CUESTIONARIO #2

1. ¿Qué es una población? ¿Qué es una muestra?

Una población es el conjunto de individuos, objetos o fenómenos de los cuales se
desea estudiar una o varias características.
Una muestra es una parte representativa de la población que es seleccionada para
ser estudiada, ya que la población es demasiado grande para ser estudiada en su
totalidad.
2. ¿Qué es un estadístico?
Estadístico es una medida de resumen que se calcula para describir una
característica a partir de una sola muestra de la población. Si un estadístico se usa
para aproximar un parámetro también se le suele llamar estimador.
3. ¿Cómo se calcula la media de una muestra aleatoria de tamaño n?
La media se obtiene a partir de la suma de todos sus valores dividida entre el
número de sumandos. Cuando el conjunto es una muestra aleatoria recibe el
nombre de media muestral siendo uno de los principales estadísticos muestrales.

4. ¿Qué indica la variabilidad de una muestra?

Las medidas de variabilidad son valores numéricos que indican o describen la forma
en que als observaciones están dispersas o diseminadas, con respecto al valor
central. Son importantes debido a que dos muestras de observaciones con el mismo
valor central pueden tener una variabilidad muy distinta.
5. ¿Cómo se calcula la variabilidad de una muestra de tamaño n en unidades
cuadradas?
La varianza es una medida estadística que mide la dispersión de los valores
respecto a un valor central (media), es decir, es el cuadrado de las desviaciones.

6. ¿Cómo se calcula la variabilidad de una muestra de tamaño n, en unidades

absolutas?
La desviación típica o desviación estándar (denotada con el símbolo σ o s) es una
medida de dispersión para variables de razón (variables cuantitativas o cantidades
racionales) y de intervalo. Se define como la raíz cuadrada de la varianza de la
variable.

7. ¿Qué es la distribución muestral de z?

La distribución normal (en ocasiones llamada distribución gaussiana) es la
distribución continua que se utiliza más comúnmente en estadística. La Normal es
la distribución de probabilidad más importante. Multitud de variables aleatorias
continuas siguen una distribución normal o aproximadamente normal. Una de sus
características más importantes es que casi cualquier distribución de probabilidad,
tanto discreta como continua, se puede aproximar por una normal bajo ciertas
condiciones.
8. ¿Como se puede verificar gráficamente el supuesto de normalidad?
Se puede verificar mediante el grafico de dispersión . Para verificar el supuesto se
puede usar una gráfica de probabilidad normal de los residuales. La gráfica debe
tener una apariencia de línea recta. Una distribución de los errores que tienen colas
considerablemente más gruesas o delgadas que la distribución normal es “grave”.

9. ¿Como se llama la distribución muestral de un estadístico?

La distribución de probabilidad de un estadístico se denomina distribución muestral.
10. ¿Cuál es la distribución muestral de X̅?
La distribución muestral de X̅ con tamaño muestral n es la distribución que resulta
cuando un experimento se lleva a cabo una y otra vez (siempre con una muestra de
tamaño n) y resultan los diversos valores de X̅. Por lo tanto, esta distribución
muestral describe la variabilidad de los promedios muestrales alrededor de la media
de la población μ.
 11. Explique el teorema del límite central.
Teorema del límite central: Si X̅ es la media de una muestra aleatoria de tamaño n,
tomada de una población con media μ y varianza finita σ 2, entonces la forma límite
de la distribución de

a medida que n → ∞, es la distribución normal estándar n(z; 0, 1).

La aproximación normal para Xˉ por lo general será buena si n ≥ 30, siempre y
cuando la distribución de la población no sea muy asimétrica. Si n < 30, la
aproximación será buena sólo si la población no es muy diferente de una distribución
normal y, como antes se estableció, si se sabe que la población es normal, la
distribución muestral de X̅ seguirá siendo una distribución normal exacta, sin
importar qué tan pequeño sea el tamaño de las muestras. El tamaño de la muestra
n = 30 es un lineamiento para el teorema del límite central. Sin embargo, como
indica el planteamiento del teorema, la suposición de normalidad en la distribución
de X̅ se vuelve más precisa a medida que n se hace más grande. De hecho, la fi
gura 8.1 ilustra cómo funciona el teorema. La fi gura indica cómo la distribución de
X̅ se acerca más a la normalidad a medida que aumenta n, empezando con la
distribución claramente asimétrica de una observación individual (n = 1). También
ilustra que la media de X̅ sigue siendo μ para cualquier tamaño de la muestra y
que la varianza de X̅ se vuelve más pequeña a medida que aumenta n.

12. . Que es la distribución de muestreo de la media.

Se deberían considerar las distribuciones muestrales de 𝑋̅ y 𝑆 2 como los
mecanismos a partir de los cuales se puede hacer inferencias acerca de los
parámetros μ y 𝜎 2 . La distribución muestral de 𝑋̅ con tamaño muestral n es la
distribución que resulta cuando un experimento se lleva a cabo una y otra vez
(siempre con una muestra de tamaño n) y resultan los diversos valores de 𝑋̅ . Por
lo tanto, esta distribución muestral describe la variabilidad de los promedios
muestrales alrededor de la media de la población μ.
 13. Que es la distribución t y para que se utiliza.
Es una distribución de probabilidad que surge del problema de estimar la media de
una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
Aparece de manera natural al realizar la prueba t de Student para la determinación
de las diferencias entre dos medias muestrales y para la construcción del intervalo
de confianza para la diferencia entre las medias de dos poblaciones cuando se
desconoce la desviación típica de una población y ésta debe ser estimada a partir
de los datos de una muestra.
La distribución t se usa ampliamente en problemas relacionados con inferencias
acerca de la media de la población o en problemas que implican muestras
comparativas, es decir, en casos donde se trata de determinar si las medias de dos
muestras son muy diferentes.
14. A que se parece la distribución t.
La distribución de T se parece a la distribución de Z en que ambas son simétricas
alrededor de una media de cero. Ambas distribuciones tienen forma de campana,
pero la distribución t es más variable debido al hecho de que los valores T dependen
de las fluctuaciones de dos cantidades, 𝑋̅ y 𝑆 2 ; mientras que los valores Z
dependen solo de los cambios en 𝑋̅ de una muestra a otra. La distribución de T
difiere de la de Z en que la varianza de T depende del tamaño de la muestra n y
siempre es mayor que 1. Solo cuando el tamaño de la muestra n → ∞ las dos
distribuciones serán iguales.
15. Que es estimación por intervalos.
Una estimación por intervalo de un parámetro de la población θ es un intervalo de
la forma θ̂𝐿 < θ < θ̂𝑈 , donde θ̂𝐿 y θ̂𝑈 dependen del valor del estadístico Θ
̂ para una
muestra específica, y también de la distribución de muestreo de Θ ̂.

16. Que es el nivel de confianza.

El intervalo de confianza del 100(1 – α) % ofrece un estimado de la precisión de
nuestra estimación puntual. Si μ es realmente el valor central del intervalo, entonces
𝑋̅ estima μ sin error. La mayoría de las veces, sin embargo, 𝑋̅ no será exactamente
igual a μ y la estimación puntual será errónea. La magnitud de este error será el
valor absoluto de la diferencia entre μ y 𝑋̅, de manera que podemos tener 100(1 –
α) % de confianza en que esta diferencia no excederá. Los valores que se suelen
utilizar para el nivel de confianza son el 95%, 99% y 99,9%
17. ¿Cuál es la interpretación de la estimación por intervalo?

Es posible tener una visión gráfica de los intervalos de confianza. Los límites del
intervalo pueden ser representados por curvas en el plano formado por el
parámetro que queremos estimar y el estadístico utilizado para construir el
pivote. Esta visión nos puede ayudar en la interpretación y la comprensión de
los intervalos o de sus propiedades.

Por ejemplo, el intervalo del 95 % para la esperanza de una distribución Normal

con varianza conocida y para una muestra de tamaño n = 9, de fórmula

De los distintos intervalos numéricos construidos a partir de sucesivos muestreos,

un porcentaje del (1-α) 100% contiene al verdadero valor del parámetro
desconocido ϴ

18. Elabora un cuadro resumen de las fórmulas que se utilizan para estimar la
media de una población por intervalos de confianza, para los siguientes
casos:
Cuando se conoce la varianza de la población/muestra grande
Cuando no se conoce la varianza de la población/muestra grande
Cuando se conoce la varianza de la población/muestra pequeña
Cuando no se conoce la varianza de la población/muestra pequeña

Fórmulas para estimar la media de una población por intervalos de

confianza

Conocida la varianza Desconocida la varianza

Muestra
grande

Muestra
pequeñ
a
19. ¿Cómo se puede calcular el tamaño de la muestra cuando se conoce la
desviación estándar de la población?

20. ¿Cómo se puede calcular el tamaño de la muestra cuando no se conoce la

desviación estándar de la población?

21. ¿Cómo se interpreta el intervalo de confianza para una sola muestra?

Una estimación puntual sólo nos proporciona un valor numérico, pero no
proporciona información sobre la precisión y confiabilidad de la estimación del
parámetro. Entonces una alternativa es calcular lo que llamaremos intervalo de
confianza.
Notación: Denotaremos al parámetro de interés con la letra 𝜃 y con 𝜃 un
estimador para 𝜃.
Un Intervalo de Confianza (IC) para 𝜽 permite tener una medida de la
CONFIABILIDAD y PRECISION de la estimación del parámetro.
La PRECISION de un IC tiene que ver con su longitud, cuanto menor sea su
longitud mayor precisión.
La CONFIABILIDAD es medida con el nivel de confianza del intervalo, que
denotaremos con (𝟏 − 𝜶). Los niveles más usados son de 0,95 ; 0,99 y 0,90.
Cuanto mayor sea el nivel de confianza mayor es la chance que el IC contenga
al verdadero valor poblacional.
Luego es bueno pedirle a un IC que tenga una longitud pequeña y una alta
confiabilidad que contenga al parámetro poblacional.
 UNIVERSIDAD TECNOLÓGICA DE PANAMÁ
CAMPUS VICTOR LEVI SASSO
FACULTAD DE INGENIERÍA INDUSTRIAL
LIC. EN INGENIERIA LOGISTICA Y CADENA DE SUMINISTRO

ASIGNATURA:
ESTADISTICA II

CUESTIONARIO 2

1CL121

PRESENTADO POR:
KADIR ZURITA 8-888-2129

PROFESORA: TERESA DE HINES

FECHA DE ENTREGA: 16 de agosto de 2017.