Ejemplo 1.

Hallar un intervalo de confianza de 95% y de 99% para la media poblacional con los siguientes datos.
n = 30
ý = 7.93
S = 1.25
a) Como el nivel de confianza poblacional es de 0.95
α
1−α=0.95→ α =0.05 → =0.025
2
Para usar la tabla de distribución normal tendremos que sumar, o usamos el código:
=INV.NORM(Probabilidad;Media;Desviacion Estándar)
α
0.95+ =0.975→ Z α =1.96
2 2

Lo extremos del intervalo de confianza estará dado por

σ
μ= x́ ± Z α ∙
2 √n
1.25 1.25
7.93−1.96 ∙ ≤ μ ≤ 7.93+1.96 ∙
√30 √ 30
7.48 ≤ μ ≤ 8.38

Con el nivel de confianza de un 99% tendremos que

α
1−α=0.99→ α =0.01 → =0.005
2
Para buscar en la tabla tendremos que sumar
α
0.99+ =0.995→ Z α =2.576
2 2

En intervalo de confianza estará dado por

 σ
μ= x́ ± Z α ∙
2 √n
1.25 1.25
7.93−2.576∙ ≤ μ ≤ 7.93+2.576 ∙
√ 30 √ 30
7.34 ≤ μ≤ 8.51
Que podemos observar de los dos intervalos de confianza.
Podemos observar que con una confianza del 99%, estamos un 99% mas seguro que el valor se va encontrar
entre 7.34 y 8.51, pero ese valor es más impreciso que el valor anterior, porque hay mas números en el intervalo

Ejemplo 2.
Hallar un intervalo de confianza para la media poblacional con los siguientes datos.
n = 49
ý = 2.7
S=2
Como el nivel de significancia de α =0.01
α
α =0.01 → =0.005
2

Con el nivel de confianza de un 99% tendremos que

α
1−α=0.99→ α =0.01 → =0.005
2
Para buscar en la tabla tendremos que sumar
α
0.99+ =0.995→ Z α =2.576
2 2

En intervalo de confianza estará dado por

σ
μ= ý ± Z α ∙
2 √n
2 2
2.7−2.576 ∙ ≤ μ ≤2.7 +2.576 ∙
√ 49 √ 49
1.96 ≤ μ ≤ 3.44
Podemos observar que con un nivel de significación α del 1% el valor real lo vamos a encontrar entre 1.96 y 3.44.
O también decimos que con un nivel de confianza del 99%, el valor real lo vamos a encontrar entre 1.96 y 3.44.

Ejemplo 3.
Hallar un intervalo de confianza con un nivel de significancia del 1% para la media poblacional con los
siguientes datos.
n = 10
x́ = 2.7
S=2
Como el número de datos es menor que 30 empleamos la tabla de distribución t de Student y la formula
σ
μ= x́ ± t ∙
√n
En la tabla encontramos el valor de t , para un nivel de significancia de 0.01 y un grado de libertad de ( n−1 ) →(
10−1=9)
De la tabla de distribución t=3.25
2
μ=2.7 ±3.25 ∙
√ 10
μ=2.7 ±1.78
El intervalo de confianza será
0.644 ≤ μ ≤ 4.75

Es importante comprender que a partir de la media muestral genero un intervalo de confianza dentro del cual
tengo cierta seguridad de que se encuentra la media poblacional μ

Ejemplo 4.
El tiempo diario que los adultos de una determinada ciudad dedican a actividades deportivas, expresado en
minutos, se puede aproximar por una variable aleatoria con distribución normal de desviación típica σ =20
minutos.

a) Para una muestra aleatoria simple de 250 habitantes de esa ciudad se ha obtenido un tiempo medio de
dedicación a actividades deportivas de 90 minutos diarios. Calcúlese un intervalo de confianza al 90% para μ

Datos: σ =20, n=250 y ý=90

El intervalo de confianza IC esta dado por
σ σ
ý−Z α ∙ ≤ μ ≤ ý+ Z α ∙
2 √n 2 √n
σ
Donde Z α ∙ es el error cometido en la estimación de μ
2 √n
σ 20
error =Z α ∙ =1.645∙ =2.08
2 √n √ 250
de la tabla encontramos el valor de Z α =1.645 2
σ σ
(
IC= x́−Z α ∙
2 √n
; x́ + Z α ∙
2 √n
)
IC=( 90−2.08 ; 90+2.08 )=( 87.92; 92.08 )

b). ¿Qué tamaño mínimo debe de tener una muestra aleatoria simple para que el error máximo cometido en la
estimación de μ por la media muestral sea menor que 1 minuto con el mismo nivel de confianza del 90%?
σ 20
error =Z α ∙ =1.645∙ =1→ n=1082.41 ≈ 1083 personas .
2 √n √n

Z 2α σ 2
2
n=
e2
Para que el error de la estimación de μ sea menor de 1 minuto, es necesario aumentar el número de personas
encuestadas.
EJEMPLOS DE PRUEBA DE HIPOTESIS
Ejemplo 5
En 2001 el salario por hora promedio para los trabajadores de la producción en los Estados Unidos era $14.32
por hora. En 2003, en una muestra de 75 trabajadores de la producción, la media muestral fue $14.68 por hora. Si
la desviación estándar es S=$ 1.45, ¿Se puede concluir que ha habido un aumento en la media del salario por
hora? Use α =0.05.

Datos de la población: μ=$ 14.32

Datos de la muestra: n=75 ; ý=$ 14.68; S=$ 1.45

1. Hipótesis nula H 0 ≤14.32

Hipótesis alternativa H 1 >14.32

La hipótesis alternativa se construye con base a lo que nos interesa.

2. Determínanos con los datos μ=$ 14.32 ; σ =$ 1.45 ; α =0.05 el valor critico de Z α =¿1.645
3. Calculamos el estadístico de prueba
ý−μ 14.68−14.32
Z= = =2.15
σ 1.45
√n √ 75
4. Comparamos el estadístico de prueba con el valor critico para un nivel de confianza del 95%.
Vemos que el estadístico de prueba cae en el área de rechazo de la Hipótesis nula a favor de la hipótesis
alternativa.

5. Conclusión.
En base a la muestra se concluye que si ha habido un aumento en el salario y se lo puede afirmar con un
nivel de confianza del 95%.
 El máximo nivel de confianza es de 98.4% Usamos en Excel el comando
(=DISTR.NORM.ESTAND.N(2.15;VERDADERO)

Ejemplo 6

Para una distribución t de υ=15 grados de libertad, hallar el área a la derecha de t sea igual a 0.01 (o tenga 1% de
aceptación).

En la distribución t tomamos el valor t para 15 grados de libertad y el porcentaje de aceptación 0.01, entonces de
la tabla tendremos t=2.602. ver Tabla de distribución t−Student
Ejemplo 7

Una empresa de fabricación de pernos muy reconocida en el país afirma que estos tienen un promedio de
elaboración de 25 horas. Para la verificación de estos datos se prueban 16 pernos cada mes. Para la aceptación
de los datos es necesario que el valor de t calculado esté entre t −0.01 y t +0.01
El último mes se hizo una prueba en una muestra con los siguientes resultados: la media resultó 27.5 horas con
una desviación estándar de 5 horas. ¿Cuál será la conclusión de la empresa?

Solución:

Datos
Datos de la población: μ=25 horas

Datos de la muestra: n=16 pernos ; x́=27.5 horas; S=5 horas

1. Hipótesis nula H 0=25 horas

Hipótesis alternativa H 1 ≠ 25 horas

2. Determinamos el valor critico t crit de la tabla de distribución −t de Student

t crit =2.602
3. Calculamos el estadístico de prueba:
x́−μ 27.5−25
t= = =2.0
σ 5
√n √ 16
4. Comparamos el estadístico de prueba con el valor critico
El estadístico t=2.0 está en el área de aceptación de la Hipótesis Nula.
 5. Conclusión:
Como el estadístico está en el área de aceptación de la hipótesis nula, entonces aceptamos la hipótesis de que el
tiempo de fabricación de los pernos es con un 98% de confianza de 25 horas. También podríamos decir que
existe suficientes datos estadísticos para afirmar que el promedio de fabricación de los pernos es de 25 horas.
Ejemplo 8

La fuerza de la tensión de adhesión del mortero de cemento portland es una característica importante del
producto.
Un ingeniero está interesado en comparar la fuerza de una formulación modificada en la que se han agregado
emulsiones de látex de polímeros durante el mezclado, con la fuerza del mortero sin modificar. El
experimentador ha reunido 10 observaciones de la fuerza de la formulación modificada y otras 10 observaciones
de la formulación sin modificar. Los datos se muestran en la tabla. Podría hacerse referencia a las dos
formulaciones diferentes como dos tratamientos o como dos niveles del factor formulaciones.
Puede usarse una técnica de la inferencia estadística llamada prueba de hipótesis (algunos autores prefieren el
término prueba de significación) para auxiliar al experimentador en la comparación de estas dos formulaciones.
La prueba de hipótesis permite que la comparación de las dos formulaciones se haga en términos objetivos, con
el conocimiento de los riesgos asociados si se llega a una conclusión equivocada. Antes de presentar los
procedimientos de la prueba de hipótesis en experimentos comparativos simples, se hará una breve revisión de
algunos conceptos elementales de la estadística.