Grupo #1

Alcívar Sánchez Dayse

Pérez Cañote Juan
Poveda Martínez Nicole
Curso: 5-1

Docente:
Ing. Ingrid Sarmiento
 La estimación de
Teoría básica
intervalos entre
(Introducción)
dos poblaciones

Estimación de
Pruebas de
intervalos con
hipótesis con dos
muestras grandes
poblaciones
y pequeñas

Ejercicios de
aplicación
En muchas situaciones de toma de decisiones, las
personas necesitan determinar si los parámetros de
dos poblaciones son iguales o diferentes.

Ejemplos:
• Una empresa puede tener la intención de probar si sus
empleadas reciben un salario menor que el de sus
empleados varones por realizar el mismo trabajo.
• Un fabricante de medicinas desea saber si un nuevo
medicamento ocasiona una reacción en un grupo de
animales para experimentación y otra reacción distinta en
otro grupo.
• Los trabajadores de una planta producen en promedio
más que los trabajadores de una segunda planta?

Se puede: construir una estimación por intervalo para

la diferencia entre dos medias poblacionales o
probar la hipótesis de que dos medias poblacionales
son iguales.

El procedimiento dependerá de la técnica de

muestreo que se utilice, pueden ser: independientes
o por pares. Y comenzaremos a explicar el muestreo
independiente.
 Depende del Muestras aleatorias simples
tamaño de las independientes.
muestras

Ya que muchas muestras

La distribución de las diferencias
diferentes pueden tomarse de
Si la muestra cada población, resulta toda una
entre las medias muestrales es una
distribución centrada en (µ1 - µ2)
es n ≥ 30 distribución de diferencias de
estas medias muestrales.
La distribución normal Z puede
utilizarse para construir el
intervalo.

No se puede asumir que la

distribución de las diferencias en
las medias muestrales se ajusta a
Si la muestra una distribución normal.
en n < 30 •Cuando las varianzas
poblacionales son desconocidas.
•Se utilizará la distribución t.
Se deberá determinar si las
varianzas de las dos poblaciones
son iguales.
Se analizarán dos intervalos de
confianza cuando: 1) Se asume que
las varianzas son iguales, 2) no se
asume que sean iguales.
1. Intervalo de
confianza para la 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
diferencia entre dos
medias = (𝑋ത1 − 𝑋ത2 ) ∓ 𝑍𝜎𝑋ത1 −𝑋ത2
poblacionales
Donde: 𝜎𝑋ത1−𝑋ത2 es el error estándar de
las diferencias muestrales.
a. Siendo las
varianzas
poblacionales 𝜎1 2 𝜎2 2
conocidas 𝜎𝑋ത1 −𝑋ത2 = +
𝑛1 𝑛2

𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
b. Siendo las
varianzas
= (𝑋ത1 − 𝑋ത2 ) ∓ 𝑍𝑠𝑋ത1 −𝑋ത2
poblacionales
desconocidas 𝑠1 2 𝑠2 2
𝑠𝑋ത1 −𝑋ത2 = +
𝑛1 𝑛2
Ejemplo 1:
Transfer Trucking transporta remesas entre Chicago y Kansas City por dos rutas. Una muestra de 100 camiones enviados por la
ruta del norte reveló un tiempo promedio de tránsito de 𝑋ത𝑁 = 17,2 horas con una desviación estándar de 𝑠𝑁 = 5,3 horas, mientras
que 75 camiones que utilizan la ruta del sur necesitaron un promedio de 𝑋ത𝑠 = 19,4 horas con una desviación estándar de 𝑠𝑠 = 4,5
horas. Delmar, el despachador de Transfer Trucking, desea desarrollar un intervalo de confianza del 95% para la diferencia en el
tiempo promedio entre estas dos rutas alternas.
Al no tener la
desviación estándar
Datos: Determinación de error de la población, se
estándar: procede con la
muestral Intervalo del 95% de confianza
Ruta Norte Ruta Sur
𝑋ത1 = 17,2 𝑋ത2 = 19,4 −𝟑, 𝟕 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ −𝟎, 𝟕𝟓
(5,3)2 (4,5)2
𝑠1 = 5,3 𝑠2 = 4,5 𝑠𝑋ത1 −𝑋ത2 = + = 0,742
𝑛1 = 100 𝑛2 = 75 100 75 Interpretación:
Delmar puede tener un 95% de
Construcción de confianza en que la ruta del sur se toma
Confianza del 95% intervalo de confianza: entre 0,75 horas y 3,7 horas más.
Valor en tabla Z = 1,96
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
= (17,2 − 19,4) ± (1,96)(0,742)

17,2 − 19,4 + 1,96 0,742 17,2 − 19,4 − 1,96 0,742

−2,2 + 1,45 = −0,75 −2,2 − 1,45 = −3,65
 Varianza
Condiciones n≤30 poblacional
desconocida
Utilizada mayormente para los
procesos en línea, maquinarias
ajustables, donde se pueden
ajustar periódicamente para
asegurar el nivel promedio de
Varianza uso.
poblacional de
Se aplica si: ambas Pero, cómo?
poblaciones son
“iguales”

Se 1. Asumiendo
que las varianzas
2. No se asume
que las varianzas
analizarán: son iguales sean iguales.
Si ambas varianzas FÓRMULAS
son iguales, debe
existir una varianza • Es decir 𝜎1 2 = 𝜎2 2 = 𝜎 2
común en ambas Estimado mancomunado de la varianza
poblaciones común a ambas poblaciones

𝑠1 2 𝑛1 − 1 + 𝑠2 2 𝑛2 − 1
Debido al error de 𝑠𝑝 2 =
muestreo, puede • Si se toma una muestra de cada 𝑛1 + 𝑛2 − 2
población, las dos varianzas de la
que exista una muestra probablemente diferirán una
diferencia entre de la otra.
Intervalo para la diferencia entre medias
poblacionales cuando 𝜎1 2 = 𝜎2 2
ambas varianzas. desconocidas

Los datos se 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2

pueden • Se calcula el promedio ponderado de
las dos varianzas de la muestra. 𝑠𝑝 2 𝑠𝑝 2
mancomunar y = (𝑋ത1 − 𝑋ത2 ) ± 𝑡 +
• Los pesos son los grados de libertad n- 𝑛1 𝑛2
obtener un 1 para cada muestra.
estimado de 𝜎 2
Ejemplo 2:
En la cafetería de los estudiantes, una máquina expendedora de bebidas dispensa bebidas en tazas de papel. Una muestra de 15
tazas da una media de 15,3 onzas con una varianza de 3,5. Después de ajustar la máquina, una muestra de 10 tazas produce un
promedio de 17,1 onzas con una varianza de 3,9. Si se asume que 𝑠 2 es constante antes y después del ajuste, construya un
intervalo de confianza del 95% para la diferencia entre los contenidos promedio de llenado. Se asume que las cantidades
dispensadas están distribuidas normalmente.
Construcción de intervalo de
Cálculo de estimado mancomunado confianza
Datos: de varianza poblacional
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
2
3,5 15 − 1 + 3,9 10 − 1
Antes ajuste Desp. Ajuste 𝑠𝑝 =
15 + 10 − 2 3,66 3,66
𝑋ത1 = 15,3 𝑋ത2 = 17,1 = (15,3 − 17,1) ± 2,069 +
3,5 14 + 3,9 9 15 10
𝑠1 = 3,5 𝑠2 = 3,9 𝑠𝑝 2
= = 𝟑, 𝟔𝟔
23
𝑛1 = 15 𝑛2 = 10
3,66 3,66 3,66 3,66
15,3 − 17,1 + 2,069 + 15,3 − 17,1 − 2,069 +
15 10 15 10
Nivel de confianza = 95% = −1,8 − 1,61 = −3,41
= −1,8 + 1,61 = −0,19
Significancia = 0,05
g.L = 15 + 10 – 2 = 23
Intervalo de confianza del 95%
Valor en tabla t = 2,069

−𝟑, 𝟒𝟏 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ −𝟎, 𝟏𝟗 Interpretación: Se puede tener un nivel de

confianza del 95% en el que el ajuste
incrementó el nivel de contenido promedio
entre 0,19 onzas y 3,41 onzas.
 Sino hay • No se puede aplicar los FÓRMULAS
evidencia para procedimientos
asumir igualdad anteriores Grados de libertad cuando las varianzas
poblacionales no son iguales
entre las • De hecho, no hay
varianzas de distribución exacta para
𝑠1 2 𝑠2 2
2

dos este tipo de muestreo. 𝑛1

+
𝑛2
𝑔. 𝑙 =
poblaciones: 𝑠1 2 𝑠2 2
𝑛1 𝑛2
+
𝑛1 − 1 𝑛2 − 1

• Se propone una Intervalo para la diferencia entre medias

aproximación tal que poblacionales
Para esto, se utilice el estadístico t
realizan con g.l levemente 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
aproximaciones alterados. 𝑠1 2 𝑠2 2
• Donde 𝜎1 2 ≠ 𝜎2 2 = (𝑋ത1 − 𝑋ത2 ) ± 𝑡′ +
𝑛1 𝑛2
Ejemplo 3:
The Wall Street Journal describió dos programas de entrenamiento utilizados por IBM. Doce ejecutivos a quienes se les dio el
primer tipo de entrenamiento obtuvieron un promedio de 73,5 en la prueba de competencia. Aunque el artículo de noticias no
reportó la desviación estándar para estos 12 empleados, se asume que la varianza en los puntajes para este grupo fue de 100,2.
Quince ejecutivos a quienes se les administró el segundo programa de entrenamiento obtuvieron un promedio de 79,8. Se asume
una varianza de 121,3 para este segundo grupo. Haga un intervalo de confianza del 95% para la diferencia en los puntajes
promedio para ejecutivos que ingresaron a estos programas.
Construcción de intervalo de
Datos: Cálculo de los grados de libertad confianza

1er programa 2do programa 100,2 121,3 2

12 +
15
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
𝑋ത1 = 73,5 𝑋ത2 = 79,8 𝑔. 𝑙 =
100,2 2 121,3 2
12 100,2 121,3
𝑠1 = 100,2 𝑠2 = 121,3 + 15 = (73,5 − 79,8) ± 2,064 +
12 − 1 15 − 1 12 15
𝑛1 = 12 𝑛2 = 15 𝒈. 𝒍 = 𝟐𝟒, 𝟓𝟓

Si es fraccionario, se
aproxima hacia el
siguiente valor, se 100,2 121,3 100,2 121,3
toma el entero 73,5 − 79,8 + 2,064 + 73,5 − 79,8 − 2,064 +
inmediatamente 12 15 12 15
anterior,.
−6,3 + 8,36 −6,3 − 8,36
Nivel de confianza = 95% = 2,06 −14,66
Significancia = 0,05
g.L = 24 Intervalo de confianza del 95%
Valor en tabla t = 2,064 Interpretación: Debido a que el intervalo contiene
cero, no existe fuerte evidencia de que exista
−𝟏𝟒, 𝟔𝟔 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ −𝟐, 𝟎𝟔 diferencia alguna en la efectividad de los programas
de entrenamiento.
 Tanto para prueba Z
como para t se
utiliza el mismo
criterio

Hay tres formas que puede Son las Caso 1 Se rechaza H0 si:
tener la prueba de hipótesis. siguientes:
𝐻0 : 𝜇1 − 𝜇2 ≥ 𝐷0 𝑍 > 𝑍1−∝
𝐻1 : 𝜇1 − 𝜇2 < 𝐷0

Caso 2 Se rechaza H0 si:

Se elige el nivel de Determinado por
𝑍 > 𝑍1−
significancia y el la diferencia de 𝐻0 : 𝜇1 − 𝜇2 = 𝐷0 ∝/2

estimador puntual. medias. 𝐻1 : 𝜇1 − 𝜇2 ≠ 𝐷0 𝑍 < −𝑍1− ∝/2

Caso 3 Se rechaza H0 si:

𝑍 < 𝑍1−∝
𝐻0 : 𝜇1 − 𝜇2 ≤ 𝐷0
Dependerá del
Calcular el valor tipo de muestra,
𝐻1 : 𝜇1 − 𝜇2 > 𝐷0
estadístico de la prueba. para hacer uso
del estadístico Z Estadísticos de prueba
o t. Se siguen las
Prueba z Prueba t
mismas reglas
anteriormente 𝑋ത1 − 𝑋ത2 𝑋ത1 − 𝑋ത2
𝑍= 𝑡=
Encontrar el valor-p mencionadas. 𝑠1 2 𝑠2 2
𝜎1 2 𝜎2 2
𝑛1 + 𝑛2 𝑛1 + 𝑛2
 Estimación de Intervalo de confianza Prueba de hipótesis

Construcción de Intervalo Casos Rechazos Estadístico de prueba

Condiciones Error estándar
𝜎1 2 𝜎2 2 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2 𝐻0 : 𝜇1 − 𝜇2 ≥ 𝐷0
𝜎 𝑋ത1 −𝑋ത2 = + 𝑍 > 𝑍1−∝
2 𝑛1 𝑛2 = (𝑋ത 1 − 𝑋ത 2 ) ∓ 𝑍𝜎𝑋ത1− 𝑋ത2 𝐻1 : 𝜇1 − 𝜇2 < 𝐷0
a) n≥30 y σ conocida 𝑋ത1 − 𝑋ത2
𝑠1 2 𝑠2 2 𝐻0 : 𝜇1 − 𝜇2 = 𝐷0 𝑍 > 𝑍1− ∝/2 𝑍=
Prueba Z b) n≥30 y σ2 𝑠𝑋ത1−𝑋ത2 = +
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2
𝐻1 : 𝜇1 − 𝜇2 ≠ 𝐷0 𝑍 < −𝑍1− ∝/2 𝜎1 2 𝜎2 2
𝑛1 𝑛2 = (𝑋ത 1 − 𝑋ത 2 ) ∓ 𝑍𝑠𝑋ത1−𝑋ത2 +
desconocida 𝑛1 𝑛2
𝐻0 : 𝜇1 − 𝜇2 ≤ 𝐷0
𝑍 < 𝑍1−∝
𝐻1: 𝜇1 − 𝜇2 > 𝐷0

Estimado mancomunado de
a) n≤30 y asumir 𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2 𝐻0 : 𝜇1 − 𝜇2 ≥ 𝐷0 𝑡 > 𝑡 1−∝
𝑠1 2 𝑛 1 − 1 + 𝑠2 2 𝑛 2 − 1 𝐻1 : 𝜇1 − 𝜇2 < 𝐷0
𝑋ത1 − 𝑋ത2
𝑠𝑝 2 𝑠𝑝 2
2
varianzas iguales y 𝑠𝑝 = = (𝑋ത1 − 𝑋ത 2 ) ± 𝑡 +
𝑛1 + 𝑛2 − 2
desconocidas 𝑛1 𝑛2
𝐻0 : 𝜇1 − 𝜇2 = 𝐷0 𝑡 > 𝑡1− ∝/2 𝑡=
Grados de libertad 𝐻1 : 𝜇1 − 𝜇2 ≠ 𝐷0 𝑡 < −𝑡 1− ∝/2 𝑠1 2 𝑠2 2
Prueba t +
𝑠 12 𝑠 22
+
2
𝐼. 𝐶 𝑝𝑎𝑟𝑎 𝜇1 − 𝜇2 𝑛1 𝑛2
𝑛1 𝑛2
a) n≤30 y varianzas 𝑔. 𝑙 = 𝑠1 2 𝑠2 2 𝐻0 : 𝜇1 − 𝜇2 ≤ 𝐷0
𝑠 12 𝑠 22 = (𝑋ത 1 − 𝑋ത 2 ) ± 𝑡′ + 𝑡 < 𝑡 1−∝
desiguales y 𝑛1
+
𝑛2 𝑛1 𝑛2 𝐻1: 𝜇1 − 𝜇2 > 𝐷0
desconocidas 𝑛1 − 1 𝑛2 − 1
 Ejercicios de
aplicación
Aplicación de pruebas de hipótesis con caso z y
caso t