ESTIMACIN DE PARMETROS

El estudio de poblaciones estadsticas supone en general el conocimiento de la

funcin de probabilidad que gobierna el comportamiento aleatorio de la variable de
inters. En muchos casos sabemos o presumimos conocer la familia distribucional
de una poblacin. Sabemos por ejemplo que la poblacin es aproximadamente
normal; pero desconocemos la media y la varianza poblacionales. Sabemos que
la variable de inters es binomial pero desconocemos la probabilidad de xito
poblacional o el nmero de pruebas de Bernoulli. Sabemos que se trata de un
proceso de Poisson pero desconocemos el nmero de eventos raros por
intervalos. Presumimos que la variable es exponencial pero desconocemos el
parmetro que precisa la distribucin exponencial poblacional.
Lgicamente en todas estas situaciones la funcin de probabilidad de la variable
en

estudio

se

concreta

determinando

los

parmetros

poblacionales

correspondientes y para lograrlo se utilizan los denominados mtodos de

estimacin de parmetros.
La estimacin de uno o varios parmetros poblacionales desconocidos es posible
construyendo funciones de probabilidad de variables aleatorias muestrales, mas
conocidos como estimadores muestrales.
Dichos estimadores garantizaran un clculo o una aproximacin satisfactoria del
parmetro poblacional desconocido siempre que cumplan propiedades de:
insesgamiento o mxima simetra, varianza mnima o mxima concentracin de
los datos alrededor del parmetro estimado y mxima probabilidad.
Estimacin puntual
Cuando en una poblacin con familia distribucional conocida f(x, ) queremos
estimar el verdadero valor del parmetro poblacional utilizando como lente
; procedemos a seleccionar una
para determinarlo al estimador muestral

muestra de tamao n de dicha poblacin, calculamos a partir de ella un valor y

afirmamos entonces que k es una estimacin puntual de con un error,

por exceso o defecto, de valor k.
y de su desviacin
K depende en general de la variable aleatoria muestral

. En los casos de muestras grandes, cuando

los valores de la muestra

corresponden a variables aleatorias estadsticamente independientes (iid) y por lo

tanto se dan las condiciones del TLC, se tiene que:
/2 Z /2/ n, n 30
Maxk

que mejor precisa el parmetro ?

Pero como escoger el estimador

Hay dos mtodos generales: el mtodo de momentos y el mtodo de mxima

verosimilitud.
Mtodo de mxima verosimilitud
El mtodo de estimacin de mxima verosimilitud permite, en el caso de un
parmetro o n vector de parmetros poblacionales desconocidos, determinar el
estimador o vector de estimadores que maximizan la funcin de probabilidad
conjunta de una muestra de n v.a. seleccionadas de la poblacin en estudio.
Sea f(x, ) la fdp de una poblacin en la cual queremos determinar .
Sea x1,x2,.,xn una muestra de v.a. iid seleccionadas de dicha poblacin, a la
funcin de probabilidad conjunta L( ) de las n v.a. de la muestra la llamaremos
funcion de verosimilitud muestral, es decir:
L ( )=L(x1,x2,.,xn; )
Pero como las v.a. son independientes tenemos: L( ) = f(x1, ) f(x2, ).f (xn, ).
Es decir:
L ( )=
n

f(x , )
i

i 1

Estimador de mxima verosimilitud -EMV-

siempre que L(
) sea el valor de mxima
El EMV del parmetro es
probabilidad de la funcin de verosimilitud L es decir:

es el EMV de si y solo si L(
) es mximo

En la expresin L( )= f(x i , ) la funcin de verosimilitud varia con el

i 1

parmetro y para el proceso de optimizacin se considera que las x i son

constantes luego de haber determinado la muestra aleatoria.
Observe que como la funcin logaritmo natural es siempre creciente el EMV de
L( ) tambin optimiza a Ln (L( )) y podemos definir:
n

i 1

i1

l( )=Ln (L( ))= Ln ( f(x i , ) )= ln f(x i , )

n

y optimizar as: l
i 1

f ( xi , )
0 . Si
maximiza a l( ) es claro que
f( xi , )

) 0 y l(
) <0.
l(

Ejemplo: Considere una poblacin Bernoulli, calcule el EMV para la probabilidad

de xito poblacional p.
Sabemos que f(x,p)=px(1-p)1-x, x=0,1. De esta manera
n

i 1

i 1

x
1 x
L (p)= f(x i , p) p i (1 p) i

L (p)= p x (1 p)1 x
i

Y empleando la funcion logaritmo natural se tiene que:

l(p) lnL(p) ( x i )ln(p) (n x i )ln(1 p)


Observe que l(p) 0 p

1
x i y l(p ) 0 .
n

1.
Y ademas que 0 xi n 0 p
i 1

As si

xi 0

entonces

Y si xi n

entonces

Por lo tanto p

xi
n

L(p)=(1-p)n

que es mximo en p = 0

L(p)=pn que es mximo en p = 1

es el EMV para p Bernoulli

Ejemplo: Considere una poblacin Poisson y calcule el EMV para la tasa

poblacional de sucesos raros
Sabemos que

f(x, )

e x
x!

para x = 0,1,2,

n
L( )= f(xi, h)
1
xi
n
x
e n
L e i /x !
i
xi!
1

como x i ! es constante
l lnL n ( x )ln lnc
i
xi
xi
l n
0
entonces
es el EMV para Poisson

Observe que l

xi
0 , ya que xi 0 y 0 .
2

Ejemplo: Considere una funcin Pareto y calcule EMV para si la fda es

F x, , 1

con 0 x

y 0

con conocido y desconocido.

Primero

f(x,)=

F
x

ya que F, la fda, es la funcin integral de f, la fdp.

f(x,) = x-(+1)

La funcin de verosimilitud es

n
n
(1)
L f x , x
i
i
1
1
1

n n n

L
x

i
1

Aplicando logaritmo natural,

n
l n ln n ln ( 1) lnx
i
1
n
l n ln lnx 0 entonces
i

n x

n ln i

es el EMV para de Pareto

Si fuese desconocido se podra estimar como el mnimo muestral

=min (x1,x2,,xn)
n
2 0 .
observe que l

Ejercicios
Hallar el EMV para
a)

si f(x,)= e-x, x>0.

b)

si f(x,)=(+1)x, 0<x<1

calcule si
(x1=0.3, x2=0.5, x3=0.7, x4=0.62, x5=0.7,x6=0.3, x7=0.4, x8=0.55, x9=0.60,x10=0.65)
c)

Si una poblacin es lognormal, halle EMV para si conoce 2.

d)

2 si conoce .

e)

y 2 son desconocidos.

Estimacin Por Intervalos

pero queremos
Estamos en una poblacin conocida y desconocemos E
hallar un intervalo de valores que contenga a , adems conocemos o
podemos estimarla con un error pequeo. Para ello seleccionaremos una muestra

1,
2 ,
3 ,...
n . El Teorema Del Lmite Central permite afirmar que
aleatoria
Z

n z,0,1

y podemos afirmar con un nivel que P(-z /2 <Z< z /2 )=1-

Equivalentemente,

P - z /2

z
/2

=1-

z )=1-
P(E

/2

)= ,
Sustituyendo E (

z
P
1
2

afirmamos con confianza al 1 , que la

Al efectuar la estimacin puntual
diferencia absoluta entre el parmetro y el valor muestral
z

Denominado intervalo Z para , es decir,

est acotada por

z 2 1
P

con confianza 1-.

Intervalo para la proporcin p en una poblacin Binomial

Seleccionamos una muestra aleatoria conformada por (p 1, p2, p3,,pn) donde las

pi son v.a iid que cumplen E(pi)=p. Es claro que si p

x
p y p np 1 p
, E p
n

, segn el resultado previo de una poblacin binomial se tendr:

Z

E p

p
p

n z,0,1

y que con un nivel de significacin

siempre que np y n(1-p) 10

P(-z 2 Z z 2 ) 1

P(-z 2

)
p E(p
p

z 2 ) 1

P( p - E(p) z 2 P ) 1

p afirmamos con probabilidad 1- que

Como E p

p z 2 p 1
Pp
K z 2 p

p 1 p
n

es el error de estimacin

es la desviacin estndar de la distribucin binomial

= afirmamos con confianza 1- que.

Al hacer la estimacin puntual p

p z 2

1
n

O sea

(1 )
con confianza 1-
p z 2 p 1 p z 2
P p

Intervalo para la media en una poblacin normal

Intervalos Z para la media

Sea (x1, x2, x3,,xn) una muestra
aleatoria, o sea que las xi son i.i.d.,
esto es la fdp conjunta de la muestra
es
n

2
f(x1,x2,,xn;)= n xi , ,
1

As el EMV de es X y tambin
2
E( X )= y 2x
n

Si en una muestra con n 30 preestablecemos un nivel de significacin

podemos afirmar con probabilidad 1- que:

P X z 2
1
n

Es decir que con probabilidad 1- la diferencia absoluta mxima entre y x es,

z 2

o sea , si estimamos X x afirmamos que

n

P X z 2
1 x z /2
con confianza 1- .
n
n

Si 2 es desconocida se debe estimar mediante s2 calculado en la muestra

particular as afirmamos que:

s
s

P X z 2
1 x z /2
con confianza al 1
n
n

X
se introduce variabilidad en el numerador con X y en el
n

Aunque en Z= S

denominador con S este efecto se contrarresta con n grande.

Que pasa si 2 es desconocida y n<30?, que ahora si aumenta la variabilidad y
necesitamos una distribucin acampanada con colas robustas que permitan
mayor variabilidad, o sea, una distribucin T.

P(T>t

,v

)=

E(T)=0

V(T)=

n
n2

n>2

X
se distribuye segn Gosset como
n

Si la poblacin es normal entonces T= S

una t-student con n-1 grados de libertad. Observe que S se basa en el clculo de
x1 x, x 2 x,..., x n x de forma que en el clculo de

x =0 slo hay n-1

variables libremente determinadas. La n-sima depende de ellas, a este nmero

se le denomina grados de libertad v =n-1.
Si de una poblacin normal seleccionamos una muestra pequea n<30 y
calculamos X x y S=s preestableciendo un nivel de significacin podemos
construir un intervalo T bilateral de confianza 1- con v=n-1 grados de libertad
para as:


s
P X t 2 1
n1 n

( x t 2,n 1 s

n)

con confianza 1-

PROBLEMAS SELECCIONADOS
1. Ingenieros qumicos de la Universidad de Murcia (Espaa) realizaron una
serie de experimentos para determinar cul es la membrana ms efectiva
para usarse en un muestreador pasivo (Environmental science &
Technology, Vol.27, 1993). La efectividad de un muestreador pasivo se
midi en trminos de la tasa de muestreo, registrada en centmetros
cbicos por minuto. En un experimento se colocaron seis muestreadotes
pasivos con sus caras paralelas al flujo del aire, el cual tuvo una velocidad
de 90 centmetros por segundo. Despus de seis horas se determin la
tasa de muestreo de cada muetreador. Con base en los resultados, se
calcul un intervalo de confianza al 95% de (49.66, 51.48) para la tasa de
muestreo media.
a. Cul es el coeficiente de confianza para este intervalo?
b. Haga una interpretacin terica del coeficiente de confianza del inciso a.
c. Haga una interpretacin prctica del intervalo de confianza.
d. Qu supuestos son necesarios para que el intervalo produzca inferencias
vlidas?
2. La relacin terica entre flujo de calor y gradiente de temperatura para
materiales homogneos es bien conocida y se describe mediante una
ecuacin de Fourier. Sin embargo la relacin no se cumple para materiales
no homogneos como cuerpos porosos o con capilares, sistemas celulares,

suspensiones y pastas. Se efectu un experimento para estimar el tiempo

de relajacin trmica medio (definido como el tiempo necesario para
acumular la energa trmica que se requiera para una transferencia
propagadora de calor) de varios materiales no homogneos (Journal of
Heat Transfer, agosto de 1990). Se determin un intervalo de confianza al
95% de 20.0 6.4 segundos para el tiempo de relajacin trmica medio
de la arena.
a. Haga una interpretacin prctica del intervalo de confianza de 95 por
ciento.
b. Haga una interpretacin terica del intervalo de confianza de 95 por ciento.
3. Rocas inusuales en Las Siete Islas situadas en la parte baja del Ro San
Lorenzo en Canad han estado atrayendo a los gelogos a sta rea
durante ms de un siglo. Hace poco se complet un importante
reconocimiento geolgico de Las Siete Islas con el propsito de crear un
modelo tridimensional de gravedad del rea (Canadian Journal of Earth
Sciences, Vol. 27, 1990). Una de las claves para elaborar un modelo
objetivo es obtener una estimacin exacta de la densidad de las rocas. Con
base en muestras de diversas variedades de rocas, se obtuvo la siguiente
informacin sobre densidad de las rocas (en gramos por centmetro
cbico):
Tipo de roca
Gabbro tardo
Gabbro
masivo
Cumberlandit
a

Tamao de muestra
36

Densidad media
3.04

Desviacin estndar
0.13

148

2.83

0.11

135

3.05

0.31

a. Para cada tipo de roca, estime la densidad media con un intervalo de

confianza de 90 por ciento.
b. Interprete los intervalos del inciso a.

4. En Environmental science & Technology (diciembre de 1985) se inform

una evaluacin de la qumica y el reciclaje de metales traza en un lago
cido de los Adirondack. Se tomaron 24 muestras de agua del Lago Darts,
Nueva Cork, y se analizaron para determinar la concentracin de
particulados tanto de plomo como de aluminio.
a. Las mediciones de concentracin de plomo tuvieron una media de
9.9nmol/l. Calcule un intervalo de confianza al 99% para la
verdadera concentracin media de plomo en las muestras de agua
tomadas del Lago Darts.
b. Las mediciones de concentracin de aluminio tuvieron una media de
6.7nmol/l y una desviacin estndar de 10.8nmol/l. Calcule un
intervalo de confianza al 99% para la verdadera concentracin media
de aluminio en las muestras de agua tomadas del Lago Darts.
c. Qu supuestos son necesarios para que los intervalos de los
incisos a y b sean vlidos?
5. Segn un estudio, la mayora de las personas que mueren a causa del
fuego y el humo en edificios divididos en compartimentos resistentes a los
incendios el tipo que se utiliza para hoteles, moteles, apartamentos e
instalaciones

de

salubridad-

mueren

al

intentar

evacuar

(Risk

Management, febrero de 1986). Los datos que siguen representan los

nmeros de vctimas que intentaron evacuar, para una muestra de 14
incendios recientes en edificios resistentes al fuego, divididos en
compartimentos, informados en el estudio.
Incendio
Las Vegas Hilton (Las Vegas)
Inn on the Park (Toronto)
Westchase Hilton (Houston)
Holiday Inn (Cambridge, Ohio)
Conrad Hilton (Chicago)

Murieron en intento de
evacuacin
5
5
8
10
4

Providence College (Providence)

8
Baptist Towers (Atlanta)
7
Howard Johnson (New Orleans)
5
Cornell University (Ithaca, New York)
9
Wesport Central Apartments (Kansa City, Missouri)
4
Orrington Hotel (Evanston, Illinois)
0
Hartford Hospital (Hartford, Connecticut)
16
Milford Plaza (New York)
0
MGM Grand (Las Vegas)
36
a. Exprese el supuesto, en trminos del problema, que se requiere para
que una tcnica de intervalo de confianza de muestra pequea sea
vlido.
b. Utilice la informacin de listado MINITAB que e representa aqu para
construir un intervalo de confianza de 98% para ekl verdadero
nmero medio de vctimas por incendio que mueren al tratar de
evacuar edificios resistentes al fuego divididos en compartimentos.
c. Interprete el intervalo construido en el inciso b.
numdied

N
14

MEAN
8.36

STDEV
8.94

SE MEAN
2.39

98.0 PERCENT C.I.

(2.02, 14.69

6. El Journal of the American Association (21 de abril de 1993) inform de los

resultados de una encuesta de entrevistas sobre salud a nivel nacional en
EE.UU. diseada para determinar la frecuencia del hbito de fumar entre
adultos de este pas. Mas de 40.000 adultos respondieron a preguntas
como: Ha fimado por lo menos 100 cigarrillos en su vida? y Fuma
cigarrillos ahora? A los fumadores actuales (mas de 11.000 adultos en la
encuesta) tambin se les pregunt:En PROMEDIO, Cuntos cigarrillos
fuma al da?, Los resultados arrojan una media de 20.0 cigarrillos por da
con un intervalo de confianza de 95% de (19.7, 20.3).
a. Interprete el intervalo de confianza de 95%.
b. Exprese cualquier supuesto sobre la poblacin objetivo de
fumadores actuales de cigarrillos que deben satisfacerse para que
las inferencias derivadas del intervalo sean vlidas.

c. Un investigador de la industria tabacalera asegura que el nmero

medio de cigarrillos fumados al da por fumadores consuetudinarios
de cigarrillos es menor de 15. Comente esta aseveracin.
7. Las avispas tropicales fundadoras de enjambres dependen, al igual que las
hormigas y las abejas, de obreras para la cra de su prole. Resulta
interesante que las obreras de esta especie de avispas son en su mayor
parte hembras, capaces de tener sus propios descendientes. En vez de
hacerlo, cran la prole de otros miembros de la nidada. Una posible
explicacin de ste extrao comportamiento es la endogamia, lo que
incrementa el grado de parentesco entre las avispas y permite a las obreras
distinguir y ayudar a sus parientes ms cercanas. A fin de probar esta
teora, se capturaron 197 avispas fundadoras de enjambres en Venezuela,
se congelaron a -70C y luego se sometieron a una serie de pruebas
genticas (Science, noviembre de 1988). Los datos sirvieron para generar
un coeficiente de endogamia, x para cada espcimen de avispa, con los
siguientes resultados: x 0.044 y s = 0.884
a. Construya un intervalo de confianza de 90% para el coeficiente de
endogamia medio de esta especie de avispa.
b. Un coeficiente de cero implica que la avispa no tiene tendencia a la
endogamia. Utilice el intervalo de confianza del inciso a para hacer
una inferencia acerca de la tendencia de esta especie de avispa a la
endogamia.
8. Los nmeros de la tabla representan tiempo de CPU (en segundos) para la
resolucin de 52 problemas matemticos polinmicos 0-1 aleatorios
resueltos empleando un algoritmo hbrido. El listado SAS que se representa
ms adelante proporciona un diagrama de ramas y hojas y estadsticas
descriptivas del conjunto de datos. Utilice esta informacin para estimar,
con 95% de confianza, el tiempo de resolucin medio del algoritmo hbrido.

0.045
0.136
0.088
0.361
0.182
0.179
0.182
Stem
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
1
0
0

0.136
0.130
0.194
0.049
1.055
0.336
0.242

8.788
0.036
0.118
0.070
0.091
0.145
0.209

0.079
0.136
0.258
1.639
0.579
0.394
0.333

3.985
0.600
4.170
0.258
1.894
1.070
0.912

1.267
0.209
0.554
0.670
0.291
0.227
3.046

0.379
0.506
0.412
0.567
0.445
0.258
0.888

0.327
0.064
0.045

Leaf
8

0 2
9
0

2
1
1

6
1
5
0

9
1 3
6 6 6 6 7 9
0 0 0 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 4 4 4 4 4

9. Un fabricante produce anillos para los pistones de un motor de automvil.

Se sabe que el dimetro del anillo est distribuido aproximadamente de
manera normal, y que tiene una desviacin estndar = 0.001mm. Una
muestra aleatoria de 15 anillos tiene un dimetro promedio de
x 74..036mm

a. Construya un intervalo de confianza bilateral del 99% para el

dimetro promedio del anillo
b. Construya un lmite inferior de confianza del 95% para el dimetro
promedio del anillo
c. Supngase que se desea una confianza del 95% en que el error en
la estimacin de la duracin promedio sea menor que 5 horas. Qu
tamao de muestra debe utilizarse?

2
3
7
35

d. Supngase que se desea que el ancho total del intervalo de

confianza bilateral sea de seis horas, con una confianza del 95%.
Qu tamao de muestra debe emplearse para este fin?
10. Se sabe que la duracin, en horas de un foco de 75 watts tiene una
distribucin aproximadamente normal, con una desviacin estndar de
=25 horas. Se toma una muestra aleatoria de 20 focos, la cual resulta
tener una duracin promedio de x 1014 horas.
11. Un ingeniero civil analiza la resistencia a la compresin del concreto. La
resistencia est distribuida aproximadamente normal, con una varianza
2=1000(psi)2. Al tomar una muestra aleatoria de 12 especimenes, se tiene
que x 3250 psi.
a. Construya un intervalo de confianza bilateral del 95% para la
resistencia a la compresin promedio.
b. Construya un intervalo de confianza bilateral del 99% para la
resistencia a la compresin promedio. Compare el ancho de este
intervalo de confianza con el ancho encontrado en el inciso a.
c. Suponga que se desea estimar la resistencia a la compresin con un
error menor que 15 psi para un nivel de confianza del 99%. Qu
tamao de muestra debe emplearse para este fin?
12. Se utilizan dos mquinas para llenar botellas de plstico con detergente
para mquinas lavaplatos. Se sabe que las desviaciones estndar del
volumen de llenado son 1=0.10 onzas de lquido y 2=0.15 onzas de
lquido para las dos mquinas, respectivamente. Se toman dos muestras
aleatorias, n1=12 botellas de la mquina 1 y n 2=10 botellas de la mquina 2.
Los

volmenes

promedio

de

llenado

son

x1 30.87 onzas de lquido y x 2 30.68 onzas de lquido.

a. Construya un intervalo de confianza bilateral del 90% para la

diferencia entre las medias del volumen de llenado

b. Construya un intervalo de confianza bilateral del 95% para la

diferencia entre las medias del volumen de llenado. Compare el
ancho de este intervalo el ancho encontrado en el inciso a.
c. Construya un intervalo de confianza superior del 95% para la
diferencia entre las medias del volumen de llenado.
13. Se estudia la tasa de combustin de dos propelentes slidos utilizados en
los sistemas de escape de emergencia de los aeroplanos. Se sabe que la
tasa de combustin de los dos propelentes tiene aproximadamente la
misma desviacin estndar; esto es, 1 2 3cm/s. Se prueban dos
muestras aleatorias de n1=20 y n2=20 especimenes; las medias muestrales
de la tasa de combustin son x1 18cm/s y x 2 24cm/s .
a. Construya un intervalo de confianza bilateral del 99% para la
diferencia entre medias de la tasa de combustin.
b. Qu tamao de muestra debe utilizarse en cada poblacin si se
desea que el error en la estimacin de la diferencia entre las medias
de las tasas de combustin sea menor que 4cm/s con una confianza
del 99%?
14. Se prueban dos frmulas diferentes de un combustible oxigenado para
motor en cuanto al octanaje. La varianza del octanaje para la frmula 1 es
12 1.5 . Mientras que para la formula 2 es 22 1.2 . Se prueban dos

muestras aleatorias de tamao n1=15 y n2=20. Los octanajes promedio

observados son x1 89.6 y x 2 92.5 .
a. Construya un intervalo de confianza bilateral del 95% para la
diferencia en el octanaje promedio.
b. Qu tamao de muestra debe utilizarse en cada poblacin si se
desea tener una confianza del 95% de que el error al estimar la
diferencia entre las medias de octanaje sea menor que uno?

15. Considere el intervalo de confianza para con desviacin estndar

conocida:
x z1 / n x z 1 / n

donde

1 2 .

Sea

=0.05.

Encuentre

el

intervalo

para

1 2 2 0.025 . Ahora encuentre el intervalo para el caso donde

1 0.01 y 2 0.04 . Qu intervalo es mas pequeo? Existe alguna

ventaja con respecto al intervalo de confianza simtrico?

16. En un proceso qumico se fabrica cierto polmero. Normalmente, se hacen
mediciones de viscosidad despus de cada corrida, y la experiencia
acumulada indica que la variabilidad en el proceso es muy estable, con
=20. Las siguientes son 15 mediciones de viscosidad por corrida: 724,
718, 776, 760, 745, 759, 795, 756, 742, 740, 761, 749, 739, 747, 742.
Encuentre un intervalo de confianza bilateral del 90% para la viscosidad
promedio del polmero.
17. Se piensa que la concentracin del ingrediente activo de un detergente
lquido para ropa, es afectada por el tipo de catalizador utilizado en el
proceso de fabricacin. Se sabe que la desviacin estndar de la
concentracin activa es de 3g/l, sin importar el tipo de catalizador utilizado.
Se realizan 10 observaciones con cada catalizador, y se obtienen los datos
siguientes:
Catalizador 1: 57.9, 66.2, 65.4, 65.4, 65.2, 62.6, 67.6, 63.7, 67.2, 71.0
Catalizador 2: 66.4, 71.7, 70.3, 69.3, 64.8, 69.6, 68.6, 69.4, 65.3, 65.3
a. Encuentre un intervalo de confianza del 95% para la diferencia entre las
medias de las concentraciones activas para los dos catalizadores.
b. Existe alguna que indique que las concentraciones activas medias
dependen del catalizador utilizado?

VALORES CRTICOS DE LA DISTRIBUCIN t

0.1

0.05

0.025

0.01

0.005

1
2
3
4
5

3.078
1.886
1.638
1.533
1.476

6.314
2.920
2.353
2.132
2.015

12.706
4.303
3.182
2.776
2.571

31.821
6.965
4.541
3.747
3.365

63.657
9.925
5.841
4.604
4.032

6
7
8
9

1.440
1.415
1.397
1.383

1.943
1.895
1.860
1.833

2.447
2.365
2.306
2.262

3.143
2.998
2.896
2.821

3.707
3.499
3.355
3.250

10

1.372

1.812

2.228

2.764

3.169

11
12
13
14
15

1.363
1.356
1.350
1.345
1.341

1.796
1.782
1.771
1.761
1.753

2.201
2.179
2.160
2.145
2.131

2.718
2.681
2.650
2.624
2.602

3.106
3.055
3.012
2.977
2.947

16
17
18
19
20

1.337
1.333
1.330
1.328
1.325

1.746
1.740
1.734
1.729
1.725

2.120
2.110
2.101
2.093
2.086

2.583
2.567
2.552
2.539
2.528

2.921
2.898
2.878
2.861
2.845

21
22
23
24
25

1.323
1.321
1.319
1.318
1.316

1.721
1.717
1.714
1.711
1.708

2.080
2.074
2.069
2.064
2.060

2.518
2.508
2.500
2.492
2.485

2.831
2.819
2.807
2.797
2.787

26
27
28
29
inf.

1.315
1.314
1.313
1.311
1.282

1.706
1.703
1.701
1.699
1.645

2.056
2.052
2.048
2.045
1.960

2.479
2.473
2.467
2.462
2.326

2.779
2.771
2.763
2.756
2.576