¡La universidad para todos!

¡La Universidad para todos!

Tema: INTERVALO DE CONFIANZA

Docente: Mag. Segundo García Flores

Escuela Profesional Periodo académico: 2019-2B

ADMINISTRACION Y NEGOCIOS Semestre: 05
INTERNACIONALES Unidad: II
¡La universidad para todos!

TÍTULO DEL TEMA

INTERVALO DE CONFIANZA
 ¡La universidad para todos!

ORIENTACIONES

• Lea las previamente las orientaciones generales

del curso.
• Revise los temas afines a este en la Biblioteca
Virtual de la UAP
• Participe de los foros
 ¡La universidad para todos!

CONTENIDOS TEMÁTICOS

Intervalo de confianza para la media

Intervalo de confianza para la
proporción
Tamaño de la muestra
 ¡La universidad para todos!

DESARROLLO DE CONTENIDOS - SUBTÍTULOS DEL

TEMA
 ¡La universidad para todos!

OBJETIVOS

• Construir un intervalo de confianza para la media poblacional

cuando se conoce o no la desviación estándar de la población.
• Construir un intervalo de confianza para una proporción de la
población.
• Determinar el tamaño de la muestra para un muestreo de
atributos y variables.
 ¡La universidad para todos!

ESTIMACIÓN
Un estimador puntual es un estadístico
calculado a partir de información de la
muestra para estimar el parámetro
poblacional.
El objetivo de la estimación por intervalo es
aportar información de qué tan cerca se
encuentra
la estimación puntual, obtenida de la
muestra, del valor del parámetro poblacional.
 ¡La universidad para todos!

Propiedades de un buen estimador

1) Ser insesgado. El valor esperado del estimador
debería ser igual al parámetro que trata de
estimar. Es decir,
E ( )  
La media muestral es un estimador insesgado de la
media poblacional.
Pero la varianza muestral NO es un estimador
insesgado de la varianza poblacional, pero sí lo es en
cambio la cuasivarianza.
 ¡La universidad para todos!

Propiedades de un buen estimador

2) Consistencia. Se dice que un estimador es
consistente si se cumple que

 
lim P       0
n 

Esta expresión indica que a medida que se incrementa el

tamaño muestral, la diferencia entre el estimador y el
parámetro será menos que cualquier número ().
A diferencia de la “ausencia de sesgo” que se define para
valores finitos de n, la “consistencia” es una propiedad
asintótica.
 ¡La universidad para todos!

Propiedades de un buen estimador

Tanto la media muestral como la cuasivarianza son
estimadores consistentes.
Nota:
La varianza muestral ES un estimador consistente de la
varianza poblacional, dado que a medida que el tamaño
muestral se incrementa, el sesgo disminuye y
disminuye.

10
 ¡La universidad para todos!

Propiedades de un buen estimador

3) Eficiencia. Se emplea para COMPARAR
estimadores. Es más eficiente es el que tiene la
varianza más pequeña.
Se puede comprobar que la varianza muestral es más
eficiente que la cuasivarianza muestral a la hora de
estimar la varianza poblacional. (Aún así, se prefiere la
cuasivarianza muestral como estimador de la varianza
poblacional por ser un estimador insesgado.)

4) Suficiencia. Un estimador suficiente del

parámetro si dicho estimador basta por sí solo
para suministrar toda la información acerca del
parámetro.
 ¡La universidad para todos!

Estimación por intervalos

Un Intervalo de confianza (IC) es un conjunto de

valores formado a partir de una muestra de datos
de forma que exista la posibilidad de que el
parámetro poblacional ocurra dentro de dicho
conjunto con una probabilidad específica.

La probabilidad específica recibe el nombre de

nivel de confianza.
 ¡La universidad para todos!

En general el intervalo de confianza para el

parámetro θ se expresa:

  
P   k       k    1  
   
Donde:
θ – Parámetro

 – Estimador
1 – α =Nivel de confianza
K – Valor tabulado
 – Desviación estándar del estimador


¡La universidad para todos!
 ¡La universidad para todos!

El intervalo que contiene a la media

poblacional:

Donde, es la media de la muestra.

es el valor de Z situado bajo la curva normal

estándar.
es el error estándar de la media muestral.
 ¡La universidad para todos!

Valores críticos de Z y niveles de confianza

Nivel de Nivel de
confianza significancia Z Conclusión
1-  
0,90 0,10 1,645 Poco significativa
0,95 0,05 1,96 Significativa
0,98 0,02 2,33
0,99 0,01 2,58 Altamente
significativa
0,998 0,002 3,08
0,999 0,001 3,27
 ¡La universidad para todos!

Factores que afectan a los intervalos de

confianza

Los factores que determinan el ancho del

intervalo de confianza son:
1)El tamaño de la muestra, n.
2)La varianza de la población, usualmente σ es
estimada por s.
3)El nivel deseado de confianza.
 ¡La universidad para todos!

Interpretación de los intervalos de confianza

Para un intervalo de confianza alrededor del 95% se puede esperar que
alrededor de 95% de estos intervalos de confianza contenga la media
de la población. Cerca de 5% de los intervalos no contendrían a la
media de la población.

Además el 95% de las

medias de las
muestras para una
muestra especifica de
tamaño dado estarán
dentro de 1,96
desviaciones estándar
de la población
hipotética.
 ¡La universidad para todos!

Distribución t-Student
Características
1) Esta distribución, es como la distribución z , una
distribución continua.
2) Es una distribución simétrica y con forma de campana.
3) No existe una sola distribución de t, mas bien una familia
de distribuciones de t. Todas las distribuciones de t tiene
media 0, pero sus desviaciones estándar difieren de
acuerdo al tamaño de la muestra, n.
4) La distribución t se extiende más y es más plana por el
centro que la distribución normal. Conforme se incrementa
el tamaño de la muestra, la distribución t se aproxima a la
distribución normal estándar, pues los errores que se
cometen al utilizar s para estimar σ disminuyen con
muestras más grandes.
 ¡La universidad para todos!

Comparación de la distribución Z con las

distribuciones t para 10 y 20 grados
libertad
 ¡La universidad para todos!

Valores críticos de t y niveles de confianza

Nivel de t
confianza (1- ) 4 gl 10 gl 20 gl 30 gl
0,90 1,812 1,725 1,697
0,95 2,776 2,228 2,086 2,042
0,99 3,169 2,845 2,750
 ¡La universidad para todos!

Intervalo de Confianza para la Media (m

Use la distribución Z Use la distribución t

Si la desviación estándar es Si la desviación estándar no
conocida o la muestra es es conocida y la muestra es
mayor que 30. menor que 30.
Límites del intervalo: Límites de intervalo:

 s
X  Z / 2 X  t / 2 ,n 1
n n
 ¡La universidad para todos!

Intervalo de confianza para m

Ejemplo 1:
Una máquina de refrescos está ajustada de tal manera
que la cantidad de líquido despachada se distribuye
aproximadamente en forma normal con una desviación
estándar igual a 0,15 litros. Si se toma una muestra de 25
refrescos cuya media fue de 2,25 litros, ¿cuál sería el
intervalo de confianza de 95% para la media de todos los
refrescos que sirva esta máquina?
Solución:
Muestra pequeña n=25. No obstante, se sabe que la
distribución de refrescos es normal y se conoce la
desviación estándar poblacional = 0,15 litros.
 ¡La universidad para todos!

n=25; Z (α /2)= 1,96

σ=0,15

La media del contenido neto de los refrescos que esta

máquina envasa se encuentra entre 2,1912 y 2,3088 litros
con un nivel de confianza del 95%.
 ¡La universidad para todos!

Intervalo de confianza para m

Ejemplo 2:
Una empresa fabrica focos que tienen un tiempo de
duración aproximadamente normal con desviación
estándar de 40 horas. Si una muestra de 30 focos tiene
una duración promedio de 780 horas, calcule e
interprete un intervalo de confianza del 96% para la
duración promedio de todos los focos que produce
esta empresa.
Solución:
 ¡La universidad para todos!

Intervalo de confianza para m

Ejemplo 3:
Suponga que se decide hacer algunos cambios en una
empresa de modo que el tiempo medio de producción
por articulo disminuya. Hechos los cambios, se toma
una muestra aleatoria de 30 artículos, con los cuales se
obtiene un tiempo promedio muestral de 9,45 minutos
y una desviación estándar muestral de 1,41 minutos.
Estime mediante un intervalo de confianza del 95% el
tiempo medio de producción por artículo.
Solución:
 ¡La universidad para todos!

Intervalo de confianza para m

Ejemplo 4: Solución:
Un fabricante de llantas desea
investigar la durabilidad de sus
productos. Una muestra de 10 llantas
para recorrer 50000 millas reveló una
media muestral de 0,32 pulgadas de
cuerda restante con una desviación
estándar de 0,09 pulgadas.
Construya un intervalo de confianza
de 95% para la media poblacional.
¿Sería razonable que el fabricante
concluyera que después de 50000
millas la cantidad media poblacional
de cuerda restante es de 0,30
pulgadas?
27
 ¡La universidad para todos!

S Tabla -t Student
x  t / 2 ;( n 1) 
n
0,09
 0,32  t0 , 025;(101) 
10
0,09
 0,32  2,262 
10
 0,32  0,064
I ( m )  0,256;0,384 

Conclusión:
El fabricante puede estar seguro
(95% seguro) de que la
profundidad media de las cuerdas
oscila entre 0,256 y 0,384 28
 ¡La universidad para todos!

Intervalo de confianza para m

Ejemplo 5:
El gerente del Inlet Square Mall, cerca de
Ft. Myers, Florida, desea estimar la
cantidad media que gastan los clientes
que visitan el centro comercial. Una
muestra de 20 clientes revela las
siguientes cantidades.

¿Determine un intervalo de confianza de 95%. Interprete el

resultado. ¿Concluiría de forma razonable que la media
poblacional es de $50?¿Y de $60?
 ¡La universidad para todos!

Solución:
I.C usando la dist – t (σ es desconocida)

S Conclusión:
x  t / 2 ;( n 1) 
n Resulta razonable que la
9,01 media poblacional sea de
 49,35  t0, 025;( 201)  $50.
20
9,01 El valor de $60 no se
 49,35  2,093  encuentra en el intervalo de
4,47
confianza. De ahí que se
 49,35  4,22
concluya que no es probable
Intervalo de confianza: que la media poblacional sea
I(µ)=[$45,13 ; $53,57] de $60. 30
 ¡La universidad para todos!

Aproximación de la Distribución
Normal a la Binomial
Para crear un intervalo de confianza para una proporción, es
necesario cumplir con los siguientes supuestos:

1). Las condiciones binomiales, se satisfagan las cuales son:

a. Los datos de la muestra son resultado de conteos.
b. Sólo hay dos posibles resultados (lo normal es referirse a
uno de los resultados como éxito y al otro fracaso).
c. La probabilidad de un éxito permanece igual de una prueba a
la siguiente.
d. Las pruebas son independientes. Esto significa que el
resultado de la prueba no influye en el resultado de otra.
2). Los valores de nπ y n(1-π) deben ser mayores o iguales que 5.
Esta condición permite recurrir al teorema del límite central y
emplear la distribución normal estándar, es decir, z, para completar
un intervalo de confianza.
 ¡La universidad para todos!

Intervalo de confianza para la proporción

poblacional 

El intervalo de confianza de la proporción de una población es

calculado mediante:

 p(1  p) 
I ( )   p  z / 2 
 n 
Siendo, Z la distribución normal y p es la proporción de éxito.

32
 ¡La universidad para todos!

Intervalo de confianza para la proporción

poblacional 
Ejemplo 1:
El encargado del control de calidad desea estimar la
proporción de artículos defectuosos. Se selecciona una
muestra aleatoria simple de 200 artículos, encontrándose
10 artículos defectuosos. Halle una estimación por
intervalo del 95% para la proporción verdadera de
artículos defectuosos en dicha producción.
Solución:
 ¡La universidad para todos!

Intervalo de confianza para proporción 

Ejemplo 2:
El sindicato que representa Bottle Solución:
Blowers of America (BBA) considera
la propuesta de fusión con Calcule la proporción de la muestra:
Teamsters Union. De acuerdo al
reglamento del sindicato de BBA, x 1600
por lo menos tres cuartas partes de p   0,80
los miembros del sindicato deben n 2000
aprobar cualquier fusión. Una Limites de I ( ) :
muestra aleatoria de 2000
miembros actuales revela que 1600 p(1  p) 0,80(0,20)
estarían a favor. ¿Cuál es el p  Z / 2   0,80  1,96 
estimador de la proporción n 2000
poblacional?  0,80  0,018  I ( )  [0,782; 0,818]
Determine un intervalo de confianza
de 95% para la proporción Conclusión:
poblacional. Fundamente su decisión Es probable que se apruebe la propuesta de
en esta información de la muestra:
¿puede concluir que la proporción fusion, pues el estimador incluye valores
necesaria de miembros BBA superiores a 75% de los miembros del
favorece la fusión? ¿Por qué? sindicato. 34
 ¡La universidad para todos!

Ejercicio:
Con frecuencia un aumento en la proporción de ahorro
de los consumidores se relacionan con una falta de
confianza en la economía y se dice que es un indicador
de una tendencia recesiva. Un muestreo aleatorio de n=
200 cuentas de ahorra en una comunidad mostró un
incremento medio en los valores de las cuentas de
ahorro de 7,2% durante los últimos 12 meses, con una
desviación estándar de 5,6%.
• Estime el incremento porcentual medio de los valores
de las cuentas de ahorro durante los últimos 12 meses
de los depositantes en la comunidad.
• Encuentre el margen de error para su estimación.
Rpta: x = 7.2 % SE = 0,776
 ¡La universidad para todos!

Factor de Corrección de una Población Finita

• Una población con un límite superior es finita.
• En el caso de una población finita, en la que el número
total de objetos o individuos es N y el número de objetos
o individuos es n, se ajusta el error estándar de la media y
de la proporción.
• Sin embargo, si n/N < 0,05, el factor de corrección de una
población finita puede ser ignorado.
Error Estándar de la Error Estándar de la
Media de una Muestra Muestra de una Proporción

 N n p(1  p) N  n
x  p 
n N 1 n N 1 36
 ¡La universidad para todos!

Efecto de el FCP cuando n/N Cambia

Factor de corrección de una población finita de muestra

seleccionadas cuando la población es de 1000

Observe que FCP se acerca a 1 cuando n/N se hace más

pequeño
37
 ¡La universidad para todos!

Fórmulas de IC con un Factor de Corrección de una

Población Finita

I.C. para la Media (m) I.C. para la Media (m)

 N n s N n
X Z X t
n N 1 n N 1
I.C. para la Proporción ()

p(1  p) N n
I ( )  p  z
n N 1
38
 ¡La universidad para todos!
EJEMPLO: IC para la media con FCP
Hay 250 familias en Scandia,
Pennsylvania. Una muestra aleatoria
de 40 de estas familias revela que la
contribución anual media fue de
$450, y la desviación estándar, de
$75. ¿La media poblacional puede ser
$445 o $425.
1)¿Cual es la media de la
población?¿Cuál es el mejor
estimador de la media poblacional?
2)Analice la razón por la que se debe
emplear el factor de corrección para
una población finita.
3)Construya un intervalo de
confianza de 90% para la media de la
población?
4)Interprete el intervalo de confianza.
Solución:
N = 250, n = 40, s = $75.
1) No conoce la media poblacional,
que es el valor que quiere calcular.
El mejor estimador de la media
poblacional es la media de la
muestra, que es de $450.
2) Como n/N = 40/250 = 0,16, el FCP
debe ser usado.
3) La desviación estándar de la
población no es conocida por eso
se utiliza la distribución t (puede
usar la distribución z debido a que
n > 30).
s N n
Use la fórmula:
X t
n N 1
 ¡La universidad para todos!

EJEMPLO: IC para la media con FCP

s N n
X t
n N 1
$75 250  40 $75 250  40
 $450  t0 ,10 ,40 1  $450  1,685
40 250  1 40 250  1
 $450  $19,98 0 ,8434  $450  $18,35
  $431,65  $468,35
Es probable que la la media poblacional sea de más de $431.65 e inferior a $468.35.
En otras palabras, ¿la media de la población puede ser de $445? Sí, pero no es
probable que sea de $425. ¿Por qué? Por que el valor de $445 se encuentra dentro
del intervalo de confianza y $425 no pertenece al intervalo de confianza.
 ¡La universidad para todos!

Elección del tamaño adecuado de una

muestra
El tamaño adecuado de una muestra depende de tres factores:
1) El nivel de confianza deseado.
2) El margen de error que tolerará el investigador.
3) La variabilidad de la población que se estudia.

41
 ¡La universidad para todos!

Elección del tamaño adecuado de una

muestra
• Para encontrar el tamaño de la muestra:

tamaño reajustado :
 zs
2

n0    n
n0
 E  1
n0
N
Donde:
• E = el máximo error permitido.
• Z = el valor de z para el nivel de confianza deseado.
• S = es la desviación estándar de la muestra (para un
estudio piloto)

42
 ¡La universidad para todos!

Ejemplo
Un estudiante de administración pública desea determinar la
cantidad media que ganan al mes los miembros de los consejos
ciudadanos de las grandes ciudades. El error a calcular la media
debe ser inferior a $100, con un nivel de confianza del 95%. El
estudiante encontró un informe del Departamento del Trabajo en el
que la desviación estándar es de $1000. ¿Cuál es el tamaño de la
muestra que se requiere?
 Z S 
2
Solución:
n 
E, el máximo error admisible, es $100  E 
 1,96  $1000 
El valor de z para un nivel de confianza 2

de 95% es1,96.  
El estimador de la desviación estándar es  $100 
$1000.  (19,6) 2  384,16
 385
 ¡La universidad para todos!

Ejemplo
Un grupo consumidor desea estimar la media del
cargo de electricidad por familia en Julio con un error
de $5 usando un nivel de confianza de 99%. ¿La
desviación estándar es estimada de estudios similares
la cual es $20? ¿Qué tan grande debe ser la muestra?

Solución:
E  $5, S  $20, 1    99%
2 2
 z* s   2,58* 20 
n     107
 E   5 
 ¡La universidad para todos!

Tamaño de la muestra para

Proporciones
La fórmula para determinar el tamaño de la muestra en el
caso de una proporción es:
2
Z
n  p(1  p) 
E
Donde:
• p = es estimado de un estudio piloto o de alguna otra
fuente, si no fuera así puede ser usado 0,50.
• Z = el valor de z para el nivel de confianza deseado.
• E = el máximo error permitido.
 ¡La universidad para todos!

Ejemplo
El Club American Kennel desea estimar la proporción de
niños que tiene como mascota a un perro. Si el club desea
que el margen de error sea del 3% de la proporción de la
población ¿cuantos niños tendrán que contactar?
Se requiere un nivel de confianza del 95% y el club
estimó que el 30% de los niños tiene un perro como
mascota.
Solución:
p  30%; q  70%; Z 0,05 / 2  1,96
2
 1,96 
n  (0,30)(0,70)   897
 0,03 
 ¡La universidad para todos!

Ejemplo
Un estudiante desea estimar la
proporción de ciudades que
cuentan con recolectores de
basura privados. El estudiante
desea que el margen de error se
encuentre a 0,10 de la
proporción de la población, el
nivel de confianza deseado es
de 90%, y no se encuentra Solución:
disponible ningún estimador para p  0,5; q  0,5; Z 0,10 / 2  1,65
la proporción de la población. 2
 1,65 
¿Cuál es el tamaño de la n  (0,5)(1  0,5)   68,0625
muestra?  0,10 
n  69 ciudades.
 ¡La universidad para todos!

INTERVALO DE CONFIANZA PARA LA DIFERENCIA

DE MEDIAS POBLACIONALES (m1- m2)

TIPO DE ESPERANZA Y DISTRIBUCION INTERVALO DE CONFIANZA

PROBLEMA VARIANZA DE MUESTREO
I) MUESTRAS
TOMADAS DE DOS d   D 
d ~ N D,  d
2

Pd  Z / 2   d  m1  m2  d  Z / 2   d   1  
POBLACIONES 1 2
2 2

V d    1 2
2 2
NORMALES, 12 y 22 n1 n2 d2  
CONOCIDAS, n1 y n2 n1 n2
d  X1  X 2
CUALQUIER
TAMAÑO D  m1  m 2
d   D
II) MUESTRAS
TOMADAS DE DOS S1
2
S2
2 
d ~ N D, S d
2
 Pd  Z / 2  Sd  m1  m2  d  Z / 2  Sd   1  
POBLACIONES 12 y V d    2 2
n1 n2 S1 S
22 DESCONOCIDAS, Sd   2
2 2 2
S1 S
n1 y n2 GRANDES d  X1  X 2 n1 n2 Sd   2
n1 n2
D  m1  m 2
III) MUESTRAS d   D d D
TOMADAS DE DOS
n1  1.S12  n2  1.S 2 2
Sd
~ t n1  n2  2 gl
 
P d  t / 2  S p  m1  m2  d  t / 2  S p  1  
POBLACIONES V d   n  1.S12  n2  1.S 2 2
n1  n2  2  1
2
NORMALES, 12 y 22 Sd
n1  n2  2 t / 2 n1  n2  2 CON (n1+n2-2)
DESCONOCIDAS, n1 y d  X1  X 2 GRADOS DE
n2 PEQUEÑAS 2 1 1 
S p  S d   
2
D  m1  m 2 LIBERTAD
 12 =  2 2  n1 n2 
 ¡La universidad para todos!

INTERVALO DE CONFIANZA PARA LA DIFERENCIA

DE MEDIAS POBLACIONALES (m1- m2)

TIPO DE ESPERANZA Y DISTRIBUCION

INTERVALO DE CONFIANZA
PROBLEMA VARIANZA DE MUESTREO
IV) MUESTRAS dD Pd  t / 2  S d  m1  m2  d  t / 2  S d   1  
TOMADAS DE DOS d   D ~ t v ( gl )
Sd t / 2,v CON v GRADOS DE LIBERTAD
POBLACIONES
2 2 n1  n2
NORMALES, 12 y V d  
S1 S
 2 2 2 n1  n2
 22 n1 n2 S S n1  n2  n
Sd  1  2
S 
2
2
/ n1  S 2 / n2
2 2
DESCONOCIDAS, n1 n2 v  n1  n2  2
v 1
n1 y n2 PEQUEÑAS n1  n2  n
S 2
/ n1 S / n2
 2
 
2 2

2
v  2n  1
 
1
1 2 22
Sd
2 1 2
 S1  S 2
2
n1  1 n2  1
n

NOTA: I), II), III), IV) Las muestras son independientes

N1  n1 N 2  n2
Cuando la poblacion es finita y el muestreo es sin reemplazamiento hay que multiplicar las varianzas por y
N1  1 N2 1
y las desviaciones estandar por N 1  n1 y N 2  n2 factor de correcion por finitud.
N1  1 N2 1
 ¡La universidad para todos!

Ejemplo :
30 hombres y 50 Mujeres se presentaron a un examen para ocupar un
cargo: las mujeres obtienen una calificación promedio de 76 puntos
con una desviación estándar de 6, mientras que los hombres obtienen
una calificación promedio de 82 puntos con una desviación estándar
de 8. Halle un intervalo de confianza del 95% para la diferencia de
medias.
Solución:
n1 = 30, n2 = 50, x1 = 82, x2 = 76 y s 1 = 8, s2 = 6
Como n1, n2 > 30  s1 = 1 y s 2 = 2
82 6 2
Sd    2,13  0,72  2,978
Se aplica 30 50
Px1  x2  Z / 2  S d  m1  m2  x1  x2  Z / 2  Sd   1  

P82  76 1,96  2,978  m1  m2  82  76  1,96  2,978  1  

Remplazando datos se obtiene :P0,1631  m1  m2  11,8368   95%
 ¡La universidad para todos!

Ejemplo:

Los registros de los últimos 15 años muestran que la

precipitación fluvial promedio durante el mes de mayo es de
4,93 cm. con una desviación estándar 1,14 cm. en Perú, en
Chile la precipitación fluvial promedio fue de 2,64 con una
desviación estándar de 0,66 durante los 10 años pasados.
Encuentre un intervalo confidencial del 95% para la diferencia
verdadera de las precipitaciones fluviales promedio en estos
países, suponiendo que las muestras se han tomado de
poblaciones normales con varianzas diferentes.
Solución:
Perú: x1 = 4,93 s1 = 1,14 n1 = 15
Chile: x2 = 2,64 s2 = 0,66 n2 = 10
 ¡La universidad para todos!

Solución:
como : n1  n2
S12 S 2 2 1,14 2 0,66 2
Sd 2
     0,08664  0,04356  0,1302
n1 n2 15 10

Remplazando en la fórmula se tiene : g.l : v  n1  n2  2

Pd  t / 2  Sd  m1  m2  d  t / 2  Sd   1   t0,025(15102)  2,069

 
P 2,29  2,069  0,1302  m1  m2  2,29  2,069  0,1302  95%

P(1,54  m1 - m2  3,03) = 95 %

Significa que se tiene una confianza del 95% de que el intervalo

de 1,54 a 3,03 contenga el verdadero valor promedio de la
precipitación fluvial .
 ¡La universidad para todos!

CONCLUSIONES Y/O ACTIVIDADES DE

INVESTIGACIÓN SUGERIDAS

Leer archivo sobre intervalos de confianza:

https://www.bioestadistica.uma.es/baron/apuntes/fi
cheros/cap02.pdf
¡La universidad para todos!

¡Gracias!