ESTADÍSTICA 2

SEMESTRE 2019
LADY MARIEBELIA ELÍAS ESTRADA
CONTENIDO  Población y muestra
I UNIDAD  Muestreo con o sin reemplazo.
TEORÍA DEL  Métodos de muestreo.
MUESTREO.  Distribuciones muestrales.
RAMAS DE LA ESTADÍSTICA:

Estadística
Descriptiva o
deductiva: estudia las
características de un
conjunto de datos.

Inferencial o
inductiva: analiza los
datos para establecer
generalidades.

Error de estimación: diferencia entre el parámetro y estadístico.

INFERENCIA
ESTADÍSTICA.
POBLACIÓN Y MUESTRA:

Unidad de observación: también llamada

unidad de análisis, unidad elemental, unidad
estadística, caso o elemento. Es el objeto
sobre el cual se hace la medición.
Población (N): es el total de elementos de
un grupo que se estudia.
Muestra (n): es un subconjunto de
elementos extraídos de la población
objetivo, a fin de conocer las características
de ésta.
VENTAJAS DEL ESTUDIO DE LA POBLACIÓN Y DE UNA MUESTRA:

Estudio de una Estudio de una

población. muestra.

Conocimiento Conocimiento
exacto. aproximado.

Mucho tiempo
Rápido
requerido.

Alto costo. Económico.

CARACTERÍSTICAS DE LA POBLACIÓN Y DE LA MUESTRA:

Parámetro: es Estadístico: es
cualquier medida
descriptiva de la
Población Muestra cualquier medida
descriptiva de la
población completa. muestra y sirve
para estimar el
Grande (si parámetro de la
Finita tiene 30 o más
elementos) población.

Infinita Pequeña
OBTENCIÓN DE DATOS:
Muestreo: es el proceso estadístico que permite seleccionar algunos elementos de la población.
Técnica de muestreo: conocido también como diseño de experimento, son las técnicas para
realizar el muestreo y que dependerán cada caso, cual usar. Alguna de ellas son:

Muestreo • Todos los elementos de la población tienen

igual posibilidad de ser escogido y se eligen al
aleatorio simple. azar.

Muestreo • Los elementos se seleccionan a un intervalo

sistemático. uniforme en una lista ordenada.

Muestreo • Los elementos de la población son primeramente

clasificados en grupos o estratos según una
estratifico. característica importante.
MUESTREO CON Y SIN REEMPLAZO.

Muestreo

Con reemplazo: el elemento

Sin reemplazo: el elemento
elegido de la
seleccionado se analiza, pero
población/muestra se analiza y
no se devuelve a la población.
se devuelve a ésta. Pueden
No existen elementos
existir elementos repetidos.
repetidos. Confiable.
No muy confiable.
VARIABLES:

 Definición: es una forma de expresar una característica de un grupo de

elementos de estudio, como el peso de una persona, su estatura, el color
de sus ojos, etcétera.
TIPOS DE VARIABLES:

Clasificación de las variables.

Número de características. Tipo de datos

Unidimensionales. (una Cuantitativas (numéricas

característica) Cualitativas (o categóricas)
o escalares)

Bidimensionales (dos Discretas (para

Nominales
características) contar)

Pluridimensionales o Continuas (para Ordinales (o

multidimensionales. medir) jerarquizadas)
OBJETIVOS DE LA INFERENCIA:

 Estimación de parámetros.
 Intervalos de confianza.
 Pruebas de hipótesis.
CARACTERÍSTICAS EN UNA POBLACIÓN EN UNA MUESTRA.

 Promedio=media
 Variación con respecto a la media= varianza
 No. de unidades que cumplen con una condición=proporción o fracción
(porcentaje).
  Calculo de la probabilidad de un estadístico al
conocer el valor de un parámetro
(poblacional).
 Si conocemos la distribución muestral
podemos hacer inferencia.
DISTRIBUCIÓN
MUESTRAL.
DISTRIBUCIÓN
PARA MEDIAS.
EN CONCLUSIÓN
DISTRIBUCIONES MUESTRALES PARA UNA POBLACIÓN:

 Media
 Proporción
 Varianza
DISTRIBUCIÓN MUESTRAL PARA MEDIAS:

 Calcula la probabilidad de una media en la muestra al conocer el valor de la media

poblacional.
 Para su calculo se hace uso del teorema del límite central.
 Para el cálculo de esta distribución muestral se utilizan dos fórmulas:
 Cuando se conoce el valor de  ó n≥30:
…CONTINUACIÓN

 Si se desconoce el valor de  y n˂30:

SIMBOLOGÍA

  = media poblacional
 x= media muestral
 = desviación típica estándar poblacional.
 S= desviación típica estándar muestral.
 n= tamaño de la muestra
 = error estándar de la muestra. (incertidumbre)
 z= teorema del límite central.
 v= grado de libertad.
 t= distribución t-student.
EJEMPLO 1: DISTRIBUCIÓN MUESTRAL PARA MEDIAS.

 Dada una distribución normal con una media de 100 y una desviación estándar de 10,
si se selecciona una muestra de n=25, ¿Cuál es la probabilidad de que la media
muestral sea:
 Menor que 95?
 Esté entre 95 y 97.5?
 Supere 102.2?
 Existe un 65% de probabilidad de que la media muestral esté por encima ¿de qué
valor?
EJEMPLO 2:

 Dada una distribución normal con media 50 y varianza de 25, se selecciona una
muestra de 100 datos, ¿Cuál es la probabilidad de que la media muestral sea:
 Menor que 47?
 Esté entre 47 y 49.5?
 Supere 51.1?
 Existe un 35% de posibilidades de que la media muestra esté por encima de ¿De que
valor?
EJEMPLO 3:

 El diámetro de las pelotas de ping-pong fabricadas en una enorme planta tiene una
distribución aproximadamente normal con una media de 1.30 pulgadas y una desviación
estándar de 0.04 pulgadas. Si usted selecciona una muestra aleatoria de 16 pelotas.
 ¿Cuál es la distribución muestral de la media?
 ¿Cuál es la probabilidad de que la media muestral sea menor que 1,28 pulgadas?
 ¿Cuál es la probabilidad de que la media muestral se encuentre entre 1,31 y 1,33 pulgadas?
 Existe una probabilidad del 60% de que la media muestral se encuentre ¿entre cuáles dos
valores simétricamente distribuidos alrededor de la media poblacional?
EJEMPLO 4:

 La cantidad de tiempo que un cajero de banco dedica a cada cliente se comporta

como una distribución normal. Se selecciona una muestra aleatoria de 16 clientes, se
sabe de datos históricos que el tiempo promedio es de 3.10 minutos y una
desviación estándar de 0.40 minutos.
 ¿Cuál es la probabilidad de que el tiempo medio dedicado a cada cliente sea al menos
de 3 minutos?
 ¿Existe un 85% de posibilidades de que la media muestral se encuentre por debajo de
cuántos minutos?
EJEMPLO 5:

 En la fabricación de una alfombra se utiliza una fibra sintética con una resistencia a la
tensión que tiene una distribución normal con media de 75.5 psi y desviación
estándar ±3.5 psi.
a. Encuentre la probabilidad de que en una muestra aleatoria de n = 6 especímenes de
fibra, la media de la resistencia a la tensión en la muestra sea menor que 75.75 psi
pero mayor a 74.5 psi.
b. ¿Cuál es el valor mínimo y máximo de la distribución muestral?
EJEMPLO 6:

 Un fabricante de cigarrillos afirma que su producto tiene un

contenido promedio de nicotina de 1.83 miligramos. Si una
muestra aleatoria de 8 cigarros de este tipo tiene contenido de
nicotina de 2.0, 1.7, 2.1, 1.9, 2.2, 2.1, 2.0 y 1.6 miligramos, ¿Cuál
es la probabilidad de que la media muestral contenga menos de
2.1 miligramos?
EJEMPLO 7:

 Un fabricante de focos afirma que su producto durará un promedio de

500 horas de trabajo. Para conservar este promedio esta persona verifica
25 focos cada mes. Si el valor ya calculado cae entre –t 0.05 y t 0.05, él
se encuentra satisfecho con esta afirmación. ¿Qué conclusión deberá él
sacar de una muestra de 25 focos? Los datos tomados de la muestra son:
media muestral 505.36 y desviación estándar de 12.07.
EJEMPLO 8:

 Una máquina empaca un determinado producto, en paquetes cuyo peso, en gramos, se distribuye
normalmente con una desviación estándar de 20 gramos y con una media µ que debe ser bien
regulada.
 La media µ está bien regulada si sólo si el 1% de los pesos de todos los paquetes que produce la
máquina tiene pesos mayores a 546.6 gramos, se toma una muestra de 16 paquetes ¿Cuál es el valor
de la media µ?
 Con la media bien regulada, se programa el siguiente control del peso del producto: cada hora se
escoge al azar 4 paquetes, si el promedio de los pesos no está entre 515 y 555 gramos, se para la
máquina para mantenimiento. En caso contrario se continua con el proceso. ¿Cuál es la probabilidad de
parar la máquina cuando realmente está bien regulada?
DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN.

 Mide la probabilidad de una proporción exitosa en la muestra al conocer la proporción exitosa de la población. La
única restricción para utilizarla es que cumpla con la condición: np≥5 y nq≥5

 Donde:
 P= proporción poblacional
 p= proporción muestral.
 =error estándar de la proporción, desviación estándar de la distribución muestral de proporciones.
EJEMPLO 9:

 En cierto proceso de fabricación de componentes se producen partes de las cuales el

80% no están defectuosos. Las partes son empacadas en lotes de 500 unidades.
Suponga que cada lote constituye una muestra aleatoria.
 ¿Cuál es la probabilidad de que más del 22% de las partes esté defectuoso?
 ¿Cuál es la probabilidad de que menos del 19% de las partes esté defectuoso?
 ¿Cuáles son los valores límites de la distribución?
 Los lotes que contienen más de 90 partes defectuosas son rechazados. ¿Cuál es la
probabilidad de que un lote sea rechazado?
EJEMPLO 10:

 Una empresa ha instalado bombas de agua de una determinada marca en edificios de

apartamentos, 10% de las cuales presentan fallas luego del primer año de uso. Si se
inspeccionan 64 bombas de agua de dicha marca en edificios de apartamentos que
han sido instaladas hace más de un año.
 ¿Cuál es la probabilidad de que más del 15% de las bombas de agua presenten fallas?
 ¿Cuál es la probabilidad de que la proporción muestral esté a ± 0.03 de la proporción
poblacional?
EJEMPLO 11:

Los registros de inversiones muestran que la tasa promedio de rendimiento para las firmas que
están en la industria de bienes de consumo es del 30%, con una desviación estándar del 12%.
 Si se selecciona una muestra de 250 de tales firmas, ¿Cuál es la probabilidad de que la media
de estas firmas exceda el 31%?
 Solo el 22% de todas las firmas en la industria de bienes de consumo comercializa sus
productos directamente con el consumidor final. Si una muestra de 250 firmas revela una
proporción de más del 20% que se compromete en el mercado directo, usted planea hacer
su siguiente compra a las firmas de esta industria. ¿Qué tan probable es que usted gaste su
dinero bien ganado en otra parte?
DISTRIBUCIÓN MUESTRAL DE VARIANZA.


EJEMPLO 12:

 Un fabricante de baterías para automóvil afirma que su

producto tiene una duración media de 4.5 años con varianza de
6. Considere una muestra aleatoria constituida por 25 de éstas
baterías y calcula la probabilidad que la varianza en la muestra.
 Sea mayor a 9.1
 Esté entre 3.462 y 10.745
EJEMPLO 13:


EJEMPLO 14:

 Una máquina dobladora de lámina tiene una rapidez media de

7.98 láminas por minuto con variación de 0.005. Se implementa
un nuevo proceso ensayándose con 10 láminas. ¿Cuál es la
probabilidad de que el nuevo proceso tenga una desviación
estándar menor de 0.043 láminas?
EJEMPLO 15:

 El entrenador de un gimnasio realizó un estudio en relación con la

distancia recorrida (en km) por los usuarios del gimnasio durante media
hora de ejercicio en la caminadora mecánica. Como resultado del
estudio se determinó que las distancias recorridas presentan una
distribución normal con media de 5.2 km y una desviación estándar de
0.4 km. Determine la probabilidad de que la desviación estándar muestral
de la distancia recorrida durante media hora de ejercicio por parte de 28
usuarios del gimnasio seleccionados al azar se encuentre por debajo de
0.44 km.