1

ACTIVIDAD PRACTICA APLICADA PROFUNDIZACION

Estadística Inferencial

Mayra Alejandra Enciso Rojas,

Angela Mayerly Huérfano Morales,
Diana Lizeth Rodríguez Muñoz y
Nathalya López López

Tutor: Cesar Humberto Parada Vergara

Fundación Universitaria Compensar
Noviembre 2023
 2

TABLA DE CONTENIDO

ACTIVIDAD PRACTICA APLICADA PROFUNDIZACION.....................................................1

FUNDACIÓN UNIVERSITARIA COMPENSAR .........................................................................1
INTRODUCCIÓN............................................................................................................................. 3
OBJETIVOS...................................................................................................................................... 4
ACTIVIDAD COLABORATIVA.....................................................................................................5
ANALISIS EXPLORATORIO.........................................................................................................6
ESTUDIO DE CASOS…… ………………………………………………………………………10
CONCLUSION….............................................................................................................................18
REFERENCIAS: ....................................................................................................................... ….19
 3

Introducción

Conocer los conceptos básicos de la estadística inferencial y sus campos de aplicación es

de gran necesidad para llevar a cabo el desarrollo de ejercicios prácticos en lo académico y
en la vida diaria.
El siguiente trabajo nos da a conocer conceptos de distribuciones muestrales y sus
fórmulas para su aplicación, aprendemos a aplicar dichas formulas en los casos de estudios
planteados en la actividad y nos lleva a la claridad de que es un proceso o conjunto de
métodos para obtener una muestra finita o infinita de una Población.
 4

Objetivos

General
Mediante la compilación del análisis exploratorio se logra obtener claridad de los conceptos,
fórmulas de aplicación y en que casos se deben usar.
Específicos
- Tener claridad en la teoría del muestreo estadístico y sus distribuciones
- Conocer los tipos de muestreo estadístico
- Realizar casos prácticos para mejor interpretación
 5

Trabajo Colaborativo
Parte A.
Compilación del análisis exploratorio a través de un organizador gráfico.
De forma colaborativa, los estudiantes realizarán un organizador gráfico donde
sintetizarán los elementos más importantes del análisis exploratorio efectuado de forma
individual. Recuerden que puede ser a través de un mapa mental, mapa conceptual,
infografía, entre otros.
A. Muestreo
B. Teorema de Límite Central
C. Distribuciones muestrales
D. Estimación de intervalos de confianza
E. Error de estimación
6
7
8
9
 10

Parte B.
ESTUDIOS DE CASOS.
Las tablas estadísticas, son un elemento clave para la solución de casos de la estadística
inferencial, se destacan entre otras, la distribución normal estándar y la distribución t-student,
para lograr estimar la población, a través de una muestra representativa con una confiabilidad
alta.

Tabla 1: Distribución Normal estándar Tabla 2: Distribución t-student

A continuación, se presentarán 6 casos relacionados con la estadística inferencial, donde

se solicita que empleen las tablas descritas anteriormente:
1. Suponga que las estaturas de unos hombres tienen distribución normal, con
desviación estándar de 2.5 pulgadas y responda:
a. ¿De qué tamaño se debe tomar la muestra si se desea determinar un intervalo de
confianza del 95% para una media con un error de estimación de 0.5?
95% = 1.96
N.C= Nivel de Confianza
 11

1.96 × 2.5 2
n=( )
0.5

n = (98)2
n = 96.04
RTA: El tamaño que se debe tomar la muestra es de 96.
b. ¿De qué tamaño debe ser la muestra si ahora se sabe que la totalidad de hombres
es de 120?
(1.96)2 × 120 × (2.5)2
n = (2.5)2×(1.96)2+(120−1)×(0.5)2
2.881
n = 53.76

n = 0.05
RTA: El tamaño de la muestra con este tamaño de la población seria de 0.05
c. Si la totalidad de hombres es de 100 y se quiere un error de estimación del 4%,
¿cuál es el tamaño de la muestra?
(1.96)2 × 100 ×(2.5)2
n = (2.5)2×(1.96)2+(100−1)×(4)2
2.401
n = 1.608 = 1.493149918

n = 1.5
RTA: El tamaño de la muestra según la información anterior seria de 1.5
2. En determinada marca de lapiceros, el contenido de tinta tiene distribución normal
con una media de 4 ml, con una desviación estándar de 1.5 ml y se toma una muestra
aleatoria de 9 lapiceros. Con base en lo anterior, responda:
a. ¿Cuál es la probabilidad de que la media sea mayor o igual a 3 ml?

X= 3 M= 4
 12

M= 4
𝜎 = 1.5
X=3
P(𝑋 ≥ 3) = ?
𝑋−𝑀
Z= 𝜎
3 −4
Z= 1.5
−1
Z = 1.5 = −0.66 = 0.2546

P(𝑋 ≥ 3) = 1 − 0.2546 = 0.7454 × 100 = 74.54%

RTA: La probabilidad de que la media sea mayor o igual es de 74.54%
b. Si se sabe que son 30 lapiceros, ¿cuál es la probabilidad de que la media sea mayor a 3
ml?
𝑋−𝑀
𝜎
√𝑛
√30(3−30)
Z= 1.5

27√30
Z= 3
2

Z= −98.59006%
RTA: La probabilidad de que la media sea mayor a 3 ml es de −𝟗𝟖. 𝟓𝟗𝟎𝟎𝟔%
c. ¿Cuál es la probabilidad de que la media sea menor o igual a 3 ml?

X= 3 M=4
 13

M= 4
𝜎 = 1.5
X= 3
P(𝑋 ≤ 3) = ?
𝑋−𝑀
Z= 𝜎
3−4
Z= 1.5
−1
Z= 1.5 = −0.66 = 0.2546 = 𝟐𝟓. 𝟒𝟔%

RTA: La probabilidad de que la media sea menos o igual a 3ml es de 25.46%

3. Se tiene un lote de 15 piezas de madera con 5 de ellas defectuosas. De este lote,

se van a seleccionar 7 piezas sin reemplazo. Con base en lo anterior, genere la

distribución muestral de proporciones para el número de piezas defectuosas.

5 piezas defectuosas

10 piezas en óptimas condiciones

15 piezas en total

Numero de
Proporción de maneras en la que
Piezas optimas Piezas defectuosas artículos se puede obtener la
defectuosos muestra
10𝑐1 ∗5 𝑐6 = 0
1 6 6/7=0.857

10𝑐2 ∗5 𝑐5 = 45
2 5 5/7=0.714

10𝑐3 ∗5 𝑐4 = 600
3 4 4/7= 0.571
10𝑐4 ∗5 𝑐3 = 2100
4 3 3/7= 0.428
10𝑐5 ∗5 𝑐2 = 2520
5 2 2/7=0.285
 14

10𝑐6 ∗5 𝑐1 = 1050
6 1 1/7=0.142
10𝑐7 ∗5 𝑐0 = 120
7 0 0/7=0

(0.857 ∗ 0) + (0.714 ∗ 45) + (0.571 ∗ 600) + (0 − 428 ∗ 2100) + (0.285 ∗ 2520) + (0.142 ∗ 1050)(0 ∗ 120)
µ=
6435

0+32.13+342+898.8+718.21+149.1+0
µ= 6435

2140.24
µ= 6435

µ= 0.33

5 1
= = 0,33% defectuoso
15 3

La proporción de artículos defectuosos de esta población es de 5/15=1/3. Por lo tanto, el

33% de las piezas de esta muestra están defectuosas.

4. Un profesor de deportes afirma que el promedio de peso de los que practican un

determinado deporte es de 50 kilos, con una desviación estándar de 7 kilos. Si se

realiza una encuesta, dentro de la que se incluye el peso de 25 deportistas, ¿cuál

es la probabilidad de que el promedio obtenido sea mayor de 60 kilos?

𝑥−µ
Z=
Ơ
 15

Media muestral (X) = 60

Media poblacional (µ) = 50

Desviación estándar poblacional (Ơ) = 7

Tamaño de la muestra (n) = 25

P = (X > 60) = ¿?

60−50 10
Z= = = 1.43 = 𝑧 = 1.43
7 7

P (z ≤ 1,43) = 0.9236

P (x < 60) = 0.9236 P (X > 60) = 1 – 0.9236 = 0.0764 X 100 = 7.64%

Esto quiere decir que el prometió de que la probabilidad sea mayor a 60 es de 7.64%

5. Se quiere estimar el peso promedio de un total de 1000 peras. Para ello, se

escoge aleatoriamente cierto número de peras. Además, se desea que el error de

estimación sea de 4 onzas, con un nivel de confianza del 95%. ¿Cuántas peras

deben seleccionarse suponiendo que 𝜎 = 8?

𝑍 2 𝑋/2 𝑁 𝜎2
n= 𝜎2 𝑍 2𝑋/2 +(𝑁−1)𝑒 2

N.C= 95 % = 1.96

𝑒𝑟𝑟𝑜𝑟 = 4

𝜎= 8

(1.96)2 × 1000 ×(8)2

n= (8)2×(1.96)2+(1000−1)×42

245.862
n= 16.229
 16

n= 15.14

RTA: Las peras que se deben seleccionar son 15

6. Una corporación desea determinar a qué proporción de sus ahorradores le pagan

su sueldo de forma quincenal. En estudios similares, se ha encontrado que la

proporción es de 72%. Si se establece que debe haber una estimación correcta,

con aproximación de ± 6% de la proporción verdadera y una confianza del 90%,

¿qué tamaño de muestra se necesita, suponiendo que la población sea infinita o

demasiado grande? Resuelva considerando que el número total de ahorradores es

de 1200 personas.

Error= 0.06

N= 1200

p= 0.72

q= 0.28

Z x/2= 1.64

(1.64)2 ×0.72×0.28
n= 0.062

0.5422
n= 0.0036

n= 150.61

n= 161
 17

(1.64)2 ×1200×0.72×0.28
n= 0.72×0.28×(1.64)2+(1200−1)×0.062

650.668
n= 4.858

n= 133.93

n= 134

Respuestas

1. El tamaño de la muestra que se necesita suponiendo que la población es infinita es de

161.
2. El tamaño de la muestra que se necesita suponiendo que la población es demasiado
grande es de 134.
 18

Conclusión

Se aplican los conceptos estudiados y se realizan casos de aplicación de manera eficiente,

se reconoce la importancia de la estadística inferencial en todo los campos de aplicación y
profesión de la vida diaria, se reconoce la importancia del reconocimiento de la estadística
como ciencia, artes y rama de las matemáticas que esta presente en todo nuestro diario
vivir.
 19

Referencias

• Robles, J. (s. f.). Curso: Estadística I. http://www.itchihuahua.edu.mx/. Recuperado

10 de septiembre de 2021, de
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01c.html

• ·Pérez, E. (s. f.). Distribución muestral de proporciones. slideshare. Recuperado 10

de septiembre de 2021, de https://es.slideshare.net/eraperez/distribucion-muestral-
de-proporciones

• ·Bencardino, C. M. (2012). Estadística y muestreo. Colombia: Ecoe ediciones.

• Bustos, J. (2016). Estadística inferencial. Sello editorial.

• ·Instituto tecnológico de chihuahua. (s.f). Distribución muestral de diferencia de

medias. Obtenido de
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01c.html

• Catania, A. (2018). Cálculo de intervalos de confianza. Recuperado de

https://rpubs.com/acatania/396921