ESTADISTICA DESCRIPTIVA Y

PROBABILIDADES
VARIABLES ALEATORIAS CONTINUAS

ESTADISTICA DESCRIPTIVA
ÁREA DE ESTADISTICA
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 Clase # 15

Actividad de aprendizaje
Tarea 06
Ejercicios propuestos
ESTADÍSTICA MATEMÁTICA CON APLICACIONES, WACKERLY, MENDENHALL,
SCHEAFFER, SÉPTIMA EDICIÓN, CENGACE LEARNING.
Capítulo 2: Página 364, Ejercicios: 7.9, 7.13, 7.21
Página 373, Ejercicios: 7.43, 7.45, 7.53, 7.58
Página 394, Ejercicios: 8.1, 8.5, 8.8, 8.11
Página 402, Ejercicios: 8.21, 8.25
Página 409, Ejercicios: 8.39, 8.41, 8.43
Página 415, Ejercicios: 8.57, 8.61, 8.65, 8.67
Página 424, Ejercicios: 8,71, 8.75
Página 430, Ejercicios: 8.81, 8.83, 8.85

Nombre del estudiante Rommel Andrés Erazo Molina

Carrera Ingeniería Civil
NRC 6625
Nombre del profesor Livino Manuel Armijos Toro

Indicaciones:
- Realizar los ejercicios a mano y con esfero azul
- Cualquier inquietud por favor presentarla a través del Foro a fin de solventar dudas de
todo el grupo
• Ejercicio 7.9

Consulte el Ejemplo 7.2. La cantidad de líquido dosificado por una

máquina embotelladora está distribuida normalmente con 𝝈 = 𝟏 onza.
Si n = 9 botellas se seleccionan aleatoriamente de la producción de la
máquina, encontramos que la probabilidad de que la media muestral se
encuentre a no más de .3 onza de la verdadera media es .6318. Suponga
que 𝑌̅ se ha de calcular usando una muestra de tamaño n.
a. Si n=16, ¿Cuál es P(|𝑌̅ − 𝜇| ≤ .3)?

.𝑃(| 𝛾 − 𝜇 | ≤ 0.3) = 𝑃(−1.2 ≤ 𝑍 ≤ 1.2)

. =0.7698

b. Encuentre P(|𝑌̅ − 𝜇| ≤ .3) cuando 𝑌̅ se ha de calcular usando

muestras de tamaños n = 25, n = 36, n = 49 y n = 64.

.𝑃(|𝛾 − 𝜇| ≤ 0.3) = 𝑃(−0.3√𝑛 ≤ 𝑍 ≤ 0.3√𝑛

. = 1 − 2𝑃(𝑍 > 0.3√𝑛

c. ¿Qué patrón observa usted entre los valores para P(|𝑌̅ − 𝜇| ≤ .3)
que haya contempló para diversos valores de n?

La probabilidades aumentan con n, lo cual es intuitivo ya que la

varianza de Y disminuye con n

d. ¿Cómo se comparan las respectivas probabilidades obtenidas en

este problema (donde 𝜎 = 2) con las obtenidas en el Ejercicio 7.9
(donde 𝜎 = 1)?

Si estos resultados son consistentes ya que la probabilidad fue

menos que 0.95 para valores de n menos de 43

• Ejercicio 7.13
 La Environmental Protection Agency se ocupa del problema de establecer
criterios para las cantidades de sustancias químicas tóxicas permitidas en
lagos y ríos de agua dulce. Una medida común de toxicidad para cualquier
contaminante es la concentración de éste que mataría a la mitad de la
especie de prueba en un tiempo determinado (por lo general 96 horas
para especies de peces). Esta medida se denomina CL50 (concentración
letal que mata 50% de la especie de prueba). En muchos estudios, los
valores contenidos en el logaritmo natural de mediciones del CL50 están
distribuidos normalmente y, en consecuencia, el análisis está basado en
datos del ln(CL50). Estudios de los efectos del cobre en cierta especie de
peces (por ejemplo la especie A) muestran que la varianza de mediciones
de ln(CL50) es alrededor de .4 con mediciones de concentración en
miligramos por litro. Si han de completarse n = 10 estudios sobre el CL50
para cobre, encuentre la probabilidad de que la media muestral de
𝐥𝐧(CL50) difi era de la verdadera media poblacional en no más de .5.

.𝑷(|𝜸 − 𝝁| ≤ 𝟎. 𝟓) = 𝑷 (−𝟐. 𝟓 ≤ 𝒁 ≤ 𝟐. 𝟓)
= 0.9876

• Ejercicio 7.21

Consulte el Ejercicio 7.13. Suponga que n = 20 observaciones se han de

tomar a mediciones 𝐥𝐧(CL50) y que 𝝈 = 1.4. Denote con 𝑺𝟐 la varianza
muestral de las 20 mediciones.

a. Encuentre un número b tal que 𝑃(𝑆 2 ≤ 𝑏 ) = .975.

Estos valores se puden encontrar utilizando percentiles de la

19
distribución CHI-cuadrado con 𝜎 2 = 1.4 y con n = 20, 𝑠 2 tiene una
1.4
distribución CHI- cuadrado con 19 grados de libertad

𝒏−𝟏 𝟐 𝒏−𝟏
.𝑷(𝒔𝟐 ≤ 𝒃) = 𝑷( 𝟐 𝒔 ≤ 𝒃)
𝝈 𝝈𝟐
𝟏𝟗 𝟐 𝟏𝟗
= 𝑷 (𝟏.𝟒 𝒔 ≤ 𝟏.𝟒 𝒃)
= 𝟎. 𝟗𝟕𝟓

19
Debe ser cierto que 𝑏 = 32.8523. E 97.5% de esta distribución
1.4
CHI_cuadrado, y así b = 2.42
 b. Encuentre un número b tal que 𝑃(𝑆 2 ≤ 𝑏 ) = .975.

𝑛−2 𝑛−1
Del mismo modo, 𝑃(𝑠 2 ≥ 𝑎) = 𝑃( 𝜎 2 𝑠 2 ≥ 𝑎
𝜎2
= 0.974

19
Así, 1.4 ª = 8.96055, el 2.5% de esta distribución CHI-cuadrado, y así
a = 0.656

c. Si a y b son como en los incisos a y b, ¿cuál es 𝑃 (𝑎 ≤ 𝑆 2 ≤ 𝑏 )?

.P(a ≤ s2 ≤ b) = 0.95

• Ejercicio 7.43

Una antropóloga desea calcular el promedio de estatura de los hombres

de cierta raza. Si se supone que la desviación estándar poblacional es de
2.5 pulgadas y si ella muestrea 100 hombres aleatoriamente, encuentre
la probabilidad de que la diferencia entre la media muestral y la
verdadera media poblacional no exceda de .5 pulgada.

Sea Y la ultima media y 𝜎 = 2.5 pulgadas. Por el teorema del limite central:

.𝑃(|𝛾 − 𝜇| ≤ 0.5) = 𝑃(−0.5 ≤ 𝛾 − 𝜇 ≤ 0.5)

−0.5(10) −5(10)
. = 𝑃( ≤𝑍≤ )
2.5 2.5
. = 𝑃(−2 ≤ 𝑍 ≤ 2)
. 0.9544

• Ejercicio 7.45

Trabajadores de una gran empresa de servicios tienen un salario

promedio de $7.00 por hora con una desviación estándar de $.50. La
industria tiene 64 trabajadores de cierto grupo étnico que tienen un
salario promedio de $6.90 por hora. ¿Es razonable suponer que la tasa
 salarial del grupo étnico es equivalente a la de una muestra aleatoria de
trabajadores tomada de los empleados en la industria militar?
[Sugerencia: calcule la probabilidad de obtener una media muestral
menor o igual que $6.90 por hora.]

Sea Y el salario medio calculado a partir de una muestra de 64

trabajadores. Entonces:
√8(6.90−7.00)
.𝑃(𝛾 ≤ 6.90) ≈ 𝑃(𝑍 ≤ )
0.5
= 𝑃(𝑧 ≤ −1.60)
= 0.0548
• Ejercicio 7.53

Concentraciones de monóxido de carbono de cierta hora en muestras de

aire de una gran ciudad promedian 12 ppm (partes por millón) con
desviación estándar de 9 partes por millón.
a. ¿Cree usted que las concentraciones de monóxido de carbono en las
muestras de aire de esta ciudad están distribuidas normalmente?
¿Por qué sí o por qué no?

Con estos valores dados para 𝜇 y 𝜎, tenga en cuenta que el valor o

(0−12)
tiene una puntuación z de = 1.33. Esto no se considera
9
extremo y, sin embargo, este es valor mas pequeño posible para el
CO concentrado en el aire. Por lo tanto, una distribución normal no
es posible para estas mediciones

b. Encuentre la probabilidad de que la concentración promedio en 100

muestras seleccionadas aleatoriamente exceda de 14 partes por
millón.

Y es aproximadamente normal:
√100(14−12)
𝑃(𝛾 > 14) ≈ 𝑃(𝑍 > )
9
. = 𝑃(𝑍 > 2.22)
. = 0.0132

• Ejercicio 7.58
 Suponga que 𝑿𝟏 , 𝑿𝟐 , … , 𝑿𝒏 y que 𝒀𝟏 , 𝒀𝟐 , … , 𝒀𝒏 son muestras aleatorias
independientes de poblaciones con medias 𝝁𝟏 y 𝝁𝟐 y varianzas 𝝈𝟐𝟏 y 𝝈𝟐𝟐 ,
respectivamente. Demuestre que la variable aleatoria
(𝑿̅ −𝒀̅ ) − (𝝁𝟏 − 𝝁𝟐 )
𝑼𝒏 =
𝟐 𝟐
√(𝝈𝟏 + 𝝈𝟐
𝒏
satisface las condiciones del Teorema 7.4 y por tanto que la función de
distribución 𝑼𝒏 converge hacia una función de distribución normal
estándar cuando 𝒏 → ∞. [Sugerencia: considere 𝑾𝟏 = 𝑿𝟏 − 𝒀𝟏 , para
𝒊 = 𝟏, 𝟐, . . . , 𝒏. ]

Para W = Xi – Yi, tenemos que 𝐸(𝑊1) = 𝐸(𝑋𝑖) − 𝐸(𝑌𝑖)

= 𝜇1−𝜇2
Y 𝑉(𝑊𝑖) = 𝑉(𝑋𝑖) − 𝑉(𝑌𝑖) ya que Xi y Yi son independientes. Así, 𝑊 =
1
∑𝑛𝑖=1 𝑊𝑖
𝑛
1
.𝑛 ∑𝑛𝑖=1(𝑋𝑖 −
𝑌𝑖)
.= 𝑋 − 𝑌
Ahora: 𝐸(𝑊) = 𝜇1−𝜇2 y 𝑉(𝑊) = (𝜎1 2 + 𝜎2 2 )/𝑛 Por lo tanto, dado que
los Wi son independientes.

(𝑋−𝑌)−(𝜇1 −𝜇2 ) 𝑊−𝐸(𝑊)

.𝑈𝑛 = ( =
√𝜎1 2 +𝜎2 2 /𝑛 √𝑉(𝑊)

Satisface las condiciones del teorema 7.4 y tiene una distribución normal
estándar limitante.
• Ejercicio 8.1

Usando la identidad
̂ − 𝜽) = [𝜽
(𝜽 ̂ − 𝑬(𝜽
̂ )] + [𝑬(𝜽
̂ ) − 𝜽] = [𝜽
̂ − 𝑬(𝜽
̂ )] + 𝑩(𝜽
̂ ),

Demuestre que
̂ ) = 𝑬[(𝜽
𝑴𝑺𝑬(𝜽 ̂ − 𝜽)𝟐 ] = 𝑽(𝜽
̂ ) + (𝑩(𝜽
̂ ))𝟐

Sea 𝐵 = 𝐵(𝜃); entonces :

.𝑀𝑆𝐸(𝜃) = 𝐸[(𝜃 − 𝜃 2 )]
.= 𝐸[(𝜃 − 𝐸(𝜃) + 𝐵)2 ]
 .= 𝐸[(𝜃 − 𝐸(𝜃)2 )] + 𝐸(𝐵 2 ) + 2𝐵 𝑥 𝐸[𝜃 − 𝐸(𝜃)]
.= 𝑉(𝜃) + 𝐵2

• Ejercicio 8.5

Consulte los Ejercicios 8.1 y considere el estimador insesgado 𝜽̂ ∗ que

usted propuso en el Ejercicio 8.3.
a. Exprese MSE (𝜃̂)* como función de V(𝜃̂)

Tenga en cuenta que 𝐸(𝜃̂ ∗) = 0 𝑦 𝑉(𝜃̂ ∗) = 𝑉[(𝜃̂ − 𝑏)/𝑎]

.= 𝑉(𝜃̂)/𝑎2
Entonces:
𝑉(𝜃 )̂
.𝑀𝑆𝐸(𝜃̂) = 𝑣(𝜃̂ ∗) = 𝑎2

b. Dé un ejemplo de un valor para a para el cual MSE(𝜃̂ ∗ ) < MSE(𝜃̂).

Tenga en cuenta que 𝑀𝑆𝐸(𝜃̂) = 𝑉(𝜃̂ ) + 𝐵(𝜃̂) = 𝑉(𝜃̂) + [(𝑎 +

1)𝜃 + 𝑏]2 un valor suficiente grande de una fuerza de voluntad
.𝑀𝑆𝐸(𝜃̂ ∗) < 𝑀𝑆𝐸(𝜃̂). Ejemplo: a = 10

c. Dé un ejemplo de valores para a y b para los cuales MSE(𝜃̂ ∗ ) >

MSE(𝜃̂)

Un valor ampliamente pequeño de un testamento hace:

.𝑀𝑆𝐸(𝜃̂ ∗) > 𝑀𝑆𝐸(𝜃̂ )
Ejemplo: a = 0.5; b = 0

• Ejercicio 8.8

Suponga que Y1, Y2, Y3 denotan una muestra aleatoria de una

distribución exponencial con función de densidad

1
( )𝑒 −𝑦/𝜃 , 𝑦 > 0;
𝜃
.𝑓(𝑦)
0 , 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑝𝑢𝑛𝑡𝑜
 Considere los siguientes 5 estimadores de 𝜃:
𝑦1+𝑦2 𝑦1+2𝑦2
.𝜃̂1 = 𝑦1, 𝜃̂2 = 2 , 𝜃̂3 3 , 𝜃̂4 = 𝑚𝑖𝑛(𝑦1, 𝑦2, 𝑦3
. 𝜃̂5 = 𝑦

a. ¿Cuáles de estos estimadores son insesgados?

Tenga en cuenta que 𝜃̂1 , 𝜃̂2 , 𝜃̂3 𝑦 𝜃̂5 son combinaciones lineales
simples de y1, y2, y y3. Entonces se demuestra fácilmente que estos
cuatro estimadores son imparciales. A partir del ejercicio 6.81 se
mostró que 𝜃̂4 tiene una distribución exponencial con la media de
𝜃/3, por lo que este estimador esta sesgado.

b. Entre los estimadores insesgados, ¿Cuál tiene la varianza mas

pequeña?
Se demuestra fácilmente que ̂1 ) = 𝜃 2 , 𝑉 (𝜃
𝑉(𝜃 ̂2 ) = 𝜃 2 /
2, 𝑉( 𝜃̂3 ) = 5𝜃 2 /9 y 𝑉𝜃
̂ 5 = 𝜃 2 /9. Así que el estimador 𝜃̂5, es
imparcial y tiene la variante mas pequeña
• Ejercicio 8.11

Sea 𝒀𝟏 , 𝒀𝟐 , … , 𝒀𝒏 una muestra aleatoria de tamaño n de una población

con media 3. Suponga que 𝜽 ̂ 𝟐 es un estimador insesgado de E(𝒀𝟐 ) y que
𝜽 ̂𝟑 es un estimador insesgado de E(𝒀 𝟑 ). Proponga un estimador
insesgado para el tercer momento central de la distribución subyacente.

El tercer momento central se define como:

.𝐸[(𝑌 − 𝜇3 ] = 𝐸[(𝑌 − 3)3 ] = 𝐸(𝑌 3 ) − 9𝐸(𝑌 2 ) + 54
Uno de los estimadores imparciales 𝜃̂2 y 𝜃̂3 se puede demostrar fácilmente
que 𝜃̂3 − 9 𝜃̂2 + 54 es una estimada imparcial
• Ejercicio 8.21

Un investigador está interesado en la posibilidad de unir las aptitudes de

televisión e Internet. Una muestra aleatoria de n = 50 usuarios de
Internet dio que el tiempo medio semanal empleado en ver televisión era
de 11.5 horas y que la desviación estándar era de 3.5 horas. Estime el
tiempo medio poblacional que los usuarios de Internet pasan viendo
televisión y fi je un límite para el error de estimación.

Usando la tabla 8.1 podemos estimar la media de la población por y = 11.5

y usar un dos-estandar – Limite de error de 2(3.5)√50 = 0.99

• Ejercicio 8.25

Se realizó un estudio para comparar el promedio de llamadas de

emergencia a la policía en cada turno de 8 horas en dos distritos de una
ciudad grande. Se seleccionaron
aleatoriamente muestras de 100
turnos de 8 horas de los registros
policíacos para cada una de las dos
regiones y se registró el número de
llamadas de emergencia para cada turno. Los estadísticos muestrales se
proporcionan en la tabla siguiente.

a. Calcule la diferencia en el número medio de llamadas de emergencia

a la policía por turno de 8 horas entre los dos distritos de la ciudad.
b. Encuentre un límite para el error de estimación.
 Estimamos que la diferencia es 2.4 – 3.1 = -0.7
1.44+2.64
Con un limite de error de 2√ = 0.404
100

• Ejercicio 8.39

Suponga que la variable aleatoria Y tiene una distribución gamma con

parámetros a = 2 y 𝜷 desconocida. En el Ejercicio 6.46 usted utilizó el
método de las funciones generadoras de momento para demostrar un
resultado general que implicaba que 2𝜸/𝜷 tiene una distribución 𝑿𝟐 con
4 grados de libertad. Usando 2𝜸/𝜷 como cantidad pivote, deduzca un
intervalo de confianza de 90% para 𝜷.

Usando la tabla 6 con 4 grados de libertad: 𝑃(0.71072 ≤ 2𝑦/𝐵 ≤

9.49773) = 0.9

2𝑦 2𝑦
Así que: 𝑃( ≤𝛽≤ ) = 0.9
9.48773 0.71071
2𝑦 2𝑦
Y (9.48773 , 0.71072) formas a 90% ci para β

• Ejercicio 8.41

Suponga que Y esta distribuida normalmente con media o y varianza 𝝈𝟐

desconocida. Entonces 𝒚𝟐 /𝝈𝟐 tiene una distribución 𝒙𝟐 con grado de
libertad 1. Use la cantidad pivote 𝒚𝟐 /𝝈𝟐 para hallar:

a. Intervalo de fianza de 95% para 𝜎 2

Usando la tabla 6 con 1 grado de libertad:
.0.95 = 𝑃(0.0009821 ≤ 𝑦 2 /𝜃 2 ≤ 5.02389)
. 0.95 = 𝑃(𝑦 2 /5.02389 ≤ 𝜃 2 ≤ 𝑦 2 /0.0009821)
b. Limite de confianza superior de 95% para 𝜃 2
. 0.95 = 𝑃(0.0009821 ≤ 𝑦 2 /𝜃 2
. 0.95 = 𝑃(𝜃 2 ≤ 𝑦 2 /0.0009821)
c. Limite de confianza inferior de 95% para 𝜃 2
. 0.95 = 𝑃(𝑦 2 /𝜃 2 ≤ 3.84146)
. 0.95 = 𝑃(𝑦 2 /5.02389 ≤ 𝜃 2
• Ejercicio 8.43

Sea y1, y2, …, yn una muestra aleatoria de tamaño n de una población

con distribución uniforme en el intervalo (0, ϴ) sean y(n) = max (y1, y2,
…; yn) y U(1/ϴ) Y(n)

a. Demuestre que U tiene función de distribución

0, 𝑢 < 0
,Fu(u) 𝑢𝑛 , 0 ≤ 𝑢 ≤ 1
1, 𝑢 > 1

𝑦
La función de distribución para Y(n) ES Gn(y) = (𝜃)2 , 0 ≤ 𝑦 ≤ 𝜃 así
que la función de distribución será:
.𝐹𝑢(𝑢) = 𝑃(𝑈 ≤ 𝑢) = 𝑃(𝑌(𝑛) ≤ 𝜃𝑢) = 𝐺𝑛(𝜃𝑢) = 𝑢
.0 ≤ 𝑦 ≤ 1

b. Como la distribucion de u no depende de ϴ, U es una cantidad

pivote. Encuentre un limite de confianza inferior de 95% para ϴ

𝑌(𝑛)
Requerimos el valor de a tal que 𝑃( ≤ 𝑎) = 𝐹𝑢(𝑎) = 0.95 Por
𝜃
lo tanto, 𝑎 𝑛 = 0.95 para 𝑎 = (0.95) 1/𝑛
y el límite de confianza
inferior es [𝑌(𝑛)](0.95)−1/𝑛

• Ejercicio 8.57

Consulte el Ejercicio 8.29. De acuerdo con el resultado dado ahí, 51% de

los n = 1001 adultos encuestados en noviembre de 2003 dijeron ser
aficionados al beisbol. Construya un intervalo de confianza de 99% para
la proporción de adultos que en noviembre de 2003 dijeron ser
aficionados al beisbol (después de la Serie Mundial). Interprete este
intervalo.

Con 𝑍0.005 = 2.576, el 99% del intervalo es:

0.51(0.49)
.0.51 ± 2.576√ o 0.51 ± 0.04
1001

Somos 99% confiado en que entre el 47% y el 55% de los adultos en

 noviembre del 2023 son fanáticos de beisbol

• Ejercicio 8.61

Una pequeña cantidad selenio, de 50 a 200 microgramos (mg) por día, es

considerada esencial para una buena salud. Suponga que se
seleccionaron muestras aleatorias independientes, de 𝒏𝟏 = 𝒏𝟐 = 30
adultos provenientes de dos regiones de Estados Unidos y que se registró
para cada persona una ingesta diaria de selenio tanto de líquidos como
de sólidos. La media y la desviación estándar de la ingesta diaria de
̅ = 167.1 𝝁g y 𝒔𝟏 = 24.3
selenio para los 30 adultos de la región 1 fueron 𝒚
mg, respectivamente. Los estadísticos correspondientes para los 30
adultos de la región 2 fueron 𝒚̅ = 140.9 𝝁g y 𝒔𝟐 = 17.6 mg. Encuentre un
intervalo de confi anza de 95% para la diferencia en la ingesta media de
selenio para las dos regiones.

Con 𝑍0.005 = 1.96, el 55% ci es:

(24.3)2 +(17.6)2
.167.1 − 140.9 ± 1.96√ 30

ó .(15.46 ; 36,94)

• Ejercicio 8.65

Para una comparación de los porcentajes de piezas defectuosas

producidas por dos líneas de montaje, de cada línea se seleccionaron
muestras aleatorias independientes de 100 piezas. La línea A produjo 18
piezas defectuosas en la muestra y la línea B contenía 12 piezas
defectuosas.
a. Encuentre un intervalo de confianza de 98% para la verdadera
diferencia en proporciones de piezas defectuosas para las dos líneas.

El 98% CI es con 𝑍0.01 = 2.326; 𝑒𝑠:

0.18(0.82)+0.12(0.88)
.0.18 − 0.12 ± 2.326√ 100

Ó .0.06 ± 0.117 ó (−0.057 ; 0.177)

b. ¿Hay evidencia aquí que sugiera que una línea produce una
proporción más alta de piezas defectuosas que la otra?
 Dado que el intervalo contiene valores positivos y negativos, es
probable que las dos líneas de montaje producen la mismo
proporción de defectuosos

• Ejercicio 8.67

Un método sugerido para resolver la escasez de energía eléctrica en una

región comprende la construcción de plantas nucleares fl otantes
generadoras de energía eléctrica a pocas millas de la costa en el océano.
La preocupación por la posibilidad de una colisión de barcos con la planta
flotante, pero anclada, ha aumentado la necesidad de una estimación de
la densidad del tránsito de barcos en la zona. El número de barcos que
pasan diariamente a no más de 10 millas de la ubicación propuesta de la
planta eléctrica, registrada para n = 60 días durante julio y agosto, poseía
una media muestral y varianza de = y s2 = 8.8.
a. Encuentre un intervalo de confianza de 95% para el número medio de
barcos que pasen a no más de 10 millas del lugar propuesto para la
planta eléctrica durante un período de 1 día.

8.8
El 95% CI es 7.2 ± 1.96√ 60 ó 7.2 ± 0.75

b. Se esperaba que la densidad de tránsito disminuyera durante los meses

de invierno. Una muestra de n = 90 registros diarios de avistamientos
de barcos para diciembre, enero y febrero dieron una media y varianza
de = y s2 = 4.9. Encuentre un intervalo de confianza de 90% para la
diferencia en la densidad promedio de tránsito de barcos entre los
meses de verano e invierno.

El CI del 90% para la diferencia en las densidades medias es (7.2 −

8.8 4.9
4.7) ± 1,645√ 60 + 30 ó 2.5 ± 0.74
 c. ¿Cuál es la población asociada con la estimación en el inciso b? ¿Qué
podría estar mal con el procedimiento de muestreo para los incisos a

Presumiblemente la población es avistamientos de barcos durante

todos los meses de verano e invierno. Es muy posible que los días
utilizados en la muestra no hayan sido seleccionados aleatoriamente
(los meses fueron elegidos en el mismo años).

• Ejercicio 8.71

Un servicio estatal de fauna silvestre desea calcular el número promedio

de días que cada cazador con licencia se dedica a esta actividad realmente
durante una estación determinada, con un límite en el error de
estimación igual a 2 días de caza. Si los datos recolectados en estudios
anteriores han demostrado que s es aproximadamente igual a 10,
¿cuántos cazadores deben estar incluidos en el estudio?

Con 𝐵 = 2
. 𝜎 = 10 Por lo tanto, n = 100

. 𝑛 = 4𝜎 2 /𝛽2

• Ejercicio 8.75

Un servicio estatal de fauna silvestre desea calcular el número promedio

de días que cada cazador con licencia se dedica a esta actividad realmente
durante una estación determinada, con un límite en el error de
estimación igual a 2 días de caza. Si los datos recolectados en estudios
anteriores han demostrado que s es aproximadamente igual a 10,
¿cuántos cazadores deben estar incluidos en el estudio?

𝜎 1 𝜎2 2
1
Aquí, 1,645√ 𝑛1 + = 0.1
𝑛2

Pero 𝜎1 2 = 𝜎2 2 = 0.25, 𝑛1 = 𝑛2 = 𝑛
Por lo que la muestra r = 136 de cada ubicación

• Ejercicio 8.81
 Las longitudes de caparazones de diez langostas examinados en un
estudio de la infestación de la langosta Thenus orientalis por dos tipos de
lapas, Octolasmis tridens y O. lowei se dan en la siguiente tabla.
Encuentre un intervalo de confi anza de 95% para la longitud media de
caparazón (en milímetros, mm) de langostas T. orientalis atrapadas en
los mares en las cercanías de Singapur.

Las estadísticas de muestras son: 𝑦 = 60.8 , 𝑠 = 7.97

7.97
Por lo tanto el 95% CI es 60.8 ± 2,262( ) = 60.8 ± 5.70
√10

• Ejercicio 8.83

El síndrome crónico de la sección anterior es un estado de salud

caracterizado por dolor inducido por ejercicio en la parte inferior de las
piernas. Hinchazón y una función deteriorada de nervios y músculos
también acompañan al dolor, que se alivia con reposo. Susan Beckham y
sus colegas14 realizaron un experimento que abarcó diez corredores en
buenas condiciones físicas, así como diez ciclistas también en buenas
condiciones físicas, para determinar si las mediciones de presión dentro
de la sección anterior del músculo difi eren entre corredores y ciclistas.
Los datos —presión en la sección, en milímetros de mercurio— se
resumen en la tabla siguiente:

a. Construya un intervalo de confi anza de 95% para la diferencia en la

media de las presiones en la sección entre corredores y ciclistas en
condición de reposo.

Usando el CI muestra-muestra para µ1 - µ2 usando una suposición

de normalidad, calcular la varianza de la muestra agrupada

9(3.92)2 +9(3.98)2
.𝑆 2 𝑝 = = 15.6034
18
Por lo tanto el CI del 95% para la diferencia en las precisiones medias
del comportamiento es:
 1 1
14.5 − 11.1 ± 2.101√15.6034( + )
10 10
= 13.4 ± 3.7 ó (10.3, 7.1)

b. Construya un intervalo de confi anza de 90% para la diferencia en la

media de las presiones en la sección entre corredores y ciclistas que
se ejercitan al 80% de máximo consumo de oxígeno (O2).

La varianza de la muestra agrupada para corredores y ciclistas que

hacen ejercicio en el 80% del consumo máximo de oxígeno viene
dado por:

9(3.49)2 + 9(4.95)2
𝑆2 𝑝 = = 18.3413
18
Por lo tanto el CI del 90% para la diferencia de las precisiones medias
del comportamiento aquí es:

1 1
12.2 − 11.5 ± 1.734√18.3413( + )
10 10
= 0.7 ± 3.32 ó (−2.62 ; 4.02)
c. Considere los intervalos construidos en los incisos a y b. ¿Cómo
interpretaría los resultados obtenidos?

Dado que ambos intervalos contienen 0, no podemos concluir que

las medias en cualquier caso sean diferentes entre si.

• Ejercicio 8.85

Es frecuente que los químicos orgánicos purifiquen compuestos

orgánicos por medio de un método conocido como cristalización
fraccional. Un experimentador desea preparar y purificar 4.85 g de
anilina. Diez especímenes de 4.85 gramos de anilina se prepararon y
purificaron para producir acetanilida. Se obtuvieron los siguientes
resultados en seco:
Construya un intervalo de confianza de 95% para el número medio de
gramos de acetanilida que se puede recuperar de 4.85 gramos de anilina.
La varianza de la muestra agrupada es:
15(6)2 +19(8)2
. 𝑆2𝑝 = = 51.647
34
Entonces el 95% CI para µ1 - µ2 es

1 1
11 − 12 ± 1.96√51,647( + ) = −1 ± 7.72 ó (−5,72 ; 3.72)
10 10
Aquí aproximamos ± 0.025 con 0.025 = 1.96