Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intervalos de Confianza
para la Media y para una Proporción
SEMESTRE 2022-I
1 Distribuciones Muestrales
Un promotor inmobiliario que espera construir un gran centro comercial. Puede estimar en el área el
ingreso promedio por familia como indicador de las ventas esperadas. Una muestra de 100 familias da una
media de 35 500.°° u.m. Se asume que la desviación estándar poblacional es de 7 200.°° u.m. Se estima un
coeficiente de confianza del 95%.
Solución:
1. Parámetro de interés: La media de la población
2. La hipótesis nula es: H0: µ = 35 000 u.m.
La hipótesis alternativa es: H1: µ ≠ 35 000 u.m.
Hipótesis Estadística:
H0: El ingreso por familia como indicador de las ventas esperadas es igual a 35 000 u.m
H1: El ingreso por familia como indicador de las ventas esperadas en diferente a 35 000 u.m
Datos
ഥ = 𝟑𝟓 𝟓𝟎𝟎 𝒖. 𝒎.
𝑿
Definiendo la Desviación Normal para la Media a partir del Nivel de Confianza:
𝒏 = 𝟏𝟎𝟎 𝒇𝒂𝒎𝒊𝒍𝒊𝒂𝒔
𝝈 = 𝟕 𝟐𝟎𝟎 𝒖. 𝒎. Coeficiente de Confianza: 1 - 𝛼 = 0,95 P(z) = 0,95/2 = 0,475
Error Estándar de la
Distribución Muestral:
𝜎
𝜎𝑥ҧ =
𝑛
Desviación Normal para medias:
𝟕𝟐𝟎𝟎
𝝈ഥ𝒙 = = 𝟕𝟐𝟎 𝒖. 𝒎. 𝑋ത𝑖 − 𝜇
𝟏𝟎𝟎 𝑧= = 1,96
𝜎𝑥ҧ
0,50 0,50
𝑿 = 𝟑𝟒 𝟎𝟖𝟖. 𝟖𝟎 𝝁 𝑿 = 𝟑𝟔 𝟗𝟏𝟏. 𝟐𝟎
𝒁 = −𝟏, 𝟗𝟔 𝒁 = 𝟏. 𝟗𝟔
El promotor tiene un 95% de confianza que la media poblacional real desconocida este entre 𝟑𝟒 𝟎𝟖𝟖, 𝟖 𝒖𝒎. 𝒚 𝟑𝟔 𝟗𝟏𝟏, 𝟐 𝒖𝒎.
En el evento probable que “𝝈” la desviación estándar poblacional sea desconocida , debe ser
substituida por la desviación estándar de la muestra ”s”.
Intervalo de Confianza (IC): para estimar 𝝁 cuando 𝝈 es desconocido: ഥ ± 𝒁 ∗ 𝒔ഥ𝒙
𝝁=𝑿
El contador de un grupo de empresas, desea estimar la cantidad promedio que deben a la Superintendencia
Tributaria. De los 50 clientes que selecciono en la muestra, la cantidad promedio que se adeudaba era de
652.68 um. Ya que la desviación estándar (𝝈) de todos los clientes es desconocida, el contador debe
estimar con la desviación estándar de la muestra correspondiente a 217,43 um. Si se desea un nivel del
99% de confianza, determine el intervalo de confianza.
Solución:
1. Parámetro de interés: La media de la población
2. La hipótesis nula es: H0: µ = 652.68 u.m.
La hipótesis alternativa es: H1: µ ≠ 652.68 u.m.
Hipótesis Estadística:
H0: La cantidad que se adeuda a la Superintendencia Tributaria es igual a 652.68 u.m
H1: La cantidad que se adeuda a la Superintendencia Tributaria en diferente a 652.68 u.m
Datos
ഥ = 𝟔𝟓𝟐. 𝟔𝟖 𝒖. 𝒎.
𝑿 Definiendo la Desviación Normal para la Media a partir del Nivel de Confianza:
𝒏 = 𝟓𝟎 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
Coeficiente de Confianza: 1 - 𝛼 = 0,99 P(z) = 0,99/2 = 0,495
𝒔 = 𝟐𝟏𝟕, 𝟒𝟑 𝒖. 𝒎.
Error Estándar de la
Distribución Muestral:
𝑠
𝑠𝑥ҧ =
𝑛
𝑋ത𝑖 − 𝜇 Desviación Normal para medias:
𝟐𝟏𝟕, 𝟒𝟑 𝑧=
𝒔ഥ𝒙 = = 𝟑𝟎, 𝟕𝟓 𝒖. 𝒎. 𝜎𝑥ҧ 𝑧 = 2,58
𝟓𝟎
0,50 0,50
𝑿 = 𝟓𝟕𝟑. 𝟑𝟓 𝝁 𝑿 = 𝟕𝟑𝟐. 𝟎𝟐
𝒁 = −𝟐. 𝟓𝟖 𝒁 = 𝟐. 𝟓𝟖
Resultado utilizando Simbología en función al eje Z 𝑷 −𝟐. 𝟓𝟖 < 𝒁 < 𝟎 = 𝟎, 𝟒𝟗𝟓 𝑷 𝟎 < 𝒁 < 𝟐. 𝟓𝟖 = 𝟎, 𝟒𝟗𝟓
Resultado utilizando Simbología en función al eje X 𝑷 𝟓𝟕𝟑. 𝟑𝟓 < 𝑿 < 𝝁 = 𝟎, 𝟒𝟗𝟓 𝑷 𝝁 < 𝑿 < 𝟕𝟑𝟐. 𝟎𝟐 = 𝟎, 𝟒𝟗𝟓
𝑷 𝟓𝟕𝟑. 𝟑𝟓 < 𝑿 < 𝟕𝟑𝟐. 𝟎𝟐 = 𝟎, 𝟗𝟗
El contador tiene un 99% de confianza que la cantidad promedio que deben todos sus clientes esta entre 𝟓𝟕𝟑, 𝟑𝟓 𝒖𝒎. 𝒚 𝟕𝟑𝟐, 𝟎𝟐 𝒖𝒎.
Si se desea un nivel del 95% de confianza, determine el intervalo de confianza.
Datos Definiendo la Desviación Normal para la Media a partir del Nivel de Confianza:
ഥ = 𝟔𝟓𝟐. 𝟔𝟖 𝒖. 𝒎.
𝑿 Coeficiente de Confianza: 1 - 𝛼 = 0,95 P(z) = 0,95/2 = 0,475
𝒏 = 𝟓𝟎 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
𝒔 = 𝟐𝟏𝟕, 𝟒𝟑 𝒖. 𝒎.
Error Estándar de la
Distribución Muestral:
𝑠 𝑋ത𝑖 − 𝜇 Desviación Normal para medias:
𝑠𝑥ҧ = 𝑧=
𝑛 𝜎𝑥ҧ 𝑧 = 1,96
𝟐𝟏𝟕, 𝟒𝟑
𝒔ഥ𝒙 = = 𝟑𝟎, 𝟕𝟓 𝒖. 𝒎.
𝟓𝟎
Intervalo de Confianza (IC): para estimar 𝝁 cuando 𝝈 es conocido:
ഥ ± 𝒁 ∗ 𝝈ഥ𝒙
𝝁=𝑿 𝟔𝟓𝟐, 𝟔𝟖 − 𝟏, 𝟗𝟔 ∗ 𝟑𝟎, 𝟕𝟓 ≤ 𝝁≤ 𝟔𝟓𝟐, 𝟔𝟖 + 𝟏, 𝟗𝟔 ∗ 𝟑𝟎, 𝟕𝟓
𝟓𝟗𝟐, 𝟒𝟏 ≤ 𝝁 ≤ 𝟕𝟏𝟐, 𝟗𝟓
0,50 0,50
𝑿 = 𝟓𝟗𝟐. 𝟒𝟏 𝝁 𝑿 = 𝟕𝟏𝟐. 𝟗𝟓
𝒁 = −𝟏, 𝟗𝟔 𝒁 = 𝟏. 𝟗𝟔
Resultado utilizando Simbología en función al eje Z 𝑷 −𝟏. 𝟗𝟔 < 𝒁 < 𝟎 = 𝟎, 𝟒𝟕𝟓 𝑷 𝟎 < 𝒁 < 𝟏. 𝟗𝟔 = 𝟎, 𝟒𝟕𝟓
Resultado utilizando Simbología en función al eje X 𝑷 𝟓𝟗𝟐. 𝟒𝟏 < 𝑿 < 𝝁 = 𝟎, 𝟒𝟕𝟓 𝑷 𝝁 < 𝑿 < 𝟕𝟏𝟐. 𝟗𝟓 = 𝟎, 𝟒𝟕𝟓
𝑷 𝟓𝟗𝟐. 𝟒𝟏 < 𝑿 < 𝟕𝟏𝟐. 𝟗𝟓 = 𝟎, 𝟗𝟓
El contador tiene un 95% seguro que la cantidad promedio que deben todos sus clientes esta entre 𝟓𝟗𝟐, 𝟒𝟏 𝒖𝒎. 𝒚 𝟕𝟏𝟐, 𝟗𝟓 𝒖𝒎.
DISTRIBUCIÓN MUESTRAL PARA UNA PROPORCIÓN
USO DE LA DISTRIBUCIÓN DE LAS PROPORCIONES MUESTRAL
σ𝒑
𝑬 𝒑 = =𝒑 valor esperado de las proporciones
𝒌
𝒑 ∗(𝟏−𝒑)
𝝈𝒑 = error estándar de las proporciones
𝒏
𝒑 ∗(𝟏−𝒑) 𝑵 −𝒏
𝝈𝒑 = error estándar con el factor de corrección para poblaciones finitas
𝒏 𝑵 −𝟏
𝒑𝒌 −𝒑
𝒛= Desviación normal para las proporciones
𝝈𝒑
Respuesta Si : si - Respuesta Ni : no
N=4 S1 ; N2 ; N3 ; S4
Numero de
Muestras
Muestras Número de Proporción de 1. Parámetro de interés:
k Xk Éxitos Éxitos
La media de la proporción
1 S1 ; N2 1 0,5
2 S1 ; N3 1 0,5 2. La hipótesis nula es: H0: p = 0.5
3 S1 ; S4 2 1.0
La hipótesis alternativa es: H1: p ≠ 0.5
4 N2 ; N 3 0 0,0
5 N2 ; S4 1 0,5
6 N3 ; S4 1 0,5
𝑷 = 3,0
𝟑,𝟎
Valor esperado de las proporciones 𝑬 𝒑 = = 𝟎, 𝟓 Valor Esperado
𝟔
𝒑 ∗ (𝟏 − 𝒑) 𝑵 −𝒏 𝟎, 𝟓 ∗ (𝟏 − 𝟎, 𝟓) 𝟒 −𝟐
𝝈𝒑 = 𝝈𝒑 = ∗ 𝝈𝒑 = 𝟎, 𝟐𝟖𝟖𝟔𝟕𝟓
𝒏 𝑵 −𝟏 𝟐 𝟒 −𝟏
𝒑𝒌 − 𝒑 𝟎, 𝟒𝟐 − 𝟎, 𝟓
𝒛= 𝒛= 𝒛 = − 𝟎, 𝟐𝟕𝟔𝟖𝟏𝟔𝟔 𝒛 = − 𝟎, 𝟐𝟖
𝝈𝒑 𝟎, 𝟐𝟖𝟗
𝑺𝒊𝒆𝒏𝒅𝒐: 𝒑𝒌 > 𝟎. 𝟒𝟐 𝒗𝒂𝒍𝒐𝒓 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒅𝒐 𝒛 = − 𝟎, 𝟐𝟖
Xi > 0,42 µ = 0,5 𝑿𝒊 P( −𝟎, 𝟐𝟖 < z < +∝ ) = P(−𝟎, 𝟐𝟖 < z < 0) + 𝑷 𝟎 < 𝒁 < +∝
+∝
Z = - 0,28 Z=0 𝒁𝒊 P( −𝟎, 𝟐𝟖 < z < +∝ ) = P(−𝟎, 𝟐𝟖 < z < 0) + 0.5
P( −𝟎, 𝟐𝟖 < z < +∝ ) = 0,1102612 + 0,5
P( −𝟎, 𝟐𝟖 < z < +∝ ) = 0,6103
P(𝟎, 𝟒𝟐 < 𝑿𝒊 < 0) = 0.1102612 𝑷 𝟎 < 𝑿𝒊 < +∝ = 𝟎, 𝟓
Xi > 0,42 µ = 0,5 𝑿𝒊 P( −𝟎, 𝟐𝟖 < z < +∝ ) = 1 − 𝑷( −∝ < 𝒁 < −𝟎, 𝟐𝟖)
−∝ +∝
Z = - 0,28 Z=0 𝒁𝒊 P( −𝟎, 𝟐𝟖 < z < +∝ ) = 1 − 𝟎, 𝟑𝟖𝟗𝟕
P( −𝟎, 𝟐𝟖 < z < +∝ ) = 0,6103 61,03%
La empresa TELECOM S.A. adquiere componentes para sus teléfonos celulares en lotes de 200
de una empresa importadora. El componente tiene una tasa de defectos del 10%. Una política
establecida recientemente por TELECOM S.A. determina que si el siguiente envío tiene:
Hipótesis Estadística:
La hipótesis nula es: H0: p = 0.1 H0: La tasa de defectos es del 0.1 (10%)
La hipótesis alternativa es: H1: p ≠ 0.1 H1: La tasa de defectos es diferente del 0.1 (10%)
Desviación normal para las proporciones 𝒛 = 𝟎, 𝟗𝟓 𝑷 −∝ < 𝒁 < 𝟎, 𝟗𝟓 = 𝟎, 𝟖𝟐𝟖𝟗 P(𝟎, 𝟗𝟓 < z < +∝ )
−∝ Z=0 Z = 0,95 +∝
Utilizando Tabla de Distribución Normal a una sola cola (acumulada)
Existe una probabilidad del 17,11% que definitivamente buscara un nuevo proveedor.
b.- Entre el 10 y el 12% de defectos, considerará un nuevo proveedor.
Datos:
Desviación normal para las proporciones
E(p) = p = 10%
n = 200 𝒑𝒌 − 𝒑 𝟎, 𝟏 − 𝟎, 𝟏
𝒛= 𝒛= = 𝟎, 𝟎 𝒛 = 𝟎, 𝟎
𝝈𝒑 = 𝟎, 𝟎𝟐𝟏 𝝈𝒑 𝟎, 𝟎𝟐𝟏
10% < pk < 12%
𝒑𝒌 − 𝒑 𝟎, 𝟏𝟐 − 𝟎, 𝟏
𝒛= 𝒛= = 𝟎, 𝟗𝟓𝟐𝟑𝟖𝟎𝟗 𝒛 = 𝟎, 𝟗𝟓
𝝈𝒑 𝟎, 𝟎𝟐𝟏
𝒑𝒌 − 𝒑 𝟎, 𝟏 − 𝟎, 𝟏
𝒛= 𝒛= = 𝟎, 𝟎𝟎 𝒛 = 𝟎, 𝟎𝟎
𝝈𝒑 𝟎, 𝟎𝟐𝟏
𝑷 −∝ < 𝒁 < 𝟎 = 𝟎, 𝟓
P(−∝ < z < - 2,38) = 0.0087 P ( - ∝ < pk < 0,05 ) = 0,0087 𝟎, 𝟖𝟕%
P (0,05 < pk < 0,1 ) = 0,4913
pk > 0,05 p = 0,1
Existe una probabilidad del 0,87% de que incrementara sus
−∝ Z = -2,38 Z = 0 +∝ pedidos.
ഥ
𝒙𝟏 ഥ
𝒙𝟏
𝝈
𝝈𝒙ഥ =
𝒏
por lo que no es difícil deducir que 𝝁𝒙ഥ𝟏 − 𝝁𝒙ഥ𝟐 = 𝝁𝟏 − 𝝁𝟐 y que
𝝈𝟐𝟏 𝝈𝟐𝟐
𝝈𝒙𝟏−𝒙𝟐 = +
𝒏𝟏 𝒏𝟐
La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia de medias
es:
ഥ
𝒙1 − ഥ
𝒙2 − 𝝁1 − 𝝁2
𝒁=
𝝈12 𝝈22
+
𝒏1 𝒏2
Dada la siguiente información acerca de las vidas útiles de dos marcas de pilas de 9 voltios Marca A
(horas): media = 51; desviación típica = 8 Marca B (horas): media = 50; desviación típica = 6. Si se
selecciona una muestra aleatoria de 100 pilas de cada marca, a) ¿cuál es la probabilidad de que la
vida útil media de la marca A: sea superior a la de la marca B en 0,6 horas o más; b) sea inferior a la
de la marca B en 0,6 horas o más.
Hipótesis Estadística:
La hipótesis nula es: H0: 𝜇𝐴 ≥ 𝜇𝐵
H0: La vida útil de la pila marca A es mayor e igual a la pila B
La hipótesis alternativa es: H1: 𝜇𝐴 < 𝜇𝐵
H1: La vida útil de la pila marca A es menor que la pila B
Marca A 𝜇𝐴 = 51 𝜎𝐴 = 8 𝑛𝐴 = 100
𝑷(𝒁 > 𝟎, 𝟎𝟔) = 𝟎, 𝟔𝟓𝟓𝟒
Marca B 𝜇𝐵 = 50 𝜎𝐵 = 6 𝑛𝐵 = 100
𝑥𝐴ҧ − 𝑥ҧ𝐵 − 𝜇𝐴 − 𝜇𝐵
𝑧= 𝑷 −𝟎, 𝟒 < 𝒛 < 𝟎 = 𝟎, 𝟏𝟓𝟓𝟒𝟐
𝜎𝐴2 𝜎𝐵2
+
𝑛𝐴 𝑛𝐵 𝝁𝑨 − 𝝁𝑩 = 𝟏
ഥ
𝒙𝑨 − ഥ
𝒙𝑩 = 𝟎, 𝟔
0,6 − 51 − 50 𝒁 = −𝟎, 𝟒
𝑧=
82 62
+ 𝑷 𝒛 > −𝟎, 𝟒 =¿ … … . . ?
100 100
𝑷 −𝟎, 𝟒 < 𝒛 < 𝟎 = 𝟎, 𝟏𝟓𝟓𝟒𝟐 o 𝑷 𝟎, 𝟔 < ഥ
𝒙𝑨 − ഥ
𝒙𝑩 < 𝟏 = 𝟎, 𝟏𝟓𝟓𝟒𝟐
𝑧 = −0,4
𝑷 𝒛 ≥ −𝟎, 𝟒 = 𝑷 ഥ
𝒙𝑨 − ഥ
𝒙𝑩 ≥ 𝟎, 𝟔
Existe una probabilidad del 65.54% que la vida útil de la pila marca A es mayor
e igual a 0,6 horas mas que la pila marca B..
H0: La vida útil de la pila marca A es mayor e igual a la pila B
b) Sea inferior a la de la marca B en 0,6 horas o más.
Hipótesis Estadística:
La hipótesis nula es: H0: 𝜇𝐴 ≤ 𝜇𝐵
H0: La vida útil de la pila marca A es menor e igual a la pila B
La hipótesis alternativa es: H1: 𝜇𝐴 > 𝜇𝐵
H1: La vida útil de la pila marca A es mayor que la pila B
Marca A 𝜇𝐴 = 51 𝜎𝐴 = 8 𝑛𝐴 = 100
Marca B 𝜇𝐵 = 50 𝜎𝐵 = 6 𝑛𝐵 = 100
𝑷(−∞ < 𝒁 < 𝟎. 𝟒) = 𝟎, 𝟔𝟓𝟓𝟒
−0,6 − 50 − 51 𝒁 = 𝟎. 𝟒
𝑧=
82 62 𝑷 −∞ < 𝒛 < 𝟎, 𝟒 =¿ … … . . ?
+
100 100
𝑷 𝟎 < 𝒛 < 𝟎. 𝟒 = 𝟎, 𝟏𝟓𝟓𝟒 o 𝑷 −𝟏 < ഥ
𝒙𝑩 − ഥ
𝒙𝑨 < −𝟎, 𝟔 = 𝟎, 𝟏𝟓𝟓𝟒
𝑧 = 0.4
𝑷 −∞ < 𝒛 < 𝟎. 𝟒 = 𝑷 −∞ < ഥ
𝒙𝑨 − ഥ
𝒙𝑩 < −𝟎, 𝟔
Existe una probabilidad del 65.54% que la vida útil de la pila marca
B es menor e igual a 0,6 horas mas que la pila marca A.
Por experiencia se sabe que el tiempo de trabajo promedio de un artículo con los tornos existentes es
de 38.6 minutos (desviación típica de 13,8). El tiempo de trabajo promedio con los nuevos tornos es de
33,5 minutos (desviación típica 14,1). Si se toman dos muestras de 18 tornos cada una, ¿cuál es la
probabilidad, al producir 900 artículos, que el promedio de diferencia de B con respecto a A, sea
superior en dos minutos?
Hipótesis Estadística:
La hipótesis nula es: H0: 𝜇𝐴 ≤ 𝜇𝐵
H0: La producción del torno A es menor e igual al torno B en dos minutos
La hipótesis alternativa es: H1: 𝜇𝐴 > 𝜇𝐵
H1: La producción del torno A es mayor al torno B en dos minutos
La probabilidad, al producir 900 artículos, que el promedio de diferencia de B con respecto
a A, sea superior en dos minutos?
𝑥ҧ𝐵 − 𝑥𝐴ҧ − 𝜇𝐴 − 𝜇𝐵
𝑧=
𝜎𝐴2 𝜎𝐵2 𝝁𝑨 − 𝝁𝑩 = 𝟓, 𝟏
+ ഥ
𝒙𝑩 − ഥ
𝒙𝑨 = −𝟐
𝑛𝐴 𝑛𝐵
𝒁 = −𝟏, 𝟓𝟑
−2 − 38,6 − 33,5
𝑧=
13,82 14,12 𝑷 𝒛 < −𝟐 =¿ … … . . ?
+
18 18 𝑷 −𝟏, 𝟓𝟑 < 𝒛 < 𝟎 = 𝟎, 𝟒𝟑𝟔𝟗𝟗 o 𝑷 −𝟐 < ഥ
𝒙𝑩 − ഥ
𝒙𝑨 < 𝟓. 𝟏 = 𝟎, 𝟒𝟑𝟔𝟗𝟗
𝑧 = −1,52679
𝑷 𝒛 < −𝟏, 𝟓𝟑 = 𝑷 ഥ
𝒙𝑨 − ഥ
𝒙𝑩 < −𝟐
Educación.- ¿Es mayor la proporción de los estudiantes que aprueban matemáticas que las de
los que aprueban inglés?
Medicina.- ¿Es menor el porcentaje de los usuarios del medicamento A que presentan una
reacción adversa que el de los usuarios del fármaco B que también presentan una reacción de
ese tipo?
Administración.- ¿Hay diferencia entre los porcentajes de hombres y mujeres en posiciones
gerenciales.
Ingeniería.- ¿Existe diferencia entre la proporción de artículos defectuosos que genera la
máquina A a los que genera la máquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones
muestrales, la distribución muestral de diferencia de proporciones es aproximadamente normal
para tamaños de muestra grande (𝒏𝟏 ∗ 𝒑𝟏 ≥ 𝟓; 𝒏𝟏 ∗ 𝒒𝟏 ≥ 𝟓; 𝒏𝟐 ∗ 𝒑𝟐 ≥ 𝟓 y 𝒏𝟐 ∗ 𝒒𝟐 ≥ 𝟓).
Entonces 𝒑𝟏 y 𝒑𝟐 tienen distribuciones muestrales aproximadamente normales, así que su
diferencia 𝒑𝟏 − 𝒑𝟐 también tiene una distribución muestral aproximadamente normal.
P1 P2
𝒑𝟏 𝒑𝟏
Muestra 1 𝑝11 − 𝑝21 Muestra 1
Muestra 2 𝒑𝟐 𝑝12 − 𝑝22 𝒑𝟐 Muestra 2
Muestra 3 Muestra 3
: 𝑝13 − 𝑝23 :
𝒑𝟑 : 𝒑𝟑
: : :
: : :
Muestra k 𝑝1𝑘 − 𝑝2𝑘 Muestra k
𝒑𝒌 𝒑𝒌
𝑷1 ∗ 𝒒1 𝑷2 ∗ 𝒒2
por lo que no es difícil deducir que 𝝁𝒑𝟏 − 𝝁𝒑𝟐 = 𝑷𝟏 − 𝑷𝟐 y que 𝝈𝒑1−𝒑2 = +
𝒏1 𝒏2
1 = 𝒑𝒊 + 𝒒𝒊 𝒑𝒊 = 𝟏 − 𝒒𝒊
𝒒𝒊 = 𝟏 − 𝒑𝒊
Se debe incluir el factor de corrección de 0.5 por ser una distribución binomial y se está
utilizando la distribución normal.
𝟏
𝒑𝟏 − 𝒑𝟐 −
𝟐𝒏
Los hombres y mujeres adultos radicados en una ciudad grande de una del región norte difieren en
sus opiniones sobre la promulgación de la pena de muerte para personas culpables de asesinato.
Se cree que el 12% de los hombres adultos están a favor de la pena de muerte, mientras que sólo
10% de las mujeres adultas lo están. Si se pregunta a dos muestras aleatorias de 100 hombres y
100 mujeres su opinión sobre la promulgación de la pena de muerte, determine la probabilidad de
que el porcentaje de hombres a favor sea al menos 3% mayor que el de las mujeres.
Hipótesis Estadística:
Sobre la promulgación de la pena de muerte para personas culpables de asesinato.
La hipótesis nula es: H0: 𝜌𝐻 ≥ 𝜌𝑀
H0: Los hombres difieren en sus opiniones mas e igual que las mujeres.
La hipótesis alternativa es: H1: 𝜌𝐻 < 𝜌𝑀
H1: Los hombres difieren en sus opiniones menos que las mujeres.
Datos:
pH = 0.12 nH = 100 Se debe incluir el factor de corrección de 0.5 por ser una
pM = 0.10 nM = 100 distribución binomial y se está utilizando la distribución normal.
𝟏
P(pH – pM ≥ 0,03) = ? 𝒑𝑯 − 𝒑𝑴 −
𝟐𝒏
= 0,03-0.005 = 0,025
𝒑𝑯 − 𝒑𝑴 − 𝑷𝑯 − 𝑷𝑴
𝒁=
𝒑𝒊 + 𝒒 𝒊 = 𝟏 𝑷𝑯 ∗ 𝒒𝑯 𝑷𝑴 ∗ 𝒒𝑴
+
𝒏𝑯 𝒏𝑴
pH = 0.12 𝒒𝑯 = 𝟏 − 𝟎. 𝟏𝟐 = 𝟎. 𝟖𝟖
0,025 − 0,12 − 0,10
pM = 0.10 𝒒𝑴 = 𝟏 − 𝟎. 𝟏𝟎 = 𝟎. 𝟗𝟎 𝒁= Z = 0,113
0,12 ∗ 0,88 0,10 ∗ 0,90
+
100 100
= 1 - 0,5438 = 0,4562 𝑷𝑯 − 𝑷𝑴 = 𝟎, 𝟎𝟐 𝒑𝟏 − 𝒑𝟐 = 𝟎. 𝟎𝟑
𝒁 = 𝟎. 𝟏𝟏𝟑
𝟏
𝒑𝟏 − 𝒑𝟐 − = 𝟎. 𝟎𝟑 − 𝟎. 𝟎𝟎𝟓 = 𝟎. 𝟎𝟐𝟓
𝟐𝒏
Se concluye que la probabilidad de que el porcentaje de hombres a favor de la pena de muerte, al menos
3% mayor que el de mujeres es 45.62% (0.4562).
Una encuesta que constó de 320 trabajadores que fueron despedidos entre 2018 y
2019, encontró que 20% habían estado sin trabajo durante por lo menos dos años.
Supóngase que tuviera que seleccionar otra muestra aleatoria de 320 trabajadores de
entre todos los empleados despedidos entre 2018 y 2019. ¿Cuál sería la probabilidad
de que su porcentaje muestral de trabajadores sin empleo durante por lo menos dos
años, difiera del porcentaje obtenido en la encuesta, en 5% o más?
Hipótesis Estadística:
La hipótesis nula es: H0: 𝜌𝐴 ≤ 𝜌𝐵
H0: La probabilidad de trabajadores sin empleo durante por lo menos
dos años, difiera en mas e igual en 5% .
La hipótesis alternativa es: H1: 𝜌𝐴 > 𝜌𝐵
H1: : La probabilidad de trabajadores sin empleo durante por lo menos
dos años, difiera en menos del 5% .
Datos:
p1 = 0.20 n1 = 320 trabajadores
p2 = 0.20 n2 = 320 trabajadores
𝟏
𝒑𝟏 − 𝒑𝟐 − = 0,05-0.0015625 = 0,0484375
p1 = 0.20 𝒒𝟏 = 𝟏 − 𝟎. 𝟐 = 0,8 𝟐𝒏
𝟏
𝒑𝟏 − 𝒑𝟐 + = -0,05+0.0015625 = -0,0484375
𝟐𝒏
𝒑1 − 𝒑2 − 𝑷1 − 𝑷2 −0,0484 − 0
𝒁= 𝒁= z = -1,53
𝑷1 ∗ 𝒒1 𝑷2 ∗ 𝒒2 0,2 ∗ 0,80 0,2 ∗ 0,8
+ +
𝒏1 𝒏2 320 320
𝑷 𝒛 < −𝟏. 𝟓𝟑 =¿ … … . . ?
= 𝟎, 𝟓 − 𝑷 −𝟏. 𝟓𝟑 < 𝒁 < 𝟎 𝑷 𝒁 < −𝟏. 𝟓𝟑 𝑷 −𝟏. 𝟓𝟑 < 𝒛 < 𝟎 𝑷 𝟎 < 𝒛 < 𝟏. 𝟓𝟑 𝑷 𝒁 > 𝟏. 𝟓𝟑
= 𝟎, 𝟎𝟔𝟏𝟕𝟖 = 𝟎, 𝟎𝟒𝟑𝟖𝟐𝟐 = 𝟎, 𝟎𝟒𝟑𝟖𝟐𝟐 = 𝟎, 𝟎𝟔𝟏𝟕𝟖
𝑷 𝒛 > 𝟏. 𝟓𝟑 =¿ … … . . ?
𝑷𝟏 − 𝑷𝟐 = 𝟎, 𝟎𝟐
𝒑𝟏 − 𝒑𝟐 = −𝟎. 𝟎𝟓 𝒑𝟏 − 𝒑𝟐 = 𝟎. 𝟎𝟓
𝑷 𝒛 > 𝟏. 𝟓𝟑 = 𝑷 𝒑𝟏 − 𝒑𝟐 > 𝟎, 𝟎𝟓
𝒁 = −𝟏. 𝟓𝟑 𝒁 = 𝟏. 𝟓𝟑
𝟏 𝟏
𝑷 𝒛 > 𝟏. 𝟓𝟑 = 𝑷 𝒑𝟏 − 𝒑𝟐 > 𝟎. 𝟎𝟓 𝒑𝟏 − 𝒑𝟐 − = −𝟎. 𝟎𝟓 + 𝟎. 𝟎𝟎𝟏𝟓𝟔 𝒑𝟏 − 𝒑𝟐 − = 𝟎. 𝟎𝟓 − 𝟎. 𝟎𝟎𝟏𝟓𝟔
𝟐𝒏 𝟐𝒏
= − 𝟎. 𝟎𝟒𝟖𝟒 = 𝟎. 𝟎𝟒𝟖𝟒
= 𝟎, 𝟓 − 𝑷 𝟎 < 𝒁 < 𝟏. 𝟓𝟑
La probabilidad de que su proporción muestral de trabajadores sin empleo durante por lo menos
dos años, difiera del porcentaje obtenido en la encuesta, en 0.05 o más es de 0.1236 (12.36%).
Conclusiones
El objetivo del muestreo es obtener inferencia sobre una población de interés, de la
forma más eficiente y confiable. El objetivo de la elaboración y la aplicación de
encuestas es la recopilación de datos suficientes para inferir sobre una población.
• Cien latas de 16 onzas de salsa de tomate tienen un promedio de 15,2 onzas. La desviación estándar poblacional en
peso es de 0,96 onzas. ¿A un nivel de confianza del 95% las latas parecen estar llenas con un promedio de 16 onzas?
• Para estimar el gasto promedio de los clientes en un local de ventas de comidas rápida, los estudiantes de la
asignatura de estadística toman una muestra de 200 clientes y encuentran un gasto promedio de 5,67 um.; con una
desviación estándar de 1,1 um.; ¿Cuál es el intervalo de confianza del 95% para los gastos promedio de todos los
clientes? Interprete los resultados.
• Un estudio realizado por los profesores en la universidad, esta diseñado para ofrecer inferencias sobre la tasa de
desempleo por distritos. Una muestra de 200 distritos reportan una tasa promedio del 6,2%; con una desviación
estándar del 1,7%. A un nivel de confianza del 90%. ¿Cuál es el estimado de la tasa de desempleo promedio por
distrito en el pais? Interprete los resultados.