GUIA DE TRABAJO N°3

JOSE DANIEL GOMEZ TAPIA ID:751871

ANA SOFIA TOVAR CASTRO ID:833920

LILIANA MERCHAN TAO ID:839944

CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS

IBAGUÉ – TOLIMA
NRC: 2023
2023
 GUIA DE TRABAJO N°03

ENTREGADO POR:

JOSE DANIEL GOMEZ TAPIA ID:751871

ANA SOFIA TOVAR CASTRO ID:833920

LILIANA MERCHAN TAO ID:839944

ENTREGADO A:

JORGE LUIS BUSTOS GALINDO

EN ESTADISTICA INFERENCIAL

CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS

IBAGUÉ – TOLIMA
NRC: 2023
2023
INTRODUCCIÓN

Una de las herramientas de mayor uso en las empresas es la utilización de la curva

normal para describir situaciones donde podamos recopilar datos. Esto nos permite
tomar decisiones que vayan a la par con las metas y objetivos de la organización.
Las técnicas del muestreo se utilizan frecuentemente cuando se quiere conocer
cuáles son las características generales de una población.
 GUÍA DE TRABAJO Nº03

1. Dada una distribución normal, encuentre el área bajo la curva que cae:

a. A la izquierda de z = 1.52

P = [ Z< z] P = [Z < 1,52] P = 0.9357 P =

93.57%
b. A la derecha de z = − 0.9

P = [ Z >-z] = P[Z<z] P = [ Z >-0.9] =

P[Z<0.9]
P= 0.8159
P= 81.59%

c. Entre 1.8 y 2.7

P = [z1 < Z < z2] = P = [ Z<

z2] – P [ Z < z1] P = [ 1,8 < Z
< 2.7] = P = [ Z< 2,7] – P [ Z
< 1.8]
P= 0.9965 – 0.9641
P = 0.0324 P = 3.24%
d. A la izquierda de z = − 1.93

P = [Z< -z] = 1 - P [Z < z] P = [Z < 1.93] =

1 - P [Z < 1.93]
P= 1 – 0.9732
P= 0.0268
P= 2.68%

2. Encuentre el valor z si el área bajo la curva estándar:

a. A la derecha es 0.3510

P = [Z > zt]=0.3510 (+z)

P== [Z > zt]=1- [Z < zt]= 0.3510
P = [Z < zt]= 1-0.3510
P = [Z < zt]= 0.649
P = 0,38+ 0.39 = 0.385
2
P = 0.385
+Z = 0.385
b. Entre 0 y z es 0.4838, con z > 0
P = [0 < Z < Z] = 0.4838
P= [Z < z] – P [Z < 0] = 0.4838
P= [Z < z] -0.5000 = 0.4838
P= [Z < z] = 0.4838 + 0.5000
P= 0.9838
P= 2.14

c. A la izquierda es 0.1234

P = [Z< -z] = 0.1234

-1 P [Z< -z] = 0.1234
P = [Z< z] = 1 – 0.1234 P = [Z< z] =
0.8766

P = 1.15 + 1.16 = 1.15

2
z = 1.15 -z = -1.15

3. Sea X N (100, 225). Halle las probabilidades siguientes:

𝜇: 100 𝜎 ^2: 225 𝜎: 15

a. P [X < 92.5]

Z = 92.5 - 100 = -0.5

15
P = [ X < 92.5] = [Z < -0.5]
P = [Z< -0.5] = 1 - P [Z< 0.5]
P = 1 – 0.6915
P = 0.3085
P = 0.3085*100
P = 30.85%

b. P [X > 76]

Z = 76 - 100 = -1.6
15
P = [ X > 76] = [Z > -1.6]
P = [Z > -1.6] = [Z< 1.6]
P = 0.9452
P = 0.9452
P = 0.9452 *100
P = 94.52%
c. P [77.5 < X < 100]

Z = 77.5 - 100 = -1.5

15
Z = 100 - 100 = 0
15
P = [ X < 77.5] = [Z < -1.5]
P = [Z< 0] = [Z< -1.5]
P = 0.5000 - (1 – 0.9332)
P = 0.5000 - 0.0668
P = 0.4332 *100
P = 43.32%

4. Para la variable definida en el problema 3, halle el valor x que satisface:

𝜇: 100 𝜎 ^2: 225 𝜎: 15

a. P [X < x] = 0.75 (+z) P = 75%

 P = [Z< z] = 0.75
P = 0.75
P = 0.67 + 0.68 = 0.675
2
X= 100+(0.675) (15)
X= 110.125

b. P [X > x] = 0.10 (+z)

P = 10%

P = [Z > z] = 0.10
P = [Z > z] = [Z > 0.10]
P = [Z > 0.10] = 1 - P [Z < 0.10]
P = 1 - 0.10
P = 0.90
P = 1.28 + 1.29 = 1.285
2 Z= 1.285
X= 100+(1.285) (15)
X= 119.275
 c. P [X < x] = 0.05 (-z) P = 5%

P = [Z < z] = 0.005
P = [Z < z] = [Z < -0.05]
P = [Z < -0.05] = 1 - P [Z < 0.05]
P = 1 - 0.05
P = 0.95
P = 1.64 +1.65 = 1.645
2
-Z = - 1.645
X= 100+(-1.645) (15)
X= 75.325

5. Suponga un test normal de puntuación

media de 75 y una desviación estándar
de 6, tres estudiantes A, B y C fueron notificados de tener puntuaciones Z
normales estándares de 1.8, 0.5 y −0.8 respectivamente. Halle las notas
obtenidas por A, B y C.

𝜇: 75 𝜎: 6 Z: A (1.8), B (0.5), C (-0.8)

X= 𝜇 + (Z)(𝜎)
Estudiante A X= 75 + 1.8 (6) = 85.8

Estudiante B X= 75 + 0.5 (6) = 78

Estudiante C X= 75 + (-0.8) (6) = 70.2

Conclusión: La puntuación obtenida por los estudiantes A, B y C son A

85.5, B 78 y C 70.2.

6. Una fábrica de harina empaqueta en sacos de tela. El saco de harina se

acepta como de distribución normal con media y desviación estándar iguales
a 25 y 0.5 respectivamente. Si se toma al azar un saco, ¿cuál es la
probabilidad de que:
 𝜇: 25 𝜎: 0.5
Z=x-𝜇
𝜎

a. Pese cuando más 24.75?

Z = 24.75 - 25 = -0.5
0.5
P = [Z<-z] = 1 - P [Z< z]
P = [Z< -0.5] = 1 - P [Z< 0.5]
= 1 – 0.6915
= 0.3085
= 0.3085*100
= 30.85%

Conclusión: La probabilidad de tomar un

saco al azar y pese igual o más de 24.75 es
del 30.85%.

b. Pese por lo menos 26.25?

Z = 26.25 - 25 = 2,5
0.5
P = [Z >2.5] = 1 - P [Z< 2.5]
P = 1 - P [2< 2.5]
= 1 – 0.9938
= 0.0062
= 0.0062*100
= 0.62%
 Conclusión: La probabilidad de tomar un saco al azar y pese igual o menos
de 26.25 es del 2.02%.

7. Una máquina despachadora de refrescos está ajustada para servir en

promedio 200 mililitros por vaso. Si la cantidad de refrescos es normalmente
distribuida con una desviación estándar igual a 15 mililitros.
𝜇: 200 𝜎: 15 Z: A (224), B (191-209), C (230), D (25%)

Z=x-𝜇
𝜎

a. ¿Qué fracción de los vasos contendrá más de 224 mililitros?

Z = 224 - 200 = 1.6

15
P = [Z >1.6] =
P = 1-P [Z <1.6]=
P = 1-0.9452
P =0.0548= 5,48%

Conclusión: Hay una probabilidad de 94.52% de que los vasos contengan más
de 224 mililitros de refresco.
b. ¿Cuál es la probabilidad de que un vaso contenga entre 191 y 209 mililitros?
 Z = 191 - 200 = -0.6 Z
= 209 - 200 = 0.6 15
15

P = [-0.6 < Z < 0.6] = P [Z < 0.6] – P [Z

< -0.6] P = 0.7257 – (1 - P [ Z <
0.6]) P = 0.7257 – [1 - 0.7257] P
= 0.7257 – 0.2743 P = 0.4514 P
= 0.4514*100 P = 45.14%

Conclusión: La probabilidad de que

un vaso contenga entre 191 y 209 mililitros es de 45.14%.

c. ¿Cuántos vasos probablemente se derramarán si se utilizan vasos de 230

mililitros en los siguientes 1000 refrescos?

Z = 230 - 200 = 2
15

P = [Z >2] = 1 – P [Z < 2] P = 1 – 0.9772

P = 0.0228 P = 0.0228*1000 P=
22.8 = 23

Conclusión: Si se utilizan vasos de 230 mililitros

existe la probabilidad que de los 1000 vasos se derramarían 23 vasos.
d. ¿Bajo qué valor se obtiene el 25% más pequeño de los refrescos?
 Z = __25 _= 0.25
100

P = [Z >-z] = 0.25
P=1 – P [Z <z]=0.25 P = 1 – 0.25 P=
0.75
P = 0.67 +0.68 = 0.675
2

-Z = -0.675
X= 𝜇 + Z(𝜎)
X = 200 + (-0.675) (15)
X=189.875
X=190

Conclusión: El valor más pequeño que se obtiene del 25% es de 190 refrescos.

8. La vida útil de cierta marca de batería para automóvil se admite con distribución
normal con media 𝜇= 38 meses y desviación estándar 𝜎=2 meses. Si la
compañía no desea reemplazar más del 5% de las baterías vendidas, ¿qué
tiempo de garantía debe ofrecer?

𝜇: 38 𝜎: 2 Z: 5%

Z = __5 _= 0.05
100

P = [Z < 0.05] = P [Z  0.05]

P = [Z  0.05]= 1- P [Z < 0.05] P=
1 - 0.05 P = 0.95
P = 1.64 +1.65 = 1.645
2

-Z = -1.645
X= 𝜇 + Z(𝜎)
X = 38 + (-1.645) (2)
X=34.71

Conclusión: La compañía debe ofrecer una garantía de 35 meses.

9. Los estudiantes de cierta escuela secundaria tienen un coeficiente intelectual
promedio de 106 y varianza 256. Al suponer la distribución normal, halle la
proporción de estudiantes con coeficiente intelectual.

𝜇: 106 𝜎 ^2: 256 𝜎: 16

Z=x-𝜇
𝜎

a. Igual o menor que 98.

Z = 98 - 106 = -0.5
16
P = [Z < -0.5] = 1 – P [Z < 0.5]
P = 1 – 0.6915
P = 0.3085
P = 0.3085*100
P = 30.85% = 31

Conclusión: El 31% de los estudiantes tienen un coeficiente intelectual igual

o menor que 98.

b. Igual o menor que 130.

Z = 130 - 106 = 1.5

16

P = [Z < 1.5] = 0.9332

P = 0.9332*100
P = 93.32%
 Conclusión: El 93% de los estudiantes tienen un coeficiente intelectual igual
o menor que 130.
c. Igual o mayor que 127.

Z = 127 - 106 = 1.31

16

P = [Z > 1.3125] = 1 – P [Z < 1.31]

P = 1 – 0.9049
P = 0.0951
P = 0.0951*100 P = 9.51%

Conclusión: El 95% de los estudiantes tienen un coeficiente intelectual igual

o mayor que 127.
d. Entre 94 y 118.
 Z = 94 - 106 = -0.75 Z=
118 - 106 = 0.75
16 16

P = [-0.75 < Z < 0.75] = P [Z <

0.75] – P [Z < -0.75] P = 0.7734 –
(1 - P [ Z < 0.75]) P = 0.7734 –
[1 – 0.7734] P = 0.7734 – 0.2266
P = 0.5468 P=
0.5468*100 P = 54.68%

Conclusión: El 55% de los estudiantes tienen un coeficiente intelectual entre

el 94 y 118.
10. Plantee y desarrolle un ejercicio (Problema de aplicación en su área de
conocimiento) de la distribución de Normal. El ejercicio debe ser de su autoría.

La junta de contadores tiene un promedio de procesos legales de contadores

de 72 con una varianza de 324. Al suponer que la distribución es normal. Halle
la proporción de contadores inscritos en la JNC que tengan procesos entre
los 30 y 45 años.
𝜇: 72 𝜎 ^2: 324 Z= 𝜎: 18
x-𝜇
𝜎

P [30 < Z < 45]

Z = 30 - 72 = -2.3 Z = 45 - 72 = -1.5
18 18

P [-2.3 < Z < -1.5] = P [ Z < z2] – P [Z < z1]

P [-2.3 < Z < -1.5] = [1 - P [Z < 1.5]] - [1 - P [Z < 2.3]]
= [1 – 0.9332] – [1 - 0.9893]
= 0.0668 – 0.0107
= 0.0561
= 0.0561*100
= 5.61%

Conclusión: El 5.61% de los contadores inscritos en la JNC tienen procesos

entre los 30 y 45 años.
 GUÍA DE TRABAJO Nº04

1. Explique qué clase de muestreo emplearía, en las siguientes situaciones:

a. La Secretaría de Salud de cierta ciudad, quiere realizar un estudio de las
personas que contraen una infección de transmisión sexual (ITS) y teniendo en
cuenta que mucha de esta población no ha sido diagnóstica por los centros de salud,
entonces no se tienen los registros verdaderos de aquellas personas que padecen
de estas enfermedades.
-Bola de nieve: Ya que la población está dispersa, pero en contacto entre sí, y al
no tener un registro no se sabe la cantidad exacta de la población.
b. Bienestar universitario quiere realizar un estudio de cómo se encuentran los
250 egresados laboralmente. Para ello se decide realizar un tipo de muestreo.
-Muestreo aleatorio simple (MAS): Con reemplazo, ya que la población es finita
pequeña y además se está trabajando con un elemento que puede ser observado
más de una vez.

2. Suponga que las estaturas de los hombres tienen distribución normal con
desviación estándar de 2.5 pulgadas. ¿De qué tamaño se debe tomar la muestra si
se desea determinar un intervalo de confianza del 95% para una media con un error
de estimación de 0.5?
𝜎: 2.5
d: 0.5
Nivel De Confianza del 95%
𝛼: 5%
𝑍 (1−𝛼/2) 𝑍 0.975=1.96.
n: : 96.04
= 96 :

Conclusión: El tamaño de la muestra debe ser de 96.

3. Un químico ha preparado un producto diseñado para matar el 80% de un tipo

particular de insectos, ¿de qué tamaño se debe escoger la muestra para estimar la
verdadera proporción si se requiere un intervalo de confianza del 95% y un error de
estimación del 2%?
𝜎: 80% p:0.50 d: 2% d:0.02
Nivel De Confianza del 95% Z: 1.96 Z: 1.96
𝛼: 5%
𝑍 (1−𝛼/2) 𝑍 0.975=1.96.

n: 1.537

Conclusión: Se debe escoger una muestra de 1.537 insectos para estimar el nivel
de mortalidad del químico.
4. Un técnico desea determinar el tiempo promedio que los operarios tardan en
preparar sus equipos. ¿Qué tamaño debe tener la muestra si se necesita una
confianza del 95% de que su media muestral estará dentro de 15 segundos del
promedio real? Suponga que por estudios anteriores se sabe que 𝜎=45 segundos.
𝜎: 45
d: 15
Nivel De Confianza del 95%
𝛼: 5%
𝑍 (1−𝛼/2) 𝑍 0.975=1.96.

n: = 345.744 =
Conclusión: La muestra debe tener un tamaño de 35 segundos.
5. Se desea estimar el peso promedio de un lote de 500 naranjas. Para ello se
va a escoger aleatoriamente cierto número de naranjas. Se desea que el error de
estimación sea máximo de 2 onzas con un nivel de confianza del 90%. ¿Cuántas
naranjas deben seleccionarse? Suponga que 𝜎=5.
𝜎: 5 d:
2
N:500
Nivel De Confianza del 90%
𝛼: 10%
𝑍 (1−𝛼/2) 𝑍 =1.645.

n: = 16.39 = 16 =

Conclusión: Se deben seleccionar 16 naranjas.

6. Se desea estimar la proporción de estudiantes que están a favor de la

legalización de las drogas prohibidas. El error de estimación se requiere del 1% y
un nivel de confianza del 99%. ¿Cuántos estudiantes deben incluirse en la muestra?

p: 0.5
Nivel De Confianza del 99%
𝛼: 1%
𝑍 (1−𝛼/2) 𝑍 =2.575.

n: = 16.576 = 17
Conclusión: Se deben incluir 17 estudiantes en la muestra.

7. Se desea estimar la fuerza promedio para levantar a un niño de seis años.

Como no se tenía información sobre la varianza de esta población se procedió a
tomar una muestra piloto para estimarla; los resultados fueron los siguientes: 2.24,
2.26, 2.47, 1.56, 1.72, 1.48, 2.40, 2.03, 1,72, 2.10, 1.74, 1.55. Si se desea estimar
un intervalo del 95% de confianza con un error de estimación de 0.1. ¿De qué
tamaño se debe escoger la muestra? Suponga que estos datos provienen de una
distribución normal.
𝜎: 2.5
d: 0.5
Nivel De Confianza del 95%
𝛼: 5%
𝑍 (1−𝛼/2) 𝑍 0.975=1.96.

n: =10.33

Conclusión: Se deben escoger una muestra de 10 niños.

8. El jefe de personal de una empresa desea realizar una encuesta para

determinar la proporción de trabajadores que está a favor de un cambio del horario
de trabajo. Como es imposible consultar a los 500 trabajadores en un lapso
razonable, procede a escoger aleatoriamente cierto número de trabajadores para
entrevistarlos; determine el número de trabajadores que debe entrevistarse si se
desea que la proporción estimada presente un error máximo del 5% y un nivel de
confianza del 95%.
p: 0.5
d: 0.05
N: 500
Nivel De Confianza del 95%
𝛼: 5%
𝑍 (1−𝛼/2) 𝑍 0.975=1.96.

n: = 217.4917 = 217

Conclusión: Se debe entrevistar a 217 trabajadores

9. Plantee y desarrolle un ejercicio (Problema de aplicación en su área de

conocimiento) de tamaño de muestra. El ejercicio debe ser de su autoría.

Se desea realizar una encuesta a los empleados de la empresa DRAH FASHION

sobre la atención que obtienen al presentar quebrantos de salud; se sabe por
encuestas anteriores que una proporción del 70% de los empleados respondieron a
que era REGULAR, Con esto, se desea averiguar el tamaño de la muestra que se
debe tomar de los empleados detallando que no se espera un error de estimación
mayor al 5%, con un nivel de confianza del 95%.
P: 70% =
0.7 NC: 95%
d: 5% =0.05

Z: 1.96
n: : 322.6944
Conclusión: Se le realizan la encuesta a el número de 323 empleados sobre la
atención que obtiene al presentar quebrantos de salud en la empresa DRAH
FASHION.

CONCLUSIÓN

Podemos concluir la importancia de las distintas propiedades probabilísticas y la

transformación de ellas que pueden ser empleadas en nuestra vida cotidiana
cuando necesitamos valores de probabilidad o un análisis con muestras o cierta
cantidad de población para realizar la probabilidad o el muestreo. El muestreo es
por lo tanto una herramienta de la investigación cuya función es determinar que
parte de una población debe examinarse, con la finalidad de hacer conclusiones
sobre dicha población.
También podemos ver la implementación y la retroalimentación al fortalecimiento de
las fórmulas y el cambio de sus valores.