Guia 3

Guı́a No 3 Estimación por intervalos
Bioestadı́stica
Profesores: Patricio Cumsille - Hellen Pezo
Noviembre 2010
P1. Entre los diabéticos, el nivel de glucosa en la sangre X, en ayunas, puede suponerse de distribución
aproximadamente normal, con media 106 mg/100 ml y desviación tı́pica 8 mg/100 ml, es decir
X N (µ = 106, σ 2 = 64)
1. Hallar P[X ≤ 120]
2. ¿Qué porcentaje de diabéticos tienen niveles comprendidos entre 90 y 120?
3. Hallar P[106 ≤ X ≤ 110]
4. Hallar P[X > 121]
5. Hallar el punto x caracterizado por la propiedad de que el 25 % de todos los diabéticos tiene un
nivel de glucosa en ayunas inferior o igual a x.
Solución: Como siempre, definimos la variable estandarizada como Z = (X − µ)/σ, de modo que
para calcular las probabilidades pedidas, debemos primero estandarizar, enseguida utilizar correctamente
las propiedades de la distribución normal, y por último utilizar correctamente la tabla de esta distribución.
1.
P(X ≤ 120) = P(Z ≤ (120 − 106)/8)
= P(Z ≤ 1, 75) = 1 − P(Z > 1, 75) = 1 − 0, 0401 = 0, 9599.
2. Para responder a la pregunta debemos calcular P(90 ≤ X ≤ 120):
P(90 ≤ X ≤ 120) = P((90 − 106)/8 ≤ Z ≤ (120 − 106)/8) = P(−2 ≤ Z ≤ 1, 75)
= 1− P(Z < −2) −P(Z > 1, 75)

| {z }
=P(Z>2) por simetrı́a
= 1 − 0, 0228 − 0, 0401 = 0, 9371.
R: Un 93,71 %.
3.
P(106 ≤ X ≤ 110) = P(0 ≤ Z ≤ (110 − 106)/8)
= P(0 ≤ Z ≤ 0, 5) = P(Z > 0) − P(Z > 0, 5) = 0, 5 − 0, 3085 = 0, 1915.
1
4.
P(X > 121) = P(Z > (121 − 106)/8)
= P(Z > 1, 875) ≈ P(Z > 1, 88) = 0, 0301.
5. x se caracteriza por P(X ≤ x) = 0, 25. Esto equivale a P(Z ≤ z) = 0, 25, donde z se define como
z = (x − 106)/8. Luego al calcular z, podemos despejar x de la igualdad anterior. Entonces z es
el percentil 25 de la distribución normal, por lo cual este es negativo (por dejar bajo de sı́ un área
menor al 50 %). Por simetrı́a, tenemos que:
P(Z ≤ z) = P(Z ≥ −z) = 0, 25 ⇒ −z = 0, 67 (aprox.)
Luego tenemos que z = −0, 67 = (x − 106)/8 ⇒ x = (−0, 67) · 8 + 106 = 100, 64 aprox.
Por lo tanto el 25,14 % de los diabéticos tiene un nivel de glucosa en ayunas menor o igual a 100,64
mg/100 ml.
P2. Con el fin de estudiar el peso promedio de algunos alimentos envasados en un determinado superme-
rcado se obtuvieron los siguientes pesos en gramos: 516, 408, 499, 503, 504, 512, 497, 512, 514, 505,
492, 496, 506, 502, 509, 492. Calcular los intervalos de confianza para la media con nivel de confianza
92 %, 96 % y 98 %, suponiendo:
1. Que la varianza de la población es igual a 576.
2. Que la varianza de la población es desconocida.
Solución:
1. Ocupamos la fórmula del I.C. para varianza conocida:

σ
µ ∈ X̄ ± z1−α/2 · √
n
Debemos entonces calular X̄ y z1−α/2 .
X̄ = (516 + 408 + 499 + 503 + 504 + 512 + 497 + 512 + 514 + 505 + 492 + 496
+506 + 502 + 509 + 492)/16 = 497, 9375.
Para un N.C. de 92 % tenemos que α = 1 − 0, 92 = 0, 08 y por lo tanto α/2 = 0, 04. Bus-

camos en la tabla normal el área superior más cercana, la cual es 0,0401. Entonces z1−α/2 = 1, 75.
Reemplazando los datos en la fórmula del I.C. obtenemos:
" √ #
576
µ ∈ I1 = 497, 9375 ± 1, 75 · √ = [487, 4375; 508, 4375].
16
2
Cambiando el N.C. a 96 % tenemos que α = 1 − 0, 96 = 0, 04 y ası́ α/2 = 0, 02. El área superior
más cercana a este valor en la tabla es 0,0202 y luego z1−α/2 = 2, 05. El I.C. es:
µ ∈ I2 = [485, 6375; 510, 2375].
Por último, cambiando el N.C. a 98 % tenemos que α = 1 − 0, 98 = 0, 02 y ası́ α/2 = 0, 01. El

área superior más cercana a este valor en la tabla es 0,0099 y luego z1−α/2 = 2, 33. El I.C. es:
µ ∈ I3 = [483, 9575; 511, 9175].
Observación: Notar que a medida de que el nivel de confianza aumenta, los intervalos de confianza
son más grandes:
I1 ⊂ I2 ⊂ I3 .
2. En este caso debemos ocupar la fórmula para varianza desconocida:

" #
Ŝ
µ ∈ X̄ ± tn−1;1−α/2 · √
n
Debemos entonces calular Ŝ y tn−1;1−α/2 . Para Ŝ calculamos primero la cuasivarianza Ŝ 2 :

n
1 X 2 n
Ŝ 2 = Xi − X̄ 2
n − 1 i=1 n−1
= (5162 + 4082 + 4992 + 5032 + 5042 + 5122 + 4972 + 5122 + 5142 + 5052 + 4922 + 4962
16
+5062 + 5022 + 5092 + 4922 )/(16 − 1) − · (497, 9375)2 = 630, 7291667.
16 − 1
p
Luego Ŝ = Ŝ 2 = 630, 7291667 ≈ 25, 114.
Para un N.C. de 92 % tenemos que α = 1 − 0, 92 = 0, 08 y por lo tanto α/2 = 0, 04. Buscamos en

la tabla t−student el área superior más cercana, la cual es 0,05. Entonces tn−1;1−α/2 = 1, 753 (para
n − 1 = 15 grados de libertad). Reemplazando los datos en la fórmula del I.C. obtenemos:

25, 114
µ ∈ J1 = 497, 9375 ± 1, 753 · √ = [486, 9312895; 508, 9437105].
16
Cambiando el N.C. a 96 % tenemos que α = 1 − 0, 96 = 0, 04 y ası́ α/2 = 0, 02. El área superior
más cercana a este valor en la tabla t−student es 0,025 y luego tn−1;1−α/2 = 2, 131. El I.C. es:
µ ∈ J2 = [484, 5580165; 511, 3169835].
Por último, cambiando el N.C. a 98 % tenemos que α = 1 − 0, 98 = 0, 02 y ası́ α/2 = 0, 01. El

área superior más cercana a este valor en la tabla es 0,01 y luego tn−1;1−α/2 = 2, 602. El I.C. es:
µ ∈ J3 = [481, 600843; 514, 274157].
3
Observación: Notar que a medida de que el nivel de confianza aumenta, los intervalos de confianza
son más grandes:
J1 ⊂ J2 ⊂ J3 .
P3. Calcular un intervalo de confianza al nivel de significación α = 0, 05 para σ 2 mediante las desvia-
ciones que se producen en un proceso de fabricacion cuya distribucion es N(0, σ 2 ) a partir de la muestra
1, 2; −2, 2; −3, 1; −0, 2; 0, 5; 0, 6; −2, 1; 2, 2; 1, 3.
Solución: Utilizamos la fórmula para el I.C. para la varianza:

" #
2 2
nS nS
σ2 ∈ , .
χ2n−1;1−α/2 χ2n−1;α/2
Debemos calcular S 2 , para lo cual primero debemos hallar X̄:
1
X̄ = (1, 2 + −2, 2 + −3, 1 + −0, 2 + 0, 5 + 0, 6 + −2, 1 + 2, 2 + 1, 3) = −0, 2.
9
Enseguida calculamos S 2 :
n
2 1X 2
S = Xi − X̄ 2
n i=1
= [(1, 2)2 + (−2, 2)2 + (−3, 1)2 + (−0, 2)2 + (0, 5)2 + (0, 6)2 + (−2, 1)2 + (2, 2)2
+(1, 3)2 ]/9 − (−0, 2)2 = 3, 013333333
Enseguida determinamos los percentiles de la distribución chi-cuadrado, a partir de la tabla:
χ2n−1;1−α/2 = χ28;0,975 = 17, 53; χ2n−1;α/2 = χ28,0,025 = 2, 18.
Luego, reemplazamos en la fórmula del I.C.:

2 9 · 3, 013333333 9 · 3, 013333333
σ ∈ ; ≈ [1, 55; 12, 44].
17, 53 2, 18
Alternativamente, como nos dicen que la distribución de la población es N(0, σ 2 ), o sea µ = 0, pode-
mosm construir el siguiente estadı́stico:
n 9
1X 1X 2
T = (Xi − µ)2 = X = 3, 053333333,
n i=1 9 i=1 i
el cual reemplaza a la varianza S 2 , tenemos que
nT X (Xi − µ)2
= χ2n .
σ2 i=1
σ2
4
Utilizando este estadı́stico, obtenemos el siguiente I.C. para σ 2 :
" #
2 nT nT 9 · 3, 053333333 9 · 3, 053333333
σ ∈ , = ; ≈ [1, 445; 10, 178].
χ2n;1−α/2 χ2n;α/2 19, 02 2, 70
Observemos que en el caso anterior, los percentiles ahora cambian, ya que los grados de libertad son n
en lugar de n − 1.
P4. Calcular el tamano muestral que debemos tomar para obtener µ con una precisión de 0,001 a partir
de una muestra de una población N(µ, 3).
Solución: En este caso, debemos aplicar la fórmula para hallar el tamaño muestral mı́nimo necesario
para obtener µ con una precisión de 0,001 a partir de una muestra de una población N(µ, 3) (σ 2 = 3).
Como no nos indican el nivel de confianza, hay que escoger uno, por ejemplo, el nivel de confianza más
tı́pico es 0,95. En este caso, como α = 0, 05, obtenemos que z1−α/2 = z0,975 = 1, 96 y luego:
2
z1−α/2 (1, 96)2
N≥ σ2 = · 3 = 11524800.
d2 (0, 001)2
Es decir, el tamaño muestral mı́nimo serı́a 11524800 (once millones quinientos veinticuatro mil ochocien-
tas muestras). O sea, el costo a pagar por obtener una precisión tan alta como 0,001 es muy caro.

Guia 3

Cargado por

Copyright:

Formatos disponibles

Guia 3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia 3

Cargado por

Copyright:

Formatos disponibles

Guı́a No 3 Estimación por intervalos

1. Hallar P[X ≤ 120]

2. ¿Qué porcentaje de diabéticos tienen niveles comprendidos entre 90 y 120?

3. Hallar P[106 ≤ X ≤ 110]

4. Hallar P[X > 121]

P(X ≤ 120) = P(Z ≤ (120 − 106)/8)

= P(Z ≤ 1, 75) = 1 − P(Z > 1, 75) = 1 − 0, 0401 = 0, 9599.

2. Para responder a la pregunta debemos calcular P(90 ≤ X ≤ 120):

P(90 ≤ X ≤ 120) = P((90 − 106)/8 ≤ Z ≤ (120 − 106)/8) = P(−2 ≤ Z ≤ 1, 75)

= 1− P(Z < −2) −P(Z > 1, 75)

P(106 ≤ X ≤ 110) = P(0 ≤ Z ≤ (110 − 106)/8)

= P(0 ≤ Z ≤ 0, 5) = P(Z > 0) − P(Z > 0, 5) = 0, 5 − 0, 3085 = 0, 1915.

P(X > 121) = P(Z > (121 − 106)/8)

= P(Z > 1, 875) ≈ P(Z > 1, 88) = 0, 0301.

P(Z ≤ z) = P(Z ≥ −z) = 0, 25 ⇒ −z = 0, 67 (aprox.)

1. Que la varianza de la población es igual a 576.

2. Que la varianza de la población es desconocida.

1. Ocupamos la fórmula del I.C. para varianza conocida:

+506 + 502 + 509 + 492)/16 = 497, 9375.

Para un N.C. de 92 % tenemos que α = 1 − 0, 92 = 0, 08 y por lo tanto α/2 = 0, 04. Bus-

µ ∈ I2 = [485, 6375; 510, 2375].

Por último, cambiando el N.C. a 98 % tenemos que α = 1 − 0, 98 = 0, 02 y ası́ α/2 = 0, 01. El

µ ∈ I3 = [483, 9575; 511, 9175].

2. En este caso debemos ocupar la fórmula para varianza desconocida:

Debemos entonces calular Ŝ y tn−1;1−α/2 . Para Ŝ calculamos primero la cuasivarianza Ŝ 2 :

Para un N.C. de 92 % tenemos que α = 1 − 0, 92 = 0, 08 y por lo tanto α/2 = 0, 04. Buscamos en

µ ∈ J2 = [484, 5580165; 511, 3169835].

Por último, cambiando el N.C. a 98 % tenemos que α = 1 − 0, 98 = 0, 02 y ası́ α/2 = 0, 01. El

µ ∈ J3 = [481, 600843; 514, 274157].

1, 2; −2, 2; −3, 1; −0, 2; 0, 5; 0, 6; −2, 1; 2, 2; 1, 3.

Solución: Utilizamos la fórmula para el I.C. para la varianza:

Debemos calcular S 2 , para lo cual primero debemos hallar X̄:

+(1, 3)2 ]/9 − (−0, 2)2 = 3, 013333333

Enseguida determinamos los percentiles de la distribución chi-cuadrado, a partir de la tabla:

χ2n−1;1−α/2 = χ28;0,975 = 17, 53; χ2n−1;α/2 = χ28,0,025 = 2, 18.

Luego, reemplazamos en la fórmula del I.C.:

el cual reemplaza a la varianza S 2 , tenemos que

También podría gustarte