ADMINISTRACION FINANCIERA – VI SEMESRE

MODELO INFERNCIAL
ESTIMACION ESTADISTICA Y PRUEBA DE HIPOTESIS

PROGRAMA DE EDUCACION SUPERIR ABIERT Y A DISTANCIA

 TEORIA DE LA ESTIMACION
ESTADISTICA

Cuando en la distribución de la población se desconoce algún parámetro, este se puede estimar

mediante una muestra representativa.
BREVE RESUMEN.
Un estimador puede definirse como un valor que puede calcularse a partir de datos muéstrales que
Lo que
nos permiten saber más información sobre hemos estudiado
el parámetro hasta
desconocido.
ahora son herramientas para
desarrollar la estadística inferencial
que permite conocer características
Un estimador puede tener lasde la población
siguientes características:a partir de la
información contenida en una
 Debe ser insesgado: Si en promedio, tiende a tomar valores que están por encima del
muestra.
parámetro de la población con Sela vieron
misma frecuencia
las formas y la misma
en que extensión, con la que tiende a
pueden
asumir valores por debajo describirse
del parámetro un conjunto
de población de estimando.
que se está
datos. Los métodos gráficos,
 Debe ser eficiente: de varios estimadores sesgados, el más eficiente es el que tiene el error
básicamente la tabla de frecuencias
estándar más pequeño.relativas y el histograma, y las
 Debe ser consistente: medidas descriptivas
significa que a medida quenuméricas:
aumenta el tamaño de la muestra, la
media, varianza, desviación estándar.
estimación se aproxima
La al valor del parámetro.
estadística inferencial busca
 Debe ser suficiente:describir
significa quelaningún
población con puede
otro estimador estossuministrar más información
sobre el parámetro.
gráficos y medidas descriptivas
numéricas a partir de conocer como
son para la muestra.
Se estudió el concepto de
Para algunos casos o problemasprobabilidad
se presentan unos que tiposprovee
de estimadores;
de un puede ser una estimación
puntual, cuándo se obtiene un solométodo para
valor del medir Yque
parámetro, tan buena
estimación es
por intervalos, el cual está dado
la inferencia. Además permite razonar
por dos números entre los cuales se puede considerar que se encuentra el parámetro.
de la población a la muestra, pues si
se conoce la distribución de
probabilidad (teórica) de una variable
aleatoria es posible saber como va a
Este último es considerado más útil y con un mayor nivel de confianza, donde es
ser aproximadamente la distribución
de frecuencias
más probable de que el intervalo calculadorelativas
obtengasi se obtiene
al valor del parámetro.
una muestra de los valores de esta
Para ver los intervalos de confianza
variable, o la para media yde
probabilidad losobtener
intervalos de confianza para
proporciones, es importante un resultado
que elparticular.
estudiante Se seestudiaron
relacione con los siguientes
dos tipos de distribución de
términos: probabilidad, las discretas y las
continuas.
Nivel de Confianza: Probabilidad Por asociada
último con se unavieronestimación
las de intervalo de un
parámetro de población.distribuciones
Ésta indica quémuestrales
tan seguro se queestános de que la estimación de
dicen como se distribuyen los valores
intervalo incluirá al parámetro
de lasdeestadísticas
la población (que los niveles
son de las confianza que más se
medidas descriptivas numéricas
utilizan son 90%, 95% y obtenidas
99%. de una muestra) al tomar
diferentes muestras del mismo
tamaño. En este tema vimos parte de
la importancia que tiene la
distribución normal ya que muchas
estadísticas tienen distribución de
Intervalo de Confianza: Es el alcance, rango o recorrido de la estimación que se hace
y que tiene designada una probabilidad de que incluya el valor real del parámetro de la
población que se está estimando.
Límites de Confianza: Son el límite inferior y superior de un intervalo de confianza.
Coeficiente de Confianza: Es el nivel de confianza (en valores relativos) que tenemos
en que el intervalo contiene el valor desconocido del parámetro. Por ejemplo, para un
nivel de confianza del 90%, el coeficiente de confianza es 0,9.
Probabilidad de error (el valor α): Es la proporción de intervalos que no contienen el
valor desconocido del parámetro. Se calcula utilizando el coeficiente de confianza:
α = 1 – Coeficiente de Confianza
Es el procedimiento utilizado para conocer las características de un parámetro
poblacional, a partir del conocimiento de la muestra. Con una muestra aleatoria, de
tamaño n, podemos efectuar una estimación de un valor de un parámetro de la
población; pero también necesitamos precisar un:
Intervalo de confianza: Se llama así a un intervalo en el que sabemos que está un
parámetro, con un nivel de confianza específico.

ESTIMACION DE LA MEDIA DE UNA POBLACION

El intervalo de confianza, para la media de una población, con un nivel de confianza de
1 − α, siendo x la media de una muestra de tamaño n y σ la desviación típica de la
población, es:

El error máximo de estimación es:

Cuanto mayor sea el tamaño de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-α, mayor es el error.
Tamaño de la muestra;
Si aumentamos el nivel de confianza, aumenta el tamaño de la muestra.
Si disminuimos el error, tenemos que aumentar el tamaño de la muestra.

INTERVALOS DE CONFINANZA DE PROPORCIONES:

Si en una población, una determinada característica se presenta en una proporción p,
la proporción p’, de individuos con dicha característica en las muestras de tamaño n, se

distribuirán según:

Intervalo de confianza para una proporción;

El error máximo de estimación es:

TAMAÑO DE LA MUESTRA
Si es muy pequeña se puede fallar en la obtención de los objetivos de nuestro análisis;
pero si es demasiado grande desperdiciamos recursos cuando tomamos la muestra.
Siempre se tendrá algo de error de muestreo debido a que no hemos estudiado a la
población completa, cada vez que tomamos una muestra perdemos algo de
información útil con respecto a la población; pero ese error se puede controlar si se
selecciona una muestra cuyo tamaño sea adecuado.
Dado un nivel de confianza que se desea, hay dos factores principales que influyen en
el tamaño muestral necesario:
 La variabilidad de la población
 El grado de error que se puede tolerar.
Con un nivel de confianza del (1-a) 100% admitimos que la diferencia entre la
estimación para la media a partir de la muestra y su valor real es menor que E, que
llamaremos error máximo admisible.
El tamaño de la muestra depende del nivel de confianza que se desee para los
resultados y de la amplitud del intervalo de confianza, es decir del error máximo que se
esté dispuesto a admitir. Fijados estos, 1-a y E, podemos calcular el tamaño mínimo de

la muestra que emplearemos.

En el caso de estimar proporciones con lo que .

 ACTIVIDAD DE
APRENDIZAJE

1. Un centro de verificación vehicular efectúa una muestra aleatoria de 50

vehículos para estimar el tiempo promedio, que se requiere para efectuar la
prueba obteniendo una media de 7.2 minutos y una desviación estándar de 0.8
minutos. Determina losBREVE
intervalos de confianza de la media del 95% y del 99%,
RESUMEN.
así como los errores máximos de estos grados de confianza.
Lo que hemos
estudiado hasta ahora son
2. Se debe estimar las horas de un amplificador
herramientas de música puede ser usado antes
para desarrollar
de necesitar alguna la estadísticaSiinferencial
reparación. por estudiosque previos se sabe que la
permite conocer
desviación es de 500horas, ¿Que tan grande debe ser el tamaño de la muestra,
características de la
si necesitamos tener unpoblación
grado de confianza
a partir del de95%la y un error de 100horas?
información contenida en una
3. Una compañía de repartomuestra.
de paquetería, efectúa una muestra de tamaño n=60
del número de paquetes queSeentrega vieronpor lasdíaformas
una camioneta si se obtuvo una
en que pueden describirse un
media de 26.8 paquetes y una desviación
conjunto de datos. estándar
Los de 1.4 paquetes, construye
los intervalos de confianza
métodosdel 90% y del gráficos,
95%, para el promedio de paquetes
básicamente
que entrega una camioneta. la tabla de
frecuencias relativas y el
histograma, y las medidas
4. Una compañía de seguros efectúa una muestra
descriptivas numéricas:de tamaño n=80 reclamaciones
media, varianza, desviación
hospitalarias de 4.5 días y una desviación estándar de 0.81 días. Si la media es
estándar. La estadística
igual 4.5 días se emplea como la estimación del periodo de hospitalización de
inferencial busca describir la
sus asegurados cual es el errorcon
población máximo
estos de estimación si se desea tener un
gráficos
grado de confianza dely95%medidas
y cuál es el descriptivas
correspondiente intervalo de confianza.
numéricas a partir de conocer
como son para la muestra.
5. Cual es error máximo en la estimación,
Se estudió si el se desea tener un grado de confianza
concepto
de probabilidad que provee
del 99% y cuál es el correspondiente intervalo de confianza
de un método para medir que
tan buena es la inferencia.
6. Además
Una empresa publicitaria, deseapermite razonar
investigar de la promedio semanal que las
el tiempo
población a la muestra, pues
amas de casas de cierta región dedica a ver telenovelas. Si saben que es
si se conoce la distribución
razonable tomar desviación de 2.8 horas(teórica)
de probabilidad para estos
de estudios. Que grande debe
ser la muestra, si desean
una tener
variableun grado
aleatoriade confianza
es del 99% y un error
máximo de media hora. posible saber como va a ser
aproximadamente la
distribución de frecuencias
7. El diámetro promedio relativas
de una muestra
si se obtienealeatoriaunade 40 balines, fue de 0.998
pulgadas y su desviación estándar
muestra de los fue valores
de 0.002pulgadas.
de Cuál es el máximo
esta variable, o la
probabilidad de obtener un
resultado particular. Se
estudiaron dos tipos de
distribución de probabilidad,
las discretas y las continuas.
 error a estimar el diámetro promedio del lote de balines en 0.998 pulgadas, si
deseamos tener un grado de confianza del 95%.

8. Unos diseñadores industriales, desean determinar el tiempo promedio de un

adulto requiere para ensamblar un juguete “fácil de ensamblar” , para lo cual
obtuvieron una muestra n=36 una media igual a 19.9 y una desviación de 5.73.
Encuentre un intervalo de confianza del 95% para el tiempo promedio que un
adulto, requiere ensamblar dicho juguete.

9. Un profesor, quiere calcular el tamaño de la muestra del tiempo promedio que

los estudiantes necesitan para pasar de una clase a otra y quiere afirmar con
una probabilidad del 0.95 que su error a lo sumo de 0.25 minutos. Cuál es el
tamaño de la muestra que necesita, si se sabe que en estudios similares la
desviación fue de 1.50 minutos.

DESARROLLO

1. n= 50 vehículos n= 50 vehículos
X = 7.2 minutos X = 7.2 minutos
δ = 0.8 minutos δ = 0.8 minutos
Zc = 95% = 1.96 Zc = 99% = 2.575

−
X ± Zc. 𝛅𝒏
√
𝟎.𝟖
7.2-1.96X =7.2-0.221 = 6.974
√𝟓𝟎

7.2 + 0.221 =7.421

Error probable de 0.221 minutos en los intervalos de 6.979<µ <7.421

−
X ± Zc. 𝛅𝒏
√
−
7.2-2.575X 𝟎.𝟖 =7.2-0.2912 = 6.9088
√𝟓𝟎
 7.2 +0.2912 = 7.4912

Error probable de 0.2912 minutos en un intervalo de 6.908<µ< 7.4912

2. δ = 500horas
Zc = 95% = 1.96
E = 100horas

𝛅 𝐱𝐙𝐜
n= ˄2
𝐄

n=96

3. n=60
X = 26.8 paquetes
δ = 1.4 paquetes
Zc = 90% = 1.645
−
X ± Zc. 𝛅𝒏
√
−
26.8 ± 1.645x 𝟏.𝟒
√𝟔𝟎

26.8 -0.29731 = 26.50269

26.8 + 0.29731 = 27.09731

Error de la muestra es de 0.29731 en un intervalo de 26.5<µ<27.09

n=60
X = 26.8 paquetes
δ = 1.4 paquetes
Zc = 95% = 1.96
−
X ± Zc. 𝛅𝒏
√
−
26.8 ± 1.965x 𝟏.𝟒
√𝟔𝟎

26.8 -0.3542 = 26.445

 26.8 + 0.3542 = 27.154

Error de la muestra es de 0.3542 en un intervalo de 26.445<µ<27.154

4. n=80
X = 4.5 días
δ = 0.81 días
Zc = 95% = 1.96
−
X ± Zc. 𝛅𝒏
√
−
4.5 ±1.96 X𝟎.𝟖𝟏
√𝟖𝟎

4.5 – 0.1775 = 4.3225

4.5 + 0.1775 = 4.6775
Error de la muestra 0.1775 intervalos 43.225<µ<4.6775
5. n=80
X = 4.5 días
δ = 0.81 días
Zc = 99% = 2.575
−
X ± Zc. 𝛅𝒏
√
−
4.5 ±2.575 X𝟎.𝟖𝟏
√𝟖𝟎

4.5 – 0.23320 = 4.2668

4.5 + 0.23320 = 4.73320

Error muestra 0.23320 entre los intervalos 4.2668<µ<4.73320.

6. δ = 2.8 horas
Zc = 99% = 2.575
E = 0.5 horas

𝛅 𝐱𝐙𝐜
n= ˄2
𝐄
 n=208

7. n=40
X = 0.998
δ = 0.002
Zc = 95% = 1.96
−
X± Zc. 𝛅𝒏
√

0.998 -0.00061 = 0.99739

0.998 + 0.00061 = 0.998619

Error de la muestra 0.00061 en los intervalos 0.99739<µ<0.998619

8. n=36
X = 19.9
δ = 5.73
Zc = 95% = 1.96
−
X ± Zc. 𝛅𝒏
√

19.9 – 1.8718 = 18.028

19.9 + 1.8718 =21.7718

Error de la muestra 1.8718 entre los intervalos 18.028<µ<21.7718

9. δ = 1.50
Zc = 95% = 1.96
E = 0.25

𝛅 𝐱𝐙𝐜
n= ˄2
𝐄

n= 138.
 HIPOTESIS
ESTADISTICA

En nuestro día a día y cuando lo practicamos nos vemos con frecuencia obligados a tomar decisiones
con relación a una población teniendo como base una información proveniente de muestras
BREVE RESUMEN.
realizadas, estas son llamadas decisiones estadísticas, al intentar alcanzar una decisión es útil hacer
hipótesis sobre la población implicada, talesLo
hipótesisque
pueden ser o no ser ciertas.
hemos
estudiado
En muchos casos formulamos hipótesis hasta
para luego ahora porque
desecharlas son no nos sirven pero realmente
herramientas para desarrollar
se trata de buscar la mejor para llegar a tomar la mejor decisión.
la estadística inferencial que
permite conocer
características de la
población a partir de la
información contenida en una
Hipótesis estadísticas. Hipótesis nula
muestra.
Se vieron las formas
en que pueden describirse un
conjunto de datos. Los
métodos gráficos,
Para llegar a tomar decisiones, conviene
básicamentehacer determinados
la tabla de supuestos o conjeturas acerca de
las poblaciones que se estudian. frecuencias relativas
Tales supuestos que y el ser o no ciertos se llaman
pueden
histograma, y las medidas
hipótesis estadísticas y, en general, lo son sobre las distribuciones de probabilidad de las
descriptivas numéricas:
poblaciones.
media, varianza, desviación
estándar. La estadística
inferencial busca describir la
En muchos casos se formulanpoblación con
las hipótesis estos gráficos
estadísticas con el solo propósito de rechazarlas o
y
invalidarlas. Por ejemplo, si se quiere medidas descriptivas
decidir si una moneda está cargada, se formula la hipótesis de
que la moneda está bien, sdecir, numéricas a partir
𝑝 = 0.5; donde p esdelaconocer
probabilidad de cara. Análogamente, si se
como son
quiere decidir sobre si un procedimiento espara
mejorlaque
muestra.
otro, se formula la hipótesis de que no hay
diferencia entre los procedimientos (es Se estudió
decir, el concepto
cualquier diferencia observada se debe meramente a
fluctuaciones en el muestreo dedela probabilidad
misma población). queTales
provee
hipótesis se llaman también hipótesis
nulas y se denotan por Ho. de un método para medir que
tan buena es la inferencia.
Además permite razonar de la
Cualquier hipótesis que difiera de una hipótesis dada se llama hipótesis alternativa. Por ejemplo, si
población a la muestra, pues
una hipótesis es 𝑝 = 0.5, hipótesis alternativas son 𝑝 = 0.7; 𝑝 ? 0,5 o 𝑝 > 0,5. Una hipótesis
si se conoce la distribución
alternativa de la hipótesis nula se denota por 𝐻1 .
de probabilidad (teórica) de
una variable aleatoria es
posible saber como va a ser
aproximadamente la
distribución de frecuencias
relativas si se obtiene una
muestra de los valores de
esta variable, o la
probabilidad de obtener un
resultado particular. Se
estudiaron dos tipos de
distribución de probabilidad,
las discretas y las continuas.
Por último se vieron
 Ensayos de hipótesis y significación

Si en el supuesto de que una hipótesis determinada es cierta, se encuentra que los resultados
observados en una muestra al azar difieren marcadamente de aquellos que cabía esperar con la
hipótesis y con la variación propia del muestreo, se diría que las diferencias observadas
son significativas y se estaría en condiciones de rechazar la hipótesis (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 estaría inclinado a rechazar la hipótesis de que la moneda está bien, aunque sería
posible que fuese un rechazamiento erróneo.

Los procedimientos que facilitan el decidir si una hipótesis se acepta o se rechaza o el determinar si
las muestras observadas difieren significativamente de los resultados esperados se llaman ensayos
de hipótesis, ensayos de significación o reglas de decisión.

Tipos de Errores que se Cometen

ERRORES DE TIPO I Y TIPO II

Si se rechaza una hipótesis cuando debería ser aceptada, se dice que se comete un error del Tipo
I. Si, por el contrario, se acepta una hipótesis que debería 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 decisión
equivocada.

Para que cualquier ensayo de hipótesis o reglas de decisión sea bueno, debe diseñarse de forma que
minimice los errores de decisión. Esto no es tan sencillo como pueda parecer puesto que para un
tamaño de muestra dado, un intento de disminuir un tipo de error, va generalmente acompañado por
un incremento en el otro tipo de error. En la práctica, un tipo de error puede tener más importancia
que el otro, y así se tiende a conseguir poner una limitación al error de mayor importancia. La única
forma de reducir al tiempo ambos tipos de error es incrementar el tamaño de la muestra, lo cual
puede ser o no ser posible.
 NIVEL DE SIGNIFICACION

La probabilidad máxima con la que en el ensayo de una hipótesis se puede cometer un error del Tipo
I se llama nivel de significación del ensayo. Esta probabilidad se denota frecuentemente por a;
generalmente se fija antes de la extracción de las muestras, de modo que los resultados obtenidos no
influyen en la elección.

En la práctica se acostumbra a utilizar niveles de significación del 0.05 ó 0.01, aunque igualmente
pueden emplearse otros valores. Si, por ejemplo, se elige un nivel de significación del 0.05 ó 5 % al
diseñar un ensayo de hipótesis, entonces hay aproximadamente 5 ocasiones en 100 en que se
rechazaría la hipótesis cuando debería ser aceptada, es decir, se está con un 95 % de confianza de
que se toma la decisión adecuada. En tal caso se dice que la hipótesis ha sido rechazada al nivel de
significación del 0.05, lo que significa que se puede cometer error con una probabilidad de 0.05.
 PASOS DE LA PRUEBA DE HIPÓTESIS

1. Expresar la hipótesis nula

2. Expresar la hipótesis alternativa
3. Especificar el nivel de significancia
4. Determinar el tamaño de la muestra
5. Establecer los valores críticos que establecen las regiones de rechazo de las de no rechazo.
6. Determinar la prueba estadística.
7. Coleccionar los datos y calcular el valor de la muestra de la prueba estadística apropiada.
8. Determinar si la prueba estadística ha sido en la zona de rechazo a una de no rechazo.
9. Determinar la decisión estadística.
10. Expresar la decisión estadística en términos del problema.
 EJERCICIO DE MODELO INFERENCIAL

1. Establezca las hipótesis nulas (H0) y las hipótesis alternativa (H1) en cada uno
de los siguientes casos:

a) Hinv: μ>0 H0: Hinv= μ ≤ 0 H1: Hinv= μ > 0

b) Hinv: μ≠ 9.43 H0: Hinv= μ > 9.43 H1:Hinv= μ ≠ 9.43

c) Hinv: μ< -3.28 H0: Hinv= μ ≥ -3.28 H1: Hinv: μ < -3.28

d) Hinv: μ-10.11< 0 H0: Hinv= μ -10.11 > 0 H1: Hinv: μ -10.11< 0

e) Hinv: μ+ 4.01 > 0 H0:Hinv= μ + 4.01 ≥0 H1: Hinv: μ + 4.01 > 0

Si se está trabajando con una variable categórica y el parámetro de la población, que

nos interesa, es la proporción poblacional P, con la que ocurre cierta categoría, se
puede hacer una hipótesis de investigación sobre P. En seguida te damos una lista de
hipótesis de investigación Hinv. Establezca la hipótesis nula H0 y la hipótesis
alternativa H1 en cada uno de los casos.

a) Hinv: p ≠ .37 H0: Hinv=p > .37 H1: Hinv: p ≠ .37

b) Hinv: p < .5 H0:Hinv=p ≥ 5 H1: Hinv: p < .5

c) Hinv: p - .48 ≠ 0 H0: Hinv=p-.48> 0 H1: Hinv: p - .48 ≠ 0

d) Hinv: p - .93 > 0 H0:Hinv=p-.93 ≤ 0 H1: Hinv: p - .93 > 0

 ACTIVIDAD DE APRENDIZAJE:

La siguiente tabla es similar a la de la página anterior, en donde está expresada en

términos de H0. Ahora tú exprésala en términos de la hipótesis alternativa, H1.
SITUACION REAL (DESCONOCIDA)
SITUACION ESTADISTICA H1 ES VERDADERA H1 ES FALSA

Se rechaza Se comete el error tipo I No se comete error

H1
No se rechaza No se comete error Se comete error tipo II
H1

1. En el ejercicio se trabajó con s = 0.71, n = 30 y α = 0.05. Obtenga la conclusión

estadística si hubiera sido cada uno de los indicados en la columna de la
izquierda en la siguiente tabla:

Región de No rechazo Conclusión estadística

MEDIA Tc H0 ¿Se rechaza la H0 y se acepta
<-tc(n-1), t0(n-1)> H1?
7.00 3.858 <-2.045, 2.045> SI
17.14 74.382 <-2.045, 2.045> SI
7.35 1.157 <-2.045, 2.045> NO
7.50 0 <-2.045, 2.045> NO
7.65 1.157 <-2.045, 2.045> NO
7.86 2.777 <-2.045, 2.045> SI
8.00 3.858 >-2,045, 2.045> SI

¿Qué relación guarda la distancia entre (Media) y μu=7.5 con la distancia entre tc y
cero? ¿Qué relación guarda la distancia entre (Media) y μu con la conclusión
estadística?, analiza tus conclusiones.
La relación de estas que al realizar la ecuación, el resultado de estas nos indica un
parámetro de distancia donde podemos tomar la decisión de aceptar o rechazar la
hipótesis investigación. Con base a esa decisión se realiza la conclusión estadística.
La conclusión es el resultado de la media, desviación, amplitudes y el promedio u, con
la realización de esta ecuación tomamos la decisión de cual es aceptada o rechazada,
con lo podemos decir que 4 de los 7 variables rechazan la H0, lo que quiere decir que
la forma como se está realizando la toma de decisiones no es la adecuada.

2. En el ejercicio se trabajó con (Media = 7.86, n = 30 y α = 0.05. Obtenga la

conclusión estadística si s hubiera sido cada uno de los indicados en la columna
de la izquierda en la siguiente tabla:

Región de No rechazo Conclusión estadística

S tc H0 ¿Se rechaza la H0 y se
<-tc(n-1), t0(n-1)> acepta H1?
0.30 0.660 <-2.045, 2.045> NO
0.50 3.947 <-2.045, 2.045> SI
0,71 2.777 <-2.045, 2.045> SI
0.90 2.191 <-2.045, 2.045> SI
1.10 1.792 <-2.045, 2.045> NO
1.30 1.517 <-2.045, 2.045> NO
1.50 1.314 <-2.045, 2.045> NO

¿Qué relación hay entre la dispersión de los datos de la muestra (s) y el valor tc del
estadístico de prueba? ¿Qué relación hay entre la dispersión de los datos de la
muestra y la conclusión estadística?
La dispersión de datos es la ecuación que se realiza para saber qué tan grande o
pequeña es la distancia, para tomar la decisión de aceptar o rechazarla hipótesis
planteada, la dispersión es la información que se toma como base para tomar la
decisión sobre la hipótesis.
 3. En el ejercicio se trabajó con = 7.86, s = 0.71 y α = 0.05. Obtenga la conclusión
estadística si n hubiera sido cada uno de los indicados en la columna de la
izquierda en la siguiente tabla:

Región de No rechazo Conclusión estadística

N tc H0 ¿Se rechaza la H0 y se
<-tc(n-1), t0(n-1)> acepta H1
5 1.133 <-2.045, 2.045> NO
10 1.603 <-2.045, 2.045> NO
15 1.963 <-2.045, 2.045> NO
20 2.268 <-2.045, 2.045> SI
25 2.535 <-2.045, 2.045> SI
30 2.777 <-2.045, 2.045> SI
40 3.208 <-2.045, 2.045> SI

¿Qué relación hay entre n y el intervalo; n con tc; n y la conclusión estadística?, analiza
tus conclusiones.

La relación es que n es la muestra de la población, que hace parte de los datos de la

fórmula para calcular el tc que es el valor de la distribución.

4. En el ejercicio se trabajó con (media) = 7.86, s = 0.71 y n = 30. Obtenga la

conclusión estadística si n hubiera sido cada uno de los indicados en la columna
de la izquierda en la siguiente tabla:

Región de No rechazo Conclusión estadística

A tc H0 ¿Se rechaza la H0 y se
<-tc(n-1), t0(n-1)> acepta H1
 0.10 2.777 <-1.698, 1.698> SI
0.05 2.777 <-2.045, 2.045> SI
0.02 2.777 <-2.462, 2.462> SI
0.01 2.777 <-2.756, 2.756> SI
0.005 2.777 <-3.038, 3.038> NO
0.002 2.777 <-3.396, 3.396> NO
0.001 2.777 <-3.l659, 3.659> NO

¿Qué relación hay entre α y la amplitud de la región de no rechazo de H0? ¿Con

cuanta confianza podemos aceptar H1?, analiza tus conclusiones.
- Nos indica que tipo de cola dependiendo de eso i la información que el ejercicio
plante la amplitud no da un parámetro de la gráfica.

Conclusión. Como pueden observar en el ejercicio anterior con 7 variables

analizar, rechaza la H0 en cuatro ocasiones lo que indica que la distancia es
muy grande de parámetro planteado por amplitud y la confiabilidad.
 BIBLIOGRAFÍA

http://recursostic.educacion.es/descartes/web/materiales_didacticos/inferencia_estadisti
ca/estimac.htm
http://wwwyyy.files.wordpress.com/2013/04/teorc3ada-de-la-estimacic3b3n-
estadc3adstica.pdf.

http://miguelarino.com/2010/10/14/decisiones-estrategicas-y-decisiones-operativas/

http://concepto.de/hipotesis/

http://www.tecnicas-de-estudio.org/investigacion/investigacion32.htm

http://clubensayos.com/Ciencia/Estrategias-De-Prueba-De-Hipotesis/208111.html

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo9/B0C9m1t3.ht
m
http://www.monografias.com/trabajos72/teoria-decision-estadistica/teoria-decision-
estadistica.shtml