Estimación de parámetros

Distribución muestral de la media

Estimación de intervalos de confianza
Estimación de intervalo para la media con confianza conocida
Donde 1- será conocido como nivel de confianza o grado de
confianza y será el margen de error.
Ejemplo:
Se encuentra que la concentración promedio de zinc que se obtiene en
una muestra de 36 mediciones diferentes en un río es de 2.6 g por
mililitro. Calcula los I.C del 95% y 99% para la concentración de zinc.
Suponiendo una desviación estándar poblacional de 0.3 g por mililitro .
Estimación de la proporción poblacional
Para hacer estimación por intervalos de la proporción población, consideremos el
estadístico.

Un pequeño fabricante adquiere un lote de 200 partes electrónicas

del “exceso de inventario” de una muestra grande. Se encuentra
que para una muestra aleatoria de 50 partes, 5 de ellas tienen
defectos. Estime la proporción de todas las partes de, embarque
que tienen defectos, usando un I.C. Del 95% y del 99%.
Se hizo un estudio con 611 oficinistas para investigar su atención al
teléfono, el estudio registraba la frecuencia con que contestaban el
teléfono y la frecuencia con que dejaban que la llamada llegara al buzón.
Si de estos oficinistas 281 indicaron constatar siempre las llamadas y no
usar el buzón. De un intervalo del 90% para la proporción de oficinistas
que siempre responden.
Estimación de la varianza poblacional
Para construir un I.C. de 100(1- )% para la varianza (s^2) o la
desviación estándar ( ), usaremos el estimador.

Un experimentador desea comprobar la variabilidad de mediciones

obtenidas al usar equipo diseñado para medir el volumen de una fuente
de audio. 3 mediciones independientes registradas por este equipo para
la fuente fueron: 4.1, 5.2 y 10.2.
Estimar con un I.C. del 90% y 95%.
Ejercicios tarea límite central
 101b por P(X-m( <1) (1 X
mx)
2
6 =
in
=
p -

n =
10 O

Pod
x = 1
0
M
=

Terror por
in
=

=
1 -

0 6826
-.
.
1)
2(0 1587) = P( (2)
=1 -

2P(x)
6 = 40
n = 30
·

x =
780
I
.C = 96 %
0 96 ME
(100- 0540 180+2054(
1 2
-
=

2
.

0 96 0 04
.

2= 1 -

.
=

-
.

=04
= 00 -
764 .
9997 he
↳~ 000
795-
1654
.

20
~

. 02= 2 054 .

6 =
0 0015 in
.

n =
75
X = 0 310 . in
IC .
= 95 % ,

1 x -
=
0 95 .

2 =
1 -

0 95 .
=
0 05 .

A =
005 = 0 025
.

2 2
20 . 025=
3
%
-I
~ I
0 96
.
-
-
2. %

2
-

0
I ! 70
02 .
02
202-
.

197
·

5
S
2 . 0540 0202 .

20su
2 : 06 0
0197
2060
.

200 200
201

issik" z
#IIIII
197 202
 Intervalo de confianza para diferencia de
medias (varianzas conocidas e iguales)

Nosotros generaremos un intervalo de confianza para diferencia

de medias
 Una muestra aleatoria de tamaño n1=25, tomada de una población
normal con una desv. estándar , tiene una media x1=80. Una
segunda muestra de tamaño n2=36 que se toma de una población
normal diferente con una desv. estándar con media x2=75.

Calcule un I.C. del 94% para

La media 1 tiene un
mejor rendimiento que
m2 por ser ambos
positivos.

Se comparan las calificaciones entre 2 grupos de ingeniería. Se

toman 50 exámenes de cada salón. El salón A tuvo un promedio de
78.3 con una desv. estándar de 5.6; en tanto que el salón B tuvo un
promedio de 87.2 con una desv. estándar de 6.3. Construya un I.C
de 95% para la diferencia de medias.

El segundo es mejor que el primero.

Intervalo de confianza para diferencia de
medias con varianzas desconocidas pero
iguales.
 Los siguientes datos representan el tiempo en días, que pacientes
tratados al azar con 2 medicamentos para curar infecciones graves
de vejiga tardaron en recuperarse.

Medicamento 1 Medicamento 2

Calcule un I.C del 99% para , suponiendo varianzas

poblaciones iguales.
Intervalo de confianza para diferencia de proporciones
El estadístico que usaremos para esta parte será

Se considera hacer un cambio en el proceso da como resultado

una mejora, se toman muestras de partes fabricadas con el
proceso actual y con el nuevo. Donde 75 de 1500 artículos
salieron defectuosos en el proceso actual y 80 de 2000 con el
proceso nuevo.
Calcule un I.C del 90% para la diferencia de proporciones de
partes defectuosas.
En una muestra de 500 familias que tienen televisores en México
se encuentra que 340 tienen suscripción a Netflix. Calcule un I.C
del 95% para la proporción real de familias en toda la CDMX en
Netflix.

¿Qué tan grande debe ser la muestra en el ejemplo anterior si

queremos tener 95% de confianza en que nuestra estimación
de p esté dentro de 0.02 del verdadero valor?
Distribución F
Si deseamos hacer comparación de varianzas entre 2 poblaciones
debemos tomar 2 muestras n1 y n2 de cada población donde
cada una de estas poblaciones tiene una varianza
respectivamente.
Por lo que si calculamos este valor estima y
estima De esta manera puede usarse para hacer
inferencias.

Definición de distribución F
Sean W1 y W2 v.a. independientes con distribución con
grados de libertad respectivamente, entonces

tiene una distribución F con grados de libertad en el numerador

y grados de libertad en el denominador
Intervalo de confianza para proporción de varianzas
La siguiente tabla muestra el tiempo de duración de películas
producidas por 2 empresas

103, 94, 110, 87, 98

97, 82, 123, 92, 175, 88, 118

Calcule un I.C. del 90% para la diferencia entre la duración

promedio de las películas que producen las 2 empresas y un I.C.
del 90% para la proporción de varianzas.
 Prueba de hipótesis

Prueba de hipótesis de una investigación

Considere un determinado modelo de automóvil en el que el
rendimiento de gasolina es de 24 millas por galón. Un grupo de
investigación elabora un nuevo sistema de inyección de
combustible diseñado para dar un mejor rendimiento en millas
por galón de gasolina. Para evaluar el nuevo sistema se fabrican
varios de estos, se instalan en los autos y se someten a pruebas.

Prueba de la validez de una afirmación

Considere una situación en la que un fabricante de refrescos
asegura que los envases de dos litros de refresco contienen en
promedio, por lo menos 67.6 oz de líquido. Se selecciona una
muestra de envases de dos litros y se mide su contenido para
confirmar lo que asegura el fabricante.

Prueba en situaciones de toma de decisión

Con base en una muestra de las piezas de un pedido recibido, el
inspector de control de calidad tiene que decidir si acepta el
pedido o lo regresa al proveedor debido a que no satisface las
especificaciones. Suponga que una especificación para unas
piezas determinadas sea que su longitud media debe ser de 2
pulgadas. Si la longitud media es menor o mayor a 2 pulgadas,
las piezas ocasionarán problemas de calidad en la operación de
ensamblado.
 Materia: Probabilidad
Profesor: Jorge Diego Fuentes Mora

Formulario para pruebas de hipótesis

Condiciones Valor del estadı́stico H0 Ha Región de rechazo

Distribuciones normales µ  µ0 µ > µ0 Z↵ < Z

X̄ µ0
y varianza conocida Z= p µ µ0 µ < µ0 Z < Z↵
/ n
µ = µ0 µ , µ0 Z < Z ↵2 o Z ↵2 < Z

Distribuciones normales µ  µ0 µ > µ0 Z↵ < Z

X̄ µ0
y varianza desconocida Z= p µ µ0 µ < µ0 Z < Z↵
S/ n
n 30 µ = µ0 µ , µ0 Z < Z ↵2 o Z ↵2 < Z

Distribuciones normales µ  µ0 µ > µ0 t↵ < t

X̄ µ0
y varianza desconocida t= p µ µ0 µ < µ0 t < t↵
S/ n
n < 30 µ = µ0 µ , µ0 t < t ↵2 o t ↵2 < t
⌫ = n 1 g.l.

µ  ⇡0 ⇡ > µ0 Z↵ < Z
Muestra aleatoria ⇡ ⇡0 ⇡ < ⇡0 Z < Z↵
p ⇡0
de una población binomial Z=r ⇡ = ⇡0 ⇡ , ⇡0 Z < Z ↵2 o Z ↵2 < Z
⇡0 (1 ⇡0 )
n

2 2 2 2 2
 0 > 0 ↵ <W
(n 1)S 2 2 2 2 2 2
Distribuciones normales W= 2 0 < 0 W< 1 ↵
2 2 2 2 2 2
= 0 , 0 W< 1 ↵ o ↵ <W
2 2
⌫ = n 1 g.l.

µ1 µ2  0 µ1 µ2 > 0 Z↵ < Z
Distribuciones normales µ1 µ2 0 µ1 µ2 < 0 Z < Z↵
(X¯1 X¯2 ) 0
e independientes Z= s µ1 µ2 = 0 µ1 µ2 , 0 Z < Z ↵2 o Z ↵2 < Z
2 2
1 2
+
n1 n2
con varianzas conocidas

(X¯1 X¯2 ) 0
Distribuciones normales t= r µ1 µ2  0 µ1 µ2 > 0 t↵ < t
1 1
Sp +
n1 n2
e independientes con µ1 µ2 0 µ1 µ2 < 0 t < t↵
(n1 1)S12 + (n2 1)S22
varianzas desconocidas Sp2 = µ1 µ2 = 0 µ1 µ2 , 0 t < t ↵2 o t ↵2 < t
n1 + n2 2
pero iguales

2 2 2 2
1  2 1 > 2 f↵ < f
S12 / 2
1 2 2 2 2
Distribuciones normales F= 1 2 1 < 2 f < f1 ↵
S22 / 2
2
2 2 2 2
e independientes 1 = 2 1 , 2 f < f1 ↵
2
o f ↵2 < f
⌫1 = n1 1 g.l. y ⌫2 = n2 1 g.l.
 Error tipo I y error tipo II

H0 es verdadera Ha es verdadera

p
Aceptar H0 Error tipo II

p
Rechazar H0 Error tipo I

↵ = P(Error tipo I) = P(Rechazar H0 cuando H0 es verdadera)

= P(Error tipo II) = P(Aceptar H0 cuando Ha es verdadera)

El gerente de Danvers hilton resort afirma que la cantidad media
que gastan los huéspedes en un finde es de $600 o menos. Un
miembro del equipo de contadores observó que en los últimos
meses habían aumentado tales cantidades. El contador emplea
una muestra de cuentas de finde para probar la afirmación.

El gerente de un negocio de venta de autos está pensando en un

nuevo plan de bonificaciones, con objeto de incrementar el
volumen de ventas. Al presente, el volumen medio de ventas es
de 14 autos por mes. El gerente desea realizar un estudio para
ver si el plan de bonificaciones incrementa el volumen de ventas.
Para recolectar los datos de muestras de vendedores venderá
durante un mes bajo el nuevo plan de bonificaciones.

Una línea de operación está diseñada para llenar empaques de

32 oz de detergente para lavar. Con periodicidad se selecciona
una muestra de los empaques y se pesan para determinar su ni
se están llenando con un peso mayor o menor del indicado.
Si los datos muestrales llevan a la conclusión de que hay exceso
o falta de llenado, se suspende la producción y se ajusta al
llenado completo.

Debido a los costos y al tiempo de adaptación de la producción,

un director de fabricación antes de implantar un nuevo método
de fabricación, debe convencer al gerente de que ese nuevo
método de fabricación reducirá los costos. El costo medio del
actual método de producción es de $220 por hora. En un
estudio se medirá el costo del nuevo método durante un periodo
muestral de producción.
 Materia: Probabilidad
Profesor: Jorge Diego Fuentes Mora

Formulario para intervalos de confianza

Intervalo de confianza para la media poblacional

(Varianza conocida)

!
X̄ µ
Z= p µ 2 X̄ Z ↵2 p , X̄ + Z ↵2 p
/ n n n

Intervalo de confianza para la media poblacional

(Varianza desconocida y muestra grande)

!
X̄ µ S S
Z= p µ 2 X̄ Z p , X̄ + Z ↵2 p
↵
2
S/ n n n

Intervalo de confianza para la media poblacional

(Varianza desconocida y muestra pequeña)

!
X̄ µ S S
T= p n 1 grados de libertad µ 2 X̄ t ↵2 p , X̄ + t ↵2 p
S/ n n n

Intervalo de confianza para la proporción poblacional

r r !
p̂ P p̂(1 p̂) p̂(1 p̂)
Z=r P 2 p̂ Z ↵2 , p̂ + Z ↵2
p̂(1 p̂) n n
n

Intervalo de confianza para la varianza poblacional

0 1
(n 1)S 2 2
BB (n 1)S 2 (n 1)S 2 CC
B CC
W= 2
n 1 grados de libertad 2 B@ 2
< 2 A
↵ 1 ↵
2 2

Intervalo de confianza para la desviación estándar poblacional

0s s 1
(n 1)S 2 BB (n 1)S 2 (n 1)S 2C
CC
W= 2
n 1 grados de libertad 2 BB@ 2
< 2
CA
↵ 1 ↵
2 2
Intervalo de confianza para la diferencia de medias poblacionales
(Varianzas conocidas)

s s
2 2 2 2!
(X̄1 X̄2 ) (µ1 µ2 ) 1 2 1 2
Z= s µ1 µ2 2 (X̄1 X̄2 ) Z ↵2 + , (X̄1 X̄2 ) + Z ↵2 +
2 2 n1 n2 n1 n2
1 2
+
n1 n2

Intervalo de confianza para la diferencia de medias poblacionales

(Varianzas desconocidas pero iguales)

(X̄1 X̄2 ) (µ1 µ2 ) (n1 1)S12 + (n2 1)S22

T= r n1 + n2 2 grados de libertad Sp2 =
1 1 n1 + n2 2
Sp +
n1 n2
r r !
1 1 1 1
µ1 µ2 2 (X̄1 X̄2 ) t ↵2 Sp + , (X̄1 X̄2 ) + t ↵2 Sp +
n1 n2 n1 n2

Intervalo de confianza para la diferencia de proporciones poblacionales

r r !
(pˆ pˆ2 ) (P1 P2 ) p̂1 (q̂1 ) p̂2 (q̂2 ) p̂1 (q̂1 ) p̂2 (q̂2 )
Z = r1 P1 P2 2 (pˆ1 pˆ2 ) Z ↵2 + , (pˆ1 pˆ2 ) + Z ↵2 +
p1 (q1 ) p2 (q2 ) n1 n2 n1 n2
+
n1 n2

Intervalo de confianza para la proporción de varianzas poblacionales

2! ! !
S12 / 2
1 2 S12 2
1 S12 1 S12
F= = 2 2 , f ↵/2 (⌫2 , ⌫1 )
S22 / 2
2
2
1 S22 2
2 S2 f ↵/2 (⌫1 , ⌫2 ) S22

n1 1 grados de libertad en el numerador y n2 1 grados de libertad en el denominador

Rechazamos que sean pagados igual
que a los otros trabajadores.