Está en la página 1de 64

Distribución muestral de la

media
 1. EJEMPLO (resuelto)

 El CI de los alumnos de un centro especial de se distribuye normalmente con media


80 y desviación típica 10. Si extraemos una muestra aleatoria simple de 25
alumnos:

a) Si se extrae un sujeto al azar, ¿Cuál es la probabilidad de que obtenga como


mínimo una puntuación en CI de 75?

b) ¿Cuál es la probabilidad de que su media aritmética sea mayor de 75?

c) ¿Cuál es la probabilidad de que su media aritmética sea como máximo 83?

d) ¿Qué valor debería tomar la media aritmética para que la probabilidad de obtenerlo
en esa muestra sea como máximo 0,85?
 X  N(80,10)
 X  N(80, 2)
 Si la variable de partida no es normal
 Cuando la variable X con media µ y desviación típica
σ, no sigue un modelo de distribución conocido, la
distribución muestra] de X se parece más a la de la
distribución normal a medida que crece el tamaño de
las muestras sobre las que se calcula.
 Teorema del Límite Central
 Independientemente de cómo sea la distribución de X,
la distribución muestral de X tiende a la normal cuando
el tamaño de las muestras tiende a infinito.

 Mediante este teorema podemos calcular probabilidades


asociadas a los valores de las medias cuando se
desconoce la forma de la distribución muestral de
partida, siempre y cuando las muestras sean lo
suficientemente grandes. Algunos autores plantean que
el parecido con la distribución normal empieza a ocurrir
desde tamaños muestrales de 30 observaciones.
El valor de n afecta al error típico de la media,
 Ejemplo :

Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se


distribuye normalmente con media de 3,000 libras y una
varianza de 100,000 libras2. Si se selecciona una muestra
aleatoria de 80 cuerdas; determine la probabilidad de que en
esa muestra a) La resistencia media encontrada sea de por lo
menos 2,900 libras b) La resistencia media sea cuanto mucho
de 3,050 libras y c) La resistencia media se encuentren entre
2950 y 3100 libras.
Distribución muestral de la media
Ejemplo: Un equipo de empacado de un proceso de
fabricación rellena cajas de cereal de tal forma que la
cantidad por caja tiene una distribución normal con una
media 368 g. y desviación estándar 15 g.
• Si se selecciona una caja al azar, ¿cuál es la

probabilidad de que pese entre 365 g. y 368 g.?


• Si se selecciona una muestra de 16 cajas de las miles

que se rellenan cada día y se calcula el peso


promedio, ¿cuál es la probabilidad que esté entre
365 g. y 368 g.?
Distribución muestral de la media

Ejemplo: El tiempo de fabricación de una plancha de


vidrio es una variable aleatoria con una media de 17
minutos y una varianza igual a 4/3 minutos2. Si se
registran los tiempos de fabricación de una muestra de
200 planchas de vidrio, ¿cuál es la probabilidad que el
tiempo promedio de fabricación sea menor que 16.9
minutos?
Distribución muestral de la media

Ejemplo: El tiempo que un cajero de banco atiende a


un cliente es una variable aleatoria con una media de
3.2 minutos y una desviación estándar de 1.6 minutos.
Si se observa una muestra de 64 clientes, encuentre la
probabilidad de que el tiempo promedio de los mismos
con el cajero sea como máximo 2.7 minutos.
Considere una población cuyo comportamiento está caracteriz ado por el de una v.a. N(  ,  )
N(50,10). Si de tal población se toma una muestra de tamaño n  25. Calcular :
1) La probabilidad de que X  60
2) P(48  x  51)
 10 
X  N (50,10)  X  N 50, 
 25 

 
 
x   60  50
P x  60  P    P ( Z  5)  1; 100%
  10 
 
 n 25 
 48  50 51  50 
P (48  x  51)  P Z 
 2 2 
 1
P  1  Z    0.5328
 2
 10  X  N (50,10)
X  N  50,  x  
 5 P( x  60)
60  60   
1  2 2 

  e 

2

50 60 X
P ( x  60) Z  N(0,1)

 60  50 
P( X  60)  P Z    P ( Z  5)
 2 

0 5
Distribución de la media muestral cuando no se conoce la
varianza poblacional
Distribución muestral de la
proporción
Ejemplo
Se ha estimado que el 43% de los licenciados en economía consideran que es
muy importante que se imparta un curso de ética en economía. De una
población de 800 estudiantes se tomó una muestra de 80. Calcular la
probabilidad de que más de la mitad de ellos opinen de ese modo.
En este necesitamos el factor de corrección dado que:
Aproximación a la normal
Si n es suficientemente grande

Entonces la probabilidad de P se puede aproximar mediante el modelo normal


 
Con X: "Número de aciertos"
Aproximación a la normal
Si n es suficientemente grande
≤ 0,80 
0,20 ≤
Entonces la probabilidad de P se puede aproximar mediante el modelo normal
Con X: "Número de aciertos"
Ejemplo
Según reportes del centro nacional para estadísticas de salud, alrededor del 20 %
de la población masculina adulta de los Estados Unidos es obesa Se elige al azar
una muestra de 150 hombres adultos en los Estados Unidos. ¿Cuál es la
probabilidad de que:
a) Haya a lo más 25 personas obesas?
b) Haya más de 22 pero menos de 35 obesos?
c) Haya por lo menos un 25% de obesos en la muestra?
Solución
Sea X el número de personas obesas en la muestra. Usando aproximación
normal a la Binomial se tiene que:
Ejemplo
Supóngase que p=0.4 representa la proporción de familias que poseen un
determinado electrodoméstico. Si se toma una muestra de tamaño n=225 familias,
calcular la probabilidad de que en la misma se encuentren más de 100 familias que
posean tal electrodoméstico.

x  proporción de éxitos; x  B  225,0.4 


E  x   np  225* 0.4  90
VAR  x   npq  225* 0.4 * 0.6  54
  n  np 
E ( p)  E     0.4 
x n  x
 p   N (0.4,0.24)
 x  npq pq n
 0.24 

VAR ( p )  VAR    
n n n 
  150    0.44  0.4 
P p    P  p  0.44   P  Z  
 225   0.25 
25
EJEMPLO:
Supongamos que el 30% de la población viviendas de un país tienen más de un
cuarto de aseo. Con el fin de obtener una información más precisa se toma una
muestra aleatoria de tamaño 400 viviendas. Obtener: P(0.25<p<0.32);P(p>0.33)

x  pq   0.3 * 0.7 
ˆ   N  p,    0.3,
 

n  n   400 
 
 
0.25  0.3 0.33  0.3 
P (0.25  ˆ  0.32)  P Z
 0.21 
 
 400 
P (2.18  Z  0.873)  0.7932
 
 
0.33  0.3 
P Z   P( Z  1.31)  0.0951
 0.3 * 0.7 
 
 400  26
Una proporción muestral
Ejemplo: Una empresa ha instalado bombas de agua
de una determinada marca en edificios de
apartamentos, 10% de las cuales presentan fallas
luego del primer año de uso. Si se inspecciona una
muestra de 64 bombas de agua de dicha marca en
edificios de apartamentos que han sido instaladas
hace más de un año, ¿cuál es la probabilidad de que
más del 15% de las bombas de agua en la muestra
presenten fallas?
Diferencia de medias muestrales
 Poblaciones normales:
  12  22 
X 1  X 2 ~ N  1   2 ,  
 n1 n2 
 Poblaciones no normales:
  12  22 
X 1  X 2  N  1   2 ,  
 n1 n2 
siempre que n1 ≥ 30 y n2 ≥ 30
DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES
CUANDO SE CONOCE LA VARIANZA POBLACIONAL (con
muestras grandes o pequeñas)
Sean (x1....xn) e (y1…..yn) dos muestras aleatorias simples e
independientes de tamaños nx y ny procedentes de N(μx,σx) y N(μy,σy)
respectivamente. Entonces la distribución muestral de la diferencia de
medias  x  y  x   y
se distribuye:
 x2  y
2

 xy   
nx n y
  x2  y 
2

x  y  N  x   y ,  
 nx n y 
 
( x  y )   x   y 
 N (0,1)
 2 2

x y

nx n y
Ejemplo:
Salario medio hombres=129.000 ptas., σ2=2.500
Salario medio mujeres=128.621 ptas., σ2=3.000
Si tomamos una muestra aleatoria de 36 hombres y 49 mujeres ¿Cuál es la
probabilidad de que el salario medio de los hombres sea al menos 400 ptas mayor
al de las mujeres?

A : HOMBRES  X  ?129.000,2500  n1  36
B : MUJERES  Y  ?(128.621,3000) n 2  49
  2500 3000  
 X - Y   N129.000 - 128.621, 
  
  36 49  
N  379,11 .43
  X  Y   379 400  379 
 
P  X  Y   400  P 
 11.43

11.43 


P  Z  1.83  0.0336

(X  Y )

379 400

0 1.43 Z
Diferencia de medias muestrales
Ejemplo: El comportamiento del desgaste abrasivo de
dos materiales Alpha y Beta tienen como medias 85 y
81 unidades y desviaciones estándar de 5 y 4 unidades
respectivamente. Si se hacen pruebas de desgaste con el
abrasivo a una muestra de 40 placas del material Alpha
y 60 placas del material Beta, ¿cuál es la probabilidad
de que la media muestral de desgaste del material
Alpha sea mayor en por lo menos tres unidades a la
media muestral de desgaste del material Beta?
DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS
MUESTRALES CUANDO NO SE CONOCE LA VARIANZA
POBLACIONAL

X  N  x , x   nx
Y  N   y , y   n y

A)las varianzas poblacionales son desconocidas pero iguales  2x   2 y   2


B )las varianzas poblacionales son desconocidas pero distintas  2x   2 y
A)Varianzas poblacionales desconocidas pero
iguales: σ1= σ2= σ
2
Un agricultor utiliza una semilla híbrida que produce 90 Tm. Por hectárea y un productor le
ofrece una semilla también híbrida que produce 110 Tm. por Hra. En 5 parcelas diferentes se
siembran las dos semillas:

1 2 3 4 5
HIBRIDO1 90 85 95 76 80
HIBRIDO2 97 82 102 94 78

¿Cuál es la probabilidad de que con el nuevo híbrido la producción media sea 15Tm. mayor que la
antigua?
B) x   y
B.1) Si las varianzas son desconocidas y distintas pero los tamaños
muestrales son grandes  S 2   2
 S X2 S y2 
 X-Y   N   X  Y , n  n  
 x y

Z
 X-Y     X  Y   N (0,1)
S X2 S y2

nx ny
B.2)Si las varianzas son desconocidas y distintas pero los tamaños
muestrales son pequños 
 X-Y     X  Y 
 tv
2
S 2
S
X
 y

nx ny
2
 S X2 S y2 
  
 n n 
v   x y 
 S x2 n x   S y2 n y 
2 2


nx  1 ny  1
Distribución muestral de la proporción
Diferencia de proporciones
muestrales
Ejemplo: Una empresa constructora ha instalado bombas
de agua de la marca A en edificios de apartamentos, 10%
de las cuales presentan alguna falla luego del primer año de
uso. También ha instalado bombas de agua de la marca B y
se sabe que el 12% de ellas presentan alguna falla luego
del primer año de funcionamiento. Si se inspeccionan 60
bombas de agua de cada una de las marcas en edificios de
apartamentos que han sido instaladas hace más de un año,
¿cuál es la probabilidad de que la proporción muestral de
bombas con alguna falla de la marca B sea mayor que la
proporción muestral correspondiente de la marca A?
DISTRIBUCIÓN DE LA MEDIA MUESTRAL
CUANDO SE CONOCE LA VARIANZA POBLACIONAL
Sea (x1 , x2 ,....., xn ) una muestra aleatoria de tamaño n, procedente de una población N  ,  ;
Entonces la distribución del estadístico media muestral tendrá una distribución normal 
Si X  N  ,   
  
X  N  , 
 n

Si X  ¿   ,  
  
T .C.L.  Si n  30  X  N  , 
 n
X-
  N  0,1

n
41
Considere una población cuyo comportamiento está caracteriz ado por el de una v.a. N(  ,  )
N(50,10). Si de tal población se toma una muestra de tamaño n  25. Calcular :
1) La probabilidad de que X  60
2) P(48  x  51)
 10 
X  N (50,10)  X  N 50, 
 25 

X
X
 
 
x   60  50 
P  x  60  P    P ( Z  5)  1; 100%
  10 
 
 n 25 
 48  50 51  50 
P (48  x  51)  P Z 
 2 2 
 1
P  1  Z    0.5328
 2
42
 10  X  N (50,100)
X  N  50,  x  
 5 P( x  60)
60  60   
1  

  e  2 2 

2

50 60 X
P( x  60) Z  N(0,1)

 60  50  0 5 Z
P( X  60)  P Z    P ( Z  5) 43
 2 
DIST. MUESTRAL
MEDIA CUANDO    x-
X  N  ,   N(0,1)
VARIANZA ES CONOCIDA  n 
n
MEDIA CUANDO a) n es grande
VARIANZA ES DESCONOCIDA  S  x-
x  N  ,   N(0,1)
 n s
n
b) n es pequeño
 S  x-
x  N  ,   t n 1
 n s
n

VARIANZA
proporción 44
DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES
CUANDO SE CONOCE LA VARIANZA POBLACIONAL
“Tiempo medio de duración de dos piezas”,“Salarios hombres mujeres”…..
“Sean (x1....xn) e (y1…..yn) dos muestras aleatorias simples e independientes
de tamaños nx y ny procedentes de N(μx,σx) y N(μy,σy) respectivamente.
Entonces la distribución muestral de la diferencia de medias se
xy
distribuye:
 x  y  x   y

 x2  y
2

 xy   
nx n y
  x2  y 
2

x  y  N  x   y ,  
 nx n y 
 
( x  y )   x   y 
 N (0,1)
 2
 2


x y

nx n y
45
Ejemplo:
Salario medio hombres=129.000 ptas., σ2=2.500
Salario medio mujeres=128.621 ptas., σ2=3.000
Si tomamos una muestra aleatoria de 36 hombres y 49 mujeres ¿Cuál es
la probabilidad de que el salario medio de los hombres sea al menos 400
ptas mayor al de las mujeres?

A : HOMBRES  X  ?129000,2500 n x  36
B : MUJERES  Y  ?(128621,3000) n y  49
  2500 3000  
 X - Y   N129000 - 128621, 
   
  36 49  
N  379,11 .43

379 400 (X  Y )
46
  X  Y   379 400  379 
 
P  X  Y   400  P 
 11.43

11.43

 
P  Z  1.83  0.0336

(X  Y ) 0 1.43 Z
379 400

47
DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES CUANDO
NO SE CONOCE LA VARIANZA POBLACIONAL

X  N  x , x   nx
Y  N   y , y   n y

A)las varianzas poblacionales son desconocidas pero iguales  2x   2 y   2


B )las varianzas poblacionales son desconocidas pero distintas  2x   2 y

48
    n x  1 S x2
A) X  N  X , ,   2
 
nx   2 n x 1


    n  1  S 2

Y  N y , 
y y
,  2
 
ny   2 n y 1

Si :
nx  1 S 2
n  1 S y2
  n2x  n y  2
y
W  x

 2
 2

además sabemos que :

Z
X - Y    X  Y 
 N (0,1)
  X2  y2 
  
 nx ny 
  49
Un agricultor utiliza una semilla híbrida que produce 90 Tm. Por hectárea
y un productor le ofrece una semilla también híbrida que produce 110 Tm.
por Hra. En 5 parcelas diferentes se siembran las dos semillas:

1 2 3 4 5
HIBRIDO1 90 85 95 76 80
HIBRIDO2 97 82 102 94 78

¿Cuál es la probabilidad de que con el nuevo híbrido la producción media


sea 15Tm. mayor que la antigua?

50
P ( X 1  X 2  15)
Si suponemos  x   y

tn x  n y  2 
 X Y     x  y  nx  n y  2 nx n y
 n x  1 S x2   n y  1 S y2 nx  n y

 15    x   y  
Pt  

  n x  1 S x   n y  1 S y 
2 2

90  85  95  76  80
X 
5
97  82  102  94  78
Y 
5
1
 I  
2
S X2  X  X
(5  1)
1
 I 
2
SY2  Y  Y t
(5  1)
 15  (90  110) 
Pt    t55 2  t8
 

51
B) x   y
B.1) Si las varianzas son desconocidas y distintas pero los tamaños
muestrales son grandes  S2   2
 S X2 S y2 
 X-Y   N   X  Y , n  n  
 x y

Z
 X-Y     X  Y   N (0,1)
S X2 S y2

nx ny
B.2)Si las varianzas son desconocidas y distintas pero los tamaños
muestrales son pequños 
 X-Y     X  Y 
 tv
2
S2
S
X
 y

nx ny
2
 S X2 S y2 
  
 n x n y 
v
 S x2 nx    S y2 n y 
2 2

nx  1 ny  1 52
DISTRIBUCIÓN MUESTRAL DEL COCIENTE DE VARIANZAS

X  N   x , x   nx  x ..... x 
1, n

Y  N   y , y   n y  y ..... y 
1, n

A)  x y  y son conocidas
B)  x y  y son desconocidas

53
2 1 nx
A) Sx 
nx
 i x
( X
i 1
  ) 2

ny
2 1
Sy 
ny
 i y
( X
i 1
  ) 2

2 n
Sx nx   ( X i   x ) 2 
i 1
2 2
Sx n x nx
 X i  x 
 x2
  
i 1  
   2
nx
x 
2 2
Sy n y ny
 X i  y 
 y2
  
i 1  
   2
ny
y 
54
" El cociente de dos  2 es una F"
 n2x / nx
 Fnx ,n y
 ny / n y
2

2
nx Sx
nx  2 2
x2
Sx  y
F  2   2 2  Fnx ,n y
nySy Sy  x
ny
y2

55
B ) Las medias poblacionales son desconocidas
nx
1
  i  
2
S2x  x  x
nx  1 i 1
 nx  1 S
2
nx 2 nx
 xi  x 
 nx  1 S    xi  x   
2
    nx 1
2 x 2

 x2 i 1   x
x
i 1 
n  1 S
2
2
 yi  y 
ny


y y
     2

 y2 
i 1    n y 1
y 
 nx  1 S x2 n  1
 x 
S x2  y
2
x2
F   2 2  Fnx 1 ,n y 1
 n y  1 S y n  1 S y  x
2

y2  y 
56
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL

p   x  numero de éxitos
p
 n  tamaño muestral
 x  pq 
p   N  p,  E  x   μ; E  pˆ   p
n  n 
X  B  n, p  
E ( X )  np   x 1 np
 E(p)=E    E ( x )  p
VAR ( X )  npq  n
  n n
x 1 npq pq
VAR    VAR( x )  
n
  n 2 n 2 n
 pq
VAR  p  
n
ˆ  
  N (0,1)
pq
n 57
EJEMPLO:
Supongamos que el 30% de la población viviendas de un país tienen
más de un cuarto de aseo. Con el fin de obtener una información más
precisa se toma una muestra aleatoria de tamaño 400 viviendas.
Obtener: P(0.25<p<0.32);P(p>0.33)
x  pq   0.3 * 0.7 
ˆ   N  p,    0.3,
 

n  n   400 
 
 
0.25  0.3 0.33  0.3 
P (0.25  ˆ  0.32)  P Z
 0.21 
 
 400 
P (2.18  Z  0.873)  0.7932
 
 
0.33  0.3 
P Z   P( Z  1.31)  0.0951
 0.3 * 0.7 
 
 400  58
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE PROPORCIONES

x y
ˆ X  ˆY  
nx n y
ˆ X  ˆY  p x  p y
p x qx p y q y
 ˆ X  ˆY  
nx ny

   p x qx p y q y 
p X  pY  N  px  p y ,  
 nx ny 
 
59
Una máquina produce piezas con un tamaño que se ajusta a una distribución
normal cuyo valor medio es de 14 cm. ¿Cuál es la probabilidad de que la media
de una muestra de tamaño 20 sea menor que 13.5 cms, sabiendo que la
cuasivarianza muestral ha sido de 8 cm2 ?→ X  N   ,14  →
DISTRIBUC. MUESTRAL DE LA MEDIA CUANDO LA VARIANZA NO SE CONOCE
Y n ES PEQUEÑO

X  N   ,14   P  x  13.5 
 S   8 
X  N  , 
  N  14, 
 n   20 
X  
 t n 1
S
n
 13.5  14 
P  X  13.5   P  t n 1 
  

 8 
 20 
P  t19  1.25  0.22
60
Sea X=nº de bajas laborales en la provincia de Las Palmas
Sea Y=nº de bajas laborales en la provincia de Santa Cruz
Se sabe que ambas variables se distribuyen normalmente.
L.P 6 8 9 5 0 1 4 2 0 1
Tfe. 3 4 2 2 1 0 5 0 1 3
¿Hay más accidentes en la provincia de LP que en la de Tfe? P(( x  y )  0)

61
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE MEDIAS CUANDO NO SE
CONOCEN LAS VARIANZAS POBLACIONALES

A) X   Y
B ) X   Y

tn x  n y  2 
 X Y     x  y 

 n X  1 s 2
x   n y  1 s 2
y


P  tn x  n y  2 
 X Y     x  y 



  nX  1 sx2   n y  1 s 2y 

62
Se sabe que la proporción de personas que acuden al cine es de 40%.
Si se toma una muestra de tamaño 150 españoles, calcular la
probabilidad de que en la misma nos encontremos con más de 50
personas que han ido al cine.
DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

 ˆ 50 
P   
 150 

ˆ  N
pq   0.4 * 0.6 
  p,   N  0.4, 
 n   150 
ˆ  
 N (0,1)
pq
n
 50 
  0.4 
P Z  100  
 0. 4 * 0 . 6 
 
 150 
63
DIST. MUESTRAL
MEDIA CUANDO
   x-
X  N  ,   N(0,1)
VARIANZA ES CONOCIDA  n 
n
a) n es grande
MEDIA CUANDO  S  x-
x  N  ,   N(0,1)
 n 
VARIANZA ES DESCONOCIDA n
b) n es pequeño
 S  x-
x  N  ,   t n 1
 n 
n
 2
VARIANZA A)  x y  y son conocidas S x2  y
  Fnx ,n y
B)  x y  y son desconocidas S y2  x2

S x2  y
2

 Fnx 1 ,n y 1
S y2  x2

x  pq  ˆ  
proporción 
p   N  p,  pq
 N (0, 1)
n  n 
n 64
Etc…..

También podría gustarte