ESTADISTICA GENERAL – 2016 -

Nombre: Guilmar Lara Pérez Registro: 4012941

Ejercicio de repaso general

Ejercicio 1

Sea X una variable de interés cuya distribución de frecuencias en la población de

referencia se ajusta a una distribución Normal con µ= 20 y con = 2. Alguien que
no conoce estos valores planea estimarlos a partir de una muestra aleatoria de 16
unidades muéstrales de la población de referencia en cada una de las cuales
registrará los correspondientes valores de X. Con los datos que obtenga, esta
persona calculará los siguientes estadísticos:

( ̅)
̅ ∑ ∑

1. Explicar qué es la esperanza de X y qué es la varianza de X.

Esperanza X es un promedio de los valores que asumidos por la variable aleatoria

en función de la población.

Varianza de X es un promedio ponderado de los cuadrados de los desvíos

respecto a la esperanza de X de una población.

X=Variable aleatoria que se quiere medir. Peso, rendimiento, incidencia de plaga.

2. ¿Cómo llaman los estadísticos ̅

promedio ponderado muestral

² = varianza muestral

3. Explicar por qué los estadísticos ̅ son variables aleatorias

Las variables y ² son variables aleatorias porque los valores que toma
corresponden a los distintos resultados posibles de un experimento realizado
bajo las mismas condiciones.

4. Explicar qué es la esperanza de .

La esperanza del valor de la media maestral E ( es el valor promedio de todas

las medias muéstrales que se obtiene de cada muestra.
5. ¿Cuál es el valor de la esperanza de ?

Como la muestra es una representación en miniatura de la población y como la

misma sigue siendo distribución normal los valores de la media muestral deben
aproximarse en distribución a una normal, así si la media de la población es
µ=20, lo más probable es que la media muestral sea cercano a 20.

6. Explicar qué es la varianza de

Es una medida de dispersión de la media muestral definida como la esperanza

del cuadrado de la desviación de dicha variable respecto a su media

7. ¿Cuál es el valor de la varianza de ?

²= (σ²/n)=(2²/16)=0.25
8. ¿Cuál es la distribución de probabilidad de ?
Es una distribución de probabilidades normal. La representación gráfica de la
función de densidad normal es una curva simétrica que tiene forma de campana.
La localización del centro de la campana está dado por el parámetro μ (la
esperanza y la mayor o menor amplitud de la campana viene dada por σ2 (la
varianza).

9. ¿Cuál es la probabilidad de que tome un valor que no difiera de la esperanza de X en

más que 1?
( )

̅
( ) ( )
√

( )
√
( )

( ) ( )
√

̅
10. Si se obtienen 3 muestras aleatorias de 16 realizaciones unidades en las que
se registra variable aleatoria X, ¿cuál es la probabilidad de que el estadístico
correspondiente exactamente una de las muestras tome un valor que no difiera
de la esperanza de X en más que 1?

P=1 * PX n=3
3
P= 1 = 0.333
3
P= 0.333*0.0455= 0.01515=1.515%
Px= 100-1515=98.458

11. Explicar qué es la esperanza de S2.

La esperanza de la varianza muestral es igual a la varianza de la variable original.
En el ejemplo: E(S² 4 σ². Luego, S2 es un estimador insesgado de σ²

12. ¿Cuál es el valor de la esperanza de S2?

Ejemplo: E(S² 4 σ². Luego, S2 es un estimador insesgado de σ²

13. ¿Qué distribución de probabilidad tiene el siguiente estadístico?

̅

Tiene una distribución asintótica normal.

14. ¿Cuánto vale la siguiente probabilidad?
̅

√
[ ]

P(Z<2.602)=0.99534=99.534%

15. ¿Cuál es la forma genérica de un intervalo de confianza para ?

16. ¿Cómo se modifica la precisión del intervalo de confianza para si aumenta

la varianza de X, si se cambia el nivel de confianza elegido, o si se aumenta el
tamaño de la muestra?
Si aumenta la varianza el rango del intervalo de confianza aumenta por lo que su
precisión disminuye.

Si se cambia el nivel de confianza elegido el nivel de precisión del intervalo

cambia y es directamente proporcional al nivel de confianza.

Si se aumenta el tamaño de la muestra el intervalo de confianza aumenta su

precisión.

17. ¿Cuál es el estadístico de prueba apropiado para poner a prueba la hipótesis

nula Ho) 25?

Como se conoce la desviación estándar poblacional σ 2, se usará el estadístico:

18. ¿Cómo de calcula el valor para poner a prueba la hipótesis nula Ho)
25?
Usando el enfoque del valor p, para una prueba unilateral derecho, se desea
encontrar la probabilidad de obtener un estadístico Z igual o más grande que Z
calculado en unidades de desviación estándar respecto del centro de la
Distribución Normal Estándar. Esto significa que se debe calcular la probabilidad
de obtener un valor Z mayor a Z calculado, como así también la probabilidad de
obtener un valor menor que Z calculado. De la Tabla de los Cuantiles de la
Distribución Normal Estándar, se obtienen las probabilidades para Z.
Si la probabilidad P es menor que α la hipótesis nula se rechaza.

19. ¿Cuál es, en este caso, la verdadera distribución de probabilidad del

estadístico de prueba apropiado para poner a prueba la hipótesis nula Ho) 25?
(Ayuda: ver página 138)

Si X se distribuye normal con media μ y varianza σ2, luego la variable Z (la

estandarización de X), se distribuye normal con media 0 y varianza 1.
Ejercicio 2

Un fitotecnista ensaya un nuevo híbrido de girasol para decidir si conviene

introducirlo en el norte de Santa Fe. Para ello, se dispone a seleccionar al azar 25
lotes dentro de la región, cultivar en cada lote el híbrido en cuestión y registrar
los rendimientos que obtenga en cada uno. Luego calculará la media aritmética
de los rendimientos que registre (media muestral).

1. Identificar la población, la muestra y las variables aleatorias a registrar.

La población es la región de santa Fe, la muestra son los lotes dentro de la

región, variables aleatorias son el promedio del rendimiento de girasol y la
varianza de la muestra.

2. Explicar qué significa que las variables aleatorias a registrar son

independientes e idénticamente distribuidas.

Significa que la probabilidad de X asuma cierto valor es igualmente probable para

cada medición. Tienen la misma distribución debido a son una representación de
la distribución de la población.

3. ¿Qué valor tendrá la esperanza de dichas variables aleatorias?

El valor de la esperanza de dichas variables es la esperanza de la población.

4. ¿Qué valor tendrá la varianza de dichas variables aleatorias?

La varianza de dichas variables muéstrales es la varianza de la población.

5. Explicar por qué la media aritmética de los rendimientos a obtener es una

variable aleatoria.

Porque puede tomar distintos valores para cada medición y bajo las mismas
condiciones.

6. Explicar qué es la esperanza de dicha media muestral. ¿Cuál será su valor?

La esperanza del valor de la media maestral E( es el valor promedio de todas las

medias muéstrales que se obtiene de cada muestra.

7. Explicar qué es la varianza de dicha media muestral. ¿Cuál será su valor?

Es una medida de dispersión de la media muestral definida como la esperanza

del cuadrado de la desviación de dicha variable respecto a su media

E( ²)= (σ²/n)
8. ¿A qué modelo se aproxima la distribución de probabilidad de la media
muestral a calcular?

La distribución de probabilidades de la media muestral se aproxima a la

distribución de probabilidades de las variables aleatorias. Esto significa que, si las
variables aleatorias tienen una distribución normal, entonces la media muestral
también tendrá una distribución de probabilidades normal.

Ejercicio 3

Si el rendimiento de un lote de girasol a tomar al azar en el norte de Santa Fe en

tn/ha es una variable aleatoria con distribución aproximadamente Normal con µ=
2,5 y =0,6.

1. Identificar el experimento aleatorio que produce la variable aleatoria en

cuestión.

Consiste en seleccionar al azar 25 lotes dentro de la región, cultivar en cada lote

el híbrido en cuestión y registrar los rendimientos que obtenga en cada uno.
Luego calculará la media aritmética de los rendimientos que registre.

2. ¿Cuánto vale la esperanza del rendimiento de un lote de girasol a tomar al azar

en el sur de Santa Fe? ¿Por qué nos interesa este valor?

E(X)=µ=2.5

Nos interesa porque en función al rendimiento se toma la decisión de invertir o

no.

3. ¿Cuánto vale la varianza del rendimiento de un lote de girasol a tomar al azar

en el sur de Santa Fe?

σ² = 0,6² = 0.36

4. Nombrar dos posibles causas materiales de la varianza de los rendimientos del

cultivo de girasol.

Dos posibles causas pueden ser fertilización, y plagas.

5. ¿Cuál es el valor de rendimiento superado por el 10% de los lotes de girasol del
sur de Santa Fe?

P(x≤x P ( ) = 0.1

P=0.1 z=-1.25 z=

X=z*σ +µ x=-125*0.6+2.5 x=1.75

6. ¿Cuál es el valor del percentil 75 de la distribución de frecuencias de los
rendimientos de girasol en el sur de Santa Fe?

valor del percentil 1.75

=75 z=0.67

X=0.674*0.6+2.5 x=2.9044

7. ¿Cuál es la probabilidad de que un lote a tomar al azar tenga un rendimiento

superior a los 2500 kg/ha?

P(x 2.5) == P ( )

1-P(x 2.5)=1- P ( )

Z= =0

P=0.5 1-0.5=0.5=50%

8. ¿Cuál es la probabilidad de la media aritmética de los rendimientos de 10 lotes

de girasol a tomar al azar en el sur de Santa Fe supere los 2500 kg/ha?

̅
P= ( 2.5) =P ( ( ))
√

1-P ( 2.5) =P ( )
√

Z=0 P=0.5

1-P=0.5=50%

9. ¿Cuál es la probabilidad de que un lote a tomar al azar tenga un rendimiento

superior a los 2800 kg/ha? ¿Qué relación tiene esa probabilidad con la frecuencia
relativa de lotes con rendimiento superior a 2800 kg/ha en la población formada
por todos los lotes de girasol del sur de Santa Fe?

P=(x ) = P( )

Z= =0.5

P=0.69 =69
 1-P=1 =1-0.69=0.31

Px= *0.31 =0.0124 =1.24%

10. ¿Cuál es la probabilidad de que la media aritmética de los rendimientos de 10

lotes de girasol a tomar al azar en el sur de Santa Fe supere los 2800 kg/ha?

̅
P=(x ) =P ( )
√

̅
1-P ( ) =1-P ( ) 1-P ( )
√ √

Z=1.85 1.6 p=0.9452

1-0.9452 =0.548 =5.48%

Ejercicio 4

En la Depresión de Salado (Prov. de Buenos Aires), el agua de los pozos que se

usa para el ganado contiene concentraciones variables de sales. Un técnico
planea estimar el promedio de los contenidos de sales de todos los pozos de
dicha región a partir de los datos de una muestra aleatoria de 25 pozos de la
región.

1. ¿En qué consiste el procedimiento que el técnico debe aplicar para obtener la
muestra aleatoria? ¿Qué variables aleatorias registrará?

Se seleccionara 25 pozos al azar dentro de la región y se registrara el contenido

de sales de cada pozo, luego se procederá a calcular la media aritmética y la
varianza.

2. ¿Por qué la media muestral de los contenidos de sales del agua de los 25
pozos que se incluyan en la muestra es una variable aleatoria?

Porque puede tomar valores distintos para cada medición bajo las mismas
condiciones.

3. ¿Qué es la esperanza de la media muestral en este caso particular? ¿Qué valor

tiene?

Es el promedio de todos los resultados obtenidos multiplicado por su frecuencia.

4. ¿De qué depende la probabilidad de que la media muestral a obtener tome un
valor cercano al de la media poblacional que se planea estimar?

Depende del número del tamaño de la muestra.

Y registrar el porcentaje de sales como cloro, sodio, magnesio, potasio, calcio.

Como variables aleatorias.

Si en verdad los contenidos de sales del agua de todos los pozos de la Depresión
del Salado tienen promedio µ= 15 mg /I y desvío estándar = 22,8 mg /l.

5. Cuál es el valor aproximado de la probabilidad de que la media muestral que

obtendrá el técnico tome un valor entre 64,8 y 85,2 mg/1?

µ=mg/L y desvió σ σ 22.8m/L85.2

P (64.8<x<85.2)

P1 (̅≤85.2)=P ( )
√

z 2.2368≃2.25 P=0.9871

P2 (̅≤64.9)= P ( )
√

z=-2.24≃-2.25

P=0.01222 =1.222%

P (64.8<x<85.2)= P2- P1 P1=0.9877-0.01222=0.97

6. ¿Qué tamaño de muestra debe tomar el técnico para que la probabilidad de

que la media muestral difiera de la media poblacional en menos que 6 mg /1 sea
a lo sumo de 0,90?

Probabilidad =90%

Α 10% =0.1 =0.05

1- =0.95

q1=z (0.05)=-1.645

q2=z (0.95)=1.645
 P ( -1645* ≤µ≤ 1.645
√ √

1.645* =6 n=(1.645*22.8/6)²=39
√

Ejercicio 5

Un ingeniero agrónomo necesita una estimación precisa y confiable de la

cantidad de pasto presente en un lote de 32 has sembrado con una pastura.

1. Detallar los pasos del procedimiento que el ingeniero deberá seguir para
obtener la estimación que necesita. Cuando corresponda, presentar las fórmulas
que aplicará.

Resp. Se dividirá las 32 has. En cuadros de 1x1 m² para proceder a tomar

muestras de la población, se tomara una muestra aleatoria de 10 lotes de 1m²

Lote Área peso

1 1m² X1
2 1m² X2
3 1m² X3
4 1m² X4
5 1m² X5
6 1m² X6
7 1m² X7
8 1m² X8
9 1m² X9
10 1m² X10

Se calcula el peso promedio

Σ
n

n= tamaño de la muestra

= variable aleatoria (peso del pasto)

Con la media aritmética del peso calculado se procede a realizar la estimación

para las 32 has.
 =
Para un área de 1m²

1m²

32000m²

= 32000m²=A Kg

Una vez que tenemos el valor de x podríamos reportar que el peso de la

pastura de 32 has es X pero se reportara con un intervalo de confianza del
95%
Construcción del intervalo de confianza, la función que se realizara será
asumiendo una distribución de studen ya que no se conoce la varianza de
la población

T= -µ
S

Se establece una confianza del 95% y tamaño de muestra =10

Los Cuantiles interior y superior de una distribución T con (10-1) gl son

q1 = T (9; 0.025) = 2.262 q2 = 2.262

P( -2.262* √(5²/10) ≤µ≤ +2.262*√(5²/10))= 0.95

2. Explicar por qué el intervalo de confianza a construir es un intervalo aleatorio.

¿Qué consecuencia tiene su carácter aleatorio?

Es un intervalo aleatorio porque la variable que se está estudiando es aleatoria.

La consecuencia de su carácter aleatorios que no se conoce un valor exacto y
puede tomar distintos valores bajo las mismas consecuencias de medición.

3. ¿Cuál será la medida de la confianza a depositar en el intervalo a construir?

¿Cómo la controla el ingeniero?
Esta puede hacerse indicando el nivel estándar del estimador o en el caso de un
intervalo de confianza, se da un intervalo de confianza que incluya el verdadero
valor del parámetro con un cierto nivel de confianza
Coeficiente de confianza (1-α

4. ¿Cuál controla el ingeniero la precisión del intervalo a obtener? ¿Qué

información necesita para ello?
Con la cantidad de muestras mientras mayor sea la cantidad de muestras mayor
será la precisión.

Ejercicio 6

Una asociación de defensa del consumidor denuncia que una empresa arrocera
vende paquetes etiquetados como de 1kg que en realidad pesan en promedio
menos que 1 kg. Para establecer si es razonable aceptar esta denuncia, juzgado
que interviene pide el asesoramiento de peritos estadísticos que proponen
obtener y examinar una muestra aleatoria de 15 paquetes de arroz entregados
por la empresa en cuestión en los supermercados. Con los pesos de los paquetes
a incluir en la muestra, se disponen a estimar el promedio y la varianza de todos
los pesos de los paquetes producidos por la empresa y a realizar una prueba de
hipótesis apropiada para juzgar el caso.

1. Identificar las unidades muéstrales, la muestra y las variables aleatorias

involucradas en este problema. ¿Por qué causas se trata de variables aleatorias?

Resp. Unidad muestral: paquete de arroz.

Muestra: 15 paquetes de arroz

Variable aleatoria: peso de cada paquete

Son variables aleatorias porque pueden tomar valores distintos bajo las mismas
condiciones de medición.

2. ¿Qué experimento aleatorio genera las variables aleatorias en cuestión?

Tomar una muestra aleatoria de los paquetes y registrar el peso.

3. Formular hipótesis verbales y estadísticas apropiadas para juzgar el caso.

Paso 1 planteo de hipótesis estadística

H0=µ<µ0 (kg)

H1=µ≤ µ0
Paso 2 para probar una hipótesis se planifica una experiencia que consiste
en obtener y examinar una muestra aleatoria de los paquetes

̅
W=( )
√

4. Seleccionar un nivel de significación apropiado. Explicar qué implica el

valor elegido. Una vez obtenida la muestra y realizadas las mediciones los
pesos de los paquetes resultan ser los siguientes (en gramos):
987 995 1003 945 1002 968 1002 997 1005 987 985 1007 1009 979 1003
Se fija el nivel de significación d=0.05

El nivel de significación representa la máxima de equivocarse en el sentido

de que la hipótesis es falsa cuando en realidad no lo es.

H0= hipótesis nula

H1=hipótesis alternativa

∑ = =991.6

² ∑ ( )=300.69
S=√ =17.34

Establecimiento de puntos críticos

El punto crítico para este ejemplo es una variable T de studen es el cuantil

0.95 de la distribución T con (n-1) grados de libertad.

T (14; 0.95) =PC=1.76

ZA= (-∞1.76) y ZR (1.76, ∞)

W= =-1.876
√

Como w está dentro de la zona de aceptación se acepta la hipótesis nula.

5. Calcular el valor p. Explicar que mide y cómo se define.

P es una medida de la probabilidad de hipótesis nula.

P (w≥-1.876)=1-P (w<-1.816)

P=0.05

Se acepta la hipótesis nula

6. Concluir la prueba de hipótesis y explicar la conclusión en términos del

problema particular.

La inferencia realizada se extiende a la población estimada por los

paquetes de arroz entregados al súper.

7. ¿A qué población se extiende la inferencia realizada?

La posible ocurrencia de una hipótesis de un error depende de la condición

de falsedad o verdad de la hipótesis nula y de la decisión basada en la
muestra de aceptarla o rechazarla.

8. ¿Qué error se puede haber cometido? ¿Qué consecuencias tendría? ¿De

qué depende el riesgo de ese tipo de error?

De acuerdo a la prueba de hipótesis realizada se concluye que los

paquetes de arroz tienen un peso menos a 1kg.

Ejercicio 7

Un fitotecnista necesita comparar la incidencia del gusano barrenador del tallo en

las plantas de dos cultivares híbridos de maíz A y B bajo condiciones de cultivo
comercial. Para ello, toma 100 plantas al azar en un lote cultivado con el híbrido
Ay 100 en otro lote cultivado con el híbrido B. Entre las 100 plantas del cultivar A
encuentra 25 afectadas por el gusano barrenador, mientras entre las 100 plantas
del cultivar B, encuentra que 39 están afectadas.

1. ¿Cuántas poblaciones, cuántas muestras y cuántas unidades muéstrales

fueron involucradas en esta investigación?

Se tienen 2 poblaciones

Se toman 2 muestras de 200 unidades muéstrales y 100 para cada

muestra

2. ¿Cuáles son las variables aleatorias categóricas cuyas distribuciones de

probabilidad compara el fítotecnista?

xa=incidencia del gusano en el hibrido A

 Xb=incidencia del gusano en el hibrido B

3. Los números observados de plantas del cultivar A y del cultivar B

afectadas por el gusano barrenador son realizaciones de dos variables
aleatorias. ¿Qué tipo de distribución de probabilidad siguen esas variables?

Distribución binominal

4. ¿En cuánto debería estimar el fítotecnista la incidencia del gusano

barrenador en cada uno de los híbridos?

A= =0.25

B= =0.39

5. ¿Por qué existe incertidumbre respecto de estas estimaciones?

Se pudo haber cometidos errores en la medición.

6. ¿Puede el fítotecnista concluir, con un nivel de significación α 0,05,

que la incidencia del gusano barrenador difiere entre los dos híbridos?
(Desarrollar la prueba de hipótesis)

α 0.5

E(x)A =100*0.25=25% E(x)B =100*0.39=39%

σ²A=100*0.25 (1-0.25)=18.75

σ²B=100*0.39 (1-0.39)=23.79

H0=E(x)A≠E(x B

H1=E(x)A=E(x)B

Función de probabilidad binomial

P (m, θ)=( ) (1. )

7. ¿A qué poblaciones se extiende la inferencia realizada?

Se extiende a las poblaciones de los híbridos A y B

8. Explicar qué error se puede haber cometido y qué consecuencia tendría

en este caso.
La posible ocurrencia de uno otro error depende de la medición de verdad
o falsedad de la hipótesis nula y de la decisión basada en la muestra de
rechazarla o aceptarla.

Ejercicio 8

El pastoreo de las ovejas es selectivo; estos animales comen preferentemente

plantas de ciertas especies vegetales y evitan otras. En la estepa Patagónica, una
especie preferida por las ovejas es el pasto Bromus pictus y entre las especies
evitadas hay un grupo de pastos duros localmente denominados coirones. Se ha
postulado que los coirones podrían proteger del pastoreo a las plantas de
especies preferidas que crecen cerca de ellas.

Para poner a prueba esta hipótesis, investigadores de la FAUBA intentan

comparar la biomasa promedio (gramos/planta) de las plantas de Bromus pictus
que crecen cerca de coirones con la biomasa promedio de plantas de la misma
especie que crecen lejos de dichos pastos duros en un lote experimental de 5000
has en la estepa patagónica. Para ello, deciden obtener, dentro del lote
experimental, una muestra aleatoria de 10 plantas de Bromus pictus que crecen
cerca de coirones y otra muestra aleatoria de 10 plantas que crecen lejos de
coirones y evaluar la biomasa de cada planta.

1. Identificar las poblaciones, las muestras, las unidades muéstrales y las

variables aleatorias involucradas en este estudio.

x1=promedio de la biomasa de las plantas de bromus pictus que crecen

cerca de coirones

X2=promedio de biomasa de las plantas de bromus pictus y crecen lejos

de los coirones.

n1=10 plantas n2=10 plantas

Población: de las plantas brumus pictus de un lote de 5000 has.

Muestra: una muestra de plantas que crecen cerca y otra muestra de

plantas que crecen lejos.

Unidad muestral: 10 plantas en cada muestra

Variable aleatoria: promedio de la biomasa de cada planta

2. Explicar qué son los valores de biomasa promedio que se intenta

comparar.
Es la cantidad de materia acumulada de un individuo, de una población o
ecosistema.

3. Proponer dos posibles causas materiales de la varianza de las variables

aleatorias a registrar.

Luego de realizar el experimento propuesto, los investigadores registra los

datos que figuran en siguiente la tabla:

Biomasa total [g/planta]

Lejos de eoirones 0.09 - 1.23 - 0.01 - 1.12- 0.36 - 0.37 - 0.64 - 0.24 - 0.05 - 0.01
Cerca de coirones 0.70 - 1.84 - 0.50 - 0.89 - 0.62 - 0.85 - 1.83 - 0.79 - 0.48 - 0.51

Fertilización y pisoteo.

4. Formular y poner a prueba hipótesis apropiadas para cumplir con el

objetivo de los investigadores con un nivel de significación α 0,05

Formulación de hipótesis

H0:µPC=µPL

H1:µPC≠µPL

α=0.05

1 =∑ =0.412

1 =∑ =0.901

²1=∑( )²/9 =0.2016

²2=∑( )²/9 =0.2633

Límite inferior = = =0.25

Límite superior=1-0.023=0.975

W0.025=-2.262 W0.0975=2.262

̅
T=( )=-2.26
√
 ( )
V= -2
( ) ( )

V=19.6

P= ( 1-x2)-T (v, α/2)*√ ≤µ1-µ2

( 1-x2)+T (v, α/2)*√

(0.812-0.901)-2.093*√ =

-0.489-0.4512≤µ1-µ2≤-0.489+0.491

-0.9402≤ µ1-µ2≤-0.0378

5. Interpretar los resultados de la inferencia en términos del problema particular.

Se rechaza la hipótesis nula porque el parámetro -2 está fuera de rango.

6. Explicar qué error se puede haber cometido. ¿Qué se hubiera podido hacer
para que el riesgo de este tipo de error fuera menor?

error de medición de datos o la toma de muestra.

Con la cantidad de muestras mientras mayor sea la cantidad de muestras mayor

será la precisión.

7. Construir un intervalo de confianza 0,95 para la diferencia entre la biomasa

promedio de las plantas de Bromus pictus que crecen cerca y lejos de los
coirones en el lote experimental.

²1=∑( )²/9 =0.2016

²2=∑( )²/9 =0.2633

Límite inferior = = =0.25

Límite superior=1-0.023=0.975

W0.025=-2.262 W0.0975=2.262

̅
T=( )=-2.26
√
 ( )
V= -2
( ) ( )

V=19.6

P= ( 1-x2)-T (v, α/2 *√ ≤µ1-µ2

( 1-x2)+T (v, α/2 *√

(0.812-0.901)-2.093*√ =

-0.489-0.4512≤µ1-µ2≤-0.489+0.491

-0.9402≤ µ1-µ2≤-0.0378

8. Bajo qué supuesto son válidos la prueba de hipótesis realizada y el intervalo de

confianza construido.

Son válidos bajo el supuesto que los coirones podrían proteger a las plantas de
especies que crecen cerca de ellas. La hipótesis es cierta en el caso de la
esperanza de la biomasa de las plantas que crecen cerca de los coirones es igual
al promedio de las plantas que crecen lejos.