CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS

UNIMINUTO – SECCIONAL IBAGUE

Estadística Inferencial
NRC:

Tamaño de muestra y teorema del límite central

Presentado por:

YINA ALEXANDRA LEYVA PÉREZ ID 645147

KELLY JOHANNA BARBOSA MUÑOZ ID 539646
YIXON DANIEL RONCANCIO AMORTEGUI ID 632166
DIANA SOFÍA RUÍZ PÉREZ ID 642523
FERNEY VARGAS BUITRAGO ID 635577

Docente:

WILSON FERNANDO CUELLAR MARTÍNEZ

FACULTAD DE CIENCIAS EMPRESARIALES

ADMINISTRACIÓN DE EMPRESAS
IBAGUÉ - COLOMBIA
2019
 TAMAÑO DE LA MUESTRA

1. En una empresa se quiere ajustar una maquina dispensadora de gaseosa, de tal forma que
el promedio del líquido dispensado se encuentra dentro de cierto Rango. La cantidad de
líquido vertida por la máquina sigue una distribución normal con una desviación estándar de
0,15 decilitros, con una confianza del 95% y un error que no sea superior a 0,02 decilitros
¿De qué tamaño debe escoger la muestra o sea Cuántas mediciones debe realizar para que
cumpla el plan propuesto?

95 + 2.5 = 97.5
0.975 → 1.96
𝑁. 𝐶 = 95% → 𝑍 = 1.96
𝑆 = 0.15
𝑒 = 0.02

𝑧2. 𝑠2
𝑛=
𝑒2

(1.96)2 . (0.15)2
𝑛= = 216
(0.02)2

Conclusión: El tamaño de la muestra que se debe escoger es de 216 decilitros.

2. Para efectos de una planeación económica en cierta zona del país, es necesario estimar
entre 10000 establos lecheros, el número de vacas lecheras por establo con un error de
estimación de 4 y un nivel de confianza del 90%. Sí se sabe que la varianza es igual a 1000
¿Cuántos establos deben visitarse para satisfacer estos requerimientos?

90 + 5 = 95
0.95 → 1.645
S = 1000
N = 10000
N. C = 90% → Z = 1.645
e=4

𝑁. 𝑍 2 . 𝑆 2
𝑛= =
(𝑁 − 1)𝑒 2 + 𝑧 2 . 𝑠 2

10000. 1,6452 . 10002

𝑛= = 9441,7 ≅ 9442
(10000 − 1). 42 + 1,6452 . 10002

Conclusión: Se deben visitar 9442 establos para cumplir con los requerimientos exigidos.

3. Se está planeando una encuesta con el fin de determinar la proporción de familias que
carecen de medios económicos para atender los problemas de salud. Existe la impresión de
que esta proporción esta próxima a un 35%. Se desea determinar un intervalo de confianza
del 99% con un error estimado de 0.05%.

P = 35% → 0,35

Q = 65% → 0,65

N. C = 99% → 2,575

ℯ = 0,05

99% + 0,5%

99,5%

0,995 → 2,575

a. ¿De qué tamaño debe tomarse la muestra?

𝑧 2 . 𝑃. 𝑄
𝑛=
𝐸2

(2,5752 . 0,35.0,65)
𝑛= = 603,38
0,052
Conclusión: Se debe de tomar una muestra de 603 familias.

b. Si se conoce que el tamaño de la población es de 15000 familias ¿cuál sería el tamaño de la

muestra a analizar?

𝑁 = 15000

P = 35% → 0,35

Q = 65% → 0,65

N. C = 99% → 2,575

ℯ = 0,05

𝑁. 𝑧 2 . 𝑃. 𝑄
𝑛=
(𝑁 − 1). 𝐸 2 + 𝑍 2 . 𝑃. 𝑄

(15000. 2,5752 . 0,35.0,65)

𝑛= = 580.09
((15000 − 1). 0,052 + 2,5752 . 0,35.0,65)

Conclusión: Se debe de tomar una muestra de 580 familias.

4. Qué tamaño de muestra es necesario, si se considera una confianza del 90% para la proporción de
la población, y el error es del 8%.

NC = 90% → 1,64

ℯ = 8% → 0,08

P = 50% → 0,50

Q = 50% → 0,50

90% + 5% = 95%

0,95 → 1,64

𝑧 2 . 𝑃. 𝑄
𝑛=
𝐸2
 (1,642 . 0,5.0,5)
𝑛= = 105,06
0,082

Conclusión: Se debe de tomar una muestra de 105.

TEOREMA DEL LIMITE CENTRAL

1. Supongamos que el contenido de nicotina de cierta marca de cigarrillos tiene distribución normal
con media de 25 miligramos y deviación estándar de 4 miligramos. Se toma una muestra aleatoria de
25 cigarrillos, ¿cuál es la probabilidad de que la media sea mayor o igual a 26 miligramos?

𝜇 = 25
𝜎=4
𝑛 = 25
𝑥 = 26

𝑋−𝜇
𝑧= 𝜎
√𝑛

(26 − 25)
𝑧 = = 1,25
4
√25

𝑃(𝑍 ≥ 1.25) = 1 − 𝑃(𝑍 < 1.25)

= 1 − 0,8944

= 0.1056 ≅ 10,56%

Conclusión: Hay una probabilidad del 10.56% de que, al escoger una muestra de 25 cigarrillos, sea
mayor o igual que 26 miligramos.
2. Un fabricante de lámparas asegura que la vida promedio de las lámparas que produce es
de 1000 horas con una desviación estándar de 100 horas. Un comprador potencial decidió
probar si la vida promedio es como lo garantiza el fabricante y para ello toma una muestra
de 64 lámparas ¿Cuál es la probabilidad que la media de la vida útil de las lámparas sea
menor a 957 horas?

𝜇 = 1000
𝜎 = 100
𝑛 = 64

𝑋−𝜇
𝑧= 𝜎
√𝑛

(957 − 1000)
𝑧= = −3.44
100
√64

𝑃(𝑍 ≤ −3.44) = 𝑃(𝑍 ≥ 3.44)

= 1 − 𝑃(𝑍 < 3.44)

= 1 − 0.9997

= 0.0003 ≅ 0.03%

Conclusión: Existe una probabilidad del 0.03 % que la media de la vida útil de las lámparas
sea menor a 957 horas.

3. Quinientos cojines de bolas tienen un peso medio 5.02 onzas y una desviación de 0.30
onzas. Hallar la probabilidad de que una muestra al azar de 100 cojines, elegidos entre este
grupo tenga un peso de más de 5.10 onzas.

X = 5.10
µ =5.02
σ = 0.30
n = 100
N = 500

𝑋−𝜇
𝑧=
𝜎 𝑁−𝑛
( ) (𝑁 − 1)
√𝑛

(5.10 − 5.02)
𝑧= = 3.32
0.30 500 − 100
( )∗( )
√100 500 − 1

𝑃(𝑍 ≥ 3.32) = 1 − 𝑃(𝑍 < 3.32)

= 1 − 0,9995

= 0.005 ≅ 0.5%

Conclusión: Existe una probabilidad del 0.5 % que una muestra al azar de 100 cojines tenga
un peso de más de 5.10 onzas.

4. Un fabricante de desodorantes recibe cada semana lotes de 10000 válvulas para los frascos
rociadores. Para aceptar o rechazar dichos lotes, seleccionan al azar 400 válvulas de cada lote; si el
2% o más resultan defectuosas, se rechaza el lote. En caso contrario se acepta el lote. ¿Cuál es la
probabilidad de rechazar un lote contenga el 1% de las válvulas defectuosas?

𝑝 = 2% → 0.02

𝑛 = 400

𝑁 = 10000

𝑃 = 1% → 0.01

𝑄 = 99% → 0.99

𝑝−𝑃
𝑧=
√𝑃. 𝑄 . √𝑁 − 𝑛
𝑛 𝑁−1

0.02 − 0.01
𝑧= = 2,05
√0.01.∗ 0.99 . √10000 − 400
400 10000 − 1
𝑃(𝑍 ≥ 𝑧) = 1 − 𝑃(𝑍 < 𝑧)

𝑃(𝑍 ≥ 2.05) = 1 − 𝑃(𝑍 < 2.05)

=1 − 0.9798

= 0.0202 ≅ 2.02%

Conclusión: Hay una probabilidad del 2.02% de rechazar un lote de muestras de 400 válvulas más
del 1% salgan defectuosas.

5. Una empresa recibe un lote grande de artículos proveniente de un fabricante, el cual asegura que
el porcentaje de artículos defectuosos es del 2%. Al seleccionar una muestra aleatoria de 200 artículos,
¿Cuál es la probabilidad de que el porcentaje de artículos defectuosos de la muestra sea superior al
5%?

𝑝 = 5% → 0.05

𝑛 = 200

𝑃 = 2% → 0.02

𝑄 = 98% → 0.98

𝑝−𝑃
𝑧=
√𝑃. 𝑄
𝑛

0.05 − 0.02
𝑧= = 3.03
√0.02 ∗ 0.98
200

𝑃(𝑍 ≥ 𝑧) = 1 − 𝑃(𝑍 < 𝑧)

𝑃(𝑍 ≥ 3.03) = 1 − 𝑃(𝑍 < 3.03)

= 1 − 0.9988

= 0.0012 ≅ 0.12%
Conclusión: Hay una probabilidad del 0.12% de que en una muestra de 200 artículos más del 5%
salgan defectuosas.

6. En una gran ciudad la proporción de personas que padecen de problemas pulmonares debido a la
polución es del 30%. Se escogen 100 personas al azar; halle la probabilidad de que la proporción de
los que tengan problemas pulmonares motivados por la polución sea.

a) menos del 38%.

𝑛 = 100

𝑝 = 38% → 0,38

𝑃 = 30% → 0,3

𝑄 = 70% → 0,7

𝑝−𝑃
𝑧=
√𝑃. 𝑄
𝑛

0,38 − 0,3
𝑧= = 1.74
√0,3.0,7
100

𝑃(𝑍 < 1.74)

= 0,9591 ≅ 95,91%

Conclusión: hay una probabilidad del 95.91% de que menos del 38% de las 100 personas padezca
de problemas pulmonares motivados por la polución.

b) sea superior al 20%.

𝑛 = 100

𝑝 = 20% → 0,2

𝑃 = 30% → 0,3

𝑄 = 70% → 0,7
 𝑝−𝑃
𝑧=
√𝑃. 𝑄
𝑛

0,2 − 0,3
𝑧= = −2,18
√0,3.0,7
100

𝑃(𝑍 ≥ −2,18) = 𝑃(𝑍 < 2,18)

= 0,9854 ≅ 98,54%

Conclusión: hay una probabilidad del 98.54% de que más del 20% de las 100 personas padezca de
problemas pulmonares motivados por la polución.

7. Un auditor toma una muestra de 49, de una población de 800 cuentas por cobrar. La
desviación estándar de la población es de $ 93.800 y la media es de $ 226.000 ¿Cuál es la
probabilidad de que una media de la muestra sea menor o igual a $ 206.000?

X = 206.000
µ =226.000
σ = 93.800
n = 49
N = 800

𝑋−𝜇
𝑧=
𝜎 𝑁−𝑛
( ) (𝑁 − 1)
√𝑛

(206000 − 226000)
𝑧= = −1,59
93800 800 − 49
( ) ∗ ( 800 − 1 )
√49

𝑃(𝑍 ≤ −1.59) = 𝑃(𝑍 > 1.59)

= 1 − 𝑃(𝑍 < 1.59)

= 1 − 0.9441

= 0.0559 ≅ 5.59%

Conclusión: Existe una probabilidad del 5.59% que la media de la muestra sea menor o igual
a $ 206.000.

8. El jefe de bodega de un almacén de cadena, recibe semanalmente 15000 unidades de un

determinado artículo, que debe ser examinado para su aceptación. El tiempo disponible para esta
revisión es pequeño dado el volumen de los artículos, por lo cual se consideró necesario la selección
al azar de 300 artículos, con la recomendación de que el 5% o más de ellos no están en buen estado,
se devuelve la mercancía. ¿Cuál es probabilidad de devolver las 15000 unidades, si sabemos que el
3% de los artículos se consideran en mal estado?

𝑁 = 15000

𝑛 = 300

𝑝 = 5% → 0,05

𝑃 = 3% → 0,03

𝑄 = 97% → 0,97

𝑝−𝑃 𝑃(𝑍 ≥ 𝑧) = 1 − 𝑃(𝑍 < 𝑧)

𝑧=
√𝑃. 𝑄 . √𝑁 − 𝑛 = 1 − 𝑃(𝑍 < 2,05)
𝑛 𝑁−1

(0,05 − 0,03) = 1 − 0,9798

𝑧=
√0,03.0,97 . √15000 − 300 = 0,0202 ≅ 2,02%
300 15000 − 1
𝑧 = 2,05

Conclusión: hay una probabilidad del 2,02% de devolver las 15000 unidades sabiendo que el 3% de
estas se consideran en mal estado.
9. Un profesor de deportes, afirma que el promedio de peso de los que practican un determinado
deporte es de 58 kilos, con una desviación estándar de 6 kilos. Si se realiza una encuesta, entre las
preguntas se incluye el peso de 25 deportistas. ¿Cuál es la probabilidad de que el promedio obtenido
sea mayor de 60 kilos?

𝜇 = 58 𝑘

𝜎 =6𝑘

𝑛 = 25

𝑥 = 60

𝑋−𝜇 𝑃(𝑍 ≥ 𝑧) = 1 − 𝑃(𝑍 < 𝑧)

𝑧= 𝜎
√𝑛 = 1 − 𝑃(𝑍 < 1,67)

(60 − 58) = 1 − 0,9525

𝑧=
6
√25 = 0,0475 ≅ 4,75%

𝑧 = 1,67

Conclusión: hay una probabilidad del 4,75% que el promedio obtenido sea mayor a 60 kilos.