Ntc3540 Interpretacion Estadistica de Datos

NORMA TÉCNICA NTC
COLOMBIANA 3540
1993-06-16
NORMAS FUNDAMENTALES.
INTERPRETACIÓN ESTADÍSTICA DE DATOS.
TÉCNICAS DE ESTIMACIÓN Y PRUEBAS
RELACIONADAS CON LAS MEDIAS Y LAS
VARIANZAS
E: BASIC STANDARDS. STATISCAL INTERPRETATION OF

DATA TECHNIQUES OF ESTIMATION AND TESTS
RELATING TO MEANS AND VARIANCES
CORRESPONDENCIA:
DESCRIPTORES: estadísticas; distribución estadística.
I.C.S.: 03.120.30
Editada por el Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC)

Apartado 14237 Bogotá, D.C. - Tel. 6078888 - Fax 2221435
Prohibida su reproducción Editada 2002-09-16

PRÓLOGO
El Instituto Colombiano de Normas Técnicas y Certificación, ICONTEC, es el organismo nacional

de normalización, según el Decreto 2269 de 1993.
ICONTEC es una entidad de carácter privado, sin ánimo de lucro, cuya Misión es fundamental
para brindar soporte y desarrollo al productor y protección al consumidor. Colabora con el sector
gubernamental y apoya al sector privado del país, para lograr ventajas competitivas en los
mercados interno y externo.
La representación de todos los sectores involucrados en el proceso de Normalización Técnica

está garantizada por los Comités Técnicos y el período de Consulta Pública, este último
caracterizado por la participación del público en general.
La NTC 3540 fue ratificada por el Consejo Directivo de 1993-06-16.
Esta norma está sujeta a ser actualizada permanentemente con el objeto de que responda en
todo momento a las necesidades y exigencias actuales.
En Consulta Pública el Proyecto se puso a consideración de las siguientes empresas:
ACERÍAS PAZ DEL RÍO S.A.

COVENIN
SUCROMILES S.A.
ICONTEC cuenta con un Centro de Información que pone a disposición de los interesados
normas internacionales, regionales y nacionales.
DIRECCIÓN DE NORMALIZACIÓN
NORMA TÉCNICA COLOMBIANA NTC 3540
TÉCNICAS DE ESTIMACIÓN Y PRUEBAS
RELACIONADAS CON LAS MEDIAS Y LAS VARIANZAS
CONTENIDO
SECCIÓN UNO: PRESENTACIÓN DE CÁLCULOS
- Observaciones generales
- Tablas
Medias
Varianza
Conocida Desconocida
Comparación de una media con un valor dado A A’
Estimación de una media B B’
Comparación de dos medias C C’
Estimación de la diferencia de dos medias D D’
Varianza
Comparación de una varianza con un valor dado E
Estimación de una varianza F
Comparación de dos varianzas G
Estimación de la razón de dos varianzas H
SECCIÓN DOS: NOTAS EXPLICATIVAS Y EJEMPLOS
- Observaciones introductorias
- Ilustración numérica de los procedimientos.
ANEXOS
A. Comparación de observaciones apareadas mediante el ensayo t de Student.
B. Tablas estadísticas.
TÉCNICAS DE ESTIMACIÓN Y ENSAYOS RELACIONADOS
CON LAS MEDIAS Y LAS VARIANZAS
ACLARACIÓN
Esta norma concuerda completamente con su antecedente ISO 2854.
SECCIÓN UNO: PRESENTACIÓN DE LOS CÁLCULOS
OBSERVACIONES GENERALES
1) En esta norma se establecen las técnicas necesarias para:
a) Estimar la media o la varianza de una población.
b) Examinar determinadas hipótesis relacionadas con el valor de esos

parámetros.
2) Las técnicas utilizadas son válidas, únicamente, si en cada uno de las poblaciones en
consideración, los elementos de la muestra son independientes y se seleccionan al
azar. En el caso de una población finita, los elementos seleccionados se pueden
considerar como independientes, si el tamaño de la población es grande o si la
fracción de muestreo es lo suficientemente pequeña (por ejemplo inferior a 1/10).
3) En cada población, se supone que la distribución de la variable observada es

normal. Sin embargo, si la distribución no se desvía mucho de la normal, las
técnicas descritas continúan siendo válidas para la mayoría de las aplicaciones
prácticas, siempre y cuando el tamaño de la muestra no sea demasiado pequeño.
En el caso de las Tablas A, B, C y D, el tamaño de la muestra debe ser del orden
de al menos 5 ó 10; en todas las otras tablas no debe ser inferior a 201).
4) Existe un cierto número de técnicas que permiten la verificación de la hipótesis

de normalidad. Esto se explica, en forma breve, en los ejemplos de la Sección
dos y de la misma manera se hará en los documentos en proceso de
1)
Los estudios relacionados con las distribuciones normales se encuentran en elaboración por parte del TC 69/SC 2.
1
elaboración. Sin embargo, esta hipótesis puede admitirse sobre la base de

información diferente a la suministrada por la propia muestra. En el caso de que
la hipótesis de normalidad se tenga que rechazar, el método obvio que se debe
seguir es el de remitirse a los ensayos no paramétricos o a la utilización de
transformaciones adecuadas, para obtener las poblaciones distribuidas
normalmente, por ejemplo 1/x, log(x + a), √(x + a), aunque las conclusiones a las
que se llegan, mediante la aplicación de los procedimientos descritos en esta
norma, sólo son válidas directamente sobre la variable transformada. Se debe
tener especial cuidado en la traslación a la variable original. Por ejemplo exp
(log medio de x) equivale a la media geométrica de x, y no a la media
aritmética.
Si lo que realmente se desea es una estimación de la media o de la desviación

estándar de la variable x, entonces, así la distribución de la población sea normal
o no, la media muestral X y la característica s², generan una estimación no
sesgada de la media m y de la varianza poblacional σ².
5) Además de establecer la unidad más pequeña de medida que tenga un

significado práctico, es conveniente acompañar cada operación estadística con
todos los detalles relacionados con el origen o el método mediante el cual se
obtienen las observaciones, con lo cual se puede dar mayor claridad al análisis
estadístico.
6) No se permite descartar ninguna observación o corregir algunas aparentemente

dudosas, sin una justificación basada en criterios técnicos, experimentales o en
cualquier otro criterio. Estos deben estar claramente establecidos. En cualquier
caso se deben mencionar los valores descartados o corregidos y la razón de su
eliminación o corrección.
7) En la solución de los problemas relacionados con la estimación, el nivel de

confianza 1-α es la probabilidad de que el intervalo de confianza incluya el
valor real del parámetro estimado. Sus valores más comunes son de 0,95 y
0,99 o α = 0,05 y α = 0,01.
8) En la solución de los problemas relacionados con la verificación de una

hipótesis, el nivel de significancia es, en los casos bilaterales, la probabilidad
de rechazo de la hipótesis nula (o la hipótesis sometida a verificación) en caso
de que sea verdadera, (error de primera clase); en los casos unilaterales, el
nivel de significancia es el valor máximo de esta probabilidad, (valor máximo
del error de primera clase). Los valores de α = 0,05 (1 probabilidad en 20) o de
α = 0,01 (1 probabilidad en 100) son de empleo frecuente de acuerdo con el
riesgo que el usuario está en condiciones de admitir. Debido a que la hipótesis
se debe rechazar cuando se utiliza α = 0,05, y no cuando se emplea 0,01, a
menudo se usa la frase: "La hipótesis se rechaza a un nivel de 5 %" o, en caso
dado, "a un nivel del 1 %". Se debe prestar atención a la existencia de un error
de segunda clase, que se comete si la hipótesis nula se acepta cuando es
falsa. Los términos relacionados con las pruebas estadísticas se encuentran
definidos en la cláusula 2 de la norma ISO 3534, Statistics - Vocabulary2).
2)
Actualmente, anteproyecto.
2
9) A menudo los cálculos se pueden reducir en forma notoria mediante el cambio

de origen o de unidad de los datos. En el caso de datos clasificados en
diferentes grupos, se puede hacer referencia a la formulación establecida en la
norma ISO 2602, Statistical Interpretation of Test Results - Estimation of the
Mean - Confidence Interval.
Nota. Cuando se calcula una varianza mediante la fórmula establecida, empleando una calculadora o
un computador de baja precisión, es esencial el cambio de origen, con el propósito de obtener la
exactitud necesaria.
10) Los métodos presentados en las Tablas C y C’ están relacionados con la

comparación de dos medias. Se supone que las muestras correspondientes son
independientes. En el estudio de ciertos problemas, resulta interesante la
presentación paralela de las observaciones, por ejemplo, en la comparación de
dos métodos o de dos instrumentos. El tratamiento estadístico de las
observaciones paralelas constituye el tema de la norma ISO 3301, Statistical
Interpretation of Data - Comparison of Two Means in the Case of Paired
observations; sin embargo, en el Anexo A se presenta un ejemplo del tratamiento
de observaciones paralelas. Allí se emplean formalmente los datos de la Tabla A’.
11) Los símbolos y definiciones empleados en esta norma están de acuerdo con lo
expuesto en la ISO 3207, Statistical Interpretation of Data - Determination of a
Statistical Tolerance Interval.
3
ÍNDICE DE TABLAS
A Comparación de una media con un valor dado (varianza conocida).
A’ Comparación de una media con un valor dado (varianza desconocida).
B Estimación de una media (varianza conocida).
B’ Estimación de una media (varianza desconocida).
C Comparación de dos medias (varianzas conocidas).
C’ Comparación de dos medias (varianzas desconocidas, pero que se asumen iguales).
D Estimación de la diferencia de dos medias (varianzas conocidas).
D’ Estimación de la diferencia de dos medias (varianzas desconocidas, pero que se asumen

iguales).
E Comparación de una varianza o de una desviación estándar con un valor dado.
F Estimación de una varianza o de una desviación estándar.
G Comparación de dos varianzas o de dos desviaciones estándar.
H Estimación de la razón de dos varianzas o de dos desviaciones estándar.
4
Tabla A. Comparación de una media con un valor dado (varianza conocida)
Características técnicas de la población estudiada (5)

Características técnicas de las unidades de muestras (5)
Observaciones descartadas (6)
Datos estadísticos Cálculos
Tamaño de la muestra:
n = ∑x
X= =
n
Sumatoria de los valores observados:
Σx = u σ =
 1− α n 
Valor dado.
mo = u σ =
 1− α 2 n 
Valor conocido de la varianza poblacional.

σ =
2
0 desviación estándar:
σ
Nivel de significancia escogido (8):
α =
Resultados
Comparación de la media poblacional con el valor dado mo:
Caso bilateral:
La hipótesis de la igualdad de la media poblacional con el valor dado (hipótesis nula) se rechaza en caso de que:
x − mo > u1−α  σ
 2 n 
Casos unilaterales:
a) La hipótesis de que la media poblacional no es menor que mo (hipótesis nula), se rechaza si:
x < mo − u1−α  σ
 n 
b) La hipótesis de que la media poblacional no es mayor que mo (hipótesis nula) se rechaza si:
x > mo + u1− α  σ
 n 
Nota. Los números (5), (6) y (8) se refieren a los numerales correspondientes de las “Observaciones generales”.
5
Comentarios:
1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales")

es la probabilidad de rechazo de la hipótesis nula cuando es verdadera.
2) U significa variable normal estandarizada: el valor uα se define como:
P [U < Uα ] = α
Ya que la distribución de U es simétrica con respecto a cero, Uα = - U1-α
Por la razón anterior se tiene que:
P [U < U α ] = 1 − α
[
P − U 1−α 2 < U < U 1−α 2 ]= 1 − α
Densidad de probabilidad de U (distribución normal estandardizada)
f (u) f (u) f (u)
α/2 α/2 α α
0 0 0
u u u
uuαα//22 == -uu1 −-αα/ /2
2 u1 −uα / 2- α/2 u1− αu - α u α = - u u- αα = u1− α
Caso bilateral Casos unilaterales
3) α n es la desviación estándar o de media x , en una muestra de n

observaciones.
4) Por conveniencia en la aplicación, los valores de u1−α n

y u1−α 2 n
se dan en la
Tabla 1 del Anexo B para α = 0,05 y α = 0,01.
EJEMPLO.
Véase la Sección dos, "Notas explicativas y ejemplos".
6
Tabla A’. Comparación de una media con un valor dado (varianza desconocida)

n = ∑x
x= =
n
Σx =
(
∑ x−x )2 = ∑ x 2 − (∑ x )2 n
n −1 n −1
Sumatoria de los cuadrados de los valores observados
Σx =
2
∑ (x − x )
2
α° = s = =
n −1
Valor dado:
mo = [t 1−α (v ) ]
n s=
Grados de libertad
v = n-1 [t
1− α 2 (v ) n s= ]
α =
Resultados
Caso bilateral:
La hipótesis de la igualdad de la media poblacional con el valor dado (hipótesis nula) se rechaza en caso de que:
[
x − mo > t1−α 2 (v ) ns ]
Casos unilaterales:
a) La hipótesis de que la media poblacional no es menor que mo (hipótesis nula), se rechaza si:
[
x < m o − t1−α (v ) ]
n s
b) La hipótesis de que la media poblacional no es mayor que mo (hipótesis nula) se rechaza si:
[
x > m o + t1 − α (v ) ]
n s
Nota. Los números (5), (6) y (8) se refieren a los numerales correspondientes de las “observaciones generales”.
7
Comentarios

es la probabilidad de rechazo de la hipótesis nula cuando es verdadera.
2) t(v) es la variable de Student con v = n - 1 grados de libertad: el valor de tα (v) se

define como:
P [t (v ) < t α (v )] = α
Ya que la distribución de t (v) es simétrica con respecto a cero,
t α (v ) = − t1−α (v )
De donde se tiene que:
P [t (v ) > tα (v )] = 1 − α
[
P − t1− α 2 (v ) < t (v ) < t1− α 2 (v )]= 1 − α
Densidad de probabilidad de t(v) de Student

con v = (n - 1)grados de libertad
f (t) f (t) f (t)
α/2 α/2 α α
0 0 0
t(υ) t(υ) t(υ)
t α / 2 ( v ) = − t1− α / 2 ( v ) t1− α / 2 ( v ) t1− α ( v ) t α ( v ) = − t1 − α ( v )
3) σ* es la desviación estándar estimada de la media x, en una muestra de n

n
observaciones.
4) Por conveniencia en la aplicación, los valores de t1− α 2 (v ) n y t1−α (v ) n se dan

en la Tabla II B del Anexo B para α = 0,05 y α = 0,01.
EJEMPLO.

8
Tabla B. Estimación de una media (varianza conocida)

n = ∑x
x= =
n
Σx = u σ =
 1−α n 
Valor conocido de la varianza poblacional:
σ =
2
u σ =
 1− α 2 n 
0 desviación estándard
σ =
Nivel de confianza escogido (7):
1-α =
Resultados
Estimación de la media poblacional m:
m0 =x=
Intervalo de confianza bilateral:

−
[ ] [
x − U 1 − α / 2 / n σ < m < x + U1 − α / 2/ ]
n α
Intervalos de confianza unilaterales:
m< x + U [ 1− α nσ ]
ó
m> x − U [ 1− α nσ ]
9
Comentarios
1) El nivel de significancia 1 - α (véase el numeral 7 de las "Observaciones generales")

es la probabilidad de que el intervalo de confianza incluya el valor real de la media.
2) U es la variable normal estandarizada: el valor uα se define como:
P [U < Uα ] = α
Ya que la distribución de U es simétrica con respecto a cero,
Uα = − U1−α
Por esta razón se tiene que:
P [U > Uα ] = 1 − α
[
P − U1− α 2 < U < U1− α 2 ]= 1 − α
Densidad de probabilidad de U
(distribución normal estandarizada)
f (u) f (u) f (u)
α/2 α/2 α α
0 0 0
u u u
uα u/ 2α/2
= =u1-−uα / -2 α/2 uu1−-αα/ /2
2 uu1− α- α uuα ==- −uu - α
α 1− α
3) σ es la desviación estándar estimada de la media X , en una muestra de n

n
observaciones.
4) Por conveniencia en la aplicación, los valores de u1− α / 2 n y u 1−α n se dan en

la Tabla I del Anexo B para α = 0,05 y α = 0,01.
EJEMPLO.
Véase la sección dos, "Notas explicativas y ejemplos".
10
Tabla B’. Estimación de una media con un valor dado (varianza desconocida)

n = ∑x
x= =
n
Σx =
(
∑ x−x )2 = ∑ x 2 − (∑ x )2 n
n −1 n −1
Σx =
2
∑ (x − x )
2
σ°= s = =
n −1
Grados de libertad:
v = n-1 [t 1−α (v ) ]
n s=
Nivel de confianza escogido (8):
1-α = [t 1−α 2 (v ) n s= ]
Resultados
Estimación de la media poblacional m:
m*= x=
Intervalo de confianza bilateral.
[
x − U1− α 2 (v) ] [
n s < m < X + t1− α / 2 ( v ) / n s ]
[
m < x + t 1− α (V ) ]
ns
[
m > x − t 1− α (V ) ]
ns
11
Comentarios

es la probabilidad de que el intervalo de confianza incluya el valor real de la media.
2) t(v) es la variable de Student con v grados de libertad: el valor de tα (v) se define

como:
P [t (v ) < t α (v )] = α
Ya que la distribución de t (v) es simétrica con alrededor de cero,
t α (v ) = − t1−α (v )
Por esta razón se tiene que
P [t (v ) > tα (v )] = 1 − α
[
P − t1− α 2 (v ) < t (v ) < t1− α 2 (v )]= 1 − α

con v = (n - 1)grados de libertad
f (t) f (t) f (t)
α/2 α/2 α α
0 0 0
t(υ) t(υ) t(υ)
t α / 2 ( v ) = − t1− α / 2 ( v ) t1− α / 2 ( v ) t1− α ( v ) t α ( v ) = − t1− α ( v )
3) σ* es la desviación estándar estimada de la media x, en una muestra de n

n
observaciones.
4) Por conveniencia en la aplicación, los valores de t1− a 2 (v ) n y t1−α (v ) n se dan

en la Tabla II B del Anexo B para α = 0,05 y α = 0,01.
EJEMPLO.
12
Tabla C. Comparación de dos medias (varianzas conocidas)
de la población 1
Características técnicas (5) de la población 2
tomadas en la población 1
Características técnicas de las unidades de muestras (5) tomadas en la población 2
en la muestra 1
Observaciones descartadas (6) en la muestra 2

Primera Segunda
muestra muestra
Tamaño n1 = n2 = ∑ x1
x1 = =
n1
Sumatoria de los valores observados: Σx1 = Σx2 = ∑ x2
x2 = =
n2
σ1 = σ2 =
2 2
Valores conocidos de las varianzas de las
σ 12 σ 2 2
poblaciones σd = + =
n1 n2
Nivel de significancia escogido (8): U1 − α σ d =
α = U 1 1− α 2 σd =
Resultados
Comparación de las dos medias poblacionales:
Caso bilateral:
(x1 − x 2 ) > u1−α σ d

La hipótesis de la igualdad de las medias (hipótesis nula) se rechaza en caso de que:
Casos unilaterales:
a) La hipótesis de que la primera media no sea menor que la segunda (hipótesis nula) se rechaza si.
x1 < x 2 − U1− α σ d
b) La hipótesis de que la primera media no sea mayor que la segunda (hipótesis nula) se rechaza si:
x1 > x 2 + U1− α σ d
13
Comentarios

es la probabilidad de rechazo de la hipótesis nula cuando esta hipótesis es
verdadera.
P [U < uα ] = α
Ya que la distribución de U es simétrica con respecto a cero,
Uα = − u1−α
P [U > uα ] = 1 − α
[
P − U1− α 2 < U < U1− α 2 ]= 1 − α
f (u) f (u) f (u)
α/2 α/2 α α
0 0 0
u u
uα / 2 = −u1− α / 2 u1− α / 2 u1− α uα = −u1− α
σ 12 σ 2 2
3) σ n= + es la desviación estándar estimada de la diferencia d = x1 − x 2 de
n1 n2
las medidas de las dos muestras de n1 y n2 observaciones respectivas.
4) Los valores U1 − α / 2 y U 1−α deben leerse para α = 0,05 y α = 0,01 en la línea n = 1

de la Tabla 1 del Anexo B.
EJEMPLO.
14
Tabla C’. Comparación de dos medias (varianzas desconocidas pero las cuales
se pueden asumir que son iguales)
La hipótesis de la igualdad de las varianzas de las dos poblaciones se puede verificar como se indica en la Tabla G
de la población 1
Características técnicas de las unidades de tomadas en la población 1

muestras (5) tomadas en la población 2
en la muestra 1
Observaciones descartadas
(6) en la muestra 2

Primera Segunda ∑ x1
muestra muestra x1 = =
n1
x2 = =
n2
Sumatoria de los valores
observados
Σx1 = Σx2 =
( )2
∑ x1 − x1 + ∑ x2 − x 2 ( )2 =
Σx1 = Σx2 =
2 2
Sumatoria de los cuadrados de
los valores observados ∑ x1 + ∑ x2 −
2 2 1
(∑ x1 )2 − 1 (∑ x2 )2 =
n1 n2
Grados de libertad v = n1 + n2 -
∑ (x1 − x1 ) + ∑  x 2 − x 2 
2
2= 2  − 
n1 + n 2  
σ d * = sd = =
n1 n 2 n1 + n 2 − 2
Nivel de significancia escogido t1−α (v ) sd
(8)
α = t1−α 2 (v ) sd
Resultados
Caso bilateral:
La hipótesis de la igualdad de las medias (hipótesis nula) se rechaza en caso de que:
x1 − x 2 > t1− a 2 (v ) sd
Casos unilaterales:
a) La hipótesis de que la primera media no sea menor que la segunda (hipótesis nula) se rechaza si.
x1 < x 2 − t1−α (v )sd
b) La hipótesis de que la primera media no sea mayor que la segunda (hipótesis nula) se rechaza si:
x1 > x 2 + t1−α (v )sd
15
Comentarios
1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales") es

la probabilidad de rechazo de la hipótesis nula cuando dicha hipótesis es verdadera.
2) t(v) es la variable de Student con v = n1 + n2 – 2 grados de libertad: el valor

de tα (v) se define como:
P [t (v ) < t α (v )] = α
Ya que la distribución de U es simétrica con alrededor de cero,
t α (v ) = − t1−α (v )
P [t (v ) > tα (v )] = 1 − α
[
P − t1− α 2 (v ) < t (v ) < t1− α 2 (v )]= 1 − α

con v = n1 + n2 – 2 grados de libertad
f (t) f (t) f (t)
α/2 α/2 α α
0 0 0
t(υ) t(υ)
t α / 2 ( v ) = t1− α / 2 ( v ) t1− α / 2 ( v ) t1− α ( v ) t α ( v ) = − t1− α ( v )
3) la desviación estándar estimada de la diferencia d = x1 − x 2 de las medidas

σ d * es
de dos muestras de n1 y n2 observaciones respectivamente.
4) Los valores t1− α / 2 (v ) y t1− α (v ) se presentan en la Tabla IIA del Anexo B para
α = 0,05 y α = 0,01.
EJEMPLO.
16
Tabla D Estimación de la diferencia de dos medias (varianzas conocidas)
de la población 1
Características técnicas de las unidades de muestras (5) tomadas en la población 2
en la muestra 1

Primera Segunda
muestra muestra
x1 = =
n1
Sumatoria de los valores observados: Σx1 = Σx2 = ∑ x2
x2 = =
n2
σ1 = σ2 =
2 2
Valores conocidos de las varianzas de las
σ 12 σ 2 2
poblaciones σd = + =
n1 n2
Nivel de significancia escogido (7): U1 − α σ d =
1-α = U1 − α / 2 σ d =
Resultados
Estimación de la diferencia de las dos medias poblacionales m1 y m2
−
(m1 − m2 ) * = x1 − x2
Intervalo de confianza bilateral
(x1 − x 2 )− U1−α / 2 σd < m1 − m2 < (x1 − x 2 )+ u1− α / 2 σ d

( )
m1 − m2 < x1 − x 2 + u1− α σ d
( )
m1 − m2 > x1 − x 2 + u1− α σ d
Nota. Los números (5), (6) y (7 se refieren a los numerales correspondientes de las “observaciones generales”.
17
Comentarios

es la probabilidad de que el intervalo de confianza calculado incluya el valor real de la
diferencia entre las medias.
P [U < U α ] = α
Ya que la distribución de U es simétrica alrededor de cero,
U α = − U1 − α
P [U > U α ] = 1 − α
[
P − U 1−α 2 < U < U 1−α 2 ]= 1 − α
f (u) f (u) f (u)
α/2 α/2 α α
0 0 0
u u
u α / 2 = − u1−α / 2 u1−α / 2 u1 − α u α = − u1 − α
σ 12 σ 2 2
3) σd = + es la desviación estándar de la diferencia d = x1 − x 2 entre las
n1 n2
medidas de las dos muestras de n1 y n2 observaciones, respectivamente.
4) Los valores U1−α / 2 y U1−α deben leerse para α = 0,05 y α = 0,01 en la línea n =
de la Tabla 1 del Anexo B.
EJEMPLO.
18
Tabla D’. Estimación de la diferencia de dos medias (varianzas desconocidas,

pero las cuales se pueden suponer que son iguales)
La hipótesis de la igualdad de las varianzas de las dos poblaciones se puede verificar como se indica en la Tabla G
de la población 1
Características técnicas de las unidades de tomadas en la población 1

en la muestra 1
Observaciones descartadas
(6) en la muestra 2

Primera Segunda ∑ x1
muestra muestra x1 = =
n1
X2 = =
n2
Sumatoria de los valores
observados
Σx1 = Σx2 =
( )2
∑ x1 − x1 + ∑ x2 − x 2( )2 =
Σx1 = Σx2 =
2 2
los valores observados ∑ x1 + ∑ x2 −
2 2 1
(∑ x1 )2 − 1 (∑ x2 )2 =
n1 n2
∑ (x )2 + ∑ (x 2 − x 2 )2
Grados de libertad v = n1 + n2 - 2
= n + n2 1 − x1
σ d * = sd = 1 =
n1 n 2 n1 + n 2 − 2
Nivel de significancia escogido t1−α (v ) sd
(7)
α = t1−α 2 (v ) sd
Resultados
Estimación de la diferencia de las dos medias poblacionales m1 y m2
(m1 − m2 ) * = x 1 − x 2 =
(x1 − x 2 ) − t1−α 2 (v ) sd < m1 − m2 < (x1 − x 2 ) + t1−α 2 (v ) sd

( )
m1 − m2 < x1 − x 2 + t1−α / 2 (v )sd
( )
m1 − m2 > x1 − x 2 − t1−α (v )sd
19
Comentarios

es la probabilidad de que el intervalo de confianza calculado incluya el valor real de
la diferencia entre las medias.
2) t(v) es la variable de Student con v = n1 + n2 – 2 grados de libertad: el valor

de tα (v) se define como:
P [t (v ) < tα (v )]
Ya que la distribución de t(v) es simétrica con alrededor de cero,
t α (v ) = − t1−α (v )
P [t (v ) > tα (v )] = 1 − α
[
P − t1−α 2 (v ) < t (v ) < t1−α 2 (v )]= 1 − α

con v = n1 + n2 – 2 grados de libertad
f (t) f (t) f (t)
α/2 α/2 α α
0 0 0
t(υ) t(υ) t(υ)
t α / 2 ( v ) = − t1−α / 2 ( v ) t1−α / 2 ( v ) t1−α ( v ) t α ( v ) = − t1−α ( v )
3) la desviación estándar estimada de la diferencia d = x1 − x 2 ente las medias

σ d * es
de las dos muestras de n1 y n2 observaciones, respectivamente.
4) Los valores t1− α / 2 (v ) y t1− α (v ) se presentan en la Tabla IIA del Anexo B para
α = 0,05 y α = 0,01.
EJEMPLO.
20
Tabla E. Comparación de una varianza o de una desviación estándar con un valor dado

n =
( )2
∑ x− x =∑ x
2 (∑ x ) =
2
n
Σx =
∑
(x − x)
2
=
σ 02
Σx = x0 2 (v ) =
2
Valor dado:
σ 20 = x12−α (v ) =
Grados de libertad
v = n-1 xα2 / 2 (v ) =
α = x12/ 2 (v ) =
Resultados
Comparación de la varianza poblacional con el valor dado σ 20 :
Caso bilateral:
La hipótesis de que la varianza poblacional es igual al valor dado (hipótesis nula) se rechaza en caso de que:
(
∑ x−x )2 = < xα2 2 (V ) ó ∑ (x − x )2 = > x12−α 2 (v )
σ 02 σ 02
Casos unilaterales:
a) La hipótesis de que la varianza poblacional no es mayor que el valor dado, hipótesis nula, se rechaza
en caso que:
∑ (x − x )
2
= > x12−α (v )
σ02
b) La hipótesis de que la varianza poblacional no es menor que el valor dado, hipótesis nula, se rechaza
en caso que:
∑ (x − x )
2
= < xα2 (v )
σ02
Nota. Los números (5), (6) y (8) se refieren a los numerales correspondientes de las “Observaciones generales”.
21
Comentarios:
1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales"), es

la posibilidad de rechazo de la hipótesis nula, en caso de que esta hipótesis sea
verdadera.
2) x2 (v) es la variable x2 con v grados de libertad; el valor x2α (v) se define como:
[ ]
P X 2 (v ) < xa 2 (v ) = 1 − a
[ ]
P X 2 (v ) > xa 2 (v ) = 1 − α
[
P X 2a 2
(v ) < x 2 (v ) < x12− a 2 (v ) ]= 1 − α
2
Densidad de probabilidad de X (v)
Con v = n – 1 grados de libertad
f (x 2 ) f (x 2 ) f (x 2 )
α/2 α α
α/2
0 x (υ)
2
0 x (υ)
2
0 x
xα2 / 2 ( v ) x12− α / 2 ( v ) xα2 ( v ) x12− α ( v )
3) Los valores x2∝ (v), x2 1-α (v), xα/2 y x21-α/2 (v) se presentan en la Tabla III del
Anexo B, para los valores de α = 0,05 y α = 0,01.
EJEMPLO.
22
Tabla F. Estimación de una varianza o de una desviación estándar

n =
( )2 (∑ x )2 =
∑ x−x =∑x −
2
n
Σx =
s2 =
(
∑ x−x )2
n −1
Σx =
2 ∑ x−x ( )2 =
Xα 2 (v )
∑ (x − x )
Grados de libertad 2
=
x2
1−α
(v )
∑ (x − x )
v = n-1= 2
=
xα2 / 2 (v )
∑ (x − x )
Nivel de significancia escogido (7): 2
1-α = =
x12− α / 2 (v )
Resultados
Estimación de la varianza poblacional σ

2
(σ )* = s
2 2
=
3)
∑ (x − x ) ∑ (x − x )
2 2
= < σ2 <
x2
1− α / 2
(v ) x 2 / 2 (v )
α
3)
Intervalos de confianza unilateral
∑ (x − x )
2
σ 2
<
xα 2 (v )
∑ (x − x )
2
σ 2
<
x1 − α 2 (v )
Los límites de los intervalos de confianza de la desviación estándar σ son las raíces cuadradas de los
3)
límites de los intervalos de confianza de al varianza σ2.

23
Comentarios
1) El nivel de confianza 1 - α (véase el numeral 7 de las "Observaciones generales"),

es la probabilidad de que el intervalo de confianza calculado incluya el valor real de
la varianza.
2) x2(v) es la variable de con x2 con v = n - 1 grados de libertad: el valor de x2α (v)

se define como:
[ ]
P X 2 (v ) < xα 2 (v ) = α
[ ]
P X 2 (v ) > xα 2 (v ) = 1 − α
[ ]
P x 2 α / 2 (v ) < x 2 (v ) < x 21− α / 2 (v ) = 1 − α
2
Densidad de probabilidad de x (v) con v = n – 1 grados de libertad
f (x 2 ) f (x 2 ) f (x 2 )
α/2 α α
α/2
0 x 2 (υ) 0 x 2 (υ) 0 x 2 (υ)
xα2 / 2 ( v ) x12− α / 2 ( v ) xα2 ( v ) x12− α ( v )

3) Los valores x2∝ (v), x2 1-α (v), xα/2 y x21-α/2 (v) se presentan en la Tabla III del
Anexo B, para los valores de α = 0,05 y α = 0,01.
EJEMPLO.
24
Tabla G. Comparación de dos varianzas o de dos desviaciones estándar
de la población 1
Características técnicas de las unidades de
en la muestra 1

Primera Segunda
( )2 (∑ x1 )2 =
∑ x1 − x1 = ∑ x1 −
2
muestra muestra
n1
( )2 = ∑ x22 − (∑nx2 )
Tamaño: n1 = n2 = 2
∑ x2 − x 2 =
2
Sumatoria
observados
de los valores Σx1 = Σx2 =
s12 =
(
∑ x1 − x1 )2
n1 − 1
Σx1 = Σx2 =
( )2
2 2
∑ x X2 − x2
los valores observados s2 2 =
n1 − 1
Grados de libertad V1 = n1 - 1 F1− α (v1 , v 2 ) = F1− α / 2 (v1 , v2 )
v2 = n2 - 1
Nivel de significancia escogido (8) 1 1
α = F1− α (v 2 , v1 ) = F1− α / 2 (v2 , v1 ) =
Resultados
Comparación de las varianzas poblacionales:
Caso bilateral
La hipótesis de la igualdad de las varianzas (hipótesis nula) se rechaza en caso de que:
s12 s2
ó 1 2 > F1− α / 2 (v1 , v2 )
1
<
s2 2 F1− α / 2 (v2 , v1 ) s2
Casos unilaterales:
a) La hipótesis de que la primera varianza no es mayor que la segunda (hipótesis nula) se rechaza en
caso de que:
s12
> F1− α (v1 , v 2 )
s2 2
b) La hipótesis de que la primera varianza no es menor que la segunda (hipótesis nula) se rechaza en
caso de que:
s12 1
<
s2 2 F1− α (v 2 , v1 )
25
Comentarios
1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales"), es

la probabilidad de rechazo de la hipótesis nula en el caso de que ésta sea
verdadera.
2) F (v1, v2) es la razón de la varianza con v1 = n1 – 1 y v2 = n2 – 1 grados de libertad;

el valor Fα (v1, v2) se define como
[
P F (v1 , v 2 ) < F α (v1 , v 2 ) = α ]
[ ]
P F (v1 , v 2 ) > F α (v1 , v 2 ) = 1 − α
[ ]
P F α / 2 (v1 , v 2 ) < F (v1 , v 2 ) < F 1 − α / 2 (v1 , v 2 ) = 1 − α
También se tiene que:
1
Fα( v1 , v 2 ) =
F1− α ( v 2 , v1 )
Densidad de probabilidad de F (v1, v2) con v1 = n1 – 1

y v2 = n2 - 1 grados de libertad
t (F) t (F) t (F)
α/2 α α
α/2
0 F (υ1 . υ2) 0 F (υ1 . υ2) 0 F (υ1 . υ
Fα / 2 ( v1 , v 2 ) Fα / 2 ( v1 , v 2 ) Fα ( v1 , v 2 ) F1− α / 2 ( v1 , v 2 )
1 1
= =
F1− α / 2 ( v 2 , v1 ) F1−α / 2 ( v2 , v1 )
3) Los valores F1 - α y F1-α/2 (v) se presentan en la Tabla IV del Anexo B, en función de

los números de los grados de libertad, para α = 0,05 y α = 0,01. Los valores de
Fα y Fα/2 se pueden deducir como se indicó anteriormente, a partir de los valores
de F1 - α y F1 - α/2
EJEMPLO.

26
Tabla H. Comparación de dos varianzas o de dos desviaciones estándar

de la población 2
en la muestra 1

Primera Segunda
( )2 (∑ x )2 =
∑ x1 − x1 = ∑ x1 −
2
muestra muestra
n1
( )2 = ∑ x22 − (∑nx2 )
Tamaño: n1 = n2 = 2
∑ x2 − x 2 =
2
Sumatoria
observados
de los valores Σx1 = Σx2 =
s12 =
(
∑ x1 − x1 )2
n2 − 1
Σx1 = Σx2 =
( )2
2 2
∑ x2 − x 2
los valores observados s2 2
=
n2 − 1
Grados de libertad v1 = n1 - 1 s12 s12
v2 = n2 - 1 F1−α (v2 , v1 ) = F1− α / 2 (v 2 , v1 ) =
s2 2 s2 2
Nivel de significancia escogido (7) s12 s12
1-α = F1−α (v1, v2 ) = F1− α / 2 (v1 , v 2 ) =
s2 2 s2 2
Resultados
Estimación de la razón de las dos varianzas poblacionales σ1 y σ2 :

2 2
σ 2
 1

*
2 2
(
 = s1 = ∑ x1 − x 2 (n1 − 1) )
σ 2
 1

 (
s2 2 ∑ x2 − x 2 2 (n1 − 1) )
4)
Intervalo de confianza bilateral :
s12 σ12 s12

< F1− α / 2 (v 2 , v1 )
1
<
F1− α / 2 (v1 , v 2 ) s2 2 σ2 2 s2 2
1):
Intervalos de confianza unilaterales
σ12 s12 σ12 s12

< F1− α / 2 (v 2 , v1 )
1
ó >
σ2 2
s2 2
σ2 2 F1− α (v1 , v 2 ) s2 2
Los límites de los intervalos de confianza de la razón de las desviaciones estándar σ1 y σ2 con las raíces
4)
cuadradas de los límites de los intervalos de confianza de las razones de las varianzas σ1 y σ2 .
2 2
27
Comentarios
1) El nivel de confianza 1 - α (véase el numeral 7 de las "Observaciones generales"), es

la probabilidad de que el intervalo de confianza calculado incluya el valor real de la
razón entre las dos varianzas.
2) F (v1, v2) es la razón de las varianza con v1 = n1 – 1 y v2 = n2 – 1 grados de

libertad; el valor Fα (v1, v2) se define como
[
P F (v1 , v 2 ) < F α (v1 , v 2 ) = α ]
[ ]
P F (v1 , v 2 ) > F α (v1 , v 2 ) = 1 − α
[
P F α / 2 (v1 , v 2 ) < F (v1 , v 2 ) < F 1 − α / 2 (v1 , v 2 ) = 1 − α]
También se tiene que
Fα (v1 , v 2 ) =
1
F1− α (v 2 , v1 )
Densidad de probabilidad de F (v1, v2) con v1 = n1 – 1

y v2 = n2 - 1 grados de libertad
t (F) t (F) t (F)
α/2 α α
α/2
0 F (υ1 . υ2) 0 F (υ1 . υ2) 0 F (υ1 . υ2)
Fα / 2 F(αv/2,(υ
1 v ). υ )
2 F1−αF/ 2 (- vα1/2
, v(υ
2) . υ ) F α(υ F. α
υ( )v , v )
1 2 (v1 ,. vυ2 ))
FF1 −- αα(υ
1 1
= =
F1 − α / 2( v1, v 2 ) F1 − α / 2( v1, v 2 )
3) Los valores F1 - α y F1-α/2 (v) se presentan en la Tabla IV del Anexo B, en función de

los números de los grados de libertad, para α = 0,05 y α = 0,01. Los valores de
Fα y Fα/2 se pueden deducir como se indicó anteriormente, a partir de los valores
de F1 - α y F1 - α/2
EJEMPLO.
28
SECCIÓN DOS: NOTAS EXPLICATIVAS Y EJEMPLOS
INTRODUCCIÓN
1. Las tablas presentadas en la sección uno de esta norma establecen doce

procedimientos diferentes aplicables a un conjunto de datos observados en una
muestra, y tiene el propósito de ayudar a resolver una serie de interrogantes
relativos a grandes poblaciones o a poblaciones desde las cuales se supone que
las muestras se toman en forma aleatoria. Para ayudar al entendimiento de las
tablas desde la A hasta la H, éstas se ilustran numéricamente con datos
relacionados con la carga de fractura de dos muestras de fibras. Las
características más importantes de las muestras se encuentran junto a las
observaciones de la Tabla X.
El Newton es la unidad en la cual se encuentran expresados los datos numéricos y

los resultados.
Tabla X. Carga de rotura de la fibra (Newtons)
En relación con el significado de los diferentes símbolos, véase por ejemplo la Tabla G.
Fibra 1 Fibra 2
2,297 2,286
2,582 2,327
1,949 2,388
2,362 3,172
2,040 3,158
2,133 2,751
1,855 2,222
1,986 2,367
1,642 2,247
2,915 2,512
- 2,104
- 2,707
Tamaño de las muestras
n1 = 10 n2 = 12
Sumatoria de los valores observados Σx:
21,761 30,241
Valor de las medias:
X1 = 2,176 X2 = 2,520
Sumatoria de los cuadrados de los valores observados, Σx2:
48,610 477 77,599 609
29
Sumatoria de los cuadrados de las diferencia con respecto a las medias, ∑ (X − X ) :

2
1,256 365 1,389 769
Varianzas estimadas:
S12 = 0,139 60 S 22 = 0,126 34
2. Con lo anterior no se quiere sugerir que en una determinada investigación se

necesite resolver la totalidad de las preguntas, sino que, con el propósito de
simplificar la presentación, es conveniente utilizar el mismo material ilustrativo en
cada uno de los casos. En consecuencia, solamente se ilustran numéricamente,
las doce tablas en los dos casos: el caso de muestra simple de la Tabla A y el
caso de la muestra doble de la Tabla C.
Generalmente la pregunta o preguntas que se presentan se deben escoger antes

de que los datos se analicen; y por supuesto, lo mejor es que ellas determinen la
manera en la cual se han de obtener los datos. Sin embargo, la presentación de
gráficas de las observaciones que se han de utilizar en los ejemplos ilustra la clase
de preguntas que pueden resultar de interés. Algunas de esas preguntas son:
Independiente de las variaciones aleatorias de muestreo, ¿corresponden las

medias o las desviaciones estándar en las dos muestras con la hipótesis de que
las dos medias poblacionales y las desviaciones estándar son idénticas?.
En caso de que no sean idénticas, ¿en qué magnitud pueden diferir?.
Los procedimientos presentados desde la Tabla A hasta la H, presentan una base

objetiva, en términos de enunciados de probabilidad, a las respuestas que se
pueden sugerir mediante la inspección de gráficas como las señaladas.
3. Ya que los procedimientos por seguir se basan en la suposición de que las

poblaciones muestreadas se representan en forma aproximada, mediante la
función de densidad normal, que, en la forma estandarizada tiene la ecuación:
 U2 
f (U ) =
1
exp  − 
2π  2 
 
es preferible, en un principio, llevar a cabo un examen rápido sobre este supuesto,

a menos que se tenga una garantía apropiada en cuanto a la normalidad basada
en un examen previo de datos similares.
Cuando el número de datos no es demasiado grande, este examen se puede

llevar a cabo gráficamente, utilizando algunos métodos alternativos, dos de los
cuales se describen aquí. Ambos métodos contemplan el agrupamiento de las
observaciones en un orden ascendente de magnitudes5), de modo que en una
muestra de n observaciones, xi se tendrá que:
5)
Con una modificación muy simple, las observaciones se puede reordenar también en orden descendente de
30
x1 ≤ x2 ... ≤ xn
Para el segundo caso de la segunda muestra de las observaciones de la Tabla X,

las doce observaciones ordenadas son:
2,104 - 2,222 - 2,247 - 2,286 - 2,327 - 2,367 -

2,388 - 2,512 - 2,707 - 2,751 - 3,158 - 3,172 -
Estas observaciones ordenadas se denominan “estadística de orden de la muestra”, y en

cualquiera de los métodos se utilizan como ordenadas en los diagramas. Los dos métodos
difieren en la abscisa utilizada; en uno, a), se toman los valores esperados de la estadística
ordenada normal; en el segundo b), la gráfica se realiza en un “papel normal de probabilidad” y
la abscisa escogida es el valor esperado de la probabilidad acumulada, asociada con la
estadística ordenada.
a) Empleo de los valores esperados de la estadística normal ordenada.
Para el caso de muestras aleatorias de tamaño n a partir de una distribución normal

estandardizada, (es decir, con un cero como media y una desviación estándar
unitaria), estos valores esperados, ξ (i/n) se dan en la Tabla V del Anexo B para n =
2(1) 50, i) 1, 2,... n/2 para n par y con i = 1, 2,... (n + 1)/2 para n impar. Las tablas de
H.L. Harter6) establecen los valores de ξ (i/n) para n = 1 (1) 100 y luego para
intervalos más amplios de hasta n = 400. Los valores restantes se obtienen
dándole el signo negativo a los valores de la tabla, es decir, los datos
estadísticos de orden esperados para i = 1, 2, 3,... con los signos contrarios. Si
los doce datos con orden estadístico observados se grafican como ordenadas en
función de los valores esperados correspondientes ξ (i/n), i = 1, 2, ...12, el
resultado es el diagrama que se utiliza en la Figura 2.
Si la distribución poblacional es estrictamente normal, los puntos presentados en

la gráfica difieren con respecto a una línea recta solamente en variaciones
muestrales aleatorias. La pendiente de la línea da un estimativo de la desviación
estándar poblacional. En este caso, la línea recta da una estimación aproximada
de la media poblacional (ordenada 2,52 del punto abscisa 0,0 de la línea recta) y
de su desviación estándar (pendiente de la línea recta, que es 0,355 =
correspondiente a la diferencia de ordenadas ente los dos puntos de abscisa 1 y 0
de la línea recta).
b) Empleo del papel normal de probabilidad.
Antes de describir el procedimiento correspondiente, es necesario hacer algunas

observaciones introductorias acerca de las características de este tipo de papel, el
cual se puede adquirir fácilmente con alguna empresa que venda papeles
especiales y que tenga una gran variedad de referencias.
6)
Tomado del volumen 2 de “Order Statiscs and Their Use in Testing and Estimations”, de H.L. Harter.
31
Si X es una variable aleatoria de una población que tenga una media m y una
desviación estándar σ, y si U = (X – m)/σ, es evidente que si se tiene n valores
de xi, y se grafica xi como ordenada en función de Ui como abscisa, los puntos
(ui, xi) se localizan sobre una línea recta que debe tener una pendiente σ y pasar
por el punto de coordenadas (0,m). Si la población muestreada es normal y tiene
una función de densidad F(u) definida anteriormente, la escala de la abscisa
uniforme, u, se puede reemplazar por la escala de probabilidad, P(u), donde:
Ui
P (U i ) =
∫
− u 2 / 2 du 2π
e
−∞
La tabla siguiente presenta la correspondencia de ciertos valores de 100 P y de u.
100 P u
0,1 - 3,090
0,5 - 2,576
1,0 - 2,326
2,5 - 1,960
5,0 - 1,645
10,0 - 1,282
20,0 - 0,842
25,0 - 0,674
30,0 - 0,524
40,0 - 0,253
50,0 0,000
60,0 0,253
70,0 0,524
75,0 0,674
80,0 0,842
90,0 1,282
95,0 1,645
97,5 1,960
99,0 2,326
99,5 2,576
99,9 3,090
La Figura 3 presenta un conjunto vertical de rayas espaciadas uniformemente, correspondientes

a los valores de x. En tanto que el otro conjunto de rayas se dibujan en función de la escala P(u),
en lugar de la escala u que se encuentra espaciada uniformemente. En la forma corriente en la
que se presenta el papel normal de probabilidad, normalmente se omite la escala u.
En la práctica, los valores poblacionales de m y de σ se desconocen normalmente, de modo que

ni ui ni P(ui) que corresponden a xi pueden determinarse. Sin embargo se conoce que si de una
población normal se sacan muestras aleatorias repetidas de n observaciones y las observaciones
individuales de cada muestra se agrupan en orden ascendente individuales de cada muestra se
agrupan en orden ascendente de magnitud, con xi como el i-ésimo dato estadístico de orden,
entonces cualquiera que sean los valores de m y de σ, el promedio o el valor esperado de P (xi) s
es igual a i/(n + 1), es decir, se ubica en un punto fijo de la escala P.
32
Dada una muestra única de tamaño n, la prueba gráfica para determinar su divergencia con
respecto a la normalidad, basado en el uso del papel normal de probabilidad consta de los
siguientes pasos:
a) Dar al eje vertical, una escala apropiada que se encuentre de acuerdo con el
intervalo de valores observados de x en una muestra.
b) Dibujar el i-ésimo dato estadístico xi ordenado normal como ordenada en función

de Pi = i/(n + 1) como abscisa.
1,60 1,80 2,00 2,20 2,40 2,60 2,80 3,00 3,20
Yarn 1
Yarn 2
Figura 1. Carga de rotura de la fibra de las dos muestras diferentes
3,20
3,00
2,80
0,355
2,60
2,52
2,40
2,20
2,00
-1,6 -1,2 -0,8 -0,4 0 0,4 0,8 1 1,2 1,6
Dato estadístico esperado normal de orden, ξ (i/n)
Figura 2. Prueba gráfica de normalidad aplicada a la muestra de al fibra No. 2
33
0,0 99,95
0,05
0,1 99,9
3,0
0,2 99,8
0,5
2,5
1 99
2 98
2,0
5 95
1,5
10 90
1,0
20 80
30 70 0,5
40 60
50 50 0,0
60 40
70 30 -0,5
80 20
-1,0
90 10
-1,5
95 5
-2,0
98 2
99 1
-2,5
0,5
99,8 0,2
-3,0
99,9 0,1
0,05
100 (1-P (u))
99,95
3,20 3,00 2,80 2,60 2,40 2,20 2,00 x
100 P (u)
u
Newtons
Figura 3. Ilustración del empleo del papel normal de probabilidad, mediante la ubicación
en la gráfica de 12 valores de (xi, i/13) de los datos de la fibra No. 2
34
En esas condiciones, si la distribución es estrictamente normal, los cuantiles xi con probabilidad

i/(n + 1) de esta distribución deben ser representadas en forma gráfica por puntos ubicados en la
línea recta que pasa por el punto de coordenadas (0, m) y que tiene una pendiente σ. Como
consecuencia, para el caso de una muestra determinada los puntos con coordenadas [i (n + 1), xi ] sólo
se apartan en variaciones aleatorias de esta línea.
Por otra parte, en este segundo método de representación gráfica, la posición media del punto que
representa a xi, no se va a encontrar sobre esta línea recta, aún cuando se encuentre muy cerca7).
En la Figura 3, se ha elaborado la gráfica para las n = 12 observaciones ordenadas para la

segunda de las dos muestras de fibras, utilizando la escala x apropiada, en función de la abscisa
P = 1/13, 2/13,...,12/13. Se ve que el patrón de puntos en la Figura 3 es aproximadamente similar
al de la Figura 2, aunque no precisamente el mismo, ya que ξ (i/12) no es exactamente
igual a u(Pi =i/13).
La línea recta inclinada se ha dibujado utilizando para m y σ poblacionales desconocidas, las

estimaciones muestrales X = 2,520 y S = 0,355.
Estos dos métodos gráficos se pueden utilizar cuando la población hipotética no es normal sino que
tiene alguna otra forma, por ejemplo la de la función exponencial negativa, o una distribución gamma
(o x2). En esta caso es necesario tener:
a) Otra tabla apropiada de valores esperados de datos estadísticos de orden, ξ

(i/n), ó
b) Un papel de probabilidad con una distribución vertical con otra escala.
Tales tablas y papeles existen.
Un método gráfico alternativo utilizado en algunas oportunidades combina los elementos de los
dos métodos descritos anteriormente en los literales a) y b). De nuevo se emplea el papel normal
de probabilidad, con el orden estadístico de la muestra, xi, graficados como ordenados en función
de la abscisa, en lugar de Pi = (i/n + 1) como el método b).
P {ξ (i / n )}= ∫−ξ ∞(i / n ) e

−u 2 2 du 2π
Los valores de P {ξ (i / n )} se pueden encontrar entrando a la tabla de la función de probabilidad

normal con los valores de ξ (i/n) dados en la Tabla V. Nuevamente, si la muestra poblacional es
normal, los puntos presentados en la gráfica se ubican sobre una línea recta inclinada.
El defecto del método gráfico es que no presenta procedimientos apropiados para determinar,
como en este caso, si la separación de los puntos con respecto a la línea recta es importante.
Como se estableció en el numeral 4 de las “observaciones generales”, de la sección uno de esta
norma, es posible aplicar la prueba de Shapiro y Wilk (siempre y cuando n ≤ 50), desarrollado
con el propósito de aumentar la precisión de esta aproximación gráfica.
7)
La cantidad en que la línea real de las medias difiere de la línea recta es más grande en el caso en el
que i = 1 o n, pero es aún pequeña comparada con las variaciones muestrales cerca de las medias, (i/n).
35
Este método y algunos otros se presentarán, con mayor detalle, en un documento futuro. En caso
de que esta prueba se aplique a las observaciones de la fibra número 2 y también a las n = 10,
observaciones de la fibra número 1, se encuentra que en ningún caso los resultados son
inconsistentes con el muestreo de las poblaciones normales.
4. El método gráfico descrito puede ser particularmente útil cuando se trata de

decidir si una de las transformaciones sugeridas en el numeral 4 de las
“observaciones generales” es apropiada para que la variable x sea lo más normal
posible. Como ejemplo de este tipo, se citan los siguientes datos sobre los
resultados de un ensayo de fatiga de los álabes rotatorios aplicado a 15 probetas
de un componente de una turbina de aviación.
La variable, x, mide la resistencia. Si los 15 valores de
a) x
b) log10 (10x)
ya agrupados en un orden ascendente de magnitud, se grafican en función de los datos

estadísticos esperados de orden normal correspondientes ξ (i/15), i = 1, 2,...,15 tomados de la
Tabla V del Anexo B, inmediatamente se encuentra (véase la Figura 4), que la gráfica que
emplea logx es aproximadamente lineal, mientras que la de x no lo es. Esto sugiere que en las
hipótesis de los ensayos, el análisis del tipo sugerido en las Tablas A, A’, C, C’, E y G se debe
aplicar al logx en lugar de a x. Esta sugerencia fue confirmada con datos más amplios. Si, en
cambio, fuera necesario obtener los intervalos de confianza, para la media y la desviación
estándar de x, estos no se podrían derivar directamente de los intervalos de confianza para la
media y la desviación estándar de logx. Sin embargo, los límites de tolerancia para la población
total de x, se pueden encontrar empleando logx como la variable.
Ensayo de fatiga de los álabes rotatorios de la turbina
Probeta i xi Log10 (10 xi)

1 0,200 0,301
2 0,330 0,519
3 0,450 0,653
4 0,490 0,690
5 0,780 0,892
6 0,920 0,964
7 0,950 0,978
8 0,970 0,987
9 1,040 1,017
10 1,710 1,233
11 2,220 1,346
12 2,275 1,357
13 3,650 1,562
14 7,000 1,845
15 8,800 1,944
36
log 10 (10x)
Gráfica de
2,0 log 10 (10x)
En función de los datos estadísticos normales de orden
x
1,8 9,0
1,6 8,0
1,4 7,0
1,2 6,0
1,0 5,0
0,8 4,0
0,6 3,0
0,4 2,0
0,2 1,0
0,0
-1,6 -1,2 -0,8 -0,4 0,0 0,4 0,8 1,2 1,6
Datos estadísticos normales de orden ξ (i/n)
Figura 4. Datos del ensayo fatiga de los álabes rotatorios de la turbina
37
5. Por esta razón, ya que es apropiado utilizar los procedimientos descritos para el
análisis de las variables distribuidas normalmente, los únicos elementos de
información numérica requeridos a partir de las muestras son el número de
observaciones, n (tamaño de la muestra) y los datos estadísticos ∑
(X) y
∑ (X − X ) . Estos con sus estimaciones muestrales derivadas, las medias m * =
2
1
X1 , m2* = X 2 y las varianzas σ 1* = S12 y

2
σ22*
= S 22 se encuentran indicadas al lado
de los datos básicos de la Tabla X. Al igual que se estableció previamente en la
ilustración del procedimiento presentado en las doce tablas de la A a la H,
solamente se da una presentación formal completa de los datos y cálculos para
la Tabla A (ensayo de una muestra determinado sobre la media con varianza
conocida) y la Tabla C (comparación de dos medias, con varianzas que se
asumen conocidas pero no necesariamente iguales). En los otros 10 casos la
ilustración se resume en:
a) Establecer la pregunta que se ha de adicionar a los datos.
b) Insertar en la fórmula de la tabla, los valores numéricos apropiados

tomados de la Tabla x y de las Tablas I a IV del Anexo B.
c) Discutir las conclusiones.
6. Los métodos descritos anteriormente en las Tablas C y C’ se relacionan con la

comparación de las medias derivadas de dos muestras completamente
independientes. En ciertos casos, sin embargo, las observaciones en las dos
muestras se encuentran relacionadas por parejas, es decir xi y yi (i = 1, 2,..., n) el
problema de interés práctico puede ser el estudio de las diferencias di = yi – xi
bien sea en relación con el valor medio o con la varianza de di. Problemas de
esta categoría se deben considerar ampliamente en documentos posteriores.
Sin embargo, con el propósito de evitar el empleo incorrecto de la Tabla C’
donde debe emplearse la Tabla A, se presenta una ilustración de tal problema
en el Anexo A, a pesar de que no se llevó a cabo una presentación formal del
procedimiento en la sección uno de esta norma.
7. Finalmente, es posible resumir las relaciones entre los casos presentados en las
doce tablas, desde la A hasta la H; e I, hasta IV del Anexo B de la siguiente manera:
a) Si la pregunta se refiere a la relación entre la muestra o las medias

poblacionales o las dos y las varianzas se encuentran especificadas o
se suponen conocidas a partir de experiencias anteriores (Tablas A, B,
C, D), entonces los procedimientos se pueden basar en el uso de la
desviación normal estandarizada U, de la Tabla I del Anexo B.
b) Si, por otra parte, cuando se manejan los valores medios, las varianzas
deben estimarse de los datos de la muestra (Tablas A’, B’, C’, D’)
entonces el procedimiento se debe basar en el empleo de la distribución t
de “Student’s” de la Tabla II del Anexo B. Inevitablemente en este caso,
las conclusiones se alcanzan con algo menos de precisión, pero es mejor
que sea de este modo y no que se introduzca un valor erróneo de la
varianza o de la desviación estándar con el literal a).
38
c) Si la pregunta se refiere a la relación entre la varianza muestral y la

varianza poblacional (Tablas E, F), entonces los procedimientos hacen
uso de la distribución x2 de la Tabla III del Anexo B.
d) Si se desea una comparación de las dos varianzas o encontrar un

estimativo de los límites dentro de los cuales se encuentra la razón de las
dos varianzas poblacionales desconocidas (Tablas G, H), entonces el
procedimiento hace uso de la distribución del radio de varianza F
(algunas veces llamado razón de Snedecor) de la Tabla IV del Anexo B.
ILUSTRACIÓN NUMÉRICA DE LOS PROCEDIMIENTOS
Tabla A. Comparación de una media con un valor dado (varianza conocida)
Supóngase que es necesario examinar si los ensayos sobre la muestra de 10 elementos de la fibra (fibra 1 de la Tabla X)
son consistentes con la afirmación del fabricante de que la carga media de rotura de su fibra tiene un valor dado,
mo = 2,40. Se supone que las mediciones anteriores han mostrado que la variación entre envío y envío, aunque no el
valor medio, es estable y puede representarse mediante una desviación estándar de σ = 0,331 5. Siguiendo el
esquema presentado en la Tabla A, la presentación formal de los datos numéricos sería como se presenta a
continuación:
Características técnicas de la población estudiada: se compone de un envío de fibra de algodón recibido el 1969-08-03,
suministrado por el proveedor H y compuesto por 10 000 bobinas empacadas en 100 cajas cada una, con 100 bobinas.
Características técnicas de los elementos de la muestra: se toman al azar 10 cajas y en forma aleatoria se escoge una
bobina de cada una de estas cajas. Los especímenes de ensayo, de 50 cm de longitud de fibra se cortaron de dichas
bobinas a una distancia aproximada de 5 m del extremo libre. El ensayo real se lleva a cabo sobre los 25 cm centrales
de estos especimenes de ensayo. En cada uno de los especímenes se midió la carga de rotura en Newtons.
Observaciones descartadas: ninguna.

Tamaño de la muestra 21,761
x= = 2,1716
n = 10 10
Σx = 21,761
Valor dado: Utilizando la Tabla I del Anexo B
mo = 2,40
Valor conocido de la desviación estándar:
σ = 0,3315 U  σ = 0,620 × 0,3315 = 0,2055
 0,975 10 
Nivel de significancia escogido:
α = 0,05
Resultados
Caso bilateral
x − mo = 2,176 − 2,40 = 0,224 > 0,205 5
La hipótesis de que la media poblacional es igual a 2,40 se rechaza a un nivel del 5 %.
39
Tabla A’. Comparación de una media con un valor dado (varianza desconocida)
El problema es similar al descrito en la Tabla A, sin embargo en este caso se debe estimar la varianza a partir de los
datos de la muestra, bien sea porque no se encuentran disponibles mediciones anteriores o porque se cree que ya no
sean apropiadas. Se aplica el procedimiento formal de la Tabla A’ a los dados en la fibra 1, utilizando los valores
numéricos presentados en la Tabla X.
En este caso:
σ * = s = 0,139 60 = 0,373 6
y:
σ * / 10 = 0,118 1, v = 10 − 1 = 9
Tomando un ensayo bilateral con α = 0,05 con base en la Tabla IIA del ensayo B, se encuentra que t0,975 (9) = 2,262 de
(
manera que t0,975 σ ∗ )
10 = 0,267 .
Comparando la media muestral, x = 2,176 con el valor afirmado por el fabricante 2,40, se tiene que:
x − mo = 0,224 < 0,267
De lo cual se concluye que los resultados de la muestra no son inconsistentes con la afirmación del fabricante. Se debe
notar que la estimación muestra de σ, es decir σ* = s = 0,373 6, es superior a la asumida en la ilustración de la Tabla A
(σ = 0,331 5) y, como resultado, ahora no podemos estar seguros de que la media poblacional haya caído por debajo
del valor de 2,40.
Si se prefiere utilizar la Tabla IIB, del Anexo B, dando valores de la relación t1-α/2 (v) n n para v = n – 1 = 9, se tiene
que comparar x − mo con
[t 0 ,97 (9 ) ]
10 ∗ = 0,715 × 0,373 6 = 0,267
La cifra crítica obtenida utilizando la Tabla IIA.
40
Tabla B. Estimación del intervalo de una media (varianza desconocida)
En este caso no se verifica si la media poblacional tiene un valor especificado mo, sino que se buscan los límites dentro
de los cuales se encuentra la media real desconocida, m. Por esta razón se asocia una probabilidad 1 - α con la
afirmación de que los límites incluyen la m.
El procedimiento formal de la Tabla B puede aplicarse a los datos de la fibra 1. Se supone que se justifica el empleo de
la desviación estándar poblacional, derivada de las medidas anteriores, es decir σ = 0,331 5. Para un intervalo de
confianza bilateral asociado con una probabilidad 1 - α = 0,95 se tiene que:
x = 2,176
y: (u
0 ,975 )
10 σ = 0,620 × 0,331 5 = 0,205 5
A partir de la Tabla I del Anexo B. Se concluye que el intervalo de confianza del 95 % para m es:
2,176 − 0,205 < m < 2,176 + 0,205 5
1,970 < m < 2,382
Tabla B’. Estimación del intervalo de una media (varianza desconocida)
El problema es el mismo con excepción de que la estimación de σ* = s se sustituye por σ y los límites de probabilidad
de t o (t/√n) se utilizan en lugar de los correspondientes a u/√n.
Aplicando el procedimiento de la Tabla B’ para derivar los límites de confianza bilaterales de m, con 1 - α = 0,95,
utilizando la misma muestra de la fibra 1, se tiene que n = 10, v = 9, x = 2,176, s = 0,373 6, t0,975 (s/√10) = 0,267 como
en la ilustración de la Tabla A’, de manera que el intervalo de confianza de 95 % derivado a partir de la muestra se
encuentra mediante la afirmación de que:
2,176 − 0,267 < m < 2,176 + 0,267
1,909 < m < 2,443
Si se desean obtener los límites, necesariamente mayores, a los cuales se puede asignar una confianza mayor, se
puede tomar 1 - α = 0,99.
Entonces, la Tabla IIA del Anexo B establece que T0,995 (9) = 3,250 o, en forma alternativa, la Tabla IIB del Anexo B da
t 0 ,995 (9 ) 10 = 1,028 .
Como consecuencia, por cualquier medio se encuentra que:
t0,995 s ( )(
10 = t 0 ,995 )
10 s = 0,384
El intervalo de confianza de 99 % se encuentra ahora mediante la afirmación de que:
2,176 – 0,384 = 1,792 < m < 2,560 = 2,176 + 0,384
Este intervalo es más amplio que el derivado empleando el esquema de la Tabla B, con el cual se suponía que la
varianza era conocida. Este es el costo que se tiene que pagar por tener que estimar la varianza a partir de una
muestra pequeña. Por otro lado, es más seguro utilizar una estimación derivada de la muestra en caso de que exista
alguna duda de que la varianza basada en la experiencia anterior sea todavía válida.
41
Tabla C. Comparación de dos medias (varianzas conocidas)
Esto se ilustra, comparando las medias de las muestras de las fibras 1 y 2 presentadas en la Tabla X. Se supone que
las varianzas poblacionales se han establecido en forma satisfactoria a partir de las mediciones anteriores como:
σ1 = 0,109 89, σ1 = 0,331 5

2
σ2 = 0,096 85, σ2 = 0,311 2

2
La presentación formal de los datos numéricos sería la que se presenta a continuación:
Características técnicas de la población: 2 conjuntos de fibras recibidas con fecha 1969-08-03, por parte del proveedor
H y en 1969-08-05 por parte del proveedor F, compuestas por 10 000 y 12 000 bobinas respectivamente, escapadas en
cajas de 100 bobinas.
Características técnicas de las muestras: se tomaron al azar 10 y 12 cajas, respectivamente, de cada conjunto y se
tomó en forma aleatoria una bobina de cada una de las cajas. Se cortaron especímenes de 50 cm de longitud a 5 m de
distancia del extremo libre de las bobinas de la muestra. El ensayo real se lleva a cabo sobre los 25 cm centrales de
estos especímenes midiendo, su carga de rotura en Newtons.
Observaciones descartadas: ninguna.

Primera Segunda 21,761
muestra muestra x1 = = 2,176
10
Tamaño de la muestra 30,241
x2 = = 2,520
n= 10 12 12
Σx = 21,761 30,241 0,109 89 0,096 85
Valor conocido de la varianza : σd = + = 0,138 1
10 12
σ=
2
0,109 89 0,096 85 (U 0,975 σ d )= 1,96 × 0,138100,271
Nivel de significancia escogido:
α = 0,05
Resultados
Caso bilateral:
2,176 − 2,520 = 0,344 > 0,271
La hipótesis nula de que las medias poblacionales son iguales se rechaza al nivel del 5 %. El segundo tipo de fibras
tiene la carga de rotura mayor.
Si no se está en disposición de asumir un riesgo tan grande como 0,05, o 1 en 20, de encontrarse equivocado en la
conclusión, se puede tomar α = 0,01. En estas condiciones se tiene que:
U0,995 σ = 2,576 x 0,137 1 = 0,356
De aquí que para el caso bilateral

2,176 − 2,520 = 0,344 < 0,356
y no debe haber posibilidad de rechazar la hipótesis nula al nivel de 1 %.
42
Tabla C’. Comparación de dos medias (varianzas desconocidas pero las cuales
se pueden asumir que son iguales)
El problema se diferencia del anterior puesto que, como sucede comúnmente, no se considera justificable aceptar los
valores de σ1 y σ2 basados en las mediciones previas. Por esta razón es necesario obtener una estimación de la
2 2
varianza a partir de los datos de la muestra. El ensayo es estrictamente válido sólo si las dos varianzas
poblacionales desconocidas son iguales, sin embargo, si se utiliza la estimación de σd* indicada en la Tabla C’, se
encuentra un error muy pequeño, particularmente si los tamaños de las muestras n1 y n2 son aproximadamente
iguales.
Se emplean las mismas muestras de las fibras de la Tabla X, por lo cual no es necesario presentarla nuevamente.
En este caso se tiene:
x1 = 2,176 x2 = 2,520
sumatoria de los cuadrados de las diferencias con respecto a la media:
Grados de libertad
Primera muestra 1,256 365 10 – 1 = 9
Segunda muestra 1,389 769 12 – 1 = 11
Total 2,646 134 22 – 2 = 20
Se estima la desviación estándar de la diferencia entre x1 y x2
22 2,646 134
σd ∗= × = 0,155 7
10 × 12 20
Utilizando un ensayo bilateral con α = 0,05, se tiene que:
t0,975 (20) σd* = 2,086 x 0,155 7 = 0,325
x1 − x 2 = 2,176 − 2,520 = 0,344 < 0,325
La hipótesis de las medias poblacionales iguales: m1 = m2 se rechaza al nivel del 5 %. No se rechaza al 1 %.
43
Tabla D. Estimación de la diferencia de dos medias (varianzas conocidas)
En este caso no se trata de verificar si las dos poblaciones tienen valores comunes de sus medias, sino que se utilizan
las dos muestras para estimar la diferencia entre sus dos medias m1 y m2. Se obtienen los límites de confianza para
esta diferencia m1 - m2, asociados con una probabilidad 1 - α.
Los mismos datos se emplean nuevamente y se supone que las varianzas σ1 = 0,109 89 y σ1 = 0,096 85 se conocen
2 2
con base en mediciones previas. La desviación estándar de la diferencia en las medias de la muestra x1 y x2, son
nuevamente, como lo fueron en la Tabla C de σd = 0,1381:
U0,975 σd = 1,96 x 0,138 1 = 0,271
x1 − x 2 = − 0,344
De lo anterior se desprende que el intervalo de confianza bilateral de 95 % para m1 - m2 es:
- 0,344 – 0,271 < m1 – m2 < - 0,344 - 0,271
0,073 < m2 - m1 < 0,615
Tabla D’. Estimación de la diferencia de dos medias (varianzas desconocidas,

las cuales se puede asumir que son iguales)
Se requiere estimar un intervalo de confianza para la diferencia entre las cargas medias de rotura de los dos tipos de
fibra. En este caso no hay valores aceptables de σ1 y σ2 basados en mediaciones anteriores, pero si se asume que la
2 2
varianzas desconocidas son iguales, o aproximadamente iguales, se emplea el valor común obtenido de los datos,
como se derivó anteriormente, a saber:
σd* = 0,155 7
Se procede a encontrar el intervalo de confianza bilateral para m1 – m2. El procedimiento es similar al de la Tabla D con
la excepción de que σd*, se substituye por σd y t0,975 (v) por U0,975, obteniendo:
t0,975 (20) σd* = 2,086 x 0,155 7 = 0,325
Lo cual conduce a la siguiente desigualdad:
- 0,344 – 0,325 < m1 – m2 < - 0,344 – 0,325
0,019 < m2 – m1 < 0,669
asociada con una probabilidad de 1 - α = 0,95. Nótese que en este caso en donde la varianza no tiene que ser
estimada, el intervalo basado en la distribución t es algo más amplio, que el encontrado en el ejemplo de la ilustración
de la Tabla D.
44
Tabla E. Comparación de una varianza con un valor dado
Los ejemplos anteriores han enfocado las relaciones entre la muestra y los valores medios poblacionales. En éste
y en los siguientes tres ejemplos, es la relación entre la muestra y las varianzas poblacionales o desviaciones
estándar lo que constituye el principal interés. Se toman las 10 observaciones de la carga de rotura de la fibra 1
de la Tabla X y se investiga si son consistentes con la hipótesis de que la varianza poblacional no excede un valor
especificado de σ0 = 0,090 0
2
Este es el caso unilateral a) de la Tabla E. Utilizando los resultados presentados en la Tabla X, se tiene que:
∑ (x − x )
2
1,256 365
= = 13,96
σ02 0,090 0
2
La Tabla III del Anexo B muestra que para un valor de v = 9 de los grados de libertad, el punto superior 5 % de x es
16,92, de manera que la varianza muestral observada no es inconsistente con la hipótesis nula (σ ≤ 0,090 0). Si bien la
2
2
varianza muestral, S1 = 0,139 6 es bastante mayor que el valor especificado de 0,090 0, tal diferencia puede
presentarse como una casualidad en una muestra de solo 10 observaciones.
Tabla F. Estimación de una varianza
Los datos de la muestra de la fibra 1 también se pueden emplear para determinar los límites superior e inferior de
confianza de la σ desconocida. Si se toma 1 - α = 0,95, la Tabla III del Anexo B presenta, para el caso de v = 9 grados
2
de libertad.
λ0,025 (9) = 2,700

2
λ0,975 (9) = 19,02

2
(
∑ x−x )2 = 1,256 3 = 0,465 3
λ0,025 2 2,700
(
∑ x−x )2 = 1,256 3 = 0,066 1
λ0 ,975 2 19,02
Se puede asociar una probabilidad de 0,95 o de 19 sobre 20, con las desigualdades
0,066 1 < σ < 0,465 3, ó 0,257 1 < σ < 0,682

2
En caso que se desee obtener los límites, necesariamente mayores, para los cuales fuera superior la probabilidad de
incluir la varianza desconocida, por ejemplo 0,99 en lugar de 0,95, los valores de λ0,05 (9) y λ0,99 (9) se podrían obtener
2 2
de la Tabla III del Anexo B. Los limites de confianza en ese caso corresponderían a:
0,053 26 < σ < 0,724, ó 0,231 < σ < 0,851

2 2
45
Tabla G. Comparación de dos varianzas
Es necesario determinar si los resultados de las muestras de las fibras 1 y 2 presentadas en la Tabla X, son
consistentes con la hipótesis de que las dos poblaciones tienen una varianza de carga de rotura común, aunque no
especificada, σ1 = σ2 .
2 2
De la Tabla X se concluye que:
v1 = 10 – 1 = 9, v2 = 12 – 1 = 11
2 2
s1 = 0,139 60, s2 = 0,126 34
De donde se sigue que:

2 2
F = s1 /s2 = 1,10
De la Tabla IV del Anexo B se obtiene mediante una interpolación aproximada que.
F1 - α/2 (v1, v2) = F0,975 (9,11) = 3,6
Fα/2 (v1,v2) = 1/F0,975 (11,9) = 1/4,0 = 0,25
La relación observada de 1,10 se encuentra dentro de estos límites de manera que no existe razón para dudar de la
hipótesis de que σ1 = σ2 .
2 2
Tabla H. Estimación de la razón de dos varianzas
Considerando las dos muestras de las cargas de rotura en la fibra (datos en la Tabla X), se requiere establecer los
límites de la razón de las varianzas poblacionales, σ1 /σ2 .
2 2
Además de los valores aproximados ya establecidos mediante interpolación en la Tabla IV del Anexo B en el ejemplo
precedente:
F0,975 (9,11) = 3,6
F0,025 (9,11) = 0,25
Se puede obtener en forma similar que:
F0,995 (9,11) = 5,6
F0,005 (9,11) =
1 1
= = 0,16
F0,995 (11,9 ) 6,4
2 2
Por esta razón, la regla de la Tabla H suministra los siguientes intervalos de confianza, ya que s 1/s 2 = 1,10:
Nivel de confianza Límites de la relación de las varianzas poblacionales
0,95
1
× 1,10 0,31 < σ 12 / σ 2 2 < 4,4 = 4 × 1,10
3,6 0,56 < σ 1 / σ 2 < 2,1
0,99
1
× 1,10 0,20 < σ 12 / σ 2 2 < 7,0 = 6,4 × 1,10
5,6
0,45 < σ1 / σ 2 < 2,6
Nuevamente se puede notar que en el caso de muestras tan pequeñas como las de los tamaños de 10 y 12, los límites
asociados con el nivel de confianza de 0,95 o de 19 sobre 20 son muy amplios. Si de todos modos se requiere una
mayor garantía (99 sobre 100) de que los límites incluyen la relación desconocida verdadera, los límites de la razón de
varianzas deben ser tan grandes, que van a carecer de valor práctico, aunque expresados como una razón de
desviaciones estándar no aparenten serlo. En otras palabras, se necesitan muestras tan grades para poder estimar la
relación de varianzas, o incluso el valor de una sola varianza con un cierto grado de exactitud.
46
Anexo A
Comparación de observaciones apareadas mediante el empleo del ensayo de t Student
En relación con el procedimiento ilustrado en los encabezamientos de las Tablas C’ y D’, es

importante anotar que se ha de emplear un procedimiento diferente en el caso en el que los dos
conjuntos de valores, x1 y y1, no sean independientes sino apareados. Este es el caso, por ejemplo,
que se presenta cuando de una población se toma una muestra de n elementos y se realizan dos
observaciones de la misma característica sobre cada elemento de la muestra, i, una observación xi y
una observación yi (i = 1, 2,...,n). Usualmente la última observación se realiza después de que se
lleva a cabo algún tipo de tratamiento. La determinación de algunas diferencia entre las medias de las
dos variables está relacionada con el efecto del tratamiento (o la diferencia entre tratamientos) de la
características estudiada.
Los datos de la tabla que se presenta a continuación se tomaron durante una investigación destinada
a determinar si la velocidad promedio de desgaste de un eje, causada por diferentes metales
empleados en las chumaceras en un motor de combustión interna, diferían según el tipo de metal.
(Datos tomados de W.E. Duckmorth, Statistical Techniques in Technological Research, publicado

por Methuen and Co).
Desgaste del eje (en 0,0001 pulgadas) después

de un tipo determinado de trabajo
Observación Desgaste con

i) Metal blanco (xi) Cobre plomo (yi) di = yi – xi
1 1,5 3,5 2,0
2 1,3 2,0 0,7
3 4,5 4,7 0,2
4 2,5 2,8 0,3
5 4,5 6,5 2,0
6 1,7 2,2 0,5
7 1,8 2,5 0,7
8 3,3 5,8 2,5
9 2,3 4,2 1,9
Totales 23,4 34,2 10,8
Si estos datos se manejan como si fueran dos muestras completamente independientes de n = 9

observaciones, de acuerdo con el procedimiento indicado en la Tabla C´, se encuentra que:
( )2
x = 2,60, ∑ x − x = 12,16
( )2
y = 3,80, ∑ y − y = 20,84
También se encuentra que:
12,16 + 20,84 2
t = 1,2 × = 1,77
16 9
Con v = 16 grados de libertad, la Tabla IIA del Anexo B ofrece los valores de α/2 = 0,025, t1-α/2 =
2,12, de modo que la diferencia en las medias no es significativa al nivel del 5 % (ensayo bilateral).
47
Sin embargo, como se evidencia a partir de una comparación de los valores correspondientes de xi
y yi en la tabla, las observaciones se encuentran correlacionadas por parejas. Para eliminar los
posibles efectos originados por las diferencias en las velocidades de desgaste de los diferentes ejes,
el experimento se diseñó de manera que en cada motor se probaron los dos tipos de chumaceras en
forma conjunta sobre el mismo eje. Esto significa que se forman nueve parejas (xi, yi), cada una
derivada de los datos obtenidos de metales sometidos a condiciones prácticamente iguales.
Se puede asumir que la contribución común a x1 y y1 debido al ensayo conjunto de los dos
metales en el mismo, i-ésimo, eje se puede representar mediante el término Zi de manera que:
xi = zi + vi, yi = zi + wi
Donde vi y wi son variables aleatorias independientes distribuidas normalmente, es decir:
di = yi – xi = xi – vi
estará normalmente distribuida. La hipótesis sometida a ensayo es la de que la media del

desgaste del eje es independiente del metal seleccionado, es decir, si las diferencias di varían
sólo por causas aleatorias alrededor de una media de cero. Para examinar esta hipótesis se
aplica el ensayo t a la muestra determinada como se indica en la Tabla A’. Los nueve valores de
d1 se muestran en la última columna de la tabla presentada anteriormente, de la cual se
encuentra que:
d = 10,8 / 9 = 1,2
∑ (d − d )
i
2
= 6,26
sd = 6,26 / 8 = 0,884 6
De aquí que:
t=
(d − 0) 9
= 1,2 × 3 / 0,884 6 = 4,07
sd
De la Tabla IIA, con v = 9 – 1 = 8 grados de libertad se ve que t1 - α/2 = 3,35 para α/2 = 0,005, de
manera que la diferencia entre las velocidades medias de desgaste de los dos metales se
muestra ahora como muy significativa, la velocidad de desgaste para el caso del cobre plomo es
claramente mayor.
De la misma manera, se puede obtener un intervalo de confianza más reducido para la diferencia
media entre las velocidades de desgaste mediante el empleo de las diferencias apareadas y los
procedimientos de la Tabla B’, en lugar de las de la Tabla D’.
Nótese que si las relaciones adicionales xi = zi + vi, yi = zi + wi son correctas o aproximadamente

correctas, no hay necesidad de que los “efectos del eje” zi, sean normalmente distribuidos, ya
que z desaparece al considerar las diferencias. Por supuesto, en el caso de la comparación de
las dos fibras, este apareamiento no sería posible. Supóngase, sin embargo, que se hubiera
deseado comparar el efecto de dos tratamientos sobre la misma fibra, las cargas de rotura se
podrían haber determinado dando los dos tratamientos en pares a longitudes cortas de fibras
cortadas muy cercanas. De esta manera el efecto de posibles variaciones a largo plazo en la
resistencia de toda la longitud de la fibra (representado por el término zi) podría eliminarse en
gran medida y el ensayo sería más sensible a diferencias reales de tratamiento.
48
Anexo B
Tabla I. Valores de la relación U1-α/√n.
Tabla IIA. Fractiles de la distribución de Student.
Tabla IIB. Valores de la relación t1-α (v)/√n para v = n – 1.
Tabla III. Fractiles de la distribución chí-cuadrado.
Tabla IV. Puntos porcentuales superiores de F.
Tabla V. Valores esperados de los datos estadísticos normales de orden, ξ (i/n).
DOCUMENTO DE REFERENCIA
INTERNATIONAL STANDARD ORGANIZATION. Statistical Interpretation of Data – Techniques

of Estimation and Test Relating to Means and Variances. Geneve, Switzerland, 1976, 46 p.
(ISO 2854).
49
Tabla I. Valores de la relación
Caso bilateral Caso unilateral

n U 0,975 U 0,995 U 0,95 U 0,99
n n n n
1 1,960 2,576 1,645 2,326
2 1,386 1,821 1,163 1,645
3 1,132 1,487 0,950 1,343
4 0,980 1,288 0,822 1,163
5 0,877 1,152 0,736 1,040
6 0,800 1,052 0,672 0,950
7 0,741 0,974 0,622 0,879
8 0,693 0,911 0,582 0,822
9 0,653 0,859 0,548 0,775
10 0,620 0,815 0,520 0,735
11 0,591 0,777 0,496 0,701
12 0,566 0,744 0,475 0,671
13 0,544 0,714 0,456 0,645
14 0,524 0,688 0,440 0,622
15 0,506 0,665 0,425 0,601
16 0,490 0,644 0,411 0,582
17 0,475 0,625 0,399 0,564
18 0,462 0,607 0,388 0,548
19 0,450 0,591 0,377 0,534
20 0,438 0,576 0,368 0,520
21 0,428 0,562 0,359 0,508
22 0,418 0,549 0,351 0,496
23 0,409 0,537 0,343 0,485
24 0,400 0,526 0,336 0,475
25 0,392 0,515 0,329 0,465
26 0,384 0,505 0,323 0,456
27 0,377 0,496 0,317 0,448
28 0,370 0,487 0,311 0,440
29 0,364 0,478 0,305 0,432
30 0,358 0,470 0,300 0,425
31 0,352 0,463 0,295 0,418
41 0,306 0,402 0,257 0,363
51 0,274 0,361 0,230 0,326
61 0,251 0,330 0,211 0,298
71 0,233 0,306 0,195 0,276
81 0,218 0,286 0,183 0,258
91 0,205 0,270 0,172 0,244
101 0,195 0,256 0,164 0,231
201 0,138 0,182 0,116 0,164
501 0,088 0,115 0,073 0,104
∞ 0 0 0 0
50
Tabla IIA. Fractiles de la distribución de Student

v
t0,975 t0,995 t0,95 t0,99
1 12,706 63,657 6,314 31,821
2 4,303 9,925 2,920 6,965
3 3,182 5,841 2,353 4,541
4 2,776 4,604 2,132 3,747
5 2,571 4,032 2,015 3,365
6 2,447 3,707 1,943 3,143
7 2,365 3,499 1,895 2,998
8 2,306 3,355 1,860 2,896
9 2,262 3,250 1,833 2,821
10 2,288 3,169 1,812 2,764
11 2,201 3,106 1,796 2,718
12 2,179 3,055 1,782 2,681
13 2,160 3,012 1,771 2,650
14 2,145 2,977 1,761 2,624
15 2,131 2,947 1,753 2,602
16 2,120 2,921 1,746 2,583
17 2,110 2,898 1,740 2,567
18 2,101 2,878 1,734 2,552
19 2,093 2,861 1,729 2,539
20 2,086 2,845 1,725 2,528
21 2,080 2,831 1,721 2,518
22 2,074 2,819 1,717 2,508
23 2,069 2,807 1,714 2,500
24 2,064 2,797 1,711 2,492
25 2,060 2,787 1,708 2,485
26 2,056 2,779 1,706 2,479
27 2,052 2,771 1,703 2,473
28 2,048 2,763 1,701 2,467
29 2,045 2,756 1,699 2,462
30 2,042 2,750 1,697 2,457
40 2,021 2,704 1,684 2,423
60 2,000 2,660 1,671 2,390
120 1,980 2,617 1,658 2,358
∞ 1,960 2,576 1,645 2,326
Nota. Para interpolación cuando V 30, se toma z = 120/v como argumento.
EJEMPLO.
v = 40 z = 120/v = 3 t0,975 = 2,021
v = 60 z = 120/v = 2 t0,975 = 2,000
3 − 2,4
v = 50 z = 120/v = 2,4 t0,975 = 2,021 - (2,021 − 2 )
3−2
t0,975 = 2,008
51
Tabla IIB. Valores de la relación
t1-α (v)/√n para v = n - 1

v=n-1 t 0 ,975 t0,995 t0,95 t0,99
n n n n
1 8,985 45,013 4,465 22,501
2 2,434 5,730 1,686 4,021
3 1,591 2,920 1,177 2,270
4 1,242 2,059 0,953 1,676
5 1,049 1,646 0,823 1,374
6 0,925 1,401 0,734 1,188
7 0,836 1,237 0,670 1,060
8 0,769 1,118 0,620 0,966
9 0,715 1,028 0,580 0,892
10 0,672 0,956 0,546 0,833
11 0,635 0,897 0,518 0,785
12 0,604 0,847 0,494 0,744
13 0,577 0,805 0,473 0,708
14 0,554 0,769 0,455 0,678
15 0,533 0,737 0,438 0,651
16 0,514 0,708 0,423 0,626
17 0,497 0,683 0,410 0,605
18 0,482 0,660 0,398 0,586
19 0,468 0,640 0,387 0,568
20 0,455 0,621 0,376 0,552
21 0,443 0,604 0,367 0,537
22 0,432 0,588 0,358 0,523
23 0,422 0,573 0,350 0,510
24 0,413 0,559 0,342 0,498
25 0,404 0,547 0,335 0,487
26 0,396 0,535 0,328 0,477
27 0,388 0,524 0,322 0,467
28 0,380 0,513 0,316 0,458
29 0,373 0,503 0,310 0,449
30 0,367 0,494 0,305 0,441
40 0,316 0,422 0,263 0,378
50 0,281 0,375 0,235 0,337
60 0,256 0,341 0,214 0,306
70 0,237 0,314 0,198 0,283
80 0,221 0,293 0,185 0,264
90 0,208 0,276 0,174 0,248
100 0,197 0,261 0,165 0,235
200 0,139 0,183 0,117 0,165
500 0,088 0,116 0,074 0,104
∞ 0 0 0 0
52
Tabla III. Fractiles de la distribución chí-cuadrado
V Caso bilateral Caso unilateral

2 2 2 2 2 2 2 2
x 0,025 x 0,975 x 0,005 x 0,995 x 0,05 x 0,95 x 0,01 x 0,99
1 0,001 5,023 0,000 039 3 7,879 0,004 3,841 0,000 2 6,635

2 0,051 7,378 0,010 10,597 0,103 5,991 0,020 9,210
3 0,216 9,348 0,072 12,838 0,352 7,815 0,115 11,345
4 0,484 11,143 0,207 14,860 0,711 9,488 0,297 13,277
5 0,831 12,833 0,412 16,750 1,145 11,071 0,554 15,086
6 1,237 14,449 0,676 18,548 1,635 12,592 0,872 16,812
7 1,690 16,013 0,989 20,278 2,167 14,067 0,239 18,475
8 2,180 17,535 1,344 21,955 2,733 15,507 1,646 20,090
9 2,700 19,023 1,735 23,589 3,325 16,919 2,088 21,666
10 3,247 20,483 2,156 25,188 3,940 18,307 2,558 23,209
11 3,816 21,920 2,603 26,757 4,575 19,675 3,053 24,725
12 4,404 23,337 3,074 28,300 5,226 21,026 3,571 26,217
13 5,009 24,736 3,565 29,819 5,892 22,362 4,107 27,688
14 5,629 26,119 4,075 31,319 6,571 23,685 4,660 29,141
15 6,262 27,488 4,601 32,801 7,261 24,996 5,229 30,578
16 6,908 28,845 5,142 34,267 7,962 26,296 5,812 32,000
17 7,564 30,191 5,697 35,719 8,672 27,587 6,408 33,409
18 8,231 31,526 6,265 37,156 9,390 28,869 7,015 34,805
19 8,907 32,852 6,844 38,582 10,117 30,144 7,633 36,191
20 9,591 34,170 7,434 39,997 10,851 31,410 8,260 37,566
21 10,283 35,479 8,034 41,401 11,591 32,671 8,897 38,932
22 10,982 36,781 8,643 42,796 12,338 33,924 9,542 40,289
23 11,689 38,076 9,260 44,181 13,091 35,173 10,196 41,638
24 12,401 39,364 9,886 45,559 13,848 36,415 10,856 42,980
25 13,120 40,647 10,520 46,928 14,611 37,653 11,524 44,314
26 13,844 41,923 11,160 48,290 15,379 38,885 12,198 45,642
27 14,573 43,194 11,808 49,645 16,151 40,113 12,879 46,963
28 15,308 44,461 12,461 50,993 16,928 41,337 13,565 48,278
29 16,047 45,722 13,121 52,336 17,708 42,557 14,257 49,588
30 16,791 46,979 13,787 53,672 18,493 43,773 14,954 50,892
53
Tabla IV. Puntos porcentuales superiores de F
Valores de F1-α (v1- v2), α = 0,05
V1
4 5 6 7 8 10 12 15 20 24 30 40 60 120
V2
4 6,39 6,26 6,16 6,09 6,04 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66
5 5,19 5,05 4,95 4,88 4,82 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40
6 4,53 4,39 4,28 4,21 4,15 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70
7 4,12 3,97 3,87 3,79 3,73 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27
8 3,84 3,69 3,58 3,50 3,44 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97
10 3,48 3,33 3,22 3,14 3,07 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58
12 3,26 3,11 3,00 2,91 2,85 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34
15 3,06 2,90 2,79 2,71 2,64 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,46 2,11
20 2,87 2,71 2,60 2,51 2,45 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90
24 2,78 2,62 2,51 2,42 2,36 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79
30 2,69 2,53 2,42 2,33 2,27 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68
40 2,61 2,45 2,34 2,25 2,18 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58
60 2,53 2,37 2,25 2,17 2,10 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47
120 2,45 2,29 2,17 2,09 2,02 1,91 1,83 175 1,66 161 1,55 1,50 1,43 1,35
V1
4 5 6 7 8 10 12 15 20 24 30 40 60 120
V2
4 9,60 9,36 9,20 9,07 8,98 8,84 8,75 8,66 8,56 8,51 8,46 8,41 8,36 8,31
5 7,39 7,15 6,98 6,85 6,76 6,62 6,52 6,43 6,33 6,28 6,23 6,18 6,12 6,07
6 6,23 5,99 5,82 5,70 5,60 5,46 5,37 5,27 5,17 5,12 5,07 5,01 4,96 4,90
7 5,52 5,29 5,12 4,99 4,90 4,76 4,67 4,57 4,47 4,42 4,36 4,31 4,25 4,20
8 5,05 4,82 4,65 4,53 4,43 4,30 4,20 4,10 4,00 3,95 3,89 3,84 3,78 3,73
10 4,47 4,24 4,07 3,95 3,85 3,72 3,62 3,52 3,42 3,37 3,31 3,26 3,20 3,14
12 4,12 3,89 3,73 3,61 3,51 3,37 3,28 3,18 3,07 3,02 2,96 2,91 2,85 2,79
15 3,80 3,58 3,41 3,29 3,20 3,06 2,96 2,86 2,76 2,70 2,64 2,59 2,52 2,46
20 3,51 3,29 3,13 3,01 2,91 2,77 2,68 2,57 2,46 2,41 2,35 2,29 2,22 2,16
24 3,38 3,15 2,99 2,87 2,78 2,64 2,54 2,44 2,33 2,27 2,21 2,15 2,08 2,01
30 3,25 3,03 2,87 2,75 2,65 2,51 2,41 2,31 2,20 2,14 2,07 2,01 1,94 1,87
40 3,13 2,90 2,74 2,62 2,53 2,39 2,29 2,18 2,07 2,01 1,94 1,88 1,80 1,72
60 3,01 2,79 2,63 2,51 2,41 2,27 2,17 2,06 1,94 1,88 1,82 1,74 1,67 1,58
120 2,89 2,67 2,57 2,39 2,30 2,16 2,05 1,94 1,82 1,76 1,69 1,61 1,53 1,43
V1
4 5 6 7 8 10 12 15 20 24 30 40 60 120
V2
4 15,98 15,52 15,21 14,98 15,80 14,55 14,37 14,20 14,02 13,93 13,84 13,75 13,65 13,56
5 11,39 10,97 10,67 10,46 10,29 10,05 9,89 9,72 9,55 9,47 9,38 9,29 9,20 9,11
6 9,15 8,75 8,47 8,26 8,10 7,87 7,72 7,56 7,40 7,31 7,23 7,14 7,06 6,97
7 7,85 7,46 7,19 6,99 6,84 6,62 6,47 6,31 6,16 6,07 5,99 5,91 5,82 5,74
8 7,01 6,63 6,37 6,18 6,03 5,81 5,67 5,52 5,36 5,28 5,20 5,12 5,03 4,95
10 5,99 5,64 5,39 5,20 5,06 4,85 4,71 4,56 4,41 4,33 4,25 4,17 4,08 4,00
12 5,41 5,06 4,82 4,64 4,50 4,30 4,16 4,01 3,86 3,78 3,70 3,62 3,54 3,45
15 4,89 4,56 4,32 4,14 4,00 3,80 3,67 3,52 3,37 3,29 3,21 3,13 3,05 2,96
20 4,43 4,10 3,87 3,70 3,56 3,37 3,23 3,09 2,94 2,86 2,78 2,69 2,61 2,52
24 4,22 3,90 3,67 3,50 3,36 3,17 3,03 2,89 2,74 2,66 2,58 2,49 2,40 2,31
30 4,02 3,70 3,47 3,30 3,17 2,98 2,84 2,70 2,55 2,47 2,39 2,30 2,21 2,11
40 3,83 3,51 3,29 3,12 2,99 2,80 2,66 2,52 2,37 2,29 2,20 2,11 2,02 1,92
60 3,65 3,34 3,12 2,95 2,82 2,63 2,50 2,35 2,20 2,12 2,03 1,94 1,84 1,73
120 3,48 3,17 2,96 2,79 2,66 2,47 2,34 2,19 2,03 1,95 1,86 1,76 1,66 1,53
Continúa...
54
V1
4 5 6 7 8 10 12 15 20 24 30 40 60 120
V2
4 23,15 22,46 21,97 21,62 21,35 20,97 20,70 20,44 20,17 20,03 19,89 19,75 19,61 19,47
5 15,56 14,94 14,51 14,20 13,96 13,62 13,38 13,15 12,90 12,78 12,66 12,53 12,40 12,27
6 12,03 11,46 11,07 10,79 10,57 10,25 10,03 9,81 9,59 9,47 9,36 9,24 9,12 9,00
7 10,05 9,52 9,16 8,89 8,68 8,38 8,18 7,97 7,75 7,65 7,53 7,42 7,31 7,19
8 8,81 8,30 7,95 7,69 7,50 7,21 7,01 6,81 6,61 6,50 6,40 6,29 6,18 6,06
10 7,34 6,87 6,54 6,30 6,12 5,85 5,66 5,47 5,27 5,17 5,07 4,97 4,86 4,75
12 6,52 6,07 5,76 5,52 5,35 5,09 4,91 4,72 4,53 4,43 4,33 4,23 4,12 4,01
15 5,80 5,37 5,07 4,85 4,67 4,42 4,25 4,07 3,88 3,79 3,69 3,58 3.48 3,37
20 5,17 4,76 4,47 4,26 4,09 3,85 3,68 3,50 3,32 3.22 3,12 3,02 2,92 2,81
24 4,89 4,49 4,20 3,99 3,83 3,59 3,42 3,25 3,06 2,97 2,87 2,77 2,66 2,55
30 4,62 4,23 3,95 3,74 3,58 3,34 3,18 3,01 2,82 2,73 2,63 2,52 2,42 2,30
40 4,37 3,99 3,71 3,51 3,35 3,12 2,95 2.78 2.60 2,50 2,40 2,30 2,18 2,06
60 4,14 3,76 3,49 3,29 3,13 2,90 2,74 2,57 2,39 2,29 2,19 2,08 1,96 1,83
120 3,92 3,55 3,28 3,09 2,93 2,71 2,54 2,37 2,19 2,09 1,98 1,87 1,75 1,61
Notas:
1) Para los puntos 100 ∝ % más bajos,
F∝ (v1, v2) = 1/F1 - ∝ (v2, v1)
2) Para interpolación
a) Entre v1, v2= 10 y 20 se toma z = 60/v como argumento
b) Para valores v1, v2, superiores a 20, tómese z’ = 120/v como argumento
55
Tabla V. Valores esperados de los datos estadísticos normales de orden, ξ (i/n)
n 1)
3 4 5 6 7 8 9 10 11 12 13 14
i
1 0,846 1,029 1,163 1,267 1,352 1,424 1,485 1,539 1,586 1,629 1,668 1,703
2 0,000 0,297 0,495 0,642 0,757 0,852 0,932 1,001 1,062 1,116 1,164 1,208
3 0,000 0,202 0,353 0,473 0,572 0,656 0,729 0,793 0,850 0,901
4 0,000 0,153 0,275 0,376 0,462 0,537 0,603 0,662
5 0,000 0,123 0,225 0,312 0,388 0,456
6 0,000 0,103 0,191 0,267
7 0,000 0,088
n
15 16 17 18 19 20 21 22 23 24 25 26
i
1 1,736 1,766 1,794 1,820 1,844 1,867 1,889 1,910 1,929 1,948 1,965 1,982
2 1,248 1,285 1,319 1,350 1,380 1,408 1,434 1,458 1,481 1,503 1,524 1,544
3 0,948 0,990 1,029 1,066 1,099 1,131 1,160 1,188 1,214 1,239 1,263 1,285
4 0,715 0,763 0,807 0,848 0,886 0,921 0,954 0,985 1,014 1,041 1,067 1,091
5 0,516 0,570 0,619 0,665 0,707 0,745 0,781 0,815 0,847 0,877 0,905 0,932
6 0,335 0,396 0,451 0,502 0,548 0,590 0,630 0,667 0,701 0,734 0,764 0,793
7 0,165 0,234 0,295 0,351 0,402 0,448 0,491 0,532 0,569 0,604 0,637 0,668
8 0,000 0,077 0,146 0,208 0,264 0,315 0,362 0,406 0,446 0,484 0,519 0,553
9 0,000 0,069 0,131 0,187 0,238 0,286 0,330 0,370 0,409 0,444
10 0,000 0,062 0,118 0,170 0,218 0,262 0,303 0,341
11 0,000 0,056 0,108 0,156 0,200 0,241
12 0,000 0,052 0,100 0,144
13 0,000 0,048
n
27 28 29 30 31 32 33 34 35 36 37 38
i
1 1,998 2,014 2,029 2,043 2,056 2,070 2,082 2,095 2,107 2,118 2,129 2,140
2 1,563 1,581 1,599 1,616 1,632 1,647 1,662 1,676 1,690 1,704 1,717 1,729
3 1,306 1,327 1,346 1,365 1,383 1,400 1,416 1,432 1,448 1,462 1,477 1,491
4 1,115 1,137 1,158 1,179 1,198 1,217 1,235 1,252 1,269 1,285 1,300 1,315
5 0,957 0,981 1,004 1,026 1,047 1,067 1,087 1,105 1,123 1,140 1,157 1,173
6 0,820 0,846 0,871 0,894 0,917 0,938 0,959 0,979 0,998 1,016 1,034 1,051
7 0,697 0,725 0,751 0,777 0,801 0,824 0,846 0,867 0,887 0,906 0,925 0,943
8 0,584 0,614 0,642 0,669 0,694 0,719 0,742 0,764 0,786 0,806 0,826 0,845
9 0,478 0,510 0,540 0,568 0,595 0,621 0,646 0,670 0,692 0,714 0,735 0,755
10 0,377 0,411 0,443 0,473 0,502 0,529 0,556 0,580 0,604 0,627 0,649 0,670
11 0,280 0,316 0,350 0,382 0,413 0,442 0,469 0,496 0,521 0,545 0,568 0,590
12 0,185 0,224 0,260 0,294 0,327 0,358 0,387 0,414 0,441 0,466 0,490 0,514
13 0,092 0,134 0,172 0,209 0,243 0,276 0,307 0,336 0,364 0,390 0,416 0,440
14 0,000 0,044 0,086 0,125 0,161 0,196 0,228 0,259 0,289 0,317 0,343 0,369
15 0,000 0,041 0,080 0,117 0,151 0,184 0,215 0,245 0,273 0,300
16 0,000 0,039 0,076 0,110 0,143 0,174 0,203 0,232
17 0,000 0,037 0,071 0,104 0,135 0,165
18 0,000 0,035 0,067 0,099
19 0,000 0,033
Continúa...
56
Tabla V. (Continuación)
n
39 40 471 42 43 44 45 46 47 48 49 50
i
1 2,151 2,161 2,171 2,180 2,190 2,199 2,208 2,216 2,225 2,233 2,241 2,249
2 1,741 1,753 1,765 1,776 1,787 1,797 1,807 1,817 1,827 1,837 1,846 1,855
3 1,504 1,517 1,530 1,542 1,554 1,565 1,577 1,588 1,598 1,609 1,619 1,629
4 1,330 1,344 1,357 1,370 1,383 1,396 1,408 1,420 1,431 1,442 1,453 1,464
5 1,188 1,203 1,218 1,232 1,246 1,259 1,272 1,284 1,296 1,308 1,320 1,331
6 1,067 1,083 1,099 1,114 1,128 1,142 1,156 1,169 1,182 1,194 1,207 1,218
7 0,960 0,977 0,993 1,009 1,024 1,039 1,054 1,068 1,081 1,094 1,107 1,119
8 0,863 0,881 0,898 0,915 0,931 0,946 0,961 0,976 0,990 1,004 1,017 1,030
9 0,774 0,793 0,811 0,828 0,845 0,861 0,877 0,892 0,907 0,921 0,935 0,949
10 0,690 0,710 0,729 0,747 0,764 0,781 0,798 0,814 0,829 0,844 0,859 0,873
11 0,611 0,632 0,651 0,671 0,689 0,707 0,724 0,740 0,757 0,772 0,787 0,802
12 0,536 0,557 0,578 0,598 0,617 0,636 0,654 0,671 0,688 0,704 0,720 0,735
13 0,463 0,486 0,507 0,528 0,548 0,568 0,586 0,604 0,622 0,639 0,655 0,671
14 0,393 0.417 0,439 0,461 0,482 0,502 0,522 0,540 0,559 0,576 0,593 0,610
15 0,325 0,350 0,373 0,396 0,418 0,439 0,459 0,479 0,498 0,516 0,534 0,551
16 0,258 0,284 0,309 0,333 0,355 0,377 0,398 0,419 0,438 0,457 0,476 0,494
17 0,193 0,220 0,246 0,270 0,294 0,317 0,339 0,360 0,381 0,400 0,419 0,438
18 0,128 0,156 0,183 0,209 0,234 0,258 0,281 0,303 0,324 0,345 0,364 0,384
19 0,064 0,094 0,122 0,149 0,175 0,200 0,224 0,247 0,269 0,290 0,310 0,330
20 0,000 0,031 0,061 0,089 0,116 0,142 0,167 0,191 0,214 0,236 0,257 0,278
21 0,000 0,030 0,058 0,085 0,111 0,136 0,160 0,183 0,205 0,227
22 0,000 0,028 0,055 0,081 0,106 0,130 0,153 0,176
23 0,000 0,027 0,053 0,078 0,102 0,125
24 0,000 0,026 0,051 0,075
25 0,000 0,025
Para n = 2, ξ (1/2) = 0,564
57

Ntc3540 Interpretacion Estadistica de Datos

Cargado por

Información del documento

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

Ntc3540 Interpretacion Estadistica de Datos

Cargado por

Copyright:

Formatos disponibles

NORMA TÉCNICA NTC

E: BASIC STANDARDS. STATISCAL INTERPRETATION OF

DESCRIPTORES: estadísticas; distribución estadística.

Editada por el Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC)

Prohibida su reproducción Editada 2002-09-16

El Instituto Colombiano de Normas Técnicas y Certificación, ICONTEC, es el organismo nacional

La representación de todos los sectores involucrados en el proceso de Normalización Técnica

La NTC 3540 fue ratificada por el Consejo Directivo de 1993-06-16.

En Consulta Pública el Proyecto se puso a consideración de las siguientes empresas:

ACERÍAS PAZ DEL RÍO S.A.

SECCIÓN UNO: PRESENTACIÓN DE CÁLCULOS

SECCIÓN DOS: NOTAS EXPLICATIVAS Y EJEMPLOS

- Ilustración numérica de los procedimientos.

A. Comparación de observaciones apareadas mediante el ensayo t de Student.

Esta norma concuerda completamente con su antecedente ISO 2854.

SECCIÓN UNO: PRESENTACIÓN DE LOS CÁLCULOS

1) En esta norma se establecen las técnicas necesarias para:

a) Estimar la media o la varianza de una población.

b) Examinar determinadas hipótesis relacionadas con el valor de esos

3) En cada población, se supone que la distribución de la variable observada es

4) Existe un cierto número de técnicas que permiten la verificación de la hipótesis

elaboración. Sin embargo, esta hipótesis puede admitirse sobre la base de

Si lo que realmente se desea es una estimación de la media o de la desviación

5) Además de establecer la unidad más pequeña de medida que tenga un

6) No se permite descartar ninguna observación o corregir algunas aparentemente

7) En la solución de los problemas relacionados con la estimación, el nivel de

8) En la solución de los problemas relacionados con la verificación de una

9) A menudo los cálculos se pueden reducir en forma notoria mediante el cambio

10) Los métodos presentados en las Tablas C y C’ están relacionados con la

A Comparación de una media con un valor dado (varianza conocida).

A’ Comparación de una media con un valor dado (varianza desconocida).

B Estimación de una media (varianza conocida).

B’ Estimación de una media (varianza desconocida).

C Comparación de dos medias (varianzas conocidas).

C’ Comparación de dos medias (varianzas desconocidas, pero que se asumen iguales).

D Estimación de la diferencia de dos medias (varianzas conocidas).

D’ Estimación de la diferencia de dos medias (varianzas desconocidas, pero que se asumen

E Comparación de una varianza o de una desviación estándar con un valor dado.

F Estimación de una varianza o de una desviación estándar.

G Comparación de dos varianzas o de dos desviaciones estándar.

H Estimación de la razón de dos varianzas o de dos desviaciones estándar.

Tabla A. Comparación de una media con un valor dado (varianza conocida)

Características técnicas de la población estudiada (5)

Valor conocido de la varianza poblacional.

Comparación de la media poblacional con el valor dado mo:

1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales")

2) U significa variable normal estandarizada: el valor uα se define como:

Ya que la distribución de U es simétrica con respecto a cero, Uα = - U1-α

Por la razón anterior se tiene que:

Densidad de probabilidad de U (distribución normal estandardizada)

f (u) f (u) f (u)

Caso bilateral Casos unilaterales

3) α n es la desviación estándar o de media x , en una muestra de n

4) Por conveniencia en la aplicación, los valores de u1−α n

Véase la Sección dos, "Notas explicativas y ejemplos".

Características técnicas de la población estudiada (5)

Comparación de la media poblacional con el valor dado mo:

1) El nivel de significancia α (véase el numeral 8 de las "Observaciones generales")

2) t(v) es la variable de Student con v = n - 1 grados de libertad: el valor de tα (v) se

Ya que la distribución de t (v) es simétrica con respecto a cero,

De donde se tiene que:

Densidad de probabilidad de t(v) de Student

f (t) f (t) f (t)

Caso bilateral Casos unilaterales