DISTRIBUCION JI-CUADRADA (X2)

En realidad la distribucin ji-cuadrada es la distribucin muestral de s 2. O sea que

si se extraen todas las muestras posibles de una poblacin normal y a cada
muestra se le calcula su varianza, se obtendr la distribucin muestral de
varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer
el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal
con varianza

, el estadstico:

tiene una distribucin muestral que es una distribucin ji-cuadrada con

gl=n-1 grados de libertad y se denota X2 (X es la minscula de la letra
griega ji). El estadstico ji-cuadrada esta dado por:

donde n es el tamao de la muestra, s2 la varianza muestral y

la
varianza de la poblacin de donde se extrajo la muestra. El estadstico jicuadrada tambin se puede dar con la siguiente expresin:

Propiedades de las distribuciones ji-cuadrada

1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende del gl=n-1. En
consecuencia, hay un nmero infinito de distribuciones X2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.

4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que

se extienden a la derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es
2(n-1).
6. El valor modal de una distribucin X2 se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones X2. Note que el valor modal
aparece en el valor (n-3) = (gl-2).

La funcin de densidad de la distribucin X2 esta dada por:

para x>0
La tabla que se utilizar para estos apuntes es la del libro de probabilidad
y estadstica de Walpole, la cual da valores crticos
(gl) para veinte
valores especiales de
. Para denotar el valor crtico de una
2
distribucin X con gl grados de libertad se usa el smbolo
(gl); este
valor crtico determina a su derecha un rea de
bajo la curva X2 y
sobre el eje horizontal. Por ejemplo para encontrar X20.05(6) en la tabla se
localiza 6 gl en el lado izquierdo y
a o largo del lado superior
de la misma tabla.

Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas nos
sirve para saber como se va a comportar la varianza o desviacin
estndar en una muestra que proviene de una distribucin normal.
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobs para
alcanzar un de sus destinos en una ciudad grande forman una
distribucin normal con una desviacin estndar =1 minuto. Si se
elige al azar una muestra de 17 tiempos, encuentre la probabilidad
de que la varianza muestral sea mayor que 2.
Solucin:
Primero se encontrar el valor de ji-cuadrada correspondiente a
s2=2 como sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16

grados de libertad y se encuentra que a este valor le corresponde
un rea a la derecha de 0.01. En consecuencia, el valor de la
probabilidad es P(s2>2)

2. Encuentre la probabilidad de que una muestra aleatoria de 25

observaciones, de una poblacin normal con varianza
, tenga una varianza muestral:
a. Mayor que 9.1
b. Entre 3.462 y 10.745
Solucin.
a. Primero se proceder a calcular el valor de la ji-cuadrada:

Al buscar este nmero en el rengln de 24 grados de libertad nos da un

rea a la derecha de 0.05. Por lo que la P(s2 >9.1) = 0.05
1. Se calcularn dos valores de ji-cuadrada:

y
Aqu se tienen que buscar los dos valores en el rengln de 24 grados de
libertad. Al buscar el valor de 13.846 se encuentra un rea a la derecha
de 0.95. El valor de 42.98 da un rea a la derecha de 0.01. Como se est
pidiendo la probabilidad entre dos valores se resta el rea de 0.95 menos
0.01 quedando 0.94.
Por lo tanto la P(3.462

s2

10.745) = 0.94

Estimacin de la Varianza
Para poder estimar la varianza de una poblacin normal se utilizar la
distribucin ji-cuadrada.

Al despejar esta frmula la varianza poblacional nos queda:

Los valores de X2 dependern de nivel de confianza que se quiera al cual

le llamamos
. Si nos ubicamos en la grfica se tiene:

Ejemplos:
1. Los siguientes son los pesos, en decagramos, de 10 paquetes de
semillas de pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8,

47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46. Encuentre un intervalo de

confianza de 95% para la varianza de todos los paquetes de
semillas de pasto que distribuye esta compaa, suponga una
poblacin normal.
Solucin:
Primero se calcula la desviacin estndar de la muestra:

al elevar este resultado al cuadrado se obtiene la varianza de la

muestra s2= 0.286.
Para obtener un intervalo de confianza de 95% se elige un
=
0.05. Despus con el uso de la tabla con 9 grados de libertad se
obtienen los valores de X2.

Se puede observar en la grfica anterior que el valor de X2 corre en

forma normal, esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Graficamente:

Se observa que la varianza corre en sentido contrario, pero esto es

slo en la grfica. La interpretacin quedara similar a nuestros
temas anteriores referentes a estimacin. Con un nivel de
confianza del 95% se sabe que la varianza de la poblacin de los
pesos de los paquetes de semillas de pasto esta entre 0.135 y
0.935 decagramos al cuadrado.

2. En trabajo de laboratorio se desea llevar a cabo comprobaciones

cuidadosas de la variabilidad de los resultados que producen
muestras estndar. En un estudio de la cantidad de calcio en el
agua potable, el cual se efecta como parte del control de calidad,
se analiz seis veces la misma muestra en el laboratorio en
intervalos aleatorios. Los seis resultados en partes por milln
fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de
los resultados de la poblacin para este estndar, usando un nivel
de confianza del 90%.
Solucin:
Al calcular la varianza de la muestra se obtiene un valor de s2= 0.0285.
Se busca en la tabla los valores correspondientes con 5 grados de
libertad, obtenindose dos resultados. Para X2(0.95,5)= 1.145 y para X2(0.0,5)=
11.07.
Entonces el intervalo de confianza esta dado por:

Ensayo de Hiptesis para la Varianza de una Poblacin Normal

En la mayora de los casos se tiene el problema de desconocer la
varianza o desviacin estndar de la poblacin, en donde las
distribuciones son normales. Si se desea probar una hiptesis acerca de
la varianza se puede hacer utilizando las medidas estadsticas con las
que se construy el intervalo de confianza
Ji- cuadrada.

, esto es con la distribucin

Ejemplos:
1. Una compaa que produce una parte maquinada para un motor,
afirma que tiene una varianza de dimetro no mayor a 0.0002
pulgadas. Una muestra aleatoria de 10 de dichas partes dio una
varianza de muestra s2 = 0.0003. Si se supone que las medidas del
dimetro se distribuyen en forma normal, hay evidencia para
refutar lo que afirma el proveedor? Use
= 0.05.
Solucin:
Como en todos los ensayos de hiptesis que se han realizado
anteriormente el procedimiento es el mismo. Despus de que se
identifican los datos, se plantea la hiptesis para determinar el tipo
de ensayo.
Datos:

= 0.0002
n = 10
s2 = 0.0003
= 0.05
Ensayo de hiptesis:
Ho;

= 0.0002

H1;

> 0.0002

Regla de decisin:
Si X2R 16.919 no se rechaza Ho.
Si X2R>16.919 se rechaza Ho.
Clculos:

Justificacin y decisin:
Como 13.5 no es mayor que 16.919 por lo tanto no se rechaza Ho y
se concluye con un nivel de significancia de 0.05 que no se puede
refutar la afirmacin del proveedor.

Este ejercicio se puede aprovechar para calcular el valor de P. En

la tabla se busca el valor de 13.5 en el rengln de 9 grados de
libertad. Interpolando entre 0.10 y 0.20 se obtiene un valor de P de
0.1484.

2. El contenido de azcar del almbar de los duraznos enlatados tiene

una distribucin normal, donde se cree que la varianza es
= 18
2
mg . Se toma una muestra de 10 latas dieron una desviacin
estndar de 4.8 mg. Muestran estos datos suficiente evidencia
para decir que la varianza ha cambiado?. Use un
= 0.05 y
calcule el valor de P.
Solucin:
Datos:
= 18
n = 10
s = 4.8
= 0.05
Ensayo de hiptesis:
Ho;
H1;

= 18
18

Regla de decisin:
Si 2.7

X2R 19.023 no se rechaza Ho.

Si X2R<2.7 si X2R>19.023 se rechaza Ho.

Clculos:

Justificacin y decisin:
Como 11.52 est entre 2.7 y 19.023, no se rechaza Ho, y se
concluye con un nivel de significancia de 0.05 que la varianza del
contenido de azcar del almbar no ha cambiado, esto es es de 18
mg2.
Si recordamos al principio de este tema se dijo que la media de la
distribucin ji-cuadrada es (n-1), por lo tanto la media de este
ejercicio es de 9. Como el valor real de X2R = 11.52 este nmero se
encuentra a la derecha de la media, lo cual quiere decir que el
valor de P/2 ser el rea a la derecha del valor de X2R. Al buscar el
valor de 11.52 en la tabla se obtiene un rea de 0.2423, por lo tanto
P/2 = 0.2423 y P= (2)(0.2423) = 0.4846

3. Experiencia anterior indica que el tiempo que se requiere para que

los estudiantes de ltimo ao de preparatoria completen una
prueba estandarizada es una variable aletoria normal con una
desviacin estndar de seis minutos. Se toma una muestra
aleatoria de 20 estudiantes de ltimo ao de preparatoria y se
obtiene una desviacin estndar de 4.51. Muestran estos datos
suficiente evidencia para decir que la desviacin estndar
disminuy?. Utilice el valor de P para su decisin.
Solucin:
Datos:
=6
n = 20
s = 4.51
Ensayo de hiptesis:
Ho;

=6

H1;

<6

Clculos:

Para obtener el valor de P, se busca en la tabla el 10.735 con 19 grados

de libertad, y el rea que se encuentra es la que est a la derecha de
este valor. Como la media de esta distribucin ji-cuadrada es de 19, por
lo tanto el valor de 10.735 queda a la izquierda de la media. El valor de P
es de 0.07, y con esto se puede concluir que si hubiramos utilizado un
nivel de significancia de 0.10, se rechaza Ho y se concluye que la
desviacin estndar disminuyo, pero si se utiliza un valor de
= 0.05,
entonces no se rechaza Ho y se concluira que la desviacin estndar no
disminuy. La decisin depende del error tipo I que est dispuesto a
tolerar el investigador.

Error tipo II
El error tipo II se calcula de la misma forma en la que se calcul con la
distribucin z. Se realizarn algunos ejercicios en los cuales se
determinar la probabilidad de cometer el error tipo II, utilizando la tabla
de la distribucin Ji-cuadrada.
1. Se tiene un ensayo de hiptesis unilateral derecho, con n=20 y
= 0.05
Ho;

= 0.10

H1;

> 0.10

Se quiere calcular el error tipo II

verdaderas fueran de 0.12 y 0.14.

si las desviaciones estndar

Solucin:
Para poder calcular el error tipo II, primero se debe encontrar el
valor de la varianza muestral lmite, esto es s2L, para poder calcular
los valores de X2 y posteriormente calcular el rea. Al buscar en la
tabla X2(0.05,19)=30.144, este valor se sustituir en la formula. Al
despejar de la frmula original de X2 se obtiene:

2. Encontrar el error tipo II para el ejercicio 2 de esta seccin, en

donde el ensayo es bilateral pues se quiere ver si la varianza del
contenido de azcar en el almbar de los duraznos ha cambiado.
Suponga una varianza real de 20 y 26.

Solucin:
Como este es un ensayo bilateral se tendrn dos valores de s2L. Los
cuales se calcularn utilizando las ji-cuadradas lmites que eran de de 2.7
y 19.023.

Estos dos valores se utilizarn para calcular las nuevas ji-cuadradas para
calcular el valor de

DISTRIBUCION "t DE STUDENT"

Supngase que se toma una muestra de una poblacin normal con
media

y varianza

Si

es el promedio de las n observaciones

que contiene la muestra aleatoria, entonces la distribucin

es
una distribucin normal estndar. Supngase que la varianza de la
poblacin es desconocida. Qu sucede con la distribucin de esta

estadstica si se reemplaza
respuesta a esta pregunta.

por s? La distribucin t proporciona la

La media y la varianza de la distribucin t son

para >2, respectivamente.

La siguiente figura presenta la grfica de varias distribuciones t. La

apariencia general de la distribucin t es similar a la de la distribucin
normal estndar: ambas son simtricas y unimodales, y el valor mximo
de la ordenada se alcanza en la media Sin embargo, la
distribucin t tiene colas ms amplias que la normal; esto es, la
probabilidad de las colas es mayor que en la distribucin normal. A
medida que el nmero de grados de libertad tiende a infinito, la forma
lmite de la distribucin t es la distribucin normal estndar.

Propiedades de las distribuciones t

1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que aumenta, la dispersin de la curva t
correspondiente disminuye.

4. A medida que
, la secuencia de curvas t se aproxima a la
curva normal estndar, por lo que la curva z recibe a veces el
nombre de curva t con gl =
La distribucin de la variable aleatoria t est dada por:

Esta se conoce como la distribucin t con

grados de libertad.

Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas

normales con media
y desviacin estndar . Entonces la variable
aleatoria

tiene una distribucin t con

= n-1 grados de libertad.

La distribucin de probabilidad de t se public por primera vez en 1908

en un artculo de W. S. Gosset. En esa poca, Gosset era empleado de
una cervecera irlandesa que desaprobaba la publicacin de
investigaciones de sus empleados. Para evadir esta prohibicin, public
su trabajo en secreto bajo el nombre de "Student". En consecuencia, la
distribucin t normalmente se llama distribucin t de Student, o
simplemente distribucin t. Para derivar la ecuacin de esta distribucin,
Gosset supone que las muestras se seleccionan de una poblacin
normal. Aunque esto parecera una suposicin muy restrictiva, se puede
mostrar que las poblaciones no normales que poseen distribuciones en
forma casi de campana an proporcionan valores de t que se aproximan
muy de cerca a la distribucin t.
La distribucin t difiere de la de Z en que la varianza de t depende del
tamao de la muestra y siempre es mayor a uno. Unicamente cuando el
tamao de la muestra tiende a infinito las dos distribuciones sern las
mismas.
Se acostumbra representar con
el valor t por arriba del cual se
encuentra un rea igual a
. Como la distribucin t es simtrica
alrededor de una media de cero, tenemos
; es decir, el
valor t que deja un rea de
a la derecha y por tanto un rea de

la izquierda, es igual al valor t negativo que deja un rea de

derecha de la distribucin. Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc.

en la cola

Para encontrar los valores de t se utilizar la tabla de valores crticos de

la distribucin t del libro Probabilidad y Estadstica para Ingenieros de los
autores Walpole, Myers y Myers.
Ejemplo:
El valor t con
= 14 grados de libertad que deja un rea de 0.025 a la
izquierda, y por tanto un rea de 0.975 a la derecha, es
t0.975=-t0.025 = -2.145

Si se observa la tabla, el rea sombreada de la curva es de la cola

derecha, es por esto que se tiene que hacer la resta de
. La
manera de encontrar el valor de t es buscar el valor de
en el primer
rengln de la tabla y luego buscar los grados de libertad en la primer
columna y donde se intercepten
y
se obtendr el valor de t.
Ejemplo:
Encuentre la probabilidad de t0.025 < t < t0.05.
Solucin:

Como t0.05 deja un rea de 0.05 a la derecha, y t0.025 deja un rea de

0.025 a la izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.
P( t0.025 < t < t0.05) = 0.925
Ejemplo:
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria
de tamao 15 que se selecciona de una distribucin normal.
Solucin:

Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos

damos cuenta que a este valor le corresponde un rea de 0.05 a la
izquierda, por ser negativo el valor. Entonces si se resta 0.05 y 0.045 se
tiene un valor de 0.005, que equivale a
Luego se busca el valor de
0.005 en el primer rengln con 14 grados de libertad y se obtiene un
valor de t = 2.977, pero como el valor de
est en el extremo
izquierdo de la curva entonces la respuesta es t = -2.977 por lo tanto:
P(-2.977 < t < -1.761) = 0.045
Ejemplo:
Un ingeniero qumico afirma que el rendimiento medio de la poblacin de
cierto proceso en lotes es 500 gramos por milmetro de materia prima.

Para verificar esta afirmacin 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
afirmacin. Qu conclusin extraera de una muestra que tiene una
media de 518 gramos por milmetro y una desviacin estndar de 40
gramos? Suponga que la distribucin de rendimientos es
aproximadamente normal.
Solucin:
De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711.
Por tanto, el fabricante queda satisfecho con esta afirmacin si una
muestra de 25 lotes rinde un valor t entre 1.711 y 1.711.
Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la

probabilidad de obtener un valor de t con 24 grados de libertad igual o
mayor a 2.25 se busca en la tabla y es aproximadamente de 0.02. De
aqu que es probable que el fabricante concluya que el proceso produce
un mejor producto del que piensa.
INTERVALO DE CONFIANZA PARA
Si

; CON

DESCONOCIDA

y s son la media y la desviacin estndar de una muestra aleatoria

de una poblacin normal con varianza

confianza de
(
)100% para
es:

donde
rea de

/2

es el valor t con
/2 a la derecha.

, desconocida, un intervalo de

= n-1 grados de libertad, que deja un

Se hace una distincin entre los casos de

conocida y
desconocida
al calcular las estimaciones del intervalo de confianza. Se debe enfatizar
que para el primer caso se utiliza el teorema del lmite central, mientras
que para
desconocida se hace uso de la distribucin muestral de la
variable aleatoria t. Sin embargo, el uso de la distribucin t se basa en la
premisa de que el muestreo se realiza de una distribucin normal. En
tanto que la distribucin tenga forma aproximada de campana, los
intervalos de confianza se pueden calcular cuando la varianza se
desconoce mediante el uso de la distribucin t y se puede esperar
buenos resultados.
Con mucha frecuencia los estadsticos recomiendan que aun cuando la
normalidad no se pueda suponer, con
desconocida y n 30, s puede
reemplazar a
y se puede utilizar el intervalo de confianza:

Por lo general ste se denomina como un intervalo de confianza de

muestra grande. La justificacin yace slo en la presuncin de que con
una muestra grande como 30, s estar muy cerca de la
real y de esta
manera el teorema del lmite central sigue valiendo. Se debe hacer
nfasis en que esto es solo una aproximacin y que la calidad de este
enfoque mejora a medida que el tamao de la muestra crece ms.
Ejemplos:
1. El contenido de siete contenedores similares de cido sulfrico son
9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo
de confianza del 95% para la media de todos los contenedores si
se supone una distribucin aproximadamente normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados
son:
10 y s= 0.283
En la tabla se encuentra que t0.025=2.447 con 6 grados de libertad,
de aqu, el intervalo de confianza de 95% para
es:

Con un nivel de confianza del 95% se sabe que el promedio del

contenido de los contenedores est entre 9.47 y 10.26 litros.
2. Un artculo publicado en el Journal of Testing and
Evaluation presenta las siguientes 20 mediciones del tiempo de
combustin residual en segundos de especmenes tratados de
ropa de dormir para nios:
9.85 9.93 9.75 9.77 9.67
9.87 9.67 9.94 9.85 9.75
9.83 9.92 9.74 9.99 9.88
9.95 9.95 9.93 9.92 9.89
Se desea encontrar un nivel de confianza del 95% para el tiempo
de combustin residual promedio. Supngase que el tiempo de
combustin residual sigue una distribucin normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
9.8525 y s= 0.0965
En la tabla se encuentra que t0.025=2.093 con 19 grados de libertad, de
aqu, el intervalo de confianza de 95% para
es:

Por lo tanto, se tiene una confianza del 95% de que el tiempo de

combustin residual promedio se encuentra entre 9.8073 y 9.8977
segundos.
PRUEBA DE HIPOTESIS SOBRE LA MEDIA DE UNA DISTRIBUCION NORMAL, VARIANZA
DESCONOCIDA

Ciertamente sospechamos que las pruebas sobre una media

poblacional con
desconocida, debe incluir el uso de la distribucin
t de Student. La estructura de la prueba es idntica a la del caso de
conocida, con la excepcin de que el valor
en la estadstica de prueba
se reemplaza por la estimacin de s calculada y la distribucin normal
estndar se reemplaza con una distribucin t.
Ejemplos:
1. El Instituto Elctrico Edison publica cifras del nmero anual de
Kilowatt-hora que gastan varios aparatos elctrodomsticos. Se
afirma que una aspiradora gasta un promedio de 46 kilowatt-hora al
ao. Si una muestra aleatoria de 12 hogares que se incluye en un
estudio planeado indica que las aspiradoras gastan un promedio de
42 kilowatt-hora al ao con una desviacin estndar de11.9
kilowatt-hora, esto sugiere con un nivel de significancia de 0.05
que las aspiradoras gastan, en promedio, menos de 46 kilowatthora anualmente? Suponga que la poblacin de kilowatt-hora es
normal.
Solucin:
1. Datos:
= 46 kilowatt-hora
s= 11.9 kilowatt-hora

= 42 kilowatt-hora
n = 12
= 0.05
3. Ensayo de hiptesis
Ho;

= 46 kilowatt-hora

H1;

< 46 kilowatt-hora

4. Regla de decisin:
Si tR

-1.796 No se rechaza Ho

Si tR < -1.796 Se rechaza Ho

5. Clculos:

6. Justificacin y decisin:
Como 1.16 > -1.796, por lo tanto no se rechaza Ho y se concluye
con un nivel de significancia del 0.05 que el nmero promedio de
kilowwatt-hora que gastan al ao las aspiradoras no es
significativamente menor que 46.
Solucin por el otro mtodo:

Regla de decisin:
Si
Si

39.83 No se Rechaza Ho
< 39.83 Se rechaza Ho

Como la = 42 y este valor no es menor que 39.83 por lo tanto no se

rechaza Ho.
Se puede aprovechar este ejemplo para calcular el valor de P , como el
valor de t calculada es de 1.16, se busca en la tabla y se ve que el area
a la izquierda de este valor es de 0.135 con 11 grados de libertad, por lo
tanto no se rechaza Ho., ya que sera un valor alto para un nivel de
significancia.

1. Un artculo publicado en la revista Materials Engineering describe

los resultados de pruebas de resistencia a la adhesin de 22
especmenes de aleacin U-700. La carga para la que cada
especmen falla es la siguiente en MPa:

19.8

18.5

17.6

16.7

15.8

15.4

14.1

13.6

11.9

11.4

11.4

8.8

7.5

15.4

15.4

19.5

14.9

12.7

11.9

11.4

10.1

7.9

Sugieren los datos que la carga promedio de falla es mayor que

10Mpa? Supngase que la carga donde se presenta la falla tiene
una distribucin normal, y utilicese
= 0.05. Calcule el valor de
P.
Solucin:
1. Datos:
= 10
s = 3.55
= 13.71
n = 22
= 0.05
3. Ensayo de hiptesis
Ho;

= 10

H1;

> 10

4. Regla de decisin:
Si tR 1.721 no se rechaza Ho.
Si tR> 1.721 se rechaza Ho.
5. Clculos:

6. Justificacin y decisin.
Como 4.90 >1.721 se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que la carga de falla promedio es mayor que
10Mpa.
Existe otra manera de resolver este ejercicio, tomando la decisin en
base al estadstico real, en este caso la media de la muestra. De la
frmula de la distribucin muestral de medias se despeja la media de la
muestra:

Regla de decisin:
Si
Si

11.30 No se rechaza Ho

> 11.30 Se rechaza Ho

Como la media de la muestral es de 13.71 MPa y es mayor al valor de la

media muestral lmite de 11.30 por lo tanto se rechaza Ho y se llega a la
misma conclusin.
Para calcular el valor de P se va a la tabla y se busca en 21 grados de
libertad el valor de t = 4.90. Se obseva que el valor mayor de t que se
encuentra en la tabla con 21 grados de libertad es de 3.819 el cual le
corresponde un rea a la derecha de 0.0005, por lo que para el valor de
4.90 el valor de P es practicamente cero, y esto apoya la decisin de
rechazar Ho.
3. Los pesos en libras de una muestra aleatoria de bebs de seis
meses son: 14.6, 12.5, 15.3, 16.1, 14.4, 12.9, 13.7 y 14.9. Haga
una prueba con nivel de 5% de significancia para determinar si el
peso promedio de todos los bebs de seis meses es distinto a 14
libras, suponga que sus pesos se distribuyen normalmente y
calcule el valor de P.
Solucin:
1. Datos:
= 14 libras
s = 1.21 libras
= 14.3 libras
n=8
= 0.05
2. Ensayo de hiptesis
Ho;
H1;

= 14 libras
14 libras

3. Regla de Decisin:
Si 2.365

tR 2.365 No se rechaza Ho

Si tR < -2.365 si tR > 2.365 Se rechaza Ho

4. Clculos:

5. Justificacin y decisin:
Como 2.365 0.7012 2.365 por lo tanto, no se rechaza Ho y se
concluye con un nivel de significancia del 0.05 que el peso
promedio de todos los bebs de seis meses es de 14 libras.
Solucin por el otro mtodo:

12.98 y 15.01

Regla de decisin:
Si 12.98
Si

15.01 No se rechaza Ho

< 12.98

Como la

> 15.01 se rechaza Ho

= 14.3 libras, entonces no se rechaza Ho .

Para calcular el valor de P se busca en la tabla el valor de 0.7012 con 7

grados de libertad. Se obseva que este valor no se encuentra pero se
puede interpolar entre los valores de 0.549 y 0.896 con reas de 0.30 y
0.20 respectivamente. Interpolando linealmente se obtiene el valor de
0.2561.

Error tipo II
El error tipo II se calcula de la misma forma en la que se calcul con la
distribucin z. Se realizarn algunos ejercicios en los cuales se
determinar la probabilidad de cometer el error tipo II, utilizando la tabla
de la distribucin.
Existen curvas caractersticas de operacin en los libros con diferentes
grados de libertad para determinar los tamaos de muestra

correspondientes segn el grado de error que se quiera, recordando que

entre mayor sea el tamao de muestra menor ser el error.
1. Se sabe que los voltajes de una marca de pilas tamao C se
distribuyen normalmente, se prob una muestra aleatoria de 15 y
se encontr que la media es de 1.4 volts con una desviacin
estndar de 0.21 volts. En el nivel de significancia de 0.01:
a. Indica esto que la media de los voltajes es menor que 1.5 volts?
b. Calcular la probabilidad de cometer el error tipo II si el voltaje
promedio real de las pilas es de 1.3 volts.
Solucin:
1. Datos:
= 1.5 volts.
s= 0.21 volts
= 1.4 volts.
n = 15
= 0.01
2. Ensayo de hiptesis
Ho;

= 1.5 volts

H1;

< 1.5 volts

3. Regla de decisin:
Si tR

-2.624 No se rechaza Ho

Si tR < -2.624 Se rechaza Ho

5. Clculos:

6. Justificacin y decisin:
Como 1.84 > -2.624, por lo tanto no se rechaza Ho y se concluye
con un nivel de significancia del 0.01 que los voltajes de las pilas
tamao C no son menores a 1.5.
Para calcular el error tipo II se tiene que obtener el valor de
siguiente forma:

de la

Para encontrar el valor de

se busca en la tabla de la distribucin t el
valor de 1.05 con 14 grados de libertad. Como este valor no se encuentra
en la tabla se interpola entre 0.868 y 1.076 con un rea de 0.20 y 0.15
respectivamente. Al interpolar se obtiene un rea de 0.15612 y esta es la
probabilidad de cometer el error tipoII cuando la media verdadera es de
1.3 volts y un tamao de muestra de 15.
2. Para el ejercicio del peso de los bebs de 6 meses, calcular el error
tipo II, si los pesos verdaderos hubieran sido de 11 y 14.5 libras.
Solucin:
Primero se calculan los valores de

En este ltimo clculo para

se tendr que analizar las reas de los dos
extremos, pues estas no estn dentro de la regin de aceptacin, por lo
tanto no se deben de tomar en cuenta para el error tipo II.
Se busca en la tabla el valor de 3.55 con 7 grados de libertad, y al
interpolar nos da un rea de 0.00475. El rea correspondiente a 1.19 con
7 grados de libertad es de 0.1479. Por lo que =1-(0.00475+0.1479)=
0.8473
3. Para el ejercicio en donde se dan los resultados de pruebas de
resistencia a la adhesin de 22 especmenes de aleacin U-700.,
encontrar la probabilidad de cometer el error tipo II si la carga
promedio de falla es igual a 11.
Solucin:
Primero se obtendr el valor del estadstico lmite:

DISTRIBUCION "F" FISHER

La necesidad de disponer de mtodos estadsticos para comparar las
varianzas de dos poblaciones es evidente a partir del anlisis de una sola
poblacin. Frecuentemente se desea comparar la precisin de un
instrumento de medicin con la de otro, la estabilidad de un proceso de
manufactura con la de otro o hasta la forma en que vara el
procedimiento para calificar de un profesor universitario con la de otro.
Intuitivamente, podramos comparar las varianzas de dos
poblaciones,
y
, utilizando la razn de las varianzas muestrales
2
2
2
2
s 1/s 2. Si s 1/s 2 es casi igual a 1, se tendr poca evidencia para indicar
que
y
no son iguales. Por otra parte, un valor muy grande o
muy pequeo para s21/s22, proporcionar evidencia de una diferencia en
las varianzas de las poblaciones.

La variable aleatoria F se define como el cociente de dos variables

aleatorias ji-cuadrada independientes, cada una dividida entre sus
respectivos grados de libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con

grados de libertad y respectivamente.
Sean U y V dos variables aleatorias independientes que tienen
distribucin ji cuadradas con

grados de libertad, respectivamente.

Entonces la distribucin de la variable aleatoria

y se dice que sigue la distribucin F con

numerador y

est dada por:

grados de libertad en el

grados de libertad en el denominador.

La media y la varianza de la distribucin F son:

para

para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo

hacia la derecha. La distribucin F tiene una apariencia muy similar a la
distribucin ji-cuadrada; sin embargo, se encuentra centrada respecto a
1, y los dos parmetros
proporcionan una flexibilidad adicional con
respecto a la forma de la distribucin.
Si s12 y s22 son las varianzas muestrales independientes de tamao n1 y
n2 tomadas de poblaciones normales con varianzas y ,
respectivamente, entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia

Estadstica del autor Genther, se tendr que buscar primero los grados
de libertad dos para luego localizar el rea correspondiente,
relacionndola con los grados de libertad uno, para calcular el valor de F.
Las tablas tienen la siguiente estructura:

0.0005

0.001

0.005

1 2 3 . .. 500

0.9995

30.4

El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de

libertad uno y 6 grados de libertad dos con un rea de cero a Fisher de
0.995. Si lo vemos graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora
su forma depende de dos variables que son los grados de libertad.

Ejemplos :
1. Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 con

=4 y

b. El rea a la izquierda de F, es de 0.95 con

c. El rea a la derecha de F es de 0.95 con con

=9.

=15 y
=6 y

=10.
=8.

d. El rea a la izquierda de F, es de 0.10 con con

=24 y

=24
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que
localizar primero los grados de libertad dos que son 9, luego un
rea de 0.75 con 4 grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la

tabla con sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos

piden un rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados

de libertad.

1. Si s12 y s22 son las varianzas muestrales de muestras aleatorias

independientes de tamaos n1=10 y n2 =20, tomadas de
poblaciones normales que tienen las mismas varianzas, encuentre
P(s12/s22 2.42).
Solucin:
Primero se establecen los grados de libertad. Como en el
numerador est la poblacin uno y en el denominador la poblacin
dos, entonces los grados de libertad uno equivalen a 10-1=9 y los
grados de libertad dos a 20-1=19.
Se procede a ir a la tabla a buscar los grados de libertad dos que
son 19 y se observa que no estn, por lo tanto se tiene que
interpolar entre 15 y 20 grados de libertad, buscando el valor de
fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad

uno, con 15 grados de libertad dos, y se encuentra los siguiente:

Area

0.90

2.09

0.95

2.59

Al interpolar entre estos dos valores nos queda un rea de 0.933.

Se procede a hacer lo mismo pero con 20 grados de libertad dos:

Area

0.95

2.39

0.975

2.84

Al interpolar entre estos dos valores nos queda un rea de 0.9516.

Ahora ya se tienen las dos reas referentes a los grados de libertad
dos, por lo que se interpolar para ver cunto le corresponde a los
grados libertad dos con un valor de 19.

Area

15

0.933

20

0.9516

Al interpolar nos queda que para 9 grados de libertad uno y 19

grados de libertad dos con un valor de Fisher de 2.42 el rea a la
izquierda es de 0.9478.

2. Si s12 y s22 representan las varianzas de las muestras aleatorias

independientes de tamao n1= 25 y n2 = 31, tomadas de
poblaciones normales con varianzas 12 =10 y
2

= 15, respectivamente, encuentre P(s12/s22 > 1.26).

Solucin:
Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24

grados de libertad uno. Cuando se este en esta posicin se busca
adentro de la tabla el valor de Fisher de 1.89. Al localizarlo y ver a la
izquierda de este valor se obtiene un rea de 0.95, pero esta rea
correspondera a la probabilidad de que las relaciones de varianzas
muestrales fueran menor a 1.26, por lo que se calcula su complemento
que sera 0.05, siendo esta la probabilidad de que s12/s22 > 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales

Supngase que se tienen dos poblaciones normales e independientes

con varianzas desconocidas 2 y 22, respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaos

n1 y n2, respectivamente, sean s12 y s22 las dos varianzas muestrales. Se

desea conocer un intervalo de confianza del 100(
) por ciento para
2
2
el cociente de las dos varianzas, 1 / 2 .
Para construir el intervalo de confianza para el cociente de dos varianzas
poblacionales, se coloca la varianza muestral mayor en el numerador del
estadstico F.
Ejemplos:
1. Un fabricante de automviles pone a prueba dos nuevos mtodos
de ensamblaje de motores respecto al tiempo en minutos. Los
resultados se muestran el la tabla:
Mtodo 1

Mtodo 2

n1 = 31

n2 = 25

s12 = 50

s22 = 24

Construya un intervalo de confianza del 90% para

2
1

2
2

Solucin:
Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:

al despejar:

F toma dos valores dependiendo del nivel de confianza y de los

grados de libertad. En este caso los grados de libertad uno valen
30 y los grados de libertad dos 24.

y
Estos resultados los podemos interpretar de la siguiente manera:
Con un nivel de confianza del 90% se sabe que la relacin de
varianzas 12/ 22 esta entre 1.07 y 3.93. Esto supondra que la
varianza de la poblacin 1 es mayor a la varianza de la poblacin 2
entre 1.07 y 3.93.
2. Una compaa fabrica propulsores para uso en motores de turbina.
Al ingeniero de manufactura le gustara seleccionar el proceso que
tenga la menor variabilidad en la rugosidad de la superficie. Para
ello toma una muestra de n1=16 partes del primer proceso, la cual
tiene una desviacin estndar s1 = 4.7 micropulgadas, y una
muestra aleatoria de n2=12 partes del segundo proceso, la cual
tiene una desviacin estndar s2 = 5.1 micropulgadas. Se desea
encontrar un intervalo de confianza del 90% para el cociente de las
dos varianzas 12/
. Suponga que los dos procesos son independientes y que la rugosidad
de la superficie est distribuida de manera normal.
2

Solucin:
Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:

al despejar:

En este caso los grados de libertad uno valen 11 y los grados de libertad
dos 15.

y
Estos resultados los podemos interpretar de la siguiente manera:
Puesto que este intervalo de confianza incluye a la unidad, no es posible
afirmar que las desviaciones estndar de la rugosidad de la superficie de
los dos procesos sean diferentes con un nivel de confianza del 90%.

Ensayo de Hiptesis
Supngase que se tiene inters en dos poblaciones normales
independientes, donde las medias y las varianzas de la poblacin son
desconocidas. Se desea probar la igualdad de las dos varianzas, ya que
para poder comparar las medias de estas dos poblaciones se utiliza la
distribucin t de Student, en la cual podemos tener varianzas iguales o
diferentes en la poblacin.
Para conocer esto ltimo se requiere de la distribucin Fisher, y despus
de utilizarla, se tomar la decisin de tener o no varianzas iguales en la
poblacin, dando pi a realizar la comparacin de las dos medias segn
estemos hablando. Primer caso en que las varianzas de la poblacin son
desconocidas pero iguales, o en el caso dos donde se tienen varianzas
desconocidas pero dismiles.

Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual

puede dar tres resultados:

En base a lo que se quiera probar, el ensayo podr ser unilateral

derecho, izquierdo o bilateral.
Ejemplos:
1. La variabilidad en la cantidad de impurezas presentes en un lote de
productos qumicos, utilizada para un proceso en particular,
depende del tiempo que tarda el proceso. Un fabricante que
emplea dos lneas de produccin 1 y 2, hizo un pequeo ajuste al
proceso 2, con la esperanza de reducir la variabilidad, as como la
cantidad media de impurezas en los productos qumicos. Muestras
de n1=25 y n2=20 mediciones de dos lotes produjeron las siguientes
medias y varianzas:

Presentan los datos evidencia suficiente para indicar que las

variaciones del proceso son menores para el 2? Realice una
prueba con un
= 0.05.

Solucin:
Datos:
Poblacin 1 Poblacin 2

n1 = 25 n2 = 20
= 0.05

Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor

mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la
poblacin uno menos uno. 1= 25-1 = 24 y 2 = 20-1=19.

Regla de decisin:
Si Fc 2.11 No se rechaza Ho,
Si la Fc > 2.11 se rechaza Ho.
Clculo:

Decisin y Justificacin:
Como 2.04 es menor que 2.11 no se rechaza Ho, y se concluye con
un
= 0.05 que no existe suficiente evidencia para decir que la
varianza del proceso 2 es menor que la del proceso 1.

2. En su incansable bsqueda de un sistema de llenado adecuado,

cierta empresa prueba dos mquinas. Robo-fill se usa para llenar
16 tarros y da una desviacin estndar de 1.9 onzas en el llenado.
Con Automat-fill se llenan 21 frascos que dan una desviacin
estndar de 2.1 onzas. Si la empresa tiene que elegir uno de estos
sistemas en funcin de la uniformidad de llenado. Cual deber
seleccionar? Use un
= 0.10.
Solucin:
Datos:
Robo-Fill
sRF = 1.9
nRF = 16
= 0.10
Automat-Fill
sAF = 2.1
nAF = 21

Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor

mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la
poblacin uno menos uno. 1= 21-1 = 20 y 2 = 16-1=15.

Regla de decisin:
Si Fc 2.20 No se rechaza Ho,
Si la Fc > 2.20 se rechaza Ho.
Clculo:

Decisin y Justificacin:
Como 1.22 es menor que 2.20 no se rechaza Ho, y se concluye con
un
= 0.10 que la variacin de llenado de la mquina Robo-Fill no es
menor a la de Automat-Fill, por lo que se selecciona cualquier mquina.

3. Las capas de xido en las obleas semiconductoras son

depositadas en una mezcla de gases para alcanzar el espesor
apropiado. La variabilidad del espesor es una caracterstica crtica
de la oblea, y lo deseable para los siguientes pasos de la
fabricacin es tener una variabilidad baja. Para ello se estudian dos
mezclas diferentes de gases con la finalidad de determinar con
cul se obtienen mejores resultados en cuanto a la reduccin en la
variabilidad del espesor del xido. Veintin obleas son depositadas
en cada gas. Las desviaciones estndar de cada muestra del
espesor del xido son s1 = 1.96 angstroms y s2 = 2.13 angstroms.
Existe evidencia que indique una diferencia en las desviaciones?
Utilice
=0.05.
Solucin:
Datos:
s1= 1.96
n1 = 21
s2 = 2.13
n2= 21
Ensayo de hiptesis:

Estadstico de prueba:

La sugerencia que se hace es que el numerador sea el de valor

mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la
poblacin uno menos uno. 1= 21-1 = 20 y 2 = 21-1=20.

Regla de decisin:
Si 0.406

Fc

2.46 No se rechaza Ho,

Si la Fc < 0.406 si Fc > 2.46 se rechaza Ho.

Clculo:

Decisin y Justificacin:
Como 0.85 esta entre los dos valores de Ho no se rechaza , y se concluye
con un
= 0.05 que existe suficiente evidencia para decir que las
varianza de las poblaciones son iguales.
Error Tipo II
1. Para el ejercicio anterior, encontrar la probabilidad de cometer error
tipo II si la verdadera relacin

Solucin:

1. Del ejercicio nmero 1 del ensayo de hiptesis en donde la

variabilidad en la cantidad de impurezas presentes en un lote de
productos qumicos dependa del tiempo que tardaba el proceso y
el fabricante empleaba dos lneas de produccin 1 y 2, e hizo un
pequeo ajuste al proceso 2, calcular la probabilidad de cometer
error tipo II si le relacin

1.5.

Solucin:

por lo tanto s12/s22 = 2.11 ya que esto fue lo que dio la tabla
y al despejar nos queda los mismo. Se calcula un nuevo valor de F con la
relacin de varianzas de 1.5.

Si se recuerda para este ejercicio se tienen 24 grados de libertad uno y

19 de grados de libertad dos, por lo que se tiene que hacer una doble
interpolacin ya que 19 grados de libertad dos no vienen en la tabla.
Primero se interpolar para 24 grados de libertad uno y 15 grados de libertad dos:

Area

Valor de F

0.50

1.02

0.75

1.41

Al interpolar para un valor de Fisher de 1.406 se ve que este valor est

muy cercano a 1.41, el cual le corresponde un rea de 0.75, por lo que
queda un resultado de 0.7474
Ahora se procede a interpolar para 24 grados de libertad uno y 20 grados
de libertad dos:
Area

Valor de F

0.75

1.35

0.90

1.77

La interpolacin para un valor de Fisher de 1.406 es de 0.77.

Teniendo los dos valores, se puede calcular el rea correspondiente a 24
grados de libertad uno y 19 grados de libertad dos:

Area

15

0.7474

20

0.77

Por lo tanto al interpolar para 19 grados de libertad dos nos da un valor

de 0.76548

Distribucin Muestral de Medias

Si recordamos a la distribucin normal, esta es una distribucin continua,
en forma de campana en donde la media, la mediana y la moda tienen un
mismo valor y es simtrica.
Con esta distribucin podamos calcular la probabilidad de algn evento
relacionado con la variable aleatoria, mediante la siguiente frmula:

En donde z es una variable estandarizada con media igual a cero y

varianza igual a uno. Con esta frmula se pueden a hacer los clculos de
probabilidad para cualquier ejercicio, utilizando la tabla de la distribucin
z.
Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien
de cualquier tamao de una poblacin normal, la distribucin muestral de
medias tiene un comportamiento aproximadamente normal, por lo que se
puede utilizar la formula de la distribucin normal con
y
,
entonces la frmula para calcular la probabilidad del comportamiento del
estadstico, en este caso la media de la muestra , quedara de la
siguiente manera:

y para poblaciones finitas y muestro con reemplazo:

Ejemplo:
Una empresa elctrica fabrica focos que tienen una duracin que se
distribuye aproximadamente en forma normal, con media de 800 horas y
desviacin estndar de 40 horas. Encuentre la probabilidad de que una
muestra aleatoria de 16 focos tenga una vida promedio de menos de 775
horas.
Solucin:

Este valor se busca en la tabla de z

La interpretacin sera que la probabilidad de que la media de la muestra

de 16 focos sea menor a 775 horas es de 0.0062.
Ejemplo:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente
en forma normal con una media de 174.5 centmetros y una desviacin
estndar de 6.9 centmetros. Si se extraen 200 muestras aleatorias de
tamao 25 sin reemplazo de esta poblacin, determine:
a. El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b. El nmero de medias muestrales que caen por debajo de 172
centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin
finita y un muestreo sin reemplazo, por lo que se tendr que agregar el
factor de correccin. Se proceder a calcular el denominador de Z para
slo sustituirlo en cada inciso.

a.

(0.7607)(200)=152 medias muestrales

b.

(0.0336)(200)= 7 medias muestrales

Distribucin muestral de Proporciones
Existen ocasiones en las cuales no estamos interesados en la media de
la muestra, sino que queremos investigar la proporcin de artculos
defectuosos o la proporcin de alumnos reprobados en la muestra. La
distribucin muestral de proporciones es la adecuada para dar respuesta
a estas situaciones. Esta distribucin se genera de igual manera que la
distribucin muestral de medias, a excepcin de que al extraer las
muestras de la poblacin se calcula el estadstico proporcin (p=x/n en
donde "x" es el nmero de xitos u observaciones de inters y "n" el
tamao de la muestra) en lugar del estadsitico media.

Una poblacin binomial est estrechamente relacionada con la

distribucin muestral de proporciones; una poblacin binomial es una
coleccin de xitos y fracasos, mientras que una distribucin muestral de
proporciones contiene las posibilidades o proporciones de todos los
nmeros posibles de xitos en un experimento binomial, y como
consecuencia de esta relacin, las afirmaciones probabilsticas referentes
a la proporcin muestral pueden evaluarse usando la aproximacin
normal a la binomial, siempre que np 5 y
n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se
divide el nmero obtenido entre el nmero de intentos.
Generacin de la Distribucin Muestral de Proporciones
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artculos
defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin
reemplazo. Genere la distribucin muestral de proporciones para el
nmero de piezas defectuosas.
Como se puede observar en este ejercicio la Proporcin de artculos
defectuosos de esta poblacin es 4/12=1/3. Por lo que podemos decir
que el 33% de las piezas de este lote estn defectuosas.
El nmero posible de muestras de tamao 5 a extraer de una poblacin
de 12 elementos es 12C5=792, las cuales se pueden desglosar de la
siguiente manera:
Artculos
Buenos

Artculos Malos

Proporcin de
artculos
defectuoso

Nmero de
maneras en las que
se puede obtener la

muestra

4/5=0.8

8C1*4C4=8

3/5=0.6

8C2*4C3=112

2/5=0.4

8C3*4C2=336

1/5=0.2

8C4*4C1=280

0/5=0

8C5*4C0=56

Total

792

Para calcular la media de la distribucin muestral de proporciones se

tendra que hacer la sumatoria de la frecuencia por el valor de la
proporcin muestral y dividirla entre el nmero total de muestras. Esto es:

Como podemos observar la media de la distribucin muestral de

proporciones es igual a la Proporcin de la poblacin.
p

=P

Tambin se puede calcular la desviacin estndar de la distribucin

muestral de proporciones:

La varianza de la distribucin binomial es 2= npq, por lo que la varianza

de la distribucin muestral de proporciones es 2p =(Pq)/n. Si se
sustituten los valores en esta frmula tenemos que:

, este valor no coincide con el de

0.1681, ya que nos falta agregar el factor de correccin para una
poblacin finita y un muestreo sin reemplazo:

La frmula que se utilizar para el clculo de probabilidad en una

distribucin muestral de proporciones est basada en la aproximacin de
la distribucin normal a la binomial . Esta frmula nos servir para
calcular la probabilidad del comportamiento de la proporcin en la
muestra.

A esta frmula se le puede agregar el factor de correccin de

condiciones necesarias.

si se cumple con las

Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad
grande fuman cigarrillos. Se toma una muestra aleatoria de 800
estudiantes. Calcule la probabilidad de que la proporcin de la muestra
de la gente que fuma cigarrillos sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede
ser con la aproximacin de la distribucin normal a la binomial y el
segundo utilizando la frmula de la distribucin maestral de proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x 440) = ?
Media= np= (800)(0.60)= 480

p(x 440) = 0.0017. Este valor significa que existe una probabilidad del
0.17% de que al extraer una muestra de 800 estudiantes, menos de 440
fuman cigarrillos.

Distribucin Muestral de Proporciones

Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p 0.55) = ?

Observe que este valor es igual al

obtenido en el mtodo de la aproximacin de la distribucin normal a la
binomial, por lo que si lo buscamos en la tabla de "z" nos da la misma
probabilidad de 0.0017. Tambin se debe de tomar en cuenta que el
factor de correccin de 0.5 se esta dividiendo entre el tamao de la
muestra, ya que estamos hablando de una proporcin.
La interpretacin en esta solucin, estara enfocada a la proporcin de la
muestra, por lo que diramos que la probabilidad de que al extraer una

muestra de 800 estudiantes de esa universidad, la proporcin de

estudiantes que fuman cigarrillos sea menor al 55% es del 0.17%.
Ejemplo:
Un medicamento para malestar estomacal tiene la advertencia de que
algunos usuarios pueden presentar una reaccin adversa a l, ms an,
se piensa que alrededor del 3% de los usuarios tienen tal reaccin. Si
una muestra aleatoria de 150 personas con malestar estomacal usa el
medicamento, encuentre la probabilidad de que la proporcin de la
muestra de los usuarios que realmente presentan una reaccin adversa,
exceda el 4%.
a. Resolverlo mediante la aproximacin de la normal a la binomial
b. Resolverlo con la distribucin muestral de proporciones
a. Aproximacin de la distribucin normal a la binomial:
Datos:
n=150 personas
p=0.03
x= (0.04)(150) = 6 personas
p(x>6) = ?
Media = np= (150)(0.03)= 4.5

p(x>6) = 0.1685. Este valor significa que existe una probabilidad

del 17% de que al extraer una muestra de 150 personas, mas de 6
presentarn una reaccin adversa.
b. Distribucin Muestral de Proporciones
Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?

Observe que este valor es igual al obtenido y la interpretacin es: existe

una probabilidad del 17% de que al tomar una muestra de 150 personas
se tenga una proporcin mayor de 0.04 presentando una reaccin
adversa.
Ejemplo:
Se sabe que la verdadera proporcin de los componentes defectuosos
fabricadas por una firma es de 4%, y encuentre la probabilidad de que
una muestra aleatoria de tamao 60 tenga:
a. Menos del 3% de los componentes defectuosos.

b. Ms del 1% pero menos del 5% de partes defectuosas.

Solucin:

a. Datos:
n= 60 artculos
P=0.04
p= 0.03
p(p<0.03) = ?

La probabilidad de que en una muestra de 60 artculos exista una

proporcin menor de 0.03 artculos defectuosos es de 0.2327.

b. Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05

p(0.01<p<0.05) = ?

Distribucin Muestral de Diferencia de Medias

Suponga que se tienen dos poblaciones distintas, la primera con
media 1 y desviacin estndar 1, y la segunda con media 2 y
desviacin estndar 2. Ms an, se elige una muestra aleatoria de
tamao n1 de la primera poblacin y una muestra independiente aleatoria
de tamao n2 de la segunda poblacin; se calcula la media muestral para
cada muestra y la diferencia entre dichas medias. La coleccin de todas
esas diferencias se llama distribucin muestral de las diferencias
entre medias o la distribucin muestral del estadstico

La distribucin es aproximadamente normal para n1 30 y n2 30. Si las

poblaciones son normales, entonces la distribucin muestral de medias
es normal sin importar los tamaos de las muestras.

En ejercicios anteriores se haba demostrado que

por lo que no es difcil deducir que

que

y que

La frmula que se utilizar para el calculo de probabilidad del estadstico

de diferencia de medias es:

Ejemplo:
En un estudio para comparar los pesos promedio de nios y nias de
sexto grado en una escuela primaria se usar una muestra aleatoria de
20 nios y otra de 25 nias. Se sabe que tanto para nios como para
nias los pesos siguen una distribucin normal. El promedio de los pesos
de todos los nios de sexto grado de esa escuela es de 100 libras y su
desviacin estndar es de 14.142, mientras que el promedio de los pesos
de todas las nias del sexto grado de esa escuela es de 85 libras y su
desviacin estndar es de 12.247 libras. Si representa el promedio de
los pesos de 20 nios y es el promedio de los pesos de una muestra
de 25 nias, encuentre la probabilidad de que el promedio de los pesos
de los 20 nios sea al menos 20 libras ms grande que el de las 25
nias.
Solucin:
Datos:
1

= 100 libras

= 85 libras

= 14.142 libras

= 12.247 libras

n1 = 20 nios
n2 = 25 nias
=?

Por lo tanto, la probabilidad de que el promedio de los pesos de la

muestra de nios sea al menos 20 libras ms grande que el de la
muestra de las nias es 0.1056.

Ejemplo:
Uno de los principales fabricantes de televisores compra los tubos de
rayos catdicos a dos compaas. Los tubos de la compaa A tienen una
vida media de 7.2 aos con una desviacin estndar de 0.8 aos,
mientras que los de la B tienen una vida media de 6.7 aos con una
desviacin estndar de 0.7. Determine la probabilidad de que una
muestra aleatoria de 34 tubos de la compaa A tenga una vida promedio
de al menos un ao ms que la de una muestra aleatoria de 40 tubos de
la compaa B.
Solucin:
Datos:
A

= 7.2 aos

= 6.7 aos

= 0.8 aos

= 0.7 aos

nA = 34 tubos
nB = 40 tubos
=?

Ejemplo:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose
una desviacin estndar de 1.23km/L para la primera gasolina y una
desviacin estndar de 1.37km/L para la segunda gasolina; se prueba la
primera gasolina en 35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de un
rendimiento promedio mayor de 0.45km/L que la segunda
gasolina?
b. Cul es la probabilidad de que la diferencia en rendimientos
promedio se encuentre entre 0.65 y 0.83km/L a favor de la gasolina
1?.
Solucin:

En este ejercicio no se cuenta con los parmetros de las medias en

ninguna de las dos poblaciones, por lo que se supondrn que son
iguales.
Datos:
1

= 1.23 Km/Lto

= 1.37 Km/Lto

n1 = 35 autos
n2 = 42 autos
a.

b.
?

=?

La probabilidad de que la diferencia en rendimientos promedio en las

muestras se encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1
es de 0.0117.

El concepto del error estndar

Medicin de un error aleatorio en un dato estadstico informado
Por Stephen N. Luko
: Qu es el error estndar y cmo se lo utiliza en la prctica?
R: Uno de los conceptos ms tiles en la prctica estadstica es justamente el de "error
estndar". Este trmino fue definido originalmente por el estadstico britnico Udny Yule a
comienzos del siglo XX. La norma E2586 de ASTM, Prctica para calcular y usar estadsticas
bsicas, define el error estndar como "la desviacin estndar de la poblacin de valores de una
estadstica muestral en un muestreo repetido o su estimacin". El trmino incertidumbre est
estrechamente relacionado con el error estndar y en las ltimas dcadas se la he dedicado
bastante atencin. El error estndar mide el error aleatorio en un dato estadstico informado: el
tipo de error causado por la variacin aleatoria del muestreo al repetir una prueba en las mismas
condiciones. La incertidumbre es un concepto ms amplio que incluye componentes adicionales
de error potencial adems del error aleatorio. La norma E2655 de ASTM, Gua para informar la
incertidumbre de los resultados de pruebas y Uso del trmino incertidumbre de la medicin en
mtodos de prueba de ASTM, describe el uso del concepto de incertidumbre tal como se lo aplica
al resultado de una prueba.
En general, las personas que toman las decisiones y los usuarios que utilizan los datos suelen
estar ms preocupados por los datos estadsticos que por las mediciones individuales en un
grupo de datos. Los usuarios de datos desean ver promedios, varianzas, rangos, proporciones,
valores mximos o mnimos, percentilos u otras estadsticas. Lo que a menudo no logran
apreciar totalmente es que las estadsticas tambin se comportan de una manera aleatoria,
similar a la de las mediciones individuales, y esto se mide con el error estndar. Cuando se
informa la media de una muestra, no se informa el promedio "verdadero" sino una estimacin.
La estadstica muestral puede resultar levemente superior o inferior al valor verdadero
desconocido. El error estndar de la media mide la diferencia que puede existir entre la media
verdadera y la estadstica que se informa. En trminos ms generales, podemos hablar del "error
estndar de la estimacin" cada vez que se informa una cantidad estadstica estimada. Cuando
se calcula un dato estadstico nico, es posible calcular el error estndar de la estimacin. En
general, cuanto mayor sea el tamao de la muestra, menor ser el error estndar de una
cantidad estimada.
Para ver cmo funciona esto, analicemos una media muestral. A partir de una muestra de
tamao n, se calculan la media muestral y la desviacin estndar. En realidad hay una media
verdadera, , y una desviacin estndar verdadera , y son desconocidas. La muestra nos brinda
las estimaciones
y S. Si hiciramos muestras repetidamente de la poblacin/proceso del cual
se toma la muestra y calculramos la media muestral una y otra vez, la desviacin estndar de
la distribucin de medias sera el error estndar verdadero de la media. En teora, esta es la
Ecuacin 1:

(1)
Debido a que solo tenemos una media estimada, y no conocemos el verdaderos , solo podemos
estimar el error estndar como:
(2)
El error en un resultado informado se llama error de muestreo, y se mide como desviacin
absoluta del valor verdadero desconocido. Por lo tanto, para una media, el error muestral puede
considerarse como la desviacin | - | . Alrededor del 68% de las veces el error muestral
tendr como mximo el tamao de un error estndar, y en el 95% de los casos, el de 2 errores
estndar. Esto puede expresarse ms concisamente de la siguiente manera:
(3)
(4)
De este modo, el usuario de una estadstica obtiene una idea de la magnitud de la diferencia que
pudo haberse verificado en la prctica, la manera en que el tamao de la muestra afecta el
posible error de una estimacin y con qu probabilidad aproximada (confianza). En este caso,
estamos considerando un tamao de muestra de 20 o ms y estamos usando la teora de la
distribucin normal. Algunos lectores tambin reconocern en esto una cierta similitud con la
construccin de un intervalo de confianza para una media desconocida. En la norma E2586 de
ASTM se tratan los intervalos de confianza y se ha publicado un artculo de DataPoints sobre este
tema.1
Ejemplos
Consideremos que en una muestra de tamao n = 20 se determin que la media muestral y la
desviacin estndar eran 162 y 11,5 respectivamente. El error estndar estimado de la media
surge de la Ecuacin 2: 11,5/4,47 = 2,57. De este modo, el potencial de error en el resultado
informado no es superior a 2,57 (68% de confianza) o no ms de 2(2,57) = 5,14 (a 95% de
confianza).
Uno de los recursos estadsticos ms utilizados es una proporcin simple. Hay una muestra de
objetos de tamao n, y se observa cada objeto para identificar la ocurrencia de un atributo.
Cada objeto tiene o no tiene el atributo. Esta es la situacin, por ejemplo, en los muestreos de
control de calidad o en las encuestas de opinin pblica. La estadstica, indicada , es la
proporcin en la muestra que tiene ese atributo. La proporcin verdadera y desconocida de
todos los objetos es p. El error estndar terico de la estimacin es:
(5)
En la prctica no conocemos nunca el valor verdadero de p, de modo que reemplazamos la
estadstica y obtenemos una estimacin del error estndar. Utilizando la Ecuacin 5, el error
estndar estimado es:
(6)
Cuando esta tcnica se utiliza en una encuesta poltica o una investigacin de mercado, la
cantidad 2SE( )se menciona como margen de error de la encuesta. Supongamos que en una
muestra de n = 200 componentes de metal inspeccionados, se clasificaron 23 como defectuosos.
La estimacin de la proporcin defectuosa del proceso es
= 23/200 = 0,115 o 11,5%.
El error estndar de esta estimacin, usando la Ecuacin 6, es 0.0226 o 2,26%. En caso de
querer reclamar una confianza de aproximadamente 95% en el posible error en el resultado,
deberamos informarlo utilizando dos errores estndar o como 11,5% 4,52%. De todos modos,
debera informarse al menos el error estndar (2,26%) junto con la estimacin.
En la E2586 de ASTM estn disponibles las frmulas de error estndar para varios casos
comunes. En la bibliografa sobre ciencias estadsticas pueden consultarse otros casos y
mtodos.

Referencias
1. Stephen N. Luko y Dean V. Neubauer, Statistical Intervals, Part 1: The Confidence Interval,
ASTM Standardization News, Vol. 39, Nm. 4, julio/agosto 2011.
Stephen N. Luko, de Hamilton Sundstrand, Windsor Locks, Connecticut, es el anterior
presidente del Comit E11 sobre calidad y estadsticas y es miembro de ASTM International.
Dean V. Neubauer, de Corning Inc., Corning, Nueva York, es miembro de ASTM; se desempea
como vicepresidente del Comit E11 sobre calidad y estadsticas, es presidente del Subcomit
E11.30 sobre control estadstico de la calidad y del E11.90.03 sobre publicaciones, y tambin
coordina la columna DataPoints (Mediciones).