Ejemplo:

Para una muestra aleatoria de 321 fumadores, el número medio de horas de absentismo labo
de 3,01 y la desviación típica muestral fue de 1,09 horas al mes. Para una muestra aleatoria ind
94 trabajadores que nunca han fumado, el número medio de horas fue de 2,88 y la desviación
fue de 1,01 horas al mes. Calcular un intervalo de confianza del 95% para la diferencia entre
poblacionales

n1 321 n2 94
𝑧_(𝛼/2) √((𝜎_1^2)/𝑛_1 +(𝜎_2^2)/𝑛
χ1 3.01 χ2 2.88
σ1 1.09 σ2 1.01
α 0.05
𝛼/2 0.025 (𝑥_1−𝑥_2 )−𝑧_(𝛼/2) √((𝜎_1^2)/𝑛_1 +(𝜎_2^2)/𝑛_2 )<𝜇_1−𝜇_2<(𝑥_1−𝑥_2 )
𝑍_(𝛼/
2) -1.95996398
1.95996398
-0.10644489 0.36644489
as de absentismo laboral al mes fue
muestra aleatoria independiente de
e 2,88 y la desviación típica muestral
ra la diferencia entre las dos medias

_1^2)/𝑛_1 +(𝜎_2^2)/𝑛_2 )
0.23644489

<𝜇_1−𝜇_2<(𝑥_1−𝑥_2 )+𝑧_(𝛼/2) √((𝜎_1^2)/𝑛_1 +(𝜎_2^2)/𝑛_2 )

 Ejemplo:
En un estudio sobre los efectos de la planificación en el rendimiento financiero de lo
extrajo una muestra aleatoria de seis instituciones financieras que contaban con u
planificación formal, y se comprobó que el porcentaje medio anual de crecimiento de los i
en dicha muestra era de 9,972 con una desviación típica de 7,470. La media de dicho c
otra muestra aleatoria independiente de nueve bancos que no recurrían a la planificación
con una desviación típica de 10,834. Suponiendo que las dos poblaciones son normal
misma varianza, calcular un intervalo de confianza del 90% para la diferencia de medias

(𝑥_1−𝑥_2 )−𝑡_(𝛼/2) √(𝑠^2/𝑛_1 +𝑠^2/𝑛_2 )<𝜇_1

n1 6 n2 9
(n1-1) 5 (n2-1) 8
n1+n2-2 13
χ1 9.972 χ2 2.098
s1 7.47 s2 10.834 𝑡_(𝛼/2) √(𝑠^2/𝑛_1 +𝑠^2/𝑛_2 )
(s_1)^2 55.8009 (s_2)^2 117.375556
α 0.1
gl 13
𝑡_(𝛼/
2) 1.7709334

𝑠^2=((𝑛_1−1)^ 𝑠_1^2+(𝑛_2−1)^ 93.692996

𝑠_2^2)/(𝑛_1+𝑛_2−2)
miento financiero de los bancos, se
que contaban con un sistema de
de crecimiento de los ingresos netos
0. La media de dicho crecimiento en
urrían a la planificación fue de 2,098
oblaciones son normales y tienen la
diferencia de medias

𝑠^2/𝑛_1 +𝑠^2/𝑛_2 )<𝜇_1−𝜇_2<(𝑥_1−𝑥_2 )+𝑡_(𝛼/2) √(𝑠^2/𝑛_1 +𝑠^2/𝑛_2 )

^2/𝑛_1 +𝑠^2/𝑛_2 ) lado izq| lado der

9.03450871 -1.16050871 16.9085087
caEjemplo:

El departamento de zoología de cierto instituto llevó a cabo un estudio para estimar la diferencia
de cierta sustancia química medida en dos estaciones diferentes de un río. La sustancia se mide
por litro. Se reunieron 15 muestras de la estación 1 y 12 muestras de la estación 2. Las 15 muestra
1 tuvieron un contenido promedio de sustancia química de 3,84 miligramos por litro y una desv
de 3,07 miligramos por litro, mientras que las 12 muestras de la estación 2 tuvieron un contenid
1,49 miligramos por litro y una desviación estándar de 0,80 miligramos por litro. Encuentre u
confianza del 95% para la diferencia en el contenido promedio real de sustancia en estas dos estac
que las observaciones vienen de poblaciones normalmente distribuidas con varianzas diferentes.

(𝑥_1−𝑥_2 )−𝑡_(𝛼/2) √((𝑠_1^

n1 15 n2 12
χ1 3.84 χ2 1.49
s1 3.07 s2 0.8
(s1)^2 9.4249 (s2)^2 0.64
α 0.05 𝑡_(𝛼/2) √((𝑠_1^2)/𝑛_1 +(𝑠_2^2)/𝑛_2 )
1.75025113
𝑡_(𝛼/
2) 2.1199053
𝛎=((𝑠_1^2)/
0.68166 𝑛_1 +
(𝑠_2^2)/𝑛_2 )^
((𝑠_1^2)/ 0.46466036 2/(((𝑠_1^2)/𝑛
𝑛_1 + _1
(𝑠_2^2)/𝑛 )^2/(𝑛_1−1)
((𝑠_)^2
_2
1^2 0.3947944 +((𝑠_2^2)/𝑛_2
)/ )^2/(𝑛_2−1))
((𝑠_2
𝑛_1 0.00284444
^2)/
)^2
𝑛_2 )
((
^2𝑠_1^2)/𝑛_1
)^2/(𝑛_1−1) 0.02845819
+((𝑠_2^2)/𝑛_
2
)^2/(𝑛_2−1)
para estimar la diferencia en la cantidad
río. La sustancia se mide en miligramos
stación 2. Las 15 muestras de la estación
mos por litro y una desviación estándar
n 2 tuvieron un contenido promedio de
os por litro. Encuentre un intervalo de
stancia en estas dos estaciones. Suponga
on varianzas diferentes.

_1−𝑥_2 )−𝑡_(𝛼/2) √((𝑠_1^2)/𝑛_1 +(𝑠_2^2)/𝑛_2 )<𝜇_1−𝜇_2<(𝑥_1−𝑥_2 )+𝑡_(𝛼/2) √((𝑠_1^2)/𝑛_1 +(𝑠_2^2)/𝑛_2 )

lado izq lado der

0.59974887 4.10025113

16.3278277
^2)/𝑛_1 +(𝑠_2^2)/𝑛_2 )