UNIDAD 1

DISTRIBUCIONES MUESTRALES

ESTADÍSTICA II
SEMESTRE 2021-2

Programa de Ingeniería Industrial

Escuela de Estudios Industriales y Empresariales
Universidad Industrial de Santander

Profesora Yuly Andrea Ramírez Sierra

CONTENIDO. TEMA 2. UNIDAD 1

❖ Introducción a distribuciones muestrales

* Teorema del límite central
❖ Conceptos básicos de la estimación.
❖ Estimadores puntuales
❖ Distribución muestral de medias.
❖ Distribución muestral de la proporción.
❖ Propiedades de los estimdores
❖ Introducción a Distribución muestral de la varianza
❖ Introducción a Distribución t y F.
 UNIDAD 1

INTRODUCCIÓN A DISTRIBUCIONES
MUESTRALES
ESTADÍSTICA II
SEMESTRE 2021-2

Programa de Ingeniería Industrial

Escuela de Estudios Industriales y Empresariales
Universidad Industrial de Santander

Profesora Yuly Andrea Ramírez Sierra

TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central establece que si se extrae una

muestra lo suficientemente grande de una población, entonces
la distribución de la media muestral es aproximadamente
normal, sin importar de qué tipo de población haya sido
extraída la muestra. Esto último permite calcular las
probabilidades de medias muestrales haciendo uso de la tabla
z, a pesar de que la población de la cual se sacó la muestra no
sea normal.
.
TEOREMA DEL LÍMITE CENTRAL

Sea 𝑋1 , . . . , 𝑋𝑛 una muestra aleatoria simple de una población con

media 𝜇 y varianza 𝜎 2 .

𝑋1 + ....+ 𝑋𝑛
Sea 𝑋ത = la media muestral
𝑛

Sea 𝑆𝑛 = 𝑋1 + . . . + 𝑋𝑛 la suma de las observaciones muestrales.

Entonces si 𝑛 es suficientemente grande:

TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central establece que 𝑋ത 𝑦 𝑆𝑛 se distribuyen aproximadamente

como normales, si el tamaño muestral n es suficientemente grande

Para la mayoría de las poblaciones, si el tamaño muestral

es mayor a 30, la aproximación del teorema del límite
central es buena.
VARIABLE ALEATORIA
VARIABLE ALEATORIA

Sea un experimento ε y 𝑆 el espacio muestral asociado con el

experimento. Una función X que asigna a cada uno de los elementos
𝑠 Є 𝑆, un número real 𝑋(𝑠), se llama variable aleatoria

Ejemplo: supongamos que lanzamos dos monedas y consideramos el

espacio muestral asociado con este experimento. Esto es:

𝑺 = 𝑪𝑪, 𝑪𝑺, 𝑺𝑪, 𝑺𝑺

VARIABLE ALEATORIA
Definamos la variable aleatoria X como sigue:

X es el número de caras obtenidas en los dos

lanzamientos.

Por lo tanto: 𝑆 𝑅𝑋
• X(CC) = 2
• X(CS) = X(SC) = 1
• X(SS) = 0 X
𝑠 X(s)
𝑆 = 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑅𝑋 = 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑑𝑒 𝑋
VARIABLES ALEATORIAS

Hay dos tipos importantes de variables aleatorias: discretas y continuas.

Una variable aleatoria discreta es aquella cuyos valores posibles forman

un conjunto discreto; en otras palabras, los valores se pueden ordenar
y existen separaciones entre los valores adyacentes.

En contraparte, los valores posibles de una variable aleatoria continua

siempre están contenidos en un intervalo; es decir, son todos los
puntos entre dos números.
EJERCICIO

Describa el espacio muestral apropiado para un experimento en el que

lanzamos un par de dados, uno rojo y uno verde, y respecto a este
espacio muestral describa el evento B en el que el número de puntos
obtenidos con el par de dados es 7.
EJERCICIO

5
Dado verde

0
0 1 2 3 4 5 6 7
Dado rojo
VARIABLE ALEATORIA

Una variable x es variable aleatoria si el valor que toma, correspondiente

al resultado de un experimento, es una probabilidad o evento aleatorio.

Ejemplos:

• Número de defectos en una pieza de mueble seleccionada al azar

• Calificación de examen de aptitud escolar para un universitario
seleccionado al azar
• Número de llamadas telefónicas recibidas por una línea directa de
intervención en crisis durante un periodo seleccionado al azar
DISTRIBUCIÓN DE PROBABILIDAD
vs
FUNCIÓN DE DENSIDAD DE
PROBABILIDAD
DISTRIBUCIÓN DE PROBABILIDAD
DISTRIBUCIÓN DE PROBABILIDAD
VARIABLE ALEATORIA DISCRETA
La distribución de probabilidad para una variable aleatoria x es como la
distribución de frecuencia relativa construida para toda la población de
mediciones.

0 ≤𝑝 𝑥 ≤1
∞

෍ 𝑝 𝑥𝑖 = 1
𝑖=1

Ejemplo: Lance al aire dos monedas imparciales y sea x igual al número

observado de caras. Encuentre la distribución de probabilidad para x.
FUNCIÓN DE DENSIDAD DE
PROBABILIDAD
FUNCIÓN DE DENSIDAD DE PROBABILIDAD

• Una variable aleatoria continua puede tomar cualquiera de un

número infinito de valores de la recta real.

• La distribución de probabilidad es creada al distribuir una unidad

de probabilidad a lo largo de la recta
FUNCIÓN DE DENSIDAD DE PROBABILIDAD

Las distribuciones de probabilidad tienen las siguientes características:

• El área bajo una distribución continua de probabilidad es igual a 1.

• La probabilidad de que x se encuentre en un intervalo particular, por

ejemplo de a a b, es igual al área bajo la curva entre los dos puntos
a y b.
FUNCIÓN DE DENSIDAD DE PROBABILIDAD
DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN NORMAL

Las distribuciones de probabilidad continua pueden tomar varias formas, pero un

gran número de variables aleatorias observadas en la naturaleza poseen una
distribución de frecuencia que es aproximadamente una distribución
normal de probabilidad. La fórmula que genera esta distribución es:

𝝁 ∶ 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝝈: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙

−∞ < 𝑥 < ∞
CARÁCTERÍSTICAS DE LA DISTRIBUCIÓN NORMAL

∞
1. ‫׬‬−∞ 𝑓𝑥 𝑑𝑥 = 1 = 100%
2. 𝑓 𝑥 ≥ 0
𝑏
3. 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ‫𝑥𝑑 𝑥 𝑓 𝑎׬‬
4. Distribución simétrica: Media, mediana y moda son iguales
5. Es asintótica
6. Posee dos puntos de Inflexión: aprox. una desviación típica
 Fuente:
https://books.google.com.co/books?id=Y1bABgAAQBAJ&pg=PA361&dq=coeficientes+de+asimetr%C3%ADa&hl=es&sa=X&ved=2ahUKEwje08_amp30AhVIRDABHR7
bBjUQ6AF6BAgKEAI#v=onepage&q=coeficientes%20de%20asimetr%C3%ADa&f=false
 Fuente:
https://books.google.com.co/books?id=Y1bABgAAQBAJ&pg=PA361&dq=coeficientes+de+asimetr%C3%ADa&hl=es&sa=X&ved=2ahUKEwje08_amp30
AhVIRDABHR7bBjUQ6AF6BAgKEAI#v=onepage&q=coeficientes%20de%20asimetr%C3%ADa&f=false
CARÁCTERÍSTICAS DE LA DISTRIBUCIÓN NORMAL

Comportamiento de la gráfica

Distribución de probabilidad alrededor de la media en una distribución N(𝜇 , 𝜎 2 )

DISTRIBUCIÓN NORMAL
• La forma de la distribución está determinada por 𝝈
• Valores grandes de 𝝈 reducen la altura de la curva y aumentan la dispersión
• Valores pequeños de 𝝈 aumentan la altura de la curva y reducen la dispersión

Fuente: http://www.matematicasvisuales.com/html/probabilidad/varaleat/normal.html
DISTRIBUCIÓN NORMAL

Para hallar la probabilidad de que una variable aleatoria normal x se encuentre en

el intervalo de a a b, necesitamos hallar el área bajo la curva normal entre los
puntos a y b.

Hay un número infinitamente grande de distribuciones normales, uno para cada

media y desviación estándar diferentes, entonces se usa un procedimiento de
estandarización que permite usar la misma tabla para todas las distribuciones
normales.

Variable aleatoria normal estándar

PARA RECORDAR!

Cuando se trabaja con poblaciones normales, las unidades en las

cuales se midió originalmente la población se convierte a
unidades estándar.

Las unidades estándar: indican a cuántas desviaciones estándar se

encuentra un dato de la media poblacional
PARA RECORDAR!

Si 𝑥 es una unidad seleccionada de una población normal con

media µ y varianza 𝜎 2 , la unidad estándar equivalente a 𝑥 es el
número 𝒛, donde:

𝑥 − µ
𝑧=
σ

Denominada
Al número 𝑧 se le denomina “puntaje 𝒛” de 𝑥, que
Población
representa un elemento extraído de una
normal estándar
población normal con media 0 y desviación estándar 1
DISTRIBUCIÓN NORMAL ESTANDARIZADA
DISTRIBUCIÓN NORMAL ESTÁNDAR Z

𝑥 − µ
𝑍=
σ

Suponga que la estatura en una población de mujeres sigue una curva normal con
media 𝜇 = 155 centímetros y desviación estándar 𝜎 = 10,5 centímetros. La
estatura de dos mujeres elegidas aleatoriamente es de 172,5 y 150 centímetros,
respectivamente. Convierta estas estaturas a unidades estándar
DISTRIBUCIÓN NORMAL ESTÁNDAR Z (Ejercicio)

Ángel posee las siguientes calificaciones en un conjunto de asignaturas: 95 puntos

en inglés, 70 puntos en Economía, 99 en Matemáticas y 43 en Física. Calcule las
calificaciones tipificadas (Z) y ¿Qué se puede concluir sobre las puntuaciones
tipificadas?

Asignatura Media de la clase Desviación típica de la

clase
Inglés 90 20
Economía 45 8
Matemáticas 55 9
Física 26 25
EJERCICIO

Suponga que la altura de los hombres de una población sigue una

distribución normal con media de 70 𝑝𝑢𝑙𝑔𝑎𝑑𝑎𝑠 y desviación estándar
de 2,5 𝑝𝑢𝑙𝑔𝑎𝑑𝑎𝑠. ¿Cuál es la probabilidad de que la edad de los
hombres sea mayor a 69,5 pulgadas?
EJERCICIO

El volumen de latas llenadas por cierta máquina se distribuye

normalmente con media de 12,05 onzas y desviación estándar de
0,03 onzas.

a) ¿Qué proporción de latas contiene menos de 12 onzas?

b) La media del proceso se puede ajustar utilizando calibración. ¿En
qué valor debe fijarse la media para que 99% de las latas
contenga 12 onzas o más?
c) Si la media del proceso sigue siendo de 12,05 onzas, ¿en qué
valor debe fijarse la desviación estándar para que 99% de las
latas contenga 12 onzas o más?
EJERCICIOS USO DE LA TABLA Z

Utilizando la tabla de Distribución normal acumulativa (Tabla z)

Determine:

a) P[0<Zi <2.52]=?
b) P[ Zi>3.07]=?
c) P[0.85 <Zi<2.04]=?
d) P[-1.34 <Zi<3.19]=?
e) P[-3.58 <Zi<-2.63]=?