UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
ESTUDIANTES:
PORTAFOLIO DE
ESTADÍSTICA II
Docente:
CURSO:
CUARTO “A” DIURNO
2018
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº1
Tema:
Semana:
DESARROLLO
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº2
Tema: Distribuciones muestrales de diferencias y sumas de proporciones
Semana: 16/Octubre/2017 - 21/Octubre/2017
DESARROLLO
Suponga que se tienen dos poblaciones distintas, la primera con media 1 y desviación
estándar 1, y la segunda con media 2y desviación estándar 2. Más aún, se elige
una muestra aleatoria de tamaño n1 de la primera población y una muestra independiente
aleatoria de tamaño n2 de la segunda población; se calcula la media muestral para cada
muestra y la diferencia entre dichas medias. La colección de todas esas diferencias se
llama distribución muestral de las diferencias entre medias o la distribución
muestral del estadístico
La distribución es aproximadamente normal para n1 30 y n2 30. Si las poblaciones son
normales, entonces la distribución muestral de medias es normal sin importar los tamaños
de las muestras.
En ejercicios anteriores se había demostrado que y que , por lo que no es
difícil deducir que y que .
La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia
de medias es
Ejemplo:
En un estudio para comparar los pesos promedio de niños y niñas de sexto grado en una
escuela primaria se usará una muestra aleatoria de 20 niños y otra de 25 niñas. Se sabe
que tanto para niños como para niñas los pesos siguen una distribución normal. El
promedio de los pesos de todos los niños de sexto grado de esa escuela es de 100 libras y
su desviación estándar es de 14.142, mientras que el promedio de los pesos de todas las
niñas del sexto grado de esa escuela es de 85 libras y su desviación estándar es de 12.247
libras. Si representa el promedio de los pesos de 20 niños y es el promedio de los
pesos de una muestra de 25 niñas, encuentre la probabilidad de que el promedio de los
pesos de los 20 niños sea al menos 20 libras más grande que el de las 25 niñas.
Solución:
Datos:
1= 100 libras
2 = 85 libras
1= 14.142 libras
2= 12.247 libras
n1 = 20 niños
n2 = 25 niñas
=?
Distribución Muestral de Diferencia de Proporciones
Muchas aplicaciones involucran poblaciones de datos cualitativos que deben compararse
utilizando proporciones o porcentajes. A continuación, se citan algunos ejemplos:
Educación. - ¿Es mayor la proporción de los estudiantes que aprueban
matemáticas que las de los que aprueban inglés?
Medicina. - ¿Es menor el porcentaje de los usuarios del medicamento A que
presentan una reacción adversa que el de los usuarios del fármaco B que también
presentan una reacción de ese tipo?
Administración. - ¿Hay diferencia entre los porcentajes de hombres y mujeres en
posiciones gerenciales?
Ingeniería. - ¿Existe diferencia entre la proporción de artículos defectuosos que
genera la máquina A a los que genera la máquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos
proporciones muestrales, la distribución muestral de diferencia de proporciones es
aproximadamente normal para tamaños de muestra grande (n1p1 5, n1q1 5,n2p2 5 y
n2q2 5). Entonces p1 y p2 tienen distribuciones muestrales aproximadamente normales,
así que su diferencia p1-p2también tiene una distribución muestral aproximadamente
normal.
Cuando se estudió a la distribución muestral de proporciones se comprobó que y
que , por lo que no es difícil deducir que y
que .
La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia
de proporciones es:
Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren en sus
opiniones sobre la promulgación de la pena de muerte para personas culpables de
asesinato. Se cree que el 12% de los hombres adultos están a favor de la pena de muerte,
mientras que sólo 10% de las mujeres adultas lo están. Si se pregunta a dos muestras
aleatorias de 100 hombres y 100 mujeres su opinión sobre la promulgación de la pena de
muerte, determine la probabilidad de que el porcentaje de hombres a favor sea al menos
3% mayor que el de las mujeres.
Solución:
Datos:PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-pM 0.03) = ?
Se recuerda que se está incluyendo el factor de corrección de 0.5 por ser una distribución
binomial y se está utilizando la distribución normal.
Se concluye que la probabilidad de que el porcentaje de hombres a favor de la pena de
muerte, al menos 3% mayor que el de mujeres es de 0.4562.
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº3
Tema: Estimación de intervalo de confianza para la media
Semana: 23/Octubre/2017 - 28/Octubre/2017
DESARROLLO
El objetivo principal de la estadística inferencial es la estimación, esto es que mediante el
estudio de una muestra de una población se quiere generalizar las conclusiones hacia el
total de dicha población. Como vimos en la sección anterior, los estadísticos pueden variar
mucho dentro de sus distribuciones muéstrales. Mientras menor sea el error estándar de
un estadístico, más cercanos serán sus valores. El Error estándar podríamos expresarlo
conceptualmente como el error que se puede cometer al intentar conocer a una población
por medio de una muestra tomada de dicha población. Existen dos tipos de estimaciones
para parámetros; puntuales y por intervalo.
• Una estimación puntual n puntual es un único valor estadístico y se usa para estimar un
parámetro. El estadístico usado se denomina estimador.
•Una estimación por intervalo n por intervalo es un rango, generalmente de ancho finito,
que se espera que contenga el parámetro.
Supongamos que la estatura de los niños de 2 años está distribuida normalmente con una
media de 90 cm y una desviación estándar de 36 cm. ¿Cuál sería la distribución muestral
de la media para una muestra de tamaño 9? Recordemos que la media de una distribución
muestral de medias es igual a μ :
Y el error estándar es:
Para nuestro ejemplo, la distribución muestral de la media tendría una media de 90 y una
desviación estándar de 36/3 = 12. Recordemos que la desviación estándar de una
distribución muestral es igual al error estándar.
La siguiente figura muestra esta distribución en donde el área sombreada representa el
95% del total, encontrándose entre los valores de 66.48 y 113.52. Estos límites fueron
calculados añadiendo y restando 1.96 desviaciones estándar del valor de la media de 90,
lo que equivale al 95% del área bajo una curva normal estándar, es decir:
90 - (1.96 x 12) =
90 - 23.52 = 66.48
90 + (1.96 x 12) =
90 + 23.52 = 113.52
Lo que nos muestra la figura es que 95% de las medias se encontrarían a no más de 23.52
de la media de 90 (o sea a 1.96 desviaciones estándar). Ahora si consideramos la
probabilidad de que la media de una muestra aleatoria se encuentre a cierta distancia de
la media de la población, entonces podemos decir que como 95% de la distribución está
a 23.5 de 90, la probabilidad de que la media de cualquier muestra esté a 23.52 de 90 es
de 0.95.
Lo anterior significa que si calculamos repetidamente la media de una muestra, X , y
consideramos un intervalo que vaya de X - 23.52 a X + 23.52, este intervalo contendrá a
la media de la población 95% de las veces. En general, podemos calcular el intervalo de
confianza con la siguiente fórmula:
Donde z es el valor de la curva estándar normal para la confianza que se requiere. En el
caso de 95% de confianza:
De esta fórmula se puede observar que tanto el tamaño de la muestra como el valor de σ
se deben conocer. Z se puede obtener de la tabla de la distribución normal a partir del
nivel de confianza establecido.
Como en muchas ocasiones se desconoce σ en esos casos lo correcto es utilizar otra
distribución para muestras (la llamada “ t ” de student que veremos en la siguiente sesión)
si la población de donde provienen los datos es normal.
En este caso se puede utilizar una estimación puntual de la desviación estándar de la
población por medio de la desviación estándar de la muestra, es decir ( σ ~ s)
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº4
Tema: Estimación de intervalo de confianza para la proporción.
Semana: 23/Octubre/2017 - 28/Octubre/2017
DESARROLLO
INTERVALO DE CONFIANZA CON DESCIACION ESTANDAR DE LA
POBLACION CONOCIDA.
El estimador puntual de este intervalo de confianza resulta del estadístico calculado a
partir de la información de la muestra para estimar el parámetro poblacional.
En estadística, se llama intervalo de confianza a un par o varios pares de números entre
los cuales se estima que estará cierto valor desconocido con una determinada probabilidad
de acierto. Estos números los obtenemos a partir de datos de una muestra. La probabilidad
de éxito en la estimación se denomina nivel de confianza.
El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un
intervalo más amplio tendrá más probabilidad de acierto (mayor nivel de confianza),
mientras que, para un intervalo más pequeño, que ofrece una estimación más precisa,
aumenta su probabilidad de error.
Para calcular dicho intervalo de confianza se considera dos situaciones:
La primera en la utilizamos datos de la muestra para calcular el parámetro
poblacional, mientras que la desviación estándar es conocida.
Y la segunda en la que utilizamos datos de la muestra para calcular el parámetro
poblacional, mientras que la desviación estándar no es conocida.
Un intervalo de confianza se calcula con dos estadísticos, la desviación estándar de la
muestra (S) y la desviación estándar de la población (σ).
Si conocemos Ẋ, n y σ, a partir de esta información y del Teorema Central de Limite,
sabemos que la distribución muestral sigue una distribución de probabilidad normal, con
una μ y una σ=σ/√n. Z nos sirve para calcular el intervalo de confianza.
Ejemplo:
Una empresa especialista en RRHH y dedicada a la contratación, desea información sobre
el ingreso medio de los CPAs de la industria automotriz. Una muestra aleatoria de 256
gerentes, revela una media muestral de $45420. La desviación estándar de la población
es de $2050 y la empresa decide utilizar un nivel de confianza de 95%.
Se desea conocer:
• ¿Cuál es la media de la población?
En este caso, si conocemos que la media muestral es de Ẋ = $45420, asumimos que la
mejor estimación es decir que la media poblacional es también $45520.
• ¿Cuál es un conjunto de valores razonable de la media poblacional?
𝛔 𝟐𝟎𝟓𝟎
Ẋ ± z = √n = 45420 ± 1,96 √256 = 45420 ± 251
Entonces, el intervalo de confianza va desde $45169 hasta $45671. Con frecuencia, el
±251 se conoce como el margen de error.
• ¿Cómo se deben interpretar esos resultados? ¿Qué significa el 95% de confianza y
que significa el 5% restante?
Los resultados son interpretados de la siguiente manera:
La media poblacional de $45420, se encuentra dentro de los valores 45169 – 45671 con
un nivel de confianza del 95%, el 5% restante indica que puede haber alguien que gane
más o menos de estos valores, que corresponde a observaciones que no tienen mucha
incidencia.
INTERVALO DE CONFIANZA CON DESCIACION ESTANDAR DE LA
POBLACION DESCONOCIDA.
Si tenemos datos de la muestra, podemos calcular S para estimar la desviación
poblacional. Como no se conoce σ, no se puede utilizar la distribución Z; la solución, es
sustituir la distribución Z por la distribución t.
La distribución t es una distribución de probabilidad continua, con muchas características
similares a las de la distribución Z. Entonces, S es un estimador de σ.
Para encontrar t necesitamos nivel de confianza y grados de libertad.
Ejemplo:
Un fabricante de llantas desea investigar la durabilidad de sus productos. Una muestra de
10 llantas que recorrieron 50000 millas reveló una media muestral de 0.32 pulgadas de
cuerda restante con una desviación estándar de 0.09 pulgadas. Construya un intervalo de
confianza de 95% de la media poblacional.
¿Sería razonable que el fabricante concluyera que después de 50000 millas la
cantidad media poblacional de cuerda restante es de 0?30 pulgadas?
t= g.l (n-1= 10-1=9) 2.262
c= 95%
𝐒 𝟎.𝟎𝟗
IC= Ẋ ± t = √n = 0.32 ± 2.262 = 0.32 ± 0.064
√10
Intervalo de confianza son: 0.256 y 0.384
Por lo tanto si es razonable que la media poblacional sea de 0.30 porque está dentro de
los valores de intervalos de confianza con nivel del 95%.
DIARIO DE CLASE Nº4
Tema: Determinación del tamaño de la muestra
Semana: 30/ Octubre /2017 – 04/ Noviembre /2017
DESARROLLO
Una investigación está integrada por diversos pasos que permiten alcanzar el resultado
deseado, dentro de esta metodología hay un elemento que es de vital importancia para la
investigación misma, esto es determinar el tamaño de una muestra poblacional.
¿Qué es una muestra poblacional?
Una muestra poblacional es un conjunto de elementos que representan al universo total,
es decir, son una fracción de la totalidad del número de individuos a ser evaluados.
Establecer el tamaño de dicha muestra es un proceso importante en toda investigación ya
que permitirá realizar un estudio viable y creíble siempre delimitado por los objetivos del
estudio y las diferentes características de cada población.
Determinar el tamaño de una muestra permite ahorrar recursos tanto económicos como
humanos, además de disminuir considerablemente el tiempo de realización de
la investigación que estés realizando, la cual puede ser de toda clase como por ejemplo
estudios de opinión o alguna investigación.
¿Cómo determinar el tamaño de la muestra?
Determinar el tamaño de la muestra que se va a seleccionar es muy importante en
cualquier estudio de investigación de mercados, por lo tanto se debe justificar
convenientemente de acuerdo al planteamiento del problema, la población, los objetivos
y el propósito de la investigación.
¿De qué depende el tamaño de la muestra?
El tamaño de la muestra dependerá de decisiones estadísticas y no estadísticas, pueden
incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el equipo que estará
en campo.
Sin embargo, antes de calcular el tamaño de la muestra necesitamos varias cosas:
1. Tamaño de la población. Una población es una colección bien definida de objetos o
individuos que tienen características similares.
2. Margen de error (intervalo de confianza). Dato estadístico que expresa la cantidad de
error de muestreo aleatorio en los resultados de una encuesta, es decir, es la medida
estadística del número de veces de cada 100 que se espera que los resultados se
encuentren dentro de un rango específico.
3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con una
determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95% significa
que los resultados de una acción probablemente cubrirán las expectativas el 95% de las
veces.
4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto de datos
(o población). Mientras mayor es la desviación estándar, mayor es la dispersión de la
población.
Una vez obtenidos todos estos datos podemos determinar el tamaño de la muestra.
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº5
Tema: Hipótesis estadísticas
Semana: 06/ Noviembre /2017 – 11/ Noviembre /2017
¿Qué es una prueba de hipótesis?
La prueba de hipótesis comienza con una afirmación o suposición, sobre un parámetro de
la población, como por ejemplo la media.
Procedimiento para probar una hipótesis
PASO 1 PASO 2 PASO 3 PASO 4 PASO 5
•Se •Se selecciona •Se identifica el •Se formula •Se toma una
establecen un nivel de estadístico de una regla para muestra; se
las hipótesi significancia. la prueba. tomar llega a una
decisiones decisión
nulas y
alternativa.
Se establece la hipótesis nula (H0) y la hipótesis alternativa (H1)
H0: Hipótesis nula, se lee H subíndice cero
• Implica que ni hay diferencia, que no hay cambio
• Es una afirmación que no se rechaza a menos que la información de la muestra ofrezca
evidencia convincente de que es falsa
• Si la hipótesis nula no se rechaza con base en los datos de la muestra, no es posible decir
que la hipótesis nula sea verdadera
• Con frecuencia, la hipótesis nula inicia con expresiones: ¨No existe diferencia
significativa entre..¨ o ¨(determinada condición) es significativamente diferente de…¨
H1: Hipótesis alternativa, se lee H subíndice uno
• También se la conoce como hipótesis de investigación
• Se acepta si la información de la muestra ofrece suficiente evidencia estadística para
rechazar la hipótesis nula.
• Enunciado relativo al valor de
Hipótesis nula un parámetro poblacional que
se formula con el fin de probar
(Ho) evidencia numérica.
Hipótesis • Enunciado que se acepta si los
datos de la muestra ofrecen
alternativa suficiente evidencia para
(H1) rechazar la hipótesis nula.
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº6
Tema: Error tipo I y tipo II
Semana:06/Noviembre/2017 – 11/Noviembre/2017
Se selecciona un nivel de significancia
Nivel de significancia: Probabilidad de rechazar la hipótesis nula cuando es verdadera.
• Se expresa con la letra griega alfa, ∝. También se conoce como nivel de riesgo. Se trata
del riesgo que se corre al rechazar la hipótesis nula cuando es verdadera.
• Se acostumbra a elegir un nivel de 0,05 en el caso de los proyectos de investigación
relacionados con los consumidores, de 0,01 en relación al control de calidad, y de 0,10 en
el de las encuestas políticas.
ERROR TIPO I (α)
Rechazar la hipótesis nula cuando es verdadera
ERROR TIPO II (β)
Aceptar la hipótesis nula cuando es falsa
En retrospectiva, el investigador no puede estudiar cada elemento o individuo de la
población. Por lo tanto, existe la posibilidad de que se presenten dos clases de error: un
error tipo I, en el que se rechaza la hipótesis nula cuando en realidad debe aceptarse, y un
error tipo II, en el que se acepta la hipótesis nula cuando en realidad debe rechazarse.
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº7
Tema: Estadística de prueba y reglas de decisión
Semana: 13/Noviembre/2017 – 18/Noviembre/2017
SELECCIÓN DEL ESTADISTICO DE PRUEBA
Estadístico de prueba: Valor, determinado a partir de la información de
la muestra, para determinar si se rechaza la hipótesis nula.
Por ejemplo, Z y t.
ẋ−𝜇 ẋ−𝜇
𝑍= 𝑡=
𝜎/√𝑛 𝑠/√𝑛
REGLA DE LA DECISIÓN
Una regla de decisión es un enunciado sobre las condiciones específicas en que se rechaza
la hipótesis nula y aquellas en las que no se rechaza.
Las región o área de rechazo define la ubicación de todos esos valores que son tan grandes
o tan pequeños que la probabilidad de que ocurran en una hipótesis nula verdadera es muy
remota.
EJEMPLO:
Valor crítico: punto de división entre la región en que se rechaza y aquella en la que se
acepta una hipótesis.
SE FORMULA LA REGLA DE LA DECISIÓN
El área en que se acepta la hipótesis nula se
localiza a la izquierda de 1,65
El área de rechazo se encuentra a la derecha de
1,65
Se aplica una prueba de una sola cola.
Se eligió el nivel de significancia de 0,05
La distribución muestral del estadístico z tiene
una distribución normal.
El valor 1,65 separa las regiones en que se
rechaza la hipótesis nula y en la que se acepta.
El valor de 1,65 es el valor crítico.
SE TOMA UNA DECISIÓN
1. Para esto se debe calcular el estadístico de la prueba, comparándola con el valor
crítico, y tomar la decisión de rechazar o no la hipótesis nula. De acuerdo con la
gráfica anterior, si a partir de la información de la muestra, se calcula que z tiene
un valor de 2.34, se rechaza la hipótesis nula con un nivel de significancia de
0,05. La decisión de rechazar H0 se tomó porque 2.34 se localiza en la región de
rechazo; es decir, más allá́ de 1,65. Se rechaza la hipótesis nula porque es poco
probable que un valor z tan alto se deba al error de muestreo (azar).
2. Si el valor calculado hubiera sido de 1.65 o menos, supongamos 0,71, la
hipótesis nula no se habría rechazado. Un valor calculado tan bajo no se atribuye
al azar, es decir, al error de muestreo.
3. En la prueba de hipótesis solo es posible una de las dos decisiones: la hipótesis
nula se acepta o se rechaza. En lugar de aceptar la hipótesis nula, H0, algunos
investigadores prefieren expresar la decisión como “no se rechaza H0”, “se
decide no rechazar H0” o “los resultados de la muestra no permiten rechazar
H0”.
4. Es necesario subrayar de nuevo que siempre existe la posibilidad de que la
hipótesis nula se rechace cuando en realidad no se debe rechazar (error tipo I).
Asimismo, existe una posibilidad definible de que la hipótesis nula se acepte
cuando debiera rechazarse (error tipo II).
EJEMPLOS:
#01
Un determinado cereal se empaca en cajas de 453 gramos, por lo que la hipótesis nula es
H0:μ≤ 453, por consiguiente, la hipótesis alternativa H1:μ > 453
El signo de desigualdad en la hipótesis alternativa (>) señala hacia la región de rechazo,
ubicada en la cola superior. Además, la hipótesis nula usa el signo (≤); entonces la
condición de igualdad siempre aparece en H0 y jamás en H1.
#02
Si no se especifica dirección alguna en la hipótesis alternativa, se debe utilizar una prueba
de dos colas. Por ejemplo:
H0: el ingreso medio anual de las corredoras de bolsa es menor o igual a $65000
H1: el ingreso medio anual de las corredoras de bolsa no es igual a 65000
Si se rechaza la hipótesis nula y se acepta la alternativa, en el caso de las dos colas, el
ingreso medio puede ser significativamente mayor o inferior a $65000. Para dar cabida a
estas dos posibilidades, el área de 5% de rechazo se divide con equidad en las dos colas
(2.5% cada una).
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº8
Tema: Pruebas de significancia de una y de dos colas.
Semana: 13/Noviembre/2017 – 18/Noviembre/2017
PRUEBA DE UNA COLA
Suponga que el gerente desea saber si hubo un incremento de la cantidad de producción;
es decir, ¿puede concluir, debido al mejoramiento de los métodos de producción, que la
cantidad media de escritorios que se ensamblaron el año pasado fue superior a 200?
Observe la diferencia al formular el problema. En el caso anterior se deseaba conocer si
había una diferencia en la cantidad media armada; en cambio, ahora se desea saber si
hubo un incremento. Es necesario plantear las nuevas hipótesis.
Anterior: Prueba de dos colas Actual: Prueba de una cola
H0: μ = 200 H0: μ ≤ 200 H1: μ ≠ 200 H1: μ > 200
Los valores críticos en una prueba de una cola son diferentes a los de una prueba de dos
colas en el mismo nivel de significancia. En el ejemplo anterior se dividió la significancia
para dos y se colocó una mitad en la cola superior y la otra en la inferior. En una prueba
de una cola, el valor crítico será diferente.
En la prueba de una cola se resta a una mitad del área bajo la curva el valor del nivel de
significancia, tomando en cuenta si la hipótesis alternativa se refiere a la cola superior o
inferior según la dirección del signo.
Es decir, en este caso el signo (>)
hace referencia a la cola superior, por
lo
tanto: 0,5000-0,01 es 0,4900.
El valor más cercano a 0,4900 es
0,4901 y el valor crítico (z)
correspondiente es 2,33
PRUEBA DE DOS COLAS
Una compañía fabrica muebles de oficina. La producción semanal del escritorio modelo
A325 tiene una distribución normal con una media de 200 y una desviación estándar de
16.
Hace poco, se introdujeron nuevos métodos de producción y se contrató a más empleados.
La gerencia desea investigar si hubo algún cambio en la producción semanal del modelo
A325. Es decir, ¿la cantidad media de escritorios que se produjeron es diferente de 200
escritorios semanales con un nivel de significancia de 0.01?
Si se conoce que la cantidad media de escritorios que se produjeron el año pasado es de
203,5 y que se trabajaron 50 semanas de las 52 que tiene el año.
Datos: La población sigue una distribución normal, μ = 200, 𝜎 = 16; por lo tanto, es
apropiado utilizar el estadístico z.
SE ESTABLECEN LAS HIPÓTESIS NULA Y ALTERNATIVA
La hipótesis nula es: ¨la media de la población es de 200¨
La hipótesis alternativa es: ¨la media es diferente de 200¨o¨la media no es de 200¨
𝐻0 : 𝜇 = 200
Es una prueba de dos colas, pues la hipótesis alternativa no indica
dirección alguna; es decir, no contiene < o >
𝐻1 : 𝜇 ≠ 200
SE SELECCIONA EL NIVEL DE SIGNIFICANCIA
Se utiliza el nivel de significancia de 0.01. Este es ∝, la probabilidad de cometer un error
tipo I, que es la probabilidad de rechazar una hipótesis verdadera.
SE SELECCIONA EL ESTADÍSTICO DE PRUEBA
En este caso, sería el estadístico z, entonces:
ẋ−𝜇
𝑍=
𝜎/√𝑛
SE FORMULA LA DECISIÓN
Como se trata de una prueba de dos colas, la mitad de 0,01 o 0,005 se localiza en cada
cola. Por consiguiente, el área en la que no se rechaza H0, que se ubica entre las dos colas,
es 0,99. Entonces, si nos referimos al apéndice B.1, la mitad del área bajo la curva es de
0,5000; entonces, 0,5000-0,0050 es 0,4950, por lo que 0.4950 es el área entre 0 y el valor
crítico.
El valor más cercano a 0,4950 es 0,4951 y el valor crítico (z) correspondiente es 2,58.
La regla de decisión es:
Rechazar la hipótesis nula y aceptar la hipótesis
alternativa (que indica que la media de la
población no es 200) si el valor z calculado no se
encuentra entre -2,58 y 2,58.
La hipótesis nula no se rechaza si z se ubica entre
-2,58 y 2,58.
SE TOMA UNA DECISIÓN Y SE
INTERPRETA EL RESULTADO
Se toma una muestra de la población (producción semanal), se calcula z, se aplica la regla
de la decisión y se llega a la decisión de rechazar o no H0.
Calculamos z:
ẋ−𝜇 203.5 − 200
𝑍= = = 1.55
𝜎/√𝑛 16/√50
Como 1.55 no cae en la región de rechazo, H0 no se rechaza. La conclusión es: la media
de la población no es distinta de 200.
Por lo tanto, se informa al gerente que la evidencia de la muestra no indica que la tasa de
producción en la planta haya cambiado de 200 semanales. La diferencia de 3.5 unidades
entre la producción semanal histórica y la del año pasado puede atribuirse razonablemente
al error de muestreo.
REGIONES DE RECHAZO DE LAS PRUEBAS DE UNA Y DOS COLAS CON ∝ = 0.01
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº9
Tema: Valor p en la prueba de hipótesis
Semana: 20/Noviembre/2017 – 25/Noviembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº10
Tema: La prueba de los signos
Semana: 20/Noviembre/2017 – 25/Noviembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº11
Tema: La prueba U de Mann Whitney. La prueba H de Kruskal-wallis.
Semana: 27/Noviembre/2017 – 02/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº12
Tema: Coeficiente de correlación
Semana: 11/Diciembre/2017 – 16/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº13
Tema: Diagrama de dispersión
Semana: 11/Diciembre/2017 – 16/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº14
Tema: Covarianza
Semana: 18/Diciembre/2017 – 23/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº15
Tema: Las rectas de regresión de mínimos cuadrados
Semana: 18/Diciembre/2017 – 23/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº16
Tema: Análisis de regresión
Semana: 25/Diciembre/2017 – 30/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº17
Tema: Error estándar de estimación. Coeficiente de determinación
Semana: 25/Diciembre/2017 – 30/Diciembre/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº18
Tema: Variación explicada y no explicada
Semana: 01/Enero/2017 – 06/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº19
Tema: Números índice simples
Semana: 08/Enero/2017 – 13/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº20
Tema: Número de índices simples
Semana: 08/Enero/2017 – 13/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº21
Tema: índices no ponderados
Semana: 08/Enero/2017 – 13/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº22
Tema: Índices ponderados
Semana: 15/Enero/2017 – 20/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº23
Tema: Componentes de una serie de tiempo
Semana: 22/Enero/2017 – 27/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº24
Tema: Promedios móviles. Promedios móviles ponderados
Semana: 22/Enero/2017 – 27/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº25
Tema: Promedios móviles. Promedios móviles ponderados
Semana: 22/Enero/2017 – 27/Enero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº26
Tema: Variación estacional. Desestacionalización
Semana: 29/Enero/2017 – 03/Febrero/2017
UNIVERSIDAD TÉCNICA DE MACHALA
UNIDAD ACADÉMICA DE CIENCIAS EMPRESARIALES
CONTABILIDAD Y AUDITORÍA
DIARIO DE CLASE Nº26
Tema: Retroalimentación de los contenidos
Semana: 29/Enero/2017 – 03/Febrero/2017
