EJERCICIOS DISTRIBUCIÓN NORMAL Y ESTIMACION

PRESENTADO POR:

JUAN ALEJANDRO ARIAS 1400933

JUAN SEBASTIÁN ROMERO 1400956

PRESENTADO A:

JOSE NELSON RODRIGUEZ

UNIVERSIDAD MILITAR NUEVA GRANADA

DEPARTAMENTO DE MATEMETICAS
OCTUBRE DE 2012
BOGOTÁ D.C

1
 INTRODUCCION

En este documento, se pretende conocer, analizar y calcular la desviación normal ylas

estimaciones para los ejercicios planteados de acuerdo a los datos proporcionados por
cada uno de ellos.

Estos ejercicios se realizaran como parte de nuestro proceso de aprendizaje en donde

pondremos en práctica los conocimientos adquiridos en el aula.

En el caso de que se conozcan todos los elementos de una población, es fácil calcular
todos los parámetros asociados en una población con compartimiento normal; sin
embargo, en la vida real no será así, y necesitaremos estimar algunos de ellos a partir de
los parámetros de la muestra de allí la importancia de la estimación estadística.

Cuando se quiere realizar el estudio de una población cualquiera de la que se

desconocen sus parámetros, como su media poblacional o desviación si la población
sigue una distribución Normal, se debe tomar una muestra aleatoria de la población a
través de la cual calcularemos una aproximación a dichos parámetros que
desconocemos y queremos estimar. Esta aproximación se denomina estimación.
Además, junto a esa estimación, y dado que muy probablemente no coincida con el valor
real del parámetro, acompañaremos el error aproximado que se comete al realizarla.

OBJETIVOS
2
 Comprender los conceptos de distribución normal y estimación.
 Calcular las distribuciones normales y estimaciones para los ejercicios propuestos
 Aprender a interpretar correctamente los resultados de las distribuciones
normales y las estimaciones

MARCO TEORICO
3
Distribución Normal:

Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio

nombre indica su extendida utilización, justificada por la frecuencia o normalidad con la
que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución.

Una distribución normal de media μ y desviación típica σ se designa por N(μ, σ). Su
gráfica es la campana de Gauss:

El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.

Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda
y otra igual a 0.5 a la derecha.

La probabilidad equivale al área encerrada bajo la curva.

Formulas para distribución Normal:

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).

Donde: µ = Promedio
X = Variable
Z =Transformación de la variable X para función Normal
σ = Desviación = raíz cuadrada de la varianza

Distribución Muestral

Cada muestra de tamaño n que podemos extraer de una población proporciona una
media. Si consideramos cada una de estas medias como valores de una variable
aleatoria podemos estudiar su distribución que llamaremos distribución muestral de
medias.

4
Notación para la distribución Muestral:

Media
Es el promedio aritmético de las medias del conjunto de datos; ya sea de la población o
de la muestra.
También habremos de referirnos a la media como el valor esperado de X, y se denotará
con E (X).

Varianza
Es el promedio de la suma de los cuadrados de las desviaciones. Se entiende por
desviación la diferencia de una media respecto a la media
Como puede verse, la varianza es una medida de dispersión. Indica, en promedio, qué
tan alejados están los datos respecto de la media.

Desviación típica o estándar

Es la raíz cuadrada de la varianza.
Por simplicidad, en las expresiones anteriores se acostumbra suprimir el subíndice i, así
como los límites de las sumatorias.

La variante estadística para distribuciones muéstrales se obtiene según esta formula.

Se considera que la distribución muestral se aproxima a una distribución normal, donde

su grafica es:

PROBLEMAS DISTRIBUCIÓN NORMAL

5
1.- El tiempo que se tardan los encuestados en diligenciar un formulario es de 20
minutos con una varianza de 16 minutos cuadrados; se asume que el tiempo sigue una
dist. Normal; se pide:
a) La probabilidad de que una persona invierta entre 18 y 25 en responder el formulario.
b) El porcentaje de personas que requieran más de 24 minutos.

a)
 Datos:

Variable Desviación Media

X δ μ
  4 20

 Análisis:

Es una desviación Normal ya que me dan δ y μ

 Modelo Matemático:
P (18 < x <25)

x−μ 25−20
z 1= = =1,25
δ 4

x−μ 18−20
z 2= = =−0,5
δ 4

A = A2’ – A1´= 0,8944 – 0,3085 = 0,5859

La probabilidad de que una persona invierta entre 18 y 25 en responder el

formulario es de 58,59%

 Grafica

b)
 Datos:

6
 Variable Desviación Media
x δ μ
  4 20

 Análisis:

Es una desviación Normal ya que me dan δ y μ

 Modelo Matemático:

P (x >24) = A
A = 1 – A1 ’

x−μ 24−20
z 1= = =1
δ 4

A = 1 – A1’ = 1- 0,8413 = 0,1587

El porcentaje de personas que requieran más de 24 minutos.es de 15,87%

 Grafica

3.- Una máquina llenadora automática se gradúa para dispensar 1000 c.c. sin embargo
al realizar un control de calidad se encontró que el 10 % de las botellas contenían más
1000 c.c. y el 5 % contenían menos de 985 c.c. se pregunta el contenido medio de
llenado de las botellas.

 Datos:

x z
 1000 0,10
985 0,05

 Análisis:

7
 Es una desviación Normal ya que me dan X y Z

 Modelo Matemático:

Despejamos σ de cada ecuación

x 1−μ
σ=
z1

x 2−μ
σ=
z2

Igualamos las dos ecuaciones

x 1−μ x 2−μ
=
z1 z2

Despejamos μ que representa el valor que se nos esta pidiendo hallar

z 2∗x 1−z 1+ x 2
μ=
z 2−z 1

Reemplazamos con los datos dados

0,05∗1000−0,10+985
μ=
0,05−0,10

Determinamos el valor de la media

μ=4,8743

El contenido medio de llenado de las botellas es de 4,8743

 Grafica

8
5.- Si se desea construir un auto que sea superior al 95 % de los autos del
problema anterior, cuantos km por galón debería recorrer este nuevo auto?

Problema anterior: Cierta marca de autos recorre 25.5 km por galón de

combustible, con una desviación de 4.5 km por galón; ¿Qué porcentaje de autos
rinden más de 30 km por galón?

 Datos:

Variable (x) Desviación (δ) Media (μ) Z

30 Km 4.5 Km ? 0.95

 Análisis:

Es una desviación Normal ya que me dan δ y Z y me están preguntando la media.

 Modelo Matemático:

Debemos despejar μ de la ecuación:

x −μ
σ= = μ=−( Z∗σ ) +(x )
z

μ=−( 0.95∗4.5 ) +( 30)

μ=25. 72

Los km por galón debería recorrer este nuevo auto son 25 . 72km

 Grafica

9
7.- El dispensador del ADN de la esquina sabe que la demanda diaria de su
periódico es de 240 unidades, con una varianza de 529; que cantidad debe
solicitar para que la probabilidad de que se agote su existencia no sea mayor al 2
% en un día cualquiera?

 Datos:

Variable (x)
Desviación (δ) Media (μ) Z

X √ 529 = 23 240 0.02

 M

Debemos despejar X de la ecuación:

x −μ
σ= = X =( Z∗σ ) +(μ)
z

X =( 0.02∗23 )+(240)

x=240 . 46

La Cantidad que debe solicitar para que la probabilidad que se le acaben no sea
mayor al 2% es 240.46

 Grafica

9.- Los ingresos de cierto sector económico se distribuyen normalmente y su

clasificación de menor a mayor es la siguiente:

Grupo A B C D E
Porcentaje 8 16 42 20 14

El grupo C está comprendido entre $ 136500 y $160000 mensuales.

a) Calcular la media y la desviación.
10
 b) Si en ese sector se ocupan 25000 personas, ¿Cuántas personas se espera
que tengan ingresos superiores a $170000 mensuales?

a)
 Datos:

X1 X2

42% 136500 160000

 Análisis:

Es una desviación Normal ya que me dan Media (μ) y un intervalo

 Modelo Matemático:

Despejamos σ de cada ecuación

x 1−μ
σ=
z1

x 2−μ
σ=
z2

Igualamos las dos ecuaciones

x 1−μ x 2−μ
=
z1 z2

Despejamos μ que representa el valor que se nos esta pidiendo hallar

z 2∗x 1−z 1+ x 2
μ=
z 2−z 1

Basados en la grafica y con el intervalo dado hallamos Z para el 34% y 76%

respectivamente en la tabla:

z1 = -0,034 = -1,825
z2 = 0,760 = 0,71

Procedemos a hallar la media

0,71∗136000−(−1,825+160000)
μ= =153418,10
0,71−(−1,825)

Teniendo la media hallamos la desviación

x 2−μ 160000−153418,10
σ= = =9270
z2 0,71

11
  Grafica

b) valor esperado

 Datos:

Media (μ) n μ
42% 25000 153418,10

 Análisis:

Es un valor esperado E(x) = n*P

 Modelo Matemático:
P (x >170000) A = 1 - A1´

x−μ 170000−153418,10
z= = =1,78
δ 9270,8

A1´= 0,9625

A = 1 – 0,9625 = 0,0375

E(x) = 25000*0,0375 = 937,5

 Grafica

12
 PROBLEMAS DE ESTIMACION

1) Si la media (promedio) de una población es de 72 y su desviación de 3; determinar la

probabilidad de que en una muestra de 81 observaciones, su promedio sea:
a) Inferior a 70.
b) Superior a 75
c) mayor a 69 e inferior a 75

a) Inferior a 70

 Datos:

Muestra Desviación Media x

N δ μ

 81 3 72 <70

 Análisis:

Es una estimación ya que me dan n, μ y δ

 Modelo Matemático:

P (x <70) A = A1´

x−μ 70−72
z= = =-6 A1´=0
σ /√n 3/ √ 81

A = 0%

 Grafica

13
 b)

 Datos:

Muestra Desviación Media x

N δ μ

 81 3 72 >75

 Análisis:

Es una estimación ya que me dan n, μ y δ

 Grafica

 Modelo Matemático:

P (x >75) A = 1- A1´

x−μ 70−72
z= = =9 A1´=1.
σ /√n 3/ √ 81

14
 A = 1- 1 = 0 %

c)
 Datos:

Muestra Desviación Media x

N δ μ

 81 3 72 69<x<75

 Análisis:

Es una estimación ya que me dan n, μ y δ

 Modelo Matemático:

P (69 < x <75)

A= A’2 -A’1

x−μ 69−72
z 1= = = - 0.333 A2’=0.3707 = 37.07%
σ /√n σ / √ 81

x−μ 75−72
z 2= = = 0.333 A1’=0.6293 = 62.93%
σ / √ n σ / √ 81

z=z1+z2 = 100%

 Grafica

3) En una distribución normal se seleccionan todas las posibles muestras tamaño 25, si
el 2 % de estas muestras tienen una media que difieren de la media poblacional en más
de 4 en valor absoluto. Hallar la desviación estándar de la población.

 Datos:

15
 Muestra Desviación x−μ
n δ
 25 ? 2% |4|

 Análisis:

Es una estimación ya que me dan x-μ y n

 Modelo Matemático:

Determinar la desviación estándar: la realizo con la ecuación de promedio nominal

x−μ
z=
σ /√n

( x −μ )∗√ n
σ=
z

(−4 )∗√ 25
σ= =8 , 58
−2, 33

La desviación estándar de la población es 8.58

 Grafica

5) Un almacén de cadena recibe 70000 pilas AA de 9 voltios para decidir si acepta o no

esa remesa resuelve medir la vida útil de ellas, para lo cual toma una muestra de 36
pilas; si en promedio esas pilas duran 60 o más horas las acepta, en caso contrario las
rechaza. Se pregunta la probabilidad de:

a) Aceptar una remesa que tiene una vida promedio de 59 horas y desviación de 3.

16
  Datos:

Muestra Muestra Desviación Media x

N n δ μ
 70000 36 3 60 59

 Análisis:

Es una estimación ya que me dan μ, n, δ y N

 Modelo Matemático:

Determinar la probabilidad: la realizo con la ecuación de promedio nominal

59−60
z= =−2
3/ √ 36

El área para Z=2 es de 0.0228= 2,28%

La probabilidad de aceptar una remesa que tiene una vida promedio de 59 horas y
desviación de 3 es de 2.28%

 Grafica

b) Rechazar un cargamento con vida útil de 60.5 horas y varianza de 9 horas2.

 Datos:

Muestra Muestra Desviación Media x

N n δ μ

 70000 36 3 60 60,5

17
  Análisis:

Es una estimación ya que me dan μ, n, δ y N

 Modelo Matemático:

Determinar la probabilidad: la realizo con la ecuación de promedio nominal

60 ,5−60
z= =1
3/ √ 36

El área para Z=1 es de 0.8413 de donde 1-0,8413 = 0,1587 = 15,87%

La probabilidad de rechazar un cargamento con vida útil de 60.5 horas y varianza

de 9 horas2 es de 18.87%

 Grafica

7) Se toma una muestra de 400 artículos producidos por una empresa y se pregunta
cuál debe ser la probabilidad de que en esa muestra el 5 % o más sea defectuosa,
sabiéndose, por experiencia que esa empresa produce en promedio 4 % de artículos
defectuosos.

 Datos:

Muestra Promedio Promedio

n P p

 400 0,04 0,05

 Análisis:

Es una estimación ya que me dan μ, n y x

 Modelo Matemático:

18
 Determinar la probabilidad: la realizo con la ecuación de promedio proporcional

p−P
z=
P∗Q
√ n

0 , 05−0 ,04
z= =1 , 02
0 , 04∗0 . 96
√ 400

El área para Z=1,02 es de 0.8461 de donde 1-0,8461 = 0,1539 = 15,39%

La probabilidad de que en esa muestra el 5 % o más sea defectuosa es de

15.39%

 Grafica

9) Un nuevo tratamiento quirúrgico, es eficaz el 90 % de las veces que se aplica; si se

selecciona una muestra de 40 enfermos, determine la probabilidad de que se presente
una diferencia mayor del 8 % en cuanto a su eficacia.

 Datos:

Muestra Promedio

n P P-p

40 0,90 0,08

 Análisis:

Es una estimación ya que me dan μ, n y x

 Modelo Matemático:

19
 Determinar la probabilidad: la realizo con la ecuación de promedio proporcional

p−P
z=
P∗Q
√ n

0 , 82−0 , 90
z= =1 , 68
0 , 90∗0 . 10
√ 40

El área para Z=1,68 es de 0.8461 de donde 1-0,9535 = 0,0465 = 4,65%

La probabilidad de que se presente una diferencia mayor del 8 % en cuanto a su

eficacia es del 4.65%

 Grafica

11) Se tiene la población de los números dígitos (1 al 9); determine la probabilidad de que al
seleccionar 4 de ellos, en promedio, la suma de los cuatro sea superior a 20.
P(x>20) = 0.06%

 Datos:

N n

9 4

 Análisis:

Es una estimación ya que me dan N, n

 Modelo Matemático:

P ( x < 20)

20
 p−P
z=
P∗Q
√ n

0−0,44
z= =¿
0 , 44∗0 .56
√ 4

 Grafica

13) hallar la probabilidad de que 8 o más estudiantes, de una muestra 36 tomada de un

plantel, usen anteojos si se sabe que el 25 % de los estudiantes del plantel usan
anteojos.

 Datos:

Muestra Muestra Promedio

N n P

36 8 0,25

 Análisis:

Es una estimación ya que me dan N, n y P

 Modelo Matemático:

Determinar la probabilidad: la realizo con la ecuación de promedio proporcional

p−P
z=
P∗Q
√ n

21
 0 , 22−0 , 25
z= =−0 , 18
0 , 25∗0 .75
√ 8

El área para Z =-0,18 es de 0.4286 de donde 1-0,4286 = 0,5714 = 57,14%

L a probabilidad de que 8 o más estudiantes, de una muestra 36 tomada de un

plantel, usen anteojos es de 57.14%

 Grafica

15) En un estudio Psicológico sobre la susceptibilidad a las ilusiones perceptivas, 50

hombres juzgan la longitud de una figura ilusoria. La evaluación de cada uno de ellos se
compara con la longitud verdadera y se registra la desviación o error. El experimento
produjo los siguientes resultados para las desviaciones:
ў = 81 mm. S = 12 mm.

Determine un IC del 95% para la magnitud media de los errores.

 Datos:

Muestra
n ў S
59 81 mm. 12 mm.

 Análisis:

Es una estimación ya que me dan n, s y ў

 Modelo Matemático:

Determinamos el valor de z en el intervalo de confianza con la tabla y

determinamos el error.
z∗s 1,9 6∗12
ε= = =3,326
√n 50

22
 Determine un IC para la magnitud media de los errores.

ў- ε < μ< ў + ε

81- 3,326 < μ <81 +3,326

77,674 < μ <84,326

 Grafica

17) Una máquina llenadora tiene una varianza de 1 onza; si se toman 25 vasos
llenados en una hora, halle la probabilidad de que el promedio muestral quede dentro de
0.3 onzas de diferencia con respecto al promedio verdadero de llenado.

 Datos:

Muestra Desviación Error (Diferencia)

n δ ε
25 √1=1 0.3

 Análisis:

Es una estimación ya que me dan δ, μ y ε la realizo con la ecuación de población

despejamos Z.

 Modelo Matemático:

z 2∗σ 2
n=
ε2

2 n−ε 2
Z=
εσ 2
23
 2 25−0.32
Z=
12

Z❑ =±1.5

La probabilidad de que el promedio muestra quede dentro de 0.3 onzas de diferencia con
respecto al promedio verdadero de llenado es 0.8664

 Grafica

19) El tiempo muerto diario de un local de llamadas a distancia es en promedio 4 horas,

con desviación de 0.8; calcular la probabilidad de que:
a) El tiempo muerto promedio, en 30 días, esté entre 1 y 3 horas.
b) El tiempo muerto total sea inferior a 115 horas.

a)
 Datos:

Variable Desviación Media

X δ μ
  0,8 4

 Análisis:

Es una estimación ya que me dan δ, μ

 Modelo Matemático:
P (1< x <3)

x−μ 3−4
z 2= = =−1,25
δ 0,8

x−μ 1−4
z 1= = =−3,75
δ 0,8

A = A2’ – A1´= 0,1056 -0 = 0,1056 10,56%

24
 El tiempo muerto promedio es de 10,56%
 Grafica

 b) Datos:

Variable Desviación Media

X δ μ
  0,8 4

 Análisis:

Es una estimación ya que me dan δ, μ

 Modelo Matemático:
P (x >115)

x−μ 115−4
z 1= = =0
δ 0,8

A = A1´= 0 0%

El tiempo muerto promedio es de 0%

 Grafica

25
21. - Silvana desea estimar la vida útil promedio de sus lámparas; ¿Qué tamaño de
muestra necesita para garantizar que habrá un riesgo de sólo 0.001 de exceder un error
de 5 días en la estimación? Asuma una desviación de 25 días

 Datos:

Desviación Error

z δ ε

0.001 25 5

 Análisis:

Es una estimación ya que me dan z, ε y σ

 Modelo Matemático:

Determinar la probabilidad: la realizo con la ecuación de promedio proporcional

z 2∗σ 2
n=
ε2

0. 0012∗252
n= =¿0.000025
52

El tamaño de muestra necesita para garantizar que habrá un riesgo de sólo 0.001
de exceder un error de 5 días en la estimación es de 0.000025

23. - Explique brevemente:

A) Estimador y Parámetro

26
 En una población en donde la distribución es conocida pero se desconoce algún
parámetro, se puede estimar dicho parámetro a partir de una muestra
representativa.
Un  estimador  es un valor que puede calcularse a partir de los datos muestrales y
en este se proporciona información sobre el parámetro.

B) Población y Muestra.

En el área de la estadística se denomina población al mundo ideal, teórico cuyas

características se quieren conocer y estudiar. Las poblaciones suelen ser muy
extensas y es imposible observar a cada componente, por ello se trabaja con
muestras o subconjuntos de esa población. Por eso podemos definir como
muestra a una parte o subconjunto de una población.

C) La diferencia al realizar un muestreo Probabilístico y no Probabilístico

Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser seleccionadas.

Muestreo no probabilístico
A veces, para estudios exploratorios, el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones pues no se tiene
certeza de que la muestra extraída sea representativa, ya que no todos los sujetos
de la población tienen la misma probabilidad de ser elegidos por lo que puede
traer como consecuencia proporcionar información errónea.

19) El tiempo muerto diario de un local de llamadas a distancia es en promedio 4 horas,

con desviación de 0.8; calcular la probabilidad de que:
a) El tiempo muerto promedio, en 30 días, esté entre 1 y 3 horas.
b) El tiempo muerto total sea inferior a 115 horas.

a)
 Datos:

Variable Desviación Media

X δ μ
  0,8 4

 Análisis:

Es una estimación ya que me dan δ, μ

 Modelo Matemático:
P (1< x <3)

x−μ 3−4
z 2= = =−1,25
δ 0,8

27
 x−μ 1−4
z 1= = =−3,75
δ 0,8

A = A2’ – A1´= 0,1056 -0 = 0,1056 10,56%

El tiempo muerto promedio es de 10,56%

 Grafica

 b) Datos:

Variable Desviación Media

X δ μ
  0,8 4

 Análisis:

Es una estimación ya que me dan δ, μ

 Modelo Matemático:
P (x >115)

x−μ 115−4
z 1= = =0
δ 0,8

A = A1´= 0 0%

El tiempo muerto promedio es de 0%

 Grafica

28
27) Hallar el número de clientes n tal que la probabilidad de dar servicio a todos en dos
horas o menos, sea aproximadamente de 0.10.
n = 88
0.134 < µ < 0.226

29) Una Universidad desea estimar la proporción de profesores, en C.B. que están a
favor de que se corrija el programa de aseguramiento de la calidad en sus diferentes
asignaturas. La estimación debe quedar a menos de 0.05 de la proporción verdadera de
los que favorecen el programa; con un coeficiente de confianza del 90%,¿Cuántos
profesores se deben muestrear? n = 271 profes.

CONCLUSIONES

 La distribución normal se puede utilizar en diferentes tipos de problemas en la

vida cotidiana.
 Entendimos y aplicamos la grafica de campana de Gauss para cada uno de los
ejercicios.
 Utilizamos la distribución normal para obtener probabilidades de valores
puntuales, intervalos y cantidades específicas.
 La estimación la aplicamos cuando se desconocen parámetros de una población,
se toma una muestra aleatoria de dicha población de la cual se calcula una
aproximación a dichos parámetros que desconocemos.

29
 BIBLIOGRAFIA

 Probabilidad y Estadística para Ingenieros

Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers.

 Estadística básica aplicada

Ciro Martínez Bencardino

30
31