Antología Estadística II

BACHILLERATO CCH-UNAM
ANTOLOGÍA
ESTADÍSTICA Y PROBABILIDAD II
AUTOR:
DR. NOÉ TOLEDO CASTILLEJOS

ENERO DEL 2018
Estadística y Probabilidad II Dr. Noé Toledo Castillejos
UNIDAD I DISTRIBUCIONES DE PROBABILIDAD
Definiciones:
Variable aleatoria: Una variable aleatoria es una descripción numérica del resultado de un
experimento. Su valor numérico depende del resultado del experimento. Se puede
clasificar como discreta o continua, dependiendo de los valores numéricos que asume.
Variable aleatoria discreta: Es una variable aleatoria que puede asumir una cantidad finita
de valores o una sucesión infinita de valores como 0,1,2,3....n.
Ejemplo: Un experimento que consta de contar la cantidad de vehículos que pasan por
una caseta de cobro de una autopista. La variable aleatoria discreta de interés se
determina como x = cantidad de vehículos que pasan por la caseta de cobro en un día y
sus valores serían: x = {0,1,2,3,4,5....n}.
Variable aleatoria continua: Es una variable aleatoria que puede asumir cualquier valor en
un intervalo o conjunto de intervalos. Los resultados experimentales que se basan en
escalas de medición como el tiempo, el peso, la distancia y la temperatura se pueden
describir mediante variables aleatorias continuas
Distribución de probabilidad: Descripción de cómo se distribuyen las probabilidades entre

los valores que puede asumir la variable aleatoria.
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
Distribuciones discretas: La distribución de probabilidad de una variable aleatoria describe

como se distribuyen las probabilidades de los diferentes valores de la variable aleatoria.
Para una variable aleatoria discreta x, la distribución de probabilidades se describe
mediante una función de probabilidad representada por f(x). La función de probabilidad
define la probabilidad de cada valor de la variable aleatoria.
Ejemplo: Sea x el número que se obtiene al arrojar un dado.

La función de probabilidad correspondiente es:
f(x) = 1/6 cuando x = 1,2,3,4,5,6
Representación Gráfica:
f(x)
0123456 x
2
Condiciones requeridas para una función de probabilidad discreta:
1. f(x) ≥ 0
2.- Σf(x) = 1
Función uniforme de probabilidad discreta:

f(x) = 1 / n
Donde:
n = Cantidad de valores que puede asumir la variable aleatoria
VALOR ESPERADO Y VARIANZA.

Valor esperado: Es una medida de la localización central (o tendencia central) de esa
variable.
Valor esperado de una variable aleatoria discreta:

E(x) = μ = ∑ x f(x)
Varianza: Es la medida de dispersión o variabilidad de una variable aleatoria, se utiliza

para resumir la variabilidad en los valores de una variable aleatoria discreta.
Varianza de una variable aleatoria discreta:

Var(x) = σ2 = ∑(x – μ)2 f(x)
Desviación estándar: Es la raíz cuadrada de la varianza (σ)
Ejercicios:
1.- La tabla siguiente es una distribución de probabilidad de la variable aleatoria x.
X f(x)
2 0.20
4 0.30
7 0.40
8 0.10
Total 1.00
a) Calcule µ
b) Calcule σ2, σ y dibuje la forma de la distribución de proabilidad.
2.- Una encuesta muestra que la cantidad promedio de TV’s por familia en E.U. es de 2.3.
Suponga que la distribución de probabilidad de la cantidad de TV’s por familia es la que
se muestra en la tabla siguiente.
X f(x)
0 0.01
1 0.23
2 0.41
3 0.20
4 0.10
5 0.05
a) Calcule el valor esperado de la cantidad de TV’s por familia y compárelo con el
dato que proporciona la encuesta realizada.
b) ¿Cuál es la varianza y la desviación estándar de la cantidad de TV’s por familia?
c) Grafique la distribución de probabilidad
3
 PROBLEMA 1 DE TAREA PARA ENTREGAR

La empresa J.R. Ryland Computer Company planea una expansión de su fábrica que le
permita iniciar la manufactura de un nuevo producto informático. El presidente de esta
empresa debe determinar si la expansión será un proyecto a escala mediana o grande.
Una incertidumbre es la demanda del nuevo producto, que para fines de planeación
puede ser baja, mediana o alta. Los estimados de probabilidad de la demanda son 0.20,
0.50 y 0.30, respectivamente. Si x indica la utilidad anual, en miles de dólares, los
planificadores de la empresa han elaborado los siguientes pronósticos de utilidades para
los proyectos de expansión en mediana y gran escala.
Utilidades para la Utilidades para
expansión a escala la expansión a
mediana gran escala
x f(x) y f(y)
Baja 50 0.20 0 0.20
Demanda Mediana 150 0.50 100 0.50
Alta 200 0.30 300 0.30
Calcule el valor esperado de la utilidad asociado con las dos alternativas de ampliación.
¿Qué decisión se prefiere si se trata de maximizar la utilidad esperada?
a) Calcule la varianza de la utilidad asociada con las dos alternativas de ampliación.
b) ¿Qué decisión se prefiere se trata de minimizar el riesgo o la incertidumbre?
DISTRIBUCIÓN BINOMIAL.
La distribución binomial de probabilidad es una distribución discreta de probabilidad que

tiene muchas aplicaciones. Se relaciona con un experimento de etapas múltiples que se
llama binomial.
Un experimento binomial tiene 4 propiedades:
1.- El experimento consiste en una sucesión de n intentos o ensayos idénticos.
2.- En cada intento o ensayo son posibles 2 resultados. A uno se le llama éxito y a otro
fracaso.
3.- La probabilidad de un éxito, representada por p, no cambia de un intento o ensayo a
otro. En consecuencia, la probabilidad de un fracaso, representada por 1– p, no cambia
de un intento a otro.
4.- Los intentos o ensayos son independientes.
Fórmula de probabilidad binomial:
n!
f(x) = px (1 – p)(n– x)
x! (n  x)!
Ejercicios:
1.- Se tiene un experimento binomial con n = 10 y p = 0.10.
a) Determine f(0)
b) Determine f(2)
c) Determine f(5)
d) Determine E(x)
e) Determine Var (x) y σ.
4
2.- Use la fórmula de distribución binomial y calcule la probabilidad en cada caso:

a) n = 6, x = 4, p = 0.55
b) n = 6 x = 2, p = 0.45
c) n = 8, x = 3, p = 1/4
d) n = 10, x = 8, p = 1/3
3.- Cuando una máquina nueva funciona bien solo 3% de los artículos que produce tienen
defectos. Suponga que se seleccionan al azar dos partes producidas en la máquina y que
interesa la cantidad de partes defectuosas encontradas.
a). Describa las condiciones bajo las cuales este caso sería un experimento binomial.
b). Trace un diagrama de árbol, que muestre el experimento binomial.
c). ¿Cuántos de los resultados experimentales consisten en encontrar exactamente un
defecto?
d). Calcule las probabilidades asociadas con encontrar defectos, encontrar exactamente
un defecto y dos defectos.

Cuarenta por ciento de las personas que viajan por negocios llevan un teléfono celular o
una laptop. En una muestra de 15 personas,
a).¿Cuál es la probabilidad de que tres tengan un teléfono celular o laptop?
b).¿Cuál es la probabilidad de que 12 de los viajantes no tengan ni teléfono celular o
laptop?
c). ¿Cuál es la probabilidad de que por lo menos tres tengan un teléfono celular o una
laptop?
DISTRIBUCIÓN DE POISSON.
La distribución de Poisson se utiliza como modelo matemático para describir

comportamientos como la disminución radioactiva, la llegada de pasajeros en una fila y la
de aviones a un aeropuerto, los automóviles que llegan a una gasolinera, etc.
Definición:
Distribución de Poisson: Distribución de probabilidad discreta que se aplica a las

ocurrencias de algún suceso durante un intervalo específico. La variable aleatoria x es el
número de ocurrencias de un suceso en un intervalo, El intervalo puede ser tiempo,
distancia área, volumen o alguna unidad similar.
La probabilidad de que el suceso ocurra x veces, durante un intervalo está dada por:
P(x) = µx . e-µ
x!
Donde:
P(x) = Probabilidad de x ocurrencias en un intervalo
µ = Valor esperado o cantidad promedio de ocurrencias en un intervalo
e = 2.71828
5
La distribución de Poisson tiene los siguientes requisitos:

 La variable aleatoria x es el número de ocurrencias de un suceso durante un
intervalo
 Las ocurrencias deben ser aleatorias
 Las ocurrencias tienen que ser independientes entre sí
 Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo
que se emplea.
Ejercicios:
1.- Se tiene una distribución de probabilidades de Poisson con µ = 3, calcule:
a) f (2)
b) f (1)
c) f (3)
2.- Al departamento de reservaciones de Aeroméxico llegan en promedio 48 llamadas por

hora.
a) Calcule la probabilidad de recibir 3 llamadas en un intervalo de 5 minutos
b) Calcule la probabilidad de recibir exactamente 10 llamadas en 15 minutos
c) Suponga que actualmente no hay llamadas esperando. Si el agente tarda 5 minutos en
atender una llamada, ¿cuántas llamadas cree que estarán esperando cuando cuelgue la
bocina?, ¿cuál es la probabilidad de que ninguna esté esperando?
d) Si actualmente no hay llamadas pendientes, ¿cuál es la probabilidad de que el agente
pueda ausentarse 3 minutos sin interferir con la atención de las llamadas?
3.- El promedio anual de las veces que los suscriptores de la revista Barron’s toman
vuelos locales por motivos personales es 4.
a) ¿Cuál es la probabilidad de que un suscriptor tome 2 vuelos locales en un año por
motivos personales?
b) ¿Cuál es la cantidad promedio de vuelos locales por motivos personales en un
trimestre?
c) ¿Cuál es la probabilidad de que un suscriptor tome uno a más vuelos locales, por
motivos personales durante un semestre?
4.- Los pasajeros de las líneas llegan al azar e independientemente a la sección de

documentación en un gran aeropuerto internacional. La frecuencia promedio de llegadas
es de 10 pasajeros por minuto.
a) ¿Cuál es la probabilidad de no llegadas en un intervalo de un minuto?
b) ¿Cuál es la probabilidad de que lleguen 3 pasajeros en un intervalo de 1 minuto?
c) ¿Cuál es la probabilidad de no llegadas en un periodo de 15 segundos?
d) ¿Cuál es la probabilidad de al menos una llegada en un periodo de 15 segundos?

Las inversiones de los suscriptores a The Wall Street Journal tiene el siguiente
comportamiento: la cantidad promedio de transacciones anuales de acciones es igual a
15. Suponga que determinado invers
ionista hace sus transacciones con esta frecuencia. Además suponga que la probabilidad
de una transacción para este inversionista, es igual para dos meses cualesquiera y que
las transacciones en un mes son independientes de las que hace en dos meses.
a) ¿Cuál es la cantidad promedio de transacciones por mes?
b) ¿Cuál es la probabilidad de que no haya transacciones de acciones durante un mes?
c) ¿Cuál es la probabilidad de que haya exactamente una transacción durante un mes?
d) ¿Cuál es la probabilidad de que haya exactamente 2 transacciones durante un mes?
6
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
En una distribución continua de probabilidad, las variables en estudio pueden asumir

cualquier valor dentro de determinados límites.
Curva de densidad f(x) P(a ≤ x ≤ b )
a b
Una distribución de probabilidad de x en una función f(x) tal que para que cualesquiera
dos números a y b siendo a ≤ b:
b
P(a ≤ x ≤ b) = 
a
f ( x ) dx
Esto es la probabilidad de que x tome un valor en el intervalo [a, b], es el área bajo la
gráfica de la función de densidad.
DISTRIBUCIÓN UNIFORME DE PROBABILIDAD
Veamos la variable x que representa el tiempo de vuelo de un avión que va de Chicago a

Nueva York. Supongamos que el tiempo de vuelo puede ser cualquier valor en el intervalo
de 120 a 140 minutos. Como la variable aleatoria x puede tomar cualquier valor en ese
intervalo, x es una variable aleatoria continua y no discreta. Supongamos que hay
suficientes datos reales de tiempo de vuelo para llegar a la conclusión de que la
probabilidad de un tiempo de vuelo dentro de cualquier intervalo de un minuto es igual a la
correspondiente dentro a otro intervalo similar dentro del rango de 120 y 140 minutos. Si
cualquier intervalo de un minuto es igualmente probable, se dice que la variable aleatoria
x tiene una distribución uniforme de probabilidades. La función de densidad de
probabilidad, que define a la distribución uniforme de probabilidad de la variable aleatoria
tiempo de vuelo es:
1/20 Cuando 120 ≤ x ≤ 140

f(x) =
0 En cualquier otro lugar
7
La siguiente figura es una gráfica de esta función de densidad de probabilidad.

FUNCIÓN DE DENSIDAD DE PROBABILIDAD UNIFORME
PARA EL TIEMPO DE VUELO
f (x)
1/120
120 125 130 135 140 x
Tiempo de vuelo en minutos
En general la función de densidad uniforme de probabilidad de una variable aleatoria x se

define usando la siguiente ecuación.
Función de densidad uniforme de probabilidad
1
f(x) = cuando a ≤ x ≤ b
ba
0 en cualquier otro lugar
En el ejemplo del tiempo de vuelo, a = 120 y b = 140.

La gráfica de la función f(x) de densidad de probabilidad proporciona la altura o el valor
de la función en cualquier valor determinado de x. Observe que para una función de
densidad de probabilidad uniforme, la altura de la función es igual para todos los valores
de x. Por ejemplo, en el caso del tiempo de vuelo, f(x) = 1/120 para todos los valores de x
entre 120 y 140. En general, la función f(x), de densidad de probabilidad, a diferencia de
la de una variable aleatoria discreta, no representa la probabilidad, más bien proporciona
tan solo la altura de la función en determinado valor de x.
Para una variable aleatoria continua solo se maneja la probabilidad en términos de la
posibilidad de que una variable aleatoria tenga un valor dentro de un intervalo
especificado.
VALOR ESPERADO, VARIANZA Y DESVIACIÓN ESTÁNDAR

Para la distribución continua uniforme de probabilidad las ecuaciones para calcular el
valor esperado y varianza son:
ab
E(x) =
2
8
(b  2) 2
Var(x) =
12
Desviación estándar: Raíz cuadrada de la varianza (σ)
Ejercicios:
1.- Se sabe que la variable aleatoria x está uniformemente distribuida entre 1.0 y 1.5.
a). Trace la gráfica de la función de densidad de probabilidad
b). Determine P(x = 1.25)
c). Determine P(1.0 ≤ x ≤ 1.25)
d). Determine P(1.20 ≤ x ≤ 1.5)
e) Determine E(x)
f) Determine Var(x)
2.- Se sabe que la variable aleatoria x está uniformemente distribuida entre 10 y 20.
a) Trace la gráfica de la función de densidad de probabilidad.
b) Determine P(x < 15)
c) Determine P(12 ≤ x ≤ 18)
d) Determine E(x)
e) Determine Var(x)
3. La mayoría de los lenguajes de cómputo tienen una función para generar números
aleatorios. En Excel de Microsoft, se usa la función ALEATORIO para generar números
aleatorios entre 0 y 1. si x representa el número aleatorio generado, debe ser una variable
continua con la siguiente función de densidad de probabilidad:
1 cuando 0 ≤ x ≤ 1
f(x) = 0 en cualquier otro lugar
a) Grafique la función de densidad de probabilidad

b) ¿Cuál es la probabilidad de generar un número aleatorio entre 0.25 y 0.75?
c) ¿Cuál es la probabilidad de generar un número aleatorio con valor menor o igual a
0.30?
d) ¿Cuál es la probabilidad de generar un número aleatorio con valor mayor que 0.60?

La distancia que hacen recorrer la pelota 60 mujeres golfistas de la LPGA, es entre 238.9
y 261.2 yardas. Suponga que para estas mujeres la distancia alcanzada se distribuye
uniformemente en el intervalo citado.
a). ¿Cuál es la probabilidad de que la distancia de tiro sea menor que 250 yardas?
b). ¿ Cuál es la probabilidad de que la distancia de tiro sea 255 yardas cuándo menos?
c). ¿Cuál es la probabilidad de que la distancia alcanzada sea por una de estas mujeres
sea de 245 a 260 yardas?
d). ¿Cuántas mujeres de este grupo impulsan la pelota cuando menos a 250 yardas?
9
DISTRIBUCIÓN NORMAL.
Es la distribución más importante de probabilidad para describir una variable aleatoria

continua, se conoce también como distribución de Gauss.
La forma de la Distribución Normal es la siguiente:
µ
Características:
1.- La curva tiene un solo pico, por lo consiguiente es unimodal y presenta forma de
campana
2.- La media de una población distribuida normalmente se encuentra en el centro de su
curva normal
3.- A causa de su simetría la mediana, la media y la moda se hallan en el centro y poseen
el mismo valor
4.- Las dos colas (extremos) de la curva se extienden de manera indefinida y nunca tocan
el eje horizontal
5.- Para definir una distribución normal de probabilidad se necesitan dos parámetros: la
media poblacional y la desviación estándar poblacional
6.- La desviación estándar poblacional determina el ancho de la curva
7.- El área total bajo la curva es igual a 1
8.- Las probabilidades de la variable aleatoria normal se determinan con las áreas bajo la
curva, el área bajo la curva entre dos ordenadas x = a y x = b donde a < b representa la
probabilidad de que x se encuentre entre a y b y se denota por:
P(a < x < b) ó P(a ≤ x ≤ b)
9.- Utiliza el estadístico z
Distribución Normal Estándar de Probabilidad.
Se dice que una variable aleatoria que tiene distribución normal con µ = 0 y σ = 1 tiene
una distribución normal estándar de probabilidad. Se usa la letra z para indicar esta
variable aleatoria normal.
σ=1
µ=0 z
10
Uso de la tabla de Distribución Normal Estándar de Probabilidad.
La fórmula que se usa para pasar de cualquier variable aleatoria normal x con µ y σ a la
distribución normal estándar es la siguiente:
z=x- µ
σ
Donde:
z = Número de desviaciones estándar a partir de la media
x = Algunos valores de interés
µ = Media de la población
σ = Desviación estándar de la población
Ejemplos:
I.- Determinar la probabilidad en cada caso:
1).- P(z < -0.25)
2.- P(z < -2.75)
3.- P(z < 0.25)
4.- P(z < 2.75)
5.- P(z > 2.33)
6.- P(z > 1.96)
7.- P(z > -2.33)
8.- P(0.5 < z < 1.50)
9.- P(1.5 < z < 2.50)
10.- Entre -2 y -1
11.- Entre 2 y 2.34
12.- Entre -1 y 2
Determinar la probabilidad en cada caso:

1. Entre -2.67 y 1.28
2. Entre 2.15 y -1.18
3. Entre 3.75 y -0.52
4. Entre -1.5 y 1.5
5. Entre -2 y 2
6. Entre -3.88 y 1.07
7. Mayor que 3.57
8. Menor que -3.61
9. Mayor que 0
10. Menor que 0
Determinación del valor de z.
II.- Determinar el valor de z en cada caso:

a) La probabilidad es igual a 0.4599
b) La probabilidad es igual a 47.5%
c) La probabilidad es igual a 0.3315
d) La probabilidad es igual a 43.57%
e).- La probabilidad es igual a 0.1331
11
Determinar la probabilidad de z en cada caso:
1.-
49.77%
0 z
2.-
36.65%
-z 0
3.- 0.9882
-z 0 z
12
4.-
0.9920
-z 0 z
5.- 32.12% 38.88%
-z 0 z
Problemas:
1.- El tiempo promedio que emplea un suscriptor del periódico la Jornada en leer esa
publicación es de 49 minutos. Suponga que la σ = 16 minutos y que los tiempos de lectura
tienen distribución normal.
a) ¿Cuál es la probabilidad de que un suscriptor tarde cuando menos 1 hora en leer el
periódico?
b) ¿Cuál es la probabilidad de que un suscriptor no tarde más de 30 minutos en leerlo?
2.- Durante los últimos años ha crecido el volumen de acciones negociadas en la Bolsa de
Nueva York. Durante las 2 primeras semanas de enero de 2005, el volumen diario
promedio fue de 646 millones de acciones. La distribución de probabilidad del volumen
diario es aproximadamente normal con σ = 100 millones de acciones.
a) ¿Cuál es la probabilidad de que el volumen negociado sea menor de 400 millones de
acciones?
b) ¿Qué porcentaje de las veces el volumen negociado es mayor de 800 millones de
acciones?
13
3.- Los choferes miembros del sindicato de traileros ganan un salario promedio de $17.15
dólares por hora. Suponga que los datos disponibles indican que los sueldos se
distribuyen normalmente con σ = $2.25 dólares,
a) ¿Cuál es la probabilidad de que los salarios estén entre $15.00 y $20.00 dólares por
hora?
b) ¿Cuál es la probabilidad de que los sueldos sean menores de $12.00 dólares por hora?
c) Si el Sindicato está integrado por 500 choferes, ¿cuántos ganan más de $18 dólares
por hora?
4.- La edad promedio que tiene una persona al casarse por primera vez es de 26 años.
Suponga que las edades en el primer casamiento tienen una distribución normal y una
σ = 4 años.
a) ¿Cuál es la probabilidad de que una persona que se casa por primera vez tenga menos
de 23 años de edad?
b) ¿Cuál es la probabilidad de que una persona que se casa por primera vez tenga entre
20 y 30 años de edad?
c) El 80% de las personas que se casan por primera vez, ¿a qué edad lo hacen?

El tiempo necesario para terminar un examen en determinado curso se distribuye
normalmente con 80 minutos de media y σ = 10 minutos, con estos datos responda lo
siguiente:
a) ¿Cuál es la probabilidad de terminare el examen en una hora o menos?
b) ¿Cuál es la probabilidad de que un alumno termine el examen en más de 60
minutos, pero en menos de 75 minutos?
c) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen es de 90
minutos, ¿cuántos alumnos se espera que no puedan terminar el examen en el
tiempo indicado?
DISTRIBUCIÓN EXPONENCIAL.
La distribución de probabilidad exponencial es una distribución de probabilidad continua
que se utiliza para describir el tiempo necesario para terminar una tarea.
La variable aleatoria exponencial puede utilizarse para describir el tiempo entre llegadas a
un lavado de automóviles, el tiempo requerido para cargar un camión, la distancia entre
defectos de importancia que aparecen en una autopista.
La función de densidad de probabilidad exponencial es:

1
f(x) = e-x / µ para x ≥ 0, µ > 0.

Cálculo de probabilidades para la distribución exponencial.
El área bajo la curva que corresponde a cierto intervalo equivale a la probabilidad de que
la variable aleatoria asuma un valor en ese intervalo.
Para calcular probabilidades exponenciales, la siguiente fórmula da la probabilidad de
obtener un valor para la variable aleatoria exponencial que sea menor o igual a cierto
valor específico de x, identificado como x0:
P (x ≤ x0) = 1 - e-x0 /µ
14
Ejemplos:
1.- Suponga que el tiempo en que se tarda en cargar un camión en el muelle de Veracruz
sigue una distribución exponencial. Si la media del tiempo o tiempo promedio para
cargarlo es de 15 minutos.
a) Determine la probabilidad de que la carga de un camión dure 6 minutos o menos.
b) Determine la probabilidad de que la carga de un camión dure 18 minutos o menos.
c) Determine la probabilidad de que la carga de un camión dure 6 a 18 minutos.
2.- Si µ = 3, determine mediante la distribución exponencial:

a) P(x ≤ 2)
b) P(x ≥ 3)
c) P(x ≤ 5)
d) P(2 ≤ x ≤ 5)
3.- El tiempo entre llegadas de vehículos a determinado crucero sigue una distribución
exponencial de probabilidad con una media de 12 segundos.
a) ¿Cuál es la probabilidad de que el tiempo entre las llegadas de 2 vehículos sea de 12
segundos o menos?
b) ¿Cuál es la probabilidad de que ese tiempo sea de 6 segundos o menos?
c) ¿Cuál es la probabilidad de que haya 30 segundos o más entre las llegadas de
vehículos?
4.- Un estudio de tiempo de espera en restaurantes de comida rápida, demostró que el

tiempo promedio de tiempo de espera para recibir la comida, después de hacer el perdido
en Burguer King y Mc Donals era de 60 segundos. Suponga que se aplica a los tiempos
de espera una distribución exponencial de probabilidad.
a) ¿Cuál es la probabilidad de que un cliente espere 30 segundos o menos?
b) ¿Cuál es la probabilidad de que un cliente espere 45 segundos o menos?
c) ¿Cuál es la probabilidad de que un cliente espere más de 2 minutos?
5.- La vida promedio de un a TV es de 12 años, la vida útil de estos productos sigue una
distribución exponencial de probabilidad.
a) ¿Cuál es la probabilidad de que la vida útil sea de 6 años o menos?
b) ¿Cuál es la probabilidad de que la vida útil sea de 15 años o más?
c) ¿Cuál es la probabilidad de que la vida útil sea entre 5 y 10 años?
Según una encuesta de la revista Ciencia y Tecnología, el 69.5% de sus suscriptores

tiene una computadora personal en su casa. Los que la tiene la usan un promedio de 7.4
horas semanales. La cantidad de horas de uso sigue una distribución exponencial.
a) ¿Cuál es la probabilidad de que un suscriptor use 3 horas semanales o menos una
computadora personal en casa?
b) ¿Cuál es la probabilidad de que un suscriptor pase más de 10 horas semanales
usando una computadora personal en casa?
c) ¿Cuál es la probabilidad de que un suscriptor use de 3 a 8 horas semanales su
computadora personal en casa?
15
DISTRIBUCIÓN t.
Es una distribución simétrica en forma de campana con µ = 0, sin embargo es más

aplanada que la distribución normal y el área de las colas es mayor. La forma de la
distribución es más puntiaguda y se transforma en más normal cuando una cantidad
llamada grados de libertad (v) se incrementa.
Los grados de libertad es igual al tamaño de la muestra n menos el número de
parámetros estimados de la población.
v = n -1
Para valores de v o de n mayores o iguales a 30, la curva t se aproxima estrechamente a

la curva normal.
La curva t se utiliza para muestras con n < 30 (muestras pequeñas).
Utiliza el estadístico t.
t1 0 t2
En la distribución t el área más importante es el área de las colas ( derecha e izquierda).
Ejercicios:
1.- Utilizar la curva de distribución t y hallar el valor de t que se pide, usar v = 9.
a) El área sombreada a la derecha sea 0.05
b) El área total sombrada sea 0.05
c) El área total no sombreada sea 0.99
d) El área sombreada a la izquierda sea 0.01
e) El área a la izquierda de t1 sea 0.99
16
2.- Calcular el valor de t en los siguientes casos:

a).- n = 21
¿?
¿?
95%
0
- t = ¿? t = ¿?
b).- n = 31
¿?
¿?
98%
0
- t = ¿? t = ¿?
c).- n = ¿?
¿?
¿?
¿?%
0
- t = -1.3250 t = 1.3250
17
Realizar 5 ejemplos propios de cálculo de probabilidad con la distribución t (Debe

contener texto, gráfica y cálculo de la probabilidad).
DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA
La distribución de probabilidad hipergeométrica se relaciona estrechamente con la

distribución binomial. La diferencia principal entre las dos es que, con la distribución
hipergeométrica, los intentos no son independientes y en que la probabilidad de éxito
cambia de un intento a otro.
La notación que se acostumbra al aplicar la distribución de probabilidad hipergométrica es
que r represente la cantidad de elementos en la población de tamaño N, que se
identifican como éxitos y que N – r represente la cantidad de elementos en la población
que se identifican como fracasos. La función de probabilidad hipergoemétrica se usa para
calcular la probabilidad de que, en una muestra aleatoria de n artículos, seleccionados sin
reemplazo, obtengamos x elementos identificados como éxitos y n – x identificados como
fracasos. Para que suceda esto debemos obtener x éxitos de los r en la población y n – x
fracasos de los N – r de la población. La siguiente función de probabilidad
hipergeométrica determina f(x), la probabilidad de obtener x éxitos en una muestra de
tamaño n.
Función de probabilidad hipergoemétrica.
para 0 ≤ x ≤ r
Donde:
f(x) = Probabilidad de x éxitos en n intentos
n = Número de intentos
N = Número de elementos de la población
r = Número de elementos identificados como éxitos en la población.
Observe que representa la cantidad de formas en que se puede seleccionar una

muestra de tamaño n de una población de tamaño N; representa la cantidad de
maneras en que se pueden seleccionar x éxitos de un total de r éxitos de la población y
representa la cantidad de maneras en que se puede seleccionar n – x fracasos de
un total de N – r fracasos en la población.
Ejercicios:
1. Se deben seleccionar dos miembros de comité, entre cinco, que asistan a una
convención en Las Vegas. Suponga que el comité de cinco miembros está formado por
tres mujeres y dos hombres. Determine la probabilidad de seleccionar que sean dos
mujeres.
18
2. Del problema anterior, suponga que después nos enteramos de que los que harán el
viaje serán tres personas del comité, determine la probabilidad de que exactamente dos
de los tres miembros sean mujeres.
3. Una población consiste en 10 artículos, cuatro de los cuales son defectuosos y los seis
restantes son no defectuosos, ¿cuál es la probabilidad de que una muestra aleatoria de
tamaño tres contenga dos artículos defectuosos?
4. Según la revista Beverage Digest, la Coca Clásica y la Pepsi ocuparon el primero y

segundo lugar en la preferencia de las personas. Suponga que en un grupo de 10
personas, 6 prefieren Coca Clásica y 4 prefieren Pepsi. Se selecciona una muestra
aleatoria de 3 miembros de este grupo.
a). ¿Cuál es la probabilidad de que exactamente dos prefieran Coca clásica?
b). ¿Cuál es la probabilidad de que la mayoría (dos o tres) prefieran Pepsi?
5. Un embarque de 10 artículos contienen dos unidades defectuosas y ocho no

defectuosas. Al revisarlo se tomará una muestra y las unidades se inspeccionarán. Si se
encuentra una unidad defectuosa, se rechazará todo el embarque.
a) Si se selecciona una muestra de 3 artículos, ¿cuál es la probabilidad de rechazar el
embarque?
b) Si se selecciona una muestra de 4 artículos, ¿cuál es la probabilidad de rechazar el
embarque?
c) Si se selecciona una muestra de 5 artículos, ¿cuál es la probabilidad de rechazar el
embarque?

De los 25 alumnos, 14 niños y 11 niñas, en el sexto año de la Escuela Minerva, 5 faltaron
el jueves.
a). ¿Cuál es la probabilidad de que dos de los ausentes fueran niñas?
b). ¿Cuál es la probabilidad de que dos de los ausentes fueran niños?
c). ¿Cuál es la probabilidad de que todos fueran niños?
d). ¿Cuál es la probabilidad de que ninguno fuera niño?
UNIDAD II DISTRIBUCIONES MUESTRALES
TEORÍA DEL MUESTREO.
Definiciones:
Población: Conjunto de elementos con características comunes o simples.
Muestra: Subconjunto de una población. Conjunto de elementos extraídos de un conjunto

mayor que es la población con el fin de conocer aproximadamente la características de la
población de donde proviene. Los resultados de la muestra dan estimados (o
estimaciones) de los valores de las características de la población.
Censo: Es el recuento de todos los elementos de una población.
Objetivo de la Inferencia Estadística: Obtener información acerca de una población

partiendo de la información que contiene una muestra.
19
Parámetros: Es una característica numérica de una población. Ejemplos: µ = 80, σ = 5,

p = 0.60
Muestreo: De una población es tomar varias muestras, son tipos de muestra.
Sesgo: Tipo de error no muestral, se refiere a una tendencia sistemática inherente a un

método de muestreo que da estimaciones de un parámetro que son, en promedio,
menores (sesgo negativo) o mayores (sesgo positivo) que el parámetro real. El sesgo
muestral puede suprimirse o minimizarse usando la aleatoriedad.
Población Finita: Los elementos tienen una cantidad numérica definida.
Población Infinita: Los elementos de esta población no están numéricamente definidos

con certeza, ya que no se tiene idea de cuando finalizarán
Muestra Aleatoria: Los miembros de una población se seleccionan de manera que cada
miembro individual tiene la misma posibilidad de ser elegido.
Muestra Aleatoria Simple: Una muestra aleatoria simple de tamaño de n sujetos, se

selecciona de manera que cada posible muestra del mismo tamaño n tenga la misma
posibilidad de ser elegida.
MUESTREO ALEATORIO SIMPLE.
Se pueden usar varios métodos para seleccionar una muestra a partir de una población,
uno de los más comunes es el muestreo aleatorio simple. La definición de este método y
el proceso de seleccionar una muestra aleatoria simple depende de si la población es
finita o infinita.
Muestra Aleatoria Simple (población finita): Una muestra aleatoria simple de tamaño n, de
una población finita de tamaño N, es una muestra seleccionada de tal manera que cada
muestra posible de tamaño n tenga la misma probabilidad de ser seleccionada.
Un procedimiento para identificar una muestra aleatoria simple a partir de una población
finita es seleccionar uno por uno los elementos que constituyen a la muestra, de tal modo
que cada uno de los elementos que aún queden en la población tengan la misma
probabilidad de ser seleccionados. Al muestrear n elementos en esa forma, se satisfará la
definición de una muestra aleatoria simple de una población finita.
Muestreo sin reemplazo: Una vez incluido en la muestra un elemento de la población sale
de ésta y ya no se puede seleccionar por segunda vez.
Muestreo con reemplazo: Al seleccionar cada elemento para la muestra, se regresa a la

población. Un elemento que ya se seleccionó se puede volver a seleccionar, y en
consecuencia puede aparecer más de una vez en la muestra.
20
Ejercicios:
1.- Suponga que una población tiene 350 elementos. Con los tres últimos dígitos de los
siguientes números aleatorios de cinco dígitos, determine las cuatro primeras unidades
que se seleccionarán para la muestra aleatoria simple.
98601 73022 83448 02147 34229 27553 84147 93289 14209
2.- La Asociación de Transporte Aeroportuario de E.U. proporcionó la siguiente lista de las

10 aerolíneas más grandes del mundo.
1.- Aeroflot (Rusia) 6.- JAL (Japón)
2.- Air France (Francia) 7.- Lufthansa (Alemania)
3.- American Airlines (E.U.) 8.- Northwest Airlines (E.U.)
4.- British Airways (Inglaterra) 9.- United Airlines (E.U.)
5.- Delta Airlines (E.U.) 10.- USAir (E.U.)
Suponga que se debe seleccionar una muestra aleatoria de 5 de ellas, para un estudio de
detalle de factores, por ejemplo: la cantidad de aviones en servicio, el total anual de
pasajeros-milla volados, etc. Comenzando con el primer dígito aleatorio de la Tabla de
Números Aleatorios y avanzando hacia abajo de la columna, use los números aleatorios
de un dígito para seleccionar una muestra aleatoria simple de 5 aerolíneas que entrarán
en el estudio.
3.- El libro County and City Data Book, publicado por la Oficina del Censo en E.U., publica
información acerca de 3139 condados en ese país. Suponga que un estudio nacional
debe reunir datos de 30 condados seleccionados al azar. Use números aleatorios de la
última columna de la tabla (de los números aleatorios) para identificar los números que
corresponden a los cinco primeros condados seleccionados para la muestra. No tome en
cuenta los primeros dígitos.
4.- Indique si las siguientes poblaciones se deben considerar finitas o infinitas:

a) Todos los votantes registrados en un estado.
b) Todos las TV que podría producir la planta de Tokio de la empresa Sony.
c) Todas las llamadas de emergencia que pudieran entrar a una estación local de
policía.
d) Todos los componentes que produjo Sony en su planta de Tokio en el segundo
turno del 17 de mayo del 2010.
5.- Una empresa multinacional tiene 2520 empleados, por requerimientos del sistema de
calidad necesita aplicar una encuesta a 25 de sus empleados. Utilice los primeros cuatro
dígitos de cada número aleatorio, empezando por la séptima columna y desplácese a la
izquierda para obtener la muestra solicitada.
21
Los resultados de una encuesta sobre los 25 mejores entrenadores de baloncesto de

NCAA, en enero de 1988, aparece a continuación. Use la quinta columna de los números
aleatorios de la Tabla de Números Aleatorios, comenzando con el primer número de la
columna y desplácese hacia abajo para seleccionar una muestra aleatoria simple de 6
equipos de baloncesto. Utilice los dos primeros dígitos de cada renglón de la quinta
columna en el proceso de selección.
¿Cuál de los equipos de baloncesto seleccionó para esa muestra aleatoria simple?
1.- Duke 6.- Stanford 11.- Princeton 16.- Michigan 21.- West
Virginia
2.- North 7.- Kentucky 12.- Iowa 17.- South 22.- Rhode
Carolina Carolina Island
3.- Kansas 8.- 13.- New 18.- Xavier 23.- Clemson
Connecticut México
4.- UTA 9.- Purdue 14.- Mississippi 19.- Arkansas 24.- Hawai
5.- Arizona 10.- UCLA 15.- Syracuse 20.- Florida State 25.- Cincinnati
MUESTREO ALEATORIO ESTRATIFICADO.
Se divide a la población en grupos de elementos llamados estratos, de tal manera que

cada elemento en la población pertenece a uno y solo a un estrato.
Los mejores resultados se obtienen cuando los elementos dentro de cada estrato son tan
semejantes como sea posible. Después de formar los estratos se toma una muestra
aleatoria simple de cada uno.
Población
Estrato 1 Estrato 2 Estrato H
22
Ejercicios:
1.- La población de estudiantes de la carrera de Ingeniería Civil de una Universidad
pública (en todos los semestres) es de 400. Suponga que se requiere obtener una
muestra de 50 estudiantes para aplicarles una encuesta sobre desempeño de docentes.
Utilizar para obtener la muestra, el muestreo estratificado. A continuación se muestran los
datos.
Estrato Número de
alumnos
1er. Semestre 40
2º. Semestre 40
3er. Semestre 40
4º. Semestre 45
5º. Semestre 75
6º. Semestre 35
7º. Semestre 40
8º. Semestre 30
9º. Semestre 30
Semiescolarizado 25
Total de Alumnos 400
2.- En una empresa se requiere aplicar una encuesta sobre el clima organizacional que
forma parte de la búsqueda de la calidad en la empresa, por lo que se requiere encuestar
a 60 empleados, utilice el muestreo estratificado e indique cuantos empleados de cada
departamento de la empresa deben ser encuestados.
Departamento Empleados
Finanzas 25
Administración 45
Contabilidad 10
Mercadotecnia 15
Producción 68
Almacén 6
Distribución 11
Compras 8
Ventas 20
Servicios al cliente 7
Total de empleados 215
23
3.- Una empresa multinivel tiene 12 grupos de personas distribuidas en una determinada
área geográfica, el Comité Directivo lo ha contratado a usted como experto en muestreo
estadístico para que determine una muestra de 125 empleados a los cuales se les
aplicará una encuesta de satisfacción en el trabajo,
a). Utilice muestreo aleatorio estratificado para determinar a cuantos empleados por grupo
se tienen que encuestar.
b). Utilice el muestreo aleatorio simple para determinar específicamente a qué empleados
se deberá encuestar
Grupo Integrantes
1 80
2 50
3 35
4 60
5 25
6 40
7 65
8 32
9 35
10 42
11 55
12 51
Nota: Por requerimientos de la Dirección, indique el criterio cómo se obtuvo la muestra

aleatoria simple (utilizar un criterio diferente para grupo) bajo el siguiente formato:
Grupo Intervalo Criterio de búsqueda Dígitos a utilizar Muestra aleatoria simple
PROBLEMA 12 DE TAREA PARA ENTREGAR

Realizar 3 ejercicios propios de muestreo aleatorio simple y 3 de muestreo aleatorio
estratificado.
24
DISTRIBUCIONES MUESTRALES Y EL TEOREMA DEL LÍMITE CENTRAL.
DISTRIBUCIONES MUESTRALES.
_
Los diversos valores posibles de x son el resultado de distintas muestras aleatorias
_ _
simples, a la distribución de x se le llama distribución muestral de x, el conocimiento de
esta distribución muestral y de sus propiedades permitirá hacer afirmaciones
probabilísticas acerca de lo cercano que se encuentre la media de la muestra de la media
de la población.
_ _
Como en el caso de x, tanto s como p son variables aleatorias que proporcionan
descripciones numéricas del resultado de una muestra aleatoria simple. Si se
seleccionara toda muestra posible de cierto tamaño de una población y se calcula el valor
de s y el de la proporción muestral de cada muestra, las distribuciones resultantes de
probabilidad se llamarían distribución muestral de s y distribución muestral de la
proporción muestral respectivamente.
_
DISTRIBUCIÓN MUESTRAL DE x.
Uno de los procedimientos estadísticos más comunes es usar la media de la muestra para
hacer inferencias acerca de una media de la población. En cada repetición del proceso se
puede anticipar la obtención de un valor distinto de la media de la muestra. La distribución
de probabilidades de todos los valores posibles de la media de la muestra se llama
distribución muestral de la media de la muestra.
_
El conocimiento de la distribución muestral de x permitirá hacer afirmaciones
probabilísticas acerca del error incurrido cuando se usa la media muestral para estima la
media poblacional.
_
VALOR ESPERADO DE x.
_
E(x)=µ
Donde:
_ _
E ( x ) = Valor esperado de la variable aleatoria x
_
DESVIACIÓN ESTÁNDAR DE x.
Notación:
__ _
σx = Desviación estándar de la distribución muestral de x
σ = Desviación estándar de la población
n = Tamaño de la muestra
N = Tamaño de la población
_
25
Con muestreo aleatorio simple, la desviación estándar de x depende de si la población es

finita o infinita.
Fórmulas:
Población finita:
N n 
σx = Ecuación 1
N 1 n
N n
El factor se llama factor de corrección para la población finita.
N 1
Población infinita:

σx = Ecuación 2
n
Requisitos para utilizar las ecuaciones anteriores:
A).- Utilizar la Ecuación 2 siempre que:
1.- La población sea infinita.

2.- La población sea finita y que también el tamaño de la muestra sea menor o igual que
el 5% del tamaño de la población. [ n / N ≤ 0.05]
B).- En los casos en que n / N > 0.05 se debe usar la Ecuación 1
El valor de σx es útil para determinar lo alejado que pueda estar la media de la muestra
de la media de la población, a σx se le conoce como Error Estándar de la Media.
Ejemplos:
1.- Una población tiene µ = 200 y σ = 50, se tomará una muestra aleatoria simple de
tamaño 100 y se usará la media muestral para estimar la media poblacional.
a) ¿Cuál es el valor esperado de la media muestral?
b) ¿Cuál es la desviación estándar de la media poblacional (σx)?
2.- Una muestra aleatoria simple de tamaño 50 se selecciona de una población con
σ = 10. Calcule el valor del error estándar de la media en cada uno de los casos
siguientes:
a) El tamaño de la población es infinito
b) El tamaño de la población es N = 50,000
c) El tamaño de la población es N = 5,000
d) El tamaño de la población es N = 500
26

Suponga que la desviación estándar de la población es de σ = 25.
a) Calcule el error estándar de la media (σx) para tamaños de muestra:
a) n = 50
b) n = 100
c) n = 150
d) n = 200.
e) ¿Qué se puede decir acerca del tamaño del error estándar de la media, cuando
aumenta el tamaño de la muestra?
EL TEOREMA DEL LÍMITE CENTRAL.

Al seleccionar muestras aleatorias simples de tamaño n de una población, la distribución
muestral de la media de la muestra se puede aproximar con una Distribución Normal de
probabilidades, cuando el tamaño de la muestra es grande (n ≥ 30).
El Teorema del Límite Central es la clave para identificar la forma de la distribución
muestral de la media de la muestra, cuando se desconoce la distribución de la población.
Siempre que la población tiene una distribución normal de probabilidades, la distribución
muestral de la media de la muestra es una distribución normal de probabilidades para
cualquier tamaño de la muestra.
Si se usa una muestra aleatoria simple grande (n ≥ 30) el Teorema permite decir que la
distribución muestral de la media de la muestra se puede aproximar con una distribución
normal de probabilidades. Cuando la muestra aleatoria simple es pequeña (n < 30), solo
se puede considerar que la distribución muestral de la media de la muestra es normal si
se supone que la población tiene una distribución normal de probabilidades.
_
VALOR PRÁCTICO DE LA DISTRIBUCIÓN MUESTRAL DE x-

Cuando se selecciona una muestra aleatoria sencilla y se calcula el valor de la media de
la muestra para estimar a la media de la población, no se puede esperar que la media de
la muestra sea exactamente igual a la media de la población, el valor absoluto de la
diferencia entre la media muestral y la media poblacional es:
_
/ x - µ / y se llama error muestral
La razón práctica de la distribución muestral de la media de la muestra es que se puede

usar para determinar información probabilística acerca del tamaño del error muestral.
ESTADÍSTICO z.
_
z=x-µ
σx
Donde:
z = Estadístico z
_
x = Media de la muestra
_
σx = Desviación estándar de la distribución muestral de x
27
Ejercicios:
1.- El precio de la media por galón de gasolina regular vendida en E.U. es de $1.20
dólares. Suponga que el precio de la media de la población es µ = $1.20 dólares por galón
y que la σ = 0.10 de dólar. También suponga que se selecciona una muestra aleatoria de
50 gasolineras y que se calcula un precio de la media de la muestra con los datos
reunidos en esas gasolineras. _
a) Muestre la distribución de muestreo de la x para las 50 gasolineras
b) ¿Cuál es la probabilidad de que la muestra aleatoria simple produzca una media
de la muestra a ± $0.02 dólares de la µ? _
c) ¿Cuál es la probabilidad de que la muestra aleatoria simple produzca una x
a ± $0.01 dólares de la µ?
2.- El programa de pruebas universitario de la Oficina Universitaria Americana reportó una

calificación de la µ = 960 puntos. Suponga que la es de σ = 100 puntos.
a) ¿Cuál es la probabilidad de que una muestra aleatoria de 75 estudiantes produzca una
media muestral de calificación, que quede a ± 10 puntos de la µ?
b) ¿Cuál es la probabilidad de que una muestra aleatoria de 75 estudiantes produzca una
media muestra de calificación, que quede a ± 20 puntos de la µ?
Una población tiene 100 de media con 16 de desviación estándar, ¿cuál es la probabilidad
de que una media de muestra quede a ± 2 de la media poblacional en cada uno de los
siguientes tamaños muestrales?
a) n = 50
b) n = 100
c) n = 200
d) n = 400
e) ¿Cuál es la ventaja de un tamaño grande de muestra?
_
DISTRIBUCIÓN MUESTRAL DE p.
_
Se utiliza la proporción muestral p para hacer inferencias estadísticas sobre la proporción
poblacional p.
En cada proceso se obtendrá un valor distinto de la proporción de una muestra. La
distribución de probabilidades de todos los valores posibles de esa proporción se llama
distribución de la proporción muestral.
Para determinar lo cercano que está la proporción muestral de proporción poblacional es
necesario comprender las propiedades de las distribuciones muestral de la proporción
muestral.
Valor esperado
_
E(p)=p
Donde:
_ _
E ( p ) = Valor esperado de la variable aleatoria p
p = Proporción poblacional
_
28
Desviación estándar de p.
_
La desviación estándar de p, se llama error estándar de la proporción.
_
La desviación estándar de p depende de si la población es finita o infinita.
Fórmulas:
Población Finita:
N n p(1  p)
σp = .
N 1 n
Se utiliza si n > 0.05

N
Población Infinita:
p(1  p)
σp =
n
Se utiliza si n ≤ 0.05
N
_
Forma de distribución Muestral de p.
_
Al aplicar el Teorema del Límite Central a p se obtiene:
_
a).- La distribución muestral de p se puede aproximar con una distribución normal de
probabilidades, siempre que el tamaño de la muestra sea grande.
_
b).- Para p se considera que el tamaño de muestra es grande cuando se cumplen las dos
condiciones siguientes:
1.- n . p ≥ 5
2.- n ( 1 – p) ≥ 5
_
Estadístico de p.
_
z =p-p
σP
Error de muestreo.
_
Error de muestreo = / p – p /
29
Ejercicios:
1.- La proporción de una población es de 0.40, se tomará una muestra aleatoria simple de
tamaño 200 y se usará la proporción muestral de la muestra para estimar la de la
población.
a).- ¿Cuál es la probabilidad de que la proporción muestral esté a ± 0.03 de la proporción
poblacional?
b) ¿Cuál es la probabilidad de que la proporción muestral esté a ± 0.05 de la proporción
poblacional?
2.- La asociación Grocery Manufacturers of America informa que el 76% de los

consumidores leen los ingredientes que aparecen en la etiqueta de los productos.
Suponga que la proporción de la población es p = 0.76 y que de la población se
selecciona una muestra de 400 consumidores.
_
a) Describa la distribución de la proporción muestral p, que es la proporción en la
muestra de los consumidores que leen la lista de los ingredientes.
b) ¿Cuál es la probabilidad de que la proporción muestral está a ± 0.03 de la
proporción poblacional?
c) Conteste el inciso b) pero ahora con una muestra de 750 consumidores.
d) ¿Cuál es la probabilidad de que la proporción muestral sea 0.74 o menos,
si n = 750?

Suponga que el 15% de los artículos que se producen en una línea de ensamble son
defectuosos, pero que el gerente de producción no se ha enterado. También suponga que
el departamento de control de calidad prueba 50 piezas para determinar la calidad de la
operación de armado. Sea la proporción muestral de piezas defectuosas que encontró
la prueba de control de calidad.
a). Describa la distribución muestral de .
b). ¿Cuál es la probabilidad de que la proporción de la muestra esté a ± 0.03 de la
proporción de piezas defectuosas en la población?
c). Si la prueba indica que o más de piezas defectuosas, la línea de ensamble se
para y se investiga la causa de los defectos. ¿Cuál es la probabilidad de que la muestra
de 50 piezas lleve a la conclusión de que debe pararse la línea de ensamble?
30
UNIDAD III INFERENCIA ESTADÍSTICA
ESTIMACIÓN PUNTUAL
Definiciones:
Estimador: Valor numérico único que se usa como estimado de un parámetro poblacional.
Estimador: Estadístico de muestra como x, s y p, que produce un estimado puntual del
parámetro poblacional.
Estimación: Hacer inferencia del comportamiento de una muestra, respecto a una
población.
Estadístico Parámetro Poblacional
x µ
s σ
p p
s2 σ2
INTERVALOS DE CONFIANZA
Definición.
Un intervalo de confianza es una gama (o un intervalo) de valores que se usan para
estimar el valor real de un parámetro de población.
Un intervalo de confianza se asocia con un nivel de confianza, como 0.95 (o 95%). El nivel
de confianza nos da la tasa de sucesos del procedimiento que se utiliza para construir el
intervalo de confianza. El nivel de confianza suele expresarse como la probabilidad o área
1 - α (alfa griega minúscula). El valor de α es el complemento del nivel de confianza. Para
un nivel de confianza de 0.95 (o 95%) , α = 0.05. Para un nivel de confianza de 0.99 (o
99%), α = 0.01.
Definición.
El nivel de confianza es la probabilidad 1 – α (a veces se expresa como el valor de
porcentaje equivalente), que es la proporción de veces que el intervalo de confianza
realmente contiene el parámetro de población, suponiendo que el proceso de estimación
se repite un gran número de veces. El nivel de confianza también se conoce como grado
de confianza o coeficiente de confianza.
ESTIMADO DE INTERVALO DE UNA MEDIA DE POBLACIÓN

Caso de muestra grande (n ≥ 30) con σ conocida:
_
x ± zα /2 σ
√n
Donde:
_
x = media de la muestra
σ= desviación estándar de la población
1- α = coeficiente de confianza
zα /2 = valor de z que origina un área de α/2 en la cola o extremo superior de la
distribución normal estándar
31
Caso de muestra grande (n ≥ 30) con σ desconocida:

_
x ± zα /2 s
√n
Donde:
_
s = desviación estándar de la muestra
zα /2 = valor de z que origina un área de α/2 en la cola o extremo superior de la
distribución normal estándar
Valores de zα /2 para los niveles de confianza de uso más común.

Nivel de confianza α α /2 zα /2
90% 0.10 0.05 1.645
95% 0.05 0.025 1.96
99% 0.01 0.005 2.575
Ejercicios:
1.- Calcular el valor de zα /2 para los siguientes niveles de confianza:
1. 91% 2. 92.5% 3. 90.5% 4. 93% 5. 94%
6. 98% 7. 99.5% 8. 97% 9. 95.6% 10. 96.3%
2.- Una muestra aleatoria simple de 50 artículos originó una media de la muestra de 32 y
una desviación estándar de 6.
a) Determine un intervalo de confianza de 90% para la media de la población.
b) Determine un intervalo de confianza de 95% para la media de la población.
c) Determine un intervalo de confianza de 99% para la media de la población.
d) Determine un intervalo de confianza de 90.8% para la media de la población.
e) Determine un intervalo de confianza de 94.5% para la media de la población.
3.- Se informa que el intervalo de confianza de 95% para la media de la población es de

122 a 130. Si la media de la muestra es 126 y la desviación estándar es de 16.07, ¿qué
tamaño de la muestra se usó en la determinación?

En un estudio de préstamos a estudiantes, el departamento de educación informó que los
beneficiarios del fondo Stafford Loan deberán un promedio de $12,168 dólares al
recibirse. Suponga que éste promedio de deuda se basa en una muestra de 480
préstamos a estudiantes y que la desviación estándar de la población de las deudas al
recibirse es $2,200 dólares.
a) Determine un estimado de confianza de 90% del promedio poblacional de la
deuda.
b) Determine un estimado de confianza de 95% del promedio poblacional de la
deuda.
c) Determine un estimado de confianza de 99% del promedio poblacional de la
deuda.
d) Describa lo que sucede con el ancho del intervalo de confianza a medida que se
aumenta el nivel de confianza.
32
ESTIMADO DE INTERVALO DE UNA MEDIA DE POBLACIÓN
Caso de muestra pequeña (n < 30) con σ desconocida:

_
x ± tα /2 s
√n
Donde:
_
s = desviación estándar de la muestra
tα /2 = valor de t que define un área de α/2 en la cola o extremo superior de la distribución t
con n-1 grados de libertad
Se supone que la población tiene distribución normal estándar de probabilidades.
x = Σ xi
n
___________
s = Σ( xi - x )2
√ n-1
Ejercicios:
1.- Se pidió al personal de ventas de la distribuidora González que presentará informes
semanales con los clientes llamados durante la semana. En una muestra de 61 informes
semanales se determinó un promedio de 22.4 llamadas a clientes por semana y que la
desviación estándar era de 5 llamadas.
a) Suponga el caso de muestra grande para determinar un intervalo de confianza del
95% para la cantidad promedio de llamadas semanales a clientes para la población
del personal de ventas.
b) Suponga que esa población tiene distribución normal, aplique la distribución t, con 60
grados de libertad, para determinar un intervalo de confianza del 95% para la cantidad
promedio de llamadas semanales a clientes.
c) Determinar el intervalo de confianza del 90% si la muestra cambia a 25 informes
semanales con una media de 21.8 y una desviación estándar de 4.5.
d) Si la muestra baja a 12 informes por semana determinar el intervalo de confianza del
99%, con una media de 20.5 y una desviación estándar de 4.1.
2.- La cantidad de horas que duermen los estadounidenses cada noche varía mucho,
desde el 12% de la población que duerme menos de 6 horas hasta el 3% que duerme
más de 8 horas. A continuación se indica una muestra de las horas que duermen cada
noche 25 personas.
6.9 7.6 6.5 6.2 5.3
7.8 7 5.5 7.6 6.7
7.3 6.6 7.1 6.9 6
6.8 6.5 7.2 5.8 8.6
7.6 7.1 6 7.2 7.7
a) ¿Cuál es el estimado puntual de la media de la población de la cantidad de horas
que se duerme cada noche?
b) Suponiendo que la población tiene una distribución normal, determine un intervalo
de confianza del 95% para la cantidad de la media de la población de horas de
sueño cada noche.
33
3.- La muestra siguiente es de la edad de 20 personas que visitan psicólogos por

problemas emocionales.
19 33 13 25 44 46 57 60 31 40
23 27 43 44 32 56 52 61 30 20
a). Determine el estimado puntual de la media y de la desviación estándar.
b). Determine un intervalo de confianza del 99% para la edad de los pacientes que visitan
psicólogos.
c). Suponga que la muestra proviene de una distribución normal, determine un intervalo
de confianza del 95.7% para los pacientes que visitan psicólogos.
PROBLEMA 17 DE TAREA PARA ENTREGAR

La asociación americana de agencias de publicidad tiene un registro de datos sobre
minutos de anuncios por cada media hora de programas principales de TV. En la tabla
siguiente se muestra una lista de datos representativos de una muestra de 20 programas
preferentes e cadenas principales a las 8:30 p.m.
6.0 7.0 7.2 7.0 6.0 7.3 6.0 6.6 6.3 5.7
6.5 6.5 7.6 6.2 5.8 6.2 6.4 6.2 7.2 6.8
Suponiendo una población normal, determine un estimador puntual y un intervalo de
confianza del 95.4% para el número promedio de minutos de anuncios en los principales
programas televisivos a las 8:30 p.m.
DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA.

ERROR MÁXIMO DE MUESTREO.
E = zα /2 σ
√n
TAMAÑO DE LA MUESTRA PARA UN ESTIMADO DE INTERVALO DE UNA MEDIA DE
POBLACIÓN.
n = (zα /2)2. σ2
E2
Con este tamaño de muestra se obtiene el margen deseado de error con el nivel de
confianza elegido.
Donde:
E = Margen de error
zα /2 = valor dependiendo del nivel de confianza
σ = Desviación estándar de la población, generalmente desconocida, para conocerlo se
necesita un valor preliminar o de planeación, en la práctica se sugiere tomar el rango
dividido entre 4 como una aproximación de la desviación estándar.
Ejercicios:
1.- La desviación estándar de la muestra de las relaciones P/G para acciones de la Bolsa
de Valores de Nueva York es s = 7.8 . Suponga que nos interesa estimar la media de la
relación P/G de las acciones de la Bolsa de Valores de Nueva York.
a)¿Cuántas acciones deben incluirse en la muestra si deseamos que el margen de error
sea de 2? Suponga una confianza del 95%.
b) Si E = 3 y el intervalo de confianza es del 92%, ¿cuántas acciones deben incluirse en la
muestra?
34
2.- Se estima que el rango para un conjunto de datos es 36.

a) ¿Cuál es el valor de planeación para la desviación estándar de la población?
b) Determine n para tener el 95% de confianza de que el error muestral sea de 3 o
menos
c) Determine n para tener el 95% de confianza de que el error muestral sea de 3 o
menos
d) Determine n para tener el 95% de confianza de que el error muestral sea de 2 o
menos
e) Determine n para tener el 90% de confianza de que el error muestral sea de 2 o
menos
f) Determine n para tener el 99% de confianza de que el error muestral sea de 1 o
menos
g) Determine n para tener el 93.2% de confianza de que el error muestral sea de 2 o
menos
ESTIMADO DE INTERVALO DE UNA PROPORCIÓN DE UNA POBLACIÓN.

_ _ _
p ± zα /2 p (1 - p)
√ n
DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA.
_ _
E = zα /2 p (1 - p)
√ n
_ _
n = (zα /2)2 p (1 – p)
E2
Ejercicios:
1.- Una muestra aleatoria simple de 800 unidades genera una proporción muestral igual a
0.70.
a) Determine un intervalo de confianza de 90% para la proporción de la población.
b) Determine un intervalo de confianza de 95% para la proporción de la población.
c) Determine un intervalo de confianza de 93.7% para la proporción de la población.
2.- Los datos sobre el perfil de audiencia del sitio de la red ESPN SPORT indicaron que el
26% de los usuarios eran mujeres. Suponga que este porcentaje se basó en una muestra
de 400 usuarios.
a) Con un 95% de nivel de confianza , ¿cuál es el margen de error con la proporción
estimada de mujeres?
b) ¿Cuál es el intervalo de confianza de 95% de la proporción poblacional de usuarios
mujeres?
c) ¿Qué tamaño debe tener la muestra para un margen deseado de error de 3%?
 PROBLEMA18 DE TAREA PARA ENTREGAR

Ferrer Calvillo Comunications llevó a cabo una encuesta nacional a 938 golfistas mujeres,
para estudiar cómo se consideran tratadas en campos de golf. En la encuesta se encontró
que 397 mujeres están satisfechas con los tiempos disponibles de los tees, 307 estaban
satisfechas con los reglamentos de membresía y 234 estaban satisfechas con las
instalaciones de los vestidores.
Determine el estimado puntual de la proporción poblacional y el intervalo de confianza de
95% para cada una de las tres preguntas de la encuesta.
35
PRUEBAS DE HIPÓTESIS
Dos actividades importantes de la estadística inferencial son la estimación de los
parámetros de población y la prueba de hipótesis.
Una prueba de hipótesis es un procedimiento estándar para probar alguna aseveración.
Definiciones:
Hipótesis: Es una aseveración o afirmación acerca de una propiedad de una población.
Prueba de Hipótesis: Conocida también como prueba de significancia, es un

procedimiento estándar para probar una aseveración acerca de una propiedad de una
población.
La prueba de hipótesis sirve para determinar si se debe rechazar o no una afirmación

acerca del valor de un parámetro poblacional.
En la prueba de hipótesis se comienza proponiendo una hipótesis tentativa acerca de un

parámetro poblacional, esta hipótesis tentativa se llama hipótesis nula y se representa
como H0. La Hipótesis nula es la afirmación de que el valor de un parámetro de población
(como una proporción, media o desviación estándar) es igual a un valor aseverado. La
hipótesis nula se aprueba en forma directa, en el sentido de que asumimos que es
verdadera y llegamos a una conclusión para rechazar H0 o no rechazar H0.
Después de tener la hipótesis nula se define otra hipótesis llamada hipótesis alternativa,
que es la opuesta de lo que se afirma en la hipótesis nula. La hipótesis alternativa se
representa como Ha. La hipótesis alternativa es la afirmación de que el parámetro tiene un
valor que, de alguna manera, difiere de la hipótesis nula.
El procedimiento para probar una hipótesis comprende el uso de datos de una muestra
para probar las dos aseveraciones representadas por H0 y Ha.
Ejemplo:
En un juicio.
H0 : El acusado es inocente.
Ha : El acusado es culpable.
Formas para las hipótesis nulas y alternativas.

Sea µ0 el valor numérico específico que se considera en las hipótesis nula y alternativa,
en general una prueba de hipótesis referente a los valores de una media µ de población
debe asumir, una de las tres formas siguientes:
H0 : µ ≥ µ0
Ha : µ < µ0
H0 : µ ≤ µ0
Ha : µ > µ0
H0 : µ = µ0
Ha : µ ≠ µ0
Nota: Los signos ≥, ≤, = deben ir siempre en la H0.
36
Ejercicios:
1.- El Gerente de una agencia automotriz desea implantar un nuevo plan de bonos con
objetivo de aumentar el volumen de ventas. En la actualidad, la media del volumen de
ventas es de 14 automóviles vendidos por mes. El Gerente desea llevar a cabo una
investigación para ver si el nuevo plan de bonos aumenta el volumen de ventas. Para
reunir datos acerca del plan, se permitirá que un grupo de vendedores trabajen con él
durante un periodo de un mes.
a) Formule las hipótesis nula y alternativa que sean adecuadas para este caso.
b) Comente la conclusión a que se llegaría cuando no se pueda rechazar H0.
c) Comente la conclusión a que se llegaría cuando si se pueda rechazar H0.
ERRORES TIPO I Y TIPO II.
Error Tipo I Rechazar H0 siendo verdadera y aceptar Ha siendo falsa
Error Tipo II Aceptar H0 siendo falsa y rechazar Ha siendo verdadera
Notación estadística para α = Probabilidad de cometer un Error Tipo I

indicar las probabilidades
de cometer estos errores β = Probabilidad de cometer un Error Tipo II
2.- La etiqueta de un envase de 3/4 de galón de jugo de naranja, dice que el jugo
contiene un promedio de un gramo de grasa o menos. Conteste las siguientes
preguntas para una prueba de hipótesis que pudiera usarse para probar la afirmación
de la etiqueta.
a) Enuncie las hipótesis nula y alternativa adecuadas.
b) ¿Cuál es el error tipo I en este caso?, ¿cuáles son las consecuencias de
cometerlo?
c) ¿Cuál es el error tipo II en este caso?, ¿cuáles son las consecuencias de
cometerlo?
Suponga que se va a implantar un nuevo método de producción, si una prueba de

hipótesis respalda la conclusión de que con ese método reduce la media del costo de
operación por hora.
a) Enuncie las hipótesis nulas y alternativa si la media del costo para el método
actual de producción es de $220 dólares por hora.
b) ¿Cuál es el Error Tipo I en este caso?, ¿cuáles son las consecuencias de incurrir
en él?
c) ¿Cuál es el Error Tipo II en este caso?, ¿cuáles son las consecuencias de incurrir
en él?
37
Región de rechazo, nivel de significancia, valor crítico y valor p.
 Región de rechazo: Es el conjunto de todos los valores del estadístico de prueba

que pueden hacer que se rechace la hipótesis nula.
 Nivel de sifnificancia: (Denotado por α), es la probabilidad de que el estadístico de
prueba caiga en la región de rechazo, cuando la hipótesis nula es verdadera. Si el
estadístico de prueba cae en la región de rechazo, rechazaremos la hipótesis nula,
de modo que α es la probabilidad de cometer el error de rechazar la hipótesis nula
cuando es verdadera. Se trata de la misma α que define el nivel de confianza para
un intervalo de confianza como la probabilidad 1- α. Las opciones comunes para α
son 0.05, 0.01 y 0.10.
 Valor crítico: Es cualquier valor que separa la región de rechazo de los valores
estadísticos de prueba que no conducen al rechazo de la hipótesis nula. Los
valores críticos dependen de de la naturaleza de la hipótesis nula, de la
distribución de muestreo que se aplique y del nivel de significancia α.
Las colas en una distribución son las regiones extremas limitadas por los valores críticos.
Algunas pruebas de hipótesis incluyen dos colas, cola derecha o cola izquierda.
 Prueba de dos colas: La región de rechazo se encuentra en dos regiones
extremas (colas) bajo la curva.
En esta prueba el nivel de significancia α está dividido equitativamente entre las
dos colas que constituyen la región de rechazo. Si α = 0.05, el área de cada cola
será de 0.025.
 Prueba de cola derecha: La región de rechazo se encuentra en la región extrema
derecha (cola) bajo la curva. En esta prueba el área de rechazo será igual a α.
 Prueba de cola izquierda: La región de rechazo se encuentra en la región extrema
izquierda (cola) bajo la curva. En esta prueba el área de rechazo será igual a α.
α/2
α/2
Prueba Bilateral
o de dos colas
38
Prueba Unilateral
o de una cola
(cola derecha)
MÉTODOS PARA RESOLVER LAS PRUEBAS DE HIPÓTESIS:
1.- ESTADÍSTICO DE PRUEBA.
Prueba de hipótesis con muestra grande (n ≥ 30), acerca de una media de la población
para una prueba unilateral de la forma:
H0 : µ ≥ µ0 COLA IZQUIERDA
Ha : µ < µ0
Estadístico de prueba: (σ conocida)

_
z = x - µ0
σ / √n
Estadístico de prueba: (σ desconocida)

_
z = x - µ0
s / √n
Regla de rechazo a un nivel de significancia α:
Rechazar H0 si z < - zα
Prueba de hipótesis con muestra grande (n ≥ 30), acerca de una media de la población
para una prueba unilateral de la forma:
H0 : µ ≤ µ0 COLA DERECHA
Ha : µ > µ0

_
z = x - µ0
σ / √n
39

_
z = x - µ0
s / √n
Rechazar H0 si z > zα
Prueba de hipótesis con muestra grande ( n ≥ 30) respecto a una media de población para
una prueba bilateral de la forma:
H0 : µ = µ0 DOS COLAS
Ha : µ ≠ µ0

_
z = x - µ0
σ / √n

_
z = x - µ0
s / √n
Rechazar H0 si z < - zα/2 o si z > zα/2
2.- VALORES DE P.
Un método que permite decidir si se rechaza o no H0 se basa en una probabilidad llamada

valor P, al valor P se le llama: Nivel Observado de Significancia.
El valor P se puede usar para tomar la decisión en una prueba de hipótesis, porque si ese
valor (P) es menor que el nivel de significancia α, el valor del estadístico de prueba está
en la región de rechazo, igualmente, si el valor P es mayor o igual a α, el valor del
estadístico de prueba no está en la región de rechazo.
Valor P = 0.0038
z
-2.67 0
40
Criterio del valor P para prueba de hipótesis unilateral:
P = 0.5 – Probabilidad de z
Rechazar H0 si el valor P < α
Criterio del Valor P para una prueba de hipótesis bilateral:
P = ( 0.5 – Probabilidad de z ) (2)
Rechazar H0 si P < α
3.- INTERVALO DE CONFIANZA.
Método de intervalo de confianza para probar hipótesis de la forma:
H0 : µ = µ0
Ha : µ ≠ µ0
Pasos del método:

_
1.- Seleccionar una muestra aleatoria simple de la población y usar el valor de la x para
definir el intervalo de confianza de la µ. Si se conoce σ, determinar el estimado de
intervalo con:
_
x ± zα /2 σ
√n
Si se desconoce σ determinar el estimado de intervalo con:
_
x ± zα /2 s
√n
2.- Si el intervalo de confianza contiene el valor supuesto de µ0, no rechazar H0. En caso
contrario, rechazar H0.
Pasos para la Prueba de Hipótesis:
1.- Definir la hipótesis nula y alternativa adecuadas para el caso.

2.- Seleccionar el estadístico de prueba que se usará para decidir si rechazar o no la
hipótesis nula.
3.- Especificar el nivel de significancia α para la prueba.
4.- Usar el nivel de significancia para establecer la regla de rechazo que indique los
valores del estadístico de prueba que conducirán al rechazo de H0 .
5.- Reunir los datos de la muestra y calcular el valor del estadístico de prueba.
6.-
a) Comparar el valor del estadístico de prueba con el o los valores críticos especificados
en la regla de rechazo, para determinar si H0 se debe rechazar o no.
b) Calcular el valor P basado en el estadístico de prueba en el paso 5. Usar el valor P
para determinar si se debe rechazar o no H0.
41
Ejercicios:
1.- Se tiene la siguiente prueba de hipótesis:

H0 : µ ≤ 15
Ha : µ > 15
Una muestra de 40 elementos produce una media de 16.5 y una s = 7.
a) Con α = 0.02 ¿cuál es el valor crítico de z y cuál es la regla de rechazo?
b) Determine el valor del estadístico z.
c) ¿Cuál es el valor P?
d) ¿Cuál es su conclusión?
H0 : µ = 15
Ha : µ ≠ 15
Con una muestra de 50 elementos se obtiene una media de 14.2 y una desviación
estándar de 5.
a) ¿Cuál es la regla de rechazo con α = 0.02?
b) Determine el valor del estadístico de prueba.
c) ¿Cuál es el valor de P?
e) Resolver con el método de intervalo de confianza.

H0 : µ ≤ 5
Ha : µ > 5
Suponga los siguientes estadísticos de prueba. Determine los valores de P
correspondientes y determine las condiciones de rechazo con α = 0.05.
a) z = 1.82
b) z = 0.45
c) z = 1.50
d) z = 3.09
e) z = -1
4.- Los neumáticos nuevos fabricados por una empresa deben durar, en promedio,
cuando menos 28,000 millas. Las pruebas con 30 neumáticos dan como resultados de la
muestra una media de 27,500 millas de duración, con una desviación estándar de 1000
millas. Si se usa un nivel de significancia de 0.05, pruebe si hay evidencia suficiente para
rechazar la aseveración de la media mínima de 28,000 millas.
a) Establezca la hipótesis nula y alternativa.
b) Determine el valor del estadístico z.
c) Establezca la regla de rechazo.
d) Calcule el valor de P.
42
Las empresas CNN y ACTMEDIA fundaron un canal de TV que presentará noticias,

novedades y anuncios dirigidos a individuos que esperan en las filas de cajas de
supermercados. Los programas de TV fueron diseñados con un ciclo de 8 minutos,
suponiendo que la µ que espera un cliente en la fila es de 8 minutos. Una muestra de 120
compradores en un gran supermercado produjo una media de 7.5 minutos de tiempo de
espera, con 3.2 minutos de desviación estándar.
a) Pruebe H0 : µ = 8 y Ha : µ ≠ 8. Use un nivel de significancia igual a 0.05.
b) ¿Es distinta la media del tiempo de la población en el supermercado de los 8 minutos
supuestos?
c) ¿Cuál es el valor P de la prueba?
d) Mediante el método de intervalo, determine si se rechaza o no H0.
Prueba sobre la media de la población: caso de muestra pequeña ( n < 30). Prueba
unilateral.
H0 : µ ≥ µ0
Ha : µ < µ0
H0 : µ ≤ µ0
Ha : µ > µ0
v = n -1

_
t = x - µ0
σ / √n

_
t = x - µ0
s / √n
Valor P: rechazar H0 si P < α
Prueba bilateral, muestra pequeña (n < 30).
H0 : µ = µ0
Ha : µ ≠ µ0
v = n -1
43

_
t = x - µ0
σ / √n

_
t = x - µ0
s / √n
Valor P: rechazar H0 si P < α
Ejercicios:
1.- Se tiene la siguiente prueba de hipótesis: H0 : µ = 20 y Ha : µ ≠ 20. Los datos de una

muestra de 6 elementos son: 18, 20, 16, 19, 17, 18.
a) Calcule la media de la muestra.
b) Calcule la desviación estándar.
c) Con α = 0.05 ¿Cuál es la regla de rechazo?
d) Calcule el valor del estadístico t.
e) ¿Cuál es su conclusión?
f) Determine el valor de P y realice una conclusión.
2.- La familia estadounidense promedio gasta $90 dólares diarios. Suponer que una
muestra de 25 familias en Nueva York, tiene un promedio diario de $84.5 dólares de
gastos con desviación estándar de $14.5 dólares.
a) Pruebe H0 : µ = 90 y Ha : ≠ 90 para ver si esa población difiere del promedio en E.U.,
use el nivel de significancia de 0.05, ¿cuál es su conclusión?
b) ¿Cuál es el valor de P?
Un proceso de producción debe llenar recipientes con una media de peso µ = 16 onzas.
El personal de aseguramiento de calidad selecciona periódicamente una muestra
aleatoria simple de ocho recipientes y prueba las siguientes hipótesis: H0 : µ = 16 y
Ha : µ ≠ 16. Si la muestra produce valores de 16.02, 16.22, 15.82, 15.92, 16.22, 16.32,
16.12 y 15.92 onzas y el nivel de significancia es de 0.05. Calcular:
a) Media y desviación estándar de la muestra.
b) Regla de rechazo de H0.
c) El valor del estadístico de prueba t.
d) Valor de P y conclusión.
44
Pruebas sobre la proporción de una población.

H0 : p ≥ p0 Prueba Unilateral
Ha : p < p0
H0 : p ≤ p0 Prueba Unilateral
Ha : p > p0
H0 : p = p0 Prueba Bilateral
Ha : p ≠ p0
Estadístico para pruebas respecto a una proporción poblacional.
Ejercicios.
1.- Se tiene la siguiente prueba de hipótesis: H0 : p = 0.20 y Ha : p≠ 0.20. Una muestra de
400 elementos dio como resultado una proporción de p = 0.175.
a) Con α = 0.05, ¿cuál es la regla de rechazo?
b) Calcule el valor del estadístico z.
c) ¿Cuál es el valor de P?
2.- Una serie de TV debe demostrar las siguientes hipótesis: H0 : p ≤ 0.25 y Ha : p > 0.25
Suponga que en una muestra de 400 familias, 112 estaban viendo la serie.
a) Con α = 0.10, ¿puede decirse que la serie tuvo éxito, con base en la información
de la muestra?
b) ¿Cuál es el valor P para los resultados de la muestra?, ¿cuál es su conclusión de
prueba de hipótesis?
En el campo de golf Río en los últimos meses, el 20% de los jugadores han sido mujeres,
para tratar de aumentar la proporción de mujeres jugadoras, Río hizo una promoción
especial para atraerlas. Después de una semana, una muestra aleatoria de 400 jugadores
dio como resultado 300 hombres y 100 mujeres. Los gerentes del club desean determinar
si estos datos respaldan la conclusión de que ha aumentado la proporción de mujeres
jugadoras en Río. La hipótesis nula y alternativa son las siguientes, utilice: α = 0.005.
H0 : p ≤ 0.20
Ha : p > 0.20
a) Determine la desviación estándar de la proporción muestral.

b) ¿Cuál es el valor del estadístico de prueba z?
c) ¿Cuál es la regla de rechazo?
d) ¿Cuál es el valor de P y la conclusión de rechazo o aceptación de H0?
45

Antología Estadística II

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Antología Estadística II

Uploaded by

Copyright:

Available Formats

BACHILLERATO CCH-UNAM

DR. NOÉ TOLEDO CASTILLEJOS

UNIDAD I DISTRIBUCIONES DE PROBABILIDAD

Distribución de probabilidad: Descripción de cómo se distribuyen las probabilidades entre

DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

Distribuciones discretas: La distribución de probabilidad de una variable aleatoria describe

Ejemplo: Sea x el número que se obtiene al arrojar un dado.

Condiciones requeridas para una función de probabilidad discreta:

Función uniforme de probabilidad discreta:

VALOR ESPERADO Y VARIANZA.

Valor esperado de una variable aleatoria discreta:

Varianza: Es la medida de dispersión o variabilidad de una variable aleatoria, se utiliza

Varianza de una variable aleatoria discreta:

Desviación estándar: Es la raíz cuadrada de la varianza (σ)

 PROBLEMA 1 DE TAREA PARA ENTREGAR

La distribución binomial de probabilidad es una distribución discreta de probabilidad que

Fórmula de probabilidad binomial:

2.- Use la fórmula de distribución binomial y calcule la probabilidad en cada caso:

 PROBLEMA 2 DE TAREA PARA ENTREGAR

La distribución de Poisson se utiliza como modelo matemático para describir

Distribución de Poisson: Distribución de probabilidad discreta que se aplica a las

P(x) = Probabilidad de x ocurrencias en un intervalo

µ = Valor esperado o cantidad promedio de ocurrencias en un intervalo

La distribución de Poisson tiene los siguientes requisitos:

2.- Al departamento de reservaciones de Aeroméxico llegan en promedio 48 llamadas por

4.- Los pasajeros de las líneas llegan al azar e independientemente a la sección de

 PROBLEMA 3 DE TAREA PARA ENTREGAR

DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

En una distribución continua de probabilidad, las variables en estudio pueden asumir

Curva de densidad f(x) P(a ≤ x ≤ b )

DISTRIBUCIÓN UNIFORME DE PROBABILIDAD

Veamos la variable x que representa el tiempo de vuelo de un avión que va de Chicago a

1/20 Cuando 120 ≤ x ≤ 140

La siguiente figura es una gráfica de esta función de densidad de probabilidad.

120 125 130 135 140 x

Tiempo de vuelo en minutos

En general la función de densidad uniforme de probabilidad de una variable aleatoria x se

Función de densidad uniforme de probabilidad

En el ejemplo del tiempo de vuelo, a = 120 y b = 140.

VALOR ESPERADO, VARIANZA Y DESVIACIÓN ESTÁNDAR

a) Grafique la función de densidad de probabilidad

 PROBLEMA 4 DE TAREA PARA ENTREGAR

Es la distribución más importante de probabilidad para describir una variable aleatoria

Distribución Normal Estándar de Probabilidad.

Uso de la tabla de Distribución Normal Estándar de Probabilidad.

 PROBLEMA 5 DE TAREA PARA ENTREGAR

Determinar la probabilidad en cada caso:

II.- Determinar el valor de z en cada caso:

 PROBLEMA 6 DE TAREA PARA ENTREGAR

Determinar la probabilidad de z en cada caso:

5.- 32.12% 38.88%

 PROBLEMA 7 DE TAREA PARA ENTREGAR

La función de densidad de probabilidad exponencial es:

2.- Si µ = 3, determine mediante la distribución exponencial:

4.- Un estudio de tiempo de espera en restaurantes de comida rápida, demostró que el

 PROBLEMA 8 DE TAREA PARA ENTREGAR

Según una encuesta de la revista Ciencia y Tecnología, el 69.5% de sus suscriptores

Es una distribución simétrica en forma de campana con µ = 0, sin embargo es más

Para valores de v o de n mayores o iguales a 30, la curva t se aproxima estrechamente a

En la distribución t el área más importante es el área de las colas ( derecha e izquierda).

1.- Utilizar la curva de distribución t y hallar el valor de t que se pide, usar v = 9.

a) El área sombreada a la derecha sea 0.05

b) El área total sombrada sea 0.05

c) El área total no sombreada sea 0.99