You are on page 1of 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

1. DISTRIBUCIONES CONOCIDAS PARA MUESTRAS PEQUEÑAS
La estadística dispone de otras variables aleatorias con distribuciones conocidas
cuando el tamaño de muestra es pequeña; es decir, cuando no se puede aplicar el TLC.
Estas distribuciones son:
χ² : La distribución Chi – cuadrado
t : La distribución t de Student
F : La distribución F de Fisher
Haremos un estudio muy breve de cada una de ellas y emplearemos el Minitab para
resolver problemas de probabilidad; y más tarde volveremos a tratarlas en más detalle.
PROPIEDADES DE ESTAS VARIABLES

Distribución Chi – Cuadrado: χ²
P1. Si X  χ² (n) entonces µ = n

y

σ = 2n ; donde n representa grados de libertad

P2. Si Z1, Z2, …, Zn son tales que Z1  N(0, 1) entonces T =
P3. Si V  (n  1) s ²
²

o

 X  X 
V 
²

Z 2

2

entonces V 

i

 χ² (n)

2
( n 1)

Distribución t de Student
P1. Si X  t(n) entonces µ = 0
libertad

y

σ = n/(n-2)

donde n representa grados de

P2. Si Z  N (0,1);V   ( n ) entonces la variable T definida como
2

X 
T 
 N (0,1) y V  ( n  1) s ²  2
P3. Z  
entonces

( n 1)
²
n
X 
T

P4. Si
s
n

Ilmer Cóndor

T

Z
  (n)
V
n

Z
  (n  1)
V
n 1

entonces T   (n  1)

Página 1 de 18

1).99 2 3. encuentre el valor de a.89) b) P(X > 12. encuentre: a) P(X < -1.86) b) P(X > 0. Para una distribución Chi-Cuadrado.49) c) P(-1.4785 b) P(F(14. Para una v.a. Para una variable aleatoria X. n) entonces µ = n /(n-2) y σ = [2n(n+m-2)] /[ m(n-2)²(n-4)] donde n representa los grados de librertad del numerador y m los grados de libertad del denominador. Para cada uno de los siguientes casos. hallara a y b tal que P( a < X < b ) = 0. X i  N ( Si V  y  . 2 U /m  F (m.58<X<1) d) P(|X| > 1. hallar la probabilidad correspondiente:  2 a) Si X  b) c) Si X  t(9). P( X  -2. en cada caso: a) P (  (8)  a )  0. Para una distribución F. encuentre a) P(X < 2. en cada caso: a) P(F(12.5 2 c) P (  (18)  a )  0. P2.88 y P( X > b ) = 0. encuentre: a) P(X < 3.89 ) 4.19) < a)=0.025 b) P( t(15) > a ) = 0.9584 7. X con distribución t de Student con 20 grados de libertad. 1 2 1 ) y  2 (n ) entonces F  Yi  N (  . hallar c tal que P(X > c) = 0. con 5 grados de libertad en el numerador y 8 grados de libertad en el denominador.297 ) .594) b) P(X > 2. X con distribución F. encuentre el valor de a. Si X  F(m. hallar P(X  1. Para una distribución t de Student. Para una v.075 5. n 2  1) 2 s2 /  2 2 A continuación resolveremos algunos EJERCICIOS referidos a estas variables: NOTA: DESARROLLE LOS EJERCICIOS QUE ESTÁN EN AZUL 1. Si U   (m ) 2 P3. con distribución Chi-Cuadrado con 15 gl.58 < X < 10 ) 2. P(-0.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Distribución F de Fisher P1.a.875) c) P(0.476 < t(5) < a ) = 0.10 Ilmer Cóndor (17 ) .02 Página 2 de 18 . n) V /n s12 /  12 ) entonces F  3 2  F (n1  1.84) d) P(|X|<5) 6.16) > a)=0. encuentre el valor de a en cada caso: a) P(t(10) > a) = 0.495 ) c) P( 1.2475 c)P(2< F(21.398) Si X  t(6).95 2 b) P (  (10 )  a )  0.10 c) P(1.25<X<3.9) < a)= 0.703  X  4.

10 25 25 de donde  X  40  P[  5   2  k ]  0. Por tanto P(χ² (1) > k/25 ) =.10 De donde P(χ² ≤ k/25 ) = 0. b) P(k < W + Y < 27.xls.90 Usando Inverse de Minitab encontramos: k = ………. Abra el archivo Grafica de Chi-t-F..39) Si X  F(2. encontramos k = ………. P(X  7. 10. U  t(7). Ilmer Cóndor Página 3 de 18 . P( 3. Hallar el valor de k tal que: a) P[ (X-40)² > k ] = 0.19 ) .10 Como X  N(40. Modifique el valor de los parámetros de las distribuciones Chi – Cuadrado y t de Student y observe cuándo su comportamiento es aproximadamente normal.05 9. Sean X. Tomando en cuenta las gráficas que se muestran en el archivo del ejercicio anterior. Modifique los valores de los grados de libertad y observe la gráfica resultante Tarea 01 Escriba en la hoja que se les ha distribuido su comentario respecto a las gráficas.UNIVERSIDAD DE LIMA d) e) ESCUELA DE NEGOCIOS Si X  F(4.52  X  15. hallar c de tal manera que P( X  c ) = 0. Si X es una variable aleatoria con distribución Chi – Cuadrado con 23 grados de libertad. el número de grados es de libertad es 2. según la propiedad 2 de χ² se distribuye χ² con un grado de libertad. ¿cuál de estas distribuciones es simétrica respecto al eje Y? ¿En cuál de estas distribuciones se puede aplicar las propiedades de la distribución acumulada: a) F(-k) = P(Z ≤ -k ) = P(Z > k) = 1. Observe la forma de la gráfica de cada una de las distribuciones.10 25 La expresión del primer miembro es Z² lo cual. hallar P(X  5. Luego P( k < χ² (2) < 27. W  χ² (5). Y  χ² (10).95 y P(X < a) = 0. 25). U variables aleatorias independientes tales que X  N(40.56) .P(Z ≤ k ) = 1 – F(k) b) P(-k ≤ Z ≤ z ) = 2 F(k) -1 11. al dividir la expresión entre 25 obtenemos P[ ( X  40)² k  ]  0.05 8.5). calcular a y b tal que P(a < X < b ) = 0.3). Y.488 ) = 0.95 En este caso las W e Y tienen distribución χ² y como son dos variables.95 Usando Minitab. 25). W.488 ) = 0.

por provenir de la misma población. Xn es un conjunto de variables aleatorias independientes que conforman una muestra aleatoria de tamaño n . a partir de una población X con   E[ X ] y V [ X ]   2 y donde todas las Xi tienen la misma distribución.UNIVERSIDAD DE LIMA c) P( ESCUELA DE NEGOCIOS W  k ) = 0. es decir E[X i] = i =  y V[Xi] =  i2 = ². Se puede verificar que X  E[ X ]  E   n     i  Z  X   n 1 1 1 1 E   X i    E[ X i ]     n   n n n n Igualmente Ilmer Cóndor Página 4 de 18 .20 2. aplicando el Teorema del Limite Central. entonces Z  N(0. Si X es el estadístico denominado Media Muestral de Medias Muestrales. Otra forma de definir Z. 1). X2. . entonces su distribución es aproximadamente normal con E[ X ]   V[ X ]  2 n Y si. tomadas con reposición... la forma usual o práctica es 2.90 Y Qué variable se genera al dividir dos variables χ² ? ……………… d) P( | U | > k ) = 0. Comentarios 1.. DISTRIBUCIÓN MUESTRAL DE MEDIAS TEOREMA DE LA MEDIA MUESTRAL DE MEDIAS ( X ) Sea X1. definimos Z  X  E[ X ] V[X ] una nueva variable .

.+  n y ² T = ² 1 +  2² + . Comentarios: 1.  i2 ) .. 4. 1). . X2. n i ESCUELA DE NEGOCIOS   ]  12  n  V [ X i ]  1 n 2  2 2     n2 n2 n Si la distribución de X es normal.. 2. Si X es el estadístico denominado Media Muestral de Medias Muestrales. en cuyo caso. toda vez que el muestreo se realice sin reposición. Central y resolver el problema usando la tabla de la distribución normal N(0. y se define a otra variable. es decir E[X i] = i =  y V[Xi] =  i = ². X tendrá distribución normal N(. se asumirá infinito. i Si la distribución de X no es normal.. será suficiente que n  30 para aplicar el Teorema del Limite 5. Si el tamaño poblacional no fuera conocido..+ Xn entonces la nueva variable T. Esto quiere decir que.. digamos T tal que T = X1 + X2 + . podemos aplicar el TLC anterior. tomadas sin reposición. se aplicará el modelo de muestreo con reposición. deberemos aplicar el Teorema del Limite Central.. +  n² Ilmer Cóndor Página 5 de 18 . por la propiedad reproductiva de la normal1. entonces su distribución es aproximadamente normal con E[ X ]   V[X ]  2 N n n N 1 Y cuando n ≥ 30.UNIVERSIDAD DE LIMA X  V [ X ]  V [  3.. 1 Esta propiedad afirma que si un conjunto de variables Xi tienen una determinada distribución de probabilidad conocida. Teorema Sea X1. S  X tendrá también distribución normal N(   . mediante el cual. Xn es un conjunto de variables aleatorias independientes que conforman una muestra aleatoria de tamaño n . Finalmente.. a partir de una población X con   E[ X ] y V [ X ]   2 y donde todas las Xi tienen la misma distribución por 2 provenir de la misma población. tendrá también la misma distribución con T=  1 +  2+ . deberá usarse este Teorema del Limite Central. ²/n).

... b) Si X es la media muestral de medias en una muestra de tamaño n = 36....)  1   (0.... Si el monto promedio de colocación diaria es de $ 7012. 1).7012.Norm (6911. ¿cuál es la probabilidad de que el monto colocado en la bolsa en un día.90.. entonces E[ X ]= ………… y X  X  . Ilmer Cóndor Página 6 de 18 .. con una desviación estándar de $ 540.... sea superior a $ 6911? c) ¿Por qué la probabilidad en b) es mayor que en a)? Solución Sea X la variable aleatoria poblacional definida como “Monto de dinero que representa una colocación”...8686 En Minitab encuentre esta probabilidad sin pasar a N(0... 1)..... sea superior a $ 6911? b) si se elige al azar una muestra de 36 colocaciones.. ¿cuál es la probabilidad de que la media de la muestra.187)  0..... Según el problema:  = 7012 y  = 540.1)  ........ tenemos P ( X  6911)  1  P ( X  6911)  1  P ( Z  .... las cuales siguen una distribución normal. En Excel use P ( X  6911)  1  P ( X  6911)  1  Distr. 1)...  0... c) La siguiente figura muestra la gráfica de las dos variables X y X .. igualmente X  N(7012.... y a) si se elige aleatoriamente una determinada colocación de dinero. 532²) a) Usando la distribución normal N(0..UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Ejemplo 1 Una empresa de inversiones coloca diariamente importantes sumas de dinero en acciones de bolsa........5732 Ahora use Minitab para encontrar esta probabilidad sin pasar a N(0. n P ( X  6911)  1  P ( X  6911)  .....

manteniéndose constante su variabilidad. en cambio la P(X > 6911) cubre menor área bajo la curva del otro color. cubre casi toda la campana de Gauss.) = …………………………… Ilmer Cóndor Página 7 de 18 . ……). siendo la varianza poblacional mayor que el de la media. Ejemplo 2 Una máquina que produce empaques de leche está regulada para producir paquetes cuyo peso se distribuye normalmente con una media de 500 gramos y una desviación estándar de 10 gramos. y cuando ello sucede lo único que se altera es el peso promedio. Para mantener la producción bajo control. n = ……… Cómo se puede expresar: El peso promedio de la muestra difiera del peso promedio de la producción en menos de 2 gramos?: ……………………………………. Según esto debemos hallar: P( | …………… | > ……. Cuál será la probabilidad de que el peso promedio difiera del promedio de la producción en menos de 2 gramos? Solución Según los datos: X: Peso de los paquetes de leche. Por otro lado.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Se puede apreciar que el área naranja es la probabilidad P ( X  6911) que. Se sabe también que a veces la máquina se desajusta. los datos están más dispersos. se selecciona una muestra de 110 bolsas y luego se pesa. muy próximo a uno.) P( | …………… | > ……. X  N(…….

...95 Ilmer Cóndor Página 8 de 18 .. obtendrás la segunda ecuación..UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Ejercicio 1 Calcular la media y varianza de la variable aleatoria X que se distribuye como una normal.0228 esto   6 )  0.0228  Ahora usando la opción <Inverse> de Minitab obtendrás una ecuación con µ y σ. sea de 0... Usando el otro dato. Sugerencia: Estás obligado a pasar a N(0. Cómo así? Restas la media µ a ambos miembros y divides entre σ. así obtendrás P ( significa que se tiene P( Z  X  6  )  0. de tamaño N cuya distribución se define por  y ² como su media y varianza poblacional. si ésta se hace sin reposición sobre poblaciones muy grandes?.95 P ( . Solución Sea X la variable definida sobre la población..0228 y P( X > 8 ) = 0.. si se sabe que P( X < 6 ) = 0. )  0..8413 y además que la media muestral corresponde a una muestra de tamaño 4... Qué tamaño de muestra debe adoptar para seleccionar la muestra.... que al resolverlo obtendrás µ y σ.. suficientemente grandes de tal manera que la probabilidad de que la media muestral no difiera de la media poblacional en más del 25% de la desviación estándar.... respectivamente.. Sea X la media muestral de medias en una muestra de tamaño n..95. donde X  X y X  X . n De acuerdo a los datos del problema tenemos P ( | X   X |  0..25 X )  0. 1) en ambos casos.. Ejemplo 3 Un investigador de mercado desea estimar la media poblacional utilizando muestras extraídas aleatoriamente......  X   X  .

2² ) Como el costo es 100 veces la longitud.20) = ……. si al día se inspecciona 4 piezas? Solución Sea X la longitud de una pieza. Ejemplo 4 En la inspección de cierto tipo de piezas con fallas se sabe que el costo de inspección de cada una es equivalente a 100 veces su longitud. 0.. tenemos  0.2 mm. para obtener Z. que es la desviación de X .20) = 1.95 de donde n = 61. si Y es el costo.P( X ≤ 12.UNIVERSIDAD DE LIMA Dividiendo entre P(  n ESCUELA DE NEGOCIOS .25 n  Z  0.25 n )  1  0. 1000. X  N( 12. ¿cuál es la probabilidad de que el costo promedio diario de la inspección sea mayor que $ 1220. el costo promedio Y lo obtenemos dividiendo a la ecuación Y = 100X entre 4 (n = 4) obtenemos Y = 100 X Luego P( Y > 1220) = P( 100 X > 1220) = P( X > 12. ¿Cuál será la probabilidad de que se decida abrir la Ilmer Cóndor Página 9 de 18 .25 n ) 1 1 1 n n n Usando la tabla N(0. 520. entonces Y = 100X Según esto. 1) tenemos 2 (0.25 X   X 0. Si como resultado de la encuesta se obtiene que el gasto de consumo por hogar tiene una desviación estándar de S/.4656. La decisión se tomará en base a una encuesta aplicada a 200 hogares de la zona.95  0. Si la longitud de una pieza tiene una distribución normal con una media de 12 mm y una desviación estándar de 0. Ejercicio 2 La gerencia general de una cadena de supermercados contempla la posibilidad de abrir una tienda en cierta zona de la ciudad. Para esto realiza un muestreo y decide que abrirá la tienda si el gasto promedio muestral de consumo por hogar es superior a S/.25   )  P (0.

Supongamos que se extrae una muestra aleatoria de tamaño n. a) Use el mismo procedimiento expuesto en la página 214 del Libro Distribuciones y Estadística Inferencial de Celestino García Oré (519.1? Ejercicio 3 Un agente de bolsa dispone de 5 acciones a ser negociadas en un día determinada. Luego compare los resultados con la media y varianzas poblacionales. con y sin reposición. 3. DISTRIBUCIÓN MUESTRAL DE PROPORCIONES DEFINICION Sea X una variable población que representa el número de éxitos en la ocurrencia de un evento determinado. la función de probabilidad es p(x) = 1/5. Construya una distribución muestral de medias tomando como muestras aleatorias de tamaño 2.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS tienda.2 / G25D / 1988).doc. 1100? Nota: Resuelva los siguientes problemas y compare su solución con lo que se da en la página 55 del archivo Teoría de muestreo y distribuciones muestrales. TAREA 2 El promedio de las notas de los estudiantes de un Instituto de Idiomas es una variable aleatoria con  = 62 y  = 60. Ilmer Cóndor Página 10 de 18 . debe ser 0. ¿qué tan grande debe ser su tamaño si la probabilidad de que el promedio de las notas sea inferior a 60. Si se desea tomar una muestra. si se sabe de estudios anteriores que el gasto promedio de consumo por hogar de la ciudad es de S/. es decir. Cada acción tiene igual probabilidad de ser seleccionada para su venta.

extraída de una población de tamaño N. podemos decir que p es una variable es una variable aleatoria muestral definida como la proporción muestral de proporciones cuya distribución de probabilidades viene expresada por E[ p ]=p y V[ p ]= p (1  p ) 2 . X 1 np ]  E[ X ]   p n n n (Recuerde que X es binomial con E[X] = np ) Del mismo modo V [ p]  V [ Ilmer Cóndor X 1 1 p (1  p ) ]  2 V [ X ]  2 np (1  p )  n n n n Página 11 de 18 . en donde cada elemento se clasifica como 2 Evaluemos E[ E[ p ]  E[ p ] y V[ p ]. la población ya no es Binomial.UNIVERSIDAD DE LIMA p Diremos que X n ESCUELA DE NEGOCIOS es la proporción de éxitos (proporción de veces que ocurre un evento determinado) en la muestra. si el muestreo se realiza sin reposición. r. Usando los mismos criterios analizados para concluir que X aleatoria muestral. la que representa una proporción muestral. p Por otro lado. en este caso X se dice que tiene una distribución Hipergeométrica con parámetros ( N. n) donde E[ X ]  np y V [ X ]  np (1  p) N n N 1 En este caso E[ p ]  p V [ p]  V [ y X 1 1 N  n p (1  p) N  n ]  2 V [ X ]  2 np (1  p )  n n n N 1 n N 1 En consecuencia podemos plantear el siguiente teorema TEOREMA DE LA PROPORCION MUESTRAL DE PROPORCIONES ( p ) Supongamos que se tiene una muestra aleatoria de tamaño n. con reposición.

p ) n 2. que es ½. 1). la cual se deriva a partir del factor de corrección en la aproximación 2n binomial por normal. Muchas veces se usa  en lugar de p para representar la proporción de éxitos en la población. entonces p p es una variable muestral cuya distribución de probabilidad viene definida mediante E[ p ]  p y V [ p]  p (1  p ) donde “p” representa la proporción de éxitos en la n población. Comentarios 1. Otra forma de definir Z. entonces Z  p  E[ p ] V [ p] es tal que Z  N(0. De manera que usando el factor de corrección. la forma usual o práctica.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS éxito o fracaso. Si se define a X como el número de éxitos en la muestra y representa la proporción de éxitos en la muestra. tendremos P( P ( p  p0 )  P ( Z  P ( p  p0 )  P ( Z  Ilmer Cóndor 1 p 2n ) p (1  p ) n p0  1 p 2n ) p (1  p ) n p0  Página 12 de 18 . Si el tamaño de la muestra es suficientemente grande. Z  p p p (1. Si el tamaño de muestra es pequeño se debe usar el factor de corrección por continuidad FCC  1 . es 3. 4.

Suponga que en realidad se requiere asistencia técnica exterior en un 15% de los trabajos de reparación. a) ¿Cuál es la media y desviación estándar de la distribución muestral de b) ¿Cuál es la probabilidad de que proporción del proceso? ¿Qué p p p ? esté en un intervalo (-0....15.......... ¿es la distribución muestral de p más variable si p está cerca de 0? Si p está cerca de 0.20? c) Dentro de qué intervalo caerá la proporción de la muestra el 90% de las veces?.. tamaño de la muestra.. Página 13 de 18 ..5? Si estuviera cerca de 1? Solución Si p = 0......05. se asumirá que es infinita.. 0.UNIVERSIDAD DE LIMA P ( p0  p  p1 )  P ( 1 p 2n p(1  p) n p0  ESCUELA DE NEGOCIOS  Z  1 p 2n ) p (1  p ) n p1  5.. basándose en una muestra aleatoria simple de 100 trabajos de reparación terminada recientemente... d) ¿Cuál es el intervalo que le corresponde a la parte c) para una muestra aleatoria simple de 400 trabajos? Qué efecto tiene el incremento en el tamaño de la muestra? e) Para una muestra de tamaño dado..... Se desea estimar la proporción de trabajos de reparación que requieren asistencia técnica exterior... Nota: No se olvide de usar E[ X ]  np y V [ X ]  np (1  p) N n si el muestreo se hace N 1 sin reposición.. Ejemplo 5 Al reparar un cierto tipo de máquina empacadora ocasionalmente ocurre una complicación que requiere asistencia técnica exterior.. que la proporción del proceso es de 0.15 representa la proporción de veces que se requiere asistencia técnica y Sea n = 100. esto es....05) centrado en la esté entre 0. Defina a Ilmer Cóndor p : .12 y 0......... Use límites simétricos alrededor de la proporción del proceso... Si se desconoce el tamaño poblacional....

. Entonces r r r Z  )  2 ( )  1  0..05  1200 Z )   (1..54)  0.058738 Esto significa que . r)..p |  0....8764 0.035707 0........  ....05.035707 c) Supongamos que el intervalo donde debe caer p es (-r.98)  0..058738 por lo que al despejar reemplazamos a p con su valor.  V [ p] .035707 0..7747 0.05 Luego P(| p  p |   0.058738  p ......035707x(1...035707 0..12  1200 0...) d) Si ahora el tamaño de la muestra es de 400 entonces sólo se modificará la desviación estándar de 3 p ... σ² )....54)   (1.. p (sin considerar el FCC).035707 0.12  p  p  0....05  p  p  0...  p  V [ p]  0.... obtenemos Z = 1.05).. encontramos el intervalo de variación de p p y que es ( ...035707.. 0....0.....035707 P ( r  p  p  r )  P ( Usando <Inverse> en Normal de Minitab.. tenemos P(  0.15(0.p  0.20)  0...90 3 0. supuesto simétrico y que esté centrado alrededor de la proporción del proceso.05) Usando el factor de corrección por continuidad y pasando a Z... Ilmer Cóndor Página 14 de 18 .01785 Aquí hemos usado la propiedad P(-K ≤ X ≤ K ) = 2 F(K) – 1 cuando X  N(μ. esto es.05) P ( 0..035707 En cuanto a la segunda parte de la pregunta tenemos P (0...........20  1200 P( Z  )   (1..54)   ( 0.05  1 200 0... centrado en la p” significa que | p ..85)  400 0..UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Entonces p  a) p  b) “estar p  E[ p ] ..645 e igualando a r/0..645) = 0. tenemos r = 0. en (-0..

5  De manera que V [ p]  (0. n se define por V [ p ]  Si p = 0. entre otras formas. la proporción muestral. mayor variación(o dispersión) presentará la variable respecto a su valor central.02937 Con lo cual el intervalo pedido será ( 0.1206.16 n V [ p]  p (0. La longitud del intervalo en d) es 0. como la varianza de p p (1  p ) entonces.01785x(1. Se desea hacer un estudio sobre la participación de los estudiantes en las actividades académicas y culturales de la facultad.3  V [ p]  (0. es decir.1794) Comentario: La longitud del intervalo en c) es 0. el 40% de los estudiantes son mujeres.5)(0.9)  0. Ejemplo 6 En la facultad de Administración de la Universidad.1175.09 n Si p = 0.7)  0.5.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Luego r = 0.5)  0. estará más cerca de p.25 n tendrá mayor variabilidad cuando p = 0.645) = 0.1)(0. Esto indica que cuanto mayor sea el tamaño de muestra menor será la dispersión de los datos. e) La variabilidad de una variable aleatoria se mide analizando el valor de su varianza.0588. Cuanto mayor sea su varianza.21 n Si p = 0.8  Si p = 0. 0. p . ¿Cuál será la probabilidad de que en una muestra de 100 alumnos se encuentre más de 35% pero menos de 45% de mujeres? Ilmer Cóndor Página 15 de 18 .1  V [ p]  (0.2)  0.3)(0. Por otro lado. Es este valor que se deberá usar cuando no se conozca la proporcional poblacional.8)(0.

definida como la distribución de compradores del país con niveles más elevados de nuevos pedidos en Enero de 1998.45 ) TAREA 3 Un proceso para llenar botellas de cerveza presenta una producción promedio en la que el 10% no están completamente llenas. a) Describa la distribución muestral de p . b) ¿Cuál es la probabilidad de que p difiera de p en más de 0. ¿Cuál será la probabilidad de que la proporción muestral de botellas parcialmente llenas se encuentre entre 9% y 11%? Ejemplo 7 Una agencia de publicidad realiza una encuesta a los agentes de compras de 250 compañías industriales..35 ≤ p ≤ 0. Si mediante este proceso de selección al azar se toma una muestra de 225 botellas de un lote de 625 envases llenos. n = ……….. Suponga que los 250 agentes de la muestra representan una muestra aleatoria de los agentes de compras de las compañías del país..UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS Solución Según el problema: π = ……. Qué se pide? P(………………………. que en los dos meses anteriores. la proporción de la muestra. como la proporción muestral de compradores del país con niveles más elevados de nuevos pedidos en Enero de 1998. el porcentaje al que se hace referencia es p . Al hablar de muestra. entonces su distribución se expresa mediante Ilmer Cóndor Página 16 de 18 . Los resultados indican que el 25% de los compradores reportaron niveles más altos de nuevos pedidos en Enero de 1998.) Encuentre primero  p y  p Luego usando Minitab encuentre P( 0.01? Solución a) Si se define a p .

... a) Suponga que el presidente está en lo correcto y que p = 0.... a) ¿cuál es la probabilidad de que la proporción muestral quede a  0.292)  1  (0.............. Luego P (| ... Se va a usar una muestra aleatoria simple de 100 empleados para comprobar lo que dice.438  Z  0........7167 Ejercicio 4 El presidente de Distribuidores S..5 o menos de la proporción poblacional? Ejercicio 5 Si bien la mayoría de las personas cree que el desayuno es el alimento más importante del día.......A...01  1 / 500 0.........  0.01)...  0.01  ....05? Ilmer Cóndor Página 17 de 18 . y  2p  ..6141  0.. ¿Cuál es la distribución muestral de p para este estudio? b) ¿Cuál es la probabilidad de que la proporción muestral esté a  0.......03 o menos de la proporción poblacional? b) ¿cuál es la probabilidad si la proporción muestral difiere de la proporción poblacional en a lo más 0.....01)  1  P ( 0... | > 0. Si para comprobar esta afirmación se toma una muestra de 200 adultos....UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS  p  E[ p ]  ...... cree que el 30% de los pedidos a su empresa provienen de clientes nuevos.. b) La pregunta planteada la podemos expresar como P( | .  ......3308)  0.01)  1  P(  0... el 25% de los adultos no desayunan.01  1 / 500 Z  ) 3 3 4000 4000  1  P ( 0..30..

con una probabilidad de 98%. Ilmer Cóndor Página 18 de 18 . respecto al tratamiento de los cheques girados con cantidades por debajo de $ 500.15 de la verdadera proporción. ¿Cuántos clientes tendrá que incluir en una muestra si desea que la proporción de la muestra se desvíe a lo más en 0. Considere que para el gerente un cliente al que no le agrada la política implementada posee las mismas características que un cliente al que sí le agrada dichas políticas.UNIVERSIDAD DE LIMA ESCUELA DE NEGOCIOS TAREA 4 El gerente financiero de una gran empresa comercial desea contar con información sobre la proporción de clientes a los que no les agrada su nueva política de gestión.