Distribución de Medias

Distribución Muestral de Medias
Suponga que se han seleccionado muestras aleatorias de tamaño 20 en

una población grande. Se calcula la madia muestral x para cada muestra;
la colección de todas estas medias muestrales recibe el nombre de
distribución muestral de medias, lo que se puede ilustrar en la siguiente
figura:.
entonces la fórmula para calcular la probabilidad del comportamiento del estadístico
poblaciones finitas
1 EDGA ALVAREZ ARAGON IQ 18/10/2018

Una empresa eléctrica fabrica focos que tienen una duración que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviación estándar
de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos
tenga una vida promedio de menos de 775 horas.
Solución:
Este valor se busca en la tabla de z
La interpretación sería que la probabilidad de que la media de la muestra de 16

focos sea menor a 775 horas es de 0.0062.
Las estaturas de 1000 estudiantes están distribuidas aproximadamente en forma
normal con una media de 174.5 centímetros y una desviación estándar de 6.9
centímetros. Si se extraen 200 muestras aleatorias de tamaño 25 sin reemplazo
de esta población, determine:
a. El número de las medias muestrales que caen entre 172.5 y 175.8

centímetros.
b. El número de medias muestrales que caen por debajo de 172 centímetros.
Solución:
Como se puede observar en este ejercicio se cuenta con una población finita y un
muestreo sin reemplazo, por lo que se tendrá que agregar el factor de corrección.
Se procederá a calcular el denominador de Z para sólo sustituirlo en cada inciso.
a.
(0.7607)(200)=152 medias muestrales
b.
Suponga que una máquina dispensadora de bebidas gaseosas la cantidad que envasa es una
variable X que tiene una distribución normal con media  = 10 onzas y una desviación
estándar  = 1. Y nos proponemos hacer 25 mediciones del líquido dispensado.
a) Exprese el significado X
b) ¿ Qué distribución tiene la X ?
c) ¿ Cuál es la probabilidad de X sea por lo menos 10.3?
Solución
a) X = cantidad promedio de gaseosa dispensada en las 25 mediciones.
b) X tiene una distribución normal con  x   x  10
c)
1. Establecer datos
n =25
 = 10 onzas
 = 1.0
P( X  10.3) = ?
2. Elaborar gráfica del problema
10 10.3
3. Aplicar la fórmula para estandarizar los valores de X

x  
Z 

n
4. Encontrar el valor de z
10.3  10.0
Z   1.5
1
25
P( X  10.3) = P ( Z  1.5 )
5. Encontrar la probabilidad del valor de Z utilizando la tabla
P ( Z  1.5 )= 0.5 – 0.4332 = 0.0668

Distribución muestral de Proporciones
Existen ocasiones en las cuales no estamos interesados en la media de la

muestra, sino que queremos investigar la proporción de artículos defectuosos o la
proporción de alumnos reprobados en la muestra. La distribución muestral de
proporciones es la adecuada para dar respuesta a estas situaciones. Esta
distribución se genera de igual manera que la distribución muestral de medias, a
excepción de que al extraer las muestras de la población se calcula el estadístico
proporción (p=x/n en donde "x" es el número de éxitos u observaciones de interés
y "n" el tamaño de la muestra) en lugar del estadísitico media.
La fórmula que se utilizará para el cálculo de probabilidad en una distribución

muestral de proporciones está basada en la aproximación de la distribución normal
a la binomial . Esta fórmula nos servirá para calcular la probabilidad del
comportamiento de la proporción en la muestra.
A esta fórmula se le puede agregar el factor de corrección de si se cumple con las

condiciones necesarias.

Aproximación de la Binomial por la Normal (Teorema de De Moivre) :
Demostró que bajo determinadas condiciones (para n grande y tanto p como q no estén
próximos a cero) la distribución Binomial B(n, p) se puede aproximar mediante una
distribución normal
Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto más próximo sea p
a 0.5, tanto mejor será la aproximación realizada. Es decir, basta con que se verifique
gracias a esta aproximación es fácil hallar probabilidades binomiales, que para valores
grandes de n resulten muy laboriosos de calcular.

Hay que tener en cuenta que para realizar correctamente esta transformación de una
variable discreta (binomial) en una variable continua (normal) es necesario hacer una
corrección de continuidad.

Ejemplo: Se ha determinado que 60% de los estudiantes de una universidad
grande fuman cigarrillos. Se toma una muestra aleatoria de 800 estudiantes.
Calcule la probabilidad de que la proporción de la muestra de la gente que fuma
cigarrillos sea menor que 0.55.
Solución: Este ejercicio se puede solucionar por dos métodos. El primero puede
ser con la aproximación de la distribución normal a la binomial y el segundo
utilizando la fórmula de la distribución muestral de proporciones.
Aproximación de la distribución normal a la binomial:
Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x 440) = ?
Media= np= (800)(0.60)= 480
p(x 440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de
que al extraer una muestra de 800 estudiantes, menos de 440 fuman cigarrillos.
Distribución Muestral de Proporciones
Datos:
n=800 estudiantes
P=0.60
Distribución Muestral de Diferencia de Medias
Suponga que se tienen dos poblaciones distintas, la primera con media 1 y
desviación estándar 1, y la segunda con media 2 y desviación estándar 2.
Más aún, se elige una muestra aleatoria de tamaño n1 de la primera población y
una muestra independiente aleatoria de tamaño n2 de la segunda población; se
calcula la media muestral para cada muestra y la diferencia entre dichas medias.
La colección de todas esas diferencias se l ama distribución muestral de las
10
diferencias entre medias o la distribución muestral del estadístico
EDGA ALVAREZ ARAGON IQ 18/10/2018
La distribución es aproximadamente normal para n1 30 y n2 30. Si las
poblaciones son normales, entonces la distribución muestral de medias es normal
sin importar los tamaños de las muestras.

Sabemos que: y que , por lo que y que
.
La fórmula que se utilizará para el calculo de probabilidad del estadístico de
diferencia de medias es:

Uno de los principales fabricantes de televisores compra los tubos de rayos
catódicos a dos compañías. Los tubos de la compañía A tienen una vida media de
7.2 años con una desviación estándar de 0.8 años, mientras que los de la B tienen
una vida media de 6.7 años con una desviación estándar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la compañía A tenga
una vida promedio de al menos un año más que la de una muestra aleatoria de 40
tubos de la compañía B.
Solución:
Datos:
A = 7.2 años
B = 6.7 años
A = 0.8 años
B = 0.7 años
nA = 34 tubos
nB = 40 tubos
=?

Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrándose una
desviación estándar de 1.23km/L para la primera gasolina y una desviación
estándar de 1.37km/L para la segunda gasolina; se prueba la primera gasolina en
35 autos y la segunda en 42 autos.
a. ¿Cuál es la probabilidad de que la primera gasolina de un rendimiento

promedio mayor de 0.45km/L que la segunda gasolina?
b. ¿Cuál es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?.
Solución:
En este ejercicio no se cuenta con los parámetros de las medias en ninguna de las
dos poblaciones, por lo que se supondrán que son iguales.
Datos:
1 = 1.23 Km/Lto
2 = 1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
a. =?

a. ?
La probabilidad de que la diferencia en rendimientos promedio en las muestras se

encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1 es de 0.0117.

Distribución Muestral de Diferencia de
Proporciones
Muchas aplicaciones involucran poblaciones de datos
cualitativos que deben compararse utilizando
proporciones o porcentajes.
Cuando el muestreo procede de dos poblaciones
binomiales y se trabaja con dos proporciones
muestrales, la distribución muestral de diferencia de
proporciones es aproximadamente normal para
tamaños de muestra grande (n1p1 5, n1q1 5,n2p2 5 y
n2q2 5). Entonces p1 y p2 tienen distribuciones
muestrales aproximadamente normales, así que su
diferencia p1-p2 también tiene una distribución muestral
aproximadamente
16 EDGA ALVAREZ ARAGONnormal.
IQ 18/10/2018
normal.
Cuando se estudió a la distribución muestral de proporciones se comprobó que
y que , por lo que no es difícil deducir que y
que .
La fórmula que se utilizará para el calculo de probabilidad del estadístico de

diferencia de proporciones es:

Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren
en sus opiniones sobre la promulgación de la pena de muerte para personas
culpables de asesinato. Se cree que el 1 2% de los hombres adultos están a favor
de la pena de muerte, mientras que sólo 10% de las mujeres adultas lo están. Si
se pregunta a dos muestras aleatorias de 100 hombres y 100 mujeres su opinión
sobre la promulgación de la pena de muerte, determine la p robabilidad de que el
porcentaje de hombres a f avor sea al menos 3% mayor que el de las mujeres.
Solución:
Datos:
PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-pM 0.03) = ?
Se recuerda que se está incluyendo el f actor de corrección de 0.5 por ser una
distribución binomial y se está utilizando la distribución normal.

Distribución Muestral de Número de Defectos
En el control de calidad y específicamente en los gráficos de control "c" se aplica

esta distribución, la cual consiste en que al extraer un artículo contabilicemos el
número de defectos que tiene ese artículo.
Esta distribución muestral proviene de la distribución de Poisson, en la cual le

media es y que en este caso es el número promedio de defectos por unidad.
Como ya es conocido la varianza de la distribución de Poisson es igual a por lo
que se puede deducir la formula de la siguiente manera:
Para la distribución muestral de número de defectos la nomenclatura utilizada es:
c = número defectos por unidad de inspección
C = número de defectos promedio por unidad de inspección
Se debe de recordar que la distribución de Poisson es una distribución discreta, y

se esta utilizando la aproximación de la normal a la Poisson, debiendo aplicar el
factor de corrección de  0.5 según sea el caso. La formula para la dsitribución
muestral de número de defectos quedaría de la siguiente manera:
Ejemplo:

Ejemplo:
En cierta empresa se fabrican productos con un promedio de 8 defectos por

unidad. Determine la probabilidad de que el próximo producto inspeccionado tenga
un número de defectos:
a. Mayor o igual a 6
b. Exactamente 7
c. Como máximo 9
a.
La probabilidad de que el siguiente producto inspeccionado tenga por lo menos 6

defectos es de 0.8106.
b.
La probabilidad de que el siguiente producto

inspeccionado tenga exactamente 7 defectos es de
0.1344.
b.
La probabilidad de que el siguiente producto inspeccionado tenga a lo más 9

defectos es de 0.7019.

ESTIMACION
El objetivo principal de la estadística inferencial es la estimación, esto es que

mediante el estudio de una muestra de una población se quiere generalizar las
conclusiones al total de la misma. Como vimos en la sección anterior, los
estadísticos varían mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estándar de un estadístico, más cercanos serán unos de otros
sus valores.
Existen dos tipos de estimaciones para parámetros; puntuales y por intervalo. Una
estimación puntual es un único valor estadístico y se usa para estimar un
parámetro. El estadístico usado se denomina estimador.
Estimación de Parámetros
Parámetros Poblacionales y Estadísticos Muestrales
Parámetros:
Histograma de la Poblacion
160
Media ()
140
Varianza(2)
Datos 120
100
Desv. Est. ()
Frecuencia
(Población de Interés) 80
60
Etc.
40
20
0
-4 -2 0 2 4
Clases
Inferencias
Muestreo 16
Histograma de la Muestra
14
12
Estadísticos:
Frecuencia
10
Muestras 8
6 Promedio ( X )
4
2
Varianza muestral( Ŝ 2 )
0
-4 -2 0
Clases
2 4 Desv. Est. muestral( Ŝ )
Estimación Puntual
. Cuando no se conoce alguna característica de la población,
como podría ser la media, el estadístico correspondiente de
la muestra, en este caso la media de la muestra, puede ser
utilizado como estimador del parámetro poblacional. Esta
técnica estadística se llama estimación puntual.
Estimación puntual es cuando un

estadístico de la muestra es usado para
estimar un parámetro poblacional.

Ejemplo
Se realizará un estudio sobre la potencia de arranque en frío de baterías o
acumuladores de 12 voltios para estimar el numero de veces que un motor con
desplazamiento de 440 plg3 arrancara antes de que falle la batería. Una muestra de 40
dispositivos seleccionados al azar dió los siguientes números de arranque:
26 27 26 20 21 42 30 22
22 21 26 9 21 22 28 26
19 16 20 32 18 23 32 28
21 41 19 31 21 22 16 23
30 21 37 28 39 30 21 23
x= 25 arreglos

Propiedades de un Buen Estimador
Insesgado.- Un estimador insesgado es aquel para el cual la media
de la distribución muestral es el parámetro estimado. Si se usa la
media muestral para estimar la media poblacional , se sabe que la
, por lo tanto la media es un estimador insesgado.
Coherencia.- Una estadística es un estimador coherente de un
parámetro de población, si al aumentar el tamaño de la muestra se
tiene casi la certeza de que el valor de la estadística se aproxima
bastante al valor del parámetro de la población. Si un estimador es
coherente se vuelve mas confiable si tenemos tamaños de muestras
mas grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la

información contenida de la muestra que ningún otro estimador podría
extraer información adicional de la muestra sobre el parámetro de la
población que se esta estimando.
Es decir se pretende que al extraer la muestra el estadístico calculado

contenga toda la información de esa muestra.
Estimación por Intervalos
Un estimado puntual, por ser un sólo número, no proporciona por sí mismo

información alguna sobre la precisión y confiabilidad de la estimación. Por
ejemplo, imagine que se usa el estadístico para calcular un estimado puntual de
la resistencia real a la ruptura de toallas de papel de cierta marca, y suponga que
= 9322.7. Debido a la variabilidad de la muestra, nunca se tendrá el caso de que
= . El estimado puntual nada dice sobre lo cercano que esta de .

El estimado puntual nada dice sobre lo cercano que esta de . Una alternativa
para reportar un solo valor del parámetro que se esté estimando es calcular e
informar todo un intervalo de valores factibles, un estimado de intervalo o intervalo
de confianza (IC). Un intervalo de confianza se calcula siempre seleccionando
primero un nivel de confianza, que es una medida de el grado de fiabilidad en el
intervalo. Un intervalo de confianza con un nivel de confianza de 95% de la
resistencia real promedio a la ruptura podría tener un límite inferior de 9162.5 y
uno superior de 9482.9. Entonces, en un nivel de confianza de 95%, es posible
tener cualquier valor de entre 9162.5 y 9482.9.

• Para entender mejor el concepto de intervalo de confianza vamos a
suponer que seleccionamos 100 muestras de una población y calculamos
la media de las muestras e intervalos de confianza del 95% para cada
muestra. Descubriremos que cerca de 95 de los 100 intervalos de confianza
contienen la media poblacional.

Estimación por Intervalo. Establece el rango de valores
dentro del cual se espera que se encuentre un parámetro
poblacional.

Pasos para construir un intervalo de confianza (n>30)
1. Establecer el nivel de confianza

2. Determinar el valor de la variable aleatoria estándar
3. Calcular los estadísticos de la muestra
4. Calcular el error estándar
5. Calcular el error máximo de estimación
6. Determinar los límites del intervalo de confianza e
interpretar.

Encontrar z a partir de un nivel de confianza
Existen varias tablas en las cuales podemos encontrar el valor de z, según sea el
área proporcionada por la misma. En esta sección se realizará un ejemplo para
encontrar el valor de z utilizando tres tablas diferentes.
Ejemplo:
Encuentre el valor de z para un nivel de confianza del 95%.
Solución 1:
Se utilizará la tabla que tiene el área bajo la curva de - hasta z. Si lo vemos

gráficamente sería:
El
Para la tabla en donde el área bajo la curva va desde z hasta
:
El nivel de confianza bilateral está dividido en partes iguales bajo la curva:
Se busca el valor de 0.025 para encontrar z de 1.96.
En base a la tabla que se esta utilizando, se tendrá que buscar el área de 0.975,
ya que cada extremo o cola de la curva tiene un valor de 0.025.
0.475
Por lo que el valor de z es de 1.96.

Estimación para la Media
Es conocido de nosotros durante este curso, que en base a la distribución

muestral de medias que se generó en el tema anterior, la formula para el calculo
de probabilidad es la siguiente: . Como en este caso no conocemos

el parámetro y lo queremos estimar por medio de la media de la muestra, sólo se
despejará de la formula anterior, quedando lo siguiente:
De esta formula se puede observar que tanto el tamaño de la muestra como el

valor de z se conocerán. Z se puede obtener de la tabla de la distribución normal a
partir del nivel de confianza establecido. Pero en ocasiones se desconoce por
lo que en esos casos lo correcto es utilizar otra distribución llamada "t" de student
si la población de donde provienen los datos es normal.
Ejemplos:
1. Se encuentra que la concentración promedio de zinc que se saca del agua

a partir de una muestra de mediciones de zinc en 36 sitios diferentes es de
2.6 gramos por mililitro. Encuentre los intervalos de confianza de 95% y
99% para la concentración media de zinc en el río. Suponga que la
desviación estándar de la población es 0.3.
Solución:
La estimación puntual de es = 2.6. El valor de z para un nivel de

confianza del 95% es 1.96, por lo tanto:
Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el

intervalo será más amplio:

1. Una empresa eléctrica fabrica focos que tienen una duración
aproximadamente distribuida de forma normal con una desviación estándar
de 40 horas. Si una muestra de 30 focos tiene una duración promedio de
780 horas, encuentre un intervalos de confianza de 96% para la media de la
población de todos los focos que produce esta empresa.
Solución:
Con un nivel de confianza del 96% se sabe que la duración media de los
focos que produce la empresa está entre 765 y 765 horas.

Estimación de una Proporción
Un estimador puntual de la proporción P en un experimento binomial está dado por la

estadística P=X/N, donde x representa el número de éxitos en n pruebas. Por tanto, la
proporción de la muestra p =x/n se utiuñlizará como estimador puntual del parámetro P.
Si no se espera que la proporción P desconocida esté demasiado cerca de 0 ó de 1, se puede

establecer un intervalo de confianza para P al considerar la distribución muestral de
proporciones.
Al despejar P de esta ecuación nos queda:

En este despeje podemos observar que se necesita el valor del parámetro P y es
precisamente lo que queremos estimar, por lo que lo sustituiremos por la proporción de la
muestra p siempre y cuando el tamaño de muestra no sea pequeño.
Cuando n es pequeña y la proporción desconocida P se considera cercana a 0 ó a 1, el

procedimiento del intervalo de confianza que se establece aquí no es confiable, por tanto,
no se debe utilizar. Para estar seguro, se debe requerir que np ó nq sea mayor o igual a 5.
El error de estimación será la diferencia absoluta entre p y P, y podemos tener el nivel de
confianza de que esta diferencia no excederá .

Ejemplos:
1. Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas

amplias para evaluar la función eléctrica de su producto. Todos los reproductores de
discos compactos deben pasar todas las pruebas antes de venderse. Una muestra
aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o más
pruebas. Encuentre un intervalo de confianza de 90% para la proporción de los
reproductores de discos compactos de la población que no pasan todas las pruebas.
Solución:
n=500
p = 15/500 = 0.03
z(0.90) = 1.645
0.0237<P<0.0376
Se sabe con un nivel de confianza del 90% que la proporción de discos defectuosos
39 EDGA
que noALVAREZ
pasan laARAGON
prueba enIQesa población esta entre 0.0237 y 0.0376. 18/10/2018
1. En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se
encontraron 20 defectuosas. Si la proporción p de pilas defectuosas en esa muestra
se usa para estimar P, que vendrá a ser la proporción verdadera de todas las pilas
defectuosas tipo B fabricadas por la Everlast Company, encuentre el máximo error
de estimación tal que se pueda tener un 95% de confianza en que P dista menos
de de p.
Solución:
p=x/n = 20/400=0.05
z(0.95)=1.96
Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista
menos de 0.021 de p. En otras palabras, si p=0.05 se usa para erstimar P, el error
máximo de estimación será aproximadamente 0.021 con un nivel de confianza del
95%.
Para calcular el intervalo de confianza se tendría:
Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del
95% se sabe que la proporción de pulas defectuosas de esta compañía está entre
0.029 y 0.071.
Si se requiere un menor error con un mismo nivel de confianza sólo se necesita

aumentar el tamaño de la muestra.
Estimación de la Diferencia entre dos Medias
2 2
Si se tienen dos poblaciones con medias 1 y 2 y varianzas 1 y 2 ,
respectivamente, un estimador puntual de la diferencia entre 1 y 2 está dado por la
estadística . Por tanto. Para obtener una estimación puntual de

1- 2, se seleccionan dos muestras aleatorias independientes, una de cada población, de
tamaño n1 y n2, se calcula la diferencia , de las medias muestrales.
Recordando a la distribución muestral de diferencia de medias:
Al despejar de esta ecuación 1- 2 se tiene:
En el caso en que se desconozcan las varianzas de la población y los tamaños de muestra

sean mayores a 30 se podrá utilizar la varianza de la muestra como una estimación puntual.
1. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y
B. Se mide el rendimiento en millas por galón de gasolina. Se realizan 50
experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se
utiliza y las demás condiciones se mantienen constantes. El rendimiento
promedio de gasolina para el motor A es de 36 millas por galón y el promedio
para el motor B es 24 millas por galón. Encuentre un intervalo de confianza de
96% sobre la diferencia promedio real para los motores A y B. Suponga que las
desviaciones estándar poblacionales son 6 y 8 para los motores A y B
respectivamente.
Solución:
Es deseable que la diferencia de medias sea positiva por lo que se recomienda

restar la media mayor menos la media menor. En este caso será la media del
motor B menos la media del motor A.
El valor de z para un nivel de confianza del 96% es de 2.05

3.43< B- A<8.57
La interpretación de este ejemplo sería que con un nivel de confianza del 96% la
diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galón a favor
del motor B. Esto quiere decir que el motor B da mas rendimiento promedio que el
motor A, ya que los dos valores del intervalo son positivos.

Estimación de la Diferencia de dos Proporciones
En la sección anterior se vio el tema de la generación de las distribuciones

muestrales, en donde se tenía el valor de los parámetros, se seleccionaban dos
muestras y podíamos calcular la probabilidad del comportamiento de los
estadísticos. Para este caso en particular se utilizará la distribución muestral de
diferencia de proporciones para la estimación de las misma. Recordando la
formula:
Despejando P1-P2 de esta ecuación:
Aquí se tiene el mismo caso que en la estimación de una proporción, ya que al

hacer el despeje nos queda las dos proporciones poblacionales y es precisamente
lo que queremos estimar, por lo que se utilizarán las proporciones de la muestra
como estimadores puntuales:

1. Se considera cierto cambio en un proceso de fabricación de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
para determinar si éste tiene como resultado una mejoría. Si se encuentra
que 75 de 1500 artículos del procedimiento actual son defectuosos y 80 de
2000 artículos del procedimiento nuevo también lo son, encuentre un
intervalo de confianza de 90% para la diferencia real en la fracción de
defectuosos entre el proceso actual y el nuevo.
Solución:
Sean P1 y P2 las proporciones reales de defectuosos para los procesos

actual y nuevo, respectivamente. De aquí, p 1=75/1500 = 0.05 y p2 =
80/2000 = 0.04. con el uso de la tabla encontramos que z para un nivel de
confianza del 90% es de 1.645.
-0.0017<P1-P2<0.0217
Como el intervalo contiene el valor de cero, no hay razón para creer que el
nuevo procedimiento producirá una disminución significativa en la
proporción de artículos defectuosos comparado con el método existente.
Determinación de Tamaños de Muestra para Estimaciones
Al iniciar cualquier investigación, la primer pregunta que surge es: ¿de qué tamaño
debe ser la o las muestras?. La respuesta a esta pregunta la veremos en esta
sección, con conceptos que ya se han visto a través de este material.
Cálculo del Tamaño de la Muestra para Estimar una Media
¿Qué tan grande debe ser una muestra si la media muestral se va a usar para
estimar la media poblacional?. La respuesta depende del error estándar de la
media, si este fuera cero, entonces se necesitaría una sola media que será igual
necesariamente a la media poblacional desconocida , porque = 0. Este caso
extremo no se encuentra en la práctica, pero refuerza el hecho de que mientras
menor sea el error estándar de la media, menor es el tamaño de muestra
necesario para lograr un cierto grado de precisión.
Se estableció antes que una forma de disminuir el error de estimación es
aumentar el tamaño de la muestra, si éste incluye el total de la población,
entonces sería igual a cero. Con esto en mente, parece razonable que para
un nivel de confianza fijo, sea posible determinar un tamaño de la muestra tal que
el error de estimación sea tan pequeño como queramos, para ser mas preciso,
dado un nivel de confianza y un error fijo de estimación , se puede escoger un
tamaño de muestra n tal que P( ) = Nivel de confianza. Con el propósito

de determinar n. El error máximo de estimación esta dado por:
Si se eleva al cuadrado ambos lados de esta ecuación y se despeja n de la

ecuación resultante, obtenemos:
Como EDGA ALVAREZ ARAGON IQ

47 18/10/2018
Como n debe de ser un número entero, redondeamos hacia arriba todos los
resultados fraccionarios.
En el caso de que se tenga una población finita y un muestreo sin reemplazo, el

error de estimación se convierte en:
De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

1. Una empresa eléctrica fabrica focos que tienen una duración
aproximadamente normal con una desviación estándar de 40 horas. ¿De
qué tamaño se necesita una muestra si se desea tener 96% de confianza
que la media real esté dentro de 10 horas de la media real?
Se necesita una muestra de 68 focos para estimar la media de la población

y tener un error máximo de 10 horas.
¿Qué pasaría si en lugar de tener un error de estimación de 10 horas sólo

se requiere un error de 5 horas?
Se puede observar como el tamaño de la muestra aumenta, pero esto tiene

como beneficio una estimación más exacta.
Cálculo del Tamaño de la Muestra para Estimar una Proporción
Se desea saber que tan grande se requiere que sea una muestra para asegurar
que el error al estimar P sea menor que una cantidad específica .
Elevando al cuadrado la ecuación anterior se despeja n y nos queda:
En el caso de que se tenga una población finita y un muestreo sin reemplazo, el

error de estimación se convierte en:
De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

1. En una muestra aleatoria de 500 familias que tienen televisores en la
ciudad de Hamilton, Canadá, se encuentra que 340 están suscritas a HBO.
¿Qué tan grande se requiere que sea una muestra si se quiere tener 95%
de confianza de que la estimación de P esté dentro de 0.02?
Solución:
Se tratarán a las 500 familias como una muestra preliminar que proporciona
una estimación de p=340/500=0.68.
Por lo tanto si basamos nuestra estimación de P sobre una muestra

aleatoria de tamaño 2090, se puede tener una confianza de 95% de que
nuestra proporción muestral no diferirá de la proporción real por más de
0.02.
Cálculo del Tamaño de la Muestra para Estimar la Diferencia de
Medias
Si se recuerda a la distribución muestral de diferencia de medias se tiene que error

esta dado por:
En esta ecuación se nos pueden presentar dos casos:
 Los tamaños de muestra son iguales.

 Los tamaño de muestra son diferentes .
Para el primer caso no se tiene ningún problema, se eleva al cuadrado la ecuación

y se despeja n ya que n1 es igual a n2.

Para el segundo caso se pondrá una n en función de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamaño y se sabe que una es K veces
mayor que la otra.

Un director de personal quiere comparar la efectividad de dos métodos de
entrenamiento para trabajadores industriales a fin de efectuar cierta operación de
montaje. Se divide un número de operarios en dos grupos iguales: el primero
recibe el método de entrenamiento 1, y el segundo, el método 2. Cada uno
realizará la operación de montaje y se registrará el tiempo de trabajo. Se espera
que las mediciones para ambos grupos tengan una desviación estándar
aproximadamente de 2 minutos. Si se desea que la estimación de la diferencia en
tiempo medio de montaje sea correcta hasta por un minuto, con una probabilidad
igual a 0.95, ¿cuántos trabajadores se tienen que incluir en cada grupo de
entrenamiento?
Cada grupo debe contener aproximadamente 31 empleados.

Cálculo del Tamaño de la Muestra para Estimar la Diferencia de
Proporciones
Si se recuerda a la distribución muestral de diferencia de medias se tiene que error

esta dado por:
En esta ecuación se nos pueden presentar dos casos:
 Los tamaños de muestra son iguales.

 Los tamaño de muestra son diferentes .
Para el primer caso no se tiene ningún problema, se eleva al cuadrado la ecuación

y se despeja n ya que n1 es igual a n2.

Para el segundo caso se pondrá una n en función de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamaño y se sabe que una es K veces
mayor que la otra.

Una compañía de productos alimenticios contrató a una empresa de investigación
de mercadotecnia , para muestrear dos mercados, I y II, a fin de comparar las
proporciones de consumidores que prefieren la comida congelada de la compañía
con los productos de sus competidores. No hay información previa acerca de la
magnitud de las proporciones P1 y P2. Si la empresa de productos alimenticios
quiere estimar la diferencia dentro de 0.04, con una probabilidad de 0.95, ¿
cuántos consumidores habrá que muestrear en cada mercado?
Se tendrá que realizar encuestas a 1201 consumidores de cada mercado para

tener una estimación con una confianza del 95% y un error máximo de 0.04.

Margen de confianza en la estimación
-Expresa el grado de probabilidad que el investigador
tiene en que su estimación se ajuste a la realidad.
-Los valores comúnmente utilizados son 95, 99, 99,9%
Los incrementos en el tamaño de la muestra repercuten en
una mayor precisión y por consiguiente en menor error
muestral.
El error muestral interviene en el cálculo del tamaño de la
muestra solo si el diseño es probabilístico.
En el muestreo probabilístico el investigador fija el error
máximo admisible a priori y sobre esa base realiza el cálculo
del tamaño de la muestra.

Tamaño de la muestra vs. Error muestral

INTERVALO DE CONFIANZA PARA ; CON DESCONOCIDA
Si y s son la media y la desviación estándar de una muestra aleatoria de una
población normal con varianza , desconocida, un intervalo de confianza de

( )100% para es:
donde /2 es el valor t con = n-1 grados de libertad, que deja un área de

/2 a la derecha.

Ejemplos:
1. El contenido de siete contenedores similares de ácido sulfúrico son 9.8,

10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza
del 95% para la media de todos los contenedores si se supone una
distribución aproximadamente normal.
Solución:
La media muestral y la desviación estándar para los datos dados son:
10 y s= 0.283
En la tabla se encuentra que t0.025=2.447 con 6 grados de libertad, de aquí,

el intervalo de confianza de 95% para es:
Con un nivel de confianza del 95% se sabe que el promedio del contenido
de los contenedores está entre 9.47 y 10.26 litros.

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS
DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
IGUALES
Si s12 y s22 son las medias y las varianzas de dos muestras aleatorias de
tamaño n1 y n2, respectivamente, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas pero iguales, entonces un intervalo de
confianza del 100( ) por ciento para la diferencia entre medias es:
en donde:
es el estimador combinado de la desviación estándar común de la población con

n621+n2 –EDGA
2 grados de ARAGON
ALVAREZ libertad. IQ 18/10/2018
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS
DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
DIFERENTES
Consideremos ahora el problema de encontrar una estimación por intervalos de

 cuando no es probable que las varianzas poblacionales desconocidas sean
iguales. La estadística que se usa con más frecuencia en este caso es:

que tiene aproximadamente una distribución t con grados de libertad, donde:
Como rara vez es número entero, lo redondeamos al número entero más

cercano menor. Esto es si el valor de nu es de 15.9 se redondeará a 15.
Al despejar la diferencia de medias poblacionales de la formula de t nos queda:

1. El departamento de zoología de la Universidad de Virginia llevó a cabo un
estudio para estimar la diferencia en la cantidad de ortofósforo químico
medido en dos estaciones diferentes del río James. El ortofósforo se mide
en miligramos por litro. Se reunieron 15 muestras de la estación 1 y se
ontuvo una media de 3.84 con una desviación estándar de 3.07 miligramos
por litro, mientras que 12 muestras de la estación 2 tuvieron un contenido
promedio de 1.49 con una desviación estándar 0.80 miligramos por litro.
Encuentre un intervalo de confianza de 95% para la diferencia del contenido
promedio real de ortofósforo en estas dos estaciones, suponga que las
observaciones vienen de poblaciones normales con varianzas diferentes.
Solución:
Datos:
Estación 1 Estación 2
n1 = 15 n2 = 12
S1= 3.07 S2 = 0.80
Primero se procederá a calcular los grados de libertad:

Primero se procederá a calcular los grados de libertad:
Al usar =0.05, encontramos en la tabla con 16 grados de libertad que el valor

de t es 2.120, por lo tanto:
que se simplifica a:
0.60   4.10
Por ello se tiene una confianza del 95% de que el intervalo de 0.60 a 4.10
miligramos por litro contiene la diferencia de los contenidos promedios reales de
ortofósforo para estos dos lugares.

Estimación de la Varianza
Para poder estimar la varianza de una población normal se utilizará la distribución
ji-cuadrada.
Al despejar esta fórmula la varianza poblacional nos queda:
Los valores de X2 dependerán de nivel de confianza que se quiera al cual le

llamamos . Si nos ubicamos en la gráfica se tiene:

1. Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas
de pasto distribuidas por cierta compañía: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9,
45.8, 46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la
varianza de todos los paquetes de semillas de pasto que distribuye esta
compañía, suponga una población normal.
Solución:
Primero se calcula la desviación estándar de la muestra:
al elevar este resultado al cuadrado se obtiene la varianza de la muestra

s2= 0.286.

Para obtener un intervalo de confianza de 95% se elige un = 0.05.
Después con el uso de la tabla con 9 grados de libertad se obtienen los
valores de X2.
Se puede observar en la gráfica anterior que el valor de X2 corre en forma

normal, esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Graficamente:
Se observa que la varianza corre en sentido contrario, pero esto es sólo en

la gráfica. La interpretación quedaría similar a nuestros temas anteriores
referentes a estimación. Con un nivel de confianza del 95% se sabe que la
varianza de la población de los pesos de los paquetes de semillas de pasto
esta entre 0.135 y 0.935 decagramos al cuadrado.

Intervalo de Confianza para el Cociente de Varianzas de Dos
Distribuciones Normales
Supóngase que se tienen dos poblaciones normales e independientes con

varianzas desconocidas 2 y 22, respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaños n 1 y n2,
respectivamente, sean s12 y s22 las dos varianzas muestrales. Se desea conocer
un intervalo de confianza del 100( ) por ciento para el cociente de las dos
varianzas, 12/ 22.
Para construir el intervalo de confianza para el cociente de dos varianzas

poblacionales, se coloca la varianza muestral mayor en el numerador del
estadístico F

1. Un fabricante de automóviles pone a prueba dos nuevos métodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran el la tabla:
Método 1 Método 2
n1 = 31 n2 = 25
2 2
s1 = 50 s2 = 24
2. Construya un intervalo de confianza del 90% para 12/ 22.

3. Solución:
4. Por la recomendación de que la varianza muestral mayor va en el
numerador se tiene la siguiente fórmula:
5.
6. al despejar: .

7.F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.
Estos resultados los podemos interpretar de la siguiente manera:

1. Con un nivel de confianza del 90% se sabe que la relación de varianzas
2 2
1 / 2 esta entre 1.07 y 3.93. Esto supondría que la varianza de la
población 1 es mayor a la varianza de la población 2 entre 1.07 y 3.93.
2. Una compañía fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustaría seleccionar el proceso que tenga la
menor variabilidad en la rugosidad de la superficie. Para ello toma una
muestra de n1=16 partes del primer proceso, la cual tiene una desviación
estándar s1 = 4.7 micropulgadas, y una muestra aleatoria de n2=12 partes
del segundo proceso, la cual tiene una desviación estándar s2 = 5.1
micropulgadas. Se desea encontrar un intervalo de confianza del 90% para
el cociente de las dos varianzas 12/

Distribución de Medias

Cargado por

Copyright:

Formatos disponibles

Distribución de Medias

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribución de Medias

Cargado por

Copyright:

Formatos disponibles

Distribución Muestral de Medias

Suponga que se han seleccionado muestras aleatorias de tamaño 20 en

entonces la fórmula para calcular la probabilidad del comportamiento del estadístico

1 EDGA ALVAREZ ARAGON IQ 18/10/2018

Este valor se busca en la tabla de z

La interpretación sería que la probabilidad de que la media de la muestra de 16

a. El número de las medias muestrales que caen entre 172.5 y 175.8

(0.7607)(200)=152 medias muestrales

2. Elaborar gráfica del problema

3. Aplicar la fórmula para estandarizar los valores de X

5. Encontrar la probabilidad del valor de Z utilizando la tabla

P ( Z  1.5 )= 0.5 – 0.4332 = 0.0668

4 EDGA ALVAREZ ARAGON IQ 18/10/2018

Existen ocasiones en las cuales no estamos interesados en la media de la

La fórmula que se utilizará para el cálculo de probabilidad en una distribución

A esta fórmula se le puede agregar el factor de corrección de si se cumple con las

5 EDGA ALVAREZ ARAGON IQ 18/10/2018

6 EDGA ALVAREZ ARAGON IQ 18/10/2018

7 EDGA ALVAREZ ARAGON IQ 18/10/2018

Aproximación de la distribución normal a la binomial:

x= (.55)(800) = 440 estudiantes

Media= np= (800)(0.60)= 480

Distribución Muestral de Proporciones

11 EDGA ALVAREZ ARAGON IQ 18/10/2018

12 EDGA ALVAREZ ARAGON IQ 18/10/2018

13 EDGA ALVAREZ ARAGON IQ 18/10/2018

a. ¿Cuál es la probabilidad de que la primera gasolina de un rendimiento

14 EDGA ALVAREZ ARAGON IQ 18/10/2018

La probabilidad de que la diferencia en rendimientos promedio en las muestras se

15 EDGA ALVAREZ ARAGON IQ 18/10/2018

Cuando se estudió a la distribución muestral de proporciones se comprobó que

y que , por lo que no es difícil deducir que y

La fórmula que se utilizará para el calculo de probabilidad del estadístico de

17 EDGA ALVAREZ ARAGON IQ 18/10/2018

18 EDGA ALVAREZ ARAGON IQ 18/10/2018

En el control de calidad y específicamente en los gráficos de control "c" se aplica

Esta distribución muestral proviene de la distribución de Poisson, en la cual le

Para la distribución muestral de número de defectos la nomenclatura utilizada es:

c = número defectos por unidad de inspección

C = número de defectos promedio por unidad de inspección

Se debe de recordar que la distribución de Poisson es una distribución discreta, y

19 EDGA ALVAREZ ARAGON IQ 18/10/2018

En cierta empresa se fabrican productos con un promedio de 8 defectos por

La probabilidad de que el siguiente producto inspeccionado tenga por lo menos 6

La probabilidad de que el siguiente producto

La probabilidad de que el siguiente producto inspeccionado tenga a lo más 9

21 EDGA ALVAREZ ARAGON IQ 18/10/2018

El objetivo principal de la estadística inferencial es la estimación, esto es que

Estimación puntual es cuando un

24 EDGA ALVAREZ ARAGON IQ 18/10/2018

25 EDGA ALVAREZ ARAGON IQ 18/10/2018

Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la

Es decir se pretende que al extraer la muestra el estadístico calculado

Un estimado puntual, por ser un sólo número, no proporciona por sí mismo

27 EDGA ALVAREZ ARAGON IQ 18/10/2018

28 EDGA ALVAREZ ARAGON IQ 18/10/2018

29 EDGA ALVAREZ ARAGON IQ 18/10/2018

30 EDGA ALVAREZ ARAGON IQ 18/10/2018