CAPITULO VI

INFERENCIA ESTADISTICA

Es la parte de la estadstica cuyo objetivo es estimar parmetros poblacionales en base a

nuestras aleatorias tomadas de la poblacin de la cual se desea inferir.
Existen 2 maneras de estimar parmetros:
1) Estimacin Puntual.- Este tipo de estimacin se refiere al hecho de aproximar los
estimadores muestrales obtenidos a partir de una muestra n a los parmetros
poblacionales.
Es decir:

ux

x2

x u
s 2 x2

2) Estimacin por intervalos.- Este tipo de estimacin es la ms adecuada puesto que

ella cuantifica el error que cometemos al estimar un parmetro.
La idea es tomar rangos en la cual nosotros tengamos cierto grado de confianza que el
valor del parmetro poblacional se encuentre en esos valores.
Es decir:

P ( a u b)

gra do de confianza

Interpretacin de un Intervalo de Confianza.Si seleccionamos repetidamente muestras aleatorias de tamao n, confiamos o

esperamos que el 100(1 - )% de las muestras, darn intervalos de confianza que
incluyan al verdadero parmetro de la poblacin.
INTERVALO D CONFIANZA PARA LA MEDIA POBLACIONAL u.Se presenta 2 casos:
I ) Caso I: Intervalo de confianza para la u , n 30 X2 = conocida
Si la X2 no es conocida asumimos que: SX2 X2
Partimos de:

P z z 0 1
P z 0 z z 0 1

pero : z

x u

x u
P z 0
z 0 1
X

x u

P z0
z0 1

P x z 0 X u x z 0 X
n
n

P x z 0 X u x z 0 X
n
n

P z 0 X x u z 0 X 1
n
n

int ervalo

de confianza
para
la
" u"

II) Caso II.- Intervalo de Confianza para la media u

Cuando n < 30 y X2 = desconocida
Partimos de:

P t t 0 1
P t 0 t t 0 1

pero : t

x u
P t 0
t0 1
SX

S
S

P t 0 X x u t 0 X 1
n
n

x u
S

S X2 X2

S
S

P x t 0 X u x t 0 X 1 * (1)
n
n

Intervalo

SX
SX

1
P x t 0
u x t0
confianza
n
n
la

media
En la prctica se trabaja con:

Grado de confianza
(1 -
0.95

N
20

T
T1 = 2.093

0.90

10

T2 = 1.833

de
para
" u"

n 10

n 20

0.005

1 0.95

t0

0.005

1 0.90

t0

t0 2.093

INTERVALO DE CONFIANZA PARA LA VARIANZA X2:

Partimos de:
P(X12 < X2 < X22) = 1 -
Se sabe que:

X2
Luego:

(n 1) S X2

X2

2
(n 1) S X2
2

1
P X 1

2
2
2

2
2
X 1

X
1

2
2
P
2
1
2
2
(n 1) S X X (n 1) S X

(n 1) S X2
(n 1) S X2
2
P
X
1
2
X 12
X
2
2

x 21 2

x 2 2

t0 1.833

Intervalos de Confianza: Para la media (ux) y varianza (X2)

Ejemplo 1:
Debido al racionamiento de agua, SEDAPAL decide estimar el consumo diario
promedio por vivienda de un sector, para esto selecciona al azar n = 100 viviendas y se
observa el registro del medidor de agua durante el da, obtenindose de la muestra los
siguientes parmetros:
x = 117.5lts.

y una SX = 16.8lts.

determine un rango de confianza del 95% para el consumo promedio poblacional del
agua en todo el sector (uX)
Solucin:
N

n = 100

ux

x = 117.5lts

SX = 16.8lts

2
x

como n = 100
SX = X

Luego:

P x z0 X u X x z0 X 1
n
n

Datos:
x = 117.5lts

n = 100

X = 16.8lts.

1 - = 0.95

Reemplazando:

z *16.8
z *16.8

P 117.5 0
u X 117.5lts 0
0.95
100
100

Hallando Z0 tenemos:

0.025

0.025

z0

P( au x b) 0.95

z0 1.96

ux

16.8
16.8

P 117.5 1.96
u X 117.5 1.96
10
10

P114.20 u X 120.79
Interpretacin: Se tiene un 95% de confianza que al consumo promedio poblacional de
agua en el sector est entre 114.20lts y 120.79lts.

Ejemplo 2:
Un inspector est analizando la cantidad de llenando de unas botellas de gaseosas que
deben contener 500 cc, se toma una muestra aleatoria que le dio los siguientes datos:
501.8; 498.7; 496.7; 503.1; 495.7; 502.3; 497.3; 502.6; 499.3; 503.8
a) Construya e interprete un rango de confianza del 95% para la media poblacional.
Solucin:

Como n < 30

S
S

P x t 0
u x t0
1
n
n

Donde:

x
x i 500.13
10

n 10

x
x n

1 0.95

S2

2
i

n 1

8.67

S X 2.944

Hallando t0 tenemos:

t( n1) g.l 2.262

0.025

t0

0.025

P( a u x b ) 1

1 0.95

t0 1.96

ux

2.944
2.944

P 500.13 2.262
u X 500.13 2.262
0.95
10
10

P498.02 u X 502.24 0.95

Interpretacin: Se tiene un 95% de confianza que el promedio de llamado de las

botellas de gaseosa se encuentra entre 498.0200 y 502.2400 como valor mnimo y
mximo.

Ejemplo 3:
b) Construya e interprete rango de confianza para la varianza del 98%
Solucin:

Datos:

(n 1) S X2
(n 1) S X2
2
P

1
X
X 2
X 21
2
2

1 - = 0.98 = 0.02

n = 10
SX2 = 8.67

Hallando en la tabla Fi Cuadrado X2(n 1)g.l.

x 21 2 2.088

0.01
0.01

x 2 2 21.66

Reemplazando:

9 * 8.67
9 * 8.67
P
X2
0.98
2.088
21.666
P3.601 X2 37.37 0.98
Interpretacin: Se tiene un 98% de confianza que la varianza poblacional se encuentre
entre 3.601 y 37.37 cc2.

CAPITULO VII
PRUEBA DE HIPTESIS
Hiptesis.- Una hiptesis en estadstica es un supuesto acerca de los parmetros de la
poblacin cuya aceptacin o rechazo depender de al informacin que nos proporcione
la muestra.
En estadstica se trabaja con dos tipos de hiptesis:
a) Hiptesis Nula
b) Hiptesis Alternante

a) Hiptesis Nula: - Se denomina as en el sentido que nulifica las posibles diferencias,

es decir anula el efecto de un tratamiento y corresponde a la ausencia de efectos.
-

La hiptesis nula debe concordar con la teora del problema o con el

conocimiento existente.

La Ho est formulada con el propsito expreso a ser rechazada o ser

desacreditada.

b) Hiptesis Alternante: - Es la que suponemos verdadera y deseamos probar.

-

Es la hiptesis de trabajo.

La Ho se expresa en forma no especfica (>,<,)

Existen 3 maneras de expresar la Hiptesis Alternante(Ha)

Caso I: Si Ha: >o
ser

La zona de rechazo est a la derecha y el valor crtico K

positivo.

Cola hacia la derecha

parmetro
0 valor

(Zona de rechazo Ho)

Zona de aceptacin de No

Caso II: Si Ha: < 0 La zona de rechazo esta a la izquierda y valor crtico k ser
negativo

(Zona de rechazo No)

Zona de aceptacin de Ho

Caso III: Si Ha: 0 La zona de rechazo estar en los extremos y existir 2 valores
crticos k1 y k2 uno negativo y otro positivo.
Prueba de 2 colas

Zona de aceptacin de Ho

(Zona de rechazo Ho)

K1

K2

Nivel de Significacin (): Es el subconjunto del espacio muestral que nos conduce ha
realizar la H0 cuando esta es verdadera. Es decir es la probabilidad de cometer el Error
Tipo I
= P(rechazar la H0 / H0 no es verdadera)
-

El comete el error tipo I se debe a que muchas veces la muestra no es lo

suficiente representativa de la poblacin.

Por lo general toma 2 valores, y

Si rechazamos la hiptesis nula (H0) con 0.01 se dice que la prueba es

altamente significativa(se arriesga 1 de cada 100 casos)

Si rechazamos la hiptesis nula (H0) con = 0.05 se dice que la prueba es

significativa(se arriesga 5 de cada 100 casos)

Pasos a seguir para una muestra de hiptesis:

1) Plantear la Ho Ha
2) Establecer
3) Suposiciones (Muestras extradas al azar, Poblacin normal)
4) Establecer la prueba estadstica
5) Establecer el criterio de decisin
6) Realizar los clculos
7) Conclusiones
Prueba de Hiptesis para la Media Poblacional (u)
-

Para la prueba de hiptesis de la media (u) ocurre tres casos:

Dado:

la
`

Hiptesis
(H O )
H O : u uO

H a : u u0
Nula

H a : u u0

H a : u uo

se

pre sen ta

(Zona de rechazo )

U0
(Zona de rechazo )

U0

U0

(Zona de rechazo )

Estadstica de Prueba:
Caso I: Si n 30 X2 es conocida

x u0

Si X2 no es conocida
se asume que X2 SX2
Caso II: S n< 30 X2 desconocida

Ejemplo:
Una maquina llena de botellas de gaseosas, si se dispone que el volumen medio de
gaseosas de cada botella es de 32 onzas con x = 0.06 de onza. En una comprobacin
sistemtica para ver que la maquina funciona adecuadamente, se tomaron
aleatoriamente 36 botellas y se advierte que contienen una media de 32.1 onzas la
maquina funciona adecuadamente? Nivel de significacin = 0.05
Solucin:
1.- Ho : u = 32
Ha : u 32(la maquina funciona adecuadamente?)
2.- = 0.05
3.- muestra aleatoria
volumen medio de gasolina N(32, (0.06)2
4.- como n 30

x-u

n
5.- criterio: si 1.96 < Zo < 1.96, entonces se acepta la Ho, caso contrario se
rechaza.

Zona de aceptacin de Ho

0.025
1-

zt 1.96

6.-

Zc

x-u

0.025

zt 1.96

32.1 32 0.1

10
0.06
0.06
6
36

7.- conclusin: como Zc = 10, entonces se rechaza la Ho, por lo tanto la

maquina no trabaja adecuadamente, necesita una revisin.

Ejemplo 2:
con el fin de probar un aditivo para gasolina se cogi un grupo de automviles sobre
una pista en condiciones rigurosamente supervisadas. El nmero de kilmetros
recorridos con 4lts. De gasolina fue = 15, 12, 13, 16, 17, 11, 14, 15, 13, 14. En varias
pruebas anteriores ....... de aditivo se obtuvo un rendimiento de 12.62kmts/4lts. Usando
el error tipo I = 0.05. Puede llegarse a la conclusin que el aditivo mejoro la capacidad
de kilometraje de la gasolina?
Solucin:
1.- Ho : u = 32
Ha : u 32(la maquina funciona adecuadamente?)
2.- = 0.05
3.- muestra aleatoria (poblacin normal)
4.-

x-u
(n 1)g.l.
s
n

5.-

Zona de aceptacin de Ho

n 10
g.l n 1 9
0.05
Zona de rechazo Ho

Tt 1.833

6.-

x-u
s
n
14 12.62
tc
2.39
1.825
10
t

x 14
s
2

x i x 2
n 1

3.33

s 1.825

7.- conclusin:
Como tc = 2.39 y mayor a tabular entonces se rechaza la Ho por lo tanto el aditivo si
mejora la capacidad de kilometraje.

Prueba de Hiptesis acerca de la varianza de una poblacin

Ejemplo 3:
una maquina que produce tuercas es detenida peridicamente de modo que el dimetro
de las tuercas producidas pueden ser chequeadas. En este caso no es el dimetro medio
lo que es importante sino la variabilidad de dichos dimetros. Suponga que una muestra
de 21 tuercas es obtenida y determina que la varianza muestral del dimetro es s 2 =
9.4mm2. Indica esta muestra que la maquina funciona defectuosamente, es decir la x2
de tuercas es mayor a 8mm(= 0.01)
Solucin:
1. - Ho 8mm
2

Ha 2 8mm
2. - (= 0.01)
3. - Distribucin normal de los dimetros de tuercas.
Muestra aleatoria
4. -

(n - 1)s2

x2 (n - 1)g.l

5. -

n 21
Zona de aceptacin de Ho

0.01 (Zona de rechazo de Ho)

2
xtab
37.566

6. -

x 2cal

(20)(9.4)
23.5
8

7. - conclusin: como x2cal es igual a 23.5 entonces se acepta la Ho, por lo tanto
muestra indica que la maquina no funciona defectuosamente.

la

Prueba de Hiptesis de 2 varianzas poblacionales.Ejemplo 4: dos maquinas arrojando los siguientes resultados:
A
n1 = 13
S12 = 0.01

B
n2 = 16
S22 = 0.008

Estn trabajando ambas maquinas con la misma variabilidad?

Use (= 0.1)
Solucin:

Ho : 12 22

1. -

Ha : 12 22
2. - (= 0.1)
3. - Suposiciones:
- las muestras son aleatorias
- proviene de una distribucin normal
4. -

s12 22
s22 12

F(n -1)(n -1)

1

5. -

Hallando :
Zona de aceptacin de Ho

0.05

F1 F(12,15)

0.05

1
F(15,12) 0.95

F1 0.382
F2 F(12,15) 0.95 2.48

F1 0.382 F2 2.48

Criterio:
6. ya que

Si 0.382 < Fc < 2.48 se acepta la Ho, caso contrario se rechaza.

12 22
Fcal

(0.01) 22
(0.008) 12

1.25

7. - Como Fcal = 1.25 se acepta la Ho, es decir ambas maquinas trabajan con la misma
variabilidad.

Distribuciones Continuas
1. HALLAR:
a) P(z > 0.1) + P(z<-0.25)
Solucin:
P(z>0.1) + P(z<-0.25) = 1- P(z0.1) + P(z<-0.25)
P(z>0.1) + P(z<-0.25) =1 - 0.5398 + 0.4013 = 0.8615
b) P(z>1.52)
Solucin:
P(z >1.52) + P(z <-1.52) = 1-P(z1.52) + P(z<-1.52)
P(z >1.52) + P(z <-1.52) =1-0.9357+0.0643 = 0.1286
c) P(z <1.80/ z<2.15)
Solucin: lo resolveremos de la siguiente manera
Z <1.80 -2.15< z <2.15 -2.15 < z < 1.80
entonces tenemos:

Z 1.80 PZ 1.80 Z 2.15 P(2.15 Z 1.80)

2
.
15
P
Z

2
.
15
P(2.15 Z 2.15)

calculando vamos a tener:

P(-2.15 < Z < 1.80) = P(Z>-2.15) P(Z>1.80)
P(-2.15 < Z < 1.80) =1- P(Z-2.15) 1 + P(Z1.80)
P(-2.15 < Z < 1.80) =1- 0.0158 1 + 0.9641 = 0.9483
P(-2.15 < Z < 2.15) =1
Luego tendremos lo siguiente:

Z 1.80
0.9483
P

2
.
15

d) Si y es una variable normal estndar. Hallar yo / P(Y > YO) = 0.9857, X N(4,2)
Solucin: lo resolveremos de la siguiente manera

P(Y YO ) 0.9857
Y Y YO Y
P( Z Z O ) 0.9857
P

Y
Y

1 P( Z Z O ) 0.9857
P( Z Z O ) 0.0143 Z O 2.19

De lo cual tenemos que Y=4, Y=2; entonces:

ZO

YO Y

Y
YO Z O Y Y 2.19 * 2 4

Con lo cual tenemos:

YO=0.902872
e) Si XN(3,4) encontrar C si P(X>C) = 2P(XC)
Solucin: tenemos lo siguiente

X X C X
X X C X
2 P
P

X
X
X
X
P( Z Z O ) 2 P( Z Z O )

1 P( Z Z O ) 2 P( Z Z O )
p( Z Z O ) 0.3333 Z O 0.44
Tenemos lo siguiente X =3 X=2
De lo anterior tenemos:
C=ZO*X+X= -0.44*2+3
C=2.12
2. HALLAR:
a) P(t>t1) + P(t<-0.860)=0.3

; n=21

Solucin:
P(t>t1) = 0.3 P(t>0.860) = 0.3 0.2 = 0.1
P(t>t1)=0.1 t1 = 1.325
b) P(t>1.325/ t < 2.086)
Solucin: lo resolveremos de la siguiente manera

t >1.325 -2.086 < t < 2.086 1.325 < t < 2.086

entonces tenemos:

t 1.325 Pt 1.325 2.15 t 2.15 P1.325 t 2.15

2
.
15
P

2
.
15

2
.
15
P(2.05 t 2.15)

calculando vamos a obtener:

P(1.325<t<2.15)=P(t>1.325) P(t>2.15)=0.10 0.023=0.077
P(-2.15<t<2.15)=0.954

Tendremos lo siguiente:

c) P(-0.906< t <1.943) , n=6

t 1.325
0.0807
P

2
.
15

Solucin: tenemos lo siguiente

P(-0.906<t<1.943) = P(t>-0.906) P(t>1.943) =
P(t<0.906) 0.05 =1- P(t0.906) 0.05 = 1 0.20 0.05 = 0.75
d) Si XN(X,225). Si se extrae una muestra de n=16. Hallar P(X->3.247)
Solucin:

P X 0.3247

X 3.247

Pt 0.866 0.20
SY
15

4
n

3. Un procesador de alimentos envasa caf en frascos de 400 gr. El contenido de

dichos frascos es una variable continua distribuida normalmente con medida de 400
gr y =5 gr
a) Si se selecciona un frasco al azar Cul es la probabilidad de que presente un
contenido menor de 390 gr?
b) Si se selecciona una muestra de 4 frascos y se encuentra que P(X<L)=0.983.
Hallar L.
Solucin:
a) X(400,25), X= contenido de caf

X 390 400

P X 390 P

S
25
X

P( Z 2) 0.0228
b) tenemos n=4, entonces

P X L 0.983

X L 400

Pt t o 0.983
SX
5

4
n
Pt t o 1 Pt t o 0.983

Pt t o 0.017 t O
L 2.5 * t O 400

4. Supngase que x es el largo de una varilla que tiene distribucin normal N(10,2),
en vez de medir el valor de x, slo se especifica que cumpla ciertas exigencias por
lo cual cada varilla fabricada se clasifica como x12cm y x< 12cm. si se fabrican 16
varillas. Cul es la probabilidad de que un nmero igual de varillas caiga en cada
uno de las categoras anteriores?
Solucin:
XN(10,2)

n = 16

X 12 10
P( X 12) P

SX
2

16
n
P(t 5.657)

5. En una partida grande de pilas elctricas, la vida til de ellas esta distribuida
normalmente con una media de 400 horas. Se sabe adems que el 90% de las pilas
tienen una vida til comprendida entre 318 y 482 horas. Si se selecciona una
muestra aleatoria de 25 pilas de esa partida. Cul es la probabilidad que la media
muestral sea mayor que 420 horas?
Solucin:
n=25 XN(400,X2)

X=400

adems:
de lo cul, adems tenemos:

S
S

P(318 482) P X t O X X t O X 0.90

n
n

420 400

P X 420 P t

SX

25

1 0.90 0.10
Pt t O 0.05 t O 1.71

tO * S X

400

n
S X 239.766

1.71 * S X
25

0.05

318

P( X 420) P(t 0.4171) 0.34(int erpolando )

6. Se disea la dimensin de una determinada pieza en 5 pulg. para que dicha pieza
encaje con otra. Por experiencia se sabe que la varianza del proceso es de
0.0064pulg2. si una muestra aleatoria de 49 piezas presenta una media de 5.05
pulgadas:
a) Construya un intervalo de confianza del 90% y del 95% para la medida
poblacional
b) En base a los datos de la muestra aleatoria. Se debe aceptar que la media de la
longitud de la pieza es igual a 5? Use =0.01
Solucin:
Resolviendo tenemos lo siguiente:
a) X=5.05

X=0.08

n=49

P X Z O X X Z O X 1
n
n

Para 1 - = 0.90 tenemos = 0.1 /2=0.05zo=1.64

P(5.03<<5.07)

Intervalo
confianza
de

z0 1.64

z0 1.64

Para 1 - tenemos zo=1.96

P(5.01<<5.07)

Intervalo
confianza
de

z 0 1.96

z0 1.96

b) X=5 =0.01

No: =5

=0.01

muestra aleatoria N(5, 0.0064)

como n30Z=(X-)/(X/n)

tenemos que 0.005ZT= -2.58

el ZC=4.375

Entonces se rechaza ZC

Na: 5

Intervalo
confianza
de

z 0 2.58

z 0 2.58

zc 4.37

7. La direccin general de trnsito usa decenas de focos para semforos cada ao. La
marca que ha sido usada hasta ahora tiene una vida media de 1000 horas con una
desviacin estndar de 90 horas. Es ofrecida una nueva marca al departamento a
precio muy inferior al que ha estado pagando. El departamento decide comprar la
nueva marca a menos que su vida media sea menor que 1000 horas. Posteriormente
son probadas 100 lmparas de esta nueva marca, dando un promedio de 990 horas.
Suponiendo que la desviacin estndar de la nueva marca es la misma que la
antigua.
a) Interprete un rango de confianza del 95% para la vida media de la nueva marca.
b) Qu recomendara a la direccin general de trnsito a un nivel de = 0.05?
Solucin:
tenemos lo siguiente:

P X Z O X X X Z O X 1 0.95 0.05
n
n

a) tenemos lo siguiente que:

n=100

X=90

X=990
P(Z>ZO)=0.025ZO=1.96

Entonces tenemos que

P(972.36<X<1007.64)
Para el rango de confianza de 0.95 la vida media de la nueva marca est limitada
inferiormente por 972.36 y limitada superiormente por 1007.64

Intervalo
confianza
de

z 0 1.96

z0 1.96

b) tenemos que
NO: X=1000
NA: X>1000
P(Z>ZO)=0.05ZO=1.64
ZC=3.071
Se recomendara no comprar

Intervalo
confianza
de

z0 1.64

z0 1.64

zc 3.07

8. La compaa A, produce focos pequeos de 1.5 voltios y desea analizar la

variabilidad del proceso de produccin. Se tomo una muestra aleatoria de 16 focos y
se obtuvo una media de la duracin de 120 horas y un coeficiente de variabilidad
igual a 25%

a) Halle el intervalo de confianza del 98% para la desviacin estndar poblacional

b) Es la varianza mayor a 980 horas. Use =0.01
Solucin
Tenemos lo siguiente n=16 X=120, adems C.V.=(S/X)*100%
Va a tener 25=(S/120)*100S=30

Llegamos a lo siguiente

n 1S X
n 1S X
P
2
2
2
X
X 1 / 2
/ 2

a) En esta pregunta nos dice que 1- =0.02

Llegamos a lo siguiente

16 130 2
16 130 2
P

2
2

X 0.01
X 0.99

P(21.004 50.806) 0.98

b) Vamos a tener

n 1S 2
2

X 2 n 1g.l.

NO: 2=980
NA:2>980
= 0.01
n=16

=980

S=30

=0.01

X2tab = 30.6

X 2 CAL

15 * 30 2
13.78
980

Se encuentra en la zona de aceptacin

Intervalo
confianza
de

x(21 ) 5.23
2

x(2 ) 30.6
2

xc2 13.78

P 13500 13500
30.6

5.23

9. Midiendo la longitud de muestras de fibras de nylon tomadas de dos mquinas de

hilar se encontr que 8 muestras de la primera mquina tenan una medida de
9.67cm con una desviacin estndar de 1.81, mientras que 10 muestras de la
segunda mquina tienen una medida de 7.43 cm con una desviacin estndar de
1.48. Encuentre un intervalo de confianza del 90% para la verdadera diferencia de
media 1-2
Solucin
Del enunciado del problema tenemos los siguientes datos:
X1=9.67 1=1.81
X2=7.43

2=1.48 n=8; 1-=0.90=0.10

P(Z>Z0)=0.05 ZO=1.64
2

12 2
12 2 2

P X 1 X 2 Z O

1 2 X 1 X 2 Z O

n1
n2
n1
n2

P(0.884 1 2 3.6)

P(0.884<1-2<3.6)=0.90

Intervalo
confianza
de

z0 1.64

z0 1.64

10. Un profesor seala el rendimiento de los alumnos en este ao a sido inferior al del
ao pasado, ya que el promedio fue menor y la variabilidad de las notas mayor. El
director de la facultad desea refutar la afirmacin del profesor para lo cual toma una
muestra del presente ciclo de 16 notas encontrndose los siguientes resultados:
media muestral = 65 variancia muestral = 16, si para el ciclo anterior la media fue de
67 y la varianza = 12 para n = 21. Es la variabilidad de las notas de este ciclo
diferente al ciclo anterior? ( = 0.10)

Solucin

NO: I2 = 22

NA: 12 22

Suposiciones (muestras estimadas al azar: poblacin normal)

S12 22
Fn11n 21
S 22 12

n1 = 16

n2 = 21

S1 = 16

S22 = 12

X1 = 65

X2 = 67

hallando tenemos:

F1 F15, 200.05

1
F20,150.95

1
2.33

F1 0.4292
F2 F15, 200.95 2.20
F2 2.20
Como FCAL = 1.33 se acepta la NO

Intervalo
confianza
de

F1 0.42

F2 2.20

Fc 1.33