Estimación

Estimación

Material de Estudio – Unidad 5

Libro: Probability & Statistics for Engineers & Scientists. 2006.
Autores: Walpole, Ronald E. Pearson
Editorial: Prentice Hall.
Año: 2006.
Estimación por Intervalo

Definición
• La estimación por intervalo para un parámetro es una
expresión de la forma 𝜃መ𝐼 ≤ 𝜃 ≤ 𝜃መ𝑆 , donde 𝜃መ𝐼 y 𝜃መ𝑆 dependen
෡ para una muestra particular y de la
del valor del estimador Θ
distribución de muestreo de Θ෡.
• Para encontrar una estimación por intervalo para un
parámetro 𝜃 se parte de:
𝑃 𝑎≤Θ ෡ ≤𝑏 = 1−𝛼
• Y se llega a que:
෡𝐼 ≤ 𝜃 ≤ Θ
𝑃 Θ ෡𝑆 = 1 − 𝛼
Estimación por Intervalo

Definición
La estimación por intervalo, denominada intervalo de confianza
de 1 − 𝛼 100%, será entonces:

𝜃መ𝐼 ≤ 𝜃 ≤ 𝜃መ𝑆

A 1 − 𝛼 100% se le denomina nivel de confianza, 𝜃መ𝐼 y 𝜃መ𝑆 son

los límites de confianza inferior y superior respectivamente.
Intervalo de Confianza para la Media

Caso I
Si 𝑥ҧ es la media de una muestra aleatoria de tamaño 𝑛 tomada
de una población normal de media 𝜇 y varianza 𝜎 2 conocida, un
intervalo de confianza del 1 − 𝛼 100% para 𝜇 está dado por:

𝜎 𝜎
𝑥ҧ − 𝑧𝛼ൗ2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑧𝛼ൗ2
𝑛 𝑛

Donde 𝑧𝛼Τ2 es el valor 𝑧 que deja a la derecha un área de 𝛼Τ2.

Intervalo de Confianza para la Media

Caso II
Si la población no es normal pero el tamaño de muestra es
grande 𝑛 ≥ 30, se puede utilizar la misma expresión por el
Teorema del Límite Central.
Intervalo de Confianza para la Media

Ejemplo 1
Una empresa de material eléctrico fabrica focos que tienen una
duración que se distribuye normalmente, con una desviación
estándar de 40 horas . Se toma una muestra aleatoria de 30
bombillas y se encuentra una duración promedio de 775 horas.
a. Calcule un intervalo de confianza del 95% para la duración
promedio de todas las bombillas.
b. Calcule un intervalo de confianza del 99% para la duración
promedio de todas las bombillas.
c. ¿Cuál de los dos intervalos cree usted que es el mejor?
d. Si el fabricante afirma que la duración promedio de los focos
es de 780 horas, ¿está el I.C. apoyando esta afirmación?
Intervalo de Confianza para la Media

Confiabilidad y Precisión
Al aumentar la confiabilidad el intervalo de confianza tiene una
mayor amplitud (es decir, disminuye la precisión), es deseable
una ALTA confiabilidad y una ALTA precisión (intervalos
estrechos, para que haya un menor número de valores posibles
para 𝜃), pero al aumentar confiabilidad disminuye la precisión,
para controlar ambos se debe determinar el tamaño de muestra
óptimo, para esto se define el error muestral.
Error Muestral

Definición
• Es la diferencia entre el resultado obtenido de una muestra
(estadístico) y el resultado que se debería haber obtenido de
la población (parámetro), es decir, 𝜖 = 𝜃መ − 𝜃 .
• Es una medida de la variabilidad de las estimaciones de
muestras repetidas en torno al valor de la población.
• Da una noción clara de hasta donde y con que probabilidad
una estimación basada en una muestra se aleja del valor que
se hubiera obtenido por medio de un censo.
• Siempre se comete un error, pero la naturaleza de la
investigación indicará hasta que medida se puede cometer.
Mientras más pequeño el error muestral, mayor es la
precisión de la estimación.
Tamaño de Muestra para Estimar la Media Poblacional

Error Muestral para la Media

El error muestral está dado por 𝜖 = 𝑥ො − 𝜇 . A partir del intervalo
𝜎 𝜎
de confianza para 𝜇: 𝑥ҧ − 𝑧𝛼Τ2 𝑛 ≤ 𝜇 ≤ 𝑥ҧ + 𝑧𝛼Τ2 𝑛 se llega a que:

𝜎 𝜎
−𝑧𝛼ൗ ≤ 𝑥ҧ − 𝜇 ≤ 𝑧𝛼ൗ
2 𝑛 2 𝑛

Es decir,
𝜎
𝑥ҧ − 𝜇 ≤ 𝑧𝛼ൗ2
𝑛
Tamaño de Muestra para Estimar la Media Poblacional

Error Muestral para la Media

El tamaño de muestra para estimar 𝜇, con una confiabilidad de
1 − 𝛼 100% y una precisión 𝑒 es:

𝑧𝛼ൗ2 𝜎 2
𝑛=
𝑒
Tamaño de Muestra para Estimar la Media Poblacional

Ejemplo 2
Si en el Ejemplo 1 se desea estimar la media con un error de 10
horas y una confiabilidad del 99%, ¿qué tamaño de muestra se
debe utilizar?
Intervalo de Confianza para la Media

Caso III
Si 𝑥ҧ y 𝑠 2 es la media y la varianza, respectivamente, de una
muestra aleatoria de tamaño 𝑛 tomada de una población normal
de media 𝜇 y varianza desconocida, un intervalo de confianza
del 1 − 𝛼 100% para 𝜇 está dado por:

𝑠 𝑠
𝑥ҧ − 𝑡𝛼ൗ2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑡𝛼ൗ2
𝑛 𝑛

Donde 𝑡𝛼Τ2 es el valor 𝑡 con 𝑛 − 1 grados de libertad que deja a

la derecha un área de 𝛼Τ2.
Intervalo de Confianza para la Media

Caso IV
Si la población no es normal pero el tamaño de muestra es
grande 𝑛 ≥ 30, 𝑠 se puede utilizar como una buena estimación
para 𝜎 y la aproximación 𝑡 a la distribución normal. Por lo tanto,
se tendrá que:

𝑠 𝑠
𝑥ҧ − 𝑧𝛼ൗ ≤ 𝜇 ≤ 𝑥ҧ + 𝑧𝛼ൗ
2 𝑛 2 𝑛

Donde 𝑧𝛼Τ2 es el valor 𝑧 que deja a la derecha un área de 𝛼Τ2.

Intervalo de Confianza para la Media

Ejemplo 3
El gerente de mercadotecnia de una compañía local de agua
para viviendas, se da cuenta que en un amplio sector de la
ciudad el consumo de agua disminuyó grandemente el ultimo
mes, su consumo promedio era 20 m3 por casa. Sospecha que
se esta haciendo fraude y decide realizar una investigación,
para ello toma una muestra aleatoria de 121 casas en el
siguiente mes y encuentra que el consumo promedio fue 19.1m 3
con una desviación estándar de 4.56. Calcule un I.C. del 95%.
¿Fundamentan estos resultados su sospecha?
Intervalo de Confianza para la Varianza

Varianza Poblacional
Si 𝑠 2 representa la varianza de una muestra aleatoria de tamaño
𝑛 tomada de una población normal de varianza 𝜎 2 , un intervalo
de confianza del 1 − 𝛼 100% para 𝜎 2 está dado por:

𝑛 − 1 𝑠2 2
𝑛 − 1 𝑠2
≤𝜎 ≤
𝜒𝛼2ൗ 2
𝜒1−𝛼ൗ
2 2

Donde 𝜒𝛼2Τ2 y 𝜒1−

2 2
𝛼Τ con los valores 𝜒 con 𝑛 − 1 grados de
2
libertad que dejan a la derecha un áreas de 𝛼Τ2 y 1 − 𝛼Τ2,
respectivamente.
Intervalo de Confianza para la Varianza

Ejemplo 4
El dueño de una empresa de productos alimenticios necesita
comprar una nueva máquina. Para verificar el peso de las
bolsas que empaca y determinar si le compra la máquina a
cierto proveedor, toma una muestra aleatoria de 20 bolsas de 1
kg de peso y realiza las mediciones. La desviación estándar
establecida en el peso de las bolsas es de 0.02. A partir de esta
muestra, ¿debe adquirir la máquina? Utilice un I.C. del 90% y
considere que los pesos de las bolsas siguen una distribución
normal.
Intervalo de Confianza para la Proporción

Proporción Muestral
Si 𝑝ො representa la proporción de éxito de una muestra aleatoria
tomada de una población binomial con proporción de éxito 𝑝, un
intervalo de confianza del 1 − 𝛼 100% para 𝑝 es:

𝑝ො𝑞ො 𝑝ො𝑞ො
𝑝ො − 𝑧𝛼ൗ2 ≤ 𝑝 ≤ 𝑝ො + 𝑧𝛼ൗ2
𝑛 𝑛

Siempre que 𝑛𝑝ො ≥ 5 y 𝑛𝑞ො ≥ 5; donde 𝑧𝛼Τ2 es el valor 𝑧 que deja

a la derecha un área de 𝛼Τ2.
Tamaño de Muestra para Estimar la Proporción

Error Muestral para la Proporción

El error muestral está dado por 𝜖 = 𝑝ො − 𝑝 . A partir del intervalo
𝑝ො𝑞ො 𝑝ො𝑞ො
de confianza para 𝑝: 𝑝ො − 𝑧𝛼Τ2 𝑛
≤ 𝑝 ≤ 𝑝ො + 𝑧𝛼Τ2 𝑛
se llega a
que:
𝑝ො𝑞ො 𝑝ො𝑞ො
−𝑧𝛼ൗ2 ≤ 𝑝ො − 𝑝 ≤ 𝑧𝛼ൗ2
𝑛 𝑛

Es decir,
𝑝ො𝑞ො
𝑝ො − 𝑝 ≤ 𝑧𝛼ൗ2
𝑛
Tamaño de Muestra para Estimar la Proporción

Error Muestral para la Proporción

El tamaño de muestra para estimar 𝑝, con una confiabilidad de
1 − 𝛼 100% y una precisión 𝑒 es:

𝑧𝛼2ൗ 𝑝ො𝑞ො
2
𝑛=
𝑒2
Tamaño de Muestra para Estimar la Proporción

Alternativas
Surge el inconveniente que para determinar el tamaño de
muestra se necesita de 𝑝,ො que es un valor obtenido a partir de
una muestra. Este problema se puede superar de dos formas:
1. Tomando una muestra inicial o piloto de tamaño 𝑛1 y a partir
de ella, estimar 𝑝.
ො
2. Tomar el máximo tamaño de muestra. Esto ocurre cuando
𝑝ො𝑞ො es máximo, es decir 𝑝ො = 𝑞ො = 0.5. Se tiene entonces que:

𝑧𝛼2ൗ
2
𝑛=
4𝑒 2
Intervalo de Confianza para la Proporción

Ejemplo 5
Se sabe que en una zona rural del departamento A el 18% de
los niños entre 8 y 12 años no asisten a la escuela. Se realizó
un nuevo estudio y se encontró que de 200 niños, 30 en esas
edades no asisten a la escuela.
a. ¿Se puede decir que el porcentaje de niños que no asisten a
la escuela disminuyó? Halle un I.C. del 95% para 𝑝.
b. ¿Cuál es el error muestral cometido en la inciso a?
c. ¿Qué tamaño de muestra se necesita para reducir el error
muestral anterior a la mitad? Considere el valor de 𝑝ො anterior.
d. ¿Qué tamaño de muestra máximo se necesita para reducir
el error muestral anterior a la mitad?
Intervalo de Confianza para Diferencia de Medias

Casos I y II
Si 𝑥ҧ1 y 𝑥ҧ2 son las medias de muestras aleatorias independientes
de tamaños 𝑛1 y 𝑛2 tomadas de dos poblaciones normales con
varianzas 𝜎12 y 𝜎22 conocidas, un intervalo de confianza del
1 − 𝛼 100% para 𝜇1 − 𝜇2 está dado por:

𝜎12 𝜎22 𝜎12 𝜎22

𝑥1ҧ − 𝑥ҧ2 − 𝑧𝛼ൗ2 + ≤ 𝜇1 − 𝜇2 ≤ 𝑥1ҧ − 𝑥ҧ2 + 𝑧𝛼ൗ2 +
𝑛1 𝑛2 𝑛1 𝑛2

Donde 𝑧𝛼Τ2 es el valor 𝑧 que deja a la derecha un área de 𝛼Τ2.

Intervalo de Confianza para Diferencia de Medias

Caso III
Si 𝑥1ҧ y 𝑥ҧ2 son las medias de muestras aleatorias independientes
de tamaños 𝑛1 y 𝑛2 tomadas de dos poblaciones normales con
varianzas desconocidas pero iguales, un intervalo de confianza
del 1 − 𝛼 100% para 𝜇1 − 𝜇2 está dado por:

1 1 1 1
𝑥ҧ1 − 𝑥ҧ2 − 𝑡𝛼ൗ2 𝑠𝑝2 + ≤ 𝜇1 − 𝜇2 ≤ 𝑥ҧ1 − 𝑥ҧ2 + 𝑡𝛼ൗ2 𝑠𝑝2 +
𝑛1 𝑛2 𝑛1 𝑛2

𝑛1 −1 𝑠12 + 𝑛2 −1 𝑠22
Donde 𝑠𝑝2 = es la estimación de la varianza
𝑛1 +𝑛2 −2
para las poblaciones y 𝑡𝛼Τ2 es el valor 𝑡 con 𝑛1 + 𝑛2 − 2 grados
de libertad que deja a la derecha un área de 𝛼Τ2.
Intervalo de Confianza para Diferencia de Medias

Caso IV
Si 𝑥ҧ1 y 𝑥ҧ2 son las medias de muestras aleatorias independientes
de tamaños 𝑛1 y 𝑛2 tomadas de dos poblaciones normales con
varianzas desconocidas y diferentes, un intervalo de confianza
del 1 − 𝛼 100% para 𝜇1 − 𝜇2 está dado por:

𝑠12 𝑠22 𝑠12 𝑠22

𝑥ҧ1 − 𝑥ҧ2 − 𝑡𝛼ൗ2 + ≤ 𝜇1 − 𝜇2 ≤ 𝑥ҧ1 − 𝑥ҧ2 + 𝑡𝛼ൗ2 +
𝑛1 𝑛2 𝑛1 𝑛2

𝑠2 2 2
1 + 𝑠2
𝑛1 𝑛2
Donde 𝑡𝛼Τ2 es el valor 𝑡 con 𝑣 = 2 2 grados de libertad
𝑠2
1 𝑠2
2
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1
que deja a la derecha un área de 𝛼Τ2.
Intervalo de Confianza para Diferencia de Medias

Caso V
Si 𝑑ҧ y 𝑠𝑑 son la media y desviación estándar de las diferencias
distribuidas normalmente de 𝑛 pares aleatorios de mediciones,
un intervalo de confianza del 1 − 𝛼 100% para 𝜇𝐷 = 𝜇1 − 𝜇2
está dado por:

𝑠𝑑 𝑠𝑑
𝑑ҧ − 𝑡𝛼ൗ ≤ 𝜇1 − 𝜇2 ≤ 𝑑ҧ + 𝑡𝛼ൗ
2 𝑛 2 𝑛

Donde 𝑡𝛼Τ2 es el valor 𝑡 con 𝑛 − 1 grados de libertad que deja a

la derecha un área de 𝛼Τ2.
Intervalo de Confianza para Diferencia de Medias

Usos
Cuando se calcula el intervalo de confianza para 𝜇1 − 𝜇2 , se
obtiene una expresión de la forma 𝑎 ≤ 𝜇1 − 𝜇2 ≤ 𝑏.
• Si 𝑎 > 0 y 𝑏 > 0, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝜇1 > 𝜇2 .
• Si 𝑎 < 0 y 𝑏 < 0, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝜇1 < 𝜇2 .
• Si 𝑎 y 𝑏 tienen signo diferentes, el cero está dentro del
intervalo, es decir que es probable que 𝜇1 − 𝜇2 = 0. Se dice
entonces que las medias son estadísticamente iguales.
• También es posible determinar si existe una diferencia
específica entre 𝜇1 y 𝜇2 a partir del intervalo de confianza.
Intervalo de Confianza para el Cociente de Varianzas

Cociente entre Varianzas

Si 𝑠12 y 𝑠22 representan las varianzas de muestras aleatorias
independientes de tamaños 𝑛1 y 𝑛2 de dos poblaciones
normales, entonces un intervalo de confianza del 1 − 𝛼 100%
𝜎2
para 𝜎12 está dado por
2
𝑠12 1 𝜎12 𝑠12
≤ ≤ 𝑓 𝛼
𝑠22 𝑓𝑣1 ,𝑣2 ,𝛼ൗ2 𝜎22 𝑠22 𝑣2 ,𝑣1 , ൗ2

Donde 𝑓𝑣1 ,𝑣2 ,𝛼Τ2 es el valor 𝑓 con 𝑣1 = 𝑛1 − 1 y 𝑣2 = 𝑛2 − 1

grados de libertad que deja a la derecha un área de 𝛼Τ2 y
𝑓𝑣1 ,𝑣2 ,𝛼Τ2 es el valor 𝑓 con 𝑣2 = 𝑛2 − 1 y 𝑣1 = 𝑛1 − 1 grados de
libertad que deja a la derecha un área de 𝛼Τ2.
Intervalo de Confianza para el Cociente de Varianzas

Usos
𝜎2
Cuando se calcula el intervalo de confianza para 𝜎12 , se obtiene
2
𝜎12
una expresión de la forma 𝑎 ≤ ≤ 𝑏.
𝜎22
• Si 𝑎 > 1 y 𝑏 > 1, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝜎12 > 𝜎22 .
• Si 𝑎 < 1 y 𝑏 < 1, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝜎12 < 𝜎22 .
• Si el uno está dentro del intervalo, es decir que es probable
𝜎2
que 𝜎12 = 1 o equivalente a 𝜎12 = 𝜎22 , las varianzas son
2
estadísticamente iguales.
Intervalo de Confianza para Diferencia de Proporciones

Diferencia de Proporciones
Si 𝑝ො1 y 𝑝ො2 son las proporciones de éxito de muestras aleatorias
de tamaños 𝑛1 y 𝑛2 , un intervalo de confianza del 1 − 𝛼 100%
para 𝑝1 − 𝑝2 está dado por:

𝑝ො1 𝑞ො1 𝑝ො2 𝑞ො2 𝑝ො1 𝑞ො1 𝑝ො2 𝑞ො2

𝑝ො1 − 𝑝ො2 − 𝑧𝛼ൗ2 + ≤ 𝑝1 − 𝑝2 ≤ 𝑝ො1 − 𝑝ො2 + 𝑧𝛼ൗ2 +
𝑛1 𝑛2 𝑛1 𝑛2

Siempre que 𝑛1 𝑝ො1 ≥ 5, 𝑛1 𝑞ො1 ≥ 5, 𝑛2 𝑝ො2 ≥ 5 y 𝑛2 𝑞ො2 ≥ 5; donde

𝑧𝛼Τ2 es el valor 𝑧 que deja a la derecha un área de 𝛼Τ2.
Intervalo de Confianza para Diferencia de Proporciones

Usos
Cuando se calcula el intervalo de confianza para 𝑝1 − 𝑝2 , se
obtiene una expresión de la forma 𝑎 ≤ 𝑝1 − 𝑝2 ≤ 𝑏.
• Si 𝑎 > 0 y 𝑏 > 0, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝑝1 > 𝑝2 .
• Si 𝑎 < 0 y 𝑏 < 0, se puede asegurar con una confianza del
1 − 𝛼 100% que 𝑝1 < 𝑝2 .
• Si 𝑎 y 𝑏 tienen signo diferentes, el cero está dentro del
intervalo, es decir que es probable que 𝑝1 − 𝑝2 = 0. Se dice
entonces que las medias son estadísticamente iguales.
• También es posible determinar si existe una diferencia
específica entre 𝑝1 y 𝑝2 a partir del intervalo de confianza.
Intervalo de Confianza

Ejemplo 6
Una agencia estatal tiene la responsabilidad de vigilar la calidad
del agua para la cría de peces. Esta agencia se encuentra
interesada en comparar la variación y los contenidos promedio
de cierta sustancia tóxica en dos estuarios cuyas aguas se
encuentran contaminadas por desperdicios industriales
provenientes de una zona industrial cercana. En el primer
estuario se seleccionan 11 muestras y en el segundo 8
muestras. Las cuales se enviaron al laboratorio para su análisis.
Considere que los contenidos de sustancia tóxica se distribuyen
en forma normal.
Intervalo de Confianza

Ejemplo 6
Las mediciones, en partes por millón, se resumen en la tabla
siguiente.

Estuario 1 10 10 12 13 9 8 12 12 10 8 14
Estuario 2 11 8 9 7 10 8 8 10

a. ¿Son igualmente variable los contenidos de sustancia tóxica

en los dos estuarios? Utilice un I.C. del 98%.
b. ¿Son iguales los contenidos promedios de la sustancia
tóxica en los dos estuarios? Utilice un I.C. del 98%.
Intervalo de Confianza

Ejemplo 7
Se desea determinar si cierto método de enseñanza para niños
mejora su capacidad de razonamiento. Se le realiza una prueba
a un grupo de estos niños antes de aplicar el método y un mes
después de aplicado. Los resultados de las pruebas se resumen
en la tabla.

Antes 9 7 6 7 5 5 7 6 5 4 5 6 7 9 8
Después 8 9 7 5 6 7 7 8 7 7 5 8 6 9 9

Considere que las diferencias siguen una distribución normal.

Determine si el nuevo método es efectivo. Utilice un I.C. del
95%.
Intervalo de Confianza

Ejemplo 8
En un estudio reciente que abarcó 25 años, se investigó la
posible protección que proporciona la ingestión de una forma de
vitamina A llamada caroteno contra el desarrollo del cáncer
pulmonar. Se encontró que de 488 hombres que habían ingerido
una baja cantidad de esta sustancia durante este tiempo, 14
desarrollaron cáncer pulmonar, pero en un grupo de 450 en el
que el consumo de caroteno era mayor, 10 personas
desarrollaron cáncer. ¿Puede concluirse que la ingestión de
caroteno reduce el riesgo de desarrollar cáncer pulmonar en los
hombres? Utilice un I.C. del 90%.
Intervalo de Confianza

Límites de Confianza Unilaterales

Hay muchas aplicaciones en que solo es necesario un límite,
tales como los siguientes ejemplos:
• Tiempo de secado de un tipo de pintura (límite superior).
• Duración de cierto tipo de bombilla (límite inferior).
• Proporción de artículos defectuosos (límite superior).
De acuerdo al interés, parámetro o características de la
población, se utilizará un límite inferior o superior reemplazando
el área 𝛼Τ2 por 𝛼.
Intervalo de Confianza

Límites de Confianza Unilaterales

Se tiene los siguientes límites de confianza unilaterales:

Casos Inferior Superior

𝜎 𝜎
I y II 𝑥ҧ − 𝑧𝛼 𝑥ҧ + 𝑧𝛼
𝑛 𝑛
𝑠 𝑠
III 𝑥ҧ − 𝑡𝛼 𝑥ҧ + 𝑡𝛼
𝑛 𝑛
𝑠 𝑠
IV 𝑥ҧ − 𝑧𝛼 𝑥ҧ + 𝑧𝛼
𝑛 𝑛
Intervalo de Tolerancia

Definición
• Se calculan límites de tolerancia cuando interesa establecer
límites que cubran un cierto porcentaje de valores de la
población. Es posible establecer límites unilaterales y
bilaterales.
• Para una distribución normal de media 𝜇 y varianza 𝜎 2 , los
límites de tolerancia están dados por 𝑥ҧ ± 𝑘𝑠 donde 𝑘 se
calcula de tal manera que se pueda asegurar con una
confianza de 1 − 𝛾 100% que los límites dados contienen
por lo menos el 1 − 𝛼 100% de las mediciones.
Intervalo de Tolerancia

Para tener en cuenta

Los intervalos de confianza se emplean para estimar un
parámetro, mientras que los intervalos de tolerancia se utilizan
para definir los límites entre los cuales se espera encontrar una
proporción de una población.
Intervalo de Tolerancia

Ejemplo 9
Una empresa de material eléctrico fabrica focos que tienen una
duración que se distribuye normalmente. Se toma una muestra
aleatoria de 30 bombillas y se encuentra una duración promedio
de 775 horas y una desviación estándar de 35 horas. Encuentre
un límite de tolerancia inferior del 95% 1 − 𝛼 100% que
contenga por lo menos el 99% 1 − 𝛾 100% de la duración de
todas las bombillas que fabrica la empresa.
Intervalo de Predicción

Definición
• El intervalo de predicción, como su nombre indica, permite
predecir posibles valores de una observación futura.
• Un intervalo de predicción puede utilizarse para determinar
observaciones extremas. Una observación es extrema si se
calcula el intervalo de predicción a partir de una muestra que
no incluye el valor a analizar. Si el valor no esta dentro del
intervalo, se considera extremo.
Intervalo de Predicción
Definición
En el caso que la población sea normal y la varianza conocida,
el intervalo de predicción esta dado por:
1 1
𝑥ҧ − 𝑧𝛼ൗ2 𝜎 1 + ≤ 𝑥𝑜 ≤ 𝑥ҧ + 𝑧𝛼ൗ2 𝜎 1 +
𝑛 𝑛

Si la varianza es desconocida, se tiene que:

1 1
𝑥ҧ − 𝑡𝑛−1,𝛼ൗ2 𝑠 1 + ≤ 𝑥𝑜 ≤ 𝑥ҧ + 𝑡𝑛−1,𝛼ൗ2 𝑠 1 + 𝑐𝑜𝑛 𝑣 = 𝑛 − 1
𝑛 𝑛

Los intervalos de predicción también pueden ser unilaterales

dependiendo de la variable analizada.
Intervalo de Predicción

Ejemplo 10
Una empresa de material eléctrico fabrica focos que tienen una
duración que se distribuye normalmente. Se toma una muestra
aleatoria de 30 bombillas y se encuentra una duración promedio
de 775 horas y una desviación estándar de 35 horas. Calcule un
intervalo de predicción unilateral del 95% para una nueva
bombilla.
Ejercicios

Ejercicio 1
Un grupo de investigadores analiza un nuevo compuesto usado
para unir el teflón con el acero. Las sustancias utilizadas
actualmente requieren tiempo de secado promedio de 3 min. Se
obtienen los datos siguientes al realizar el experimento: 1.4; 2.4;
2.6; 2.2; 2.1; 1.7; 1.9; 2.2; 2.8; 3.7; 2.8; 3.4; 2.9; 2.7; 2.8; 1.9.
a. ¿Recomienda la comercialización del nuevo producto?
Utilice un I.C. del 95%.
b. ¿Dentro de que intervalo se encuentra por lo menos el 99%
de los tiempos de secado, con una confiabilidad del 95%?
c. ¿Le sorprenderá escuchar que uno de los experimentadores
afirma que el tiempo de secado de la próxima observación
es de 1 min?
Ejercicios

Ejercicio 2
Se tiene que reparar una máquina en cierta fabrica si produce
más del 10% de artículos defectuosos de la producción de un
día. Una muestra aleatoria de 100 artículos de la producción
diaria contiene 13 defectuosos y el director decide que debe
repararse la máquina.
a. ¿Apoya la muestra su decisión? Utilice un I.C. del 95%.
b. ¿Qué tamaño de muestra máximo se necesita si se quiere
que el verdadero valor de la proporción difiera en menos de
0.02 de la proporción maestral?
Ejercicios

Ejercicio 3
Se afirma que el rendimiento de combustible en un modelo
específico de automóvil será más alto si se utiliza gasolina sin
plomo Premium que con la gasolina sin plomo normal. A fin de
sustentar esta afirmación, se seleccionan aleatoriamente 25
vehículos de la línea de montaje. Algunos se prueban con la
gasolina Premium y otros con la normal. Las pruebas se
realizaron bajo las mismas condiciones. Se encontraron los
datos siguientes:
Tamaño de muestra Media Varianza
Premium 14 34,37 3,28
Normal 11 30,26 3,53
¿Es válida la afirmación?
Ejercicios

Ejercicio 4
Una compañía tiene dos fundidores de tamaño similar y
dedicada a las mismas operaciones de producción. Se implanta
un programa de seguridad experimental en una de ellas. Los
administradores desean comparar la proporción de trabajadores
lesionados durante el período de prueba en el sitio experimental
contra el de la otra planta. El programa es rentable si las
proporciones dieren en más de 0.05. Al término del periodo de
prueba se han lesionado 24 de 263 trabajadores del programa
experimental y 10 de 250 de la otra planta. ¿Se debe
implementar el programa de seguridad? Utilice un I.C. del 95%
en caso de ser necesario.
Ejercicios

Ejercicio 5
Se emprende un estudio de tiempo de reacción visual y auditivo
de jugadores de baloncesto universitario. El tiempo de reacción
visual se mide como el de respuesta a una señal luminosa y de
reacción auditiva como el necesario para responder al sonido de
un interruptor eléctrico. Se realizan mediciones en 10 sujetos,
con los datos siguientes al milisegundo mas cercano. ¿Existe
evidencia de que el tiempo de reacción visual tienda a ser
mayor que el de reacción auditiva? Utilice un I.C. del 95% en
caso de ser necesario.
Sujeto 1 2 3 4 5 6 7 8 9 10
Visual 161 203 235 176 201 188 228 211 191 178
Auditiva 157 207 198 161 234 197 180 165 202 193