Técnicas de Muestreo OOR

TEOREMA DE LÍMITE CENTRAL

El teorema de limite central, es uno los conceptos más importantes en estadística. Este teorema
justifica la importancia de la distribución normal.
Teorema: (Teorema de limite central TLC): Si X1,X2,...,Xn son n variables aleatorias
independientes idénticamente distribuidas con media μ y varianza  2 , entonces, cuando n tiende a
infinito, la distribución de la variable aleatoria estándar:
n

Yn  n X i  n
Zn   i 1
, tiende a la distribución normal N  0,1
Y n
 n
La aproximación a la distribución normal es buena si n es grande  n  30  , sin importar si la
distribución es discreta o continua o la distribución es de forma simétrica o asimétrica

DISTRIBUCIONES MUESTRALES
a) DISTRIBUCIÓN MUESTRAL DE LA MEDIA ( X ):

i) Definición: Si (X1,X2,...,Xn) es una muestra aleatoria de una variable aleatoria X con E(X) = μ y
V(X) =  2 , entonces las variables aleatorias Xi son independientes y distribuidas idénticamente con
media μ y varianza  2 comunes.
n
 Xi  2 , por lo tanto, la
Luego la media muestral definida como: X = i=1 ; tiene E( X ) = μ y V( X ) =
n
n
(X -) n
variable aleatoria Z = ~ N(0;1)

ii) Si la muestra aleatoria es tomada de una población normal entonces la media muestral también
tiene distribución normal.
iii) La definición es válida para muestras al azar de poblaciones infinitas o muestras al azar con
reemplazo de poblaciones finitas.
iv) Si la muestra al azar es sin reemplazo de una población finita, entonces, las variables aleatorias Xi
no son independientes y la distribución muestral de X sigue una distribución Hipergeométrica así
 2   N -n 
que E( X ) = μ y V( X )=     , por lo tanto, la variable aleatoria
 n   N -1 
X -
Z= ~ N(0;1)
  N -n 
2

 n   N -1 
  
Ejemplo1:
Suponga que la población finita X consiste de los valores: 5, 7, 10, 13, 15
Página 1
Técnicas de Muestreo OOR

a) Calcule la media y la varianza de la población

b) Obtenga todas las muestras de tamaño 2 escogidas con reposición de esta población.
Luego, determinar la distribución muestral de la media y compruebe que
2
 X   y  X2 
n
c) Obtenga todas las muestras de tamaño 2 escogidas sin reposición de esta población.
Luego, determinar la distribución muestral de la media y compruebe que
2  N n
 X   y  X2   
n  N 1 
d) Si se extraen muestra al azar de tamaño 40 con reposición, ¿Cuál es la probabilidad de que
la media muestral esté entre los valores 8 y 11?

Ejemplo2:

Una empresa eléctrica fabrica focos que tienen una duración que se distribuye aproximadamente
en forma normal, con media de 800 horas y desviación estándar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos de 775
horas.

Ejemplo 3:
Las estaturas de 1000 estudiantes están distribuidas aproximadamente en forma normal con una
media de 174.5 centímetros y una desviación estándar de 6.9 centímetros. Si se extraen 200
muestras aleatorias de tamaño 25 sin reemplazo de esta población, determine:
a) El número de las medias muestrales que caen entre 172.5 y 175.8 centímetros.
b) El número de medias muestrales que caen por debajo de 172 centímetros.

b) DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN ( p̂ ):

i) Definición: Si X es una variable aleatoria definida como el número de éxitos que tiene
distribución binomial con parámetros n y p, entonces, la proporción de éxitos en la muestra es una
variable aleatoria denotada por p̂ y definida como la razón del número de éxitos en la muestra y el
tamaño de la misma, esto es:
X
p̂ = ,
n
La media y varianza de la proporción muestral de éxitos son:
p(1 - p)
E( p̂ ) = p y V( p̂ ) =
n
y cuando n es grande la variable aleatoria es:

Página 2
Técnicas de Muestreo OOR

p̂ - p
Z= ~ N(0;1)
p(1 - p)
n
ii) La definición es válida para muestras al azar de poblaciones infinitas o muestras al azar con
reemplazo de poblaciones finitas.
iii) Si la muestra al azar es sin reemplazo de una población finita de tamaño N, entonces, la variable
aleatoria X tiene una distribución hipergeométrica y la distribución muestral de p̂ obedece a una
 p(1- p)  N - n 
distribución Hipergeométrica así que E( p̂ ) = p y V( p̂ ) =    , por lo tanto, siempre
 n  N - 1 
que n sea grande, la variable aleatoria
pˆ - p
Z= ~ N(0;1)
 p(1- p)   N - n 
   
 n   N -1 
Ejemplos.
1.- Se ha determinado que 60% de los estudiantes de una universidad grande fuman cigarrillos. Se
toma una muestra aleatoria de 800 estudiantes. Calcule la probabilidad de que la proporción de la
muestra de la gente que fuma cigarrillos sea menor que 0.55.

2.- Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden
presentar una reacción adversa a él, más aún, se piensa que alrededor del 3% de los usuarios tienen
tal reacción. Si una muestra aleatoria de 150 personas con malestar estomacal usa el medicamento,
encuentre la probabilidad de que la proporción de la muestra de los usuarios que realmente
presentan una reacción adversa, exceda el 4%.
a) Resolverlo mediante la aproximación de la normal a la binomial
b) Resolverlo con la distribución muestral de proporciones

3.- Se sabe que la verdadera proporción de los componentes defectuosos fabricados por una firma
es de 4%, y encuentre la probabilidad de que una muestra aleatoria de tamaño 60 tenga:
a) Menos del 3% de los componentes defectuosos.
b) Más del 1% pero menos del 5% de partes defectuosas.

4. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye normalmente con
media de 2000 libras y una varianza de 25,000 lbs 2 . Si se selecciona una muestra aleatoria de 100
cuerdas; determine la probabilidad de que en esa muestra:
a) La resistencia media encontrada sea de por lo menos 1958 libras.
b) La resistencia media se mayor de 2080 libras.
5. La vida media de una máquina para hacer pasta es de siete años, con una desviación estándar de
un año. Suponga que las vidas de estas máquinas siguen aproximadamente una distribución
normal, encuentre:

Página 3
Técnicas de Muestreo OOR

a) La probabilidad de que la vida media de una muestra aleatoria de 9 de estas máquinas caiga
entre 6.4 y 7.2 años.
b) El valor de la X a la derecha del cual caería el 15% de las medias calculadas de muestras
aleatorias de tamaño nueve.

6. un fabricante afirma que todas las piezas producidas a lo más el 2% son defectuosas. Al parecer
esta información es exagerada, por lo que se va a comparar experimentalmente. Si la proporción
muestral de defectuosos en muestras de 400 piezas es mayor de 3% se rechazará la afirmación, en
caso contrario se aceptará la afirmación.
a) ¿con que probabilidad se rechazará la afirmación cunado realmente el 2% de todas las piezas
producidas son defectuosos?
b) ¿Cuál es la probabilidad de que sea aceptada cuando realmente el 4% de todas las piezas
producidas son defectuosas?

7. se escoge al azar 300 empleados de los 3000 empleados que tiene una empresa con el fin de
realizar una encuesta sobre las condiciones laborales. ¿Cuál es la probabilidad de que la
proporción muestral a favor de las condiciones laborales, este comprendida en el intervalo 0.76 y
0.84, si se estima en 80% del total de empleados el porcentaje a favor de las condiciones
laborales?

8. una firma de pedidos por correo, sabe por experiencias anteriores, de las circulares que envía
por correo, el 15% tendrán respuestas, suponga que envina 20 circulares como prueba de mercado
en una nueva ciudad. Suponiendo que se puede aplicar la tasa de repuestas del 15% en la nueva
ciudad. Calcular la probabilidad de:
a) Que menos del 25% de la gente responda.
b) Que contesten entre 25% y 35% de la gente

9. la probabilidad de que un paciente se recupere de una rara enfermedad es 40%. ¿Cuál es la

probabilidad de que en una muestra al azar de 100 pacientes de la población de 1000 que
sufran la enfermedad, más del 35% sobrevivan?

10. Un proceso automático llena bolsas de café cuyo peso neto tiene una media de 250 gramos y
una desviación estándar de 3 gramos. Para controlar el proceso cada, hora se pesan 36 de
tales bolsas de café escogidas al azar. Si el peso neto medio está entre 249 y 251 gramos se
continúa el proceso aceptando que el peso neto medio real es 250 gramos y en caso contrario,
se detiene el proceso para reajustar la máquina.
a) ¿Cuál es la probabilidad de detener el proceso cuando el peso neto medio realmente es
250?
b) ¿Cuál es la probabilidad de aceptar que el peso neto promedio es 250 cuando realmente
es de 248?

Página 4