Estadística Inferencial

Muestreo
Distribución de medias muestrales
Esp. Paola Andrea Muñoz Pinza
Población y muestra
 Población y muestra

Parámetros y estadísticas

 Media de la muestra =
 Muestreo
Proceso estadístico que permite tomar una parte de la población, bajo ciertos
parámetros, se toma la información necesaria sobre la cual se obtienen
conclusiones de comportamiento de la población.

Cuando se aplica esta técnica puede suceder que los valores de la muestra no
correspondan con los parámetros de la población, es decir existe el error del
muestreo. Es necesario tomar una muestra adecuada para conocer los rasgos
de los parámetros poblacionales.
Metodología para hacer un muestreo
El proceso inicia desde la planeación hasta la inferencia de los resultados.
Se debe tener en cuenta los siguientes aspectos:

• Tamaño de la población: Finita o infinita

• Objetivos de la investigación
• Tipos de preguntas y respuestas
• Forma de recolectar la información
• Recurso humano
• Recursos económicos
• Recursos físicos
• Recursos tecnológicos
• Cronograma
 Tipos de muestreo
Según la selección de los elementos a encuestar el muestreo se clasifica así:

• Muestreo no probabilístico
• Muestreo probabilístico o aleatorio
• Aleatorio simple
• Aleatorio sistemático
• Aleatorio estratificado
• Muestreo por conglomerados
 Muestreo No probabilístico
Muestreo no aleatorio o de juicio: se emplea el conocimiento y la opinión
personal para identificar a los elementos de la población que deben incluirse
en la muestra (experiencia) procurando que la muestra sea representativa.
Muestreo probabilístico o aleatorio

Muestreo aleatorio o de probabilidad: todos los elementos de la población

tienen la oportunidad de ser escogidos para la muestra.

Muestreo aleatorio simple: se asigna un número a cada elemento de la

población y a través de algún medio mecánico se eligen tantos sujetos como
indique el tamaño de la muestra.

1. Asuma que se tiene una población de 100 individuos y se desea obtener una
muestra aleatoria de 20. Emplee los dígitos aleatorios de la tabla para
seleccionar a 20 individuos de los 100. Proporcione una lista de los elementos
seleccionados con base a la tabla de dígitos aleatorios.
• Recorra de arriba a abajo las columnas, comenzando con la columna de la
izquierda, y lea sólo los primeros tres dígitos en cada fila. Observe que el primer
número al usar este método sería 092, el segundo 009, el tercero 019, etcétera.

• Si llega hasta el final de la última columna de la derecha y todavía no tiene

completos los 20 números de tres dígitos menores o iguales a 100 deseados, puede
regresar al principio (a la parte de arriba de la columna de la izquierda) y comenzar
a leer el cuarto, quinto y sexto dígitos de cada grupo o conjunto. Estos comenzarían
con 192, 810, 207.

92 9 19 14 45 2 57 38 85
27 70 13 8 83 1 90 67 78
3 84
Población de 10.000 individuos y se desea obtener una muestra aleatoria de

Tabla de dígitos aleatorios

 Muestreo probabilístico o aleatorio

Muestreo aleatorio sistemático: todos los elementos de la población deben

estar ordenados en una lista en la cual se toman grupos para seleccionar los
elementos al azar haciendo desplazamientos sistemáticos. El tamaño de la
población se divide entre el tamaño de la muestra, este resultado indicará
cada cuantos elementos se hará la elección de los individuos de la muestra. El
primer seleccionado se conoce como arranque.

M=N/n

Ejemplo: Un ingeniero de control de calidad selecciona cada diezmilésimo

dulce M&M que se produce.
Muestreo aleatorio estratificado: se divide la población en grupos homogéneos al
interior, de donde se extraen al azar de cada grupo un cierto número de elementos.
Su objetivo es asegurarse que todos los estratos de interés estén representados
adecuadamente en la muestra. Las estimaciones de la población basadas en la
muestra estratificada usualmente tienen mayor precisión.

Ejemplo: Un investigador de mercados separó a todos los residentes de una ciudad

en las categorías de desempleado, empleado de tiempo completo y empleado de
tiempo parcial. El investigador encuesta a 50 personas de cada categoría.

Grupos Población Grupos Muestra

A: 200  20% A: 20% (300) = 60
B: 100  10% B: 10% (300) = 30
C: 700  70% C: 70% (300) = 210
Total: 1.000  100% Total: 300
Muestreo aleatorio por conglomerados: la población se divide en grupos que son
heterogéneos al interior y homogéneos al exterior, grupos con características comunes y
características únicas, llamados conglomerados. No es necesario tener una lista de todos
los elementos.

Hay una variación considerable dentro de cada grupo, pero los grupos son esencialmente
similares entre sí.

Ejemplo: La Universidad de ABC, motivada por un estudiante que murió en estado de

ebriedad, realizó una investigación de estudiantes que beben, seleccionando al azar 10
diferentes salones de clase y entrevistando a todos los estudiantes en cada uno de esos
grupos.

Grupos
A: 200
B: 100 Todos
C: 700 Todos
Muestreo con reposición y sin reposición: Es un método en el cual cada miembro de la
población elegida para la muestra se regresa a la primera antes de elegir al siguiente
miembro.
Procedimiento de muestreo en el que los elementos se regresan a la población después
de ser elegidos, de tal forma que algunos elementos de la población pueden aparecer
en la muestra más de una vez.
 Tamaño de la Muestra (n)

Grado de confianza: Es fijado por el investigador de acuerdo con su experiencia y del

conocimiento que tenga sobre la población que va a investigar. Sin embargo, por lo
general, se trabaja con el 95% o 95,5%, correspondiente a un valor de z = 1,96 y z = 2.

Luego se utiliza la tabla de valores de z para distribución normal.

Ejemplo, si se considera confianza 95%, se tendrá

95%/100 = 0,95

0,95/2 = 0,475=0,4750 (probabilidad)

Este valor se localiza en la tabla y corresponde a z = 1,9 + 0,06 = 1,96

80% = 0,8 0,8/2 = 0,4000 (probabilidad)

 z = 1,2+0,08=1,28
GC= 99% = 0,99 P = 0,99/2= 0,4950 Z=2,58
Valores de z para otros grados de confianza

P = 68,26%  z =

P = 80% -> z =

P = 86,24%  z =

P = 90%  z =

P = 95,5%  z =

P = 99%  z =

P = 99,7%  z =
Valores de z para otros grados de confianza

P = 68,26%  68,26/100=0,6826 /2 =0,3413 Buscar en la tabla z =1,0

P = 80% -> z = 1,28

P = 86,24%  z = 0,8624/2=0,4312 z=1,48

P = 90%  z = 0,9/2=0,45 z= 1,64

P = 95,5%  0,955/2=0,4775 z = 2,0

P = 99%  0,99/2=0,495 z =2,58

P = 99,7%  z = 2,97
 Grado de variabilidad

Esta dado por la varianza (. Cuanta más variabilidad presente la característica

principal, mayor será el tamaño de la muestra necesario para que represente a la
población.

Se debe recalcar la importancia que tiene calcular el coeficiente de variación, para

determinar el método a escoger en el muestreo aleatorio simple y muestreo
aleatorio estratificado.

Si ese coeficiente es menor que el 30% se debe utilizar el primero, por el contrario, si
es mayor, se debe aplicar el segundo método.
Error de muestreo (E)

Es fijado por el investigador, teniendo en cuenta que a mayor error menor será el tamaño;
y, al contario, a menor error mayor será el tamaño de la muestra.

Las unidades de medida de la desviación típica del error deben ser iguales.

Ejemplo: Si habla del peso promedio de los estudiantes de un curso de grado 11, con un
error de 2 kg y la media de 50 Kg, esto quiere decir que, el verdadero valor puede estar
entre 48 kg y 52 kg.

Otra manera de fijar el error en una variable consiste en la realización de una encuesta
preliminar, para determinar el promedio en la variable y multiplicarlo por un porcentaje,
hasta donde sea posible no mayor de 10%.

Ejemplo: Si el peso promedio es 50Kg y el investigador fija un porcentaje del 5% de error,

se tendrá:
E = (0,05)(50) = 2,5 Kg
- Tipo de variable : cualitativa (atributo) o cuantitativa (variable)

- Tamaño de la población conocido: Si se conoce el tamaño se dice que es finita, sino, se

considera infinita.

Si no conoce el tamaño de la población

2 2
𝑧 𝑠 2
 𝑛 =
2
𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒  𝑛 = 𝑧 𝑃𝑄 𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
𝐸 2
𝐸

  tamaño muestra
n: E: Error de muestreo
P: prob éxito Q: prob fracaso
- Varianza
z  grado de confianza
  un colegio el equipo de enfermería escolar desea estimar el peso medio de los alumnos
En
de grado noveno. El error debe ser mas o menos 3 libras y una confianza del 98% ¿cuál
debe ser el tamaño de la muestra si además se estima que la desviación (s) 11 libras?

Z= 2,33

GC= 98% = 0,98 P= 0.98/2= 0,49

   un colegio el equipo de enfermería escolar desea estimar el peso medio de los alumnos
En
de grado noveno. El error debe ser mas o menos 3 libras (E) y una confianza del 99,5% (p).
¿cuál debe ser el tamaño de la muestra (n) y además se estima que la varianza () 144 des
= 12 libras?
  𝑧 2 𝑠 2 2 , 812 ∗ 144 7 , 8961 ∗144 1137 , 0384
𝑛= 2 = 2
= = = 126 ,3376 ≈ 126
𝐸 3 9 9

Z= 2,81

GC=99,5 %
   gimnasio localizado en una ciudad pequeña, desea conocer qué porción de sus clientes le
Un
pagan su sueldo de forma quincenal. En estudios similares se ha encontrado que la
proporción es del 72%. Si se establece que debe hacer una estimación correcta, con
aproximación de de la proporción verdadera y una confianza del 90% ¿qué tamaño de
muestra se necesita?

2
𝑧 2 𝑃𝑄 1,64 ( 0,72)(0,28) 0,5422
𝑛= 2
= 2
= =150,6176 ≈ 151 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝐸 0,06 0,0036

Z = 1,64

Gc= 90%
Poblaciones finitas

 𝑛 = 𝑠2  𝑛 = 𝑃𝑄
2 2
𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 2
𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
𝐸 𝑠 𝐸 𝑃𝑄
( )
𝑧
+
𝑁 ( )
𝑧
+
𝑁

 𝑛 = 𝑧 2 𝑠2 𝑁  𝑛 = 𝑁 𝑧 2 𝑃𝑄
2 2 2
𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 2 2
𝐴𝑡𝑟𝑖𝑏𝑢𝑡𝑜
𝑁 𝐸 +𝑧 𝑠 𝑁 𝐸 + 𝑧 𝑃𝑄

  tamaño muestra
n: E: Error de muestreo
P: prob éxito Q: prob fracaso
- Varianza N: tamaño población
Z grado de confianza
  gimnasio localizado en una ciudad pequeña, tiene 1200 (N) clientes, desea conocer
Un
qué porción sus clientes le pagan su sueldo de forma quincenal. En estudios similares
se ha encontrado que la proporción es del 72%. Si se establece que debe hacer una
estimación correcta, con aproximación de de la proporción verdadera y una confianza
del 90% ¿qué tamaño de muestra se necesita?

  𝑃𝑄 (0,72)(0,28)
𝑛= 2
= 2
= 133,82≈ 134
𝐸 𝑃𝑄 0,06 (0,72)(0,28)
( )
𝑧
+
𝑁 (
1,64
+ ) 1200

Z = 1,64
Gc = 90%
  gimnasio localizado en una ciudad pequeña, tiene 1200 (N) clientes, desea conocer
Un
qué porción sus clientes le pagan su sueldo de forma quincenal. En estudios similares
se ha encontrado que la proporción es del 72%. Si se establece que debe hacer una
estimación correcta, con aproximación de de la proporción verdadera y una confianza
del 80% ¿qué tamaño de muestra se necesita?
si se considera confianza 80%, z = 1,28
  𝑃𝑄
𝑛= 2
𝐸 𝑃𝑄
( )
𝑧
+
𝑁

  0,72 ∗0,28
𝑛= 2
=¿
0,06 0,72 ∗0,28
( 1,28) +
1200
En un colegio el equipo de enfermería escolar desea estimar el peso medio de los alumnos
de grado noveno, que son 800. El error debe ser mas o menos 3 libras y una confianza del
95%. ¿cuál debe ser el tamaño de la población y además se estima que la desviación típica
es de 11 libras?

  𝑧 2 𝑠2 𝑁  𝑛 = 𝑠2
𝑛= 2 2 2 2 2
𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒
𝑁 𝐸 +𝑧 𝑠 𝐸 𝑠
( )
𝑧
+
𝑁

  ( 1,96 )2 ( 11 )2 (800)
𝑛= 2 2 2
=48,5159 ≈ 49
800 (3) +(1,96) (11)
 Distribuciones de medias muestrales
Error estándar
La desviación estándar de la distribución de una estadística de muestra se
conoce como error estándar de la estadística.

Tamaño del error Probable precisión

Estimar un parámetro de población.

La distribución de muestreo de una media de una población
normalmente distribuida
Estandarización de la media de la muestra

 𝑧= ´𝑥 − 𝜇 = ´𝑥 − 𝜇
𝜎 𝑥´ 𝜎
√𝑛

Estandarización de la proporción de la muestra

  𝑝−𝑃
𝑧=
𝑃𝑄 P: proporción p: probabilidad
√𝑛
Estandarización de la diferencia de medias muestrales

  ( ´𝑥1 − ´𝑥 2 ) −( 𝜇1 − 𝜇2 ) ( ´𝑥 1 − ´𝑥2 ) −(𝜇 1 − 𝜇 2)

𝑧= =
𝜎 𝑥´ − 𝜎 𝑥´ 2
𝜎1 𝜎 2
2
1 2

√ +
𝑛 1 𝑛2
Estandarización de la proporción de la muestra

  𝑝−𝑃
𝑧=
𝑃𝑄 P: proporción p: probabilidad
√𝑛
 En una muestra de 25 observaciones a partir de una distribución normal con
media 98.6 y desviación estándar 17.2, a) ¿cuánto vale P (92 < < 102)?

Error estándar

Desviaciones estándar de la media de una distribución de probabilidad normal

estándar.

 P (92 < < 102)

 b) encuentre la probabilidad correspondiente dada una muestra de 36.

Error estándar

Desviaciones estándar de la media de una distribución de probabilidad normal estándar.

 P (92 < < 102)

1-Estandarización de la media de la muestra  𝑥 − 𝜇
𝑧=
 𝑧= ´𝑥 − 𝜇 = ´𝑥 − 𝜇 𝜎
𝜎 𝑥´ 𝜎
√𝑛
2-Estandarización de la proporción de la muestra
  𝑝−𝑃
𝑧= P: proporción p: Proporción pregunta
𝑃𝑄
√𝑛
3-Estandarización de la diferencia de medias muestrales
  ( ´𝑥1 − ´𝑥 2 ) −( 𝜇1 − 𝜇2 ) ( ´𝒙 𝟏 − ´𝒙𝟐 ) −(𝝁 𝟏 − 𝝁 𝟐)
𝑧= =
𝜎 𝑥´ − 𝜎 𝑥´ 𝟐
𝝈𝟏 𝝈 𝟐
𝟐
1 2

√ +
𝒏 𝟏 𝒏𝟐
4-Estandarización de la diferencia de proporción de la muestra
 𝑧= ( 𝑝1 − 𝑝2 ) −( 𝑃 1 − 𝑃 2)
𝑃1 𝑄 1 𝑃 2 𝑄 2
√ 𝑛1
+
𝑛2
En el último año, el peso de los recién nacidos tiene una media de 3000 gr. y desviación estándar de
140 gr. ¿Cuál será la probabilidad de que la media de una muestra de 100 recién nacidos sea superior
a 3030 gr?

IV. Restar a la mitad de la curva, la probabilidad de z

0,5 – p
0,5 – 0,4838 = 0,0162 = 1,62%

3000 3030  𝑧= ´𝑥 − 𝜇 = ´𝑥 − 𝜇

𝜎 𝑥´ 𝜎
    √𝑛
 p= 0,4838
En una fabrica de lámparas se sabe, por experiencia, que, debido a factores como el
equipo, materia prima y personal operativo, el 6% de la producción es rechazada por
algún pequeño defecto encontrado. Si se extrae una muestra de 49 unidades, ¿cuál es
la probabilidad de que el porcentaje sea superior de 9%?

  𝑝 − 𝑃 = 0,09− 0,06 =0,88

𝑧=
𝑃𝑄 0,06 (0,94)
√𝑛 √ 49 0,09

Buscamos en la tabla z = 0,88  0,3106

0,06
0,3106
P = 0,5 – 0,3106 0,5
P = 0,1894 = 18,94%
Un profesor considera que el 12% de sus estudiantes habilitan la materia. Selecciona
una muestra de 36 estudiantes. ¿Cuál es la probabilidad de que menos del 10% haya
habilitado la materia?

IV.

Pt = 0,5 - 0,1443 = 0,3557

35,57%

0,1 0,12

  . 𝑧= 𝑝 − 𝑃 = 0 , 1 −0 , 12 =− 0 , 37
𝐼𝐼
𝑃𝑄 (0 , 12)(0 , 88)
√ 𝑛 √ 36

III. Tabla
P = 0,1443
 Un profesor considera que el 12% de sus estudiantes habilitan la materia. Selecciona
una muestra de 36 estudiantes. ¿Cuál es la probabilidad de que menos del 10% haya
habilitado la materia?

  𝑝 − 𝑃 = 0,10 − 0,12 =−0,37

𝑧=
𝑃𝑄 0,12(0,88)
√𝑛 √ 36
0,10

Buscamos en la tabla z= - 0,37  0,1443

0,12

0,1443
P = 0,5 - 0,1443 = 0,3557

Es la probabilidad de que menos del 10% haya habilitado la asignatura.

Z= 0,37 = 0,3+0,07
 El responsable de la sede central de una empresa afirma que las edades de sus empleados
siguen una distribución normal con una media de 41 años y una desviación típica
de 5 años. Por otro lado, el responsable de una sede de las sucursales de dicha empresa
en otro país, ha determinado que sus empleados también tienen edades que se ajustan a
una distribución normal con una media de 39 años y desviación típica de 3 años. Con el fin
de hacer un estudio comparativo se seleccionan muestras de 40 personas de cada sede de
la empresa. ¿Cuál es la probabilidad de que los empleados de la sede central tengan una
media de edad de al menos 3 años mayor que los de la sucursal extranjera?

dif > 3 3. Buscamos en la tabla z= 1,09  0,3621

dif =2 4. 0,5 – 0,3621 = 0,1379 = 13,79%

( ´𝑥1 − ´𝑥 2 ) −( 𝜇1 − 𝜇2) 3 − ( 41− 39 ) 3− 2 1

.𝑧= = = = =1,09
𝜎 21 𝜎 22 5 2 32 25+9 34
√ +
𝑛1 𝑛2 √ +
40 40 √ 40 √ 40
3. Buscamos en la tabla z= 1,09  0,3621

4. 0,5 – 0,3621 = 0,1379 = 13,79%

 Las pruebas de control de calidad para un modelo A de bombilla han determinado que la
duración se distribuye como una normal de media 3300 horas y desviación típica
180 horas; mientras que para otro modelo B la duración media es de 3200 horas y
desviación típica 155 horas. Si se toman muestras aleatorias de 100 bombillas de cada
modelo ¿cuál es la probabilidad de que la diferencia de las medias de las duraciones de las
bombillas de cada modelo sea inferior a 40 horas?

  ( ´𝑥1 − ´𝑥 2 ) − ( 𝜇1 − 𝜇2 )
𝑧= =¿
2 2
𝜎1 𝜎2
√ 𝑛1
+
𝑛2
Las pruebas de control de calidad para un modelo A de bombilla han determinado que la
duración se distribuye como una normal de media 3300 horas y desviación típica
180 horas; mientras que para otro modelo B la duración media es de 3200 horas y
desviación típica 155 horas. Si se toman muestras aleatorias de 100 bombillas de cada
modelo ¿cuál es la probabilidad de que la diferencia de las medias de las duraciones de las
bombillas de cada modelo sea inferior a 40 horas?

dif = -40 dif = 40

   ( ´𝑥1 − ´𝑥 2 ) −( 𝜇1 − 𝜇2 ) − 40 − ( 3300 −3200 ) −140
𝑧= = = =−5 , 89
2 2
1802 1552 56425
√ 𝜎
+
𝜎
1

𝑛1 𝑛 2
2
√ +
100 100 100 √
  ( ´𝑥1 − ´𝑥 2 ) −( 𝜇1 − 𝜇2 ) 40− ( 3300 −3200 ) − 60
𝑧= = = =− 2 ,53
2 2 2 2
56425
√ 𝜎 1 𝜎2
+
𝑛1 𝑛 2 √ 180 155
+
100 100 √ 100

3. Buscamos en la tabla z= -5,89  0,5

Buscamos en la tabla z= -2,53  0,4943

4. 0,5 – 0,4943 = 0,0057= 0,57%

Dos tipos de pintura ofrecen un tiempo de secado promedio de 80 y 60 minutos
respectivamente, con una desviación estándar de 15 y 13 minutos. Si se toman muestras
aleatorias de tamaños 25 y 36 respectivamente, encontrar la probabilidad de que la
media muestral calculada de las 25 mediciones exceda la media muestral de las 36
mediciones en por lo menos 10 minutos.
Dos tipos de pintura ofrecen un tiempo de secado promedio de 80 y 60 minutos
respectivamente, con una desviación estándar de 15 y 13 minutos. Si se toman muestras
aleatorias de tamaños 25 y 36 respectivamente, encontrar la probabilidad de que la
media muestral calculada de las 25 mediciones exceda la media muestral de las 36
mediciones en por lo menos 10 minutos.

  ( ´𝑥1 − ´𝑥 2 ) − ( 𝜇1 − 𝜇2 ) 10 − ( 80 − 60 ) − 10
𝑧= = = =− 2,70
2 2 2 2
12325
√ 𝜎1
+
𝜎
𝑛1 𝑛 2
2
√ 15 13
25
+
36 √ 900
3. Buscamos en la tabla z= -2,70  0,4965

4. 0,5 + 0,4965 = 0,9965= 99,65%

1. Una empresa eléctrica fabrica focos que tienen una duración que
se distribuye aproximadamente en forma normal, con media de
800 horas y desviación estándar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 focos tenga una
vida promedio de menos de 775 horas.

2. Se supone que la estatura de los chicos de 18 años de cierta

población sigue una distribución normal de media 162 cm y
desviación estándar de 12 cm. Se toma una muestra al azar de
100 de estos chicos encuestados y se calcula la media. ¿Cuál es la
probabilidad de que esta media esté entre 159 y 165cm?
1- Este valor se busca en la tabla de z

La interpretación sería que la probabilidad de que la media de la muestra de 16

focos sea menor a 775 horas es de 0.0062.
Se supone que la estatura de los chicos de 18 años de cierta población sigue una distribución normal de media 162 cm y
desviación estándar de 12 cm. Se toma una muestra al azar de 100 de estos chicos encuestados y se calcula la media.
¿Cuál es la probabilidad de que esta media esté entre 159 y 165cm?

Este valor se busca en la tabla de z y se suman las dos regiones.

𝑃
  ( 159< ´𝑥 < 165 )= 𝑃 ( − 2,5< 𝑧 <2,5 ) =0,9876

La interpretación sería que la probabilidad de que la media de la muestra de 100

estudiantes este entre 159 y 165 cm es de 0.9876

  159 −162   165 −162

𝑧= =− 2,5 𝑧= =2,5
12 12
√ 100 √ 100

0,4938+0,4938=0,9876
 
 Referencias

• Díaz, A (2013). Estadística aplicada a la administración y la economía. Ciudad de

México, México. MacGrawHill

• Levin, R. Rubin, D. (2004). Estadística para Administración y Economía. Séptima edición.

México, México. Pearson Educación.

• Martínez, C. Levin, R. (2012), Estadística Aplicada. Bogotá, Colombia, Primera edición,

Pearson.

• Ritchey, F. (2002). Estadística para las ciencias sociales: El potencial de la imaginación.

Mexico, D. F.: Harcourt Brace.

• Triola, M. (2009). Estadística. Décima edición. México, D. F. Pearson Educación.

 Ejercicios
1. De un contenedor lleno de costales de arena con un peso medio de 40 Kg y una varianza de
15Kg, se toma una muestra de 50 costales, ¿Cuál será la probabilidad de que la media muestral
este entre 39 y 42Kg?
2. Un banco llevó una estadística de los reclamos de los clientes en todas sus sucursales y vio que
está distribuida normalmente, con una media de 300 reclamos por año y una desviación
estándar de 27 reclamos. Obtenga la probabilidad de que en una muestra aleatoria de 33
sucursales se tenga menos de 290 reclamos por año.
3. Una maquina llena bolsas de pasabocas con un contenido medio de 150g y una varianza de
120g2. Si se toma una muestra aleatoria de 40 bolsas, ¿Cuál es la probabilidad de que la media
muestral este entre 145g y 153g?
En una distribución normal con media de 56 y desviación estándar de 21, ¿qué
tan grande se debe tomar una muestra para que haya al menos el 90% de
posibilidades de que su media sea mayor que 53?

Como no tenemos el valor de “z”, entonces utilizamos en 90% para

encontrarlo,

  =

El 0,4 corresponde a una probabilidad de la tabla de valores de z

En una distribución normal con media de 56 y desviación estándar de 21, ¿qué
tan grande se debe tomar una muestra para que haya al menos el 90% de
posibilidades de que su media sea mayor que 53?

Error estándar

Desviaciones estándar de la media de una distribución de probabilidad normal estándar.

 
2
  𝑧∗𝜎
𝑛= (
´𝑥 − 𝜇 ) 𝑝𝑎𝑟𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑒𝑙 𝑡𝑎𝑚𝑎 ñ 𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 .
En una distribución normal con media de 56 y desviación estándar de 21, ¿qué
tan grande se debe tomar una muestra para que haya al menos el 90% de
posibilidades de que su media sea mayor que 53?

El valor correspondiente a 0,4 más cercano con 0,3997, es el valor de z=1,28

  =

2
  𝑧∗𝜎
𝑛= (
´𝑥 − 𝜇 ) 𝑝𝑎𝑟𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑒𝑙 𝑡𝑎𝑚𝑎 ñ 𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 .
En una distribución normal con media de 56 y desviación estándar de 21, ¿qué
tan grande se debe tomar una muestra para que haya al menos el 90% de
posibilidades de que su media sea mayor que 53?

El valor correspondiente a 0,4 más cercano con 0,3997, es el valor de z=1,28

 

Reemplazamos:

==
En un grupo de 10.000 tornillos (población). Se necesita verificar la longitud media de todos
los tornillos.
Se propone tomar grupo pequeño al azar de 100 tornillos y calcular la media de este grupo.
Después poner un margen de seguridad. (Un Intervalo de Confianza (IC))
Al final se tiene las medias de grupos de 100 tornillos. En este caso 100 grupos de 100
tornillos. Es decir, 100 valores de medias. Estas medias se pueden representar con un
histograma y ver su distribución.

El histograma de las medias tiene una pinta de distribución normal cuando la muestra
es más grande que 30.
Se ha visto, por experiencia, que el valor central de las medias es igual al de toda la población.

Pero la dispersión (desviación estándar) es la desviación de la población dividido entre la raíz

del número de tornillos (n) de la muestra (100 tornillos en este caso). Quiero decirte que:

La media de las medias es la media de la población

La desviación estándar de las medias es la desviación estándar de la población dividido entre la
raíz del número de la muestra. (error estándar SE)