| CAPITULO 7 Distribuciones muestrales i li gs at USO DE LA ESTADISTICA: Proceso de empaquetado de cajas de cereal 7.1 DISTRIBUCIONES MUESTRALES Muestra estratificada 7.2. DISTRIBUCION MUESTRAL DE LA MEDIA Moestra de conglomerados Propiedad de imparcilidad de la media muestral 7.5 EVALUACION DE LAS VIRTUDES Error estindar de la media DE UNA ENCUESTA ‘Muestreo de poblaciones con distribucién normal Errores de encuesta Muestreo de poblaciones sin distribucién normal Consideraciones éticas Teorema del Hints central 7 USO DE SOFTWARE PARA LAS 7.3 DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES DE UNA PROPORCION A7.1 Excel 4 TIPOS DE METODOS DE MUESTREO cee PARA ENCUESTAS ‘Muestra aleatoria simple Muestra sistemética OBJETIVOS DE APRENDIZAJE En este capitulo, aprender: + Elconcepto de distribucién muestral * Acalcular probabilidades relacionadas con la media y la Proporcién muestrales + Laimportancia del Teorema del limite central ‘+ A distinguir entre los distintos métodos de muestreo para Ee costes206 CAPITULO 7 Distribuciones muestrles USO DE lan AE 7.41 LA ESTADISTICA En las plantas de Oxford Cereal Company se llenan miles de cajas de cerea- Jes en cada turno de ocho horas. Como gerente operativo de una planta usted se encarga de supervisar Ia cantidad de cereal que contienen las eajas, Se su- i one que la media del lenado es de 368 gramos de cereal, como indica Ia ei- fueta del paguete. Por la rapidez del proceso, el peso del cereal varia de une Caja a otra, provocando que algunas cajas tengan excedente y otras fltane ‘Siel proceso no funciona adecuadamente, el peso neto del contenido de las ‘caja podria diferir mucho de los 368 gramos que indica Ia etiqueta, hasta re- sultar inaceptable, Como pesar cada uns de las eajas seria un proceso muy Tento, costoso e ineficaz, usted debe sacar una muestra de cajas y tomar unt decision con respecto a la probabilidad de que el proceso de lenado de ce reales funcione de manera adecuada. Cada vez que selecciona una muestra y ‘esa las cajas que la componen, calcula la media muestral X. Necesita deter ‘minar la probabilidad de que X haya sido extraida de forma aleatoria de una poblacién cuya media poblacional es de 368 gramos. Con base en esta evaluacién, tendré que dec dir si conserva, modifica o detiene el proceso. Enel aninl ater ated utilizé la distribucién normal para estudiar a distribucién de los tiempos de descarga del sitio Web OnCampus! En este capitulo, necesita decidir sobre el proce 0 de llenado, con base en una muestra de cajas de cereal. Aprenders acerca de las distribuciones uestrales y cémo utilizarlas para resolver problemas empresariales. Al igual que en el capitulo an- terior, pra calcular las probabilidades se utiliza la dstribucién normal. DISTRIBUCIONES MUESTRALES En muchas aplicaciones usted quiere realizar inferencias estadisticas, esto es, utilizar estadistces calculados a patir de muestras para estimar los valores de los parimetros de la poblacién, En este Capitulo aprenderd sobre la media muestral, un estaistico utlizado para estimar la media poblix ional (un parimetro) También aprender acerca de la proporcién muestra, un estadistico que Utilza para estimar la proporcién poblacional (un parémetro). El principal problema al realizar unt inferencia estadistica radiea en obtener conclusiones sobre la poblacién, no sobre la muestra. Pot tjemplo, une persona que se encarga de realizar encuestas poliicas se interesa en los resultados ernestrales sélo como mecanismo para estimsr la proporcién de votos real que recibir cada uno de qos eandidatos a partir de la poblacién de votantes. Del mismo modo, como gerente operaivo de (Oxford Cereal Company, a usted s6lo le interesa utilizar la media muestral calculada a partir de unt muestra de eajas de cereal para estima el peso medio incluido en una poblacién de cajas. Tin la prictica, de la poblacién total usted selecciona una muestra aleatoria simple de tamale predeterminado, Determina qué elements forman parte de la muestra mediante el uso de un gene™ {or de nimero aleatorio, como una tabla de nimerosaleatorios (vea la seccién 74 y la tabla F.1)° a través de Excel o Minitab (ves la pigina 234). Hipotéticamente, al utilizar un estadstco muestra para estimar un pardmetro poblacionsl, de be examina foda posible muestra que pudiera presentarse. La distribuclén muestral es Is distrib” ion de tos resultados que se presentan sien realidad se seleccionaron todas las muestras posibes wv N de a FI Ne ou ad7.2 TABLA 7.1 Numero de errores cometidos por cada uno de los cuatro asistentes administrativos. FIGURA 7.1 Numero de errores cometidos por una poblacién de cuatro asistentes administrativos. 72: Distribucién muestral dela media 207 DISTRIBUCION MUESTRAL DE LA MEDIA En el capitulo 3 analizamos varias medidas de tendencia central. Sin duda, la media es la medicién de la tendencia central que mas se utiliza. Con frecuencia, la media muestral se utiliza para calcular Ja media poblacional. La distribucién muestral de la media es la distribucién de todas las medias posibles que surgen sien realidad se seleccionaran todas las muestras posibles de cierto tamafio, Propiedad de imparcialidad de la media muestral ‘La media muestral ¢s imparcial porque la media de todas las medias muestrales posibles (de uns ‘muestra deda con tamafo n) es igual la media poblacional y. Esta propiedad se demuestra por me- dio de un sencillo ejemplo referente a una poblacién de cuatro asistentes administrativos, Se pide a cada uno de los asistentes que teclee la misma pégina de un manuscrito, La tabla 7.1 muestra el ni- mero de errores, Asistente administrative Nimero de errores ‘Ana Roberto Carla David En a figura 7.1 se muestra esta distribucién poblacional Frecuencia ° 1 2 3 ‘ Numero de errores ‘Cuando se tienen los datos de una poblacién, la media se calcula utilizando la ecuacién (7.1): MEDIA POBLACIONAL La media poblacional es la suma de los valores de la poblacién dividida por el tamatio de la po- blacién N, Caleule la desviacién estindar o de la poblacién utilizando la ecuacién (7.2): DESVIACION ESTANDAR POBLACIONAL z oe - wy? ep Ti (72) o=208 CAPITULO Distribuciones muestrales TABLA 7.2 Las 16 muestras de n= 2asistentes administrativos, de una poblacién de N=4 asistentes administrativos, al muestrear con reemplazo. Asi, para los datos de la tabla 7.1: 5 errores (a— 257 + Q-257 40-25% 44-25)? _ 1 eS Sia partir de esta poblacin usted selecciona muestras compuestas por dos asistentes administat- ‘yos con reemplazo, habré 16 muestras posibles (N" = 4? = 16). La tabla 7.2 presenta los resultados de las 16 muestras posibles. Si calcula el promedio de las medias de las 16 muestras, la media de es- tos valores, jz, es igual a 2.5, que es también la media poblacional 1. 3424144 gut =25 12 errores Asitentes Muestra adminitratvos Resultado dea mavestra___Media miestral 1 ‘na Ant 33 3 2 Ana, Roberto 3,2 X,=25 3 Ana, Carla 3,1 X,=2 4 ‘Ana, David 3.4 Xy=35 5 Roberto, Ana 2,3 X5=25 6 Roberto, Roberto 22 =2 7 Roberto, Caria 21 nis 8 Roberto, David 24 Xy=3 9 ‘Carla, Ana 1,3, Xy=2 10 Cara, Roberto 12 Heats u Carla, Carla AL Xuel 12 Carla, David 14 Xy #25 B David Ana 43 Hy =35 4 David, Roberto 4,2 Xyn3 1s, David, Carla 4. Xs 25 16 David, David 44 Fis=4 reas Pesto que la media de las 16 medias muestales es igual a la media poblacional, la medi ‘mvestral es un estimador imparcial de Ia media poblacional. Por lo tanto, aunque no sepa qué "82 ‘ercana esté la media muestral de cualquier muestra seleccionada a la media poblacional, al menos staré seguro de que la media de todas las medias muestrales posibles que se pueden seleccionarc¢ igual ala media poblacional. Error estandar de la media ‘La figura 72 iustra a varincin de a media muestra lselecsiona as 16 muestra posibes. En { poqueto ejemplo, aunque la media muestra varia de una muestra ota, en funn de los ass rednniseatvos sleecionados, n0 Io hace tanto como los valores individuales de la poblacién. EY {hue las medias muesrales varion menos que ls valores individuales es resultado de que cada med? fesral promedia todos los valores de a muestra. Una poblacin se compone de resultados indi ‘ules que pueden tomar una gran variedad de valores, desde los extremadamente pequefos ast fhetnuy grandes. No obstant, si una muestra contiene un valor extremo, aunque éste influya sob ened nuestra el efeeto se reduce gracias a que su Valor se promedia con todos los dems incl saanes fu muestra, Conforme aumenta el tamafo dela muestra, se reduce el efecto de un soo val extremo, ya que se le promedia con mis valores, ByFIGURA 7.2 Distribuci6n muestral dela media basada en todas las muestras sibles conformadas or dos asistentes administrativos. Fuante: Datos procedentes dela tabla 7.2. EJEMPLO 7.1 72: Distribucién muestral de la media 209 Frecuencia 1 2 3 Numero de errores « El valor de la desviacin estindar de todas las medias muestrales posibles, llamado error es- ‘tindar de la media, expresa cudnto varia la media muestal entre una muestra y otra. La ecuacién (73) define al error estindar de la media al hacer muestras con o sin reemplazo (vea la pagina 221) de una poblacién enorme o infinita, ERROR ESTANDAR DE LA MEDIA Elerror estindar de a media Gg es igual a la desviacién estindar de la poblac la raiz cuadrada del tamatio de la muestra n. og = He dividida por 73) Por lo tanto, cuando aumenta el tamafio de la muestra, el error estindar de Ia media se reduce en un factor igual a la raiz cuadrada del tamafio de la muestra. ‘También es factible utilizar la ecuacién (7.3) como aproximacién del error estindar de la media cuando la muestra seleccionada sin reemplazo incluye a menos del 5% de la poblacién total. En el ejemplo 7.1 se calcula el error estindar de la media para tal situacién. CALCULAR EL ERROR ESTANDAR DE LA MEDIA, Volvamos al proceso de lenado de cereal deserito en el escenario’ Iso de Ia estadistica” de la pag ‘na 206, Si de los miles de cajas empacadas durante un tumo usted selecciona de manera alestoria ‘una muestra de 25 cajas sin reemplazo, la muestra contendri mucho menos del 5% de la poblacién. Sila desviacién estindar del proceso de llenado de cereal es de 15 gramos, calcule el error estindar de la media. SOLUCION Al utilizar Ia ecuacién (7.3) mencionada antes, con n= 25 y = 15, se determina que elerror estindar de la media es e415 15 orn eS 1 5 La variacin de las medias muestrales correspondientes @ las muestras de n = 25 es mucho menor ue la variacién en las cajas de cereal individuales (es decir, og =3, mientras que o= 15).210 CAPITULO7 Distribuciones muestales FIGURA 7.3 Distribuci6n muestral de la media de 500 muestras con tamafios de n= 1,2,4,8, 16y 32, seleccionadas de una poblaci6n normal. Muestreo de poblaciones con distribucién normal ‘Ahora que ya se explie6 el concepto de distribucin muestral y que se he definido el error estindar {de la media, {qué dstribucién tendré la siguiente media muestral X? Siesté muestreando una pobla- ‘ciéa que tiene una distribucién normal con media jt y desviacién estindar ©, independientemente ‘del tamatio de la muestra n, la distribucin muestral de la media tendré una distribucién normal con ‘media [ty = 41 error estindar de la media O. En el caso mas simple, si extrae muestras de tamafio n = 1, cada una de las medias muestrales ‘posibles es un solo valor de la poblacién, puesto que xX Por lo tanto, si la poblacién tiene una distribucién normal con una media py una desviacién estindar 0, entonces la distribucién muestral de X para muestras de n = | tambign debe seguir una istribucién normal con media iy = wy error estindar de la media Og = o/V/1 =. Ademés, al faumentar el tamafio de la muestra, la distribucién muestral de la media conserva una distribucién shormal con media Ht =, pero se reduce el error estindar de la media, de manera que una mayor proporcién de las medias muestrales se encuentra més cerca de la media poblacional. La figura 7.3ee ‘Recuerde que se seleccionaron “sélo” 500 ‘de un numero infito de muestra, de manera que les dstibuciones que se [presentan son Gnicamente ‘aproximaciones de las verdaderescistribuciones. 172: Distribucién muestal dela media 211 ilustra esta reduccién de la variabilidad en Ia que se seleccionaron 500 muestras con tamatios de 1, 2,4,8, 16y 32 de manera aleatoria de una poblacién con distribucién normal. A partir de los poligo- nos dela figura 7.3, usted observa que a pesar de que ls distribucién muestal de la media es aproxi- ‘madamente! normal para cada tamafio de la muestra, las medias muestrales tienen una distribucion, ‘is estrecha alrededor de la media poblacional conforme aumenta el tamafio de la muestra. Alexaminar el concepto de la distribucién muestral de la media, considere de nuevo el escena- rio “Uso de la estadistica” descrito en la pagina 206. El equipo empaquetador que llena las cajas con 368 gramas de cereal esté programado de manera tal que la cantidad de cereal introducido en una ca~ ja tenga una distribucién normal, con una media de 368 gramos. A partir de la experiencia, se deter- ‘in6 que la desviacién estindar poblacional de este proceso de llenado es de 15 gramos. Si se selecciona de manera aleatoria una muestra 25 cajas de las miles que se lenan durante un dia, y se calcula el peso promedio de esta muestra, ,qué tipo de resultado se espera? Por ejemplo, {ree que Ia media muestral puede ser de 368 gramos? {De 200 gramos? {De 365 gramos? ‘La muestra actia como una representacién en miniatura de la poblacién, de tal manera que si Jos valores de la poblacién tienen una distribucién normal, los valores de la muestra deben tener una distribucién aproximadamente normal. De esta forma, sila media poblacional es de 368 gramos, la ‘media muestral tiene buenas posibilidades de acercarse a 368 gramos. {Cémo se determina la probabilidad de que una muestra de 25 cajas tenga una media inferior @ 365 gramos? A partir dela distribucién normal (seccién 6.2) usted sabe que puede encontrar el érea debajo de cualquier valor X al convertir a unidades estandarizadas Z. En los ejemplos de Ia seecién 62, se estudié eudnto dfiere de Ia media cualquier valor sencilo X. ‘Ahora, ene ejemplo de leno de ejas de cereal, el valor implicado es una media muestal Xy us- ted quiee determina la probabildad de que una media muestrl sea inferior a 365. De esta manera, al sustur-X por X, Ig por iy 0 por 6, define el valor Z apropiado en Ia ecuacin (7. CALCULO DE Z PARA LA DISTRIBUCION MUESTRAL DE LA MEDIA El valor Zes igual a la diferencia que existe entre la media muestral X y la media poblacional pi, dividida por el error estindar de la media og. z-2zbe Fn (4) oo Wn Para encontrar el érea que se encuentra debajo de 365 gramos, a partir de la ecuacién (7.4), Emmy _ 365-368-3169 or 25 En la tabla E.2 el érea correspondiente a Z= 1.00 es 0.1587, Por lo tanto, el 15.87% de todas las _muestras posibles con un tamafio de 25 tienen una media muestral inferior a 365 gramos. Esta afirmacién no es lo mismo que decir que cierto porcentaje individual de las cajas tendré ‘menos de 365 gramos de cereal. Calcule ese porcentaje de la siguiente manera: za X ab _ 5~368 o =~020 is IS En la tabla E.2, el drea correspondiente a Z = ~0.20 es 0.4207. Por lo tanto, cabe esperar que el 42.07% de todas las cajas individuales tengan un contenido inferior a 365 gramos. Al comparar esos resultados, observari que se encuentran muchas mis cajas individuales debajo de los 365 gramos212 CAPITULO 7 Distribuciones muestrales EJEMPLO 7.2 EJEMPLO 7.3 que medias muestrales. Este resultado se explica por el hecho de que cada una de las muestras se compone de 25 valores distintos, algunos pequetios y otros grandes. Al promediar, se diluye la im. portancia de cualquier valor individual, sobre todo cuando el tamafio de la muestra es grande. De es- ta forma, la posibilidad de que la media muestral de 25 cajas esté alejada de la media poblacional es ‘menor que la posibilidad de que lo esté una sola caja. ‘Los ejemplos 7.2 y 7.3 ilustran cémo el uso de distintos tamafios de la muestra influye sobre e808 resultados. EFECTO DEL TAMANO DE LA MUESTRA n EN EL CALCULO DE og {{Cémo se ve afectado el error estindar de la media al sumentar el tamafio de la muestra de 25 a 100, cajas? SOLUCION Sin 100 cajas, al ullizar Ia ecuacién (7.3) de la pagina 209 tenemos: o_ 15 15 or Tos "io ‘Al cuadruplicar el tamaiio de Ia muestra de 25 a 100, se reduce a la mitad el error estindar de la me- dia (de 3 21.5 gramos). Esto prueba que el uso de una muestra mas grande tiene como resultado una menor variabilidad de las medias muestrales entre una muestra y otra. EFECTO DEL TAMANIO DE LA MUESTRA n SOBRE EL AGRUPAMIENTO DE LAS MEDIAS EN LA DISTRIBUCION MUESTRAL Enel ejemplo de lenado de cereal, si se selecciona una muestra de 100 cajas, oul es la probabil dad de que la media muestral sea inferior a 365 gramos? SOLUCION Al utilizar la ecuacién (7.4) de la pagina 211) z- tou sists a ato Vi00 De acuerdo con la tabla E.2, el drea menor que Z = ~2.00 es 0.0228. Por lo tanto el 2.28% de las muestras compuestas por 100 cajas tienen una media inferior a 365 gramos, en comparacién con él 15.87% de las muestras de 25 cajas. [A veces se requiere encontrar el intervalo que abarca una proporcién fija de medias muestrales. Se ‘necesita determinar la distancia arriba y abajo de la media poblacional que abarque un drea especti- cea de la curva normal, Al utilizar la ecuacién (7.4) de la pégina 211, Despejando para X se obtiene la ecuacién (7.5). CALCULO DE X PARA LA DISTRIBUCION MUESTRAL DE LA MEDIA as)EJEMPLO 7.4 7.2: Distribucién muestral de la media 213 Elejemplo 7.4 ilustra el uso de la ecuacién (7.5). DETERMINAR EL INTERVALO QUE ABARCA UNA PROPORCION FIJA DE LAS MEDIAS MUESTRALES En el ejemplo de Ilenado con cereal, encuentre un intervalo alrededor de la media poblacional que abarque el 95% de las medias muestrales a partir de muestras de 25 cajas. SOLUCION Si el 95% de las medias muestrales se encuentra dentro del intervalo, entonces un 5% std fuera de él. Divida el 5% en dos partes iguales de 2.5%. En la tabla E.2, el valor de Z corres- pondiente a un area de 0.0250 en la cola inferior de la curva normal es -1.96, y el valor de Z co- ‘respondiente a un area acumulada de 0.975 (es decir, 0.025 de Ia cola superior de la curva normal) ‘¢8+1.96. El valor menor de X (lamado X;) y el valor superior de X (lamado X;,) se encuentra utili- zando la ecuacién (7.5): Ky, = 368 + (-1.96) 4% = 368 - 5.88 = 362.12 a es 368+ 0.96) 5 = 368 5:88 = 37388 Por lo tanto, el 95% de todas las medias muestrales correspondientes a muestras de 25 cajas se en- cuentra entre 362.12 y 373.88 gramos, Muestreo de poblaciones sin distribucién normal —Teorema del limite central Hasta este punto de la seccién, ha estudiado la distribucién muestral de la media de una poblacién con distribucién normal. Sin embargo, se sabe que en muchos casos la poblacién no tiene una distri- bucién normal o no es realista suponer tal distribucién. Esta situacién se trata mediante un teorema ‘muy importante en estadistica, a saber, el teorema del limite central EL TEOREMA DEL LIMITE CENTRAL El teorema del limite central dispone que cuando el tamafio de la muestra (es decir, el nimero de valores en cada muestra) es lo bastante grande, la distribucién muestral de la media tiene una Two Dice Probability en la establecer el ntimero de tiros por cuenta (ronda). barra de menis de Excel. Este procedimiento genera Para més informacin sobre este simulacro, dé luna hoja de trabajo que contiene una tabla de dic en el botén Help. Cuando termine esta distibuci6n de frecuencia vacia, un histograma y un exploracién, dé clic en Finish. Toor Tones Foos Fins” Sie Geese” News Toor Eons Twoher216 CAPITULO 7 Distribuciones muestales Aprendizaje basico frm] 7-1 Dada una distribueibn normal con jt Geren] o= 10s ge selcciona una ravesta de es a probabilided de que X sex: a, menor que 95? bs esté ene 95 y 97.7 . supere 1022? = 4. Existe un 65% de posiildades de que ¥ esté por encima ide qué valor? franca) 7.2 Dada una distbucién normal con = 50 y= Kern] 5, si se selecciona una muestra de n = 100, ul es Jn probabildad de que X sex: a. menor que 47? b. esté ene 47 y 49.57 ©. supere 51.12 a. Existe un 35% de posbi ide qué valor? lades de que X esté por encima Aplicacién de conceptos 7.3 Indique cual es la distribuci6n muestral para muestras de 25 elementos, en cada una de las tres siguientes poblaciones. ‘a. Vales de vidticos para una universidad durante un aifo aca- démico. , Registros de ausencia (dias de ausencia por aflo) durante 2004 para los empleados de una gran empresa manufactu- ce. Ventas anuales (en galones) de gasolina sin plomo de las ga~ solineras ubicadas en una ciudad particular. 7.4 Los siguientes datos representan el nimero de dias de au- sencia al alo de una poblacién de seis empleados de una em- presa pequetia: 13 6 P9740! ‘a, Suponga que muestrea sin reemplazo, selecciona todas las ‘muestras de n = 2 posibles y construye la distribucién mues- tral de la media. Calcul la media de todas las medias mues- trales y Ia media poblacional. {Cémo se denomina a esta propiedad? ’b, Responds al inciso a) considerando todas las muestras posi- bles con n=3, ‘e. Compare la forma de la distribucién muestral dela media de los incisos a) y 8). ;Cual dstribucién muestral tiene menor variabilidad? {Por qué? 4. Suponga ahora que muestrea con reemplazo, responds a los incisos a) ac) y compare los resultados. {Cuiles distribucio- nes muestrales tienen menor variabilidad, las de a) o las de )? Por qué? arrenon] 7-5 El didmetro de las pelotas de ping-pong fabri- KePrGacs) cadas en una enorme planta tiene una distribucién aproximadamente normal, con una media de 1.30 pulgadas y una desviacién estindar de 0.04 pulgadas. Si usted selecciona una muestra aleatoria de 16 pelotas de ping-pong. ‘a, {Cul es la distribucién muestra de la medi b. {Coal esl probabildad de que a media muestra ses menor Sue 1.28 polgndas? ¢. Cull esa probeblida de que la media muestal se encuen- ‘tre entre 1.31 y 1.33 pulgadas? 4. Exist una probabildad del 60% de que la media mvestal e cencuentre entre cules dos valores sietrcamentedistbui- dos alrededor dela media poblaciona? 7.6 El Departamento de Comercio de Estados Unidos informs aque la medina del precio de una casa nueva vendida en marzo de 2004 fue de $201,400, y la media del preci fue de $260,000 (Michael Schroeder, “"New-Home Sales Increase 8.9%, the Big gest Rise in Nine Months”, The Wall Sret Journal, 7 de sbi 53004, A15). Supongn que la desviacién estindar de los precios os de $90,000. 4 Si toma muesras de = 2, deseriba la forma de la distbu- cién muestra de X. ». Sitoma muestra de = 100, describ la forma de la dist- bucién muestra de toma una muestra alestoria de n = 100, jeu sla proba bildad de que la media muestra sea menor que $250,000? [kssrencu) 7-7 El tiempo dedicado al uso del correo electrénico |sePGrde) por sesidn tiene una distribucién normal, con & tnimufos y= 2 minutos. Si se selecciona una rues- tru aleuoria de 25 sesiones. a {Cuil es a probabilidad de que la media muestra se encuen- tre entre 7.8 y 8.2 minutos? b. {Cuil esa probabilidad de que la media muestral se encuen- tre entre 7.5 y 8 minatos? ¢ Si seleciona una ruestaalestoria de 100 sesions, eu es Ia probebilidad de que la media mucstral se encuentre entre 78 y 82 minutos? d, Explique la diferencia en los resultados de los incisos a) y c). [asisTENci Auto| 7-8 La cantidad de tiempo que un cajero [Serees| [Yeon de banco dedica a cada cliente tiene uns ‘media poblacional de i = 3.10 minutos yuna desviacién estindar de o = 0.40 minutos. Si se eleciont dina muestra alatoria de 16 clientes. ‘2. {Cuil sla probabiidad de que el tiempo medio dedicado« Gada cliente ea al menos de 3 minutos? b. gExisteun 85% de posblidades de que I media muestra ncuentre por debajo de euints minutos? ‘e. {Qué suposicién debe hacerse para resolver los incisos 4) yor 4. Sislecciona una muestra alestoria de 64 clientes, existe wt 85% de posibiidades de que la media muestra se encuentt debajo ide cudnts minutos? 7.9 EL New York Times reports (Laure J. Flynn, “Tax Surfing", The New York Times, 25 de marzo, 2002, C10) que el tiemp? ‘medio necesario para descargar Ia pégina inicial del sitio Web del Servicio de Recaudacion Interna estadounidense wwwirs gov fue de 0.8 segundos. Suponga que el tiempo de descara® tiene una distribuci6n normal con una desviacién estindar d€ (0.2 segundos. Si se selecciona una muestra aleatoria de 30 tet pos de descarga,, {Cuil es la probabilidad de que la media muestral sea menor (que 0.75 segundos? b. {Cuil es la probabilidad de que la media muestral se encuen- tre entre 0.70 y 0.90 segundos? «. La probabilidad de que la media muestral se encuentre entre os valores simétricamente distribuidos alrededor de la me- dia poblacional es del 80%, {Cuéles son esos dos valores? 4, Existe un 90% de probabilidades de que la media muestral sea menor {de qué valor? 7.40 Enel articulo descrito en el problema 7.9, también se in- formaba que el tiempo medio de descarga del sitio Web de HER Block www.hrblock.com fue de 2.5 segundos. Suponga que el 73: Distribuciones nmestrales de uns proporcién 217 tiempo de descarga de este sitio Web tuvo una distribucién nor- ‘mal, con una desviacién estindar de 0.5 segundos. Si se selec- ciona una muestra aleatoria de 30 tiempos de descarga a. {Cuil es la probabilidad de que la media muestral sea menor ‘que 2.75 segundos? 'b. {Cual es la probabilidad de que la media muestral se encuen- {te entre 2.70 y 2,90 segundos? e. Hay una probabilidad del 80% de que la media muestral se encuentre entre dos valores simétricamente distribuidos alre- dedor de la media poblacional. ;Cudles son esos valores? 4. Existe un 90% de probabilidades de que la media muestral sea menor .de qué valor? 7.3 DISTRIBUCIONES MUESTRALES DE UNA PROPORCION Considere una variable categérica que cuenta sélo con dos clasificaciones: el cliente prefiere su ‘marca o el cliente prefiere la marca de la competencia, Lo que resulta de interés es Ia proporcién de clementos que forman parte de una de las categorias; por ejemplo, la proporcién de clientes que pre- fieren su marca. La proporeién de la poblacién, que se representa por medio de res la relacién de elementos en toda la poblacién que cuentan con la caracterstica de interés. La proporcién muestral, que se representa por medio de p, es la relacién de elementos en la muestra que presentan la carac- teristic de interés. La proporcién muestral es un estadisico que se utiliza para estimar la proporcién ppoblacional, un parmetro. Pera calcular Ia proporcién muestral, se asignan calificaciones de 1 00 a Jos das resultados posibles, con el fin de representar la presencia 0 ausencia de la caracteristica, LLuego, se suman todas las calificaciones de 1 y 0, y el resultado se divide por el tamafo de la mues- tra, n, Por ejemplo, sien una muestra de cinco clientes, tres prefirieron su marca y dos no, hay tres 1 yy dos 0. Al surat Ios tres 1 y los dos 0, y dividirlos por 5 (el tamaflo de la muestra), se obtiene una roporcién muestral de 0.60, PROPORCION MUESTRAL _X._ndmero de elementos con la caracteristca de interés a4 n ‘tamafio de la muestra co) La proporcién muestral p asume valores entre 0 y 1. Si todos los individuos cuentan con la ca- racteristica, se asigna a cada uno un valor de | y pes igual a 1. Sila mitad de individuos cuentan con Ia caracterstica,asigne un valor de 1 a una mitad y de 0 ala otra mitad, y pes igual a 0.5. Si ningu- 1no de ls individuos posee la caracteristica, asigne a cada uno una calificacién de 0, yp es igual a0. ‘Mientras la media muestral X es un estimador parcial de la media poblacional p, el estadistico pes un estimador parcial de Ia proporcién poblacional r. Por analogia con la distribucién muestral de la media, el error estindar para Ia proporcién G, se da en la ecuacién (7.7) ERROR ESTANDAR PARA LA PROPORCION an Si usted selecciona todas las muestras posibles de cierto tamatio, la distribucién de todas las pro- porciones muestrales posibles se denomina distribucién muestral de la proporcién. Al realizar _muestras con reemplazo de una poblacién finite, la distribucién muestral de la proporcién sigue la distribucién binomial, como se analiz6 en la seccién 5.2, Sin embargo, puede utilizar la distribucién218 CAPITULO Distribuciones muestales normal para aproximar la dstribucién binomial cuando mx y n(1 ~ x) son cada uno de por lo menos 5. En la mayoria de los casos en los que se realizan inferencis con respecto ala proporciGn, elt. tmafio de la muestra es lo bastante sustancial como para satisfacer las condiciones necesarias para utilizar Ia aproximaciéa normal (vea la referencia 1). Por eso, en muchos casos, se utiliza Ia dst. ‘bucién normal para estimar la distribucion muestral de la proporcién. Sustituyendo p por X, x por. FU=®) por Zen la ecuacién (74) dela pigina 211, resulta la ecuaciéa (7.8). DIFERENCIA ENTRE LA PROPORCION MUESTRAL Y LA PROPORCION POBLACIONAL EN UNIDADES NORMALES ESTANDARIZADAS za bt E mina) 78) Para ilustras la distribucién muestra de la proporcién, supongs que el gerente de la sucursallo- cal de un banco determina que e1 40% de todos los clientes tienen varias cuentas en el banco. Sise selecciona una muestra aleatoria de 200 clientes, la probabilidad de que la proporcién muestral de clientes con varias cuentas sea menor que 0.30 se calcula como sigue. Puesto que mm = 200(0.40) = 80 = 5 y n(1 ~ m)= 200(0.60) = 120 = 5, el tamatfio de la muest tiene la magnitud suficiente como para suponer que la distribucién muestra de la proporcién tiene una distribucién aproximadamente normal. Utilizando la ecuacién (7.8), p-® Ze fram) 030-040 _ 0.10 _ -0.10 Toaox060) fore ~ 00346 1 g =-289 ‘Alemplear la tabla E.2, se observa que el érea que queda bajo la curva normal menor que 2= 2.89 es 0.0019. Por lo tanto, la probabilidad de que Ia proporcién muestral sea menor que 0.30 es 0.0019, algo muy poco probable, Esto significa que si la proporcién real de éxitos en la poblacisa 8 0.40, se espera que menos de la quinta parte del 1% de las muestras de n= 200 tenga proporcic- nes muestrales menores que 0:30. Aprendizaje basico 4 nsurnre a poprsin mesa de fines con lr », Encuentre el erorestindar para la proporcin. 7.43 Los siguientes datos representan las respuestas (¥ pares! y N para no) obtenidas de una muestra de 40 universitarios 4 8 pregunta: “;Tiene usted actualmente acciones burstiles & cualquie tipo?” aoe en NNYNNYNYNYNNYNYYNNNY [eset 2: aas pn parcperco we eecsa wlefinin ka. NYNNNNYNNYYNNNYNNYNN pregunta clave que se les planteé fue: “;Tiene usted 0 Si la proporcién poblacional es 0.30. agin miembro de su familia un teléfono celular con mensajes dea, Encuentre la proporeién muestra p de estudiantes unives+ texto?” De las 50 participantes, 15 respondieron que sy 35 di tarios que poscen acciones bursitis. ron que no. Sila proporcin de poblacin es de 0.40. ’, Encuente el error estindar para la proporcin. (rsevexea] 7-11 En una muestra aleatoria de 64 personas, 48, ldePiGads| de ellas se clasifican como “exitosas”. Si la propor- ccién poblacional es 0.70. 1, Determine la proporcién muestral p de personas “exitosss”. . Determine el error estindar para la proporcién. FAplicacién de conceptos sen] [mT] 7-14 Una persona que raliza encuestas [Stone] [Verses] poltcasefectia un aniisis de resultados muestrales, con objeto de acer pronésti- cos sobre la noche de laelecién. Suponiendo que se tata de tna elecién en la que s6lo partcipan dos candidatos, si en la muestra uno de ellos rcibe el $5% de los votos,entonces se pronostca que seri el ganador de Ia eleccién, Si se seleciona tna mvestaaleatoria de 100 voantes, determine cud es la pro- tatiliéad de que se pronostique un candidato como ganador cuando 2. El porcentaje real de sus voto es del 50.1%. b. El porcentaje real de sus votos es dl 60% ¢. El porcentaje real de sus votos es del 49% (y en realidad per- era la eleccién). 4. Sise aumenta el tamaio dela muestra 400, zeudes sean sus tespuestas a los incisos a), 5) y c)? Analicelo. Fae 7.15, Ut neg cx dm (hrowi| keting en el que los estudiantes deben probar una die dos marcas de bebidas gaseoss dstnas. Su Ia- tor consist en identificarcorectamentecudl es la marca que proberon. Usted selecciona una muesiraalatora de 200 estu- Giantesy supone que no cventan con fecultades para distinguir entre ambas marcas. (Nota: Si un individuo carece de faculta- des para distinguir entre los dos bebidas gascosas, entonces tmbas mareas tienen las mismas probabilidades de resulta s- leecionadas.) 4 {Cuil es la probablidad de que la muestra obtenga entre 50 160% de idetificaciones correctas? ». Hay una probabilidad del 90% de qu el pocentae muestral se encuentre dentro de {cudles limites simétricos del porcen- ‘ae poblacional? 6 {Cuil es la probabildad de que el porcentaje muestral de identificaciones correctas sea mayor del 65%? 4. {Qué es mis probable que ocura: mis del 60% de identif- faciones corectas en la muestra de 200, 0 més del 55% de identificaciones eorectas en una muestra de 1,000? Expli- sue por qué. 7.46 Cetalys, una empresa neoyorqua dedicada al investi- seid, realizé un estudio sobre las mujeres que ocupan cargos importantes en ambientescorporativos, El estudio concluyé gue poco mis del 15% de los funcionarios corporatvos de las empresas que forman pate de la lista Fortune $00 son mujeres (Carol Hymowitz, “Women Put Noses to the Grindstone, and Miss Opportunities”, The Wall Street Journal, 3 de febrero, 2004, BI). Suponga que se selecciona una muestra aleatoria de 200 funcionarios corporativos, y que la proporcién real de mu- Jrveses de 0.15. ‘Cull es Ia probabitidad de que en esta muestra menos del 1, [Sth4e los funcionarios corporativos sean mujeres? «Cuil es la probabilidad de que en esta muestra entre el 13 y €117% de los fancionarios comporativos sean mujeres? {Cua es la probabilidad de queen esta muestra entre el 10 y £1 20% de los fancionaris corporativos sean mujeres? Si se hubiese seleccionado una muestra de 100 sujetos, ,c6- ‘to cambiaran sus respuesas de los incisos a) ac)? 747 Bl Friends de la NBC fue el especticulo mis po- Pular de TiVo durante la semana del 18 al 24 de abril de 2004, 7.3: Distribuciones muestrales de una proporcién 219 De acuerdo con el indice Nielsen, el 29.7% de los propitarios de un sistema TiVo en Estados Unidos grabaron o presenciaron en vivo ese programa (“Prime-time Nielsen Ratings”, USA To- day, 28 de abril, 2004, 3D). Suponga que usted seleccions una muestra aleatoria de 50 suscriptores del sistema TiVo. ‘8 {Cuil es la probabilided de que més de la mitad de las perso- nas de la muestra hayan visto 0 grabado Friends? b. {Cuil es la probabilidad de que menos del 25% de as perso- nas dela muestra hayan visto o grabado Friends? € Si-se hubiera seleccionado una muestra de 500 individuos, {e6mo cambiarian sus respuestas de los incisos a) y 6)? 7.18 Millones de estadounidenses orgenizan sus planes de viaje por Internet. De acuerdo con un articulo publicado en USA Today, €1 77% de los viajeros compran boletos de avién ‘pot Intemet (“Travelers Head Online”, US4 Today Snapshots, 22 de julio, 2003, A). Si usted selecciona una muestra aleato- ia de 200 viajeros: 1. {Cual es la probabilidad de que la muestra contenga entre 15,y el 80% de viajeros con boleto comprado en Internet? Hay una probabilidad del 90% de que el porcentaje muestral se encuentre zdentro de cudles limites simétricos del porcen- taje poblacional? . Hay una probabilidad del 95% de que el porventaje muestral se encuentre jdentro de cules limites simétricos del porcen- taje poblacional? 7.49 De acuerdo con la Asociacién Nacional de Restaurantes de los Estados Unidos, el 20% de los restaurantes més elegantes han establecido politicas que restringen el uso de teléfonos celulares (“Business Bulle- tin”, The Wall Street Journal, 1 de junio, 2000, Al). Si usted se- Jecciona una muestra aleatoria de 100 de los restaurantes mas clegantes: ‘a, {Cuil es la probabilidad de que la muestra contenga entre el 15 y el 25% de los que han establecido politcas que restrin- gen el uso de teléfonos celulares? Hay una probabilidad del 90% de que el porcentaje muestral se encuentre jdentro de cudles limites simétricos del porcen- taje poblacional? ¢. Hay una probabilidad del 95% de que el porcentaje muestral se encuentre {dentro de cudles limites simétricos del porcen- taje poblacional? 7,20 Un articulo (P. Kitchen, “Retirement Plan: To Keep Wor- king”, Newsday, 24 de septiembre, 2003) analiza los planes de Jjubilacion para los estadounidenses con edades de $0 a 70 afios {ue fueron empleados de tiempo completo o parcial. De los entrevistados, el 29% dijeron que no pensaron trabajar para ob- tener un salario, Si usted selecciona una muestra aleatoria de 400 estadounidenses con edades de 50 a 70 aflos que fueron ‘empleados de tiempo completo 0 parcial ‘a, {Cuil es Ia probabilidad de que la muestra contengs entre el 25 y el 30% de los que no pensaron en trabajar para obtener un selario? . Siuna muestra actual de 400 estadounidenses con edades de '50 a 70 atios que fueron empleados de tiempo completo 0 parcial contiene un 35% de los que no pensaron en traba- Jar para obtener un selario, ,qué se infiere sobre la estima- ‘ciéa poblacional del 29%? Explique su respuesta. psirene [a Pace)220 CAPITULO 7 Distribuciones muestales . Siuna muestra actual de 100 estadounidenses con edades de '50 a 70 aflos que fueron empleados de tiempo completo 0 parcial contiene un 35% de los que no pensaron en trabajar para obtener un salario, ;qué se infiere sobre la estimacién poblacional del 29%? Explique su respuesta, 4. Explique las diferencias de los resultados de b) y c). 7.21 El Servicio de Recaudacién Interna de Estados Unidos (RS por sus siglas en inglés) suspendié las auditorias alesto- rias en 1988, En su lugar, instituy6 auditorias sobre los rendi- ‘mientos que su DFS (siglas en inglés para Sistema de Funcién Discriminante), un complejo sistema computarizado y muy ‘confidencial de andlsis, consideré cuestionables. La intencién es reducir la proporcién de auditorias “sin cambio” (es decir, auditorias que descubren que no se adeudan impuestos adicio- rales), el IRS s6lo audita los rendimientos que el DFS califica ‘como muy cuestionables. La proporcién de autorias “sin cam- ‘bio” ha aumentado con los aflos, y en la actualidad es de apro- 7.4 imadamente 0.25 (Tom Herman, “Unhappy Retums: IRS Mo- ves to Bring Back Random Avdits", The Wall Sreet Journal, 20 4e junio, 2002, Al). Suponga que se selecciona una muestra aleatoia de 100 auditorias. {Cull es la probabilided de que la muestra tenga entre 24 26% de auitorias sin cambio? entre 20 y 30% de auitorias sin cambio? ‘& més de 30% de auditorias sin cambio? 7.22 El ms anuncié que planea reanudar las auitoras total- ‘mente aleatorias el préximo aflo. Suponga que usted selecciona una muestra aleatoria de 200 auditors totalmente aleatoras, y ‘que sélo el 10% de todos los rendimientos archivados tienen ‘como resultado auditorias que indican el pago de impuestos jonales. {Cul es la probabilidad de que la muestra tenga ‘a, entre el 89 y el 91% de auditorias sin cambio? b. entre el 85 y el 95% de auditorias sin cambio? c. més del 95% de auditorias sin cambio? TIPOS DE METODOS DE MUESTREO PARA ENCUESTAS FIGURA 7.5 Tipos de muestras. En la seccién 1.1, se definié la muestra como la parte de la poblacién que se selecciona para realizar cl andlisis. En lugar de realizar un censo completo de toda la poblacién, os procedimientos de mues- treo estadistico se concentran en seleccionar un pequefio grupo representativo de la poblacién, Los resultados de la muestra se utilizan para estimar las caracteristicas de toda la poblacién, Las tres ra- zones principales para extraer una muestra son: ‘Una muestra requiere que se le dedique menos tiempo que un censo. Es menos costoso administrar una muestra que un censo. ‘Una muestra es menos molesta y mis prictica de administrar que un censo. in del marco, El marco es una lista de los ele- El proceso de muestreo comienza por la defini ‘mentos que constituyen la poblacién. Los marcos son fuentes de datos, como lista, directorios © ‘mapas de la poblacién. Las muestras se extraen de esos marcos. Silos marcos excluyen algunos gru- pos de la poblacién, los resultados serin inexactos o sesgados. El uso de marcos diferentes para ge- nerar los datos podria conducir a conclusiones opuestas.. Una vez seleceionado el marco, se extrae Ia muestra. Existen dos clases de muestras, que se ilustran en la figura 7.5: las muestras probsbilisticas y las no probabilisticas. Tipos de muestras utiizedas ‘Muestras no probabilisticas Muestres probabilsticas Musstra Muestra de Muostra Muest dojuiclo asignacion de _conveniencia segment sisterética Muestra conglomerados estratifcada En una muestra no probabilistica, usted selecciona los elementos oindividuos sin conocer 5% ‘probabilidades de selecciGn, De tal manera, la teoria desarrollada para el muestreo probabilistico ° r7.4: Tipos de métodos de mvestreo para encuestas 221 se aplica a las muestras no probabilisticas. Un tipo de muestreo no probabilistico es el muestreo de ‘conveniencia, en el que los elementos de la muestra se seleccionan s6lo con base en el hecho de que son ficiles, econémicos o convenientes de muestrear. En algunos casos, los participantes se autoeli= gen. Por ejemplo, muchas empresas realizan encuestas colocéndolas en su pagina de Internet y brin- dando la oportunidad a los visitantes de llenar los formatos y enviarlos por la via electrénica. Las respuestas a estas encuestas ofrecen una gran cantidad de datos répidamente, pero la muestra se ‘compone de usuarios de Internet autoseleccionados. Para muchos estudios, sdlo se dispone de una ‘muestra no probabilistic como lo es una muestra de jucio disponible, En una muestra de juicio us- ted recopils las opiniones de expertos en el tema, seleccionados previamente, Otros provedimientos comunes de muestreo no probabilistico som el muestreo de asignacién y el de segmento. Estas clases de muestreo se analizan de manera mis detallada en libros especislizados en métodos de muestreo (vea la referencia 1). ‘Las muestras no probabilistcas tienen ciertas ventajas como conveniencia, rapidez y menor costo. Sin embargo, su falta de exactitud por el sesgo de la seleccidn y la falta de capacidad de gene- ralizacién de los resultados opacan estas Ventajas. Por esa razén, el uso de los métodos de muestreo ‘no probabilisticos se debe limitar a situaciones en las que se desea obtener aproximaciones flexibles de bajo costo, con el fin de satisfacer la curiosidad sobre algiin aspecto en particular oa estudios de ‘baja escala que preceden a investigaciones més rigurosas. En una muestra probabilistica, seleccione los elementos con base en probabilidades conoci- das. Siempre que sea posible, debe utilizar métodos de muestreo probabilisicos. Las muestras ba- sadas en estos métodos permiten claborar inferencias sin sesgo acerca de la poblacién de interés. En la préctica, resulta complicado extraer una muestra probabilistca. No obstante, debe tratar de conse- uir una muestra probabilistica y de reconocer todos los sesgos potenciales que pudieran existr. Los cuatro tipos de muestras probabilisticas de uso mas comin son: la aleatoria simple, la sistemética, la estratificada y la de conglomerados. Estos métodos de muestreo varian entre si en su costo, exacti- tud y complejidad. Muestra aleatoria simple En una muestra aleatoria simple, todos los elementos dentro del marco tienen las mismas posibili- dades de seleccién que cualquier otro. Ademés, cada muestra de un tamafo fijo tiene las mismas po- sibilidades de seleccién que cualquier otra muestra de! mismo tamafio, El muestreo aleatorio simple ¢ la téenica de muestreo aleatorio mas bisica y conforma la base de todas las demés tenicas de muestreo aleatorio, En el muestreo aleatorio simple, lan se uiliza para representar al tamaflo de la muestra y la N para representar el tamafio del marco. Los elementos del marco se le numeran del | a N. La posibi- lided de seleccionar cualquier miembro especifico del marco en la primera extraccién es 1/N. Las muestras se seleccionan con reemplazo o sin reemplazo. El muestreo con reemplazo impli- ‘ca que, tras seleccionar un elemento, lo devuelve al marco, donde tiene la misma probabilidad de esul- tar seleccionado de nuevo. Imagine que tiene una urna con V tarjetas de presentacién. En la primera seleccién, elige la tarjeta de Judith Campos. Usted anota en su registro la informacién convenient y * lo menos 4.60 onzas? , Hay una probabilidad del 70% de que la media muestra s# cencuentre entre dos valores simétricamente distrbuidos # rededor de la media poblacional.;Cudles son esos valores” . Existe un 77% de probabilidad de que la media muestra * 1 por encima de jeu valor?7.83 DiGiorno’s tiene en la televisién algunos de los comer- ciales més creativos y agradables de pizzas congeladas. La seo- «in revisora de publicidad del US4 Today asegura que al 20% de los espectadores les gustan “mucho” los anuncios (Theresa Howard, “DiGiormo Campaign Delivers Major Sales”, www. usatoday.com, 1 de abril, 2002). Suponga que los anuncios se exponen a una muestra de 400 espectadores de televisién. {Cuil es la probabilidad de que la muestra tenga entre 18 y 22% de personas a quienes los anuncios les gustan acho"? 1, 16 y 24% de personas 2 quienes los anuncios les gustan “mucho” . My 26% de personas a quienes los anuncios les gustan “mucho 4. 12 y 28% de personas a quienes los anuncios les gustan “mucho”? ‘7.54 Los fondos de inversién reportaron ganancias moderadas Anili- sis de datos. En Ia lista que aparece en la ventana de didlogo Ané- lisis de datos, seleccione Generacién de niimero aleatorio y dé clic en OK. En el cundro de didlogo Generador de Nimero Alea- tori (vee la figura A7.1,introduzea el nimero de muestras como ‘el Néimero de variables y el tamatio dela muestra de cada mues- ‘ra como la Cantidad de niimeros aleatorios. Seleccione el tipo de distribucién en el meni desplegable Distribucion y realice las ‘entradas necesarias en el rea Pardmetros (ls pardmetros varian de acuerdo con Ia distibucién seleccionada). Seleccione el botén. con la opcién Crear nueva hoja y dé clic en el botén OK. En la figura A7.1 se muestran las entradas para generar 100 muestras de n= 30 a partir de una poblacién con distribucién uni- forme. FIGURA A7.1. Ventana de dislogo generador de niimeros aleatorios para andlisis de datos. (0 Vea la seccién G.10 (Simulaci6n de distribucién mues- tral) si desea que PHStat2 genere una versién mejorada de esta hoja, A7.2_ MINITAB Para desasrollar una simulacién de la distribucién muestra de Ja media a partir de una poblacién con distribucién uniforme con 100 muestras de n = 30, seleccione Cale ~> Random Data Uniform. En la ventana de dislogo Uniform Distribution (vea la figura A7.2): 1, Introduzca 100 en el cuadro Generate rows of data (Gene- rar filas de datos. 2, Introduzea C1-C30 en el cuadro de edicién Store in co- luma(s), 3. Introduzca 0.0 en el cuadro de edicién Lower endpoint y 1.0 en el Upper endpoint Dé clic en el botén OK. FIGURA A7.2 Ventana de didlogo Uniform Distribution de Minitab. Ahora se introducen 100 filas de valores en las columnss C1-C30. Para calcular los estadisticos de fila para cada uss d¢ las 100 muestras, seloccione Cale > Row Statistics, y les la ventana de didlogo Row Statistics (vea la figura A7.3): 1, Seleccione el botén Mean. 2 Introduzca C1-C30 en el cusdro de edicién Input varie bles, Introduzca C31 en el cuadro de edicién Store result in, Dé clic enel botdn OK. La media de cada una de las 100 muestras se guarda en Ia co lumia C31. Para calcular los estadisticos del conjunto de 100 ‘medias muestrales, seleccione Stat -> Basic Statistics -» Di play Descriptive Statistics. Introduzca C31 en el cuadro 6 in Variables, Dé clic en el bot6n OK.FIGURA A7.3 Ventana de didlogo Row Statistics de Minitab. Apéndice 235 Para generar un histograma de las 100 medias muestrales, seleccione Graph -> Histogram y haga lo siguiente: 1. En la ventana de dislogo Histograms, seleccione Simple. Dé clic en el botén OK. 2, En la ventana de didlogo Histogram-Simple, introduzca C31 en el cuadro Graph variables. Dé clic en el botdn OK. Para desarrollar una simulacién de Ia distribucién muestral de Ia media para una poblacién normal, seleccione Cale “> Ran- dom Data -> Normal. Introduzca el valor de 6 en el cuadro ‘Mean y para yen el cuadro de edicién Standard deviation. Si- ga el resto de las instrucciones indicadas para la poblacién uniforme.