ESTADÍSTICA II

Luis Gamarra Bustamante

Docente
• Recordar lo que es la distribución normal
• Propiedades de la distribución normal
• Recordatorio de la distribución normal estándar
• Como buscar en una tabla normal tipificada
• Proporción muestral
• Distribución de la proporción muestral
 REPASO
• Distribución normal: una variable aleatoria tiene distribución normal
si y solo si su función de densidad es:

Por lo tanto
 PROPIEDADES DE LA DISTRIBUCIÓN NORMAL

• La densidad normal es simétrica

con respecto a 𝜇 , el eje de
simetría contiene a 𝜇 y divide a
la densidad normal en dos
regiones que tienen igual
tamaño y forma.
• 𝜎 determina el ancho de la
distribución.
CALCULO DE PROBABILIDADES CON LA
DISTRIBUCIÓN NORMAL
 DISTRIBUCIÓN NORMAL ESTÁNDAR

• Una variable aleatoria tiene distribución normal estándar si y solo si

tiene distribución normal con 𝜇 = 0 y 𝜎 2 =1 utilizamos la letra z para
representar la nueva variable.

• ¿Cómo realizamos la transformación de una variable aleatoria X a una

Z?
• Ejemplo: una compañía que fabrica bombillos con vida media de 500 horas
y desviación estándar de 100. si se supone que los tiempos de vida útil de
los bombillos se distribuye normalmente, esto es que los tiempos de vida
tienen distribución normal, encuentre la probabilidad de que cierta
cantidad de focos dure :

a) Menos de 650 horas

b) Mayor a 650 horas
c) Entre 650 horas y 780 horas.
 ACTIVIDAD EN CLASE
• Si X es la variable aleatoria que representa “las medidas de presión
sanguínea sistólica” de un grupo cuyas edades oscilan entre 20 y 24
años, y si x tiene distribución normal con una media de 120 y una
desviación estándar de 20 años, encuentre:
a) P(X>135)
b) P(105≤ X ≤110)
Distribución muestral de la media
 Distribución muestral de la media
• Suponiendo que hemos extraído2 una muestra de n observaciones de una
población con media µ y varianza 𝜎 .
• Antes de que la muestra halla sido observada existe incertidumbre sobre los
resultados.
• Esto se debe a que cada2 uno de los miembros de la muestra son una variable
aleatoria con media µ y 𝜎 .
• Por lo tanto estamos interesados en conocer la distribución muestral de 𝑋.
• Supongamos que en una población de tamaño 3 con valores 0, 2 y 4 , se eligen
muestras de tamaño 2 y el muestreo es con remplazo y con orden.

Muestras (0,0) (0,2) (0,4) (2,0) (2,2) (2,4) (4,0) (4,2) (4,4)

𝒙 0 1 2 1 2 3 2 3 2
 Del ejemplo de población anterior
0+2+4 0−2 2 + 2−2 2 + 4−2 2 8
•𝜇= =2𝑦 𝜎2 = =
3 3 3
Muestras (0,0) (0,2) (0,4) (2,0) (2,2) (2,4) (4,0) (4,2) (4,4)

𝒙 0 1 2 1 2 3 2 3 2

0+1+2+1+2+3+2+3+4 0−2 2 + 1−2 2 + 2−2 2 +⋯ 4−2 2 4

• 𝜇𝑋 = = 2 y 𝜎𝑋 =2 =
9 9 3
𝜎2 8 4
• Debido a que = 3
= 3.
𝑛 2
muestreo en población finita e infinita
𝜇𝑋 = 𝜇 Población finita Población infinita

Muestreo con 𝜎2 𝜎2
remplazo 𝜎 2𝑋 = 𝜎 2𝑋 =
𝑛 𝑛

Muestreo sin remplazo 𝜎2 𝑁 − 𝑛 𝜎2

𝜎2 𝑋 =
𝑛 𝑁−1 𝑛

2 𝜎 2 𝑁−𝑛
La varianza 𝜎𝑋 de la distribución muestral de es igual a 𝑛 𝑁−1
𝑛
El factor de corrección puede omitir si 𝑁 ≤ 0,05
Distribución muestral de la media: caso para muestras grandes

• Supongamos que se cumplen algunas de estas condiciones:

1. La población es normal con varianza conocida
2. La población es normal con varianza desconocida y el tamaño
muestral es grande.
3. La forma de la población es desconocida (o no normal), su varianza
es conocida o desconocida y el tamaño de la muestra es grande (n≥
30).
Entonces si en un problema se cumple alguna de estas condiciones, la
2 𝜎2
distribución muestral de 𝑋 es normal con media 𝜇𝑋 =µ y 𝜎 𝑋 = 𝑛
• Si la distribución muestral de la media es normal podemos hacer la
transformación de la variable aleatoria a :

𝑋 − 𝜇𝑋
𝑍=
𝜎 2𝑋
Z tiene distribución normal estándar con media 0 y varianza 1.
Cuando 𝜎 es desconocida y el tamaño de la muestra es mayor a 30 se
usa la desviación muestral S como una estimación de 𝜎.
• Supongamos que el incremento % de los salarios de los funcionarios de
todas las corporaciones medianas se distribuye siguiendo una normal con
media de 12,2% y desviación típica de 3,6%. Si se toma una muestra
aleatoria de nueve observaciones de esta población según los incrementos
porcentuales de salario ¿Cuál es la probabilidad de que la media muestral
sea mayor que el 10%?
1. Datos del problema
Población:
Unidad experimental:
Estadístico:
2. Verificar supuestos
3. Conclusión
4. Formulas
5. Cálculos
Conclusión final
• Una empresa emplea 1500 personas. La cantidad promedio gastada,
durante un año determinado, en servicios médicos personales por
empleado fue de 2575 dólares y la desviación típica de 525 dólares ¿Cuál
es la probabilidad de que una muestra aleatoria de 100 empleados
(seleccionados sin remplazo) arroje una media comprendida entre 2500 y
2700 dólares?
• Datos del problema
1. Población
2. Unidad experimental
3. Estadístico
4. Verificar supuestos
5. Conclusión
6. Cálculos
7. Conclusión final
 Caso para muestras pequeñas
• Cuando la población es normal con varianza poblacional desconocida
y muestras pequeñas n≤ 30, entonces la distribución muestral de la
media muestral no es la normal. En este caso, juega un rol muy
importante una distribución continua llamada distribución t de
student.
𝑥−𝜇
𝑡= 𝑠
𝑛
Para buscar en la tabla el área bajo la curva o la probabilidad hacemos
lo siguiente:
g (n-1) y en esa fila ubicamos el valor de alfa que nos aparece arriba
En la primera fila, la tabla nos da la probabilidad de que z este por
encima a un valor determinado de t
• Supongamos que de una población normal con media 20 se toma una
muestra de tamaño 16. si la desviación estándar muestral es 4,
encuentre la probabilidad de que la media muestral sea estrictamente
mayor que 21,753.
• Datos del problema
1. Población
2. Unidad experimental
3. Estadístico
4. Verificar supuestos
5. Conclusión
6. Cálculos
7. Conclusión final
 RECORDEMOS
• Cuando repetimos n veces un experimento con probabilidad de éxito p,
entonces la variable aleatoria x(numero de éxitos en las n repeticiones ) tiene
distribución binomial con parámetros np. 𝑋~β (𝑛, 𝑝)
• Por ejemplo si lanzamos una moneda 10 veces y nos interesa conocer el
numero de caras en esos 10 lanzamientos, la variable aleatoria numero de
caras 𝑿~𝜷 (𝟏𝟎, 𝟎. 𝟓).
• Sin embargo existen muchos experimentos en los que desconocemos el
parámetro p, por ejemplo la proporción del electorado que esta a favor de
algún candidato.
• Para estos casos basaremos nuestra inferencia del parámetro p(proporción
de éxitos) en una muestra tomada de la población de interés.
 DEFINICIÓN DE PROPORCIÓN MUESTRAL
• Sea x un numero de éxitos en una muestra binomial de n
observaciones donde la probabilidad de éxitos es p, entonces la
𝑥
proporción de éxitos en la muestra es 𝑝 = 𝑛 .

• Por ejemplo supongamos que estamos interesados en conocer la

proporción de mujeres en el programa de antropología, para ello
seleccionamos una muestra (supongamos que las personas de este
curso).
 TEOREMA DE DE MOIVRE-LAPLACE

• Sea 𝑝 la proporción de éxitos en una muestra aleatoria de n

observaciones. Si se cumplen alguna de las condiciones siguientes:
• n≥30 o
• np ≥ y n(1-p) ≥5
• Entonces la distribución muestral de la proporción muestral se puede
aproximar con una distribución normal.
𝑝−𝜇𝑝 𝑝(1−𝑝)
• Estadístico: 𝑧 = 𝜎𝑝
𝜇𝑝 =p, 𝜎𝑝 = 𝑛
 EJEMPLO
• Se toma una muestra de 250 casas de una población de edificios
antiguos para estimar la proporción de casas de este tipo cuya
instalación eléctrica resulta insegura. Supongamos que, de hecho, el
30% de los edificios de esta población tiene una instalación insegura.
¿Cuál es la probabilidad de que la proporción de edificios de la
muestra con instalación insegura se encuentre entre 0,25 y 0,35?
 DATOS DEL PROBLEMA
Población: proporción de edificios con instalación eléctrica insegura
Unidad experimental: edificios antiguos
Estadístico : 𝑝
Parámetro: p
2) Verificación de supuestos
¿n es mayor a 30? Si, n es =250 por lo tanto la proporción muestral
tiene distribución aproximadamente normal
 FORMULAS
𝑝−𝜇𝑝 𝑝(1−𝑝)
•𝑧= , 𝜇𝑝 =p, 𝜎𝑝 =
𝜎𝑝 𝑛

• n=250
• P=0,30
• Me piden calcula: p(0,25 ≤ 𝑝 ≤0,35)