TALLER DIFERENCIAS DE MEDIAS MUESTRALES

PRESENTADO POR:

KEVIN ANDRÉS ACUÑA PINTO

DOCENTE: JORGE ELEAZAR SÁNCHEZ URIBE

UNIVERSIDAD DEL ATLÁNTICO

ESTADÍSTICA II

BARRANQUILLA-COLOMBIA

2020
INTRODUCCIÓN

El presente trabajo consiste en la inferencia sobre diferencias de medias muéstrales,

varianzas poblacionales y medias poblacionales, además de ello se resuelven problemas
llevando a cabo una metodología rápida y fácil de comprender. Teniendo en cuenta esta
información, la metodología para la solución de problemas consiste en:

1- Realizar los gráficos correspondientes para las distribuciones T, F.

2- Calcular las probabilidades correspondientes utilizando las formulas y metodologías
adecuadas.
3- Resolver el ejercicio para validar los resultados mediante un sofware estadístico.
4- Interpretar los resultados de acuerdo al contexto del ejercicio.

OBJETIVOS

El objetivo principal de este trabajo es la resolución de problemas de diferencias de medias

muéstrales. Como objetivos específicos se establece el uso de dos herramientas para la
consecución del objetivo principal y la comparación de los resultados obtenidos con cada una
de estas. Las herramientas anteriormente mencionadas son:

 Libro de probabilidad y estadística de George C. Canavos.

 El software estadístico y gráfico GeoGebra.

Tabla de contenido

1.MARCO TEÓRICO................................................................................................................4
1.1. MEDIA MUESTRAL........................................................................................................4
1.2. VARIANZA MUESTRAL ...............................................................................................4
1.3. DESVIACIÓN ESTÁNDAR ...........................................................................................4
1.4. DISTRIBUCIÓN DE MEDIAS MUÉSTRALES....................................................... 4
1.5. DISTRIBUCIÓN T-STUDENT.....................................................................................5
1.6. DISTRIBUCIÓN F............................................................................................................5

2. EJERCICIO 2 – DIFERENCIA DE MEDIAS MUÉSTRALES...................................5

2.1. ENUNCIADO........................................................................................................….…….5
2.2. SOLUCIÓN.........................................................................................................................6

3. EJERCICIO 10 – DIFERENCIA DE MEDIAS MUÉSTRALES..............................12

3.1. ENUNCIADO.....................................................................................................………....12
3.2. SOLUCIÓN........................................................................................................…………..12

4. CONCLUSIÓN......................................................................................................................16

5. REFERENCIAS..............................................................................................................…..16
1. MARCO TEÓRICO

1.1. MEDIA MUESTRAL

Se puede interpretar la media como el centro de gravedad de la función probabilidad.

La media tenderá a encontrarse más cerca de los resultados más probables del
experimento aleatorio. La expresión general de la media será:

1.2. VARIANZA MUESTRAL

La varianza da una idea de la variación de los resultados respecto al valor medio. La expresión
general de la varianza es:

1.3. DESVIACIÓN ESTÁNDAR

Se define como la raíz cuadrada de la varianza:

1.4. DISTRIBUCIÓN DE MEDIAS MUÉSTRALES

Suponga que se tienen dos poblaciones distintas, la primera con media 𝑢1 y desviación
estándar 𝜎1, y la segunda con media 𝑢2 y desviación estándar 𝜎2. Más aún, se elige una
muestra aleatoria de tamaño n1 de la primera población y una muestra independiente
aleatoria de tamaño n2 de la segunda población; se calcula la media muestral para cada
muestra y la diferencia entre dichas medias. La colección de todas esas diferencias se llama
distribución muestral de las diferencias entre medias o la distribución muestral del
estadístico: 𝑥̅1 − 𝑥̅2.
1.5. DISTRIBUCIÓN T-STUDENT

En probabilidad y estadística, la distribución t (de Student) es una distribución de

probabilidad que surge del problema de estimar la media de una población normalmente
distribuida cuando el tamaño de la muestra es pequeño. Aparece de manera natural al realizar
la prueba t de Student para la determinación de las diferencias entre dos varianzas muéstrales
y para la construcción del intervalo de confianza para la diferencia entre las partes de dos
poblaciones cuando se desconoce la desviación típica de una población y esta debe ser
estimada a partir de los datos de una muestra.

1.6. DISTRIBUCIÓN F

La distribución F es una distribución continua de muestreo de la relación de dos variables

aleatorias independientes con distribuciones de chi-cuadrada, cada una dividida entre sus
grados de libertad. La distribución F es asimétrica hacia la derecha y es descrita por los grados
de libertad de su numerador (ν1) y denominador (ν2). Se utiliza para inferir sobre el cociente
de varianzas poblacionales.

2. EJERCICIO 2 – DIFERENCIA DE MEDIAS MUÉSTRALES

2.1. ENUNCIADO

La compañía “X” que fabrica lámparas incandescentes, asegura que su producto es superior al
de su principal competidor, la compañía “Y”. En un estudio, en una muestra de 24 de las
lámparas “X” y una muestra de 20 lámparas “Y” se obtuvieron las siguientes duraciones en
horas:

LAMPARA X
643 636 630 645 630 624
667 626 635 652 622 629
624 662 633 645 691 690
636 656 610 645 621 630
Tabla1. Datos de duración de lámparas de la compañia X.
 LAMPARA Y
611 655 630 639 622 688
665 696 665 573 639 585
641 673 649 597 629 648
652 641
Tabla2. Datos de duración de lámparas de la compañia Y.

SOLUCIÓN

En primer lugar, se asumirá que la población corresponde a una distribución normal, y en

base de que las varianzas de ambas poblaciones son desconocidas y tampoco hay información
de que si son iguales o no, se procede a usar el estadistico de distribución F para verificar que
tan probable es que las varianzas sean iguales o diferentes.

X : Duración en horas de las lamparas de la compañia X

Y: Duración en horas de las lamparas de la compañia Y

Sea
S 2x σ 2y
F= 2 2  ; con Fnx-1,ny-1 grados de libertad
S y σx
pero si

σ x =σ y;

Entonces

S2x
F= 2 ;
Sy
Siendo
Sx=20.43 ; nx=24 y Sy=31.66 ; ny=20

F23,19=2.40

Entonces se calcula cual sería la probabilidad de que F>2.40 ;

P[F23,19>2.40]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente
 Imagen 2. Distribución F con glib 23 y 19.

P[F23,19>2.40]=0.0284

Se puede inferir de que la probabilidad de que las varianzas poblacionales sean iguales es de
2.8%, lo cual es muy poco probable de que eso ocurra, por ende, se puede concluir de que las
varianzas pobalcionales son diferentes, es decir, σ x ≠ σ y.

a) En base a esta información ¿se debe aceptar la afirmación de la compañía “X”?

Como las varianzas poblacionales son diferentes, se calculará el estadistico t-student para
varianzas poblacionales desconocidas y diferentes y n<30:

La distribución muestral tiene media μ x −μ y y varianza estimada igual a :

2 S 2x S2y
σ x́− ý = +
nx ny

La variable aleatoria está distribuida según una t student tal que :

t=¿ ¿

Y grados de libertad :

ϑ=¿ ¿

Como no tenemos las medias poblacionales, supondremos que son iguales, es decir,

μ x −μ y =0

Sx=20.43 ; nx=24 y Sy=31.66 ; ny=20

entonces

σ 2x́− ý =67.51

Con grados de libertad

ϑ x =23 y ϑ y =19

Entonces

ϑ=31.35
Y la diferencia de medias muestrales es

X́ = 640.92 y Ý = 639.90 ;
entonces

X́ −Ý = 1.02

El estadistico t student a calcular es

t=0.123

Entonces se calcula cual sería la probabilidad de que t>0.123;

P[t>0.123]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente

Imagen 2. Distribución t student con glib 31.35.

P[t>0.123]=0.4526
Como se observa en la gráfica, la probabilidad en que ambas lamparas se desempeñen de igual
manera, y las lamparas X superen en duración mas de 1.02 horas es del 45.26%, lo cual es
considerable mas no suficiente para afirmar que las lamparas X son mejores.

b) La compañía “Y” afirma que las lámparas “X” duran menos de 650 horas ¿se debe aceptar la
afirmación de la compañía “Y”?

La compañía Y afirma que la media poblacional de la compañía X es μ x< 650 horas, como la
media poblacional de la compañia X es desconocida, se procede a calcular la probabilidad de
que dicha media sea menor a 650 horas, para dicho calculo, se usará el estadistico t student
con varianza poblacional desconocida.

El estadistico T es igual a

X́−μ x
T=
Sx
√ nx
Donde

μ x =650 ; S x =20.47 ; nx =24 ; X́ = 640.92

Entonces

T =−2.178

Y los grados de libertad t es

t n−1=t 23

P[t 23< -2.178]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente
Imagen 2. Distribución t student con glib 31.
 Imagen 3. Distribución t student con glib 23.

P[t 23< -2.178]=0.02

Se puede inferir de que la probabilidad de que las lamparas de la compañia X duren menos de
650 horas es del 2.08%, lo cual es muy poco probable de que eso ocurra, por ende, se puede
concluir de que la afirmación de la compañia Y no es aceptable.

c) Se piensa que la varianza del tiempo de duración es mayor para las lamparas del fabricante
Y que para el fabricante X, su opinión.

Sea
S 2x σ 2y
F= 2 2  ; con Fnx-1,ny-1 grados de libertad
S y σx
pero si

σ 2y > σ 2x;

Entonces

2 2 σ 2y S 2x σ 2y 1∗S2x
P[σ > σ ]= P[ 2 > 1¿ =P[ 2 2  ¿ 2 ]
y x
σx S y σx Sy

Siendo
Sx=20.43 ; nx=24 y Sy=31.66 ; ny=20

F23,19=2.40

Entonces se calcula cual sería la probabilidad de que F>2.40 ;

P[F23,19>2.40]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente
 Imagen 4. Distribución F con glib 23 y 19.

P[F23,19>2.40]=0.0284

Se puede inferir de que la probabilidad de que las varianza de las lamparas de la compañia Y
sea mayor a las lamparas de la compañia X es del 2.8%, lo cual es muy poco probable de que
eso ocurra, por ende, se puede concluir que la afirmación de que la varianza de la compañia Y
es mayor a la de la compañia X es incorrecta.

d) Se piensa que las varianzas son diferentes, su opinión

Como se calculo anteriormente, mediante la distribución F, la probabilidad de que las

varianzas sean iguales es de 2.8%, el cual, de 100, me voy a equivocar 3, en conclusión, las
varianzas de ambas compañias son diferentes.

3. EJERCICIO 10 – DIFERENCIA DE MEDIAS MUÉSTRALES

3.1. ENUNCIADO

La concentración promedio de albúmina (un tipo de proteína) en el suero de una población de

individuos es de 4.1 g/100 ml. A una muestra aleatoria de 25 individuos de esta población se
les aplicó una dosis diaria de esteroide ”A” y a otra muestra de 20 individuos se les aplico el
esteroide “B”, las concentraciones de albúmina de ambas muestras son las siguientes:
 Concentraciones de albúmina con Esteroide “A” (g/100ml)

4,1 3,7 4,1 4,0 4,3

3,7 4,4 3,8 3,5 3,4
4,0 4,3 4,5 4,0 3,5
4,3 3,4 3,3 4,3 2,9
3,8 3,8 4,1 4,4 4,1
Tabla3. Datos de concentración de albúmina de esteroide A

Concentraciones de albúmina con Esteroide “B” (g/100ml)

4 3,9 3,8 3,7 3,7

3,5 3,6 3,6 3,5 3,8
3,5 3,8 4 3,4 3,9
3,5 3,5 4 3,4 3,9
Tabla3. Datos de concentración de albúmina de esteroide B

SOLUCIÓN

a) ¿podemos decir que en base a estos datos, que el esteroide “A” disminuye el nivel de
albúmina en el suero?

La concentración de albúmina en promedio es de 4.1 g/100 ml, y para saber que tan probable
es que usando el estroide A desminuya las concentraciones de albúmina a partir de una
muestra de tamaño 25 y con varianza poblacional desconocida, se procede a usar el
estadistico t student con varianza desconocida para calcular dicha probabilidad.

X : Concentración de albúmina con esteroide A

El estadistico T es igual a

X́−μ
T=
Sx
√n x
Donde

μ=4.1 ; S x =0.41; n x =25; X́ = 3.91

Entonces

T =−2.358

Y los grados de libertad t es

t n−1=t 24

P[t 24< -2.358]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente
Imagen 2. Distribución t student con glib 31.

Imagen 5. Distribución t student con glib 24.

P[t 24< -2.358]=0.0134

Se puede inferir de que la probabilidad de que el esteroide A disminuye la concnetración de

albúmina es del 1.34%, lo cual es muy poco probable de que eso ocurra, por ende, se puede
concluir de que el esteroide A no disminuye la concentración de albúmina.

b) ¿podemos decir que en base a estos datos, que el esteroide “A” disminuye el nivel de
albúmina en el suero igual que el esteroide “B”?

X : Concentración de albúmina con esteroide A

Y: Concentración de albúmina con esteroide B

Sea
S 2x σ 2y
F= 2 2  ; con Fnx-1,ny-1 grados de libertad
S y σx
pero si

σ x =σ y;

Entonces
 S2x
F= 2 ;
Sy
Siendo
Sx=0.41 ; nx=25 y Sy=0.21 ; ny=20

F24,19=3.84

Entonces se calcula cual sería la probabilidad de que F>3.84 ;

P[F23,19>3.84]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente

Imagen 6. Distribución F con glib 24 y 19.

P[F23,19>3.84]=0.002

Se puede inferir de que la probabilidad de que las varianzas poblacionales sean iguales es de
0.20%, el cual nos muestra que contundentemente de que las varianzas de ambas poblaciones
son diferentes .

Como las varianzas poblacionales son diferentes, se calculará el estadistico t-student para
varianzas poblacionales desconocidas y diferentes y n<30:

La distribución muestral tiene media μ x −μ y y varianza estimada igual a :

S 2x S2y
σ 2x́− ý = +
nx ny

La variable aleatoria está distribuida según una t student tal que :

t=¿ ¿
Y grados de libertad :

ϑ=¿ ¿

Como no tenemos las medias poblacionales, supondremos que son iguales, es decir,

μ x −μ y =0

Sx=0.41 ; nx=25 y Sy=0.21 ; ny=20

entonces

σ 2x́− ý =0.0088

Con grados de libertad

ϑ x =24 y ϑ y =19

Entonces

ϑ=37.19
Y la diferencia de medias muestrales es

X́ = 3.91 y Ý = 3.70 ;
entonces

X́ −Ý = 0.21

El estadistico t student a calcular es

t=2.22

Entonces se calcula cual sería la probabilidad de que t<0.123;

P[t 37.19<0.123]

Usando el programa gráfico GeoGebra, se calcula la probabilidad y se realiza su gráfica

correspondiente
 Imagen 2. Distribución t student con glib 31.

P[t 37.19<0.123]=0.983

Como se observa en la gráfica, la probabilidad de que los esteroides A y B bajen la albúmina

del cuerpo es del 98.3%, por ende, es muy probable que ambos esteroides bajen la albúmina.

4. CONCLUSIÓN
Se evidencio la utilidad que representan las tablas de distribución normal estándar, t student,
y distribución F en la resolución de problemas relacionados. Además, se empleó un método
para la aproximación de cualesquiera distribuciones de diferencia de medias muéstrales
mediante la distribución normal y la t-student, teniendo en cuenta las restricciones que
establecen estas en cuanto al tamaño de la muestra. Se logró hacer inferencia sobre la
varianza poblacional de dos muestras con varianzas diferentes y todo lo mencionado
anteriormente se realizó y se validó mediante el sofware GeoGebra.

5. REFERENCIAS
Probabilidad y estadística – Aplicaciones y métodos. George C. Canavos