24.

Se midió la altura de un río en un punto geográfico dado (en m) durante 20 días al azar del
verano, obteniéndose los siguientes valores en cm:

69.5 71.9 72.6 73.1 73.3 73.5 75.5 75.7 75.8 76.1
79.7 79.5 80.1 82.6 83.7 92.7 78.0 77.9 78.1 79.6

a) ¿Qué condiciones se necesitan para que resulte válida la construcción de un intervalo de

confianza para la varianza poblacional?
b) Construir un IC (intervalo de confianza) de 99% para la desviación estándar de la distribución
de la altura de este río en verano.

Resolución

a) Si vemos la sección 2.9.2.4 de la guía de tablas y fórmulas veremos que para estimar un
intervalo de confianza para la varianza poblacional es necesario que las muestras sean variables
aleatorias independientes e idénticamente distribuidas (v.a.i.i.d), y que además esas muestras
se distribuyan siguiendo una distribución normal de media µ y varianza σ 2.

b) En la misma sección veremos que la expresión pivote para obtener el intervalo de confianza es
la siguiente:

(𝑛 − 1)𝑆
~𝜒
𝜎
( )
Esto nos indica que la variable aleatoria se distribuye siguiendo una distribución Chi-
cuadrado de n-1 grados de libertad. Y al pedirnos un grado de confianza del 99% para el
intervalo se nos está pidiendo que el IC respete la siguiente gráfica.

1-α = 0,99

α/2 α/2

𝜒 𝜒
Para encontrar el intervalo de confianza tenemos que partir de una probabilidad de 0,99 de
( )
encontrar la variable aleatoria dentro del intervalo. Esto es:

(𝑛 − 1)𝑆
1−𝛼 =𝑃 𝜒 ;
≤ ≤𝜒 ;
𝜎

Si reemplazamos por los datos que nos ofrece el enunciado, obtenemos:

19 𝑆
0,99 = 𝑃 𝜒 ; , ≤ ≤𝜒 ; ,
𝜎

Ahora despejamos σ2 para obtener el intervalo de confianza para la varianza.

1 𝜎 1
0,99 = 𝑃 ≤ ≤
𝜒 ; , 19 𝑆 𝜒 ; ,

19 𝑆 19 𝑆
0,99 = 𝑃 ≤𝜎 ≤
𝜒 ; , 𝜒 ; ,

Como en realidad nos pide un intervalo de confianza para el desvío estándar…

19 𝑆 19 𝑆
0,99 = 𝑃 ≤𝜎≤
𝜒 ; , 𝜒 ; ,

Por lo tanto podemos escribir el Intervalo de Confianza del 99% para el desvío estándar como:

19 𝑆 19 𝑆
𝐼𝐶 99% (𝜎) = ;
𝜒 ; , 𝜒 ; ,

De la muestra de datos podemos obtener el desvío estándar muestral S, obteniendo:

S = 5,1333

Si vamos a la tabla de distribución acumulada de la Chi-cuadrado podremos encontrar 𝜒 ; ,

y𝜒 ; ,
Para eso ubicamos primero la fila correspondiente a los grados de libertad, en este caso K=19, y
luego buscamos el valor de 𝜒 que acumula 0,005 y 0,995. De tal manera encontraremos los
valores:

𝜒 ; , = 6,844

𝜒 ; , = 38,582
Vale aclarar que esta tabla da los valores de distribución acumulada a izquierda.

Por lo tanto, el intervalo de confianza queda:

𝐼𝐶 99% (𝜎) = [3,602 ; 8,552 ]

25. Se quiere estimar la proporción de personas que han visto una cierta obra de teatro en cartel.
¿Qué tamaño de muestra se deberá tomar para asegurar un nivel de confianza del 99% y un margen de
error de 0,02? Para el tamaño de muestra obtenido, hallar el intervalo de confianza para la proporción
en cuestión, asumiendo que la proporción muestral es de 0,35. ¿Se logró el error objetivo?

Resolución

En la sección 2.9.2.5 de la guía de tablas y fórmulas, vemos que la proporción muestral, para un
muestreo de al menos 30 muestras, se distribuye como:

𝑝(1 − 𝑝)
𝑃→ 𝑁 𝑝,
𝑛

A partir de esta expresión se pueden hallar los límites para un IC (intervalo de confianza) para una
proporción muestral como:

𝑃 1−𝑃
𝑃± 𝑍
𝑛

Conociendo al término luego del ± como margen de error, el enunciado nos pide que ese margen de
error sea 0,02, por lo tanto:

𝑃 1−𝑃
0,02 = 𝑍
𝑛

El enunciado nos pide un IC del 99%, con este dato podemos hallar α, y el 𝑍 correspondiente.
1 − 𝛼 = 0,99

𝛼 = 0,01 ∴ = 0,005

El valor de Z que acumula a izquierda una probabilidad de 0,005 es -2,58. Debido a la característica
simétrica de la distribución normal estándar, el valor de Z que acumula a derecha una probabilidad de
0,005 es 2,58. Por lo tanto es este valor de 2,58 el que usaremos como Z α/2=2,58.

El único dato que nos falta para obtener la cantidad de muestras n para lograr un margen de error de
0,02 en un IC del 99% es el valor de 𝑃. En los casos en lo que no tenemos esta proporción muestral, la
opción más conservadora es tomar el caso más desfavorable. Esto quiere decir, el caso que menor
información ofrezca acerca de la proporción de la población.

El caso más desfavorable es tomar un 𝑃 = 0,5. Esto quiere decir que exista la misma probabilidad de que
la persona haya visto la obra y que no haya visto la obra.
Se puede pensar de la siguiente manera, imaginemos que un cliente nos pide hacer una encuesta de
opinión para saber si una población va a votar a un candidato. Si el resultado de nuestra encuesta nos
dice que la proporción de quienes van a votar al candidato es mayor que 0,5 nuestro cliente sabrá que
su campaña es exitosa. Si el resultado da que la proporción es menor que 0,5 nuestro cliente sabrá que
la campaña no va bien y que tiene que hacer algún cambio. Sin embargo, si la proporción da 0,5 la
encuesta no habrá aportado mucha información de la que nuestro cliente tenía antes de encargarnos la
encuesta.

Entonces, si despejamos n de la expresión del margen de error en función de Z α/2=2,58 y 𝑃 = 0,5

obtenemos:

n = 4160,25

Como la cantidad de muestras n debe ser un número entero, sabemos que n ≥ 4161.

En la 2da parte del ejercicio se nos propone asumir una 𝑃 = 0,35. Volviendo entonces a la expresión de
los límites del IC para una proporción muestral, obtenemos:

𝑃 1−𝑃 0,35 0,65

𝑃± 𝑍 = 0,35 ± 2,58
𝑛 4161

𝐼𝐶 99% (𝑝) = [0,3309 ; 0,369 ]

Si volvemos a calcular el margen de error para una 𝑃 = 0,35 obtenemos:

𝑃 1−𝑃
𝑚𝑎𝑟𝑔𝑒𝑛 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 = 𝑍 = 0,019
𝑛

Con lo cual se logra el objetivo de la 1ra parte del ejercicio donde se pedía que el margen de error no
supere el 2%.