GUÍA DE MUESTREO Y NTE CARLOS

DOCE

DISTRIBUCIÓ N MUESTRAL FERNANDO ZEA

HINCAPIÉ

En esta sección encontrará la conceptualización a cerca de la distribución

muestral de las medias y proporciones, con ejemplos resueltos.
 Contenido
MUESTREO Y DISTRIBUCIÓN MUESTRAL......................................................................................................2
MUESTREO...............................................................................................................................................2
Muestreo Aleatorio Simple para población finita.................................................................................2
Muestreo Aleatorio Simple para población infinita..............................................................................3
ACTIVIDAD 1.................................................................................................................................................3
DISTRIBUCIÓN MUESTRAL........................................................................................................................3
Distribución muestral de las medias muestrales x ...............................................................................5
Teorema del límite central.......................................................................................................................8
Distribución muestral de las proporciones.............................................................................................11
ACTIVIDAD 2...............................................................................................................................................14

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 1
 MUESTREO Y DISTRIBUCIÓN MUESTRAL

MUESTREO
Cuando se desea realizar un estudio estadístico por lo general no se realiza utilizando todos los
elementos de la población1, es decir haciendo un censo, sino que se acostumbra, por motivos
de tiempo, economía o por que la población es infinita, hacer el estudio con una muestra.2

Los resultados que se obtengan en la muestra (Estadígrafos) deben de servir como

estimadores del comportamiento de la variable y los resultados en toda la población
(Parámetros).

Es por ello que el proceso de determinar el tamaño de la muestra y si esta es confiable o no, es
muy importante a la hora de realizar el estudio. A este proceso, el hacer la selección de una
muestra, es a lo que se le denomina Muestreo.

Una vez definido el tamaño de la muestra, el método más usual para seleccionar los elementos
de la población con los que se realizará el estudio estadístico, es el del MUESTREO
ALEATORIO SIMPLE.

Muestreo Aleatorio Simple para población finita

Suponga que usted debe seleccionar 25 piezas de la producción de un día para realizar el
control de calidad al producto elaborado. Se sabe que la producción fue de 120 piezas que
están enumeradas del 1 al 120 de acuerdo al orden en que fue culminado su proceso de
producción.

Para hacer la selección usando un método aleatorio (al azar, en donde todos los elementos
tienen las mismas opciones de ser seleccionados) se construye una tabla de números
aleatorios de varias cifras como el de la tabla 1. A partir de un número cualquiera de la tabla y
continuando con el siguiente (de izquierda a derecha o viceversa) se empiezan a seleccionar
conjuntos de tres dígitos, ya que los elementos de la población consideran posiciones del 1 al
120.

Tabla 1: Números aleatorios de 4 cifras

1890 3245 2315 0734 1100 1108 1041 9009

1969 7632 1070 2980 2002 7020 0081 0249
1992 7390 0459 1044 0460 1480 1235 0290
0789 5321 0101 0738 3232 2509 0261 0147
0642 1054 1200 4242 3487 3612 0033 0113
1234 3402 1004 1516 4060 0504 6401 0821
Por ejemplo, si arrancamos con el número 1890 hacia la derecha, tendremos los siguientes
grupos de números de tres dígitos:

1
Recordemos que la población es el conjunto de todos los elementos de donde se puede obtener la información en
un estudio estadístico.

2
Muestra: Subconjunto de elementos de una población.
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 2
189 032 452 315 073 411 001 108 104 190 091 969……

Como en el conjunto de dígitos habrá valores mayores a 120, por ejemplo 189 o 452, éstos
deberán desecharse, pero también están los elementos que si harán parte de la muestra, como
el 32, 73, 1, 108,104, 91,…., que serán las unidades a analizar en el proceso de control de
calidad.

Puede llegar a suceder que algún elemento se vea repetido en la selección, por ejemplo que
volviese a quedar el 91, el estadista deberá decidir si su estudio permite la repetición de
elementos o deberá desecharlo, es decir, hacer un muestreo con sustitución o sin ella.

Muestreo Aleatorio Simple para población infinita

Si se tiene una población infinita, o una finita con un número de elementos demasiado alto, se
debe definir un método de selección que satisfaga las siguientes condiciones:

 Cada elemento debe pertenecer a la población.

 Cada elemento debe ser seleccionado independientemente.

Por ejemplo, si un banco requiere hacer un estudio de satisfacción de atención al cliente a

través de una encuesta, podría pedir al cajero que seleccione los clientes utilizando el criterio:
“llena la encuesta el cliente que le toque la ficha que tenga un número múltiplo de 3”, con lo que
se satisfacen las dos condiciones del muestreo, entendiéndose como cliente toda persona que
vaya a usar los servicios del banco.

ACTIVIDAD 1
En un salón de clase de 16 estudiantes se desea tomar una muestra de 3 de ellos para
representar el grupo en una actividad.

a. El profesor decide utilizar el número de la lista de los estudiantes y la secuencia de números

024 115 908 707 016 para determinar qué estudiantes van a representar el grupo. ¿Qué
posición en la lista ocupan los estudiantes escogidos?
b. ¿Cuántas muestras de tamaño 3 se pueden obtener en el grupo?
c. ¿Qué probabilidad tiene cada muestra de ser seleccionada?

DISTRIBUCIÓN MUESTRAL
Volviendo al caso del ejemplo de control de calidad, supongamos que una pieza es aceptada si
su medida está en un rango de 20 a 30 cm. Una vez tomada la muestra se obtuvieron los
siguientes resultados:

Tabla 2: Medidas de una muestra de 25 piezas

Medi Ace Medi Ace Medi Ace Medi Ace

da ptad da ptad da ptad da ptad
a a a a
X1 22 Si X8 24 Si X15 25 Si X22 25 Si
X2 25 Si X9 24 Si X16 24 Si X23 18 No
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 3
 X3 28 Si X10 25 Si X17 24 Si X24 25 Si
X4 23 Si X11 26 Si X18 24 Si X25 26 Si
X5 24 Si X12 26 Si X19 25 Si
X6 19 No X13 26 Si X20 23 Si
X7 24 Si X14 17 No X21 30 Si

Cualquier resultado que se obtenga de esta muestra se le conoce como un estimador puntual
de la población, es decir, los estadígrafos son estimadores puntuales de los parámetros. Por
ejemplo:

x=
∑ x i = 602 =24 ,08 cm
n 25

En este caso podemos decir que la media muestral x es un estimador puntual de la media
poblacional µ, esto significa que la medida promedio de las piezas fabricadas está cercana a
24,08 cm. No obstante si se toma otro grupo de 25 piezas para analizar su calidad pudiese
suceder que el promedio de un poco mayor o menor a 24,08 cm, sin embargo debería ser
cercano.

Se puede hallar otros estimadores, como por ejemplo la desviación estándar estándar muestral
(s) o la proporción muestral ( p).

s=
√ ∑ ( xi −x)2 =
n−1
poblacional σ.
√ 189 , 84
24
=2 , 81 , este valor es el estimador puntual de la desviación estándar

Al calcular el porcentaje de piezas no aceptadas se estima la proporción poblacional (p) de

piezas que no pasan el control de calidad:

3
p= =12 %
25

Ahora, si se toman todas las posibles muestras de tamaño 25 piezas3 y se les determina su
medida promedio, es decir, su media muestral x i , tendríamos millones de medias muestrales,
cuyo promedio es exactamente la media poblacional µ, es decir,

µ = E ( x )=
∑x
N

Cuando realizamos este proceso, es decir, el de dividir una población en todas las posibles
medias muestras de tamaño “n” y a cada una de ellas le hallamos su promedio, estamos
realizando una DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES DE UNA POBLACIÓN.

3
Se pueden obtener 120C25 muestraas de tamaño 25.
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 4
De igual manera como se obtienen todas las medias muestrales x , se pueden obtener las
desviaciones estándar y proporciones muestrales, s y p . En este sentido, se piensa en los
valores de x y pcomo variables aleatorias dentro de una distribución que, como cualquier otra,
tienen su valor esperado y su desviación estándar.

El valor esperado para la distribución de las medias muestrales x , es la media poblacional µ

como ya se afirmó, y su desviación estándar se puede calcular con las expresiones:

σ x=
√ N −n σ
( ) Para cuando la población es finita
N−1 √ n

σ
σ x= Para cuando la población es infinita.
√n
En donde:

σ x Es la desviación estándar de x , conocida como el ERROR estándar o desviación estándar

muestral.

σ es la desviación estándar de la población.

n es el tamaño de la muestra

N tamaño de la población.

Para la distribución de las proporciones muestrales p se tiene algo similar, el valor esperado
de las proporciones muestrales es la proporción poblacional, es decir:

E ( p )=P

En donde:

E ( p ) es el valor esperado de las proporciones y P es la proporción poblacional .

En forma similar, la desviación estándar de las proporciones muestrales p está dada por:

σ p=
√ √ N −n p (1− p)
N −1 n
Para la población finita y

σ p=
√ p(1− p)
n
Para la población infinita.

Distribución muestral de las medias muestrales x

Para visualizar el concepto de la distribución muestral de las medias muestrales, veamos la
siguiente situación:

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 5
Se cocina un mismo alimento en 5 ocasiones en diferentes recipientes y se les toma su tiempo
de cocción los cuales se muestran en la tabla 3.

Tabla 3: tiempos de cocción de un alimento en 5 recipientes

Recipiente Tiempo de cocción del alimento

R1 40,5 minutos
R2 39,8 minutos
R3 41,3 minutos
R4 39,7 minutos
R5 40,5 minutos

Al calcular el tiempo promedio de cocción del alimento tendremos que:

40 ,5+39 , 8+ 41 ,3+ 39 ,7+ 40 , 5

μ= =40 , 36 minutos
5

Es decir que la media poblacional es de 40,36 minutos, de igual manera hallamos su desviación
estándar:

σ=
√ ∑ ( xi −x ) 2 =
n √ ( 40 , 5−40 , 36 )2 + ( 39 , 8−40 ,36 )2+ ( 41 ,3−40 ,36 )2+ ( 39 , 7−40 , 36 )2 + ( 40 ,5−40 , 36 )2
5

σ=
√ 1,672
5
=0 , 58

Ahora bien, vamos a tomar muestras de 3 recipientes y calculamos su media muestral.4

Tabla 4: medias muestrales de muestras de 3 recipientes

Muestra Valores de la muestra Media muestral x

1 (40,5 ; 39,8 ; 41,3 ) x 1=40 ,53
2 (40,5 ; 39,8 ; 39,7) x 2=40
3 (40,5 ; 39,8 ; 40,5) x 3=40 ,27
4 (40,5; 41,3 ; 39,7) x 4 =40 , 5
5 (40,5 ; 41,3 ; 40,5) x 5=40 ,77
6 (40,5 ; 39,7 ; 40,5) x 6=40,233
7 (39,8 ; 41,3 ; 39,7) x 7=40 ,27
8 (39,8 ; 41,3; 40,5) x 8=40 ,53
9 (39,8 ; 39,7 ; 40,5) x 9=40
10 (41,3 ; 39,7; 40,5) x 10=40 , 5

4
Se obtienen 5C3 = 10 muestras
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 6
Si hallamos el promedio de las medias de las muestras obtenemos:

40 ,53+ 40+ 40 ,27+ 40 , 5+40 , 77+ 40 , 23+40 , 27+ 40 , 53+40+ 40 , 5

μ=
10

μ=40 , 36 minutos

Se corrobora que el promedio de las medias muestrales es igual a la media poblacional.

Al hallar la desviación estándar de estas medias muestrales obtenemos:

σ x=
√ ∑ (x−μ)2 =0,236
n

O también:

σ x=
√ ( )√ ( )
N −n σ
N−1 √ n
=
5−3 0 , 58
5−1 √ 3
=√ 0 ,5 ( 0,335 )=0,236

Obsérvese que la desviación estándar de las medias muestrales, el ERROR estándar σ x , es

menor que la desviación estándar poblacional σ, esto es lógico ya que los valores de las medias
muestrales están más cercanos a la media poblacional que los valores de los elementos de la
población.

Si en un caso dado no se tiene el valor de la desviación estándar poblacional, se puede utilizar

el valor de la desviación estándar de una de las muestras como su estimador.

El gráfico 3 nos muestra cómo queda la distribución de las medias de las 10 muestras.

Obsérvese que para este tamaño de muestra (n = 3), la distribución no es una DISTRIBUCIÓN
NORMAL.

Gráfico 1: Distribución de las medias muestrales de muestras tamaño 3 de los tiempos de

cocción de un alimento en 5 recipientes

D ISTRIBUC IÓN M UESTRA L D E M UESTRA S TA M A ÑO 3 D E L OS TIEM P OS D E

C OC C IÓN D E UN A L IM ENTOEN 5 REC IP IENTES

41.00

40.80 40.77

40.60 40.53 40.50 40.53 40.50

40.40
40.27 40.23 40.27
40.20
40.00 40.00
40.00

39.80

39.60
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 7
Teorema del límite central
A continuación se muestran los gráficos de la distribución de las medias muestrales de los
tiempos de cocción de un alimento en 5 recipientes para diferente tamaño de muestras:

Gráfico 2: DISTRIBUCIÓN DE LAS MEDIAS MUESTRALES PARA DIFERENTES TAMAÑO DE

MUESTRAS DE LOS TIEMPOS DE COCCIÓN DE UN ALIMENTO EN 5 RECIPIEBTES

DISTRIBUCIÓN MUESTRAL DE MUESTRAS TAMAÑO 2 DE LOS TIEMPOS DE COCCIÓN DE UN

D I S T R I B UC I Ó N D E LO S TI E MP O S D E ALIMENTOEN 5 RECIPIENTES
C O C C I Ó N D E UN A L I ME N T O E N 5
REC IP IEN TEs 40.9 40.9

41.5 40.5 40.55 40.5

41 41.3
40.15 40.1 40.15 40.1
40.5
40.5 40.5
40 39.75
39.5 39.8 39.7
39
38.5
M1 M2 M3 M4 M5 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10

DISTRIBUCIÓN MUESTRAL DE MUESTRAS TAMAÑO 4 DE LOS TIEMPOS DE COCCIÓN DE

D I S T R I B UC I Ó N MUE S T R A L D E UN ALIMENTOEN 5 RECIPIENTES
MUE S T R A S T A MA Ñ O 3 D E LO S
T I E MP O S D E C O C C I Ó N D E UN 40.6
A LI ME N T O E N 5 R E C I P I E N T E S
40.5 40.525
41.00 40.5
40.77
40.80 40.4

40.60 40.53 40.50 40.53 40.50 40.3 40.325 40.325

40.40 40.27 40.2340.27 40.2
40.20
40.00 40.00 40.1 40.125
40.00
39.80 40

39.60 39.9
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M1 M2 M3 M4 M5

Observemos que para la distribución de las medias muestrales de muestras tamaño 4, (n = 4),
la distribución se va haciendo un poco más homogénea, es decir, los valores de las medias de
cada muestra se aproximan más al valor de la media poblacional, lo que significa que entre
mayor sea el tamaño de la muestra, más cerca estarán los estimadores muestrales a los
valores paramétricos de la población y la distribución de las medias muestrales se acerca a una
distribución normal.

De esto último es de lo que trata el TEOREMA DEL LÍMITE CENTRAL: Si la distribución de una
población no es normal, la distribución de las medias muestrales de muestras de tamaño mayor
o igual a 30, si tendrán un comportamiento igual al de una distribución normal.

Este teorema del límite central es importante en el sentido de que si se desea estimar los
parámetros de una población, se deben tomar muestras grandes, es decir, muestras mayores o
iguales a 30.
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 8
Gráfico 3: DISTRIBUCIÓN PARA EL LANZAMIENTO DE UN DADO EN VARIAS OCASIONES.
(freepng.es, s.f.)

El gráfico 3 muestra que cuando se lanza un dado se obtiene una distribución uniforme, todos
los posibles resultados tienen la misma probabilidad de ocurrencia, pero a medida que el
número de lanzamientos se hace más repetitivo (se lanza el dado dos, tres, cuatro veces y
más) o se lanzan varios dados al mismo tiempo, la distribución de las probabilidades de
ocurrencia de los resultados va tornando cada vez más un comportamiento normal.

Con base en el teorema del límite central se puede estandarizar la distribución de las medias
muestrales de muestras tamaño “n” como una distribución normal, con desviación estándar
σ X−μ
σ x= y el valor de la variable normal Z=
√n σx

Ejemplo 1:
En el norte de Kentucky (The Cincinnati Enquirer, 21 de enero de 2006) el precio promedio de
la gasolina sin plomo era U$2,34. Use este precio como media poblacional y suponga que la
desviación estándar poblacional es U$0,20 (ANDERSON, 2008). Si se toma una muestra de 36
gasolineras, la probabilidad de que el precio promedio de la gasolina sin plomo sea superior a
U$ 2,39 es:

Solución:
En este caso se piensa en tener la población distribuida en las medias o precios promedios de
todas las muestras de tamaño 36 gasolineras, es decir, tener una distribución de las medias
muestrales del precio de la gasolina sin plomo en muestras tamaño 36.
Con base en ello, y aplicando el teorema del límite central, se puede hacer una distribución
normal con todos los precios promedios de cada una de las muestras, en donde se sabe que la
media poblacional es µ=U$2,34 y la desviación estándar σ = U$0,20.

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 9
Lo primero que debemos hacer es hallar la desviación estándar de las medias muestrales
σ
σ x= .
√n
σ 0 ,20
σ x= = =0,0333
√ n √36
Por lo tanto tendremos una distribución muestral como indica el gráfico 4.

Gráfico 4 : Distribución normal de las medias muestrales del precio de gasolina sin plomo para
muestras tamaño 36.

Ahora bien, para determinar la probabilidad de que el precio promedio de la gasolina sin plomo
sea superior a U$ 2,39; se debe hallar el área de la región que se muestra, siguiendo el proceso
de distribución normal con una desviación estándar muestral de 0,033 y una media poblacional
de U$2,34.

2 , 39−2, 34
Z= =1, 51
0,033

De acuerdo al manejo de las tablas de distribución normal,

el área sombreada corresponde a 6,55%, es decir:
P ( X ≥2 , 39 )=6 ,55 %
La probabilidad de que en una muestra de 36 gasolineras el
precio promedio de la gasolina sin plomo supere los U$2,39
es del 6,55%.
Ejemplo 2:
El tiempo promedio que un estadounidense ve televisión es de 15 horas por semana (Money,
noviembre de 2003). Suponga que se toma una muestra de 60 estadounidenses para investigar
con más detalle sus hábitos a este respecto. Asuma que la desviación estándar poblacional en
las horas de televisión semanales es de = 4 horas. (ANDERSON, 2008)
a. ¿Qué probabilidad hay de que en la muestra de 60 estadounidenses el tiempo
promedio que dedican a ver TV esté entre 14 y 16,5 horas?
b. ¿Qué probabilidad existe de que la media muestral se aleje en más de media hora
de la media poblacional?

Solución:

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 10
En primer lugar debemos hallar la desviación estándar muestral o el error estándar σ x .

4
σ x= =0,516
√ 60
a. Para este caso debemos hallar P(14 ≤ X ≤ 16 , 5) , entonces:

14−15
Z 1= =−1 , 94 A1 = 47,38%
0,516

16 , 5−15
Z 2= =2 ,91 A2 = 49,82%
0,516

Y de acuerdo a la gráfica, P ( 14 ≤ X ≤16 , 5 ) =A 1+ A 2=97 , 2 %

b. En este caso se tiene que la media muestral puede ser mayor a 15,5 o menor a 14,5
( Se aleja en más de media hora del promedio poblacional que es 15), es decir se debe
determinar la P( X ≤ 14 , 5 o X ≥ 15 ,5)

14 , 5−15
Z 1= =−0 , 97 A1 = 16,6%
0,516

15 , 5−15
Z 2= =0 , 97 A2 = 16,6%
0,516

De acuerdo a la gráfica: P ( X ≤14 ,5 o X ≥15 , 5 )= A 1+ A 2=33 ,2 %

Distribución muestral de las proporciones

El procedimiento para realizar la distribución de las proporciones muestrales de cualquier
población, es similar al realizado con la distribución de las medias muestrales, con la diferencia
de que en este caso tendremos una variable cualitativa, por lo tanto no hablaremos de la
desviación estándar, pues se trabaja es con la proporción de una población que cumple cierta
característica.

En este caso tendremos que la variable normal estandarizada está dada por:

p−P
Z=

√PQ
n

En donde:

p es la proporción de la muestraque cumple con la característica de la variable a trabajar .

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 11
 P es la proporción de la población que cumple con la característica de la variable a trabajar .

Q es la proporción de la población que NO cumple con la característica de la variable atrabajar .

n es el tamaño de lamuestra

Ejemplo 3:
El departamento de personal de una compañía considera que el 20% de sus empleados tienen
problemas para cumplir con el horario de llegada. Supóngase que se realiza una observación a
una muestra de 36 empleados (CIRO MARTÍNEZ BENCARDINO, 2011).

a. ¿Qué probabilidad hay de que menos del 16% de los empleados de la muestra llegue
tarde?
b. ¿Qué probabilidad hay de que la proporción de empleados de la muestra que llega tarde
no difiera en más de 5,5% respecto de la proporción poblacional?

Solución:
En este caso tenemos los siguientes datos: P = 0,20; Q = 0,80; n = 36.

a. Para este caso se desea saber la P( p ≤ 0 ,16) , entonces:

0 , 16−0 ,20
Z= =−0 ,6

√
=0,2747
(0 ,20∗0 , 80)
36
A

Por lo tanto: P( p ≤ 0 ,16) = A = 27,47%

La probabilidad de que en una muestra de 36

empleados menos del 16% llegue tarde es
del 27,47%.

b. Para este caso se tiene que la proporción de los empleados de la muestra que llegan
tarde, debe estar entre 14,5% y 25,5% ( NO difiera en más de 5,5%, es decir, que no
sea menor ni mayor a una diferencia de 5,5%). Por lo tanto:

0,145−0 , 20
Z 1= =−0 , 82

29,39%
√ (0 , 20∗0 , 80)
36
A1=

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 12
 0,255−0 ,20
Z 2= =0

29,39%
√ (0 , 20∗0 , 80)
36
, 82 A2=

De acuerdo a la gráfica: P ( 0,145 ≤ p ≤ 0,255 )= A 1+ A 2=58 ,78 %

Ejemplo 4:
El gráfico 5 muestra un informe del periódico El Tiempo de los fallecidos por COVID 19 en
Colombia al 14 de mayo de 2020. En él se puede observar que de los fallecidos el 10,86% tiene
entre 30 y 49 años de edad. Tome este dato como la proporción poblacional de los contagiados
que mueren en este rango de edad en Colombia.

Gráfico 5: Datos de fallecidos por Covid a mayo 14 de 2020. (Tiempo, 2020)

a. Según el ministerio de salud, para el día 14 de julio de 2020, se reportaron 170 nuevas
muertes en el país (País, 2020). ¿Qué probabilidad hay de que en este día el número de
fallecidos entre 30 y 49 años de edad no supere el 13%?
b. A nivel del valle para este día, el número de fallecidos fue de 16 (País, 2020). ¿Qué
probabilidad hay de que para este día el porcentaje de fallecidos entre 30 y 49 años
haya sido superior al 17%?

Solución:
Para este caso se tiene que P = 10,86%, Q= 89,14% y se tienen dos tamaños de muestra, una
de 170 para el literal a y otra de 16 para el literal b.

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 13
 a. En este caso se debe determinar la P( p ≤ 0 ,13)

0 , 13−0,1086
Z= =0,897 ≈ 0 , 9

0,1841
√ 0,1086∗0,8914
170
A =

Entonces: P ( p ≤ 0 , 13 )=100 %− A=81 , 59 %

Por lo tanto se puede afirmar que la

probabilidad de que el 14 de julio, la tasa de
muertes por Covid entre 30 y 49 años haya
sido menor al 13%, es del 81,59%.

b. Para este caso se tiene n = 16 y se desea determinar la P( p ≥ 0 ,17)

0 , 17−0,1086
Z= =0,789 ≈ 0 , 79

√
0,2148
0,1086∗0,8914
16
A=

Por lo tanto la probabilidad de que de los 16

fallecidos en el Valle para este día más del 17%
haya tenido una edad entre 30 y 49 años es del
21,48%.

ACTIVIDAD 2
1. En el norte de Kentucky (The Cincinnati Enquirer, 21 de enero de 2006) el precio
promedio de la gasolina sin plomo era $2,34. Use este precio como media poblacional y
suponga que la desviación estándar poblacional es $0,20. Se sabe que el 72% de las
gasolineras cumplen con los estándares de calidad. Se toma una muestra aleatoria de
25 gasolineras. (ANDERSON, 2008)

a. Muestre la distribución muestral de x̄ para muestras de tamaño n = 25.

b. Calcule la probabilidad de que, en una muestra de 25 gasolineras, el precio
promedio del galón de gasolina sin plomo sea superior a $2,28.
c. Calcule la probabilidad de que, en una muestra de 25 gasolineras, el precio
promedio del galón de gasolina sin plomo no difiera en más de $0,10 de la media
poblacional.

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 14
 d. Cuál es la probabilidad de que, en una muestra de 200 gasolineras, la proporción de
ellas que cumplen con los estándares de calidad difiera en ±0,02 de la proporción
poblacional?
e. Cuál es la probabilidad de que en una muestra de 1000 gasolineras la diferencia
entre las proporciones maestral y la poblacional no sea mayor a ±0,04?

2. El costo medio anual de un seguro para automóvil es de $939 (CNBC, 23 de febrero de

2006). Suponga que la desviación estándar es de  = $245. (ANDERSON, 2008). Se
sabe que el 2,5% de los automóviles no presentan su seguro para automóvil al día.

a. Calcule la probabilidad de que la media muestral no difiera en más de $20 para

muestras de tamaño 30, 50, 100 y 400. ¿Qué se puede afirmar de la estimación de 
a partir de x̄ a medida que el tamaño de la muestra aumenta?
b. ¿Cuál debe ser el tamaño de la muestra si se quiere un error estándar equivalente al
10% de la desviación estándar poblacional?
c. ¿Cuál es la probabilidad de que una muestra de tamaño 100 automóviles tenga un
valor medio de seguro anual que oscile entre $900 y $1000?
d. ¿Cuál es la probabilidad de que en una muestra de tamaño 50 automóviles, el valor
promedio del seguro anual difiera en más de $ 40 de la media poblacional?
e. Para muestras de tamaño 100 automóviles, encuentre el intervalo centrado en $920
que abarque el 25% de las muestras.
f. ¿Qué probabilidad hay de que en una muestra de tamaño 50 automóviles la
proporción de ellos que no tienen su seguro al día sea superior al 4%?

3. El tiempo promedio que un estadounidense ve televisión es de 15 horas por semana

(Money, noviembre de 2003). Suponga que se toma una muestra de 60
estadounidenses para investigar con más detalle sus hábitos a este respecto. Asuma
que la desviación estándar poblacional en las horas de televisión semanales es de = 4
horas. (ANDERSON, 2008). La proporción de estadounidenses que ve programas
educativos es del 65%.

a. ¿Qué probabilidad existe de que la media muestral no se aleje en más de media hora de
la media poblacional?
b. Si se sabe que la media muestral está por encima del promedio poblacional en más de 1
hora de la media poblacional, ¿Cuál es la probabilidad de que una muestra de tamaño
90 estadounidenses tenga un promedio máximo de 16,2 horas por semana viendo
televisión?
c. Si se hace un estudio con 5 muestras de tamaño 60 estadounidenses, ¿cuál es la
probabilidad de que por lo menos dos de ellas tengan un tiempo promedio menor a 14
horas semanales frente al televisor?
d. Para muestras de tamaño 60 estadounidenses, encuentre un intervalo centrado en 15,5
horas que contenga el 50% de las muestras.

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 15
 e. Qué probabilidad hay de que en una muestra de tamaño 60 estadounidenses la
proporción de ellos que ve programas educativos difiera en ± 0,10 de la proporción
poblacional?

4. Una empresa de investigación de mercado realiza encuestas telefónicas con una tasa
de respuesta del 40%, de acuerdo con la experiencia.

a. ¿Cuál es la probabilidad de que en una muestra de 400 números telefónicos 150

personas cooperen y respondan las preguntas?
b. ¿Cuál es la probabilidad de que en una muestra de 100 números telefónicos el tanto
por ciento de cooperación supere en por lo menos dos puntos porcentuales la
proporción poblacional?

5. De acuerdo a una encuesta realizada por el departamento de Bienestar Universitario de

la universidad Minuto de Dios en la región suroccidente, el 13% de los estudiantes
presentan algún tipo de riesgo de deserción por su opinión respecto de los contenidos
ofrecidos en los diferentes programas, ver gráfico 6.

Gráfico 6: Resultados de encuesta de Bienestar realizada en febrero de 2020.

CONTENIDO
7%
2%
4%
Fortaleza alta
Fortaleza muy alta
Riesgo muy alto
25%
Riesgo alto
61% Riesgo bajo

a. Si se realiza una encuesta a 36 estudiantes de la ciudad de Buenaventura

indagando sobre la misma opinión, ¿qué probabilidad hay de que menos del 10% de
ellos tenga algún tipo de riesgo de deserción por este motivo?
b. Si se toma una muestra de 64 estudiantes de la región Sur Occidente, ¿qué
probabilidad hay de que más del 35% tenga una fortaleza muy alta para no desertar?
Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.
Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 16
 c. Si se toma una muestra de 100 estudiantes de la región Sur Occidente, ¿qué
probabilidad hay de que entre el 6% y 8% de ellos exista un riesgo muy alto de
deserción?

Guía de MUESTREO Y DISTRIBUCIÓN MUESTRAL. Documento borrador.

Tutor: CARLOS FERNANDO ZEA HINCAPIÉ 17