INSTITUTO TECNOLÓGICO DE CD.

JIMÉNEZ

INGENIERÍA INDUSTRIAL

PRÁCTICA NO. 2

“DIFERENCIA DE PROPORCIONES”

M&M

ESTUDIANTE(S): KIMBERLY DE SANTIAGO

RONALDO GAMBOA
ADRIANA MENDOZA

NO. CONTROL: 23740089

23740173
23740109

MATERIA: ESTADÍSTICA INFERENCIAL I

MAESTRO: M.I. RICARDO SALAZAR UNZUETA

GRUPO: 01/ IND

INSTRUCTOR: M.I. RICARDO SALAZAR UNZUETA

FECHA DE LA PRÁCTICA: 06/NOVIEMBRE/2024

 NOMBRE DE LA PRÁCTICA

“Diferencia de Proporciones”

OBJETIVO

Calcular intervalos de confianza e intervalo de confianza para un parámetro

poblacional desconocido, utilizando los conocimientos adquiridos en el aula,
para tomar mejores decisiones sobre el desempeño los procesos.

OBJETIVO ESPECÍFICO

● Aplicar los conceptos teóricos adquiridos sobre intervalos de confianza y

prueba de hipótesis.
● Utilizar Excel y Minitab para realizar cálculos
● Calcular los estadísticos necesarios para el conjunto de datos
● Calcular el error estándar para el conjunto de datos
● Calcular el margen de variación
● Utilizar la plataforma Geogebra para el cálculo de intervalos de confianza

2
 CONSIDERACIONES TEÓRICAS

1.- Intervalos de confianza

● Pruebas de hipótesis e intervalo de confianza, para la diferencia de

proporciones.

Prueba de Hipótesis e Intervalo de Confianza para la Diferencia de

Proporciones

La prueba de hipótesis y el intervalo de confianza para la diferencia de

proporciones son técnicas estadísticas que permiten realizar inferencias

sobre dos poblaciones independientes con base en las proporciones

observadas en muestras tomadas de dichas poblaciones. Estas herramientas

son fundamentales para evaluar diferencias significativas entre grupos en una

variedad de contextos, como encuestas, estudios clínicos o experimentos.

Prueba de hipótesis para la diferencia de proporciones

La prueba de hipótesis tiene como objetivo evaluar si la diferencia observada

entre las proporciones de dos muestras es estadísticamente significativa o

simplemente el resultado del azar. Se basa en el siguiente esquema:

1. Definición de hipótesis:

o Hipótesis nula ( H 0 ¿: p1− p2=0, lo que significa que no hay

diferencia entre las proporciones poblacionales.

o Hipótesis alternativa ¿): Puede plantearse como:

 p1− p2 ≠ 0, (prueba bilateral).

 p1− p2 >0 , (prueba unilateral derecha)

3
  p1− p2 <0 , (prueba unilateral izquierda)

2. Estadístico de prueba:

El estadístico de prueba para esta comparación se basa en la distribución

normal estándar (z ) y se calcula de la siguiente manera:

( ^p1 − ^p 2)
z=

√ ^p (1− ^p )(
1 1
+ )
n1 n2

x1 x2
 ^p1= y ^p2= son las proporciones muestrales.
n1 n2

x 1+ x2
 ^p= es la proporción combinada bajo la hipótesis nula.
n1 + n2

 n1 y n2 son los tamaños de muestra.

 x 1 y x 2 son los números de éxitos en las muestras.

1. Regla de decisión:

o Para una prueba bilateral, se compara el valor absoluto de z con el

valor crítico (z ∝/ 2) correspondiente alnivel de significancia (∝).

o Para pruebas unilaterales, se compara z con z ∝.

o Alternativamente, se calcula el valor p y se compara con ∝. Si valor

p<∝, se rechaza H 0.

Intervalo de confianza para la diferencia de proporciones

El intervalo de confianza permite estimar un rango de valores plausibles para la

diferencia entre las proporciones poblacionales ( p1− p2 ) basándose en los datos

muestrales.

4
 1. Fórmula del intervalo:

La fórmula general para un intervalo de confianza del 1−∝ es:

( ^p1− ^p 2) ± Z ∝/ 2 .
√ ^p1 (1−^p1) ^p2 (1−^p2)
n1
+
n2

 Z∝ /2 es el valor crítico de la distribución normal estándar para el nivel

de confianza deseado.

 ^p1 y ^p2 son las proporciones muestrales.

 n^ 1 y n^ 2 son los tamaños de las muestras.

1. Interpretación:

o Si el intervalo incluye el valor 0, no se puede concluir que exista una

diferencia significativa entre las proporciones poblacionales.

o Si el intervalo no incluye 0, se considera que existe una diferencia

estadísticamente significativa.

Supuestos

Para aplicar tanto la prueba de hipótesis como el intervalo de confianza, es

necesario cumplir ciertos supuestos:

 Las muestras deben ser independientes.

 Los tamaños muestrales (n1 y n2 ) deben ser suficientemente grandes para

que las distribuciones muestrales de ^p1 y ^p2 sean aproximadamente

normales. Esto suele garantizarse si n1 ^p1,n1 ¿), n2 ^p2, y n2 ¿) son mayores a

5.

 Las proporciones poblacionales deben estimarse de manera confiables

5
Diferencia entre prueba de hipótesis e intervalo de confianza

Aunque ambas herramientas se basan en los mismos datos, tienen objetivos

distintos:

 La prueba de hipótesis evalúa si existe evidencia suficiente para rechazar

una afirmación específica sobre las proporciones.

 El intervalo de confianza proporciona un rango de valores en el cual se

espera que esté la diferencia verdadera entre las proporciones.

En combinación, estas herramientas ofrecen una comprensión integral de las

relaciones entre proporciones poblacionales, tanto en términos de significancia

estadística como de magnitud de la diferencia.

MATERIAL

Para el desarrollo de la presente Práctica se utilizó el siguiente material y equipo

Material

● M&M

● Lápiz

● Hoja de cuaderno

Equipo y Software

● Excel

● Geogebra

● Celular

6
 ● Laptop

METODOLOGÍA

Para el desarrollo de esta práctica se llevaron a cabo los siguientes pasos:

Primero, el grupo se dividió en dos equipos, denominados Línea A y Línea B.

Posteriormente, cada integrante abrió su paquete de M&M y vació las lunetas

sobre su mesa de trabajo.

A continuación, se procedió a contar las lunetas de cada paquete. Luego, se

seleccionó una luneta como muestra, que serviría como referencia para

determinar cuáles estaban en buen estado y cuáles no. Las lunetas consideradas

en buen estado eran aquellas con la "M" bien marcada y centrada.

Después, todas las lunetas se colocaron en una hoja de cuaderno, donde se

enumeraron utilizando un lápiz. Seguidamente, se marcaron con una "m" las

lunetas en buen estado y con una "b" las que no cumplían con las características.

Una vez marcadas, se contó el total de lunetas en mal estado. Finalmente, se

recopilaron los resultados obtenidos por todos los integrantes de cada línea, y se

procedió a realizar los cálculos y análisis en el software Minitab, enfocándose en

la “Diferencia de Proporciones”.

7
 Fig. 1. Foto de M&M ya contabilizadas

CÁLCULOS Y RESULTADOS

Los siguientes resultados que se muestran son en relación a los M&M

MINITAB

Prueba e IC para dos proporciones

Método
p₁: proporción donde Muestra 1 =
Evento
p₂: proporción donde Muestra 2 =
Evento
Diferencia: p₁ - p₂

Estadísticas descriptivas
Muestr Event Muestra
a N o p
Muestra 45 242 0.535398
1 2
Muestra 54 284 0.525926
2 0

Estimación de la diferencia
IC de 95% para
Diferenci la
a diferencia
0.0094723 (-0.052879,
0.071824)

IC basado en la aproximación a la normal

Prueba
Hipótesis nula H₀: p₁ - p₂ =
0
Hipótesis H₁: p₁ - p₂ ≠
alterna 0
Valor Valor
Método Z p
8
 Aproximación 0.30 0.766
normal
Exacta de Fisher 0.798

La prueba basada en la aproximación a la normal utiliza la estimación agrupada de la

proporción (0.530242).
GEOGEBRA

CONCLUSIONES

Esta práctica fue de gran utilidad para aplicar los conocimientos de estadística
inferencial en un contexto real, permitiéndonos analizar datos, interpretar
resultados y llegar a conclusiones basadas en evidencia. Además, nos ayudó a
entender cómo utilizar las herramientas estadísticas para abordar problemas
prácticos de forma estructurada.
Durante la actividad, aprendimos no solo a realizar cálculos manuales, sino
también a emplear software especializado, como "Minitab", que nos permitió
agilizar los cálculos y obtener resultados con mayor precisión. Esto incluyó el
análisis de intervalos de confianza, lo que fue clave para validar nuestras
conclusiones de manera confiable y rápida.
Desde un enfoque práctico, esta experiencia también nos demostró cómo los
temas abordados en clase tienen aplicaciones directas en áreas como el control
de calidad, donde es esencial garantizar que los productos cumplan con los
estándares esperados. Esto no solo ayuda a mantener la satisfacción del cliente,
sino que también tiene un impacto positivo en la eficiencia y rentabilidad de las
empresas.

1. Muestras: Asegurar que todas las muestras sean del mismo tipo o que
provengan de un mismo lote para minimizar la variabilidad en los
resultados y obtener datos más confiables.
2. Ampliar el tamaño de la muestra: Incluir más muestras en el análisis
siempre mejora la calidad de los resultados, reduciendo la posibilidad de
errores estadísticos.

9
En términos industriales, se identificó que los paquetes de M&M contienen un
poco más de producto de lo esperado. Si bien esto puede ser percibido como un
beneficio para el consumidor, implica pérdidas económicas para la empresa. Este
exceso podría optimizarse ajustando los procesos de producción para que el
peso del producto se mantenga dentro del rango especificado, generando así
más paquetes con el peso correcto y mejorando la rentabilidad.
Esto pone en evidencia la necesidad de realizar ajustes en los procesos
industriales, resaltando la importancia de la estadística como herramienta para
identificar áreas de mejora y optimizar los recursos de la empresa.

Finalmente, los resultados confirmaron que el peso promedio de los paquetes de

M&M es igual a 50 gramos, llevando a aceptar la hipótesis nula y a rechazar la
hipótesis alternativa, que proponía un peso diferente. Con un nivel de
significancia del 0.05 %, se concluyó que no hay evidencia suficiente para afirmar
que el peso sea distinto a lo establecido.

Prueba
Hipótesis nula H₀: p₁ - p₂ =
0
Hipótesis H₁: p₁ - p₂ ≠
alterna 0
Valor Valor
Método Z p
Aproximación 0.30 0.766
normal
Exacta de Fisher 0.798

La prueba basada en la aproximación a la normal utiliza la estimación agrupada de la

proporción (0.530242).

10
 BIBLIOGRAFIA

1. Levin, R. I., & Rubin, D. S. (2010). Estadística para administración y

economía (7.a ed.). Pearson Educación.

2. Montgomery, D. C., & Runger, G. C., (2015). Estadística y probabilidad

para ingenieros (4. a ed.). McGraw-Hill Educación.

3. Triola, M. F. (2013). Estadística (11. a ed.). Pearson Educación.

4. Devore, J. L. (2012) Probabilidad y estadística para ingeniería y

ciencias (8.a ed.). Cengage Learning.

ANEXOS

Anexo I

Tutorial.

Como primer paso es recomendable realizar una gráfica de dispersión tipo matriz,

para realizar lo siguiente se siguen los siguientes pasos.

1.- 2 Proporciones

11
Estadísticas-Estadística básicas-2 Proporciones

2.- Datos Resumidos

Datos resumidos

3.- Numero de eventos y ensayos

Después de poner la opción de datos resumidos, tenemos que poner el numero

de eventos y ensayos de cada línea. El numero de eventos corresponde al total

de lunetas malas en cada línea, y el numero de ensayos corresponde al total de

muestras.

Luego se le da en opciones.

4.- Calculo agrupado de la proporción

12
Luego de haber entrado a opciones, revisamos que todo este como en la imagen

anterior y a continuación nos vamos al método de prueba, vemos las opciones y

le picamos a la opción que diga “utilice el calculo agrupado de la proporción”.

Después le damos en aceptar

En aceptar otra vez y tenemos nuestros cálculos y resultados

13
Prueba e IC para dos proporciones

Método
p₁: proporción donde Muestra 1 =
Evento
p₂: proporción donde Muestra 2 =
Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas
Muestr Event Muestra
a N o p
Muestra 45 242 0.535398
1 2
Muestra 54 284 0.525926
2 0
Estimación de la diferencia
Diferenci IC de 95% para

14
 la
a diferencia
0.0094723 (-0.052879,
0.071824)

IC basado en la aproximación a la normal

Prueba
Hipótesis nula H₀: p₁ - p₂ =
0
Hipótesis H₁: p₁ - p₂ ≠
alterna 0
Valor Valor
Método Z p
Aproximación 0.30 0.766
normal
Exacta de Fisher 0.798

La prueba basada en la aproximación a la normal utiliza la estimación agrupada de la

proporción (0.530242).

15