Metodos Cuantitativos

Mtodos Cuantitativos
Alejandro Pieiro Caro

Ingeniero Civil Industrial
alejandro.pineiro@inacapmail.cl
alejandro.pineiro.c@gmail.com
Otoo Invierno 2015
Material Apoyo Mtodos Cuantitativos

Ing. Alejandro Pieiro C.
6/3/15
INTRODUCCIN.
DESCRIPCIN DE LA ASIGNATURA:
La asignatura Mtodos Cuantitativos, de carcter lectiva y perteneciente
al
rea
formativa
de
Disciplinas
Bsicas
(lnea
curricular
de
matemticas), tiene por propsito, introducir al alumno en el mundo de

la estadstica de manera de poder aplicar estos conocimientos al rea
de la economa y la administracin. As ser posible comprobar y
justificar distintos resultados a travs de los mtodos estadsticos
aprendidos y desarrollar la capacidad de estudiar, inferir y resolver
problemas reales.

6/3/15
UNIDADES
UNIDADES DE
HORAS
APRENDIZAJE
1
Muestreo
12
Inferencia
30
Econometra
30
EVALUACIN:
3

8
6/3/15
MTODOS CUANTITATIVOS
UNIDAD 1
MUESTREO

6/3/15
UNIDAD 1 : MUESTREO
Con frecuencia en la practica estamos interesados en extraer
conclusiones vlidas respecto a un grupo grande de individuos
u objetos. En cambio de examinar un grupo entero, llamado la
poblacin, lo cual puede resultar difcil o imposible, puede
llegarse a la idea de examinar solamente una parte pequea
de esta poblacin, que se llama la muestra. Esto se hace con
el propsito de inferir ciertos hechos respecto de la poblacin
de los resultados hallados en la muestra, un proceso conocido
como inferencia estadstica. El proceso de obtener muestras
se llama muestreo.

6/3/15
UNIDAD 1 : MUESTREO
POBLACIN
El primer concepto importante es el de poblacin, que

es el conjunto de individuos sobre los que se desea
informacin. La poblacin ha de estar perfectamente
definida a la hora de comenzar el estudio.
Por ejemplo, en un ensayo clnico en el que se pretende
demostrar la efectividad de un tratamiento han de
estar muy claros cuales son los criterios de inclusin de
un paciente en la poblacin (muestra) a estudiar.
6

6/3/15
UNIDAD 1 : MUESTREO
POBLACIN
Dependiendo de cmo se seleccionen los elementos para un

estudio podremos tener las siguientes poblaciones:
Poblacin finita
Poblacin infinita
Poblacin finita: Se llama as a la poblacin que es de
tamao limitado cuyos elementos son numerables.
Poblacin infinita: Se llama as a la poblacin de tamao
limitado cuya cantidad de elementos son innumerables.

7

6/3/15
UNIDAD 1 : MUESTREO
MUESTRA
De la poblacin se extrae un subconjunto que se denomina

muestra. La muestra ha de ser representativa de la poblacin,
en el sentido de que debe tener una composicin similar en
cuanto a la proporcin de distintas caractersticas. Por
ejemplo, una muestra para un estudio de estaturas no
incluir solamente individuos bajos o altos, sino individuos de
ambas clases en proporciones similares a las de la poblacin.
La representatividad de la muestra queda garantizada con la
eleccin correcta del mtodo de muestreo.
8

6/3/15
UNIDAD 1 : MUESTREO
PROCEDIMENTO DE MUESTREO
Conjunto de
elementos que
representan una
caracterstica o
condicin comn
de estudio
Muestr
a
Unidades de
anlisis se denomina
tambin a casos
o elementos
Muestra: subgrupo de
la poblacin del cual
se recolectan los
datos y debe ser
Representativos
de dicha poblacin
EXTRACCIN
MUESTRA
POBLACIN
9
GENERALIZACIN DE
HALLAZGOS
Muestr
a
6/3/15
UNIDAD 1 : MUESTREO
Muestr
a
Muestr
a
10

Muestr
a
Muestr
a
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLOS:
Desearamos extraer conclusiones respecto a las estaturas (o peso ) de 12.000
estudiantes (la poblacin ) examinando solamente 100 estudiantes (la muestra )

seleccionados de esta poblacin.
Desearamos extraer conclusiones respecto al porcentaje de tornillos defectuosos
producidos en una fbrica durante una semana de 6 das examinando 20 tornillos

diariamente producidos en tiempos diferentes durante el da. En este caso los
tornillos producidos durante la semana conforman la poblacin, en tanto que los 120
tornillos escogidos constituyen la muestra.
Desearamos
extraer conclusiones respecto a la honradez de una moneda
determinada al lanzarla repetidamente. La poblacin consiste en todos los

lanzamientos posibles de la moneda. Se podra obtener una muestra al examinar, por
ejemplo, loa primeros 60 lanzamientos de la moneda y notar los porcentaje de caras
y sellos.
11

6/3/15
UNIDAD 1 : MUESTREO
TIPOS DE MUESTREOS
No probabilstico. Se
usa el conocimiento y
opinin personal para
identificar los elementos
de la poblacin que se
incluyen en la muestra.
12

Por
cuot
a
Por
Juici
o
Por
Interv
alo
No
Probabilstic
o
6/3/15
UNIDAD 1 : MUESTREO
TIPOS DE MUESTREOS
Simpl
e
Probabilstico. Todos los

elementos de la poblacin
tienen la misma posibilidad
de participar en la muestra.
Sistemtico
Estratifica
do
Conglomerados
Probabilstico
13

6/3/15
UNIDAD 1 : MUESTREO
SIMPLE.
Este tipo de muestreo, consiste en
elaborar una lista
enumerndola,
de la poblacin
para
posteriormente
mediante la generacin de nmero

aleatorios es seleccionado cada uno de
los
elementos
muestra,
recurrencia
propsito.
que
constituyen
mediante
diseadas
Es
adecuado
frmulas
para
la
de
ste
cuando
la
poblacin es pequea y los elementos

puedan enumerarse.
14

6/3/15
UNIDAD 1 : MUESTREO
SISTEMTICO.
En este tipo de muestro, tambin se
elabora una lista con los elementos de
la
poblacin,
pero
en
lugar
de
seleccionarlos de manera aleatoria, se

recorre la lista y se va seleccionando
cada
elemento
con
un
intervalo
uniforme que se mide en tiempo, orden

y espacio. Es ms sencillo de aplicar
que el simple, sin embargo, no es
posible
de
utilizar
con
poblaciones
grandes o con la posibilidad de que la

poblacin tenga datos con periodicidad.
15

6/3/15
UNIDAD 1 : MUESTREO
ESTRATIFICADO.
En esta tcnica, la poblacin se divide en clases o
estratos de acuerdo a una o ms caractersticas
importantes
para
realizar
posteriormente
la
seleccin, que puede ser aleatoria o sistemtica

dentro de cada estrato. La definicin de la clase debe
ser lo suficientemente clara para evitar que alguno
de los elementos se puedan ubicar en alguna de dos
clases diferentes.
16

6/3/15
UNIDAD 1 : MUESTREO
POR CONGLOMERADOS.
Consiste
en
definir
subgrupos
de
elementos
homogneos en forma natural y/o existen grupos ya

definidos. No se requiere seleccionar de todos los
conglomerados, y en ocasiones, es suficiente con
seleccionar uno de los conglomerados con todos sus
elementos, es posible utilizar el muestreo aleatorio
considerando grupos en lugar de elementos.
17

6/3/15
UNIDAD 1 : MUESTREO
AREA DE INTERES
Tema de Investigacin
DATOS
ORGANIZAR Y
RESUMIR
ESTADSTICA DESCRIPTIVA
- Antecedentes Previos
- Objetivos
- Preguntas de
Investigacin
- Posibles Hiptesis
- Unidad de Anlisis
- Poblacin
- Variables
18
Material Apoyo Mtodos

Cuantitativos
INTERPRETACIN
Poblacin o
Muestra?
Poblacin
(Tablas, Grficos,
Medidas Descriptivas,
etc.)
Muestra
INFERENCIA ESTADSTICA
CONCLUSIONES
INFORMACI
N
Probabilida
d
6/3/15
UNIDAD 1 : MUESTREO
RAZONES DE MUESTREO
Disminucin de costos ( tiempo, personal, material)
Al disminuir el nmero de casos
disminuyen
tambin los errores asociados a la manipulacin de

los datos.
Puede
confiarse
en
la
generalizacin
de
los
resultados si se ha tenido cuidado al seleccionar la

muestra.
19

6/3/15
UNIDAD 1 : MUESTREO
CRITERIOS IMPORTANTES PARA LA SELECCIN DE LA
MUESTRA
Salvo en poblaciones muy pequeas y accesibles nunca se
observan a todas las unidades de la poblacin.
Se
debe
disear
una
muestra
que
constituya
una
representacin a pequea escala de la poblacin a la que

pertenece.
Cualquier diseo muestral comienza con la bsqueda de la
informacin
que
ayude
la
identificacin
de
las
caractersticas de la poblacin bajo estudio.

20

6/3/15
UNIDAD 1 : MUESTREO
TAMAO DE LA MUESTRA
Es el nmero de unidades a incluir en la muestra.
Existen varios factores que influyen en el:
Tiempo y recursos disponibles
Modalidad de Muestreo
Tipo de Anlisis Previsto
Varianza o heterogeneidad de la poblacin
Margen de Error mximo admisible
Nivel de confianza de la estimacin muestral
21

6/3/15
UNIDAD 1 : MUESTREO
TAMAO DE LA MUESTRA
Hay tres factores que determinan el tamao de muestra:
Grado de Confianza: mayormente se utiliza 0,95 y
0,99, pero tambin se puede utilizar otro nivel.
Mximo Error Permisible: lo decide el investigador, es
el mximo error tolerable en un nivel de confianza
especifico.
Variacin de la Poblacin: la variabilidad la mide la
desviacin estndar.
22

6/3/15
UNIDAD 1 : MUESTREO
TAMAO DE LA MUESTRA
Grado de Confianza: Probabilidad de que la estimacin efectuada
se ajuste a la realidad.
Cualquier informacin que queremos recoger est distribuida segn
una ley de probabilidad (Gauss o Student), as llamamos nivel de
confianza a la probabilidad de que el intervalo construido en torno a
un estadstico capte el verdadero valor del parmetro.
Es una convencin que se utilice un nivel de confianza del 95%
(z=1.96), o bien del 99% (z=2.58).
Mientras ms alto sea el nivel de confianza, mayor ser el tamao
de la muestra.
23

6/3/15
UNIDAD 1 : MUESTREO
TAMAO DE LA MUESTRA
Error Mximo Permisible: El error mximo permisible,
que se designa como E, es la cantidad que se suma y/o
resta de la media de la muestra, para determinar los
puntos
extremos
del
intervalo
de
confianza
correspondiente. Es la cantidad de error que t como

investigador deseas tolerar. Tambin es la mitad de la
amplitud del intervalo de confianza correspondiente. Un
error permisible pequeo requerir una muestra grande,
mientras uno grande requerir una muestra pequea.
24

6/3/15
UNIDAD 1 : MUESTREO
REPASO DISTRIBUCIN NORMAL.
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?
2.-Cul es la probabilidad de que un

valor de z est entre -2.03 y +2.03?
3. Hallar P( z >1.25 )
25

6/3/15
UNIDAD 1 : MUESTREO
REPASO DISTRIBUCIN NORMAL.
4. Hallar P ( -0,34 < z < )
5. Hallar P ( 0,34 < z < 2,30 )
26

6/3/15
27
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9999
UNIDAD 1 : MUESTREO
1.-Cul es la probabilidad
de que un valor de z est
entre 0 y -2.03?
Solucin: Se busca en la
tabla
el 0,9788-0,5
rea
En
Tabla
El rea es = 0,4788
correspondiente a z = 2.03
28

Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
6/3/15
UNIDAD 1 : MUESTREO
2.-Cul es la probabilidad de
que un valor de z est entre
-2.03 y +2.03?
Solucin:
La
misma
rea
hay entre 0 y -2.03 , por lo

tanto
P
-2,03<
z<
2,03)
0.95764
29

Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
En Tabla 0,9788-0,5
El rea es = 0,4788 x 2=
0,9576
6/3/15
UNIDAD 1 : MUESTREO
3.Cul es la probabilidad de que un valor de z sea

Z
0,00
0,01
0,02
mayor
a 1.25
?
0,0
0,5000
0,5040
0,5080
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
30
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251

0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
6/3/15
UNIDAD 1 : MUESTREO
. Hallar P ( -0,34 < z < )
31

6/3/15
UNIDAD 1 : MUESTREO
5. Hallar P ( 0,34 < z < 2,30 )
32

6/3/15
Ejemplo
2:1 : MUESTREO
UNIDAD
Segn un estudio, la altura de los varones de cierta
ciudad es una v.a. X, que podemos considerar que se
distribuye segn una ley gaussiana de valor esperado
=175 cm y desviacin tpica =10 cm . Dar un
intervalo para el que tengamos asegurado que el
En
estedecaso
que buscar
la tabla de
la
50%
lostenemos
habitantes
de laen ciudad
estn
N(0,1)
que valor
comprendidos
enme
l. deja el 25% de los datos hacia la
derecha y el valor que me deja el 25 % a la izquierda,
de esta manera tenemos el 50% en los valores
centrales.
Z
0,0
0,1
0,2
0,3
0,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,5
0,6
0,7
0,8
0,9
0,6915
0,7257
0,7580
0,7881
0,8159
0,6950
0,7291
0,7611
0,7910
0,8186
0,6985
0,7324
0,7642
0,7939
0,8212
0,7019
0,7357
0,7673
0,7967
0,8238
0,7054
0,7389
0,7703
0,7995
0,8264
0,7088
0,7422
0,7734
0,8023
0,8289
0,7123
0,7454
0,7704
0,8051
0,8315
0,7157
0,7486
0,7793
0,8078
0,8340
0,7190
0,7517
0,7823
0,8106
0,8364
0,7224
0,7549
0,7652
0,8133
0,8389
Buscamos el valor tipificado que me da la Probabilidad de 0,25 en la

N(0,1) que es aproximadamente 0,68
N(175, 10)
Por lo tanto si destipificamos
X 175
0,68
X (0,68 10) 175 181,8
10
Como es simtrica la distribucin, el valor que nos deja el 25% por debajo
es -0,675
X 175
0,68
X (0,68 10) 175 168,2
10
El 50% de la poblacin tiene un peso comprendido en el intervalo

[168,2 - 181,8].
UNIDAD 1 : MUESTREO
DISTRIBUCIONES MUESTRALES
Si es posible recoger datos referidos a una muestra con
objetividad y confiabilidad, entonces, podemos estudiar
sus caractersticas y aprovechar dicha informacin
igualmente confiable para tomar decisiones a nivel
poblacional en el campo cientfico, poltico, social,
econmico y otros de carcter prctico. Ahora bien, una
muestra objetiva y confiable debe ser aleatoria. Un
conjunto de observaciones constituye una muestra
aleatoria de tamao n seleccionada de una poblacin
finita de tamao N, si es elegida en forma tal, que
cada subconjunto o muestra de n elementos de los
N elementos que contiene la poblacin, tiene la
misma probabilidad de ser elegido.
35
6/3/15
UNIDAD 1 : MUESTREO
DISTRIBUCIN EN EL MUESTREO DE LA MEDIA
Si a cada una de las M muestras de igual
tamao n, que podemos seleccionar de una
poblacin N, le calculamos su respectivos
estimadores (medias aritmticas), la variable
aleatoria as obtenida, la denominamos
distribucin en el muestreo de la media.
36
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Para comprender ms claramente en que consiste la
distribucin en el muestreo de la media y por otra
parte comprobar las dos propiedades fundamentales
que se cumplen en dicha distribucin, supongamos
una poblacin finita de seis (6) elementos, referida al
tiempo necesario para ensamblar un artculo
producido por los seis obreros de una compaa ( A,
B, C, D, E, F) durante un da determinado y
consideremos adems, que utilizaremos una muestra
de tamao (2), para estimar el promedio de la
compaa.
37
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Para comprender ms claramente en que consiste la
distribucin en el muestreo de la media y por otra
parte comprobar las dos propiedades fundamentales
que se cumplen en dicha distribucin, supongamos
una poblacin finita de seis (6) elementos, referida al
tiempo necesario para ensamblar un artculo
producido por los seis obreros de una compaa ( A,
B, C, D, E, F) durante un da determinado y
consideremos adems, que utilizaremos una muestra
de tamao (2), para estimar el promedio de la
compaa.
38
6/3/15
UNIDAD 1 : MUESTREO
DISTRIBUCIN EN EL MUESTREO DE LA
MEDIA
EJEMPLO
N
Tiempo para el
ensamble de un
artculo
Obreros
Tiempo (horas)
51
52
53
53
54
55
39
Total
318
318
53
N
6
i 1
2
(
x
x
)
i
i 1
10
1,299
6
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
EJEMPLO
Si seleccionamos muestras de tamao n= 2
de dicha poblacin N=6 como se plantea en
el
ejemplo,
podemos
obtener
M=15
Element
Media
Element
Media
Element
muestras
diferentes,
puesto
queMedia
M = C (N,n)
os
os
os
= A,B
C 6,251,5= 15,
cuyas
medias
respectivas,
B,C
52,5
C,E
53,5
podrn
verse
en
siguiente:
A,C
52,0
B,Del cuadro
52,5
C,F
54,0
40
A,D
52,0
B,E
53,0
D,E
53,5
A,E
52,5
B,F
53,5
D,F
54,0
A,F
53,0
C,D
53,0
E,F
54,5
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO : Con los datos anteriores confeccione una tabla de
frecuencias.
41
xi
ni
51,
5
51,5
52,
0
104,0
52,
5
157,5
53,
0
159,0
53,
5
160,5
xini
x n
i 1
795
53,0
15
Si comparamos el valor 53 de la ecuacin anterior,

con el clculo anterior, podemos concluir que:
x
La anterior propiedad, nos confirma que la media
aritmtica es un estimador insesgado. Esta
propiedad la podemos enunciar as: La media
aritmtica poblacional es igual a la media
aritmtica de la medias muestrales.
54,
2
108,0
0 Material Apoyo Mtodos Cuantitativos
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
x
DISTRIBUCIN MUESTRAL
DE
EN UNA
POBLACIN NORMAL CON MEDIA
Y
DESVIACIN ESTNDAR CONOCIDAS
se
Sin importar el tamao de la muestra n, si
normal de tamao N, con
tiene una poblacin
media y desviacin estndar
, las medias de
todas las muestras de tamao n, que se pueden
x tambin
tomar de esa poblacin,

se distribuirn
Z
normalmente. Podramos escribir
n
42
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
x
DISTRIBUCIN MUESTRAL
DE
EN UNA
POBLACIN
NORMAL
CON
MEDIA
Y
DESVIACIN ESTNDAR DESCONOCIDA.
Si la poblacin
est normalmente
distribuida y se
conoce
pero se desconoce , entonces el valor
de
, puede reemplazarse por la desviacin
estndar de la muestra S, siempre y cuando el
x
tamao de la muestra
Z sea grande(n 30). En
estas condiciones el valor Sde Z sera:
n
43
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
EJEMPLO
Ciertos tubos fabricados por una compaa,
tienen una duracin media de 900 horas y
una desviacin estndar de 70 horas. Si se
seleccionan aleatoriamente una muestra de
36 tubos, cual es la probabilidad de que
dichos tubos tengan una duracin media
entre 870 y 925 horas?
44
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
EJEMPLO
x 870 900
Z1
70
36
2,57
x 925 900
Z2
2,14
70
n
36
P (870 x 925) 0,4949 0,4838 0,9787
45
6/3/15
46
Z
0,00
0,01
0,02
0,03
0,04
0,0
0,5000 0,5040 0,5080 0,5120 0,5160
0,1
0,5398 0,5438 0,5478 0,5517 0,5557
0,2
0,5793 0,5832 0,5871 0,5910 0,5948
0,3
0,6179 0,6217 0,6255 0,6293 0,6331
0,4
0,6554 0,6591 0,6628 0,6664 0,6700
0,5
0,6915 0,6950 0,6985 0,7019 0,7054
0,6
0,7257 0,7291 0,7324 0,7357 0,7389
0,7
0,7580 0,7611 0,7642 0,7673 0,7703
0,8
0,7881 0,7910 0,7939 0,7967 0,7995
0,9
0,8159 0,8186 0,8212 0,8238 0,8264
1,0
0,8413 0,8438 0,8461 0,8485 0,8508
1,1
0,8643 0,8665 0,8686 0,8708 0,8729
1,2
0,8849 0,8869 0,8888 0,8907 0,8925
1,3
0,9032 0,9049 0,9066 0,9082 0,9099
1,4
0,9192 0,9207 0,9222 0,9235 0,9251
1,5
0,9332 0,9345 0,9357 0,9370 0,9382
1,6
0,9452 0,9463 0,9474 0,9485 0,9495
1,7
0,9554 0,9564 0,9573 0,9582 0,9591
1,8
0,9641 0,9649 0,9656 0,9664 0,9671
1,9
0,9713 0,9719 0,9726 0,9732 0,9738
2,0
0,9773 0,9778 0,9783 0,9788 0,9793
2,1
0,9821 0,9826 0,9830 0,9934 0,9838
2,2
0,9861 0,9865 0,9868 0,9871 0,9875
2,3
0,9893 0,9896 0,9898 0,9901 0,9904
2,4
0,9918 0,9920 0,9922 0,9925 0,9927
2,5
0,9938 0,9940 0,9941 0,9943 0,9945
2,6
0,9953 0,9955 0,9956 0,9957 0,9959
2,7
0,9965 0,9966 0,9967 0,9968 0,9969
2,8
0,9975 0,9975 0,9976 0,9977 0,9978
2,9
0,9981 0,9982 0,9983 0,9984 0,9984
3,0
0,9987 0,9987 0,9987 0,9988 0,9988
3,1
0,9990 0,9991 0,9991 0,9991 0,9992
3,2
0,9993 0,9993 0,9994 0,9994 0,9994
3,3
0,9995 0,9995 0,9995 0,9996 0,9996
3,4
0,9997
0.9997
0,9997
0,9997 0,9997
Material
Apoyo
Mtodos
Cuantitativos
3,5
0,9998 0,9998 0,9999 0,9999 0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
6/3/15
0,9999
UNIDAD 1 : MUESTREO
MEDIA
EJEMPLO
Se sabe que en una compaa el salario
promedio de los 1.235 obreros es de
$439.000 y desviacin estndar de $25.500.
Si se toma una muestra aleatoria de 49
obreros Cual es la probabilidad de que el
promedio de dicha muestra sea mayor que
$421.000?
47
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
Solucin:
x 421.000 439.000
Z
4,94
25.500
n
49
El anterior valor de Z no se encuentra en las tablas de distribucin

normal y se pide calcular la probabilidad de que el promedio de la
muestra sea mayor que $421.000. El rea que est a la derecha de
-4.94, es precisamente la totalidad de la curva. En estas condiciones la
probabilidad de que la media de la muestra sea mayor que $421.000,
es igual a 1.
48
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Un fabricante que produce un artculo para
consumo del ganado tiene comprobado que su
producto dura guardado en bodega un
promedio de 1.000 horas con desviacin
estndar de 100 horas Cual es la
probabilidad de que un comprador que
adquiere una muestra aleatoria de 64
unidades, encuentre un promedio de duracin
en la misma de ms de 957 horas.
49
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
Solucin:
Como el tamao de la muestra es mayor que
30, entonces segn el teorema central del
lmite,
las medias muestrales se distribuyen
x 957 1.000
Z normalmente.
3,44
100
n
64
Buscando en las tablas de distribucin normal para Z= - 3,44 o 3,44

la probabilidad es 0,9997, lo cual significa, que el 99.97% de las
muestras de tamao 64 tienen una media superior a 957 horas.
50
6/3/15
51
Z
0,00
0,01
0,02
0,03
0,04
0,0
0,5000 0,5040 0,5080 0,5120 0,5160
0,1
0,5398 0,5438 0,5478 0,5517 0,5557
0,2
0,5793 0,5832 0,5871 0,5910 0,5948
0,3
0,6179 0,6217 0,6255 0,6293 0,6331
0,4
0,6554 0,6591 0,6628 0,6664 0,6700
0,5
0,6915 0,6950 0,6985 0,7019 0,7054
0,6
0,7257 0,7291 0,7324 0,7357 0,7389
0,7
0,7580 0,7611 0,7642 0,7673 0,7703
0,8
0,7881 0,7910 0,7939 0,7967 0,7995
0,9
0,8159 0,8186 0,8212 0,8238 0,8264
1,0
0,8413 0,8438 0,8461 0,8485 0,8508
1,1
0,8643 0,8665 0,8686 0,8708 0,8729
1,2
0,8849 0,8869 0,8888 0,8907 0,8925
1,3
0,9032 0,9049 0,9066 0,9082 0,9099
1,4
0,9192 0,9207 0,9222 0,9235 0,9251
1,5
0,9332 0,9345 0,9357 0,9370 0,9382
1,6
0,9452 0,9463 0,9474 0,9485 0,9495
1,7
0,9554 0,9564 0,9573 0,9582 0,9591
1,8
0,9641 0,9649 0,9656 0,9664 0,9671
1,9
0,9713 0,9719 0,9726 0,9732 0,9738
2,0
0,9773 0,9778 0,9783 0,9788 0,9793
2,1
0,9821 0,9826 0,9830 0,9934 0,9838
2,2
0,9861 0,9865 0,9868 0,9871 0,9875
2,3
0,9893 0,9896 0,9898 0,9901 0,9904
2,4
0,9918 0,9920 0,9922 0,9925 0,9927
2,5
0,9938 0,9940 0,9941 0,9943 0,9945
2,6
0,9953 0,9955 0,9956 0,9957 0,9959
2,7
0,9965 0,9966 0,9967 0,9968 0,9969
2,8
0,9975 0,9975 0,9976 0,9977 0,9978
2,9
0,9981 0,9982 0,9983 0,9984 0,9984
3,0
0,9987 0,9987 0,9987 0,9988 0,9988
3,1
0,9990 0,9991 0,9991 0,9991 0,9992
3,2
0,9993 0,9993 0,9994 0,9994 0,9994
3,3
0,9995 0,9995 0,9995 0,9996 0,9996
3,4
0,9997
0.9997
0,9997
0,9997 0,9997
Material
Apoyo
Mtodos
Cuantitativos
3,5
0,9998 0,9998 0,9999 0,9999 0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
6/3/15
0,9999
UNIDAD 1 : MUESTREO
LEY T-STUDENT Y DISTRIBUCIN EN EL MUESTREO DE
LA MEDIA
Que pasar si el tamao de la muestra es
pequeo(n<30) y no se conoce la desviacinestndar
poblacional ? A ste respecto, el descubridor de la
ley T-student, William S Gosset, encontr que en lugar
del valor de Z utilizado para la distribucin normal,
se puede utilizar el estadstico t, similar a Z, que
denomin ley t-Student y que podemos escribir de
x Z, como aparece a
manera similar al estadstico
t
S
continuacin:
n
52
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Un fabricante de una determinada droga, afirma que
la misma tiene una vida media til de 1.000 horas.
Un distribuidor pone en duda sta afirmacin y para
probarlo toma una muestra de 25 frascos de la droga
y encuentra que la vida media til de dicha muestra
es de 970 horas con desviacin estndar de 24 horas.
El distribuidor aceptar la afirmacin del fabricante si
el valor de t calculado flucta entre t0,025 y
+t0,025. Que deber concluir el distribuidor? Se
supone que la duracin de la droga se distribuye
normalmente.
53
6/3/15
54
r
0.75
0.80
1
1.000
1.376
2
0.816
1.061
3
0.765
0.978
4
0.741
0.941
5
0.727
0.920
6
0.718
0.906
7
0.711
0.896
8
0.706
0.889
9
0.703
0.883
10
0.700
0.879
11
0.697
0.876
12
0.695
0.873
13
0.694
0.870
14
0.692
0.868
15
0.691
0.866
16
0.690
0.865
17
0.689
0.863
18
0.688
0.862
19
0.688
0.861
20
0.687
0.860
21
0.686
0.859
22
0.686
0.858
23
0.685
0.858
24
0.685
0.857
25
0.684
0.856
26
0.684
0.856
27
0.684
0.855
28
0.683
0.855
29
0.683
0.854
30
0.683
0.854
40
0.681
0.851
60
0.679
0.848
120
0.677
0.845
Material
Apoyo
0.674 Mtodos
0.842
0.85
0.90
1.963 3.078
1.386 1.886
1.250 1.638
1.190 1.533
1.156 1.476
1.134 1.440
1.119 1.415
1.108 1.397
1.100 1.383
1.093 1.372
1.088 1.363
1.083 1.356
1.079 1.350
1.076 1.345
1.074 1.341
1.071 1.337
1.069 1.333
1.067 1.330
1.066 1.328
1.064 1.325
1.063 1.323
1.061 1.321
1.060 1.319
1.059 1.318
1.058 1.316
1.058 1.315
1.057 1.314
1.056 1.313
1.055 1.311
1.055 1.310
1.050 1.303
1.046 1.296
1.041 1.289
Cuantitativos
1.036 1.282
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.756
2.457 2.750
2.423 2.704
2.390 2.660
2.358 2.617
2.326 2.576
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
Solucin:
x 970 1.000
t
6,25
S
24
n
25
Por lo anterior, el distribuidor podra rechazar la afirmacin del

fabricante. Dicho de otra forma, la media de la muestra obtenida por el
distribuidor no pertenece a la poblacin sealada por el fabricante,
pues solo un 5% de las medias muestrales se salen del intervalo +/2.064, como se puede ver en la anterior grfica.
55
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Un supervisor de planta en una compaa de acuerdo
con sus registros, sabe que los trabajadores inician
labores en promedio 4,5 minutos con desviacin
estndar de 0,8 minutos despus de firmar la planilla
de asistencia. El superintendente quiere comprobar
tal afirmacin, para lo cual toma una muestra
aleatoria de los registros de 12 trabajadores, con
media igual 3,2 y desviacin estndar igual a 0,8. El
gerente acepta la afirmacin del supervisor, si el
valor de t calculado se encuentra segn la tabla entre
t 0,025 y +t0,025.
56
6/3/15
UNIDAD 1 : MUESTREO
MEDIA
EJEMPLO
Solucin:
La poblacin se distribuye normalmente, el
tamao de la muestra es menor que 30 y no
se conoce la desviacin estndar de la
poblacin; por lo cual podemos concluir que
x 3,2 4,5
t
5,63
las medias
muestrales
se distribuyen de
S
0,8
acuerdo a la ley t-Student.
n
57
12
6/3/15
UNIDAD 1 : MUESTREO
EJEMPLO
Solucin:
Grados de libertad: r = 121=11. Segn la tabla
para +/- t0,025, los valores de t con 11 grados de
libertad son: . El valor de t calculado (-5,63), se
encuentra fuera del intervalo , por lo cual, el
superintendente podra concluir que el supervisor
est equivocado, puesto que el 95% de las
muestras de tamao12 arrojan un promedio que
corresponden a un valor de t que flucta 2,201
y+2,201.
58
6/3/15
59
r
0.75
0.80
1
1.000
1.376
2
0.816
1.061
3
0.765
0.978
4
0.741
0.941
5
0.727
0.920
6
0.718
0.906
7
0.711
0.896
8
0.706
0.889
9
0.703
0.883
10
0.700
0.879
11
0.697
0.876
12
0.695
0.873
13
0.694
0.870
14
0.692
0.868
15
0.691
0.866
16
0.690
0.865
17
0.689
0.863
18
0.688
0.862
19
0.688
0.861
20
0.687
0.860
21
0.686
0.859
22
0.686
0.858
23
0.685
0.858
24
0.685
0.857
25
0.684
0.856
26
0.684
0.856
27
0.684
0.855
28
0.683
0.855
29
0.683
0.854
30
0.683
0.854
40
0.681
0.851
60
0.679
0.848
120
0.677
0.845
Material
Apoyo
0.674 Mtodos
0.842
0.85
0.90
1.963 3.078
1.386 1.886
1.250 1.638
1.190 1.533
1.156 1.476
1.134 1.440
1.119 1.415
1.108 1.397
1.100 1.383
1.093 1.372
1.088 1.363
1.083 1.356
1.079 1.350
1.076 1.345
1.074 1.341
1.071 1.337
1.069 1.333
1.067 1.330
1.066 1.328
1.064 1.325
1.063 1.323
1.061 1.321
1.060 1.319
1.059 1.318
1.058 1.316
1.058 1.315
1.057 1.314
1.056 1.313
1.055 1.311
1.055 1.310
1.050 1.303
1.046 1.296
1.041 1.289
Cuantitativos
1.036 1.282
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.756
2.457 2.750
2.423 2.704
2.390 2.660
2.358 2.617
2.326 2.576
6/3/15
DISTRIBUCIN EN EL MUESTREO DE LA PROPORCIN
Frecuentemente en estadstica es importante conocer la
proporcin de una cosa con respecto al todo, como la

proporcin de piezas defectuosas en un lote de
produccin dado, proporcin de electores a favor de un
cierto candidato, etc. La distribucin en el muestreo de
la proporcin, consiste en la distribucin de las
proporciones de todas las posibles muestras que
pueden ser seleccionadas de una poblacin. Aclaremos
los siguientes trminos:
N = tamao de la poblacin.
n = tamao de la muestra
p = proporcin de la muestra(estimador)
P = proporcin de la poblacin(parmetro).
Teniendo en cuenta lo anterior
observamos que
la variable aleatoria representada para Z en
concordancia la escribimos as:
pP
Z
PQ
n
Donde Q=(1-P)
EJEMPLO
: Se ha demostrado por reclamos que se han hecho,

que el 20% de las encomiendas llegan averiadas al utilizar una
compaa local de transporte. Cual es la probabilidad de que al
enviar 100 encomiendas, la proporcin de averiadas sea menor
que el 25%?
pP
0,25 0,20
Z
Z
1,25
pq
0,2 x0,8
n
100
Solucin:
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9999
EJEMPLO
: Se ha demostrado por reclamos que se han hecho,

que el 20% de las encomiendas llegan averiadas al utilizar una
compaa local de transporte. Cual es la probabilidad de que al
enviar 100 encomiendas, la proporcin de averiadas sea menor
que el 25%?
Solucin:
pP
Z
PQ
n
0,25 0,20
Z
1,25
0,2 x0,8
100
EJEMPLO
: En una gran compaa, el 18% de los trabajadores

estn de acuerdo con un proyecto de ley que modifica el cdigo
laboral. La gerencia de la compaa desea conocer la
probabilidad de que en una muestra aleatoria de 120
trabajadores, el 30% o ms estn de acuerdo con dicho proyecto
de ley.
0,30 0,18
Solucin:
Z
pP
PQ
n
0,18 x0,82
120
3,42
Luego el Gerente de la compaa puede concluir, que en la

mencionada muestra no es posible que el 30% o ms estn de
acuerdo con el proyecto de ley.
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9999
EJEMPLO : Se tiene que el 4% de las piezas producidas por cierta
maquina es defectuosa. Cul es la probabilidad de que en un

grupo de 200 piezas el 3% o mas sea defectuoso?
Solucin:
pP
Z
PQ
n
0,03 0,04
Z
0,71
0,04 x0,96
200
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9999
DIFERENCIA DE MEDIAS EN POBLACIONES
NORMALES INDEPENDIENTES.
Con mucha frecuencia estamos interesados en
conocer las diferencias entre dos medias de dos
poblaciones independientes; as por ejemplo
podramos estar interesados en comparar los
ingresos promedios que presentan dos regiones
dadas. Supongamos entonces, que tenemos dos
poblaciones independientes
identificamos
( x1 x 2 ) ( que
1 2 )
Z
como X y Y de tamaos
N12y N2 2
1 2
n1
n2
71
6/3/15
DISTRIBUCIN EN EL MUESTREO DE LA DIFERENCIA
DE
MEDIAS
EN
POBLACIONES
NORMALES
INDEPENDIENTES.
Un rodamiento para una maquina producida por la
empresa A, tiene una vida media til de 3,5 aos con
una desviacin estndar de 0,4 aos. El mismo tipo
de rodamientos producido por la empresa B, tiene
una vida media til de 3,3 aos con una desviacin
estndar de 0,3 aos. Cual es la probabilidad de
que una muestra de 25 rodamientos de la empresa A
tenga una vida media de por lo menos 0,4 aos ms,
que la vida media de una muestra de 36 rodamientos
de la empresa B?
72
6/3/15
DISTRIBUCIN
EN
EL
MUESTREO
DE
LA
Z
0,00
0,01
0,02
0,0
0,5000 0,5040 0,5080
(0,4) (3,5 3,3)

0,4 2 0,32
25
36
2,12
P ( Z 2,12) P ( x1 x2 0,9830) 1 0,983 0,017
73
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,5438 0,5478
0,5832 0,5871
0,6217 0,6255
0,6591 0,6628
0,6950 0,6985
0,7291 0,7324
0,7611 0,7642
0,7910 0,7939
0,8186 0,8212
0,8438 0,8461
0,8665 0,8686
0,8869 0,8888
0,9049 0,9066
0,9207 0,9222
0,9345 0,9357
0,9463 0,9474
0,9564 0,9573
0,9649 0,9656
0,9719 0,9726
0,9778 0,9783
0,9826 0,9830
0,9865 0,9868
0,9896 0,9898
6/3/15
0,9920
0,9922
DISTRIBUCIN EN EL MUESTREO DE LA DIFERENCIA DE
MEDIAS EN POBLACIONES NORMALES INDEPENDIENTES.
En un estudio para comparar los pesos promedios de nios
y nias de sexto grado en una escuela primaria se usar
una muestra aleatoria de 20 nios y otra de 25 nias. Se
sabe que tanto para nios como para nias los pesos siguen
una distribucin normal. El promedio de los pesos de todos
los nios de sexto grado de esa escuela es de 100 libras y
su desviacin estndar es de 14,142 libras, mientras que el
promedio de los pesos de todas las nias de sexto grado de
esa escuela es de 85 libras y su desviacin estndar es de
12,247 libras. En cul de la probabilidad de que el
promedio de los pesos de los 20 nios sea al menos 20
libras ms grande que el de las 25 nias?.
74
6/3/15
Z
(20) (100 85)

2
14,142 12,247
20
25
1,25
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,894
4
0,9115
0,9265
P ( Z 1,25) P ( x1 x2 0,8944) 1 0,8944 0,1056
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra

de nios sea al menos 20 libras ms grande que el de la muestra de las
nias es 10,56%.
75
6/3/15
DISTRIBUCIN EN EL MUESTREO DE LA DIFERENCIA DE
MEDIAS EN POBLACIONES NORMALES INDEPENDIENTES.
Se prueba el rendimiento en km/L de 2 tipos de gasolina,
encontrndose una desviacin estndar de 1,23km/L
para la primera gasolina y una desviacin estndar de
1,37km/L para la segunda gasolina; se prueba la primera
gasolina en 35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de
un rendimiento promedio mayor de 0,45km/L que la
segunda gasolina?
b. b. Cul es la probabilidad de que la diferencia en
rendimientos promedio se encuentre entre 0,65 y
0,83km/L a favor de la gasolina 1?.
76
6/3/15
Z
0,00
0,01
0,02
0,0
0,500 0,504 0,508
0,1
0
0
0
0,2
0,539
0,543
0,547
a.
0,3
8
8
8
Z
0,45 0
2
1,23 1,37
35
42
1,52
P ( Z 1,52) P( x1 x2 0,9357) 1 0,9357 0,0643
77
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
0,579
3
0,617
9
0,655
4
0,691
5
0,725
7
0,758
0
0,788
1
0,815
9
0,841
3
0,864
3
0,884
9
0,903
0,583 0,587
2
1
0,621 0,625
7
5
0,659 0,662
1
8
0,695 0,698
0
5
0,729 0,732
1
4
0,761 0,764
1
2
0,791 0,793
0
9
0,818 0,821
6
2
0,843 0,846
8
1
0,866 0,868
5
6
0,886
0,888
6/3/15
9
8
0,904 0,906
NORMALES
P(0,65 x1 INDEPENDIENTES.
x2 0,83)
b.
Z1
Z2
0,65 0
2
1,23 1,37
35
42
0,83 0
2
1,23 1,37
35
42
2,19
0,9857
2,8
0,9975
La probabilidad de que la diferencia en rendimientos promedio en las

muestras se encuentre entre 0.65 y 0.83 Km/L a favor de la gasolina 1
Apoyo Mtodos Cuantitativos
0,0118.
6/3/15
78es deMaterial
DISTRIBUCIN MUESTRAL DE DIFERENCIAS ENTRE
DOS PROPORCIONES: Con mucha frecuencia estamos
interesados en conocer las diferencia entre dos
proporciones de dos poblaciones independientes; as
por ejemplo, supongamos que se sabe por
experiencia que la proporcin de la poblacin
empleada respecto a la poblacin econmicamente
activa de una regin es el 60%, mientras que para
otra regin vecina es el 66%. Podramos estar
interesados en conocer la probabilidad de que para
un ao dado, las diferencias entre las proporciones
no sobrepase el 5%, con muestras de tamao 150.
79
6/3/15
DISTRIBUCIN MUESTRAL DE DIFERENCIAS
ENTRE DOS PROPORCIONES: Este mtodo es
utilizado para comparar las proporciones de dos
distribuciones mustrales distintas y formular
una inferencia con relacin a la diferencia de
estas. Se halla (con
p2 la
p1 )siguiente
( P2 P1 ) formula:.
Z
P1Q1 P2Q2
n1
n2
80
6/3/15
DISTRIBUCIN MUESTRAL DE DIFERENCIAS ENTRE
DOS PROPORCIONES: Dos mquinas A y B, producen
un mismo artculo. La mquina A produce como
trmino medio una proporcin de 14% de artculos
defectuosos, mientras que la mquina B, produce en
trmino medio una proporcin de 20% de artculos
defectuosos. Si se obtiene una muestra aleatoria de
200 unidades del artculo que provengan de la
mquina A y una muestra aleatoria de 100 unidades
provenientes de la mquina B, calcular la probabilidad
de que B tenga una proporcin de defectuosos 8% o
ms que A.. Se supone que la poblacin es infinita.
81
6/3/15
DISTRIBUCIN MUESTRAL DE
ENTRE DOS PROPORCIONES:
Z
DIFERENCIAS
(0,08) (0,20 0,14)

0,43
0,14 * 0,86 0,20 * 0,80
200
100
Como el valor de Z se encuentra a la derecha de P2 - P1,

entonces la probabilidad pedida ser: P(p2 - p1>0.08) = 0.5 0.1664= 0.3336
82
6/3/15
DISTRIBUCIN MUESTRAL DE DIFERENCIAS
ENTRE DOS PROPORCIONES: Se sabe que segn
unas elecciones, el 25% de los electores de una
regin A votaron a favor de un candidato X,
mientras que en una regin B el 33% de los
electores tambin lo hicieron por dicho
candidato. Se toman muestras aleatorias de 150
para la regin A y de 100 para la regin B, se
pide calcular la probabilidad de que la
proporcin en la regin A sea igual o mayor que
en la regin B.
83
6/3/15
DISTRIBUCIN MUESTRAL DE
ENTRE DOS PROPORCIONES:
Z
DIFERENCIAS
(0) (0,25 0,33)

1,36
0,25 * 0,75 0,33 * 0,67
150
100
Si buscamos en las tablas de probabilidad normal, la

probabilidad para el anterior valor de Z es 0.4131. Por lo tanto
la probabilidad pedida ser: P(p1-p2 ) = 0.5 0.4131 =0.0869
84
6/3/15
LEY T-STUDENT Y DISTRIBUCIN EN EL MUESTREO DE
LA DIFERENCIA DE MEDIAS
En la distribucin el muestreo de la diferencia de
medias, utilizando la distribucin normal y al igual
que en la distribucin en el muestreo de la media,
nos qued un vaco cuando las poblaciones son
pequeas (n1 < 30 y n2 < 30 o n1+n2 < 60) y
adicionalmente, no se conocen las desviaciones
estndar poblacionales. Si las dos poblaciones se
distribuyen normalmente, la ley T-STUDENT nos
permite resolver situaciones como sta. Entonces,
obtendremos el estadstico t, similar al estadstico
Z. La frmula correspondiente es la siguiente:
85
6/3/15
LEY T-STUDENT Y DISTRIBUCIN EN EL
MUESTREO DE LA DIFERENCIA DE MEDIAS
T
( x1 x 2 ) ( 1 2 )
S2
S2
n1
n2
El denominador de la frmula anterior, es el error estndar de las

diferencias de las medias muestrales siendo el valor de S, una
combinacin de las desviaciones estndar de las dos muestras y que
se debe calcular previamente, as:
86
( n1 1) S12 ( n2 1) S 22
( n1 n2 2)
6/3/15
LEY T-STUDENT Y DISTRIBUCIN EN EL MUESTREO DE LA
DIFERENCIA DE MEDIAS
Supongamos que se ha recibido informacin de parte de un
vendedor, en el sentido de que cierta pieza de cobre fabricado
por una empresa A, tiene una duracin media que supera en 60
horas a la misma pieza producida por una empresa B de la
competencia. Un analista quiere poner a prueba dicha afirmacin,
para lo cual toma una muestra de 9 piezas en sendas empresas,
encontrado que para la empresa A, la duracin promedio es de
1.000 horas con una desviacin estndar de 60 horas, mientras
que para la empresa B, la duracin media es de 925 horas con
desviacin estndar de 50 horas. El analista aceptar la
afirmacin del vendedor, si el valor de t, de la diferencia de
medias, est en el intervalo t 0,05 y +t 0,05. Se sabe que la
duracin de las piezas se comporta normalmente en ambas
empresas.
87
6/3/15
UNIDAD 1 : MUESTREO
Clculo del tamao muestral.

Cada estudio tiene un tamao muestral
idneo, que permite comprobar lo que se
pretende con la seguridad y precisin fijadas
por el investigador.
88

6/3/15
UNIDAD 1 : MUESTREO
Para
una
poblacin
siguiente expresin:
n
finita
tenemos
la
Z 21 2 N p q
e 2 ( N 1) Z 21 2 p q
Para una poblacin infinita:

n
89

Z 21 p q
2
e2
6/3/15
UNIDAD 1 : MUESTREO
Clculo del tamao muestral poblacin

infinita.
Ejemplo 1: Error 2,5% Confianza 95%
Z
n
1
2
pq
e2
1,96 2 x0,5 x0,5

0,9604
1536
2
0,025
0,000625
Ejemplo 2: Error 3% Confianza 95%

Z
n
90

2
1
e2
pq
1,96 2 x0,5 x0,5 0,9604
1067
2
0,03
0,0009
6/3/15
UNIDAD 1 : MUESTREO
Clculo del tamao muestral poblacin

finita.
Ejemplo 1: Poblacin 50000 error 5% Confianza
2
Z
95%
pqN
2
1
1,96 x0,5 x0,5 x50000

48020
n 2
381,23 382
2
2
2
e ( N 1) Z 1 2 pq 0,05 (49999) 1,96 x0,5 x0,5 125,95
2
pqN
Ejemplo 2: Poblacin
error 49604
Confianza
1,96 2 x10000
0,5 x0,5 x10000
n 2
566,31 567
2
2
2
95%
e ( N 1) Z
pq 0,04 (9999) 1,96 x0,5 x0,5 16,9588
1
2
91

6/3/15
UNIDAD 1 : MUESTREO
92

6/3/15
93
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
6/3/15
0,9999
UNIDAD 1 : MUESTREO
Ejercicio: Si el tamao de la poblacion es de

20.0000 y tenemos un presupuesto y se
gasta entero en las encuestas, sabiendo que
cada entrevista cuesta $ 5.000., se podrn
hacer
700.
Utilizaremos
la
frmula
del
tamao muestral y despejaremos el margen

Z
2
Z
N p q
2
nde
2error:
e ( N 1) Z 21 2 p q
94

Utilizar
6/3/15
UNIDAD 1 : MUESTREO
Teniendo en cuenta que no conocemos los

valores
de
calculamos
para
suponiendo
el
la
poblacin,
caso
menos
favorable de p = q =20
0,5
los
.000sustituyendo
2 2 0,5 0,5
700
19.999 e 2 2 2 0,5 0,5
despejndole valor de e, obtenemos el margen
de error solicitado: e = 0,0371
95

6/3/15
UNIDAD 1 : MUESTREO
Ejercicio: En un estudio sobre el maltrato a

mujeres queremos realizar una encuesta
dirigida a un grupo de mujeres.
Qu
tamao
deber
tener
la
muestra
sabiendo que el total de habitantes de ms

de 16 aos es de 32.000 y que el 53,8% son
mujeres?
96

6/3/15
UNIDAD 1 : MUESTREO
En primer lugar calculamos cual es la poblacin femenina,
o universo de nuestra encuesta.
N=32300x0,538=17377,4
Tomamos un valor entero como N=17377.
Como no tenemos ninguna informacin sobre la
caracterstica de estudio, supondremos el caso ms
desfavorable p=q= .
A continuacin aplicamos la frmula de poblaciones
Z Npq
4 17377 0,5 0,5
17377
17377
n
1044,39129 1044
finitas:
e ( N 1) Z pq
0,03 17376 4 0,5 0,5 15,6384 1 16,6384
2
Con n=1044 obtendremos un error inferior al 3% para un nivel

de confianza del 95,45%
97

6/3/15
UNIDAD 1 : MUESTREO
Un estudio del 2010 fue realizado con
una encuesta a la
poblacin curicana de ambos sexos de 18 aos y ms excluyendo

Molina y Rauco.
Calcule el tamao muestral teniendo en cuenta que el nivel de
confianza fue del 95,5% Z= 2 P=Q y el error terico + 2%

Si se desea incluir la poblacin de Molina y Rauco, el tamao
de la muestra sera el mismo?
98

6/3/15
UNIDAD 1 : MUESTREO
Utilizando la frmula para hallar el tamao muestral en poblaciones
infinitas
Z 2 pq
e2
Para un nivel de confianza del 95,5% el valor de Z es igual a 2.

Sustituyendo los datos en dicha frmula se obtiene:
2 2 (0,5 0,5) 4(0,25)

1
n
2.500
2
0,0004 0,0004
(0,02)
La inclusin de Molina y Rauco no hara variar el tamao muestral,
dado que el tamao de la poblacin no interviene en el clculo.
99

6/3/15
UNIDAD 2 :INFERENCIA
ESTIMACION DE INTERVALOS DE CONFIANZA.
Una muestra permite realizar estimaciones puntuales de los parmetros
de la poblacin.
Utilizando las propiedades de las distribuciones muestrales, es posible
construir un intervalo que contiene el valor exacto del parmetro, un
cierto
porcentaje
del
total
de
las
veces
que
se
realicen
estas
construcciones. Procediendo de esta forma, tambin se obtiene una

medida probabilstica del riesgo de decidir que el parmetro s se
encuentra en tal intervalo.
En una estimacin puntual, el parmetro de inters se estima por medio
de un estadstico que rene ciertas bondades (insesgamiento, eficiencia,
consistencia).
100

6/3/15

Propiedades deseables en los estimadores
Ser insesgado:
) Diremos que ) es un estimador
E ( ) de
si la esperanza
insesgado de
es
. Es decir,
La media muestral es un estimador insesgado de la media

poblacional.
Pero la varianza muestral NO es un estimador insesgado
de la varianza poblacional.
101

6/3/15
Consistencia: Se dice que un estimador es consistente si se cumple que
)
lim P 0
n
Esta expresin indica que a medida que se incrementa el tamao

muestral, la diferencia entre el estimador y el parmetro ser menos
que cualquier nmero (e).
A diferencia de la ausencia de sesgo que se define para valores finitos
de n, la consistencia es una propiedad asinttica.
Nota: la varianza muestral es un estimador consistente de la varianza
poblacional, dado que a medida que el tamao muestral se incrementa,
el sesgo disminuye y disminuye.
102

6/3/15

Eficiencia: Se emplea para COMPARAR estimadores
) )
)
Si tenemos dos estimadores
y
de
un
mismo
1 2
1
)
)
)
parmetro, diremos
que
es
ms
que
si
2
eficiente
tenemos que var(
103
)<var(

6/3/15
En este caso, en lugar de indicar simplemente un nico valor como

estimacin del parmetro poblacional
, lo que haremos es ofrecer
un intervalo de valores en el que se tiene cierta probabilidad

(confianza) de que se encuentreel verdadero valor de

Intervalo de confianza: Es el intervalo de las estimaciones
(probables) sobre el parmetro. Lmites de los intervalos de
confianza: Son los dos valores extremos del intervalo de confianza.
Amplitud del intervalo o margen de error
104

6/3/15
Ahora bien, cun grande debe de ser el intervalo de confianza?
Evidentemente, si decimos que el intervalo de confianza va de
menos infinito a ms infinito, seguro que acertamos, pero eso no
es muy til. El caso extremo contrario es la estimacin puntual,
donde la amplitud del intervalo es nula. La idea es crear unos
intervalos
de
confianza
de
manera
que
sepamos
en
qu
porcentaje de casos el valor del parmetro poblacional estar
dentro del intervalo crtico. Es decir, dar una medida de bondad de

Coeficiente
la estimacin, la probabilidad de que el valor real o grado
se encuentre
de
confianza
dentro del intervalo.
P ( ) 1
105

Nivel de significacin (N. S.)
6/3/15

Y cmo fijamos tal probabilidad? Usualmente se asume un
porcentaje del 95%. Al calcular un intervalo de confianza al 95%,
ello quiere decir que el 95% de las veces que repitamos el
proceso de muestreo (y calculemos el estadstico), el valor del
parmetro poblacional estar dentro de tal intervalo. A ese usual
nivel de significacin se le denomina confianza casi significativa.
Otros casos usuales son:
confianza significativa: 99%.
confianza muy significativa: 99.5%
106

6/3/15
INTERVALOS DE CONFIANZA PARA LA MEDIA
Supongamos que la poblacin sigue una distribucin normal, con cierta
media
y cierta desviacin tpica . Utilizaremos como
estimador
puntual para la media poblacional la media muestral .

Sabemos que:
(1). La media de la distribucin muestral de medias es la media
poblacional .
2
(2). La varianza de la distribucin muestral de medias es
n
.O
lo que es
lo mismo, la desviacin tpica de la distribucin muestral de medias

n es
Veremos dos casos para calcular intervalos de confianza:
(1) Conocemos la desviacin tpica
107

y (2) no la conocemos.
6/3/15
LA POBLACIN ES NORMAL Y CONOCEMOS
1 n
x xi
n i 1
x... pertenece....N , / n
Sabemos cmo se distribuye la variable aleatoria muestral y

a partir de esa distribucin podemos determinar el intervalo
de confianza.
Tipificamos la variable:
x
z
N 0,1
/ n
Supongamos que deseamos tener un nivel de significacin .
108

6/3/15
1-
/2
/2
Z
109

6/3/15
z1 / 2 1
/ n
P z1 / 2
P x
z1 / 2 x
z1 / 2 1
n
n
110

6/3/15
As, una estimacin puntual de la media poblacional se

obtendra de una muestra de n elementos haciendo
la
media muestral. Mientras que un intervalo de confianza

con nivel
de significacin sera:
x
z1 / 2 x
z1 / 2
n
n
Nota: Observa que podemos determinar el tamao
necesario de una muestra para obtener una amplitud del
intervalo de confianza determinada
2
111
z1 / 2

Semiamplitud del
intervalo
6/3/15
Ejemplo: Si conocemos que la desviacin tpica para la

altura de las chicas de 18 aos en
Curic es 10 cm.
Supongamos que hemos tomado una muestra de 100

chicas sale que la altura media de la muestra =170.
Hallar los intervalos de confianza para la altura media de
las chicas de 18 aos en Curic
para un nivel de
confianza del 90%, 95% y 99% y el error mximo en

cada caso.
112

6/3/15
113

6/3/15
114
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9999
EJEMPLO: El ajuste a una mquina cambia la longitud de las piezas

que produce, pero no afecta a la desviacin estndar. La longitud de
las piezas est distribuida normalmente y la desviacin estndar es
de 0,5 mm. Despus de hacer el ajuste, se toma una muestra
aleatoria para determinar la longitud media de las piezas producidas.
Las longitudes resultantes son las que a continuacin se presentan.
Con una confianza del 99% encuentre un intervalo para la longitud
promedio de las piezas.
75,3
115
76,0
75,0
77,0
75,4

76,3
77,0
74,9 76,5 75,8

6/3/15
116

6/3/15
LA
POBLACIN
DESCONOCEMOS
ES
NORMAL
x
del estadstico:
s/ n
Por el tema anterior sabemos que la distribucin muestral
No es una distribucin normal, sino una distribucin t de Student

con n -1 grados de libertad.
P x
117
s
t1 / 2 x
n

t1 / 2 1
n
6/3/15
118
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
0.75
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.681
0.679
0.677
0.674
0.80
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.851
0.848
0.845
0.842
0.85
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.050
1.046
1.041
1.036
0.90
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.756
2.457 2.750
2.423 2.704
2.390 2.660
2.358 2.617
2.326 2.576
6/3/15
LA
POBLACIN
ES
NORMAL
DESCONOCEMOS
EJEMPLO: Una muestra de 10 medidas del dimetro de una
esfera dio una media 4,38 pulgadas y una desviacin tpica
s : 0,06 pulgadas. Hallar los lmites de confianza para el
dimetro al (a) 95% y (b) 99%.
119

6/3/15
LA
POBLACIN
ES
NORMAL
DESCONOCEMOS
Solucin:
(a) 95%
4,38
0,06
0,06
x 2,262 4,38
x 2,262
10
10
4,33 4,42
0,06
0,06
4,38
x3,25 4,38
x3,25
10
10
(b) 99%.
4,32 4,44
120

6/3/15
121
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
0.75
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.681
0.679
0.677
0.674
0.80
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.851
0.848
0.845
0.842
0.85
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.050
1.046
1.041
1.036
0.90
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.756
2.457 2.750
2.423 2.704
2.390 2.660
2.358 2.617
2.326 2.576
6/3/15
LA POBLACIN ES NORMAL Y DESCONOCEMOS
EJEMPLO:
La
cantidad
de
horas
que
duermen
los
estadounidenses cada noche vara mucho. Consideremos la

siguiente muestra de las horas que duermen cada noche 16
personas.
6,9 7,6 6,5 6,2 7,8 7,0 5,5
7,3
6,6
7,1 6,9 6,8
6,5 7,2
7,6
5,8
Suponer que la poblacin sigue una distribucin normal.

Determinar un intervalo de confianza del 80% para la media de
horas que se duerme cada noche.
122

6/3/15
LA
POBLACIN
ES
NORMAL
DESCONOCEMOS
0,617
0,617
6,83
x1,341 6,83
x1,341
16
16
6,6232 7,0368
6,9
7,6
6,5
6,2
7,8
7
5,5
7,6
7,3
6,6
7,1
6,9
6,8
6,5
7,2
Y
47,61
57,76
42,25
38,44
60,84
49
30,25
57,76
53,29
43,56
50,41
47,61
46,24
42,25
51,84
5,8
Promedio
s
123

33,64
47,04687
6,83125
5
0,380898
Varianza
446/3/15
Desviaci 0,617169
n
7
124
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
0.75
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.681
0.679
0.677
0.674
0.80
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
0.851
0.848
0.845
0.842
0.85
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.050
1.046
1.041
1.036
0.90
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.756
2.457 2.750
2.423 2.704
2.390 2.660
2.358 2.617
2.326 2.576
6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA
VARIANZA
Los intervalos de confianza
sigue una distribucin Chi
cuadrado con n 1 grados

de libertad, si la variable
de
2
( n 1) s 2
(
n
1
)
s
2
2
partida es normal.
El
intervalo
de
confianza
2 es:
n 1; / 2
125

n 1;1 / 2
6/3/15
126
INTERVALOS
VARIANZA
Ejemplo1:
n = 31 s
( n 1) s 2
2
n 1; / 2
DE
4
2
CONFIANZA
PARA
LA
= 0.05
( n 1) s 2
n21;1 / 2
30; 0.9 7 5 47.0 ; 3 0; 0.0 2 5 16.8 de las tablas de

2
30 4 2
30 4 2
2

47 .0
16 .8
10 .21 2 28 .57
Si se desea estimar la desviacin tpica 3.20 5.35
127

6/3/15
INTERVALOS DE CONFIANZA PARA LA VARIANZA
Ejemplo 2: Un proceso produce cierta clase
de
cojinetes de bola cuyo dimetro interior es de 3 cms.

Se selecciona en forma aleatoria 12 de estos cojinetes
y se miden sus dimetros internos, que resultan ser
3,01- 3,05- 2,99-2,99- 3- 3,02- 2,98- 2,99- 2,97- 2,973,02- 3,01. suponiendo que el dimetro es una
variable aleatoria normalmente distribuida, determine
el intervalo de confianza del 99% para la varianza.
128

6/3/15
INTERVALOS
DE
CONFIANZA
VARIANZA
LA
3,01000 9,060100
11 0,0005
11 0,0005
2

26,8
2,6
0,000205
PARA
3,05000 9,302500
2,99000 8,940100
2,99000 8,940100
3,00000 9,000000
0,00211
3,02000 9,120400
2,98000 8,880400
2,99000 8,940100
2,97000 8,820900
2,97000 8,820900
3,02000 9,120400
129
3,01000 9,060100

6/3/15
Promedi
130
INTERVALOS DE CONFIANZA PARA LA VARIANZA
Ejemplo 3. Un fabricante X concluye que su producto
tendr una vida til de 10 aos. Se elige una muestra
entre los cuales tenemos: 11,8 9,7 10,5 12,1
13,3 13,4 10,3 8,5 15,0 10,5 7,6 6,3.
Teniendo en cuenta una desviacin poblacional de 1.2
aos. Se estima al 95% central. De acuerdo a lo
anterior se puede corroborar que la desviacin
poblacional es de 1.2 aos?
131

6/3/15
INTERVALOS
DE
VARIANZA
2
( n 1) s
2
n 1; / 2
11 5,894
21,9
2,96
132
CONFIANZA
( n 1) s
2
n 1;1 / 2
11 5,894
3.82
16,97

PARA
11,8
139,24
9,7
94,09
10,5
110,25
12,1
146,41
13,3
176,89
13,4
179,56
10,3
106,09
8,5
72,25
15
225
10,5
110,25
7,6
57,76
6,3
39,69
LA
6/3/15
Promedi
INTERVALOS DE CONFIANZA
PARA LA VARIANZA
De acuerdo a lo anterior se
puede
observar
que
la
desviacin poblacional es mayor

que 1,2 aos (debido a que el
valor de Chi Cuadrado es muy
alto y por lo tanto no cae dentro
del intervalo de confianza para
una muestra de 12).
133

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
UNA
PROPORCIN
x
Un estimador puntual
p de la proporcin p en un experimento
n
x
binomial est dado por la estadstica ,
x representa
pdonde
n
el nmero de xitos en n pruebas. Por tanto, la proporcin de la
muestra
se utilizar como estimador puntual del
parmetro
Si no se espera que la proporcin P desconocida est demasiado

cerca de 0 de 1, se puede establecer un intervalo de confianza
para
134
al considerar la distribucin muestral de proporciones.

6/3/15
INTERVALOS
DE
CONFIANZA
PROPORCIN
p(1 p )
pZ
P pZ
1
1
n
2
2
135

PARA
UNA
p (1 p)
n
6/3/15
INTERVALOS
DE
CONFIANZA
PARA
UNA
PROPORCIN
Calcular un intervalo de confianza al nivel = 0.05 para la
probabilidad de p de que un recin nacido sea nio si en una
muestra de tamao 123 se han obtenido 67 nios.
Solucin :Teniendo en cuenta que la proporcin de varones
recin nacidos puede modelizarse por una variable Bernoulli de
parmetro p (probabilidad de que un recin nacido sea varn), el
p (1 p ) al nivel = 0.05 viene

p(1 pdado
) por:
intervalo de confianza
pZ
136
P pZ

n
6/3/15
INTERVALOS
x 67
PROPORCIN
p
n
123
n= 123
x= 67
pZ
67
1,96
123
DE
CONFIANZA
PARA
UNA
Z 0.975 1,96
p (1 p )
P pZ
1
n
2
p (1 p )
n
67
67
(1
)
123
123 P 67 1,96
123
123
67
67
(1
)
123
123
123
0,4456706 P 0,632725
137

6/3/15
INTERVALOS DE CONFIANZA PARA UNA PROPORCIN
Ejemplo:
Un
fabricante
de
reproductores
de
discos
compactos utiliza un conjunto de pruebas amplias para

evaluar la funcin elctrica de su producto. Todos los
reproductores de discos compactos deben pasar todas las
pruebas antes de venderse. Una muestra aleatoria de 500
reproductores tiene como resultado 15 que fallan en una o
ms pruebas. Encuentre un intervalo de confianza de 90%
para
la
proporcin
de
los
reproductores
de
discos
compactos de la poblacin que no pasan todas las pruebas.

138

6/3/15
INTERVALOS
DE
PROPORCIN
pZ
Solucin:
n=500
CONFIANZA
PARA
p(1 p )
P pZ
1
n
2
UNA
p (1 p)
n
0.0237<P<0.0376
p = 15/500 = 0,03
Z= 1.645
0,03 1,645
0,03(1 0,03)
0,03(1 0,03)
P 0,03 1,645
500
500
0,0237 P 0,0376
Se sabe con un nivel de confianza del 90% que la proporcin de

discos defectuosos que no pasan la prueba en esa poblacin esta
entre 0,0237 y 0,0376.
139

6/3/15
140
Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9773
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9975
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9865
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0.9997
0,9998
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9987
0,9991
0,9994
0,9995
0,9997
0,9999
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9235
0,9370
0,9485
0,9582
0,9664
0,9732
0,9788
0,9934
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9984
0,9988
0,9991
0,9994
0,9996
0,9997
0,9999
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9999
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7704
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9999
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7793
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9980
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9999
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8364
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9999
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7652
0,8133
0,8389
0,8621
0,8930
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
6/3/15
0,9999
INTERVALOS
DE
CONFIANZA
PARA
UNA
PROPORCIN
Ejemplo 2: En un estudio de 300 accidentes de
automvil en una ciudad especfica, 60 tuvieron
consecuencias fatales. Con base en esta muestra,
construya un intervalo del 90% de confianza para
aproximar la proporcin de todos los accidentes
automovilsticos
que
en
esa
ciudad
tienen
consecuencias fatales.
141

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
UNA
PROPORCIN
p= 60/300 = 0,20
Z(0.90) = 1,645
0,20(1 0,20)
0,20(1 0,20)
0,20 1,645
P 0,20 1,645
300
300
0,162 P 0,238
142

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA
DIFERENCIA DE DOS PROPORCIONES

En esta seccin se seleccionaran dos muestras y
podremos calcular la probabilidad del comportamiento
de los estadsticos. Para este caso en particular se
utilizar la distribucin muestral de diferencia de
proporciones para la estimacin de las misma.
( p1 p2 ) Z
143
p1 (1 p1 ) p2 (1 p2 )
P1 P2 ( p1 p2 ) Z
1
n1
n2
2

p1 (1 p1 ) p2 (1 p2 )
n1
n2
6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA
osteoporosis
est

Ejemplo:
Se
cree
que
la
relacionada con el tipo de sexo. Para ello se elige una

muestra de 100 hombres de ms de 50 aos y una
muestra de 200 mujeres en las mismas condiciones.
Se obtiene que 10 hombres y 40 mujeres con algn
grado de osteoporosis. Qu podemos concluir con
una confianza del 95 %?
144

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA

Solucin: Llamamos p1 a la incidencia de la
osteoporosis en las mujeres de ms de 50 aos y
p2 a la de los hombres. Calculemos un intervalo de
confianza para la diferencia (p1 p2).
Z Z 0.975 1,96
x 40
p1
145
200
0,2
x 10
p2
0,1
n 100

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA

(0,2 0,1) 1,96
0,2(0,8) 0,1(0,9)
0,2(0,8) 0,1(0,9)
P1 P2 (0,2 0,1) 1,96
200
100
200
100
0,0443 P1 P2 0,1557
Es decir, tenemos una confianza del 95% en la afirmacin de que la

diferencia entre la incidencia de osteoporosis en mujeres y hombres
est entre 4,43% y 15,57%.
146

6/3/15
INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE DOS
PROPORCIONES
Ejemplo: Se considera cierto cambio en un proceso de fabricacin
de partes y componentes. Se toman muestras del procedimiento
existente y del nuevo para determinar si ste tiene como
resultado una mejora. Si se encuentra que 75 de 1500 artculos
del procedimiento actual son defectuosos y 80 de 2000 artculos
del procedimiento nuevo tambin lo son, encuentre un intervalo
de confianza de 90% para la diferencia real en la fraccin de
defectuosos entre el proceso actual y el nuevo.
147

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA

Solucin:
Sean P1 y P2 las proporciones reales de defectuosos para los
procesos actual y nuevo, respectivamente. De aqu, p1=75/1500
= 0,05 y p2 = 80/2000 = 0,04. con el uso de la tabla
encontramos que z para un nivel de confianza del 90% es de
1,645.
148

6/3/15
INTERVALOS
DE
CONFIANZA
PARA
LA

( p1 p2 ) Z
p1 (1 p1 ) p2 (1 p2 )
P1 P2 ( p1 p2 ) Z
1
n1
n2
2
(0,05 0,04) 1,645
p1 (1 p1 ) p2 (1 p2 )
n1
n2
0,05(0,95) 0,04(0,96)
0,05(0,95) 0,04(0,96)
P1 P2 (0,05 0,04) 1,645
1500
2000
1500
2000
-0,0017<P1-P2<0,0217
Como el intervalo contiene el valor de cero, no hay razn para creer que
el nuevo procedimiento producir una disminucin significativa en la
proporcin de artculos defectuosos comparado con el mtodo existente.
149

6/3/15
INTERVALOS DE CONFIANZA PARA LA DIFERENCIA
ENTRE
LAS
NORMALES
MEDIAS
CON
DE
DOS
DISTRIBUCIONES
DESVIACIONES
ESTNDAR
CONOCIDAS
Idnticamente para la diferencia de medias de dos poblaciones normales
con desviaciones estndar conocidas, corresponde al valor de Z en la
distribucin en el muestreo de la diferencia de medias de dos poblaciones
normales independientes. Similarmente a como procedimos para la creacin
del intervalo de confianza para la media, el intervalo lo podemos escribir as:
x1 x2 Z
12 22
12 22
1 2 x1 x2 Z
1
n1 n2
n1 n2
2
Recordemos que si n1>30 y n2>30 n1+n2>60, entonces los valores de 1

y 2 pueden ser reemplazados por S1 y S2 respectivamente.
150

6/3/15

ENTRE LAS MEDIAS DE DOS DISTRIBUCIONES
NORMALES
CON
DESVIACIONES
ESTNDAR
CONOCIDAS
Ejemplo 1: Dos compaas A y B fabrican el mismo tipo de cable y un
distribuidor desea conocer la diferencia promedio de la resistencia a la
rotura de los mismos, para lo cual toma muestras de 100 cables de A y
50 cables de B. La muestra de los cables de la compaa A arrojan una
resistencia promedio a la rotura de 4.500 libras y los cables de la
compaa B arrojan una resistencia promedio a la rotura de 4.000 libras.
Si se sabe por experiencia que la desviacin estndar de la resistencia a
la rotura es de 300 libras para la compaa A y de 200 libras para la
compaa B, se pide estimar el intervalo de confianza de la diferencia de
medias de la resistencia a la rotura entre los dos cables, con un nivel de
confianza del 95%. Se sabe que la resistencia a la rotura se distribuye
normalmente para ambas compaas.
151

6/3/15

NORMALES
CON
DESVIACIONES
ESTNDAR
CONOCIDAS
Solucin 1:
x1 x2 Z
( 4500 4000) 1,96
12 22
12 22
1 2 x1 x2 Z
1
n1 n2
n1 n2
2
300 2
200 2
1 2 ( 4500 4000) 1,96

100
50
300 2
200 2
100
50
419,19 1 2 580,81
La anterior expresin se puede interpretar diciendo que con un nivel de
confianza del 95% la diferencia de los promedios a la rotura de ambos
cables flucta entre 419,19 y 580,81 libras.
152

6/3/15
ENTRE
LAS
MEDIAS
DE
DOS
DISTRIBUCIONES
NORMALES CON DESVIACIONES ESTNDAR CONOCIDAS
Ejemplo 2: Un consumidor de cierto producto quiere aplicar la tcnica de
estimacin estadstica para decidir si comprar la marca A o la marca B del
producto. Para esto va a estimar la diferencia entre los tiempos de vida
promedio de las dos marcas del producto. Si dos muestras aleatorias
independientes de 10 unidades de cada marca llevados a un laboratorio han
dado las medias de vida til respectiva de 1230 horas y 1190 horas; es
acertada la decisin del consumidor si decide adquirir la marca A?. Aplique el
nivel de confianza del 95% y suponga que las dos poblaciones tienen
distribucin normal con desviaciones estndar respectivamente de 120 y 160
horas.
153

6/3/15

NORMALES
CON
DESVIACIONES
ESTNDAR
CONOCIDAS
Solucin 1:
x1 x2 Z
12 22
12 22
1 2 x1 x2 Z
1
n1 n2
n1 n2
2
120 2 160 2
120 2 160 2
(1230 1190 ) 1,96
1 2 (1230 1190 ) 1,96
10
10
10
10
43,15 1 2 123,15
Se concluye que no hay diferencias significativas entre las medias de las
vidas tiles de las marcas A y B del producto. Por tanto, el gerente de
compras puede adquirir cualquiera de las dos marcas. ( como en el
intervalo
se Apoyo
incluye
el Cuantitativos
Cero las vidas medias incluso pueden ser de
Material
Mtodos
6/3/15
154
iguales
Ing.caractersticas)
Alejandro Pieiro C.

NORMALES
CON
DESVIACIONES
ESTNDAR
CONOCIDAS
Se concluye que no hay diferencias significativas entre las medias de
las vidas tiles de las marcas A y B del producto. Por tanto, el gerente de
compras puede adquirir cualquiera de las dos marcas. ( como en el
intervalo se incluye el Cero las vidas medias incluso pueden ser de
iguales caractersticas)
155

6/3/15

NORMALES
CON
DESVIACIONES
ESTNDAR
DESCONOCIDAS
Y
TAMAOS
DE
MUESTRAS
PEQUEAS
Si dos poblaciones son normales, las diferencias de las medias
muestrales se distribuirn de acuerdo a la ley t-Student, si las muestras
eran pequeas (n1<30
y 2 n2<30) (n1+n2<60) y no se2 conocen
las
2
2
S p poblacionales.
Sp
S p intervalo
Sp
desviaciones estndar
La construccin del
de
x1 x2 para
t la diferencia
medias,
x1 x2 t
confianza
de
1 2 ser:
1
n1
n2
Aqu es necesario calcular el valor de

Sp que es una combinacin de las
desviaciones estndar de las dos
muestras (ponderada)
156

n1
n2
(n1 1) S12 (n2 1) S 22

S
(n1 n2 2)
2
p
6/3/15

NORMALES
CON
DESVIACIONES
ESTNDAR
DESCONOCIDAS
Y
TAMAOS
DE
MUESTRAS
PEQUEAS
Ejemplo: Una muestra aleatoria de tamao n1 =15 que se tom de una
poblacin normal, arroj una media 20 y desviacin estndar S1=1 y
otra muestra aleatoria de tamao n2=16 que se tom de otra poblacin
normal, arroj una media 19 y desviacin estndar S2=2. Se pide
2 de confianza
2
2
encontrar el intervalo
del 99% para la diferencia
de2medias
S
S
S
Sp
p
p
p
de ambas poblaciones.
x1 x2 t
1
2
157
n1
n2
1 2 x1 x2 t

1
2
n1
n2
6/3/15

NORMALES
CON
DESVIACIONES
ESTNDAR
DESCONOCIDAS
Y
TAMAOS
DE
MUESTRAS
PEQUEAS
Ejemplo: Una muestra aleatoria de tamao n1 =15 que se tom de una
poblacin normal, arroj una media 20 y desviacin estndar S1=1 y
otra muestra aleatoria
de tamao
n2=16 que se tom de otra poblacin
2
2
(15 1) *1 (16 1) * 4
2
(arroj
n1 1) S1una
(nmedia
normal,
desviacin
estndar S2=2.
2
S
2,55Se pide
2 1) S 2 19 y
p
Sp
16la diferencia
2)
encontrar el (intervalo
para
de medias
n1 n2 2de
) confianza del 99%(15
de ambas poblaciones.
2,55 2,55
2,55 2,55
(20 19) 2,756
1 2 20 19 2,756
15
16
15
16
0,58 1 2 2,58
158

6/3/15
r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
0.75
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.80
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.85
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
0.90
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
0.95
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
0.975
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
0.99
0.995
31.821 63.657
6.965 9.925
4.541 5.841
3.747 4.604
3.365 4.032
3.143 3.707
2.998 3.499
2.896 3.355
2.821 3.250
2.764 3.169
2.718 3.106
2.681 3.055
2.650 3.012
2.624 2.977
2.602 2.947
2.583 2.921
2.567 2.898
2.552 2.878
2.539 2.861
2.528 2.845
2.518 2.831
2.508 2.819
2.500 2.807
2.492 2.797
2.485 2.787
2.479 2.779
2.473 2.771
2.467 2.763
2.462 2.75
6
159
30
40
60
120
0.683
0.681
0.679
0.677
0.674
0.854
0.851
0.848
0.845
0.842
1.055
1.050
1.046
1.041
1.036
1.310
1.303
1.296
1.289
1.282
1.697
1.684
1.671
1.658
1.645
2.042
2.021
2.000
1.980
1.960
2.457
2.423
2.390
2.358
2.326
2.750
2.704
2.660
2.617
2.576
6/3/15

Metodos Cuantitativos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Cuantitativos

Cargado por

Copyright:

Formatos disponibles

Mtodos Cuantitativos

Alejandro Pieiro Caro

Otoo Invierno 2015

Material Apoyo Mtodos Cuantitativos

matemticas), tiene por propsito, introducir al alumno en el mundo de

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

El primer concepto importante es el de poblacin, que

Material Apoyo Mtodos Cuantitativos

Dependiendo de cmo se seleccionen los elementos para un

Poblacin finita: Se llama as a la poblacin que es de

tamao limitado cuyos elementos son numerables.

Poblacin infinita: Se llama as a la poblacin de tamao

limitado cuya cantidad de elementos son innumerables.

Material Apoyo Mtodos Cuantitativos

De la poblacin se extrae un subconjunto que se denomina

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

estudiantes (la poblacin ) examinando solamente 100 estudiantes (la muestra )

producidos en una fbrica durante una semana de 6 das examinando 20 tornillos

extraer conclusiones respecto a la honradez de una moneda

determinada al lanzarla repetidamente. La poblacin consiste en todos los

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

Probabilstico. Todos los

Material Apoyo Mtodos Cuantitativos

mediante la generacin de nmero

poblacin es pequea y los elementos

Material Apoyo Mtodos Cuantitativos

seleccionarlos de manera aleatoria, se

uniforme que se mide en tiempo, orden

grandes o con la posibilidad de que la

Material Apoyo Mtodos Cuantitativos

seleccin, que puede ser aleatoria o sistemtica

Material Apoyo Mtodos Cuantitativos

homogneos en forma natural y/o existen grupos ya

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos

tambin los errores asociados a la manipulacin de

resultados si se ha tenido cuidado al seleccionar la

Material Apoyo Mtodos Cuantitativos

representacin a pequea escala de la poblacin a la que

caractersticas de la poblacin bajo estudio.

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

correspondiente. Es la cantidad de error que t como

Material Apoyo Mtodos Cuantitativos

2.-Cul es la probabilidad de que un

Material Apoyo Mtodos Cuantitativos

5. Hallar P ( 0,34 < z < 2,30 )

Material Apoyo Mtodos Cuantitativos

Material Apoyo Mtodos Cuantitativos

hay entre 0 y -2.03 , por lo

Material Apoyo Mtodos Cuantitativos

3.Cul es la probabilidad de que un valor de z sea

Material Apoyo Mtodos Cuantitativos

. Hallar P ( -0,34 < z < )

Material Apoyo Mtodos Cuantitativos

5. Hallar P ( 0,34 < z < 2,30 )

Material Apoyo Mtodos Cuantitativos