Академический Документы
Профессиональный Документы
Культура Документы
Por ejemplo, podría decirse, con base en las opiniones de varias personas entrevistadas en la calle,
que en las próximas elecciones presidenciales el 60% de los votantes favorecerá a un cierto
candidato. En este caso se trata de una muestra de opiniones de una población finita muy grande.
Supongamos que el costo promedio para construir una casa de un tipo determinado en la costa en
una localidad determinada oscila entre $90.000.000 y $95.000.000 con base en las estimaciones
de tres contratistas seleccionados al azar de los 30 que están construyendo en esta ciudad. En este
caso la muestra es finita pero pequeña.
Supongamos que una muestra aleatoria de n observaciones se toma de una población normal con
media 𝜇 𝑦 varianza 𝜎 2 . Cada observación 𝑋𝑖 , i=1,2…,n de la muestra aleatoria tiene la misma
distribución normal que la población que está siendo muestreada.
𝑥 +𝑥 +⋯𝑥
De aquí podemos concluir que 𝑋̅ = 1 2𝑛 𝑛
𝜇+𝜇…𝜇 𝑛𝜇
Tiene una distribución normal con media 𝜇𝑥̅ = 𝑛
= 𝑛
=𝜇
𝜎 2 +𝜎2 +⋯+𝜎 2 𝑛𝜎 2 𝜎2
Y varianza. 𝜎𝑥̅2 = = =
𝑛2 𝑛2 𝑛
Si se está realizando el muestreo de una población con distribución desconocida, ya sea finita o
𝜎2
infinita, la distribución muestral de 𝑋̅ será aproximadamente normal con media 𝜇 𝑦 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑛
,
dado que el tamaño de la muestra es grande. Este resultado es una consecuencia inmediata del
Teorema del límite central
Si 𝑋̅ se la media de una muestra aleatoria de tamaño n que se toma de una población con media,
𝜇 y varianza 𝜎 2 , entonces la forma límite de la distribución de:
𝑋̅ − 𝜇
𝒁= 𝝈
√𝒏
Conforme n ∞, es la distribución normal estándar n (z; 0, 1)
Ejemplo: una empresa fabrica focos que tiene un periodo de vida que está distribuido
aproximadamente en forma normal, con media igual a 800 horas y una desviación estándar de 40
horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos tenga una vida
promedio de menos de 775 horas.
𝜇𝑥̅ =800
𝜎𝑥̅ =10
775 − 800
𝑍= = −2,5
10
3 2 3 2 3 2 3 2
2 ∑𝑘
𝑖=1(𝑥𝑖 −𝜇)
2 (0− ) +(1− ) +(2− ) +(3− )
2 2 2 2 5
𝜎 = 𝑘
= 4
=4
5
3 2 𝜎2 4 5
𝜇𝑥̅ = y 𝜎𝑥̅ =
2 𝑛
= = ,
36 144
𝜎𝑥̅ = 0,186
1,45 1,75 𝑋̅
𝜇𝑥̅ =1,5
𝜎𝑥̅ = 0,186
1,45−1,5
𝑧1 = 0,186
= −0,27
1,75−1,5
𝑧2 = 0,186
= 1,34
De este modo:
(𝑥̅1 −𝑥̅2 )−(𝜇1 −𝜇2 )
𝑍=
𝜎 2 𝜎 2
√( 1 )( 2 )
𝑛1 𝑛2
Ejemplo. Una muestra de tamaño 𝑛1 =5 se saca aleatoriamente de una población que esta
normalmente distribuida con media 𝜇1= 50 𝑦 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎12 = 9 y se registra la 𝑥̅1 . 𝑈𝑛𝑎 segunda
muestra aleatoria de tamaño 𝑛2 =4 se selecciona, independiente de la primera muestra, de una
población diferente que también esta normalmente distribuida, con 𝜇2= 40 𝑦 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎22 = 4 y
se registra la media muestral 𝑥̅2 .
𝜇𝑥̅1 −𝑥̅2 = 𝜇1 − 𝜇2 = 50 − 40 = 10
Y varianza
𝜎12 𝜎22 9 4
𝜎 2 𝑥̅1 −𝑥̅ 2 = + = + = 2,8
𝑛1 𝑛2 5 4
Los televisores de marca A tiene una duración promedio de 6,5 años u una desviación estándar
de 0,9 años, mientras que los del fabricante B tienen una vida promedio de 6,0 años con una
desviación estándar de 0,8 años. ¿Cuál es la probabilidad de que una muestra aleatoria de 36
televisores del fabricante A tenga una duración promedio que sea al menos un año más que la
duración promedio de una muestra de 49 televisores del fabricante B?
Datos.
Población 1 Poblaciòn2
𝜇1 = 6,5 𝜇2 = 6,0
𝜎1 = 0,9 𝜎2 = 0,8
𝑛1 = 36 𝑛2 = 49
𝜎2 𝜎2 0,81 0,64
𝜎 𝑥̅1 −𝑥̅2 = √𝑛1 + 𝑛2 = √ 36 + 49
=0,189
1 2
La probabilidad de que la media de36 televisores del fabricante A sea al menos un año
más grande que la media de 49 televisores del fabricante B, es el área señalada. Que corresponde
al valor 𝑥̅1 − 𝑥̅2 = 1,0
1−0,5
𝑍= 0,189
=2,65