Unidad 3

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 46

TECNÓ LOGICO NACIONAL DE MÉ XICO.

Instituto Tecnoló gico de Tijuana.

Unidad 3

Materia: Estadística Inferencial


Prof.: Antonio Villegas
Alumna: Ferná ndez Gonzá lez Nayeli Irene 14211504.
Carrera: Ing. Gestió n Empresarial 802.
/Marzo /2015 Tijuana, B. C.
Índice

3.1 metodología para la prueba de hipótesis……………………………………3


3.2 Hipotesis nula y alternativo……………………………………………………20
3.3 Error tipo I y error II…………………………………………………………….21
3.4 Pruebas de hipotesis II para la media (desviación estándar
poblacional)…………………………………………………………………………….22
3.5 Pruebas para proporciones……………………………………………………29
3.6 Selección del tamaño de muestra (para estimar la media
poblacional)…………………………………………………………………………….36
3.7 Selección del tamaño de muestra (para estimar la proporción
poblacional)…………………………………………………………………………….41
Bibliografía………………………………………………………………………………46
 3.1 METODOLOGIA PARA LA PRUEBA DE HIPOTESIS.

Dentro del estudio de la inferencia estadística, se describe como se puede tomar


una muestra aleatoria y a partir de esta muestra estimar el valor de un
parámetro poblacional en la cual se puede emplear el método de muestreo y el
teorema del valor central lo que permite explicar cómo a partir de una muestra se
puede inferir algo acerca de una población, lo cual nos lleva a definir y elaborar
una distribución de muestreo de medias muéstrales que nos permite explicar el
teorema del límite central y utilizar este teorema para encontrar las probabilidades
de obtener las distintas medias maestrales de una población. Pero es necesario
tener conocimiento de ciertos datos de la población como la media, la
desviación estándar o la forma de la población, pero a veces no se dispone de esta
información. En este caso es necesario hacer una estimación puntual que es un
valor que se usa para estimar un valor poblacional.

Pero una estimación puntual es un solo valor y se requiere un intervalo de valores


a esto se denomina intervalo de confianza y se espera que dentro de este
intervalo se encuentre el parámetro poblacional buscado. También se utiliza una
estimación mediante un intervalo, el cual es un rango de valores en el que se
espera se encuentre el parámetro poblacional En nuestro caso se desarrolla
un procedimiento para probar la validez de una aseveración acerca de un
parámetro poblacional este método es denominado Prueba de hipótesis para una
muestra. Hipótesis y prueba de hipótesis Tenemos que empezar por definir que es
una hipótesis y que es prueba de hipótesis. Hipótesis es una aseveración de una
población elaborado con el propósito de poner a prueba, para verificar si la
afirmación es razonable se usan datos.

Objetivo de la prueba de hipótesis.

El propósito de la prueba de hipótesis no es cuestionar el valor calculado


del estadístico (muestral), sino hacer
Un juicio con respecto a la diferencia entre estadístico de muestra y un
valor planteado del parámetro.
3.- Procedimiento sistemático para una prueba de hipótesis de
una muestra

Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa


H1.
Cualquier investigación estadística implica la existencia de hipótesis o
afirmaciones acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del
parámetro de población, no a una estadística de muestra. La letra H
significa hipótesis y el subíndice cero no hay diferencia. Por lo general
hay un "no" en la hipótesis nula que indica que "no hay cambio"
Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los
datos maestrales proporcionen evidencia convincente de que es falsa. El
planteamiento de la hipótesis nula siempre contiene un signo
de igualdad con respecto al valor especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la
hipótesis nula. Es una afirmación que se acepta si los datos maestrales
proporcionan evidencia suficiente de que la hipótesis nula es falsa. Se le
conoce también como la hipótesis de investigación. El planteamiento de
la hipótesis alternativa nunca contiene un signo de igualdad con
respecto al valor especificado del parámetro.

Paso 2: Seleccionar el nivel de significancia.


Nivel de significancia: Probabilidad de rechazar la hipótesis nula cuando
es verdadera. Se le denota mediante la letra griega α, también es
denominada como nivel de riesgo, este término es más adecuado ya que
se corre el riesgo de rechazar la hipótesis nula, cuando en realidad es
verdadera. Este nivel está bajo el control de la persona que realiza la
prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el
nivel de significación indicará la probabilidad de no aceptarla, es decir,
estén fuera de área de aceptación. El nivel de confianza (1-α), indica
la probabilidad de aceptar la hipótesis planteada, cuando es verdadera
en la población.

La distribución de muestreo de la
estadística de prueba se divide en dos
regiones, una región de rechazo (conocida
como región crítica) y una región de no
rechazo (aceptación). Si la estadística de
prueba cae dentro de la región de
aceptación, no se puede rechazar la
hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de
la estadística de prueba que no tienen posibilidad de presentarse si la
hipótesis nula es verdadera. Por otro lado, estos valores no son tan
improbables de presentarse si la hipótesis nula es falsa. El valor crítico
separa la región de no rechazo de la de rechazo.

Paso 3: Cálculo del valor estadístico de prueba.


Valor determinado a partir de la información muestral, que se utiliza
para determinar si se rechaza la hipótesis nula., existen muchos
estadísticos de prueba para nuestro caso utilizaremos los estadísticos z
y t. La elección de uno de estos depende de la cantidad de muestras que
se toman, si las muestras son de la prueba son iguales a 30 o más se
utiliza el estadístico z, en caso contrario se utiliza el estadístico t.

Paso 4: Formular la regla de decisión


SE establece las condiciones específicas en
la que se rechaza la hipótesis nula y las
condiciones en que no se rechaza la
hipótesis nula. La región de rechazo define
la ubicación de todos los valores que son
tan grandes o tan pequeños, que la probabilidad de que se presenten
bajo la suposición de que la hipótesis nula es verdadera, es muy remota
Distribución muestral del valor estadístico z, con prueba de una cola a la
derecha
Valor crítico: Es el punto de división entre la región en la que se
rechaza la hipótesis nula y la región en la que no se rechaza la hipótesis
nula.

Paso 5: Tomar una decisión.


En este último paso de la prueba de hipótesis, se calcula el estadístico
de prueba, se compara con el valor crítico y se toma la decisión de
rechazar o no la hipótesis nula. Tenga presente que en una prueba de
hipótesis solo se puede tomar una de dos decisiones: aceptar o rechazar
la hipótesis nula. Debe subrayarse que siempre existe la posibilidad de
rechazar la hipótesis nula cuando no debería haberse rechazado (error
tipo I). También existe la posibilidad de que la hipótesis nula se acepte
cuando debería haberse rechazado (error de tipo II).

EJEMPLOS.

1.  Una empresa está interesada en lanzar un


nuevo producto al mercado. Tras realizar una campaña
publicitaria, se toma la muestra de 1 000 habitantes, de los
cuales, 25 no conocían el producto. A un nivel de
significación del 1% ¿apoya el estudio las siguientes
hipótesis?
a. Más del 3% de la población no conoce el nuevo producto.
b. Menos del 2% de la población no conoce el nuevo
producto

Datos:
n = 1000
x = 25

Dónde:
x = ocurrencias
n = observaciones
= proporción de la muestra
= proporción propuesta
Solución:
a)

a = 0,01 

H0 es aceptada, ya que z prueba (-0,93) es menor que z


tabla (2,326), por lo que no es cierto que más del 3% de la
población no conoce el nuevo producto.

b)
a = 0,01 

H0 es rechazada, ya que z prueba (1,13) es menor que z


tabla (2,326), por lo que es cierto que menos del 2% de la
población no conoce el nuevo producto
2. Cuando las ventas medias, por establecimiento autorizado, de
una marca de relojes caen por debajo de las 170,000 unidades
mensuales, realiza una encuesta a 51 establecimientos
autorizados, seleccionados aleatoriamente, que facilitan la cifra
de ventas del último mes en relojes de esta marca. A partir de
estas cifras se obtienen los siguientes resultados: media =
169.411,8 unidades., desviación estándar = 32.827,5 unidades.
Suponiendo que las ventas mensuales por establecimiento se
distribuyen normalmente; con un nivel de significación del 5 % y
en vista a la situación reflejada en los datos. ¿Se considerará
oportuno lanzar una nueva campaña publicitaria?

Datos:

n = 51

Solución:
H0: ( = 170000
H1: ( < 170000
a = 0,05 

Se rechaza Ho, porque z prueba (-0,12) es menor que z tabla


(1,645), por lo tanto se acepta H1: ( < 170000, y se debe
considerar oportuno lanzar una nueva campaña publicitaria.
3. Un gerente de ventas de libros universitarios afirma que en
promedio sus representantes de ventas realiza 40 visitas a
profesores por semana. Varios de estos representantes
piensan que realizan un número de visitas promedio
superior a 40. Una muestra tomada al azar durante 8
semanas reveló un promedio de 42 visitas semanales y una
desviación estándar de 2 visitas. Utilice un nivel de
confianza del 99% para aclarar esta cuestión.

Datos:
(= 40

n=8

Nivel de confianza del 99%


Nivel de significación = (100%-99%)/2 = 0,5% = 0,005

Solución:
H0: ( = 40
H1: ( > 40
Grados de libertad: n-1 = 8-1 =7
a = 0,005 

H0 es aceptada, ya que t prueba (2,83) es menor que t tabla


(3,499), por lo que no es acertado pensar que están realizando un
número de visitas promedio superior a 40.
4. Un investigador de mercados y hábitos
de comportamiento afirma que el tiempo que los niños de
tres a cinco años dedican a ver la televisión cada semana se
distribuye normalmente con una media de 22 horas y
desviación estándar 6 horas. Frente a este estudio,
una empresa de investigación de mercados cree que la
media es mayor y para probar su hipótesis toma una
muestra de 64 observaciones procedentes de la misma
población, obteniendo como resultado una media de 25. Si
se utiliza un nivel de significación del 5%. Verifique si la
afirmación del investigador es realmente cierta.

Datos:

n = 64

a = 5% = 0,05

Solución:
H0: ( = 22
H1: ( > 22
a = 0,05 

Se rechaza Ho, porque z prueba (4) es mayor que z tabla (1,645),


por lo tanto el tiempo que los niños de tres a cinco años dedican a
ver la televisión es mayor de 22 horas, lo que implica que la
empresa de investigación de mercados tiene la razón.
5. La duración media de una muestra de 100 tubos
fluorescentes producidos por una compañía resulta ser de
1570 horas, con una desviación típica de 120 horas. Si  es
la duración media de todos los tubos producidos por la
compañía, comprobar la hipótesis = 1600 contra la
hipótesis alternativa  horas con un nivel de
significación de 0.05.
1 – Hipótesis Nula  = 1600 hr. Hipótesis
Alternativa  <> 1600 hr. (Bilateral)
2 - Nivel de significancia:  =0.05.
3 - Para trabajar con tablas normalizadas, se
usa z en lugar de: x
por otro lado, será tal que el área bajo la
normal a su derecha sea /2 y será tal que el área bajo la normal
a su izquierda sea /2. Estos dos valores definen las zonas de
aceptación y rechazo de la Hipótesis Nula. Según donde caiga el
valor de z calculado por la expresión anterior, se producirá la
aceptación o rechazo..
Dado
que –
2.5 <

-z0.025 se Rechaza la Hipótesis Nula, luego la duración media de


los tubos es significativamente menor que 1600 horas. Como se
puede apreciar en el siguiente gráfico, la media muestral cae fuera
de la zona de aceptación:

En general, el siguiente cuadro resume las distintas pruebas de


hipótesis nulas =o que se pueden realizar sobre una media.

6. Un sociólogo ha
pronosticado, que en una determinada ciudad, el
nivel de abstención en las próximas elecciones
será del 40% como mínimo. Se elige al azar una
muestra aleatoria de 200 individuos, con derecho
a voto, 75 de los cuales estarían dispuestos a
votar. Determinar con un nivel de significación del
1%, si se puede admitir el pronóstico .

1. Enunciamos las hipótesis nula y alternativa:

H 0 : μ ≥ 0.40       La abstención será como


mínimo del 40%.

H 1 : μ < 0.40      La abstención será como


máximo del 40%;

2. Zona de aceptación

Para α = 0.01 , le corresponde un valor


crítico: z α  = 2.33 .

Determinamos el intervalo de confianza para la


media:

3. Verificación.

4. Decisión

Aceptamos la hipótesis nula H 0 . Podemos


afirmar, con un nivel de significación del 1%,
que la  La abstención será como mínimo del
40%

7. Un informe indica que el precio medio del billete


de avión entre Canarias y Madrid es, como
máximo, de 120 € con una desviación típica de 40
€. Se toma una muestra de 100 viajeros y se
obtiene que la media de los precios de sus billetes
es de 128 €.¿Se puede aceptar, con un nivel de
significación igual a 0,1, la afirmación de partida?

1. Enunciamos las hipótesis nula y alternativa:

H 0 : μ ≤ 120

H 1 : μ > 120

2. Zona de aceptación

Para α = 0.1, le corresponde un valor


crítico: z α  = 1.28.

Determinamos el intervalo de confianza:

3. Verificación.

Valor obtenido de la media de la muestra:  128


€ .

4. Decisión

No aceptamos la hipótesis nula H 0 . Con un


nivel de significación del 10%.

8. Una marca de nueces afirma que, como máximo, el


6% de las nueces están vacías. Se eligieron 300
nueces al azar y se detectaron 21 vacías.Con un
nivel de significación del 1%, ¿se puede aceptar la
afirmación de la marca?

1   Enunciamos las hipótesis nula y alternativa:

H 0 : p ≤ 0.06

H 1 : p >0.06

2Zona de aceptación

α = 0.01       z α  = 2.33.

Determinamos el intervalo de confianza:

3Verificación.

4Decisión

Aceptamos la hipótesis nula  H 0 . Con un nivel


de significación del 1%. Si se mantiene el
porcentaje muestral de nueces que están vacías y
1-α = 0.95, ¿qué tamaño muestral se necesitaría
para estimar la proporción de nueces con un error
menor del 1% por ciento?

1 - α = 0, 9 5z   α / 2  = 1, 96
9. La duración de las bombillas de 100 W que fabrica
una empresa sigue una distribución normal con
una desviación típica de 120 horas de duración. Su
vida media está garantizada durante un mínimo de
800 horas. Se escoge al azar una muestra de 50
bombillas de un lote y, después de comprobarlas,
se obtiene una vida media de 750 horas. Con un
nivel de significación de 0,01, ¿habría que
rechazar el lote por no cumplir la garantía?

1.   Enunciamos las hipótesis nula y alternativa:

H 0 : µ ≥ 800     

H 1 : µ <800   

2. Zona de aceptación

α = 0.01;    z α  = 2.33

Determinamos el intervalo de confianza:

3. Verificación.

x = 750

4. Decisión: Rechazamos la hipótesis nula H 0 . Con


un nivel de significación del 1%.
10. Un fabricante de lámparas eléctricas está
ensayando un nuevo método de producción que se
considerará aceptable si las lámparas obtenidas
por este método dan lugar a una población normal
de duración media 2400 horas, con una desviación
típica igual a 300. Se toma una muestra de 100
lámparas producidas por este método y esta
muestra tendrá una duración media de 2320 horas.
¿Se puede aceptar la hipótesis de validez del
nuevo proceso de fabricación con un riesgo igual o
menor al 5%?

1.   Enunciamos las hipótesis nula y alternativa:

H 0 : μ = 2400     

H 1 : μ ≠2400

2. Zona de aceptación

α = 0.05      z α / 2  = 1.96.

Determinamos el intervalo de confianza para la


media:

3. Verificación.

Valor obtenido de la media de la muestra:  2320  .

4. Decisión

Rechazamos la hipótesis nula H 0 , con un nivel de


significación del 5%.
11. El control de calidad una fábrica de pilas y
baterías sospecha que hubo defectos en la
producción de un modelo de batería para teléfonos
móviles, bajando su tiempo de duración. Hasta
ahora el tiempo de duración en conversación
seguía una distribución normal con media 300
minutos y desviación típica 30 minutos. Sin
embargo, en la inspección del último lote
producido, antes de enviarlo al mercado, se obtuvo
que de una muestra de 60 baterías el tiempo
medio de duración en conversación fue de 290
minutos. Suponiendo que ese tiempo sigue siendo
Normal con la misma desviación típica¿Se puede
concluir que las sospechas del control de calidad
son ciertas a un nivel de significación del 2%?

1.   Enunciamos las hipótesis nula y alternativa:

H 0 : µ ≥ 300     

H 1 : µ < 300   

2. Zona de aceptación

α = 0.02;   1- α = 0. 98;        P(1.96)= 0.


98;     z α  = 1.96.

Determinamos el intervalo de confianza:

3. Verificación.
µ = 290

4. Decisión

Rechazamos la hipótesis nula  H 0 . Con un nivel de


significación del 2%.

12. Se cree que el nivel medio de protrombina en


una población normal es de 20 mg/100 ml de
plasma con una desviación típica de 4
miligramos/100 ml. Para comprobarlo, se toma
una muestra de 40 individuos en los que la media
es de 18.5 mg/100 ml. ¿Se puede aceptar la
hipótesis, con un nivel de significación del 5%?

1.   Enunciamos las hipótesis nula y alternativa:

H 0 : μ =20 mg/100 ml      

H 1 : μ ≠ 20 mg/100 ml       

2. Zona de aceptación

Para α = 0.05, le corresponde un valor


crítico: z α / 2  = 1.96.

Determinamos el intervalo de confianza para la


media:

3. Verificación.

Valor obtenido de la media de la muestra:  18.5 .


4. Decisión

Rechazamos la hipótesis nula H 0 , con un nivel de


significación del 5%.

3.2 HIPÓTESIS NULA Y ALTERNATIVA.


1. Las hipótesis nula y alternativa son las siguientes:

H o =P H −PM ≤0 , la proporción de hombres que reportan 9 o más


visitas por mes es la misma o menor que la proporción de mujeres
que hacen lo mismo.

H a =P H −PM >0 , la proporción de hombres que reportan 9 o más


visitas por mes es mayor a la proporción de mujeres que hacen lo
mismo.

La información proporcionada es:


n H =45 n M =71

PH =.58 PM =. 42

PH −P M =.58−. 42=. 16

3.3 ERROR TIPO 1 Y ERROR TIPO 2


Se cometerá un error de tipo I cuando m=50, pero x para la muestra
considerada cae en la región crítica
Y se cometerá un error de tipo II cuando m ¹ 50 pero x para la muestra
considerada cae en la región de aceptación
Error Tipo I
Calcular a para el ejemplo de la rapidez de combustión para una
muestra de N=10 datos, suponiendo que la desviación estándar de la
rapidez de combustión es s=2.5 cm/seg.
Solución: en este caso a = P( x caiga en la región crítica | m=50), es
decir:
a = P( x < 48.5) + P( x > 51.5)
Recordando que La distribución de x es Normal con media m=50 y
desviación estándar s/ÖN =0.79, por lo tanto, usando Matlab
a = normcdf(48.5,50,0.79) + (1-normcdf(51.5,50,0.79))
= 0.288+ 0.288 = 0.0576
Esto significa que el 5.76% de las muestras de tamaño 10 conducirán al
rechazo de la Hipótesis H0: m=50 cm/seg, cuando ésta es verdadera
Error tipo II
, supongamos que es importante rechazar H0 si la rapidez promedio de
combustión m es mayor que 52 cm/seg o menor que 48 cm/seg. Dada
la simetría sólo se requiere evaluar la probabilidad de aceptar H 0: m=50
cuando el valor verdadero es m=52
0.
7
0.
6
0. H0: H1:
5
0.
4
= =
0.
3
0. 50 52
2
0.
10
4 4 4 4 4 5 5 5 5 5 5
5 6 7 8 9 0 1 2 3 4 5
De acuerdo a la figura: b = P(48.5 £ x £ 51.5 | m=52)
Usando Matlab:
b = normcdf(51.5,52,0.79) - normcdf(48.5,52,0.79) = 0.2643

3.4 PRUEBAS DE HIPÓTESIS Z PARA LA MEDIA (DESVIACIÓN


ESTÁNDAR POBLACIONAL CONOCIDA).

La prueba de hipótesis es un procedimiento estadístico que comienza


con una suposición que se hace con respecto a un parámetro de
población, luego se recolectan datos demuestra, se producen
estadísticas de muestra y se usa esta información para decidir qué tan
probable es que sean correctas nuestras suposiciones acerca del
parámetro de población en estudio.
Ejemplos de hipótesis pueden ser:
a) Probar si las ventas diaria de un abasto son 1000 o no
b) Probar si la proporción de individuos que compran algún artículo en
una tienda es o no mayor del 0.3.

Objetivo de la prueba de hipótesis


Decidir, basado en una muestra de una población, cuál de dos hipótesis
complementarias es cierta. Las dos hipótesis complementarias se
denominan hipótesis nula e hipótesis alternativa.

1) El Instituto Eléctrico Edison publica cifras del número anual de


Kilowatt-hora que gastan varios aparatos electrodomésticos. Se
afirma que una aspiradora gasta un promedio mínimo de
46 kilowatt-hora al año. Si una muestra aleatoria de 12 hogares
que se incluye en un estudio planeado indica que las
aspiradoras gastan un promedio de 42kilowatt-hora al año con
una desviación estándar de11.9 kilowatt-hora, ¿esto sugiere
con un nivel de significancia de 0.05 que las aspiradoras gastan, en
promedio, menos de 46kilowatt-hora anualmente? Suponga que la
población de kilowatt-hora es normal.

Solución:

Datos:
m0 = 46 kilowatt-hora
s= 11.9 kilowatt-hora
x = 42 kilowatt-hora
n = 12,
a= 0.05

Hipótesis:
Ho: m ³ 46
H1: m < 46

Estadístico de Prueba: Como la varianza de la población es desconocida y el


tamaño demuestra es menor de 30 utilizaremos la distribución t de
Student en el cálculo del estadístico.
4.Percentil:(11) t0.95 1.7965

Justificación y decisión: Como 1.16 > -1.796, no se rechaza Ho y se


concluye con un nivel de significancia del0.05 que no existen
suficientes evidencias para afirmar que el número promedio
dekilowatt-hora que gastan al año las aspiradoras sea menor de
46 KW la hora

2) Los pesos en libras de una muestra aleatoria de bebés de seis


meses son: 14.6, 12.5, 15.3, 16.1, 14.4, 12.9, 13.7 y 14.9.
Haga una prueba con nivel de 5% de significancia para
determinar si el peso promedio de todos los bebés de seis
meses es distinto a 14libras, suponga que sus pesos
se distribuyen normalmente y calcule el valor de P.

Solución:
Datos:
= 14 libras
S = 1.21 libras
= 14.3 libras
n=8
a. = 0.052.

Ensayo de hipótesis
Ho:  = 14 libras
H1:   14 libras
3) Regla de Decisión:
Si -2.365  tR  2.365 NO se rechaza Ho

Si tR  -2.365 o Si tR  2.365 Se rechaza Ho

Cálculos:

Justificación y decisión:
Como  – 2.365  0.7012  2.365 por lo tanto, no se rechaza Ho y
se concluye con un nivel de significancia del 0.05 que el peso
promedio de todos los bebés de seis meses es de 14 libras.

4) Una cadena de tiendas de descuento expide su propia tarjeta


de crédito. El gerente del departamento de crédito desea
averiguar si el saldo insoluto medio es mayor a $ 4000.
Establece que el nivel de confianza adecuado es del 5%. Al
revisar aleatoriamente 172 saldos insolutos encontró que la
media era de $4070, con una desviación estándar de 380. ¿El
gerente deberá concluir que el promedio de todos los saldos
insolutos es mayor que $4000? ¿O la diferencia de $70 pesos
se debe al zar?

Solución:
Las hipótesis planteadas son:
Ho: 4000
H1:   4000
El nivel de significancia es del 5%
Como el parámetro involucrado en las hipótesis es la media de la
población el estadístico apropiado es la media muestral X
El estadístico de prueba para la media es:

La cual se distribuye normalmente con media cero y varianza 1,


debido a que la población se distribuye de manera
aproximadamente normal.
5) Para este caso el tipo de prueba a utilizarse es una prueba
unilateral de cola derecha, con un nivel de significancia de 5%
se tiene que z.05 = 1.645, por lo que la regla de decisión será:

No rechazar Ho si se cumple que, es decir:

se acepta Ho si .

Calculo de los estadísticos necesarios, de acuerdo a los datos de la


muestra y del valor de Zp

Podemos fácilmente ver que Zp > 1.645, y por lo tanto este valor
de Zp cae en la región de rechazo por lo que la decisión es:
Rechazar Ho.
Conclusion: Con un nivel de significación del 5% el gerente puede
concluir que el saldo insoluto medio de su tarjeta de crédito, es
mayor a %4000.
6) La procuraduría del consumido publica las cifras del número
anual de Kilowatts-hora que gastan varios aparatos
electrodomésticos. Se afirma que una aspiradora gasta un
promedio mínimo de 46 kilowatts-hora al año. Si una muestra
aleatoria de 36 hogares que se incluye en un estudio planeado
indica que las aspiradoras gastan un promedio de 42 kilowatts-
hora al año con una desviación estándar de 11.9 kilowatts-
hora, esto sugiere con un nivel de significancia de 0.05 que las
aspiradoras gastan, en promedio, menos de 46 kilowatts-hora
anualmente? Suponga que la población de kilowatts-hora es
normal.
Solución:
Las hipótesis planteadas son:
Ho:  = 46
H1:  < 46
El nivel de significancia es del 5%.
Como el parámetro involucrado en las hipótesis e la media de la
población el estadístico apropiado es la media muestral X
El estadístico de prueba para la media es:

La cual se distribuye normalmente con media cero y varianza 1,


debido a que la población se distribuye de manera
aproximadamente normal.
Para este caso el tipo de prueba a utilizarse es una prueba
unilateral de cola izquierda, con un nivel de significancia de 5%
se tiene que z.05 = -1.645, por lo que la regla de decisión será:

No se rechaza Ho si se cumple que , es decir: se


acepta Ho si
Calculo de los estadísticos necesarios, de acuerdo a los datos
de la muestra y del valor de Zp

Podemos fácilmente ver que Zp < -1.645, y por lo tanto este


valor de Zp cae en la región de rechazo por lo que la decisión
es: Rechazar Ho
Conclusion: Con un nivel de significancia del 5% se puede
concluir que las aspiradoras gastan, en promedio, menos de 46
kilowatts-hora anualmente.
7) Una planta química local ha producido un promedio diario de
880 toneladas de un producto químico durante los últimos
años. A la gerente de control de calidad le gustaría saber si
este promedio ha cambiado en los meses rec el promedio y
desviación estándar de los n=50 producciones con Pruebe la
hipótesis apropiada con = 0.05.
Solución:
Hipotesis estadísticas:
Ho:  =880
H1:   880
Nivel de significancia =0.05
Estadígrafo de prueba: La estimación puntual para  es X
entonces,

8) Como se desconoce la varianza poblacional, la desviación


estándar poblacional la desviación estándar muestral con buena
aproximación, ya n 30.
Regla de decisión
Cálculo: Al usar s para aproximar, se obtiene

Decisión:
Para = 0.05, la región de rechazo se compone de los valores
de Z > 1.96 y Z < -1.96. Como el valor muestral calculado con
el estadígrafo de prueba Z, es igual a -3.03, este valor cae en
la región de rechazo, por lo que se rechaza la hipótesis nula de
igualdad de a media a un valor determinado.
Conclusion: La muestra aporta evidencia suficiente para un
nivel de significancia de 0.05, para decidir que el promedio de
producción para un producto químico es distinto a 880
toneladas. Se puede decir, con un nivel de significancia de
0,05, que la producción del producto químico ha cambiado.

3.5 PRUEBAS PARA PROPORCIONES.


El concepto de prueba de hipótesis se puede utilizar para probar
hipótesis en relación con datos cualitativos. Por ejemplo, en el problema
anterior el gerente de la fábrica de llantas quería determinar la
proporción de llantas que se reventaban antes de 10.000 millas. Este es
un ejemplo de una variable cualitativa, dado que se desea llegar a
conclusiones en cuanto a la proporción de los valores que tienen una
característica particular. 
El gerente de la fábrica de llantas quiere que la calidad de llantas
producidas, sea lo bastante alta para que muy pocas se revienten antes
de las 10.000 millas. Si más de un 8% de las llantas se revientan antes
de las 10.000 millas, se llegaría a concluir que el proceso no funciona
correctamente. La hipótesis nula y alternativa se pueden expresar como
sigue:
H 0 =P≤0 . 08 (Funciona correctamente)
H 1=P>0 .08 (No funciona correctamente)

La prueba estadística se puede expresar en términos de la proporción de


éxitos como sigue:
P s−P X
Z= → Ps =
Pq n
  √ n

siendo X y N el número de éxitos de la muestra y n el tamaño de la


muestra, P la proporción de éxitos de la hipótesis nula. Ahora se
determinará si el proceso funciona correctamente para las llantas
producidas para el turno de día. Los resultados del turno de día indican
que cinco llantas en una muestra de 100 se reventaron antes de 10,000
millas para este problema, si se selecciona un nivel de significancia
α=0 . 05 , las regiones de rechazo y no rechazo se establecerían como a
continuación se muestra. Y la regla de decisión sería: Rechazar Ho si z>
+ 1.645; de lo contrario no rechazar Ho. Con los datos que se tienen,

P s−P
Ps =0 . 05⇒ Z = =−1. 107
Pq
√ n
una vez reemplazado, recuerde p+q=1
Z=-1.107 +1.645; por tanto no rechazar Ho.

La hipótesis nula no se rechazaría por que la prueba estadística no ha


caído en la región de rechazo. Se llegaría a la conclusión de que no hay
pruebas de que más del 8% de las llantas producidas en el turno de día
se revienten antes de 10,000 millas. El gerente no ha encontrado
ninguna prueba de que ocurra un número excesivo de reventones en
las llantas producidas en el turno de día.
Una hipótesis estadística es una suposición hecha con respecto a la
función de distribución de una variable aleatoria. Para establecer la
verdad o falsedad de una hipótesis estadística con certeza total, será
necesario examinar toda la población. En la mayoría de las situaciones
reales no es posible o practico efectuar este examen, y el camino más
aconsejable es tomar una muestra aleatoria de la población y en base a
ella, decidir si la hipótesis es verdadera o falsa.
En la prueba de una hipótesis estadística, es costumbre declarar la
hipótesis como verdadera si la probabilidad calculada excede el valor
tabular llamado el nivel de significación y se declara falsa si la
probabilidad calculada es menor que el valor tabular. La prueba a
realizar dependerá del tamaño de las muestras, de la homogeneidad de
las varianzas y de la dependencia o no de las variables. Si las muestras
a probar involucran a más de 30 observaciones, se aplicará la prueba de
Z, si las muestras a evaluar involucran un número de observaciones
menor o igual que 30 se emplea la prueba de t de student. La fórmula
de cálculo depende de si las varianzas son homogéneas o heterogéneas,
si el número de observaciones es igual o diferente, o si son variables
dependientes.
Para determinar la homogeneidad de las varianzas se toma la varianza
mayor y se divide por la menor, este resultado es un estimado de la F
de Fisher. Luego se busca en la tabla de F usando como numerador los
grados de libertad (n-1) de la varianza mayor y como denominador (n-
1) de la varianza menor para encontrar la F de Fisher tabular. Si la F
estimada es menor que la F tabular se declara que las varianzas son
homogéneas. Si por el contrario, se declaran las varianzas
heterogéneas. Cuando son variables dependientes (el valor de una
depende del valor de la otra), se emplea la técnica de pruebas
pareadas.
Como en general estas pruebas se aplican a dos muestras, se
denominarán a y b para referirse a ellas, así entenderemos por:
- na al número de elementos de la muestra a
- nb al número de elementos de la muestra b
- xb al promedio de la muestra b
- s2a la varianza de la muestra a
- Y así sucesivamente
Entonces se pueden distinguir 6 casos a saber:
- Caso de muestras grandes (n>30)
- Caso de na = nb y s2a = s2b
- Caso de na = nb y s2a ≠s2b
- Caso de na ≠ nb y s2a = s2b
- Caso de na ≠ nb y s2a ≠ s2b
- Caso de variables dependientes

1. Una encuesta realizada por Bancomer a 35 clientes indicó que un


poco más del 74 por ciento tenían un ingreso familiar de más de
$200,000 al año. Si esto es cierto, el banco desarrollará un
paquete especial de servicios para este grupo. La administración
quiere determinar si el porcentaje verdadero es mayor del 60 por
ciento antes de desarrollar e introducir este nuevo paquete de
servicios. Los resultados mostraron que 74.29 por ciento de los
clientes encuestados reportaron ingresos de $200,000 o más al
año. El procedimiento para la prueba de hipótesis de proporciones
es el siguiente:

Especifica la hipótesis nula y alternativa.


Hipótesis Nula: H 0 =P≤. 60
Hipótesis Alternativa: H a =P>. 60 ,

donde P = la proporción de clientes con ingresos familiares


anuales de $200,000 o más.

Específica el nivel de significación, α , permitido. Para una


α=. 05 , el valor de tabla de Z para una prueba de una sola
cola es igual a 1.64.

Calcula el error estándar de la proporción específicada en la


hipótesis nula.
p(1−p )
s p=
√ n
donde:

p = proporción especificada en la hipótesis nula.


n = tamaño de la muestra.
2. Por consiguiente:

0. 60(1−0. 60 )
3.
s p=
√ 35
=.0828

Calcula la estadística de prueba:

( proporción observada )−( proporción ¿ )


z=
sp

0 .7429−0 .60
z= =1 . 73
0 . 0828
La hipótesis nula se rechaza porque el valor de la Z calculada es
mayor que el valor crítico Z . El banco puede concluir con un 95
por ciento de confianza (1−α=. 95 ) que más de un 60 por ciento
de sus clientes tienen ingresos familiares de $200,000 o más. La
administración puede introducir el nuevo paquete de servicios
orientado a este grupo.

4. El presidente del PRI en 1988, basado en su experiencia, sostiene


que un 95% de los votos para las elecciones presidenciales han
sido a favor de su partido. Los partidos de oposición levantaron
una muestra de1,100 electores y encontraron que un 87% de
ellos votaría por el PRI. El presidente del PRI quiere probar la
hipótesis, con un nivel de significación de 0.05, que el 95% de los
votos son para su partido.

Hipótesis Nula: H o : p=0 .95


Hipótesis Alternativa: H a : p≠0 .95
Tamaño de muestra: n=1,100
Nivel de Significación = 0.05.
El primer paso es calcular el error estándar de la proporción
utilizando el valor hipotético del porcentaje que históricamente
vota por el PRI:

p(1− p ) 0 . 95∗0 .05


SE p =
√ n
=

1100
=0 .0066

5. Ahora sólo es necesario construir el intervalo de confianza:

po ±1.96∗SE p

0 . 95±( 1 . 96∗0.0066 ) =0 . 937→0 .963


La proporción de .87 de votos por el PRI en la encuesta no cae en la
región de aceptación, por lo tanto el presidente del PRI debe de
“preocuparse” por que la tendencia entre los votantes es a favorecer
menos al PRI.

6. Probemos la hipótesis de que el porcentaje de microempresas


SEXO DEL PATRON

Valid Cumulative
Frequency Percent Percent Percent
Valid Hombre 1634 83.9 83.9 83.9
Mujer 314 16.1 16.1 100.0
Total 1948 100.0 100.0

cuyos dueños son hombres captado por la ENAMIN es distinto de


88 por ciento.

Hipótesis Nula: H 0 =P=0 . 88


Hipótesis Alternativa: H 0 =P≠0 . 88

0. 88(1−0 .88 )
s p=
√ 1948
=. 0074
0 .839−0 . 88
z= =−5 .54
0. 0074
La hipótesis nula se rechaza porque el valor de la Z calculada es
menor que el valor crítico Z de 1.96. Podemos concluir con un 95
por ciento de confianza (1−α=.95 ) que la proporción captada por
la ENAMIN es estadísticamente distinta de 0.88.

7. Según información reciente, la obesidad es un problema creciente


e el país en grupos de todas las edades. En el año 2002 se
reporto que 1276 de un amuestras de 4115 adultos fueron
encontrados obesos (índice corporal mayor a 30). Una encuesta
realizada 4 años antes se rebeló que el 20% de los adultos
encuestados se consideraron obesos. ¿Sugieren los datos más
recientes que la proporción verdadera de adultos obesos es mas
de 1.5 veces el porcentaje de la encuesta? Tome en cuenta un
nivel de significancia de o.10.
1. Hipotesis
Hipótesis científica
Hipótesis estadísticas:
Ho:  = 0.30
H1:  > 0.30
Nivel de significancia:  = 0.10
Estadigrafo de prueba:

a.
Regla de decisión

Calculos:
8. Decisión: Como Zm = 1.40 es mayor que 1.28 se rechaza la
hipótesis nula.
Los datos muestrales aportan evidencia suficiente, a un nivel de
significancia de 0.10, para decir que la proporción de obesos
adultos que resulto en el informe es mayor al 30%, es decir que
ha aumentado más de 1.5 veces la proporción con respecto a los
encuestados e 4 años antes.

9. Históricamente la proporción de clientes que compran con tarjeta


de crédito en una determinada tienda es como mínimo del 25%,
sin embargo la dueña de la tienda piensa que esta cifra ha
disminuido significativamente. De los últimos 1122 clientes 242
compraron con tarjeta de crédito si = 0.10 ¿Se está cumpliendo lo
que se piensa la dueña?
Solución:
1. Las hipótesis planteadas son:
Ho:  = 0.25
H1:  < 0.25
2. El nivel de significancia es del 10%.
3. Como el parámetro involucrado es las hipótesis es la proporción
de la población el estadístico apropiado es la proporción muestral
.
4. El estadístico de prueba para la proporción es:

i.
El cual se distribuye normalmente con media cero y varianza 1.
5.Para este caso el tipo de prueba a utilizarse es una prueba
unilateral de cola izquierda, con un nivel de significancia de 10%
se tiene que z.10 = -1.28, por lo que la regla de decisión será:
No rechazar Ho si se cumple que , es decir: se
acepta Ho si

b.

2.
6. Calculo de los estadísticos necesarios, de acuerdo a los datos de
la muestra y del valor Zp

Podemos ver fácilmente ver que Zp < -1.28, y por lo tanto este
valor de Zp cae en la región de rechazo por lo que la decisión es:
Rechazar Ho
10. Conclusion: Con un nivel de significación del 10% se puede
concluir que la afirmación de la dueña es razonable, es decir, que
el porcentaje de gente que paga con tarjeta de crédito ha
disminuido por lo que es menor.
3.6 Selección del Tamaño de la Muestra (para Estimar una Media
poblacional).

¿Qué tan grande debe ser una muestra si la media muestral se va a


usar para estimar la media poblacional?. La respuesta depende del error
estándar de la media, si este fuera cero, entonces se necesitaría una
sola media que será igual necesariamente a la media poblacional
desconocida  , porque   = 0. Este caso extremo no se encuentra en la
práctica, pero refuerza el hecho de que mientras menor sea el error
estándar de la media, menor es el tamaño de muestra necesario para
lograr un cierto grado de precisión.

Se estableció antes que una forma de disminuir el error de estimación


es aumentar el tamaño de la muestra, si éste incluye el total de la

población, entonces   sería igual a cero. Con esto en mente, parece


razonable que para un nivel de confianza fijo, sea posible determinar un
tamaño de la muestra tal que el error de estimación sea tan pequeño
como queramos, para ser mas preciso, dado un nivel de confianza y un
error fijo de estimación  , se puede escoger un tamaño de

muestra n tal que P(( ) = Nivel de confianza. Con el propósito


de determinar n. El error máximo de estimación esta dado por:

Si se eleva al cuadrado ambos lados de esta ecuación y se despeja n de


la ecuación resultante, obtenemos:

Como n debe de ser un número entero, redondeamos hacia arriba todos


los resultados fraccionarios.

En el caso de que se tenga una población finita y un muestreo sin


reemplazo, el error de estimación se convierte en:
De nuevo se eleva al cuadrado ambos lados y se despeja la n,
obteniendo:

Ejemplos:

1. Un biólogo quiere estimar el peso promedio de los ciervos cazados


en el estado de Maryland. Un estudio anterior de diez ciervos
cazados mostró que la desviación estándar de sus pesos es de
12.2 libras. ¿Qué tan grande debe ser una muestra para que el
biólogo tenga el 95% de confianza de que el error de estimación
es a lo más de 4 libras?

Solución:

En consecuencia, si el tamaño de la muestra es 36, se puede tener


un 95% de confianza en que   difiere en menos de 4 libras de  .

2. Una empresa eléctrica fabrica focos que tienen una duración


aproximadamente normal con una desviación estándar de 40
horas. ¿De qué tamaño se necesita una muestra si se desea tener
96% de confianza que la media real esté dentro de 10 horas de la
media real?

Se necesita una muestra de 68 focos para estimar la media de la


población y tener un error máximo de 10 horas.

¿Qué pasaría si en lugar de tener un error de estimación de 10


horas sólo se requiere un error de 5 horas?
Se puede observar como el tamaño de la muestra aumenta, pero
esto tiene como beneficio una estimación más exacta.

3. Suponga que en el ejercicio anterior se tiene una población de 300


focos, y se desea saber de que tamaño debe de ser la muestra. El
muestreo se realizará sin reemplazo.

Solución:

Como se tiene una población finita y un muestreo sin reemplazo


es necesario utilizar la formula con el factor de corrección.

Si se tiene una población finita de 300 focos sólo se tiene que


extraer de la población una muestra sin reemplazo de 56 focos
para poder estimar la duración media de los focos restantes con
un error máximo de 10 horas.

4. Que tan grande debe de seleccionarse una muestra para obtener


un intervalo de confianza de 95% con un margen de error de 10.
Suponga que la desviación estándar poblacional es 40

5. En un estudio el valor planeado para la proporción poblacional es


p=0.35 ¿de que tamaño se debe tomar la muestra dar un
intervalo de confianza de 95% con un margen de error de 0.05?

6. Los salarios anuales iniciales de los estudiantes que acbn de


terminar una carrera adm. Se separan que estén $30,000 u
$45,000. Suponga que quiere dar un intervalo de confianza de
95% para estimar la media poblacional se los salarios iniciales.
¿Cuál es el valor de la desviación estándar poblacional?
7. ¿Cuál gran deberá se la muestra? Si se quiere el margen de error
sea $500

8. ¿Cuál gran deberá se la muestra? Si se quiere el margen de error


sea $200

9. ¿Cuál gran deberá se la muestra? Si se quiere el margen de error


sea $100

10. ¿recomienda usted tratar de tener $100 como margen de


error?
No, porque la muestra es demasiado grande en comparación con
la cual resultaría más fácil trabajar y además tiene el mismo nivel
de confianza que la de margen de error de $100.
3.7 Selección del Tamaño de la Muestra (para Estimar la proporción
poblacional).

Se desea saber que tan grande se requiere que sea una muestra para
asegurar que el error al estimar P sea menor que una cantidad
específica  .

Elevando al cuadrado la ecuación anterior se despeja n y nos queda:

Esta fórmula está algo engañosa, pues debemos utilizar p para


determinar el tamaño de la muestra, pero p se calcula a partir de la
muestra. Existen ocasiones en las cuales se tiene una idea del
comportamiento de la proporción de la población y ese valor se puede
sustituir en la fórmula, pero si no se sabe nada referente a esa
proporción entonces se tienen dos opciones:

 Tomar una muestra preliminar mayor o igual a 30 para


proporcionar una estimación de P. Después con el uso de la
fórmula se podría determinar de forma aproximada cuántas
observaciones se necesitan para proporcionar el grado de
precisión que se desea.
 Tomar el valor de p como 0.5 ya que sustituyendo este en la
fórmula se obtiene el tamaño de muestra mayor posible. Observe
el siguiente ejemplo:

Se desconoce el valor de P, por lo que se utilizarán diferentes valores y


se sustituirán en la formula para observar los diferentes tamaños de
muestras. El nivel de confianza que se utilizará es del 95% con un error
de estimación de 0.30.

p n
0.10 3.84

0.20 6.82

0.30 8.96

0.40 10.24

0.50 10.67

0.60 10.24

0.70 8.96

0.80 6.82

0.90 3.84

Como se puede observar en la tabla anterior cuando P vale 0.5 el


tamaño de la muestra alcanza su máximo valor.

En el caso de que se tenga una población finita y un muestreo sin


reemplazo, el error de estimación se convierte en:
De nuevo se eleva al cuadrado ambos lados y se despeja la n,
obteniendo:

Ejemplos:

1. En una muestra aleatoria de 500 familias que tienen televisores en


la ciudad de Hamilton, Canadá, se encuentra que 340 están
suscritas a HBO. ¿Qué tan grande se requiere que sea una
muestra si se quiere tener 95% de confianza de que la estimación
de P esté dentro de 0.02?

Solución:

Se tratarán a las 500 familias como una muestra preliminar que


proporciona una estimación de p=340/500=0.68.

Por lo tanto si basamos nuestra estimación de P sobre una


muestra aleatoria de tamaño 2090, se puede tener una confianza
de 95% de que nuestra proporción muestral no diferirá de la
proporción real por más de 0.02.

2. Una legisladora estatal desea encuestar a los residentes de su


distrito para conocer qué proporción del electorado conoce la
opinión de ella, respecto al uso de fondos estatales para pagar
abortos. ¿Qué tamaño de muestra se necesita si se requiere un
confianza del 95% y un error máximo de estimación de 0.10?

3. Un director de personal quiere comparar la efectividad de dos


métodos de entrenamiento para trabajadores industriales a fin de
efectuar cierta operación de montaje. Se divide un número de
operarios en dos grupos iguales: el primero recibe el método de
entrenamiento 1, y el segundo, el método 2. Cada uno realizará la
operación de montaje y se registrará el tiempo de trabajo. Se
espera que las mediciones para ambos grupos tengan una
desviación estándar aproximadamente de 2 minutos. Si se desea
que la estimación de la diferencia en tiempo medio de montaje
sea correcta hasta por un minuto, con una probabilidad igual a
0.95, ¿cuántos trabajadores se tienen que incluir en cada grupo de
entrenamiento?

Cada grupo debe contener aproximadamente 31 empleados.

4. Se planea realizar un estudio de tiempos para estimar el tiempo


medio de un trabajo, exacto dentro de 4 segundos y con una
probabilidad de 0.90, para terminar un trabajo de montaje. Si la
experiencia previa sugiere que   = 16 seg. mide la variación en
el tiempo de montaje entre un trabajador y otro al realizar una
sola operación de montaje, ¿cuántos operarios habrá que incluir
en la muestra?

n= 44

5. Un ingeniero de control de calidad quiere estimar la fracción de


elementos defectuosos en un gran lote de lámparas. Por la
experiencia, cree que la fracción real de defectuosos tendría que
andar alrededor de 0.2. ¿Qué tan grande tendría que seleccionar
la muestra si se quiere estimar la fracción real, exacta dentro de
0.01, utilizando un nivel de confianza fe 95%?

n= 6147
6. En este problema, se desconoce totalmente la proporción de
residentes que conoce la opinión de la legisladora, por lo que se
utilizará un valor de 0.5 para p.

Se requiere un tamaño de muestra de 97 residentes para que con


una confianza del 95% la estimación tenga un error máximo de
0.10.
7. Se tienen que seleccionar muestras aleatorias independientes de
n1=n2=n observaciones de cada una de dos poblaciones
binomiales, 1 y 2. Si se desea estimar la diferencia entre los dos
parámetros binomiales, exacta dentro de 0.05, con una
probabilidad de 0.98. ¿qué tan grande tendría que ser n?. No se
tiene información anterior acerca de los valores P1 y P2, pero se
quiere estar seguro de tener un número adecuado de
observaciones en la muestra.

n= 1086

8. Se quiere estudiar la tasa de combustión de dos propelentes


sólidos utilizados en los sistemas de escape de emergencia de
aeroplanos. Se sabe que la tasa de combustión de los dos
propelentes tiene aproximadamente la misma desviación
estándar; esto es  1= 2 = 3 cm/s. ¿Qué tamaño de muestra
debe utilizarse en cada población si se desea que el error en la
estimación de la diferencia entre las medias de las tasas de
combustión sea menor que 4 cm/s con una confianza del 99%?.

n= 8
9. Una compañía de productos alimenticios contrató a una empresa
de investigación de mercadotecnia , para muestrear dos
mercados, I y II, a fin de comparar las proporciones de
consumidores que prefieren la comida congelada de la compañía
con los productos de sus competidores. No hay información previa
acerca de la magnitud de las proporciones P1 y P2. Si la empresa
de productos alimenticios quiere estimar la diferencia dentro de
0.04, con una probabilidad de 0.95, ¿ cuántos consumidores habrá
que muestrear en cada mercado?

Se tendrá que realizar encuestas a 1201 consumidores de cada


mercado para tener una estimación con una confianza del 95% y
un error máximo de 0.04.
Bibliografía
D.R., A. (2008). estadistica para administracion y la economia. Mexico:
CENGAGE.

https://es.scribd.com/doc/106656471/Unidad-3-PRUEBAS-DE-
HIPOTESIS-CON-UNA-MUESTRA
http://www.geocities.ws/e_gomez_lara/PHIPOTESIS.pdf
file:///C:/Users/paulo/Downloads/Prueba%20de%20Hip
%C3%B3tesis.pdf

También podría gustarte