TAREA 2 – REASIGNAR, REFINAR, PROFUNDIZAR Y CONTEXTUALIZAR EL

CONOCIMIENTO DE LA UNIDAD 1

Por
Wilson Marín. Código. 93.449.053
Lucenys Donado. Código-22.605.697
Wilver Enrique Casas Flórez. Código 1.127.388.789
Yaneth Pino Carrascal. Codigo-60.266.779
John Jairo Hernández Orozco. Código. 10.124.361

Inferencia estadística 551112

Grupo 4

Presentado a tutora: María Camila González

Universidad Nacional Abierta y a Distancia UNAD

Licenciatura en matemáticas
15/06/2019
 Introducción

En estadística, la distribución muestral es lo que resulta de considerar todas las muestras

posibles que pueden ser tomadas de una población. Su estudio permite calcular la

probabilidad que se tiene, dada una sola muestra, de acercarse al parámetro de la población.

Mediante la distribución muestral se puede estimar el error para un tamaño de muestra

dado. Como bien lo afirma Ximenez, C. (S, F.) “La estadística inferencial trata sobre las

inferencias con respecto a las poblaciones (sus parámetros µ y σ2 ) a partir de la

información contenida en las muestras (los estadísticos ̅y S2).

Un estimador es un estadístico (esto es, una función de la muestra) usado para estimar

un parámetro desconocido de la población.

Es así con la realización de os siguientes ejercicios podemos desarrollar nuestras

capacidades, con el fin de evidenciar las características de una población determinada con

el fin de analizar y dar solución a situaciones con la ayuda de los conocimientos acerca de

distribuciones muestrales y estimaciones.

Objetivo general
• Emplear distribuciones muestrales en la descripción probabilística de
estadísticas obtenidas de una muestra aleatoria

Objetivos específicos
• Desarrollar procesos de estimación de parámetros involucrando los términos
de variabilidad estadística correspondiente en cada caso que permitan su
adecuada interpretación.
• Desarrollar diversos ejercicios relacionados con distribución de muestreo y
estimaciones.
 Resumen interpretativo

Capítulo de Distribuciones muestrales

Las distribuciones muestrales se entienden como el conjunto de todos los valores posibles
para un estadístico, estos corresponden a los valores que resultan del análisis del muestreo;
en la distribución muestral se tiene en cuenta la población de donde se toma la muestra, la
muestra debe tener cierto tamaño (n), elegidas a l azar, en donde se calcula una estadística de
la muestra, finalmente se observa la distribución de las estadísticas que se obtienen de las
muestras.

Cuando se habla de población se tendrá en cuenta los siguientes parámetros:

Media poblacional = μ
Proporción poblacional = p
Desviación típica = σ
Varianza = σ2
Cuando se habla de muestra se tendrá en cuenta los siguientes parámetros:
Media muestral μ̂ = ̅x
Proporción muestral = p̂
Desviación típica muestral = s
Varianza = s 2
Las distribuciones muestrales se hacen con el fin de conocer sus características como: su
media, su desviación estándar y su representación gráfica, las distribuciones muestrales son
muy utilizados ya que multitud de fenómenos se comportan según una distribución normal,
esta distribución se caracteriza porque sus valores se distribuyen formando una campana
llamada campan de Gauss, en torno a un valor central que coincide con el valor medio de la
distribución, puede tomar cualquier valor −∞ + ∞.

La media es el valor medio de la distribución y es este es donde se sitúa el centro de la curva,

la varianza nos indica si los valores están más o menos alejados del valor central; si la
varianza es baja los valores están próximos a la media y si es alta los valores estarán muy
dispersos, la probabilidad va decreciendo de derecha a izquierda debido a su simetría.

Tipos de distribuciones muestrales

 • Distribución muestral de medias: es una distribución de probabilidad de todas las
posibles medias de la muestra de un determinado tamaño obtenido de la población,
con esta distribución podemos calcular la probabilidad de algún evento relacionado
X−μ
con la variable aleatoria: Z = σ

• Distribución Muestral de proporciones: si se quiere investigar una proporción, por

ejemplo proporción de carros defectuosos, proporción de estudiantes que perdieron
cierta materia; (variables cualitativas), se utiliza la distribución muestral de
proporciones, ya que al extraer las muestras de la población, se calcula el estadístico
proporción (p=x/n en donde "x" es el número de éxitos u observaciones de interés y
"n" el tamaño de la muestra), en lugar del estadístico promedio
Las distribuciones muestrales son útiles para el análisis y la generalización del
comportamiento de una población, en donde se toma una muestra y en base a ella se puede
llegar a una conclusión.

Capítulo de Estimación

Es la acción de tasar el valor de un parámetro a través de estadísticos, con un nivel de

incertidumbre determinable; esto es que mediante el estudio de una muestra de una población
se quiere generalizar las conclusiones al total de la misma.

El proceso de estimación conlleva a obtener un estimador que tenga ciertas condiciones

deseables para hacer inferencia sobre el modelo de probabilidad que ha generado los datos.
Entre los métodos de estimación de la estadística paramétrica, se tiene: Momentos,
mínimos cuadrados y máxima verosimilitud.

Clases de estimación

Estimación puntual: Una estimación puntual es un único valor estadístico y se usa para
estimar un parámetro. El estadístico usado se denomina estimador.

El objetivo de la estimación puntual es seleccionar sólo un número, basados en datos de la

muestra, que represente el valor más razonable de Ꝋ estimación por intervalo: Una
estimación por intervalo es un rango, generalmente de ancho finito, que se espera que
contenga el parámetro, de la forma (a, b)
 1. Situaciones problemáticas relacionadas con distribución de muestreo y
estimaciones

Tarea 1. Cada estudiante debe escoger un punto de las siguientes distribuciones de

muestreo:

1) Cuando un cierto proceso de producción está funcionando correctamente, la

resistencia en ohmios de las componentes producidas sigue la siguiente
distribución normal con media 92 y desviación típica 3,6. Se toma una muestra
aleatoria de 4 componentes, entonces:
-Distribución normal:

µ=92

𝜎 = 3.6

n= 4 componentes

a. Hallar la varianza de la media muestral:

La varianza es el cuadrado de la media muestral

𝜎 2 = (3.6)2

𝜎 2 = 12.96 → 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙

b. Hallar el error estándar de la media muestral

El error estándar es

𝜎 = 3.6 =Media muestral

√𝑛 = =Raíz cuadrada del número de componentes

℮ = 𝜎/√𝑛

℮ = 3.6/ √4

℮ = 3.6 / 2

℮ = 1.8 → 𝐸𝑟𝑟𝑜𝑟 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙

2) La duración de las bombillas producidas por cierto fabricante tiene una media de
20000 horas y una desviación típica de 40 horas. La población sigue una distribución normal.
Si se ha comprado 9 bombillas como muestra aleatoria:

a. Hallar la varianza de la media muestral

Desarrollo:
𝑋: 𝑑𝑢𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑜𝑠 𝑏𝑜𝑚𝑏𝑖𝑙𝑙𝑜𝑠
𝑥~𝑁(200,1600)
𝑛=9
𝜎 𝑁−𝑛
𝜎 2 𝑥̅ = ( )
𝑛 𝑁−1
𝑁−𝑛 𝜎 2 1600
𝑁→∞ → 1 → 𝜎 2 𝑥̅ = = = 177.7778ℎ2
𝑁−1 𝑛 9
Respuesta: La varianza de la media muestral es de 177.7778ℎ2

b. Hallar el error estándar de la media muestral.

Error muestral:
𝜎
𝐸=
√𝑛

𝜎 = 40
√𝑛 = 𝑟𝑎í𝑧 𝑐𝑢𝑎𝑑𝑎𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
Solución:
40
= 13.33
3
Respuesta: El error muestral es de 13.33

3) El consumo de combustible, en Km por litro, de automóviles de cierto modelo tiene

una media de 10 y una desviación típica de 2. Puede asumirse que la distribución
poblacional es normal. Se toma una muestra aleatoria de 6 automóviles, entonces:
a. Hallar la varianza de la media muestral
𝑥̅ = 10
𝛿=2
 𝑛=6
Para encontrar la varianza de la media muestral se considera lo siguiente:
𝛿 2 = (2)2
Por lo tanto la varianza de la media muestral quedaría:
𝛿2 = 4

b. Hallar el error estándar de la media muestral.

Como 𝛿 2 = 4
𝛿
𝑒=
√𝑛
2
𝑒=
√6
𝑒 = 0.816
4) Los candidatos a empleados del departamento de bomberos de cierta ciudad han de
realizar un examen de actitudes. Las puntuaciones en el examen siguen una
distribución normal con media 280 y desviación típica de 60. Se toma una muestra
aleatoria de 9 puntuaciones de estos exámenes, entonces:

a. Hallar la varianza de la media muestral.

𝝈𝟐 𝟔𝟎𝟐 3600
= = = 400
𝒏 𝟗 9
b. Hallar el error estándar de la media muestral.
σ 60 60
x̅ = = = = 20
√n √9 3

5) El precio medio de venta de casas nuevas durante el último año en cierta ciudad fue
de 115000 dólares. La deviación típica fue de 25000 dólares. Si se toma una muestra
de 100 casa, y la distribución es normal halle:
Asumimos Distribución Normal
Media=115000 dólares
Desviación típica= 25000 dólares
Muestra= 100 casas
a. Hallar la varianza de la media muestral.
 Para hallar la varianza muestral se eleva al cuadrado la media muestral
quedando así.
σ2 = (25000)2
σ2 = 625.000.000 varianza de la media muestral.
b. Hallar el error estándar de la media muestral.
El error estándar se obtiene.
σ2 = 25000 = media muestral
√𝑛 = 𝑟𝑎𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠
℮ = σ/√𝑛

℮ = 25.000/√100

℮ = 25.000/10

℮ = 2.500 error muestral

Tarea 2: Estimaciones: Cada estudiante debe escoger un punto de los siguientes

problemas:

1) Se toma una muestra de ocho lotes de un producto químico para comprobar la

concentración de impurezas. Los niveles porcentuales de impurezas encontrados
en las muestras fueron: 3,2 4,3 2,1 2,8 3,2 3,6 4,0 3,8

a) Halle la media, la varianza y la desviación típica.

RTA//

Media.
3,2 + 4,3 + 2,1 + 2,8 + 3,2 + 3,6 + 4,0 + 3,8
𝑥̅ = = 3,375
8
𝑥̅ = 3,375
Varianza.
Formula
∑(𝑥̅ −𝑋𝑖)2
𝟐
𝝈 =
𝒏−𝟏
 𝑥̅ = 3,375
Xi 𝑥̅ − 𝑋𝑖 (𝑥̅ −𝑋𝑖)2
2,1 1.275 1.625
2,8 0.575 0.330
3,2 0.175 0.030
3,2 0.175 0.030
3,6 -0.225 0.050
3,8 -0.425 0.180
4,0 -0.625 0.390
4,3 -0.925 0.850

𝟑,𝟒𝟖𝟓
𝝈𝟐 = = 𝟎. 𝟒𝟗𝟕
𝟕

𝝈𝟐 = 𝟎. 𝟒𝟗𝟕

Desviación Típica.

𝝈 = √0.497 = 0.7

b) Halle la proporción muestral de lotes con nivel porcentual de impurezas mayor a

3,75

Muestra=8
𝜇 = 3.375
𝜎 = 0.7
Varianza =0.497>
𝑝(𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 > 3.75)
𝑝(𝑥̅ > 3.75)
𝑝(3.375, 0.7)
Lo tipificamos
3.75 − 3.375
𝑧=
0.7
3.75 − 3.375
𝑝(𝑥̅ > 107) = 𝑝 (𝑧 > )
0.7
𝑝(𝑧 > 0.53) = 1 − 𝑝(𝑧 ≤ 0.53) = 1 − 0.7029

2) Se toma una muestra aleatoria de ocho casas en la ciudad de Londres, los precios de
venta de estas casas son (en miles de libras):

92 83 112 127 109 96 102 90

a) Halle la media, la varianza y la desviación típica.

𝑥̅ = 𝑚𝑒𝑑𝑖𝑎
Desarrollamos así:
92,83,112,127,109,96,102,90
811
𝑥̅ = = 101.375
8
𝑥̅ = 101.375
Hallamos la varianza muestral
∑(𝑥 − 𝑥̅ )2
𝑠2 =
𝑛−1
𝑠2
(92 − 101.375)2 + (83 − 101.375)2 + 112 − 101.3752 + (127 − 101.375)2 + (109 − 101.375)2
=
8−1
(96 − 101.375)2 + (102 − 101.375)2 + (90 − 101.375)2
 87.89+337.64+112.89+656.64+58.14+28.89+129.39+0.39
=
7
1411.86
𝑠2 = = 201.69
7
Hallamos la desviación típica

𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎

𝜎 = √201.69 = 14.201𝑢2
Respuesta:
𝑥̅ = 101.375
1411.86
𝑠2 = = 201.69
7

𝜎 = √201.69 = 14.201𝑢2
b) Halle la proporción muestral de casas con nivel porcentual mayor a 107
Muestra=8
𝜇 = 101.375
𝜎 = 14.201
Varianza =201.69>
𝑝(𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 > 107)
𝑥−𝜇 𝑥 − 𝑥̅
𝑧= 𝜎 →𝑧= 𝑠
√𝑛 √𝑛
Lo tipificamos
107 − 101.375
𝑧= = 0.396
14.201
𝑃(𝑥 > 107) = 𝑃(𝑍 > 1.12 =0. 131%
Respuesta:
La proporción muestral de casas con nivel mayor porcentual 107 es de 0.131(ver
GeoGebra.)
3) Se toma una muestra aleatoria de 12 empleados de una gran planta productora, el
número d horas extras que estos empleados hicieron durante el último mes fueron: 22 16
28 12 18 36 23 11 41 29 26 31

a. Halle la media, la varianza y la desviación típica.

MEDIA

∑𝑥
𝑥̅ =
𝑛
11 + 12 + 16 + 18 + 22 + 23 + 26 + 28 + 29 + 31 + 36 + 41
𝑥̅ =
12
293
𝑥̅ = = 24.416
12

VARIANZA

2
∑(𝑥𝑖 − 𝑥̅ )2
𝛿 =
𝑛−1

Se sabe que 𝑥̅ = 24.416

𝑥𝑖 𝑥𝑖 − 𝑥̅ (𝑥𝑖 − 𝑥̅ )2
11 -13.416 179.990
12 -12.416 154.157
16 -8.416 70.829
18 -6.416 41.165
22 -2.416 5.837
23 -1.416 2.005
26 1.584 2.509
28 3.584 12.845
29 4.584 21.013
31 6.584 43.349
36 11.584 134.189
41 16.584 275.029

942.917
δ2 = = 85.719
11
DESVIACIÓN TÍPICA

∑(xi −x̅)2
δ=√ = √85.719 = 9.258
n−1
 b. Halle la proporción muestral de horas con nivel porcentual mayor a 19
muestra = 12
𝑥̅ = 24.416 media
δ = 9.258 desviación típica
δ2 = 85.719 varianza
P(media muestral > 19)
P(𝑥̅ > 19)
La tipificamos
19 − 24.416
z=
9.258
19 − 24.416
P(𝑥̅ > 19) = P (z > )
9.258
P(z > −0.58) = 0.71%

4. La Dirección General de Tráfico quiere conocer la velocidad a la que circulan los

automóviles en un tramo determinado de una carretera. Para una muestra de 7 automóviles,
el radar señalo las siguientes velocidades en kilómetros por hora: 79 73 68 77 86
71 69

a. Halle la media, la varianza y la desviación típica.

-Media= 𝑥̅

79+73+68+77+86+71+69
𝑥̅ = 7

523
𝑥̅ = 7

𝑥̅ = 74.71 → 𝑀𝑒𝑑𝑖𝑎

̅)𝟐
∑(𝒙−𝒙
-Varianza= 𝒔𝟐 = 𝒏−𝟏

𝑠2
(79 − 74.71)2 − (73 − 74.71)2 − (68 − 74.71)2 − (77 − 74.71)2 − (86 − 74.71)2 − (71 − 74.71)2 − (69 − 74.71)2
=
6
 18.4041 + 2.9241 + 45.0241 + 5.2441 + 127.4641 + 13.7641 + 32.6041
𝑠2 =
6

245.4287
𝑠2 =
6

𝑠 2 = 40.9048 → 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎.

b) Suponiendo que la distribución es normal, hallar un intervalo de confianza del

95% para la velocidad media de los automóviles que circulan por dicho tramo.

n= 7

𝐱̅ = 74.71

𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎

𝜎 = √40.9048

𝜎 = 6.39

Z=95%= 1.96

Luego hallaremos intervalos de confianza:

̅ ± 𝚭(𝝈/√𝒏 )
𝝁= 𝒙

Reemplazando:

𝜇 = 74.71 ± 1.96(6.39/√7 )

𝜇 = 74.71 ± 1.96(6.39/2.64)

𝜇 = 74.71 ± 1.96(2.42)

𝜇 = 74.71 ± 4.74

69.97 < 𝜇 < 79.45

5) En la secretaría de cierta universidad se ha comprobado que la nota media de los

candidatos para la admisión a la maestría a Matemáticas sigue una distribución
normal con desviación típica de 0,45. Se toma una muestra aleatoria de 25 solicitudes
y se obtiene una media muestral de calificaciones igual a 2,1.
a. Calcule un intervalo de confianza del 95% para la media poblacional.
Datos
𝝈 = 𝟎, 𝟒𝟓
𝑵 = 𝟐𝟓
̅ = 𝟐, 𝟏
𝑿
¿ 𝑰𝑪𝟗𝟓% 𝒑𝒂𝒓𝒂 𝝁?
Para hallar un intervalo de confianza para la media poblacional se utiliza la
siguiente fórmula:
̅ − 𝒆𝒓𝒓𝒐𝒓, 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)
Como no conocemos el error debemos hallarlo con la siguiente formula
𝜎
𝒆𝒓𝒓𝒐𝒓 = 𝑍𝛼⁄2 ∗
√𝑁
Ahora nos falta hallar a 𝑍𝛼⁄2

Recordemos que 𝑍𝛼⁄2 es el valor que queda por fuera del intervalo y como se

busaca un intervalo del 95% queda por fuera el 5% dividido en 2.5% por cada
lado del intervalo. Debemos buscar entonces en la tabla de referencia un valor
que contenga el intervalo del 95% + 2.5%, es decir que contenga el 97.5%, es
decir, 0,975
Se suman las dos partes de la tabla y se obtiene como 𝒁𝜶⁄ = 1,96
𝟐

Ahora reemplazamos para hallar el error

𝝈
𝒆𝒓𝒓𝒐𝒓 = 𝒁𝜶⁄ ∗
𝟐 √𝑵

0,45
𝑒𝑟𝑟𝑜𝑟 = 1,96 ∗
√25

0,882
𝑒𝑟𝑟𝑜𝑟 =
5

𝒆𝒓𝒓𝒐𝒓 = 𝟎, 𝟏𝟕𝟔𝟒

Reemplazamos para hallar el intervalo de confianza

 ̅ − 𝒆𝒓𝒓𝒐𝒓 ; 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)

𝐼𝐶95% = (2,1 − 0,1764; 2,1 + 0,1764)

𝑰𝑪𝟗𝟓% = (𝟏, 𝟗𝟐𝟑𝟔 ; 𝟐, 𝟐𝟕𝟔𝟒)

b) Calcule un intervalo de confianza del 99% para la media poblacional

Datos
𝝈 = 𝟎, 𝟒𝟓
𝑵 = 𝟐𝟓
̅ = 𝟐, 𝟏
𝑿

¿ 𝑰𝑪𝟗𝟓% 𝒑𝒂𝒓𝒂 𝝁?

Se sigue el proceso anterior

̅ − 𝒆𝒓𝒓𝒐𝒓, 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)

𝜎
𝒆𝒓𝒓𝒐𝒓 = 𝑍𝛼⁄2 ∗
√𝑁
Recordemos que 𝑍𝛼⁄2 es el valor que queda por fuera del intervalo y como se busaca un

intervalo del 99% queda por fuera el 1% dividido en 0.5% por cada lado del intervalo.
Debemos buscar entonces en la tabla de referencia un valor que contenga el intervalo
del 99% + 0.5%, es decir que contenga el 99.5%, es decir, 0,995
Se suman las dos partes de la tabla y se obtiene como 𝒁𝜶⁄ = 2,65
𝟐
Ahora reemplazamos para hallar el error
𝝈
𝒆𝒓𝒓𝒐𝒓 = 𝒁𝜶⁄ ∗
𝟐 √𝑵

0,45
𝑒𝑟𝑟𝑜𝑟 = 2,65 ∗
√25
1,1925
𝑒𝑟𝑟𝑜𝑟 =
5

𝒆𝒓𝒓𝒐𝒓 = 𝟎, 𝟐𝟑𝟖𝟓

Reemplazamos para hallar el intervalo de confianza

̅ − 𝒆𝒓𝒓𝒐𝒓 ; 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)
 𝐼𝐶99% = (2,1 − 0,2385; 2,1 + 0,2385)

𝑰𝑪𝟗𝟗% = (𝟏, 𝟖𝟔𝟏𝟓 ; 𝟐, 𝟑𝟑𝟖𝟓)

Conclusión

Con la realización de cada uno de los ejercicios de cada tarea propuesta, se pudo
evidenciar cómo a través de las técnicas y procedimientos de la inferencia estadística se pude
dar solución a una determinada muestra de una población, con el fin de afianzar los
conocimientos de distribuciones y estimaciones muestrales, los cuales permiten la
apropiación de importantes conocimientos que sin duda alguna aportan a nuestro proceso
formativo.

Como docente es importante están en constante formación profesional con el fin de dar lo
mejor a los estudiantes es por ello por lo que este curso es muy importante porque nos
permite realizar una comprensión objetiva, analizar, inferir, realizar diversas hipótesis y
aplicar estos conocimientos en nuestro entorno. Además, son bastante utilizadas para
sondeos de votación, análisis de poblaciones, epidemiologia médica, tendencias, hacer
proyecciones y comparaciones entre otros usos.
Bibliografía
Sierra, J. (2013. ). INFERENCIA ESTADÍSTICA. Módulo de la Universidad Abierta y a

Distancia –UNAD. Recuperado dehttp://hdl.handle.net/10596/11301

Gómez, M. (2005). Inferencia estadística. Editorial Ediciones Díaz de Santos. Recuperado

dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10156663&p00

=inferencia+estadistica

Sánchez, J. (2017). Introducción a la Inferencia. Recuperado

dehttp://hdl.handle.net/10596/10539

Roca Bechara, W. (2018). Estadística Inferencial. [Archivo de video]. Recuperado

de http://hdl.handle.net/10596/14556