UNIVERSIDAD NACIONAL DE INGENIERIA

TEOREMA DEL LIMITE CENTRAL - DISTRIBUCIONES

MUESTRALES
gpomachagua@hotmail.com
Material de Clases © G.P..P 27-may-19
 OBJETIVO DE LA INFERENCIA

MUESTRA (n) Población (N)

E P
S A
T
x µ
R
I A
S2
M σ2 M
INFERENCIA
A E
p
D π T
O R
R O
La distribución de probabilidad de una estadística (estimadosr) recibe el
nombre de distribución muestral, por ejemplo la distribución de probabilidad de
recibe el nombre de distribución muestral de la media
Material de Clases © G.P..P 27-may-19
 TEOREMA DEL LIMITE CENTRAL

n1
N
n2
n3
n4

Material de Clases © G.P..P 27-may-19

Ejemplo 1: El tiempo de atención por cliente de un cajero de un Banco es normal con
media 6 minutos y desviación estándar 2.5 minutos.
a) Si se selecciona a un cliente ¿Cuál es la probabilidad que se demoren mas de 7
minutos?
b) ¿Cuál es la probabilidad de que el tiempo promedio de atención para una
muestra de 15 clientes sea menor de 7 minutos?
c) ¿Cuál es la probabilidad de que el tiempo de atención a un grupo de 15 clientes
sea más de una hora y 15 minutos?
d) Qué tamaño tendría que tener la muestra para que la probabilidad de encontrar
medias menores a 7 minutos fuese 0,9981?
Solución: a) 𝑃(𝑋 >7)=0.3446
b) Si 𝑥𝑖 minutos de atención 𝑃 𝑥ҧ < 7 = 𝑃 𝑍 < 1.549 = 0.9393

c) Un tiempo de atención de 75 minutos a 15 clientes equivale a un tiempo

promedio de atención de 75/15 = 5 minutos por cliente
Luego, hay que hallar 𝑃 𝑥ҧ > 5 = 0.9393
otra forma
75 − 𝑛𝜇
𝑃 ෍ 𝑥𝑖 > 75 = 𝑃 𝑍 > = 𝑃 𝑍 > −1.549 = 0.9393
𝜎 𝑛

d) 𝑃 𝑥ҧ < 7 = 0.9981 ⇒ 𝑛 = 52.200625, 𝑙𝑢𝑒𝑔𝑜 𝑛 = 53

Material de Clases © G.P..P 27-may-19
Ejemplo2: Supóngase que el tiempo que un artículo que permanece en stock es
una variable aleatoria con distribución uniforme en el intervalo (1,7).
De una producción de 100 de estos artículos, calcular la probabilidad de que el
tiempo medio de permanencia en stock de los mismos sea mayor que 4.5
Solución:
1
𝑓 𝑥 = ቐ6 1 ≤ 𝑥 ≤ 7
0 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑎+𝑏 1+7
𝐸 𝑥 = = =4
2 2
𝑏−𝑎 2 7−1 2
𝑉 𝑥 = = =3
12 12
3
𝑋ത ≈ 𝑁 4,
100

4.5 − 4
𝑃 𝑋ത > 4.5 = 𝑃 𝑍 > = 𝑃 𝑍 > 2.89 = 0.001926
3 /10

Material de Clases © G.P..P 27-may-19

Ejemplo 3: Los pesos de las personas que suben a un ascensor se distribuyen
normalmente con media igual a 70.5 kg y desviación estándar de 13.7 kg.
Un grupo de 9 personas sube al ascensor.
a) ¿Cuál es la probabilidad de que el peso promedio del grupo sea menor de 68
kilos?
b) El ascensor tiene una capacidad máxima de 1000 kg. ¿Cuál es la probabilidad
de que se exceda ésta capacidad con un grupo de 9 personas?

Ejemplo 4: Consideremos las alturas de los estudiantes es una variable aleatoria

normal de media 172 cm y desviación típica 11 cm.

a) ¿Cuál es la probabilidad de que la distancia entre la media muestral y la media

poblacional sea menor que 1 cm, en una muestra de 300 estudiantes? R: 0.8847

b) ¿Cuál será el tamaño de la muestra para tener una probabilidad del 0.95 de la
media muestral difiera de la media poblacional en menos de 1 cm? R: n= 465

Material de Clases © G.P..P 27-may-19

Ejemplo5 La variable X se distribuye normalmente con media 50 y desviación típica 12.
a) ¿Cuál es la probabilidad de que obtenga al menos una puntuación de 45?
b) Si extraemos una muestra aleatoria simple de 16 alumnos:. ¿Cuál es la probabilidad
de que su media aritmética sea menor de 58?
c) ¿Qué tamaño tendría que tener la muestra para que la probabilidad de encontrar
medias superiores a 52 fuese 0,2578? Rpta: a) 0.6628; b) 0.9962; c) n=15

Ejemplo6: El proceso de envasado de cierto producto tiene un distribución normal con

una desviación estándar de 20 gramos y con una media μ que debe ser bien regulada.
a) La media μ del proceso este bien regulada si sólo el 1% de los pesos de las bolsas
producidas tienen pesos mayores a 546,6 gramos. ¿Cuánto vale la μ bien regulada?
Rpta: μ=500
b) Con la media del proceso bien regulada, se programará el siguiente control: cada
hora se escogerán al azar 4 bolsas , si el promedio de los pesos no esta en el
intervalo [480, 520] gramos, se para el proceso para realizar un mantenimiento, en
caso contrario, se continua con el proceso. ¿ Cuál es la probabilidad de que se pare
el proceso cuando realmente este bien regulado? Rpta: 0.0456
c) Si el proceso este bien regulado. ¿Con que tamaño de muestra se consigue que el
peso promedio muestral sea a lo mas 490.2 gramos con probabilidad igual a 0.025?
Rpta: n=16

Material de Clases © G.P..P 27-may-19

Material de Clases © G.P..P 27-may-19
Ejemplo 1: De acuerdo a los registros de calificaciones de la universidad, los
resultados de los exámenes del curso de marketing, siguen una distribución
normal con una media de 78 y una varianza de 36.
a) Qué calificación mínima debe obtener un alumno, para ser considerado dentro
del quinto superior del curso?
b) Si se selecciona al azar una muestra de 30 exámenes correspondientes al
parcial de Marketing en este ciclo ¿Cuál debe ser la calificación promedio
mínima en dicha muestra, para que sea considerada dentro del quinto superior
de los promedios de todas las muestras posibles del mismo tamaño?
Solución .-
a) La población o variable aleatoria X, está formada por los resultados o
calificaciones de los exámenes de marketing, de modo que: X ~ N(78, 36).

P ( x  A)  0,20
La calificación mínima A, del
20% superior del curso, se
obtiene de: Esto es:
P(x  A)  0.80
 A  83.0496
lunes, 27 de mayo de 2019

Material de Clases © G.P..P 27-may-19

b) En este caso, la muestra es de tamaño: n=30, y

𝑥=
ҧ { Resultados o calificaciones promedio de las muestras de tamaño 30},
de modo que:
x ~ N 78, 1.2 

La calificación promedio minina A, del 20% superior de los promedios de todas

las muestras de tamaño 30, se obtiene de:

P( x  A)  0,20

Esto es :
P( x  A)  0,80
 A  78,9219

Material de Clases © G.P..P 27-may-19

Ejemplo 2: El gerente de producción de una fábrica de productos marinos
envasados asegura que el producto presentado en el nuevo envase tiene un peso
promedio de 100 gramos. La gerencia antes de lanzar el producto al mercado,
exige al jefe del área de control de calidad que someta a una prueba de pesos y
medidas a dicho producto.
El jefe del Área de CC, selecciona al azar 10 envases y obtienen los siguientes
resultados: 97; 102; 103; 92; 103; 96; 98; 97; 99; y 95.
¿Cuál será la probabilidad de que el peso promedio de la muestra supere los 102
gramos?

Solución .-
De los datos se obtiene que:  = 100; n = 10; s = 3,6148
En este caso no se conoce la varianza de la población.
La distribución t de Student con (n-1) gl: 𝑡~𝑡(9)
Por tanto, se tiene que calcular:

 102  100 
P ( x  102 )  P  t    P (t  1,75195)
 3,61 10 
 0,05685
Material de Clases © G.P..P 27-may-19
 DISTRIBUCION MUESTRAL DE LA PROPORCION

Si de una población distribuida Binomialmente con probabilidad de éxito p, se

extrae una muestra aleatoria de tamaño n, entonces se puede mostrar que la
media de X: número de éxitos en la muestra, es µ= np y que su varianza es σ2= npq

PROPIEDADES DE LA DISTRIBUCION DE LA PROPORCIONAL MUESTRAL

1. La distribución es aproximadamente normal y la aproximación se considera

buena para np≥0.5 y n(1-p)≥0.5
pq pq
2. Donde E ( p)   p  p y p 
n
 p  N ( p,
n
)

Donde: p  p p  p x  np
p : Proporción poblacional z  
x p pq npq
p  : proporción muestral
n n

Material de Clases © G.P..P 27-may-19

Ejemplo1: El fabricante de maquinas despachadoras de café indica que de cada 1000
vasos servidos, sólo 15 vasos tienen una cantidad de café por debajo de las 8 onzas
(medida estándar establecida). Una empresa que va comprar este tipo de máquina
quiere evaluar si esto es verdad. Esto es, desea estimar la proporción de vasos servidos
con cantidad de café por debajo de las 8 onzas, en base a los datos de una muestra
aleatoria de 100 vasos de café que ha servido esta máquina. ¿Cuál es la probabilidad que
esta proporción en la muestra se encuentre entre 1,2% y 2,0%?

Solución.-
X: Vasos que tienen un contenido de café por debajo de las 8 onzas.
𝑥 15
𝑝 = 𝑁 = 1000 = 0,015 proporción de vasos con un contenido menor que 8 onzas.
n = 100 muestra de vasos observados p  p p p
Donde: z 
p pq
𝜇𝑝ҧ = 𝑝 = 0.015 𝑦
n
𝑝𝑞 (0.015)(0.985)
𝜎𝑝ҧ = = = 0.012155
𝑛 100

𝑃 0.012 < 𝑝ҧ < 0.020 = 𝑃 −0.2468 < 𝑍 < 0.4113 = 0.2570

Material de Clases © G.P..P 27-may-19

Ejemplo2 : Suponga que el 15% de los artículos que se producen en una línea de
ensamble son defectuosos, pero que el gerente de producción no se ha enterado.
También suponga que el departamento de aseguramiento de la calidad prueba 50
piezas para determinar la calidad de la operación de armado. Sea la p proporción
muestral de piezas defectuosas que encontró la prueba de aseguramiento de
calidad.
a) ¿Cuál es la probabilidad de que la proporción de la muestra esté a ± 0,03 o
menos de la proporción de piezas defectuosas en la población? Sol: 0,4448
b) Si la prueba indica que p = 0,10 o más, de piezas defectuosas, la línea de
ensamble se para y se investiga la causa de los defectos. ¿Cuál es la
probabilidad de que la muestra de 50 piezas lleve a la conclusión de que debe
pararse la línea de ensamble? Sol: 0,8389
Ejemplo3: Una encuesta el 2015 por Datamotion encontró que el 34% de los
encuestados utilizaban aplicaciones basadas en Windows en su computadora.
a) Si se toma una muestra de 500, ¿cuál es la probabilidad de que el error
muestral sea superior al 3%? Sol: 0,1528
b) Si se toma una muestra de 1000. ¿Cuál es la probabilidad de que el error
muestral sea superior al 3%? Sol: 0,0456

Material de Clases © G.P..P 27-may-19

 Distribución de la Varianza Muestral
Sea X una población que tiene una distribución normal; si se toma una muestra
aleatoria x1, ..., xn se puede calcular la estadística varianza muestral, que esta
dada por:
σ𝑛 2
𝑖=1 𝑥 𝑖 − 𝑥ҧ
𝑠2 =
𝑛−1

de donde se puede deducir:

2
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 2
(𝑛 − 1)𝑠 2
𝜒𝑛−1 = =
𝜎2 𝜎2
Así se puede afirmar que:
2
𝜒𝑛−1 es una distribución Chi- cuadrada con (n-1)grados de libertad

Material de Clases © G.P..P 27-may-19

 Ejemplo 1: Un investigador afirma que la varianza de una determinada población,
que sigue una distribución normal, es igual a 21.3. Sin embargo, podría rechazar
tal afirmación si la varianza de una muestra aleatoria de tamaño 15 excede a
39,74. ¿Cuál es la probabilidad de que dicha afirmación sea rechazada?

Solución.- La probabilidad de rechazar la afirmación está dada por:

 (n  1) s 2 (15  1)(39.74) 
P( s  39.74)  P 
2
 
 
2
21.3 

 P 142  26.12  0,02499 

Material de Clases © G.P..P 27-may-19

Ejemplo 2: Se sabe que la duración de paneles luminosos fabricados por una
compañía tiene una distribución normal, con una media de 2000 horas y una
desviación típica de 60 horas. Si se seleccionan al azar 10 paneles, ¿Cuál será la
probabilidad que la desviación estándar muestral:
a) No supere las 50 horas? R=0.7147

b) Se encuentre entre 50 y 70 horas? R=0.5151

Ejemplo 3: Las bolsas de plástico empleadas para empaquetar productos se

fabrican de forma que la resistencia a la rotura tenga una distribución normal con
 = 5 kg/cm2 . Si se toma una muestra al azar de 16 bolsas. ¿Qué valor máximo
tendrá la desviación estándar de la muestra con probabilidad 0.95?

Material de Clases © G.P..P 27-may-19

 Distribución de la Diferencia Proporciones
Sean dos poblaciones independientes, 𝑋1 y 𝑋2 , cuyas proporciones poblacionales son
𝑝1 y 𝑝2 , respectivamente. Si se toma muestras independientes en cada una de estas
poblaciones de tamaños n1 y n2, respectivamente, se podría obtener las dos
proporciones muestrales siguientes: x x
1 2
p1 = y p2 =
n1 n2
Si los tamaños de muestras son grandes, esto es n1 + n2 >30, se puede decir que la
Distribución Muestral de la Diferencia de las Proporciones Muestrales esta dada de
la siguiente forma:
p1q1 p2 q2
 p  p  p1  p2  p  p  
1 2 1 2
n1 n2

 pq pq 
p1  p 2  N  p1 - p2 , 1 1  2 2 
 n1 n2 
( p1  p2 )  ( p1  p2 )
Z 
Luego la distribución de la p1q1 p q
variable aleatoria es  2 2
n1 n2
Material de Clases © G.P..P 27-may-19
Ejemplo 1: Un analista político afirma sobre la construcción del bypass, el 85% de los
residentes del distrito A están en contra de su construcción, de igual manera el 95%
de los residentes del distrito B están en contra de ese proyecto. Para validar su
opinión, levanto una encuesta de opinión independiente en cada distrito. Comprobó
que 240, de 300 personas entrevistadas en el distrito A y 340 de las 400 personas
entrevistadas en el distrito B están en contra de la construcción.
¿Cuál es probabilidad de observar una diferencia mayor que 5% entre ambas
proporciones muestrales?
Solución.-
En ambas poblaciones se observa la proporción en contra la construcción de
bypass.
240
Distrito A  p1  0,85 n1  300 p1   0,80
300
340
Distrito B  p2  0,95 n2  400 p2   0,85
400
La distribución muestral está dada por :

p1  p 2  N  p1  p 2 ,  p21  p 2 
 p  p  0,10
1 2  p p 
0,85(0,15) 0,95(0,05)
  0,0233
1 2
300 400

Material de Clases © G.P..P 27-may-19

 P p1  p2  0,05  1  P p1  p2  0,05
 1  P(0,05  p1  p2  0,05)
 1  P( Z  0,05)  P( Z  0,05)
 1  (1,000000  0,98406)
 0,98406

b) ¿Cuál es la probabilidad de que la proporción muestral de los residentes del

distrito A, a favor de bypass sea menor que la proporción muestral del distrito
B a favor de la construcción del bypass?

Material de Clases © G.P..P 27-may-19

 Distribución de la Razón de Varianzas

Sean X e Y poblaciones independientes que tienen distribuciones normales. Si se

toman muestras independientes de tamaños n1 y n2, respectivamente, entonces
la variable F tendrá una distribución F con n1 -1 y n2 -1 grados de libertad, si está
definida de la siguiente forma:

 (n1  1 )s12 
  (n1  1 )
σ 2
s12 σ12 σ 22 s12
F  1   2 2  2 2  F(n1-1, n2-1 )
 (n2  1 )s22  s 2 σ 2 σ1 s 2
  (n2  1 )
 σ 2
2 
En el caso que las varianzas poblacionales sean iguales: σ12 = σ12 , se tiene que:

s12
F  2  F(n1-1, n2-1 )
s2

Material de Clases © G.P..P 27-may-19

Ejemplo:1 Se desea saber si se puede comparar dos procesos en relación con la
variabilidad de la resistencia que tiene un producto respecto a la tracción. Se considera
que los procesos producirán plásticos con igual resistencia a la tracción, si la razón entre la
varianzas muestrales no es demasiado grande. Ésta será demasiado grande si la
probabilidad, de obtener un valor mayor o igual que el cociente de las varianzas
muestrales, es menor que 0,04. De dos muestras aleatorias independientes de 25
especímenes cada una, se observó que las varianzas muestrales fueron 540 y 256.
Asumiendo que ambos procesos de producción se ajustan a una distribución normal con
igual variabilidad, ¿a qué conclusión debería llegar el gerente en este caso?.
Solución.- De los datos se tiene lo siguiente:

Máquina A  n1  25 s12  540 2

A demás del problema se tiene : σ x  σ y
2

Máquina B  n2  25 s22  256

s12
s 2A F  2  F(n1-1, n2-1 )
Luego : F  2  F( 24, 24 ) s2
sB
 s A2 540 
P 2    P( F  2,11)  1  P( F  2,11)  1  0,9633  0,0367
 sB 256 

Material de Clases © G.P..P 27-may-19

Ejemplo:
Dadas dos muestras aleatorias de poblaciones normales con varianzas iguales,
de tamaño 10 cada una, ¿cuál es la probabilidad de observar que la varianza
de la primera muestra sea por lo menos cuatro veces la varianza de la
segunda muestra?

Ejemplo:
Según estudios realizados anteriormente, la varianza en el llenado de las
botellas de Pilsen y Cristal son de 2.8 y 3.4 ml², si se toman muestras de 12 y
15 botellas, de Pilsen y Cristal,
¿Cuál es la probabilidad de que la varianza en la muestra de Pilsen sean
inferiores a las de Cristal?

Material de Clases © G.P..P 27-may-19

 Distribución de la Diferencia de Medias

a) Caso de varianzas σ12 y σ22 , conocidas (poco frecuente)

Si 𝑥ҧ1 y 𝑥ҧ2 son las medias de las muestras aleatorias independientes de tamaño
𝑛1 𝑦 𝑛2 con varianzas conocidas 𝜎12 𝑦 𝜎12 , respectivamente entonces la
distribución muestral de las diferencias de las medias 𝑥ҧ1 − 𝑥ҧ2 está distribuida
aproximadamente de forma normal con media y varianzas dadas por
𝜇𝑥ҧ1 −𝑥ҧ1 = 𝜇1 − 𝜇2
2 2
𝜎1 𝜎2
𝜎 2 𝑥ҧ1 −𝑥ҧ2 = +
𝑛1 𝑛2

Luego 𝑥1ҧ − 𝑥ҧ2 − (𝜇1 − 𝜇2 )

𝑍=
𝜎12 𝜎12
+
𝑛1 𝑛2

Material de Clases © G.P..P 27-may-19

b) Desconociendo σ21 y σ22 pero asumiendo σ21 = σ22

Cuando las varianzas son desconocidas pero iguales se puede decir que la
Distribución Muestral de la Diferencia de Medias Muestrales de Poblaciones
Independientes 𝑥ҧ1 − 𝑥ҧ2 esta dada por la distribución de la variable t de
Student, con 𝑛1 + 𝑛2 − 2 grados de libertad. Esto es

𝑥1ҧ − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑡= ~𝑡 𝑛1 +𝑛2 −2
1 1
𝑆𝑝2 +
𝑛1 𝑛2

Donde 𝑆𝑝2 es la varianza ponderada de las dos muestras

2 2
𝑛1 − 1 𝑠1 − 𝑛 2 − 1 𝑠2
𝑆𝑝2 =
𝑛1 + 𝑛2 − 2

Material de Clases © G.P..P 27-may-19

c) Desconociendo σ21 y σ22 pero asumiendo σ21 ≠ σ22

Cuando las varianzas son desconocidas pero diferentes se puede decir que la
Distribución Muestral de la Diferencia de Medias Muestrales de Poblaciones
Independientes esta dada por la distribución de la variable t de Student, con
𝜈 grados de libertad Esto es

𝑥1ҧ − 𝑥ҧ2 − 𝜇1 − 𝜇2
𝑡= ~𝑡 𝜈
𝑠12 𝑠22
+
𝑛1 𝑛2

2 2 2
𝑠1 𝑠2
+
𝑛1 𝑛2
𝜈= 2 2 −2
𝑠12 𝑠22
𝑛1 𝑛2
+
𝑛1 − 1 𝑛2 − 1

Material de Clases © G.P..P 27-may-19

Sin embargo en la práctica no tiene mucho sentido pensar que se
conocen las varianzas.

Primero para probar la igualdad de varianzas, realizamos la prueba

de Levene (F) sobre la homogeneidad e igualdad de varianzas.

Ho: σ21 = σ22

H1: σ21 ≠ σ22

Si p= Sig < α entonces rechazamos H0

Si p= Sig ≥ α, entonces, no rechazamos H0, luego podemos
suponer que las varianzas son iguales

Material de Clases © G.P..P 27-may-19

Ejemplo1a: En la Costa el consumo promedio por día de proteínas es de 200 gramos, con
una desviación de 80 gramos. En la Sierra el consumo promedio es de 150 gramos, con una
desviación de 80 gramos. Si dicho consumo se distribuye normalmente en ambas regiones,
¿cuál es la probabilidad de que dos muestras aleatorias independientes de tamaño 40,
tomadas en cada región tengan una diferencia de medias muestrales a lo más de 20
gramos?
Solución.-Estamos en un caso de varianzas conocidas
Costa: 𝑛1 = 40 𝜇1 = 200 𝜎1 = 80 Sierra: 𝑛2 = 40 𝜇2 = 150 𝜎2 = 80
𝜇𝑥ҧ1 −𝑥ҧ1 =200-150=50
802 802
𝜎𝑥ҧ1−𝑥ҧ2 = + = 17.89
40 40

𝑃 𝑥1 − 𝑥2 ≤ 20 = 𝑃 −20 ≤ 𝑥1 − 𝑥2 ≤ 20
= P(−41.739 ≤ 𝑍 ≤ −1.677) = 0.04677

Material de Clases © G.P..P 27-may-19

Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19
Material de Clases © G.P..P 27-may-19