UNIVERSIDAD NACIONAL MAYOR

DE SAN MARCOS
FACULTAD DE INGENIERIA INDUSTRIAL
“E.A.P INGENIERÍA INDUSTRIAL”

Curso: Control de Calidad

Profesor: Felipe Loayza Beramendi

Grupo: 4

Estudiantes: Quispe Sanchez, Cinthia

Torres Ruiz, Javier

Mallqui Huamani, Jonathan

2018 – II
Capítulo 4:
Elementos de Inferencia
Estadística
1. En un estudio estadístico, ¿qué es una población y para que se toma
una muestra?
La población es un conjunto formado por la totalidad de individuos, objetos
o medidas de interés sobre los que se realizan un estudio. La muestra se
utiliza cuando tenemos una población infinita y por medio de cálculos
muestréales adecuados nos permitirá hacer afirmaciones acerca de toda
la población.
2. ¿Qué significa probar una hipótesis?
Es un estudio estadístico por lo general se busca responder con cierto
nivel de confianza la pregunta planteada para poder tomar las decisiones
pertinentes.
3. ¿Qué implica realizar una estimación puntual y en que consiste la
estimación por intervalo para la media?
El estimador puntual de un parámetro es un estadístico que genera un
valor numérico simple, y que se utiliza para proporcionar una estimación
del valor del parámetro desconocido. Por ejemplo, con frecuencia es
necesario estimar el valor de:
 La media μ del proceso (o población objeto de estudio).
 La varianza σ 2 o la desviación estándar del proceso.
 La proporción p de artículos defectuosos.

4. ¿Por qué no es suficiente la estimación puntual y por qué se tiene

que recurrir a la estimación por intervalo?
Porque a veces es conveniente obtener unos límites entre los cuales se
encuentre el parámetro con un cierto nivel de confianza, en este caso
necesitamos de estimación por intervalos.
5. Explique el papel que desempeñan las distribuciones de
probabilidad en la inferencia estadística.
Una distribución de probabilidad Distribución de una variable o X relaciona
el conjunto de valores posibles de aleatoria X, con la probabilidad
asociada a estos valores. Una distribución de probabilidad también se
puede considerar una distribución teórica de frecuencia, que describe
cómo se espera que varíen los resultados de la variable aleatoria. De esta
forma, lo aleatorio se modela (describe, acota), y al observar una
realización específica de un estadístico es posible corroborar o rechazar
supuestos (prueba de hipótesis) o hacer estimaciones poblacionales. Las
distribuciones de probabilidad que más se emplean en intervalos de
confianza y pruebas de hipótesis son las distribuciones: normal, T de
Student, ji-cuadrada y F.
6. En el contexto de estimación por intervalo, señale en forma
específica que parámetro utiliza cada una de las siguientes
distribuciones para realizar estimaciones de Student, normal y ji-
cuadrada.

7. Explique que es un estadístico de prueba y señale su relación con

los intervalos de aceptación y rechazo.
Un estadístico de prueba es un valor estandarizado que se calcula a partir
de los datos de la muestra durante una prueba de hipótesis. Puede utilizar
los estadísticos de prueba para determinar si puede rechazar la hipótesis
nula.
8. ¿Que son los errores tipo I y tipo II en las pruebas de hipótesis?

 Error tipo I: Es cuando se rechaza una Ho que es verdadera

 Error tipo II: Es cuando se acepta una Ho que es falsa.
9. Señale y describa de manera breve los tres criterios equivalentes de
rechazo de una hipótesis.

 Estadístico de prueba frente a valor crítico:

Este criterio se utilizó en el ejemplo previo y es el que de manera
tradicional se empleaba antes de los avances en materia
computacional que ahora existe. Este método consiste en rechazar
Ho sí el estadístico de prueba cae en la región de rechazo que está
delimitada por el valor crítico.
 Significancia observada frente a significancia predefinida:
La significancia predefinida que se denota con o: es el riesgo
máximo que se está dispuesto acorrer por rechazar Ho
indebidamente (error tipo I). Mientras que la significancia
observada o calculada, también conocida como valor-p, es el área
bajo la distribución de referencia que está más allá del valor del
estadístico de prueba.

10. Señale un ejemplo de datos o muestras pareadas.

Son conocidas como muestras asociadas.
Ejemplo: Medir la presión arterial a 10 personas por la mañana.
Medir la presión arterial a las mismas 10 personas por la tarde

11. En la elaboración de envases de plástico es necesario garantizar que

cierto tipo de botella en posición vertical tenga una resistencia
mínima de 50 kg de fuerza. Para asegurar esto, en el pasado se
realizaba una prueba del tipo pasa-no-pasa, donde se aplicaba la
fuerza mínima y se veía si la botella resistía o no. En la actualidad se
realiza una prueba exacta, en la que mediante un equipo se aplica
fuerza a la botella hasta que esta cede, y el equipo registra la
resistencia que alcanzo la botella.
a) ¿Qué ventajas y desventajas tiene cada método?
b) Para evaluar la resistencia media de los envases se toma una
muestra aleatoria de n = 20 piezas. De los resultados se obtiene
que X= 55.2 y S = 3. Estime con una confianza de 95% ¿Cuál es la
resistencia promedio de los envases?
c) Antes del estudio se suponía que μ = 52. Dada la evidencia de los
datos, ¿Tal supuesto es correcto?
d) Con los datos anteriores, estime con una confianza de 95% ¿Cuál
es la desviación estándar poblacional (del proceso)?
 Solución
a) Primer Método: Pasa- No pasa:

Ventajas Desventajas
Es más rápido. Imprecisión en los
datos.

Segundo Método: Hacer pruebas de resistencia:

Ventajas Desventajas
Precisión en los datos Toma más tiempo

b) Datos:

𝑔. 𝑙 = 𝑛 − 1 = 20 − 1 = 19
∝= 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎(5%)
Fórmula: Para hallar intervalo de la media:

𝑆
𝑋̅ ± 𝑡∝ , 𝑛 − 1
2 √𝑛

Donde: 𝑡∝ , 𝑛 − 1 , se saca de la tabla de T-student

2
 Reemplazando en la fórmula:
3
[ ; ] = 55.2 ± (2.093)
√20

[53.79; 56.60]

∴ 𝑳𝒂 𝒓𝒆𝒔𝒊𝒔𝒕𝒆𝒏𝒄𝒊𝒂 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒍𝒐𝒔 𝒆𝒏𝒗𝒂𝒔𝒆𝒔 𝒔𝒆 𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒂 𝒆𝒏𝒕𝒓𝒆: 𝟓𝟑. 𝟕𝟗 𝒚 𝟓𝟔. 𝟔

c) No es correcto, ya que la media de 52 está por debajo del límite inferior.

d) Utilizando los mismos datos especificados en a:
La fórmula a utilizar es la siguiente:

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
⌊ ;⌋ = √ ;√ 2
𝜆2 𝛼 𝜆 1−𝛼
2 2

Reemplazando datos:

(20 − 1)32 (20 − 1)32

⌊ ;⌋ = √ ;√
32.852 8.907

⌊ ; ⌋ = √5.2051; √19.1983
⌊ ; ⌋ = 2.2815; 4.3816
∴ 𝑳𝒂 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓 𝒔𝒆 𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒂 𝒆𝒏𝒕𝒓𝒆: 𝟐. 𝟐𝟖𝟏𝟓 𝒚 𝟒. 𝟑𝟖𝟏𝟔

12. Para evaluar el contenido de nicotina en cierto tipo de cigarros

elaborados por un proceso se toma una muestra aleatoria de 40
cigarrillos y se obtiene que X = 18.1 mg y S = 1.7.
a) Estime con una confianza de 95% ¿Cuál es la cantidad de nicotina
promedio por cigarro?
b) ¿Cuál es el error de estimación en el inciso anterior?
c) Antes del estudio se suponía que μ = 17.5. Dada la evidencia de
los datos. ¿Se puede rechazar tal supuesto?
d) Si se quiere estimar la media con un error máximo de 0.4. ¿Qué
tamaño de muestra se requiere?
e) Con los datos anteriores, estime con una confianza de 95% ¿Cuál
es la desviación estándar poblacional (del proceso)?
f) Que puede decir sobre la cantidad mínima y máxima de nicotina
por cigarro? Es posible garantizar con suficiente confianza que
los cigarros tienen menos de 20 mg de nicotina. Sugerencia:
aplique la regla empírica (véase capítulo 2).
Solución

DATOS:
n=40 𝑥̅ = 18.1 S=1.7
𝜀(𝑋𝑖 − 𝑋)2⁄
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 𝑛⁄2 𝑥 = 𝜀𝑖⁄𝑛 𝑆2 = 𝑛−1

𝜀(𝑋𝑖 − 𝑋)2
𝑆=√
𝑛−1

𝑍 2 𝛼/2 𝑝̂(1 − 𝑝̂ )
𝑛=
𝐸2

Calculando en minitab
n = (2.042)2 (0.05)(1 − 0.05) /(0.04)2 = 1.2378

a) La cantidad promedio de nicotina por cigarro se encuentra entre

17.556 y 18.644.
b) El error de estimación es de 0.269.
c) No, porque se encuentra dentro de los limites calculados en el
inciso a.
d) Con un error máximo de 0.4 el tamaño de la muestra se requiere
que sea de 1.2378.
e) La desviación estándar del proceso está dentro 1.39 y 2.18.
f) Es posible garantizar con suficiente confianza que los cigarros
tienen menos de 20 mg de nicotina.
13. En un problema similar al del ejercicio 11 es necesario garantizar que
la resistencia mínima que tienen un envase de plástico en posición
vertical sea de 20 kg. Para evaluar esto se obtuvieron los siguientes
datos mediante pruebas destructivas:
28.3 26.8 26.6 26.5 28.1 24.8 27.4 26.2 29.4 28.6 24.9 25.2 30.4 27.7 27.0
26.1 28.1 26.9 28.0 27.6 25.6 29.5 27.6 27.3 26.2 27.7 27.2 25.9 26.5 28.3
26.5 29.1 23.7 29.7 26.8 29.5 28.4 26.3 28.1 28.7 27.0 25.5 26.9 27.2 27.6
25.5 28.3 27.4 28.8 25.0 25.3 27.7 25.2 28.6 27.9 28.7
a) Esta variable forzosamente tiene que evaluarse mediante
muestreo y no Al 100% ¿Por qué?
b) Realice un análisis exploratorio de estos datos (obtenga un
histograma y vea el comportamientos de los datos obtenidos).
c) Estime con una confianza de 95%, ¿cuál es la resistencia
promedio de los envases?
d) Antes del estudio se suponía que μ = 25. Dada la evidencia de los
datos, ¿tal supuesto es correcto?
e) Con los datos anteriores, estime con una confianza de 95% ¿Cuál
es la desviación estándar poblacional (del proceso)?

Solución

Hipótesis: 𝐻𝑜: 𝜇 = 25 𝑘𝑔
𝐻𝐴: 𝜇 ≠ 25 𝑘
Nivel de significancia: 𝛼 = 0.05
Estadístico de Prueba calculado en minitab
a) Los datos se encuentran muy por encima de la especificación
inferior (20Kg) se cumple con la calidad exigida. Media y mediana
están alrededor de 27 kg, además su desviación es 1,43kg Coef
Var= 5,25% Los límites reales se encuentran el 97,3% entre 22,93
y 31,51Kg El diagrama de caja nos señala cierta simetría de la
información y que se encuentra los bigotes alejados de la
especificación inferior.

b) Valor p < Alfa (0,05) entonces se rechaza Ho la media es diferente

de 25

c) Con una confianza del 95% se puede afirmar que la media

verdadera de la resistencia de los envases se encuentra entre
26,833 y 27,607 Kg

d) Sí, porque el método estándar se utiliza sólo para la distribución

normal

e) Con una confianza del 95% se puede afirmar que la desviación

estándar verdadera de la resistencia de los envases se encuentra
entre 1,20 y 1,76 Kg.
14. En la elaboración de una bebida se desea garantizar que el
porcentaje de CO2 (gas) por envase este entre 2.5 y 3.0. Los
siguientes datos fueron obtenidos del monitoreo del proceso:
2.61 2.62 2.65 2.56 2.68 2.51 2.56 2.62 2.63 2.57 2.60 2.53 2.69 2.53 2.67
2.66 2.63 2.52 2.61 2.60 2.52 2.62 2.67 2.58 2.61 2.64 2.49 2.58 2.61 2.53
2.53 2.57 2.66 2.51 2.57 2.55 2.57 2.56 2.52 2.58 2.64 2.59 2.57 2.58 2.52
2.61 2.55 2.55 2.73 2.51 2.61 2.71 2.64 2.59 2.60 2.64 2.56 2.60 2.57 2.48
2.60 2.61 2.55 2.66 2.69 2.56 2.64 2.67
a) Realice un análisis exploratorio de estos datos (obtenga un
histograma y vea el comportamientos de los datos obtenidos).
b) Estime con una confianza de 95%, ¿cuál es el CO2 promedio por
envase?
c) Se supone que μ debe ser igual a 2.75. Dada la evidencia, ¿es
posible rechazar tal supuesto?
d) Con los datos anteriores, estime con una confianza de 95% la
desviación estándar del proceso.
e) De los datos muestrales se observa que el mínimo es 2.48 y el
máximo 2.73, ¿por qué el intervalo obtenido en el inciso b) tiene
menor amplitud?

Solución

Datos

𝐸𝐼 = 2.5
ES = 3.0
𝑁. 𝐶 = 95%
𝑛 = 68
𝛼 = 0.05

𝒔
̅ − 𝒕𝜶 , 𝒏 − 𝟏
𝑿
𝟐 √𝒏

(𝒏−𝟏)𝑺𝟐
𝑿𝟐 𝜶
𝟐

V=n–1
IC de 95%
(2.57987, 2.60693)
𝜇 = 2.5934
𝑆 = 0.0559

Datos Obtenidos en Minitab

a) Existe un rango mayor de datos obtenidos dentro de un rango de

2.55 a 2.60 donde se demuestra que los niveles de CO2
aproximadamente están en este intermedio.

b) El promedio de CO2 promedio por envase esta entre 2.57987 y

2.606692.

c) No, la media de 2.75 es incorrecta porque está por debajo del límite
inferior.
d) La desviación estándar del proceso es de 0.0559

e) Porque la mayor parte de los datos se concentró en un rango de

2.55 a 2.60 dejando así menor amplitud que en la de datos
muéstrales, que aún se desconocen.
15. Una característica importante en la calidad de la leche de vaca es la
concentración de grasa. En una industria en particular se fijó como
estándar mínimo del producto que se recibe directamente de los
establos lecheros sea de 3.0%. Por medio de 40 muestreos y
evaluaciones en cierta época del ano se obtuvo que X= 3.2 y S = 0.3.
a) Estime con una confianza de 90% el contenido promedio de grasa
poblacional.
b) ¿Cuál es el error máximo de estimación para la media? ¿Por qué?
c) Estime con una confianza de 95%, ¿cuál es la desviación estándar
poblacional?
d) ¿Qué puede decir acerca de la cantidad mínima y máxima de
grasa en la leche? ¿Es posible garantizar con suficiente confianza
que la leche tiene más de 3.0% de grasa? Sugerencia: aplique la
regla empírica.

Solución
a) Contenido promedio de grasa:
Datos:

Aplicando la fórmula:
𝜎
𝑋̅ ± 𝑍∝
2 √𝑛
Donde:
𝑍∝ = 1.64 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 90%
2

Reemplazando datos:
0.3
[ ; ] = 3.2 ± 1.64
√40

[ ; ] = [ 3.1222; 3.2778]

b) Error máximo para la media:

 c) Desviación estándar poblacional:

Utilizando la fórmula:

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
⌊ ;⌋ = √ ;√ 2
𝜆2 𝛼 𝜆 1−𝛼
2 2

⌊ ; ⌋ = √0.0801; √0.1898
⌊ ; ⌋ = 0.2830; 0.4357
∴ 𝑳𝒂 𝒅𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓 𝒔𝒆 𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒂 𝒆𝒏𝒕𝒓𝒆: 𝟎. 𝟐𝟖𝟑𝟎 𝒚 𝟎. 𝟒𝟑𝟓𝟕

d) La cantidad de 3% de grasa esta dentro de los parámetros

y la curva de distribución normal muy cerca del promedio y
con un nivel de confianza considerable

16. En la fabricación de discos compactos una variable de interés es la

densidad mínima (grosor) de la capa de metal, la cual no debe ser
menor de 1.5 micras. Por experiencia se sabe que la densidad
mínima del metal casi siempre ocurre en los radios 24 y 57, aunque
en el método actual también se miden los radios 32, 40 y 48. Se
realizan siete lecturas en cada radio, lo cual da un total de 35
lecturas, de las cuales solo se usa la mínima. A continuación se
presenta una muestra histórica de 18 densidades mínimas:
1.81, 1.97, 1.93, 1.97, 1.85, 1.99, 1.95, 1.93, 1.85, 1.87, 1.98, 1.93, 1.96,
2.02, 2.07, 1.92, 1.99, 1.93.
a) Argumente en términos estadísticos si las densidades mínimas
individuales cumplen con la especificación de 1.5 micras.
Sugerencia: aplique la regla empírica.
b) Encuentre un intervalo de confianza de 99% para la media de la
densidad mínima.
c) Proporcione un intervalo de confianza de 99% para la desviación
estándar.
d) Dibuje el diagrama de cajas para los datos e interprete los
resultados.
Solución
Para la solución de este problema nos ayudaremos del programa Minitab:
a) X: densidad mínima (grosor) micras
Variable Aleatoria Continua (MEDICION)
Especificación Inferior: Ei= 1,5 micras
Regla Empírica: μ ± 3 σ (Es lo mismo que los limites reales)
El proceso es capaz ya que los datos se encuentran muy por encima de
la especificación inferior tanto así aplicando 6 sigma se obtiene un límite
μ±6σ de 1.5522 es decir que de 1 millón de CD existen “0” que no
cumple esa calidad.
Como se puede apreciar en el siguiente gráfico:

b) Intervalo de confianza la media:

Para hallar el intervalo de confianza de la “μ”
Como la varianza poblacional es desconocida se aplica “1T”
Utilizando el Minitab:
T de una muestra: Densidad

Interpretación: “Se puede afirmar con un 99% de confianza que la media

verdadera de la densidad mínima se encuentra entre 1.8959 y 1.9841
micras”
c) Intervalo de confianza para la desviación estándar
Para hallar el intervalo de confianza de la “σ”, para lo cual es necesario
determinar si los datos siguen o no una distribución NORMAL para lo cual
utilizamos la prueba o TEST de NORMALIDAD prueba de
KOLMOGOROV como se observa a continuación:

Se concluye que los datos siguen una DISTRIBUCIÓN NORMAL

Hallando el intervalo de confianza para la σ se obtiene
Prueba e IC para una desviación estándar: Densidad

Interpretación: “Se puede afirmar con un 99% de confianza que la σ

verdadera de la densidad mínima se encuentra entre 0.0446 y 0.1116
micras”
 d) Diagrama de cajas

Del diagrama de cajas se observa que el 50% de los datos es superior o

Inferior a 1.94 micras, los datos se encuentran muy por encima de la
especificación Inferior.

17. En una auditoria se seleccionan de manera aleatoria 200 facturas de

las compras realizadas durante el año, y se encuentra que 10 de ellas
tienen algún tipo de anomalía.
a) Estime con una confianza de 95% el porcentaje de facturas con
anomalías en todas las compras del ano.
b) ¿Cuál es el error de estimación? ¿Por qué?
c) ¿Qué tamaño de muestra se tiene que usar si se quiere estimar el
porcentaje de facturas con anomalías con un error máximo de
2%?

Solución
Datos:
𝑥 = 10
𝑛 = 200
𝑝̂ = 0.05
𝑁. 𝐶 = 95% , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼 = 0.05%
a) Fórmula a utilizar:

𝑝̂(1 − 𝑝̂)
[ ; ] = 𝑝̂ ± 𝑍𝛼 (√
2 𝑛

𝑍∝ = 1.96 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 95%

2

0.05(1 − 0.05)
[ ; ] = 0.05 ± 1.96(√
200

[ ; ] = [0.019; 0.080]

b) Error de Estimación

𝑝̂(1 − 𝑝̂)
𝐸 = 𝑍𝛼 (√ = 0.0302
2 𝑛

c) Utilizando la fórmula siguiente:

𝑍 2 𝛼 𝑥𝑝̂(1 − 𝑝̂)
2
𝑛=
𝐸2

1.962 . (0.05)(1 − 0.05)

𝑛= = 456.19
0.022
18. En la producción de una planta se está evaluando un tratamiento
para hacer que germine cierta semilla. De un total de 60 semillas se
observó que 37 de ellas germinaron.

a) Estime con una confianza de 90% la proporción de germinación

que se lograra con tal tratamiento.
b) Con una confianza de 90%, ¿Es posible garantizar que la mayoría
(más de la mitad) de las semillas germinaran?
c) Conteste los dos incisos anteriores pero ahora con 95% de
confianza.

Solución

Datos:
𝑥 = 37
𝑛 = 60
𝑝̂ = 0.6166
𝑁. 𝐶 = 90% , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼 = 0.10%

a) Utilizando la siguiente fórmula:

𝑝̂(1 − 𝑝̂)
[ ; ] = 𝑝̂ ± 𝑍𝛼 (√
2 𝑛

𝑍∝ = 1.64 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 90%

2

0.6166(1 − 0.6166)
[ ; ] = 0.6166 ± 1.64(√
60

[ ; ] = [0.5136; 0.7198]
b) Sí, porque el porcentaje mínimo es de 51.36% y el máximo 71.98%
c) Usando la misma fórmula que en a, se obtiene:

𝑍∝ = 1.96 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 95%

2

0.6166(1 − 0.6166)
[ ; ] = 0.6166 ± 1.96(√
60

[ ; ] = [0.4935; 0.7396]

Con el 95% de nivel de confianza, no se garantiza que germinaran la

mayoría de las semillas ya que el mínimo porcentaje es de 49.35%, no
llega al 50%

19. Para evaluar la efectividad de un fármaco contra cierta enfermedad

se integra en forma aleatoria un grupo de 100 personas. Se
suministra el fármaco y transcurrido el tiempo de prueba se observa
x = 65 personas con un efecto favorable.
a) Estime con una confianza de 90% la proporción de efectividad que
se lograra con tal fármaco. Realice una interpretación de los
resultados.
b) ¿Con base en lo anterior se puede decir que a la mayoría de las
personas (más de la mitad) les hizo buen efecto el fármaco?
c) ¿Qué tamaño de muestra debe usarse si se quiere tener un error
de estimación máximo de 4% (0.04)?

Solución

Datos:
𝑥 = 65
𝑛 = 100
𝑝̂ = 0.65
𝑁. 𝐶 = 90% , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼 = 0.10%
a) Utilizando la siguiente fórmula:

𝑝̂(1 − 𝑝̂)
[ ; ] = 𝑝̂ ± 𝑍𝛼 (√
2 𝑛

𝑍∝ = 1.64 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 90%

2

0.65(1 − 0.65)
[ ; ] = 0.65 ± 1.64(√
100

[ ; ] = [0.628; 0.672]

Con una confianza del 90% se estima que p esta entre 62.8% y 67.2%
b) Con lo realizado en el inciso a) se confirma que más de la mitad de las
personas les hizo bien el fármaco
c) Utilizando la fórmula siguiente:

𝑍 2 𝛼 𝑥𝑝̂(1 − 𝑝̂)
2
𝑛=
𝐸2

1.642 . (0.65)(1 − 0.65)

𝑛= = 382.4275
0.042
20. Con respecto al problema del ejercicio 11, los datos anteriores al
diseño de la prueba continua muestran lo siguiente: de n = 120
envases de plástico probados para ver si tenían la resistencia
mínima de 50 kg de fuerza, x = 10 envases no pasaron la prueba.
a) Estime con una confianza de 95% la proporción de envases que
no tienen la resistencia mínima especificada. Haga una
interpretación de los resultados.
b) ¿Cuál es el error de estimación?
c) Calcule el tamaño de muestra que se necesita para que el error de
estimación máximo sea de 0.03.

Solución
Datos:

a) Utilizando la siguiente fórmula

𝑝̂(1 − 𝑝̂)
[ ; ] = 𝑝̂ ± 𝑍𝛼 (√
2 𝑛

𝑍∝ = 1.96 ; 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 95%

2

0.083(1 − 0.083)
[ ; ] = 0.083 ± 1.96(√
120

[ ; ] = [0.0336; 0.1324]
Con una confianza del 95% se estima que p esta entre 3.36% y 13.24%,
esta estimación refleja que hay una muy pequeña proporción que no
pasaron la prueba de resistencia.
b) Hallando el error de estimación

𝑝̂(1 − 𝑝̂)
𝐸 = 𝑍𝛼 (√
2 𝑛

0.083(1 − 0.083)
𝐸 = 1.96(√ = 0.0493
120

c) Tamaño de la muestra

𝑍 2 𝛼 𝑥𝑝̂(1 − 𝑝̂)
2
𝑛=
𝐸2

1.962 . (0.083)(1 − 0.083)

𝑛= = 324.875
0.032