METODOS ESTADÍSTICOS NO PARAMÉTRICOS: LÍMITES DE

TOLERANCIA.

ASIGNATURA: ESTADÍSTCIAS 2.

GRUPO: Nº2

INTEGRANTES: Ochipinti Lucas, Gross Luciano y Lobera Vicente.

PROFESOR: Closas Humberto.

Fecha de entrega: 31 mayo del 2021.

Universidad Nacional del Nordeste- Facultad de Ciencias Económicas.

1
 1.  Las pruebas no paramétricas:

La mayoría de los procedimientos de prueba de hipótesis suponen que las muestras

aleatorias se seleccionan de poblaciones normales. La mayor parte de estas pruebas aún
son confiables cuando existen ligeras desviaciones de la normalidad, en particular
cuando el tamaño de la muestra es grande. Tradicionalmente, a tales procedimientos de
prueba se les denomina métodos paramétricos. Sin embargo, existen varios
procedimientos de prueba alternativos llamados métodos no paramétricos, que a
menudo no suponen conocimiento de ninguna clase acerca de las distribuciones de las
poblaciones subyacentes, solamente que éstas son continuas.
No obstante, hay que decir que las pruebas no paramétricas tienen asociadas varias
desventajas. La mayor de estas es que no utilizan toda la información proporcionada por
la muestra, por lo tanto, en el caso de que se puedan aplicar ambos métodos, las pruebas
paramétricas resultan ser más eficientes. Es decir, para lograr la misma potencia que una
prueba paramétrica, una prueba no paramétrica requerirá un tamaño muestral mayor.
Vale aclarar que las pruebas paramétricas son más eficientes tanto en distribuciones
normales como en aquellas con pequeñas desviaciones de las normales (t de student).
Pero en ciertas ocasiones no podemos justificar estos supuestos de normalidad, y de allí
nace la utilidad de las pruebas no paramétricas, de la necesidad de usarlas cuando no
podemos asegurar normalidad en la distribución.

2.  Límites de tolerancia:

Los límites de tolerancia consisten en ser dos valores que delimitan una zona o área
en donde va a estar al menos la proporción (1-α) de los datos de la muestra, con un
100(1 – γ) % nivel de confianza.
Esto se comprende mejor visualizando una situación en la que se realiza un
muestreo aleatorio de una distribución normal con media conocida μ y varianza σ^2. 
→ μ ± 1.96σ

Esto constituye un intervalo de tolerancia donde el 95% de la distribución se

concentra entre esos valores, con total seguridad, ya que sabemos que la población es
normal y los valores de la media y el desvío son conocidos. 

2
 Sin embargo, en la realidad generalmente no conocemos los valores de μ y σ, con lo
cual hacemos:

→ x¯ ± ks 
 Ahora bien, el intervalo es, desde luego, una variable aleatoria, por lo tanto, la
cobertura de una proporción de la población por el intervalo no es exacta. Como
resultado, se debe usar un intervalo de confianza del 100(1 – γ) %, ya que no se puede
esperar que x¯ ± ks cubra cualquier proporción específica todo el tiempo. Lo anterior
nos lleva a la siguiente definición:
“Para una distribución normal de mediciones en la que se desconoce la media μ y
la desviación estándar σ, los límites de tolerancia son dados por x¯ ± ks, donde k se
determina de tal manera que se pueda estar seguro, con un 100(1 – γ) % de confianza,
de que los límites dados contienen al menos la proporción 1 – α de las mediciones”.

En los casos en que la distribución poblacional no se pueda suponer normal,

deberemos acudir a un intervalo de tolerancia no paramétrico, es decir, independiente de
la forma de la distribución poblacional. 
En estos casos, los límites de tolerancia no paramétricos están definidos por los
valores más grandes y más chicos de la muestra. Obviamente, para un nivel de
confianza razonable, serán considerablemente más grandes que los que se construyen
cuando se supone distribución normal. Es decir, los niveles de tolerancia para no
paramétricos son menos precisos, con lo cual se requieren tamaños muestrales más
grandes. Por ejemplo, si el porcentaje mínimo de la población en el intervalo es 95%, el
tamaño de la muestra debe ser aproximadamente 90 o más para que el intervalo de
tolerancia sea exacto. Para porcentajes más altos de la población en el intervalo se
requieren tamaños de muestra más grandes. Por ejemplo, si el porcentaje mínimo de la
población en el intervalo es 99%, el tamaño de la muestra debe ser aproximadamente
500 o más para obtener un intervalo de tolerancia de 95% bilateral exacto.

 Límites bilaterales: En cualquier distribuciones, los límites de tolerancia se

determinan por la observación más grande y la más pequeña (límite superior e inferior
respectivamente), que determine, con un nivel de confianza del 100(1 – γ)%, que al

3
menos la proporción (1 - α) de la distribución está incluida entre los extremos de la
muestra.

Sin embargo, a veces, en vez de determinar un tamaño de “n” tal que una
proporción específica de mediciones esté contenida entre los extremos de la muestra, es
más útil determinar un tamaño de “n” tal que una proporción fija de la población caiga
por debajo de la observación más grande (o por arriba de la más pequeña) de la muestra.
De allí nace el siguiente tema:

 Límites unilaterales: Para cualquier distribución de mediciones, un límite de

tolerancia unilateral se determina mediante la observación más pequeña (o más grande)
en una muestra de tamaño n, donde n se determina de manera que se pueda asegurar con
100(1–γ) % de confianza que al menos la proporción (1 - α) de la distribución excederá
a la observación más pequeña (menor que la mayor) de la muestra.
Ejemplo:
El dueño de una empresa desea obtener un límite de tolerancia en cuanto al polvo
que presenta los paquetes de yerba que comercializa. Para ello obtiene una muestra de
n=150 paquetes, donde evalúa que el nivel de polvo medio es del 10,5% con un
Sd=1.5%.
Obtener un límite de tolerancia para la proporción del (1 - 0,05), con una confianza
del 99%.
→ x¯ ± ks → 10,5 ± 2,270*1,5 = [7,095; 13.905]

Concluimos que, con una confianza del 99%, aproximadamente el 95% de los paquetes
de yerba contienen entre un 7,095% y un 13,905% de polvo.

BIBLIOGRAFÍA:

 Ronald Walpole, Raydmon Myers, Sharon Myers y Keying Ye.

“Probabilidad y estadísticas para ingeniería y ciencias”- 9º edición.
 Informe de la Facultad de Ingeniería, Universidad del Valle, Colombia:
https://www.studocu.com/co/document/universidad-del-valle-
colombia/estadistica/informe/intervalos-de-tolerancia-no-
parametricos/6215252/view.