Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Temas 3 y 4 Pin + Practica

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 24

TEMA 3: MUESTREO Y DISTRIBUCIONES MUESTRALES

1. Concepto
Muestra es una parte representativa de la població n; el muestreo es el método utilizado para seleccionar la
muestra.

En la mayoría de los casos, no es posible estudiar a toda la població n, y se elige una muestra para representar
a todos los individuos. Esta muestra debe ser representativa de todas las características de todos los
elementos.

2. Tipos y métodos de muestreo


Las muestras pueden ser elegidas mediante diversas técnicas o procedimientos. Estas técnicas se clasifican
segú n el segú n como sean elegidos los individuos. Se dividen en dos grandes grupos:

2.1. Muestreo probabilístico (o muestreo aleatorio)


Hablamos de muestreo aleatorio en los casos en que todos los sujetos que forman parte de una població n
tienen la misma probabilidad de ser escogidos como parte de la muestra. Los muestreos de esta clase son má s
populares y ú tiles que los no aleatorios, principalmente porque tienen una elevada representatividad y
permiten calcular el error de la muestra.

Muestreo aleatorio simple: 1) todos los individuos tienen la misma probabilidad de ser elegidos, 2) las
observaciones se realizan con reemplazamiento, de forma que la població n es igual en todas las extracciones.
Muestreo aleatorio estratificado: los individuos se dividen en grupos o estratos. La muestra se elige
escogiendo en cada estrato un nú mero representativo de individuos.
Muestreo aleatorio sistemático: se utiliza en muestras ordenadas. Consiste en seleccionar al azar un
elemento y a partir de él, incrementando un intervalo fijo, seleccionar toda la muestra.
Muestreo aleatorio por conglomerados: la població n está dividida en conglomerados naturales (provincias,
ciudades,etc.). Se seleccionan algunos conglomerados y se toman en representació n de toda la població n.
2.2. Muestreo no probabilístico (o muestreo no aleatorio)
La selecció n de los individuos se basa en el criterio del investigador. No se conoce la probabilidad de que cada
individuo sea elegido en la muestra. Los muestreos no probabilísticos utilizan criterios con un bajo nivel de
sistematizació n que procuran asegurar que la muestra tenga un cierto grado de representatividad. Este tipo

1
de muestreos se emplean principalmente cuando no es posible llevar a cabo otros de tipo aleatorio, lo
cual es muy habitual a causa del elevado coste de los procedimientos de control.
Muestreo por cuotas: se basa en seleccionar la muestra después de dividir la població n en grupos o estratos.
Los sujetos dentro de cada grupo se eligen por métodos no probabilísticos.
Muestreo por conveniencia: consiste en seleccionar a los individuos que convienen al investigador para la
muestra. Esta conveniencia se produce porque al investigador le resulta má s fá cil examinar a estos sujetos, ya
sea por proximidad geográ fica, por ser sus amigos, etc.
Muestreo de bola de nieve (o muestreo por referidos): se realiza sobre poblaciones en las que no se conoce a
sus individuos o es muy difícil acceder a ellos. Se llama muestreo de bola de nieve porque cada sujeto
estudiado propone a otros, produciendo un efecto acumulativo parecido a una bola de nieve.
Muestreo casual o accidental: los individuos son elegidos de manera casual, sin ningú n juicio previo. Las
personas que realizan el estudio eligen un lugar o un medio, y desde ahi realizan el estudio a los individuos de
la població n que accidentalmente se encuentren a su disposició n.
Muestreo discrecional (o muestreo por juicio): los sujetos se seleccionan a base del conocimiento y juicio del
investigador.
3. Teorema del límite central
El teorema del límite central es un teorema fundamental de probabilidad y estadística. El teorema describe la
distribució n de la media de una muestra aleatoria proveniente de una població n con varianza finita. Cuando el
tamañ o de la muestra es lo suficientemente grande, la distribució n de las medias sigue aproximadamente una
distribució n normal. El teorema se aplica independientemente de la forma de la distribució n de la població n.
Muchos procedimientos estadísticos comunes requieren que los datos sean aproximadamente normales. El
teorema de límite central le permite aplicar estos procedimientos ú tiles a poblaciones que son
considerablemente no normales. El tamañ o que debe tener la muestra depende de la forma de la distribució n
original. Si la distribució n de la població n es simétrica, un tamañ o de muestra de 5 podría producir una
aproximació n adecuada. Si la distribució n de la població n es considerablemente asimétrica, es necesario un
tamañ o de muestra má s grande. Por ejemplo, la distribució n de la media puede ser aproximadamente normal
si el tamañ o de la muestra es mayor que 50. Las siguientes grá ficas muestran ejemplos de có mo la distribució n
afecta el tamañ o de la muestra que se necesita.

El teorema del límite central en la práctica


Dado que conocemos la forma de la distribució n de muestras (normal) para cualquier població n, podemos
tomar cualquier promedio individual y compararlo con la distribució n muestral para determinar que proviene
de la misma població n. En otras palabras, podemos probar la hipó tesis alternativa de que nuestra muestra
representa a una població n distinta de la conocida. Las pruebas de hipó tesis de medias y de proporciones se
hacen directamente en el mundo del Teorema de Límite Central. Si la probabilidad de observar que el
promedio en estudio es mayor (o menor) es lo suficientemente baja (digamos 0.05), entonces podemos
rechazar la afirmació n (hipó tesis nula) de que nuestra muestra es como las otras.

4.Distribución muestral
Una distribució n muestral presenta cada posible resultado que una estadística puede tomar en todas las
muestras posibles de una població n y con qué frecuencia ocurre cada resultado. En este tema veremos có mo
las proporciones y las medias de la muestra se comportan en muestras repetidas.
4.1. Distribución Muestral de Medias
Si recordamos a la distribución normal, esta es una distribución continua, en forma de campana en donde la media,
la mediana y la moda tienen un mismo valor y es simétrica.
Con esta distribución podíamos calcular la probabilidad de algún evento relacionado con la variable aleatoria,
mediante la siguiente fórmula:

2
En donde z es una variable estandarizada con media igual a cero y varianza igual a uno. Con esta fórmula se pueden
a hacer los cálculos de probabilidad para cualquier ejercicio, utilizando la tabla de la distribución z.

Sabemos que cuando se extraen muestras de tamaño mayor a 30 o bien de cualquier tamaño de una población
normal, la distribución muestral de medias tiene un comportamiento aproximadamente normal, por lo que se

puede utilizar la formula de la distribución normal con y , entonces la fórmula para calcular la
probabilidad del comportamiento del estadístico, en este caso la media de la muestra , quedaría de la siguiente
manera:

y para poblaciones finitas y muestro con reemplazo:

Ejemplo:
Una empresa eléctrica fabrica focos que tienen una duración que se distribuye aproximadamente en forma normal,
con media de 800 horas y desviación estándar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria
de 16 focos tenga una vida promedio de menos de 775 horas.
Solución:

Este valor se busca en la tabla de z

La interpretación sería que la probabilidad de que la media de la muestra de 16 focos sea menor a 775 horas es de
0.0062.

Ejemplo:
Las estaturas de 1000 estudiantes están distribuidas aproximadamente en forma normal con una media de 174.5
centímetros y una desviación estándar de 6.9 centímetros. Si se extraen 200 muestras aleatorias de tamaño 25 sin
reemplazo de esta población, determine:
El número de las medias muestrales que caen entre 172.5 y 175.8 centímetros.
El número de medias muestrales que caen por debajo de 172 centímetros.
Solución:
Como se puede observar en este ejercicio se cuenta con una población finita y un muestreo sin reemplazo, por lo
que se tendrá que agregar el factor de corrección. Se procederá a calcular el denominador de Z para sólo sustituirlo
en cada inciso.

3
(0.7607)(200)=152 medias muestrales

(0.0336)(200)= 7 medias muestrales

EJERCICIOS PROPUESTOS
Los estudiantes de Psicología en general manifiestan que tienen dificultad para memorizar. Experiencias
anteriores han consistido en exponer 5 palabras ante los estudiantes durante 10 segundos al comienzo de la
clase y luego preguntar por ellos al final de la clase, obteniéndose la siguiente distribución de probabilidad:

En una muestra aleatoria de 64 estudiantes, ¿Cuál es la probabilidad de que en promedio recuerden por lo
menos 3 palabras? R.- 0,0594

4.2. Distribución de proporciones muéstrales


La distribución muestral de la proporción muestral es la distribución de los valores de las proporciones muestrales
de todas las posibles muestras del mismo tamaño n tomadas de la misma población.
Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino que queremos investigar la
proporción de artículos defectuosos o la proporción de alumnos reprobados en la muestra. La distribución muestral
de proporciones es la adecuada para dar respuesta a estas situaciones. Esta distribución se genera de igual manera
que la distribución muestral de medias, a excepción de que al extraer las muestras de la población se calcula el
estadístico proporción (p=x/n en donde "x" es el número de éxitos u observaciones de interés y "n" el tamaño de la
muestra) en lugar del estadísitico media.
4
Una población binomial está estrechamente relacionada con la distribución muestral de proporciones; una
población binomial es una colección de éxitos y fracasos, mientras que una distribución muestral de proporciones
contiene las posibilidades o proporciones de todos los números posibles de éxitos en un experimento binomial, y
como consecuencia de esta relación, las afirmaciones probabilísticas referentes a la proporción muestral pueden
evaluarse usando la aproximación normal a la binomial, siempre que np 5 y n(1-p) 5. Cualquier evento se
puede convertir en una proporción si se divide el número obtenido entre el número de intentos.

Generación de la Distribución Muestral de Proporciones


Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artículos defectuosos. Se van a seleccionar 5
artículos al azar de ese lote sin reemplazo. Genere la distribución muestral de proporciones para el número de
piezas defectuosas.
Como se puede observar en este ejercicio la Proporción de artículos defectuosos de esta población es 4/12=1/3.
Por lo que podemos decir que el 33% de las piezas de este lote están defectuosas.
El número posible de muestras de tamaño 5 a extraer de una población de 12 elementos es 12C5=792, las cuales se
pueden desglosar de la siguiente manera:

Artículos Artículos Proporción de artículos Número de maneras en las que se


Buenos Malos defectuoso puede obtener la muestra
1 4 4/5=0.8 8C1*4C4=8
2 3 3/5=0.6 8C2*4C3=112
3 2 2/5=0.4 8C3*4C2=336
4 1 1/5=0.2 8C4*4C1=280
5 0 0/5=0 8C5*4C0=56
Total 792

Para calcular la media de la distribución muestral de proporciones se tendría que hacer la sumatoria de la
frecuencia por el valor de la proporción muestral y dividirla entre el número total de muestras. Esto es:

Como podemos observar la media de la distribución muestral de proporciones es igual a la Proporción de la


población.
p =P
También se puede calcular la desviación estándar de la distribución muestral de proporciones:

La
5
2
varianza de la distribución binomial es = npq, por lo que la varianza de la distribución muestral de proporciones
2
es p =(Pq)/n. Si se sustituten los valores en esta fórmula tenemos que:

, este valor no coincide con el de 0.1681, ya que nos falta agregar el factor
de corrección para una población finita y un muestreo sin reemplazo:

La fórmula que se utilizará para el cálculo de probabilidad en una distribución muestral de proporciones está
basada en la aproximación de la distribución normal a la binomial . Esta fórmula nos servirá para calcular la
probabilidad del comportamiento de la proporción en la muestra.

A esta fórmula se le puede agregar el factor de corrección de si se cumple con las


condiciones necesarias.
Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad grande fuman cigarrillos. Se toma una muestra
aleatoria de 800 estudiantes. Calcule la probabilidad de que la proporción de la muestra de la gente que fuma
cigarrillos sea menor que 0.55.

Solución:
Este ejercicio se puede solucionar por dos métodos. El primero puede ser con la aproximación de la distribución
normal a la binomial y el segundo utilizando la fórmula de la distribución muestral de proporciones.

Aproximación de la distribución normal a la binomial:


Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x< 440) = ?
Media= np= (800)(0.60)= 480

6
p(x< 440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de que al extraer una muestra de 800
estudiantes, menos de 440 fuman cigarrillos.

Distribución Muestral de Proporciones

Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p< 0.55) = ?

Observe que este valor es igual al obtenido en el método de la


aproximación de la distribución normal a la binomial, por lo que si lo buscamos en la tabla de "z" nos da la misma
probabilidad de 0.0017. También se debe de tomar en cuenta que el factor de corrección de 0.5 se esta dividiendo
entre el tamaño de la muestra, ya que estamos hablando de una proporción.
La interpretación en esta solución, estaría enfocada a la proporción de la muestra, por lo que diríamos que la
probabilidad de que al extraer una muestra de 800 estudiantes de esa universidad, la proporción de estudiantes
que fuman cigarrillos sea menor al 55% es del 0.17%.

Ejemplo:
Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden presentar una
reacción adversa a él, más aún, se piensa que alrededor del 3% de los usuarios tienen tal reacción. Si una muestra
aleatoria de 150 personas con malestar estomacal usa el medicamento, encuentre la probabilidad de que la
proporción de la muestra de los usuarios que realmente presentan una reacción adversa, exceda el 4%.

a Resolverlo mediante la aproximación de la normal a la binomial

7
b Resolverlo con la distribución muestral de proporciones

a Aproximación de la distribución normal a la binomial:

Datos:n=150 personas p=0.03 x= (0.04)(150) = 6 personasp(x>6) = ?Media = np= (150)(0.03)= 4.5

p(x>6) = 0.1685.
Este valor significa que existe una probabilidad del 17% de que al extraer una muestra de 150 personas,
mas de 6 presentarán una reacción adversa.
b Distribución Muestral de Proporciones
Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?

Observe que este valor es igual al obtenido y la interpretación es: existe una probabilidad del 17% de que al tomar
una muestra de 150 personas se tenga una proporción mayor de 0.04 presentando una reacción adversa.

Ejemplo:
Se sabe que la verdadera proporción de los componentes defectuosos fabricadas por una firma es de 4%, y
encuentre la probabilidad de que una muestra aleatoria de tamaño 60 tenga:
a Menos del 3% de los componentes defectuosos.
b Más del 1% pero menos del 5% de partes defectuosas.

Solución:

8
a
Datos:

n= 60 artículos P=0.04 p= 0.03p(p<0.03) = ? La probabilidad de que en


una muestra de 60 artículos exista una proporción menor de 0.03 artículos defectuosos es de 0.2327.  
b Datos:
n= 60 artículos
P=0.04
p= 0.01 y 0.05
p(0.01<p<0.05) = ?

5. Determinación de tamaño apropiado de muestra.

PARA POBLACIÓN INFINITA N > 100.000

9
PARA POBLACIÓN FINITA N ≤ 100.000

Bibliografía
Aaron, A., & Aaron, E. (2001). Estadística para Psicología (2º ed.). Buenos Aires: Prentice Hall.
Moya, R. (1999). Estadística descriptiva. Lima: San Marcos.
Pérez, R. (2012). Estadística aplicada a las ciencias sociales (1º ed.). Madrid: UNED.
Weimer, R. (2003). Estadística. Mexico: Continental.

10
TEMA Nº 4 PRUEBA DE HIPÓTESIS

Tabla de contenido
1. Generalidades................................................................................................................................ 11
2. Procedimiento de verificación de hipótesis......................................................................... 13
3. VERIFICACION DE HIPÓTESIS.................................................................................................... 14
3.1. MEDIA POBLACIONAL ÚNICA.......................................................................................................... 14
3.2. DIFERENCIA DE DOS MEDIAS POBLACIONALES........................................................................ 15
3.2.1. Muestreo independiente............................................................................................................................. 16
3.2.2. Muestreo pareado.......................................................................................................................................... 20
3.4. DIFERENCIA DE K PROPORCIONES................................................................................................ 22

1. Generalidades

Una prueba de hipó tesis es una regla que especifica si se puede aceptar o rechazar una afirmació n acerca de
una població n dependiendo de la evidencia proporcionada por una muestra de datos. En el á rea de psicología
la prueba de hipó tesis es ú til para verificar ciertos patrones conductuales, como por ejemplo:
 Establecer el nivel de satisfacció n conyugal quemuestran muestran ambos miembros de la pareja
transcurridos 7añ os de matrimonio.
 Evaluar el grado de impacto que tiene un tratamientopara controlar la ansiedad entre hombres y
mujeres.
 Determinar el efecto que tiene un taller dereforzamiento en Estadística Inferencial para estudiantes
que asisten y no asisten a clases.

Una prueba de hipó tesis examina dos hipó tesis opuestas sobre una població n: la hipó tesis nula y la hipó tesis
alternativa. La hipó tesis nula es el enunciado que se probará .

Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La hipótesis
alternativa es el enunciado que se desea poder concluir que es verdadero de acuerdo con la evidencia
proporcionada por los datos de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la hipó tesis nula. Usted utiliza el
valor p para tomar esa decisió n. Si el valor p es menor que el nivel de significancia (denotado como α o alfa),
entonces puede rechazar la hipótesis nula.

Un error comú n de percepció n es que las pruebas estadísticas de hipó tesis está n diseñ adas para seleccionar
la má s probable de dos hipó tesis. Sin embargo, al diseñ ar una prueba de hipó tesis, establecemos la hipó tesis
nula como lo que queremos desaprobar. Puesto que establecemos el nivel de significancia para que sea
pequeñ o antes del aná lisis (por lo general, un valor de 0.05 funciona adecuadamente), cuando rechazamos la
hipó tesis nula, tenemos prueba estadística de que la alternativa es verdadera. En cambio, si no podemos
rechazar la hipó tesis nula, no tenemos prueba estadística de que la hipó tesis nula sea verdadera. Esto se debe
a que no establecimos la probabilidad de aceptar equivocadamente la hipó tesis nula para que fuera pequeñ a.

Entre otras preguntas que se pueden contestar con una prueba de hipó tesis está n las siguientes:
¿Tienen las estudiantes de pregrado una estatura media diferente de 66 pulgadas?
¿Es la desviació n está ndar de su estatura igual a o menor que 5 pulgadas?
¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado en promedio?

11
¿Es la proporció n de los estudiantes de pregrado significativamente má s alta que la proporció n de las
estudiantes de pregrado?

¿Cuá l es el nivel de significancia en una prueba?


El nivel de significación α de una prueba estadística es un concepto estadístico asociado a la verificació n de
una hipótesis. En pocas palabras, se define como la probabilidad de tomar la decisió n de rechazar
la hipótesis nula cuando ésta es verdadera (decisió n conocida como error de tipo I, o "falso positivo").

12
2. Procedimiento de verificación de hipótesis

Usted puede seguir seis pasos bá sicos para configurar y realizar correctamente una prueba de hipó tesis
teniendo en cuenta que debe determinar los criterios para la prueba y el tamañ o de muestra necesario antes
de recolectar los datos.
Pasos para establecer una prueba de hipó tesis:
1. Plantear la hipótesis
Se plantea la hipó tesis que se probara, es decir la nula; con el objetivo de rechazarla o no. Para esto
es ú til preguntarse ¿Qué deseo concluir? O ¿Qué creo que es verdadero?
2. Interpretar todos los datos que ofrece el enunciado, diferenciando los parámetros de los
estadísticos: (μ,σ,α, n, s, etc.)
3. Establecer el o los valores críticos.
Segú n el nivel de significancia elegido“α” se establecen los valores críticos del estadístico de prueba
(Z o T), es decir las zonas de rechazo y no rechazo de la hipó tesis.
4. Con base en la muestra, calcular el valor del estadístico de prueba Z.

Un estadístico de prueba es un valor numérico calculado a partir de los datos de una muestra y que se utiliza
para tomar la decisió n de rechazar o no la hipó tesis nula y está relacionado con el parámetro sobre el cual se
hace la hipó tesis y la naturaleza de la distribució n muestral del estadístico pertinente.

5. Determinar la regla de decisión con base a los valores críticos de Z.


Determinar en base a los resultados si se rechaza o no la hipó tesis nula o dicho de otra forma, si el
estadístico de prueba calculado cae en la zona de rechazo o en la de no rechazo.
13
6. Interpretación y conclusiones. Dó cima de hipó tesis

3. VERIFICACION DE HIPÓTESIS

3.1. MEDIA POBLACIONAL ÚNICA

PARA MUESTRAS GRANDES (n≥30)

14
PARA MUESTRAS PEQUEÑ AS (n<30)

3.2. DIFERENCIA DE DOS MEDIAS POBLACIONALES


En numerosas ocasiones es necesario comparar entre si dos poblaciones separadas y tomar la decisió n de si
una diferencia observada entre dos medias muestraes se puede atribuir a la causalidad. Las pruebas de
hipó tesis son las mismas que las de una sola media, salvo que se necesitan dos muestras, una de cada
població n.
Para comparar dos poblaciones se pueden utiizar dos métodos de muestreo:
 Muestreo independiente
 Muestreo pareado (dependiente)

15
3.2.1. Muestreo independiente
Ocurre cuando se eligen dos muestras totalmente independientes de dos poblaciones diferentes. Se
tienen dos casos:
PARA MUESTRAS GRANDES, varianzas conocidas
Las propiedades de la Distribució n Normal son también sumamente ú tiles
cuando queremos encontrar si dos conjuntos de observaciones provienende la misma població n o si hay
diferencias entre dos procesos aplicados a los mismos datos o individuos.
Lo que intentamos probar comú nmente es si la diferencia entre dos mediases igual a cero, pero como en
general no vamos a encontrar que ladiferencia de dos medias muestrales sea cero, aú n cuando provengan de
lamisma població n, tenemos que buscar la forma de cuantificar qué tanseguros estamos de que la diferencia
es significativa.

16
Ejemplo: Para determinar el impacto de las escuelas sin ventanas sobre el desarrollo psicoló gico de los
escolares , se sometio a una misma prueba de ansiedad a un grupo de 40 niñ os de una escuela sin ventanas y
a un grupo de 30 niñ os de una escuela con ventanas. Los resultados de la prueba aparecen a continuació n.
Escuela sin ventanas n=40, media 117, desviació n está ndar 10.
Escuela con ventanas n=30, media 112, desviació n está ndar 12.
Si usted esta dispuesto a rechazar una hipó tesis verdadera no mas de 5 veces en 100 casos ¿puede concluir
que el impacto en ambas escuelas sobre la ansiedad de los niñ os no es el mismo?

Ho: µ1 = µ2
Ha: µ1 ≠ µ2
Como las muestras son grandes usamos la distribució n normal está ndar Z.

La regió n crítica, si α=0.05 , es:

Z< -Zα/2 = -1.96 o Z > Zα/2 = 1.96

Calculamos el estadístico Z

X´ 1−X 2
Z=
S 21 S 22
√ +
n1 n2

117−112
Z= =1.85
2 2
10 12
√ +
40 30

No se rechaza la Ho.

Conclusió n: Al 95% de confianza afirmamos que no existe diferencia significante entre ambas medias por lo
que concluimos que son iguales, es decir que no existe impacto psicoló gico significativo en los niñ os al existir
o no ventanas en las escuelas.

PARA MUESTRAS PEQUEÑ AS, varianza poblacionales desconocidas que se suponen iguales

3.3. DIFERENCIA DE DOS PROPORCIONES

17
18
19
3.2.2. Muestreo pareado

Llamado también de pares coincidentes, es el procedimiento a través del cual se hacen coincidir, con
la mayor exactitud posible, varias parejas de observaciones con las características de interés, es
decir estas parejas de observaciones no son independientes.

20
21
3.4. DIFERENCIA DE K PROPORCIONES

Existen muchos problemas en los cuales se debe decidir si las diferencias observadsa entre mas de dos
proporciones muestrales se pueden atribuir a la causalidad o si existen indicios de que no todas las
proporciones poblacionales correspondientes son iguales, utilizá ndose para este tipo de problemas la
distribució n chi cuadrada :

22
g.l.=(f-1)*(c-1)

Donde:
Fo= frecuencia observada
Fe= frecuencia esperada en condiciones de independencia estadística
Los grados de libertad equivales a (Nº de filas-1)(Nº de columnas – 1)

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-
topics/basics/example-of-a-hypothesis-test/

PRÁCTICA 2
Cuestionario
1. Defina muestreo.
2. Elabore un esquema sobre los tipos de muestreo.
3. Explique el teorema del límite central
4. ¿Qué es una hipó tesis? Cite 2 ejemplos.
5. Explique qué es la hipó tesis nula y la hipó tesis alternativa
6. ¿Qué es el nivel de significancia?
7. Indique los pasos a seguir para la verificació n de hipó tesis
8. ¿En qué caso se rechaza la hipó tesis nula?
9. ¿En qué casos se aplican el estadístico de prueba “z”? ¿y “t”?

EJERCICIOS
1. Un fabricante de cigarrillos asegura que el contenido promedio de nicotina en una de sus marcas, es de 0,6
mg. por cigarrillo. Una organizació n independiente mide el contenido de nicotina de 16 cigarrillos de esta
marca y, encuentra que el promedio y la desviació n está ndar es de 0,75 y 0,175 mg. Respectivamente de
nicotina. Si se supone que la cantidad de nicotina en estos cigarrillos es una variable aleatoria normal, ¿qué
tan probable es el resultado muestral dado el dato proporcionado por el fabricante?.

2.- Un investigador desea estimar la media de una població n usando una muestra suficientemente grande,
para que la probabilidad de que la media muestral no difiera de la media de la població n en má s del 25% de la
desviació n está ndar , sea 0,95. ¿De qué tamañ o debe tomarse la muestra?.

3.    Para estimar la proporció n de habitantes de una ciudad que poseen ordenador personal se toma una
muestra de tamañ o n. Calcula el valor mínimo de n para garantizar, con un nivel de confianza del 95 %, que el
error de estimació n no supera el 2 %. (Como se desconoce la proporció n, se hará a partir del caso má s
desfavorable, que será 0,5).
R.- 2401
4.   Se va a realizar una encuesta entre la població n mayor de edad en una pequeñ a localidad. Si se sabe que
hay un total de 1000 personas mayores de edad y se admite un margen de error del 2 %, ¿a cuá ntas personas
habrá que entrevistar como mínimo con un nivel de confianza del 95 %?

5. Como psicó logo de un hospital para enfermos mentales, el lector obtiene calificaciones para una prueba
visual motora para cada uno de dos grupos de pacientes. La calificació n media para el grupo A (10 pacientes)
es 80, con desviació n está ndar 18, y la correspondiente al grupo B (15 pacientes) es 70 con desviació n
está ndar 22. El lector cree tener suficientes razones para considerar las desviaciones está ndar de població n
iguales. ¿difieren significativamente las calificaciones con nivel del 10%? (Pag. 732, Moya)

23
6. Un investigador de  há bitos de comportamiento afirma que el tiempo que los niñ os de tres a cinco añ os
dedican a ver la televisió n cada semana se distribuye normalmente con una media de 22 horas y desviació n
está ndar 6 horas. Frente a este estudio, se cree que la media es mayor y para probar su hipó tesis se toma una
muestra de 64 observaciones procedentes de la misma població n, obteniendo como resultado una media de
25. Si se utiliza un nivel de significació n del 5%. Verifique si la afirmació n del investigador es realmente cierta.
R.- Zprueba (4) , ztabla (1,645)

24

También podría gustarte