UNIVERSIDAD ESTATAL DE MILAGRO

Facultad de Ciencias Comerciales y

Administrativas

ESTADÍSTICA INFERENCIAL
ING. OMAR YAGUAL MUÑOZ, MSC

DIANA MARIBEL GUASHPA CAYAMBE

CURSO: 3CPA-A2

PERIODO LECTIVO:
OCTUBRE 2017 – MARZO 2018
MILAGRO – ECUADOR
 INTRODUCCIÓN

Con el transcurso del tiempo el número de habitantes de una población sea a multiplicado al

doble o un triple, es decir, que ha incrementado la población , por esta razón es debe tomar

en cuenta a la muestra para realizar algún estudio, tomando en cuenta que es muy importante

que esas muestra sea seleccionada de manera aleatoria y debe ser representativa, para de esta

asegurar los resultados del ejercicio, ya que al tomar un valor representativo de la población

sería más factible y manejable para el usuario que está siendo partícipe de dicho estudio.

La estadística inferencial forma parte fundamental del desarrollo de un proyecto al

momento de llevarse a cabo un análisis estadístico, es esencial para el estudio de la población

porque es aquel que comprende los métodos y procedimientos que por medio de la inducción

determina propiedades de una población estadística, a partir de una parte de esta.

Sin embargo es importante tener presente que el estudio estadístico depende mucho de la

población, de tal manera que no es posible obtener distintas muestras de tamaño n, ya que

cada muestra puede contar con una media diferente e inclusive es posible obtener una

distribución completa de medias diferentes para posibles muestras.

El error estándar es un factor que siempre debe ser tomado en cuenta al momento de la

ejecución de un proyecto, ya que un erro este tipo sería perjudicial para el proyecto y por

ende todo el trabajo realizado no serviría de nada, toda inferencia debe ser realizada de

manea consiente y con el debido cuidado ya que los resultados que proyecten servirán de

base para la toma de decisiones independientemente del área.

 REALIZAR LOS SIGUIENTES EJERCICIOS

1. Defina los siguientes términos en su propio lenguaje. Dé ejemplos de cada uno.

DISTRIBUCIÓN MUESTRAL

Es una distribución de Probabilidad de una estadística muestral calculada a partir de todas

las muestras posibles de tamaño "n" elegidas al azar de una población determinada.

Ejemplo:

En la inspección por muestreo de lotes de componentes importadas para un ensamblaje,

se mide la longitud de cada componente. S e sabe que la porducción tiene distribución

normal con media 20 cm y desviación estándar de 1,5 cm. Se toma una muestra aleatoria

de tamaño 25. Si la media muestral es menor que 20 cm. No se compra el lote y si es

mayor que 20 se compra, pagando sobre el precio base una cantidad adicional C- 1000

( 𝑋 – 20) 2 nuevos soles. Cuál es la probabilidad de que la cantidad a pagar sea menor

que S./ 75?.

Solución:

Sea X la longitus de cada componente ( cm ).

b. Media de las medias

Es aquella obtenida a través de la media ponderada.

Ejemplo:

Cuando estamos haciendo un estudio sobre una población, por ejemplo, la satisfacción de los

usuarios del metro de Sevilla valorados en una puntación entera de 0 a 100, lo que solemos

hacer es escoger una muestra de 30 personas, por ejemplo, y reducir el estudio a esa muestra.

c. Varianza y error estándar de la distribución

El error estándar es la desviación estándar de la distribución muestral de un estadístico.

También a una estimación de la desviación estándar, derivada de una muestra particular

usada para computar la estimación.

Ejemplo:

2. Una población de las producciones semanales de una fábrica en miles de toneladas

es 200, 250, 150,200 y 300. Realice una distribución muestral y calcule la media de

las medias y el error estándar para las muestras de tamaño n=2.

µ= (200 + 150 +250 + 200 + 300) / 5

µ=220 E(X) = µ=220

σ = √ ((400 + 900 + 4900 + 400 + 6400) / 5)

σ = √2600

σ = 50.99

Σx= σ / √n * √ ((N-n) / (N-1))

Σx= 50.99 / √2 * √0.75

Σx= 31.32

3. ¿Qué pasará con el error estándar del ejercicio anterior si n = 3? ¿Por qué hay

diferencia?

Σx= σ / √n * √ ((N-n) / (N-1))

Σx= 50.99 / √3 * √0.75

Σx= 25.49 el error estándar disminuyo, al aumentar la población.

4. Las muestras de n = 40 se toman de una población grande con una media de 100 y

una desviación estándar de 25.

Calcule e interprete el error estándar.

Σx= σ / √n

σx= 25/ √40

Σx= 3.80 El error estándar es de 3.80 5.

5. Repita el ejercicio anterior con n: 100. Discuta la diferencia.

Σx= σ / √n

σx= 25/√100
El error estándar es de 2.5, lo que explica una
Σx=2.5 disminución al aumentar el número de la
población.

6. Explique el teorema del límite central en sus propias palabras.

Indica que, en condiciones muy generales, si Sn es la suma de n variables aleatorias

independientes, entonces la función de distribución de Sn «se aproxima bien» a una

distribución normal. Así pues, el teorema asegura que esto ocurre cuando la suma de estas

variables aleatorias e independientes es lo suficientemente grande.

7. ¿Qué se entiende por desviación estándar de la población y por error estándar de la

distribución muestral de las medias muestrales? ¿Cómo se relacionan y cómo se

diferencian en cuanto a tamaño? Dibuje las gráficas en su respuesta.

La desviación estándar es un índice numérico de la dispersión de un conjunto de datos (o

población). Mientras mayor es la desviación estándar, mayor es la dispersión de la población.

La desviación estándar es un promedio de las desviaciones individuales de cada observación

con respecto a la media de una distribución. Error estándar de la proporción muestral: Es la

desviación estándar de las posibles proporciones muestrales y mide la dispersión de la

proporción muestral. Error estándar.

8. ¿Qué pasa con el error estándar a medida que el tamaño de la muestra aumenta?

Dibuje las gráficas para ilustrar.

Cuando el tamaño de la muestra aumenta, el error estándar también va incrementándose.

9. La población de millas recorridas por camioneros de Over the Road Van Lines presenta
una media de 8, 500, con una desviación estándar de 1,950. Si se toma una muestra de n

= 100 conductores, cuál es la probabilidad de que la media sea:

a. ¿Mayor que 8,9OO?

b. P(X>8900)

c. P (Z)= 8900-8500/(1950/raíz de 100)=2.0512

d. De tablas=0.020

e. P (Z>0.02)= 0.020

b. ¿Menor que 8,000? P (Z)=-0.2564

De tablas: 0.00523

P (Z<8000)=0.00523

c. ¿Entre8, 200y 8,7oo?

P (8200<=X<=8700)= P (-1.538<=Z<=1.025)

= teta (1.025) - teta de (-1.538)

De tablas= (1-0.1538)-0.0630= 0.7832

d. ¿Entre8, 100Y8, 4oo?

En Excel nordista (8400 acum)-normdist (8100, acum.)

= 0.283919

10. Las latas de gaseosa vendidas en Minute Mart tienen un promedio de 16.1 onzas, con

una desviación estándar de 1.2 onzas. Si se toma una muestra de n =200, cuál es la

probabilidad de que la media sea:

a. ¿Menor que 16.27?

Σx = 1.2 / √200 Σx = 0.085 Z= (16.27 – 16.1) / 0.085 Z=2

P (µ< X < 16.27) = 0.4772

P(X < 16.27) = 0.4772 + 0.5 = 0.9772 97.72%

b. ¿Por lo menos 15.93?

Z= (15.93 -16.1) / 0.085 Z=-2

P (µ > X > 15.93) = 0.4772

P(X > 15.93) = 0.4772 + 0.5 = 0.9772 97.72%

c. ¿Entre 15.9y 16.3?

Z1 = (15.9 – 16.1) / 0.085

Z2= (16.3 – 16.1) / 0.085

Z1 = -2.35 Z2= 2.35

P (µ < X < 16.3) = 0.4906

P (µ > X > 15.9) = 0.4906

P (15.9 < X < 16.3) = 0.9812 98.12%

11. Una encuesta realizada por la Asociación Nacional de Educación reveló que los

estudiantes de último año de secundaria ven televisión un promedio de 37.2 horas por

semana. Se asume una desviación estándar de 5.4 horas. En una muestra de n =500

estudiantes, qué tan probable es que la media muestral sea:

a. ¿Más de 38 horas?

P (Z)= 8900-8500/(1950/raíz de 100)=2.0512

b. ¿Menos de 36.6 horas? P (µ < X < 16.3) = 0.4906 P (µ > X > 15.9) = 0.4906

P (15.9 < X < 16.3) = 0.9812 = 98.12% f. ¿Entre 36.4 y 37.9 horas?

c. P (µ< X < 16.27) = 0.4772

d. P(X < 16.27) = 0.4772 + 0.5 = 0.9772 97.72%

12. El consumo diario de agua en Dry Hole, Texas, promedia los 18.9 galones por

hogar, con una desviación estándar de 3.6 galones. El comisionado de la ciudad desea

estimar esta media no conocida con una muestra de 100 hogares. ¿Qué tan probable

es que el error de muestreo exceda los 0.5 galones?

Z1 = (15.9 – 16.1) / 0.085

Z2= (16.3 – 16.1) / 0.085

Z1 = -2.35 Z2= 2.35

P (µ < X < 16.3) = 0.4906

P (µ > X > 15.9) = 0.4906

P (15.9 < X < 16.3) = 0.9812 98.12%

13. Una encuesta de opinión a 1000 residentes de una ciudad grande investiga si se está

a favor de un alza de Impuestos para pagar un nuevo estadio deportivo. Si más del 85%

apoya el impuesto se presentará un referendo en las siguientes elecciones en la ciudad.

Si la proporción poblacional de todos los residentes que están a favor del impuesto es p

= 0.82 o sea 82%, ¿cuál es la probabilidad de que se incluya en la siguiente votación?

P(X>8900)

P (Z)= 8900-8500/(1950/raíz de 100)=2.0512

De tablas=0.020 P (Z>0.02)= 0.020

P (µ < X < 16.3) = 0.4906

P (µ > X > 15.9) = 0.4906

P (15.9 < X < 16.3) = 0.9812 98.12%

14. El 30%de todos los empleados tienen capacitación avanzada. Si en una muestra de

500 empleados menos del27% estaba preparado de forma adecuada, todos los nuevos

contratados necesitarán registrarse en un programa de capacitación. ¿Cuál es la

probabilidad de que se inicie el programa?

σ = √ (Qπ / n)

σ =√ (0.1944/500)

σ = √0.0004 = 0.02

Z= (0.27 – 0.30) / 0.02

Z= -1.5 P (0.30 > X > 0.27) = 0.4332

P (0.27 < X) = 0.5 – 0.4332 = 0.0668 6 .68%

15. Con base en una muestra de 100 profesores, se realiza un estudio para analizar su

preferencia sobre el programa de pensiones del Fondo Anual de Seguros - Fondo de

Participación de Pensiones Universitarias (Lnsurance Annuity Fund-College

Retirement Equity Fund) (TlAA-CREF) de los profesores que está a su disposición. Si

menos del 60% está satisfecho con el TIAA-CREF, se encontrará una alternativa.

Asumiendo1t =65%, ¿cuál es la probabilidad de que sea complementado el plan actual?

P (400 < X < 410) = P(X < 410) − P(X < 400)

P (400 < X < 410) = P(X < 410) −P(X < 400) = 0, 6222

P(X > 415) =1−P(X < 415) = 0, 0554

P(X < c) = 0, 95

16. La proporción de todos los clientes de Pizza Hut que comen en el sitio es del 75%.

En una muestra de 100clientes, ¿cuál es la probabilidad de que menos del 20% lleven

su comida a casa?

σ = √ (0.1875/100)

σ =√0.0019 σ =0.0436

Z= (0.20 - 0.25) / 0.0436

Z= 1.15 P (0.20 < X < 0.25)= 0.3749

P(X<0.20) = 0.5 – 0.3749 = 0.1251 12.51%

17. El 60% de las reses de una manada grande tiene ántrax. De las 100 reses

seleccionadas aleatoriamente ¿cuáles la probabilidad de que por lo menos 50 tengan

que ser apartadas de la manada?

P (0.05 ≤ p ≤ 0.10)

P = 0.05 𝑍 = 0.05−0.10 0.021 = - 2.38

𝑍 = 0.10−0.10 0.021 = 0

P (0.05 ≤ p≤ 0.10) = 0.4913

 BIBLIOGRAFÍA

 Obtenido de:

[Link]

[Link]#ixzz540nqX5Ki

 Obtenido de:

[Link]

3n+est%C3%A1ndar+de+la+poblaci%C3%B3n+y+por+error+est%C3%A1ndar+de+la

+distribuci%C3%B3n+muestral+de+las+medias+muestrales%3F+%C2%BFC%C3%B

3mo+se+relacionan+y+c%C3%B3mo+se+diferencian+en+cuanto+a+tama%C3%B1o%

3F+Dibuje+las+gr%C3%A1ficas+en+su+respuesta&source=lnms&tbm=isch&sa=X&v

ed=0ahUKEwjtgeam6dPYAhVPON8KHTOsADUQ_AUICigB&biw=1252&bih=601#

imgrc=GGNyLnMKOaIh5M:

 Obtenido de:

[Link]