Universidad Nacional del Altiplano

Facultad de Ingeniería Económica

Estadística para Economistas II

Estimación Estadística

Dr. Sabino Edgar Mamani Choque

 Estimación Estadística

LA INFERENCIA ESTADÍSTICA. Es la generalización de

los resultados a partir de la medición de una muestra.
Procedimientos o métodos de:
1.Inferir de una muestra a una población se llama
estimación de un parámetro.
2.Prueba de una hipótesis acerca de un parámetro.
1) Estimación Puntual.
2) Estimación interválica o por intervalos.
 ¿Qué es un estimador?

1. Es aquel valor de una muestra muy semejante al parámetro

de la población.

2. Ejemplo, se puede decir que 𝑋 está muy próximo al

verdadero valor de µ. Para ello 𝑋 tiene que cumplir una
serie de requisitos. (Taro Yamane, Pág. 108)
 ¿Cuáles son los requisitos de un
buen estimador?

1. Es insesgado o sin vicio.

2. Consistente

3. Eficiente

4. Suficiente
 ¿Cuáles son los requisitos de un
buen estimador?

• Estimador Insesgado. Cuando el valor esperado de un

estadístico empleado como estimador es igual al parámetro:
E(ô) = .

• Estimador Consistente. Cuando un estimador se aproxima al

parámetro de la población que se va estimar aumentando el
tamaño de la muestra.
 ¿Cuáles son los requisitos de un
buen estimador?

• Estimador Eficiente. Se dice que un estimador ô1 es

más eficiente que otro estimador ô2 para  si el primero
tiene una menor varianza que el segundo.

• Estimador Suficiente. Es un estimador que utiliza toda

la información que posee una muestra sobre el
parámetro que se estima.
 Estimación Interválica

Es la estimación de un parámetro por un intervalo, llamado

Intervalo de Confianza, cuyos puntos finales L y U (L  U),

son funciones de las variables aleatorias observadas tales

que la probabilidad de que quede satisfecha la desigualdad

L    U, se expresa en términos de un número

determinado: 1 - .
 Estimación Interválica

Sea X una población distribuida N(μ,σ2)

Para encontrar dos estadísticos θ1 y θ2 tal que P(θ1 < μ < θ2) = γ, con γ conocido
se sigue los siguientes pasos:
1. Elegir el nivel de confianza γ = 1 - α
2. Sea X1, X2, … Xn una muestra aleatoria de tamaño n de X, y 𝑋 media
muestral.
3. Siendo 𝑋 un buen estimador de μ, se puede usar la distribución muestral de
𝑋 para establecer un intervalo de confianza para μ.
4. Para n suficientemente grande (n>30), por el teorema del límite central se
tiene que:
 2 
x  N   , 
 n 
 Estimación Interválica

Si X es una población normal, entonces la media muestral es normal para todo n, y se

obtiene que:
Z
 x   n
~(0,1)

5. Z depende del parámetro µ; eligiendo γ = 1 – α se puede determinar dos valores:
Z1 y Z2 tal que:

Z  Z1  Z  Z2     1  

6. Hay muchas formas de escoger Z1 y Z2 que cumplan tal condición. La forma

mas sencilla es escoger Z2 = -Z1 = Z0

P   Z0  Z  Z0     1  
 Estimación Interválica
7. Por simetría de la curva normal, se tiene:

P   Z0  Z  Z0   2PZ  Z0   1  

Es decir:

2P  Z  Z0   1  
RA
RC /2 1- RC /2
P  Z  Z 0   1   
1
2
- Z/2 0 Z/2
P  Z  Z0   1   Intervalo de 
2

8. Del paso anterior se encuentra el valor de Z0 y, sustituyendo el valor de Z se

encuentra que:

 x 
P   Z 0  Z  Z 0   P  Z 0  n  Z0   
  
  Z Z
P  0  x    0   
 n n

 Z Z
P  x  0      x  0   
 n n

 Z Z
P x  0    x  0   
 n n

Entonces el intervalo de confianza es:

 Z 0 Z 0 
 x  n ; x  n 

Z 0
x
n
1. Intervalo de confianza para  con 2 conocida

Si 𝑋 es la media de una muestra de tamaño n (n ≥ 30) tomada de una

distribución con media  (descocida) y 2 conocida, entonces:

 Z 0 Z 0 
 x  n ; x  n 

Es aproximadamente un intervalo del 100 γ% de confianza para la

media μ, donde Z0 es tal que P(Z ≤ Z0)=1- α/2

• Si se desconoce σ y n≥30, se puede usar la desviación estándar muestral S para

aproximar σ
• Si la v.a. X se distribuye normalmnete con media μ y σ2 conocida, el teorema anterior se
cumple tambien para n< 30
 Si el muestreo es sin reemplazo en poblaciones finitas, se usa el factor de corrección
(N-n)/(N-1).
Para población finta de N elementos, σ conocida, muestreo sin reemplazo y n≥30, el
intervalo del 100 γ% de confianza para μ es:

 Z 0 N n Z 0 N n
x  ;x  
 n N 1 n N 1 

Si σ es desconocida, el intervalo de confianza será:

 Z0S N n Z0S N n

x  ;x  
 n N 1 n N 1 

El IC es función creciente del nivel de confianza.

El tamaño de muestra aparece en el denominador de Z0, por tanto para muestras grandes el IC
será mas corto (información mas precisa) 13
Construir un IC del 95% de confianza para la media de la población, a partir de una
muestra de tamaño 64, extraída de una población con σ=10. La media muestral fue
de 48.5.

γ=0.95, entonces (1+0.95)/2 = 0.975

De la tabla Z, Z0=1.96
θ1= 46.05
θ2= 50.95

γ 0.90 0.95 0.955 0.98 0.99

Z0 1.645 1.96 2.00 2.33 2.576
 Es posible estimar un IC para la cantidad total de una población en casos apropiados.

 Z 0 NS Z 0 NS 
 NX  n ; NX  n 

1. Si se obtienen todas las posibles muestras de tamaño 25 en una distribución normal,

con media 20 y D.E. 4, ¿dentro de que límite se encuentra el 90% central de las
medias muestrales?
2. En una muestra de 60 observaciones, la media es de 35 y la D.E. 4.2. Determine los
límites entre los cuales debe encontrarse la media poblacional, con una probabilidad
del 95%.
3. Como prueba de mercado de un artículo, se evalúa durante un mes las ventas en las
tiendas de una cadena de autoservicio. Los resultados de una muestra de 36 tiendas
indicaron ventas promedio de S/1200 con una D.E. S/180. Si la cadena tiene 200
tiendas, establezca un IC con 99% de confianza de las ventas totales.
2. Intervalo de Confianza para la diferencia de dos
distribuciones con varianzas 21 y 22 conocidas y
muestras grandes (n  30).

Si 𝑋1 y 𝑋2 , son las medias de dos muestras aleatorias independientes de

tamaños n1 y n2 seleccionadas respectivamente de dos poblaciones con
medias 1 y 2 y variancias 21 y 22, supuestas conocidas. El estadístico es:

P   Z 0  Z  Z 0 
 
 x  y  (    ) 
 P  Z 0  x y
 Z  
 x y
2 2 0

  
 n m 
  
 x  y  (    ) 
P  Z 0  x y
 Z  
  x2  y
2 0

  
 n m 

  x2  y
2
 x2  y 
2

P ( x  y )  Z 0   ( x   y )  ( x  y )  Z 0   
 n m n m


 x2
 2
x2
 2 

P ( x  y )  Z 0  y
; ( x  y)  Z0  y  
 n m n m


 2
 2

( x  y)  Z0 x
 y

n m
1. La media y D.E. de las cargas máximas soportada por 100 cables

producidos por una compañía A son 20 toneladas y 1.1 toneladas.

La media y D.E. de 60 cables producidos por otra compañía B es de

16 toneladas y 0.8 toneladas, respectivamente. Determine un IC del

95% para la diferencia de cargas máximas medias.

 3. Intervalo de Confianza para una proporción,
muestras grandes (n  30).
p=X/n es un estimador puntual de P

Si P es desconocido se puede establecer un IC para P, (P1 ≤ P ≤P2) considerando la

distribución muestral de p.

Para una muestra aleatoria de tamaño n suficientemente grande (n≥30), la v.a. p tiene
una distribución aproximadamente normal con media y varianza:

 p  E ( p)  P  p2 
pq
n

La v.a. Z  p  P tiene una distribución normal para n grande.

PQ
n
Una vez elegido γ, se puede encontrar Z0 como:

P   Z0  Z  Z0   

 
 pP 
P   Z 0   Z0   
 pq 
 n 

 pq pq 
P   p  Z0  P  p  Z0  
 n n 
 Para muestreo sin reemplazo:

 pq N n pq N n
P   p  Z0  P  p  Z0  
 n N 1 n N 1 

1. Una investigación efectuada a 400 familias de clase media reveló que en la

realización de fiestas familiares, el 62% prefería el pisco a cualquier otra clase
de licor. Determine los LC del 99%.
2. El gerente de una agencia bancaria que tiene 1000 cuenta habitantes desea
determinar la proporción de sus cuentahabitantes a los cuales les paga el
sueldo por semana. Se selecciona una muestra de 100 cuentahabitantes, de
los cuales 30 indican que se les pagó por semana. Determine el intervalo del
90% de confianza de la proporción real de cuentahabitantes a quienes se les
pagó por semana.
 4. Intervalo de Confianza para la diferencia de
proporciones
Un IC para P1 – P2 puede establecerse considerando la distribución muestral de p1–p2.
Para n suficientemente grande (n≥30), p1–p2 se distribuye aproximadamente normal
con media p1–p2 y varianza:
p1q1 p2 q2
 2
p1  p 2  
n1 n2

Entonces:
( p1  p2 )  ( P1  P2 )
Z
P1Q1 P2Q2

n1 n2

tiene aproximadamente una distribución N(0,1)

 Elegido un γ podemos encontrar Z0 tal que:

P   Z0  Z  Z0   

 
 
( p  p )  ( P  P )
P  Z 0  1 2 1 2
 Z0   
 P1Q1 P2Q2 
  
 n1 n 2 

 P1Q1 P2Q2 P1Q1 P2Q2 

P ( p1  p2 )  Z 0   ( P1  P2 )  ( P1  P2 )  Z 0   
 n1 n2 n1 n2 

 P1Q1 P2Q2 P1Q1 P2Q2 

( p1  p2 )  Z 0  ; ( P1  P2 )  Z 0  
 n1 n2 n1 n2 

P1Q1 P2Q2
( p1  p2 )  Z 0 
n1 n2
1. Se ha encontrado que 25 de 250 cinescopios de televisión

producidos por el proceso A son defectuosos y que 14 de

180 producidos por un proceso B son defectuosos.

Asumiendo que el muestreo es aleatorio, determine un

intervalo del 99% de confianza para la diferencia verdadera

en la proporción de defectuosas, de los dos procesos.

 5. Intervalo de Confianza para la media con
varianza desconocida, muestra pequeña.
Sea X una v.a. con distribución aproximadamente normal con media μ y varianza σ2
(desconocida), en cuyo caso el estimador puntual es S2.
La media muestra es adecuada para estimar μ, pero como no se conoce σ2, se usa la
distribución muestral de la v.a.

x n
T
S

que tiene una distribución t con n-1 gl

Entonces, elegido γ=1-α, puede determinarse dos valores t1 y t2 tal que:

Pt1  T  t2     1  
Hay muchas formas de escoger t1 y t2 que cumplen tal condición, la mas simple
es tomar t2=t1=t0

- t0 t0

Luego P t0  T  t0     1  

 x 
P   t0  n  t0   
 S 
  t0 S t0 S 
P x  x  
 n n

 t0 S t0 S 
 x  ; x  
n n

t0 S
x
n
Para muestreo sin reemplazo en poblaciones finitas

 t0 S N n t0 S N n
P x  x  
 n N 1 n N 1 

 t0 S N n t0 S N n
x  ;x  
 n N 1 n N 1 

t0 S N n
x
n N 1
1. El diámetro final de un cable eléctrico blindado es distribuido normalmente. Una muestra de
tamaño 20 produce una media de 0.79 y una D.E. muestral de 0.01. Determine un intervalo de
confianza del 95% para μ.

2. A un laboratorio de ensayo de materiales se lleva una muestra de 10 cables para obtener sus
cargas de rotura a la tracción. Los resultados obtenidos (kg/cm2) fueron: 280, 295, 308, 320, 265,
350, 300, 310, 285, 310. Considerando que estas cargas poseen distribución de probabilidad
normal, determine el IC de 90% para la media de la población.

3. Los ingresos del impuesto sobre ventas en una ciudad que tiene un total de 300 establecimientos
comerciales se recogen cada trimestre. Los siguientes datos representan los ingresos (en miles)
cobrados durante el primer trimestre en una muestra de nueve establecimientos comerciales: 16,
18, 11, 17, 13, 10, 22, 15, 16. a) Determine un intervalo con 95% de confianza de los ingresos
trimestrales del impuesto sobre ventas en los establecimientos comerciales, b) Determine una
estimación del intervalo con 95% de confianza de los ingresos totales por impuesto sobre ventas
que recogerán este trimestre.
6. Intervalo de Confianza para diferencia de medias con
varianzas desconocidas pero iguales, muestras pequeñas.
Sea X una v.a. distribuida normalmente con media μx y varianza σ2 desconocida.
Sea Y una v.a. independiente distribuida normalmente con media μy y varianza σ2
desconocida.
Sea 𝑋 la media muestral de una muestra aleatoria de n (n<30) observaciones de X y, sea
𝑌 la media muestral de una muestra aleatoria de m (m<30) observaciones de Y.

( x  y )  ( x   y )
T
Luego
1 1 (n  1) S x  (m  1) S y
2 2


n m nm2

tiene una distribución t con n+m-2 grados de libertad. Dado que T no depende de μx-μy; y
elegido γ se puede encontrar t0, tal que:

P t0  T  t0    
Si Sc = desviación estándar combinada

(n  1) S x2  (m  1) S y2
Sc 
nm2

( x  y )  ( x   y )
Entonces T
1 1
 ( Sc )
n m

 
 ( x  y )  ( x   y ) 
P   t0   t0   
 1 1
 ( S ) 
 n m
c 

 1 1 1 1 
P ( x  y )  t0  (Sc )   x   y  ( x  y )  t0  (Sc )  
 n m n m 31 
 Restituyendo Sc

 1 1 (n  1) S x2  (m  1) S y2 1 1 (n  1) S x2  (m  1) S y2 
( x  y )  t0  ; ( x  y )  t0  
 n m nm2 n m nm2 

1 1 (n  1) S x2  (m  1) S y2
( x  y )  t0 
n m nm2

1. Las siguientes son 16 determinaciones independientes del punto de fusión de un

compuesto, ocho hechas por un analista A y ocho por un analista B. Los resultados
fueron (°C).
Analista A (X) 164.4 169.7 169.2 169.5 161.8 168.7 169.5 163.9
Analista B (Y) 163.5 162.8 163.0 163.2 160.7 161.5 160.9 162.1

Hallar un IC del 90% para la diferencia media entre analistas, suponiendo

varianzas iguales pero desconocidas.
 7. Intervalo de Confianza para la varianza

Sea X una v.a. distribuida normalmente con media μ y varianza σ2 desconocidos.

Sea 𝑋 la media muestral y S2 la varianza muestral de X, de tamaño n
n

Se conoce que: (n  1) S 2  i
( X  X ) 2

X2   i 1
2 2

tiene una distribución chi-cuadrado con n-1 grados de libertad; depende de σ2, pero
su distribución no, por tanto, elegido γ se puede encontrar a y b, tal que:

P(a  X 2  b)  

P( X  b)  P( X  a)  
2 2
Una forma de escoger a y b es: P( X 2  a )   2

P( X 2  b)  1   2

Donde α=1-γ. Entonces: a  X 2 2 b  X 12 2

γ
α/2 α/2

X 2 2 X 12 2
De: P(a  X 2  b)  P( X 2  b)  P( X 2  a)

Se obtiene 
P X 2  X  X
2 2 2
1 2 
 
1  1  
2 2

Donde 𝑋𝛼2 2 y 𝑋1−

2
𝛼
2
son valores de chi-cuadrado con n-1 grados de libertad tales
que:

P( X 2  X 2 2 )   2 y P( X 2  X12 2 )  1   2
 (n  1) S 2
Luego, reemplazando X2 por: 
2

 2 (n  1) S 2 
se obtiene P X 2   X 1 2 
2

  2


 1 2 1 
P 2   2 
 X 1 2 (n  1) S
2
X  2 

 (n  1) S 2 (n  1) S 2 
P 2
 
2
2    1
 X 1 2 X  2 

 (n  1) S 2 (n  1) S 2 
 2
; 2 
 X 1 2 X  2 
La estimación del intervalo de 100 γ% de confianza para la desviación estándar es:

 n 1 n 1
P S 2
  S 2 
  1
 X 1 2 X  2 

 n 1 n 1
S 2
;S 2 
 X 1 2 X  2 

1. A un laboratorio de ensayo de materiales se lleva una muestra de 10 cables para

obtener sus cargas de rotura a la tracción. Los resultados obtenidos (kg/cm2)
fueron: 280, 295, 308, 320, 265, 350, 300, 310, 285, 310. Considerando que estas
cargas poseen distribución de probabilidad normal, determine el IC de 90% para la
desviación estándar de la población.
 8. Intervalo de Confianza para la razón de dos
varianzas
Sea X una v.a. distribuida normalmente con media μx y varianza σx2 , y sea Y una v.a.
independiente (de X) distribuida normalmente con media μy y varianza σy2

Sea Sx2 la varianza muestral basada en una muestra aleatoria de tamaño n de X, y sea
Sy2 la varianza muestral basada en una muestra aleatoria de tamaño m de Y.

S x2  x2 S x2  y
2
Entonces F 2 2  2 2
Sy  y Sy  x

tiene una distribución F con n-1 y m-1 grados de libertad. Su distribución no depende
de σx2 σy2; elegido γ, se puede hallar c y d, tal que:

P(c  F  d )  

P( F  d )  P( F  c)  
Eligiendo c y d de modo que: P( F  c )   2 P( F  d )  1   2
donde α = 1- γ ó γ = 1 - α

Es decir: c  f 2, n 1, m 1 d  f1 2, n 1, m 1

Luego: P(c  F  d )  P f 2, n 1, m 1  F  f1 2, n 1, m 1     1  

donde fα/2 y f1-α/2 son valores de la distribución F con n-1 y m-1 grados de libertad,
dejando áreas bajo la curva de α/2 y 1-α/2, respectivamente a la izquierda.
Entonces P f 2, n 1, m 1  F  f1 2, n 1, m 1  

 2
S  2

 P f 2 , n 1, m 1 
x y
 f1 2, n 1, m 1 
 2
S x2 
 y 

 1 S 2
 2
1 
 P  2 2 
y x 
 f S  f 
 1 2,n 1,m1 x y  2, n 1, m 1 

 S x2 1  2
S 2
1 
 P 2  2 2
x x 
S f  S f 
 y 1 2, n 1, m 1 y y  2 , n 1, m 1 

 S x2 1 S 2
1 
 ; x 
 S2 f S 2
f 
 y 1 2, n 1, m 1 y  2, n 1, m 1 
 γ
α/2 α/2

f 2 f1 2

𝝈𝒙
Intervalo de confianza para la razón de desviaciones estándar es:
𝝈𝒚

S 1 Sx 1 
 x ; 
 Sy f1 2, n 1, m 1 S y f 
 2, n 1, m 1 
 𝟏
Reemplazando: 𝒇∝ , 𝒏−𝟏,𝒎−𝟏 por se obtiene:
𝟐 𝒇𝟏−∝ ,𝒎−𝟏,𝒏−𝟏
𝟐

 S x2 1  2
S 2 
 P 2  2  2 f1 2,m 1,n 1   
x x
 S y f1 2,n 1,m 1  y S y 
 

 S x2 1 S 2 
 2 ; 2 f1 2,m 1,n 1 
x
 S y f1 2,n 1,m 1 S y 
 
1. Se preparan dos diferentes tandas de cemento, y de cada una se
fábrica gran número de tabiques. Se toma una muestra de seis
tabiques de cada tanda, y la fuerza de tensión en lb/pulg2, se mide
para cada tabique de las dos muestras. Suponiendo que la fuerza de
tensión está normalmente distribuido con varianza σi2, i=1, 2. Hallar
un IC de 95% para la razón de las dos desviaciones estándar σ1/σ2

Tanda 1 536 492 528 572 582 506

Tanda 2 555 567 550 550 535 540
Ejercicio. La media y la desviación estándar de las cargas máxima
soportada por 100 cables producidos por la compañía “Duramas”
son 20 toneladas y 1.1 tonelada. La media y la desviación estándar
de 60 cables producidos por la Compañía “Cableco” son 16
toneladas y 0.8 toneladas, respectivamente. Determinar un
intervalo de confianza del 95 % para la diferencia de cargas
máximas medias. (Rpta. P(3.7,4.3)=0.95. (R. Moya, Pag. 660).
.n1 = 100; X1 = 20; S1 = 1.1; Z = 1.96
.n2 = 60; X2 = 16; S2 = 0.8.
Ejercicio. Una compañía exportadora de café quiere escoger la
mejor calidad de café de exportación entre dos variedades de café
en grano: A (Chanchamayo) y B (Quillabamba). Elegirá la variedad
de café que contenga el menor porcentaje de impurezas por saco
de un quintal. Se sabe que los porcentajes de impurezas de saco
de cada variedad de café tienen distribución normal y con la
misma varianza. (Córdova Manuel, Pág. 76)
Dos muestras aleatorias independientes una de 10 sacos de
A y la otra de 12 sacos de B, revelaron los siguientes
porcentajes de impurezas por saco de café:
A: 4, 3, 6, 6, 5, 6, 7, 4, 7, 6
B: 7, 6, 10, 8, 9, 8, 7, 6, 7, 9, 5, 8
Estime mediante un intervalo de confianza del 95% la
diferencia entre los dos promedios de porcentajes de
impurezas por saco de toda la producción de las dos
variedades de café. ¿qué variedad de café debería elegir
para la exportación?. Rpta. P(-3.354, -0.846)=0.95.
Ejercicio. El jefe de personal de una empresa de confecciones quiere
comparar las medias de los tiempos en minutos que operarios hombres
y mujeres utilizan para confeccionar una camisa. Se supone que las dos
poblaciones de tiempos tienen distribución normal con varianza
homogénea. Dos muestras aleatorias de tamaño 16 revelaron las
siguientes estadísticas: X1 = 38, S1 = 6 y X2 = 35, S2 = 4 . Utilizando un
intervalo de confianza del 95%, ¿se puede concluir que en promedio los
hombres y las mujeres utilizan el mismo tiempo?, suponiendo varianzas
iguales pero desconocidas. (Córdova Manuel. Pág. 100).
• Problema. Se lleva a cabo un estudio para comparar el sueldo en
Lima de los ingenieros (B1) y de los administradores (B2) egresados
de la PUCP. Las experiencias anteriores indican que la distribución
de los sueldos tanto de B1 como en B2 es normal y con varianzas
diferentes. Dos muestras aleatorias, una de 9 sueldos de B1 y otra
de 8 de B2 dieron los siguientes ingresos en miles de dólares:

• B1: 1.2, 2.8, 1.0, 2.5, 2.4, 1.9, 2.2, 2.3, 1.7

• B2: 1.6, 2.0, 1.6, 2.0, 1.6, 1.7, 1.5, 2.1

Ejercicio. Durante cierta semana, una tienda de departamentos
observo y registró que 5,750 de las 12500 personas que entraron en
la tienda hicieron por lo menos una compra. Tratando esto como
una muestra al azar de todos los clientes potenciales, hallar el
intervalo de confianza del 99 % para la proporción real de personas
que entran en la tienda y que harán por lo menos una compra.

(Rpta: p(0.45,0.47)=0.99. (R. Moya. Pag. 662).

¿Cuál será el tamaño de la muestra “n” al 99% central con un error

estadístico aceptado: e = 0.015?.
Ejercicio. El gerente cree que el 40 % de 2000 comerciantes
demandan lavadoras a una compañía. Establecer un intervalo de
confianza del 95 %. Para ello se toma se toma una muestra al azar
de 400 comerciantes, para la proporción real de comerciantes que
demandarán lavadoras a la compañía.

¿Cuál será el tamaño de la muestra “n” al 95% central con un error

estadístico aceptado: e = 0.05?. (Taro Yamane, Pág. 134).
Ejercicio. Se ha encontrado que 25 de 250 cinescopios de televisión
producidos por el proceso A son defectuosos y que 14 de 180
producidos por un proceso B son defectuosos. Suponiendo que el
muestreo es aleatorio, determinar el intervalo de confianza del 99 %
de confianza para la diferencia verdadera es la proporción de
defectuosos, de los dos procesos. (Rpta, p(-0.049, 0.093). (R. Moya, Pag.
669).
Ejercicio. Los siguientes son los pesos, en decagramos, de 10 paquetes
de semillas de pasto distribuidos por determinada compañía: 46.4,
46.1, 45.8, 47, 46.1, 45.9, 45.8, 46.9, 45.2, 46. Encuéntrese un intervalo
de confianza de 95 % para la variancia de todos los paquetes de
semillas de pasto que distribuyó por esta compañía, suponiendo una
población normal.

Rpta, p(0.135, 0.953). (Walpole-Myers, Pág.. 274).

• Excel entrega los valores críticos de t hacia la derecha (los positivos), acumulando

la probabilidad de derecha a izquierda a 2 colas.

• Si α=5%, distribuirá 2,5% en cada cola.

=DISTR.T.INV(0.05,4) = 2.776

a) =1-DISTR.T(1.356,12,1)

b) =DISTR.T(0.873,12,19

c) =1-DISTR.T(2.179,12,1)-DISTR.T(2,12,1)
• Excel entrega los valores críticos de la Chi cuadrado, acumulando la probabilidad de
derecha a izquierda y a 1 cola.

El valor crítico de la Chi cuadrado con 10 gl a 1 cola, al 95% es:

=PRUEBA.CHI.INV(0,05; 10) = 18,307

a) =DISTR.CHI(11.34,12)

b) DISTR.CHI(7.807,12)-DISTR.CHI(15.812,12)