Producto Integrador de

Aprendizaje
Probabilidad y Estadística
Dra. Azucena Minerva García León

EQUIPO 5:
Gutiérrez Martínez Vanessa 2035883
Oviedo Canela Jorge Alejandro 1744743
Silva García Yoseline Marcela 1918726
Treviño Rivera Fátima Ashley 1811101
 Introducción
El Sistema Nacional de Gestión de Residuos de Envases
de Medicamentos (SINGREM) es una Asociación Civil, sin
fines de lucro, la cual atiende de manera responsable la
problemática que generan los medicamentos que caducan
en los hogares, tomando como base la Ley General para la
Prevención y Gestión de Residuos, en vigor.

Los medicamentos caducos, restos de

medicamentos y sus envases, una vez depositados
en el contenedor, llevan como destino final ser
destruidos por completo. Bajo ninguna circunstancia
el SINGREM busca ni permite que estos residuos
sean desviados a ningún otro destino.
 ¿Cómo
Funcionan?
Metodología
• Universo de estudio: Kilogramos de medicamentos
recolectados en el área metropolitana de Monterrey.
• Variable a estudiar: Kilogramos de medicamentos
recolectados.
• Población: 160 datos de medicamentos medidos en
kilogramos.

La muestra que se tomó fue de 80 datos de medicamentos

medidos en kilogramos para los dos establecimientos los
cuáles se estarán comparando a lo largo de este proyecto,
que son “Cáritas” y el “Hospital Militar”.
Metodología
Teniendo las partes fundamentales de nuestro proyecto, el
siguiente paso será iniciar la organización y descripción gráfica
del conjunto seleccionado:

❏ Histograma
❏ Polígono
❏ Ojiva
❏ Diagrama de Cajas

Del mismo modo, con la información recabada se aplicarán los

siguientes temas, para posteriormente realizar una discusión y
conclusión de los resultados.

❏ Medidas Descriptivas de los Datos ❏ Distribución Normal Estándar (Z)

❏ Teorema de Chebyshev y Regla Empírica ❏ Distribución t-Student y Normal Estándar
❏ Distribuciones de Probabilidad Discretas ❏ Distribución Chi-Cuadrada 𝑋 2
❏ Distribuciones de Probabilidad Continuas ❏ Distribución F-Fisher
Fases de la Metodología Fase 1: Recopilación de datos

Fase 2: Análisis de información

Fase 3: Estructurar y planificar cómo resolver la

problemática

Fase 4: Resultados recabados

Fase 5: Propuestas y sugerencias

 Tabla de Frecuencias
Cáritas CÁRITAS: TABLA DE FRECUENCIAS
Frecuencia Relativa
Intervalos Marca de Clase Frecuencia Frecuencia Relativa Frecuencia Acumulada
Acumulada
4.1 6.2 5.15 5 0.0625 5 0.0625
6.2 8.3 7.25 6 0.0750 11 0.1375
8.3 10.4 9.35 13 0.1625 24 0.3000
10.4 12.5 11.45 10 0.1250 34 0.4250
12.5 14.6 13.55 13 0.1625 47 0.5875
14.6 16.7 15.65 13 0.1625 60 0.7500
16.7 18.8 17.75 11 0.1375 71 0.8875
18.8 20.9 19.85 7 0.0875 78 0.9750
20.9 23 21.95 2 0.0250 80 1.0000
TOTAL 80 1.0000
 Tabla de Frecuencias
Hospital Militar
HOSPITAL MILITAR: TABLA DE FRECUENCIAS
Frecuencia Relativa
Intervalos Marca de Clase Frecuencia Frecuencia Relativa Frecuencia Acumulada
Acumulada
4.8 7.2 6 8 0.1 8 0.1
7.2 9.6 8.4 22 0.275 30 0.375
9.6 12 10.8 12 0.15 42 0.525
12 14.4 13.2 12 0.15 54 0.675
14.4 16.8 15.6 15 0.1875 69 0.8625
16.8 19.2 18 3 0.0375 72 0.9
19.2 21.6 20.4 6 0.075 78 0.975
21.6 24 22.8 1 0.0125 79 0.9875
24 26.4 25.2 1 0.0125 80 1
TOTAL 80 1
Gráficas Cáritas
Gráficas Hospital Militar
Medidas de Tendencia Central
Cáritas
Datos Individuales: Datos Agrupados:
Mediana Mediana
𝟏𝟑. 𝟖 + 𝟏𝟑. 𝟗 𝒏
෥
𝒙= = 𝟏𝟑. 𝟖𝟓 𝒌𝒈 − 𝒇𝒂𝒊−1
𝟐 𝒙 = 𝑳𝒊𝒏𝒇 + 2
෥ 𝑳𝒐𝒏𝒈𝐢𝒕𝒖𝒅 = 𝟏𝟑. 𝟒𝟔𝟗𝟐𝟑𝟎𝟕𝟕 𝒌𝒈
𝒇𝒊
Media
𝒌
Media
𝟏 𝒌
ഥ
𝒙= ෍ 𝒇𝒋 = 𝟏𝟑. 𝟐 𝒌𝒈 1
𝒏 ഥ
𝒙 = ෍ 𝒎𝒄𝒋 𝒇𝒋 = 𝟏𝟑. 𝟐𝟖𝟕𝟓 𝒌𝒈
𝒋=𝟏 𝒏
𝒋=1

Moda Moda
ෝ
𝒙 = 𝟏𝟎. 𝟐 𝒌𝒈
ෝ
𝒙 = 𝒎𝒄3 = 𝟗. 𝟑𝟓
ෝ
𝒙 = 𝟏𝟔. 𝟖 𝒌𝒈 ෝ
𝒙 = 𝒎𝒄6 = 𝟏𝟓. 𝟔𝟓
 Medidas de Tendencia Central
Hospital Militar
Datos Individuales: Datos Agrupados:
Mediana Mediana
𝟏𝟎. 𝟓 + 𝟏𝟏. 𝟐 𝒏
෥
𝒙= = 𝟏𝟎. 𝟖𝟓 𝒌𝒈 − 𝒇𝒂𝒊−𝟏
𝟐 𝒙 = 𝑳𝒊𝒏𝒇 + 𝟐
෥ 𝑳𝒐𝒏𝒈𝐢𝒕𝒖𝒅 = 𝟏𝟎. 𝟔𝟗𝟎𝟗𝟎𝟗𝟎𝟗 𝒌𝒈
𝒇𝒊
Media Media
𝒌 𝒌
𝟏 𝟏
ഥ
𝒙 = ෍ 𝒇𝒋 = 𝟗. 𝟖 𝒌𝒈 ഥ
𝒙 = ෍ 𝒎𝒄𝒋 𝒇𝒋 = 𝟏𝟏. 𝟗𝟐𝟓 𝒌𝒈
𝒏 𝒏
𝒋=𝟏 𝒋=𝟏

Moda Moda

ෝ
𝒙 = 𝟖. 𝟎 𝒌𝒈 ෝ
𝒙 = 𝒎𝒄𝟐 = 𝟖. 𝟒0
 Medidas de Dispersión o de Escala
Cáritas Rango:
𝑅 = 𝑉𝑀 − 𝑉𝑚 = 18.4

Datos Individuales: Datos Agrupados

𝑘
𝑛 1 2
Varianza: 𝑆2 =
1
෍
2
𝑥𝑗 − 𝑥ҧ = 𝟐𝟎. 𝟏𝟏𝟓𝟏𝟐𝟓 𝒌𝒈𝟐 𝑆2 = ෍ 𝑚𝑐𝑗 − 𝑥ҧ 𝑓𝑗 = 𝟏𝟗. 𝟑𝟓𝟔𝟓𝟓𝟎𝟔𝟑 𝒌𝒈𝟐
𝑛−1 𝑛−1
𝑗=1 𝑗=1

Desviación Estándar: 𝑆= 𝑆 2 = 𝟒. 𝟒𝟖𝟒𝟗𝟖𝟖𝟖𝟓𝟐 𝒌𝒈 𝑆 = 𝑆 2 = 𝟒. 𝟑𝟗𝟗𝟔𝟎𝟖𝟎𝟎𝟗 kg

Coeficiente de 𝑆 𝑆
𝐶𝑉 = = 𝟎. 𝟑𝟑𝟗𝟕𝟕𝟏𝟖𝟖𝟐𝟕 𝐶𝑉 = = 𝟎. 𝟑𝟑𝟏
Variación: 𝑥ҧ 𝑥ҧ
 Medidas de Dispersión o de Escala
Hospital Militar Rango:
𝑅 = 𝑉𝑀 − 𝑉𝑚 = 21.4

Datos Individuales: Datos Agrupados

𝑘
1
𝑛 2 1 2
Varianza: 𝑆2 = ෍ 𝑥𝑗 − 𝑥ҧ = 𝟐𝟕. 𝟒𝟑𝟒𝟒𝟑𝟎𝟑𝟖 𝒌𝒈𝟐 𝑆2 = ෍ 𝑚𝑐𝑗 − 𝑥ҧ 𝑓𝑗 = 𝟐𝟎. 𝟔𝟎𝟑𝟏𝟔𝟒𝟓𝟔 𝒌𝒈𝟐
𝑛−1 𝑗=1 𝑛−1
𝑗=1

Desviación Estándar: 𝑆= 𝑆 2 = 𝟓. 𝟐𝟑𝟕𝟕𝟖𝟖𝟔𝟗𝟏𝟕𝟖𝟎𝟖 𝒌𝒈 𝑆 = 𝑆 2 = 4. 𝟓𝟑𝟗𝟎𝟕𝟎𝟖𝟗𝟏𝟑𝟕𝟖𝟕𝟕 kg

Coeficiente de 𝑆 𝑆
𝐶𝑉 = = 𝟎. 𝟓𝟑𝟒𝟒𝟔𝟖𝟐𝟑𝟒 𝐶𝑉 = = 𝟎. 𝟑𝟖𝟎𝟔𝟑𝟒𝟖𝟕𝟔
Variación: 𝑥ҧ 𝑥ҧ
 Medidas de Forma
Cáritas
𝑘 4
Curtosis ෍ 𝑚𝑐𝑗 − 𝑥ҧ 𝑓𝑗
𝑗=1
Datos Agrupados 𝑔2 = − 3 = −𝟎. 𝟗𝟐𝟔𝟔𝟏𝟗𝟎𝟓𝟒𝟑
𝑛 ⋅ 𝑆4

Datos Individuales: Datos Agrupados:

Coeficiente de
13.2 − 10.2 13.2875 − 9.35
Asimetría de Pearson = 𝟎. 𝟔𝟔𝟖𝟖𝟗𝟕𝟗𝟖𝟑𝟕 = 𝟎. 𝟖𝟗𝟒𝟗𝟔𝟔𝟎𝟗𝟓𝟏
4.484988852 4.399608009
ҧ
𝑥−𝑀𝑜𝑑𝑎
𝐶. 𝑃𝑒𝑎𝑟𝑠𝑜𝑛 = 13.2 − 16.8
𝑆 13.2875 − 15.65
− 𝟎. 𝟖𝟎𝟐𝟔𝟕𝟕𝟓𝟖𝟎𝟒
4.484988852 = −𝟎. 𝟓𝟑𝟔𝟗𝟕𝟗𝟔𝟓𝟕𝟏
4.399608009

Coeficiente de 𝑘 3
෍ 𝑚𝑐𝑗 − 𝑥ҧ ⋅ 𝑓𝑖
Asimetría de Fisher 𝑗=1
𝐶. 𝐹𝑖𝑠ℎ𝑒𝑟 = = −𝟎. 𝟎𝟔𝟒𝟗𝟗𝟑𝟏𝟐𝟏𝟖
Datos Agrupados 𝑛 ∙ 𝑆3
Medidas de Forma
Hospital Militar
𝑘 4
෍ 𝑚𝑐𝑗 − 𝑥ҧ 𝑓𝑗
Curtosis 𝑔2 =
𝑗=1
− 3 = −𝟎. 𝟏𝟔𝟗𝟒𝟎𝟕𝟓
Datos Agrupados 𝑛 ⋅ 𝑆4

Coeficiente de Datos Individuales: Datos Agrupados:

Asimetría de Pearson 11.925 − 8.4
9.8 − 8.0 = 𝟎. 𝟕𝟕𝟔𝟓𝟗𝟎𝟔
ҧ
𝑥−𝑀𝑜𝑑𝑎 = 𝟎. 𝟑𝟒𝟑𝟔𝟓𝟔𝟒𝟖
𝐶. 𝑃𝑒𝑎𝑟𝑠𝑜𝑛 = 5.2377886917808 4.53907089137877
𝑆

𝑘
Coeficiente de ෍ 𝑚𝑐𝑗 − 𝑥ҧ
3
⋅ 𝑓𝑖
Asimetría de Fisher 𝐶. 𝐹𝑖𝑠ℎ𝑒𝑟 =
𝑗=1
= 𝟎. 𝟖𝟏𝟐𝟎𝟏𝟕𝟖
Datos Agrupados 𝑛 ∙ 𝑆3
Teorema de Chebyshev
Cáritas Teorema de Chebyshev

Datos Individuales
𝑥ҧ = 13.2 𝑆 = 4.484988852

𝑥ҧ − 𝑆 = 13.2 − 4.484988852 𝑥ҧ + 𝑆 = 13.2 + 4.484988852

Intervalos Cantidad de datos Al menos
Si k=1 [8.715011148, 17.68498885) 53/80 * 100 = 66.25% 0%, Si cumple
Si k=2 [4.230022296, 22.1699777) 78/80 * 100 = 97.5% 75%, Si cumple
Si k=3 [-0.254966556, 26.65496656) 80/80 * 100 = 100% 88.89%, Si cumple

Datos Agrupados
𝑥ҧ = 13.2875 𝑆 =4.399608009

𝑥ҧ − 𝑆 = 13.2875-k*4.399608009 𝑥ҧ + 𝑆 = 13.2875 +k*4.399608009

Intervalos Cantidad de datos Al menos
Si k=1 [8.887891991, 17.68710801) 53/80 * 100 = 66.25% 0%, Si cumple
Si k=2 [4.488283982, 22.08671602) 77/80 * 100 = 96.25% 75%, Si cumple
Si k=3 [0.088675973, 26.48632403) 80/80 * 100 = 100% 88.89%, Si cumple
Teorema de Chebyshev
Hospital Militar
Teorema de Chebyshev
Datos Individuales 𝑥ҧ = 9.8 S= 5.237788692
𝑥ҧ −ks= 9.8-k*5.2377886917808 𝑥ҧ +ks= 9.8+k*5.2377886917808

Intervalos Cantidad de datos Al menos

Si k=1 [4.56221131, 15.0377887) 68.75 0% Si Cumple
Si k=2 [-0.67557738, 20.2755774) 91.25 75% Si Cumple
Si k=3 [-5.91336608, 25.5133661) 98.75 88.89% Si Cumple

Datos Agrupados 𝑥ҧ = 11.925 S= 4.539070891

𝑥ҧ −ks= 11.925-k*4.53907089137877 𝑥ҧ +ks= 11.925+k*4.53907089137877

Intervalos Cantidad de Datos Al menos

Si k=1 [7.38592911, 16.4640709) 72.5 0% Si Cumple
Si k=2 [2.84685822, 21.0031418) 96.25 75% Si Cumple
Si k=3 [-1.69221267, 25.5422127) 98.75 88.89% Si Cumple
Regla Empírica
Cáritas Regla Empírica

Datos Individuales
𝑥ҧ = 13.2 𝑆 = 4.484988852

𝑥ҧ − 𝑆 = 13.2 − 4.484988852 𝑥ҧ + 𝑆 = 13.2 + 4.484988852

Intervalos Cantidad de datos Al menos
Si k=1 [8.715011148, 17.68498885)53/80 * 100 = 66.25% 68%, No cumple
Si k=2 [4.230022296, 22.1699777)78/80 * 100 = 97.5% 95%, Si cumple
80/80 * 100 = 100%
Si k=3 [-0.254966556, 26.65496656) 99%, Si cumple

Datos Agrupados
𝑥ҧ = 13.2875 𝑆 =4.399608009

𝑥ҧ − 𝑆 = 13.2875-k*4.399608009 𝑥ҧ + 𝑆 = 13.2875 +k*4.399608009

Intervalos Cantidad de datos Al menos
Si k=1 [8.887891991, 17.68710801)53/80 * 100 = 66.25% 68%, No cumple
Si k=2 [4.488283982, 22.08671602)77/80 * 100 = 96.25% 95%, Si cumple
Si k=3 [0.088675973, 26.48632403)80/80 * 100 = 100% 99%, Si cumple
Regla Empírica
Hospital Militar Regla Empírica
Datos Individuales
𝑥ҧ −ks= 9.8- 𝑥ҧ = 9.8 𝑥ҧ +ks= 9.8+k*5.2377886917808
S= 5.237788692

Intervalos Cantidad de datos Al menos

Si k=1 [4.56221131, 15.0377887) 68.75% 68%, Si Cumple
Si k=2 [-0.67557738, 20.2755774) 91.25% 95%, No Cumple
Si k=3 [-5.91336608, 25.5133661) 98.75% 99%, No Cumple

Datos Agrupados
𝑥ҧ = 11.925 S= 4.539070891
𝑥ҧ −ks= 11.925- 𝑥ҧ +ks= 11.925+k*4.53907089137877
Intervalos Cantidad de datos Al menos
Si k=1 [7.38592911, 16.4640709) 72.50% 68%, Si Cumple
Si k=2 [2.84685822, 21.0031418) 96.25% 95%, Si Cumple
Si k=3 [-1.69221267, 25.5422127) 98.75% 99%, No Cumple
Prueba de Normalidad Prueba de Valores
Atípicos

NOTA: NO HAY VALOR ATÍPICO EN EL NIVEL DE

SIGNIFICANCIA DE 5%
Distribución de Probabilidad Continuas
Suponga que la cantidad en kilogramos recolectados de medicamento del establecimiento de Cáritas
dentro de la compañía SINGREM tiene una distribución normal, con una media de 13.3 kilogramos y una
desviación estándar de 4.4 kilogramos. Determine lo siguiente:
X= Cantidad de medicamento recolectado del establecimiento de Cáritas (kilogramos)
𝐸 𝑋 = 𝜇 = 13.3 𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑉 𝑋 = 𝜎 = 4.4 𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠
𝑋~𝑁𝑜𝑟𝑚𝑎𝑙 13.3,4.4

a) ¿Cuál es la probabilidad de que la cantidad de kilogramos recolectados

de medicamento del establecimiento de Cáritas esté entre 6.3 y 18.9
kilogramos?

𝑃 6.3 < 𝑋 < 18.9 = 𝑃 𝑋 ≤ 18.9 − 𝑃 𝑋 ≤ 6.3 = 0.8980 − 0.0559

= 𝟎. 𝟖𝟒𝟐𝟔
𝑥 − 𝜇 6.3 − 13.3
𝑃 𝑋 ≤ 6.3 = 𝑃 ≤ = 𝑃 𝑍 ≤ −1.59 = 𝐹 −1.59
𝜎 4.4
= 0.0559
𝑥 − 𝜇 18.9 − 13.3
𝑃 𝑋 ≤ 18.9 = 𝑃 ≤ = 𝑃 𝑍 ≤ 1.27 = 𝐹 1.27
𝜎 4.4
= 0.8980
Distribución de Probabilidad Continuas
Suponga que la cantidad en kilogramos recolectados de medicamento del Hospital Militar dentro de la compañía
SINGREM tiene una distribución normal, con una media de 11.925 kilogramos y una desviación estándar de
4.5391kilogramos. Determine lo siguiente:
X= Cantidad de medicamento recolectado del Hospital Militar (kilogramos)
𝐸 𝑋 = 𝜇 = 11.925 𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑉 𝑋 = 𝜎 = 4.5391 𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠
𝑋~𝑁𝑜𝑟𝑚𝑎𝑙 13.3,4.4

a) ¿Cuál es la probabilidad de que la cantidad de kilogramos recolectados

de medicamento del Hospital Militar esté entre 6.3 y 18.9 kilogramos?

𝑃 6.3 < 𝑋 < 18.9 = 𝑃 𝑋 ≤ 18.9 − 𝑃 𝑋 ≤ 6.3 = 0.937792 − 0.107644

= 𝟎. 𝟖𝟑𝟎𝟏𝟒𝟖

𝑥 − 𝜇 6.3 − 11.925
𝑃 𝑋 ≤ 6.3 = 𝑃 ≤ = 𝑃 𝑍 ≤ −1.239232447
𝜎 4.5391
= 𝐹 −1.2392 = 0.107644

𝑥 − 𝜇 18.9 − 11.925
𝑃 𝑋 ≤ 18.9 = 𝑃 ≤ = 𝑃 𝑍 ≤ 1.536648234
𝜎 4.5391
= 𝐹 1.5366 = 0.937792
 Estimación por Intervalos y Análisis de Pruebas de Hipótesis
Distribución t-Student y Normal Estándar
Prueba de Hipótesis para la diferencia de Medias de Dos Poblaciones con Varianzas desconocidas e Iguales
SINGREM reportó los resultados de un análisis del peso de las bolsas de medicamento que indicarían cuando la
máquina de desechos pararía de triturar, lo cual permitiría hacer saber al encargado en turno el cambio de
proceso. 80 muestras del establecimiento de Cáritas tuvieron un peso promedio de 13.29 kg, con una desviación
estándar muestral de 4.34 kg; mientras que 80 muestras del Hospital Militar tuvieron un peso promedio
porcentual de 11.93 kg, con una desviación estándar muestral de 4.54 kg. Suponga que el peso del medicamento
tiene una distribución normal y que ambas poblaciones normales tienen la misma desviación estándar.

𝜇1 = 𝑃𝑒𝑠𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝐶á𝑟𝑖𝑡𝑎𝑠 𝑔

𝜇2 = 𝑃𝑒𝑠𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑒𝑑𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝐻𝑜𝑠𝑝𝑖𝑡𝑎𝑙 𝑀𝑖𝑙𝑖𝑡𝑎𝑟 𝑔

𝑛1 = 80 𝑥ҧ1 = 13.29 𝑔 𝑆1 = 4.34 𝑔 ∝= 0.05

𝑛2 = 80 𝑥ҧ2 = 11.93 𝑔 𝑆2 = 4.54 𝑔 𝑣 = 𝑛1 + 𝑛2 − 1 = 159
𝐻𝑜: 𝜇1 = 𝜇2
𝐻𝑎: 𝜇1 ≠ 𝜇2

𝑛1 − 1 𝑆1 2 + 𝑛2 − 1 𝑆2 2 80 − 1 13.29 2 + 80 − 1 11.93 2
𝑆𝑝 = = = 𝟏𝟐. 𝟓𝟖𝟖𝟓𝟒𝟕𝟎𝟏
𝑛1 + 𝑛2 − 1 80 + 80 − 1

𝑥1ҧ − 𝑥ҧ2 − 𝜇1 − 𝜇2 13.29 − 11.93 − 0

𝑡𝑜 = = = 𝟎. 𝟔𝟖𝟑𝟐𝟕𝟏𝟒𝟖𝟕𝟏
1 1 1 1
𝑆𝑝 𝑛 + 𝑛 12.58854701 +
1 2 80 80
𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑚𝑜𝑠 𝐻𝑜 𝑠i:
𝑡𝑜 < −𝑍∝Τ2,𝑣 𝑡𝑜 > 𝑡∝Τ2,𝑣

𝟎. 𝟔𝟖𝟑𝟐𝟕𝟏𝟒𝟖𝟕𝟏 < −𝟏. 𝟗𝟕𝟓 𝟎. 𝟔𝟖𝟑𝟐𝟕𝟏𝟒𝟖𝟕𝟏 > 𝟏. 𝟗𝟕𝟓

Con 95% de Confianza No Rechazamos Ho

Existe evidencia significativa para afirmar que el peso promedio

de medicamentos medidos en kilogramos de Cáritas es igual que
el peso promedio de medicamentos medidos en kilogramos del
Hospital Militar.
 Intervalos de Confianza para la diferencia de Medias de Dos Poblaciones con
Varianzas desconocidas e Iguales
Intervalo de Confianza Bilateral del (1-α)100% para 𝜇1 − 𝜇2 con varianza desconocida
pero igual

1 1 1 1
𝑥ҧ1 − 𝑥ҧ 2 − 𝑡∝Τ2,𝑣 ∙ 𝑆𝑝 + ≤ 𝜇1 − 𝜇2 ≤ 𝑥ҧ1 − 𝑥ҧ 2 + 𝑡∝Τ2,𝑣 ∙ 𝑆𝑝 +
𝑛1 𝑛2 𝑛1 𝑛2

13.29 − 11.93 − 1.975 1.990424049 ≤ 𝜇1 − 𝜇2 ≤ 13.29 − 11.93 + 1.975 1.990424049

−𝟐. 𝟓𝟕𝟏𝟎𝟖𝟕𝟒𝟗𝟕 ≤ 𝝁𝟏 − 𝝁𝟏 ≤ 𝟓. 𝟐𝟗𝟏𝟎𝟖𝟕𝟒𝟗𝟕

Con 95% de confianza se afirma que el peso promedio de

medicamentos medidos en kilogramos de Cáritas es igual que el peso
promedio de medicamentos medidos en kilogramos del Hospital
Militar.
Discusión y Conclusión de Resultados
Antes de la pandemia, el SINGREM recolectaba entre 50 y 60
toneladas de fármacos al mes, 625 toneladas al año, cifra que
representa apenas el 30% de todos los medicamentos
desechados anualmente.

Ahora, la pandemia de COVID-19 ha reducido la cantidad de

desechos farmacéuticos recolectados entre un 15% y 20%, lo
que significa que entre el 80% y el 85% de los medicamentos
se desechan de manera incorrecta, causando afectaciones
irreparables al medio ambiente y a la población, lo que facilita
que muchos de estos medicamentos terminen en el mercado
ilegal, causando daños a la salud y a la economía de quienes los
compran y los consumen.