1

Lic. Araujo Cajamarca, Raul
INTERVALOS DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS
MEDIAS POBLACIONALES

1. CON VARIANZAS CONOCIDAS
Sean
1
X y
2
X las medias de dos muestras aleatorias independientes de tamaños
1
n y
2
n
seleccionadas respectivamente de dos poblaciones con medias
1
µ y
2
µ desconocidas.
Suponemos que las varianzas
2
1
o y
2
2
o son conocidas. Este hecho se justifica por datos
históricos, o por estudios estadísticos similares, o por su estimación puntual insesgada dadas
respectivamente por
2
1
S y
2
1
S calculada de las muestras siempre que sea grande.
Si las dos poblaciones son Normales: entonces
1
X y
2
X tienen distribuciones respectivas
normal
2
1
1
1
( , ) N
n
o
µ y normal
2
2
1
2
( , ) N
n
o
µ (para
1
2 n > y
2
2 n > ).
En consecuencia por la propiedad reproductiva de la normal, la estadística
1 2
X X ÷ tiene
distribución normal
2 2
1 2
1 2
1 2
( , ) N
n n
o o
µ µ ÷ + .
Si las dos poblaciones no son normales, pero
1
n y
2
n son tamaños de muestras
suficientemente grandes (
1
30 n > y
2
30 n > ), entonces por el teorema del límite central, la
estadística
1 2
X X ÷ es aproximadamente normal
2 2
1 2
1 2
1 2
( , ) N
n n
o o
µ µ ÷ + .
Por lo tanto, en cualquier de los dos casos, la variable aleatoria estándar Z definida por:
1 2
1 2 1 2
( )
x x
X X
Z
µ µ
o
÷
÷ ÷ ÷
= Donde
1 2
2 2
1 2
1 2
x x
n n
o o
o
÷
= +
Tienen distribución exactamente o aproximadamente normal. (0;1) N .
La variable Z resultante, es la estadística del pivote que se aplica para determinar el intervalo
de confianza de
1 2
µ µ ÷ en este caso, ya que esta depende sólo de valores de las muestras y
del parámetro único
1 2
µ µ ÷ ya que las varianzas
2
1
o y
2
2
o son conocidas de algún modo
dado el nivel de confianza 1 o ÷ , en la distribución de Z se ubica el valor
1
2
Z
o
÷
de manera
que: [ ] 1 P z Z z o ÷ s s = ÷ sustituyendo
1 2
1 2 1 2
( )
x x
X X
Z
µ µ
o
÷
÷ ÷ ÷
= y operando
adecuadamente, resulta.
2
Lic. Araujo Cajamarca, Raul
1 2 1 2
1 2 1 2 1 2
1 1
2 2
[( ) ( )( ) ( ) ( )( )] 1
x x x x
P X X Z X X Z
o o
o µ µ o o
÷ ÷
÷ ÷
÷ ÷ s ÷ s ÷ + = ÷
Intervalos de estimación de
1 2
µ µ ÷
0
a
Z
b
(1 )
2
Z
o
÷
÷
(1 )
2
Z
o
÷
1 o ÷
2
o
2
o
1 2
X X ÷
Intervalo de
1 2
µ µ ÷
1 2
X X ÷




Si se desconocen las varianzas, entonces se hace
2 2
1 1
S o =
2 2
2 2
S o = siempre que cada
muestra sea d3e tamaño grande.
Ejemplo 01
Un consumidor de cierto producto quiere aplicar la técnica de estimación estadística para
decidir si comprar la marca A o la marca B del producto. Para esto va a estimar la diferencia
entre los tiempos de vida promedio de las dos marcas del producto.
Si dos muestras aleatorias independientes de 10 unidades de cada marca llevados a un
laboratorio han dado las medias de vida útil respectiva de 1230 horas y 1190 horas; ¿es
acertada la decisión del consumidor si decide adquirir la marca a?
Aplique el nivel de confianza del 95% y suponga que las dos poblaciones tienen distribución
normal con desviaciones estándar respectivamente de 120 y 160 horas.
Solución:
Paso 01:
La estimación Puntual de
1 2
µ µ ÷ es la diferencia de las medias Muestrales:
1 2
1230 1190 40 X X ÷ = ÷ =
Paso 02:
El error típico de la diferencia de dos medias Muestrales es:

3
Lic. Araujo Cajamarca, Raul
1 2 1 2
x x x x
S o
÷ ÷
=
1 2
2 2 2 2
1 2
1 2
120 160
42.4264
10 10
x x
n n
o o
o
÷
= + = + =
Paso 03:
Dado el nivel de confianza 1 o ÷ =0.95 ¬ 1 0.95 o = ÷
0.05 o =
Paso 04:
Calculando
0.05 0.975
1 1
2 2
1.96 Z Z Z
o
÷ ÷
= = =
Paso 05:
Los limites inferiores y superiores respectivamente de
1 2
µ µ ÷ son:
1 2 1 2
1 2 1 2 1 2
1 1
2 2
( ) ( )( ) ( ) ( )( )
x x x x
X X Z X X Z
o o
o µ µ o
÷ ÷
÷ ÷
÷ ÷ s ÷ s ÷ + Remplazando valores
tenemos:
1 2
(40) (1.96)(42.4264) (40) (1.96)(42.4264) µ µ ÷ s ÷ s +
1 2
43.155744 123.155744 µ µ ÷ s ÷ s
Y dado que: | |
1 2
0 43.156;123,156 µ µ ÷ = e ÷ , se concluye que
1 2
µ µ = y que no hay
diferencias significativas entre las medias de las vidas útiles de las marcas A y B del producto.
Por tanto, el gerente de compras puede adquirir cualquiera de las dos marcas.
Ejemplo 02
El salario diario promedio para una muestra de
1
30 n = empleados de una empresa
manufacturera grande es
1
28000$ X = con una desviación estándar de
1
1400$ S = , en otra
empresa grande, una muestra aleatoria de
2
40 n = empleados tiene un salario promedio
diario de
2
27000$ X = , con desviación estándar muestral de 1000$ S = . El intervalo de
confianza del 99% para estimar las diferencias entre los niveles diarios de salarios en las dos
empresas es:
Paso 01
Clasificación de datos:

4
Lic. Araujo Cajamarca, Raul
Empresas
A B
1
30 n =
2
40 n =
1
28000$ X =
2
27000$ X =
1
1400$ S =
2
1000$ S =

Paso 02:
La estimación Puntual de
1 2
µ µ ÷ es la diferencia de las medias Muestrales:
1 2
28000 27000 1000 X X ÷ = ÷ =
Paso 03:
El error típico de la diferencia de dos medias Muestrales es:
1 2 1 2
x x x x
S o
÷ ÷
=
1 2
2 2 2 2
1 2
1 2
1400 1000
300.56
30 40
x x
S S
S
n n
÷
= + = + =
Paso 04:
Dado el nivel de confianza 1 o ÷ =0.99 ¬ 1 0.99 o = ÷
0.01 o =
Paso 05:
Calculando
0.01 0.995
1 1
2 2
2.58 Z Z Z
o
÷ ÷
= = =
Paso 06:
Los limites inferiores y superiores respectivamente de
1 2
µ µ ÷ son:
1 2 1 2
1 2 1 2 1 2
1 1
2 2
( ) ( )( ) ( ) ( )( )
x x x x
X X Z X X Z
o o
o µ µ o
÷ ÷
÷ ÷
÷ ÷ s ÷ s ÷ + Remplazando valores
tenemos:
1 2
(1000) (2.58)(300.56) (1000) (2.58)(300.56) µ µ ÷ s ÷ s +
1 2
224.5552 1775.4448 µ µ s ÷ s
Por ello se puede afirmar que el salario diario promedio de la primera empresa es mayor que
el correspondiente a la segunda, en una cantidad que va de 225 a 1775 con una confianza del
99%.
5
Lic. Araujo Cajamarca, Raul
2. CON VARIANZAS DESCONOCIDAS

Sean
1
X y
2
X las medias y
2
1
S y
2
2
S las varianzas de dos muestras aleatorias
independientes de tamaños
1
n y
2
n respectivamente seleccionadas de dos poblaciones
normales con varianzas
2
1
o y
2
2
o desconocidas.
2.1. Con varianzas desconocidas supuestas iguales
2 2 2
1 2
o o o = =
Poblaciones normales, en este caso, la obtención de la estadística de pivote es como sigue:
La varianza común o promedio:
2 2
2 1 1 2 2
1 2
( 1) ( 1)
2
c
n S n S
S
n n
÷ + ÷
=
+ ÷
Es un estimador insesgado de la varianza
2
o .
1 2
2 2
1 2
c c
x x
S S
S
n n
÷
= + Es el error típico de
1 2
X X ÷ , Dado el nivel de confianza 1 o ÷ (o en
porcentaje), en la distribución
1 2
( 2) T t n n + ÷ se halla el valor
1 2
(1 ; 2)
2
n n
t
o
÷ + ÷
tal que
[ ] 1 P t T t o ÷ s s = ÷ .
Intervalos de estimación de
1 2
µ µ ÷
0
a
T
b
1 2
(1 ; 2)
2
n n
t
o
÷ + ÷
÷
1 o ÷
2
o
2
o
1 2
X X ÷
Intervalo de
1 2
µ µ ÷
1 2
(1 ; 2)
2
n n
t
o
÷ + ÷
÷

1 2 1 2
1 2 1 2
1 2 1 2 1 2
(1 ; 2) (1 ; 2)
2 2
[( ) ( )( ) ( ) ( )( )] 1
x x x x
n n n n
P X X t S X X t S
o o
µ µ o
÷ ÷
÷ + ÷ ÷ + ÷
÷ ÷ s ÷ s ÷ + = ÷
Siendo el intervalo a determinar:
1 2 1 2
1 2 1 2
1 2 1 2 1 2
(1 ; 2) (1 ; 2)
2 2
( ) ( )( ) ( ) ( )( )
x x x x
n n n n
X X t S X X t S
o o
µ µ
÷ ÷
÷ + ÷ ÷ + ÷
÷ ÷ s ÷ s ÷ +




6
Lic. Araujo Cajamarca, Raul




Ejemplo 01
El agente de una cadena de restaurantes va a decidir adquirir entre dos variedades de arroz A y
B. para tomar la decisión estadística comparando la calidad, se escogieron dos muestras
aleatorias independientes de 10 bolsas de arroz de un kilo cada uno de las dos variedades de
arroz y se observaron los siguientes porcentajes de granos quebrados por kilo:
1 2 3 4 5 6 7 8 9 10
Variedad: A 6 5 6 7 4 7 6 4 3 6
Variedad: B 7 6 7 9 5 8 7 6 10 8

Obtenga el intervalo de confianza del 95% de la diferencia de los promedios de porcentajes de
gramos quebrados por kilos de arroz de las dos variedades. ¿Es válido concluir que no hay
diferencias significativas entre las dos medias poblacionales?
Suponga que las poblaciones de los porcentajes de gramos quebrados por kilo de A y B se
distribuyen normalmente con la misma varianza.
Paso 01
Clasificación de datos:
i
1
x
1
x x ÷
2
1
( ) x x ÷
1 6 0.6 0.36
2 5 -0.4 0.16
3 6 0.6 0.36
4 7 1.6 2.56
5 4 -1.4 1.96
6 7 1.6 2.56
7 6 0.6 0.36
8 4 -1.4 1.96
9 3 -2.4 5.76
10 6 0.6 0.36

54

16.4

10
2
1
2 1
1
1
( )
16.40
1.82
1 9
i
x x
S
n
=
÷
= = =
÷
¿

i
1
x
1
x x ÷
2
1
( ) x x ÷
1 7 -0.3 0.09
2 6 -1.3 1.69
3 7 -0.3 0.09
4 9 1.7 2.89
5 5 -2.3 5.29
6 8 0.7 0.49
7 7 -0.3 0.09
8 6 -1.3 1.69
9 10 2.7 7.29
10 8 0.7 0.49

73

20.1

10
2
1
2 1
2
1
( )
20.10
2.23
1 9
i
x x
S
n
=
÷
= = =
÷
¿


, es posible
aproximar los valores
de mediante la
distribución normal
estándar
7
Lic. Araujo Cajamarca, Raul
Empresas
A B
1
10 n =
2
10 n =
1
5.40 X =
2
7.30 X =
1
1.3499 S =
2
1.4944 S =

Paso 02:
La estimación Puntual de
1 2
µ µ ÷ es la diferencia de las medias Muestrales:
1 2
5.40 7.30 1.90 X X ÷ = ÷ = ÷
Paso 03:
El error típico de la diferencia de dos medias Muestrales es:
2 2
2 1 1 2 2
1 2
( 1) ( 1) (10 1)1.82 (10 1)2.23 9(1.82) 9(2.23)
2.03
2 10 10 2 18
c
n S n S
S
n n
÷ + ÷ ÷ + ÷ +
= = = =
÷ ÷ + ÷


1 2
2 2
1 2
2.03 2.03
0.64
10 10
c c
x x
S S
S
n n
÷
= + = + =
Paso 04:
Dado el nivel de confianza 1 o ÷ =0.95 ¬ 1 0.95 o = ÷
0.05 o =
Paso 05:
Calculando
1 2
0.05 (0.975;18)
(1 , 2) (1 ;10 10 2)
2 2
2.101
n n
t t t
o
÷ + ÷ ÷ + ÷
= = =
Paso 06:
Los limites inferiores y superiores respectivamente de
1 2
µ µ ÷ son:
1 2 1 2
1 2 1 2
1 2 1 2 1 2
(1 ; 2) (1 ; 2)
2 2
( ) ( )( ) ( ) ( )( )
x x x x
n n n n
X X t S X X t S
o o
µ µ
÷ ÷
÷ + ÷ ÷ + ÷
÷ ÷ s ÷ s ÷ + Remplazando
valores tenemos:
1 2
(5.40 7.30) (2.101)(0.64) (5.40 7.30) (2.101)(0.64) µ µ ÷ ÷ s ÷ s ÷ ÷
1 2
3.2379 0.5621 µ µ ÷ s ÷ s ÷
8
Lic. Araujo Cajamarca, Raul
Dado que
1 2
0 µ µ ÷ = no pertenece al intervalo de confianza, no se debe aceptar que
1 2
µ µ =
además el intervalo es negativo, entonces
1 2
µ µ < .
Ejemplo 02
La vida útil promedio de una muestra aleatoria de
1
10 n = focos es
1
4600 X = horas con
1
250 S = horas. Para otra marca de focos, la vida útil promedio y la desviación estándar para
una muestra de
2
8 n = focos son
2
4000 X = horas y
2
200 S = horas. Se asume que la vida
útil de los focos de ambas marcas tiene una distribución normal. El intervalo de confianza del
90% para estimar la diferencia entre las vidas útiles promedio de las dos marcas de focos es.
Solución:
Paso 01
Clasificación de datos:

Empresas
A B
1
10 n =
2
8 n =
1
4600 X =
2
4000 X =
1
250 S =
2
200 S =

Paso 02:
La estimación Puntual de
1 2
µ µ ÷ es la diferencia de las medias Muestrales:
1 2
4600 4000 600 X X ÷ = ÷ =
Paso 03:
Asumimos que
2 2
1 2
o o =
La varianza muestral común es:
2 2 2 2 2 2
2 1 1 2 2
1 2
( 1) ( 1) (10 1)250 (8 1)200 9(250 ) 7(200 )
52656.25
2 10 8 2 16
c
n S n S
S
n n
÷ + ÷ ÷ + ÷ +
= = = =
÷ ÷ + ÷

El error típico de la diferencia de dos medias Muestrales es:
1 2
2 2
1 2
52625.25 52625.25
108.8149
10 8
c c
x x
S S
S
n n
÷
= + = + =
9
Lic. Araujo Cajamarca, Raul
Paso 04:
Dado el nivel de confianza 1 o ÷ =0.90 ¬ 1 0.90 o = ÷
0.10 o =
Paso 05:
Calculando
1 2
0.10 (0.95;16)
(1 , 2) (1 ;10 8 2)
2 2
1.746
n n
t t t
o
÷ + ÷ ÷ + ÷
= = =
Paso 06:
Los limites inferiores y superiores respectivamente de
1 2
µ µ ÷ son:
1 2 1 2
1 2 1 2
1 2 1 2 1 2
(1 ; 2) (1 ; 2)
2 2
( ) ( )( ) ( ) ( )( )
x x x x
n n n n
X X t S X X t S
o o
µ µ
÷ ÷
÷ + ÷ ÷ + ÷
÷ ÷ s ÷ s ÷ + Remplazando
valores tenemos:
1 2
(4600 4000) (1.746)(108.8149) (4600 4000) (1.746)(108.8149) µ µ ÷ ÷ s ÷ s ÷ +
1 2
410.0092 790.2924 µ µ s ÷ s
Así puede afirmarse con una confianza del 90%, que la primera marca de focos tiene una vida
útil promedio mayor que la segunda, en una cantidad entre 40 y 790 horas.
2.2. Con varianzas desconocidas supuestas distintas

Si las varianzas de las dos poblaciones normales independientes son desconocidas pero
supuestas diferentes, entonces:
Si
1
X y
2
X son las medias que resultan de dos muestras independientes de tamaño
1
n y
2
n
escogidas respectivamente de dos poblaciones normales con varianza
2
1
o y
2
2
o
desconocidas supuestas distintas entonces, el intervalo de confianza (1 o ÷ ) 100% de
1 2
µ µ ÷
es:
1 2 1 2
1 2 1 2 1 2 ( )
(1 ; )
2
[( ) ( )( ) ( ) ( )( )] 1
x x r x x
r
P X X t S X X t S
o
µ µ o
÷ ÷
÷
÷ ÷ s ÷ s ÷ + = ÷
1 2 1 2
1 2 1 2 1 2
(1 ; ) (1 ; )
2 2
( ) ( )( ) ( ) ( )( )
x x x x
r r
X X t S X X t S
o o
µ µ
÷ ÷
÷ ÷
÷ ÷ s ÷ s ÷ +





10
Lic. Araujo Cajamarca, Raul
Donde
2
2 2
1 2
1 2
2 2
2 2
1 2
1 2
1 2
1 1
S S
n n
r
S S
n n
n n
(
+
(
¸ ¸
=
( (
( (
¸ ¸ ¸ ¸
+
÷ ÷

1 2
2 2
1 2
1 2
x x
S S
S
n n
÷
= +
r Entero ~
Ejemplo 01
Se lleva a cabo un estudio para comparar los montos de los préstamos personales realizadas
por dos entidades financieras A y B. con este fin se tomaron 9 y 8 préstamos al azar de cada
banco resultando los siguientes montos en miles de soles:
1 2 3 4 5 6 7 8 9
Variedad: A 12 28 10 25 24 19 22 33 17
Variedad: B 16 20 16 20 16 17 15 21 -

Aplicando un intervalo de estimación del 95% para la verdadera diferencia de los montos
promedios, ¿Es válido inferir que en promedio el monto de los préstamos del banco A es
mayor a los del banco B? datos históricos indican que la distribución de estos préstamos en
cada banco, es normal con varianzas diferentes.
Solución:
Paso 01
Clasificación de datos:
i
i
x
i
x x ÷
2
( )
i
x x ÷
1 12 -9.11 82.99
2 28 6.89 47.47
3 10 -11.11 123.43
4 25 3.89 15.13
5 24 2.89 8.35
6 19 -2.11 4.45
7 22 0.89 0.79
8 33 11.89 141.37
9 17 -4.11 16.89
190 440.87

i
i
x
i
x x ÷
2
( )
i
x x ÷
1 16 -1.63 2.66
2 20 2.37 5.62
3 16 -1.63 2.66
4 20 2.37 5.62
5 16 -1.63 2.66
6 17 -0.63 0.4
7 15 -2.63 6.92
8 21 3.37 11.36

141 37.9


11
Lic. Araujo Cajamarca, Raul
Empresas
A B
1
9 n =
2
8 n =
1
21.11 X =
2
17.625 X =
2
1
55.1088 S =
2
2
5.4143 S =

Paso 02:
La estimación Puntual de
1 2
µ µ ÷ es la diferencia de las medias Muestrales:
1 2
21.11 17.625 3.485 X X ÷ = ÷ =
Paso 03:
Las varianzas son
2 2
1 2
o o =
Calculamos r :
2
2 2 2
1 2
2
1 2
2 2 2 2
2 2
1 2
1 2
1 2
55.1088 5.4143
(6.80) 9 8
9.7304
4.7521
55.1088 5.4143
9 8
8 7
1 1
S S
n n
r
S S
n n
n n
(
(
+
+
(
(
¸ ¸ ¸ ¸
= = = =
( ( ( (
( ( ( (
¸ ¸ ¸ ¸
¸ ¸ ¸ ¸
+
+
÷ ÷

9.7304 10 r = ~
El error típico de la diferencia de dos medias Muestrales es:
1 2
2 2
1 2
1 2
55.1088 5.4143
2.6077
9 8
x x
S S
S
n n
÷
= + = + =
Paso 04:
Dado el nivel de confianza 1 o ÷ =0.95 ¬ 1 0.95 o = ÷
0.05 o =
Paso 05:
Calculando
0.05 (0.975;9)
(1 , ) (1 ;10 1)
2 2
2.228
r
t t t
o
÷ ÷ ÷
= = =
Paso 06:
12
Lic. Araujo Cajamarca, Raul
Los limites inferiores y superiores respectivamente de
1 2
µ µ ÷ son:
1 2 1 2
1 2 1 2 1 2
(1 ; ) (1 ; )
2 2
( ) ( )( ) ( ) ( )( )
x x x x
r r
X X t S X X t S
o o
µ µ
÷ ÷
÷ ÷
÷ ÷ s ÷ s ÷ +
Remplazando valores tenemos:
1 2
(21.11 17.625) (2.228)(2.6077) (21.1111 17.625) (2.228)(2.6077) µ µ ÷ ÷ s ÷ s ÷ +
1 2
2.3250 9.2950 µ µ ÷ s ÷ s
Dado que | |
1 2
0 2.3250;9.2950 µ µ ÷ = e ÷ podemos concluir que:
1 2
µ µ = , por tanto, los
montos promedios de los préstamos son iguales.

entonces se hace  12  S12  2 2  S2 2 siempre que cada muestra sea d3e tamaño grande. Para esto va a estimar la diferencia entre los tiempos de vida promedio de las dos marcas del producto. Araujo Cajamarca. Ejemplo 01 Un consumidor de cierto producto quiere aplicar la técnica de estimación estadística para decidir si comprar la marca A o la marca B del producto. Solución: Paso 01: La estimación Puntual de 1  2 es la diferencia de las medias Muestrales: X1  X 2  1230  1190  40 Paso 02: El error típico de la diferencia de dos medias Muestrales es: 2 Lic. Si dos muestras aleatorias independientes de 10 unidades de cada marca llevados a un laboratorio han dado las medias de vida útil respectiva de 1230 horas y 1190 horas.P[( X1  X 2 )  ( Z 1  2 )( x1  x2 )  1  2  ( X1  X 2 )  ( Z Intervalos de estimación de 1  2 1  2 )( x1  x2 )]  1    2 Z (1 ) 2 1  2 Z X1  X 2  X1  X 2 0 Z (1 ) 2  a Intervalo de 1  2 b Si se desconocen las varianzas. Raul . ¿es acertada la decisión del consumidor si decide adquirir la marca a? Aplique el nivel de confianza del 95% y suponga que las dos poblaciones tienen distribución normal con desviaciones estándar respectivamente de 120 y 160 horas.

05 2  Z 0. con desviación estándar muestral de S  1000$ . Araujo Cajamarca.156 .4264)  1  2  (40)  (1. una muestra aleatoria de n2  40 empleados tiene un salario promedio diario de X 2  27000$ . El intervalo de confianza del 99% para estimar las diferencias entre los niveles diarios de salarios en las dos empresas es: Paso 01 Clasificación de datos: 3 Lic.156.123.95   0.155744 Y dado que: 1  2  0   43.155744  1  2  123. en otra empresa grande.96)(42.96)(42.96  Los limites inferiores y superiores respectivamente de 1  2 son: ( X1  X 2 )  (Z tenemos: 1  2 )( x1  x2 )  1  2  ( X1  X 2 )  ( Z 1  2 )( x1  x2 ) Remplazando valores (40)  (1. Raul .4264 10 10 Paso 03: Dado el nivel de confianza 1   =0. x x  Sx  x 1 2 1 2  x x  1 2  12 n1   22 n2  1202 1602   42. se concluye que 1  2 y que no hay diferencias significativas entre las medias de las vidas útiles de las marcas A y B del producto.975  1.95    1  0. Por tanto.4264) 43.05 Paso 04: Calculando Z Paso 05: 1  2 Z 1 0. el gerente de compras puede adquirir cualquiera de las dos marcas. Ejemplo 02 El salario diario promedio para una muestra de n1  30 empleados de una empresa manufacturera grande es X1  28000$ con una desviación estándar de S1  1400$ .

58)(300. en una cantidad que va de 225 a 1775 con una confianza del 99%.56) 224.Empresas A B n1  30 n2  40 X 2  27000$ S2  1000$ X1  28000$ S1  1400$ Paso 02: La estimación Puntual de 1  2 es la diferencia de las medias Muestrales: X1  X 2  28000  27000  1000 Paso 03: El error típico de la diferencia de dos medias Muestrales es:  x x  Sx  x 1 2 1 2 S x1  x2  Paso 04: S12 S2 2 14002 10002     300.99   0.01 2  Z0.58  Los limites inferiores y superiores respectivamente de 1  2 son: ( X1  X 2 )  (Z tenemos: 1  2 )( x1  x2 )  1  2  ( X1  X 2 )  ( Z 1  2 )( x1  x2 ) Remplazando valores (1000)  (2.01 Paso 05: Calculando Z Paso 06: 1  2 Z 1 0. 4 Lic. Raul .4448 Por ello se puede afirmar que el salario diario promedio de la primera empresa es mayor que el correspondiente a la segunda. Araujo Cajamarca.56 n1 n2 30 40 Dado el nivel de confianza 1   =0.58)(300.995  2.56)  1  2  (1000)  (2.99    1  0.5552  1  2  1775.

n1  n2  2) 2  )(S x1  x2 )  1  2  ( X1  X 2 )  (t (1 . n1  n2  2) 2 porcentaje).1.2. Sc  n1  n2  2 2 S x1  x2  Sc 2 Sc 2  Es el error típico de X 1  X 2 . en la distribución T  tal que P[t  T  t ]  1   . la obtención de la estadística de pivote es como sigue: La varianza común o promedio: (n1  1) S12  (n2  1) S2 2 Es un estimador insesgado de la varianza  2 . CON VARIANZAS DESCONOCIDAS Sean X 1 y X 2 las medias y S12 y S 2 2 las varianzas de dos muestras aleatorias independientes de tamaños n1 y n2 respectivamente seleccionadas de dos poblaciones normales con varianzas  12 y  2 2 desconocidas. Intervalos de estimación de 1  2  2 1  2 t (1 . n1  n2  2) 2  T a Intervalo de 1  2 b P[( X1  X 2 )  (t (1 . Con varianzas desconocidas supuestas iguales 12   2 2   2 Poblaciones normales. en este caso. Araujo Cajamarca.n1  n2  2) 2  )(S x1  x2 )  1  2  ( X1  X 2 )  (t (1 . Raul . n1  n2 2) 2  )(S x1  x2 ) 5 Lic. 2. n1  n2  2) 2  )(S x1  x2 )]  1   Siendo el intervalo a determinar: ( X1  X 2 )  (t (1 . Dado el nivel de confianza 1   (o en n1 n2 t (n1  n2  2) se halla el valor t (1 . n1  n2  2) 2  X1  X 2 0 t (1 .

96 2.6 -1.7 -2.56 0.36 2.29 0.3 -1.96 5.7 -0.40   1. ¿Es válido concluir que no hay diferencias significativas entre las dos medias poblacionales? Suponga que las poblaciones de los porcentajes de gramos quebrados por kilo de A y B se distribuyen normalmente con la misma varianza.4 i 1 2 3 4 5 6 7 8 9 10 x1 7 6 7 9 5 8 7 6 10 8 73 x1  x -0.6 1.76 0. se escogieron dos muestras aleatorias independientes de 10 bolsas de arroz de un kilo cada uno de las dos variedades de arroz y se observaron los siguientes porcentajes de granos quebrados por kilo: 1 2 3 4 5 6 7 8 9 10 Variedad: A 6 5 6 7 4 7 6 4 3 6 Variedad: B 7 6 7 9 5 8 7 6 10 8 Obtenga el intervalo de confianza del 95% de la diferencia de los promedios de porcentajes de gramos quebrados por kilos de arroz de las dos variedades.3 0.29 0.3 2.1 S12   ( x1  x )2 i 1 10 n1  1 16.49 0. para tomar la decisión estadística comparando la calidad.4 0.6 -0.09 2.89 5.7 ( x1  x )2 0.36 16.09 1.16 0.3 -1.6 ( x1  x )2 0.4 0.09 1.6 0.10  2.3 -0.36 0. es posible aproximar los valores de mediante la distribución normal estándar Ejemplo 01 El agente de una cadena de restaurantes va a decidir adquirir entre dos variedades de arroz A y B. Araujo Cajamarca.82 9 S2 2   (x  x ) i 1 1 10 2 n1  1  20.23 9 6 Lic.3 1.69 0.49 20.36 1.56 1..7 0. Paso 01 Clasificación de datos: i 1 2 3 4 5 6 7 8 9 10 x1 6 5 6 7 4 7 6 4 3 6 54 x1  x 0. Raul .4 -2.4 1.6 -1.69 7.

n1  n2  2) 2  t (1 0.101  Los limites inferiores y superiores respectivamente de 1  2 son: ( X1  X 2 )  (t (1 .95   0.Empresas A B n1  10 n2  10 X1  5.82  (10  1)2.64)  1  2  (5.40  7.23 9(1.05 .2379  1  2  0.101)(0.82)  9(2.101)(0.30 S2  1.18)  2.64) 3.5621 7 Lic.05 Paso 05: Calculando t Paso 06: (1 .03 2.30)  (2.1010 2) 2  t(0. Raul .64 n1 n2 10 10 Paso 04: Dado el nivel de confianza 1   =0.30  1. n1  n2 2) 2  )(S x1  x2 ) Remplazando valores tenemos: (5.4944 La estimación Puntual de 1  2 es la diferencia de las medias Muestrales: X1  X 2  5.23)    2.3499 Paso 02: X 2  7.03      0.90 Paso 03: El error típico de la diferencia de dos medias Muestrales es: Sc 2  (n1  1) S12  (n2  1) S2 2 (10  1)1.40  7.975.30)  (2.95    1  0.03 n1  n2  2 10  10  2 18 S x1  x2 Sc 2 Sc 2 2.40 S1  1. Araujo Cajamarca.40  7.n1  n2  2) 2  )(S x1  x2 )  1  2  ( X1  X 2 )  (t (1 .

entonces 1  2 . la vida útil promedio y la desviación estándar para una muestra de n2  8 focos son X 2  4000 horas y S2  200 horas. no se debe aceptar que 1  2 además el intervalo es negativo. Para otra marca de focos. El intervalo de confianza del 90% para estimar la diferencia entre las vidas útiles promedio de las dos marcas de focos es. Solución: Paso 01 Clasificación de datos: Empresas A B n1  10 n2  8 X 2  4000 S2  200 X1  4600 S1  250 Paso 02: La estimación Puntual de 1  2 es la diferencia de las medias Muestrales: X1  X 2  4600  4000  600 Paso 03: Asumimos que  12   2 2 La varianza muestral común es: (n1  1) S12  (n2  1) S2 2 (10  1)2502  (8  1)2002 9(2502 )  7(2002 ) Sc     52656. Araujo Cajamarca.8149 n1 n2 10 8 8 Lic.Dado que 1  2  0 no pertenece al intervalo de confianza. Raul .25 52625. Se asume que la vida útil de los focos de ambas marcas tiene una distribución normal. Ejemplo 02 La vida útil promedio de una muestra aleatoria de n1  10 focos es X1  4600 horas con S1  250 horas.25 n1  n2  2 10  8  2 16 2 El error típico de la diferencia de dos medias Muestrales es: S x1  x2  Sc 2 Sc 2 52625.25     108.

el intervalo de confianza ( 1   ) 100% de 1  2 P[( X1  X 2 )  (t (1 .2924 Así puede afirmarse con una confianza del 90%.0092  1  2  790.10 .746)(108.746)(108.8149)  1  2  (4600  4000)  (1.Paso 04: Dado el nivel de confianza 1   =0.90    1  0. Con varianzas desconocidas supuestas distintas Si las varianzas de las dos poblaciones normales independientes son desconocidas pero supuestas diferentes. r ) 2 )( S x1  x2 ) 9 Lic. entonces: Si X 1 y X 2 son las medias que resultan de dos muestras independientes de tamaño n1 y n2 escogidas respectivamente de dos poblaciones normales con varianza  12 es: y  22 desconocidas supuestas distintas entonces.r ) 2  (1 . 2.10 Paso 05: Calculando t Paso 06: (1 . n1  n2  2) 2  t (1 0.8149) 410.n1  n2  2) 2  )(S x1  x2 )  1  2  ( X1  X 2 )  (t (1 . n1  n2 2) 2  )(S x1  x2 ) Remplazando valores tenemos: (4600  4000)  (1. Araujo Cajamarca. que la primera marca de focos tiene una vida útil promedio mayor que la segunda.16)  1. en una cantidad entre 40 y 790 horas.746  Los limites inferiores y superiores respectivamente de 1  2 son: ( X1  X 2 )  (t (1 .2. Raul .90   0.10 8 2) 2  t(0.r ) 2  )(S x1  x2 )  1  2  ( X 1  X 2 )  (t( r ) )(S x1  x2 )]  1   )( S x1  x2 )  1  2  ( X1  X 2 )  (t  ( X1  X 2 )  (t (1 .95.

Solución: Paso 01 Clasificación de datos: i 1 2 3 4 5 6 7 8 9 xi 12 28 10 25 24 19 22 33 17 190 xi  x -9.63 -0.37 16.89 -4.92 11.89 -2. ¿Es válido inferir que en promedio el monto de los préstamos del banco A es mayor a los del banco B? datos históricos indican que la distribución de estos préstamos en cada banco.11 3.63 3.45 0. con este fin se tomaron 9 y 8 préstamos al azar de cada banco resultando los siguientes montos en miles de soles: 1 2 3 4 5 6 7 8 9 Variedad: A 12 28 10 25 24 19 22 33 17 Variedad: B 16 20 16 20 16 17 15 21 - Aplicando un intervalo de estimación del 95% para la verdadera diferencia de los montos promedios. es normal con varianzas diferentes.37 -1.79 141.99 47. S12 S 2 2  n  n  2  Donde r   1 2 2  S12   S22  n     1    n2  n1  1 n2  1 r  Entero Ejemplo 01 2 S x1  x2 S12 S2 2   n1 n2 Se lleva a cabo un estudio para comparar los montos de los préstamos personales realizadas por dos entidades financieras A y B.62 2.11 6.9 10 Lic.43 15.63 -2.11 0.89 -11.63 2.63 2.47 123.36 37.13 8.11 ( xi  x )2 82.89 2.87 i 1 2 3 4 5 6 7 8 xi 16 20 16 20 16 17 15 21 141 xi  x -1. Araujo Cajamarca.66 0.66 5.89 440.4 6.37 -1.89 11.37 ( xi  x )2 2.66 5. Raul .35 4.62 2.

7304 2 2 2 4.625  3.6077 n1 n2 9 8 Dado el nivel de confianza 1   =0.228 11 Lic.05 Paso 05: Calculando t Paso 06: (1 . r ) 2  t (1 0.625 S2 2  5.4143 X1  21.1088 5.1088 Paso 02: La estimación Puntual de 1  2 es la diferencia de las medias Muestrales: X1  X 2  21. Raul .05 .975.95    1  0.4143  n     9     8     1    n2  8 7 n1  1 n2  1 2 r  9.11  17.1088 5.4143    n   9  n2  (6.80) 2 8  r   12     9.7521  S12   S2 2   55. Araujo Cajamarca.11 S12  55.95   0.Empresas A B n1  9 n2  8 X 2  17.1088   5.101) 2  t(0.9)  2.7304  10 El error típico de la diferencia de dos medias Muestrales es: S x1  x2  Paso 04: S12 S2 2 55.4143     2.485 Paso 03: Las varianzas son  12   2 2 Calculamos r : 2  S12 S2 2   55.

2950 Dado que 1  2  0   2.3250.1111 17.625)  (2. Araujo Cajamarca.625)  (2. Los limites inferiores y superiores respectivamente de 1  2 son: ( X1  X 2 )  (t (1 .2950 podemos concluir que: 1  2 .3250  1  2  9. 12 Lic. Raul .9.6077) 2.11 17.6077)  1  2  (21.228)(2. los montos promedios de los préstamos son iguales.228)(2. r ) 2  )( S x1  x2 ) Remplazando valores tenemos: (21. por tanto.r ) 2  )( S x1  x2 )  1  2  ( X1  X 2 )  (t (1 .

Sign up to vote on this title
UsefulNot useful