Estadística Aplicada

Mtro. Wilber Peñaloza Mendoza

Universidad Tecnológica de la Selva

División de Tecnologías de la Información

Mayo-Agosto de 2019
 Índice de Contenido

Estadística Aplicada. ............................................................................................................................ 1

Unidad 1. Probabilidad ........................................................................................................................ 2
1.1 Fundamentos de estadística descriptiva. .................................................................................. 2
1.1.1 La estadística ...................................................................................................................... 2
1.1.2 Aplicaciones de la estadística ............................................................................................. 3
1.1.3 Clasificación de la estadística ............................................................................................. 5
Tema 1.2: Fundamentos de probabilidad. ...................................................................................... 6
Tema 1.3: Espacio muestral. ........................................................................................................... 8
Tema 1.4: Probabilidad condicional e independiente. ................................................................... 8
Unidad 2. Distribuciones de probabilidad. .......................................................................................... 9
Tema 2.1: Distribuciones de probabilidad. ..................................................................................... 9
Tema 2.2: Distribuciones discretas. ................................................................................................ 9
Tema 2.3: Distribuciones continuas. ............................................................................................. 10
Unidad 3. Pruebas de hipótesis. ........................................................................................................ 11
Tema 3.1: Formulación de hipótesis: ............................................................................................ 11
Tema 3.2: Pruebas paramétricas y no paramétricas..................................................................... 15
Tema 3.3 Modelos de regresión lineal. ......................................................................................... 15

i
 Estadística Aplicada.

Competencias:

Dirigir proyectos de tecnologías de información (T.I.) para contribuir a la productividad y

logro de los objetivos estratégicos de las organizaciones utilizando las metodologías
apropiadas.
Evaluar sistemas de tecnologías de información (T.I.) para establecer acciones de mejora e
innovación en las organizaciones mediante el uso de metodologías para auditoría.

Objetivo de la Asignatura: El alumno utilizará técnicas estadísticas y de probabilidad, para

el análisis e interpretación de datos.

1
Unidad 1. Probabilidad

Objetivo El alumno representará eventos a través de conjuntos, permutaciones y combinaciones

para determinar la probabilidad de un evento.

1.1 Fundamentos de estadística descriptiva.

Antes de entrar de lleno a la estadística descriptiva daremos una explicación breve de que es la
estadística en general, algunos conceptos estrechamente relacionados a ella, las aplicaciones que
tiene la estadística en diversas áreas de conocimiento y finalmente como se clasifica la estadística
que es de la cual surge el tema principal de este apartado.

1.1.1 La estadística

La estadística según la DRAE (Diccionario de la Real Academia Española) es el estudio de los datos
cuantitativos de la población, de los recursos naturales e industriales, del tráfico o de cualquier
otra manifestación de las sociedades humanas. Otra definición ofrecida por la misma RAE es
considerar a la estadística como una rama de la matemática que utiliza grandes conjuntos de
datos numéricos para obtener inferencias basadas en el cálculo de probabilidades.

Según Mario F. Triola (2009), la estadística es un conjunto de métodos para planear estudios y
experimentos, obtener datos y luego organizar, resumir, presentar, analizar, interpretar y llegar a
conclusiones basadas en los datos.

La Estadística no son sólo los resultados de encuestas, ni el cálculo de unos porcentajes, la

Estadística es un método científico que pretende sacar conclusiones a partir de unas
observaciones hechas.

Otros conceptos que son importantes y que aparecerán con frecuencia en el estudio de la
estadística son los siguientes:

 Datos son las observaciones recolectadas (como mediciones, géneros, respuestas de

encuestas).
 Población es el conjunto completo de todos los elementos (puntuaciones, personas,
medidas, etcétera) que se va estudiar. El conjunto es completo porque incluye a todos los
sujetos que se estudiarán.
 Censo es el conjunto de datos de cada uno de los miembros de la población.
 Muestra es un subconjunto de miembros seleccionados de una población.

Cuando se realiza un estudio de investigación, se pretende generalmente inferir o generalizar

resultados de una muestra a una población. Se estudia en particular a un reducido número de
individuos a los que tenemos acceso con la idea de poder generalizar los hallazgos a la población
de la cual esa muestra procede. Este proceso de inferencia se efectúa por medio de métodos
estadísticos basados en la probabilidad.

2
La población representa el conjunto grande de individuos que deseamos estudiar y generalmente
suele ser inaccesible. Es, en definitiva, un colectivo homogéneo que reúne unas características
determinadas.

La muestra es el conjunto menor de individuos (subconjunto de la población accesible y limitado

sobre el que realizamos las mediciones o el experimento con la idea de obtener conclusiones
generalizables a la población). El individuo es cada uno de los componentes de la población y de la
muestra. La muestra debe ser representativa de la población y con ello queremos decir que
cualquier individuo de la población en estudio debe haber tenido la misma probabilidad de ser
elegido.

Las razones para estudiar muestras en lugar de poblaciones son diversas y entre ellas podemos
señalar

a. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo.
b. Como consecuencia del punto anterior ahorraremos costes.
c. Estudiar la totalidad de los pacientes o personas con una característica determinada en
muchas ocasiones puede ser una tarea inaccesible o imposible de realizar.
d. Aumentar la calidad del estudio. Al disponer de más tiempo y recursos, las observaciones
y mediciones realizadas a un reducido número de individuos pueden ser más exactas y
plurales que si las tuviésemos que realizar a una población.
e. La selección de muestras específicas nos permitirá reducir la heterogeneidad de una
población al indicar los criterios de inclusión y/o exclusión.

1.1.2 Aplicaciones de la estadística

La metodología estadística se emplea en muchos campos. Se ha visto que la estadística es una

disciplina que ayuda a diseñar el esquema de búsqueda y registro de información para describirla
y analizarla con facilidad y mediante estimaciones, obtener conclusiones que enriquecen el
conocimiento de la realidad.

La estadística día a día gana terreno en su aplicación en toda actividad humana por simple que
ésta sea.

La estadística se aplica en los programas de Gobierno, Ingeniería, Agronomía, Economía, Medicina,

Biología, Psicología, Pedagogía, Sociología, Física, etcétera; no hay alguna ciencia que no la use o
profesión que no la aplique.

Algunos ejemplos del uso de la estadística son:

1) En las agencias gubernamentales, tanto federales como estatales utilizan la estadística

para realizar planes y programas para el futuro.

2) En el campo de la ingeniería se aplica en muchas de sus actividades tales como:

a) La planeación de la producción.
b) El control de calidad.

3
 c) Las ventas.
d) El almacén, etcétera.

3) En la Sociología se aplica para comparar el comportamiento de grupos socioeconómicos y

culturales y en el estudio de su comportamiento.

4) En el campo económico su uso es fundamental para informar el desarrollo económico de

una empresa o de un país que da a conocer los índices económicos relativos a la
producción, a la mano de obra, índices de precios para el consumidor, las fluctuaciones del
mercado bursátil, las tasas de interés, el índice de inflación, el costo de la vida, etcétera.

Todos estos aspectos que se estudian, se reportan e informan, no solamente describen el

estado actual de la economía sino que trazan y predicen el camino de las futuras
tendencias. Así mismo sirve a los encargados de las agencias, para tomar decisiones
acertadas en sus operaciones.

5) En el campo demográfico la Estadística se aplica en los registros de los hechos de la vida

diaria, tales como:

• Nacimientos.
• Defunciones.
• Matrimonios.
• Divorcios.
• Adopciones.
• Etcétera.

En materia de población los datos aportan una buena ayuda para fijar la política de
estímulos al control de la natalidad, dirigir la inmigración o emigración, establecer los
planes de lucha contra las enfermedades epidémicas o plagas que azotan los campos,
etcétera.

6) En el campo educativo la Estadística contribuye al conocimiento de las condiciones

fisiológicas, psicológicas y sociales de los alumnos y de los profesores. Al
perfeccionamiento de los métodos de enseñanza y de evaluación.

7) Industria. La mayor parte de los industriales la utilizan para el control de calidad.

8) Agricultura. Se emplea en actividades como experimentos sobre la reproducción de

plantas y animales entre otras cosas. También se usa la Estadística para determinar los
efectos de clases de semillas, insecticidas y fertilizantes en el campo.

9) Biología. Se emplean métodos estadísticos para estudiar las reacciones de las plantas y
los animales ante diferentes períodos ambientales y para investigar la herencia. Las leyes
de Mendel sobre la herencia en donde los factores hereditarios se atribuyen a unidades
llamadas genes y al estudio sistemático de los cruzamientos entre individuos portadores
de genes diferentes, lo que ha permitido precisar de qué manera los genes se separan o se
reúnen en las generaciones sucesivas. La verificación de las hipótesis formuladas por

4
 Mendel y sus continuadores necesitó el empleo de la Estadística, la cual en este caso ha
lanzado las primeras luces sobre el mecanismo de la herencia.

10) Medicina. Los resultados que se obtienen sobre efectividad de fármacos se analizan por
medio de métodos estadísticos. Los médicos investigadores se ayudan del análisis
estadístico para evaluar la efectividad de tratamientos aplicados. La Estadística también
se aplica en el establecimiento y evaluación de los procedimientos de medida o
clasificación de individuos con el propósito de establecer la especificidad y sensibilidad a
las enfermedades.

11) Salud. Los técnicos de la salud la utilizan para planear la localización y el tamaño de los
hospitales y de otras dependencias de salud. También se aplica en la investigación sobre
las características de los habitantes de una localidad, sobre el diagnóstico y la posible
fuente de un caso de enfermedad transmisible; sobre la proporción de personas enfermas
en un momento determinado, de ciertos padecimientos de una localidad, sobre la
proporción de enfermos de influenza en dos grupos, uno vacunado contra el padecimiento
y el otro no. También se aplica en cualquier otro tipo de investigación similar a éste.

12) Psicología. Los psicólogos se valen de los conceptos y técnicas de la estadística para medir
y comparar la conducta, las actitudes, la inteligencia y las aptitudes del hombre.

13) Negocios. Los hombres de negocios pueden predecir los volúmenes de venta, medir las
reacciones de los consumidores ante los nuevos productos, etcétera

14) En la Física se utiliza la Estadística para obtener datos y probar hipótesis.

1.1.3 Clasificación de la estadística

Como se ha mencionado en apartados anteriores la estadística es el estudio científico relativo al

conjunto de métodos encaminados a la obtención, representación y análisis de observaciones
numéricas, con el fin de describir la colección de datos obtenidos, así como inferir generalizaciones
acerca de las características de todas las observaciones y tomar las decisiones más acertadas en el
campo de su aplicación.

Con base a lo que se ha dicho se concluye, que la Estadística como disciplina o área de estudio
comprende técnicas descriptivas como inferenciales. Incluye la observación y tratamiento de
datos numéricos y el empleo de los datos estadísticos con fines inferenciales.

Para su estudio se clasifica en estadística descriptiva y estadística inferencial.

La estadística descriptiva es el estudio que incluye la obtención, organización, presentación y

descripción de información numérica aplicando medidas descriptivas.

 Estadística descriptiva.
 Presentación de datos

5
  Tabular
 Tabla de distribución de frecuencias
 Gráfica
 Barras
 Circular
 Histogramas
 Polígonos de frecuencias
 Medidas descriptivas
 Tendencia central
 Media
 Mediana
 moda
 Localización
 Cuartiles
 Deciles
 Porcentiles
 Dispersión
 Rango
 Desviación estándar
 Varianza
 Coeficiente de variación de Pearson

Estadística inductiva o inferencial: Trata de la generalización hacia las poblaciones de los

resultados obtenidos en las muestras y de las condiciones bajo las cuales estas conclusiones son
válidas. Se enfrenta básicamente con dos tipos de problemas:

 Estimación, que puede ser puntual o por intervalos.

 Contraste de hipótesis.

Tema 1.2: Fundamentos de probabilidad.

La probabilidad es la rama de las matemáticas que estudia los fenómenos aleatorios. Empecemos
por distinguir fenómeno: Para la Real Academia Española, un fenómeno es todo aquello que
podemos percibir a través de los sentidos o de la conciencia; por ejemplo, la gravedad, la
temperatura o el placer.

Fenómenos

6
Cuando un fenómeno, bajo ciertas condiciones de observación, se presenta con regularidad
determinista, es decir, cuando siempre se percibe de la misma manera, se dice que se trata de un
fenómeno determinista; por ejemplo, la aceleración de la gravedad en un punto de la superficie
terrestre.

Un fenómeno aleatorio, en cambio, es aquel que al ser observado bajo las mismas condiciones, su
percepción no es siempre la misma, es decir, se presenta con una regularidad de tipo estadístico;
por ejemplo, el peso de un recién nacido.

En los fenómenos aleatorios no se puede predecir el resultado de cada experiencia y observación

particular. Tener incertidumbre es simplemente no poder asegurar lo que va a ocurrir y, en este
sentido, existen muchísimas cosas inciertas para el hombre.

Experimentos

Cuando un fenómeno es observado con la finalidad de conocer su comportamiento, se dice que se

está experimentando y, en este sentido, un fenómeno puede ser provocado. Así, un experimento
implica la observación del resultado de una acción; por ejemplo, el aforo en un río o la medición
del flujo en un pozo petrolero. En atención a la certidumbre o incertidumbre en los resultados de
los experimentos, estos se clasifican en dos tipos:

 En los experimentos deterministas siempre se obtiene el mismo resultado y, por lo tanto,

éste siempre puede ser predicho; por ejemplo, la velocidad de la luz.
 En los experimentos aleatorios, en los que el resultado no puede predecirse con certeza,
pues éste no es el mismo en todos los casos; por ejemplo, el aforo en un río.

La probabilidad, según la DRAE (Diccionario de la Real Academia Española), se presenta en un

proceso aleatorio, y es la razón entre el número de casos favorables y el número de casos
posibles.

La probabilidad conforma los cimientos sobre los cuales se construyen los métodos importantes
de la estadística inferencial, y es parte fundamental precisamente en la forma de pensar de los
especialistas en estadística: rechazan las explicaciones basadas en probabilidades muy bajas y
utilizan la regla del suceso infrecuente para la estadística inferencial.

Regla del suceso infrecuente para estadística inferencial

Si, bajo un supuesto dado, la probabilidad de un suceso particular observado es
extremadamente pequeña, concluimos que el supuesto probablemente es incorrecto.

Actividades:

7
Tema 1.3: Espacio muestral.

Actividades:

Tema 1.4: Probabilidad condicional e independiente.

Ante de iniciar con el tema de probabilidad condicional o independiente es conveniente

comprender algunos conceptos.

 Suceso compuesto es cualquier suceso que combine dos o más sucesos simples. También
puede definirse como cualquier elemento del espacio muestral.
 Sucesos compatibles es cuando dos sucesos, A y B, tienen algún suceso elemental común.
 Sucesos incompatibles es cuando dos sucesos, A y B, no tienen ningún elemento en
común. También se dice que son disjuntos o mutuamente excluyentes. Es decir, los
sucesos disjuntos no se traslapan.
 Sucesos independientes dos sucesos, A y B, son independientes cuando la probabilidad
de que suceda A no se ve afectada porque haya sucedido o no B.
 Sucesos dependientes dos sucesos, A y B, son dependientes cuando la probabilidad de
que suceda A se ve afectada porque haya sucedido o no B.
 Suceso contrario o complemento, el suceso complemento a A es otro suceso que se
̅ o Ac
realiza cuando no se realiza A, se denota por A

Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo que también

sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee “la probabilidad de A
dado B”.

No tiene por qué haber una relación causal o temporal entre A y B. A puede preceder en el tiempo
a B, sucederlo o pueden ocurrir simultáneamente. A puede causar B, viceversa o pueden no tener
relación causal. Las relaciones causales o temporales son nociones que no pertenecen al ámbito
de la probabilidad. Pueden desempeñar un papel o no dependiendo de la interpretación que se le
dé a los eventos.

Actividades:

8
Unidad 2. Distribuciones de probabilidad.

Tema 2.1: Distribuciones de probabilidad.

Una distribución de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si éste se llevase a cabo, es decir, describe la probabilidad de que un
evento se realice en el futuro; constituye una herramienta fundamental para la prospectiva,
puesto que se puede diseñar un escenario de acontecimientos futuros considerando las
tendencias actuales de diversos fenómenos naturales.

Toda distribución de probabilidad es generada por una variable (porque puede tomar diferentes
valores) aleatoria (porque el valor tomado es totalmente al azar), estas variables pueden ser de
dos tipos: discretas y continuas.

 Variable aleatoria: Es aquella cuyo valor es el resultado de un evento aleatorio. Lo que

quiere decir que son los resultados que se presentan al azar en cualquier evento o
experimento.
 Variable aleatoria discreta: Es aquella que sólo toma ciertos valores (frecuentemente
enteros) y que resulta principalmente del conteo realizado.
 Variable aleatoria continua: Es aquella que resulta generalmente de la medición y puede
tomar cualquier valor dentro de un intervalo dado

Las distribuciones de probabilidad pueden dividirse dependiendo del tipo de variable a estudiar,
esto significa que:

a) Si la variable es una variable discreta (valores enteros), corresponderá una distribución discreta,
de las cuales existen:
 Distribución binomial (eventos independientes).
 Distribución de poisson (eventos independientes).
 Distribución hipergeométrica (eventos dependientes).

b) Si la variable es continua, esto significa que puede tomar cualquier valor dentro de un intervalo,
la distribución que se generará será una distribución continua, también llamada "distribución
normal".

Actividades:

Tema 2.2: Distribuciones discretas.

Las distribuciones discretas son aquellas en las que la variable puede pude tomar un número
determinado de valores:

9
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado puede salir un
número de 1 al 6; en una ruleta el número puede tomar un valor del 1 al 32, el número de
alumnos aprobados en la materia de probabilidad en un grupo de 13 alumnos (1, 2 ,3… o los 13).

Propiedades de una variable aleatoria discreta (x):

 0  P(xi) < 1, Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero y menores o iguales a 1.

 ΣP(xi) = 1; La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1.

EJEMPLO: Para variable aleatoria discreta:

Tenemos una moneda que al lanzarla puede dar sólo dos resulatdos: o cara (50%), o cruz (50%).
La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una moneda

Actividades:

Tema 2.3: Distribuciones continuas.

Actividades:

10
Unidad 3. Pruebas de hipótesis.

Tema 3.1: Formulación de hipótesis:

Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión
entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe el
nombre de hipótesis. Este es uno de los aspectos más útiles de la inferencia estadística, puesto
que muchos tipos de problemas de toma de decisiones, pruebas o experimentos en el mundo de
la ingeniería, pueden formularse como problemas de prueba de hipótesis.

Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o más
poblaciones.

Suponga que se tiene interés en la rapidez de combustión de un agente propulsor sólido utilizado
en los sistemas de salida de emergencia para la tripulación de aeronaves. El interés se centra sobre
la rapidez de combustión promedio. De manera específica, el interés recae en decir si la rapidez de
combustión promedio es o no 50 cm/s. Esto puede expresarse de manera formal como

H0;  = 50 cm/s

H1;   50 cm/s

La proposición H0;  = 50 cm/s, se conoce como hipótesis nula, mientras que la proposición H1;
  50 cm/s, recibe el nombre de hipótesis alternativa. Puesto que la hipótesis alternativa
especifica valores de que pueden ser mayores o menores que 50 cm/s, también se conoce como
hipótesis alternativa bilateral. En algunas situaciones, lo que se desea es formular una hipótesis
alternativa unilateral, como en

H0;  = 50 cm/s H0;  = 50 cm/s

H1;  < 50 cm/s H1;  > 50 cm/s

Es importante recordar que las hipótesis siempre son proposiciones sobre la población o
distribución bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del
parámetro de la población especificado en la hipótesis nula se determina en una de tres maneras
diferentes:

1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces el
objetivo de la prueba de hipótesis usualmente es determinar si ha cambiado el valor del
parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el proceso bajo
estudio. En este caso, el objetivo de la prueba de hipótesis es verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones externas, tales como las
especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta situación,

11
 el objetivo usual de la prueba de hipótesis es probar el cumplimiento de las
especificaciones.

Un procedimiento que conduce a una decisión sobre una hipótesis en particular recibe el nombre
de prueba de hipótesis.

¿Qué es una prueba de hipótesis?

Una prueba de hipótesis es una prueba estadística que se utiliza para determinar si existe
suficiente evidencia en una muestra de datos para inferir que cierta condición es válida para toda
la población.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis nula y
la hipótesis alternativa. La hipótesis 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.

Con base en los datos de la muestra, la prueba determina si se debe rechazar la hipótesis nula.
Para tomar la decisión se utiliza un valor p. Si el valor p es menor que o igual al nivel de
significancia, que es un punto de corte que usted define, entonces puede rechazar la hipótesis
nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están diseñadas para
seleccionar la más probable de dos hipótesis. En realidad, una prueba mantendrá la validez de la
hipótesis nula hasta que haya suficiente evidencia (datos) en favor de la hipótesis alternativa.

Los procedimientos de prueba de hipótesis dependen del empleo de la información contenida en

la muestra aleatoria de la población de interés. Si esta información es consistente con la hipótesis,
se concluye que ésta es verdadera; sin embargo si esta información es inconsistente con la
hipótesis, se concluye que esta es falsa. Debe hacerse hincapié en que la verdad o falsedad de una
hipótesis en particular nunca puede conocerse con certidumbre, a menos que pueda examinarse
a toda la población. Usualmente esto es imposible en muchas situaciones prácticas. Por tanto, es
necesario desarrollar un procedimiento de prueba de hipótesis teniendo en cuenta la probabilidad
de llegar a una conclusión equivocada.

Entre las preguntas que se pueden contestar con una prueba de hipótesis están las siguientes:
¿Tienen las estudiantes de pregrado una estatura media diferente de 66 pulgadas?
¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?
¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado?

Datos que pueden analizarse con una prueba de hipótesis

Las pruebas de hipótesis pueden utilizarse para evaluar muchos parámetros diferentes de una
población. Cada prueba está diseñada para evaluar un parámetro asociado a un determinado tipo
de datos. Conocer la diferencia entre los tipos de datos, y los parámetros que están asociados con
cada tipo de datos, puede ayudarle a elegir la prueba más adecuada.

12
Datos continuos

Tendrá datos continuos cuando evalúe la media, la mediana, la desviación estándar o la varianza.
Cuando usted mide una característica de una parte o proceso, como la longitud, el peso o la
temperatura, por lo general obtiene datos continuos. Los datos continuos suelen incluir valores
fraccionados (o decimales).

Por ejemplo, un ingeniero especializado en calidad desea determinar si el peso medio difiere del
valor indicado en la etiqueta del paquete (500 g). El ingeniero toma una muestra de cajas de cereal
y registra el peso de las cajas.

Datos binomiales

Tendrá datos binomiales cuando evalúe una proporción o un porcentaje.

Cuando usted clasifica un elemento, evento o persona en una de dos categorías, obtiene datos
binomiales. Las dos categorías deben ser mutuamente excluyentes, como si/no, pasa/no pasa o
defectuoso/no defectuoso.

Por ejemplo, unos ingenieros examinan una muestra de pernos para verificar si existen grietas
notables que no permitan utilizarlos. Registran el número de pernos inspeccionados y el número
de pernos rechazados. Los ingenieros quieren determinar si el porcentaje de pernos defectuosos
es menor que 0.2%.

Datos de Poisson

Tendrá datos de Poisson cuando evalúe una tasa de ocurrencia.

Cuando usted cuenta la presencia de una característica, resultado o actividad en cierta cantidad de
tiempo, área u otra longitud de observación, obtiene datos de Poisson. Los datos de Poisson se
evalúan en conteos por unidad, con unidades del mismo tamaño.

Por ejemplo, los inspectores de una empresa de autobuses cuentan el número de averías de las
unidades cada día durante 30 días. La empresa desea determinar la tasa diaria de averías de los
autobuses.

Ejemplo de cómo se realiza una prueba de hipótesis básica

Usted puede seguir seis pasos básicos para configurar y realizar correctamente una prueba de
hipótesis. Por ejemplo, el gerente de una fábrica de tuberías debe asegurarse de que el diámetro
de los tubos sea de 5 cm. El gerente sigue los pasos básicos para realizar una prueba de hipótesis.

NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario antes de recolectar
los datos.

1. Especificar las hipótesis.

13
 En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la media de la
población de todos los tubos es igual a 5 cm. Formalmente, esto se escribe como: H0: μ = 5

Luego, el gerente elige entre las siguientes hipótesis alternativas:

Condición que se probará Hipótesis alternativa

La media de la población es menor que el objetivo. unilateral: μ < 5
La media de la población es mayor que el objetivo. unilateral: μ > 5
La media de la población es diferente del objetivo. bilateral: μ ≠ 5

Como tiene que asegurarse de que los tubos no sean más grandes ni más pequeños de 5 cm,
el gerente elige la hipótesis alternativa bilateral, que establece que la media de la población
de todos los tubos no es igual a 5 cm. Formalmente, esto se escribe como H1: μ ≠ 5

2. Determinar la potencia y el tamaño de la muestra para la prueba.

El gerente utiliza un cálculo de potencia y tamaño de la muestra para determinar cuántos
tubos tienen que medir para tener una buena probabilidad de detectar una diferencia de 0.1
cm o más con respecto al diámetro objetivo.

3. Elegir un nivel de significancia (también denominado alfa o α).

El gerente selecciona un nivel de significancia de 0.05, que es el nivel de significancia más
utilizado.

4. Recolectar los datos.

Recogen una muestra de tubos y miden los diámetros.

5. Comparar el valor p de la prueba con el nivel de significancia.

Después de realizar la prueba de hipótesis, el gerente obtiene un valor p de 0.004. El valor p es
menor que el nivel de significancia de 0.05.

6. Decidir si rechazar o no rechazar la hipótesis nula.

El gerente rechaza la hipótesis nula y concluye que el diámetro medio de todos los tubos no es
igual a 5 cm.

¿Qué es un estadístico de prueba?

Un estadístico de prueba es un valor estandarizado que se calcula a partir de los datos de la

muestra durante una prueba de hipótesis. Puede utilizar los estadísticos de prueba para
determinar si puede rechazar la hipótesis nula. El estadístico de prueba compara sus datos con lo
que se espera según la hipótesis nula. El estadístico de prueba se utiliza para calcular el valor p.
Cuando los datos muestran una clara evidencia en contra de los supuestos de la hipótesis nula, la
magnitud del estadístico de prueba será grande y el valor p de la prueba puede ser lo
suficientemente pequeño como para rechazar la hipótesis nula.

Por ejemplo, el estadístico de prueba para una prueba Z es el valor Z. Supongamos que usted
realiza una prueba Z de dos colas con un nivel de significancia (α) de 0.05 y obtiene un valor Z de

14
2.5. Este valor Z corresponde a un valor p de 0.0124. Debido a que este valor p es menor que α,
usted declara significancia estadística y rechaza la hipótesis nula.

Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba según el modelo de
probabilidad asumido en la hipótesis nula. Las pruebas comunes y sus respectivos estadísticos de
prueba incluyen:
Prueba de hipótesis Estadístico de prueba
Prueba Z Valor Z
Pruebas t Valor t
ANOVA Valor F
Pruebas de chi-cuadrada Chi-cuadrada

Actividades:

Tema 3.2: Pruebas paramétricas y no paramétricas

Actividades:

Tema 3.3 Modelos de regresión lineal.

Actividades:

15
Bibliografía

Minitab, inc. (2016). ¿Qués es una prueba de hipótesis?. Disponible en http://support.minitab.com/es-

mx/minitab/17/topic-library/basic-statistics-and-graphs/hypothesis-tests/basics/what-is-a-hypothesis-test/

16