El documento presenta datos sobre concentraciones de dióxido de carbono y diferencias de albúmina entre dos laboratorios. Se piden estimaciones mediante intervalos de confianza de: 1) la concentración media de CO2 cerca del suelo, 2) la diferencia media de medición de albúmina entre los laboratorios, y 3) la dispersión de los datos de composición de desechos orgánicos. También se piden intervalos de confianza para proporciones de larvas en huevos irradiados y diferencias de precipitaciones entre provincias.

1. RELACIÓN 5. ESTIMACIÓN
 1.-La concentración media de dióxido de carbono en el
aire en una cierta zona no es habitualmente mayor que
335 p.p.m.v. (partes por millón en volumen). Se sospecha
que esta concentración es mayor en la capa de aire más
próxima a la superficie. Se ha analizado el aire en 20
puntos elegidos aleatoriamente a una misma altura cerca
del suelo, resultando una media muestral de 580 p.p.m.v.
y una cuasidesviación típica de 180. Suponiendo
normalidad para las mediciones, dar una estimación
puntual para la concentración media de dióxido de
carbono cerca del suelo y calcular un intervalo de
confianza al nivel de confianza 0.95.
20; 580; 180n x s= = =
X: “ Concentración media de dióxido de carbono en el aire”
X→ N (µ, σ)
µ 580xµ = =
PROPONER

2. 1 0.95; 0.05; 2 0.025α α α− = = =
/ 2; 1 / 2; 1. ;n n
S S
I C X X
n n
t tα α− −
 
= − + 
 
180 180
. . 580 2.093 ; 580 2.093
20 20
I C
 
= − + = 
 
[ ]495.7584 ; 664 2416.=
20; 580; 180n x S= = =
X: “ Concentración media de dióxido de carbono en el aire”
X→ N (µ, σ)
µ 580xµ = =
/ 2; 1 0.025;19 2.093nt tα − = =

3. 10; 0.58; 0.22n x σ= = =
X: ”Diferencia albúmina entre A y B”
X→ N (µ, σ = 0.22)
 2.- Ante la sospecha de una diferencia sistemática
entre dos laboratorios A y B a la hora de determinar
la cantidad de albúmina sérica, expresada en
gr./100ml., se ha realizado una experiencia consistente
en la extracción de sangre a 10 pacientes. Para cada
muestra de sangre se midió tal proteína en ambos
laboratorios y las diferencias entre laboratorios (A–B)
fueron las siguientes:
0.6, 0.7, 0.8, 0.9, 0.3, 0.5, –0.5, 1.3, 0.4, 0.8
Considerando normalidad, calcular un
intervalo de confianza para la diferencia media de
medición al nivel de confianza 0.9 considerando que la
desviación tipica de las diferencias poblacionales es
0.22. A este nivel de confianza, ¿qué tamaño mínimo
de muestra deberíamos tomar para que la amplitud
del intervalo fuese menor o igual que la mitad del
anterior?.

4. / 2 0.051 0.90; 0.10; 2 0.05; 1.645z zαα α α− = = = = =
0.05 0.05
0.22 0.22
. . 0.58 ; 0.58
10 10
I C z z
 
= − + = 
 
0 0
/ 2 /2
1
:
2
m z z
m n
α α
σ σ
≤
0 0
/ 2 / 2. . ;I C X z X z
n n
α α
σ σ 
= − + 
  
1 1 1
2 4
2
40
m n m n
m n
m
≤ ⇒ ≥ ⇒ ≥
⇒ ≥
[ ]0.4656; 0 6944.=
0
/ 2 ;2 z
n
α
σ
×Amplitud Interv =
010; 0.58; 0.22n x σ= = =
X: ”Diferencia albúmina entre A y B”
X→ N (µ, σ = 0.22)

5.  3.- Para evaluar la viabilidad de un proyecto de
reforestación de una zona sometida a stress turístico,
para el que se ha solicitado una subvención pública, se
analiza la composición en mg. por cm3 de desechos
orgánicos del territorio. Los datos que se obtienen son:
10.87, 9.01, 22.50, 12.35, 17.39, 31.05, 17.19, 16.74,
20.33, 19.32, 23.18, 25.15, 15.49, 20.30, 2.38, 13.55,
9.33, 22.72, 10.96, 25.90, 27.66, 9.74, 18.65, 9.31,
24.60, 17.41, 24.86, 15.34, 23.34, 22.81, 17.86
Considerando normalidad, estimar mediante un
intervalo de confianza la dispersión de la distribución de
los datos (considerar un nivel de confianza de 0.95).
2 2 2
0.025;30 0.975;30/ 2; 1
17.9771; 6.6178; 31; 0.05; 2 0.05
47; 16.8n
x s n
α
α α
χ χ χ−
= = = = =
= = =
2 2
2 2
/ 2; 1 1 / 2; 1
( 1) ( 1)
. . ;
n n
n S n S
I C
α αχ χ− − −
 
− − =
 
  
[ ]
1313.85 1313.85
. . ; 27.9543; 78.2054
47 16.8
I C
 
= =  
X: ”composición de desechos orgánicos por mg/cm3
”
X→ N (µ, σ)
PROPONER

6.  4.- Con el fin de estudiar el efecto de los rayos X
sobre la viabilidad huevo-larva en “Tribolium
castaneum” se irradiaron 1000 huevos de los que
resultaron 572 larvas.
Hallar un intervalo de confianza para la
proporción de lavas en huevos irradiados al nivel de
confianza del 0.95.
X: “número de larvas en 1000 huevos”
µ
2 0.025
572
1000; 0.572
1000
1 0.95; 0.05; 2 0.025
1.96
n p
z zα
α α α
= = =
− = = =
= =
µ
µ µ
( ) µ
µ µ
( )
/ 2 / 2
1 1
. . ;
p p p p
I C p p
n n
z zα α
 − − 
= − + 
  
[ ]0.5413; 0.6027=
0.572 0.428
0.572 1.96
1000
× 
+ =

0.572 0.428
. . 0.572 1.96 ;
1000
I C
×
= −

PROPONER

7. Prov. A 100 89 84 120 130 105 60 70 90 108 130
Prov. B 120 115 96 115 140 120 75 90 108 130 135
5.- La siguiente tabla proporciona datos sobre la
precipitación total registrada en 11 estaciones
meteorológicas de dos provincias españolas.
Suponiendo independencia y normalidad, dar una
estimación mediante un intervalo de confianza al nivel de
confianza de 0.8 para:
a.- Cociente de varianzas de la pluviosidad entre
las dos provincias.
b.- Diferencia de las medias de la pluviosidad
entre las dos provincias, si se sabe por experiencia previa
que la varianza de las precipitaciones en la provincia A y
en la provincia B son iguales.
c.- Diferencia de las medias de pluviosidad si se
sabe por experiencia previa que la varianza de las
precipitaciones en la provincia A es de 475 y en la
provincia B de 350.
XA
: ”precipitaciones en provincia A” XA
→ N (µA
, σA
)
XB
: ” precipitaciones en provincia B” XB
→ N (µB
, σB
)
PROPONER

8. / 2; 1, 1 0.1;10,10 2.32
A Bn nF Fα − − = =
[ ]
1 524 8182 524 8182
. . ; 2 32 0.5808; 3.1261
2 32 389 4909 389 4909
. .
I C .
. . .
× ×
 
= ≡  
a.- Cociente de varianzas
2 2
11; 524.8182; 389.4909A B BAn n S S= = = =
/ 2; 1, 1 0.1;10,10 2.32
B An nF Fα − − = =
1 0.80; 0.20; 2 0.10α α α− = = =
2 2
/ 2 ; 1, 12 2
/2; 1, 1
1
. . ;
B A
A B
A A
n n
n n B B
S S
I C F
F S S
α
α
− −
− −
 
 =
 
 

9. / 2; 2 0.1;20 1.325
A Bn nt tα + − = =
/ 2; 2
1 1
. .
A BA B n n p
A B
I C X X t S
n n
α ×+ −
 
 = − ± +
  
2 2
( 1) ( 1)
2
10 524.8182 10 389.4909
21.3812
20
A A B B
p
A B
n n
n n
S S
S
× ×
− + −
= =
+ −
+
= =
[ ]
2
. . 98.7273 113.0909 1.325 21.3812
11
26.4436; 2.2836
I C ×
 
= − ± ≡ 
 
= − −
b. Diferencia de medias.
Varianzas desconocidas, pero iguales
1 0.80; 0.20; 2 0.10α α α− = = =
98.7273; 113.0909A Bx x= =

10. ( )
2 2
/ 2. . A B
A B
A B
I C X X z
n n
α
σ σ
 
 = − ± +
 
  
( )
( )
475 350
. . 98.7273 113.0909 1.285 ;
11 11
475 350
98.7273 113.0909 1.285
11 11
I C

= − − +


− + + =

[ ]25.498 ; 3.2785= − −
XA → N (µA, σA = )475
c. Diferencia de medias. Varianzas Conocidas
XA
: “precipitaciones en provincia A”
XB: “ precipitaciones en provincia B”
/ 2 0.10 1.285z zα = =
XB → N (µB, σB = )350
1 0.80; 0.20; 2 0.10α α α− = = =
98.7273; 113.0909A Bx x= =

11.  6.- Muchos autores afirman que los pacientes con
depresión tienen una función cortical inferior a la
normal debido a un riego sanguíneo por debajo de los
niveles habituales. A dos muestras de individuos, unos
con depresión y otros normales, se les midió un índice
del flujo sanguíneo cerebral (dado en mg/(100g/min))
obteniéndose
Hallar un intervalo de confianza al nivel de
confianza de 0.99 para la diferencia del índice medio de
flujo sanguíneo cerebral considerando normalidad e
independencia.
Tamaño
muestral
Media
muestral
Desviación típica
muestral
Depresivos 195 47 7.8
Normales 225 53.8 6.1
XD
: “Indice de flujo de individuos depresivos”
XD
→ N (µD
, σD
)
XN
: “índice de flujo de individuos normales”
XN
→ N (µN
, σN
)
Tamaños muestrales grandes

12. 22
/ 2. . ND
D N
D N
SS
I C X X
n n
zα
 
 = − ± +
 
 
[ ]8.5835; 5.0165= − −
61.1536 37.3761
47 53.8 2.575
195 225

− + + =

61.1536 37.3761
. . 47 53.8 2.575 ;
195 225
I C

= − − +

/ 2 0.0051 0.99; 0.01; 2 0.005; 2.575z zαα α α− = = = = =
2 2
2 2
195; 225
7.8 61.1536
1
6.1 37.3761
1
D N
D
D
D
N
N
N
n
n
n
n
n n
S
S
= =
= =
−
= =
−

13.  7.- En una piscifactoría se desea comparar el
porcentaje de peces adultos que miden menos de 20 cm
con los que miden más de 40 cm. Para ello se toma una
muestra de 200 peces observando que 40 de ellos miden
menos de 20 cm y 57 más de 40 cm.
Hallar un intervalo de confianza para la
diferencia de proporciones al nivel de confianza del
0.95.
1 2
1 2
200; 200
40 57
ˆ ˆ0.2; 0.285
200 200
n n
p p
= =
= = = =
µ µ
µ µ
( ) µ µ
( )1 1 2 2
/ 21 2
1 2
1 1
. .
p p p p
I C p p
n n
zα
 
− − 
= − ± + 
 
 
[ ]
0.2 0.8 0.285 0.715
. . 0.2 0.285 1.96
200 200
0.1686; 0.001409
I C
 × ×
= − ± + ≡ 
 
= − −
X1
: “número de peces que miden menos de 20 cm entre 200”
X2
: “número de peces que miden más de 20 cm entre 200”
2 0.0251 0.95; 0.05; 2 0.025; 1.96z zαα α α− = = = = =
PROPONER

14. a. El que tiene un nivel de confianza de 0.99
 8.- Contesta razonadamente a estas preguntas:
a.- ¿Cuál tiene mayor amplitud, un intervalo
de confianza al nivel 0.95 ó 0.99?
b.- ¿Cuál es el efecto del tamaño muestral
sobre la amplitud de un intervalo de confianza?
b. Mayor tamaño muestral menor amplitud, con el
mismo nivel de confianza.

15.  9.- En una piscifactoría hay una proporción
desconocida de peces de una especie A. Para obtener
información sobre esa proporción se sacan 145 peces de
los cuales 29 son tipo A. Estimar dicha proporción
mediante un intervalo de confianza al nivel de confianza
0.95.
µ 29
145; 0.2
145
n p= = =
µ
µ µ
( ) µ
µ µ
( )
/2 / 2
1 1
. . ;
p p p p
I C p z p z
n n
α α
 − − 
= − + 
  
[ ]
0.2 0.8 0.2 0.8
. . 0.2 1.96 ; 0.2 1.96
145 145
0.1349; 0.2651
I C
× × 
= − + = 
 
=
X: “número de peces de una especie A”
/ 2 0.025 1.96z zα = =
1 0.95; 0.05; 2 0.025α α α− = = =

16.  10.- En una experiencia genética se extraen 20 moscas
de una caja experimental. Medida la longitud del ala en
cada mosca se obtuvieron los siguientes valores:
93, 90, 97, 90, 93, 91, 96, 94, 91, 91, 88, 93, 95, 91,
89, 92, 87, 88, 90, 86
Suponiendo que la longitud del ala sigue una
distribución normal, hallar un intervalo de confianza de
nivel 0.9 para los parámetros µ y σ2
.
20; 91.25; 2.9357n x S= = =
/ 2; 1 /2 ; 1. . ;n n
S S
I C X X
n n
t tα α− −
 
= − + 
 
[ ]
2.9357 2.9357
. . 91.25 2.093 ; 91.25 2.093
20 20
89.8761; 92.6239
I C
 
= − + = 
 
=
X: “longitud del ala de una mosca” X → N (µ; σ)
/ 2; 1 0.025;19 2.093nt tα − = =
Intervalo de Confianza para la Media
1 0.95; 0.05; 2 0.025α α α− = = =
PROPONER

17. 2 2
2 2
/2; 1 1 / 2; 1
( 1) ( 1)
. . ;
n n
n S n S
I C
α αχ χ− − −
 
− − =
 
  
[ ]
163.7484 163.7484
. . ; 4.9772;18.3780
32.9 8.91
I C
 
= ≡  
2 2
/ 2; 1 0.025;19
2 2
1 / 2; 1 0.975;19
32.9
8.91
n
n
α
α
χ χ
χ χ
−
− −
= =
= =
Intervalo de Confianza para la Varianza
20; 91.25; 2.9357n x S= = =
X: “longitud del ala de una mosca” X → N (µ; σ)
1 0.95; 0.05; 2 0.025α α α− = = =

18.  11.- Queremos comparar dos métodos rápidos para
estimar la concentración de una hormona en una
solución. Tenemos 10 dosis preparadas en el laboratorio y
vamos a medir la concentración de cada una con los dos
métodos. Se obtienen los siguientes resultados:
Dosis 1 2 3 4 5 6 7 8 9 10
Método
A
10.7 11.2 15.3 14.9 13.9 15 15.6 15.7 14.3 10.8
Método
B
11.1 11.4 15 15.1 14.3 15.4 15.4 16 14.3 11.2
XA
: “Concentración método A” XA
→ N (µA
, σA
)
XB
: “Concentración método B” XB
→ N (µB
, σB
)
2 2
10; 4.1493; 3.6951A B BAn n S S= = = =
a) Calcular un intervalo de confianza al nivel 0.9
para el cociente de varianzas
b) Suponiendo que las variables son
independientes, siguen distribuciones Normales y las
varianzas poblacionales son iguales, calcular un intervalo
de confianza al nivel 0.9 para la diferencia de
concentraciones medias.

19. / 2; 1, 1 0.05; 9,9
/ 2; 1, 1 0.05; 9,9
3.18
3.18
A B
B A
n n
n n
F F
F F
α
α
− −
− −
= =
= =
2 2
/ 2; 1, 12 2
/2; 1, 1
1
. . ;
B A
A B
A A
n n
n n B B
S S
I C F
F S S
α
α
× ×− −
− −
 
 =
 
  
[ ]
1 4.1493 4.1493
. . ; 3.18 0.3531; 3.5709
3.18 3.6951 3.6951
I C × ×
 
= =  
a) Cociente de varianzas
2 2
10; 4.1493; 3.6951A B BAn n S S= = = =
1 0.90; 0.10; 2 0.05α α α− = = =

20. / 2; 2 0.05;18 1.734
A Bn nt tα + − = =
/ 2; 2
1 1
. . A BA B n n p
A B
I C X X S
n n
tα ×+ −
 
= − ± + 
 
2 2
( 1) ( 1) 9 4.1493 9 3.6951
1.9805
2 18
A A B B
p
A B
n n
n n
s s
s
× ×− + − +
= = =
+ −
[ ]
2
. . 13.74 13.92 1.734 1.9805 1.7158;1.3558
10
I C ×
 
= − ± = − 
 
b) Diferencia de medias
2 2
10; 4.1493; 3.6951A B BAn n S S= = = =
1 0.90; 0.10; 2 0.05α α α− = = =
13.74; 13.92A Bx x= =

21.  12.- En el análisis de un pigmento contenido en una
cierta flor de una planta vegetal se obtuvieron los
siguientes resultados experimentales, expresados como
mg de pigmento por gramo de flor: 2.08, 2.11, 2.39, 2.08,
2.12, 2.23, 2.17 y 2.11.
Considerando normalidad, calcular un intervalo
de confianza para el número medio de mg de pigmento
por gramo de flor, así como para su varianza (nivel de
confianza 0.99)
/ 2; 1 0.005;7
8; 2.1613; 0.1051
3.499n
n x S
t tα −
= = =
= =
/ 2; 1 / 2; 1. . ;n n
S S
I C X t X t
n n
α α− −
 
= − + 
 
[ ]
0.1051 0.1051
. . 2.1613 3.499 ; 2.1613 3.499
8 8
2.0313; 2.2913
I C × ×
 
= − + ≡ 
 
=
X: “mg de pigmento por gr.” X → N (µ, σ)
Intervalo de Confianza para la Media

22. 2 22
0.005;7 0.995;7/ 2; 1 20.3; 0.989nαχ χ χ− = = =
2 2
2 2
/ 2; 1 1 / 2; 1
( 1) ( 1)
. . ;
n n
n S n S
I C
α αχ χ− − −
 
− − =
 
 
[ ]
0.0773 0.0773
. . ;
20.3 0.989
0.003808; 0.0782
I C
 
= =  
=
Intervalo de Confianza para la Varianza
8; 2.1613; 0.1051n x S= = =

23.  13.- Un grupo de investigadores está interesado en
conocer la concentración media de una enzima en cierta
población de algas. Se sabe por experiencias previas que
la varianza de la concentración de esta enzima es de 35.
Si se obtiene una muestra de tamaño 15
dándonos un nivel de concentración media de 18, calcular
un intervalo de confianza al nivel 0.95 (se supone
normalidad).
/ 2 0.025
15; 18; 5.916079783
1.96
n x
z zα
σ= = =
= =
[ ]
5.916079783 5.916079783
. . 18 1.96 ; 18 1.96
15 15
15.0061; 20.9939
I C × ×
 
= − + ≡ 
 
=
/ 2 / 2. . ;I C X z X z
n n
α α
σ σ 
= − + 
 
X: “Concentración de una enzima”
X → N (µ, σ = 5.916079783)

24. 14.- Se considera un experimento para estudiar si la
terapia cognitiva es más efectiva para la depresión que
la psicoterapia psicodinámica. Se consideran dos
muestras de 10 personas cada una sobre las que se
realiza cada terapia. Tras 6 semanas de terapia, la
mejoría en cada paciente se comprueba. Esta mejoría
es marcada (0-10) para cada paciente como sigue:
Considerando normalidad e independencia y
suponiendo las varianzas iguales, estimar la diferencia
de medias en efectividad y calcular un intervalo de
confianza al nivel 0.95.
Cognitiva 9 7 7 8 3 8 7 5 6 8
Psicodinámica 3 2 4 0 5 2 4 3 2 5
2 2
10
6.7; 3
3.3444; 2.4444
A B
A B
BA
n n
x x
S S
= =
= =
= =

25. / 2; 2 0.025;18 2.101A Bn nt tα + − = =
/ 2; 2
1 1
. .
A BA B n n p
A B
I C X X t S
n n
α ×+ −
 
= − ± + 
 
2 2
( 1) ( 1)
2
9 3.3444 9 2.4444
1.7013
18
A A B B
p
A B
n s n s
S
n n
× ×
− + −
= =
+ −
+
= =
[ ]
1 1
. . 6.7 3 2.101 1.7013
10 10
2.1015; 5.2985
I C ×
 
= − ± + = 
 
=
Diferencia de medias
2 2
10
6.7; 3
3.3444; 2.4444
A B
A B
A B
n n
x x
S S
= =
= =
= =

26.  15.- Los investigadores de la Environmental
Protection Agency (EPA) se interesan por la calidad del
aire. Uno de los indicadores de la calidad del aire es el
número medio de microorganismos de partículas en
suspensión por metro cúbico de aire. Es decir, el interés
se centra en µ, la media de la variable aleatoria X,
número de microorganismos de partículas en
suspensión por metro cúbico de aire. Para controlar la
situación se hace una lectura cada seis días, extrayendo
un metro cúbico de aire a través de un filtro y
determinado el número de microorganismos de
partículas en suspensión concentradas en él. Después
de un período de treinta días, se ha generado una
muestra aleatoria de tamaño 5. Los valores observados
de estas variables, para el período dado de 30 días son:
58, 57, 59, 70, 61.
Hallar un intervalo de confianza al nivel de
confianza 0.95 para el número medio de
microorganismos de partículas en suspensión por metro
cúbico de aire para los siguientes supuestos:
a.- Es conocido por experiencias previas que la
variable en estudio está normalmente distribuida con
varianza poblacional igual a 9.
b.- Es conocido por experiencias previas que la
variable en estudio está normalmente distribuida.

27. / 2 0.0255; 61; 3; 1.96n x z zασ= = = = =
[ ]
3 3
. . 61 1.96 ; 61 1.96 58.3704; 63.6296
5 5
I C
 
= − + = 
 
/ 2 / 2. . ;I C X z X z
n n
α α
σ σ 
= − + 
 
X: “Número de microorganismos de partículas en
suspensión por metro cúbico de aire”
X→ N (µ; σ = 3)a
/ 2; 1 0.025;4
5; 61; 5.2440
2.776n
n x S
ttα −
= = =
= =
[ ]
5.2440 5.2440
. . 61 2.776 ; 61 2.776
5 5
54.4898; 67.5102
I C
 
= − + = 
 
=
/ 2; 1 / 2; 1. . ;n n
S S
I C X t X t
n n
α α− −
 
= − + 
 
X→ N (µ; σ)b