Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SEMANA N° 12
ÍNDICE
Pág.
1. INTRODUCCIÓN ..................................................................................................................................... 3
3. DESARROLLO ......................................................................................................................................... 4
1. INTRODUCCIÓN
La teoría del muestreo aporta diversos métodos formales para seleccionar muestras a partir de una
determinada población. La información obtenida de dichas muestras puede resumirse utilizando técnicas de
estadística descriptiva. Sin embargo, cuando se trabaja con una muestra, rara vez nos interesa la muestra como
tal, sino que ésta interesa por su capacidad para aportar información con respecto a otros sujetos o a otras
situaciones. En los estudios descriptivos, el interés radica en seleccionar una muestra representativa de la
población de referencia, o dicho más concretamente, la muestra ha de presentar el mismo grado de diversidad
que la población respecto al parámetro o característica objeto de estudio. Las técnicas de muestreo
probabilístico descritas en el tema anterior facilitan muestras que serán muy probablemente representativas de
la población si el tamaño muestral es suficientemente grande. De esta forma, los resultados de la muestra
podrán inferirse a toda población con un grado razonable de certidumbre.
El objetivo de la estimación de parámetros es proveer de métodos que permitan determinar con cierta
precisión, el valor de los parámetros de un modelo a partir de una muestra extraída de la población.
trabajo colaborativo, con conocimiento de la realidad del entorno socioeconómico y cultural con
atención al desarrollo sostenible y a la ética profesional.
3. DESARROLLO
3.1.1. Definición
general, por q a partir del valor de un estadístico llamado estimador y representado por
3.2.1. Definición
a. 𝐸(𝑋̅) = 𝜇
2
b. 𝑉𝑎𝑟(𝑋̅) = 𝜎 ⁄𝑛
𝑋̅ − 𝜇
𝑍=𝜎
⁄ 𝑛
√
NOTA:
2
- La varianza de la media 𝑉𝑎𝑟(𝑋̅) = 𝜎 ⁄𝑛 es válido si el muestreo es con o sin reemplazo en
una población infinita o es con reemplazo en una población finita de tamaño N.
-Si el muestreo es sin reemplazo en una población finita de tamaño N, entonces, la varianza de
la distribución de 𝑋̅ es
𝜎2 𝑁 − 𝑛
𝜎𝑥2 = ( )
𝑛 𝑁−1
𝑁−𝑛
El coeficiente 𝑁−1 se denomina factor de corrección para población finita.
Ejemplo 01:
Solución:
𝑥𝑖 3 4 7 9 12
𝑓(𝑥𝑖 ) = 𝑃[𝑋 = 𝑥𝑖 ] 1/5 1/5 1/5 1/5 1/5
La media
𝑁 𝑁
𝑥𝑖 ∑𝑁
𝑖=1 𝑥𝑖 3 + 4 + 7 + 9 + 12
𝜇 = ∑ 𝑥𝑖 𝑓(𝑥𝑖 ) = ∑ = = =7
𝑁 𝑁 5
𝑖=1 𝑖=1
La varianza
𝑁
∑𝑁
𝑖=1 𝑥
2
32 + 42 + 72 + 92 + 122
𝜎 = ∑ 𝑥𝑖2 𝑓(𝑥𝑖 ) − 𝜇2 =
2
− 𝜇2 = − 72 = 10,8
𝑁 5
𝑖=1
3,3 3,4 3,7 3,9 3,12 4,3 4,4 4,7 4,9 4,12
7,3 7,4 7,7 7,9 7,12 9,3 9,4 9,7 9,9 9,12
Calculando tenemos:
la media
𝑁
1 2 1 1
𝜇𝑥̅ = 𝐸(𝑋̅) = ∑ 𝑓(𝑥̅ )𝑥̅ = 3 ( ) + 3,5 ( ) + 4 ( ) + ⋯ + 12 ( ) = 7
25 25 25 25
𝑖=1
𝑁
175
𝜇𝑥̅ = 𝐸(𝑋̅) = ∑ 𝑓(𝑥̅ )𝑥̅ = =7
25
𝑖=1
La varianza
𝑁
2)
1 2 2 2 1 2 1 2 1360
𝐸(𝑥̅ = ∑ 𝑓(𝑥̅ )𝑥̅ 2 = 3 ( ) + 3,5 ( ) + 4 ( ) + ⋯ + 12 ( ) =
25 25 25 25 25
𝑖=1
1360
𝜎𝑥̅2 = 𝑉𝑎𝑟(𝑋̅) = ∑ 𝑓(𝑥̅ ) 𝑥̅ 2 − 𝜇2 = − 72 = 5,4
25
𝑆𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟:
𝜎 2 10,8
𝜎𝑥̅2 = = = 5,4
𝑛 2
Calculando tenemos:
La media
𝑁
2 2 2 2
𝜇𝑥̅ = 𝐸(𝑋̅) = ∑ 𝑓(𝑥̅ )𝑥̅ = 3,5 ( ) + 5 ( ) + 5,5 ( ) + ⋯ + 10,5 ( ) = 7
20 20 20 20
𝑖=1
𝑁
140
𝜇𝑥̅ = 𝐸(𝑋̅) = ∑ 𝑓(𝑥̅ )𝑥̅ = =7
20
𝑖=1
La varianza
𝑁
2)
2 2 2 2 2 2 2 2 1061
𝐸(𝑥̅ = ∑ 𝑓(𝑥̅ )𝑥̅ 2 = 3,5 ( ) + 5 ( ) + 5,5 ( ) + ⋯ + 10,5 ( ) =
20 20 20 20 20
𝑖=1
1061
𝜎𝑥̅2 = 𝑉𝑎𝑟(𝑋̅) = ∑ 𝑓(𝑥̅ ) 𝑥̅ 2 − 𝜇2 = − 72 = 4,05
20
𝑆𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟:
𝜎 2 𝑁 − 𝑛 10,8 5−2
𝜎𝑥̅2 = × = ×( ) = 4,05
𝑛 𝑁−1 2 5−1
Calculando la media
𝜇𝑥̅ = 𝐸(𝑋̅) = 7
La varianza
𝜎2 10,8
𝜎𝑥̅2 = 𝑛
= 36
= 0,3 𝜎𝑥̅ = √0,3 = 0,55
𝑋̅−𝜇𝑥̅
𝑆𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: 𝑍= ~𝑁(0,1)
𝜎𝑥̅
5 − 7 𝑋̅ − 7 8 − 7
𝑃[5 ≤ 𝑋̅ ≤ 8] = 𝑃 [ ≤ ≤ ]
0,55 0,55 0,55
= 𝑃[−3,64 ≤ 𝑍 ≤ 1,82]
Ejemplo 02:
Se sabe que los pesos de los paquetes de cierto artículo en una cadena de producción se distribuyen
normalmente con media 500 gr y desviación típica 10 gr Se selecciona una muestra de 100
paquetes de la producción ¿Cuál es la probabilidad de que la media sea mayor a 503?
Solución:
Datos
Entonces:
𝑋̅ − 𝜇 503 − 500
𝑃[𝑋̅ > 503] = 𝑃 [ 𝜎 > ] = 𝑃[𝑍 > 3] = 1 − 𝑃[𝑍 < 3] = 1 − 0,9987 = 0,0013
⁄ 𝑛 10⁄
√ √100
Ejemplo 03:
En el último año el peso de los recién nacidos tiene una media de 3000 gr. y una desviación
estándar de 140 gr. ¿Cuál será la probabilidad de que la media de una muestra de 100 recién
nacidos sea menor a 3030 gr.?
Solución:
Datos
Entonces:
𝑋̅ − 𝜇 3030 − 3000
𝑃[𝑋̅ < 3030] = 𝑃 [ 𝜎 < ] = 𝑃[𝑍 < 2,14] = 0,9838
⁄ 𝑛 140⁄
√ √100
𝑋̅ − 𝜇
𝑇=
𝑆⁄
√𝑛
Ejemplo 04:
Una empresa fabrica un producto que tienen una duración que se distribuye aproximadamente
en forma normal, con una media de 800 horas. Encuentra la probabilidad de que una muestra
aleatoria de 16 productos que tenga una vida promedio de menos de 774 horas y una desviación
estándar de 40 horas.
Solución:
Datos
Entonces:
𝑋̅ − 𝜇 774 − 800
𝑃[𝑋̅ < 774] = 𝑃 [ < ] = 𝑃[𝑡15 < −2,6]
𝑆⁄ 40⁄
√𝑛 √16
= 1 − 𝑃[𝑡15 < 2,6]
= 1 − 0,99 = 0,01
𝑋
Sea 𝑃 = 𝑛 la variable aleatoria que denota la proporción de éxito de muestras de tamaño
𝑃̅ − 𝑝
𝑍= ~𝑁(0,1)
√𝑝(1 − 𝑃)
𝑛
En efecto,
Se sabe que 𝑋 = 𝑋1 , 𝑋2 , 𝑋3, … , 𝑋𝑛 es una variable cuya distribución es binomial 𝐵(𝑛, 𝑝).
𝑋
a.𝜇𝑝̅ = 𝐸(𝑃̅) = 𝐸 (𝑛) = 𝑝
𝑝(1−𝑝)
b. 𝜎𝑝̅2 = 𝑉𝑎𝑟(𝑃̅) =
𝑛
Nota:
𝑝(1−𝑝)
̅ es 𝜎𝑃̅ = √
El error o típico de 𝑷
𝑛
𝑝(1 − 𝑝) 𝑁 − 𝑛
𝐸𝑇 = 𝜎𝑃̅ = √ √
𝑛 𝑁−1
Ejemplo 05:
Se ha determinado que 85.1% de los estudiantes de una universidad fuman cigarrillos. Se toma
una muestra aleatoria de 200 estudiantes. Calcular la probabilidad de que no más de 80% de
alumnos de la muestra fume.
Solución:
Datos
Entonces:
𝑃̅ − 𝑝 0,8 − 0,851
𝑃[𝑝̅ < 0,8] = 𝑃 < = 𝑃[𝑍 < −2,03]
√𝑝(1 − 𝑝) √0,851(1 − 0,851)
[ 𝑛 200 ]
= 1 − 𝑃[𝑍 < 2,03]
= 1 − 0,9788 = 0,0212
3.2.5. Definición
Los valores más habituales del nivel de confianza 1−α son 0.9, 0.95, o 0.99 (la confianza
es del 90%, 95%, o 99%). En ocasiones también se emplea la terminología nivel de
significación para el valor α.
Ejemplo 06:
El peso medio de una muestra de 100 recién nacidos es 3200g. Sabiendo que la desviación típica
de los pesos de la población de recién nacidos es 150g. halla el intervalo de confianza para la
media poblacional, el nivel de confianza es de 99.5%
Solución:
Datos
𝑛 = 100 𝑋̅ = 3200
𝜎 = 150 1 − 𝛼 = 0,995 ⇒ 𝛼 = 0,005
Calculando:
𝜎 𝜎
𝑥̅ − 𝑧1−𝛼 × ≤ 𝜇 ≤ 𝑥̅ + 𝑧1−𝛼 ×
2 √𝑛 2 √𝑛
150 150
3200 − 2,81 × ≤ 𝜇 ≤ 3200 + 2,81 ×
√100 √100
3157.85 ≤ 𝜇 ≤ 3242.15
Interpretación:
El peso medio de los recién nacidos se encuentra entre 3157.85 𝑦 3242.15 𝑔𝑟 con un nivel de
confianza del 99,5%.
Ejemplo 07:
Solución:
Datos
𝑛 = 30 𝑋̅ = 15,85
𝑆 = 1,92 1 − 𝛼 = 0,95 ⇒ 𝛼 = 0,05
Calculando:
𝑠 𝑠
𝑥̅ − 𝑡1−𝛼;𝑛−1 × ≤ 𝜇 ≤ 𝑥̅ + 𝑡1−𝛼;𝑛−1 ×
2 √𝑛 2 √𝑛
1,92 1,92
15,85 − 2,0452 × ≤ 𝜇 ≤ 15,85 + 2,0452 ×
√30 √30
15.13 ≤ 𝜇 ≤ 16.57
Interpretación:
𝑝̅ (1 − 𝑝̅ ) 𝑝̅ (1 − 𝑝̅ )
𝑝̅ − 𝑍(1−𝛼) × √ ≤ 𝑃 ≤ 𝑝̅ − 𝑍(1−𝛼) × √
2 𝑛 2 𝑛
14
𝛼
Donde 𝑍(1−𝛼) es el punto crítico superior que corresponde al porcentaje 2
de la distribución
2
SEMANA N° 10 – ESTADÍSTICA Y PROBABILIDADES
normal estándar.
Escuela Profesional de Ingeniería de Industrias Alimentarias
Carrera Profesional de Ingeniería de Industrias Alimentarias
Ejemplo 08:
Datos
𝑥 10
𝑛 = 85 𝑥 = 10 𝑝̅ = 𝑛=85 = 0,118
1 − 𝛼 = 0,95 ⇒ 𝛼 = 0,05
Calculando:
𝑝̅ (1 − 𝑝̅ ) 𝑝̅ (1 − 𝑝̅ )
𝑝̅ − 𝑍(1−𝛼) × √ ≤ 𝑃 ≤ 𝑝̅ − 𝑍(1−𝛼) × √
2 𝑛 2 𝑛
0,049 ≤ 𝑃 ≤ 0,187
4. ACTIVIDADES Y EVALUACIÓN
4.1. Actividad 1
2. Una de las tiendas distribuidoras de focos utiliza el siguiente criterio para aceptar o rechazar lotes de
500 focos que reciben bimestralmente: selecciona una muestra aleatoria de 80 focos; si 3% o más salen
defectuosos, rechaza el lote; en caso contrario, lo acepta. ¿Cuál es la probabilidad de rechazar el lote
que contiene 2% de focos defectuosos?
3. Se ha comprobado que la concentración promedio de zinc que se saca del agua de un río a partir de una
muestra de mediciones de zinc en 36 sitios diferentes es de 2.6 gramos por mililitro. Encontrar los
intervalos de confianza al 99% para la concentración media de zinc en el río, suponiendo que la
desviación típica de la población es 0.3.
4. El encargado del departamento de producción de una fábrica recibe un lote de 2000 piezas necesarias
para el montaje de un artículo. El fabricante de las piezas asegura que en este lote no hay más de 100
piezas defectuosas.
a) ¿Cuántas piezas hay que examinar para que, con un nivel de confianza del 95%, el error que se cometa
en la estimación de la proporción de piezas defectuosas no sea mayor que 0.05?
b) Si se toma una muestra de 100 piezas elegidas al azar y se encuentran 4 defectuosas, determinar un
intervalo de confianza para la proporción de defectuosas al nivel del 95%.
6. Sospechamos que nuestro cromatógrafo está estropeado, y queremos determinar si los resultados que
nos proporciona son lo suficientemente precisos. Para ello, realizamos una serie de 8 mediciones del
contenido de una solución de referencia que, sabemos, contiene 90% de un determinado compuesto.
Los resultados que obtenemos son: 93.3, 86.8, 90.4, 90.1, 94.9, 91.6, 92.3, 96.5
Construir un intervalo de confianza al nivel de 95% para la varianza poblacional. ¿Qué conclusiones
podemos realizar?
Rúbrica
Nombre del estudiante (s):
5. REFERENCIAS BIBLIOGRÁICAS
Ávila Acosta Roberto (1997).” Estadística elemental”. Editorial Estudios y Edit. R.A Lima - Perú.
Moya Calderón Rufino (1991).” Estadística Descriptiva Conceptos y aplicaciones”. Primera Edición.
Edit., San Marcos lima, Perú.
García Ore Celestino (2011).” Estadística Descriptiva y Probabilidades para ingenieros”. Edit.
MACRO EIRL. Lima-Perú
Delgado de la Torre, R (2007) Probabilidad y estadística para ciencias e ingenierías. Madrid. Delta
Martínez, C. (2002). Estadística y Muestreo. México Ecoe Ediciones.
Montoro Lorenzo J.M. (2007) Estadística Descriptiva. Madrid. Thomson Paraninfo.
Ronald E. Walpole y Raymond H. Myers. (1989). Probabilidad y estadística. México Cuarta Edición.
Mc Graw Hill Interamericana.
Ayona Moisés (1999). "Estadística" Editorial. Bellavista. Lima Perú. Capítulos I, II y III.
De la Horra N. J. (2003). Estadística Aplicada. Madrid, España. Capítulos I y II. Díaz de Santos
Glantz A. (2006). Bioestadística. Editorial Mc Graw Hill. México. Capítulo II
López A. (2000). Probabilidad & Estadística. Colombia. Capítulos I y II. Prentice.
Direcciones electrónicas
http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-indice.html#HEAD
http://thales.cica.es/rd/Recursos/rd98/Matematicas/01/matematicas-01.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uaq.mx/matematicas/estadisticas/xu3.html
http://www.hrc.es/bioest/M_docente.html#tema2