Semana12 INMT51 I S 2023 IC Media Proporción y Diferencia

Probabilidad y Estadística INMT-51
Profesor: Mario Rojas Plaza

Primer Semestre 2023
Semana 12
Intervalos de Confianza
Estimación Puntual e Intervalos de Confianza
Estimación por intervalos
Hemos visto que la media muestral es un buen estimador

puntual de la media poblacional. El inconveniente principal es
que un único valor observado de X generalmente no es
exactamente igual a µ; habrá cierta diferencia entre x y µ.
Sería conveniente poder tener idea de lo cerca que está nuestra
estimación del verdadero valor de la media poblacional.
También sería bueno poder dar información de lo seguros o
confiados que estamos de la precisión de la estimación. Para
tener una idea, no sólo del valor de la media, sino también de
la precisión de la estimación, los investigadores optan por el
método de estimación por intervalo o intervalos de confianza.
Intervalo de confianza de 100(1 − α) % para la media

µ en una población normal N(µ, σ 2 ), cuando σ 2 es
conocido
Teorema: Sea X1 , X2 , . . . , Xn una muestra aleatoria de

tamaño n de una distribución que es normal con media µ
y varianza σ 2 . Entonces X es normal con media µ y
2
varianza σn Además, la variable aleatoria
(X − µ)
Z= √ ∼ N(0, 1)
σ/ n
Si denotamos por (1 − α) el coeficiente de confianza y por

α
z(1−α/2) el percentil 1 − · 100 de la distribución
2
normal estándar, se tendrá que un intervalo centrado de
probabilidad (1 − α) para Z estará dado por
P(−z(1−α/2) ≤ Z ≤ z(1−α/2) ) = 1 − α
Tenemos
P(−z(1−α/2) ≤ Z ≤ z(1−α/2) ) = 1−α
√
(X − µ) n
P(−z(1−α/2) ≤ ≤ z(1−α/2) ) = 1−α
σ
después de realizar algún algebra se obtiene

σ σ
P X − z(1−α/2) √ ≤ µ ≤ X + z(1−α/2) √ = 1−α
n n
Por tanto
Un intervalo de confianza de nivel 100(1 − α) % para µ
está dado por

σ σ
X − z(1−α/2) √ ; X + z(1−α/2) √
n n
Ejemplo
Se encuentra que la concentración promedio de zinc que

se obtiene en una muestra de mediciones en 36 sitios
diferentes de un río es de 2.6 gramos por mililitro. Calcule
los intervalos de confianza del 95 % y 99 % para la
concentración media de zinc en el río. Suponga que la
desviación estándar de la población es de 0.3 gramos por
mililitro.
Solución
Sea X v.a que indica concentración de zinc en una muestra .
X ∼ N(µ; 0,09)
n = 36 X = 2,6 σ 2 = 0,09 σ = 0,3 1 − α = 0,99
α
1 − α = 0,99 ⇒ 1 − = 0,995 ⇒ z(0,995) = 2,575.
2

0,3 0,3
2,6 − 2,575 √ ; 2,6 + 2,575 √
36 36
[2,6 − 0,1288 ; 2,6 + 0,1288]
[2,4712 ; 2,7288]
es decir,
2,4712 ≤ µ ≤ 2,7288
Ejemplo
Con base en pruebas extensas, se sabe que el punto de

cedencia de un tipo particular de varilla de refuerzo de
acero suave está normalmente distribuido con σ = 100. La
composición de la varilla se modificó un poco, pero no se
cree que la alteración haya afectado la normalidad o el
valor de σ. Suponiendo que éste sea el caso, si una
muestra de 25 varillas modificadas dio por resultado un
punto de cedencia promedio muestral de 8439 lb, calcule
un intervalo de confianza de 90 % para el punto de
cedencia promedio verdadero de la varilla modificada.
Solución Sea X v.a que indica el punto de cedencia de una varilla de

refuerzo de acero.
X ∼ N(µ; 102 )
n = 25 X = 8469 σ 2 = 1002 σ = 100 1 − α = 0,90
α
1 − α = 0,90 ⇒ 1 − = 0,95 ⇒ z(0,95) = 1,645.
2

100 100
8469 − 1,645 √ ; 8469 + 1,645 √
25 25
[8469 − 32,9 ; 8469 + 32,9]
[8436,1 ; 8501,9]
es decir,
8436,1 ≤ µ ≤ 8501,9
Interpretación
Una interpretación correcta de 90 % de confianza se basa

en la interpretación de probabilidad de frecuencia relativa
a largo plazo. Decir que un evento A tiene una
probabilidad de 0.90 es decir que si el experimento en el
cual se definió A se realiza una y otra vez, a la larga A
ocurrirá el 90 % del tiempo. En nuestro caso se obtiene
otra muestra del punto de cedencia de las varillas de
refuerzo de acero y se calcula un intervalo de 90 %. Luego
se considera repetir esto con una segunda muestra, una
tercera muestra, una cuarta, una quinta, y así
sucesivamente.
Sea A el evento en que

σ σ
X − 1,645 √ ≤ µ ≤ X + 1,645 √
n n
ya que P(A) = 0,90, a la larga el 90 % de los intervalos de confianza
calculados contendrán µ. Esto se ilustra en la figura, donde la línea
vertical corta el eje de medición en el valor verdadero (pero
desconocido) de µ. Obsérvese que de los 11 intervalos ilustrados,
sólo los intervalos 3 y 11 no contienen µ. A la larga, sólo 10 % de
los intervalos construidos así no contendrán µ.
Ejemplo
Una empresa de material eléctrico fabrica bombillas que

tienen una duración distribuida de forma
aproximadamente normal, con una desviación estándar de
40 horas. Si una muestra de 30 bombillas tiene una
duración promedio de 780 horas, calcule un intervalo de
confianza del 95 % para la media de la población de todas
las bombillas producidas por esta empresa.
Intervalo de confianza de 100(1 − α) % para la media

poblacional µ en una población Normal N(µ, σ 2 ),
cuando σ 2 es desconocido
Teorema: Sea X1 , X2 , . . . , Xn una muestra aleatoria de

tamaño n de una distribución que es normal con media µ
y varianza σ 2 . Entonces X es normal con media µ y
2
varianza σn . Además, si se supone que σ 2 es
desconocida. La variable aleatoria
√
(X − µ) n
T = ∼ tn−1
SX
donde n
2 1 X
σ
b = SX2 = (Xi − X )2
n−1
i=1

α
t(1−α/2 ; n−1) el percentil 1 − · 100 de la distribución t-Student
2
con n − 1 grados de libertad, se tendrá que un intervalo centrado de
probabilidad (1 − α) para T estará dado por
P(−t(1−α/2 ; n−1) ≤ T ≤ t(1−α/2 ; n−1) = 1 − α

Tenemos
P(−t(1−α/2 ; n−1) ≤ T ≤ t(1−α/2 ; n−1) ) = 1−α
√
(X − µ) n
P(−t(1−α/2 ; n−1) ≤ ≤ t(1−α/2 ; n−1) ) = 1−α
SX
después de realizar algún algebra se obtiene

Sx Sx
P X − t(1−α/2 ; n−1) √ ≤ µ ≤ X + t(1−α/2 ; n−1) √ = 1−α
n n
Por tanto
Un intervalo de confianza de nivel 100(1 − α) % para µ

cuando se desconoce σ 2 está dado por

SX SX
X − t(1−α/2 ; n−1) √ ; X + t(1−α/2 ; n−1) √
n n
Ejemplo
Una máquina produce piezas metálicas de forma cilíndrica.

Se toma una muestra de las piezas y los diámetros son:
1.01, 0.97, 1.03, 1.04, 0.99, 0.98, 0.99, 1.01 y 1.03
centímetros. Calcule un intervalo de confianza del 99 %
para la media del diámetro de las piezas que se
manufacturan con esta máquina. Suponga una
distribución aproximadamente normal.
Solución
Sea X v.a que el diámetro de una pieza cilíndrica.
X ∼ N(µ; σ 2 ) donde σ 2 es desconocido.
n=9 X = 1,0056 SX = 0,0246 1 − α = 0,99

α
1 − α = 0,99 ⇒ 1 − = 0,995 ⇒ t(0,995;8) = 3,36.
2

0,0246 0,0246
1,0056 − 3,36 √ ; 1,0056 + 3,36 √
9 9
[1,0056 − 0,0276 ; 1,0056 + 0,0276]
[0,9780 ; 1,0332]
es decir,
0,9780 ≤ µ ≤ 1,0332
Interpretación:
Ejemplo
El contenido de ácido sulfúrico de 7 contenedores similares

es de 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Calcule
un intervalo de confianza del 95 % para el contenido
promedio de todos los contenedores suponiendo una
distribución aproximadamente normal.
Solución
Sea
X v.a que indica contenido de ácido sulfúrico.
X ∼ N(µ; σ 2 ) donde σ 2 es desconocido.
n=7 X = 10 SX = 0,2828 1 − α = 0,95

α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ t(0,975;6) = 2,447.
2

0,2828 0,2828
10 − 2,447 √ ; 10 + 2,447 √
7 7
[10 − 0,2616 ; 10 + 0,2616]
[9,7384 ; 10,2616]
es decir,
9,7578 ≤ µ ≤ 10,2422
Interpretación:
Tamaño de muestra necesario para estimar µ
Un intervalo de confianza tiene la forma general
(θb − d ≤ θ ≤ θb + d )
en donde
θ : parámetro en estudio.
θb : estimador de θ
d : se denomina error de estimación .
Asumiendo que la variabilidad del proceso es estimada por SX ,
será de interés determiner el tamaño de muestra necesario para
lograr un intervalo de confianza de nivel 1 − α para determinar
la media poblacional µ con un error de estimación no mayor a
un valor preestablecido d0 .
Asi el tamaño de muestra necesario para estimar µ se

encuentra dado por:
2
Z(1−α/2)

n ≥ SX2 .
d0
α
en que Z(1−α/2) es el percentil Z (1 − ) · 100 de la
2
distribución normal estándar.
Ejemplo
El director de la sección de control de la rabia del

departamento de salud pública de una ciudad desea
obtener una muestra de los registros de dicho
departamento acerca de las mordidas de perro reportadas
durante el año anterior, para estimar la edad media de las
personas mordidas. Desea un intervalo de confianza del 95
por ciento, está conforme con que d = 2,5 y con base en
estudios anteriores estima que la desviación estándar de la
población es de casi 15 años. ¿ Cuán grande debe
tormarse la muestra?.
Solución
d0 = 2,5 SX2 = 225 1 − α = 0,95

α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ Z(0,975) = 1,96
2
1,96 2

n ≥ 225 = 138,2976.
2,5
Ahora hay que responder la pregunta.

Ejemplo
Muchos pacientes con problemas del corazón tienen un

marcapasos para controlar su ritmo cardiaco. El
marcapasos tiene montado un módulo conector de
plástico en la parte superior. Suponga que mediante una
muestra piloto se obtuvo una desviación estándar de
0.0015 pulgadas, con base en esto se desea obtener
información para la media de la profundidad de todos los
módulos conectores fabricados por cierta empresa. ¿De
qué tamaño debe ser la muestra si deseamos tener un
95 % de confianza en que nuestra media muestral estará
dentro de un 0.0005 de pulgada de la media verdadera?
Solución
d0 = 0,0005 SX = 0,0015 1 − α = 0,95

α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ Z(0,975) = 1,96
2
2
1,96
n ≥ 0,00152 = 34,5744 ≈ 35.
0,0005
Intervalo de confianza 100(1 − α) % para la

proporción p en una población Binomial Bin(1, p)
Consideremos una población particionada en las clases C

y C c , sea p = P(C ) y sea X1 , X2 , . . . , Xn una muestra
aleatoria simple de X , donde X se define como

 1 si w ∈ C
X (w ) =
0 si w ∈ C c

de esta manera X ∼ Bin(1, p).

El estimador máximo verosimil de p está dado por

n
1X
p =
b xi
n
i=1
No de elementos de la muestra que pertenecen a C
=
n
Además
p(1 − p)
E [b
p] = p y V [b
p] =
n
Para n suficientemente grande se tiene que
p−p
∼ N(0, 1).
b
Z=r
p(1 − p)
n
Por lo tanto si z(1−α/2) denota el percentil Z(1−α/2) · 100

de la distribución normal estándar, se tendrá que
P(−z(1−α/2) ≤ Z ≤ z(1−α/2) ) = 1 − α
Tenemos
 
 p−p 
−z(1−α/2) ≤ r p(1 − p) ≤ z(1−α/2)  = 1 − α
b
P 
el cálculo aproximado se obtiene cuando se reemplaza

p(1 − p) p (1 − b
b p)
por en la expresión de la varianza
n n
de bp y después de realizar algún algebra se obtiene
r r !
p (1 − b
b p) p (1 − b
b p)
P p − z(1−α/2)
b ≤p≤b
p + z(1−α/2) = 1−α
n n
Por tanto
Un intervalo de confianza de nivel 100(1 − α) % para p
está dado por
" r r #
p (1 − b
p) p (1 − b
p)
p − z(1−α/2)
b b
b ; p + z(1−α/2)
b
n n
Ejemplo
Las concentraciones de contaminantes atmosféricos, como

monóxido de carbono (CO), se pueden medir con un
espectrómetro. En una prueba de calibración, se hicieron 50
mediciones de una muestra de gas del laboratorio que se sabía
tenía una concentración de CO de 70 partes por millón (ppm).
Se considera que una medición es satisfactoria si está dentro de
5 ppm de la concentración verdadera. De las 50 mediciones, 37
fueron satisfactorias.
a) ¿Qué proporción de mediciones de la muestra fue
satisfactoria?.
b) Determine un intervalo de confianza de 95 % para la
proporción de mediciones hechas por este instrumento que
serán satisfactorias.
Solución
Sea

 1 si la medición de la muestra fue satisfactoria
X =
0 si la medición de la muestra NO fue satisfactoria

50
P
50
xi
P i=1 37
n = 50 xi = 37 p=
b = = 0,74 1 − α = 0,95
i=1 50 50
α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ Z(0,975) = 1,96.
2
" r r #
0,74(0,26) 0,74(0,26)
0,74 − 1,96 ; 0,74 + 1,96
50 50
[0,74 − 0,1216 ; 0,74 + 0,1216]
[0,6184 ; 0,8616]
es decir,
0,6184 ≤ p ≤ 0,8616
Interpretación:
Ejemplo
Un fabricante de refresco compra latas de aluminio de un

distribuidor externo. Se selecciona una muestra aleatoria de 70
latas de un envío grande, se prueba la resistencia de cada una
aplicando una carga creciente en los lados de la lata hasta que
se perfora. De las 70 latas, 52 satisfacen la especificación para
la resistencia de perforación. Determine un intervalo de
confianza de 99 % para la proporción de latas que satisface la
especificación en el envío.
Solución
Sea

 1 si la lata satisface la especificación en el envío
X =
0 si la lata NO satisface la especificación en el envío

70
P
70
xi
P i=1 52
n = 70 xi = 52 p=
b = = 0,7429 1 − α = 0,99
i=1 70 70
α
1 − α = 0,99 ⇒ 1 − = 0,995 ⇒ Z(0,995) = 2,575.
2
" r r #
0,7429(0,2571 0,7429(0,2571)
0,7429 − 2,575 ; 0,7429 + 2,575
70 70
[0,7429 − 0,1345 ; 0,7429 + 0,1345]
[0,6084 ; 0,8774]
es decir,
0,6084 ≤ p ≤ 0,8774
Interpretación:
Ejemplo
En una muestra aleatoria de 400 accidentes industriales,

se encontró que 231 se debieron, al menos parcialmente, a
condiciones laborales inseguras. Construya un intervalo de
confianza del 99 % para la correspondiente verdadera
proporción.
Ejemplo
En una muestra aleatoria de 90 secciones de tubería en

una planta química, 15 mostraron signos de corrosión
grave. Construya un intervalo de confianza del 95 % para
la verdadera proporción de secciones de tubería que
muestren signos de corrosión seria.
Tamaño de muestra necesario para estimar p
Para estimar una proporción p con una confianza

(1 − α) · 100 % y un error de estimación no mayor a d0 , el
número necesario de observaciones es dado por:
2
Z(1−α/2)

n ≥ p (1 − b
b p ).
d0
Ejemplo
Suponga que se quiere estimar qué porcentaje de todos

los conductores excede el límite de velocidad de 55 mph
en cierto tramo del camino. ¿Qué tan grande debe ser la
muestra para tener al menos 99 % de confianza de que el
error de su estimación es cuando mucho de 3.5 %?.
Solución
Sea
1 si el i-ésimo conductor excede el límite de velocidad


de 55 mph en cierto tramo del camino.



X =
 0 si el i-ésimo conductor NO excede el límite de velocidad



de 55 mph en cierto tramo del camino.
d0 = 0,035 p = 0,5
b 1 − α = 0,99
α
1 − α = 0,99 ⇒ 1 − = 0,995 ⇒ Z(0,995) = 2,575
2
2
2,575
n ≥ (0,5)(0,5) = 1353,1888.
0,035
Ejemplo
Se llevará a cabo un estudio para estimar el porcentaje de

ciudadanos de una ciudad que están a favor de tener agua
fluorada. ¿Qué tan grande debería ser la muestra si se
desea tener al menos 95 % de confianza en que el
estimado esté dentro del 1 % del porcentaje verdadero?
Solución
Sea 
 1 si la i-ésima persona está a favor de tener agua fluorada
X =
0 si la i-ésima persona NO está a favor de tener agua fluorada

d0 = 0,01 p = 0,5
b 1 − α = 0,95
α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ Z(0,975) = 1,96
2
2
1,96
n ≥ (0,5)(0,5) = 9604.
0,01
Ejemplo
De qué tamaño habría que elegir una muestra para estimar

la proporción de alumnos en la universidad de Antofagasta
que le gusta el fútbol con un nivel de confianza de 95 % y
un error inferior a 0.05, si en una muestra de 10 alumnos,
6 de ellos respondieron que les gustaba el fútbol.
Solución
Sea 
 1 si el i-ésimo alumno responde que le gusta el fútbol
X =
0 si el i-ésimo alumno responde que NO le gusta el fútbol

6
d0 = 0,05 p=
b = 0,6 1 − α = 0,95
10
α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ Z(0,975) = 1,96
2
2
1,96
n ≥ (0,6)(0,4) = 368,7936 ≈ 369.
0,05
Intervalo de confianza para diferencia de medias

poblacionales µ1 − µ2 en dos poblaciones normal con
varianza σ 2 común
Teorema: Sea X1 , X2 , . . . , Xn1 una muestra aleatoria de
tamaño n1 de una v.a X de distribución normal con media µ1 y
varianza σ 2 y Y1 , Y2 , . . . , Yn2 una muestra aleatoria de tamaño
n2 de una v.a de distribución normal con media µ2 y varianza
σ 2 , X e Y variables aleatorias independientes. Entonces
(X − Y ) − (µ1 − µ2 )
T = p ∼ tn1 +n2 −2
Sc 1/n1 + 1/n2
donde
(n1 − 1)SX2 + (n2 − 1)SY2
b2 = Sc2 =
σ
n1 + n2 − 2

α
t(1−α/2 ; n1 +n2 −2) el percentil 1 − · 100 de la distribución
2
t-Student con n1 + n2 − 2 grados de libertad, se tendrá que un
intervalo centrado de probabilidad (1 − α) para T estará dado por
P(−t(1−α/2 ; n1 +n2 −2) ≤ T ≤ t(1−α/2 ; n1 +n2 −2) = 1 − α

Tenemos
P(−t(1−α/2 ; n1 +n2 −2) ≤ T ≤ t(1−α/2 ; n1 +n2 −2) ) = 1−α
(X − Y ) − (µ1 − µ2 )
P(−t(1−α/2 ; n1 +n2 −2) ≤ p ≤ t(1−α/2 ; n1 +n2 −2) ) = 1 − α
Sc 1/n1 + 1/n2
después de realizar algún algebra, obtenemos un intervalo de confianza de

nivel (1 − α) % para µ1 − µ2
s
1 1
(X − Y ) ∓ t(1−α/2 ; n1 +n2 −2) Sc2 +
n1 n2
donde t(1−α/2 ; n1 +n2 −2) es el percentil (1 − α/2) · 100 de la distribución

t-Student con n1 + n2 − 2 grados de libertad.
Ejemplo
Se probaron algunas muestras de carbón de cada una de dos
minas, y se midió la capacidad calorífica (en kilocalorías por
libra) para cada muestra. Los resultados fueron:
Mina 1 4167 4268 4159 4285 4229 4386 4103

Mina 2 3924 3988 4096 4026 4235 4178
Determine un intervalo de confianza de 90 % para la diferencia
en la capacidad calorífica entre carbón de la mina 1 y carbón
de la mina 2.
Solución
Sea X v.a que indica la capacidad calorífica (en kilocalorías por
libra) para una muestra en la mina 1.
X ∼ N(µ1 ; σ 2 )
Y v.a que indica la capacidad calorífica (en kilocalorías por libra)
para una muestra en la mina 2.
Y ∼ N(µ2 ; σ 2 )
Capacidad calorífica
Mina 1 Mina 2
n1 =7 n2 =6
X =4228.1429 Y =4074.5
SX =94.7988 SY =117.8300
Además
(7 − 1)(94,7988)2 + (6 − 1)(117,83)2
Sc2 = = 11212,7597
7+6−2
α
1 − α = 0,90 ⇒ 1 − = 0,95 ⇒ t(0,95 ; 11) = 1,80
2
s
1 1
(4228,1429 − 4074,5) ∓ 1,80 11212,7654 +
7 6
153,6429 − 106,0415 ≤ µ1 − µ2 ≤ 153,6429 + 106,0415
por lo tanto
47,1014 ≤ µ1 − µ2 ≤ 259,6844
Ejemplo
El artículo “Permeability, Diffusion and Solubility of Gases” (B.
Flaconn‘eche y colaboradores, en Oil and Gas Science and
Technology, 2001:262-278) describe un estudio del efecto de la
temperatura y otros factores en los coeficientes de transporte
de gas en polímeros semicristalinos. El coeficiente de
permeabilidad (en 10−6 (STP)/cm · s · MPa) de CO2 fue
medido para la densidad media extrudida de polietileno tanto a
60o C como 61o C . Los resultados fueron:
60o C 54 51 61 67 57 69 60 60 63 62
61o C 58 60 66 66 68 61 60
Determine un intervalo de confianza de 95 % para la diferencia
en el coeficiente de permeabilidad entre 60o C y 61o C .
Solución
Sea X v.a que indica el coeficiente de permeabilidad para la
densidad extrudida de polietileno a 60o C .
X ∼ N(µ1 ; σ 2 )
Y v.a que indica el coeficiente de permeabilidad para la densidad
extrudida de polietileno a 61o C .
Y ∼ N(µ2 ; σ 2 )
Densidad extrudida de polietileno
60o C 61o C
n1 =10 n2 =7
X =60.4 Y =62.7143
SX =5.4610 SY =3.8607
Además
(10 − 1)(5,4610)2 + (7 − 1)(3,8607)2

Sc2 = = 23,8553
10 + 7 − 2
α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ t(0,975 ; 15) = 2,13
2
s
1 1
(60,4 − 62,7143) ∓ 2,13 23,8553 +
10 7
−2,3143 − 5,1268 ≤ µ1 − µ2 ≤ −2,3143 + 5,1268
por lo tanto
−7,4411 ≤ µ1 − µ2 ≤ 2,8125
Ejemplo
Las mediciones del diámetro transversal del corazón de hombres y

mujeres adultos dieron los siguientes resultados:
Hombres Mujeres
n1 =12 n2 =9
X =13.21 Y =11.00
SX2 =1.05 SY2 =1.01
Suponiendo poblaciones con distribución normal y con variancias

iguales, construya los intervalos de confianza de 95 por ciento para
µ1 − µ2 .
Analizando el intervalo encontrado, ¿los datos indican que ambos
grupos de personas tienen el mismo diámetro transversal del corazón
promedio?.
Solución
Sea X v.a que indica la medición del diámetro transversal del
corazón de hombres.
X ∼ N(µ1 ; σ 2 )
Y v.a que indica la la medición del diámetro transversal del corazón
de mujeres.
Y ∼ N(µ2 ; σ 2 )
Hombres Mujeres
n1 =12 n2 =9
X =13.21 Y =11.00
SX2 =1.05 SY2 =1.01
Además
(12 − 1)(1,05) + (9 − 1)(1,01)

Sc2 = = 1,0332
12 + 9 − 2
α
1 − α = 0,95 ⇒ 1 − = 0,975 ⇒ t(0,975 ; 19) = 2,093
2
s
1 1
(13,21 − 11,00) ∓ 2,093 1,0332 +
12 9
2,21 − 0,9381 ≤ µ1 − µ2 ≤ 2,21 + 0,9381
por lo tanto
1,2719 ≤ µ1 − µ2 ≤ 3,1481
¿los datos indican que ambos grupos de personas tienen el mismo

diámetro transversal del corazón promedio?.
Respuesta: El diámetro transversal del corazón en promedio es
mayor en los hombres que en las mujeres. Justifique la respuesta.
Ejemplo
Está generalmente aceptado que existen diferencias ligadas al sexo

relacionadas con la respuesta al estrés producido por el calor. Se
sometió a un grupo de 10 varones y 8 mujeres a un programa de
ejercicios enérgicos que implicaba el empleo de una «cinta sin fin».
El medio era caluroso, y se disponía de una cantidad mínima de
agua para los individuos. La variable de interés fue el porcentaje de
peso corporal perdido. Se obtuvieron los datos siguientes:
Varones 2.9 3.5 3.9 3.8 3.6 3.7 3.8 4.0 3.6 3.7
Mujeres 3.0 2.5 3.7 3.3 3.8 4.1 3.6 4.0
Establecer un intervalo de confianza de 90 % para la diferencia del

porcentaje de peso corporal perdido.
Analizando el intervalo encontrado, ¿los datos indican que ambos
grupos presentan el mismo porcentaje promedio de peso corporal
perdido.?.
Solución
Sea X v.a que indica el porcentaje de peso corporal perdido por un
varon.
X ∼ N(µ1 ; σ 2 )
Y v.a que indica el porcentaje de peso corporal perdido por una
mujer.
Y ∼ N(µ2 ; σ 2 )
Varones Mujeres
n1 =10 n2 =8
X =3.65 Y =3.50
SX2 =0.0917 SY2 =0.2914 cuando se saque el sx en la
calculadora elevar a 2 en resultado
y dará lo mismo :)))
Además
9(0,0917) + 7(0,2914)
Sc2 = = 0,1791
10 + 8 − 2
α
1 − α = 0,90 ⇒ 1 − = 0,95 ⇒ t(0,95 ; 16) = 1,746
2
s
1 1
(3,65 − 3,50) ∓ 1,746 0,1791 +
10 8
0,15 − 0,3505 ≤ µ1 − µ2 ≤ 0,15 + 0,3505
por lo tanto
−0,2005 ≤ µ1 − µ2 ≤ 0,5005
¿los datos indican que ambos grupos presentan el mismo porcentaje

promedio de peso corporal perdido.?
Respuesta: Efectivamente ambos grupos presentan el mismo
porcentaje promedio de peso corporal perdido. Justifique la
respuesta.
Intervalo de confianza para diferencia de proporciones

poblacionales p1 − p2 en dos poblaciones binomiales
Consideremos dos poblaciones particionadas en las clases C y

C c , sean
p1 = P(C | Pobl 1) y p2 = P(C | Pobl 2)
Si se definen las v.a X e Y tales que

1 si w ∈ C en población 1
X (w ) =
0 si w ∈ C c en población 1

1 si w ∈ C en población 2
Y (w ) =
0 si w ∈ C c en población 2
entonces X ∼ B(1, p1 ) y Y ∼ B(1, p2 ).

Sea X1 , X2 , . . . , Xn1 una muestra aleatoria simple de la

variable X y Y1 , Y2 , . . . , Yn2 una muestra aleatoria simple
para la variable Y , entonces los estimadores máximo
verosimil de p1 y p2 estarán dados por
n1 n2
1 X 1 X
pb1 = Xi ; pb2 = Yi
n1 n2
i=1 i=1
luego
p1 − b
(b p2 ) − (p1 − p2 )
Z=r ∼ N(0, 1)
p1 (1 − b
b p1 ) b p2 (1 − b
p2 )
+
n1 n2
Por lo tanto si Z(1−α/2) denota el percentil (1 − α/2) · 100

de la distribución normal estándar, se tendrá que
P(−Z(1−α/2) ≤ Z ≤ Z(1−α/2) ) = 1−α
 
 
 p1 − b
(b p2 ) − (p1 − p2 ) 
−Z(1−α/2) ≤ s
P ≤ Z(1−α/2) 
 = 1−α
 p1 (1 − b
b p1 ) p2 (1 − b
b p2 ) 
+
n1 n2
y un intervalo de confianza de (1 − α) · 100 % para

p1 − p2 estará dado por
s
p1 (1 − b
p1 ) bp2 (1 − b
p2 )
p1 − b
p2 ) ∓ Z(1−α/2)
b
(b +
n1 n2
Ejemplo
Se comparan dos procesos para fabricar cierto microchip.

Se seleccionó una muestra de 400 chips de un proceso
menos costoso, donde 62 estaban defectuosos. Se
seleccionó una muestra de 100 chips de un proceso más
costoso, pero 12 tenían defecto. Determine un intervalo de
confianza de 95 % para la diferencia entre las proporciones
de los chips defectuosos producidos por los dos procesos
Solución Sean


 1 si el i-ésimo chips se encuentra defectuoso
usando el proceso menos costoso.



X =
0 si el i-ésimo chips NO se encuentra defectuoso




usando el proceso menos costoso.



 1 si el i-ésimo chips se encuentra defectuoso
usando el proceso más costoso.



Y =
0 si el i-ésimo chips NO se encuentra defectuoso




usando el proceso más costoso.

Proceso menos costoso Proceso más costoso

n1 =400 n2 =100
400
X 100
X
xi =62 yi =12
i=1 i=1
p1 =0.155
b p2 =0.120
b
1 − α = 0,95
α
= 0,025
2
α
1− = 0,975
2
z(0,975) = 1,96
r
0,155(0,845) 0,120(0,880)
(0,155 − 0,120) ∓ 1,96 +
400 100
0,035 − 0,0729 ≤ p1 − p2 ≤ 0,035 + 0,0729
por lo tanto
−0,0379 ≤ p1 − p2 ≤ 0,1079
Interpretar:
Ejemplo
La especificación para la resistencia de tensión de un

alambre que conecta un circuito integrado a su marco es
de 10 g o más. En una muestra de 85 unidades hechas
con alambres de oro, 68 satisfacen la especificación, y en
una muestra de 120 unidades elaboradas con alambres de
aluminio, 105 cumplen el requerimiento. Determine un
intervalo de confianza de 99 % para la diferencia en las
proporciones de unidades que satisfacen las
especificaciones entre unidades con alambre de oro y
aquellas con alambre de aluminio.
Solución
Sean


 1 si el i-ésimo alambre de oro
satisface las especificaciones.



X =
0 si el i-ésimo alambre de oro




NO satisface las especificaciones.



 1 si el i-ésimo alambre de aluminio
satisface las especificaciones.



Y =
0 si el i-ésimo alambre de aluminio




NO satisface las especificaciones.

alambre de oro alambre de aluminio

n1 =85 n2 =120
85
X 120
X
xi =68 yi =105
i=1 i=1
p1 =0.80
b p2 =0.875
b
1 − α = 0,99
α
= 0,005
2
α
1− = 0,995
2
z(0,995) = 2,575
r
0,80(0,20) 0,875(0,125)
(0,80 − 0,875) ∓ 2,575 +
85 120
−0,075 − 0,1361 ≤ p1 − p2 ≤ −0,075 + 0,1361
por lo tanto
−0,2111 ≤ p1 − p2 ≤ 0,0611
Con un nivel de confianza de 99 % podemos decir que las

proporciones de unidades que satisfacen las especificaciones entre
unidades con alambre de oro y aquellas con alambre de aluminio es
la misma.
Ejemplo
El artículo “Occurrence and Distribution of Ammonium in

Iowa Groundwater” (K. Schilling, en Water Environment
Research, 2002:177-186) describe mediciones de
concentraciones de amonio (en mg /l ) en gran número de
pozos en Iowa. Éstos incluían 349 pozos aluviales y 143
cuaternarios. De los primeros, 182 tenían concentraciones
arriba de 0.1, y 112 de los segundos tenían
concentraciones superiores a 0.1. Determine un intervalo
de confianza de 95 % para la diferencia entre las
proporciones de dos tipos de pozos con concentraciones
arriba de 0.1.
Ejemplo
De 1200 piezas de grava de una planta, 110 piezas se

clasificaron como “grandes”. De 900 piezas de otra planta,
95 también lo fueron. Determine un intervalo de confianza
de 99 % para la diferencia entre las proporciones de piezas
de grava grandes producidas en las dos plantas.

Semana12 INMT51 I S 2023 IC Media Proporción y Diferencia

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Semana12 INMT51 I S 2023 IC Media Proporción y Diferencia

Cargado por

Copyright:

Formatos disponibles

Probabilidad y Estadística INMT-51

Profesor: Mario Rojas Plaza

Estimación por intervalos

Hemos visto que la media muestral es un buen estimador

Intervalo de confianza de 100(1 − α) % para la media

Teorema: Sea X1 , X2 , . . . , Xn una muestra aleatoria de

Si denotamos por (1 − α) el coeficiente de confianza y por

P(−z(1−α/2) ≤ Z ≤ z(1−α/2) ) = 1−α

después de realizar algún algebra se obtiene

Se encuentra que la concentración promedio de zinc que

n = 36 X = 2,6 σ 2 = 0,09 σ = 0,3 1 − α = 0,99

Con base en pruebas extensas, se sabe que el punto de

Solución Sea X v.a que indica el punto de cedencia de una varilla de

n = 25 X = 8469 σ 2 = 1002 σ = 100 1 − α = 0,90

Una interpretación correcta de 90 % de confianza se basa

Sea A el evento en que

Una empresa de material eléctrico fabrica bombillas que

Intervalo de confianza de 100(1 − α) % para la media

Teorema: Sea X1 , X2 , . . . , Xn una muestra aleatoria de

Si denotamos por (1 − α) el coeficiente de confianza y por

P(−t(1−α/2 ; n−1) ≤ T ≤ t(1−α/2 ; n−1) = 1 − α

P(−t(1−α/2 ; n−1) ≤ T ≤ t(1−α/2 ; n−1) ) = 1−α

después de realizar algún algebra se obtiene

Un intervalo de confianza de nivel 100(1 − α) % para µ

Una máquina produce piezas metálicas de forma cilíndrica.

Sea X v.a que el diámetro de una pieza cilíndrica.

X ∼ N(µ; σ 2 ) donde σ 2 es desconocido.

n=9 X = 1,0056 SX = 0,0246 1 − α = 0,99

[1,0056 − 0,0276 ; 1,0056 + 0,0276]

El contenido de ácido sulfúrico de 7 contenedores similares

X v.a que indica contenido de ácido sulfúrico.

X ∼ N(µ; σ 2 ) donde σ 2 es desconocido.

n=7 X = 10 SX = 0,2828 1 − α = 0,95

[10 − 0,2616 ; 10 + 0,2616]

Tamaño de muestra necesario para estimar µ

Un intervalo de confianza tiene la forma general

Asi el tamaño de muestra necesario para estimar µ se

El director de la sección de control de la rabia del

d0 = 2,5 SX2 = 225 1 − α = 0,95

Ahora hay que responder la pregunta.

Muchos pacientes con problemas del corazón tienen un

d0 = 0,0005 SX = 0,0015 1 − α = 0,95

Intervalo de confianza 100(1 − α) % para la

Consideremos una población particionada en las clases C

de esta manera X ∼ Bin(1, p).

El estimador máximo verosimil de p está dado por

Por lo tanto si z(1−α/2) denota el percentil Z(1−α/2) · 100

el cálculo aproximado se obtiene cuando se reemplaza

Las concentraciones de contaminantes atmosféricos, como

[0,74 − 0,1216 ; 0,74 + 0,1216]

Un fabricante de refresco compra latas de aluminio de un

[0,7429 − 0,1345 ; 0,7429 + 0,1345]

En una muestra aleatoria de 400 accidentes industriales,

En una muestra aleatoria de 90 secciones de tubería en

Tamaño de muestra necesario para estimar p

Para estimar una proporción p con una confianza

Suponga que se quiere estimar qué porcentaje de todos

Se llevará a cabo un estudio para estimar el porcentaje de

De qué tamaño habría que elegir una muestra para estimar

Intervalo de confianza para diferencia de medias

Si denotamos por (1 − α) el  coeficiente de confianza y por

P(−t(1−α/2 ; n1 +n2 −2) ≤ T ≤ t(1−α/2 ; n1 +n2 −2) = 1 − α

P(−t(1−α/2 ; n1 +n2 −2) ≤ T ≤ t(1−α/2 ; n1 +n2 −2) ) = 1−α

después de realizar algún algebra, obtenemos un intervalo de confianza de

Si denotamos por (1 − α) el coeficiente de confianza y por

Si denotamos por (1 − α) el coeficiente de confianza y por

Si denotamos por (1 − α) el coeficiente de confianza y por