1

Contenido
Unidad 5: Estimación por Intervalos y Pruebas de Hipótesis ............................................................. 4
5.1.- Introducción: ........................................................................................................................... 4
5.2 Actividades Guiadas (Catédra) .................................................................................................. 5
5.2.1 Actividad guiada 1 .............................................................................................................. 5
5.2.2 Actividad guiada 2 .............................................................................................................. 6
5.2.3 Actividad guiada 3 .............................................................................................................. 8
5.2.4 Actividad guiada 4 .............................................................................................................. 9
5.2.5 Actividad guiada 5 ............................................................................................................ 11
5.2.6 Actividad guiada 6 ............................................................................................................ 11
5.3 Estimación por intervalos de confianza y Contraste de hipótesis .......................................... 13
5.3.1 Conceptos (Responsabilidad del Estudiante) ....................................................................... 13
5.3.2 Intervalos de confianza y pruebas de hipótesis para la media  de una población .......... 15
Caso 5.3.2.1: Población distribuida Normal con parámetros  y  2 ...................................... 16

Caso 5.3.2.1.1:  desconocida y  2 conocida.......................................................................... 16

Caso 5.3.2.1.2: Tanto  como  2 desconocidas y tamaño de muestra pequeño ................... 19

Caso 5.3.2.1.3: Tanto  como  2 desconocidas y tamaño de muestra grande ...................... 20

Caso 5.3.2.2: Población No distribuida Normal en que los parámetros  y  2 existen. ............ 20

Caso 5.3.2.2.1:  desconocida y  2 conocida, bajo el supuesto de aplicación del teorema del
límite central: ............................................................................................................................ 20
Caso 5.3.2.2.2: Tanto  como  2 desconocidas, bajo el supuesto de aplicación del teorema
del límite central: ...................................................................................................................... 20
5.3.3 Contraste de hipótesis para la media  de una población ................................................ 21
Caso 5.3.3.1: Población distribuida Normal con parámetros  y  2 .......................................... 21

Caso 5.3.3.1.1:  2 varianza de la población conocida ............................................................. 21

Caso 5.3.3.1.2:  2 varianza poblacional desconocida, n pequeño ........................................... 22
Caso 5.3.3.1.3:  2 varianza poblacional desconocida, n grande .............................................. 22
Caso 5.3.3.2: Población No distribuida Normal en que los parámetros  y  2 existen. ............ 23
5.3.4 Actividades Propuestas (Ayudantía) .................................................................................... 23
Actividad 5.3.4.1 ........................................................................................................................ 23
Actividad 5.3.4.2 ........................................................................................................................ 23
Actividad 5.3.4.3 ........................................................................................................................ 23
Actividad 5.3.4.4 ........................................................................................................................ 24

2
5.4 Intervalos de confianza y pruebas de hipótesis para la diferencia de medias en dos
poblaciones  X − Y ................................................................................................................... 24
5.4.1: Actividades Guiadas (Catédra) ............................................................................................ 25
Actividad 5.4.1.1 ........................................................................................................................ 25
Actividad 5.4.1.2 ........................................................................................................................ 26
Actividad 5.4.1.3 ........................................................................................................................ 28
5.4.2: Intervalo de Confianza para  X − Y ............................................................................... 30

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y conocidas ........................ 30

2 2
5.4.2.1: Caso X

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y desconocidas ...................... 31

2 2
5.4.2.2: Caso X

 X2 y  Y2 desconocidas pero iguales. ........................................................................ 31

 X2 y  Y2 desconocidas pero distintas. ...................................................................... 31
5.4.3: Pruebas de hipótesis para  X − Y ................................................................................... 32

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y conocidas ........................ 32

2 2
5.4.3.1: Caso X

 X2 y  Y2 desconocidas pero iguales. ........................................................................ 32

 X2 y  Y2 desconocidas pero distintas. ...................................................................... 32
5.4.4 Actividades propuestas (Ayudantía) .................................................................................... 33
Actividad 5.4.4.1 ........................................................................................................................ 33
Actividad 5.4.4.2 ........................................................................................................................ 33
Actividad 5.4.4.3 ........................................................................................................................ 33
Actividad 5.4.4.4 ........................................................................................................................ 33
Actividad 5.4.4.5 ........................................................................................................................ 34

3
Unidad 5: Estimación por Intervalos y Pruebas de Hipótesis
5.1.- Introducción:

 

4
  =X

  =S

x
P
P= p=
n

k  k = mk

5.2 Actividades Guiadas (Catédra)

5.2.1 Actividad guiada 1

X N (100; 225)

X
X

(3.75 = 225 60 =  n )
2
X N (100; 3.75)

5
 1,96 X 1,96 X

 − 1,96 X
  + 1.96 X X

 − 1.96 X = 100 − 1.96(1,9365) = 96, 20

 + 1.96 X = 100 + 1.96(1,9365) = 103.80

P(96, 20  X  103,80) = P(−1,96  Z  1.96) = FZ (1,96) − Fz (−1,96)

5.2.2 Actividad guiada 2

X N (  ; 1)
X
X N (  ; 0, 0278 )
X 

 :  X  z0  

 n

6
 1-α

 
2 2
Z
− z0 0 z0

1− 1−
2

1−  : ( 3  1, 64(0,1667) ) ➔  : ( 2, 73; 3, 27 )

1−  : ( 3  1,96(0,1667) ) ➔  : ( 2, 67; 3,33)

1−  : ( 3  2,58(0,1667) ) ➔  : ( 2,57; 3, 43)

0,99
0,95
0,90

2,57 2,67 2,73 3,27 3,33 3,43

z0 
n

7
 z0 
n

2.33(1)
= n ➔ 
0, 4

5.2.3 Actividad guiada 3

X f( )
X
X (
N ; 
2

40 )  

 :  X  z0 S 

 n

S
n
z0 S
n

X − z0 S
n
X + z0 S
n

8
  : (13,9; 16, 7 )


d = z0  2 = 1,96  5 

n  n

5.2.4 Actividad guiada 4

X  59,75

 = 63,80

9
 X N (  ; 156, 25)
 = 0, 03
H0 :  = 50,3 v/s H1  50,3

X − 58,5 − 50,3
Z= Z= = 2, 07
 3,953
n

RC = Z / Z  z0 
RC = Z / Z  −1,88

X
RC = Z / Z  z0 
RC = Z / Z  1, 64
X − 50,3
 1,64 X  56,78
3,953
X  56,78
X = 58,5


 59, 75 − 50,3 
( )
 = P X  59, 75 /  = 50,3 = P  Z 
 3,953 
= P ( Z  2,39 ) = 0, 008424




10
  59, 75 − 63,80 
( )
 = P X  59, 75 /  = 65,87 = P  Z 
 3,953  = P( Z  −1.02) = 0,153864


50,3 59,75 63,8

5.2.5 Actividad guiada 5

5.2.6 Actividad guiada 6

11
 𝑅𝐶 = {(𝑥1 , 𝑥2 , . . . , 𝑥27 )/ 𝑥 > 5,36 }
𝜇 = 5,57.

𝑋~𝑁(4,6; 𝜎 2 )

H 0 :  = 4, 6
H1 :   4, 6

𝛼 = 0,01
𝜇̂ = 𝑋 𝑋~𝑁 𝜎 2 /27)
𝑋~𝑁(4,6; 𝜎 2 ) 2
X − 0 5,2−4,6
t= 𝑡= 1,6 = 1,9486
S √27
n

RC = t(26) / t(26)  2, 4786



P(t(26)  1,9486)

 
 5,36 − 5,57 
( )
 = P ( No rechazar H 0 / H 0 falso ) = P X  5,36 /  = 5,57 = P  t(26) 
1, 6  = P ( t(26)  −0, 682 )  0, 25
 
 27 

12
5.3 Estimación por intervalos de confianza y Contraste de hipótesis

5.3.1 Conceptos (Responsabilidad del Estudiante)

d = d ( ; )

d = d ( ; )

d = d ( ; )


d = d ( ; )
1−

a b P(a    b) = 1 − 
a b
1−

 : (a ; b)
a b
 a  b

13

=
  ( )

 ( )

P( ) = 1 −  ( ) P( )
P( )
P( )

 0

H 0 :  = 0 H 0 :  = 0 H 0 :  = 0
H1 :    0 H1 :    0 H1 :    0

14
 H 0 :  = 0 H 0 :  = 0
H 0 :  = 0
H1 :  = 1 H1 :  = 1
H1 :    0
con 1  0 con 1  0

d = d ( ; 0 )

5.3.2 Intervalos de confianza y pruebas de hipótesis para la media  de una

población

 =X

15
 ESQUEMA PARA APLICAR LA DISTRIBUCIÓN MUESTRAL DE X
X −
Z= (Caso 1.1)

n

ido
oc
(Caso 1) X −

n
t= (Caso 1.2)

co
 S
N (;  ) N (; 
2 y sea ( X 1 , , X n ) m.a 2  desconocido
Sea X X ) n
n X −
Z= (Caso 1.3)
S
(Caso 2) y sea ( X 1 , , X n ) m.a n
Sea X f( ) (Caso 4)
n  30 para TLC
en que  y  2 existen

Caso 5.3.2.1: Población distribuida Normal con parámetros  y  2

X N ( ;  2 )

X −
Z= N (0; 1) 2

n

X −
t= t( n−1) 2
S
n

X −
Z= N (0; 1) 2
S
n

Caso 5.3.2.1.1:  desconocida y  2 conocida

X −
Z=

n
1− a b  : ( a; b )
− z0 z0 P(− z0  Z  z0 ) = 1 − 

16
  
 X −
P  − z0   z0  = 1 − 
  
 n 


P  − z0   X −   z0   = 1−

 n n

1−
1−
z0 
n
z0  X
n
 1−

P ( X − z0     X + z0  ) = 1−
n n

a = X − z0  b X + z0 
n n
1−  :  X − z0  ; X + z0  

 n n

X − z0     X + z0 
n n
100(1 −  )%

z0  X 
n
100(1 −  )%
 ,
n

z0  =d
n

z
2

n= 0  Para determinar tamaño de la muestra

 d 

z0  =d d n
z0 =   Para determinar nivel de confianza
n   

d n
 =   Para determinar la desviación estándar
 z0 

17
 N (100; 225 )

100 intervalos de confianzas del 95% para la media

110

108

106

104

102

100

98

96

94

92

90
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99

Media real L inf. L sup.

Media 100.5 104.6 98.7 100.5 100.2 98.5 102.7 97.5 102.1 100.8 100.2 99.1 102.1 99.2 100.8 103.5 100.4 99.4 104.1 101.7
L inf. 96.7 100.8 94.9 96.7 96.4 94.7 98.9 93.7 98.3 97 96.4 95.3 98.3 95.4 97 99.7 96.6 95.6 100.3 97.9
L sup. 104.3 108.4 102.5 104.3 104 102.3 106.5 101.3 105.9 104.6 104 102.9 105.9 103 104.6 107.3 104.2 103.2 107.9 105.5
Contiene 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1

Media 97.6 100 100.9 98.9 99 101.1 99.9 99.4 101.8 97.9 100.5 99.5 95.6 101.4 100.6 97.5 102.3 99.6 99.5 100.2
L inf. 93.8 96.2 97.1 95.1 95.2 97.3 96.1 95.6 98 94.1 96.7 95.7 91.8 97.6 96.8 93.7 98.5 95.8 95.7 96.4
L sup. 101.4 103.8 104.7 102.7 102.8 104.9 103.7 103.2 105.6 101.7 104.3 103.3 99.4 105.2 104.4 101.3 106.1 103.4 103.3 104
Contiene 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1

Media 98.4 98.4 99.9 100.7 99.1 101.7 101.1 102 98.1 100.4 98.6 99.4 98.7 98.3 97.5 99.7 97.8 98.9 98.7 97.5
L inf. 94.6 94.6 96.1 96.9 95.3 97.9 97.3 98.2 94.3 96.6 94.8 95.6 94.9 94.5 93.7 95.9 94 95.1 94.9 93.7
L sup. 102.2 102.2 103.7 104.5 102.9 105.5 104.9 105.8 101.9 104.2 102.4 103.2 102.5 102.1 101.3 103.5 101.6 102.7 102.5 101.3
Contiene 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Media 100.1 99.7 100.2 101 99.4 97.1 95.9 99.7 97.9 103.3 97.5 100.3 99.8 96.8 101.3 102.1 102 97.8 99.1 98.6
L inf. 96.3 95.9 96.4 97.2 95.6 93.3 92.1 95.9 94.1 99.5 93.7 96.5 96 93 97.5 98.3 98.2 94 95.3 94.8
L sup. 103.9 103.5 104 104.8 103.2 100.9 99.7 103.5 101.7 107.1 101.3 104.1 103.6 100.6 105.1 105.9 105.8 101.6 102.9 102.4
Contiene 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1

Media 96.7 99.3 97.5 103.6 100.1 99.3 99.2 97.1 102.6 103.9 97.9 101.5 102.8 99.2 101.4 99.7 100.8 101.1 96.5 102.5
L inf. 92.9 95.5 93.7 99.8 96.3 95.5 95.4 93.3 98.8 100.1 94.1 97.7 99 95.4 97.6 95.9 97 97.3 92.7 98.7
L sup. 100.5 103.1 101.3 107.4 103.9 103.1 103 100.9 106.4 107.7 101.7 105.3 106.6 103 105.2 103.5 104.6 104.9 100.3 106.3
Contiene 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1

18
Caso 5.3.2.1.2: Tanto  como  2 desconocidas y tamaño de muestra pequeño
X −
t=
S
n

1− a b  : ( a; b )
−t 0 t0 P(−t0  t( n−1)  t0 ) = 1 − 

 
 X −
P  −t0   t0  = 1 − 
 S 
 n 


P  −t0 S  X −   t0 S  = 1− 

 n n

1−
t0 S
n

a = X − t0 S  b X + t0 S
n n
1−  :  X − t0 S ; X + t0 S 

 n n 

X − t0 S    X + t0 S
n n
100(1 −  )% t0 S
n
X  100(1 −  )%

19
Caso 5.3.2.1.3: Tanto  como  2 desconocidas y tamaño de muestra grande
X −
Z=
S
n
100(1 −  )% 

 :  X − z0 S ; X + z0 S 

 n n

Caso 5.3.2.2: Población No distribuida Normal en que los parámetros  y 2

existen.

Caso 5.3.2.2.1:  desconocida y  2 conocida, bajo el supuesto de aplicación del teorema

del límite central:
X −
Z=

n

1−  :  X − z0  ; X + z0  

 n n

z0  X
n
 1−
Caso 5.3.2.2.2: Tanto  como  2 desconocidas, bajo el supuesto de aplicación del teorema
del límite central:
X −
≥ Z=
S
n

1−  :  X − z0 S ; X + z0 S 

 n n

z0 S X
n
 100(1 −  )%

20
5.3.3 Contraste de hipótesis para la media  de una población

H 0 :  = 0 H 0 :  = 0 H 0 :  = 0
H1 :    0 H1 :    0 H1 :    0

o

Caso 5.3.3.1: Población distribuida Normal con parámetros  y 2

Caso 5.3.3.1.1:  2 varianza de la población conocida
X

X − 0
Z= N (0; 1)

n

pvalue = P ( Z  zc ) H1 :   0

pvalue = P ( Z  zc ) H1 :   0

pvalue = 2 P ( Z  zc ) H1 :   0

zc




H1 :   0 RC = Z / Z  z0  z0 P ( Z  z0 ) = 
H1 :   0 RC = Z / Z  z0  z0 P ( Z  z0 ) = 

H1 :   0 RC = Z / Z  − z0  Z  z0  z0 P ( Z  z0 ) =
2

21
 zc  RC zc

Caso 5.3.3.1.2:  2 varianza poblacional desconocida, n pequeño

X

X −
t= t( n−1)
S
n

pvalue = P ( t( n −1)  tc ) H1 :   0

pvalue = P ( t( n −1)  tc ) H1 :   0

pvalue = 2 P ( t( n−1)  tc ) H1 :   0

tc




H1 :   0 RC = t( n−1) / t( n−1)  t0  t0 P(t( n−1)  t0 ) = 

H1 :   0 RC = t( n−1) / t( n−1)  t0  t0 P(t( n−1)  t0 ) = 
H1 :   0 RC = t( n−1) / t( n−1)  −t0  t( n−1)  t0  t0

P(t( n−1)  t0 ) =
2
tc  RC tc

Caso 5.3.3.1.3:  2 varianza poblacional desconocida, n grande

X

22
 X − 0
Z= N (0; 1)
S
n

Caso 5.3.3.2: Población No distribuida Normal en que los parámetros  y 2

existen.

5.3.4 Actividades Propuestas (Ayudantía)

Actividad 5.3.4.1

Actividad 5.3.4.2

Actividad 5.3.4.3

23
Actividad 5.3.4.4

5.4 Intervalos de confianza y pruebas de hipótesis para la diferencia de medias en

dos poblaciones  X − Y

 X − Y

 X − Y

 0   X   y

 X − Y : = 0   X =  y
 0    
 X y

 X − Y X −Y

( X1, , Xn) X N (  X ;  X2 )

N  X ;
 2

X 
X
 n 
(Y1 , , Ym ) Y N ( Y ;  Y2 )

Y
 2 
N  Y ; Y 
 m

24
  2 2 
X −Y N   X − Y ; X + Y 
 n m

X − Y − (  X − Y )
 X2  Y2 Z= N ( 0; 1)
 X2  Y2
+
n m
 
 a − (  X − Y ) 
( )
P X −Y  a = P Z 
  X2  Y2 
 + 
 n m 

5.4.1: Actividades Guiadas (Catédra)

Actividad 5.4.1.1

X N (  X ; 48) Y N (Y ; 56)

  X2  Y2   48 56 
 X − Y  X − Y  z0 +  ➔  X − Y  32 − 25  1, 64 + 

 n m 
  45 60 

 X − Y 9,32)

 X − Y

25
  X − Y ≥ ➔  X  4, 68 + Y

 X − Y ≤ ➔  X  9,32 + Y

48 56
X − Y difiere de  X − Y 1, 64 + = 2,32 UM
45 60
Actividad 5.4.1.2

X N (  X ;  X2 ) Y N ( Y ;  Y2 )

26
 2
S p2

(n − 1) S X2 + (m − 1) SY2 14(1, 5) + 24(1,8)

S p2 = = = 1, 6895 ➔ SP=1,3
n+m−2 15 + 25 − 2
El valor t0 debemos verlo en la tabla t-Student con probabilidad 0,995 y 38 grados de libertad

 1 1  1 1 
De  X − Y  X − Y  t0 S p +  ➔  X − Y 17 − 19  2,5886(1,3) + 
 n m   15 25 

Así  X − Y ( −3,1; − 0,9 ) , con un 99% de confianza la verdadera diferencia entre los tiempos
promedios en atender un pedido entre empleados de la pizzería A y empleados de la pizzería B se
encontrará entre -3,1 y -0,9 minutos. Además, como el límite superior es -0,9 < 0 podemos ver que
 X − Y concluyendo que con un 99% de confianza los empleados de la pizzería A demoran menos
que los empleados de la pizzería B en atender el pedido.

 X2  Y2
 X2 = S X2  Y2 = SY2

 S X2 SY2 
 X − Y  X − Y  t0 + 
 n m 
 
Para de valor de t0 empleamos la tabla t-Student con probabilidad 0.995 y con los grados de libertad
según:

2
 S X2 SY2   1,5 1,8 
2

 +   + 
=  n m
− 2 ➔ v =  15 25 
− 2 = 33,886  34
2 2 2 2
 S X2   SY2   1,5   1,8 
       
 n  + m   15  +  25 
n +1 m +1 16 26

Para 34 g de l y una probabilidad de 0,995, t0 = 2,7284 y

 S X2 SY2 
 X − Y  X − Y  t0 +  ➔  X − Y -0,86)
 n m 


27
con un 99% de confianza la verdadera diferencia entre los tiempos promedios en atender un pedido
entre empleados de la pizzería A y empleados de la pizzería B se encontrará entre -3,13 y -0,86
minutos. Además, como el límite superior es -0,86 < 0 podemos ver que  X − Y
concluyendo con un 99% de confianza que los empleados de la pizzería A demoran menos que los
empleados de la pizzería B en atender el pedido.

Actividad 5.4.1.3

Cámara 1 Cámara 2
Media 8,00778 Media 7,60875
Mediana 7,99 Mediana 7,64
Moda 8,16 Moda 7,58
Desviación estándar 0,10299 Desviación estándar 0,08389
Varianza de la muestra 0,01061 Varianza de la muestra 0,00704
Mínimo 7,82 Mínimo 7,4
Máximo 8,16 Máximo 7,71
Cuenta 48 Cuenta 56

𝑥̅

X f( ) Y g( )  X , Y ,  X2 y  Y2

X −Y

28
 X
Y

 2 2 
X −Y N   X − Y ; X + Y 
 n m
H 0 :  X − Y = 0 v / s H 0 :  X − Y  0


X − Y − (  X − Y )
t= t( n + m − 2 )
1 1
SP +
n m

(n − 1) S X2 + (m − 1) SY2 47(0, 01061) + 55(0, 00704)

S p2 = = = 0, 008685
n+m−2 48 + 56 − 2
SP = 0,0932
8, 00778 − 7, 60875
Bajo H0  X − Y t= = 21, 766
1 1
0, 0932 +
48 56


RC = t(102) / t  −t0  t  t0 
 
RC = t(102) / t  −2, 6249  t  2, 6249 

H 0 : Y = 7,59 v / s H1 : Y  7,59

29
  Y2

Y − Y 7, 60875 − 7,59
Z= = = 1, 67
SY 0, 08389
m 56


RC = Z / Z  z0 

RC = Z / Z  1, 64

X
 = P( No rechazar H 0 / H 0 falso)  X2

 
 7,90 − 7,92 
(
 = P X  7,90 /  = 7,92 = P  Z 
0,10299 )  = P ( Z  −1,35 )
 
 48 

5.4.2: Intervalo de Confianza para  X − Y

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y2 conocidas
2
5.4.2.1: Caso X
XeY
X − Y − (  X − Y )
Z=
 X2  Y2
+
n m
100(1 −  )%  X − Y

  X2  Y2 
 X − Y  X − Y  z0 + 
 n m 
 

 X2  Y2
X − Y − z0 +  0 entonces  X − Y  X  Y
n m

30
  X2  Y2
X − Y + z0 +  0 entonces  X − Y  X  Y
n m

 X = Y

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y2 desconocidas
2
5.4.2.2: Caso X
 X2 y  Y2 son desconocidas deberemos tener cuenta dos situaciones

 X2 y  Y2 desconocidas pero iguales.

En esta situación, como primer paso debemos determinar el estimador de la varianza común, siendo
(n − 1) S X2 + (m − 1) SY2
este conocido como varianza ponderada y calculado como S p2 = y la
n+m−2
X − Y − (  X − Y )
cantidad pivote es dada por t = t( n + m − 2) , luego dado un nivel de confianza del
1 1
Sp +
n m
100(1 −  )%  X − Y

 1 1
 X − Y  X − Y  t0 S p + 
 n m 

 X2 y  Y2 desconocidas pero distintas.

En esta situación, el estimador de  X es S X y el estimador de  Y es SY y la cantidad pivote en
2 2 2 2

X − Y − (  X − Y )
este caso es t = t( v ) donde los grados de libertad son calculados como:
S X2 SY2
+
n m

  S 2 S 2 2
  X + Y
  n m
− 2 si n  m
 2 2 2 2

 SX   SY 
 =  n   m 
  + 

 n +1 m +1


 2(n − 1) si n = m

100(1 −  )%
 X − Y

31
  S X2 SY2 
 X − Y  X − Y  t0 + 
 n m 
 

5.4.3: Pruebas de hipótesis para  X − Y

H 0 :  X − Y = 0 H 0 :  X − Y = 0 H 0 :  X − Y = 0
H1 :  X − Y  0 H1 :  X − Y  0 H1 :  X − Y  0

N (  X ;  X2 ) y Y N ( Y ;  Y2 ) con  X y  Y2 conocidas
2
5.4.3.1: Caso X
XeY
X − Y − (  X − Y )
Z= α
 X2  Y2
+
n m

X N (  X ;  X2 ) Y N ( Y ;  Y2 )  X2 y  Y2 desconocidas

 X2 y  Y2 son desconocidas deberemos tener cuenta dos situaciones

 X2 y  Y2 desconocidas pero iguales.

En esta situación, como primer paso debemos determinar el estimador de la varianza común, siendo
(n − 1) S X2 + (m − 1) SY2
este conocido como varianza ponderada y calculado como S p2 = y la el
n+m−2
X − Y − (  X − Y )
estadístico de prueba es dada por t = t( n + m − 2 ) .
1 1
Sp +
n m

 X2 y  Y2 desconocidas pero distintas.

En esta situación, el estimador de  X es S X y el estimador de  Y es SY y el estadístico de prueba
2 2 2 2

X − Y − (  X − Y )
es t = t( v ) con los grados de libertad dado en
S X2 SY2
+
n m
α

32
5.4.4 Actividades propuestas (Ayudantía)
Actividad 5.4.4.1

Actividad 5.4.4.2

Actividad 5.4.4.3

Actividad 5.4.4.4

33
 𝛼 = 0,01

Actividad 5.4.4.5

34