PRACTICA No.

2: INFERENCIA Y MUESTREO
CARRERA DE ECONOMIA
DOCENTE: Lic. Marcelo Aguirre Vargas
NOTA: Los problemas pares están resueltos, los impares deben ser resueltos por estudiantes.

2.7.6 Estimación de Parámetros

2.7.6.1 Suponga que el número de accidentes mensual de tránsito, ocurridos en las vías de una ciudad
se distribuye según el modelo de probabilidad de Poisson con parámetro desconocido E(X) = λ = µ. Si se
toma una muestra aleatoria de 15 meses y se encuentra que el número de accidentes en los 15 meses
son: 20, 29, 40, 29, 10, 25, 20, 30, 25, 28, 35, 25, 32, 28 y 32, cuyas sumatorias son: ∑X i = 408; ∑Xi2 =
11.798, a) Determinar el valor estimado de E(X) = λ = µ, sabiendo que el estimador de ese parámetro
obtenido por el método de Máxima Verosimilitud es la media muestral (𝑋̅), b) Estime el número medio de
accidentes por mes mediante un intervalo del 90% de confianza, c) Hallar el margen máximo de error
para la estimación del inciso a) con un nivel de confianza del 90%.

2.7.6.2 Se realiza un estudio en 120 hogares de la clase media de una ciudad (población) para estimar
la proporción de hogares sin vivienda propia. Los resultados son los siguientes: 30 tienen vivienda
propia, 65 tienen vivienda alquilada, 15 tienen vivienda en contrato anticrético y 10 declaran tener
vivienda cedida de diversas formas: a) Cual es la población, b) Cual es la muestra, c) Cual es la variable,
d) De que tipo es la variable, e) Estimar la proporción estimada de hogares sin vivienda propia de esa
población (ciudad), f) Determinar la proporción del inciso anterior mediante un intervalo del 97% de
confianza, g) Hallar el margen máximo de error para la estimación del inciso h) con una confianza del
97%. Las estimaciones anteriores son requeridas para realizar una planificación y programación de
construcción de viviendas de bajo costo en la citada ciudad (población), i) Si la población de hogares es
de 80.000, estimar el Nº de hogares sin vivienda propia mediante un intervalo del 99% de confianza.
Para este inciso, determinar el margen máximo de error de la estimación, o sea de 𝑇̂ = n𝑋̅ con un 99%
de nivel de confianza.

SOLUCION.-

n = 120 hogares (muestra aleatoria).

P = Proporción de hogares sin vivienda propia de la población.
65+15+10 90
𝑃̂ = Proporción de hogares sin vivienda propia de la muestra. 𝑃̂ = = = 0,75.
120 120
a) La población está constituida por todos los hogares de la clase media de la población (ciudad).

b) La muestra está constituida por los 120 hogares.

c) Forma de tenencia de la vivienda que ocupan,

d) La variable es cualitativa, cuyas categorías son: Vivienda propia; Vivienda alquilada; Vivienda en
anticrético; Vivienda cedida de diversas formas.

e) 𝑃̂ = 0,75, es la proporción estimada de hogares sin vivienda propia de la clase media de la citada
población.

f) Los límites de (1-α)% de confianza para la estimación del parámetro de la población (P) son: 𝑃̂ ± 𝜎̂𝑃̂ ;
(0,75)(0,25)
(1-𝛼) = 0,97; 𝑍(1−0,03) = 𝑍0,985 = 2,17; 𝜎̂ 𝑃̂ = √ = o,0395; luego, los límites de confianza son:
2 120
0,75 ± (2,17)(0,0395); 0,75 ± 0,09. Finalmente, el intervalo de confianza es: P(0,66 ≤ 𝑃 ≤ 0,84) = 0,97,
Con un 97% de confianza se estima que la proporción de hogares sin vivienda propia de esa población
se encuentra entre 0,66 y 0,84; en porcentaje se entre 66 84 por ciento.

1
g) ℰ = 0,09, es el margen máximo de error de 𝑃̂ = 0,75 con una seguridad de 97%.

𝑋
h) N = 80.000 hogares de la población finita; como P = , entonces X = T = NP es el total de hogares sin
𝑁
vivienda propia en la población (parámetro o medida desconocida). 𝑇̂ = 𝑋̂ = N𝑃̂ es el estimador puntual
de T. Este estimador es insesgado ya que: E(𝑇̂) = N E(𝑃̂) = NP; la varianza de ese estimador es: V(𝑇̂) =
𝑁2 𝑃̂𝑄
̂ (𝑁−𝑛) 𝑛 120
𝜎̂ 2̂ = V(N𝑃̂) =
𝑇 . Debido a que = = 0,0015 < 0,05 no se usa el factor de corrección de
𝑛(𝑁−1) 𝑁 80.000
(0,75)(0,25)
poblaciones finitas; luego 𝜎̂ 𝑇̂ = 80.000√ = 3.162,3; 𝑍(1−0,01) = 𝑍(0,995) = 2,576; luego el intervalo
120 2
de confianza resulta: 60.000 ± (2,576)(3.162,3); 60.000 ± (8.146); P(51.854 ≤ 𝑇 ≤ 68.146) = 0,99,
cuyo significado es el siguiente: Con una seguridad del 99% se estima que el número de hogares sin
vivienda propia de los 80.000 de la señalada ciudad (población) se encuentre entre 51.854 y 68.146. El
Margen Máximo de Error de la estimación puntual (𝑇̂ = 60.000) es 8.146 con una seguridad de 99%.

2.7.6.3 De 50.000 válvulas fabricadas por una compañía se extrae una muestra aleatoria de
400 válvulas, y se obtiene una duración media de 800 horas con una desviación estándar de
100 horas: a) Hallar el intervalo de confianza de 99% para la media de la población, b) ¿Con
que coeficiente de confianza se diría que la vida media está en el intervalo 799.11 a 800.98?
horas, c) ¿Que tamaño deberá tener la muestra para que el intervalo de la media de 792,16 a
807,84 sea de 95% de confianza?

2.7.6.4 Un investigador está estudiando la resistencia de un determinado material bajo

determinadas condiciones. El sabe que esa variable tiene distribución normal con desviación
estándar de 2 unidades: a) Utilizando los datos que se acompañan, obtenidos de una muestra
de tamaño 9, determine el intervalo de confianza para la resistencia media con un coeficiente
de confianza de 90% 4.9, 7.0, 8.1, 4.5, 5.6, 6.8, 7.2, 5.7 y 6.2, b) ¿Cuál es el tamaño necesario
de la muestra si se deseara que el error cometido, al estimar la resistencia media, no sea
superior a 1.5 unidades con probabilidad de 0.90?

SOLUCION.-

X: Resistencia del material en unidades.

µ: Resistencia media del material de la población.
𝛔 = 2 unidades, es la desviación estándar de las resistencias del material de la población.
X se distribuye según la normal con media µ desconocida y varianza 𝜎 2 = 4 (unidades)2.
n = 9, tamaño de muestra aleatoria, cuya suma de valores observados es ∑91 𝑋𝑖 = 56.

a) (1 − 𝛼 ) = 0,90; 𝑍(1−0,10) = 𝑍0,95 = 1,645. Se utiliza la normal estándar debido a que se conoce
2
56 2
la varianza de la variable poblacional (X); 𝑋̅ = 9 = 6,22 unidades; 𝜎𝑋̅ = 9 = 0,67; los límites y el
√
intervalo de confianza son: 6,22 ± (1,645)(0,67); 6,22 ± (1,10); P(5,12 ≤ µ ≤ 7,32) =0,90. Con
un 90% de confianza se estima que la resistencia media de la población de ese material se
encuentra entre 5,12 y 7,32 unidades.

(𝑍 2)(𝜎2 ) (1,6452)(22 ) 10,824

b) n= = = 4,81 ≅ 5. Esta muestra aleatoria garantiza con un seguridad
=
ℰ2 1,52 2,25
del 90% de que el Margen Máximo de Error (ℰ) de la media estimada (𝑋̅ = 6,22 unidades), sea
1,10 unidades.

2
2.7.6.5 Fueron retiradas 25 piezas de la producción diaria de una máquina. Se encontró para
una cierta variable una media de 5.2 mm. Se sabe que esa variable tiene distribución normal
con desviación estándar de 1.2 mm, construir un intervalo de confianza para la media con
coeficiente de confianza de 99%.

2.7.6.6 Suponga que las estaturas de los estudiantes de la Carrera de Economía tienen
distribución normal con desviación estándar de 15 cm. Fue extraída una muestra aleatoria de
100 estudiantes, obteniéndose una media de 175 cm. Construir un175 intervalo de confianza
para la verdadera estatura media de todos los estudiantes de la Carrera de Economía con un
95% de confianza.

SOLUCION.-

X: Representa la estatura de los estudiantes de la carrera de Economía en centímetros (cm).

µ = Representa la estura media de los estudiantes de la carrera de Economía, parámetro a
estimarse.
15
𝛔 = 15 cm.; n = 100; 𝑋̅ = 175 cm.; (1-α) = 0,95; 𝑍(1−0,05) = 𝑍(0,975) =1,96; 𝜎̂𝑋̅ = 100 = 1,5 cm. Los
2 √
límites y el intervalo de confianza para la estimación de µ son: 175 ± (1,96)(1,50); 175 ± (2,94);
P(172,1 ≤ µ ≤ 177,9) =0,95. Con un 95% de confianza se estima que la estatura media de la
población estudiantil de la carrera de Economía se encuentra entre 172,1 177,9 cm.

2.7.6.7 Una muestra de tamaño 36 fue extraída de una población distribuida según la normal
con media µ1 y varianza σ12 = 9, que arrojó esa muestra una media de 70. Otra muestra de
tamaño 25 extraída de otra población distribuida también según la normal con varianza 16,
arrojó una media de 60. Determinar el intervalo del 95% de confianza para d µ = µ1 - µ2.

2.7.6.8 Diez lotes de tierra son tratados con el fertilizante “A” y 12 con el fertilizante “B”. La
producción media de los primeros lotes fue de 8 toneladas por hectárea con una desviación
estándar de 0.4. La producción media de los segundos lotes fue de 6 toneladas por hectárea
con desviación estándar de 0.2. Construir un intervalo del a) 95% y b) 98% de confianza para la
diferencia de medias de los dos tipos de cultivos (diferencia de medias de las dos poblaciones
independientes: dµ = µA - µB. Esta diferencia puede simbolizarse también como: dµ = µ1 - µ2). Se
supone que la variable producción de ambos tipos de cultivo (𝑋1 y 𝑋2 ) tienen distribución
normal; además, se supone que las varianzas de las producciones de ambos tipos de cultivo en
las dos poblaciones son iguales (𝜎12 = 𝜎22 ).

SOLUCION.-

La información y los supuestos del presente problema permiten utilizar el siguiente

procedimiento:
𝑛1 =10; 𝑋̅1 = 8 ton/ha.; 𝑠1 = 0,4 ton/ha.; 𝑛2 =12; 𝑋̅2 = 6 ton/ha.; 𝑠3 = 0,2 ton/ha.
(9)(0,42 )+(11)(0,22) 1 1
a) (1-α) = 0,95; 𝑡(1−0,05)(10+12−2) = 𝑡(0,975)(20) = 2,086; 𝜎̂𝑑𝑋̅ = √( ) (10 + 12) = 0,131
2 10+12−2
ton/ha. Los límites y el intervalo de confianza son: 𝑑𝑋̅ = 𝑋̅1 - 𝑋̅2 = 8 – 6 = 2 ton/ha; 2
± (2,086)(0,131); 2 ± (0,3); P(1,7 ≤ 𝑑µ ≤ 2.3) = 0,95. Con un 95% de confianza se estima que
la diferencia de producciones medias de ambos tipos de cultivo (𝑑µ = µ1 − µ2 ) se encuentra
entre 1,7 y 2,3 ton/ha; además, debido a que los límites de este intervalo de confianza no

3
incluyen el cero; por lo que, se estima que la producción media del primer tipo de cultivo es
mayor a la del segundo tipo de cultivo.

b) (1-α) = 0,98; 𝑡(1−0,02)(10+12−2) = 𝑡(0,99)(20) = 2,528; 𝜎̂𝑑𝑋̅ = 0,131 ton/ha. Los límites y el
2
intervalo de confianza son: 𝑑𝑋̅ = 𝑋̅1 - 𝑋̅2 = 8 – 6 = 2 ton/ha; 2 ± (2,528)(0,131); 2 ± (0,33);
P(1,67 ≤ 𝑑µ ≤ 2.33) = 0,98. Con un 98% de confianza se estima que la diferencia de
producciones medias de ambos tipos de cultivo (𝑑µ = µ1 − µ2 ) se encuentra entre 1,67 y 2,33
ton/ha; además, igual que en el inciso anterior los límites de este intervalo de confianza no
incluyen el cero; por lo que, se estima que la producción media del primer tipo de cultivo es
mayor a la del segundo tipo de cultivo.

2.7.6.9 Una compañía de automóviles de alquiler está tratando de decidir la compra de

neumáticos entre las marcas A y B, para su flota de taxis. Para estimar la diferencia entre las
dos marcas, se efectúa una prueba empleando 12 neumáticos de cada marca. Los neumáticos
se usan hasta su total desgaste. Los resultados para la marca A son: duración media 36.300
kilómetros y desviación estándar de 5.000 km., y para la marca B: duración media 38.100 km. y
desviación estándar de 6.100 km. Determine un intervalo del 95% de confianza para la
diferencia de medias de las dos poblaciones (dµ = µA - µB; la cual puede también simbolizarse
como sigue: dµ = µ1 - µ2). Además suponga que la duración de las dos marcas de neumáticos
tienen distribución normal. Según la teoría y demostraciones matemáticas de la Inferencia
Estadística, este es el requisito para utilizar la distribución T de Student en el presente ejemplo.

2.7.6.10 Una muestra aleatoria de 400 viviendas obtenida de un determinado municipio arrojó
que el 25% de estas son viviendas de alquiler. Hallar un intervalo del 98% de confianza para la
verdadera proporción de viviendas alquiladas en el citado municipio.

SOLUCION.-

P: Verdadera proporción de viviendas en alquiler del Municipio (verdadera proporción de la

población de viviendas del municipio).
n = 400 viviendas del municipio (muestra aleatoria); 𝑃̂ = 0,25 proporción estimada de viviendas
en alquiler del citado municipio; (1-α) = 0,98; 𝑍(1−0,02) = 𝑍(0,99) = 2,326, se utiliza la normal
2
estándar por el tamaño grande de la muestra; es decir, se utiliza el Teorema Central del Límite;
(0,25)(0,75)
la desviación estándar de la proporción de la muestra es: 𝜎̂𝑃̂ = √ = 0,022; los límites y
400
el intervalo de confianza para la estimación de P son: 0,25 ± (2,326)(0,022); 0,25 ± (0,05);
P(0,20 ≤ 𝑃 ≤ 0,30) = 0,98. Con una seguridad del 98% se estima que la verdadera proporción
de viviendas en alquiler del citado municipio se encuentra entre 0,20 y 0,30 respectivamente.
En términos porcentuales se estima, que la verdadera proporción de viviendas en alquiler del
citado municipio se encuentra entre el 20 y el 30% respectivamente.

2.7.6.11 En 50 lanzamientos de una moneda, fueron obtenidas 30 caras. A partir de un intervalo

del 96% de confianza, ¿se puede decir que la moneda no está cargada?.

2.7.6.12 Una encuesta sobre una muestra aleatoria de 300 habitantes de una ciudad intermedia
arrojó que 180 desean consumir agua filtrada. Hallar los límites del 90% y 95% de confianza
para la verdadera proporción de la población que desea consumir agua filtrada en esa ciudad
intermedia.
4
SOLUCION.-

P: Proporción de habitantes que desea consumir agua filtrada en la ciudad intermedia

(población).
180
n = 300 habitantes (muestra aleatoria), 𝑃̂ = 300 = 0,60, es la proporción estimada de habitantes
(0,6)(0,4)
que desean consumir agua filtrada en la ciudad intermedia; 𝜎̂ 𝑃̂ = √ = 0,028
300

a) (1-α) = 0,90; 𝑍(1−0,1) = 𝑍(0,95) = 1,645; los límites y el intervalo de confianza para la estimación
2
de P son: 0,60 ± (1,645)(0,028); 0,60 ± (0,05); P(0,55 ≤ 𝑃 ≤ 0,65) = 0,90, con 90% de
confianza se estima que la verdadera proporción de habitantes que desea consumir agua
filtrada en la ciudad intermedia se encuentra entre 55 y 65 por ciento respectivamente.

b) (1-α) = 0,95; 𝑍(1−0051) = 𝑍(0,975) = 1,96; los límites y el intervalo de confianza para la
2
estimación de P son: 0,60 ± (1,96)(0,028); 0,60 ± (0,055); P(0,545 ≤ 𝑃 ≤ 0,655) = 0,95, con
95% de confianza se estima que la verdadera proporción de habitantes que desea consumir
agua filtrada en esa ciudad intermedia se encuentra entre 54,5 y 65,5 por ciento
respectivamente.

2.7.6.13 Suponga que el interés es estimar la proporción de consumidores de un cierto producto

en un determinado mercado. Si una muestra de tamaño 300 dio 100 individuos que consumen
ese producto, determinar: a) Un intervalo del 95% de confianza para la verdadera proporción de
consumidores de ese producto en ese mercado, b) El tamaño de la muestra para que el error
de estimación de la proporción no exceda a 0.06 unidades con probabilidad de 0.95.

2.7.6.14 Sea ỹ la media de una muestra aleatoria extraída de una población distribuida según la
normal, Hallar el valor estimado de n, dada la siguiente probabilidad: P(ỹ – 2 ≤ µ ≤ ỹ + 2) = 0.90
ó P(│ỹ - µ│‹ 2) = 0.95

SOLUCION.-

Y: Representa la variable aleatoria poblacional distribuida según la normal con media µ y

varianza σ2 = 64.
Por el lado derecho de la probabilidad se tiene: 𝑍(1− 0,05) = 𝑍(0,975) = 1,96; luego el tamaño de
2
𝑍𝜎 2 1,96∗8 2
muestra aleatoria resulta: n = ( ℰ ) = ( ) = 61,5 ≅ 62. Este tamaño de muestra aleatoria
2
garantiza con una seguridad del 95% de que el Margen Máximo de Error de 𝑌̅ (estimador de µ)
sea ℰ = ± 2.

2.7.6.15 Se desea estimar la media de una población µ con distribución normal, cuya varianza
es 100. Cual deberá ser el tamaño de la muestra aleatoria a tomar, de forma que sea 0.90 la
probabilidad de que la estimación no tenga un error mayor de 4 unidades respecto a µ.

2.7.6.16 Suponiendo que ỹ = $us. 105; Z = ± 2.58 y la desviación estándar de la media muestral
es 10. Encontrar: a) El intervalo de confianza para la µ, b) Los límites de confianza para la µ, c)
El coeficiente de confianza para la estimación de µ, d) Si µ es conocida e igual a $us. 100,
¿Está esta media de la población dentro del intervalo obtenido en el inciso a)?
5
SOLUCION.-

Y: Representa al gasto diario en dólares de turistas extranjeros que visitan la ciudad de La Paz.
µ: Representa el gasto medio diario en dólares de la población de turistas extranjeros.
𝑌̅ = $us 105.- es el gasto medio diario estimado con la información de la muestra; 𝑍0,95 = 2,58;
𝜎̂ 𝑌̅ = 10.

a) El intervalo del 99% de confianza para la estimación del gasto medio diario (µ parámetro
desconocido) es: 𝑌̅ ± 𝑍(1− 𝛼) 𝜎̂ 𝑌̅ ; 105 ± (2,58)(10); 105 ± (25,8); P(79,2 ≤ µ ≤ 130,8) = 0,99.
2
Con 99% de confianza se estima que el gasto medio diario de turistas extranjeros se encuentra
entre 79,2 y 130,8 dólares estadounidenses.

b) Los límites del 99% de seguridad para la estimación de µ son: 𝐿𝐼 = 79,2 y 𝐿𝑆 = 130,8.

c) El coeficiente de confianza para la estimación de µ es: (1-α) = 0,99; razón por la cual, el valor
de 𝑍(1− 0,01) es 2,58.
2

d) Si µ = $us 100.- este monto se encuentra entre los limites inferior y superior (79,2 y 230,8);
por lo que, es una media poblacional aceptable con un 99% de confianza.

2.7.6.17 Una muestra aleatoria de 350 trabajadores de una organización bastante grande con
20.000 trabajadores, arrojó la siguiente distribución de frecuencias referida al salario semanal:
Salario Semanal Número de Trabajadores
(En bolivianos) (ni)
250 a menos de 350 50
350 a menos de 450 80
450 a menos de 550 95
550 a menos de 650 75
650 a menos de 750 30
750 a menos de 850 20

Cuyas sumatorias son las siguientes: ∑Xini = 176.500; ∑Xi2ni = 95.550.000, a) Estimar el salario
medio semanal para los 20.000 trabajadores, mediante un intervalo del 95% de confianza, b)
Hallar el margen máximo de error de la estimación puntual del salario medio semanal con una
confianza del 95%, c) Estimar el monto total requerido para el pago semanal de salarios a los
20.000 trabajadores mediante un intervalo del 99% de confianza.

2.7.6.18 La división de investigación de un departamento estatal de carreteras desea estimar el

número medio de kilómetros recorridos por camiones durante una semana. El jefe de la división
señala que: 1) El error muestral máximo no deberá ser mayor que 15 kilómetros por encima o
por debajo de la verdadera media, 2) El nivel de confianza deberá ser 95.45%, 3) La desviación
estándar de la población, basada en estudios muestrales previos es de 120 kilómetros. ¿Cuál
es el tamaño de muestra aleatoria representativa que satisfaga esos requerimientos?.

SOLUCION.-

6
Como ℰ = ± 15 km.; (1-α) = 0,9545, entonces 𝑍(1− 0,0455) = 𝑍(0,9772) = 2; y 𝛔 = 120 km., entonces
2
𝑍 2𝜎2 22 1202 57.600
el tamaño de muestra requerido es: n = ℰ 2 = 152 = 225 = 256. Este tamaño de muestra
aleatoria garantiza con 95,45% de confianza de que el Margen Máximo Error de 𝑋̅ (estimador
de µ que es el número medio de kilómetros recorridos durante una semana por la población de
camiones) sea ℰ = |𝑋̅ − µ | = ± 15 km.

2.7.6.19 El gerente de una estación de radio desea estimar la proporción de la gente que le
gusta un programa particular. El especifica que: 1) El error muestral máximo no deberá ser más
del 2% de la verdadera proporción de la población, 2) El nivel de confianza deberá ser del 95%,
3) La proporción de la población de la gente a la que le gusta el programa es cerca del 60%: a)
¿Cual es el tamaño de muestra adecuado?, b) ¿Cuál es el tamaño máximo de muestra
aleatoria adecuado si él no especifica el punto 3)?

2.7.6.20 La resistencia a la rotura expresada en libras de 10 ejemplares de cuerda con diámetro

de 1/16 pulgadas son: 59, 52, 54, 58, 55, 62, 64, 50, 55 y 56 libras; a) Estimar la resistencia
media a la rotura para la población de las señaladas cuerdas mediante un intervalo del 90% de
confianza; b) Estimar la varianza para la variable poblacional con 90% de confianza; c) Estimar
la desviación estándar mediante un intervalo del 90% de confianza. Para los tres incisos
suponer que la resistencia a la rotura de esas cuerdas tiene distribución normal.

SOLUCION.-
1
X: Representa la resistencia a la rotura en libras de la población de cuerdas con diámetro de 16
pulgadas.
µ: Representa la resistencia media a la rotura de la variable poblacional (X).
𝜎 2 y 𝛔 representan la varianza y la desviación estándar de la variable poblacional (X).
La muestra de n = 10 observaciones genera las sumatorias: ∑ 𝑋𝑖 = 565 y ∑ 𝑋𝑖2 = 32.091; la
565
media de la muestra aleatoria resulta: 𝑋̅ = = 56,5 libras; la desviación estándar de la muestra
10
10 32.091
es: s = √ 9 [ − (56,5)2 ] = 4,33 libras; y la desviación estándar de la media de la muestra
10
4,33
aleatoria es: 𝜎̂𝑋̅ = = 1,37 libras.
√10

a) (1-α) = 0,90; 𝑡(1− 0.10)(10−1) = 𝑡(0,95)(9) = 1,833, se utiliza la t de Student porque es desconocida
2
la varianza de la variable poblacional y por el tamaño pequeño de la muestra, luego el intervalo
de confianza es el siguiente: 56,5 ± (1,833)(1,37); 56,5 ± (2,5); P(54 ≤ µ ≤ 59) = 0,90. Este
resultado se interpreta como sigue: Con un 90% de confianza se estima que la resistencia a la
rotura media de las citadas cuerdas de la población se encuentra entre 54 y 59 libras.

b) Para estimar la varianza y la desviación estándar por intervalo se utiliza la distribución Ji

Cuadrado, ya que la variable poblacional resistencia a la rotura se distribuye según la normal,
2 2
en este sentido para (1-α) = 0,90 los valores de la Ji Cuadrado son: 𝑋(1− 0,10 = 𝑋(0,95)(9) =
)(10−1)
2
2 (9)(4,33)2 (9)(4,33)2
16,9 y 𝑋(0,05)(9) = 3,33. Los límites inferior y superior son: 𝐿𝐼 = = 9,98 y 𝐿𝑆 = =
16,9 3,33
50,67; los cuales, permiten construir el siguiente intervalo de confianza: P (9,98 ≤ 𝜎 2 ≤ 50,67) =
0,90. Este resultado se interpreta como sigue: Con un 90% de confianza se estima que la

7
varianza de la resistencia a la rotura de las citadas cuerdas de la población se encuentra entre
9,98 y 50,67 (libras)2.

c) El intervalo de confianza para la desviación estándar de la variable poblacional resulta:

P(√9,98 ≤ √𝜎 2 ≤ √50,67) = 0,90; P(3,2 ≤ 𝜎 ≤ 7,1) = 0,90; o sea, con 90% de confianza se
estima que la desviación estándar de la resistencia a la rotura de las citadas cuerdas de la
población se encuentra entre 3,2 y 7,1 libras.

2.7.6.21. Una máquina se usa para cortar barras de metal en pedazos pequeños, que sirven
para fabricar pernos. Suponiendo que la longitud de los pedazos cortados es una variable
aleatoria distribuida según la normal, con media µ y varianza σ 2 desconocidas. Estimar la
desviación estándar, a fin de verificar si la máquina necesita algún ajuste. Para este propósito
se toman al azar 25 piezas cortadas por esa máquina y se hallan las siguientes sumatorias: ΣY i
= 101.1 cms. ; ΣY2 = 412.75 cms2 ; Σ(Yi – ỹ)2 = 3.9 cms2.

2.7.6.22 Estimar mediante un intervalo del 98% de confianza la cantidad media de aceite que se
puede extraer de cada racimo de “motacú” (fruto de una palmera del mismo nombre), producida
en una zona tropical. Para esto, se registraron las cantidades de aceite extraídas de 10 racimos
elegidos al azar, las que fueron: 58, 65, 55, 64, 69, 62, 70, 75, 76 y 60 cm3. Suponer que la
cantidad de aceite por racimo es una variable aleatoria distribuida según la normal, con media µ
y varianza σ2 desconocidas.

SOLUCION.-

X: Representa el contenido de aceite por racimo de motacú en centímetros cúbicos (cm3).

µ: Representa el contenido medio de aceite por racimo en cm3.
Las sumatorias de valores de las observaciones de la muestra aleatoria (n = 10) son las
654
siguientes: ∑ 𝑋𝑖 = 654 y ∑ 𝑋𝑖2 = 43.216; la media de la muestra 𝑋̅ = = 65,4 cm3; la desviación
10
10 43.216
estándar de la muestra s = √ 9 [ − (65,4)2 ] = 7,03 cm3; la desviación estándar de la media
10
7,03
muestral: 𝜎̂𝑋̅ = = 2,22 cm3; 𝑡(1− 0.01)(10−1) = 𝑡(0,99)(9) = 2,821, se utiliza la T de Student porque
√10 2
no es conocida la la varianza de la variable poblacional; luego, el intervalo de confianza se
obtiene como sigue: 65,4 ± (2,821)(2,22) = 65,4 ± (6,3); o sea: P(59,1 ≤ µ ≤ 71,7) =0,98, y se
interpreta como sigue: Con un 98% de confianza se estima que el contenido medio de aceite
por racimo de motacú se encuentra entre 59,1 y 71,7 cm3.