Sie sind auf Seite 1von 26

INSTITUTO TECNOLGICO DE CAMPECHE

LA TCNICA EN PROVINCIA ENGRANDECE A LA NACIN

INGENIERA INDUSTRIAL.
TEMA DE INVESTIGACIN CONCEPTUAL.
Trabajo 1.

Nombre del alumno:

Francisco Valdivia padrn.


Materia:
Estadstica inferencial 1.
Grupo:
VI-3

Fecha:
/octubre/2014

NDICE.
LOS DOS TIPOS DE PROBLEMAS QUE ATIENDE LA INFERENCIA ESTADSTICA. ........................................... 3
LA ESTIMACIN ESTADSTICA. ...................................................................................................................... 4
Tipos de estimadores. .................................................................................................................................. 4
Estimacin puntual.................................................................................................................................... 5
Propiedades de un buen estimador .......................................................................................................... 7
Estimacin por intervalos ......................................................................................................................... 9
INTERVALOS DE CONFIANZA. ..................................................................................................................... 11
A.Para una poblacin................................................................................................................................ 11
Estimacin para la Media ............................................................................ Error! Bookmark not defined.
Estimacin de una Proporcin .................................................................................................................. 13
B.PARA DOS POBLACIONES. ...................................................................................................................... 16
Estimacin de la Diferencia de dos Proporciones .................................................................................. 17
DETERMINACIN DE TAMAOS DE MUESTRA. .......................................................................................... 19
Clculo del Tamao de la Muestra para Estimar una Media................................................................ 19
Clculo del Tamao de la Muestra para Estimar una Proporcin ........................................................ 21
Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias ......................................... 23
BIBLIOGRAFA ............................................................................................................................................................. 26

Pgina 2

TEMA DE INVESTIGACIN CONCEPTUAL.


LOS DOS TIPOS DE PROBLEMAS QUE ATIENDE LA INFERENCIA ESTADSTICA.
Los dos tipos de problemas que resuelven las tcnicas estadsticas son:
estimacin y contraste de hiptesis. En ambos casos se trata de generalizar
la informacin obtenida en una muestra a una poblacin. Estas tcnicas
exigen que la muestra sea aleatoria. En la prctica rara vez se dispone de
muestras aleatorias, por la tanto la situacin habitual es la que se
esquematiza en la figura

Entre la muestra con la que se trabaja y la poblacin de inters, o


poblacin diana, aparece la denominada poblacin de muestreo:
poblacin (la mayor parte de las veces no definida con precisin) de la
cual nuestra muestra es una muestra aleatoria. En consecuencia la
generalizacin est amenazada por dos posibles tipos de errores: error
aleatorio que es el que las tcnicas estadsticas permiten cuantificar y
crticamente dependiente del tamao muestral, pero tambin de la
variabilidad de la variable a estudiar y el error sistemtico que tiene que

Pgina 3

ver con la diferencia entre la poblacin de muestreo y la poblacin diana


y que slo puede ser controlado por el diseo del estudio.
Tamao muestral
El tamao muestral juega el mismo papel en estadstica que el aumento
de la lente en microscopa: si no se ve una bacteria al microscopio, puede
ocurrir que: la preparacin no la contenga el aumento de la lente sea
insuficiente.
Para decidir el aumento adecuado hay que tener una idea del tamao
del objeto.
Del mismo modo, para decidir el tamao muestral:
i)

en un problema de estimacin hay que tener una idea de la


magnitud a estimar y del error aceptable.

ii)

en un contraste de hiptesis hay que saber el tamao del


efecto que se quiere ver.

LA ESTIMACIN ESTADSTICA.
El objetivo principal de la estadstica inferencial es la estimacin, esto es
que mediante el estudio de una muestra de una poblacin se quiere
generalizar las conclusiones al total de la misma. Como vimos en la seccin
anterior, los estadsticos varan mucho dentro de sus distribuciones
muestrales, y mientras menor sea el error estndar de un estadstico, ms
cercanos sern unos de otros sus valores.
Tipos de estimadores.
Existen dos tipos de estimaciones para parmetros;
Puntuales y por intervalo.

Pgina 4

Una estimacin puntual es un nico valor estadstico y se usa para estimar


un parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito,
que se espera que contenga el parmetro.
Estimacin puntual
La inferencia estadstica est casi siempre concentrada en obtener algn
tipo de conclusin acerca de uno o ms parmetros (caractersticas
poblacionales).
Para hacerlo, se requiere que un investigador obtenga datos muestrales de
cada una de las poblaciones en estudio. Entonces, las conclusiones
pueden estar basadas en los valores calculados de varias cantidades
muestrales. Por ejemplo, representamos con (parmetro) el verdadero
promedio de resistencia a la ruptura de conexiones de alambres utilizados
para unir obleas de semiconductores. Podra tomarse una muestra
aleatoria de 10 conexiones para determinar la resistencia a la ruptura de
cada una, y la media muestral de la resistencia a la ruptura se poda
emplear para sacar una conclusin acerca del valor de . De forma similar,
si S2 es la varianza de la distribucin de resistencia a la ruptura, el valor de la
varianza muestral s2 se podra utilizar para inferir algo acerca de S2.
Cuando se analizan conceptos generales y mtodos de inferencia es
conveniente tener un smbolo genrico para el parmetro de inters. Se
utilizar la letra griega para este propsito. El objetivo de la estimacin
puntual es seleccionar slo un nmero, basados en datos de la muestra,
que represente el valor ms razonable de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar
duraciones observadas en horas de x1=5.0, x2=6.4 y x3=5.9. El valor
calculado de la duracin media muestral es x = 5.77, y es razonable
considerar 5.77 como el valor ms adecuado de .

Pgina 5

El smbolo (theta sombrero) suele utilizarse para representar el estimador


de y la estimacin puntual resultante de una muestra dada. Entonces =
se lee como el estimador puntual de es la media muestral . El
enunciado la estimacin puntual de es 5.77 se puede escribir en forma
abreviada = 5.77.
Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de
bajo costo, para varios procesos de fundicin. En consecuencia, es
importante contar

con mtodos prcticos para determinar varias

propiedades mecnicas de esas aleaciones. Examine la siguiente muestra


de mediciones del mdulo de elasticidad obtenidos de un proceso de
fundicin a presin: 44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra
aleatoria. Se desea estimar la varianza poblacional 2. Un estimador
natural es la varianza muestral:

En el mejor de los casos, se encontrar un estimador para el cual =


siempre. Sin embargo, q es una funcin de las Xi muestrales, por lo que en
s misma una variable aleatoria.
= + error de estimacin
Entonces el estimador preciso sera uno que produzca slo pequeas
diferencias de estimacin, de modo que los valores estimados se acerquen
al valor verdadero.

Pgina 6

Propiedades de un buen estimador


Insesgado.- Se dice que un estimador puntual es un estimador insesgado
de

si

( )

, para todo valor posible de

. En otras palabras, un

estimador insesgado es aquel para el cual la media de la distribucin


muestral es el parmetro estimado. Si se usa la media muestral para
estimar la media poblacional m, se sabe que la

, por lo tanto la

media es un estimador insesgado.


Eficiente o con varianza mnima.- Suponga que y son dos estimadores
insesgados de . Entonces, aun cuando la distribucin de cada estimador
est centrada en el valor verdadero de

, las dispersiones de las

distribuciones alrededor del valor verdadero pueden ser diferentes.


Entre todos los estimadores de q que son insesgados, seleccione al que
tenga varianza mnima. El resultante recibe el nombre de estimador
insesgado con varianza mnima (MVUE, minimum variance unbiased
estimator) de .
En otras palabras, la eficiencia se refiere al tamao de error estndar de la
estadstica. Si comparamos dos estadsticas de una muestra del mismo
tamao y tratamos de decidir cul de ellas es un estimador ms eficiente,
escogeramos la estadstica que tuviera el menor error estndar, o la menor
desviacin estndar de la distribucin de muestreo.
Tiene sentido pensar que un estimador con un error estndar menor tendr
una mayor oportunidad de producir una estimacin ms cercana al
parmetro de poblacin que se est considerando.

Pgina 7

Como se puede observar las dos distribuciones tienen un mismo valor en el


parmetro slo que la distribucin muestral de medias tiene una menor
varianza, por lo que la media se convierte en un estimador eficiente e
insesgado.
Coherencia.- Una estadstica es un estimador coherente de un parmetro
de poblacin, si al aumentar el tamao de la muestra se tiene casi la
certeza de que el valor de la estadstica se aproxima bastante al valor del
parmetro de la poblacin. Si un estimador es coherente se vuelve ms
confiable si tenemos tamaos de muestras ms grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la
informacin contenida de la muestra que ningn otro estimador podra
extraer informacin adicional de la muestra sobre el parmetro de la
poblacin que se est estimando.
Es decir se pretende que al extraer la muestra el estadstico calculado
contenga toda la informacin de esa muestra. Por ejemplo, cuando se
calcula la media de la muestra, se necesitan todos los datos. Cuando se
calcula la mediana de una muestra slo se utiliza a un dato o a dos. Esto es
solo el dato o los datos del centro son los que van a representar la muestra.
Con esto se deduce que si utilizamos a todos los datos de la muestra como

Pgina 8

es en el caso de la media, la varianza, desviacin estndar, etc; se tendr


un estimador suficiente.
Valor
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por
uno) de fallar en nuestra estimacin, esto es, la diferencia entre la certeza y
el nivel de confianza (

). Por ejemplo, en una estimacin con un nivel

de confianza del 95%, el valor es (100-95)/100 = 0,05.


Estimacin por intervalos
Un estimado puntual, por ser un slo nmero, no proporciona por s mismo
informacin alguna sobre la precisin y confiabilidad de la estimacin. Por
ejemplo, imagine que se usa el estadstico para calcular un estimado
puntual de la resistencia real a la ruptura de toallas de papel de cierta
marca, y suponga que = 9322.7. Debido a la variabilidad de la muestra,
nunca se tendr el caso de que = . El estimado puntual nada dice sobre
lo cercano que esta de . Una alternativa para reportar un solo valor del
parmetro que se est estimando es calcular e informar todo un intervalo
de valores factibles, un estimado de intervalo o intervalo de confianza (IC).
Un intervalo de confianza se calcula siempre seleccionando primero un
nivel de confianza, que es una medida del grado de fiabilidad en el
intervalo. Un intervalo de confianza con un nivel de confianza de 95% de la
resistencia real promedio a la ruptura podra tener un lmite inferior de
9162.5 y uno superior de 9482.9. Entonces, en un nivel de confianza de 95%,
es posible tener cualquier valor de m entre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de todas las muestras dara
lugar a un intervalo que incluye m o cualquier otro parmetro que se est
estimando, y slo 5% de las muestras producir un intervalo errneo.
Cuanto mayor sea el nivel de confianza podremos creer que el valor del
parmetro que se estima est dentro del intervalo.

Pgina 9

Pgina
10

INTERVALOS DE CONFIANZA.
A. Para una poblacin
Para la media con varianza conocida.
Es conocido de nosotros durante este curso, que en base a la distribucin
muestral de medias que se gener en el tema anterior, la frmula para el

clculo de probabilidad es la siguiente:

. Como en este

caso no conocemos el parmetro y lo queremos estimar por medio de la


media de la muestra, slo se despejar m de la formula anterior,
quedando lo siguiente:

De esta frmula se puede observar que tanto el tamao de la muestra


como el valor de z se conocern. Z se puede obtener de la tabla de la
distribucin normal a partir del nivel de confianza establecido. Pero en
ocasiones se desconoce s por lo que en esos casos lo correcto es utilizar
otra distribucin llamada t de Student si la poblacin de donde
provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una
estimacin puntual de la desviacin estndar, es decir igualar la
desviacin estndar de la muestra a la de la poblacin (s=).
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc que se saca del
agua a partir de una muestra de mediciones de zinc en 36 sitios diferentes
es de 2.6 gramos por mililitro. Encuentre los intervalos de confianza de 95%

Pgina
11

y 99% para la concentracin media de zinc en el ro. Suponga que la


desviacin estndar de la poblacin es 0.3.
Solucin:
La estimacin puntual de m es x = 2.6. El valor de z para un nivel de
confianza del 95% es 1.96, por lo tanto:

Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el


intervalo ser ms amplio:

El intervalo de confianza proporciona una estimacin de la precisin de


nuestra estimacin puntual. Si

es realmente el valor central de intervalo,

entonces estima m sin error. La mayor parte de las veces, sin embargo,
Pgina
12

no ser exactamente igual a

y la estimacin puntual es errnea. La

magnitud de este error ser el valor absoluto de la diferencia entre

y , y

podemos tener el nivel de confianza de que esta diferencia no exceder

Como se puede observar en los resultados del ejercicio se tiene un error de


estimacin mayor cuando el nivel de confianza es del 99% y ms pequeo
cuando se reduce a un nivel de confianza del 95%.
Para la media con varianza desconocida.
Si y S som la media y desviaciom estamdar

Estimacin de una Proporcin


Un estimador puntual de la proporcin P en un experimento binomial est
dado por la estadstica P=X/N, donde x representa el nmero de xitos en
n pruebas. Por tanto, la proporcin de la muestra p =x/n se utilizar como
estimador puntual del parmetro P.
Si no se espera que la proporcin P desconocida est demasiado cerca
de 0 de 1, se puede establecer un intervalo de confianza para P al
considerar la distribucin muestral de proporciones.

Al despejar P de esta ecuacin nos queda:

En este despeje podemos observar que se necesita el valor del parmetro


P y es precisamente lo que queremos estimar, por lo que lo sustituiremos
por la proporcin de la muestra p siempre y cuando el tamao de muestra
no sea pequeo.

Pgina
13

Cuando n es pequea y la proporcin desconocida P se considera


cercana a 0 a 1, el procedimiento del intervalo de confianza que se
establece aqu no es confiable, por tanto, no se debe utilizar. Para estar
seguro, se debe requerir que np nq sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos

tener el nivel de confianza de que esta diferencia no exceder

Ejemplos:
1. Un fabricante de reproductores de discos compactos utiliza un conjunto
de pruebas amplias para evaluar la funcin elctrica de su producto.
Todos los reproductores de discos compactos deben pasar todas las
pruebas antes de venderse. Una muestra aleatoria de 500 reproductores
tiene como resultado 15 que fallan en una o ms pruebas. Encuentre un
intervalo de confianza de 90% para la proporcin de los reproductores de
discos compactos de la poblacin que no pasan todas las pruebas.
Solucin:
n=500
p = 15/500 = 0.03
z(0.90) = 1.645

Se sabe con un nivel de confianza del 90% que la proporcin de discos


defectuosos que no pasan la prueba en esa poblacin est entre 0.0237 y

Pgina
14

0.0376.

Pgina
15

B. PARA DOS POBLACIONES.


Estimacin de la Diferencia entre dos Medias
Si

se

tienen

varianzas

dos

poblaciones

con

medias

respectivamente, un estimador puntual de la diferencia

entre 1 y 2 est dado por la estadstica

. Por tanto. Para obtener

una estimacin puntual de 1- 2, se seleccionan dos muestras aleatorias


independientes, una de cada poblacin, de tamao n1 y n2, se calcula la
diferencia

, de las medias muestrales.

Recordando a la distribucin muestral de diferencia de medias:

Al despejar de esta ecuacin

se tiene:

En el caso en que se desconozcan las varianzas de la poblacin y los


tamaos de muestra sean mayores a 30 se podr utilizar la varianza de la
muestra como una estimacin puntual.
Ejemplos:
1. Se lleva a cabo un experimento en que se comparan dos tipos de
motores, A y B. Se mide el rendimiento en millas por galn de gasolina. Se
realizan 50 experimentos con el motor tipo A y 75 con el motor tipo B. La
gasolina que se utiliza y las dems condiciones se mantienen constantes. El
rendimiento promedio de gasolina para el motor A es de 36 millas por

Pgina
16

galn y el promedio para el motor B es 24 millas por galn. Encuentre un


intervalo de confianza de 96% sobre la diferencia promedio real para los
motores A y B. Suponga que las desviaciones estndar poblacionales son 6
y 8 para los motores A y B respectivamente.
Solucin:
Es deseable que la diferencia de medias sea positiva por lo que se
recomienda restar la media mayor menos la media menor. En este caso
ser la media del motor B menos la media del motor A.
El valor de z para un nivel de confianza del 96% es de 2.05.

La interpretacin de este ejemplo sera que con un nivel de confianza del


96% la diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por
galn a favor del motor B. Esto quiere decir que el motor B da ms
rendimiento promedio que el motor A, ya que los dos valores del intervalo
son positivos.
Estimacin de la Diferencia de dos Proporciones
En la seccin anterior se vio el tema de la generacin de las distribuciones
muestrales, en donde se tena el valor de los parmetros, se seleccionaban
dos muestras y podamos calcular la probabilidad del comportamiento de
los estadsticos. Para este caso en particular se utilizar la distribucin
muestral de diferencia de proporciones para la estimacin de las misma.
Recordando la frmula:

Pgina
17

Despejando P1-P2 de esta ecuacin:

Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya


que al hacer el despeje nos queda las dos proporciones poblacionales y es
precisamente lo que queremos estimar, por lo que se utilizarn las
proporciones de la muestra como estimadores puntuales:

Ejemplos:
1. Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
para determinar si ste tiene como resultado una mejora. Si se encuentra
que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de
2000 artculos del procedimiento nuevo tambin lo son, encuentre un
intervalo de confianza de 90% para la diferencia real en la fraccin de
defectuosos entre el proceso actual y el nuevo.
Solucin:
Sean P1 y P2 las proporciones reales de defectuosos para los procesos
actual y nuevo, respectivamente. De aqu, p1=75/1500 = 0.05 y p2 =
80/2000 = 0.04. Con el uso de la tabla encontramos que z para un nivel de
confianza del 90% es de 1.645.
Pgina
18

Como el intervalo contiene el valor de cero, no hay razn para creer que
el nuevo procedimiento producir una disminucin significativa en la
proporcin de artculos defectuosos comparado con el mtodo existente.

DETERMINACIN DE TAMAOS DE MUESTRA.


Al iniciar cualquier investigacin, la primera pregunta que surge es: de
qu tamao debe ser la o las muestras? La respuesta a esta pregunta la
veremos en esta seccin, con conceptos que ya se han visto a travs de
este material.
Clculo del Tamao de la Muestra para Estimar una Media
Qu tan grande debe ser una muestra si la media muestral se va a usar
para estimar la media poblacional?. La respuesta depende del error
estndar de la media, si este fuera cero, entonces se necesitara una sola
media

que

ser

igual

necesariamente

la

media

poblacional

desconocida , porque = 0. Este caso extremo no se encuentra en la


prctica, pero refuerza el hecho de que mientras menor sea el error
estndar de la media, menor es el tamao de muestra necesario para
lograr un cierto grado de precisin.
Se estableci antes que una forma de disminuir el error de estimacin es
aumentar el tamao de la muestra, si ste incluye el total de la poblacin,
entonces |

|sera igual a cero. Con esto en mente, parece razonable

que para un nivel de confianza fijo, sea posible determinar un tamao de


la muestra tal que el error de estimacin sea tan pequeo como
queramos, para ser ms preciso, dado un nivel de confianza y un error fijo
de estimacin e, se puede escoger un tamao de muestra n tal que P

Pgina
19

(|

|<) = Nivel de confianza. Con el propsito de determinar n. El error

mximo de estimacin est dado por:

Si se eleva al cuadrado ambos lados de esta ecuacin y se despeja n de


la ecuacin resultante, obtenemos:

Como n debe de ser un nmero entero, redondeamos hacia arriba todos


los resultados fraccionarios.
En el caso de que se tenga una poblacin finita y un muestreo sin
reemplazo, el error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n,


obteniendo:

Ejemplos:
1. Un bilogo quiere estimar el peso promedio de los ciervos cazados
en el estado de Maryland. Un estudio anterior de diez ciervos
cazados mostr que la desviacin estndar de sus pesos es de 12.2
libras. Qu tan grande debe ser una muestra para que el bilogo
tenga el 95% de confianza de que el error de estimacin es a lo ms
de 4 libras?
Solucin:
Pgina
20

En consecuencia, si el tamao de la muestra es 36, se puede tener un 95%


de confianza en que

difiere en menos de 4 libras de .

Clculo del Tamao de la Muestra para Estimar una Proporcin


Se desea saber que tan grande se requiere que sea una muestra para
asegurar que el error al estimar P sea menor que una cantidad especfica
.

Elevando al cuadrado la ecuacin anterior se despeja n y nos queda:

Esta frmula est algo engaosa, pues debemos utilizar p para determinar
el tamao de la muestra, pero p se calcula a partir de la muestra. Existen
ocasiones en las cuales se tiene una idea del comportamiento de la
proporcin de la poblacin y ese valor se puede sustituir en la frmula,
pero si no se sabe nada referente a esa proporcin entonces se tienen dos
opciones:

Tomar una muestra preliminar mayor o igual a 30 para proporcionar una


estimacin de P. Despus con el uso de la frmula se podra determinar
de forma aproximada cuntas observaciones se necesitan para
proporcionar el grado de precisin que se desea.

Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se


obtiene el tamao de muestra mayor posible. Observe el siguiente
ejemplo:

Pgina
21

Se desconoce el valor de P, por lo que se utilizarn diferentes valores y se


sustituirn en la frmula para observar los diferentes tamaos de muestras.
El nivel de confianza que se utilizar es del 95% con un error de estimacin
de
0.30.

Como se puede observar en la tabla anterior cuando P vale 0.5 el tamao


de la muestra alcanza su mximo valor.

Pgina
22

En el caso de que se tenga una poblacin finita y un muestreo sin


reemplazo, el error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n,


obteniendo:

Ejemplos:
1. En una muestra aleatoria de 500 familias que tienen televisores en la
ciudad de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO.
Qu tan grande se requiere que sea una muestra si se quiere tener 95%
de confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que
proporciona una estimacin de p=340/500=0.68.

Por lo tanto si basamos nuestra estimacin de P sobre una muestra


aleatoria de tamao 2090, se puede tener una confianza de 95% de que
nuestra proporcin muestral no diferir de la proporcin real por ms de
0.02.
Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que error
est dado por:

Pgina
23

En esta ecuacin se nos pueden presentar dos casos:


Los tamaos de muestra son iguales.
Los tamaos de muestra son diferentes.
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la
ecuacin y se despeja n ya que n1 es igual a n2.

Para el segundo caso se pondr una n en funcin de la otra. Este caso se


utiliza cuando las poblaciones son de diferente tamao y se sabe que una
es K veces mayor que la otra.

Ejemplo:
Un director de personal quiere comparar la efectividad de dos mtodos de
entrenamiento para trabajadores industriales a fin de efectuar cierta
operacin de montaje. Se divide un nmero de operarios en dos grupos
iguales: el primero recibe el mtodo de entrenamiento 1, y el segundo, el

Pgina
24

mtodo 2. Cada uno realizar la operacin de montaje y se registrar el


tiempo de trabajo. Se espera que las mediciones para ambos grupos
tengan una desviacin estndar aproximadamente de 2 minutos. Si se
desea que la estimacin de la diferencia en tiempo medio de montaje sea
correcta hasta por un minuto, con una probabilidad igual a 0.95, cuntos
trabajadores se tienen que incluir en cada grupo de entrenamiento?

Cada grupo debe contener aproximadamente 31 empleados.

Pgina
25

BIBLIOGRAFA
Spiegel, M. R. (1999). analisis vectorial y una introduccion al analisis tensorial. D.F.: McGRAW-HILL.

Pgina
26