Universidad Autónoma

de Baja California

Facultad de Ciencias Químicas e Ingeniería

“Estadística Industrial”
Unidad 1. Conceptos Básicos
M.C. Karla Frida Madrigal Estrada
kmadrigal@[Link]

Enero 2022
 Programa de Unidad de Aprendizaje
UNIDAD II. Estimación por intervalos de
confianza

2.1. Estimación Puntual

2.2. Estimación por Intervalo para una muestra
2.2.1. Intervalo de confianza para la Media Aritmética (con σ conocida
desconocida)
[Link]. Intervalo de confianza para una proporción
[Link]. Intervalo de confianza para una varianza
2.3. Intervalo de confianza para dos muestras
2.3.1. Intervalo de confianza para una diferencia de medias
[Link]. Intervalo de confianza para una diferencia de dos
proporciones
[Link]. Intervalo de confianza para dos varianzas
 2.1 Estimación puntual
Una aplicación muy importante de la estadística es obtener estimaciones puntuales de
parámetros tales como la media y la varianza de la población.

Es conveniente tener un símbolo general para

representar el parámetro de interés; para ello se
hará uso de la letra griega θ (theta).

➢ El objetivo de la estimación puntual es

seleccionar un número, con base en los datos
de muestra, que sea el valor más estimable de
θ.

➢ El valor de alguna estadística de la muestra es

el que será utilizado como estimación puntual
(al decir “puntual” queremos decir que para
estimar el parámetro estamos usando un valor
único).
 2.1 Estimación puntual
Los problemas de estimación se presentan con gran frecuencia en la ingeniería. A menudo es
necesario estimar:

✓ La media  de una población.

✓ La varianza 2 (o desviación estándar ) de una

población.

✓ La proporción p de objetos de una población

que pertenecen a cierta clase de interés.

✓ La diferencia entre medias de dos poblaciones,

1-2.

✓ La diferencia entre proporciones de dos

poblaciones, p1 - p2.
 2.1 Estimación puntual
Estimadores puntuales razonables de estos parámetros, son los siguientes:

▪ Para , el estimado es 𝝁 ෝ=𝒙 ഥ , la media

muestral.
▪ Para 2, el estimado es 𝝈 ෝ 𝟐 = 𝒔𝟐 , la varianza
muestral.
▪ Para p, el estimado es 𝒑 ෝ = 𝒙Τ𝒏, la proporción
muestral, donde x es el número de objetos en
una muestra aleatoria de tamaño n que
pertenece a la clase de interés.
▪ Para 1-2, el estimado es 𝝁 ෝ𝟏 − 𝝁
ෝ𝟐 = 𝒙 ഥ𝟏 − 𝒙ഥ𝟐 ,
la diferencia entre las medias muestrales de
dos muestras aleatorias independientes.
▪ Para p1-p2, el estimado es 𝒑
ෝ𝟏 − 𝒑ෝ𝟐 , la diferencia
entre las proporciones de las dos muestras,
calculadas a partir de dos muestras aleatorias
independientes.
 2.2. Estimación por Intervalo para una muestra

Como se mencionó anteriormente, la precisión aumenta con muestras grandes, pero no hay razón
por la cual se deba esperar que una estimación puntual de una muestra dada sea exactamente igual
al parámetro poblacional que se supone estima.

Hay muchas situaciones en las que es preferible

determinar un intervalo dentro del cual
esperaríamos encontrar el valor del parámetro.

Tal intervalo se llama intervalo de estimación.

 2.2. Estimación por Intervalo para una muestra

Una estimación por intervalo de un parámetro población  es un intervalo de la forma 𝜽

෡𝑳 <  < 𝜽
෡𝑼 .

෡𝑳 <  < 𝜽
✓ El intervalo 𝜽 ෡ 𝑼 se calcula a partir de la
muestra seleccionada, se llama entonces
intervalo de confianza de (1 - ) 100%.

✓ La fracción 1 -  se llama coeficiente de confianza

o grado de confianza.

✓ Los extremos 𝜽 ෡𝑳 y 𝜽 ෡ 𝑼 , se denominan límites de

confianza inferior y superior.

Así, cuando =0.05, tenemos un intervalo de confianza de 95%, y cuando =0.01 obtenemos un
intervalo de confianza más amplio de 99%.
 2.2.1. Intervalo de confianza para la Media Aritmética (con σ
conocida desconocida)
Intervalo de Confianza de (1-α) 100% para la µ poblacional. Varianza conocida:

𝜎 𝜎
𝑥ҧ − 𝑍∝/2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑍∝/2
𝑛 𝑛

Donde:

𝒁∝/𝟐 = valor “z” que corresponde al área /2 en el

extremo superior de una distribución normal
estándar “z”

n = tamaño de la muestra

𝜶 = nivel de significancia Si se desconoce , puede aproximarse por

la desviación estándar muestral “s”.
 = desviación estándar de la población Suposición: n  30.
muestreada.
 Intervalo de Confianza de (1-α) 100% para la µ poblacional. Varianza conocida:

Ejemplo 5. El director de personal de una compañía quiere estimar el tiempo medio entre las ocurrencias de
accidentes al personal, que podría proporcionar la posibilidad de demandas por responsabilidad.
Una muestra aleatoria de 30 accidentes, del registro de la compañía, del lapso “x” entre un accidente y el
anterior, dio una media muestral de 42.1 días y una desviación estándar muestral 19.6 días.
Encuentre un intervalo de confianza de 95% para el tiempo medio entre las ocurrencias de accidentes del
personal, con la posibilidad de litigios o demandas por responsabilidad.

Datos: 𝜎 𝜎 19.6 19.6

𝑥ҧ − 𝑍∝/2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑍∝/2 42.1 − 1.96 ≤ 𝜇 ≤ 42.1 + 1.96
𝑛 = 30 𝑛 𝑛 30 30
𝑥ҧ = 42.1
𝑠 = 19.6
𝟑𝟓. 𝟎𝟗 ≤ 𝝁 ≤ 𝟒𝟗. 𝟏𝟏
𝐼𝐶 = 95%
𝛼 = 0.05 Conclusión: Con un 95% de confianza, se puede inferir
𝑍𝛼/2 = 𝑍0.05/2 = 𝑍0.025 = 1.96 que el tiempo medio entre las ocurrencias de accidentes
se encuentra en el intervalo de 35.09 ≤ 𝜇 ≤ 49.11
 2.2.1. Intervalo de confianza para la Media Aritmética (con σ
conocida desconocida)

Si 𝒙
ഥ y s son la media y la desviación estándar de una muestra aleatoria de una población con
varianza 2 desconocida, un IC de (1-α) 100% para 𝝁 está dado por:

𝑠 𝑠
𝑥ҧ − 𝑡𝛼Τ2, 𝑛−1 < 𝜇 < 𝑥ҧ + 𝑡𝛼Τ2, 𝑛−1
𝑛 𝑛

Donde:

𝒕𝜶Τ𝟐 = es el valor t con v = n-1 grados de libertad

(GL) que deja un área de α/2 a la derecha.
 Intervalo de Confianza de (1-α) 100% para la µ poblacional. Varianza desconocida:

Ejemplo 6. Los bifenilos policlorados (PCB), utilizados en la fabricación de grandes transformadores y capacitores eléctricos,
se conocen como sustancias peligrosas que afectan severamente la salud. El Environment News (Octubre de 1976) informa
que el gobierno federal y los gobiernos estatales investigan la contaminación con PCB en el río Acushnet, área de New
Bedford, Mass. Como parte de la investigación, encontraron que los análisis de tres almejas mostraron los niveles de estos
compuestos de 21, 23 y 53 partes por millón (ppm) (el nivel de tolerancia para los PCB, establecido por la FDA, es de 5ppm).
Utilice estos niveles de la concentración de dichos productos químicos en las tres almejas para estimar la concentración
media en estos moluscos del río Acushnet. Emplee un IC de 90%. Interprete los resultados. ¿Qué suposiciones tiene que
hacer para que la inferencia sea válida?

Datos: 𝑠 𝑠
𝑥ҧ − 𝑡𝛼Τ2, 𝑛−1 < 𝜇 < 𝑥ҧ + 𝑡𝛼Τ2, 𝑛−1
𝑛 𝑛
σ𝑛𝑖=1 𝑥𝑖 21 + 23 + 53
𝑥ҧ = = = 𝟑𝟐. 𝟑𝟑
𝑛 3

𝑛 2
𝑥𝑖 − 𝑥ҧ 21 − 32.33 2
+ 23 − 32.33 2
+ 53 − 32.33 2
𝑠2 = ෍ = = 321.32 → 𝑠 = 321.32 = 𝟏𝟕. 𝟗𝟐
𝑛−1 3−1
𝑖=1

𝑡𝛼Τ2, 𝑛−1 = 𝑡0.10Τ2, 3−1 = 𝑡0.05, 2 = 𝟐. 𝟗𝟐𝟎

 Intervalo de Confianza de (1-α) 100% para la µ poblacional. Varianza
desconocida:

Continúa el ejemplo 6…

𝑠 𝑠 17.92 17.92
𝑥ҧ − 𝑡𝛼Τ2, 𝑛−1 < 𝜇 < 𝑥ҧ + 𝑡𝛼Τ2, 𝑛−1 32.33 − 2.920 < 𝜇 < 32.33 + 2.920
𝑛 𝑛 3 3

Conclusión: Con un intervalo de confianza del 90% se tiene que la

𝟐. 𝟏𝟐 < 𝝁 < 𝟔𝟐. 𝟓𝟒
concentración media de los moluscos se encuentra en el intervalo
de 2.12 < 𝜇 < 62.54
Cómo saber que distribución usar para el intervalo de
confianza de la media
 [Link]. Intervalo de confianza para una proporción
El IC aproximado para una proporción poblacional se determina mediante la ecuación:

𝑝Ƹ 𝑞ො 𝑝Ƹ 𝑞ො
𝑝Ƹ − 𝑍∝Τ2 ≤ 𝑝 ≤ 𝑝Ƹ + 𝑍∝Τ2
𝑛 𝑛

Donde:

𝑝Ƹ = 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑝Ƹ = 𝑥 Τ𝑛

𝑞ො = 1 − 𝑝Ƹ

Suposición: El tamaño de muestra tiene que ser suficientemente grande para que la distribución de
muestreo de 𝒑 sea aproximadamente normal.
 [Link]. Intervalo de confianza para una proporción
Ejemplo 7. En una encuesta de 415 ejecutivos de corporaciones, del gobierno y de empresas de contaduría
realizada por la Financial Accounting Foundation (Wall Street Journal, 13 de junio, 1980), se encontró que el
67% consideró el flujo de efectivo (en comparación con las utilidades por acción) como el indicador más
importante de la salud financiera de una compañía. Supóngase que se pueden considerar a estos 415
ejecutivos como una muestra aleatoria de la población de todos los funcionarios ejecutivos. Utilice los datos
para obtener un IC de 97% para la fracción de todos los ejecutivos de corporación que considerarían el flujo de
efectivo como la medida más importante de la salud financiera de una compañía.

Datos: 0.67(0.33) 0.67(0.33)

𝑝Ƹ 𝑞ො 𝑝Ƹ 𝑞ො
𝑝Ƹ − 𝑍∝Τ2 ≤ 𝑝 ≤ 𝑝Ƹ + 𝑍∝Τ2 0.67 − 2.17 ≤ 𝑝 ≤ 0.67 + 2.17
𝑛 = 415 𝑛 𝑛 415 415

𝑝Ƹ = 0.67
𝑞ො = 0.33
𝟎. 𝟔𝟐 ≤ 𝒑 ≤ 𝟎. 𝟕𝟐 Conclusión: Se tiene nivel de confianza del
𝐼𝐶 = 97% 97% de que la fracción de todos los ejecutivos
de corporación que considerarían el flujo de
𝛼 = 0.03 efectivo como la medida más importante de la
𝑍𝛼Τ2 =𝑍0.03/2 = 𝑍0.015 = 2.17 salud financiera de una compañía se
encuentra en el intervalo 𝟎. 𝟔𝟐 ≤ 𝒑 ≤ 𝟎. 𝟕𝟐
 [Link]. Intervalo de confianza para una varianza
Para determinar el IC para la varianza, se parte del supuesto que la variable de interés tiene una distribución
normal con media y varianza desconocidos. El intervalo se determina mediante la ecuación:

𝑛 − 1 𝑆2 2
𝑛 − 1 𝑆2
2 ≤𝜎 ≤ 2
𝑥∝/2,𝑛−1 𝑥 1−∝/2 ,𝑛−1

𝑥 21−∝/2 ,𝑛−1 = 𝑥 21−0.01/2 ,15−1 = 𝑥0.995,14

2
= 4.07
 [Link]. Intervalo de confianza para una varianza

𝑛 − 1 𝑆2 2
𝑛 − 1 𝑆2
2 ≤𝜎 ≤ 2
𝑥∝/2,𝑛−1 𝑥 1−∝/2 ,𝑛−1

Ejemplo 8. Un remache va a insertarse en un agujero. Si la desviación estándar del diámetro del agujero
excede 0.01 mm, hay una probabilidad muy alta de que el remache no coincida con el agujero. Se selecciona
una muestra aleatoria de 15 piezas y se mide el diámetro de los agujeros. La desviación estándar muestral de
las mediciones del diámetro de los agujeros es s = 0.008 mm. Construya un IC del 99% para 𝜎 2 .
Datos: 15 − 1 (0.008)2 15 − 1 (0.008)2
≤ 𝜎2 ≤
𝑛 = 15 31.3 4.07
𝑠 = 0.008
𝐼𝐶 = 99% 𝟐. 𝟖𝟔 × 𝟏𝟎−𝟓 ≤ 𝝈𝟐 ≤ 𝟐. 𝟐 × 𝟏𝟎−𝟒
𝛼 = 0.01
Conclusión: Con un nivel de confianza del 99%, la variabilidad en las
2 2 mediciones del diámetro del agujero oscila entre 2.86 × 10−5 ≤ 𝜎 2 ≤ 2.2 ×
𝑥∝/2,𝑛−1 = 𝑥0.01/2,15−1 = 2
𝑥0.005,14 = 31.3
10−4.

𝑥 21−∝/2 ,𝑛−1 = 𝑥 21−0.01/2 ,15−1 = 𝑥0.995,14

2
= 4.07
2.3.1 Intervalo de confianza para dos muestras
[Link] Intervalo de confianza para diferencia de medias
Diferencia de medias
• IC para la diferencia de las medias, varianzas conocidas

La estimación del IC para la diferencia entre dos medias sirve para comparar la variación que existe
entre dos medias poblacionales.

𝜎12 𝜎22 𝜎12 𝜎22

𝑥ҧ1 − 𝑥ҧ2 − 𝑧𝛼Τ2 + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝑥ҧ1 − 𝑥ҧ2 + 𝑧𝛼Τ2 +
𝑛1 𝑛2 𝑛1 𝑛2

Nota: *cuando − ≤ 𝝁𝟏 − 𝝁𝟐 ≤ + , significa que no hay diferencia significativa.

*cuando + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ + , la primer media es mejor (o mayor) que la segunda.
 [Link] Intervalo de confianza para diferencia de medias

Diferencia de medias
• IC para la diferencia de las medias, varianzas conocidas

Ejemplo 9. Se sugirió el siguiente método, desde hace algunos años, para resolver la escasez de energía eléctrica mediante la
utilización de plantas eléctricas nucleares flotantes instaladas algunos kilómetros o millas mar adentro. Se necesita una
estimación de la densidad del tráfico o tránsito de naves en el área, porque existe preocupación acerca de una posible colisión de
un barco y una planta flotante (aunque anclada). El número de barcos que pasan dentro de un radio de 10 millas de la ubicación
propuesta de la planta eléctrica, registrado durante n = 60 días en julio y agosto, tuvo respectivamente una media y una varianza
igual a 𝑥ҧ = 7.2, 𝑠 2 = 8.8

a) Obtenga un IC de 95% para el promedio del número de barcos que pasan dentro de un radio de 10 millas de la localización
propuesta de la planta eléctrica durante el periodo de un día.

Datos: 𝜎 𝜎 2.97 2.97

𝑥ҧ − 𝑍∝/2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑍∝/2 7.2 − 1.96 ≤ 𝜇 ≤ 7.2 + 1.96 𝟔. 𝟒𝟓 ≤ 𝝁 ≤ 𝟕. 𝟗𝟓
𝑛 𝑛 60 60
𝑛 = 60
𝑥ҧ = 7.2
𝑠 2 = 8.8 𝛼 = 0.05 Conclusión: Se tiene el 95% de confianza de que el promedio de
barcos que pasan en verano está en el intervalo 6.45 ≤ 𝜇 ≤ 7.95
𝐼𝐶 = 95% 𝑍𝛼/2 = 𝑍0.05/2 = 𝑍0.025 = 1.96
 [Link] Intervalo de confianza para diferencia de medias

Diferencia de medias
• IC para la diferencia de las medias, varianzas conocidas

b) Se esperaba que la densidad del tránsito de embarcaciones disminuyera en los meses invernales. De una muestra de n=90
observaciones diarias de barcos durante diciembre, enero y febrero, se obtuvo lo siguiente: 𝑥ҧ = 4.7, 𝑠 2 = 4.9. De estos datos
determine un IC de 95%.

Datos:
𝜎 𝜎 2.21 2.21
𝑛 = 90 𝑥ҧ − 𝑍∝/2 ≤ 𝜇 ≤ 𝑥ҧ + 𝑍∝/2 4.7 − 1.96 ≤ 𝜇 ≤ 4.7 + 1.96 𝟒. 𝟐𝟒 ≤ 𝝁 ≤ 𝟓. 𝟏𝟔
𝑛 𝑛 90 90
𝑥ҧ = 4.7
𝑠 2 = 4.9
Conclusión: Se tiene el 95% de confianza de que el promedio de
𝐼𝐶 = 95% barcos que pasan en invierno está en el intervalo 4.24 ≤ 𝜇 ≤ 5.16

𝛼 = 0.05

𝑍𝛼/2 = 𝑍0.05/2 = 𝑍0.025 = 1.96

 [Link] Intervalo de confianza para diferencia de medias

Diferencia de medias
• IC para la diferencia de las medias, varianzas conocidas

c) Determine un IC de 97% para la diferencia en la densidad media del tráfico entre los meses de verano e invierno.

Datos:
𝜎12 𝜎22 𝜎12 𝜎22
𝑛1 = 60 𝑥ҧ1 − 𝑥ҧ2 − 𝑧𝛼Τ2 + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝑥1ҧ − 𝑥ҧ2 + 𝑧𝛼Τ2 +
𝑛1 𝑛2 𝑛1 𝑛2
𝑥ҧ1 = 7.2
𝑠12 = 8.8
8.8 4.9 8.8 4.9 1.53 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 3.47
𝑛2 = 90 7.2 − 4.7 − 2.17 + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 7.2 − 4.7 + 2.17 +
60 90 60 90
𝑥ҧ 2 = 4.7
𝑠22 = 4.9
Conclusión: Se tiene el 97% de confianza de que el intervalo 1.53 ≤ 𝜇1 − 𝜇2 ≤ 3.47
𝐼𝐶 = 97% contiene la diferencia en la densidad media del tráfico. Lo que significa que el
𝛼 = 0.03 transito es mayor en verano que en invierno.
𝑍𝛼/2 = 𝑍0.03/2 = 𝑍0.015 = 2.17
 [Link] Intervalo de confianza para diferencia de medias

Diferencia de medias
• IC para la diferencia de las medias, varianzas desconocidas pero iguales

1 1 1 1
𝑥ҧ1 − 𝑥ҧ2 − 𝑡𝛼Τ2,𝑛1+𝑛2−2 (𝑠𝑝 ) + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝑥ҧ1 − 𝑥ҧ2 + 𝑡𝛼Τ2,𝑛1+𝑛2−2 (𝑠𝑝 ) +
𝑛1 𝑛2 𝑛1 𝑛2

𝑛1 − 1 𝑠12 + 𝑛2 − 1 𝑠22
donde “s” se obtiene de la estimación ponderativa para 𝜎 2 y𝑠𝑝 = 𝑛1 + 𝑛2 − 2

Suposición: Se seleccionan las muestras aleatorias e independientes de distribuciones normales. Las

varianzas de las poblaciones, 𝜎12 y 𝜎22 son iguales.
 [Link] Intervalo de confianza para diferencia de medias

Diferencia de medias
• IC para la diferencia de las medias, varianzas conocidas
Ejemplo 10. Se investiga el diámetro de las varillas de acero fabricadas en dos máquinas de extrusión diferentes. Se seleccionan
dos muestras aleatorias de tamaños n1=15 y n2=17, y las medias y las varianzas muestrales son: 𝑥ҧ1 = 8.73, 𝑠12 = 0.35 y 𝑥ҧ 2 =
8.68, 𝑠22 = 0.40. Construya un IC de 95% para la diferencia de las medias del diámetro de las varillas. Interprete este intervalo.
Datos:
𝑛1 − 1 𝑠12 + 𝑛2 − 1 𝑠22 15 − 1 0.35 + 17 − 1 0.40 4.9 + 6.4 𝒔𝒑 = 𝟎. 𝟔𝟏𝟑𝟕
𝑠𝑝 = 𝑠𝑝 = 𝑠𝑝 =
𝑛1 = 15 𝑛1 + 𝑛2 − 2 15 + 17 − 2 30

𝑥ҧ1 = 8.73
𝑠12 = 0.35 1 1 1 1
𝑥1ҧ − 𝑥ҧ2 − 𝑡𝛼Τ2,𝑛1 +𝑛2 −2 (𝑠𝑝 ) + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝑥1ҧ − 𝑥ҧ 2 + 𝑡𝛼Τ2,𝑛1 +𝑛2 −2 (𝑠𝑝 ) +
𝑛2 = 17 𝑛1 𝑛2 𝑛1 𝑛2

𝑥ҧ 2 = 8.68
1 1 1 1
𝑠22 = 0.40 8.73 − 8.68 − 2.042 (0.6137) + ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 8.73 − 8.68 + 2.042 (0.6137) + −0.39 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 0.49
15 17 15 17
𝐼𝐶 = 95%
𝛼 = 0.05 Conclusión: Con un 95% de confianza se puede esperar que la diferencia
media del diámetro de las varillas sea de −0.39 ≤ 𝜇1 − 𝜇2 ≤ 0.49, lo que
𝑡𝛼Τ2,𝑛1+𝑛2−2 = 𝑡0.05Τ2,15+17−2 = 𝑡0.025,30 = 2.042 significa que no hay diferencia significativa entre las medias del diámetro de
las varillas fabricadas por las dos máquinas.
 [Link]. Intervalo de confianza para una diferencia de dos
proporciones

Diferencia de proporciones

𝑝Ƹ1 𝑞ො1 𝑝Ƹ 2 𝑞ො2 𝑝Ƹ1 𝑞ො1 𝑝Ƹ 2 𝑞ො2

𝑝Ƹ1 − 𝑝Ƹ 2 − 𝑍∝Τ2 + ≤ 𝑝1 − 𝑝2 ≤ 𝑝Ƹ1 − 𝑝Ƹ 2 + 𝑍∝Τ2 +
𝑛1 𝑛2 𝑛1 𝑛2

Donde:

𝑝Ƹ = 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑝Ƹ = 𝑥 Τ𝑛

𝑞ො = 1 − 𝑝Ƹ

Suposición: n1 y n2 son suficientemente grandes para que las distribuciones muestrales de 𝑝Ƹ1 y 𝑝Ƹ 2 sean
aproximadamente normales.
 [Link]. Intervalo de confianza para una diferencia de dos
proporciones
Diferencia de proporciones
Ejemplo 11. Un gran comerciante de ropa al por menor, realizó un estudio para comparar la efectividad de un anuncio en el periódico en las grandes
ciudades. Se publicó un anuncio extenso en el periódico más importante en dos ciudades. Una organización de investigación de mercado realizó,
inmediatamente después, una encuesta telefónica con 1000 personas seleccionadas al azar, que viven en un área suburbana de ingresos medios y
altos, en cada una de las dos ciudades, a fin de determinar la proporción que leyó el anuncio en cuestión. Las proporciones eran 𝑝1Ƹ = 0.18 y 𝑝Ƹ2 =
0.14. Determine un IC de 98% para la diferencia en las proporciones de adultos que leyeron el anuncio.
Datos:
𝑝ො1 𝑞ො1 𝑝ො2 𝑞ො2 𝑝ො1 𝑞ො1 𝑝ො2 𝑞ො2
𝑛1 = 1000 𝑝ො1 − 𝑝ො2 − 𝑍∝Τ2 + ≤ 𝒑𝟏 − 𝒑𝟐 ≤ 𝑝ො1 − 𝑝ො2 + 𝑍∝Τ2 +
𝑛1 𝑛2 𝑛1 𝑛2
𝑝Ƹ1 = 0.18
𝑞ො1 = 0.82 0.18 0.82 0.14 0.86 (0.18)(0.82) (0.14)(0.86)
0.18 − 0.14 − 2.325 + ≤ 𝒑𝟏 − 𝒑𝟐 ≤ 0.18 − 0.14 + 2.325 +
1000 1000 1000 1000
𝑛2 = 1000
𝑝Ƹ 2 = 0.14
0.002 ≤ 𝒑𝟏 − 𝒑𝟐 ≤ 0.078 Conclusión: Con un IC de 98% se tiene que la diferencia de proporciones de
𝑞ො2 = 0.86 adultos que leyeron el anuncio es de 0.002 ≤ 𝑝1 − 𝑝2 ≤ 0.078, lo que significa
que leyeron más el anuncio en la ciudad 1.
𝐼𝐶 = 98%
𝛼 = 0.02
𝑍𝛼/2 = 𝑍0.02/2 = 𝑍0.01 = 2.325
 [Link]. Intervalo de confianza para dos varianzas

Razón de Varianzas
Si 𝒔𝟐𝟏 y 𝒔𝟐𝟐 son las varianzas de muestras independientes de tamaño n1 y n2, respectivamente, de poblaciones normales,
entonces un IC para 𝝈𝟐𝟏 /𝝈𝟐𝟐 es:

𝑠12 1 𝝈𝟐𝟏 donde 𝑓𝛼Τ2 𝑣1,𝑣2 es un valor f con v1=n1-1 y

< 𝟐
𝑠22 𝑓𝛼Τ2 𝑣1, 𝑣2 𝝈𝟐 v2=n2-1 grados de libertad.
𝑠12
< 2 𝑓𝛼Τ2 𝑣2, 𝑣1
𝑠2
Nota: La comparación de las dos varianzas va a realizarse mediante el cociente de las mismas. De esta forma, un cociente
de 1 indica que las varianzas son iguales, mientras que si el cociente es distinto de 1 determinaremos si la diferencia entre
ellas es o no significativa.

La distribución muestral para los contrastes de una varianza es X2 con n-1 GL. El cociente entre dos varianzas equivale, por
tanto, a un cociente entre dos distribuciones X2. Este cociente entre dos distribuciones X2, dividida previamente cada una
de ellas por sus respectivos GL, sigue la distribución F, con v1 (GL del numerador) y v2 (GL del denominador).
 [Link]. Intervalo de confianza para dos varianzas
Razón de Varianzas

Ejemplo 12. Una compañía fabrica propulsores que se usan en turbinas de aviones. Una de las operaciones implica pulir un terminado
superficial particular en un componente de una aleación de titanio. Pueden usarse dos procesos de pulido diferentes, y ambos procesos pueden
producir piezas con una aspereza superficial media idéntica. Al ingeniero de manufactura le gustaría seleccionar el proceso que presente la
variabilidad menor en la aspereza superficial. Una muestra aleatoria de n1=13 piezas del primer proceso da como resultado una desviación
estándar muestral s1 = 5.1 micro pulgadas, y una muestra aleatoria de n2 =16 piezas del segundo proceso da como resultado una desviación
estándar muestral de s2 = 4.7 micro pulgadas. Encuentre un IC del 90% para el cociente de las dos varianzas 𝜎12 /𝜎22 .

Datos: 𝑠12 1 𝝈𝟐𝟏 𝑠12

< 𝟐 < 2 𝑓 𝛼 Τ2 5.1 2 1 𝝈𝟐𝟏 5.1 2
𝑛1 = 13 𝑠22 𝑓𝛼Τ2 𝑣1, 𝑣2 𝝈𝟐 𝑠2 𝑣2, 𝑣1
2 < 𝟐 < 2 2.62
4.7 2.48 𝝈𝟐 4.7
𝑛2 = 16
𝑠1 = 5.1 𝝈𝟐𝟏
𝑠2 = 4.7
𝟎. 𝟒𝟕 < 𝟐 < 𝟑. 𝟎𝟖
𝝈𝟐
𝐼𝐶 = 90%
Conclusión: Con un intervalo de confianza del 90%, se concluye que el cociente de
𝛼 = 0.10 las dos varianzas que muestran la variabilidad de aspereza superficial se
𝑓𝛼Τ2 𝑣1, 𝑣2 = 𝑓0.10Τ2 13−1, 16−1 = 𝑓 𝜎12
0.05,(12,15) = 2.48 encuentran en el intervalo de 0.47 < < 3.08. Puesto que el intervalo obtenido
𝜎22
𝑓𝛼Τ2 𝑣2, 𝑣1 = 𝑓0.10Τ2 16−1, 13−1 = 𝑓 es diferente de 1, existe diferencia significativa entre los dos procesos y el proceso
0.05,(15,12) = 2.62
1 presenta mayor variabilidad en la aspereza superficial.
Reconocimiento

ESTA PRESENTACIÓN ESTA TOMADA DE MATERIAL DE LA MATERIA DE

PROBABILIDAD Y ESTADISTICA DE LA DRA MYDORY NAKASIMA.
Bibliografía recomendada

✓ Gutiérrez. H. y De la Vara, R. (2013). Control Estadístico de la Calidad y

Seis Sigma. (3ª ed.). México: McGraw-Hill.

✓ Mendenhall, W. Beaver, R. J. y Beaver, B. M. (2012). Introduction to

Probability and Statistics (14ª ed.). Boston, MA: Cengage Learning.
[clásica]

✓ Montgomery, D.C. y Runger, G. (2011). Probabilidad y Estadística

Aplicadas a la Ingeniería. (2ª ed.). México: Limusa Wiley. [clásica]

✓ Walpole, R. E., Myers, R. H., Myers, S. L., y Ye, K. E. (2016). Probability

and Statistics for Engineers and Scientists (9ª ed.). Inglaterra: Pearson.