________________________________________________________________________ Estimación de Parámetros

UNIDAD

3
Estimación de Parámetros

OBJETIVO EDUCACIONAL

Al término de esta unidad el alumno:

 Estimará e interpretará los intervalos de confianza para los diferentes
parámetros que caracterizan a procesos y/o poblaciones. Determinará el
tamaño de la muestra representativa.

3.1 Introducción

La teoría de la inferencia estadística consiste en aquellos métodos con los cuales se pueden
realizar generalizaciones acerca de una población. La tendencia actual es distinguir entre el
método clásico para estimar un parámetro poblacional, por medio del cual las inferencias se
basan en la información obtenida de una muestra aleatoria seleccionada de la población, y el
método bayesiano, el cual utiliza el conocimiento subjetivo previo acerca de la distribución de
probabilidad con los parámetros desconocidos, junto con la información proporcionada por los
datos muestrales. La inferencia estadística puede dividirse en dos áreas principales: estimación y
pruebas de hipótesis.

MOISÉS MUÑOZ DÍAZ 43

Estadística I
___________________________________________________________________________________

3.1.1 Necesidad de la Estimación

Las fábricas a menudo deben evaluar las características de desempeño de un producto tomando
en cuenta aspectos como la resistencia promedio, el peso o el tiempo de vida. Las grandes tiendas
de departamentos deben predecir la demanda de diversos artículos. Así, la estimación comprende:
la valoración de inventarios, la estimación de costos de proyectos, la evaluación de nuevas
fuentes energéticas, la predicción del desempeño en el trabajo y la estimación de tiempos
estándar de tareas asignadas.

3.2 Características de un buen estimador. Propiedades de los Estimadores

 Un estimador es una regla que establece cómo calcular una estimación basada en las
mediciones contenidas en una muestra.
 Estimador Insesgado. Un estadístico es un estimador insesgado del parámetro, sí E ( ˆ )  

 Eficiencia Relativa. Si se consideran todos los estimadores insesgados posibles de algún

parámetro  , aquel con la varianza más pequeña es el estimador más eficiente.

 Estimador Consistente. El estimador insesgado ˆ para  es un estimador consistente de

 si lim n E ( ˆ )   y lím n V ( ˆ )  0

Estimador suficiente. Sea X 1 , X 2 ,  , X n una muestra aleatoria de una distribución de

probabilidad con un parámetro desconocido  . Se dice que el estadístico U  g( X 1 , X 2 , X n ) es

suficiente para  sí la distribución condicional de X 1 , X 2 ,  , X n dado U no depende de 
.

3.3 Estimación Puntual

3.3.1 Método de Máxima verosimilitud. Dadas las observaciones independientes

X 1 , X 2 ,  , X n de una función de densidad de probabilidad (caso continuo) o una

función masa de probabilidad (caso discreto) f ( x ,  ) , el estimador de máxima

verosimilitud, ˆ , es aquel que maximiza la función de verosimilitud:

L( X 1 , X 2 ,  , X n ;  )  f ( x 1 , ) f ( x 2 , ) f ( x n , )

o en forma equivalente

44 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros

ln L( X 1 , X 2 ,  , X n ;  )  ln f ( x 1 , )  ln f ( x 2 , )    ln f ( x n , )

Para obtener el valor de  que maximiza la función de verosimilitud se utiliza el método de

localización de máximos y mínimos siguiente:

Paso 1. Calcule la primera derivada de la función y resuelva la ecuación que se obtiene al

igualar a cero dicha derivada.

Paso 2. Investigue si los valores encontrados de  encontrados en el paso 1 son máximos

o mínimos locales.

MOISÉS MUÑOZ DÍAZ 45

Estadística I
___________________________________________________________________________________

 Calcule la segunda derivada y evalúela en cada valor encontrado en el paso 1

 Si la segunda derivada es menor que cero entonces L(  ) tiene un máximo

 Si la segunda derivada es mayor que cero entonces L(  ) tiene un mínimo

Ejemplo 3.1 Si n observaciones x 1 , x 2 ,  , x n se toman de una población que tiene una

distribución de Poisson con parámetro  desconocido. Hallar el estimador de máxima

verosimilitud para  ..
e   x
f ( x) 
x!
Solución
L  f ( x 1 ,  ) f ( x 2 ,  )  f ( x n ,  )

 e    x1  e    x 2   e    xn  e  n   xi
L        
 x1 !  x 2 !   xn !  x 1 ! x 2 ! x n !

ln L  ln e  n  (x i ) ln   ln( x 1 ! x 2 ! x n )

ln L   n ln e  ( x i ) ln   ln( x 1 ! x 2 ! x n )

d ln L  xi  xi  xi
1)  n   n 0  ̂ 
d   n

d 2 ln L  xi n2
2
d ln L x    0
2)   2i  d 2 ˆ   xi 
2
 xi
d 2
  
 n 

 xi
Por lo tanto el estimador de máxima verosimilitud para  es ̂  , que representa la media
n
muestral.
3.3.2 Método de Momentos

El método de momentos consiste en igualar los primeros momentos de una población a los
momentos correspondientes de una muestra, con lo cual se obtienen tantas ecuaciones, según se
necesiten, para resolver y obtener los primeros parámetros desconocidos de la población.

46 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros

El k-ésimo momento de la muestra de un conjunto de observaciones x 1 , x 2 ,  , x n es la

media de sus k-ésimas potencias y se representa por medio de mk, ; en forma simbólica:
n
k
 xi
i1
mk, 
n

Por lo tanto el método de momentos consiste en solucionar el sistema de ecuaciones

m k,   k, k= 1, 2, . . . , p

para obtener los p parámetros de la población.

Ejemplo 3.2 Dada una muestra aleatoria de tamaño n tomada de una población gamma, aplique
el método de momentos para estimar sus parámetros  y  .

Solución

El sistema de ecuaciones por resolver es

m1,   1, y m2,   2,

Como  1,   y  2,   (  1)  2 , se obtiene

m1,   y m 2,   (  1) 2

y, al resolver estas dos ecuaciones para determinar  y  , tenemos que las estimaciones de los
dos parámetros de la distribución gamma son

( m1, ) 2 m ,  (m , )2
ˆ  y ˆ  2 , 1
m 2,  ( m1, ) 2 m1

n n

Donde  xi y x 2
i
. Por lo tanto, en términos de las observaciones originales
m 1,  i 1
m 2,  i 1
n n
2 2
 n  n
 n 
  xi  n  x 
2
i   xi  n
̂   i 1   i 1 
2 y ˆ  i  1
n
 n  n


i 1
xi    xi  n
2

 i 1 
x
i 1
i

EJERCICIOS 3.2

MOISÉS MUÑOZ DÍAZ 47

Estadística I
___________________________________________________________________________________

1. Suponiendo que se toma una muestra de observaciones independientes x 1 , x 2 , , x n de una

distribución exponencial cuya función de densidad es

 1 x / 
 e , x0
f ( x ) 
0 , x0

a) Determine el estimador de máxima verosimilitud para 

b) Determine el estimador de  aplicando el método de momentos

2. Suponiendo que hay n intentos x 1 , x 2 , , x n de un proceso de Bernoulli con parámetro p,

 n
la probabilidad éxito. Esto es, la probabilidad de r éxitos es f ( r )    p r ( 1  p )n r . Obtenga
r

una estimación de p mediante la aplicación del

a) método de máxima verosimilitud
b) método de momentos

3. Si x 1 , x 2 ,  , x n son los valores de una muestra tomada al azar de una población Poisson con

e   x
f ( x)  , x  0 , 1, 2,  .Obtenga una estimación de  mediante la aplicación del
x!

a) método de máxima verosimilitud

b) método de momentos

4. Sea X una variable aleatoria geométrica con parámetro p. g ( x , p )  pq x  1 , basado en una

muestra aleatoria de tamaño n. Obtenga una estimación de p mediante la aplicación del
a) método de máxima verosimilitud
b) método de momentos

5. Sea X una variable aleatoria con la siguiente función de distribución de probabilidad:

(  1) x  , 0  x  1
f ( x)  
 0, en cualquier otro caso

Obtenga una estimación de  mediante la aplicación del

a) método de máxima verosimilitud

48 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros

b) método de momentos

6. Si x 1 , x 2 ,  , x n son los valores de una muestra tomada al azar de una población con

 2(  x )
 para 0  x  
distribución f ( x )   2 .
0 , en cualquier otro caso

Obtenga una estimación del parámetro  mediante la aplicación del

a) método de máxima verosimilitud
b) método de momentos

3.4 Intervalos de Confianza para la media

3.4.1 Intervalo de confianza para  , conociendo  . Si x es la media de una muestra aleatoria

de tamaño n de una población con varianza conocida  2, el intervalo de confianza del (1 )
100% para  es
 
x  z / 2    x  z / 2
n n

donde z/2 es el valor de z a la derecha del cual se tiene un área de  /2

Teorema 3.1 Sí se utiliza x como una estimación de  , se puede tener una confianza del

(1   )100% de que el error no excederá de E  z / 2  / n

Teorema 3.2 Sí se utiliza x como una estimación de  , se puede tener una confianza del

(1   )100% de que el error no excederá de una cantidad específica E cuando el

n   z / 2 / E 
2
tamaño de la muestra es

3.4.2 Intervalo de confianza para  ,  desconocida ( n  30 ). Si x y s son la media y la

desviación estándar de una muestra aleatoria de tamaño n de una población normal con varianza
desconocida  2, el intervalo de confianza del (1   )100% para  es

s s
x  z /2    x  z / 2
n n

donde z/2 es el valor de z a la derecha del cual se tiene un área de  /2

MOISÉS MUÑOZ DÍAZ 49

Estadística I
___________________________________________________________________________________

3.4.3 Intervalo de confianza para  ,  desconocida ( n < 30 ). Si x y s son la media y la

desviación estándar de una muestra aleatoria de tamaño n de una población normal con varianza
desconocida  2, el intervalo de confianza del (1   )100% para  es
s s
x  t  / 2 ,v    x  t  / 2 ,v
n n

donde t/2,v es el valor de t con v = n – 1 grados de libertad, a la derecha del cual se tiene un
área de  /2

Ejemplo 3.3 Se registraron las siguientes mediciones del tiempo de secado, en horas, de una
marca de pintura látex:
3.4 2.5 4.8 2.9 3.6
2.8 3.3 5.6 3.7 2.8
4.4 4.0 5.2 3.0 4.8
Suponiendo que las mediciones representan una muestra aleatoria de una población normal,
encuentre un intervalo de confianza del 99% para el tiempo promedio de secado de esta marca de
pintura látex.
Solución
n

La media muestral de los datos es x

i1
i
3.4  2.5  4.8    4.8
x   3.7867
n 15
2
n
 n 
y su desviación estándar 
i 1
x 2
i  x i 
 i 1  228.28  (56.8 ) 2
s   0.9709
n1 14

De la Tabla T.3 del apéndice encontramos el valor de t 0.995 , 14  2.98 , entonces un intervalo de
confianza del 99% para la media  está dado por
s s
x  t  / 2 ,v    x  t  / 2 ,v
n n

 0.9709   0.9709 
3.7867  2.98       3.7867  2.98   
 15   15 

que se reduce a
3.0396    4.5337

EJERCICIOS 3.3

50 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros
2
n
2 error si se estima que las alturas
1. Se define s'   ( x i  x ) / n Demuestre
i 1
que 2
; y de aquí que
E ( s' )[( n  1) / n] 2
s' es un estimador insesgado de  2 .
2 7. Una muestra aleatoria de 100 propietarios
2. Si X es una variable aleatoria binomial,
demuestre que
x desviación estándar de 3900 kilómetros.
a) pˆ  es un estimador insesgado de P;
n a) Determine un intervalo de confianza del
x n/2
b) p'  es un estimador tenden-
n n
cioso de P.
3. Demuestre que el estimador p’ del inciso 2b)
se convierte en insesgado conforme n   .
4. Un fabricante produce focos que tienen un
promedio de vida con distribución
aproximadamente normal y una desviación
estándar de 40 horas. Si una muestra de 30
focos tiene una vida promedio de 780
horas. encuentre un intervalo de confianza
del 96% para la media poblacional de todos
los focos que produce esta empresa.
5. Una máquina de refrescos está ajustada de
tal manera que la cantidad de líquido
despachada se distribuye aproximadamente
en forma normal con una desviación
estándar igual que 0.15 decilitros. En-
cuentre un intervalo de confianza del 95%
para la media de todos los refrescos que
sirve esta máquina si una muestra aleatoria
de 36 refrescos tiene un contenido
promedio de 2.25 decilitros.
6. Las estaturas de una muestra aleatoria de 50
estudiantes mostraron una medía de 174.5
centímetros y una desviación estándar de
6.9 centímetros.
a) Determine un intervalo de confianza del
98% para la estatura promedio de todos
los estudiantes.
b) ¿Qué se puede afirmar con un 98% de
confianza acerca del posible tamaño del
MOISÉS MUÑOZ DÍAZ
promedio de todos los estudiantes es
174.5 centímetros?
de automóvil indica que, en el estado de
Virginia, un automóvil recorre un promedio
de 23500 kilómetros por año con una
99% para la cantidad promedio de
kilómetros que un automóvil recorre
anualmente en Virginia.
b) ¿Qué se puede afirmar con una
confianza del 99% respecto al posible
tamaño del error si se estima que la
cantidad promedio de kilómetros
recorridos por los propietarios de
vehículos en Virginia es de 23500
kilómetros al año?
8. ¿Qué tan grande se requiere que sea una
muestra en el ejercicio 4 si se desea tener
una confianza del 96% de que la media
muestral esté dentro de las 10 horas del
promedio real?
9. ¿Qué tan grande se requiere que sea una
muestra en el ejercicio 5 si se desea tener
una confianza del 95% de que la media
muestral estará dentro de 0.09 decilitros del
promedio real?
10. Un experto en eficiencia desea determinar
el tiempo promedio que toma el hacer tres
perforaciones en una cierta pieza metálica.
¿Qué tan grande se requiere que sea la
muestra si se necesita una confianza del
95% de que su media muestral estará dentro
de 15 segundos del promedio real? Asuma
que, por estudios previos se sabe que a = 40
segundos.
11. Un investigador de la Universidad UCLA
afirma que el ciclo de vida de los ratones puede
prolongarse hasta en 25% cuando las calorías en
su alimentación se reducen aproximadamente
51
Estadística I
___________________________________________________________________________________
40% desde el momento en que se les desteta.
Las dietas con restricciones son enriquecidas a
niveles normales con vitaminas y proteínas.
Suponiendo que, por estudios previos, se sabe
que  = 5.8 meses, ¿cuántos ratones deben
incluirse en la muestra si se desea tener una
confianza del 99% de que el ciclo promedio de
vida de la muestra estará dentro de los 2 meses
del promedio poblacional para todos los ratones
sujetos a esta dieta reducida?
12. El consumo regular de cereales preendulzados
contribuye a la caída de los dientes,
enfermedades del corazón y otros procesos
degenerativos de acuerdo con estudios del Dr.
W. H. Bowen del National Institutes of Health
(Instituto Nacional de Salud) y el. Dr. J. Yudbcn.
profesor de nutrici6n y dietética en la
Universidad de Londres. En una muestra alea-
toria de 20 porciones sencillas de un cereal el
contenido promedio de azúcar fue de 11.3
gramos con una desviación estándar de 2.45
gramos. Suponiendo que los contenidos de
azúcar están distribuidos normalmente,
determine un intervalo de confianza del 95%
para el contenido promedio de azúcar de
porciones sencillas de dicho cereal.
13. Una máquina produce piezas metálicas de forma
cilíndrica. Se toma una muestra de piezas cuyos
diámetros son 1.01, 0.97, 1.03, 1.04, 0.99, 0.98,
0.99, 1.01 y 1.03 centímetros. Encuentre un
intervalo de confianza del 99% para el diámetro
promedio de piezas de esta máquina, si supone
una distribución aproximadamente normal.
14. Una muestra aleatoria de 8 cigarros de una
marca determinada tiene un contenido
promedio de nicotina de 2.6 miligramos y
una desviación estándar de 0.9 miligramos.
Determine un intervalo del 99% de
confianza para el contenido promedio real
de nicotina de esta marca de cigarros en
particular, asumiendo que la distribución de
los contenidos de nicotina son
aproximadamente normales.
3.5 Estimación por Intervalos de Confianza para la Diferencia entre Dos Medias
52
15. Se toma una muestra aleatoria de 12 agujas
de tejer en un estudio de la dureza
Rockwell de la cabeza las agujas. Se
realizan las mediciones de la dureza para
cada una de las 12 piezas, de lo que se
obtiene un valor promedio de 48.50 con
una desviación estándar de 1.5. Suponiendo
que las mediciones están normalmente
distribuidas, determine un intervalo de
confianza del 90% para la dureza Rockwell
promedio.
16. Una muestra aleatoria de 12 alumnas
graduadas de una escuela secretarial
mecanografío un promedio de 79.3
palabras por minuto con una desviación
estándar de 7.8 palabras por minuto.
Suponiendo una distribución normal para la
cantidad de palabras mecanografiadas por
minuto, encuentre un intervalo de
confianza del 95% para el número
promedio de palabras mecanografiadas por
todas las graduadas de esta escuela.
17. Una muestra aleatoria de 25 cigarros de
una marca determinada tiene un contenido
promedio de nicotina de 1.3 miligramos y
una desviación estándar de 0.17
miligramos. Encuentre los limites de
confianza del 95% para el contenido
promedio contenidos de nicotina para esta
marca de cigarros, suponiendo que las
mediciones están normalmente distribuidas.
18. Se registraron las siguientes mediciones del
tiempo de secado, en horas, de una marca
de pintura látex:
3.4 2.5 4.8 2.9 3.6
2.8 3.3 5.6 3.7 2.8
4.4 4.0 5.2 3.0 4.8
Suponiendo que las mediciones representan
una muestra aleatoria de una población
normal, encuentre los limites de confianza
del 99% para la media poblacional de los
tiempos de secado.
MOISÉS MUÑOZ DÍAZ
________________________________________________________________________ Estimación de Parámetros

3.5.1 Intervalos de Confianza para la Diferencia entre Dos Medias,  1 -  2 ; conociendo

 12 y  22 . Si x1 y x2 son las medias de muestras aleatorias independientes de tamaños n1 y n2

poblaciones con varianzas conocidas  12 y  22 , el intervalo de confianza del (1-  )100% para

 1 -  2 es

 12  22 2 2
( x1  x2 )  z / 2   1   2  ( x1  x2 )  z / 2 1  2
n1 n2 n1 n2

donde es z/2 el valor de z a la derecha del cual se tiene un área de  /2

3.5.2 Intervalo de confianza para  1 -  2;  12 y  22 desconocidas (n1 y n2  30) Si x 1 y x 2

son las medias de muestras aleatorias independientes de tamaños n1 y n2 de poblaciones
aproximadamente normales, un intervalo de confianza del (1-  )100% para  1 -  2 es

s12 s22 s12 s22

( x1  x2 )  z / 2   1   2  ( x1  x2 )  z / 2 
n1 n2 n1 n2

donde es z/2 el valor de z a la derecha del cual se tiene un área de  /2

3.5.3 Intervalo de confianza para  1 -  2;  12   22 pero desconocidas (n1 y n2 < 30) Si

x 1 y x 2 son las medias de muestras aleatorias independientes de tamaños n1 y n2 de poblaciones

aproximadamente normales con varianzas iguales pero desconocidas un intervalo de confianza

del (1-  )100% para  1 -  2 es

1 1 1 1
( x 1  x 2 )  t  / 2 ,v s p    1   2  ( x 1  x 2 )  t  / 2 ,v s p 
n1 n 2 n1 n2

donde t/2,v es el valor de t con v = n1+ n2 – 2 grados de libertad, a la derecha del cual se tiene
un área de  /2 y sp es la estimación común de la desviación estándar poblacional dada por

( n1  1 )s12  ( n2  1 )s22
sp 
n1  n2  2

MOISÉS MUÑOZ DÍAZ 53

Estadística I
___________________________________________________________________________________

3.5.4 Intervalo de confianza para  1 -  2;  12   22 y desconocidas (n1 y n2 < 30). Si, y

x1 y s22 son las medias y varianzas de muestras pequeñas aleatorias e independientes de

tamaños n1 y n2 de poblaciones aproximadamente normales con varianzas diferentes y

desconocidas, un intervalo de confianza del (1-  )100% para  1 -  2 esta dado por

s 12 s 22 s 12 s 22
( x 1  x 2 )  t  / 2 ,v    1   2  ( x 1  x 2 )  t  / 2 ,v 
n1 n 2 n1 n 2

s2
1 / n1  s22 / n2  2
donde t/2,v es el valor de t con v 
( s 2
1  
/ n1 )2 /( n1  1 )  ( s22 / n2 )2 /( n2  1 ) 
grados de libertad, con un área de  /2 a la derecha.

3.5.5 Intervalo de confianza para observaciones pareadas (  D =  1 -  2). Si d y sd son la

media y la desviación estándar de las diferencias normalmente distribuidas de n pares aletatorios
de mediciones, un intervalo de confianza del (1-  )100% para  D =  1 -  2 es:

sd sd
d  t  / 2 ,v   1   2  d  t  / 2 ,v
n n

donde t/2 , v es el valor de t con v = n – 1 grados de libertad, a la derecha del cual se tiene un
área de  /2
Ejemplo 3.4 Se comparan dos tipos de rosca de tornillo para ver su resistencia a la tensión. Se
prueban 50 piezas de cada tipo de cuerda bajo condiciones similares. La marca A tuvo una
resistencia promedio a la tensión de 78.3 kilogramos con una desviación estándar de 5.6
kilogramos, mientras que la marca B tuvo una resistencia promedio a la tensión de 87.2 kilo-
gramos con una desviación estándar de 6.3 kilogramos. Determine un intervalo de confianza del
95% para la diferencia de las dos medias poblacionales.
Solución
Dado que se tienen dos muestras aleatorias independientes ( n1  n2  50 ), de dos poblaciones con
varianzas poblacionales desconocidas y muestras grandes (mayores de 30), utilizaremos el caso
7; con x 1  78.3 y s1  5.6 Kg para la marca A y x 2  87.2 y s 2  6.3 Kg para la marca B,
1    0.95 .

54 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros

7) Intervalo de confianza para  1 -  2;  12 y  22 desconocidas (n1 y n2  30)

s12 s22 s2 s2
( x1  x2 )  z / 2   1   2  ( x1  x2 )  z / 2 1  2
n1 n2 n1 n2

Sustituyendo los valores de las muestras y el valor de z / 2  1.96 obtenido de la Tabla 1 del
apéndice para un área a la izquierda de 0.9750

5.6 2 6.3 2 5.6 2 6.3 2

(78.3  87.2 )  1.96    1   2  (78.3  87.2 )  1.96 
50 50 50 50

encontramos
 11 .2364   1   2  6.5636

En la cual observamos que la resistencia de la marca B es al menos 6.5636 Kg más que la de la

marca A.

Ejemplo 3.5 Los siguientes datos son las horas-hombre que semanalmente se pierden en
promedio por accidentas en diez plantas industriales antes y después de que se implantara cierto
programa de seguridad. Obtener un intervalo de confianza del 95% para la diferencia en el
número promedio de accidentes antes y después del programa de seguridad.

Planta: 1 2 3 4 5 6 7 8 9 10
Antes: 45 73 46 124 33 57 83 34 26 17
Después: 36 60 44 119 35 51 77 29 24 11
Diferencia, di: 9 13 2 5 -2 6 6 5 2 6

Solución

Dado que las observaciones “antes” y “después” no son independientes, puesto que se refieren a
la misma planta, debemos aplicar el procedimiento para observaciones pareadas (caso 10, del
formulario), con una diferencia promedio d  5.2 , una desviación estándar de las diferencias
sd  4.077 y con el valor de t / 2 ,v  2.26 de la tabla T.3 para un nivel de confianza del 95% y

con 9 grados de libertad

10) Intervalo de confianza para observaciones pareadas (  D =  1 -  2).

sd sd
d  t  / 2 ,v   1   2  d  t  / 2 ,v
n n

MOISÉS MUÑOZ DÍAZ 55

Estadística I
___________________________________________________________________________________

Sustituyendo los valores encontrados

 4.077   4.077 
5.2  2.26      1   2  5.2  2.26   
 10   10 

Obtenemos

2.2863   1   2  8.1137

Como la diferencia en el número promedio de accidentes disminuyó en al menos dos accidentes,

se tiene una fuerte evidencia de que el programa de seguridad resultó eficaz.

EJERCICIOS 2.4
1. Una muestra aleatoria de tamaño n1 = 25
que se toma de una población normal con
una desviación estándar  1 = 5 tiene una
media x 1  80 . Una segunda muestra
aleatoria de tamaño n2 = 36, tomada de una
población normal diferente con una des-
viación estándar  2 = 3, tiene una media
x 2  75 . Encuentre un intervalo de
confianza del 94% para  1   2 .
2. Se comparan dos tipos de rosca de tornillo
para ver su resistencia a la tensión. Se
prueban 50 piezas de cada tipo de cuerda
bajo condiciones similares. La marca A
tuvo una resistencia promedio a la tensión
de 78.3 kilogramos con una desviación
estándar de 5.6 kilogramos, mientras que la
marca B tuvo una resistencia
promedio a la tensión de 87.2 kilogramos
con una desviación estándar de 6.3 kilogra-
mos. Determine un intervalo de confianza
del 95% para la diferencia de las dos
medias poblacionales.
3. Se realizó un estudio para determinar si
cierto tratamiento metálico tenía algún
efecto en la cantidad de metal eliminado en
una operación de inmersión en ácido. Se
sumergió una muestra de 100 piezas en un
baño durante 24 horas sin el tratamiento,
dando un promedio de 12.2 milímetros de
metal removido y una desviación estándar
muestral de 1.1 milímetros. Una segunda
muestra de 200 piezas se expuso al
tratamiento y después a una inmersión en el
baño durante 24 horas, lo que resultó en un
eliminación promedio de 9.1 milímetros de
metal con una desviación estándar muestral
de 0.9 milímetros. a) Calcule una
estimación del 98% de confianza para la
diferencia de las medias poblacionales. b)
¿Parece que el tratamiento reduce la
cantidad promedio de metal removido?
4. En un proceso químico. se comparan dos
catalizadores para verificar su efecto en el
resultado de la reacción del proceso. Se
preparó una muestra de 12 procesos
utilizando el catalizador 1 y una de 10 con
el catalizador 2. En el primer caso se
obtuvo un rendimiento promedio de 85 con
una desviación estándar muestral de 4,
mientras que el promedio para la segunda
muestra fue de 81 y la desviación estándar
muestral de 5. Encuentre un intervalo de
confianza del 90% para la diferencia entre
las medias poblacionales, suponiendo que
las poblaciones están distribuidas
aproximadamente en forma normal con
variancias iguales.
5. Los estudiantes pueden seleccionar entre un
curso de física de 3 semestres-hora sin
laboratorio y un curso de 4 semestres-hora
con laboratorio. El examen escrito final es
el mismo para ambas secciones. Si doce

56 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros
estudiantes de la sección con laboratorio
obtuvieron una calificación promedio de 84
con una desviación promedio de 4 y los
mismos parámetros para los 18 estudiantes
de la sección sin laboratorio fueron de 77 y
de 6, respectivamente. Encuentre un
intervalo de confianza del 99% para la
diferencia entre las calificaciones promedio
de los dos cursos. Asuma que las pobla-
ciones están distribuidas aproximadamente
en forma normal con variancias iguales.
6. En un estudio que se realizó en los Virginia
Polytechnic Institute and State Unjversity
en 1983 sobre el desarrollo de una relación
simbiótica entre las raíces de los árboles y
un bongo que transfiere minerales a los
árboles y absorbe azúcares de los árboles,
se plantaron 20 robles rojos con el bongo
Pisolithus tinctorus en un invernadero.
Todos los árboles se plantaron en el mismo
tipo de terreno y recibieron la misma
cantidad de sol y agua. La mitad no recibió
nitrógeno al momento de plantarse con
objeto de que sirviera como control y la
otra mitad recibió 368 ppm de nitrógeno en
la forma NaN03. Al final de 140 días, se
registraron los siguientes valores en gramos para los
pesos de los troncos:
Sin Con
nitrógeno nitrógeno
0.32 0.26
0.53 0.43
0.28 0.47
0.37 0.49
0.47 0.52
0.43 0.75
0.36 0.79
0.42 0.86
0.38 0.62
0.43 0.46
Calcule un intervalo de confianza de1 95%
para la diferencia de los pesos promedio de
los troncos entre aquéllos que no recibieron
nitrógeno y los que recibieron 368 ppm del
mismo. Asuma que las poblaciones están
MOISÉS MUÑOZ DÍAZ
normalmente distribuidas con variancias
iguales.
7. Se registraron los siguientes datos en días, que
representan los tiempos de recuperación de pa-
cientes tratados aleatoriamente con uno de dos
medicamentos para aliviados de graves
infecciones en la vesícula:
Medicamento 1 Medicamento 2
n1  14 n2  16
x 1  17 x 2  19
s12  1.5 s 22  1.8
Encuentre un intervalo de confianza del
99% para la diferencia  2   1 en el
tiempo promedio de recuperación para los
dos medicamentos. Suponiendo
poblaciones normales con variancias igua-
les.
8. En un experimento que Se reseñó en
Popular Science en 1981, se comparaban
las economías de combustible para dos
tipos de minivehículos diesel equipados en
forma similar. Se supone que se utilizaron
12 automóviles Volkswagen y 10 Toyota en
pruebas a velocidad fija de 90 kilómetros
por hora. Si para los 12 Volkswagen se
obtuvo un promedio de 16 kilómetros por
litro con una desviación estándar de 1.0
kilómetro por litro y para los 10 Toyota
aquél fue de 11 kilómetros por litro, con
una desviación estándar de 1.8 kilómetros
por litro, calcule UD intervalo de confianza
de 90% para la diferencia entre los
kilómetros promedio por litro de estos dos
miniautomóviles. Asuma que las distancias
por litro para cada modelo de vehículo se
distribuye aproximadamente en forma nor-
mal con variancias iguales.
9. Una compañía de taxis está tratando de
decidir si comprar la marca A o la marca B
de neumáticos para su flotilla de
automóviles. Para estimar la diferencia
entre dos marcas, se lleva a cabo un
57
Estadística I
___________________________________________________________________________________

experimento con 12 neumáticos de cada variedades de trigo. Cada variedad se

marca. Los neumáticos se utilizan basta que plantó en parcelas de igual superficie en
se gastan. Los resultados son: cada universidad y los rendimientos, en
kilogramo por parcela, se registraron como sigue:
x 1  36300 Km
Marca A Variedad
s1  5000 Km
x 2  38100 Km Universidad 1 2
Marca B 1 38 45
s 2  6100 Km
2 23 25
Calcule un intervalo de confianza del 99%
3 35 31
para  1   2 , suponiendo que las
poblaciones tienen distribución normal 4 41 38
5 44 50
10. Los siguientes datos representan los
tiempos de duración, en minutos, de las 6 29 33
películas que producen dos compañías 7 37 36
cinematográficas 8 31 40
Cía. I 103 94 110 87 98 9 38 43
Cía. II 97 82 123 92 175 88 118
Encuentre un intervalo de confianza del
95% para la diferencia promedio entre los
Calcule un intervalo de confianza del 90% rendimientos de las dos variedades.
para la diferencia entre los tiempos Asumiendo que las diferencias de
promedio de duración de las películas que rendimiento están distribuidas aproximada-
producen las dos compañías. Suponga que mente en forma normal. Explique por qué
las diferencias del tiempo de duración el pareamiento es necesario en este
tienen una distribución aproximadamente problema.
normal.
11. El gobierno otorgó fondos a los
departamentos de agricultura de nueve
universidades para que probaran las
capacidades de rendimiento de dos nuevas

58 MOISÉS MUÑOZ DÍAZ

3.6 Intervalo de confianza para P (muestras grandes). Si p̂  x / n , es la proporción de
éxitos en una muestra aleatoria de tamaño n, y q̂  1  p̂ , un intervalo de confianza aproximado
del (1   ) 100% para el parámetro binomial P es:

p̂q̂ p̂q̂
p̂  z / 2  P  p̂  z / 2
n n

donde es z/2 el valor de z a la derecha del cual se tiene un área de  /2

Teorema 3.3 Sí se utiliza p̂ como una estimación de P, se puede tener una confianza del

(1   )100% de que el error E no excederá de z / 2 p̂q̂ / n .

Teorema 3.4 Sí se utiliza p̂ como una estimación de P, se puede tener una confianza del
(1   )100% de que el error no excederá de una cantidad específica E cuando
el tamaño de la muestra es

2 2
z  1  z / 2 
n    / 2  p̂q̂ si no se tiene p̂ entonces nmax   
 E  4  E 

3.7 Intervalo de confianza para P1  P2 (muestras grandes). Si p̂1 y p̂2 son las
proporciones de éxitos en muestras aleatorias de tamaños n1 y n2 , respectivamente,

q̂ 1  1  p̂ 1 y q̂ 2  1  p̂ 2 , un intervalo de confianza aproximado del (1-  )100% para la

diferencia entre los dos parámetros binomiales, P1  P2 es:

p̂1q̂1 p̂2 q̂2 p̂1q̂1 p̂ q̂

( p̂1  p̂2 )  z /2   P1  P2  ( p̂1  p̂2 )  z /2  2 2
n1 n2 n1 n2

57 José Armando Rodríguez Romo

Estadística I
___________________________________________________________________________________

Ejemplo 3.6 En una muestra aleatoria de de n  500 familias que tienen televisores en la ciudad
de Hamilton, Canadá, se encuentra que x  340 están suscritas a HBO. a) Encuentre un intervalo
de confianza del 95% para la proporción real de familias en esta ciudad que están suscritas a
HBO; b) ¿Qué tan grande se requiere que sea una muestra si queremos tener el 95% de confianza
de que nuestra estimación de P esté dentro de 0.02?

Solución

a) Dado que se tienen una muestras aleatorias grande ( n  500 ), de una población grande,

utilizaremos el caso 4; con x  340 , pˆ  340 1    0.95 .

500 y

p̂q̂ p̂q̂
4) Intervalo de confianza para P (muestras grandes). p̂  z / 2  P  p̂  z / 2
n n

Sustituyendo los valores de las muestras y el valor de z / 2  1.96 obtenido de la Tabla 1 del
apéndice para un área a la izquierda de 0.9750

(0.68 )(0.32 ) (0.68 )(0.32 )

0.68  1.96  P  0.68  1.96
500 500

encontramos

0.64  P  0.72

b) Tratando las 500 familias como una muestra preliminar que proporciona una estimación

pˆ  340  0.68 , y E  0.02 Entonces, por el teorema 2.4

500
2 2
z  1  z / 2 
Teorema 2.4 n    / 2  p̂q̂ si no se tiene p̂ entonces nmax   
 E  4  E 

Sustituyendo
2
 1.96 
n  (0.68 )(0.32 )  2090 Familias
 0.02 

58 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros
EJERCICIOS 2.5
1.a) Se selecciona una muestra aleatoria de
200 votantes y se encuentra que 114
respaldan un convenio de anexión.
Encuentre el intervalo de confianza del
96% para la fracción de la población de
votantes que favorece el convenio.
b) ¿Qué se puede afirmar con una confianza
de 96% acerca de la posible magnitud del
error si se estima que la fracción de
votantes que favorecen el convenio de
anexión es 0.57?
2.a) Se selecciona una muestra aleatoria de
500 fumadores de cigarro y se encuentra
que 86 de ellos prefieren la marca X.
Encuentre el intervalo de confianza de
90% para la fracción de la población de
fumadores que prefieren la marca X.
b) ¿Qué se puede afirmar con una confianza
de 90% acerca de la posible magnitud del
error si se estima que la fracción de
fumadores que prefieren la marca X es
0.1721?
3. En una muestra aleatoria de 1000 casas en
una determinada ciudad, se encuentra que
228 de ellas tiene calefacción de petróleo.
Encuentre el intervalo de confianza de 99%
para la proporción de hogares en esta ciudad
que tiene este tipo de calefacción.
4. Calcule un intervalo de confianza del 98%
para ]a proporción de artículos defectuosos
en un proceso cuando se encuentra que en
una muestra de tamaño 100, ocho tienen
fallas.
5. Se está considerando un nuevo sistema de
lanza. miento de cohetes para el despliegue
de cohetes pequeños de corto alcance. El
sistema actual tiene una P = 0.8 como
probabilidad de un lanzamiento exitoso.
Una muestra de 40 lanzamientos experi-
mentales se realiza con el nuevo sistema y
34 de ellos tienen éxito.
a) Determine un intervalo de confianza de
95% para P.
MOISÉS MUÑOZ DÍAZ
b) ¿Consideraría usted que el nuevo sistema
es mejor?
6. Un especialista en genética está interesado
en la proporción de hombres
africanos que presentan un desorden
sanguíneo leve. En una muestra aleatoria de
100 de ellos. se encontró que 24
presentaban dicho desorden.
a) Calcule un intervalo de confianza de 99%
para la proporción de hombres africanos
que tienen este desorden sanguíneo.
b) ¿Qué se puede afirmar con una confianza
del 99% acerca de la posible magnitud del
error si se estima que la proporción de
personas con este desorden sanguíneo es
0.24?
7.a) De acuerdo con un informe que se publicó
en el Roanoke Times & Wor/d. News, el 20
de agosto de 1981, aproximadamente 2/3
de los 1600 adultos investigados por
teléfono dijeron que piensan que el
programa espacial es una buena inversión
del país. Encuentre un intervalo de
confianza del 95% para la proporción de
adultos en los Estados Unidos que piensa
que el programa espacial es Una buena
inversión para el país.
b) ¿Qué se puede afirmar con una confianza
del 95% acerca de la posible magnitud del
error si se estima que la proporción de
estos adultos que consideran al programa
espacial como una buena inversión es
2/3?
8. El artículo de periódico al que se hizo
referencia en el ejercicio 7, 32% de los
1600 adultos interrogados dijeron que el
programa espacial de los Estados Unidos
debe hacer hincapié en la exploración cien-
tífica. ¿Qué tan grande se requiere que sea
la muestra de adultos si se desea tener una
confianza de 95% de que el porcentaje
estimado estará dentro del 2% del
59
Estadística I
___________________________________________________________________________________
porcentaje real?
9. ¿Qué tan grande debe ser una muestra en el
ejercicio 1 si se desea obtener una
confianza de 96% de que la proporción
muestral estará dentro del 0.02 de la
fracción real de la población de votantes?
10. ¿Qué tan grande debe ser una muestra en el
ejercicio 3 si se desea tener una confianza
del 99% de que la proporción muestral
estará dentro del 0.05 de la proporción real
de hogares en esta ciudad que utilizan
calefacción de petróleo?
11. ¿Qué tan grande debe ser una muestra en el
ejercicio 4 si se desea tener una confianza
del 98% de que la proporción muestral
estará dentro del 0.05 de la proporción real
de partes defectuosas?
12. Se realiza un estudio para estimar el
porcentaje de ciudadanos de un pueblo que
están a favor de que su agua se trate con
flúor. ¿Qué tan grande debe ser una
muestra si se desea tener una confianza al
menos del 95% de que la estimación estará
dentro del 1% del porcentaje real
13. De acuerdo con el doctor Memory Elvin-
Lewis, jefe del departamento de
microbiología de la Washington University
School oí Dental Medicine en San Luis, un
par de tasas diarias de té, proporciona
suficiente flúor para evitar la caída de los
dientes. A las personas a las que no les
gusta el té y viven en áreas carentes de
flúor deben pedir a las autoridades locales
que consideren la posibilidad de tratar sus
aguas con flúor. ¿Qué tan grande debe ser
una muestra para estimar el porcentaje de
ciudadanos en un cierto pueblo que están a
favor de que sus aguas se traten con flúor si
se desea tener una confianza de al menos
99% de que la estimación estará dentro del
1 % del porcentaje real?
14. Se realiza un estudio para estimar la
proporción de residentes en una ciudad y en
60
sus suburbios que están a favor de la
construcción de una planta de energía
nuclear. ¿Qué tan grande debe ser una
muestra si se requiere una confianza al
menos del 95% de que la estimación estará
dentro del 0.04 de la proporción real de
residentes de esta ciudad y sus suburbios
que están a favor de la construcción de la
planta de energía nuclear?
15. Un especialista en genética está interesado
en la proporción de hombres y mujeres en
la población que tienen un leve desorden
sanguíneo. En una muestra aleatoria de
1000 hombres 250 presentaron esta
afección, mientras que en otra del mismo
número de mujeres, 275 de ellas lo
padecían. Calcule un intervalo de confianza
del 95% para la diferencia entre la
proporción de hombres y mujeres que
sufren este desorden sanguíneo.
16. Una firma productora de cigarros asegura
que su marca A de cigarros sobrepasa en
ventas a su marca B en 8%. Si se encuentra
que 42 de 200 fumadores prefieren la
marca A y 18 de 150 fumadores la B,
calcule un intervalo de confianza del 94%
para ]a diferencia entre las proporciones de
ventas de las 2 marcas y determine si la
diferencia del 8% es una afirmación válida.
17. Se lleva a cabo una prueba clínica para
determinar si determinada inoculación
afecta la incidencia de una enfermedad. Se
conservó una muestra de 1000 ratas en un
ambiente controlado durante un año, 500 de
las cuales fueron inoculadas. En el grupo al
que no se le aplicó la droga hubo 120 casos
de esta enfermedad, mientras que del grupo
tratado con la droga, 98 la contrajeron. Si
P1 es la probabilidad de incidencia de la
enfermedad en las ratas no tratadas y P2
la probabilidad de incidencia después de
que recibieron la droga, calcule un in-
tervalo de confianza del 90% para P1  P2
MOISÉS MUÑOZ DÍAZ
 276

________________________________________________________________________ Estimación de Parámetros

3.8 Intervalo de confianza para  2 . Si es la varianza de una muestra aleatoria de tamaño n

de una población normal, un intervalo de confianza del (1   )100% para es:

( n  1 )s 2 2 ( n  1 )s 2
  
 12 / 2 ,v 2 / 2 ,v

donde  12  / 2 , v y 2 / 2, v son valores de  2 con v = n – 1 grados de libertad, con áreas de
1/2 y  / 2 , respectivamente, a la izquierda.

3.9 Intervalo de confianza para  12 /  22 . Si s12 y s22 son las varianzas de dos muestras
independientes de tamaños n1 y n2, respectivamente, de poblaciones normales, entonces un

intervalo de confianza de (1 -  )100% para  1 /  2 es:

2 2

s12 1  12 s12
  fvv2, 1   / 2
s22 fvv1, 1   / 2  22 s22 1

v
donde f v 21,1  / 2 es un valor f con v1 = n1 – 1 y v 2 = n2 – 1 grados de libertad, con un área de

v
1   / 2 a la izquierda y f v 12,1  / 2 es un valor similar f con v2 = n2 – 1 y v1 = n1 – 1 grados

de libertad

Ejemplo 3.6 Una compañía de taxis está tratando de decidir si comprar la marca A o la marca B
de neumáticos para su flotilla de automóviles. Para estimar la diferencia entre dos marcas, se
lleva a cabo un experimento con 12 neumáticos de cada marca. Los neumáticos se utilizan basta

que se gastan. Calcule un intervalo de confianza del 98% para  12  22 , suponiendo que las
poblaciones tienen distribución normal. Los resultados son:

x 1  36300 Km
Marca A
s1  5000 Km
x 2  38100 Km
Marca B
s 2  6100 Km
Solución
Se escoge el caso 12, el intervalo de confianza de la razón de dos varianzas con s1  5000 Km y

s2  6000 Km con f 1111, 0.99  4.47

MOISÉS MUÑOZ DÍAZ 61

Estadística I
___________________________________________________________________________________

s12 1  12 s12
12) Intervalo de confianza para  /  2 2   fvv 2, 1   / 2
1 2
s22 fvv1, 1   / 2  22 s22 1

Sustituyendo
(5000 ) 2 1  12 ( 5000 ) 2
  ( 4.47 )
(6000 ) 2 4.47  22 (6000 ) 2

Obtenemos
 12
0.1554   3.1042
 22

Como el valor 1, cabe dentro del intervalo, no se descarta la idea de que las varianzas de las dos
marcas sean iguales.

3.10. Determinación del tamaño de muestra

3.10.1. Basado en la media de la Población

Teorema 3.2 Sí se utiliza x como una estimación de  , se puede tener una confianza del

(1   )100% de que el error no excederá de una cantidad específica E cuando el tamaño de la

n   z / 2 / E 
2
muestra es

3.10.2. Basado en la proporción de la Población

Teorema 3.4 Sí se utiliza p̂ como una estimación de P, se puede tener una confianza del
(1   )100% de que el error no excederá de una cantidad específica E cuando el tamaño de la
muestra es
2 2
z  1  z / 2 
n    / 2  p̂q̂ si no se tiene p̂ entonces nmax   
 E  4  E 

3.10.3. Basado en la diferencia entre las medias de la Población

Teorema 3.5 Sí se utiliza x como una estimación de  , se puede tener una confianza del

(1   )100% de que el error no excederá de una cantidad específica E cuando el tamaño de la

2
z 
muestra es n    / 2  (  12   22 )
 E 

62 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros
EJERCICIOS 3.5
1. Un fabricante de baterías para automóvil
asegura que sus baterías duran, en
promedio, 3 años con una variancia de 1
año. Si 5 de estas baterías tienen duraciones
de 1.9, 2.4, 3.0, 3.5 y 4.2 años determine un
intervalo de confianza del 95% para  2 e
indique si es válida la afirmación del
fabricante de que  2  1 . Suponga que la
población de las duraciones de las baterías
se distribuye aproximadamente en forma
normal.
2. Se obtiene una muestra aleatoria de 20
estudiantes con una media de x  72 y una
variancia de s 2  16 en un examen de
ubicación de matemáticas. Suponga que las
calificaciones tienen una distribución
normal y determine un intervalo de
confianza del 98% para  2 .
3. Determine un intervalo de confianza del 95%
para  en el ejercicio 12 de la página 30.
4. Determine un intervalo de confianza del 99%
para  2 del ejercicio 13 de la página 30.
5. Determine un intervalo de confianza del 99%
MOISÉS MUÑOZ DÍAZ
para  en el ejercicio 14 de la página 30.
6. Determine un intervalo de confianza del 90%
para  en el ejercicio 15 de la página 30.
7. Determine un intervalo de confianza de 98%
1
para
 2 el ejercicio 8 de la página 35.
donde  1 y  2 son, respectivamente, las
desviaciones estándar para las distancias
que se obtuvieron por litro de combustible
para los minivehículos Volkswagcn y
Toyota
8. Determine un intervalo de confianza del
90% para  12 /  22 en el ejercicio 9 de la
página 35. ¿Se justifica la suposición de
que  12   22 cuando se determinó el
intervalo de confianza para  1   2 ?
9. Determine un intervalo de confianza del
90% para  12 /  22 en el ejercicio 10 de la
página 35. ¿Se debió suponer que  12   22
al determinar el intervalo de confianza para
 II   I ?
63
Estadística I
___________________________________________________________________________________

Formulario de Estimación

 
1) Intervalo de confianza para  , conociendo  . x  z / 2    x  z / 2
n n

s s
2) Intervalo de confianza para  ,  desconocida ( n  30 ). x  z / 2    x  z / 2
n n

s s
3) Intervalo de confianza para  ,  desconocida ( n < 30 ). x  t  / 2    x  t / 2
n n

4) Intervalos de Confianza para la Diferencia de Dos Medias,  1 -  2 ; conociendo  1 y  2 .

2 2

 12  22 2 2
( x1  x2 )  z / 2    1   2  ( x1  x2 )  z / 2 1  2
n1 n2 n1 n2

5) Intervalo de confianza para  1 -  2;  12 y  22 desconocidas (n1 y n2  30)

s12 s22 s12 s22

( x1  x2 )  z / 2   1   2  ( x1  x2 )  z / 2 
n1 n2 n1 n2

6) Intervalo de confianza para  1 -  2;  12   22 pero desconocidas (n1 y n2 < 30)

1 1 1 1
( x 1  x 2 )  t  / 2 ,v s p    1   2  ( x 1  x 2 )  t  / 2 ,v s p 
n1 n 2 n1 n2

donde sp es la estimación común de la desviación estándar poblacional dada por

( n1  1 )s12  ( n2  1 )s22
sp  ; y v  n1  n 2  2 gl
n1  n2  2

7) Intervalo de confianza para  1 -  2;  12   22 y desconocidas (n1 y n2 < 30).

s 12 s 22 s2 s2
( x 1  x 2 )  t  / 2 ,v    1   2  ( x 1  x 2 )  t  / 2 ,v 1  2
n1 n 2 n1 n 2

64 MOISÉS MUÑOZ DÍAZ

________________________________________________________________________ Estimación de Parámetros

s 2
1 / n1  s22 / n2  2
donde t/2, v es el valor de t con v 
( s2
1  
/ n1 )2 /( n1  1 )  ( s22 / n2 )2 /( n2  1 ) 
8) Intervalo de confianza para observaciones pareadas (  D =  1 -  2).

sd sd
d  t  / 2 ,v   1   2  d  t  / 2 ,v
n n

p̂q̂ p̂q̂
9) Intervalo de confianza para P (muestras grandes). p̂  z / 2  P  p̂  z / 2
n n

10) Intervalo de confianza para P1  P2 (muestras grandes).

p̂1q̂1 p̂2 q̂2 p̂1q̂1 p̂ q̂

( p̂1  p̂2 )  z /2   P1  P2  ( p̂1  p̂2 )  z /2  2 2
n1 n2 n1 n2

( n  1 )s 2 2 ( n  1 )s 2
11) Intervalo de confianza para  2 .   
 12 / 2 ,v 2 / 2 ,v

s12 1  12 s12
12) Intervalo de confianza para  /  2 2   fvv 2, 1   / 2
1 2
s22 fvv1, 1   / 2  22 s22 1

Determinación del tamaño de muestra

n   z / 2 / E 
2
Basado en la media de la Población

Basado en la proporción de la Población

2 2
z  1  z / 2 
n    / 2  p̂q̂ si no se tiene p̂ entonces nmax   
 E  4  E 

2
z 
Basado en la diferencia entre las medias de la Población n    / 2  (  12   22 )
 E 

MOISÉS MUÑOZ DÍAZ 65