ACTIVIDAD 1:

EJERCICIOS SOBRE DISTRIBUCIONES MUESTRALES

Fecha:25/07/2022

Nombre del estudiante: Nancy Barrón Morado

Nombre del docente: Karina González Núñez

• Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:
➢ Distribuciones muestrales
➢ Teorema del Límite Central (TLC)

Técnicas básicas

1. Una población consta de cinco números: 2,3,6,8,11. Considere todas las muestras posibles de
tamaño dos que pueden extraerse con reemplazo de esta población. Encontrar:

a. La media de la población

b. La desviación estándar de la población

c. El valor esperado de la media muestral

𝑵𝒏
𝑁 = nú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐ió𝑛
𝑛 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑔𝑟𝑢𝑝𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑵𝒏 = 𝟓𝟐 = 𝟐𝟓

Página 1 de 6
 Nuestra muestra consta de 25 elementos.

2 3 6 8 11
2 2,0 2,5 4,0 5,0 6,5
3 2,5 3,0 4,5 5,5 7,0
6 4,0 4,5 6,0 7,0 8,5
8 5,0 5,5 7,0 8,0 9,5
11 6,5 7,0 8,5 9,5 11,5

d. La desviación estándar (error estándar) de la media muestral

𝝈𝒙 = √𝟓. 𝟒 = 𝟐. 𝟑𝟐

2. Se seleccionaron muestras aleatorias de tamaño n de poblaciones con las medias y varianzas

dadas aquí. Encuentre la media y desviación estándar de la distribución de muestreo de la
media muestral X en cada caso:

a. n = 36,  = 10,  2 = 9

b. n = 100,  = 5,  2 = 4

c. n = 8,  = 120,  2 = 1

Página 2 de 6
Si las poblaciones muestreadas son normales, ¿cuál es la distribución de muestreo de X para
los incisos a, b y c?
Cuando la población muestreada es normal, la distribución de muestreo también loes, sin importar
el tamaño de la muestra como en el inciso c) que es n= 8.

De acuerdo con el Teorema del Límite Central, si las poblaciones muestreadas no son
normales, ¿qué se puede decir acerca de la distribución muestral de X para los incisos a, b y
c?
El Teorema del Límite Central nos dice que para que la distribución muestral se considere normal,
aunque la población no lo sea, n debe ser grande igual o mayor a 30.
El inciso a) y b) cumplen a excepción de c), donde el tamaño de muestra es igual a n= 8.

3. Una muestra aleatoria de n observaciones se selecciona de una población con desviación

estándar  = 1. Calcule el error estándar de la media (SE) para los siguientes valores de n .

Página 3 de 6
 4. Se seleccionaron muestras aleatorias de tamaño n de poblaciones binomiales con parámetros
poblacionales p dados aquí. Encuentre la media y la desviación estándar de la distribución de
muestreo de la proporción muestral pˆ en cada caso:

5. ¿Es adecuado utilizar la distribución normal para aproximar la distribución de muestreo de Pˆ

en las siguientes circunstancias?
𝑃𝑞
𝜇𝑝̂= 𝑝 𝑦 𝜎𝑝̂ = √
𝑛

a. n = 50, p = 0.05
Cumple con una de las condiciones:
• 𝑛 > 30 ⇒ 50 > 30
• 𝑛𝑝 ≥ 5 ⇒ (50)(0.05) ≥ 5 ⇒ 2.5 ≥ 5
Por lo tanto:
𝜇𝑝̂ = 0.05 𝑦 𝜎𝑝̂ = 0.03

b. n = 75, p = 0.1
Cumple con las dos condiciones:
• 𝑛 > 30 ⇒ 75 > 30
• 𝑛𝑝 ≥ 5 ⇒ (75)(0.1) ≥ 5 ⇒ 7.5 ≥ 5
Por lo tanto:
𝜇𝑝̂ = 0.1 𝑦 𝜎𝑝̂ = 0.04

Página 4 de 6
 c. n = 250, p = 0.99
Cumple con las dos condiciones:
• 𝑛 > 30 ⇒ 250 > 30
• 𝑛𝑝 ≥ 5 ⇒ (250)(0.99) ≥ 5 ⇒ 247.5 ≥ 5
Por lo tanto:
𝜇𝑝̂ = 0.99 𝑦 𝜎𝑝̂ = 0.006

Aplicaciones

1. Enfermedad de Alzheimer. La duración de la enfermedad de Alzheimer desde el principio

de los síntomas hasta el fallecimiento varía de 3 a 20 años; el promedio es 8 años con una
desviación estándar de 4 años. El administrador de un gran centro médico selecciona al azar,
de la base de datos del centro, los registros médicos de 30 pacientes de Alzheimer ya fallecidos
y anota la duración de la enfermedad para cada unidad en muestra. Encuentre las
probabilidades aproximadas para los siguientes eventos:

a. La duración promedio es menor a 7 años

Debemos calcular el valor de 𝑧 para 𝑥̅ = 7, pero antes debemos calcular el valor de la
desviación estándar muestral.
𝜎 4
𝜎𝑥̅ = = = 0.73
√𝑛 √30
𝑥̅ − 𝜇 7 − 8
𝑍𝑐 = 𝜎 = = −1.37
0.73
√𝑛
Por lo tanto:
𝑃(𝑥̅ < 7) = 𝑃(𝑧 < −1.37) = 𝑃(𝑧 < 0) − 𝑃(−1.37 < 𝑧 < 0)
= 0.5 − 0.4147 = 𝟎. 𝟎𝟖𝟓𝟑
b. La duración promedio excede de 7 años

𝑃(𝑥̅̅ > 7) = 𝑃(𝑧 > −1.37) = 1 − 𝑃(𝑧 < −1.37)

= 1 − 0.0853 = 𝟎. 𝟗𝟏𝟒𝟕
c. La duración promedio está a no más de un año de la media
poblacional

𝑃(7 < 𝑥̅ < 9) = 𝑃(−1.37 < 𝑧 < 1.37) = 𝑃(𝑧 > −1.37) − 𝑃(𝑧 < −1.37)
= 0.9147 − 0.0853 = 𝟎. 𝟖𝟐𝟗𝟒

Grafique el error estándar de la media (SE) contra el tamaño muestral n y enlace los
puntos conuna curva suave. ¿Cuál es el efecto de aumentar el tamaño de muestra sobre
el error estándar?

Página 5 de 6
 A medida que el tamaño de la muestra aumenta el error estándar va siendo menor.

Tamaño de muestra contra el error estándar de la

muestra
0.8
0.7
0.6
0.5
SE

0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60 70 80 90 100 110

2. Salarios de profesores. Suponga que los profesores de una universidad en E.U.A. -

con rango de profesor en instituciones públicas que imparten programas académicos
de dos años-, ganan un promedio de 71,802 dólares por año, con una desviación
estándar de 4,000 dólares. En un ejercicio por verificar este nivel de salario se
seleccionó una muestra aleatoria de 60 profesores de una base de datos del personal
académico de todas las instituciones públicas que imparten programas de dos años
en E.U.A.

a. Describa la distribución de muestreo de la media muestral X

b. ¿Dentro de qué límites se esperaría que esté el promedio muestral,

con probabilidad 0.95?
Dado 0.95 como área central, las dos colas deben contener un total de 0.05.Por lo tanto,
cada cola contiene de 0.05, o sea 0.025. Debemos encontrar los valores de z para 𝑧(0.025)
y 𝑧(0.975) = −𝑧(0.025).

Página 6 de 6
Para hallar 𝑧(0.025) debemos determinar el área entre la media y 𝑧(0.025).Que es 0.5-
0.025=0.4750 .
En la tabla de z, buscamos el valor z que le corresponde a 0.4750 y es 1.96.Por lo tanto:
𝑧(0.025) = 1.96
𝑧(0.975) = −𝑧(0.025) = −1.96

Conociendo los límites de z, podemos calcular los límites de la mediamuestral.

𝑥̅ − 𝜇
𝑍𝑐 = 𝜎
√𝑛

Despejamos 𝑥̅,
𝜎
𝑥̅ = 𝑧 ( )+𝜇
√𝑛
Para 𝑧(0.025) = 1.96
𝜎 4000
𝑥̅ = 𝑧 ( ) + 𝜇 = 1.96 ( ) + 71,802 = 72,814.14 = 72,814 dólares
√𝑛 √60

Para 𝑧(0.975) = −𝑧(0.025) = −1.96

𝜎
𝑥̅ = 𝑧 ( ) + 𝜇 = −1.96 ( 4000 ) + 71,802 = 70,789.86 = 70,790 dólares
√𝑛 √60

Los límites de la media son:

𝟕𝟎, 𝟕𝟗𝟎 < 𝝁 < 𝟕𝟐, 𝟖𝟏𝟒
c. Calcule la probabilidad de que la media muestral x sea mayor que 73,000
dólares.

d. Si una muestra aleatoria en realidad produjo una media muestral de 73,000

dólares, ¿consideraría usted que esto es poco común? ¿Qué conclusión
obtendría?

Si la media poblacional es diferente de la media muestral, no tenemos una distribución

normal, por lo que se requiere que el tamaño de la muestra sea másgrande.

Página 7 de 6
3. Requerimiento de Potasio. El requerimiento normal diario de Potasio en seres humanos está
en el intervalo de 2,000 a 6,000 miligramos (mg), con cantidades más grandes necesarias
durante los meses calurosos de verano. La cantidad de potasio en distintos alimentos varía,
pero las mediciones indican que el plátano contiene un nivel alto de potasio, con
aproximadamente 422 mg en un plátano de tamaño mediano. Suponga que la distribución de
potasio en plátanos está distribuida normalmente, con media igual a 422 mg y desviación
estándar de 13 mg por plátano. Usted come n = 3 plátanos al día y T es el número total de
miligramos de potasio que recibe de ellos.

a. Encuentre la media y la desviación estándar de T.

𝜇 = 422
𝜎 = 13
𝜇𝑥̅ = 𝜇 = 422
𝜎𝑥̅̅ = 13/ √3 = 7.5

b. Encuentre la probabilidad de que su ingesta diaria de potasio de los tres plátanos

exceda de 1,300 mg. (Sugerencia: Observe que T es la suma de tres variables
aleatorias X1, X2 y X3 donde X1 es la cantidad de potasio en el plátano 1, etc.)
𝑇 = 𝑋1 + 𝑋2 + 𝑋3
𝑃(𝑇 > 1,300)

4. Duración de baterías para automóvil. Un fabricante de baterías para automóvil afirma que la
distribución del tiempo de duración (tiempo de vida) de las baterías de su mejor marca tiene
una media  = 54 meses y una desviación estándar  = 6 meses. Suponga que un grupo de
consumidores decide verificar la afirmación y para ello compran una muestra de 50 baterías y
las somete a prueba para medir su tiempo de vida.

a. Suponiendo que la afirmación del fabricante es verdadera, describa la

distribuciónde muestreo de la media muestral cuando n = 50 baterías.
𝜇 = 54
𝜎=6
𝜇𝑥̅ = 𝜇 = 54
𝜎𝑥̅̅ = 6/ √50 = 0.8485
b. Suponiendo que la afirmación del fabricante es verdadera, ¿cuál es la
probabilidadde que la muestra de 50 baterías tenga un tiempo de vida de 52
meses o menos?

Página 8 de 6
5. Temperatura corporal. Suponga que la temperatura corporal de personas sanas se distribuye
aproximadamente normal con media 37.0 C y desviación estándar de 0.4 C.

a. Si 130 personas sanas se seleccionan aleatoriamente, ¿cuál es la

probabilidad deque la temperatura promedio para estas personas sea de
36.80 o menor?
𝜇 = 37
𝜎 = 0.4
𝜇𝑥̅ = 𝜇 = 37
𝜎𝑥̅̅ = 0.4 / √130 = 0.035

b. ¿Consideraría una temperatura promedio de 36?80 como poco probable de

ocurrir,si la verdadera temperatura promedio de las personas sanas es de
37 C?
Hay una probabilidad del 50.91% de que ocurra. Por lo tanto, es más probable que
improbable de que ocurra.

TÉRMINOS PROBABILIDAD DE QUE OCURRA

Prácticamente seguro > 99%
Extremadamente probable > 95%
Muy probable > 90%
Probable > 66%
Más probable que improbable > 50%
Poco probable < 33%
Muy poco probable < 10%
Extremadamente improbable < 5%

Página 9 de 6
6. Costo de un apartamento. El costo promedio de un apartamento en el desarrollo Cedar Lakes
es de $62,000 usd con una desviación estándar de $4,200 usd.

a. ¿Cuál es la probabilidad de que un apartamento en este desarrollo cueste

al menos $65,000 usd?
La expresión “al menos” significa mayor o igual.
𝜇 = 62,000
𝜎 = 4,200

𝑃(𝑥̅ ≥ 65,000) = 𝑃(𝑧 ≥ 0.71) = 0.5 − 0.2611 = 𝟎. 𝟐𝟑𝟖𝟗

b. ¿La probabilidad de que el costo promedio de una muestra de dos

apartamentos sea al menos de $65,000 usd es mayor o menor que la
probabilidad de que un apartamento cueste eso? ¿En qué cantidad difiere?

𝑃(𝑧 ≥ 1.01) = 0.5 − 0.3438 = 𝟎. 𝟏𝟓𝟔𝟐

Es menor (0.1562)

7. Lanzamiento de una moneda. Una moneda justa se lanza n = 80 veces. Sea pˆ la proporción

muestral de caras (soles). Encuentre P(0.44  p̂  0.61)

Página 10 de
6
8. Herramientas defectuosas. Se ha encontrado que 2% de las herramientas que produce cierta
máquina tienen algún defecto. ¿Cuál es la probabilidad de que, en 400 de dichas
herramientas,

a. 3% o más tengan algún defecto?

b. 2% o menos tengan algún defecto?

Referencias

Dennis D., W., Mendenhall, W. I., & Scheaffer, R. L. (2009). Estadística Matemática con
Aplicaciones (7 ed.). México, México: Cengage Learning.

Devore, J. L. (2016). Probabilidad y Estadística para Ingeniería y Ciencias (9 ed.). Cengage

Learning. Retrieved from https://elibro.net/es/lc/uvm/titulos/93280

McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.

Mendenhall, W. I., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la Probabilidad y

Estadística (14 ed.). México, D.F: CENGAGE Learning.

Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadística para Negocios y Economía
(11 ed.). Cengage Learning. Retrieved from https://elibro.net/es/lc/uvm/titulos/39949

Página 11 de
6
Conclusión
En ocasiones es complejo calcular los valores estadísticos reales de las poblaciones (parámetros
poblacionales) y lo que hacemos es que a través de una muestra dela población estimamos las
características poblacionales usando la estadística muestral, que son los valores calculados a
través de la muestra. Para que los valores calculados o inferidos sean confiables nuestra muestra
debe ser representativa de la población, aleatoria y entre más grande será también más confiable.
Las técnicas que se usan para calcular los valores estadísticos de las muestras poblacionales son
distribución muestral de las medias y distribución muestral delas proporciones y que nos brinda
información acerca de la distribución de probabilidades de los valores que puede tomar el
estadístico a lo largo de todas lasposibles muestras con el mismo número de observaciones
extraídas de la población.
En los ejercicios de esta serie use z para la variable normalizada, para muestras mayores o iguales a
30 donde z tiene una distribución normal y a través de estos cálculos nos pudimos dar cuenta que
tan probable es que nuestros valores caigan dentro o fuera de los rangos esperados. El error
estándar nos permite visualizar elrango de valores que caen dentro de una desviación estándar de
la curva del error,en otras palabras, también nos indica la variabilidad de las medias muestrales.

Referenciadas en estilo APA.

Johnson, R., & Kuby, P. (2008). Estadística elemental: Lo esencial. México:CENAGUE

Learning.
Llinás, H. (2017). Estadística Inferencial. Colombia: Universidad del Norte.

Página 12 de
6