UNIVERSIDAD DE LAMBAYEQUE

ESCUELA DE ING. AMBIENTAL/ING. DE SISTEMAS

SEPARATA DE ESTADSTICA INFERENCIAL

MUESTREO E INFERENCIA ESTADSTICA

AUTOR: MSc. CARLOS DANIEL GONZALES HIDALGO

1
1. MUESTREO Y DISTRIBUCIONES MUESTRALES

Al iniciar el estudio de la Estadstica, encontramos que tiene como objetivo dar a conocer un conjunto
de mtodos para recolectar y clasificar informacin, que luego debe ser analizada e interpretada
adecuadamente, de modo que sea til en la toma de decisiones. Esto nos permiti encontrar dos ramas
bien diferenciadas de la Estadstica llamadas: Estadstica Descriptiva y Estadstica Inferencial.

La primera ya fue estudiada ampliamente en la ESTADISTICA GENERAL, la segunda es el

propsito fundamental de nuestro estudio.

La ESTADISTICA INFERENCIAL O INFERENCIA ESTADSTICA, es el aspecto ms importante

en la toma de decisiones, tanto en las ciencias naturales como en las ciencias sociales. La inferencia
Estadstica se refiere a la ESTIMACION y a la PRUEBA DE HIPOTESIS, siendo la estimacin el
proceso de utilizar ESTADISTICOS (como la media de la muestra y desviacin estndar de la muestra)
que se obtienen de los datos muestrales y sirven para estimar su verdadero valor o PARAMETRO de la
poblacin. Como en las dos unidades anteriores examinamos las reglas bsicas de probabilidad de un
evento y las distribuciones de probabilidad como la binomial, de Poisson y la normal, en esta unidad
utilizaremos estos conocimientos de probabilidad de modo que puedan utilizar ciertos estadsticos para
hacer inferencias en cuanto a los parmetros de la poblacin. En consecuencia, por provenir los
estadsticos de la MUESTRA, es sta el vehculo para llegar a conclusiones acerca de la poblacin. As
tenemos que si queremos utilizar la media de la muestra para estimar la media de la poblacin debemos
determinar todas las muestras posibles y la media de cada una de ellas. A la distribucin de probabilidad
de estas medias se le denomina DISTRIBUCION MUESTRAL DE LA MEDIA.

Por ltimo, recordaremos que una poblacin est representada por el conjunto de todos los valores
(observaciones) posibles que puede tomar una variable, por lo cual diremos indistintamente que la
distribucin de la poblacin es la distribucin de la variable.

1.1. MUESTREO

Los datos necesarios para tomar decisiones se renen ya sea estudiando todas las posibles
observaciones de la poblacin (CENSO), ya seleccionado unas pocas de la observaciones para realizar el
estudio (MUESTRA). El propsito fundamental de muestreo es ESTIMAR EL PARAMETRO de la
poblacin basado en el ESTUDIO MUESTRAL

Existen muchas razones para realizar muestreo en una poblacin, entre las que mencionaremos:

1) El costo elevado al exarninar a toda la poblacin.

2) La imposibilidad de estudiar toda la poblacin, como por ejemplo, los peces de un lago.

2
3) Las limitaciones de tiempo. como las que recaen sobre los encuestadores polticos antes de una
eleccin.

4) La ndole destructiva de Ciertas investigaciones, como por ejemplo, al estudiar el tiempo de vida de
focos de luz de cierta marca.

Todas las anteriores razones nos indican que el uso de muestras ofrece las siguientes ventajas:

1. Ahorra dinero, tiempo y trabajo.

2. Permite una mayor exactitud en el estudio, pues los errores debidos al observador, al objeto observado
y al mtodo de observacin, pueden disminuir y controlarse ms efectivamente.

La nica desventaja del uso de muestras es el llamado ERROR DE MUESTREO, dado por la diferencia
entre el valor que describe a la muestra y el verdadero valor de la poblacin. Este error se debe a que las
muestras seleccionadas de una poblacin difieren unas de otras y como nosotros estudiamos una muestra
para generalizar luego a toda la poblacin. Entonces los resultados son algo diferentes. Como el error
por muestreo puede medirse, en consecuencia puede disminuirse a voluntad, con solo aumentar el
tamao de la muestra.

Una muestra es considerada como una BUENA muestra, si cumple con las siguientes condiciones:

a) BUENA EN CANTIDAD, si incluye un nmero ptimo de individuos, as por ejemplo, si una

enfermedad se presenta tan solo en 1 % de la poblacin, habr la necesidad de estudiar por lo menos 100
casos, para tener la posibilidad de hallar una persona enferma, pero si la presencia es el 50%, basta
estudiar dos personas

b) BUENA EN CALIDAD, si refleja fielmente las caractersticas de la poblacin de la cual procede y

difiere de ella, solo en el nmero de unidades incluidas.

1.2 ETAPAS DEL MUESTREO

Los pasos principales para la recoleccin de la informacin de una muestra son:

1) Definir explcitamente la unidad de anlisis.

2) Definir en forma clara la poblacin que va ser muestreada

3
3) Seleccionar bien las variables que deben ser observadas en cada unidad que se va analizar.

4) Especificar el grado de precisin deseada.

5) Seleccionar la unidad muestral. En algunos casos es obvia, como en el caso de una poblacin de
estudiantes de un centro educativo, en donde la unidad es un estudiante. En otras ocasiones debe
escogerse la unidad muestral, como en el caso de muestreo de residentes de una ciudad, donde la
unidad es una persona, una familia o las familias de una cuadra.

6) Seleccionar la muestra, despus de haber decidido el tamao respectivo.

1.3. TIPOS DE MUESTRAS.

Como se muestra a continuacin, existen dos tipos bsicos de muestras: las muestras probabilsticas y
las no probabilsticas. Estas ltimas, son mucho ms sencillas y baratas de obtener, entre estas tenemos
las llamadas MUESTRAS DE JUICIO. MUESTRAS DE CUOTA y LAS MUESTRAS DE
CONVENIENCIA

1.3.1. MUESTRAS NO PROBABILSTICAS

a) MUESTRAS POR JUCIO.

Como su nombre lo indica, es la muestra tomada de acuerdo con el juicio personal, los elementos que
intervienen en una muestra por juicio son resultados del juicio experto del investigador sobre su
"representatividad". En consecuencia, la probabilidad de que cada unidad elemental sea seleccionada de
la muestra, es desconocida y la fidelidad de sus resultados no puede utilizarse para hacer inferencias de
la poblacin total, lo cual es el objetivo del muestreo.

As por ejemplo, un gerente de ventas que selecciona ciertas localidades del Per como tpicas para
probar nuevo tipo de campaa de ventas en ellas y extrae conclusiones de todo el pas a partir de los
resultados de las comunidades muestreadas. Las localidades seleccionadas constituyen una muestra del
Per en base a un juicio, pues el gerente CREE que ciertas localidades proporcionan un cuadro
representativo del pas completo. En consecuencia, la muestra solo puede evaluarse en trminos de la
solidez del criterio del gerente de ventas y no sobre la base de la muestra en si misma.

b) MUESTRA A CUOTA.

Una muestra a cuota es una muestra basada en un juicio dado. En una muestra a cuota, se instruye al
entrevistador para que interrogue a cierto nmero de personas. As por ejemplo, puede indicrsele que
entreviste a 30 hombres que vivan a cierto nmeros de cuadros que caen dentro de un cierto rango de
edades o cuyos ingreso caen dentro de un intervalo dado.

4
En la prctica es el entrevistador el que hace la seleccin real de las personas, resultando errores
sistemticos serios en los resultados.

Por ejemplo, un entrevistador tiende a seleccionar a las personas ms fcilmente accesibles; as, si las
entrevistas son en el da, pasar por alto a las personas que estn trabajando; si una persona se rehsa a
responder, el entrevistador simplemente seleccionar a otra persona.

El elemento comn en cada uno de esto casos de muestras basadas en un juicio dado, es el papel
considerable que juega el juicio. Si bien las muestras basadas en un juicio dado pueden proporcionamos
resultados tiles y de hecho a menudo lo hacen, no es posible estimar el error del muestreo en dicha
muestras. Por consiguiente, la precisin del resultado de una muestra basada en un juicio, depende de la
solidez del juicio y no puede evaluarse de la muestra misma.

c) MUESTRA DE CONVENIENCIA O TROZO.

Un trozo es una muestra que se conforma por un proceso de auto seleccin, es decir, un trozo es una
simple "Muestra de conveniencia" un conjunto de sujetos fcilmente agrupados, como los miembros de
una clase en particular, personas que responden a un anuncio. Personas que visitan una exhibicin en un
centro comercial, etc. Tambin en este caso, la desventaja principal, es que no hay forma probabilstica'
de interpretar cuan representativa es la muestra, de la poblacin total.

As por ejemplo. al ensayar una nueva droga, en lugar de escoger individuos al azar, pueden
suministrarse a los casos graves, pues se presume que si la droga es efectiva en tales casos, con mayor
razn lo ser en los casos leves de la enfermedad.

1.3.2. MUESTRAS PROBABILSTICAS

Las muestras probabilsticas son aquellas en que cada individuo de las poblacin tiene una
probabilidad conocida (no necesariamente igual) de ser incluida en la muestra.

La eleccin de una muestra probabilstica requiere dos condiciones fundamentales:

i) Es esencial que la probabilidad de elegir cada individuo sea perfectamente conocida, pues si no lo es,
no ser posible calcular los errores que pueden cometerse al hacer su seleccin.

ii) Es indispensable que los individuos se elijan al azar, sin permitir la intervencin de ningn factor
que favorezca la eleccin de unos en perjuicio de los Otros.

Puesto que el estudio sobre tipos de muestras probabilsticas es muy extenso, solo mencionaremos
algunas de las ms utilizadas, tales como la muestra aleatoria simple. la muestra sistemtica, la muestra
estratificada y la muestra agrupada.

5
a) MUESTREO ALEATORIO SIMPLE.

Al haber definido las poblaciones y las muestras, distingamos ms detalladamente entre las poblaciones
que son finitas y las que son infinitas. Se dice que una poblacin es FINITA si consta de un nmero
finito (fijo) de elementos,. por ejemplo, la poblacin de escuelas de la provincia de LIMA. En contraste
con las poblaciones finitas, se dicen que una poblacin es INFINITA si no hay lmite en el nmero de
elementos que contiene. Diremos que una muestra de una poblacin finita es aleatoria si cada elemento
de la poblacin tiene igual probabilidad de ser incluido en la muestra. Existen dos mtodos de seleccionar
muestras aleatorias en poblaciones finitas:

1. MTODO DEL SORTEO

Consiste en colocar en un recipiente fichas con los nombres de todos los integrantes de la poblacin
en estudio, luego remover bien las fichas y extraer1as una a una con sustitucin, hasta tener las
integrantes que deben ir en las muestras.

2. METODO DE LOS NUMEROS ALEATORIOS.

Consiste en obtener los elementos de la muestra utilizando tablas especialmente elaboradas, llamadas
TABLAS DE NUMEROS ALEATORIOS

Para ilustrar el uso de una tabla de nmeros aleatorios, utilizamos el problema de seleccionar una muestra
aleatoria simple, consistente de 15 boletas de notas elegidas de una poblacin de 8 900 boletas.

En la tabla de nmeros aleatorios adjunta, cada dgito o sucesin de ellos es aleatorio. por lo que se puede
utilizar la tabla y leerla en sentido horizontal o ve/1ical, los mrgenes de la tabla designa los nmeros de
fila (margen vertical) y los nmeros de columna (margen horizontal). los dgitos estn agrupados en
sucesiones de cinco con el solo fin de facilitar la observacin de la tabla.

Si se usa esta tabla en lugar de un recipiente para seleccionar la muestra, primero es necesario asignar
nmeros a los miembros individuales de la poblacin, como la poblacin es de N = 8900 boletas de
notas, por ser un nmero de cuatro dgitos, cada nmero asignado tambin de ser de cuatro dgitos, a fin
de que cada boleta tenga igual oportunidad de ser seleccionada. Por tanto, asignamos el. Nmero 0001
a la primera boleta, el nmero 0002 a la segunda boleta, y as sucesivamente hasta llegar al nmero 8900,
para la 8900 ava boleta. Una vez que todas las boletas han sido numeradas, comenzamos a seleccionar
la muestra leyendo las primeras cuatro cifras de la primera lnea de la tabla de nmeros aleatorios;
digamos el nmero 6619. Luego pasamos a la segunda lnea y leemos el nmero 7284 y as hasta el15
nmero.

6
b) MUESTREO SISTEMATICO.

En el muestreo sistemtico, los elementos se seleccionan de la poblacin a un intervalo uniforme que es

medido en tiempo orden o espacio. El intervalo en mencin se determina por la frmula:

I= N / n

El primer elemento de la muestra es elegido al azar entre los I primeros elementos de la poblacin y
luego, el resto de los elementos se elegirn cada lavo elemento de la lista. As por ejemplo si N = 10000
Y n = 1000, entonces 1 = 10, esto quiere decir que de cada 10 se elige uno.

Para obtener una muestra sistemtica es necesario tener la lista de los elementos en estudio (alumnos de
una universidad. por ejemplo), luego se les numera del 1 al 10000. En seguida se escoge al azar un
nmero entre 1 y 10, siendo este el primer elemento que se va ha estudiar y completaremos la muestra
cada diez elementos. Si el nmero escogido fue 8, los otros sern 18, 28, 38, etc.

Este procedimiento de muestreo por la sencillez de su aplicacin suele utilizarse en todos aquellos casos
en los cuales existen listados con los nombres de cada uno de los elementos de la poblacin que se
estudia.

La ventaja del muestreo sistemtico es que requiere' menos tiempo y es menos costoso que el mtodo de
muestreo aleatorio simple.

c) MUESTREO ESTRATIFICADO.

Para utilizar el muestreo estratificado, se divide la poblacin en grupos relativamente homogneos.

Llamados estratos. Entonces, se toma una muestra aleatoria simple de cada estrato, tomando sta el
nombre de muestra estratificada.

Una muestra estratificada puede ser proporcional o desproporcionada. En la primera, el nmero de

unidades extradas de cada estrato es proporcional al tamao de este. As por ejemplo, si la poblacin es
dividida en cuatro estratos. Siendo sus tamaos respectivos 10%, 20%. 30% Y 40% de la poblacin y
deseamos extraer una muestra de 500 unidades, entonces la muestra estratificada proporcional se obtiene
de la siguiente manera:

7
 ESTRATO N DE UNIDADES

1 500 (10%) = 50

2 500 (20%) = 100

3 500 (30%) = 150

4 500 (40%) = 200

TOTAL 500

Como se ver en el ejemplo. la estratificacin proporcional arroja una muestra en la que cada estrato
aporta una cantidad de unidades proporcional al nmero de unidades de la muestra. Este procedimiento
es an ms eficiente cuando las desviaciones estndares de cada estrato no difieren substancial mente
entre si. Por tanto, para que la muestra estratificada sea ms eficiente se debe dar mayor representacin
a un estrato con una gran dispersin y menor representacin a los estratos con menor dispersin (pequea
desviacin estndar).

Una muestra estratificada desproporcionada incluye los procedimientos de tomar un nmero igual de
unidades de cada estrato sin tener en cuenta su tamao, o de dar slo una pequea representacin a uno
o ms estratos son demasiado costosos de investigar, pues an cierta representacin es valiosa.

La ventaja de las muestras estratificadas es que cuando ellas estn adecuadamente diseadas reflejan con
mayor precisin que otras muestras, las caractersticas de la poblacin a partir de las cuales ellas fueron
escogidas.

Por ejemplo, todos sabemos que el nivel de ingresos tiene una relacin importante con la opinin pblica
en cuanto a una eleccin. Si el 60% de los votantes tienen ingresos bajos, el 30% ingresos medianos y
el1 0% ingresos altos, entonces para una muestra estratificada proporcional de 500 votantes,
seleccionaramos 300 votantes de ingresos bajos (60% de 500) 150 de ingresos medianos (30% de 500)
y 50 de ingresos altos (10% de 500)

d) MUESTREO AGRUPADO O POR CONGLOMERADOS

En esta clase de muestreo, se divide a la poblacin en grupos o conglomerados, y luego se selecciona

una muestra aleatoria de estos. Cuando los grupos son seleccionados, se pueden incluir en la muestra
todas sus unidades elementales o tomar una muestra de las unidades elementales de los grupos escogidos.
En el primer caso se tiene lo que se conoce como muestreo en una sola etapa y cuando se procede como
en el ltimo caso, tenemos lo que se conoce como muestreo en dos etapas o submuestreo, escogindose
en ambas etapas muestras aleatorias simples. Cuando el muestreo por agrupacin supone ms de dos
etapas para escoger la muestra final, se le denomina muestreo multietpico.

Tanto en el muestreo estratificado como en el muestreo agrupado, la poblacin se divide en grupos bien
definidos. Se usa el muestreo estratificado cuando cada grupo tiene pequeas variaciones entre sus

8
unidades elementales, pero hay una gran variacin entre grupos. En tanto que el muestreo agrupado se
usa cuando hay una variacin considerable entre las unidades elementales de cada grupo, pero los grupos
son esencialmente similares entre sI.

As por ejemplo, supongamos que deseamos estudiar los gastos de las familias en el rea del Cercado de
Lima y que hemos decidido entrevistar a 1000 familias. Un modo econmico de manejar esto puede ser
dividiendo el rea total del Cercado en reas ms pequeas. Digamos, cuadras, y despus entrevistar a
todas las familias en un nmero de cuadras seleccionadas al azar.

1.2. DISTRIBUCIONES MUESTRALES

En la tercera unidad se vio que hay ciertos rasgos invariables dentro de una poblacin que describen
una de sus caractersticas, tales como la media y la desviacin estndar , estas reciben el nombre
de PARAMETROS de la poblacin. Al extraerse una muestra, es posible tener un estimado de los
parmetros, a partir de las observaciones de la muestra; estos estimados por estar en funcin de tales
observaciones varan de muestra a muestra y reciben genricamente el nombre de Estadsticos de la
muestra. En consecuencia los estadsticos son variables y por tanto tienen su correspondiente distribucin
de probabilidad, la cual toma el nombre de DISTRIBUCION MUESTRAL DEL ESTADISTICO. En la
prctica las distribuciones muestrales usuales son: la de una media, la de la diferencia de dos medias y
la de una proporcin.

1.2.1. DISTRIBUCIN MUESTRAL DE LA MEDIA

Si tomamos repetidamente muestras aleatorias de una poblacin con distribucin de probabilidad

cuyos parmetros son y , entonces la variable aleatoria media X tiene la

misma distribucin de probabilidad con parmetros

X =
Y

Si la Poblacin es infinita muestreo con o sin reposicin

X n =

Si la Poblacin es finita y el muestreo es sin reposicin

9
 X n
=
N n
N 1

Luego, la variable X bajo la transformacin:

Z= X - / n

Se distribuyen como sigue:

CASO 1. Aproximadamente como la normal estndar, si la poblacin es normal o no con conocida

o no y el tamao "n" de la muestra es igual o mayor de 30.

CASO 2. Exactamente como la normal estndar, si la poblacin es normal con conocida y el tamao
"n" de la muestra menor que 30.

Nota: Si no se conoce la desviacin estndar poblacional estimarla mediante la desviacin

estndar de la muestra S

EJEMPLO 4.1

La media de los puntajes de los cocientes de inteligencia (CI) de los alumnos de una universidad es 110
Y la desviacin estndar es 10. Si los puntajes de los CI estn distribuidos normalmente:

a) Cul es la probabilidad de que el puntaje medio de una muestra de 36 alumnos sea mayor que 112?

b) Cul es la probabilidad de que el puntaje medio de una muestra de 100 alumnos sea mayor que 112?

SOLUCION.

a) Por tener los puntajes de los C.I. variables que siguen una distribucin normal, las medias de las muestras
tambin se distribuyen normalmente con media y desviacin estndar respectiva:

10
 X =
= 110 y X =
n = 10 36
La puntuacin de que el puntaje medio de una muestra de 36 alumnos sea mayor que 112 es:

P( X > 112) = P( X - / n >112-110 / (5/3))= P(Z > 1.2 ) = 1- P(Z <= 1.2)= 0.1151

b) Para una muestra de 100 alumnos se tiene que:

X =
= 110 y X =
n = 10 100
Luego como en a:

P( X > 112) = P( X - / n >112-110 / 1)= P(Z > 2 ) = 1- P(Z <= 2)= 0.0228

11
 LABORATORIO N 03

1. En una muestra de 16 observaciones de una distribucin normal con una media de 150 y una variancia
de 256, encuentre:

a) P ( X < 160) b) P ( X > 142)

Si, en lugar de 16 observaciones, se hicieran 9 observaciones, encuentre:

c) P ( X < 160) d) P ( X > 142)

2. En una muestra de 25 observaciones de una distribucin normal con una media de 98.6 y una
desviacin estndar de 17.2, encuentre:

a) P (92 < X < 102)

b) La probabilidad correspondiente si tenemos una muestra de 36.

3. En una distribucin normal con una media de 56 y una desviacin estndar de 21, de qu tamao
debe ser una muestra de modo que haya por lo menos 90% de probabilidades de que su media sea mayor
que 52%

4. En una distribucin normal con una media de 375 y una desviacin estn dar de 48, de qu tamao
debe ser una muestra para que haya por lo menos .95 probabilidades de que la muestra se encuentre entre
370 y 380?

Un astrnomo del observatorio de Mount Palomar observa que, durante una lluvia de meteoros, un
promedio de 40 meteoros aparecen cada hora, con una variancia de 16 meteoros al cuadrado. La lluvia
de meteoros ocurrir la prxima semana.

a) Si el astrnomo ve la lluvia de meteoros durante 4 horas, cul es la probabilidad de que aparezca un

mnimo de 36 meteoros por hora?

b) Si el astrnomo mira durante una hora ms, aumentar o disminuir esta probabilidad?

Explique su respuesta.

5. El costo promedio de un condominio con estudio en un desarrollo urbano es de $62,000 con una
desviacin estndar de $4,200.

a) Cul es la probabilidad de que un condominio de este desarrollo cueste por lo menos

$65,000?

b) Es la probabilidad de que el costo promedio de una muestra de dos condominios sea al menos $65,000
mayor o menor que la probabilidad de que un condominio cueste esa cantidad?

En qu cantidad?

12
6. Una agencia de empleos normalmente aplica pruebas de inteligencia y aptitudes a todos los que buscan
trabajo a travs de ella. La empresa ha reunido datos durante aos, habiendo descubierto que la
distribucin de las puntuaciones no es normal, sino que est sesgada a la izquierda con una media de 86
y una desviacin estndar de 16. Cul es la probabilidad de que, en una muestra de 75 candidatos, la
puntuacin promedio sea por lo menos 84 o mayor que 90?

Una refinera de petrleo tiene monitores de reserva para llevar un control constante del flujo y prevenir
que las fallas de la mquina desorganicen el proceso. Un monitor tiene un promedio de vida de 4,300
horas, con una desviacin estndar de 730 horas. Adems del monitor primario, la refinera ha instalado
dos unidades de emergencia, que son un duplicado de la unidad primaria En caso de avera de uno de los
monitores, el otro se activa en forma automtica. La vida de operacin de los dos es independiente de
los otros.

a) Cul es la probabilidad de que determinado conjunto de monitores dure por lo menos

13,000 horas?

b) Y un mximo de 12,630 horas?

7. Mara Barrios es auditora de una gran compaa de tarjetas de crdito y sabe que, en promedio, el
saldo mensual de determinado cliente es de $112, con una desviacin estn dar de $65. Si Mara revisa
50 cuentas seleccionadas al azar, cul es la probabilidad de que el saldo mensual promedio est:

a) Por debajo de $1oo?

b) Entre $100 y $130?

8. El presidente de una empresa telefnica est molesto con el nmero de telfonos producidos por la
empresa que tienen aparatos defectuosos. En promedio, 120 telfonos son devueltos diariamente a causa
de ese problema, con una desviacin estndar de 81. El presidente ha decidido que, a menos que logre
una seguridad promedio de 85% de que al da no sern devueltos ms de 135 telfonos en los prximos
40 das, ordenar revisar el producto. Tomar esta medida?

9. Clara Daz, cuyo trabajo consiste en predecir el futuro de su compaa de riesgo compartido, acaba de
recibir las estadsticas que describen el desempeo de la empresa en 1,800 inversiones realizadas el
ltimo ao. Clara sabe que, en promedio, las inversiones generan utilidades que tienen una distribucin
normal con una media de $7,500 y una desviacin estndar de $3,300. Aun antes de examinar los
resultados concretos de cada una de esas inversiones del ltimo ao, Clara pudo hacer algunas
predicciones exactas usando su conocimiento de las distribuciones muestrales. Contine el anlisis de
ella y calcule la probabilidad de que la media muestral de las inversiones del ao anterior:

a) Superen los $7,700.

b) Sean menores que $7,400.

c) Sean mayores que $7,275, pero no lleguen a $7,650.

10. Un agricultor, que vende trigo a Alemania Occidental, posee 60 acres de campos de trigo. Basndose
en su experiencia, sabe que el rendimiento de cada acre tiene una distribucin normal con una media de

13
120 bushels y una desviacin estndar de 12 bushels. Aydele a planear la cosecha del prximo ao,
calculando:

a) La media esperada de los rendimientos de 60 acres de campo, destinados al cultivo de trigo.

b) La desviacin estndar de la media muestral de los rendimientos de los 60 acres.

c) La probabilidad de que el rendimiento medio por acre rebase los 123.8 bushels.

d) La probabilidad de que el rendimiento medio por acre oscile entre 117 y 122 bushels.

11. Un transbordador transporta 25 pasajeros. El peso de cada pasajero tiene una distribuci6n normal
con una media de 165 libras y una variancia de 441 libras al cuadrado. Las normas de seguridad
establecen que, para este transbordador en particular, el peso total de sus pasajeros no de. be exceder de
4,375 libras ms de 1 % de las veces. Supongamos que usted fuera el dueo del transbordador y tuviera
que calcular:

a) La probabilidad de que el peso total de los pasajeros del transbordador exceda de 4,375 libras

b) El nonagsimo noveno percentil de la distribucin del peso total de los pasajeros del transbordador.
Est cumpliendo el transbordador con las normas de seguridad?

12. Se espera que e! dimetro de las pelotas de pin-pon fabricadas en una planta grande tenga una
distribucin normal aproximada con media de 1.30 pulgadas y desviacin estn dar de 0.04 de pulgada.
Cul es la probabilidad de que una pelota seleccionada al azar tenga un dimetro ..

(a) Entre 1.28 y 1.30 pulgadas?

(b) Entre 1.31 y 1.33 pulgadas?

(e) Entre qu dos valores (simtricos respecto a la media) estar el 60% de las pelotas de pin-pon (en
trminos del dimetro)?

(d) Si se seleccionan muchas muestras de 16 pelotas,

(1) cules son la media y la desviacin estndar esperadas?

(2) qu distribucin seguirn la medias muestrales'?

(3) qu proporcin de las medias muestrales estar entre 1.28 y 1.30 pulgadas?

(4) qu proporcin de las medias muestra les estar entre 1.31 y 1.33 pulgadas?

(5) entre qu dos valores estar el 60% de las medias muestrales?

(e) Compare las respuestas de la (a) y {d)(3) con las de (b) y (d)(4). Analice

(f) Explique la diferencia en los resultados de (c) y (d)(5).

14
(g) Qu es ms probable que ocurra, una pelota individual arriba de 1.34 pulgadas, una media muestral
arriba de 1.32 pulgadas en una media de tamao 4, o una media muestral arriba de 1.31 pulgadas en
una muestra de tamao 16? Explique.

13. El tiempo que se usa el correo electrnico por sesin tiene una distribucin normal con =8

minutos y = 2 minutos. Si se seleccionan muestras aleatorias de 25 sesiones,

(a) calcule X .

(b) qu proporcin de las medias muestrales estar entre 7.8 y 8.2 minutos?

(c) qu proporcin de las medias muestrales estar entre 7.5 y 8 minutos?

(d) Si se seleccionan muestras de 100 sesiones, qu proporcin; de las medias muestrales estar entre
7.8 y 8.2 minutos?

(e) Explique la diferencia entre los resultado de (b) y (d). .

(f) Qu es 'ms probable que ocurra, una sesin de correo electrnico de ms de 11 minutos, una media
muestral mayor que 9 minutos en una muestra de 25 sesiones, o una media mueso-al mayor que 8.6
minutos en una muestra de 100 sesiones? Explique.

14. El tiempo que un cajero tarda con cada cliente tiene una media poblacional = 3.10 minutos y una
desviacin estndar = 0.40 minutos. Si se selecciona una muestra aleatoria de 16 clientes.

(a) cul es la probabilidad de que el tiempo promedio que pasa con cada cliente sea de al menos 3
minutos?

(b) existe una posibilidad de 85% de que la media muestra] sea menor que cuntos minutos?

(c) Qu suposicin de"; hacerse para resolver los incisos (a) y (b)? (d) Si se obtiene una muestra
aleatoria de 64 clientes, existe una probabilidad dc 85% de que la media muestral sea menos de cuntos
minutos"

(e) Qu suposicin debe hacerse para resolver el inciso (d)?

f) Qu es ms probable que ocurra, un servicio individual de menos de 2 minutos, una media muestral
mayor que 3.4 minutos en una muestra de 16 clientes, o una media muestral menor que 2.9 minutos en
una muestra de 64 clientes? Explique.

15. La compaa de transportes Toby determin que, con base anual, la distancia recorrida por camin
tiene una distribucin normal con media de 50.0 miles de millas y desviacin estndar de 12.0 miles de
millas. Si se selecciona una muestra aleatoria de 16 camiones,

15
(a) cul es la probabilidad de que la distancia promedio recorrida sea menor que 45.0 miles de millas
en el ao?,

(b) Cul es la probabilidad de que la distancia promedio recorrida est entre 44.0 y 48.0 miles de millas
en el ao?

(c) Qu suposicin debe hacerse para resolver los incisos (a) y (b)

(d) Si se selecciona una muestra aleatoria de 64 camiones, existe una posibilidad de 95% de que la media
muestral sea menor que cuntas millas?

(e) Qu suposicin debe hacerse para resolver el inciso (d)?

(f) Cules seran las respuestas de los incisos (a) a (d) si la desviacin estndar fuera

10.0 miles de millas?

16. Se fabrican bolsa de plstico para empacar verduras de manera que la resistencia a roturas tenga una
distribucin normal con media de 5 libras por pulgada cuadrada y desviacin estndar de 1.5 libras por
pulgada cuadrada. Si se selecciona una muestra de 25 bolsas,

(a) cul es la probabilidad de que la resistencia promedio

(1) est entre 5 y 5.5 libras por pulgada cuadrada'

(2) Est entre 4.2 y 4.5 libras por pulgada cuadrada?

(3) sea menor que 4.6 libras por pulgada cuadrada'

(b) Entre qu dos valores simtricos respecto a la media estar el 95% de las resistencias promedio'

(c) Cules seran las respuestas a los incisos (a) y (b) si la desviacin estndar fuera

1.0 libra por pulgada cuadrada'

Luego, la variable X bajo la transformacin:

16
2. ESTIMACIN ESTADSTICA

La inferencia estadstica es el proceso que consiste en utilizar los resultados de una muestra para llegar a
conclusiones acerca de las caractersticas de una poblacin.

Existen dos tipos de estimaciones: estimaciones puntuales y estimaciones de intervalo. Una

estimacin puntual consiste en una sola estadstica de muestra que se utiliza para estimar el
valor verdadero de un parmetro de poblacin. Puesto que la estadstica de prueba vara de una
muestra a otra necesitamos considerar este hecho con el fin de proporcionar una estimacin ms
significativa y caracterstica de la poblacin. Para lograr esto, debemos desarrollar una
estimacin de intervalo de la media de poblacin verdadera, tomando en consideracin la
distribucin de muestreo de la media. El intervalo que construimos tendr una confianza o
probabilidad especfica de estimar correctamente el valor verdadero del parmetro de poblacin.

2.1. ESTIMACIN DEL INTERVALO DE CONFIANZA DE LA MEDIA

POBLACIONAL

Estimacin de intervalo de confianza de la media (desvo de la poblacin conocido):

En la inferencia estadstica debemos tomar los resultados de una sola muestra y llegar a
conclusiones acerca de la poblacin. En la prctica, la media de la poblacin es la cantidad
desconocida que se va a determinar. Para algunas muestras la estimacin de intervalo de la
media de la poblacin ser correcta y para otras no. Tenemos que recordar que para el clculo
del intervalo trabajamos con una estimacin de intervalo de confianza de 95, por ejemplo, esto
puede interpretarse como si se tomaran todas las muestras posibles del mismo tamao, n, 95%
de ellas incluiran la media de poblacin verdadera en alguna parte del intervalo alrededor de
sus medias de muestra, y solamente 5% de ellas no estaran incluidas. En general el nivel de
confianza se simboliza como (1- ) * 100%, en donde es la porcin que se encuentra en los
extremos de la distribucin que est fuera del intervalo de confianza. Por consiguiente para
obtener la estimacin del intervalo tenemos:

Z es el valor correspondiente a un rea de (1- )/2 desde el centro de una distribucin normal
estandarizada. El valor Z elegido para construir tal intervalo de confianza se conoce como el
valor crtico.

Cualquier aumento en el nivel de confianza se logra ampliando simultneamente el intervalo de

confianza obtenido (hacindolo menos preciso y menos til).

Estimacin de intervalo de confianza de la media (desvo desconocido)

Del mismo modo en que la media de la poblacin se desconoce, es probable que la desviacin
estndar real de la poblacin tampoco sea conocida. Por lo tanto, necesitamos obtener una
estimacin de intervalo de confianza utilizando las estadsticas de muestra " X " y "S". Para ello,
utilizamos la distribucin t-student.

De este modo, el intervalo de confianza se establecer a partir de la siguiente frmula:

Estimado del intervalo de confianza de la porcin

17
2.2. ESTIMACIN DEL INTERVALO DE CONFIANZA DE LA DIFERENCIA DE
DOS MEDIAS POBLACIONALES

( )
2 2

( X - Y ) Z 1- / 2 1 2

n n
1 2

Es el intervalo de confianza de 100(1- ) % de la diferencia de medias para:

1) Muestras grandes, varianzas conocidas y poblaciones normales o no.

2) Muestras grandes, varianzas conocidas y poblaciones normales o no
3) Muestras pequeas, varianzas conocidas y poblaciones normales.

(n1 1) s1 (n2 1) s 2 1
2 2
1
( X - Y ) t 1- / 2 , n1 n2 2 ( )
n1 n2 2 n1 n2
Es el intervalo de confianza de 100(1- ) % de la diferencia de medias para:

Muestras pequeas, varianzas desconocidas y poblaciones normales

2.3. ESTIMACIN DEL INTERVALO DE CONFIANZA DE LA PROPORCIN

POBLACIONAL

Podemos establecer la siguiente estimacin de intervalo de confianza (1-) para la proporcin

de la poblacin:

12 y2 2

Tamao de muestra para la media:

Por consiguiente para determinar el tamao de la muestra, deben conocerse tres factores:

1. El nivel de confianza deseado.

2. EL error de muestreo permitido.
3. La desviacin estndar.

18
 Determinacin del tamao de muestra para una proporcin:

Al determinar el tamao de muestra para estimar una porcin se deben definir tres incgnitas:

1. El nivel de confianza.
2. El error de muestreo permitido.
3. La porcin verdadera de xitos.

Estimacin y determinacin del tamao de muestra para poblaciones finitas.

Estimacin de la media

Estimacin de la proporcin

Determinacin del tamao de muestra

3. PRUEBA DE HIPOTESIS

19
La prueba de hiptesis empieza con algo de teora, afirmacin o negacin con respecto a un
parmetro particular de una poblacin. La hiptesis de que el parmetro de la poblacin es igual a
la especificacin de la compaa se conoce como hiptesis nula. Una hiptesis nula es siempre una
de status quo o de no diferencia. Se simboliza con el smbolo Ho.
Siempre que especificamos una hiptesis nula, tambin debemos especificar una hiptesis
alternativa, o una que debe ser verdadera si se encuentra que la hiptesis nula es falsa. La hiptesis
alternativa se simboliza H1. La hiptesis alternativa representa la conclusin a la que se llegara si
hubiera suficiente evidencia de la informacin de la muestra para decidir que es improbable que la
hiptesis nula sea verdadera, y por tanto rechazarla. El hecho de no rechazar la hiptesis nula no es
una prueba de que sta sea verdadera. Nunca podemos probar que tal hiptesis sea correcta porque
estamos basando nuestra decisin nicamente en la informacin de la muestra, no en la poblacin
entera.

- La hiptesis nula se refiere siempre a un valor especificado del parmetro de poblacin, no a una
estadstica de muestra.
- El planteamiento de la hiptesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parmetro.

- El planteamiento de la hiptesis alternativa nunca contiene un signo de igualdad con respecto al valor
especificado del parmetro.

Regiones de rechazo y de no rechazo

La distribucin de muestreo de la estadstica de prueba se divide en dos regiones, una regin de

rechazo (conocida como regin crtica) y una regin de no rechazo. Si la estadstica de prueba cae
dentro de la regin de no rechazo, no se puede rechazar la hiptesis nula.
La regin de rechazo puede considerarse como el conjunto de valores de la estadstica de prueba
que no tienen posibilidad de presentarse si la hiptesis nula es verdadera. Por otro lado, estos valores
no son tan improbables de presentarse si la hiptesis nula es falsa. El valor crtico separa la regin
de no rechazo de la de rechazo.

Riesgos en la toma de decisiones al utilizar la metodologa de prueba de hiptesis.

Se pueden presentar dos tipos diferentes de errores:

- Un error tipo I se presenta si la hiptesis nula es rechazada cuando de hecho es verdadera y deba
ser aceptada.

- Un error tipo II se presenta si la hiptesis nula es aceptada cuando de hecho es falsa y deba ser
rechazada.

Nivel de Significacin. La probabilidad de cometer un error tipo I denotada con la letra griega alfa,
se conoce como nivel de significacin de la prueba estadstica. Est bajo el control directo del
individuo que lleva a cabo la prueba. Ya que se ha especificado el valor de alfa, se conoce el tamao
de la regin de rechazo, puesto que alfa es la probabilidad de un rechazo de la hiptesis nula.

Coeficiente de confianza. EL complemento ( 1- ) de la probabilidad de cometer un error de tipo

I se conoce como coeficiente de confianza.

El coeficiente de confianza es la probabilidad de que la hiptesis nula no sea rechazada cuando de

hecho es verdadera y debera ser aceptada.

20
Riesgo . La probabilidad de cometer un error de tipo II se conoce como nivel de riesgo del
consumidor.

Potencia de una prueba. El complemento (1- ) de la probabilidad de cometer un error del tipo II
se conoce como potencia de una prueba estadstica.

La potencia de una prueba es la probabilidad de rechazar la hiptesis nula cuando de hecho esta es
falsa y debera ser rechazada.

Una manera en que podemos controlar la probabilidad de cometer un error del tipo II en un estudio,
consiste en aumentar el tamao de la muestra. Tamaos ms grandes de muestra, nos permitirn
detectar diferencias incluso muy pequeas entre las estadsticas de muestra y los parmetros de la
poblacin. Cuando se disminuye , aumentar de modo que una reduccin en el riesgo de
cometer un error de tipo I tendr como resultado un aumento en el riesgo de cometer un error tipo
II.

Prueba de hiptesis Z para la media (desvo de la poblacin conocido)

El estadstico de prueba a utilizar es:

La Potencia de una prueba

representa la probabilidad de que la hiptesis nula no sea rechazada cuando de hecho es falsa y
debera rechazrsele. La potencia de prueba 1- representa la sensibilidad de la prueba estadstica
para detectar cambios que se presentan al medir la probabilidad de rechazar la hiptesis nula cuando
de hecho es falsa y debera ser rechazada. La potencia de prueba estadstica depende de qu tan
diferente en realidad es la media verdadera de la poblacin del valor supuesto.

Una prueba de un extremo es ms poderosa que una de dos extremos, y se debera utilizar siempre
que sea adecuado especificar la direccin de la hiptesis alternativa.

Puesto que la probabilidad de cometer un error tipo I y la probabilidad de cometer un error tipo II
tienen una relacin inversa y esta ltima es el complemento de la potencia de prueba (1-), entonces
y la potencia de la prueba varan en proporcin directa. Un aumento en el valor del nivel de
significacin escogido, tendra como resultado un aumento en la potencia y una disminucin en
tendra como resultado una disminucin en la potencia.

Un aumento en el tamao de la muestra escogida tendra como resultado un aumento en la

potencia de la prueba, una disminucin en el tamao de la muestra seleccionada tendra como
resultado una disminucin en la potencia.

21
Todos los procedimientos paramtricos tienen tres caractersticas distintivas: Los procedimientos
de prueba paramtricos pueden definirse como aquellos.

1) que requieren que el nivel de medicin obtenido con los datos recolectados est en forma de
una escala de intervalo o de una escala de cociente.
2) implican la prueba de hiptesis de valores de parmetros especificados.
3) y por ltimo requieren un conjunto limitante de suposiciones.

Los procedimientos no paramtricos pueden definirse como aquellos que no tienen que ver con
los parmetros de una poblacin.

Prueba t de hiptesis para la media (2 desconocida)

En ocasiones se desconoce la desviacin estndar de la poblacin. Sin embargo, se la puede estimar

con el clculo de S, la desviacin estndar de la muestra. Recordemos de muestreo de la media
seguir una distribucin t con n-1 grado de libertad.

Prueba de hiptesis 2 para la varianza (o desviacin estndar)

Al intentar llegar a conclusiones con respecto a la variabilidad de la poblacin, primero debemos

determinar que estadstica de prueba puede utilizarse para representar la distribucin de la
variabilidad de los datos de la muestra. Si la variable se supone que est distribuida normalmente,
entonces la estadstica de prueba para probar si la varianza de la poblacin es igual o no a un valor
especificado es:

Una distribucin chi-cuadrado es una distribucin sesgada cuya forma depende exclusivamente
del nmero de grados de libertad. Conforma este aumenta, la distribucin se vuelve ms simtrica.

Pruebas de dos muestras con datos numricos

22
Prueba t de varianza conjunta para diferencias entre dos medias

Supongamos que consideramos dos poblaciones independientes, cada una con una media y una
desviacin estndar. La estadstica de prueba utilizada para determinar la diferencia entre las medias
de las poblaciones est basada en la diferencia entre las medias de las muestras (X1 X2). Debido
al teorema del lmite central esta estadstica seguir la distribucin normal. La estadstica de prueba
Z es:

En donde X es la media de la muestra correspondiente a cada una de las dos muestras, n es el tamao
de la muestra y por ltimo tenemos la varianza de la muestra.

Si suponemos que las varianzas son iguales y que las muestras fueron tomadas de manera aleatoria
e independiente se puede utilizar una prueba t de varianza conjunta para determinar si existe alguna
diferencia significativa entre las medias de las poblaciones. Si puede calcular la siguiente estadstica
de prueba t de varianza conjunta:

Donde:

La estadstica de prueba t de varianza conjunta sigue una distribucin t con n1+n2-2 grados de
libertad.

Prueba tde varianza separada para diferencias entre dos medias

Si suponemos que las varianzas no son iguales como en el caso anterior debemos replantear el
estadstico a utilizar.

23
La estadstica de prueba t puede ser aproximada con la frmula de v, mostrada anteriormente.

Prueba t para la diferencia de medias

Con el propsito de determinar cualquier diferencia que exista entre dos grupos relacionados, deben
obtenerse las diferencias en los valores individuales de cada grupo. Cuando la desviacin estndar
de la poblacin de la diferencia es conocida y el tamao de muestra es lo suficientemente grande.
La estadstica de prueba Z es:

Sin embargo, en la mayora de los casos no conocemos la desviacin estndar real de la poblacin.
La nica informacin que se puede obtener son las estadsticas sumarias como la media y la
desviacin estndar de muestra. Si se supone que la muestra de resultados es tomada de manera
aleatoria e independiente se puede realizar una prueba t para determinar si existe una diferencia
media de poblacin significativa. La estadstica seguir una distribucin t con n-1 grados de libertad.

Ho= d = 0 donde d= 1-2

H1= d 0

Se puede calcular el siguiente estadstico de prueba:

Prueba de hiptesis con datos categricos

Prueba Z de una muestra para la proporcin. Para evaluar la magnitud de la diferencia entre la
proporcin de la muestra y la porcin de la poblacin supuesta la estadstica de prueba est dada
por la ecuacin siguiente:

24
La estadstica de prueba Z est distribuida de manera aproximadamente normal.

Prueba Z para diferencias entre dos porciones (muestras independientes). Cuando se evalan
diferencias entre dos porciones basndose en muestras independientes se puede emplear una prueba
Z. La estadstica de prueba es:

Se supone que las dos porciones de poblacin son iguales.

Ho= p1=p2
H1= p1 p2

LABORATORIO N 04

25
1. Si X = 85, S = 8 y n = 64, establezca un estimador del intervalo de confianza de 95% para la media
poblacional

2. Si X = 125, S = 24 Y n = 36, establezca un estimador del intervalo de confianza de 99% para la media
poblacional .

3. Una investigadora de mercado establece que tiene una confianza de 95% de que el promedio verdadero
de las ventas mensuales de un producto est entre 170,000 y 200,000 dlares. Explique el significado de esta
afirmacin.

4. Suponga que el administrador de una tienda de pinturas desea estimar la cantidad real de pintura contenida
en las latas de 1 galn compradas a un fabricante con renombre en todo el pas. Se sabe, de las
especificaciones de fabricacin que la desviacin estndar de la cantidad de pinturas igual a 0.02 de galn.
Se selecciona una muestra aleatoria de 50 latas y la cantidad promedio de pintura por galn es 0.995 de
galn.

(a) Establezca una estimacin del intervalo de confianza de 99% para el promedio poblacional de la cantidad
de pintura incluida en una lata del galn.

(b) Segn estos resultados, piensa que el dueo de la tienda tiene derecho a quejarse con el fabricante Por
qu?

(c) La poblacin cantidad de pintura por galn, tiene una distribucin normal Explique.

(d) Explique por qu un valor observado de 0.98 de galn en una lata no es raro aun cuando est fuera del
intervalo de confianza que calcul.

(e) Suponga que us un estimador de intervalo de confianza de 95%. Cules seran las respuestas de los
incisos (a) y (b)?

5. El gerente de control de calidad de una fbrica de focos necesita estimar la vida promedio de un envo
grande. Se sabe que la desviacin estndar del proceso es 1 00 hora.Una muestra aleatoria de 64 focos indica
una vida media de la muestra de 350 horas.

(a) Establezca una estimacin del intervalo de confianza de 95% para la vida promedio real de los focos de
este envo.

(b)Piensa que el fabricante tiene derecho a establecer que los focos duran un promedio de 400 horas?
Explique.

(c) La vida de los focos, debe tener una distribucin normal Explique. (d) Explique por qu un valor
observado de 320 horas no es raro, aun cuando est fuera del intervalo de confianza.

(e) Suponga que la desviacin estndar del proceso cambi a 80 horas. Cules seran las respuestas a los
incisos(a) y (b)?

6. La divisin de inspeccin de Lee County Weiglns and Measures Department est interesada en la cantidad
real de refresco que contienen las botellas de 2 litros en una embotelladora local de una compaa de refrescos
conocida en todo el pas. La embotelladora informa a la divisin de inspeccin que la desviacin estndar en
estas botellas es 0.05 litro. Una muestra aleatoria de 100 botellas de 2 litros obtenida en esta planta indica un
promedio muestral, de 1.99 litros.

a) Establezca un intervalo de confianza de 95% de la cantidad promedio verdadera de refresco en cada

botella.

26
(b) La poblacin de refrescos, debe tener una distribucin normal? Explique.

(c) Explique por qu el valor observado de 2.02 litros no es raro, aun cuando est fuera del intervalo de
confianza calculado.

(d) Suponga que el promedio muestral es 1.97 litros. Cul sera la respuesta al inciso a)?

7. Determine el valor crtico de I en las siguientes circunstancias:

(a) 1- = 0.95, n = 10.

(b) 1- = 0.99, n = 10.

(c) 1- = 0.95, n = 32.

(d) 1- = 0.95, n = 65.

(e) 1- = 0.90, n = 16.

8. Si X = 75, S = 24 y n= 36, suponga que la poblacin tiene una distribucin normal y establezca una
estimacin del intervalo de confianza de 95% de la media poblacional .

9. Si X =50, S = 15 Y n = 16, suponga que la poblacin tiene distribucin normal y establezca una estimacin
del intervalo de confianza de 99% de la media poblacional.

10. Establezca una estimacin del intervalo de confianza de 95% para la media poblacional, con base en los
siguientes conjuntos de datos; suponga que la poblacin tiene distribucin normal:

Conjunto 1: 1, 1, 1, 1, 8, 8, 8, 8

Conjunto 2: 1, 2, 3, 4, 5, 6, 7, 8

Explique por qu tienen intervalos de confianza distintos aun cuando tienen la misma media y el mismo
rango.

11. Calcule un intervalo de confianza de 95% para la media poblacional, con base en los nmeros 1,2, 3, 4,
5, 6, 20. Cambie el nmero 20 a 7 y calcule de nuevo el intervalo de confianza. Con estos resultados, describa
el efecto del valor extremo en el intervalo de confianza.

12. El departamento de transportes del gobierno de Estados Unidos requiere que los fabricantes de
neumticos proporcionen informacin acerca de la cara de la llanta para que un cliente potencial est mejor
informado al tornar su decisin de compra. Una medida muy importante en el desempeo de la llanta es el
ndice de desgaste de las cuerdas, que indica la resistencia de la llanta al desgaste de las cuerdas comparada
con el grado de la llanta de 100, Esto significa que una llanta con grado de 200 debe durar el doble, en
promedio, que una llanta con gracia 100. Suponga que una organizacin para el consumidor desea estimar
el ndice de desgaste real de las cuerdas de una marca de llantas con grado 200 que produce cierto fabricante.

27
Una muestra aleatoria de 18 llantas indican ndice de desgaste promedio muestral de 195.3 y una desviacin
estndar de 21.4.

(a) Suponga que los ndices de desgaste de cuerdas de lo poblacin tiene distribucin normal; establezca un
intervalo de 95% de confianza estimado del ndice de desgaste promedio de la poblacin para las llantas que
produce el fabricante de esta marca.

(b) Piensa que la organizacin para el consumidor debe denunciar al fabricante por producir llantas que no
cumplen la informacin de desempeo proporcionada en la cara de la llanta? Explique.

(e) Diga por qu un ndice de desgaste observado de 210 para una llanta en particular no es raro, aunque est
fuera del intervalo de confianza desarrollado en (a).

13. Un auditor del departamento estatal de seguros desea determinar la proporcin de reclamaciones pagadas
por una compaa de seguros de salud dentro de los 2 meses siguientes a la recepcin de la solicitud. Se
selecciona una muestra aleatoria de 200 reclamaciones y se determina que 80 se pagaron en menos de 2
meses.

(a) Establezca una estimacin del intervalo de confianza de 99% de la proporcin de la poblacin de
reclamaciones pagadas en menos de 2 meses.

(b) Si se supone que 90% O ms reclamaciones se pagan en menos de 2 meses, qu de be informar el

auditor al departamento estatal de seguros acerca del desempeo de los pagos de la compaa de seguros?

14.Un distribuidor de automviles desea estimar la proporcin de clientes que todava tienen los autos
comprados hace 5 aos. Una muestra aleatoria de 200 clientes seleccionada de los registros del distribuidor
indica que 82 clientes conservan el auto comprado 5 aos antes.

(a) Establezca un intervalo de confianza de 95% de la proporcin de la poblacin de todos los clientes que
conservan los autos 5 aos despus de comprarlos.

(b) Cmo puede el distribuidor usar los resultados de (a) para estudiar la satisfaccin del cliente con el auto
que le compraron?

14. Una papelera recibe un cargamento de un fabricante de cierta marca de bolgrafos de bajo costo. Se
prueba una muestra aleatoria de 300 bolgrafos y se encuentra que 30 estn defectuosos.

(a) Establezca un intervalo de confianza de 90% para estimar la proporcin de bolgrafos defectuosos en el
cargamento.

(b) El cargamento se puede regresar si contiene ms de 5% de bolgrafos defectuosos; segn los resultados
de la muestra, puede la papelera regresarlo?

(c) Suponga que se desea un intervalo estimado de 99% de confianza en (a). Cul sera el efecto de este
cambio en sus repuestas de (a) y (b)?

15. La compaa de telfonos quiere estimar la proporcin de viviendas que compraran una lnea telefnica
adicional si estuviera disponible a un costo de instalacin reducido de manera sustancial. Se selecciona una
muestra aleatoria de 500 viviendas. Los resultados indican que 135 de las viviendas compraran la lnea
adicional a un costo de instalacin reducido.

28
(a) Establezca un intervalo de confianza de 99% para la proporcin de la poblacin de viviendas que
compraran una lnea de telfono adicional.

(b) Cmo usara estos resultados el gerente a cargo de programas promocionales para clientes residenciales?

16. Un grupo de consumidores desea estimar el monto de las facturas de energa elctrica para el mes de
julio para las viviendas unifamiliares en una ciudad grande. Con base en estudios realizados en otras
ciudades, se supone que la desviacin estndar es 25 dlares. El grupo desea estimar el monto promedio para
julio dentro de 5 dlares del promedio verdadero con 99% de confianza.

(a) Qu tamao de muestra necesita?

(b) Si desea 95% de confianza, qu tamao de muestra requiere?

17. Una agencia de publicidad que da servicio a una estacin de radio desea estimar. el tiempo promedio
diario que la audiencia escucha la estacin. De estudios anteriores, la desviacin estndar se estima en 45
minutos.

(a) Qu tamao de muestra se necesita si la, agencia desea una confianza de 90% con 5 minutos del
resultado correcto?

(b) Si se desea 99% de confianza, qu tamao de muestra necesita?

18. Suponga que un proveedor de gas desea estimar el tiempo de espera promedio para la instalacin del
servicio dentro de 5 das con 95% de confianza. Debido a que no tiene acceso a datos histricos, hace una
estimacin independiente de la desviacin estndar, que piensa es de 20 das. Qu tamao de muestra
necesita?

19. Un encuestador poltico desea estimar la proporcin de electores que votarn por el candidato demcrata
en una campaa presidencial. El encuestador desea 99% de confianza de que su prediccin ser correcta
dentro de 0.04 de la proporcin de la poblacin.

(a) Cul es el tamao de muestra necesario?

(b) Si desea 95% de confianza, qu tamao de muestra requiere?

(c) Si desea 95% de confianza y un error muestral de 0.03 , qu tamao de muestra necesita?

(d) Segn las respuestas de (a) a (e), qu conclusin general se deriva acerca del efecto del nivel de
confianza deseado y el error muestral aceptable en el tamao de la muestra requerido?

20. El gerente de un banco desea 90% de confianza de tener un resultado correcto dentro de 0.05 de la
proporcin de poblacin real de ahorradores que tienen cuentas de ahorros y de cheques en el banco. De
cuntos ahorradores debe ser su muestra?

21. Para Ho: 100 , H1: 100 y una muestra de tamao n, ser mayor si el valor real de

29
es 90 que si el valor real de es 75. Por qu?

22. En el sistema legal norteamericano se supone que un acusado es inocente hasta que se pruebe su
culpabilidad. Considere una hiptesis nula Ho. de que el acusado es inocente y la hiptesis alternativa H1 de
que es culpable. Un jurado tiene dos decisiones posibles: declararlo culpable (es decir, rechazar la hiptesis
nula o declararlo inocente (es decir, no rechazar la hiptesis nula). Explique el significado de los riesgos de
cometer un error tipo I o un error tipo II.

30