UNIVERSIDAD DEL PACIFICO Autor: J.

Rubio
DEPARTAMENTO DE MATEMATICAS

Ejemplo 10.1 Suponga que dos máquinas A y B producen en forma independiente un mismo
artículo y que en un estudio para analizar el sistema de producción se encontró los siguientes
resultados:

Máquina Pesos observados de los artículos muestreados

304, 306, 307, 304, 306, 295, 302, 309, 314, 303, 296, 294, 312, 304
A 306, 302, 307, 301, 316, 305, 306, 306, 302, 302, 303, 306, 307, 304
306, 305, 315
306, 309, 314, 307, 310, 309, 309, 309, 310, 291, 315, 307, 318, 304
B 307, 305, 307, 308, 303, 306, 308, 310, 295, 310, 313, 318, 309, 308
300, 301, 302, 320, 310, 305, 318, 307

y que con esta información se obtiene:

Peso promedio Número de artículos con un

Máquina N (gramos) Variancia peso mayor de 310 gramos
A 31 305 25.07 4
B 36 308 35.94 7

a) Hallar e interpretar un intervalo del 95% de confianza para el peso medio de los artículos
producidos por la máquina B, si se conoce que σ2B =34 .
σ2B 34
Con α=0.05 , nB =36 , Ztab =Z(1 - 0.05/2)=Z(0.975)=1.96, σX = = = 0.971825
B nB 36
se obtiene:
LIF ( µ B ) = 308 − (1.96)(0.971825) = 306.095223
LSF ( µ B ) = 308 + (1.96)(0.971825) = 309.904777

⇒ Conf [ 306.095223 ≤ µB ≤ 309.904777 ] = 95%

Este intervalo brinda un 95% de confianza de contener al valor del peso medio de los
artículos producidos por la máquina B.

b) Hallar e interpretar un intervalo del 90% de confianza para el peso medio de los artículos
producidos por la máquina A, si la muestra se eligió sin reemplazo de un lote de 120
unidades.

Con NA =120 , nA =31 , α=0.10 Ttab =T(1 - 0.1/2, 31-1)= T(0.95, 30)=1.697,

S A2  N A − nA  25.07  120 − 31 
X A = 305 , SA2 = 25.07 SXA =  =   = 0.777710
nA  N A − 1  31  120 − 1 

LIF( µ A ) = 305 − (1.697)(0.777710) = 303.680226

LSF( µA ) = 305 + (1.697)(0.777710) = 306.319774

⇒ Conf [ 303.680226 ≤ µA ≤ 306.319774 ] = 90%

Este intervalo brinda un 90% de confianza de contener al valor del peso medio de los
artículos producidos por la máquina A.
2 Estadística aplicada

c) Hallar e interpretar un intervalo del 90% de confianza para la variancia de los pesos de los
artículos producidos por la máquina A.

Con nA =31 , α=0.10 S A2 = 25.07 χ 2 (0.05,31 − 1) = 18.493 χ 2 (0.95,31 − 1) = 43.773

(nA − 1) SA2 ( 31 − 1)(25.07) (nA − 1) SA2 ( 31 − 1)(25.07)

LIF(σ2A ) = 2 = = 17.181824 , 2
LSF(σA )= 2 = = 40.669442
χ (0.95,30) 43.773 χ (0.05,30) 18.493

⇒ Conf [ 17.181824 ≤ σ2A ≤ 40.669442 ] = 90%

Este intervalo brinda un 90% de confianza de contener al valor de la variancia de los pesos de
los artículos producidos por la máquina A.

d) Hallar e interpretar un intervalo del 95% de confianza para la diferencia de medias de los
pesos de los artículos producidos por las máquinas A y B.

Con α=0.05 , nA =31 , nB =36 , X A = 305 , X B = 308 , SA2 = 25.07 , SB2 = 35.94

Asumiendo que las variancias son homogéneas (σ A2 = σ B2 )

Ttab =T(1 - 0.05/2, 31+36-2)= T(0.975, 65)=1.997

(31 − 1)(25.07) + (36 − 1)(35.94)

S2p = = 30.923077 SXA −XB = (30.923077) ( 311 + 361 ) = 1.362532
31 + 36 − 2

LIF( µA − µB ) = (305-308) − (1.997)(1.362532) = −5.720976

LSF( µA − µB ) = (305-308) + (1.997)(1.362532) = −0.279024

⇒ Conf [ -5.720976 ≤ µA - µB ≤ -0.279024 ] = 90%

Este intervalo brinda un 95% de confianza de contener al valor de la diferencia medias µA - µB

de los pesos de los artículos producidos por las máquinas A y B.

Asumiendo que las variancias son heterogéneas (σ A2 ≠ σ B2 )

25.07 35.94
S2XA = = 0.8087097, S2XB = = 0.9983333
31 36
(0.8087098 + 0.9983333) 2
λ= = 64.948709 ≅ 64
(0.8087098) 2 (0.9983333) 2
+
31 − 1 36 − 1

Ttab = T(1 − 0.05

2
,64) ≅ 1.997
25.07 35.94
SX A − X B = + = 1.344263
31 36

LIF( µA − µB ) = (305 − 308) − (1.997)(1.344263) = −5.684493

LSF( µA − µB ) = (305 − 308) + (1.997)(1.344263) = −0.315507

⇒ Conf [ -5.684493 ≤ µA - µB ≤ -0.315507 ] = 90%

Este intervalo brinda un 95% de confianza de contener al valor de la diferencia medias µA - µB

de los pesos de los artículos producidos por las máquinas A y B.
 Inferencia estadística 3

e) Hallar e interpretar un intervalo del 90% de confianza para la razón de variancias σ A2 σ B2 .

Con α=0.10, nA =31 , nB =36 , S A2 = 25.07 , S B2 = 35.94

 σ2  S 2
A A
LIC 2  = 2 F(0.05, n B -1 , n A -1 ) ,
 σB  S B
 σ2  S 2
A A
LSC 2  = 2 F(0.95, n B -1 , n A -1 )
 σB  S B

F(0.95,36-1,31-1)= 1.81

F(0.05,36-1,31-1)= 1/ F(0.95,30,35) = 1/1.789714 → valor interpolado

El valor tabular F(0.95,30,35) no existe en tabla, pero puede se aproximado mediante una
interpolación armónica de la manera siguiente:

1/GLD 1/34 1/35 1/36 (1/36-1/34) → (1.78-1.80)

F 1.80y y 1.78 (1/35-1/34) → ( y -1.80)

(1/ 35 − 1/ 34)(1.78 − 1.80)

y = 1.80 + = 1.789714 ≈ F (0.95,30,35)
1/ 36 − 1/ 34

 σ 2   25.07  1 
LIF  A2  =    =0.389756 ,
σB   35.94  1.789714 
 σ   25.07 
2

LSF  A2  =   (1.81) = 1.262568

 σ B   35.94 

⇒ Conf [ 0.389756 ≤ σ A2 σ B2 ≤ 1.262568 ] = 90%

Este intervalo brinda un 90% de confianza de contener al valor de la razón de variancias

σ A2 σ B2

f) Hallar e interpretar un intervalo del 90% de confianza para la proporción de artículos

producidos por la máquina A, que tienen un peso mayor de 310 gramos.

IC(πA)=? , α=0.10, nA =31 , pA =4/31=0.129032 , Ztab =Z(1 - 0.10/2)=Z(0.95)=1.645

p A (1 − p A ) (4 / 31)(1 − 4 / 31)
σˆ p A = = = 0.06021
nA 31

LIF(π A ) = 0.129032 − (1.645)(0.06021) = 0.029987

LSF(π A ) = 0.129032 + (1.645)(0.06021) = 0.228077

⇒ Conf [ 0.029987 ≤ πA ≤ 0.228077 ] = 90%

Este intervalo brinda un 90% de confianza de contener al valor de la proporción de artículos

producidos por la máquina A, con un peso mayor de 310 gramos.
4 Estadística aplicada

g) Si con la máquina B se producen 500 unidades, hallar e interpretar un intervalo del 90% de
confianza para el número de artículos con un peso mayor de 310 gramos.

Siendo πB = KB / NB , se tiene que KB ( número de artículos de la máquina B, con un peso

mayor de 310 gramos) puede ser estimado por intervalo, de la siguiente manera:

IC(KB)= NB . IC(πB)?

Como: α=0.10, nB =36, pB =7/31=0.194444 , Ztab =Z(1 - 0.10/2)=Z(0.95)=1.645

p B (1 − p B ) ( 7 / 36)(1 − 7 / 36)
σ
p = = = 0.065962
B
nA 36

LIF( π B ) = 0.194444 − (1.645)(0.065962) = 0.085937

LSF( π B ) = 0.194444 + (1.645)(0.065965) = 0..302952

⇒ Conf [ 0.085937 ≤ πB ≤ 0.302952 ] = 90%

Siendo NB = 500, luego el valor de KB puede ser estimado como:

LIF( K B ) = 500 LIF( π B ) = (500)(0.085937) = 42.9685

LSF( K B ) = 500 LIF( π B ) = (500)(0..302952) = 151.4760

⇒ Conf [ 42 ≤ KB ≤ 152 ] = 90%

Este intervalo brinda un 90% de confianza de contener al número de artículos con un peso
mayor de 310 gramos, cuando se producen 500 unidades.

h) Hallar e interpretar un intervalo del 95% de confianza para la diferencia de proporciones de

artículos con un peso mayor de 310 gramos.

IC(πA - πB )=? , α=0.05 , nA =31 , nB =36 , pA =4/31=0.129032, pB =7/36=0.194444

Ztab =Z(1 - 0.05/2)=Z(0.975)=1.96

(4 / 31)(1 − 4 / 31) (7 / 36)(1 − 7 / 36)

σ2pA − p B = + = 0.08931
31 36

LIF( π A − π B ) = (0.129032 - 0.194444) − (1.96)(0.08931) = −0.2404596

LSF( π A − π B ) = (0.129032 - 0.194444) + (1.96)(0.08931) = 0.1096356

⇒ Conf [ -0.2404596 ≤ πA - πB ≤ 0.1096356 ] = 90%

Este intervalo brinda un 95% de confianza de contener al valor de la diferencia de

proporciones (πA - πB ) de artículos con un peso mayor de 310 gramos.
 Inferencia estadística 5

10.5 Pruebas de hipótesis

Ejemplo 10.2 Suponga que dos empresas A y B producen un artículo W y que en un estudio para
analizar el tiempo de vida de los artículos producidos por dichas empresas se encontró los siguientes
resultados:

Empresa Tiempos de vida observados de los artículos muestreados

30.5, 45.6, 46.7, 54.6, 44.6, 34.5, 36.0, 43.9, 53.1, 36.7, 45.6,
A 43.4, 45.2, 47.8, 49.6, 43.2, 46.8, 41.1, 49.9, 43.5, 45.6, 46.6,
45.2, 44.2, 48.8, 57.9, 44.7, 40.4, 44.6, 45.5, 49.8,
38.5, 47.9, 48.4, 46.7, 48.0, 47.9, 48.2, 47.9, 47.8, 46.5, 46.5,
B 47.8, 48.0, 42.1, 46.0, 48.3, 46.8, 50.8, 54.0, 50.6, 47.8, 47.2,
49.5, 48.5, 49.3, 53.4, 48.0, 53.2, 47.0, 44.8, 49.1, 48.0, 47.7,
48.5, 47.6, 47.2, 48.2, 48.1, 48.5, 48.7, 50.7,

y que con esta información se obtiene:

Tiempo promedio Número de artículos

Empresa n de vida (horas) Variancia defectuosos
A 31 45.020 31.393 4
B 41 48.041 6.758 4

a) ¿Con un riesgo α=0.05, se puede concluir que el tiempo promedio de vida de los artículos
producidos por la empresa A no es mayor de 45 horas ?

En este caso lo que se desea probar es si µA ≤ 45 horas. Luego, el procedimiento a seguir es

el siguiente:

(1) Hp: µA ≤ 45 (2) α = 0.05

Ha: µA > 45
(X A − µA )
(3) Prueba estadística: T= ≈ T(n A − 1) , donde nA=31
SX
A

(4) Criterios de decisión

Región de aceptación Región de
rechazo
Se acepta Hp si:
Tcal ≤ 1.697
Se rechaza Hp si:

0.95 Tcal > 1.697

α=0.05

T2= T(0.95,30) = 1.697

(5) Con nA =31 , X A = 45.02 , S 2A = 31393

.

31393
. 45.02 − 45
S 2X = = 1006319
. Tcal = = 0.019874
A 31 1006319
.

(6) Como Tcal=0.019874 < 1.697 ; luego, se acepta la hipótesis Hp y se concluye para
α=0.05 que las evidencias muestrales indican que el tiempo promedio de vida de los
artículos producidos por la empresa A no es mayor de 45 horas.
6 Estadística aplicada

b) ¿Con un riesgo α=0.1, se puede concluir que la variancia de los tiempos de vida de los
artículos producidos por la empresa B no es menor de 12 horas² ?

2
En este caso lo que se desea probar es si σB ≥ 12 horas². Luego, el procedimiento a seguir
es el siguiente:

2
(1) Hp: σB ≥ 12 (2) α = 0.10
2
Ha: σB < 12
2
2 ( n B − 1)S B 2
(3) Prueba estadística: χ = ≈ χ(n , donde nB=41
2 B −1)
σB
(4) Criterios de decisión

Región de Región de aceptación

rechazo
Se acepta Hp si:
2
χ cal ≥ 29.051

Se rechaza Hp si:
2
α=0.1 χ cal < 29.051
0.9

2 2
χ 1 = χ ( 0.1,40) = 29.051

2
(5) Con nB =41 , S B = 6.758

2 ( 41 − 1)( 6.758)
χ cal = = 22.526667
12

(6) Como χ²cal =22.526667 < 29.051; luego, se rechaza la hipótesis Hp y se concluye
para α=0.05 que las evidencias muestrales indican que la variancia de los tiempos de
vida de los artículos producidos por la empresa B es menor de 12 horas².

c) ¿Con una probabilidad 0.95 de no cometer error tipo I, se puede concluir que el tiempo
promedio de vida de los artículos producidos por la empresa B supera al tiempo promedio de
vida de los artículos producidos por la empresa A en más de 2 horas ?

En este caso lo que se desea probar es si µB >µA+2 ; es decir, si µB-µA >2 . Luego, el
procedimiento a seguir es el siguiente:

(1) Hp: µB -µA ≤ 2 horas (2) α= 0.05

Ha: µB -µA > 2 horas

(3) Prueba estadística. Como no se conocen las variancias poblacionales se utiliza:

( X B − X A ) − ( µB − µ A )
T= ≈ T ( λ ) g .l .
SXB −XA

El valor λ es llamado Grados de libertad efectivo

Para decidir que valor de λ se debe utilizar es necesario determinar si las variancias
poblacionales son o no homogéneas. Para esto se realiza la prueba de homogeneidad de
variancias.
 Inferencia estadística 7

Prueba de homogeneidad de variancias

σ A2
(1) Hp: σ2A = σ2B ⇔ Hp: =1 (2) α= 0.10
σ B2
σ2
Ha: σ2A ≠ σ2B Ha: A2 ≠ 1
σB
S A2 σ B2
(3) Prueba estadística: F = ≈ F( nA −1,nB −1) , donde: nA=31 nB=41
S B2 σ A2

(4) Criterios de decisión

Región de Región de aceptación Región de

rechazo rechazo
Se acepta Hp si:

1/1.79≤ Fcal ≤1.74

Se rechaza Hp si:
α/2=0.05 Fcal<1/1.79 , o
0.90 α/2=0.05
Fcal>1.74
F1= F(0.05,30,40) F2= F(0.95,30,40)
= 1/F(0.95,40,30)=1/1.79 = 1.74

31.393
(5) Con S 2A = 31.393 S 2B = 6.758 se tiene: Fcal = = 4.645309
6.758

(6) Como Fcal=4.645309 > 1.74 ; luego, se rechaza la hipótesis Hp y se concluye

para α=0.10 que las evidencias muestrales indican que las variancias de los
tiempos de vida de los artículos producidos por las empresas A y B difieren
significativamente.

(4) Criterios de decisión. Puesto que las variancias son heterogéneas, se tiene:

31.393 6.758
SX2 1 = = 1.012677 , SX2 2 = = 0.164829
31 41
(1.012677 + 0.164829)2
λ= = 39.770497 ≈ 39
(1.012677)2 (0.164829) 2
+
31 − 1 41 − 1

Luego, el valor tabular es:

gl T(0.95) 1/gl
38 1.686 1/38 ( T2 – 1.686) (1/39 – 1/38)
39 T2 1/39 (1.684 – 1.686) (1/40 – 1/38)
40 1.684 1/40

(1.684 − 1.686 )  
1 1
− 
 39 38 
T2 ≅ 1.686 + = 1.684974
1 1
−
40 38
8 Estadística aplicada

(5) Con nA =31 , nB =41 , S 2A = 31.393 , S 2B = 6.758

6.758 31.393 (48.041 − 45.02) − 2

SX B − X A = + = 1.08513 Tcal = = 0.940901
41 31 1.08513

(6) Como Tcal=0.940901 < 1.684974 ; luego, se acepta la hipótesis Hp y se concluye para
α=0.05 que las evidencias muestrales indican que el tiempo promedio de vida de los
artículos producidos por la empresa B, no supera al tiempo promedio de vida de los
artículos producidos por la empresa A, en más de 2 horas.

d) ¿Se puede concluir para α=0.05 que la proporción de artículos defectuosos producidos por la
empresa A es mayor de 0.1 ?.

En este caso se desea probar si πA >0.1 . Luego, el procedimiento a seguir es:

(1) Hp: πA ≤ 0.1 (2) α = 0.05

Ha: πA > 0.1
pA − πA
(3) Prueba estadística: Z= ≈ N(0,1)
σp A a
(4) Criterios de decisión
Región de aceptación Región de
rechazo
Se acepta Hp si:
Zcal ≤ 1.645
Se rechaza Hp si:

0.95 Zcal > 1.645

α=0.05

Z2= Z(0.95) = 1.645

(5) Con nA =31 pA =4/31=0.129032 , se tiene:

π A (1 − π A ) . )(1 − 01
(01 .) 0129032
. − 01
.
σp A = = = 0.053882 Z cal = = 0.538807
nA 31 0.053882

(6) Como Zcal = 0.538807 < 1.645 ; luego, se acepta la hipótesis Hp y se concluye para
α=0.05 que las evidencias muestrales indican que la proporción de artículos
defectuosos producidos por la empresa A no es mayor de 0.1 .
 Inferencia estadística 9

e) ¿Se puede concluir para α=0.05, que la proporción de artículos defectuosos producidos por la
empresa A supera a la proporción correspondiente de la empresa B en más de 0.01 ?

En este caso se desea probar si πA > πB + 0.01; es decir, si πA -πB >0.01 (aquí el valor
hipotético es diferente de cero). Luego, el procedimiento a seguir es el siguiente:

(1) Hp: πA - πB ≤ 0.01 (2) α = 0.05

Ha: πA - πB > 0.01
( p A − p B ) − (π A − π B )
(3) Prueba estadística: Z = ≈ N (0,1)
σ
p A − p B a
(4) Criterios de decisión
Región de aceptación Región de
rechazo
Se acepta Hp si:
Zcal ≤ 1.645
Se rechaza Hp si:

0.95 Zcal > 1.645

α=0.05

Z2= Z(0.95) = 1.645

(5) Como el valor hipotético es diferente de cero y nA =31, nB =41, pA = 4/31, pB =4/41 ,
luego,

(4 / 31)(1 − 4 / 31) (4 / 41)(1 − 4 / 41)

σ
p A − p B = + = 0.075978
31 41
(4 / 31 − 4 / 41) − 0.01
Zcal = = 0.282599
0.075978

(6) Como Zcal =0.282599 < 1.645 ; luego, se acepta la hipótesis Hp y se concluye para
α=0.05 que las evidencias muestrales indican que la proporción de artículos
defectuosos producidos por la empresa A no es superior a la correspondiente
proporción de defectuosos de la empresa B en más de 0.01.