Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA INFERENCIAL
13 NOVIEMBRE 2023
LORENA G FÉLIX GUTIÉRREZ
PROFESORA: ARIADNA HERNÁNDEZ FRANCO
Página 0 de 12
ACTIVIDAD 1: EJERCICIOS SOBRE
DISTRIBUCIONES MUESTRALES
• Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:
Distribuciones muestrales
Teorema del Límite Central (TLC)
Técnicas básicas
1. Una población consta de cinco números: 2,3,6,8,11. Considere todas las muestras posibles
de tamaño dos que pueden extraerse con reemplazo de esta población. Encontrar:
Muestras posibles
a. La media de la población
∑𝑥
𝜇=
𝑛
2 + 3 + 6 + 8 + 11
𝜇= =6
5
∑(𝑥 − 𝜇)2
𝜎=√
𝑛
Página 1 de 12
16 + 9 + 0 + 4 + 25
𝜎=√ =
5
54
𝜎=√ =
5
𝜎 = 3.2863
µ = 𝛴𝑥𝑃(𝑥)
150
µ= =6
25
Página 2 de 12
d. La desviación estándar (error estándar) de la media muestral
135
𝜎2 = = 5.40
25
Desviación estándar √𝜎 2
√5.4 = 2.32
a. n= 36,µ=10, 𝝈 2 = 9
𝜇 = 𝜇𝑥 = 10
𝜎 3
𝜎𝑥 = = = 0.5
√𝑛 √36
b. n=100, µ = 5, 𝝈 2 = 4
𝜇 = 𝜇𝑥 = 5
𝜎 2
𝜎𝑥 = = = 0.2
√𝑛 √100
c. n= 8 µ,=120, 𝝈 2 =1
𝜇 = 𝜇𝑥 = 120
𝜎 1
𝜎𝑥 = = = 0.35
√𝑛 √8
De acuerdo con el Teorema del Límite Central, si las poblaciones muestreadas no son
Página 3 de 12
normales, ¿qué se puede decir acerca de la distribución muestral de X para los incisos a,
b y c?
El teorema dice que, si una muestra es lo bastante grande, que esto es cuando el tamaño muestral
supera los 30, sea cual sea la distribución de la media muestral, seguirá aproximadamente una
distribución normal.
a. n=100, p= 0.3
𝜇𝑝 = 𝑝
𝜇𝑝 = 0.3
𝑝(1 − 𝑝)
𝜎𝑝 = √
𝑛
0.3(1 − 0.3)
𝜎𝑝 = √ = 0.0458
100
b. n= 400, p= 0.1
𝜇𝑝 = 𝑝
𝜇𝑝 = 0.1
Página 4 de 12
𝑝(1 − 𝑝)
𝜎𝑝 = √
𝑛
0.1(1 − 0.1)
𝜎𝑝 = √ = 0.015
400
c. n= 250, p= 0.6
𝜇𝑝 = 𝑝
𝜇𝑝 = 0.6
𝑝(1 − 𝑝)
𝜎𝑝 = √
𝑛
0.6(1 − 0.6)
𝜎𝑝 = √ = 0.0309
250
ˆ
5. ¿Es adecuado utilizar la distribución normal para aproximar la distribución de muestreo de P
𝑛 > 30
𝑛𝑝 ≥ 5
a. n= 50, p= 0.05
b. n= 75, p= 0.1
c. n= 250, p= 0.99
Página 5 de 12
Aplicaciones
𝜎 4
𝜎𝑥 = = = 0.73
√𝑛 √30
Valor de z para x
𝑧 𝑥−𝜇 7−8
𝑐= 𝜎 =0.73=−1.37
√𝑛
Grafique el error estándar de la media (SE) contra el tamaño muestral n y enlace los puntos con
una curva suave. ¿Cuál es el efecto de aumentar el tamaño de muestra sobre el error estándar?
Página 6 de 12
2. Salarios de profesores. Suponga que los profesores de una universidad en E.U.A. -con rango
de profesor en instituciones públicas que imparten programas académicos de dos años-,
ganan un promedio de 71,802 dólares por año, con una desviación estándar de 4,000 dólares.
En un ejercicio por verificar este nivel de salario se seleccionó una muestra aleatoria de 60
profesores de una base de datos del personal académico de todas las instituciones públicas
que imparten programas de dos años en E.U.A.
𝜇𝑥 = 𝜇 = 71802
𝜎 4000
𝜎𝑥 = = = 516.4
√𝑛 √60
c. Calcule la probabilidad de que la media muestral x sea mayor que 73,000 dólares.
Página 7 de 12
3. Requerimiento de Potasio. El requerimiento normal diario de Potasio en seres humanos está
en el intervalo de 2,000 a 6,000 miligramos (mg), con cantidades más grandes necesarias
durante los meses calurosos de verano. La cantidad de potasio en distintos alimentos varía
pero las mediciones indican que el plátano contiene un nivel alto de potasio, con
aproximadamente 422 mg en un plátano de tamaño mediano. Suponga que la distribución de
potasio en plátanos está distribuida normalmente, con media igual a 422 mg y desviación
estándar de 13 mg por plátano. Usted come n = 3 plátanos al día y T es el número total de
miligramos de potasio que recibe de ellos.
𝜎 = 13 + 13 + 13 = 39𝑚𝑔
𝑥 − 𝜇 1300 − 1266
𝑧= = = 0.87
𝜎 39
4. Duración de baterías para automóvil. Un fabricante de baterías para automóvil afirma que la
distribución del tiempo de duración (tiempo de vida) de las baterías de su mejor marca tiene
una media µ= 54 meses y una desviación estándar σ= 6 meses. Suponga que un grupo de
consumidores decide verificar la afirmación y para ello compran una muestra de 50 baterías y
las somete a prueba para medir su tiempo de vida.
𝑥−𝜇 𝑥 − 54
𝑧= 𝜎 =0 6
√𝑛 √50
𝑥 = 54
Página 8 de 12
b. Suponiendo que la afirmación del fabricante es verdadera, ¿cuál es la probabilidad
de que la muestra de 50 baterías tenga un tiempo de vida de 52 meses o menos?
𝑥−𝜇 36.80 − 37
𝑧= 𝜎 =0 = 2.357 = 0.00921
0.4
√𝑛 √130
𝑃(𝑥 ≤ 52) = 1 − 0.00921 = 0.99079
𝜎 0.4
𝜎𝑥 = = = 0.035
√𝑛 √130
𝑥 − 𝜇 36.80 − 37
𝑧= 𝜎 = 0.035 = −2.36
√𝑛
𝑃(𝑥 ≤ 36.80) = 𝑃(𝑧 ≤ −2.36) = 1 − 0.4909 = 0.5091
Existe una probabilidad del 50.91% de que ocurra. Así que, es más probable que
improbable que ocurra.
Página 9 de 12
𝑥 − 𝜇 65,000 − 62,000
𝑧= 𝜎 = = −0.71
4200
√𝑛
𝑃(𝑥 ≤ 65,000) = 𝑃(𝑧 ≤ −0.71) = 0.5 − 0.2611 = 0.2389
7. Lanzamiento de una moneda. Una moneda justa se lanza n = 80 veces. Sea pˆ la proporción
1
𝑃= = 0.5
2
n=80
Página 10 de 12
a. 3% o más tengan algún defecto?
0.02(1 − 0.02)
𝜎𝑝 = √ = 0.007
400
0.03 − 0.02
𝑧= = 1.42
0.007
0.02 − 0.02
𝑧= =0
0.007
Referencias
Dennis D., W., Mendenhall, W. I., & Scheaffer, R. L. (2009). Estadística Matemática con
Aplicaciones (7 ed.). Mexico, México: Cengage Learning.
McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.
Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadistica para Negocios y Economia (11
ed.). Cengage Learning. Retrieved from https://pdfcoffee.com/estadistica-paranegocios-y-
economia-anderson-11a-edicion-4-pdf-free.html
Página 11 de 12
• Redacta una conclusión en la que expliques en qué consisten los siguientes conceptos:
- ¿Qué es un parámetro poblacional? - ¿Qué es una estadística muestral?
- ¿Qué entendemos por la distribución de muestreo de una estadística muestral?
- ¿Qué entendemos por el error estándar de una distribución de muestreo?
PARÁMETRO POBLACIONAL: Es una medida resumida que caracteriza alguna propiedad de
interés en una población completa.
ESTADISTICA MUESTRAL: Proporcionan estimaciones o descripciones basadas en la
información recopilada de una muestra específica.
DISTRIBUCIÓN DE MUESTREO DE UNA ESTADÍSTICA MUESTRAL: Es una herramienta clave
en estadística inferencial y nos ayuda a comprender cómo se comportarían las estadísticas
muestrales en repetidas ocasiones, esto a su vez nos permite realizar inferencias sobre la
población a partir de una muestra.
ERROR ESTÁNDAR DE UNA DISTRIBUCIÓN DE MUESTREO: Es una medida que proporciona
información sobre la precisión de las estimaciones basadas en muestras. Entre mas pequeño
sea, indica mayor precisión, entre mas grande siguiere mayor variabilidad en las estimaciones
muestrales.
• Agrega las fuentes consultadas (mínimo 2) referenciadas en estilo APA.
Eduardo Gutiérrez González, Olga Vladimirovna Panteleeva (2016) Estadística inferencial 1 para
ingeniería y ciencias. Grupo editorial Patria.
Héctor Quevedo, Blanca Pérez (2017) Estadística para Ingenieria y Ciencias. Grupo editorial
Patria
• Al finalizar, vuelve a la plataforma y sigue los pasos que se indican para enviar tu actividad.
* * *
Página 12 de 12