UNIVERSIDAD DE LA GUAJIRA

EXTENSION VILLANUEVA

FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS

PROGRAMA DE ADMINISTRACION DE EMPRESAS

ASIGNATURA ESTADISTICA INFERENCIAL

GUIA DE ESTUDIO

Mag.: ALEXI MONTERO SANTIAGO

amsantiago@uniguajira.edu.co
monterocivil@gmail.com
1. PRESENTACIN

En nuestra ltimas dcadas del siglo XXI, hemos observado, que nuestro pas y dems
pases del mundo, la vida diaria de todo ser humano est rodeada de diversos grados de
incertidumbre, que inciden en los problemas econmicos, social, poltico, cultural, dejando
como consecuencias, estados de violencia, desempleo, miseria, desarrollo no adecuado de
las empresas, resultados no satisfactorio de la informacin, mal manejo de la informacin
en algunos casos para la toma de decisiones. Es preciso decir que para la solucin de los
problemas anteriores contamos con una herramienta importante, que es la estadstica II,
Inferencial las cual utiliza las tcnicas en casi todos los aspectos de la vida y mediante ella
podemos utilizar mtodos y modelos, estimaciones, hiptesis para predecir el resultado de
futuras repeticiones en las empresas. Se disean encuestas para obtener informacin previa
por ejemplo el da de las elecciones y predecir el resultado de las mismas. Se seleccionan al
azar consumidores para obtener informacin, con el fin de predecir, la frecuencia con
respecto a cierto producto, el medico investiga para obtener el efecto de ciertos
medicamentos a travs de expertos y condiciones ambientales controladas en los humanos y
as determinan el mtodo apropiado para curar la enfermedad. El ingeniero muestra las
caractersticas de calidad de un producto junto con otras variables controlables del proceso,
para facilitar la identificacin de variables que estn ms relacionadas con nuestra calidad.
En algunos casos se toman muestras de productos recientemente fabricados, antes de su
envo al mercado, para decidir si se retira o se entrega ciertos lotes, dichos productos. El
economista y el contador pblico consideran varios ndices de la situacin econmica
durante cierto periodo y utiliza la informacin para predecir la situacin contable,
econmica y futura. Las tcnicas estadsticas desempean una funcin importante en el
logro de los objetivos de cada uno de los problemas de nuestra regin o pas. El requisito
para la explicacin de la teora es la estadstica y la formulacin de sus objetivos. Por eso
podemos decir que la estadstica es la rama del mtodo cientfico que trata de los datos
recopilados al contar o medir, propiedades de alguna poblacin y a partir de los mtodos y
conclusiones de expertos y procesos. Entramos en la toma de decisiones.
 CONTENDIO PROGRAMATICO

I. UNIDAD
1-TEORA DE LA COMBINATORIA
1.1 Permutaciones y combinaciones
1.2 Formulas y ejemplos prcticos
1.3 Teora de la probabilidad

II.UNIDAD
2 DISTRIBUCIONES MUESTRALES
2.1 Muestras aleatorias con y sin reemplazo
2.2 Media muestral
2.3 Varianza muestral
2.4 Propiedades de Media muestral y Varianza muestral

III. UNIDAD
3. ESTIMACIN DE PARMETROS
3.1 Estimacin Puntual
3.1.1 Generalidades
3.1.2 Definicin de estimacin puntual
3.1.3 Propiedades de los estimadores: insesgado, eficiente, consistente y suficiente.
3.1.4 Mtodo de mxima verosimilitud.
3.2 Estimacin por Intervalos
3.2.1 Definicin de estimacin por intervalos.
3.2.2 Intervalo de confianza para estimar la media poblacional.
3.2.3 Intervalo de confianza para estimar la diferencia de medias Poblacionales.
3.2.4 Intervalo de confianza para estimar la proporcin Poblacional
3.2.5 Intervalo de confianza para estimar la diferencia de proporciones poblacionales.
Intervalo de confianza para estimar la varianza poblacional

IV. UNIDAD
4. PRUEBAS DE HIPTESIS
4.1 Definicin de pruebas de hiptesis.
4.2 Prueba de hiptesis para la media poblacional.
4.3 Prueba de hiptesis para la diferencia de medias poblacionales.
4.4 Prueba de hiptesis para la proporcin poblacional
4.5 Prueba de hiptesis para la diferencia de proporciones poblacionales.
4.6 Prueba de hiptesis para la varianza poblacional.

V. UNIDAD
5REGRESIN Y CORRELACIN
5.1 Generalidades
5.2 El mtodo de mnimos cuadrados
5.3 Inferencias basadas en estimadores de mnimos cuadrados
5.4 Regresin simple y regresin mltiple
5.5 Correlacin
1-TEORIA DE COMBINATORIA.

1.1 PROBABILIDAD: La probabilidad es una rama de la matemtica. Actualmente se

extiende, junto con la estadstica, a campo de la investigacin cientfica, los negocios, la
prediccin del clima y la poltica.

Experimento aleatorio: es un ensayo en el cual no se conoce el resultado final hasta

ejecutarlo. Sin embargo, es factible encontrar el conjunto de los posibles resultados que
pueden presentarse antes de ejecutar el ensayo.

Espacio Muestral: El espacio muestral de un experimento aleatorio es el conjunto de todos

los posibles resultados del experimento aleatorio.

Evento: es un conjunto formado por los elementos del espacio muestral con alguna
caracterstica similar.

Como los eventos son conjuntos de le puede aplicar las operaciones y propiedades de la
teora de conjunto.

Evento simple:
Evento compuesto:
Evento imposible:
Evento seguro:
Unin de Eventos:
Interseccin de Eventos:
Eventos mutuamente excluyentes:

EJEMPLO 0: En un campeonato de futbol se clasifican 4 equipos a las finales: Nacional,

Junior, Millonarios, Cali. Se desea definir los tres primeros lugares.

a) Determine el espacio Muestral.

b) Determine dos eventos y clasifquelos.

1.2 TCNICAS DE CONTEO:

En muchos experimento aleatorios, el definir el espacio muestral resulta algo dispendioso

y su proceso puede generar errores a la hora de identificar los eventos. Por esta razn, es
necesario establecer ciertas tcnicas que permitan establecer el nmero de elementos del
espacio muestral y de los eventos relacionados, a partir delas caractersticas de la muestra
en el experimento.

1.2.1 PRINCIPIO DE MULTIPLICACIN:

Es una tcnica de conteo que se aplica en experimentos aleatorios en los cuales:

Importa el orden en que se escriben los elementos y/o estos se pueden repetir.
Existen varias fases para realizar algn experimento y en cada fase hay diferentes
maneras de hacerlo.

#S= N1 x N2 x N3 xxNn Poblaciones distintas

EJEMPLO 1: Si hay 3 candidatos para la alcalda y 5 para la gobernacin, los dos

cargos se pueden ocupar de 3x5=15 formas

Si en un experimento aleatorio se tiene una poblacin de N y se debe tomar una muestra de

tamao n y adems, la muestra tiene orden y repeticin entonces: #S=Nn

EJEMPLO 2: una persona quiere hacer una rifa de tres cifras cuantas boletas debe
imprimir?: N=10 n=3 #S=103= 1000 boletas

En este ejemplo tambin se puede aplicar el modelo #S= N1 x N2 x N3 xxNn

#S= 10x10x10=1000 donde N1= son las opciones que tiene el primer nmero de la boleta.
Al igual ocurre con N2 y N3.

Ejercicios:

1-En Colombia las placas de los automviles, tienen tres letras (de un alfabeto de 26)
seguida de tres dgitos. La cantidad de placas sin letras ni nmeros repetidos que comienzan
por vocal y son impares es:

2-Un examen consta de 4 preguntas, hay que dar respuesta a solo 3 de las 4 preguntas,
cuantos exmenes de diferente contenido habr que corregir como mximo?
1.2.2 PERMUTACION

Una permutacin es una tcnica de conteo en la cual es importante el orden en el que se

escriben los elementos de cada punto muestral, pero no hay repeticin.

NPn= Cuando N=n entonces NPn =N!

( )

Adems tambin se establece el siguiente modelo matemtico cuando de n objetos, de los

que n1 son iguales, n2 son iguales,.es

NPn=

EJEMPLO 3:

Hallar la cantidad de maneras en que pueden obtener las medallas de oro, plata y bronce 10
ciclista que participan en un campeonato.

NPn=
( )
: N=10 n=3 NPn=
( ) ( )

EJEMPLO 4:

El nmero de permutaciones que se pueden dar de las letras statistics es:

Tenemos que s=3 t=3 i=2 a=1 y c=1 NPn=

Ejercicios:

1- Con los dgitos primos se quiere formar nmeros de 3 cifras.

2- De cuantas maneras se puede sentar 10 personas en un banco si hay cuatro sitios
disponibles.
3- Hay que colocar a 5 hombres y a 4 mujeres en una fila de modo que las mujeres ocupen
los lugares pares de cuantas maneras pueden hacerse?
1.2.3 Combinatoria.

Una combinacin es una tcnica de conteo en la cual no importa el orden y no hay

repeticin en los elementos de un punto muestral.

NCn=
( )

La diferencia entre una permutacin y una combinatoria es que en la primera el inters

recae en contar las posibles selecciones y todos los arreglos de estas, mientras que en la
segunda el inters se centra en contar el nmero de selecciones diferentes.

EJEMPLO 5:

Se va elegir una comisin de 5 estudiantes de administracin de un grupo de 11 de

cuantas formas se les puede seleccionar?.

NCn=
( ) ( )

EJEMPLO 6:

De entre 5 estudiantes de administracin y 7 de contadura hay que construir una comisin

de dos estudiantes de administracin y 3 de contadura. de cuantas formas podr hacerse
si: a) todos son elegibles, b) un estudiantes de contadura en particular ha de estar en esa
comisin y c) dos estudiantes de administracin tienen prohibido pertenecer a la comisin.

a) NCn= NCn=
( ) ( ) ( ) ( )

# De comisin =10*35=350

b) NCn= NCn=
( ) ( ) ( ) ( )

# De comisin =10*15=150

c) NCn= NCn=
( ) ( ) ( ) ( )

# De comisin =3*35=105
Ejercicios:
1-Con 7 consonantes y 5 vocales, cuantas palabras se pueden formar que tengan 4
consonantes distintas y 3 vocales distintas? Se admiten palabras sin significado.

2-cinco senadores de la republica sern enviados a una cumbre latinoamericana. El

presidente del senado enva al presidente de la republica una lista que contiene los nombres
de 10 hombres y 4 mujeres. Si el presidente de la republica decide que va a enviar 3
hombres y 2 mujeres. De cuantas maneras puede seleccionar el grupo de senadores que
asistir a la cumbre?

1.3 PROBABILIDAD Y ANALISIS COMBINATORIO.

Enfoque clsico: En un experimento aleatorio la probabilidad de que un evento ocurra es:

P (E)= #E/#S Donde #E es la cantidad de puntos mustrales del evento E y #S es la

cantidad de puntos en el espacio muestral S.

Propiedades de la probabilidad de Eventos:

A partir de la definicin de probabilidad se establece que:

La probabilidad de un evento est en el intervalo cerrado [0,1].

La probabilidad de un evento seguro es 1
La probabilidad de un evento imposible es 0.
Si los eventos A y b son mutuamente excluyentes, entonces, P(AUB)= P(A)+P(B).
Si los eventos de A y B no son mutuamente excluyentes, entonces, P(AUB)=
P(A)+P(B)- P(A B).
La probabilidad de que no suceda A es: P(A)=1-P(A).

EJEMPLO 7:
En una bolsa hay 5 balotas numeradas del 5 al 9. Se extraen dos balotas, una detrs de otra
sin devolverlas a la bolsa. Se anotan los resultados formando nmeros de dos cifras. Cul
es la probabilidad de formar un nmero mltiplo de 4 o formar un nmero mayor que 87?.
El espacio muestral est dado por #S=5*4=20 (utilizando el principio de multiplicacin)
#S=56,57,58,59,65,67,68,69,75,76,78,79,85,86,87,89,95,96,97,98
Eventos: E=[x/x es mltiplo de 4] = [56, 68 ,76 96]
F= [x/x mayor que 87] = [89,95, 96, 97, 98]

No son mutuamente excluyentes puesto que (E F)= 96

P (EUF)= P (E)+P (F)- P (E F). = 4/20 +5/20- 1/20= 8/20=2/5=0.4=40%

EJEMPLO 8:
Una bolsa contiene 4 bolas blancas y 2 bolas negras; otra contiene 3 bolas blancas y 5
bolas negras. Si se saca una bola de cada bolsa hallar la probabilidad de que:
a) Ambas sean blancas b) ambas sean negras y c) una sea blanca y la otra negra.

a) (4/6)*(3/8)=1/4 =25%
b) (2/6)*(5/8)=5/24 =21%
c) (4/6)*(3/8)+(2/6)*(5/8)=13/24=54%
Este ltimo valor tambin se puede determinar aplicando La probabilidad de que no
suceda A es: P(A)=1-P(A). = 1-1/4-5/24=13/14

Ejercicios:

1-se escogen al azar dos nmeros de telfono y se tiene en cuenta la ltima cifra de cada
uno, determinar las siguientes probabilidades:
a-que las dos cifras sean iguales
b-que su suma sea 11
c-que su suma sea mayor que 4 menor que 8

2-En una universidad, el 30% de los alumnos hablan ingls, el 10%, francs y el 8% los dos
idiomas. Cul es la probabilidad de encontrar alumnos que hablen alguna lengua
extranjera?
3-hallar la probabilidad de obtener un total de 7 puntos al lanzar dos dados:
a-un solo lanzamiento
b-en dos lanzamientos.

1.3.1Probabilidad condicional
La probabilidad de un evento A, cuando se sabe que ha ocurrido un evento B, se denomina
Probabilidad condicional. Se simboliza P(A/B) y se lee la probabilidad de A dado B.
Para calcular la probabilidad de un evento dado que ha ocurrido otro, se tiene una
restriccin en el espacio muestral. El nuevo espacio muestral ser formado por el nmero
de elementos del evento que sucedi primero:
( )
P(A/B)
( )
II. DISTRIBUCIONES MUESTRALES

Uno de los propsitos de la estadstica inferencial es estimar las caractersticas

poblacionales desconocidas, examinando la informacin obtenida de una muestra, de una
poblacin. El punto de inters es la muestra, la cual debe ser representativa de la poblacin
objeto de estudio. Se seguirn ciertos procedimientos de seleccin para asegurar de que las
muestras reflejen observaciones a la poblacin de la que proceden, ya que solo se pueden
hacer observaciones probabilsticas sobre una poblacin cuando se usan muestras
representativas de la misma.

Distribuciones Mustrales
DISTRIBUCIONES MUESTRALES
Medidas Poblacin Muestra
M aritmtica
Varianza
Desviacin tpica s
Tamao N n

2.1 Muestras aleatorias con y sin reemplazo

x= media de todos las medias mustrales

= Desviacin tpica de todas las medias mustrales

M= Nmero posible de muestras.

NCn= sin reposicin NPn= NPn =N! con reposicin.

( ) ( )

( )
x= = con reemplazo

Sin reemplazo

EJEMPLO 9:
Se eligen muestras ordenadas de tamao 2, con reemplazo, de la poblacin de valores 7,3 y
5. Encuentre:
a) , la media poblacional.
b) , la desviacin estndar poblacional.
c) x, la media de la distribucin muestral de medias
d) =, la desviacin estndar de la distribucin muestral de medias.

a) = (7+3+5)/3= 5 media poblacional

( ) ( ) ( )
b)

c) A continuacin se listan los elementos de la distribucin muestral de la media y la

correspondiente distribucin de frecuencias.

(3,3) (3,5) (3,7) (5,3) (5, 5) (5, 7) (7, 3) (7, 5) (7, 7)

3 4 5 4 5 6 5 6 7
31 42 3 2 1

x=( 3*1+4*2+5*3+6*2+7*1)/9= 45/9=5

( ) ( ) ( ) ( ) ( )
d) =1.15

EJEMPLO 10:
Se eligen muestras ordenadas de tamao 2, sin reemplazo, de la poblacin de valores 7,3 y
5. Encuentre:
a) , la media poblacional.
b) , la desviacin estndar poblacional.
c) x, la media de la distribucin muestral de medias
d) =, la desviacin estndar de la distribucin muestral de medias.

Hoy, la estadstica est considerada como la teora de la informacin, no slo como

funcin descriptiva, sino con el objeto bsico de hacer estimaciones acerca de los valores
estadsticos de la poblacin o en la comprobacin de hiptesis de aquellas caractersticas
que han sido investigadas.1

1
Ciro Martnez Bercandino
EJEMPLO 10:

Tartus Industries cuenta con siete empleados de produccin (a quienes se les considera la
poblacin). En la tabla 8-2 se incluyen los ingresos por hora de cada uno de ellos.

Empleado Ingreso por hora Empleado Ingreso por hora

Joe $7 Jan $7
Sam 7 Art 8
Sue 8 ted 9
Bob 8

1. Cul es la media de la poblacin?

2. Cul es la distribucin muestral de la media de muestras de tamao 2?
3. Cul es la media de la distribucin muestral de la media?
4. Qu observaciones es posible hacer sobre la poblacin y la distribucin muestral de la
media?.

1- =($7+7+8+8+7+8+9)/7 =$7.71
2- NCn=
( )
=21.
Las 21 medias muestrales que se pueden tomar de la poblacin:

Por lo tanto la distribucin muestral de la media con n=2 es:

3- Cul es la media de la distribucin muestral de la media?

( )
x=
( )

4. Qu observaciones es posible hacer sobre la poblacin y la distribucin muestral de la

media?

a-La media de las medias de las muestras es exactamente igual a la media de la poblacin.

b-La dispersin de la distribucin muestral de la media es ms estrecha que la distribucin

poblacional.

c-La distribucin muestral de la media suele tener forma de campana y se aproxima a la

distribucin de probabilidad normal.

EJEMPLO 11:

Las alturas de 3000 estudiantes de la universidad de la Guajira estn normalmente

distribuidas con media de 1.72 mts y desviacin tpica de 0.076 mts. Si se toman 80
muestras de 25 estudiantes cada una. Cules sern la media y la desviacin tpica
esperadas de la resultante distribucin de muestreo de medias, si el muestreo se hizo (a) con
b) sin reposicin.

= x =1.72mts

( )
Con reemplazo

Sin reemplazo

Teora del lmite central.

Se cumple, cuando independientemente de la poblacin origen, la distribucin de las

medias aleatorias se aproximan a una distribucin normal a medida que el tamao de la
muestra crece. Se podr decir tambin, que si las muestras provienen de una poblacin que
no es normal, es de importancia tener en cuenta el tamao de la muestra, si el tamao
muestral es pequeo, la distribucin obtenida con sus medias mustrales tendrn un
comportamiento similar al de la poblacin de donde se extrajeron. Por el contrario, si el
tamao muestral es grande, el comportamiento de estas medias mustrales ser igual al de
una distribucin normal, independientemente de la poblacin de donde fueron extradas.

En su forma ms simple, el teorema indica que si n variables aleatorias independientes

tienen varianza infinitas, su suma, cuando, se le expresa en medida estndar, tiende a estar
normalmente distribuida cuando n tiende a infinito. Se debe observar que ninguna de las
varianzas sea mayor comparada con el total.

2.2 Distribucin Muestral de Medias.

De acuerdo con el teorema anterior, la variante estadstica Z para distribuciones de medias

muestrales ser:

En aquellos casos de poblaciones finitas, es decir, cuando se da informacin sobre el

tamao poblacional, y cuando el tamao de la muestra es mayor del 5% de la poblacin, se
puede aplicar el factor de correccin, representado de diferentes maneras. (con reemplazo)

( )

EJEMPLO 11:

La altura media de 400 alumnos de un plantel de secundaria es de 1,50 mts, y su desviacin

tpica es de 0,25 mts. Determinar la probabilidad de que en una muestra de 36 alumnos, la
media sea superior a 1,60 mts.



Z(2.40) 0.4918 p =0.50-0.4918 =0.0082= 0.82%

EJEMPLO 13.

Un fabricante de cierto champ para el cabello, distribuye el tamao profesional de su

producto en 100 salones de belleza de Valledupar, se ha determinado que el consumo
promedio de su producto es de 2.800 cojines mensuales, con desviacin estndar de
280cojines. Si se toma una muestra probabilstica de 36 salones. Cul es la probabilidad de
que el consumo promedio en un mes sea inferior a 2.700?

=2.800 =280 n=36 =2.700 p(x<2.700) =?

Z(-2.14) 0.4838 p =0.50-0.4838 =0.0162= 1.62%%

EJEMPLO 14.

Una siderrgica est produciendo actualmente cables para suspensin de puentes. La

caracterstica ms importante de este producto es su resistencia, el peso que puede soportar
antes de que se reviente. Por experiencias pasadas se sabe que el promedio de la resistencia
es de 6 toneladas con desviacin tpica de 3/4 de toneladas. Para efectos de control, se
selecciona una muestra de 9 cables y se adopta la siguiente regla de decisin.

Si la resistencia promedio est por encima de 6.5 toneladas o por debajo de 5.5, se suspende
el proceso. Si esta entre entre 5.5 y 6.5 se deja tal y como est.

a) Cul es la probabilidad de tener el proceso, si la media de la produccin es aun 6

toneladas?
b) Cul es la probabilidad de tener el proceso, si la media de la produccin no es 6
tonelada sino 6.18 toneladas?
c) Cul es la probabilidad de continuar el proceso, si el promedio es en realidad de 6.4
toneladas
d) si es de 5.8 toneladas?

Solucin:

6 3 0,75 n9
4

Si 6,5 x 5,5 Se suspende el proceso

Si 5,5 x 6,5 Se deja tal y como est

a) Siendo =6 Cul es la probabilidad de detener el proceso?

6,5 6 0,5 3 1,5

Z 2
0,75 0,75 0,75
3
5,5 6 0,5 3 1,5
Z 2
0,75 0,75 0,75
3

Z 2 A 0,4772 ; Z 2 A 0,4772

0,4772 0,4772 0,9544; A 0,4773 P6,5 x 5,5 4,56%

P 1 0,9544 0,0456 4,56%

b) Siendo 6,18 Cul es la probabilidad de detener el proceso?

6,5 6,18 0,32 3 0,96 5,5 6,18 0,683 2,04

Z 1,28 Z 2,72
0,75 0,75 0,75 0,75 0,75 0,75
3 3
Z 1,28 A 0,3997 ; Z 2,72 A 0,4967

P 0,3997 0,4967 0,8964

P 1 0,8964 0,1036 10,36% P6,5 x 5,5 10,36%

c) Siendo 6,4 Cul es la probabilidad de continuar el proceso?

6,5 6,4 0,13 0,3

Z 0,40
0,75 0,75 0,75
3

5,5 6,4 0,9 3 2,7

Z 3,60
0,75 0,75 0,75
3

Z 0,40 A 0,1554 ; Z 3,60 A 0,4998 P5,5 x 6,5 65,52%

P 0,1554 0,4998 0,6552 65,52%

d) Siendo 5,8 Cul es la probabilidad de continuar el proceso?

6,5 5,8 0,7 3 2,1

Z 2,80
0,75 0,75 0,75
3

5,5 5,8 0,3 3 0,9

Z 1,20
0,75 0,75 0,75
3

Z 2,80 A 0,4974 ; Z 1,20 A 0,3849 P5,5 x 6,5 88,23%

P 0,4974 0,3849 0,8823 88,23%

EJERCICIOS:

1-En una prueba de aptitud la puntuacin media de los estudiantes es de 72 puntos y la

desviacin estndar es de 8 puntos. Cul es la probabilidad de que dos grupos de
estudiantes, formados de 28 y 36 estudiantes, respectivamente, difieran en su puntuacin
media en:
a) 3 o ms puntos
b) 6 o ms puntos
c) Entre 2 y 5 puntos
2-Ciertos tubos fabricados por una compaa tienen una duracin media de 900 horas
y una desviacin tpica de 70 horas. Hallar la probabilidad, al seleccionar al azar 36
tubos, que tengan una duracin media entre 870 y 925 horas.

3-Se sabe que en cierta ciudad, los clientes de los restaurantes gastan en promedio $32.900
en comida, con una desviacin estndar de $1.500. Si se pide cada uno de los 50
restaurantes que seleccionen al azar las cuentas de 100 personas y que informen sobre el
consumo medio de esas 100 personas. De cuntos restaurantes debe esperarse que
informen sobre cuentas promedios, superiores $33.259,30?

2.3 Distribucin muestral de proporciones p.

En el anlisis de una caracterstica cualitativa o atributo, se emplea la proporcin de xitos

y no el nmero de xitos como en la distribucin binomial.

Una poblacin binomial est estrechamente relacionada con la distribucin muestral de

proporciones; una poblacin binomial es una coleccin de xitos y fracasos, mientras que
una distribucin muestral de proporciones contiene las posibilidades o proporciones de
todos los nmeros posibles de xitos en un experimento binomial, y como consecuencia de
esta relacin, las afirmaciones probabilsticas referentes a la proporcin muestral pueden
evaluarse usando la aproximacin normal a la binomial, siempre que np >5 y n(1-p) >5.
Cualquier evento se puede convertir en una proporcin si se divide el nmero obtenido
entre el nmero de intentos.

Simbologa:

Sin reemplazo
P=P-0.5/n factor de correccin
Q=P-1

EJEMPLO 15:
Se ha determinado que 60% de los estudiantes de una universidad grande fuman cigarrillos.
Se toma una muestra aleatoria de 800 estudiantes. Calcule la probabilidad de que la
proporcin de la muestra de la gente que fuma cigarrillos sea menor que 55%.

Datos:

n=800 P=0.60 p=0.55 =2.89 Z=0.4981 P=0.5-0.4981=0.0019=0.19%

La interpretacin en esta solucin, estara enfocada a la proporcin de la muestra, por lo

que diramos que la probabilidad de que al extraer una muestra de 800 estudiantes de esa
universidad, la proporcin de estudiantes que fuman cigarrillos sea menor al 55% es del
0.19%.

EJEMPLO 16:
Se tiene que el 4% de las piezas producidas por ciertas maquinas es defectuosa, cul es la
probabilidad de que en un grupo de 200 piezas, el 3% ms sea defectuosa.

=-0.71

Z ( 0,2611) p=0,2611+0,5=0,7611 =76,11%

EJEMPLO 17.
Por cada 50 sindicatos del pas 23 no estn de acuerdo con el comercio con la china
continental; cul es la probabilidad de que en una encuesta a 100 sindicatos muestre que
ms del 52% tenga la misma posicin?

=1.20

Z (0.3849) p=0,50-0,3849=0,1151 =11,51%

EJERCICIOS:

1) se ha determinado que el 65% de los estudiantes universitarios de Bucaramanga

prefieren los cuadernos marca profesional. cul es la probabilidad de que en una muestra
de 100 universitarios de dicha ciudad, encontremos que:

a) como mximo el 68% sea usuarios de este tipo de cuadernos

b) exactamente 66% sean usuarios

2) se sabe que el 25% de los estudiantes de un colegio usan anteojos. cul es la

probabilidad de que 8 o menos usen anteojos en una muestra de 36 estudiantes?

3) Un nuevo tratamiento con rayo lser asegura su eficacia en el 90% de los casos. Si se
selecciona una muestra de 40 enfermos, qu probabilidad hay que se presente una
diferencia mayor del 8% en cuanto a su eficacia?
2.4 Distribucin de diferencia entre dos medias Muestrales.

Suponga que se tienen dos poblaciones distintas, la primera con media 1 y desviacin
estndar 1, y la segunda con media 2 y desviacin estndar 2. Ms an, se elige una
muestra aleatoria de tamao n1 de la primera poblacin y una muestra independiente
aleatoria de tamao n2 de la segunda poblacin; se calcula la media muestral para cada
muestra y la diferencia entre dichas medias. La coleccin de todas esas diferencias se llama
distribucin muestral de las diferencias entre medias o la distribucin muestral del
estadstico .

Se puede demostrar que la media de las diferencias de todos los pares de medias muestrales
posibles, es igual a la diferencia entre las medias poblacionales. .

La desviacin tpica de las diferencias entre los pares de medias muestrales se simboliza

por:
[( ) ( )]

( ) ( )

EJEMPLO 18

En un restaurante, el consumo medio por desayuno es de $4.980, con una desviacin

estndar de $950. En un segundo restaurante las correspondientes cifras son $4.238 y $820.
Si se eligen al azar 80 boletas de pago del primer restaurante y una muestra aleatoria de 60
del segundo, Cul es la probabilidad de que la diferencia entre los consumos medios de
ambas muestras sea mayor que $1.000 en valor absoluto?

1=4.980 2=4.238 1=950 2=820 n1=80 n2=60

 ( ) ( )

( ) ( )


A=0.4572+0.500=0.9572

P=1-0.9272=0.0428=4.28%

EJEMPLO 18
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose una desviacin
estndar de 1.23km/L para la primera gasolina y una desviacin estndar de 1.37km/L para
la segunda gasolina; se prueba la primera gasolina en 35 autos y la segunda en 42 autos.
a) Cul es la probabilidad de que la primera gasolina de un rendimiento promedio mayor
de 0.45km/L que la segunda gasolina?
b) Cul es la probabilidad de que la diferencia en rendimientos promedio se encuentre
entre 0.65 y 0.83km/L a favor de la gasolina 1?.

En este ejercicio no se cuenta con los parmetros de las medias en ninguna de las dos
poblaciones, por lo que se supondrn que son iguales

1 = 1.23 Km/L 2 = 1.37 Km/L n1 = 35 autos n2 = 42 autos

( ) ( )
a) =1.520.4357

P=0.5-0.4357=0.0643=6.43%

b) 0.65 x1x20.83

( ) ( )


( ) ( )

P=0.4974-0.4857=0.0117=1.17%
EJERCICIOS:

1- Dos marcas, A y B de tabletas anticidas efervescentes registran el mismo promedio de

disolucin en agua, con desviacin estndar de 12 segundos para la marca A y 24 segundos para B.
Suponiendo que el tiempo de disolucin est normalmente distribuido, cul es la probabilidad de
que, con una muestra de 36 tabletas de cada marca, las tabletas B registren un promedio de tiempo
de disolucin, cuando menos 5 segundos ms rpido que A?

2- Un especialista en gentica ha detectado que el 26% de los hombres y el 24% de las

mujeres de cierta regin del pas tiene un leve desorden sanguneo; si se toman muestras de
150 hombres y 150 mujeres, determine la probabilidad de que la diferencia muestral de
proporciones que tienen ese leve desorden sanguneo sea de:

a) Menos de 0.035 a favor de los hombres.

b) Entre 0.01 y 0.04 a favor de los hombres.

3- El sueldo mensual de los licenciados en educacin en Bogot es de $920.000 como promedio,

con una desviacin estndar de $31.500. En la misma ciudad, el salario mensual de los economistas
en la administracin pblica es de $925.000, con una desviacin estndar de $52.500. Se toma una
muestra aleatoria de 100 de cada poblacin. Cul es la probabilidad de que la diferencia en las
asignaciones B sea superior a las de A en $12.510?

2.5 Distribucin de diferencia entre dos proporciones Muestrales P1-P2.

Muchas aplicaciones involucran poblaciones de datos cualitativos que deben compararse

utilizando proporciones o porcentajes.

La media de las diferencia entre dos medias proporcionales, se simboliza; indistintamente

por: p1-p2=P1-P2.

La variante estadstica, estar dad en la misma forma que fue presentada para diferencias entre
medias muestrales:
( ) ( )

EJEMPLO 19:
Los hombres y mujeres adultos radicados en la ciudad de Bogot difieren en sus opiniones
sobre la promulgacin de la pena de muerte para personas culpables de asesinato de nios.
Se cree que el 12% de los hombres adultos estn a favor de la pena de muerte, mientras que
slo 10% de las mujeres adultas lo estn. Si se pregunta a dos muestras aleatorias de 100
hombres y 100 mujeres su opinin sobre la promulgacin de la pena de muerte para
asesinos de nios, determine la probabilidad de que el porcentaje de hombres a favor sea al
menos 3% mayor que el de las mujeres.
Datos: P1 = 0.12 P2 = 0.10 n1 = 100 n2 = 100 p1-p2=0.03

( ) ( ) ( ) ( )

P=0.5-0.0910=0.409=40.9%

EJEMPLO 20:
Consideremos dos mquinas que producen un determinado artculo; la primera produce por
trmino medio un 14% de artculos defectuosos, en tanto que otra, produce el 20% de
artculos defectuoso; si se obtienen muestras de 200 unidades en la primera y 100 unidades
en la segunda, cul es la probabilidad de que difiera A de B en 8% o ms?

Datos: P1 = 0.14 P2 = 0.20 n1 = 200 n2 = 100 p1-p2=0.08

( ) ( )

P=0.5-0.4986=0.0014=0.14%

EJEMPLO 21:

Ciertas encuestas a televidentes, revelan que el 25% de los hombres y 33% de las mujeres
de clase media ven la telenovela de las 11 y de la maana. Cul es la probabilidad de
que en dos muestras aleatorias de 150 hombres y 100 mujeres respectivamente,
pertenecientes a dicho estrato social, se encuentre que la proporcin de hombres que han
visto el programa sea igual o mayor que la proporcin de mujeres?

P1 = 0.25 P2 = 0.33 n1 = 150 n2 = 100 p1-p2=0

 ( ) ( )

P=0.50-0.4131=0.0869=8.69%

EJERCICIOS:

1) Un especialista en gentica ha detectado que el 26% de los hombres y el 24% de las

mujeres de cierta regin del pas tiene un leve desorden sanguneo; si se toman muestras de
150 hombres y 150 mujeres, determine la probabilidad de que la diferencia muestral de
proporciones que tienen ese leve desorden sanguneo sea de:
a) Menos de 0.035 a favor de los hombres.
b) Entre 0.01 y 0.04 a favor de los hombres.

2) Es sabido que los porcentajes de familias con ingreso superior a $570.000 en las
ciudades A y B es de 25% y 20%, respectivamente. Se seleccionan al azar dos muestras de
100 familias en cada una de las dos ciudades y se comparan las proporciones muestrales de
las familias con ingreso superior a $570.000. Cul es la probabilidad de que la proporcin
muestral correspondiente a la ciudad B sea:

a) Mayor que la de A en 3% o ms?

b) Menor que la de A en 3% o ms?

3) En una agencia de empleo se sabe que por cada 100 personas que lo solicitan, 50,
adems de ser bachilleres, tienen alguna experiencia sobre el trabajo a desarrollar. Se
extraen 2 muestras de la misma poblacin, en forma independiente de tamao 36 cada una.
Cul es la probabilidad de que las dos muestras difieran en 8 o ms personas que tengan
alguna experiencia sobre el trabajo?
III ESTIMACION DE PARAMETROS.

El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el

estudio de una muestra de una poblacin se quiere generalizar las conclusiones al total de la
misma. Como vimos en la seccin anterior, los estadsticos varan mucho dentro de sus
distribuciones muestrales, y mientras menor sea el error estndar de un estadstico, ms
cercanos sern unos de otros sus valores.

Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una
estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El
estadstico usado se denomina estimador. Una estimacin por intervalo es un rango,
generalmente de ancho finito, que se espera que contenga el parmetro.

Una estimacin puntual de un parmetro q es un slo nmero que se puede considerar

como el valor ms razonable de q. La estimacin puntual se obtiene al seleccionar una
estadstica apropiada y calcular su valor a partir de datos de la muestra dada. La estadstica
seleccionada se llama estimador puntual de q.

Estimacin por Intervalos

Un estimado puntual, por ser un slo nmero, no proporciona por s mismo informacin
alguna sobre la precisin y confiabilidad de la estimacin. Por ejemplo, imagine que se usa
el estadstico x para calcular un estimado puntual de la resistencia real a la ruptura de
toallas de papel de cierta marca, y suponga que x = 9322.7. Debido a la variabilidad de la
muestra, nunca se tendr el caso de que x = u. El estimado puntual nada dice sobre lo
cercano que esta de u. Una alternativa para reportar un solo valor del parmetro que se est
estimando es calcular e informar todo un intervalo de valores factibles, un estimado de
intervalo o intervalo de confianza (IC).

3.1 Encontrar z a partir de un nivel de confianza

Existen varias tablas en las cuales podemos encontrar el valor de z, segn sea el rea
proporcionada por la misma

Ejemplo 1:
Encuentre el valor de z para un nivel de confianza del 95%.0.950.4751.96 (valor
encontrado en la tabla)

Para los valores de 96%, 97%... se utilizara el proceso de interpolacin la cual consiste en
fijar tres puntos en la tabla con los valores correspondientes. As.

x1 x x2
0.4798 0.48 0.4803
fx1 fx fx2
2.05 ? 2.06
 ( ) ( ) ( )
( )

( ) Nivel de confianza del 96%

Estos valores se consiguen fcilmente pero es importante conocer la herramienta de cmo

llegar a ellos.

N.S 90% 91% 92% 93% 94% 95% 96% 97% 98% 99%
Z 1.645 1.96 2.054

3.2 Estimacin para la media.

Sabemos que la distribucin muestral de media , ahora desconocemos el


parmetro y se quiere estimar por medio de la media muestral, por lo tanto al despejar a
del modelo anterior nos queda:

Ejemplo 2 : La cooperativa Asotranba (con recorrido Villanueva Riohacha- Villanueva) planea

comprar una flota de nuevos vehculos para sus operaciones. La decisin depende de si el
rendimiento del auto es en consideracin es por lo menos 27.5 millas por galn de gasolina. Los 36
carros que prueba la cooperativa reportan una media de 25.6 millas por galn. Con una desviacin
estndar de 3.5 MPG. A un nivel de confianza de 99%, qu aconsejara a la cooperativa que
hiciera?
n=36;

Respuesta: la cooperativa no debe comprar esa flota ya que el valor de la media no oscila
entre el margen que la cooperativa espera:

Ejemplo 3: Se encuentra que la concentracin promedio de zinc que se saca del gua a
partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6 gramos por
mililitro. Encuentre los intervalos de confianza de 95% y 99% para la concentracin media
de zinc en el ro. Suponga que la desviacin estndar de la poblacin es 0.3.

3.3 Estimacin de Proporciones:
Sabemos que al despejar p nos queda

En este despeje podemos observar que se necesita el valor del parmetro P y es
precisamente lo que queremos estimar, por lo que lo sustituiremos por la proporcin de la
muestra p siempre y cuando el tamao de muestra no sea pequeo.

Cuando n es pequea y la proporcin desconocida P se considera cercana a 0 a 1, el

procedimiento del intervalo de confianza que se establece aqu no es confiable, por tanto,
no se debe utilizar. Para estar seguro, se debe requerir que np nq sea mayor o igual a 5.
Ejemplo 4: En un estudio de 300 accidentes de automvil en una ciudad especfica, 60
tuvieron consecuencias fatales. Con base en esta muestra, construya un intervalo del 90%
de confianza para aproximar la proporcin de todos los accidentes automovilsticos que en
esa ciudad tienen consecuencias fatales
.

Como se puede observar en este problema solo se solicit un intervalo, pero es posible que
la pregunta sea ms que eso, donde ustedes deban tomar una decisin miremos el siguiente
ejemplo.

Ejemplo 5: las empresas de bsqueda de ejecutivos se especializan en ayudar a las

empresas a ubicar y asegurar talento para las altas gerencias. Tales firmas denominadas
cazadoras de Genios son responsables de la ubicacin de muchos de los mejores
directores ejecutivos del pas. La revista dinero reporto recientemente que uno de cada
cuatro directores es una persona de fuera. Si en una muestra de 350 compaas de los
Estados Unidos, 77 tienen directivos ejecutivos de afuera, un intervalo de 99% de
confianza apoyara la afirmacin?
Z=2.575

Respuesta: se apoya la afirmacin ya que la revista dinero est hablando que un 25% de los
directores son personas de afuera. (Uno de cada cuatro-.1/4=0,25=25%) y este valor est
dentro del rango calculado.
3.4 Estimacin de diferencia de medias:
Recordemos que:

( ) ( )

( )

En el caso en que se desconozcan las varianzas de la poblacin y los tamaos de muestra

sean mayores a 30 se podr utilizar la varianza de la muestra como una estimacin puntual.

Es deseable que la diferencia de medias sea positiva por lo que se recomienda restar la
media mayor menos la media menor

Ejemplo 6: Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y

B. Se mide el rendimiento en millas por galn de gasolina. Se realizan 50 experimentos con
el motor tipo A y 75 con el motor tipo B. La gasolina que se utiliza y las dems condiciones
se mantienen constantes. El rendimiento promedio de gasolina para el motor A es de 36
millas por galn y el promedio para el motor B es 24 millas por galn. Encuentre un
intervalo de confianza de 96% sobre la diferencia promedio real para los motores A y B.
Suponga que las desviaciones estndar poblacionales son 6 y 8 para los motores A y B
respectivamente. Qu motor recomienda?

; ; ; ; ;

( ) ( )

La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la diferencia
del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a favor del motor B. Esto
quiere decir que el motor B da ms rendimiento promedio que el motor A, ya que los dos
valores del intervalo son positivos.

Ejemplo 7: Una compaa de taxis trata de decidir si comprar neumticos de la marca A o

de la B para su flotilla de taxis. Para estimar la diferencia de las dos marcas, se lleva a cabo
un experimento utilizando 12 de cada marca. Los neumticos se utilizan hasta que se
desgastan, dando como resultado promedio para la marca A 36,300 kilmetros y para la
marca B 38,100 kilmetros. Calcule un intervalo de confianza de 95% para la diferencia
promedio de las dos marcas, si se sabe que las poblaciones se distribuyen
de forma aproximadamente normal con desviacin estndar de 5000 kilmetros para la
marca A y 6100 kilmetros para la marca B. Qu marca recomienda?

; ; ; ;
 ( ) -2662,68 ( )
Como el intervalo contiene el valor cero, no hay razn para creer que el promedio de
duracin del neumtico de la marca B es mayor al de la marca A, pues el cero nos est
indicando que pueden tener la misma duracin promedio.

3.5 Estimacin de diferencia de proporciones:

Recordemos que:

( ) ( )

( )

Ejemplo 8: La empresa MOSTER S.A utiliza dos mquinas diferentes para cortar los
disfraces para la temporada que se avecina 31 de octubre. Se han presentado problemas
en cuanto al ajuste apropiado, debido al funcionamiento de las maquinas. Como director de
control de calidad su trabajo es estimar la diferencia en la proporcin de defectos
producidos por cada mquina. Se tomaron muestras de tamao n1= 170 y n2=150: la
primera mquina produjo 38% de defectos y la segunda, 53% de defectos. Fijar un nivel de
significancia de 96%. Si la evidencia sugiere que la diferencia en la proporcin de defectos
excede del 5%, todos los disfraces se producirn en la mquina que parezca tener una tasa
de defectos menor. Qu decisin tomar usted?

; ; ; ;

( )

Se puede estar 96% seguro que la proporcin de defectos producidos por las mquinas
esta entre 3.7% y 26.3% a favor de la maquina 2 adems el valor de 5% est dentro del
rango determinado, el coordinador de calidad debe inclinarse por la maquina 2.

Ejemplo 9: Se considera cierto cambio en un proceso de fabricacin de partes

componentes. Se toman muestras del procedimiento existente y del nuevo para determinar
si ste tiene como resultado una mejora. Si se encuentra que 75 de 1500 artculos del
procedimiento actual son defectuosos y 80 de 2000 artculos del procedimiento nuevo
tambin lo son, encuentre un intervalo de confianza de 90% para la diferencia real en la
fraccin de defectuosos entre el proceso actual y el nuevo.

; ; ; ;
 ( )

Como el intervalo contiene el valor de cero, no hay razn para creer que el nuevo
procedimiento producir una disminucin significativa en la proporcin de artculos
defectuosos comparado con el mtodo existente.

EJERCICIOS:

1- Se prob una muestra aleatoria de 400 cinescopios de televisor y se encontraron 40

defectuosos. Estime el intervalo que contiene, con un coeficiente de confianza de 0.90, a la
verdadera fraccin de elementos defectuosos.

2- El decano registr debidamente el porcentaje de calificaciones I (insuficiente) y A

(aceptable) otorgadas a los estudiantes por dos profesores universitarios de matemticas. El
profesor I alcanz un 32%, contra un 21% para el profesor II, con 200 y 180 estudiantes,
respectivamente. Estime la diferencia entre los porcentajes de calificaciones D y F
otorgadas por los dos profesores. Utilice un nivel de confianza del 95% e interprete los
resultados.

3- Suponga que se quiere estimar la produccin media por hora, en un proceso que produce
antibitico. Se observa el proceso durante 100 perodos de una hora, seleccionados al azar y
se obtiene una media de 34 onzas por hora con una desviacin estndar de 3 onzas por hora.
Estime la produccin media por hora para el proceso, utilizando un nivel de confianza del
95%.

4-Se seleccionaron dos muestras de 400 tubos electrnicos, de cada una de dos lneas de
produccin, A y B. De la lnea A se obtuvieron 40 tubos defectuosos y de la B 80. Estime
la diferencia real en las fracciones de defectuosos para las dos lneas, con un coeficiente de
confianza de 0.90 e interprete los resultados.
IV ESTIMACION DE TAMAO DE LA MUESTRA.

Al iniciar cualquier investigacin, la primera pregunta que surge es: de qu tamao debe
ser la o las muestras?. La respuesta a esta pregunta la veremos en esta seccin, con
conceptos que ya se han visto a travs de este material.

La varianza corresponde al grado de variabilidad que presentan las unidades de la

poblacin, mientras ms grande sea mayor ser el tamao de la muestra. El valor de
supuestamente conocido, de lo contrario se debe estimar a travs de una investigacin
preliminar, en el caso de la proporcin sucede algo similar pero se tiene la costumbre de
tomar P=0,5con lo cual se tiene el mximo valor de n.
Nivel de confianza. Tiene relacin directa con el tamao de la muestra, por lo tanto se
dir que a mayor nivel de confianza ms grande debe ser el tamao de la muestra.

Los recursos financieros y tiempo, no entran dentro de la determinacin tcnica del tamao
de la muestra.

4.1 Clculo del Tamao de la Muestra para Estimar una Media.

Sin reemplazo

4.2 Clculo del Tamao de la Muestra para Estimar una Proporcin.

Sin reemplazo

4.3 Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias.

n1=kn2

Tamaos de muestras iguales los tamaos de muestras son diferentes.

4.4 Clculo del Tamao de la Muestra para Estimar la Diferencia de Proporciones.

n1=kn2

Tamaos de muestras iguales los tamaos de muestras son diferentes

Como n debe de ser un nmero entero, redondeamos hacia arriba todos los resultados
fraccionarios.

Ejemplos1: Una empresa elctrica fabrica focos que tienen una duracin aproximadamente
normal con una desviacin estndar de 40 horas. De qu tamao se necesita una muestra si
se desea tener 96% de confianza que la media real est dentro de 10 horas de la media real?
( ) ( )

Ejemplo 2: En una muestra aleatoria de 500 familias que tienen televisores en la ciudad de
Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu tan grande se
requiere que sea una muestra si se quiere tener 95% de confianza de que la estimacin de P
est dentro de 0.02?

Ejemplo3: Un director de personal quiere comparar la efectividad de dos mtodos de

entrenamiento para trabajadores industriales a fin de efectuar cierta operacin de montaje.
Se divide un nmero de operarios en dos grupos iguales: el primero recibe el mtodo de
entrenamiento 1, y el segundo, el mtodo 2. Cada uno realizar la operacin de montaje y
se registrar el tiempo de trabajo. Se espera que las mediciones para ambos grupos tengan
una desviacin estndar aproximadamente de 2 minutos. Si se desea que la estimacin de la
diferencia en tiempo medio de montaje sea correcta hasta por un minuto, con una
probabilidad igual a 0.95, cuntos trabajadores se tienen que incluir en cada grupo de
entrenamiento?

( ) ( )
Como n1=n2 entonces

Cada grupo debe contener mnimo 31 empleados

Ejemplo4: Una compaa de productos alimenticios contrat a una empresa de

investigacin de mercadotecnia, para muestrear dos mercados, I y II, a fin de comparar las
proporciones de consumidores que prefieren la comida congelada de la compaa con los
productos de sus competidores. No hay informacin previa acerca de la magnitud de las
proporciones P1 y P2. Si la empresa de productos alimenticios quiere estimar la diferencia
dentro de 0.04, con una probabilidad de 0.95, cuntos consumidores habr que muestrear
en cada mercado?

( ) ( )

Se tendr que realizar encuestas a 1201 consumidores de cada mercado para tener una
estimacin con una confianza del 95% y un error mximo de 0.04.
V TEORIA DE HIPOTESIS