FORMULARIO DE ESTADÍSTICA INFERENCIAL

DISTRIBUCIÓN MUESTRAL DE LA MEDIA INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

1. Si 𝝈𝟐 es conocida: 𝐼𝐶(𝑃 , 1 − 𝛼) = [𝑝̅ − 𝑍1−𝛼 𝜎̂𝑝̅ ; 𝑝̅ + 𝑍1−𝛼 𝜎̂𝑝̅ ]
2 2
̅ − 𝝁𝒙̅
𝒙
̅~𝑵(𝝁𝒙̅ , 𝝈𝟐 𝒙̅ ) → 𝒛 =
𝒙 ~𝑵(𝟎, 𝟏) 𝑝̅ (1−𝑝̅ )
𝝈𝒙̅  𝜎̂𝑝̅ = √
𝑛
 𝜇𝑥̅ = 𝜇
𝑝̅ (1−𝑝̅ ) 𝑁−𝑛
𝜎2  𝜎̂𝑝̅ = √ √
 𝜎 2 𝑥̅ = 𝑛
𝑛 𝑁−1
𝜎 2 𝑁−𝑛 Tamaño de muestra:
 𝜎 2 𝑥̅ = (
𝑛 𝑁−1
) 2
𝑍 𝛼
̅ (1−𝑝
̅)
1− √𝑝
2. Si 𝝈𝟐 es desconocida: a. 𝑛=( 2
)
𝑒
2.1 Si 𝒏 ≥ 𝟑𝟎 (Población normal o no normal) 𝑝̅ (1−𝑝̅ )𝑁
̅ − 𝝁𝒙̅
𝒙 b. 𝑛 = 2
̅~𝑵(𝝁𝒙̅ , 𝜎 2 𝑥̅ ) → 𝒛 =
𝒙 ~𝑵(𝟎, 𝟏) 𝑒
𝝈̅𝒙 𝑝̅ (1−𝑝̅ )+(𝑁−1)(
𝑍 𝛼
)
2 𝑠2 1−
2
 𝜎 𝑥̅ = 𝑛 Si 𝑝̅ es desconocida se estima por 0.5.
2 𝑠2 𝑁−𝑛
 𝜎 𝑥̅ = (
𝑛 𝑁−1
)
2.2 Si 𝒏 < 𝟑𝟎 (Población normal) INTERVALO DE CONFIANZA PARA LA VARIANZA
̅−𝝁
𝒙 (𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
𝒔 ~𝒕(𝒏−𝟏) 2
𝐼𝐶(𝜎 , 1 − 𝛼) = [ 2 ; ]
𝜒 (1−𝛼,𝑛−1) 𝜒 2 (𝛼,𝑛−1)
√𝒏 2 2

DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN INTERVALO DE CONFIANZA PARA LA RAZÓN DE DOS

̅ − 𝝁𝒑̅
𝒑 VARIANZAS
̅ ~𝑵(𝝁𝒑̅ , 𝝈𝟐 𝒑̅ ) →
𝒑 ~𝑵(𝟎, 𝟏)
𝝈𝒑̅ 𝝈𝟏 𝟐 𝒔𝟏 𝟐 𝜶 𝒔𝟏 𝟐 𝜶
𝑝(1−𝑝) 𝑰𝑪 ( 𝟐 , 𝟏 − 𝜶) = [ 𝟐 𝑭 ( , 𝒈𝒍) ; 𝟐 𝑭 (𝟏 − ; 𝒈𝒍)]
 𝜎 2 𝑝̅ = 𝝈𝟐 𝒔𝟐 𝟐 𝒔𝟐 𝟐
𝑛
𝑝(1−𝑝) 𝑁−𝑛 𝑔𝑙 = (𝑛2 − 1, 𝑛1 − 1)
 𝜎 2 𝑥̅ = ( 𝑁−1 )
𝑛 𝜶 𝟏
𝑭 ( ; 𝒓𝟐 , 𝒓𝟏 ) = 𝜶
𝟐 𝑭 (𝟏 − 𝟐 ; 𝒓𝟏 , 𝒓𝟐 )
INTERVALO DE CONFIANZA PARA LA MEDIA
1. Si 𝝈𝟐 es conocida:
𝐼𝐶(𝜇 , 1 − 𝛼) = [𝑥̅ − 𝑍1−𝛼 𝜎𝑥̅ ; 𝑥̅ + 𝑍1−𝛼 𝜎𝑥̅ ] PRUEBAS DE HIPÓTESIS:
𝜎
2 2 𝜶 =P(error tipo I)=P(rechazar 𝐻0 cuando 𝐻0 es
 𝜎𝑥̅ = verdadera)
√𝑛
𝜎 𝑁−𝑛 𝜷 =P(error tipo II)=P(aceptar 𝐻0 cuando 𝐻0 es falsa)
 𝜎𝑥̅ = √
√𝑛 𝑁−1 Potencia de una prueba: 𝟏 − 𝜷
2. Si 𝝈𝟐 es desconocida: 𝜶: nivel de significación
Si 𝒏 ≥ 𝟑𝟎 (Población normal o no normal) 𝟏 − 𝜶: Nivel de confianza
𝐼𝐶(𝜇 , 1 − 𝛼) = [𝑥̅ − 𝑍1−𝛼 𝜎̂𝑥̅ ; 𝑥̅ + 𝑍1−𝛼 𝜎̂𝑥̅ ]
2 2
𝑠 PRUEBA DE HIPÓTESIS PARA LA MEDIA
 𝜎̂𝑥̅ =
√𝑛 1. Hipótesis:
 𝜎̂𝑥̅ =
𝑠
√
𝑁−𝑛 a. 𝐻0 : 𝜇 = 𝜇0 vs 𝐻1 : 𝜇 ≠ 𝜇0
√𝑛 𝑁−1
b. 𝐻0 : 𝜇 ≥ 𝜇0 vs 𝐻1 : 𝜇 < 𝜇0
a. Si 𝒏 < 𝟑𝟎 (Población normal) c. 𝐻0 : 𝜇 ≤ 𝜇0 vs 𝐻1 : 𝜇 > 𝜇0
𝑠 𝑠
𝐼𝐶(𝜇 , 1 − 𝛼) = [𝑥̅ − 𝑡(1−𝛼,𝑛−1) ; 𝑥̅ + 𝑡(1−𝛼,𝑛−1) ] 2. Nivel de significación: 𝜶
2 √𝑛 2 √𝑛 3. Estadística de prueba:
Tamaño de la muestra:
3.1 Si 𝝈𝟐 es conocida:
𝑍 𝛼 𝜎 2
a. 𝑛 = (
1− 𝑥̅ − 𝜇0
𝑒
2
) 𝑧𝑐 = ~𝑁(0, 1)
𝜎𝑥̅
𝜎2𝑁 𝜎
b. 𝑛 = 2  𝜎𝑥̅ =
√𝑛
𝑒
𝜎 2 +(𝑁−1)( ) 𝜎 𝑁−𝑛
𝑍 𝛼
1−  𝜎𝑥̅ = √
2 √𝑛 𝑁−1
3.2 Si 𝝈𝟐 es desconocida: (𝑥̅1 − 𝑥̅2 ) − 𝑑0
𝑧𝑐 = ~ 𝑁(0, 1)
 Si 𝒏 ≥ 𝟑𝟎 (Población normal o no normal) 𝜎̂𝑥̅ 1 −𝑥̅2
𝑥̅ − 𝜇0
𝑧𝑐 = ~𝑁(0, 1) 𝑠1 2 𝑠2 2
𝜎𝑥̅ 𝜎̂𝑥̅1 −𝑥̅ 2 = √ +
𝑠 𝑛1 𝑛2
 𝜎𝑥̅ =
√𝑛
 Si 𝒏𝟏 , 𝒏𝟐 < 𝟑𝟎 (Poblaciones normales)
𝑠 𝑁−𝑛
 𝜎𝑥̅ = √  Si 𝝈𝟏 𝟐 = 𝝈𝟐 𝟐
√𝑛 𝑁−1
(𝑥̅1 − 𝑥̅2 ) − 𝑑0
 Si 𝒏 < 𝟑𝟎 (Población normal) 𝑡𝑐 = ~𝑡(𝑛1 +𝑛2 −2)
𝑥̅ − 𝜇0 𝜎̂𝑥̅ 1 −𝑥̅2
𝑡𝑐 = 𝑠 ~𝑡(𝑛−1) 𝑠 2 𝑠𝑐 2 (𝑛1 −1)𝑠1 2 +(𝑛2 −1)𝑠2 2
𝜎̂𝑥̅1 −𝑥̅ 2 = √ 𝑛𝑐 + y 𝑠𝑐 2 =
√𝑛 1 𝑛2 𝑛1 +𝑛2 −2
𝟐 𝟐
4. Región critica  Si 𝝈𝟏 ≠ 𝝈𝟐
(𝑥̅1 − 𝑥̅2 ) − 𝑑0
𝑡𝑐 = ~𝑡(𝑟)
𝜎̂𝑥̅1 −𝑥̅2
2
𝑠 2 𝑠 2
𝑠 2 𝑠 2 ( 1 + 2 )
𝑛1 𝑛2
𝜎̂𝑥̅1 −𝑥̅ 2 = √ 𝑛1 + 𝑛2 y 𝑟= 2 2
1 2 𝑠1 2 𝑠 2
( ) ( 2 )
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1

4. Región critica

5. Calculo de la estadística de prueba

6. Conclusión

PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE

MEDIAS
1. Hipótesis: 5. Calculo de la estadística de prueba
a. 𝐻0 : 𝜇1 − 𝜇2 = 𝑑0 vs 𝐻1 : 𝜇1 − 𝜇2 ≠ 𝑑0 6. Conclusión
b. 𝐻0 : 𝜇1 − 𝜇2 ≥ 𝑑0 vs 𝐻1 : 𝜇1 − 𝜇2 < 𝑑0
c. 𝐻0 : 𝜇1 − 𝜇2 ≤ 𝑑0 vs 𝐻1 : 𝜇1 − 𝜇2 > 𝑑0 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN
2. Nivel de significación: 𝜶 1. Hipótesis:
3. Estadística de prueba: a. 𝐻0 : 𝑝 = 𝑝0 vs 𝐻1 : 𝑝 ≠ 𝑝0
3.1 Si 𝝈𝟏 𝟐 𝒚 𝝈𝟐 𝟐 son conocidas: b. 𝐻0 : 𝑝 ≥ 𝑝0 vs 𝐻1 : 𝑝 < 𝑝0
(𝑥̅1 − 𝑥̅2 ) − 𝑑0 c. 𝐻0 : 𝑝 ≤ 𝑝0 vs 𝐻1 : 𝑝 > 𝑝0
𝑧𝑐 = ~𝑁(0, 1)
𝜎𝑥̅ 1 −𝑥̅2 2. Nivel de significación: 𝜶
3. Estadística de prueba:
𝜎1 2 𝜎2 2
𝜎𝑥̅1 −𝑥̅2 = √ + 𝑝̅ − 𝑝0
𝑛1 𝑛2 𝑧𝑐 = ~𝑁(0, 1)
𝜎𝑝̅
3.2 Si 𝝈𝟏 𝟐 𝒚 𝝈𝟐 𝟐 son desconocidas: 𝑝0 (1−𝑝0 )
 Si 𝒏𝟏 , 𝒏𝟐 ≥ 𝟑𝟎 (Poblaciones normales y no  𝜎𝑝̅ = √ 𝑛
normales) 𝑃0 (1−𝑃0 ) 𝑁−𝑛
 𝜎𝑝̅ = √ √
𝑛 𝑁−1
 4. Región critica REGRESIÓN LINEAL
Covarianza:
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅)
𝒄𝑜𝑣(𝑥, 𝑦) =
𝑛
∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖
𝑐𝑜𝑣(𝑥, 𝑦) = − 𝑥̅ 𝑦̅
𝑛
Coeficiente de correlación:
𝑐𝑜𝑣(𝑥, 𝑦)
𝑟=
𝑠𝑥 𝑠𝑦
𝒔𝒙 : es la desviación estándar de 𝑥
𝒔𝒚 : es la desviación estándar de 𝑦
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑟=
√𝑛 ∑ 𝑥 2 − (∑ 𝑥)2 √𝑛 ∑ 𝑦 2 − (∑ 𝑦)2
−1 ≤ 𝑟 ≤ 1
Coeficiente de determinación: 𝑟 2

Recta de regresión muestral de mínimos cuadrados:

𝒚 = 𝒂 + 𝒃𝒙
5. Calculo de la estadística de prueba 𝑛 ∑ 𝑥𝑦−∑ 𝑥 ∑ 𝑦 𝑐𝑜𝑣(𝑥,𝑦)
𝑏= , o𝑏 =
𝑛 ∑ 𝑥 2 −(∑ 𝑥)2 (𝑠𝑥 )2
6. Conclusión
∑ 𝑦𝑖 − 𝑏 ∑ 𝑥𝑖
PRUEBA DE HIPÓTESIS ARA LA DIFERENCIA DE 𝑎= 𝑜 𝑎 = 𝑦̅ − 𝑏𝑥̅
PROPORCIONES 𝑛
Estimación de 𝜷:
1. Hipótesis:
Regresión poblacional: 𝒀 = 𝜶 + 𝜷𝑿
a. 𝐻0 : 𝑝1 − 𝑝2 = 𝑑0 vs 𝐻1 : 𝑝1 − 𝑝2 ≠ 𝑑0
Varianza de la regresión muestral:
b. 𝐻0 : 𝑝1 − 𝑝2 ≥ 𝑑0 vs 𝐻1 : 𝑝1 − 𝑝2 < 𝑑0
∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦
c. 𝐻0 : 𝑝1 − 𝑝2 ≤ 𝑑0 vs 𝐻1 : 𝑝1 − 𝑝2 > 𝑑0 𝑠2 =
𝑛−2
Error estándar de estimación:
2. Nivel de significación: 𝜶
3. Estadística de prueba: ∑ 𝑦 2 − 𝑎 ∑ 𝑦 − 𝑏 ∑ 𝑥𝑦
𝑠=√
𝑛−2
(𝑝̅1 − 𝑝̅2 ) − 𝑑0 Intervalo de confianza para 𝜷
𝑧𝑐 = ~𝑁(0, 1)
𝜎̂𝑝̅1 −𝑝̅2 𝐼𝐶(𝛽 , 1 − 𝛼) = [𝑏 − 𝑡(1−𝛼,𝑛−2) 𝜎̂𝑏 ; 𝑏 + 𝑡(1−𝛼,𝑛−2) 𝜎̂𝑏 ]
2 2
𝑝̅1 (1 − 𝑝̅1 ) 𝑝̅2 (1 − 𝑝̅2 ) 𝑠
𝜎̂𝑝̅1 −𝑝̅2 =√ + 𝜎̂𝑏 = , donde 𝑠𝑥𝑥 = ∑ 𝑥 2 − 𝑛𝑥̅ 2
√𝑠𝑥𝑥
𝑛1 𝑛2
Prueba de hipótesis para 𝜷:
1. Hipótesis:
4. Región critica a. 𝐻0 : 𝛽 = 𝛽0 vs 𝐻1 : 𝛽 ≠ 𝛽0
b. 𝐻0 : 𝛽 ≤ 𝛽0 vs 𝐻1 : 𝛽 > 𝛽0
c. 𝐻0 : 𝛽 ≥ 𝛽0 vs 𝐻1 : 𝛽 < 𝛽0
2. Nivel de significación: 𝜶
3. Estadística de prueba:
𝒃 − 𝜷𝟎
𝒕𝒄 = ~𝒕(𝒏−𝟐)
𝝈̂𝒃
𝑠
𝜎̂𝑏 = 𝑠 , donde 𝑠𝑥𝑥 = ∑ 𝑥 2 − 𝑛𝑥̅ 2
√ 𝑥𝑥
4. Región critica
 3. Estadística de Prueba:
𝐶𝑀𝑇𝑅
𝐹𝑐 = 𝐶𝑀𝐸 ~𝐹(𝑘 − 1; 𝑛 − 𝑘
4. Región crítica:

5. Cálculo de la estadística de prueba:

Construcción de la tabla ANOVA
La variación total es: 𝑺𝑪𝑻 = 𝑺𝑪𝑻𝑹 + 𝑺𝑪𝑬
𝑛𝑗 2
𝑇2 (∑𝑘
𝑗=1 ∑𝑖=1 𝑥𝑖𝑗 )
Sea 𝐶 = 𝑛 = , así
𝑛
Suma total de cuadrados:
𝑘 𝑛𝑗
2
𝑆𝐶𝑇 = ∑ ∑ 𝑥𝑖𝑗 −𝐶
ANÁLISIS DE VARIANZA DE UN FACTOR 𝑗=1 𝑖=1
Modelo: Suma de cuadrados entre tratamientos:
𝑋𝑖𝑗 = 𝜇 + 𝛼𝑖 + 𝑒𝑖𝑗 , 𝑖 = 1, … , 𝑛𝑖 , 𝑗 = 1, … , 𝑘, 𝑛 = ∑ 𝑛𝑖 𝑇𝑗2
𝑺𝑪𝑻𝑹 = ∑𝑘𝑗=1 𝑛 − 𝐶
Prueba de hipótesis: 𝑗

1. Hipótesis: Suma de cuadrados del error:

𝐻𝑜 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘 𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑻𝑹
𝐻1 : Al menos 𝜇𝑗 es diferente
2. Nivel de significancia: 𝜶
TABLA DE AN0VA

Fuente de Suma de Grados de Cuadrados Razón F

varianzas cuadrados libertad medios calculada
Tratamientos SCTR 𝑘−1 𝑆𝐶𝑇𝑅 𝐶𝑀𝑇𝑅
𝐶𝑀𝑇𝑅 = 𝐹𝑐 =
𝑘−1 𝐶𝑀𝐸
Error SCE 𝑛−𝑘 𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑛−𝑘
Total SCT 𝑛−1

6. Conclusión