Clase 1
Inferencia Estadística
Distribuciones Muéstrales
1. Inferencia Estadística
Generalmente las poblaciones son demasiado grandes para ser estudiadas en su totalidad. Es ne-
cesario seleccionar una muestra representativa que sea más manejable. Esta muestra se utiliza luego
para sacar conclusiones sobre la población.
Supongamos que, como director de personal de un gran banco, usted necesita escribir un informe
que describa a todos aquellos empleados que han dejado voluntariamente la compañía en los últimos
10 años. Sería muy difícil localizar a estas personas. No se les puede localizar fácilmente como grupo,
pues muchas han muerto, se han mudado, etc. ¾Cómo podría escribir el informe? La mejor idea es
localizar una muestra representativa y entrevistarla con el n de generalizar con respecto a todo el
grupo.
El tiempo también es un factor importante cuando los administradores requieren obtener infor-
mación rápidamente para ajustar una operación o modi car una política. Imaginemos una máquina
automática que clasi ca miles de piezas de correo diariamente. ¾Por qué esperar el resultado de todo
un día para veri car que la máquina funcione correctamente (es decir, para comprobar si las caracte-
rísticas de población son las requeridas por el servicio postal)? En vez de ello, se toman muestras a
intervalos especí cos y, si es necesario, la máquina puede ajustarse inmediatamente.
• Población: son todas las personas o elementos que han sido escogidos para su estudio y que
tienen características comunes.
• El tamaño de la población lo simbolizamos con N
• Muestra: es una parte o porción de individuos o elementos que se seleccionan de la población.
• El tamaño de la muestra lo simbolizamos con n
• Parámetro : Es una característica que representa una población
• Estadístico : Son características calculadas a partir de una muestra y estiman el valor del pará-
metro
1
Figura 1.1: Esquema del proceso en Estadística Inferencial.
Población Muestra
De nición Colección de elementos considerados Parte de la población seleccionada para estudio
Características Parámetros Estadísticas
Tamaño de la población =N Tamaño de la muestra = n
Símbolos Media de la población = µ Media de la muestra = x
Desviación estándar de la población = σ Desviación estándar de la muestra = s
Cuadro 1: Diferencias entre poblaciones y muestras.
donde,
n
1X
X= xi ,
n i=1
n
1 X 2
S2 = (xi − x) ,
n − 1 i=1
son la media y la varianza muestral respectivamente.
1.1. Distribuciones muéstrales
La distribución de probabilidad de un estadístico se llama distribución muestral.
1.1.1. Distribución muestral de la media
Si X es a media de una muestra aleatoria de tamaño n tomada de una población con media µ y
varianza σ 2 , entonces a la distribución de
X −µ
Z= ∼ N (0, 1) ,
σx
se le llama distribución normal estándar, donde σx = √σ
n
es el error estándar de la media.
2
La grá ca de Z tiene forma de campana, como se muestra en la Figura 1.2:
Figura 1.2: Grá co de la distribución normal estándar
Propiedades de Z
1. El área bajo la curva de la distribución normal es igual a 1.
2. P (Z < 0) = 0,5
3. P (Z > a) = 1 − P (Z ≤ a)
4. P (a < Z < b) = P (Z < b) − P (< a)
Las probabilidades asociadas a la distribución normal estándar se encuentran tabuladas. Por ejemplo
para
Ejemplos distribución muestral de la media
1. En una muestra de 25 observaciones a partir de una distribución normal con media 98,6 y
desviación estándar 17,2
a ) Encuentre la probabilidad de que la media muestral sea inferior a 90.
b ) Cuanto vale P 92 < X < 102
c ) Calcule la probabilidad de que la media muestral sea superior 93.
Solución
Los datos del proble son
n = 25
µ = 98,6
σ = 17,2
El error estándar d las media muestral
σ
σx = √
n
17,2
= √ = 3,44
25
3
a ) La probabilidad de que la media muestral sea inferior a 90, en términos de probabilidad se
expresa como:
90 − 98,6
P X < 90 = P Z<
3,44
= P (Z < −2,50)
= 0,0062
El valor de la probabilidad P (Z < −2,50) = 0,0062 se busca en la tabla de la distribución
normal estándar.
Así, la e que la media muestral sea inferior a 90 es 0,0062.
b ) Vamos a calcular P 92 < X < 102 :
92 − 98,6 102 − 98,6
P 92 < X < 102 = P <X<
3,44 3,44
= P (−1,92 < Z < 0,99)
= P (Z < 0,99) − P (Z < −1,92)
= 0,8389 − 0,0274
= 0,8115
Por tanto, la probabilidad de que la media muestral esté entre 92 y 102 es 0,8115.
c ) La probabilidad de que la media muestral sea superior 93 es:
4
93 − 98,6
P X > 93 = P Z>
3,44
= P (Z > −1,63)
= 1 − P (Z < −1,63)
= 1 − 0,0516
= 0,9484
Por tanto, la probabilidad de que la media muestral sea superior a 93 es 0,9484.
2. Mary, auditora de una gran compañía de tarjetas de crédito, sabe que el saldo promedio mensual
de un cliente dado es 400.000 pesos y la desviación estándar es 170.000 pesos. Si Mary audita 50
cuentas seleccionadas al azar, encuentre la probabilidad de que el saldo promedio mensual de la
muestra sea
a ) Menor que 355.000 pesos
b ) Sea de entre 380.000 y 450.000 pesos
Solución
Los datos del problema son:
n = 50
µ = 400000
σ = 170000
El error estándar es: σx = 170000
√ = 24041,63
50
a ) Se debe calcular P X < 355000 :
355000 − 400000
P X < 355000 = P Z<
24041,63
= P (Z < −1,87)
= 0,0307
5
Por tanto, la probabilidad de que el saldo promedio mensual de la muestra sea menor de
355000 pesos es 0,0307.
b ) La probabilidad a calcular es P 380000 < X < 450000 :
380000 − 400000 450000 − 400000
P 380000 < X < 450000 = P <X<
24041,63 24041,63
= P (−0,83 < Z < 2,08)
= P (Z < 2,08) − P (Z < −0,83)
= 0,9812 − 0,2033
= 0,7779
Por tanto, la probabilidad de que el saldo promedio mensual de la muestra esté entre 380000 y
450000 pesos es 0,7779.
1.1.2. Distribución muestral para la proporción
Si p̂ es la proporción de una muestra aleatoria de tamaño n tomada de una población con proporción
poblacional P , entonces
p̂ − P
Z= ∼ N (0, 1) ,
σp̂
6
q
donde σp̂ = P (1−P )
n es el error estándar de p̂.
Ejemplos distribución muestral de la proporción
1. Una empresa de telefonía adquiere componentes para sus teléfonos celulares en lotes de 200
de una determinada rma. El componente tiene una tasa de defectos del 10 % . Una política
establecida recientemente por la empresa establece que si el siguiente envío tiene:
a ) Más del 12 %de defectos, de nitivamente buscará un nuevo proveedor.
b ) Entre el 10 % y el 12 % de defectos, considerará un nuevo proveedor.
c ) Entre el 5 % y el 10 % de defectos, de nitivamente no buscará un nuevo proveedor.
d ) Menos del 5 %, incrementará sus pedidos.
¾Cuál es la decisión más probable?
Solución
Primero identi quemos los datos que nos da el problema:
n = 200
P = 0,10
q
El error estándar para la proporción muestral es: σp̂ = 0,10×0,90
200 = 0,021
a ) Más del 12 %de defectos, de nitivamente buscará un nuevo proveedor:
0,12 − 0,10
P (p̂ > 0,12) = P Z >
0,021
= P (Z > 0,95)
= 1 − P (Z < 0,95)
= 1 − 0,8289
= 0,1711
b ) Entre el 10 % y el 12 % de defectos, considerará un nuevo proveedor.
7
0,10 − 0,10 0,12 − 0,10
P (0,10 < p̂ < 0,12) = P <Z<
0,021 0,021
= P (0 < Z < 0,95)
= P (Z < 0,95) − P (Z < 0)
= 0,8285 − 0,5
= 0,3289
c ) Mendos del 10 % de defectos, de nitivamente no buscará un nuevo proveedor.
0,10 − 0,10
P (p̂ < 0,10) = P Z<
0,021
= P (Z < 0)
= 0,5
De acuerdo a las probabilidades calculadas, la decisión es que no buscará un nuevo proveedor.
8
Ejercicios
1. El 30 % de todos los empleados tienen capacitación avanzada. Si en una muestra de 500 empleados
menos del 27 % estaba preparado de forma adecuada, todos los nuevos contratados necesitarán
registrarse en un programa de capacitación. ¾Cuál es la probabilidad de que se inicie el programa?
2. Los miembros de la Organización para la Acción de los Consumidores mandan más de 250
voluntarios al día a todo el estado para incrementar el apoyo para un proyecto de protección al
consumidor, que está actualmente en debate en la cámara legislativa estatal. Por lo general, cada
voluntario visita una casa y habla brevemente con el residente con la esperanza de que éste rme
una petición dirigida a la legislatura estatal. En promedio, un voluntario obtendrá 5.8 rmas
diarias para la petición, con una desviación estándar de 0.8. ¾Cuál es la probabilidad de que una
muestra de 20 voluntarios obtengan un promedio de entre 5.5 y 6.2 rmas diarias?
3. Setenta capturistas del departamento de vehículos automotores cometen un promedio de 18
errores por día, distribuidos según una normal con desviación estándar de 4. Un auditor de
campo puede veri car el trabajo de 15 empleados por día. Encuentre la probabilidad de que el
número de errores promedio en un grupo de 15 empleados veri cados en un día sea
a ) menor que 15.5
b ) mayor que 20.
