Documentos de Académico
Documentos de Profesional
Documentos de Cultura
De una población con media “μ” y desviación típica “σ” se pueden tomar muestras de “n”
elementos. Cada una de estas muestras tiene a su vez una media. Se puede demostrar que la
media de todas las medias muestrales coincide con la media poblacional: μ X = μ. Pero
además, si el tamaño de las muestras es lo suficientemente grande, o la distribución
poblacional es normal, la distribución de medias muestrales es, prácticamente, una
distribución normal (o gaussiana) con media μ y una desviación típica dada por la siguiente
expresión σ X =
σ
√n
; esto se representa como X (
N μ;
σ
√n )
. Si estandarizamos, se
X−μ
sigue que: z = σ N(0; 1).
√n
En una distribución z N(0; 1) puede calcularse fácilmente un intervalo
dentro del cual caiga un determinado porcentaje de las observaciones, esto es sencillo
hallar z1 y z2 tales que P[ z 1 ≤ z ≤ z 2 ] = 1 – α donde (1 – α)100% es el porcentaje deseado.
En esta distribución normal de medias se puede calcular el intervalo de confianza
donde se encontrará la media poblacional si solo se conoce una media muestral (X), con una
confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por
ciento. A este valor se le llamará 1 – α (debido a que “α” es el error que se cometerá, un
término opuesto).
Para ello se necesita calcular el punto X α/2 o, mejor dicho, su versión estandarizada
z α / 2 o valor crítico junto con su "opuesto en la distribución" - X α/2 . Estos puntos delimitan la
probabilidad para el intervalo, como se muestra en la siguiente imagen:
Así: [
P X−z α /2
σ
√n
≤ μ ≤ X + zα/ 2
σ
√n
=1-α ]
De lo cual se obtendrá el intervalo de confianza
( X−z α/ 2
σ
√n
; X + z α /2
σ
√n )
Obsérvese que el intervalo de confianza viene dado por la media muestral (X)± el
σ
producto del valor crítico z α / 2por el error estándar . Si no se conoce y “n” es grande
√n
(habitualmente se toma n ≥ 30):
U.D.: Control de Calidad en la Agroindustria I Página 1
I.E.S.T.P. “Manuel Seoane Corrales” CARRERA PROFESIONAL: Química Industrial
Aproximaciones para el valor z α / 2 para los niveles de confianza estándar son 1,96 para 1 – α =
95 % y 2,576 para 1 – α = 99%.
Resolución de problemas
Problema 01
Se toman 35 muestras de una máquina de llenado de sacos de cinc con un promedio de
llenado de 57,75 lb y una desviación estándar de 3 lb. Determinar un intervalo de confianza
con un nivel de confianza del 99%.
Resolución
Procedemos a extraer los datos del problema:
n = 35; X = 57,75 lb; s = 3 lb; 1 – α = 99%; α/2 = 0,5%
Las fórmulas a emplear son:
σ
LIC = X −z α / 2
√n
σ
LSC = X + z α /2
√n
Realizamos la gráfica para entender lo que se hace y ubicar los datos:
α/2 -z +z α/2
1-α
LIC LSC
99% + 0,5% = 99,5% = 0,995
Empleamos la tabla para determinar el valor que corresponde a z α / 2, por lo tanto, tenemos
que interpolar:
2,57 → 0,9949 Calculamos el valor de “a”:
x 0,0001
0,01 0,0002 0,0001(0,01)
zα/ 2 → 0,9950 x= = 0,005
0,0002
2,58 → 0,9951 Luego calculamos “z”:
z α / 2 = 2,570 + 0,005 = 2,5750
Finalmente, los intervalos de confianza serán:
Interpretación: Con una confianza del 99% la media de llenado de sacos de cinc está entre
56,444 lb y 59,056 lb.
Problema 02
La media y la desviación estándar muestrales para todos los pesos de llenado de las 100
cajas son X = 12,05 kg y s = 0,1 kg. Encuentre un intervalo del 95% de confianza para la
media de los pesos de la caja.
Resolución
Procedemos a extraer los datos del problema:
U.D.: Control de Calidad en la Agroindustria I Página 2
I.E.S.T.P. “Manuel Seoane Corrales” CARRERA PROFESIONAL: Química Industrial
α/2 -z +z α/2
1-α
LIC LSC
95% + 2,5% = 97,5% = 0,975
Empleamos la tabla para determinar el valor que corresponde a z α / 2, del cual obtenemos:
z α / 2 = 1,96
Finalmente, los intervalos de confianza serán:
Interpretación: Con una confianza del 95% la media de llenado de las cajas está entre
12,0304 kg y 12,0696 kg.
Problema 03
La media de las medidas de los diámetros de una muestra aleatoria de 200 bolas de
rodamiento, fabricadas por cierta máquina, fue de 0,824 cm, y la desviación típica fue de
0,042 cm. Halla los límites de confianza al 95% para el diámetro medio de las bolas
fabricadas por esa máquina.
Resolución
Procedemos a extraer los datos del problema:
n = 200; X = 0,824 cm; s = 0,042 cm; 1 – α = 95%; α/2 = 2,5%
Las fórmulas a emplear son:
s
LIC = X −z α / 2
√n
s
LSC = X + z α /2
√n
Realizamos la gráfica para entender lo que se hace y ubicar los datos:
α/2 -z +z α/2
1-α
LIC LSC
95% + 2,5% = 97,5% = 0,975
Empleamos la tabla para determinar el valor que corresponde a z α / 2, del cual obtenemos:
z α / 2 = 1,96
Finalmente, los intervalos de confianza serán:
Interpretación: Con una confianza del 95% las medias de las medidas de diámetros de las
bolas de rodamiento están entre 0,81818 cm y 0,82982 cm.
Problema 04
Se supone que un proceso de manufactura se inspecciona una vez cada hora. Se sugiere que
se tome una muestra de cinco piezas cada hora, luego calcule la media de la muestra, X. La
desviación estándar del proceso se supone que es constante en 0,255 pulg. ¿Dentro de qué
límites se esperaría que 95% de las medias de la muestra estén si el promedio del proceso
es estable en μ = 4,500 pulg? Suponga que las mediciones son de una población normal.
Resolución
Procedemos a extraer los datos del problema:
n = 5; X = 4,500 pulg; s = 0,255 cm; 1 – α = 95%; α/2 = 2,5%
Las fórmulas a emplear son:
s
LIC = X −z α / 2
√n
s
LSC = X + z α /2
√n
Realizamos la gráfica para entender lo que se hace y ubicar los datos:
α/2 -z +z α/2
1-α
LIC LSC
95% + 2,5% = 97,5% = 0,975
Empleamos la tabla para determinar el valor que corresponde a z α / 2, del cual obtenemos:
z α / 2 = 1,96
Finalmente, los intervalos de confianza serán:
Interpretación: Con una confianza del 95% las mediciones realizadas en un proceso de
manufactura están entre 4,27648 pulg y 4,72352 pulg.
Para estudiar la relación lineal existente entre dos variables continuas es necesario
disponer de parámetros que permitan cuantificar dicha relación. Uno de estos parámetros
es la covarianza.
La covarianza
Indica el grado de variación conjunta de dos variables aleatorias. Se define como la
media aritmética de los productos de las desviaciones de cada una de las variables
respecto a sus medias respectivas. La covarianza se representa por s xy o σxy y se calcula
por:
sxy =
∑ ( X i −X ) ( Y i−Y ) (datos no agrupados)
N
sxy =
∑ ( X i −X ) ( Y i−Y ) . f i (datos agrupados)
N
sxy =
∑ i i Y i −XY (datos agrupados)
f X
N
La covarianza indica el sentido de la correlación entre las variables. Si σxy > 0
(positivo) la correlación es directa, es decir, que ambas variables tienden a variar de la
misma forma. Si σxy < 0 (negativo) la correlación es inversa, es decir, que si una aumenta la
otra tiende a disminuir y viceversa. La covarianza cercana a cero, indica que no hay
asociación entre las variables.
La covarianza presenta como inconveniente, el hecho de que su valor depende de las
unidades de medida elegida para los ejes. Es decir, la covarianza variará si expresamos la
altura en metros o en centímetro. También variará si el dinero lo expresamos en euros o en
dólares.
Ejemplo
En la producción de herramientas, el método para deformar acero a temperatura normal
mantiene una relación inversa con la dureza del mismo ya que, a medida que la deformación
crece, se ve afectada la dureza del acero. Para investigar esta relación se ha tomado la
siguiente muestra:
X; deformación en mm 6 9 11 13 22 26 28 33 35
Y; dureza Brinell en Kg/mm2 68 67 65 53 44 40 37 34 32
Hallar la covarianza y el coeficiente de variación e interpretar dichos valores.
Resolución
Preparamos la siguiente tabla:
N° Xi Yi Xi – X Yi – Y (Xi-X)(Yi-Y) (Xi – X)2 (Yi – Y)2
01 6 68 -14,33 19,11 -273,85 205,35 365,19
02 9 67 -11.33 18,11 -205,19 128,37 327,97
03 11 65 -9,33 16,11 -150,31 87,05 259,53
04 13 53 -7,33 4,11 -30,13 53,73 16,89
05 22 44 1,67 -4,89 -8,17 2,79 23,91
06 26 40 5,67 -8,89 -50,41 32,15 79,03
07 28 37 7,67 -11,89 -91,20 58,83 141,37
08 33 34 12,67 -14,89 -188,66 160,53 221,71
s xy s xy
σy =
1720,90
9
−138,41
√= 13,83
r= = = = -0,977 = -0,98
σ x σ y σ x σ y (10,24)(13,83)
b=
( ∑ Y i ) −m ( ∑ X i ) = Y - mX
n
Ejemplo
En la producción de herramientas, el método para deformar acero a temperatura normal
mantiene una relación inversa con la dureza del mismo ya que, a medida que la deformación
crece, se ve afectada la dureza del acero. Para investigar esta relación se ha tomado la
siguiente muestra:
X; deformación en mm 6 9 11 13 22 26 28 33 35