You are on page 1of 14

DISTRIBUCIONES MUESTRAL

INTEGRANTES:
NILSON JAVIER MANGONES

ASIGNATURA:
INTRODUCCION A LA PROBABILIDAD

TUTOR:
MARCOS CASTRO

INGENIERIA DE SISTEMA
UNIVERSIDAD DE CARTAGENA CREAD LORICA
LORICA - CORDOBA
EJERCICIOS

PROPUESTOS

DE

DISTRIBUCIONES

proporción…) que variará de una a otra. Si tenemos una población normal N y extraemos de ella muestras de tamaño n.  La media muestral tiene también distribución normal. también denominada error típico. Si consideramos cada una de estas medias como valores de una variable aleatoria podemos estudiar su distribución que llamaremos distribución muestral de medias. Consideremos todas las posibles muestras de tamaño n en una población. Hay que hacer notar que si el tamaño de la muestra es lo suficientemente grande las distribuciones muéstrales son normales y en esto se basarán todos los resultados que alcancemos. la distribución muestral de medias sigue también una distribución normal. aplicando el llamado Teorema central del limite la distribución muestral de medias se aproxima también a la normal anterior.MUESTRALES 1) Defina en qué consisten: a) LA DISTRIBUCIÓN EN EL MUESTREO DE LA MEDIA: Cada muestra de tamaño n que podemos extraer de una población proporciona una media. Las dos medidas fundamentales de esta distribución son la media y la desviación típica. Así obtenemos una distribución del estadístico que se llama distribución muestral.  Se selecciona una muestra aleatoria de tamaño n ³ 30 de una población con distribución diferente a la normal . Para cada muestra podemos calcular un estadístico (media y la desviación típica. Si la población no sigue una distribución normal pero n>30.

las afirmaciones probabilísticas referentes a la proporción muestral pueden evaluarse usando la aproximación normal a la binomial. mientras que una distribución de proporciones es la distribución de un promedio (media) de los éxitos. una distribución binomial es una distribución del total de éxitos en las muestras. . por lo tanto: Si se utiliza la varianza corregida: b) LA DISTRIBUCIÓN EN EL MUESTREO DE LA PROPORCIÓN: La distribución muestral de proporciones está estrechamente relacionada con la distribución binomial. Como consecuencia de esta relación. Se selecciona una muestra aleatoria de tamaño n á 30 . y se obtiene del cociente entre una distribución normal estándar y la raíz cuadrada de una chi-cuadrado dividida por sus grados de libertad. La distribución t es adecuada para trabajar con muestras pequeñas. siempre que: np ≥ 5 y n(1-p) ≥ 5.

Debido a que se desconoce la proporción poblacional. se utiliza la proporción muestral para estimar la varianza. la la la la Esta distribución se genera de igual manera que la distribución muestral de medias. se calcula la media muestral para cada muestra y la diferencia entre dichas medias. sino que queremos investigar proporción de personas con cierta preferencia. La distribución es aproximadamente normal para n>=130 y n30 para poblaciones cualesquiera. la primera con media mu_1 y desviación estándar delta_2 y la segunda mu_2 y desviación estándardelta_2. La colección de todas esas diferencias se llama distribución muestral de las diferencias entre medias o la distribución muestral del estadístico.Existen ocasiones en las cuales no estamos interesados en media de una muestra. Más aún. . Es decir es el error típico. La distribución muestral de proporciones es adecuada para dar respuesta a estas situaciones. o error estándar de la media. a excepción de que al extraer las muestras de la población se calcula el estadístico proporción (p=x/n en donde “x” es el número de éxitos u observaciones de interés y “n” el tamaño de la muestra) en lugar de la media de cada muestra que era lo que calculamos antes. por lo tanto: c) LA DISTRIBUCIÓN EN EL MUESTREO DE LAS DIFERENCIAS DE MEDIAS: Suponga que se tienen dos poblaciones distintas. se elige una muestra aleatoria de tamaño n_1 de la primera población y una muestra independiente aleatoria de tamaño n_2 de la segunda población. etc en muestra.

5 pulgadas y desviación estándar de 0. para una muestra de 4 tornillos? μ=0.49 .01 pulgadas.49 y 0. con media igual a 0.01 x 1=0.5 σ =0. ¿Cuál es la probabilidad de que el diámetro medio esté comprendido entre 0. cuyos diámetros se distribuyen normalmente.51 pulgadas. y en cada una de ellas se observa una característica o cualidad. 4) Suponga que una máquina produce tornillos.d) LA DISTRIBUCIÓN EN EL MUESTREO DE LAS DIFERENCIAS DE PROPORCIONES: De dos poblaciones se toman dos muestras aleatorias independientes de tamaños n1 ≥ 30 y n2 ≥ 30. cómo llamaría usted a la serie de proporciones obtenidas y qué propiedades tiene dicha distribución. La proporción muestral de elementos con una característica se define como: e) EL ERROR ESTÁNDAR PARA LITERALES ANTERIORES: CADA UNO DE LOS 2) Cuántas muestras de tamaño 32 pueden extraerse de una población de tamaño 750? 3) Si a cada una de las muestras del problema anterior le calculamos su correspondiente proporción.

51)−P( x <0.5+ 0.10 = = =¿ PQ ( 0.24 N 49 49 √ √ Z= √ 0.36 ´ P( P<0.01 = =1 0.10 = =1.6) 0. Se desea estudiar una muestra de 49 personas para saber la proporción de ellas que tienen más de 40 años.5−0.4236) P=0. ¿Cuál es la probabilidad de que la proporción en la muestra sea menor que 0.5.4 0.01 = =−1 0.51)=P(x <0.01 P(0.43→ A (0.4)(0.07 Z =1.01 0.10 0.9236 P ( P< 0.49< x <0.5 −0.51−0.49−0.51)=0.4.5 0.8413−0.49< x <0.6826=68.5 )=92.5) .51)=P( Z 1<1)−P(Z 2 <−1) P(0.01 0. sabiendo que la proporción en la población es de 0.43 √ 0.1587=0.49) z 1= z 2= 0.26 5.51 P(0.00489 0.49< x <0.01 0.4 ´ P−P 0.x 2=0.4236=0. si se trata de una población muy grande? N=49 z= P=0.

Asumamos que la mayoría es un porcentaje superior al 51%.03 √ 0. P=65 N=100 P ( P< 68 ) Z= Z= P−P 0. Para elegir presidente de un sindicato.65 = PQ (0.2357 P=0.2357 ) P=0.7357 P ( P< 68 )=73.2275 100 = 0. se hubiera obtenido la mayoría de los votos para dicho candidato.63→ A ( 0. un candidato obtuvo el 40% de los votos.5+ 0.0025 2 n 2(200) 400 Formula corregida .6. P=0. prefieren cierta marca de crema dental. Determinar la probabilidad de que entre 200 de los electores elegidos aleatoriamente entre un total 800 afiliados.002275 Z =0. Se sabe por experiencia que el 65% de los estudiantes universitarios de cierta ciudad.35) N 100 √ √ 0.57 7.40 p=0.65)(0. Cuál es la probabilidad de que en una muestra de 100 universitarios de dicha ciudad encontremos que como máximo el 68% son usuarios de este tipo de crema.68−0.51 n=200 1 1 1 = = =0.63 √ 0.03 =0.

4975=0.00269 .00325+ 0.4975−0.24 200 200 √ Z= √ 0.25 8.81 √ 0.0012 Z =2.0975 =2.65 ) ( 0. σ= σ= σ= √ √ ( 0.35 ) ( 0.41 ) ( 0.24 0.Z= Z= ( 0. dentro de que límites se encuentra el 90% central de las medias muéstrales.2275 0. si se sabe que éstas últimas fueron 35% y 41% respectivamente.40 ) ( 0. se tomaron muestras de ambas poblaciones de tamaños 70 y 90 respectivamente.81→ A ( 0.40 0.50−0.0025 P=0. Si se obtienen todas las posibles muestras de tamaño 25 en una distribución normal con media 20 y desviación estándar 4.59 ) + 70 90 √ 0.0975 = 0.4975 ) P=0.40 √ ( 0. Se pide calcular el error estándar de la diferencia de las proporciones muéstrales.0025 )−0.2419 + 70 90 P1 Q 1 P2 Q 2 + A1 A2 σ =√ 0. Con el fin de estimar la diferencia de proporciones entre dos poblaciones A y B. 9.5 – 0.60 ) 200 0.

650. con una media de $ 1. La población de mineros es superior a 1500.77 = A1 + A2 70+90 E= 0.92 → A ( 0.70.00 US.3 √ 90 = = =−0.0.σ =√ 0.0 Z= n=90 p ( x´ <71.077 0. μ=72 σ =3.1788=17. el salario medio sea inferior a $1.3212 ) . μ=1650 σ =150 n=25 p ( x´ <1575 ) .575. la media sea menor 71.00 US.92 σ 3. En cierta región los salarios diarios de los mineros del carbón están normalmente distribuidos. En una población normal con media igual a 72.00594 σ =0.077 E= 0.7 ) ´x −μ 71.7−72 −0.5−0. hallar la probabilidad que en una muestra de 90. Cuál es la probabilidad de que en una muestra representativa de 25 de esos mineros.88 11..0 y desviación estándar igual a 3.077 =0.1 3.3212 P=0.00 US y una desviación estándar de $ 150.1 √n √ 90 Z =−0.0077 160 10. P=0.

Qué podemos afirmar sobre la probabilidad de que el error muestral sea menor o igual que 2.4.3| 5.4938=0.3 en valor absoluto? Z= z= ´x −μ E = σ σ √A √A |2.4 3.4 y una desviación estándar de 3.55| 13.2 √ 20 μ=56.Z= 1575−1650 −75 √ 25 = =−2.5−0. Mediante la anterior información qué puede usted concluir respecto de la afirmación de que la media poblacional es 62. tiene una media de 56.9 = 5.3| |2.4938 ) P=0.4 6 =|2.2 .0062 P( ´x <1575)=0.0? A=20 Z= 62−56.5 150 150 √ 25 Z =−2. Una muestra aleatoria de tamaño 20 extraída de una población normal. La media de una muestra aleatoria de tamaño 36 se utiliza para estimar la media de una población infinita con desviación estándar de 5.5 → A ( 0.4 √ 36 |2.4 σ =3.62 12.3| Z= 0.2.

La fórmula de una distribución normal estándar es: Z =( E(x )− X)/ Std( X ) y la de la T de student es.Z= 5.5. y si se divide en las dos áreas que hay miden 0. Se utiliza para muestras que son muy grandes y cuando la población es representativa. La t student tiene un comportamiento similar solamente que nos permite utilizarla para muestras menores de 30 personas. NO EXISTE LA PROBABILIDAD QUE ESO SE DE. El área debajo de la curva es uno. pone en duda dicha afirmación y para comprobarlo. Un distribuidor de pinturas afirma que la diferencia de los promedios de los rendimientos entre dos marcas A y B de pinturas es de 5 metros cuadrados por galón (  A   B  5) .5 metros cuadrados por galón.6 √ 20 =7. y tiene una semi amplitud mayor a la normal porque la muestra al ser más pequeña no es tan representativa como en la normal. la forma más fácil de explicar la diferencia de la normal y la T de student es por formula.5 3. T =( E (x)−x )/(Std( x )/ √ (n)) Donde E(x) es el valor esperado de x. 14. Por otra parte una oficina constructora de vivienda. (o el promedio) Std(x) es la desviación estándar de x. Explique en qué se diferencian la distribución t y la distribución normal.2 NOS DA UN VALOR DE Z MUY ALTO. toma 6 galones de pintura de cada marca y encuentra que con la marca A el promedio del rendimiento es de 32 metros cuadrados por galón y desviación estándar de 2. La diferencia es que la distribución normal tiene un comportamiento de parabólica invertido. mientras que con la marca B el rendimiento promedio fue de 29 metros cuadrados . Sqrt(n) es la raíz cuadrada del número de observaciones 15.

Si el 9% de las medias de los salarios diarios en muestras de 25 obreros.25+3.8 n2=6 ( x´ − ´y )−( μ x −μ y ) √ 2 σx σ y + n1 n2 2 ( 32−29 )− (5 ) √ 2 ( 2.6 → 0. porque existe la probabilidad.250.4452 P=0.24 9.58 1. Los salarios diarios de cierta industria están distribuidos normalmente con una media de $1. sea mayor que el rendimiento medio de 9 empleados del turno 2? Se supone que el tiempo empleado por los empleados en ambos turnos.00.0548=5. ¿Cuál es la probabilidad de que en un concurso que se ha programado.24 6. se distribuyen normalmente.5−0.8 ) + 6 6 2 = √ 3−5 −2 −2 −2 −2 = = = = =−1. 17.5 ) ( 1.6 6.4452=0.25 3.5 σ =1. Tiende la prueba hecha por la oficina constructora a desvirtuar la información del distribuidor? 16. Dichos valores para los empleados del turno 2 son 25 minutos y 5.49 √1.por galón con desviación estándar de 1. cual es la desviación estándar de la industria.48 No la puede desviar.00. es inferior a $1. El tiempo promedio para realizar una tarea por parte de los empleados del turno 1 de una compañía es de 20 minutos con una desviación estándar de 6 minutos.5 minutos respectivamente.320.09 .25 + 6 6 6 6 √ √ z=1.8 metros cuadrados por galón. z= z= ´x =32 ´y =29 n1=6 σ =2. μ=1320 P( ´x <1250)=0. el promedio para 10 empleados del turno 1.

34= σ= −70 √25 σ −70 √ 25 =261.5−0.41)→ Z =−1. P=( P>0.009=(0. Cuál es la probabilidad al seleccionar 400 piezas.1841 .04 N=400 P ( p ≥ 0.00875 =0.9 0.04 z= = = √ z= √ PQ n ( 0.00875 √ 0.5 – 0.05 ) Formula corregida 1 P− −P ( 2N) ( 0. de que el 5% o más sean defectuosas.05 )=18.34 z= 1250−1320 σ √ 25 −1.41 P=0.19 18.96 ) 400 0.000098 0.3159=0.04 ) ( 0.9 → A ( 0. P=0.00125 )−0.0097 z=0. Se ha encontrado que el 4% de las piezas producidas por cierta máquina son defectuosas.N=25 σ =? A=0.3159 ) .19 −1.05−0.34 σ =261.