ACTIVIDAD 1:
EJERCICIOS SOBRE DISTRIBUCIONES MUESTRALES
Fecha:14/11/2021
Nombre de los estudiantes: Brenda Karina Diaz Lozano
Alfonso Núñez Escobar
Kenelma Nolasco García
Joel Valdés Astorga
Nombre del docente: Mtro. Víctor Hugo Tinoco Cedillo
• Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:
Distribuciones muestrales
Teorema del Límite Central (TLC)
Técnicas básicas
1. Una población consta de cinco números: 2,3,6,8,11. Considere todas las muestras posibles de
tamaño dos que pueden extraerse con reemplazo de esta población. Encontrar:
a. La media de la población
b. La desviación estándar de la población
c. El valor esperado de la media muestral
d. La desviación estándar (error estándar) de la media muestral
a.
2 + 3 + 6 + 8 + 11 30
𝜇𝜇 = = =6
5 5
b.
(2 − 6)2 + (3 − 6)2 + (6 − 6)2 + (8 − 6)2 + (11 − 6)2 54
𝜎𝜎 2 = = = 10.8
5 5
𝜎𝜎 = √10.8 = 3.2863
Página 1 de 13
c.
Para calcular esto primero debemos de calcular el tamaño de la muestra, así que tenemos que, hay
25 muestras de tamaño 2 (52=25), así que:
(2,2) (2,3) (2,6) (2,8) (2,11)
(3,2) (3,3) (3,6) (3,8) (3,11)
(6,2) (6,3) (6,6) (6,8) (6,11)
(8,2) (8,3) (8,6) (8,8) (8,11)
(11,2) (11,3) (11,6) (11,8) (11,11)
Las medias de las muestras correspondientes son:
2 2.5 4 5 6.5
2.5 3 4.5 5.5 7
4 4.5 6 7 8.5
5 5.5 7 8 9.5
6.5 7 8.5 9.5 11
Y la media de distribución muestral de medias es:
∑ 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 150
𝜎𝜎𝑥𝑥̅ = = =6
25 25
Sabemos que, 𝜇𝜇𝑥𝑥̅ = 𝜇𝜇
d.
Ahora calculemos el error estándar:
𝜎𝜎 3.2863
𝑆𝑆𝑆𝑆 = = = 2.32
√𝑁𝑁 √2
2. Se seleccionaron muestras aleatorias de tamaño n de poblaciones con las medias y varianzas
dadas aquí. Encuentre la media y desviación estándar de la distribución de muestreo de la
media muestral X en cada caso:
a. n = 36, µ = 10, σ 2 = 9
Media muestral
𝜇𝜇 = 𝜎𝜎𝑥𝑥̅ = 10
Desviación estándar
𝜎𝜎 = √9 = 3
b. n = 100, µ = 5, σ 2 = 4
Media muestral
𝜇𝜇 = 𝜎𝜎𝑥𝑥̅ = 5
Página 2 de 13
Desviación estándar
𝜎𝜎 = √4 = 2
c. n = 8, µ = 120, σ 2 = 1
Media muestral
𝜇𝜇 = 𝜎𝜎𝑥𝑥̅ = 120
Desviación estándar
𝜎𝜎 = √1 = 1
Si las poblaciones muestreadas son normales, ¿cuál es la distribución de muestreo de X para los
incisos a, b y c?
Si la media muestra es la suma de variables aleatorias independientes con la misma
distribución, cuando el número de elementos en la muestra por el teorema central del límite (TCL),
tiende a infinito, esta se distribuye como una normal, con media a la media poblacional y con
varianza a la varianza población, partido del número de elemento, es decir:
𝜎𝜎 2
𝑋𝑋� ≈ 𝑁𝑁 �𝐸𝐸(𝑋𝑋�) = 𝑚𝑚, 𝜎𝜎 2 (𝑋𝑋�) = �
𝑁𝑁
De acuerdo con el Teorema del Límite Central, si las poblaciones muestreadas no son
normales, ¿qué se puede decir acerca de la distribución muestral de X para los incisos a, b y c?
El teorema central del límite es un resultado matemático que garantiza que, si sumamos
variables cualesquiera (no necesariamente normales), la variable suma también seguirá una
distribución normal (esto siempre que se cumplan algunas condiciones básicas).
3. Una muestra aleatoria de n observaciones se selecciona de una población con desviación
estándar σ = 1. Calcule el error estándar de la media (SE) para los siguientes valores de
n.
Tenemos que:
𝜎𝜎
𝑆𝑆𝑆𝑆 =
√𝑛𝑛
a. n = 1
1
𝑆𝑆𝑆𝑆 = =1
√1
b. n = 2
1
𝑆𝑆𝑆𝑆 = = 0.707
√2
Página 3 de 13
c. n =4
1
𝑆𝑆𝑆𝑆 = = 0.5
√4
d. n = 9
1
𝑆𝑆𝑆𝑆 = = 0.333�
√9
e. n = 16
1
𝑆𝑆𝑆𝑆 = = 0.25
√16
f. n = 25
1
𝑆𝑆𝑆𝑆 = = 0.2
√25
g. n = 100
1
𝑆𝑆𝑆𝑆 = = 0.1
√100
4. Se seleccionaron muestras aleatorias de tamaño n de poblaciones binomiales con parámetros
poblacionales p dados aquí. Encuentre la media y la desviación estándar de la distribución de
muestreo de la proporción muestral pˆ en cada caso:
Tenemos que:
Media
𝜇𝜇 = 𝐸𝐸(𝑋𝑋) = 𝑛𝑛𝑛𝑛
Desviación Estándar
𝜎𝜎 = �𝑛𝑛𝑛𝑛(1 − 𝑝𝑝)
a. n = 100, p = 0.3
𝜇𝜇 = (100)(0.3) = 30
𝜎𝜎 = �30(1 − 0.3) = �30(0.7) = 4.5825
b. n = 400, p = 0.1
𝜇𝜇 = (400)(0.1) = 40
𝜎𝜎 = �40(1 − 0.1) = �40(0.9) = 6
c. n = 250, p = 0.6
𝜇𝜇 = (250)(0.6) = 150
𝜎𝜎 = �150(1 − 0.6) = �150(0.4) = 7.7459
Página 4 de 13
5. ¿Es adecuado utilizar la distribución normal para aproximar la distribución de muestreo de Pˆ
en las siguientes circunstancias?
Una distribución binomial B(n,p) se puede aproximar por una distribución normal, siempre que
n sea grande y p no esté muy próxima a 0 o a 1. La aproximación consiste en utilizar una
distribución normal con la misma media y desviación típica que la distribución binomial.
En la práctica se utiliza la aproximación cuando:
𝑛𝑛 ≥ 30 ; 𝑛𝑛𝑝𝑝 ≥ 5 ; 𝑛𝑛𝑛𝑛 ≥ 5
a. n = 50, p = 0.05
Para este caso, no es correcto usarla ya que “p” se aproxima al 0.
b. n = 75, p = 0.1
Para este caso, se puede utilizar, ya que cumple con la condición antes dicha.
c. n = 250, p = 0.99
Para este caso, no es correcto usarla ya que “p” se aproxima al 1.
Página 5 de 13
lOMoAR cPSD| 9188190
Aplicaciones
1. Enfermedad de Alzheimer. La duración de la enfermedad de Alzheimer desde el
principio de los síntomas hasta el fallecimiento varía de 3 a 20 años; el promedio es 8
años con una desviación estándar de 4 años. El administrador de un gran centro médico
selecciona al azar, de la base de datos del centro, los registros médicos de 30 pacientes
de Alzheimer ya fallecidos y anota la duración de la enfermedad para cada unidad en
muestra. Encuentre las probabilidades aproximadas para los siguientes eventos:
a. La duración promedio es menor a 7 años
Datos:
μ = 30
σ=4
𝑥𝑥𝑥 − 7−8
𝑧𝑧 = 𝜇𝜇 = = −1.37
0.73
𝜎𝜎
√𝑛𝑛
𝑝𝑝(𝑥𝑥𝑥 < 7) = 𝑝𝑝(𝑧𝑧 < −1.37) = 0.0853
Lo cual traducimos como 8.53% de probabilidad de que sea menor a 7 años.
b. La duración promedio excede de 7 años
𝑝𝑝(𝑥𝑥𝑥 > 7) = 1 − (𝑥𝑥𝑥 > 7) = 1 − 0.0853 = 0.9147
Esto lo contemplamos como 91.47% de probabilidad de que exceda los 7 años.
c. La duración promedio está a no más de un año de la media poblacional µ = 8
𝑝𝑝(7 < 𝑥𝑥𝑥 < 9) = 𝑝𝑝(−1.37 < 𝑧𝑧 < 1.37) = 0.9147 − 0.0853 = 0.8294
Esto lo contemplamos como 82.94 de probabilidad de que quede entre 7 y 9 años.
Página 6 de 13
lOMoAR cPSD| 9188190
Grafique el error estándar de la media (SE) contra el tamaño muestral n y enlace los
puntos con una curva suave. ¿Cuál es el efecto de aumentar el tamaño de muestra sobre
el error estándar?
𝝈𝝈 𝒏𝒏 𝑺𝑺𝑺𝑺
4 30 0.73
4 35 0.67
4 40 0.63
4 45 0.59
4 50 0.56
En la medida que se aumenta el tamaño de la muestra el error estándar de la media
tiende a disminuir
Grafico Error Estandar vs. Tamaño Muestral
0.8
0.6
0.4
SE
0.2
0
0 10 20 30 40 50 60
Muestra
2. Salarios de profesores. Suponga que los profesores de una universidad en E.U.A. -con
rango de profesor en instituciones públicas que imparten programas académicos de dos
años-, ganan un promedio de 71,802 dólares por año, con una desviación estándar de
4,000 dólares. En un ejercicio por verificar este nivel de salario se seleccionó una muestra
aleatoria de 60 profesores de una base de datos del personal académico de todas las
instituciones públicas que imparten programas de dos años en E.U.A.
a. Describa la distribución de muestreo de la media muestral X
Estamos hablando de una distribución normal.
μ = 71,802
𝜎𝜎 = 4000
b. ¿Dentro de qué límites se esperaría que esté el promedio muestral, con
probabilidad 0.95?
𝜎𝜎
𝜇𝜇 ± 𝑍𝑍𝛼𝛼 ( )
2 √𝑛𝑛
1.96(4,000) 1.96(4,000)
μ 95% = ( 71,802 − ) ± ( 71,802 + )
√60 √60
Página 7 de 13
lOMoAR cPSD| 9188190
7,840 7,840
μ 95% = ( 71,802 − ) ± ( 71,802 + )
√60 √60
μ 95% = (71,802 − 1,012.13) ± (71,802 + 1,012.13)
μ 95% = (70,789.87) ± (72,814.13)
c. Calcule la probabilidad de que la media muestral x sea mayor que 73,000 dólares.
x̅ = 73,000
x̅ − μ
z =
σ
𝑧𝑧 = 73,000−71,802 / 4,000
𝑧𝑧 = 1,198 / 4,000
𝑧𝑧 = 0.2295
Valor de las tablas = 0.6141 (valores de los extremos)
P(z) = 0.6141
P (x> 73,000) = 1 – P (Z)
P (x> 73,000) = 1 – 0.6141
P (x> 73,000) = 0.3859 (38.59%)
d. Si una muestra aleatoria en realidad produjo una media muestral de 73,000
dólares, ¿consideraría usted que esto es poco común? ¿Qué conclusión obtendría?
Podemos determinar que el valor de la media muestral de 73,000 se encuentra fuera del
área de la curva de 72,814.
3. Requerimiento de Potasio. El requerimiento normal diario de Potasio en seres humanos
está en el intervalo de 2,000 a 6,000 miligramos (mg), con cantidades más grandes
necesarias durante los meses calurosos de verano. La cantidad de potasio en distintos
alimentos varía, pero las mediciones indican que el plátano contiene un nivel alto de
potasio, con aproximadamente 422 mg en un plátano de tamaño mediano. Suponga que
la distribución de potasio en plátanos está distribuida normalmente, con media igual a 422
mg y desviación estándar de 13 mg por plátano. Usted come n=3 plátanos al día y T es el
número total de miligramos de potasio que recibe de ellos.
Página 8 de 13
lOMoAR cPSD| 9188190
a. Encuentre la media y la desviación estándar de T.
𝜇𝜇 = 3(422) = 1266 𝑚𝑚𝑚𝑚
σ = √μ = √1266 = 35.58 mg
b. Encuentre la probabilidad de que su ingesta diaria de potasio de los tres plátanos
exceda de 1,300 mg. (Sugerencia: Observe que T es la suma de tres variables aleatorias
X1, X2 y X3, donde X1 es la cantidad de potasio en el plátano 1, etc.)
(̅x − 𝜇𝜇)
P(x > 434) = P (z < 𝜎𝜎 )
( )
√n
(̅4̅ 34 − 422)
P(x > 434) = P (z < 13 ) = 1.59
( )
√3
Según las tablas tenemos 0.056 (5.6% de probabilidad)
4. Duración de baterías para automóvil. Un fabricante de baterías para automóvil afirma
que la distribución del tiempo de duración (tiempo de vida) de las baterías de su mejor
marca tiene una media 𝜇𝜇 = 54 meses y una desviación estándar 𝜎𝜎 =6 meses. Suponga
que un grupo de consumidores decide verificar la afirmación y para ello compran una
muestra de 50 baterías y las somete a prueba para medir su tiempo de vida.
a. Suponiendo que la afirmación del fabricante es verdadera, describa la distribución
de muestreo de la media muestral cuando n=50 baterías.
𝜇𝜇 = 54
𝜎𝜎 = 6
𝑛𝑛 = 50
En este caso podemos decir que tenemos una distribución normal.
b. Suponiendo que la afirmación del fabricante es verdadera, ¿cuál es la
probabilidad de que la muestra de 50 baterías tenga un tiempo de vida de 52 meses o
menos?
(̅x − 𝜇𝜇)
P(x < 52) = P (z < 𝜎𝜎 )
( )
√n
Página 9 de 13
lOMoAR cPSD| 9188190
̅(̅5̅2̅ − 54)
P(x < 52) = P (z < ) = −2.3570
6)
(
√50
Según las tablas tenemos 0.00939 (0.94% de probabilidad)
5. Temperatura corporal. Suponga que la temperatura corporal de personas sanas se
distribuye aproximadamente normal con media 37.0 C y desviación estándar de 0.4 C.
a. Si 130 personas sanas se seleccionan aleatoriamente, ¿cuál es la probabilidad de
que la temperatura promedio para estas personas sea de 36.80 o menor?
(̅3̅6.8- 37)
P(x < 63.8) = P (z < ) = −5.7
0.4
( )
√130
Las tablas solo consideran hasta -3.5 por lo tanto, se considera un 0% de probabilidad
b. ¿Consideraría una temperatura promedio de 36.80 como poco probable de
ocurrir, si la verdadera temperatura promedio de las personas sanas es de 37 C?
Si, con el ejercicio anterior se confirma.
6. Costo de un apartamento. El costo promedio de un apartamento en el desarrollo Cedar
Lakes es de $62,000 usd con una desviación estándar de $4,200 usd.
a. ¿Cuál es la probabilidad de que un apartamento en este desarrollo cueste al
menos $65,000 usd?
(65000 − 62000)
P(x > 65000) = P (z >
) = 0.7142
(4200)
P(x > 65000) = 1 − 0.7142 = 0.2858 (28.58%)
b. La probabilidad de que el costo promedio de una muestra de dos apartamentos
sea al menos de $65,000 usd es mayor o menor que la probabilidad de que un
apartamento cueste eso? ¿En qué cantidad difiere?
̅(̅6̅-5000- 62000)
P(x > 65000) = P (z < ) = 1.01015
4200
( )
√2
Según tabla 0.1562 (15.62%)
Por lo tanto 28.58% - 15.62% nos da una diferencia de 12.69%, por lo tanto, la
probabilidad si es menor.
Página 10 de 13
lOMoAR cPSD| 9188190
7. Lanzamiento de una moneda. Una moneda justa se lanza n = 80 veces. Sea p ˆ la
proporción muestral de caras (soles).
Encuentre P(0.44<p< 0.61)
𝑝𝑝𝑝(1 − 𝑝𝑝𝑝)
𝜎𝜎𝜎𝜎𝜎 = √
𝑛𝑛
0.5(1 − 0.5)
𝜎𝜎𝜎𝜎𝜎 = √ = 0.0559
80
P (0.44<p< 0.61)
P (Z1<p<Z2)
𝑝𝑝𝑝 − 𝑝𝑝
𝑍𝑍 =
𝜎𝜎𝜎𝜎
0.44 − 0.5
𝑍𝑍1 = = −1.0733 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = 0.1423
0.0559
0.61 − 0.5
𝑍𝑍2 = = 1.9677 = 0.02455
0.0559
𝑍𝑍1 − 𝑍𝑍2 = 0.11775
8. Herramientas defectuosas. Se ha encontrado que 2% de las herramientas que produce
cierta máquina tienen algún defecto. ¿Cuál es la probabilidad de que en 400 de dichas
herramientas,
a. 3% o más tengan algún defecto?
N>30 si cumple
Np= 0.02*400=8 si cumple
N(1-p) =400(1-0.02) = 392 si cumple
0.02(1 − 0.02)
𝜎𝜎𝜎𝜎𝜎 = √ = 0.007
400
0.03 − 0.02
𝑍𝑍 = = 1.42
0.007
Valores en tabla 0.9222 – 1 = 0.0888 (8.88%)
Página 11 de 13
lOMoAR cPSD| 9188190
b. 2% o menos tengan algún defecto?
0.02 − 0.02
𝑍𝑍 = =0
0.007
Valores en tabla 0.500 (50.00%)
CONCLUSIONES
¿Qué es un parámetro poblacional?
Valor verdadero de la media de alguna característica de la población y que, cuando es
desconocido, puede estimarse mediante una muestra.
¿Qué es una estadística muestral?
Es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el
objetivo de estimar o inferir características de una población o modelo estadístico.
¿Qué entendemos por la distribución de muestreo de una estadística muestral?
Como aquello que resulta de considerar todas las muestras posibles que pueden ser
tomadas de una población, estudiarla nos permite calcular la probabilidad, dada una sola muestra,
de acercarnos al parámetro de la población.
¿Qué entendemos por el error estándar de una distribución de muestreo?
Como una estimación de la cantidad que el valor de una estadística prueba varia de muestra
a muestra.
Página 12 de 13
lOMoAR cPSD| 9188190
REFERENCIAS
Dennis D., W., Mendenhall, W. I., & Scheaffer, R. L. (2009). Estadística Matemática con
Aplicaciones (7 ed.). Mexico, México: Cengage Learning.
Devore, J. L. (2016). Probabilidad y Estadistica para Ingenieria y Ciencias (9 ed.). Cengage
Learning. Retrieved from [Link]
McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.
Mendenhall, W. I., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la Probabilidad y
Estadística (14 ed.). México, D.F: CENGAGE Learning.
Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadistica para Negocios y Economia (11
ed.). Cengage Learning. Retrieved from [Link]
* * *
Página 13 de 13
