Está en la página 1de 39

UNIDAD ACADMICA No. 04.

Nombre de la Unidad: Distribuciones Mustrales y Estimacin por Intervalos

Introduccin:
Como se mencion en el captulo uno las nociones de poblacin y muestra son
parte fundamental en cualquier investigacin , en este capitulo se estudiaran de
manera mas amplia, en particular en el contexto del concepto de variables
aleatorias, destacando la importancia de conocer la distribucin muestral de un
estadgrafo ya que con esta se puede realizar el proceso de inferencia del
parmetro, dado que casi nunca es posible tomar todas las muestras de una
poblacin , conociendo la distribucin del estimador se puede hacer la inferencia
del mismo a partir de una sola muestra , de igual forma se puede estimar el error
para un tamao de muestra dado.

Objetivo General de la Unidad: En los anteriores captulos se estudiaron las


poblaciones y los parmetros que las describen. Estas poblaciones eran discretas
o continuas , y se uso la probabilidad como una herramienta para determinar que
tan probables podran ser ciertos resultados muestrales . En este captulo, el
enfoque cambia ya que estudiaremos muestras y estadsticos que los describen.

Objetivos Especficos del Unidad:

Manejar el concepto del teorema del lmite central.


Comprender y aplicar las distribuciones muestrales de medias , varianzas y
proporciones.
Realizar estimaciones por intervalos para la media , proporcin y para la
varianza.

RESUMEN

En el presente capitulo se describirn las distribuciones mustrales de medias


y varianzas en variables cuantitativas, la distribucin muestral de proporciones
para variables cualitativas , con las anteriores bases realizar estimaciones por
intervalos y su aplicacin en ciencias e Ingeniera.

GLOSARIO
MUESTRA ALEATORIA DE TAMAO n : Es un conjunto de n individuos
tomado de tal manera que cada subconjunto de tamao n de la poblacin
tenga la misma probabilidad de ser elegido como muestra; es decir, si la

Pgina 1 de 39
poblacin tiene tamao N, cada una de las combinaciones posibles de n
elementos debe ser equiprobable.
PARAMETROS: Se llama parmetros poblacionales a cantidades que se
obtienen a partir de las observaciones de la variable y sus probabilidades y
que determinan perfectamente la distribucin de esta, as como las
caractersticas de la poblacin, por ejemplo: La media, , la varianza 2, la
proporcin de determinados sucesos, P.
ESTADISTICO: Es una medida cuantitativa, derivada de un conjunto de
datos de una muestra, con el objetivo de estimar o inferir caractersticas de
una poblacin o modelo estadstico.

Desarrollo temtico.
4.1 Teorema del lmite central.
4.2 Distribucin muestral de medias
4.3 Distribucin muestral de la varianza
4.4 Distribucin muestral de las proporciones
4.5 Estimacin por intervalos

4.1 Teorema del limite central.

4.1.1. Error Muestral

Cuando se calcula un estadstico a partir de una muestra llmese media,


desviacin estndar o proporcin para estimar parmetros poblacionales siempre
conlleva algn error , por ejemplo supongamos que en un grupo de estadstica
tenemos 40 estudiantes (poblacin) y promediamos su estatura obtenindose
=1,68 m ( Parmetro poblacional) si elegimos una muestra aleatoria de 15
estudiantes y calculamos la media muestral de estaturas obtenindose
x 1,72m (Estadstico) ,observamos que existe una diferencia entre el parmetro y
el estadstico que denominamos error muestral

e x 1,68 1,72 0,04

Ejemplo:

Suponga que la tabla siguiente muestra la antigedad en aos en el trabajo de


cuatro profesores universitarios de matemticas:

Pgina 2 de 39
Profesor de matemticas Antigedad
A 16
B 10
C 8
D 26

Si se toman muestras de tamao 2 sin reemplazo. Calcular la media para cada


muestra, la media de la distribucin muestral y el error estndar.

1) Se pueden tener 4C2 =6 muestras posibles. La tabla lista todas las muestras
posibles de tamao 2, con sus respectivas medias muestrales.

Muestras Antigedad Media Muestral

A,B (16,10) 13

A,C (16,8) 12

A,D (16,26) 21

B,C (10,8) 9

B,D (10,26) 18

D,C (8,26) 17

2) La media poblacional est dada por:

16 10 8 26
15
4

3) La media de la distribucin muestral es:

13 12 21 9 18 17
x 15
6
Con lo cual podemos deducir que :

x
La media poblacional es igual a la media de todas las medias muestrales.

Pgina 3 de 39
4) La desviacin estndar de la poblacin est dada por:

x i
2

i 1

N
En este caso:


16 152 10 152 8 152 26 152 7
4
5) El error estndar o la desviacin estndar de la distribucin muestral es:

x
13 152 12 152 21 152 9 152 18 152 17 152
6
x 4,0414519

Si utilizamos la frmula del error estndar sin el factor de correccin por poblacin
finita tendramos que:


x
n
Donde " n" es el tamao de la muestra

Evaluando:

7
x 4,9497475
2

Como se observa difiere de la desviacin estndar de las medias mustrales


calculada. Por lo anterior hay que aplicar el factor de correccin para poblacin
finita as:

N n
x
n N 1

Pgina 4 de 39
Calculando

7 42
x 4,0414519
2 4 1
De lo cual concluimos que la desviacion estandart de las medias muestrales es
igual a la desviacion estandart poblacional sobre la raiz del tamao de las
muestras por el factor de correccion, en caso de ser poblaciones finitas.

4.1.2. Teorema del limite central1

Si se seleccionan muestras aleatorias de tamao n de una poblacin con media


y desviacin estndar , entonces, si n es grande, la distribucin muestral
de medias tendr aproximadamente una distribucin normal con una media igual a

y una desviacin estndar de x . La aproximacin ser cada vez
n
ms exacta a medida de que n sea cada vez mayor.1
1
Tomado de : http://www.itch.edu.mx/academic/industrial/estadistica1/u0102.pdf

4.2. Distribucin Muestral de medias

Recordemos que en la distribucin normal la variable estandarizada nos permita


calcular la probabilidad de un evento dada una variable aleatoria mediante:

x
Z

Donde
Z N de desviaciones es tan dart que esta" x" de la" "
x Variable Aleatoria
Media Poblaciona l
Desviacion Es tan dart Poblaciona l

Cuando se extraen muestras de tamao mayor a 30 o bien de cualquier tamao


de una poblacin normal, la distribucin muestral de medias tiene un
comportamiento aproximadamente normal, por lo que se puede utilizar la frmula

de la distribucin normal con x y x , entonces la frmula para
n

Pgina 5 de 39
calcular la probabilidad del comportamiento del estadstico, en este caso la media
de la muestra , quedara de la siguiente manera:
x
Z
x
Donde
Z N de desviaciones es tan dart que esta" x" de la" "
x Media Muestral
Media Poblaciona l

x Desviacion Es tan dart de las medias muestrales
n
Desviacion Es tan dart Poblaciona l
n Tamao de muestra

En general se utiliza:

x
Z

n
y para poblaciones finitas y muestro con reemplazo:

x N n
Z
N 1
n
Ejemplo:

Una empresa elctrica fabrica 1000 focos diarios, que tienen una duracin que se
distribuye aproximadamente en forma normal, con media de 900 horas y
desviacin estndar de 50 horas. Encuentre la probabilidad de que una muestra
aleatoria de 20 focos tenga una vida promedio de:

a) Menos de 890 horas


b) Ms de 920 horas
c) Entre 850 y 950 horas

Pgina 6 de 39
Solucin:

a) Identificamos los elementos

N= 1000
=900
n= 20
= 50

P x 890 ?
Grficamente:

Al estandarizar

890 900 1000 20


Z 0,89
50 1000 1
20
Por lo tanto

P x 890 PZ 0,89
Que en la tabla de la distribucin normal:
PZ 0,89 0,1894 19%
Con lo que podemos concluir que hay una probabilidad del 19% de que en muestras de
tamao 20 el promedio de la muestra sea menor de 890 horas. En otras palabras si
tomamos 100 muestras de tamao 20 en 19 de estas muestras el promedio ser menor
de 890 horas.

Pgina 7 de 39
b)
N= 1000
=900
n= 20
= 50

P x 920 ?

Estandarizando

920 900 1000 20


Z 1,77
50 1000 1
20
Por lo tanto

P x 920 PZ 1,77
Que en la tabla de la distribucin normal:
PZ 1,77 1 0,9616 0,0384 4%

c)
N= 1000
=900
n= 20
= 50

P 850 x 950 ?

Estandarizando

850 900 1000 20


Z -4,43
50 1000 1
20
950 900 1000 20
Z 4,43
50 1000 1
20

Pgina 8 de 39
Por lo tanto

P 850 x 950 P 4,43 Z 4,43
Que en la tabla de la distribucin normal:
PZ 1,77 0,999995288 4,71165E - 06 0,999990577 100%

4.2.1. Distribucin Muestral para la diferencia de promedios


En la anterior distribucin el cientfico o ingeniero estaba interesado en apoyar una
conjetura de la media con una poblacin , sin embargo en muchas ocasiones el
inters puede ser en dos o mas poblaciones y las diferencias entre ellas , situacin
que podemos resumir asi : si se extraen al azar muestras independientes de
tamaos n1 y n2 de dos poblaciones discretas o continuas , con medias
poblacionales 1 y 2 y desviaciones estndar 1 y 2 respectivamente , entonces
la distribucin muestral para la diferencia de medias estar dada por:

Z
x 1
x 2 1 2
12 22

n n
1 2

Ejemplo:
Dos tipos de pintura ofrecen un tiempo de secado promedio de 80 y 60 minutos
respectivamente con una desviacin estndar de 15 y 13 minutos , si tomamos
muestras aleatorias de tamaos 25 y 36 respectivamente .Encontrar la
probabilidad de que la media muestral calculada de las 25 mediciones exceda la
media muestral de Las 36 mediciones en por lo menos 10 minutos .

Pintura 1
1=80
n1= 25
1= 15
Pintura 2
2=60
n2= 36
2= 13

P x1 x2 10 ?

Pgina 9 de 39
Z
10 80 60 2,7
15 2 132

25 36

P x1 x2 10 PZ 2,7

Grficamente

Que en la tabla de la distribucin normal:

PZ 2,7 1 0,0035 0,9965 99,7%

En una prueba de aptitud la puntuacin media de los estudiantes es de 72


puntos y la desviacin estndar es de 8 puntos. Cul es la probabilidad de
que dos grupos de estudiantes, formados de 28 y 36 estudiantes,
respectivamente, difieran en su puntuacin media en:
a. 3 ms puntos.
b. 6 o ms puntos.
c. Entre 2 y 5 puntos.

Grupo 1
1=72
n1= 28
1= 8
Pintura 2
2=72
n2= 36
2= 8

Pgina 10 de 39

P x1 x2 3 ?

Z
3 0
8 2 82

28 36

4.3. Distribucin Muestral de la Varianza

Si se extrae una muestra aleatoria de tamao n de una poblacin normal con


media , y varianza 2 ,y se calcula la varianza muestral , se obtiene el valor del
estadstico s2 que se utilizara para conocer la 2, mediante una variable aleatoria
chi cuadrada con n-1 grados de libertad . Formalizando con el siguiente teorema:
si s2 es la varianza de una muestra aleatoria de tamao n que se toma de una
poblacin normal que tiene varianza 2 entonces el estadstico :

2

n 1s 2
2

Tiene una distribucin chi cuadrado con v n 1 , grados de libertad.

Ejemplo:

Un fabricante de bateras garantiza que su producto dura en promedio 2,5 aos


con una desviacin estandart de 0,8 aos . Si se toma una muestra aleatoria de 8
bateras y resulto que x 2,8 y s 1,2 Tiene razn el fabricante respecto a la
desviacin estndar poblacional?
1) Calculamos el estadstico

2

8 1 *1,2 2
15,75
0,8 2

2) Si asumimos un 95% de probabilidad central es decir a la izquierda 0,025 y


a la derecha 0,975 , para la afirmacin del fabricante , debemos remitirnos a
la distribucin chi cuadrado con v=8-1 = 7 grados de libertad, los valores
crticos sern:

Pgina 11 de 39
Este ser el valor critico (1,690) a la izquierda , y a la derecha ( 16,013)

Pgina 12 de 39
Como el estadgrafo esta dentro de estos valores podemos afirmar con un 95% de
confianza que el fabricante tiene la razn en su afirmacin respecto a la varianza

Pgina 13 de 39
4.4. Distribucin Muestral de las Proporciones2

Cuando se requiere investigar la proporcin de algn atributo en una muestra


(variables cualitativas). La distribucin muestral de proporciones es la adecuada
para dar respuesta a estas situaciones. Esta distribucin se genera de igual
manera que la distribucin muestral de medias, a excepcin de que al extraer las
muestras de la poblacin se calcula el estadstico proporcin (p=x/n en donde "x"
es el nmero de xitos u observaciones de inters y "n" el tamao de la muestra)
en lugar del estadstico promedio. La frmula que se utilizar para el clculo de
probabilidad en una distribucin muestral de proporciones est basada en la
aproximacin de la distribucin normal a la binomial . Esta frmula nos servir
para calcular la probabilidad del comportamiento de la proporcin en la muestra.
2
Con base a:
http://www.itch.edu.mx/academic/industrial/estadistica1/cap01b.html#distribucionmuestral
proporciones

pP
Z

P* Q
n
Donde :
p : Pr oporcion Muestral

P : Pr oporcion Poblaciona l

Q 1 P
n : Tamao de Muestra
Si es una poblacin finita:


pP N n
Z
N 1
P* Q
n

Pgina 14 de 39
Ejemplo:

La proporcin de hogares en cierta cuidad que usa gas natural es del 45% , si se
toma una muestra aleatoria de 250 hogares determinar la probabilidad de que La
proporcin de la muestra de hogares con gas natural sea :
a) menor del 40%
b) Mayor del 49%

a)

Solucin:

Datos:

n=250 Hogares

P 0,45

P p 0,40 ?

Como se esta aproximando la binomial mediante la normal se debe restar el factor


de correccin
0,5
p p
n
Por lo tanto la formula seria

p P
Z

P* Q
n
Evaluando:

0,5
0,4 0,45
250
Z 1,65
0,45 * (1 0,45)
250

P p 0,40 PZ 1,65
PZ 1,65 0,0495 5%

Pgina 15 de 39
b)

Solucin:

Datos:

n=250 Hogares

P 0,45

P p 0,49 ?

Como se esta aproximando la binomial mediante la normal se debe sumar el factor


de correccin
0,5
p p
n
Por lo tanto la formula seria

p P
Z

P* Q
n
Evaluando:

0,5
0,49 0,45
250
Z 1,33
0,45 * (1 0,45)
250

P p 0,49 PZ 1,33
PZ 1,33 1 0,9082 0,0918 9%

Pgina 16 de 39
4.4.1. Distribucin Muestral de Diferencia de Proporciones

Muchas aplicaciones involucran poblaciones de datos cualitativos que deben


compararse utilizando proporciones o porcentajes.

El calculo de probabilidad del estadstico de diferencia de proporciones es:

p1 p2 P1 P 2

Z

P1* Q1 P 2 * Q 2

n1 n2

Ejemplo

Una encuesta de 380 trabajadores de cierta compaa que fueron despedidos


entre 1990 y 1999, encontr que 25% haban estado sin trabajo durante por lo
menos tres aos. Otra muestra aleatoria de 450 trabajadores de entre todos los
empleados despedidos entre 1990 y 1999 arrojo que el 20% haban estado sin
trabajo durante por lo menos tres aos . Cul sera la probabilidad de que el
porcentaje muestral de trabajadores sin empleo durante por lo menos tres aos,
difiera del porcentaje obtenido en la encuesta en 6% o ms?

En este ejemplo solamente contamos con una poblacin de la que se seleccionan


dos muestras por lo tanto:

P1 = 0.25

P 2 = 0.20

n1 = 380 trabajadores

n2 = 450 trabajadores

P p1 p2 0,06 ?

Pgina 17 de 39


0,06 0,5
0.25 0.20
380 450

2
Z 0.45
0,25 * 0,75 0,2 * 0,8

380 450

P p1 p2 0,06 PZ 0.45

PZ 0.45 1 0.6736 0.3264 33%

4.5. Estimacin por intervalos

El principal propsito de la presentacin de variables y sus distribuciones


mustrales consiste en realizar conclusiones acerca de los parmetros
poblacionales, por ejemplo en el teorema del lmite central est incluida la media
poblacional que si lo despejamos quedara en trminos de los estadsticos de la
muestra , en este aparte se trabajara de manera formal el propsito de la
estadstica inferencial para una y dos poblaciones.

4.5.1. Intervalo de confianza

Se define como la medida del grado de fiabilidad de la estimacin en el intervalo.


Un intervalo de confianza del 95% indica que el 95% de todas las posibles
muestras, la estimacin por ejemplo de una (media poblacional) estara en este
intervalo y su complemento 5% de las muestras producir un intervalo errneo.
Cuanto mayor sea el nivel de confianza podremos creer que el valor del parmetro
que se estima est dentro del intervalo.

4.5.2. Estimacin de la media para muestras grandes

Consideremos la estimacin por intervalos para la media a partir de una muestra


aleatoria grande donde se conoce la desviacin estndar poblacional. El clculo
de la probabilidad esta dado por:

x
Z

n

Como el parmetro es el que necesitamos para un intervalo de confianza:

Pgina 18 de 39
Se puede expresar as:

P Z Z Z 1
2 2

Reemplazando el estadstico Z


x
P Z Z 1
2 2

n
Despejando


x Z x Z
2 n 2 n
Donde
x : Estimador Puntual

Z : Error de Estimacion
2 n
Ejemplo:

Una empresa fabricante de focos que tienen duracin aproximadamente


distribuida de forma normal, con una desviacin estndar de 50 horas. Si se toma
una muestra aleatoria de 45 focos y se obtiene una duracin promedio de 830
horas, Encontrar en un intervalo de confianza del 95% y el 99% , para la media de
todas las bombillas que produce la empresa. De qu tamao debe ser la muestra
para que el error de estimacin sea de 10 horas en un intervalo de confianza del
95%?

Solucin
Para el primer intervalo de confianza (95%) tendremos en la distribucin normal:

Pgina 19 de 39
Datos
=50 horas
n=45
x 830
=?

50 50
830 1,96 830 1,96
45 45
Donde
x : 830 " Estimador Puntual "
50
1,96 14,61 : Error de Estimacion
45

830 14,61 844,61 845 Limite Superior




830 14,61 815,39 815 Limite Inferior

Interpretacin: Con la evidencia tomada podemos afirmar que el 95% de todas las
muestras de tamao 45 la duracin de los focos estar entre 845 y 815 horas.

Para el segundo intervalo de confianza (99%)

Pgina 20 de 39
50 50
830 2,57 830 2,57
45 45
Donde
x : 830 " Estimador Puntual "
50
2,57 19,16 : Error de Estimacion
45

830 19,16 849,16 849 Limite Superior




830 19,16 810,84 811 Limite Inferior

El tamao de muestra para un error dado:


ee Z
2 n
Donde
ee : Error de Estimacion
Despejando n
Z *
2

n 2
ee

Evaluando
2
1,96 * 50
n 96,04 96
10

4.5.3. Estimacin de la media para muestras pequeas

En la mayora de las situaciones no es fcil acceder a la desviacin estndar


poblacional, motivo por el cual si tomamos evidencia y calculamos el promedio y la
desviacin estndar muestral (s) de una poblacin que se comporte de forma
aproximadamente normal entonces la variable aleatoria:

x
T
s
n
Tiene una distribucin t de Student con n-1 grados de libertad.
3
La apariencia general de la distribucin t es similar a la de la distribucin normal
estndar: ambas son simtricas y unimodales, y el valor mximo de la ordenada
se alcanza en la media 0 Sin embargo, la distribucin t tiene colas ms
amplias que la normal; esto es, la probabilidad de las colas es mayor que en la

Pgina 21 de 39
distribucin normal. A medida que el nmero de grados de libertad tiende a infinito,
la forma lmite de la distribucin t es la distribucin normal estndar.
3
Tomado de: www.itch.edu.mx/academic/industrial/estadistica1/cap03.html

De manera similar que con la normal podemos construir un intervalo de confianza


as:

P t T t 1
2 2

Reemplazando el estadstico




t 1
x
P t
2 s 2

n
Despejando
s s
x t x t
2 n 2 n
Donde
x : Estimador Puntual
s
t : Error de Estimacion
2 n

Ejemplo

En cierta obra para recibir a satisfaccin una placa de entrepiso la interventora


toma muestras del concreto y al fallarlas se obtuvieron los siguientes datos de
resistencia a la comprensin:

Pgina 22 de 39
xi
3200
3800
2800
3500
2900
3000
3700
2600
3500
3300
2600
2500
3200
2900
3150
2700
3600
Encontrar un intervalo de confianza del 95% para la resistencia media de toda la
placa. Adems la interventora establece que si el lmite inferior de la estimacin
esta por debajo de 3000 P.S.I. se tendr que demoler la placa.

Solucin

Calculamos la media aritmtica y la desviacin estndar muestral

x 3114,705882
s 409,1777983
n=17

Los valores crticos para un intervalo de confianza del 95% con v=17-1 =16 grados
de libertad sern :

Pgina 23 de 39
En la tabla de la distribucin t el valor critico se establece asi:

Pgina 24 de 39
La estimacin por intervalos ser:

Pgina 25 de 39
409,18 409,18
3114,71 2,120 3114,71 2,120
17 17
Donde
Estimador Puntual 3114,71
Error de Estimacion 210,39

3114,71 210,39 3325,10 3325 Limite Superior




3114,71 210,39 2904,32 2904 Limite Inferior

Por lo tanto segn los resultados obtenidos hay que demoler la placa.

4.5.4. Estimacin de la proporcin una poblacin

Muchos experimentos o encuestas tienen como propsito estimar las proporciones


poblacionales a partir de datos mustrales, recordemos el estadstico para calcular
la probabilidad del comportamiento de la proporcin en la muestra.


pP
Z
p*q
n
De la misma manera que en la estimacin de medias para muestras grandes
conociendo la desviacin estandart poblacional , para un intervalo de confianza
con la distribucin normal la estimacin por intervalos esta dada por:

p*q p*q
p Z * P p Z *
2 n 2 n
Donde
p : Pr oporcion muestral Estimador Puntual
q 1 p
p*q
Z * : Error de Estimacion
2 n

P : Pr oporcion Poblaciona l

Pgina 26 de 39
Ejemplo:
En cierta cuidad se selecciona una muestra aleatoria de 500 votantes y se
encuentra que 180 aprueban la gestin del alcalde .Encuentre el intervalo de
confianza del 96% para la fraccin de la poblacin votante que favorece la gestin
del alcalde. De otra parte cual debe ser el tamao de la muestra para que el error
de estimacin sea del 2%

Solucin:
180 320 180 320
*
*
180 180
2,05 * 500 500 P 2,05 * 500 500
500 500 500 500
Donde
p : Pr oporcion muestralEstimador Puntual 0,36
q 1 p 0,64
Error de Estimacion 0,04

0,36 0,04 0,40 40% Limite Superior




P
0,36 0,04 0,32 32%
Limite Inferior
La aprobacin del alcalde entre la poblacin votante estar entre el 40 y el 32%

El tamao de muestra dado el error de estimacin ser:

2
Z
n 2 * p*q
ee

Evaluando
2
2.05
n * 0,36 * 0,64
0,02
n 2420,64 2421
Es decir se necesita consultar a 2421 personas para que el error de estimacin
sea del 2%.

4.5.5. Estimacin de la diferencia entre medias de dos distribuciones


normales, varianzas poblacionales desconocidas pero iguales.

En muchos experimentos es necesario comparar dos grupos poblacionales para


tal efecto si x1 ; x 2 ; s12 y s22 son las medias y las varianzas de dos muestras
aleatorias de tamao n1 y n2, respectivamente, tomadas de dos poblaciones

Pgina 27 de 39
normales e independientes con varianzas desconocidas pero iguales, entonces un
intervalo de confianza del 1 por ciento para la diferencia entre medias es:

x 1
x 2 t * S p
2
1 1

n1 n2

1 2 x1 x 2 t * S p
2
1 1

n1 n2
Donde
x1 x 2 : Estimador Puntual
1 1
t * S p : Error de Estimacion
2 n1 n2
Con
2
SP
n1 1s12 n2 1s22
n1 n2 2
v n1 n2 2 "Grados de Libertad "

Ejemplo:
4
Un experimento publicado en una revista cientfica compara las economas en
combustible para dos tipos de camiones compactos a disel con similares
caractersticas. Se utilizaron 12 camiones Nissan y 10 Toyota en pruebas a
velocidad constante , si los camiones Nissan promediaron 16 km/litro, con una
desviacin estndar de 1 km/litro y los Toyota promediaron 11 km/litro, con una
desviacin estndar de 0,8 km/litro , construya un intervalo de confianza del 95%
para la diferencia entre los kilmetros promedio de estos dos camiones compactos
.Suponga que las distancias por litro para cada modelo de camin estn
distribuidas de forma aproximadamente normal con varianzas iguales.
4
Problema Propuesto Pagina 298 ( 9.42) en el libro de : Probabilidad y Estadstica
para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye, Editorial Pearson
, edicin Octava 2007

Pgina 28 de 39
Solucin:

Nissan Toyota
x1 16 x 2 11
n 12 n 10
s1 1 s2 0,8

Para establecer el valor critico en el intervalo de confianza dado calculamos los


grados de libertad.

v n1 n2 2 " Grados de Libertad "


v 12 10 2 20
En la tabla el valor crtico es:

t 2,086
2
La varianza muestral asociada:
n 1s12 n2 1s22
S P2 1
n1 n2 2
12 112 10 10,82
S P2
20
S P 0,838
2

S P 0,915423399

El intervalo de confianza

x 1
x 2 t * S p
2
1

1
n1 n2

1 2 x1 x 2 t * S p
2
1

1
n1 n2

16 11 2,086 * 0,9154 1

1
1 2 16 11 2,086 * 0,9154
1

1
12 10 12 10
Donde
x1 x 2 5 " Estimador Puntual "
1 1
t * S p 0,82 " Error de Estimacion "
2 n1 n2

Pgina 29 de 39
5 0,82 5,82 6 Limite Superior

1 2
5 0,82 4,18 4 Limite Inferior

La diferencia de consumo entre los camiones Nissan y Toyota estar entre 4 y 6
kilmetros por litro a favor de Nissan ( ms econmico).

4.5.6. Estimacin de la diferencia entre medias de dos distribuciones


normales, varianzas poblacionales desconocidas y diferentes.

Para este caso se compararan dos grupos poblacionales en los cuales su


variabilidad con respecto a la medias difiere. El estadstico que se usara es:

T
x1
x 2 1 2
S12 S 22

n1 n2
Con grados de Libertad:

2
s12 s22

v 12
n n2
2
s12 s22

n1 n2
n1 1 n2 1
Si despejamos del estadstico la diferencia de medias poblacionales la estimacin
por intervalos estar dada por:

Pgina 30 de 39
x x t
1 2
2
S12 S 22

n1 n2

1 2 x1 x 2 t
2
S12 S 22

n1 n2
Donde
x1 x 2 : Estimador Puntual
S12 S 22
t : Error de Estimacion
2 n1 n2
Con
2
s12 s22

v 12 2 2 :Grados de Libertad
n n
s12 s22

n1 n2
n1 1 n2 1

Ejemplo:
5
Una compaa de taxis trata de decidir si comprar neumticos de la marca A o de
la B para su flotilla. Para estimar la diferencia de las dos marcas, se lleva a cabo
un experimento utilizando 12 neumticos de cada marca .Los neumticos se
utilizan hasta que se desgastan los resultados fueron:

Neumati cos A Neumati cos B


x1 36.300 km x 2 38.100 km
n1 12 n2 12
s1 5.000 km s2 8.500 km

Calcule un intervalo de confianza de 95% para la diferencia de medias


poblacionales asumiendo que sus varianzas poblacionales son desconocidad y
diferentes.

5
Problema Propuesto Pagina 298 ( 9.43) en el libro de : Probabilidad y Estadstica
para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye, Editorial Pearson
, edicin Octava 2007

Pgina 31 de 39
Solucin:
Los grados de libertad:
2
5000 2 8500 2

12 12
v 2 2
17,79847307 18
5000 2 8500 2

12 12
12 1 12 1
El valor critico en la tabla t para estos grados de libertad.
t 2,101
2
El intervalo de confianza
x 2
x1 t
2
S12 S 22

n1 n2

2 1 x 2 x1 t
2

S12 S 22

n1 n2
Donde
x 2 x1 1.800 " Estimador Puntual "
2 2
S S
t 1
5981,08858 " Error de Estimacion "
2
2 n1 n2

1.800 5.981 7.781 Limite Superior



1 2
1.800 5.981 4.181 Limite Inferior

Con el resultado obtenido podemos concluir que como en el intervalo esta el cero ,
en la poblacion no hay diferencias entre la duracion de los neumaticos. Esto
ocurre cuendo el error de estimacion es mayor que el estimador puntual.

4.5.7. Estimacin por intervalos para observaciones pareadas

En algunos experimentos comparativos simples puede conseguirse un


mejoramiento significativo de la precisin haciendo comparaciones de
observaciones pareadas del material experimental es decir cuando las muestras
no son independientes.
6
Por ejemplo, considere una compaa de taxis que trata de decidir si el uso de
llantas radiales en lugar de llantas regulares con cinturn mejora la economa de
combustible. Se equipan 16 automviles con llantas radiales y se manejan por un
recorrido de prueba establecido. Sin cambiar de conductores, se equipan los

Pgina 32 de 39
mismos autos con llantas regulares con cinturn y se manejan una vez ms por el
recorrido de prueba. Se registra el consumo de gasolina, en kilmetros por litro, de
la siguiente manera:
Automvil Llantas radiales Llantas con cinturn

1 4.2 4.1

2 4.7 4.9

3 6.6 6.2

4 7.0 6.9

5 6.7 6.8

6 4.5 4.4

7 5.7 5.7

8 6.0 5.8

9 7.4 6.9

10 4.9 4.9

11 6.1 6.0

12 5.2 4.9

13 5.7 5.3

14 6.9 6.5

15 6.8 7.1

16 4.9 4.8

Para determinar cual ser la diferencia en el consumo de gasolina en la poblacin


de llantas radiales y con cinturn tendremos:

6
Similar al propuesto en la pagina 360 (10.43) en el libro de: Probabilidad y
Estadstica para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye,
Editorial Pearson , edicin Octava 2007

Pgina 33 de 39
SD S
d t D d t D
2 n 2 n
Donde D Media de las diferencia s para la poblacion en la economia de combustible
La notacin de D es para recordar que la muestra pareada produce datos de
diferencia . La media y la desviacin estandart de la muestra esta dada por:
n

d
i 1
i
d Media de las diferencias
n

d
n
2
i d
SD i 1
Desviacin Estandart para la diferencia de medias
n 1
Si suponemos que la poblacin tiene distribucin normal , se puede aplicar la
distribucin t con n-1 grados de libertad

Evaluando en este caso tenemos:

d
Llantas Llantas con 2
Automvil radiales cinturn di i d
1 4,2 4,1 0,1 0,00097656
2 4,7 4,9 -0,2 0,10972656
3 6,6 6,2 0,4 0,07222656
4 7 6,9 0,1 0,00097656
5 6,7 6,8 -0,1 0,05347656
6 4,5 4,4 0,1 0,00097656
7 5,7 5,7 0 0,01722656
8 6 5,8 0,2 0,00472656
9 7,4 6,9 0,5 0,13597656
10 4,9 4,9 0 0,01722656
11 6,1 6 0,1 0,00097656
12 5,2 4,9 0,3 0,02847656
13 5,7 5,3 0,4 0,07222656
14 6,9 6,5 0,4 0,07222656
15 6,8 7,1 -0,3 0,18597656
16 4,9 4,8 0,1 0,00097656
Sumas 2,1 0,774375
n

d i 1
i
2.1
d 0.13125
n 16

d
n
2
i d
0.477375
SD i 1
0.2272
n 1 16 1

Pgina 34 de 39
El valor critico para v=16-1=15 grados de libertad
t 2,131
2
La estimacin
0,23 0,23
0,13 2,131 D 0,13 2,131
16 16
0,13 0,25 0,38 Limite Superior

D
0,13 0,25 0,12 Limite Inferior

De acuerdo al resultado, podemos afirmar que no existe diferencia en el consumo


de gasolina por el hecho de usar llantas radiales con cinturn.

4.5.8. Estimacin por intervalos para la varianza

Para este caso se usara la distribucin chi cuadrado que no es simtrica por lo
tanto los valores crticos son diferentes por ejemplo para 24 grados de libertad con
un intervalo de confianza de 95% sus valores son :

El intervalo de confianza esta dado por :

n 1s 2 2

n 1s 2
12 2
2 2
Ejemplo ( Tomado de Walpole Myers Pagina 307) , Probabilidad y Estadstica
para Ingeniera y Ciencias , Octava edicin , Editorial Pearson)

Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de


pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8,
46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la varianza de
todos los paquetes de semillas de pasto que distribuye esta compaa, suponga
una poblacin normal.

Solucin:

Primero se calcula la desviacin estndar de la muestra:

Pgina 35 de 39
al elevar este resultado al cuadrado se obtiene la varianza de la muestra
s2= 0.286.

Para obtener un intervalo de confianza de 95% se elige un = 0.05.


Despus con el uso de la tabla con 9 grados de libertad se obtienen los
valores de X2.

Se puede observar en la grfica anterior que el valor de X 2 corre en forma


normal, esto es de izquierda a derecha.

Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Pgina 36 de 39
Se observa que la varianza corre en sentido contrario, pero esto es slo en
la grfica. La interpretacin quedara similar a nuestros temas anteriores
referentes a estimacin. Con un nivel de confianza del 95% se sabe que la
varianza de la poblacin de los pesos de los paquetes de semillas de pasto
esta entre 0.135 y 0.935 decagramos al cuadrado.

4.6 Autoevaluacin

1) Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye


normalmente con media de 2000 libras y una varianza de 25,000 lbs2. Si se
selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad
de que en esa muestra: La resistencia media encontrada sea de por lo
menos 1958 libras.
Problema Propuesto en :
http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html
2) En una prueba de aptitud la puntuacin media de los estudiantes es de 72
puntos y la desviacin estndar es de 8 puntos. Cul es la probabilidad de
que dos grupos de estudiantes, formados de 28 y 36 estudiantes,
respectivamente, difieran en su puntuacin media en 3 ms puntos.
Problema Propuesto en :
http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html
3) Un especialista en gentica ha detectado que el 26% de los hombres y el
24% de las mujeres de cierta regin del pas tiene un leve desorden
sanguneo; si se toman muestras de 150 hombres y 150 mujeres, determine
la probabilidad de que la diferencia muestral de proporciones que tienen ese
leve desorden sanguneo sea de Menos de 0.035 a favor de los hombres.
Problema Propuesto en :
http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html
4) La vida media de una mquina para hacer pasta es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre La probabilidad
de que la vida media de una muestra aleatoria de 9 de estas mquinas sea
mayor de 6.4 aos.
Problema propuesto ( Pagina 252 8.25 ) en el libro de: Probabilidad y
Estadstica para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye,
Editorial Pearson , edicin Octava 2007
5) La vida media de una mquina para hacer pasta es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre el valor de la a
la derecha del cual caera el 15% de las medias calculadas de muestras
aleatorias de tamao nueve.

Pgina 37 de 39
6) Se llevan a cabo dos experimentos independientes en lo que se comparan
dos tipos diferentes de pintura. Se pintan 18 especmenes con el tipo A y en
cada uno se registra el tiempo de secado en horas. Lo mismo se hace con el
tipo B. Se sabe que las desviaciones estndar de la poblacin son ambas
1.0. Suponga que el tiempo medio de secado es igual para los dos tipo de
pintura. Encuentre la probabilidad de que la diferencia de medias en el
tiempo de secado sea mayor a uno a favor de la pintura A.
Problema Propuesto en :
http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html

7) Una muestra de 6 latas de sopa producidas por dos compaas produjo los
siguientes pesos netos, medidos en onzas:

11.9 12.2 11.6 12.1 12.1 11.8 Compaa "A"

12.9 11.8 12.0 12.3 12.8 12.0 Compaa "B"

Si se supone normalidad en los pesos, construya un intervalo de confianza


del 95% para la diferencia de los pesos promedio de todas las latas de sopa
producidas por las compaas, suponga varianzas poblacionales diferentes y
desconocidas.

Similar al planteado en :

http://www.itch.edu.mx/academic/industrial/estadistica1/cap03e.html

8) Los siguientes datos registrados en das, representan el tiempo de


recuperacin para pacientes que se tratan al azar con uno de los
medicamentos para curar infecciones graves de la vejiga:

Medicamento 1 Medicamento 2

n1 = 14 n2 = 16

x1 = 17 x2 = 19

s12 = 1.5 s22 = 1.8

Pgina 38 de 39
Encuentre un intervalo de confianza de 99% para la diferencia promedio en
el tiempo de recuperacin para los dos medicamentos, suponga poblaciones
normales con varianzas iguales.

Problema propuesto ( Pagina 297 9.41 ) en el libro de: Probabilidad y


Estadstica para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye,
Editorial Pearson , edicin Octava 2007

9) Cierto genetista se interesa en la proporcin de hombres y mujeres en la


poblacin que tienen cierto trastorno sanguneo menor. En una muestra
aleatoria de 1000 hombres se encuentra que 250 lo padecen, calcule un
intervalo de confianza del 95% para la proporcin entre la poblacin de de
hombres que padecen el trastorno sanguneo.

Problema propuesto ( Pagina 305 9.65 ) en el libro de: Probabilidad y


Estadstica para Ingeniera y Ciencias Autores: Walpole , Myers y Myers Ye,
Editorial Pearson , edicin Octava 2007

10)Una muestra de 12 latas de sopa producida por cierta compaa produjo los
siguientes pesos netos, medidos en onzas:
11.9 12.2 11.6 12.1 12.1 11.8
11.9 11.8 12.0 12.3 11.8 12.0
Si se supone normalidad en los pesos, construya un intervalo de confianza
del 95% para la varianza de todas las latas de sopa producidas por la
compaa.

3.6 REFERENCIAS BIBLIOGRFICAS

Probabilidad y Estadstica para Ingeniera y Ciencias , Walpole , Myres ,


Myres Ye .Steven, Octava Edicin , Pearson Educacion 2007. p 1-28.
Apuntes de Clase Probabilidad y Estadstica, Ing. Nstor Humberto Agudelo
Daz. 1998-2013.

Pgina 39 de 39