Alumno: ANDRES SERRA TORRES

Matrícula: 620245960
Materia: ESTADISTICA INFERENCIAL
Docente: ING. JIMENEZ PERALTA EVELYN
Campus: Villahermosa
Fecha de entrega: 11/09/2023
ACTIVIDAD: EJERCICIOS SOBRE DISTRIBUCIONES
MUESTRALES
ACTIVIDAD 1:
EJERCICIOS SOBRE DISTRIBUCIONES MUESTRALES
Fecha:11/09/2023

Nombre del estudiante: SERRA TORRES ANDRES

Nombre del docente: JIMENEZ PERALTA EVELYN

• 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:
1. La media de la población

!𝒳# %&'&(&)&**
𝜇= $
= +
=6

𝜇=6

2. La desviación estándar de la población

%
√!(./01) 3(%0()! &('0()! &((0()! &()0()! &(**0()! 3(04)! &(0')! &(5)! &(%)! &(+)!
𝜎= $
= +
= +
=√10.8

𝜎 = 3.286

3. El valor esperado de la media muestral

Para obtener una muestra el ejercicio nos menciona que sean todas las muestras posibles de tamaño con
dos con reemplazo. Por lo tanto, tenemos un muestreo con reposición y la ecuación es:
𝑁𝑛
N = número de elementos de la población
n = tamaño de los grupos de la muestra
𝑁 " = 5# = 25
Nuestra muestra consta de 25 elementos
2 3 6 8 11
2 2.0 2.5 4.0 5.0 6.5
3 2.5 3.0 4.5 5.5 7.0
6 4.0 4.5 6.0 7.0 8.5
8 5.0 5.5 7.0 8.0 9.5
11 6.5 7.0 8.5 9.5 11.5

1
𝜇
(2.0) + (2.5) + (3.0) + (4.0) + (4.5) + (5.0) + (5.5) + (6.5) + (7.0) + (4.0) + (4.5) + (6.0) + (7.0) + (8.5) + (5.0) + (5.5) + (7.0) + (8.0) + (9.5) + (6.5) + (7.0) + (8.5) + (9.5) + (11.5)
=
25
456
𝜇= =6
#5

4. La desviación estándar (error estándar) de la media muestral

𝜎 = ,-(𝑥/ − 𝜇)
/7*

2(2 − 6)% + (2.5 − 6)% + (4 − 6)% + (5 − 6)% + (6.5 − 6)% + (2.5 − 6)% + (11 − 6)%
=
25

135
= = 5.4 = 𝜎8 = √5.4 = 2.32
25

2. Se seleccionaron muestras aleatorias de tamaño n de poblaciones con las medias y

varianzas dadas aquí. Encuentre la media y desviación estándar de la distribución de
muestreo de la

media muestral X en cada caso:

a. n=36,µ=10,s2=9
𝜇 = 𝜇8 = 10
𝜎 3
𝜎8 = = = 0.5
√𝑛 √36
b. n=100,µ=5,s2=4
𝜇 = 𝜇8 = 5
𝜎 3
𝜎8 = = = 0.2
√𝑛 √100
c. n=8,µ=120,s2=1
𝜇 = 𝜇8 = 120
𝜎 1
𝜎8 = = = 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?

R=Cuando la población muestreada es normal, la distribución de muestreo también lo es

y sin importar el tamaño de la muestra como en el inciso c) que es n= 8.

2
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?

R=El Teorema del Límite Central nos dice que para que la distribución muestral se
considere normal, aunque la población no lo sea, n debe ser grande igual o mayor a 30.
El inciso a) y b) cumplen a excepción de c), donde el tamaño de muestra es igual a n= 8.

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

estándar s = 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 = = = 0.33
√𝑁 √9

e. n=16

𝜎 1
𝑆𝐸 = = = 0.25
√𝑁 √16

f. n=25

𝜎 1
𝑆𝐸 = = = 0.2
√𝑁 √25

g. n=100

𝜎 1
𝑆𝐸 = = = 0.1
√𝑁 √100

3
 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
𝜇 9?
97: < =7 7>
6

(0.3)(0.7)
𝜇: = 0.3 𝑦 𝜎: = > = 0.046
100
b. n=400,p=0.1
(0.1)(0.9)
𝜇: = 0.1 𝑦 𝜎: = > = 0.015
400
c. n=250,p=0.6
(0.6)(0.4)
𝜇: = 0.6 𝑦 𝜎: = > = 0.031
250

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

de Pˆ en las siguientes circunstancias?

R=Si es adecuado, si se cumple una de las siguientes condiciones

• n > 30
• np ≥ 5
a. n=50,p=0.05
Cumple con una de las condiciones:
𝑛 > 30 ⟶ 50 > 30
𝑛𝑝 ≥ 5 → (50)(0.05) ≥ 5 ⟶ 2.5 ≥ 5
Por lo tanto
𝜇 9?
97: < =7 7>
6
𝜇: = 0.05 𝑦 𝜎: = 0.03
b. n=75,p=0.1
Cumple con dos de las condiciones:
𝑛 > 30 ⟶ 75 > 30
𝑛𝑝 ≥ 5 → (75)(0.1) ≥ 5 ⟶ 7.5 ≥ 5
Por lo tanto
𝜇 9?
97: < =7 7>
6
𝜇: = 0.1 𝑦 𝜎: = 0.04

c. n=250,p=0.99
Cumple con dos de las condiciones:
𝑛 > 30 ⟶ 250 > 30
𝑛𝑝 ≥ 5 → (250)(0.99) ≥ 5 ⟶ 247.5 ≥ 5
Por lo tanto
𝜇 9?
97: < =7 7>
6
𝜇: = 0.99 𝑦 𝜎: = 0.006

4
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:

1. La duración promedio es menor a 7 años

Debemos calcular el valor de z para x= 7, pero antes debemos calcular el valor de la desviación estándar
muestral.

𝜎 4
𝜎8 = = = 0.73
√𝑛 √30

𝑥−𝜇 7−8
𝑍@ = 𝜎 = 0.73 = 1.37
√𝑛

𝑃(𝑥 − 7) = 𝑃(𝑧 < −1.37) = 𝑃(𝑧 < 0) − 𝑃(−1.37 < 𝑧 < 0) = 0.5 − 0.4147 = 0.0853

2. La duración promedio excede de 7 años

𝑃(𝑥 − 7) = 𝑃(𝑧 < −1.37) = 1 − 𝑃(𝑧 < 1.37) = 1 − 0.0853 = 0.9147

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

𝑃(7 < 𝑥 < 9) = 𝑃(−1.37 < 𝑧 < 1.37) = 𝑃(𝑧 > −1.37) − 𝑃(𝑧 < −1.37) = 0.9147 − 0.0853
= 0.8294

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

Cada que el tamaño de muestra aumenta el error estandar va siendo menor

TAMAÑO DE MUESTRA CONTRA EL ERROR ESTANDAR DE LA

MUESTRA
0.8
0.6
0.4
0.2
0
0 20 40 60 80 100 120

5
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.

1. Describa la distribución de muestreo de la media muestral X

Se calcula la media y la distribución muestrales

𝜇8 = 𝜇 = 71,802

𝜎 4,000
𝜎8 = = = 516.4
√𝑛 √60

2. ¿Dentro de qué límites se esperaría que esté el promedio muestral, con probabilidad
0.95?

Primero determinamos los valores de z que limitan el 0.95:

Dado 0.95 como área central, las dos colas deben contener un total de 0.05. Por lo
*
tanto, cada cola contiene% de 0.05, o sea 0.025. Debemos encontrar los valores de z
para (0.025) y z (0.975) = -z(0.025)

Para hallar z(0.025) debemos determinar el área entre la media y z(0.025) Que es 0.5-
0.025=0.4750. En la tabla de z, buscamos el valor z que le corresponde a 0.4750 y es
1.96. Por lo tanto:

𝑧(0.025) = 1.96

𝑧(0.975) = −𝑧(0.025) = −1.96

Conociendo los límites de z, podemos cálcular los límites de la media muestral.

𝑥−𝜇
𝑍8 = 𝜎
√𝑛

Despejamos x

𝜎
𝑥 = 𝑧5 6+𝜇
√𝑛

Para z(0.025)=1.96

𝜎 4000
𝑥 = 𝑧 5 6 + 𝜇 = 1.96 5 6 + 71,802 = 72,814.14
√𝑛 √60

Para z(0.975)=-z(0.025)=-1.96

6
 𝜎 4000
𝑥 = 𝑧 5 6 + 𝜇 = 1.96 5 6 + 71,802 = 70,789.86
√𝑛 √60

Los limites de la media serian: 70,790<µ<72,814

3. Calcule la probabilidad de que la media muestral x sea mayor que 73,000 dólares.

𝑥−𝜇 73,000 − 71,802

𝑍@ = 𝜎 = = 2.32 = 0.989
4000
√𝑛 √60

𝑃(𝑥 > 73,000) = 1 − 0.989 = 0.011

4. Si una muestra aleatoria en realidad produjo una media muestral de 73,000 dólares,
¿consideraría usted que esto es poco común? ¿Qué conclusión obtendría?

R=Si la media poblacional es diferente de la media muestral, no tendriamos una

distribución normal, por lo que se requiere que el tamaño de la muestra sea más grande.

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.

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

𝜇 = 422

𝜎 = 13

𝜇8 = 𝜇 = 422

𝜎 13
𝜎8 = = = 7.5
√𝑛 √3

2. 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 X , X y X donde X es la cantidad de potasio en el plátano 1, etc.)

𝑇 = 𝑋* + 𝑋% + 𝑋'

𝑃(𝑇 > 1,300)

7
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 µ = 54 meses y una desviación estándar s = 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.

1. 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
𝜇8 = 𝜇 = 54
𝜎 6
𝜎8 = = = 0.8485
√𝑛 √50

2. 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 = 0.8485 = 2.36
√𝑛
𝑃(𝑥 ≤ 52) = 𝑃(𝑧 ≤ −2.36) = 0.05 − 0.4909 = 0.0091

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.

1. 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
𝜇8 = 𝜇 = 37
𝜎 0.4
𝜎8 = = = 0.035
√𝑛 √130
𝑥 − 𝜇 36.8 − 37
𝑍@ = 𝜎 = = −2.36
0.035
√𝑛
𝑃(𝑥 ≤ 36.8) = 𝑃(𝑧 ≤ −2.36) = 1 − 0.4909 = 0.5091

2. ¿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?

8
 R=Hay una probabilidad del 50.91% de que ocurra. Por lo tanto, es más probable
de que ocurra.

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.

1. ¿Cuál es la probabilidad de que un apartamento en este desarrollo cueste al menos

$65,000 usd?

La expresion al menos significa mayor o igual

𝜇 = 62,000
𝜎 = 4,200
𝑥 − 𝜇 65,000 − 62,000
𝑍@ = 𝜎 = = 0.71
4,200
√𝑛
𝑃(𝑥 ≥ 65,000) = 𝑃(𝑧 ≥ −0.71) = 0.5 − 0.2611 = 0.2389

2. 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 65,000 − 62,000

𝑍@ = 𝜎 = = 1.01
4200
√𝑛 √ 2
𝑃(𝑧 ≥ 1.01) = 0.5 − 0.3438 = 0.1562
Es menor 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 < pˆ < 0.61)

!
𝑃 = " = 0.5

n=80

𝑝−𝑝 0.61 − 0.5

𝑧= = = 1.43
𝑝𝑞
' '0.5 ∗ 0.95
𝑛 80

𝑝−𝑝 0.44 − 0.5

𝑧= = = 0.78
𝑝𝑞
' '0.5 ∗ 0.95
𝑛 80

9
 𝑃(0.44 < 𝑝 < 0.61) = 𝑃(0.61 < 𝑝) − 𝑃(0.44 < 𝑝) = 𝑃(1.43 < 𝑧) − 𝑃(0.78 < 𝑧)
= 0.4236 − 02823 = 0.1413

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,

1. 3% o más tengan algún defecto?

𝑝∗𝑞 (0.02)(0.98)
𝑁 L𝑝; N Q = 𝑁 R0.02; > S = 𝑁[0.02; 0.007]
𝑛 400

𝑝−𝑃 0.03 − 0.02

𝑃(𝑝 ≥ 0.03) ⟶ 𝑧 = = = 1.43
0.007
N𝑃𝑞
𝑁

𝑃(𝑧 ≥ 1.43) = 0.5 − 𝑃(𝑧 < 1.43) = 0.5 − 0.4236 = 0.0764

2. 2% o menos tengan algún defecto?

𝑝−𝑃 0.02 − 0.02

𝑃(𝑝 ≤ 0.02 ⟶ 𝑧 = = =0
N𝑃𝑞 N(0.02)(0.98)
𝑛 400

𝑃(𝑧 ≤ 0) = 0.5 − 𝑃(𝑧 > 0) = 0.5 − 0 = 0.5

CONCLUSIONES
Es muy complejo calcular valores estadísticos reales de las poblaciones parámetros
poblacionales; a través de una muestra de la población estimamos las características
poblacionales usando la estadística muestral, que son los valores calculados a través de la
muestra. Para que los valores calculados y/o inferidos sean confiables nuestra muestra debe ser
representativa de la población, aleatoria y entre más grande será también más confiable.

Las técnicas que usamos para calcular los valores estadísticos de las muestras poblacionales
son distribución muestral de las medias y distribución muestral de las proporciones y nos brinda
información acerca de la distribución de probabilidades de los valores que puede tomar el
estadístico a lo largo de todas las posibles muestras.

Los ejercicios de esta serie usamos z para la variable normalizada, para muestras mayores o
iguales a 30 donde z tiene una distribución normal y gracias a estos cálculos nos dimos cuenta
que tan probable es que nuestros valores caigan dentro o fuera de los rangos esperados. Y error

10
estándar nos permite visualizar el rango de valores que caen dentro de una desviación estándar
de la curva del error.

• Referencias
• Johnson, R., & Kuby, P. (2008). Estadística elemental: Lo esencial. México: CENAGUE Learning.
• Llinás, H. (2017). Estadística Inferencial. Colombia: Universidad del Norte.
• Dennis D., W., Mendenhall, W. I., & Scheaffer, R. L. (2009). Estadística Matemática con
Aplicaciones (7 ed.). Mexico, México: Cengage Learning.
• Devore, J. L. (2016). Probabilidad y Estadistica para Ingenieria y Ciencias (9 ed.). Cengage
Learning. Retrieved from https://elibro.net/es/lc/uvm/titulos/93280
• McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.
Mendenhall, W. I., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la Probabilidad y
• Estadística (14 ed.). México, D.F: CENGAGE Learning.
Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadistica para Negocios y Economia
• (11 ed.). Cengage Learning. Retrieved from https://elibro.net/es/lc/uvm/titulos/39949

11