NOMBRE: JOEL ALBERTO REZA RAMIREZ 1752511

 
CARRERA: IMA
 
UNIDAD DE APRENDIZAJE: Estadística Inferencial
 
DOCENTE: Rigoberto Américo Garza López
 
GRUPO: 009 SALON: 1301 HORA: M1-M3
 
SEMESTRE: ENERO-JUNIO
 
FECHA DE ENTREGA: 4-Febrero-2020
ESTADSITICA INFERENCIAL
 TEMARIO

PRUEBAS PARAMETRICAS

●Prueba de hipótesis para una media muestra grande.

●Prueba de hipótesis para dos medias muestra grande.
●Prueba de hipótesis para una media muestra pequeña.
●Prueba de hipótesis para dos media muestra pequeña
considerando variancias iguales.
●Prueba de hipótesis para dos medias muestra pequeña,
considerando variancias diferentes.
●Prueba de hipótesis para dos medias, muestra pequeña, usando
el método de la ‘’W’’ .
●Prueba de hipótesis para una proporción.
●Prueba de hipótesis para dos proporciones.
●Prueba de hipótesis para la varianza.
●Prueba de hipótesis para la razón de las varianzas.
●Prueba de bondad y ajuste.
PRUEBAS NO PARAMETRICAS

● Prueba de signo para una media.

●Prueba de signo para dos medias.
●Prueba de rango con signo para una media.
●Prueba de rango con signo para dos medias.
●Prueba de suma de rangos.
 GLOSARIO
• •Probabilidad: es la mayor a menor probabilidad de que ocurra un determinado
suceso. En otras palabras, su noción viene de la necesidad de medir o
determinar cuantitativamente la certeza o duda de que un suceso dado ocurra o
no.

•Estadística: es la parte de las matemáticas que se ocupa principalmente de la

recolección, análisis e interpretación de datos que buscan explicar las
condiciones en aquellos fenómenos de tipo aleatorio.

•Estadística descriptiva: es la técnica que obtiene, organiza, presenta y

describe un conjunto de datos con el propósito de facilitar su uso generalmente
con el apoyo de tablas, medidas matemáticas o gráficas.

•Estadística inferencial: es una parte de la estadística que comprende los

métodos y procedimientos que por medio de la inducción determina
propiedades de una población estadística, a partir de una parte de esta.

•Prueba de hipótesis: es el proceso que se lleva a cabo para analizar si una

condición detectada en un determinado universo resulta compatible con lo que
• •Desviación estándar: es una medida de dispersión para variables de razón
(variables cuantitativas o cantidades racionales) y de intervalo. Se define como la
raíz cuadrada de la varianza de la variable.

•Varianza: es una medida de dispersión definida como la esperanza del cuadrado

de la desviación de dicha variable respecto a su medida.

• Las pruebas paramétricas están basadas en la ley de distribución de la variable

que se estudia. A pesar de que existen muchos tipos de leyes de distribución, éstas
se basan en las normales, que tiene dos parámetros: la media y la desviación
estándar. Lo suficiente para conocer la probabilidad.
 
• Una prueba no paramétrica es una prueba de hipótesis que no requiere que la
distribución de la población sea caracterizada por ciertos parámetros. Por ejemplo,
muchas pruebas de hipótesis parten del supuesto de que la población sigue una
distribución normal con los parámetros μ y σ.
 TABLA DE REGIONES CRITICAS
Planteamiento Grafica H1 H0 o Valor critico

H 0: µ = 0
H 1: µ > 0 Tabla 1-

H 0: µ = 0
H1: µ <0 Tabla

H 0: µ = 0
H 1: µ Tabla ó 1-
 Nomenclatura
•  = Media de la muestra
• = Media de la Población
• = Desviación estándar de la muestra
• n = Tamaño de la muestra
• a = Nivel de la Significancia
• n > = 30 muestra grande
• n < = 30 muestra pequeña
Prueba de hipótesis para una media
muestra grande.
Problema
Los estándares establecidos por dependencias del gobierno indican que los
estadounidenses no deben exceder una ingesta diaria de sodio con promedio de 3300
miligramos(mg). Para averiguar si los estadounidenses están excediendo este límite, se
seleccionó una muestra de cien de ellos y se encontró que la media y desviación estándar
de ingesta diaria de sodio era de 3400 mg y 1100 mg, respectivamente. Use α= 0.05 para
efectuar una prueba de hipótesis.
Datos: Fórmula: Sustitución: Tabla:
H0: µ = 3300 Tabla A.3 Áreas bajo la curva
H1: µ > 3300 normal.
µ = 3300
σ = 1100
n = 100 z α: 0.01
α = 0.05 0.9H0= 1.6450.8186
= 3400

Conclusión:
Se acepta H0.
No hay suficiente evidencia para indicar que el promedio de ingesta diaria de sodio exceda de 3300 mg.
 Bibliografía:
Probabilidad y estadística
Grafica William Mendenhall.

-∞ 0
0.91 1.645
∞
H1 H0
Conclusión:
Se acepta H0.
No hay suficiente evidencia para indicar que el promedio de ingesta diaria de sodio exceda de 3300 mg.
Prueba de hipótesis para dos medias
muestra grande.
Problema
Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos diferentes materiales laminados.
Se prueban 42 piezas del material 1 mediante la exposición de cada pieza a una máquina para medir el
desgaste. Cuarenta piezas del material 2 se prueban de manera similar. En cada caso, se mide la profundidad
del desgaste. Las muestras del material 1 dan un desgaste promedio (codificado) de 85 unidades con una
desviación estándar muestral de 4, mientras que las muestras del material 2 dan un promedio de 81 y una
desviación estándar muestral de 5. ¿Podemos concluir con un nivel de significancia del 0.05 que el desgate
abrasivo del material 1 excede el del material 2 en más de 2 unidades? Suponga que las poblaciones son
aproximadamente normales con varianzas iguales.

Datos: Fórmula: Sustitución: Tabla:

H0: µ1 - µ2 = 2 Tabla A.3 Áreas bajo la
H1: µ1 - µ2 > 2 curva normal.
α = 0.05
z > 1.725
1 = 85 σ1 = 4 n1 = 42
2 = 81 σ2 = 5 n2 = 40
H0= 1.64
 Bibliografía:
Grafica Probabilidad y estadística para
ingenieros.
Ronald E. Walpole.
Raymond H Myers.

-∞ 0 1.99 ∞
1.64
H0 H1
Conclusión:
Se rechaza H0.
Somos capaces de concluir que el desgaste abrasivo del material 1 excede el del material 2 en más de 2 unidades.
Prueba de hipótesis para una media muestra
pequeña
Problema
Un nuevo proceso para producir diamantes sintéticos puede ser operado a un nivel rentable sólo si el peso promedio de
éstos es mayor a 0.5 quilates. Para evaluar la rentabilidad del proceso, se generan seis diamantes que se registran pesos
de 0.46, 0.61, 0.52, 0.48, 0.57 y 0.54 quilates. ¿Estas seis mediciones presentan suficiente evidencia para indicar que el
peso promedio de los diamantes producidos por el proceso es más de 0.5 quilates ?
Datos: Fórmula: Sustitución:

H0: µ = 0.5
H1: µ > 0.5
µ = 0.5
n=6

Tabla:

Tabla D.6: Valores críticos de la

distribución t de student

ɤ α: 0.05
5 = 2.015
H 2.015
0
 Bibliografía:
Grafica Introducción a la probabilidad y
estadística.
William Mendenhall.

-∞ 0 1.32 2.015 ∞
H1 H0

Conclusión:
Se acepta H0.
Los datos no presentan suficiente evidencia para indicar que el peso medio de los diamantes
exceda de 0.5 quilates.
 Prueba de hipótesis para dos medias
muestra pequeña considerando varianzas iguales
Problema
Puede tomarse un curso con crédito ya sea asistiendo a sesiones de clases en horas y días
fijos, o haciendo sesiones en línea que el estudiante puede hacer a su propio paso y en los
tiempos que el estudiante escoja. El coordinador del curso desea determinar si estos dos días
de tomar el curso resultaron en una diferencia significativa en rendimiento medido por el
examen final con 45 puntos posibles par un grupo de n1 = 9 estudiantes que tomaron el curso
en línea y un segundo grupo de n2 = 9 estudiantes que tomaron el curso de clases
convencionales. ¿Estos datos presentan suficiente evidencia para indicar que las
calificaciones para estudiantes que tomaron el curso en línea son significativamente más altas
que las de quienes asistieron a una clase convencional?

Calificaciones de examen para presentaciones en línea y en

salón de clase

En línea 35 31 29 25 34 40 27 32 31

Salón de clase 32 37 35 28 41 44 35 31 34
Datos: Fórmula: Sustitución:
H0: µ1 = µ2 o H0: (µ1 - µ2) = 0
H1: µ1 > µ2 o H1: (µ1 - µ2) > 0
z > 1.725
n1 = 9
n2 = 9

Tabla:
Tabla D.6: Valores críticos de la
distribución t de student

ɤ α: 0.05
H0= 1.746
16 1.746
 Bibliografía:
Grafica Introducción a la probabilidad y estadística.
William Mendenhall.

1.6 1.74
-∞ 0 ∞
5H 6H
1 0
Conclusión:
Se acepta H0.
Hay insuficiente evidencia para indicar que las calificaciones del curso en línea sean más altas que las calificaciones del curso
convencional a nivel de significancia de 5%.
 Prueba de hipótesis para dos medias
muestra pequeña considerando varianzas
diferentes
Problema
En el HMI Ramos Larrea, se realizó un estudio para comparar la efectividad de dos tratamientos
diferentes para la diarrea aguda, se seleccionaron 15 niños de 1 a 2 años de edad con diarrea
aguda, fueron divididos en dos subgrupos, al subgrupo A se le dio como tratamiento SRO y al
subgrupo B se le dio como tratamiento SRO+Cocimiento de arroz. Después de tres días de
tratamiento, se registró la frecuencia de evacuaciones de los niños. Los resultados fueron los
siguientes:
Grupo A 3 4 3 4 4 4 5

Grupo B 4 1 2 3 1 3 2 3

¿Proporcionan los datos evidencias suficientes que indique que la efectividad de los dos
tratamientos no es la misma? Utilice un nivel de significación de 0.05
Datos: Fórmula: Sustitución:

Tabla:

Tabla D.6: Valores críticos de la

distribución t de student

ɤ α: 0.025
12 H0: 2.1792.179
 Bibliografía:
Estadística Murray R. Spiegel
Grafica

-∞ 3.24 2.179 0 2.179 3.24 ∞

H1 H0 H0 H1

Conclusión:
Se rechaza H0.
Si se proporcionan evidencias suficientes que indican que la efectividad de los dos tratamientos no es la misma.
 Prueba de hipótesis para dos medias
muestra pequeña usando el método de la w
Problema
En el HMI Ramos Larrea, se realizó un estudio para comparar la efectividad de dos tratamientos diferentes para
la diarrea aguda, se seleccionaron 15 niños de 1 a 2 años de edad con diarrea aguda, fueron divididos en dos
subgrupos, al subgrupo A se le dio como tratamiento SRO y al subgrupo B se le dio como tratamiento
SRO+Cocimiento de arroz. Después de tres días de tratamiento, se registró la frecuencia de evacuaciones de los
niños. Los resultados fueron los siguientes:

Grupo A 3 4 3 4 4 4 5

Grupo B 4 1 2 3 1 3 2 3

¿Proporcionan los datos evidencias suficientes que indique que la efectividad de los dos tratamientos no es la
misma? Utilice un nivel de significación de 0.05
Datos:
Fórmula: Sustitución:
 Bibliografía:
Grafica Estadística Murray R. Spiegel

-∞ 3.24 2.179 0 2.179 3.24 ∞

H1 H0 H0 H1

Tabla: Conclusión:
Tabla D.6: Valores críticos de la distribución t de student Se rechaza H0.
Si se proporcionan evidencias suficientes que
indican que la efectividad de los dos tratamientos
no es la misma.
ɤ α: 0.025 ɤ α: 0.025
7 2.366
2.366 2.447 6 2.447