Captulo 5

Intervalos de conanza
Como su nombre indica, el objetivo de un estadstico puntual para un parametro desconocido
de una poblacion, es acercarnos al verdadero valor del mismo dando un valor concreto a partir de
una muestra. Difcilmente esta estimacion acertara con el valor exacto del parametro. No obstante,
la pretension de dar con dicho valor puede ser excesiva, y podemos relajarla buscando simplemente
una aproximacion razonable del mismo. En esta lnea surgen los intervalos de conanza, para un
nivel de conanza dado.

1.

Deniciones

Denici
on 1.1. Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X con funcion de masa
P (o funcion de densidad f ), donde = (1 . . . k ) . Un estimador por intervalos de conanza
de i (al nivel de conanza 1 ), es una funcion que a cada posible muestra x1 . . . xN le hace
corresponder un intervalo (T1 T2 ) = (T1 (x1 . . . xN ) T2 (x1 . . . xN )), tal que, para todo :

P i (T1 T2 ) = P (x1 . . . xN ) : i (T1 (x1 . . . xN ) T2 (x1 . . . xN )) = 1 .

Para la construccion de intervalos de conanza, usaremos cantidades pivotales.

Denici
on 1.2. Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X con funcion de masa
P (o funcion de densidad f ), donde = (1 . . . k ) . Una cantidad pivotal para i es una
funcion C(X1 . . . XN ; i ) tal que su distribucion no depende de .
Una vez obtenida una cantidad pivotal C(X1 . . . XN ; i ), la construccion de un intervalo para
estimar es el siguiente:
- se eligen dos valores c1 y c2 tales que:

P (x1 . . . xN ) : c1 < C(X1 . . . XN ; i ) < c2 = 1 .

Observese que c1 y c2 no dependen de , al ser C(X1 . . . XN ; i ) una cantidad pivotal.

- Despejamos i de las desigualdades c1 < C(X1 . . . XN ; i ) < c2 .

Obtenemos as un estimador por intervalos de conanza para i . Observese que la cantidad pivotal
debe ser continua y monotona en i .
Necesitaremos, pues, obtener cantidades pivotales, y en este captulo describiremos la construccion
para los modelos mas importantes.
83

CAPITULO 5. INTERVALOS DE CONFIANZA

84

2.

Poblaciones normales

Sea X N ( ; ), y (X1 . . . XN ) una muestra aleatoria de dicha poblacion. El estimador media

tiene las siguientes propiedades:
muestral, X,
= V [X] = .
V [X]
N
N

= E[X] =
E[X]

Por otra parte, X1 . . . XN son variables aleatorias independientes, todas con la misma distribucion,
N ( ; ), y as

N ( ; / N ) .
X
Por otra parte, el estimador cuasivarianza muestral
N

S2 =

1
2
(Xi E[X])
N 1 i=1

tiene esperanza
E[S 2 ] = 2 .
Necesitaremos conocer la distribucion seguida por este estadstico. Se tiene la siguiente denicion:
Denici
on 2.1. Distribuci
on 2 ) Sean Z1 . . . ZN variables aleatorias independientes, todas con
distribucion N (0 ; 1). La distribucion 2 de Pearson con N grados de libertad (abreviadamente
2N ) es la distribucion de la variable aleatoria
N

Zi2 .

i=1

Esta distribucion esta asociada a la distribucion normal, y sus valores vienen dados por una tabla.
Es claro que si (X1 . . . XN ) es una muestra aleatoria de una poblacion X N ( ; ), entonces:

N 1 2
S =
2
=

(Xi )2
i=1
N

i=1

de manera que:

2 (Xi + X)
2
(Xi X)
=
2
2
i=1

(Xi )2
i=1
N

2N

N
)2


(X
X
2

)
+
(X
i
2
2
i=1

)2
)2
(X
(X
(Xi )2

2N
+
N
2
2
2
i=1

2
N

)2
(X
(Xi )2
X
2

=
N
= N
2N 1 .
2
2

/
N
i=1
=

Para evitar confusiones, denotaremos por S 2 a la variable aleatoria cuasivarianza muestral, y

por VX la varianza muestral. Se tiene la siguiente propiedad:

2. POBLACIONES NORMALES

85

Propiedad: [Lema de Fisher] Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X con
distribucion N ( ; ). Entonces:

N ( ; / N ) ;
X

N 1 2
S 2N 1 ;
2

y S 2 son independientes.
y, ademas, X
Igual que para la distribucion de la cuasivarianza de N variables aleatorias independientes con
igual distribucion N ( ), hemos introducido una nueva distribucion, necesitaremos las siguientes
nuevas deniciones.
Denici
on 2.2. Distribuci
on t de Student) Sean Y , X1 . . . XN variables aleatorias independientes, todas con distribucion N (0 ; 1). La distribucion t de Student con N grados de libertad
(abreviadamente tN ) es la distribucion de la variable aleatoria

1
N

Y
N

2
i=1 Xi

Y
1
N

.
2N

Denici
on 2.3. Distribuci
on F de FisherSnedecor) Sean X1 . . . Xm , Y1 . . . Yn variables
aleatorias independientes, todas con distribucion N (0 ; 1). La distribucion F de FisherSnedecor
con m y n grados de libertad (abreviadamente Fm;n ) es la distribucion de la variable aleatoria
1
m
1
n

2.1.

m
X2
ni=1 2i =
i=1 Yi

1
m
1
n

2m
.
2n

Cantidades pivotales en poblaciones normales

Recogemos, de manera resumida, las principales cantidades pivotales utilizadas para la construccion de estimadores por intervalos de conanza, para el caso de una poblacion X N ( ; ).
Distinguiremos el caso de un muestra y el de dos muestras.
Cantidades pivotales para el caso de una muestra
a) Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X N ( ; ), con conocido.
Entonces:

X
N (0 ; 1) y es una cantidad pivotal para .
/ N
b) Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X N ( ; ). Entonces:

X
tN 1 es una cantidad pivotal para
S/ N
N 1 2
S 2N 1 es una cantidad pivotal para 2 .
2

CAPITULO 5. INTERVALOS DE CONFIANZA

86

Observese que si (X1 . . . XN ) es una muestra aleatoria de una poblacion N ( ; ), entonces:

X

X
/ N

= tN 1
1 N 1 2
S/ N
S
2
N 1
por denicion de la distribucion t de Student con N 1 grados de libertad.
Cantidades pivotales para el caso de dos muestras
a) Sean (X1 . . . Xm ) e (Y1 . . . Yn ) muestras aleatorias independientes de las poblaciones
X N (1 ; ) e Y N (2 ; ), respectivamente. Entonces:
Y (1 2 )
X

tm+n2 y es una cantidad pivotal para 1 2

Sp m1 + n1
donde

2
(m 1)SX
+ (n 1)SY2
m+n2
2
y SY2 ,
puede interpretarse como una ponderacion de las cuasivarianzas muestrales SX
correspondientes a cada una de las muestras.

Sp2 =

b) Sean (X1 . . . Xm ) e (Y1 . . . Yn ) muestras aleatorias independientes de las poblaciones

X N (1 ; 1 ) e Y N (2 ; 2 ), respectivamente. Entonces:
2
SX
/12
Fm1;n1 y es una cantidad pivotal para 12 /22 .
SY2 /22

Observese que, en la situacion descrita para dos muestras:

1 m1 2
SX
S 2 / 2
m 1 12
= X2 12 Fm1;n1
1 n1 2
SY /2
SY
n 1 22

de ah la armacion del apartado b). La comprobacion del primer apartado excede el nivel de
este curso, y no se abordara.

2.2.

Intervalos de conanza en poblaciones normales

Utilizando las cantidades pivotales del apartado anterior, es sencillo obtener intervalos de conanza para los parametros de una poblacion normal. Distinguiremos diferentes casos:
Primer caso:
Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X N ( ; ), con conocido. Entonces:

+ z/2
z/2 X
X
N
N
es un intervalo de conanza para al nivel 1), siendo z el valor que verica P (Z > z ) = ,
para Z N (0 ; 1).

2. POBLACIONES NORMALES

87

Segundo caso:
Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X N ( ; ). Entonces:

+tN 1 ; /2 S
tN 1 ; /2 S X
es un intervalo de conanza para al nivel 1),
X
N
N
siendo tN ; el valor que verica que P (tN > tN ; ) = .
(N 1)S 2 (N 1)S 2
es un intervalo de conanza para 2 al nivel 1 ), siendo
b)

2N 1 ; /2 2N 1 ; 1/2
2N ; el valor que verica: P (2N > 2N ; ) = .
a)

Tercer caso:
Sean (X1 . . . Xm ) e (Y1 . . . Yn ) muestras aleatorias independientes de dos poblaciones normales
con igual desviacion tpica: X N (1 ; ) e Y N (2 ; ) , respectivamente. Entonces:

1
1
1
1
Y + tm+n2 ; /2 Sp
Y tm+n2 ; /2 Sp
+ X
+
X
m n
m n
es un intervalo de conanza para la diferencia de medias, 1 2 al nivel 1 ).
Cuarto caso:
Sean (X1 . . . Xm ) e (Y1 . . . Yn ) muestras aleatorias independientes de dos poblaciones normales:
X N (1 ; 1 ) e Y N (2 ; 2 ) , respectivamente. Entonces:

2
2
SX
/SY2
/SY2
SX

Fm1 ; n1 ; /2 Fm1 ; n1 ; 1/2

es un intervalo de conanza para la razon de varianzas, 12 /22 al nivel 1 ), siendo Fm ; n ;
el valor que verica: P (Fm ; n > Fm ; n ; ) = .
Observaci
on: En el manejo de las tablas correspondientes a la distribucion Fm ; n , conviene tener en
cuenta la siguiente relacion (observese el cambio de orden en los grados de libertad):
Fm ; n ; 1 = Fn ;1m ; .

2.3.

Ejemplos

Ejemplo 36 Una empresa fabrica bombillas cuya duracion en horas sigue una distribucion N ( ; 200).
Una muestra aleatoria de 36 bombillas ha dado una vida media de 7000 horas. Constr
uyase un intervalo de conanza al nivel del 99 para la vida media de las bombillas fabricadas por esa fabrica.
n: Tenemos una muestra de tama
Solucio
no N = 36 de una poblacion, X N ( ; 200), de varianza
conocida. Usaremos la cantidad pivotal:

X
N (0 ; 1) ;
200/6
y, para = 0.01, repartimos la probabilidad de manera equitativa a izquierda y derecha de la media
muestral x = 7000. En otras palabras, consideramos la igualdad:

7000
P c<
< c = 1 = 0.99 .
200/6

CAPITULO 5. INTERVALOS DE CONFIANZA

88

De la tabla para una N (0 ; 1) se tiene c = z/2 2.58 (pues /2 = 0.005). Construimos el intervalo
de conanza para , al nivel del 99 %, despejando en las desigualdades:
2.58 <

7000
< 2.58
200/6

de manera que:
21000 + 258
21258
200
2.58 =
=
= 7086
6
3
3
21000 258
20742
200
2.58 =
=
= 6914
> 7000
6
3
3

< 7000 +

(de la desigualdad izquierda)

(de la desigualdad derecha)

Resumiendo, el intervalo de conanza para al nivel del 99 % para la muestra dada es:

200
200
2.58 7000 +
2.58 = (6914 7086) .
I = 7000
6
6
Ejemplo 37 Una muestra aleatoria de 16 cigarrillos de una cierta marca tiene un contenido medio
de nicotina de 1.6mg. y una desviacion tpica de 0.7mg. Suponiendo que la variable X =contenido
de nicotina en un cigarrillo, sigue una distribucion N ( ; ), obtengase un intervalo de conanza
al 99 del contenido medio de nicotina por cigarrillo en esa marca.
n: En este caso se quiere estimar en una poblacion N ( ; ), con ambos parametros
Solucio
desconocidos. Partimos de una muestra de tama
no N = 16, con x = 1.6 y cuasidesviacion tpica
muestral

16
s = 0.72 0.723 .
15
Sabemos que en este caso hemos de usar la cantidad pivotal:
1.6
x
=
0.723/4
s/ N
que sigue una distribucion t de Student con N 1 = 15 grados de libertad. Para la muestra dada, el
intervalo de conanza para al nivel de conanza 1 queda

s
s
0.723
0.723
= 1.6 t15 ; /2

x tN 1 ; /2 x + tN 1 ; /2
1.6 + t15 ; /2
4
4
N
N
siendo t15 ; /2 el valor tal que P (t15 > t15 ; /2 ) = /2. Como en nuestro caso 1 = 0.99 entonces
= 0.01 y as, de la correspondiente tabla para la distribucion t de Student, obtenemos:
t15 ; /2 = t15 ; 0.005 = 2.947 .
El intervalo que nos piden es pues:

0.723
0.723
0.723
0.723
= 1.6 2.947
1.6 t15 ; /2
1.6 + t15 ; /2
1.6 + 2.947
4
4
4
4
(1.6 0.5327 1.6 + 0.5327)
= (1.0673 2.1327) .

2. POBLACIONES NORMALES

89

Observaci
on: En este ejemplo hemos tenido que calcular la cuasidesviacion t
pica muestral a

partir de la desviacion tpica muestral. Si seguimos el uso dado, denotando por v la desviacion

tpica muestral, vemos que:

v NN1
s
v N
v
=
=
=
N 1
N
N
N N 1
Podramos haber expresado el intervalo de conanza utilizando la desviacion tpica muestral:

v
v
x tN 1 ; /2
x + tN 1 ; /2

N 1
N 1
pero no usaremos esta expresion, para no liar la notacion. Tan solo hemos de tener cuidado al tomar
los datos del problema.
Ejemplo 38 Una muestra aleatoria de una poblacion N ( ; ) ha dado los diez valores siguientes
6.9 ; 5.7 ; 8.4 ; 9.3 ; 7.2 ; 8.5 ; 7.4 ; 9.1 ; 6.5 ; 7.6 .
Constr
uyase un intervalo de conanza de 2 al 95 .
n: Estamos ante una poblacion N ( ; ) de la que desconocemos ambos parametros. Para
Solucio
estimar por intervalos de conanza 2 usaremos la cantidad pivotal
N 1 2
S
2
que sabemos sigue una distribucion 2 con N 1 grados de libertad. As, de la muestra dada, tan
solo usaremos la cuasivarianza muestral:
N
1
2.
S2 =
(Xi X)
N 1 i=1

Los siguientes calculos dan con ella:

76.6
x =
= 7.66
10
1
(6.92 +5.72 +8.42 +9.32 +7.22 +8.52 +7.42 +9.12 +6.52 +7.62 ) 7.662
varianza muestral: v =
10
598.82
=
58.6756 = 59.882 58.6756 = 1.2064
10
10
12.064
1.34 .
s2 = v =
9
9
Para construir el intervalo pedido
(N 1)s2 (N 1)s2

2N 1 ; /2 2N 1 ; 1/2

hemos de calcular 2N 1 ; /2 y 2N 1 ; 1/2 , con N 1 = 9, /2 = (1 0.95)/2 = 0.025. Estos valores

son, respectivamente:
29 ; 0.025 = 19.023 ; 29 ; 10.025 = 29 ; 0.975 = 2.7 .
Sustituyendo en la expresion del intervalo de conanza para estimar 2 al nivel pedido, se obtiene:

9 1.34 9 1.34

(0.634 4.467)
19.023
2.7
como intervalo de conanza para estimar 2 al nivel del 95 %.

CAPITULO 5. INTERVALOS DE CONFIANZA

90

Ejemplo 39 Se ha ofrecido a un grupo de estudiantes elegir entre dar o no una hora complementaria
de clase semanal. El examen nal fue el mismo para todos los estudiantes. Del curso normal (sin clase
extra), 15 alumnos obtuvieron una puntuacion media de 76 con desviacion tpica 6, y 28 del curso con
hora complementaria una puntuacion media de 84 con desviacion tpica 5. Obtengase un intervalo
de conanza al 90 de la diferencia de puntuaciones medias, suponiendo que las poblaciones son
normales de varianzas iguales.
n: En las condiciones dadas es aplicable el intervalo
Solucio

1
1
1
1

X Y tm+n2 ; /2 Sp
+ X Y + tm+n2 ; /2 Sp
+
m n
m n
con
15
540
=
14
14
700
2
2 28
n = 28 ; y = 84 ; sY = 5
=
27
27

m = 15 ; x = 76 ; s2X = 62

y
(m 1)s2X + (n 1)s2Y
m+n2
540
14 14 + 27 700
1240
27
=
=
15 + 28 2
41

s2p =

Sustituyendo = 1 0.9 = 0.1, obtenemos, de la tabla para una distribucion t de Student con
15 + 28 2 = 41 grados de libertad1 :
t41 ; /2 = t41 ; 0.05 1.684
En denitiva, el intervalo de conanza para 2 al 90 %, dadas las dos muestras, es:

1240 28 + 15
1240 28 + 15
76 84 + 1.684
76 841.684
41
28 15
41
28 15

1240 43
1240 43
6 + 1.684
= 6 1.684
41 28 15
41 28 15

62 43
62 43
6 + 1.684
(8.9633 3.0367) .
= 6 1.684
41 21
41 21

Ejemplo 40 En un estudio sobre el tiempo de desarrollo de una especie de insectos en dos poblaciones aisladas, A1 y A2 , se obtuvieron los siguientes datos:
N1 = 13
N2 = 11

x1 = 4
x2 = 5

s1 = 3
s2 = 2.2 .

Suponiendo que el tiempo de desarrollo en la poblacion Ai sigue una distribucion N (i ; i ), para

i = 1 2, obtener un intervalo de conanza para el cociente de varianzas al nivel 0.80 .
1

En la tabla entregada en clase este dato esta mal escrito: debera poner 1.684 en lugar de 1.648.

3. OTRAS POBLACIONES

91

n: Un intervalo de conanza para el cociente 12 /22 , al nivel 0.80 = 1 con = 0.2, sera:
Solucio

S12 /S22
S12 /S22

FN1 1 ; N2 1 ; 0.1 FN1 1 ; N2 1 ; 0.9

De los datos dados, se obtiene de la correspondiente tabla (/2 = 0.1):
F12 ; 10 ; 0.1 = 2.2841 ;
El intervalo queda:

3.

y:

F12 ; 10 ; 0.9 =

32 /2.22 32 /2.22

2.2841 1/2.1878

1
1
=
0.4571 .
F10 ; 12 ; 0.1
2.1878

(0.8141 4.0682) .

Otras poblaciones

Cuando la muestra se obtiene de poblaciones con distribucion Bernoulli, o de Poisson, usaremos

intervalos de conanza asintoticos, para ponernos en la situacion anterior. Para ello las cantidades
pivotales utilizadas tendran una distribucion lmite (cuando N ) independiente de parametros
desconocidos.
n de Bernoulli
Intervalos de confianza para una distribucio
Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X B(1 ; p). Entonces:

(1

)
p (1 p)

X z/2
X + z/2
N
N

=frecuencia relativa de
es un intervalo de conanza para p al nivel 1 ), siendo p = X
exitos.
Estamos utilizando la siguiente cantidad pivotal asintotica:

p
X

p(q p)/N

N (0 ; 1) (aproximadamente, para N grande) .

n de Poisson
Intervalos de confianza para una distribucio
Sea (X1 . . . XN ) una muestra aleatoria de una poblacion X Poisson (). Entonces:

X z/2 /N X + z/2 /N
= X.

es un intervalo de conanza para al nivel 1 ), siendo

En este caso, la cantidad pivotal asintotica es:

N (0 ; 1) (aproximadamente, para N grande) .

/N

CAPITULO 5. INTERVALOS DE CONFIANZA

92

4.

Mnimo tama
no muestral

Un problema muy relacionado con la construccion de intervalos de conanza es el de determinar

el mnimo tama
no muestral necesario para obtener una determinada precision en nuestra estimacion.
Es decir, cuantos elementos tenemos que observar, al menos, para que el error cometido con la
estimacion no supere cierta cantidad.
Denici
on 4.1. El error de una estimacion por intervalos de conanza (al nivel 1 ) es la semi
amplitud del intervalo obtenido.
Ejemplo 41 Determinar el mnimo tama
no muestral de una poblacion N ( ; = 5), para que el
error de la estimacion por intervalos de conanza para al 95 , no sea superior a 0.5.
n: Estimaremos mediante un intervalo de conanza de la forma:
Solucio

z/2 X
+ z/2
X
N
N
con lo cual el error cometido sera

Error = z/2 .
N

Siendo = 1 0.95 = 0.05, /2 = 0.025y = 5, se quiere obtener el mnimo valor de N para que:
5
5
z0.025 = 1.96 0.5
N
N

de donde:

5 1.96 2
0.5

= 19.62 = 384.16 .

Es decir, necesitaremos observar 385 elementos para conseguir la precision deseada (error 0.5) para
esa estimacion.
Para otros intervalos, un calculo similar nos llevara a determinar, en cada caso, el mnimo tama
no muestral. Tengase en cuenta que este mnimo tama
no muestral ha de tomarse como un valor
orientativo. As, si obtenemos, para determinada precision, un mnimo tama
no muestral de 196, entenderemos que debemos observar alrededor de 200 elementos. Esto es esencial, sobre todo en los
casos en que el mnimo tama
no muestral depende de la muestra concreta obtenida.

5.

Intervalos de conanza m
as frecuentes

Recogemos por u
ltimo, los intervalos de conanza antes obtenidos, y alg
un otro, en una lista
esquematica. Se utiliza la siguiente notacion
(X1 . . . Xn ) muestra aleatoria (m.a.) de X.
n

1
x =
xi
n i=1

1
s =
(xi x)2
n 1 i=1
2

I = (a ) = (a a + )

 FRECUENTES
5. INTERVALOS DE CONFIANZA MAS

93

1. X N ( )

I
=
x

/2

n
Intervalo de conanza 1 para :

I = x tn1;/2
n

Intervalo de conanza 1 para 2 : I =

2. X B(1 p) (muestras grandes).
Intervalo de conanza 1 para p: I =
3. X P () (muestras grandes).
Intervalo de conanza 1 para : I =

desconocida

(n 1)s2
(n 1)s2

2n1;/2
2n1;1/2

x z/2

conocida

x(1 x)
n

x
x z/2
n

4. Dos poblaciones Normales independientes

X N (1 1 ), Y N (2 2 ) independientes

(X1 . . . Xn1 ) m.a. de X; se calcula x y s21 .

(Y1 . . . Yn2 ) m.a. de Y ; se calcula y y s22 .
s2p =

(n1 1) s21 + (n2 1) s22

n1 + n2 2

Intervalo de conanza 1 para 1 2 :

2
2
1 2
I = x y z/2
+
n 1 n2
I=

x y tn1 +n2 2;/2 sp

I = x y tf ;/2

1
1
+
n1 n2

s2
s21
+ 2
n1 n2

donde f = entero mas proximo a

Intervalo de conanza 1 para

1 , 2 conocidas

1 2 desconocidas, 1 = 2

1 2 desconocidas, 1 = 2

(s21 /n1 + s22 /n2 )2

s21 /n1 )2
n1 +1

12 /22 :

s22 /n2 )2
n2 +1

I=

2
s21 /s22

Fn1 1;n2 1;/2

(s21 /s22 ) Fn2 1;n1 1;/2

CAPITULO 5. INTERVALOS DE CONFIANZA

94

5. Comparacion de proporciones (muestras grandes e independientes)

X B(1 p1 ), Y B(1 p2 ), independientes.

(X1 . . . Xn1 ) m.a. de X; se calcula x y s21 .

(Y1 . . . Yn2 ) m.a. de Y ; se calcula y y s22 .

Intervalo de conanza 1 para p1 p2 : I = x y z/2

x (1 x) y (1 y)
+
n1
n2

6. Datos emparejados
(X Y ) Normal bivariante (1 2 1 2 ).

(X1 Y1 ) . . . (Xn Yn ) m.a. de (X Y ).

D = X Y N = 1 2 = 12 + 22 2 1 2
(D1 . . . Dn ) m.a. de D, donde Di = Xi Yi .
Intervalos de conanza 1 para o : aplicar Apartado 1 a la variable aleatoria D

 FRECUENTES
5. INTERVALOS DE CONFIANZA MAS

95

Problemas
1. En una poblacion se desea conocer la probabilidad de que un individuo sea alergico al polen de
las acacias. En 100 individuos tomados al azar se observaron 10 alergicos. Hallar el intervalo de
conanza al 95 % para la probabilidad pedida. Cuantos individuos se deberan observar para
que, con el mismo nivel de conanza, el error maximo en la estimacion de la proporcion de
alergicos sea del 0.01?
2. Se supone que el n
umero de erratas por pagina en un libro sigue una distribucion de Poisson.
Elegidas al azar 95 paginas, se obtuvieron los siguientes resultados:
N
umero de erratas
N
umero de paginas

0
40

1
30

2
15

3
7

4
2

5
1

Hallar el intervalo de conanza al 90 % para el n

umero medio de erratas por pagina en todo el
libro.
3. Se mide el tiempo de duracion (en segundos) de un proceso qumico realizado 20 veces en condiciones similares, obteniendose los siguientes resultados:
28 25 32 25 28 26 31 29 26 26 23 18 20 16 24 17 22 23 25 21 .

4.

5.

6.

7.

8.

Suponiendo que la duracion sigue una distribucion Normal, hallar los intervalos de conanza
al 90 % para ambos parametros.
La vida activa (en das) de cierto farmaco sigue una distribucion N (1200 ; 40). Se desea enviar
un lote de este farmaco de manera que la vida media del lote no sea inferior a 1180 das, con
probabilidad 0.95. Hallar el tama
no del lote.
Una noticia en el periodico dice que, de 1000 personas encuestadas sobre una cuestion, 556 se
muestran a favor y 444 en contra, y concluye armando que el 55.6 % de la poblacion se muestra
a favor, con un margen de error de 3 %. Cual es el nivel de conanza de esta armacion?
Se quiere estudiar la proporcion p de declaraciones de la renta con alg
un defecto. En una
muestra preliminar peque
na (muestra piloto) de tama
no 50 se han observado 22 declaraciones
defectuosas. Cual es el tama
no muestral necesario para estimar p cometiendo un error maximo
de 0.01 con una probabilidad 0.99?
En una gran zona ganadera se desea estimar la proporcion de ovejas que sufren cierta enfermedad degenerativa. Calcular el tama
no muestral necesario para estimar esta proporcion con un
error menor que 0.03 a un nivel de conanza del 0.95, sabiendo que, en una peque
na muestra
preliminar, se seleccionaron 30 ovejas, de las cuales 2 resultaron padecer la enfermedad.
En un estudio sobre el tiempo de desarrollo de una especie de insectos en dos poblaciones
aisladas, A1 y A2 , se obtuvieron los siguientes datos:
N1 = 13 x1 = 4 s1 = 3
N2 = 11 x2 = 5 s2 = 2.2 .
Suponiendo que el tiempo de desarrollo en la poblacion Ai sigue una distribucion N (i ; i ),
para i = 1 2, se pide:
a) Hallar un intervalo de conanza para el cociente de varianzas al nivel 0.80 .
b) Obtener un intervalo de conanza para 1 2 , con nivel de conanza 0.95 .
c) Cuantos individuos habra que observar para estimar 1 con un error maximo de 0.2 y
un nivel de conanza de 0.95?

96

CAPITULO 5. INTERVALOS DE CONFIANZA

9. Para construir un intervalo de conanza de la media poblacional de una N ( ; ) con conocida,

se ha utilizado una muestra de tama
no n y se ha obtenido el intervalo del 95 %. Como ha de
ser modicado el tama
no de la muestra para obtener el mismo intervalo con una conanza
del 99 %?
10. Una fabrica elabora dos artculos A y B, cuya demanda aleatoria sigue una distribucion normal
de medias A y B desconocidas, y desviaciones tpicas A = 100 y B = 50. Observados 100
puntos de venta, la demanda media de dichos artculos ha resultado de 200 y 150 unidades,
respectivamente. Constr
uyase un intervalo de conanza al 95 % para la diferencia de medias.
11. En una muestra aleatoria de 500 familias propietarias de televisor en una gran ciudad, se comprobo que 280 se haban suscrito a cierto canal de television. Obtengase un intervalo de conanza
del 95 % de la proporcion real de familias con televisor suscritas a dicho canal en esa ciudad.
12. Una maquina produce engranajes cuyo diametro, debido a imperfecciones inherentes al funcionamiento de la maquina, es una variable aleatoria con distribucion N ( ; = 0.03), de forma
que puede ser jada a voluntad mediante un reglaje de la maquina. Para que un engranaje
sea utilizable, su diametro debe estar comprendido entre 15.50 y 15.60 mm. Calc
ulese:
a) el valor de que hace maxima la proporcion de engranajes utilizables y dicha proporcion
maxima.
b) el tama
no n de la muestra de engranajes necesario para poder construir, a partir de la
media muestral x, un intervalo de conanza de al 95 % de amplitud menor que 0.02 mm.
13. De una poblacion normal de media desconocida se selecciona una muestra de tama
no n = 10,
resultando:
40, 45, 39, 46, 58, 52, 50, 45, 57, 49 .
Constr
uyase un intervalo de conanza al 95 % para el parametro , suponiendo que:
a) la varianza poblacional es 2 = 49;
b) la varianza poblacional es desconocida.
14. Sabiendo que X sigue una distribucion N ( ; = 4), calc
ulese el tama
no muestral mnimo
para que, con una conanza del 99 %, el intervalo (
x 1.5 x + 1.5) contenga al parametro .
15. El diametro (en centmetros) de diez piezas metalicas de forma esferica, seleccionadas al azar
de la produccion de una maquina, resulto
2.02, 1.98, 2.04, 1.99, 2.05, 2.00, 2.02, 2.00, 1.98, 2.03 .
a) Suponiendo que el diametro sigue una distribucion normal, constr
uyase un intervalo de
conanza al 95 % del diametro medio de las piezas producidas por esta maquina.
b) Cual debera ser el tama
no muestral mnimo si, a este nivel de conanza, se pretende dar
un intervalo de estimacion cuya amplitud no supere los 0.02 cm?
16. Con objeto de decidir si un nuevo proceso de fabricacion da mejores resultados que el antiguo, en
cuanto a la proporcion de elementos defectuosos, se selecciona una muestra de 1000 elementos
del nuevo proceso, y otra de 2000 del antiguo, resultando 40 y 140 elementos defectuosos,
respectivamente.
a) Obtengase un intervalo de conanza al 95 % para la diferencia de proporciones de elementos
defectuosos de ambos procesos.
b) Se puede armar que el n
umero de elementos defectuosos es signicativamente menor en
el nuevo proceso?

 FRECUENTES
5. INTERVALOS DE CONFIANZA MAS

97

nos de funciona17. Se desea conocer la probabilidad de que una pieza falle en los cinco primeros a
miento. En 100 piezas tomadas al azar se observaron 10 fallos. Halla el intervalo de conanza
de nivel 0.95 para la probabilidad pedida. Cuantas piezas se deberan observar para que, con
el mismo nivel de conanza, el margen de error en la estimacion de la proporcion de fallos sea
de 0.01?
18. En una poblacion, la altura de los individuos varones sigue una distribucion N (; = 7.5).
Halla el tama
no de la muestra para estimar con un margen de error inferior a 2 cm. para
un nivel de conanza 0.90.
19. En una explotacion minera, las rocas excavadas se someten a un analisis qumico para determinar su contenido porcentual de cadmio. Se puede suponer que este contenido es una variable
con distribucion normal de media y varianza 2 . Despues de analizar 25 rocas se obtiene
un contenido porcentual medio de 9.77 con una cuasidesviacion tpica de 3.164. La explotacion comercial de este mineral es economicamente rentable si el contenido medio en la mina es
superior al 8 %.
a) Construye un intervalo de conanza de nivel 95 % para el contenido porcentual medio de
cadmio en la mina.
b) Otro indicador de la calidad de la mina es la uniformidad de su contenido mineral medida
a traves de la varianza , que debe ser menor al 3 %. Construye un intervalo de conanza
de nivel 95 % para 2 .
20. Como parte de un estudio para la reduccion de los gases de efecto invernadero que emiten
los coches, se estudian los efectos de un determinado aditivo que reduce las emisiones. Sea X
el n
umero de kilometros recorridos por un coche con un litro de gasolina sin el aditivo. Sea
Y el n
umero de kilometros recorridos con un litro de gasolina con el aditivo. Se observan los
kilometros recorridos por litro de gasolina en ocho coches, cuatro de ellos sin aditivo. Los datos
que se obtienen son:
4

i=1

xi = 25.4

i=1

yi = 31.2

i=1

x2i

= 173.53

yi2 = 261.22

i=1

a) Suponiendo que el aditivo puede cambiar la media pero no la varianza, y especicando las
hipotesis necesarias, calcula un intervalo de conanza al 95 % para la diferencia de medias.
b) A la vista del intervalo obtenido en a), hay alguna indicacion de que el aditivo tiene alg
un
efecto en el n
umero de kilometros recorridos por litro de gasolina?
21. Se admite que el n
umero de microorganismos en una muestra de 1 mm c
ubico de agua de un
ro sigue una distribucion de Poisson de parametro . En 40 muestras se han detectado, en
total, 833 microorganismos. Calcula un estimador puntual y un intervalo de conanza al 90 %
para .