DISTRIBUCIONES MUESTRALES

ESTADÍSTICA II
AUTOR: Rogelio Alvarado Martinez
ÍNDICE
ÍNDICE  

• Introducción  

1. Distribución  muestral  para  la  media  

2. Teorema  del  límite  central  

3. Distribución  muestral  de  X  en  una  población  normal  

Acceso rápido
4. Distribución  muestral  de  X  cuando  se  desconoce  la  distribución  de  la  población  

5. Distribución  muestral  de  X  en  una  población  normal  con  varianza  poblacional  desconocida  

6. Distribución  de  la  proporción  de  una  muestra  

GENERALIDADES DESARROLLO
7. Distribución  muestral  para  la  diferencia  entre  dos  medidas  muestrales  X1-­‐X2  

  GLOSARIO REFERENCIAS

  Este material pertenece al Politécnico

Grancolombiano y a la Red Ilumno. Por ende, son
  de uso exclusivo de las Instituciones adscritas a
la Red Ilumno. Prohibida su reproducción total
o parcial.
 01 -------
INTRODUCCIÓN   DISTRIBUCIONES  MUESTRALES  
02 -------
El  propósito  del  muestreo  es  indagar  algo  sobre  la  población  de  estudio.  Cuando  se  diseña  una  
muestra,  es  importante  considerar  la  información  que  se  va  a  obtener  y  el  grado  de  exactitud  de  
lo   que   se   encuentre   acerca   de   la   población.   Con   este   propósito   es   importante   que   se   analice   1. Distribución  muestral  para  la  media  
claramente  la  obtención  de  la  muestra  y  los  resultados  obtenidos  a  partir  de  ella,  utilizando  los  
A   partir   de   las   distribuciones   muestrales   es   importante   diferenciar   si   estamos   hablando   de  
conceptos  probabilísticos  ya  vistos.   elementos  de  la  población  o  de  la  muestra  y  esto  lo  haremos  teniendo  en  cuenta  la  siguiente  
notación:  
Una   distribución   muestral   es   una   distribución   de   probabilidad   de   un   estadístico   muestral  
calculado  a  partir  de  todas  las  muestras  posibles  de  tamaño  n,  elegidas  al  azar  en  una  población  
determinada.  En  términos  generales,  estamos  interesados  en  conocer  una  o  más  de  las  siguientes   Característica Población Muestra
características:  
Total de elementos N n
• Su  forma  funcional  

• Su  media   Media o promedio µ 𝑿𝑿

• Su  desviación  estándar   Varianza 𝝈𝝈𝟐𝟐 S2

Antes  de  comprender  la  inferencia  estadística,  tenemos  que  entender  claramente  el  concepto  de  
distribución  muestral.  Con  esto  se  pretende  dar  a  conocer  la  naturaleza  de  tales  distribuciones  y   Proporción o probabilidad
π P
su  papel  en  la  inferencia  estadística,  sin  detenernos  mucho  en  este  tema,  ya  que  por  regla  general   de éxito
en   las   aplicaciones   estadísticas   no   se   construyen   distribuciones   muéstrales.   Para   emplear   los  
métodos   de   la   inferencia   estadística,   necesitamos   conocer   solamente   las   características   de   la  
distribución  muestral  del  estadístico  apropiado  al  problema  que  se  está  resolviendo.   Tabla 1: Elementos de una distribución

  Fuente: Elaboración propia

   

   

  Ejemplo 1  

  Consideremos  una  población  conformada  por  4  personas  (N=4).  La  variable  de  interés  es  el  gasto  
mensual  en  transporte  (en  miles  de  pesos).    Los  datos  de  la  población  son:  {78,  67,  83,  56}  y  vamos  
  a  responder  a  cada  literal  teniendo  en  cuenta  la  notación  utilizada.  
   
  a. Calcular  la  media  y  la  desviación  estándar  de  la  población  

   

3 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 4

 La  media  poblacional  se  obtiene  con      

78 + 67 + 83 + 56 284 c. ¿Dichas  muestras  son  de  tipo  aleatorio  simple  para  población  finita  o  infinita?  
&' µ= = = 71
µμ =  ,   4 4  
(  
Y  la  desviación  estándar  es  
Como   cada   una   de   estas   muestras   tiene   la   misma   probabilidad   de   ser   elegida,   entonces   la  
probabilidad  de  escoger  una  muestra  estaría  dada  por:  
(X − µμ).
σ=          
N

(78 − 71)2 + (67 − 71)2 + (83 − 71)2 + (56 − 71)2 Muestra   X 1   X 2   X 3   X 4   X 5   X 6  

σ= ≈ 10.4163
4  
  1 1 1 1 1 1
Probabilidad  
6   6   6   6   6   6  
Tenemos  entonces  una  población  con  media  =  71  y  desviación  estándar  =  10,4163  

  Tabla  2:  Probabilidad  de  los  grupos  observados    

Fuente:  Elaboración  propia  

 

b. De  la  población  vamos  a  seleccionar  todas  las  muestras  posibles  de  tamaño  n  =2  sin  orden  
y  sin  repetición.  ¿Cuántas  muestras  de  dos  elementos  de  la  población  pueden  formarse?   Y,  por  ende,  estamos  en  presencia  de  muestreo  aleatorio  simple  para  población  finita.  

   

Como   hay   4   elementos   en   la   población   y   queremos   formar   grupos   de   dos   sin   importar   su   orden   Como   X      es  una  variable  aleatoria,  vamos  a  calcular  la  media  en  cada  muestra,  entonces   X 1 :  el  
tenernos  que  calcular  una  combinación:    
promedio  de  la  primera  muestra,   X 2 :  el  promedio  de  la  segunda  muestra,  etc.  Veamos:  
 
 
⎛ 4 ⎞ 4!
⎜ ⎟ = =6  
⎝ 2 ⎠ 2!(4 − 2)!  
78 + 67 78 + 83 78 + 56
  X1 = = 72.5 X2 = = 80.5 X3 = = 67
2 2 2
Es  decir,  que  podemos  formar  6  grupos  de  dos  elementos  cada  uno.  Observémoslos     67 + 83 67 + 56 83 + 56
X4 = = 75 X5 = = 61.5 X6 = = 69.5
2 2 2  
X 1 : (78, 67) X 2 : (78,83) X 3 : (78,56)
X 4 : (67,83) X 5 : (67,56) X 6 : (83,56)    

   

   

5 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 6

    

d. Ahora  vamos  a  calcular  la  media  de  estas  medias,  es  decir    

  Con  los  datos  del  ejemplo  se  tiene  que:  

1 1 1 1 1 1  
E (µ X ) = X1 + X 2 + X 3 + X 4 + X 5 + X 6
6 6 6 6 6 6
(10,4163). 4 − 2
X + X 2 + X 3 + X 4 + X 5 + X 6 72.5 + 80.5 + 67 + 75 + 61.5 + 69.5 426 σ.9 =  
= 1 = = = 71 2 4−1
6 6 6  
σ.9 = 36,1664  
 
σ9 = 6,013  
Nótese   que   el   promedio   de   las   medias   muestrales   es   igual   a   la   media   poblacional,   entonces  
podemos  decir  que    X    es  una  buena  estimación  de  µ.    

  Podemos   decir   entonces,   que   si   se   seleccionan   todas   las   muestras   posibles   de   tamaño   n   de   una  
población  dada  entonces  se  tiene:  

𝑬𝑬 𝑿𝑿 = 𝝁𝝁    

  𝑬𝑬 𝑿𝑿 = 𝝁𝝁  
Calculamos  ahora  la  desviación  estándar  de    𝑋𝑋    para  las  seis  muestras  posibles:  
y  

(72.5 − 71) 2 + (80.5 − 71) 2 + (67 − 71) 2 + (75 − 71) 2 + (61.5 − 71) 2 + (69.5 − 71) 2 𝝈𝝈𝟐𝟐 𝑵𝑵 − 𝒏𝒏
σX = 𝝈𝝈𝟐𝟐  
𝒙𝒙
 
=
6 𝒏𝒏 𝑵𝑵 − 𝟏𝟏
≈ 6.013
 
 

Observamos  que  la  varianza  poblacional  es  diferente  a  la  varianza  de    𝑋𝑋,  por  lo  tanto,  es  necesario    
trabajar  con  una  varianza  corregida,  esto  se  logra  de  la  siguiente  forma:  
(DE
El  factor    se  denomina  factor  de  corrección  por  finitud  y  en  los  casos  de  poblaciones  infinitas  
  (DF
GH
este  factor  se  hace  igual  a  1,  es  decir  que  queda  como:  σ.9 =  
𝜎𝜎 . 𝑁𝑁 − 𝑛𝑛 E
𝜎𝜎5.     =
𝑛𝑛 𝑁𝑁 − 1    
 

   

7 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 8

 2. Teorema  del  límite  central   Ejemplo 2  

Se  realizó  una  prueba  a  un  grupo  de  80  aspirantes  al  cargo  de  administrador  de  cierta  empresa  y  
se  obtuvo  que  las  calificaciones  siguen  una  distribución  normal  con  calificación  promedio  de  300  
Al   seleccionar   muestras   simples   de   tamaño   n   de   una   población,   la   distribución   puntos   y   desviación   estándar   de   20.   Cuando   se   toma   una   muestra   de   16   calificaciones   de   las  
muestral   de   la   media   muestral   se   puede   aproximar   con   una   distribución   de   pruebas.  
probabilidad  normal,  cuando  el  tamaño  de  la  muestra  es  grande:  de  tamaño  mayor  
que  30.   a. Cuál  es  el  error  típico  de  la  media  de  muestral.  

Otra  manera  de  presentar  el  teorema  es  la  siguiente:   b. Cuál  es  la  probabilidad  de  que  la  media  muestral  sea  superior  a  280  puntos.  

Si  𝑋𝑋F , 𝑋𝑋. , … , 𝑋𝑋J  son   un   conjunto   de   variables   aleatorias   independientes   que   se    

distribuyen   idénticamente   con   media   𝜇𝜇  y   varianza   𝜎𝜎 . ,   entonces   la   variable  
aleatoria     Para  responder  cada  literal  utilizaremos  la  teoría  dada.  

LP DQ  
𝑍𝑍5̅ =  
IR
S
a. La  varianza  muestral  es   (σ X )2 ,  luego  el  error  típico  de  la  media  muestral  es.  
Para  la  cual  ∑JUVF 𝑋𝑋U  es  la  suma  de  dichas  variables  aleatorias  y  𝑋𝑋P  es  el  promedio  de  
las   mismas,   se   distribuye   normal   estándar   cuando   n   tiende   a   aumentar   𝜎𝜎
𝜎𝜎L =
  𝑛𝑛

Con   lo   anterior,   estamos   preparados   para   estudiar   las   distribuciones   muestrales   y   las   20
𝜎𝜎L = =5
características   de   los   estimadores   puntuales   más   usados   en   la   inferencia   estadística.   A   16
continuación,  se  expondrán  las  variables  aleatorias  (con  sus  distribuciones  de  probabilidad)  que  
más  se  utilizan  para  estimar  los  parámetros  poblacionales  media,  varianza  y  proporción  y  hacer   b. Con  base  al  enunciado  debemos  calcular   P ( X > 280)  y  esto  lo  logramos  estandarizando  la  
inferencias  de  los  mismos.   variable  aleatoria   X .  

 
3. Distribución  muestral  de  𝑋𝑋  en  una  población  normal  
⎛ X − µ 280 − µ ⎞ ⎛ 280 − µ ⎞ ⎛ 280 − 300 ⎞ ⎛ −20 ⎞
P ⎜ > ⎟ = P ⎜ Z > ⎟ = P ⎜ Z > ⎟ = P ⎜ Z > ⎟ = P ( Z > −4 )  
Si   X  es   la   media   de   una   muestra   aleatoria   de   tamaño   n   sacada   de   una   población   distribuida   ⎜ σ σ ⎟ ⎜ σ ⎟ ⎝ 5 ⎠ ⎝ 5 ⎠
⎝ X X ⎠ ⎝ X ⎠
I
normalmente  con  media  µ  y  desviación  𝜎𝜎5 = ;  y  por  lo  tanto  la  estandarización  𝑍𝑍L  es:  
J  
  Veamos  la  representación  gráfica  de  la  probabilidad  solicitada:  
𝑋𝑋 − 𝜇𝜇
𝑍𝑍5 =  
𝜎𝜎5

   

9 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 10

 Vamos  a  identificar  los  datos  que  nos  dan  en  el  problema  y  a  plantear  la  probabilidad:  

X:  Gastos  semanales  en  transporte  

µ=$16500  

σ=$1500  

n  =  25  
LD  X F[\]^DF][^^
P  (𝑋𝑋>15760)  =  P >  
I/ J F[^^/ .[

Figura  1.  Representación  grafica  de  la  probabilidad  ejemplo  2.  

=  P 𝑍𝑍L > −2.47 =  1-­‐  P 𝑍𝑍L ≤ −2.47  
Fuente: Elaboración propia
=1  -­‐  0.0068  
 
=0.9832  
 

Cabe   resaltar   que   como   la   normal   estándar   es   una   distribución   para   la   cual   los   valores   de   la  
probabilidad  de  una  cantidad  negativa  son  igual  al  valor  de  la  probabilidad  de  la  cantidad,  pero  
positiva,  es  decir,   4. Distribución  muestral  de  𝑋𝑋  cuando  se  desconoce  la  distribución  de  la  población  
  Cuando  la  muestra  no  proviene  de  una  distribución  normal,  el  tamaño  de  la  muestra  desempeña  
un   papel   muy   importante.   Cuando   n   es   pequeña,   la   forma   de   la   distribución   depende  
P( Z > −4) = 1 − P( Z < −4) ≈ 1 − 0.9999 = 0.0001
principalmente  de  la  forma  de  la  población.  Sin  embargo,  cuando  n  crece,  uno  de  los  teoremas  
  más  importantes  de  la  inferencia  estadística  establece  que  la  forma  de  la  distribución  muestral  se  
aproxima   a   una   distribución   normal,   independientemente   de   la   distribución   que   tenga   la  
Con   lo   cual   decimos   que   la   probabilidad   de   que   la   media   muestral   sea   superior   a   280   en   una   población  de  origen.  (Teorema  del  límite  central).  
muestra  de  tamaño  16  es  casi  nula.  En  otras  palabras,  no  es  muy  probable  que  en  una  muestra  de  
16  calificaciones  la  media  muestral  sea  mayor  a  280  puntos.   La  diferencia  entre  este  enunciado  y  el  anterior  está  en  que  no  se  requiere  que  la  población  de  
origen  tenga  distribución  normal  cuando  n  es  grande  (n  se  considera  grande  si  es  mayor  o  igual  
que  30).  

Ejemplo 3  

Ejemplo 4  
En   cierta   ciudad   los   gastos   semanales   en   transporte   para   los   habitantes,   están   distribuidos  
normalmente  con  media  de  $16500  y  una  desviación  estándar  de  $1500.  ¿Cuál  es  la  probabilidad  
de  que  una  muestra  de  25  personas,  tengan  un  gasto  promedio  semanal  superior  a  $15750.   La  duración  de  cierta  marca  de  bombillas  tiene  una  media  de  900  horas  y  la  desviación  estándar  
de  70  horas.  Si  se  selecciona  una  muestra  de  36  bombillas,  determine  la  probabilidad  de  que  dure  
entre  870  y  925  horas.  

   

11 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 12

 Observe  que  no  se  hace  ninguna  mención  de  la  forma  funcional  de  la  distribución,  pero  como  el   La  tabla  de  la  distribución  t  tiene  la  siguiente  tabla:  
tamaño   de   muestra   es   grande   (n≥30),   por   el   teorema   del   límite   central   entonces   la   distribución  
es  aproximadamente  normal.    

   

X:  tiempo  de  duración  de  las  bombillas  

µ=900                                              σ=  70                    n  =  36  

c\^Dd^^ LD  X d.[Dd^^
P  (870≤  𝑋𝑋 ≤ 925)  =  P ef ≤ i ≤ ef  
gh j gh

=  P −2.57 ≤ 𝑍𝑍L ≤ 2.14 =  0.9838-­‐0.0051=0.9787  

 

5. Distribución  muestral  de  𝑋𝑋  en  una  población  normal  con  varianza  poblacional  
desconocida  

Es   muy   común   el   hecho   de   que   en   la   práctica   de   que   la   varianza   de   la   población     𝜎𝜎 .  es  

desconocida.  En   estos  casos   se   trabaja   con   la   varianza   de   la   muestra      𝑆𝑆 .     como   una   estimación  
de    𝜎𝜎 . ,  dando  lugar  a  una  variable  T,  tal  que:  

𝒙𝒙 − 𝝁𝝁
𝑇𝑇 =  
𝑆𝑆/ 𝑛𝑛  
Figura  2.  Tabla  t  Studente  
Conocida   como   la   distribución   t  Student   o   simplemente   con   el   nombre   de   la   distribución   t.   Esto  
quiere   decir,   que   para   hacer   inferencias   sobre   medias   poblacionales   cuando   no   se   conoce   la   Fuente: Elaboración propia
varianza  de  la  población,  se  utiliza  la  distribución  t  en  lugar  de  la  distribución  normal.  
 
La  distribución  t,  de  la  misma  manera  que  la  distribución  normal  estandarizada,  tiene  forma  de  
campana  y  tiene  media  igual  a  0,  alrededor  de  la  cual  es  simétrica.    La  varianza  de  la  distribución   La  columna  de  la  izquierda  de  la  tabla  contiene  diversos  valores  de  (n  –  1)  grados  de  libertad.  Cada  
t,  en  cambio,  es  mayor  que  1,  es  por  esto  que  la  distribución  es  más  aguda  en  el  centro  y  más  alta   encabezamiento   en   las   columnas   indica   la   proporción   del   área   superior   bajo   la   curva   de   la  
en  las  colas,  como  lo  muestra  la  siguiente  figura.   distribución  t.  Si  estamos  interesados,  por  ejemplo,  en  la  distribución  t  para  10  grados  de  libertad,  
para  un  área  superior  de  0,05  el  valor  es  t  =  1,8125.    
El  área  total  bajo  la  distribución  t  es  igual  a  1  y  esta  distribución  se  encuentra  tabulada  para  cada  
valor  (n-­‐1)  o  grados  de  libertad  denominados  gl.    

   

13 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 14

 6. Distribución  de  la  proporción  de  una  muestra   N − n P(1 − P) N −n
Var ( P) =    respectivamente   a      se   le   conoce   como   factor   de  
N −1 n N −1
En   la   práctica,   son   muy   utilizadas   las   inferencias  sobre   proporciones   poblacionales.   Por   lo   tanto,  
corrección  de  poblaciones  finitas.  
la  distribución  muestral  de  una  proporción  es  de  gran  interés.  En  un  estudio  de  mercados  se  puede  
estar   interesado   en   la   proporción   o   porcentaje   de   consumidores   que   estarían   dispuestos   a    
comprar   algún   producto   nuevo   que   se   piensa   lanzar   al   mercado.   El   jefe   de   personal   puede   estar  
interesado  en  conocer  el  porcentaje  de  empleados  que  se  ausentan  en  horas  de  trabajo.      

Sea   A   el   número   total   de   elementos   que   presentan   cierta   característica   en   una   población,    
entonces  la  proporción  de  aquellos  que  cumplen  y  no  cumplen  con  dicha  característica  está  dada  
A N−A Ejemplo 5  
por  la  expresión   P =  y   1 − P =  respectivamente.    
N N
Se  sabe  que  el  60%  de  los  adultos  de  una  zona  del  país  compran  determinado  producto.  Se  obtiene  
Obsérvese  que  cada  observación  de  este  experimento  es  de  tipo  Bernoulli  éxito  (cumple  con  la   una  muestra  de  150  adultos  de  esta  área.  ¿Cuál  es  la  probabilidad  de  que  la  proporción  muestral  
característica)  y  fracaso  (no  cumple  con  la  característica)  y  como  se  repite  cierto  número  de  veces   esté  entre  el  50%  y  el  70%?  
se  convierte  en  una  Binomial  para  la  cual  el  valor  esperado  de  la  variable  aleatoria  proporción  de  
individuos  con  la  característica  es   P  y  la  varianza  es   P (1 − P ) .  Si  el  tamaño  de  muestra  es  grande   𝜇𝜇u = 𝜋𝜋 = 0,6 𝜎𝜎v   =
(^,])(^,w)
= 0,04
F[^
por  el  teorema  del  límite  central,  esta  binomial  puede  aproximarse  a  una  normal  con  media   P  y  
varianza   P (1 − P ) .  
Recordemos   que   como   P   es   aproximadamente   normal,   se   requiere   estandarizar   la   variable  
aleatoria  para  poder  utilizar  las  tablas  de  probabilidades.  
 
^,[^D^,] vDt ^,\D^,]
P(0,5  <  P  <  0,7)  =    𝑃𝑃 < < = 𝑃𝑃 −2,5 < 𝑍𝑍v   < 2,5  
^,^w Iz ^,^w
Si P es la variable aleatoria proporción de individuos de una población que presentan
determinada característica, entonces la proporción muestral se distribuye de la = 0,9938 − 0,0062 = 0,9876  
siguiente manera:
 

𝜋𝜋(1 − 𝜋𝜋)  
𝑝𝑝~𝑁𝑁 o𝜋𝜋, q r  
𝑛𝑛
 

t(FDt)  
π  proporción  poblacional  y      s J
   es  el  e rror  estándar  de  la  proporción.  
 
 
 
 
 
Para  tamaño  de  muestra  pequeño,  es  decir,  que  cumpla  que   np < 5  o   n(1 − p ) < 5  se  tiene  que  la  
N − n P(1 − P)  
varianza  y  desviación  estándar  están  definidas  de  la  siguiente  manera   Var ( P) =  y  
N −1 n

   

15 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 16

 Ejemplo 6  
7. Distribución  muestral  para  la  diferencia  entre  dos  medidas  muestrales   𝑋𝑋F − 𝑋𝑋.  

Muchas   veces   el   interés   se   centra   en   dos   poblaciones   de   las   cuales   vamos   a   ver   si   las   medias   La  producción  diaria  de  una  primera  fábrica  de  envases  de  plástico  tiene  una  distribución  normal  
poblacionales  no  son  iguales  o  podemos  estar  interesados  en  la  magnitud  de  cualquier  diferencia   con  una  media  de  50  unidades  y  una  desviación  estándar  de  8  unidades.  La  producción  de  una  
que   se   pueda   presentar,   por   ejemplo,   se   podría   estar   interesado   en   conocer   si   dos   líneas   de   segunda  fábrica  está  distribuida  normalmente  con  una  media  de  40  unidades  y  una  desviación  
producción  sacan  en  promedio  el  mismo  número  de  unidades  o  si  son  diferentes  dos  métodos  de   estándar  de  12.  Para  comparar  el  rendimiento  en  el  trabajo  en  dos  fábricas  de  envases  plásticos,  
entrenamiento  utilizados  en  el  personal  de  producción.     se  saca  de  la  primera  fábrica  una  muestra  aleatoria  de  100  obreros  y  de  la  segunda  una  muestra  
de  400.  Encontrar  la  probabilidad  de  que  los  obreros  de  la  primera  fábrica  produzcan  8  unidades  
Como  una  generalización  de  la  distribución  muestral  para  la  media  se  puede  decir  lo  siguiente:   más  que  los  de  la  segunda.  

1.   La   diferencia   muestral   para   la   diferencia   entre   dos   medias   muestrales   a   partir   de   muestras  
independientes   de   tamaño     n1     y   n2,     extraídas   de   dos   poblaciones   distribuidas   normalmente,  
estará  distribuida  normalmente  y  tendrá  una  media  igual  a    (µ1  -­‐  µ2)  y  una  varianza  igual  a:     Solución:

I|H IH
( +   H )   Primera fábrica n1 = 100 µμ𝟏𝟏 = 50 𝝈𝝈𝟏𝟏 = 𝟖𝟖
J| JH

2.  Si  n1  y  n2  son  grandes,  la  distribución  muestral  de  la  diferencia  entre  las  dos  medias  muestrales  
Segunda fábrica n2 = 400      µμ. = 40 𝝈𝝈𝟐𝟐 = 𝟏𝟏𝟏𝟏
será   aproximadamente   normal   sin   tener   en   cuenta   la   forma   funcional   de   las   poblaciones  
originales.  

Para  encontrar  las  posibilidades  asociadas  a  (𝑋𝑋F − 𝑋𝑋.   )  se  deben  transformar  los  valores  de  (𝑋𝑋F −
𝑋𝑋.   )  en  los  valores  de  la  distribución  normal  estandarizada,  mediante  la  fórmula:   𝑃𝑃 𝑋𝑋F − 𝑋𝑋. > 8 =?

  L| DLH    D  (Q|  DQH  ) cD  ([^  Dw^  )

𝑍𝑍 = = hÅ |ÅÅ
= −2
iH H Ä  
𝑋𝑋F − 𝑋𝑋.     −   (µμF   − µμ.  ) | Ä  iH |ff     Åff
𝑍𝑍 =   j|     jH

𝜎𝜎F. 𝜎𝜎..
+   P  [Z  >  -­‐2]  =  1  –  P  [Z  ≤  -­‐2]    =  1  –  0,0228  =  0,9772  
𝑛𝑛F     𝑛𝑛.

Figura  3.  Represantación  grafica  ejemplo  6  

Fuente: Elaboración propia

   

17 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 18

 Ejemplo 7   GLOSARIO  DE  TÉRMINOS  
03 -------
El   rendimiento   de   los   autos   de   la   marca   Solución:
A   es   de   20   kilómetros   por   galón   de   POBLACIÓN:  Es  un  conjunto  de  medidas  o  recuento  posible  de  todas  las  unidades  que  tienen  una  
gasolina   (k.p.g.),   con   una   desviación   MARCA A MARCA B o  varias  características  en  común.  Según  el  número  de  unidades  o  elementos  que  la  constituyen,  
estándar   de   6   k.p.g.   L as   cifras   la  población  puede  ser  finita  o  infinita.    
comparables   para   los  autos  B  son  de  25  y   MUESTRA n1 = 10 n2 = 9
5,5   k.p.g.,   respectivamente,   se   supone   La  población  debe  estar  perfectamente  definida  en  el  tiempo  y  en  el  espacio.  Por  lo  tanto,  al  
que  el  rendimiento  de  cada  una   de  ambas   MEDIA µ1 = 20 µ2 = 25 definir   una   población,   se   debe   cuidar   que   el   conjunto   de   elementos   que   la   integran   quede  
marcas   está   normalmente   distribuido.   delimitado.  Si,  por  ejemplo,  para  hacer  un  análisis  de  las  pequeñas  empresas,  se  debe  especificar  
¿Cuál   es   la   probabilidad   de   que,   en   un   DESVIACIÓN σ1 = 6 σ2 = 5,5 cuáles  son  y  en  qué  período  de  tiempo  se  analizan:  pequeñas  empresas  de  la  capital  del  país  en  
concurso,   el   rendimiento   medio   para   10   el  año  2012.  
ESTÁNDAR
autos   de  la   marca  A  sea   mayor   que  el  de  9  
autos  de  la  marca  B?   PARÁMETRO:  Un  parámetro  es  un  número  determinado  que  describe  un  aspecto  de  la  población  
y  para  determinar  su  valor  es  necesario  utilizar  la  información  poblacional  completa.  Por  ejemplo,  
para  determinar  si  los  hombres  o  las  mujeres  tienen  más  aptitud  para  desempeñar  un  puesto,  es  
La  probabilidad  que  se  busca  se  plantea  de  la  siguiente  forma:   necesario  conocer  el  puntaje  promedio  de  una  prueba  de  aptitud.  Para  determinar  el  porcentaje  
de  productos  defectuosos  en  la  producción  diaria  en  una  empresa,  se  debe  conocer  el  porcentaje  
𝑃𝑃 𝑋𝑋F − 𝑋𝑋. > 0 =? de  productos  que  no  cumplen  las  especificaciones  en  toda  la  producción  del  día.  El  promedio  del  
puntaje  y  la  proporción  de  productos  defectuosos  son  parámetros.  
L| DLH    D  (Q|  DQH  ) ^D  (.^  D.[  )
𝑍𝑍 =      =  = 1,81  
iH
| Ä  iH
H gh
 Ä  
gf,HÇ MUESTRA:  Una  muestra  es  un  subconjunto   de  la  población  que  ha  sido  seleccionada  con  una  
|f     É
j|     jH técnica  llamada  ¨diseño  de  muestreo¨  para  garantizar  que  la  muestra  sea  representativa  de  la  
población,   es   decir,   que   las   unidades   sean   seleccionadas   aleatoriamente,   en   tal   forma   que   cada  
P  [Z  >  1,81]  =  1  –  P  [Z  ≤  1,81]    =  1  –  0,9649  =  0,0351   una  de  ellas  tenga  la  misma  probabilidad  de  ser  seleccionada.  

ESTADISTICA:  Un  estadístico  es  un  número  determinado  que  describe  un  aspecto  de  la  muestra  
y   para   encontrar   su   valor   es   necesario   utilizar   la   información   muestral.   En   los   ejemplos  
enunciados  en  la  definición  de  parámetros,  los  estadísticos  correspondientes  son:  puntaje  medio  
obtenido   en   la   prueba   de   aptitud   en   las   muestras   seleccionadas   de   hombres   y   mujeres   y  
porcentaje  de  productos  defectuosos  en  una  muestra  seleccionada  de  la  producción  diaria.  

CENSO:  Es  una  técnica  para  obtener  los  datos  por  medio  de  la  cual  se  cuentan  todos  los  elementos  
que  conforman  la  población  y  se  registran  sus  características.  

 
Figura  4.  Represantación  grafica  ejemplo  7  
 
Fuente: Elaboración propia
 

 
La  probabilidad  de  que  el  rendimiento  medio   para   10   autos  de  la  marca   A   sea  mayor  que  el  de  9  
autos  de  la  marca  B  es  de  0,0351    

   

19 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 20

 04 ------- B
REFERENCIAS  

• GUTIERREZ,  H.  y.  (2005).  Control  estadístico  de  Calidad  y  Seis  Sigma.  McGrawHill.  

• FREUND  John  E.,  M.  I.  (2000).  Estadística  Matemática  con  aplicaciones  (6  ed.).  Prentice  
Hall.  

• WALPOLE   Ronal   E.,   M.   R.   (1998).   Probabilidad   y   Estadística   para   Ingenieros   (6   ed.).  

Prentice  Hall.  

• KENNET,  R.  S.  (2000).  Estadística  Industrial  Moderna.  Thomsom.  

• Paul,  N.  (1988).  Estadística  para  los  Negocios  y  la  Economía  (4  ed.).  Prentice  Hall.  

• C  MONTGOMERY,  D.  C.  (2002).  Probabilidad  y  Estadística  aplicadas  a  la  Ingeniería  (2  ed.).  
Limusa  Wiley.  

REMISIÓN  A  FUENTES  COMPLEMENTARIAS  

• Suárez  Ibujés,  M.  O.  (2012).  Interaprendizaje  de  Probabilidades  y  Estadistica  Inferencial  
con  Excel,  WinStats,  Graph.  Ecuador,  South  America:  

LISTA  DE  FIGURAS  

Figura  1.  Representación  grafica  de  la  probabilidad  ejemplo  2.  ..................................................................................  10  

Figura  2.  Tabla  t  Studente  ............................................................................................................................................  13  

Figura  3.  Represantación  grafica  ejemplo  6  .................................................................................................................  17  

Figura  4.  Represantación  grafica  ejemplo  7  .................................................................................................................  18  

LISTA  DE  TABLAS  

Tabla  1:  Elementos  de  una  distribución  ..........................................................................  ¡Error!  Marcador  no  definido.  

Tabla  2:  Probabilidad  de  los  grupos  observados  .............................................................  ¡Error!  Marcador  no  definido.  

21 POLITÉCNICO GRANCOLOMBIANO ESTADÍSTICA II 22

POLITÉCNICO GRANCOLOMBIANO - 2016 ©