Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Observe que los medias de muestra parecen estar distribuidos normalmente con el centro en 100.
El histograma de la figura de la derecha muestra menos dispersión que el histograma en
la figura de la izquierda. Esto implica que la distribución de 𝑥ҧ con n = 25 tiene menos
variabilidad que la distribución de 𝑥ҧ con n = 9.
De hecho, la media de los 1000 medias de muestra es 99.99, y la desviación estándar es 3.00.
A partir de los resultados de los ejemplo anterior, concluimos que,
a medida que aumenta el tamaño de la muestra n, la desviación estándar
de la distribución de 𝑥ҧ disminuye.
Solución:
Paso 1 Verificar la normalidad de la distribución de 𝑥.ҧ
Paso 2 Obtener la media y la desviación estándar de la media muestral 𝑥.ҧ
Paso 3 Estandarizar la variable
Paso 4 Calcular el valor de la probabilidad como el área bajo la curva normal
Distribución de la media muestral cuando la población no es normal
𝜇𝑥ҧ =2.9
𝜎𝑥ҧ = 0.47
n= 30
𝜇𝑥ҧ =2.9
𝜎𝑥ҧ = 0.27
Dos conceptos clave del ejemplo anterior.
La media de la distribución muestral de 𝑥ҧ es igual a la media de la población
𝜎
subyacente, y la desviación estándar es , independientemente del tamaño
𝑛
de la muestra.
Ejemplo:
El aumento de peso promedio durante el embarazo es de 30 libras,
con una desviación estándar de 12.9 libras. El aumento de peso durante el embarazo
está sesgado a la derecha.
Un obstetra obtiene una muestra aleatoria de 35 pacientes de bajos ingresos y
determina que su aumento de peso promedio durante el embarazo fue de 36.2 libras.
¿Este resultado sugiere algo inusual?
Vamos a determinar la probabilidad de obtener un promedio de muestra de 36.2 libras o
más.
Suponga que los pacientes provienen de la población cuyo aumento de peso medio es de
30 libras.
Usamos el modelo normal para obtener la probabilidad ya que el tamaño de la muestra es
lo suficientemente grande como para usar el Teorema del Límite Central.
Solución:
Calculamos el área bajo la curva normal para obtener 𝑃(𝑥ҧ ≥ 36.2).
12.9 ҧ 𝑥ഥ
𝑥−𝜇 36.2−30
Obtenemos 𝜇𝑥ҧ = 𝜇 = 30 y 𝜎𝑥ҧ = y𝑧= = 12.9 = 2.84
35 𝜎𝑥ഥ
35
El area bajo la curva normal a la izquierda de 𝑧 = 2.84 es 0.9977, así el área
a la derecha es 1-0.9977=0.0023. Por lo tanto, 𝑃 𝑥ҧ ≥ 36.2 = 0.0023.
Interpretación:
Si la población a partir de la cual se extrae esta muestra tiene un aumento de
peso promedio de 30 libras, la probabilidad de que una muestra aleatoria de
35 mujeres tenga una ganancia de peso promedio de 36.2 libras (o más) es de
aproximadamente 0.002. Esto significa que aproximadamente 2 muestras en
1000 darán como resultado un promedio muestral de 36.2 libras o más si la
media de la población es de 30 libras.
Dos posibles conclusiones.
El aumento de peso promedio para pacientes de bajos ingresos es de 30 libras, y sucedió
que seleccionamos mujeres que, en promedio, ganaron más peso.
Ejemplo:
Un instituto de salud realizó una encuesta a 1000 adultos estadounidenses de
18 años o más y preguntó: "¿Actualmente tiene algún tipo de dieta baja en carbohidratos?“
De los encuestados, 150 dijeron que seguían una dieta baja en carbohidratos.
Encuentre la proporción de muestra de Individuos encuestados que estaban en
una dieta baja en carbohidratos.
150
𝑝Ƹ = = 0.15
1000
Por lo tanto, el instituto de salud sostiene que 0.15 o 15% de los adultos estadounidenses
de 18 años o más están bajo alguna forma de dieta baja en carbohidratos.
Solución:
Si el tamaño de la muestra,𝑛, es menor al 5% del tamaño de la población.
y 𝑛𝑝 1 − 𝑝 ≥ 10 , la distribución muestral de 𝑝Ƹ es aproximadamente normal,
𝑝(1−𝑝)
con media 𝜇𝑝ො = 𝑝 y desviación estándar 𝜎𝑝ො = .
𝑛
Estados Unidos tiene más de 300 millones de personas, por lo que la muestra
de n = 60 es menor al 5% del tamaño de la población. Además,
𝑛𝑝 1 − 𝑝 = 60 0.76 1 − 0.76 = 10.944 > 10. La distribución de 𝑝Ƹ es
aproximadamente normal , con una media 𝜇𝑝ො = 0.76 y desviación estándar
𝑝(1 − 𝑝) 0.76(1 − 0.76)
𝜎𝑝ො = = = 0.055
𝑛 60