UNIVERSIDAD PRIVADA ANTENOR ORREGO

TEMA 04: DISTRIBUCIONES MUESTRALES

INFERENCIA ESTADISTICA:

Parte de la estadstica que se encarga de buscar procedimientos inferenciales necesarios

para sacar conclusiones valederas sobre una caracterstica poblacional en base a la
informacin contenida en una muestra. La caracterstica de la poblacin puede ser
representada mediante una v.a X; de modo que si conocemos:

La distribucin de X, no hay que seleccionar muestras;

Caso contrario hay que seleccionar una muestra para estimar la distribucin y sus
parmetros.

En el campo de la planificacin, la Inferencia Estadstica, a travs de sus tcnicas

permite establecer una relacin entre el mundo real (donde ocurren los fenmenos) y el
mundo idealizado (donde se definen los modelos probabilsticos); es decir se usa un modelo
de probabilidad para describir la ocurrencia de un fenmeno y predecir el comportamiento
futuro, cuando se repite bajo condiciones semejantes.

ROL DEL MUESTREO EN LA INFERENCIA ESTADSTICA.

Mundo Real: POBLACIN

Caractersticas verdaderas: Desconocidas

Variable Muestreo

Aleatoria: X {Experimento: Observaciones}

Modelo Lnea Real - < x < + Muestra { x1, x2, . . ., xn}

Terico Con distribucin: fX (x)

1
Media: x Estimacin Estadstica x
n
xi
1
Varianza: 2 S2 s2 =
n 1
( xi x ) 2

Fig 01. Rol del Muestreo en la Inferencia Estadstica

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

CUANDO ES CONOCIDO
DISTRIBUCION MUESTRAL DE LA MEDIA

Sea X1 , X2 ,Xn una muestra aleatoria de tamao escogida de una poblacin f(x) con
media y varianza 2. Si es la media muestral, entonces.

a) E ( ) = =

2

n
Poblacion Infinita
x2 2
N n Poblacion Finita
b)

n N 1

(M.C.R.) Muestreo con reposicin. (Poblacin infinita)

(M.S.R.) Muestreo sin reposicin. (Poblacin finita)

De esta frmula se puede obtener el error estndar de la media muestral:

Poblacion Infinita
n
x
N-n
Poblacion Finita

n N -1

c) Para suficientemente grande. ( 30)

x
Z ~ (0,1) Distribucin normal estndar.
x

Ejemplo N 01: Suponga que una poblacin finita X consiste de los siguientes valores:

3, 4, 7, 9, 12.

a) Calcular la media y varianza de la poblacin.

b) Determinar la distribucin muestral de la media de las muestras de tamao 2 escogidas con

reposicin.

c) Determinar la distribucin muestral de la media de las muestras de tamao 2 escogidas sin

reposicin.

d) Si se extrae muestras al azar de tamao 36 con reposicin, Cul es la probabilidad que los
valores muestrales de la media estn entre los valores 5 y 8?

Solucin:

a) Calcular la media y varianza de la poblacin.

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

1 forma ( Est descriptiva):

3+4+7+9+12 35
= = = =7
5 5

( )2 16+9+0+4+25 54
2 = = = = 10.8
5 5

2 Forma (probabilidades):

La variable aleatoria X sigue una distribucin de probabilidad.

X 3 4 7 9 12 TOTAL

f(X) 1/5 1/5 1/5 1/5 1/5 5/5=1

x f(X) =
(3)(1) (4)(1) (7)(1) (9)(1) (12)(1) 35
= E (X) = + + + + = =7
5 5 5 5 5 5

2 = ( 2 ) [()]2
(32 )(1) (42 )(1) (72 )(1) (92 )(1) (122 )(1)
E (X2) = x 2 f(x) = 5
+
5
+
5
+
5
+
5
= 59.8

Entonces: 2 = ( 2 ) [()]2 = 59.8 - (7)2 = 10.8

b) Determinar la distribucin muestral de la media de las muestras de tamao 2 escogidas con
reposicin:

MUESTRA DE TAMAO 2 MEDIA DE LAS MUESTRAS

3 4 7 9 12

3 (3,3) 3,4 3,7 3,9 3,12 (3) 3,5 5 6 7,5

4 4,3 (4,4) 4,7 4,9 4,12 3,5 (4) 5,5 6,5 8

7 7,3 7,4 (7,7) 7,9 7,12 5 5,5 (7) 8 9,5

9 9,3 9,4 9,7 (9,9) 9,12 6 6,5 8 (9) 10,5

12 12,3 12,4 12,7 12,9 (12,12) 7,5 8 9,5 10,5 (12)

l : n = de muestras (con reposicin)

l = N2 = 52 =25 muestras

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

De la media de las muestras tenemos:

3 3,5 4 5 5,5 6 6,5 7 7,5 8 9 9,5 10,5 12

f( ) 1/25 2/25 1/25 2/25 2/25 2/25 2/25 1/25 2/25 4/25 1/25 2/25 2/25 1/25

x x f (x)
3 7 4 10 11 12 13 7 15 32 9
+ + + + + + + + + + +
25 25 25 25 25 25 25 25 25 25 25
19 21 12
+ + =7
25 25 25

2 = ( )2 []2
9 24.5 16 50 60.5 72 84.5 49 112.5 256 81
E( 2
)= 2
f( x )= + + + + + + + + + + +
25 25 25 25 25 25 25 25 25 25 25
180.5 220.5 144
+ + = 54.4
25 25 25

2 = 54.4- (7) 2 = 5.4

Tambin:

2
2= = 10.8/2 = 5.4 Por ser un muestreo con reposicin.

c) Determinar la distribucin muestral de la media de las muestras de tamao 2 escogidas sin

reposicin.
MUESTRA DE TAMAO 2 MEDIA DE LAS MUESTRAS

3 4 7 9 12

3 3,4 3,7 3,9 3,12 3,5 5 6 7,5

4 4,3 4,7 4,9 4,12 3,5 5,5 6,5 8

7 7,3 7,4 7,9 7,12 5 5,5 8 9,5

9 9,3 9,4 9,7 9,12 6 6,5 8 10,5

12 12,3 12,4 12,7 12,9 7,5 8 9,5 10,5

L = N!/ (Nn)! = 5!/(5-2)! = 5!/3! = 20 muestras

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

La distribucin de probabilidades de la media.

x 3.5 5 5.5 6 6.5 7.5 8 9.5 10.5

2/20 2/20 2/20 2/20 2/20 2/20 4/20 2/20 2/20

f (x)

x x f (x)
7 10 11 12 13 15 32 19 21 104
= + + + + + + + + = =7
20 20 20 20 20 20 20 20 20 20

2 = ( )2 []2
24.5 50 60.5 72 84.5 112.5 256 180.5 220.5 1061
E( )2= 2
f( x )= + + + + + + + + = =
20 20 20 20 20 20 20 20 20 20
53.05

Entonces: 2 = 53.05 - (7)2=4.05

Tambin:

2
2 = (1) M.S.R.

10.8 52 10.8 3
=(
2
) (51) = ( 2
) (4) = 4.05

d) Si se extrae muestras al azar de tamao 36 con reposicin, Cul es la probabilidad que

los valores muestrales estn entre los valores 5 y 8?
= 36 (M.C.R.)
57 87
P (5 x 8) =P( )
0.55 0.55

= P (-3,64 z 1,82)

= P (z 1.82) - P (z -3.64)

= 0.9656 0.0004 = 0.9655

Z=

= 7; 2 = 10.8
2
2 = (M.C.R.)

10.8
2 = = 0.3 = 0.3 = 0.55
36

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

Ejemplo N 02

Una maquina empaqueta un determinado producto, en paquetes cuyo peso en gramos se

distribuye normalmente con una desviacin estndar de 20 gramos y con una media que debe
ser bien regular.

a) La media est bien regulada si solo el uno por ciento de los pesos de todos los paquetes
que produce la maquina tiene pesos mayor a 546.6 gramos. Cunto vale ?
b) Con la media bien regulada, se programa al siguiente control del peso del producto: cada
hora se escogen al azar cuatro paquetes, si el promedio de los pesos no est entre 480 y
520, se para la mquina para mantenimiento en caso contrario se contina con el proceso.
Cul es la probabilidad de parar la maquina cuando realmente est bien regulada?
c) Si la maquina est bien regulada, Qu tamao de muestra se consigue que la media
muestral sea a lo ms 490.2 gr con probabilidad igual a 0.025?
Solucin

X: peso del producto empaquetado por la mquina.

X~ (, ); = 20gr.
a) P (x > 546.6) = 0.01; = ?
546.6
P( > ) = 0.01
20

546.6
P ( > ) = 0.01
20

546.6
P ( ) = 0.99
20

Z = 2.33

546.6
2.33 = = 546.6 2.33 (20) = 500.
20

b) = 4; = 500; =20
Probabilidad de no parar la mquina para mantenimiento.

P (480 520)
Solucin.

480500 520500
P( 20 20 ) = P(2 2)

4 4

= P ( 2) - P( 2)

= 0.97725 0.02275= 0.9545

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

Rpta: 1 - 0.9545 = 0.0455 (Probabilidad de que se paralice el proceso para

mantenmiento.)

c) P ( 490.2) = 0.025
490.2500
P ( 20 ) = 00.25

9.80 9.80
-1.96 = 20 1.96 = 9.80 = - 39.20
20

39.20
= 9.80

= 4 = 16
DISTRIBUCION MUESTRAL DE CUANDO 2 SE DESCONOCE

Sea x1,x2,,xn una muestra aleatoria de tamao n escogida de una distribucin normal N(, 2),
donde la varianza poblacional 2 es desconocida, entonces la variable aleatoria .

T= ~ t(n-1)
/

a) =

2
.

b) 2
={ 2


( 1 ) .
Ejemplo N 03:

Si es la media y 2 es la varianza de la muestra en n=9 seleccionada de una poblacin normal

=90. Calcular la siguiente probabilidad:

90
P (0.2353 1.1183)

Solucin:

90 90
T=/ = /9 = 3( )

90
P [3(0.2353) 3( ) 3 (1.1183)] = P [3(0.2353) T(9-1) 3 (1.1183)]

=P (t8 3.35) - P (t8 0.71)

= 0.995 0.75=0.245

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

DISTRIBUCION MUESTRAL DE LA PROPORCION

Sea 1 ; 2 ; ; una muestra de tamao n extrada de una poblacin Bernoulli x~B (1-P), donde
P es el porcentaje (proporcin) de xitos en la poblacin ya sea:
1 +2 ++
p= es el Porcentaje (proporcin) de xitos en la muestra siendo:

X = 1 ; 2 ; ; una variable binomial X ~ B (, p) entonces:

1 1
a) =E( )=E( ) = = E (X) = * =


.

b) 2 = {

(
) .
c) si es suficiente grande ( > 30) entonces la variable aleatoria

Z= ~N(0.1)

1 1
d) P ( = C ) = P ( + )
2 2

Ejemplo N 04: En un proceso de producciones el porcentaje de unidades defectuosas

producidas es de 4% para controlar el proceso se revisan peridicamente los objetos producidos.

a) Calcular aproximadamente la probabilidad de que en una muestra aleatoria de 150

unidades revisadas se encuentran 6% defectuosas.
b) Si el proceso de produccin se para al encontrar a lo ms 5% de unidades producidas
defectuosas, al revisar muestras aleatorias de 100 objetos cada vez. Cul es la
probabilidad de que el proceso contine si realmente hay el 6% defectuoso del total de la
poblacin.
Solucin: P = 4% = 0.04

a) =150

1 1
P ( = 0.06) = P [0.06 0.06 + ]
2(150) 2(150)

P ( =0.06) = P (0.0567 P 0.0655)

(0.05670.04) 0.06330.04
=P[ ]
0.04(0.96) 0.04(0.96)
150 150

= P (1.04 z 1.46) P (Z 1.46)-P(Z 1.04)

= 0.9279-0.858 =0.0771

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

b) P = 0.06, =100

0.050.06
P (P 0.05) = P( ) =P (Z -0.42)
0.06 0.94
( )
100

= 0.3372

DISTRIBUCION MUESTRAL DE LA VARIANZA

Si x1, x2 Xn es una muestra aleatoria escogida de una distribucin normal (, 2 ) y si

S2 es la varianza muestral, entonces:

1
A)
E (S2)= 2

()2
=1( )
2
B)
=
2
2
Tiene una distribucin 1 denominada chi o ji cuadrado.

( )2
c) 2=
1

(1)2 ( )2
2 = = ~2(n-1)
2 2

Ejemplo N 05: si S2 es la varianza de una muestra aleatoria de tamao n=15 escogidas de

una poblacin normal con media u y varianza 2 , calcular:

a) P(0,3107 S2/ 2 1.9427)

b) P(0.3329 S2/ 2 2.0814)
Solucin:
a) P ((15-1)*(0,3107) (n-1)S2/ 2 (15-1)*(1.9427))
P (4.35 X214 27.20)
P (X21427.20)-P (X2144.35)
= 0.975- 0.005 =0.970

b) P ((15-1)*(0,3329) (n-1)S2/ 2 (15-1)*(2.0814))

=P (4.66 X214 29.14)

=P (X21429.14)-P (X2144.66)

= 0.99- 0.01 =0.98

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS MEDIAS CON VARIANZAS

POBLACIONALES CONOCIDAS

1~f(x) X2~f(x)

Pobl. X1 Pobl. X2

1 ( 1- 2) 2

S12
2 2 22
1
S
2

1 ( 1 - 2) 2

Sea 1 y 2 las medias de dos muestras aleatorias de tamao n1 y n2 respectivamente,

seleccionada de dos poblaciones con medias 1 y 2, varianzas 2 1y 22 supuestos conocidos.

Entonces la variable aleatoria ( x1 x2 ) tiene las siguientes propiedades.

a). 12 = 1- 2

12 22
+ .
1 2
b). 1 = {
2
12 11 22 22
+ ) .
1 1 1 2 2 1

c). Para 1 2 suficientemente grande ( 1, 2 30 ) la variable aleatoria ( x1 x2 ) se

transforma:

( x1 x2 ) (1 2 )
Z= ~ (0, 1)

2
1

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

Ejemplo 06: Para comparar la duracin promedio (en meses) 1 y 2 de dos marcas de batera
1 2 se escoge dos muestras aleatorias independientes de tamaos respectivos 1 =
32 2 =36. Si la media muestral de 1 es mayor que la media muestral de 2 en mas de dos
meses, se acepta que 1 > 2. En caso contrario se acepta que 1 = 2.

Calcular la probabilidad de aceptar que 1 > 2. Suponga que las de las duraciones son
respectivamente 12 = 16 22 = 9
Solucin:

1 2

( - )> 2 meses (1 - 2 = 0)

P( - >2) = P (Z>2.30) =1- P (Z2.30)

=1 - 0.989276 = 0.0107 = 1 % baja probabilidad

( )(1 2 ) 20
Z= = = 2.30
0.87

12 22 16 9
= + = + = 0.87
1 2 32 36

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS MEDIAS CON VARIANZAS

POBLACIONALES DESCONOCIDAS

2
Sea una media de las muestras aleatorias 1 , extraida de una poblacin (1 , 1 ) y sea
otra media de la muestra 2 , extraida de una poblacin (2 , 22 ) la dependencia de la anterior.

A) VARIANZAS POBLACIONALES IGUALES (12 = 22 = 2 ) (muestras pequeas) en este

caso la variable aleatoria ( - ) se trasforma en:

( )(1 2 )
T= ~ t1-, (1 + 2 -2) donde los grados de libertad son 1 + 2 -2

Donde:

2 2
= + Donde: 2 : varianzas conjuntas o combinadas.
1 2

2 2
2 (1 1)1 +(2 1)2
=
1 +2 2

B). VARIANZAS POBLACIONALES DIFERENTES (12 22 )

( )(1 2 )
T= ~ t1-,

Donde:

21 22
+ .
1 2
- ={
2 2 22
1 11 + 2 ) .
1 1 1 2 2 1

2
2
1 2
2
( + )
1 2
= 2 2 2
1 2
2
( ) ( )
1 2
+
1 1 2 1

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

Ejemplo 07: Para comparar los salarios que se pagan a los empleados de dos grandes empresas
1 y 2 se escogen dos muestras aleatorias independientes de tamaos 1 = 16 2 =
13 1 y 2 respectivamente, resultando las desviaciones estndares respectivas 1 =$
120 y 2 = $ 55. Si la diferencia entre las medidas muestrales no es mayor que $65, se acepta
que 1 = 2 . En caso contrario se acepta que 1 2 . Cul es la probabilidad de aceptar
que 1 2 cuando realmente 1 = 2 ? Se asume que los salarios en ambas empresas
tienen una distribucin muestral con varianzas diferentes.

Solucin:

P( - < 65) = ?

21 22
- = + = 33.66
1 2

2
1202 552
[( 16 )+( 13 )]
= 2 2 =21.9322gl.
1202 552
[ ] [ ]
16 13
15
+ 12

( )(1 2 )
650
[ < ] = ( < 1.97) = 1-
33.66

0.95 1.971.717 0.95 0.253

0.9750.95
=2.0741.717 0.025
= 0.357

X = 0.9677

DISTRIBUCION MUESTRAL PARA LA DIFERENCIA DE DOS PROPORCIONES

Sea 1 , 2 , , , 1, 1 , 2 dos muestras aleatorias independientes de tamao 1 y 2

seleccionado de dos poblaciones de Bernoulli X ~ 1 = B (1, 1 ) y ~ B (1, 2 ) donde 1 y 2 son
las proporciones poblacionales sean las proporciones muestrales:
1 2
=1 =1
1= 1
=
1
y 2= 2
=
2

Donde:

X~ B (1 , 1 ) y Y ~ B (, 2, 2 )

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

Entonces la variable aleatoria ( 1 2) tiene las siguientes propiedades:

a). = 1 2
1 2

1 1 2 2
1
+ 2
.
b). ={
1 2 1 1 11 2 2 22
1
1 + 2
1 ) .
1 2

Luego la variable aleatoria ( 1 2) haga la transformacin

( 1 2 )(1 2 )
Z= ~ (0, 1)

1 2

EJEMPLO 08: Un fabricante afirma que el 30% de mujeres y el 20% de hombres prefieren su
nuevo producto de aseo personal. Si se hace una encuesta a 200 hombres y a 200 mujeres
elegidos aleatoriamente, Con que probabilidad la proporcin muestral de mujeres menos la
proporcin muestral de hombres est en el intervalo de (-19%, 19%)?

Solucion:

P (-19% 1 2 19%) = 1-

1 1 2 2 0.30 (0.70) 0.20 (0.80)

= + = + = 0.04
1 2 1 2 200 200

= 1 2 = 0.30 - 0.20 = 0.10

1 2

0.190.10 1 2 0.190.10
P (-0.19 1 2 0.19) = P (
0.04



0.04
)
1 2

= P (-7.25 Z 2.25)

= P (Z 2.25) P (Z - 7.25)

= 0.9877 0

= 0.9877

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO
 UNIVERSIDAD PRIVADA ANTENOR ORREGO

DISTRIBUCION MUESTRAL DE LA RAZON DE VARIANZA F= 12

22
Si 21 y 22 son varianzas de dos muestras aleatorias independientes 1 y 2 , seleccionados de
dos poblaciones normales (1, 12) y (2, 22 ) respectivos.

Entonces la variable aleatoria:

12
F= = 2 ~ F(1-); (1 - 1), (2 - 1)

2

Donde: v1=n1-1 y v2=n2-1 son los grados de libertad

Ejemplo 09: De las poblaciones (1, 12 ) y (2, 22 ) independientes se extraen dos muestras de
tamao 13 y 21 respectivamente halla el valor de K tal que:

a). P (12 < 22 ) = 0.99

2
b). P ( 1 2 < ) = 0.05
2

Solucin:

2
a) P ( 1 2 < ) = 0.99
2


12
F= = 2

2

P (F<K) = 0.99 K = F0.99, 12.20 = 3.231

Estadstica Aplicada para la Toma de Decisiones

Docente: MSc. SELENE C. YENGLE DEL CASTILLO