ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF.

JULIA MARCANO – 2021

PROBLEMAS VARIOS
Para empezar, se presentan dos ejemplos en los que se utiliza el muestreo para responder una
pregunta de investigación acerca de una población.
1. Los miembros de un partido político en Texas consideraban postular a un determinado
candidato para el Senado, y los dirigentes del partido querían estimar la proporción de votantes
registrados en el estado que podían apoyarlo. Por tanto, se seleccionó una muestra de 400
votantes registrados en Texas, y 160 de este total indicaron estar a favor del candidato.
Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la proporción de votantes para el senado.

No se tiene el tamaño de la población.

Tamaño de muestra 𝑛 = 400

Proporción de votantes a favor de la (𝑝̂ ) (calcular)
muestra (𝑝̂ )
Proporción de votantes no a favor de la (𝑞̂) (calcular)
muestra 𝑞̂
Proporción de votantes a favor de la 𝑝 (desconocida)
población (𝑝)
Desviación estándar de la población 𝜎(desconocida)

Varianza de la población 𝜎 2 (desconocida)

Así, una estimación de la proporción de la población de votantes registrados a favor del candidato
es 160/400 = 0.40.

2. Un fabricante de llantas está considerando producir un nuevo modelo que ofrezca mayor
duración que los actuales neumáticos de línea de la empresa. Para estimar la duración media, en
millas, el fabricante selecciona una muestra de 120 neumáticos nuevos para probarlos.
Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la duración media del nuevo modelo, en millas.

De los resultados de esta prueba se obtiene una media muestral de 36.500 millas. Por tanto, una
estimación de la vida útil media de la población de nuevas llantas es 36.500 millas.

No se tiene el tamaño de la población.

Tamaño de muestra 𝑛 = 120
Media (𝑋̅) de la muestra 𝑋̅ = 36.500 𝑚𝑖𝑙𝑙𝑎𝑠
Media (𝜇) de la población 𝜇 (desconocida)
Desviación estándar de la población 𝜎(desconocida)

Varianza de la población 𝜎 2 (desconocida)

ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

3. Es importante observar que los resultados muestrales sólo proporcionan una estimación de los
valores de las características de la población. No se espera que exactamente 0.40, o 40%, de la
población de los votantes registrados esté a favor del candidato, ni que la media muestral de
36.500 millas sea exactamente igual al millaje medio de la población de todos los nuevos
neumáticos. La razón es simple: la muestra sólo contiene una parte de la población. Es de esperarse
algún error de muestro. Con métodos adecuados, los resultados muestrales proporcionarán
“buenas” estimaciones de los parámetros poblacionales.

En la tabla siguiente se presenta una muestra aleatoria simple de 30 gerentes de SEAR con sus respectivos
datos de sueldo anual y participación en el programa de capacitación. La notación x1, x2, etc., se usa para
denotar el sueldo anual del primer gerente de la muestra, del segundo, y así sucesivamente. La participación
en el programa de capacitación se indica por un Sí en la columna “programa de capacitación”.

Sueldo Anual ($) (Xi) Programa de capacitación Sueldo Anual ($) Programa de capacitación
49 094.30 Sí 51766,00 Sí
53263,90 Sí 52541,30 No
49643,50 Sí 44980,00 Sí
49894,90 Sí 51932,60 Sí
47621,60 No 52973,00 Sí
55924,00 Sí 45120,90 Sí
49092,30 Sí 51753,00 Sí
51404,40 Sí 54391,80 No
50957,70 Sí 50164,20 No
55109,70 Sí 52973,60 No
45922,60 Sí 50241,30 No
57268,40 No 52793,90 No
55688,80 Sí 50979,40 Sí
51564,70 No 55860,90 Sí
56188,20 No 57309,10 No

Para estimar el valor de un parámetro poblacional se calcula la característica correspondiente de la muestra,

a lo que se le conoce como estadístico muestral. Por ejemplo, para estimar la media poblacional μ y la
desviación estándar poblacional σ de los sueldos anuales de los gerentes de SEAR, se emplean los datos de
la tabla y se calculan los estadísticos muestrales correspondientes: media muestral (𝑋̅) y desviación
estándar muestral (S).

49.094,30 + 53.263,90 + ⋯ + 55.860,90 + 57.309,10

𝑋̅ = = 51.814,00
30
∑(𝑋 − 𝑋̅)2
𝑆=√
𝑛−1

(49.094,30 − 51.814,00)2 + (53.263,90 − 51.814,00)2 + ⋯ + (57.309,1 − 51.814,00)2

𝑆=√ = 3.347,72
30 − 1
≈ 3.348
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

Para estimar p, la proporción de gerentes en la población que completaron el programa de capacitación, se

usa la proporción muestral correspondiente p. Sea X que denota el número de gerentes en la muestra que
completaron el programa de capacitación. Según la tabla X = 19. Por tanto, como el tamaño de la muestra
es n = 30, la proporción muestral es
𝑥 19
𝑝̅ = = = 0,63
𝑛 30
Al efectuar los cálculos anteriores, se lleva a cabo el proceso estadístico conocido como estimación puntual.
A la media muestral 𝑿 ̅ se le identifica como estimador puntual de la media poblacional μ, a la desviación
estándar muestral S como el estimador puntual de la desviación estándar poblacional σ y a la proporción
muestral 𝒑̅ como el estimador puntual de la proporción poblacional p. Al valor numérico obtenido de𝑿 ̅, S o
̅ se le conoce como estimación puntual. Así, en la muestra aleatoria simple de 30 gerentes de SEAR que
𝒑
se presenta en la tabla anterior, $51.814 es la estimación puntual de μ, $3.348 es la estimación puntual de
σ y 0,63 es la estimación puntual de p.

Se define una variable aleatoria como una descripción numérica del resultado de un experimento. Si el
proceso de seleccionar una muestra aleatoria simple se considera un experimento, la media muestral 𝑿 ̅ es
la descripción numérica del resultado de ese experimento. Por tanto, la media muestral 𝑿 ̅ es una variable
aleatoria. Entonces, como ocurre con otras variables aleatorias, 𝑿 ̅ tiene una media o valor esperado, una
desviación estándar y una distribución de probabilidad. Como los distintos valores que toma 𝑿̅ son resultado
de distintas muestras aleatorias simples, a la distribución de probabilidad de 𝑿 ̅ se le conoce como
distribución de muestreo de 𝑿 ̅ . Conocer esta distribución y sus propiedades permitirá hacer declaraciones
de probabilidad acerca de qué tan cerca está la media muestral 𝑿 ̅ de la media poblacional μ.

La distribución muestral de una estadística es la distribución de probabilidad para los posibles valores de
la estadística, que resulta cuando muestras aleatorias de tamaño n se sacan repetidamente de la población.

Inferencias sobre la media de la población

̅ es la media de una muestra aleatoria de tamaño n, tomada de una
Teorema del límite central: Si 𝑿
población con media μ y varianza finita σ2, entonces la forma límite de la distribución de
̅−𝝁
𝑿
𝑍= 𝜎
√𝑛
La aproximación normal para 𝑿 ̅ por lo general será buena si n ≥ 30, siempre y cuando la distribución de la
población no sea muy asimétrica. Si n < 30, la aproximación será buena sólo si la población no es muy
diferente de una distribución normal y, como antes se estableció, si se sabe que la población es normal, la
distribución muestral de 𝑿̅ seguirá siendo una distribución normal exacta, sin importar qué tan pequeño
sea el tamaño de las muestras.

4. Una empresa de material eléctrico fabrica bombillas que tienen una duración que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviación estándar de 40 horas. ¿Calcule la
probabilidad de que una muestra aleatoria de 16 bombillas tenga una vida promedio de menos de 775
horas?
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio (X) es la duración promedio de una bombilla.

Se tiene una población.

Tamaño de muestra 𝑛 = 16
Media (𝜇) de la población 𝜇 = 800 hr
Desviación estándar de la población 𝜎 = 40 ℎ𝑟

̅ será aproximadamente normal

La distribución muestral de 𝑿

̅−𝝁
𝑿 𝟕𝟕𝟓 − 𝟖𝟎𝟎 −25
𝑃(𝑋 < 775) = 𝑃 (𝑍 < 𝜎 ) = 𝑃 (𝑍 < ) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < −2,5)
40 10
√𝑛 √16
Con 𝑧 = −2,5 se va a la Tabla Normal y se busca el valor de la probabilidad que corresponda ese
valor de Z,
Usando esta tabla normal que va desde −∞ hasta Z se tiene el valor de la probabilidad de 0,99379
para Z = 2,5. Pero el valor de Z = -2,5, por lo tanto, la probabilidad es 1 - 0,99379 = 0.00621
𝑃(𝑋 < 775) = 𝑃(𝑍 < −2,5) = 0,0062

5. Ejercicio 6.22. MILLER Y FREUND (Probabilidad y estadística para ingenieros, 3ra edición,
1989). Una muestra de tamaño 25 extraída de una población normal tiene una media 𝑋̅ = 47.5 y
una desviación estándar 𝑆 = 7. ¿Tiende esta información a apoyar o a refutar la afirmación de
que la media de la población es 𝜇 = 42.1 con un nivel de significación de 0.005?
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

La estimación puntual es

𝑋̅ − 𝜇
𝑡=
𝑆
√𝑛

𝑋̅ − 𝜇 47.5 − 42.1
𝑡= = 3.21
𝑆 7
√𝑛 √25

Con v = 25 – 1 =24 grados de libertad y 𝛼 = 0.005 , se va a la tabla t-student, 𝑡0.005,24 = 2.797

𝛼 = 0.005

𝑡0.005,24 = 2.797

𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 3.21

La probabilidad de que t exceda a 2.797 es 0.005. t = 3.21 es mayor a t = 2.797 y 0.005 es muy pequeña, se concluye
que los datos tienden a refutar la afirmación de que la media de la población es 𝜇 = 42.1, no obstante, la media de la
población es mayor a 42.1.

6. Ejercicio 3. Pag 223. WALPOLE, MYERS Y MYERS (Probabilidad y estadística para ingenieros, 6ta edición, 1999). Se
fabrica cierto tipo de hilo con una resistencia a la tracción media de 78.3 kilogramos y una desviación estándar de 5.6
kilogramos. ¿Cómo cambia la varianza de la media muestral cuando el tamaño de la muestra aumenta de 64 a 196?

La desviación estándar de la población es desconocida (Distribución muestral de media con 𝝈 conocido)

La desviación estándar de la muestra es 𝝈 = 𝟓. 𝟔 𝒌𝒊𝒍𝒐𝒈𝒓𝒂𝒎𝒐𝒔 𝝁 = 𝟕𝟖. 𝟑 𝒌𝒊𝒍𝒐𝒈𝒓𝒂𝒎𝒐𝒔 Para n = 64

𝜎 5.6
𝜎𝑋̅ = = = 0.7
√𝑛 √64
Para n = 196

𝜎 5.6
𝜎𝑋̅ = = = 0.4
√𝑛 √196
Cuando el tamaño de la muestra aumenta de 64 a 196 la varianza de la media muestral se reduce de 0.7 a 0.4.

Distribución muestral de la diferencia entre dos medias

Si se extraen al azar muestras independientes de tamaño n1 y n2 de dos poblaciones, discretas o

continuas, con medias 𝜇1 y 𝜇2 y varianzas 𝜎12 y 𝜎22 , respectivamente, entonces la distribución
muestral de las diferencias de las medias 𝑋̅1 − 𝑋̅2, está distribuida aproximadamente de forma
normal con media y varianza dadas por
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝜎2 𝜎2
𝜇𝑋̅1−𝑋̅2 = 𝜇1 − 𝜇2 𝑦 𝜎𝑋̅1−𝑋̅2 = √𝑛1 + 𝑛2
1 2

De aquí

(𝑋̅1 − 𝑋̅2 ) − (𝜇1 − 𝜇2 )

𝑧=
𝜎12 𝜎22
√
𝑛1 + 𝑛2

Es aproximadamente una variable normal estándar.

7. Se llevan a cabo dos experimentos independientes en los que se comparan dos tipos diferentes
de pintura, el A y el B. Con la pintura tipo A se pintan 18 especímenes y se registra el tiempo (en
horas) que cada uno tarda en secar. Lo mismo se hace con la pintura tipo B. Se sabe que la
desviación estándar de población de ambas es 1.0. Si se supone que los especímenes pintados se
secan en el mismo tiempo medio con los dos tipos de pintura, calcule P (𝑋̅𝐴 − 𝑋̅𝐵 > 1.0), donde
𝑋̅1 𝑦 𝑋̅2 son los tiempos promedio de secado para muestras de tamaño nA = nB = 18.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es el tiempo promedio de secado de las pinturas A y B.

Se tienen dos poblaciones.

Población 1 Población 2
Tamaño de muestra 𝑛1 = 18 𝑛2 = 18
Media (𝑋̅1 ) de la muestra 𝑋̅1 = 𝑋̅𝐴 = 36 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛 𝑋̅2 = 𝑋̅𝐵 = 42 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛
de los motores A
Desviación estándar de la 𝜎1 = 𝜎𝐴 = 1 𝜎2 = 𝜎𝐵 = 1
población (𝜎)
Media (𝜇) de la población 𝜇1 (desconocida) 𝜇2 (desconocida)

(𝑋̅1 − 𝑋̅2 ) − (𝜇1 − 𝜇2 ) 1−0

𝑃(𝑋̅𝐴 − 𝑋̅𝐵 > 1,0) = 1 − 𝑃 𝑍 > =1−𝑃 𝑍 > = 1 − 𝑃(𝑍 = 3,0)
𝜎2 𝜎2 √1
√ 1 + 2 ( 9 )
𝑛1 𝑛2
( )

𝜎12 𝜎22 1 1 1
(𝑋̅1 − 𝑋̅2 ) = 1 (𝜇1 − 𝜇2 ) = 0 𝜎𝑋̅1−𝑋̅2 = √ + =√ + =√
𝑛1 𝑛2 18 18 9

Con 𝑧 = 3 se va a la Tabla Normal y se busca el valor de la probabilidad que corresponda ese valor
de Z es 0,99865
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝑃(𝑋̅𝐴 − 𝑋̅𝐵 > 1,0) = 1 − 𝑃(𝑍 > 3,0) = 1 − 0,99865 = 0,00135

0,00135

𝜇1 − 𝜇2 = 0

Distribución muestral de la diferencia entre dos medias

Si p es la proporción de una muestra aleatoria de tamaño n, 𝒏 ≥ 𝟑𝟎 tomada de una población con
proporción P esta aproximadamente distribuida como una normal con:

𝑝̂ − 𝜋
𝑧=
𝑝𝑞
√
𝑛

Conforme 𝑛 → ∞ , es la distribución normal estándar 𝑁(0,1). 𝑞 = 1 − 𝑝

Si una muestra aleatoria de n observaciones se selecciona de una población binomial con

parámetro p, entonces la distribución muestral de la proporción muestral

𝑥
𝑝̂ =
𝑛

tendrá una media p y una desviación estándar

𝑝𝑞
𝑆(𝑝̂ ) = √
𝑛

• Cuando el tamaño muestral n es grande, la distribución muestral de 𝑝̂ puede ser aproximada por
una distribución normal. La aproximación será adecuada si 𝑛𝑝 >5 𝑛𝑞 >5
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

8. En una encuesta, a 500 madres y padres se les preguntó sobre la importancia del deporte para
hijos e hijas. De los padres entrevistados, 60% estuvieron de acuerdo que los géneros son iguales
y deben tener iguales oportunidades de participar en deportes. Describa la distribución muestral
de la proporción muestral 𝑝̂ de padres que están de acuerdo en que los géneros son iguales y
deben tener iguales oportunidades.

Se puede suponer que los 500 padres representan una muestra aleatoria de los padres de todos
los hijos e hijas en el estado Anzoátegui y que la verdadera proporción de la población es igual a
algún valor desconocido que se puede llamar p. La distribución muestral de 𝑝̂ puede ser
aproximada por una distribución muestral, con media igual a p y error estándar.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la proporción promedio de padres y madres que consideran que los
géneros son iguales en participar en deporte.

Se tiene una población.

Tamaño de muestra 𝑛 = 500

Proporción de acuerdo (p) de la muestra 𝑝̂ = 0,60
Proporción de desacuerdo (q) de la muestra 𝑞 = 1 − 0,60 = 0,40
Proporción de acuerdo (𝜋) de la población 𝜋 = 𝑝 (𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜)

La aproximación será adecuada si 𝑛𝑝 >5 𝑛𝑞 >5

𝑛𝑝 >5 500*0,60 = 300, 𝑛𝑞 >5 500*0,40 = 200, indica que la aproximación es adecuada, es
decir aproximadamente normal.

𝑝𝑞 0.60 ∗ 0.40
𝑆(𝑝̂ ) = √ =√ = 0,0219 ≈ 0,022
𝑛 500

Suponga que la proporción p de padres en la población es en realidad igual a .55. ¿Cuál es la

probabilidad de observar una proporción muestral igual de grande o mayor que el valor observado
𝑝̂ = 0,60?

La distribución muestral de 𝑝̂ será aproximadamente normal

Tamaño de muestra 𝑛 = 500

Proporción de acuerdo (𝑝̂ ) (muestra) 𝑝̂ = 0,60
Proporción de desacuerdo (𝑞̂) (muestra) 𝑞̂ = 1 − 0,60 = 0,40
Proporción de acuerdo (𝜋) (población) 𝜋 = 𝑝 = 0,55
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝑝̂ − 𝒑 𝟎, 𝟔𝟎 − 𝟎, 𝟓𝟓 0,05
𝑃(𝑝̂ ≥ 0,60) = 1 − 𝑃 𝑍 < = 1−𝑃 𝑍 < = 1 − 𝑃 (𝑍 < ) = 1 − 𝑃(𝑍 < 2,27)
𝑝𝑞 0,022
√ √0,60 ∗ 0,40
( 𝑛 ) ( 500 )

Con 𝑍 = 2,27 se va a la Tabla Normal y se busca el valor de la probabilidad que corresponda ese
valor de Z,
Usando esta tabla normal que va desde −∞ hasta Z se tiene el valor de la probabilidad de 0,98840
para Z = 2,27. Por lo tanto, la probabilidad es
𝑃(𝑝̂ ≥ 0,60) = 1 − 𝑃(𝑍 < 2,27) = 1 − 0,98840 = 0,0116

Esto indica, si se selecciona una muestra aleatoria de n = 500 observaciones de una población con
proporción p igual a 0,55, la probabilidad de que la proporción muestral 𝑝̂ sería tan grande o mayor
a 0.60 es de 0,0122.

Variancia Poblacional

Si se extrae una muestra de tamaño n de una población normal con varianza 𝝈𝟐 , y se calcula la
varianza muestral 𝒔𝟐 se obtiene un valor de la estadística 𝑺𝟐 . La varianza muestral calculada se
usará como estimación puntual de 𝝈𝟐

Donde el estadístico tipificado es:

2
(𝑛 − 1)𝑆 2
𝜒 =
𝜎2

Con grados de libertad: 𝑣 = 𝑛 − 1

9. Un fabricante de baterías para automóvil garantiza que su producto durará, en promedio, 3 años
con una desviación estándar de 1 año. Si cinco de estas baterías tienen duraciones de 1.9, 2.4, 3.0,
3.5 y 4.2 años, ¿el fabricante continuara convencido de que sus baterías tienen una desviación
estándar de 1 año? Suponga que las duraciones de las baterías siguen una distribución normal. Con
un nivel de confianza de 95%.

La variable de estudio se refiere a la desviación estándar de la duración de la batería.

Tamaño de muestra 𝑛=5

Varianza de la muestra (S2) 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟
Desviación estándar de la población (𝜎) 𝜎=1
Varianza de la población (𝜎 2 ) 𝜎2 = 1

Hay que calcular la varianza de la muestra

𝑛 𝑛 2
∑(𝑋 − 𝑋̅)2 1
𝑆2 = = [𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 ) ]
𝑛−1 𝑛(𝑛 − 1)
𝑖=1 𝑖=1
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

X = 1.9, 2.4, 3.0, 3.5, 4.2

𝑛

∑ 𝑋𝑖 = 1.9 + 2.4 + 3.0 + 3.5 + 4.2 = 15

𝑖=1
𝑛
2 2 2 2 2
∑ 𝑋𝑖2 = 1.9 + 2.4 + 3.0 + 3.5 + 4.2 = 48.26
𝑖=1

∑(𝑋 − 𝑋̅)2 1
𝑆2 = = [5 ∗ 48.26 − (15)2 ] = 0.815
𝑛−1 5(5 − 1)
El estadístico tipificado es:
(𝑛 − 1)𝑆 2 (5 − 1) ∗ 0.815
𝜒2 = = = 3.26
𝜎2 1

Con grados de libertad: 𝑣 = 𝑛 − 1 = 5 − 1 = 4

El intervalo de confianza para 𝝈𝟐 :

( 𝑛 − 1) 𝑆 2 ( 𝑛 − 1) 𝑆 2
( , )
𝜒21−𝛼⁄ 𝜒2𝛼⁄
2 2

Con nivel de confianza de 95% es decir, 1 – α= 0,95 por lo tanto, el nivel de significación α
es 1- 0,95 = 0,05 = α.
𝛼 0.05
Con 2 = = 0,025 y 4 grados de libertad se va a la Tabla Chi Cuadrado y se busca el valor de
2
2 2
𝜒(0.025) que corresponda esa probabilidad, en este caso es 𝜒(0.025) = 𝟏𝟏, 𝟏𝟒𝟑

Con 1 − 𝛼⁄2 = 1 − 0.025 = 0.975 y 4 grados de libertad se va a la Tabla Chi Cuadrado y se busca
el valor de𝜒𝛼2⁄ = 𝜒(0.975)
2 2
que corresponda esa probabilidad, en este caso es 𝜒1− 2
𝛼⁄ = 𝜒(0.975) =
2 2
𝟎. 𝟒𝟖𝟒

El intervalo de confianza para 𝝈𝟐 :

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
≤ 𝜎2 ≤
𝜒𝛼2⁄ 2
𝜒1− 𝛼⁄
2 2

(5 − 1)0.815 (5 − 1)0.815
( ≤ 𝝈𝟐 ≤ )
11.143 0.484

(0.29 ≤ 𝝈𝟐 ≤ 6.74)
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

Como 95% de los valores χ2 con 4 grados de libertad cae entre 0.484 y 11.143, el valor calculado
con 𝜎 2 = 1 es razonable y, por lo tanto, el fabricante no tiene razones para sospechar que la
desviación estándar no sea igual a 1 año.

10. EJEMPLO 9.2 (Probabilidad y Estadística para Ingenieros, pág. 271). Se encuentra que la
concentración promedio de zinc que se obtiene en una muestra de mediciones en 36 sitios
diferentes de un rio es de 2.6 gramos por mililitro. Calcule los intervalos de confianza del 95% y
99% para la concentración media de zinc en el rio. Suponga que la desviación estándar de la
población es de 0.3 gramos por mililitro.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la concentración promedio de zinc

Tamaño de muestra 𝑛 = 36
Media (𝑋̅) de la muestra (hay que ̅
𝑋 = 2,6 𝑔𝑟𝑠/𝑚𝑙
calcularla)
Media (𝜇) de la población 𝜇 (desconocida)
2
Desviación estándar de la población 𝜎 = 0.3 𝑔𝑟𝑠/𝑚𝑙 (es
es conocida)
Varianza de la población 𝜎 2 = 0.09

A. Calcule los intervalos de confianza del 95% para la concentración media de zinc en el rio.

1 – α: es el nivel de confianza, es una medida de la fiabilidad de la estimación. Por ejemplo, si se

toma α = 5%, entonces 1 - α = 95% y se dice que se tiene un intervalo de confianza del 95% y que
la probabilidad de que el intervalo contenga al verdadero valor del parámetro es del 95%. Es decir,
que, si repetidamente se muestra y se construye tal intervalo una y otra vez, 95 de cada 100 de
estos intervalos, contendrá al parámetro y 5 de ellos no.

De acuerdo a los datos se utiliza el intervalo de confianza de 𝝁 desconocida con 𝝈 conocida:

𝝈 𝝈
̅ − 𝒁𝜶⁄ ∗
(𝑿 , ̅ + 𝒁𝜶⁄ ∗
𝑿 )
𝟐 √𝒏 𝟐 √𝒏
𝜎
𝑋̅ ± 𝑍𝛼⁄2 ∗
√𝑛
𝜎
El error estándar de 𝑋̅ es
√𝑛

Es decir, el límite inferior es

𝝈
̅ − 𝒁𝜶⁄ ∗
𝑿
𝟐 √𝒏
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

El límite superior es
𝝈
̅ + 𝒁𝜶⁄ ∗
𝑿
𝟐 √𝒏

Con nivel de confianza de 95% es decir, 1 – α= 0,95 por lo tanto, el nivel de significación α
es 1- 0,95 = 0,05 = α
𝛼 0.05
Con = = 0,025 se va a la Tabla Normal y se busca el valor de z que corresponda esa
2 2
probabilidad, en este caso es 𝒁𝜶⁄ = 𝒁𝟎,𝟎𝟐𝟓 = 𝟏, 𝟗𝟔
𝟐

El intervalo es:

𝜎 𝜎
𝑋̅ − 𝑧𝛼⁄2 ≤ 𝜇 ≤ 𝑋̅ + 𝑧𝛼⁄2
√𝑛 √𝑛

0,3 0,3
2,6 − (1,96) ∗ ≤ 𝜇 ≤ 2,6 + (1,96) ∗
√36 √36

2,5 ≤ 𝜇 ≤ 2,7
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝛼 0.05
= = 0.025
2 2

𝜇 =0
𝒁𝟎,𝟎𝟐𝟓 = −𝟏, 𝟗𝟔 𝒁𝟎,𝟎𝟐𝟓 = 𝟏, 𝟗𝟔

𝜇 = 2,5 𝜇 = 2,7

Se tiene un 95% de confianza de que la concentración promedio de zinc en el rio, están en el

intervalo de 2,5 a 2,7 gramos por mililitros, en este caso de 2,6 gramos por mililitros.

B. Calcule los intervalos de confianza del 99% para la concentración media de zinc en el rio.
El mismo procedimiento anterior.

11. EJEMPLO 9.5 (Probabilidad y Estadística para Ingenieros, pág. 275). El contenido de ácido
sulfúrico de 7 contenedores similares es de 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Calcule un
intervalo de confianza del 95% para el contenido promedio de todos los contenedores suponiendo
una distribución aproximadamente normal.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la cantidad promedio de ácido sulfúrico en litros en los contenedores o litros
promedios de ácido sulfúrico en litros en los contenedores

Se tiene una población.

Tamaño de muestra 𝑛 = 36
Media (𝑋̅) de la muestra (hay que 𝑋̅ = 2,6 𝑔𝑟𝑠/𝑚𝑙
calcularla)
Desviación estándar de la muestra (S)
(hay que calcularla)
Media (𝜇) de la población 𝜇 (desconocida)
Desviación estándar de la población (es desconocida)

Varianza de la población 𝜎2
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

De acuerdo a los datos se utiliza el intervalo de confianza de 𝝁 desconocida y 𝝈 desconocida:

𝑆 𝑆
(𝑋̅ − 𝑡𝛼⁄2 , 𝑋̅ + 𝑡𝛼⁄2 )
√𝑛 √𝑛

𝑆
𝑋̅ ± 𝑡𝛼⁄2
√𝑛

Cálculos:

Con los datos que se tienen, se calcula el promedio de tiempo de duración (media (𝑋̅)) de cada compañía y
la desviación estándar (S):

9,8 + 10,2 + 10,4 + 9,8 + 10,0 + 10,2 + 9,6

𝑋̅ = = 10
7

∑(𝑋 − 𝑋̅)2
𝑆=√
𝑛−1

(9,8 − 10)2 + (10,2 − 10)2 + (10,4 − 10)2 + (9,8 − 10)2 + (10 − 10)2 + (10,2 − 10)2 + (9,6 − 10)2
=√
7−1
= 0,283

Con nivel de confianza de 95% es decir, 1 – α= 0,95 por lo tanto, el nivel de significación α
es 1- 0,95 = 0,05 = α
𝛼 0.05
Con 2 = = 0,025 se va a la Tabla t-student con 𝜗 = 𝑛 − 1 = 7 − 1 = 6 grados de libertad y
2
se busca en la tabla t-student el valor que corresponda, en este caso es 𝒕(𝜶⁄ = 𝒕(𝟎,𝟎𝟐𝟓 . 𝟔) =
𝟐,𝝑)
𝟐, 𝟒𝟒𝟕

El intervalo es:
𝑆 𝑆
𝑋̅ − 𝑡𝛼⁄2 ≤ 𝜇 ≤ 𝑋̅ + 𝑡𝛼⁄2
√𝑛 √𝑛

0,283 0,283
10 − (2,447) ∗ ≤ 𝜇 ≤ 10 + (2,447) ∗
√6 √6

9,74 ≤ 𝜇 ≤ 10,26
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝛼 0.05
= = 0.025
2 2

𝜇 =0
𝒕(𝟎,𝟎𝟐𝟓 , 𝟔) = −𝟐, 𝟒𝟒𝟕 𝒕(𝟎,𝟎𝟐𝟓 , 𝟔) = 𝟐, 𝟒𝟒𝟕

𝜇 = 9,74 𝜇 = 10,26

Se tiene un 95% de confianza de que el promedio del contenido de ácido sulfúrico en los
contenedores, está en el intervalo de 9,74 a 10,26, en este caso de 10.
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

12. EJEMPLO 9.10 (Probabilidad y Estadística para Ingenieros, pág. 286). Se llevo a cabo un
experimento donde se compararon dos tipos de motores, el A y el B. Se midió el rendimiento de
combustible en millas por galón. Se realizaron 50 experimentos con e l motor tipo A y 75 con el
motor tipo B. La gasolina utilizada y las demás condiciones se mantuvieron constantes. El
rendimiento promedio de gasolina para el motor A fue de 36 millas por galón y el promedio para
el motor B fue de 42 millas por galón. Calcule un intervalo de confianza del 96% sobre μB – μA,
donde μA y μB corresponden a la media de la población del rendimiento de millas por galón para
los motores A y B, respectivamente. Suponga que las desviaciones estándar de la población son 6
y 8 para los motores A y B, respectivamente.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es el rendimiento promedio en millas por galón de los motores

Se tienen dos poblaciones.

Población 1 Población 2
Tamaño de muestra 𝑛1 = 50 𝑛2 = 75
Media (𝑋̅1 ) de la muestra ̅ ̅
𝑋1 = 𝑋𝐴 = 36 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛 ̅ ̅
𝑋2 = 𝑋𝐵 = 42 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛
de los motores A
Desviación estándar de la 𝜎𝐴 = 6 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛 𝜎𝐵 = 8 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛
población (𝜎)
Media (𝜇) de la población 𝜇1 (desconocida) 𝜇2 (desconocida)

De acuerdo a los datos se utiliza el intervalo de confianza para 𝝁𝟏 − 𝝁𝟐 son desconocidos con 𝝈𝟏
y 𝝈𝟐 conocidos.

𝜎12 𝜎22 𝜎12 𝜎22

((𝑋̅1 − 𝑋̅2 ) − 𝑧𝛼⁄2 √ + , (𝑋̅1 − 𝑋̅2 ) − 𝑧𝛼⁄ √ + )
𝑛1 𝑛2 2 𝑛1 𝑛2

𝜎12 𝜎22
(𝑋̅1 − 𝑋̅2 ) ± 𝑧𝛼⁄ √ +
2 𝑛1 𝑛2

Con nivel de confianza de 96% es decir, 1 – α= 0,96 por lo tanto, el nivel de significación α
es 1- 0,96 = 0,04 = α
𝛼 0.04
Con = = 0,02 se va a la Tabla Normal y se busca el valor de z que corresponda esa
2 2
probabilidad, en este caso es 𝒁𝜶⁄ = 𝒁𝟎,𝟎𝟐 = 𝟐, 𝟎𝟓
𝟐

Como 𝑋̅2 = 𝑋̅𝐵 = 42 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛 es mayor a 𝑋̅1 = 𝑋̅𝐴 = 36 𝑚𝑖𝑙𝑙𝑎𝑠/𝑔𝑎𝑙ó𝑛 se realiza la diferencia 𝜇𝐵 −
𝜇𝐴 en vez de 𝜇𝐴 − 𝜇𝐵
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝜎𝐵2 𝜎𝐴2 𝜎𝐵2 𝜎𝐴2

(𝑋̅𝐵 − 𝑋̅𝐴 ) − 𝑧𝛼⁄ √ + ≤ (𝜇𝐵 − 𝜇𝐴 ) ≥ (𝑋̅𝐵 − 𝑋̅𝐴 ) + 𝑧𝛼⁄2 √ +
2 𝑛𝐵 𝑛𝐴 𝑛𝐵 𝑛𝐴

64 36 64 36
(42 − 36) − (2.05)√ + ≤ (𝜇𝐵 − 𝜇𝐴 ) ≥ (42 − 36) + (2.05)√ +
75 50 75 50

3,43 ≤ (𝜇𝐴 − 𝜇𝐵 ) ≥ 8,57

𝛼 0.04
= = 0.02
2 2

𝜇𝐵 − 𝜇𝐴 = 0
𝒁(𝟎,𝟎𝟐 ) = −𝟐, 𝟎𝟓 𝒁(𝟎,𝟎𝟐 ) = 𝟐, 𝟎𝟓

𝜇𝐵 − 𝜇𝐴 = 3,43 𝜇𝐵 − 𝜇𝐴 = 8,57

Se tiene un 96% de confianza de que la diferencia del rendimiento promedio de gasolina entre
los motores A y B están en el intervalo de 3,43 y 8,57, en este caso de 6.
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

13. EJEMPLO 9.11 (Probabilidad y Estadística para Ingenieros, pág. 288). En el articulo “Estructura
comunitaria de los macroinvertebrados como un indicador de la contaminación de minas acidas”,
publicado en el Journal of Environmental Pollution, se informa sobre una investigación realizada
en Cane Creek, Alabama, para determinar la relación entre parámetros fisicoquímicos
seleccionados y diversas mediciones de la estructura de la comunidad de macroinvertebrados. Una
faceta de la investigación consistió en evaluar la efectividad de un índice numérico de la diversidad
de especies para indicar la degradación del agua debida al desagüe acido de una mina.
Conceptualmente, un índice elevado de la diversidad de especies macroinvertebradas debería
indicar un sistema acuático no contaminado; mientras que un índice bajo de esta diversidad
indicaría un sistema acuático contaminado.
Se eligieron 2 estaciones de muestreo independientes para este estudio: una que se localiza
corriente abajo del punto de descarga acida de la mina y la otra ubicada corriente arriba. Para 12
muestras mensuales reunidas en la estación corriente abajo el índice de diversidad
de especies tuvo un valor medio de 𝑋̅1 = 3.11 y una desviación estándar de 𝑆1 = 0.771; mientras
que 10 muestras reunidas mensualmente en la estación corriente arriba tuvieron un valor medio
del índice 𝑋̅2 = 2.04 y una desviación estándar de 𝑆2 = 0.448. Calculemos un intervalo de
confianza del 90% para la diferencia entre las medias de la población de los dos sitios, suponiendo
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

que las poblaciones se distribuyen de forma aproximadamente normal y que tienen varianzas
iguales.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es el índice de diversidad de especies en las estaciones.

Se tienen dos poblaciones.

Población 1 Población 2
Tamaño de muestra 𝑛1 = 12 𝑛2 = 10
Media (𝑋̅1 , 𝑋̅2 ) de las muestras de las 𝑋̅1 = 3.11 𝑋̅2 = 2.04
estaciones 1 y 2
Desviación estándar (𝑆1 , 𝑆2 ) de las 𝑆1 = 0.771 𝑆2 = 0.448
muestras de las estaciones 1 y 2
Media (𝜇) de la población 𝜇1 (desconocida) 𝜇2 (desconocida)

De acuerdo a los datos se utiliza el intervalo de confianza para 𝝁𝟏 − 𝝁𝟐 donde 𝝁𝟏 y 𝝁𝟐 son

desconocidos y varianzas iguales pero desconocidas, 𝝈𝟏 𝟐 = 𝝈𝟐 𝟐 = 𝝈𝟐 .

1 1 1 1
((𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄2 𝑆𝑝 × √ + , (𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄ 𝑆𝑝 × √
2
+ )
𝑛1 𝑛2 𝑛1 𝑛2

1 1
(𝑋̅1 − 𝑋̅2 ) ± 𝑡𝛼⁄ 𝑆𝑝 × √ +
2 𝑛1 𝑛2

1 1
El error estándar de (𝑋̅1 − 𝑋̅2 ) es 𝑆𝑝 × √𝑛 + 𝑛
1 2

Donde 𝑆𝑝 es la estimación de unión de la desviación estándar poblacional.

𝑡𝛼⁄2 es el valor t con 𝜗 = 𝑛1 + 𝑛2 − 2 grados de libertad.

2 (𝑛1 − 1)𝑆1 2 + (𝑛2 − 1)𝑆2 2

𝑆𝑝 =
𝑛1 + 𝑛2 − 2

Cálculos:

Con nivel de confianza de 90% es decir, 1 – α= 0,90 por lo tanto, el nivel de significación α
es 1- 0,90 = 0,10 = α
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝛼 0.10
Con = = 0,05 se va a la Tabla t-student con 𝜗 = 𝑛1 + 𝑛2 − 2 = 12 + 10 − 2 = 20 grados
2 2
de libertad y se busca en la tabla t-student el valor que corresponda, en este caso es 𝒕(𝜶⁄ =
𝟐,𝝑)
𝒕(𝟎,𝟎𝟓 . 𝟐𝟎) = 𝟏, 𝟕𝟐𝟓

2 (12 − 1)(0.771)2 + (10 − 1)(0.448)2

𝑆𝑝 = = 0,417
12 + 10 − 2

𝑆𝑝 = √0,417 = 0,646

1 1 1 1
(𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄ 𝑆𝑝 × √ + ≤ (𝜇1 − 𝜇2 ) ≥ (𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄2 𝑆𝑝 × √ +
2 𝑛1 𝑛2 𝑛1 𝑛2

1 1 1 1
(3,11 − 2,04) − 1,725 ∗ 0,646 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≥ (3,11 − 2,04) + 1,725 ∗ 0,646 ∗ √ +
12 10 12 10

1 1 1 1
1,07 − 1,725 ∗ 0,646 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≥ 1,07 + 1,725 ∗ 0,646 ∗ √ +
12 10 12 10

0,593 ≤ (𝜇1 − 𝜇2 ) ≥ 1,547

𝛼 0.10
= = 0.05
2 2

𝜇1 − 𝜇2 = 0
𝒕(𝟎,𝟎𝟓 ,𝟐𝟎 ) = −𝟏, 𝟕𝟐𝟓 𝒕(𝟎,𝟎𝟓 ,𝟐𝟎 ) = 𝟏, 𝟕𝟐𝟓

𝜇1 − 𝜇2 = 0,593 𝜇1 − 𝜇2 = 1,547
Se tiene un 90% de confianza de que la diferencia del promedio de índice de diversidad de
especies entre las corrientes abajo y corriente arriba de la descarga ácida de la mina, están en el
intervalo de 0,593 a 1,547, en este caso de 1,07.
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

14. EJEMPLO 9.12 (Probabilidad y Estadística para Ingenieros, pág. 290). El Departamento de
zoología de Virginia Tech llevo a cabo un estudio para estimar la diferencia en la cantidad de
ortofósforo químico medido en dos estaciones diferentes del rio James. El ortofósforo se mide en
miligramos por litro. Se reunieron 15 muestras de la estación 1 y 12 muestras de la estación 2. Las
15 muestras de la estación 1 tuvieron un contenido promedio de ortofósforo de 3.84 miligramos
por litro y una desviación estándar de 3.07 miligramos por litro; en tanto que las 12 muestras de
la estación 2 tuvieron un contenido promedio de 1.49 miligramos por litro y una desviación
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

estándar de 0.80 miligramos por litro. Calcule un intervalo de confianza de 95% para la diferencia
en el contenido promedio verdadero de ortofósforo en estas dos estaciones. Suponga que las
observaciones provienen de poblaciones normales con varianzas diferentes.

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es el contenido promedio de ortofósforo en miligramos por litro.

Se tienen dos poblaciones.

Población 1 Población 2
Tamaño de muestra 𝑛1 = 15 𝑛2 = 12
Media (𝑋1 , 𝑋̅2 ) de las muestras de las
̅ ̅
𝑋1 = 3,84 ̅
𝑋2 = 1,49
estaciones 1 y 2
Desviación estándar (𝑆1 , 𝑆2 ) de las 𝑆1 = 3,07 𝑆2 = 0,80
muestras de las estaciones 1 y 2
Media (𝜇) de la población 𝜇1 (desconocida) 𝜇2 (desconocida)

De acuerdo a los datos se utiliza el 𝝁𝟏 y 𝝁𝟐 son desconocidos y varianzas diferentes pero

desconocidas, es decir, 𝝈𝟏 𝟐 ≠ 𝝈𝟐 𝟐

𝑆1 𝑆2 𝑆1 𝑆2
((𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄2 √ + , (𝑋̅1 − 𝑋̅2 ) + 𝑡𝛼⁄ × √ + )
𝑛1 𝑛2 2 𝑛1 𝑛2

𝑆1 𝑆2
(𝑋̅1 − 𝑋̅2 ) ± 𝑡𝛼⁄ √ +
2 𝑛 𝑛2
1

𝑆 𝑆
El error estándar de (𝑋̅1 − 𝑋̅2 ) es √𝑛1 + 𝑛2
1 2

2
𝑆 2 𝑆 2
( 𝑛1 + 𝑛2 )
1 2
𝑣= 2 2
𝑆 2 𝑆 2
( 𝑛1 ) ( 𝑛2 )
1 2
+
(𝑛1 − 1) (𝑛2 − 1)

Cálculos:

El tamaño de las muestras es pequeño, se utiliza t-student, por lo tanto, hay que determinar
los grados de libertad:
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

2
3,072 0,802
( + 12 )
15
𝜗= 2 2 = 16,3 ~ 16
3,072 0,802
( ) ( 12 )
15
+
(15 − 1) (12 − 1)

Con nivel de confianza de 95% es decir, 1 – α= 0,95 por lo tanto, el nivel de significación α
es 1- 0,95 = 0,05 = α
𝛼 0.05
Con = = 0,025 se va a la Tabla t-student con 𝜗 = 16 grados de libertad y se busca en la
2 2
tabla t-student el valor que corresponda, en este caso es 𝒕(𝜶⁄ = 𝒕(𝟎,𝟎𝟐𝟓 . 𝟏𝟔) = 𝟐, 𝟏𝟐𝟎
𝟐,𝝑)

𝑆1 𝑆2 𝑆1 𝑆2
(𝑋̅1 − 𝑋̅2 ) − 𝑡𝛼⁄ √ + ≤ (𝜇1 − 𝜇2 ) ≥ (𝑋̅1 − 𝑋̅2 ) + 𝑡𝛼⁄ √ +
2 𝑛 𝑛2 2 𝑛 𝑛2
1 1

3,07 0,80 3,07 0,80

(3,84 − 1,49) − 2,120 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≥ (3,84 − 1,49) + 2,120 ∗ √ +
15 12 15 12

3,07 0,80 3,07 0,80

(2,35) − 2,120 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≥ (2,35) + 2,120 ∗ √ +
15 12 15 12

0,60 ≤ (𝜇1 − 𝜇2 ) ≥ 4,10

Se tiene un 95% de confianza de que la diferencia del promedio verdadero del ortofósforo que
contienen las dos poblaciones, están en el intervalo de 0,60 a 0,40 miligramos por litro, en este
caso de 2,35 miligramos por litro.
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.

Si 𝑝̂ representa la proporción de éxitos en una muestra aleatoria de tamaño n suficientemente

grande y 𝒒 ̂ =𝟏−𝒑 ̂ , entonces un intervalo de confianza aproximado para la proporción
poblacional p al nivel de confianza del 100(1-α)% viene dado por:
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝑝̂ 𝑞̂ 𝑝̂ 𝑞̂
(𝑝̂ − 𝑧𝛼⁄2 √ , 𝑝̂ + 𝑧𝛼⁄2 √ )
𝑛 𝑛

𝑝̂ 𝑞̂
𝑝̂ ± 𝑧𝛼⁄2 √
𝑛

15. Una muestra aleatoria de 985 “probables” electores, o sea los que probablemente voten en la
próxima elección a la alcaldía de Barcelona, fueron encuestados durante un maratón telefónico
realizado por el Partido REV. De ellos, 592 indicaron que tenían la intención de votar por la
candidata REV. Construya un intervalo de confianza de 90% para p, la proporción de electores
probables de la población que tienen la intención de votar por la candidata REV. Con base en esta
información, ¿se puede concluir que la candidata ganará la elección?

Lo primero que se tiene que hacer es ver cuáles son los datos que se tiene:

La variable de estudio es la proporción de electores probables de la población que tienen la intención

de votar por la candidata REV
Se tiene una población.

Tamaño de muestra 𝑛 = 985

Proporción de intención al voto de la
muestra (𝑝̂ ) (hay que calcularla) 𝑝̂
Proporción de no intención al voto de
la muestra (𝑞̂) (hay que calcularla) 𝑞̂ = 1 − 𝑝̂
Proporción de intención al voto de la 𝑝 (desconocida)
población

Cálculos:

La estimación puntual para 𝑝 es

𝑥 592
𝑝̂ = = = 0.601
𝑛 985
El error estándar es
𝑝̂ 𝑞̂ 0.601 ∗ 0.399
√ =√ = 0.0156 ≈ 0.016
𝑛 985
𝑞̂ = 1 − 𝑝̂ = 1 − 0.601 = 0.399
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

Con nivel de confianza de 90% es decir, 1 – α= 0,90 por lo tanto, el nivel de significación
𝛼 0.10
α es 1- 0,90 = 0,10= α. = = 0,05
2 2

Usando esta tabla normal que va desde −∞ hasta Z se tiene el valor de la probabilidad de
𝛼
1 − 2 = 1 − 0.05 = 0.95

Con probabilidad 0.95 se va a la Tabla Normal y se busca el valor de z que corresponda esa
probabilidad, en este caso es 𝒁𝜶⁄ = 𝒁𝟎,𝟎𝟓 = 𝟏. 𝟔𝟒
𝟐

El intervalo es:
𝑝̂ 𝑞̂ 𝑝̂ 𝑞̂
𝑝̂ − 𝑧𝛼⁄2 √ ≤ 𝑝 ≥ 𝑝̂ + 𝑧𝛼⁄2 √
𝑛 𝑛

(0.601 − (1.64 ∗ 0.016) ≤ 𝑝 ≥ 0.601 + (1.64 ∗ 0.016))

(0.575) ≤ 𝑝 ≥ 0.627)

0.601 ± 0.026

𝛼 0.10
= = 0.05
2 2

𝑝
𝒁(𝟎,𝟎𝟓 ) = −𝟏, 𝟔𝟒 𝒁(𝟎,𝟎𝟓 ) = 𝟏, 𝟔𝟒

𝑝 = 0,575 𝑝 = 0,627

Se estima que el porcentaje de probables electores que tienen intención de votar por la candidata
a la alcaldía es entre 57.5% y 62.7%.

¿La candidata ganará la elección? Suponiendo que ella necesita más del 50% de los votos para
ganar, y como los límites superior e inferior de confianza exceden de este valor mínimo, se puede
decir con 90% de confianza que la candidata ganará.
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

16. La propuesta de un bono para la construcción de una escuela será enviada a los votantes en la
siguiente elección municipal. Una parte importante del dinero derivado de esta emisión de bonos
se empleará en construir escuelas en una zona de rápido desarrollo de la ciudad y lo demás se
usará para renovar y actualizar los edificios escolares del resto de ésta. Para evaluar la viabilidad
de la propuesta de un bono, a una muestra aleatoria de n1 = 50 residentes de la zona de rápido
desarrollo y n2 = 100 de las otras partes de la ciudad, se les preguntó si piensan votar por la
propuesta. Los resultados son

Sección en desarrollo Resto de la ciudad

Tamaño de la muestra 50 100
Número a favor de la propuesta 38 65

1. Estime la diferencia en las proporciones verdaderas a favor de la propuesta de bono con un 99%
de intervalo de confianza.
2. Si ambas muestras se agrupan en una muestra de tamaño n = 150, con 103 a favor de la
propuesta, dé una estimación puntual de la proporción de residentes de la ciudad que votarán
para la propuesta del bono. ¿Cuál es el margen de error?

La variable de estudio es la proporción a favor de la propuesta del bono

Parte 1
Se tiene dos poblaciones.

Sección en Resto de la ciudad

desarrollo
Tamaño de muestra 𝑛1 = 50 𝑛2 = 100
Proporción a favor del bono de la
muestra (𝑝̂ ) (hay que calcularla) 𝑝̂1 𝑝̂2
Proporción no a favor del bono de la
muestra (𝑞̂) (hay que calcularla) 𝑞̂1 = 1 − 𝑝̂1 𝑞̂2 = 1 − 𝑝̂2

Cálculos:

𝑥1 38 𝑥2 65
𝑝̂1 = = = 0.76 𝑝̂ 2 = = = 0.65
𝑛1 50 𝑛2 100

𝑞̂1 = 1 − 0.76 = 0.24 𝑞̂2 = 1 − 0.65 = 0.35

La estimación puntual de la diferencia de (𝑝̂1 − 𝑝̂2 ) está dada por

(𝑝̂1 − 𝑝̂ 2 ) = 0.76 − 0.65 = 0.11

El error estándar es
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝑝1 ∗ 𝑞1 𝑝2 ∗ 𝑞2 0.76 ∗ 0.24 0.65 ∗ 0.35

√ + =√ + = √0.005923 = 0.0769 ≈ 0.077
𝑛1 𝑛2 50 100
Con nivel de confianza de 99% es decir, 1 – α= 0,99 por lo tanto, el nivel de significación
𝛼 0.01
α es 1- 0,99 = 0,01 = α. = = 0,005
2 2

Usando esta tabla normal que va desde −∞ hasta Z se tiene el valor de la probabilidad de
𝛼
1 − 2 = 1 − 0.005 = 0.995

Con probabilidad 0.975 se va a la Tabla Normal y se busca el valor de z que corresponda esa
probabilidad, en este caso es 𝒁𝜶⁄ = 𝒁𝟎,𝟎𝟓 = 𝟐. 𝟓𝟖
𝟐

El intervalo es:

𝑝1 ∗ 𝑞1 𝑝2 ∗ 𝑞2 𝑝1 ∗ 𝑞1 𝑝2 ∗ 𝑞2
(𝑝̂1 − 𝑝̂2 ) − (𝑧𝛼⁄ ) ∗ √ + ≤ 𝑝1 − 𝑝2 ≤ (𝑝̂1 − 𝑝̂ 2 ) + (𝑧𝛼⁄ ) ∗ √ +
2 𝑛1 𝑛2 2 𝑛1 𝑛2

(0.11) − (2.58) ∗ 0.077 ≤ 𝑝1 − 𝑝2 ≤ (0.11) + (2.58) ∗ 0.077

−0.089 ≤ 𝑝1 − 𝑝2 ≤ 0.309

0.11 ± 0.199

Como este intervalo contiene el valor (𝑝1 − 𝑝2 = 0), es posible que 𝑝1 = 𝑝2, lo cual implica que
puede no haber diferencia en las proporciones a favor del asunto del bono en las dos secciones de
la ciudad.

Parte 2

Si no hay diferencia en las dos proporciones, entonces las dos muestras no son realmente
diferentes y podrían bien combinarse para obtener una estimación total de la proporción de los
residentes de la ciudad que votarán por el asunto del bono. Si ambas muestras se agrupan,
entonces n=150 y

La estimación puntual para 𝑝 es

𝑥 103
𝑝̂ = = = 0.686 ≈ 0.69
𝑛 150
Por tanto, la estimación puntual del valor total de p es 0.69, con un margen de error dado por
ESTIMACIÓN DE PARAMETROS - PROBLEMAS PROF. JULIA MARCANO – 2021

𝑝̂ 𝑞̂ 0.69 ∗ 0.31
√ =√ = 0.03776 ≈ 0.0378
𝑛 150

𝑞̂ = 1 − 𝑝̂ = 1 − 0.69 = 0.31

0.69 ∓ (2.58 ∗ 0.0378)

0.69 ± 0.098

(0.69) − 0.098 ≤ 𝑝 ≤ (0.69) + 0.098

0.59 ≤ 𝑝 ≤ 0.787

Observe que 0.69 ± 0.098 produce el intervalo 0.59 a 0.787, que incluye sólo proporciones mayores a
0.50. Por tanto, si las actitudes de votantes no cambian de manera adversa antes de la elección, la propuesta
del bono debe aprobarse por una mayoría razonable.