Estadística Dr. CARDOZO Unidad Nro. 11, v.

2019

INFERENCIA ACERCA DE LA DESVIACIÓN STANDARD

Ya vimos como estimar el tamaño del error cuando se estima la media de una
población, como construir intervalos de confianza para medias poblacionales, y como
desarrollar tests de hipótesis acerca de la media de una población o la media de dos
poblaciones.

Todas estas ideas nos llevan a inferencias acerca de parámetros

poblacionales aparte de la media, a inferencias acerca de la naturaleza de
poblaciones, inferencias de aleatoriedad de muestras. En este capítulo nos
concentramos en desviación standard poblacional o varianza poblacional, las cuales
algunas veces deben ser estimadas o comparadas antes de que inferencias acerca
de otros parámetros pueda ser hecho.

La estimación de la σ (desviación standard).

Hay varias maneras para estimar la desviación standard de una población,

pero mayormente nos basamos en la desviación standard muestral s. Empezaremos
con un intervalo de confianza para σ basado en s, lo cual requiere que la población
que estamos muestreando tenga aproximadamente la forma de una distribución
normal.

2 ( n−1)s 2
En tal caso el estadístico: χ= 2
σ

Llamado chi cuadrado, es un valor de una variable aleatoria que tiene

aproximadamente la distribución normal el parámetro de esta importante distribución
contínua es llamado el número de grados de libertad, exactamente como el
parámetro de la distribución t. Allí así como aquí, el número de grados de libertad es
n – 1.
A diferencia de las distribuciones normal y t, su dominio consiste de números
reales no – negativos.
Análogo z α y t α , se define χ 2α como el valor para el cual bajo la curva a su
derecha es igual a α .

Distribución Chi - cuadrado

ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

Como en el caso de t α , este valor depende del número de grados de libertad,

y debe ser obtenido de una tabla o de un software usado para una computadora.
2 α 2
Así, χ α es tal que el área bajo la curva a su derecha es , mientras χ 1− α es tal que el
2 2 2

α
área bajo la curva de a su izquierda es .
2

Distribución de Chi – cuadrado

Se hace esta distinción por que la distribución chi-cuadrado, a diferencia de las

distribuciones normal y t, no es simétrica.
2 2 2 2
Valores X 0.995 , X 0.975 , X 0.025, X 0.005 se dan en la Tabla III para los valores 1,2,3, … y
30 grados de libertad.

Desde que la probabilidad es 1–α que una variable aleatoria teniendo una
distribución chi-cuadrado tomara un valor entre X 21−α /2 y X 2α /2 de tal manera que:
X 21−α /2 < X 2< X 2α / 2

Sustituyendo en esta desigualdad, la expresión para la χ 2 anteriormente

mencionada tenemos:
2 (n−1)s2 2
X 1−α /2 < 2
< X α /2
σ

Aplicando simple álgebra, reescribimos la desigualdad como:

(n−1) s2 2 (n−1) s2
2
<σ < 2 , lo cual es conocido como el Intervalo de Confianza de σ
X α/ 2 X 1−α /2
para Muestras Pequeñas.
Ejemplo: Una muestra aletoria de 5 piezas embutidos tomada de un lote grande de
produccion, rindió los siguientes datos de su contenido de grasa (en porcentaje):
32.4, 30.9, 33.2, 31.5 y 34.3. Construir un intervalo de confianza para σ , al 95% de
confianza, que mida la variabilidad del porcentaje de las grasas en los embutidos.

2
ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

2 2
Solución: Desde que s = 1.35 y los valores de X 0.975 y X 0.025 para n-1=4 grados de
libertad son 0.484 y 11.143 de acuerdo a la Tabla III. Sustituyendo en la fórmula para
el intervalo de confianza de σ , resulta:

2 2
4 (1.35) 2 4 (1.35)
<σ < , de donde se obtiene: 0.65< σ 2 <15.066
11.143 0.484

Tomando la raíz cuadrada tenemos: 0.81¿ σ 2<¿ 3.88

Para nuestras grandes n ≥ 30 (población muestreada tiene aproximadamente la
forma de una distribución normal) hacemos uso de la teoría de que la distribución
muestral de s puede ser aproximada con una distribución normal que tiene la media
σ
μ y la desviación standard . Convirtiendo a unidades standard, podemos afirmar
√2 n
con probabilidad 1 – α que:
s−σ
−z α/ 2 < < z α/ 2
σ
√ 2n
Y simple álgebra nos lleva a la fórmula para el intervalo de confianza de muestras
grandes de σ :

s s
<σ <
zα/ 2 z α / 2 , intervalo de confianza de σ para muestras grandes.
1+ 1−
√2 n √2 n
Ejemplo: Con referencia al ejercicio ya visto de emisiones toxicas de una chimenea
se mostró que s = 5.55 ton. de óxido de sulfuro en n= 80 días. Construir un intervalo
de confianza de 95%, para la desviación standard de la población muestreada.

Solución: Sustituyendo n =80; s= 5.5 y Zα/2 = 1.96 en la fórmula de arriba se tiene:

5.55 5.55
<σ <
1.96 1.96
1+ 1−
√ 160 √ 160
y, 4.80¿ σ < 6.57
Respuesta: Estamos 95% seguros que el intervalo de 4.80 Ton. a 6.57 ton. contiene
σ , la verdadera desviación standard de las emisiones diarias de óxido sulfuroso de la
planta.
Ejercicios: En el ejemplo de la prueba de la pintura de carreteras para pintar líneas
centrales y laterales, se obtuvo s=19,200 vehículos pasando en 8 lugares. Construir

3
ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

un intervalo de confianza al 95% para σ (consistencia de la pintura con la que es

aplicada).
α 0.05 α
Solución: s=19,200; n=8; g.l.=n-1=8-1=7; = =0.025; 1- =0.975 (Usar Tabla 3).
2 2 2

2 2
(n−1) s 2 (n−1) s
2
<σ < 2 → 7¿¿
X α/ 2 X 1−α /2
12,694.45 ¿ σ < ¿39,075.03
Respuesta: Estamos 95% seguros que el intervalo de 12,964 a 39,075 vehículos
contiene σ , la verdadera desviación standard de los vehículos pasando sobre las
líneas pintadas sobre la carretera.

Ejercicio: Averiguando el tiempo promedio para hacer ciertas reparaciones a

cuarenta mecánicos tomo en promedio 24.05 min., con una desviación standard de
2.68 min. Construir un intervalo de confianza para σ , que mide la variación en
tiempo, teniendo en cuenta que en similares problemas, se encontró una s=2.68
s s
<σ <
z α/ 2 z α/ 2
1+ 1−
√2 n √2 n
2.68 2.68
<σ <
1.96 1.96 ⟹ 2.19 ¿ σ < 3.43 min
1+ 1−
√ 2∙ 40 √ 1∙ 40
Respuesta: Estamos 95% seguros que el intervalo 2.19 a 3.43 min., contiene σ , la
verdadera desviación standard de los tiempos promedios de los mecánicos haciendo
las reparaciones.

Test de desviación Standard:

El problema de testear ya sea que la desviación standard de una desviación
standard poblacional se iguala a una especificada constante σ , o ya sea que la
varianza poblacional iguala a σ 20 .
Esta clase de test puede ser requerido cuando sea que estudiamos la
uniformidad de un producto, proceso u operación. El test de hipótesis nula σ =σ 0 de
que de una desviación standard poblacional iguala a una constante especificada, es
basado en la misma teoría del intervalo de confianza para σ 2 en pequeñas muestras.
Asumiendo que nuestra muestra es al azar proviene de una población que
tiene aproximadamente la forma de una distribución normal. Usamos el estadístico x 2
(chi-cuadrado) para muestras pequeñas.
(n−1)s 2
X2= 2
σ0

4
ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

Hipótesis alternativa Rechazar la hipótesis Aceptar la hipótesis nula

nula si: o reservarse juicio si:
σ < σ0 2 2
X < X 1−α
2 2
X ≥ X 1−α
σ > σ0 X 2 > X 2α X 2 ≤ X 2α

σ ≠σ0 2 2
X < X 1−α/ 2
2 2 2
X 1−α /2 ≤ X ≤ X α /2
ó
2 2
X > Xα/2
2
Los valores de X están dados en la Tabla lll, para 1 ……… 30 g.l.

Ejemplo: Para juzgar ciertos dispositivos de seguridad de una movilidad, un

ingeniero debe conocer si es que el tiempo de reacción de los conductores en una
situación de emergencia tiene una desviación standard de 0.01 seg., o mayor que
0.01 seg. ¿Que puede concluir al nivel de 0.05 de significancia si el obtiene s=0.014
para una muestra de tamaño n=15?
Solución: 1.- H0: σ = 0.010 Seg.
HA: σ > 0.010 Seg.
2.- α =0.05
( n−1 ) s 2
2
3.- Rechazar H0 si X > 23.685, donde X =2
2 y 23.685 es el valor de X 20.05 para
σ0
15-1=14 grados de libertad; de otra manera aceptarla.
4.- Sustituyendo n=15, s=0.014 y σ 0 = 0.010 en la formula de X2 obtenemos:
2 14 (0.014)2
X = = 27.44
(0.010)2
5.- Desde que X2 = 27.44 excede a 23.685, rechazamos Ho. El ingeniero puede
concluir que la desviación standard del tiempo de la reacción de los conductores ante
la emergencia es mayor que 0.010 segundos.

Estadístico para Pruebas de Muestras Grandes concernientes a la Desviación

Standard:

Ejemplo 1.: Las especificaciones para la producción en masa de ciertos resortes,

requiere, entre otras cosas que la desviación standard de su longitud comprimida no
debe exceder 0.040 cm. Si una muestra al azar de tamaño n=35 de un cierto lote de
producción arroja s=0.053 y la probabilidad de un Error Tipo I es no exceder 0.01,

5
ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

Constituye esto evidencia para hipótesis nula σ ≤ 0.040 o para la hipótesis alternativa
σ > = 0.040?
Solución: 1.- H0 : σ ≤ 0.040
HA : σ > 0.040
2.- α ≤ 0.01

6
ESTADÍSTICA DR. CARDOZO TEMA NRO. 11, V.2019

3.- Desde que la probabilidad de un Error Tipo I es más grande cuando σ = 0.040,
procedemos como si estuviéramos probando la hipótesis nula σ = 0.040, contra la
hipótesis alternativa σ > 0.040 a nivel de 0.01 de significancia.
Así la hipótesis nula tiene que ser rechazada si:
Z>2.33, donde:
s−σ 0
z=
σ0
√2 n
o de otra manera, tiene que ser aceptada.
4.- Sustituyendo n=35; s=0.053, y σ 0 = 0.040 en la fórmula para z, obtenemos z=2.72
5.- Desde que z=2.72 excede 2.33, la hipótesis nula H 0, tiene que ser rechazada. En
otras palabras los datos muestran de que el lote de producción no cumple las
especificaciones requeridas.

Ejemplo 2.- La variabilidad de las ventas de un almacén en una muestra aleatoria de

50 días la mide la desviación standard s=$2,250. Utilice un nivel de significancia de
0.01 para probar la hipótesis nula H0 σ =$ 3,000, contra la hipótesis alternativa HA σ < ¿
=3,000 en relación con la población que se muestrea.
1.- H0: σ = σ 0 ($ 3,000)
HA: σ ¿ σ 0 ($ 3,000)
2.- α =0.01
s−σ 0
z=
3.- Rechazar la H0 si Z←2.33, donde σ0 ;
√2 n
Z0.01 = 2.33
4.- Sustituyendo s=2,250, σ =3,000, n=50 en la fórmula para z, obtenemos: z=-2.50,

2,250−3000
z=
3000 = -2.50
√ 2∙ 50

y como este valor es menor que Z0.01= - 2.33,

5.- Se debe rechazar la hipótesis nula. En otras palabras, concluimos que las ventas
son menos variables que las supuestas con la hipótesis nula (H 0).