Distribucin Muestral de Diferencia de Medias

Suponga que se tienen dos poblaciones distintas, la primera con

media 1 y desviacin estndar 1, y la segunda con media 2 y
desviacin estndar 2. Ms an, se elige una muestra aleatoria de
tamao n1 de la primera poblacin y una muestra independiente aleatoria
de tamao n2 de la segunda poblacin; se calcula la media muestral para
cada muestra y la diferencia entre dichas medias. La coleccin de todas
esas diferencias se llama distribucin muestral de las diferencias
entre medias o la distribucin muestral del estadstico

La distribucin es aproximadamente normal para n1 30 y n2 30. Si las

poblaciones son normales, entonces la distribucin muestral de medias
es normal sin importar los tamaos de las muestras.
En ejercicios anteriores se haba demostrado que
lo que no es difcil deducir que

que

y que

, por

La frmula que se utilizar para el calculo de probabilidad del estadstico

de diferencia de medias es:

Ejemplo:
En un estudio para comparar los pesos promedio de nios y nias de
sexto grado en una escuela primaria se usar una muestra aleatoria de
20 nios y otra de 25 nias. Se sabe que tanto para nios como para
nias los pesos siguen una distribucin normal. El promedio de los pesos
de todos los nios de sexto grado de esa escuela es de 100 libras y su
desviacin estndar es de 14.142, mientras que el promedio de los pesos
de todas las nias del sexto grado de esa escuela es de 85 libras y su
desviacin estndar es de 12.247 libras. Si representa el promedio de
los pesos de 20 nios y es el promedio de los pesos de una muestra
de 25 nias, encuentre la probabilidad de que el promedio de los pesos
de los 20 nios sea al menos 20 libras ms grande que el de las 25
nias.
Solucin:
Datos:
1

= 100 libras

= 85 libras

= 14.142 libras

= 12.247 libras

n1 = 20 nios
n2 = 25 nias
=?

Por lo tanto, la probabilidad de que el promedio de los pesos de la

muestra de nios sea al menos 20 libras ms grande que el de la
muestra de las nias es 0.1056.

Ejemplo:
Uno de los principales fabricantes de televisores compra los tubos de
rayos catdicos a dos compaas. Los tubos de la compaa A tienen una
vida media de 7.2 aos con una desviacin estndar de 0.8 aos,
mientras que los de la B tienen una vida media de 6.7 aos con una
desviacin estndar de 0.7. Determine la probabilidad de que una
muestra aleatoria de 34 tubos de la compaa A tenga una vida promedio
de al menos un ao ms que la de una muestra aleatoria de 40 tubos de
la compaa B.
Solucin:
Datos:
A

= 7.2 aos

= 6.7 aos

= 0.8 aos

= 0.7 aos

nA = 34 tubos
nB = 40 tubos

=?

Ejemplo:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose
una desviacin estndar de 1.23km/L para la primera gasolina y una
desviacin estndar de 1.37km/L para la segunda gasolina; se prueba la
primera gasolina en 35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de un
rendimiento promedio mayor de 0.45km/L que la segunda
gasolina?
b. Cul es la probabilidad de que la diferencia en rendimientos
promedio se encuentre entre 0.65 y 0.83km/L a favor de la gasolina
1?.
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en
ninguna de las dos poblaciones, por lo que se supondrn que son
iguales.
Datos:
1

= 1.23 Km/Lto

= 1.37 Km/Lto

n1 = 35 autos
n2 = 42 autos
a.

b.
?

=?

La probabilidad de que la diferencia en rendimientos promedio en las

muestras se encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1
es de 0.0117.
Distribucin Muestral de Diferencia de Proporciones
Muchas aplicaciones involucran poblaciones de datos cualitativos que
deben compararse utilizando proporciones o porcentajes. A continuacin
se citan algunos ejemplos:
Educacin.- Es mayor la proporcin de los estudiantes que
aprueban matemticas que las de los que aprueban ingls?
Medicina.- Es menor el porcentaje de los usuarios del
medicamento A que presentan una reaccin adversa que el de los
usuarios del frmaco B que tambin presentan una reaccin de ese
tipo?
Administracin.- Hay diferencia entre los porcentajes de hombres
y mujeres en posiciones gerenciales.
Ingeniera.- Existe diferencia entre la proporcin de artculos
defectuosos que genera la mquina A a los que genera la mquina
B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja
con dos proporciones muestrales, la distribucin muestral de diferencia
de proporciones es aproximadamente normal para tamaos de muestra
grande (n1p1 5, n1q1 5,n2p2 5 y n2q2 5). Entonces p1 y p2 tienen
distribuciones muestrales aproximadamente normales, as que su
diferencia p1-p2tambin tiene una distribucin muestral aproximadamente
normal.

Cuando se estudi a la distribucin muestral de proporciones se

comprob que
que

y que
y que

, por lo que no es difcil deducir

.

La frmula que se utilizar para el calculo de probabilidad del estadstico

de diferencia de proporciones es:

Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte
difieren en sus opiniones sobre la promulgacin de la pena de muerte
para personas culpables de asesinato. Se cree que el 12% de los
hombres adultos estn a favor de la pena de muerte, mientras que slo
10% de las mujeres adultas lo estn. Si se pregunta a dos muestras
aleatorias de 100 hombres y 100 mujeres su opinin sobre la
promulgacin de la pena de muerte, determine la probabilidad de que el
porcentaje de hombres a favor sea al menos 3% mayor que el de las
mujeres.
Solucin:
Datos:

PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-pM 0.03) = ?

Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser

una distribucin binomial y se est utilizando la distribucin normal.

Se concluye que la probabilidad de que el porcentaje de hombres a favor

de la pena de muerte, al menos 3% mayor que el de mujeres es de
0.4562.
Ejemplo:
Una encuesta del Boston College const de 320 trabajadores de
Michigan que fueron despedidos entre 1979 y 1984, encontr que 20%
haban estado sin trabajo durante por lo menos dos aos. Supngase
que tuviera que seleccionar otra muestra aleatoria de 320 trabajadores
de entre todos los empleados despedidos entre 1979 y 1984. Cul sera
la probabilidad de que su porcentaje muestral de trabajadores sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la
encuesta de Boston College, en 5% o ms?

Solucin:
En este ejercicio se cuenta nicamente con una poblacin, de la cual se
estn extrayendo dos muestras y se quiere saber la probabilidad de la
diferencia de los porcentajes en esas dos muestras, por lo que se debe
de utilizar la distribucin muestral de proporciones con P1= P2, ya que es
una misma poblacin.
Otra de las situaciones con la cual nos topamos es que desconocemos la
proporcin de trabajadores despedidos entre 1979 y 1984 que estuvieron
desempleados por un perodo de por lo menos dos aos, slo se conoce
la
p1= 0.20 ya que al tomar una muestra de 320 trabajadores se observ
esa proporcin.
En la frmula de la distribucin muestral de proporciones para el clculo
de probabilidad se necesita saber las proporciones de las poblaciones,
las cuales en este ejercicio las desconocemos, por lo que se utilizar el
valor de 0.20 como una estimacin puntual de P. En el siguiente tema se
abordar el tema de estimacin estadstica y se comprender el porque
estamos utilizando de esa manera el dato.
Tambin debe de comprenderse la pregunta que nos hace este
problema, cul sera la probabilidad de que su porcentaje muestral de
trabajadores sin empleo durante por lo menos dos aos, difiera del
porcentaje obtenido en la encuesta de Boston College, en 5% o ms?, la
palabra difiera quiere decir que puede existir una diferencia a favor de la
muestra uno, o a favor de la muestra dos, por lo que se tendrn que
calcular dos reas en la distribucin y al final sumarlas.
Datos:
p1 = 0.20
n1 = 320 trabajadores
n2 = 320 trabajadores
P1 = P 2

La probabilidad de que su proporcion muestral de trabajadores sin

empleo durante por lo menos dos aos, difiera del porcentaje obtenido
en la encuesta de Boston College, en 0.05 o ms es de 0.1260.

Ejemplo:
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son
defectuosos y que 2 de cada 5 objetos fabricados por la mquina 2 son
defectuosos; se toman muestras de 120 objetos de cada mquina:
a. cul es la probabilidad de que la proporcin de artculos
defectuosos de la mquina 2 rebase a la mquina 1 en por lo
menos 0.10?
b. cul es la probabilidad de que la proporcin de artculos
defectuosos de la mquina 1 rebase a la mquina 2 en por lo
menos 0.15?
Solucin:

Datos:
P1 = 3/6 = 0.5
P2 = 2/5 = 0.4
n1 = 120 objetos
n2 = 120 objetos
a. p(p2-p1 0.10) = ?

Otra manera de hacer este ejercicio es poner P1-P2:

La probabilidad de que exista una diferencia de proporciones de

artculos defectuosos de por lo menos 10% a favor de la mquina 2
es de 0.0011.

b. p(p1-p2
0.15)=?

La probabilidad de que exista una diferencia de proporciones de artculos

defectuosos de por lo menos 15% a favor de la mquina 1 es de 0.2357.
Distribucin Muestral de Nmero de Defectos
En el control de calidad y especficamente en los grficos de control "c"
se aplica esta distribucin, la cual consiste en que al extraer un artculo
contabilicemos el nmero de defectos que tiene ese artculo.
Esta distribucin muestral proviene de la distribucin de Poisson, en la
cual le media es y que en este caso es el nmero promedio de
defectos por unidad. Como ya es conocido la varianza de la distribucin
de Poisson es igual a por lo que se puede deducir la formula de la
siguiente manera:

Para la distribucin muestral de nmero de defectos la nomenclatura

utilizada es:
c = nmero defectos por unidad de inspeccin
C = nmero de defectos promedio por unidad de inspeccin

Se debe de recordar que la distribucin de Poisson es una distribucin

discreta, y se esta utilizando la aproximacin de la normal a la Poisson,
debiendo aplicar el factor de correccin de 0.5 segn sea el caso. La
formula para la dsitribucin muestral de nmero de defectos quedara de
la siguiente manera:

Ejemplo:
En cierta empresa se fabrican productos con un promedio de 8 defectos
por unidad. Determine la probabilidad de que el prximo producto
inspeccionado tenga un nmero de defectos:
a. Mayor o igual a 6
b. Exactamente 7
c. Como mximo 9
a.

La probabilidad de que el siguiente producto inspeccionado tenga por lo

menos 6 defectos es de 0.8106.

b.

La probabilidad de que el siguiente producto inspeccionado tenga

exactamente 7 defectos es de 0.1344.
c.

La probabilidad de que el siguiente producto inspeccionado tenga a lo

ms 9 defectos es de 0.7019.
Problemas propuestos
1. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se
distribuye normalmente con media de 2000 libras y una varianza de
25,000 lbs2. Si se selecciona una muestra aleatoria de 100
cuerdas; determine la probabilidad de que en esa muestra:
a. La resistencia media encontrada sea de por lo menos 1958 libras.

b. La resistencia media se mayor de 2080 libras.

1. Como parte de un proyecto general de mejoramiento de la calidad,
un fabricante textil decide controlar el nmero de imperfecciones
encontradas en cada pieza de tela. Se estima que el nmero
promedio de imperfecciones por cada pieza de tela es de 12,
determine la probabilidad de que en la prxima pieza de tela
fabricada se encuentren:
a. Entre 10 y 12 imperfecciones.
b. Menos de 9 y ms de 15 imperfecciones.
1. En una prueba de aptitud la puntuacin media de los estudiantes
es de 72 puntos y la desviacin estndar es de 8 puntos. Cul es
la probabilidad de que dos grupos de estudiantes, formados de 28
y 36 estudiantes, respectivamente, difieran en su puntuacin media
en:
a. 3 ms puntos.
b. 6 o ms puntos.
c. Entre 2 y 5 puntos.
1. Un especialista en gentica ha detectado que el 26% de los
hombres y el 24% de las mujeres de cierta regin del pas tiene un
leve desorden sanguneo; si se toman muestras de 150 hombres y
150 mujeres, determine la probabilidad de que la diferencia
muestral de proporciones que tienen ese leve desorden sanguneo
sea de:
a. Menos de 0.035 a favor de los hombres.
b. Entre 0.01 y 0.04 a favor de los hombres.
1. Una urna contiene 80 bolas de las que 60% son rojas y 40%
blancas. De un total de 50 muestras de 20 bolas cada una,
sacadas de la urna con remplazamiento, en cuntas cabe esperar
a. Igual nmero de bolas rojas y blancas?
b. 12 bolas rojas y 8 blancas?

c. 8 bolas rojas y 12 blancas?

d. 10 mas bolas blancas?
1. Los pesos de 1500 cojinetes de bolas se distribuyen normalmente
con media de 2.40 onzas y desviacin estndar de 0.048 onzas. Si
se extraen 300 muestras de tamao 36 de esta poblacin,
determinar la media esperada y la desviacin estndar de la
distribucin muestral de medias si el muestreo se hace:
a. Con remplazamiento
b. Sin remplazamiento
1. La vida media de una mquina para hacer pasta es de siete aos,
con una desviacin estndar de un ao. Suponga que las vidas de
estas mquinas siguen aproximadamente una distribucin normal,
encuentre:
a. La probabilidad de que la vida media de una muestra aleatoria de 9
de estas mquinas caiga entre 6.4 y 7.2 aos.
b. El valor de la
a la derecha del cual caera el 15% de las medias calculadas de
muestras aleatorias de tamao nueve.
1. Se llevan a cabo dos experimentos independientes en lo que se
comparan dos tipos diferentes de pintura. Se pintan 18
especmenes con el tipo A y en cada uno se registra el tiempo de
secado en horas. Lo mismo se hace con el tipo B. Se sabe que las
desviaciones estndar de la poblacin son ambas 1.0. Suponga
que el tiempo medio de secado es igual para los dos tipo de
pintura. Encuentre la probabilidad de que la diferencia de medias
en el tiempo de secado sea mayor a uno a favor de la pintura A.

Respuestas a los problemas propuestos:

1. a) 0.9960 b) 0
2. a) 0.3221 b) 0.3122
3. a) 0.2150 b) 0.0064 c) 0.4504
4. a) 0.2227 b) 0.2848
5. a) 6 b) 9 c) 2 d) 12
6. a)

b)

ligeramente menor que 0.008

7. a) 0.6898 b) 7.35
8. 0.0013
ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es
que mediante el estudio de una muestra de una poblacin se quiere
generalizar las conclusiones al total de la misma. Como vimos en la
seccin anterior, los estadsticos varan mucho dentro de sus
distribuciones muestrales, y mientras menor sea el error estndar de un
estadstico, ms cercanos sern unos de otros sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por
intervalo. Una estimacin puntual es un nico valor estadstico y se usa
para estimar un parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho
finito, que se espera que contenga el parmetro.
Estimacin Puntual
La inferencia estadstica est casi siempre concentrada en obtener algn
tipo de conclusin acerca de uno o ms parmetros (caractersticas
poblacionales). Para hacerlo, se requiere que un investigador obtenga
datos muestrales de cada una de las poblaciones en estudio. Entonces,
las conclusiones pueden estar basadas en los valores calculados de
varias cantidades muestrales . Po ejemplo, representamos con

(parmetro) el verdadero promedio de resistencia a la ruptura de

conexiones de alambres utilizados para unir obleas de semiconductores.
Podra tomarse una muestra aleatoria de 10 conexiones para determinar
la resistencia a la ruptura de cada una, y la media muestral de la
resistencia a la ruptura se poda emplear para sacar una conclusin
acerca del valor de . De forma similar, si
es la varianza de la
distribucin de resistencia a la ruptura, el valor de la varianza muestral
s2 se podra utilizar pra inferir algo acerca de

Cuando se analizan conceptos generales y mtodos de inferencia es

conveniente tener un smbolo genrico para el parmetro de inters. Se
utilizar la letra griega para este propsito.El objetivo de la estimacin
puntual es seleccionar slo un nmero, basados en datos de la muestra,
que represente el valor ms razonable de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar
duraciones observadas en horas de x1=5.0, x2=6.4 y x3=5.9. El valor
calculado de la duracin media muestral es = 5.77, y es razonable
considerar 5.77 como el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se
puede considerar como el valor ms razonable de . La estimacin
puntual se obtiene al seleccionar una estadstica apropiada y calcular su
valor a partir de datos de la muestra dada. La estadstica seleccionada se
llama estimador puntual de .

El smbolo

(theta sombrero) suele utilizarse para representar el

estimador de
y la estimacin puntual resultante de una muestra dada.
Entonces
se lee como "el estimador puntual de
es la media
muestral ". El enunciado "la estimacin puntual de
es 5.77" se puede
escribir en forma abreviada

Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg
de bajo costo, para varios procesos de fundicin. En consecuencia, es
importante contar con mtodos prcticos para determinar varias

propiedades mecnicas de esas aleaciones. Examine la siguiente

muestra de mediciones del mdulo de elasticidad obtenidos de un
proceso de fundicin a presin:
44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra
aleatoria. Se desea estimar la varianza poblacional
natural es la varianza muestral:

. Un estimador

En el mejor de los casos, se encontrar un estimador para el cual

siempre. Sin embargo, es una funcin de las Xi muestrales, por lo que
en s misma una variable aleatoria.
+ error de estimacin
entonces el estimador preciso sera uno que produzca slo pequeas
diferencias de estimacin, de modo que los valores estimados se
acerquen al valor verdadero.
Propiedades de un Buen Estimador
Insesgado.- Se dice que un estimador puntual es un estimador
insesgado de si
, para todo valor posible de . En otras
palabras, un estimador insesgado es aquel para el cual la media de la
distribucin muestral es el parmetro estimado. Si se usa la media
muestral para estimar la media poblacional , se sabe que la
por lo tanto la media es un estimador insesgado.

Eficiente o con varianza mnima.- Suponga que 1 y 2 son dos

estimadores insesgados de . Entonces, aun cuando la distribucin de
cada estimador est centrada en el valor verdadero de , las
dispersiones de las distribuciones alrededor del valor verdadero pueden
ser diferentes.

Entre todos los estimadores de que son insesgados, seleccione al que

tenga varianza mnima. El resultante recibe el nombre de estimador
insesgado con varianza mnima (MVUE, minimum variance unbiased
estimator) de .
En otras palabras, la eficiencia se refiere al tamao de error estndar de
la estadstica. Si comparamos dos estaisticas de una muestra del mismo
tamao y tratamos de decidir cual de ellas es un estimador mas eficiente,
escogeramos la estadstica que tuviera el menor error estndar, o la
menor desviacin estndar de la distribucin de muestreo.
Tiene sentido pensar que un estimador con un error estndar menor
tendr una mayor oportunidad de producir una estimacin mas cercana
al parmetro de poblacin que se esta considerando.

Como se puede observar las dos distribuciones tienen un mismo valor en

el parmetro slo que la distribucin muestral de medias tiene una menor
varianza, por lo que la media se convierte en un estimador eficiente e
insesgado.
Coherencia.- Una estadstica es un estimador coherente de un
parmetro de poblacin, si al aumentar el tamao de la muestra se tiene
casi la certeza de que el valor de la estadstica se aproxima bastante al
valor del parmetro de la poblacin. Si un estimador es coherente se
vuelve mas confiable si tenemos tamaos de muestras mas grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la
informacin contenida de la muestra que ningn otro estimador podra
extraer informacin adicional de la muestra sobre el parmetro de la
poblacin que se esta estimando.

Es decir se pretende que al extraer la muestra el estadstico calculado

contenga toda la informacin de esa muestra. Por ejemplo, cuando se
calcula la media de la muestra, se necesitan todos los datos. Cuando se
calcula la mediana de una muestra slo se utiliza a un dato o a dos. Esto
es solo el dato o los datos del centro son los que van a representar la
muestra. Con esto se deduce que si utilizamos a todos los datos de la
muestra como es en el caso de la media, la varianza, desviacin
estndar, etc; se tendr un estimador suficiente.
Estimacin por Intervalos
Un estimado puntual, por ser un slo nmero, no proporciona por s
mismo informacin alguna sobre la precisin y confiabilidad de la
estimacin. Por ejemplo, imagine que se usa el estadstico para
calcular un estimado puntual de la resistencia real a la ruptura de toallas
de papel de cierta marca, y suponga que = 9322.7. Debido a la
variabilidad de la muestra, nunca se tendr el caso de que = . El
estimado puntual nada dice sobre lo cercano que esta de . Una
alternativa para reportar un solo valor del parmetro que se est
estimando es calcular e informar todo un intervalo de valores factibles,
un estimado de intervalo o intervalo de confianza (IC). Un intervalo de
confianza se calcula siempre seleccionando primero unnivel de
confianza, que es una medida de el grado de fiabilidad en el intervalo.
Un intervalo de confianza con un nivel de confianza de 95% de la
resistencia real promedio a la ruptura podra tener un lmite inferior de
9162.5 y uno superior de 9482.9. Entonces, en un nivel de confianza de
95%, es posible tener cualquier valor de
entre 9162.5 y 9482.9. Un
nivel de confianza de 95% implica que 95% de todas las muestras dara
lugar a un intervalo que incluye
o cualquier otro parmetro que se est
estimando, y slo 5% de las muestras producir un intervalo errneo.
Cuanto mayor sea el nivel de confianza podremos creer que el valor del
parmetro que se estima est dentro del intervalo.
Una interpretacin correcta de la "confianza de 95%" radica en la
interpretacin frecuente de probabilidad a largo plazo: decir que un
evento A tiene una probabilidad de 0.95, es decir que si el experimento
donde A est definido re realiza una y otra vez, a largo plazo A ocurrir
95% de las veces. Para este caso
el 95% de los intervalos de confianza calculados contendrn a

Esta es una construccin repetida de intervalos de confianza de 95% y

se puede observar que de los 11 intervalos calculados slo el tercero y el
ltimo no contienen el valor de .
De acuerdo con esta interpretacin, el nivel de confianza de 95% no es
tanto un enunciado sobre cualquier intervalo en particular, ms bien se
refiere a lo que sucedera si se tuvieran que construir un gran nmero de
intervalos semejantes.
Encontrar z a partir de un nivel de confianza
Existen varias tablas en las cuales podemos encontrar el valor de z,
segn sea el rea proporcionada por la misma. En esta seccin se
realizar un ejemplo para encontrar el valor de z utilizando tres tablas
diferentes.
Ejemplo:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin 1:
Se utilizar la tabla que tiene el rea bajo la curva de vemos grficamente sera:

hasta z. Si lo

El nivel de confianza bilateral est dividido en partes iguales bajo la

curva:

En base a la tabla que se esta utilizando, se tendr que buscar el rea de

0.975, ya que cada extremo o cola de la curva tiene un valor de 0.025.

Por lo que el valor de z es de 1.96.

Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:

En este caso slo se tendr que buscar adentro de la tabla el rea de

0.475 y el resultado del valor de z ser el mismo, para este ejemplo 1.96.

Solucin 3:

Para la tabla en donde el rea bajo la curva va desde z hasta

Se busca el valor de 0.025 para encontrar z de 1.96.

Independientemente del valor del Nivel de Confianza este ser el
procedimiento a seguir para localizar a z. En el caso de que no se
encuentre el valor exacto se tendr que interpolar.
Estimacin para la Media
Es conocido de nosotros durante este curso, que en base a la
distribucin muestral de medias que se gener en el tema anterior, la

formula para el calculo de probabilidad es la siguiente:

.
Como en este caso no conocemos el parmetro y lo queremos estimar
por medio de la media de la muestra, slo se despejar
de la formula
anterior, quedando lo siguiente:

De esta formula se puede observar que tanto el tamao de la muestra

como el valor de z se conocern. Z se puede obtener de la tabla de la
distribucin normal a partir del nivel de confianza establecido. Pero en
ocasiones se desconoce
por lo que en esos casos lo correcto es
utilizar otra distribucin llamada "t" de student si la poblacin de donde
provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una
estimacin puntual de la desviacin estndar, es decir igualar la
desviacin estndar de la muestra a la de la poblacin (s= ).
Ejemplos:

1. Se encuentra que la concentracin promedio de zinc que se saca

del agua a partir de una muestra de mediciones de zinc en 36 sitios
diferentes es de 2.6 gramos por mililitro. Encuentre los intervalos
de confianza de 95% y 99% para la concentracin media de zinc
en el ro. Suponga que la desviacin estndar de la poblacin es
0.3.
Solucin:
La estimacin puntual de
es = 2.6. El valor de z para un nivel
de confianza del 95% es 1.96, por lo tanto:

Para un nivel de confianza de 99% el valor de z es de 2.575 por lo

que el intervalo ser ms amplio:

El intervalo de confianza proporciona una estimacin de la

presicin de nuestra estimacin puntual. Si
es realmente el valor
central de intervalo, entonces estima
sin error. La mayor parte
de las veces, sin embargo, no ser exactamente igual a
y la
estimacin puntual es errnea. La magnitud de este error ser el

valor absoluto de la diferencia entre

, y podemos tener el nivel

de confianza de que esta diferencia no exceder

Como se puede observar en los resultados del ejercicio se tiene un

error de estimacin mayor cuando el nivel de confianza es del 99%
y ms pequeo cuando se reduce a un nivel de confianza del 95%.
2. Una empresa elctrica fabrica focos que tienen una duracin
aproximadamente distribuida de forma normal con una desviacin
estndar de 40 horas. Si una muestra de 30 focos tiene una
duracin promedio de 780 horas, encuentre un intervalos de
confianza de 96% para la media de la poblacin de todos los focos
que produce esta empresa.
Solucin:

Con un nivel de confianza del 96% se sabe que la duracin media

de los focos que produce la empresa est entre 765 y 765 horas.
3. La prueba de corte sesgado es el procedimiento ms aceptado
para evaluar la calidad de una unin entre un material de
reparacin y su sustrato de concreto. El artculo "Testing the Bond
Between Repair Materials and Concrete Substrate" informa que, en
cierta investigacin, se obtuvo una resistencia promedio muestral
de 17.17 N/mm2, con una muestra de 48 observaciones de
resistencia al corte, y la desviacin estndar muestral fue 3.28
N/mm2. Utilice un nivel de confianza inferior del 95% para estimar la
media real de la resistencia al corte.
Solucin:
En este ejercicio se nos presentan dos situaciones diferentes a los
ejercicios anteriores. La primera que desconoce la desviacin estndar
de la poblacin y la segunda que nos piden un intervalo de confianza
unilateral.

El primer caso ya se haba comentado y se solucionar utilizando la

desviacin estndar de la muestra como estimacin puntual de sigma.
Para el intervalo de confianza unilateral, se cargar el rea bajo la curva
hacia un solo lado como sigue:

Esto quiere decir que con un nivel de confianza de 95%, el valor de la

media est en el intervalo (16.39, ).
Se s ab e q ue la d esv ia c i n t p ica de la s n ot as d e
c ier to ex am en de Ma t em t ica s es 2,4. Para un a
mues t ra de 36 es t ud ian t es s e ob tu vo u na n ot a m ed ia
de 5,6. Sir ven es t os d at os pa ra c on f irm ar la
h ip t es is d e q ue la n ot a m ed ia d el exa men f ue de 6,
co n un n iv el d e c on f ian za d el 95%?

1. En un c ia mo s la s h ip t es is nu la y a lt ern at iva:
H0 : = 6
H1 : 6

La n ot a m ed ia n o ha var ia do.
La no ta med ia ha var ia do.

2. Zona d e a cept a c in
Para = 0.0 5 , le co r r es po nd e u n valo r
c r t ico : z / 2 = 1 .9 6 .
D et erm in am os e l in t ervalo de co nf ia nz a pa ra la
m ed ia :

( 6- 1,9 6 0 ,4 ; 6+1, 96 0,4 ) = (5, 22 ; 6 ,78 )

3. Ver if ic ac in .
Valo r ob t en id o d e la med ia d e la mues t ra: 5, 6 .

4. D ec is i n
Ac epta mo s la h ipt es is n ula H 0 , c on u n n ivel
d e s ig n if ic a c in de l 5%.

Un s o ci l o go h a pr on osti cado, qu e en u na
det er mi n ada ci u dad, el n ivel de abst en ci n en
las pr x i mas el ec ci on es ser del 40% como
m ni mo. S e el i ge al az ar un a mu estra al eatori a
de 2 0 0 in div i du o s , con der ech o a voto, 75 de
lo s c u al es es tar an di spu estos a votar.
D eter min ar co n u n ni vel de si gn i fi caci n del
1% , si s e pu ede admi ti r el pr on sti co.

1. En un ci amo s las h ipt esi s n ul a y al ter n ati va:

H 0 : 0 .4 0

La absten ci n ser como

m ni mo del 4 0%.
H 1 : < 0 .4 0

La absten ci n ser como

mxi mo del 40%;

2. Zon a d e ac e ptaci n
Para = 0. 01 , l e corr espon d e u n val or
cr ti c o : z = 2. 33 .
D eter min amos el in ter val o de con fi an z a
para la me di a:

3. Ver i fi c ac i n .

4. D ec i si n
A cept a mos l a h i pt esi s n u la H 0 .
Pod emo s afi r mar, con u n ni vel de
si gni fi c aci n del 1% , qu e l a

La absten ci n

s er c o mo m ni mo d el 40% .
Un i nfo r me in dic a qu e el pr eci o medi o d el
bi ll et e de avi n en tr e C an ari as y Madri d es,
c o mo mx i mo, de 120 con un a d esvi acin
t pi c a de 4 0 . S e toma u n a mu estra de 100
vi ajer o s y s e o bti en e qu e l a medi a de l os
pr eci o s de su s bil l etes es de 128 .
S e pu ed e ac eptar, con u n ni vel de
si gni fi c aci n igu al a 0,1, l a afi r maci n de
par ti da ?

1. En un ci amo s las h ipt esi s n ul a y al ter n ati va:

H 0 : 1 20
H 1 : > 1 20

2. Zon a de ac eptaci n

Para = 0. 1 , l e cor r espon de un val or

cr ti c o : z = 1. 28 .
D eter min amos el in ter val o de con fi an z a:

3. Ver i fi c aci n.
Val o r o bten i do de l a medi a d e l a
mu es tra: 12 8 .

4. D eci s i n
No a cep ta mos l a hi pt esi s nu l a H 0 . C on
un n iv el de si gni ficaci n del 10%.
Un a m ar ca de n u ec es a f irm a q ue, c omo m x im o, e l
6% d e la s nu ec es es t n vac a s . Se elig ier on 300
nu ec es a l aza r y s e d et ec ta r on 21 vac a s .
Sol ucio ne s :
1C on u n n ivel de s ign if ic ac i n d el 1%, s e p ued e
ac ept a r la af ir ma c i n d e la mar ca ?

E nu nc iam os la s h ip t es is n u la y a lt er na t iva:
H 0 : p 0 .06
H 1 : p >0. 06

2 Zona d e a cept a c in

 = 0.0 1

z = 2. 33 .

D et erm in am os e l in t ervalo de co nf ia nz a:

3 Ver if ic ac in .

4 D ec is i n
Ac epta mo s la h ipt es is n ula H 0 . Co n un n iv el
d e s ig n if ic a c in de l 1%.
2S i s e man t ien e e l por c en t aj e mues t ral d e n uec es
qu e es t n vac a s y 1- = 0.95, q u ta ma o mu es t ra l
se nec es it a r a pa ra es t ima r la p ro po rc i n d e n uec es
co n un er r or meno r de l 1% po r c ien to ?
1 - = 0, 9 5 z

/2

= 1, 96

La du rac i n de la bomb i lla s d e 100 W qu e f ab r ic a un a

em pr esa s igu e un a d is tr ibu c i n no rm a l co n un a
desv iac in t p ic a d e 120 h oras de d urac in . Su v id a
med ia es t ga rant iz ad a d uran t e u n m n im o de 800

ho ras . Se es co ge a l aza r u na m ues tra d e 50 b omb i lla s

de un lo t e y, desp u s de com pr ob ar las , se ob t ien e
un a v ida med ia d e 750 h oras . Co n un n ivel d e
s ign if ic ac i n d e 0,01, h ab r a qu e r ech az ar el lo t e p or
no c ump l ir la ga rant a?

1.

En un c ia mo s la s h ip t es is nu la y a lt ern at iva:
H 0 : 800
H 1 : <8 00

2. Zon a de ac ep t ac i n
= 0.0 1 ;

z = 2 .3 3

D et erm in am os e l in t ervalo de co nf ia nz a:

3. Ver if ic a c i n .
x = 750

4. D ec is i n
R echaza mo s la h ipt es is n ula H 0 . C on u n n ivel
d e s ig n if ic a c in de l 1%.
Un fa br ic a nt e de lm pa ras elc t r ic as es t ens ayan do
un n u evo mto do de pr od uc c in qu e s e c on s id erar
ac ept ab le s i la s lm pa ras obt en id as por es t e mto do
da n lu ga r a u na pob la c i n no rm a l de du rac in med ia
2400 h oras , c on u na desv iac i n t p ic a ig ua l a 300. Se
tom a un a mu es t ra de 100 l mp aras pr od uc id a s po r
es t e mto do y est a mu est ra t en d r un a du rac in
med ia d e 2320 h oras . Se pu ed e a c ep ta r r la h ip t es is

de valid ez de l nu evo pr oc eso d e f ab r ic ac i n c on u n

r ies go ig u a l o meno r a l 5% ?

1.

En un c ia mo s la s h ip t es is nu la y a lt ern at iva:
H 0 : = 240 0
H 1 : 2 40 0

2. Zon a de ac ep t ac i n
= 0.0 5

z / 2 = 1. 96 .

D et erm in am os e l in t ervalo de co nf ia nz a pa ra la
m ed ia :

3. Ver if ic a c i n .
Valo r ob t en id o d e la med ia d e la mues t ra: 232 0 .

4. D ec is i n
R echaza mo s la h ipt es is n ula H 0 , c on u n n ivel de
s ig n if ic a c i n de l 5% .
E l co nt ro l d e c a lid a d un a f br ica de p ila s y b at er a s
so sp ech a q ue hu bo def ec t os en la p ro du cc i n d e u n
mod elo d e b at er a p ara t elf on os m v il es , b aj an do su
t iem po de d urac in . Ha st a ah ora el t iem po d e
du rac in en co nver s ac i n s egu a un a d is t r ibu c i n
no rm a l c on m ed ia 3 00 m inu t os y d es v ia c i n t p ica 30
m in u to s . Sin em ba rg o, en la in sp ec c in de l lt imo
lo t e p ro du c ido, an tes de envia r lo a l merc ad o, s e
ob tu vo qu e d e u na m uest ra d e 60 b at er a s e l t iem po
med io de du rac in en co nver s ac i n f ue de 290

m in u to s . Sup on ien do q ue es e t iemp o s igu e s iend o

Nor ma l co n la m is ma d es v ia c i n t p ica :
Se p ued e c on c lu ir qu e la s so sp ech as de l c on t ro l d e
c a lid a d s on c ier t as a un n iv el d e s ig n if ic a c in de l
2%?

1.

En un c ia mo s la s h ip t es is nu la y a lt ern at iva:
H 0 : 300
H 1 : < 30 0

2. Zon a de ac ep t ac i n
= 0.0 2; 1- = 0 . 9 8;
98 ;
z = 1. 96 .

P( 1. 96) = 0 .

D et erm in am os e l in t ervalo de co nf ia nz a:

3. Ver if ic a c i n .
= 290

4. D ec is i n
R echaza mo s la h ipt es is n ula H 0 . Co n un n iv el d e
s ig n if ic a c i n de l 2% .
Se c r ee q ue e l n ivel med io de pr ot omb in a en u na
pob la c i n n or ma l es de 20 mg/ 100 m l de p la s ma c on
un a des v ia c in t p ic a d e 4 mi lig ram os /100 ml. Para
com pr ob ar lo, s e t oma u na m ues tra d e 40 in d iv idu os
en lo s q ue la m ed ia es de 18.5 mg/ 100 m l. Se p ued e

ac ept a r la h ip t es is , c on u n n ivel de s ign if ic ac i n d el

5% ?

1.

En un c ia mo s la s h ip t es is nu la y a lt ern at iva:
H 0 : =2 0 mg/1 00 m l
H 1 : 20 m g/ 10 0 m l

2. Zon a de ac ep t ac i n
Para = 0.0 5 , le co r r es po nd e u n valo r
c r t ico : z / 2 = 1 .9 6 .
D et erm in am os e l in t ervalo de co nf ia nz a pa ra la
m ed ia :

3. Ver if ic a c i n .
Valo r ob t en id o d e la med ia d e la mues t ra: 18. 5 .

4. D ec is i n
R echaza mo s la h ipt es is n ula H 0 , c on u n n ivel de
s ig n if ic a c i n de l 5% .