UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA

DEPARTAMENTO DE MATEMÁTICAS
ESTADÍSTICA INFERENCIAL
DISTRIBUCIONES MUESTRALES

SESIÓN AGOSTO 17

Es necesario apropiar adecuadamente las siguientes

relaciones para poder trabajar de forma correcta las
distribuciones muestrales.

Primero: El valor esperado de las medias muestrales es igual

al promedio de la población,
E() = µ

Segunda: La varianza de la distribución muestral es igual a la varianza

de la población dividida entre el tamaño de la muestra
2
2 θ
Varianza del muestreo población infinita o x=
n
θ2 N −n
Varianza del muestreo población finita o= *2
x
n N−1

Tercera: La desviación estándar de las medias muestrales, conocida

como el error estándar es igual a la desviación estándar de la
población dividida entre la raíz cuadrada del tamaño de la muestra,
cuando la población es infinita; cuando la población es finita es
necesario multiplicar ese valor del error estándar por un factor de
corrección de población finita.

σ❑
Error estándar población infinita σ x =
√n

Error estándar población finita σ x =

√
θ N −n
√ n N−1
x
 1. La variable altura de las alumnas que estudian en una escuela
de idiomas sigue una distribución normal de media 1,62 m y la
desviación típica 0,12 m. ¿Cuál es la probabilidad de que la
media de una muestra aleatoria de 100 alumnas sea mayor que
1.60 m?

2. Se ha elegido una muestra de 100 baterías de una línea de

producción que fabrica baterías con una vida media de 40 meses
y una desviación estándar de 10 meses. Si se toma una muestra
diferente de 400 baterías a partir de la misma población, ¿será
mayor, igual o menor el error estándar de la media? Calcule el
nuevo error estándar de la media.

10❑
σ x=
√ 100
=1
10❑
σ x=
√ 400
= 0.5

3. Los puntajes del test de inteligencia WISC (Weschler Intelligence

Scale for Children) siguen una distribución Normal con media
100 y desviación estándar de 15 (http://nicologic.free.fr/faq).
Averigüe la probabilidad de que:
a) Un niño elegido al azar tenga un CI menor que 95.

95−100
P(X<=95) = z= = 1/3 = 0.33 Área = 0.1293
15 ∕ √ 1

P(X<=95) = 0.5000-01293 = 0.3707

b) Una muestra de 20 niños elegidos al azar tenga una media
menor que 95. ¿Cuál es la diferencia con la probabilidad
encontrada en (a)?

95−100
P(X<=95) = z= 15 ∕ 20 = 5/0.75 = -1.49 Área = 0.4319

P(X<=95) = 0.5000-0.4319 = 0.0681

 c) Una muestra de 200 niños elegidos al azar tenga una media
menor que 95. ¿Cuál es la diferencia con la probabilidad
encontrada en (c)?
95−100
P(X<=95) = z= 15 ∕ 200 -4.71 P(x<95) = 0

d) Una muestra de 500 niños elegidos al azar tenga una media

menor que 95.

4. Si se seleccionan todas las muestras posibles de 64 elementos,

a partir de una población cuya media es 100 y cuya desviación
estándar es 20, ¿entre qué límites cabe esperar que esté el 80%
del centro de las medias muestrales?

5. Una compañía fabrica clips y los vende en cajas con etiquetas

que dice “Aprox. 100”. Hemos contado los clips en las cajas y
encontramos que el número de clips varía entre 93 o 94 y más
de 100. Suponga que el número de clips en las cajas producidas
por esta fábrica tiene media 100 y desviación estándar de 8.
Suponga que se embala en cartones de 64 cajas y tomamos un
cartón como una muestra. Use la distribución muestral de la
media muestral para calcular la probabilidad aproximada de que
el número de clips por caja este entre 98 y 100.

DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

1. Se ha determinado que 60% de los estudiantes de una
universidad grande fuman cigarrillos. Se toma una muestra
aleatoria de 800 estudiantes. Calcule la probabilidad de que la
proporción de la muestra de la gente que fuma cigarrillos sea
menor que 0.55
p− p 0.55−0.60 −0.05
z= ¿ ¿
= -2.88
√ P ( 1− p )
n √ 0.6 ( 1−0.60 )
800 √ 0.6∗0.4
800
Al buscar el área correspondiente a Z=2.88, hallamos = 0.4980,
entonces P(p<=0.55) = 0.5000-0.4980 = 0.0020
 2. Un medicamento para malestar estomacal tiene la advertencia de que algunos
usuarios pueden presentar una reacción adversa a él, más aún, se piensa que
alrededor del 3% de los usuarios tienen tal reacción. Si una muestra aleatoria de
150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporción de la muestra de los usuarios que realmente
presentan una reacción adversa, exceda el 4%

p−p 0.04−0.03 0.01

¿ ¿
Z
√ P (1− p )
n √ 0.03 ( 1−0.03 )
150 √ 0.03∗0.97
150
= 0.72
Área = 0.2642, P(p>=0.04) = 0.5000-0.2642 = 0.2358
 3. Se sabe que la verdadera proporción de los componentes defectuosos
fabricadas por una firma es de 4%, y encuentre la probabilidad de que una
muestra aleatoria de tamaño 60 tenga:
a. Menos del 3% de los componentes defectuosos.
b. Más del 1% pero menos del 5% de partes defectuosas
θ−¿=¿¿
P
√ P ×(1−P) θ−¿=¿¿
n
P
√ 0.04 ×0.96 ¿ ¿
60 = 0.0253

p−p
¿ 0.03−0.04
Z
√ P (1− p ) ¿
n
0.0253 = 0.40 P(Z<=0.40) = 0.5000-0.1554= 0.3446
p−p
¿ 0.01−0.04
c. Z
√ P (1− p ) ¿
n
0.0253

P(0.01<=P<=0.05) = 0.3830+0.1554 = 0.5384

= -1.19

4. Suponer que de la gente que solicita ingresar a una compañía, 40% pueden
aprobar una prueba para obtener el trabajo. Si se tomara una muestra de
36 solicitantes, ¿Cuál sería la probabilidad de que 50% o más de ellos
aprobaran?
 p− p 0.5−0.4
z= ¿

√ √
P ( 1− p )
n
0.5000-0.3888 = 0.1112
0.4∗0.6
36
= 1.22 Área = 0.3888 P(p)>=0.5000 =

X−U
z=

√
σ ❑ N−n
√n N −1

x
σ❑
= µ+Z* √ n o x = µ+Z* √ n *
σ❑
√ N −n
N −1

−¿=¿¿
θP
√ P ×(1−P)
n
θ−¿=¿¿
P
√
P ×(1−P)
n √
* N −n
N −1

p− p
z=

√ P ( 1− p )
n

SESIÓN SEPTIEMBRE 7
INTERVALOS DE CONFIANZA
Se construyen intervalos de confianza para el promedio para formular
un pronóstico del comportamiento de la población a partir de lo que se
encuentra en una muestra aleatoria extraída de la población. A ese
promedio se le suma y se le resta un margen de error y se obtienen
los límites del intervalo.
El margen de error se obtiene multiplicando el valor de Z hallado para
un determinado valor por el error estándar de la distribución muestral
σ
Margen de error = Z* √❑n
Estructura para la construcción de un intervalo de confianza
para una significancia del 0.05

La expresión que permite construir un intervalo de confianza es:

σ❑ σ❑
x - Z* √ n <= µ<= x + Z* √ n

Veamos la siguiente situación

Cada semana, la empresa Lloyd’s Department Store selecciona una

muestra aleatoria simple de 100 clientes con objeto de conseguir
información acerca de la cantidad que gastan en cada visita a la
tienda. Si x representa la cantidad gastada en cada visita a la tienda,
la media muestral es una estimación puntual de μ, la cantidad media
gastada en cada visita a la tienda por la población formada por los
clientes de Lloyd’s Department Store. Lloyd’s ha estado realizando
estos estudios semanales durante varios años. Con base en sus datos
anteriores, Lloyd´s supone que el valor conocido de la desviación
estándar poblacional es σ = $20. Los datos anteriores (históricos)
indican también que la población tiene una distribución normal. En la
última semana, en su estudio de 100 clientes (n 100), Lloyd’s obtuvo
como media muestral $82. La media muestral de la cantidad gastada
permite una estimación puntual de la media poblacional de la cantidad
gastada en cada visita, μ. A continuación, se muestra cómo calcular un
margen de error para esta estimación y cómo obtener una estimación
por intervalo para la media poblacional. Se asume alfa = 0.05 y por lo
tanto 1-alfa = 1-0.05 = 0.95

‘n= 100 x = 82 σ = $20, para nivel de confianza de 0.95 Z=1.96,

con este valor se puede calcular el margen de error.
20
Margen de error = 1.96 * 100 = 3.92, la construcción total del
√
intervalo es

σ❑ σ❑
x - Z* √ n <= µ<= x + Z* √ n
20 20
82– 1.96* √100 <= µ<=82 + 1.96* √100
82-3.92<= µ <0 82+3.92
78.08 <= µ <= 85.92

Entonces se puede estimar con una confianza del 95% que los
consumos promedio por cliente por semana en el almacén analizado
se encuentran entre US$ 78.08 y US$ 85.92

SESIÓN SEPTIEMBRE 14

INTERVALOS DE CONFIANZA DESVIACIÓN ESTANDAR DE LA

POBLACIÓN DESCONOCIDA

Cuando debemos enfrentar esta situación debemos ajustar nuestro

modelo de construcción de los intervalos de confianza reemplazando Z
por un valor t que se obtiene en una tabla previo conocimiento del
nivel de significancia y del tamaño de la muestra y utilizando la
siguiente expresión
s s
x−t ≤ u ≤ x+t
√n √n

Resolver la siguiente situación

1. Los tiempos de reacción, en mili segundos, de 17 sujetos frente

a una matriz de 15 estímulos fueron los siguientes: 448, 460,
514, 488, 592, 490, 507, 513, 492, 534, 523, 452, 464, 562, 584,
507, 461. Suponiendo que el tiempo de reacción se distribuye
Normalmente, determine un intervalo de confianza para la media
a un nivel de confianza del 95%.

Utilizamos la fórmula anterior

43.84 43.84
505.35−2.1199 ≤ u≤ 505.35+2.1199
√17 17

505.35 – 22.54 <= u <= 505.35+22.54

482.81 <= u <= 527.89
Con un nivel de confianza del 95% se espera que los tiempos de reacción de
la población se encuentre entre 482.81 y 527.89 milisegundos.

Otro ejemplo
En una muestra de 65 sujetos las puntuaciones en una escala de
extroversión tienen una media de 32,7 puntos y una desviación típica de
12,64.
a) Calcule a partir de estos datos el correspondiente intervalo de
confianza, a un nivel del 90%, para la media de la población.
12.64 12.64
32.7−1.669 ≤u ≤ 32.7+1.669
√ 65 √ 65
32.7 – 2.62 <= U <= 32.7+2.62
Con una confianza del 90% los niveles de extroversión se
encontrarán entre 30.08 y 35.32
 b) Indique, con un nivel de confianza del 95%, cuál sería el máximo
error que podríamos cometer al tomar como media de la población el
valor obtenido en la estimación puntual.
12.64 12.64
32.7−1.9977 ≤ u≤ 32.7+1.9977
√65 √ 65
32.7 –3.13 <= U <= 32.7 + 3.13
29.57 <= U <= 35.83

SEPTIEMBRE 16
Es necesario disponer de una expresión para calcular el tamaño de
muestra n, cuando estamos realizando investigaciones empresariales,
iniciamos con el error de estimación o margen de error que se utiliza
para construir los intervalos de confianza y de ese margen de error
despejamos la incógnita n y se obtiene la fórmula siguiente
θ
E =z Despejando para n obtenemos
√n
z 2∗O 2
n=
E2

. El costo promedio de la gasolina sin plomo en Grater Cincinnati es

$2.41 (The Cincinnati Enquirer, 3 de febrero de 2006). En una época
de cambios en los precios, un periódico muestrea las gasolineras y
presenta un informe sobre los precios de la gasolina. Suponga que en
los precios del galón de la gasolina sin plomo la desviación estándar
es $0.15; dé el tamaño de muestra n que debe usar este periódico
para tener 95% de confianza con cada uno de los márgenes de error
siguientes.
a. Un margen de error de $0.07
1.962∗0.152
‘n ¿
0.07 2
= 17.64 Aproximamos a 18
b. Un margen de error de $0.05
2 2
1.96 ∗0.15
‘n ¿
0.05
2 = 35
c. Un margen de error de $0.03
1.96 ∗0.152
2

‘n¿
0.03 2
= 97
. El 2003 Information Please Almanac presenta los tiempos que para
transportarse al trabajo son requeridos en las 15 ciudades más
grandes de Estados Unidos. Suponga que usa una muestra aleatoria
simple preliminar de los habitantes de San Francisco y como valor
planeado para la desviación estándar poblacional obtiene 6.25
minutos.
a. Si desea estimar la media poblacional del tiempo que necesitan
en San Francisco para transportarse al trabajo, con un margen
de error de 2 minutos, ¿cuál debe ser el tamaño de la muestra?
Suponga que el nivel de confianza es de 95%.
1.962∗6.252
‘n ¿
22
= 38
b. Si desea estimar la media poblacional del tiempo que se
necesita en San Francisco para transportarse al trabajo, con un
margen de error de 1 minuto, ¿cuál debe ser el tamaño de la
muestra? Suponga que el nivel de confianza es de 95%.
1.962∗6.252
n ¿
1
2 = 151

Los cálculos anteriores se utilizan para poblaciones infinitas,

cuando la población es finita, la fórmula para el tamaño de la
muestra es la siguiente
z 2∗O2∗N
n= ¿
z 2∗O 2+(N−1) E 2 ¿

PROPORCIONES POBLACIONALES.
Construcción de intervalos de confianza
El procedimiento es similar o mejor idéntico al que se utiliza para la
media, es decir, al estadístico p de la muestra se le suma y se le resta
el error de estimación o margen de error para obtener los límites del
intervalo para un nivel de significancia o confianza establecidos, la
fórmula para el intervalo es la siguiente
−z
√ P×(1−P)
n
≤ P ≤ p+ z
√
P ×(1−P)
n

Ejemplo
Se hizo un estudio con 611 oficinistas para investigar su atención al
teléfono, el estudio registraba la frecuencia con que contestaban el
teléfono y la frecuencia con que dejaban que la llamada pase al buzón
de voz (USA Today, 21 de abril de 2002). De estos oficinistas, 281
indicaron constatar siempre las llamadas y no utilizar el buzón de voz.
a. Dé la estimación puntual de la proporción poblacional de oficinistas
que siempre responden el teléfono.

Eventos favorables 281

= = = 0.46
tamaño de muestra 611
c. A 90% de confianza, ¿cuál es el margen de error?
1.645 √
0.46 × 0.54 ¿
¿ = 0.033
611

d. Dé el intervalo de 90% de confianza para la proporción de la

población de oficinistas que siempre contestan el teléfono.
e. −z
√ P×(1−P)
n
≤ P ≤ p+ z
√
P ×(1−P)
n
√ 0.46 ×0.54 ¿ ¿ ≤ P ≤ 0.46+1.645 √ 0.46× 0.54 ¿ ¿
0.46−1.645
611 611
0.427 ≤ P≤ 0.493
Con una confianza del 90% se espera que entre el 42.7% y el
49.3% de los oficinistas contesten siempre el teléfono.

Según Thomson Financial, hasta el 25 de enero de 2006, la mayor

parte de las empresas que informaban tener ganancias habían
superado las estimaciones (BusinessWeek, 6 de febrero de 2006). En
una muestra de 162 empresas, 104 superaron las estimaciones, 29
coincidieron y 29 se quedaron cortas.
a. ¿Cuál es la estimación puntual de la proporción de empresas
que se quedaron cortas?
Eventos favorables 29
 = tamaño de muestra = 162 = 0.179
b. Determine el margen de error y dé un intervalo de confianza de
95% para la proporción que superó las estimaciones.
 z
√ P×(1−P)
n
= 1.96 √ 0.642 ×0.378 ¿ ¿ = 0.073
162
Intervalo=0.642−0.073≤ P ≤ 0.642+ 0.073

0.567<=P<=0.713
c. ¿De qué tamaño debe de ser la muestra si el margen de error es
0.05?
2 2
z ∗p (1− p) 1.96 ∗0.642(0.358)
n¿ E
2 = 0.05
2 = 354
2
z ∗p (1− p)
Tamaño de muestra proporciones población infinita E
2

Tamaño de muestra proporciones población finita

2
z ∗P (1−P)∗N
n= ¿
z ∗P (1−P)+(N −1) E2 ¿
2

SESIÓN SEPTIEMBRE 28
INTERVALOS DE CONFIANZA DE PROPORCIONES

1. En una muestra de 300 universitarios el 80% ha respondido que asiste

semanalmente al cine. Entre que valores se encuentra, con un nivel de
confianza del 95%, la proporción de universitarios que acude todas las
semanas al cine.

En esta situación la proporción de la muestra es 0.80 y (1-P) = 1-0.80 = 0.20, el

tamaño de la muestra es 300 alfa es 0.05 lo que arroja una confianza del 95% y un
valor de Z = 1.96 el error estándar de la proporción es

θ−¿=¿¿
P
√ 0.80× 0.20 = 0.023 y el margen de error o error de
300
estimación se obtiene multiplicando este valor por el valor de Z,
es decir 1.96*0.023 = 0.045, reemplazamos en la fórmula del
intervalo y se obtiene
0.80 ± 0.045
 Los valores del intervalo son 0.755 y 0.845, la conclusión es que con una
confianza del 95% la proporción de estudiantes que asiste semanalmente a
cine esta entre 0.7550 y 0.8450

TAMAÑO DE MUESTRA PARA PROPORCIONES

Despejando n de la fórmula del error de estimación o margen de error

se deduce la fórmula del tamaño de muestra para proporciones
2
z ∗p∗q
‘n = e
2

Ahora si la población es finita la fórmula es

z 2∗p∗q∗N
‘n = 2 2
z ∗p∗q+e (N−1)

1. En cierta ciudad se sabe que el porcentaje de habitantes con

estudios superiores se sitúa en torno al 15%. Se desea
actualizar los datos y, para ello, se va a extraer una muestra
aleatoria de tamaño n para hacer la estimación del porcentaje
actual. ¿De qué tamaño mínimo deberemos seleccionar la
muestra para que el error en la estimación de la proporción sea
menor de 0,02, con un nivel de confianza del 95,44%?

‘p = 0.15 (1-p) = 0.85 alfa = 0.0456, Z = 2.00

22∗0.15∗0.85
‘n = 0.02
2 = 1.275

Qué sucede si el error deseado es 0.04?

22∗0.15∗0.85
‘n = 0.04
2 = 319.

Qué sucede si no conocemos P y deseamos un error de 0.04

2
2 ∗0.5∗0.5
‘n = 0.04 2
= 625
Como se observa en los resultados obtenidos el tamaño de muestra
para una investigación se afecta de manera significativa en la medida
que se aumenta o disminuye el error deseado. Al disminuir el error del
0.04 al 0.02 se generó una disminución de 956 personas, casi el 75%
de disminución del tamaño al duplicar el error.
También se observa que la decisión de utilizar P= 0.50 y (1-P) = 0.50
incrementa de manera significativa el tamaño de la muestra pasando
de 319 a 625 para error máximo de 0.04, situación que amerita evaluar
la alternativa de realizar una prueba piloto para estimar el valor de P
SESIÓN OCTUBRE 12
PRUEBA DE HIPÓTESIS DESVIACIÓN ESTÁNDAR DE LA
POBLACIÓN CONOCIDA

Un fabricante de café etiqueta sus bolsas anunciando un peso

promedio de tres libras, la oficina de pesos y medidas revisa un lote de
36 bolsas las cuales arrojaron un promedio de 2.92 libras, se quiere
probar con un nivel de significancia de 0.01 la afirmación del
fabricante, conociendo que la desviación estándar de todas las bolsas
empacadas es de 0.18 libras.
Se tiene
μ = 3 libras
σ = 0.18 libras
n = 36

 = 2.92
α = 0.01
De acuerdo al enunciado se tiene que

μ >= 3 libras
Ho:
H1: μ < 3 libras
En las pruebas de hipótesis se debe incluir una regla de decisión que nos permita
tomar la decisión para la situación. En este caso la regla de decisión se puede
formular de las siguientes maneras

Rechazar Ho si -Z(α) > -Zprueba o también si X(α) >Xprueba también se puede utilizar el
valor Pvalue como estadístico para el rechazo se rechaza Ho cuando α > P value

El gráfico muestra el nivel de significancia de 0.1 y el respectivo valor para Z que

se obtiene
De la tabla Z para un área de 0.4900 el valor de Z es -2.33 que es el valor crítico
para nuestra prueba ahora ese valor crítico se debe comparar contra el valor del
estadístico Z de la prueba el cual se obtiene de la expresión

x−u 2.92−3
z= z= = -2.67
σ ∕ √n 0.18 ∕ √36

Comparar valores
Estad. Críticos Estad. Prueba
Estadístico Z -2.33 > -2.67
Estadístico X -2.92 > -2.93
Estadístico alfa y P α = 0.01 > P = 0.0038

Al comparar los estadísticos se encuentra que todos llevan a la decisión de

rechazar Ho, por lo tanto, del fabricante está expuesto a una sanción y debe
revisar sus procesos para garantizar la exactitud en el peso de su producto.
x± z
θ
z=
x−u
√n σ ∕ √n
σ2 μ