Intervalos de

Confianza
para la diferencia de
medias
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE
MEDIAS

Sean x11 , x12 , ... x1n1 , una muestra aleatoria de n1

observaciones
1 , y varianza 2
tomadas de una primera población con valor esperado
μ ;y 21 , 22 , ... 2n2 , una muestra aleatoria
σ 1
x x x
de n2 observaciones tomada de la segunda población con valor
esperado μ2 y varianza σ 2 2 . Si x1 y x2 son las medias

muestrales, la estadística x 1 − x 2 es un estimador puntual de

μ1 − μ 2 , y tiene una distribución normal si las dos poblaciones son
normales, o aproximadamente normal si cumple con las condiciones del
teorema del limite central (tamaños de muestras relativamente grandes).
Por lo tanto,

x 1 − x 2 − ( μ1 − μ 2 )
z=
σ 12 σ2 n1
+
 2
n2
Para calcular el intervalo de confianza para la diferencia de dos medias
se debe saber si las varianzas poblacionales son conocidas o
desconocidas, y en caso de que sean desconocidas, se debe probar si
son iguales o diferentes. Cada uno de estos tres casos se analizarán por
separado
Varianzas conocidas pero diferentes, σ1 ≠ σ 2
Si las varianzas poblacionales son conocidas y diferentes, los pasos a
seguir para encontrar el intervalo de confianza son los siguientes:

a) El estadístico usado como estimador puntual de la diferencia de

medias μ1 − μ 2 , será T = x 1 − x 2 , que es un estimador suficiente
b) La variable aleatoria asociada con el estimador será la variable
normal estándar dada por:
x 1 − x 2 − ( μ1 − μ 2 )
z= 2 2
σ 1 σ 2
+
n1 n2
c) Para calcular el intervalo de confianza se debe tener en cuenta el
nivel de confianza que se quiere considerar.

Teorema. Si x1 − x 2 son las medias de dos muestras aleatorias

independientes de tamaño n1 y n 2 tomadas de poblaciones que
2
tienen varianzas conocidas σ 12 σ 2 , respectivamente, entonces el
y

intervalo de confianza para μ1 − μ 2 es:

σ 12 σ 22 σ 2
1 σ 2
2
x1 − x 2 − + ≤ μ1 − μ 2 ≤ x 1 − x 2 + +
Z n1 n2 Z n1 n2
Ejemplo. Construya un intervalo de confianza del 94% para la diferencia
real entre las duraciones de dos marcas de focos, si una muestra de 40
focos tomada al azar de la primera marca dio una duración media de
418 horas, y una muestra de 50 focos de otra marca dieron una duración
media de 402 horas. Las desviaciones estándares de las dos
poblaciones son 26 horas y 22 horas, respectivamente.
Solución. Tenemos que: x 1 = 418 , x 1 = 402 ,
σ 1 = 26, σ 2 = 22, n1 = 40, n 2 = 50, Z = 1.88

El intervalo de confianza es, entonces:

σ 12 σ 22 σ 12 σ 22
x1 −x2 − + ≤ μ1 − μ 2 ≤ x 1 − x 2 + +
Z n1 n2 Z n1 n2
26
2
22 2 26
2
22 2
(418 − 402 ) − 1.88 + ≤ μ 1 − μ 2 ≤ (418 − 402 ) + 1.88 +
40 50 40 50
6.3 ≤ μ 1 − μ 2 ≤ 25.7
Varianzas desconocidas e iguales (σ 12 = σ 22 = σ 2 )

Cuando las varianzas son desconocidas, se debe realizar previamente

una prueba estadística para verificar si éstas son iguales o diferentes.
Para hacerlo debemos hacer uso de la distribución F, bien sea mediante
el cálculo de la probabilidad de que la muestra tomada provenga de dos
poblaciones con varianzas iguales, o mediante el uso de un intervalo de
confianza para la relación de dos varianzas, según se estudiará más
adelante. Como se desconocen las varianzas de la población, se usan
las varianzas de las muestras como estimadores.

El procedimiento a seguir para el cálculo del intervalo de confianza para

la diferencia de dos medias será el siguiente:

a) El estadístico usado como estimador puntual de la diferencia de

medias μ1 − μ 2 será x 1 − x 2 , que es un estimador suficiente.
b) La variable aleatoria asociada con el estimador será la
variable definida como (se usa t en caso de muestras
pequeñas):

x 1 − x 2 − ( μ1 − μ 2 )
t=
1 1
sp +
n1 n 2
p es un estimador combinado de las , “mejor” que
2
donde s s
2 2
s1 , s 2
2 2
2 (n − 1)s + (n − 1)s
por separado, donde s = 1 1 2 2

p n +n −2
1 2

c) Para calcular el intervalo de confianza se debe tener en cuenta el

nivel de confianza que se quiere considerar y los grados de libertad
que se calculan

g.l.= n1 + n2 – 2
De nuevo, manipulando la expresión anterior en forma similar al caso
previo se llega al siguiente teorema que nos define el intervalo de
confianza para la diferencia entre dos medias μ1 − μ 2 con varianzas
desconocidas pero iguales:

Teorema. Si x1 , x 2 , s12, s22 son las medias y las varianzas de dos

muestras aleatorias de tamaños n1 , n2 , respectivamente, tomadas de
dos poblaciones normales e independientes con varianzas desconocidas
pero iguales, entonces un intervalo de confianza para la diferencia entre
medias μ 1 − μ 2 es:

1 1 1 1
x1 − x 2 − t + ≤ μ1 − μ 2 ≤ x 1 − x 2 + t +
sp n1 n2 sp n1 n 2
Ejemplo. La siguiente tabla presenta los resultados de dos muestras
aleatorias para comparar el contenido de nicotina de dos marcas de
cigarrillos.

Suponiendo que los conjuntos de datos provienen de muestras tomadas

al azar de poblaciones normales con varianzas desconocidas e iguales,
construya un intervalo de confianza del 95% para la diferencia real de
nicotina de las dos marcas.
2
Solución. Como las varianzas son iguales, calculamos s p que está dado
por:

( 9 )0.52 + ( 7 )0.7 2
s 2p = = 0.355 ⇒ s p = 0.596
16
El intervalo de confianza del 95% está dado por (t(0.025,g.l.16) = 2.21):

1 1 1 1
x1 − x 2 − t s p + ≤ μ1 − μ 2 ≤ x 1 − x 2 + t s p +
n1 n2 1 n2
n 1 1 1
3. 1 − 2.7 − 2.21 (0.596) + ≤ μ − μ ≤ 3.1 − 2.7 + 2.21 +
10 8
(0.596) 1 2
10 8
−
1
 2
Varianzas desconocidas y diferentes ≠ σ 22
σ1
a) El estadístico usado como estimador puntual de la diferencia de
medias μ1 − μ 2 , será x 1 − x 2 , que es un estimador suficiente

b) La variable aleatoria asociada con el estimador será la variable t

definida como:

x 1 − x 2 − ( μ1 − μ 2 )
t= 2
s1 s 22
+
n1 n2

c) El intervalo de confianza esta dado por el siguiente teorema,

basado en la distribución t con n grados de libertad.
 2 2
Teorema. . Si x1 , x2 , s1 , s2 son las medias y las varianzas de dos
muestras aleatorias de tamaños n1 , n2 , respectivamente, tomadas de
dos poblaciones normales e independientes con varianzas desconocidas
y diferentes, entonces un intervalo de confianza para la diferencia entre
medias μ1 − μ 2 es (nuevamente para el caso de muestras pequeñas):
s12 s 22 s12 s 22
x1 − x 2 − t + ≤ μ1 − μ 2 ≤ x 1 − x 2 + t +
n1 n2 n1 n2
Los grados de libertad están dados por:
2

ν =
(s 2
1 / n 1 + s / n 2)
2
2
2 2
⎡ s2 / / ( n − 1) ⎤ +⎡( s 2 / / ( n − 1) ⎤
( ) )
n 1 1 1 n 2 2 2

Nota: el valor obtenido se redondea al entero más próximo.

Nota.
Si llevamos a cabo un cálculo de intervalo de confianza para
diferencia de medias, suponiendo que las varianzas no son
iguales, en el dado caso que sí lo fueran, perderíamos muy
poco, y el intervalo obtenido sería un poco conservador.
El caso de que supongamos que las varianzas son iguales,
siendo que no lo son, nos produce un error mayor que puede
ser considerable por lo que una sugerencia es usar varianzas
diferentes como regla general.
Problema. Cierto metal se produce, por lo común, mediante un proceso
estándar. Se desarrolla un nuevo proceso en el que se añade una
aleación a la producción del metal. Los fabricantes se encuentran
interesados en estimar la verdadera diferencia entre las tensiones de
ruptura de los metales producidos por los dos procesos. Para cada
metal se seleccionan 12 ejemplares y cada uno de éstos se somete a
una tensión hasta que se rompe.

La siguiente tabla muestra las tensiones de ruptura de los ejemplares,

en kilogramos por centímetro cuadrado:

Si se supone que el muestreo se llevó a cabo sobre dos distribuciones

normales e independientes, obtener los intervalos de confianza
estimados del 95 y 99% para la diferencia entre los dos procesos.
Interprete los resultados.
Solución:
Calculamos los valores que necesitamos.

n Media S
2

12 443.3 24.8 ν=
( s12 / n1 + s22 / n2 ) = 18
⎡ s / n 2 / ( n − 1) ⎤ + ⎡ / n
) (
2
) ⎤
12 451.4 14.9 1 ( 1 1 2 2 / ( n2 − 1 )
2 s2

Distribution Plot
T, df=18

0.4

0.3

95% de confianza Density

0.2

0.1

t1 = 2.10, t2 = -2.10 0.0

0.025 0.025
-2.10 0 2.10
X

s 21 s 22 s 12 s 22
x1 − x 2 − t + ≤ μ1 − μ 2 ≤ x 1 − x 2 + t +
n1 n2 n1 n2
Por lo tanto: (45 443.3 12 +
12
1.4 )− 2
14.9 24.
− 2.10 82
 ≤ 443.3) + 12
(451.4 2.10
14.9
2
24.8 2
≤ μ1 − μ 2 − +
12
-25.65 μ1 − μ 2 ≤ 9.49
≤

Y para 99% de Distribution

Plot
T,
0. df=18
4

confianza t1 = 2.88, t2 0.
3

Density
0.
2

= -2.88
0.
1

0.00 0.005
0.0 5 - 0
2.88 2.88
X

2 2 2 2
14.9 24.8 14.9 24.8
(451.4 − 443.3) − + ≤ μ1 − μ 2 ≤ (451.4 − 443.3) + +
2.88 12 12 2.88 12 12
-32.16 μ1 − μ 2 ≤ 15.99
≤