ESTADÍSTICA PARA LA GESTIÓN

Semana 1
Muestras Aleatorias
 Semana 1
Muestras Aleatorias

APRENDIZAJE ESPERADO

El estudiante será capaz de:

• Emplear herramientas de distribución muestral para la media a partir de la información dada para
la toma de decisiones en el ámbito laboral.

Reservados todos los derechos Instituto Superior de Artes y Ciencias de la Comunicación S.A. No se permite copiar, reproducir, reeditar, descargar, publicar,
emitir, difundir, de forma total o parcial la presente obra, ni su incorporación a un sistema informático, ni su transmisión en cualquier forma o por cualquier
medio (electrónico, mecánico, fotocopia, grabación u otros) sin autorización previa y por escrito de Instituto Superior de Artes y Ciencias de la Comunicación
S.A. La infracción de dichos derechos puede constituir un delito contra la propiedad intelectual.

IACC 2021 2
 Semana 1
Muestras Aleatorias

ÍNDICE
ÍNDICE ................................................................................................................................................................................. 3
INTRODUCCIÓN ................................................................................................................................................................... 4
RESUMEN ............................................................................................................................................................................ 5
PALABRAS CLAVE ................................................................................................................................................................. 5
PREGUNTAS GATILLANTES ................................................................................................................................................... 5
1. MUESTRAS ALEATORIAS ................................................................................................................................................... 6
2. DISTRIBUCIONES DE MUESTREO ....................................................................................................................................... 6
2.1 DISTRIBUCIÓN DE MUESTREO DE LA MEDIA MUESTRAL ....................................................................................................... 8
2.2 TEOREMA CENTRAL DEL LÍMITE ............................................................................................................................................. 9
3. DISTRIBUCIÓN DE MUESTREO PARA MEDIAS MUESTRALES. ........................................................................................... 14
3.1. GRADOS DE LIBERTAD ......................................................................................................................................................... 14
3.2. DISTRIBUCIÓN T DE STUDENT.............................................................................................................................................. 14
EJERCICIOS PROPUESTOS ................................................................................................................................................... 20
COMENTARIO FINAL .......................................................................................................................................................... 21
REFERENCIAS ..................................................................................................................................................................... 22

IACC 2021 3
 Semana 1
Muestras Aleatorias

INTRODUCCIÓN
Cuando se tiene que realizar un estudio y definir la población, es decir, los individuos o elementos del estudio,
muchas veces no se tiene acceso a todos estos elementos o no se cuenta con los recursos necesarios para trabajar
con todos ellos, es por esto que los investigadores deciden trabajar con muestras obtenidas de la población. Esto
demuestra que las muestras y la forma como se obtienen es muy importante, ya que a través de estas se pueden
realizar inferencias de la población.
Cuando el investigador realiza un experimento en base a una muestra y obtiene datos, con los resultados obtenidos
de estos datos se sacan ciertas conclusiones, y estas conclusiones suelen ir más allá del experimento particular
realizado. En otras palabras, puede ocurrir que el investigador generalice las conclusiones del experimento particular
a todas las clases de experimentos semejantes. Tal tipo de extensión de lo particular a lo general se denomina
inferencia.
En esta asignatura Estadística para la Gestión se trabajarán distintas herramientas de la inferencia estadística,
comenzando por estudiar la distribución de probabilidad de la media muestral, viendo que esta se pude distribuir de
forma normal o tomar la distribución t de Student, dependiendo del tamaño de la muestra y de si se conoce o no la
varianza de la población. Lo anterior, con el objetivo de calcular la ocurrencia de esta y analizar los resultados para
sacar conclusiones contextualizadas en el ámbito laboral para la toma de decisiones.

IACC 2021 4
 Semana 1
Muestras Aleatorias

RESUMEN
Al estudiar una muestra y obtener estadísticos, en este caso la media muestral, se puede notar que este estadístico
se puede distribuir de la misma forma que la población de la que fue obtenida. Si la muestra proviene de una
distribución normal con media y varianza conocidas, la media muestral también se distribuirá de forma normal. El
teorema central del límite indica que, si la muestra proviene de una distribución con media y varianza conocida y el
tamaño de la muestra es mayor a 30, la muestra se puede distribuir de forma normal. Si la muestra proviene de una
distribución normal con varianza desconocida, en este caso se puede decir que la muestra se distribuye t de Student
con n-1 grados de libertad.

PALABRAS CLAVE
• Media
• Varianza
• Muestras
• t de Student
• Probabilidad
• Media muestral

PREGUNTAS GATILLANTES
• De un total de 600 trabajadores se seleccionan 150 para realizar un estudio sobre estrés laboral y una de las
variables son las horas de sueño. Indique cuál es la muestra y cuál es la población.
• ¿Qué entiende por una probabilidad?
• Indique qué nombre se les da a las características medibles de una población.

IACC 2021 5
 Semana 1
Muestras Aleatorias

1. MUESTRAS ALEATORIAS
Para realizar inferencias válidas es necesario que la muestra obtenida sea representativa de la población, para esto
debe obtenerse una muestra aleatoria. Se dice que una muestra de tamaño 𝑛, es decir, que contiene 𝑛 elementos
{𝑥1 , 𝑥2 , …, 𝑥𝑛 } seleccionada de una población, es aleatoria si cada muestra de tamaño 𝑛 seleccionada de la
población tiene igual probabilidad de ser extraída.

Población: Totalidad de elementos que son objeto de estudio ሺ𝑁ሻ.

Muestra: Subconjunto representativo de una población ሺ𝑛ሻ.

Si de la población se calcula, por ejemplo, un promedio, este se llama “𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜”, y si se calcula un

promedio de la muestra obtenida, este se llama “𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜”.

2. DISTRIBUCIONES DE MUESTREO
Las características muestrales denominadas “𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑎𝑠” se emplean para hacer inferencias con respecto a las
características de la población, las que reciben el nombre de “𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠”. A continuación, se examinará el papel
que desempeñan las estadísticas en relación con la inferencia. En particular, se desarrollará la noción de una
distribución de muestreo de una estadística, que es uno de los aspectos más importantes de la inferencia estadística.

Para explicarlo mejor, a continuación, un ejemplo:

Una máquina que llena bebidas gaseosas se regula para que entregue 1 litro por botella, en este caso, se trabajará
con el equivalente de 1000 ml.

Debido a una serie de causas de variabilidad, como, por ejemplo, imprecisión de la máquina expendedora de líquido,
no se puede obtener en todas las botellas exactamente 1000 ml.

IACC 2021 6
 Semana 1
Muestras Aleatorias

La cantidad de líquido obtenido es una variable aleatoria, definida sobre la población de todas las botellas que se
llenan y se considera que la máquina está bien regulada si la media o promedio de esta variable aleatoria es de 1000
ml.

Para verificar si esto se cumple, se toma al azar una muestra aleatoria de 25 botellas y se mide la cantidad de líquido
en cada botella. Se calcula la media y se obtiene que la media muestral es 998 ml, lo que es diferente a 1000 ml.

Esta diferencia entre 998 y 1000 puede deberse al muestreo aleatorio realizado, de hecho, es muy poco probable
que al escoger una muestra la media de esta sea 1000 ml.

Esto quiere decir que es necesario seguir algún procedimiento que permita obtener conclusiones sobre el valor de
la media poblacional a partir de la información obtenida de la muestra estudiada, a esto se le llama Inferencia
Estadística.

Figura 1.Muestra aleatoria obtenida de una población.

Fuente: elaboración propia

Hay que recordar que, si se obtiene de la población la media y la varianza, estas son: µ y 𝜎 2 , y si se obtiene
de la muestra la media y la varianza, estas son: 𝑥ҧ y 𝑠 2

También hay que recordar que la desviación estándar 𝜎 es la raíz de la varianza 𝜎 2 .

La desviación estándar también se encuentra en la literatura como desviación típica.

IACC 2021 7
 Semana 1
Muestras Aleatorias

En teoría, se pueden seleccionar infinitas muestras y calcular para cada una de ellas sus características, en este caso,
su media y su varianza. Por lo tanto, se presenta una población de muestras, cada una con sus características y esto
lleva a que se tiene una población de medias muestrales y otra población de varianzas muestrales; entonces, se
puede considerar a la media muestral y a la varianza muestral como variables aleatorias con sus parámetros que las
caracterizan y van a seguir una distribución que tiene relación con la población original y con el tamaño de la muestra.
De esta forma, en la Inferencia Estadística se busca conocer la relación entre la distribución de los estadísticos
muestrales con la distribución y las características de la distribución de la población.

2.1 DISTRIBUCIÓN DE MUESTREO DE LA MEDIA MUESTRAL

Dada una población se obtienen distintas muestras de tamaño 𝑛, (𝑛1 , 𝑛2 , 𝑛3 , …), se calcula la media para cada
muestra y se observa que las medias varían en cada muestra (𝑥 ̅̅̅,
1 ̅̅̅,
𝑥2 ̅̅̅,
𝑥3 …), ya que cada muestra tiene elementos
diferentes. Si se agrupan los promedios de cada muestra en un conjunto y se establece una distribución de
probabilidad para ellas, se forma una Distribución Muestral de Medias que tiene su propia media 𝜇𝑥ҧ y su propia
varianza 𝜎𝑥ҧ2 . Cuando la población tiene una distribución normal, la media de la población es igual a la media de las
𝜎2
muestras µ= 𝜇𝑥ҧ y la varianza de la muestra es igual a 𝜎𝑥ҧ2 = . Por lo tanto, la media de las muestras se distribuye de
𝑛
la siguiente manera:

Distribución normal estándar.

𝑋̅−𝜇
𝑍= ~𝑁ሺ0, 1)
𝜎/ξ𝑛

Entonces, como la media muestral se distribuye de forma normal, se puede estandarizar de la siguiente manera:

Distribución de la media muestral

𝜎 2
𝑋̅~𝑁ሺ𝜇, )
𝑛

IACC 2021 8
 Semana 1
Muestras Aleatorias

2.2 TEOREMA CENTRAL DEL LÍMITE

Cuando las muestras no provienen de una población normal, el tamaño de la muestra desempeña un papel muy
importante. Cuando 𝑛 es pequeño, la forma de la distribución depende principalmente de la forma de la población.
Sin embargo, cuando 𝑛 crece, uno de los teoremas más importantes de la inferencia estadística establece que la
forma de la distribución muestral se parecerá cada vez más a una distribución normal, independientemente de la
forma que tenga la población.

Teorema central del límite según Llinás Solano (2017):

Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de tamaño 𝑛, tomada de una población con media µ y varianza 𝜎 2 .
Entonces, si 𝑛 es lo suficientemente grande (𝑛 → ∞), 𝑋̅ tiene una distribución normal aproximada con media
𝜇𝑋̅ =µ y varianza 𝜎𝑥ҧ2 = 𝜎 2 /𝑛

Ejemplo 1: Se tiene una variable aleatoria 𝑋 con distribución desconocida, su media es 16 y la desviación estándar
es 2,1 se extraen muestras de tamaño 𝑛. ¿Qué se puede afirmar acerca de la distribución de las medias muestrales?

a) Si se toma una muestra de tamaño 65.

Por el teorema central del límite, se sabe que 𝑋̅ se distribuye de forma normal, ya que 65 > 30
Por lo tanto:
Media: µ𝑋̅ = 16
𝜎 2,1
Desviación estándar: 𝜎𝑋̅ = = = 0,26
ξ𝑛 ξ65
𝑋̅ ~ 𝑁(µ𝑋̅ = 16, 𝜎𝑋2̅ = 0,26 )2

a) Se toma una muestra de tamaño 15.

En este caso, como la muestra es de 15 < 30 no se puede decir que 𝑋̅ se distribuye de forma normal, solo se
sabe que:

Media: µ𝑋̅ = 16
𝜎 2,1
Desviación estándar: 𝜎𝑋̅ = = = 0,54
ξ𝑛 ξ15

IACC 2021 9
 Semana 1
Muestras Aleatorias

Ejemplo 2: Una variable aleatoria 𝑋 se distribuye de forma normal 𝑋 ~ 𝑁ሺ𝜇 = 76, 𝜎 2 = 33). Se extraen muestras de
tamaño 𝑛 ¿Qué se puede afirmar acerca de la distribución de la media muestral?

a. Si se toma una muestra de tamaño 𝑛 = 120

Como la variable aleatoria proviene de una población normal y además por el teorema central del límite 120 >
30 la media muestral también se distribuye de forma normal, de la siguiente manera:
Media: µ𝑋̅ = 76
Se tiene que 𝜎 2 = 33 entonces 𝜎 = 5,74
𝜎 5,74
Desviación estándar: 𝜎𝑋̅ = = = 0,52
ξ𝑛 ξ120
𝑋̅ ~ 𝑁ሺµ𝑋̅ = 76, 𝜎𝑋2̅ = 0,522 ሻ

b. Se toma una muestra de tamaño n=22

En este caso, se tiene que 22 < 30 no se puede aplicar el teorema central del límite, pero como la variable 𝑋
proviene de una distribución normal, se dice que la media muestral también se distribuye de forma normal.

Media: µ𝑋̅ = 76
𝜎 5,74
Desviación estándar: 𝜎𝑋̅ = = = 1,22
ξ𝑛 ξ22
𝑋̅ ~ 𝑁ሺµ𝑋̅ = 76, 𝜎𝑋2̅ = 1,22 ሻ2

Ejemplo 3: El tiempo que tardan los trabajadores de una empresa en llegar a su lugar de trabajo se distribuye de
forma normal con una media de 43 minutos y una desviación estándar de 8 minutos. Se toma una muestra de 78
trabajadores. Calcular la probabilidad de que el tiempo medio que tardan los trabajadores en llegar hasta su lugar
de trabajo:

a) Sea menor a 42 minutos.

b) Sea mayor a 46 minutos.
c) Esté entre 41 y 47 minutos.

Desarrollo.
Del enunciado se obtiene la variable aleatoria, esta es:
X = Tiempo que tardan los trabajadores de una empresa en llegar a su lugar de trabajo.

IACC 2021 10
 Semana 1
Muestras Aleatorias

𝑋 ~ 𝑁 ሺ𝜇 = 43, 𝜎 2 = 82 ሻ
Como se indica, esta variable se distribuye de forma normal, por lo tanto, la media muestral, en este caso, el
tiempo medio de la muestra, también es normal por el hecho de venir de una población normal. Además, se
puede notar que la muestra es de 78 trabajadores, en el caso que el ejercicio no mencione que la muestra viene
de una población normal, por el teorema central del límite, como la muestra es mayor a 30, se puede decir que
el tiempo medio de la muestra se distribuye de forma normal.
Se tiene que:
𝑋̅ = Tiempo medio que tardan los trabajadores de una empresa en llegar a su lugar de trabajo.
8 2
𝑋̅ ~ 𝑁 ሺµ𝑋̅ = 43, 𝜎𝑋2̅ = ሻ
78
µ𝑋̅ = 43
𝜎 8
𝜎𝑋̅ = = = 0,91
ξ𝑛 ξ78

a) P ( 𝑋̅ < 42)

Figura 2.Cálculo de probabilidad distribución normal cola izquierda, utilizando Excel.

Fuente: elaboración propia.

En Excel la función =DISTR.NORM.N entrega la probabilidad acumulada hasta el punto y es lo que se necesita en este
caso, ya que es menor que 42, se dice que está en la cola izquierda de la distribución.

Figura 3.Curva distribución normal cola izquierda.

Fuente: elaboración propia.

IACC 2021 11
 Semana 1
Muestras Aleatorias

La probabilidad de que el tiempo medio que tardan los trabajadores en llegar hasta su lugar de trabajo es 0,1359.
b) P(𝑋̅ > 46)

Figura 4: Cálculo de probabilidad distribución normal cola izquierda, utilizando Excel.

Fuente: elaboración propia.

Figura 5: Cálculo de probabilidad distribución normal cola derecha, utilizando Excel.

Fuente: elaboración propia.

Este caso es contrario al anterior, ya que se busca la probabilidad sobre 46, ya que se pide mayor a 46, es posible
seguir utilizando la misma función de Excel, pero como es el contrario se debe decir:

1 − 𝑃ሺ𝑥 < 46ሻ

Primero se busca la probabilidad y luego se realiza la resta.

Figura 6: Curva distribución normal cola derecha.

Fuente: elaboración propia.

Por lo tanto, la probabilidad de que el tiempo medio que tardan los trabajadores en llegar hasta su lugar de trabajo
sea mayor a 46 minutos es de 0,000489.

IACC 2021 12
 Semana 1
Muestras Aleatorias

c) P(41 < 𝑋̅ < 47)

En este caso se tiene que buscar la probabilidad entre dos valores, para esto se debe calcular la probabilidad del
mayor y restarle la probabilidad del menor.

Figura 7. Cálculo de probabilidad distribución normal cola izquierda, utilizando Excel.

Fuente: elaboración propia.

Figura 8. Cálculo de probabilidad distribución normal cola izquierda, utilizando Excel.

Fuente: elaboración propia.

Figura 9.Curva distribución normal entre dos valores.

Fuente: elaboración propia.

La probabilidad de que el tiempo medio que tardan los trabajadores en llegar a su lugar de trabajo esté entre 41 y
47 minutos es 0,986.

IACC 2021 13
 Semana 1
Muestras Aleatorias

3. DISTRIBUCIÓN DE MUESTREO PARA MEDIAS MUESTRALES.

3.1. GRADOS DE LIBERTAD
El término grados de libertad se puede definir como el número de observaciones que son libres de variar,
independiente del tamaño de la muestra 𝑛 o del valor de la media 𝑋̅, el último valor de la muestra no puede variar
libremente. Finalmente se tendrán 𝑛 − 1 grados de libertad.
Por ejemplo, si se tiene una persona con 5 pares de zapatos y le gusta variar cada día los zapatos, el primer día tiene
5 opciones, el segundo tiene 4 opciones, el tercer día le quedan 3 opciones, el cuarto día aún puede elegir, ya que le
quedan 2 opciones, pero el día número 5 no puede elegir, solo tiene una opción; en este caso de una muestra de
tamaño 5 solo tiene 4 días para elegir con libertad, es decir 𝑛 − 1.

3.2. DISTRIBUCIÓN T DE STUDENT

Esta distribución se usa en los cálculos y en los procedimientos de la estadística y propiamente en los relacionados
con la inferencia estadística.
La distribución t de Student se construye de la siguiente manera:

Distribución t de Student

𝑍
𝑡𝑛 =
ට𝑌
𝑛

Donde 𝑌 y 𝑍 son dos variables aleatorias independientes, 𝑌 tiene una distribución Chi-Cuadrado con 𝑛 grados de
libertad y 𝑍 se distribuye normal estándar. Se le llama distribución t de Student con 𝑛 grados de libertad.

𝑛
Si 𝑋~𝑡𝑛 , entonces 𝐸ሺ𝑋ሻ = 0 si 𝑛 > 1 y 𝑉ሺ𝑋ሻ = si 𝑛 > 2
𝑛−2

Cuando 𝑛 → ∞ la distribución 𝑡𝑛 tiende a una distribución 𝑍 ሺ0,1ሻ, es decir, cuando el tamaño de la muestra
aumenta la distribución 𝑡 de Student tiende a una distribución normal estándar, con un tamaño de la muestra igual
o mayor a 30, se puede hacer una buena aproximación.

IACC 2021 14
 Semana 1
Muestras Aleatorias

Figura 10: Gráfica de f para la distribución t de Student cuando 𝑛 = 1, 3, 6.

Fuente: Llinás Solano (2018, p. 138).

La importancia de esta distribución es que, si 𝑋̅ 𝑦 𝑆 son la media y la desviación estándar de una muestra de tamaño
𝑛, extraída de una población normal con media µ y varianza 𝜎 2 , el estadístico que se muestra a continuación se
distribuye 𝑡 de Student con 𝑛 − 1 grados de libertad.

Distribución 𝑡 de Student

𝑋̅ − 𝜇
~ 𝑡𝑛−1
𝑆/ξ𝑛

Se está en presencia de un estadístico que relaciona la media poblacional con la media muestral.
A continuación, un análisis de la analogía entre dos estadísticos:

𝑋̅− 𝜇 𝑋̅− 𝜇
~ 𝑁ሺ0, 1ሻ ~ 𝑡𝑛−1
𝜎/ξ𝑛 𝑆/ξ𝑛

IACC 2021 15
 Semana 1
Muestras Aleatorias

Si se conoce la desviación estándar de la población el estadístico se distribuye normal estándar, y si no se conoce la

desviación estándar de la población y se trabaja con la de la muestra, el estadístico se distribuye 𝑡 de Student con
𝑛 − 1 grados de libertad. Como habitualmente no se conoce la desviación estándar de la población se puede sustituir
por la desviación estándar de la muestra y el estadístico pasa a tener distribución 𝑡 de Student con 𝑛 − 1 grados de
libertad.

Características de la distribución 𝑡 de Student:

• La distribución 𝑡 de Student es una distribución continua.

• Tiene una media de cero, es simétrica respecto de la media y se extiende de −∞ 𝑎 + ∞.
• La varianza de 𝑡 para 𝑛 > 2, cuando los grados de libertad son suficientemente grandes, la varianza de la
distribución 𝑡 tiende a 1.
• Tiene forma acampanada y simétrica alrededor de la media.
• No hay una distribución 𝑡, sino una familia de distribuciones 𝑡, todas con media cero, pero con su respectiva
desviación estándar diferente de acuerdo con el tamaño de la muestra. Existe una distribución 𝑡 para una
muestra tamaño 18, otra para una muestra de 21 y así sucesivamente.

Ejemplo 4: Se tiene que la demanda semanal de un artículo es una variable aleatoria que se distribuye
aproximadamente normal con media de 150 unidades, si se toma una muestra de 5 semanas y se obtiene una
varianza muestral de 64:

a. Calcular la probabilidad de que la media muestral sea inferior a 155 unidades.

b. Calcular la probabilidad de que la media muestral sea superior a 158 unidades.
c. Calcular la probabilidad de que la media muestral esté entre 152 y 156 unidades.

Desarrollo.

La variable aleatoria es:

X = Demanda semanal de un artículo
En este caso, como se trabajará con la media de las muestras, la variable cambia:

𝑋̅ = Demanda semanal media de un artículo

IACC 2021 16
 Semana 1
Muestras Aleatorias

µ𝑋̅ = 150
𝑆𝑋2̅ = 64
𝑆𝑋̅ = 8

𝑋̅− 𝜇 155−150
a) = =1,3975
𝑆/ξ𝑛 8/ξ5

155 − 150
𝑃ሺ𝑋̅ < 155ሻ = 𝑃 (𝑡4 < ) = 𝑃 ሺ𝑡4 < 1,3975ሻ
8
ξ5

Figura 11. Cálculo de probabilidad distribución t de Student cola izquierda, utilizando Excel.
Fuente: elaboración propia.

Como se pide que sea menor a 155, se utiliza la función de Excel =DISTR.T.N que calcula la probabilidad acumulada
de la cola izquierda.

Figura 12: Curva distribución t de Student, cola izquierda.

Fuente: elaboración propia.

La probabilidad de que la demanda media semanal sea menor a 155 unidades es de 0,8826.

IACC 2021 17
 Semana 1
Muestras Aleatorias

158−150
𝑃ሺ𝑋̅ > 158ሻ = 𝑃 (𝑡 > ) = 𝑃 ሺ𝑡4 > 2,236ሻ
8/ξ5

Figura 13. Cálculo de probabilidad distribución t de Student cola derecha, utilizando Excel.
Fuente: elaboración propia.

Como se pide que sea mayor a 158, se utiliza la función de Excel =DISTR.T.CD que calcula la probabilidad acumulada
de la cola derecha.

Figura 14: Curva distribución t de Student, cola derecha.

Fuente: elaboración propia.

La probabilidad de que la demanda media semanal sea mayor a 158 unidades es de 0,0445.

152−150 156−150
b) 𝑃ሺ152 < 𝑋̅ < 156ሻ = 𝑃 ( < 𝑡4 < ) = 𝑃ሺ0,559 < 𝑡4 < 1,677ሻ
8/ξ5 8/ξ5

En este caso se calcula la probabilidad del mayor menos la probabilidad del menor.

IACC 2021 18
 Semana 1
Muestras Aleatorias

Figura 15: Cálculo de probabilidad distribución t de Student cola izquierda, utilizando

Excel. Fuente: elaboración propia.

𝑃ሺ0,559 < 𝑡4 < 1,677ሻ = 0,916 − 0,697 = 0,219

La probabilidad de que la demanda media semanal esté entre 152 y 156 unidades es de 0,219.

Figura 16: Curva distribución t de Student, entre dos valores.

Fuente: elaboración propia.

En el siguiente video se encuentra un ejercicio que ayudará a reforzar los conocimientos acerca de la distribución
de la media muestral cuando no se conoce la varianza poblacional.

https://youtu.be/CXXX86FIXgg

IACC 2021 19
 Semana 1
Muestras Aleatorias

EJERCICIOS PROPUESTOS
Ejercicio 1.
El ingreso mensual de una familia es una variable aleatoria que sigue una distribución normal de media $550.000 y
una desviación estándar de $320.000. Para realizar un estudio de los hábitos de compra de las familias de esta
comunidad, se ha tomado una muestra aleatoria de 1.100 familias. Se pide calcular la probabilidad de que el ingreso
medio de las familias esté entre $520.000 y $570.000.
Respuesta: 0,9799

Ejercicio 2.
Mediante estudios anteriores se sabe que los beneficios mensuales de un amplio grupo de empresas se distribuyen
de forma normal con media 5000 euros. Se selecciona una muestra de 25 empresas y se obtiene una desviación
estándar de 300 euros. Calcule la probabilidad de que la media muestral sea superior a 4900 euros.
Respuesta: 0,9459

IACC 2021 20
 Semana 1
Muestras Aleatorias

COMENTARIO FINAL

En este apartado se dio a conocer la importancia de tomar muestras para realizar investigaciones, ya que trabajar
con muestras y no con todos los elementos de la población ahorra tiempo y recursos. Las características que se
obtienen de las muestras, en este caso, la media muestral, tienen una distribución de probabilidad que puede ser
normal o t de Student dependiendo del tamaño de muestra obtenida y de si se conoce o no la varianza de la
población. Algo importante que se debe recordar también, es que mientas más grande sea la muestra, los
estadísticos extraídos de ella estimarán de forma más exacta los parámetros poblacionales.

IACC 2021 21
 Semana 1
Muestras Aleatorias

REFERENCIAS

Estadística y otros bichos. (2020). Distribución de la media muestral (t de Student)- Ejercicio [Video]. Youtube.
https://www.youtube.com/watch?v=CXXX86FIXgg

Llinás Solano, H. (2017). Estadística Inferencial. Universidad del Norte. https://bit.ly/3EOE8j1

Llinás Solano, H. (2018). Introducción a la teoría de probabilidad. Universidad del Norte. https://bit.ly/3kcu37D

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2022). Muestras Aleatorias. Estadística para la gestión. Semana 1.

IACC 2021 22