Академический Документы
Профессиональный Документы
Культура Документы
URUAPAN
LICENCIATURA EN
INGENIERÍA INDUSTRIAL
“Estadística Inferencial 1”
-Investigación Unidad 1-
(Distribuciones Fundamentales para el Muestreo)
P R E S E N T A
DOCENTE:
ING. GILBERTO CHÁVEZ ESQUIVEL
consecuencia inmediata del siguiente teorema, que se conoce como teorema del límite
central:
Teorema del límite central: Si 𝑋̅ es la media de una muestra aleatoria de tamaño
n, tomada de una población con media μy varianza finita σ2 , entonces la forma límite de
la distribución de
̅̅̅̅̅̅̅
𝑋−𝜇
𝑍=
𝜎/√𝑛
A medida que n → ∞, es la distribución normal estándar n (z; 0,1)
La aproximación normal para 𝑋̅ por lo general será buena si n ≥ 30, siempre y
cuando la distribución de la población no sea muy asimétrica. Si n < 30, la aproximación
será buena soló si la población no es muy diferente de una distribución normal y, como
antes se estableció, si se sabe que la población es normal, la distribución muestral de 𝑋̅
seguirá siendo una distribución normal exacta, sin importar qué tan pequeño sea el
tamaño de las muestras.
El tamaño de la muestra n= 30 es un lineamiento para el teorema del límite central.
Sin embargo, como se indica el planteamiento del teorema, la suposición de la
normalidad en la distribución de 𝑋̅ se vuelve más precisa a medida que n se hace más
grande.
EJEMPLOS
1.- Una empresa eléctrica fabrica baterías que tienen una duración que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviación estándar de
40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 baterías tenga
una vida promedio de menos de 775 horas.
Formula: Desarrollo Utilizando tabla Z
̅̅̅̅̅̅
𝑋−𝜇 775−800
𝑍 = 𝜎/ 𝑍= = −2.5 Resultado= 0.62%
√𝑛 40/√16
2.- Se sabe que el saldo promedio para los clientes de una tarjeta de crédito de
cierto banco es de $14, 350.00 con una desviación estándar de $6, 500 del listado de
clientes se obtiene una muestra aleatoria de 49. ¿Cuál es la probabilidad de que la
muestra tenga un promedio mayor a $17, 500?
̅̅̅̅̅̅
𝑋−𝜇 17,500−14,350
𝑍 = 𝜎/ 𝑍= = 3.39 Resultado= 0.03%
√𝑛 6,500/√49
1.2 DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE
MEDIASÓN MUESTRAL DE LA DIFERENCIA DE MEDIAS
Una distribución muestral de las medias es de tipo probabilístico e indica cuán
probables son diversas medias de la muestra. La distribución es una función de la media,
de la desviación estándar de la población y del tamaño de la muestra.
Suponga que se tiene dos poblaciones distintas, la primera con media μ1 y
desviación estándar σ1, y la segunda con media μ2 y desviación estándar σ1. Más aún,
se elige una muestra aleatoria de tamaño n1 de la primera población y una muestra
independiente aleatoria de tamaño n2 de la segunda población; se calcula la media
muestral para cada muestra y la diferencia entre dichas medias. La colección de todas
esas se llama distribución muestral de las diferencias entre medias o la distribución
muestral del estadístico.
1.- En un estudio para comparar los pesos promedio de niños y niñas de sexto
grado en una escuela primaria se usará una muestra aleatoria de 20 niños y otra de 25
niñas. Se sabe que tanto para niños como para niñas los pesos siguen una distribución
normal. El promedio de los pesos de todos los niños de sexto grado de esa escuela es
de 100 libras y su desviación estándar es de 14.142, mientras que el promedio de los
pesos de todas las niñas del sexto grado de esa escuela es de 85 libras y su desviación
estándar es de 12.247 libras. Si 𝑥̅1 representa el promedio de los pesos de los 20 niños
y 𝑥̅2 es el promedio de los pesos de una muestra de 25 niñas, encuentre la probabilidad
de que el promedio de los pesos de los 20 niños sea al menos 20 libras más grande que
es de las niñas.
Datos:
𝜇1 = 100 𝑙𝑖𝑏𝑟𝑎𝑠 n1= 20 niños
𝜇2 = 85 𝑙𝑖𝑏𝑟𝑎𝑠 n2= 25 niñas
𝜎1 = 14.142 𝑙𝑖𝑏𝑟𝑎𝑠 Probabilidad (𝑥̅1 − 𝑥̅2 > 20) =?
𝜎2 = 12.247 𝑙𝑖𝑏𝑟𝑎𝑠
Formula: Desarrollo:
(𝑥̅ −𝑥̅ )(𝜇 −𝜇 )
𝑧= 1 2 1 2 (20) − (100 − 85)
2 2 𝑧= = 1.25
𝜎 𝜎
√( 1 + 2 ) (14.142)2 (12.247)2
𝑛1 𝑛2 √[ + ]
20 25
Desarrollo:
1.- P ( 𝑋̅1 − 𝑋̅2 > 0.45) =
(0.45)−0
𝑧= (1.23)2 (1.37)2
= 1.52
√[ + ]
35 42
Buscando en la tabla Z nos arroja un resultado de 0.0642, representado en porcentaje
es de 6.42%
2.- p (0.65 ≤ 𝑥̅1 − 𝑥̅2 ≤ 0.83)=
(0.65)−0
𝑧= (1.23)2 (1.37)2
= 2.19
√[ + ]
35 42
(083)−0
𝑧= (1.23)2 (1.37)2
= 2.80
√[ + ]
35 42
EJEMPLOS
1.- Suponga que se cuenta con un lote de 12 piezas, el cual tiene artículos
defectuosos. Se van a seleccionar 5 artículos al azar de ese lote sin reemplazo. Vamos
a generar la distribución muestral de proporciones para el número de piezas defectuosas.
Como se puede observar en este ejercicio la proporción de artículos defectuosos de esta
población es P= 4/12= 1/3.
Por lo que podemos decir que el 33% de las piezas de este lote están defectuosas.
El número posible de muestras de tamaño 5 a extraer de una población de 12
elementos es 12C5=792, las cuales se pueden desglosar de la siguiente manera:
P1q1 P2q2
P1 –P2 y que σp1-p2 =√ +
n1 n2
Donde:
EJEMPLOS:
1-. Los hombres y mujeres adultos radicados en una ciudad grande del
norte difieren en sus opiniones sobre la promulgación de la pena de muerte para
personas culpables de asesinato. Se cree que el 12% de los hombres adultos
están a favor de la pena de muerte, mientras que solo el 10% de las mujeres lo
están. Si se pegunta a 2 muestras aleatorias de 100 hombres y 100 mujeres su
opinión sobre la promulgación de la pena de muerte, determine la probabilidad
de que el porcentaje de hombres a favor sea al menos 3% mayor que el de las
mujeres.
1-0.5437 = 0.4653
1.- La longitud de los tornillos fabricados en una fábrica tienen media µ=10
mm y desviación s= 1 mm, calcular la probabilidad de que en una muestra de
tamaño n=25, la longitud media del tornillo sea inferior a 20.5 mm
Solución
P (µ<20.5)
Estandarizamos T=(X-µ)/(s√𝑛) que sigue un adistribucion t de n-1 grados de
libertad.
T=(20.5-20)/(s/√25)= 2.5
P (µ<20.5)-- > P (T<2.5)-t(24)
P (T<2.5)= 0.9902
P (µ<20.5)= 0.9902
La probabilidad de que la longitud media de la muestra de 25 tornillos sea inferior
a 20.5 mm es del 99.02%
2.-Calcular los percentiles I8>7;0=99 y I8>7;0=01
Solución
Para buscar en la tabla de la F-Snedecor el percentil I8>7;0=99 hemos de tener
en cuenta que :
Df_1= 8 (1dFila de la tabla)
Df_2=7 (1 d columna de la tabla)
0=99 = Probabilidad acumulada (Ultima columna de la tabla)
El valor donde se cruzan todos estos datos será el percentil buscado.
Por tanto: I9>7;0=99 = 6 = 840
Tiene una distribución muestral que es una distribución ji-cuadrada con gl=n-
1 grados de libertad y se denota X2 (X es la minúscula de la letra griega ji). El
estadístico ji-cuadrada está dado por:
EJEMPLOS
1.- Suponga que los tiempos requeridos por un cierto autobús para alcanzar un
de sus destinos en una ciudad grande forman una distribución normal con una
EJEMPLO:
Y sustituyendo los datos en esta fórmula podemos ver que el valor obtenido
de la sumatoria en la tabla anterior, corresponde al (0.02389) por lo tanto:
Este intervalo de confianza nos dice que con 90% de confianza, la varianza
de la población está entre 0.0001625 y 0.01252189.
CONCLUSIÓN
Las distribuciones de muestreo constituyen una pieza importante de estudio
por varias razones. En la mayoría de los casos, la viabilidad de un experimento
dicta el tamaño de la muestra. La distribución de muestreo es la distribución de
probabilidad de una muestra de una población en lugar de toda la población
BIBLIOGRAFÍA
(s.f.). Obtenido de
http://www.matematicasvisuales.com/html/probabilidad/varaleat/tstudent.ht
ml
(s.f.). Obtenido de http://metodosuvm.blogspot.mx/2012/11/t-de-student.html
Antonio Nieves, F. C. (s.f.). Probabilidad y estadística para ingeniería. México, D.F.: Mc
Graw Hill.
autor, S. (12 de Marzo de 2002). It Chihuahua. Obtenido de
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/u0102.pdf
autor, S. (17 de Mayo de 2004). Cálculo CC. Obtenido de
http://calculo.cc/temas/temas_estadistica/muestreo/teoria/dist_difer_medias.
html
Diego, S. (2013). GoConar. Obtenido de GoConar:
https://www.goconqr.com/es/examtime/blog/tecnicas-de-estudio/
ecampus. (s.f.). Obtenido de ecampus:
http://ecampus.fca.unam.mx/ebook/imprimibles/contaduria/estadistica_2/Uni
dad_2.pdf
itchihuahua. (s.f.). Obtenido de itchihuahua:
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03b.html
Karina, D. Q. (s.f.). Centro de Investigaciones Psicológicas . Obtenido de Centro de
Investigaciones Psicológicas :
http://www.medic.ula.ve/cip/docs/tec_estudios.pdf
Ronald E. Walpole, R. H. (2012). Probabilidad y Estadística para ingeniería y ciencias.
México: Pearson.
Scribd. (s.f.). Obtenido de https://es.scribd.com/doc/96358923/Distribuciones-de-La-
Diferencia-de-Dos-Proporciones-Muestrales
torre, L. d. (06 de Noviembre de 2003). Geociencias UNAM. Obtenido de
http://www.geociencias.unam.mx/~ramon/EstInf/Clase4.pdf