ESTADSTICA INFERENCIAL

Dr. JOSE LIMA HERCILLA

ESTADSTICA INFERENCIAL
La estadstica Inferencial, es el proceso por el cual se
deducen (infieren) propiedades o caractersticas de una
poblacin a partir de una muestra significativa.
Poblacin
de

Muestra

Definicin

Coleccin
considerados

Caractersticas

Parmetros

Estadsticos

Smbolos

Tamao de la poblacin = N

X
Tamao
de la muestra =
n

Media de la poblacin =

elementos Parte o porcin de la

poblacin seleccionada
para su estudio

Media de la muestra =

Desviacin estndar de la poblacin Desviacin estndar de la

muestra = s
=

MTODO DE MUESTREO
Mtodos no probabilsticos.- Interviene la opinin del investigador para
obtener cada elemento de la muestra.
Mtodos probabilsticos.- Muestra que se selecciona de modo que cada
integrante de la poblacin en estudio tenga una probabilidad conocida( pero
distinta de cero) de ser incluido en la muestra.

MUESTREO ALEATORIO SIMPLE

MUESTREO ALEATORIO SISTEMTICO
MUESTREO ALEATORIO ESTRATIFICADO
MUESTREO ALEATORIO POR CONGLOMERADO

MUESTREO ALEATORIO SIMPLE

Muestra seleccionada de manera que cada integrante de la poblacin
tenga la misma probabilidad de quedar incluido.
Ejemplo: un bingo, introduzco los nmeros en una nfora y
selecciono una muestra al azar

MUESTREO ALEATORIO SISTEMTICO

Los integrantes o elementos de la poblacin se ordenan en alguna forma
(Ejemplo: alfabticamente) se selecciona al azar un punto de partida y
despus se elige para la muestra cada k-simo elemento de la poblacin.
Ejemplo: se desea establecer una muestra 100 empleados de los 3000
que tiene una empresa, para lo cual ordeno alfabticamente a los
empleados, divido 3000/100 = 30 y selecciona a uno de cada treinta
empleados

MUESTREO ALEATORIO ESTRATIFICADO

Una poblacin se divide en subgrupos denominados estratos y se
selecciona una muestra de cada uno
ESTRATO

EDADES

1
2
3
4
5

MENOS DE 25 AOS
26-30AOS
31-35 AOS
36-40AOS
MS DE 41AOS

TOTAL

N DE
EMPLEADOS

% DEL TOTAL

CANTIDAD
MUESTREADA

8
35
189
115
5

2
10
54
33
1

1
5
27
16
1

352

100

50

MUESTREO ALEATORIO POR CONGLOMERADO

Se divide a la poblacin en estratos (subunidades) se selecciona con
que subunidades se va a trabajar y de las unidades seleccionadas, se
toma una muestra aleatoriamente
EJEMPLO IPC
Guayaquil, Machala, Portoviejo, Quito, Ambato, Cuenca y, Manta, Esmeraldas
y Quevedo, Riobamba, Loja y Latacunga.
Con estas ciudades se cubre el 67% de la poblacin urbana del pas,

CONCEPTOS INICIALES
Estimacin Puntual.- Estadstico calculado a partir de la
informacin obtenida de la muestra y que se usa para
estimar el parmetro poblacional
Intervalo de confianza.- es un conjunto de valores
obtenido a partir de los datos muestrales en el que hay
una determinada probabilidad de que se encuentre el
parmetro, a esta probabilidad se le conoce como el nivel
de significancia
Error de muestreo.- Diferencia entre un valor estadstico
de muestra y su parmetro de poblacin correspondiente.

INTERVALOS DE CONFIANZA

1,96

s
n

X1
X2

X4

X3

X5

s
n

INTERVALOS DE CONFIANZA
INTERVALO DE CONFIANZA PARA MUESTRAS MAYORES A
30 ELEMENTOS

X z

s
n

INTERVALO DE CONFIANZA PARA MUESTRAS MENORES A 30

ELEMENTOS

X t

s
n

DESVIACIN ESTNDAR

(X )
N

( X ) 2

n 1

PROPORCIONES
PROPORCIN.- Fraccin, razn o porcentaje que indica la parte de la
muestra o poblacin que tiene una caracterstica determinada

PROPORCIN MUESTRAL:

x
p
n

INTERVALOS DE CONFIANZA PARA UNA

PROPORCIN POBLACIONAL

p z p

ERROR ESTNDAR DE LA PROPORCIN MUESTRAL

p (1 p )
n

EJERCICIO
Suponga que se toma una muestra de 30 empleados de los cuales reciben e
n promedio 349$ y una desviacin estndar de 110$. Cul es el interval
o de confianza?

X z

s
n

110
349 1,96
30

349 39
310 389

Suponga que se toma una muestra de 20 empleados de los cuales reciben e

n promedio 346$ y una desviacin estndar de 126$. Cul es el interval
o de confianza?

X t

s
n

126
346 2,093
20

346 59
287 405

EJERCICIO - PROPORCIONES
En una muestra aleatoria de 2000 miembros de sindicato, se tiene que 1600
estn a favor de fusionarse con otra empresa Cul es el valor estimado de
la proporcin poblacional?Cul es el intervalo de confianza al 95% de
confianza?

x
p
n
1600
p
0,80
2000

pz

p (1 p )
n

0,80 1,96

0,80(1 0,80)
0,80 0,018
2000

PRUEBAS DE HIPTESIS PARA UNA MUESTRA

HIPTESIS.- Es una afirmacin sobre una
poblacin, que puede someterse a pruebas al
extraer una muestra aleatoria.
PRUEBA DE HIPTESIS.- Formular una teora y luego
contrastarla

PASOS PARA PROBAR UNA HIPTESIS

1. PRUEBA DE HIPTESIS
2. SELECCIONAR EL NIVEL DE SIGNIFICANCIA
3. CALCULAR EL VALOR ESTADSTICO DE PRUEBA
4. FORMULAR LA REGLA DE DECISIN
5. DECIDIR

PASO1 PLANTEAR H0 Y H1

H 0 : 0
H 0: 0

H 1 : 0
H 1 : 0

Hiptesis nula: Afirmacin acerca del valor de un

parmetro poblacional

Hiptesis Alternativa: Afirmacin que se

aceptar si los datos muestrales aseguran que
es falsa H 0

Paso 2. Seleccionar el nivel de significancia

Generalmente son del 5% o 1% (Error de tipo I y Error de tipo II)
ERROR DE TIPO I.- Rechazar la hiptesis nula, H0 cuando es verdadera
ERROR DE TIPO II.- Aceptar la hiptesis nula, H0 cuando es Falsa

Paso 3. Calcular el valor estadstico de prueba.

Estadsticos de pruebas como: Z, t de Student, F y Ji
cuadrado
z

Para muestras grandes

n
t

Para muestras pequeas

P
(1 )
n

Para
proporciones

Paso 4: Formular la regla de decisin

Son las condiciones segn las que se acepta o rechaza la hiptesis nula

Paso 5: Tomar una decisin

El valor observado de la estadstica muestral se compara con el valor de
estadstica de prueba

EJEMPLO: PRUEBA DE HIPTESIS

La produccin diaria en una planta industrial registrada
durante n =30 das tiene una media Muestral de 990
toneladas y una desviacin estndar de 20 toneladas,
pruebe la hiptesis de que el promedio de la
produccin diaria difiere de 1000 toneladas por da.

PASO 1: ESTABLECER HIPTESIS

H 0 : 1000toneladas
H 1 : 1000toneladas

PASO 2: Nivel de significancia (0.05%)

PASO 3: Valor estadstico de prueba
x 990toneladas

0 1000toneladas
20toneladas

n 30das
z

990 1000
2,7
20
30

DOS COLAS (0.05%)

UNA COLA

0.05/2=0.025

0.5-0.05=0.45

0.50-0.025 =0.475

-0.50

0.50

PASO 4: FORMULAR LA REGLA DE DECISIN

Para un nivel de significancia de 0.05, la regin de rechazo
es z >1.96 o z< -1.96

PASO 5: TOMAR UNA DECISIN

-2,7

Se rechaza H0

no es igual a 1000 toneladas

EJEMPLO: PRUEBA DE HIPTESIS

El gerente de ventas de una empresa editora de libros, afirma
que cada uno de sus representantes realiza 40 visitas por
semana a profesores. Varios vendedores dicen que esa
estimacin es muy baja. Para investigar lo anterior, una
muestra aleatoria de 28 representantes de ventas revel que el
nmero medio de visitas realizadas la semana pasada fue de
42. Se calcul que la desviacin estndar de la muestra fue de
2.1 visitas. Al nivel de significancia de 0.05, se puede concluir
que el nmero medio de visitas realizadas por vendedor y por
semana es mayor que 40?

PASO 1: ESTABLECER HIPTESIS

H 0 : 40
H1 : 40

PASO 2: NIVEL DE SIGNIFICANCIA (0.05)

PASO 3:ESTADSTICO DE PRUEBA

En este caso es T de student

40visitas
x 42visitas
s 2.1visitas

n 28

X
t
s
n

PASO 4: REGLA DE DECISIN

Rechazo H0 SI t calculado es mayor a 1.703

PASO 5: TOMAR DECISIN

T calculado = 5.04 cae en la regin de rechazo. Por lo tanto

rechazamos H0. El nmero medio de visitas realizadas por
vendedor y por semana es mayor que 40

Practica de Prueba
de Hipotesis
Dr. Jos Lima Hercilla

CONCEPTOS BSICOS
La prueba de hiptesis comienza con una suposicin,
denominada hiptesis, que hacemos entorno a un
parmetro de la poblacin. Reunimos datos
mustrales, producimos estadsticos de la muestra
y con esta informacin decidimos la probabilidad
de que el parmetro supuesto de la poblacin sea
correcto. Por ejemplo, suponemos cierto valor de
una media de la poblacin. Para verificar la validez
de la suposicin, obtenemos los datos mustrales
y determinamos la diferencia entre el valor
supuesto y el valor real de la media muestral. A
continuacin juzgamos si la diferencia es
significativa. Cuanto menos sea la diferencia,
mayores probabilidades habr de que sea correcto
el valor supuesto de la media. Y a una diferencia
ms amplia corresponder una probabilidad
menor.
No podemos aceptar ni rechazar una hiptesis
referente a un parmetro de la poblacin por mera
intuicin. Por el contrario, necesitamos aprender a
decidir con objetividad, basndonos en la
informacin de la muestra, si aceptamos o
rechazamos un presentimiento.

a) Hiptesis
Se debe formular el supuesto valor del parmetro de la poblacin
antes de empezar el muestreo. La suposicin que se desea probar,
se denomina hiptesis nula y se representa por H0. Si se rechaza la
hiptesis nula, la conclusin que debemos aceptar se llama
hiptesis alternativa y se simboliza por H1.
Supongamos que se quiere probar la hiptesis de que el promedio de
calificacin de los alumnos de cierta Universidad es de 8.5,
entonces:
H0 : = 8.5 Establece que la media de la poblacin es igual a 8.5

La hiptesis alternativa se puede interpretar de tres maneras:

H1 : 8.5 Establece que la media de la poblacin no es igual a 8.5.
H1 : 8.5 Establece que la media de la poblacin es mayor que 8.5.
H1 : 8.5 Establece que la media de la poblacin es menor que 8.5.

La prueba de hiptesis tiene como finalidad emitir un juicio sobre la

diferencia que existe entre el valor calculado del estadstico
muestral y el parmetro supuesto de la poblacin. No consiste en
poner en duda el valor calculado del estadstico muestral.
Despus de formular las hiptesis nula y alternativa, se debe decidir el
criterio que se va a aplicar para aceptar o rechazar la primera.

b) Nivel de significancia
Supongamos que la media de
calificaciones del ejemplo anterior
de 8.5, se expresa con un nivel de
confianza del 95%, entonces el
nivel de significancia ser de 0.05,
es decir:
= 1 0.95
Entonces: = 0.05 Que representa
el nivel de significancia.
Se puede comprender mejor
observando la grfica siguiente:

El nivel de significancia est repartido en

las zonas de rechazo, 0.025 + 0.025 =
0.05, significa que existe una diferencia
significativa entre el estadstico de la
muestra y el supuesto parmetro de la
poblacin, es decir, que si esto se
demuestra, se rechaza la hiptesis nula
H0 de que el promedio de la poblacin
sea de 8.5 y se acepta la hiptesis
alternativa H1.
Entonces se concluira que el promedio de
las calificaciones de la poblacin, no es
de 8.5, puede ser diferente, mayor o
menor de 8.5.
El nivel de significancia representa la zona
de rechazo de la hiptesis nula y el nivel
de confianza de la zona de aceptacin.

c) Seleccin de un nivel de significancia

No hay un nivel de significancia que

sea oficial o universal con el cual
probar las hiptesis. Pero la
eleccin del criterio mnimo de
una probabilidad aceptable, o
nivel de significancia, es asimismo
el riesgo que se corre de rechazar
una hiptesis nula aunque sea
verdadera. Cuando ms alto sea
el nivel de significancia que
utilizamos al probar una hiptesis,
mayores probabilidades habr de
rechazar una hiptesis nula que
sea verdadera.

d) Errores de tipo I y II
Si se rechaza una hiptesis nula que sea verdadera
es un error de tipo I, y su probabilidad se
representa con . Si se acepta una hiptesis nula
que sea falsa se llama error de tipo II, y su
probabilidad se representa con . La probabilidad
de cometer uno de estos errores se reduce si se
aumenta la probabilidad de incurrir en otro tipo de
error. A fin de conseguir una baja, habremos de
conformarnos con una alta. Para sortear esto en
situaciones personales y profesionales, los
encargados de tomar decisiones eligen el nivel
apropiado de significancia examinando los costos
o castigos que conllevan a ambos tipos de error.
Por ejemplo: supngase que el cometer un error de
tipo I implica el tiempo y el trabajo de reelaborar
un lote de sustancias qumicas que debera haber
sido aceptado. En cambio, el incurrir en un error
de tipo II significa correr el riesgo de que se
envenene un grupo entero de usuarios de la
sustancia. La gerencia de esta compaa preferira
el error de tipo I al de tipo II y, en consecuencia,
establecera niveles muy elevados de significancia
en sus pruebas para conseguir bajas.

e) Pasos para seleccionar la

distribucin correcta
1.- Se define el nivel de significancia a
usar.
2.- Determinar la distribucin adecuada
de probabilidad: puede ser la
distribucin normal o la distribucin t.
Las reglas para elegir la distribucin
apropiada al efectuar pruebas de las
medias son:
a. Si la muestra tomada es mayor de 30
(muestras grandes), debe elegirse la
distribucin normal (Z).
b. Si la muestra tomada es igual o
menor que 30 (muestras pequeas),
debe elegirse la distribucin t.

PRUEBA DE HIPTESIS DE LAS

MEDIAS DE MUESTRAS
GRANDES

Realizaremos
algunos
ejemplos, en diferentes
condiciones cuando se
conocen
las
desviaciones estndar
de la poblacin.

a) Prueba de dos extremos

para las medias
Es cuando el nivel de significancia (zona de rechazo)
abarca los dos extremos o colas de la campana de
Gauss.

Ejemplo 1.El fabricante de una llanta especial para

camiones afirma que la duracin media
de la parte rodante de agarre es de
60,000 mi. La desviacin estndar de los
millajes es de 5,000 mi. Una empresa de
transportes compr 48 llantas y hall que
la duracin media para sus vehculos fue
de 59,500 mi. Es la experiencia distinta
de la expresada por el fabricante al nivel
de significacin de 0.05?
= 60,000 mi
= 5,000 mi
Datos: n = 48 llantas
= 59,500 mi
= 0.05

Solucin:
Las hiptesis se expresan de la siguiente manera:
H0 : = 60,000 mi
60,000 millas

La duracin de las llantas es de

H1 : 60,000 mi
La duracin de las llantas es
distinta a 60,000 millas
Primero, vamos a calcular el error estndar de la media y
para ello emplearemos la expresin del error estndar:

x
n

Sustituyendo valores en ella, se tiene:

5,000
x
48

5,000
x
6.9282

x 721.69 mi

En el siguiente paso vamos a obtener el valor de

Z y para ello vamos a apoyarnos en la grfica
siguiente:

Recurrimos a las tablas de la distribucin normal

y en ellas localizamos 0.475, que se ubica en
x = 1.96
un valor deZ
En el tercer paso, vamos a determinar los
lmites superior e inferior de confianza para el
intervalo de la media poblacional ya que se
trata de una prueba de dos extremos. Para
ello aplicaremos la expresin siguiente:

Lc H 0 Zx

Sustituyendo valores en ella, se tiene:

Lc = 60,000 1.96 (721.69)
Ls = 60,000 + 1,414.51 Ls = 61,414.51 millas.
Li = 60,000 1,414.51 Li = 58,585.49 millas
Entonces la media de la poblacin flucta entre
58,585.49 y 61,414.51 millas en un nivel de
confianza del 95%.

Regresemos a la grfica anterior para ubicar los

lmites de confianza y la media muestral. Con
ello analizaremos si se acepta la hiptesis nula
adems de verificar si es verdadera o falsa.

La media muestral se ubica dentro de la zona

de aceptacin, por lo que podemos decir
que la hiptesis nula es verdadera, pero
vamos a verificar est aseveracin por
medio de la expresin siguiente:

x
Z
x

59,500 60,000
Z
721.69
Z 0.693 _ _
X

Entonces la media muestral se ubica en -0.693 x y

se confirma que cae en la zona de aceptacin.
Concluimos que la duracin media de las
llantas es muy cercana a la que afirma el
fabricante de 60,000 millas, con un nivel de
significancia de 0.05.

b) Prueba de un extremo para

las medias

En este caso, el nivel de significancia (zona de rechazo)

slo abarca un extremo o cola de la campana de
Gauss.

Ejemplo 2.Una cadena de restaurantes afirma que el

tiempo medio de espera de clientes por
atender est distribuido normalmente
con una media de 3 minutos y una
desviacin estndar de 1 minuto. Su
departamento de aseguramiento de la
calidad hall en una muestra de 50
clientes en un cierto establecimiento que
el tiempo medio de espera era de 2.75
minutos. Al nivel de significacin de 0.05,
Es dicho tiempo menor de 3 minutos?
= 3 minutos.
= 1minutos.
Datos:
n = 50 clientes.
x = 2.75 minutos.
= 0.05

Representemos estos datos en la campana de

Gauss:

Las hiptesis son:

Ho : = 3 El tiempo promedio de espera es de 3 minutos.
H1 : 3 El tiempo promedio de espera es menor de 3 minutos.

Primero calculemos el error estndar de la media:

1
50

1
7.07

x 0.1414

Ahora determinemos el valor de Z, ya que tenemos una muestra

mayor de 30:
Como = 0.05 y es una prueba de hiptesis para un extremo, en
este caso, el extremo izquierdo, entonces, el nivel de
significancia est contenido en este extremo, por lo que el
nivel de confianza es 0.5 0.05 = 0.45 .
Buscando en las tablas de la distribucin normal 0.45,
encontramos que: Z= 1.64
El lmite izquierdo del intervalo de confianza ser:

Li = 3 1.64 (0.1414)
Li = 3 0.2319
Li = 2.768
Grficamente esto se representa as:

La media muestral 2.75, se localiza en la

zona de rechazo, por lo que se puede
establecer que se rechaza la hiptesis
nula y se acepta la alternativa.
Comprobemos con :

2.75 3
0.1414

x
Z
x
0.25
Z
0.1414

Z 1.77 x

Como podemos observar 1.77 est localizado

ms hacia la izquierda del lmite de
confianza 1.64.
Podemos concluir que el tiempo medio de
espera de clientes por atender en este
establecimiento es menor de 3 minutos.

Ahora realizaremos un ejemplo cuando se desconoce

la desviacin estndar de la poblacin.

Ejemplo 3.Una cadena grande de tiendas de autoservicio,

expide su propia tarjeta de crdito. El
gerente de crdito desea averiguar si el
saldo insoluto medio mensuales mayor que
400 dlares. El nivel de significacin se fija
en 0.05. Una revisin aleatoria de 172 saldos
insolutos revel que la media muestral 407
dlares y la desviacin estndar de la
muestra es 38 dlares. Debera concluir ese
funcionario de la media poblacional es mayor
que 400 dlares, o es razonable suponer que
la diferencia de 7 dlares (obtenida de 407400 = 7) se debe al azar?
= 400 dlares.
n = 172 saldos insolutos.
dlares.
Datos:
= 407
s=
= 38 dlares (desviacin
estndar estimada).
= 0.05

Las hiptesis son:

Ho : = 400 dlares.
H1 : 400 dlares.
Debido a que la hiptesis alternativa nos indica un
sentido a la derecha de la media, debemos aplicar
una prueba de una cola. Veamos la grfica:

Si calculamos el error estndar estimados, tenemos que:

x
n
38

x
172

38
13.115

x 2.897

Si leemos en las tablas de la distribucin

normal 0.45, encontramos que: Z = 1.64x
Determinando el lmite superior del intervalo
de confianza, se tiene:
Ls = 400 + 1.64 (2.897)
Ls = 404.75 dlares.
Grficamente esto ocurre:

Comprobando con:

407 400
Z
2.897

x
Z
x

7
Z
2.897

Z 2.416 x

Con esto comprobamos que el valor de la

media muestral, cae dentro de la zona de
rechazo, por lo que se rechaza la
hiptesis nula y se acepta la alternativa.
Con esto el gerente de crdito debe
concluir que el saldo insoluto medio
mensuales es mayor que 400 dlares.

PRUEBAS DE HIPOTESIS DE
LAS MEDIAS DE MUESTRAS
PEQUEAS.

a) Prueba de dos extremos

para medias
Mediante el siguiente ejemplo explicaremos el
razonamiento a seguir para demostrar una prueba
de hiptesis de dos extremos con una muestra
menor a 30, en donde aplicaremos la distribucin
t.

Ejemplo 1.Un especialista en personal que labora en una gran

corporacin, est reclutando un vasto nmero de
empleados para un trabajo en el extranjero.
Durante la realizacin de pruebas, la gerencia
pregunta cmo marchan las cosas y el
especialista contesta: Bien, creo que la
puntuacin promedio en el test de actitudes ser
90. Cuando la gerencia revisa 20 de los
resultados de la prueba, averigua que la
puntuacin media es 84 y la desviacin estndar
de esta puntuacin es 11. Si la gerencia quiere
probar la hiptesis del especialista en personal
en el nivel de significancia de 0.10, cul ser el
procedimiento a que recurra?
= 90
x n = 20
Datos:
= 84
s = = 11
= 0.10

Las hiptesis son:

Ho: = 90
H1 : 90
El error estndar estimado de la media ser:

x
n

11

x
20

11

x
4.472

x 2.46

En la tabla t de Student se localiza = 0.10 y gl = 20 1, o

sea gl = 19 y se encuentra que: t = 1.729 x
Con estos datos ya podemos determinar los limites superior
e inferior del intervalo de confianza, mediante la
expresin:

Lc tx

Lc = 90 1.729 (2.46)
Li = 90 1.729 (2.46)

Ls = 90 + 4.246
Li = 90 4.246

Grficamente esto sucede:

Ls = 94.25
Li = 85.75

Como la media muestral cae en la zona de rechazo,

entonces se rechaza la hiptesis nula y se acepta la
hiptesis alternativa.
Concluimos que la gerencia tiene suficientes
evidencias para demostrar que el especialista est
equivocado, que la puntuacin media no es 90.

b) Prueba de un extremo para

medias

Para este caso, ya sabemos que el nivel de

significancia (zona de rechazo) slo abarca un
extremo o cola de la campana de Gauss.

Ejemplo 2.Una persona tom una muestra aleatoria de

7 casas en un suburbio muy elegante de
una gran ciudad y encontr que el valor
promedio estimado del mercado era de
$560,000, con una desviacin estndar
de $49,000. Pruebe la hiptesis de que,
para todas las casas del rea, el valor
medio estimado es de $600,000, contra
la alternativa de que sea menor que
$600,000. Use el nivel de significancia de
0.05.
n = 7 casas
= $560,000
x
Datos:
s = = $49,000

= $600,000
= 0.05

Las hiptesis son:

Ho : = $600,000
H1 : $600,000
Calculando el error estimado de la muestra, se tiene que:

x
n

49,000
x
7

49,000
x
2.646

x $18,518.52

Sabemos que el nivel de significancia es de 0.05, para una

cola, por lo que se supone, que si fuera una prueba para
dos colas, cada una tendra 0.05, es decir, el nivel de
significancia = 0.10. Por lo tanto 0.10 es el valor que
debemos localizar en la tabla correspondiente de la
distribucin t de Student, con 6 grados de libertad (7 1).
Encontramos entonces que t = 1.943 x
Con estos datos, ya podemos determinar el lmite inferior del
intervalo de confianza en donde se encuentra la
verdadera media de la poblacin.

Li t x
Li = 600,000 1.943 (18,518.52)
En la campana de Gauss:

Li = $564,018.52

Como la media muestral cae la zona de

rechazo, entonces se rechaza la hiptesis
nula y se acepta la hiptesis alternativa.
Comprobando lo anterior, se tiene que:
Z

560,000 600,000
18,518.52

40,000
18,518.52

Z 2.16x

Podemos concluir que el valor medio estimado

del valor de todas las casas es menor de
$600,000.

PRUEBA DE HIPOTESIS PARA

PROPORCIONES

a) Prueba de dos extremos para proporciones.

La prueba de hiptesis para proporciones, tiene
algunas variantes en la demostracin de las
hiptesis respecto a la prueba de hiptesis de
medias, variantes que se irn explicando conforme
se vayan aplicando.

Ejemplo 1.Una compaa que est evaluando la promovibilidad de

sus empleados; es decir, est determinando la
proporcin de aquellos cuya habilidad, preparacin y
experiencia en la supervisin los clasifica para un
ascenso a niveles superiores de la jerarqua. El director
de recursos humanos le dice al presidente que el 80%,o
sea el 0.8, de los empleados son promovibles. El
presidente crea un comit especial para valorar la
promovibilidad de todo el personal. El comit realiza
entrevistas en profundidad con 150 empleados y en su
juicio se da cuenta que slo el 70% de la muestra llena
los requisitos de la promocin. El presidente quiere
probar, en un nivel de significancia de 0.05, la hiptesis
de que 0.8 de los empleados pueden ser promovidos.
p = 0.8
q = 0.2
Datos:

n = 150

p = 0.7

= 0.3

= 0.05

Las hiptesis son:

Ho : p = 0.8
80% de los empleados son
promovibles.
H1 : p 0.8
La proporcin de empleados
promovibles no es 80%.
Primero calculamos el error estndar de la proporcin,
mediante la siguiente expresin:

pH 0 q H 0
n

Sustituyendo valores:

(.8)(. 2)
150

0.0010666

p 0.0327

En este caso, la compaa quiere saber si la

verdadera proporcin es mayor o menor que la
supuesta proporcin. Por consiguiente, es
apropiada una prueba de dos extremos para
una proporcin. El nivel de significancia
corresponde a las dos regiones sombreadas,
cada una de las cuales contiene 0.025 del rea.
La regin de aceptacin de 0.95 se ilustra como
dos reas de 0.475 cada una. Puesto que la
muestra es mayor que 30, podemos recurrir la
distribucin normal. Basndonos en la tabla de
sta distribucin, podemos calcular que el valor
correspondiente de Z para 0.475 del rea bajo
la curva es 1.96 . Por tanto, los limites de la
regin de aceptacin son:
Lc = PH0 Z
Lc = 0.8 1.96(0.0327)
Ls = 0.8 + 0.06409
Ls = 0.8641
Li = 0.8 0.06409
Li = 0.7359
Vindolo en la campana de Gauss:

La probabilidad de la muestra
=
0.7, se localiza en la zona de
rechazo, por lo que se rechaza la
hiptesis nula y se acepta la
alternativa.
Vamos
a
demostrarlo:
Z

0.7 0.8
0.0327

0.1
0.0327

Z 3.058 p

Podemos concluir que existe una

diferencia significativa entre la supuesta
proporcin de empleados promovibles
comunicada por el director de recursos
humanos y la observada en la muestra,
la proporcin de toda la compaa no es
del 80%.

b) Prueba de un extremo para

proporciones
Ejemplo 2.- Un artculo reciente en el peridico
Reforma report que un empleado est
disponible slo para que uno de tres egresados
universitarios con grado. Las principales razones
aportadas
fueron
que
existe
una
sobreabundancia de graduados de universidad y
una economa dbil. Suponga que una encuesta
con 200 graduados recientes de la institucin de
usted, revela que 80 estudiantes tenan empleo.
Al nivel de significancia de 0.02, se puede
concluir que una proporcin mayor de
estudiantes egresados tienen trabajo?
p = 0.8
q = 0.2
Datos:
n = 150
p = 0.7
q = 0.3
= 0.05

Las hiptesis son:

Ho : p = 0.3333
H1 : p 0.3333
Calcularemos primero el error estndar de la proporcin:

pHo qHo
n

Sustituyendo valores:

(0.3333) (0.6667)
200

0.2222
200

p .0011 p 0.0333

En este caso, se quiere saber si la verdadera

proporcin es mayor que la supuesta proporcin.
Por consiguiente, es apropiada una prueba de un
extremo para una proporcin. El nivel de
significancia corresponde a la regin derecha de
rechazo. La regin de aceptacin de 0.98 se
ilustra como un rea de 0.5 y otra de 0.48 como la
muestra es mayor de 30, podemos recurrir a la
distribucin normal. Basndonos en la tabla de de
esta distribucin el valor correspondiente de Z,
para 0.48 del rea bajo la curva es 2.05, por
tanto, el lmite de la regin de aceptacin es:
Ls = 0.3333 + 2.05 (0.0333)
0.068265
Ls = 0.4016

Ls = 0.3333 +

Como = 0.4, y es menor que 0.4016, se localiza en

p sep acepta la
la zona de aceptacin, entonces,
Z
hiptesis nula.
Demostrando lo anterior se tiene:

0.4 0.3333
0.0333

0.0667
0.0333

En la campana de Gauss:

Z 2.003p

Concluimos
que
no
es
mayor
la
proporcin de estudiantes egresados
que tienen trabajo.

C) Prueba de hiptesis para

proporciones de muestras
pequeas.
Si usamos la distribucin t para una prueba hiptesis
para proporciones en muestras pequeas, de dos
colas, seguimos el mismo procedimiento que se utiliz
en la prueba para medias de muestras pequeas.
Lo mismo sucede si se trata de una prueba de un
extremo, recordando que, para obtener el valor
apropiado de t en un nivel de significancia de 0.05 con
10 grados de libertad, buscaremos en la tabla de la
distribucin t bajo la columna 0.10, frente al rengln 10
grados de libertad. Esto es verdad porque la
columna 0.10 del rea bajo la curva contenida en
ambos extremos combinados; por ello tambin
representa 0.05 del rea bajo la curva contenida
en cada uno de los extremos. Por esta razn en
lugar de buscar en la columna 0.05, se busca
0.10.