Inferencia

Estadística

Sesión 6
Intervalos de Confianza

Universidad Javeriana
 Estimación por intervalos

Técnica estadística que busca determinar, a partir de un estadístico, una

región de la recta de los reales en la que, con un nivel de certeza
determinado, se pueda afirmar que se encuentra el parámetro

• Confianza: probabilidad de que el intervalo construido contenga al

parámetro que se pretende estimar.
 Intervalos de Confianza
• Intervalo de confianza para la media cuando se muestrea una distribución normal con varianza conocida

Supuestos:
1. Variable aleatoria: X ~ N  ,  2 
2. Parámetros poblacionales:  desconocida y  02 conocida
3. Muestra aleatoria: X , n, S calculables a partir de la muestra
Estadístico:
1. Estimador del parámetro µ: X ~ N   ,  0 
2

 n 
X 
2. Estadístico: ~ N (0,1)
0 n
Construcción del Intervalo de confianza
 X  
P  z(1 / 2 )   z(1 / 2 )   1  
 0 n 
     0 
P X  z(1 / 2 ) 0    X  z(1 / 2 ) 0   1   IC(1 )100%   X  z(1 / 2 )
 n n  n 
 Ejemplo
Se sabe que el precio de las acciones de una compañía del sector tecnológico se comporta como una
variable aleatoria que se distribuye normal con media desconocida y varianza 400. Se tiene una
muestra aleatoria de tamaño 9 dada por: 100, 109, 110, 80, 65, 125,120, 85, 85 en USD. Calcule un
intervalo de confianza del 90 % y del 95 % para la media.

X  97.7
S 2  404
- P(XN* ≤ z) = 0.975 => z = 1.96
- P(XN* ≤ z) = 0.950 => z = 1.65
Entonces los IC para la media, de 90 % y 95% de confiabilidad, están dados por:

    20 
IC90%   X  z( 0.95) 0   97.7  1.65   [86.7; 108.7]
 n  9

    20 
IC95%   X  z( 0.975) 0   97.7  1.96   [84.64; 110.76]
 n  9
4
 Ejemplo
El consumo semanal de minutos de una empresa multinacional de Call center se comporta como una
variable aleatoria que se distribuye normal con desviación estándar 703,2 minutos. Al encuestar a 10
empleados sobre el consumo de minutos de la última semana se tuvieron los siguientes resultados:
400 200 400 600 700 900 550 150 400 400

Calcular el IC para la media poblacional con un 95 % de confiabilidad.

    703.2 
IC95%   X  z( 0.975) 0   470  1.96   [34.15; 905.8]
 n  10 

5
 Ejemplo
Para estimar la cantidad media de personas que entran a un edificio se tomó una muestra aleatoria de 50
días, obteniendo una media muestral de 875,3 personas diarias, con una desviación de 70 personas. Halle
el intervalo de confianza del 95 % para el promedio poblacional de personas que entran al edificio en un
día.

 0   70 
IC95%   X  z( 0.975)   875,3  1.96   [855,89; 894,70]
 n  50 

6
 Error máximo (𝑒𝑚 )

Máxima distancia posible entre el parámetro y el estadístico que se utilizó

para estimarlo, suponiendo que el parámetro está dentro del intervalo.

Si se supone que el parámetro está en el intervalo, el error máximo es el

valor absoluto de la mayor de las distancias entre el estadístico y los límites
de confianza.

𝑒𝑚 = 𝑚á𝑥{ 𝜃መ − 𝐿𝐼 , 𝐿𝑆 − 𝜃መ }
Error máximo y tamaño de muestra para IC para la media poblacional
*Si se conoce la varianza poblacional. Poblaciones normales o muy grandes

𝜎 𝜎
𝑒𝑚 = 𝑋ത − 𝑋ത − 𝑧1−𝛼 ∗ = 𝑧1−𝛼 ∗
2 𝑛 2 𝑛
𝜎
𝑒𝑚 = 𝑧1−𝛼 ∗
2 𝑛

𝑧1−𝛼 ∗ 𝜎 2
2
𝑛=
𝑒𝑚
 Ejemplo
Para el precio de las acciones calcule el valor del error máximo para los dos niveles de confianza:
𝜎
𝑒𝑚 = 𝑧1−𝛼 ∗
2 𝑛

20 20
𝑒𝑚 = 1,96 ∗ = 13,067 𝑒𝑚 = 1,65 ∗ = 11
9 9

Suponga que ahora quiere reducir dicho error a tan sólo 7 USD. Entonces calcule el tamaño de la
muestra:

𝑧1−𝛼 ∗ 𝜎 2
2
𝑛=
𝑒𝑚

2 2
1,96 ∗ 20 1,65 ∗ 20
𝑛= = 31,36 ≈ 32 𝑛= = 22,22 ≈ 23
7 7

9
 Intervalos de Confianza
• Intervalo de confianza para la media cuando se muestrea una distribución normal con varianza desconocida

Supuestos:
1. Variable aleatoria: X ~ N  ,  2 
2. Parámetros poblacionales:  y  02 desconocidos
3. Muestra aleatoria: X , n, S calculables a partir de la muestra
Estadístico:
1. Estimador del parámetro µ: X ~ N   ,  0 
2

 n 
X 
2. Estadístico: ~ t( n 1)
S n

Construcción del Intervalo de confianza

 X  
P  t(1 / 2 )   t(1 / 2 )   1  
 S n 
 S
   X  t(1 / 2 )
S   S 
P X  t(1 / 2 )   1 IC(1 )100%   X  t(1 / 2 )
 n n   n 
 Ejemplo
Suponga que para el mismo ejemplo del precio de las acciones de la compañía tecnológica se
desconoce la varianza poblacional. Para la misma muestra aleatoria de tamaño 9 dada por: 100, 109,
110, 80, 65, 125,120, 85, 85 en USD, calcule un intervalo de confianza del 90 % y del 95 % para la
media poblacional

X  97.7
S 2  404
- P(XN* ≤ t(8)) = 0.975 => t(8) = 2,306
- P(XN* ≤ t(8)) = 0.950 => t(8)= 1.859
Entonces los IC para la media, de 90 % y 95% de confiabilidad, están dados por:

 S   404 
IC90%   X  t( 0.95;8)   97.7  1.859   [85,24; 110,15]
 n  9 
 S   404 
IC95%   X  t( 0.975;8)   97.7  2,306   [82,25; 113,15]
 n  9 
11
 Ejemplo
Una fábrica de bombillas tiene una producción cuya duración se distribuye aproximadamente normal.
Para propósitos de control de calidad, se analiza una muestra aleatoria simple de 16 unidades, las cuales
tuvieron una duración promedio de 780 horas, con una desviación estándar de 40 horas. Podría el
fabricante de bombillas afirmar que estas dura más de 800 horas con 90 % de confianzas?

 S   40 
IC99%   X  t( 0.95;15)    780  1,753   [762,47; 797,53]
 n  16 

12
 Ejemplo
Un hotel de la ciudad asume la tasa de ocupación de su establecimiento como una variable aleatoria
normal con media y varianza desconocida. Los datos de ocupación de sus habitaciones para los últimos 15
días se presentan a continuación:
12 14 18 22 23 20 29 20 19 17 18 21 25 20 19
Si con base en esta muestra, el gerente del hotel pretende estimar la ocupación media de los próximos
seis meses de manera puntual y por intervalos, ¿cuál sería el valor puntual y cuál sería el intervalo de
confianza con una confiabilidad del 99 % para la ocupación media del hotel?

X  19,8

 S   4,126 
IC99%   X  t( 0.995;14 )   19,8  2,977   [16,63; 22,97]
 n  15 

13
 Ejemplo
Una importante marca de ropa se encuentra haciendo un estudio sobre la longitud de las mangas para una determinada talla
poco solicitada en el mercado. La longitud de las mangas de cada lote de producción generalmente sigue una distribución
normal.

Una muestra de 15 individuos con la talla en mención fue requerida para medir la longitud de sus brazos obteniendo los
siguientes resultados: 85, 82.5, 83.3, 86, 86.6, 87, 84.2, 85.3, 86.5, 82.9, 86.3, 83, 84.4, 83.5, 84. Determine un intervalo de
confianza del 95 % para la media poblacional

 S   1,5128 
IC99%   X  t( 0.975;14 )   84,7  2,145   [83,862; 85,538]
 n  15 

14
 Error máximo para IC para la media poblacional
*Si no se conoce la varianza poblacional. Poblaciones normales o muy grandes

𝑠
𝑒𝑚 = 𝑡 𝛼
1− 2 ;𝑛−1
∗
𝑛
 Intervalos de Confianza
• Intervalo de confianza para la proporción cuando se muestrea una distribución binomial/Bernoulli (grande) con
varianza desconocida

Supuestos:
1. Variable aleatoria: X ~ Bernoulli p ; X ~ Binomial  p ;
2. Parámetros poblacionales: p desconocida
3. Muestra aleatoria: calculable a partir de la muestra
Estadístico:
1. Estimador del parámetro p:
𝑝Ƹ − 𝑝
2. Estadístico: ~𝑁(0,1)
𝑝Ƹ 1 − 𝑝Ƹ
𝑛
Construcción del Intervalo de confianza
𝑝Ƹ − 𝑝
𝑃 −𝑍 1−
𝛼 ≤ ≤𝑍 1−
𝛼 =1−𝛼
2 𝑝Ƹ 1 − 𝑝Ƹ 2
𝑛

𝑝Ƹ 1 − 𝑝Ƹ 𝑝Ƹ 1 − 𝑝Ƹ 𝑝Ƹ 1 − 𝑝Ƹ
𝑃 𝑝Ƹ − 𝑍 1−
𝛼 ≤ 𝑝 ≤ 𝑝Ƹ + 𝑍 1−
𝛼 =1−𝛼 𝐼𝐶 1−𝛼 100 % = 𝑝Ƹ ± 𝑍 𝛼
2 𝑛 2 𝑛 1− 2 𝑛
 Ejemplo
La alcaldía de Bogotá ha visto como los accidentes de tránsito han venido aumentando
significativamente en la ciudad. A fin de conocer las principales causas de dicha situación, se
entrevistó aleatoriamente a 75 conductores menores de 30 años y se encontró que el 55% de
los encuestados señalaron pasarse un semáforo en rojo en la madrugada. Halle un intervalo del
confianza del 95%, para la proporción de conductores que afirma pasarse un semáforo en rojo.

𝑋~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖 𝑝 = 0,55
𝑝Ƹ = 0,55
𝑍0,975 = 1,96

𝑝Ƹ 1 − 𝑝Ƹ 0,55(0,45)
𝐼𝐶 1−𝛼 100 % = 𝑝Ƹ ± 𝑍 𝛼
1− 2
= 𝐼𝐶95% = 0,55 ± 1,96 = 0,437 ; 0,662
𝑛 75

17
 Ejemplo

En una muestra aleatoria de 1000 viviendas de cierta ciudad se encuentra que 228 utilizan
derivados de petróleo como combustible de calefacción. Calcule un intervalo de confianza del
99 % para la proporción de viviendas que utilizan ese mismo combustible de calefacción.

18
Error máximo y tamaño de muestra para IC para la proporción

𝑝Ƹ 1 − 𝑝Ƹ
𝑒𝑚 = 𝑧1−𝛼 ∗
2 𝑛

2
𝑧1−𝛼 ∗ 𝑝Ƹ 1 − 𝑝Ƹ
2
𝑛=
(𝑒𝑚 )2
 Ejemplo
El gerente de mercadeo de cierta marca de helados desea estimar el porcentaje de personas entre 8 y 25
años que han probado su marca. Para estimar su tamaño de muestra encuestó a 15 personas acerca de cuales
marcas han probado y obtiene los siguientes resultados.

Marca probada # de personas

Sólo A 3
Sólo B 4
Sólo C 2
AyB 2
ByC 1
AyC 2
A, B y C 1

Estime un tamaño de muestra para la investigación con un 97 % de confianza y un error máximo de 3 puntos
porcentuales

20
 Ejemplo

8
𝑝Ƹ = = 0,53
15
𝑍0,985 = 2,17

2
2,17 ∗ 0,53 0,47
𝑛= = 1303,32 ≈ 1304
(0,03)2

21
 Intervalos de Confianza
• Intervalo de confianza para la varianza cuando se muestrea una distribución normal

Supuestos:
1. Variable aleatoria: X ~ N  ,  2 
2. Parámetros poblacionales:  ,  desconocida
2

3. Muestra aleatoria: X , n, S calculable a partir de la muestra

Estadístico:
S2
1. Estadístico: 2 (n  1) ~  (2n1)

Construcción del Intervalo de confianza

 S2 
P  ( / 2 )  2 (n  1)   (1 / 2 )   1  
  
 S 2 (n  1) S 2
(n  1)   S 2 (n  1) S 2 (n  1) 
P   
2
 1 IC(1 )100%  ; 
   ( / 2 ) 
 (1 / 2 )   (1 / 2 )  ( / 2) 
 Ejemplo
Una escudería de Formula1 tiene dos tipos de motores, A y B, para
probar en sus monoplazas antes del inicio de la siguiente temporada. Número de horas de recorrido
El tiempo, en horas, que funciona el motor antes de presentar una acumuladas por cada motor
falla, se puede modelar como una variable aleatoria 𝑁 𝜇𝐴 , 𝜎𝐴2 , para A B
el motor A y 𝑁 𝜇𝐵 , 𝜎𝐵2 para el motor B. El director de la escudería 103 97
94 99
asegura que la varianza de la cantidad de horas que funciona el motor
110 123
B antes de presentar una falla es mayor que la varianza de la cantidad 87 109
de horas que funciona el motor A antes de presentar una falla. Para 98 105
comprobar dicha afirmación se tomó una muestra aleatoria para cada 100 103
uno de los tipos de motores, obteniendo la siguiente información: 105
102
97
Determine un intervalo del 95 % de confianza para la varianza de la 95
cantidad de horas que funciona el motor B antes de presentar una
falla
 Ejemplo
𝑋𝐵 ~𝑁 𝜇𝐵 , 𝜎𝐵2
Parámetros poblacionales: 𝜇𝐵 , 𝜎𝐵2 → 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜𝑠
Parámetros muestrales:
𝑋ത𝑀 = 106
𝑆 2 𝐵 = 87.6
𝑛𝐵 = 6

𝑛 − 1 𝑆2 2
𝑆 2
𝑛 − 1 𝑆 2
𝑛−1 438 438
2 ~𝒳 2
𝑛−1 −−→ 𝐼𝐶 𝜎
1−𝛼 𝐵 = ; −−→ 𝐼𝐶95% 𝜎𝐵2 = ;
𝜎𝑀 𝒳 2 1−𝛼;𝑛−1 𝒳 2 𝛼;𝑛−1 12.832 0.831
2 2
438 438
𝐼𝐶95% 𝜎𝐵2 = ; = [𝟑𝟒. 𝟏𝟑𝟑; 𝟓𝟐𝟕. 𝟎𝟕𝟔]
12.832 0.831
Con un nivel de confianza del 95 % se puede observar que la varianza de las horas del recorrido del motor B está
entre 33.133 y 527.076.
 Ejemplo

Los pesos en decagramos de 10 paquetes de semillas de pasto distribuidas por una empresa de
insumos agrícolas son: 46,4; 46,1; 45,8; 47,0; 46,1; 45,9; 45,8; 46,9; 45,2 y 46,0. Calcule un
intervalo de confianza del 95 % para la varianza de todos los pesos de este tipo de paquetes de
semilla. Suponga una población normal.

25
Error máximo para IC para la varianza poblacional

𝑒𝑚 = 𝑚á𝑥{ 𝜃መ − 𝐿𝐼 , 𝐿𝑆 − 𝜃መ }
 Ejercicios
En cierto municipio de un departamento se llevo a cabo una encuesta a 380 personas sobre la
favorabilidad de la pena de muerte a abusadores de menores de edad. De los encuestados, 285
resultaron estar a favor y el resto en contra. Calcule intervalos del 92 % y 97 % de confianza para la
proporción de personas que estarían dispuestas a votar a favor de la pena de muerte en el
departamento.

Un fabricante de baterías afirma que sus baterías durarán en promedio 3 años con una varianza de
1 año. Una muestra de 5 baterías tuvieron duraciones de 1,9; 2,4; 3,0; 3,5 y 4,2 años. Con base en
esto construya un intervalo de confianza del 93 % y otro del 98 % para la varianza poblacional y
decida si la afirmación del fabricante con respecto a la varianza es válida. Suponga que la población
de duraciones de las baterías se distribuye aproximadamente normal

27
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de medias de poblaciones independientes, con muestras normales
(o grandes) y varianzas conocidas
Supuestos:
1) Variables aleatorias: X 1 , X 2 E X 1   1 , E X 2    2 , Var X 1    12 , Var X 2    22
2) Parámetros poblacionales: 1 ,  2 desconocidas  1 ,  2 conocidas.
2 2

3) Muestras aleatorias: X 1 , n1 , S1 , X 2 , n2 , S 2 calculables a partir de la M.A.

Estadístico:   12  22 
1) Estimador del parámetro (µ1 - µ2): X 1  X 2 ~ N  1   2 ,  
 n1 n2 
X 1  X 2  1   2 
~ N 0,1
2) Construcción del estadístico:  12  22

n1 n2
Construcción del Intervalo de confianza para el parámetro (µ1 - µ2):
 
 
 X 1  X 2  1   2  
P  z(1 / 2 )   z(1 / 2 )   1  
  12  22
    12  22 

 n1 n2 
 IC(1 )100%   X 1  X 2  z(1 / 2 )  
 2 2 2 2 
 n1 n2 
P X 1  X 2  z(1 / 2 ) 1  2  1   2  X 1  X 2  z(1 / 2 ) 1  2   1  
 n1 n2 n1 n2 

 Ejemplo
Un profesor de educación física tomó datos de la cantidad de abdominales que pueden realizar sus
alumnos en 2 minutos de acuerdo al género. Con el fin de llevar a cabo diferentes estudios, el profesor
tomó una muestra aleatoria, a partir de la cual obtuvo los siguientes resultados:
Se sabe que el número de abdominales para el género Masculino se distribuye N(μM,σM2) y para el
género Femenino N(μF,σF2) de forma independiente y se asume que las desviaciones estándar para las
muestras son de 3,2 y 4,8 respectivamente.

Masculino Femenino
107 97
95 99
94 120
97 111
105 108
102 105
Calcule un intervalo de confianza del 95% para la diferencia de 83 110
medias del número de abdominales realizadas por hombres y 105 93
mujeres e interprete el resultado. 98
89
108
103
Ejemplo
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de medias de poblaciones independientes, con muestras normales
(o grandes) y varianzas desconocidas e iguales
Supuestos:
1) Variables aleatorias: X 1 ~ N 1 ,  2  , X 2 ~ N  2 ,  2 
2) Parámetros poblacionales: 1 ,  2 ,  desconocidas.
2

3) Muestras aleatorias: X 1 , n1 , S1 , X 2 , n2 , S 2 calculables a partir de la M.A.

Estadístico:  2 2 
1) Estimador del parámetro (µ1 - µ2): X 1  X 2 ~ N  1   2 ,  
 n1 n2 
2) Construcción del estadístico:
X 1  X 2  1   2 
~ N 0,1 pero  es desconocido.

2 2


n1 n2 S12 S 22
Por otra parte, se puede demostrar que:  2 (n1  1)   2 (n2  1) ~  ( n  n  2)
2
1 2

X 1  X 2  1   2 
2 2
 X 1  X 2  1   2 
n1 n2
~ t( n1  n2  2 )
~ t( n1  n2  2 )
S12 S 22 1 1 S (n1  1)  S (n2  1)
2 2

(n1  1)  (n2  1)  1 2
2 2 n1 n2 n1  n2  2
n1  n2  2
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de medias de poblaciones independientes, con muestras normales
(o grandes) y varianzas desconocidas e iguales
X 1  X 2  1   2  S12 (n1  1)  S 22 (n2  1)
Estadístico: ~ t( n1  n2 2) donde Sp 
1 1 n1  n2  2
Sp 
n1 n2

Construcción del Intervalo de confianza para el parámetro (µ1 - µ2):

 
 
 X 1  X 2  1   2  
P  t(1 / 2 )   t(1 / 2 )   1  
 1 1 
 Sp  
 n1 n2 

 1 1 1 1 
P X 1  X 2  t(1 / 2 ) Sp   1   2  X 1  X 2  t(1 / 2 ) Sp    1
 n1 n2 n1 n2 

 1 1
IC(1 )100%   X 1  X 2  t(1 / 2 ) Sp  
 n1 n2 

32
 Ejemplo
X1 X2
n1 = 100 n2 = 100
S12 = 41 S22 = 46
Media Muestral 1 =101 Media Muestral 2 = 80.3

 1 1
IC95%   X 1  X 2  t( 0.975) Sp  
 n1 n2 

S12 (n1  1)  S 22 (n2  1)

Sp 
n1  n2  2
41(100  1)  46(100  1)
Sp   6.595
100  100  2

 1 1 
IC95%  101  80.3  1.96(6.595)    [18.87; 22.53]
 100 100 

33
 Ejemplo
Un profesor de educación física tomó datos de la cantidad de abdominales que pueden realizar sus
alumnos en 2 minutos de acuerdo al género. Con el fin de llevar a cabo diferentes estudios, el profesor
tomó una muestra aleatoria, a partir de la cual obtuvo los siguientes resultados:
Se sabe que el número de abdominales para el género Masculino se distribuye N(μM,σM2) y para el
género Femenino N(μF,σF2) de forma independiente y se asume que las desviaciones estándar son
desconocidas pero iguales.
Masculino Femenino
107 97
95 99
94 120
97 111
105 108
102 105
83 110
105 93 Calcule un intervalo de confianza del 95% para la
98 diferencia de medias del número de abdominales
89
realizadas por hombres y mujeres e interprete el
108
103 resultado.
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de medias de poblaciones independientes, con muestras normales
(o grandes) y varianzas desconocidas
2
𝑆𝑋2 𝑆𝑌2
ഥ −𝒀
ഥ − (𝝁𝑿 − 𝝁𝒀 ) +
𝑿 𝑛𝑋 𝑛𝑌
Estadístico: donde 𝑣= 2 2
𝑺𝟐𝑿 𝑺𝟐𝒀 𝑆𝑋2 𝑆𝑌2
+ 𝑛𝑋 𝑛𝑌
𝒏𝑿 𝒏𝒀 +
(𝑛𝑋 −1) (𝑛𝑌 −1)

Construcción del Intervalo de confianza para el parámetro (µ1 - µ2):

 Sx2 Sy 2 
IC(1 )100%   X 1  X 2  t(1 / 2 )  
 nx n y 

35
 Ejemplo
Un profesor de educación física tomó datos de la cantidad de abdominales que pueden realizar sus
alumnos en 2 minutos de acuerdo al género. Con el fin de llevar a cabo diferentes estudios, el profesor
tomó una muestra aleatoria, a partir de la cual obtuvo los siguientes resultados:
Se sabe que el número de abdominales para el género Masculino se distribuye N(μM,σM2) y para el
género Femenino N(μF,σF2) de forma independiente y se asume que las desviaciones estándar son
desconocidas.
Masculino Femenino
107 97
95 99
94 120
97 111
105 108
102 105
83 110
105 93 Calcule un intervalo de confianza del 92% para la
98 diferencia de medias del número de abdominales
89 realizadas por hombres y mujeres e interprete el
108
resultado.
103
 Ejemplo

Considere el mismo ejercicio de los motores, pero esta vez asuma desviaciones desconocidas y diferentes.
Calcule un intervalo de confianza del 96 % para la diferencia de medias e interprete el resultado.
Compárelo con respecto al cálculo del intervalo cuando se conocían las desviaciones estándar.
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de medias de poblaciones dependientes.

ഥ 𝒅 − 𝝁𝒅
𝑿
Estadístico: 𝑺𝒅
𝒏

Construcción del Intervalo de confianza para el parámetro :

 Sd 
IC(1 )100%   Xd  t(1 / 2 )
 n 

38
Ejemplo

Para el ejemplo de los cajeros, construya un

intervalo del 98 % de confianza para la
diferencia entre el tiempo utilizado antes y
después del entrenamiento en cierta
transacción bancaria

39
 Intervalos de Confianza
• Intervalo de confianza para la diferencia de proporciones de poblaciones independientes, con muestras
grandes y varianzas conocidas
Supuestos:
1) Variables aleatorias: X 1 ~ Bernoulli  p1  , X 2 ~ Bernoulli  p2 
E  X 1   p1 E  X 2   p2 Var  X 1   p1 (1  p1 ) Var  X 2   p2 (1  p2 )

Estadístico:  pˆ (1  pˆ 1 ) pˆ 2 (1  pˆ 2 ) 
1) Estimador del parámetro (p1 - p2): pˆ 1  pˆ 2  X 1  X 2 ~ N  p1  p2 , 1  
 n1 n 2 

pˆ 1  pˆ 2   p1  p2 
~ N 0,1
2) Construcción del estadístico: pˆ 1 (1  pˆ 1 ) pˆ 2 (1  pˆ 2 )

n1 n2

Construcción del Intervalo de confianza para el parámetro (p1 - p2):

 pˆ 1 (1  pˆ 1 ) pˆ 2 (1  pˆ 2 ) 
IC(1 )100%   pˆ 1  pˆ 2  z(1 / 2 )  
 n1 n2 

40
 Ejemplo
La alcaldía de Bogotá ha visto como los accidentes de tránsito han venido aumentando
significativamente en la ciudad. A fin de conocer las principales causas de dicha situación, se
entrevistó anónimamente a 75 conductores jóvenes y se encontró que el 55% de ellos señalaron
pasarse un semáforo en rojo en la madrugada.
Se tomó una muestra aleatoria de 95 conductores mayores de 30 años, la cual arrojó como
resultado que el 40% de ellos había pasado un semáforo en rojo alguna vez.

Construya un intervalo de confianza del 90% sobre la diferencia de las proporciones de los
conductores jóvenes y mayores de 30 que se aceptaron haberse pasado un semáforo en rojo en
Ƹ − 𝑝𝐸𝑀
alguna ocasión 𝑝𝐸𝐽 Ƹ .

41
Ejemplo

42
 Intervalos de Confianza
• Intervalo de confianza para el cociente entre varianzas de dos distribuciones normales e independientes

Supuestos:
1) Variables aleatorias: X 1 ~ N 1 ,  12  , 
X 2 ~ N  2 ,  22 
2) Parámetros poblacionales: 1 ,  2 ,  1 ,  2 desconocidas.
2 2

3) Muestra aleatoria: X 1 , n1 , S1 , X 2 , n2 , S 2 calculables a partir de la M.A.

Construcción del Estadístico:
S 22 (n2  1)
S1 2
S 2  22 (n2  1) S 22 12
(n1  1) ~  (2n1 1) , 2
(n2  1) ~  (2n2 1) ~ F( n2 1,n1 1) ~ F( n2 1,n1 1)
  S 12 (n1  1)
S1  2
2 2
2 2
1 2

 2 (n1  1)
1

Construcción del Intervalo de confianza para el parámetro (σ12/ σ22 ):

 S 22 12 
P F( / 2 )  2 2  F(1 / 2 )   1  
 S1  2 
S    S12 S12 
  2 F( / 2 ) ; 2 F(1 / 2 ) 
2 2 2
S
P 12 F( / 2 )  12  12 F(1 / 2 )   1   IC(1 )100%
 2 S2
 S2   S2 S2 

43
Intervalos de Confianza

m: Grados de libertad del

numerador.
n: Grados de libertad del
denominador.

44
 Ejemplo
Un profesor de educación física tomó datos de la cantidad de abdominales que pueden realizar sus
alumnos en 2 minutos de acuerdo al género. Con el fin de llevar a cabo diferentes estudios, el profesor
tomó una muestra aleatoria, a partir de la cual obtuvo los siguientes resultados:
Se sabe que el número de abdominales para el género Masculino se distribuye N(μM,σM2) y para el
género Femenino N(μF,σF2) de forma independiente.
Masculino Femenino
107 97
95 99
94 120
97 111
105 108
102 105
Calcule un intervalo de confianza del 90% para el cociente 83 110
entre la varianza del número de abdominales realizadas por los 105 93
hombres y la varianza de la cantidad de abdominales realizadas 98
2
por las mujeres. (𝜎𝑀 /𝜎𝐹2 ) e interprete el resultado. 89
108
103
45
 Ejemplo
Una reconocida empresa de artículos electrónicos requiere optimizar el tiempo de ensamblaje de uno de sus
productos insignia. Actualmente un técnico recién contratado requiere de un periodo de capacitación de 1
mes.
El área de producción de la empresa ha sugerido un nuevo método de capacitación que contrasta con el
proceso clásico. Se capacitaron a dos grupos de 9 técnicos nuevos durante un periodo de 4 semanas, uno de
los grupos usando el método clásico y el otro usando el nuevo método de capacitación. El tiempo de
ensamblaje, en minutos, empleado por cada uno de los técnicos para ensamblar el producto se registró al
final del periodo de capacitación. El registro de los tiempos se encuentra en la siguiente tabla:
Suponga que los tiempos de ensamble están distribuidos normalmente y que las muestras son
independientes.

Tiempo de ensamblaje método clásico (min) 32 27 33 35 27 33 36 45 33

Tiempo de ensamblaje método nuevo (min) 39 34 39 28 38 30 27 26 36

Calcule el intervalo de confianza del 90% para el cociente entre la varianza del método de capacitación clásica
frente al nuevo método de capacitación. (𝜎12 /𝜎22 ) e interprete el resultado.

46
Resumen

47
Resumen

48