UNIVERSIDAD ABIERTA Y A DISTANCIA DE MÉXICO

Aplicaciones de la estadística
Unidad 1. Teoría de decisiones y estimación

Actividad V

Intervalos de confianza sobre la varianza y la

desviación estándar

Estudiante Juan Gilberto Reyes Valdez

UnADM Lic. En Enseñanza de las Matemáticas
Grupo EM-EMAE-1702-B2-001
Matrícula 1611303698
Docente María Eugenia Vega Flores
Octubre de 2017
1. Se determinó la cantidad de expansión lateral (ms) para una muestra de 9
soldaduras de arco de meta y gas accionado por pulsos, que se emplean en tanques
contenedores de gas licuado natural en barcos. La desviación estándar muestral
resultante fue 𝒔 = 𝟐. 𝟖𝟏 𝒎𝒍𝒔. Si se supone normalidad, deriva un intervalo con una
confianza del 𝟗𝟓%, para 𝝈𝟐 y para 𝝈.

El intervalo de confianza para la varianza poblacional 𝝈𝟐 cuando se muestrea una

distribución normal con media desconocida:

(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
[ 2 , ]
𝑥 𝛼 𝑥𝛼2
1− 2 ,𝑛−1 2 ,𝑛−1

(Canavos, 1988)

Donde 𝑛 = 9, 𝑠 2 = (2.81)2 = 7.896, 𝛼 = 1 − 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 1 − .95 = .05

Los valores cuantiles:

2
𝑥1− 𝛼
,𝑛−1
= 𝑥2 .05
2
= 𝑥.975,(8)
2 1− ,9−1
2

𝑥𝛼2,𝑛−1 = 𝑥2.05 = 𝑥2.025,(8)

2 ,9−1
2

De la tabla E del apéndice de distribución chi-cuadrada (Canavos, 1988)

2
𝑥.975,(8) ≈ 17.55

2
𝑥.025,(8) ≈ 2.18

Sustituimos

(8)(7.896) (8)(7.896)
[ , ] ≈ [3.60, 28.98]
17.55 2.18

El intervalo de confianza para un 95% de la varianza de la población resulta:

𝟑. 𝟔𝟎 ≤ 𝝈𝟐 ≤ 𝟐𝟖. 𝟗𝟖

1
Mientras que el intervalo de confianza del 95% de la desviación estándar de la población:

√3.60 ≤ 𝜎 ≤ √28.98

𝟏. 𝟖𝟗𝟕 ≤ 𝝈 ≤ 𝟓. 𝟑𝟖𝟑 𝒎𝒊𝒍𝒔

2. Se hicieron las siguientes observaciones de resistencia a la fractura de placas del 18%

de acero mariginizado al níquel

69.5 71.9 72.6 73.1 73.3 73.5 75.5 75.7 75.8 76.1 76.2
76.2 77.0 77.9 78.1 79.6 79.7 79.9 80.1 82.2 83.7 93.7

Calcula un intervalo de confianza del 99% para la desviación estándar de la distribución

de la resistencia a la fractura.

Necesitaremos la desviación estándar muestral

(El 18% no es dato calculable ya que se refiere a la proporción de níquel en la placa)

La desviación estándar de la muestra

∑(𝑥 − 𝑥̅ )2
𝑠=√ = 5.04
𝑛−1

(Calculado en Excel)

Para calcular el intervalo de confianza de una desviación estándar podemos calcular los

límites de confianza para la varianza 𝝈𝟐 , luego les extraemos la raíz cuadrada a éstos límites.

(Montgomery & Runger, 2003)

El intervalo está dado por:

(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
[ , ]
𝑥2 𝛼 𝑥𝛼2
1−
2 2

Donde

2
𝛼 = 1 − 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 1 − .99 = 0.01, 𝑠 2 = (5.04)2 = 25.4016

Los valores críticos

2 2 2
𝑥1− 𝛼 =𝑥 .01 = 𝑥.995
2 1−
2

𝑥𝛼2 = 𝑥.01
2 2
= 𝑥.005
2 2

De acuerdo a la tabla del apéndice IV de valores percentiles (Mendenhall, 2006)

Tomando en cuenta (𝑛 − 1) = 22 − 1 = 21 grados de libertad

2
𝑥.995 ≈ 41.4

2
𝑥.005 ≈ 8.03

Sustituimos

(21)(25.4016) (21)(25.4016)
[ , ] ≈ [𝟏𝟐. 𝟖𝟖, 𝟔𝟔. 𝟒𝟑]
41.4 8.03

El intervalo de confianza para la varianza poblacional estará dado por

12.88 ≤ 𝜎 2 ≤ 66.43

Por lo que el intervalo de confianza para la desviación estándar poblacional:

√12.88 ≤ 𝜎 ≤ √66.43

𝟑. 𝟓𝟗 ≤ 𝝈 ≤ 𝟖. 𝟏𝟓 𝒌𝒔𝒊 √𝒊𝒏

3
 Nivel de confianza 99%

Gráfica de distribución chi-cuadrada de las pruebas de dureza (MINITAB, 2017)

3. Una muestra aleatoria de 𝟐𝟎 estudiantes obtiene una media de 𝑿̅̅ = 𝟕𝟐 y una varianza
de 𝟏𝟔 en un examen de selección en matemáticas. Suponga que las calificaciones se
distribuyen normalmente y construya un intervalo de confianza del 𝟗𝟖% para 𝝈𝟐 .

El intervalo está dado por:

(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
[ , ]
𝑥2 𝛼 𝑥𝛼2
1−
2 2

Donde

𝛼 = 1 − 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 1 − .98 = 0.02, 𝑠 2 = 16

Los estadísticos:
2 2 2
𝑥1− 𝛼 =𝑥 .02 = 𝑥.99
2 1−
2

𝑥𝛼2 = 𝑥.02
2 2
= 𝑥.01
2 2

De la tabla del apéndice E de distribución ji-cuadrada (Spiegel, 1976)

4
Tomando en cuenta (𝑛 − 1) = 20 − 1 = 19 grados de libertad
2
𝑥.99 ≈ 36.2
2
𝑥.01 ≈ 7.63

Sustituimos

(20 − 1)(16) (20 − 1)(16)

[ , ] ≈ [8.40, 39.83]
36.2 7.63

Así el intervalo de confianza del 98% para la varianza poblacional en el examen es:

𝟖. 𝟒𝟎 ≤ 𝝈𝟐 ≤ 𝟑𝟗. 𝟖𝟑 Puntos

Nivel de confianza 98%

2 2
𝜎𝑚𝑎𝑥 = 39.83 𝜎𝑚𝑖𝑛 = 8.40
Gráfica de distribución chi-cuadrada del examen de selección (MINITAB, 2017)

5
4. Una muestra aleatoria de 10 barras de chocolate energético de cierta marca tiene en
promedio 230 calorías con una desviación estándar de 15 calorías. Construya un
intervalo de confianza de 99% para 𝜎.

Calcularemos el intervalo de confianza para la desviación estándar poblacional con la

relación

(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
√ ,√
𝑥𝛼2 𝑥2 𝛼
1−
2 2
[ ]

Donde 𝑛 = 10, 𝑠 2 = (15)2 = 225, 𝛼 = 1 − 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 1 − .99 = .01

Los estadísticos

𝑥𝛼2 = 𝑥.01
2 2
= 𝑥.005
2 2
2
𝑥1− 𝛼 = 𝑥2 .01
2
= 𝑥.995
2 1−
2

De la tabla A-5 de valores críticos de la distribución chi-cuadrada (Walpole, Myers, &

MYers, 2012)

Tomando en cuenta que (𝑛 − 1) = 10 − 1 = 9 grados de libertad

2
𝑥.995 ≈ 1.735

2
𝑥.005 ≈ 23.589

Sustituimos

(9)(225) (9)(225)
[√ ,√ ] ≈ [√85.85, √1167.15 ] ≈ [9.27, 34.16]
23.589 1.735

El intervalo de confianza del 99% para la desviación estándar poblacional de las barras de

chocolate se estima en:

𝟗. 𝟐𝟕 ≤ 𝝈 ≤ 𝟑𝟒. 𝟏𝟔 𝒄𝒂𝒍𝒐𝒓í𝒂𝒔

6
Reflexión

Tomar decisiones sobre una población con base a la estimación puntual tiende a generar
incertidumbre, para disminuir este error inherente a la elección del tamaño de la muestra
es necesario definir límites de medición que nos den la confianza, la seguridad y certeza
de que los parámetros estimados nos proporcionen información sobre la población para
poder inferir y tomar decisiones sobre el futuro de la población. ¿Cómo realizar este
procedimiento cuando se estima la varianza o desviación estándar de una distribución
normal? Es un caso que resolveremos en esta actividad

Creo que la estimación por intervalos disminuye el riesgo y la incertidumbre en la toma de

decisiones para la obtención de los parámetros esperados ya que acota un rango de valores
y un (generalmente alto) nivel de confianza, aunque no signifique que es la probabilidad de
que éstos se encuentren contenidos en ese rango sino que hay un grado confiable de que el
parámetro se ubique en el intervalo mas no, como lo mencioné antes, a la probabilidad de
que se encuentre ahí.

Bibliografía

Canavos, G. (1988).Apéndice:Tabla E. En G. Canavos, Probabilidad y estadística, aplicaciones y métodos

(págs. 619-620). Ciudad de México: McGraw-Hill.

Mendenhall, W. (2006). Apéndice IV: Tabla 5 valores críticos de ji-cuadrada. En W. Mendenhall, Introducción a
la probabilidad y estadística (pág. 692). Ciudad de México: Cengage Learning.

Spiegel, M. (1976). Apéndice E: . En M. Spiegel, Probabilidad y estadística (pág. 347). Ciudad de México:
McGraw-Hill.

Canavos, G. (1988). Estimación por intervalo En G. Canavos, Probabilidad y estadística, aplicaciones y

métodos (págs. 271-284). Ciudad de México: McGraw-Hill.

Montgomery, D., & Runger, G. (2003). Inferencia sobre la varianza de una distribución normal. En D.
Montgomery, & G. Runger, Probabilidad y estadística aplicadas a la ingeniería (págs. 340-345).
Ciudad de México: LIMUSA, S.A. de C.V.

Walpole, R., Myers, R., & MYers, S. &. (2012). Probabilidad y estadística para ingeniería y ciencias. En R.
Walpole, R. Myers, & S. &. MYers, Apéndice A Tablas y demostraciones estadísticas (pág. 725).
Ciudad de México: Pearson educación.