Distribucion Muestral de Proporciones

Introducción
La proporción poblacional se define como la razón entre el número de unidades poblacionales que poseen cierta
característica y el total de unidades de la población. Así, por ejemplo, si en una población de 1000 estudiantes, 450
son varones, entonces:

La proporción de la población se define como:

NA
P=
N

450
P= =0.45=45 %
1000

Ejemplo
Si de la población de 1000 estudiantes se elige una muestra aleatoria de 50 estudiantes y en la misma se seleccionan
20 varones entonces la proporción muestral resulta ser:

nA
P=
n

20
P= =0.40
50

Distribucion muestral de proporciones

La distribución muestral de proporciones esta relacionada directamente con la probabilidad de ocurrencia (p) y la de
no ocurrencia (q) de un determinado experimento aleatorio donde se cumple la siguiente relación:

p+q=1

muestra1 :n1 p1
mu p
muestra 2:n 2 p2
N sigma p

muestra k :nk p3

Ejemplo
Si la población esta relacionada con los lanzamientos de una moneda entonces la probabilidad del suceso “cara” es
p=1/2.
 Estadísticos
Si se consideran todas las muestras de tamaño n, extraídas de la población y para cada muestra se determina la
proporción de éxito, entonces es posible estimar la media de la distribución muestral de proporciones y su respectiva
desviación típica de dicha distribución muestral de proporciones.

Para la determinación de estos estimadores se utiliza las siguientes relaciones estadísticas:

Poblacion infinita Población finita

ʯ p =p ʯ p =p

σ p=
√ pq
n
σ p=√ p q

Aproximación Normal a la Binomial

Las distribuciones muestrales proporcionales se dice que tienen distribución normal; sin embargo, es posible tratar
como una distribución binomial en base a los dos posibles resultados de éxito (p) y fracaso (q), mediante las
siguientes expresiones de cálculo:

ʯ p =n p

σ p=√ n p q

Para poder realizar esta aproximación es necesario aplicar el factor de corrección por continuidad (fcc) debido a que
se está relacionando una distribución discreta como es la binomial con una distribución continua, en este caso, la
normal.

Factor de Corrección por Continuidad (fcc)

El factor de corrección por continuidad se debe aplicar en este caso por que se trata de relacionar la distribución
binomial (discreta) con la distribución normal (continua).

El factor de corrección por continuidad se determina para el caso de distribuciones proporcionales con la siguiente
expresión:

1
fcc=
2n
En el caso de que se trate de una aproximación a la distribución binomial el factor de corrección es:

1
fcc=
2
Cuando no se aproxima a la binomial entonces se utiliza la primera expresión donde n significa el tamaño de la
muestra. Para aplicar el fcc debemos tener presente

a≤p≤b a - fcc

 Page 2
 b + fcc

p≥c c - fcc

p≤c c + fcc

Ejemplo 1
Se lanza una moneda al aire de manera repetitiva; hallar la probabilidad de que en 120 lanzamientos el numero de
caras:

a) Este comprendido entre el 40% y el 60%

b) Sea 5/8 o mas del numero de lanzamientos.

Resolver el ejercicio:

I. Con aproximación a la binomial

II. Sin aproximación a la binomial

Solución

Con aproximación a la binomial

Inciso a
I. N = infinita
n = 120
p=½
q=½

calculo de ʯ p

120∗1
ʯ p =n p= =60
2

Calculo de σ p

√
120∗1
∗1
2
σ p=√ n p q= =5.48
2
Calculo de las proporciones

40% de 120 = 48
60% de 120 = 72

 Page 3
Factor de correccion de continuidad

48-fcc = 48 - 1/2 = 47.5

72 + fcc = 72 + ½ = 72.5

Estandarizamos la variable

p−ʯ p
Z=
σp
47.5−60
Z1 = = -2.28
5.48
72.5−60
Z2 = = 2.28
5.48

Graficamos la curva normal

0.977

0.0113 0.0113

-4 -3 -2 -1 0 1 2 3 4

-2.28 2.28

P[0.40≤ p ≤ 0.60] = 0.977 = 97.7%

Inciso b

Calculo de la proporción

5/8 de 120 = 75

Factor de corrección de continuidad

75-fcc = 75 - 1/2 = 74.5

Estandarizamos la variable

p−ʯ p
Z=
σp
74.5−60
Z= = 2.65
5.48

 Page 4
Graficamos la curva normal

0.004

-4 -3 -2 -1 0 1 2 3 4

2.65

P[p>5/8] = 0.004 = 4%

Sin aproximación normal a la binomial

ʯ p =p=0.5

σ p=
√ √
pq
n
=
0.5∗0.5
120
=0.0456

Inciso a
40% = 0.40

60% = 0.60

1
0.40 – fcc = 0.40 - =0.39583
2∗120

1
0.60 + fcc = 0.60 + =0.60417
2∗120

p−ʯ p
Z=
σp

0.39583−0.5
Z1 = = -2.28
0.0456

0.60417−0.5
Z2 = = 2.28
0.0456
P[0.40≤ p ≤ 0.60] = 0.977 = 97.7%

Ejemplo 2

 Page 5
El 2% de piezas producidas por una maquina son defectuosas. ¿Cuál es la probabilidad de que en una partida de 400
piezas seleccionadas aleatoriamente… :

a) El promedio de piezas defectuosas se encuentre entre el 2.5% y 3.7% ?

b) Menos del 1% sean defectuosas ?
c) Más del 2.5% de las piezas sean defectuosas ?

Resolver el ejercicio primeramente aproximando a la distribución binomial y en segundo lugar resolver sin
aproximación a la binomial. Verificar que los resultados obtenidos por ambos métodos coincidan.

Solución

I. N = infinita
n = 400
p = 0.02
q = 0.98
calculo de ʯ p
ʯ p =n p=400∗0.02=8
Calculo de σ p
σ p=√ n p q= √ 400∗0.02∗0.98=2.8
Calculo de las proporciones
2.5% de 400 = 10
3.7% de 400 = 14.8
Factor de correccion de continuidad
10-fcc = 10 - 1/2 = 9.5
14.8 + fcc = 14.8 + ½ = 15.3

Estandarizamos la variable
p−ʯ p
Z=
σp
9.5−8
Z1 = = 0.53
2.8
15.3−8
Z2 = = 2.60
2.8
Graficamos la curva normal 0.2934
0.2981 Es todo desde 0.53
para delante

 Page 6
 0.0047
-4 -3 -2 -1 0 1 2 3 4

0.53 2.60

P[0.025≤ p ≤ 0.037] = 0.2934

B) Calculo de las proporciones

1% de 400 = 4
Factor de correccion de continuidad
4 + fcc = 4 + ½ = 4.5

Estandarizamos la variable
p−ʯ p
Z=
σp
4.5−8
Z= = -1.25
2.8

Graficamos la curva normal

0.1056

-4 -3 -2 -1 0 1 2 3 4

-1.25

P[p≤0.01] = 0.1056
C) Calculo de las proporciones
2.5% de 400 = 10
Factor de correccion de continuidad

 Page 7
 10-fcc = 10 - 1/2 = 9.5
Estandarizamos la variable
p−ʯ p
Z=
σp
9.5−8
Z= = 0.54
2.8
Graficamos la curva normal

0.2981

-4 -3 -2 -1 0 1 2 3 4

0.54
P[p≥0.025] = 0.2981

 Page 8