Estad y Prob - 5a - 10 PDF

UNIDAD
10 Inferencia estadística
Objetivos
Al finalizar la unidad, el alumno:
• determinará si un estimador es sesgado o insesgado

• resolverá problemas de intervalos de confianza para
la media, diferencia de medias, varianza y proporciones
• llevará a cabo pruebas de hipótesis para la media,
diferencia de medias, varianza y proporciones en
problemas de aplicación
Introducción
En la unidad 9, se analizaron las bases para distribuciones muestrales, con las cuales se
realizan estimaciones de parámetros en estudio; las multivariables aleatorias; se definió
formalmente el muestreoaleatorio, y se estudiaron algunasdistribucionesmuestralesempleando
el teorema central del límite. El objetivo general de dichostemasesla construcción de lasbases
teóricas para la inferencia estadística.
En esta unidad se analizará el proceso de inferencia estadística, el cual se puede hacer
de tres maneras: por estimación puntual, intervalo de confianza o por prueba de hipótesis.
Los estimadores puntuales, como se verá, tienen gran importancia teórica en la infe-
rencia estadística, pero en la cuestión práctica no es apropiado llevarlosa cabo con base en
un solo punto; por consiguiente se harán estimacionesbasadasen intervalos.
La otra área de inferencia estadística que se analizará esla prueba dehipótesis. Esdecir,
se formula una suposición del parámetro y bajo condiciones determinadas se comprobará
si es válida o no.
En la unidad 1 se determinó que la estadística descriptiva trabaja con todos los
individuosdelapoblación o lamuestra. En estaunidad severáquelaestadísticainferencial
se basa en el estudio de muestras, a partir de las cuales se pretende inferir aspectos relevantes de
toda la población. En la unidad 9 se determinó que el método de seleccionar muestras
tiene gran importancia en el desarrollo de la estadística. Cómo se realiza la inferencia y
qué grado de confianza se puede tener en la muestra son aspectos fundamentales que se
analizarán en esta unidad.
10.1 Inferencia estadística

La inferencia estadística consiste en crear métodos con los cuales se puedan realizar
conclusiones o inferencias acerca de la población, con base en información muestral o a
priori. Tales métodos se dividen en dos grupos:
1. Clásico.
2. Bayesiano.
En el método clásico la inferencia se realiza mediante los resultados de un

muestreo aleatorio. Mientras que en el método bayesiano las inferencias se realizan (de
forma análoga a la asignación de probabilidades en la corriente bayesiana) con base en el
conocimiento previo sobre la distribución de los parámetros desconocidos.
El desarrollo de la inferencia estadística en la presente unidad se hará sólo con el
método clásico. El análisis comienza con la estimación de parámetros.
286
10.1.1 Estimación puntual
Un estimador es un elemento descriptivo basado en las mediciones contenidas en una

muestra. Por ejemplo, la media de la muestra
1 n
x xi
ni 1
es un estimador puntual para la media de la población 0.
Supóngase que se quiere obtener una inferencia respecto de la calificación media
de todos los alumnosque cursan la materia de cálculo, 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

estadístico X
1
x (8 4 9 9 6 8 2 7 3 6) 6.2
10
Con base en el valor calculado del estadístico X se puede llevar a cabo una inferencia
respecto del parámetro , es decir, una estimación puntual del parámetro media respecto de
las calificaciones de la materia de cálculo. En este caso la calificación promedio es 6.2.
En general
Definición 10.1
Dada una población en donde es un parámetro, y ˆ su estadística correspondiente, se le llama
estimador puntual de a cualquier valor ˆ de ˆ.
De la definición de estimador puntual no se puede esperar que dicho valor realice

una estimación certera del parámetro, de hecho, ésta también depende del estadístico
utilizado. Por ejemplo, si la población estudiantil de la materia de cálculo tiene calificación
promedio = 6.5, y se considera una muestra al azar de tres estudiantescon calificaciones
3, 6 y 6, para realizar una estimación del parámetro, se tiene
1
x (3 6 6) 5
3
Es decir, el estadístico media difiere del parámetro en 1.5 unidades, mientras que
el estadístico mediana x 6, difiere del parámetro en sólo 0.5.
Por tanto, con lamuestra anterior, el estadístico medianaestima mejor el parámetro.
Pero, qué pasará si en una segunda muestra aleatoria de tamaño tres, las calificaciones
para la estimación del parámetro resultan 4, 4, y 10, se tiene
1
x (4 4 10) 6
3
Por tanto, para esta muestra el estadístico media difiere del parámetro en 0.5
unidades, mientras que el estadístico x 4, difiere del parámetro en 2.5.
Es decir, con la muestra anterior el estadístico media estima mejor el parámetro.
Por tanto, puede ser de interesqué estimador puntual para un mismo parámetro es mejor
elegir. La respuesta se encuentra en las siguientes definiciones.
287
Definición 10.2
El estadístico ˆ se llama estimador insesgado del parámetro si E( ˆ )= .
Ejemplo 1 Dadas X1, X2, . . ., X5 una muestra aleatoria de una población cuya distribución es
normal, con media y varianza 2, considerando los estadísticos
X1 X 2 X5 X1 X 2 X3 X4 X5
T1 X , T2 y T3
10 3
se comprueba cuáles son estimadores insesgados de .
Para verificar qué estimadores son insesgados, se emplea la definición y la propiedad
del valor esperado en variables independientes
E(a1X1 a2X2 anX n ) a1E(X1 ) a2E(X 2 ) anE(X n )
Para el estadístico T1
X1 X2 X3 X4 X5 1
E(T1 ) E(X ) E E X1 X 2 X 3 X 4 X5
5 5
1
E(X1) E(X 2 ) E(X 3 ) E(X 4 ) E(X 5 )
5
1 1
( ) (5 )
5 5
Se muestra que T1 es un estimador insesgado.
X1 X2 X3 X4 X5 1
E( T2 ) E E X1 X 2 X3 X4 X5
10 10
1 1 1
E( X1) E( X 2 ) E( X 3) E( X 4 ) E( X 5 ) (5 )
10 10 2
Se muestra que T2 es un estimador sesgado.
X1 X 2 X3 X4 X5 1
E( T3 ) E E X1 X 2 X 3 X4 X5
3 3
1 1 1
E( X1) E( X 2 ) E( X 3) E( X 4 ) E( X 5 ) ( ) (3 )
3 3 3
Por tanto, T3 también es un estimador insesgado de la media.
En el ejemplo anterior se apreciaquea un mismo parámetro le pueden corresponder

varios estimadores insesgados. Por consiguiente, en el estudio de la estadística resulta de
interés conocer el estimador insesgado que tenga la menor varianza, ya que en tal caso su
distribución está más cercana al parámetro.
Definición 10.3
Dado un parámetro y un conjunto de estimadores insesgados de él, ˆ , ˆ , ,ˆ
1 2 m , se llama
de al de menor varianza.
288
Ejemplo 2 Dadalamuestra aleatoriadel ejemplo anterior X1, X2, . . ., X5 y considerando losestadísticos

que resultaron insesgados de
X1 X 2 X3 X4 X5
T1 X y T3
3
se comprueba cuál es más eficiente. Para esto se usa la definición y la propiedad de la
varianza en variables independientes
V (a1X1 a2X 2 anX n ) a12V (X1 ) a22V (X2 ) a2nV (X n )
X1 X 2 X3 X4 X5 1
V( T1) V V X1 X 2 X3 X4 X5
5 52
1 1 2 2 2 2 2
V( X1) V( X 2 ) V( X 3) V( X 4 ) V( X 5 ) ( )
25 25
1 2 1 2
(5 )
25 5
X1 X 2 X3 X4 X5 1
V( T3) V V X1 X2 X3 X4 X5
3 32
1 1
V( X1) V( X 2) V( X 3) ( 1)2 V( X 4 ) V( X 5 ) ( 2 2 2 2 2
)
9 9
1 2 5 2
(5 )
9 9
De los cálculos anteriores, resulta que el estadístico T1 es más eficiente que T3,
puesto que 1/ 5 5/ 9.
Entre los parámetros más comunes y sus estadísticos, existen los insesgados que se
emplean con mayor regularidad:
Ejercicio 1
1. Dadas X1, X2, X3 y X4 una muestra aleatoria seleccionada de una población

distribuida en forma normal con media y desviación estándar , considera los
siguientes estimadores de
X1 X 2 X3 X4 X1 X2 X3 X4 X1 2X 2 3X 3 4X 4
T1 T2 T3
6 4 10
y determina cuáles son insesgados y entre éstos cuál es más eficiente.
289
2. La lectura en un voltímetro conectado a un circuito depruebatiene una distribución

uniforme en el intervalo de ( , + 1), donde es el parámetro para el voltaje del
circuito. Supón que X1, X2, X3 y X4 es una muestra aleatoria de tales lecturas y
verifica que ˆ X 0.5 es un estimador insesgado.
3. Dadas X1, X2 y X3 y Y1, Y2 y Y3 como muestras aleatorias independientes de dos
poblaciones con medias 1 y 2 y varianza 12 y 22 , 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 Estimación por intervalo
Después de iniciado el estudio de los estimadores puntuales es lógico suponer que la

inferencia realizada mediante un valor puntual no es la más 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 localización del
parámetro en estudio.
Dada como parámetro, supóngase que, bajo ciertas condiciones (como se verá
en las siguientes subsecciones), se encuentra que ( î , ˆs), donde los puntos extremos
ˆ y ˆ llamados extremo inferior y extremo superior, respectivamente, dependen del
i s
valor de la estadística ˆ para una muestra particular. Como los extremos î y ˆ s del
intervalo dependen de la muestra, resulta que sólo son valores de las variables aleatorias
correspondientes ˆ i y ˆ s. Con base en las variables aleatorias anteriores y sus valores
correspondientes, se calcula la probabilidad de que el parámetro se encuentre en el
intervalo establecido. Se simboliza por 1 – con (0, 1) a la probabilidad mencionada
P( ˆ i
ˆ ) 1
s
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 .
Definición 10.4
El intervalo anterior en el que se localiza el parámetro , ˆ ˆ
i s, se llama intervalo de
de (1 – )100%; mientras que la fracción 1– se le llama o grado
y los extremos ˆ yˆ, son los inferior y superior,
i s
respectivamente.
Por ejemplo, se tiene una muestra de 20 focos cuya duración promedio en horas
es x 750 y con base en este valor se estima que el parámetro 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 analizarán los intervalos de confianza más

comunes para los parámetros, medias, diferencia de medias, varianzas y proporciones.
290
Intervalos de confianza para medias de poblaciones aproximadamente

normales
Establecidas las bases generales de los intervalos de confianza y utilizando el teorema del
límite central, losconceptossobre estimadorespuntuales ylasdistribuciones determinadas
en la unidad 9, se presentan métodos para el cálculo de intervalos de confianza. Uno de
estos métodos se refiere a la media, y se divide en tres casos:
1. Intervalo de confianza para la media poblacional con distribución normal,

cuando se conoce
Dada x la media de una muestra aleatoria de tamaño n de una población con

distribución aproximadamente normal, de la cual se conoce 2, el intervalo de
confianza (1 – ) de 100% para está dado por
x z x z
2
n 2
n
donde z / 2 es el valor de la distribución normal estándar, a la derecha del cual tiene

un área de / 2.
Se denota en este caso que para poder aplicar la fórmula, la distribución tiene
que ser normal o aproximadamente normal y se debe conocer el parámetro .
Ejemplo 3 Una máquina de refrescos está ajustada de tal manera que la cantidad de líquido
suministrado se distribuye en forma normal con desviación estándar de 0.15 dl. Se
calcula 95% de intervalo de confianza para la media de refrescosservidosde una muestra
de 36 vasos tomada al azar con un contenido promedio de 2.25 dl.
Se toman los datos: = 0.15 dl, el tamaño de la muestra es 36 con media muestral
de x 2.25 dl. Para calcular el intervalo de confianza del parámetro media se emplea la
fórmula anterior.
Primero se calcula el valor de z / 2, con 1 – = 0.95. De las tablasporcentuales para
la distribución normal estándar se tiene z / 2 = 1.96. Por tanto,
0.15 0.15
2.25 1.96 2.25 1.96
36 36
2.201 2.299
Es decir, con 95% de probabilidad se afirma que el parámetro media del líquido
suministrado por la máquina de refrescos se encuentra entre 2.201 y 2.299 dl.
2. Intervalo de confianza para la media poblacional cuando se desconoce en

muestrasgrandes.
Dada x la media de una muestra aleatoria de tamaño n (n 30) tomada al azar

de una población de la cual se conoce su desviación estandar s y se desconoce , el
intervalo de confianza (1 – ) de 100% para está dado por
s s
x z x z
2
n 2
n
291
donde z / 2 es el valor de la distribución normal estándar, la cual tiene un área de / 2 y

s es la desviación estándar obtenida del estadístico varianza insesgada.
En este caso es posible notar que para poder aplicar la fórmula, a diferencia del
anterior, se desconoce la distribución.
Ejemplo 4 Setieneunamáquinaderefrescoscomo en el ejemplo anterior, pero delacual sedesconoce

su desviación estándar. Para estimar la cantidad promedio de líquido suministrado por
la máquina se toma una muestra al azar de 50 vasos, con media de 240 ml y desviación
estándar de 20. Se calcula 99% de intervalo de confianza para la media de refrescos
servidos.
Se toman losdatos: el tamaño de la muestra es 50, x 240 y s= 20 ml. El intervalo
de confianza del parámetro media se obtiene sustituyendo estos valores en la fórmula
anterior.
Se calcula primero el valor de z / 2, con 1 – = 0.99. De las tablasporcentuales para
la distribución normal estándar se tiene z / 2 = 2.575. Por tanto,
20 20
240 2.575 240 2.575
50 50
232.72 247.28
Es decir, con 99% de probabilidad se afirma que el parámetro media del líquido
suministrado por la máquina de refrescos se encuentra entre 232.72 y 247.28 ml.
3. Intervalo de confianza para la media poblacional cuando se desconoce en

muestraspequeñas.
Dada x la media de una muestra de tamaño n (n 30) tomada al azar de una población
con distribución normal de la cual se conoce s2, y se desconoce 2, el intervalo de con-
fianza (1 – ) de 100% para está dado por
s s
x t x t
2
n 2
n
donde t / 2 es el valor de la distribución t-Student con v = n – 1 grados de libertad,

la cual tiene un área de / 2, y s es la desviación estándar obtenida del estadístico
varianza insesgada.
Se denota en este caso que la aplicación de la fórmula se puede realizar si la distri-
bución de la población esnormal o aproximadamente normal, pero a diferencia del caso
1, no se conoce el parámetro , y del caso 2, el tamaño de la muestra debe ser pequeño.
Ejemplo 5 Un fabricantedemáquinasderefrescosaseguraquesusmáquinassuministran 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 válida la afirmación 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 s2n 1 17.58, es decir, s = 4.19.
292
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 distribución t-Student
se tiene t0.0005 = 4.14. En conclusión
4.19 4.19
246.27 4.14 246.27 4.14
15 15
241.79 250.75
Es decir, con 99.9% de probabilidad se determina que el parámetro media del

líquido suministrado por la máquina de refrescos se encuentra entre 241.79 y 250.75 ml.
Por tanto, la afirmación del fabricante no será válida con 99% de confianza, puesto que
el valor 240 ml está fuera del intervalo.
Ejercicio 2
1. De la siguiente muestra aleatoria, tomada de un población normal
13 19 14 12 21 14 17 20 17
calcula 95% de intervalo de confianza para la media de la población
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 midió lasparedes de 25 botellas de vidrio de dos

litros. La media muestral fue 4.02 mm y la desviación estándar muestral 0.09, calcula
95% de intervalo de confianza respecto de la media del espesor de las paredes de las
botellas.
3. Mientras se efectúa 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 desviación estándar de 4.28, calcula
la verdadera media en el incremento del ritmo cardiaco si x 26.4 se utiliza como
una estimación 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
estación de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supón normalidad y calcula un
intervalo de confianza para la media con = 0.05
5. Una máquina produce piezas metálicas de forma cilíndrica. Se toma una muestra
al azar de piezas cuyos diámetros son 10, 12, 11, 11.5, 9, 9.8, 10.4, 9.8, 10 y 9.8 mm.
Supón que los diámetros tienen una distribución aproximadamente normal y
a) calcula 99% de intervalo de confianza para el diámetro promedio de todas las

piezas
b) calcula 99% de intervalo de confianza para el diámetro promedio de piezas si
= 1.
293
Intervalos de confianza para la diferencia de medias en poblaciones

aproximadamente normales
Después de analizar los intervalos de confianza para la media poblacional, se continúa

con el cálculo 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,
2 2
cuando se conocen 1 y 2.
Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1

y n2, respectivamente, de poblacionescon distribucionesaproximadamente normales,
de las cuales se conoce 12 y 22 , el intervalo de confianza de (1 – ) de 100% para
1
y 2 está dado por
2 2 2 2
1 2 1 2
( x1 x2 ) z 1 2 ( x1 x2 ) z
n1 n2 n1 n2
2 2
donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2.
Ejemplo 6 Se comparan dos tipos de rosca de tornillos para determinar su resistencia a la tensión. Se
prueban doce piezas de cada tipo de cuerda bajo condiciones similares, obteniéndose los
siguientes resultados (en kg)
Tipo
de rosca 1 2 3 4 5 6 7 8 9 10 11 12
1 68 70 72 69 71 72 70 69 75 69 70 71
2 75 73 73 68 68 67 69 75 74 68 73 74
Si 1 y 2 son resistencias promedio a la tensión de los tornillos tipo I y tipo II,

respectivamente, con las variaciones a la tensión de los tornillos tipo I y tipo II 12 5 y
2
2 10, respectivamente, se calcula 90% de intervalo de confianza para 1 – 2.
Primero se calculan las medias muestrales: x1 70.5 y x2 71.4 .
Las muestras son de tamaño n1 = n2 = 12. Se calcula el valor para z / 2 con 90% de
intervalo de confianza usando las tablas porcentuales, z / 2 = 1.645.
5 10 5 10
(70.5 71.4) 1.645 1 2 (70.5 71.4) 1.645
12 12 12 12
2.74 1 2 0.94
Es decir, la diferencia de la resistencia promedio a la tensión al fabricar lostornillos

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.
294
2 2
– 2
de poblacionescuando se desconocen 1 y 2
en muestrasgrandes.

y n2 (n1 30 y n2 30), respectivamente, de poblaciones de las cuales se desconocen
2 2
1 y 2 , el intervalo de confianza (1 – ) de 100% para 1 – 2 está dado por
s12 s22 s12 s22

( x1 x2 ) z 1 2 ( x1 x2 ) z
n1 n2 n1 n2
2 2
donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2

y s12 , s22 son las varianzas insesgadas respectivas de las muestras 1 y 2.
Ejemplo 7 Retomando el ejemplo 6, se prueban 40 tornillosde cada tipo de cuerda bajo condiciones
similares y se obtienen los siguientes resultados (en kg).
del tipo I x1 72.5 y s1 2.45, n1 40

del tipo II x2 69.8 y s2 1.75, n2 40
Si 1 y 2 son resistencias promedio a la tensión, 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 cuál tipo de tornillos es más resistente.
Como ya se conocen los valores muestrales para la media y la desviación estándar,
y siendo las muestras grandes (n1 = n2 = 40 30), falta únicamente encontrar el valor para
z / 2 con 95% de intervalo de confianza. Usando las tablas porcentuales, z / 2 = 1.96
2.452 1.752 2.452 1.752

(72.5 69.8) 1.96 1 2 (72.5 69.8) 1.96
40 40 40 40
1.78 1 2 3.62
Puesto que el intervalo para la diferencia de las medias poblacionales siempre será
positivo, se tiene 95% de confianza de que la resistencia a la tensión 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

– 2
de poblacionesnormalescuando se desconocen
2 2 2 2
1 y 2, pero se sabe que 1 2 en muestraspequeñas.
Dadas x1 y x2 las medias de muestras aleatoriasindependientes de tamaños n1 y

n2 (n1 30 y n2 30), respectivamente, de poblaciones aproximadamente normales de
2 2
las que se desconocen 1 y 2 pero se conoce que 12 2
2 , el intervalo de confianza
(1 – ) de 100% para 1 – 2 está dado por
1 1 1 1
( x1 x2 ) t (sp ) 1 2 ( x1 x2 ) t (sp )
n1 n2 n1 n2
2 2
295
donde t / 2 es el valor de la distribución t-Student con v = n1 + n2 – 2 grados de libertad,

el cual tiene un área de / 2
(n1 1)s12 (n2 1)s22
sp
n1 n2 2
esla estimación común de la desviación estándar poblacional y s12 y s22 son lasvarianzas
insesgadas respectivas de las muestras 1 y 2.
Ejemplo 8 Las pruebas de tracción 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 tracción 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 distribución normal, se calcula 90% de intervalo de confianza para 1 – 2,

considerando 12 2
2 , ambas desconocidas.
Primero se calculan las medias y varianzas muestrales
del conjunto 1 x1 14.29 y s12 7.50, n1 10

Con estos valores se calcula

(n1 1)s12 (n2 1)s22 (10 1)7.50 (8 1)2.68
sp 2..32
n1 n2 2 10 8 2
Falta determinar en las tablas porcentuales de la distribución t-Student el valor de

t / 2 con 90% de confianza ( = 0.10 es decir, / 2 = 0.05) y v = n1 + n2 – 2 = 16 grados
de libertad. Se determina en las tablas correspondientes que t 0.05 = 1.746.
1 1 1 1
(14.29 22.09) 1.746 2.32 1 2 (14.29 22.09) 1.746 2.32
10 8 10 8
9.72 1 2 5.88

– 2
de poblacionesnormalescuando se desconocen
2 2 2 2
1 y 2, pero se sabe que 1 2 en muestraspequeñas.

y n2 (n1 30 y n2 30), respectivamente, de poblaciones aproximadamente normales
donde se desconocen 12 y 22 pero se sabe que 12 2
2 , el intervalo de confianza
(1 – ) de 100% para 1 – 2 está dado por
s12 s22 s12 s22

( x1 x2 ) t 1 2 ( x1 x2 ) t
n1 n2 n1 n2
2 2
296
donde t /2
es el valor de la distribución t-Student con
2
s12 s22
n1 n2
2 2
s12 1 s22 1
n1 n1 1 n2 n2 1
grados de libertad, el cual tiene un área de / 2, y s12 y s22 son las varianzas insesgadas
respectivas de las muestras.
De la fórmula anterior se puede estimar que el resultado del cálculo de los
gradosde libertad generalmente será una cantidad no entera, por lo que siempre sedebe
redondear al entero más próximo (no al siguiente), por ejemplo, si v = 14.3 14; v =
14.7 15; v = 14.5 15.
2 2
Ejemplo 9 Se retoman los datos del ejemplo 8, considerando que 1 2 y son ambas desco-
nocidas. Se supone normalidad; se calcula 90% de intervalo de confianza para 1 – 2; se
determina qué tipo de semiconductor sin recubrimiento (1) o con recubrimiento (2) tiene
más resistencia a la tracción.
Las medias y varianzas muestrales se calcularon anteriormente

Con estos valores se calculan los grados de libertad

2
s12 s22 7.50 2.68
2
n1 n2 10 8
2 2 2 2
14.99 15
s12 1 s22 1 7.50 1 2.68 1
n1 n1 1 n2 n2 1 10 10 1 8 8 1
Falta determinar, usando las tablas porcentuales de la distribución 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.
7.50 2.68 7.50 2.68
(14.29 22.09) 1.753 1 2 (14.29 22.09) 1.753
10 8 10 8
9.63 1 2 5.97
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 tracción con recubrimiento es mayor que sin
recubrimiento.
5. Intervalo de confianza para = 1 – 2 de poblacionesnormales, cuando se desconocen

2 2
1 y 2, pero se sabe que son observaciones por pares en muestras pequeñas.
Dadas xd y sd la media y la desviación estándar de las diferencias normalmente

distribuidas de n pares aleatorios y dependientes de mediciones de muestras de
tamaño n(n 30), respectivamente, de poblaciones aproximadamente normales
297
2 2
donde se desconoce 1 y 2, el intervalo de confianza (1 – ) de 100% para
d
= 1 – 2 está dado por
sd sd
xd t d xd t
2
n 2
n
donde t / 2 es el valor de la distribución t-Student con v = n – 1 grados de libertad, el

cual tiene un área de / 2.
Ejemplo 10 En un proceso químico se comparan dos catalizadores para comprobar su efecto en el

resultado de la reacción. Se preparó una muestra de doce procesos utilizando el catalizador
marca L y también doce de la marca M; a continuación se muestran los datos con los
rendimientos.
L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
Se calcula 99% de intervalo de confianza para la diferencia de observaciones igua-

ladas y se supone que los datos están distribuidos normalmente.
Primero se determinan las diferencias de los datos de la muestra
L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
L–M 0.04 0.50 0.28 0.08 0.01 0.05 0.23 0.11 0.18 0.06
Con estas diferencias se calcula su valor medio y la desviación estándar

xd 0.074 y sd 0.207
El tamaño de la muestra es diez, por consiguiente los grados de libertad v = 10 – 1 =

9. De las tablas porcentuales correspondientes a la distribución t-Student con 99% de
con-fianza ( = 0.01 y / 2 = 0.005), se tiene que t 0.005 = 3.25. Por último el intervalo de
confianza resulta
0.207 0.207
0.074 3.25 d 0.074 3.25
10 10
0.139 d 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
Estudiante: 1 2 3 4 5 6 7 8 9 10
Prueba 1: 90 90 90 80 90 92 88 90 63 70
Prueba 2: 84 84 82 94 90 85 89 62 65 52
Considera 95% de intervalo de confianza para la diferencia de las puntuaciones

igualadas y supón normalidad en las poblaciones.
298
2. Se aplicó un examen de matemáticas 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 aplicó un examen de álgebra 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 investigación en medicinadel deporte dio a conocer lasdiferenciasen las
tasas de consumo de oxígeno para varonesuniversitariosentrenados con dosmétodos
diferentes. Uno de ellos recibe entrenamiento continuo y el otro intermitente, los dos
con igual duración. En la siguiente tabla se registran los tamaños de muestra, medias
y desviaciones estándar respectivas, expresados en ml por kg/ min
Entrenamiento continuo Entrenamiento intermitente

nc = 9 ni = 7
xc = 43.71 xi = 39.63
sc = 4.87 si = 9.68
Calcula las medias de estas poblaciones con 99% de intervalo de confianza;

supón que lasvarianzaspoblacionalesson diferentesy que su distribución esaproxima-
damente normal.
4. Los datosque se muestran a continuación son losgradosde dureza Brinell obtenidos
para muestras de dos aleaciones de magnesio
Supón 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 después de dicho periodo.
Mujer 1 2 3 4 5 6 7
Peso anterior 58.5 60.3 61.7 69.0 64.0 62.6 56.7
Peso posterior 60.0 54.9 58.1 62.1 58.5 59.9 54.4
Determina la eficacia de la dieta considerando 95% de intervalo de confianza para

la diferencia de media de los pesos; supón que su distribución aproximadamente
normal.
2 2
a) si 1 2
2 2
b) si 1 2
299
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 razón entre varianzas.
2
1. Intervalo de confianza para de poblaciones normalesen muestraspequeñas.
Dada s2 la varianza de una muestra aleatoria de tamaño n (n 30) de una pobla-

ción aproximadamente normal, el intervalo de confianza (1 – ) de 100% para el
parámetro 2 está dado por
(n 1)s2 2 (n 1)s2
2 2
2 1 2
2 2 2
donde 2 y 1 2 son valores de la distribución ji cuadrada (ver tablas estadís-
ticas correspondientes) con v = n – 1 grados de libertad, los cuales tienen áreas de / 2
y 1 – / 2, respectivamente.
Ejemplo 11 Un antropólogo midió el ancho (en centímetros) de una muestra tomada al azar de nueve
cráneos 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 s2 = 2.33.
El grado de confi anza est á dado por 1 – = 0.95, donde = 0.05, es deci r
/ 2 = 0.025 y 1 – / 2 = 0.975. Buscando en las tablas de la distribución ji cuadrada con
v = 9 – 1 = 8 grados de libertad, se tiene
2 2 2 2
2 0.025 17.5345 y 1 2 0.975 2.1797
Por último, resulta

(9 1)2.33 2 (9 1)2.33
17.5345 2.1797
2
1.06 8.55
2 2
2. Intervalo de confianza para 1 2 de poblacionesnormalesen muestraspequeñas.
2 2
Dadas s1 y s2 las varianzas de muestras aleatorias independientes de tamaños n1 y
n2 (n1 30 y n2 30), respectivamente, de poblaciones normales, el intervalo de
confianza (1 – ) de 100% para la razón de las varianzas 12 22 está dado por
s12 1 2
1 s12
f 2( 2, 1)
s22 f 2( 1, 2)
2
2 s22
donde f 2 ( 1, 2 ) es el valor de la distribución F (ver tablas correspondientes), con

v1 = n1 – 1 grados de libertad del numerador y v2 = n2 – 1 grados de libertad del
denominador el cual tiene un área de / 2, similarmente f 2 ( 2 , 1 ).
300
2 2
Ejemplo 12 Retomando los datos del ejemplo 8 se hizo la suposición de que 1 2 y se calculó
un intervalo de confianza para la razón de varianzas y se determinó si fue válida la
suposición, 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 s12 7.50, n1 = 10, y
del conjunto dos s22 2.68, n2 = 8.
Falta determinar usando las tablas porcentuales de la distribución F los valores
de f 2 ( 1, 2 ) y f 2 ( 2 , 1 ) con 90% de confianza ( = 0.10 es decir, / 2 = 0.05) y v1
= n1 – 1 = 10 – 1 = 9 y v2 = n2 – 1 = 8 – 1 = 7 grados de libertad. Se busca en las tablas
de la distribución F y se obtiene
f 2( 1, 2) f 0.05 (9, 7) 3.677 y f 2 ( 2, 1) f 0.05(7, 9) 3.293
El intervalo de confianza resulta
2
7.50 1 1 7.50
2
3.293
2.68 3.677 2 2.68
2
1
0.76 2
9.22
2
Del intervalo de confianza para la razón entre varianzas se determina que el valor 1
está contenido en el intervalo. Por tanto, con 90% de confianza se justifica la suposición de
2 2
que 12 2
2 , ya que 1
2
2 1 (0.76, 9.22) y si se multiplican por 2 ambos miembros
2 2
de la igualdad se obtiene 1 2.
Ejercicio 4
1. Un geólogo estudia el movimiento de los cambios relativos en la corteza terrestre en

un sitio particular, en un intento por determinar el ángulo medio de las fracturas
eligió n = 50 fracturas y determina que la media es de 39.8°y la desviación estándar
muestral es de 17.20°. Considera 99% de intervalo d e confianza para estimar la
varianza de la población (supón que la población está normalmente distribuida).
2. En un proceso químico se comparan dos catalizadores para verificar su efecto en
el resultado de la reacción. Se preparó una muestra de diez procesos utilizando el
catalizador marca L y diez con el de la marca M, a continuación se muestran los
datos con los rendimientos
L 0.99 0.90 0.32 0.70 0.43 0.67 0.65 0.61 0.44 0.92
M 0.95 0.40 0.60 0.62 0.44 0.62 0.42 0.72 0.26 0.86
301
Considera 99% de intervalo de confianza para razón entre varianzas de los rendi-
mientos de los catalizadores; supón que los datos están 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 desviación
estándar 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
estación de gasolina (10.5, 10.0, 9.90, 9.95 y 10.15), supón 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 parámetro p en muestrasgrandes.
ˆ yq
Si p ˆ 1 ˆp son las proporciones respectivas de éxitos y fracasos en una muestra
aleatoria de tamaño n (n 30), el intervalo de confianza (1 – ) de 100% para el
parámetro binomial p está dado por
ˆpq
ˆ ˆpq
ˆ
ˆp z p ˆp z
n n
2 2
Ejemplo 13 En una muestra aleatoria de cien posibles clientes, 70 prefieren determinado producto.
Se considera 95% de intervalo de confianza para la proporción de todos los posibles
clientes que prefieren tal producto.
Para el intervalo de confianza de la proporción primero se determina el valor de
ésta de personas que prefieren el producto
ˆp 70 30
0.70 y ˆq 0.30
100 100
En este caso se tiene 95% de confianza, por tanto, 1 – = 0.95, y usando las tablas
porcentuales de la distribución normal se tiene z / 2 = 1.96. Por último
0.70 0.30 0.70 0.30

0.70 1.96 p 0.70 1.96
100 100
0.6102 p 0.7898
2. Intervalo de confianza para p1 – p2 de poblaciones en muestras grandes.
Dadas ˆp1 y ˆp2 las proporciones de éxitos de lasmuestras aleatorias de tamaños n1 y n2

(n1 30y n2 30), respectivamente y q ˆ1 1 p ˆ1 y q
ˆ2 1 p ˆ 2 , el intervalo de confianza
(1 – ) de 100% para la diferencia entre los dos parámetros binomiales p1 – p2 está
dado por
ˆp1q
ˆ1 ˆp2q
ˆ2 ˆp1ˆq1 ˆ 2q
p ˆ2
(ˆp1 ˆp2 ) z p1 p2 (ˆp1 ˆp2 ) z
n1 n2 n1 n2
2 2

302
Ejemplo 14 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 pA – pB; se determina si es válido suponer
que la población de fumadores prefiere la marca B, sobre la marca A.
Dada pA la probabilidad de que 56 de 200 fumadores prefieran la marca A, su
estadístico resulta
ˆpA 56
0.28
200
de tal forma que qˆ A 0.72 con n1 = 200. Asimismo la probabilidad de que 29 de 150
prefieran la marca B resulta
ˆpB 29
0.19
150
de tal formaque ˆqB 0.81 con n2 = 150. Por último parael intervalo de 95% de confianza,
de las tablas porcentuales para la distribución normal resultaque z / 2 = 1.96, empleando
la fórmula correspondiente para pA – pB
0.28 0.72 0.19 0.81 0.28 0.72 0.19 0.81
(0.28 0.19) 1.96 pA pB (0.28 0.19) 1.96
200 150 200 150
0.0018 pA pB 0.1782
Como pA – pB 0 entonces pA pB.

Por tanto, no es válida la suposición de que la población 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 Panamá, un

economista toma una muestra al azar de 400 personas de clase obrera, donde 25
resultaron sin empleo. Calcula la proporción real de trabajadores desempleados en
Panamá considerando 97% de un intervalo de confianza.
2. Un rector registró debidamente el porcentaje de calificaciones D y F otorgadas a
los estudiantes por dos profesores universitarios de historia. El profesor I alcanzó
32% contra 21% del profesor II, con 200 y 180 estudiantes, respectivamente.
Considera90% de intervalo de confianza para la diferencia de proporciones.
3. Un antropólogo está interesado en la proporción de individuos que presentan
braquicefalia en dos tribus indígenas. Supón 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 característica. Considera 95% de intervalo
de confianza para la diferencia p1 – p2 entre las proporciones de estas dos tribus.
10.2 Pruebas de hipótesis

En la sección anterior se analizaron los intervalos de confianza para el cálculo de
estimaciones sobre los parámetros y para tomar decisiones al trabajar con la población
de interés. En esta sección se estudiará otro método estadístico que permita tomar deci-
sionesen problemasrelacionadoscon poblaciones que resultan muy difícileso imposibles
de analizar en su totalidad. Por ejemplo, para poder concluir con cierta veracidad sobre la
303
vida promedio de focos de cierta marca, se puede formular una hipótesis, la cual se debe
comprobar, es decir, buscar evidencias que ayuden a decidir si la hipótesis se acepta o
se rechaza.
Definición 10.5
Se llama hipótesis estadística
La comprobación de una hipótesis estadística consiste en buscar evidencias para

decidir sobre la aceptación o rechazo de la afirmación realizada. En el ejemplo de los
focos se puede suponer que su vida promedio está por arriba de las 750 h de duración;
después de elegir una muestra de tales focos, resulta que su vida promedio fue 730 h, con
este análisis surge un cuestionamiento.
En la comprobación de hipótesis, la manera óptima de tomar la decisión de aceptar o
rechazar la afirmación realizada sólo se puede conocer cuando se analiza toda la población;
sin embargo, en la práctica, una afirmación se acepta con base en una muestra aleatoria
de la población que sólo indica que con los resultados obtenidos no existe evidencia para
rechazarla. Asimismo, cuando se rechaza una afirmación formulada sólo significa que no
existen evidencias suficientes de la muestra para aceptarla.
Para formular unaafirmación sobre un suceso y realizar una prueba de aceptación
o rechazo, surge la siguiente terminología: se llama hipótesisnula a la afirmación que se
quiera probar y se simboliza por H 0. A la afirmación que es opuesta a la hipótesis nula
se le llama hipótesisalterna, y se simboliza por H1. Cabe aclarar que la hipótesis nula siem-
pre deberá ser establecida de tal forma que especifique un valor exacto del parámetro
en estudio, mientras que la hipótesis alterna debe representar un valor diferente al de la
hipótesis nula. Por ejemplo en el caso de la duración promedio de los focos la muestra
tuvo una vida promedio de 730 h, 20 menos que la conjetura del fabricante, por tanto,
se formula la hipótesis nula como H0: 750, es decir, la vida promedio de los focos es
menor o igual que 750.
La hipótesis alterna correspondiente se basa en la afirmación del fabricante, el cual
asegura que la vida promedio de los focos está por arriba de las 750 h de duración, con
lo que se establece la hipótesis alterna como H1: 750, es decir, la vida promedio de
los focos es mayor a 750.
Como se aprecia, el valor del parámetro en la hipótesis alterna puede elegirse
dentro de una infinidad de posibilidades ya que no se establece un valor concreto, en
este caso sólo debe cumplir con ser mayor a 750.
10.2.1 Tipos de errores en una prueba de hipótesis
Al aceptar o rechazar una hipótesisnula se pueden cometer ciertoserrores, loscualesdeben

ser mínimos.
Definición 10.6
Se llama error tipo I cuando se rechaza la hipótesis nula, dado que ésta es cierta. Asimismo, se
llama error tipo II cuando no se rechaza la hipótesis nula, dado que es falsa.
Dadas las definiciones de los dos errores que van implícitos al aceptar o rechazar
una hipótesis nula, surge de nuevo un cuestionamiento.
304
La respuesta referente a la probabilidad de cometer un error tipo I o tipo II es

fundamental en el desarrollo de la prueba de hipótesis.
Definición 10.7
Se llama a la probabilidad de cometer un error tipo I y se simboliza por ; si
se comete un error tipo II, la probabilidad se simboliza por .
Ejemplo 15 Se retoma el caso de la vida promedio de los focos y se consideran 49 focos de muestra y
las hipótesis H 0: 750, H1: 750, la evidencia de la muestra establece 760 h de vida
promedio, se calcula el nivel de significancia.
= probabilidad de cometer un error tipo I = probabilidad de rechazar H 0 siendo verdadera
Es decir
P(X 760), cuando 750
Para calcular la probabilidad anterior se usa el teorema central del límite
X 760 750
P(X 760) P P(Z 2.8) 0.0026
25
n 49
En tales condiciones, la probabilidad de cometer un error tipo I es pequeña; es
decir, el nivel de significancia es 0.26%.
Ejemplo 16 Se retoma el caso de la vida promedio de los focos y se calcula para = 765.
= probabilidad de cometer un error tipo II = probabilidad de aceptar H 0, siendo falsa
Es decir,
P(X 760 cuando 765)
se calcula la probabilidad anterior usando el teorema del límite central
X 760 765
P(X 760) P P(Z 1.4) 0.0808
25
n 49
La probabilidad de cometer un error tipo II es pequeña, es decir, 8.08% para el
caso en que la verdadera vida promedio de los focos sea igual a 765 horas.
305
Ejercicio 6
1. Se ha desarrollado una nueva preparación para cierto tipo de cemento con un

coeficiente de compresión de 5 mil kg por cm2 y una desviación estándar de 120.
Para comprobar la hipótesis de que = 5 000, en contraposición con la alternativa
de 5 000 se verifica una muestra al azar de 50 piezas de cemento. Se determina
que la región crítica es X 4 970.
a) calcula la probabilidad de cometer el error tipo I cuando H 0 es verdadera

b) evalúa para la alternativa = 4 960
2. Supón que X es una variable aleatoria normal con varianza 100. Si se toma una
muestra al azar de tamaño 16 de X, comprueba la hipótesis H0: = 10 contra H1:
10. Si se determinó una media muestral de 12.5, calcula la probabilidad de error
de tipo II.
3. Una lavandería afirma que un nuevo quitamanchas es efectivo en no más de 70%
de los casos en que se utiliza. Para comprobar esta afirmación se aplica el producto
en doce manchas tomadas al azar. Si menos de once son eliminadas se acepta la
hipótesis nula de que p = 0.7; de otra forma se concluye p 0.7.
a) evalúa , suponiendo p = 0.7

b) evalúa para la alternativa p = 0.9
Para la comprobación de hipótesis se tienen los mismoscasosque en los intervalos

de confianza. La formulación de las hipótesis nula y alterna comúnmente causa cierto
desconcierto. Para diferenciar a la hipótesis nula de la alterna y simplificar los ejemplos y
ejercicios, el análisis delimita que las hipótesis a verificar siempre estén formuladas con
, o =. De tal forma que en los dos primeros casos éstas serán las hipótesis alternas
correspondientes, mientras que en el tercero se refiere a la hipótesis nula.
Puesto que en la prueba de hipótesis y los intervalos de confianza se tienen los
mismos casos y sus condiciones para la aplicación son las mismas, se simplifica el trabajo,
resumiendo únicamente las fórmulas para las hipótesis nulas y sus hipótesis alternas
respectivas con sus estadísticos y regiones de rechazo correspondientes, para cada uno
de los diferentes temas: medias (tres casos), diferencia de medias (cinco), varianzas (dos)
y proporciones (dos).
Para la prueba de hipótesis se recomienda seguir los siguientes pasos:
• establecer la hipótesis nula

• establecer la hipótesis alterna
• fijar el nivel de significancia
• elegir el estadístico para la prueba de hipótesis
• con base en lo anterior encontrar la región de aceptación y rechazo
• calcular el valor del estadístico correspondiente y, con base en éste, aceptar o
rechazar la hipótesis nula
306
10.2.2 Pruebas de hipótesis para medias de poblaciones

aproximadamente normales con valor crítico
Ejemplo 17 1. Una máquina produce piezas metálicas de forma cilíndrica, se toma una muestra al
azar de piezas cuyos diámetros son 9.8, 9.5, 9.8, 11.5, 9.0, 10.4, 9.8, 10.1 y 11.2 mm.
Se supone que los diámetros tienen una distribución aproximadamente normal. Si el
fabricante afirma que el diámetro promedio es 10 mm, se determina respecto de esta
afirmación con 0.01 de nivel de significancia.
Se pide una prueba de hipótesis para la media, comprobando que ésta es igual
a 10 mm, en tal caso, de acuerdo con datos muestrales, la hipótesis alterna será el
opuesto, es decir, diferente de diez. Se siguen los pasos para una prueba de hipótesis.
a) H0: = 10
b) H1: 10
c) nivel de significancia = 0.01
d) estadístico de prueba, primero se identifica a cuál de lostrescasosanteriorescorres-
ponde, se indica que no se conoce sy que la muestra es pequeña; por tanto,
x 0
t
s n
e) para localizar la región de aceptación y rechazo del inciso b), se
determina que se trata de una prueba de dos colas, y del inciso d), que
el estadístico de prueba está basado en la distribución t-Student, por lo
que la región de rechazo está dada por
t –t /2
yt t /2
Región de rechazo, Región de rechazo,
cola izquierda cola derecha Con base en el inciso c), se tiene = 0.01, donde / 2 = 0.005. Por otro
lado, el tamaño de la muestra es n = 9, donde v = 9 – 1 = 8 grados de
libertad. Por tanto, de las tablas porcentuales de la distribución t-Student
resulta la región de rechazo
t –t 0.005 = –3.355 y t t0.005 = 3.355
307
f) para calcular el estadístico t, primero se determinan los datos de la media y la

desviación estándar muestral calculando los nueve datos, se tiene x 10.1222 y
s= 0.7981, donde
10.1222 10
t 0.4593
0.7981 9
Como dicho valor se encuentra en la región de aceptación, la hipótesis nula
se acepta y, por tanto, se determina que con nivel de significancia de = 0.01 es
válida la afirmación del fabricante.
2. Se toma una muestra al azar de 36 vasos suministrados por una máquina de refrescos
que sirve por vaso un contenido promedio de 21.9 dl, con desviación estándar de
1.42 dl. Se comprueba la hipótesis = 22.2 dl contra la hipótesis alterna 22.2 con
nivel de significancia 0.05.
a) H0: = 22.2
b) H1: 22.2
d) estadístico de prueba; primero se identifica a cuál de los tres casos anteriores
corresponde, dado que no se conoce y la muestra es grande; por tanto
x 0
z
s n
e) para localizar la región de aceptación y rechazo del inciso b), se determina que se
trata de una prueba de una cola, y del inciso d), que el estadístico de prueba está
basado en la distribución normal, por lo que la región de rechazo está dada por
z –z
Con base en el inciso c), se tiene = 0.05. Por tanto, de las tablas porcen-
tuales de la distribución normal la región de rechazo resulta
z –z = –1.6449
f) de la muestra aleatoria de 36 servicios de la máquina de bebidas se obtuvo un

contenido promedio de 21.9 dl, con desviación estándar de 1.42 dl, donde
21.9 22.2
z= = –1.2676
1.42 36
se acepta con un nivel de significancia de = 0.05.
3. De acuerdo con las normas establecidas para un examen de aptitud mecánica, las
personas de 18 años deberían promediar 73.2 con desviación estándar de 8.6. Si de
una toma al azar 45 personas promedian 76.7, se comprueba la hipótesis de que la
media poblacional es mayor que 73.2. Se determina nivel de significancia de 2.5% y
desviación estándar poblacional de 8.6.
308
Se pide una prueba de hipótesis para la media, donde se comprueba que la

media poblacional es mayor que 73.2, según los datos anteriores; en tal caso, la
hipótesis alterna será la afirmación que se quiere probar: la media poblacional es
mayor que 73.2.
a) H0: = 73.2
b) H1: 73.2
d) estadístico de prueba; primero se identifica a cuál de los tres casos corresponde,
siendo que se conoce ; por tanto,
x 0
z
n
z z.
Con base en el inciso c), se tiene que = 0.025. Por tanto, de las tablas
porcentuales de la distribución normal la región de rechazo resulta
z z0.025 = 1.96
f) se calcula el estadístico z, x 76.7 y = 8.6, donde

76.7 73.2
z 2.73
8.6 45
Como dicho valor se encuentra en la región de rechazo, la hipótesis nula se
rechaza con nivel de significancia de 2.5%.
Ejercicio 7
1. Un fabricante de máquinas de refrescos asegura que sus máquinas suministran un

promedio de 250 mm por vaso, pero debido a algunas quejas de los consumidores
sobre una máquina en particular decide verificarla, para lo cual toma una muestra
de 20 vasos, obteniendo 245 mm de media con desviación estándar de 11. Calcula
con 0.10 de nivel de significación, si es cierta la afirmación del fabricante.
2. Compruebalahipótesisdequeel contenido promedio delosenvasesdeun lubricante
es de diez litros si los contenidos de una muestra aleatoria de diez envases son 10.2,
9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3 y 9.8 l. Utiliza 0.01 de nivel de significancia y
supón que la distribución de los contenidos es normal.
3. Un investigador afirma que el promedio de accidentes en una fábrica es inferior a
once. Al tomar una muestra al azar de tamaño 36, se obtiene que X 10 y S2 = 9.
Calcula si se puede apoyar al investigador con base en los resultados de la muestra a
nivel de 1%.
309
4. Un investigador afirma que el promedio de accidentes en una fábrica es inferior

a trece. Al tomar una muestra al azar de tamaño 36, se obtiene una media y una
varianza de 10 y 9, respectivamente. Calcula si se puede apoyar al investigador con
base en los resultados de la muestra a nivel de 1%.
10.2.3 Pruebas para la diferencia de medias de poblaciones

aproximadamente normales con valor crítico
( x1 x2 ) d0
t
sp (1 n1) (1 n2 )
(n1 1)s12 (n2 1)s22

sp
n1 n2 2
( x1 x2 ) d0
t
(s12 n1 ) (s22 n2 )
2
s12 s22
n1 n2
2 2
s12 1 s22 1
n1 n1 1 n2 n2 1
d d0
t
sd n
310
1. Para determinar el rendimiento de combustible en dos marcas de automóviles con

características similares se experimentó con doce automóviles marca V y diez marca I
en pruebas de velocidad fija de 90 kmph. Para los de la marca V se obtuvieron 16 kmpl
con desviación estándar de1.0 kmpl y para losdela marcaI el promedio fue 11 kmpl, con
desviación estándar de 1.8 kmpl. Se supone que la distancia por litro para cada modelo
del automóvil se distribuye aproximadamente en forma normal con varianzas iguales. Se
comprueba la hipótesis referente a que los automóviles marca V en promedio exceden
a los de la marca I por 4 kmpl utilizando = 0.10 Las varianzas poblacionales son
diferentes.
Se pide una prueba de hipótesis para la diferencia de medias, donde se tiene
que comprobar que el rendimiento promedio por litro de los automóviles marca V
excede el rendimiento de los de la marca I en 4 kmpl. De tal forma que la hipótesis
alterna queda de doscolas. Se representa por 1 el promedio del rendimiento por litro
de los automóviles marca V y por 2 a los de la marca I.
a) H0: 1 – 2 = 4
b) H1: 1 – 2 4
d) estadístico de prueba; primero se identifica a cuál de los cinco casos anteriores
corresponde, dado que no se conoce la varianza poblacional y las muestras son
pequeñas, con varianzas poblacionales diferentes, se tiene
( x1 x2 ) d0
t
(s12 n1) (s22 n2 )
trata de una prueba de dos colas, y del inciso d), que el estadístico de prueba está
basado en la distribución t-Student, por lo que la región de rechazo está dada por
t –t /2
yt –t /2
Con base en el inciso c), se tiene que = 0.10, donde / 2 = 0.05. Los grados
de libertad se calculan mediante
2
s12 s22 1 3.24
2
n1 n2 12 10
2 2 2 2
13.4946 13
s12 1 s22 1 1 1 3.2
24 1
n1 n1 1 n2 n2 1 12 12 1 10 10 1
Por tanto, usando lastablas porcentuales de la distribución t-Student con 13

grados de libertad resulta la región de rechazo
t –t0.05 = –1.796 y t t 0.05 = 1.796
f) se calcula el estadístico t con los datos que se tienen
x1 16, s12 1 y n1 12; x2 11, s22 (1.8)2 3.24 y n2 10

311
( x1 x2 ) d0 (16 11) 4
t 1.5668
(s12 n1 ) (s22 n2 ) (1 12) (3.24 10)

se acepta con nivel de significancia de 10%. Por tanto, el rendimiento por litro de
los automóviles marca V sobrepasa en 4 kmpl a los de la marca I.
2. Se comparan dos tipos de rosca de tornillo para determinar su resistencia a la

tensión. Se prueban doce piezas de cada tipo de cuerda bajo condiciones similares,
obteniéndose los siguientes resultados (en kg)
Tipo de rosca 1 2 3 4 5 6 7 8 9 10 11 12
1 78 76 80 79 78 80 82 81 79 83 80 82
2 83 80 82 83 81 80 79 80 82 78 79 81
Con 0.025 de nivel de significancia, se calcula que la resistencia promedio a la

tensión de los tornillos tipo I es menor a la de los tipo II, Se supone que las varianzas
poblacionales son iguales.
que comprobar que la resistencia promedio a la tensión de los tornillos tipo I es
menor que la de los tipo II. De tal forma que la hipótesis alterna es de una cola. Se
representa por 1 la resistencia promedio a la tensión de los tornillos tipo I y por 2 la
resistencia promedio a la tensión de los tipo II.
a) H0: 1 – 2 = 0
b) H1: 1 – 2 0
d) estadístico de prueba; primero se identifica a cuál de los cinco casos anteriores
corresponde, dado que no conoce las varianza poblacional pero se sabe que son
iguales y las muestras pequeñas; por tanto
( x1 x2 ) d0
t
sp (1 n1 ) (1 n2 )
basado en la distribución t-Student, por lo que la región de rechazo está dada por
t –t
Con base en el inciso c), se tiene que = 0.025. Los grados de libertad
se calculan mediante v = n1 + n2 – 2 = 12 + 12 – 2 = 22. Por tanto, de las tablas
porcentuales de la distribución t-Student con 22 grados de libertad, resulta la
región de rechazo
t –t0.025 = –2.074
312
f) se calcula el estadístico t con los datos de sus medias y varianzas
x1 79.8333, s12 3.9697 y n1 12; x2 80.6667, s22 2.6061 y n2 12
(n1 1)s12 (n2 1)s22 (12 1)3.9697 (12 1)2.6061

sp 1.8133
n1 n2 2 12 12 2
Se sustituye en la fórmula del estadístico

( x1 x2 ) d0 (79.8333 80.6667) 0
t 1.1257
sp (1 n1 ) (1 n2 ) 1.8133 (1 12) (1 12)
se acepta, con 2.5% de nivel de significancia, por tanto, la resistencia promedio a
la tensión de los tornillos tipo I no es menor a la de los tipo II.
3. Se comparan dos tipos de rosca de anillo para determinar su resistencia a la tensión. Se

prueban cien piezasde cadatipo de cuerdabajo condiciones similares, obteniéndose los
siguientes resultados, la tipo I, presentó resistencia promedio de 88 kg, con desviación
estándar de 5; la tipo II presentó resistencia promedio de 83 kg, con desviación estándar
de 9. Se calcula con nivel de significancia de 0.05 si la rosca tipo I tiene mayor resistencia
promedio a la tipo II en más de 3 kg.
que comprobar la resistencia a la tensión de la rosca de dos tipos de tornillos. De tal
forma que la hipótesis alterna es de una cola. Se representa por 1 a la resistencia a
la tensión de las cuerdas de los tornillos tipo I y por 2 a la de los tornillos tipo II;
a) H0: 1 – 2 = 3
b) H1: 1 – 2 3
c) nivel de significancia = 0.05.
d) estadístico de prueba: primero se identifica a cuál de los cinco casos anteriores
corresponde, dado que no se conoce la varianza poblacional y las muestras son
grandes, se tiene
( x1 x2 ) d0
z
s12 s22
n1 n2
z z
Con base en el inciso c), se tiene que = 0.05. Por tanto, de las tablas
porcentuales de la distribución normal resulta la región de rechazo
z z = z0.05 = 1.6449
313
f) se calcula el estadístico z con los datos
x1 88, s12 52 25 y n1 100; x2 83, s22 92 81 y n2 100

( x1 x2 ) d0 (88 83) 3
z 1.9426
s12 s22 25 81
n1 n2 100 100

rechaza con nivel de significancia de 5%, por tanto, la rosca de los tornillos tipo I
tiene mayor resistencia promedio a la tipo II en más de 3 kg.
Ejercicio 8
1. Un grupo de personasrequiereprocesar trabajosde cálculo en un centro de cómputo

para estimar la cantidad de tiempo requerida por la computadora para analizar el
trabajo. Este tiempo se mide en una unidad central de procesamiento (UCP). Se
decide comparar el tiempo estimado contra el tiempo real en la UCP para un cliente
y se obtienen los siguientes datos
Calcula si esta evidencia es suficiente para señalar que, en promedio, el cliente

tiende a subestimar el tiempo en la UCP necesario para los trabajos; realiza la prueba
con = 0.10 y varianzas poblacionales diferentes.
2. Cierto metal se obtiene mediante un proceso estándar. Se desarrolla un nuevo
proceso en el que se añade una aleación a la producción del metal. Los fabricantesse
encuentran interesados en estimar la diferencia entre las tensionesde ruptura de los
metales producidos por los dos procesos, el estándar y la aleación. Para cada metal
se toman al azar ocho especificaciones, donde cada una se somete a tensión hasta
que se rompe. La siguiente tabla muestra las tensiones de ruptura de los metales en
kg/ cm2.
428 419 458 439 441 456 463 429
462 448 435 465 429 472 453 459
Supón que el muestreo se lleva a cabo sobre dos distribuciones normales

e independientes con varianzas iguales. Con base en los resultados, calcula si
existe una diferencia real entre e y n, con nivel de significancia de 5% y varianzas
poblacionales iguales.
3. Se realizó un experimento para comparar los tiempos medios necesarios para que
dos empleados (A y B), completen el trámite de las cuentas corrientes personales
para nuevos clientes. Se toman al azar diezclientes para cada empleado y se registran
los tiempos de servicio obteniéndose los siguientes resultados
314
A B
Xi = 222 Yi = 285
Xi2= 5075.64 Yi2= 8292.78
Determina si existe evidencia suficiente para indicar una diferencia signifi-

cativa en los tiempos medios requeridos para completar los trámites necesarios
mencionados. Los parámetros de las varianzas son diferentes; usa = 0.10.
4. Los siguientes datos fueron recabados en un experimento que se diseñó para verificar
si existe una diferencia sistemática en los pesos obtenidos con dos escalas diferentes
Suponiendo normalidad, ¿se puede concluir que la escala 1 da menor peso

promedio que la 2?Considérese = 5% y que las varianzas son diferentes.
10.2.4 Pruebas para las varianzas poblaciones normales

de muestras pequeñas con valor crítico
Ejemplo 19 1. Se determina que una máquina de refrescos está fuera de control si la varianza de los
contenidos excede 1.15 dl. Se toma una muestra aleatoria de 25 refrescos con varianza
de 2.03 dl. Se calcula con 0.05 de nivel de significancia si la máquina está fuera de
control y se supone que los contenidos tienen una distribución normal.
En este ejercicio la prueba de hipótesis se refiere a una varianza, se comprueba
si ésta es mayor que 1.15 dl.
a) H0: 2 = 1.15
b) H1: 2 1.15
315
d) estadístico de prueba; aquí sólo se tiene un caso para la varianza; por tanto
2 (n 1)s2
2
0
basado en la distribución ji por lo que la región de rechazo está dada por
2 2
área derecha. Con base en el inciso c), se tiene = 0.05. Por tanto, de las tablas
porcentuales de la distribución ji2 con v = n – 1 = 25 – 1 = 24 grados de libertad,
2 2 2
0.05 36.415
2
Para calcular el estadístico , se tiene, de los datos del enunciado, s2 = 2.03
y n = 25.
2 (n 1)s2 (25 1) 2.03
2
42.365
0 1.15
rechaza con un nivel de significancia de 0.05, por tanto, la máquina está fuera de
control.
2. Se comparan dos tipos de rosca de tornillo para determinar su resistencia a la

tensión. Se prueban doce piezas de cada tipo de cuerda bajo condiciones similares,
obteniéndose los siguientes resultados (en kg)
Tipo de rosca 1 2 3 4 5 6 7 8 9 10 11 12
1 78 76 80 79 78 80 82 81 79 83 80 82
2 83 80 82 83 81 80 79 80 82 78 79 81
Con 0.10 de nivel de significancia, se comprueba si es justificable la suposición

de que 12 2
2.
Como no se tiene ningún caso para diferencia de varianzas se puede dividir
entre la varianza 2 y obtener una razón entre varianzas, de tal forma que
2
1
a) H 0 : 2
1
2
2
1
b) H1 : 2
1
2
316
d) estadístico de prueba; aquí sólo se tiene un caso para la razón entre varianzas; por
tanto 2
s1
f
s22
trata de una prueba de dos colas, y del inciso d), que el estadístico de prueba está
basado en la distribución F por lo que la región de rechazo está dada por
1
f yf f 2( 1, 2)
f 2( 2, 1)
Con base en el inciso c), se tiene = 0.10, donde / 2 = 0.05. Por tanto, de
las tablas porcentuales de la distribución F con v1 = v2 = 11 grados de libertad,
1 1
f 0.355 y f f0.05(11, 11) 2.818
f0.05(11, 11) 2.818
Para calcular el estadístico f se determinan las varianzas insesgadas de los

datos muestrales
s12 3.97
f 1.52
s22 2.61
Como dicho valor se encuentra en la región de aceptación, la hipótesis
nula se acepta con nivel de significancia de 0.10 y se justifica la suposición de que
2 2
1 2.
Ejercicio 9
1. Se conoce que la varianza de los puntajes de lectura para los estudiantes de sexto
año de primaria es 1.44. Se toman al azar 21 estudiantes de sexto año a los que se
les proporciona un curso especial de lectura, después del cual la varianza de los
puntajes de lectura es 1.05. Calcula si ésta es suficiente con nivel de significación de
0.05 para determinar si el curso especial la reduce.
2. Una máquina produce piezas metálicas de forma cilíndrica. Se toma una muestra de
piezas al azar cuyos diámetros son 9.8, 9.8, 9.8, 11.5, 9.0, 10.4, 10.0, 10.0, 11.0 y 12.0
mm. Supón que los diámetros tienen una distribución aproximadamente normal.
Si el fabricante de las máquinas indica que su máquina está desajustada cuando la
varianza de los diámetros de las piezas metálicas producidas excede 0.5 mm, calcula
con nivel de significancia de 0.01 si la máquina está desajustada.
3. Se sabe que el contenido de nicotina de una cierta marca de cigarrillos está
normalmente distribuida con una varianza de 1.3 mg. Comprueba la hipótesis
2
= 1.3 en contra de la alternativa 2 1.3 , si una muestra aleatoria de ocho
cigarrillos tiene desviación estándar de 1.8. Utiliza 0.05 de nivel de significancia.
317
10.2.5 Pruebas para muestras grandes
Ejemplo 20 1. Una firma manufacturera de cigarros distribuye dos marcas. Si se determina que 56
de 200 fumadores prefieren la marca A y que 29 de 150 fumadores prefieren la marca
B, se calcula con nivel de significancia de 0.06 si la marca A aventaja en ventas a la B.
Esto se puede comprobar mediante una diferencia de proporciones.
a) H0 : pA pB 0
b) H1 : pA pB 0
d) estadístico de prueba; aquí sólo se tiene un caso para la diferencia de proporciones;
por tanto
basado en la distribución Z, por lo que la región de rechazo está dada por
z z
Con baseen el inciso c), setiene = 0.06. Por tanto, delastablasporcentuales

de la distribución Z, resulta la región de rechazo
z z0.06 = 1.5548
318
Para calcular el estadístico z las variables son X A y X B, que representan

a los fumadores en favor de las marcas A y B, respectivamente, de tal manera que
las proporciones correspondientes están dadas por
Â xA 56 xB 29
p 0.28 y ˆpB 0.193
nA 200 nB 150
mientras que
ˆp xA xB 56 29 ˆ 1 0.243 0.757
ˆ 1 p
0.243 y q
nA nB 200 150
Por tanto,

rechaza con un nivel de significancia de 0.06; por tanto, la suposición de que la marca
A aventaja en ventas a la marca B se justifica.
2. Un canal televisivo asegura que la audiencia que mira cierto programa el sábado
por la noche es 40%. Se tomo al azar una muestra de cien televidentes, a quienes se
entrevistó, dando como resultado que 45 de ellos veían el programa. Con 2.5% de
nivel de significancia se comprueba si la afirmación es válida.
La prueba se trata de proporciones, donde se define una variable
X = “cantidad de personas que miran dicho programa los sábados por la noche”.
a) H0: p = 0.40
b) H1: p 0.40
d) estadístico de prueba; aquí sólo se tiene un caso para las proporciones; por tanto,
x np0
z
np0q0
basado en la distribución Z, por lo que la región de rechazo está dada por
z z
Con base en el inciso c), se tiene = 0.025. Por tanto, de las tablas
porcentuales de la distribución z, resulta la región de rechazo
z z0.025 = 1.96
f) se calcula el estadístico z con los datos que se tienen, la variable X representa a

los televidentes que ven dicho programa los sábados por la noche: se entrevista
a n = 100 televidentes de los cuales x = 45 ven el programa; por tanto
319
x np0 45 100 0.40

z 1.02
np0q0 100 0.40 0.60
se acepta con nivel de significancia de 0.025, por tanto, se puede asegurar que la
proporción de televidentesque ven el programa del sábado por la noche es menor que
40%.
Ejercicio 10
1. En un estudio para estimar la proporción de amas de casa que tienen una secadora
automática, se determina que 63 de cada 100 residentes urbanos y 59 de cada 125
residentes suburbanos la tienen. Calcula si la proporción de amas de casa urbanas
que tienen secadora exceden en más de 7% a la proporción de amas de casa
suburbanas que también tienen. Considera = 4%.
2. La industria cervecera está interesada en comparar dos marcas de cerveza (A y B),
puesto que se presume que la marca B es preferida sobre la marca A. De 200 personas
entrevistadas, 116 prefieren la marca B; y de 150 personas, 78 prefieren la marca A.
Determina la veracidad de la hipótesis de la industria. Considera = 10%.
3. Se realizó un estudio para determinar si másitalianosque estadounidensesprefieren
el vino espumoso blanco que el vino espumoso rosado en lasbodas. De una muestra
aleatoria de 300 italianos, 72 prefirieron el blanco; y de 400 estadounidenses, 70
también prefirieron el blanco. Calculasi másitalianosqueestadounidensesprefieren
el vino espumoso blanco en las bodas. Utiliza 5% de nivel de significancia.
4. Un fabricante de cierto producto afirma que más de 40% de los consumidores
prefiere su producto. Se entrevista a 60 personas al azar para verificar su afirmación.
Si 28 personas de las entrevistadas prefiere dicho producto, entonces se considera
válida la afirmación del fabricante, en caso contrario, se rechaza. Con un nivel de
significancia de 5% prueba la afirmación del fabricante.
Autoevaluación
1. Dadas X1, X2, X3, y X4 variables de una muestra aleatoria tomada de una población
distribuida en forma normal, de los siguientes estimadores indica cuál es un
estimador insesgado de la media .
ˆ X1 2X2 3X 3 4X 4
a) 1
4
ˆ X1 2X 2 X 3 X4
b) 2
4
c) ˆ X1 X 2 X 3 X 4
3
ˆ X1 2X2 3X 3 4X 4
d) 4
10
2. De una máquina que produce piezas metálicas de forma cilíndrica, se toma una
muestra al azar cuyos diámetros son 9.8, 10.5, 10.1, 9.9, 10.4, 10.6, 10.2, 10.8, 10.0,
320
10.7 y 9.8 mm. Supón que los diámetros tienen una distribución aproximadamente
normal, considera 95% de intervalo de confianza para el diámetro promedio de
todas las piezas de esta máquina.
a) (9.29, 11.29)
b) (8.46, 10.36)
c) (8.95, 11.06)
d) (10.05, 10.55)
3. Supón que la vida promedio de los focos tiene 30 h de desviación estándar de vida,
considerando una muestra de 50 focos y las hipótesis H0: = 750, H1: 750, con
la región de rechazo establecida para medias mayores a 760, calcula el nivel de
significancia.
a) 0.0091
b) 0.9919
c) 0.0182
d) 0.9818
4. El espesor de las paredes de 20 botellas de vidrio de dos litros fue medido por un
ingeniero de control de calidad. La media muestral fue 3.98 mm y la desviación
estándar muestral 0.09 mm. Considera 90% de intervalo de confianza respecto de
la varianza del espesor de las paredes de las botellas.
a) (0.08, 0.010)
b) (0.0051, 0.0152)
c) (0.008, 0.010)
d) (0.0152, 0.1520)
5. Se aplicó un examen de ecuaciones diferenciales a un grupo de alumnos (grupo A),

obteniéndose las calificaciones 4.5, 3.5, 8.5, 9.5, 9.0, 6.0, 5.5, 7.5, 10, 4.0 y 8.0. A otro
grupo de álgebra lineal se le aplicó otro examen obteniéndose las calificaciones 5.0,
6.0, 3.5, 8.0, 5.0, 7.0, 9.5, 8.0, 9.0, 10, 7.0, 4.5 y 6.5. Considera 95% de intervalo de
confianza para la diferencia de medias, ¿existirá diferencia entre las medias de las
calificaciones de los grupos?
a) (0.245, 3.562)
b) (–2.476, 3.638)
c) (–1.7673, 1.89325)
d) (1.477, 4.604)
6. Un economista tomó al azar una muestra de 400 personas de clase obrera, de la

cual 25 resultaron desempleadas. Calcula la proporción real de trabajadores desem-
pleados considerando 97% de intervalo de confianza.
a) (0.018, 0.045)
b) (0.360, 0.890)
c) (0.036, 0.089)
d) (0.046, 0.094)
321
7. Un investigador afirma que el promedio de accidentes en una fábrica es inferior

a trece. Al tomar una muestra al azar de 36, se obtuvo media y varianza de 10 y
9, respectivamente. Comprueba la hipótesis del investigador con 1% de nivel de
significancia.
a) se acepta la afirmación con z = –2.3263

b) se rechaza la afirmación con z = –6
c) se rechaza la afirmación con z = 2.3263
d) se acepta la afirmación con z = –4.569
8. Considera un medidor de volumen en la bomba de una estación de gasolina en la

cual se realizan cinco mediciones, 10.5, 10.0, 9.90, 9.95 y 10.15. Supón normalidad,
calcula un intervalo de confianza para la varianza con = 0.05.
a) (6.799, 13.401)
b) (9.799, 10.401)
c) (8.799,12.401)
d) (8.946, 10.984)
Respuestas de los ejercicios
Ejercicio 1
1. insesgados T2, T3, más eficiente T2
2. se comprueba que E( ˆ )
3.
a) se comprueba que E(X Y) 1 2
2 2
b) 1 2
V (X Y)
n1 n2
Ejercicio 2
1.
a) (15.03, 17.64)
b) (13.84, 18.82)
2. (3.98, 4.06)
3. (25.07, 27.73)
4. (9.80, 10.40)
5.
a) (9.40, 11.26)
b) (9.52, 11.14)
322
Ejercicio 3
1. (–1.50, 12.70)
2. (–0.55, 3.28)
3. (–9.35, 17.51)
4. (–4.96, 1.60)
5.
a) (–0.96, 8.08)
b) (–0.51, 7.62)
Ejercicio 4
1. (132.24, 1016.46)
2. (0.17, 7.16)
3. (0.0049, 0.0157)
4. (0.021, 0.485)
Ejercicio 5
1. (0.036, 0.089)
2. (0.036, 0.184)
3. (–0.177, 0.057)
Ejercicio 6
1.
a) 0.0384
b) 0.2776
2. 0.1587
3.
a) 0.085
b) 0.341
Ejercicio 7
1. t = –2.033; no es cierta la afirmación del fabricante
2. t = 2.44; se acepta que el contenido promedio es 10.l

323
3. z = –4; el promedio de accidentes es menor que doce
4. z = –2, el promedio de accidentes es mayor o igual que once
Ejercicio 8
1. t = –0.408; el promedio real es mayor o igual al estimado
2. t = –1.456; los dos procesos son iguales
3. t = –0.18; los tiempos medios son iguales
4. t = 1.039; la escala 1 da un peso promedio mayor o igual que la 2
Ejercicio 9
2
1. 10.1273; los cursos disminuyen la varianza de los puntajes en la lectura
2
2. 29.76; sí, la máquina está desajustada
2
3. 7.45; la varianza es igual a 1.3
Ejercicio 10
1. z = 1.316; la proporción de amas de casa urbanas que poseen secadora no es mayor

que la de las residentes suburbanas
2. z = 1.1176; la marca B no es preferida sobre la marca A
3. z = 5.2927; los italianos prefieren el vino espumoso blanco
4. z = 1.05; la afirmación no es válida
Respuestas de la autoevaluación
1. d)
2. d)
3. a)
4. b)
5. c); dado que el 0 está en el intervalo, no hay diferencia entre los grupos
6. c)
7. b)
8. b)
Apéndice A
Uso de tablas alternativas para la distribución normal

La unidad 8 abordó la distribución normal y en la sección 8.3.3 se estudió el uso de las
tablas normales que se encuentran en el apéndice B. En su momento, se mencionó que
la distribución normal juega un papel muy importante en el estudio de la probabilidad
y la inferencia estadística; por consiguiente, en diferentes textos, la presentación de
las tablas normales es variable, obviamente el valor de la probabilidad que se calcula
no cambiará. A causa de dichas variantes en su presentación se decidió dar al alumno
una explicación sobre el uso de otros dos tipos de tablas, las cuales están al final de la
presente explicación.
A.1 Uso de tablas de la distribución normal estándar, cola derecha

Las tablas de cola derecha tienen el siguiente aspecto:
En las tablas, los valores de Z varían de centésima en centésima desde 0 hasta 3.99.
En la fila se ponen las décimas y en las columnas las centésimas.
Por tanto, el cálculo de probabilidades con base en esta función y las propiedades de
simetría y el complemento estudiadas en la subsección 8.3.2, se podrá efectuar de la siguiente
forma, para losdiferentescasosque puedan ocurrir, y que ya se vieron en la sección 8.3.3:
326
Fd( Z0 ), en caso de que Z0 0

1. P(Z Z0 )
1 Fd(Z0 ), en caso de que Z0 0
1 Fd( Z0 ), en caso de que Z0 0

2. P(Z Z0 )
Fd(Z0 ), en caso de que Z0 0
3. P( Z0 Z Z0 ) 1 2Fd(Z0 )
Fd(a) Fd(b), en caso de que a, b 0,
4. P(a Z b) Fd( b) Fd( a), en caso de que a, b 0,
1 Fd(b) Fd( a), en caso de que a 0 y b 0
En los siguientes ejemplos se empleará la función Fd(z).
Ejemplo Dada Z una variable aleatoria continua con distribución normal estándar, se calculan las
probabilidades indicadas en el ejemplo 4 de la sección 8.3.3:
1. P(Z 1.25) 1 Fd(1.25) 1 0.1056 0.8944

2. P(Z 0.86) Fd( ( 0.86)) Fd(0.86) 0.1949
3. P( 2.97 Z 2.97) 1 2Fd(2.97) 1 2 0.0015 1 0.0030 0.9970
4. P( 0.67 Z 1.24) 1 Fd(1.24) Fd( ( 0.67)) 1 0.1075 0.2514 0.6411
5. P(0.06 Z 3.04) Fd(0.06) Fd(3.04) 0.4761 0.0012 0.4749
6. P( 1.34 Z 0.56) Fd( ( 0.56)) Fd( ( 1.34)) 0.2877 0.0901 0..1976
327
328
A.2 Uso de tablas de la distribución normal estándar, parte central
Las tablas de la parte central tienen el siguiente aspecto:
En las tablas, losvalores de Z varían de centésima en centésima desde 0 hasta 3.99.

En la fila se ponen las décimas y en las columnas las centésimas.
Por tanto, el cálculo de probabilidades con base en esta función y las propiedades de
simetría y el complemento estudiadas en la subsección 8.3.2, se podrá efectuar de la siguiente
forma, para losdiferentescasosque puedan ocurrir, y que ya se vieron en la sección 8.3.3:
0.5 Fc( Z0 ), en caso de que Z0 0

1. P(Z Z0 )
0.5 Fc(Z0 ), en caso de que Z0 0
0.5 Fc( Z0 ), en caso de que Z0 0

2. P(Z Z0 )
05 Fc(Z0 ), en caso de que Z0 0
3. P( Z0 Z Z0 ) 2Fc(Z0 )
Fc(b) Fc(a), en caso de que a, b 0,
4. P(a Z b) Fc( a) Fc( b), en caso de que a, b 0,
Fc(b) Fc( a), en caso de que a 0 y b 0
En los siguientes ejemplos se empleará la función Fc(z).

329
Ejemplo Dada Z una variable aleatoria continua con distribución normal estándar, se calculan las
probabilidades indicadas en el ejemplo 4 de la sección 8.3.3:
1. P(Z 1.25) 05 Fc(1.25) 0.5 0.3944 0.8944

2. P(Z 0.86) 0.5 Fc( ( 0.86)) 0.5 Fc(0.86) 0.5 0.3051 0.1949
3. P( 2.97 Z 2.97) 2Fc(2.97) 2 0.4985 0.9970
4. P( 0.67 Z 1.24) Fc(1.24) Fc( ( 0.67)) 0.3925 0.2486 0.6411
5. P(0.06 Z 3.04) Fc(3.04) Fc(0.06) 0.4988 0.0239 0.4749
6. P( 1.34 Z 0.56) Fd( ( 1.34)) Fd( ( 0.56)) 0.4099 0.2123 0..1976
Apéndice B
332
Función acumulada de la distribución normal estándar

333
334
Tabla porcentual de la distribución normal estándar

335
Tabla t-Student
336
Tabla de porcentajes de la función inversa acumulada,

distribución -cuadrada, área de cola derecha
337

distribución F, área de cola derecha
338

339

340

341

342

343

344

345

346

Bibliografía
Bibliografía básica
Mendenhall, William, Richard L. Scheaffer y Dennis D. Wackerly, Estadística matemática

con aplicaciones, Grupo Editorial Iberoamérica, 1994.
Por medio de esta obra se pueden ampliar los conocimientos sobre las multivariables
y distribuciones muestrales (unidad 9), así como los modelos continuos y discretos
(unidades 5 a 8).
Meyer, Paul L., Probabilidad y aplicaciones estadísticas, Addison-Wesley Iberoamericana

(edición revisada), 1992.
Este texto es propicio para los estudiantesque quieran resolver problemasreferentes a los
temas de las unidades 2-10 con mayor grado de dificultad.
Montgomery, Douglas C. y George C. Runger, Probabilidad y estadística aplicadas a la

ingeniería, McGraw-Hill, México, 1996.
Este texto es propicio para ampliar los conocimientos sobre estadística descriptiva e
inferencial (unidades 1 y 10 del presente libro, respectivamente) y los modelos continuos
y discretos (unidades 5 a 8).
Walpole, Ronald E., y Raymond H. Myers, Probabilidad y estadística, Pearson Educación, 1998.
Este texto es propicio para ampliar los conocimientos sobre estadística inferencial
(unidad 10) y modelos continuos y discretos (unidades 5 a 8).
Bibliografía complementaria
Devore, Jay L., Estadística matemática con aplicaciones, Thomson Editores, 1998.
Gutiérrez González, Eduardo y Olga Vladimirovna Panteleeva, Fundamentosde la teoría de

lasprobabilidadespara ingeniería y ciencias, Libudi, México, 2000.
________________ , Tablasy formulasestadísticas, Libudi, México, 2000.
Mendenhall, William, y Terry Sincich, Probabilidad y estadística para ingeniería y ciencias,

Prentice-Hall, 1997.

Estad y Prob - 5a - 10 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estad y Prob - 5a - 10 PDF

Cargado por

Copyright:

Formatos disponibles

UNIDAD

Al finalizar la unidad, el alumno:

• determinará si un estimador es sesgado o insesgado

10.1 Inferencia estadística

En el método clásico la inferencia se realiza mediante los resultados de un

10.1.1 Estimación puntual

Un estimador es un elemento descriptivo basado en las mediciones contenidas en una

Mediante el promedio de los datos de una muestra se calcula un valor para el

De la definición de estimador puntual no se puede esperar que dicho valor realice

En el ejemplo anterior se apreciaquea un mismo parámetro le pueden corresponder

Ejemplo 2 Dadalamuestra aleatoriadel ejemplo anterior X1, X2, . . ., X5 y considerando losestadísticos

V (a1X1 a2X 2 anX n ) a12V (X1 ) a22V (X2 ) a2nV (X n )

1. Dadas X1, X2, X3 y X4 una muestra aleatoria seleccionada de una población

2. La lectura en un voltímetro conectado a un circuito depruebatiene una distribución

a) comprueba que X Y es un estimador insesgado de 1

10.1.2 Estimación por intervalo

Después de iniciado el estudio de los estimadores puntuales es lógico suponer que la

Es decir, se tiene una probabilidad de 1 – de seleccionar una variable aleatoria

En las siguientes subsecciones se analizarán los intervalos de confianza más

Intervalos de confianza para medias de poblaciones aproximadamente

1. Intervalo de confianza para la media poblacional con distribución normal,

Dada x la media de una muestra aleatoria de tamaño n de una población con

donde z / 2 es el valor de la distribución normal estándar, a la derecha del cual tiene

2. Intervalo de confianza para la media poblacional cuando se desconoce en

Dada x la media de una muestra aleatoria de tamaño n (n 30) tomada al azar

donde z / 2 es el valor de la distribución normal estándar, la cual tiene un área de / 2 y

Ejemplo 4 Setieneunamáquinaderefrescoscomo en el ejemplo anterior, pero delacual sedesconoce

3. Intervalo de confianza para la media poblacional cuando se desconoce en

donde t / 2 es el valor de la distribución t-Student con v = n – 1 grados de libertad,

Ejemplo 5 Un fabricantedemáquinasderefrescosaseguraquesusmáquinassuministran en promedio

Se calcula con 99.9% de confianza si es válida la afirmación del fabricante.

Siendo la muestra de 15 vasos, se aplica el caso 3, para lo cual se calcula el valor

Es decir, con 99.9% de probabilidad se determina que el parámetro media del

1. De la siguiente muestra aleatoria, tomada de un población normal

calcula 95% de intervalo de confianza para la media de la población

a) si se sabe que la varianza poblacional es 4

2. Un ingeniero de control de calidad midió lasparedes de 25 botellas de vidrio de dos

a) calcula 99% de intervalo de confianza para el diámetro promedio de todas las

Intervalos de confianza para la diferencia de medias en poblaciones

Después de analizar los intervalos de confianza para la media poblacional, se continúa

1. Intervalo de confianza para 1

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1

donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2.

Si 1 y 2 son resistencias promedio a la tensión de los tornillos tipo I y tipo II,

Es decir, la diferencia de la resistencia promedio a la tensión al fabricar lostornillos

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1

s12 s22 s12 s22

donde z / 2 es el valor de la distribución normal estándar, el cual tiene un área de / 2

del tipo I x1 72.5 y s1 2.45, n1 40

Si 1 y 2 son resistencias promedio a la tensión, de los tornillos tipo I y tipo II,

2.452 1.752 2.452 1.752

3. Intervalo de confianza para 1

Dadas x1 y x2 las medias de muestras aleatoriasindependientes de tamaños n1 y

donde t / 2 es el valor de la distribución t-Student con v = n1 + n2 – 2 grados de libertad,

Un segundo conjunto de ocho puntos fue probado para determinar si la resistencia

Se supone distribución normal, se calcula 90% de intervalo de confianza para 1 – 2,

del conjunto 1 x1 14.29 y s12 7.50, n1 10

Con estos valores se calcula

Falta determinar en las tablas porcentuales de la distribución t-Student el valor de

4. Intervalo de confianza para 1

Dadas x1 y x2 las medias de muestras aleatorias independientes de tamaños n1

s12 s22 s12 s22

del conjunto 1 x1 14.29 y s12 7.50, n1 10