Centro veracruzano

De educacin superior
Clave: 30psu2057v

TRABAJO:
PROYECTO FINAL
MATERIA:
ESTADSTICA II
DOCENTE:
I.S.C JOS ALBERTO MARTNEZ CHVEZ
ALUMNA:
ALEJANDRA MARTINEZ SANTIAGO
LICENCIATURA:
GRUPO;
PEDAGOGA
TANTOYUCA,

501
VER., A 09 DE NOVIEMBRE DE 2013

NDICE
UNIDAD 3: DISTRIBUCIN DE MUESTRO
3.1 Estimacin puntual 20
3.2 Distribucin muestral de la media

21

3.3 Intervalos de confianza para la media utilizando

distribucin normal

21

3.4 Distribucin t de student 22

3.5 Intervalos de confianza para la media utilizando t de
student

22

UNIDAD 4: PRUEBAS DE HIPTESIS

4.1 Conceptos bsicos del procedimiento de la prueba
de hiptesis

24

4.2 Pruebas de hiptesis26

4.3 Pruebas de hiptesis de las medias 29
4.4 Prueba de la diferencia entre dos medias utilizando
la distribucin normal

31

4.5 Prueba de la diferencia entre dos medias utilizando

la distribucin t de student

31

UNIDAD 3: DISTRIBUCIN DE MUESTREO

La Estadstica se encarga bsicamente del estudio de datos
obtenidos de manera aleatoria o al azar, los cuales son recopilados
de experimentos que fueron diseados cuidadosamente por los
investigadores. Estos datos forman las muestras obtenidas de un
conjunto de datos mayor conocida como poblacin.
Generalmente el trmino muestra se llega a confundir entre lo que
el investigador considera de ella comparada con el concepto que
maneja el resto de la gente, para poder interpretar esto
consideremos un ejemplo sencillo.
Cuando el investigador desea llevar a cabo un estudio de
comparacin digamos que del peso entre dos grupos de nios, a
los cuales se les muestrear tomando los valores del peso entre los
nios que fueron seleccionados para el experimento.
Ya realizada la toma de los datos de peso de los nios de los dos
grupos, la gente pensar que los nios considerados es la muestra,
mientras que el investigador realmente est considerando los
datos de los pesos obtenidos de los dos grupos de nios como la
muestra, ya que para los fines de su trabajo lo importante es los
pesos ms que los nios, y estos son los valores de trabajo que son
cuantitativos, ya sea discretos o continuos.
Otro de los conceptos que se manejan es cuando el investigador
trabaja con una poblacin, la cual puede ser finitamente contable o
infinitamente contable, (finita o infinita), estrictamente hablando
las poblaciones a trabajar son finitas, aunque cueste mucho

trabajo o sea casi imposible el poder cuantificarlas, por ejemplo los

granitos de arena de la playa o del mar, realmente es una cantidad
finita de granitos los que existen, lo difcil es poder cuantificarlas,
cuando se tienen este tipo de poblaciones por fines prcticos se
consideran como poblaciones infinitas.
Las tcnicas de la Estadstica Inferencial son las que se encargan
del estudio de las muestras aleatorias que fueron obtenidas de
poblaciones consideradas como infinitas, su media y varianza son:

La distribucin de ellas est regida por el Teorema del Lmite

Central:
Si X1, X2, , Xn forman una muestra aleatoria de una poblacin
infinita

cuya

media

es m y

la

varianza

es s2

entonces

la

distribucin lmite de la funcin es:

De una poblacin de tamao N, se pueden sacar N combinado n

muestras diferentes de tamao n. Con cada una de estas muestras
es posible obtener un estimador, ya sea la media, proporcin,
varianza, etc. La distribucin de estos estimadores se conoce como
distribucin en el muestreo.

El conocer la distribucin en el muestreo de algunos de estos

estimadores es til en el desarrollo terico de los temas
correspondientes

estimacin

por

intervalo

pruebas

de

hiptesis.

3.1 Estimacion puntual

Una estimacin es puntual cuando se usa un solo valor extrado de
la muestra para estimar el parmetro desconocido de la poblacin.
Al valor usado se le llama estimador.
La media de la poblacin se puede estimar puntualmente
mediante la media de la muestra:
La proporcin de la poblacin se puede estimar puntualmente
mediante la proporcin de la muestra:
La

desviacin

tpica

de

la

poblacin

se

puede

estimar

puntualmente mediante la desviacin tpica de la muestra, aunque

hay mejores estimadores:
Es una distribucin

de

desestimar la media de

probabilidad que

surge

del

problema

una poblacin normalmente

distribuida cuando el tamao de la muestra es pequeo. sta es la

base de la popular prueba t de Student para la determinacin de

las diferencias entre dos medias muestrales y para la construccin

del intervalo de confianza para la diferencia entre las medias de
dos poblaciones.
La distribucin t es ms ancha y ms plana en el centro que la
distribucin normal estndar como resultado de ello se tiene una
mayor variabilidad en las medias de muestra calculadas a partir de
muestras ms pequeas. Sin embargo, a medida que aumenta el
tamao

de

la

muestra,

la

distribucin t se

aproxima

la

distribucin normal estndar.

Condiciones:
Se utiliza en muestras de 30 o menos elementos.
La desviacin estndar de la poblacin no se conoce
Diferencias:
La distribucin t student es menor en la media y ms alta en
los extremos que una distribucin normal.
Tiene proporcionalmente mayor parte de su rea en los
extremos que la distribucin normal.
Uso de la tabla de distribucin t:
La tabla de distribucin t es ms compacta que z y muestra las
reas

valores

de

para

unos

cuantos

porcentajes

exclusivamente (10%,5%,2% y 1%)

Una segunda diferencia de la tabla es que no se centra en la
probabilidad de que el parmetro de la poblacin que esta
siendo estimado caiga dentro del intervalo de confianza. Por

el contrario, mide la probabilidad de que ese parmetro no

caiga dentro del intervalo de confianza
Una tercera diferencia en el empleo de la tabla consiste en que
hemos de especificar los grados de libertad con que estamos
trabajando.

3.2 DISTRIBUCION MUESTRAL DE LA MEDIA

3.3 INTERVALOS DE CONFIANZA PARA LA MEDIA
UTILIZANDO LA DISTRIBUCION NORMAL
Dada una variable aleatoria con distribucin normal N(, ), el
objetivo es la construccin de un intervalo de confianza para el
parmetro , basado en una muestra de tamao n de la variable.
Desde el punto de vista didctico hemos de considerar dos
posibilidades sobre la desviacin tpica de la variable: que sea
conocida o que sea desconocida y tengamos que estimarla a partir
de la muestra. El caso de conocida, ya comentado
anteriormente, no pasa de ser un caso acadmico con poca
aplicacin en la prctica, sin embargo es til desde el punto de
vista didctico.
Caso de varianza conocida
Dada una muestra X1,..., Xn, el estadstico

Se distribuye segn una Normal estndar. Por tanto, aplicando el

mtodo del pivote podemos construir la expresin

Donde z/2 es el valor de una distribucin Normal estndar que deja

a su derecha una probabilidad de /2, de la que se deduce el
intervalo de confianza

Caso de varianza desconocida

Dada una muestra X1,..., Xn, el estadstico

Se distribuye segn una t de student de n 1 grados de libertad.

Por tanto, y siguiendo pasos similares a los del apartado anterior,
el intervalo de confianza resultante es

Donde t/2 es el valor de una distribucin t de Student con n 1

grados de libertad que deja a su derecha una probabilidad de/2.

3.4 DISTRIBUCIN T DE STUDENT

Las distribuciones t de Student fueron descubiertas por William S.
Gosset (1876-1937) en 1908 cuando trabajaba para la compaa
de cervezas Guinness en Dubln (Irlanda). No pudo publicar sus
descubrimientos usando su propio nombre porque Guinness haba
prohibido a sus empleados que publicaran informacin

confidencial. Gosset firm sus publicaciones usando el nombre de

"Student". Gosset tena buena relacin con Karl Pearson que haba
sido su maestro. Necesitaba una distribucin que pudiera usar
cuando el tamao de la muestra fuera pequeo y la varianza
desconocida y tena que ser estimada a partir de los datos. Las
distribuciones t se usan para tener en cuenta la incertidumbre
aadida que resulta por esta estimacin. Fisher comprendi la
importancia de los trabajos de Gosset para muestras pequeas.
Si el tamao de la muestra es n entonces decimos que la
distribucin t tiene n-1 grados de libertad. Hay una distribucin t
diferente para cada tamao de la muestra. Estas distribuciones son
una familia de distribuciones de probabilidad continuas. Las curvas
de densidad son simtricas y con forma de campana como
la distribucin normal estndar. Sus medias son 0 y sus
varianzas son mayores que 1 (tienen colas ms pesadas). Las colas
de las distribuciones t disminuyen ms lentamente que las colas
de la distribucin normal. Si los grados de libertad son mayores
ms prxima a 1 es la varianza y la funcin de densidad es ms
parecida a la densidad normal.
La Distribucin de Student, se utiliza cuando el tamao de muestra
es pequeo. Se entiende tamao muestral pequeo cuando es
menor
a
30.
Algunas propiedades de la distribucin son:
1.- Es una distribucin continua
2.-Tiene forma de campana y es simtrica.
3.-Hay una familia de distribuciones "T".
4.-Todas tienen media igual a cero.
5.-Sus desviaciones estndares difieren de acuerdo con el tamao
de muestra "n".

6.-La forma de la distribucin "T" es ms extendida que la forma de

la distribucin Normal "Z".
7.-A medida que aumenta "n" (el tamao de muestra) la
distribucin "T" se parece ms a la distribucin "Z".
8.-La distribucin "T" tiene grados de libertad, que son "n-1".

3.5 INTERVALOS DE CONFIANZA UTILIZANDO LA

DISTRIBUCION T DE STUDENT

UNIDAD 4: PRUEBAS DE HIPOTESIS

Dentro del proceso de inferencia, adems de la estimacin puntual
y la por intervalo, en muchas ocasiones es necesario hacer
pruebas de hiptesis, las cuales se hacen con base en la
informacin muestral.
En este captulo se ver la prueba de hiptesis para la media, la
proporcin, la varianza, la diferencia de medias, la diferencia de
proporciones, el cociente de varianzas, la prueba de independencia
y la prueba de bondad de ajuste.
Una hiptesis estadstica es un supuesto acerca del valor de un
parmetro de una poblacin determinada. Este supuesto debe
comprobarse con la informacin suministrada por una muestra
aleatoria obtenida de dicha poblacin.
Cuando se realiza una prueba de hiptesis, se plantean dos
hiptesis que deben ser mutuamente excluyentes; una es la
hiptesis nula que se nota como H 0 y la otra es la hiptesis
alternativa que se nota como H1.
Se debe establecer un criterio o regla de decisin segn la cual no
se rechace la hiptesis nula o se rechace. Si se rechaza la hiptesis
nula (H0) se acepta hiptesis alternativa (H 1). Para establecer esta
regla de decisin la distribucin de probabilidad se divide en dos
categoras mutuamente excluyentes: la que lleva al rechazo de H 0,
es decir est en la zona de rechazo y la que lleva al no rechazo de
H0, es decir, est en la zona de no rechazo.

Debido a que se est trabajando con una muestra aleatoria,

cuando se realiza una prueba de hiptesis se pueden cometer dos
tipos de errores. La hiptesis nula (H 0) es en realidad verdadera,
pero debido a que los datos muestrales parecen ser inconsistentes
con ella, se la rechaza (ERROR TIPO I) y la probabilidad de cometer
un error tipo I se llama nivel de significancia (

). Puesto que

cuando se comete un error tipo I, seguiramos una accin errnea,

se puede definir el nivel de significancia como la probabilidad de
decidirnos por H1 dado que H0 es verdadera.
Por otro lado, podemos no rechazar H 0 siendo en realidad falsa, a
este error se le llama ERROR TIPO II.

4.1 CONCEPTOS BASICOS DE LA PRUEBA DE HIPOTESIS

La Prueba de Hiptesis es un procedimiento basado en evidencia
muestral y en la teora de la probabilidad para la aceptacin o
rechazo

de

hiptesis

de

investigacin.

Se dice que est basado en evidencia muestral porque a partir de

una muestra se obtienen la media y la desviacin estndar
requerida

para

hacer

los

clculos.

Se dice que est basado en la teora de la probabilidad porque

durante el procedimiento se requiere hacer uso de la "Distribucin
Normal" o de la "Distribucin t de Student".
Existen diferentes mtodos o procedimientos para realizar una
Prueba de Hiptesis, dependiendo del tipo de problema y de la
informacin

con

que

se

cuenta.

Sin

embargo,

procedimientos incluyen los siguientes 5 pasos:

todos

los

Paso

1:

Plantear

Hiptesis

Nula

Hiptesis

Alternativa.

La Hiptesis Nula se denota normalmente como Ho y la Hiptesis

Alternativa como Hi.
La Hiptesis alternativa siempre plantea

lo que queremos

demostrar y la Hiptesis Nula se encarga de negarlo.

Por ejemplo:
Si queremos demostrar que las personas prefieren carros de color
rojo, las hiptesis se plantearan de la siguiente forma:
Hiptesis Alternativa: Hi: Las personas prefieren carros de color
rojo.
Hiptesis Nula: Ho: Las personas no prefieren carros de color rojo.
Paso 2:
Determinar

Nivel

de

Significancia.

El nivel de significancia indica la probabilidad de rechazar la

hiptesis nula cuando es verdadera y se denota con la letra griega:

En otras palabras el nivel de significancia nos proporciona el rango

que nos permite aceptar la Hiptesis Alternativa.
El nivel de significancia generalmente se considera de 0,05 para
proyectos de investigacin, 0.01 para aseguramiento de calidad y
0.10 para encuestas de mercadotecnia y polticas.
Paso 3:
Evidencia Muestral. Se refiere al clculo de la media y la desviacin
estndar a partir de la muestra.

Paso 4:
Aplicacin

de

la

Distribucin

de

Probabilidad

apropiada.

Las dos Distribuciones de Probabilidad que se usan dependiendo

de los datos son: Distribucin Normal y Distribucin "t" de Student.
Paso 5:
Reporte de resultados. En base a la evidencia disponible se acepta
o se rechaza la hiptesis alternativa.

4.3 PRUEBAS DE HIPOTESIS DE LAS MEDIAS

4.4 PRUEBA DE LA DIFERENCIA ENTRE DOS MEDIAS

UTILIZANDO LA DISTRIBUCIN NORMAL
La Prueba de Hiptesis para medias usando Distribucin Normal se
usa cuando se cumplen las siguientes dos condiciones:
* Es posible calcular las media y la desviacin estndar a partir de
la

muestra.

* El tamao de la muestra es mayor o igual a 30.

El procedimiento obedece a los 5 pasos esenciales
Paso 1:
Plantear
La

Hiptesis

Hiptesis

Nula

alternativa

(Ho)

plantea

Hiptesis

Alternativa

matemticamente

queremos
La Hiptesis nula plantea exactamente lo contrario.
Paso 2:

lo

(Hi).
que

demostrar.

Determinar Nivel de Significancia.

(Rango de aceptacin de

hiptesis alternativa)

- 0.05 para proyectos de investigacin

- 0.01 para aseguramiento de calidad
- 0.10 para encuestas de mercadotecnia y polticas.
Paso 3:
Evidencia Muestral. Se calcula la media y la desviacin estndar a
partir de la muestra.

Paso 4:
Se aplica la Distribucin Normal para calcular la probabilidad de
error (P) por medio de la frmula:

Donde:

Paso 5:
En base a la evidencia disponible se acepta o se rechaza

la

hiptesis alternativa.
Si la probabilidad de error (P) es mayor que el nivel de
significancia: SE RECHAZA HIPTESIS ALTERNATIVA
Si la probabilidad de error (P) es menor que el nivel de significancia
: SE ACEPTA HIPTESIS ALTERNATIVA

4,4 PRUEBA DE LA DIFERENCIA ENTRE DOS MEDIAS

UTILIZANDO LA DISTRIBUCIN T D STUDENT
La Prueba de Hiptesis para medias usando Distribucin t de
Student se usa cuando se cumplen las siguientes dos condiciones:
* Es posible calcular las media y la desviacin estndar a partir de
la muestra.
*
El

El
tamao
de
la
muestra
procedimiento
obedece a los

Paso 1:

es
menor
a
30.
5 pasos esenciales:

Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).

La Hiptesis alternativa plantea matemticamente lo que
queremos
demostrar.
La
Hiptesis
nula
plantea
exactamente
lo
contrario.
Paso 2:
Determinar Nivel de Significancia.
hiptesis

(Rango de aceptacin de
alternativa)

Se considera:
0.05
para
proyectos
- 0.01 para aseguramiento de calidad
-

0.10

para

encuestas

de

de

mercadotecnia

investigacin
y

polticas.

Paso 3:
Evidencia Muestral. Se calcula la media y la desviacin estndar a
partir
de
la
muestra.
Paso 4:
Se aplica la Distribucin t de Student para calcular la probabilidad
de error (P) por medio de la frmula:

Paso 5:
En base a la evidencia disponible se acepta o se rechaza la
hiptesis
alternativa.
Si la probabilidad de error (P) es mayor que el nivel de
significancia: SE RECHAZA HIPTESIS ALTERNATIVA
Si la probabilidad de error (P) es menor que el nivel de significancia
: SE ACEPTA HIPTESIS ALTERNATIVA

http://matepedia-estadistica.blogspot.mx/p/prueba-de-hipotesis-para-medias-una-cola.html