UNIVERSIDAD NACIONAL DE

TRUJILLO
INGENIERIA METALURGICA

PROFESOR:

Diaz Araujo, Wilson Guillermo

INTEGRANTES:

1. Leyva Altamirano, Abelardo

2. Vidal Flores, Alexis Ronaldo

CURSO:

Estadística para ingenieros

CICLO:

IV

NOVIEMBRE-2018
 Practica N° 1
1) La anulación de las bombillas utilizados en una mina y producidas por ciertas
fabricantes. Tiene una media de 1200 horas y una distribución estándar de 400
horas. La población sigue una distribución normal, si se a comprado 9
bombillas, las que puede considerarse como una muestra aleatoria de la
producción del fabricante.
a) ¿Cuál es la media de la media muestral de la duración?
x~N(1200, 4002 )
4002
x~N (1200, )
9
n=9
Rpta: E(x̅) = 1200u
b) ¿Cuál es la varianza de la media muestral?
σ2
V(x̅) =
n
4002
V(x̅) =
9
Rpta: V(x̅) = 17,777.78
c) ¿Cuál es el error estándar de la media muestral? (el error estándar es
igual a la √V(x)).
σ
√V(x̅) =
√n
400
=
√9
400
=
3
Rpta: 133.333

d) ¿Cuál es la probidad de que el tiempo medio de duración de las

bombillas sea menos de 1050 horas?
x̅ − u 1050 − u
P(x̅, 1050) = P ( σ < σ )
√n √n
x̅ − 1200 1050 − 1200
P(x̅, 1050) = P ( < )
400 400
√9 √9
x̅ − u
P(x̅, 1050) = P ( σ < −1.125)
√n
x̅ − u
P(x̅, 1050) = P ( σ < −1.125)
√n
x̅ − 1200
P(x̅, 1050) = P ( < −1.125)
400
√9
x̅ − 1200
P(x̅, 1050) = P ( < −1.125)
133.33
2) Una compañía minera a comprobado que el 20% de los trabajadores que
ingresan hacen por lo menos un reclamo. En cierta ocasión entraron a trabajar
en esta compañía 180 personas, que pueden ser considerados como una
muestra aleatoria de toda la población potencial.
a) ¿Cuál será la media de la proporción de trabajadores de realizar algún
reclamo?
a 20%(180)
̂= =
P = 0,2
n 180
b) ¿Cuál es la varianza de la proporción muestral?
P(1 − P) 0,2(1 − 0,2)
Varianza = = = 0.000889
n 180
c) ¿Cuál es el error estándar de la proporción muestral?
Error Estandar = √Varianza = √0.000889 = 0.0298
d) ¿Cuál es la probalidad que la proporción muestral sea menor a 0.15?
(P < 0.15)
P(1 − p)
P~N (p, )
n

P−p 0.15 − p
P(p < 0.15) = P <
√P(1 − p) √P(1 − p)
( n n )
0.15 − 0.20
P(Z <
√0.20(1 − 0.20
180
P(Z < −1.67)
Rpta: 0.0475

0.0475

-1.67 Z
3) La rentabilidad mensual de ciertos tipos de acciones mineras es independiente
una de las otras y siguen una distribución normal con una distribución estándar
igual de 1.7 se toma una muestra aleatoria de 12 meses.

x: Rentabilidad mensual
1.72
x~N (u, 2 )
σ
n = 12

a) Encontrar la probalidad de que la distribución estándar muestral sea

>2.5.
P(𝓈 < 2.5) = P(𝓈 2 < 2.52 )
(n − 1)𝓈 2 (n − 1)2.52
=[ < ]
σ2 σ2
11(2.5)2
= P (x 2 (11) < )
1.72
calculando "a" por interpolacion:
2. x 2 (11;0.95) = 21.920
3. x 2 (11;a) = 23.780
4. x 2 (11;0.990) = 24.725

a − 0.975 23.780 − 21.920

=
0.990 − 0.975 24.725 − 21.920

a = 0.985
Rpta: 0.985

0.985

𝑥 2 (11)

23.78
b) Hallar la probalidad de que la distribución estándar muestral sea mayor
que 1.
P(𝓈 > 1)
(n − 1)𝓈 2 (n − 1)12
=[ < ]
σ2 σ2
11(1)2
= P (x 2 (11) < )
1.72
P(x 211 > 3.806
Interpolando (tabla 6) ∶
1. x 2 (11;0.01) = 3.053
2. x 2 (11;a) = 3.806
3. x 2 (11;0.025) = 3.816

a − 0.01 3.806 − 3.053

=
0.025 − 0.01 3.816 − 3.053

= 1 − P(a = 0.024) = 0.976

Rpta: 0.976

0.976

𝑥 2 (11)

3.806
4) Las cantidades de cierto metal encontrados en las minas de los países 1 y 2 se
distribuyen normalmente con una distribución estándar de 0.16 microgramos
por kilo (varianzas poblacionales iguales). Si las minas del país 1 tiene una
cantidad media de metal de 2.90 microgramos por kilo y el grupo 2 de minas
(del país 2) tiene una media de 2.80. ¿Cuál es la probalidad de obtener una
diferencia positiva entre las perspectivas de las medias muestrales si en el país
1 se seleccionó una muestra aleatoria de 15 minas y en el país 2 se seleccionó
una muestra aleatoria de 20 minas?

Solución:
País 1:
𝑢1 = 2.90
𝜃1 = 0.16𝑚𝑖𝑐𝑟𝑜/𝐾𝑙
𝑛1 = 15

País 2:
𝑢2 = 2.80
𝜃2 = 0.16𝑚𝑖𝑐𝑟𝑜/𝐿
𝑛2 = 20

P(x̅1 − x̅2 ≥ 0)
ℴ12 ℴ22
x̅1 − x̅2 → N(u1 − u2 , √ +
n1 n2
x̅1 − x̅2 ) − (u1 − u2 )
Z= → N(0.1)
2 2
ℴ ℴ
√ 1 + 2
n1 n2
P(x̅1 − x̅2 ≥ 0) = P(Z ≥ Z1 ) = 1 − P(Z < Z1 )
0 − (0.10)
Z1 =
2 2
√(0.16micro/Kl) + (0.16micro/Kl)
1s 20
−0.10
Z1 = −1.38
0.0547
⟹ P(x̅1 − x̅2 ≥ 0) = 1 − P(Z < −1.83)
= 1 − 0.0336
= 0.9664

1. Proponer 5 ejemplos de:

 La distribución de la media muestral.
Ejemplo 1:
Las estaturas de 1000 trabajadores de una empresa minera
están distribuidas aproximadamente de forma normal con una
media de 174,5 centímetros y una desviación estándar de 6,9
centímetros. Si se extraen 200 muestras aleatorias de tamaño
25 de esta población,
 determine:
 la media y la desviación estándar de la distribución
muestral del promedio muestral.

Respuesta:
Población: N=1000 Trabajadores Se mide la variable
X= estaturas de Trabajadores en centímetros.
σ = 6,9 centímetros
X ~ N (174 ;5, 9,6) es decir:{
u = 174,5 centímetros
Muestra: n=25. La distribución muestral de la media muestral es:
6,9
x ~ N (174,5 ; )
√25
Por lo tanto, la media del promedio muestral x̅ es ux̅ = 174,5 cms
6,9
y la desviación estándar de x
̅ es σx̅ = = 1,38 cms
√5

 La distribución de la proporción muestral.

Ejemplo 1
El 2 % de las piezas de acero que es producido por una
máquina presenta algún tipo de irregularidad, por lo que es
defectuosa. Se toma una muestra aleatoria de 60 piezas.
a) ¿Cuál es la probabilidad de que no exista ninguna pieza
defectuosa?
b) Halla la probabilidad de que en la muestra existan entre 2 y
5 piezas defectuosas.
p∗q 0.02 ∗ 0.98
̂ = N (p; √
P ) = N (0,02; √ ) = N(0,02; 0,02)
n 60
̂ < 0 ) P(P
a) P (P ̂ < 0) ⇒ Z = 0−0.02 = 1 ⇒ P(Z < −1) = 1 −
60 0.02
P(Z < 1) = 1 − 0,8413 = 0,1587
0,03−0,02
2 5
Z1 = 0,02 = 0,5
b) P (60 <̂P < 60) = P(0,03 < P
̂ < 0,08) ⇒ {
0,08−0,02
Z2 = 0,02 = 3
⇒ P(0,5 < Z < 3)
= P(Z < 3) − P(Z < 0,5) = 0,9987 − 0,6915 = 0,3072

 La distribución de la varianza muestral.

Ejemplo
Se considera una medición física realizada con un instrumento
de precisión, donde el interés se centra en la variabilidad de la
lectura. Se sabe que la medición es una variable aleatoria con
distribución Normal y desviación típica 4 unidades. Se toma una
muestra aleatoria de tamaño 25. Obtener la probabilidad de que
el valor de la varianza muestral sea mayor de 12.16 unidades
cuadradas.
xi : "Medicion" ⟶ N(u; 4)
n=25
2
nσ2 (n − 1)𝓈 2 2
X = 2 = ⟶ X (n−1)
σ σ2
 (n − 1)𝓈 2 n(12.16)
P(σ2 ≥ 12.16) = P( ≥
σ2 42
2 25x12.16 2
= P(X (n−1) = P(X (n−1) ≥ 19)
16
= 0.75

 La distribución de la diferencia de medias muestrales.

Ejemplo:
Las pruebas de control de calidad para un modelo A de
bombilla han determinado que la duración se distribuye como
una normal de media 3300 horas y desviación
típica 180 horas; mientras que para otro modelo B la duración
media es de 3200 horas y desviación típica 155 horas.
Si se toman muestras aleatorias de 100 bombillas de cada
modelo :
a) ¿Cuáles son los parámetros de media y desviación típica de
la diferencia de las medias muestrales?
b) Halla la probabilidad de que la diferencia de las medias de
las duraciones de las bombillas de cada modelo sea inferior
a 40 horas.

a) La distribución de la diferencia de la duración media de las

bombillas sigue la siguiente distribución:
σ12 σ12
x2 = N(u1 − u2 ; √
x̅1 − ̅̅̅ +
n1 n1

1802 1552
N(3300 − 3200; √ + = N(100; 23,75)
100 100
b) La probidad que nos piden es que la diferencia de la
duración media de bombillas sea inferior a 40 horas. En este
caso, la diferencia de las medias ira en valor absoluto.
P(|x̅1 − ̅̅̅|
x2 < 40) = P(−40 < x̅1 − ̅̅̅
x2 < 40)
−40 − 100
Z1 = = −5,89
23,75
⇒
40 − 100
Z = = −2,53
{ 2 23,75
⇒ P(−5,89 < Z < −2,53) = P(Z < −2,53) − P(Z < −5,89)
= 1 − P < 2,53) − [1 − P(Z < 5,89)]
= 1 − 0,9943 − 1 + 1 = 0,0057

 Estos ejemplos deben ser aplicados a su especialidad y

referentemente similares a los propuestos en clases.
 PRACTICA N° 2
1. La longitud de un grupo de varillas de fierro se distribuye normalmente con una
media desconocida u y desviación estándar poblacional igual a
𝜎 = 12.7𝑢 ciertas unidades en base a una muestra aleatoria de tamaño n=16
se obtuvo una longitud promedio muestral de 184u. la cual es el intervalo de
una varianza de 1 − 𝛼 = 0.95 para la verdadera longitud madia de las varillas
de fierro.
Datos:
σ = 12.7u
n=16
1 − α = 0.95
x̅ = 184u

0.025 0.025

1 − 𝛼 = 0.95

−1.96 = −𝑍𝛼 /2 1.96 = 𝑍𝛼 /2

Zα Zα
P (Z ≤ ) = 0.975 → = 1.96
2 2
Zα σ
IC = (x̅ ± x )
2 √n
1.96 x 12.7u
IC = (184u ± )
√16

IC = (184u ± 6.223)
IC = (190.223 ; 177.777)

2. Se encuesta a una muestra aleatoria de 1300 padres de familia de una cierta

localidad, donde 1000 de ellos afirmaron debería llevarse a cabo la explotación
de una mina en la localidad porque ocasionaría problemas medio ambientales.
Calcular un intervalo de confianza del 1 − 𝛼 = 0.90 (o 90%) para la verdadera
proporción de poder de familia que defiende la referida afirmación P.
Solución:
𝐱 𝐍º 𝐝𝐞 𝐩𝐞𝐫𝐬𝐨𝐧𝐚𝐬 𝐪𝐮𝐞 𝐧𝐨 𝐞𝐬𝐭𝐚𝐧 𝐝𝐞 𝐚𝐜𝐮𝐞𝐫𝐝𝐨
𝐏= =
𝐧 𝐭𝐚𝐦𝐚ñ𝐨 𝐝𝐞𝐥𝐚 𝐦𝐮𝐞𝐬𝐭𝐫𝐚
1000
P= = 0.77
1300
n = 1300
1 − α = 90%
Zα
= 1.645
2
Zα P(1 − p)
IC = P ± √
2 n
 0.77(1 − 0.77)
IC = 0.77 ± 1.645√
1300
IC = (0.77 ± 0.01)
IC = (0.78 ; 0.76)

3. Se investigó el porcentaje de pureza de una preparación de oro para

fabricación de anillos mediante una muestra aleatoria de 10 anillos
obteniéndose los siguientes porcentajes de fuerzas 95,90,99,98,98,90,95,99,97
y 97. Estimar confidencialmente (intervalicamente) la desviación estándar
poblacional del porcentaje de pureza del universo de anillos, del cual se extrajo
la muestra aleatoria, analizando un nivel de confianza. (1 − 𝛼) de:
a) 0.90 (o 90%)
b) 0.95 (o 95%)
c) 0.99 (o 99%)
Suponer distribución normal de todos los porcentajes de pureza en el
universo de anillos.
Solución:
n=10
𝓈 2 se tiene que calcular.
𝑛
2
1 2 (∑𝑛𝑖=1 𝑥𝑖 )2
𝓈 = {∑ 𝑥𝑖 − }
𝑛−1 𝑛
𝑖=1

1 (958)2
= (91878) −
9 10
1
= (91878 − 91776.4)
9
1
= (101.6)
9
𝓈 2 = 11.29
(n − 1)𝓈 2 (n − 1)𝓈 2
≤ σ2 ≤
X2 α X2 α
(n−1;1− ) (n−1; )
2 2

a) 0.90
1 − α = 0.90
α = 0.10
α
= 0.05
2
α
1 − = 0.95
2
2
x(9.0.05) =3.325
2
x(9.0.95) =16.919
(10 − 1)(11.29)2 (10 − 1)(11.29)2
≤ σ2 ≤
3.325 16.919
(9)(11.29)2 2
(9)(11.29)2
≤σ ≤
3.325 16.919
345.01 ≤ σ2 ≤ 67.804
18.574 ≤ σ2 ≤ 8.234
b)0.95
1 − α = 0.95
α = 0.05
α
= 0.025
2
α
1 − = 0.99
2
2
x(9.0.025) = 2.700
2
x(9.0.99) =21.666

(10 − 1)(11.29)2 2
(10 − 1)(11.29)2
≤σ ≤
2.700 21.666
(9)(11.29)2 (9)(11.29)2
≤ σ2 ≤
2.700 21.666
424.88 ≤ σ2 ≤ 52.948
20.61 ≤ σ2 ≤ 7.27
c)0.99
1 − α = 0.99
α = 0.01
α
= 0.005
2
1 − α = 0.995
2
x(9.0.005) =1.884
2
x(9.0.995) =20.71
2
1. x(9.0.005) =x
2
2. x(9.0.010) = 2.088
2
3. x(9.0.025) =2.700
x − 2.088 0.005 − 0.01
=
2.7 − 2.088 0.025 − 0.01
x − 2.088 −0.005
=
0.612 0.015
 x = 1.884
2
1. x(9,0.995) =x
2
2. x(9,0.975) = 19.023
2
3. x(9,0.950) =16.919
x − 19.023 0.995 − 0.975
=
16.919 − 19.023 0.95 − 0.975
x − 19.023 0.02
=
−2.104 −0.025
x = 20.71
101.6 101.6
≤ σ2 ≤
20.71 1.884
4.91 ≤ σ2 ≤ 53.93
2.22 ≤ σ2 ≤ 7.34

1. Se tomo una muestra aleatoria de 5 zonas de la cuenca del rio moche y, en

porciones de agua en cada una de las zonas seleccionados se midió de
concentración de hierro (en Kilogramos x litro) paralas estaciones de otoño en
invierno. Las observaciones fueron las siguientes.
Zona Otoño Invierno
Cumiche 38.712 37.123
Cuchman 37.055 36.751
Churir 12.164 13.541
Cerro Blanco 8.393 9.374
Puente Panamericana 1.86 2.478

Suponer la distribución normal para las concentraciones de hierro de todas las

zonas da la cuenca baja del rio moche universo de zonas (para otoño) (para invierno)
y suponga que las variaciones poblacionales son iguales pero desconocidos.
determine un intervalo de confianza del 40% 1 − 𝛼 = 0.90 para la verdadera diferencia
entre las concentraciones medias poblacionales de hierro para otoño y invierno .
¿Cuáles son los respectivos intervalos de confianza utilizando un nivel de confianza
del 95% y del 99%.
1). Para otoño
n= 5
𝑥̅ = 19.6368
1 − 𝛼 = 90%
𝜃 = 98.184

0.05
0.05

1 − 𝛼 = 90%

-1.645=𝑍𝛼/2 1.645=𝑍𝛼/2

P (Z ≤ Zα ) = 0.95 → Zα/2 = 1.645

2
θ 98.148
IC = (x̅ ± Zα . ) = (19.6368 ± 1.645 x )
2√n √5
IC = (19.6368 ± 72.231)
IC = (91.8678 , 52.5942)
b). Para invierno
n= 5
𝑥̅ = 19.8534
1 − 𝛼 = 95%
𝜃 = 99.267

0.05
0.05

1 − 𝛼 = 95%

𝑍𝛼/2 =-1.645 𝑍𝛼/2 =1.645

P (Z ≤ Zα ) = 0.95 → Zα/2 = 1.645

2
θ 99.267
IC = (x̅ ± Zα . ) = (19.8534 ± 1.645 x )
√n
2 √5
IC = (19.8534 ± 73.027)
IC = (92.8804 , −53.1736)
2. Proponga 3 ejemplos de estimación de parámetros:
a) Media poblacional, varianza poblacional conocidos.
Ejemplo:
En una empresa minera que fabrica barras de oro y que tiene una
duración que se distribuye de forma aproximadamente normal con una
media de 800 horas y una desviación estándar de 40 horas. Pruebe la
hipótesis de que 𝑢 ≠ 800 horas, si una muestra aleatoria de 30 barras
de oro tiene una duración promedio de 788 horas. Utilicé un nivel de
significancia de 0.04.
Datos:
𝜎 = 40 ℎ𝑜𝑟𝑎𝑠
𝑥 = 788
𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎 = 0.04
1. 𝐻0 = 𝑢1 = 800
𝐻0 = 𝑢2 = 800
2. 𝛼 = 0.04
𝑋̅−𝑢
3. 𝑍 = 𝜎 √𝑛
4.

-1.57 1.57

RA

Z
RR RR

−1.64

𝑋̅−𝑢 788−800 12
5. 𝑍 = 𝜎 √𝑛
= 40/√30
= − 7.3029 = −1.64
6. Con la resolución del ejercicio se llega a la conclusión de que la
duración media de las barras de oro si corresponde a 800 horas
por lo que la hipótesis nula es aceptada.
b) Proporción poblacional.
Ejemplo
El 3% de las piezas producidas por una máquina son defectuosas. Se
toman muestras de 100 piezas.
a) ¿Cuál es la distribución de la proporción de piezas defectuosas en la
muestra?
b) Hallar la probabilidad de que en una muestra de 100 piezas haya
menos de 5 defectuosas.
a) Conforme a lo indicado, P̂ sigue una distribución normal.
0.03x0.97
N(0.03, √ )~N(0.03 , 0.017)
100

b) Por tanto:
5 0.05 − 0.03
̂<
P (P ̂ < 0.05) = P (Z <
) = P(P )
100 0.017
P(Z < 1.18) = 0.8810
c) Diferencia de media poblacionales, varianzas poblacionales conocidos.
Ejemplo
Los niveles de radiación latente en dos regiones A y B siguen
distribuciones Normales independientes de medias 0.48 y 0.4663 y
varianzas 0.2 y 0.01 rem por año, respectivamente. Se realizan 25
mediciones en la región A y 100 en la B. Obtener la probabilidad de que
la media de la muestra A sea como máximo 0.2 rem superior a la media
de la muestra B.
X: “Nivel radiación latente en A”
Y: “Nivel radiación latente en B”
X ⟶ N(0.48; √0.2); nX = 25
Y ⟶ N(0.4663; √0.01); nY = 100
̅−Y
X ̅(uX̅ − uY̅ )
Z= ⟶ N(0.1)
2 2
σ σ
√ X+ Y
nX nY
̅≤̅
P = (X ̅−̅
Y + 0.2) = P = (X Y ≤ 0.2)

̅
X−̅
Y(uX̅ − uY̅ ) 0.2 − ̅
Y(uX̅ − uY̅ )
P= ≤
σ2 σ2 σ2 σ2
√ X+ Y √ X+ Y
nX nY nX nY
( )

0.2 − 0.0137
P (Z ≤ )
√0.008 + 0.0001
= P(Z ≤ 2.07) = 1 − P(Z ≥ 2.07)
= 1 − 0.0192 = 0.9808
 d) Diferencia de media poblacionales, varianzas poblacionales iguales y
desconocidos.
Ejemplo
La siguiente tabla presenta los resultados de dos muestras aleatorias
para comparar el contenido de oro que hay en dos collares de dos
tiendas distintas.
Tienda A Tienda B
𝑛𝑖 10 8
̅
𝑋𝑖 3.1 2.7
𝑆𝑖 0.5 0.7

Suponiendo que los conjuntos de datos provienen de muestras tomadas

al azar de poblaciones normales con varianzas desconocidas e iguales,
construya un intervalo de confianza del 95% para la diferencia real de el
contenido de oro de los dos collares.
Como las varianzas son iguales, calculamos 𝑠𝑝2 que esta dado por:

(9)(0.5)2 +(7)(0.7)2
𝑠𝑝2 = = 0.355 ⇒ 𝑠𝑝2 = 0.596
16
El intervalo de confianza del 95% está dado por (t(0.025,g.l.16) = 2.21):
1 1 1 1
x2 − tsp √ + ≤ u1 − u2 ≤ x̅1 − ̅̅̅
x̅1 − ̅̅̅ x2 + tsp √ +
n1 n1 n1 n1

1 1 1 1
3.1 − 2.7 − 2.21(0.596)√ + ≤ u1 − u2 ≤ 3.1 − 2.7 + 2.21(0.596)√ +
10 8 10 8
−0.2 ≤ u1 − u2 ≤ 1.0

PRACTICA Nº 3
1. Una muestra aleatoria de 998 persona adultas de una ciudad es encuestada
para conocer el porcentaje de ellas que están en desacuerdo con la
explotación de una mina en la ciudad, encontrándose que en 17.3% de esas
personas adultas están en desacuerdo con que se explote la mina.
Contrastar al 5% de significación que la verdadera proporción de personas
están en desacuerdo con que se explote las minas es por lo menos igual a 25%.
Datos:
n=998, p=0.173
1. Ho : P ≥ 0.25 = Po
H1 : P < 0.25
2. α = 5% = 0.05
p−P
3. Z= ~N(0.1)1 − α = 0.05 Z0 = −6.62
p(1−P)
√
n
4.

𝛼 = 0.05

1 − 𝛼 = 0.95

Z
𝑍𝑜 = −6.62 RA
 p−P0 0.173−0.25
5. Zo = P (1−P0)
= = −5.62
(0.25)(0.75)
√ 0 √
n 998
6. 𝐙𝐨 ∈ 𝐑𝐑 ⟹ 𝐬𝐞 𝐫𝐞𝐜𝐡𝐚𝐳𝐚 𝐇𝐨
Con el 5% de significación se puede afirmar que la verdadera proporción de las
personas adultas de la ciudad que están en desacuerdo con la explotación de
la mina esta por debajo del 0.25%
2. En una muestra aleatoria de 20 envíos de productos metalúrgicos se encontró
que a varianza muestral del porcentaje de impurezas de tales envíos es igual a
𝓈 2 = 5.62(%)2 .
Contraste con el 10% de significación que la verdadera varianza del porcentaje
de impurezas de todos los envíos (de los que fueron seleccionados la muestra
aleatoria de 20 envíos) es como máximo, igual al 4(%)2 .
1. Ho = σ2 ≤ 4(%)2 = σ2
H1 = σ2 > 4(%)2
2. α = 0.10 = 10%
(n−1)𝓈2
3. x 2 = σ0
~x 2 (n−1)

4.

𝛼 = 0.10

1 − 𝛼 = 0.90

𝑥 2 (19)
RA RR

27.204

𝑥 2 = 26.693

(n−1)𝓈 2 (19)(5.52)(%)2
5. x2 0 = = = 26.695
σ2 0 4(%)2
6. 𝐱 𝟐 𝟎 ∈ 𝐑𝐀 ⟹ 𝐧𝐨 𝐫𝐞𝐜𝐡𝐚𝐳𝐚 𝐇𝐨
 Con el 10% de significación, podemos afirmar que la varianza verdadera del
porcentaje de impureza de los envíos problacionales es como máximo 4(%)2
3. Supongamos que los ingresos líquidos de los trabajadores de la mina 1 para cierto mes
y los respectivos ingresos líquidos de los trabajadores de una segunda mina se
distribuye normalmente con varianzas poblacionales iguales pero desconocidos. Se
desea saber si los ingresos líquidos promedio de ambos grupos de trabajadores se
distribuyen con medios diferentes. Contrastar la hipótesis nula 𝐻𝑜 de igualdad de
ingresos líquidos medios poblacionales frente a una alternativa bilateral, con el
1% de significancia para el efecto se seleccionan muestras aleatorias de
trabajadores de muchas minas y se reporta las siguientes acerca de sus sueldos
líquidos (dólares).
Mina1: 720.63,728.74,1553.92,724.95,724.95,648.96,849.65,781.69,791.69 y 760.40.
Mina2: 770.30,872.70,732.80,732.80,743.30,790.30,790.30, y 780.30.
Solución:
∑𝐧𝐢=𝟏 𝐱 𝐢 ∑𝐧𝐢=𝟏 𝐱 𝐢
̅̅̅𝟏 =
𝐱 ̅̅̅𝟏 =
; 𝐱
𝐧 𝐧
8285.58 6212.8
x̅1 = ; x̅1 =
10 7
x̅1 = 828.558 ; x̅1 = 887.552

n
2
1 2
(∑ni=1 xi )2
𝓈 = {∑ x i − }
n1 − 1 n1
i=1
1 (8285.58)2
𝓈2 = {7475216.632 − }
10 − 1 10
1
𝓈2 = (7475216.632 − 6865083.594)
9
1
𝓈2 = (610133.038)
9
𝓈2 = 67792.551

n
2
1 2
(∑ni=1 xi )2
𝓈 = {∑ x i − }
n2 − 1 n2
i=1
1 (6212.8)2
𝓈2 = {4302474.38 − }
7−1 7
1
𝓈2 = (4302474.38 − 5514126.263)
6
1
𝓈2 = (−1211651.883)
6
𝓈2 = −201941.981