Estadística – ing.

Civil
Resolución de Ejercicios Propuestos

Resolución de problemas sobre estimación de parámetros

ESTIMACION PUNTUAL

3. Sean ̅̅̅
𝑥1 y ̅̅̅la
𝑥2 medias de dos muestras independientes de tamaños 𝑛1 y 𝑛2 respectivamente
escogidas de una población X de Poisson con parámetro 𝜆

𝑛𝑥̅1 +𝑛𝑥̅ 2
a) Probar que la estadística 𝜃 = es un estimador insesgado de parámetro 𝜆
𝑛1 +𝑛2
Sol.
𝑛1 𝑥̅1 + 𝑛2 ̅̅̅
𝑥2
𝐸(𝜃̂) = 𝐸 [ ]
𝑛1 + 𝑛2
1
= [𝐸(𝑛1 𝑥̅1 ) + 𝐸(𝑛2 𝑥̅2 )]
𝑛1 + 𝑛2
1
= [𝑛 𝐸(𝑥̅1 ) + 𝑛2 𝐸(𝑥̅2 )]
𝑛1 + 𝑛2 1
1
= {𝑛 𝜆 + 𝑛2 𝜆}
𝑛1 + 𝑛2 1
(𝑛1 + 𝑛2 )
= 𝜆=𝜆
(𝑛1 + 𝑛2 )
b) Hallar la varianza del estimador

𝑛1 ̅̅̅
𝑥1 + 𝑛2 𝑥̅2
𝑣𝑎𝑟(𝜃̂) = 𝑣𝑎𝑟 [ ]
𝑛1 + 𝑛2
2
1
=( ) 𝑣𝑎𝑟[𝑛1 𝑥̅1 + 𝑛2 𝑥̅2 ]
𝑛1 + 𝑛2
1
= {𝑛 2 𝑣𝑎𝑟(𝑥̅1 ) + 𝑛2 2 𝑣𝑎𝑟(𝑥̅2 )}
(𝑛1 + 𝑛2 )2 1
1 2
𝜆 2
𝜆
= {𝑛1 + 𝑛 2 }
(𝑛1 + 𝑛2 )2 𝑛1 𝑛2
1
= {𝑛 𝜆 + 𝑛2 𝜆}
(𝑛1 + 𝑛2 )2 1
(𝑛1 + 𝑛2 ) 𝜆
= 𝜆=( )
(𝑛1 + 𝑛2 )2 𝑛1 + 𝑛2

̂1 y 𝜃
5. Dos métodos diferentes e independientes dieron lugar a dos estimadores insesgados 𝜃 ̂2
del parámetro 𝜃. Las desviaciones estándares de estos estimadores son 0.4 y 0.6
respectivamente. Los estimadores son combinados de la siguiente manera:

𝜃̂ = 𝑟𝜃̂1 + (1 − 𝑟)𝜃̂2 0<𝑟<1

Hallar el valor de r que haga mínima la varianza del estimador 𝜃̂.

Solución:

1
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝜎𝜃̂1 = 0.4 𝜎𝜃̂2 = 0.6

𝑣𝑎𝑟(𝜃 ) = [𝑣𝑎𝑟𝑟𝜃̂1 + (1 − 𝑟)𝜃̂2 ]
̂

𝐿 = 𝑣𝑎𝑟(𝜃̂) = 𝑟 2 𝑣𝑎𝑟(𝜃̂1 ) + (1 − 𝑟)2 𝑣𝑎𝑟(𝜃

̂2 )

𝐿 = 𝑟 2 (0.4)2 + (1 − 𝑟)2 (0.6)2

𝑑𝐿
= 2𝑟(0.4)2 − 2(1 − 𝑟)2 (0.6)2 = 0
𝑑𝑟

2𝑟(0.4)2 = 2(1 − 𝑟)(0.6)2

0.32𝑟 = 0.72 − 0.72𝑟

1.04𝑟 = 0.72 ⇒ 𝑟 = 0.6923076

6. Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de tamaño 𝑛 de una población de Bernoullí 𝛽(1, 𝑝).
De las siguientes estadísticas:

∑𝑛𝑖=1 𝑋𝑖 − 𝑋𝑘 ∑𝑛𝑖=1 𝑋 2 𝑖
̂1 =
Θ , ̂2 =
Θ
𝑛−1 𝑛

a) ¿Cuáles son estimadores insesgados del parámetro 𝑝?

Solución:

∑ 𝑋 − 𝑋𝑘
̂1 ) = 𝐸 [ 𝑖
𝐸(Θ ]
𝑛−1
1
= {𝐸[𝑋1 + ⋯ + 𝑋𝑛 − 𝑋𝑘 ]}
𝑛−1
1
= {𝐸(𝑋1 ) + ⋯ + 𝐸(𝑋𝑛 ) − 𝐸(𝑋𝑘 )}
𝑛−1
1
= {𝑝 + 𝑝 + ⋯ + 𝑝 − 𝑝}
𝑛−1
1
= (𝑛 − 1)𝑝 = 𝑝
(𝑛 − 1)

𝑋2 + 𝑋22 + ⋯ + 𝑋2𝑛
̂2) = 𝐸 [ 1
𝐸(Θ ]
𝑛
𝐸(𝑋 21 ) + ⋯ + 𝐸(𝑋𝑛 2 )
=
𝑛

2
∗ 𝑛𝑜𝑡𝑎: 𝐸(𝑋 2 ) = 𝜎𝑥 2 + (𝐸(𝑋))
𝐸(𝑋 2 ) = 𝑝𝑞 + 𝑝2 = 𝑝
= 𝑝(1 − 𝑝) + 𝑝2 = 𝑝 − 𝑝2 + 𝑝2 = 𝑝

2
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑝 + 𝑝 + ⋯ + 𝑝 𝑛𝑝
̂2) =
⇒ 𝐸(Θ = =𝑝
𝑛 𝑛
7. Sea 𝑋1 , 𝑋2 , … , 𝑋50 una muestra aleatoria de tamaño 50 escogida de una población con
distribución geométrica de parámetro p, 0 < 𝑝 < 1

𝑝[𝑋 = 𝑥] = 𝑝(1 − 𝑝)𝑥 , 𝑥 = 0,1,2, …

a) Determinar el estimador de máxima verosimilitud para p

Solución:
1 𝑞
𝐸(𝑋) = 𝜎𝑥 2 =
𝑝 𝑝2

𝐿 = 𝐿(𝑝, 𝑋) = ∏ 𝑝(1 − 𝑝)𝑥

𝑥=1

𝐿 = 𝑝𝑛 (1 − 𝑝)∑ 𝑥

Ln(𝐿) = 𝑛 𝐿𝑛 𝑝 + ∑ 𝑥𝐿𝑛(1 − 𝑝)

𝑑𝐿𝑛(𝐿) 𝑛 ∑𝑥
= − =0
𝑑𝑝 𝑝 (1 − 𝑝)
∑𝑥
𝑛(1 − 𝑝) =
1
𝑛 − 𝑛𝑝 = 𝑝Σ𝑥

𝑛 = 𝑛𝑝 + 𝑝Σ𝑥
𝑝(𝑛 + Σ𝑥) = 𝑛
𝑛
𝑝̂ =
𝑛 + Σ𝑥
1
𝑝̂ =
1 + 𝑥̅
b) Estimar p, si 𝑋1 , 𝑋2 , … , 𝑋50 = 100

50 50 1
𝑝̂ = = =
50 + 100 150 3

8. Sea 𝑋1 , 𝑋2 , … , 𝑋20 una muestra aleatoria de tamaño 20 escogida de una población con
distribución binomial de parámetro p, 0 < 𝑝 < 1

𝑃[𝑋 = 𝑥] = 𝐶𝑥2 𝑝 𝑥 (1 − 𝑝)2−𝑥 , 𝑥 = 0,1,2

Determinar el estimador de máxima verosimilitud para p, si en la muestra el valor 0 ocurre 4

veces, el valor 1 ocurre 9 veces y el valor 2 ocurre 7 veces.

Solución:

3
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

X 0 1 2
f 4 9 7

4 9 7
𝐿(𝑥) = ∏ 𝐶02 𝑝0 (1 − 𝑝)2−0 ∗ ∏ 𝐶12 𝑝(1 − 𝑝) ∗ ∏ 𝐶22 𝑝2 (1)
𝑖=1 𝑖=1 𝑖=1

9 7
𝐿(𝑥) = (1 − 𝑝)8 ∗ ∏ 2𝑝(1 − 𝑝) ∗ ∏ 𝑝2
𝑖=1 𝑖=1

𝐿(𝑥) = (1 − 𝑝)8 ∗ 29 𝑝9 (1 − 𝑝)9 ∗ 𝑝14

𝐿(𝑥) = 29 𝑝23 (1 − 𝑝)17

𝐿𝑛 𝐿(𝑥) = 9𝐿𝑛2 + 23𝐿𝑛 𝑝 + 17𝐿𝑛(1 − 𝑝)

𝑑 𝐿𝑛(𝐿(𝑥)) 23 17
= − =0
𝑑𝑝 𝑝 1−𝑝
23(1 − 𝑝) = 17𝑝
23 − 23𝑝 = 17𝑝
23
40𝑝 = 23 ⇒ 𝑝̂ =
40

9. El número de ventas diarias de cierta mercadería es una variable aleatoria 𝑋 de Poisson con
un promedio de 𝜆 ventas por día.

a) Si 𝑋1 , 𝑋2 , … , 𝑋50 , son las ventas de 50 días, estimar 𝜆, por el método de máxima

verosimilitud.

Solución:

𝑒 −𝜆 𝜆𝑥
𝑃(𝑥) = = 𝑒 −𝜆 𝜆𝑥 (𝑥!)−1
𝑥!
𝐿(𝑥) = 𝑒 −𝑛𝑥 𝜆Σ𝑥 (𝑥!)−𝑛

𝐿𝑛(𝐿(𝑥)) = −𝑛𝜆 + Σ𝑥 𝐿𝑛𝜆 − 𝑛𝐿𝑛(𝑥!)

𝑑𝐿𝑛 (𝐿(𝑥)) Σ𝑥
= −𝑛 + =0
𝑑𝜆 𝜆
−𝑛𝜆 + Σ𝑥 = 0
Σ𝑥
𝜆̂ = = 𝑥̅
𝑛
b) Si en los 50 días se han hecho 30 ventas de tal mercadería, estimar el promedio 𝜆 de
ventas diarias.

30
𝜆̂ =
50
10. De una población de variable aleatoria continua 𝑋 se extrae una muestra aleatoria
𝑋1 , 𝑋2 , … , 𝑋𝑛 , y se define la variable aleatoria Bernoullí:

4
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

1 𝑠𝑖 𝑋𝑖 > 0
Y={
0 𝑠𝑖 𝑋𝑖 ≤ 0

a) Usando el método de máxima verosimilitud estimar la proporción p de todos los

valores positivos, esto es, estimar, 𝑝 = 𝑝[𝑋 > 0].

Solución:

𝐿(𝑥) = 𝑝Σ𝑥 (1 − 𝑝)Σ(1−𝑥)

𝐿𝑛 𝐿(𝑥) = Σ𝑥 𝐿𝑛(𝑝) + Σ(1 − 𝑥)𝐿𝑛(1 − 𝑝)

𝑑 𝐿𝑛(𝑥) Σx Σ(1 − 𝑥)
= − =0
𝑑𝑝 𝑝 1−𝑝
Σx 𝑛 − Σ𝑥
=
𝑝 1−𝑝
Σ𝑥 − 𝑝Σ𝑥 = 𝑛𝑝 − 𝑝Σ𝑥
Σ𝑥
𝑝̂ =
𝑛
b) Estime el valor de p si una muestra aleatoria de tamaño 80 de 𝑋 ha dado 64 valores
positivos y 16 valores negativos.

+64
𝑛 = 80 {
−16
64
𝑝̂ = = 0.8
80

11. El tiempo en meses, que dura una componente electrónica es una variable aleatoria T de
distribución exponencial con parámetro 𝛽. Para estimar 𝛽 se prueban 30 componentes y se
encuentra que 18 fallan antes de los 6 meses.

a) Utilizando el método de máxima verosimilitud, estimar la proporción de todas las

componentes que fallan antes de los 6 meses.

Solución:

𝑛 = 30, 𝑇~ exp(𝛽)
𝑥 = "# 𝑑𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑡𝑒𝑠 𝑞𝑢𝑒 𝑓𝑎𝑙𝑙𝑎𝑛 𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 6 𝑚𝑒𝑠𝑒𝑠"

𝑓(𝑥) = 𝛽𝑒 −𝛽𝑥

𝐿(𝑥) = 𝛽 𝑛 𝑒 −𝛽Σ𝑥
𝐿𝑛 𝐿(𝑥) = 𝑛 𝐿𝑛(𝛽) − 𝛽Σ𝑥

𝑑 𝐿𝑛(𝐿(𝑥)) 𝑛
= − Σ𝑥 = 0
𝑑𝛽 𝛽

5
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑛 𝑛 1 Σ𝑥 18
= Σ𝑥 𝛽̂ = ; 𝑝𝑒𝑟𝑜: 𝑝̂ = ⇒ 𝑝̂ = ∴ 𝑝̂ =
𝛽 Σ𝑥 𝛽 𝑛 30
b) Utilice el resultado de a) para estimar por máxima verosimilitud de 𝛽

t=”tiempo en meses”

18
𝑃(𝑡 ≤ 6) = 1 − 𝑒 −𝛽𝑡 =
30
18
= 𝑒 −𝛽(6)
30
12
𝐿𝑛 ( ) = −6𝛽
30
12
−𝐿𝑛 (30)
𝛽̂ =
6
12. La longitud de cierto tipo de objeto producidos por una máquina, puede estar por arriba o
por debajo de la media estándar de 2 pulgadas. Suponga que tal longitud tiene distribución
normal 𝑁(𝜇, 0.0025)

a) Utilizando el método de máxima verosimilitud, estime la proporción p de todos los

objetos cuya longitud está por arriba de 2 pulgadas.

Σ𝑥
La demostración aparece en el ejercicio # 11: 𝑝̂ = 𝑛

b) Si en una muestra de 1.000 de tales objetos se encontró que 992 tenían longitud por
arriba de 2 pulgadas, utilizando a) estime la media de la longitud de todos los
objetos producidos.

𝑃(𝐿 > 2) = 0.992

2 − 𝜇2
1−𝜙( ) = 0.992
0.05
2 − 𝜇2
= −2.41
0.05
∴ 𝜇2 = 2.1205

13. Una maquina produce objetos cuyo peso en gramos tiene distribución normal 𝑁(30, 𝜎 2 ),
con 𝜎 desconocido. Los objetos son defectuosos si el peso es menor que 26 o mayor que 34
gramos. Para estimar 𝜎 se pesa un objeto cada vez hasta que un defectuoso sea obtenido.
Hallar el estimador de máxima verosimilitud de 𝜎 si en un control el primer defectuoso se
halló en la décima prueba.

Solución:

1 1 𝑥 −𝜇 2
− ( 𝑖 )
𝑓(𝑥) = 𝑒 2 𝜎
𝜎√2𝜋

6
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

1 1 𝑥 −𝜇 2
− ( 𝑖 )
𝐿(𝜇; 𝜎 2 ) = [𝑓(𝑥)]𝑛 = [ 𝑒 2 𝜎 ]
𝜎√2𝜋

2 1 𝑥 −𝜇 2
1 − Σ( 𝑖 )
=( ) 𝑒 2 𝜎
𝜎√2𝜋

𝑛 1 2 (𝜎 2 )−1
= (2𝜋𝜎 2 )−2 𝑒 −2Σ(𝑥𝑖−𝜇)

𝑛 1
𝐿𝑛(𝐿(𝑥)) = − 𝐿𝑛(2𝜋𝜎 2 ) − (𝜎 2 )−1 Σ(𝑥𝑖 − 𝜇)2
2 2

𝑑𝐿𝑛(𝐿(𝑥)) 𝑛 2𝜋 1 2 −2
= − + (𝜎 ) Σ(𝑥𝑖 − 𝜇)2
𝑑𝜎 2 2 2𝜋𝜎 2 2

𝑛 1 Σ(𝑥𝑖 − 𝜇)2
=
2𝜎 2 2 𝜎4

𝑛𝜎 4
= ∑(𝑥𝑖 − 𝜇)2
𝜎2

∑(𝑥𝑖 − 𝜇)2
𝜎̂ 2 =
𝑛

∑(𝑥𝑖 − 𝜇)2
𝜎̂ = √
𝑛

𝑥: "𝑝𝑒𝑠𝑜 𝑒𝑛 𝑔𝑟𝑎𝑚𝑜𝑠"
𝑥 → 𝑁(30; 𝜎)

Defectuosos:

1
𝑝(𝑥 < 26) + 𝑝(𝑥 > 34) =
10

26 − 30 34 − 30
𝜙( )+1−𝜙( ) = 0.10
𝜎 𝜎

−4 4
𝜙 ( ) − 𝜙 ( ) = −0.90
𝜎 𝜎

4 −4
𝜙 ( ) − 𝜙 ( ) = 0.90
𝜎 𝜎

4
2𝜙 ( ) = 1.9
𝜎

7
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

4
𝜙 ( ) = 0.95
𝜎

4
= 1.645 ⇒ 𝜎̂ = 2.4316
𝜎

INTERVALO DE CONFIANZA

4. Un fabricante afirma que el peso promedio de las latas de fruta en conserva que saca al
mercado es de 19 onzas. Para verificar esta afirmación se escogen al azar 20 latas de fruta y
se encuentra que el peso promedio es de 18.5 onzas. Suponga que la población de los
pesos es normal con una desviación estándar de 2 onzas.
a) Utilizando un intervalo de confianza del 98% para 𝜇. ¿se puede aceptar la afirmación
del fabricante?

Solución:
𝑝[𝑥̅ − 𝑒 ≤ 𝜇 ≤ 𝑥̅ + 𝑒]

𝑧0 𝜎
𝑒= 𝛼 = 0.02 𝑧0 = 2.33
√𝑛

2.33(2)
𝑒= = 1.042
√20

[18.5 − 1.042 ≤ 𝜇 ≤ 18.5 + 1.042]

19 ∈ [17.458 ≤ 𝜇 ≤ 19.542]
⇒ 𝜇 = 19 𝑜𝑛𝑧𝑎𝑠

b) ¿Qué tamaño de muestra se debe escoger para estimar 𝜇 si se quiere un error no

superior a 0.98 onzas con confianza del 95%?

Solución:

𝑒 ≤ 0.98 𝑜𝑛𝑧𝑎𝑠 𝛼 = 0.05 𝑧0 = 1.96

𝑧0 𝜎
𝑒= = 0.98
√𝑛

8
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

1.96
= 0.98
√𝑛
⇒ 𝑛 = 16

5. Se quiere hacer una encuesta para estimar el tiempo promedio por semana que los niños
ven televisión. Por estudios anteriores se sabe que la desviación estándar de dicho tiempo es
de 3 horas. Con el nivel de confianza del 99%

a) ¿Qué tamaño de muestra se debería elegir si el error de la estimación puntual no es

superior a media hora?

Solución:

𝑒 ≤ 0.5 ℎ𝑜𝑟𝑎𝑠

𝑧0.995 = 2.58

(2.58)2 32
𝑛= = 239.63 ≡ 240
(0.5)2

b) ¿Qué costo se debe presupuestar para hacer la encuesta si esta tiene un costo fijo
de $500 más un costo variable de $2 por cada entrevista?

Solución:

𝑦 = 5000 + 2𝑛
𝑦 = 5000 + 2(240) = 5480

7. Para determinar el rendimiento anual de ciertos valores, un grupo de inversionistas tomo

una muestra aleatoria de 49 de tales valores encontrando una media de 8.71% y una
desviación estándar 𝑠̂ = 2.1%

a) Estime el verdadero rendimiento anual promedio de tales valores mediante un

intervalo de confianza del 96%

Solución:

𝑧0.98 = 2.055

2.055(2.1)
𝑒= = 0.6165
7

[8.71 ∓ .6165]

9
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑠𝑖 𝑧0.98 = 2.05 ⇒ 𝑒 = 0.615

b) Calcule el riesgo de 𝛼 si el rendimiento anual promedio de todos los valores se

estima entre 7.96% y 9.46%.

Solución:

[7.96% 9.46%]

8.71% − 𝑒 = 7.96%

2.1
𝑒 = 0.75 = 𝑧1−𝛼 ( )
2 7

𝑧1−𝛼 = 2.5
2

𝛼
1− = 0.9938
2

𝛼 = 0.0124

8. La duración de cierto tipo de batería es una variable aleatoria cuya distribución se supone
normal. Inicialmente se estima que la duración media es de 500 horas y que el 95% duran
entre 480.4 y 519.6 horas. Si se eligen 9 baterías al azar y se encuentra que la duración
media es de 480 horas. Utilizando un intervalo de confianza de 95% para la media 𝜇, ¿se
debería inferir que la duración media es diferente de 500 horas?
Solución:

𝑥: "𝑑𝑢𝑟𝑎𝑐𝑖ó𝑛 𝑒𝑛 ℎ𝑜𝑟𝑎𝑠 𝑑𝑒 𝑐𝑖𝑒𝑟𝑡𝑜 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑏𝑎𝑡𝑒𝑟í𝑎𝑠"

𝑥 → 𝑁(𝜇; 𝜎 2 ) 𝐸(𝑥) = 500 = 𝜇

Se estima inicialmente 𝛼 = 0.05

𝑝[480.4 ≤ 𝑥 ≤ 519.6] = 0.95

𝑛 = 9 𝑥̅ = 480 ¿ 𝜇 = 500?

519.6 − 500 480.9 − 500

𝜙( )−𝜙( ) = 0.95
𝜎 𝜎
19.6 19.6
2𝜙 ( ) = 1.95 𝜙 ( ) = 0.975
𝜎 𝜎
19.6
= 1.96 ⇒ 𝜎 = 10
𝜎

10
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑧0 𝜎 10
𝑒= = 1.96 ( ) = 6.53333 …
√𝑛 3

[480 ∓ 𝑒] = [480 ∓ 6.5333 … ]

500 ∉ [473.4666. . ; 486.5333 … ]

∴ 𝜇 ≠ 500 (𝜇 < 500)

9. Encontrar el tamaño de muestra que se debe tomar para estimar la media de las longitudes
de los tornillos que produce una fábrica con un error no mayor de 0.0233cm. al nivel de
confianza del 98%, sí; además se indica que la longitud de los tornillos tiene distribución
normal y si la longitud se desvía de la media en a lo más 0.08cm. con probabilidad 0.9544.

Solución:

𝐿: "𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑙𝑜𝑠 𝑡𝑜𝑟𝑛𝑖𝑙𝑙𝑜𝑠 𝑒𝑛 𝑐𝑚. "

𝛼 = 0.02

𝑃(|𝐿 − 𝜇| ≤ 0.08) = 0.9544

𝑒 ≤ 0.0233

𝑃[−0.08 ≤ 𝐿 − 𝜇 ≤ 0.08] = 0.9544

0.08 −0.08
𝜙( )−𝜙( ) = 0.9544
𝜎 𝜎
0.08
2𝜙 ( ) = 1.9544
𝜎
0.08
𝜙( ) = .9772
𝜎
0.08
= 2 𝜎̂ = 0.04
𝜎

𝑧0 2 𝜎 2 2.332 ∗ 0.042
𝑛= = = 16
𝑒2 0.02332

10. Las cajas de un cereal producidos por una fábrica deben tener un contenido promedio de
160 gr. Un inspector de INDECOPI tomo una muestra aleatoria de 10 cajas para calcular los
pesos 𝑋𝑖 en gramos. Si de la muestra resultan las siguientes sumas.

10 10

∑ 𝑋𝑖 = 1590 , ∑ 𝑋𝑖 2 = 252,858
𝑖=1 𝑖=1

Mediante un intervalo de confianza del 98% para 𝜇, ¿es razonable que el inspector multe al
fabricante? Suponga que el peso de las cajas de cereal tiene distribución normal.

Solución:

11
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑛 = 10; Σ𝑥 = 1590; Σ𝑥 2 = 252858; 𝛼 = 0.02

𝑥: "𝑝𝑒𝑠𝑜 𝑒𝑛 𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑐𝑎𝑗𝑎𝑠 𝑑𝑒 𝑐𝑒𝑟𝑒𝑎𝑙"

𝑥 → 𝑁(𝜇; 𝜎 2 ) 𝑥̅ = 159

252858 − 10(159)2
𝑠̂ = ±√ = 2.309
9

[𝑥̅ − 𝑒 ≤ 𝜇 ≤ 𝑥̅ + 𝑒]

𝑡0 = 𝑡0.99,9 = 2.821

2.821(2.309)
𝑒= = 2.06
√10

[159 − 2.06 ≤ 𝜇 ≤ 159 + 2.06]

160 ∈ [156.94 ≤ 𝜇 ≤ 161.06]

⇒ 𝑛𝑜 𝑠𝑒 𝑚𝑢𝑙𝑡𝑎 𝑎𝑙 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑛𝑡𝑒

12. Un auditor escoge una muestra aleatoria de 15 cuentas por cobrar de un total de 400
cuentas de una compañía y encuentra las siguientes cuentas en dólares.

730, 759, 725, 740, 754, 745, 750, 753, 730, 780, 725, 790, 719, 775, 700

Utilizando un intervalo de confianza del 95%, estime.

a) El monto promedio por cuentas por cobrar.

𝑥̅ = 745
8333.8676 − 15(745)2 400 − 15
𝑆̂ = √ ( )
14 399

𝑆̂ = 24.19272989

2.145(24.1927989)
𝑒= = 13.3988
√15
𝑡0.975,14 = 2.145 𝑥 ⟶ 𝑁(𝜇; 𝜎 2 )

[745 ∓ 13.4]
b) Estime el tiempo total que se requiere para fabricar los 2000 juguetes mediante un
intervalo de confianza del 97%

400[745 ∓ 13.4]

12
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

14. Un comerciante estima en $55.00 el costo total de 3000 unidades de mercadería de

diverso tipo que posee. Para verificar esta estimación va a escoger una muestra
aleatoria de n unidades para hacer una estimación del costo total. Suponga que la
población de los costos es normal con 𝜎 = $2.5 por artículo. Calcular el valor de n si se
requiere con confianza del 95% un error de la estimación no superior a 0.6844.

Solución:
𝑁𝑥̅ = 55,000 𝑁 = 3000
𝑥: "𝑐𝑜𝑠𝑡𝑜 𝑒𝑛 $"

𝑥 → 𝑁(𝜇; $2.5) 𝛼 = 0.05

𝑒 ≤ 0.6844

300𝑥̅ = 55,000 ⇒ 𝑥̅ = 18. 3̂

𝛼 = 0.05 𝑧0 = 1.96

𝑧0 𝑆̂ 𝑁 − 𝑛
𝑒= √ = 0.6844
√𝑛 𝑁 − 1
(2.5)2 3000 − 𝑛
(0.6844)2 = ( ) (1.96)
𝑛 2999
3000 − 𝑛
58.50652547 =
𝑛
𝑛 = 50.41 ≡ 51

15. En un estudio socioeconómico se tomó una muestra aleatoria de 100 comerciantes

informales y se encontró entre otros datos los siguientes: un ingreso medio de $600, una
desviación estándar de $50 y solo el 30% tienen ingresos superiores a $800.

a) Estimar la proporción de todos los comerciantes con ingresos superiores a $800,

mediante un intervalo de confianza del 98%.

𝑛 = 100 𝑥̅ = $600 𝑆̂ = $50

𝑥: "𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟𝑒𝑠 𝑎 $800"
𝑝̂ = 0.30(𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑠𝑢𝑝. 𝑎 $800)
𝛼 = 0.02 𝑧0 = 2.33
0.3(0.7)
𝑒 = 2.33√ = 0.106774
100
⇒ [0.3 ∓ 0.106774]
b) Si la proporción de todos los comerciantes con ingresos superiores a $800 se estima
entre 20.6% y 39.94%. ¿Qué grado de confianza se utilizó?

Si [20.06% 39.94%] ¿ 1 − 𝛼?

0.3994 = 0.30 + 𝑒 𝑒 = 0.0994

13
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

0.3(0.7)
𝑒 = 𝑧1−𝛼 √ = 0.0994
2 100

0.0994 = 𝑧1−𝛼 (0.045825756)

2

𝑧1−𝛼 = 2.1691 ≡ 𝑧1−𝛼 = 2.17

2 2

𝛼
1− = 0.985 𝛼 = 0.03
2

1 − 𝛼 = 0.97

17. Un fabricante afirma que es 5% el porcentaje de piezas con algún tipo de defecto que resulta
del total de la producción. Para verificar tal afirmación se toma una muestra aleatoria de 100
piezas y se encuentra que 10% ellos tienen algún tipo de defecto. Mediante un intervalo de
confianza del 95% para la proporción de piezas defectuosas de toda la producción. ¿es
aceptable la afirmación del fabricante?

Solución:

𝑛 = 100 𝑝̂ = 0.10 𝛼 = 0.05 𝑧0,975 = 1.96

[𝑝̂ − 𝑒 ≤ 𝑝 ≤ 𝑝̂ + 𝑒]

0.10(0.9)
𝑒 = 1.96√ = 0.0588
100

[0.10 − 0.0588 ≤ 𝑝 ≤ 0.10 + 0.0588]

0.05 ∈ [0.0412 ≤ 𝑝 ≤ 0.1588]

𝑝 = 0.05

18. Dos candidatos A y B compiten como favoritos en las próximas elecciones. En la última
encuesta a partir de una muestra grande de electores se estima con una misma confianza
que A tendría 40% de los votos con un error máximo de 3% mientras que B tendría entre
31% y 39% de los votos.

𝑝̂𝐴 = 0.40 𝑒𝐴 ≤ 0.03

14
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

[0.31 ≤ 𝑝𝐵 ≤ 0.39]

a) En base a esta encuesta ¿Cuál de los dos candidatos seria el ganador

absoluto?

𝑝̂ 𝐵 − 𝑒 = 0.31
𝑝̂ 𝐵 + 𝑒 = 0.39
2𝑝̂𝐵 = 0.70
⇒ 𝑝̂𝐵 = 0.35

𝐴: [0.40 − 0.03 ≤ 𝑝𝐴 ≤ 0.4 + 0.03]

[0.37 ≤ 𝑝𝐴 ≤ 0.43]
[0.31 ≤ 𝑝𝐵 ≤ 0.39]
[0.06 ≤ 𝑝𝐴 − 𝑝𝐵 ≤ 0.04](𝑛𝑜 𝑡𝑖𝑒𝑛𝑒 𝑠𝑒𝑛𝑡𝑖𝑑𝑜)
∴ 𝑒𝑚𝑝𝑎𝑡𝑒 𝑡𝑒𝑐𝑛𝑖𝑐𝑜

b) ¿Qué tamaño de muestra se debe elegir si se quiere tener una confianza del 98% de
que el error de estimación de todos los electores a favor de A no sea superior al 2%?

Solución:

𝛼 = 0.02 𝑧0.99 = 2.33

𝑝𝐴 𝑞𝐴
𝑒 ≤ 0.02 = 𝑧0 √
𝑛

(0.4)(0.6)
(0.02)2 = (2.33)2
𝑛

𝑛 = 3257.34 ≡ 3258

20. Se desea realizar un estudio de mercado para determinar la proporción de amas de casa que
prefieren una nueva pasta dental.

𝑥: "# 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑞𝑢𝑒 𝑟𝑒𝑞𝑢𝑖𝑒𝑟𝑒𝑛 𝑙𝑎 𝑝𝑎𝑠𝑡𝑎 𝑑𝑒𝑛𝑡𝑎𝑙"

𝑝̂ : 𝑛𝑜 𝑠𝑒 𝑠𝑎𝑏𝑒 ⇒ 𝑝̂ = 0.50

a) Si la encuesta tiene un costo fijo de $500 más un costo variable de $5 por cada
entrevista, ¿Cuánto debería costar la encuesta si se desea que el error al estimar la
proporción verdadera no sea mayor que 2%, con un nivel de confianza del 97%?

𝑦 = 500 + 5𝑛
𝑒 ≤ 0.02 𝛼 ≤ 0.03
𝑧0.985 = 2.17

𝑧0 2 𝑝̂ 𝑞̂ (2.17)2 (0.5)(0.5)
𝑛= =
𝑒2 (0.02)2

15
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑛 = 2943.06 ≡ 2944
𝑦 = 500 + 5(2944) = 15,220

b) Si para el tamaño de muestra hallado en a) se encuentra que 736 prefieren la nueva

pasta dental, estimar la proporción verdadera con un coeficiente de confianza de
99%

Solución:

736
𝑝̂ = = 0.25 𝑞̂ = 0.75
2944
𝑧0.995 = 2.575 𝛼 = 0.01
0.25(0.75)
𝑒 = 2.575√ = 0.02054
2944
[0.25 ∓ 0.02054]
21. Para estimar el porcentaje de todos los electores a favor de un candidato, una encuestadora
debe determinar el tamaño n de la muestra aleatoria para escoger de una población de
10,000 electores, ¿Qué tan grande debería ser la muestra si se quiere tener una confianza
del 95% que el error de estimación no sea superior al 4.8%?

𝑁 = 10,000 𝑒𝑙𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑛: 𝑚á𝑥 ⇒ 𝑝 = 𝑞 = 0.50

𝛼 = 0.05 𝑒 ≤ 0.048
Solución:

𝑝̂ 𝑞̂ 𝑁 − 𝑛
𝑒 = 𝑧1−𝛼 √ ( )
2 𝑛 𝑁−1

0.5(0.5) 10000 − 𝑛
(0.048)2 = (1.96)2 ( )( )
𝑛 9999

9604 − 0.9604𝑛
(0.048)2 =
9999𝑛

23.037696𝑛 = 9604 − 0.9609𝑛

9604
𝑛= = 400.198 ≡ 401
23.998096

22. Un auditor toma una muestra aleatoria de 400 cuentas por cobrar y encuentra que 320 de
ellas tienen deudas de al menos $700. Determine el nivel de confianza.
𝑛 = 400 𝑥: "#𝑑𝑒 𝑐𝑢𝑒𝑛𝑡𝑎𝑠 𝑝𝑜𝑟 𝑐𝑜𝑏𝑟𝑎𝑟"
320
Deudas de al menos $700 > 𝑝̂ = 400 ⇒ 𝑝̂ = 0.80

a) Si el porcentaje de todas las cuentas por cobrar de al menos $700 se estima de

75.76% a 84.24%

[0.7576 ≤ 𝑝 ≤ 0.8424]
𝑝̂ − 𝑒 = 0.7576 ⇒ 𝑒 = 0.0424

16
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

0.8(0.20)
0.0424 = 𝑧1−𝛼 √
2 400
0.0424
𝑧1−𝛼 = = 2.12
2 0.02

𝛼
1− = 0.983 𝛼 = 0.034
2

1 − 𝛼 = 0.966
b) Si todas las cuentas por cobrar de al menos $700 de un total de 10,000 cuentas por
cobrar se estima en el intervalo [7543 , 8457]

𝑁 = 10,000 [7543 ≤ 𝑁𝑃 ≤ 8457] ÷ 10,000

[0.7543 ≤ 𝑝 ≤ 0.8457]

0.80 − 𝑒 = 0.7543 ⇒ 𝑒 = 0.0457

𝑝̂ 𝑞̂ 𝑁 − 𝑛
𝑒 = 𝑧1−𝛼 √ ( )
2 𝑛 𝑁−1

0.8 − 0.20 10000 − 400

(0.0457)2 = 𝑧0 2 ( )( )
400 9999

𝑧1−𝛼 = 2.332
2
𝛼
1− = 0.9901 ⇒ 𝛼 = 0.0198
2
1 − 𝛼 = 0.9802

23. Un fabricante estima en 5% la proporción de piezas defectuosos de los 5,000 producidos.

𝑁 = 5000 𝑠𝑒 𝑒𝑠𝑡𝑖𝑚𝑎 𝑝 = 0.05

a) Para confirmar tal estimación primero se debe escoger una muestra aleatoria,
¿Cuántas piezas debe tener la muestra si se quiere tener una confianza del 95% que
el error de la estimación no será superior a 0.047?

Solución: ¿ 𝑛? ; 𝛼 = 0.05 ; 𝑒 ≤ 0.047

𝑛 𝑚á𝑥 ⇒ 𝑝̂ = 𝑞̂ = 0.50
𝑧0 = 1.96

0.5(0.5) 5000 − 𝑛
(0.047) = 1.96√ ( )
𝑛 4999

4802
𝑛= = 400
12.003191

17
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

b) Se escoge una muestra aleatoria del tamaño calculado en a), si en ella se

encuentran 40 piezas defectuosas, mediante un intervalo de confianza del
95%, ¿se puede inferir que la estimación del fabricante es coherente con la
estimación efectuada a partir de la muestra aleatoria?

Solución:
40
𝑝̂ = = 0.10 𝑛 = 400 𝛼 = 0.05 ¿ 𝑝 = 0.05 ∈ [ ]?
400

0.1(0.9) 4600
𝑒 = 1.96√ ( ) = 0.0282
400 4999

[0.10 − 0.0282 ≤ 𝑝 ≤ 0.10 + 0.0282]

[0.0718 ≤ 𝑝 ≤ 0.10282]

0.05 ∈ [0.0718 ≤ 𝑝 ≤ 0.10282]

DIFERENCIA DE DOS MEDIAS

25. Para comparar dos métodos de la enseñanza de las matemáticas, se aplicaron a 200 alumnos
elegidos al azar el método tradicional y a otra muestra de 250 alumnos el método nuevo
resultando las calificaciones promedios respectivos de 13 y 15. Suponga que las varianzas
poblacionales respectivas son de 9 y 16.

𝑛1 = 200 𝑛2 = 250
𝑥̅𝑖 = 13 𝑥̅2 = 15
𝜎1 2 = 9 𝜎2 2 = 16

a) Determine un intervalo de confianza del 95% para la diferencia de las medias

Solución:
𝛼 = 0.05 𝑧0 = 1.96
9 16
𝑒 = 1.96√ + ≡ 0.6471
200 250

𝑥1 − 𝑥̅2 = −2
̅̅̅

[−2 − 0.6471 ≤ 𝜇𝐴 − 𝜇𝐵 ≤ −2 + 0.6471]

[−2.6471 ≤ 𝜇1 − 𝜇2 ≤ −1.3529]

b) 𝜇2 > 𝜇1 método nuevo es mejor

18
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

26. Se quiere estimar la diferencia entre los promedios de tiempos (en minutos) que
utilizan los hombres y las mujeres para realizar un test de aptitud. Se aplica el test a 20
hombres y 25 mujeres dando las medias respectivas de 110 y 100 puntos. Suponga que las
dos poblaciones son normales con varianzas respectivas iguales a 100 y 64.

𝑛1 = 20 𝑥̅1 = 110 𝑛2 = 25
𝑥̅2 = 100 𝛼 = 0.02 𝑥1 𝑦 𝑥2 𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑠
𝜎1 2 = 100 𝜎2 2 = 64

a) Determine un intervalo de confianza del 98% para la diferencia de las medias.

Solución:

𝑧0.99 = 2.33 𝑥̅1 − 𝑥̅2 = 10

100 64
𝑒 = 2.33√ + = 6.41
20 25
[10 ∓ 6.41] ⇒ 0 ∉ [ ]
∴ 𝜇1 > 𝜇2

b) ¿es válida la afirmación 𝜇1 − 𝜇2 = 13?

Solución:

[3.59 ≤ 𝜇1 − 𝜇2 ≤ 16.41]

13 ∈ [ ] ⇒ 𝜇1 − 𝜇2 = 13

29. Para comparar los gastos promedios mensuales de los alumnos de 2 universidades
particulares se escogen dos muestras aleatorias de 10 y 9 alumnos respectivamente
resultando los siguientes gastos en dólares.

Muestra1: 400, 410, 420, 380, 390, 410, 400, 405, 405, 400
Muestra2: 390, 395, 380, 390, 400, 380, 370, 390, 380

Mediante un intervalo de confianza del 95% para a diferencia de los promedios de los gastos
mensuales, ¿se puede inferir que los gastos promedios son iguales? Suponga que ambas
poblaciones son normales, independientes con varianzas desconocidas supuestas iguales.

Solución:

𝑛1 = 10 𝑛2 = 9

2 2
De los datos: 𝑥̅1 = 402 𝑆̂1 = 123.333 𝑥̅2 = 386.111.. 𝑆̂2 = 86.11

19
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

𝑥1 𝑦 𝑥2 → 𝑁𝑜𝑟𝑚𝑎𝑙𝑒𝑠

𝜎1 2 𝑦 𝜎2 2 𝑛𝑜 𝑠𝑒 𝑐𝑜𝑛𝑜𝑐𝑒𝑛 𝑝𝑒𝑟𝑜 𝑠𝑢𝑝𝑒𝑠𝑡𝑜𝑠 𝑖𝑔𝑢𝑎𝑙𝑒𝑠

2 9(123.3) + 8(86.11)
𝑆̂𝑐 =
17
2
𝑆̂𝐶 = 105.817
𝑡0.975,17 = 2.11
105.817 105.817
𝑆̂̅𝑥̅̅̅−𝑥̅ =√ + = 4.726
1 2
10 9

𝑒 = 2.11(4.726) = 9.9727
𝑥̅1 − 𝑥̅2 = 15.89
[15.89 ∓ 9.727]
[5.917 ≤ 𝜇1 − 𝜇2 ≤ 25.33]

𝜇1 > 𝜇2

31. Dos muestras aleatorias de 250 mujeres y 200 hombres indican que 75 mujeres y 80
hombres consumirán un nuevo producto unisex que acaba de salir al mercado. Utilizando un
intervalo de confianza del 95%, ¿se puede aceptar que es igual la proporción de preferencias
de mujeres y hombres en toda la población?, si no es así, ¿Cuál es la relación?

𝑛𝐻 = 200 𝑛𝐻 = 250

80 75
𝑝̂𝐻 = = 0.40 𝑝̂𝑀 = = 0.30
200 250

𝛼 = 0.05 𝑧0 = 1.96
0.3(0.7) 0.4(0.6)
𝜎̂𝑝̂𝑀 −𝑝̂𝐻 = √ +
250 200

= 0.0452
𝑒 = 1.96(0.0452) = 0.088592
𝑝̂𝑀 − 𝑝̂𝐻 = −0.10
[−0.10 ∓ 0.088592]
[−0.18859 ≤ 𝑝̂ 𝑀 − 𝑝̂𝐻 ≤ −0.011408]

∴ 𝑝̂𝐻 > 𝑝̂𝑀

20
 Estadística – ing. Civil
Resolución de Ejercicios Propuestos

33. Una de las maneras de medir el grado de satisfacción de los empleados de una misma
categoría en cuanto a la política salarial, es a través de las desviaciones estándar de sus
salarios. La fábrica A afirma ser más homogénea en la política salarial que la fábrica B. para
verificar esa afirmación, se escoge una muestra aleatoria de 10 empleados no especializados
de A, y 13 de B, obteniendo las dispersiones 𝑆̂𝐴 = 50, 𝑆̂𝐵 = 30 de salario mínimo, ¿Cuál sería
su conclusión si utiliza un intervalo del 95% para el cociente de varianzas? Suponga
distribuciones normales.

Solución:

¿ 𝜎𝐴 2 < 𝜎𝐵 2 ? 𝑛𝐴 = 10 ; 𝑛𝐵 = 13
𝑆̂𝐴 = 50 𝑆̂𝐵 = 30 𝑥1 𝑦 𝑥2 𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑠

2
𝑆̂1 𝜎1 2 𝑆̂1
[ 𝐹 ,𝑟 ,𝑟 ≤ 2 ≤ 2 𝐹1−𝛼,𝑟 ,𝑟 ]
𝛼
𝑆̂2 2 2 1 𝜎2 𝑆̂2 2 2 1

1 1
𝐹0.025,12,9 = =
𝐹0.975,9,12 3.44

= 0.2906977

𝐹0.975,12,9 = 3.87


𝜎1 2
[0.80749 ≤ ≤ 10.75]
𝜎2 2

50 2 𝜎1 2 50 2
[( ) (0.2906977) ≤ 2 ≤ ( ) (3.87)] 1 ∈ [ ]
30 𝜎2 30

∴ 𝜎1 2 = 𝜎2 2

21