Unidad II Semana 10-2 20182

Estadística Inferencial
Estadística Inferencial Estad. Rolando R. Romero Paredes
Unidad de aprendizaje 2
Pruebas de hipótesis e intervalos de confianza

Logro general de aprendizaje:
• Al final del curso el estudiante infiere características
de la población y predice posibles resultados en el
campo de la ingeniería para optimizar la toma de
decisiones.
Logro específico de aprendizaje de la unidad:

•Al finalizar la unidad, el estudiante
utiliza las pruebas de hipótesis y
reconoce la potencia de dichas pruebas
para inferir características poblacionales.

Logro específico de aprendizaje de la unidad:
•Al finalizar la unidad, el estudiante
utiliza el Prueba de hipótesis de la
varianza poblacional y lo interpreta de
manera adecuada.
Estadística
Descriptiva Inferencial
Prueba de
Estimación Hipótesis

Prueba de hipótesis para dos varianzas

Hipótesis:
Unilateral Unilateral
Bilateral
izquierda derecha
H0: s 21 ≥ s 22 H0: s 21 = s 22 H0: s 21 ≤ s 22
H1: s 21 < s 22 H1: s 21 ≠ s 22 H1: s 21 > s 22
S12
Estadístico de prueba: Fc  2 ~ Fn1 1, n2 1
S2

Valores críticos según el tipo de prueba
Unilateral derecha 𝐹𝑐 > 𝑓1−𝛼,𝑛1 −1,𝑛2 −1
Unilateral izquierda 𝐹𝑐 < 𝑓𝛼,𝑛1 −1,𝑛2−1
Bilateral 𝐹𝑐 < 𝑓𝛼,𝑛 −1,𝑛2 −1 o 𝐹𝑐 > 𝑓1−𝛼2,𝑛1−1,𝑛2 −1

2 1
Donde:
𝒇𝜶,𝒏𝟏 −𝟏,𝒏𝟐 −𝟏 = 𝟏/𝒇𝟏−𝜶,𝒏𝟐 −𝟏,𝒏𝟏 −𝟏
𝒇𝜶,𝒏 =1/𝒇𝟏−𝜶,𝒏
𝟐 𝟏 −𝟏,𝒏𝟐 −𝟏 𝟐 𝟐 −𝟏,𝒏𝟏 −𝟏
Número de colas En la región crítica En MSExcel
Si f n1/12,n 21 =distr.F.inv(1-α/2,n1-1,n2-1)

Dos colas (≠)
Si
f n111,/n221 =distr.F.inv(α/2,n1-1,n2-1)
Unilateral derecha Si f n111,n 21 =distr.F.inv(α,n1-1,n2-1)
Unilateral izquierda Si f n11,n 21 =distr.F.inv(1-α,n1-1,n2-1)

Prueba de hipótesis para dos varianzas
Ejemplo: Estos son los tiempos de secado (minutos) de 9 y 10 hojas

cubiertas de poliuretano bajo dos condiciones ambientales diferentes:
Cond 1 50.4 54.2 55.6 55.8 55.9 56.1 57.5 59.9 60.1
Cond 2 58.6 59.1 61.8 55.9 51.4 59.9 54.3 61.8 61.8 63.4
¿Existe heteregoneidad de varianzas? Use un nivel de significación de 5%.
Ejemplo 1:
Dos fuentes de materias primas están siendo consideradas.
Ambas fuentes parecen tener características similares, pero
no se está seguro de su homogeneidad. Una muestra de 17
grupos de la fuente A produce una varianza de 200 y una
muestra de 12 grupos de la fuente B produce una varianza de
220. Con base en ésta información se puede concluir que la
varianza de la fuente B es significativamente mayor que la de
la fuente A?. Asuma n.s. 5%.

Ejemplo 2:
Se sabe que todas las ventas de A y de B se distribuyen
normalmente. Se han tomado dos muestras aleatorias de
ventas; una de 11 meses de A y otra de 10 meses de B
obteniéndose las siguientes ventas:
• Muestra de A: 19, 23, 21, 18, 22, 20, 21, 19,21, 23, 20.
• Muestra de B: 13, 16, 14, 12, 15, 14,19, 19, 20, 23.
Se cree que la varianza de todas las ventas de B son menores
que la varianza de las ventas de A. Asumir n.s. 3%
Ejemplo 3
Las cajas de un cereal producidos por una fábrica deben tener un
contenido de 16 onzas. Un inspector tomó una muestra en dos turnos
que proporciona los siguientes pesos en onzas:
• Turno 1: 15.7, 15.7, 16.3, 15.8, 16.3, 15.9, 16.5, 15.9, 15.8, 15.8
• Turno 2: 16.1,16.3, 15.9, 16.1, 16.2, 15.9, 15.1, 16.4, 16.1, 16.2, 15.9
Se cree que varianzas poblacionales de los pesos de ambos turnos son
diferentes. Despejar la duda del investigador. Asumir n.s. 3%.

Ejemplo 4:
• La compañía embotelladora de refrescos quiere tomar una decisión acerca de la
igualdad de las varianzas de cantidades de relleno entre su máquina actual y una
máquina moderna de alta velocidad. ¿La información muestral en la tabla
presenta suficiente evidencia para rechazar la hipótesis nula (la afirmación del
fabricante) de que la máquina embotelladora moderna de gran velocidad llena
las botellas con no mayor varianza que la máquina actual de la compañía?
Suponga que las cantidades de relleno tienen distribución normal para ambas
máquinas y completa la prueba usando α = 0.03.
Máquina n Var. Muestral

Máquina actual (p) 15 0.0015
Moderna máquina gran velocidad (m) 18 0.0011
Ejemplo 5
Una compañía diseña un nuevo proceso de moldeo para reducir la variabilidad en el
diámetro de las piezas producidas.
Se cree que la varianza del nuevo proceso es menor que la varianza del proceso antiguo.
Para una muestra de 15 piezas del proceso antiguo y una muestra de 14 piezas del proceso
nuevo se obtienen los siguientes diámetros en milímetros:
• Antiguo: 19, 25, 23, 20, 21, 20, 23, 21, 22, 16, 21,20,18,23,21.
• Nuevo: 18, 21, 23, 21, 19, 24,21,17,19,23,24,21,20,21.
1. Al 7% de n.s. pruebe lo siguiente:
a. Que la varianza del proceso antiguo es mayor a 2.
b. Que la varianza del proceso nuevo es mayor a 4.
2. Se cree que varianzas poblacionales de los diámetros del proceso nuevo es mayor al
antiguo. Despejar la duda del investigador. Asumir n.s. 7%.

Ejemplo 6
El año 2016 se vio caracterizado por el auge de la
Bolsa de Valores producto de las medidas de política SECTORES ABRIL DICIEMBRE
económica aplicadas por el gobierno las cuales Bancos 10.8 35.0
promovieron un incremento de rentabilidad relativa Financieras 2.8 9.5
de los valores transados en bolsa respecto de otras Industriales 267.8 31.1
alternativas de inversión. Éste fenómeno observado Mobiliarios 0.0 0.0
llega a ser cúspide en el mes de abril de dicho año, Mineras 10.9 6.9
periodo en el cual se transan 576.4 millones de soles Seguros 2.6 14.8
entre acciones y obligaciones. A continuación se Servicios públicos 0.3 0.3
presenta un cuadro resumen del movimiento bursátil Diversas 4.1 27.6
para 2016 en los meses de abril y diciembre, Industrias laborales 113.6 196.2
respectivamente. Mineras laborales 14.0 11.6
Pruebe el supuesto que diciembre es mayor
en su varianza que el mes de abril. Asumir
2% de n.s.

Unidad II Semana 10-2 20182

Cargado por

Copyright:

Formatos disponibles

Unidad II Semana 10-2 20182

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad II Semana 10-2 20182

Cargado por

Copyright:

Formatos disponibles

Estadística Inferencial

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Logro específico de aprendizaje de la unidad:

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Prueba de hipótesis para dos varianzas

Estadística Inferencial Estad. Rolando R. Romero Paredes

Unilateral izquierda 𝐹𝑐 < 𝑓𝛼,𝑛1 −1,𝑛2−1

Bilateral 𝐹𝑐 < 𝑓𝛼,𝑛 −1,𝑛2 −1 o 𝐹𝑐 > 𝑓1−𝛼2,𝑛1−1,𝑛2 −1

Número de colas En la región crítica En MSExcel

Si f n1/12,n 21 =distr.F.inv(1-α/2,n1-1,n2-1)

Unilateral derecha Si f n111,n 21 =distr.F.inv(α,n1-1,n2-1)

Unilateral izquierda Si f n11,n 21 =distr.F.inv(1-α,n1-1,n2-1)

Estadística Inferencial Estad. Rolando R. Romero Paredes

Ejemplo: Estos son los tiempos de secado (minutos) de 9 y 10 hojas

¿Existe heteregoneidad de varianzas? Use un nivel de significación de 5%.

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Máquina n Var. Muestral

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

Estadística Inferencial Estad. Rolando R. Romero Paredes

También podría gustarte