ESTADISTICA INFERENCIAL

ACTIVIDAD 1: EJERCICIOS

Nombre de los Estudiantes:

RODOLFO ZAMACONA BRAVO.

Profesor:
LEONARDO RODRIGUEZ MEDINA

DOMINGO 24 DE NOVIEMBRE DE 2024

 ACTIVIDAD 1:
EJERCICIOS SOBRE DISTRIBUCIONES MUESTRALES

Fecha:24/11/2024
Nombre del estudiante: Rodolfo Zamacona Bravo
Nombre del docente: Leonardo Rodriguez

 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

2 + 3 + 6 + 8 + 11
𝜇= =6
5

b. La desviación estándar de la población

𝜎√(2−6)2 +(3−6)2 +(6−6)2 +(8−6)2+(11−6)2 54

𝜎 =√5 𝜎 = 3.286
5

c. El valor esperado de la media muestral

2 3 6 8 11 2 3 6 8 11
2 (2,2) (2,3) (2,6) (2,8) (2,11) 2 2 2.5 4 5 6.5
3 (3,2) (3,3) (3,6) (3,8) (3,11) 3 2.5 3 4.5 5.5 7
6 (6,2) (6,3) (6,6) (6,8) (6,11) 6 4 4.5 6 7 8.5
8 (8,2) (8,3) (8,6) (8,8) (8,11) 8 5 5.5 7 8 9.5
11 (11,2) (11,3) (11,6) (11,8) (11,11) 11 6.5 7 8.5 9.5 11
2.5+4+5+6.5+4.5+5.5+7+7+8.5+9.5
𝜇= 𝜇=6
10

Página 1 de 6
 d. La desviación estándar (error estándar) de la media muestral

2 3.29
𝜎 = = 2.32
𝑥 2√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,   10, 2  9
𝜇 = 𝜇𝑥 = 10
𝜎 3
𝜎𝑥 = = = 0.5
√𝑛 √36

b. n  100,   5, 2  4
𝜇 = 𝜇𝑥 = 5
𝜎 2
𝜎𝑥 = = = 0.2
√𝑛 √100

c. n  8,   120, 2 1

𝜇 = 𝜇𝑥 = 10
𝜎 1
𝜎𝑥 = = = 0.35
√𝑛 √8

Si las poblaciones muestreadas son normales, ¿cuál es la distribución de muestreo de X para

los incisos a, b y c?
Cuando la población es normal, la distribución de muestreo también lo será.

Página 2 de 6
 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?

Para que se considere normal “n” debe ser igual o mayor que 30.
En este caso el inciso c) no cumple, mientras el (a y b) si.

3. Una muestra aleatoria de n observaciones se selecciona de una población con desviación

estándar   1. Calcule el error estándar de la media (SE) para los siguientes valores de n .

a. n  1
𝜎 1
𝑆𝐸 = = =1
√𝑛 √1

b. n  2
𝜎 1
𝑆𝐸 = = = 0.707
√𝑛 √2

c. n4
𝜎 1
𝑆𝐸 = = = 0.5
√𝑛 √4

d. n  9
𝜎 1
𝑆𝐸 = = = 0.333
√𝑛 √9

e. n  16
𝜎 1
𝑆𝐸 = = = 0.25
√𝑛 √16

f. n  25
𝜎 1
𝑆𝐸 = = = 0.20
√𝑛 √25

g. n  100
𝜎 1
𝑆𝐸 = = = 0.1
√𝑛 √100

Página 3 de 6
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:

a. n  100, p  0.3
𝑝(1−𝑝) (.3)(.7)
𝜇𝑝 = 𝑝 = 0.3 𝜎𝑝 = √ 𝑛
=√ 100
= √. 0021 = 0.0458

b. n  400, p  0.1
𝑝(1−𝑝) (.1)(.9)
𝜇𝑝 = 𝑝 = 0.1 𝜎𝑝 = √ 𝑛
=√ 400
= √. 000225 = 0.015

c. n  250, p  0.6
𝑝(1−𝑝) (.6)(.4)
𝜇𝑝 = 𝑝 = 0.6 𝜎𝑝 = √ 𝑛
=√ 250
= √. 00096 = 0.0309

5. ¿Es adecuado utilizar la distribución normal para aproximar la distribución de muestreo de P̂

en las siguientes circunstancias?
Debe establecerse que cumpla con:
 n≥30
 np≥5 y n(1-p) ≥ 5

a. n  50, p  0.05
si cumple debido a que n ≥ 30 = 50
np = (50)(0.05) = 2.5 no cumple
n(1-p) = 50(0.95)= 47.5 si cumple

b. n  75, p  0.1
si cumple debido a que n ≥ 30 = 75
np = (75)(0.1) = 7.5 si cumple
n(1-p) = 75(0.9)= 74.25 si cumple

c. n  250, p  0.99
si cumple debido a que n ≥ 30 = 250
np = (250)(0.99) = 247.5 no cumple
n(1-p) = 250(0.01)= 2.5 si cumple

Página 4 de 6
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

𝑥−µ 7−8 −1 −1
𝑝 = (𝑥 < 7) = 𝑝 = (𝑧 𝜎 = 4 = 4 = 0.73 = −1.3698
√𝑛 √30 5.48
𝑝 = (𝑥 < 7) = 𝑝(𝑧 < −137) = 0.0853
8.53% que sea menor a 7 años

b. La duración promedio excede de 7 años

𝑝 = (𝑥 > 7) = 1 − (𝑥 > 7) = 1 − 0.0853 = 0.9147
91.47 % que sea mayor a 7 años

c. La duración promedio está a no más de un año de la media poblacional µ=8

𝑝(7 < 𝑥 < 9) = 𝑝(−1.369 < 𝑧 < 1.369) = 0.9147 − 0.0853 = 0.8294

82.94% que sea entre 7 y 9 años

Grafique el error estándar de la media (SE) contra el tamaño muestral n y enlace los
puntos conuna curva suave. ¿Cuál es el efecto de aumentar el tamaño de muestra
sobre el error estándar?

SE 𝝈 n SE
4 30 0.73
0.8 4 35 0.67
0.6 4 40 0.63
0.4
4 45 0.59
0.2
4 50 0.56
0
0 20 40 60

Página 5 de 6
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

𝜇𝑥 = 𝜇 = 71802
𝜎 = 4000

𝜎 4000
= = 516.40
√𝑛 √60

b. ¿Dentro de qué límites se esperaría que esté el promedio muestral, con

probabilidad 0.95?

1.96(4000) 1.96(4000)
𝜇 95 = (71802 − ) ± (71802 + )
√60 √60

7840 17840
𝜇 95 = (71802 − ) ± (71802 + )
√60 √60

𝜇 95 = (71802 − 1012.13) ± (71802 + 1012.13)

𝜇 95 = (70789.87) ± (72814.13)

c. Calcule la probabilidad de que la media muestral x sea mayor que 73,000 dólares.
𝑥−𝜇
X= 73000 𝑧= 𝜎

73000−71802 1198
𝑧= 4000 𝑧= 516.79
z= 2.318
√60

P(z)= 2.318

𝑝(𝑥 > 73000) = 𝑝(𝑧 > 2.32) = 0.4898

Página 6 de 6
 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?
Debería haber un error ya que esto supera el área límite de 72814, por lo tanto se requiere una
mayor cantidad de muestras

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.

a. Encuentre la media y la desviación estándar de T .

𝜇 = 422 𝜎 = 13

𝜎 13
𝜇𝑥 = 𝜇 = 422 𝜎𝑥 = = = 7.5
√𝑛 √3

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 + 𝑥3 donde 𝑥1 es la cantidad de potasio en el plátano 1, etc.

𝑥−𝜇 1300 − 1266

𝑧= 𝜎 = = 1.232 = 0.891
39
√𝑛 √2

𝑃 (𝑧 > 1300) = 1 − 0.891 = 0.109

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   54 meses y una desviación estándar   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.

Página 7 de 6
 a. Suponiendo que la afirmación del fabricante es verdadera, describa la distribución
de muestreo de la media muestral cuando n  50 baterías.

𝜇 = 54 𝜎=6 n=50

𝜇𝑥 = 𝜇 = 54

𝜎 6
𝜎𝑥 = = = 0.8485
√𝑛 50

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−𝜇 52 − 54
𝑧= 𝜎 = = −2.357 = 0.00921
6
√𝑛 √50

P(x≤52) = 1 - 0.00921 = 0.99079

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?

𝜇 = 37 𝜎 = 0.4
𝜎 0.4
𝜇𝑥 = 𝜇 = 37 𝜎𝑥 = = = 0.035
√𝑛 √130

𝑥−𝜇 36.8 − 37 −0.2

𝑍𝑐 = 𝜎 = = = −.714
0.4 0.035
√𝑛 √130

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?

Página 8 de 6
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?

“al menos” = ≥ µ = 62000 𝜎 = 4200

𝑥−𝜇 65000 − 62000

𝑍= = = 0.71
𝜎 4200

𝑝(𝑥 ≥ 65000) = 𝑝(𝑧 ≥ 0.71) = 0.5 − 0.2611 = 0.2389

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?
𝑥−𝜇 65000 − 62000
𝑍= 𝜎 = = 1.01
4200
√𝑛 √2
𝑝(𝑧 ≥ 1.01) = 0.5 − 0.3438 = 0.1562

7. Lanzamiento de una moneda. Una moneda justa se lanza n  80 veces. Sea pˆ la proporción
muestral de caras (soles). Encuentre P(0.44  p̂  0.61)

1
𝑝= = 0.5 𝑛 = 80
2
𝑝−𝑃 0.61−0.5 𝑝−𝑃 0.44−0.5
𝑍= 𝑃𝑞
= (.5)(.95)
= 1.43 𝑍= 𝑃𝑞
= (.5)(.95)
= −0.78
√ √ √ √
𝑛 80 𝑛 80

𝑃(0.44 < 𝑝 < 0.61) = 𝑃(0.61 < 𝑝) − 𝑝(0.44 < 𝑝)

𝑃(1.43 < 𝑧) − 𝑝(0.78 < 𝑧)

0.4236 − 0.2823 = 0.1413

Página 9 de 6
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?

b. 2% o menos tengan algún defecto?

 Redacta una conclusión en la que expliques en qué consisten los siguientes conceptos:
• ¿Qué es un parámetro poblacional?
Son los valores estadísticos reales de una población obtenidos de una muestra.

• ¿Qué es una estadística muestral?

Son los resultados obtenidos a través de la muestra, para ello la muestra debe ser
representativa de población, aleatoria y entre mayor cantidad mas confiable.

• ¿Qué entendemos por la distribución de muestreo de una estadística muestral?

Es la que nos da la información sobre la distribución de los valores en base a las
muestras extraídas de la población.

• ¿Qué entendemos por el error estándar de una distribución de muestreo?

Permite detectar el rango de valores que estan en la desviación estándar del error.

Referencias

 Llinás Solano, H. (2010). Estadística Inferencial . Recuperado de

https://pdfcoffee.com/qdownload/estadistica-inferencial-humberto-llinas-solano-e-pubmepdf-5-pdf-
free.html
 Devore, J. L. (2008). Probabilidad y Estadística para Ingeniería y Ciencias. Recuperado de
https://intranetua.uantof.cl/facultades/csbasicas/matematicas/academicos/jreyes/DOCENCIA/APUNT
ES/APUNTES%20PDF/Probabilidad%20y%20Estadistica%20para%20Ingenieria%20y%20Ciencias%
20-%20Jay%20Devore%20-%20Septima%20Edicion.pdf
 Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2012). Estadística para negocios y Economía (11a
ed.) Recuperado de https://pdfcoffee.com/estadistica-para-negocios-y-economia-anderson-11a-
edicion-4-pdf-free.html

Página 10 de
6