PROFESORA: ROSA VIRGINIA
HERNÁNDEZ
OBJETIVOS
✓ Aprender cómo usar las ✓ Aprender cuándo usar
muestras para decidir si pruebas de una cola y
una población posee una cuándo usar pruebas a dos
característica dada. colas.
✓ Determinar qué tan ✓ Aprender el proceso de
improbable es que una cinco pasos para probar
muestra observada hipótesis
provenga de una ✓ Aprender cómo y cuando
población hipotética. usar la distribución 𝑡 y la
✓ Comprender los dos tipos distribución normal 𝑍 para
de errores posibles que se probar hipótesis sobre
producen al probar medias y proporciones de
hipótesis población.
El contrato para techar un nuevo complejo
deportivo fue otorgado a una compañía
constructora en Colombia. Las especificaciones de
construcción indican un techo móvil de
aproximadamente 10,000 láminas de aluminio con
un grosor de 0.04 pulg. Las láminas de aluminio no
pueden ser considerablemente más gruesas que
0.04 pulg porque la estructura podría no soportar el
peso adicional. Y tampoco pueden ser más
delgadas porque la fuerza estructural del techo
sería inadecuada. Debido a estas restricciones en
el grosor, el ingeniero encargado de la empresa
constructora revisa cuidadosamente las láminas de
aluminio de su proveedor.
Es claro que el Ingeniero no desea medir cada lámina, así que toma una muestra
aleatoria de 100. Las láminas de la muestra tienen un grosor medio de 0.0408 pulg.
Por experiencia con este proveedor, el ingeniero cree que esas láminas provienen
de una población que tiene una desviación estándar de 0.004 pulg de grosor. Con
base en estos datos, el ingeniero debe decidir si las 10,000 láminas cumplen con
las especificaciones
En este capitulo, utilizamos
estadísticas muestrales para
estimar parámetros de población.
Ahora, para resolver problemas
como la compañía constructora,
aprenderemos cómo utilizar las
características de las muestras
para probar una suposición acerca
de la población de la que se tomó
dicha muestra. Nuestra prueba para
el Ingeniero más adelante en este
capítulo, llevará a que la
constructora acepte el cargamento
de láminas o que lo rechace por no
cumplir con las especificaciones
arquitectónicas.
1. INTRODUCCIÓN
Las pruebas en estadística comienzan con una suposición, llamada hipótesis, que hacemos
acerca de un parámetro de población. Después recolectamos datos de muestra, producimos
estadísticas muestrales y usamos esta información para decidir qué tan probable es que
nuestro parámetro de población hipotético sea correcto. Digamos que suponemos un cierto
valor para una media de población. Para probar la validez de esa suposición recolectamos
datos de muestra y determinamos la diferencia entre el valor hipotético y el valor real de la
media de la muestra. Después juzgamos si la diferencia obtenida es significativa o no.
Mientras más pequeña sea la diferencia, mayor será la probabilidad de que nuestro valor
hipotético para la media sea correcto. Mientras mayor sea la diferencia, más pequeña será la
probabilidad.
Desafortunadamente, la diferencia entre el parámetro de población hipotético y la estadística
real rara vez es tan grande que rechacemos automáticamente nuestra hipótesis o tan pequeña
que la aceptamos con la misma rapidez. Así, en las pruebas de hipótesis como en la mayoría
de las decisiones importantes de la vida real, las soluciones claras o bien definidas son la
excepción, no la regla.
Supongamos que una administradora de un gran centro comercial nos dice que la eficiencia
de trabajo promedio de sus empleados es de al menos 90%. ¿Cómo podemos probar la
validez de su hipótesis? Utilizando los métodos de muestreo aprendidos, podríamos calcular
la eficiencia de una muestra de sus empleados. Si hiciéramos esto y el estadístico de la
muestra resultara ser 95%, aceptaríamos sin demora la afirmación de la administradora. Sin
embargo, si el estadístico de la muestra resultara ser el 46%, rechazaríamos su afirmación
por falsa. Podemos interpretar estos dos resultados, 95 y 46%, si utilizamos el sentido
común.
Ahora supongamos que nuestro estadístico revela una eficiencia del 88%. Este valor es
relativamente cercano al 90%. Pero, ¿es suficientemente cercano para que aceptemos como
correcta la hipótesis de la administradora? Ya sea que aceptemos o rechacemos su hipótesis,
no podemos estar absolutamente seguros de que nuestra decisión es correcta; por
consiguiente, tendremos que aprender cómo manejar la incertidumbre en nuestra toma de
decisiones. No podemos aceptar o rechazar una hipótesis sobre un parámetro de población
sólo por intuición. Más bien, necesitamos aprender cómo decidir objetivamente si
aceptamos o rechazamos una corazonada, con base en la información de la muestra.
Los estudiantes universitarios a menudo buscan anuncios que ofrecen ayuda
para el aprendizaje. Una de las más populares de estas ayudas es una
combinación de descripciones breves, una guía de estudio y un juego de
preguntas para varios cursos. Los anuncios de estos artículos, con frecuencia,
afirman que se pueden obtener mejores calificaciones en los exámenes con
menos tiempo de estudio. Supongamos que una guía de estudio para un curso de
estadística básica está disponible a través de una organización que produce tales
guías para 50 cursos diferentes. Si esta guía de estudio para estadística básica ha
sido probada (y supongamos que adecuadamente), la compañía podría anunciar:
“ha sido probado estadísticamente que nuestras guías de estudio aumentan las
calificaciones y disminuyen el tiempo de estudio”. Desde luego que esta
afirmación es bastante cierta, pero sólo en lo que se refiere a la experiencia de
estadística básica. Puede ser que no haya evidencia alguna con significado
estadístico que establezca el mismo tipo de resultados para las otras 49 guías
Otro producto puede anunciar que elimina la hierba silvestre que crece en el
césped y puede afirmar que el producto ha sido “minuciosamente probado” en
céspedes reales. Aun si suponemos que se utilizaron efectivamente los
procedimientos estadísticos adecuados durante las pruebas, tales afirmaciones
siguen siendo “grandes conclusiones”. Supongamos que el terreno de prueba
estaba en Bogotá, y el césped con problemas se encuentra en Cúcuta. Las
diferencias de lluvia, fertilidad del suelo, contaminantes del aire, temperatura,
horas de inactividad y condiciones de germinación pueden variar ampliamente
entre estos dos lugares. Afirmar ciertos resultados para una prueba
estadísticamente válida para un conjunto de condiciones de prueba
completamente diferente es algo que no posee valor alguno. Una prueba de este
tipo no puede medir la efectividad en una amplia variedad de condiciones
ambientales.
Antes de introducir los términos y procedimientos estadísticos formales, analizaremos
completamente nuestro problema del complejo deportivo que abre el capítulo. Recordemos
que es necesario que las láminas de aluminio del techo tengan un grosor de 0.04 pulg y que
serán insatisfactorias si resultan demasiado gruesas o demasiado delgadas. El ingeniero toma
una muestra de 100 láminas y determina que el grosor medio de la muestra es 0.0408 pulg.
Con base en su experiencia, sabe que la desviación estándar de la población es 0.004 pulg.
¿Esta evidencia de muestra indica que el lote de 10,000 láminas de aluminio es adecuado para
construir el techo del nuevo complejo deportivo?
Si suponemos que el grosor medio real es 0.04 pulg y sabemos que la desviación estándar de
la población es 0.004 pulg, ¿qué tan probable es que obtengamos una media de la muestra de
0.0408 o más a partir de la población? En otras palabras, si la media real es 0.04 pulg y la
desviación estándar es 0.004 pulg, ¿cuáles son las posibilidades de obtener una media
de la muestra que difiera de 0.04 pulg en 0.0008 pulg (= 0.0408 0.04) o más?
Estas preguntas muestran que para determinar si la media de la población es realmente 0.04 pulg
debemos calcular la probabilidad de que una muestra aleatoria con una media de 0.0408 pulg sea
seleccionada de una población con una µ de 0.04 pulg y una σ =0.004 pulg. Esta probabilidad
indicará si es razonable observar una muestra como ésta si la media de población es realmente
0.04 pulg. Si esta probabilidad es demasiado baja, debemos concluir que la afirmación de la compañía
de aluminio es falsa y que el grosor medio de las láminas de aluminio no es 0.04 pulg. Respondamos a
la pregunta: si la media de población hipotética es 0.04 pulg y la desviación estándar de la población es
0.004 pulg, ¿cuáles son las posibilidades de obtener una media de la muestra (0.0408 pulg) que difiera
de 0.04 pulg en 0.0008 pulg?
1. Calculamos el error 2. Como n ≥ 30 Tercero: Calculamos los límites de la región
estándar de la media a Calculamos la de aceptación:
partir de la desviación
distribución Z 𝜇𝐻0 ± 2𝜎𝑥ҧ
estándar de la
población 𝑥ҧ − 𝜇 Luego: 𝑥ҧ = 0.0408
𝑧=
𝜎𝑥ҧ ?
𝜎 0,004 𝑝𝑢𝑙𝑔 0,0408 − 0,04 0.0408 − 2 0.0004 ≤ 𝜇 ≤ 0.0408 + 2(0.0004)
𝜎𝑥ҧ = = 𝑧=
𝑛 100 0,0004
0.04 ≤ 𝜇 ≤ 0.416 pulg.
𝑧=2
𝜎𝑥ҧ = 0,0004 𝐸𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 población
0.0392 0.0408
Con un 95% de confiabilidad se está garantizando que el promedio poblacional del
grosor de las láminas está entre 0,039 pulg hasta 0,041 pulg con ±2 desviaciones
estándar mucho más alejado de intervalo esperado
CONCLUIMOS:
El intervalo esperado era 0.0392 ≤ 𝜇 ≤ 0,0408
Pero al calcular la posibilidad utilizando la Tabla Z (tercera columna):
𝑃(𝑍 ≥ 2 𝑜 𝑍 ≤ −2 = 1 − 0,9545 = 0,0455 o alrededor de 4.5%).
Aproximadamente el 4,5% es la posibilidad de obtener un promedio de muestra de 0,0408 pulg.
Con esta posibilidad tan baja, la compañía constructora podría concluir que no es probable que una
población con una media real de 0.04 pulg produzca una muestra como ésta. El ingeniero del proyecto
rechazaría la afirmación de la compañía distribuidora de aluminio respecto al grosor medio de las láminas.
En este caso, la diferencia entre la media de la muestra y la media hipotética de la población es
demasiado grande, y la probabilidad de que la población produzca una muestra aleatoria
semejante es demasiado baja. Por qué esta probabilidad de 4.5% es demasiado baja, o errónea, es
un juicio que deben hacer los tomadores de decisiones. Ciertas situaciones demandan que los
tomadores de decisiones estén muy seguros respecto a las características de los elementos que se
están probando, y en ese caso incluso 2% es demasiado alto para ser atribuible al azar. Otros con una
probabilidad del 4.5% de variación aleatoria. En cada situación, es necesario determinar los costos
resultantes de tomar una decisión incorrecta y el nivel preciso de riesgo que estamos dispuestos a
correr.
En nuestro ejemplo, rechazamos el argumento de la compañía de techos de
aluminio que dice que la media de la población es 0.04 pulg. Pero, supongamos
por un momento que la media de la población fuera realmente 0.04 pulg. Si nos
atuviéramos a nuestra regla de rechazo de dos o más errores estándar (la
probabilidad del 4.5% o menos en las colas de la figura), rechazaríamos un lote
de láminas de aluminio en perfectas condiciones 4.5% de las veces. En
consecuencia, nuestro estándar mínimo para una probabilidad aceptable,
4.5%, también es el riesgo que corremos de rechazar una hipótesis que es
cierta. En ésta o cualquier otra toma de decisiones, no puede haber
transacciones libres de riesgo.
EJERCICIO DE LOS PROMEDIOS
PONDERADOS
Una vez realizado el análisis estadístico
descriptivo la profesora desea saber el intervalo
en el que se puede estimar el promedio
poblacional y que nivel de confiabilidad tiene ese
intervalo
SOLUCIÓN
1. Calculamos el error estándar de la media
𝜎 0,30
𝜎𝑥ҧ = = = 0,055
𝑛 30
2. Como n ≥ 30 Calculamos la distribución Z
𝑥ҧ − 𝜇 3,54 − 3,48
𝑍= = = ±1,09
𝜎𝑥ҧ 0,055
Errores estándar de la población.
Los límites de confianza son:
𝑥ҧ ± 1,09𝜎ො𝑥ҧ → 3,54 ± 1,09 0,055
N=100 𝜎 = 0,30 𝜇 = 3,48 𝑥=3,54
ҧ 3,48 y 3,60
3. Buscamos en la tabla el valor de Z=±1,96 y
obtenemos un intervalo de confiabilidad (IC)
o zona de aceptación de:
CONCLUSIÓN
El intervalo del promedio académico de los estudiantes que matricularon la asignatura de
Probabilidad y Estadística en el II semestre de la UFPS está entre 3,48 y 3,60 con un
intervalo de confiabilidad (IC) o zona de aceptación utilizando la tabla Z a dos colas del 72%.
Sin embargo, es importante tener en cuenta que el intervalo inferior es equivalente al
promedio poblacional.
TALLER
1. a) ¿Por qué es necesario que manejemos la incertidumbre en nuestra toma de decisiones,
incluso cuando usamos técnicas estadísticas? b)Teóricamente, ¿cómo probaría la
hipótesis de que una moneda no está alterada? ¿O de que un dado no estácargado? c) ¿Es
posible que se acepte una hipótesis falsa? ¿Cómo explicaría esto?
2. ¿Cómo explicaría que se tuviera una gran diferencia entre un parámetro de población
hipotético y un estadístico si, en efecto, la hipótesis es cierta?
3. ¿Cuántos errores estándar alrededor del valor hipotético deben usarse para estar 99.44%
seguros de que se acepta una hipótesis cuando es cierta?
4. Un fabricante de automóviles asegura que un modelo específico rinde 28 millas por galón.
La Agencia de Protección Ambiental usó una muestra de 49 autos de este modelo y encontró
un media de la muestra de 26.8 millas por galón. De estudios anteriores se sabe que la
desviación estándar de la población es 5 millas por galón. ¿Es razonable esperar (dentro de 2
errores estándar) que se puede seleccionar esa muestra si en realidad la media verdadera de
la población es 28 millas por galón?
5. a) ¿Qué queremos decir cuando rechazamos una hipótesis con base en una muestra?
b) Explique por qué no se usa un solo nivel estándar de probabilidad para rechazar o
aceptar en la prueba de hipótesis.
7. Si rechazamos un valor hipotético porque difiere de un estadístico de la muestra en más de 1.75
errores estándar, ¿cuál es la probabilidad de que hayamos rechazado una hipótesis que de hecho es
cierta?
8. ¿Cuántos errores estándar alrededor del valor hipotético debemos usar para estar 98% seguros de que
aceptamos la hipótesis cuando es cierta?
9. El magnate deportivo está interesado en comprar un equipo de fútbol en Colombia, si puede estar
razonablemente seguro de que su manejo no será demasiado costoso. Piensa que la asistencia promedio
aproximada tendría que ser de 28,500 aficionados por juego para que la compra le resultara atractiva.
El magnate elige al azar 64 juegos en casa entre los realizados durante los cuatro años anteriores y
encuentra, de las cifras reportadas en el estadio de Barranquilla, que la asistencia promedio a estos
juegos fue de 26,100 aficionados. Un estudio que encargó anteriormente al comprar un equipo mostró
que la desviación estándar de la población de asistentes a eventos similares había sido bastante estable
durante los 10 años anteriores, en alrededor de 6,000 aficionados. Utilizando dos errores estándar como
el criterio de decisión, ¿debería magnate comprar el equipo de fútbol en la ciudad de Barranquilla?
¿Puede pensar en alguna(s) razón(es) por las que su conclusión tal vez no sea válida?
10. Una revista ha declarado que el propietario promedio de una computadora personal pasa 23.9 horas
a la semana usando su máquina, con una desviación estándar de 12.6 horas a la semana. Un muestreo
aleatorio de 81 suscriptores reveló una media muestral de 27.2 horas por semana. Con base en esta
muestra, ¿es razonable concluir (usando dos errores estándar como criterio de decisión) que los
suscriptores de la revista son distintos de los propietarios promedio de computadoras personales?
GRACIAS
