UNIVERSIDAD DEL VALLE DE MÉXICO

Actividad 1. Ejercicios

Información del documento

Nombre/puesto Fecha
Elaborado
21/03/2022
por:

César Adrián Hernández Ávila

Profesor: 22/03/2022
• 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:
 Si las poblaciones muestreadas son normales, ¿cuál es la distribución de muestreo de X para los incisos a, b
y c?

R= La distribución de muestro es normal, cuando las poblaciones también lo son.

De acuerdo con el Teorema del Límite Central, si las poblaciones muestreadas no son

normales, ¿qué se puede decir acerca de la distribución muestral de X para los incisos a, b y c?

R = Se acerca a la media poblacional cuando el tamaño de las muestras aumenta y disminuye el error
estándar de la media.

1. Una muestra aleatoria de n observaciones se selecciona de una población con desviación estándar =1.
Calcule el error estándar de la media (SE) para los siguientes valores de n.

a. n=1

SE SE
b. n=2
c. n=4

SE

d. n=9

SE

e. n=16

SE

f. n=25

SE SE

g. n=100
 4. Se seleccionaron muestras aleatorias de tamaño nde poblaciones binomiales con parámetros poblacionales
pdados aquí. Encuentre la media y la desviación estándar de la distribución de muestreo de la proporción
muestral pˆ en cada caso:

a. n=100, p= 0.3

μ=npμ=100 (0.3) μ=30 σp

b. n= 400, p= 0.1

μ=npμ=400 (0.1) μ=40 σp

c. n= 250, p= 0.6

μ=npμ=250 (0.6) μ=150

σp
5. ¿Es adecuado utilizar la distribución normal para aproximar la distribución de muestreo de

ˆ
P en las siguientes circunstancias?

a. n= 50, p= 0.05

= 50(0.05) = 2.5 ≤ 10
(1 − ) = 50(1 − 0.05) = 50(0.95) = 47.5 ≥ 10

No se puede aproximar, no se cumple la primera condición.

b. n= 75, p= 0.1

= 75(0.1) = 7.5 ≤ 10

(1 − ) = 75(1 − 0.1) = 75(0.9) = 67.5 ≥ 10

No se puede aproximar, no se cumple la primera condición.

 c. n= 250, p= 0.99

= 250(0.99) = 247.5 ≤ 10

(1 − ) = 250(1 − 0.99) = 250(0.01) = 2.5 ≤ 10

No se puede aproximar, no se cumple la segunda condición.

Aplicaciones
1. Enfermedad de Alzheimer. La duración de la enfermedad de Alzheimer desde el principio de los síntomas
hasta el fallecimiento varía de 3 a 20 años; el promedio es 8 años con una desviación estándar de 4 años. El
administrador de un gran centro médico selecciona al azar, de la base de datos del centro, los registros
médicos de 30 pacientes de Alzheimer ya fallecidos y anota la duración de la enfermedad para cada unidad
en muestra. Encuentre las probabilidades aproximadas para los siguientes eventos:

a. La duración promedio es menor a 7 años

P( <7) = P( <7) = P(z<ẋ ẋ

PROBABILIDAD 0.0823

b. La duración promedio excede de 7 años

P( >7) = 1 - P( <7) = 1 – P (z < ẋ ẋ

)= 1 P (z < 1 .369) =1 – 0.0823 =

0.9177

PROBABILIDAD 0.0823

c. La duración promedio está a no más de un año de la media poblacional = 8

Grafique el error estándar de la media (SE) contra el tamaño muestral ny enlace los puntos con una curva suave.
¿Cuál es el efecto de aumentar el tamaño de muestra sobre el error estándar?

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.

a. Describa la distribución de muestreo de la media muestral X

La distribución de portabilidad es normal

μ = 71,802 =

4000

b. ¿Dentro de qué límites se esperaría que esté el promedio muestral, con probabilidad 0.95?

1 – α = 0.95 α= 0.05

Z =0.025
P(z) = 0.975

Z = 1.96
Se utiliza la fórmula:

μ95%=(71,802−1,012.13) ;(71,802+1,012.13) μ95%=(70,789.87);(72,814.13)

c. Calcule la probabilidad de que la media muestral x sea mayor que 73,000 dólares.

x´=73,000
 z=x̅−μ

= 73,000−71,802 4,000

= 1,198 4,000

= 0.30

P(z) = 0.61

P (x> 73,000) = 1 – P (Z)

P (x> 73,000) = 1 – 0.61 P (x> 73,000) =

0.385

d. Si una muestra aleatoria en realidad produjo una media muestral de 73,000 dólares,
¿consideraría usted que esto es poco común? ¿Qué conclusión obtendría?

R= podemos determinar que el valor de la media muestral de 73,000 se encuentra fuera del área de la curva
de distribución normal.

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.
 a. Encuentre la media y la desviación estándar de T .

= 3(422) = 1266

mg

b. Encuentre la probabilidad de que su ingesta diaria de potasio de los tres plátanos exceda de

1,300 mg. (Sugerencia: Observe que T es la suma de tres variables aleatorias X X X1, 2 y 3 donde

X1 es la cantidad de potasio en el plátano 1, etc.) Z= =

=0.96

P (x> 1,300) = 0.191

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 = 54 meses y una
desviación estándar =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.

a. Suponiendo que la afirmación del fabricante es verdadera, describa la distribución de muestreo

de la media muestral cuando n=50 baterías.

= 54

=6

= 50

La distribución es mayor a 30, se puede decir que esta es normal.

 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?

Z= = =−0.33

P(x≤52)=0.369

5. Temperatura corporal. Suponga que la temperatura corporal de personas sanas se distribuye

aproximadamente normal con media 37.0 C y desviación estándar de 0.4 C.

a. Si 130 personas sanas se seleccionan aleatoriamente, ¿cuál es la probabilidad de que la

temperatura promedio para estas personas sea de 36.80 o menor?

b. ¿Consideraría una temperatura promedio de 36.80 como poco probable de ocurrir, si la

verdadera temperatura promedio de las personas sanas es de 37 C?

6. Costo de un apartamento. El costo promedio de un apartamento en el desarrollo Cedar Lakes es de $62,000

usd con una desviación estándar de $4,200 usd.

a. ¿Cuál es la probabilidad de que un apartamento en este desarrollo cueste al menos $65,000 usd?

b. ¿La probabilidad de que el costo promedio de una muestra de dos apartamentos sea al menos
de $65,000 usd es mayor o menor que la probabilidad de que un apartamento cueste eso? ¿En
qué cantidad difiere?

7. Lanzamiento de una moneda. Una moneda justa se lanza n=80 veces. Sea pˆ la proporción muestral de caras

(soles). Encuentre P(0.44  pˆ 0.61)

8. Herramientas defectuosas. Se ha encontrado que 2% de las herramientas que produce cierta máquina tienen
algún defecto. ¿Cuál es la probabilidad de que en 400 de dichas herramientas,

a. 3% o más tengan algún defecto?

 b. 2% o menos tengan algún defecto?

R= B

LA PROBABILIDAD ES DE 0.22%

Z=(0-0.02)/a((0.02)(0.98)/400=-2.85

P=0,5-0.4978

P=0.0022*100 = 0.22%

Referencias

Dennis D., W., Mendenhall, W. I., & Scheaffer, R. L. (2009). Estadística Matemática con Aplicaciones (7 ed.).
Mexico, México: Cengage Learning.

Devore, J. L. (2016). Probabilidad y Estadistica para Ingenieria y Ciencias (9 ed.). Cengage Learning.
Retrieved from https://elibro.net/es/lc/uvm/titulos/93280

McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.

Mendenhall, W. I., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la Probabilidad y Estadística (14
ed.). México, D.F: CENGAGE Learning.

Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadistica para Negocios y Economia
(11 ed.). Cengage Learning. Retrieved from https://elibro.net/es/lc/uvm/titulos/39949