DISTRIBUCIONES MUESTRALES

DIFERENCIA DE MEDIAS –DIFERENCIA DE

PROPORCIONES Y VARIANZA – COCIENTE
DE VARIANZAS

Docente: Veimar Daniel Rey Castillo

Estadística Inferencial
 Distribución Muestral Para la Diferencia de Medias Muestrales

Caso 1: (Muestreo de poblaciones distribuidas Normalmente

y Varianzas conocidas)
• Se toman dos muestras de tamaño 𝑛1 𝑦 𝑛2 respectivamente, donde cada población tiene distribución
Normal, con medias 𝜇1 𝑦 𝜇2 , con varianzas 𝜎12 𝑦 𝜎22 respectivamente.

• La solución de esta distribución muestral para diferencia de medias seria aproximadamente normal
con 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 Conocidas
𝜎12 𝜎22
𝐸 𝑥ҧ1 − 𝑥ҧ2 = 𝜇1 − 𝜇2 𝑦 𝑉𝐴𝑅 𝑥ҧ1 − 𝑥ҧ2 = + = 𝜎𝑥2ҧ1−𝑥ҧ2
𝑛1 𝑛2
Así la distribución muestral es aproximadamente Normal ya que se supone Normalidad de las
Poblaciones, entonces por el Teorema del Límite Central será exactamente Normal estándar. Con
𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑍=
𝜎𝑥ҧ1 −𝑥ҧ2
 Distribución Muestral Para la Diferencia de Medias Muestrales

Caso 2: (Muestreo de poblaciones No distribuidas

Normalmente y Varianzas conocidas o desconocidas)
• Se toman dos muestras 𝑛1 𝑦 𝑛2 de tamaño grande 𝑛1 ≥ 30 𝑦 𝑛2 ≥ 30 respectivamente, donde cada
población No tiene distribución Normal, con medias 𝜇1 𝑦 𝜇2 respectivamente.

• La solución de esta distribución muestral para diferencia de medias seria aproximadamente normal
con 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 No Conocidas pero se asumen iguales
𝑠12 𝑠22
𝐸 𝑥ҧ1 − 𝑥ҧ2 = 𝜇1 − 𝜇2 𝑦 𝑉𝐴𝑅 𝑥ҧ1 − 𝑥ҧ2 = + = 𝑆𝑥2ҧ1−𝑥ҧ2
𝑛1 𝑛2
Así la distribución muestral es aproximadamente Normal ya que se satisface el Teorema del Límite
Central. Luego,
𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑍=
𝑆𝑥ҧ1 −𝑥ҧ2
 Distribución Muestral Para la Diferencia de Medias Muestrales
Ejemplo:
El rendimiento medio de los autos de la misma marca varia según la altura del lugar donde se desempeñan. Para
comprobarlo, se toman 42 autos en un lugar bajo sobre el nivel del mar dando un rendimiento medio de 38km/galón
con una desviación estándar de 6; se toman 40 autos en un lugar alto sobre el nivel del mar dando un rendimiento
medio de 35km/galón y desviación de 5. Hallar la probabilidad de que la diferencia en los rendimientos sea mayor de
3km/galón a favor de los vehículos de baja altura.

Solución:
Datos: 𝜇1 − 𝜇2 = 0; 𝜎12 𝑦 𝜎22 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎𝑠; 𝑛1 = 42 𝑦 𝑛2 = 40; Pregunta P 𝑥ҧ1 − 𝑥ҧ2 > 3 =?

𝑠12 𝑠22 62 52
se tiene: 𝑆𝑥ҧ1−𝑥ҧ2 = + = + ≈ 1.217
𝑛1 𝑛2 42 40

Ahora hay que estandarizar para hacer uso de la distribución Normal:

𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2 3−0
𝑍= = = 2.465
𝑆𝑥ҧ1−𝑥ҧ2 1.217
Ahora utilizar la tabla de la distribución Normal estándar, es decir, 𝑁 0,1

P 𝑥ҧ1 − 𝑥ҧ2 > 3 = P 𝑍 > 2.465 = 1 − 𝑃 𝑍 < 2.465 = 1 − 0.9931 ≈ 0.0069

 Distribución Muestral Para la Diferencia de Medias Muestrales

Caso 3: (Muestreo de poblaciones con varianzas desconocidas y

tamaño de la muestra pequeñas)
• Se toman dos muestras 𝑛1 𝑦 𝑛2 de tamaño pequeñas 𝑛1 < 30 𝑦 𝑛2 < 30 respectivamente, donde cada
población tiene media 𝜇1 𝑦 𝜇2 respectivamente.

• La solución de esta distribución muestral para diferencia de medias seria aproximadamente

t –student con 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 No Conocidas
𝑠𝑝2 𝑠𝑝2 2
𝑛1 − 1 𝑠1
2
+ 𝑛2 − 1 𝑠2
2
𝐸 𝑥ҧ1 − 𝑥ҧ2 = 𝜇1 − 𝜇2 𝑦 𝑉𝐴𝑅 𝑥ҧ1 − 𝑥ҧ2 = + = 𝑆𝑥ҧ1−𝑥ҧ2 𝑐𝑜𝑛 𝑠𝑝2 =
𝑛1 𝑛2 𝑛1 + 𝑛2 − 2
Así la distribución muestral es aproximadamente t, con
𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑡= 𝑐𝑜𝑛 𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 𝑣 = 𝑛1 + 𝑛2 − 2
𝑆𝑥ҧ1−𝑥ҧ2
 Distribución Muestral Para la Diferencia de Medias Muestrales
Ejemplo:
El rendimiento medio de los autos de la misma marca varia según la altura del lugar donde se desempeñan. Para
comprobarlo, se toman 12 autos en un lugar bajo sobre el nivel del mar dando un rendimiento medio de 38km/galón
con una desviación estándar de 6; se toman 10 autos en un lugar alto sobre el nivel del mar dando un rendimiento
medio de 35km/galón y desviación de 5. Hallar la probabilidad de que la diferencia en los rendimientos sea mayor de
3km/galón a favor de los vehículos de baja altura.
Solución:
Datos: 𝜇1 − 𝜇2 = 0; 𝜎12 𝑦 𝜎22 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎𝑠; 𝑛1 = 12 𝑦 𝑛2 = 10; Pregunta P 𝑥ҧ1 − 𝑥ҧ2 > 3 =?
2 2
𝑛1 −1 𝑠12 + 𝑛2 −1 𝑠22 12−1 62 + 10−1 52 𝑠𝑝 𝑠𝑝 31.05 31.05
se tiene: 𝑠𝑝2 =
𝑛1 +𝑛2 −2
=
12+10−2
≈ 31.05 ⇒ 𝑆𝑥ҧ1 −𝑥ҧ2 =
𝑛1
+
𝑛2
=
12
+
10
≈ 2.385

Ahora hay que estandarizar para hacer uso de la distribución t - student:

𝑥ҧ1 − 𝑥ҧ2 − 𝜇1 − 𝜇2 3−0
𝑡= = ≈ 1.257
𝑆𝑥ҧ1−𝑥ҧ2 2.385

Ahora utilizar la tabla de la distribución t, con 𝑣 = 20

P 𝑥ҧ1 − 𝑥ҧ2 > 3 = P 𝑡 > 1.257 ≈ 0.11

 Distribución Muestral de la Media Muestral

(Muestreo de poblaciones con varianzas desconocida y tamaño

de la muestra pequeña)

• Se toman una muestra 𝑛 de tamaño pequeño 𝑛 < 30, donde la población tiene media 𝜇.

• La solución de esta distribución muestral para media seria aproximadamente t –student con 𝝈𝟐 No
Conocida
𝑠2
𝐸 𝑥ҧ = 𝜇 𝑦 𝑉𝐴𝑅 𝑥ҧ = = 𝑠𝑥2
𝑛
Así la distribución muestral es aproximadamente t, con
𝑥ҧ − 𝜇
𝑡= 𝑐𝑜𝑛 𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 𝑣 = 𝑛 − 1
𝑆𝑥ҧ
 Distribución Muestral de la Media Muestral

Ejemplo:
Una empresa comercializadora de autos asegura que los vehículos de una marca especifica y un modelo recorren
45km/galón de gasolina. Se hace una comprobación recorriendo 100km 25 veces. Si se considera que la variable de
estudio es el número de kilómetros por galón tiene un comportamiento aproximadamente normal. Si el resultado de
la prueba dio 43.5km/galón con una desviación estándar de 2.5, se debe dudar de la afirmación de la empresa?
Distribución Muestral Para la diferencia de Proporciones Muestrales

(Muestreo de poblaciones distribuidas Normalmente o no y

Varianzas conocidas o desconocidas)
• Se toman dos muestras 𝑛1 𝑦 𝑛2 de tamaño grande 𝑛1 ≥ 30 𝑦 𝑛2 ≥ 30 respectivamente, con 𝑛1 𝑃1 > 5,
𝑛2 𝑃2 > 5, y donde cada población tiene distribución Normal o no, con proporciones 𝑃1 𝑦 𝑃2 respectivamente.

• La solución de esta distribución muestral para diferencia de proporciones seria aproximadamente

normal con
𝑃1 1 − 𝑃1 𝑃2 1 − 𝑃2
𝐸 𝑝1ҧ − 𝑝ҧ2 = 𝑃1 − 𝑃2 𝑦 𝑉𝐴𝑅 𝑝1ҧ − 𝑝ҧ2 = + = 𝜎𝑝2ҧ1−𝑝ҧ2
𝑛1 𝑛2
Así la distribución muestral es aproximadamente Normal ya que se satisface el Teorema del Límite
Central. Luego,
𝑝1ҧ − 𝑝ҧ2 − 𝑃1 − 𝑃2
𝑍=
𝜎𝑝ҧ1−𝑝ҧ2
Distribución Muestral Para la diferencia de Proporciones Muestrales

Ejemplo:
Dos maquinas producen el mismo articulo pero con diferentes proporción de defectuosos: La máquina A lo hace con
12% de defectuosos, mientras que la máquina B lo hace con un 18% de defectuosos. Si se extraen muestras aletorias
de 600 unidades de la máquina A y de 400 de la máquina B. ¿ Cuál es la probabilidad de que la proporción de
defectuosos no difiera en más de 8% entre las dos maquinas
Distribución Muestral Para la diferencia de Proporciones Muestrales
Ejemplo:
Dos maquinas producen el mismo articulo pero con diferentes proporción de defectuosos: La máquina A lo hace con
12% de defectuosos, mientras que la máquina B lo hace con un 18% de defectuosos. Si se extraen muestras aletorias
de 600 unidades de la máquina A y de 400 de la máquina B. ¿ Cuál es la probabilidad de que la proporción de
defectuosos no difiera en más de 8% entre las dos maquinas

Solución:
Datos:𝑃1 = 0.12; 𝑃2 = 0.18; 𝑛1 = 600 𝑦 𝑛2 = 400; Pregunta P 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08 =?

se tiene:
𝑃1 1 − 𝑃1 𝑃2 1 − 𝑃2 0.12 ⋅ 0.88 0.18 ⋅ 0.82
𝜎𝑝ҧ1−𝑝ҧ2 = + = + ≈ 0.023
𝑛1 𝑛2 600 400
Ahora hay que estandarizar para hacer uso de la distribución Normal :
P 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08 = P −0.08 ≤ 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08
Distribución Muestral Para la diferencia de Proporciones Muestrales

Ejemplo:
Dos maquinas producen el mismo articulo pero con diferentes proporción de defectuosos: La máquina A lo hace con
12% de defectuosos, mientras que la máquina B lo hace con un 18% de defectuosos. Si se extraen muestras aletorias
de 600 unidades de la máquina A y de 400 de la máquina B. ¿ Cuál es la probabilidad de que la proporción de
defectuosos no difiera en más de 8% entre las dos maquinas

Solución:
𝑝1ҧ − 𝑝ҧ2 − 𝑃1 − 𝑃2 0.08 − −0.06
𝑍1 = = = 6 ⇒ P 𝑍 ≤ 6 = 1.0
𝑆𝑥ҧ1−𝑥ҧ2 0.023

y
𝑝1ҧ − 𝑝ҧ2 − 𝑃1 − 𝑃2 −0.08 − −0.06
𝑍2 = = = −0.86 ⇒ P 𝑍 ≤ −0.86 = 0.1949
𝑆𝑥ҧ1−𝑥ҧ2 0.023

Luego se obtiene:
P 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08 = P −0.08 ≤ 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08 = P 𝑍 ≤ 6 − P 𝑍 ≤ −0.86

P 𝑝1ҧ − 𝑝ҧ2 ≤ 0.08 = 1 − 0.1949 ≈ 0.8051

 Distribución Muestral de la Varianza

(Muestreo de poblaciones con varianzas desconocida)

• Se toman una muestra de tamaño pequeño 𝑛, de una distribución normal con media 𝜇 y varianza 𝜎 2 .

• Como se tiene que la varianza muestral se define por:

𝑛 2
σ 𝑖=𝑖 𝑥𝑖 − 𝑥ҧ
𝑠2 =
𝑛−1

Así la distribución muestral de la varianza es tiene una distribución chi cuadrado, con:

𝑛 − 1 𝑠2
𝜒2 = 𝑐𝑜𝑛 𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 𝑣 = 𝑛 − 1
𝜎2
 Distribución Muestral de la varianza

Ejemplo:
Un fabricante de bombillos sostiene que su producto dura en promedio 3000 horas con una desviación estándar de
1000 horas. Se toma una muestra aleatoria de 𝑛 = 5 bombillos, los cuales se prueban y dan estos resultados: 1900,
2400, 3000, 3500, 4200 horas. ¿Seguirá el fabricante afirmado lo mismo sobre la duración de los bombillos?

Solución:
Datos: 𝜎 2 = 10002 ; 𝑛 = 5; 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 = 1900, 2400, 3000, 3500, 4200 Pregunta P 𝑠 2 > 10002 =?
se tiene:
𝑛 2
σ𝑖=𝑖 𝑥𝑖 − 𝑥ҧ
𝑠2 = = 815000
𝑛−1
Ahora hay que estandarizar para hacer uso de la distribución chi cuadrado :
𝑛 − 1 𝑠 2 4 ⋅ 815000
2
𝜒 = = = 3.26
𝜎2 10002
Ahora utilizar la tabla de la distribución chi cuadrado, con 𝑣 = 4

P 𝑠 2 > 10002 = P 𝜒 2 > 3.26 ≈ 0.52