ESTADISTICA INFERENCIAL

EJERCICIOS: DOS POR CADA TEMA

ALUMNO: Bautista Pérez Antonio de Jesús

DOCENTE: Ing. Sergio Isidro López Pérez
GRUPO: 3IB

INGENIERIA INDUSTRIAL
HP
DISTRIBUCIONES FUNDAMENTALES PARA EL MUESTREO
EJEMPLO 1. MUESTREO

En un instituto hay 110 alumnos de 1º ESO, 99 de 2º ESO, 77 de 3º ESO y 66 de 4º ESO. Se toma

una muestra para hacer una encuesta, usando muestreo estratificado con afijación proporcional.
Se sabe que en la muestra había 20 alumnos de 1º ESO. ¿Cuántos alumnos hay en la muestra de los
demás cursos y cuál es el tamaño de la muestra?

SOLUCIÓN:

Total 1º ESO 2º ESO 3º ESO 4º ESO

Población 352 110 99 77 66
Muestra X 20 𝑋2 𝑋3 𝑋4

Expresamos la proporcionalidad:

Los datos completos serían:

Total 1º ESO 2º ESO 3º ESO 4º ESO

Población 352 110 99 77 66
Muestra 64 20 18 14 12

El tamaño de la muestra es de 64 alumnos y en los demás grados contaríamos con una muestra de 18
en 2º ESO, 14 en 3º ESO y con 12 en 4º ESO
Ejemplo 2.

Una fábrica de pasteles elabora, en su producción habitual, un 3% de pasteles defectuosos. Un

cliente recibe un pedido de 500 pasteles de la fábrica. Calcular la probabilidad de que encuentre
más del 5% de pasteles defectuosos.

SOLUCIÓN

Estamos tomando una muestra de tamaño n = 500, de una población donde la proporción de
pasteles defectuosos es de p = 0.03. Teniendo en cuenta que la distribución muestral de una
proporción se ajusta a una normal.

Se desprende que estaríamos ante una normal N (0.03, 0.0076), con lo cual

1−𝑃(𝑍≤2.63)=1−0.9957=0.0043
TEOREMA DEL LIMITE CENTRAL

Las bolsas de sal envasadas por una máquina tienen 𝜇 = 500𝑔 y 𝜎 = 35𝑔. Las bolsas se
empaquetaron en cajas de 100 unidades.Calcular la probabilidad de que la media de los pesos de
las bolsas de un paquete sea menor que 495g.Calcular la probabilidad de que una caja 100 de
bolsas pese más de 51 kg.

SOLUCION:

a) Dado que la muestra es grande (𝑛 = 100) podemos aplicar el teorema del

límite central. Por lo tanto, la media de la muestra se aproxima a una
 distribución normal con los parámetros

b) Necesitamos calcular la probabilidad de que la suma de los elementos de

una muestra esté en un cierto intervalo. Sabemos que la suma de la muestra
se aproxima a una distribución normal con los parámetros

Ejemplo 2.

La población de las temperaturas corporales de adultos sanos tiene media

𝜇 = 36.8℃ y desviación típica de𝜎 = 0.4℃. Si obtenemos una muestra de 100 personas. ¿Cuál es la
probabilidad de que la media de la temperatura de la muestra sea menor o igual a 36.7℃?

a) Dado que la muestra es grande podemos aplicar el teorema del límite central. Por lo tanto,
la media de la muestra se aproxima a una distribución normal con los parámetros
b) Calculamos la probabilidad de obtener una temperatura menor o igual a 36.7℃. Para ello,
calculamos el valor equivalente en la variable normal
tipificada
 DISTRIBUCION MUESTRAL DE LA MEDIA

Se supone que la estatura de los chicos de 18 años de cierta población sigue una distribución
normal de media 162cm 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?

𝜇 = 162𝑐𝑚
𝜎 = 12𝑐𝑚

Ejemplo 2.

Considérese una población en la que se estudia una característica X que sigue una distribución normal de
media = 12 y varianza 𝜎2= 16. Se pide:

a) Probabilidad de que un elemento de esa población, elegido al azar, tenga la característica

superior a 14.

b) Considérese una muestra aleatoria de tamaño n = 9. ¿Cuál es la probabilidad de que la media

muestral 𝑋 tenga un valor superior a 14?

Solución:

a) La distribución es normal N (12, 4). La desviación típica, = 4. Se tipifica haciendo el cambio

, luego:

b) Las medias muéstrales de tamaño n se distribuyen según la normal

En este caso:
Por tanto:

DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE MEDIAS

Ejemplo 1.

En un estudio para comparar los pesos promedio de niños y niñas de sexto grado en una escuela
primaria se usará una muestra aleatoria de 20 niños y otra de 25 niñas. Se sabe que tanto para
niños como para niñas los pesos siguen una distribución normal. El promedio de los pesos de todos
los niños de sexto grado de esa escuela es de 100 libras y su desviación estándar es de 14.142,
mientras que el promedio de los pesos de todas las niñas del sexto grado de esa escuela es de 85
libras y su desviación estándar es de 12.247 libras. Si representa el promedio de los pesos de 20
niños y es el promedio de los pesos de una muestra de 25 niñas, encuentre la probabilidad de
que el promedio de los pesos de los 20 niños sea al menos 20 libras más grande que el de las 25
niñas.

SOLUCION:

Datos:

1 = 100 libras

2 = 85 libras

1 =
14.142 libras

2= 12.247 libras

n1 = 20 niños n2

= 25 niñas

=?

Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de niños sea al menos 20
libras más grande que el de la muestra de las niñas es 0.1056.
Ejemplo 2.

Uno de los principales fabricantes de televisores compra los tubos de rayos catódicos a dos
compañías. Los tubos de la compañía A tienen una vida media de 7.2 años con una desviación
estándar de 0.8 años, mientras que los de la B tienen una vida media de 6.7 años con una
desviación estándar de 0.7. Determine la probabilidad de que una muestra aleatoria de 34 tubos
de la compañía A tenga una vida promedio de al menos un año más que la de una muestra
aleatoria de 40 tubos de la compañía B.

SOLUCIÓN:

Datos:

A = 7.2 años

B = 6.7 años

A =
0.8 años

B =

0.7 años nA = 34

tubos nB = 40

tubos

=?
 DISTRIBUCION MUESTRAL DE LA PROPORCION
Ejemplo 1.

Se ha determinado que 60% de los estudiantes de una universidad grande fuman cigarrillos. Se
toma una muestra aleatoria de 800 estudiantes. Calcule la probabilidad de que la proporción de la
muestra de la gente que fuma cigarrillos sea menor que 0.55.

SOLUCION:

Datos: n=800

estudiantes P=0.60 p=

0.55

p (p 0.55) =?

Ejemplo 2.

Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden
presentar una reacción adversa a él, más aún, se piensa que alrededor del 3% de los usuarios
tienen tal reacción. Si una muestra aleatoria de 150 personas con malestar estomacal usa el
medicamento, encuentre la probabilidad de que la proporción de la muestra de los usuarios que
realmente presentan una reacción adversa, exceda el 4%.

SOLUCION:

Datos:

n=150 personas

P=0.03

p= 0.04

p(p>0.04) = ?
 DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE PROPORCIONES
Ejemplo 1.

Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren en sus opiniones
sobre la promulgación de la pena de muerte para personas culpables de asesinato. Se cree que el
12% de los hombres adultos están a favor de la pena de muerte, mientras que sólo 10% de las
mujeres adultas lo están. Si se pregunta a dos muestras aleatorias de 100 hombres y 100 mujeres
su opinión sobre la promulgación de la pena de muerte, determine la probabilidad de que el
porcentaje de hombres a favor sea al menos 3% mayor que el de las mujeres.

Solución: Datos:

PH = 0.12 PM = 0.10 nH =

100 nM = 100 p (pH-pM

0.03) =?

Se recuerda que se está incluyendo el factor de corrección de 0.5 por ser una distribución binomial
y se está utilizando la distribución normal.

Se concluye que la probabilidad de

que el porcentaje de hombres a favor de la pena de muerte, al menos 3% mayor
que el de mujeres es de 0.4562.
Ejemplo 2.

Se sabe que 3 de cada 6 productos fabricados por la máquina 1 son defectuosos y que 2 de cada 5
objetos fabricados por la máquina 2 son defectuosos; se toman muestras de 120 objetos de cada
máquina:

¿Cuál es la probabilidad de que la proporción de artículos defectuosos de la máquina 2 rebase a la

máquina 1 en por lo menos 0.10?

Solución:

Datos:

P1 = 3/6 = 0.5 P2 =

2/5 = 0.4 n1 = 120

objetos n2 = 120

objetos

p (p 2 - p 1 0.10) = ?
 DISTRIBUCION T-STUDENT

Ejemplo 1.

Un ingeniero químico afirma que el rendimiento medio de la población de cierto proceso en lotes
es 500 gramos por milímetro de materia prima. Para verificar esta afirmación toma una muestra
de 25 lotes cada mes. Si el valor de t calculado cae entre –t0.05 y t0.05, queda satisfecho con su
afirmación. ¿Qué conclusión extraería de una muestra que tiene una media de 518 gramos por
milímetro y una desviación estándar de 40 gramos? Suponga que la distribución de rendimientos
es aproximadamente normal.

SOLUCIÓN:

De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante
queda satisfecho con esta afirmación si una muestra de 25 lotes rinde un valor t entre –1.711 y
1.711.

Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor
de t con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de
0.02. De aquí que es probable que el fabricante concluya que el proceso produce un mejor
producto del que piensa.

Ejemplo 2

Encuentre la probabilidad de –t0.025 < t < t0.05.

SOLUCIÓN:

Como t0.05 deja un área de 0.05 a la derecha, y

–t0.025 deja un área de 0.025 a la izquierda,
encontramos un área total de 1-0.05-0.025 =
0.925.

P (–t0.025 < t < t0.05) = 0.925

 DISTRIBUCION MUESTRAL DE LA VARIANZA

Ejemplo 1.

Suponga que los tiempos requeridos por un cierto autobús para alcanzar un de sus destinos en
una ciudad grande forman una distribución normal con una desviación estándar =1 minuto. Si se
elige al azar una muestra de 17 tiempos, encuentre la probabilidad de que la varianza muestral sea
mayor que 2.

SOLUCIÓN:

Primero se encontrará el valor de ji-cuadrada correspondiente a s2=2 como sigue:

El valor de 32 se busca adentro de la tabla en el renglón de 16 grados de libertad y se encuentra

que a este valor le corresponde un área a la derecha de 0.01. En consecuencia, el valor de la
probabilidad es P (s2>2)

Ejemplo 2.

En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas de la variabilidad de

los resultados que producen muestras estándar. En un estudio de la cantidad de calcio en el agua
potable, el cual se efectúa como parte del control de calidad, se analizó seis veces la misma
muestra en el laboratorio en intervalos aleatorios. Los seis resultados en partes por millón fueron
9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los resultados de la población para este
estándar, usando un nivel de confianza del 90%.

SOLUCIÓN:

Al calcular la varianza de la muestra se obtiene un valor de s2= 0.0285.

Se busca en la tabla los valores correspondientes con 5 grados de libertad, obteniéndose dos
resultados. Para X2(0.95, 5)= 1.145 y para X2(0.0, 5)= 11.07.

Entonces el intervalo de confianza está dado por:

 y

DISTRIBUCION MUESTRAL DE LA RELACION DE VARIANZAS

Ejemplo 1.

Si 𝑠12 y 𝑠22 son las varianzas muéstrales de muestras aleatorias independientes de tamaños n1=10
y n2 =20, tomadas de poblaciones normales que tienen las mismas varianzas, encuentre P
2.42).

SOLUCIÓN:

Primero se establecen los grados de libertad. Como en el numerador está la población uno y en el
denominador la población dos, entonces los grados de libertad uno equivalen a 10-1=9 y los
grados de libertad dos a 20-1=19.

Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y se observa que no están,
por lo tanto se tiene que interpolar entre 15 y 20 grados de libertad, buscando el valor de Fisher
que quedaría:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con 15 grados de libertad
dos, y se encuentra los siguiente:

Al interpolar entre estos dos valores nos queda un área de 0.933. Se procede a hacer lo mismo
pero con 20 grados de libertad dos:
Al interpolar entre estos dos valores nos queda un área de 0.9516. Ahora ya se tienen las dos áreas
referentes a los grados de libertad dos, por lo que se interpolará para ver cuánto le corresponde a
los grados libertad dos con un valor de 19.

Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de libertad dos con un valor
de Fisher de 2.42 el área a la izquierda es de 0.9478.

Ejemplo 2.

Si 𝑠12 y 𝑠22 representan las varianzas de las muestras aleatorias independientes de tamaño n1= 25
y n2 = 31, tomadas de poblaciones normales con varianzas s1 2 =10 y s2 2 = 15, respectivamente,
encuentre P (𝑠12 /𝑠22 > 1.26).

SOLUCIÓN:

Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados de libertad uno.
Cuando se esté en esta posición se busca adentro de la tabla el valor de Fisher de 1.89. Al
localizarlo y ver a la izquierda de este valor se obtiene un área de 0.95, pero esta área
correspondería a la probabilidad de que las relaciones de varianzas muestrales fueran menor a
1.26, por lo que se calcula su complemento que sería 0.05, siendo esta la probabilidad de que s1 2
/s2 2 > 1.26.
BIBLIOGRAFIA

https://campusvirtual.ull.es/ocw/pluginfile.php/6201/mod_resource/content/1/tema9
/PR9-muestreo.pdf
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/teore ma-central-
del-limite.html http://www.chihuahua.tecnm.mx/academic/industrial/estadistica1/u0304.pdf

https://static.squarespace.com/static/526e85b4e4b09c47421bd159/t/5331ec81e4b
0e6650a1ed598/1395780737938/MCCSST09dDMM.pdf