Pregrado

SESIÓN 07:
Intervalo de confianza para la media de 1 y 2
muestras
 Ingeniería
Pregrado
Industrial

INTRODUCCIÓN

https://youtu.be/NXvPmFUzHlM
 Ingeniería
Pregrado
Industrial

INTRODUCCIÓN

https://www.menti.com/m9kzts4ec4
 Ingeniería
Pregrado
Industrial

LOGRO DE LA SESIÓN:

Al término de la sesión, el estudiante resuelve ejercicios de situaciones

reales aplicando los intervalos de confianza para la media con
información obtenida de una y dos muestras.
 Ingeniería
Pregrado
Industrial

INTRODUCCIÓN

98% de los lunch express → tiempo para servir entre 2.3 a 4.3 minutos.

Intervalo de confianza

con información histórica o muestras

nos permite

Sacar conclusiones poblacionales; es decir que a

partir de una muestra se pueda obtener una
conclusión grande y tratar de predecir lo que va
a pasar con un grado de confianza.
 Ingeniería
Pregrado
Industrial

Estimación de parámetros

ESTIMACIÓN
DE
PARÁMETROS
Definición Tipos
Es el proceso mediante el La estimación de un
cual se aproxima el valor parámetro puede
de un parámetro de la adoptar la forma de un
población, a partir de la punto (estimación
información de la puntual) o de un
muestra. intervalo (estimación
por intervalo).
 Ingeniería
Pregrado
Industrial

Estimación de parámetros
 Ingeniería
Pregrado
Industrial

Estimación de Parámetros para una Población: Media y Proporción

A. Estimación puntual
Consiste en usar un solo valor extraído de la muestra para estimar el parámetro desconocido de la población.
Ejemplo
La media de la población se puede estimar puntualmente mediante la media de la muestra ഥ𝑥 ~𝜇
La proporción de la población se puede estimar puntualmente mediante la proporción muestra p ~ P

La desviación típica de la población se puede estimar puntualmente mediante la desviación típica de la muestra 𝑠 ~ 𝜎

B. Estimación por intervalos

Rara vez las estimaciones puntuales son iguales a los parámetros que se estiman, razón por la cual es deseable dar
alguna libertad mediante la utilización de estimación por intervalo.

Una estimación por intervalo de un parámetro 𝜃 es un intervalo de la forma: a ≤ 𝜃 ≤ b

El intervalo a ≤ 𝜃 ≤ b determinado en relación con una muestra en particular, recibe el nombre de intervalo de
confianza 1−𝛼 100%, la fracción 1−𝛼 se conoce como coeficiente de confianza o grado de confianza y los extremos a y b
reciben el nombre de límites de confianza inferior y superior
 Ingeniería
Pregrado
Industrial

Estimación de Parámetros para una Población: Media y Proporción

Fórmulas para la Estimación puntual

PARÁMETRO ESTIMADOR
MEDIDA ESTADÍSTICA
(Valor obtenido de la población) (Valor obtenido de la muestra)

σ𝑁
𝑖−1 𝑋𝑖ሶ σ𝑛𝑖−1 𝑋𝑖ሶ
Media 𝜇= 𝜇ො = 𝑋ത =
𝑁 𝑛

𝑛 𝑛
෌𝑖−1(𝑋𝑖 ሶ − 𝜇) 2 1
Varianza 2
𝜎ො = 𝑆 =2 ത 2
෍(𝑋𝑖 ሶ − 𝑋)
𝜎2 = 𝑛−1
𝑁 𝑖−1

X x
Proporción P= 𝑝ො = 𝑝 =
𝑁 𝑛
 Ingeniería
Pregrado
Industrial

INTERVALO DE CONFIANZA (I.C.)

Se dice que un intervalo I = [L1 , L2 ] es un segmento de extremos cerrados con

nivel de confianza 1- α
P( L1    L2 ) = 1 − 
Donde:
θ ∶ Es un parámetro (Promedio o proporción)
 /2
L1 ∶ Límite inferior del IC 1−
L2 : Límite superior del IC
 /2
L1  L2

Los límites de un intervalo de confianza (IC) se calculan utilizando los estadísticos muestrales,
según sea el caso (promedio, proporción muestral, etc.)
 Ingeniería
Pregrado
Industrial

Intervalo de confianza para la media poblacional

Caso 1. Cuando n ≥ 30 y 𝝈𝟐 conocida Caso 2. Cuando n < 30 y σ2 desconocida

𝜎 σ s s
x − Z0 ≤ μ ≤ x + Z0 x − t0 ≤ μ ≤ x + t0
n n n n
Donde: el valor de Z0 se obtiene de la Donde: el valor de t0 se obtiene de la
tabla de la “Distribución Normal”: tabla “T-Student”:

Z0 = Z 1−
α t0 = t α
1− ;n−1
2 2
 Ingeniería
Pregrado
Industrial

Ejemplo 1
El fabricante de cierta marca de cigarrillos sostiene que sus cigarrillos
contienen en promedio 18 miligramos de nicotina por cigarrillo. Un
organismo de control examina una muestra de 100 cigarrillos. Utilizando
un nivel de confianza del 99%; ¿Puede el organismo concluir que el
fabricante subestima el contenido medio de nicotina de sus cigarrillos, si el
contenido medio de la muestra es de 19,2 miligramos con una desviación
estándar de 2 miligramos?
Solución 𝜇 = 18
𝑛 = 100
𝑥ҧ = 19.2
𝑆=2
1 − 𝛼 = 0.99 𝛼/2 = 0.005
 Ingeniería
Pregrado
Industrial

Solución
𝑃 𝑍 ≤ 𝑧1 = 0.005
 = 18 mg 𝑧1 = −2.57
n = 100  / 2 = 0.005
 / 2 = 0.005
X = 19.2 mg 1 −  = 0.99 𝑃 𝑍 ≤ 𝑧2 = 0.995
S = 2 mg 𝑧2 = 2.57
1 −  = 0.99
𝑧1
−2.57
18.686 0 𝑧2
2.57
19.714
Estimación Interválica del Contenido de Nicotina
al 99% de Confianza Se estima que el contenido medio de
nicotina por cigarrillo se encuentra
𝑆 2
𝐿1 = 𝑥ҧ − 𝑧0 = 19.2 − 2.57 = 18.686 entre el 18.686 mg y 19.714 mg al
𝑛 100 99% de confianza, por lo que
concluimos que el fabricante si
𝑆 2 subestimó el contenido medio de
𝐿2 = 𝑥ҧ + 𝑧0 = 19.2 + 2.57 = 19.714
𝑛 100 nicotina de sus cigarrillos.
 Ingeniería
Pregrado
Industrial

Ejemplo 2
Las cajas de un cereal producido en una fábrica, deben tener un contenido
de 16 onzas. Un inspector tomó una muestra que arrojó los siguientes
pesos en onzas:
15.7 15.7 16.3 15.8 16.1
15.9 16.2 15.9 15.8 15.7
Indicar si es razonable que el inspector, usando un
coeficiente de confianza de 95% ordene que se multe
al fabricante.
Solución
𝜇 = 16 𝑥ҧ = 15.91
𝑛 = 10 𝑆 = 0.218
1 − 𝛼 = 0.95
 Ingeniería
Pregrado
Industrial

Solución al 95% con la Tabla “T” Student:

Donde:
𝑛 = 10
t 0 = t  
= t 
Grados de libertad  1− , n −1   1−
0.05
,10 −1 
 2   2 
(n − 1) = 9
t( 0.975,9 ) = 2.262

0.975

1 −  = 0.95

 / 2 = 0.025
 / 2 = 0.025
 Ingeniería
Pregrado
Industrial

Datos del Problema

P ( X  t0 ) = 0.975
n = 10 t0 = 2.262
X = 15.910 oz
1 −  = 0.95
S = 0.218 oz  / 2 = 0.025 P( X  −t0 ) = 0.025
 / 2 = 0.025
1 −  = 0.95 − t0 = −2.262

15.754
−2.262 16.066
2.262
Estimación Interválica de los pesos en onzas de
cajas de cereal 95% de Confianza
𝑆 0.218 Se estima que el peso medio en
𝐿1 = 𝑥ҧ − 𝑡0 = 15.91 − 2.262 = 15.754 onzas de las cajas de cereal se
𝑛 10 encuentra entre el 15.754 oz y
16.066 oz al 95% de confianza, por
𝑆 0.218 lo que concluimos que el inspector
𝐿2 = 𝑥ҧ + 𝑡0 = 15.91 + 2.262 = 16.066
𝑛 10 no multará al fabricante.
 Ingeniería
Pregrado
Industrial

Intervalo de confianza para la diferencia de medias,

cuando n1 y n2 ≥ 30

𝜎12 𝜎22
IC μ1 − μ2 = x1 − x2 ∓ 𝑧1−,α +
2 𝑛1 𝑛2
 Ingeniería
Pregrado
Industrial

Intervalo de confianza para la diferencia de medias, cuando n1 y n2 < 30

CASO 1: Varianzas 𝑺𝟐𝟏 y 𝑺𝟐𝟐 desconocidas pero iguales (varianzas homogéneas)
𝑆2𝑝 = varianza ponderada
1 1
IC μ1 − μ2 = x1 − x2 ∓ t n α Sp2 + n1 − 1 S12 + n2 − 1 S22
1 +n2 −2, 2 n1 n2 Sp2 =
n1 + n2 − 2

CASO 2: Varianzas 𝑺𝟐𝟏 y 𝑺𝟐𝟐 desconocidas pero desiguales (varianzas heterogéneas).

: debe ser redondeo por aproximación simple.
2
𝑆12 𝑆22 S12 S22
+
IC 𝜇1 − 𝜇2 = 𝑥1 − 𝑥2 ∓ 𝑡𝜐,𝛼 + n1 n2
2 𝑛1 𝑛2 υ= 2 2
S12 S22
n1 n2
+
n1 − 1 n2 − 1
 Interpretación:
IC [ + , + ] , Parámetro 1 > Parámetro 2
Ingeniería
Intervalos de Confianza (IC) Pregrado IC [ - , + ] , Parámetro 1 = Parámetro 2
Industrial
IC [ - , - ] , Parámetro 1 < Parámetro 2

Para una muestra Para dos muestras

O dos grupos, comparar

IC para la media IC para la diferencia de

(𝜇) medias (𝜇1 − 𝜇2 )

Si n1 y n2 ≥ 30, Si n1 y n2 < 30,

Si n ≥ 30, usar “Z” usar “z” usar “t”

Si n < 30, usar “t”

“Prueba de Levene” (Homogeneidad de
varianzas)
De la muestra (n), Si: Sig. < α , Varianzas desiguales
Calculamos: promedio Si: Sig. ≥ α , Varianzas iguales (homogéneas)
Y desvest

De las muestras (n1 y n2),

Calculamos: promedio1, promedio 2, desvest1 y desvest2
 Interpretación: Ingeniería
IC [ + , + ] , Parámetro 1 > Parámetro 2 Pregrado
Industrial
IC [ - , + ] , Parámetro 1 = Parámetro 2
IC [ - , - ] , Parámetro 1 < Parámetro 2

Diferencias de medias poblacionales en un intervalo

𝐿1 𝐄𝐯𝐢𝐝𝐞𝐧𝐜𝐢𝐚 𝐈𝐧𝐭𝐞𝐫𝐩𝐫𝐞𝐭𝐚𝐜𝐢ó𝐧
𝐿2

+ μ1 − μ2 > 0 μ1 es mayor que μ2

+ +

0 μ1 − μ2 = 0 μ1 es igual que μ2
− +

−
μ1 − μ2 < 0 μ1 es menor que μ2
− −
 Ingeniería
Pregrado
Industrial

Link descarga MegaStat:

https://1drv.ms/u/s!AgVWyyM1B86JllRH_G3MZnzBp1la?e=VVBr2I
 Ingeniería
Pregrado
Industrial

Ejemplo 3
Una compañía está tratando de decidir cuál de los dos tipos de neumáticos va a comprar.
Es deseo del directorio de la compañía comprar los neumáticos de marca G a menos que
haya alguna evidencia de que la marca F resulte mejor.
Se hace un experimento en el que se utilizan 12 neumáticos de cada marca. Los resultados
obtenidos fueron:

Marca F : nF = 12; X F = 40000km; S F = 5000km

Marca G : nG = 12; X G = 39000km; S G = 3000km

Asumiendo varianzas desconocidas pero iguales, ¿Qué marca de

neumático decidirá la compañía?
 Ingeniería
Pregrado
Industrial

Estimación Interválica de la diferencia de medias al 95% de Confianza

(n1<30;n2<30)
Datos del Problema
nF = 12; nG = 12
Estamos asumiendo Varianzas
X F = 40000km; S F = 5000km Poblacionales iguales.
X G = 39000km; S G = 3000km

El estimador puntual S c2de la varianza común  2es:

𝑆2𝑝 = varianza ponderada

n1 − 1 S12 + n2 − 1 S22 12 − 1 ∙ 50002 + 12 − 1 ∙ 30002

Sp2 = = = 17000000
n1 + n2 − 2 12 + 12 − 2
 Ingeniería
Pregrado
Industrial

Encontrando el valor de t-student

Confianza 95%:

t0 = t(12+12− 2, 0.975) = 2.074

0.975

1 −  = 0.95
 / 2 = 0.025  / 2 = 0.025

−2.074 2.074
 Ingeniería
Pregrado
Industrial

Solución al 95% con la Tabla “t” Student:

Donde:

t0 = t( prob ,n1 + n2 − 2 ) = t(1−0.025,12+12− 2 )

t( 0.975, 22 ) = 2.074

2.074
 Ingeniería
Pregrado
Industrial

Sp2 Sp2
IC μ1 − μ2 = x1 − x2 ∓ t n α +
1 +n2 −2, 2 n1 n2

Estimación Interválica de la diferencia de medias al 95% de Confianza

17000000 17000000
𝐿1 = 40000 − 39000 − 2.074 + = −2491.062
12 12
[−2491.062 ; 4491.062 ]
17000000 17000000
𝐿2 = 40000 − 39000 + 2.074 + = 4491.062
12 12

Observamos que el intervalo incluye al cero, lo cual

nF = 12; nG = 12
X F = 40000km; S F = 5000km
X G = 39000km; S G = 3000km
nos indica que no hay evidencia de que la marca F
resulte mejor, pues 1 =  2 .
Luego la compañía posiblemente decida comprar los
neumáticos de la marca G.
 Ingeniería
Pregrado
Industrial

Ejemplo 4:
El jefe de planta de una fábrica desea hacer un estudio comparativo de la eficacia
de dos métodos de trabajo en la reducción del tiempo de ensamblaje.
Para ello tomó el tiempo en minutos empleado en ensamblar 40 piezas con el
método A y 40 piezas ensambladas con el método B. Los datos recogidos se
presentan en la siguiente tabla:

𝑀é𝑡𝑜𝑑𝑜 𝐴: 𝑋𝐴 = 4.84; 𝑆𝐴2 = 4.973

𝑀é𝑡𝑜𝑑𝑜 𝐵: 𝑋𝐵 = 5.40; 𝑆𝐵2 = 5.00

Con un nivel de confianza del 95%, ¿cuál método de trabajo

será más eficaz en la reducción del tiempo de ensamblaje?
 Ingeniería
Pregrado
Industrial
Solución al 95%:
n A = 40; nB = 40
X A = 4.84; S A2 = 4.973 𝑃(𝑍 ≤ 𝑧0 ) = 0.975
X B = 5.40; S B2 = 5.00 𝑧0 = 1.96

1 −  = 0.95
 / 2 = 0.025
 / 2 = 0.025
−1.96 1.96
 Ingeniería
Pregrado
Industrial

𝜎12 𝜎22
IC μ1 − μ2 = x1 − x2 ∓ 𝑧1−α +
2 𝑛1 𝑛2

Estimación Interválica de la diferencia de medias al 95% de Confianza

(n1≥30; n2≥30)
4.973 5.00
𝐿1 = 4.84 − 5.40 − 1.96 + = −1.539
40 40
[−1.539 ; 0.419 ]
4.973 5.00 μ1 = μ2
𝐿2 = 4.84 − 5.40 + 1.96 + = 0.419
40 40

n A = 40; nB = 40 Como el intervalo incluye al cero, entonces para este

nivel de confianza, no puede concluirse la existencia de
X A = 4.84; S A2 = 4.973 una diferencia entre los promedios poblacionales. En
X B = 5.40; S B2 = 5.00 consecuencia los dos métodos son iguales y eficaces.
 Ingeniería
Pregrado
Industrial

Ejemplo 5
Cierto metal se produce, por lo común mediante un proceso estándar. Se desarrolla un nuevo
proceso en el que se añade una aleación a la producción del metal. Los fabricantes se
encuentran interesados en estimar la verdadera diferencia entre las tensiones de ruptura de
los metales producidos por los dos procesos. Para cada metal se seleccionan 12 ejemplares y
cada uno de éstos se somete a una tensión hasta que se rompe.
La siguiente tabla muestra las tensiones de ruptura de los ejemplares, en kilogramos por
centímetro cuadrado:

Proceso estándar 446 401 476 421 459 438 481 411 456 427 459 445
Proceso nuevo 462 448 435 465 429 472 453 459 427 468 452 447
Si se supone que el muestreo se llevó a cabo sobre dos distribuciones normales e
independientes, obtener los intervalos de confianza estimados del 95% para la diferencia
entre los dos procesos. Interprete los resultados. Asumir varianzas desconocidas pero
diferentes.
 Ingeniería
Pregrado
Industrial
A un nivel de confianza del 95%
2
Proceso Estándar: S12 S22 24.822 14.942
2
+ +
𝑥ҧ1 = 443.33 n1 n2 12 12
υ= 2 2
= 2 2
= 18.05
𝑆1 = 24.82 S12 S22 24.822 14.942
n1 n2 12 12
𝑛1 = 12 +
+ 11 11
n1 − 1 n2 − 1

Proceso Nuevo:
𝑥ҧ2 = 451.42
𝑆2 = 14.94
𝑛2 = 12

−2.074 2.074
 Ingeniería
Pregrado
Industrial
A un nivel de confianza del 95%

Proceso Estándar: 𝑆12 𝑆22

IC 𝜇1 − 𝜇2 = 𝑥1 − 𝑥2 ∓ 𝑡𝜐,𝛼 +
𝑥ҧ1 = 443.33 2 𝑛1 𝑛2
𝑆1 = 24.82
𝑛1 = 12
24.822 14.942
𝐿1 = 443.33 − 451.42 − 2.074 + = −25.43
12 12
Proceso Nuevo: [−25.43 ; 9.25 ]
𝑥ҧ2 = 451.42 24.822 14.942
𝐿2 = 443.33 − 451.42 + 2.074 + = 9.25
𝑆2 = 14.94 12 12
μ1 = μ2
𝑛2 = 12

Las tensiones de ruptura de los metales en

ambos procesos son iguales
 Ingeniería
Pregrado
Industrial

Recordamos nuestro logro de aprendizaje...!!

Al término de la sesión, el estudiante resuelve ejercicios de situaciones

reales aplicando los intervalos de confianza para la media con información
obtenida de una y dos muestras.

Te invito a reflexionar.
¿Lo lograste?

Estoy seguro que sí..!!

 Ingeniería
Pregrado
Industrial
 Ingeniería
Pregrado
Industrial
SOLUCION:
 Ingeniería
Pregrado
Industrial

Con un NC del 99% la verdadera diferencia entre las tensiones de

ruptura de los metales producidos por los dos procesos es la misma