Estadística Aplicada

Estadística Aplicada

Probabilidades Aplicadas
Jocelyn Vergara Núñez
Profesor: Marjorie Caldera Calvert
Ingeniería Comercial
12-Octubre-2020
 Estadística Aplicada

Desarrollo
I. Comprobar los aprendizajes adquiridos en cuanto a muestras y distribuciones
mediante la presentación de propuestas de solución para una situación problemática.
a. Caso a desarrollar N°1:
Una compañía fabrica autos eléctricos que tienen una velocidad máxima promedio de
100 km/h y una desviación estándar de 12 km/h. La distribución de la resistencia es
normal. Hallar la probabilidad de que, al tomar una muestra n = 25 autos, la velocidad
promedio de estos sea mayor que 95 km/h.
Resolución:

Datos: X =95 – Media Muestral ; μ=100 – Media Poblacional :

σ x 12
(
X́ N μ x =100 , σ x = =
√n √ 25
=2,4 ; Z N (0,1) )
σ =12 – Desviación Estándar; n=25 Muestra.

Se estandariza y busca el valor de Z en una tabla de distribución normal estándar, la

media no es 1, ni la desviación es 0.

Se pide: P ( X >95 ) Por tanto:

X́−μ 95−100 −5
Z= = = =−2,08
σ 12 2,4
√n √ 25

X́−μ 95−100
P ( X >95 )=P
( )( )
σ
√n
>
12
√ 25
=P ( Z>−2,08 )=1−0,0188=0,9812

Al revisar la tabla de probabilidades normal estándar, se puede observar que la

probabilidad es 0,0188.

Es decir, que la probabilidad de que en una muestra de 25 autos la velocidad promedio

sea mayor a 95 Kilómetros por hora es 0,9812 que corresponde al 98,12%.
 Estadística Aplicada

b. Caso a desarrollar N°2

El gerente de una empresa automotriz estima que el ingreso de clientes a las

sucursales es en promedio de 280 personas a la semana. Al realizar una medición de
las últimas 10 semanas en una sucursal, se obtuvo un promedio de 255 personas, y
una desviación estándar de 32 personas.
El gerente estará conforme con el resultado si este se encuentra entre -t0,025 y -t0,025,
¿Qué conclusión puede sacar el gerente en base a los resultados obtenidos?

Resolución:

32
Datos: μ=280; n=10 ; σ = =10,11; X́ =255
√10
Se buscan los datos dentro de la tabla de valor t 0,025 con grado de libertad n – 1, donde:

n=10−1=9 , por lo tanto, el valor debe estar entre -2,262 < x < 2,262.

X́ −μ 255−280
Por tanto ,
P
( 32
√10
=
10,11
)
=−2,47
, el cual es menor a -2,262 , por tanto no está

dentro del valor esperado por la gerencia de la empresa, por tanto la estimación de
clientes que ingresaron en promedio por semana esta incorrecta.

c. Caso a desarrollar N°3

Un analista financiero estima que los clientes de un banco que tienen mora tardan, en
promedio, 3 años (con una desviación estándar de 1 año), en regularizar sus pagos. Al
buscar la información histórica de cinco clientes, se observa que demoraron 1.8, 2.3,
3.1, 3.6 y 4.1 años en regularizar sus pagos. ¿El analista financiero continuará
convencido de que los clientes del banco tienen una desviación estándar de 1 año en
su tiempo de regularización de pagos? Suponga que estos tiempos de regularización
siguen una distribución normal.
 Estadística Aplicada

Resolución:

Datos : μ=3; σ 2=1 ; n=5

Tiempo (años) en regularizar pagos: C1 = 1,8; C2 = 2,3; C3 = 3,1; C4 = 3,6; C5 = 4,1.

C 1+ C 2+C 3+C 4+C 5 1,8+ 2,3+ 3,1+ 3,6+4,1 14,9

X́ = = = =2,98 Promedio
n 5 5

Suponiendo que los tiempos de regularización siguen una regularización normal,

entonces la varianza muestral es:

( xi− X́ ) 3,508
s2=∑ = =0,877−Varianza Muestral
n−1 4

Entonces: X 2 =(n−1)¿ ¿

α α
( (
RC = T ∨T < X 2 n−1 ;
2 ) (
ó T > X 2 n−1 ; 1−
2 ))
RC=( T ∨T < X 2 ( 4 ; 0,025 ) ó T > X 2 ( 4 ; 0,975 ) ) . Es un valor de la distribución Chi Cuadrado
con 4 grados de libertad. Como el 95% de los valores X 2 con 4 grados de libertad se
dan entre 0,484 y 11,143, según tabla Ji Cuadrado , el valor calculado con σ 2=1 es
razonable , por tanto , el analista financiero no tiene razón para pensar que la
desviación estándar es distinta a un año en su tiempo de regularización de pagos..

d. Caso a desarrollar N°4

Los puntajes de un examen psicológico para postular a un cargo en una empresa de

retail que se aplicó a candidatos durante los últimos cinco meses tienen una distribución
aproximadamente normal con una media μ = 76 y una varianza σ2 = 8. ¿Cuál es el
valor máximo de la varianza muestral que se puede obtener de una muestra de 20
candidatos, de modo que la probabilidad de obtener un valor mayor que este,
considerando válido el valor σ2 = 8 de la varianza poblacional, sea menor que 0,01?
Resolución:

Datos: μ=76 Media Poblacional ; σ 2 =8 Varianza Poblacional ; n=20 Muestra

 Estadística Aplicada

Utilizando la distribución ji-cuadrado se puede establecer que:

(n−1)S2
P ( S 2 >k ) =P ( 8 )
> X 219 =0,01

Donde k es el límite superior deseado y X 219 es igual a 36,191 correspondiente al valor

crítico superior relacionado al nivel 0,01 de la distribución ji – cuadrado con 19 grados
de libertad de la tabla .

El límite superior de S2 que se busca ( representado por k) puede hallarse de la

siguiente manera:

( n−1 ) k
=36,191 con n=19
8

( 20−1 ) k =36,191∗8

36,191∗8
k= =15,23
20−1

Si la varianza muestral S2 procedente de la muestra aleatoria de tamaño n =20 es

superior a 15,23, se puede probar que la varianza poblacional σ 2 es superior a 8.

Bibliografía

Bocaz, C. (2019). Distribuciones, Apunte de la Semana 2 , Estadistica Aplicada.

Universidad Uniacc.
Estadística Aplicada