UNIVERSIDAD NACIONAL DE

TRUJILLO
FACULTAD DE CIENCIAS FÍSICAS Y
MATEMÁTICAS
Escuela Profesional de Estadística

TAREA GRUPAL
DOCENTES
ROSA D. GUTIERREZ DE ALARCÓN
MARIANA LUCÍA CUADRA MORENO
CURSO
INFERENCIA ESTADÍSTICA I
CICLO: V

ALUMNOS

 CHAVARRY AGUILAR JULIO ANTONIO

 CIRIACO GOICOCHEA EDINHO ALISON (COORDINADOR)
 GUTIERREZ MATOS MALENY NATALY
 ALDO JESUS RAMOS MARTINEZ
 MORALES VASQUEZ JUAN PEDRO

Trujillo, 2021
1) Se tiene una población de 5 obreros calificados los cuales
tienen los siguientes ingresos por laborar horas extra a la
semana: $ 758, $618, $550, $589, $720.

A B C D E
$ 758 % 618 $ 550 $ 589 $ 720

a) Calcule la media μ y la varianza σ2.

n
x i 758+ 618+550+589+720
μ=∑ = =647
i=1 n 5

n
(x ¿¿ i−μ)2 12321+841+9409+3364+ 5329
σ 2=∑ = =6252.8 ¿
i=1 n 5

b) Determinar el número de muestras posibles de tamaño

3 y 4 sin reemplazo.

 Número de muestras de tamaño 3 sin reemplazo.

5 5!
C 3= =10
3! ( 5−3 ) !

ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE

 Número de muestras de tamaño 4 sin reemplazo.

5!
C 54= =5
4 ! ( 5−4 ) !
 ABCD
ABDE
ACDE
ABCE
BCDE

c) Elaborar las dos distribuciones muéstrales para cada

tamaño de muestra.

 Distribución Muestral n=3

758 618 550

758 618 589
758 618 720
758 550 589
758 550 720
758 589 720
618 550 589
618 550 720
618 589 720
550 589 720

 Distribución Muestral n=4

758 618 550 589

758 618 589 720
758 550 589 720
758 618 550 720
618 550 589 720

d) Calcular la Media de medias para ambos casos.

PROMEDIOS
642
655
698.667
632.333
676
689
585.667
629.333
642.333
619.667
E ( x )=647
 PROMEDIOS
628.75
661.5
671.25
654.25
619.25
E ( x )=647

e) Calcular el Error estándar de las dos distribuciones.

 Muestras Posibles de tamaño n=3

σ x=
σ N −n
(
√ n N −1 )
σ x= √
6252.8 5−3
√ 3 5−1 ( )
σ x =32.2821

 Muestras Posibles de tamaño n=4

σ x=
σ N −n
(
√ n N −1 )
σ x=
√ 6252.8 5−4
√ 4 5−1 ( )
σ x =19.7687

f) Redacte sus conclusiones

 La media de las medias muéstrales son iguales a

la media de las medias poblacionales.

 Luego comprobamos que:

σ x=
σ
√n
y σ x=
σ N −n
(
√n N −1 )
, si cumplen .
2) Se sacan varias muestras de poblaciones normalmente
distribuidas, con medias y varianzas, como se muestra a
continuación:

a) n = 10; μ = 30; σ2 = 9

Media:

μ=μ x =30

Desviación Estándar:

σ x= √ 9 =0.9487
√ 10

b) n = 15; μ = 50; σ2 = 4

Media:

μ=μ x =50

Desviación Estándar:

σ x= √ 4 =0.5164
√ 15

c) n = 30; μ = 100; σ2 = 100

Media:

μ=μ x =100

Desviación Estándar:

σ x= √
100
=1.8257
√ 30

d) n = 100; μ = 400; σ2 = 64

Media:
 μ=μ x =400

Desviación Estándar:

σ x= √64 =0.8
√ 100

3) Una población de ocho golosinas más consumidas en una

escuela primaria tienes los siguientes costos en pesos: $3.50,
$6.00, $12.50, $5.80, $4.00, $7.20, $8.00 y $4.50 establezca la
distribución muestral para la proporción de golosinas que
tienen un costo superior a los siete pesos, para una muestra
aleatoria simple de n = 5. Determine la proporción y el error
estándar de la proporción.
Sin reemplazo
$3.50, $6.00, $12.50, $5.80, $4.00, $7.20, $8.00 y $4.50
Como observamos la proporción de golosinas mayores a $/ 7
pesos de esta población es:
3
π=
8

Si X es el numero de golosinas mayores de $/ 7 pesos entonces

para saber que valores tomara X resolvemos con distribución
hipergeométrica.

N=8
M=3
n=5
x H 6(10,3,5)

x= { max { 0 ,min−N } … min { M , n } }

x= {0 ; 3 }
lo cual es equivalente a que tiene los valores:
0 1 2 3
; ; ; con los siguientes procesos:
5 5 5 5

f ( x )=
( x )( n−x )
M N −M

( Nn )

f ( x=0 )=
( 0)( 5−0 ) 1
3 5
=
(5) 56
8

f ( x=1 ) =
( 1 )( 4 ) 15
3 5
=
(5 )
8 56

f ( x=2 )=
( 2 )( 3 ) 30
3 5
=
( 5)
8 56

f ( x=3 )=
( 3 )( 2 ) 10
3 5
=
( 5) 56
8

x i pi
E ( p )=∑
n

0 1 1 15 2 30 3 10 3
E ( p )= . + . + . + . =
5 56 5 56 5 56 5 56 8
G ( p )=
√ 1
N
. ∑ ( p i−μ p ) xi
2

√ [( ) ( ) ( ) ( ) ]
2 2 2 2
1 3 ( ) 3 ( ) 3 ( ) 3
0− 1 + 0.2− 15 + 0.4− 30 + 0.6− (10)
56 8 8 8 8

G ( p )=0,14174

4) Determine la función de probabilidad conjunta de una

muestra aleatoria x1, x2, . . . .xn de tamaño n si procede de una
población con distribución Normal, de la que se extrae una
muestra aleatoria, determine la función de probabilidad
conjunta de la muestra.
Muestra aleatoria (x1, x2, . . . .xn)
→ f ( x i )=sigue siendo una distribucion normal

( )
2
−1 x i −μ
1 2 σ
→ f ( x i )= e
√2 π σ
2 2 2
−1 ( x 1−μ ) −1 ( x2 −μ) −1 ( x n−μ )
1 2 2 1 2 2 1 2 2
f ( x 1 ,.. x n )= e σ
. e σ
... e σ

√2 π σ √2 π σ √2π σ

2
n −1 ( x i− μ)
1
f ( x 1 ,.. x n )=∏ 2 2
e σ

i=1 √2 π σ
5. Determine la función de probabilidad conjunta de una
muestra aleatoria x1, x2, . . . .xn de tamaño n si procede de una
población con distribución de Poisson

SOLUCION
X i →Tiene una distribucion de Poisson

( )
λ− x i
−λ
f ( x )=e si;i=1,2,3 , … n
xi !

( ) ( ) ( )
−x 1 − x2 −x n
−λ λ −λ λ −λ λ
f ( x 1 x2 .. x n ) =e ∗e ¿…e
x1 ! x2 ! xn!

( )
−x 1−x 2− x3 … x n
−( λ+λ+ λ+.. λ) λ
f ( x 1 x2 .. x n ) =e
x1 !∗x 2 ! .. xn !

( )
n
λ− x 1

f ( x 1 x2 .. x n ) =∏ e −λ

i=1 x1 !

6. Si X es v.a. con f(x) = P x ( 1−P )1− x ; 0 < P < 1 y sea una muestra
aleatoria de tamaño n, hállese la distribución de ΣX
(sugerencia: use f.g.m.)

Halle la distribución:
n
Y =∑ xi
i=1

SOLUCION
Funcio Generatriz de Momentos : M x ( t )

F . G . M =M x ( t )=E [ e ]
tx

 Primero determinamos la M x ( t ) en la población.

 x 1−x
f x ( x , p )=f x ( x )= p ( 1− p )
x=0,1 ; 0< p<1

n
M x ( t ) =E ( e tx )=∑ e tx px ( 1− p )
1−x

x=0

n
M x ( t ) =E ( e )=∑ ( e p ) ( 1− p )
tx t 1− x x

x=0

M x ( t ) =E ( e )=( ( 1− p ) + p e t )
tx

Luego usamos la F. G. M.
n
Y =∑ xi
i=1

M x ( t ) =E ( e tx )=E [ et (x + x + x +… x ) ]
1 2 3 n

M x ( t ) =E ( e tx )=E [ et (x ) e t (x ) et (x ) … e t (x ) ]
1 2 3 n

M x ( t ) =E ( e )=( E [ e
t ( x i) n
tx
])
n
M x ( t ) =E ( e )=( ( 1− p ) + p e )
tx t

Podemos decir que:

n
[ ( 1− p )+ p e t ] ⟶ Bim(n , p)
Por lo tanto:
y Bn ( n , p )
n!
F ( x )= ∗p x q n−x
x ! (n−x )

7. Sea una población definida por f ( x )=e−x , x ≥0 . Determinar la

distribución de la media muestral para muestras aleatorias
simples de tamaño 2.
Solución:
f ( x )=e−x
 x1 + x2
m ( x1 , x2 ) =… a=
2
a
F ( a )=∫ e dx
−x

F ( a )=−e−a −(−e0 )

F ( a )=−e−a −(−1)
−a
F ( a )=1−e

8. De población Binomial con parámetros (3; 0.5) se extrae una

muestra aleatoria de tamaño2. Determine:
a) Distribución de probabilidad conjunta de X 1 , X 2.
b) Distribución de la media muestral

Solución:
a)
f ( x )=BINOMIAL
m . a m=2 x 1 , x 2

x 1=B (3 ; 0.5 )

x 2=B (3 ; 0.5 )

1 1
F ( x 1 ; x 2 ) =B (3 ; ; )
2 2
 1 1
F ( x 1 ; x 2 ) =B (3 ; ; )
2 2
n!
F ( x1 ; x2 )= p1x p2x … pxk
1 2 k

x1 … … . xk

( )( )
x1 x2
3! 1 1
F ( x1 ; x2 )=
x1 ! x2 ! 2 2

b)

u ( x 1 , x 2 )=n pi=3 ( 12 )( 12 )= 34
u ( x 1 , x 2 )=n pi ( 1− p1 )

u ( x 1 , x 2 )=
3
4( 1 1
1− −
2 2 )
u ( x 1 , x 2 )=0

9)La vida útil (en miles de horas) de una batería es una variable
aleatoria X con función de densidad:

{
f ( x )= 2−2 x ,0 ≤ x ≤ 1
0 en otro lugar

Si X36 es la media de una muestra de tamaño n= 36 halle

P(X>0.336)
Solución :
Sabemos que n ≥ 36 ,entonces tendremos una x N ( 0,1 ) donde la :
x−μ x−μ ( x−μ) √ n
z= = =
σx σ /√n σ

La esperanza :
1
μ= E ( x )=∫ x ( 2−2 x ) dx
0

1
E ( x )=∫ ( 2 x−2 x ) dx
2

( |) ( |)
2 3
x 1 x 1
E ( x )=2 −2
2 0 3 0

E ( x )=2 ( 12 )− 23
 1
E ( x )= 0 , 3^
3

La esperanza de los X2
1
E ( x )=∫ x ( 2−2 x ) dx
2 2

1
E ( x )=∫ (2 x −2 x )dx
2 2 3

1
E ( x )=∫ (2 x −2 x )dx
2 2 3

( |) ( |)
3 4
x 1 x 1
E ( x )=2
2
−2
3 0 4 0

2 1
E ( x )= −
3 2
1
E ( x )=
2
0.1667
6

La varianza:
σ 2=E ( x 2) −( E ( x ) )
2

()
2
2 1 1
σ = −
6 3
1
σ 2= 0.0556
18
σ =√ 0.0556

Calcular :
P( X > 0.336)=1−P( X ≤0.336)

P( X > 0.336)=1−P Z ≤ ( ( 0336−0 , 3^ ) √ 36

√ 0.0556 )
P( X > 0.336)=1−P ( Z ≤ 0,07 )
P( X > 0.336)=1−0,527903
P( X > 0.336)=0,4721
10) Verificar la identidad: Σ (X – X)2 = Σ (X – μ)2 – n (X – μ).

Se puede escribir como:

2 2
x−x=x− x+ μ−μ=( x−μ ) −n ( x−μ )

Para i=1 , … n

n n

∑ ( xi −x ) =¿ ∑ [ ( x i−μ ) −( x −μ) ] ¿
2 2

i=1 i=1

n
¿ ∑ [ ( x i−μ ) −2 ( x i−μ ) ( x−μ ) + ( x−μ ) ]
2 2

i=1

n n n
¿ ∑ ( x i−μ ) −2 ∑ [( x i−μ)(x−μ) ] +∑ ( x−μ )
2 2

i=1 i=1 i=1

n 2
¿ ∑ ( x i−μ ) −2( x−μ)¿ ¿
i=1 ¿
n
¿ ∑ ( x i−μ ) 2−2 n ( x −μ ) + n ( x −μ )
2 2

i=1

n
¿ ∑ ( x i−μ ) −n ( x−μ )
2 2

i=1