Asignatura

Estadística Inferencial

Actividad

Muestreo aleatorio

Presenta
Angeli karolina Andrade ID645385
Tatiana Melissa Josa ID 633330
Vanesa Santacruz Campiño ID 642161
Delcy Buchely Gonzalez ID:645938

Docente

Paola Andrea Muñoz

NRC

10216

Colombia San Juan de Pasto Septiembre 10 de 2020

 CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS
ESTADÍSTICA INFERENCIAL

Actividad 3 – Evaluativa
Muestreo aleatorio
1. Cuadro comparativo donde organicen las principales características de los métodos de
muestreo.
Tipos de muestreo Característica

No se usa al azar, es decir el investigador es

Muestreo no probabilístico quién determina si la muestra es

representativa o no. El investigador se basa

en su experiencia.

Muestreo probabilístico (Aleatorio) Implica el azar.

Para obtener los elementos de la muestra se

numeran los elementos de la población y se

Muestreo aleatorio simple selecciona al azar los elementos que la

muestra debe contener y todos tienen la

misma probabilidad de ser elegidos.

Tras elegir un elemento al azar selecciona

Muestreo aleatorio sistemático los demás a intervalos regulares, es decir

sistematiza la selección de elementos.

Se divide la población en estratos

Muestreo estratificado independientes según el interés, y se puede

aplicar en este un muestreo aleatorio simple

para elegir los elementos que debe contener

la muestra.

Se divide al grupo como grupo homogéneos,

Muestro por conglomerados es decir subpoblaciones dentro de la

población.

No hace participar a todos los grupos.

Las ideas principales sobre el tamaño de la muestra es que antes de calcular alguna muestra
necesitamos determinar:

1- Tamaño de la población

2- Margen de error o Intervalo de confianza

3- Nivel de confianza

4- La desviación estándar

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población

es la siguiente:

En donde Z es nivel de confianza, P es probabilidad de éxito, Q es probabilidad de fracaso, D es

precisión.
La fórmula para calcular el tamaño de la muestra cuando se conoce el tamaño de la población es
la siguiente:

En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad de éxito, o

proporción esperada Q = probabilidad de fracaso D = precisión (Error máximo admisible en
términos de proporción).

El teorema del límite central es un teorema fundamental de probabilidad y estadística, en el cual

describe la distribución de la media de una muestra aleatoria proveniente de una población con
varianza finita. Cuando el tamaño de la muestra es lo suficientemente grande, la distribución de
las medias sigue aproximadamente una distribución normal. El teorema se aplica
independientemente de la forma de la distribución de la población. El tamaño que debe tener la
muestra depende de la forma de la distribución original. Si la distribución de la población es
simétrica, un tamaño de muestra de 5 podría producir una aproximación adecuada. Si la
distribución de la población es considerablemente asimétrica, es necesario un tamaño de
muestra más grande.

Distribución uniforme Medias de las muestras

Muestras de una población uniforme

Una población que sigue una distribución uniforme es simétrica, pero marcadamente no normal,
como lo demuestra el primer histograma. Sin embargo, la distribución de las medias de 1000
muestras de tamaño 5 de esta población es aproximadamente normal debido al teorema del
límite central, como lo demuestra el segundo histograma. Este histograma de las medias de las
muestras incluye una curva normal superpuesta para ilustrar esta normalidad.

Distribución
exponencial Medias de las muestras

Muestras de una población exponencial

Una población que sigue una distribución exponencial es asimétrica y no normal, como lo
demuestra el primer histograma. Sin embargo, la distribución de las medias de 1000 muestras
de tamaño 50 de esta población es aproximadamente normal debido al teorema del límite
central, como lo demuestra el segundo histograma. Este histograma de las medias de las
muestras incluye una curva normal superpuesta para ilustrar esta normalidad.

Este teorema, perteneciente a la teoría de la probabilidad, encuentra aplicación en muchos

campos relacionados, tales como la inferencia estadística o la teoría de renovación.
Teorema del limite central: Si X1, X2 ….. Xn son variables aleatorias discretas o continuas
independientes, con idéntico modelo de probabilidad de valor medio µ y varianza ơ², entonces
la distribución de la variable

Z= (X¹ + X² + … + Xņ) - nµ = ( ∑ nµ

ơ√ ơ√

Se aproxima a la de una normal tipificada N (0,1) mejorándose la calidad de la aproximación a

medida que n aumenta.

1. El departamento de control de calidad de una empresa que fabrica licuadoras sabe, por experiencia,
que, debido a factores como el equipo, materia prima y personal operativo, el 5% de la producción
es rechazada por algún pequeño defecto encontrado. Si se extrae una muestra de 36 unidades, ¿cuál
es la probabilidad de que el porcentaje sea superior de 9%?

De acuerdo a la distribución binomial:

= 𝑟) 𝑛 𝑛−𝑟
𝑃( (1 − 𝑝)
=( ) 𝑝𝑟
𝑟
Se desarrollarán ensayos

Se tiene dos resultados posibles

Las probabilidades se mantienen constantes

X= productos a encontrar defectuosos r =

número productos defectuosos
p = Probabilidad de rechazo = 0,05 n
= número de ensayos = 36

se debe encontrar la probabilidad del porcentaje de productos defectuosos en la muestra mayor

que el 9%, en donde se tiene que el 9% de 36 unidades que componen la muestra es 3,24
unidades.

se debe encontrar la probabilidad del número de productos defectuosos en la muestra mayor o

igual que 4, se resta de uno la probabilidad de que el número de productos defectuosos en la
muestra sea menor que 4.
P (X≥4) = 1 - P(X<3) = 1 – [P(X=3) + P(X=2) + P(X=1) + P(X=0)]
P(X=3)

36
( = 3) = ( ) 0,053(1 − 0,05)36−3
3
36!
( = 3) = ( ) 0,053(0,95)33
3! (36 − 3)!

36!
( = 3) = ( ) 0,053 ∗ 0,9533
3! (33)!

( = 3) = ( 36 ∗ 35 ∗ 34 3 33

) 0,05 ∗0,95
3 ∗2 ∗1
( = 3) = ( 36 ∗ 35 ∗ 34 3 33

) 0,05 ∗0,95
3 ∗2 ∗1
( = 3) = 7140 ∗ 0,053 ∗ 0,9533
( = 3) =0,164134126

P(X=2)

36
( = 2) = ( ) 0,052(1 − 0,05)36−2
2
36!
( = 2) = ( ) 0,052(0,95)34
2! (36 − 2)!
36!
( = 2) = ( ) 0,052 ∗ 0,9534
2!(34)!

36 ∗ 35
( = 2) = ( )0,052 ∗ 0,9534
2∗1
36 ∗35
)0,052 2 ∗ 0,95
32
( = 2) = (

( = 2) = 630 ∗ 0,052 ∗ 0,9534

( = 2) =0,273447868
P(X=0)
36 0
( = 0) = ( 360

)0,05 (1 −0,05)
0
36!
( = 0) = ( ) 0,050(0,95)36
0! (36 − 0)!
36!
( = 0) = ( ) 1 ∗ 0,9536
(36)!
 ( = 0)=(1)1∗0,9536
( = 0) = 0,157778216

P (X≥4) = 1 - P(X<3) = 1 – [P(X=3) + P(X=2) + P(X=1) + P(X=0)]

P (X≥4) = 1 – [P(X=3) + P(X=2) + P(X=1) + P(X=0)]

P (X≥4) = 1 – [0, 157778216 + 0,298951291 + 0,273447868 + 0, 164134126]

P (X≥4) = 1- 0,896322199 P

(X≥4) = 0,103677701

P (X≥4) = 10,36%

R/ la probabilidad de que la producción sea rechazada por alguna imperfección que se halló superior al
9%, en una muestra de 36 unidades es de 10, 36%

2. En una investigación demográfica se tiene la intención de determinar por muestreo el número

promedio de televisores por casa en la ciudad de Pasto, para ello emplean un mapa de la ciudad para
dividir el territorio en manzanas y luego escoger un cierto número de éstas para entrevistar a sus
habitantes. Cada casa perteneciente a cada una de estas manzanas sería considerada para entrevistar
a sus habitantes. ¿Qué tipo de muestro se está empleando? Justifica la respuesta

R: El tipo de muestreo que se esta empleando es un muestreo por conglomerados, dado que
para seleccionar la muestra de esta población (ciudad de Cali), en primera instancia se divide la
población en grupos (en este caso en manzanas), y luego nos dice que se escoge un cierto
número de estas, es decir que no todos los grupos participan, y además la variable a estudiar en
esta población se puede decir que la poseen todos los subgrupos.

3. Los dulces M&M sencillos tienen un peso medio de 0.8565 g y una desviación estándar de 0.0518 g.
Los dulces M&M utilizados en el conjunto de datos 13 provienen de un paquete que contenía 465
dulces y la etiqueta del paquete indicaba que su peso neto era de 396.9 g.

a. Si se selecciona al azar un dulce M&M sencillo, calcule la probabilidad de que pese más de 0.8535
g.

Teniendo en cuenta la distribución normal de la masa de cada unidad empacada, se

emplearían las siguientes formula:

−𝜇
𝑍=
𝜎

Donde:
 : Masa de un dulce, o del promedio de una muestra
𝜇: 𝑚𝑒𝑑 𝑎
𝜎: Desviación estándar

0.8535 − 0.8565
𝑍= = −0,0579
0,0518
 P(X>0.8535) = P (Z>-0,0579)
P(X>0.8535) = P (Z<0,0579)

P (Z<0,0579) ≈ P (Z<0,06) P
(Z<0,06) = 0,5239

P(X>0.8535) = P (Z<0,0579)
P(X>0.8535) = 0,5239

R/ al seleccionar al azar un dulce M&M sencillo, de que pese más de 0.8535 g la probabilidad es de
52,39%

b. Si se seleccionan al azar 465 dulces M&M sencillos, calcule la probabilidad de que su peso medio
sea de al menos 0.8535 g.

el valor particular en una característica especifica como es el valor promedio para una misma
característica en una muestra de n elementos, al seleccionar 465 dulces M&M sencillos, la
probabilidad de que el peso medio sea del menos 0.8535 g es igual que seleccionar al azar un dulce
M&M sencillo.

La probabilidad al seleccionan al azar 465 dulces M&M sencillos de que su peso medio sea de menos
0.8535 g es de 52,39%

c. Con estos resultados, ¿la compañía Mars está ofreciendo a los consumidores de M&M la cantidad
indicada en la etiqueta?

los dulces M&M sencillos tienen un peso medio de 0.8565 g los cuales contienen en promedio 465
dulces.

Masa de dulces paquete en promedio = 465*0,8565g Masa

de dulces paquete en promedio = 398,27g

la etiqueta del paquete indica que el peso neto es de 396.9g; el cual es inferior al valor que se obtuvo
como producto del número de dulces en promedio y masa media de los dulces, se puede decir que más
del 50% de los paquetes tiene una masa de dulces mayor o igual a la declarada en la etiqueta, sin
embargo la mitad de sus paquetes cumplen con la masa declarada en el empaque.

4. La compañía local de televisión por cable está planeando agregar un canal a su servicio básico;
puede escoger de entre cinco canales y por ello desea tener la opinión de sus suscriptores. Cuenta
con 35,000 suscriptores y sabe que el 30% de ellos está compuesto por estudiantes universitarios, el
40% por empleados administrativos, el 20% por obreros y el 10% por otros. Sin embargo, la
 compañía piensa que hay mucha variación dentro de estos grupos. ¿Cuál de los siguientes muestreos
es más adecuado: aleatorio, sistemático, estratificado o de racimo?

el muestreo más apto para la compañía de televisión del nuevo canal es el muestreo por racimo,
porque cuenta con una amplia gama, de tal manera la técnica divide la población principal en varias
secciones con una muestra que tiene múltiples parámetros como hábitos de sus clientes.

5. Los ingenieros deben tomar en cuenta la anchura de las cabezas de los hombres cuando diseñan
cascos para motocicleta. Las anchuras de las cabezas de los hombres se distribuyen normalmente,
con una media de 6.0 in y una desviación estándar de 1.0 in (según datos de una encuesta
antropométrica de Gordon, Churchill, et al.).

a. Si se selecciona a un hombre al azar, calcule la probabilidad de que el ancho de su cabeza sea

menor que 6.2 in.

Teniendo en cuenta la distribución normal de la anchura de la cabeza de la población

Z:
−𝜇
𝑍=
𝜎
Donde:

: Anchura de la cabeza
𝜇: 𝑚𝑒𝑑 𝑎
𝜎: Desviación estándar
Entonces:
6,2 − 6,0
𝑍= = 0,2
1,0
P(X<6,2) = P (Z<0,2)

Z= x (m.a)- 𝜇 = 6,2 – 6,0 = 0,2

D.s 1

P (z) = 0,0793 +0,5

P (Z<0,2) = 0,5793

6.2 in es de 57,93%.

b. La compañía Safeguard Helmet planea un lote de producción inicial de 100 cascos. Calcule la probabilidad
de que 100 hombres, seleccionados al azar, tengan una anchura media de cabeza menor que 6.2 in.

𝜇 = 6,0
D.s = 1,0
X= < 6,2
P=%
N= 100

Er . S = D.s = 1 = 0,11 = 0,1

√𝑛 10 6

Z= x (m . a ) – 𝜇 = 6,2 – 6,0 = 2
Er . s 0,1

P(z) = 0,4772 + 0,5

P(z) = 0,9772
R/ el 97,72% de los hombres escogidos al azar tienen anchura de la cabeza menor de 6,2, in
Bibliografía:

 Díaz, A (2013). Estadística aplicada a la administración y la economía. Ciudad de México, México. MacGrawHill
 Levin, R. Rubin, D. (2004). Estadística para Administración y Economía. Séptima edición. México, México. Pearson
Educación.
 Martínez, C. Levin, R. (2012), Estadística Aplicada. Bogotá, Colombia, Primera edición, Pearson.
 Ritchey, F. (2002). Estadística para las ciencias sociales: El potencial de la imaginación. Mexico, D. F.: Harcourt
Brace.
 Triola, M. (2009). Estadística. Décima edición. México, D. F. Pearson Educación.