA II
7. Hace tiempo una maquina produca arandelas de 0.05 pulgadas de espesor. Para determinar
si sigue en buen estado, se toma una muestra aleatoria de 10 arandelas, que dan un espeso
medio de 0.053 pulgadas con desviacin estndar de 0.003 pulgadas. Contrastar la hiptesis
de que la maquina sigue funcionando bien, con un nivel de significacin del 10%..
Solucin:
Sea : produccin de aranceles.
~( , 2 )
Caso III : es desconocido y = 10 < 30
2
Docima bilateral
0 : 0 = 0.05
1 : 0 0.05

~ ( 1) = (9)

3

. . = { = (1 , 2 , , ) / > 1 < 2 }

4 Con = 0.1 en la tabla "" ,determinamos los puntos crticos:
0.95 (9) = 1.8331
5 Con la informacin:
0 0.053 0.05
0 = = = 3.162
0.003
10
DECISIN: 0 = 3.162 . . , se rechaza 0 : 0 = 0.05 .
CONCLUSIN: Se rechaza la afirmacin de que la maquina funcione correctamente.
13
ESTADSTICA II
8. Una prueba con una muestra aleatoria de seis sogas de un cierto fabricante dio una tensin
media de ruptura de 7750 libras y una desviacin estndar de 145 libras, mientras que el
fabricante anunciaba que era de 800 libras. Puede sostenerse la afirmacin del fabricante al
nivel significativo del 5%?
Solucin:
(Correccin : =7750 por 750)
Sea : tensin de ruptura.
~( , 2 )
2
Caso III: es desconocido y = 6 < 30
0 : 0 = 800
1 : 0 < 800

~ ( 1) = (5)

3

. . = { = (1 , 2 , , ) / < 1 }

4 Con = 0.05 en la tabla "" ,determinamos los puntos crticos:
0.05 (5) = 2.0150
0 750 800
0 = = = 0.845
145
6
CONCLUSIN: Se puede sostener la afirmacin del fabricante.
14
ESTADSTICA II
9. El fabricante de un cierto modelo de automvil afirma que el kilometraje medio de este

modelo es de 12 kilometro por litro de gasolina corriente. Un organismo de defensa del
consumidor piensa que ese kilometraje promedio ha sido exagerado por el fabricante. Nueve
automviles de este modelo son conducidos del mismo modo con un litro de gasolina
corriente. Los kilometrajes recorridos por os diversos automviles son:
12 11 10 10.5 11.5 11 12.5 10 10.5
Si el organismo desea rechazar una afirmacin verdadera no ms de una vez en 100,
rechazara la afirmacin del fabricante?
Solucin:
Sea : kilometraje.
Con:
= 11 = 0.866
~( , 2 )
2
Caso III : es desconocido y = 9 < 30
0 : 0 = 12
1 : 0 < 12

~ ( 1) = (8)

3

. . = { = (1 , 2 , , ) / < 1 }

4 Con = 0.01 en la tabla "":
0.01 (8) = 2.8965
0 11 12
0 = = = 3.46
0.866
9
CONCLUSIN: Se rechaza la afirmacin del fabricante.
15
ESTADSTICA II
10. En una encuesta nacional se encuentra que la quinta parte de los automviles que circulan
por las carreteras exceden la velocidad limite de 80Km/h. Una muestra aleatoria de 36
automviles en la panamericana norte revela que 12 haban excedido el lmite indicado.
Podr llegarse a la conclusin de que el nmero de automviles que violan la disposicin
sobre la velocidad supera en dicha va el porcentaje nacional? Nivel de significacin 2%.
Solucin:
Sea : kilometraje.
~( , 2 )
0 : 0 1/5
1 : > 1/5

~(0 , 1)
(1 )

3

. . = = (1 , 2 , , ) / > 1
(1 )
{ }
4 Con = 0.02 ,en la tabla de distribucin normal:
0.98 = 2.05
0 1/3 1/5
0 = = =2
0 (1 0 ) (1/5)(4/5)
36
DECISIN: 0 = 2 . . , no se rechaza 0 : 0 1/5 .
CONCLUSIN: Se llega a la conclusin de que el nmero de automviles que violan la disposicin
sobre la velocidad supera en dicha va el porcentaje nacional.
16
ESTADSTICA II
12. Se estudia la fraccin de circuitos integrados defectuosos producidos en un proceso de

fotolitografa. Para ello se someten a prueba una muestra de 300 circuitos, en la que 13 son
defectuosos. Utilice los datos para probar Ho=0.05 contra H10.05. Nivel de significacin
del 5%.
Solucin:
Sea : proporcin de circuitos defectuosos.
~( , 2 )
Docima bilateral
0 : 0 = 0.05
1 : 0.05

~(0 , 1)
(1 )

3

. . = = (1 , 2 , , ) / > 1 < 2
(1 ) (1 )
{ }
4 Con = 0.05 ,en la tabla de distribucin normal:
0.975 = 1.96
0 13/300 0.05
0 = = = 0.5298
0 (1 0 ) (0.05)(0.95)
300
DECISIN: 0 = 0.5298 . . , no se rechaza 0 : 0 = 0.05 .
17
ESTADSTICA II
13. Un laboratorio de farmacia sostiene que uno de sus productos es 90% efectivo para reducir
una alergia en 8 horas. En una muestra de 200 personas con esta alergia, el medicamento dio
buen resultado en 160. Determinar si la afirmacin del laboratorio es legtima a un nivel de
significacin del 5%.
Solucin:
Sea : porcentaje efectivo para reducir una alergia en 8 horas.
~( , 2 )
0 : 0 = 9/10
1 : 0 < 9/10
2 = 0.05

. . = = (1 , 2 , , ) / < 1
(1 )
{ }
En la tabla de distribucin normal:

0.05 = 1.645

3 ~(0 , 1)
(1)

4 Con los datos:

0 4/5 9/10
0 = = = 4.71
0 (1 0 ) (9/10)(1/10)
200
DECISIN: 0 = 4.71 . . , se rechaza 0 : 0 = 9/10 .
CONCLUSIN: La afirmacin del laboratorio es refutada.
18
ESTADSTICA II
14. Un fabricante afirma que al menos el 955 del equipamiento que ha suministrado a un cliente
es acorde a las especificaciones. El examen de una muestra de 200 piezas revela que 18 eran
defectuosos. Contrastar su afirmacin al nivel de significacin del 2%?
Solucin:
Sea : proporcin de equipamiento acorde a las especificaciones.
~( , 2 )
0 : 0 95/100
1 : 0 < 95/100
2 = 0.02

. . = = (1 , 2 , , ) / < 1
(1 )
{ }
0.02 = 2.05

3 ~(0 , 1)
(1)

4 Con los datos:

0 182/200 95/100
0 = = = 2.595
0 (1 0 ) (95/100)(5/100)
200
DECISIN: 0 = 2.595 . . , se rechaza 0 : 0 95/100 .
19
ESTADSTICA II
15. Un fabricante de televisores afirma que en promedio el 90% de sus televisores no necesita de
ninguna reparacin durante sus dos primeros aos de funcionamiento. El Instituto de
Proteccin al Consumidor (IPC) selecciona una muestra aleatoria de 100 televisores y
encuentra que 15 de ellos necesita alguna reparacin durante sus primeros dos aos de
operacin. Si el IPC desea rechazar una afirmacin verdadera no ms de 5 en 100 veces, Qu
decidir en relacin con la afirmacin del fabricante?
Solucin:
Sea : proporcin de televisores que no necesitan de ninguna reparacin.
~( , 2 )
0 : 0 = 9/10
1 : 0 < 9/10
2 = 0.05

3 ~(0 , 1)
(1)

. . = (1 , 2 , , ) / < 1
(1 )
{ }
0.05 = 1.645
4 Con los datos:

0 85/100 9/10
0 = = = 1.67
0 (1 0 ) (9/10)(1/10)
100
DECISIN: 0 = 1.67 . . , se rechaza 0 : 0 = 9/10 .
CONCLUSIN: Decide rechazar la afirmacin del fabricante.
20
ESTADSTICA II
16. Aproximadamente 1 de cada 10 consumidores favorecen el refresco de marca X. Despus

de una campaa de promocin en una regin de ventas, se selecciono aleatoriamente 200
bebedores de ese producto de los consumidores en el rea del mercado, y se les entrevisto
para determinar la efectividad de la campaa. El resultado de la encuesta mostro que un total
de 26 personas expreso su preferencia por la bebida de marca X. son los datos suficientes
para indicar un aumento en la aceptacin de la marca X en la regin?
Solucin:
Sea : la proporcin de la preferencia para bebida .
~( , 2 )
0 : 0 1/10
1 : 0 > 1/10
2 Para = 0.05

3 ~(0 , 1)
(1)

. . = (1 , 2 , , ) / > 1
(1 )
{ }
0.95 = 1.645
4 Con los datos:

0 26/200 1/10
0 = = = 1.4142

0 (1 0 ) (1/10)(9/10)
200
DECISIN: 0 = 1.4142 . . , no se rechaza 0 : 0 1/10.
CONCLUSIN: Se puede indicar un aumento en la aceptacin de la marca en la regin.
21

Teoria de Decisión Estadística

Încărcat de

Informații document

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

Teoria de Decisión Estadística

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD POLICIAL MARISCAL ANTONIO JOS DE SUCRE

ACADEMIA NACIONAL DE POLICAS

TEORA DE DECISIN ESTADSTICA

Hiptesis estadsticas. Hiptesis nula

Ensayos de hiptesis y significacin

ERRORES DE TIPO I Y TIPO II

Ensayos referentes a la distribucin normal

a) Se rechaza la hiptesis al nivel de significacin del 0.05 si la z obtenida para el estadstico S

b) Se acepta la hiptesis (o si se desea no se toma decisin alguna) en caso contrario.

Ensayos de una y dos colas

En el ensayo anterior se atenda a los valores extremos del estadstico S o su correspondiente z a

l. Medias. Aqu S = x, la media muestral; s = x = , media poblacional; s = x = /N, donde es

2. Proporciones. Aqu S = P, la proporcin de xitos en una muestra; s = p = p, donde p es la

Anlogamente pueden obtenerse los resultados para otros estadsticos.

Curvas caractersticas de operacin. Potencia de un ensayo

Es a menudo en la prctica importante conocer cundo un proceso ha cambiado suficientemente, de

Ensayos de significacin en relacin con diferencias muestrales

Haciendo 1 = 2 se ve que la distribucin muestral de la diferencia de medias se distribuye

Con la variable tipificada z que viene dada por:

Sean P1 y P2 las proporciones muestrales de dos grandes muestras de tamaos N1 y N2 extradas de

Haciendo P1 = P2 = P, se ve que la distribucin muestral de la diferencia de proporciones se distribuye

se utiliza como una estima de la proporcin poblacional, y q = 1 - p.

Con la variable tipificada z dada por

Ensayos referentes a otros estadsticos pueden disearse anlogamente.

5 Con los datos observados, se halla el valor de:

4 Con = 0.05 en la tabla de distribucin normal ,determinamos los puntos crticos:

5 Con los datos observados, se halla el valor de:

4 Con = 0.02 en la tabla de distribucin normal ,determinamos los puntos crticos:

5 Con los datos observados, se halla el valor de:

4 Con = 0.01 en la tabla de distribucin normal ,determinamos los puntos crticos:

5 Con los datos observados, se halla el valor de:

4 Con = 0.05 en la tabla de distribucin normal ,determinamos los puntos crticos:

5 Con los datos observados, se halla el valor de:

5 Con los datos observados, se halla el valor de:

4 Con = 0.1 en la tabla "" ,determinamos los puntos crticos:

0.95 (9) = 1.8331

4 Con = 0.05 en la tabla "" ,determinamos los puntos crticos:

0.05 (5) = 2.0150

9. El fabricante de un cierto modelo de automvil afirma que el kilometraje medio de este

0.01 (8) = 2.8965

12. Se estudia la fraccin de circuitos integrados defectuosos producidos en un proceso de

4 Con = 0.05 ,en la tabla de distribucin normal:

En la tabla de distribucin normal:

4 Con los datos:

4 Con los datos:

4 Con los datos:

16. Aproximadamente 1 de cada 10 consumidores favorecen el refresco de marca X. Despus

4 Con los datos:

S-ar putea să vă placă și