Estadística 1

DMAE E002
Prof. Edmundo Peña Rozas

DISTRIBUCIÓN MUESTRAL DE UN PROMEDIO MUESTRAL

(con varianza poblacional conocida)
El teorema del límite central es uno de los teoremas más importantes en Estadística, no sólo desde el punto de vista teórico
sino que también por su trascendencia en los métodos estadísticos. En esencia, este teorema indica que si una población
tiene varianza finita σ2 y media μ, sin importar cuál sea la distribución original de la población, a medida que n aumenta,
la distribución de la media de la muestra tiende a una distribución normal con varianza σ 2 /n y media μ. Lo anterior
expresado en términos estadísticos es equivalente a decir:
 
~ N   ,  n 
2
Si X ~ f ( x, μ, σ2)  X
n 

Al estandarizar esta variable, se tiene:

x
 Z ~ N (0,1)
 n 
n

Ejemplo: Una máquina expendedora de refrescos está programada para que la cantidad de refrescos que vierte sea una
variable aleatoria con una media de 350 cc y una desviación estándar de 10 cc. ¿Cuál es la probabilidad de que la cantidad
media de refresco expendido en una muestra aleatoria de 36 refrescos sea por lo menos de 304 cc?

Solución:
  300   10 n  36 ¿ P( X  304)?

 x    304  300 
P( X  304)  1  P( X  304) 1  P  Z    1 P  Z  
  n  10 36 
 4 
 1 P  Z     P  Z  2, 4   1  0.9918  0.0082
 10 6 

Ejemplo: Una empresa fabrica ampolletas para lámparas de fotocurados que tienen una duración que se distribuye
aproximadamente en forma normal, con media de 2000 horas y desviación estándar de 100 horas. Encuentre la probabilidad
de que una muestra aleatoria de 16 ampolletas tenga una vida promedio de menos de 1950 horas

Solución:
 x    1950  2000 
P  X  1950   P  Z    PZ  
  n  100 4 
 P  Z  2, 0   0, 0228

La probabilidad de que la media de la muestra de 16 ampolletas sea menor a 1950 horas es de 0,0228.

Ejemplo: Suponga que el consumo diario de cierto insumo en un laboratorio clínico (en cm 3) es una variable aleatoria no
especificada, con media  y varianza   256 . Se observa el consumo de este insumo durante 64 días, en forma
2

aleatoria. Encontrar la probabilidad de que la media muestral esté a no más de 4 cm3 del consumo diario promedio de este
insumo.

Solución:

08/10/2018
Estadística 2
DMAE E002
Prof. Edmundo Peña Rozas

Para n lo suficientemente grande, la distribución de X es aproximadamente normal con media  y varianza

 / n  256 / 64  4 . Ahora, lo que se pide es obtener la probabilidad siguiente:
2

 
P X    4  P  4  X    4   P    4  X    4 
   
  4 X   4   4 4 
 P     P Z 
        
   
 n n n   n n
 4 4
 P Z   P  2  Z  2   0.9544
 2 2
Es decir, la probabilidad de que la media muestral esté a no más de 4 cm3 de la verdadera media poblacional es 0.9544.

DISTRIBUCIÓN MUESTRAL DE UN PROMEDIO MUESTRAL

(con varianza poblacional desconocida)

Cuando la varianza de la población es desconocida, situación que se da con mucha frecuencia, es preciso utilizar la
información que nos provee la muestra respecto de este parámetro y estimar la desviación estándar, utilizando alguna de
las siguientes expresiones:

n k _
 ( x i  x) 2  ( x i  x) 2 n i
i 1 i 1
s2  s2 
n 1 n 1

En esta situación, el teorema central del límite puede ser expresado de la siguiente manera: “si una población se distribuye
normal con varianza desconocida y media μ, la distribución de la media de la muestra tiende a una distribución t-Student
con n-1 grados de libertad”. Lo anterior expresado en términos estadísticos es equivalente a decir:

Si X ~ N ( μ, σ2)  X ~ t n 1
n 

Al estandarizar esta variable, se tiene:

x
 T ~ t n 1
s n 
n
Ejemplo: El tiempo de espera para ser atendido en una consulta médica se distribuye normal con un tiempo de espera
promedio de 15 minutos. Se elige al azar una muestra de 25 pacientes obteniendo una desviación estándar de 5 minutos.
¿Cuál es la probabilidad de que el tiempo de espera promedio de la muestra se encuentre entre 16 y 18 minutos?

Desarrollo:

Sea X:”tiempo de espera” (minutos)

X ~ N (  ,  2 )  X ~ N (15,  2 ) s 5 n  25
 x   18  15   x   16  15 
P(16  x  18)  P( x  18)  P( x  16)  P    P  
 s n 5 25   s n 5 25 

 P(T  3)  P(T  1)  0.995  0.850  0.145

08/10/2018
Estadística 3
DMAE E002
Prof. Edmundo Peña Rozas

Por lo tanto, la probabilidad de que el tiempo de espera promedio de los pacientes de la muestra se encuentre entre 16 y
18 minutos es de 0,145

DISTRIBUCIÓN MUESTRAL DE UNA VARIANZA MUESTRAL

En realidad la distribución Ji-cuadrado corresponde a la distribución muestral de s2, es decir, si se extraen todas las muestras
posibles de una población normal y a cada muestra se le calcula su varianza, se obtendrá la distribución muestral de la
varianza.

Sea X una variable aleatoria distribuida según una Normal con media μ y varianza σ 2. Si medimos X en una muestra aleatoria
de n observaciones, la varianza muestral s2 de esa muestra es un valor de la variable aleatoria S2.

La teoría estadística demuestra que la variable aleatoria

n
 ( xi  x ) 2
(n  1)s 2 i 1
~  n21 o equivalentemente ~  n21
2 2

Ejemplo: Suponga que los tiempos requeridos por una determinada línea de taxis colectivos de la ciudad de Concepción
para completar su recorrido tienen una distribución normal con desviación estándar σ=1.59 minutos. Si se elige al azar una
muestra de 20 tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que 2.

Desarrollo:
X ~ N (  ,  2 )  X ~ N (  ,1)
 (n  1) s 2 (20  1)2   (n  1) s 2 
P( S 2  2)  1  P     1 P   15, 03   1  0.2  0.8
  2
1.59 2
   2


Por lo tanto la probabilidad de que la varianza de los tiempos de la muestra sea mayor que 2 es de 0.8.

DISTRIBUCIÓN MUESTRAL DE UNA PROPORCION

Si π es la proporción de individuos de una población que presenta cierta característica de interés y p es la proporción de
individuos en una muestra que presenta dicha característica, al aplicar el teorema del límite central se puede demostrar que
p distribuye aproximadamente normal, con media π y varianza π (1- π)/n, siempre y cuando np ≥ 5 np(1-p) ≥ 5.

De lo anterior se desprende que el estadístico Z:

p 
Z ~ N (0,1)
 (1   )
n

Ejercicios

1. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye normalmente con una media de 500 kilos
y una varianza de 1600 Kg2. Si se selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad de que
en esa muestra:
 La resistencia media encontrada sea de por lo menos 490 Kg.
 La resistencia media se mayor de 520 Kg.

2. La vida media de una máquina de esterilización de material quirúrgico es de siete años, con una desviación estándar de
un año. Suponga que las vidas de estas máquinas siguen aproximadamente una distribución normal, encuentre:

08/10/2018
Estadística 4
DMAE E002
Prof. Edmundo Peña Rozas

 La probabilidad de que la vida media de una muestra aleatoria de 9 de estas máquinas caiga entre 6,4 y 7,2 años.
 El valor de la media a la derecha del cual caería el 15% de las medias calculadas de muestras aleatorias de tamaño
nueve.

3. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una población normal con varianza
σ2=6, tenga varianza muestral:
 Mayor que 9,1
 Entre 3,462 y 10,745

Bibliografía
 Cánavos, G. (1988). Probabilidad y Estadística: aplicaciones y métodos. Ed. Mc Graw-Hill.
 Walpole, R. Myers, R. (2005). Probabilidad y Estadística, 4° ed., México: McGraw-Hill Interamericana.
 Webster, A., (2000), Estadística Aplicada a la Economía y los Negocios, 3°ed., Bogotá: McGraw-Hill

08/10/2018