MUESTREO

POBLACIÓN
MUESTREO
PROBABILISTICO
PARÁMETROS
1. MUESTREO ALEATORIO
N = 100
Tamaño de MUESTRA SIMPLE
N muestra ESTADÍSTICOS O 2. MUESTREO ALEATORIO
- Proporción ESTADÍGRAFOS SISTEMATICO
- Media 3. MUESTREO
.n = 20 ESTRATIFICADO
4. CONGLOMERADO
n MUESTREO NO
PROBABILISTICO

Media: 𝜇 Media: 𝑥ҧ
Varianza: 𝜎 2 Varianza: 𝑠 2
Proporción: 𝜋 Proporción: 𝑝
MUESTREO
 ESTADÍSTICOS O
POBLACIÓN MUESTRA ESTADÍGRAFOS
PARÁMETROS Con reposición
𝑥,ҧ p, S, S2 Sin reposición
5
16 X ≈ N(µ,𝜎 2 ) 20
µ = 29
𝑥ҧ = 23
Distribuciones
muestrales

𝑥ҧ = 33
𝑀𝑒𝑑𝑖𝑎: 𝑥ҧ
ҧ - 𝑥ҧ 2
Diferencia de medias: 𝑥1
𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛: p

𝑥ҧ = 22

𝑥ҧ = 29
 Sin remplazo

DISTIBUCIÓN MUESTRAL DE LA MEDIA 𝝈

ഥ ~ 𝑵 (𝝁;
𝑿 ) Infinita
𝒏
𝑋 ~ 𝑁 (𝜇; 𝝈)
Se distribuye 𝜎 𝑁−𝑛 Finita
𝑋ത ~ 𝑁 (𝜇; )
como una 𝑛 𝑁−1
función
𝑋 NORMAL
Z NORMAL
TIPO DE Teorema de
n>=30 límite central 𝝈
POBLACIÓN ഥ ~ 𝑵 (𝝁;
𝑿 )
𝒏
Se distribuye
como una
función
diferente a la
NORMAL INDICAN QUE SE
AJUSTA A NORMAL
n<30
T(n-1)
STUDENTE
SI NO INDICAN QUE SE
AJUSTA A UNA NORMAL
REALIZO EL KOLGMOROV
SMIRNOV PARA PROBAR EL
AJUSTE A LA NORMAL
SE TIENE LAS ALTURA DE LOS ESTUDIANTES DE LA UTP CON UN PROMEDIO DE 1.70 Y UNA DESVIACIÓN TÍPICA DE
0.75. SI SE ESCOGE UNA MUESTRA ALEATORIA DE 45 ESTUDIANTES . HALLAR. ¿CUÁL ES LA PROBABILIDAD QUE LA
MEDIA MUESTRAL ES MENOR A 1.75 M?
ESTANDARIZACIÓN
NOS PIDEN HALLAR 𝑌~𝑁 𝜇, 𝜎 𝐶𝑂𝑁𝑉𝐸𝑅𝑇𝐼𝑅𝐿𝑂 𝐴 𝑈𝑁𝐴 𝐷𝐼𝑆𝑇𝑅𝐼𝐵𝑈𝐶𝐼Ó𝑁 𝑁𝑂𝑅𝑀𝐴𝐿
ഥ < 𝟏. 𝟕𝟓 =?
𝒑 𝒙 𝑝(𝑌 < 𝒚)
𝒚−𝜇
𝑍=
DATOS 𝜎
X: la altura de los estudiantes de la UTP
𝝁 = 𝟏. 𝟕𝟎 NOS PIDEN HALLAR
𝜎 = 0.75 𝑝 𝑥ҧ < 1.75 =?
n= 45 1.75 − 1.70
𝑍= = 0.45
0.75/ 45
DEDUCIENDO
Como no nos indican que X se distribuye como 𝑝 𝑥ҧ < 1.75 = 𝑝 𝑍 < 0.45 = 𝟎. 𝟔𝟕𝟑𝟔𝟒
una normal, hemos identificado n >30 por lo
tanto aplicaremos el TEOREMA DEL LIMITE
CENTRAL

𝝈
ഥ ~ 𝑵 (𝝁 = 𝟏. 𝟕𝟎;
X~𝑁 𝜇 = 1.70, 𝜎 = 0.75 <→ 𝑿 = 𝟎. 𝟏𝟏𝟏𝟐)
𝒏
LA MEDIA DE LAS RESISTENCIAS DE UNA LÁMINA DE UN METAL COMPUESTO ES DE 8522 psi. POR ESTUDIOS PASADOS SE
CONOCE QUE LA DESVIACIÓN ESTÁNDAR DE ESTA RESISTENCIA ES 1950 psi. SE TIENE UNA MUESTRA DE 100 LÁMINAS
SABIENDO QUE LA POBLACIÓN SIGUE UNA DISTRIBUCIÓN NORMAL INDIQUE CUAL ES LA PROBABILIDAD (a) MEDIA SEA
MAYOR A 8900 psi (b) MEDIA SEA MENOR A 8000 psi
NOS PIDEN HALLAR
DATOS 𝑝 𝑥ҧ > 8900 =?
X: RESISTENCIA DE UNA LÁMINA DE METAL COMPUESTO 8900 − 8522
𝑍= = 1.94
µ = 8,522 psi. 195
σ = 1,950 ഥ > 𝟖𝟗𝟎𝟎 = 𝒑 𝒁 > 𝟏. 𝟗𝟒 = 1 − 𝒑 𝒁 ≤ 𝟏. 𝟗𝟒 =
𝒑 𝒙
n = 100 1 − 0.97381 = 𝟎. 𝟎𝟐𝟔𝟏𝟗
POBLACIÓN SE DISTRIBUYE COMO UNA NORMAL
𝑋~𝑁(𝜇 = 8522, 𝜎 = 1950) (B) MEDIA SEA MENOR A 8000 psi

ESTANDARIZACIÓN 𝑝(𝑋ത < 8000)

𝑌~𝑁 𝜇, 𝜎 𝐶𝑂𝑁𝑉𝐸𝑅𝑇𝐼𝑅𝐿𝑂 𝐴 𝑈𝑁𝐴 𝐷𝐼𝑆𝑇𝑅𝐼𝐵𝑈𝐶𝐼Ó𝑁 𝑁𝑂𝑅𝑀𝐴𝐿
𝑝(𝑌 < 𝒚) 8000 − 8522
𝑍= = −2.68
𝒚−𝜇 195
𝑍= 𝑝 𝑥ҧ < 8000 = 𝑝 𝑍 < −2.68 = 0.00368
𝜎
Si X TIENDE a una DISTRIBUCIÓN NORMAL, Entonces la MEDIA
también TIENDE a UNA DISTRIBUCIÓN NORMAL y se trabaja con Z
(NORMAL)
X~𝑁 𝜇 = 8522, 𝜎 = 1950 <→ 𝑿 ഥ ~ 𝑵 (𝝁 = 𝟖𝟓𝟐𝟐; 𝝈 = 𝟏𝟗𝟓)
𝒏
LA GERENCIA FINANCIERA DE UNA COMPAÑÍA INMOBILIARIA DESEA ANALIZAR LAS VENTAS DE INMUEBLES EN EL ÚLTIMO
TRIMESTRE CON UNA MUESTRA DE 10 AGENTES. DE UN ESTUDIO PASADO SE CONOCE QUE LAS VENTAS PROMEDIO DE LOS
AGENTES SON DE 399 (EN MILES) Y LA DESVIACIÓN ESTÁNDAR DE LAS VENTAS ES 88.84. ¿CUÁL ES LA PROBABILIDAD DE
QUE LAS VENTAS PROMEDIO EN EL ÚLTIMO TRIMESTRE SEAN MENORES A 465 (EN MILES)?. SE AJUSTA A NORMAL
Si X se AJUSTA o TIENDE a una DISTRIBUCIÓN NORMAL, Entonces la
DATOS
MEDIA también se AJUSTA o TIENDE a UNA DISTRIBUCIÓN
X: VENTAS DE INMUEBLES EN EL ÚLTIMO TRIMESTRE
NORMAL
µ = 399 (en miles)
“solo que en ejemplo como n<30, entonces se estandarizará pero se
σ = 88.84
trabajará con el Tstudent”
n = 10 agentes
SE AJUSTA A UNA NORMAL 𝝈
ഥ ~ 𝑵 (𝝁 = 𝟑𝟗𝟗;
X~𝑁 𝜇 = 399, 𝜎 = 88.844 <→ 𝑿 = 𝟐𝟖. 𝟎𝟗𝟒)
𝒏
NOS PIDEN HALLAR
ഥ < 𝟒𝟔𝟓 =?
𝒑 𝑿 NOS PIDEN HALLAR
𝑝 𝑥ҧ < 465 ? =
DEDUCIENDO 465 − 399
Como no nos indican que X se AJUSTA NORMAL, n<30, 𝑡= = 2.35
28.094
Entonces trabajaremos con el Tstudent 𝑝 𝑥ҧ < 465 = 𝑝 𝑡(𝑛 − 1) < 2.35
= 𝑝 𝑡(9) < 2.35 = 𝟎. 𝟗𝟖
ESTANDARIZACIÓN
𝑌~𝑁 𝜇, 𝜎 𝐶𝑂𝑁𝑉𝐸𝑅𝑇𝐼𝑅𝐿𝑂 𝐴 𝑈𝑁𝐴 𝐷𝐼𝑆𝑇𝑅𝐼𝐵𝑈𝐶𝐼Ó𝑁 𝑁𝑂𝑅𝑀𝐴𝐿
𝑝(𝑌 < 𝒚)
𝒚−𝜇
𝑍=
𝜎
UNA MÁQUINA PRODUCE PIEZAS CON UN TAMAÑO QUE SE AJUSTA A UNA DISTRIBUCIÓN NORMAL CUYO VALOR
MEDIO ES DE 14 C.M. ¿CUÁL ES LA PROBABILIDAD DE QUE LA MEDIA DE UNA MUESTRA DE TAMAÑO 20 SEA MENOR
QUE 14.58 CM. SABIENDO QUE LA VARIANZA MUESTRAL HA SIDO 9 CM2?
Si X se AJUSTA o TIENDE a una DISTRIBUCIÓN NORMAL, Entonces la
DATOS
MEDIA también se AJUSTA o TIENDE a UNA DISTRIBUCIÓN
X = Tamaño que se ajustas las piezas que produce
NORMAL
una máquina
“solo que en ejemplo como n<30, entonces se estandarizará pero se
𝝁 = 𝟏𝟒 c.m
trabajará con el Tstudent”
n = 20
S2 = 9 cm2 𝑺
ഥ ~ 𝑵 (𝝁 = 𝟏𝟒;
X~𝑁 𝜇 = 14, 𝜎 ≈ 3 <→ 𝑿 = 𝟎. 𝟔𝟕𝟎𝟖)
𝒏
NOS PIDEN HALLAR
ഥ < 𝟏𝟒. 𝟓𝟖 =?
𝒑 𝑿 NOS PIDEN HALLAR
𝑝 𝑥ҧ < 14.85 ? =
14.85 − 14
DEDUCIENDO 𝑡= = 0.865
Como no nos indican que X se AJUSTA NORMAL, 0.6708
n<30, Entonces trabajaremos con el Tstudent
𝑝 𝑥ҧ < 14.85 = 𝑝 𝑡(𝑛 − 1) < 0.865
ESTANDARIZACIÓN = 𝑝 𝑡(19) < 0.865 = 𝟎. 𝟖
𝑌~𝑁 𝜇, 𝜎 𝐶𝑂𝑁𝑉𝐸𝑅𝑇𝐼𝑅𝐿𝑂 𝐴 𝑈𝑁𝐴 𝐷𝐼𝑆𝑇𝑅𝐼𝐵𝑈𝐶𝐼Ó𝑁 𝑁𝑂𝑅𝑀𝐴𝐿
𝑝(𝑌 < 𝒚)
𝒚−𝜇
𝑍=
𝜎
DISTIBUCIÓN MUESTRAL PARA LA DIFERENCIA DE MEDIAS

𝜎1 2 𝜎2 2
CONOCIDA 𝑋ത1 − 𝑋2 ~ 𝑁 (𝜇1 − 𝜇2 ; + )
𝑛1 𝑛2
σ2

VARIANZAS
SEGÚN VARIANZA
IGUALES
POBLACIONAL
𝜎 1 = 𝜎 22 = 𝜎 2
2

DESCONOCIDA

VARIANZAS
DIFERENTES
𝜎 21 ≠ 𝜎 2 2
SE TIENE LA SIGUIENTE INFORMACIÓN DE LOS SALARIOS ANUALES DE UNA DETERMINADA EMPRESA SALARIO PROMEDIO
DE LOS HOMBRES ES = 129,000, SIENDO LA VARIANZA POBLACIONAL = 1,500 SALARIO PROMEDIO DE LAS MUJERES ES =
128,621, SIENDO LA VARIANZA POBLACIONAL = 3,000. SI TOMAMOS UNA MUESTRA ALEATORIA DE 36 HOMBRES Y 49
MUJERES ¿CUÁL ES LA PROBABILIDAD DE QUE EL SALARIO PROMEDIO DE LOS HOMBRES SEA AL MENOS 400 MAYOR AL DE
LAS MUJERES? (desviación de los hombres es 38.73 soles y de las mujeres es de 54.77)
HOMBRES (1) MUJERES (2)
𝑋ത1 − 𝑋2 ~ 𝑁 𝝁 = 𝟑𝟕𝟗; 𝝈 = 𝟏𝟎. 𝟏𝟒𝟑𝟓
𝑋1 Salario 𝑋2 Salario
𝜇1 129,000 𝜇2 128,621 NOS PIDEN HALLAR 𝒑 𝑿𝟏 − 𝑿𝟐 ≥ 𝟒𝟎𝟎 = 𝟎. 𝟎𝟎𝟏𝟗𝟐𝟑
𝑝 𝑋1 − 𝑋2 ≥ 400 =?
𝜎1 38.73 𝜎2 54.77
𝝈𝟐𝟏 1,500 𝝈𝟐𝟐 3,000 ESTANDARIZANDO PARA HALLAR Z
𝑋−𝜇
𝑛1 36 𝑛2 49 𝑍=
𝜎
ANALIZANDO APLICANDO AL EJECRICIO
Dado que la varianza poblacional son 400 − 379
𝑍= = 2.07
conocidas, entonces la diferencia de medias 10.1435
muestrales tiende a una distribución normal
𝑝 𝑋1 − 𝑋2 ≥ 400 = 𝑝(𝑍 ≥ 2.07)
𝝈𝟏𝟐 𝜎22
𝑋ത1 − 𝑋2 ~ 𝑁 (𝝁 = 𝜇1 − 𝜇2 ; 𝝈 = + )
𝑛1 𝑛2 𝑝 𝑍 ≥ 2.07 = 1 − 𝒑(𝒁 < 𝟐. 𝟎𝟕)
1500 3000
𝑝 𝑍 ≥ 2.07 = 1 − 𝟎. 𝟗𝟖𝟎𝟕𝟕
𝑋ത1 − 𝑋2 ~ 𝑁 (𝜇 = 129000 − 128621; 𝝈 = + ) 𝑝 𝑍 ≥ 2.07 = 0.001923
36 49
SE REALIZA UNA INVESTIGACIÓN SOBRE LA CALIDAD DEL AIRE EN AV. ABANCAY Y WILSON. UN INDICADOR DE LA CALIDAD
ES EL NÚMERO DE PARTÍCULAS EN SUSPENSIÓN POR METRO CUBICO DE AIRE, QUE ASUME SIGUEN DISTRIBUCIONES
NORMALES INDEPENDIENTES DE MEDIA 62.037 EN ABANCAY Y 61.0222 EN WILSON. EN LA PRIMERA AVENIDA SE
REALIZAN 12 MEDICIONES OBTENIÉNDOSE UNA VARIANZA DE 8.44 Y EN LA SEGUNDA 15 MEDICIONES CON UNA VARIANZA
DE 9.44. OBTENER LA PROBABILIDAD DE QUE LA MEDIA MUESTRAL DE AV. ABANCAY SEA COMO MÍNIMO 3 UNIDADES
MAYOR A LA MEDIA MUESTRAL QUE EN LA AV. WILSON CONSIDERE HOMOGENEIDAD DE VARIANZAS.
ABANCAY (1) WILSON (2) Grados libertad = n1+n2-2
𝑋1 Calidad 𝑋2 Calidad 𝑛1 − 1 𝑠12+ 𝑛2 − 1 𝑠22 Grado libertad = 25
𝑠𝑝2 =
del aire del aire 𝑛1 + 𝑛2 − 2
𝑝 𝑋1 − 𝑋2 ≥ 3 = 𝑝(𝑇12−15−2 ≥ 1.708)
𝜇1 62.037 𝜇2 61.0222 11 8.44 + 14 9.44
𝑠𝑝2 = =9
𝑛1 12 𝑛2 15 25 𝑝 𝑇25 ≥ 1.708 = 1 − 𝒑(𝑇25 < 𝟏. 𝟕𝟎𝟖)
𝑝 𝑇25 ≥ 1.708 = 1 − 𝟎. 𝟗𝟓
𝒔𝟐𝟏 8.44 𝒔𝟐𝟐 9.44 NOS PIDEN HALLAR 𝑝 𝑇25 ≥ 1.708 = 0.05
Homogeneidad de varianzas 𝑝 𝑋1 − 𝑋2 ≥ 3 =?
𝝈𝟐𝟏 𝜎2 𝝈𝟐𝟐 𝜎2 𝑝 𝑋1 − 𝑋2 ≥ 3 = 𝑝 𝑇25 ≥ 1.708 = 𝟎. 𝟎𝟓
ESTANDARIZANDO PARA HALLAR T
𝑋1 − 𝑋2 −→ 𝜇, 𝜎 𝑋−𝜇
𝑇 ≈ 𝑇𝐺𝐿 =
𝜇 = 𝜇1 − 𝜇2 = 62.037 − 61.0222 𝜎
APLICANDO AL EJECRICIO
𝜇 = 𝜇1 − 𝜇2 = 1.0148
3 − 1.0148
𝑇 ≈ 𝑇25 = = 1.708
1 1 1.161835
𝜎= 𝑆𝑃2 + = 1.161835
𝑛1 𝑛2
UN EQUIPO DE PSICÓLOGOS ESTÁ INVESTIGANDO SI EXISTEN O NO DIFERENCIAS ENTRE DOS MÉTODOS DE RELAJACIÓN
PARA REDUCIR LA ANSIEDAD. PARA LO CUAL SE SELECCIONAN DOS MUESTRAS DE TAMAÑO 10 CADA UNA, A LAS QUE SE
LES APLICO EL MÉTODO X E Y RESPECTIVAMENTE. OBTENIÉNDOSE QUE LAS VARIANZAS MUÉSTRALES SON DE 3.7 Y 4.2
PUNTOS RESPECTIVAMENTE. SUPONIENDO QUE LAS PUNTUACIONES DE ANSIEDAD DE AMBAS POBLACIONES SIGUEN
DISTRIBUCIONES MUÉSTRALES CON MEDIAS POBLACIONALES DE 90 Y 87.3 PUNTOS RESPECTIVAMENTE Y QUE LAS
VARIANZAS POBLACIONALES SON DESCONOCIDAS PERO SE SABE QUE SON DIFERENTES. HALLAR LA PROBABILIDAD DE LA
MEDIA MUESTRAL DE PUNTUACIÓN DEL MÉTODO X SEA COMO MÍNIMO 6 UNIDADES MAYOR QUE EL MÉTODO Y.
METODO X (1) METODO Y (2) NOS PIDEN HALLAR
𝑝 𝑋1 − 𝑋2 ≥ 6 =? 𝑝 𝑋1 − 𝑋2 ≥ 6 = 𝑝(𝑡18 ≥ 3.71)
𝑋1 Puntuaciones 𝑋2 Puntuaciones
𝑛1 10 𝑛2 10 ESTANDARIZANDO PARA HALLAR T 𝑝 𝑡18 ≥ 3.71 = 1 − 𝒑(𝑡18 < 𝟑. 𝟕𝟏)
𝑋−𝜇 𝑝 𝑡18 ≥ 3.71 = 1 − 𝟎. 𝟗𝟗𝟗𝟓
𝒔𝟐𝟏 3.7 𝒔𝟐𝟐 4.2 𝑇 ≈ 𝑡𝑣 =
𝜎 𝑝 𝑡18 ≥ 3.71 = 0.005
𝜇1 90 𝜇2 87.3 APLICANDO AL EJECRICIO
6 − 2.7 𝑝 𝑋1 − 𝑋2 ≥ 6 = 𝑝 𝑡18 ≥ 3.71 = 𝟎. 𝟎𝟎𝟎𝟓
Varianzas poblaciones desconocidas 𝑇 ≈ 𝑡𝑣 = = 3.71
0.889
HALLANDO G.L (v)
𝝈𝟐𝟏 𝝈𝟐𝟐 2
𝑠12 𝑠22 3.7 4.2 2
+
𝑋1 − 𝑋2 −→ 𝜇, 𝜎 𝑛1 𝑛2 10 + 10
𝑣= 2 2 = = 18
𝜇 = 𝜇1 − 𝜇2 = 90 − 87.3 𝑠12 𝑠22 3.7 2 4.2 2

𝑛1 𝑛2 10 + 10
𝜇 = 𝜇1 − 𝜇2 = 2.7 + 9 9
𝑛1 − 1 𝑛2 − 1

𝑠12 𝑠22 3.7 4.2

𝜎= + = + = 0.889
𝑛1 𝑛2 10 10
DISTIBUCIÓN MUESTRAL PARA LA PROPORCIÓN

𝜋 1−𝜋
𝑃~𝑁 𝜋 ,
𝑛
UNA MÁQUINA FABRICA PIEZAS PARA AUTOS. EN SU PRODUCCIÓN HABITUAL, SE FABRICA 3 PIEZAS DEFECTUOSAS DE
CADA 100 PIEZAS. UN CLIENTE RECIBE UNA CAJA DE 500 PIEZAS PROCEDENTES DE LA FÁBRICA. CALCULAR LA
PROBABILIDAD DE QUE HAYA MÁS DE UN 5% DE PIEZAS DEFECTUOSAS EN LA CAJA
DATOS
𝑝 𝑝 > 0.05 = 𝑝(𝑍 > 2.63)
π : proporción de piezas defectuosas
𝑝 𝑝 > 0.05 = 𝑝 𝑍 > 2.63 = 1 − 𝒑(𝒁 ≤ 𝟐. 𝟔𝟑)
π : 3/100 = 0.03
𝑝 𝑝 > 0.05 = 𝑝 𝑍 > 2.63 = 1 − 𝟎. 𝟗𝟗𝟓𝟕𝟑
n : 500 piezas
𝒑 𝒑 > 𝟎. 𝟎𝟓 = 𝒑 𝒁 > 𝟐. 𝟔𝟑 = 𝟎. 𝟎𝟎𝟒𝟐𝟕
NOS PIDEN
𝑝(𝑝 > 0.05)
SEGÚN TEORÍA
𝜋 1−𝜋
𝑝~𝑁 𝜇; 𝜎 = 𝑁(𝜇 = 𝜋; 𝜎 = )
𝑛
EN EL PROBLEMA
0.03 0.97
𝑝~𝑁 𝜇; 𝜎 = 𝑁(𝜇 = 0.03; 𝜎 = )
500
𝒑~𝑵 𝝁; 𝝈 = 𝑵 𝝁 = 𝟎. 𝟎𝟑; 𝝈 = 𝟎. 𝟎𝟎𝟕𝟔

ESTANDARIZANDO PARA HALLAR Z

𝑿 − 𝝁 𝟎. 𝟎𝟓 − 𝟎. 𝟎𝟑
𝒁= = = 𝟐. 𝟔𝟑
𝝈 𝟎. 𝟎𝟎𝟕𝟔