REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA EDUCACIÓN

UNIVERSITARIA CIENCIA Y TECNOLOGÍA
UNIVERSIDAD NACIONAL ABIERTA
VICERRECTORADO ACADÉMICO
ÁREA DE INGENIERÍA

Trabajo Práctico Sustitutivo N° 1

(TPS N° 1)

Asignatura: Inferencia Estadística Código: 738

Fecha de Devolución:
Unidad Académica C.L.A.:
Profesor (Asesor):
Nombre del Estudiante:
Cédula de Identidad
Centro Local:
Correo Electrónico:
Carrera:
Número de Originales:
Celular:
Lapso:
10/03/2024
unidadacademicacla@gmail.com
Trino Vivas Correo: unamatematica@gmail.com
trinovivas@hotmail.com
vivascompumat@gmail.com
Néstor Gregorio Blanca Urbina
11.738.554
Aragua
blancanestor76@gmail.com
Ingeniería Industrial (280)
01
0414-2977805
2024-1

Objetivos
Objetivos 1 2 3 4 5
Logrados
0 = NL
1=L
 2

P: 1, O: 1 Las bolsas de azúcar envasadas por una máquina tienen 𝜇 =500 𝑔 𝑦 𝜎 =35𝑔.
Las bolsas se empaquetaron en cajas de 100 unidades
.
a) Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete
sea menor que 495 g.

b) Calcular la probabilidad de que una caja de 100 bolsas pese más de 51 kg.

Aplique el Teorema Central del Límite para ambos casos.

Respuesta P: 1, O: 1

Si una población tiene media μ y desviación típica σ , y tomamos muestras de tamaños n ¿,

ó cualquier tamaño si la población es “normal”), las medidas d estas muestras siguen
aproximadamente la distribución:

(
N μ,
σ
√n )
Consecuencias:

1. Permitir averiguar la probabilidad de que la media de una muestra concreta esté en

un cierto intervalo.

2. Permitir calcular la probabilidad de que la suma de los elementos de una muestra

esté, a priori, en un cierto intervalo.

∑ xi → N (n ∙ μ , σ ∙ √ n)
i=1

3. Inferir la media de la población a partir de una muestra.

 3

a) Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete

sea menor que 495 g.

( √σn )
N μ,

( √35100 )⇒ N (500 , 72 )⇒ N (500 ,3 , 5)

N 500 ,

(
p ( x< 495 ) =p z <
495−500
3 ,5 )
p ( x< 495 ) =p ( z ←1 , 43 )
p ( x< 495 ) =p ( z >1 , 43 )
p ( x< 495 ) =1− p ( z ≤ 1 , 43 ) ⇒ p ( x < 495 )=0,0764
 4

La probabilidad de que la media de los pesos de las bolsas de un paquete sea menor que
495 g es de 7,64 %.

b) Calcular la probabilidad de que una caja de 100 bolsas pese más de 51 kg.

∑ xi → N (n ∙ μ , σ ∙ √ n)
i=1

N ( 500 ∙100 , 35 ∙ √ 100 ) ⇒ N ( 50.000 , 350 )

(
p ( ∑ x >51.000 ) = p z >
51.000−50.000
350 )
p ( ∑ x >51.000 ) = p ( z> 2, 86 )

p ( ∑ x >51.000 ) =1− p ( z ≤ 2 , 86 ) ⇒ p ( ∑ x >51.000 ) =0 , 00 21

 5

La probabilidad de que una caja de 100 bolsas pese más de 51 kg es de 0,21 %.

P: 2, O: 2 El dueño de una cadena de restaurantes, que desea hacer modificaciones a la

oferta de platos de comida que ofrece, desea conocer si la preferencia por la carne está
relacionada con el género de la persona, con un nivel de significancia de α = 0.05. Para ello se
dispone de una muestra de 100 personas entrevistadas, siendo sus respuestas: Mujeres:
preferencia alta 26 y baja 21. Hombres: preferencia alta 38 y baja 15. ¿Está vinculada la
preferencia de la carne al género de la persona? Aplique la prueba Chi – Cuadrado. Razone su
respuesta paso a paso.

Respuesta P: 2, O: 2

Para determinar si la preferencia de carne está relacionada con el género de la persona, se

puede utilizar la prueba de Chi-Cuadrado. Esta prueba compara las frecuencias observadas con
las frecuencias esperadas bajo la hipótesis nula de independencia entre las variables.

Paso1: Formulación de Hipótesis.

Hipótesis Nula ( H o ) : No hay relación entre preferencia de carne y el género.

Hipótesis Nula ( H i ) : Existe una relación entre la preferencia de carne y el género.

Paso 2: Tabla de Contingencia.

Se organiza la información en una tabla de contingencia que muestra las frecuencias

observadas para cada combinación de preferencia de carne y género.

Preferencia Alta Preferencia Alta Total

Mujeres 26 21 47
Hombres 38 15 53
Total 64 36 100
 6

Paso 4: Cálculo de la prueba de Chi-Cuadrado.

Se utiliza la fórmula:

[ ]
2
k
( Oi−Ei )
X =∑
2

i=1 Ei

Donde:

Oi = Frecuencia observada
Ei = frecuencia esperada bajo H o

∑ ¿ Sumatoria sobre todas las celdas de la tabla

Paso 4: Grados de Libertad y Valor Crítico.

Para una tabla de contingencia 2x2, los grados de libertad son

( filas−1 ) ∙ ( columnas−1 )=1⇒ ( 2−1 ) ∙ ( 2−1 )=1 ⇒1=1 .Con un nivel de significancia de α =0 , 05 ,
el valor crítico de Chi-Cuadrado para grado 1 de libertad es aproximadamente 3,841.
 7

Paso 5: Toma de Decisiones.

Si el valor de Chi-Cuadrado es menor que el valor crítico, se rechaza la hipótesis nula y se

concluye que hay evidencia suficiente para afirmar que la preferencia de carne está relacionada
con el género.

Relacionando los cálculos, el valor calculado de Chi-Cuadrado es 6,6607 > 3,841, se

rechaza la hipótesis nula. Por tanto, se concluye que la preferencia de carne está vinculada al
género de la persona.

P: 3, O: 3 Una encuestadora está haciendo un estudio, el cual cumple los requisitos de

una distribución binomial, basándose que el 40% de los estudiantes universitarios trabajan
durante las vacaciones, para ganar dinero para pagar los gastos de su próximo semestre. Si 7
estudiantes se seleccionan de manera aleatoria, calcule la probabilidad de que 5 de estos tengan
trabajo las próximas vacaciones. Explique su procedimiento.

Respuesta P: 3, O: 3

Distribución Binomial:

Número de ensayos = n Función de Probabilidad:

Probabilidad de éxito = P
Número de casos exitosos = x P ( x )= ( nx) p (1− p)
x n−x

n! n!
Datos: ⇒
k ! ( n−k ) ! x ! ( n−x ) !

n=7 P ( X=5 )= ( 75)∙ ( 0 , 40 ) ∙ ( 1−0 , 40 )

5 7 −5

p=0 , 40
x=5 (75)= 5 ! ( 7−5
7!
)!
=21

32 2 32 9
P ( X=5 )=( 21 ) ∙ ∙ ( 0 , 60 ) =( 21 ) ∙ ∙ =0,0774144
3125 3125 25
 8

Existe un 7,74 % de probabilidad de que 5 de 7 estudiantes universitarios trabajen durante

las próximas vacaciones.

P: 4, O: 4 Agua Blanca proporciona agua embotellada, en envases de 15 litros, a las casas

de un sector de tres urbanizaciones. El gerente desea estimar el número promedio de envases que
una casa típica utiliza cada mes, bajo las siguientes condiciones:

a) Con un intervalo de confianza de 98%; tomando una muestra de 75 casas

registrando el número de envases. La media es 3, 2 con s = 0,78.

b) El gerente con el resultado anterior, señala que el intervalo es demasiado amplio.

¿Cuántas casas deben tomar como muestra para estar 99% seguro de que el
intervalo no está errado en más de 0,10 envases?

Respuesta P: 4, O: 4

a) Con un intervalo de confianza de 98%; tomando una muestra de 75 casas

registrando el número de envases. La media es 3, 2 con s = 0,78.

Datos:

X =3 , 2
s=0 ,78
n=75
Confianza de 98%

Zα ∙s
2
Si, n ≥ 30 puntuaciones de Z ( Tabla Normal ) :⇒ X ±
√n
 9

tα ∙s
2
Si, n<30 puntuaciones de T ( Tabla t−student ) :⇒ X ± ; v=n−1
√n
Por lo tanto, obtenemos el valor de α :

α =1−fracción de confianza
α =1−0 , 98
α =0 , 02
α
=0 ,01
2
 10

Z 0 ,01=−2 , 32

El valor encontrado en la tabla se usa con valor absoluto: Z 0 ,01=2 , 32 . Sustituimos en los
valores en la formula y calculamos el intervalo:

Zα ∙s
X± 2

√n
⇒ 3 , 2 ±2 , 32∙
( 0√,78
75 )
⇒ 3 , 2 ± 0,2089546094 ⇒3 , 2± 0 , 21

Límite inferior=3 , 2−0 , 21=2 , 9 9

Límite superior=3 , 2+0 , 21=3 , 4 1
Intervalo al 98 %=( 2 ,99 ; 3 , 41 )

Campana de Gauss

N° de →

El gerente puede esta 98 % seguro de que el número de envases promedio que utiliza una
casa típica por mes está entre 2,99 y 3,41 de botellones.

b) El gerente con el resultado anterior, señala que el intervalo es demasiado amplio.

¿Cuántas casas deben tomar como muestra para estar 99% seguro de que el
intervalo no está errado en más de 0,10 envases?

X =3 , 2
s=0 ,78
 11

n=75
Confianza de 99 %
Zα ∙s
2
Si, n ≥ 30 puntuaciones de Z ( Tabla Normal ) :⇒ X ±
√n

tα ∙s
2
Si, n<30 puntuaciones de T ( Tabla t−student ) :⇒ X ± ; v=n−1
√n

Por lo tanto, obtenemos el valor de α :

α =1−fracción de confianza
α =1−0 , 9 9
α =0 , 0 1
α
=0 ,0 05
2
 12

Z 0,005=−2 ,57

El valor encontrado en la tabla se usa con valor absoluto: Z 0,005=2 ,57 . Sustituimos en los
valores en la formula y calculamos el intervalo:

Zα ∙s
X± 2

√n
⇒ 3 , 2 ±2 , 57 ∙
( 0√,78
75 )
⇒ 3 ,2 ± 0 , 2314712699 ⇒ 3 , 2 ± 0 ,2 3

Límite inferior=3 , 2−0 , 23=2 ,9 7

Límite superior=3 , 2+0 , 23=3 , 4 3
Intervalo al 99 %=( 2, 5 7 ; 3 , 43 )

Campana de Gauss

N° de →

2 2
X =3 , 2 Z 2 ∙ s2 ( 2 , 58 ) ∙ ( 0 , 78 ) 4,04975376
n= 2
⇒n= 2
⇒ n=
s=0 ,78 ( x−μ ) ( 0 , 10 ) 0 , 01

Z=2 ,57 +0,005 n=404 , 9753376→ aproximado 405

Z=2 ,58
Confianza de 99 %
x−μ=0 ,10
 13

Se estima que para tener un nivel de confianza del 99 % se debe tomar una muestra de
405 casas para estar seguro de que el intervalo no se encuentra errado en más de 0,10 botellones.
P: 5, O: 5 Se realizó un experimento con el fin de determinar la efectividad de un nuevo
fármaco. Para ello, se consideraron 64 hombres de similares características que presentaron
fuertes dolores producidos por cálculos renales. Se les suministró una dosis de 5 ml del fármaco y
se midió el tiempo transcurrido hasta que el dolor desaparece completamente. Se obtuvo una
media de 20 min, con una desviación estándar de 5 min. Además, se registró que 7 pacientes
reaccionaron negativamente a la dosis administrada.

a) Suponga que el tiempo medio transcurrido hasta que el dolor desaparezca

completamente sigue una distribución normal. Construya un intervalo de
confianza de 95 % para el tiempo que tarda el medicamento en desaparecer el
dolor.

b) Construya un intervalo de confianza de 90 % para la proporción de pacientes que

reaccionaron de manera negativa a la dosis suministrada.

c) Considere la información registrada para la proporción de casos que reaccionan

negativamente. Con un 90 % de confianza, ¿cuál es la cantidad mínima de
pacientes necesaria si se desea cometer un error de estimación del 3 % como
máximo?

Respuesta P: 5, O: 5

a) El intervalo de confianza de 95 % para el tiempo que tarda el medicamento en

desaparecer el dolor, esta dado por:

Datos:

X =7
 14

s=5
n=64
Confianza de 95%
α =1−fracción de confianza
α =0 , 05
α
=0,025
2
 15

Z 0,005=−1 ,96

El valor encontrado en la tabla se usa con valor absoluto: Z 0,005=1, 96. Sustituimos en los
valores en la formula y calculamos el intervalo:
Zα ∙s Zα ∙s
2 2
X− <μ<X +
√n √n
( 1 , 96 ) ∙ ( 5 ) (1 , 96 ) ∙ ( 5 )
20− < μ< 20+
( √ 64 ) ( √ 64 )
( 1 , 96 ) ∙ ( 5 ) (1 , 96 ) ∙ ( 5 )
20− < μ< 20+
( √ 64 ) ( √ 64 )
18,775< μ< 21,225

b) El intervalo de confianza de 90 % para la proporción de pacientes que

reaccionaron de manera negativa a la dosis suministrada, esta dado por:

Datos:

x=7
n=64
^p ± Z α ∙
2 √ ^p ∙ q^
n
x
; donde : ^p= y q^ =( 1− ^p )
n
x Número total de éxitos
Confianza de 90% ^p= =
n Número total de intentos
α =0 , 0 1
α
=0 ,0 5 Por lo tanto:
2

^p−Z α ∙
2 √ ^p ∙ q^
n
< p< ^p + Z α ∙
2 √
p^ ∙ q^
n

√ ( )
√ ( )
7 7 7 7
∙ 1− ∙ 1−
7 64 64 7 64 64
−Z 0 ,0 5 ∙ < p< +Z 0 , 05 ∙
64 64 64 64

√ ( )
√ ( )
7 7 7 7
∙ 1− ∙ 1−
7 64 64 7 64 64
−1,645 ∙ < p< +1,645 ∙
64 64 64 64
 16

0,04519756003< p< 0,17355244

El valor encontrado en la tabla se usa con valor absoluto: Z 0 ,05=1,645 . Sustituimos en los
valores en la formula y calculamos el intervalo.

Z 0 ,05=−1 , 64 5
 17

c) Con un 90 % de confianza, la cantidad mínima de pacientes necesaria si se desea

cometer un error de estimación del 3 % como máximo, esta dado por:

El error de estimación (E)es ± 0 ,0 3

7
^p=
64
Z 0 ,05=1 , 64 5
Por lo tanto:

E≥Zα ∙
2 √ ^p ∙ q^
n
⇒ E ≥ Z 0 ,05 ∙
√
p^ ∙ ( 1− ^p )
n √
⇒ E ≥ Z 0 ,05 ∙
p^ ∙ ( 1− ^p )
n
; despejando n :

E ≥ Z 0 , 05 ∙
√ ^p ∙ q^
n
⇒ E ≥ Z 0 , 05 ∙
√
^p ∙ (1− ^p )
n √
⇒ E ≥ Z 0 , 05 ∙
^p ∙ (1− ^p )
n
; despejando n :

[ ] ( )
1
E ^p ∙ ( 1−^p ) 2 E 2 ^p ∙ ( 1−^p ) E2 ^p ∙ ( 1−^p )
≥ ⇒ ≥ ⇒ 2
≥
Z 0 , 05 n Z 0 ,05 n ( Z 0 , 05 ) n
2
Z 0 ,05 ^p ∙ (1− ^p ) 2 ^p ∙ ( 1− ^p )
n≥ 2
∙ ⇒ n≥ Z 0 ,05 ∙ 2
; sustituimos valores :
E 1 E

n ≥ ( 1 ,64 5 ) ∙
2
7
64 (
∙ 1−
7
64 ) ⇒n ≥ ( 2,706025) ∙ 647 ∙( 5764 )
( 0 , 03 )2 ( 0,0009 )

n ≥ ( 2,706025 ) ∙ ( 0,09741210938
0,0009 ) ⇒ n ≥ 292,8884481
Será necesaria una muestra de al menos 293 pacientes para cometer un error menor del 3
%.