You are on page 1of 17

TEOREMA DEL LIMITE CENTRAL:

El teorema del límite central dice que, bajo condiciones más bien generales,
las sumas y medias de muestras aleatorias de mediciones tomadas de una
población tienden a tener una distribución aproximadamente normal.

TEOREMA: si Ẋ es la media de una muestra de tamaño “n” que se toma de


una población con media µ y varianza Ϭ², entonces cuando “n” es grande,
Ẋ es aproximadamente normal, además para “n” grande, la variable
aleatoria Z=(Ẋ-µ)/(Ϭ/√n) es aproximadamente normal estándar.

La aproximación normal para Ẋ generalmente será buena si n≥30 sin importar


la forma de la población. Si n <30 la aproximación es buena solo si la
población no difiere mucho de una distribución normal.

Si se sabe que la población es normal, la distribución muestral de Ẋ seguirá


exactamente una distribución normal, sin importar que tan pequeño sea
el tamaño de las muestras
ESTIMACION DE LA VARIANZA Ϭ² :

Si se toma una muestra de tamaño “n” de una población normal con


varianza Ϭ² y se calcula la varianza muestral s², se obtiene un valor
del estadístico S². esta varianza muestral calculada se utilizará como
una estimación puntual de Ϭ². por lo que al estadístico S² se le
llama estimador de Ϭ².
Puede establecerse una estimación de intervalo de Ϭ² utilizando el
estadístico siguiente:

Esta distribución se llama “ji o chi cuadrada” con v = n-1 grados de


libertad

La fórmula para calcular s² es la siguiente:


IMPORTANCIA DE LA INFERENCIA DE LA VARIANZA

Ya hemos visto que una estimación de la varianza poblacional


Ϭ² suele ser necesaria antes de hacer inferencias acerca de
medias poblacionales, pero a veces la varianza poblacional
Ϭ² es el objetivo principal en una investigación
experimental. Puede ser más importante para el
experimentador que la media poblacional. Considere estos
ejemplos:
• Los instrumentos de mediciones científicas deben dar
lecturas no sesgadas con un muy pequeño error de
medición.

• Las piezas maquinadas en un proceso de manufactura


deben ser producidas con mínima variabilidad para reducir
piezas fuera de dimensiones y, por tanto, defectuosas.
INTERVALO DE CONFIANZA PARA Ϭ².

Si s² es la varianza de una muestra aleatoria de tamaño “n” de


una población normal, un intervalo de confianza del (1-
α)100% para Ϭ² es:

α = 1- IC
Ejemplo: los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de
pasto distribuidos por determinada compañía: 46.4, 46.1, 45.8, 47, 46.1, 45.9,
45.8, 46.9, 45.2, 46. encuentrese un intervalo de confianza de 95% para la
varianza de todos los paquetes de semillas de pasto que distribuyó esta compañía,
suponiendo una distribución normal.

Solución: primero se encuentra la varianza muestral s²

Para obtener un intervalo de confianza de 95% , α=0.05, α/2=0.025, entonces


utilizando la tabla A5 con v=9 grados de libertad se encuentra que χ²(0.025)=
19.023 y χ²(0.975)=2.700, por lo tanto el intervalo de confianza de 95% para Ϭ² es:
Xi Xi²
46,4 2152,96
46,1 2125,21
45,8 2097,64
47 2209
46,1 2125,21
45,9 2106,81
.
45,8 2097,64
46,9 2199,61
45,2 2043,04
46 2116

461,2 21273,12
Ejercicio para hacer en clase:
Un fabricante de baterías para automóvil asegura que sus
baterías duran en promedio 3 años, con una varianza de 1
año.
Si 5 de estas baterías tienen duraciones de 1.9, 2.4, 3.0, 3.5, 4.2
años, determine un intervalo de confianza de 95% para Ϭ² e
indique si es válida la afirmación del fabricante de que Ϭ²=1.
Suponga que la población de las duraciones de las baterías se
distribuye aproximadamente en forma normal.
Solucion:

Xi Xi²
1,9 3,61
2,4 5,76
3 9
3,5 12,25
4,2 17,64

15 48,26
Ejercicio para hacer en clase 2:
Se obtiene una muestra aleatoria de 20
estudiantes con una media de Ẋ=72, y una
varianza s²=16 en un examen de ubicación de
matemáticas.

Suponga que las calificaciones tienen una


distribución normal y determine un intervalo
de confianza de 98% para Ϭ².
.
Ejercicio 3 para clase:
Una maquina produce piezas metálicas de forma
cilíndrica.
Se toma una muestra de piezas cuyos diámetros
son: 1.01, 0.97, 1.03, 1.04, 0.99, 0.98, 0.99,
1.01 y 1.02 cm.
Determine un intervalo de confianza de 99%
para Ϭ², si se supone una distribución
aproximadamente normal.
Xi Xi²
1,01 1,0201
0,97 0,9409
1,03 1,0609
1,04 1,0816
0,99 0,9801
0,98 0,9604
0,99 0,9801
1,01 1,0201
1,03 1,0609
0

9,05 9,1051
Ejercicio 4 para clase: Se toma una muestra
aleatoria de 12 agujas de tejer en un estudio
de dureza, se realizan las mediciones y se
obtiene un valor promedio de 48,5 con una
desviación estándar de 1.5.
Suponiendo que las mediciones están
normalmente distribuidas ,determine un
intervalo de confianza de 90% para Ϭ².
Solucion.
Ejercicio 5 para clase:
Durante un experimento, un estudiante registró
las mediciones 4.1, 5.2 y 10.2.
Construya un intervalo de confianza de 90%
para estimar el verdadero valor de la varianza
de población.
Xi Xi²
4,1 16,81
5,2 27,04
10,2 104,04

19,5 147,89
Tarea para el domingo 18 de febrero
1. A continuación aparecen los precios por onza
de n = 13 marcas diferentes de rebanadas de
queso envueltas individualmente:
29.0 24.1 23.7 19.6 27.5
28.7 28.0 23.8 18.9 23.9
21.6 25.9 27.4
Encuentre un intervalo de confianza de 95% y
del 90% para la varianza de los precios por
onza de rebanadas de queso envueltas
individualmente.