Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen Unidad 1 PDF
Resumen Unidad 1 PDF
Glosario:
Distribuciones muestrales
Promedio __
x
Varianza 𝜎2 𝑠̂ 2
Desviación 𝜎
estándar ŝ
oP
Proporción p̂
Muestreo aleatorio
∑(𝑥̅ − 𝜇)2
𝜎= √ = 50.19 𝑚𝑖𝑙𝑒𝑠 𝑑𝑒 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠
5
Se realizaran los cálculos para las distribuciones muestrales con muestras con
reemplazo y sin reemplazo.
Con reemplazo
Sin reemplazo
o Debe calcularse el número de muestras, se utiliza con la siguiente fórmula:
K= NCn= 5C2=10
Muestra Media
200 250 225
200 150 175
200 200 200
200 300 250
250 150 200
250 200 225
250 300 275
150 200 175
150 300 225
200 300 250
Ejemplo:
Las ventas en miles de dólares para East Coast Manufacturing (ECM) durante los
últimos 5 meses fueron de 68, 73, 65, 80, y 72. Asumiendo que estos cinco meses
constituyen la población, la media claramente es µ=71.6. Como director de
marketing de ECM, se desea estimar este µ “desconocido” tomando una muestra
sin reemplazo de tamaño n=3. Se espera que el error de muestreo que es probable
que ocurra sea relativamente pequeño. Realice una distribución muestral.
Muestra Varianza
68,73,65 8.5849
68,73,80 4.2849
68,73,72 0.36
68,65,80 0.36
68,65,72 10.6929
68,80,72 2.9929
73,65,80 1.1449
73,65,72 2.56
73,80,72 11.56
65,80,72 0.5329
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MATERIAL DE APOYO
FACULTAD DE INGENIERÍA ESTADÍSTICA 2
ESCUELA DE CIENCIAS UNIDAD 1
ÁREA DE ESTADÍSTICA INGA. MAYRA CARVAJAL
(𝑁−𝑛)
Factor de corrección de población finita √
(𝑁−1)
Ahora utilizando la nueva fórmula para población finita dado que 3 es mayor
que 0.25 de acuerdo a la relación de comparación, procederemos a calcular
el valor de la desviación estándar de la distribución muestral.
σ(𝑁 − 𝑛) 5.083 (5 − 3)
σX̅ = √ = √ = 2.9348 ∗ 0.70716 = 2.075 ≅ 2.08
√𝑛 (𝑁 − 1) √3 (5 − 1)
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MATERIAL DE APOYO
FACULTAD DE INGENIERÍA ESTADÍSTICA 2
ESCUELA DE CIENCIAS UNIDAD 1
ÁREA DE ESTADÍSTICA INGA. MAYRA CARVAJAL
𝜋(1−𝜋) 𝑁−𝑛
o Población finita 𝜎𝑝 = √ ∗ √ 𝑁−1
𝑛
2
(n − 1)s2 𝑛 (𝑥 − 𝑥̅ )2
𝑖
χ = = ∑
σ2 𝑖=1 𝜎2
Donde:
s2 es la varianza muestral n es el tamaño de muestra
2
σ es la varianza poblacional
La varianza muestral se puede calcular por medio de la siguiente expresión:
𝑛 (𝑥 − 𝑥̅ )2
2 𝑖
𝑆 =∑
𝑖=1 𝑛
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MATERIAL DE APOYO
FACULTAD DE INGENIERÍA ESTADÍSTICA 2
ESCUELA DE CIENCIAS UNIDAD 1
ÁREA DE ESTADÍSTICA INGA. MAYRA CARVAJAL
El teorema del límite central dice que para una población cualquiera, a medida
que n aumenta la distribución de medias muestrales se aproxima a una
distribución normal.
En el teorema del límite central para medias se utilizarán valores de Z para analizar
las poblaciones dadas, el cálculo del mismo se realizará por medio de la siguiente
fórmula cuando se conozca la desviación estándar poblacional.
𝑥̅ − 𝜇
𝑍=𝜎
⁄ 𝑛
√
Donde:
𝑥̅ media muestral 𝜎 desviación estándar poblacional
𝜇̅ media poblacional 𝑛 tamaño de la muestra
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MATERIAL DE APOYO
FACULTAD DE INGENIERÍA ESTADÍSTICA 2
ESCUELA DE CIENCIAS UNIDAD 1
ÁREA DE ESTADÍSTICA INGA. MAYRA CARVAJAL
Se pueden tener tres casos para la aplicación del teorema del límite central.
̅ ≤ 𝒂, deben encontrarse solamente un valor de Z en base al valor de
1. 𝑿
comparación a, además del área bajo la curva para dicho Z.
Para aplicar el teorema del límite central con muestras pequeñas utilizaremos la
distribución t de student, con la siguiente expresión. Se pueden aplicar los mismos
3 casos que para la normal.
𝑥̅ − 𝜇
𝑡=
ŝ⁄
√𝑛
Donde:
𝑥̅ media muestral 𝑠̂ desviación estándar muestral
𝜇̅ media poblacional 𝑛 tamaño de la muestra
Al utilizar la distribución debemos tener en cuenta los grados de libertad, los cuales
son el número de observaciones que podemos elegir libremente. De denota con g.l.
g.l. = n-1
Mientras el tamaño de la muestra se acerca a 30, la distribución tiende a la normal.
Al estudiar las proporciones de una población nos topamos con que las mismas son
variables discretas no continuas. Las proporciones siguen una distribución binomial,
pero su estudio reveló que cuando se trata de muestras muy grandes se puede
aproximar los valores de la distribución binomial por medio de la distribución normal.
Para realizar dicha aproximación incluiremos se definirá lo siguiente:
𝜇 = 𝑛 ∗ 𝜋 y 𝜎 = √𝑛𝜋(1 − 𝜋)
Dado que utilizaremos la distribución normal para aproximar debemos calcular un
valor de Z, utilizando la media y la desviación en términos de las proporciones.
𝑥−𝜇 𝑥 − 𝑛𝜋
𝑍= =
𝜎𝑝̂ √𝑛𝜋(1 − 𝜋)
La expresión anterior se encuentra en términos de la proporción de la población y
del número de éxitos en la muestra. Debido al cambio de variable discreta a continua
es necesario hacer una corrección para el número de éxitos, para ella se le sumará
o restará 0.5 dependiendo de si los límites quieren incluirse o no. Por ejemplo si
nosotros queremos saber la probabilidad de que sea mayor que un valor
sumaremos 0.5 para quedar por encima del límite superior, pero si queremos que
sea mayor o igual a un valor, restaremos 0.5 para incluir el límite.
𝑥 ± 0.5 − 𝑛𝜋
𝑍=
√𝑛𝜋(1 − 𝜋)
La expresión anterior se encuentra en términos del número de éxitos pero si
queremos el valor en términos de la proporción muestral tendremos que dividir todo
dentro n, dado que 𝑝̂ = 𝑥⁄𝑛, el cambio se presenta a continuación
𝑥±0.5−𝑛𝜋
𝑛 𝑝̂±1⁄2𝑛−𝜋 𝑝̂±1⁄2𝑛−𝜋
𝑍= √𝑛𝜋(1−𝜋)
= =
𝑛𝜋(1−𝜋) 𝜋(1−𝜋)
√ √
𝑛 𝑛2 𝑛
𝑝̂ ± 1⁄2𝑛 − 𝜋
𝑍=
√𝜋(1 − 𝜋)
𝑛
El signo del factor de corrección dependerá de si queremos o no incluir el límite de
los valores a o b dentro de la probabilidad. Por ejemplo veamos el límite de a en la
imagen de abajo. Si queremos que la proporción sea menor que un valor,
utilizaremos -𝟏⁄𝟐𝒏 dado que no queremos incluirlo, pero si queremos que la
proporción sea menor o igual a a, entonces utilizaremos +𝟏⁄𝟐𝒏 para incluir el límite.
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MATERIAL DE APOYO
FACULTAD DE INGENIERÍA ESTADÍSTICA 2
ESCUELA DE CIENCIAS UNIDAD 1
ÁREA DE ESTADÍSTICA INGA. MAYRA CARVAJAL
Los mismo puede aplicarse para el valor b, si queremos que la proporción sea
mayor que b, entonces utilizaremos +𝟏⁄𝟐𝒏 para no incluir el valor del límite, pero si
queremos que la proporción sea mayor o igual entonces debemos utilizar -𝟏⁄𝟐𝒏
para incluir el límite.
̅ ≥ 𝟏𝟓. 𝟗𝟑)
b) 𝑷(𝒙
15.93 − 16.1
𝑍= = −2.003 ≅ −2.00
1.2⁄
√200
Se busca la probabilidad de z en la tabla de la normal, y la misma se resta a
1 pues queremos el lado derecho del límite.
𝑃(𝑍 = −2.00) = 0.02275
𝑷(𝒙̅ ≥ 𝟏𝟓. 𝟗𝟑) = 𝟏 − 𝟎. 𝟎𝟐𝟐𝟕𝟓 = 𝟎. 𝟗𝟕𝟕𝟐𝟓
Rb/La probabilidad de la media de llenado de las latas sea de por lo
menos 15.93 onzas es del 97.73%
̅ ≤ 𝟏𝟔. 𝟑)
c) 𝑷(𝟏𝟓. 𝟗 ≤ 𝒙
Dado que ahora queremos que la media se encuentre entre dos valores
dados, debemos calcular dos valores de z, utilizando ambos límites.
15.9−16.1 16.3−16.1
𝑍1 = 1.2⁄ = −2.36 𝑍2 = 1.2⁄ = 2.36
√200 √200
̅ ≤ 𝟏𝟔. 𝟑)= 0.99086- 0.00914 =0.98172
𝑷(𝟏𝟓. 𝟗 ≤ 𝒙
Rc/La probabilidad de la media de llenado de las latas este entre 15.9 y
16.3 onzas es de 98.172%
̅ ≥ 𝟐, 𝟎𝟎𝟎, 𝟎𝟎𝟎
a) 𝒙
2500000 − 2100000
𝑡= = 6.70
168644.81⁄
√8
Se procede a buscar el valor de t en la tabla con 7 grados de libertad, se
puede observar que el valor calculado es mayor que el valor más alto de t por
lo que la probabilidad se acercará a 0. Rb/La probabilidad de que el pago
promedio sea mayor o igual a 2, 500, 000 de soles tiende a ser 0.
3. Proporciones
Encontrar la probabilidad de que de los 200 próximos niños que nazcan, a)
menos de 40% sean varones, b) por lo menos el 54% sean varones.
Supóngase que existe la misma probabilidad de nacimiento de un niño que
de una niña.
Ra/ la probabilidad de que menos del 40% de los bebés que nazcan sean
varones es del 0.289%.
b) Probabilidad de que 𝒑 ≥ 𝟎. 𝟓𝟒
4. Varianzas
2
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 )2 5 ∗ 48.28 + (15)2
𝑠̂ = = = 0.815
𝑛(𝑛 − 1) 5(4)
Luego se calculará el valor de Chi cuadrado
2
(n − 1)s2 (4)0.815
χ = = = 3.26
σ2 1
La teoría nos dice que el 95% de la distribución de chi cuadrado se encuentra
entre los valores de χ2 0.025 y χ2 0.975 , en nuestro caso deberemos buscar
dichos valores con n-1 grados de libertad en la tabla para determinar si el
valor que encontramos se encuentra entre dichos valores o no.