Está en la página 1de 17

286 ESTADSTICA Y PROBABILIDAD

10.1.1 Estimacin puntual


Un estimador es un elemento descriptivo basado en las mediciones contenidas en una
muestra. Por ejemplo, la media de la muestra
x
n
x
i
i
n
=
=

1
1
es un estimador puntual para la media de la poblacin
0
.
Supngase que se quiere obtener una inferencia respecto de la calificacin media
de todos los alumnos que cursan la materia de clculo, para esto se analiza una muestra
aleatoria de diez de ellos, cuyas calificaciones son
8, 4, 9, 9, 6, 8, 2, 7, 3 y 6
Mediante el promedio de los datos de una muestra se calcula un valor para el
estadstico X
x = + + + + + + + + + =
1
10
8 4 9 9 6 8 2 7 3 6 6 2 ( ) .
Con base en el valor calculado del estadstico X se puede llevar a cabo una inferencia
respecto del parmetro , es decir, una estimacin puntual del parmetro media respecto de
las calificaciones de la materia de clculo. En este caso la calificacin promedio es 6.2.
En general
Dada una poblacin en donde es un parmetro, y

su estadstica correspondiente, se le llama


estimador puntual de a cualquier valor

de

.
De la definicin de estimador puntual no se puede esperar que dicho valor realice
una estimacin certera del parmetro, de hecho, sta tambin depende del estadstico
utilizado. Por ejemplo, si la poblacin estudiantil de la materia de clculo tiene calificacin
promedio = 6.5, y se considera una muestra al azar de tres estudiantes con calificaciones
3, 6 y 6, para realizar una estimacin del parmetro, se tiene
x = + + =
1
3
3 6 6 5 ( )
Es decir, el estadstico media difiere del parmetro en 1.5 unidades, mientras que
el estadstico mediana x = 6, difiere del parmetro en slo 0.5.
Por tanto, con la muestra anterior, el estadstico mediana estima mejor el parmetro.
Pero, qu pasar si en una segunda muestra aleatoria de tamao tres, las calificaciones
para la estimacin del parmetro resultan 4, 4, y 10, se tiene
x = + + =
1
3
4 4 10 6 ( )
Por tanto, para esta muestra el estadstico media difiere del parmetro en 0.5
unidades, mientras que el estadstico x = 4, difiere del parmetro en 2.5.
Es decir, con la muestra anterior el estadstico media estima mejor el parmetro.
Por tanto, puede ser de interes qu estimador puntual para un mismo parmetro es mejor
elegir. La respuesta se encuentra en las siguientes definiciones.
Definicin 10.1
287
UNIDAD 10 INFERENCIA ESTADSTICA
El estadstico

se llama estimador insesgado del parmetro si E(

) = .
Dadas X
1
, X
2
, . . ., X
5
una muestra aleatoria de una poblacin cuya distribucin es
normal, con media y varianza
2
, considerando los estadsticos
T X T
X X X
T
X X X X X
1 2
1 2 5
3
1 2 3 4 5
10 3
= =
+ + +
=
+ + +
,

y

se comprueba cules son estimadores insesgados de .
Para verificar qu estimadores son insesgados, se emplea la definicin y la propiedad
del valor esperado en variables independientes
E a X a X a X a E X a E X a E X
n n n n
( ) ( ) ( ) ( )
1 1 2 2 1 1 2 2
+ + + = + + +
Para el estadstico T
1
E T E X E
X X X X X
E X X X X X ( ) ( )
1
1 2 3 4 5
1 2 3 4 5
5
1
5
1
5
= =
+ + + +

(
= + + + +

=
EE X E X E X E X E X ( ) ( ) ( ) ( ) ( )
( ) ( )
1 2 3 4 5
1
5
1
5
5
+ + + +

=
+ + + + = =
Se muestra que T
1
es un estimador insesgado.
Para el estadstico T
2
E T E
X X X X X
E X X X X X
E
( )
(
2
1 2 3 4 5
1 2 3 4 5
10
1
10
1
10
=
+ + + +

= + + + +

=
XX E X E X E X E X
1 2 3 4 5
1
10
5
1
2
) ( ) ( ) ( ) ( ) ( ) + + + +

= =
Se muestra que T
2
es un estimador sesgado.
Para el estadstico T
3
E T E
X X X X X
E X X X X X
E X
( )
( )
3
1 2 3 4 5
1 2 3 4 5
1
3
1
3
1
3
=
+ + +

= + + +

=
++ + +

= + + + = = E X E X E X E X ( ) ( ) ( ) ( ) ( ) ( )
2 3 4 5
1
3
1
3
3
Por tanto, T
3
tambin es un estimador insesgado de la media.
En el ejemplo anterior se aprecia que a un mismo parmetro le pueden corresponder
varios estimadores insesgados. Por consiguiente, en el estudio de la estadstica resulta de
inters conocer el estimador insesgado que tenga la menor varianza, ya que en tal caso su
distribucin est ms cercana al parmetro.
Dado un parmetro y un conjunto de estimadores insesgados de l,

, ,


1 2

m
, se llama
estimador ms efciente de al de menor varianza.
Definicin 10.2
Definicin 10.3
Ejemplo 1
288 ESTADSTICA Y PROBABILIDAD
Dada la muestra aleatoria del ejemplo anterior X
1
, X
2
, . . ., X
5
y considerando los estadsticos
que resultaron insesgados de ,
T X T
X X X X X
1 3
1 2 3 4 5
3
= =
+ + +
y
se comprueba cul es ms eficiente. Para esto se usa la definicin y la propiedad de la
varianza en variables independientes
V a X a X a X a V X a V X a V X
n n n n
( ) ( ) ( ) ( )
1 1 2 2 1
2
1 2
2
2
2
+ + + = + + +
Para el estadstico T
1
V T V
X X X X X
V X X X X X
V X
( )
(
1
1 2 3 4 5
2
1 2 3 4 5
5
1
5
1
25
=
+ + + +

= + + + +

=
11 2 3 4 5
2 2 2 2 2
1
25
1
25
5
) ( ) ( ) ( ) ( ) ( )
(
+ + + +

= + + + + = V X V X V X V X

22 2
1
5
) =
Para el estadstico T
3
V T V
X X X X X
V X X X X X
V X
( )
(
3
1 2 3 4 5
2
1 2 3 4 5
1
3
1
3
1
9
=
+ + +

= + + +

=
)) ( ) ( ) ( ) ( ) ( ) ( )
(
+ + + +

= + + + + = V X V X V X V X
2 3
2
4 5
2 2 2 2 2
1
1
9
1
9

55
5
9
2 2
) =
De los clculos anteriores, resulta que el estadstico T
1
es ms eficiente que T
3
,
puesto que 1/5 < 5/9.
Entre los parmetros ms comunes y sus estadsticos, existen los insesgados que se
emplean con mayor regularidad:
Ejercicio 1
1. Dadas X
1
, X
2
, X
3
y X
4
una muestra aleatoria seleccionada de una poblacin
distribuida en forma normal con media y desviacin estndar , considera los
siguientes estimadores de
T
X X X X
1
1 2 3 4
6
=
+ + +
T
X X X X
2
1 2 3 4
4
=
+ + +
T
X X X X
3
1 2 3 4
2 3 4
10
=
+ + +
y determina cules son insesgados y entre stos cul es ms eficiente.
Ejemplo 2
289
UNIDAD 10 INFERENCIA ESTADSTICA
2. La lectura en un voltmetro conectado a un circuito de prueba tiene una distribucin
uniforme en el intervalo de (, + 1), donde es el parmetro para el voltaje del
circuito. Supn que X
1
, X
2
, X
3
y X
4
es una muestra aleatoria de tales lecturas y
verifica que

. = X 0 5 es un estimador insesgado.
3. Dadas X
1
, X
2
y X
3
y Y
1
, Y
2
y Y
3
como muestras aleatorias independientes de dos
poblaciones con medias
1
y
2
y varianza
1
2
y
2
2
, 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 Estimacin por intervalo
Despus de iniciado el estudio de los estimadores puntuales es lgico suponer que la
inferencia realizada mediante un valor puntual no es la ms 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 localizacin del
parmetro en estudio.
Dada como parmetro, supngase que, bajo ciertas condiciones (como se ver
en las siguientes subsecciones), se encuentra que (

)
i s
, donde los puntos extremos


i s
y llamados extremo inferior y extremo superior, respectivamente, dependen del
valor de la estadstica

para una muestra particular. Como los extremos




i s
y del
intervalo dependen de la muestra, resulta que slo son valores de las variables aleatorias
correspondientes


i s
y . Con base en las variables aleatorias anteriores y sus valores
correspondientes, se calcula la probabilidad de que el parmetro se encuentre en el
intervalo establecido. Se simboliza por 1 con (0, 1) a la probabilidad mencionada
P
i s
(

) < < = 1
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 .
El intervalo anterior en el que se localiza el parmetro ,


i s
< < , se llama intervalo de
confanza de (1 )100%; mientras que la fraccin 1 se le llama coefciente o grado
de confanza y los extremos


i s
y , son los lmites de confanza inferior y superior,
respectivamente.
Por ejemplo, se tiene una muestra de 20 focos cuya duracin promedio en horas
es x = 750 y con base en este valor se estima que el parmetro 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 analizarn los intervalos de confianza ms
comunes para los parmetros, medias, diferencia de medias, varianzas y proporciones.
Qu es una estimacin
por medio de un intervalo?
Definicin 10.4
290 ESTADSTICA Y PROBABILIDAD
Intervalos de confianza para medias de poblaciones aproximadamente
normales
Establecidas las bases generales de los intervalos de confianza y utilizando el teorema del
lmite central, los conceptos sobre estimadores puntuales y las distribuciones determinadas
en la unidad 9, se presentan mtodos para el clculo de intervalos de confianza. Uno de
estos mtodos se refiere a la media, y se divide en tres casos:
1. Intervalo de confianza para la media poblacional con distribucin normal,
cuando se conoce .
Dada x la media de una muestra aleatoria de tamao n de una poblacin con
distribucin aproximadamente normal, de la cual se conoce
2
, el intervalo de
confianza (1 ) de 100% para est dado por

x z
n
x z
n

|
\

|
.
|
< < +
|
\

|
.
|



2 2
donde z
/2
es el valor de la distribucin normal estndar, a la derecha del cual tiene
un rea de /2.
Se denota en este caso que para poder aplicar la frmula, la distribucin tiene
que ser normal o aproximadamente normal y se debe conocer el parmetro .
Una mquina de refrescos est ajustada de tal manera que la cantidad de lquido
suministrado se distribuye en forma normal con desviacin estndar de 0.15 dl. Se
calcula 95% de intervalo de confianza para la media de refrescos servidos de una muestra
de 36 vasos tomada al azar con un contenido promedio de 2.25 dl.
Se toman los datos: = 0.15 dl, el tamao de la muestra es 36 con media muestral
de x = 2 25 . dl. Para calcular el intervalo de confianza del parmetro media se emplea la
frmula anterior.
Primero se calcula el valor de z
/2
, con 1 = 0.95. De las tablas porcentuales para
la distribucin normal estndar se tiene z
/2
= 1.96. Por tanto,
2 25 1 96
0 15
36
2 25 1 96
0 15
36
2 201 2 299
. .
.
. .
.
. .

|
\

|
.
|
< < +
|
\

|
.
|
< <

Es decir, con 95% de probabilidad se afirma que el parmetro media del lquido
suministrado por la mquina de refrescos se encuentra entre 2.201 y 2.299 dl.
2. Intervalo de confianza para la media poblacional cuando se desconoce en
muestras grandes.
Dada x la media de una muestra aleatoria de tamao n (n 30) tomada al azar
de una poblacin de la cual se conoce su desviacin estandar s y se desconoce , el
intervalo de confianza (1 ) de 100% para est dado por
x z
s
n
x z
s
n

|
\

|
.
|
< < +
|
\

|
.
|

2 2
Ejemplo 3
291
UNIDAD 10 INFERENCIA ESTADSTICA
donde z
/2
es el valor de la distribucin normal estndar, la cual tiene un rea de /2 y
s es la desviacin estndar obtenida del estadstico varianza insesgada.
En este caso es posible notar que para poder aplicar la frmula, a diferencia del
anterior, se desconoce la distribucin.
Se tiene una mquina de refrescos como en el ejemplo anterior, pero de la cual se desconoce
su desviacin estndar. Para estimar la cantidad promedio de lquido suministrado por
la mquina se toma una muestra al azar de 50 vasos, con media de 240 ml y desviacin
estndar de 20. Se calcula 99% de intervalo de confianza para la media de refrescos
servidos.
Se toman los datos: el tamao de la muestra es 50, x = 240 y s = 20 ml. El intervalo
de confianza del parmetro media se obtiene sustituyendo estos valores en la frmula
anterior.
Se calcula primero el valor de z
/2
, con 1 = 0.99. De las tablas porcentuales para
la distribucin normal estndar se tiene z
/2
= 2.575. Por tanto,
240 2 575
20
50
240 2 575
20
50
232 72 247 28

|
\

|
.
|
< < +
|
\

|
.
|
< <
. .
. .

Es decir, con 99% de probabilidad se afirma que el parmetro media del lquido
suministrado por la mquina de refrescos se encuentra entre 232.72 y 247.28 ml.
3. Intervalo de confianza para la media poblacional cuando se desconoce en
muestras pequeas.
Dada x la media de una muestra de tamao n (n < 30) tomada al azar de una poblacin
con distribucin normal de la cual se conoce s
2
, y se desconoce
2
, el intervalo de con-
fianza (1 ) de 100% para est dado por
x t
s
n
x t
s
n

|
\

|
.
|
< < +
|
\

|
.
|

2 2
donde t
/2
es el valor de la distribucin t-Student con v = n 1 grados de libertad,
la cual tiene un rea de /2, y s es la desviacin estndar obtenida del estadstico
varianza insesgada.
Se denota en este caso que la aplicacin de la frmula se puede realizar si la distri-
bucin de la poblacin es normal o aproximadamente normal, pero a diferencia del caso
1, no se conoce el parmetro , y del caso 2, el tamao de la muestra debe ser pequeo.
Un fabricante de mquinas de refrescos asegura que sus mquinas suministran 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 vlida la afirmacin 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 s
n
=
1
2
17 58 . , es decir, s = 4.19.
Ejemplo 4
Ejemplo 5
292 ESTADSTICA Y PROBABILIDAD
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 distribucin t-Student
se tiene t
0.0005
= 4.14. En conclusin
246 27 4 14
4 19
15
246 27 4 14
4 19
15
241 79
. .
.
. .
.
.

|
\

|
.
|
< < +
|
\

|
.
|
< <

2250 75 .
Es decir, con 99.9% de probabilidad se determina que el parmetro media del
lquido suministrado por la mquina de refrescos se encuentra entre 241.79 y 250.75 ml.
Por tanto, la afirmacin del fabricante no ser vlida con 99% de confianza, puesto que
el valor 240 ml est fuera del intervalo.
Ejercicio 2
1. De la siguiente muestra aleatoria, tomada de un poblacin normal
13 19 14 12 21 14 17 20 17
calcula 95% de intervalo de confianza para la media de la poblacin
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 midi las paredes de 25 botellas de vidrio de dos
litros. La media muestral fue 4.02 mm y la desviacin estndar muestral 0.09, calcula
95% de intervalo de confianza respecto de la media del espesor de las paredes de las
botellas.
3. Mientras se efecta 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 desviacin estndar de 4.28, calcula
la verdadera media en el incremento del ritmo cardiaco si x = 26 4 . se utiliza como
una estimacin 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
estacin de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supn normalidad y calcula un
intervalo de confianza para la media con = 0.05
5. Una mquina produce piezas metlicas de forma cilndrica. Se toma una muestra
al azar de piezas cuyos dimetros son 10, 12, 11, 11.5, 9, 9.8, 10.4, 9.8, 10 y 9.8 mm.
Supn que los dimetros tienen una distribucin aproximadamente normal y
a) calcula 99% de intervalo de confianza para el dimetro promedio de todas las
piezas
b) calcula 99% de intervalo de confianza para el dimetro promedio de piezas si
= 1.
293
UNIDAD 10 INFERENCIA ESTADSTICA
Intervalos de confianza para la diferencia de medias en poblaciones
aproximadamente normales
Despus de analizar los intervalos de confianza para la media poblacional, se contina
con el clculo 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,
cuando se conocen
1
2
2
2
y .
Dadas x x
1 2
y las medias de muestras aleatorias independientes de tamaos n
1
y n
2
, respectivamente, de poblaciones con distribuciones aproximadamente normales,
de las cuales se conoce
1
2
2
2
y , el intervalo de confianza de (1 ) de 100% para

1
y
2
est dado por
( ) ( ) x x z
n n
x x z
n n
1 2
2
1
2
1
2
2
2
1 2 1 2
2
1
2
1
2
2
2
+ < < + +




donde z
/2
es el valor de la distribucin normal estndar, el cual tiene un rea de /2.
Se comparan dos tipos de rosca de tornillos para determinar su resistencia a la tensin. Se
prueban doce piezas de cada tipo de cuerda bajo condiciones similares, obtenindose los
siguientes resultados (en kg)
Si
1
y
2
son resistencias promedio a la tensin de los tornillos tipo I y tipo II,
respectivamente, con las variaciones a la tensin de los tornillos tipo I y tipo II
1
2
5 = y

2
2
10 = , respectivamente, se calcula 90% de intervalo de confianza para
1

2
.
Primero se calculan las medias muestrales: x x
1 2
70 5 71 4 = = . . y .
Las muestras son de tamao n
1
= n
2
= 12. Se calcula el valor para z
/2
con 90% de
intervalo de confianza usando las tablas porcentuales, z
/2
= 1.645.
( . . ) . ( . . ) . 70 5 71 4 1 645
5
12
10
12
70 5 71 4 1 645
5
12
10
12
1 2
+ < < + +


22 74 0 94
1 2
. . < <
Es decir, la diferencia de la resistencia promedio a la tensin al fabricar los tornillos
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.
Ejemplo 6
1 2 3 4 5 6 7 8 9 10 11 12
68 70 72 69 71 72 70 69 75 69 70 71
75 73 73 68 68 67 69 75 74 68 73 74
Tipo
de rosca
1
2
294 ESTADSTICA Y PROBABILIDAD
2. Intervalo de confianza para
1

2
de poblaciones cuando se desconocen
1
2
2
2
y
en muestras grandes.
Dadas x x
1 2
y las medias de muestras aleatorias independientes de tamaos n
1
y n
2
(n
1
30 y n
2
30), respectivamente, de poblaciones de las cuales se desconocen

1
2
2
2
y , el intervalo de confianza (1 ) de 100% para
1

2
est dado por
( ) ( ) x x z
s
n
s
n
x x z
s
n
s
n
1 2
2
1
2
1
2
2
2
1 2 1 2
2
1
2
1
2
2
2
+ < < + +


donde z
/2
es el valor de la distribucin normal estndar, el cual tiene un rea de /2
y s s
1
2
2
2
, son las varianzas insesgadas respectivas de las muestras 1 y 2.
Retomando el ejemplo 6, se prueban 40 tornillos de cada tipo de cuerda bajo condiciones
similares y se obtienen los siguientes resultados (en kg).
del tipo I x s n
1 1 1
72 5 2 45 40 = = = . . , y
del tipo II x s n
2 2 2
69 8 1 75 40 = = = . . , y
Si
1
y
2
son resistencias promedio a la tensin, 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 cul tipo de tornillos es ms resistente.
Como ya se conocen los valores muestrales para la media y la desviacin estndar,
y siendo las muestras grandes (n
1
= n
2
= 40 > 30), falta nicamente encontrar el valor para
z
/2
con 95% de intervalo de confianza. Usando las tablas porcentuales, z
/2
= 1.96
( . . ) .
. .
( . . ) .
.
72 5 69 8 1 96
2 45
40
1 75
40
72 5 69 8 1 96
2 45
2 2
1 2
+ < < +
22 2
1 2
40
1 75
40
1 78 3 62
+
< <
.
. .
Puesto que el intervalo para la diferencia de las medias poblacionales siempre ser
positivo, se tiene 95% de confianza de que la resistencia a la tensin 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 poblaciones normales cuando se desconocen

1
2
2
2
y , pero se sabe que
1
2
2
2
== en muestras pequeas.
Dadas x x
1 2
y las medias de muestras aleatorias independientes de tamaos n
1
y
n
2
(n
1
< 30 y n
2
< 30), respectivamente, de poblaciones aproximadamente normales de
las que se desconocen
1
2
2
2
y pero se conoce que
1
2
2
2
= , el intervalo de confianza
(1 ) de 100% para
1

2
est dado por
( ) ( ) ( ) ( ) x x t s
n n
x x t s
n n
p p 1 2
2
1 2
1 2 1 2
2
1 2
1 1 1 1
+ < < + +


Ejemplo 7
295
UNIDAD 10 INFERENCIA ESTADSTICA
donde t
/2
es el valor de la distribucin t-Student con v = n
1
+ n
2
2 grados de libertad,
el cual tiene un rea de /2
s
n s n s
n n
p
=
+
+
( ) ( )
1 1
2
2 2
2
1 2
1 1
2
es la estimacin comn de la desviacin estndar poblacional y s s
1
2
2
2
y son las varianzas
insesgadas respectivas de las muestras 1 y 2.
Las pruebas de traccin 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 traccin 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 distribucin normal, se calcula 90% de intervalo de confianza para
1

2
,
considerando
1
2
2
2
= , ambas desconocidas.
Primero se calculan las medias y varianzas muestrales
del conjunto 1 x s n
1 1
2
1
14 29 7 50 10 = = = . . , y
del conjunto 2 x s n
2 2
2
2
22 09 2 68 8 = = = . . , y
Con estos valores se calcula
s
n s n s
n n
p
=
+
+
=
+
+
=
( ) ( ) ( ) . ( ) .
1 1
2
2 2
2
1 2
1 1
2
10 1 7 50 8 1 2 68
10 8 2
2..32
Falta determinar en las tablas porcentuales de la distribucin t-Student el valor de
t
/2
con 90% de confianza ( = 0.10 es decir, /2 = 0.05) y v = n
1
+ n
2
2 = 16 grados
de libertad. Se determina en las tablas correspondientes que t
0.05
= 1.746.
( . . ) . . ( . . ) . 14 29 22 09 1 746 2 32
1
10
1
8
14 29 22 09 1 746 2
1 2
+ < < + ..
. .
32
1
10
1
8
9 72 5 88
1 2
+
< <
4. Intervalo de confianza para
1

2
de poblaciones normales cuando se desconocen

1
2
2
2
y , pero se sabe que
1
2
2
2
en muestras pequeas.
Dadas x x
1 2
y las medias de muestras aleatorias independientes de tamaos n
1
y n
2
(n
1
< 30 y n
2
< 30), respectivamente, de poblaciones aproximadamente normales
donde se desconocen
1
2
2
2
y pero se sabe que
1
2
2
2
, el intervalo de confianza
(1 ) de 100% para
1

2
est dado por
( ) ( ) x x t
s
n
s
n
x x t
s
n
s
n
1 2
2
1
2
1
2
2
2
1 2 1 2
2
1
2
1
2
2
2
+ < < + +


Ejemplo 8
296 ESTADSTICA Y PROBABILIDAD
donde t
/2
es el valor de la distribucin t-Student con
=
+

(
(
|
\

|
.
|
|

|
\

|
.
|
+
|
\

|
s
n
s
n
s
n n
s
n
1
2
1
2
2
2
2
1
2
1
2
1
2
2
2
1
1
..
|
|

|
\

|
.
|
2
2
1
1 n
grados de libertad, el cual tiene un rea de /2, y s s
1
2
2
2
y son las varianzas insesgadas
respectivas de las muestras.
De la frmula anterior se puede estimar que el resultado del clculo de los
grados de libertad generalmente ser una cantidad no entera, por lo que siempre se debe
redondear al entero ms prximo (no al siguiente), por ejemplo, si v = 14.3 14; v =
14.7 15; v = 14.5 15.
Se retoman los datos del ejemplo 8, considerando que
1
2
2
2
y son ambas desco-
nocidas. Se supone normalidad; se calcula 90% de intervalo de confianza para
1

2
; se
determina qu tipo de semiconductor sin recubrimiento (1) o con recubrimiento (2) tiene
ms resistencia a la traccin.
Las medias y varianzas muestrales se calcularon anteriormente
del conjunto 1 x s n
1 1
2
1
14 29 7 50 10 = = = . . , y
del conjunto 2 x s n
2 2
2
2
22 09 2 68 8 = = = . . , y
Con estos valores se calculan los grados de libertad
=
+

(
(
|
\

|
.
|
|

|
\

|
.
|
+
|
\

|
s
n
s
n
s
n n
s
n
1
2
1
2
2
2
2
1
2
1
2
1
2
2
2
1
1
..
|
|

|
\

|
.
|
=
+

(
|
\

|
.
|

|
\

|
2
2
2
2
1
1
7 50
10
2 68
8
7 50
10
1
10 1
n
. .
.
..
|
+
|
\

|
.
|

|
\

|
.
|
=
2 68
8
1
8 1
14 99 15
2
.
.
Falta determinar, usando las tablas porcentuales de la distribucin 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.
( . . ) .
. .
( . . ) . 14 29 22 09 1 753
7 50
10
2 68
8
14 29 22 09 1 753
7
1 2
+ < < +
.. .
. .
50
10
2 68
8
9 63 5 97
1 2
+
< <
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 traccin con recubrimiento es mayor que sin
recubrimiento.
5. Intervalo de confianza para
d
=
1

2
de poblaciones normales, cuando se desconocen

1
2
2
2
y , pero se sabe que son observaciones por pares en muestras pequeas.
Dadas x s
d d
y la media y la desviacin estndar de las diferencias normalmente
distribuidas de n pares aleatorios y dependientes de mediciones de muestras de
tamao n(n < 30), respectivamente, de poblaciones aproximadamente normales
Ejemplo 9
297
UNIDAD 10 INFERENCIA ESTADSTICA
donde se desconoce
1
2
2
2
y , el intervalo de confianza (1 ) de 100% para

d
=
1

2
est dado por
x t
s
n
x t
s
n
d
d
d d
d

|
\

|
.
|
< < +
|
\

|
.
|

2 2
donde t
/2
es el valor de la distribucin t-Student con v = n 1 grados de libertad, el
cual tiene un rea de /2.
En un proceso qumico se comparan dos catalizadores para comprobar su efecto en el
resultado de la reaccin. Se prepar una muestra de doce procesos utilizando el catalizador
marca L y tambin doce de la marca M; a continuacin se muestran los datos con los
rendimientos.
Se calcula 99% de intervalo de confianza para la diferencia de observaciones igua-
ladas y se supone que los datos estn distribuidos normalmente.
Primero se determinan las diferencias de los datos de la muestra
Con estas diferencias se calcula su valor medio y la desviacin estndar
x s
d d
= = 0 074 0 207 . . y
El tamao de la muestra es diez, por consiguiente los grados de libertad v = 10 1 =
9. De las tablas porcentuales correspondientes a la distribucin t-Student con 99% de
con-fianza ( = 0.01 y /2 = 0.005), se tiene que t
0.005
= 3.25. Por ltimo el intervalo de
confianza resulta
0 074 3 25
0 207
10
0 074 3 25
0 207
10
0 139
. .
.
. .
.
.

|
\

|
.
|
< < +
|
\

|
.
|
<

d
dd
< 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
Considera 95% de intervalo de confianza para la diferencia de las puntuaciones
igualadas y supn normalidad en las poblaciones.
Ejemplo 10
0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
L
M
0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
0.04 0.50 0.28 0.08 0.01 0.05 0.23 0.11 0.18 0.06
L
M
L M
1 2 3 4 5 6 7 8 9 10
90 90 90 80 90 92 88 90 63 70
84 84 82 94 90 85 89 62 65 52
Estudiante:
Prueba 1:
Prueba 2:
298 ESTADSTICA Y PROBABILIDAD
2. Se aplic un examen de matemticas 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 aplic un examen de lgebra 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 investigacin en medicina del deporte dio a conocer las diferencias en las
tasas de consumo de oxgeno para varones universitarios entrenados con dos mtodos
diferentes. Uno de ellos recibe entrenamiento continuo y el otro intermitente, los dos
con igual duracin. En la siguiente tabla se registran los tamaos de muestra, medias
y desviaciones estndar respectivas, expresados en ml por kg/min
Calcula las medias de estas poblaciones con 99% de intervalo de confianza;
supn que las varianzas poblacionales son diferentes y que su distribucin es aproxima-
damente normal.
4. Los datos que se muestran a continuacin son los grados de dureza Brinell obtenidos
para muestras de dos aleaciones de magnesio
Supn 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 despus de dicho periodo.
Determina la eficacia de la dieta considerando 95% de intervalo de confianza para
la diferencia de media de los pesos; supn que su distribucin aproximadamente
normal.
a) si
1
2
2
2
=
b) si
1
2
2
2

Entrenamiento intermitente Entrenamiento continuo


x
c
= 43.71
n
c
= 9
= 4.87 s
c
x
i
= 39.63
n
i
= 7
= 9.68 s
i
1 2 3 4 5 6 7
58.5 60.3 61.7 69.0 64.0 62.6 56.7
60.0 54.9 58.1 62.1 58.5 59.9 54.4
Mujer
Peso anterior
Peso posterior
299
UNIDAD 10 INFERENCIA ESTADSTICA
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 razn entre varianzas.
1. Intervalo de confianza para
2
de poblaciones normales en muestras pequeas.
Dada s
2
la varianza de una muestra aleatoria de tamao n (n < 30) de una pobla-
cin aproximadamente normal, el intervalo de confianza (1 ) de 100% para el
parmetro
2
est dado por
( ) ( ) n s n s
< <

1 1
2
2
2
2
2
1 2
2


donde

2
2
1 2
2
y
son valores de la distribucin ji cuadrada

2
(ver tablas estads-
ticas correspondientes) con v = n 1 grados de libertad, los cuales tienen reas de /2
y 1 /2, respectivamente.
Un antroplogo midi el ancho (en centmetros) de una muestra tomada al azar de nueve
crneos 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 s
2
= 2.33.
El grado de confianza est dado por 1 = 0.95, donde = 0.05, es decir
/2 = 0.025 y 1 /2 = 0.975. Buscando en las tablas de la distribucin ji cuadrada con
v = 9 1 = 8 grados de libertad, se tiene

2
2
0 025
2
1 2
2
0 975
2
17 5345 2 1797 = = = =
. .
. . y

Por ltimo, resulta
( ) .
.
( ) .
.
. .
9 1 2 33
17 5345
9 1 2 33
2 1797
1 06 8 55
2
2

< <

< <

2. Intervalo de confianza para


1
2
2
2
de poblaciones normales en muestras pequeas.
Dadas s s
1
2
2
2
y las varianzas de muestras aleatorias independientes de tamaos n
1
y
n
2
(n
1
< 30 y n
2
< 30), respectivamente, de poblaciones normales, el intervalo de
confianza (1 ) de 100% para la razn de las varianzas
1
2
2
2
est dado por
s
s
s
s
1
2
2
2
2 1 2
1
2
2
2
1
2
2
2
2 2 1
1
|
\

|
.
|
|
< <
|
\

|
.
|
|
f
f


( , )
( , )
donde f


2 1 2
( , ) es el valor de la distribucin F (ver tablas correspondientes), con
v
1
= n
1
1 grados de libertad del numerador y v
2
= n
2
1 grados de libertad del
denominador el cual tiene un rea de /2, similarmente f


2 2 1
( , ).
Ejemplo 11
300 ESTADSTICA Y PROBABILIDAD
Retomando los datos del ejemplo 8 se hizo la suposicin de que
1
2
2
2
= y se calcul
un intervalo de confianza para la razn de varianzas y se determin si fue vlida la
suposicin, 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 s
1
2
7 50 = . , n
1
= 10, y
del conjunto dos s
2
2
2 68 = . , n
2
= 8.
Falta determinar usando las tablas porcentuales de la distribucin F los valores
de f f


2 1 2 2 2 1
( , ) ( , ) y con 90% de confianza ( = 0.10 es decir, /2 = 0.05) y v
1

= n
1
1 = 10 1 = 9 y v
2
= n
2
1 = 8 1 = 7 grados de libertad. Se busca en las tablas
de la distribucin F y se obtiene
f f f f


2 1 2 0 05 2 2 1 0 05
9 7 3 677 7 9 3 29 ( , ) ( , ) . ( , ) ( , ) .
. .
= = = = y 3 3

El intervalo de confianza resulta
7 50
2 68
1
3 677
7 50
2 68
3 293
0 76
1
2
2
2
1
2
2
2
.
. .
.
.
.
.
|
\

|
.
|
< <
|
\

|
.
|
<

<< 9 22 .
Del intervalo de confianza para la razn entre varianzas se determina que el valor 1
est contenido en el intervalo. Por tanto, con 90% de confianza se justifica la suposicin de
que
1
2
2
2
= , ya que
1
2
2
2
1 0 76 9 22 = ( . , . ) y si se multiplican por
2
2
ambos miembros
de la igualdad se obtiene
1
2
2
2
= .
Ejercicio 4
1. Un gelogo estudia el movimiento de los cambios relativos en la corteza terrestre en
un sitio particular, en un intento por determinar el ngulo medio de las fracturas
eligi n = 50 fracturas y determina que la media es de 39.8 y la desviacin estndar
muestral es de 17.20. Considera 99% de intervalo de confianza para estimar la
varianza de la poblacin (supn que la poblacin est normalmente distribuida).
2. En un proceso qumico se comparan dos catalizadores para verificar su efecto en
el resultado de la reaccin. Se prepar una muestra de diez procesos utilizando el
catalizador marca L y diez con el de la marca M, a continuacin se muestran los
datos con los rendimientos
Ejemplo 12
0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
L
M
301
UNIDAD 10 INFERENCIA ESTADSTICA
Considera 99% de intervalo de confianza para razn entre varianzas de los rendi-
mientos de los catalizadores; supn que los datos estn 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 desviacin
estndar 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
estacin de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supn 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 parmetro p en muestras grandes.
Si
p q p y = 1 son las proporciones respectivas de xitos y fracasos en una muestra
aleatoria de tamao n (n 30), el intervalo de confianza (1 ) de 100% para el
parmetro binomial p est dado por

p z
pq
n
p p z
pq
n
< < +

2 2
donde z
/2
es el valor de la distribucin normal estndar, el cual tiene un rea de /2.
En una muestra aleatoria de cien posibles clientes, 70 prefieren determinado producto.
Se considera 95% de intervalo de confianza para la proporcin de todos los posibles
clientes que prefieren tal producto.
Para el intervalo de confianza de la proporcin primero se determina el valor de
sta de personas que prefieren el producto

. . p q = = = =
70
100
0 70
30
100
0 30 y
En este caso se tiene 95% de confianza, por tanto, 1 = 0.95, y usando las tablas
porcentuales de la distribucin normal se tiene z
/2
= 1.96. Por ltimo
0 70 1 96
0 70 0 30
100
0 70 1 96
0 70 0 30
100
0 6102 0 78
. .
. .
. .
. .
. .


< < +

< <
p
p 998
2. Intervalo de confianza para p
1
p
2
de poblaciones en muestras grandes.
Dadas
p p
1 2
y
las proporciones de xitos de las muestras aleatorias de tamaos n
1
y n
2

(n
1
30y n
2
30), respectivamente y
q p q p
1 1 2 2
1 1 = = y , el intervalo de confianza
(1 ) de 100% para la diferencia entre los dos parmetros binomiales p
1
p
2
est
dado por
(

)

(

)

p p z
p q
n
p q
n
p p p p z
p q
n
1 2
2
1 1
1
2 2
2
1 2 1 2
2
1 1
1
+ < < +

++
p q
n
2 2
2
donde z
/2
es el valor de la distribucin normal estndar, el cual tiene un rea de /2.
Ejemplo 13
302 ESTADSTICA Y PROBABILIDAD
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 p
A
p
B
; se determina si es vlido suponer
que la poblacin de fumadores prefiere la marca B, sobre la marca A.
Dada p
A
la probabilidad de que 56 de 200 fumadores prefieran la marca A, su
estadstico resulta

. p
A
= =
56
200
0 28
de tal forma que

. q
A
= 0 72 con n
1
= 200. Asimismo la probabilidad de que 29 de 150
prefieran la marca B resulta

. p
B
= =
29
150
0 19
de tal forma que
. q
B
= 0 81 con n
2
= 150. Por ltimo para el intervalo de 95% de confianza,
de las tablas porcentuales para la distribucin normal resulta que z
/2
= 1.96, empleando
la frmula correspondiente para p
A
p
B
( . . ) .
. . . .
( . . 0 28 0 19 1 96
0 28 0 72
200
0 19 0 81
150
0 28 0 19

+

< < p p
A B
)) .
. . . .
. .
+

+

< <
1 96
0 28 0 72
200
0 19 0 81
150
0 0018 0 1782 p p
A B
Como p
A
p
B
> 0 entonces p
A
> p
B
.
Por tanto, no es vlida la suposicin de que la poblacin 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 Panam, un
economista toma una muestra al azar de 400 personas de clase obrera, donde 25
resultaron sin empleo. Calcula la proporcin real de trabajadores desempleados en
Panam considerando 97% de un intervalo de confianza.
2. Un rector registr debidamente el porcentaje de calificaciones D y F otorgadas a
los estudiantes por dos profesores universitarios de historia. El profesor I alcanz
32% contra 21% del profesor II, con 200 y 180 estudiantes, respectivamente.
Considera90% de intervalo de confianza para la diferencia de proporciones.
3. Un antroplogo est interesado en la proporcin de individuos que presentan
braquicefalia en dos tribus indgenas. Supn 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 caracterstica. Considera 95% de intervalo
de confianza para la diferencia p
1
p
2
entre las proporciones de estas dos tribus.
10.2 Pruebas de hiptesis
En la seccin anterior se analizaron los intervalos de confianza para el clculo de
estimaciones sobre los parmetros y para tomar decisiones al trabajar con la poblacin
de inters. En esta seccin se estudiar otro mtodo estadstico que permita tomar deci-
siones en problemas relacionados con poblaciones que resultan muy difciles o imposibles
de analizar en su totalidad. Por ejemplo, para poder concluir con cierta veracidad sobre la
Ejemplo 14

También podría gustarte