La presente actividad forma parte de la unidad 2 de la materia ’Es-
tadı́stica I’. Consiste en la realización de algunos ejercicios en los que se involucra el teorema central del lı́mite.
Julio Pérez - 1 UnADM Estadı́stica I Matemáticas
Actividad 4: teorema del lı́mite central
1. Una empresa de mensajerı́a que opera en la ciudad tarda una media de
35 minutos en llevar un paquete, con una desviación tı́pica de 8 minutos. Supongamos que durante el dı́a de hoy han repartido 200 paquetes.
a. ¿Cuál es la probabilidad de que la media de los tiempos de entrega
de hoy esté entre 30 y 35 minutos? b. ¿Cuál es la probabilidad de que, en total, para los doscientos paque- tes hayan estado más de 115 horas?
Consideremos la variable X = “Tiempo de entrega del paquete”. Sa-
bemos que su media es 35 minutos y su desviación tı́pica, 8. Pero no sabemos si esta variable sigue una distribución normal. Durante el dı́a de hoy se han entregado n = 200 paquetes. Es decir, tenemos una muestra x1 , x2 , . . . , xn de nuestra variable.
Por el teorema del lı́mite central se sabe que, aun cuando se desco- noce la distribución de probabilidad de los tiempos de entrega, si se consideran los 200 paquetes entregados en un dı́a como un muestra de la población, entonces µX = µ = 35
σ=8
n = 200 σ 8 σX = √ = √ n 200 de tal manera, para las probabilidades pedidas se tiene
a. P (30 < x < 35) = 0.5
b. Para 115hrs el promedio es de
115 × 60 X= = 34.5. 200
Julio Pérez - 2 UnADM Estadı́stica I Matemáticas
Se busca saber entonces
P (x > 34.5) = 0.8
2. Una moneda se lanza 20 veces. Hallar la probabilidad de obtener entre
8 y 14 caras.
a. Utilizando la distribución Binomial.
Para la distribución B(20, 0.5)
P (x = 8) = 0.12
P (x = 14) = 0.04
b. Utilizando la aproximación normal a la distribución Binomial.
c. Utilizando las variables Bernoulli y el TCL en la forma de Lindeberg-
Levy. Para cada variable Bernoulli su media es µ = p, con varianza p×(1− p). Luego, para una secuencia de experimentos Bernoulli y dado el teorema del lı́mite central n X µX = µi = p × n = 0.5 × 20 = 10 i=1
Julio Pérez - 3 UnADM Estadı́stica I Matemáticas
n X σ2 = = µi q = n × p × q = 5 i=1
P (x = 8) = 0.119
P (x = 14) = 0.036
3. El 80 % de las bolas contenidas en una urna son de color azul, siendo el
20 % restante de color rojo. Determinar la probabilidad de que al efectuar tres extracciones sucesivas con reemplazo, dos de las bolas extraı́das sean de color azul y una de color rojo. Considérese la acción de sacar una bola de la urna como un experi- mento Bernoulli, pues sólo existen dos resultados posibles (azul, rojo), al hacer el reemplazo la probabilidad es constante para cada uno de los eventos que son además independientes. En tal sentido se encuentra un distribución binomial B(3, 0.8), donde
P (x = 2) = 0.38
4. Un agente de seguros vende pólizas a cinco individuos, todos de la
misma edad. De acuerdo con las tablas actuariales, la probabilidad de que un individuo con esa edad viva 30 años más es de 3/5. Determinar la probabilidad de que, dentro de 30 años, vivan: Se considera la distribución B(5, 0.6).
a. los cinco individuos,
P (x = 5) = 0.08
b. al menos tres, P (x ≥ 3) = 0.68
c. sólo dos, P (x = 2) = 0.23
d. al menos uno. P (x ≥ 1) = 0.99
Julio Pérez - 4 UnADM Estadı́stica I Matemáticas
5. Explique el teorema del lı́mite central y explique sus caracterı́sticas.
De manera no formal el teorema dice que la función de distribución de la suma de n variables aleatorias con igual esperanza e igual varianza, no nula y finita, cuando n es lo suficientemente grande, dicha función se aproxima bien a una distribución norma. Esto significa que, no im- portando la distribución de las variables aleatorias, su suma al tomar una muestra suficientemente grande de ésta, se aproximará a una dis- tribución norma, para todos los casos cuando se cumpla la condición de tener una media y varianza bien definida. Por ejemplo, al tomar una muestra de una población varias veces, con esperanza y varianza cono- cida, las medias de dichas muestras se distribuirán aproximadamente a una distribución normal, pudiendo entonces medir sus probabilidades en términos de esta distribución. Si n es infinita entonces su distribución deberı́a ser perfectamente nor- mal. En tal sentido, entre n sea más grande más próxima será a una distribución normal, con una desviación estándar inversamente propor- cional al tamaño de n, de ahı́ que esta pueda ser calculada como una razón de la raı́z cuadrada del valor de n
6. Un establecimiento comercial dispone a la venta diariamente, en una
de sus secciones, solo dos artı́culos a precios p1 y p2 , de suerte que: 1) el 70 % de las unidades ofrecidas lo son del artı́culo de precio p1 , 2) el 30 % de las unidades ofrecidas lo son del artı́culo de precio p2 Si en un dı́a determinado se venden en dicha sección 20 unidades, determinar la probabilidad de que las 20 unidades correspondan al artı́culo de precio p2 . Dada la información presentada se tiene la distribución B(20, 0.3). Dado que n = 20 es grande, la distribución se puede aproximar como N (µ, σ), donde µ = n × p = 20 × 0.3 = 6, √ √ σ = n × p × q = 20 × 0.3 × 0.7 = 4.2.
Julio Pérez - 5 UnADM Estadı́stica I Matemáticas
De manera que P (x = 20) = 0.0004.
Julio Pérez - 6 Referencias
Estadı́stica. (s.f.) En wikipedia. Descargado el 08 de octubre de 2019, de
https://es.wikipedia.org/wiki/Estad%C3%ADstica Gorgas, J., Cardiel, N., y Zamorano, J. (2011). Estadı́stica básica para estudiantes de ciencia. Madrid: Universidad Complutense de Madrid. Kuby, J. (2012). Estadı́stica elemental (11.a ed.). Ciudad de México: Cen- gage Learning. Romeijn, J.-W. (2017). Philosophy of statistics. En E. N. Zalta (Ed.), The stanford encyclopedia of philosophy (Spring 2017 ed.). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/ archives/spr2017/entries/statistics/. Unidad 2: estimación. (s.f.) México: Universidad Abierta y a Distancia de México. Descargado el 08 de octubre de 2019, de https:// unadmexico.blackboard.com Wackerly, D., III, W. M., y Scheaffer, R. (2010). Estadı́stica metemática con aplicaciones (7.a ed.). Ciudad de México: CENGAGE Learning. Walpole, R., Myers, R., Myers, S., y Ye, K. (2012). Probabilidad y estadı́sti- ca para ingenierı́a y ciencias (9.a ed.). Ciudad de México: Pearson.
