DISTRIBUCIONES MUESTRALES

POBLACION: Representa a totalidad de observaciones sobre alguna característica en

particular de algún experimento estadístico. El número de observaciones puede ser
finito infinito.

TAMAÑO DE LA POBLACION: Es el total de observaciones en la población.

MUESTRA: Es un subconjunto de una población.

MUESTRA ALEATORIA: Esta constituida por observaciones que se toman de modo

independiente y al azar y tienen la misma probabilidad de ser incluidas en la muestra.

MUESTRA PROBABILISTICA: Es aquella que se selecciona dé modo que cada

integrante de la población en estudio tenga una probabilidad conocida (no igual a cero)
de ser incluida en la muestra.

RAZONES POR LAS CUALES SE MUESTREA UNA POBLACION.

1.- La naturaleza destructiva de algunas pruebas
2.- La imposibilidad física de revisar todos lo integrantes de una población.
3.- El alto costo de estudiar a todos los integrantes de una población.
4.- El tiempo requerido para analizar una población puede ser muy grande y la mayoría
de los casos no se dispone de este.

METODOS DE MUESTREO PROBABILISTICO

MUESTREO ALEATORIO SIMPLE: Es un muestro formulado de manera que cada

integrante de la población tiene la misma probabilidad de quedar incluido.

MUESTREO ALEATORIO SISTEMATICO: Es aquel en el cual los integrantes de la

población se ordenan, y se seleccionan al azar un punto de inicio para posteriormente
los otros elementos de la muestra elegirse cada k-esimo. La letra k representa un
número entero que puede tomarse como la división entre el tamaño de la población y el
tamaño de la muestra.

MUESTREO ALEATORIO ESTRATIFICADO: El proceso de estratificación

contempla el dividir la población en grupos o clases llamados estratos. Dentro de cada
uno de tales estratos, están los elementos situados de manera más homogénea con
respecto a la característica que estén en estudio. Para cada estrato se toma una
submuestra mediante el procedimiento aleatorio simple, y la muestra global, se obtiene
combinando las submuestras de todos los estratos. Después de que la población se ha
divido en estratos, puede seleccionarse una muestra proporcional o no proporcional.

MUESTREO POR CONGLOMERADOS: Se emplea a menudo para reducir el costo de

muestrear una población dispersa en un área geográfica grande.

ERROR DE MUESTREO: Es la diferencia entre un estadístico de muestra y su

correspondiente parámetro poblacional.

VARIANZA MUESTRAL: Si X1, X2,...., X n constituyen una muestra aleatoria de

tamaño n, entonces la varianza muestral esta dada por:

Otra fórmula más exacta debido a que se pierden menos decimales en el cálculo es la
siguiente:

DISTRIBUCION MUESTRAL DE MEDIAS

Es una distribución probabilística que cuenta con una lista de todas las medias
muéstrales posibles de un tamaño de muestra dado de una población y la probabilidad
de ocurrencia asociada a cada media muestral.

OBSERVACIONES:

-Si la población tiene distribución normal, la distribución muestral de las medias

también estará distribuida normalmente.
-Si la población no tiene distribución normal, la distribución muestral de medias tenderá
a aproximarse a la distribución normal y esta aproximación será mejor si el tamaño de la
muestra es grande.
-Si el tamaño de la muestra es pequeña, la aproximación a la normal es aceptable sólo si
dicha población no es muy diferente de una distribución normal.

Ejemplo 1.

Una población consta de los números 2, 3, 6, 8 y 11. Consideremos todas las posibles
muestras de tamaño 2 que pueden tomarse con reposición de esa población. Hallar.

a) La media de la población.
b) La desviación típica de la desviación.
c) La media de la distribución de muestreo.
d) La desviación típica de la distribución de muestreo de medias (o sea, el error típico
de medias)

SOLUCION:
Ejemplo 2. Dada la siguiente población uniforme discreta.

Determinar la probabilidad de que una muestra aleatoria de tamaño 36, seleccionada

con reemplazo, de una media de muestra mayor que 1.4 pero menor de 1.8.
SOLUCION: La media y la varianza de la población son m = 3/2 y s² = 5/4. Como el
tamaño de la muestra es grande, no importa la distribución de la población, se puede
asegurar que la distribución muestral de medias tiene una distribución normal con m =
3/2 y varianza

Como se indica en la siguiente figura de acuerdo al teorema del limite central:

La población de X sea mayor que 1.4 pero menor que 1.8 es el área indicada en la
gráfica y de acuerdo al factor de correlación los valores de z correspondientes a x1=
1.45 y x2 = 1.75 son:

Por lo tanto:

P(1.4 < X < 1.8) = P(-0.27 < Z < 1.34) - P(Z< -0.27)
= 0.9099 - 0.3936
= 0.5163

DISTRIBUCION MUESTRAL DE DIFERENCIA DE MEDIAS

Suponga ahora que se tienen dos poblaciones discretas o continuas con medias con m1
y m2 y varianzas s²1 y s²2 respectivamente, de las cuales se obtiene al azar muestras
independientes de tamaño n1 y n2, entonces la distribución muestral de las diferencias
de las medias x1 - x2 es aproximadamente normal con media y varianza dadas por:
En secuencia:

Es una variable aproximada a la normal estándar.

Observaciones:

- Si n1 y n2 son mayores o iguales a 30 la aproximación para la distribución x1 y xm2

es muy aceptable sin aceptar la forma de las dos poblaciones.
- Si n1 y n2 son menores que 30 la aproximación existe sólo que las poblaciones
presenten distribuciones no muy diferentes de la normal
- Si las poblaciones son normales, la distribución normal de diferencias de medias
también serán normales independientemente de las muestras.

Ejemplo:

Las lámparas de un fabricante A tienen vida media de 1400 horas (h) con desviación
típica de 200 h, mientras que las de otro fabricante B tienen vida media de 1200 h con
desviación típica de 100 h. Si se toma una muestra de 125 muestras de cada clase,
¿ Cuál es la probabilidad de que las de A tengan una vida media que sea:
a) al menos de 160 h más que las de B
b) 250 h más que las de B ?

SOLUCION:

Denotemos por las vida medias de las muestra A y B, respectivamente.

Entonces:
La variable tipificada para la diferencia en medias es:

Y está casi normalmente distribuida.

a) La diferencia 160 h en unidades estándar es (160 -200)/20 = -2. Luego: Probabilidad

requerida = (área bajo la curva normal a la derecha de z = -2)
= 0.9772

b) La diferencia 250 h en unidades estándar es (250 - 200)/20 = 2.50. Por lo tanto:

Probabilidad requerida = (área bajo la curva normal a la derecha de z = 2.50)
= 0.0062

Ejercicios propuestos:

Texto: WALPOLE MYERS (3ª Edición),

Pags.: 220,.....222
Ejercicios: 1...10, 12...14

Texto: SCHAUM (2ª Edición)

Pags.: 205, 206.
Ejercicios: 8.21,...,8.28, 8.40,...,8.42

DISTRIBUCIONES MUESTRALES DE (n-1)S²/s²

Si S² es la varianza de una muestra aleatoria de tamaño n tomada de una población

normal que tiene de varianza s², entonces el estadístico:

Tiene distribución ji-cuadrada con v = n-1 grados de libertad Los valores de la variable
aleatoria X² se calculan a partir de cada muestra con la fórmula:
Xa² representa el valor de X² que tiene un área de a hacia su derecha

El 95% de una distribución ji-cuadrada con n-1 grados de libertad esta entre X²0.975 y
X²0.025. No es probable que un valor dado de X² se halle a la derecha de X²0.025 a
menos que el valor que el valor supuesto de s² sea demasiado pequeño. En forma
semejante, es poco probable que un valor de X² se encuentre a la izquierda de X²0.975,
a menos que el valor supuesto de s² sea demasiado grande. No es posible tener un valor
de X²0.025 es correcta, pero si esto ocurre, es más probable que el valor supuesto de s²
sea incorrecto.

Ejemplo:

Un fabricante de acumuladores para automóvil garantiza que sus productos durarán, en

promedio 3 años con una desviación estándar de 1 año. Si 5 de los acumuladores tienen
duración de 1.9, 2.4, 3.0, 3.5 y 4.2 años, ¿ estará aún convencido el fabricante de que su
producto tiene una desviación estándar de 1 año ?.

SOLUCION:

La varianza de la muestra es:

entonces:

Es un valor de una distribución ji-cuadrada con 4 grados de libertad. Puesto que el 95%
de los valores de X² con 4 grados de libertad se ubican entre 0.484 y 11.43 es razonable
el valor calculado con s² = 1 y, por consiguiente, el fabricante no tiene razones par
esperar que la desviación estándar no sea de 1 año.

DISTRIBUCION MUESTRAL DE T

Para muestras de tamaño n >=30, se obtiene una buena estimación de s² calculando un

valor de S² y en el estadístico Puede reemplazarse s por S. Sin que la

distribución Z sufra cambios significativos.

Pero si el tamaño de la muestra es pequeño n<30, el estadístico Z a no generará una

distribución normal sino una distribución T donde:

La muestra se selecciona de una población normal.

Un valor de t que caiga por debajo de -t0.025 o por encima de t0.025 daría la impresión
de que algo muy raro ha ocurrido o que quizá la suposición con respecto a m está
equivocada.
Un valor de t que caiga por debajo de -t0.025 o por encima de t0.025 proporcionará
evidencias de que el valor supuesto de m debe ser rechazado.

Ejemplo:
Un fabricante de focos anuncia que sus productos durarán en promedio 500 hrs. Para
corroborar esto, prueba 25 focos cada mes. Si el valor de t calculado cae entre -t0.025 y
t0.025, el fabricante quedará satisfecho de su afirmación. ¿ Qué conclusión debe deducir
a partir de una muestra con una media x = 518 hrs. Y una desviación estándar S = 40
hrs.? Suponga que la distribución de tiempos de duración es aproximadamente normal.

SOLUCION:
Calculando el valor de t:

Los valores de y con v = 24 grados de libertad son los que se indican en la gráfica:
Se puede observar que el valor calculado de t = 2.25 está arriba de 1.711 (fuera del
intervalo de -t0.025 y t0.025 lo cual indica que el valor supuesto de m = 500 hrs. Es
incorrecto.
Si m > 500 el valor de t calculado tiende a ser más razonable. Por lo tanto, el fabricante
puede concluir que su producto es mejor de lo que pensaba.

DISTRIBUCION MUESTRAL DE PROPORCIONES

Si una población distribuida binomialmente con p como probabilidad de éxito y q=1-p

como probabilidad de fracaso, se obtienen todas las muestras posibles de tamaño n, y
para cada una se determina la proporción de éxitos P, obteniendo así una distribución
muestral de proporciones distribuida de forma aproximadamente normal (para n > =
30), con media mp = p y desviación estándar:

Se utiliza si la población es finita o infinita con reposición.

Se utiliza si la población es finita o infinita sin reposición.

Ejemplo 1:

En unas elecciones un candidato obtuvo el 46% de los votos. Hallar la probabilidad de

que en un muestreo de a) 200 y b) 1000 votantes elegidos al azar salieran mayoría a su
favor.

SOLUCION:
a) Determinando la media y la desviación estándar de la distribución:
Por tratarse de una distribución discreta (binomial) que se solucionará por continua
(Normal) se debe utilizar el factor de continuidad igual a 1/2N el cual se tiene que
sumar o restar a la proporción a partir de la cual se calcula la probabilidad requerida.
Para el ejercicio se obtiene mayoría a su favor si la proporción es de 0.5 + (1/2(200)) =
0.5025 o más.
Calculando el valor en ese punto:

Por lo tanto: P(p>0.50)= p(z>121)= 0.1131

b) mp =0.46

por lo tanto:

P(p>0.50)=p(z>2.56)=0.0052

Ejemplo 2.- De 2000 distribuidores de computadoras en el país, se sabe que el 40 %

desea incrementar sus pedidos para el próximo periodo.
a).-Cuál es la probabilidad de que en una muestra de 400 de estos distribuidores, se
encuentre que por lo menos el 46% de ellos incrementen sus pedidos.

SOLUCION:
Como 20 n = N ; [ 20 ( 400 ) = 2000 ] , se debe utilizar el factor de corrección

Calculando z

P ( p = 0.46 ) = P ( z = 2.68 ) = 0.00368

DISTRIBUCION MUESTRAL DE DIFERENCIA DE PROPORCIONES

Ahora se consideran dos poblaciones distribuidas binomialmente con parámetros (p1,

q1) y (p2, q2), respectivamente de los cuales se obtienen muestras grandes para
determinar los estadísticos P1 y P2 cuya diferencia genera una distribución casi
normalmente distribuida con una media y una desviación estándar indicada a
continuación:
Ejemplo 1:
A y B juegan a cara o cruz tirando 50 monedas. A ganará el juego si consigue 5 o más
caras que B; de lo contrario, es B quien gana. Determinar las apuestas en contra de que
A gane un juego.
SOLUCION:

Sean PA y PB las proporciones de caras logradas por A y B. Si suponemos que las

monedas son buenas, como siempre, la probabilidad de cara es p = ½. Así que: La
variable tipificada para la diferencia de proporciones es z = (PA-PB-0)/0.10.
Sobre una base continua, 5 o más quiere decir 4.5 o más, de modo que la diferencia de
proporciones debería ser 4.5/50 = 0.09 0 más; esto es, z mayor o igual que
(0.090)/0.10=0.9. La probabilidad de esto es el área bajo la curva normal a la derecha de
z=0.9, que es (0.5000-0.3159) = 0.1841. Por tanto, las apuestas contra A están (1-
0.1841): 0.1842 = 0.8159: 0.1841, o sea 4.43 a 1.

Ejemplo 2:
Una urna contiene 60 piezas rojas y 40 blancas. Se sacan dos conjuntos de 30 cada uno
con reposición y se anotan sus colores. ¿ Cuál es la probabilidad de que los dos
conjuntos difieran en 8 o más piezas rojas?
SOLUCION:

La población está constituida por 60 rojas y 40 blancas.

La media de la diferencia de proporciones es mP1-P2 = P1-P2 = 0
P1 = P2 = 60/100 = 0.6 La desviación estándar de la diferencia de proporciones es:
q1 = q2 = 40/100 = 0.4

Se requiere determinar:
P(p1-p2 > 8/30) = P(p1-p2 > 0.266) = P(z > 1.97) = 0.024

Como la diferencia puede ser a ambos lados, la probabilidad será:

2(0.024) = 0.048
 DISTRIBUCIÓN MUESTRAL F

Una de las distribuciones más importantes aplicadas en la Estadística es la distribución

F. La variable aleatoria F se define como la razón de dos variables aleatorias
independientes como la Ji-cuadrada, dividida cada una entre sus grados de libertad.

Donde:
U y V son v. a. Independientes con distribuciones Ji-cuadrada, con v1 y v2 grados de
libertad, respectivamente.
Si S1² y S2² son las varianzas de muestras aleatorias independientes de tamaños n1 y n2
tomadas de poblaciones normales s1² y s2² respectivamente, entonces:

Tiene distribución F con v1 =n1- 1 y v2 = n2 - 1 grados de libertad.

EJERCICIOS PROPUESTOS

DISTRIBUCIONES MUESTRALES DE MEDIAS Y DIFERENCIAS DE MEDIAS

1.- Si todas las muestras de tamaño 16 se sacan de una población normal con media
igual a 50 y desviación estándar igual a 5, ¿Cuál es la probabilidad de que la media
muestral X caiga en el intervalo de mx -1.9 sx a mx - 0.4sx? Asuma que las medias
muéstrales pueden medirse con cualquier grado de preescisión.

2.- Dada la Población uniforme discreta

Encuentre la probabilidad de que en una muestra aleatoria de tamaño 54, seleccionada

con reemplazo, de una media muestral mayor que 4.1 pero menor que 4.4.

3.- Un cierto tipo de tornillo se fabrica con una resistencia de tensión de 78.3 Kg. Y una
desviación estándar de 5.6 Kg. ¿Cómo cambia la varianza de la media muestral cuando
el tamaño de la muestra
a) Aumenta de 64 a 196?
b) Disminuye de 784 a 49?

4.- Si el error estándar de la media para la distribución muestral de las muestras

aleatorias de tamaño 36 de una población grande o infinita es de 2, ¿Qué tan grande
debe ser el tamaño de la muestra si el error estándar debe reducirse a 1.2?

5.- Una máquina de refrescos se ajusta dé tal manera que la cantidad de líquido
despachado es en promedio de 240 ml. Con una desviación estándar de 15 ml.
Periódicamente la máquina se verifica tomando una muestra de 40 refrescos y
calculando el contenido promedio. Si el promedio de los 40 refrescos arroja un valor
dentro del intervalo mx ± 2sx, se considera que la máquina esta trabajando
normalmente; de otra manera se realizan los ajustes necesarios. Un oficial de la
compañía encontró que la media de 40 refrescos era igual a 236 ml. Y llegó a la
conclusión de que la máquina no necesitaba ajustes. ¿Fue razonable esta conclusión?

6.- Las alturas de 1000 estudiantes están distribuidas aproximadamente en forma normal
con una media de 174.5 cm. Y una desviación estándar de 6.9 cm. Si se sacan de está
población 200 muestras aleatorias de tamaño 25 y se registran las medias
redondeándolas a décimas, determine:
a) La media y el error estándar de la distribución muestral de X.
b) El número de medias muéstrales que caen entre 172.5 y 175.8 cm respectivamente.
c) El número de medias muéstrales que caen debajo de 172.0 cm.

7.- La variable aleatoria X, que representa el número de cerezas en una empanada, tiene
la siguiente distribución de probabilidad:
a) Encuentre la media m y la varianza
b) Encuentre la media mx y la varianza sx de la media X para muestras aleatorias de 36
empanadas de cereza.
c) Encuentre la probabilidad de que el número promedio de cerezas de 36 empanadas
sea menor de 5.5

8.- Si cierta máquina fabrica resistencias eléctricas que tienen una resistencia promedio
de 40 ohms y una desviación estándar de 2 ohms, ¿Cuál es la probabilidad de que una
muestra aleatoria de 36 de estas resistencias tenga una resistencia combinada de más de
1458 ohms?

9.- La duración promedio del mezclador de un cierto fabricante es de 5 años, con una
desviación estándar de 1 año. Asumiendo que las duraciones de estos mezcladores
siguen aproximadamente una distribución normal, encuentre:
a) La probabilidad de que la vida promedio en una muestra aleatoria de 9 de tales
mezcladores caiga entre 4.4 y 5.2 años.
b) El valor de X a la derecha de cual caería el 15% de las medias calculadas de las
muestras aleatorias de tamaño 9.

10.- El período de tiempo que un cajero de banco atiende a un cliente es una variable
aleatoria con una media de m = 3.2 minutos y una desviación estándar de s = 1.6
minutos. Si se observa una muestra aleatoria de 64 clientes, encuentre la probabilidad de
que el tiempo promedio de los mismos cajeros sea:
a) Cuando mucho 2.7 minutos.
b) Más de 3.5 minutos.
c) Al menos 3.2 minutos pero menos de 3.4 minutos.

11.- Una muestra aleatoria de tamaño 25 se toma de una población normal que tiene una
media de 80 y una desviación estándar de 5. Se toma de una segunda muestra aleatoria
de tamaño 36 de una población normal diferente que tiene una media de 75 y una
desviación estándar de 3. Encuentre la probabilidad de que la media muestral calculada
en las 25 mediciones exceda la media muestral calculada de las 36 mediciones al menos
por 3.4 pero menos de 5.9. Asuma que las mediciones se redondean en décimas.

12.- La distribución de altura de una cierta raza de perros terrier tiene una altura
promedio de 72 centímetros y una desviación estándar de 10 cm, mientras que la
distribución de alturas de una cierta raza poodle tiene una altura promedio de 28 cm con
una desviación estándar de 5 cm. Suponiendo que las medias muestrales pueden
medirse con cualquier grado y precisión, encuentre la probabilidad de que la media
muestral para una media aleatoria de 64 terriers exceda a la media muestral para una
muestra aleatoria de alturas de 100 poodles cuando mucho por 44.2 cm.
13.- La calificación promedio por estudiante de primer año en una prueba de aptitudes,
en cierta universidad, es 540, con una desviación estándar de 50. ¿Cuál es la
probabilidad de que dos grupos de estudiantes seleccionados aleatoriamente,
consistentes en 32 y 50 estudiantes, respectivamente, difieran en su calificación
promedio por:
a) Más de 20 puntos
b) Una cantidad entre 5 y 10 puntos.
Asuma que las muestras se miden en cualquier grado de precisión.

14.- A y B producen dos tipos de cables que soportan cargas máximas de 4000 lb y
4500 lb, con una desviación típica respectivas de 300 lb y 200 lb. Si se analizan 100
cables A y 50 cables B, ¿Cuál es la probabilidad de que la carga máxima que soporta B
sea:
a) Al menos 600 lb mayor que la de A..
b) Al menos 450 lb mayor que la de A.

15.- La puntuación media de una prueba de aptitudes es de 72 puntos con una

desviación estándar típica de 8 puntos. ¿Cuál es la probabilidad de que en unos grupos
de 28 y 36 estudiantes respectivamente, difieran en su puntuación media:
a) 3 o más puntos.
b) o más puntos.
c) Entre 2 o 5 puntos.

16 .- Se Lleva a cabo dos experimentos independientes en los que se comparan dos tipos
diferentes de pintura. Se pintan 18 especimenes con el tipo A y en cada uno se registra
el tiempo de secado en horas . Lo mismo se hace con el tipo B. Se sabe que las
desviaciones estándar de la población son ambas de 1.0. Suponga que el tiempo medio
de secado es igual para los dos tipos de pintura, encuentre
P ( X A - X B > 1.0 ) , donde X A - X B son los tiempos promedio de secado para
muestras de tamaño n A = n B = 18.

17.- Los cinescopios para televisión del fabricante A tienen una duración media de 6.5
años y una desviación estándar de 0.9 años, mientras que los del fabricante B tienen una
duración media de 6.0 años y una desviación estándar de 0.8 años. ¿Cuál es la
probabilidad de que una muestra aleatoria de 36 cinescopios del fabricante A tenga una
duración media que sea al menos de un año más que la duración media de una muestra
de 49 cinescopios del fabricante B?

DISTRIBUCIÓN MUESTRAL DE JI-CUADRADA Y T.

1.- Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una

población normal con varianza s² = 6, tenga una varianza S².
a) Mayor a 9.1.
b) Entre 3.462 y 10.745.

2.- Las calificaciones de un examen de colocación hecho a estudiantes del primer año de
universidad durante los últimos cinco años tienen una distribución aproximadamente
normal con una media m = 74 y una varianza s² = 8. ¿Consideraría usted aún s² = 8
como un valor valido de la varianza si una muestra aleatoria de 20 estudiantes que
realizaron el examen este año obtienen un valor de S² = 20.

3.- Demuestre que la varianza de S para variables aleatorias de tamaño n de una

población normal disminuye conforme n se hace más grande.

4.- Una compañía manufacturera asegura que las baterías utilizadas en sus juegos
electrónicos duran un promedio de 30 horas para conservar este promedio, se prueban
16 baterías mensualmente. Si el valor calculado de t cae entre -t0.025 y t0.025, la
compañía está satisfecha con su afirmación. ¿Qué conclusión sacaría la empresa de una
muestra que tiene una media x =27.5 horas y una desviación estándar S = 5 horas?
Suponga que la distribución de las duraciones de las baterías es aproximadamente
normal.

5.- Una población normal cuya varianza se desconoce tiene una media de 20. ¿Se estará
en posibilidad de obtener una muestra aleatoria de tamaño 9 de una población con una
media de 24 y una desviación estándar de 4.1? Sino, ¿qué conclusión sería?

6.- Un fabricante de cigarrillos afirma que su producto tiene un contenido promedio de

nicotina de 1.83 mg. Si una muestra aleatoria de 8 cigarrillos de este tipo tiene
contenidos de nicotina de 2.0, 1.7, 2.1, 1.9, 2.2, 2.1, 2.0 y 1.6 mg., ¿estaría usted de
acuerdo con la afirmación del fabricante?

DISTRIBUCIÓN MUESTRAL DE PROPORCIONES Y DIFERENCIA DE

PROPORCIONES.

1.- Hallar la probabilidad de que en los 200 próximos nacimientos:

a) 40% sean niños.
b) Entre 43% y 57% sean niñas inclusive.
c) Más de 54% sean niños

2.- De 1000 muestras de 200 niños cada una, ¿en cuántas cabe esperar encontrar:
a) Menos de 40% de niños.
b) Entre 40% y 60% de niñas.
c) El 53% o más de niñas.
3.- Rehacer el problema 1 pero se consideran 100 niños en vez de 200, y explicar la
diferencia entre los resultados.

4.- En una urna hay 80 fichas de las que el 60% son rojas y el 40% son blancas. De
entre 50 muestras de 20 fichas cada una seleccionar al azar, ¿cuántas es de esperar que
tengan:
a) Tantas rojas como blancas
b) 12 rojas y 8 blancas
c) 10 o más blancas

5.- Un fabricante envía 1000 lotes de 100 bombillas cada uno. Si el 5% de las bombillas
son defectuosas, ¿en cuántos de los lotes se puede esperar que haya:
a) 90 bombillas buenas o menos.
b) 98 o más buenas

DISTRIBUCION MUESTRAL DE DIFERENCIA DE PROPORCIONES.

1.- Una urna contiene 60 piezas rojas y 40 blancas. Se sacan dos conjuntos de 30 con
reposición y se anotan sus colores. ¿Cuál es la probabilidad de que los dos conjuntos
difieran en 8 o más piezas rojas?

2.- Un candidato recibe en las elecciones el 65% de los votos. Hallar la probabilidad de
que de dos muestras aleatorias de 200 votantes indicasen una diferencia de más de 10%
de votos a su favor.

3.- En la ciudad de Morelia el 60% de su población tiene al menos un televisor a color

en su casa, mientras que en la ciudad de Uruapan el 50% de su población tiene al menos
uno de estos televisores. Si se seleccionan en forma aleatoria a 100 personas de cada
población, determine la probabilidad de que la proporción de personas que

ANEXO

TEOREMA DEL LIMITE CENTRAL.

En el caso de una población con media m y varianza s² la distribución muestral de las

medias de todas las muestras posibles de tamaño n generadas a partir de la población,
tendrán una distribución aproximadamente normal con una media igual a m y varianza
igual a s²/n considerando un tamaño de muestra bastante grande.

DIAGRAMA DE FLUJO PARA CALCULAR EL ERROR ESTANDAR DE LA

MEDIA.
Observe que conforme N aumenta factor tiende a aproximarse a la unidad.

web hosting • domain names

web design • online games
 ${sspl}

${SSPL}