INGENIERÍA EN SOFTWARE

CURSO: 4to NIVEL

MATERIA:
ESTADISTICA I
(NRC: 3766)

DOCENTE:
RAMIRO TRAJANO FERNANDEZ ZAMBRANO

PRÁCTICA # 5
MUESTREO Y PRUEBA DE HIPOTESIS
ESTUDIANTES:
 CHRISTOPHER BRIONES S.
 CARLOS CLAVIJO P.
 JUAN CARLOS VELASCO.
 DARIO GUANGASI.

PERIODO ACADÉMICO
ABR18 – AGO18
 TRABAJO PRÁCTICO 5: MUESTREO Y PRUEBA DE HIPOTESIS

1.- Los siguientes datos representan la cantidad de días faltados al año en una
población de cinco empleados de una compañía pequeña: 1, 3, 6, 7, 12.
a) Calcular la media y el desvío de la cantidad de días faltados al año de la
población.

x   (x-u)^2
1   23,04
3   7,84
6   0,04
7   1,44
12   38,44
     
29   70,8
     
5,8 Media  
3,76 Desviación  

media=
∑ x = 1+3+6+7 +12 =5,8=u
N 5

∑ ( x−u)2 =¿ 3,76 ¿
desviacion=¿ O=
√ N

b) Suponiendo que se muestrea sin reemplazo:

i. Seleccionar todas las muestras posibles de tamaño 3 y establecer la
distribución de muestreo de la media.

K=NCn=5 C 3=10

X
1 3 6
1 3 7
1 3 12
1 6 7
1 6 12
1 7 12
3 6 7
3 6 12
3 7 12
6 7 12
     
 ii. Calcular la media y la desviación estándar de todas las medias
muestrales.
X u (Muestra) Ox
1 3 6 3,33 2,52
1 3 7 3,67 3,06
1 3 12 5,33 5,86
1 6 7 4,67 3,21
1 6 12 6,33 5,51
1 7 12 6,67 5,51
3 6 7 5,33 2,08
3 6 12 7,00 4,58
3 7 12 7,33 4,51
6 7 12 8,33 3,21
      58,00 40,05

5,8 Media Muestral

1,54 Desviación Media Muestral

iii. ¿Cuál es la relación que existe entre la media de la población y la

media de las medias muestrales? ¿Y entre el desvío de la población y
el desvío de las medias muestrales?

Relación media poblacional y media muestral: es que sus valores son los
mismos 5.8, con esto podemos decir que la sumatoria de todas nuestras y
sacando su media debe ser igual a la media poblacional, para decir que la
muestra está bien elegida
Relación desvió poblacional y desvió muestral: tenemos que los valores son
diferentes, debió población es de 3,76 y el desvió muestral es 1,54, esta cambio
se debe, en la muestra se mide la dispersión de los datos alrededor de la media
de la muestra, es decir es una representa una estadística, y en la población la
desviación poblacional representa un parámetro, no una estadística.

2.- Las bolsas de plástico utilizadas para empacar productos agrícolas se fabrican de
modo que la resistencia a la rotura de la bolsa tenga distribución normal, con una
media de 5 g./cm2 y una desviación estándar de 1 g./cm2.

u=5; O=1
a) ¿Qué proporción de bolsas producidas tiene una resistencia a la rotura entre 5
y 5,5 g./cm2?

Z=5−5,5=¿>0,6915−0,5=0,1915 X 100=19,15 %

El 19,15% de la bolsas tienen una resistencia a la rotura entre 5 y 5,5 g./cm^2

 b) Si se seleccionan muchas muestras aleatorias de 36 bolsas,
i. ¿qué distribución seguirán las medias muestrales?

Normal, porque la distribución de la población ya es normal, entonces

la distribución muestral también es normal sin importarme el tamaño
de la muestra.

ii. ¿Es necesario recurrir al teorema central del límite?

No porque, si conocemos la desviación poblacional, y además el

tamaño de la muestra es mayor a 30.

iii. ¿Cuál es la media y cuál el desvío?

ux=u=5
O 1
Ox= = =0,167
√n √ 36
ii. ¿Qué proporción de las medias muestrales se encuentra entre 5 y 5,5
g./cm2
Z=5−5,5=¿>0,5−0,0014=0,4986 X 100=49,86 %

La porción de la media muestrales que se encuentran entre 5 y 5,5 g./cm^2 es

del 49,86%.

3.- La cantidad de horas de duración de una pila para transistores puede aproximarse
con una distribución normal con µ = 100 horas y  = 20 horas.
a) ¿Qué proporción de las pilas durará entre 100 y 125 horas?
b) Si se seleccionan muestras aleatorias de 36 pilas,
i. ¿Qué proporción de las medias muestrales tendrá una duración
superior a 90 horas?
c) ¿Dentro de que límites caerá el 90 % de las medias muestrales alrededor
de la media de la población?
d) ¿Es necesario el teorema central del límite para contestar los incisos
anteriores?.

a) P(100<X<125)
Estandarizamos con Z=(X-μ)/σ
X=100 --> Z= (100-100)/20 = 0
X=115 --> Z= (125-100)/20 = 1.25
P(100<X<125) --> P(0<Z<1.25) =
P(Z<1.25) - P(Z<0) = 0.8944-0.5= 0.3944= El 39.44 % de las pilas.

b) n=36
P(μ>90)
Estandarizamos con Z=(X-μ)/(σ/√n)
X=90 ---> Z=(90-100)/(20/√16) = -2.23
P(X>90) = P(Z<-2.23) = 1-P(Z<-2.23) =
1-0.0129= 0.9871= 98.71%
c) 90%, α =0.10

Z(1−α /2)=Z (1−0.10/2)=Z (0.95)

P(Z<z) = 0.95 --> z= 1.6449
El intervalo del 90% es
μ ± z(1-α/2)*σ/√n
100 ± 1.6449*20/√16 = 100 ± 8.2245 = (91.7755 , 108.2245)
d) Si es necesario , ya que el teorema central del limite indica que la desviación de la
media muestral independientemente de la distribución es σ/√n

4.- La división de defensa al consumidor de cierta ciudad está interesada en estimar la

cantidad real de refresco que se envasa en botellas de 2 litros. La planta
embotelladora ha informado a la división que la desviación estándar por botella es de
0,05 litros. Una muestra aleatoria de 100 botellas mostró un promedio de 1,99 litros.
Estimar la cantidad promedio real de refrescos en cada botella con un intervalo de
confianza del 95%.
z=1.96=0.49379
s s
x́−t n−1+ ≤ μ ≤ x́ −t n−1 +
√n √n
0.05 0.05
1.99−0.49379+ ≤ μ ≤1.99+ 0.49379+
√100 √ 100
1.501 ≤ μ ≤ 2.489

Con un nivel de confianza del 95% podemos afirmar que el promedio de refresco por botella
es de 1.501 y 2.489 litros.

5.- Se ha proyectado una encuesta para determinar los gastos médicos anuales
promedio por familia de los empleados de una gran compañía. La administración de la
compañía desea tener una confianza del 95% de que el promedio de la muestra tenga
como máximo una diferencia de $50 con los gastos reales promedio de la familia. Un
estudio piloto señala que la desviación estándar se puede estimar como $400, ¿qué
tamaño de muestra necesita?
 z 2∗o2
n=
e2

1.96 2∗400 2
n=
50 2
3.8416∗160000
n=
2500
n=245.86 ≃ 246
Necesitamos un tamaño de la muestra de 245.86 aproximadamente 246

6.- Una máquina encargada del llenado de cajas de cereal funciona correctamente si
carga 368 gr. con una desviación estándar de 15 gr. Se supone normalidad en la
distribución de los datos. El gerente de producción ha decidido que la maquinaria no
funciona correctamente si no se llena con la cantidad apropiada (es decir, 368 gr. en
más o en menos):
Datos

σ =15 gr
μ=368 gr
a) Si se selecciona una muestra de 36 cajas y el gerente está dispuesto a
correr un riesgo del 5%:

σ 15 5
σ x= = = =2.5
√ n √36 2

p=0.95/36=0.026 p=0.55/2.5=0.02
i. ¿Funciona correctamente la máquina si la media muestral es de
365 gr.? En este inciso es necesario plantear el test que se ha
de realizar y analizar los errores asociados.

x́−μ 365−368
z= = =−1.2
σ x́ 2.5

De acuerdo con la tabla de valor de z, para z=-1,2 corresponde a la area de

0.38493.Este valor de Area va desde z=0 y z= -1.2.
Muestra area de interes son los valores menores a 360 para ello tenemos que realizar
la siguiente operación.
0.5−0.38493=0.11507

p ( z ) =0.38493

365−0.38493+2.5 ≤ μ ≤ 365+0.30493+2.5
367.1151 ≤ μ ≤ 367.885

ii. ¿Y si la media muestral es de 369 gr.?

x́−μ 369−368 2
z= = = =0.4
σ x́ 2.5 5

0.5−0.15542=0.34458

p ( z ) =0.15542

369−0.15542+ 2.5≤ μ ≤369+ 0.15542+ 2.5

371.345 ≤ μ ≤ 371.665

b) Si sólo está dispuesto a correr un riesgo del 1%, ¿cuáles serán los
resultados anteriores?

σ 15 5
σ x= = = =2.5
√ n √36 2

p=0.99/36=0.0275 p=0.01/2.5=0.004
 c) Si la muestra se aumenta a 100 cajas y se corre un riesgo del 5%, ¿cuáles
serán los resultados de a)?.

σ 15 3
σ x= = = =1.5
√ n √100 2
p=0.95/100=0.0095 p=0.05/1.5=0.033

x́−μ 365−368
z= = =−2
σ x́ 1.5

De acuerdo con la tabla de valor de z, para z=-2 corresponde a la área de 0.4772.Este

valor de Área va desde z=0 y z= -2.

Muestra área de interés son los valores menores a 360 para ello tenemos que realizar
la siguiente operación.
0.5−0.4772=0.0228
p ( z ) =0.4772

365−0.4772+ 1.5≤ μ ≤369+ 0.4772+1.5

366.023 ≤ μ ≤ 366.977

i. ¿Y si la media muestral es de 369 gr.?

x́−μ 369−368 2
z= = = =0.66666667=0.67
σ x́ 1.5 5

0.5−0.24857=0.25143

p ( z ) =0.24857

369−0.24857+1.5 ≤ μ ≤ 369+0.24857+1.5
370.25 ≤ μ ≤ 370.75