Está en la página 1de 4

TALLER 3 DISTRIBUCION MUESTRAL

PROFESOR

PRESENTADO POR

GRUPO 6491 FINES DE SEMANA

INSTITUCIÓN UNIVERSITARIA “ANTONIO JOSÉ CAMACHO”


TALLER 3 SEGUNDA UNIDAD
ESTADISTICA II APLICADA A LA SALUD OCUPACIONAL
SANTIAGO DE CALI 18 DE MARZO DEL 2020

TALLER 3 DISTRIBUCIONES MUESTRALES

1
1. En una empresa del sector de las manufacturas los hay 25 empleados de los cuales 15 son hombres, el resto
mujeres. Las edades de los 15 hombres suman 300, los días de ausencia de los hombres por causa de
incapacidades sumaron el año pasado 75 y los de las mujeres 100.
N=25
Hombres =H = 15
Mujeres = M = 10

a. Calcule la edad promedio de los hombres de la empresa


Edad promedio de hombres=300/15= 20 años

b. Calcule la proporción de mujeres que laboran en la compañía.


10/25 x 100% = 40%

c. ¿Cuál es el promedio de días de incapacidad de las mujeres?


Incapacidad mujeres = 100/10 = 10 dias
d. ¿Qué porcentaje del total de días de incapacidad estuvieron ausentes mujeres
75+100 = 175 100/175 x 100 % = 57,14%

2. ¿Qué es un parámetro y que es un estimador?


PARÁMETRO: se define como una característica mediable considerando todos los elementos de la población
ESTIMADOR: se define como una característica medible en los elementos de una muestra.

3. Relacione cada uno de los parámetros listados a la izquierda con su respectivo estimador, copiando en el espacio
la letra respectiva.

Parámetros: Estimadores:
a. µ (g) e. ^p
b. σ2 ( f ) f. S2
c. P (e) g. x́
d. σ ( h ) h. S

4. ¿Cuáles son los enunciados del teorema del límite central?


Independientemente la distribución que tenga la población, siempre que tenga una media µ y varianza σ la distribución de
las medias muéstrales ( medias obtenidas en la k muestras aleatorias que se podrían obtener ) se aproximara a una
σ
distribución normal con media µ y varianza a medida de que el tamaño de la muestra tiende a N.
n
2
Es decir, si x w ( μ . σ ) siendo w cualquier distribución, entonces X́ n ¿) cuando n → N , si se sabe que la población es
normal la distribución muestral es de x́ seguirá una distribución normal sin importar el tamaño de las muestras.

5. ¿Qué es y cómo se define el error para la media y cómo para la proporción?


. σ p ( 1− p )
error para la media σ . =
σ =
x √n p √ n
error para la proporción

2
6. ¿Qué pasa con el error estándar si el tamaño de muestra aumenta?
Si n aumenta el error disminuye
7. Resolver el siguiente problema aplicando los conceptos el teorema del límite central y las distribuciones
muestrales.
Una firma de transporte marítimo de Guatemala garantiza a sus clientes que los despachos de frutas de Centro
América a New York promedian 9.5 días, con una desviación estándar de 4 días. Un cliente en particular tomó una
muestra de 36 despachos y considera definir ¿cuál es la probabilidad de que el promedio de estos despachos sea 10.5
días ó más?.

a) ¿Cuál es el parámetro de interés, cuánto vale?


μ=95 dias σ=4 dias n=36 x́ =promedio de los despachos

b) ¿Cuál es la desviación de la media muestral o error estándar?


σ 4 4 2
σx́= = = σx́= =0.666666
√ n √36 6 3
c) ¿Qué valor toma el error estándar sí la muestra es de 64 días?

4 4 1
σx́= = = =0.5
√ 64 8 2
d) ¿Cómo plantearía la probabilidad que soluciona este problema?
P(x́ >10.5)=1-p(x́<10.5)
e) Qué respondería a la siguiente pregunta usted: ¿Es posible que los despachos se demoren 10.5 días o más,
sabiendo que la compañía afirma que los embarques toman 9.5 días? Argumente la respuesta
1-p(z<10.5-9.5/ 2/3 ) =1-p (z<1.5)
1- 0.9332=0.0668 x 100% = 6.68% la probabilidad que los despachos se demoren más de 10.5 Días es del
6.68%

8. En cada literal se menciona una población de interés, el tipo de muestreo y la forma en que se seleccionó una
muestra de dicha población. En cada caso indique si en la selección se realizó por muestreo probabilístico o no
probabilístico, y su clasificación dentro de cada tipo de muestreo.
Ejemplo:
Población de profesionales de medicina en la ciudad de Cali.
Acción: Seleccionar un nombre de cada 50 de ellos que aparecen en una lista de exhaustiva de
profesionales.
R// Se utilizó un muestreo probabilístico y se seleccionó en forma aleatoria sistemática.

a. Población de estudiantes matriculados en el segundo periodo de 2016 en la UNIAJC.


Acción: Elegir los primero 80 que entran por la puerta de la sede principal el día martes al inicio de la
jornada de la mañana.
Muestreo probabilístico en forma sistemática
b. Población de 5000 familias que habitan un barrio de la ciudad de Cali.
Acción: Introducir 5000 papeles con de igual tamaño, c/u con el nombre de una familia del barrio.
Posteriormente una persona selecciona 100 papeles uno tras otro, revolviéndolos en cada extracción.
Muestreo probabilístico y en forma estratificada
c. Población de 100.000 ladrillos apilados.

3
Acción: Se escogen los 100 primeros.
Muestreo no probabilístico
d. Población de estudiantes de la facultad de Educación a Distancia y Virtual de la UNIAJC en el 2016.
Acción: Se divide a los estudiantes programa y de c/u de ellos se escoge una muestra aleatoria.
Muestreo probabilístico y en forma conglomerada
e. Población de cien ratones nacidos en un laboratorio experimental. Donde c/u tiene un código que lo
identifica de 00 a 99.
Muestreo probabilístico y en forma estratificada
f. Acción: Se generan 20 números aleatorios de dos cifras y se escogen aquellos correspondientes con
dichos número.
Muestreo no probabilístico

También podría gustarte