EJERCICIOS DE INFERENCIA SOBRE σ2

INFERENCIA SOBRE σ2

Estimación de la varianza muestral

Cuando deseamos estimar la varianza de una población a partir de los datos de una
muestra, utilizamos las siguientes expresiones:

Si la media poblacional µ es desconocida:

n
1
s2 =
υ
∑(x
i =1
i − x)2 Donde υ = n −1

Si la media poblacional µ es conocida:

n
1
s2 =
υ
∑(x i =1
i − µ )2 Donde υ=n

En el caso de que no contemos con una, sino con varias estimaciones de S² de la misma
varianza poblacional provenientes de muestras independientes; la mejor estimación conjunta
es la varianza amalgamada:

s 2
=
∑υ .s i
2
i
Donde υ = ∑υ i
∑υ i

Caso de distribuciones normales

Si tenemos una variable x = N (µ ;σ 2 )

2
Se puede demostrar que la varianza de una muestra de n elementos (S ) tiene
2
distribución χ con υ grados de libertad:

υ .S 2
2
χυ = 2
σ

Caso de Distribuciones no normales

A diferencia de la t-Student que es robusta a la no normalidad de la variable X, la

distribución χ² no presenta esta característica.

Mariano Bonoli 1 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

Por lo tanto no es recomendable utilizar estos ensayos para distribuciones de X no

normales.

Intervalo de Confianza

La expresión del intervalo de confianza para la varianza es:

 υ .S 2 υ .S 2 
P 2 ≤σ2 ≤ 2 = 1−α
χ χ (υ ;α / 2 ) 
 (υ ;1−α / 2 )
O bien:

 υ .S 2 υ .S 2 
P ≤σ ≤  =1−α
 χ (2υ ;1−α / 2) χ (2υ ;α / 2 ) 
 

Para calcular el tamaño de muestra, a diferencia de la inferencia sobre µ, se usa como

medida de precisión del intervalo el cociente entre el Límite Superior y el Límite Inferior del
intervalo de confianza:

υ .S 2
Límite Superior (σ 2 ) χ (2υ ;α / 2) χ (2υ ;1−α / 2)
R= = = 2
Límite Inferior (σ 2 ) υ .S 2 χ (υ ;α / 2)
2
χ (υ ;1−α / 2)

El problema consiste en que para calcular los valores de υ, deberemos realizar un proceso de
prueba y error probando distintos valores de υ hasta obtener la relación R deseada. Para
facilitar este proceso, existen tablas que devuelven los valores de estos cocientes para
distintos valores de υ. También podemos utilizar las siguientes expresiones, que si bien se
trata de una aproximación, a los fines prácticos da valores muy precisos:

υ≅
2
9
(
a + a2 +1
2
)
Z
a = 1−α /32
3
(
R +1 )
2 R −1( )

Mariano Bonoli 2 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

Test de Hipótesis

Para realizar los ensayos de hipótesis, partimos de la siguiente expresión:

2υ .S 2
χυ = 2
σ

Por ejemplo,

H 0 )σ 2 ≤ σ 02

En este caso rechazaremos la Ho en caso que encontremos un valor de S² lo suficientemente

grande como para poder afirmar con un riego máximo α que la varianza es mayor a σ20 :

2
χ v
χ²(1-αα)
2
S
S²c

υ .S 2 υ .S c2
χ2 = ⇒ χ (υ ;1−α ) =
σ2 σ 02

El papel de χ2 es el mismo que jugaba Z o t en prácticos anteriores.

Podemos plantear la región crítica de las siguientes maneras:

Trabajando sobre el eje S2C

CR: Si S2 ≥ S2c
Rechazo la Ho

χ (υ ;1−α ) .σ 02
Donde S c2 =
υ

Trabajando sobre el eje χ2

Mariano Bonoli 3 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

CR: Si χ2 ≥ χ c2 = χ (υ ;1−α ) c
Rechazo la Ho

S 2 .υ
Donde χ2 =
σ 02

Trabajando con el riesgo a posteriori

CR: Si α ≥ α*
Rechazo la Ho

 υ υ 
Donde α * = G (S 2 ) = Gg  S 2 \ r = ; λ = 
 2 2.σ 2 

Ejemplo 1
Se desea estimar la variabilidad de la característica fundamental de un proceso, medida por
su desvío estándar, mediante un intervalo de confianza. Para ello se extrajeron 5 muestras
durante una semana, registrándose los valores:

Muestra n s2
1 7 1,74
2 5 7,20
3 6 4,40
4 7 3,82
5 7 9,91

a) Construir el intervalo de confianza del 95% para la varianza poblacional.

b) Recalcular el tamaño de muestra necesario para reducir un 30% la relación entre límites
de confianza.

Resolución:

m
1 1
s2 =
υ
∑υ .s
i =1
i
2
i =
27
(6.1,74 + 4.7,2 + 5.4,4 + 6.3,82 + 6.9,91) = 5,32

con υ = ∑υ i = 6 + 4 + 5 + 6 + 6 = 27 grados de libertad

 υ .S 2 υ .S 2 
P 2 ≤σ2 ≤ 2 =1−α
χ χ 
 (υ ;1−α / 2 ) (υ ;α / 2 ) 

 27.5,32 27.5,32 
P 2 ≤σ2 ≤ 2 = 0,95
χ χ 
 ( 27 ; 0 , 975 ) ( 27 ; 0 , 025 ) 

Mariano Bonoli 4 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

 27.5,32 27 .5,32 
P ≤σ ≤  = 0,95
 43,1945 14,5734 

P (3,33 ≤ σ ≤ 9,86 ) = 0,95

b)

La relación actual entre límites de confianza para el desvío es:

Límite Superior (σ 2 ) 9,86

Ractual = = = 2,976
Límite Inferior (σ 2 ) 3,33

Reduciendo un 30% la relación:

Rnuevo = 0,7.2,976 = 2,083

Para calcular υ, necesitamos resolver la siguiente ecuación:

χ (2υ ;1−α / 2 )
R= 2
χ (υ ;α / 2 )

χ (2υ ;0,975 )
2,083 =
χ (2υ ;0, 025)

Buscando el valor 2,083 en la tabla correspondiente obtenemos que la relación se cumple

para un valor de υ=58, ya que:

χ (258; 0,975)
= 2,084
χ (258; 0,025)

υ = ∑υ i = 6 + 4 + 5 + 6 + 6 + υ 6 = 58 ⇒ υ 6 = 35 ⇒ n6 = υ 6 + 1 = 36

El tamaño de muestra de la muestra adicional debe ser de 36.

Nota:

En caso de que no dispongamos de la tabla o bien que en la misma no encontremos los

valores buscados, podemos utilizar la siguiente aproximación que brinda muy buenos
resultados:

Mariano Bonoli 5 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

υ≅
2
9
(
a + a2 +1
2
)
Z
a = 1−α /32
3
(
R +1 )
2 R −1 ( )
Realizando los cálculos para este caso:

a=
( ) (
Z1−α / 2 3 R + 1 Z 0,975 3 2,084 + 1
= = 8,0477
)
(
2 3 R −1 ) (
2 3 2,084 − 1 )
υ≅
2
9
( 2 2
9
) ( 2
a + a 2 + 1 = 8,0477 + 8,0477 2 + 1 = 58,01 ≅ 58 )
Como podemos ver se trata de una excelente aproximación.

Ejemplo 2
En la venta de un determinado producto industrial en polvo es muy importante la
homogeneidad del proceso medida por la varianza de la concentración de materia activa. Se
está estudiando la incorporación de un nuevo tipo de mezclador que mejoraría la
homogeneidad. El departamento de estadística de la fábrica informa que sería económico el
2
cambio si la nueva varianza no supera 0,22% , ya que se obtendría un aumento en el
volumen y precio del producto. Por otro lado, se desea que en caso de que el nuevo
mezclador no mejore la varianza actual (0,30%²), la probabilidad de realizar el cambio debe
ser del 5%
c) Diseñar el ensayo de hipótesis correspondiente.
d) Hallar la probabilidad de NO aconsejar el cambio si éste produce con varianza 0,19%2.

Nos encontramos frente a un problema de diseño de ensayo de hipótesis.

Muchas veces, en este tipo de problema de diseño, nos encontraremos con que uno de los
puntos brindados como datos corresponde al equilibrio económico.
En el enunciado, nos indican que el cambio sería económico sin la varianza no supera el valor
0,22%². Esto significa que a la empresa le es indistinto el cambio si la varianza tomara un
valor de 0,22%², siempre hablando desde el punto de vista económico. Como en este punto,
da lo mismo rechazar o no la Ho, se establece un riego del 50%.

O sea:

P ( Implementar el cambio \ σ²=0,22 ) = 0,50

P ( Implementar el cambio \ σ²=0,30 ) = 0,05

En este caso, podríamos tomar como σ0=0,30 y tomar una posición pesimista ya que en este
caso se desea realizar el cambio con 5% de probabilidad. También podríamos considerar
como σ0=0,22. En este último caso, el planteo bien podría ser optimista como pesimista ya
que es un punto de indiferencia.

Adoptaremos arbitrariamente para resolver este problema un planteo optimista con σ0=0,22.
Recordemos que cualquier planteo válido nos devuelve el mismo resultado en términos de υ y
condición de Rechazo y Regla de decisión, solo difiere en las curvas y los nombres (no los
valores) de las probabilidades:

Mariano Bonoli 6 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

H 0 )σ 2 ≤ 0,22 vs H 1 )σ 2 > 0,22

La condición de Rechazo y Regla de decisión serán:

Si S2 ≥ S2c
Rechazo la Ho
NO Implemento el cambio

Ahora, podemos poner identificar las probabilidades:

P ( Implementar el cambio \ σ²=0,22 ) = 0,50

P ( Implementar el cambio \ σ²=0,30 ) = 0,05

Equivale a:

P ( NO Rechazar la Ho \ σ0²=0,22 ) = β(σ0²=0,22) = 1-α = 0,50

P (NO Rechazar la Ho \ σ1²=0,30 ) = β(σ1²=0,30) = 0,05

Gráficamente:

Así, como las distribución de x dependía µ y en los problemas de diseño, tenía dos
distribuciones normales de distinto µ. El punto en común que permitía hacer los cálculos era
x c.

En los casos de inferencia sobre σ², la situación es similar: S² tiene una distribución que
depende del parámetro poblacional (en este caso σ²). Si la varianza de la población de la que
estamos extrayendo la muestra es mayor, los valores de los S² obtenidos, tenderán a ser
mayores, con lo cual la función de densidad de S² tendrá valores mas volcados hacia la
derecha.

El siguiente gráfico busca representar las combinaciones σ² - probabilidad dadas como dato
para este problema. En rigor el aumento de σ² no produce solo un desplazamiento en la
distribución de S², sino que también se produce una distorsión, pero se busca simplificar una
representación esquemática que le puede servir a quienes deseen comparar estos problemas
de diseño con los problemas de diseño para hipótesis de µ.

Mariano Bonoli 7 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

σ1=0,22

α = 50%

S²c 2
S

σ1=0,30

β = 5%

2
S
S²c

Como en los casos anteriores, se trata de resolver un sistema de 2 ecuaciones con dos
incógnitas (S2c y n en este caso).

Para plantear el sistema escribimos:

 υ.S c2
χ
 (υ ;0,50) =
 0,22

χ υ.S c2
=
 (υ ;0, 05) 0,30

Si bien es obvio, aclaremos por las dudas, que los valores de probabilidad correspondientes a
los fractiles de χ² son ambos valores de Función de Distribución Izquierda F(χ²) y nada tienen
que ver con las áreas sombreadas.

La mejor manera de resolver el sistema planteado en dividir miembro a miembro ambas

ecuaciones. De esta manera, las expresiones se simplifican y nos queda una sola ecuación
con una incógnita υ.

χ (υ ;0,50) 0,30
= = 1,3636
χ (υ ;0, 05) 0,22

Si bien existen tablas que nos devuelven el valor de esta relación para distintos valores de υ,
utilizaremos la aproximación, que como hemos visto es una muy buena alternativa, además
de que suele ser mas simple.

La expresión general que nos permitirá calcular υ para cualquier relación que nos quede es la
siguiente:

Sea:

Mariano Bonoli 8 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

χ (υ ;ω1)
R= Donde ω1, ω2 y R están definidos de tal manera que R>1
χ (υ ;ω 2)
Entonces:

υ≅
2
9
(
a + a2 +1
2
) Con a=
Z ω1 + Z1−ω 2 3 R
(
2. 3 R − 1)
Para este caso:

Z ω1 + Z1−ω 2 3 R Z 0,5 + Z 0,95 3 1,3636

a= = = 8,3742
(
2. 3 R − 1 )
2. 3 1,3636 − 1 ( )
υ=
2
9
( 2 2
9
) (2
a + a 2 + 1 = 8,3742 + 8,3742 2 + 1 = 62,78 ≅ 63 )
υ = 63 n = υ + 1 = 64

Una vez obtenido el valor de n, nos queda resolver la otra incógnita S2c. Para ello, utilizamos
alguna de las ecuaciones originales.

υ.S c2 63.S c2
χ (υ ;0,05) = ⇒ χ ( 63;0, 05) =
0,22 2 0,30

0,30.χ ( 63;0, 05) 0,30.45,741

S c2 = = = 0,2178
63 63
Por lo tanto, debemos tomar una muestra de 64 unidades y luego comparar:

Si S2 ≥ 0,2178
Rechazo la Ho
NO Implemento el cambio

b)

P( NO Aconsejar el cambio \ σ²=0,19 )

P( Rechazar la Ho \ σ²=0,19 ∈ Ho) = π (σ²=0,19) = εI

P( S2≥0,2178 \ σ²=0,19 ∈ Ho) = ?

Para el cálculo de estas probabilidades, tendremos en cuenta que S² tiene una distribución
Gamma con parámetros r=υ/2 y λ=υ/2σ².

Mariano Bonoli 9 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

(
P S 2 ≥ 0,2178 \ σ 2 = 0,19 =)
( )
= G g 0,2178 \ r = υ / 2; λ = υ / 2.σ 2 =
= G g (0,2178 \ r = 31,5; λ = 165,8)

Utilizando la aproximación de Wilson-Hilferty para la Gamma:

  λ.t 1 
Gg (t\ r; λ ) ≅ 1 − Φ 3 r  3 + − 1 
 
  r 9.r  

  165,8.0,2178 1 
G g (0,2178 \ r = 31,5; λ = 165,8) ≅ 1 − Φ 3 31,5  3 + − 1  = 1 − Φ(0,84 ) = 0,20
 31,5 9.31,5  
 

Mariano Bonoli 10 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

Ejercicios Propuestos

1) El peso de los ovillos de hilo que salen de una ovilladora tiene distribución Normal con
un desvío estándar que se controla periódicamente con muestras de 20 ovillos. Una de dichas
muestras arrojó un desvío de 15 gramos. a) Calcular los límites de confianza del 95% para el
desvío; b) ¿qué tamaño de muestra habría que tomar para tener intervalos cuyo límite
superior sea un 50% mayor que el inferior?.
RTA: a) (11,4; 21,9) b) 49

2) Un pico llenador de botellas de gaseosa dosifica volúmenes variables con desvío

estándar que, en condiciones de funcionamiento normal, no debe superar los 10cm3. Para
controlarlo, se toman muestras periódicas de n envases, midiendo sus volúmenes y
calculando luego el desvío estándar de la muestra, lo cual implica detener el proceso de
llenado cuando este desvío supera cierto valor crítico. Se desea que valga 0,05 la
probabilidad de detener el pico cuando funciona bien y 0,9 cuando trabaja con un desvío de
13cm3. a) Indicar cuál es la hipótesis nula apropiada, su condición de rechazo, el tamaño de
la muestra y la regla de decisión; b) calcular la probabilidad de no detectar que el desvío vale
12cm3; c) dibujar las curvas operativa y de potencia del ensayo. Suponga que el pico está
calibrado para una dosificación media conocida (n= ).
RTA: a) Ho)σ ≤ 10 (α=0,05); n=62; CR: Si S²≥11,46 gr RD: Si se rechaza la Ho, Detener el
proceso de llenado. b) β=0,327

3) Diseñe un ensayo de hipótesis para controlar la variabilidad de la dosificación de una

máquina llenadora de latas de café. El desvío estándar normal es de 12 gramos y, en ese
caso, la probabilidad de detener la máquina para revisarla se ha establecido en un 5%. Si el
desvío sube a 20 gramos, la probabilidad de detención se establece en un 90%. a) Indique la
hipótesis nula apropiada a esta situación, el tamaño de la muestra a tomar, la condición de
rechazo y la regla de decisión. b) Calcule la probabilidad de detener la máquina si su desvío
es de 15 gramos y dibuje la curva de potencia del ensayo. Suponga que la máquina está
calibrada para una dosificación media conocida (n= ).
RTA: a) Ho)σ ≤ 12 (α=0,05); n=17; CR: Si S²≥15,29 gr RD: Si se rechaza la Ho, Detener el
proceso de llenado. b) 1-β=0,411

4) Las suelas plásticas fabricadas por inyección presentan peso variable con distribución
Normal de desvío 2,5 gramos. Se estudia la posibilidad de reemplazar la materia prima
actualmente utilizada por otra más barata y a tal efecto se establece en 0,9 la probabilidad de
efectuar el cambio cuando el desvío no aumenta. a) Indicar la hipótesis nula apropiada a esta
situación y el valor máximo de la varianza muestral admisible para una muestra de 10 suelas;
b) calcular, con dicho tamaño de muestra, la probabilidad de adoptar la nueva materia prima
cuando con ella se tiene un desvío superior en un 50% al actual.
RTA: a) Ho)σ ≤ 2,5 (α=0,10); Sc=3,19. b) 0,324

5) Se desea cambiar la materia prima por otra más barata, que se espera no aumentará el
desvío estándar de la dimensión crítica de una pieza seriada, que actualmente es de 0,04mm,
habiéndose establecido un valor de equilibrio económico de 0,05mm, en tanto que si no hay
cambio en el desvío, la probabilidad de tomar una decisión equivocada debe ser de un 5%.
Diseñe el ensayo apropiado, calcule el tamaño de la muestra a tomar, la regla de decisión y la
curva operativa.
RTA: a) Ho)σ ≤ 0,04 (α=0,05); υ=24; n=25; CR: Si S²≥0,049 gr RD: Si se rechaza la Ho, No
realizar el cambio.

Mariano Bonoli 11 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
 EJERCICIOS DE INFERENCIA SOBRE σ2

6) En una compañía embotelladora de gaseosas se desea cambiar los equipos

dosificadores debiendo asegurarse, con los nuevos equipos, un desvío estándar inferior a
15cm3 y habiéndose establecido en ese caso un riesgo máximo del 10% de tomar la decisión
incorrecta. Si el desvío de los nuevos equipos es inferior a 10cm3, el riesgo máximo de una
decisión incorrecta se establece en un 5%. a) Indicar la hipótesis nula apropiada a esta
situación, calcular el tamaño de la muestra a tomar y enunciar claramente la regla de
decisión. b) Calcular la probabilidad de incorporar los nuevos equipos cuando con ellos se
obtiene un desvío de 12cm3 y dibujar la curva de potencia del ensayo. c) Calcule el valor de
equilibrio económico.
RTA: a) Ho)σ ≥ 15 (α=0,10); n=27; RD: Si se Rechaza la Ho, se cambian los equipos. b) 1-
β=0,592 c) σ1=12,4.

7) Una máquina automática produce una pieza a razón de 30 unidades por hora y se
desea aumentar esta velocidad a 50 u/hora pero se teme un incremento en la varianza de la
dimensión crítica, cuya consecuencia será un aumento en el porcentaje de defectuosos. Se
establece en 0,1 la probabilidad de no aumentar si dicho porcentaje es del 5% y en 0,05 la
probabilidad de aumentarla cuando es del 12%. El ensayo se hará sobre la varianza de la
dimensión crítica, cuya tolerancia es 10±0,1mm y se consideraran defectuosas todas las
piezas fuera de tolerancia. La máquina siempre se puede calibrar para una media de 10mm.
a) Indicar la hipótesis nula apropiada, su condición de rechazo, el tamaño de la muestra y la
regla de decisión; b) calcular la probabilidad de cambiar de velocidad cuando el porcentaje
defectuoso es del 10% y dibujar la curva operativa del ensayo.
RTA: a) Ho)σ ≤ 0,051 ( α=0,10); n=83; CR: Si S²≥0,056 gr RD: Si se Rechaza la Ho, no se
modifica la velocidad. b) β=0,162.

8) En una pieza cilíndrica es importante la forma circular de la sección normal al eje, lo

cual se controla con el desvío estándar de n mediciones del diámetro de la misma,
considerándose defectuosa toda unidad que presente un valor anormal de dicho desvío. Si el
verdadero desvío fuera de 0,01mm, se desea rechazar a lo sumo el 10% de las piezas, pero
si vale 0,015mm habría que rechazar al menos el 95%. a) Establezca la hipótesis nula
apropiada, su condición de rechazo, el tamaño de la muestra a tomar y la regla de decisión; b)
calcular la probabilidad de detectar que el desvío vale 0,012mm y dibujar la curva de potencia
del ensayo.
RTA: a) Ho)σ ≤ 0,01 (α=0,10); n=28; CR: Si S²≥0,012 gr RD: Si se Rechaza la Ho, se rechaza
la pieza. b) 0,546.

9) Se desea controlar la variabilidad del peso de unas peonzas para diávolos. En el

proceso bajo control, se tiene un desvío estándar de 1,2gramos, en cuyo caso, la probabilidad
de detención (incorrecta) se establece en un 1%. Si el desvío llega a los 2gramos, dicha
probabilidad se establece en un 95%. a) Establecer la hipótesis nula apropiada a esta
situación, el tamaño de la muestra a tomar, la condición de rechazo y la regla de decisión. b)
Calcular la probabilidad de no detectar que el desvío aumentó a 1,6gramos y dibujar la curva
operativa del ensayo.
RTA: a) Ho)σ ≤ 1,2 (α=0,01); n=31; CR: Si S² ≥ 1,56 gr RD: Si se Rechaza la Ho, se detiene el
proceso. b) β=0,463.

Mariano Bonoli 12 de 12
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006