Esteban Osorio Callejas

Probabilidad y Estadística
Distribucion Muestrales del Campo Petrolero.
M. en C. Víctor Rayo
3.4 Distribucion de Diferencias y 3.5 Aplicación en la explotación de hidrocarburos García
Ingeniería Petrolera.
 3.4 Distribución de diferencias.

Distribución Muestral de Diferencia de Medias

Suponga que se tienen dos
poblaciones distintas, la primera con
media μ1 y desviación estándar σ 1, y la
segunda con media μ 2 y desviación
estándar σ 2. Más aún, se elige una
muestra aleatoria de tamaño n1 de la
primera población y una muestra
independiente aleatoria de tamaño n2 de
la segunda población; se calcula la media
muestral para cada muestra y la diferencia
entre dichas medias. La colección de
todas esas diferencias se llama
distribución muestral de lasdiferencias
entre medias o la distribución muestral del
estadístico X1-X2
 3.4 Distribución de diferencias.

La distribución es aproximadamente normal para n1 ≥ 30 y n2 ≥ 30. Si las

poblaciones son normales, entonces la distribución muestral de medias es normal
sin importar los tamaños de las muestras. En ejercicios anteriores se
había demostrado que:
μ= μx y que σ x- σ/ 𝑛
Por lo que no es difícil que:
μx1- μx2= μ1- μ2 y que σx1-x2=√(σ12/n1)+( σ22/n2)
La fórmula que se utilizará para el cálculo de probabilidad del
estadístico de diferencia de medias es:
z= (x1-x2)-(μ1- μ2)/√(σ12/n1)+( σ22/n2)
Distribución Muestral de Diferencia de Proporciones

Muchas aplicaciones involucran

poblaciones de datos cualitativos
que deben compararse utilizando
proporciones o porcentajes. Cuando el
muestreo procede de dos poblaciones
binomiales y se trabaja con dos
proporciones muestrales, la distribución
muestral de diferencia de proporciones
es aproximadamente normal para
tamaños de muestra grande (n1p1≥ 5,
n1q1≥ 5,n2p2≥ 5 y n2q2≥ 5). Entonces
p1 y p2 tienen distribuciones
muestrales aproximadamente
normales, así que su diferencia p1-
p2también tiene una distribución
muestral aproximadamente normal.
Distribución Muestral de Diferencia de Proporciones

Cuando se estudió a la distribución muestral de proporciones se comprobó que:

𝑝𝑞
P=μY y que σy=
𝑛
Por lo que: μy1- μy2= P1- P2 y σ y1-y2 = √(P1q1/n1)+( P2q2/n2)
La fórmula que se utilizará para el cálculo de probabilidad del
estadístico de diferencia de proporciones es:
z= (p1-p2)-(P1-P2)√(P1q1/n1)+( P2q2/n2)
 Ejemplo 1

En un estudio para comparar los pesos promedio de niños y niñas de sexto grado
en una escuela primaria se usará una muestra aleatoria de 20 niños y otra de 25
niñas. Se sabe que tanto para niños como para niñas los pesos siguen una
distribución normal. El promedio de los pesos de todos los niños de sexto grado de
esa escuela es de100 libras y su desviación estándar es de 14.142, mientras que el
promedio de los pesos de todas las niñas del sexto grado de esa escuela es de 85
libras y su desviación estándar es de 12.247 libras. Si x1representa el promedio de
los pesos de 20 niños y x2 es el promedio de los pesos de una
muestra de 25 niñas, encuentre la probabilidad de que el promedio de los
pesos de los 20 niños sea al menos 20 libras más grande que el de las 25 niñas.
 Solución

Datos
μ1=100libras z= (x1-x2)-(μ1- μ2)/√(σ12/n1)+( σ22/n2)
μ2=85libras z= (20)-(100-85) /√(14.1422/20)+(12.2472/25)
σ1=14.142libras z=1.25
σ2=12.247libras
n1 =20niños
n2=25niñas
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de niños sea al
menos 20 libras más grande que el de la muestra de las niñas es 0.1056
 Ejemplo 2:

Uno de los principales fabricantes de televisores compra los tubos de

rayos catódicos a dos compañías. Los tubos de la compañía A tienen una vida
media de7.2 años con una desviación estándar de 0.8 años, mientras que los de la
B tienen una vida media de 6.7 años con una desviación estándar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34 tubos de la
compañía A tenga una vida promedio de al menos un año más que la de una
muestra aleatoria de 40tubos de la compañía B
 Solución

Datos
μA=7.2años z= (x1-x2)-(μ1- μ2)/√(σ12/n1)+( σ22/n2)
μB=6.7años z= (1)-(7.2- 6.7)/√(0.82 /34)+(0.72/40)
σA=0.8años z=2.84
σB=0.7años
nA=34tubos
nB=40tubos
 Ejemplo 3

Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrándose una

desviación estándar de 1.23km/L para la primera gasolina y una
desviación estándar de 1.37km/L para la segunda gasolina; se prueba la primera
gasolina en 35 autos y la segunda en 42 autos.
a. ¿Cuál es la probabilidad de que la primera gasolina de un
rendimiento promedio mayor de 0.45km/L que la segunda gasolina?
b. b. ¿Cuál es la probabilidad de que la diferencia en rendimientos promedio
se encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?
 Solución

Datos a.
σ1=1.23km/Lto z= (x1-x2)-(μ1- μ2)/√(σ12/n1)+( σ22/n2)
σ2=1.37km/Lto z=0.45-0/√(1.232 /35)+(1.372/42)
n1=35 autos z=1.52
n2=42 autos z=0.83-0/√(1.232 /35)+(1.372/42)
z=2.80
b.
z=0.65-0/√(1.232 /35)+(1.372/42)
z=2.19
La probabilidad de que la diferencia en rendimientos promedio en las muestras
seencuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1 es de 0.0117.
 Ejemplo 4

Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren
en sus opiniones sobre la promulgación de la pena de muerte para
personas culpables de asesinato. Se cree que el 12% de los hombres adultos
están a favor de la pena de muerte, mientras que sólo 10% de las mujeres adultas
lo están. Si se pregunta a dos muestras aleatorias de 100 hombres y
100 mujeres su opinión sobre la promulgación de la pena de muerte, determine
la probabilidad de que el porcentaje de hombres a favor sea al menos 3%
mayor que el de las mujeres.
 Solución

Datos: PH = 0.12, PM = 0.10, nH = 100, nM = 100, p(pH-pM≥ 0.03) = ?

z= (pH-pM)-(PH-PM)√(PHqH/nH)+( PMqM/nM)

z=0.025-(0.12-0.10)/√(0.12)(0.88) /100)+(0.10)(0.90)/100)

z=0.11
Se concluye que la probabilidad de que el porcentaje de hombres a favor de lapena
de muerte, al menos 3% mayor que el de mujeres es de 0.4562
 Ejemplo 5

Una encuesta del Boston College constó de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontró que 20% habían estado sin trabajo
durante por lo menos dos años. Supóngase que tuviera que seleccionar
otra muestra aleatoria de 320 trabajadores de entre todos los empleados
despedidos entre 1979 y 1984. ¿Cuál sería la probabilidad de que su porcentaje
muestral de trabajadores sin empleo durante por lo menos dos años, difiera
del porcentaje obtenido en la encuesta de Boston College, en 5% o más?
 Solución

Datos
p1=0.20 z= (p1-p2)-(P1-P2)√(P1q1/n1)+( P2q2/n2)
n1=320 trabajadores z=0.0484-0/√(0.20)(0.80)/320)+(0.20)(0.80)/320)
n2=320 trabajadores z=1.53
P1=P2 z=-0.0484-0/√(0.20)(0.80) /320)+(0.20)(0.80)/320)
z=-1.53
La probabilidad de que su proporción muestral de trabajadores sin empleo
durante por lo menos dos años, difiera del porcentaje obtenido en la encuesta de
Boston College, en 0.05 o más es de 0.1260.
 3.5 Aplicación en la explotación de hidrocarburos.

La industria petrolera aborda procesos globales de exploración, extracción,

refino, transporte y mercadotecnia de productos base hidrocarburo. El petróleo
es la materia prima de muchos productos químicos incluyendo productos
farmacéuticos, disolventes, fertilizantes, pesticidas, plásticos, etc. La industria
petrolera se divide normalmente en tres fases:
❖ Upstream: Exploración, extracción y producción.
❖Midstream: Transporte, procesos y almacenamiento.
❖ Downstream: Refino, venta y distribución.
Un ejemplo de la aplicación de las distribuciones muestrales en la
industria petrolera es hallar las distribuciones de probabilidad de las reservas de
aceite de los yacimientos con base en información histórica de los campos
petroleros ya desarrollados, para ser utilizadas como herramientas predictivas en la
estimación de las reservas de los futuros descubrimientos del área
 Aplicación en la explotación de hidrocarburos.

Estas distribuciones de probabilidad se utilizan en la evaluación de

proyectos exploratorios, para los cuales se estiman los volúmenes de producción de
crudo y gas, así como sus ingresos e indicadores de rentabilidad correspondientes.
“El objetivo de la exploración petrolera es evaluar el potencial petrolífero del subsuelo e
incorporar reservas de hidrocarburos.”
Con el fin de cumplir su objetivo, la exploración petrolera se debe realizar en las
siguientes etapas:
Estudio de cuencas
Sistema petrolero
Identificación, evaluación y selección de plays
Identificación, evaluación y selección de prospectos
Prueba de prospectos
Delimitación y caracterización inicial
 Ejemplo 1

Una refinería trata, en su producción habitual, un 3% de gasolinas defectuosas.

Un cliente recibe un pedido de 500 litros de la refinería . Calcular la probabilidad de
que encuentre más del 5% de gasolina defectuosas
Datos
n=500 N(p,(√(p(1-p) )/n)
p=0.03
se desprende que estaríamos ante una normal N(0.03,0.0076), con lo cual
P(pb> 5) = P ( Z > 0.05−0.03/0.0076)= P(Z > 2.63) = 1−P(Z ≤ 2.63) = 1−0.9957
= 0.0043.
 Ejemplo 2

Se prueba el rendimiento, en kilómetros por litro, de dos tipos de gasolina,

encontrándose una desviación estándar de 1.23 kilómetros por litro para la primera
gasolina y una desviación estándar de 1.37 kilómetros por litro para la segunda. Se
prueba la primera gasolina en 35 vehículos, y la segunda en 42.
a) ¿Cuál es la probabilidad de que la primera gasolina dé un rendimiento promedio
mayor de 0.45 kilómetros por litro que la segunda gasolina?
b) ¿Cuál es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83 kilómetros por litro a favor de la primera gasolina?
 Solución

Tenemos que σ1 = 1.23 km/L y σ2 = 1.37 km/L, con n1 = 35 y n2 = 42.

a) En este caso:
P(x1-x2>0.45)= P(z>0.45-0/√(1.232/35)+(1.372/42)=P(z>1.52)
=1−P(Z < 1.52) = 1−0.9358 = 0.0642.
b) Ahora:
P(0.65 < X1 −X2 < 0.83) = P(0.65< x1-x2>0.83)= P(0.65-
0/√(1.232/35)+(1.372/42)z>0.83-0/√(1.232/35)+(1.372/42)=P(2.19< z< 2.80)
= P(Z < 2.80)−P(Z < 2.19) = 0.9974−0.9857 = 0.0117.
 Ejemplo 3

Determinar un intervalo de confianza al nivel α = 0.05 para la probabilidad de que

un pozo petrolero descubierto, si en una muestra de tamaño 123 pozos se han
contabilizado 67 de ellos se han encontrado hidrocarburo.
Como α = 0.05, Zα/2 = Z0.025 = 1.96 y además p= 67/123 = 0.54, con n = 123
Se tiene que:
0.54 0.46
C =0.54±1.96 =(0.046,0.633)
123
contendrá a la proporción de éxito con una probabilidad del 95%
 Ejemplo 4

El peso de un barril se distribuye normalmente, con desviación típica de 10

kilogramos. Se toma al azar una muestra de 35 de ellos para transportarlos en un
camión. Sabiendo que el peso medio resulta ser de 140 kilogramos, determinar un
intervalo de confianza al 8% de nivel de significación en el que oscilará el peso de
los 35 barriles.
La variable X =‘peso de los barriles’ sigue una distribución normal N(µ,10), con µ
desconocida. Al ser el tamaño de la muestra mayor que 30 podemos considerar
que la suma de los pesos, esto es, 35X, sigue una distribución normal
N(35·140,10√35), con lo que, al nivel de confianza del 92%, tendríamos el
intervalo:
IC = nX ±Zα/2 σ √ n
= 35 · 140±1.75 · 10√ 35
= 4900±103.53
= (4796.5,50053.53).
 Ejemplo 5

Dos compañías A y B fabrican el mismo tipo de cable de perforación. Un

distribuidor desea conocer la diferencia promedio de la resistencia a la rotura de los
mismos, para lo cual toma muestras de 100 cables de A y 50 cables de B. La
muestra de los cables de la compañía A arroja una resistencia promedio a la rotura
de 4500 kilogramos, mientras que los cables de la compañía B arrojan una
resistencia promedio a la rotura de 4000 kilogramos. Se sabe, por experiencia, que
la desviación típica de la resistencia a la rotura es de 300 kilogramos para la
compañía A y de 200 kilogramos para la compañía B. Se pide estimar, con un nivel
de confianza del 95%, el intervalo de confianza de la diferencia de medias de la
resistencia a la rotura entre los dos cables de perforación, si la resistencia a la
rotura se distribuye normalmente para ambas compañías.
 Solución

Por los datos aportados sabemos que n1 = 100, n2 = 50, µ1 = 4500, µ2 = 4000, σ1
= 300, σ2 = 200, α = 0.05 y Zα/2 = 1.96. De aquí sigue que:
IC =(4500-4000)±1.96√(3002/100)+(2002/50)=(419.19,580.81)
P(419.12 < μ1- μ2<580.81)=0.95
Podemos interpretar la expresión anterior diciendo que, con un nivel de confianza
del 95%, la diferencia de
los promedios a la rotura de ambos cables fluctúa entre 419.19 y 580.81 kg.
 Fuente Bibliográfica

http://www.hrc.es/bioest/esti_medias.html
https://prezi.com/unsorljfmjar/distribucion-de-la-varianza-muestral/
http://terra.geociencias.unam.mx/~ramon/EstInf/Clase5.pdf
https://www.studocu.com/es-ar/document/universidad-tecnologica-
nacional/probabilidad-y-estadistica/apuntes-de-clase/probabilidad-unidad-3-
apuntes-1-10/4001212/view
https://campusvirtual.ull.es/ocw/pluginfile.php/6201/mod_resource/content/1/tema9/
PR9-muestreo.pdf