PROBABILIDADES

SESION 9
MTODOS ESTADSTICOS
Docente:
JAIME ARMANDO PORRAS BRAVO
jporras@ucvlima.edu.pe
PROBABILIDADES
Cules seran
los posibles
resultados de ?
Duracin de un
equipo electrnico
Lanzamiento de una
moneda
Lanzamiento de un
dado
Cul es la probabilidad de sacar al azar un As de
una baraja de cartas?
Ya que hay 52 cartas en la baraja (resultados
posibles), y 4 son Ases (resultados favorables o
xitos), la probabilidad es 4/52 = 0.0769.

El mismo principio puede aplicarse al problema de
determinar la probabilidad de obtener diferentes totales de
suma de un par de dados. Como se muestra, hay 36
resultados posibles cuando se lanza un par de dados.

EVENTO: Para calcular la probabilidad de que la suma de dos
dados sea 5, se calcula el nmero de resultados que suman 5:
1,4; 2,3; 3,2; 4,1
Ya que son 4 xitos, se procede a dividir entre el nmero total de
resultados posibles (36).
Entonces, la PROBABILIDAD de que dos dados sumen 5 al ser
lanzados simultneamente es:
4/36 = 1/9 = 0.1111

CAPACIDADES:
Determina el espacio muestral y eventos en
experimentos aleatorios.
Calcula probabilidades de eventos empleando
propiedades y axiomas.

CONTENIDO:
Probabilidad Bsica. Espacio muestral. Probabilidad de
un evento. Probabilidad condicional.
ACTIVIDADES
CONTENIDO
PROBABILIDADES
EXPERIMENTO
ALEATORIO
Es aquel cuyo resultado depende
del azar y cumple ciertas
caractersticas:
Que sea repetible en igualdad de
condiciones
Que se puede describir el conjunto
de todos los resultados posibles
aunque no se pueda asegurar un
resultado en particular.
Si se repite un nmero grande de
veces debe aparecer cierta
regularidad estadstica
EXPERIMENTO: es cualquier ensayo u observacin
de un fenmeno.
EXPERIMENTO ALEATORIO( E): es un experimento
en que los fenmenos pueden o no ocurrir.
Ejemplo
E: el lanzamiento de una moneda o dado y se
observa lo que cae.
CONDICIONES Y CARACTERISTICAS DE UN
EXPERIMENTO (E):
1. Por mas que se repita un experimento un numero
grande de veces las condiciones en que se
realiza dicho experimento nunca cambian.
2. Aunque no se conoce el resultado exacto de un
experimento si se puede conocer los resultados
posibles.
3. En los primeros resultados de un experimento
estos se van a manifestar de una manera
caprichosa, pero a medida que va repitiendo el
experimento un gran numero de veces estos
resultados se van a manifestar mediante un
modelo terico, mediante el cual se construye un
modelo matemtico , con el cual se describe o
analiza todo el experimento.


PROBABILIDADES
ESPACIO MUESTRAL: Conjunto de posibles
resultados del experimento
INFINITO:
Jugar a la
tinka hasta
ganar
FINITO:
PROBABILIDADES
EXPERIMENTO
ALEATORIO (E)
Repetible en igualdad
de condiciones.
Se describe todos los
resultados posibles.
Si se repite n veces
debe aparecer
regularidad.
ESPACIO
MUESTRAL ()
Conjunto de todos los
posibles resultados de
un E.
SUCESO O
EVENTO (S)
Subconjunto del .

Posibles
Seguros
Imposibles
ESPACIO MUESTRAL(S):
Es el conjunto de todos los resultados posibles de un
experimento.
Para un experimento solo existe un espacio
muestral.
Ejemplo:
E: lanzamiento de un dado y observar el numero que
cae.
S: 1,2,3,4,5,6
E: lanzamiento de tres monedas una sola vez
S: ccc,ccs,csc,scc,ssc,scs,css,sss
E: lanzar una moneda tres veces.
S: ccc,ccs,csc,scc,ssc,scs,css,sss
Nota. Si tienen espacios muestrales idnticos se dice
que los experimentos son idnticos.

E. Numero de tiradas de una moneda hasta que aparezca el
primer sello.
S: 1,2,3,4,5,6,7, S, es infinito
E. Lanzar dos monedas una vez
S: cc, cs, sc, ss
TIPOS DE ESPACIO MUESTRAL
FINITO:
E: pesos de cierto numero de personas.
INFINITO:
E: los nmeros naturales
SUCESO O EVENTO:
Es cualquier subconjunto del espacio muestral S.
Ejemplo: sean los experimentos
Experimento: lanzar una moneda 3 veces.
Espacio muestral S: S: ccc,ccs,csc,scc,ssc,scs,css,sss
Suceso o evento A: segunda tirada de la moneda cae cara
A: ccc,ccs,scc, scs

Ejemplo:
1.Experimento: se hace rodar un dado y se
observa el numero que aparece en la parte
superior.
Espacio muestral: S = 1, 2, 3, 4, 5, 6
Evento A: A: obtener un numero par
A= 2, 4, 6
2.Experimento: arrojar una moneda cuatro
veces y contar el numero de total de sellos
obtenidos
Espacio muestral: S = 0, 1, 2, 3, 4
Suceso o evento B: B : obtener mas de dos
sellos
B = 3, 4




ALGEBRA DE CONJUNTOS

1. CONJUNTO: Coleccin de objetos bien definidos
2. CONJUNTO NULO O VACO: |
Conjunto que no tiene elementos
3. CONJUNTO UNIVERSAL: O
Conjunto que contiene todos los elementos del mismo tipo
4. COMPLEMENTO DE A (con respecto a O): A
C

Conjunto de elementos que estn en O pero no en A.
5. UNIN DE A y B: A B
Es el conjunto de los elementos que estn en A o B o ambos
6. INTERSECCIN DE A y B: A B
Es el conjunto de los elementos que estn en A y B




Propiedades elementales de
probabilidad
1. Dado algn proceso con n resultados mutuamente
excluyentes, E
1
, E
2
, ..., E
n
la probabilidad de cualquier evento
E
i
, es un nmero entre 0 y 1. Es decir:
0 s P (E
i
) s 1
Un valor de 0 significa que el evento es imposible, no puede
ocurrir
Un valor de 1 significa que el evento es seguro,
definitivamente ocurrir
2. La suma de las probabilidades de todos los resultados
mutuamente excluyentes es igual a 1.
P (E
1
) + ... + P (E
n
) = 1
Esta es la propiedad de exhaustividad.


PROBABILIDADES
1. la teora clsica
Definicin:
La probabilidad de un evento es el nmero de
resultados favorables (xitos) dividido entre el
nmero total de resultados posibles.
Esta definicin de probabilidad est dada en
trminos de una Frecuencia Relativa (es decir,
es una proporcin).
NUMERO DE CASOS FAVORABLES AL EVENTO
P (E) = ---------------------------------------------------------
NUMERO DE CASO POSIBLES
Ejemplo1:
se tiene el siguiente experimento aleatorio
E: lanzamiento de dos monedas al aire.
a) Calcule el espacio muestral
b) plantee el evento A si sale solo una cara
c) cual es la probabilidad de que salga una cara
Ejemplo2:
halle la probabilidad de sacar un REY al extraer
una carta de una baraja de 52 cartas.
Ejemplo3:
Si se lanza una moneda tres veces. Calcular la
probabilidad que ocurran: a) solo dos caras b)
dos caras consecutivas.

2. La teora de la frecuencia
relativa
fi
hi = ---------
n
Como: 0<= fi<= n
0<=fi/n<=1
0<=hi<=1
Ejemplo1:
Se tiene informacin acerca de los cargos y el sexo del
personal de cierta empresa.




Cual es la probabilidad de que al seleccionar un trabajador,
este sea:
a) Contador y sea hombre
b) Abogado y mujer
c) Mujer
d) Sabiendo que el trabajador es ingeniero, Cul es la
probabilidad de que sea hombre?
e) Sabiendo que el trabajador sea mujer, Cul es la
probabilidad de que sea abogado?


Ejemplo2:
Localice todos los valores de probabilidad asociados a la
siguiente tabla que ofrece informacin sobre
hipertensin y el habito de fumar.





Si se selecciona aleatoriamente uno de los pacientes,
encuentre la probabilidad de que la persona sea:
a) Fumadora moderada. b) no hipertensa. c) no
hipertensa ni fumadora. d) hipertensa y fumadora
empedernida. e)sabiendo que el paciente no fuma
Cul es la probabilidad de que sea hipertensa. f)
sabiendo que el paciente es hipertenso Cul es la
probabilidad de que sea fumador empedernido
No fumador Fumadores
moderados
Fumador
empedernid
o
Hipertensos 10 20 15
No
hipertensos
30 15 10
3. La teora subjetiva
Se refiere a la posibilidad de que un evento particular
ocurra, que es asignada por un individuo
basndose en la informacin que tenga disponible
y en su propia experiencia o presentimientos.
Como ejemplo son las apuestas en eventos
atlticos o deportivos o la estimacin del futuro de
una accin.

AXIOMAS DE PROBABILIDAD
1. 0 <= P(Ai) <= 1 , AI : Eventos
2. P(S) = 1
3. Si A1 excluye a A2 entonces A1 A2 =
p( A1 A2) = P(A1) + P(A2)
PROPIEDADES DE PROBABILIDADES
1. P(A ) = P(A) probabilidad de una suceso imposible
es cero P() = 0.
2. P(A
C
) = 1-P(A)
3. Si A y B son sucesos en S no necesariamente
excluyentes entonces
P(A B) = P(A) + P(B) P(AB)
Ejemplo:
Si se toma una sola carta de una baraja encuentre la
probabilidad de que sea roja o figura( jota, reina y rey).
PROBABILIDAD DE LA ADICION DE
SUCESOS
Si A y B son dos sucesos que se definen en el
mismo espacio muestral y AUB diferente de 0,
entonces la probabilidad que A B o ambos
ocurran, es la suma de sus probabilidades menos
la probabilidad de su ocurrencia conjunta.
P(A B) = P(A) + P(B) P(AB)
Ejemplo: en una empresa comercial trabajan 8
hombres y 18 mujeres, de las cuales la mitad de
los hombres y la mitad de las mujeres han nacido
en lima. Hallar la probabilidad de que un trabajador
elegido al azar sea hombre o que haya nacido en
lima.
PROBABILIDAD CONDICIONAL
5. propiedad:
sean A y B dos sucesos en S. indicaremos con
P(B/A) la probabilidad condicional del suceso B,
dado que A ha ocurrido, as:
P(A B)
P(B/A) = ------------- , 0 < P(A)<= 1
P(A)
Ejemplo1:
En una poblacion de pacientes hospitalizados, la
probabilidad de que uno de ellos, elegidos
aleatoriamente, tenga problemas cardiacos es de
0.35. la probabilidad de que un paciente sea
fumador dado que sufre problemas cardiacos es de
0.86. Cul es la probabilidad de que el paciente
elegido al azar de entre la poblacion sea fumador y
tenga problemas cardiacos?


Ejemplo2:
Durante un estudio de accidentes automovilsticos,
la PNP encontr que el 60% de los accidentes
sucede de noche, 52% estn relacionados con
conductores alcohlicos y 37% se presentan de
noche y con conductores ebrios. cual es la
probabilidad de que un accidente este relacionado
con un conductor alcoholizado dado que sucedi
de noche?.
Ejemplo3:
En un sistema de alarma, la probabilidad que se
produzca un peligro es 0.10. si este se produce, la
probabilidad que la alarma funcione es de 0.95, la
probabilidad que funcione la alarma sin haber
peligro es 0.03. determine la probabilidad que haya
un peligro y la alarma no funcione.
Ejemplo4:
En una universidad el 70% de los estudiantes son
de ciencias y el 30% de letras; de los estudiantes
de ciencias el 60% son varones y los de letras son
varones el 40%, si se elige aleatoriamente un
estudiante, calcular la probabilidad que:
a) Sea un estudiante varn
b) Sea un estudiante varn, si es de ciencias.
c) Sea un estudiante de ciencias, si es varn.
d) Sea un estudiante de ciencias y varn
PROBABILIDAD DE EVENTOS INDEPENDIENTES
Dos eventos son independientes si el resultado de uno
no afecta al otro.
1. Propiedad ley de la multiplicacin.
P(A B) = P(A) . P(B) si y solo si A y B son eventos
independientes. Con P(A) y P(B) diferentes de cero
2. P(B/A) = P(B)
3. P(A/B) = P(A)
Ejemplo1:
La probabilidad de que un comerciante venda dentro
de un mes un lote de refrigeradoras es 1/4 y la
probabilidad de vender un lote de cocinas dentro de
un mes es de1/3. hallar la probabilidad de:
a)Venda los dos lotes de artculos dentro de un mes
b)Venda ninguno de los artculos dentro de un mes
c)Solamente venda el lote de refrigeradoras dentro de un mes
La probabilidad de que un hombre viva dentro de 25
aos es 3/5 y la probabilidad de que su esposa
viva dentro de 25 aos es 2/3. halle la
probabilidad de que :
a) Ambos vivan
b) Viva solamente el hombre
c) Viva solamente la mujer

Ejemplo2:
Sean A y B dos eventos independientes, tales que
la probabilidad que ocurran simultneamente es de
1/6 y la probabilidad que ninguno ocurra es de 1/3.
encuentre P(A) y P(B).

Introduccin
Una de las herramientas de mayor uso en las empresas es la utilizacin de
la curva normal para describir situaciones donde podemos recopilar datos.
Esto nos permite tomar decisiones que vayan a la par con las metas y
objetivos de la organizacin.

En este sesin se describe la relacin de la Distribucin normal con la
Distribucin normal estndar. Se utilizan ejemplos y ejercicios donde se
ensea sobre la determinacin de probabilidades y sus aplicaciones.
La distribucin normal fue reconocida por primera vez por el francs
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855) realiz estudios ms a
fondo donde formula la ecuacin de la curva conocida comnmente, como la
Campana de Gauss".


.

DISTRIBUCION NORMAL
Distribucin Normal

CARACTERISTICAS DE LA DISTRIBUCION
NORMAL

La curva de la distribucin normal
tiene forma de campana.
El rea bajo la curva es igual a 1
Es simtrica con respecto a la media
de la distribucin.
Es mesocrtica
Decrece uniformemente en ambas
direcciones
DISTRIBUCION DE PROBABILIDAD
CONTINUA
INTRODUCCION:
La distribucin de una variable continua esta relacionado con
el histograma y polgono de frecuencias, es decir esta
relacionado con su forma. En este capitulo veremos la
distribucin de probabilidades, es decir el espacio de
probabilidades de una variable.
DISTRIBUCION NORMAL DE PROBABILIDAD
El modelo de probabilidad mas frecuentemente usado
en el analisis econmico y comercial, es la distribucin
normal que puede expresarse en forma general y
estandarizada.
se dice que una variable x tiene una distribucin normal
general si es continua, si existen las constantes (-
oo<<+oo) y (>0) y si su funcin de densidad es
dada por la siguiente expresin.



X N (, )
y es la media y la desviacin estndar de la
variable normal, e = 2.718 = 3.142.
Caractersticas:
1. Es simtrica con respecto a la media de la
distribucin. Si se corta la curva normal
verticalmente en este valor central, ambas
mitades sern como imgenes en el espejo.
2. El rea total bajo la curva normal es igual a uno
3. La media, mediana y la moda son iguales y estn
localizados al centro de la curva.




2
o
4. La curva se extiende indefinidamente en ambas
direcciones, nunca llega a tocar el eje x.
5. Cada distribucin es especificada por su media
y su desviacin estndar
x N(, )
AREAS BAJO LA CURVA
1. Aproximadamente el 68% del rea bajo la curva
normal esta entre la media mas una desviacin
estndar y menos una desviacin estndar(+- )
2. Aproximadamente el 95% el rea bajo la curva
esta entre (+- 2).
3. Aproximadamente el 99% del rea bajo la curva
esta entre (+- 3).

o
2
1
2
2
1
z
c
t




Ejemplo1:
En una poblacion la estatura media es 70pulg y la
desviacin estndar es 3 pulg con distribucin
normal. Calcular:
a. Que porcentaje miden mas de 70pulg.
b. Cual es la probabilidad que la estatura sea mayor
que 70 pulg
c. Que probabilidad es que sea menor a 70 pulg.
d. Que probabilidad es de que la estatura este entre
70 y 76 pulg


DISTRIBUCION NORMAL ESTANDAR
Es un caso particular de la distribucin normal y
que se obtiene mediante el cambio de variable.
x-
Z= -------- , z N (0 , 1)

Y su funcin de densidad reducida es:

f(z) = , -oo< Z<+oo

Ejemplos1:
Calcular a) P( z < 1.25) b) P(z < 0) c) P( z > 2.43 )
d) P( 0 < z < 2.5) e) P( z > -1.25) f) P(-2.45 < z < -0.25)
Solucin:
2
1
2
2
1
z
c
t
Ejemplo2:
Cual es la probabilidad de que la estatura este
entre 70 y 76 pulgadas (caso d) del ejemplo
anterior).
Ejemplo3:
Sea x una v.a. con distribucin N( 5 , 4). Cul es la
probabilidad
a) de que x tome valores entre 4 y 7
b) De que x tome valores mayores que 10.
Ejemplo4:
Sea x una v.a. N( , 25). Calcular P(x- > 3)
Ejemplo5:
Si x es una v.a. N(650,625) hallar la constante c>0 tal
que P(x- 650<= c) = 0.9544


INFERENCIA ESTADISTICA
Es el proceso por medio del cual se
obtienen conclusiones probabilsticas
en relacin a una poblacion al valerse
de la informacin proporcionada por
una muestra de esa poblacion.
Inferencia
Estadstica
Estimacin
Prueba de
Hiptesis
Puntual
Por Intervalos
INFERENCIA ESTADISTICA
ESTIMACION DE PARAMETROS
Aqu estudiaremos la manera de
estimar parmetros de la distribucin
de una variable aleatoria a partir de
una muestra aleatoria de esta.
Veremos dos formas de estimar
parmetros:

I. puntualmente
II. por intervalos
POBLACI
N
MUESTR
A
Parmetros
p
2
o

Estadsticos
( )
p
s
x f X

, ,
2
2
o
Inferencia Estimacin

~
~
~
~
x e
p p
s
X

2 2
Tcnicas de muestreo
ESTIMACIN
ESTIMACION
ESTIMACION
PUNTUAL
INSESGADO
EFICIENTE
CONSISTENTE
SUFICIENTE
ESTIMACIN POR
INTERVALOS
Existen muchas
situaciones por las cuales
es preferible determinar un
intervalo dentro del cual se
esperara encontrar el
parmetro poblacional. Tal
intervalo se conoce como
una estimacin por
intervalo.
I. ESTIMACION PUNTUAL
Es un solo valor numrico que proporciona sus
respectivos estimadores de punto que se calcula
considerando los datos muestrales, es decir, se
usan las medidas de la muestra para calcular un
nico valor numrico que es la estimacin del
parmetro poblacional.
Parametro Estimador puntual
media aritmtica

varianza

proporcin
n
x
x
n
i
i
=
=
1
_
n
a
p
n
x x
s
n
i
i
=

=
1
) (
1
_
2
2
p
2
o

Sin embargo es necesario que cada estimador

puntual cumpla con algunos requisitos deseables
como ser:

INSESGADO.- Es decir, la media aritmtica de todas
las posibles estimaciones puntuales del estimador
del parmetro que pueden obtenerse debe ser
igual al parmetro de la poblacion.
CONSISTENTE.- nos indica que conforme se
incrementa el tamao de muestra la estimacin
puntual del estimador se acerca cada vez mas al
parmetro de la poblacion.
EFICIENTE.- el estimador debe tener varianza
mnima.
SUFICIENTE.- El estimador debe contener toda la
informacin de la muestra.
Ejemplo1:
Se tiene el inters de estimar el gasto promedio mensual
en movilidad del personal auxiliar de enfermera del
hospital Cayetano Heredia. Para tal efecto se recurre a
una muestra aleatoria de 15 auxiliares de enfermera y
se obtiene los siguientes resultados:
100, 150, 200, 160, 180, 200, 120, 160, 180,
200, 180, 120, 170, 190, 180.
Solucin:
u : gasto promedio mensual en movilidad de todas las
auxiliares de enfermera(parametro poblacional).
: estimador puntual del parmetro
Calculando:

= 166; entonces podemos decir que el
gasto promedio mensual en movilidad de todas las
auxiliares de enfermera es de 166.


_
X
n
x
x
n
i
i
=
=
1
_
Nota:
Sin embargo, este valor no se considera estable
porque si sacamos otras muestras del mismo
tamao se van a obtener resultados diferentes. Por
consiguiente, la alternativa es construir un intervalo
de tal manera que el parmetro se encuentre
dentro de dicho intervalo con un grado de
seguridad (nivel de confianza).
Ejemplo2:
Se desea estimar la proporcin de desnutridos
menores de 5 aos de una determinada
comunidad. Para tal efecto se selecciona una
muestra de 100 nios menores de 5 aos y se
determina que 45 estn desnutridos.
Solucin:
En este caso estamos interesados en estimar una
proporcin poblacional.



A: numero de nios desnutridos <5 aos en la
poblacion.
N: numero de nios < 5 aos en la poblacion.
El estimador que proporciona buenas estimaciones
de este parmetro esta dada por


a : numero de nios desnutridos < 5 aos en la
muestra
n: tamao de la muestra
Calculando:
p = 45/100 = 0.45
Este valor nos indica que la proporcin estimada de
nios desnutridos <5 aos en la comunidad es de
0.45

N
A
P =
n
a
p =
II. ESTIMACION INTERVALICA
Consiste en encontrar dos valores(con datos
muestrales) L1 y L2 que definen un intervalo y se
espera con un cierto grado de seguridad que dicho
intervalo contenga al parmetro poblacional.
L1 < u < L2
A. ESTIMACION INTERVALICA PARA LA MEDIA
POBLACIONAL (u)

L1: ; k: coeficiente de
confiabilidad
L2 :
Entonces:
L1 < u < L2





_
_
X
k X o
_
_
X
k X o
_
_
X
k X o
a) CUANDO EL MUESTREO SE REALIZA A
PARTIR DE UNA DISTRIBUCION NORMAL CON
VARIANZA CONOCIDA.

; se sabe que

Entonces:



L1:

L2:

Por tanto el parmetro u estar entre: L1 < u <
L2

_
2
1
_
X
Z X o
o

n
X
o
o =
_
n
Z X
o
o
2
1
_

n
Z X
o
o
2
1
_

n
Z X
o
o
2
1
_

+
Notaciones:
: probabilidad 0< < 1
( 1- ) : coeficiente de confianza

Equivalencias:




( 1- )
0.90 0.10 1.65
0.95 0.05 1.96
0.99 0.01 2.58
2
1
o

Z
ejemplo1:
Un fisioterapeuta desea estimar con 99% de
confianza, la media de fuerza mxima de un
musculo particular en cierto grupo de individuos.
Se inclina a suponer que los valores de dicha
fuerza muestran una distribucin aprox. normal
con una varianza de 144. Una muestra de 15
individuos que participaron en el experimento
present una media de 84.3
Solucin:
Interpretacin de resultados:
Practica: con el 99% de confiabilidad estar la
media poblacional entre L1 y L2.
Probabilstica: de 100% de los intervalos que se
han estimado el 99% de los intervalos contiene la
media poblacional.

PRECISION - MARGEN DE ERROR - ERROR DE
ESTIMACION. La precisin o el error de
estimacin se calcula mediante este algoritmo.


Ejemplo 2:
Un equipo de investigadores esta interesado en la
puntualidad de los pacientes en las citas concertadas.
En un estudio de flujo de pacientes en consultorios de
mdicos generales se encontr que una muestra de 35
pacientes llegaba 17.2 minutos tarde a las citas en
promedio. Una investigacin previa haba demostrado
que la desviacin estandar era de 8 minutos
aproximadamente. Se tuvo una sensacin de la
distribucin de la poblacion no era normal. cual es el
intervalo con 90% de confianza para el promedio real
de impuntualidad en las citas?




n
Z
o
o
2
1
B.- CON VARIANZA DESCONOCIDA
( NO SE CONOCE Y n >= 30)

s : estimador de la varianza
Entonces:
L1:

L2:
ejemplo 3:
Se pretende estimar la concentracin media de bilirrubina
indirecta en el suero en nios de cuatro das de nacidos. La
media para una muestra de 49 nios es de 5.98 mg/100cc y
una desviacin estndar de 3.5mg/100cc. Construya los
intervalos de confianza para 90%, 95% y 99%.
Solucin:



n
s
Z X
2
1
_
o

n
s
Z X
2
1
_
o

n
s
Z X
2
1
_
o

+
C.- CON VARIANZA DESCONOCIDA y n < 30


Entonces:
L1 :

L2 : ;

donde sigue la distribucin t-student con n-1
grados de libertad.
Ejemplo 4:
El dimetro final de un cable elctrico blindado es distribuido
normalmente. Una muestra de tamao 20 produce una media
0.790 y una desviacin tpica muestral 0.010 . Encontrar el
intervalo de confianza del 95% para .
Solucin:



n
s
t X
n 1
_

n
s
t X
n 1
_

n
s
t X
n 1
_

+
1 n
t
B. ESTIMACION INTERVALICA PARA
UNA PROPORCION POBLACIONAL
L1 < P < L2



L1:

L2:
n
p p
Z p
) 1 (
2
1

o
n
p p
Z p
) 1 (
2
1

+

o
n
p p
Z p
) 1 (
2
1

o
Ejemplo 5:
Se desea estimar la proporcin de nios
desnutridos menores de 5 aos de una
determinada comunidad, para tal efecto se
selecciona una muestra de 100 nios menores de
5 aos y se determina que 45 estn desnutridos.
Cul es el intervalo de confianza del 95% para la
proporcin proporcional?
Solucin:
Prctica dirigida
Resolver los problemas propuestos del
Manual de Estadstica
Actividad
Grupos (mximo de 4 alumnos)