Ejemplo 1:

Una muestra aleatoria de 400 pequeños comercian

mensuales era de $800. Estime la media de la población
pequeños comerciantes mediante un intervalo de confi
estándar de esta población es $ 200.
FORMULA
X: Ingreso mensual de todos los pequeños comerciantes
datos
Xmedia 800 ¯x−Z_0 𝜎/√n≤μ≤¯x+Z_0
n 400 σ/√n
nivel de conf 95%
ALFA 0.05
Desv.stand 200
error estan 10
800− 〖 1.96∗10 〗 _ ≤μ≤800+1.96∗10
Z 1.96

IC: [780.4; 819.6]

Se tiene una confianza del 95% que la media de los ingr

pequeños comerciantes esta en el intervalo

EXCEL
primera forma
datos
Xmedia 800 nivel de confianza (1-alfa)*100=95%
n 400
nivel de conf 95% alfa 0.05
ALFA 0.05 alfa medio 0.025
Desv.stand 200 nivel de alfa -1.64485363
error estan 10
Z 1.96

aplicando la LS
819.6 LI

formula 780.4
aplicando la

formula 780.4

¯x−Z_0 𝜎/√n≤μ≤¯x+Z_0
σ/√n

SEGUNDA FORMA

datos
Xmedia 800
n 400
nivel de conf 95%
ALFA 0.05
Desv.stand 200
ERROR 19.5996398

LS 819.59964
LI 780.40036
ños comerciantes indico que la media de los ingresos
a de la población que consiste de los ingresos de todos los
ntervalo de confianza del 95%. Asuma que la desviación

VER
TABLA

Z_0=Z_((1−α/2) ) 0.975 1.96

0.025
0.975
_ ≤μ≤800+1.96∗10

del 95% que la media de los ingresos mensuales de todos lor

omerciantes esta en el intervalo [$780.4; 819.6)]

resos
os los
ación
 Ejemplo 2:
El jefe de control de calidad de una empresa de Lima d
fin de mes.
Se considera exportar si el peso promedio de los artículo
Para tal fin elige una muestra aleatoria de 21 artículos
(en kg), estos datos se muestran a continuación:

14.34 15 14.85 17.09 15.23 15.18 13.22

14.8 16.37 13.99 16 15.34 15.41 17.69
13 15.38 16.43 12.64 15.32 16.49 14.64

Calcular e interpretar un intervalo del 95% de confianza

jefe de control de calidad decidirá exportar los artículos?

SOLUCION
X: Peso de los articulos
VARIABLE CUANTITATIVA
14.34
15
14.85
17.09
15.23
15.18
13.22
14.8
 16.37
13.99
16
15.34
15.41
17.69
13
15.38
16.43
12.64
15.32
16.49
14.64

MEDIA 15.162381
S 1.28829308 t_0=t_((1−α/2;n−1) )

error 0.2811286 s/√n

n 21
t 2.086
t_0=t_((1−0.05/2;21−1) ) 0.025
t_0=t_((0.975;20) ) 0.975

LS 15.74
¯x−t_0 s/√n≤μ≤¯x+t_0
s/√n
Li 14.5756
15.162− 〖 2.086∗0.2811 〗 _
≤μ≤15.162+2.086∗0.2811

EXCEL
MEDIA 15.162381
S 1.28829308
n 21
ERROR 0.58642398
ALFA 0.05

LS 15.7488049
LI 14.575957

interpretacion

Con un nivel de confianza del 95% el peso promedio de los articulos varia de 14.57 kg a 15.74 kg por lo tanto el je
calidad si decide exportar los articulos ya que el verdadero contienen al 16kg
presa de Lima decide evaluar los artículos que exportará a

dio de los artículos es menor a 16 kg.

de 21 artículos producidos de los cuales registra su peso
nuación:

5% de confianza para el peso promedio de artículos. ¿El

tar los artículos?
7 kg a 15.74 kg por lo tanto el jefe de control de
ará a

peso
 Ejemplo 3:
Un productor afirma que el porcentaje de unidades de
menor al 2%. Para probar dicha afirmación se tomo un
encontrándose los siguientes resultados:

0 0 0 0 0 1
0 1 0 0 0 0
0 0 0 1 0 1
1 0 0 0 0 0
0 0 0 0 0 0

Determine un IC al 98% para la verdadera proporción de unida

aceptable la afirmación del productor.

DATOS
𝑝 ̂−Z_0 √((𝑝 ̂(1−
X: PRESENTAR DEFECTOS (1−𝑝 ̂))/n)
0 NO DEFECTUOSO
1 DEFECTUOSOS

n 50
IC 98% 0.14− 〖 2.3
ALFA 2% 0.02 ≤0.14+2.32√
 0.14− 〖 2.3
≤0.14+2.32√

Z_0=Z_((1−α/2) )
p ̂ X/n 0.14
LS #NAME?
0.02 LI #NAME?
0.01
ver tabla 0.99 2.32

EXCEL

n 50
p 0.14
confianza 98%
significancia 0.02 0.01
p(1-p) 0.1204
error estándar #NAME?
Z #NAME?

𝜎_𝑝 ̅ =√(𝑃(1−𝑃)/𝑛)
error estandar

Z_0=Z_((1−α/2) )

LS #NAME?
LI #NAME?

𝑝 ̂−Z_0 √((𝑝 ̂(1−𝑝 ̂ ))/n) ≤p ≤ 𝑝 ̂+Z_0 √((𝑝 ̂

(1−𝑝 ̂))/n)

interpretacion
con un nivel de confianza del 98% la verdadera proporción de unidades defectuosos varia 0.0258 a 0.2541 por lo

la afirmación del productos ya que el porcentaje de unidades defectuosoa resulta del total de la porducc
 je de unidades defectuosas que resulta del total de su producción
mación se tomo una muestra aleatoria de 50 unidades de la producci
os:

0 0 0 0
0 0 0 0
0 0 1 0
1 0 0 0
0 0 0 0

roporción de unidades defectuosas y con ello decida si es

𝑝 ̂−Z_0 √((𝑝 ̂(1−𝑝 ̂ ))/n) ≤p ≤ 𝑝 ̂+Z_0 √((𝑝 ̂

(1−𝑝 ̂))/n)

0.14− 〖 2.32∗ 〗 _ √(0.14(1−0.14)/50) ≤p

≤0.14+2.32√((0.14 (1−0.14))/50)
 0.14− 〖 2.32∗ 〗 _ √(0.14(1−0.14)/50) ≤p
≤0.14+2.32√((0.14 (1−0.14))/50)

0.14
0.86
0.1204
0.002408
#NAME?
#NAME?

≤p ≤ 𝑝 ̂+Z_0 √((𝑝 ̂
ctuosos varia 0.0258 a 0.2541 por lo tanto no se puede aceptar

uosoa resulta del total de la porduccion es mayor de 2 %

e su producción es
s de la producción,
Ejemplo 4:
Como parte de un programa de capacitación laboral
trabajadores son instruidos con el método A, que con
maquinaria. Otros son capacitados con el método B, qu
un instructor. Se elige al azar a 10 trabajadores para i
para el método B.
Los puntajes que obtuvieron en una prueba apropiada s

Métod
71 75 65 69 73 66
o A:
Métod
71 77 84 78 69 70
o B:

Con un nivel de confianza del 98%, ¿cuál es el mejor mé

METODO A METODO B

71 71 IC⁡(μ_1−μ_2 )=(¯x_1−¯x_2 )∓t_(n_1+n_2−2;1−

(1/n_1 +1/n_2 ) )
75 77
65 84
69 78 IC⁡(μ_1−μ_2 )=−3.9∓2.552∗√(20.494(1/10+1
73 69
66 70
68 77 LS #NAME?

71 73 t_(n_1+n_2-2;1-,α/2) LI #NAME?

74 65 t(18; 0.99) 2.552 tabla

 68 75 0.01
MEDIA #NAME? #NAME? 0.99
DESVI #NAME? #NAME?
VARIANZA #NAME? #NAME? S_p^2=((n_1−1) S_1^2+
n (n_2−1) S_2^2)/(n_1+n_2−2)
S_p^2 20.499
diferncia med ###
S_p^2=((10−1)11.333+(10−1)26.65
6)/(10+10−2)=20.4944
acitación laboral en una empresa agroindustrial, algunos
odo A, que consiste en adiestrarlos directamente en la
el método B, que también implica la atención personal de
bajadores para instruirlos con cada método A y a otros 10

eba apropiada son:

68 71 74 68

77 73 65 75

ál es el mejor método?

)∓t_(n_1+n_2−2;1−,α/2) √(S_p^2

2∗√(20.494(1/10+1/10) )

0.1
 0.2
4.0988
#NAME?
+ #NAME?
n_2−2)

#NAME?
#NAME?
1)26.65 #NAME?
#NAME?
gunos
en la
nal de
os 10