Estadistica Inferencial

Misión
Formar profesionales líderes competentes, con visión humanista y pensamiento crítico a través
de la Docencia, la Investigación y la Vinculación, que apliquen, promuevan y difundan el
conocimiento respondiendo a las necesidades del país.
Visión
La Universidad Técnica de Ambato por sus niveles de excelencia se constituirá como un

centro de formación superior con liderazgo y proyección nacional e internacional.
MISIÓN
La Facultad de Contabilidad y Auditoría formará profesionales líderes competentes, con visión

humanista y pensamiento crítico a través de la Docencia, la Investigación y la Vinculación,
que apliquen, promuevan y difundan el conocimiento respondiendo a las necesidades del país.
VISIÓN
La Facultad de Contabilidad y Auditoría como parte de la Universidad Técnica de Ambato por

sus niveles de excelencia se constituirá como un centro de formación superior con liderazgo y
proyección nacional e internacional.
Contenido
1. Distribuciones de probabilidad discreta....................................................................................... 6
1.1. Propiedades de la distribución de probabilidad discreta ................................................... 6
..................................................................................................................................... 7
2. Valor esperado y varianza ............................................................................................................. 9
2.1. Valor esperado E(x); u ........................................................................................................... 9
................................................................................................................................... 10
3. Distribución de probabilidad Binomial .......................................................................................... 19
3.1. Propiedades de un experimento binomial ........................................................................... 19
3.2. Formula de la distribución binomial .................................................................................. 19
3.3. Medidas de la distribución binomial .................................................................................. 20
................................................................................................................................... 20
4. Distribución de Poisson................................................................................................................ 31
................................................................................................................................... 31
5. Distribución de Probabilidad Normal ........................................................................................ 36
5.1. Distribución normal o campana de Gauss ......................................................................... 36
5.2. Función de densidad de distribución normal..................................................................... 36
5.2.1. Características de la distribución normal ...................................................................... 36
5.3. Distribución normal estándar ............................................................................................. 37
................................................................................................................................... 37
6. Aproximación Normal de las Probabilidades Binomiales............................................................... 52
................................................................................................................................... 52
7. ESTADISTICA INFERENCIAL ................................................................................................ 57
8. Muestreo........................................................................................................................................ 58
Es todo el grupo de personas de quien el investigador necesita tener información. .............................. 58
8.1. Pasos para desarrollar un plan de muestreo...................................................................... 58
................................................................................................................................... 60
8.2. Muestreo aleatorio sistemático ............................................................................................. 65
................................................................................................................................... 65
8.3. Muestreo aleatorio Estratificado .......................................................................................... 66
Estimación Puntual................................................................................................................................. 67
PRUEBAS......................................................................................................................................... 69
8.1 Error de Muestreo ....................................................................................................................... 71
9. Distribución muestral de la 𝑿..................................................................................................... 71
................................................................................................................................... 72
10. Distribución Muestral de 𝑃 ........................................................................................................ 78
Aplicaciones ................................................................................................................................... 79
11. Estimación por intervalos ........................................................................................................... 86
APLICACIONES................................................................................................................................ 86
12. CONTRASTE DE HIPOTESIS ........................................................................................................ 93
12.1. Hipótesis Nula ........................................................................................................................... 94
12.2. Hipótesis Alternativa ................................................................................................................. 94
12.3. Valor crítico del estadístico de prueba. Regiones .............................................................. 95
12.4. Coeficiente/Nivel de Significancia: ..................................................................................... 96
12.5. TIPOS DE ERROR ................................................................................................................. 97
12.2. PRUEBAS PARAMETRICAS – MUESTRAS GRANDES ................................................................... 97
Aplicaciones ................................................................................................................................. 100
13. VALOR P ................................................................................................................................... 108
14. PRUEBA DE HIPOTESIS CUANDO NO SE CONOCE LA DESVIACION POBLACIONAL (Muestras
Pequeñas) ............................................................................................................................................. 111
Aplicaciones ................................................................................................................................. 111
15. ESTADISTICO DE PRUEBA EN LA PRUEBA DE HIPOTESIS PARA LA PROPORCION POBLACIONAL
119
Aplicaciones: ................................................................................................................................ 119
DISTRIBUCION DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES (X1; X2) CONOCIENDO 𝝈𝟏 𝒀 𝝈𝟐 130
Aplicaciones ................................................................................................................................. 130
DISTRIBUCION DE DIFERENCIAS ENTRE DOS PROPORCIONES MUESTRALES (P1; P2) ......................... 131
Aplicaciones.................................................................................................................................. 132
DISTRIBUCION DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES CON DATOS MENORES A 30 “t” 139
Aplicaciones.................................................................................................................................. 139
ENSAYO DE HIPOTESIS EJEMPLO DE HIPOTESIS CON TRES VARIABLES ............................................... 141
1. Distribuciones de probabilidad discreta
LA distribución de probabilidad discreta de una variable aleatoria describe como se

distribuyen las probabilidades entre los valores de la variable aleatoria.
En el caso de una variable aleatoria discreta que lo vamos a simbolizar (x).
La distribución de probabilidad está definida por una función de probabilidad y vamos a

denotar f(x). La función de probabilidad f(x) da la probabilidad de cada valor de la variable
aleatoria.
La distribución de probabilidad, indica la probabilidad de cada valor de una variable que está
determinada por el azar, hay que saber distinguir entre los resultados que pueden ocurrir al
azar y los “pocos comunes” en el sentido de que no tiene probabilidad de ocurrir al azar.
(Triola, 2009)
Una variable aleatoria discreta tiene un número finito de valores o un número de valores
contables, donde “contable” se refiere al hecho de que podría haber un número infinito de
valores, pero pueden asociarse con un proceso de conteo. (Triola, Estadistica , 2013)
1.1. Propiedades de la distribución de probabilidad discreta
a) 𝑓(𝑥) ≥ 0
b) 𝑓(𝑥) = 1
1. La empresa TOYOTA (Carlos Larrea) tiene una venta de automóviles durante los últimos
300 días de operación. Los datos de ventas muestran que hubo 54 días en los que no se
vendió ningún automóvil, 117 días en los que se vendió 1, 72 días en los que se vendió 2,
42 días en los que se vendió 3, 12 días en los que se vendió 4 y 3 días en los que se vendió
5. El experimento se realiza para 1 día de operación. Calcular la distribución de la
probabilidad.
X = # Autos
x F(x)
0 54/300 = 0.18
1 117/300 = 0.39
2 72/300 = 0.24
3 42/300 = 0.14
4 12/300 = 0.04
5 3/300 = 0.01
1
Ejercicios consultados
1. Describe, mediante una tabla x p la distribución del “número de caras” al lanzar 3

monedas.
x F(x)
0 1/8 = 0.13
1 3/8 = 0.38
2 3/8 = 0.38
3 1/8 = 0.13
1
2. En una lotería de 1000 números se reparten los premios siguientes:

 A un número elegido al azar, 5000
 Al anterior y al posterior, 1000
 A los 99 que terminan en la misma cifra que el ganador, 10
 Al resto de números nada
x F(x)
0 898 = 0.898
10 99 = 0.099
1000 2 = 0.002
5000 1 = 0.001
1000 1
3. Un profesor de idiomas tiene una clase con cuatro alumnos adultos. De los 100 días de
clase, asisten 4, 3, 2, 1 o ninguno de ellos, calcular la distribución de la probabilidad.
x F(x)
0 3 = 0.03
1 9 = 0.09
2 17 = 0.17
3 48 = 0.48
4 23 = 0.23
100 1
4. Un jugador de básquet está a punto de tirar hacia la parte superior del tablero. La
probabilidad de anotar o no anotar es:
x F(x)
0 1/2 0.50
1 1/2 0.50
+ 1
5. Un jugador lanza un dado corriente. Si sale 1 o número primo, gana tantos cientos de euros
como marca el dado, pero si no sale número primo, pierde tantos cientos de euros como
marca el dado. Determinar la función de probabilidad y la esperanza matemática del juego
X F(X)
+100 1/6 0.16667
+200 1/6 0.16667
+300 1/6 0.16667
-400 1/6 0.16667
+500 1/6 0.16667
-600 1/6 0.16667
2. Valor esperado y varianza

2.1. Valor esperado E(x); u
El valor esperado es un promedio ponderado de los valores que toma la variable aleatoria. Los
pesos son las probabilidades.
Es la media de una variable aleatoria discreta, es el resultado medio teórico de un número

infinito de ensayos. Podemos considerar a esa media como el valor esperado, en el sentido de
que constituye el valor promedio que esperaríamos tener si los ensayos pudieran continuar de
manera indefinida. (Triola, 2013)
𝑭ó𝒓𝒎𝒖𝒍𝒂 ∶ 𝑬(𝒙) = 𝒙 𝚺 𝒇(𝒙)
2.2. Varianza Var(x)
Es un promedio ponderado de los cuadrados de las desviaciones de una variable aleatoria con
respecto de su medida. Los pesos son las probabilidades
Fórmula: 𝑽𝒂𝒓 (𝒙) = 𝚺 (𝒙 − 𝒖)𝟐 𝒇(𝒙)

La varianza es una medida estadística que cuantifica el nivel de dispersión o variabilidad de
los valores de la variable aleatoria alrededor de la media. (Ojeda, 2007)
1) Calcular el valor esperado y la varianza del ejercicio anterior
X F(x) x f(x) (x-u)^2 f(x)

0 54/300 = 0.18 0 2.25 * 0.18 = 0.405
1 117/300 = 0.39 0.39 0.25 * 0.39 = 0.0975
2 72/300 = 0.24 0.48 0.25 * 0.24 = 0.06
3 42/300 = 0.14 0.42 2.25 * 0.14 = 0.315
4 12/300 = 0.04 0.16 6.25 * 0.04 = 0.25
5 3/300 = 0.01 0.05 12.25 * 0.01 = 0.1225
1 1.5 1.25
𝑬(𝒙) = 𝟏. 𝟓 𝒆𝒏 𝒖𝒏 𝒅𝒊𝒂
𝑽𝒂𝒓 (𝒙) = 𝟏. 𝟐𝟓
2) Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A continuación se

representa la distribución de probabilidad.
x F(x) x f(x) (x-u)^2 f(x)

0 0.10 0 0.3553
1 0.15 0.15 0.3154
2 0.30 0.60 0.0608
3 0.20 0.60 0.0605
4 0.15 0.60 0.3604
5 0.10 0.50 0.6503
1.00 2.45 1.8027
𝑬(𝒙) = 𝟐. 𝟒𝟓
𝑽𝒂𝒓 (𝒙) = 𝟏. 𝟖𝟎𝟐𝟕

Calcular el valor esperado del número de servicios y la desviación típica.
x F(x) x f(x) (x-u)^2 f(x)

0 0.10 0.00 6.0025 * 0.10 = 0.6003
1 0.15 0.15 2.1025 * 0.15 = 0.3154
2 0.30 0.60 0.2025 * 0.30 = 0.0608
3 0.20 0.60 0.3025 * 0.20 = 0.0605
4 0.15 0.60 2.4025 * 0.15 = 0.3604
5 0.10 0.50 6.5025 * 0.10 = 0.6503
1.00 2.45 2.0475
𝑬(𝑥) = 2.45
𝑉𝑎𝑟 (𝑥) = 2.0475
Desviación = 1.4310
# Casas
#Recamaras Rentadas Propias
0 547 23
1 5012 541
2 6100 3832
3 2644 8690
4 557 3783
3) Los datos siguientes son el número de recamaras en casas rentadas y en casas propias
de la provincia de Tungurahua. Los datos se representan en la siguiente tabla.
 Elabore una distribución de probabilidad
 Calcule el valor esperado y la varianza del número de recamaras en casas rentadas
 Calcule el valor esperado y la varianza del número de recamaras en casas propias
# Casas
# Rentadas Propias Rentadas Propias E(X) E(Y) Var (x) Var(y)
Recamaras (X) (Y)
0 547 23 0.0368 0.0014 0.0000 0.0000 0.1249 0.0117
1 5012 541 0.3373 0.0321 0.3373 0.0321 0.2391 0.1193
2 6100 3832 0.4105 0.2272 0.8210 0.4543 0.0102 0.1960
3 2644 8690 0.1779 0.5151 0.5338 1.5454 0.2386 0.0026
4 557 3783 0.0375 0.2243 0.1499 0.8970 0.1746 0.2573
14860 16869 1.00 1.00 1.842 2.929 0.7874 0.5869
𝐸(𝑥) = 1.842 𝐸(𝑦) = 2.292

𝑉𝑎𝑟 (𝑥) = 0.7874 𝑉𝑎𝑟 (𝑦) = 0.5869
4) La NBA lleva diversas estadísticas de cada equipo. 2 se refieren al % de tiros de
campo hechos por un equipo, y él % de tiros de 3ptos hechos por un equipo. En
parte de la temporada del 2004 el registro de tiros de 2ptos el registro de tiros de
los 29 equipos de la NBA indicaba que la probabilidad de anotar 2ptos en un tiro
de campo era 0.44 y que la probabilidad de anotar 3ptos en un tiro de campo era de
0.34
a) ¿Cuál es el valor esperado para un tiro de 2ptos de estos equipos?
x F(x) x f(x) (x-u)^2 f(x)

0 0.56 0.00 0.4337
𝑬(𝒙) = 𝟎. 𝟖𝟖 2 0.44 0.88 0.5519
0.88 𝜎=0.9856
5) Supóngase que se tiene una moneda normal y el jugador tiene tres oportunidades
para que al lanzarla aparezca una cara. El juego termina en el momento en el que
cae una cara o después de 3 intentos, lo que suceda primero. Si en el primero,
segundo o tercer lanzamiento aparece cara el jugador recibirá $2, 4$ y 8$
respectivamente. Si no cae cara en ninguno de los 3 lanzamientos, pierde $20. Para
determinar la ganancia o pérdida promedio después de un número muy grande de
juegos, sea x la variable aleatoria que representa la cantidad que se gana o se
pierde cada vez que se juega. Calcule el valor esperado.
x F(x) E (x)
2 1 / 2 = 0.50 1.00
4 1 / 4 = 0.25 1.00
8 1 / 8 = 0.13 1.00
-20 1 / 8 = 0.13 -2.50
1.00 0.50
1. Dos vendedores de seguros de vida, A y B, visitan de 8 a 12 clientes potenciales
por semana, respectivamente. Sean ‘X’ y ‘Y’ dos variables aleatorias que
representan el número de sentidos seguros vendidos por A y B, como resultado
de las visitas. Con base en una gran cantidad de información pasada, las
probabilidades para los valores de ‘X’ y ‘Y’ son los siguientes:
Calcule el valor esperado.
X F(x) x f(x)
0 0.02 0.00
1 0.09 0.09
2 0.21 0.42
3 0.28 0.84
4 0.23 0.92
5 0.12 0.60
6 0.04 2.87
7 0.01 5.74
8 0.00 11.39
E(x) 22.87
2. La distribución de probabilidad de reclamaciones por daños pagados de la
compañía XYZ en seguros contra choques se muestra en la siguiente tabla
 Emplee el pago esperado por choque para determinar la prima de seguro contra daños
que permitiría a la empresa salir sin perdidas
 La aseguradora cobra una tarifa anual de 260.00 por cubrir los choques. ¿Cuál es el valor
esperado del seguro contra choques para un asegurado?
x F(x) x f(x)
0 0.90 0.00
400 0.04 16.00
1000 0.03 30.00
2000 0.01 20.00
4000 0.01 40.00
6000 0.01 60.00
1.00 166
𝑬(𝒙) = 𝟏𝟔𝟔
3. Se ha obtenido la siguiente tabla de distribución de probabilidad para el número de

llamadas telefónicas llegadas a una ventral en un milisegundo. Calcular el valor
esperado y la varianza
X F(x) x f(x) (x-u)^2 f(x) E(x): 0.99

0 0.37 0.00 0.3626 Varianza: 0.9699
1 0.37 0.37 0.0000
2 0.18 0.36 0.1836
3 0.06 0.18 0.2424
4 0.02 0.08 0.1812
1.00 0.99 0.9699
4. Se desea comprar una acción y mantenerla durante un año en espera de que exista
ganancia de capital. Se requiere elegir entre dos empresas A y B; para ambas el
precio de venta de cada acción es de 10.000 pesetas, obteniéndose unos dividendos
de 500 pesetas. A continuación se presentan las distribuciones de probabilidad para
el precio en el próximo año estimado para cada tipo de acción.
Calcular los precios esperados por acción de las empresas A y B
X F(x) x f(x) (x-u)^2 f(x)

2,500 0.05 125.00 169650625 * 0.05 = $8,482,531.25
5,000 0.07 350.00 110775625 * 0.07 = $7,754,293.75
7,500 0.10 750.00 64400625 * 0.10 = $6,440,062.50
10,000 0.05 500.00 30525625 * 0.05 = $1,526,281.25
12,500 0.10 1250.00 9150625 * 0.10 = $915,062.50
15,000 0.15 2250.00 275625 * 0.15 = $41,343.75
17,500 0.12 2100.00 3900625 * 0.12 = $468,075.00
20,000 0.10 2000.00 20025625 * 0.10 = $2,002,562.50
22,500 0.12 2700.00 48650625 * 0.12 = $5,838,075.00
25,000 0.14 3500.00 89775625 * 0.14 = $12,568,587.50
15525.00 Var(x) $46,036,875.00
5. Se ha hallado la distribución de probabilidad de que un número determinado de

máquinas de una fábrica pusieran fallar en un día. Las probabilidades para 0, 1, y
2 máquinas fallidas son: 0.3, 0.6, y 0.1 respectivamente. Calcule la varianza y el
valor esperado.
x F(x) x f(x) (x-u)^2 f(x)

0 0.30 0.00 2.56 * 0.30 = 0.77
1 0.60 0.60 0.36 * 0.60 = 0.22
2 0.10 0.20 0.16 * 0.10 = 0.02
1.00 0.80 2.56 * 1.00 = 2.56
1.60 Var(x) 3.56
E(x)= 1.60
6. Un analista de marketing asocia la siguiente distribución probabilística a las ventas

mensuales X de un determinado ordenador. Calcule la varianza. Y el valor
esperado.
x F(x) x f(x) (x-u)^2 f(x)

0 0.02 0.00 13.84 * 0.02 = 0.28
1 0.08 0.08 7.398 * 0.08 = 0.59
2 0.15 0.30 2.958 * 0.15 = 0.44
3 0.19 0.57 0.518 * 0.19 = 0.10
4 0.24 0.96 0.078 * 0.24 = 0.02
5 0.17 0.85 1.638 * 0.17 = 0.28
6 0.10 0.60 5.198 * 0.10 = 0.52
7 0.04 0.28 10.76 * 0.04 = 0.43
8 0.01 0.08 18.32 * 0.01 = 0.18
1.00 3.72 Var(x) 2.84
E(x)= 3.72
7. En la producción de un artículo se aplica soldadura y para eso se usan tres

diferentes robots. La probabilidad de que la soldadura sea defectuosa varía para
cada uno de los robots, así como la proporción de artículos que cada uno procesa,
de acuerdo a la siguiente tabla: calcule la varianza.
Art.
x Procesados F(x) x f(x) (x-u)^2 f(x)
1 18% 0.18 0.180 1.488 * 0.18 = 0.27
2 42% 0.42 0.840 0.048 * 0.42 = 0.02
3 40% 0.40 1.200 0.608 * 0.40 = 0.24
1 1.00 2.22 Var(x) 0.53
PRUEBAS
1) La demanda de un producto, por parte de Industrias Caroline, varía enormemente

de mes a mes. La distribución de probabilidad que se presenta en la tabla siguiente,
basada en los datos de los dos últimos años, muestra la demanda mensual de la
empresa.
Demanda Probabilidad 𝒙𝒇(𝒙)

Unitaria(x) 𝒇(𝒙)
300 0,20 60
400 0,30 120
500 0,35 175
600 0,15 90
𝚺 1,00 445
a) Si la empresa basa las órdenes mensuales en el valor esperado de la demanda

mensual, ¿Cuál será la cantidad ordenada mensualmente por la empresa para este
producto?
Valor Esperado Ε(𝑥) = 445
b) Suponga que cada unidad demandada genera $70 de ganancia y que cada unidad
ordenada cuesta $50. ¿Cuánto ganará o perderá la empresa en un mes si coloca una
orden con base en su respuesta al inciso a y la demanda real de este artículo es de 300
unidades?
Utilidad o pérdida de la empresa:
Valor esperado × Costo de unidad ordenada = 445 × $ 50 = $ 22.250
Valor de demanda real × Costo de unidad demandada
= 300 × $ 70 = $ 21.000
= $ 21.000 × $ 22.250 = −1.250

2) Según una encuesta, 95% de los suscriptores de The Wall Street Journal
Internacional Edition tiene una computadora en casa. Para esos hogares, se dan las
distribuciones de probabilidad para computadoras portátiles y de escritorio.
a) ¿Cuál es el valor esperado de la cantidad de computadoras por familia para cada
tipo?
b) ¿Cuál es la varianza de la cantidad de computadoras por familia para cada tipo?
Probabilidad 𝒙𝒇(𝒙) (𝒙 − 𝝁)𝟐 𝒇(𝒙)

#
De Portátil De Portátil De
computadoras Portátil
escritorio escritorio escritorio
0 0,47 0,06 0,00 0,00 0,1865 0,1210
1 0,45 0,56 0,45 0,56 0,0616 0,0988
2 0,06 0,28 0,12 0,56 0,1126 0,0942
3 0,02 0,10 0,06 0,30 0,1123 0,2496
𝚺 1,00 1,00 0,63 1,42 0,473 0,5636
VALOR ESPERADO
Portátil Ε(𝑥) = 0,63
De escritorio Ε(𝑥) = 1,42
VARIANZA
Portátil 𝜎 2 = 0,473
De escritorio 𝜎 2 = 0,5636
3. La NBA saca una estadística de 29 equipos en donde la probabilidad de hacer una

canasta de 2 puntos es de 0,51 y la probabilidad de hacer una canasta de 3 puntos
es de 0,28.
a) ¿Cuál es el valor esperado para un tiro de 3 puntos de estos equipos?

Puntos Probabilidad 𝒙𝒇(𝒙)
𝒙 𝒇(𝒙)
0 0,72 0,00
3 0,28 0,84
𝚺 1,00 0,84
Valor Esperado en un tiro de 3 puntos
Ε(𝑥) = 0,84
3. Distribución de probabilidad Binomial

Es una distribución de probabilidad binomial discreta y está relacionada con un
experimento de pasos múltiples, al que se le llama experimento binomial.
Si P es la probabilidad de que un solo ensayo ocurra un evento (llamado la probabilidad de

éxito) y q=1-p es la probabilidad de que este evento no ocurra en un solo ensayo (llamado
probabilidad de fracaso). (Murray & Larry, 2009)1
3.1. Propiedades de un experimento binomial

1) El experimento consiste en una serie de n ensayos idénticos
2) En cada ensayo hay 2 resultados posibles el éxito y el fracaso
3) La probabilidad de éxito (p), no cambia de un ensayo a otro en consecuencia, la
probabilidad de fracaso (q) es 1-p, tampoco cambia de un ensayo a otro
4) Los ensayos son independientes
3.2. Formula de la distribución binomial

𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
(x) = probabilidad de éxitos en n ensayos
𝑛
(𝑥 )= combinación
1
(Murray & Larry, 2009)
𝑛 𝑛!
𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛: ( )=
𝑥 𝑥! (𝑛 − 𝑥)!
n = número de ensayos
p = probabilidad de éxito
q = probabilidad de fracaso
Lanzamiento de una moneda 5 veces
Ensayos 1 2 3 4 5
Resultados X S S X X
n=5
3.3. Medidas de la distribución binomial

Dentro de la distribución binomial tenemos las siguientes medidas.
Media u= N.P
Varianza Var(x) = N.p.q
Coeficiente de sesgo 𝑞−𝑝
∝3 =
√𝑁. 𝑝. 𝑞
Coeficiente de curtosis 3 + 1 − 6𝑝. 𝑞
∝4 =
𝑁. 𝑝. 𝑞
1) Hallar la probabilidad de que al lanzar una moneda 3 veces, aparezca

a) 3 caras 1⁄
8
b) 2 caras 3⁄
8
c) 1 cara 3⁄
8
d) 3 cruces 1⁄
8
e) Probabilidad de obtener por lo menos 1 cara
n=3 x = # caras p = 0.5 q = 0.5
𝟑 𝟏 𝟑 𝟏 𝟎 𝟑 𝟏 𝟐 𝟏 𝟏
a) 𝒇(𝟑) = (𝟑) (𝟐) (𝟐) b) 𝒇(𝟐) = (𝟐) (𝟐) (𝟐)
𝑓(3) = 1 (1⁄8) (1) 𝑓(2) = 3 (1⁄ 1

4) ( ⁄2)
𝑓(3) = (1⁄8) 𝑓(2) = (3⁄8)
𝟑 𝟏 𝟏 𝟏 𝟐 𝟑 𝟏 𝟎 𝟏 𝟑
c) 𝒇(𝟏) = (𝟏) (𝟐) (𝟐) d) 𝒇(𝟎) = (𝟎) (𝟐) (𝟐)
𝑓(1) = 3 (1⁄ 1 𝑓(0) = 1 (1⁄8) (1)

2) ( ⁄4)
𝑓(1) = (3⁄8) 𝑓(0) = (1⁄8)
e) 𝒇(𝒙 ≥ 𝟏) = 𝟏 − 𝒇(𝟎)
𝑓(𝑥 ≥ 1) = 1 − 0,125
0.875
2) Hallar la probabilidad de que al lanzar un dado 5 veces aparezca 3
x=0 n= 5 p= 1/6 q= 5/6
a) Ninguna vez 𝑓(0) = 1 ∗ 1 ∗ 0.4019
5 1 0 5 5 𝑓(0) = 0.4019
𝑓(0) = ( ) ( ) ( )
0 6 6
b) Al menos una vez 𝑓(0) = 0.5981
𝑓(𝑥 ≥ 1) = 1 − 𝑓(0)
𝑓(𝑥 ≥ 1) = 1 − 0.4019
c) Cuatro veces d) Calcular la probabilidad de
obtener por lo menos tres veces
5 1 4 5 1
𝑓(4) = ( ) ( ) ( )
4 6 6 𝑓(3) = 1 − [𝑓(0) + 𝑓(1) + 𝑓(2)]
5 𝑓(3) = 1 − (0.4019 + 0.4019

𝑓(4) = (5)(0.0008) (6)
+ 0.1609)
𝑓(4) = 0.0033
𝑓(3) = 0.0353
3) El 5% de los camioneros del Ecuador son mujeres. Suponga que se selecciona al

azar 10 camioneros, para una encuesta acerca de las condiciones de trabajo
n= 10 p= 0.05 q= 0.95
a) ¿Cuál es la probabilidad de que 2 de los camioneros sean mujeres?
10
𝑓(2) = ( ) (0.05)2 (0.95)8
0
𝑓(2) = (45)(0.0025) (0.9025)
𝑓(2) = 0.1015
b) Todos sean hombres
10
𝑓(0) = ( ) (0.05)0 (0.95)10
0
𝑓(0) = (1)(1)(0.5987)
𝑓(0) = 0.5987
c) Al menos 1 mujer
𝑓(𝑥) = 1 − [ 𝑓(0)]
𝑓(𝑥) = 1 − [ 0.5987] = 0.5987
4) Hallar la probabilidad de que en una familia con 4 hijos haya:
n= 4 p= 0.5 q= 0.5
a) Al menos 1 hombre
𝑓(𝑥 ≥ 1) = 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4)
𝑓(𝑥 ≥ 1) = 0.25 + 0.3750 + 0.25 + 0.0625
𝑓(𝑥 ≥ 1) = 0.9375
b) Al menos 1 hombre y 1 mujer
𝑓(𝑥 ≥ 1) = 1 − [𝑓(0) + 𝑓(0)]
𝑓(𝑥 ≥ 1) = 1 − (0.0625 + 0.0625) 𝑓(𝑥 ≥ 1) = 0.8750
5) De entre 2000 familias con 4 hijos. ¿Cuántos sabe esperar que tengan?
n= 2000 p= 0.5 q= 0.5
a) Al menos 1 hombre
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.9375)
𝑢 = 1875
b) 2 hombres
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.375)
𝑢 = 750
c) Ninguna mujer
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.0625)
𝑢 = 125
6) Si el 20% de los pernos producidos por una maquina son defectuosos, determinar
la probabilidad de que entre 4 pernos elegidos al azar
n= 4 p= 0.20 q= 0.80
a) 1 sea defectuoso
4
𝑓(1) = ( ) (0.20)1 (0.80)3
1
𝑓(1) = 0.4096
b) Ninguno sea defectuoso
4
𝑓(0) = ( ) (0.20)0 (0.80)4
0
𝑓(0) = 0.4096
c) A lo mucho 2 sean defectuosos
𝑓(𝑥 ≥ 2) = 𝑓(0) + 𝑓(1) + 𝑓(2)
𝑓(𝑥 ≥ 2) = (0.4096) + (0.4096) + (0.1636)
𝑓(𝑥 ≥ 2) = 0.9828
d) 3 sean correctos
n= 4 p=0.8 q= 0.2 x= 3
4
𝑓(3) = ( ) (0.80)3 (0.20)1
3
𝑓(3) = 4 (0.5120)(0.20)
𝑓(3) = 0.4096
7) El 40% de las personas que viajan por negocio, llevan un teléfono celular o una
computadora portátil. En una muestra de 15 personas
n= 15 p= 0.40 q= 0.60
a) ¿Cuál es la probabilidad de que por lo menos 5 tengan 1 teléfono celular o portátil?
𝑓(𝑥 ≥ 5) = 1 − [𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4)]
𝑓(𝑥 ≥ 5) = 1 − (0.0005 + 0.0047 + 0.0219 + 0.0634 + 0.1268)
𝑓(𝑥 ≥ 5) = 0.7827
b) ¿Cuál es la probabilidad de que 12 de los viajeros no tengan ni celular ni portátil?
n= 15 p= 0.40 q= 0.60 x= 3
15 (0.40)3 (0.60)12
𝑓(3) = ( )
3
𝑓(3) = 455 (0.0640)(0.0022)
𝑓(3) = 0.0641
c) ¿Cuál es la probabilidad de x<2 tengan un teléfono celular o portátil?
𝑓(𝑥 < 2) = 𝑓(0) + 𝑓(1)
𝑓(𝑥 < 2) = 0.005 + 0.0047
𝑓(𝑥 < 2) = 0.0052
1. Una institución universitaria establece nuevos métodos de aprendizaje y de
evaluación con el resultado donde el 85% de alumnos aprueban todas las
asignaturas. Supongamos que se seleccionan 8 estudiantes de dicho plantel.
a) Cuál es la probabilidad de que 3 aprueben
n= 8 x=3 p=0.85 q=0.15
8
𝑓(3) = ( ) (0.85)3 (0.15)5
3
𝑓(3) = 56 ∗ 0.6141 ∗ 0.000076
𝑓(3) = 0.0028
b) De que tres pierdan
n= 8 x=3 p=0.15 q=0.85
8
𝑓(3) = ( ) (0.15)3 (0.85)5
3 8
𝑓(0) = ( ) (0.15)0 (0.85)8
0
𝑓(3) = 56 ∗ 0.0034 ∗ 0.4437
𝑓(0) = 1 ∗ 1 ∗ 0.2725
𝑓(3) = 0.0845
𝑓(0) = 0.2725
c) Por lo menos 2 pierdan alguna asignatura
n= 8 x≥2 p=0.15 q=0.85
𝑓(𝑥 ≥ 2) = 1 − [𝑓(0) + 𝑓(1)] 8
𝑓(1) = ( ) (0.15)1 (0.85)7
𝑓(𝑥 ≥ 2) = 1 − (0.2725 + 0.3847) 1
𝑓(1) = 8 ∗ 0.15 ∗ 0.3206
𝑓(𝑥 ≥ 2) = 1 − 0.6572
𝑓(1) = 0.3847
𝑓(𝑥 ≥ 2) = 0.3428
2. Supongamos el lanzamiento de 12 monedas o una moneda lanzada 12 veces. ¿Cuál

es la probabilidad de obtener?
a) Exactamente 4 caras
X= 4 caras n=12 p=1/2 q= ½
12
𝑓(4) = ( ) (0.50)4 (0.50)8
4
𝑓(4) = (66) ∗ (0.00098) ∗ (0.25)
𝑓(4) = 0.0162
b) Exactamente 10 caras
X= 10 caras n=12 p=1/2 q= ½
12 12
𝑓(10) = ( ) (0.50)10 (0.50)2 𝑓(0) = ( ) (0.50)0 (0.50)12
10 0
𝑓(0) = 1 ∗ 1 ∗ 0.0002
𝑓(4) = (66)(0.00098)(0.25)
𝑓(0) = 0.0002
𝑓(4) = 0.0162
c) Por lo menos 2 caras 12
𝑓(1) = ( ) (0.50)1 (0.50)11
𝑓(𝑥 ≥ 2) = 1 − [𝑓(0) + 𝑓(1)] 1
𝑓(1) = 12 ∗ 0.50 ∗ 0.00048
𝑓(𝑥 ≥ 2) = 1 − [0.0002 + 0.0028] 𝑓(1) =0.00288
𝑓(𝑥 ≥ 2) = 1 − 0.0032
12
𝑓(𝑥 ≥ 2) = 0.9968 𝑓(10) = ( ) (0.50)10 (0.50)2
10
d) Máximo 9 caras 𝑓(10) = 66 ∗ 0.00097 ∗ 0.25
𝑓(𝑥 ≤ 9) = 1 − [𝑓(10) + 𝑓(11) + 𝑓(12)] 𝑓(10) = 0.016005
𝑓(𝑥 ≤ 9) = 1 − [0.016 + 0.0029 + 0.0002]
𝑓(𝑥 ≤ 9) = 1 − [0.0191]
𝑓(𝑥 ≤ 9) = 0.9809
12
𝑓11 = ( ) (0.50)11 (0.50)1 12
11 𝑓(12) = ( ) (0.50)12 (0.50)0
𝑓(11) = 12 ∗ 0.00049 ∗ 0.50 12
𝑓11 =0.0029 𝑓(12) = 1 ∗ 0.00024 ∗ 1
𝑓12 =0.00024
3. Si sabe que 9 de cada 10 personas tienen caries al tomar al azar un grupo de 5

personas ¿Cuál es la probabilidad de que?
a) 4 tengan caries
X= 4 caras n=5 p=0.90 q=0.10
5
𝑓(4) = ( ) (0.90)4 (0.10)1
4
𝑓(4) = 5 ∗ 0.6561 ∗ 0.10 5
𝑓(0) = ( ) (0.90)0 (0.10)5
𝑓(4) = 0.3281 0
b) Por lo menos 2 tengan caries 𝑓(0) = 1 ∗ 1 ∗ 0.00001
𝑓(𝑥 ≥ 2) = 1 − [𝑓(0) + 𝑓(1)] 𝑓(1) =0.00001
𝑓(𝑥 ≥ 2) = 1 − [0.00001 + 0.0005]

𝑓(𝑥 ≥ 2) = 1 − 0.00005 5
𝑓(1) = ( ) (0.90)1 (0.10)4
1
𝑓(𝑥 ≥ 2) = 0.99995 𝑓(1) = 5 ∗ 0.90 ∗ 0.0001
𝑓(1) =0.00045
c) Por lo menos 2 no tengas caries por lo menos 1 tenga caries
X= 2 caras n=5 p=0.10 q=0.90
5
𝑓(2) = ( ) (0.10)2 (0.90)3
2
𝑓(2) = 10 ∗ 0.01 ∗ 0.729
𝑓(2) = 0.729
d) Por lo menos uno tenga caries
𝑓(𝑥 ≥ 1) = 1 − 𝑓(0)
𝑓(𝑥 ≥ 1) = 1 − 0.00001
𝑓(𝑥 ≥ 1) = 0.99999
4. Si el 20% de los estudiantes de la universidad pierden el año y se toman al azar un

grupo de 6 estudiantes ¿Cuál es la probabilidad de que?
a) Máximo 2 aprueben
X≤2 n=6 p=0.80 q=0.20
𝑓(𝑥 ≥ 2) = 𝑓(0) + 𝑓(1) + 𝑓(2)

𝑓(𝑥 ≥ 2) = 0.00006 + 0.0014 + 0.01536
= 0.01682
6 6 6
𝑓(0) = ( ) (0.80)0 (0.20)6 𝑓(1) = ( ) (0.80)1 (0.10)5 𝑓(2) = ( ) (0.80)2 (0.20)4
0 1 2
𝑓(0) = 1 ∗ 1 ∗ 0.00006 𝑓(1) = 6 ∗ 0.80 ∗ 0.0003 𝑓2 = 15 ∗ 0.64 ∗ 0.0016
𝑓(0) =0.00006 𝑓(1) =0.0014 𝑓(2) =0.01536
b) Exactamente 2 aprueben
𝑓(2) = (62)(0.80)2 (0.20)4
𝑓(2) = 0.01536
c) Ninguno apruebe
𝑓(0) = 0.00006
5. Harry Ohme está a cargo de la sección electrónica de una gran tienda
departamental. Se ha dado cuenta que la probabilidad de que un cliente que
solamente está curioseando compre algo es de 0.3. Suponga que 15 clientes visitan
la sección de electrónica a cada hora.
a) ¿Cuál es la probabilidad de que al menos una de las personas que se encuentra

curioseando compre algo en una hora?
X≥1 n=15 p=0.30 q=0.70
15
𝑓(0) = ( ) (0.30)0 (0.70)15
𝑓(𝑥 ≥ 1) = 1 − 𝑓(0) 0
𝑓(0) = 1 ∗ 1 ∗ 0.0047
𝑓(𝑥 ≥ 1) = 1 − 0.0047
𝑓(0) =0.0047
𝑓(𝑥 ≥ 1) = 0.9953
b) ¿Cuál es la probabilidad de que al menos 4 personas que se encuentra curioseando

compre algo en una hora?
𝑓(𝑥 ≥ 4) = 1 − [𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3)]

𝑓(𝑥 ≥ 4) = 1 − [0.0047 + 0.0305 + 0.0916 + 0.1700]
𝑓(𝑥 ≥ 4) = 1 − 0.2968
𝑓(𝑥 ≥ 4) = 0.7031
c) ¿Cuál es la probabilidad de que ninguna de las personas que se encuentra
curioseando compre algo en una hora?
𝑓(0) = 0.0047
d) ¿Cuál es la probabilidad de que no más de 4 personas que se encuentra curioseando
compre algo en una hora?
𝑓(𝑥 ≤ 4) = 𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4)
𝑓(𝑥 ≤ 4) = 0.0047 + 0.0305 + 0.0916 + 0.1700 + 0.2186
𝑓(𝑥 ≤ 4) = 0.5155
PRUEBAS
1) De entre 1000 familias con 4 hijos cuantas cabe esperar que tengan un hombre o
dos mujeres. Datos:
Datos: n= 4
n= 4 x= 2
x= 1 p= 0,50
p= 0,50 q= 0,50
q= 0,50
𝑛
𝑛 𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1
𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1 𝑥
𝑥 4
4 𝑓(2) = ( ) 0,52 ∗ 0,52−1
𝑓(1) = ( ) 0,51 ∗ 0,54−1 2
1 𝑓(2) =0,3750
𝑓(1) =0,25
𝑛
𝒖=𝑵∗𝑷 𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1
𝑥
𝑢 = 1000 ∗ (0,25 + 0,3750) 4
𝑢 = 1000 ∗ (0,6250) 𝑓(1) = ( ) 0,51 ∗ 0,54−1
1
𝑢 = 625 𝑓(1) =0,25
4. Distribución de Poisson
Es una variable aleatoria discreta para estimar el número de veces que sucede en hecho
determinado. En un cierto intervalo de tiempo, se utiliza para número de llegadas de
automóviles, numero de fugas. Número de tuberías entre otros.
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a

las ocurrencias de algún suceso durante un intervalo específico. La variable x es el
número de veces que ocurre un suceso en un intervalo. (Triola, 2009)
4.1. Propiedades de un experimento de Poisson

1) La probabilidad de ocurrencia.- Es la misma para cualquiera de dos intervalos
2) La ocurrencia o no ocurrencia.- En cualquier intervalo es independiente
𝛌𝒙 ∗𝒆−𝛌
𝒇(𝒙) = 𝒙!
FORMULA ES:
f(x)= Probabilidad de x ocurrencias

λ= Es el valor esperado o número medio de ocurrencias
e= Constante matemática que vale 2.7182
X= variable aleatoria
𝜇 =λ 𝜎2 = λ ∝3= 1 ∝4=3+ 1
√𝜆 𝜆
1) Si la probabilidad de que un individuo sufra una reacción negativa ante una

inyección de cierto suero es de 0.001. hallar la probabilidad de que entre 2000
individuos
a) Exactamente 3 tengan reacciones negativas
λ=N*P Compruebe
23 ∗𝑒 −2
f(3)= su respuesta
3! λ= 2000*0.001
8∗0.1353
f (3)= λ= 2
6
1.0824
f (3)= 6
f (3)= 0.1804
20 ∗ 𝑒 −2
𝑓(0) =
0!
1 ∗ 0.13534
b) Más de 2 de ellos tengan reacciones negativas 𝑓(0) =
1
𝑓(0) = 0.13534
f(x≥2)= 1 – [f(0)+f(1)]
f(x≥2)= 1 – [0.13534 + 0.27068 ]
f(x≥2)= 1 – [0.40602 ] 21 ∗ 𝑒 −2
𝑓(1) =
1!
f(x≥2)= 0.59398 2 ∗ 0.13534
𝑓(0) =
1
𝑓(0) = 0.27068
2) En cierta área de EEUU resulta en promedio afectada por 6 huracanes al año.

Encuentra la probabilidad de que para cierto año, esta área resulte afectada
por:
61 ∗ 𝑒 −6
𝑓(1) =
a) Menos de 4 huracanes 1!
𝑓(𝑥 < 4) = 𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) 6 ∗ 0.00247875

𝑓(1) =
1
𝑓(𝑥 < 4)= 0.0025+0.00149+0.0446+0.0892 𝑓(1) = 0.01487251306
𝑓(𝑥 < 4) = 0.1512
62 ∗ 𝑒 −6 63 ∗ 𝑒 −6 60 ∗ 𝑒 −6
𝑓(2) = 𝑓(3) = 𝑓(0) =
2! 3! 0!
36 ∗ 0.00247875 216 ∗ 0.00247875217 1 ∗ 0.00247875217

𝑓(2) = 𝑓(3) = 𝑓(0) =
2 6 1
𝑓(2) = 0.04461753918 𝑓(3) = 0.08923507836 𝑓(0) = 0.00247875217
b) Cualquier cantidad mayor a 6 y menor a 8 huracanes

67 ∗𝑒 −6
f(7)=
7!
Compruebe
279936−0.00247875217
f(7)= su
5040
respuesta
f(7)= 0.1377
1. Una empresa de seguros de automóviles tiene concertados 3825 pólizas de

vehículos sin ningún accidente en los últimos 12 años. Se desea conocer la
probabilidad de que sean 10 los nacidos el día de San Cristóbal (patrono de los
automóviles) con el fin de establecer un descuento en sus pólizas
N= 3285 P= 1/365 = 0.003
λ=N*P
Compruebe
λ=3285*0.003
910 ∗𝑒 −9 su
f(10)= λ= 9
10! respuesta
f(10)= 0.1186
2. En una empresa la cantidad promedio de llamadas que llegan al computador

entre las 2 y las 4 de la tarde es de 2.5 por minuto. Encuentre la probabilidad de
que en determinado minuto haya.
a) 0 llamadas
2.50 ∗𝑒 −2.5
f(0)= 0!
1∗0.0821
f(0)= 1
f(0)= 0.0821
b) Una llamada entrante

2.51 ∗𝑒 −2.5
f(1)=
1!
2.5∗0.0821
f(1)= 1
Compruebe
f(1)= 0.2050
su
respuesta
c) Exactamente 2 llamadas
2.52 ∗𝑒 −2.5
f(2)= 2!
6.25∗0.08209
f(2)= 2
f(2)= 0.2565
3. Una secretaria comete dos errores por página, en promedio. ¿Cuál es la
probabilidad de que en la siguiente página cometa?
a) 4 o más errores
λ= 2
f(x≥4)= 1- [𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3)]
f(x≥4)= 1- [0.1353+0.2707+0.2707+0.1804]
f(x≥4)= 1- 0.8571234605
f(x≥4)= 0.1429
20 ∗ 𝑒 −2 21 ∗ 𝑒 −2
𝑓(0) = 𝑓(1) =
0! 1!
1 ∗ 0.1353352832 2 ∗ 0.1353
𝑓(0) = 𝑓(1) =
1 1
𝑓(0) = 0.1353352832 𝑓(1) = 0.2706705665
22 ∗ 𝑒 −2
𝑓(2) = 23 ∗ 𝑒 −2
2! 𝑓(3) =
3!
4 ∗ 0.1353
𝑓(2) = 8 ∗ 0.1353
2 𝑓(3) =
6
𝑓(2) = 0.27076705665
𝑓(3) = 0.1804470443
b) Ningún error
f(0)= 0.1353
4. La señorita Berger es ejecutiva del Coast Bank and trust. A partir de sus años de
experiencia, calcula que la probabilidad de que un solicitante no pague un
préstamo inicial es de 0.025. el mes pasado realizo 40 préstamos.
N= 40 λ=N*P
P= 0.025 λ=40*0.025
λ= 1
a) Calcule la probabilidad de que no se paguen 3 prestamos
13 ∗𝑒 −1
f(3)= 3!
1∗0.367979
f(3)= 6
f(3)= 0.0613
b) Cuál es la probabilidad de que por lo menos no se paguen 3 préstamos.
f(x≥3)= 1- [𝑓(0) + 𝑓(1) + 𝑓(2)]
f(x≥3)= 1 – (0.36788+0.36788+0.18394)
f(x≥3)= 1 – 0.9196997
f(x≥3)= 0.0803
10 ∗ 𝑒 −1 11 ∗ 𝑒 −1 12 ∗ 𝑒 −1
𝑓(0) = 𝑓(1) = 𝑓(2) =
0! 1! 2!
𝑓(0) = 0.36788 𝑓(1) = 0.36788 𝑓(2) = 0.18394
PRUEBAS
1) Los pasajeros de las aerolíneas llegan al azar e independientemente a la sección de

documentación a un gran aeropuerto internacional. La frecuencia promedio de llegadas
es de 10 pasajeros por minuto.
a) ¿Cuál es la probabilidad de no llegadas en el intervalo de un minuto?
𝜆𝑥 𝑒 −𝜆
(𝑥) =
𝑥!
Datos
(10)0 (2,7183)−10 60
𝑓(0) = 𝜆 = 10 ( )=10
0! 60
𝑥=0
(1)(0,000045)
𝑓(0) =
1
𝑓(0) = 0,000045
b) ¿Cuál es la probabilidad de no llegadas en un intervalo de 15 segundos?

𝜆𝑥 𝑒 −𝜆
𝑓(𝑥) = 𝑥!
(2,5)0 (2,7183)−2,5 𝐷𝐴𝑇𝑂𝑆:

𝑓(0) =
0! 15
𝜆 = 10 ( )
60
(1)(0,0821) 𝜆 = 2,5
𝑓(0) =
1
𝑓(0) = 0,00821
5. Distribución de Probabilidad Normal
(Variable aleatoria continua)
La distribución de Probabilidad normal tiene gran cantidad de aplicaciones en donde la

variable aleatoria puede ser el peso, la estatura, puntuaciones de exámenes, entre otras.
Según Luis Rodríguez Ojeda (2007) La distribución normal es la piedra angular de la teoría
estadística moderna. Conocida y estudiada desde hace mucho tiempo, es utilizada para
describir el comportamiento aleatorio de muchos procesos que ocurren en la naturaleza y
también realizados por los humanos
5.1.Distribución normal o campana de Gauss
𝜎
= 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎
u= media
-5 -4 -3 -2 -1 0 1 2 3 4 5
𝑋 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑈 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
5.2.Función de densidad de distribución normal

1 (𝑥−𝑢)2
−
𝑓(𝑥) = ℮ 2𝜎2
σ√2𝜋
𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡𝑖𝑝𝑖𝑐𝑎
𝜋 = 3.1416
℮=
5.2.1. Características de la distribución normal

1. Dos parámetros media (u)
2. El punto más alto de la curva normal es (u); esta coincide con mediana y media
3. La media de la distribución puede tener valores, negativos, positivos o cero
4. La distribución normal es simétrica en donde el sesgo es igual a cero
5. La desviación estándar determina que tan plana o atachada es la curva normal
6. Las probabilidades correspondientes a la variable aleatoria normal, se denomina el
área bajo la curva, en donde el total de área es 1
7. El área bajo la curva de cualquier distribución normal.
5.3.Distribución normal estándar

𝑥−𝑢
𝑍=
𝜎
La distribución normal estándar, tiene media (u) igual a cero y desviación típica ( ) es
igual a 1, para lo cual se asigna la letra (Z) y se calcula las probabilidades en base a la tabla.
Entonces la función de densidad o el área bajo la curva es:
−𝑧2
1
𝑓(𝑧) = ℮ 2
√2𝜋
1. Hallar el área bajo la curva normal, en cada uno de los siguientes ejercicios:
a) Entre Z = 0 y Z = 1,2
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
P = 0.3849
b) -0.68 ≤ Z ≤ 0
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
𝑃 = 0.2518
c) -0.41 ≤ Z ≤ 2,21
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
𝑃1(0 ; 2.21) = 0.4864
𝑃2(0 ; −0.46) = 0.1772
𝑃1 + 𝑃2 = 0.6636
d) 0.81 ≤ Z ≤ 1,94
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
𝑃1(0 ; 0.81) = 0.4738
𝑃2 (0 ; 1.94) = 0.2910
𝑃2 − 𝑃1 = 0.1828
e) A la izquierda de Z = -0,6
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
𝑃 (0 ͢ − 0.6) = 0.2258
𝑃 = 0.5 − 0.2258
𝑃 = 0.2742
2. Construir la gráfica de distribución normal, con la escala de 𝒁 = (𝒖 = 𝟎 ; 𝝈 = 𝟏) y

también la escala de X con los siguientes valores. Se tiene que la descarga de la
página web se distribuye normalmente con una media de 7 segundos y una
desviación estándar de 2 segundos. Calcular el tiempo de descarga de 9 segundos en
unidades estandarizadas.
Datos:
Distribución normal
𝑥−𝑢
𝑍=
𝜎
𝑢=7 𝜎=2 𝑥=9
𝑥−𝑢
𝑍=
𝜎
9−7
𝑍= =1
2
-2 -1 0 1 2
3 5 u=7 9 11
3. El peso medio de 500 estudiantes varones de cierta universidad es de 151 libras y la
desviación típica es de 15 libras. Se supone que los pesos están normalmente
distribuidos, hallar cuantos estudiantes pesan:
a) Entre 120 y 155 libras
b) Más de 185 libras
c) Exactamente 160 libras
Datos:
𝑥−𝑢 𝑢 = 151 𝜎 = 15
𝑍=
𝜎
a) 120 ≤ X ≤ 155
120−151
𝑍1 = = -2,07
15
155−151
𝑍2 = = 0,27
15
𝑃(𝑧1) = 0.4808
𝑃(𝑧2) = 0.1064
𝑃𝑡 = 0.4808 + 0.1064 = 0.5872
Número de estudiantes: N (0.5872) -2 -1 0 1 2
500 (0.5872) = 2894
b) X ≥ 185
185−151
𝑍1 = = 2.27
15
𝑃(𝑧1) = 0.4884
-2 -1 0 1 2
𝑃𝑡 = 0.5 − 0.4808
Pt = 0.0116
Número de estudiantes: N (0.0116)
500 (0.0116) = 6
c) X = 160
159.5−151
𝑍1 = = 0.57
15
160.5−151
𝑍2 = = 0.63
15
-2 -1 0 1 2
P (z1)= 0.2157
P (z2)= 0.2357
Pt = 0.2157 – 0.2357
Pt = 0.02
Número de estudiantes = N (0.02)
500 (0.02) = 10
4. Sea X una variable aleatoria que sigue una distribución normal N ( 𝝁, 𝝈 ); calcular
la probabilidad cuando la variable aleatoria es mayor o igual a 80. Sabiendo que la
media de la población es de 50 y la desviación típica es de 10.
𝑥− 𝜇
DATOS: Z= P(z)= (0.4987)
𝜎
𝜇 = 50
80−50
𝜎 = 10 Z= P(z)= 0.5 - 0.4987
10
X≥ 80
Z= 3 P(z)= 0.0013
-3 -2 -1 0 1 2 3
5. El peso de una manzana de una huerta siguen una ley normal con una media de
150 gr. Y una desviación típica de 20
a) Qué porcentaje de estas manzanas tendrá un peso inferior a 115 gr.

Datos:
𝜇 = 150 𝑔𝑟
𝜎 = 20
x≤115
𝑥−𝑢
Z= 𝜎
115−150
Z= 20
z -1,75
Z= -1.75 x -3 -2 115 -1 0 1 2 3
P (z)= 0.5-0.4599
P (z)= 0.0401 ------- x 100= 4%
b) Hallar la probabilidad de una manzana de este huerto, elegida al azar tenga un peso
comprendido entre 165 y 220 gr.
Datos:
𝑥−𝑢 𝑥−𝑢
𝜇c)= 150 𝑔𝑟 Z1= Z2=
𝜎 𝜎
𝜎 = 20
165 165−150 220−150
d) ≥x≤ 220 Z1= Z2=
20 20
Z1= 0.75 Z2= 3.5

P(Z1)=0.2734 P (Z2)= 0.4998
PT= 0.4998-0.2734
PT= 0.2264
z 0,75 3,5
-3 -2 -1 0 1 2 3
6. El diámetro de las cabezas de un tornillo sigue una distribución normal con una
media de 5.5 milímetros y una varianza de 0.69 milímetros cuadrados. Se sabe que
los tornillos son aprovechados, si su diámetro esta entre 4.3 y 7.1 ¿Cuál es el
porcentaje de tornillos aprovechables?
Datos: 𝑥−𝑢 𝑥−𝑢
a) Z1= Z2=
𝜎 𝜎
𝜇 = 5.5 𝑚𝑚
𝜎b)= 0.64 𝑚𝑚2 4.3−5.5 7.1−5.5
Z1= Z2=
0.8 0.8
√0.64 𝑚𝑚2
4.3 ≥x≤ 7.1 Z1= - 1.5 Z2= 2
P(Z1)=0.4332 P (Z2)= 0.4772
PT= 0.4332 + 0.4772

PT= 0.9104
z -1,5
-3 -2 -1 0 1 2 3
7. Las puntuaciones en un test de biología fueron 0, 1, 2, 3…..10 Según el número de

respuestas correctas entre las 10 preguntas. La nota media fue de 6.7 y la de
desviación típica de 1,2. Supuesto que las notas estuvieron normalmente
distribuidas.
a) Determinar el 10% de estudiantes que tuvo 6 puntos
X1= 6 + 0.5 X2= 6-0.5

Datos:
𝜇 = 6.7 X1= 6.5 X2= 5.5
𝜎 = 1.2
X=6
Z1= Z2=
𝜎 𝜎
6.5−6.7 5.5−6.7
Z1= Z2=
1.2 1.2
Z1= -0.17 Z2= -1

P(Z1)= 0.0675 P (Z2)=0.3413
PT= 0.3413 – 0.0675

PT= 0.2738
z -0,17
-3 -2 -1 0 1 2 3
b) La nota máxima del 10% más bajo
P=0.40
Z= -1.28 0,40 0,50
0,10 0,50
X=Z𝜎 + 𝜇
X= (-1.28) (1.2) + 6.7
X= 5.16
c) La nota mínima del 10% más alto de la clase
P=0.40
Z= 1.28
0,50 0,40
X=Z𝜎 + 𝜇
0,10 0,50 0,10
X= (1.28) (1.2) + 6.7
X= 8.24
8. En la universidad se realiza una encuesta en donde se evalúa la enseñanza de la
matemática educativa y se encontró que la media es de 7.5 y la desviación típica de
1.2 se supone de las notas están normalmente distribuidas.
a) Cuál es la probabilidad de estudiantes que obtuvieron 8 puntos
Datos: X1= 6 + 0.5 X2= 6-0.5

𝜇 = 7.5
𝜎 = 1.2 X1= 6.5 X2= 5.5
X=8
Z1= Z2=
𝜎 𝜎
z 0,83
-3 -2 -1 0 1 2 3
8.5−7.5 7.5−7.5
Z1= Z2=
1.2 1.2
Z1= 0.83 Z2= 0

P(Z1)= 0.2967 P (Z2)=0
b) Cuál es el porcentaje de los estudiantes que obtuvieron 6 puntos
Datos:
𝜇 = 7.5 X1= 6 + 0.5 X2= 6-0.5
𝜎 = 1.2
X1= 6.5 X2= 5.5
X=6
Z1= Z2= PT= 0.4525- 0.2967
𝜎 𝜎
6.5−7.5 5.5−7.5
Z1= Z2= PT= 0.1558--------(x100)
1.2 1.2
Z1= -0.83 Z2= -1.67 PT= 15.58%

P(Z1)= 0.2967 P (Z2)=0.4525
z -1,67 -0,83
-3 -2 -1 0 1 2 3
c) Cuál es la nota en donde el porcentaje fue de 23.27%

23.27 ÷ 100= 0.2327
P=0.2327
Z= -0.62
26,73% 50%
X=Z𝜎 + 𝜇
X= (0.62) (1.2) + 7.5
23,27%
X= 8.24
9. Una persona debe tener una puntuación en el 2% superior de la población en

una prueba de calificaciones. Si las puntuaciones tienen una distribución
normal con una media de 100 y una desviación típica de 15 que puntuación
debe obtener una persona para ser miembro de un tribunal.
48%
98% 2%
Z 0
P = 0.48 U = 100
Z = 2.05 = 15
x−u
𝑍= 𝜎
𝑥 =𝑍𝜎+𝑢
𝑥 = 2.05(15) + 100 = 130.75
Determinar el porcentaje del área de la curva de distribución normal.
1. 2A la derecha de Z=0.47
P= 0.1808
Pt=0.5 - 0.1808 0,47
-3 -2 -1 0 1 2 3
Pt=0.3192
2. A la derecha de Z= -1.13
P= 0.3708
-1,13
Pt=0.5+0.3708
-3 -2 -1 0 1 2 3
Pt=0.8708
2
(Sanchez, Octavio., Probabilidad y estadistica, Tercera edicion, 2009, págs. 204-2009)
3. Entre Z=0.54 y Z=1.91
P1=0.4719
P2=0.2054
0,54 1,91
Pt= 0.4719-0.2054 -3 -2 -1 0 1 2 3
Pt= 0.2665
4. A la izquierda de Z=0.81
P=0.2910
Pt= 0.5+0.2910
0,81
Pt= 0.7910 -3 -2 -1 0 1 2 3
5. La estatura promedio de los empleados de una empresa muy grande es de 1.65 m ,

con una desviación estándar de 6.2 m. Supón una distribución normal y determina
que porcentaje de empleados miden:
Datos:
𝜇 = 1.65
𝜎 = 6.2
0,5
a) Más de 1.57 m
1.51−1.65 -1,29
Z1= 0.062
-3 -2 -1 0 1 2 3
Z1= -1.29
P=0.4015
Pt= 0.4015 + 0.5
Pt=0.9015----------x100 ---> 90.15%
b) Menos de 1.70 m
1.70−1.65
Z1= 0.062
0,81
Z1=0.81
-3 -2 -1 0 1 2 3
P= 0.2910
Pt= 0.5+0.2910
Pt=0.7910  79.10%
c) Entre 1.57 m y 1.70 m

1.57−1.65 1.70−1.65
Z1= Z2=
0.062 0.062
Z1= -1.29 Z2= 0.81
P1= 0.4015 P2=0.2910
Pt=0.4015+0.2910
Pt= 0.6925
1,29 0,81
Pt= 69.25% -3 -2 -1 0 1 2 3
6. Supón que el monto promedio de compras por cliente de una empresa es de $128.45
y una desviación estándar de $18.26. Determina la probabilidad de que un cliente
compre:
Datos:
𝜇 = 128.45
a) Más de $100 𝜎 = 18.26 0,5
100−128.45
Z1= -1,56
18.26
-3 -2 -1 0 1 2 3
Z1= -1.56
P= 0.4406
Pt= 0.5+ 0.4406
Pt=0.9406
b) Más de $150
150−128.45
Z1= 18.26
Z1= 1.18 1,18

-3 -2 -1 0 1 2 3
P= 0.3810
Pt= 0.5+ 0.3810
Pt=0.8810
c) Menos de $120
120−128.45
Z1= 18.26
Z1= -0.46
P= 0.1772
0,46
Pt= 0.5+ -3 -2 -1 0 1 2 3
Pt=0.9406
7. El tiempo necesario para arreglar la transmisión de un automóvil en un taller de

servicios se distribuye normalmente con una media de 45 min. Y una desviación
estándar de 8.0 min. El mecánico planea comenzar la reparación del automóvil
después de 10 min que el vehículo sea entregado y le comunica al cliente que el auto
estará listo en una hora en total. ¿Cuál es la probabilidad de que el mecánico esté
equivocado?
Datos:
𝜇 = 45 𝑚𝑖𝑛
𝜎 = 8.0 min
𝑥 = 50 𝑚𝑖𝑛
0,62
-3 -2 -1 0 1 2 3
50−45
Z1= 8.0
Z1= 0.62
P= 0.2324
Pt= 0.5 – 0.2324
Pt=0.2676
8. En una población estudiantil el coeficiente de inteligencia es 52 iy su desviación
típica 8. Si ponemos que la población se distribuye normalmente, averiguar el
porcentaje de gente tiene un C.I superior a 60.
Datos:
𝒙 = 𝟔𝟎
𝝈=𝟖
𝒖 = 𝟓𝟐
60 − 52
𝑧= =1
8
𝑃 = 0,3413 -2 -1 0 1 2
𝑃 = 0,5 − 0,3413
𝑃 = 0,1587(100)
𝑷 = 𝟏𝟓, 𝟖𝟕%
9. Deseamos conocer el porcentaje de alumnos comprendidos entre las puntuaciones
40 y 75. Se sabe que la media es 50 y la desviación típica 80.
Datos
𝝈=𝟖
𝒖 = 𝟓𝟐
𝟒𝟎 ≤ 𝒙 ≤ 𝟔𝟎
𝒙−𝒖 𝒙−𝒖
𝒛𝟏 = 𝒛𝟐 =
𝝈 𝝈
𝟒𝟎−𝟓𝟎 𝟔𝟎−𝟓𝟎 -2 -1 0 1 2 3 4
𝒛𝟏 = = 𝒛𝟐 =
𝟖 𝟖
𝒛𝟏 = −𝟏, 𝟐𝟓 𝒛𝟐 = 𝟑, 𝟏𝟐
𝑷𝟏 = 𝟎, 𝟑𝟗𝟒𝟒 𝑷𝟐 = 𝟎, 𝟒𝟗𝟗𝟏
Para calcular de desviacion estandar, media

https://www.easycalculation.com/es/statistics/standard-deviation.php
PRUEBAS
1) La cantidad promedio de precipitación pluvial en Dallas, Texas, durante el mes de

abril es 3.5 pulgadas. Suponga que se puede usar una distribución normal y que la
desviación estándar es 0.8 pulgadas.
a) ¿Qué porcentaje del tiempo la precipitación pluvial en abril es mayor que 5
pulgadas?
𝒙−𝝁
𝒛= Datos
𝝈
𝜇 = 3,5
5 − 3,5
𝑧= 𝜎 = 0,8
0,8 𝑋≥5
1,5 1,88
𝑧= -3 -2 -1 0 1 2 3
0,8
𝑧 = 1,88
P=0.4699
Pt=0.5-0.4699
Pt=0.0301-----------> 3.01%
b) ¿Qué porcentaje del tiempo la precipitación pluvial en abril es menor que 3
pulgadas?
𝒙−𝝁 Datos
𝒛= 𝜇 = 3,5
𝝈
𝜎 = 0,8
3 − 3,5 𝑥≤3
𝑧=
0,8
−0,5
𝑧= -0,63
0,8 -3 -2 -1 0 1 2 3
Z= -0.63
P=0.2357
Pt= 0.5-0.2357
Pt=0.2643 -----------26.43%
2. La cantidad promedio de precipitación pluvial en Dallas, Texas, durante el mes de
abril es 3,5 pulgadas (The Worl Almanac, 2000). Suponga que se puede usar una
distribución normal y que la desviación estándar es 0,8 pulgadas.
a. ¿Qué porcentaje del tiempo la precipitación pluvial en abril es mayor a 5 pulgadas?

b. ¿ Qué porcentaje del tiempo la precipitación pluvial en abril es menor a 3 pulgadas?
Datos:
𝑢 = 3,5
𝒂. 𝒙 ≥ 𝟓 b. 𝒙 ≤ 𝟑 𝜎 = 0,8
𝑧1 = 𝑧2 =
𝜎 𝜎
5−3,5 3−3,5
𝑧1 = = 1,88 𝑧2 = = −0,63
0,8 0,8
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟓−𝟎,𝟒𝟔𝟗𝟗=𝟎,𝟎𝟑𝟎𝟏 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟓−𝟎,𝟐𝟑𝟓𝟕=𝟎,𝟐𝟔𝟒𝟑
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟎𝟑𝟎𝟏∗𝟏𝟎𝟎=𝟑,𝟎𝟏% 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟐𝟔𝟒𝟑∗𝟏𝟎𝟎=𝟐𝟔,𝟒𝟔%
-2 -1 0 1 2 -2 -1 0 1 2
6. Aproximación Normal de las Probabilidades Binomiales

Para realizar estos ejercicios se tiene como parámetros, la probabilidad y el número de
aciertos en donde asociados con una distribución normal se tiene que:
U = NP
u = √𝑵𝑷𝑸
1. En una distribución de probabilidad binomial P = 0.20 y N = 100

a) ¿Cuál es la media y la desviación típica?
P = 0.20
N = 100
U = NP = 20
u = √100(0.20)(0.80) = 4
b) ¿Cuál es la probabilidad de exactamente 24 éxitos?
X = 24
23.5−20
𝑍1 = = 0.88
4
24.5−20
𝑍2 = = 1.13
4
P (z1) = 0.3106
P (z2) = 0.3708
Pt = 0.3106 – 0.3708
2. La tasa de desempleo es de 5.8% según el INEC suponga que se selecciona

aleatoriamente una muestra de 100 personas
a) ¿Cuál es el número esperado de quienes están desempleados y además cual es la
varianza?
P = 0.0580 u = np = 5.8 (valor esperado)
N = 100 u = (100) (0.0580) (0.9420)
u = 5.46 (varianza)
b) ¿Cuál es la probabilidad de que por lo menos 4 estén desempleados?
N = (µ; )
N = (5.8; 2.34) 𝜎 = √5.46 = 2.34 (desviación típica)

4−5.8
𝑍1 = = -0.77
2.34
P = 0.2794
Pt = 0.5 + 0.2794 = 0.7794

-2 -1 0 1 2
1. 3Un cierto equipo electrónico está formado por 100 componentes conectados. Si
cada componente tiene una probabilidad de 0.02 de romperse cuando el equipo es
lanzado en un cohete, hallar la probabilidad de que al hacerlo se rompan 10 o más
componentes.
𝜎 = (100)(0.02)
Datos:
N = 100
𝑍 = (100 ∗ 0.02 ∗ 0.98) = 1.96 P = 0.02
N (u; )
𝜎 = √1.96 = 1.4
𝟏𝟎−𝟎.𝟎𝟐 𝟖
𝒁= = 𝟏.𝟒 = 7.12
𝟏.𝟒
2. Supongamos que un tirador tiene probabilidad de 0.4 de acertar en la diana. Hallar

la probabilidad de que después de realizar 20 disparos halla acertado al menos 4
lanzamientos.
N (u; σ) Datos:
P = 0.4
Q = 0.6
𝑍 = (20 ∗ 0.4 ∗ 0.6) = 4.8
N = 20
𝜎 = √4.8 = 2.19
𝟒−𝟎.𝟒 𝟑.𝟔
𝒁= = 𝟐.𝟏𝟗 = 1.64
𝟐.𝟏𝟗
P= 0.4495 + 0.5
Pt = 0.9495
3
Lorente, J., (2006).Aproximación de la distribución Binomial a la Normal
3. Una máquina produce componentes que son defectuosos en un 10%. Se elige al
azar una muestra de estos 50 componentes. Calcular las probabilidades de que:
a) Como exactamente 6 componentes estén defectuosos
𝑍 = (50 ∗ 0.10 ∗ 0.90) = 4.5

Datos:
𝜎 = √4.5 = 2.12 N =50
P = 0.10
𝟔−𝟎.𝟏𝟎 𝟓.𝟗 N (u; )
𝒁= = 𝟐.𝟏𝟐 = 2.69
𝟐.𝟏𝟐
𝑃 = 0.4964
4. Un examen tipo test consta de 40 preguntas a contestar verdadero o falso. El

examen se aprueba si se contesta correctamente al menos 25 preguntas. Un alumno
responde al examen al azar. Halla la probabilidad de aprobar el examen
Datos:
𝜎 = √10 = 3.16 N = 40
P = 0.5
𝟐𝟓−𝟐𝟎 𝟓 Q = 0.5
𝒁= = 𝟑.𝟏𝟔 = 1.58
𝟑.𝟏𝟔 𝑍 = (40 ∗ 0.5 ∗ 0.5)
= 10
𝑃 = 0.4429
5. El 5% de los libros prestados en una biblioteca de un centro escolar son técnicos. Si

se toman los últimos 500 préstamos, calcula la probabilidad de que se hayan
prestado entre 25 y 30 libros técnicos.
𝜎 = √23.75 = 4.87 Datos:

N = 500
𝟐𝟒.𝟓−𝟐𝟓 −𝟎.𝟓 P= 0.05
𝒁= = 𝟒.𝟖𝟕 = -0.10 Q = 0.95
𝟒.𝟖𝟕
𝜎 = (500 ∗ 0.05 ∗ 0.95) = 23.75
𝑃 = 0.0398
𝟑𝟎.𝟓−𝟐𝟓 𝟓.𝟓
𝒁= = 𝟒.𝟖𝟕 = 1.13
𝟒.𝟖𝟕
𝑃 = 0.3708
Pt = 0.0398 + 0.3708 = 0.4106

VAMOS A NECESITAR LA TABLA Z DE DISTRIBUCIÓN NORMAL
http://www.disfrutalasmatematicas.com/datos/distribucion-normal-estandar.html
PRUEBAS
1) Muchos problemas de producción se relacionan con la unión exacta de partes de

maquinarias con flechas, que caben en el orificio de una válvula, un diseño en
particular requiere de una flecha con un diámetro de 22 milímetros, pero las
flechas con diámetros entre 21,9 mm y 22,01 mm son aceptables. Suponga que el
proceso de manufactura fabrica flechas con diámetros que se distribuyen
normalmente con una media de 22,002 mm y con una desviación de 0,005 mm para
este proceso cual es:
a) La proporción de flechas con un diámetro entre 21,9 mm y 22 mm

𝒙−𝝁
𝒛𝟏 =
Datos 𝝈
𝜇 = 22,002
𝜎 = 0,005 21,9 − 22,002
𝑧1 =
21,9 ≤ 𝑥 ≤ 22 0,005
𝑥1 = 21,9
𝑥2 = 22 −0,102
𝑧1 = 𝑧1 = −20,4
0,005
𝒙−𝝁
𝒛𝟐 =
𝝈
22 − 22,002
𝑧2 =
0,005
−0,002
𝑧2 = 𝑧2 = −0,4
0,005
𝑃1 (−20,4) = ∞ ≈ 0,5
𝑃2 (−0,4) = 0,1554
b) ¿Cuál es el diámetro que será solo el 8% de las flechas superior?
Datos 𝑥 = 𝑧𝜎 + 𝜇
𝜇 = 22,002
𝜎 = 0,005
𝑝 = 0,42
𝑧 = 1,41
𝑥 = (1,41)(0,005) + 22,002
𝑥 = 22,0091
2. El precio promedio de las acciones que pertenecen a S&P500 es de $30 y la

desviación estándar es de 8,20 (Business Week, Special Annual Issue, primavera de
2003). Suponga que los precios de las acciones están distribuidos normalmente.
¿De qué el precio de las acciones de una empresa no sea mayor a $20?
𝑨) 𝒙 ≥ 𝟒𝟎 𝑩) 𝒙 ≤ 𝟐𝟎
𝑥−𝑢 𝑥−𝑢 Datos:
𝑧1 = 𝑧2 = 𝑢 = 30
𝜎 𝜎
𝜎 = 8,2
40−30 20−30
𝑧1 = = 1,22 𝑧2 = = −1,22
8,2 8,2
𝑷𝟏 ( 𝒛𝟏)= 𝟎,𝟑𝟖𝟖𝟖 𝑷𝟐 ( 𝒛𝟐)= −𝟎,𝟑𝟖𝟖𝟖
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟓−𝟎,𝟑𝟖𝟖𝟖=𝟎,𝟏𝟏𝟏𝟐 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟓−𝟎,𝟑𝟖𝟖𝟖=𝟎,𝟏𝟏𝟏𝟐
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5 -2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
7. ESTADISTICA INFERENCIAL
N = tamaño de la población
Población
Parámetros = desviación típica (población)
U = media
P = proporción
Muestra
Estadígrafos
N = tamaño de la muestra
S = desviación típica de la
muestra
= media de la muestra
= proporción de la
muestra
8. Muestreo
Es un proceso de obtener una información de un conjunto de toda la población.
Ventajas del muestreo

 Costos reducidos
 Mayor rapidez
 Más posibilidades
Los elementos pueden ser: productos almacenes, personas, familias, entre otras.
Población
Es todo el grupo de personas de quien el investigador necesita tener información.
8.1. Pasos para desarrollar un plan de muestreo
1) Definir la población de interés
Especificar las características de los individuos, cosas, clientes, tiendas, etc; de quien se
necesita la información para satisfacer la investigación.
2) Identificar un marco de referencia del muestreo
Consiste en hacer una lista de todos los elementos de la población, de donde se van a
seleccionar las unidades para la muestra.
Realizar una lista en forma ascendente (a – z) y numerar a cada uno de ellos.

3) Seleccionar un método de muestreo
ALEATORIO
SITEMATICO
MUESTREO
PROBABILISTICO
ESTRATIFICADO
PROPORCIONAL
CONGLOMERADO
TIPOS DE
MUESTREO NO
PROPORCIONAL
CASUAL
MUESTREO NO
INTENCIONAL
PROBABILISTICO
CUOTAS
4) Determinar el tamaño de la muestra, utilizando las siguientes fórmulas.
𝑍 2 𝑝𝑞𝑁
𝑴𝒖𝒆𝒔𝒕𝒓𝒂 𝑭𝒊𝒏𝒊𝒕𝒂 𝑁 =
𝑍 2 𝑝𝑞 + 𝑁𝐸 2
𝑍 2 𝑝𝑞
𝑴𝒖𝒆𝒔𝒕𝒓𝒂 𝑰𝒏𝒇𝒊𝒏𝒊𝒕𝒂 𝑁 =
𝐸2
Fórmulas para estimar la proporción
𝒛𝟐 𝒑 𝒒 𝑵 𝒛𝟐 𝒑 𝒒
𝒏= 𝒏=
𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐 𝑬𝟐
Fórmulas para estimar la media

𝒛𝟐 𝝈𝟐 𝒛𝟐 𝑵 𝝈
𝒏= 𝒏=
𝑬𝟐 𝑵𝑬𝟐 + 𝒁𝟐
N= tamaño de la población
n= tamaño de la muestra
Z= el nivel de confianza, se trabaja con el 95%, 99% o 90%
P= probabilidad
q= probabilidad de fracaso
E= error de la muestra
5) Ejecutar el plan operacional de la muestra
1. Se desea calcular la muestra de un establo de 5000 vacas para determinar cuál de

ellas son vacas lecheras con un error del 5% y un nivel de confianza del 95%
Datos:
N=5000
E= 0.05 𝒛𝟐 𝒑 𝒒 𝑵
N.C= 0.95 𝒏=
𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐
p=0.5
Q=0.5 (1.96)2 (0.5)(0.5)(5000)
𝑛=
(1.962 )(0.5)(0.5) + (5000)(0.052 )
4802
𝑛=
𝑧 2 0.9604 + 12.5
𝑛 = 356.75
𝑛 = 357
2. Calcular el número de promedio de estadística descriptiva del cuarto ingeniería

financiera “A” de toda la población 29.
𝒛𝟐 𝒑 𝒒 𝑵
𝒏=
Datos: 𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐
N=29
E= 0.20
N.C= 1.96
p=0.5
Q=0.5
(1.96)2 (0.5)(0.5)(29)
𝑛=
(1.962 )(0.5)(0.5) + (29)(0.202 )
27.85
𝑛=
2.1204
𝑛 = 13.13
𝑛 = 14
a. Definir la población
1) 7 2) 7 3) 7 4) 8 5) 7 6) 7.3 7) 7.1 8) 7.2
9) 7.1 10) 7.3 11) 7.1 12) 7.5 13) 7 14) 7.45 15) 7 16) 7
17) 7.2 18) 7.5 19) 8.3 20) 7.0 21) 7 22) 7 23) 7 24) 9.9
25) 7 26) 7 27) 7.5 28) 7.5 29) 8.7
b. Seleccionamos la muestra con una tabla aleatoria

7 7.1 7.2 7.1 7.5 7 7
8.3 7 7 7 7 7.5 7
c. Sacamos la media
100.7
ẋ= = 7.19
14
3. Se desea estimar el peso promedio de los sacos que son llenados con un nuevo
instrumento en una industria. Se conoce que el peso de un saco que se llena con este
instrumento es una Variable aleatoria con una distribución normal. Si se sabe que
la desviación típica y el peso son de 0,5 kg. Determinar el tamaño de la muestra
aleatoria con una probabilidad del 95% y el parámetro se diferencia
modularmente en -0,1 kg.
Datos:
𝜎 = 0,5 𝑧 2 𝜎2
𝑛= 𝐸2
N.C=95%
z=1,96 (1.96)2 (0,5)2
𝑛= (0,1)2
E=0,1
𝑛 = 96.04
n=96
4. Se desea calcular la muestra para realizar un estudio del nivel de nutrición de una
cierta población para lo cual se sabe que la población es de 6000 personas. Un
estudio anterior revela que la probabilidad de nutrición fue de 0,8 trabajando con
un nivel de confianza del 90% y un error de muestreo del 8%. Calcular el tamaño
de la muestra.
Datos:
z=1,645 𝑧 2 𝑝𝑞𝑁
E=0,08 𝑛 = 2
P=0,8
𝑧 𝑝𝑞 + 𝑁𝐸 2
N=6000
N.C=90%
z=16
(1,645)2 (0,8)(0,2)(6000)
𝑛=
(1,645)2 (0,8)(0,2) + 6000(0,8)2
𝑛 = 67
5. Un biólogo quiere estimar el precio promedio de las personas casadas en el estado

de Virginia. Un estudio anterior de 10 personas casadas mostro que la desviación
estándar de sus precios es de 12,2 libras. ¿Qué tan grande debe ser una muestra
para que el biólogo tenga el 94% de confianza y que el error de estimación es de 4
libras
Datos:
𝜎 = 12,2 𝑧2𝜎 2
𝑛=
N.C=94%= 𝐸2
0,47 (1,88)2 (12,2)2
𝑛= (4)2
z=1,88
E=4 𝑛 = 33
6. Determine el tamaño de la muestra necesario para estimar una proporción

poblacional a un nivel de confianza del 98% con un error del 5% además se sabe
que en una muestra pilota se obtuvo una probabilidad de 0,2
Datos
N.C= 98% 𝑧 2 𝑝𝑞
𝑛= 2
z=2,38 𝐸
E=5% = 0,05
P=0,2
q=0,8
(2,33)2 (0,2)(0,8)
𝑛= = 347,45
(0,05)2
𝑛 = 348
1. 4Un auditor desea tener un nivel de confianza del 95%, para que la verdadera
proporción de error de error de exceda del 2%. Si la población es muy grande,
¿Qué tamaño tendrá la muestra que va a tomarse, si el auditor estima que la
proporción de error es del 5%?
𝑧 2 𝑝𝑞
Datos 𝑛=
𝐸2
N.C=95%
z=1.96 (1.96)2 (0,5)(0,5)
𝑛= = 456,19
E=2% =0.02 (0,02)2
P=0,5 𝑛 = 457
q=0,5
2. En un día, la producción de tarjetas perforadas por una persona se encuentra

en una gaveta. Se desea estimar el porcentaje de tarjetas que tiene menos error,
mediante una muestra aleatoria simple. ¿qué tamaño de muestra es necesario si
se piensa que el porcentaje del 8%? Se acepta un error estándar del 3% y
confianza del 95%.
𝑧 2 𝑝𝑞
𝑛=
𝐸2
(1.96)2 (0,08)(0,92)
Datos 𝑛= = 314.15
N.C=95% (0,02)2
z=1.96
E=3% =0.03
𝑛 = 315
P=0,08
q=0,92
4
Martinez,Ciro.(2005). Estadistica y muestreo, (Decimo segunda ed.). Bogota: Ecoe Ediciones
3. El mantenimiento de cuentas puede resultar demasiado costoso, si el promedio
de compra por cuenta baja de cierto nivel. El gerente de un gran almacén por
departamentos desea estimar el promedio de lo comprado mensualmente por
los clientes, con un error de $2500, y una probabilidad aproximada de 0.95.
¿Cuántas cuentas deberá seleccionar, si sabe que la desviación estándar es de
$30000, la cual fue obtenida de los balances mensuales de las cuentas de
crédito?
Datos 𝑧2𝜗2
N.C=95% 𝑛= 2
𝐸
z=1.96
(1.96)2 (30000)2
E=2500 𝑛= = 553.19
𝜗 = 30000 (2500)2
𝑛 = 554
4. Una firma constructora desea estimar la resistencia promedio de las barras de

acero utilizadas en la construcción de edificios de apartamentos. ¿Qué tamaño
de muestra se requiere para garantizar que habrá un riesgo de solo 0.001 de
sobrepasar un error de 5 kg. O más en la estimación? La desviación estándar de
la resistencia de este tipo de barras se estima en 50 libras.
P=0.999/2
Datos P= 0.4995
P=1-0.0001= 0.999 Z= 3.27
E=5 kg 10 libras 𝑧2𝜗2
𝑛=
𝜗 = 50 𝐸2
(3.27)2 (2500)2
𝑛= = 267.32
(10)2
𝑛 = 26
5
5. Wally Simpleton esta postulado para gobernador. El desea estimar dentro de 1
punto porcentual la proporción de personas que votaran por él. También desea
tener el 95% de confianza en sus hallazgos. ¿Qué tan grande debería ser la
muestra?
5
Webster,Allen.(2004). Estadistica aplicada a los negocios y la economia, (tercera ed.).Colombia:Mc Graw
Hill
Datos
N.C=95% 𝑧 2 𝑝𝑞
z=1.96 𝑛= 2
𝐸
P=0.5
q=0.5 (1.96)2 (0,5)(0,5)
E=0.01 𝑛= = 9.604 𝑛 = 10
(0,01)2
8.2. Muestreo aleatorio sistemático
En el muestreo sistemático, los elementos son seleccionados de la población dentro de

un intervalo uniforme que se mide con respecto al tiempo, al orden o al espacio. El
muestro sistemático difiere del muestreo aleatorio simple en que cada elemento tiene
igual oportunidad de ser seleccionado, pero cada muestra no tiene la posibilidad igual
de ser seleccionada. (levin & Rubin, 2010)6
1. Se tiene una población formada por 100 elementos se realiza el cálculo de las
muestras y se obtiene con una muestra de 25 elementos. Calcular el muestreo
aleatoriamente sistemático
Datos: Utilizamos tabla

de números
N=100 aleatorios
n=25
𝑁 100
R= 𝑛 = =4
25
1 2 3 4 5 6 7 8 9 10 11 12
13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35 36
37 38 39 40 41 42 43 44 45 46 47 48
6
(levin & Rubin, 2010)
49 50 51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70 71 72
73 74 75 76 77 78 79 80 81 82 83 84
85 86 87 88 89 90 91 92 93 94 95 96
97 98 99 100
8.3. Muestreo aleatorio Estratificado

El muestreo aleatorio estratificado se usa para estimar parámetros de poblaciones muy
heterogéneas; consiste en la separación de las unidades de la población en grupos. Estos
grupos se llaman estratos. De cada estrato se obtiene una muestra aleatoria simple, y los
estimadores de los parámetros de la población se estiman como combinaciones de los
estimadores en cada estrato. (levin & Rubin, 2010)7
2. En la fábrica coca cola sucursal quito hay 600 trabajadores queremos tomar una
muestra de 20 trabajadores se sabe que hay 200 trabajadores en la planta de
ensamblaje. 150 en el departamento de empaque, 150 en el departamento de proceso y
100 trabajadores en publicidad
Nota: Se aplicó
regla de tres
200(20)
A=200 = 6,67 = 7 Datos
600
N=600
159(20)
B=150 =5 n=20
600
150(20)
C=150 =5
600
100(20)
D=100 =3
600
7
(levin & Rubin, 2010)
1. Se tiene una población formulada por 50 elementos se realiza el cálculo de las
muestras y se obtiene con una muestra de 10 elementos. Calcular el muestreo
aleatoriamente sistemático
𝑁 50
R= 𝑛 = 10 = 5
Datos:
N=50
n=10
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
Estimación Puntual
x = Estimador puntual de la media (μ)
s = Estimador puntual de la desviacion tipica poblacional (σ)
P = Estimador puntual de la proporcion poblacional
# 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 ∑(𝑥𝑖 − 𝑥̅ )2

𝑃̅ = 𝑠=√
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑛−1
1. A Joe Jackson, un meteorólogo que trabaja para la estación de televisión WDUI, le

gustaría informar sobre la precipitación pluvial promedio para ese día en el noticiero
de la tarde. Los datos siguientes corresponden a las mediciones de precipitación
pluvial (en centímetros) para 16 años en la misma fecha, tomados al azar.
años precipitación Aceptación ̅)𝟐
(𝒙𝟏 − 𝒙
x1 0,47 Si 0,010
x2 0,27 No 0,010
x3 0,13 No 0,057
x4 0,54 Si 0,029
x5 0 Si 0,136
x6 0,08 No 0,083
x7 0,75 Si 0,145
x8 0,06 Si 0,095
x9 0 No 0,136
x10 1,05 No 0,464
x11 0,34 Si 0,001
x12 0,26 No 0,012
x13 0,17 Si 0,040
x14 0,42 Si 0,003
x15 0,50 Si 0,017
x16 0,86 No 0,241
5,9 1,480
∑𝒙
̅=
𝒙 ∑(𝒙𝒊 − 𝒙
̅)
𝒏 𝒔=√
𝒏−𝟏
3559
𝑥= = 296,583 18266,917
12 𝑠=√
11
𝑆 = 40,751
𝒉
̅𝒑 =
𝒏
𝑥̅ = 51 814
11
𝑝̅ =
12
𝑃̅ = 0,917
2. El National Bank of Lincoln quiere determinar el número de cajeros disponibles
durante las horas pico del almuerzo los viernes. El banco ha recolectado datos del
número de personas que entraron al banco los viernes de los últimos 3 meses entre
las 11 a.m y la 1 p.m. Utilice los siguientes datos para encontrar las estimaciones
puntuales.
banco # de personas Aceptación ̅)𝟐

(𝒙𝟏 − 𝒙
x1 242 No 2979,340
x2 275 Si 465,840
x3 289 Si 57,507
x4 306 Si 88,674
x5 342 Si 2062,674
x6 385 Si 7817,507
x7 279 Si 309,174
x8 245 Si 2660,840
x9 269 Si 760,840
x10 305 Si 70,840
x11 294 Si 6,674
x12 328 Si 987,007
3559 18266,917
∑𝒙
̅=
𝒙 ∑(𝒙𝒊 − 𝒙
̅)
𝒏 𝒔=√
𝒏−𝟏
3559
𝑥= = 296,583 18266,917
12 𝑠=√ 40,751
11
𝒉
̅=
𝒑
𝒏
𝑥̅ = 51 814
11
𝑝̅ =
12
𝑝̅ = 0,917
PRUEBAS
1. Calcular los estimadores puntuales, con el siguiente conjunto de datos, que hace
referencia a los sueldos y capacitación de un curso (1 = capacitado; 0 = no recibe la
capacitación).
SALARIOS CAPACITACIÓN
436.85 0 (436.85 − 616.621) 2 = 32317.612
388.72 1 (388.72 − 616.621) 2 = 51938.866
712.28 0 (712.28 − 616.621) 2 = 9150.644
761.31 0 (761.31 − 616.621) 2 = 20934.907
836.59 0 (836.59 − 616.621) 2 = 48386.361
203.8 0 (203.8 − 616.621) 2 = 170421.178
620.22 1 (620.22 − 616.621) 2 = 12.953
654.29 1 (654.29 − 616.621) 2 = 1418.954
852.86 1 (852.86 − 616.621)2 = 55808.865
821.06 1 (821.06 − 616.621)2 = 41795.305
799.93 1 (799.93 − 616.621)2 = 33602.189
216.88 0 (216.88 − 616.621)2 = 159792.867
526.22 0 (526.22 − 616.621)2 = 8172.341
717.27 1 (717.27 − 616.621)2 = 10130.221
601.93 0 (601.93 − 616.621)2 = 215.825
538.96 1 (538.96 − 616.621)2 = 6031.23
610.66 0 (610.66 − 616.621)2 = 35.534
821.62 1 (821.62 − 616.621)2 = 42024.59
345.32 0 (345.32 − 616.621)2 = 73604.233
810.72 1 (810.72 − 616.621)2 = 37674.422
389.26 0 (389.26 − 616.621)2 = 49568.124
640.24 1 (640.24 − 616.621)2 = 557.857
875.3 0 (875.3 − 616.621)2 = 66914.825
14182.29
∑𝒙 𝒉
̅=
𝒙 ̅=
𝒑
𝒏 𝒏
14182.29 11
̅=
𝒙 23 𝑝̅ =
23
𝑥̅ = 616.621
𝑝̅ = 0,478
∑(𝒙𝒊− ̅̅̅
𝒙)𝟐
S=√ 𝒏−𝟏
920509.904
S=√ 23−1
S = 204.552
8.1 Error de Muestreo

Se puede calcular el error de muestreo cuando se conocen los parámetros de la población
∈. 𝑀 = Parámetros – estadígrafos
Error de muestreo de población = |𝑃 − 𝑃̅ |

Error de muestreo de la media = |𝜇 − 𝑥̅ |
Error de muestreo de la varianza= |𝜎 − 𝑆|
̅
9. Distribución muestral de la 𝑿
La distribución muestral de la media es la distribución de probabilidades de todos los
valores de la media muestral para ello se aplica el teorema de limite central en donde
cualquier distribución de datos se puede aproximar a la distribución normal cuando n tiende
a infinito (n=30)
Valor esperado
∈ (𝑥) = μ
Nota: con 30 muestras se aproxima a una distribución normal es decir 𝑋̅ = 𝜇
El valor esperado de la media muestral
Va hacer igual a la de la media poblacional. Cuando el valor esperado de un estimador

puntual es igual al parámetro poblacional se dice que el estimador puntual es insesgado.
Desviación estándar de la muestra 𝐸(𝑥̅ ) = 𝜇
La desviación estándar de la media muestral depende de que si la población es finita o

infinita
𝜎
𝜎𝑥=
√𝑛
Esta fórmula se utiliza cuando:

 La población es infinita
𝑛
 ≤ 0.05
𝑁
𝑁−𝑛 𝜎
𝜎𝑥=√𝑁−𝑛 ∗
√𝑛
Nota: la forma de distribución muestral se aproxima a la distribución normal gracias al

teorema de límite central por lo cual se aplica las probabilidades vistos en la tabla de z
tipificados.
𝒙−𝝁
𝒛=
𝝈𝒙
1. Una población tiene una media de 200 y una desviación estándar de 50. Se tomara
una muestra aleatoria simple de tamaño 100 y se usará la media de la muestra para
estimar la media de la población.
a) ¿Cuál es el valor esperado de la media? Datos:
b) ¿Cuál es la desviación estándar de la media muestral? µ = 200
= 50
c) Determine la distribución muestral de la media n = 100
d) ¿Qué indica la distribución muestral?
a) E( ) = µ
E( ) = 200
𝝈
b) =
√𝒏
50
= =5
√100
c) N ( µ; )
N (200; 5)
2. Una población tiene una media de 200 y una desviación estándar de 50. Suponga
que se selecciona una muestra aleatoria simple de tamaño 100 y que se usa para
estimar µ.
a) ¿Cuál es la probabilidad de que la media de la muestra quede a ±5 de la media de la
población?
b) ¿Cuál es la probabilidad de que la media de la muestra quede a ±10 de la media de
la población?
𝒙−𝒖
a) 𝒁𝟏 = Datos:
𝝈𝒙
195−200 µ = 200
𝑍1 = = -1 P1=0.3413 = 50
5
𝒙−𝒖 n = 100
𝒁𝟐 = 𝝈𝒙
205−200
𝑍2 = =1 𝑃2 = 0.3413
5
Pt = 0.3413 + 0.3413 = 0.6826

+𝟏𝟎
b) 𝒁𝟏 = =2
𝟓
P = 0.4772
−𝟏𝟎
𝒁𝟐 = = -2
𝟓
𝑃 = 0.4772
Pt = 0.4772 + 0.4772 = 0.9544
3. Una muestra aleatoria de tamaño 50, se selecciona de una población con desviación
=10. Calcular el error del valor estándar de la media.
a) Cuando el tamaño de la población es 5000 Datos:
b) Cuando el tamaño de la población es 500 = 10
n = 50
𝑛 50
a) = = 0.01 ≤ 0.05
𝑁 5000
𝝈
𝝈𝒙 =
√𝒏
10
𝜎𝑥 = = 1.4142
√50
𝑛 50
b) = = 0.1 ≥ 0.05
𝑁 500
𝑵−𝒏 𝝈
𝝈𝒙 = √𝑵−𝟏 ∗
√𝒏
500−50 10
𝜎𝑥 = √ 500−1 ∗
√50
0.9996 * 1.4142 = 1.34

4. La media del precio por galón de gasolina es de $1.20. suponga que la media de la
población del precio por galón es u=1.20 y que =0.10. Se selecciona una muestra
de 50 gasolineras
a) ¿Cuál es la probabilidad de que la muestra aleatoria simple produzca una media de
la muestra al menos de $0.02 de la media de la población?
𝒙−𝒖
a) 𝒁𝟏 = 𝝈𝒙
Datos:
1.18−1.20
𝑍1 = 0.10 = -0.02 µ = 1.20
√50 = 0.10
𝑃1 = 0.0080 n = 50
𝒙−𝒖
𝒁𝟐 = 𝝈𝒙
1.22−1.20
𝑍2 = 0.10 = 1.4186
√50
𝑃2 = 0.0.4222
Pt = 0.0080 + 0.4222= 0.5302
5. La distribución de la temperatura del cuerpo humano en la población tiene una

media de 37 grados y desviación típica de 0.85°. Se elige una muestra de 105
personas, calcular la probabilidad de que la media sea menor a 39.9°
𝒙−𝒖
𝒁= 𝝈𝒙
Datos:
36.9−37
𝑍= 0.85 µ = 37°
√105 = 0.85°
n = 105
−10
𝑍= = - 1.21
0.083
P = 0.3869
Pt = 0.1131
6. El coeficiente intelectual de los estudiantes, se distribuye normalmente con una

media de 100 y desviación típica de 11
a) Si elegimos una persona al azar. Calcular la probabilidad que su coeficiente

intelectual esté entre 100 y 103
b) Se elige al azar una muestra de 25 personas. Calcular la probabilidad de que la
media de sus coeficientes intelectuales esté entre 100 y 103
100−100
a) 𝒁𝟏 = 11
√1
Datos:
Z1= 0 µ = 100
𝑃=0 = 11
n = 1; 25
103−100
𝑍2 = 11
√1
𝑍2 = 0.27
𝑃 = 0.1064
Pt = 0.1064
100−100
b) 𝒁𝟏 = 11 =0
√25
P=0
100−100
𝒁𝟐 = 11 = 1.36
√25
𝑃 = 0.4131
7. El programa de pruebas universitarias de la oficina estadounidense reportó una
calificación SAT de la media de la población con un u=1017 también se sabe que la
desviación estándar es de 100 ¿Cuál es la probabilidad de que una muestra
aleatoria de 75 estudiantes produzca una media de la muestra de calificación SAT
que quede a menos de 10 de la media de la población?
1007−1017
𝑍1 = 100 Datos:
√75 µ = 1017
= 100
𝒁𝟏 = -0.87 n = 75
P= 0.3078
1027−1017
𝒁𝟐 = 100
√75
𝒁𝟐 = 0.87
P = 0.3078
Pt= 0.3078+0.3078
Pt=0.6156
8. La renta promedio mensual, para un departamento de 2 recamaras en California

es de 982,00. Suponga que la media poblacional también es de 982,00 y la
desviación estándar es de 210,00 ¿Cuál es la probabilidad de que una muestra
aleatoria de 40 departamentos, de 2 recamaras dé 1 renta mensual promedio
dentro de ± 100,00 de la media poblacional?
1082−982
𝒁𝟏 = 210 = 3.01 Datos:
√40
µ = 982
P= 0.4987 = 210
882−982 n = 40
𝒁𝟐 = 210 = -3.01
√40
x-u = ±100
P= 0. 4987
Pt = 0.4987+0.4987
Pt=0.9974
1. 8Si X está distribuida normalmente con media 5 y desviación típica 2, hallar P (X >
8).
Datos:
𝝈 u= 5
𝛔=
√𝒏 =2
2
σ=
√8
2
σ = 2.83 = 0.70
2. Cierto tipo de pieza para automóvil tiene un promedio de duración de tres años,
con una desviación estándar de 0,5 años. Suponga que las duraciones de las piezas
son normalmente distribuidas y encuentre la probabilidad de que una pieza
determinada tenga un tiempo de duración de más de 3,5 años.
8
Levine, D., Krehbiel y Berenson M., (2006). Estadistica para la administracion ($ta ed).
Mexico: Pearson Prentice Hall Datos:
µ=3
= 0.5
n = 3.5
𝒙−𝒖
c) 𝒁𝟏 = 𝝈𝒙
3.5−3
𝑍1 = = 1.85
0.27
𝑃1 = 0.4678
𝒙−𝒖
𝒁𝟐 = 𝝈𝒙
2.5−3
𝑍2 = = -1.85
0.27
𝑃2 = 0.4678
Pt = 0.4678 + 0.4678 = 0.9356
3. Una fábrica de alimentos empaca productos cuyos pesos están normalmente
distribuidos con media de 450 gramos y desviación estándar de 20 gramos.
Encuentre la probabilidad de que un paquete escogido al azar pese entre 425 y 486
gramos.
𝒙−𝒖
𝒁𝟏 = 𝝈𝒙
425−450 Datos:
𝑍1 = 20 = -1.25 µ = 450
√1 = 20
𝑃1 = 0.3944
𝒙−𝒖
𝒁𝟐 = 𝝈𝒙
486−450
𝑍2 = 20 = 1.8
√1
𝑃2 = 0.4641
Pt = 0.4641 + 0.3944= 0.8585
4. 9En un proceso industrial el diámetro de una arandela es muy importante. El
comprador establece en sus especificaciones que el diámetro debe ser de 3,0
+0,01mm. La condición es que no acepta ninguna arandela que se salga de estas
especificaciones. Se sabe que en el proceso el diámetro de las arandelas tienen
distribución normal con media de 3,0 mm y una desviación estándar de 0,005mm.
¿Qué porcentaje de arandelas será rechazado? (Sol: 4,56%)
𝒙−𝒖
𝒁𝟏 = Datos:
𝝈𝒙
µ= 3.0 mm
= 0.005 mm
9
Anderson, D., Sweeney T., (2008). Estadistica para la administracion y economia (10ma edicion) México: CENGAGE Learning
3.01−3.0
𝑍1 = 0.005 =2
√1
𝑃1 = 0.4772
5. El peso medio de 5 estudiantes varones de una universidad es de 68,5 Kg. y la
desviación típica es de 10 Kg. Suponiendo que los pesos están distribuidos
normalmente, cual es la probabilidad de que los estudiantes pesen más de 75 kg.
𝒙−𝒖
𝒁𝟏 = 𝝈𝒙
75−68.5
Datos:
𝑍1 = 10 = 2.90 n=5
√5 µ = 68.5 Kg
𝑃1 = 0.4981 = 10 Kg
10. Distribución Muestral de 𝑃̅

𝑥
𝑃̅ =
𝑛
X = Variable aleatoria continua o número de elementos de la muestra
n = Tamaño de la muestra
̅̅̅̅̅ = 𝑃
Valor esperado E (𝑃)
Población Finita Población Infinita
𝑁 − 𝑛 𝑃 (1 − 𝑝) 𝑃 (1 − 𝑝)
𝜎 𝑃̅ = √ √ 𝜎 𝑃̅ = √
𝑁−1 𝑛 𝑛
𝑛
= 0.05
𝑁
̅
Forma de la distribución muestral de 𝑷
La fórmula se aproxima a la distribución normal; entonces se trabajará con la tabla de

probabilidades de Z. además debe cumplir con 2 condiciones:
𝑃̅ − 𝑃
𝑍=
1. np ≥ 5 𝜎𝑝̅
2. n(1-p) ≥ 5
Aplicaciones
1. Se selecciona una muestra aleatoria simple de tamaño 100, de una población con P
= 0.40
̅?
a) ¿Cuál es el valor esperado de 𝑷
E (𝑃) = P
E (𝑃) = 0,40
̅?
b) ¿Cuál es la desviación estándar de 𝑷
𝑃 (1 − 𝑝)
𝜎 𝑃̅ = √
𝑛
0.40 (1−0.40)
𝜎 𝑃̅ = √ = 0.049
100
̅
c) Describa la distribución muestral de 𝑷
N (P; 𝜎 𝑃̅)
N (0.40; 0.049)
2. La proporción de una población es de 40%. Se tomara una muestra aleatoria simple

de tamaño 200 y se usará la proporción de la muestra para estimar la de la
población.
a) ¿Cuál es la probabilidad de que la proporción muestral esté a ± 0.03 de la
proporción poblacional?
Datos:
n = 200
p = 0.40
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ 200
= 0.035
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40
𝑍1 = = 0.86 0.37−0.40
0.035 𝑍2 = = - 0.86
0.035
P1= 0.305
P2 = 0.3051
3. Suponga que la proporción poblacional es de 0.55. determine el error estándar de la

proporción ( ), para tamaño de muestra de 100, 200, 500 y 1000. ¿Cuál es el análisis
acerca del error estándar de la proporción al aumentar el tamaño de la proporción?
𝑝 (1−𝑝) 0.55 (1−0.55)

𝜎𝜌(100) = √ 𝜎𝜌 = √ = 0.050
𝑛 100
𝑝 (1−𝑝) 0.55 (1−0.55)

𝜎𝜌(200) = √ 𝜎𝜌 = √ = 0.035
𝑛 200
𝑝 (1−𝑝) 0.55 (1−0.55)

𝜎𝜌(500) = √ 𝜎𝜌 = √ = 0.022
𝑛 500
𝑝 (1−𝑝) 0.55(1−0.55)
𝜎𝜌(1000) = √ 𝜎𝜌 = √ = 0.016
𝑛 1000
4. La proporción poblacional es de 0.30 ¿Cuál es la probabilidad de que una

proporción muestral este a ± 0.04 de la proporción poblacional, para los siguientes
tamaños de muestra?
a) n=100
± 0.04
𝑍= = 0.87
0.046
P = 0.3078 (x2) = 0.6156
b) n=200
± 0.04
𝑍= = 1.25
0.032
P= 0.3944 (x2) = 0.7888
c) n=500
± 0.04
𝑍= = 1.90
0.021
P= 0.4713 (x2) = 0.9426
d) n=1000
± 0.04
𝑍= = 2.67
0.015
P= 0.4962 (x2) = 0.9924
5. El presidente de distribuidores Díaz, cree que el 30% de los pedidos a su empresa

provienen de clientes nuevos. Se va a usar una muestra aleatoria simple de 100
pedidos para estimar la proporción de clientes nuevos.
a) Suponga que el presidente está en lo correcto y P = 0.30 ¿Cuál es la
̅ para este estudio?
distribución muestral de 𝑷
𝑛𝑝 ≥ 0.5
𝑛(1 − 𝑝) ≥ 0.5
100(1 − 0.30) ≥ 0.5

𝑃̅ −𝑃
𝑍= 𝜎𝑃̅
0.05
𝑍= = ±1.09
0.046
P= 0.3621 (x2)
Pt = 0.7242
P = 0.30
1. Suponga que tenemos una población con una proporción P= 0.40 y una muestra
aleatoria de tamaño n= 100 extraída de la población.
a) ¿Cuál es la probabilidad de que la proporción muestral sea superior a 0.45?
b) ¿Cuál es la probabilidad de que la proporción muestral sea inferior a 0.29?
c) ¿Cuál es la probabilidad de que la proporción muestral esté comprendida
entre 0.35 y 0.51?10
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ = 0.035
200
10
Autor: Mario F. Triola Edición: 11 Año: 2013 Estadística pg:328 doi:
https://www.biblionline.pearson.com/Pages/BookRead.aspx
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.86 𝑍2 = = - 0.86
0.035 0.035
P1= 0.305 P2 = 0.3051
a) ¿Cuál es la probabilidad de que la proporción muestral sea superior a 0.31?
c) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.24 y 0.40?
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ = 0.039
200
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.85 𝑍2 = = - 0.85
0.035 0.035
P1= 0.3154 P2 = 0.3154
a) ¿Cuál es la probabilidad de la proporción muestral sea superior a 0.52?
c) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.47 y 0.53?11
𝑝 (1−𝑝)
d) 𝜎𝜌 = √ 𝑛
11
Newbold. P, Carlson W, Thorne B; Pearson, Sexta edición, Estadística para Administración y Economía, pg.
276
0.40 (1−0.40)
e) 𝜎𝜌 = √ = 0.035
100
̅−𝑃
𝑃 ̅−𝑃
𝑃
f) 𝑍1 = ̅
h) 𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.86 i) 𝑍2 = = - 0.86
0.035 0.035
g) P1= 0.3051 j) P2 = 0.3051
4. Un gerente de un gran grupo de hospitales cree que el 30% de todos los pacientes
genera facturas que se cobran con 2 meses de retraso como mínimo. Se toma una
muestra aleatoria de 300 pacientes.
a) ¿Cuál es el error típico de la proporción muestral que generará facturas que se
cobrarían con 2 meses de retraso mínimo?
𝑝 (1−𝑝)
c) 𝜎𝜌 = √ 𝑛
0.30 (1−0.30)
d) 𝜎𝜌 = √ = 0.043
300
̅−𝑃
𝑃 ̅−𝑃
𝑃
e) 𝑍1 = ̅
g) 𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.25 h) 𝑍2 = = - 0.25
0.035 0.035
f) P1= 0.2456 i) P2 = 0.2456
5. Una empresa está considerando la posibilidad de sacar una nueva emisión de bonos
convertibles. La dirección cree que los términos de la oferta serán atractivos para el
20% de todos sus accionistas actuales. Suponga que está en lo cierto. Se toma una
muestra aleatoria de 130 accionistas actuales
a) ¿Cuál es el error típico de la proporción muestral que piensa que esta oferta es
atractiva?
b) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.18 y 0.22?
𝑝 (1−𝑝)
c) 𝜎𝜌 = √ 𝑛
0.20 (1−0.20)
d) 𝜎𝜌 = √ = 0.035
130
̅−𝑃
𝑃
e) 𝑍1 = ̅
𝜎𝑃
0.43−𝑜.40
𝑍1 = = 0.86
0.035
f) P1= 0.305
̅−𝑃
𝑃
g) 𝑍2 = ̅
𝜎𝑃
0.37−0.40
h) 𝑍2 = = - 0.86
0.035
i) P2 = 0.3051
11. Estimación por intervalos
Parámetro: [g.l ; N.c]
N.C = 90% 95% 99%

N.S = 10% 5% 1%
𝜎
𝑥̅ = ∓𝑍 ∝2
√𝑛
APLICACIONES
1. Una muestra aleatoria simple de 40 elementos, dio como resultado una media
muestral de 25, la desviación estándar de la población es S
Datos:
n= 40
x= 25
σ= 5
a) ¿Cuál es el error estándar de la media?

𝜎
𝜎𝑥̅ = = 0.7906
√𝑛
b) Con 95% de probabilidad o nivel de confianza, ¿Cuál es el margen de

error?
N.C = 95%
𝜎
𝑥̅ = ∓𝑍 ∝2
√𝑛
5
𝑥̅ = ∓1.96 = ± 1.55
√40
[23.45; 26.55]
2. Una muestra aleatoria simple de 50 artículos originó una media de muestra de 32

y una desviación estándar de 6.
Datos:
n= 50
= 32
=6
a) Determine un intervalo de confianza del 90% para la media de la población
6
𝑋̅ ∓ 1.645 ( )
√50
32 ∓ 1.396
[30.604; 33.396]
b) Calcule un intervalo de confianza del 95% para la media de la población

6
𝑋̅ ∓ 1.96 ( )
√50
32 ∓ 1.663
[30.337; 33.663]
c) Determine un intervalo de confianza del 99% para la media poblacional

6
𝑋̅ ∓ 2.575 ( )
√50
32 ∓ 2.185
[29.815; 34.185]
3. Una muestra de 60 artículos tuvo una media de 80 y una desviación estándar de

15.
Datos:
n= 60
= 80
= 15
a) Determine el intervalo de confianza a un 95%

15
𝑋̅ ∓ 1.96 ( )
√60
80 ∓ 3.796
[76.204; 83.796]
b) Suponga que la media y la desviación estándar se obtuvieron de una

muestra de 120 artículos. Determinar el intervalo de confianza del 95%
15
𝑋̅ ∓ 1.96 ( )
√120
80 ∓ 2.684
[77.316; 82.684]
c) ¿Cuál es el efecto de mayor tamaño de la muestra sobre la estimación del

intervalo de una media de la población?
Si la muestra es más grande, el intervalo de la media de la población es más cercana.
4. Se informa que el intervalo de confianza es del 95% para una media de

población es de [122 a 130]. Si la media de la muestra es 126 y la desviación
estándar de la muestra es de 16.07 ¿Qué tamaño de muestra se utilizó en la
determinación?
Datos:
Z = 1.96
= 126
= 16.07
𝜎
𝑍 ∝2 =4
√𝑛
16.07 31.4972
1.96 =4͢ =4
√𝑛 √𝑛
(31.4972)2 = (4 √𝑛)2
992.073 = 16(n)
992.073
=𝑛 n= 62
16
Valores referenciales de Z
90% -> 1.645

95% -> 1.96
99% -> 2.576
5. Los ingresos semanales promedio de las personas que trabajan en varias
industrias aparecieron en cierta revista. Esos ingresos para quienes trabajan en
ciertos servicios fueron de 369$ Suponga que este resultado, se basó en una
muestra de 250 personas y que la desviación estándar = 50$. Calcular el
intervalo de confianza de 95% para la población de ingresos semanales
promedio de personas que trabajan en los servicios.
Datos:
N= 250
S= 50
Z= 1.96
= 369
𝑆
𝑋̅ ∓ 𝑍 ∝2
√𝑛
50
369 ∓ 1.96 369 ± 6.198
√250
[363.790; 374.208]
EJERCICIOS CONSULTADOS
1. Se pide a 814 adultos que contestaron un cuestionario acerca de sus ideas sobre
el estado general de la USA a esta pregunta contestaron SI 562 adultos.
Datos:
N= 814
a) ¿Cuál es la estimación puntual de la proporción poblacional que

contestaron dicha encuesta?
ℎ
𝑃̅ = = 0.69
𝑛
b) ¿Cuál es el margen de error a un 92% de NC?
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.69 (1−0.69)
0.69 ∓ 1.75√ 814
0.69 ∓ 0.028
c) ¿Cuál es el margen de error a un 88%?
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.69 (1−0.69)
0.69 ∓ 1.555√ 814
0.69 ∓ 0.025
2. En una encuesta del Instituto de investigaciones se analizó las razones por los
que los pequeños empleadores ofrecen un plan de retiro para sus empleados 33
veces se revisa la razón en ventaja competitiva en reclutamiento y retención.
Datos:
Z= 2.17
P = 0.33
E = 0.03
a) ¿Qué tamaño de muestra se recomienda si un objetivo de la encuesta es

estimar la proporción de pequeños empleadores con diseño con un margen
de error 3% y un 97% de nivel de confianza?
(𝑍𝛼2 )2 𝑃 ( 1−𝑝)
𝑛= 𝐸2
(2.17)2 (0.33) ( 1−0.33)

𝑛= (0.03)2
1.04
𝑛= = 1.156
0.0009
b) Inciso A con N.C 98%
(𝑍𝛼2 )2 𝑃 ( 1−𝑝)
𝑛= 𝐸2
(2.33)2 (0.33) ( 1−0.33)

𝑛= (0.03)2
1.04
𝑛= = 1.334
0.0009
3. En una encuesta de ventas al detalle que realizo American Exprés se encontró

que el 16% de los consumidores utilizan internet para comprar regalos durante la
temporada vacacional en la encuesta participaron 1285 clientes. ¿Cuál es el
margen de error y cuál es la estimación del intervalo a un N.c del 92%?
Datos:
P = 0.16
n= 1285
92% = 1.75
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.16(1−0.16)
0.16 ∓ 1.75√ 0.16 ± 0.018
1285
(0.142; 0.178)
4. El tiempo de traslado al trabajo, para residentes de las 15 ciudades más grandes

de los EEUU según una encuestadora. Se emplea una muestra aleatoria de San
Francisco y se determina que 6.25 minutos es el valor de la planeación de la
desviación poblacional.
Datos:
E=2
NC = 99% -> 2.576
N= 15
= 6.25
a) Se desea estimar la media de la población, con 2 minutos de margen de

error, ¿Qué tamaño de la muestra se debe usar a un nivel de confianza del
99%?
(𝑍𝛼2 )2 (𝜎)2
𝑛=
𝐸2
(2.576)2 (6.25)2
𝑛=
22
𝑛 = 64.80 ≅ 65
5. La cantidad de horas que duermen los tungurahuenses cada noche varía mucho
desde 12% de la población que duerme menos de 6 horas hasta 6% que duerme
más de 8 horas. Se coge una muestra con respecto a las horas de sueño por
noche.
6.9 0.0016
7.6 0.5476
6.5 0.1296
6.2 0.4356
5.3 2.4336
7.8 0.8836
7.0 0.0196
5.5 1.8496
7.6 0.5476
6.7 0.0256
7.3 0.1936
6.6 0.0676
7.1 0.0576
6.9 0.0016
6.0 0.7396
6.8 0.0036
6.5 0.1296
7.2 0.1156
5.8 1.1236
8.6 3.0276
7.6 0.5476
7.1 0.0576
6.0 0.7396
7.2 0.1156
7.7 0.7056
a) ¿Cuál es el estimador puntual de la media poblacional?
Σ𝑛
𝑋̅ = 𝑋̅ = 6.86
𝑛
b) Determine el intervalo de confianza al 95%
S = 0.78
𝑆
𝑋̅ ∓ 𝑍𝛼2
√𝑛
0.78
6.86 ∓ 2.064 ( ) 6.86 ∓ 0.322
√25
(6.538; 7.182)
12. CONTRASTE DE HIPOTESIS
¿Qué es una hipótesis?
 Suposición posible o imposible de algo para sacar una consecuencia

 Proposición no demostrada que se admite para orientar investigaciones y
experimentos
 Explicación no basada en pruebas, es decir, sin ser suficientemente demostrada
 Conjetura de la cual se parte para poder explicar racionalmente la causa real de
un hecho
Hipótesis Estadística
Es una conjetura o una suposición que se realiza respecto a una población,

concretamente, con respecto a un parámetro de la población el cual cuantifica una
característica de ella.
Hipótesis Estadística
Hipótesis Nula Hipótesis Alternativa

(Ho ) (H1 )
Supone que no hay Supone que existe

diferencia entre el diferencia entre el
estadístico y el estadístico y el
parámetro parámetro
12.1. Hipótesis Nula
Es una aseveración en el sentido de que un parámetro poblacional tiene un valor
específico. Es el punto de partida de la investigación. Generalmente en su interpretación
se utiliza la frase “no existe diferencia”. Se denota (Ho)
Por ejemplo, se realiza una investigación sobre el costo de los desayunos en el cafetín
de la ULA – Táchira. Alguien puede llegar a afirmar que los estudiantes invierten un
promedio de 12 bolívares.
Hipótesis nula: El gasto promedio es de 12 Bs.
Ho: µ = 12 Bs.
12.2. Hipótesis Alternativa

Es cualquier hipótesis que difiera de la hipótesis nula
Si se toma el ejemplo anterior, se podría afirmar tres alternativas:
1) Que los estudiantes invierten en sus desayunos en la ULA-Táchira un promedio

diferente a 12 Bs.
2) Que la inversión de los estudiantes en promedio es menor a 12 Bs.
3) Que los estudiantes invierten en promedio más de 12 Bs en sus desayunos en el
cafetín de la ULA-Táchira
Hipótesis Alternativas:
i. El gasto promedio es diferente de 12 Bs. (µ ≠ 12 Bs.)

ii. El gasto promedio es menor de 12 Bs. (µ ˂ 12 Bs.)
iii. El gasto promedio es mayor de 12 Bs. (µ > 12 Bs.)
Las hipótesis Nula y Alternativa
 Una hipótesis nula siempre asegura que no hay diferencia entre el estadístico y
el parámetro.
 Aunque solo se cuente con la información que proporciona la muestra, la
hipótesis nula se escribe en términos del parámetro de la población.
 Si una hipótesis nula es considerada falsa, algo debe ser cierto, es cuando se
considera la hipótesis alternativa.
 La metodología de las pruebas de hipótesis está diseñada para analizar la
aceptación o rechazo de hipótesis nulas, sin embargo, no rechazar una hipótesis
nula, no es prueba de que sea cierta.
 Nunca se puede probar que una hipótesis nula sea correcta, porque la decisión se
basa solo en la información que aporta la muestra, y no en la información de
toda la población.
 La hipótesis nula Ho es la hipótesis que se prueba siempre
 La hipótesis alternativa H1 se formula opuesta a la hipótesis nula, y es la
conclusión de apoyo si se rechaza la hipótesis nula.
12.3. Valor crítico del estadístico de prueba. Regiones

Es el valor del estadístico de prueba en su correspondiente distribución en el muestreo
(Z, t, x2, F) y que divide a dicha distribución en dos regiones: una de aceptación de la
hipótesis nula y otras(s) de rechazo de la hipótesis nula.
Region de
no rechazo
Región de Región de
rechazo rechazo
Valor crítico Valor crítico
Posibles riesgos en la toma de decisiones
El hecho de utilizar estadísticos muestrales para tomar decisiones sobre parámetros

poblacionales, incide en el hecho de correr riesgos al establecer conclusiones
incorrectas. Dichas decisiones incorrectas reciben el nombre de error tipo I y error tipo
II
 Un error tipo I ocurre si la hipótesis nula H0 es rechazada cuando realmente es

cierta y no debe rechazarse. La probabilidad de que ocurra un error tipo I se
denota por 𝛼
P(Error tipo I) = P(Rechazar H0 / H0 es verdadera) = 𝜶

 Un error tipo II ocurre si la hipótesis nula H0 no se rechaza cuando realmente
es falsa y debe rechazarse. La probabilidad de que ocurra un error tipo II se
denota por 𝛽
P(Error tipo II) = P(No rechazar H0 / H0 es falsa) = 𝜷
12.4. Coeficiente/Nivel de Significancia:

Se define como la probabilidad de cometer un error tipo I en una prueba estadística. Se
denota por la letra griega 𝛼. Se debe especificar antes de realizar la prueba de hipótesis
y queda bajo control directo de quien investiga o realiza la prueba. Por lo general se
asumen los valores de 0.05 y 0.01. En si es la probabilidad de rechazo y no rechazo de
la hipótesis nula. Cuando se multiplica por 100 se habla de nivel de confianza y los
valores más usados son 5% y 1%
Coeficiente de confianza:
Se define como la probabilidad de que la hipótesis nula H0 no sea rechazada cuando

realmente es cierta y no se debe rechazar. Es el complemento de la probabilidad de
cometer un error tipo I, por lo tanto se denota por (1 – 𝛼 ). Al multiplicarse por 100 se
obtiene el nivel de confianza.
Riesgo 𝛃:
Se define como la probabilidad de cometer un error tipo II. Se le llama también nivel de
riesgo del consumidor. Depende de la diferencia entre el valor hipotético y el valor real
del parámetro poblacional.
Potencia de una prueba:
Se define como la probabilidad de rechazar la hipótesis nula H0 cuando realmente es

falsa y debe rechazarse. Es el complemento (1 – β) de la probabilidad de un error tipo
II. También se le llama poder de una prueba estadística.
Probabilidad de cometer
error tipo I (nivel de
Coeficiente significancia)
de confianza
Z crítico
12.5. TIPOS DE ERROR

Hipótesis
Verdadera (Ho) Falsa (Ho)
Decisión
Decisión
Aceptar a Ho Error tipo II
correcta
Decisión
Rechazar a Ho Error Tipo I
correcta
∝: Nivel de significancia que indica la probabilidad máxima con la que se puede

cometer un error del tipo I
β: Nivel de significancia que indica la probabilidad máxima con la que se puede

cometer un error del tipo II
Pruebas estadísticas
1) Escala de intervalo o
razón
2) Se ajusta a la curva
Paramétricas
normal
3) Varianzas iguales
Pruebas
1) Escala ordinal o por
rangos
No
2) Su distribución es libre
paramétricas
3) Menos supuestos para

cumplr
12.2. PRUEBAS PARAMETRICAS – MUESTRAS GRANDES

Ensayo de dos colas
Se aplica cuando se está interesado en los valores extremos a ambos lados del
parámetro, es decir, en las dos colas de la distribución
Por ejemplo para un nivel de significancia del 5%, se tiene:
Region de no rechazo
Región de Región de
rechazo rechazo
-Z = -1.96 Z= 1.96
Ensayo de una cola, extremo derecho
Se aplica cuando se está interesado en los valores extremos a un solo lado del
parámetro, es decir, en una cola, extremo derecho de la distribución.
Región de
rechazo
Z= 1.645 0.05
Ensayo de una cola, extremo izquierdo
Se aplica cuando se está interesado en los valores extremos a un solo lado del
parámetro, es decir, en una cola, extremo izquierdo de la distribución.
Región de
rechazo
0.05 -Z = -1.645
VALORES CRITICOS DE “Z” DE MAYOR USO
∝ 1% 5% 10%
Zc
Prueba + 2.33 + 1.645 + 1.28
de ó ó ó
una cola - 2.33 - 1.645 - 1.28
Prueba + 2.58 + 1.96 + 1.645
de ó ó ó
Dos colas - 2.58 - 1.96 - 1.645
Procedimiento para probar hipótesis (Enfoque tradicional)
Formular 1. Plantear la Formular

H1 Hipótesis Ho
Tipo de 2. Seleccionar un nivel de ¿Varianza

? Ecuación
prueba significancia (∝)
3. Calcular el estadístico de
prueba
4. Establecer una regla de decisión
5. Tomar una decisión
Rechazar la hipótesis nula y Aceptar la hipótesis nula Ho

aceptar la hipótesis alternativa H1
Aplicaciones
1. El gerente del Hotel Relax afirma que la media de las cuentas de los huéspedes,
en un fin de semana, es de $600 dólares o menos. Un empleado del
departamento de contabilidad del hotel notó que recientemente los cargos totales
en las cuentas de huéspedes han aumentado. EI contador usara una muestra de
cuentas de fin de semana para probar la afirmación del gerente.
a) ¿Cuál de las siguientes formas de hipótesis se debe usar para probar la
afirmación del gerente?
𝐻𝑜: 𝜇 ≤ 600
𝐻1: 𝜇 > 600
b) ¿Qué conclusión es la adecuada cuando no se pueda rechazar Ho?
El gerente tiene la razón de que los huéspedes tienen en sus cuentas ≤ 600
c) ¿Qué conclusión es la adecuada cuando sí se puede rechazar Ho?
El contador demostró que tenía la razón, por lo tanto los huéspedes tienen más de 600
en sus cuentas.
2. EI gerente de una agencia automotriz desea implantar un nuevo plan de bono

con objeto de aumentar el volumen de ventas. En la actualidad, la media del
volumen de ventas es de 14 automóviles vendidos por mes. El gerente desea
llevar a cabo una investigación para ver si el nuevo plan de bono aumenta el
volumen de ventas. Para reunir datos acerca del plan, se permitió que un grupo
de vendedores trabajen con él durante un periodo de un mes.
a) Formule las hipótesis nula y alternativa que sean más adecuadas para este
caso.
𝐻𝑜: 𝜇 ≤ 14
𝐻1: 𝜇 > 14
b) Comente la conclusión a que se llegaría cuando no se pueda rechazar Ho
El gerente seguirá vendiendo menos de 14 automóviles por mes.
c) Comente la conclusión a la que se llegaría cuando si se pueda rechazar Ho
El plan de bonos se lleva a cabo por lo que incrementarán sus ventas.

3. Una operación en una línea de producción debe Llenar cajas con detergente
hasta un peso promedio de 32 onzas. Periódicamente se selecciona una muestra
de cajas llenas, que se pesan para determinar si están faltas 0 sobradas de
Llenado. Si los datos de la muestra llevan a la conclusión de que les falta 0 sobra
detergente, se debe parar la línea de producción, y hacer los ajustes necesarios
para que el llenado sea correcto.
a) Formule las hipótesis nula y alternativa que ayuden a decidir si es
conveniente parar y ajustar la línea de producción 0 no.
𝐻𝑜: 𝜇 = 32
𝐻1: 𝜇 ≠ 32
b) Comente la conclusión y la decisión cuando no se puede rechazar Ho.
La línea de producción no se pararía ya que el llenado de detergente es el adecuado
c) Comente la conclusión y la decisión cuando sí se puede rechazar Ho.
Las cajas con detergente no se llenan correctamente y la línea de producción necesita

ajustes.
4. En una encuesta Nielsen se obtuvo la estimación de que la media del número de

horas de ver la TV por familia es de 7.25 horas diarias. Suponga que en esta
encuesta participaron 200 familias. Hace 10 años, la media de ver la TV era de
6.70 y los datos tuvieron una desviación estándar de 2.5 horas. Si considera que
los datos se distribuyen normalmente y si emplea un alfa de 0.01, podría
aseverar que el promedio de horas de ver la TV ha aumentado en los últimos 10
años.
a) Formule las hipótesis con un nivel de significancia de 1%
1) Plantear la hipótesis
𝐻𝑜: 𝜇 ≤ 6.7
𝐻1: 𝜇 > 6.7
b) ¿Cuál es el valor crítico del estadístico de prueba y cuál es la regla de
rechazo?
2) Nivel de significancia
Z crítico
∝ = 0.01 Z ᾳ 2.33
c) Calcule el valor del estadístico de prueba

3) Calcular el estadístico de prueba
𝑋̅ − 𝜇
𝑍=
𝑆
√𝑛
7.25− 6.7
𝑍= 2.5 = 3.11
√200
4) Establecer la regla de decisión
𝑍 > 𝑍∝ Rechazo Ho y se acepta H1
3.11 > 2.33 (Verdadero)
d) ¿Cuál es su conclusión?
5) Toma de decisión
Se acepta H1 en consecuencia el promedio de familias que ve televisión es mayor a 6.7

horas diarias.
5. La empresa ABC, vigiló a los usuarios de internet en 7 países: Australia, Gran

Bretaña, Canadá, Francia, Alemania, Japón y EEUU. Según las cifras de
medición recientes los usuarios estadounidenses ocupan el 1° lugar en el uso de
internet con un promedio de 13 horas por mes. Suponga que un estudio e
seguimiento en el que participan 145 usuarios de internet Canadienses la media
muestral fue de 10.8 horas por mes y la desviación estándar muestral fue de 9.2
horas.
a) Formular la hipótesis si la muestra sustenta la conclusión de que los
usuarios de internet canadienses tienen una media poblacional menor que el
promedio estadounidense de 13 horas por mes con un nivel de confianza del
99% ¿Cuál es la conclusión?
1) Plantear la hipótesis
𝐻𝑜: 𝜇 ≥ 13
𝐻1: 𝜇 < 6.7
2) Nivel de significancia
∝ = 0.05
3) Calcular el estadístico de prueba
𝑋̅ − 𝜇
𝑍=
𝑆
√𝑛
10.8− 13
𝑍= 9.2 = -2.88
√145
4) Establecer la regla de decisión
𝑍 < −𝑍∝ Rechazo Ho y se acepta H1
-2.88 < -1.645 (Verdadero)
5) Toma de decisión
Rechaza Ho y se acepta H1 que dice que el promedio de número de horas utilizadas de

internet es menor a 13 horas diarias.
Ejercicios consultados:
1. El consejo universitario informa que el número promedio de estudiantes de

nuevo ingreso en las universidades es de 6000. En un periodo reciente de
inscripciones. Se tomó una muestra de 32 universidades con una media muestral
de los estudiantes de nuevo ingreso de 5812 y una desviación estándar muestral
de 1140.¿Estos datos indican un cambio en el número medio de estudiantes de
nuevo ingreso?
a) Formule las hipótesis
Ho: µ=6000
H1: µ≠6000
b) ¿Cuáles son los valores críticos de la prueba?

α=0.05
G.l= n-1 z.c z.c
G.l=28
tα=Ttabla(α=0.025; G.l=28)= 2.048 -2,048 0 2,048
c) Calcular el valor estadístico de la prueba
𝑥̅ −µ 5812−6000
t= 𝑠 t= 1140 = -0.89
√𝑛 √29
d) ¿Cuál es su conclusión?
No hubo ningún cambio es decir el número de estudiantes que ingresan a las

universidades.
Acepto Ho:
e) Que puede decir acerca del valor P Es decir no tuvo ningun cambio con el
nuevo grupo de estudiantes que ingreso
a la universidad
P ≤ α/2
2P ≤ α
(0.855; 1.313)
2(0.20; 0.10) ≤ 0.05
(0.40; 0.20) ≤ 0.05 (falso)
2. La Employment and Training Administration informa que la prestación media del

seguro de desempleo es de $245/semana. Un investigador del estado de Virginia
anticipo que datos muéstrales indicaran que la prestación media semanal del seguro de
desempleo en el estado de Virginia es menor que la media de todo el país.
a) De las hipótesis adecuadas de manera que el rechazo de Ho favorezca la afirmación

del investigador.
Ho: 𝜇 ≥ 245
H1: 𝜇 < 245
b) En una muestra de 29 individuos la media muestral encontrada fue de $231 y la

desviación estándar muestral fue $80. ¿Cuál es el valor p?
α=0.05
G.l= n-1
G.l=28
tα=Ttabla(α=0.05; G.l=28)= -1.701
𝑥̅ −µ 231−245
t= 𝑠 t= 80 = -0.94
√𝑛 √29
P≤α
(0.855; 1.313)
(0.20; 0.10) ≤ 0.05 (falso) Se acepta Ho
c) Si α=0.05 ¿Cuál es su conclusión? En el estado de Virginia la prestación semanal

del seguro de desempleados es mayor que al de todo el país.
3. El consumo anual per cápita de leche es de 21.6 galones. Usted cree que en el oeste
medio el consumo de leche es mayor y desea fundamentar su opinión. En una muestra
de 16 personas de Webster city, pueblo del oeste medio , la media muestral del consumo
anual fue de 24.1 galones y la desviación estándar es s=4.8.
a) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo
medio anual en Webster city es mayor que la media nacional
Ho: µ ≤ 21.6
Datos
H1: µ > 21.6 𝜇 = 21.6
𝑥=24.1
𝑠 = 48
b) Con α=0.05 cuales son los valores críticos de prueba. 𝛼 = 0.05
n=16
α=0.05
G.l= n-1
G.l=15
tα=Ttabla(α=0.05; G.l=15)= -1.753
t ≥ tα se rechaza
c) Calcule el valor estadístico de prueba

𝑥̅ −µ 24.1−21.6
t= 𝑠 t= 48 = 0.21
√𝑛 √16
d) Cuál es su conclusión
En el oeste el consumo de leche es menor a 21.6 galones

4. 12Una muestra de 25 observaciones tiene una media de 42.0 y una desviación de
8. Trabajando con un nivel de significancia del 1%. ¿Existe razón para rechazar
la hipótesis de la media de la población es de 46.0?1
Datos:
n=25 𝑥̅ = 42 µ=46 𝑠=8
f) Formule las hipótesis

Ho: µ=46
Ho: µ≠46
g) ¿Cuáles son los valores críticos de la prueba?

z.c z.c
α=0.01
2,492 0 2,492
G.l= n-1
G.l=24
tα=Ttabla(α=0.01; G.l=24)= 2.492
h) Calcular el valor estadístico de la prueba

𝑥̅ −µ 42−46
t= 𝑠 t= 8 = -2.5
√𝑛 √25
i) ¿Cuál es su conclusión?
Se rechaza Ho y se acepta H1 es decir que la media de la población de observadores no

es 46
5. Un fabricante desea hacer público, a fin de aumentar sus ventas, que el

contenido de nicotina de sus cigarrillos tienen un promedio inferior a los 22mg.
12
Martinez, C. (2012). Estadistica y muestreo. Bogota: ECOE.
Una oficina gubernamental de salud y del medio ambiente realiza un análisis de
10 cigarillos y obtiene los contenidos de nicotina para cada uno, siendo de:
21 24 18 16 22 23 20 20 24 16
∑(𝑥 − ̅̅̅
𝑥)2 0.36 12.96 5.76 19.36 2.56 6.76 0.16 0.16 12.96
19.36
a) Calcular la hipótesis
Ho: 𝜇=22
H1: 𝜇 < 22
b) Con α=0.05. ¿Cuáles son los valores críticos para el estadístico de prueba?
α=0.05
G.l= n-1
G.l=9
tα=Ttabla(α=0.05; G.l=9)= -1.833
c) Calcule la media muestral

204
𝑥̅ = = 20.4
10
d) Calcule la desviación muestral
∑(𝑥 − 𝑥̅ )2
𝑠=√
𝑛−1
80.4
𝑠=√
10 − 1
𝑠 = 2.99
e) Calcule el valor del estadístico de prueba
𝑥̅ −µ 20.4−22
t= 𝑠 t= 2.99 = -1.69
√𝑛 √10
f) Conclusión: El contenido de nicotina en el tabaco es diferente es decir que el
investigador no está en lo cierto
13. VALOR P
Un valor P es una probabilidad que aporta una medida de una evidencia suministrada
por la muestra contra la hipótesis nula. Valores P pequeños indican una evidencia
mayor contra la hipótesis nula
Valor P Es la probabilidad de que se obtenga un valor del estadístico del contraste que
sea al menos tan extremo (≤ o ≥) como el observado, suponiendo que Ho sea cierta.13
Regla para el rechazo utilizando valor P
Rechazo Ho
𝑃 ≤∝
1. El nuevo palo de golf ERC de aleación de titanio de Callaway Golf Company

fue calificado como “ilegal” porque promete tiros de salida que superan el
estándar de la USGA, Golf Digest comparo las distancias actuales de tiros de
salida con el palo ERC y un palo aprobado por la USGA con una distancia
promedio poblacional de 280 yardas para el tiro de salida. Usando nueve palos
de prueba, la distancia promedio del tiro inicial con el palo ERC fue de 286.9
yardas. Conteste las preguntas siguientes suponiendo una desviación estándar
muestral de 10 yardas para la distancia de tiro de salida.
a) Formula la hipótesis nula y alternativa que permita determinar si el nuevo palo
de golf ERC tiene una distancia promedio poblacional del tiro de salida mayor
que 280 yardas
b) En promedio ¿cuantas yardas más viajo la pelota de golf con el palo ERC?
c) Con 𝛼 = 0.05 ¿Cuál es el valor crítico para la prueba y cuál es la regla de
rechazo?
d) Calcule el valor del estadístico de prueba
e) ¿Cuál es su conclusión?
f) ¿Qué puede decir acerca del valor de p?
13
Newbold, P. “Estadística para administración y economía” I Capítulo 9 (9.1-9.5)
a) Ho= 𝜇 ≤ 280
Datos
H1= 𝜇 > 280 𝑢 = 280
𝑥=286.9
S=10
b) t = 𝑥 − 𝜇 𝛼 = 0.05
n=9
t=286.9 – 280 = 6.9
c) 𝛼 = 0.05
G.L= n-1
G.L =9-1 = 8
t 𝛼 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.86
d) Calcular el valor estadístico de la prueba
𝑥−𝜇 286.9−280
𝑡= 𝑠 t= 10 = 2.07
√𝑛 √9
e) 𝑡 ≥ 𝑡𝛼 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2,07 ≥ 1,86 (𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)
Se rechaza Ho y se acepta H1 que dice que el palo de golf no va a recorrer >

280 𝑦𝑎𝑟𝑎𝑑𝑎𝑠
f) Está en el intervalo (1.860; 2,306) entonces el valor de P esta entre 0,05 y 0,025
2. Las ganancias promedio poblacionales por acción para corporaciones de

servicios financieros, como American Express fueron de $3. En 2001, para una
muestra de 10 corporaciones de servicios se obtuvieron los datos siguientes de
ganancias por acción:
1.92 2.16 3,63 3.16 4.02 3.14 2.20 2.34 3.05 2.38
a) Formula las hipótesis nula y alternativa que permitan determinar si las ganancias
promedio poblacionales por acción en 2001 difieren de los tres dólares
informados en el 2000
Ho= 𝜇 = 3
H1= 𝜇 ≠ 3
b) Con 𝛼 = 0.05 ¿Cuáles son los valores críticos para la estadística de prueba, ¿ y
cuál es la regla de rechazo?
𝛼 = 0.05 Datos
𝜇=3
G.L = n-1
𝑥=2.8
G.L =10-1
𝑠 = 0.70
G.L =9 𝛼 = 0.05
n=10
t 𝛼⁄2 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.833
Regla de rechazo
𝑡 ≤ t 𝛼⁄2 ⋀ 𝑡 ≥ t 𝛼⁄2 Se rechaza Ho
c) Calcule la media muestral

∑ 𝑥𝑖 28
𝑥= 𝑥=10 = 2.8
𝑛
d) Encuentre la desviación estándar muestral

(𝑥𝑖− 𝑥)2 4,32
𝑠=√ √ = 0,70
𝑛−1 9
e) Calcule el valor del estadístico de prueba

𝑥−𝜇 2.8−3
𝑡= 𝑠 t= 0.70 = -0.90
√𝑛 √10
f) ¿cuáles s su conclusión?
Que se acepta Ho no hay diferencia porque -0.90 cae en la zona de aceptación
g) ¿qué puede decir acerca del valor de P?
𝑃(0,20; 0.10)
2𝑃(0.40; 0.20)
(0.40; 0,20) ≤ 0.05 (𝑓𝑎𝑙𝑠𝑜)
h) Calcular el intervalo de confianza y dar su conclusión

𝑠
𝑥 ± 𝑡 𝛼⁄2
√𝑛
0.70
2.8 ± 2.262
√10
2.8±0.50
(2.30; 3.30)
METODO DEL INTERVALO DE CONFIANZA PARA PROBAR UNA

HIPOTESIS BILATERAL
 Paso 1: seleccionar de la población una muestra aleatoria simple y emplear el

valor de la media muestral ( ) para obtener un intervalo de confianza para la
media poblacional (µ)
 Paso 2: si el intervalo de confianza contiene el valor hipotético µo, NO SE
RECHAZA Ho. Caso contrario se rechaza Ho.
14. PRUEBA DE HIPOTESIS CUANDO NO SE CONOCE LA DESVIACION

POBLACIONAL (Muestras Pequeñas)
En palabras de (Anderson, Sweeney, & Williams, 2008). Como 𝜎 es desconocida

corresponde a la situación en que no se tiene una estimación de la desviación estándar
poblacional antes de tomar la muestra, la muestra se usa para obtener una estimación
tanto de µ como de 𝜎. Por tanto para realizar una prueba para la media poblacional en el
caso en que no se conoce 𝜎 la media muestral 𝑥̅ se usa como estimación de µ y la
desviación estándar muestral S se usa como estimación de µ.
Se utiliza las mismas fórmulas de z con la diferencia que ahora el estimador es t

(student) y se cambia la desviación poblacional por s. para prueba bilateral también se
usa el intervalo con el estimador (t). Para cálculos de las proporciones en esta prueba t
de student o este estimador (t), los valores P no se pueden calcular, con exactitud en
consecuencia se va a trabajar con un intervalo para aplicar la regla del P valor. Cuando
sea una prueba bilateral el valor de P se multiplica por 2.
Para calcular el valor de P se sigue los siguientes pasos:
PASO 1: Se ubica en la fila correspondiente los grados de libertad
PASO 2: el valor calculado de P se trata de ubicar dentro de un intervalo en dicha fila
PASO 3: se observa la probabilidad en la parte superior y se da valor de P aproximado
Aplicaciones
2. El nuevo palo de golf ERC de aleación de titanio de Callaway Golf Company
fue calificado como “ilegal” porque promete tiros de salida que superan el
estándar de la USGA, Golf Digest comparo las distancias actuales de tiros de
salida con el palo ERC y un palo aprobado por la USGA con una distancia
promedio poblacional de 280 yardas para el tiro de salida. Usando nueve palos
de prueba, la distancia promedio del tiro inicial con el palo ERC fue de 286.9
yardas. Conteste las preguntas siguientes suponiendo una desviación estándar
muestral de 10 yardas para la distancia de tiro de salida.
g) Formula la hipótesis nula y alternativa que permita determinar si el nuevo palo
de golf ERC tiene una distancia promedio poblacional del tiro de salida mayor
que 280 yardas
h) En promedio ¿cuantas yardas más viajo la pelota de golf con el palo ERC?
i) Con 𝛼 = 0.05 ¿Cuál es el valor crítico para la prueba y cuál es la regla de
rechazo?
j) Calcule el valor del estadístico de prueba
k) ¿Cuál es su conclusión?
l) ¿Qué puede decir acerca del valor de p?
Datos
g) Ho= 𝜇 ≤ 280
𝑢 = 280
H1= 𝜇 > 280 𝑥=286.9
S=10
𝛼 = 0.05
h) t = 𝑥 − 𝜇 n=9
t=286.9 – 280 = 6.9
i) 𝛼 = 0.05
G.L= n-1
G.L =9-1 = 8
t 𝛼 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.86
j) Calcular el valor estadístico de la prueba
𝑥−𝜇 286.9−280
𝑡= 𝑠 t= 10 = 2.07
√𝑛 √9
k) 𝑡 ≥ 𝑡𝛼 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
2,07 ≥ 1,86 (𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)

Se rechaza Ho y se acepta H1 que dice que el palo de golf no va a recorrer >
280 𝑦𝑎𝑟𝑎𝑑𝑎𝑠
l) Está en el intervalo (1.860; 2,306) entonces el valor de P esta entre 0,05 y 0,025
2. Las ganancias promedio poblacionales por acción para corporaciones de

servicios financieros, como American Express fueron de $3. En 2001, para una
muestra de 10 corporaciones de servicios se obtuvieron los datos siguientes de
ganancias por acción:
1.92 2.16 3,63 3.16 4.02 3.14 2.20 2.34 3.05 2.38
i) Formula las hipótesis nula y alternativa que permitan determinar si las ganancias
promedio poblacionales por acción en 2001 difieren de los tres dólares
informados en el 2000
Ho= 𝜇 = 3
H1= 𝜇 ≠ 3
j) Con 𝛼 = 0.05 ¿Cuáles son los valores críticos para la estadística de prueba, ¿ y
cuál es la regla de rechazo?
𝛼 = 0.05 Datos
z.c 𝜇=3
G.L = n-1 z.c
𝑥=2.8
G.L =10-1
𝑠 = 0.70
1,833 0 1,833
G.L =9 𝛼 = 0.05
n=10
t 𝛼⁄2 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.833
Regla de rechazo
𝑡 ≤ t 𝛼⁄2 ⋀ 𝑡 ≥ t 𝛼⁄2 Se rechaza Ho
k) Calcule la media muestral

∑ 𝑥𝑖 28
𝑥= 𝑥=10 = 2.8
𝑛
l) Encuentre la desviación estándar muestral

(𝑥𝑖− 𝑥)2 4,32
𝑠=√ √ = 0,70
𝑛−1 9
m) Calcule el valor del estadístico de prueba

𝑥−𝜇 2.8−3
𝑡= 𝑠 t= 0.70 = -0.90
√𝑛 √10
n) ¿cuáles s su conclusión?
Que se acepta Ho no hay diferencia porque -0.90 cae en la zona de aceptación
o) ¿qué puede decir acerca del valor de P?
𝑃(0,20; 0.10)
2𝑃(0.40; 0.20)
(0.40; 0,20) ≤ 0.05 (𝑓𝑎𝑙𝑠𝑜)
p) Calcular el intervalo de confianza y dar su conclusión

𝑠
𝑥 ± 𝑡 𝛼⁄2
√𝑛
0.70
2.8 ± 2.262
√10
2.8±0.50
(2.30; 3.30)
14
Ejemplo 1. El consejo universitario informa que el número promedio de estudiantes
de nuevo ingreso en las universidades es de 6000. En un periodo reciente de
inscripciones. Se tomo una muestra de 32 universidades con una media muestral de los
estudiantes de nuevo ingreso de 5812 y una desviación estándar muestral de
1140.¿Estos datos indican un cambio en el número medio de estudiantes de nuevo
ingreso?
Datos
j) Formule las hipótesis 𝜇 = 6000
𝑥=5812
Ho: µ=6000 𝑠 = 1140
H1: µ≠6000 𝛼 = 0.05
n=29
k) ¿Cuáles son los valores críticos de la prueba?

14
Anderson, D., Sweeney, D., & Williams, T. (2008). Estadistica para administracion y economia (10a. ed.). Mexico: CENAGE
Learning.
α=0.05
z.c z.c
G.l= n-1
G.l=28
-2,048 0 2,048
tα=Ttabla(α=0.025; G.l=28)= 2.048
l) Calcular el valor estadístico de la prueba
𝑥̅ −µ 5812−6000
t= 𝑠 t= 1140 = -0.89
√𝑛 √29
m) ¿Cuál es su conclusión?
No hubo ningún cambio es decir el número de estudiantes que ingresan a las

universidades.
Acepto Ho:
n) Que puede decir acerca del valor P Es decir no tuvo ningún cambio con el
nuevo grupo de estudiantes que ingreso
a la universidad
P ≤ α/2
2P ≤ α
(0.855; 1.313)
2(0.20; 0.10) ≤ 0.05
(0.40; 0.20) ≤ 0.05 (falso)
Ejercicio 2: La Employment and Training Administration informa que la prestación

media del seguro de desempleo es de $245/semana. Un investigador del estado de
Virginia anticipo que datos muéstrales indicaran que la prestación media semanal del
seguro de desempleo en el estado de Virginia es menor que la media de todo el país.
d) De las hipótesis adecuadas de manera que el rechazo de Ho favorezca la afirmación

del investigador.
Ho: 𝜇 ≥ 245
H1: 𝜇 < 245
e) En una muestra de 29 individuos la media muestral encontrada fue de $231 y la
desviación estándar muestral fue $80. ¿Cuál es el valor p?
α=0.05
G.l= n-1 z.c
G.l=28
tα=Ttabla(α=0.05; G.l=28)= -1.701 -1,701
𝑥̅ −µ 231−245
t= 𝑠 t= 80 = -0.94
√𝑛 √29
P≤α
(0.855; 1.313)
(0.20; 0.10) ≤ 0.05 (falso) Se acepta Ho
f) Si α=0.05 ¿Cuál es su conclusión? En el estado de Virginia la prestación semanal

del seguro de desempleados es mayor que al de todo el país.
Ejercicio 3. El consumo anual per cápita de leche es de 21.6 galones. Usted cree que en
el oeste medio el consumo de leche es mayor y desea fundamentar su opinión. En una
muestra de 16 personas de Webster city, pueblo del oeste medio , la media muestral del
consumo anual fue de 24.1 galones y la desviación estándar es s=4.8.
e) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo
medio anual en Webster city es mayor que la media nacional
Ho: µ ≤ 21.6
Datos
H1: µ > 21.6 𝜇 = 21.6
𝑥=24.1
𝑠 = 48
f) Con α=0.05 cuales son los valores críticos de prueba.
𝛼 = 0.05
n=16
α=0.05
G.l= n-1
G.l=15 z. A. z.c
tα=Ttabla(α=0.05; G.l=15)= -1.753
1,753
t ≥ tα se rechaza
g) Calcule el valor estadístico de prueba
𝑥̅ −µ 24.1−21.6
t= 𝑠 t= 48 = 0.21
√𝑛 √16
h) Cuál es su conclusión
En el oeste el consumo de leche es menor a 21.6 galones
15Ejercicio 4: Una muestra de 25 observaciones tiene una media de 42.0 y una

desviación de 8. Trabajando con un nivel de significancia del 1%. ¿Existe razón para
rechazar la hipótesis de la media de la población es de 46.0?1
Datos:
n=25 𝑥̅ = 42 µ=46 𝑠=8
o) Formule las hipótesis

Ho: µ=46
Ho: µ≠46
p) ¿Cuáles son los valores críticos de la prueba?

z.c z.c
α=0.01
2,492 0 2,492
G.l= n-1
G.l=24
tα=Ttabla(α=0.01; G.l=24)= 2.492
q) Calcular el valor estadístico de la prueba

𝑥̅ −µ 42−46
t= 𝑠 t= 8 = -2.5
√𝑛 √25
r) ¿Cuál es su conclusión? Se rechaza Ho y se acepta H1 es decir que la media de la

población de observadores no es 46
Ejercicio 5: Un fabricante desea hacer público, a fin de aumentar sus ventas, que el
contenido de nicotina de sus cigarrillos tienen un promedio inferior a los 22mg. Una
15
oficina gubernamental de salud y del medio ambiente realiza un análisis de 10
cigarrillos y obtiene los contenidos de nicotina para cada uno, siendo de:
21 24 18 16 22 23 20 20 24 16
∑(𝑥 − ̅̅̅
𝑥)2 0.36 12.96 5.76 19.36 2.56 6.76 0.16 0.16 12.96
19.36
g) Calcular la hipótesis
Ho: 𝜇=22
H1: 𝜇 < 22
h) Con α=0.05. ¿Cuáles son los valores críticos para el estadístico de prueba?
α=0.05
z.c
G.l= n-1 z. A.
G.l=9
-1,833
tα=Ttabla(α=0.05; G.l=9)= -1.833
i) Calcule la media muestral

204
𝑥̅ = = 20.4
10
j) Calcule la desviación muestral
∑(𝑥 − 𝑥̅ )2
𝑠=√
𝑛−1
80.4
𝑠=√
10 − 1
𝑠 = 2.99
k) Calcule el valor del estadístico de prueba
𝑥̅ −µ 20.4−22
t= 𝑠 t= 2.99 = -1.69
√𝑛 √10
l) Conclusión: El contenido de nicotina en el tabaco es diferente es decir que el
investigador no está en lo cierto
m) Que puede decir acerca del valor P.

P≤ α
(1.383; 1.833)
(0.10; 0.05) ≤ 0.05 (FALSO)
Se acepta Ho es decir que el nivel del cigarrillo es diferente a 22
15. ESTADISTICO DE PRUEBA EN LA PRUEBA DE HIPOTESIS PARA LA

PROPORCION POBLACIONAL
Según (Anderson, Sweeney, & Williams, 2008)
En esta sección se muestra como realizar la prueba de hipótesis para la proporción

poblacional p. mediante Po se denota la proporción poblacional las tres formas de una
prueba de hipótesis para la proporción poblacional son las siguientes16:
Cola derecha Cola izquierda Bilateral

Ho: 𝑃 ≥ 𝑃𝑜 Ho: 𝑃 ≤ 𝑃𝑜 Ho: 𝑃 = 𝑃𝑜
H1: 𝑃 < 𝑃𝑜 H1: 𝑃 > 𝑃𝑜 H1: 𝑃 ≠ 𝑃𝑜
Aplicaciones:
1. El centro NN para el desarrollo de la fuerza de trabajo encontró que 40% de los
usuarios de internet recibieron más de 10 mensajes de correo electrónico por día
en el año 2000, en el 2001 se repitió un estudio similar acerca del uso del correo
electrónico. El propósito del estudio fue ver si aumento el uso de email.
a) Formule H0 y H1 para determinar si ocurrió un incremento en la proporción de
usuarios de internet
Ho: P≤0.40
Ho: P> 0.40
16
(Anderson, Sweeney, & Williams, 2008)
b) Con α= 0,05 cuál es el valor crítico y cuál es el valor de rechazo
Z ≥ Zα Se rechaza Ho z. A. z.c
1,645
c) Si en una muestra de 420 usuarios se encontró que 188 reciben más de 10

mensajes
ℎ
ṗ=
𝑛
188
ṗ= DATOS
420
ṗ = 0,4476 P= 0,40
n = 420
h = 188
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,4476 − 0,40
𝑍=
√0,40(1 − 0,40)
420
𝑍 = 1.99
2. Un estudio realizado por Consumer Reports indica que 64% de los clientes de
los supermercados piensa que los productos de las marcas de los supermercados
son tan buenos como las marcas nacionales. Para investigar si estos resultados
aplican a sus propios productos, un fabricante de salsa de tomate de una marca
nacional, preguntó a los integrantes de una muestra si consideraban a las salsas
de tomate de las marcas de los supermercados tan buenas como la marca
nacional
a) Formule las hipótesis para determinar si el porcentaje de clientes de los
supermercados que considera a las salsas de tomate de las marcas de los
supermercados tan buenas como la marca nacional difiere de 64%.
Ho: P ≥ 0.64
H1: P < 0.64
b) Si en una muestra de 100 clientes 52 opinan que las marcas de los supermercados son
tan buenas como las marcas nacionales, ¿cuál es el valor-p?
DATOS
z.c P= 0,64
n = 1000
h = 52
Z ≤ Zα Se rechaza Ho -1,645
c) Con α = 0.05, ¿cuál es la conclusión?
ℎ
ṗ=
𝑛
52
ṗ = 100
ṗ = 0,52
ṗ−𝑃
𝑍=
√𝑃(1−𝑃)
𝑛
0.52−0.64
𝑍= = 2.5
0.64(1−0.64)
√
100
d) ¿Le dará gusto esta conclusión al fabricante de la marca nacional de salsa de tomate?
Explique.
P= 0.5-P(z=-2.5)
Se rechaza Ho:
P= 0.5- 0.4938 P≤α
0.0062 ≤ 0.05
P= 0.0062
Se rechaza H0 en consecuencia la salsa de tomate de supermercado con la salsa de

tomate nacional son diferentes en sus porcentajes.
3. Drugstore.com fue la primera compañía en ofrecer ventas al menudeo de

medicamentos por internet. A los clientes de Drugstore.com se dio la
oportunidad de comprar productos para su salud, belleza, cuidado personal,
bienestar y reabastecimiento farmacéutico vía internet. Al final de 10 meses de
operación, la compañía informo que 44% de las órdenes fueron de clientes que
ya habían comprado antes. Suponga que Drugstore.com utilizara una muestra de
órdenes de clientes cada trimestre para determinar si la proporción de órdenes de
clientes repetidos cambio desde P= 0,44 inicial.
a) Formule la hipótesis nula y alternativa
Ho: P=0.44
H1: P≠ 0.44
b) Durante el primer trimestre se observaron 205 clientes repetidos en una muestra de

500 órdenes ¿Cuál es el valor ṗ? ¿Cuál es su conclusión con α= 0,05?
ℎ
ṗ=𝑛
205 z.c z.c

ṗ=
500
ṗ = 0,41
-1,96 0 1,96
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,41 − 0,44
𝑧=
√0,44(1 − 0,44)
500
𝑍 = 1,35
171. Considere la prueba de hipótesis siguiente:
𝐻0: 𝑝 ≤ 0,75
𝐻1: 𝑝 > 0,75
Se seleccionó una muestra de 300 elementos. Calcule el valor-p y establezca su

conclusión para cada uno de los resultados muéstrales siguientes. Use α = 0.05.
ṗ−𝑃
a.
√
𝑃(1−𝑃) z.c
𝑛
z. A.
0,68 − 0,75
𝑍=
-1,645
√0,75(1 − 0,75)
300
𝑍 = −2,8
Se rechaza H0 y se acepta H1
ṗ−𝑃
b. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,72 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = −1,20
Se acepta H0 y se rechaza H1
ṗ−𝑃
c. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,70 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = −2,00
Se rechaza H0 y se acepta H1
17
(Anderson, Dennis, Sweeney, & Thomas, 2008)
ṗ−𝑃
d. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,77 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = 0,80
Se acepta H0 y se rechaza H1
2: Un estudio realizado por Consumer Reports indica que 64% de los clientes de los
supermercados piensa que los productos de las marcas de los supermercados son tan
buenos como las marcas nacionales. Para investigar si estos resultados aplican a sus
propios productos, un fabricante de salsa de tomate de una marca nacional, preguntó a
los integrantes de una muestra si consideraban a las salsas de tomate de las marcas de
los supermercados tan buenas como la marca nacional
a) Formule las hipótesis para determinar si el porcentaje de clientes de los

supermercados que considera a las salsas de tomate de las marcas de los
supermercados tan buenas como la marca nacional difiere de 64%.
𝐻0: 𝑝 = 0,64
𝐻1: 𝑝 ≠ 0,64
b) Si en una muestra de 100 clientes 52 opinan que las marcas de los supermercados
son tan buenas como las marcas nacionales, ¿cuál es el valor-p?
ℎ
ṗ=
𝑛
52
ṗ=
100
ṗ = 0,52
c) Con α = 0.05, ¿cuál es la conclusión?
Se rechaza H0 en consecuencia la salsa de

tomate de supermercado con la salsa de
tomate nacional son diferentes en sus
porcentajes.
z.c
zona de
z.c
aceptacion
-1,96 0 1,96
3: Antes del Super Bowl de 2003, la ABC pronosticó que 22% de la audiencia por
televisión expresaría interés por ver uno de sus próximos programas: 8 Simple Rules,
Are You Hot? y Dragnet. Durante el Super Bowl, la ABC pasó comerciales sobre estos
programas de televisión. Al día siguiente del Super Bowl, una empresa de publicidad
tomó una muestra de 1 532 espectadores que los vieron, de los cuales 414 afirmaron que
verían alguna de las series promovidas por la ABC.
a) ¿Cuál es la estimación puntual de la proporción de espectadores que después de ver

los comerciales sobre los programas de televisión dijeron que los verían?
Ho: P = 0.22
H1: P ≥ 0.22
b) Con α α = 0.05, determine si la intención de ver los programas de la ABC aumentó

significantemente después de ver los comerciales.
ℎ
ṗ=𝑛
zona
critica
414 zona de
ṗ= aceptacion
1532
ṗ = 0,27 1,645
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,27 − 0,22
𝑍=
√0,22(1 − 0,22)
1532
𝑍 = 4,72
c) ¿Por qué tales estudios son valiosos para las empresas y los negocios de
publicidad?
Se rechaza Ho en consecuencia los programas de la ABC aumentaron

significativamente después de ver los comerciales.
4: De acuerdo con un estudio realizado por el Census Bureau´s American Housing

Survey, cuando una persona se muda de casa, el factor principal en la elección de su
nuevo domicilio es que esté cerca de su trabajo (USA Today, 24 de diciembre de 2002).
Según datos de 1990 de la Census Bureau, se sabe que 24% de la población de personas
que se muda de casa da una “ubicación cercana a su trabajo” como el factor principal en
la selección de su nuevo domicilio. Considere que en una muestra de 300 personas que
se mudaron de casa en 2003, 93 lo hicieron para estar más cerca de su trabajo.
a) Formule la hipótesis:
Ho: P ≤ 0.24
H1: P > 0.24
b) ¿Cuál es la conclusión de la investigación? Use α = 0.05.
ℎ
ṗ=
𝑛
93 zona
ṗ= critica
300 zona de
aceptacion
ṗ = 0,31
1,645
ṗ−𝑃
𝑍= 𝑃(1−𝑃)
√
𝑛
0,31 − 0,24
𝑍= Se rechaza H0 en consecuencia
√0,24(1 − 0,24) hay más personas que buscan un
300 domicilio cercano a su trabajo
𝑍 = 2,84
185. Por estadísticas que se tienen, se ha podido establecer que por lo menos el 40% de
los jóvenes toman regularmente Coca-Cola, cuando tienen sed. Una muestra aleatoria de
450 jóvenes reveló que 200 de ellos solían tomar dicha bebida, cuando tenían sed. ¿Cuál
podría ser su conclusión al nivel de 1% acerca de lo que muestran las estadísticas?
200 250
𝑝 = 450 = 0,44 = 44% n=450 𝑞 = 450 = 0,56
𝑝−𝑃
1) 𝐻0 : 𝑃 = 0,40 𝑍= 𝑝𝑞
√
𝑛
𝐻1 : 𝑃 ≠ 0,40
2) ∝) 0,01
∝
3) 3) 𝑆𝑝 = √𝑝𝑞 = 0,005
2 z.c z.c
0,44−0,40
4) 𝑍 = = 1,71 2,58 0 2,58
√0,44(0,56)
450
Z= Se ubica en la zona de aceptación, luego al nivel de 5% la conclusión a la que se

llega es la de aceptar el 40% que arrojan las estadísticas; por lo tanto, no hay razón para
rechazarlas.
196: Un gerente de una compañía afirma que el porcentaje de atrasos en las horas de
llegada al trabajo cobija al 25% de sus empleados. Solicita al jefe de personal la revisión
de 40 tarjetas marcadas con las horas de llegada, en la quincena y encuentra que 8 han
llegado tarde. Al nivel del 5% ¿hay razón para concluir que el gerente está exagerando?
8
𝑝= = 0,20 𝑛 = 40
40
𝐻0 : 𝑃 = 0,25
𝐻1 : 𝑃 < 0.25 z.c

1) ∝= 0,05
-1,645
18
19
(Anderson, Dennis, Sweeney, & Thomas, 2008)
2) 𝑆𝑝 = √0,2(0,8) = 0,40
0,20−0,25
3) 𝑍 = = −0,79
0,2(0,8)
√
40
4) Se ubica Z=-0,79 en la zona de aceptación; por lo tanto podemos concluir que a

nivel de 5% el gerente no exagera
7: Una empresa al seleccionar su personal lo somete a un concurso de entrenamiento.

Por experiencia el 76% de los aspirantes aprueban el curso. Se efectúan ciertos cambios
en el programa para el cual se inscriben 40 y 24 lo aprueban. ¿Podría afirmarse que los
cambios introducidos reducen la selección? (∝= 1%)
24
𝑃 = 40 = 0,60
1) 𝐻𝑜 : 𝑢𝑝 = 0,76
𝐻1 : 𝑢𝑝 < 0,76
2) ∝= 0,01 z.c
z. A.
𝑝𝑞
3) 𝑆𝑝̅ = √ 𝑛
1,645
𝑝−𝑈𝑝
4) 𝑍 = 𝑝𝑞
√
𝑛
0,60 − 0,76 Como -2,07 cae en la región de aceptación,

𝑧= la selección no se reduce con los cambios
√(0,6)(0,4) introducidos, al nivel de 1%
40
Z= -2.7
8. Se dice con frecuencia que la población de funcionarios públicos que tienen el hábito
de fumar en horas de trabajo, es de 42%. La oficina gubernamental de salud desea
realizar una campaña a fin de disminuir este porcentaje, para ello debe comprobarlo; así
que decide realizar una investigación de muestreo a 25 funcionarios, encontrando que
13 de ellos fuman. ¿A nivel del 1% la oficina puede aceptar el porcentaje del 42% como
indicador?
13
𝑢𝑝 = 𝑃 = 42% 𝑃 = 25 = 0,52 𝑛 = 25 𝑣 = 𝑛 − 1 = 24
1) 𝐻0 : 𝑢𝑝 = 0,42
𝐻1 : 𝑢𝑝 ≠ 0,42
z.c z.c
2) ∝= 0,01
3) 𝑆𝑝 = √𝑝𝑞
-2,58 0 2,58
0,52−0,42
4) 𝑡 =
√0,52(0,48)
25−1
𝑡 = 0.98
5) Conclusión: Si hay razón para aceptar el 42% como indicador de fumadores en
horas de trabajo al nivel del 1%
9. El distribuidor de una máquina afirma, que el máximo de elementos defectuosos por

hora que presenta su funcionamiento es del 3%. En una determinada hora se toma como
muestra 20 artículos producidos, los que a su vez son sometidos a control, encontrando
un artículo defectuoso. ¿Al nivel del 5%, se podrá decir que el porcentaje de
defectuosos es superior al señalado por el distribuidor?
Datos:
1
𝑃 = 3% 𝑝 = 20 = 0,05 = 5% 𝑛 = 20 ∝= 0,05
𝐻0 : 𝑃 = 0,03
𝐻1 : 𝑃 > 0,03
z. A. z.c
1) 𝑆𝑝 = √𝑝𝑞
1,645
0,05−0,03
2) 𝑡 =
√0,05(0,95)
20−1
𝑡 = 0.4
3) Conclusión : Con este resultado no se puede concluir, que el porcentaje de

defectuosos sea superior al señalado por el distribuidor, al nivel del 5%
DISTRIBUCION DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES (X1; X2)
CONOCIENDO 𝝈𝟏 𝒀 𝝈𝟐
Esta prueba está indicada en aquellos casos cuando se quiere establecer si la diferencia
entre dos medidas muestrales, extraídas de dos poblaciones independientes, es
significativas o si una media es mayor o menor que otra.
Son ejemplos, cuando se quiere probar ¿si la accidentalidad vehicular es mayor

en la población femenina que en la masculina? ¿Si hay alguna diferencia en los
hábitos de fumar de los hombres y mujeres? ¿Si la duración de un producto de
la marca A es diferente a la de la marca B? Como se observa, estos
interrogantes encierran en la comparación entre dos poblaciones
Mediante varios ejemplos, indicaremos el proceso a seguir en la realización de pruebas

de diferencias cuando dos muestras son grandes (mayores a 30) o cuando se dan las
desviaciones típicas poblacionales, en este último caso no nos interesa los tamaños
muestrales, pues los procesos son iguales, solo que las varianzas poblacionales son
sustituidas por las varianzas muéstrales.
𝑥̅ − 𝑦̅ 𝑥̅ − 𝑦̅ ̅̅̅1̅− 𝑥
𝑥 ̅̅̅2̅
𝑍= ó 𝑍= 2
𝑍=
2 𝜎2 2 𝑠 2 2
√ 𝑠𝑥 + 𝑦 𝑆 𝑆
√𝜎𝑥 + 𝑦 𝑛1 𝑛2 √ 1+ 2
𝑛1 𝑛2 𝑛1 𝑛2
Aplicaciones
1. Supongamos que la empresa desarrollo un curso de entrenamiento para sus
técnicos, formando dos grupos y aplicando métodos distintos de entrenamiento.
Los dos grupos se consideran homogéneos en capacidad. El primer grupo lo
componen 36 técnicos que obtuvieron un puntaje de 6 (en una escala de 0 a 10
puntos) y una desviación típica de 4 puntos y el segundo grupo de 40 técnicos
cuyo promedio fue 8,2 y desviación típica de 4,3 puntos. ¿Se puede concluir que
el método aplicado al segundo grupo al primero? Nivel 1%
Paso 1: Formular la hipótesis
𝐻0 : 𝜇 ≤ 15
𝐻1 : 𝜇 > 15
Paso 2: Análisis punto critico
Regla z.c
z. A.
𝑍 < 𝑍𝛼 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0
-2,33
α= 0,01
Paso 3:
𝑥1 − 𝑥
̅̅̅ ̅̅̅2
𝑍=
𝑆2 𝑆2
√ 1+ 2
𝑛1 𝑛2
6 − 8,2
𝑍=
2 2
√ 4 + 4,3
36 40
Z= -2,43
Conclusión: Como el valor calculado cae en la zona de aceptación se acepta Ho no

existe diferencia significativa que el método B sea superior al método A
DISTRIBUCION DE DIFERENCIAS ENTRE DOS PROPORCIONES MUESTRALES

(P1; P2)
Se ha dicho en repetidas ocasiones, que las proporciones son utilizadas como medidas
aplicadas a características cualitativas (atributos). La prueba de hipótesis, como en los
casos anteriores, implica el uso de la distribución normal, que nos permite establecer si
hay o no alguna diferencia entre dos proporciones, obtenidas en dos poblaciones
independientes, o si un grupo tuvo una proporción mayor que el otro.
𝑝1 𝑞1 𝑝2 𝑞2 𝑝1 − 𝑝 2
𝑆̅𝑝̅̅1̅−𝑝̅̅̅2̅ = √ + 𝑧= 𝑝1 𝑞1 𝑝 𝑞
𝑛1 𝑛2 2 2
√ 𝑛 + 𝑛
1 2
Aplicaciones
1. En una encuesta se preguntó sobre los hábitos de lectura, utilizando una muestra
aleatoria de 350 señoras que trabajan y otra muestra independiente de 325 que
no lo hacen. En el primer caso, 105 manifestaron que estaban suscritas a cierto
tipo revista. En el segundo, la respuesta fue de 130 que no estaban suscritas ni
mostraban interés por ninguna revista, argumentando la falta de tiempo. ¿Al
nivel del 1% se podrá afirmar que las señoras que trabajan leen menos que las
señoras que trabajan?
ℎ
𝑝̅ =
𝐻0 : 𝑝1 = 𝑝2 𝑛
105
𝐻1 : 𝑝1 < 𝑝2 𝑝1 =
̅̅̅ = 0,3231
350
130
𝑝2 =
̅̅̅ = 0,40
325
Regla
𝑍 < 𝑍𝛼 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 α=0.01

𝑝1 − 𝑝2
𝑧= 𝑝1 𝑞1 𝑝2 𝑞2
√ 𝑛 + 𝑛
1 2
z.c
z. A.
0,3231 − 0,40
𝑧=
-2,33
√0,3231(0,6769) + 0,40(0,60)
350 325
z= -2,73
Conclusión: Como cae en la zona de rechazo Ho ha afirmado que las madres que
trabajan leen menos.
Ejemplo 1: Durante el 2003 los precios de la gasolina alcanzaron record de precios

altos en 16 estados de Estados Unidos (The Wall Street Journal, 7 de marzo de 2003).
Dos de los estados afectados fueron California y Florida. La American Automobile
Association encontró como precio medio muestral por galón $2.04 en California y
$1.72 por galón en Florida. Use 40 como tamaño de la muestra de California y 35 como
tamaño de la muestra en Florida. Suponga que estudios anteriores indican que la
desviación estándar poblacional en California es 0.10 y en Florida 0.08.
a) ¿Cuál es la estimación puntual de la diferencia entre los precios medios

poblacionales por galón en California y Florida?
DATOS DATOS
𝑋 = ẋ1 − ẋ2 ẋ = 2,04 ẋ = 1,72
n = 40 n = 35
𝑋 = 2,04 − 1,72 ʃ = 0,10 ʃ = 0,8
𝑋 = 0,32
b) ¿Cuál es el margen de error con un 95% de confianza?
𝑁𝐶 = 95% zona
critica
𝛼 = 5% zona de
aceptacion
𝑍 = 1,96
1,96
c) ¿Cuál es la estimación por intervalo de 95% de confianza para la diferencia entre

los precios medios poblacionales por galón en California y en Florida?
𝑆22 𝑆22
ẋ1 − ẋ2 ± 𝑍𝛼 √ +
2 𝑛2 𝑛2
0,102 0,82
2,04 − 1,72 ± 1,96 √ +
40 35
0,32 ± 0,27
(0,05; 0,59)
Ejemplo 2: Arnold Palmer y Tiger Woods son dos de los mejores golfistas de todos los
tiempos. Para comparar a estos dos golfistas en los datos muestrales siguientes se
proporcionan los resultados de puntuaciones del hoyo 18 durante un torneo de la PGA.
Las puntuaciones de Palmer son de la temporada de 1960 y las de Woods son de la
temporada de 1999 (Golf Magazine, febrero de 2000).
Palmer,1960 Woods, 1999

𝑛1 = 112 𝑛2 = 84
𝑥̅1 = 69.95 𝑥̅2 = 69.56
Use los resultados muestrales para probar la hipótesis de que entre los dos jugadores no
hay diferencia en las medias poblacionales de las puntuaciones del hoyo 18.
a) Con una desviación estándar poblacional de 2.5 para ambos golfistas, ¿cuál es el
valor del estadístico de prueba?
ẋ1−ẋ2
𝑍= 2 2
√𝑆1 +𝑆2
𝑛1 𝑛2
DATOS DATOS
ẋ = 69,95 ẋ = 69,56
n = 112 n = 84
69,95 − 69,56
𝑍= ʃ = 2,5 ʃ = 2,5
2 2
√2,5 + 2,5
112 84
𝑍 = 1,08
b) ¿Cuál es el valor-p?
𝑃 ≤ 𝛼⁄2
2𝑃 ≤ 𝛼
2(𝑂, 5 − 0,3599) ≤ 0,01
0,2802 ≤ 0,01
c) Si α = 0.01, ¿cuál es su conclusión?
z.c
zona de
z.c Se acepta H0 en consecuencia
aceptacion no existe una diferencia entre
los dos golfistas
-2,58 0 2,58
Ejemplo 3: En una encuesta de BusinessWeek/Harris se pidió a los ejecutivos de empresas
grandes su opinión acerca de sus perspectivas económicas para el futuro. Una de las
preguntas era: ¿Piensa usted que en los próximos 12 meses aumentará en su empresa el
número de empleados de tiempo completo? En esa encuesta 220 de 400 ejecutivos
contestaron sí, mientras que en la encuesta realizada el año anterior, 192 de 400
respondieron sí. Encuentre un intervalo de confianza de 95% para estimar la diferencia
entre las proporciones en estas dos encuestas. Dé su interpretación de la estimación por
intervalo.
𝐻0: 𝑃1 = 𝑃2
DATOS
𝐻1: 𝑃1 ≠ 𝑃2
n = 200 DATOS
h = 220 n = 400
h = 192
ℎ
ṗ=𝑛
ℎ
ṗ=
220 𝑛
ṗ= 192
400
ṗ=
400
ṗ = 0,55
ṗ = 0,48
ṗ1 − ṗ2
𝑍=
√𝑃1𝑄1 + 𝑃2𝑄2
𝑛1 𝑛2
0,55−0,48
𝑍= 0,2475 0,2496
= 1.99
√ +
400 400
𝛼 = 0,05
Se rechaza H0 en consecuencia no
z.c
z.c hay diferencias en las perspectivas
zona de
aceptacion de la empresa
-1,96 0 1,96
Ejemplo 4: En un estudio de la American Automobile Association se estudió si era más

probable que conductores hombres o mujeres se detuvieran para solicitar indicaciones sobre
cómo llegar a una dirección (AAA, enero de 2006). En el estudio se preguntaba: “Si usted y
su cónyuge van en su automóvil y se pierden, ¿se detiene para preguntar por la dirección
que busca?” En una muestra representativa se encontró que 300 de 811 mujeres dijeron que
sí se detenían para preguntar y 255 de 750 hombres dijeron que sí se detenían para
preguntar.
a) La hipótesis de investigación afirmaba que era más probable que las mujeres se
detuvieran para preguntar por la dirección. Formule la hipótesis nula y alternativa para
este estudio.
𝐻0: 𝑃1 = 𝑃2
𝐻1: 𝑃1 > 𝑃2
b) ¿Cuál es el porcentaje de mujeres que dijeron detenerse para preguntar por la dirección?
ℎ
ṗ=𝑛
DATOS
300 n = 811
ṗ=
811 h = 300
ṗ = 0,37 = 37%
c) ¿Cuál es el porcentaje de hombres que dijeron detenerse para preguntar por la

dirección?
ℎ DATOS
a. ṗ = 𝑛 n = 750
h = 255
255
ṗ=
750
ṗ = 0,34 = 34%
d) Pruebe la hipótesis usando α = 0.05. ¿Cuál es el valor-p y cuál es la conclusión a la que

esperaría usted que llegara la asociación?
zona
ṗ1 − ṗ2 zona de
critica
𝑍= aceptacion
√𝑃1𝑄1 + 𝑃2𝑄2
𝑛1 𝑛2
1,645
0,37 − 0,34
𝑍=
√0,37(1 − 0,37) + 0,34(1 − 0,34)
811 750
𝑍 = 1,24
𝑃≤𝛼
Se acepta H0 en consecuencia las
(𝑂, 5 − 0,3925) ≤ 0,05 mujeres se detienen más que los
hombres
0,1075 ≤ 0,05
Ejemplo 5: El Bureau of Transportation de Estados Unidos vigila la puntualidad de la

llegada de los vuelos de las 10 principales aerolíneas de ese país (The Wall Street Journal, 4
de marzo de 2003). Los vuelos que llegan con no más de 15 minutos de retraso se
consideran a tiempo. Los siguientes son datos estadísticos del Bureau pertenecientes a
enero de 2001 y a enero de 2002.
Enero 2001 En una muestra de 924 vuelos, 742 llegaron a tiempo.
Enero 2002 En una muestra de 842 vuelos, 714 llegaron a tiempo.
a) Dé una estimación puntual de la proporción de vuelos que llegaron a tiempo en 2001.
ℎ
ṗ=
𝑛
DATOS
742 n = 924
ṗ=
924
h = 742
ṗ = 0,803
b) Suministre una estimación puntual de la proporción de vuelos que llegaron a tiempo en

2002.
DATOS
ℎ
ṗ= n = 842
𝑛
h = 714
714
ṗ=
842
ṗ = 0,848
c) Sea p la proporción poblacional de los vuelos que llegaron a tiempo en 2001 y p2 la

proporción poblacional de los vuelos que llegaron a tiempo en 2002. Plantee las
hipótesis a probar para determinar si la puntualidad de las principales líneas aéreas
mejoró en este periodo de un año.
𝐻0: 𝑃1 = 𝑃2
𝐻1: 𝑃1 > 𝑃2
d) Si α = 0.01, ¿cuál es su conclusión?
ṗ1−ṗ2
𝑍= 𝑃1𝑄1 𝑃2𝑄2
√ +
𝑛1 𝑛2
zona
critica
0,803 − 0,848 zona de
𝑍= z. A.
aceptacion
√0,803(1 − 0,803) + 0,848(1 − 0,848)
924 842
-2,33
𝑍 = −2,48
Se rechaza Ho en consecuencia no mejoro la puntualidad de las aerolíneas

DISTRIBUCION DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES CON
DATOS MENORES A 30 “t”
De acuerdo con el teorema de Limite Central, cuando ambas variables presentan tamaños
muestrales (n1 y n2) superiores a 30, tendrán un comportamiento similar a la distribución
normal, por lo tanto aplicamos Z. En el caso, que ambos tamaños muestrales sean menores
o iguales a 30, se aplicara la distribución “t” de Student, utilizando diferentes fórmulas de
acuerdo a la forma en la que se dé la información.
Cuando el ejercicio se suministra información para cada una de las observaciones

muestrales, es preferible calcular una varianza común para las dos muestras, siendo:
∑(𝑥1− 𝑥̅ )2 + ∑(𝑦1− 𝑦̅ )2
𝑆2 =
𝑛1 + 𝑛2 − 2
Con el resultado obtenido al aplicar la formula anterior, nos permite calcular el error
estándar para la diferencia entre las medias muestrales
𝑥̅ − 𝑦̅
𝑡=
√ 𝑠² + 𝑠²
𝑛1 𝑛2
Aplicaciones
1: Un fabricante de cigarrillos analiza el tabaco de dos marcas diferentes, para determinar
el contenido en nicotina y obtiene los resultados siguientes (en miligramos):
Marca A: 24 26 25 22 23
Marca B: 27 28 25 29 26
¿Los resultados anteriores, señalan que existe una diferencia en el contenido medio de
nicotina en ambas marcas? Siendo
∑(𝑥1− 𝑥̅ )2 = 10 ∑(𝑦1− 𝑦̅ )2 = 10
10 + 10 20
𝑆2 = = = 2,5
5+5−2 8
2,5 2,5
𝑠𝑥̅ −𝑦̅= √ + = √1 = 1
5 5
1. 𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 ≠ 𝜇𝑦
2. α= 0,05
z.c z.c
z. A.
-1,96 0 1,96
3. 𝑠𝑥̅ −𝑦̅= 1
(𝟐𝟒 − 𝟐𝟕) −𝟑
𝟒. 𝒕 = = = −𝟑
𝟏 𝟏
µ= 𝑛1 + 𝑛2 − 2 µ= 5+5-2=8
ENSAYO DE HIPOTESIS EJEMPLO DE HIPOTESIS CON TRES VARIABLES
Se aplican tres métodos diferentes de enseñanza a estudiantes de primer año de universidad

en tres paralelos, Luego de haber recibido la misma materia se aplica un test de
conocimiento a todos los alumnos, se procede a extraer muestras en cinco alumnos de cada
paralelo. Probar la hipótesis de que el rendimiento medio de los tres grupos de alumnos es
el mismo, es decir no hay diferencia en el rendimiento de los alumnos con respecto al
método de enseñanza, con un nivel de significación de 1%.
Cuadro De Resultados
MÉTODO A ̅ 𝒂)²
(𝑿𝒂 − 𝑿 MÉTODO ̅ 𝒃)²
(𝑿𝒃 − 𝑿 MÉTODO C ̅ 𝒄)²
(𝑿𝒄 − 𝑿
B
6 1,14 8 4 5 1
6 1,44 7 1 8 16
2 7,84 4 4 4 0
7 4,84 5 1 2 4
3 3,24 6 0 1 9
TOTAL:24 18,8 TOTAL:30 10 TOTAL:20 30
Xa= 4,8 Xb= 6 Xc= 4

𝑋̅𝑔 = 4,92
Proceso
Con tres variables el estimador a utilizarse es el ANALISIS DE VARIANZA O RAZON

“b”
1. PLANTEO DE HIPÓTESIS
1.1 Modelo lógico:
Ho: El rendimiento medio de los alumnos en los tres grupos es el mismo
cualquier sea el método de enseñanza que se aplique.
H1: El rendimiento medio de los tres grupos difiere significativamente con
relación al método de enseñanza
1.2 Modelo Matemático:
Ho: 𝑋̅𝑎 = 𝑋̅𝑏 = 𝑋̅𝑐 → 𝑋𝑎 − 𝑋𝑏 − 𝑋𝑐 = 0
H1: 𝑋̅𝑎 ≠ 𝑋̅𝑏 ≠ 𝑋̅𝑐 → 𝑋𝑎 − 𝑋𝑏 − 𝑋𝑐 = 0
1.3 Estimador estadístico
𝑠²
𝐹=
𝑠²
𝑛𝑎(𝑋̅𝑎 − 𝑋̅𝑔)² + 𝑛𝑏 (𝑋̅𝑏 − 𝑋̅𝑔)² + 𝑛𝑐(𝑋̅𝑐 − 𝑋̅𝑔)²

𝑆2 =
𝑛−1
∑(𝑋𝑎 − 𝑋̅𝑎)² + ∑ (𝑋𝑏 − 𝑋̅𝑏)² + ∑(𝑋𝑐 − 𝑋̅𝑐)²

𝑆2 =
𝑛1 − 𝑛2 − 𝑛3 − 3
∑𝑋
𝑋̅ =
𝑛
∑(𝑋1 + 𝑋2 + 𝑋3)
𝑋̅𝑔 =
𝑛1 + 𝑛2 + 𝑛3
2. NIVEL DE SIGNIFICACIÓN
α= 0,01
F1= D1/D2 (Ft= Valor de f obtenido de la tabla)
D1= Grados de libertad entre clases n-1------ 3-1=2
D2= Grados de libertad dentro de clases: n1-n2-n3-3-------5-5+5-3=12
Ft=2/12= 6,93
3. REGLA DE DECISIÓN:
Se acepta la hipótesis nula si el valor de la razón “F” al calcularse es igual o menor a

6,93 caso contrario se acepta la hipótesis alternativa de la investigación
4. CÁLCULO DE LA RAZON “F”

𝑠²
𝐹=
𝑠²
5(4.8 − 4.93)2 + 5(6 − 4.93)2 + 5(4 − 4.93)
𝑆2 =
3−1
𝑆 2 = 10.13
18,8 − 10 + 30
𝑆2 =
5+5+5+3
𝑆 2 = 4,9
10,13
𝐹=
4,9
F=2,07
5. CONCLUSIÓN FINAL
Ft= 6,93 >Fc=2,07 y de acuerdo con lo establecido en la regla de decisión, se acepta la

hipótesis nula, es decir, no hay diferencia significativa en el rendimiento medio de los
estudiantes frente a los métodos de enseñanza cualquier diferencia es producto de
muestreo
Para la resolución de problemas planteados y de conformidad con la hipótesis estadística

estipulada, es necesario trabajar con frecuencias observadas, que se les obtiene con la
investigación en que se detecta que el mecanismo predominante de explotación por parte de
los parientes es el castigo con el cual obligan a la actividad mendicante de los niños.
Proceso
Planteo de hipótesis Estimador estadístico
Se dispone de información obtenida como

Ho: el castigo y la recompensa son mecanismos producto de la investigación realizada a toda la
que por igual emplean los parientes con los niños población que se encontraba en el momento de
mendicantes aplicar la encuesta, (población flotante para la
prueba de hipótesis que se tiene frecuencias, es
H1: el castigo es el mecanismo predominante de
recomendable utilizar la prueba de Chi-cuadrado
explotación que los parientes emplean para
(𝑥 2 ) que permite determinar si el conjunto de
obligar a los niños a la actividad mendicante, en
frecuencias observadas ajustan a un conjunto de
el parque x de la ciudad y
frecuencias esperadas o teóricas y se aplica la
formula
(𝑂 − 𝐸)2
𝑥2 = ∑
𝐸
1. Nivel de significancia y regla de decisión:

α= 0.05
G.l: (c-1) (f-1) → (2-1) (3-1) = 2
Se acepta la hipótesis nula si el valor a calcularse de 𝑋 2 es menos al valor de 𝑋 2 tabular =

5.99; caso contrario se rechazo
Prueba de hipótesis Chi cuadrado X2

Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis
nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente
especificada como el modelo matemático de la población que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada
valor o intervalo de valores se indica la frecuencia absoluta observada o empírica (Oi). A
continuación, y suponiendo que la hipótesis nula es cierta, se calculan para cada valor o
intervalo de valores la frecuencia absoluta que cabría esperar o frecuencia esperada
(Ei=n·pi , donde n es el tamaño de la muestra y pi la probabilidad del i-ésimo valor o
intervalo de valores según la hipótesis nula). El estadístico de prueba se basa en las
diferencias entre la Oi y Ei y se define como:
𝑘
2
(𝐹𝑜 − 𝐹𝑒 )2
𝑋 = ∑
𝐹𝑒
𝑖
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5. En
la práctica se tolera un máximo del 20% de frecuencias inferiores a 5.
2. Calculo de “Chi - cuadrado” 𝑿𝟐 datos obtenidos de la investigación
CASTIGO RECOMPENSA TOTAL

Mañana: 10 – 12 28 (28.54) 10 (9.46) 38
Tarde: 14 - 17 69 (78.1) 35 (25.9) 104
Noche: 18 - 22 93 (83.36) 18 (27.64) 111
TOTAL 190 63 253
Los valores que se encuentran en paréntesis ( ) son las frecuencias esperadas; se

calcula multiplicando los totales marginales y dividido para el gran total. Ejemplo:
(190) (38) /253 = 28.54
1. Tabla de frecuencias observadas (O) y esperadas (E)

O Frecuencias observadas E Frecuencias esperadas (𝑶 − 𝑬)𝟐
𝑬
28 28.54 0.01
69 78.1 1.06
93 83.36 1.11
10 9.46 0.03
35 25.9 3.2
18 27.64 3.26
𝑋 2 𝑐 = 8.77
6. CONCLUSION
El valor de 𝑋 2 𝑐 = 8.77 > 𝑋 2 𝑡 = 5.99 y de conformidad a lo establecido en la regla de

decisión se rechaza la hipótesis nula y se acepta la hipótesis alterna, es decir, se confirma
que el castigo como mecanismo de explotación que los parientes ejercen sobre los niños
mendicantes.
No normales
U de Mann-
Tipos de datos Independientes
Withney
Dependientes Wilcoxon
Peor Igual Mejor
Tratamiento 1 7 28 115
La prueba chi ve si hay independencia o relación entre las variables

Nivel de Educación
Primaria Secundaria Universidad
Solteros 14 54 65
Casados 15 34 45
Viudos 3 43 34
BIBLIOGRAFIA
levin, R., & Rubin, D. (2010). Estadistica para administracion y economia (septima ed.).
Mexico: Pearson educacion.
Martinez, C. (2006). estadistica y muestreo (12 ed. ed.). Bogota: Ecoe Ediciones.
Murray, S. R., & Larry, S. J. (2009). Estadistica (cuarta edicion ed.). Mexico: Mc Graw
Hill.
Octavio, S. (2009). probabilidad y estadistica (Vol. tercera edicion). mexico.
Ojeda, L. (2007). Probabilidad estadistica basica para ingenieros. Guayaquil: ESPOL.
Triola, M. (2009). Estadistica. Mexico: Pearson Educacion.
Triola, M. (2013). Estadistica (Decimoprimera ed.). Mexico: Pearson Educación .
Webster, A. (2004). Estadistica aplicada a los negocios y la economia. Colombia: Mc

Graw Hill.
Anderson, D., Sweeney T., (2008). Estadistica para la administracion y economia (10ma
edicion) México: CENGAGE Learning

Estadistica Inferencial

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estadistica Inferencial

Загружено:

Авторское право:

Доступные форматы

Misión

La Universidad Técnica de Ambato por sus niveles de excelencia se constituirá como un

La Facultad de Contabilidad y Auditoría formará profesionales líderes competentes, con visión

La Facultad de Contabilidad y Auditoría como parte de la Universidad Técnica de Ambato por

LA distribución de probabilidad discreta de una variable aleatoria describe como se

En el caso de una variable aleatoria discreta que lo vamos a simbolizar (x).

La distribución de probabilidad está definida por una función de probabilidad y vamos a

1.1. Propiedades de la distribución de probabilidad discreta

1. Describe, mediante una tabla x p la distribución del “número de caras” al lanzar 3

2. En una lotería de 1000 números se reparten los premios siguientes:

2. Valor esperado y varianza

Es la media de una variable aleatoria discreta, es el resultado medio teórico de un número

𝑭ó𝒓𝒎𝒖𝒍𝒂 ∶ 𝑬(𝒙) = 𝒙 𝚺 𝒇(𝒙)

2.2. Varianza Var(x)

Fórmula: 𝑽𝒂𝒓 (𝒙) = 𝚺 (𝒙 − 𝒖)𝟐 𝒇(𝒙)

1) Calcular el valor esperado y la varianza del ejercicio anterior

X F(x) x f(x) (x-u)^2 f(x)

2) Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A continuación se

x F(x) x f(x) (x-u)^2 f(x)

𝑽𝒂𝒓 (𝒙) = 𝟏. 𝟖𝟎𝟐𝟕

x F(x) x f(x) (x-u)^2 f(x)

𝐸(𝑥) = 1.842 𝐸(𝑦) = 2.292

x F(x) x f(x) (x-u)^2 f(x)

3. Se ha obtenido la siguiente tabla de distribución de probabilidad para el número de

X F(x) x f(x) (x-u)^2 f(x) E(x): 0.99

X F(x) x f(x) (x-u)^2 f(x)

5. Se ha hallado la distribución de probabilidad de que un número determinado de

x F(x) x f(x) (x-u)^2 f(x)

6. Un analista de marketing asocia la siguiente distribución probabilística a las ventas

x F(x) x f(x) (x-u)^2 f(x)

7. En la producción de un artículo se aplica soldadura y para eso se usan tres

1) La demanda de un producto, por parte de Industrias Caroline, varía enormemente

Demanda Probabilidad 𝒙𝒇(𝒙)

a) Si la empresa basa las órdenes mensuales en el valor esperado de la demanda

Valor Esperado Ε(𝑥) = 445

Utilidad o pérdida de la empresa:

Valor esperado × Costo de unidad ordenada = 445 × $ 50 = $ 22.250

Valor de demanda real × Costo de unidad demandada

= $ 21.000 × $ 22.250 = −1.250

Probabilidad 𝒙𝒇(𝒙) (𝒙 − 𝝁)𝟐 𝒇(𝒙)

Portátil Ε(𝑥) = 0,63

De escritorio Ε(𝑥) = 1,42

3. La NBA saca una estadística de 29 equipos en donde la probabilidad de hacer una

a) ¿Cuál es el valor esperado para un tiro de 3 puntos de estos equipos?

Valor Esperado en un tiro de 3 puntos

3. Distribución de probabilidad Binomial

Si P es la probabilidad de que un solo ensayo ocurra un evento (llamado la probabilidad de

3.1. Propiedades de un experimento binomial

3.2. Formula de la distribución binomial

(x) = probabilidad de éxitos en n ensayos

Lanzamiento de una moneda 5 veces

3.3. Medidas de la distribución binomial

1) Hallar la probabilidad de que al lanzar una moneda 3 veces, aparezca

n=3 x = # caras p = 0.5 q = 0.5

𝑓(3) = 1 (1⁄8) (1) 𝑓(2) = 3 (1⁄ 1

𝑓(3) = (1⁄8) 𝑓(2) = (3⁄8)

𝑓(1) = 3 (1⁄ 1 𝑓(0) = 1 (1⁄8) (1)

𝑓(1) = (3⁄8) 𝑓(0) = (1⁄8)

2) Hallar la probabilidad de que al lanzar un dado 5 veces aparezca 3

x=0 n= 5 p= 1/6 q= 5/6

a) Ninguna vez 𝑓(0) = 1 ∗ 1 ∗ 0.4019

5 𝑓(3) = 1 − (0.4019 + 0.4019

3) El 5% de los camioneros del Ecuador son mujeres. Suponga que se selecciona al