Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE QUíMICA
P.E. DE INGENIERO QUÍMICO
Material didáctico
Modalidad: Solo visión proyectable (diapositivas)
Responsable de la Elaboración:
SANDRA LUZ MARTÍNEZ VARGAS
1
mayo 2014
Presentación de la UA de Probabilidad y
Estadística
La Unidad de Aprendizaje (UA) de Probabilidad y Estadística se ubica en el
núcleo básico del currículo de Ingeniero Químico y su importancia radica en que
es una herramienta fundamental para el ingeniero químico en la actualidad
puesto que le permite resolver problemas relacionados el control estadístico de
procesos, logística, integración de bases de datos y en el desarrollo de
experimentos, entre otros.
La contribución de esta UA al perfil de egreso del ingeniero químico se centra en
la promoción de competencias como analizar, sintetizar y discriminar
información y su representación en tablas y gráficas; además de su capacidad
de intervenir y decidir en la solución de problemas relacionados con las áreas de
producción, procesos, calidad y desarrollo tecnológico, mediante la aplicación
de herramientas estadísticas.
Las competencias que la UA promueve en el estudiante son de carácter integral,
el nivel cognoscitivo pretende alcanzar los niveles de comprensión de conceptos
y su aplicación en la solución de los problemas antes citados.
La UA consta de seis unidades: Estadística descriptiva; Probabilidad;
Distribuciones de probabilidad de variables discretas y distribuciones de
probabilidad de variables continuas; Intervalos de confianza; Pruebas de
hipótesis; Regresión y correlación. Sustentada en un proceso educativo que se
centra en el estudiante, con la finalidad de propiciar el autoaprendizaje
desarrollando de manera integral habilidades, actitudes y valores. Por lo que
estrategias como la investigación individual y grupal, trabajos grupales,
resolución de problemas, exposiciones del profesor y de los estudiantes, así
como la resolución de problemas en la sala de cómputo conformaran las
actividades centrales durante el semestre.
Los criterios de evaluación tienen un carácter de proceso continuo en el cual la
realimentación oportuna a los estudiantes acerca de su desempeño será factor
clave en el aprendizaje, de manera que el estudiante realizará trabajos previos
y posteriores a las sesiones de clase como: investigación documental de temas,
elaboración de representaciones gráficas y resolución de problemas; trabajo
activo en clase (resolución de problemas tipo y exposiciones ante el grupo);
2 y
presentación de las evaluaciones tanto las que señale el calendario oficial
respectivo.
Objetivo de la UA de Probabilidad
y Estadística
Los discentes del programa educativo de Ingeniero Químico
mediante trabajo individual y en equipo serán capaces de
obtener modelos estadísticos que permitan resolver
problemas de cinética química, ingeniería de reactores,
ingeniería de procesos entre otros. Al finalizar la unidad de
aprendizaje el discente será capaz de analizar y discriminar
la información con que se cuente para poder resolver
problemas que involucren intervalos de confianza y pruebas
de hipótesis, relaciones de regresión y correlación de
variables. Además de proyectar comportamientos de las
variables a través de la inferencia estadística. Manteniendo
una disposición a la tolerancia, respeto, a aprender a
aprender; y una visión orientada a la calidad en el trabajo y
al trabajo en equipo; mediante el trabajo en equipo,
trabajo individual, uso de herramientas de cómputo,
búsqueda de información, capacidad de análisis, resolución
3
de problemas.
Guía para la utilización del material
Este paquete contiene 93 diapositivas que tienen
como propósito que los estudiantes de la UA de
Probabilidad y Estadística, cuenten con un
material de apoyo para la Unidad IV Intervalos de
Confianza, pretendiendo facilitar la comprensión de
la temática abordada en la misma.
4
Contenido del material de apoyo
Definición de Intervalo de Confianza
Intervalo de confianza para la media de una población normal con
varianza conocida
Intervalo de confianza para la media de una población con varianza
desconocida
Intervalo de confianza para la varianza de una distribución normal
Intervalo de confianza para el cociente de dos varianzas en
poblaciones normales
Intervalo de confianza de muestra grande para una proporción
poblacional p
Intervalo de confianza para la diferencia
de dos proporciones
Intervalo de confianza para la diferencia de medias de dos
poblaciones de varianzas conocidas
Intervalo de confianza para la diferencia de medias poblacionales
con varianzas desconocidas pero iguales
Intervalo de confianza para la diferencia de medias de dos
poblaciones con varianzas desconocidas y diferentes
Errores y tamaños de muestra 5
Referencias Bibliográficas
DEFINICIÓN
6
DEFINICIÓN
La probabilidad de éxito, en la
estimación del intervalo se
representa con 1-α y se denomina
nivel de confianza.
8
Para la construcción de un
determinado intervalo de
confianza (1-α)100% es necesario
conocer la distribución teórica que
sigue el parámetro estadístico a
estimar, θ.
10
“Intervalo de confianza para la
media de una población normal
con varianza conocida”
11
DEFINICIÓN
ത
𝑋−𝜇
Donde 𝑍= 𝜎/ 𝑛
ത
𝑋−𝜇
Por ello, 𝑃 −𝑧𝛼/2 < < 𝑧𝛼/2 = 1 − 𝛼 12
𝜎/ 𝑛
Sustituyendo y despejando se obtiene
𝑋ത − 𝜇
𝜎/ 𝑛 𝑃 −𝑧𝛼/2 < 𝜎 < 𝑧𝛼/2 = 1 − 𝛼
𝑛
𝜎 𝜎
𝑃 −𝑧𝛼/2 < 𝑋ത − 𝜇 < 𝑧𝛼/2 =1−α
𝑛 𝑛
𝜎 𝜎
Restando 𝑋ഥ 𝑑𝑒 𝑃 −𝑧𝛼/2 < 𝑋ത − 𝜇 < 𝑧 =1−α
𝑛 𝑛 𝛼/2
𝜎 𝜎
−1 𝑃 −𝑋ത − 𝑧𝛼/2 < −𝜇 < 𝑧𝛼/2 − 𝑋ത =1−α
𝑛 𝑛
𝜎 𝜎
Definiendo al intevalo como: 𝑃 𝑋ത − 𝑧𝛼/2 < 𝜇 < 𝑋ത + 𝑧 =1−α
𝑛 𝑛 ∝/2
13
Para muestras de tamaño 𝑛 ≥ 30, donde la forma de las distribuciones
no este muy sesgada, la teoría de muestreo garantiza buenos
resultados. Los valores de las variables aleatorias 𝜃𝐿 𝑦 𝜃𝑈 , son los
límites de confianza
𝜎 𝜎
መ
𝜃𝐿 = 𝑥ҧ − 𝑧𝛼 መ
𝑦 𝜃𝑈 = 𝑥ҧ + 𝑧𝛼
2 𝑛 2 𝑛
Ejemplo:
Se encuentra que la concentración promedio de zinc obtenida de una
muestra de mediciones en 36 sitios diferentes es 2.6 gramos por
mililitro. Encuentre los intervalos de confianza de 95 y 99 porciento
para la concentración media de zinc en el río. Suponga que la
desviación estándar de la población es 0.3
14
Ejemplo
Para 95%
La estimación puntual de μ es 𝑥ҧ = 2.6 el valor z que deja un área de 0.025 a la
derecha y, por lo tanto un área de 0.975 a la izquierda es 𝑧0.025 = 1.96*
0.3 0.3
2.6 − 1.96 < 𝜇 < 2.6 + 1.96
36 36
2.50 < 𝜇 < 2.70
*Todos los valores de tablas son del : Walpole, Myers. (2007) Tabla A3 en “Probabilidad y
Estadística para ingeniería y ciencias”. (8ª ed.). Pearson Education. 15
“Intervalo de confianza para
la media de una población
con varianza desconocida”
16
Introducción
Utilizar muestras pequeñas, siempre y cuando la muestra tenga
un comportamiento normal.
Esta teoría también es conocida como: teoría exacta del
muestreo (porque también puede ser utilizada en muestras
aleatorias grandes).
σ𝑛 2
𝑖=1 𝑥𝑖 − 𝑥ҧ
𝑠2 =
𝑛−1
18
Student t
Se tiene una muestra con una población normal con
media μ y varianza 𝜎 2 .
Su distribución seria:
𝑥ҧ − 𝜇
𝑧=𝜎
ൗ 𝑛
19
Cuando la varianza es desconocida
La media y la varianza de la distribución t son
En Resumen:
21
Gráfica de Intervalo de
Confianza.
95%
22
Para este caso se aplica la distribución muestral de T:
𝑋ത − 𝜇
𝑇=
𝑆/ 𝑛
𝑋ത − 𝜇
𝑃 −𝑡𝛼/2 < < 𝑡𝛼/2 = 1 − 𝛼
𝑆/ 𝑛
Simplificando obtenemos:
𝑆 𝑆
𝑃 𝑋ത − 𝑡𝛼 ത
< 𝜇 < 𝑋 + 𝑡𝛼/2 =1−𝛼
2 𝑛 𝑛 23
Si x y s son la media y la desviación estándar
de una muestra aleatoria de tamaño n<30,
tomada de una población aproximadamente
normal con variancia desconocida 𝜎 2 , un
intervalo de confianza (1-α)100% para μ
estará dada por:
𝑠 𝑠
𝑋ത − 𝑡𝛼 < 𝜇 < 𝑋ത + 𝑡𝛼/2
2 𝑛 𝑛
27
Ejemplo No.2:
Un ingeniero químico afirma que el rendimiento medio de la
población de cierto proceso en lotes es 500 gramos por
milímetro de materia prima. Para verificar esta afirmación
toma una muestra de 25 lotes cada mes. Si el valor de t
calculado cae entre –t0.05 y t0.05, queda satisfecho con su
afirmación. ¿Qué conclusión extraería de una muestra que
tiene una media de 518 gramos por milímetro y una
desviación estándar de 40 gramos? Suponga que la
distribución de rendimientos es aproximadamente normal.
𝑋ത − 𝜇 518 − 500
𝑡= = = 2.25
𝑠/ 𝑛 40/ 25 28
“Intervalo de confianza para
la varianza de una distribución
normal”
29
introducción
La estadística estandarizada
σ 𝑥𝑖 − 𝑥ҧ 2
𝑠2 =
𝑛−1
Recibe el nombre de variable ji cuadrada y tiene una
distribución de muestreo llamada distribución de
probabilidad ji cuadrada (o X²), con n-1 grados de
libertad.
La curva de esta función es la siguiente
30
INTRODUCCIÓN
La expresión para el intervalo de confianza, con nivel
de confianza 1−α es el siguiente
30(31) 30(31)
< 𝜎2 <
42.56 17.71
33
2.2134 < 𝜎 2 <15.7826
“Intervalo de confianza para el
cociente de dos varianzas en
poblaciones normales”
Gráfica
Estadístico de prueba
2
𝑠1 Donde 𝑠12 es la varianza
𝐹= muestral más grande
𝑠22
Una forma de comparar dos varianzas
poblacionales, 𝑆12 𝑦 𝑆22 es usar la razón entre las
varianzas muestrales, 𝑆12 𝑦 𝑆22 . Si 𝑆12 𝑦 𝑆22 es casi igual
a 1, se puede considerar que 𝑆12 𝑦 𝑆22 son iguales. Por
otra parte, un valor muy grande o muy pequeño
para 𝑆12 𝑦 𝑆22 da evidencia de una diferencia en las
varianzas poblacionales.
Intervalo de Confianza
𝑠12 92000
𝐹= 2= = 2.486486
𝑠2 37000
𝜎12
1.22 < 2 < 5.17
𝜎2
EJEMPLO2 2
𝑠12 1 𝜎12 𝑠12
< 2 < 2 𝐹𝑑𝑓2 ,𝑑𝑓1
𝑠2 𝐹𝑑𝑓1,𝑑𝑓2 𝜎2 𝑠2
42
Introducción
Es una distribución binomial con aproximación a la normal.
Un intervalo de confianza de muestra grande (1— α)100%
para una proporción poblacional p
𝑝𝑞
𝑝Ƹ ± 𝑧𝛼/2
𝑛
donde zα/2 es el valor z correspondiente a un área de α/2 en
la cola derecha de una distribución normal z. Como p y q son
incógnitas, se estiman con el uso de los mejores estimadores
puntuales: 𝐩ෝy𝒒ෝ.
𝑛𝑝Ƹ − 𝑛𝑝 𝑛 𝑝Ƹ − 𝑝
𝑧= =
𝑛𝑝(1 − 𝑝) 𝑛𝑝(1 − 𝑝)
𝑝Ƹ − 𝑝 𝑝Ƹ − 𝑝
𝑧= =
𝑛𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝑛 2 𝑛
𝑥 = 𝑝𝑛
Ƹ
43
Introducción
44
Ejemplo
Una muestra aleatoria de 985 “probables”
electores, o sea los que probablemente
voten en la próxima elección, fueron
encuestados durante un maratón telefónico
realizado por el Partido Republicano. De
ellos, 592 indicaron que tenían la intención
de votar por la candidata republicana.
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 republicana. Con base
en esta información, ¿se puede concluir que
la candidata ganará la elección? 45
46
“Intervalo de confianza para
la diferencia
de dos proporciones”
47
introducción
𝑝1 𝑞1 𝑝1 𝑞1
Varianza de 𝜎2 (𝑝ො1 −𝑝ො2 ) = −
𝑛1 𝑛1
𝑥1 𝑥2
𝑝Ƹ1 = y 𝑝Ƹ 2 =
𝑛 𝑛
(𝑝Ƹ1 −𝑝Ƹ 2 ) − ( 𝑝1 − 𝑝2 )
Z=
𝑝1 𝑞1 𝑝2 𝑞2
+
𝑛1 𝑛2
Coeficiente de
confianza
(1-α)
α α/2 𝑍α/2
0.9 0.1 0.05 1.645
0.95 0.05 0.025 1.96
0.98 0.02 0.01 2.33 51
0.99 0.01 0.005 2.58
ejemplo 1
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 se tabulan: 52
1. Estime la diferencia en las proporciones verdaderas a
favor de la propuesta de bono con un 99% de nivel de
confianza.
53
Solución
1. La mejor estimación puntual de la diferencia (𝑝1 −𝑝2 ) está dada por
(𝑝Ƹ1 −𝑝Ƹ 2 ) = 0.76 − 0.65 = 0.11
Sustituyendo valores y resolviendo:
𝑝1 𝑞1 𝑝2 𝑞2
(𝑝Ƹ1 −𝑝Ƹ 2 ) ± 2.58 +
𝑛1 𝑛2
0.11 ± 2.58(0.0770)
0.11 ± 475.8 54
solución
O sea,
−0.089 < 𝑝Ƹ1 −𝑝Ƹ 2 < 0.309
56
Solución
1. La mejor estimación puntual de la diferencia (𝑝1 −𝑝ҧ2 ) está dada por
(𝑝1 −𝑝2ҧ ) = 0.67 − 0.53 = 0.14
Sustituyendo valores y desarrollando se obtiene:
57
conclusión
Intervalode confianza de 99%:
0.094 < 𝑝ො1 − 𝑝ො2 < 0.186
58
“Intervalo de confianza para
la diferencia de medias de
dos poblaciones de varianzas
conocidas”
59
Condiciones experimentales y
la unidad experimental
61
Intervalo de confianza
62
Ejemplo 1
63
Solución
64
Ejemplo 2
65
Solución
66
“Intervalo de confianza
para la diferencia de medias
poblacionales con varianzas
desconocidas pero iguales”
67
INTRODUCCIÓN.
Se extraen muestras aleatorias independientes de dos
poblaciones de mediciones n1 y n2 con medias y
varianzas
𝜇1 , 𝜎12 , 𝜇2 , 𝜎22
𝜎12 𝜎22 1 1
+ = 𝜎2 +
𝑛1 𝑛2 𝑛1 𝑛2
𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑡=
1 1
𝑠𝑝 𝑛 + 𝑛
1 2
69
Al usar un promedio ponderado para obtener mejor información se obtiene
el estimador
𝑛1 − 1 𝑠12 + 𝑛2 − 1 𝑠22
𝑠𝑝2 =
𝑛1 + 𝑛2 − 2
1 1 1 1
𝑥ҧ1 − 𝑥ҧ2 − 𝑡𝛼 𝑠𝑝 + < 𝜇1 − 𝜇2 < 𝑥ҧ1 − 𝑥ҧ2 + 𝑡𝛼 𝑠𝑝 +
2 𝑛1 𝑛2 2 𝑛1 𝑛2
70
Ejemplo 1:
Un artículo publicado dio a conocer los resultados de un
análisis del peso de calcio en cemento estándar y en cemento
contaminado con plomo. Los niveles bajos de calcio indican
que el mecanismo de hidratación del cemento queda
bloqueado y esto permite que el agua ataque varias partes de
la estructura del cemento. Al tomar diez muestras de cemento
estándar, se encontró que el peso promedio de calcio es de 90
con una desviación estándar de 5; los resultados obtenidos con
15 muestras de cemento contaminado con plomo fueron de 87
en promedio con una desviación estándar de 4. Suponga que el
porcentaje de peso de calcio está distribuido de manera
normal.
a) Encuentre un intervalo de confianza del 95% para la diferencia
entre medias de los dos tipos de cementos.
b) ¿Es posible afirmar que la presencia del plomo afecte el
mecanismo de hidratación, a partir de a)? Justifique la
respuesta.
71
Cemento estándar Cemento contaminado
𝑛1 = 10 𝑛2 = 15
𝑋ത1 = 90 𝑋ത2 = 87
𝑆1 = 5 𝑆2 = 4
1 1 1 1
𝜇1 − 𝜇2 = 𝑥ҧ1 − 𝑥ҧ2 ± 𝑡𝑠𝑝 + = 90 − 87 ± 2.069 724.41 +
𝑛1 𝑛2 10 15
La expresión se reduce a:
73
INTERPRETACIÓN
Observar que el intervalo de confianza del 95%
incluye al cero, entonces para este nivel de
confianza no puede concluirse la existencia de una
diferencia entre las medias.
74
Ejemplo 2:
Una investigación consiste en la evaluación de la eficacia de un índice
numérico de diversidad de especies para indicar la degradación del
agua debida al drenaje de una mina de ácido. Desde el punto de
vista conceptual, un alto índice de diversidad de las especies macro
invertebrados debe indicar un sistema de agua no contaminado,
mientras que uno bajo, debe indicar un sistema de agua
contaminado.
Para este estudio, se seleccionaron dos estaciones independientes de
muestreo una localizada río abajo del punto de descarga de la mina
y la otra localizada río arriba. Para 12 muestras recogidas río abajo,
el índice de diversidad de especies tuvo un valor promedio de 𝑋ത1 =
3.11y una desviación estándar de 𝑆1 = 0.771, mientras que en 10
muestras recogidas río arriba el valor del índice promedio fue 𝑋ത2 =
2.04 y una desviación estándar de 𝑆2 = 0.448. Encuentre el intervalo
de confianza del 90% para una diferencia de medias poblacionales de
las dos estaciones, asumiendo que las poblaciones están distribuidas
aproximadamente de forma normal con varianzas iguales.
75
76
INTERPRETACIÓN
De aquí que se obtiene una confianza del 90%
de que el intervalo de 0.593 a 1.547 contiene
la diferencia de las medias poblaciones para
valores de los índices de diversidad de
especies en las dos estaciones. El hecho que
ambos límites de confianza sean positivos
indica que, en promedio, el índice para la
estación ubicada río abajo del punto de
descarga es mayor que para la localizada río
arriba.
77
“Intervalo de confianza para
la diferencia de medias de
dos poblaciones con varianzas
desconocidas y diferentes.”
78
Teorema
Si 𝑥1 , 𝑥2 , 𝑠12 , 𝑠22 son las medias y las varianzas
de dos muestras aleatorias de tamaños
𝑛1 , 𝑛2 respectivamente, tomadas de dos
poblaciones normales e independientes con
varianzas desconocidas y diferentes,
entonces un intervalo de confianza para
diferencia entre medias 𝜇1 − 𝜇2 es;
(nuevamente para el caso de muestras
pequeñas):
2 2
𝑠12 𝑠2
+
𝑛1 𝑛2
𝑣= 2 2
𝑠12 𝑠22
𝑛1 𝑛2
+
𝑛1 − 1 𝑛2 − 1
NOTA:
El valor obtenido se redondea al entero próximo.
80
El estadístico usado como estimador puntual de la
diferencia de medias
𝜇1 − 𝜇2 , 𝑠𝑒𝑟á 𝑥1ҧ − 𝑥ҧ2 .
81
Ejemplo
Cierto metal se produce, por lo común, mediante un proceso
estándar. Se desarrolla un nuevo proceso en el que se añade
una aleación a la producción del metal. Los fabricantes se
encuentran interesados al estimar la verdadera diferencia entre
las tensiones de ruptura de los metales producidos por los dos
procesos. Para cada metal se seleccionan 12 ejemplares y cada
uno de éstos se somete a una tensión hasta que se rompe.
La siguiente tabla muestra las tensiones de ruptura de los
𝐾𝑔
ejemplares, en 2
𝑐𝑚
2
𝑠12 𝑠22 14.9 24.8 2
+ +
𝑛1 𝑛2 12 12
𝑣= 2 2 = 2 2 = 𝟏𝟖
𝑠12 𝑠22 14.9 24.8
𝑛1 𝑛2 12 + 12
+ 12 − 1 12 − 1
𝑛1 − 1 𝑛2 − 1
Por lo tanto:
𝑠12 𝑠22 𝑠12 𝑠22
(𝑥ҧ1 − 𝑥ҧ 2 ) − 𝑡 + ≤ 𝜇1 − 𝜇2 ≤ (𝑥ҧ1 −𝑥ҧ 2 ) + 𝑡 +
𝑛1 𝑛2 𝑛1 𝑛2
83
Donde:
𝑡1 𝑦 𝑡2 𝑡1 = 2.10
obtenido de
𝑡2 = −2.10
tablas
(Walpole).
Sustituyendo valores
−𝟐𝟓. 𝟔𝟓 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝟗. 𝟒𝟗
84
Para 99% de confianza
𝑡1 = 2.8
𝑡2 = −2.8
−𝟑𝟐. 𝟏𝟔 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝟏𝟓. 𝟗
85
“Errores y tamaños de
muestra”
86
Para el tamaño de la muestra
𝑒 = 𝑆𝐸(𝑧𝛼 )
2
2
Donde 𝑧 puede ser 𝑡 , 𝑥𝛼 o
𝛼 𝛼
2 2 2
𝑓𝛼
2
87
Para la Media de una población
normal con varianza conocida
Error estándar de 𝑥ҧ
𝜎
𝑆𝐸 =
𝑛
88
Para la Media de una población
normal con varianza desconocida
Error estándar de 𝑥ҧ
𝑠
𝑆𝐸 =
𝑛
Para el tamaño de la muestra:
𝑡𝛼 𝑠 2
2
𝑛 < 30 𝑛=
𝑒
𝑍𝛼 𝜎 2
2
𝑛 ≥ 30 𝑛=
𝑒
89
Para la Varianza de una
población normal
(𝑛 − 1)𝑠 2
𝑆𝐸 =
𝑋𝛼2
2
90
Para el Cociente de dos
varianzas
𝑆𝐸 = 𝐹𝛼;𝑣,𝑣
2 1 2
𝑣1 = 𝑛1 − 1
𝑣2 = 𝑛2 − 1
91
Para la Proporción poblacional 𝑝
en una muestra grande
Error estándar de 𝑝ො
𝑝𝑞
𝑆𝐸 =
𝑛
92
Para la Diferencia de dos
proporciones tomando muestras
grandes
𝑝1 𝑞1 𝑝2 𝑞2
𝑆𝐸 = 𝜎(𝑝ෞ1−𝑝ෞ2) = +
𝑛1 𝑛2
93
Para la Diferencia de dos medias
poblacionales CON VARIANZAs
conocidas
Error estándar de (𝑥1 − 𝑥2 )
𝜎1 2 𝜎2 2
𝑆𝐸 = 𝜎(𝑥1−𝑥2) = +
𝑛1 𝑛2
94
Para la diferencia de medias con
varianzas desconocidas pero
iguales
1 1
𝑆𝐸 = 𝑆𝑝 +
𝑛1 𝑛2
95
Para la Diferencia de medias con
varianzas desconocidas y
diferentes
𝑠1 2 𝑠2 2
𝑆𝐸 = +
𝑛1 𝑛2
96
Ejercicio 1
𝑝𝑞 (0.05)(0.95)
n= 2
𝑛= 2
𝑒 0.01
𝑧α 1.96
2
𝑛 = 1824.76