You are on page 1of 35

289

2. La lectura en un voltímetro conectado a un circuito depruebatiene una distribución


uniforme en el intervalo de ( , + 1), donde es el parámetro para el voltaje del
circuito. Supón que X1, X2, X3 y X4 es una muestra aleatoria de tales lecturas y
verifica que ˆ X 0.5 es un estimador insesgado.
3. Dadas X1, X2 y X3 y Y1, Y2 y Y3 como muestras aleatorias independientes de dos
poblaciones con medias 1 y 2 y varianza 12 y 22 , respectivamente

a) comprueba que X Y es un estimador insesgado de 1


y 2
b) calcula la varianza del estimador X Y

10.1.2 Estimación por intervalo

Después de iniciado el estudio de los estimadores puntuales es lógico suponer que la


inferencia realizada mediante un valor puntual no es la más adecuada, ya que puede
variar considerablemente de muestra en muestra, por tanto, es preferible indicar un
intervalo en el que se pueda estimar, con cierto grado de confianza, la localización del
parámetro en estudio.
Dada como parámetro, supóngase que, bajo ciertas condiciones (como se verá
en las siguientes subsecciones), se encuentra que ( ˆi , ˆs), donde los puntos extremos
ˆ y ˆ llamados extremo inferior y extremo superior, respectivamente, dependen del
i s
valor de la estadística ˆ para una muestra particular. Como los extremos ˆi y ˆ s del
intervalo dependen de la muestra, resulta que sólo son valores de las variables aleatorias
correspondientes ˆ i y ˆ s. Con base en las variables aleatorias anteriores y sus valores
correspondientes, se calcula la probabilidad de que el parámetro se encuentre en el
intervalo establecido. Se simboliza por 1 – con (0, 1) a la probabilidad mencionada

P( ˆ i
ˆ ) 1
s

Es decir, se tiene una probabilidad de 1 – de seleccionar una variable aleatoria


que con base en una muestra produzca un intervalo que contenga a .

Definición 10.4
El intervalo anterior en el que se localiza el parámetro , ˆ ˆ
i s, se llama intervalo de
de (1 – )100%; mientras que la fracción 1– se le llama o grado
y los extremos ˆ yˆ, son los inferior y superior,
i s
respectivamente.

Por ejemplo, se tiene una muestra de 20 focos cuya duración promedio en horas
es x 750 y con base en este valor se estima que el parámetro puede encontrarse con
una probabilidad 1 – , establecida de antemano en el intervalo de confianza (740, 760),
es decir
P(740 760) 1

En las siguientes subsecciones se analizarán los intervalos de confianza más


comunes para los parámetros, medias, diferencia de medias, varianzas y proporciones.
290

Intervalos de confianza para medias de poblaciones aproximadamente


normales

Establecidas las bases generales de los intervalos de confianza y utilizando el teorema del
límite central, losconceptossobre estimadorespuntuales ylasdistribuciones determinadas
en la unidad 9, se presentan métodos para el cálculo de intervalos de confianza. Uno de
estos métodos se refiere a la media, y se divide en tres casos:

1. Intervalo de confianza para la media poblacional con distribución normal,


cuando se conoce

Dada x la media de una muestra aleatoria de tamaño n de una población con


distribución aproximadamente normal, de la cual se conoce 2, el intervalo de
confianza (1 – ) de 100% para está dado por

x z x z
2
n 2
n

donde z / 2 es el valor de la distribución normal estándar, a la derecha del cual tiene


un área de / 2.
Se denota en este caso que para poder aplicar la fórmula, la distribución tiene
que ser normal o aproximadamente normal y se debe conocer el parámetro .

Ejemplo 3 Una máquina de refrescos está ajustada de tal manera que la cantidad de líquido
suministrado se distribuye en forma normal con desviación estándar de 0.15 dl. Se
calcula 95% de intervalo de confianza para la media de refrescosservidosde una muestra
de 36 vasos tomada al azar con un contenido promedio de 2.25 dl.
Se toman los datos: = 0.15 dl, el tamaño de la muestra es 36 con media muestral
de x 2.25 dl. Para calcular el intervalo de confianza del parámetro media se emplea la
fórmula anterior.
Primero se calcula el valor de z / 2, con 1 – = 0.95. De las tablasporcentuales para
la distribución normal estándar se tiene z / 2 = 1.96. Por tanto,
0.15 0.15
2.25 1.96 2.25 1.96
36 36
2.201 2.299

Es decir, con 95% de probabilidad se afirma que el parámetro media del líquido
suministrado por la máquina de refrescos se encuentra entre 2.201 y 2.299 dl.

2. Intervalo de confianza para la media poblacional cuando se desconoce en


muestrasgrandes.

Dada x la media de una muestra aleatoria de tamaño n (n 30) tomada al azar


de una población de la cual se conoce su desviación estandar s y se desconoce , el
intervalo de confianza (1 – ) de 100% para está dado por
s s
x z x z
2
n 2
n
291

donde z / 2 es el valor de la distribución normal estándar, la cual tiene un área de / 2 y


s es la desviación estándar obtenida del estadístico varianza insesgada.
En este caso es posible notar que para poder aplicar la fórmula, a diferencia del
anterior, se desconoce la distribución.

Ejemplo 4 Setieneunamáquinaderefrescoscomo en el ejemplo anterior, pero delacual sedesconoce


su desviación estándar. Para estimar la cantidad promedio de líquido suministrado por
la máquina se toma una muestra al azar de 50 vasos, con media de 240 ml y desviación
estándar de 20. Se calcula 99% de intervalo de confianza para la media de refrescos
servidos.
Se toman losdatos: el tamaño de la muestra es 50, x 240 y s= 20 ml. El intervalo
de confianza del parámetro media se obtiene sustituyendo estos valores en la fórmula
anterior.
Se calcula primero el valor de z / 2, con 1 – = 0.99. De las tablasporcentuales para
la distribución normal estándar se tiene z / 2 = 2.575. Por tanto,
20 20
240 2.575 240 2.575
50 50
232.72 247.28

Es decir, con 99% de probabilidad se afirma que el parámetro media del líquido
suministrado por la máquina de refrescos se encuentra entre 232.72 y 247.28 ml.

3. Intervalo de confianza para la media poblacional cuando se desconoce en


muestraspequeñas.

Dada x la media de una muestra de tamaño n (n 30) tomada al azar de una población
con distribución normal de la cual se conoce s2, y se desconoce 2, el intervalo de con-
fianza (1 – ) de 100% para está dado por
s s
x t x t
2
n 2
n

donde t / 2 es el valor de la distribución t-Student con v = n – 1 grados de libertad,


la cual tiene un área de / 2, y s es la desviación estándar obtenida del estadístico
varianza insesgada.
Se denota en este caso que la aplicación de la fórmula se puede realizar si la distri-
bución de la población esnormal o aproximadamente normal, pero a diferencia del caso
1, no se conoce el parámetro , y del caso 2, el tamaño de la muestra debe ser pequeño.

Ejemplo 5 Un fabricantedemáquinasderefrescosaseguraquesusmáquinassuministran en promedio


240 ml de refresco 99.9% de los casos. Un comprador decide verificar estos datos, por lo
que toma una muestra al azar de 15 vasos, obteniendo los siguientes resultados
243 250 240 248 245 250 238 246 252 247
246 240 250 249 248 240 245 247 238 248
250 252 247 239 245 249 250 248 247 251

Se calcula con 99.9% de confianza si es válida la afirmación del fabricante.


Para encontrar el intervalo de confianza se necesita calcular la media y la varianza
insesgada de la muestra obtenida: x 246.27 y s2n 1 17.58, es decir, s = 4.19.
292

Siendo la muestra de 15 vasos, se aplica el caso 3, para lo cual se calcula el valor


de t / 2, con v = 15 – 1 = 14 grados de libertad y 1 – = 0.999, donde = 0.001, es decir
/ 2 = 0.0005. Por tanto, aplicando las tablas porcentuales para la distribución t-Student
se tiene t0.0005 = 4.14. En conclusión

4.19 4.19
246.27 4.14 246.27 4.14
15 15
241.79 250.75

Es decir, con 99.9% de probabilidad se determina que el parámetro media del


líquido suministrado por la máquina de refrescos se encuentra entre 241.79 y 250.75 ml.
Por tanto, la afirmación del fabricante no será válida con 99% de confianza, puesto que
el valor 240 ml está fuera del intervalo.

Ejercicio 2

1. De la siguiente muestra aleatoria, tomada de un población normal

13 19 14 12 21 14 17 20 17

calcula 95% de intervalo de confianza para la media de la población

a) si se sabe que la varianza poblacional es 4


b) si no se conoce el valor de la varianza poblacional

2. Un ingeniero de control de calidad midió lasparedes de 25 botellas de vidrio de dos


litros. La media muestral fue 4.02 mm y la desviación estándar muestral 0.09, calcula
95% de intervalo de confianza respecto de la media del espesor de las paredes de las
botellas.
3. Mientras se efectúa una tarea determinada en condiciones simuladas de ausencia
de gravedad el ritmo cardiaco de 40 astronautas en adiestramiento se incrementa,
26.4 pulsaciones por minuto en promedio con desviación estándar de 4.28, calcula
la verdadera media en el incremento del ritmo cardiaco si x 26.4 se utiliza como
una estimación puntual del incremento medio en el ritmo cardiaco y se utiliza 95%
de confianza.
4. Se realizan cinco mediciones en un medidor de volumen en la bomba de una
estación de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supón normalidad y calcula un
intervalo de confianza para la media con = 0.05
5. Una máquina produce piezas metálicas de forma cilíndrica. Se toma una muestra
al azar de piezas cuyos diámetros son 10, 12, 11, 11.5, 9, 9.8, 10.4, 9.8, 10 y 9.8 mm.
Supón que los diámetros tienen una distribución aproximadamente normal y

a) calcula 99% de intervalo de confianza para el diámetro promedio de todas las


piezas
b) calcula 99% de intervalo de confianza para el diámetro promedio de piezas si
= 1.
293

Intervalos de confianza para la diferencia de medias en poblaciones


aproximadamente normales

Después de analizar los intervalos de confianza para la media poblacional, se continúa


con el cálculo de intervalos de confianza para la diferencia de medias, el cual se divide
en cinco casos.

1. Intervalo de confianza para 1


– 2
de poblaciones con distribuciones normales,
2 2
cuando se conocen 1 y 2.

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1


y n2, respectivamente, de poblacionescon distribucionesaproximadamente normales,
de las cuales se conoce 12 y 22 , el intervalo de confianza de (1 – ) de 100% para
1
y 2 está dado por
2 2 2 2
1 2 1 2
( x1 x2 ) z 1 2 ( x1 x2 ) z
n1 n2 n1 n2
2 2

donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2.

Ejemplo 6 Se comparan dos tipos de rosca de tornillos para determinar su resistencia a la tensión. Se
prueban doce piezas de cada tipo de cuerda bajo condiciones similares, obteniéndose los
siguientes resultados (en kg)

Tipo
de rosca 1 2 3 4 5 6 7 8 9 10 11 12
1 68 70 72 69 71 72 70 69 75 69 70 71
2 75 73 73 68 68 67 69 75 74 68 73 74

Si 1 y 2 son resistencias promedio a la tensión de los tornillos tipo I y tipo II,


respectivamente, con las variaciones a la tensión de los tornillos tipo I y tipo II 12 5 y
2
2 10, respectivamente, se calcula 90% de intervalo de confianza para 1 – 2.
Primero se calculan las medias muestrales: x1 70.5 y x2 71.4 .
Las muestras son de tamaño n1 = n2 = 12. Se calcula el valor para z / 2 con 90% de
intervalo de confianza usando las tablas porcentuales, z / 2 = 1.645.

5 10 5 10
(70.5 71.4) 1.645 1 2 (70.5 71.4) 1.645
12 12 12 12
2.74 1 2 0.94

Es decir, la diferencia de la resistencia promedio a la tensión al fabricar lostornillos


tipos I y II se encuentra entre el intervalo (–2.74, 0.94), con 90% de confianza. Dado que
en el intervalo se encuentra el 0, no hay diferencia significativa entre los dos tipos de
rosca.
294

2 2
2. Intervalo de confianza para 1
– 2
de poblacionescuando se desconocen 1 y 2
en muestrasgrandes.

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1


y n2 (n1 30 y n2 30), respectivamente, de poblaciones de las cuales se desconocen
2 2
1 y 2 , el intervalo de confianza (1 – ) de 100% para 1 – 2 está dado por

s12 s22 s12 s22


( x1 x2 ) z 1 2 ( x1 x2 ) z
n1 n2 n1 n2
2 2

donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2


y s12 , s22 son las varianzas insesgadas respectivas de las muestras 1 y 2.

Ejemplo 7 Retomando el ejemplo 6, se prueban 40 tornillosde cada tipo de cuerda bajo condiciones
similares y se obtienen los siguientes resultados (en kg).

del tipo I x1 72.5 y s1 2.45, n1 40


del tipo II x2 69.8 y s2 1.75, n2 40

Si 1 y 2 son resistencias promedio a la tensión, de los tornillos tipo I y tipo II,


respectivamente, se calcula 95% de intervalo de confianza para 1 – 2 con el fin de
determinar con cuál tipo de tornillos es más resistente.
Como ya se conocen los valores muestrales para la media y la desviación estándar,
y siendo las muestras grandes (n1 = n2 = 40 30), falta únicamente encontrar el valor para
z / 2 con 95% de intervalo de confianza. Usando las tablas porcentuales, z / 2 = 1.96

2.452 1.752 2.452 1.752


(72.5 69.8) 1.96 1 2 (72.5 69.8) 1.96
40 40 40 40
1.78 1 2 3.62
Puesto que el intervalo para la diferencia de las medias poblacionales siempre será
positivo, se tiene 95% de confianza de que la resistencia a la tensión de los tornillos tipo
I es mayor a la de los del tipo II

1
– 2
(1.78, 3.62) indica que 1
– 2
0, es decir 1 2

3. Intervalo de confianza para 1


– 2
de poblacionesnormalescuando se desconocen
2 2 2 2
1 y 2, pero se sabe que 1 2 en muestraspequeñas.

Dadas x1 y x2 las medias de muestras aleatoriasindependientes de tamaños n1 y


n2 (n1 30 y n2 30), respectivamente, de poblaciones aproximadamente normales de
2 2
las que se desconocen 1 y 2 pero se conoce que 12 2
2 , el intervalo de confianza
(1 – ) de 100% para 1 – 2 está dado por

1 1 1 1
( x1 x2 ) t (sp ) 1 2 ( x1 x2 ) t (sp )
n1 n2 n1 n2
2 2
295

donde t / 2 es el valor de la distribución t-Student con v = n1 + n2 – 2 grados de libertad,


el cual tiene un área de / 2
(n1 1)s12 (n2 1)s22
sp
n1 n2 2

esla estimación común de la desviación estándar poblacional y s12 y s22 son lasvarianzas
insesgadas respectivas de las muestras 1 y 2.

Ejemplo 8 Las pruebas de tracción en diez puntos de soldadura para un dispositivo semiconductor
produjeron los siguientes resultados en libras requeridas para romper la soldadura
15.8 12.7 13.2 16.9 10.6 18.8 11.1 14.3 17.0 12.5

Un segundo conjunto de ocho puntos fue probado para determinar si la resistencia


a la tracción se incrementa con un recubrimiento, produciendo los siguientes resultados
24.9 23.6 19.8 22.1 20.4 21.6 21.8 22.5

Se supone distribución normal, se calcula 90% de intervalo de confianza para 1 – 2,


considerando 12 2
2 , ambas desconocidas.
Primero se calculan las medias y varianzas muestrales

del conjunto 1 x1 14.29 y s12 7.50, n1 10


del conjunto 2 x2 22.09 y s22 2.68, n2 8

Con estos valores se calcula


(n1 1)s12 (n2 1)s22 (10 1)7.50 (8 1)2.68
sp 2..32
n1 n2 2 10 8 2

Falta determinar en las tablas porcentuales de la distribución t-Student el valor de


t / 2 con 90% de confianza ( = 0.10 es decir, / 2 = 0.05) y v = n1 + n2 – 2 = 16 grados
de libertad. Se determina en las tablas correspondientes que t 0.05 = 1.746.
1 1 1 1
(14.29 22.09) 1.746 2.32 1 2 (14.29 22.09) 1.746 2.32
10 8 10 8
9.72 1 2 5.88

4. Intervalo de confianza para 1


– 2
de poblacionesnormalescuando se desconocen
2 2 2 2
1 y 2, pero se sabe que 1 2 en muestraspequeñas.

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1


y n2 (n1 30 y n2 30), respectivamente, de poblaciones aproximadamente normales
donde se desconocen 12 y 22 pero se sabe que 12 2
2 , el intervalo de confianza
(1 – ) de 100% para 1 – 2 está dado por

s12 s22 s12 s22


( x1 x2 ) t 1 2 ( x1 x2 ) t
n1 n2 n1 n2
2 2
296

donde t /2
es el valor de la distribución t-Student con
2
s12 s22
n1 n2
2 2
s12 1 s22 1
n1 n1 1 n2 n2 1

grados de libertad, el cual tiene un área de / 2, y s12 y s22 son las varianzas insesgadas
respectivas de las muestras.
De la fórmula anterior se puede estimar que el resultado del cálculo de los
gradosde libertad generalmente será una cantidad no entera, por lo que siempre sedebe
redondear al entero más próximo (no al siguiente), por ejemplo, si v = 14.3 14; v =
14.7 15; v = 14.5 15.

2 2
Ejemplo 9 Se retoman los datos del ejemplo 8, considerando que 1 2 y son ambas desco-
nocidas. Se supone normalidad; se calcula 90% de intervalo de confianza para 1 – 2; se
determina qué tipo de semiconductor sin recubrimiento (1) o con recubrimiento (2) tiene
más resistencia a la tracción.
Las medias y varianzas muestrales se calcularon anteriormente

del conjunto 1 x1 14.29 y s12 7.50, n1 10


del conjunto 2 x2 22.09 y s22 2.68, n2 8

Con estos valores se calculan los grados de libertad


2
s12 s22 7.50 2.68
2

n1 n2 10 8
2 2 2 2
14.99 15
s12 1 s22 1 7.50 1 2.68 1
n1 n1 1 n2 n2 1 10 10 1 8 8 1

Falta determinar, usando las tablas porcentuales de la distribución t-Student, el


valor de t / 2 con 90% de confianza ( = 0.10 es decir, / 2 = 0.05) y v = 15 grados de
libertad. Se determina en las tablas correspondientes que t 0.05 = 1.753.
7.50 2.68 7.50 2.68
(14.29 22.09) 1.753 1 2 (14.29 22.09) 1.753
10 8 10 8
9.63 1 2 5.97
Como el intervalo de confianza siempre resulta negativo (de –9.63 a –5.97), se tiene
90% de confianza de que la resistencia a la tracción con recubrimiento es mayor que sin
recubrimiento.

5. Intervalo de confianza para = 1 – 2 de poblacionesnormales, cuando se desconocen


2 2
1 y 2, pero se sabe que son observaciones por pares en muestras pequeñas.

Dadas xd y sd la media y la desviación estándar de las diferencias normalmente


distribuidas de n pares aleatorios y dependientes de mediciones de muestras de
tamaño n(n 30), respectivamente, de poblaciones aproximadamente normales
297

2 2
donde se desconoce 1 y 2, el intervalo de confianza (1 – ) de 100% para
d
= 1 – 2 está dado por
sd sd
xd t d xd t
2
n 2
n

donde t / 2 es el valor de la distribución t-Student con v = n – 1 grados de libertad, el


cual tiene un área de / 2.

Ejemplo 10 En un proceso químico se comparan dos catalizadores para comprobar su efecto en el


resultado de la reacción. Se preparó una muestra de doce procesos utilizando el catalizador
marca L y también doce de la marca M; a continuación se muestran los datos con los
rendimientos.

L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86

Se calcula 99% de intervalo de confianza para la diferencia de observaciones igua-


ladas y se supone que los datos están distribuidos normalmente.
Primero se determinan las diferencias de los datos de la muestra

L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
L–M 0.04 0.50 0.28 0.08 0.01 0.05 0.23 0.11 0.18 0.06

Con estas diferencias se calcula su valor medio y la desviación estándar


xd 0.074 y sd 0.207

El tamaño de la muestra es diez, por consiguiente los grados de libertad v = 10 – 1 =


9. De las tablas porcentuales correspondientes a la distribución t-Student con 99% de
con-fianza ( = 0.01 y / 2 = 0.005), se tiene que t 0.005 = 3.25. Por último el intervalo de
confianza resulta
0.207 0.207
0.074 3.25 d 0.074 3.25
10 10
0.139 d 0.287

Ejercicio 3

1. Calcula si en una clase de diez estudiantes se tiene el mismo rendimiento en dos


pruebas diferentes. Sus puntuaciones son

Estudiante: 1 2 3 4 5 6 7 8 9 10
Prueba 1: 90 90 90 80 90 92 88 90 63 70
Prueba 2: 84 84 82 94 90 85 89 62 65 52

Considera 95% de intervalo de confianza para la diferencia de las puntuaciones


igualadas y supón normalidad en las poblaciones.
298

2. Se aplicó un examen de matemáticas financieras a un grupo de alumnos (grupo A),


el cual obtuvo las siguientes calificaciones

3.0 3.5 4.0 8.1 7.2 8.9 8.2 10.0 10.0 9.0

A otro grupo se le aplicó un examen de álgebra lineal con las siguientes calificaciones

2.0 3.0 3.7 8.0 5.0 4.0 3.0 8.0 9.0 10.0 7.0 7.0 6.0

Calcula un intervalo de confianza para la diferencia de medias con 90% de nivel de


confianza.
3. Un centro de investigación en medicinadel deporte dio a conocer lasdiferenciasen las
tasas de consumo de oxígeno para varonesuniversitariosentrenados con dosmétodos
diferentes. Uno de ellos recibe entrenamiento continuo y el otro intermitente, los dos
con igual duración. En la siguiente tabla se registran los tamaños de muestra, medias
y desviaciones estándar respectivas, expresados en ml por kg/ min

Entrenamiento continuo Entrenamiento intermitente


nc = 9 ni = 7
xc = 43.71 xi = 39.63
sc = 4.87 si = 9.68

Calcula las medias de estas poblaciones con 99% de intervalo de confianza;


supón que lasvarianzaspoblacionalesson diferentesy que su distribución esaproxima-
damente normal.
4. Los datosque se muestran a continuación son losgradosde dureza Brinell obtenidos
para muestras de dos aleaciones de magnesio

Supón que provienen de poblaciones aproximadamente normales con varianzas


que son distintas y considera 98% de intervalo de confianza para 1 – 2.
5. Se dice que una nueva dieta reduce el peso de una persona, 4.5 kg en promedio,
en un periodo de dos semanas. Los pesos de siete mujeres que siguieron esta dieta
fueron anotados antes y después de dicho periodo.

Mujer 1 2 3 4 5 6 7
Peso anterior 58.5 60.3 61.7 69.0 64.0 62.6 56.7
Peso posterior 60.0 54.9 58.1 62.1 58.5 59.9 54.4

Determina la eficacia de la dieta considerando 95% de intervalo de confianza para


la diferencia de media de los pesos; supón que su distribución aproximadamente
normal.
2 2
a) si 1 2
2 2
b) si 1 2
299

Intervalos de confianza para la varianza de poblaciones aproximadamente


normales

Cuando se trata de intervalos de confianza para la varianza, se consideran dos casos, uno
para las varianzas poblacionales y el otro para una razón entre varianzas.

2
1. Intervalo de confianza para de poblaciones normalesen muestraspequeñas.

Dada s2 la varianza de una muestra aleatoria de tamaño n (n 30) de una pobla-


ción aproximadamente normal, el intervalo de confianza (1 – ) de 100% para el
parámetro 2 está dado por
(n 1)s2 2 (n 1)s2
2 2
2 1 2
2 2 2
donde 2 y 1 2 son valores de la distribución ji cuadrada (ver tablas estadís-
ticas correspondientes) con v = n – 1 grados de libertad, los cuales tienen áreas de / 2
y 1 – / 2, respectivamente.

Ejemplo 11 Un antropólogo midió el ancho (en centímetros) de una muestra tomada al azar de nueve
cráneos de miembros de cierta tribu, y obtuvo los siguientes resultados
13.3 14.2 13.5 16.7 11.1 13.1 13.0 12.2 13.0

Se calcula 95% de intervalo de confianza para la varianza de dicha tribu.


Primero se calcula la varianza insesgada de la muestra s2 = 2.33.
El grado de confi anza est á dado por 1 – = 0.95, donde = 0.05, es deci r
/ 2 = 0.025 y 1 – / 2 = 0.975. Buscando en las tablas de la distribución ji cuadrada con
v = 9 – 1 = 8 grados de libertad, se tiene
2 2 2 2
2 0.025 17.5345 y 1 2 0.975 2.1797

Por último, resulta


(9 1)2.33 2 (9 1)2.33
17.5345 2.1797
2
1.06 8.55

2 2
2. Intervalo de confianza para 1 2 de poblacionesnormalesen muestraspequeñas.

2 2
Dadas s1 y s2 las varianzas de muestras aleatorias independientes de tamaños n1 y
n2 (n1 30 y n2 30), respectivamente, de poblaciones normales, el intervalo de
confianza (1 – ) de 100% para la razón de las varianzas 12 22 está dado por

s12 1 2
1 s12
f 2( 2, 1)
s22 f 2( 1, 2)
2
2 s22

donde f 2 ( 1, 2 ) es el valor de la distribución F (ver tablas correspondientes), con


v1 = n1 – 1 grados de libertad del numerador y v2 = n2 – 1 grados de libertad del
denominador el cual tiene un área de / 2, similarmente f 2 ( 2 , 1 ).
300

2 2
Ejemplo 12 Retomando los datos del ejemplo 8 se hizo la suposición de que 1 2 y se calculó
un intervalo de confianza para la razón de varianzas y se determinó si fue válida la
suposición, con 90% de confianza.
Los resultados del conjunto 1 fueron
15.8 12.7 13.2 16.9 10.6 18.8 11.1 14.3 17.0 12.5

Los resultados del conjunto 2 fueron


24.9 23.6 19.8 22.1 20.4 21.6 21.8 22.5

Al calcular las varianzas muestrales, del conjunto 1 se obtuvo s12 7.50, n1 = 10, y
del conjunto dos s22 2.68, n2 = 8.
Falta determinar usando las tablas porcentuales de la distribución F los valores
de f 2 ( 1, 2 ) y f 2 ( 2 , 1 ) con 90% de confianza ( = 0.10 es decir, / 2 = 0.05) y v1
= n1 – 1 = 10 – 1 = 9 y v2 = n2 – 1 = 8 – 1 = 7 grados de libertad. Se busca en las tablas
de la distribución F y se obtiene
f 2( 1, 2) f 0.05 (9, 7) 3.677 y f 2 ( 2, 1) f 0.05(7, 9) 3.293

El intervalo de confianza resulta

2
7.50 1 1 7.50
2
3.293
2.68 3.677 2 2.68
2
1
0.76 2
9.22
2

Del intervalo de confianza para la razón entre varianzas se determina que el valor 1
está contenido en el intervalo. Por tanto, con 90% de confianza se justifica la suposición de
2 2
que 12 2
2 , ya que 1
2
2 1 (0.76, 9.22) y si se multiplican por 2 ambos miembros
2 2
de la igualdad se obtiene 1 2.

Ejercicio 4

1. Un geólogo estudia el movimiento de los cambios relativos en la corteza terrestre en


un sitio particular, en un intento por determinar el ángulo medio de las fracturas
eligió n = 50 fracturas y determina que la media es de 39.8°y la desviación estándar
muestral es de 17.20°. Considera 99% de intervalo d e confianza para estimar la
varianza de la población (supón que la población está normalmente distribuida).
2. En un proceso químico se comparan dos catalizadores para verificar su efecto en
el resultado de la reacción. Se preparó una muestra de diez procesos utilizando el
catalizador marca L y diez con el de la marca M, a continuación se muestran los
datos con los rendimientos

L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
301

Considera 99% de intervalo de confianza para razón entre varianzas de los rendi-
mientos de los catalizadores; supón que los datos están distribuidos normalmente.
3. El espesor de las paredes de 25 botellas de vidrio de dos litros fue medido por un
ingeniero de control de calidad. La media muestral fue de 4.02 mm y la desviación
estándar muestral de 0.09. Considera 95% de intervalo de confianza con respecto
de la varianza del espesor de las paredes de las botellas.
4. Se realizan cinco mediciones en un medidor de volumen en la bomba de una
estación de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supón normalidad y calcula un
intervalo de confianza para la varianza con = 0.05.

Intervalos de confianza para las proporciones en muestras grandes

1. Intervalo de confianza para el parámetro p en muestrasgrandes.

ˆ yq
Si p ˆ 1 ˆp son las proporciones respectivas de éxitos y fracasos en una muestra
aleatoria de tamaño n (n 30), el intervalo de confianza (1 – ) de 100% para el
parámetro binomial p está dado por
ˆpq
ˆ ˆpq
ˆ
ˆp z p ˆp z
n n
2 2
donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2.

Ejemplo 13 En una muestra aleatoria de cien posibles clientes, 70 prefieren determinado producto.
Se considera 95% de intervalo de confianza para la proporción de todos los posibles
clientes que prefieren tal producto.
Para el intervalo de confianza de la proporción primero se determina el valor de
ésta de personas que prefieren el producto

ˆp 70 30
0.70 y ˆq 0.30
100 100
En este caso se tiene 95% de confianza, por tanto, 1 – = 0.95, y usando las tablas
porcentuales de la distribución normal se tiene z / 2 = 1.96. Por último

0.70 0.30 0.70 0.30


0.70 1.96 p 0.70 1.96
100 100
0.6102 p 0.7898

2. Intervalo de confianza para p1 – p2 de poblaciones en muestras grandes.

Dadas ˆp1 y ˆp2 las proporciones de éxitos de lasmuestras aleatorias de tamaños n1 y n2


(n1 30y n2 30), respectivamente y q ˆ1 1 p ˆ1 y q
ˆ2 1 p ˆ 2 , el intervalo de confianza
(1 – ) de 100% para la diferencia entre los dos parámetros binomiales p1 – p2 está
dado por
ˆp1q
ˆ1 ˆp2q
ˆ2 ˆp1ˆq1 ˆ 2q
p ˆ2
(ˆp1 ˆp2 ) z p1 p2 (ˆp1 ˆp2 ) z
n1 n2 n1 n2
2 2

donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2.


302

Ejemplo 14 Una firma manufacturera de cigarros distribuye dos marcas. Si se encuentra que 56 de
200 fumadores prefieren la marca A y que 29 de 150 fumadores prefieren la marca B, se
considera 95% de intervalo de confianza para pA – pB; se determina si es válido suponer
que la población de fumadores prefiere la marca B, sobre la marca A.
Dada pA la probabilidad de que 56 de 200 fumadores prefieran la marca A, su
estadístico resulta
ˆpA 56
0.28
200
de tal forma que qˆ A 0.72 con n1 = 200. Asimismo la probabilidad de que 29 de 150
prefieran la marca B resulta
ˆpB 29
0.19
150
de tal formaque ˆqB 0.81 con n2 = 150. Por último parael intervalo de 95% de confianza,
de las tablas porcentuales para la distribución normal resultaque z / 2 = 1.96, empleando
la fórmula correspondiente para pA – pB
0.28 0.72 0.19 0.81 0.28 0.72 0.19 0.81
(0.28 0.19) 1.96 pA pB (0.28 0.19) 1.96
200 150 200 150
0.0018 pA pB 0.1782

Como pA – pB 0 entonces pA pB.


Por tanto, no es válida la suposición de que la población de fumadores prefiere la
marca B sobre la A con 95% de confianza.

Ejercicio 5

1. Para estimar la propuesta de los trabajadores desempleados en Panamá, un


economista toma una muestra al azar de 400 personas de clase obrera, donde 25
resultaron sin empleo. Calcula la proporción real de trabajadores desempleados en
Panamá considerando 97% de un intervalo de confianza.
2. Un rector registró debidamente el porcentaje de calificaciones D y F otorgadas a
los estudiantes por dos profesores universitarios de historia. El profesor I alcanzó
32% contra 21% del profesor II, con 200 y 180 estudiantes, respectivamente.
Considera90% de intervalo de confianza para la diferencia de proporciones.
3. Un antropólogo está interesado en la proporción de individuos que presentan
braquicefalia en dos tribus indígenas. Supón que se toman muestras independientes
de cada una de las tribus y se descubre que 24 de cada 100 nativos de la tribu A y
36 de cada 120 de la tribu B poseen dicha característica. Considera 95% de intervalo
de confianza para la diferencia p1 – p2 entre las proporciones de estas dos tribus.

10.2 Pruebas de hipótesis


En la sección anterior se analizaron los intervalos de confianza para el cálculo de
estimaciones sobre los parámetros y para tomar decisiones al trabajar con la población
de interés. En esta sección se estudiará otro método estadístico que permita tomar deci-
sionesen problemasrelacionadoscon poblaciones que resultan muy difícileso imposibles
de analizar en su totalidad. Por ejemplo, para poder concluir con cierta veracidad sobre la
327
328

A.2 Uso de tablas de la distribución normal estándar, parte central

Las tablas de la parte central tienen el siguiente aspecto:

En las tablas, losvalores de Z varían de centésima en centésima desde 0 hasta 3.99.


En la fila se ponen las décimas y en las columnas las centésimas.
Por tanto, el cálculo de probabilidades con base en esta función y las propiedades de
simetría y el complemento estudiadas en la subsección 8.3.2, se podrá efectuar de la siguiente
forma, para losdiferentescasosque puedan ocurrir, y que ya se vieron en la sección 8.3.3:

0.5 Fc( Z0 ), en caso de que Z0 0


1. P(Z Z0 )
0.5 Fc(Z0 ), en caso de que Z0 0

0.5 Fc( Z0 ), en caso de que Z0 0


2. P(Z Z0 )
05 Fc(Z0 ), en caso de que Z0 0
3. P( Z0 Z Z0 ) 2Fc(Z0 )
Fc(b) Fc(a), en caso de que a, b 0,
4. P(a Z b) Fc( a) Fc( b), en caso de que a, b 0,

Fc(b) Fc( a), en caso de que a 0 y b 0

En los siguientes ejemplos se empleará la función Fc(z).


329

Ejemplo Dada Z una variable aleatoria continua con distribución normal estándar, se calculan las
probabilidades indicadas en el ejemplo 4 de la sección 8.3.3:

1. P(Z 1.25) 05 Fc(1.25) 0.5 0.3944 0.8944


2. P(Z 0.86) 0.5 Fc( ( 0.86)) 0.5 Fc(0.86) 0.5 0.3051 0.1949
3. P( 2.97 Z 2.97) 2Fc(2.97) 2 0.4985 0.9970
4. P( 0.67 Z 1.24) Fc(1.24) Fc( ( 0.67)) 0.3925 0.2486 0.6411
5. P(0.06 Z 3.04) Fc(3.04) Fc(0.06) 0.4988 0.0239 0.4749
6. P( 1.34 Z 0.56) Fd( ( 1.34)) Fd( ( 0.56)) 0.4099 0.2123 0..1976
Apéndice B
332

Función acumulada de la distribución normal estándar


333
334

Tabla porcentual de la distribución normal estándar


335

Tabla t-Student
336

Tabla de porcentajes de la función inversa acumulada,


distribución -cuadrada, área de cola derecha
337

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
338

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
339

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
340

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
341

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
342

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
343

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
344

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
345

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
346

Tabla de porcentajes de la función inversa acumulada,


distribución F, área de cola derecha
Bibliografía

Bibliografía básica

Mendenhall, William, Richard L. Scheaffer y Dennis D. Wackerly, Estadística matemática


con aplicaciones, Grupo Editorial Iberoamérica, 1994.
Por medio de esta obra se pueden ampliar los conocimientos sobre las multivariables
y distribuciones muestrales (unidad 9), así como los modelos continuos y discretos
(unidades 5 a 8).

Meyer, Paul L., Probabilidad y aplicaciones estadísticas, Addison-Wesley Iberoamericana


(edición revisada), 1992.
Este texto es propicio para los estudiantesque quieran resolver problemasreferentes a los
temas de las unidades 2-10 con mayor grado de dificultad.

Montgomery, Douglas C. y George C. Runger, Probabilidad y estadística aplicadas a la


ingeniería, McGraw-Hill, México, 1996.
Este texto es propicio para ampliar los conocimientos sobre estadística descriptiva e
inferencial (unidades 1 y 10 del presente libro, respectivamente) y los modelos continuos
y discretos (unidades 5 a 8).

Walpole, Ronald E., y Raymond H. Myers, Probabilidad y estadística, Pearson Educación, 1998.
Este texto es propicio para ampliar los conocimientos sobre estadística inferencial
(unidad 10) y modelos continuos y discretos (unidades 5 a 8).

Bibliografía complementaria

Devore, Jay L., Estadística matemática con aplicaciones, Thomson Editores, 1998.

Gutiérrez González, Eduardo y Olga Vladimirovna Panteleeva, Fundamentosde la teoría de


lasprobabilidadespara ingeniería y ciencias, Libudi, México, 2000.

________________ , Tablasy formulasestadísticas, Libudi, México, 2000.

Mendenhall, William, y Terry Sincich, Probabilidad y estadística para ingeniería y ciencias,


Prentice-Hall, 1997.