UNIVERSIDAD INTERAMERICANA PARA EL

DESARROLLO

CARRERA:
LICENCIATURA EN EDUCACIN

ASIGNATURA:
ESTADSTICA INFERENCIAL

TITULO:
PROYECTO FINAL PARA ESTADISTICA
INFERENCIAL

NOMBRE DEL ALUMNO.

ALICIA GURRUSQUIETA DENOVA

FECHA:
06 DE NOVIEMBRE DEL 2017
NDICE

INTRODUCCIN................................................................................. 3
EJERCICIOS....................................................................................... 4
CONCLUSIN ...................................................................................10
INTRODUCCIN
En este reporte de proyecto se refleja uno de los tipos de la estadstica como lo es
la estadstica inferencial, la cual se relaciona con el proceso se utilizar los datos de
una muestra para realizar inferencias y tomar decisiones con respecto a la poblacin
de la cual se toma una muestra que nos permite conocer la realidad y representarla.
La estadstica inferencial comprende mtodos y procedimientos para deducir
probabilidades, es decir, hacer inferencias. A travs de ellas se realizan
generalizaciones o se toman decisiones sobre la base de la informacin obtenida
de la muestra, dicha muestra es un subconjunto de la poblacin objetiva.

En este trabajo se muestra algunos problemas resueltos por los conocimientos

aprendidos en esta materia la cual es indispensable aplicar alguno de ellos en los
mismo.

Tambin se presenta diferencia entre nmero de ndice y complejo, adems el saber

cul es el tipo error I y error II.
EJERCICIOS
Problema 1. Indique si las poblaciones siguientes se consideran
finitas o infinitas.
a) Todos los votantes registrados en el estado de Nuevo Len.
R= Finita.
b) Todos los equipos de televisin que pueden ser producidos en
una determina fbrica.
R=Infinita.
c) Todas las llamadas de emergencia que pueden ser recibidas en
una estacin de bomberos.
R= Infinita.

Problema 2. La media de una poblacin es 200 y su desviacin

estndar es 50. Se va a tomar una muestra aleatoria simple de tamao
100 y se usar como la media muestral para estimar la media
poblacional.
Cul es el valor esperado de x y su desviacin estndar?

Valor esperado de x: 200.

Desviacin estndar: 5.

= ( =
) = ( ) = ()

= ( ) = ( ) =

Problema 3. En una muestra aleatoria simple de 60 artculos la media

muestral fue 80 y la desviacin estndar poblacional es 15. Encuentre
un intervalo de confianza de 90% para la media poblacional.
n=60
) = = =
(
= =


= = = =1.94

Intervalo de confianza de 90% para la media poblacional.

1 - = 0.90
= 1 0.90 = 0.10
.
= = .



= (. ) ( ) = . = .

Problema 4. Una compaa fabrica cojinetes de bolas que tienen un
peso medio de 0.638 onzas y una desviacin estndar de 0.012
onzas. Encuentre los lmites de confianza de 95% y 99% de los pesos
de los lotes que constan de 100 cojinetes de bolas de cada uno.
n=100
) = = = .
(
= = .
.

= = = = .

Lmite de confianza de 90% para la media poblacional.

1 - = 0.90
= 1 0.90 = 0.10
.
= = .

.

= . (. ) ( ) = . . = .

Lmite de confianza de 95% para la media poblacional
1 - = 0.95
= 1 0.95 = 0.5
.
= = .

.

= . (. ) ( ) = . . = .

Problema 5. Explica con tus propias palabras el error de tipo I y el

error de tipo II que pueden ser utilizados en las pruebas de hiptesis y
da un ejemplo de cada uno de ellos.
Error de tipo I
Si la hiptesis nula cuando es verdadera, comete un error de tipo I.
Error de tipo II
Cuando la hiptesis nula es falsa y usted no la rechaza, comete un
error de tipo II.
Ejemplos:
Un investigador mdico desea comparar la efectividad de dos
medicamentos. Las hiptesis nula y alternativa son:
Hiptesis nula (H0): 1= 2
Los dos medicamentos tienen la misma eficacia.
Hiptesis alternativa (H1): 1 2
Los dos medicamentos no tienen la misma eficacia.
Un error de tipo I se produce si el investigador rechaza la hiptesis
nula y concluye que los dos medicamentos son diferentes cuando, en
realidad, no lo son. Si los medicamentos tienen la misma eficacia, el
investigador podra considerar que este error no es muy grave, porque
de todos modos los pacientes se beneficiaran con el mismo nivel de
eficacia independientemente del medicamento que tomen. Sin
embargo, si se produce un error de tipo II, el investigador no rechaza
la hiptesis nula cuando debe rechazarla. Es decir, el investigador
concluye que los medicamentos son iguales cuando en realidad son
diferentes. Este error puede poner en riesgo la vida de los pacientes si
se pone en venta el medicamento menos efectivo en lugar del
medicamento ms efectivo.
Problema 6. Considere la prueba de hiptesis siguiente:
H 0: p = 0.20
H a: p 0.20
En una muestra de 400 se encontr la proporcin muestral p = 0.175.
1. Calcule el valor estadstico de prueba. 2. Con = 0.05, Cul es
su conclusin?

.
Z= = = = .

Problema 7. Considere la prueba de hiptesis que se da a

continuacin. H 0: 1 2 0 H a: 1 2 > 0.
Los resultados siguientes son obtenidos de dos muestras
independientes tomadas de dos poblaciones. Muestra 1 Muestra 2 n1=
40 n2 = 50 x1 = 25.2 x 2 = 22.8
1= 5.2 2 = 6.0 a.
Cul es el valor estadstico de prueba? b.
Con = 0.05, Cul es su conclusin de la prueba de hiptesis?
Problema 8. La varianza en el llenado de las cajas de cereal debe de
ser 0.2 o menos. En una muestra de 41 cajas de cereal la desviacin
estndar muestral es 0.16 onzas. Use = 0.05 para determinar si la
varianza en el llenado de las cajas de cereal ha excedido la
especificacin.
Problema 9. Los datos a continuacin descritos: xi 1 2 3 4 5 yi 3 7 5
11 14

Tiene la ecuacin de regresin estimada y 0.20 2.60 x. Calcule

SCE, STC y SCR.
Problema 10. Con los datos de la tabla anterior, calcule el error medio
cuadrado y el error de estndar de estimacin.
Problema 11. Investiga cules paquetes de software son utilizados
para realizar el anlisis de regresin mltiple y cules son sus
beneficios.
Paquetes de software
Este es un conjunto de programas informticos especficamente
diseados para el anlisis estadstico de datos con el propsito de
dar solucin a problemas bien sea de estadstica descriptiva
inferencial, o de ambos.
Este conjunto de programas y subprogramas se encuentran
conectados de manera que funcionan de conjunta, es decir que
para pasar de uno a otro no se necesita salir del programa y volver
a l, Gondar, 2000.

Software Ventajas Desventajas

1.- Comprende procedimientos estadsticos.
2.- Todos los procedimientos pueden emplearse de una sola
ejecucin. 1.- Su principal inconveniente es que
SAS 3.- Los resultados pueden guardarse como archivos y usarse no resulta fcil de aprender a usarlo.

como entradas para futuras.

4.- Es til en la gestin de datos y en la redaccin de informes.
1.- Los reportes de resultados contiene
1.- Es fcil de aprender a usar un nivel excesivo de informacin.
2.- Posee gran cantidad de
2.- Manejo de datos con gran facilidad para los usuarios. informacin en forma automtica (by
default) que distrae al usuario.
3.- Si el usuario no tiene experiencia
SPSS previa utilizando SPSS o si sus
3.- Acoplamiento a un Plan de proyecto. conocimientos de estadstica no estn
actualizados, es difcil comprender que
opciones seleccionar.

4.- Servicio eficaz y de calidad al evaluar los resultados. 4.- Lleva a veces a una sofisticacin
innecesaria al permitir el empleo de
5.- Dispone de un amplio conjunto de mtodos y tcnicas complejas para responder a
procedimientos estadsticos. cuestiones simples.
 1.- Vinculacin de los objetivos a las necesidades de la
empresa. 1.- No brinda los resultados esperados
2. Perfecto acoplamiento a un plan de investigacin bien en el tiempo esperado.
formulado.
3.- Servicio de calidad para los usuarios.
SPAD 4.- Analizar con detenimiento las variables implicadas en la 2.- No contar con la informacin
investigacin. adecuada y de calidad.

5.- Facilidad del manejo y de la programacin.

6.- Obtiene informacin a partir de la base de datos.

Problema 12. Investiga la diferencia entre los nmeros ndice simples

y los nmeros ndice complejos.
ndices simples: recogen la evolucin del precio, la cantidad o el valor de un
nico bien o producto.
ndices compuestos, complejos o sintticos: recogen la evolucin conjunta de
los precios, las cantidades o los valores de k bienes o productos. A su vez, los
ndices complejos se clasifican como:
Sin ponderar: todas las magnitudes o componentes tiene la misma importancia, es
decir, los mismos pesos. Los k bienes o productos se consideran con el mismo
peso.
Ponderados: cada magnitud o componente tiene un peso diferente asignado en
funcin de diversos criterios. Los k bienes o productos se consideran con distinto
peso, peso que recoge la importancia relativa de cada uno de los bienes
CONCLUSIN
Resultados de ejercicios plasmados es inferir si el evento ocurrir o no mediante la
aplicacin de estudios como: mtodos de muestreo, probabilidad y sus tipos de
probabilidad y distribuciones muestrales todo este tcnico exige que la muestra de
la poblacin sea aleatoria. Cabe destacar que la estadstica inferencial puede
proporcionar una serie de mtodos importantes la cual puede estudiar un sin
nmeros de datos. Se puede decir que la estadstica inferencial es importante para
simular situaciones, controlar procesos y verificar las posibles respuestas a
condiciones controladas, en una empresa puede reducir costos ya que puede
anticipar lo que puede suceder y tomar previsiones, a esperar que pase y no estar
preparado.