Hidrologia Estadistica

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, Decana de América)
FACULTAD DE CIENCIAS FÍSICAS

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA MECÁNICA DE FLUIDOS
UNMSM
Universidad Nacional
Mayor de San Marcos
Hacia el V Centenario
ESCUELA ACADÉMICO PROFESIONAL DE
INGENIERÍA MECÁNICA DE FLUIDOS
CURSO: HIDROLOGÍA ESTADÍSTICA
GRUPO N°2
INTEGRANTES:
• ROSELLO CHURQUIPA, RUTH VERÓNICA
• CONTRERAS MARIÑO EBERTH
DOCENTE: Mg. Ing. JORGE GASTELO VILLANUEVA
UNMSM
Mayor de San Marcos
1. INTERVALOS DE CONFIANZA, estimación puntual y por intervalos.
Intervalos de confianza para la media de una distribución normal con
varianza: conocida y desconocida. Intervalo de confianza para la varianza
de la distribución normal
2. PRUEBAS DE HIPÓTESIS, Prueba con una cola o Unilateral, Prueba de

dos colas. Tipos de errores. Nivel de significación. Pasos para la
realización de una Prueba de Hipótesis. Prueba de hipótesis sobre la
media de una Distribución Normal. Prueba de hipótesis sobre la
diferencia entre medias. Prueba de hipótesis relativas a la varianza de
una población. Prueba de hipótesis referida a la varianza de dos
poblaciones.
UNMSM
Mayor de San Marcos
1 . I N T E RVA LO S D E C O N F I A N Z A
1.1. CONCEPTOS PREVIOS
1.1.1. DISTRIBUCIÓN NORMAL (GAUSSIANA)

Es la distribución continua que se utiliza más comúnmente en estadística
Tiene importantes propiedades teóricas:
 Tiene una apariencia de forma de campana (y, por ende, es simétrica).
 Sus medidas de tendencia central (media, mediana y moda) son todas
idénticas.
 Su variable aleatoria asociada tiene un rango infinito (-∞ < X < ∞).
• Es una distribución con forma de campana donde las desviaciones
estándar sucesivas con respecto a la media establecen valores de
referencia para estimar el porcentaje de observaciones de los datos.
UNMSM
Mayor de San Marcos
Fig. 1.1 y 1.2: gráficas de la distribución norma l
UNMSM
Mayor de San Marcos
1.2. INTRODUCCIÓN
Un Intervalo de confianza es una técnica de estimación utilizada en

inferencia estadística que permite acotar un par o varios pares de
valores, dentro de los cuales se encontrará la estimación buscada (con
una determinada probabilidad).
Un intervalo de confianza nos va a permitir calcular dos valores

alrededor de una media muestral (uno superior y otro inferior). Estos
valores van a acotar un rango dentro del cual, con una determinada
probabilidad, se va a localizar el parámetro poblacional.
UNMSM
Mayor de San Marcos
En este caso, la línea negra horizontal representa el valor fijo de la
media desconocida de la población, µ. Los intervalos de confianza
azules verticales que se sobreponen a la línea horizontal contienen el
valor de la media de la población. El intervalo de confianza rojo que
está completamente por debajo de la línea horizontal no lo contiene.
Un intervalo de confianza de 95% indica que 19 de 20 muestras (95%)
de la misma población producirán intervalos de confianza que
contendrán el parámetro de población.
UNMSM
Mayor de San Marcos
En conclusión, el intervalo de confianza no sirve para dar una estimación
del parámetro poblacional, si nos va a servir para hacernos una idea
aproximada de cuál podría ser el verdadero de este. Nos permite acotar
entre dos valores en dónde se encontrará la media de la población.
UNMSM
Mayor de San Marcos
Los métodos de estimación de un parámetro pueden ser: Puntual o Por
intervalo
1.2.1 ESTIMACIÓN PUNTUAL (La estimación del parámetro es un

número)
Sea X1, X2,…, Xn una muestra aleatoria de tamaño n seleccionada de
una población definida X de parámetro θ cuya distribución la
denotamos por f(x, θ).
Ahora se denomina estimador puntual del parámetro θ a cualquier

estadística (función real de la muestra) que la denotaremos por 𝜽෡=
H(x1, x2,…, xn ) cuyo valor es la estimación puntual del parámetro.
UNMSM
Mayor de San Marcos
Ejemplo: Dada una muestra de 20 datos de caudales anuales, en
m3/s, de una población (estación de aforo) que mostramos a
continuación:
30.1 26.5 80.4 50.3 60.2
27.8 90.6 34.1 17.7 48.3
50.4 90.1 50.6 44.4 33.3
100.1 85.3 95.2 40.2 60.8
30.1 + 27.8 + 50.4 + 100.1 + 26.5 + 90.6 + 90.1 + 85.3 + 80.4 + 34.1 + 50.6 + 95.2 + 50.3 + 17.7 + 44.4 + 40.2 + 60.2 + 48.3 + 33.3 + 60.8
ഥ =
𝑿
20
ത
𝑋=55.82
Tiene una media de 55.82 m3/s, la misma que representa la estimación

puntual para la media μ de la población correspondiente.
UNMSM
Mayor de San Marcos
1.2.2 ESTIMACIÓN POR INTERVALOS (es un intervalo de los
posibles valores que puede tener)
Propuesta por Neyman en 1937
Es un método estadístico que consiste en obtener un intervalo de
extremos cerrados [a,b], dentro del cual se ubican los posibles valores
de un parámetro con la medida de fiabilidad denominado nivel de
confianza. Los números a y a se obtienen de la distribución muestral
de la estadística, que sea el mejor estimador puntual del parámetro
aplicando el nivel de confianza dado y los resultados de la muestra.
En conclusión La estimación por intervalos consiste en proporcionar

todo un intervalo de valores que, con una probabilidad elevada,
contiene el valor del parámetro poblacional.
El nivel de confianza (𝟏 −∝) de la estimación del parámetro por
intervalo para los estudios estadísticos de ser igual o superior al 95%.
UNMSM
Mayor de San Marcos
El método de la obtención del intervalo se denomina método del pivote.
Dada una población normal X, la transformación del enunciado

probabilístico se elabora de la siguiente manera:
𝜎 𝜎
𝑃 𝑋ത − 𝑍∝ < 𝜇 < 𝑋ത + 𝑍∝/2 = 1 −∝
2 𝑛 𝑛
Intervalo de confianza para la media 𝜇 con nivel de confianza (1 −∝):

𝜎 𝜎
ത
𝑋 − 𝑍∝ ത
< 𝜇 < 𝑋 + 𝑍∝/2
2 𝑛 𝑛
𝛼Τ 1−𝑍
Donde: 1 −∝= 𝑍 → ∝= 1 − 𝑍 → 2 =
2
UNMSM
Mayor de San Marcos
Ejemplo: Dada una muestra de 20 datos de caudales anuales, en
m3/s, de una población (estación de aforo) que mostramos a
continuación:
30.1 26.5 80.4 50.3 60.2
27.8 90.6 34.1 17.7 48.3
50.4 90.1 50.6 44.4 33.3
100.1 85.3 95.2 40.2 60.8
Con una desviación estándar(𝜎) de 25.82 y una media (𝑋) ത de 55.82.
Estimar un intervalo para la media de la población con un nivel de
confianza (1 −∝) del 95%.
𝑋ത = 55.82 ; 𝜎 = 25.82 ; 𝑛 = 20 ; 𝑍∝/2 = 𝑐 = 1.96

𝜎 𝜎
𝑋ത − 𝑍∝/2 < 𝜇 < 𝑋ത − 𝑍∝/2
𝑛 𝑛
25.82 25.82
55.82 − 1.96 < 𝜇 < 55.82 + 1.96
20 20
44.50 < 𝜇 < 67.13
UNMSM
Mayor de San Marcos
1.3. INTERVALOS DE CONFIANZA PARA LA MEDIA μ DE UNA
DISTRIBUCIÓN NORMAL, CUYA VARIANZA 𝜎 2 ES CONOCIDA
Sea X1, X2,…, Xn es una muestra dada extraída de una población distribuida
normalmente, y cuya varianza 𝜎 2 es conocida (este hecho se justifica por
datos históricos, o por estudios estadísticos similares realizados).
El intervalo de confianza para la media poblacional 𝜇 con un nivel de

confianza del (1-α)*100% es la siguiente:
𝑋ത − 𝑘 < 𝜇 < 𝑋ത + 𝑘
Donde:
𝜎
𝑘=𝑐∗
𝑛
ത media poblacional
𝑋=
c= valor normal estándar que refleja el nivel de confianza (95%, 99%, etc)
𝜎= desviación estándar de la población, n= tamaño de la muestra
UNMSM
Mayor de San Marcos
El proceso del cálculo del intervalo de confianza es como sigue:
• Calcular la media 𝑋ത de la muestra X1, X2,…, Xn .

• Elegir un nivel de confianza ϒ (95%, 99%, etc).
• Determinar c a partir de la tabla:
ϒ 0.90 0.95 0.99 0.999
c 1.645 1.960 2.576 3.291
𝜎
• Calcular: 𝑘 = 𝑐 ∗
𝑛
• Y finalmente calcular el intervalo de confianza para la media 𝜇 de la
población:
𝑋ത − 𝑘 < 𝜇 < 𝑋ത + 𝑘
UNMSM
Mayor de San Marcos
Ejemplo: determinar para un 95% de probabilidad, un intervalo
de confianza para la media de una distribución normal, con
varianza 𝜎 2 = 9, usando una muestra de N = 100 valores, con
ത 5.
media 𝑋=
𝜎 1.96∗3
Calculamos k: 𝑘 = 𝑐 ∗ = = 0.588
𝑛 100
Cálculo de: 𝑋ത − 𝑘 = 5 − 0.588 = 4.412 ; 𝑋ത + 𝑘 = 5 + 0.588 = 5.588
El intervalo para μ, con una probabilidad del 95% es:
4.412 < 𝜇 < 5.588
UNMSM
Mayor de San Marcos
1.4. INTERVALOS DE CONFIANZA PARA LA MEDIA μ DE UNA
DISTRIBUCIÓN NORMAL, CUYA VARIANZA 𝜎 2 ES DESCONOCIDA
Sea X1, X2,…, Xn es una muestra dada extraída de una población cuya
distribución de probabilidades es normal con varianza 𝜎 2 es desconocida ,
entonces, el intervalo de estimación de μ con un nivel de confianza del (1-
α)*100% es:
𝑋ത − 𝑘 < 𝜇 < 𝑋ത + 𝑘
Donde:
𝑠
𝑘=𝑐∗
𝑛
ത media poblacional
𝑋=
c= valor normal estándar que refleja el nivel de confianza (95%, 99%, etc)
𝑠= desviación estándar de la población
n= tamaño de la muestra
UNMSM
Mayor de San Marcos
• Calcular la media 𝑋ത y la varianza 𝑆 2 de la muestra X1, X2,…, Xn .

𝟏
• Determinar la solución c de la ecuación: 𝑭 𝒄 = (𝟏 + ϒ). A partir
𝟐
de la tabla de Distribución t-student con n-1 grados de libertad (n=tamaño
de la muestra).
• Con el valor de c calculado, determinamos 𝑐/ 𝑛
𝑆
• Luego calculamos 𝑘 = 𝑐 ∗
𝑛
• Calcular en el intervalo de confianza para la media 𝜇 de la población:
𝑋ത − 𝑘 < 𝜇 < 𝑋ത + 𝑘
UNMSM
Mayor de San Marcos
Distribución t-student
Es una distribución de probabilidad que surge del problema de estimar

la media de una población normalmente distribuida cuando el tamaño
es pequeño (llamada también teoría exacta del muestreo).
También podemos utilizar con muestras aleatorias de tamaño grande.
UNMSM
Mayor de San Marcos
Tabla: Distribución t-student
UNMSM
Mayor de San Marcos
Ejemplo: Con ayuda de la siguiente tabla de caudales (m3/s),
determinar el intervalo de confianza, con una probabilidad del
95%, para la media dela población correspondiente. Suponer que
la población se distribuye normalmente.
30.1 26.5 80.4 50.3 60.2
27.8 90.6 34.1 17.7 48.3
50.4 90.1 50.6 44.4 33.3
100.1 85.3 95.2 40.2 60.8
De los datos: n=20 ; 𝑋ത = 55.82 ; 𝑆 2 = 666.84 ; 𝑆 = 25,82
El nivel de confianza: (α-1)= ϒ = 0.95
1
Para 𝐹 𝑐 = 1 + 0.95 = 0.975
2
UNMSM
Mayor de San Marcos
Ahora, de la tabla de la Distribución t- student, para n-1 (20-1=19) grados de
libertad y f(ϒ) =0.975, se encuentra c= 0.468
𝑐 2.09
Entonces, = = 0.468
𝑛 20
𝑆
Calculamos k: 𝑘 = 𝑐 ∗ = 25.82 ∗ 0.468 → 𝑘 = 12.0838
𝑛
Cálculo de: 𝑋ത − 𝑘 = 55.82 − 12.0838 = 43.7362

𝑋ത + 𝑘 = 55.82 + 12.0838 = 67.9038
El intervalo para μ, con una probabilidad del 95% es:
43.7362 < 𝜇 < 67.9038
UNMSM
Mayor de San Marcos
1.5. INTERVALO DE CONFIANZA PARA LA VARIANZA DE LA
DISTRIBUCIÓN NORMAL
Sea X1, X2,…, Xn es una muestra dada extraída de una población
cuya distribución normalcon varianza 𝜎 2 , entonces, el intervalo de
estimación de μ con un nivel de confianza del (1-α)*100% es:
𝑘1 < 𝑆 2 < 𝑘2
Donde:
(𝑛 − 1)𝑠 2
𝑘𝑖 =
𝑐𝑖
𝑐𝑖 = valor normal estándar que refleja el nivel de confianza (95%,
99%, etc)
𝑆 2 = varianza ; n= tamaño de la muestra
UNMSM
Mayor de San Marcos
Distribución Chi-cuadrada
Sirve para someter a prueba hipótesis referidas a las distribuciones de

frecuencias. Esta prueba contrasta frecuencias observadas con las
frecuencias esperadas de acuerdo con la hipótesis nula.
UNMSM
Mayor de San Marcos
Tabla de Distribución Chi-cuadrada
UNMSM
Mayor de San Marcos
• Calcular la varianza 𝑆 2 de la muestra X1, X2,…, Xn, luego calculamos

(𝑛 − 1) 𝑆 2
• Determinar las soluciones c1, c2 de las ecuaciones: 𝐹 𝑐1 =
1 1
1 − ϒ ; 𝐹 𝑐2 = 1 + ϒ a partir de la tabla de Distribución
2 2
Chi-cuadrada con n-1 grados de libertad (n=tamaño de la muestra).
(𝑛−1)𝑠 2 (𝑛−1)𝑠 2
• Luego calculamos: 𝑘1 = ; ∶ 𝑘2 =
𝑐1 𝑐2
• Ahora, en el intervalo de confianza para la varianza 𝑆 2 es:
𝑘1 < 𝑆 2 < 𝑘2
UNMSM
Mayor de San Marcos
Ejemplo: Con ayuda de la siguiente tabla de caudales (en m3/s),
determinar el intervalo de confianza, con una probabilidad de
95%, de la varianza de la población, Suponiendo que la población
se distribuye normalmente.
30.1 26.5 80.4 50.3 60.2
27.8 90.6 34.1 17.7 48.3
50.4 90.1 50.6 44.4 33.3
100.1 85.3 95.2 40.2 60.8
De los datos: 𝑛 = 20 ; 𝑆 2 = 666.84 → (𝑛 − 1)𝑆 2 = 19 ∗ 25,82 =

12669.96
El nivel de confianza: (α-1)= ϒ = 0.95
1 1
Para 𝐹 𝑐1 = 1 − 0.95 = 0.025 ; 𝐹 𝑐2 = 1 + 0.95 = 0.975
2 2
UNMSM
Mayor de San Marcos
Ahora de la Tabla de la Distribución Chi- cuadrada, para n-1 (20-1=19) grados de
libertad y F(c2)= 0.025 y F(c2)= 0.975; encontramos: c1= 8.91 y c2= 32.85.
𝑐 2.09
Entonces, = = 0.468
𝑛 20
(𝑛−1)𝑠 2 19∗666.84
Los valores de k son: 𝑘1 = = → 𝑘1 = 1421.9933
𝑐1 8.91
(𝑛−1)𝑠 2 19∗666.84
𝑘2 = = → 𝑘2 = 385.1052
𝑐2 32.9
El intervalo de confianza para la varianza de la población 𝑠 2 es:
385.1052 < 𝑆 2 < 1421.9933
UNMSM
Mayor de San Marcos
CONCEPTOS PREVIOS
Hipótesis estadísticas:
 La hipótesis nula (Ho), es una afirmación provisional que será expuesta a
experimentación.
La hipótesis alternativa (H1 o Ha ), es lo opuesto a la hipótesis nula, esta
determina la validez o no de la hipótesis nula.
 Nota: Las hipótesis nula y alternativa se refieren ambas a la misma población.
 La aceptación de una hipótesis significa que los datos de la muestra no
proporcionan evidencia suficiente para refutarla.
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
Tipos de pruebas
 pueden ser de dos tipos:

Prueba bilateral o de dos colas.
Prueba unilateral o de una cola.
UNMSM
Mayor de San Marcos
REGIÓN CRÍTICA Y NIVEL DE SIGNIFICACIÓN
Región crítica Nivel de significación: a
• resultados experimentales (conjunto de • Valor porcentual
valores estadísticos)que refutarían H0 • Fijado de antemano por el
investigador
• Es la probabilidad de rechazar H0
cuando es cierto.
• Asume valores de 0.05, 0.01
generalmente.
 Reg. Crit.
Región de
 Reg. Crit.  Reg. de rechazo
aceptación
 Reg. de rechazo  Nivel de significación
1-a
 Nivel de
significación
a/2 No rechazo H0 a/2
H0: m
UNMSM
Mayor de San Marcos
Tipos de errores
Al utilizar un estadístico de muestra para tomar decisiones sobre el
parámetro poblacional, existe el riesgo de llegar a una conclusión
equivocada. Al aplicar la metodología de prueba de hipótesis, puede
cometer dos tipos de error: el error tipo I y el error tipo II.
Un error tipo I se presenta cuando se rechaza la hipótesis nula H0 siendo
cierta y no debería rechazarse. La probabilidad de que se presente un
error tipo I es α.
Un error tipo II se presenta cuando no se rechaza la hipótesis nula H0
siendo falsa y debería rechazarse. La probabilidad de que se presente un
error tipo II es β.
UNMSM
Mayor de San Marcos
Pasos de una
Prueba de
Hipótesis
 Una Prueba de hipótesis

se realiza mediante un
procedimiento
sistemático de cinco
paso:
 Recuerda:
 algunos autores
consideran los
cálculos como el paso
5 y la toma de
decisión como paso 6
de la prueba de
hipótesis.
UNMSM
Mayor de San Marcos
PRUEBAS DE HIPÓTESIS EN POBLACIONES NORMALES
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
problemas (media)
1. La escorrentía para una, estación para el periodo de 1960-1990 se
ha calculado como 14.65 y la desviación estándar 4.75 .probar la
hipótesis de que la descarga media anual es : 16.5, con un nivel de
de 5%.
2. Un ingeniero sospecha que debido a una falla mecánica, las piezas
fabricadas no alcanzan el tamaño mínimo de 20 cm, se toma una
muestra de 7 elementos de 19 20 18 18 19 20 17; con un nivel de
significación de 90%. Indicar si el ingeniero debe de tomar medidas.
UNMSM
Mayor de San Marcos
Y más problemas (varianza)
3. Se supone que los diámetros de cierta marca de válvula están
distribuidas normalmente con una varianza poblacional de 0.2
pulgadas, pero se cree que últimamente ha aumentado se toma una
muestra aleatoria de válvulas a los que se les mide su diámetro
obteniéndose los siguientes resultados : 5.5 5.4 5.4 5.6 5.8 5.4 5.5
5.4 5.6 5.7 con esta información pruebe
lo que se cree que es cierto.
Asuma un nivel de significación de 0.05.
4. Para reducir la variabilidad en el diámetro de las piezas producidas de

algún producto, se cree que la varianza del nuevo es menor que la
varianza antigua. Para una muestra de 8 piezas del proceso antiguo y
una muestra de 6 piezas del proceso nuevo se obtienen los siguientes
datos . Asuma un nivel de significación de 0.05.
Antiguo: 17,23,21,18,22,20,21,19
Nuevo: 13,16,14,12,15,17
¿confirmar si estos datos que la varianza de los diámetros en el
nuevo proceso es menor que el proceso antiguo?
UNMSM
Mayor de San Marcos
ANEXO
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
2. PRUEBA DE HIPÓTESIS Son
demasiados...
• + No se si los fumadores
pesarán como el resto…
unos 70Kg (hipótesis
nula)...
¡Gran
diferencia!
Muestra
aleatoria de Rechazo la
fumadores hipótesis
X  85 kg
UNMSM
. is Universidad Nacional 45
Mayor de San Marcos
PRUEBA DE HIPÓTESIS
 OBJETIVO:
• mostrar métodos que usaremos para tomar
decisiones.
 DEFINICIÓN:
• Es un proceso que conlleva a tomar la decisión de
aceptar o rechazar la hipótesis nula en
contraposición a la hipótesis alternativa en base a
los resultados de una muestra aleatoria
seleccionada de una población.
UNMSM
Mayor de San Marcos
CONCEPTOS PREVIOS
 Hipótesis estadísticas:
 La hipótesis nula, (Ho), es el status quo o estado
actual (lo que se cree hasta el momento), o la que
asegura que no hay diferencias en la población. Es la
hipótesis de no efecto.
 La hipótesis alternativa, (H1 o Ha ), es lo opuesto a la
hipótesis nula; representa el cambio en la población
que el investigador espera sea verdadero (bajo Hi).
• Nota: Las hipótesis nula y alternativa se refieren
ambas a la misma población
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
Tipos de pruebas
• pueden ser de dos tipos:
Prueba bilateral o de dos colas.
Prueba unilateral o de una cola.
UNMSM
Mayor de San Marcos
REGIÓN CRÍTICA Y NIVEL DE SIGNIFICACIÓN
Región crítica Nivel de significación: a

• resultados experimentales (conjunto de • Valor porcentual
valores estadísticos)que refutarían H0 • Fijado de antemano por el
investigador
• Es la probabilidad de rechazar H0
cuando es cierta
 Reg. Crit.
Región de
 Reg. Crit.  Reg. de rechazo
aceptación
 Reg. de rechazo  Nivel de significación
1-a
 Nivel de
significación
a No rechazo H0 a
H0: m
UNMSM
Mayor de San Marcos
Tipos de errores
Al utilizar un estadístico de muestra para tomar decisiones
sobre el parámetro poblacional, existe el riesgo de llegar a
una conclusión equivocada. Al aplicar la metodología de
prueba de hipótesis, puede cometer dos tipos de error: el
error tipo I y el error tipo II.
 Un error tipo I se presenta cuando se rechaza la
hipótesis nula H0 siendo cierta y no debería rechazarse.
La probabilidad de que se presente un error tipo I es α.
 Un error tipo II se presenta cuando no se rechaza la
hipótesis nula H0 siendo falsa y debería rechazarse. La
probabilidad de que se presente un error tipo II es β.
UNMSM
Mayor de San Marcos
Pasos de una
Prueba de
Hipótesis
• Una Prueba de
hipótesis se realiza
mediante un
procedimiento
sistemático de cinco
paso:
UNMSM
Mayor de San Marcos
PASOS DE UNA PRUEBA DE HIPÓTESIS.
• 1. Formulación de hipótesis. Los supuestos
planteados en la investigación nos llevan a
formular hipótesis estadísticas, las mismas
que presentan las siguientes formas.
UNMSM
Mayor de San Marcos
2. Seleccionar el nivel de significancia.
UNMSM
Mayor de San Marcos
3.Cálculo del valor estadístico de prueba
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
PRUEBAS DE HIPÓTESIS EN POBLACIONES NORMALES
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNMSM
Mayor de San Marcos
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, Decana de América)
FACULTAD DE CIENCIAS FÍSICAS

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA MECÁNICA DE FLUIDOS
UNMSM
Mayor de San Marcos

Hidrologia Estadistica

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Hidrologia Estadistica

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, Decana de América)

FACULTAD DE CIENCIAS FÍSICAS

CURSO: HIDROLOGÍA ESTADÍSTICA

DOCENTE: Mg. Ing. JORGE GASTELO VILLANUEVA

2. PRUEBAS DE HIPÓTESIS, Prueba con una cola o Unilateral, Prueba de

1.1. CONCEPTOS PREVIOS

1.1.1. DISTRIBUCIÓN NORMAL (GAUSSIANA)

Un Intervalo de confianza es una técnica de estimación utilizada en

Un intervalo de confianza nos va a permitir calcular dos valores

1.2.1 ESTIMACIÓN PUNTUAL (La estimación del parámetro es un

Ahora se denomina estimador puntual del parámetro θ a cualquier

Tiene una media de 55.82 m3/s, la misma que representa la estimación

En conclusión La estimación por intervalos consiste en proporcionar

Dada una población normal X, la transformación del enunciado

Intervalo de confianza para la media 𝜇 con nivel de confianza (1 −∝):

𝑋ത = 55.82 ; 𝜎 = 25.82 ; 𝑛 = 20 ; 𝑍∝/2 = 𝑐 = 1.96

El intervalo de confianza para la media poblacional 𝜇 con un nivel de

• Calcular la media 𝑋ത de la muestra X1, X2,…, Xn .

4.412 < 𝜇 < 5.588

• Calcular la media 𝑋ത y la varianza 𝑆 2 de la muestra X1, X2,…, Xn .

Es una distribución de probabilidad que surge del problema de estimar

De los datos: n=20 ; 𝑋ത = 55.82 ; 𝑆 2 = 666.84 ; 𝑆 = 25,82

El nivel de confianza: (α-1)= ϒ = 0.95

Cálculo de: 𝑋ത − 𝑘 = 55.82 − 12.0838 = 43.7362

El intervalo para μ, con una probabilidad del 95% es:

43.7362 < 𝜇 < 67.9038

Sirve para someter a prueba hipótesis referidas a las distribuciones de

• Calcular la varianza 𝑆 2 de la muestra X1, X2,…, Xn, luego calculamos

De los datos: 𝑛 = 20 ; 𝑆 2 = 666.84 → (𝑛 − 1)𝑆 2 = 19 ∗ 25,82 =

El nivel de confianza: (α-1)= ϒ = 0.95

El intervalo de confianza para la varianza de la población 𝑠 2 es:

385.1052 < 𝑆 2 < 1421.9933

 pueden ser de dos tipos:

 Una Prueba de hipótesis

4. Para reducir la variabilidad en el diámetro de las piezas producidas de

Región crítica Nivel de significación: a

FACULTAD DE CIENCIAS FÍSICAS

Potrebbero piacerti anche