ESTADISTICA APLICADA

Intervalos de Confianza
para la Media y para una Proporción

SEMESTRE 2022-I
 1 Distribuciones Muestrales

2 Distribución Muestral para una

Media
Temas a
3 Distribución Muestral para una
Desarrollar Proporción

4 Distribución Muestral para Diferencias de

Medias

5 Distribución Muestral para Diferencias de

Proporciones
Logro de la sesión
El muestreo, es un procedimiento por el que se infieren los valores
verdaderos de una población, a través de la experiencia obtenida con una
muestra de esta. El uso de muestras para estimar valores de una población
ofrece diversas ventajas.
Así obtenemos una distribución del estadístico que se llama distribución
muestral. Las dos medidas fundamentales de esta distribución son la media
y la desviación típica, también denominada error típico.
Se utiliza cuando la población se encuentra dividida, de manera natural, en
grupos que se supone que contienen toda la variabilidad de la población, es
decir, la representan fielmente respecto a la característica a elegir, pueden
seleccionarse sólo algunos de estos grupos o conglomerados para la
realización del estudio .
DISTRIBUCIÓN MUESTRAL PARA LA MEDIA POBLACIONAL
Intervalo de Confianza para la Media Poblacional - MUESTRAS GRANDES

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

Intervalo de Confianza (IC): para estimar 𝝁 cuando 𝝈 es conocido:

ഥ ± 𝒁 ∗ 𝝈ഥ𝒙
𝝁=𝑿 𝟑𝟓 𝟓𝟎𝟎 − 𝟏, 𝟗𝟔 ∗ 𝟕𝟐𝟎 ≤ 𝝁 ≤ 𝟑𝟓 𝟓𝟎𝟎 + 𝟏, 𝟗𝟔 ∗ 𝟕𝟐𝟎
𝟑𝟒 𝟎𝟖𝟖, 𝟖 ≤𝝁 ≤ 𝟑𝟔 𝟗𝟏𝟏, 𝟐
 ഥ ± 𝒁 ∗ 𝝈ഥ𝒙
𝝁=𝑿 𝟑𝟓 𝟓𝟎𝟎 − 𝟏, 𝟗𝟔 ∗ 𝟕𝟐𝟎 ≤ 𝝁 ≤ 𝟑𝟓 𝟓𝟎𝟎 + 𝟏, 𝟗𝟔 ∗ 𝟕𝟐𝟎
𝟑𝟒 𝟎𝟖𝟖, 𝟖 ≤𝝁 ≤ 𝟑𝟔 𝟗𝟏𝟏, 𝟐

0,50 0,50

𝑷 −𝟏. 𝟗𝟔 < 𝒁 < 𝟎 = 𝟎, 𝟒𝟕𝟓 𝑷 𝟎 < 𝒁 < 𝟏. 𝟗𝟔 = 𝟎, 𝟒𝟕𝟓

𝑿 = 𝟑𝟒 𝟎𝟖𝟖. 𝟖𝟎 𝝁 𝑿 = 𝟑𝟔 𝟗𝟏𝟏. 𝟐𝟎

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

𝑷 −𝟏. 𝟗𝟔 < 𝒁 < 𝟏. 𝟗𝟔 = 𝟎, 𝟗𝟓

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

Intervalo de Confianza (IC): para estimar 𝝁 cuando 𝝈 es conocido:

ഥ ± 𝒁 ∗ 𝝈ഥ𝒙
𝝁=𝑿 𝟔𝟓𝟐, 𝟔𝟖 − 𝟐, 𝟓𝟖 ∗ 𝟑𝟎, 𝟕𝟓 ≤ 𝝁 ≤ 𝟔𝟓𝟐, 𝟔𝟖 + 𝟐, 𝟓𝟖 ∗ 𝟑𝟎, 𝟕𝟓
𝟓𝟕𝟑, 𝟑𝟓 ≤ 𝝁 ≤ 𝟕𝟑𝟐, 𝟎𝟐
 ഥ ± 𝒁 ∗ 𝝈ഥ𝒙
𝝁=𝑿 652.68 −𝟐. 𝟓𝟖 ∗ 𝟑𝟎. 𝟕𝟓 ≤ 𝝁≤ 𝟔𝟓𝟐. 𝟔𝟖 + 𝟐. 𝟓𝟖 ∗ 𝟑𝟎. 𝟕𝟓

𝟓𝟕𝟑, 𝟑𝟓 ≤𝝁≤ 𝟕𝟑𝟐. 𝟎𝟐

0,50 0,50

𝑷 −𝟐. 𝟓𝟖 < 𝒁 < 𝟎 = 𝟎, 𝟒𝟗𝟓 𝑷 𝟎 < 𝒁 < 𝟐. 𝟓𝟖 = 𝟎, 𝟒𝟗𝟓

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

𝑷 −𝟐. 𝟓𝟖 < 𝒁 < 𝟐. 𝟓𝟖 = 𝟎, 𝟗𝟗

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

Como se observa el intervalo de confianza se ha reducido (es mas estrecho)

y ofrece mayor precisión. Un intervalo amplio no es especialmente útil, entre
mas estrecho sea el intervalo mas preciso es. Al abandonar algo de confianza
gana mas precisión
 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

𝑷 −𝟏. 𝟗𝟔 < 𝒁 < 𝟎 = 𝟎, 𝟒𝟕𝟓 𝑷 𝟎 < 𝒁 < 𝟏. 𝟗𝟔 = 𝟎, 𝟒𝟕𝟓

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

𝑷 −𝟏. 𝟗𝟔 < 𝒁 < 𝟏. 𝟗𝟔 = 𝟎, 𝟗𝟓

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

𝒑=𝟏 −𝒒 proporción poblacional de éxito

𝒒=𝟏 −𝒑 proporción poblacional de fracaso 𝟏 = 𝒑+𝒒

σ𝒑
𝑬 𝒑 = =𝒑 valor esperado de las proporciones
𝒌

Valor Esperado = Media = p

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

Se obtienen muestras de tamaño n = 2

Numero de muestras a obtener valor esperado de las proporciones

𝑵! 𝟒! 𝟑,𝟎
𝑪𝑵 𝑬 𝒑 = = 𝟎, 𝟓 Valor Esperado
𝒏 = 𝑪𝟒𝟐 = =6 𝟔
𝑵 − 𝒏 ! ∗ 𝒏! 𝟒 − 𝟐 ! ∗ 𝟐!
Valor Esperado = Media = p
Proporciones de Éxito (p = 0,5)

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

Valor Esperado = Media = p

proporción poblacional 𝒑 = 𝟎, 𝟓 pp éxito

1 - 𝒑 = 𝟎, 𝟓 pp fracaso

error estándar con el factor de corrección para poblaciones finitas

𝒑 ∗ (𝟏 − 𝒑) 𝑵 −𝒏 𝟎, 𝟓 ∗ (𝟏 − 𝟎, 𝟓) 𝟒 −𝟐
𝝈𝒑 = 𝝈𝒑 = ∗ 𝝈𝒑 = 𝟎, 𝟐𝟖𝟖𝟔𝟕𝟓
𝒏 𝑵 −𝟏 𝟐 𝟒 −𝟏

𝑺𝒆 𝒂𝒔𝒖𝒎𝒆 𝒒𝒖𝒆 𝒔𝒊𝒆𝒏𝒅𝒐: 𝒑𝒌 > 𝟎. 𝟒𝟐 𝒗𝒂𝒍𝒐𝒓 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒅𝒐

Desviación normal para las proporciones

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

Utilizando Tabla de Distribución Normal a dos colas (cola izquierda)

Grafica de Distribución Normal a dos colas

P(−𝟎, 𝟐𝟖 < z < 0) = 0.1102612 𝑷 𝟎 < 𝒁 < +∝ = 𝟎, 𝟓

Resultado utilizando Simbología en función al eje Z

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 Resultado utilizando Simbología en función al eje 𝑿𝒊

+∝ P(𝟎, 𝟒𝟐 < 𝑿𝒊 < +∝ ) = P(𝟎, 𝟒𝟐 < 𝑿𝒊 < 0.5) + 𝑷 𝟎. 𝟓 < 𝑿𝒊 < +∝
Z = - 0,28 Z=0 𝒁𝒊
P( 𝟎. 𝟒𝟐 < 𝑿𝒊 < +∝ ) = P(𝟎. 𝟒𝟐 < 𝑿𝒊 < 𝟎. 𝟓) + 0.5
P(𝟎. 𝟒𝟐 < 𝑿𝒊 < + ∝ ) = 0,1102612 + 0,5
P(𝟎. 𝟒𝟐 < 𝑿𝒊 < +∝ ) = 0,6103
𝑺𝒊𝒆𝒏𝒅𝒐: 𝒑𝒌 > 𝟎. 𝟒𝟐 𝒗𝒂𝒍𝒐𝒓 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒅𝒐 𝒛 = − 𝟎, 𝟐𝟖
Utilizando Tabla de Distribución Normal a una sola cola (acumulada)

Grafica de Distribución Normal a dos colas

𝑷 −∝ < 𝒁 < −𝟎, 𝟐𝟖 = 𝟎, 𝟑𝟖𝟗𝟕 P(−𝟎, 𝟐𝟖 < z < +∝ )

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:

1. Parámetro de interés: La media de la proporción

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%)

a.- Mas del 12% de defectos, definitivamente buscará un nuevo proveedor.

Datos: Error estándar de las proporciones

E(p) = p = 10% 𝒑 ∗ (𝟏 − 𝒑) 𝟎, 𝟏 ∗ (𝟏 − 𝟎, 𝟏)
n = 200 𝝈𝒑 = 𝝈𝒑 = = 𝟎, 𝟎𝟐𝟏
𝒏 𝟐𝟎𝟎
pk > 12%
Desviación normal para las proporciones
𝒑𝒌 − 𝒑 𝟎, 𝟏𝟐 − 𝟎, 𝟏
𝒛= 𝒛= = 𝟎, 𝟗𝟓𝟐𝟑𝟖𝟎𝟗 𝒛 = 𝟎, 𝟗𝟓
𝝈𝒑 𝟎, 𝟎𝟐𝟏
E(p) = p = 10%
n = 200
pk > 12%
Error estándar de las proporciones 𝝈𝒑 = 𝟎, 𝟎𝟐𝟏

Desviación normal para las proporciones 𝒛 = 𝟎, 𝟗𝟓 𝑷 −∝ < 𝒁 < 𝟎, 𝟗𝟓 = 𝟎, 𝟖𝟐𝟖𝟗 P(𝟎, 𝟗𝟓 < z < +∝ )

p = 0,1 pk > 0,12

−∝ Z=0 Z = 0,95 +∝
Utilizando Tabla de Distribución Normal a una sola cola (acumulada)

P (0,12 < pk < +∝ ) = 𝟏 − 𝑷 −∝ < pk < 𝟎, 𝟏𝟐

P (0,12 < pk < +∝ ) = 1 - 0,8289
P (0,12 < pk < +∝ ) = 0,1711 𝟏𝟕, 𝟏𝟏

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

P(−∝ < z < 0 ) = 0.5 𝑷 𝟎 < 𝒁 < 𝟎, 𝟗𝟓 = 𝟎, 𝟖𝟐𝟖𝟗

P (0,1 < pk < 0,12 ) = 𝑷 −∝ < pk < 𝟎, 𝟏𝟐 − 𝑷 −∝ < pk < 𝟎, 𝟏
P (0,1 < pk < 0.12 ) = 0,8289 – 0,5

p = 0,1 pk < 0,12

P (0,1 < pk < 𝟎. 𝟏𝟐 ) = 0,3289 𝟑𝟐, 𝟖𝟗
Z=0 Z = 0,95
−∝ +∝ Existe una probabilidad del 32,89 en considerar un nuevo proveedor.
c.- Entre el 5 y el 10% de defectos, definitivamente no conseguirá un nuevo proveedor.

Datos: Desviación normal para las proporciones

E(p) = p = 10% 𝒑𝒌 − 𝒑 𝟎, 𝟎𝟓 − 𝟎, 𝟏
𝒛= 𝒛= = −𝟐, 𝟑𝟖𝟎𝟗𝟓 𝒛 = −𝟐, 𝟑𝟖
n = 200 𝝈𝒑 𝟎, 𝟎𝟐𝟏
𝝈𝒑 = 𝟎, 𝟎𝟐𝟏
5% < pk < 10%

𝑷 −∝ < pk < 𝟎, 𝟎𝟓 = 0.087

𝒑𝒌 − 𝒑 𝟎, 𝟏 − 𝟎, 𝟏
𝒛= 𝒛= = 𝟎, 𝟎𝟎 𝒛 = 𝟎, 𝟎𝟎
𝝈𝒑 𝟎, 𝟎𝟐𝟏
𝑷 −∝ < 𝒁 < 𝟎 = 𝟎, 𝟓

𝑷 −∝ < pk < 𝟎, 𝟏 = 0.5

P(−∝ < z < -2,38 ) = 0.0087
P (0,05 < pk < 0,1 ) = 𝑷 −∝ < pk < 𝟎, 𝟏 − 𝑷 −∝ < pk < 𝟎, 𝟎𝟓
pk > 0,05 p = 0,1 P (0,05 < pk < 0,1 ) = 0,5 – 0,0087
−∝ Z = -2,38 Z=0 +∝ P (0,05 < pk < 0,1 ) = 0,4913 𝟒𝟗, 𝟏𝟑%
Existe una probabilidad del 49,13% de que definitivamente no
conseguirá un nuevo proveedor
 d.- Menos del 5% de defectos, incrementara sus pedidos.

Datos: Desviación normal para las proporciones

E(p) = p = 10%
n = 200 𝒑𝒌 − 𝒑 𝟎, 𝟎𝟓 − 𝟎, 𝟏
𝒛= 𝒛= = −𝟐, 𝟑𝟖𝟎𝟗𝟓 𝒛 = −𝟐, 𝟑𝟖
𝝈𝒑 = 𝟎, 𝟎𝟐𝟏 𝝈𝒑 𝟎, 𝟎𝟐𝟏
pk < 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.

ANALISIS DE LAS PROPUESTAS:

Como la propuesta “c” tiene la probabilidad mas alta, TELECOM S.A. se quedara con su
proveedor actual.
DISTRIBUCIÓN MUESTRAL PARA LA DIFERENCIA DE MEDIAS
Distribución Muestral de Diferencia de Medias

Suponga que se tienen dos poblaciones distintas:

 La primera con media 𝝁𝟏 y desviación estándar 𝝈𝟏 ; y

 La segunda con media 𝝁𝟐 y desviación estándar 𝝈𝟐 .
 Más aún, se elige una muestra aleatoria de tamaño 𝒏𝟏 de la primera
población y una muestra independiente aleatoria de tamaño 𝒏𝟐 de la
segunda población.
 Se calcula la media muestral para cada muestra y la diferencia entre dichas
medias. La colección de todas esas diferencias se llama distribución
muestral de las diferencias entre medias o la distribución muestral del
estadístico 𝒙ഥ𝟏 − 𝒙
ഥ𝟐
 P1 P2

ഥ
𝒙𝟏 ഥ
𝒙𝟏

Muestra 1 𝑥ҧ11 − 𝑥ҧ21 Muestra 1

Muestra 2 ഥ
𝒙𝟐 𝑥12
ҧ − 𝑥ҧ22 ഥ
𝒙𝟐 Muestra 2
Muestra 3 𝑥ҧ13 − 𝑥ҧ23 Muestra 3
: : :
ഥ
𝒙𝟑 ഥ
𝒙𝟑
: : :
: : :

Muestra k 𝑥ҧ1𝑘 − 𝑥ҧ2𝑘 Muestra k

ഥ
𝒙𝒌 ഥ
𝒙𝒌

Población 1 Distribución Muestral de Población 2

Diferencia de Medias

La distribución es aproximadamente normal para 𝒏𝟏 ≥ 𝟑𝟎 y 𝒏𝟐 ≥ 𝟑𝟎 . Si las poblaciones son

normales, entonces la distribución muestral de medias es normal sin importar los tamaños de las
muestras.
En ejercicios tanto en la distribución muestral de medias como en la de proporciones (anteriores) se
había demostrado que 𝝁 = 𝝁𝒙ഥ y que:

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.

a) Sea superior la duración de la marca A en 0,6 horas o más.

1. Parámetro de interés: La diferencia de las medias

Hipótesis Estadística:
La hipótesis nula es:
La hipótesis alternativa es:
H0: 𝜇𝐴 ≥ 𝜇𝐵
H0: La vida útil de la pila marca A es mayor e igual a la pila B
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

a).- 𝑝 𝑥𝐴ҧ − 𝑥ҧ𝐵 > 0,6 =¿ … . ? 𝟎, 𝟓𝟎

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

= 𝑷 −𝟎, 𝟒 < 𝒁 < 𝟎) + 0,5 = 0,15542 + 0,5 = 0,65542 ≅ 𝟔𝟓, 𝟓𝟒%

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.

1. Parámetro de interés: La diferencia de las medias

Hipótesis Estadística:
La hipótesis nula es:
La hipótesis alternativa es:
H0: 𝜇𝐴 ≤ 𝜇𝐵
H0: La vida útil de la pila marca A es menor e igual a la pila B
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

b).- 𝑝 𝑥ҧ 𝐵 − 𝑥𝐴ҧ ≤ −0,6 =¿ … . ? 𝟎, 𝟓𝟎

𝑷 𝟎 < 𝒛 < 𝟎. 𝟒 = 𝟎, 𝟏𝟓𝟓𝟒
𝑥ҧ 𝐵 − 𝑥𝐴ҧ − 𝜇𝐵 − 𝜇𝐴
𝑧=
𝜎𝐴2 𝜎𝐵2
+
𝑛𝐴 𝑛𝐵 𝝁𝑩 − 𝝁𝑨 = −𝟏
ഥ
𝒙𝑩 − ഥ
𝒙𝑨 = −𝟎, 𝟔

−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

= 𝟎. 𝟓 + 𝑷 𝟎 < 𝒁 < −𝟎, 𝟔) = 0,5 + 0,1554 = 0,6554 ≅ 𝟔𝟓, 𝟓𝟒%

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?

1. Parámetro de interés: La diferencia de las medias

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?

Torno A 𝜇𝐴 = 38,6 𝜎𝐴 = 13,8 𝑛𝐴 = 18 𝑷(𝒁 < −𝟏, 𝟔) = 𝟎, 𝟎𝟔𝟑

Torno B 𝜇𝐵 = 33,5 𝜎𝐵 = 14,1 𝑛𝐵 = 18

𝟎, 𝟓𝟎
𝑝 𝑥ҧ 𝐵 − 𝑥𝐴ҧ > −2 =¿ … . ? 𝑷 −𝟏, 𝟓𝟑 < 𝒛 < 𝟎 = 𝟎, 𝟒𝟑𝟔𝟗𝟗

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

= 𝟎. 𝟓 − 𝑷 −𝟏, 𝟓𝟑 < 𝒁 < 𝟎) = 0,5 - 0,43699 = 0,063 ≅ 𝟔, 𝟑𝟎%

H1: La producción del torno A es mayor al torno B en dos minutos
DISTRIBUCIÓN MUESTRAL PARA LA DIFERENCIA DE PROPORCIONES
Muchas aplicaciones involucran poblaciones de datos cualitativos que deben
compararse utilizando proporciones o porcentajes. Así tenemos:

 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

Población 1 Distribución Muestral de Población 2

Diferencia de Proporciones
 Cuando se estudió a la distribución muestral de proporciones se comprobó que
(𝑷𝟏 − 𝑷𝟐) = 𝝁𝒑 y que
𝒑∗𝒒
𝝈𝒑 =
𝒏

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

La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia de

proporciones es:
𝒑1 − 𝒑2 − 𝑷1 − 𝑷2
𝒁=
𝒑1 ∗ 𝒒1 𝒑2 ∗ 𝒒2
+
𝒏1 𝒏2

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.

1. Parámetro de interés: La diferencia de las proporciones

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

𝑷 −∝ <𝒑𝑯 − 𝒑𝑴 < 𝟎, 𝟏𝟏 = 0.5438

 𝑷 𝒛 > 𝟎. 𝟏𝟏𝟑 =¿ … … . . ? 1. 𝟎

𝑷 𝒛 > 𝟎. 𝟏𝟏𝟑 = 𝑷 𝒑𝟏 − 𝒑𝟐 > 𝟎, 𝟎𝟑

𝑷 𝒁 > 𝟎. 𝟏𝟏𝟑 = 𝟎, 𝟒𝟓𝟔𝟐

𝑷 𝒛 > 𝟎. 𝟏𝟏𝟑 = 𝟏 − 𝑷 𝒑𝟏 − 𝒑𝟐 < 𝟎. 𝟎𝟑 𝑷 −∞ < 𝒛 < 𝟎. 𝟏𝟏𝟑 = 𝟎, 𝟓𝟒𝟑𝟖

= 𝟏 − 𝑷 −∞ < 𝒁 < 𝟎. 𝟏𝟏𝟑

= 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?

1. Parámetro de interés: La diferencia de las proporciones

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

P1 = P2 = ±0,05 Se debe incluir el factor de corrección de 0.5 por ser una

P1 - P 2 = 0 distribución binomial y se está utilizando la distribución normal.

𝟏
𝒑𝟏 − 𝒑𝟐 − = 0,05-0.0015625 = 0,0484375
p1 = 0.20 𝒒𝟏 = 𝟏 − 𝟎. 𝟐 = 0,8 𝟐𝒏

1 = 𝒑𝒊 + 𝒒𝒊 = 0,2 + 0,8 𝒑1 − 𝒑2 − 𝑷1 − 𝑷2 0,0484 − 0

𝒁= 𝒁= z = 1,53
p2 = 0.20 𝒒𝟏 = 𝟏 − 𝟎. 𝟐 = 0,8 𝑷1 ∗ 𝒒1 𝑷2 ∗ 𝒒2 0,2 ∗ 0,80 0,2 ∗ 0,8
+
𝒏1 𝒏2 320 + 320
1 = 𝒑𝒊 + 𝒒𝒊 = 0,2 + 0,8

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 =¿ … … . . ?

𝑷 𝒛 < −𝟏. 𝟓𝟑 = 𝑷 𝒑𝟏 − 𝒑𝟐 < −𝟎, 𝟎𝟓

𝟎. 𝟓 𝟎. 𝟓

𝑷 𝒛 < −𝟏. 𝟓𝟑 = 𝑷 𝒑𝟏 − 𝒑𝟐 < −𝟎. 𝟎𝟓

= 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

= 0,5 - 0,43822 = 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

= 0,5 - 0,43822 = 0,06178

𝑃 𝑝1 − 𝑝2 ≤ −0,05 + 𝑃 𝑝1 − 𝑝2 ≥ 0,05 = 0,06178 + 0,06178 = 0,12356

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.

El muestreo es un proceso o conjunto de métodos para obtener una muestra finita de

una población finita o infinita, con el fin de estimar valores de parámetros o corroborar
hipótesis sobre la forma de una distribución de probabilidades o sobre el valor de un
parámetro de una o más poblaciones.

El muestreo es el proceso de seleccionar un conjunto de individuos de una población con

el fin de estudiarlos y poder caracterizar el total de la población. La idea es bastante
simple. Imagina que queremos saber algo de un universo o población, por ejemplo, qué
porcentaje de los habitantes del país consumen habitualmente un determinado producto.
Tareas en el aula virtual
INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL
• Un intervalo del 90% para estimar la ganancia promedio de peso de CUYES oscila entre 0,93 kilos y 1,72 kilos.
¿Como interpretaría estos resultados? ¿Qué valor de z se utilizo en la estimación?

• 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.

• Después de observar 50 programas de televisión seleccionados aleatoriamente, la secretaria de educación reporto un

promedio de 32,7 actos de violencia en 2018. Asuma una desviación estándar muestral de 10,1; ¿Cuál seria su
estimación al 95% del numero promedio de actos violentos por programa que los niños ven en la televisión? .
Fuentes Bibliográficas

“INTRODUCCIÓN A LAS TÉCNICAS DE MUESTREO”

José Boza Chirino , Jorge Vicente Pérez Rodríguez , Javier de León Ledesma

“TECNICAS DE MUESTREO ESTADISTICO: TEORIA, PRACTICA Y

APLICACIONES INFORMATICAS”
Cesar Perez

“EJERCICIOS Y PRÁCTICAS DE MUESTREO EN POBLACIONES FINITAS”

Francisco Ramón Fernández García, J. Antonio Mayor Gallego
MUCHAS
GRACIAS