Profesores: Paula Fariña

Hugo Robotham
Sebastián Vera

CII2751- SOLEMNE 2
INFERENCIA ESTADÍSTICA
15 de junio de 2023

1. (1.5 ptos) Se realizó un test de diferencia de proporciones. Los resultados del

test se representan en el siguiente gráfico

Distribucion Normal para el Estadístico de un Test

0.4
0.3
densidad

0.2
0.1
0.0

RR Z_obs

−3.000 −1.645 −1.200 0.000 1.645 3.000

a) (0.5 ptos) De un ejemplo donde podría darse un test con estas característi-
cas. Describa la dócima del test

Acá es valido cualquier ejemplo de comparación de proporciones de 2 pobla-

ciones donde se quiera verificar que una proporcion es menor que la otra.
Ejemplo: proporción de fallas de un producto de marcas diferentes: A y B.
Se desea saber si la proporción de fallas de A es menor que la de B
Dócima:

H0 pA − pB = 0
HA pa − pB < 0

b) (0.5 ptos) Qué se concluye acerca del test. Utilice el ejemplo dado en la
parte a) para analizar los resultados

1
 No se rechaza H0 ya que el estadístico del test no cae en la región de rechazo.
Las proporción de fallas del producto A no es menor que el de B

c) (0.5 ptos) Qué nivel de significancia emplea el test? Cuál es el valor p?

Represente ambos valores en el gráfico. Explique ambos conceptos (nivel de
significancia y valor p)

El nivel de significancia es α tal que zα = −1.645. Esto se calcula en R

como pnorm(-1.645) y da un valor de α = 0.05 (area debajo de la curva de
densidad entre −∞ y -1.645)
El valor p se calcula como P (Z < Zo bs) y se calcula en R como pnorm(-1.2),
dando un valor de α∗ = 0.11
El nivel de significancia es la probabilidad de cometer error de tipo I, es
decir la probabilidad de recazar H0 cuando H0 es verdadera. El valor p se
interpreta como el mínimo nivel de significancia a partir del cual de rechaza
H0 . Es decir que si el p valor es menor al nivel de significancia fijado en el
test se rechaza H0 y si es mayor se acepta.

2. (3.0 ptos) Connie Rodriguez, la decana de estudiantes en el Midstate College, se

pregunta cuál será la distribución de calificaciones en la escuela. Ha oído quejas
de que la diferencia entre el promedio general en la escuela de administración y
la escuela de Artes y Ciencias es -0.25. Un muestreo aleatorio rápido produjo los
siguientes promedios generales:
Administración 2.86 2.77 3.18 2.80 3.14 2.87 3.19 3.24 2.91 3.00 2.83
Artes y Ciencias 3.35 3.32 3.36 3.63 3.41 3.37 3.45 3.43 3.44 3.17 3.26 3.18 3.41

a) (1.5 ptos) Indican estos datos que existe una base para las quejas? Esta-
blezca y pruebe las hipótesis adecuadas con un α = 0.02

Sea X: Promedio de los alumnos de la escuela de Administración

Sea Y: Promedio de los alumnos de la escuela de Artes y Ciencias

SUPUESTOS

Hipótesis

σy2
H0 : =1
σx2
σy2
H1 : 2 ̸= 1
σx
Riesgo
α = 0.02

Región de Rechazo

Fc < Fnx −1;ny −1;α/2

Fc > Fnx −1;ny −1;1−α/2

2
 Cálculos:

x̄ = 2.98
Xnx
x2i =98.0521
i=1
Sx2 = (0.176)2
ȳ = 3.368
ny
X
yi2 = 147.6144
i=1
Sy2 = (0.121)2
0.1212
Fc = = 0.4727
0.1762
F10;12;0.01 = 0.2125
F10;12;0.99 = 4.296

Decisión

Fc = 0.4727 < F10;12;0.01 = 0.2125 ×

Fc = 0.4727 < F10;12;0.99 = 4.296 ×

No se rechaza H0 , con un nivel de significancia de 0.02 podemos decir

que las varianzas son desconocidad e iguales.

b) (1.5 ptos) Cambian sus conclusiones si realiza el mismo estudio con un nivel
de confianza de 98 %.

Hipótesis

H0 : µx − µy = −0.25
H1 : µx − µy ̸= −0.25

Región de rechazo
s
Sc2 Sc2
x̄ − ȳ < C1 = µ0 + tnx +ny −2;α/2 ∗ +
nx ny
s
2
Sc S2
x̄ − ȳ > C2 = µ0 + tnx +ny −2;1−α/2 ∗ + c
nx ny
Cálculos:

Sc2 = 0.0221

t22;0.01 = −2.5083
t22;0.99 = 2.5083 r
0.0221 0.0221
C1 = −0.25 − 2.5083 ∗ + = −0.4027
11 13

3
 r
0.0221 0.0221
C2 = −0.25 + 2.5083 ∗ + = −0.0972
11 13
Decisión:

x̄ − ȳ = −0.388 < C1 = −0.4027 ×

x̄ − ȳ = −0.388 > C2 = −0.0972 ×

No se rechaza H0 , con un nivel de significancia de 0.02 podemos decir

que la diferencia entre los promedios de la escuela de Administración y la de
Artes y Ciencias si es de -0.25, por lo que las quejas si son razonables.

Método 2: tc
x̄ − ȳ − µ0
tc = s = −2.2659
Sc2 Sc2
+
nx ny
tc = −2.2659 < t22,0.01 = −2.5083 ×
tc = −2.2659 > t22,0.99 = 2.5083 ×

No se rechaza H0 .

Método 3: α∗ < α

α1∗ = 2 ∗ t22 (tc ) = 2 ∗ t22 (−2.2659) = 2 ∗ 0.0168 = 0.0336 ≮ α = 0.02

α1∗ = 2 ∗ (1 − t22 (tc )) = 2 ∗ (1 − t22 (−2.2659)) = 2 ∗ (1 − 0.0168) = 1.9664 ≮
α = 0.02

No se rechaza
! H0 .
2
σy 0.1212 0.1212
 
IC : F10;12;0.01 ∗ ; F10;12;0.99 ∗ = [0.2125 ∗
σx2 0.1762 0.1762
0.98
0.4727; 4.296 ∗ 0.4727] = [0.1004; 2.0307]

Con un nivel de confianza de 98 %, podemos decir que las varianzas

son iguales ya que el 1 pertenece al intervalo.
s
Sc2 Sc2
IC(µx − µy )0.98 : x̄ − ȳ ± t22;0.99 ∗ +
nx ny
r
0.221 0.221
−0.388 ± 2.5083 ∗ +
11 13
−0.5408 ≤ µx − µy ≤ −0.2352

Con un nivel de confianza de 98 %, podemos decir que llegamos a la

misma conclusión que en el inciso anterior, ya que el -0.25 si pertenece al
intervalo de cofianza, por lo que si hay base para las quejas.

3. (1.5 ptos) Se aplicó una encuesta al interior de empresas chilenas con la finalidad

4
de medir su capacidad de adaptación a los cambios. Como resultados de dicha
encuesta se confeccionó un índice que toma valores del 0 al 5. A mayor valor del
índice, mayor capacidad de adaptación al cambio de la empresa.

a) (0.75 ptos) Construya un intervalo de 95 confianza para estimar la propor-

ción de empresas que poseen un índice de adaptación al cambio mayor a tres.
De un total de 82 empresas un total de 34 presentaron un índice mayor a
tres. Interprete el resultado.

IConfianza
Xi : Empresa con índice de adaptación al cambio mayor que tres
p̂ = 34
82 , Q̂ = 1 − p̂ = 0.5854
q
IC(p)0.98 = p̂ ± z0.975 p̂nQ̂
0.308 < p < 0.521

b) (0.75 ptos) A través de un test de hipótesis y con un 5 % de significancia

determine si el 40 % del total de empresas posee un Ãndice de adaptación
al cambio mayor a tres. Detalle claramente sus conclusiones y supuestos. Es
consistente su resultado con el intervalo de confianza, analice.

Xi : Empresa con índice de adaptación al cambio mayor que tres (Xi ∼

B(1, p)) muestra aleatoria IID, suficientemente grande para aplicar TCL.
Estimadores insesgados. p̂ = nx y consistentes
1)

H0 : p = 0.4
HA : p ̸= 0.4

2) α = 0.05
3) RC: rechazo si Zc < Zα/2 o Zc > Z1−α/2
4) valor tabla Z: Z1−α/2 = Z0.975 = 1.96; Zα/2 = Z0.025 = −1.96
5) Decisión Zc = 0.2705 ϵ RC : (−1.96; 1.96) Al no caer en la región crí-
tica, sino que, dentro del intervalo, se concluye que no hay evidencia
suficiente para concluir que la proporción de las empresas con un índice
de adaptación al cambio superior a 3 difieran de un 40 %. El resultado,
es consistente con el IC, ya que este contiene al 40 % formulado en la
hipótesis nula del problema. Al ser IC y la hipótesis pruebas bilatera-
les el nivel de confianza (95 %) y el riesgo (5 %) presentan equivalencia
comparable.

5
 Datos útiles:

> pnorm(-1.645)
[1] 0.04998491
> pnorm(-1.2)
[1] 0.1150697
> pnorm(-1.645)
[1] 0.04998491
> pnorm(-1.2)
[1] 0.1150697
> qnorm(0.05)
[1] -1.644854
> qnorm(0.025)
[1] -1.959964
> qf(0.01, 10, 12)
[1] 0.2125006
> qf(0.99, 10, 12)
[1] 4.296054
> qf(0.025, 10,12)
[1] 0.276171
> qf(0.975, 10, 12)
[1] 3.373553
> qf(0.05, 10, 12)
[1] 0.3432914
> qf(0.95, 10, 12)
[1] 2.753387
> qf(0.1, 10, 12)
[1] 0.4378185
> qf(0.9, 10, 12)
[1] 2.187764
> pf(0.4727, 10, 12)
[1] 0.1220458
> qt(0.01, 22)
[1] -2.508325
> qt(0.99, 22)
[1] 2.508325
> qt(0.025, 22)
[1] -2.073873
> qt(0.975, 22)
[1] 2.073873
> qt(0.05, 22)
[1] -1.717144
> qt(0.95, 22)
[1] 1.717144
> qt(0.1, 22)
[1] -1.321237
> qt(0.9, 22)
[1] 1.321237
> pt(-2.2659, 22)
[1] 0.01682099

6
> qt(0.01, 18)
[1] -2.55238
> qt(0.99, 18)
[1] 2.55238
> qt(0.025, 18)
[1] -2.100922
> qt(0.975, 18)
[1] 2.100922
> qt(0.05, 18)
[1] -1.734064
> qt(0.95, 18)
[1] 1.734064
> qt(0.1, 18)
[1] -1.330391
> qt(0.9, 18)
[1] 1.330391
> pt(-2.2659, 18)
[1] 0.01801231
> qnorm(0.01)
[1] -2.326348
> qnorm(0.99)
[1] 2.326348
> qnorm(0.025)
[1] -1.959964
> qnorm(0.975)
[1] 1.959964
> qnorm(0.05)
[1] -1.644854
> qnorm(0.95)
[1] 1.644854
> qnorm(0.1)
[1] -1.281552
> qnorm(0.9)
[1] 1.281552
> pnorm(-2.2659)
[1] 0.01172875