Estadistica Inferencial

UNIVERSIDAD PRIVADA TELESUP
Prefacio:
n esta asignatura se estudian herramientas, que permitan al

estudiante, analizar fenmenos que condicionan la toma de
decisiones
confiables.
Estos
conocimientos
afianzar las teoras de investigacin en
posibilitarn
su campo de
competencia y que tienen por finalidad la aplicacin de la

teora a solucionar problemas reales, especialmente en la
construccin de inferencias confiables.
Comprende Cuatro Unidades de Aprendizaje:
Unidad I: Variables Aleatorias.

Unidad II: Distribucin de Probabilidad.
Unidad III: Distribuciones Mustrales.
Unidad IV: Estimacin de Parmetros.
Estructura de los Contenidos
Variables
Aleatorias
Conceptos de
variables aleatorias.
Variables aleatorias
discretas.
Variables aleatorias
continuas.
Media y varianza de
una variable
aleatoria.
Distribucin
de
Probabilidad
Distribuciones
Mustrales
Estimacin de
Parmetros
Distribucin de
variables
aleatorias
discretas.
Muestreo aleatorio.
Intervalo de
confianza.
Distribucin de
variables
aleatorias
continas.
Aplicacin de
la distribucin
normal.
Aproximaciones
a la distribucin
normal.
Distribucin
muestral de la
media y
proporcin.
Distribucin muestral
de la diferencia de
dos medias.
Distribucin
muestral de la
diferencia de dos
proporciones.
Intervalo de
confianza para
la media y
proporcin.
Prueba de
hiptesis.
Prueba de
hiptesis
acerca de la
media y
proporcin.
La competencia que el estudiante debe lograr al final de la asignatura es:
Identifica e interpreta las principales tcnicas,

procedimientos, modelos estadsticos
estimacin y prueba de hiptesis que exige la
investigacin cientfica, los estudios de mercado y la
administracin de un negocio en un entorno
competitivo.
ndice del Contenido
I. PREFACIO
II. DESARROLLO DE LOS CONTENIDOS
UNIDAD DE APRENDIZAJE 1: VARIABLES ALEATORIAS
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Conceptos de Variables Aleatorias.
b. Tema 02: Variables Aleatorias Discretas.
c. Tema 03: Variables Aleatorias Continuas.
d. Tema 04: Media y Varianza de una Variable Aleatoria.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 2: DISTRIBUCIN DE PROBABILIDAD
1.
Introduccin
b. Competencia
c. Capacidades
d. Actitudes
2.
a. Tema 01: Distribucin de Variables Aleatorias Discretas.
b. Tema 02: Distribucin de Variables Aleatorias Continuas.
c. Tema 03: Aplicacin de la Distribucin Normal.
d. Tema 04: Aproximaciones a la Distribucin Normal.
3.
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 3: DISTRIBUCIONES MUESTRALES
1.
Introduccin
b. Competencia
c. Capacidades
d. Actitudes
2.
a. Tema 01: Muestreo Aleatorio.
b. Tema 02: Distribucin Muestral de la Media y Proporcin.
c. Tema 03: Distribucin Muestral de la Diferencia de Dos Medias.
d. Tema 04: Distribucin Muestral de la Diferencia de Dos Proporciones.
3.
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 4: ESTIMACIN DE PARMETROS
1.
Introduccin
b. Competencia
c. Capacidades
d. Actitudes
2.
a. Tema 01: Intervalo de Confianza.
b. Tema 02: Intervalo de Confianza para la Media y Proporcin.
c. Tema 03: Prueba de Hiptesis.
d. Tema 04: Prueba de Hiptesis Acerca de la Media y Proporcin.
3.
4.
Actividades
5.
Autoevaluacin
6.
Resumen
III. GLOSARIO
IV. FUENTES DE INFORMACIN
V. APNDICE
VI. SOLUCIONARIO
02
03 - 129
05-28
06
06
06
06
06
06
07-24
07
11
16
20
25
25
26
28
29-60
30
30
30
30
30
30
31-57
31
40
49
53
58
58
59
60
61-93
62
62
62
62
62
62
63-88
63
70
79
86
89
89
91
93
94-120
95
95
95
95
95
95
96-116
96
100
104
108
117
117
118
120
121
122
123
130
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el concepto de variables aleatorias
durante su
proceso de formacin profesional y contribuyan en el logro de su perfil profesional.
b) Competencia
Explica las propiedades para calcular la media y varianza de variables
aleatorias.
c) Capacidades
1. Identifica una variable aleatoria.
2. Explica variables aleatorias discretas.
3. Analiza variables aleatorias continuas.
4. Aplica propiedades para calcular la media y varianza de variables aleatorias.
d) Actitudes
Valora la importancia de los negocios internacionales para el desarrollo de la

nacin.
Desarrolla una actitud emprendedora mediante la toma de iniciativas,
promocin de actividades y toma de decisiones en relacin a la actividad
asignada.
Cumple con la presentacin de los trabajos encomendados con puntualidad.
Desarrolla la creatividad, la innovacin, y el respeto a la honestidad intelectual.
e) Presentacin de Ideas bsicas y contenidos esenciales de la Unidad:

La Unidad de Aprendizaje 01: Variables Aleatorias, comprende el desarrollo de
los siguientes temas:
TEMA 01: Conceptos de Variables Aleatorias.
TEMA 02: Variables Aleatorias Discretas.
TEMA 03: Variables Aleatorias Continuas.
TEMA 04: Media y Varianza de una Variable Aleatoria.
Conceptos
de
Variables
Aleatorias
TEMA
1
Competencia:
Identificar una variable aleatoria.
Desarrollo de los Temas
Tema 01: Conceptos de Variables Aleatorias

Definicin.- Se define Variable aleatoria, a una variable estadstica cuantitativa
definida en un espacio muestral .
Hemos visto que los resultados de un experimento aleatorio pueden ser cuantitativos
(por ejemplo, lanzar un dado y registrar el nmero de la cara superior), o cualitativos
(por ejemplo, lanzar dos monedas y registrar el resultado de cada una).
Los eventos de mayor inters a la hora de hacer inferencia estadstica son eventos
numricos. Qu significa? Que, por ejemplo, estaremos ms interesados en conocer
el nmero de caras que resultan en cada repeticin del experimento que en la
secuencia en s.
As, los eventos simples (C, X) y (X, C) nos brindarn la misma informacin, es decir,
en los dos se registr 1 cara. El nmero de caras es una funcin definida sobre el
espacio muestral S:
Eventos Simples
Numero de caras
:X
CC
CX
XC
XX
Esto tambin se puede representar:
Esta funcin genera una particin del espacio muestral. Todos

los eventos simples que corresponden al mismo valor de la
funcin se encuentran en el mismo subconjunto. Estos
subconjuntos son disjuntos y su unin es el espacio muestral.
La funcin definida anteriormente se denomina variable aleatoria.
Una variable aleatoria es entonces una funcin que asocia un nmero real a cada
elemento de un espacio muestral.
X:S
s x X (s)
Notacin: X indica la funcin (variable aleatoria), x representa el valor que toma la
variable aleatoria al ser valuada en el elemento s.
Las variables aleatorias se dividen en dos grupos: discretas y continuas. Una variable
discreta puede tomar una cantidad finita o infinita numerable de valores. Una variable
aleatoria continua puede tomar infinitamente muchos valores correspondientes a
puntos en un intervalo de la recta real.
Ejemplos 01:
Sea el espacio muestral que se obtiene al lanzar al aire una moneda tres veces
consecutivas, esto es, SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC
Si X se define en como el nmero de caras obtenidas, entonces, X es una
variable aleatoria cuyo rango es el conjunto: R 0,1, 2, 3, .En efecto,
X
X 0 , corresponde al evento elemental SSS
X 1 , corresponde a los eventos elementales SSC , SCS , CSS

X 2 , corresponde a los eventos elementales SCC , CSC y CCS
X 3 , corresponde al evento elemental CCC
Ejemplo 02:
Un profesor califica sus pruebas en una escala de 4 puntos (1, 2, 3, 4). Supongamos
que en un curso de 30 alumnos los resultados ordenados fueron:
111222222333333333333444444444
Sea X = resultado de la prueba para un alumno del curso elegido al azar.
Luego R = {1, 2, 3, 4}, X es una variable aleatoria discreta

X
La frecuencia de cada uno de los resultados es, 3, 6, 12 y 9 respectivamente.
Resultado (x )
Frecuencia (f )
12
Frecuencia. relativa (f /n)
0.1
0.2
0.4
0.3
p (x ) = p
0.1
0.2
0.4
0.3
Siguiendo con el ejemplo:

Cul es la probabilidad de que un alumno elegido al azar haya tenido a lo sumo un
3?
P(X 3) = p (1) + p (2) + p (3)
X
= p1 + p + p = 0.1 + 0.2 + 0.4 = 0.7

2
CLASIFICACIN DE LAS VARIABLES ALEATORIAS

Las variables Aleatorias se clasifican en general en discretas y continuas.
Variables
Aleatorias
TEMA
2
Discretas
Competencia:
Explicar variables aleatorias discretas.
11
Tema 02: Variables Aleatorias Discretas

Hemos definido hasta ac qu se entiende por variable
aleatoria, y una vez determinada una Variable Aleatoria.
Podemos conocer cules son los valores que puede tomar.
Pero es interesante poder medir la probabilidad con que
toma cada uno de esos valores.
Definicin.- Una variable aleatoria discreta asume cada uno de sus valores con
cierta probabilidad que denotaremos por PX (probabilidad inducida por X).
Ejemplo:
Consideremos el experimento aleatorio de lanzar dos monedas entonces el espacio
muestral correspondiente estar dado por:
CC, CS, SC, SS
Se define la variable aleatoria X de obtener caras, entonces el rango de X es
RX 0,1, 2 , es decir:
X 0 , Si se obtiene sello en las dos monedas

X 1 , Si se obtiene SC o CS como resultado del lanzamiento
X 2 , Si se obtiene CC en las dos monedas
FUNCIN DE PROBABILIDAD
Definicin.- Sea X una variable aleatoria discreta. Se denomina funcin (ley o
modelo o distribucin) de probabilidad de X a la funcin f(x) definida por
f ( x) P X x , para todo x nmero real y que satisface las siguientes condiciones:
i)
f (x) 0 , x
ii )
f ( xi ) 1
La funcin de probabilidad de una variable aleatoria X se puede expresar por tabla:

Valores xi de X
Probabilidad pi P X xi
x1
x2
x3
xn
p2
p3
pn
p1
12
Notacin:
La funcin de probabilidad se puede representar de diversas maneras:
1) En una tabla:
x
P(x)
2) En un grfico:
3) En una frmula:
2
p( x)
x
0.252

Ejemplo 01.
Sea X la variable aleatoria definida como el nmero de caras que ocurren al lanzar
dos monedas.
a. Determine la distribucin de probabilidad de X.
b. Cul es la probabilidad de que no obtengamos ninguna cara?
c. Calcular la probabilidad P 0 X 1
Solucin.
a) La Variable Aleatoria X. Toma el valor 0 cuando ocurre el evento (SS). Entonces
P(X=0) = P({(SS)}) =
Tambin se puede notar P (0) = P(X=0) =

P(X=2) = P ({(CC)}) =
P(X=1) = P ({(CS), (SC)}) = + =
Entonces la distribucin de probabilidad est dada por:
E
P(E)
P(x)
CC
CS
SC
SS
b) La Variable Aleatoria X Toma el valor 0 cuando ocurre el evento (SS). Entonces:

P(X=0) = P({(SS)}) =
1 1 3
c) P 0 X 1 P X 0 P X 1
4 2 4
Ejemplo 02
Sea x una variable aleatoria que expresa el N de personas que habitan en una
vivienda elegida al azar. La distribucin de probabilidad de x es la siguiente:
xi
8+
pi
0,230
0,322
0,177
0,155
0,067
0,024
0,015
0,010
a. Comprobar que es una distribucin de probabilidad.

Todas las pi son mayores o iguales que cero y adems se cumple que:
8
i1
pi 0,23 0,322 0,177...0,010 1
b. Hallar la probabilidad de que el N de personas que viven en un hogar sea menor

o igual que cuatro.
P x 4 P x 1 P x 2 P x 3 P x 4
0,23 0,322 0,177 0,155 0,884
c. Calcular la probabilidad de que al menos dos personas vivan en una vivienda.
P x 2 P x 2 P x 3 ... P x
8
1 P( x 2) 1 0, 23 0,
77
FUNCIN DE DISTRIBUCIN ACUMULADA DE VARIABLE ALEATORIA
DISCRETA
Definicin. La funcin de distribucin acumulada (f.d.a) de probabilidades o
simplemente funcin de distribucin, F(x), de la variable aleatoria discreta X, cuya
funcin de probabilidad de f(x), se define por:
F (x) P x P( k ) f (k
X
X
),
kx
Ejemplo: Sea X = nota obtenida en una prueba de un alumno elegido al azar

Nota (x)
p (x)
0.1
0.2
0.4
0.3
FUNCIN DE DISTRIBUCIN ACUMULADA
si
0
0.1 si
F X( x) 0.3 si
0.7
si
1 si
x1
1x2
2x3
3x4
4x
Variables
Aleatorias
TEMA
3
Continuas
Competencia:
Analizar variables aleatorias continuas.
16
Tema 03: Variables Aleatorias Continuas

Definicin.- Se dice que la funcin f ( x) es funcin de densidad (ley o distribucin)
de probabilidad de la variable aleatoria continua X si satisface las siguientes
condiciones:
i)
f ( x) 0 para todo x
ii )
f ( x)dx
iii ) P( A) P x A
A
f ( x)dx , para cualquier intervalo
FUNCIN DE DISTRIBUCIN ACUMULADA DE VARIABLE ALEATORIA

CONTINA
Definicin.- La funcin de distribucin acumulada (f.d.a), F(x) de una variable
aleatoria continua X con funcin de densidad
F ( x) P X x
f ( x) , se define por:
f (t)dt, para x
Ejemplo 01:
Clasificar como discretas o continuas las siguientes variables aleatorias:
a) N de pginas de un libro discreta.
b) tiempo que tarda en fundirse una bombilla continua
c) N de preguntas en una clase de una hora discreta.
d) cantidad de agua consumida en un mes contina.
Ejemplo 02:
f (x) una funcin definida en todos los nmeros reales por:
Sea
cx , x 0, 2
f ( x)
0 , x 0, 2
2
a. Hallar el valor de la constante C para que,
f (x)
para alguna variable aleatoria X.
17

sea una funcin de densidad
18
b. Calcular P 0 X 1
Solucin.
a) El rea de la figura sombreada es igual a 1
Entonces
f ( x)dx
cx2 dx c
3
8
Luego
3 2
x , x 0, 2
f ( x) 8
x 0, 2
0 ,
b) Para resolver esta pregunta se sigue:
3 x 2 dx 1
0 8
8
P 0 X 1
Ejemplo 03:
Sea f ( x) una funcin de densidad de probabilidad de una variable aleatoria X, cuya
grafica es la figura:
a.) Determinar el valor de la constante c y luego la f.d.p. de X
b.) Hallar la funcin de distribucin acumulada F(x) de X
Solucin.
a) Si el rea que encierra la figura con el eje X es igual a 1, entonces
C1/4
Luego la funcin densidad est dada por la ecuacin de la recta en el intervalo

dado.
,1x3
x
f ( x) 4 en otro caso
0,
b) La funcin de distribucin acumulada , se calcula por:

F (x) 1 , si x 3
F x 0 , si x
1,
Si 1 x 3,
F ( x)
x
1
dt
1
8
0 , si x 1
2
si 1 x 3
x 1
Entonces: F ( x)
8
,
1 ,
si x 1
Media y
TEMA
Varianza
4
de una Variable
Aleatoria
Competencia:
Aplicar propiedades para calcular la media y
varianza de variables aleatorias.
20
Tema 04: Media y Varianza de una

Variable Aleatoria
VALOR ESPERADO O ESPERANZA MATEMTICA
Definicin.- La media de una variable aleatoria discreta X con funcin de
probabilidad f(x) est dado por:
E( X ) mx
xi f ( xi )
xi RX
Definicin.- La media de una variable aleatoria contina X con funcin de

densidad de probabilidad f(x) es la expresin:
E( X )
xf ( x)dx
Propiedades:
Si X e Y son dos variables aleatorias se cumple que:
mx y mx my
Si a y b son constantes se cumple que:
maxb amx b
Ejemplo:
Considerando la variable Aleatoria X, donde X=resultado de lanzar un dado
La distribucin de probabilidad de x ser:
p1 P{x 1} 1 / 6
p2 P{x 2} 1 / 6
p6 P{x 6} 1 / 6
El valor esperado de X ser:
1
1
1
1
1
1
mx xi pi 1 2 3 4 5 6
i1
3,5
k
21

6
6
6
21
VARIANZA DE UNA VARIABLE ALEATORIA

Definicin.- Sea X una variable aleatoria con distribucin de probabilidad f(x) y con
media igual a . La varianza de X es la expresin:
X2 E
2
X
i x 2 f (x
) , si X es discreta
i
i x
f i(x ) , si X es continua.
Definicin.- La desviacin estndar de la variable aleatoria X es la raz cuadrada

positiva de la varianza. Esto es: X
2X
Nota: Una de las propiedades de la varianza que se usa en el clculo es:
Var( X ) E
X 2
E( X 2 )
Propiedades:
-
Si a y b son constantes se cumple que:
axb a x
2
a 2 2x
axb
-
Si x e y son dos variables aleatorias independientes se cumple que:
2
x y
x y x y
Nota.
La desviacin tpica de una variable aleatoria es una medida de dispersin de la
distribucin alrededor de la media. Los valores pequeos indican concentracin de
la distribucin alrededor de la esperanza y los valores grandes corresponden a
distribuciones ms dispersas.
El concepto de desviacin tpica es equivalente en variables aleatorias discretas y
continuas, aunque en estas ltimas su clculo es ms complicado.
Ejemplo 1
Se lanza tres veces una moneda. Sea X la variable aleatoria que expresa el n de
caras en los tres lanzamientos.
22
a) Hallar y representar la funcin de probabilidad de X.

Solucin.
Se lanza 3 veces una moneda, entonces es espacio muestral es:
E= {CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
p0 P{x 0} 1 / 8 0,125
p1 P{x 1} 3 / 8 0,375
x=0 {XXX}
x=1 {XXC,XCX,CXX}
x=2 {CCX,CXC,XCC}
p2 P{x 2} 3 / 8 0,375
x=3 {CCC}
p3 P{x 3} 1 / 8 0,125
b) Calcular el N esperado de caras al lanzar la moneda. Era previsible el

resultado?
Solucin.
k
mx xi pi 0 0,125 1 0,375 2 0,375 3 0,125 1,5

i1
S, ya que en cada lanzamiento P(C)=1/2 y al lanzar tres veces se tiene que
3 1 / 2 1,5.
Hallar la desviacin tpica de X
2
(0 2 0,125
(1
0,375
2
1,5)
1,5)
2
x xi mx pi (2
0,125 0,866
0,375 (3
2
i 1
1,5)
1,5)
k
o bien:
x
p m
0,125
0 0,125...3
2
1,5
2
0,866
i 1
Ejemplo 2
Una compaa ha vendido 205 billetes para un avin de 200 plazas.
Sea x la variable aleatoria que expresa el n de viajeros que va al aeropuerto para
viajar en el avin. Su distribucin es:
xi
198
199
200
201
202
203
204
205
pi
0,05
0,09
0,15
0,20
0,23
0,17
0,09
0,02
a) Hallar la probabilidad de que todos los viajeros que van al aeropuerto tengan
plaza.
23
Solucin.
P{x 200} P{x 198} P{x 199} P{x 200}

0,05 0,09 0,15 0,29
b) Obtener la probabilidad de que se quede sin plaza alguna de los
viajeros que va al aeropuerto.
P{x 200} P{x 201} P{x 202} ... P{x 205}

0, 2 0, 23 0,17 0, 09 0, 02 0, 71
P{x 200} 1 P{x 200} 1 0,29 0,71
c) Calcular el n esperado de viajeros que acude al aeropuerto.

k
mx xi pi 198 0,05 199 0,09 200 0,15 201 0,2

i 1
202 0,23 203 0,17 204 0,09 205 0,02

201,44
d) Cul es la probabilidad de que la primera persona de la lista de espera tenga

sitio en el vuelo?
P{x 199} P{x 198} P{x 199} 0,05 0,09 0,14

Ejemplo 3
La vida til de un objeto es una variable aleatoria X con funcin de densidad de
probabilidad
e
f ( x)
0
, si x 0
si x 0
Calcular la varianza y la deviacin estndar de X.

Solucin.
Integrando por partes y analizando la convergencia, se tiene:
x
x
x e dx Limb
xe
Limb
e
Y luego integrando dos veces por partes se obtiene

0
E X 0
2
Luego,
x
x e dx
2
2
E X
1
2
La deviacin estndar de X es:
24
Lecturas Recomendadas
DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS.

ir.pe/65jn
PROBABILIDADES Y VARIABLES ALEATORIAS.

http://bit.ly/FWFKl6
VARIABLES ALEATORIAS.
http://probabilidad20100.blogspot.com/p/varianza-y-desviacion-estandar.html
Actividades y Ejercicios
1) Ingresa al link Operaciones 1 lee atentamente las indicaciones, desarrllalo y
envalo por el mismo medio.
Sea X la variable aleatoria definida como el nmero de caras que ocurren al
lanzar una moneda 4 veces.
a) Determine la distribucin de probabilidad de X.
b) Calcular la probabilidad P 1 X 3
Sea X una variable aleatoria continua con distribucin.
f ( x)
1
, 0x3
xk
6
0
en otra parte
a.) Calcular k.
b.) Hallar P 1 X 2
La vida til de un objeto en miles de horas, es una variable aleatoria continua X
cuya funcin de densidad de probabilidades:
x , si 0 x 2
1
f ( x)
2
0 , en otro caso
a) Calcular la esperanza.
b) La varianza de vida del objeto.
25
Autoevaluacin
1) Calcule el rango de la variable aleatoria definido como la

nmeros que aparecen al lanzar dos dados.
a.
b.
c.
d.
e.
suma de los
RX 2, 4, 6, 8,10,12
RX 2, 3, 4, 5, 6, 7, 8, 9,10,11,12
RX 3, 5, 7, 9,11
RX 4, 5, 6, 7, 8, 9,10,11,12
RX 2, 3, 4, 5, 6, 7, 8, 9,10
2) El nmero de hijos por familia en una determinada regin es una variable

aleatoria X cuya funcin de probabilidad es:
x
P X x
1/16
4/16
4/16
1/16
Calcular el valor de la constante k

a. 11/16
b. 6/16
c. 6/16
d. 5/8
e. 4/16
3) Suponga que el nmero de cursos en que est matriculado un alumno es una
variable aleatoria X con funcin de probabilidad.
x
P X x
1/10
2/10
1/10
3/10
2/10
1/10
Determinar la media de la variable aleatoria.

a.
b.
c.
d.
e.
11/10
13/5
12/5
7/10
1
26

4) Sea f ( x) una funcin definida en todos los nmeros reales por:
ax , si x 0, 3
f ( x)
0 , si x 0, 3
3
Hallar el valor de la constante a para que, f ( x) sea una funcin de densidad para
alguna variable aleatoria X.
a.
b.
c.
d.
e.
1/16
4/81
5/81
1/3
5/27
5) Sea f ( x) una funcin densidad para alguna variable aleatoria X definida

por:
4 3
x , si x 0, 3
f ( x) 81
0 , si x 0, 3
Calcular P 1 X 2
a.
b.
c.
d.
e.
5/27
5/24
4/27
2/81
4/81
27
Resumen
UNIDAD DE APRENDIZAJE I:
Una variable aleatoria es una variable que toma valores numricos determinados por
el resultado de un experimento aleatorio. No hay que confundir la variable aleatoria
con sus posibles valores. Ejemplos:
n de caras al lanzar 6 veces una moneda (valores: 0, 1, 2)
n de llamadas que recibe un telfono en una hora
tiempo que esperan los clientes para pagar en un supermercado
Las variables aleatorias pueden ser discretas o continuas.

Es el conjunto de posibles valores, es numerable. Suelen estar asociadas a
experimentos en que se mide el nmero de veces que sucede algo.
Variable aleatoria discreta asume cada uno de sus valores con cierta probabilidad que
(probabilidad inducida por X).
denotaremos por PX
Una variable aleatoria discreta X representa los resultados de un espacio muestral en
forma tal que por P(X = x) se entender la probabilidad de que X tome el valor de x.
Es el conjunto de posibles valores es no numerable. Puede tomar todos los |valores de
un intervalo. Son el resultado de medir.
f (x) es funcin de densidad (ley o distribucin) de
Se dice que la funcin
probabilidad de la variable aleatoria continua X si satisface las siguientes condiciones:
Si una funcin X que asigna a cada resultado posible de un experimento un nmero
real. Si X puede asumir cualquier valor en algn intervalo I (el intervalo puede ser
acotado o desacotado), se llama una variable aleatoria continua.
La desviacin tpica de una variable aleatoria es una medida de dispersin de la
distribucin alrededor de la media. Los valores pequeos indican concentracin de la
distribucin alrededor de la esperanza y los valores grandes corresponden a
distribuciones ms dispersas. El concepto de desviacin tpica es equivalente en
variables aleatorias discretas y continuas, aunque en estas ltimas su clculo es ms
complicado.
29
Introduccin
estudiante desarrolle y ejecute el concepto de distribucin de probabilidad durante
su proceso de formacin profesional y contribuyan en el logro de su perfil
profesional.
b) Competencia
Identifica las caractersticas y funciones del lenguaje, as como elementos e
interferencias de la comunicacin.
c) Capacidades
1. Resuelve problemas usando distribuciones aleatorias discretas.
2. Analiza y resuelve problemas que involucren distribuciones de variables
aleatorias continuas.
3. Analiza la importancia de la distribucin Normal.
4. Aplica la aproximacin a la distribucin Normal.
d) Actitudes
Puntualidad en la entrega de trabajo.
Respeto a las normas de convivencia.
Perseverancia en las tareas.

La Unidad de Aprendizaje 02: Distribucin de Probabilidad, comprende el
desarrollo de los siguientes temas:
TEMA 01: Distribucin de Variables Aleatorias Discretas.
TEMA 02: Distribucin de Variables Aleatorias Continas.
TEMA 03: Aplicacin de la Distribucin Normal.
TEMA 04: Aproximaciones a la Distribucin Normal.
30
Distribucin
de Variables
Aleatorias
Discretas
TEMA
1
Competencia:
Resolver problemas
aleatorias discretas.
usando
distribuciones
31
Tema 01: Distribucin de Variables Aleatorias

Discretas
Como complemento al captulo anterior en el que definimos todos los conceptos
relativos a variables aleatorias, describimos en ste las principales
leyes de probabilidad que encontramos en las aplicaciones del
clculo de probabilidades. Atendiendo a la clasificacin de las
variables aleatorias en discretas y continuas describiremos las
principales leyes de probabilidad de cada una de ellas, las cuales
constituirn el soporte subyacente de la inferencia estadstica y a las que ser
necesario hacer referencia en el estudio de dicho bloque. Iniciamos este captulo con
el estudio de las distribuciones para variables aleatorias discretas.
DISTRIBUCIONES DISCRETAS:
Distribucin de Bernoulli.
Definicin.- La variable aleatoria X definida de de manera que atribuye a E el
valor de 1 y a F el valor 0, se denomina variable aleatoria de Bernoulli..
La distribucin de Bernoulli de parmetro p es:
f ( x) P X x p q
x
Teorema.- Si X tiene distribucin de Bernoulli de parmetro p, entonces:

a.)
E( X ) p
b.) Var( X ) pq
Distribucin Binomial.
Definicin.- Se dice que la variable aleatoria X definida como el nmero de xitos
que ocurren en las n pruebas de Bernoulli, tiene distribucin binomial con parmetros
n y p y se escribe,
si su funcin de probabilidad es:
n k n k k 0,1, 2, 3,..., n
f ( x) P X k
p q
k
,

32
Teorema.- Si
a.)
, entonces:
E( X ) np
b.) Var( X ) npq
EJEMPLO:
En una tienda de alquiler de Autos, cada vez que un cliente alquile un automvil debe
pagar como mnimo $ 4. Si alquila un auto de tipo A debe pagar $ 15 ms, y si alquila
un auto no A debe pagar $ 5 ms. Se sabe que la probabilidad de que un cliente
alquile un auto tipo A es de 0.7. De cinco clientes que alquilan autos en esa tienda:
a) Determine la distribucin de probabilidades de los clientes que alquilan
automviles tipo A.
b) Determine la utilidad y la utilidad esperada que producen a la tienda los 5 clientes
que alquilan automviles.
Solucin:
a) Sea X el nmero de clientes que alquilan automviles tipo A. Entonces, los
valores posibles de X son: 0,1,2,3,4,5.
La probabilidad del evento A: un cliente alquila un automvil tipo A es
. La distribucin de probabilidad de X es:
C
P E
0.7
y P E
0.3
5
f k P X k
k
5 k
0.5 ,

0.7
k 0,1, 2, 3, 4, 5
b) La utilidad U que producen los cinco clientes es:
U 20 15X (5 X ) x 0,1, 2, 3, 4, 5.
5,
Dado que E X np 5 0.7 3.5

La utilidad esperada es:
E U 45 10E X 45 10 3.5 80
DISTRIBUCIN GEOMTRICA
Definicin.-
Se dice que la variable aleatoria X que se define como el nmero de repeticiones

independientes de un ensayo de Bernoulli hasta que ocurra el primer xito, tiene
distribucin de probabilidad geomtrica con parmetro p y se escribe X
funcin de probabilidad es:
G( p) , si su
f (x) P X x q
x 1
p x 1, 2,..., etc.
Teorema.Si X es una variable aleatoria con distribucin geomtrica
de parmetro
p , entonces
a.)
b.)
1
p
q
2
p
Ejemplo
Un vendedor a domicilio hace llamadas telefnicas a clientes potenciales, La
probabilidad de vender en cada llamada es 0.02.
a) Calcule la probabilidad de que la sexta llamada sea su primera venta.
b) Calcule el esperado del nmero de llamadas hasta obtener su primera
venta.
c) Qu probabilidad hay de que su primera venta ocurra despus de ms
de 5 llamadas si ya se hizo 3 llamadas sin xito?
Solucin
Sea X el nmero de llamadas hasta conseguir una venta .
Sus posibles valores son: 1,2,3,4.etc. El modelo de
probabilidad de X es geomtrica de parmetro p 0.02 ,
esto es:
P X k 0.02 0.98k k 1, 2, 3,...

1
a) Luego, la probabilidad de que la sexta llamada sea su

primera venta es:
P X 6 0.02 0.985 0.018
34
b)
1
E X
50 . A la larga en la llamada N 50 obtiene su primera venta.
0.02
c) El evento ya hizo 3 llamadas sin xito es equivalente al evento requiere

hacer ms de 3 llamadas hasta que obtenga un xito. Entonces,
P X 3 X 5
P X 5 / X 3
0.98
P X 3
P X 5
P X
3
0.98
0.983
DISTRIBUCIN DE PASCAL O BINOMIAL NEGATIVA

Definicin.Si se repite en forma independiente un ensayo de Bernoulli , donde cada resultado
, se dice
puede ser un xito con probabilidad p o un fracaso con probabilidad q 1 p
que la variable aleatorias que se define como el numero de intentos hasta que ocurran
r xitos, tiene una distribucin Binomial negativa o Pascal con parmetros r y p y se
escribe X
P(r, p) , si su funcin de probabilidad es:

k 1 r k r k r, r 1, r 2,..., etc
f (k ) P Y k C
p q
r 1
Teorema.Si X es una variable aleatoria con distribucin de pascal con parmetros r y p,

entonces:
a) r
b)
1
p
q
2
p
Ejemplo.
Una maquina produce artculos de uno en uno y de manera independiente. Se
considera que el 10% de ellos son defectuosos. Si la maquina se detiene apenas
produce el cuarto artculo defectuoso:
35

a) Cul es el nmero esperado de artculos producidos hasta que se detiene la
maquina?
b) Cul es la probabilidad de que la maquina se detenga en el decimo articulo
producido?
36
c) Cul es la probabilidad de que produzca al menos 10 artculos para que la

maquina se detenga?
Solucin
Sea X el nmero de artculos producidos hasta tener 4 defectuosos. La ley de
y p 0.1 . Esto es,
probabilidad de X es Pascal con parmetros r 4
P Y k 3C
p 1 p k 4 k 4, 5, 6....
k 1 4
,
b)
a)
E( X ) r
P
X
40
10 C3 P 1 P
9
0.1
c)
9
P X 10 1 P 4 X 9
k 4
1
k 4
C3 P 1 P
k 1 4
DISTRIBUCIN HIPERGEOMTRICA.
.
Definicin.-
Se dice que la variable aleatoria X que se define como el numero de xitos en una
muestra de tamao n que se selecciona al azar uno por uno sin reposicin de N
elementos o resultados posibles, de los cuales r son clasificados como xitos y los
restantes N-r como fracasos, tiene distribucin hipergeomtrica y se escribe
X
H (N , n,r) , si su funcin de probabilidad es:
f ( x) P X k
;
Ckr CnNrk
CnN
k 0,1, 2,..., n
Teorema.Sea X una variable aleatoria con distribucin hipergeomtrica H ( N , n, r) , y sean,

p r / N ; q 1 p , entonces
E( X ) np
a.)
b.) Var( X ) npq
N n
N 1
c.) H (N , n, r) B(n, p) , Esto es, si N tiende a o N

es grande con respecto a n, entonces la distribucin
hipergeomtrica se aproxima a una distribucin
binomial.
DISTRIBUCIN DE POISSON.
Se dice que la variable aleatoria discreta X, cuyos valores posibles
Definicin
son: 0, 1, 2, 3,.., tiene distribucin de Poisson con parmetro

y se escribe X
P( ) , si su funcin de probabilidad
( 0)
es:
e ( x)
f ( x) P X x
,
x 0,1, 2,...
x!
Nota:
La distribucin de Poisson se aplica a problemas donde la variable aleatoria es el
nmero de eventos independientes que ocurren en un intervalo de tiempo, o una
regin plana (con un promedio dado), por ejemplo:
Nmero de llamadas que recibe una central

telefnica en el periodo de un minuto.
Nmero de accidentes de trabajo que ocurren en

una fbrica durante una semana.
Numero de fallas en la superficie de una pintura

rectangular.
Numero de bacterias en un volumen de un metro

cbico de agua.
Ejemplo.
Una empresa textil produce un tipo de tela en rolos de 100 metros. El numero de
defectos que se encuentra al desenrollar la tela es una variable aleatoria de Poisson
que tiene en promedio 4 defectos por cada 20 metros de tela.
a) Qu probabilidad hay de que al desenrollar la tela se encuentre menos de tres

defectos en los primeros 50 metros?
b) Hallar la probabilidad de que al desenrollar la tela no se encuentre defectos en el

primer segmento de 5 metros de tela.
c) Si se desenrollan 5 rollos de la tela escogidos al azar, Cul es la probabilidad

de que no se encuentre defectos en el primer segmento de 5 metros de tela en al
menos dos de ellos?
Solucin.
Sea X el nmero de defectos encontrados en un segmento de 20
4 . La probabilidad de
metros de tela que ocurre con promedio
encontrar k defectos en el segmento de 20
metros de tela es:
P X k
Donde
k 0,1, 2,...
k!
t es el promedio de defectos en el segmento de 20 metros de tela,

t
a)
El promedio de defectos en los primeros 50 metros de tela es t 4 2.5 10

Aumenta la longitud de 20 a 50 metros) y la probabilidad de que se
( t 2.5
encuentren menos de tres defectos en los primeros 50 metros es:

0
P X 3 P X 2
10
e
0!
10
10
1!
10
10
0.00277
2!
38
b) El promedio de defectos en los primeros 5 metros de tela es t 4 1 / 4 1

entonces la probabilidad de no encontrar defectos en los primeros 5 metros de tela
es:
0
P X
e1 1
0.3679
0!
c)
Sea Y el numero de rollos que no tienen defectos en el primer segmento de 5

metros de tela de 5 rollos de tela escogidos al azar. la variable Y cuyos valores
posibles son: o,1,2,3,5 se distribuye segn la ley binomial B 5, p donde
p P X 0 0.3679
.luego, P Y 2 1 P Y 1 1
k 0
Ck5 P k 1 P 5k 1 0.3946 0.6054
Dis
tribucin
de Variables
Aleatorias
Continuas
TEMA
2
Competencia:
Analizar y resolver problemas
que
involucren distribuciones de variables
aleatorias continuas.
40
Tema 02: Distribucin de Variables

Aleatorias Continas
En esta seccin estudiaremos las distribuciones ms importantes de variables
aleatorias continuas unidimensionales. El soporte de una v.a. continua se define
como aquella regin de
donde su densidad es no nula, f ( x) 0 . Para las
distribuciones que enunciaremos, podr ser bien todo,

un segmento de la forma
o bien
DISTRIBUCIN UNIFORME
Se dice que la variable aleatoria X tiene distribucin uniforme
(o rectangular) en el intervalo a, b , a b , y se describe
por
U a, b, si su funcin de densidad de
probabilidad es:
f ( x) b
, en otros casos
si a x b
Ejemplo:
Dos gerentes A y B deben encontrarse en cierto lugar entre las 7 p.m. y 8 p.m. para
firmar un contrato. Cada uno espera al otro a lo ms 10 minutos, Cul es la
probabilidad de que no se encuentren sabiendo que A llega a las 7.30 p.m.?
Solucin.
Sea la variable aleatoria X el tiempo de llegada de B, que puede hacerlo en
cualquier instante aleatorio entre las 7 p.m. y las 8 p.m. o entre 0 y 60 minutos.
y su funcin de densidad de probabilidad es:
Entonces, X
si 0 x 60
f ( x) 60
0 , en otros casos
41
U 0,
Puesto que A llega a las 7.30 p.m. o a los 30 minutos despus de las 7 p.m.
y espera a lo ms 10 minutos, B no se encontrara con A si B llega de 7 p.m.
a menos de 7.20 p.m. o si llega despus de las 7.40 p.m. , Luego , la
probabilidad de que A y B no se encuentran es:
P 0 X 20
o
40 X 60
20
dx
60
60
40
1
60
20
dx
60
20
60 3
Teorema.Si la variable aleatoria X tiene distribucin uniforme en el intervalo a, b , entonces,
a b
2
a)
E( X )
b)
Var( X )
(b a)
12
DISTRIBUCIN NORMAL
Definicin.- Se dice que la variable aleatoria contina X, que toma los valores
reales x , se distribuye normalmente (o ms brevemente es normal)
con parmetros y y se describe por X
N ( ,
2
) , si su funcin de
densidad es:
f (x)
,
exp
1 x
Teorema.Si la variable aleatoria X tiene distribucin normal N ( , 2 ) , entonces,
a)
E( X )
b)
Var( X )
2
Tabulacin de la Distribucin Normal

z
Las reas ( z) P Z z
(t)dt
1
e
dt que se representan en la parte
sombreada de la grafica en la tabla, tiene las siguientes propiedades:
P a Z b (b) (a)
(z) 1 ( z)
P a x a (a) (a) (a) (1 (a)) 2(a) 1
Ejemplos:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin
Se utilizar la tabla que tiene el rea bajo la curva de -
hasta z. Si lo vemos
grficamente sera:
El nivel de confianza bilateral est dividido en partes iguales bajo la curva:
En base a la tabla que se est utilizando, se tendr que buscar el rea de 0.975, ya
que cada extremo o cola de la curva tiene un valor de 0.025.
Por lo que el valor de z es de 1.96.
DISTRIBUCIONES GAMMA, EXPONENCIAL

Funcin Gamma
Definicin.- La funcin Gamma denotada por, , se define por:
Donde
e x dx
es un nmero real positivo.
Propiedades:
1)
2)
Si 1 1 1
1 e x dx 1
0
3)
4)
2
e dx
1 x 1/
x
2 0
Si n 1 n n 1!
Distribucin Gamma
Definicin.Se dice que la variable aleatoria continua X tiene distribucin Gamma, con parmetros
, si su funcin de densidad es:
y y se representa por X
1 x , si x 0

x e
f ( x)
si x 0
,
0
Teorema:
Si X
Distribucin Exponencial
Definicin.Se dice que la variable aleatoria continua X tiene distribucin exponencial con
, si su funcin de densidad de
parmetro ( 0) , y se describe
probabilidades es:
e x , si x 0
f ( x)
, si x 0
0
Nota. La distribucin exponencial es un caso particular de la distribucin gamma

1 . Luego, si la variable aleatoria X tiene distribucin exponencial con
cuando
parmetro o X
1, , entonces tiene,
a)
b) 2
Por otra parte, su funcin distribucin acumulada en el intervalo 0, es:

x
F (x) P X x e
e
dt 1x , 0 x
Observar tambin que: P X x 1 P X x e x , 0 x

Adems, para nmeros reales positivos s y t cualesquiera, se verifica:
P X s t / X s P X t
En efecto,
P X s t
P X st/X
s
P X s
(st)
P X t
DISTRIBUCIN CHI-CUADRADO
Definicin.Se dice que la variable aleatoria continua X tiene distribucin chi-cuadrado con r
2 (r) , si su funcin de densidad es:
grados de libertad, y se representa por X
2 r / 2 r / 21 x / 2 , si x 0
x
e
f ( x) (r / 2)
si x 0
,
0
Propiedades
2
2 (1)
a ) Si Z N (0,1), entonces , Z
b ) Si Z1 , Z2 ,..., son r variables aleatorias independientes tales que Zi
Zr
para cada i 1, 2, 3,..,

r
entonces
Z
i 1
2
i
N (0,1)
(1)
2
Uso de la tabla Chi-cuadrado

Si la variable aleatoria X se distribuye como una chi-cuadrado con r grados de
libertad, esto es, si X
2 (r) , entonces en la tabla de probabilidades chi-cuadrado
se puede encontrar una probabilidad 1
o un valor c 12 ,r mediante la relacin
P X 12 , 1
DISTRIBUCIN T DE STUDENT
Definicin.Se dice que una variable aleatoria continua T se distribuye segn t-student (mas
brevemente segn t) con r grados de libertad y se representa por T
t(r) , si su
funcin de densidad es,
r1
( r 1) / 2

2
2
f (t )
, x ,
1 r
r

r ( )
2
Donde r es un entero positivo.
Propiedades.
i)
Si X tiene distribucin t-student con r grados de libertad, entonces su media y su

varianza son respectivamente,
ii )
r
,r2
r2
Su grafica tiene forma de campana de Gauss, simtrica

en cero
iii )
La varianza de la distribucin t es mayor que de la

distribucin N(0,1). Pero cuando r , la varianza de
la t tiende a 1
iv )
La distribucin t se aproxima a una distribucin N(0,1),

cuando r . La aproximacin es buena, si r 0 .
Uso de la Tabla t-Student.

Si la variable aleatoria T tiene distribucin t-Student con r grados de libertad, o
T
t(r) , en la tabla de probabilidades t-Student se puede encontrar una probabilidad
1 o un valor c t1 ,r mediante la relacin: P T t1 ,r 1 .
DISTRIBUCIN F
Definicin.- Se dice que una variable aleatoria continua X se distribuye segn F con
r1 y r2 grados de libertad y se representa por X
F (r1 , r2, si su funcin de densidad
)
es,
r1 r1 / 2 r1 r2
r
2
2
f ( x)
.
r1 r2
2
2

(r
r x
r2
/ 2) 1
; 0x
( r1 r2 ) / 2
Donde r1 y r2 son nmeros enteros positivos.
USO DE LA TABLA F
F (r1 , r2 , en la tabla de probabilidad F se puede encontrar
, mediante la relacin:
o un )valor c F
Si la variable aleatoria X
una probabilidad 1
1 ,r1 ,r2
P X c 1
Teorema- Si X tiene distribucin F con grados de libertad r1 y r2 , entonces 1/ X

tiene distribucin F con grados de libertad r y r , esto es:
2
1
F1 ,r1 ,r2
1
F ,r2 ,r1
plicacin
de la
TEMA
3
Distribucin
Normal
Competencia:
Analizar la importancia de la distribucin
normal.
49
Tema 03: Aplicacin de la Distribucin

Normal
Como se ha mencionado anteriormente, la ley de probabilidad gaussiana la
encontramos en la mayora de los fenmenos que observamos en la naturaleza,
por ello gran parte de lo que resta del curso lo vamos a dedicar a su estudio y a la
de las distribuciones asociadas a ella. Sin embargo, a pesar de su utilidad, hay que
apuntar un hecho negativo para esta ley de probabilidad:
La funcin
e x
no posee primitiva
Las consecuencias desde el punto de vista prctico son importantes, ya

que eso impide el que podamos escribir de modo sencillo la funcin de
distribucin de la normal, y nos tenemos que limitar a decir que:
F x P X x
SA
se
f t dt
1 t

dt
(din poder hacer uso de ninguna expresin que la simplifique.

cfortunadamente esto no impide que para un valor de x fijo, F(x) pueda
pr r calculado. De hecho puede ser calculado con tanta precisin
ecimales) como se quiera, pero para esto se necesita usar tcnicas de
lculo numrico y ordenadores. Para la utilizacin en problemas
cticos de la funcin de distribucin F, existen ciertas tablas donde se
ofrecen (con varios decimales de precisin) los valores F(x) para una
serie limitada de valores xi dados. Normalmente F se encuentra tabulada
para una distribucin Z, normal de media 0 y varianza 1 que se denomina
distribucin normal tipificada:
50
En el caso de que tengamos una distribucin diferente,
se obtiene Z
haciendo el siguiente cambio:
Ejemplo 1: Las alturas de las mujeres jvenes argentinas estn aproximadamente

distribuidas normalmente con = 160 cm = 4 cm.
Sea X = altura de una mujer argentina joven, elegida al azar, X es una variable
aleatoria continua y su funcin de densidad de probabilidad est dada por:
f X ( x)
( x 2 )
2 2
En General, si la funcin de densidad de probabilidad de una variable aleatoria X

est dada por la expresin anterior, decimos que X tiene distribucin normal de
2
parmetros con y :
N ,
2
PROPIEDADES DE LA DISTRIBUCIN NORMAL
N , , entonces
Sea X
X
a) z
N 0,1
r.
distribucin Normal Estnda
2
2
b) ax b N a b, a
Siguiendo con el ejemplo: Cul es la probabilidad de que una mujer joven

elegida al azar tenga una altura entre 160 cm y 168 cm? Recordemos que
X = altura de una mujer argentina joven, elegida al azar entonces
N ,
2
con = 160 cm y = 4 cm
51
P 160 X 168 P
160 160 X 168 160
P 0 z 2 2 0 0.9772 0.500 0.4772
Ejemplo 2:
Supongamos que cierto fenmeno pueda ser representado mediante una variable
aleatoria X
N 45, 1 , y queremos calcular la probabilidad de que X tome un

8
valor entre 39 y 48, es decir,
Comenzamos haciendo el cambio de variable
de modo que :
52
Aproximaciones
a la
Distribucin
Normal
TEMA
4
Competencia:
Aplicar la aproximacin a la distribucin
normal.
53
Tema 04: Aproximaciones a la Distribucin

Normal
Se puede demostrar (teorema central del lmite) que una v.a. discreta con
distribucin binomial,
se puede aproximar mediante una distribucin
normal si n es suficientemente grande y p no est ni muy prximo a 0 ni a 1. Como

el valor esperado y la varianza de X son respectivamente np y npq, la
aproximacin consiste en decir que
. El convenio que se suele
utilizar para poder realizar esta aproximacin es:
aunque en realidad esta no da resultados muy precisos a

menos que realmente n sea un valor muy grande o
.
TEOREMA DEL LMITE CENTRAL

El teorema del lmite central establece que si se tienen n variables aleatorias, X1,
X2, ..., Xn, independientes y con idntica distribucin de media m y varianza s2, a
medida que crece n, la suma (y la media) de estas variables tiende a seguir una
distribucin normal.
El teorema del lmite central, explicado de forma intuitiva, afirma que cualquiera
que sea la distribucin comn de un conjunto de variables aleatorias, suponiendo
que su varianza sea finita, la suma y la media de un nmero elevado de estas
variables tendern a distribuirse de manera similar a una variable normal.
54
Ejemplo:
Durante cierta epidemia de gripe, enferma el 30% de la poblacin. En un aula con
200 estudiantes de Medicina, cul es la probabilidad de que al menos 40 padezcan
la enfermedad? Calcular la probabilidad de que haya 60 estudiantes con gripe.
Solucin:
La variable aleatoria. Que contabiliza el nmero de alumnos que padece la gripe es
Cuya media es
n. p
y su varianza es
npq 42 .
2
Realizar los
60
clculos con la ley binomial es muy engorroso, ya que intervienen nmeros
combinatorios de gran tamao, y potencias muy elevadas. Por ello utilizamos la
aproximacin normal de X, teniendo en cuenta que se verifican las condiciones
necesarias para que el error sea aceptable:
55
As aproximando la v.a. discreta binomial X, mediante la v.a. continua normal XN

tenemos:
Tambin es necesario calcular
p x 60
. Esta probabilidad se calcula
exactamente como:
Dada la dificultad numrica para calcular esa cantidad, y como la

distribucin binomial no est habitualmente tabulada hasta valores tan
altos, vamos a utilizar su aproximacin normal, XN. Pero hay que
prestar atencin al hecho de que XN es una v.a. continua, y por
tanto la probabilidad de cualquier punto es cero. En particular,
lo que ha de ser interpretado como un error de aproximacin. Hay mtodos

ms aproximados para calcular la probabilidad buscada. Por ejemplo,
por el valor de la funcin de densidad de XN
podemos aproximar p x
60
en ese punto (es en el nico sentido en que se puede entender la funcin de

densidad de la normal como una aproximacin de una probabilidad).
As:
Por ltimo, otra posibilidad es considerar un intervalo de longitud 1 centrado en

el valor 60 del que deseamos hallar su probabilidad y hacer:
Lecturas
Recomendadas
DISTRIBUCIN NORMAL
http://www.uca.es/uca/dpto/C146/pag_personal/f_alvarez/documentos/CC%20Tra
bajo%20Tema%205.pdf
DISTRIBUCIN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

http://www.itapizaco.edu.mx/~joseluis/apuntes/estadistica/distribuciones%20disc
retas.pdf
VARIABLES ALEATORIAS CONTINUAS

http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2011/1/PyEC06.pdf
1) Ingresa al link Distribucin lee atentamente

desarrllalo y envalo por el mismo medio.
las
indicaciones,
Hacer uso de la distribucin normal en los problemas de casos reales.

Suponga que la demanda mensual de un bien de consumo se
distribuye normalmente con una media de 650 kilogramos y una
desviacin estndar de 100 kg. Qu probabilidad hay de que la
demanda no supere los 500 kg?
El porcentaje del ingreso ahorrado por las familias tiene distribucin
normal con una media del 10%. Determine la desviacin estndar
P X t , si el 2.28% de los ahorros son mayores que 12.4%
Suponga que el ingreso familiar mensual en una comunidad tiene
distribucin normal con media $600 y desviacin estndar $100.
Calcular la probabilidad de que el ingreso de una familia escogida al
azar sea menor que $400.
Autoevaluacin
1) La probabilidad de que cierto tipo de objeto pase con xito una determinada
prueba es 5/6. Se prueban 10 de tales objetos. Si X es la variable aleatoria
que se define como el nmero de objetos que no pasan la prueba.
Calcular la media de esta distribucin.
a. 3.2456
b. 0.5000
c. 1.667
d. 2.5
e. 1.1777
2) Supngase que la temperatura T durante junio est distribuida normalmente con media 68 y
desviacin estndar 6. Hallar la probabilidad p de que la temperatura este entre 70 y 80.
a.
b.
c.
d.
e.
0,347
0,456
0,567
0,234
0,789
3) Los pesos de 2 000 soldados presentan una distribucin normal de media 65 kg y desviacin
tpica 8 kg. Calcula la probabilidad de que un soldado elegido al azar pese Ms de 61 kg.
a.
b.
c.
d.
e.
0.6915
0.5000
0.3333
1.0000
0.2222
4) La duracin de un lser semiconductor a potencia constante tiene una

distribucin normal con media 7.000 horas y desviacin tpica de 600 horas.
Cul es la probabilidad de que el lser falle antes de 5.000 horas?
a. 0.8765
b. 0.0004
c. 0.2456
d. 0.5321
e. 0.3456
5) Suponga que la duracin X de los focos que produce una compaa se
distribuye normalmente. si el 18.41 % de estos focos duran menos de 8.2
meses y el 6.68% duran al menos 13 meses. calcular la media y la varianza
de la duracin de los focos?
10 , 2
a.
b. 12 , 2
c. 8 , 1
d. 12 , 1, 5
e. 8 , 2
Resumen
UNIDAD DE APRENDIZAJE II:
Sea un espacio probabilstico y sea X una variable aleatoria discreta que toma como
posibles valores x ,x ,.....x , se define la distribucin de probabilidad de X como el
1
conjunto de pares (xi , pi ) que a cada valor de la variable le asocia una probabilidad,
donde pi = P(X=xi ), tal que la suma de todas las probabilidades es igual a la unidad.
En la distribucin de variables discretas encontramos Distribucin de Bernoulli,
Distribucin Binomial, Distribucin Geomtrica, Distribucin de Pascal o Binomial
negativa, Distribucin hipergeomtrica.
Si la variable aleatoria es continua, hay infinitos valores posibles de la variable y entra

cada dos de ellos se podran definir infinitos valores. En estas condiciones no es
posible deducir la probabilidad de un valor puntual de la variable como se puede hacer
en el caso de las variables discretas. Pero s es posible calcular la probabilidad
acumulada hasta un cierto valor (funcin de distribucin) y cmo cambia esa
probabilidad acumulada en cada punto (densidad de probabilidad). Por tanto, cuando
la variable aleatoria sea continua hablaremos de funcin de densidad.
Puede tomar cualquier valor ,

Hay ms probabilidad para los valores cercanos a la media
Conforme nos separamos de , la probabilidad va decreciendo de igual forma a
derecha e izquierda (es simtrica).
Conforme nos separamos de , la probabilidad va decreciendo dependiendo la
desviacin tpica s.
El teorema del lmite central establece que si se tienen n variables aleatorias, X1,
X2,..., Xn, independientes y con idntica distribucin de media m y varianza s2, a
medida que crece n, la suma (y la media) de estas variables tiende a seguir una
distribucin normal. Explicado de forma intuitiva, afirma que cualquiera que sea la
distribucin comn de un conjunto de variables aleatorias, suponiendo que su varianza
sea finita, la suma y la media de un nmero elevado de estas variables tendern a
distribuirse de manera similar a una variable normal.
61
Introduccin
Los temas que se tratan en la presente unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el concepto de distribucin muestral durante su
proceso de formacin profesional y contribuyan en el logro de su perfil profesional.
b) Competencia
Interpreta las caractersticas y funciones del muestreo aleatorio as como sus
aplicaciones.
c) Capacidades
1. Reconoce la importancia del concepto de muestreo aleatorio.
2. Resuelve problemas que involucren distribuciones muestrales de la media y
proporcin.
3. Analiza la importancia de la distribucin muestral de la diferencia de dos
medias.
4. Analiza la importancia de la distribucin muestral de la diferencia de dos
proporciones.
d) Actitudes
Aprecia crticamente las diferentes ventajas y desventajas del
muestreo aleatorio.
Valora el las etapas de la distribucin muestral de la media y proporcin.
Toma una actitud con capacidad crtica para la ddistribucin muestral de la
diferencia de dos medias.
Valora a la distribucin muestral de la diferencia de dos proporciones.
e) Presentacin de ideas bsicas y contenidos esenciales de la unidad:

La Unidad de Aprendizaje 03: Distribuciones Muestrales, comprende el
TEMA 01: Muestreo Aleatorio.
TEMA 02: Distribucin Muestral de la Media y Proporcin.
TEMA 03: Distribucin Muestral de la Diferencia de Dos Medias.
TEMA 04: Distribucin Muestral de la Diferencia de Dos Proporciones.
62
Muestreo
TEMA
1
Aleatorio
Competencia:
Reconocer la importancia del concepto de
muestreo aleatorio.
63
Tema 01: Muestreo Aleatorio

MUESTREO
Se llama muestreo al procedimiento mediante el cual obtenemos una ms
muestras.
Entonces la tcnica de elegir la muestra se
llama muestreo, el objetivo principal de un
diseo
de
muestreo
Procedimientos
muestra
que
para
sea
la
es
proporcionar
seleccin
de
la
representativa
de
la
poblacin en estudio.
La utilizacin de las tcnicas de muestreo es
muy amplia se usa en agricultura, ganadera, industria. Comercio, servicios y en las
diferentes reas del conocimiento humano como biologa, medicina. Ingeniera,
psicologa. Sociologa, mercadotecnia, antropologa etc.
Ventajas:
Un costo ms bajo, es la razn principal en la utilizacin del muestreo en lugar de
una enumeracin completa.
Los datos pueden ser recolectados con mayor rapidez cuando se trabaja con una
muestra que con toda la poblacin.
Una muestra exigira menos personal por lo tanto se podra seleccionar y
adiestrar mejores empleados y el trabajo podra ser supervisado ms
estrechamente.
La recoleccin de datos de una muestra conducen a datos ms precisos que los
que podran ser obtenidos reuniendo datos de todas las unidades.
Cuando la poblacin es infinita o tan grande de tal manera que el censo exceda
las posibilidades del investigador.
Cuando la poblacin es suficientemente uniforme.
Cuando el proceso de medida o investigacin de las caractersticas de cada
elemento sea destructivo.
64
Definicin de la Poblacin en Estudio

El primer problema es definir la poblacin bajo estudio. La poblaciones el conjunto de
unidades que el investigador desea estudiar de las cuales planea generalizar y debe
ser preciso al definir la poblacin.
Ejemplo 1: La poblacin puede consistir en todas las universidades en Lima
metropolitana.
Ejemplo 2: La poblacin puede ser todos los establecimientos de comestibles
ubicados en el distrito de la Victoria.
Definicin de las Variables Que se Estudian

El segundo problema a considerar es la definicin de las variables que se van a
estudiar.
Ejemplo:
Supongamos
que
una
embotelladora
desea determinar si los establecimientos de vveres

de Lima metropolitana vende una marca especfica
de refresco, en este caso slo se est estudiando
una variable y puede dar una definicin estricta; una
tienda tiene en existencia el refresco o no la tiene.
DISEO DE MUESTRAS
El diseo de la muestra es la tercera dificultad suscitada en cualquier operacin
de muestreo y puede ser dividida en:
La determinacin de las unidades de muestreo.
La seleccin de los elementos de la muestra y
determinacin del
tamao de la muestra.
Estimacin de las caractersticas de la poblacin

con los datos de la muestra.
Seleccin de las Unidades de Muestreo

Se llama unidad de muestreo a las colecciones disjuntas de la poblacin, en algunos
casos una unidad muestral est constituida por un solo elemento.
Ejemplo: Considrese el problema de hallar la proporcin de establecimientos de
comestibles en la Victoria que venden Pepsi cola. Aqu el establecimiento de
comestibles sera la unidad observada y por lo tanto sera razonable considerar un
procedimiento de muestreo directo. Dada una lista de todos los establecimientos de
comestibles de dicha rea sera relativamente fcil escoger una muestra.
Seleccin de la Muestra
Otra parte del problema del diseo muestra es el mtodo de escoger los componentes
de muestra.
Una muestra debe ser representativa si va a ser usada para estimar las
caractersticas de la poblacin.
Los mtodos para seleccionar una muestra representativa son numerosos,
dependiendo del tiempo y del dinero y habilidad para tomar una muestra y la
naturaleza de los elementos individuales de la poblacin.
Los mtodos ms comunes podemos dividirlos de la siguiente manera:

Por el nmero de muestras tomadas de una poblacin.
por la manera usada en seleccionar los elementos incluidos en la Muestra.
a) Mtodos en Funcin del Nmero de Muestras:

i. Muestreo Simple
El muestreo es simple s slo se toma una muestra de la poblacin en este
caso, la muestra debe ser lo suficiente grande para extraer una
conclusin. Una muestra grande generalmente cuesta mucho
dinero.
ii. Muestreo Doble
Cuando el resultado del estudio de la primera muestra no es
decisivo, una segunda es extrada de la misma poblacin y
las dos muestras son combinadas para analizar los
resultados.
66
b) Muestreo en Funcin a la Manera de Seleccin de los Elementos

Los elementos de una muestra pueden ser seleccionados de dos maneras
diferentes:
i. Muestreo de Juicio (no probabilstica)
Llamado as porque sus elementos son seleccionados mediante el juicio
personal.
La persona que selecciona los elementos de la muestra visualmente es un
experto en la materia dada.
Una muestra de juicio es llamada muestra no probabilstica. Puesto que ste
mtodo est basado en los puntos de vista subjetivos de una persona
ii. Muestreo Aleatorio
Una muestra se dice que es aleatoria cuando la manera de seleccionar es tal
que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado
a esta muestra tambin se le conoce como probabilstica puesto que cada
elemento tiene una probabilidad conocida.
La aplicacin de este mtodo naturalmente presupone la disponibilidad de una
lista de todas las unidades de muestreo en la poblacin, llamndose marco y
proporciona la base para la seleccin de la muestra.
Es deseable que este marco contenga todas las unidades mustrales que
son de inters y que no incluya unidades
falsas ni tampoco elementos repetidos.
Los tipos ms comunes de muestreo aleatorio

son:
Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemtico
Muestreo por conglomerado.
Error de Muestreo
Cualquiera que sea el mtodo de seleccin una estimacin por muestra diferir de la
que se obtenga utilizando todos los elementos de la poblacin, a esta diferencia entre
67
el valor de la muestra y el valor de la poblacin se llama error de muestreo.

Muestreo Aleatorio Simple
Una muestra aleatoria simple es seleccionada de tal manera que cada muestra
posible del mismo tamao tiene igual probabilidad de ser seleccionada de la
poblacin.
Un mtodo simple para obtener los elementos de la muestra aleatoria simple es
utilizando las tablas de nmeros al azar y puede ser resumido de la siguiente manera:
Numrese cada componente de la poblacin desde el 1 hasta N (nmero total
de la poblacin.
Comenzando en algn lugar previamente seleccionado en una tabla de nmeros
al azar, precdase sistemticamente a travs de la tabla utilizando tantas cifras
como sean necesarias. Por ejemplo: Si la poblacin tiene 90 elementos tmese
2 dgitos cada vez y as sucesivamente.
Distribucin Normal: Esta distribucin es
frecuentemente utilizada en las
aplicaciones Estadsticas. Su propio nombre indica su extendida utilizacin, justificada

por la frecuencia o normalidad con la que ciertos fenmenos tienden a
Parecerse en su comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de
densidad cuya grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un

mismo valor de p y valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribucin normal se debe principalmente a
que hay muchas variables asociadas a fenmenos naturales que siguen el
modelo de la normal
Caracteres morfolgicos de individuos (personas, animales, plantas,...) de una
especie, p. ej. tallas, pesos, envergaduras, dimetros, peri metros,.. .
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco,
o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo
grupo de individuos, puntuaciones de examen.
68
Caracteres psicolgicos, por ejemplo: coeficiente intelectual, -grado de

adaptacin a un medio.
Definicin.- Se denomina estadstica a cualquier funcin de las variables aleatorias
que constituyen la muestra.
Y H ( X1 , X 2 ,..., X n ) , cuyo valor es el
Una estadstica es una variable aleatoria

nmero real
y H (x1 , x2 ,..., xn ) . El trmino estadstica se usa para referirse tanto a la
funcin de la muestra, como al valor de esta funcin.
En
general
para
cada
parmetro
poblacional
hay
una
estadstica
correspondiente a calcularse a partir de la muestra. Algunas caractersticas

importantes y sus valores calculados a partir de una muestra aleatoria son:
a) La media muestral
valor
b) La varianza muestral S
X i , con
1 n
xi
n
i 1
i 1
X X
i
i 1
c) La desviacin estndar muestral S
, con valor
s2
1
n
xi
i 1
d) La proporcin muestral (porcentaje de xitos en la muestra) P o P

donde X i
tambin ,
1 n
Xi,
n
i n
B(1, p) (el parmetro p es el porcentaje de xitos de la poblacin).

P
X
, donde X
n
B(n, p)
69
Distribucin
Muestral de
Media y
Proporcin
la
TEMA
2
Competencia:
Resolver
problemas
que
involucren
distribuciones muestrales de la media y
proporcin.
70
Tema 02: Distribucin Muestral de la Media y

Proporcin
DEFINICIN.- Se denomina distribucin muestral de una estadstica a su
distribucin de probabilidad
Distribucin Muestral de la Media X
X1 , X 2 ,..., X n , una muestra aleatoria de tamao n escogida
Teorema.- Sea
de una poblacin f(x) con media y con varianza 2 . Si X es la media

muestral, entonces,
a) E
b ) Var
X n
c ) para n suficientemente grande , la variable aleatoria ,
/ n
Tiene distribucin aproximadamente normal N (0,1) .
Notas.
a ) La aproximacin de X a la normal N ( , / n) es buena si n 30 , sin
2
importar si la poblacin es discreta o continua.

b ) Si la muestra aleatoria es escogida de una poblacin normal N ( , ) ,
2
entonces, la distribucin de X es exactamente normal N ( , / n) , para

2
cualquier tamao de muestra, n 2

c ) La varianza de la media: Var
X n
es vlida, si el muestreo es con o sin
reemplazo en una poblacin infinita, o es con reemplazo en una poblacin

finita de tamao N.
71
Si el muestreo es sin reemplazo en una poblacin finita de tamao N,

entonces,
la varianza de la distribucin de X es:

2
N n
N n
el coeficiente
se denomina factor de
2
n N1
N 1
correccin para poblacin finita. Observar que cuando N el factor de

correccin tiende a uno.
d ) La desviacin estndar de una estadstica es conocida como error estndar.
Ejemplo 01
La altura media de 400 alumnos de un plantel de secundaria es de 1.50 metros y
su desviacin tpica es de 0.25 metros. Determinar la probabilidad de que en una
muestra de 36 alumnos, la media sea superior a 1.60 metros.
Solucin.
X 1.60 ?
1.60 1.50
0.25 / 36
2.40
z 2.40 A 0.4918
P 0.5000 0.4918 0.0082 0.82%
Ejemplo 02
Se tiene para la venta un lote de 1000 pollos, con un peso promedio de 3.5 kg y
una desviacin estndar de 0.18 kg. Cul es la probabilidad de que en una
muestra aleatoria, 100 pollos de esta poblacin, pesen entre 3.53 y 3.56 kg?
Solucin.
3.5 , 0.18 , n 100 , P 3.53
/ n
3.56 3.5
0.18 / 100
X 3.56 ?
3.33
z 3.33 A 0.4996
z
3.53 3.5
0.18 / 100
1.66
z 1.66 A 0.4515
Entonces P 3.53 X 3.56 0.4996 0.4515 0.0481 4.81%
Ejemplo 03:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de
16 focos tenga una vida promedio de menos de 775 horas.
Solucin:
73
Este valor se busca en la tabla de z
La interpretacin sera que la probabilidad de que la media de la muestra de 16

focos sea menor a 775 horas es de 0.0062.
Ejemplo 04:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma
normal con una media de 174.5 centmetros y una desviacin estndar de 6.9
centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo de
esta poblacin, determine:
a. El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b. El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y un
muestreo sin reemplazo, por lo que se tendr que agregar el factor de correccin.
Se proceder a calcular el denominador de Z para slo sustituirlo en cada inciso.
a.
(0.7607)(200)=152 medias muestrales

b.
(0.0336)(200)= 7 medias muestrales
Distribucin Muestral de la Proporcin

Sea
X1 , X 2 ,..., X una muestra aleatoria de tamao n extrada de la poblacin

n
de Bernoulli
B(1, p) , donde p es el porcentaje de xitos en la poblacin y sea
X 1 X 2 ... X n
X
n
n
X X1 X 2 ... X una
La proporcin de xitos en la muestra, siendo,
B(n, p) , entonces,
variable binomial
1(np) p
X 1
E( X )
n
n
n
a ) p E(P) E
1
1
p(1 p)
X
n 2 V ( X ) n2 np(1 p) n
n
b ) p V (P) V
c ) Si n es suficientemente grande , entonces la variable aleatoria
P p
p(1 p) / n
75
Tiene aproximadamente distribucin N (0,1)

Notas:
1). El error de P es : p
p(1 p)
n
2). Si la poblacin es finita de tamao N y el muestreo es sin reposicin el error

estndar (desviacin estndar de la hipergeomtrica) es :
p(1 p) N n
n
N1
Observar que si N es grande con respecto a n el factor de correccin
N n
se
N 1
aproxima a la unidad.
3). Si n es suficientemente grande n 30 ,
c p
p(P c) p Z
Sin embargo aproximaciones satisfactorias se obtienen si se introduce el factor de

correccin por continuidad
1
. Luego,
2n
c 2n
p(P c) p Z
p
4). Observar que las dos expresiones de Z
X np
np(1 p)
P p
p(1 p)
Donde X es binomial y P es el porcentaje de xitos en la muestra, tiene

.
distribucin N (0,1)
Ejemplos:
1). Se tiene que el 4% de las piezas producidas por cierta maquina son
defectuosas, Cul es la probabilidad de que un grupo de 200 piezas, el
3% o ms sean defectuosas?
Solucin.
p p 0.04 , P^ p 0.03
PQ
0.04 0.96
200
0.014
Se desea determinar la probabilidad P p 0.03
p p
PQ
n
0.03 0.04
0.04 0.96
0.71
200
z 0.71 A 0.2612
p 0.2612 0.5000 0.7612

Entonces
P p 0.03 0.7612 76.12%

2). Se desea estudiar una muestra de 49 personas para saber la proporcin
de las mayores de 40 aos; sabiendo que la proporcin en la poblacin es
0.4. Cul es la probabilidad de que la proporcin en la muestra sea
menor de 0.5?
Solucin.
n 49 ,
P 0.4 ,
p p
PQ
n
p 0.5 ?
0.5 0.4
1.43
0.4 0.6
49
z 1.43 A 0.4236
P 0.5000 0.4236 0.9236

Entonces
p 0.5
0.9236 92.36%
3). 46% de los sindicatos del pas estn en contra de comerciar con china
continental; Cul es la probabilidad de que una encuesta a 100 sindicatos
muestre que ms del 52% tengan la misma posicin?
4). La probabilidad de que un paciente se recupere de una rara enfermedad es
0.4. Cul es la probabilidad de que en una muestra de 100 pacientes
seleccionados de una poblacin de 1000 que sufren la enfermedad, ms del
30% sobrevivan?
5). Se ha determinado que el 65% de los estudiantes
universitarios de Lima prefieren los cuadernos marca
profesional. Cul es la probabilidad de que en una
muestra de 100 universitarios de dicha ciudad?,
encontremos que:
a ) Como mximo el 68% sean usuarios de
ese tipo de cuaderno
b ) Exactamente
66%
sean
usuarios
(utilizar medio punto de porcentaje para

los lmites).
Distribucin
Muestral de la
Diferencia
de Dos Medias
TEMA
3
Competencia:
muestral de la diferencia de dos medias.
79
Tema 03: Distribucin Muestral de la

Diferencia de Dos Medias
DISTRIBUCIN DE DIFERENCIAS ENTRE DOS MEDIAS MUESTRALES
Se tienen dos poblaciones independientes identificadas la primera por X y la segunda
N1 y N2 , cuyas medias se simbolizan por x y y , y sus
por Y, de tamao
desviaciones tpicas son x y y . Se obtiene un numero (M) de pares de muestras.
Las medias muestrales de la primera poblacin se identifican por X 1 ; X 2 ;....; X M . Y
las muestras de la segunda variable por Y 1 ;Y 2 ;....;Y M .
La media de las diferencias de todos los pares o medias muestrales posibles, es igual
a la diferencia entre las medias poblacionales:
x y x y
La desviacin tpica de las diferencias entre los pares de medias muestrales se

simboliza por:
2
n1
n2
x
xy y
Suponiendo que la distribucin de diferencias entre las medias muestrales tenga

un comportamiento similar a la distribucin normal, la variante estadstica estar
dada por:
x y
x
y
x y
Entonces Z
xy
x2 y
n1 n2
80
Se puede aplicar esta distribucin cuando no se conoce n las varianzas poblacionales
2x y 2y , las cuales pueden ser sustituidas por varianzas muestrales s2x y s 2y siempre
y cuando que n1 y n2 sean mayores que 30. Algunos autores consideran si
n1 n2 30 . Siendo su frmula:
x y
sx2 sy
n1 n2
Ejemplo 01:
Se tienen dos poblaciones normales e independientes, donde la media de la segunda
poblacin es 0.65 menor que la de la primera; si se obtienen muestras de tamao 110
y 120 y si las respectivas desviaciones tpicas poblacionales son 12 y 8, se pide
determinar la probabilidad de que, en un par de muestras, la diferencia entre ambas
medias muestrales sea superior a 1 en valor absoluto.
Solucin.
x y 0.65 ,
Se pide P
n1 100 n2 120 , x 12, y 8

,
xy 1
Entonces
x y
n1
n2
x y
1.40
64
1.40
100 120
x y
1 0.65
z
0.25
,
144
1 0.65
1.18
1.40
z 0.25 A 0.0987 , z 1.18 A 0.3810

Entonces P 1 0.0987 0.3810 0.5203
Ejemplo 2
En un estudio para comparar los pesos promedio de nios y nias de sexto grado en
una escuela primaria se usar una muestra aleatoria de 20 nios y otra de 25 nias.
Se sabe que tanto para nios como para nias los pesos siguen una distribucin
normal. El promedio de los pesos de todos los nios de sexto grado de esa escuela
es de 100 libras y su desviacin estndar es de 14.142, mientras que el promedio de
los pesos de todas las nias del sexto grado de esa escuela es de 85 libras y su
desviacin estndar es de 12.247 libras. Si
de 20 nios y
representa el promedio de los pesos
es el promedio de los pesos de una muestra de 25 nias, encuentre
la probabilidad de que el promedio de los pesos de los 20 nios sea al menos 20

libras ms grande que el de las 25 nias.
Solucin:
Datos:
1=
100 libras
= 85 libras
1=
14.142 libras
2=
12.247 libras
n1 = 20 nios
n2 = 25 nias
=?
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de

nios sea al menos 20 libras ms grande que el de la muestra de las nias es
0.1056.
82
Entonces
p x A x B 20 P z 1.25 1 P z 1.25 1 1.25 1 0.8944 0.1056
Ejemplo 03:
Uno de los principales fabricantes de televisores compra los tubos de rayos
catdicos a dos compaas. Los tubos de la compaa A tienen una vida media de
7.2 aos con una desviacin estndar de 0.8 aos, mientras que los de la B tienen
una vida media de 6.7 aos con una desviacin estndar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la compaa A tenga una
vida promedio de al menos un ao ms que la de una muestra aleatoria de 40 tubos
de la compaa B.
Solucin:
Datos:
A
= 7.2 aos
= 6.7 aos
A=
B=
0.8 aos
0.7 aos
nA = 34 tubos
nB = 40 tubos
=?
p x
Entonces p
x B A
2A
2B

nA
nB
1 7.2 6.7
0.82 0.7
34
40
P z 2.84 1 P z 2.84 1 2.84 1 0.9977 0.0023
Ejemplo 04:
Se prueba el rendimiento en km/L de 2 tipos de gasolina,
encontrndose una desviacin estndar de 1.23km/L para la
primera gasolina y una desviacin estndar de 1.37km/L para la
segunda gasolina; se prueba la primera gasolina en
35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de un
rendimiento promedio mayor de 0.45km/L que la segunda
gasolina?
b. Cul es la probabilidad de que la diferencia en rendimientos
promedio se encuentre entre 0.65 y 0.83km/L a favor de la
gasolina 1?
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en ninguna de las
dos poblaciones, por lo que se supondrn que son iguales.
84
Datos:
1=
1.23 Km/Lto
2=
1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
a.
b.
=?
La probabilidad de que la diferencia en rendimientos promedio en las muestras se

encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1 es de 0.0117.
85
Distribucin
Muestral de la
Diferencia de dos
Proporciones
TEMA
4
Competencia:
muestral
de la diferencia
de dos
proporciones.
86
Tema 04: Distribucin Muestral de la

Diferencia de Dos Proporciones
En el caso de dos poblaciones independientes de tamao N1 y N 2 , distribuidas
binomialmente, con parmetros, medias proporcionales P1 y P2 (tambin se pueden
representar las medias por
y P2
P 1Q 1
P y P ) y desviaciones proporcionales P y P , siendo:

2
P2 Q2 , el error estndar de las diferencias entre las dos
medias proporcionales estar dada por:

P Q P2 Q2 Cuando son valores poblacionales.
PP
1
Cuando n1 y n2 corresponden a muestras grandes, es decir, ambas superiores a 30.
sP1 P2
p1 q1 p2 q2
n1
n2
La media de las diferencias entre dos medias proporcionales, se simboliza;

indistintamente por:
P P P P P1 P2
1
La variante estadstica Z, estar dada en la misma forma que fue representada para
diferencias entre dos medias muestrales:
p1 p2 P P
1
P1Q1
n1
P2 Q 2
n2
Ejemplos:
1). Consideremos dos maquinas que producen un determinado articulo; la primera
produce por trmino medio un 14% de artculos defectuosos,
en tanto que otra, produce el 20% de artculos defectuosos; si se
obtienen muestras de 200 unidades en la primera y 100 unidades
en la segunda, Cul es la probabilidad de que difiera A de B
en 8% o ms?
87
Solucin
Datos: P p p 0.08 ?
1
2
,
n1 200 , n2 100 , p1 14% , p2 20%
p p 0.14 0.20 0.06

1
p1 p2 p p
0.08 0.06
P1Q1 P2Q2
n1
n2
0.14 0.86 0.2 0.8
200
2.98
100
z 2.98 A 0.4986
Entonces
P p1 p2 0.08 0.5000 0.4986 0.0014 0.14%
2). Dos fabricas A y B, producen artculos similares. La produccin de A contiene 7%

de defectuosos, y la de B contiene, 5%. Si se extrae una muestra aleatoria de 2000
de cada una de las producciones de las fbricas, Cul es la probabilidad de que
las dos muestras revelen una diferencia en el nmero de los defectuosos del 1 % o
ms?
Solucin
Datos: P p1 p2 0.01
n1 200 0 , n2 2000 , p1 0.07 , p2 0.05
p1 p2 p
0.01 0.02
2 p
P1Q1
P2Q2
n1
n2
0.01 0.02
0.07 0.93 0.05

0.9
2000
4
0.0075
Luego
z 1.33 A 0.4082
z 4 A 0.5000
2000
1.33

Entonces
P 0.5000 0.4082 0.9082

P p1 p2 0.01
90.82%
88
MUESTREO ALEATORIO
http://www.fao.org/docrep/x5684s/x5684s04.htm
DISTRIBUCIN MUESTRA DE LA PROPORCIN

http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r76020.PDF
DISTRIBUCIN MUESTRAL DE LA MEDIA

www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r14681.DOC
1) Ingresa al link Distribucin Muestral lee atentamente las

indicaciones, desarrllalo y envalo por el mismo medio.
Hacer uso de las distintas formulas correspondientes a las
distribuciones muestrales.
Las estaturas de los estudiantes de la Universidad Privada

Telesup se distribuyen normalmente con media de 170
centmetros y desviacin tpica de 10 centmetros. Si se toma una
muestra de 81 estudiantes, Cul es la probabilidad de que
tengan una estatura superior a 175 centmetros?
46% de los sindicatos del pas estn en contra de comerciar con

china continental; Cul es la probabilidad de que una encuesta a
100 sindicatos muestre que ms del 52% tengan la misma
posicin?
89
Un especialista en gentica ha detectado que el 26% de los hombres

y el 24% de las mujeres de cierta regin del pas tiene un leve
desorden sanguneo; si se toman muestras de 150 hombres y 150
mujeres, determine la probabilidad de que la diferencia muestral de
proporciones que tienen ese leve desorden sanguneo sea de Menos
de 0.035 a favor de los hombres.
a. Menos de 0.035 a favor de los hombres.
b. Entre 0.01 y 0.04 a favor de los hombres.
Los hombres y mujeres adultos radicados en una ciudad grande del

norte difieren en sus opiniones sobre la promulgacin de la pena de
muerte para personas culpables de asesinato. Se cree que el 12% de
los hombres adultos estn a favor de la pena de muerte, mientras que
slo 10% de las mujeres adultas lo estn. Si se pregunta a dos
muestras aleatorias de 100 hombres y 100 mujeres su opinin sobre
la promulgacin de la pena de muerte, determine la probabilidad de
que el porcentaje de hombres a favor sea al menos 3% mayor que el
de las mujeres.
90
Autoevaluacin
1) En una poblacin normal, con media 72,1 y desviacin estndar 3,1,

encuentre la probabilidad de que en una muestra de 90 observaciones, la
media sea menor que 71,7.
a. 0.1093
b. 0.587
c. 0.4931
d. 0.4568
e. 1.0000
2) Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye
2
normalmente con media de 2000 libras y una varianza de 25,000 lbs . Si se

selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad
de que en esa muestra la resistencia media encontrada sea de por lo menos
1958 libras.
a. 0.9960
b. 0.5555
c. 0.2345
d. 0.6478
e. 1.0000
3) Uno de los principales fabricantes de televisores compra los tubos de rayos catdicos a dos
compaas. Los tubos de la compaa a tienen una vida media de 7.2 aos con una
desviacin estndar de 0.8 aos, mientras que los de la b tienen una vida media de 6.7 aos
con una desviacin estndar de 0.7. Determine la probabilidad de que una muestra aleatoria
de 34 tubos de la compaa a tenga una vida promedio de al menos un ao ms que la de una
muestra aleatoria de 40 tubos de la compaa b.
a. 0.3421
b. 0.5444
c. 0.2345
d. 0.0023
e. 0.7865
91
4) Se prueba el rendimiento en km/l de 2 tipos de gasolina, encontrndose una

desviacin estndar de 1.23km/l para la primera gasolina y una desviacin
estndar de 1.37km/l para la segunda gasolina; se prueba la primera gasolina
en 35 autos y la segunda en 42 autos. cul es la probabilidad de que la
primera gasolina de un rendimiento promedio mayor de 0.45km/l que la
segunda gasolina?
a. 0.1234
b. 0.0645
c. 0.2455
d. 0.3333
e. 0.9899
5) Consideremos dos maquinas que producen un determinado articulo; la
primera produce por trmino medio un 14 % de artculos defectuosos, en
tanto que otra, produce el 20% de artculos defectuosos; si se tiene muestras
de 200 unidades en la primera y 100 unidades en la segunda, cul es la
probabilidad de que difiera a de b en 8% o ms?
a. 0.3245
b. 0.8787
c. 0.9986
d. 0.2222
e. 0.0014
92
Resumen
UNIDAD DE APRENDIZAJE III:
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra

a partir de una poblacin. Al elegir una muestra se espera conseguir que sus
propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos,
y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un
estudio de toda la poblacin. Cabe mencionar que para que el muestreo sea vlido y
se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de
la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas
estimaciones), debe cumplir ciertos requisitos.
Cada muestra de tamao n que podemos extraer de una poblacin proporciona una
media. Si consideramos cada una de estas medias como valores de una variable
aleatoria podemos estudiar su distribucin que llamaremos distribucin muestral de
medias.
En numerosas ocasiones se plantea estimar una proporcin o porcentaje. En estos
casos la variable aleatoria toma solamente dos valores diferentes (xito o fracaso), es
decir sigue una distribucin binomial y cuando la extensin de la poblacin es grande
la distribucin binomial B(n,p) se aproxima a la normal
Para conocer la distribucin muestral de las diferencias entre las medias se debe
saber si las varianzas poblacionales son conocidas o desconocidas, y en caso de que
sean desconocidas, se debe saber si son iguales o diferentes. Cada uno de estos tres
casos se analizar por separado.
La media de las diferencias de todos los pares o medias muestrales posibles, es igual
a la diferencia entre las medias poblacionales:

xy
Este mtodo se utiliza para comparar las proporciones o porcentajes de dos

distribuciones muestrales distintas y formula una inferencia con respecto a la
diferencia de estas.
La media de las diferencias entre dos medias proporcionales, se simboliza;
indistintamente por: P P P P P1 P2
1
La variante estadstica Z, estar dada en la misma forma que fue representada para
diferencias entre dos medias muestrales:
p1 p2 P1 P2
Z
P1 Q 1 P2 Q 2
n1
n2
94
Introduccin
estudiante desarrolle y ejecute la Estimacin de parmetros y Prueba de Hiptesis.
Haciendo que pueda desenvolverse en el
mbito internacional, tambin
hacindolo un profesional de primera categora.
b) Competencia
Analiza e interpreta las tcnicas de estimacin de parmetros y prueba de
hiptesis.
c) Capacidades
1. Reconoce la importancia del intervalo de confianza.
2. Analiza el intervalo de confianza para la media y proporcin.
3. Conoce la importancia de la prueba de hiptesis.
4. Identifica la prueba de hiptesis para la media y proporcin.
d) Actitudes
Promueve actividades y toma decisiones pertinentes.
Respeta y cumple las normas de convivencia en el mbito universitario.
Asume responsabilidad para desarrollar todos los problemas y actividades que
se asignan.

La Unidad de Aprendizaje 04: Estimacin de Parmetros, comprende el
TEMA 01: Intervalo de Confianza.
TEMA 02: Intervalo de Confianza para la Media y Proporcin.
TEMA 03: Prueba de Hiptesis.
TEMA 04: Prueba de Hiptesis Acerca de la Media y Proporcin.
95
Intervalo
de
TEMA
1
Confianza
Competencia:
Reconocer la importancia del intervalo de
confianza.
96
Tema 01: Intervalo de Confianza
La "estimacin por intervalo" consiste en determinar un par de

valores a y b, tales que constituidos en intervalo [a, b]; y para
una probabilidad 1-
prefijada (nivel de
confianza) se verifique en relacin al parmetro
a estimar se cumpla:
P( [a, b]) 1 en otros trminos: P(a b) 1 .
Podemos considerar el nivel de confianza (1-
) que hemos prefijado para la
expresin anterior como la probabilidad que existe (antes de tomar la muestra) de

que el intervalo a construir a partir de la muestra incluya el verdadero valor del
parmetro a estimar. Refleja la "confianza" en la "construccin" del intervalo y de
que ste tras concretar la muestra contendr el valor a estimar. De ah que en
trminos numricos dicho nivel o probabilidad haya de tomar un valor alto (0.9,
0.95, 0.99).
Evidentemente el complementario al nivel de confianza;

es
decir
, nivel de significacin supondr las probabilidades de

cometer el error de no dar por incluido el verdadero
valor del parmetro a estimar en un intervalo en el
que realmente si est. De ah y dado que se trata de
un error posible a cometer, su cuantificacin en
trminos de probabilidad sea muy pequea (0.1,
0.05, 0.005,..).
97
En relacin a lo anterior. Obviamente, cuanto mayor sea el nivel de confianza

prefijado la amplitud del intervalo de estimacin ser tambin mayor y por tanto la
estimacin ser menos precisa.
La siguiente tabla presenta las diferentes frmulas que ayudaran a crear los
intervalos.
Para la distribucin Normal utilice la siguiente tabla:
Nivel de
confianza
90%
1.645
95%
1.96
99%
2.576
Intervalo
de
Confianza
para la Media
y Proporcin
TEMA
2
Competencia:
Analizar el intervalo de confianza para la
media y proporcin.
100
Tema 02: Intervalo de Confianza para la

Media y Proporcin
DISTRIBUCIN DE MEDIAS MUESTRALES
Con las siguientes formulas se pueden determinar los lmites de confianza para
cada caso, dependiendo de la desviacin tpica y del tamao de la muestra, son:
s x Z Cuando se da
l
s Se tiene s y n 30
s x Z
l
n
s
xt
s
se tiene s (corregida) y
n 30
s xt
l
se tiene s (sin corregir) y n 30 , donde t1 / 2,n1 se encuentra en
la tabla t-student con n-1 grados de libertad.
Ejemplo N 1
En poblacin cuya distribucin se desconoce se obtiene una muestra (m.a.s.) de

2000 valores de la que resulta una media de 225 y una desviacin tpica de 10.
Suponiendo que la varianza muestral coincide con la poblacional, estimar un
intervalo para la media de la poblacin con un nivel de confianza del 95%.
Tendramos
1-
(muestra grande n>30); n=2000,
para una poblacin
normal.
P( x Z
0.95
n
2
confianza.
El resultado sera: [224,56, 225,44] con el 95 % de
2
uxZ
101
Ejemplo N 2
Las ventas diarias de cierta oficina comercial se supone que siguen una
distribucin normal. Para estimar el volumen
medio de ventas por da se realiza una muestra
de 10 das escogidos al azar, resultando que la
media de las ventas de esos 10 das es S/. 100
con una desviacin tpica de S/. 4. Dar un
intervalo de estimacin para el volumen medio
de ventas por da con una confianza del 95 %.
Conocemos que
segn la informacin que poseemos, estamos ante:
Distribucin normal; n=10 (muestra pequea); S=4(poblacional desconocida);

media muestral=100;
Para 1- =0.95, luego
P( x t
2
=0.05 con lo que t (9gl) 2.26 (segn tabla T)

2
S
S
) 0.95
u x t
n
n
2
El resultado sera: [S/.96, 99; S/.103, 01] con el 95 % de confianza.
Ejemplo N 3
Se quiere obtener un intervalo de confianza para el valor de

las ventas medias por hora que se producen en un
kiosco. Para ello realizamos una muestra consistente en
elegir al azar las ventas que se realizaron durante 1000
horas distintas; muestra cuyos resultados fueron:
2
ventas medias por hora S/. 4000, y varianza de dicha muestra S /. 4000. Obtener
dicho intervalo con un nivel de confianza del 95.5 %.
Queremos construir un intervalo para la media con las

siguientes caractersticas:
Tamao
muestral=n=1000,
con
muestreo
aleatorio
simple, la poblacin no es normal ni conocemos su

varianza.
El resultado de la muestra es
x 4000 , S2=4000.
Si bien se trata de un intervalo para la media con varianza desconocida y

poblacin no normal, dado que el tamao muestral es grande podemos suponer
normalidad y tomar como varianza poblacional a la muestral as:
P( x z
2
u x z n ) 0.95
n
2
El resultado sera: [S/.399, 08; S/.4003, 92] con el 95 % de confianza.
Prueba
de
TEMA
3
Hiptesis
Competencia:
Conocer la importancia de la prueba de
hiptesis.
104
Tema 03: Prueba de Hiptesis

La prueba de hiptesis, denominada tambin prueba de significacin tiene como
objeto principal evaluar suposiciones o afirmaciones acerca de los valores
estadsticos de la poblacin, denominados parmetros.
DEFINICIN.- Se denomina hiptesis nula y se representa por

H 0 , a la hiptesis que es aceptada provisionalmente como
verdadera y cuya validez ser sometida a comprobacin
experimental.
Los
resultados
experimentales
nos
permitirn seguir aceptndola como verdadera o si, por el

contrario, debemos rechazarla como tal.
Toda hiptesis nula va acompaada de otra hiptesis alternativa
DEFINICIN.- Se denomina hiptesis alternativa y se representa por

H1 o H A , a la hiptesis que se acepta en caso de que la hiptesis nula
H 0 sea
rechazada. La hiptesis alternativa H , es pues una suposicin contraria a la

A
hiptesis nula.
Prueba de una Hiptesis Estadstica

Para tomar decisiones estadsticas, se requieren de las dos hiptesis: la hiptesis
nula y la hiptesis alternativa referida a un parmetro.
La prueba de una hiptesis estadstica es un proceso que nos conduce a tomar la
H 0 , en contraposicin de la
decisin de aceptar o rechazar la hiptesis nula
hiptesis alternativa H y en base a los resultados de una muestra aleatoria
1
seleccionada de la poblacin de estudio.
105
La hiptesis nula H 0 es la primera que se plantea, y debe ser establecida de

del parmetro en estudio.
manera que especifique un valor 0
Nota: la aceptacin de una hiptesis significa que los datos de la muestra no
proporcionan evidencia suficiente para refutarla. El rechazo significa que los datos
de la muestra lo refutan.
Tipos de Prueba de Hiptesis.

El tipo de prueba depende bsicamente de la hiptesis alternativa H1 .
Se denomina prueba de una cola a toda prueba de hiptesis donde la alternativa
H1 es unilateral. Si la alternativa es bilateral, la prueba se denomina prueba de

dos colas.
contra H : , se denomina prueba
1
0
La prueba de hiptesis H 0 : 0
bilateral o de dos colas.
0 contra H1 : 0 , se denomina prueba

La prueba de hiptesis H 0 :
unilateral de cola a la derecha.
0 contra H1 : 0 , se denomina prueba
La prueba de hiptesis H 0 :
unilateral de cola a la izquierda.
Tipos de Error:
Definicin.- Se denomina error tipo I, al error que se comete al rechazar una
hiptesis nula
H 0 cuando esta es realmente verdadera
Definicin.- Se denomina error tipo II, al error que se comete al aceptar una
hiptesis nula
H 0 cuando en realidad es falsa.
H0
Decisin
H0
Verdadera
Falsa
Err
Aceptar
Decisin
Error
H0
correcta
ReR
Error tipo I
Rechazar
tipo II
Decisin
C
H0
Correcta
Definicin.-Se denomina nivel de significacin de una prueba de hiptesis a la

probabilidad de cometer un error de tipo I.
REGIN CRTICA Y REGLA DE DECISIN

La regla de decisin implica la divisin de la
distribucin muestral del estadstico de la prueba en
dos partes mutuamente excluyentes: la regin de
rechazo o regin critica (R.C.) de H
y la regin de
aceptacin (R.A.) o no rechazo de H 0 . Esta divisin

depende de la hiptesis alternativa H1 , del nivel de significacin
y la distribucin
muestral del estadstico.
Procedimientos a Seguir en las Pruebas de Hiptesis

1) Formular la hiptesis nula y la alternativa.
2) Seleccionar el nivel de significacin.
3) Conocer o estimar la varianza.
4) Determinar la tcnica y la prueba estadstica.
5) Determinar los valores crticos y sus regiones de rechazo.
6) Calcular los datos muestrales, utilizando las formulas correspondientes.
7) Tomar las decisiones estadsticas.
107
Prueba de
Hiptesis
Acerca de la
Media y
Proporcin
TEMA
4
Competencia:
Identificar la prueba de hiptesis para la
media y proporcin.
108
Tema 04: Prueba de Hiptesis Acerca de la

Media y Proporcin
PRUEBA DE HIPTESIS SOBRE LA MEDIA POBLACIONAL
Caso A: Cuando la varianza poblacional es conocida.
Deseamos contrastar la hiptesis de que el parmetro poblacional
un determinado valor Conocemos que la poblacin se distribuye normalmente
y conocemos tambin su varianza, o bien si nos es desconocida, el tamao
muestral es lo suficientemente grande cmo para poder utilizar la muestral cmo
poblacional.
Hemos determinado un nivel de significacin para la realizacin del contraste y
vamos a plantearlo en el supuesto de realizar una muestra aleatoria de tamao n.
As: conocemos que x N u,
que
de lo que deducimos
n
x u
N[0,1] de forma que la hiptesis nula es:
H0: 0.
El estadstico est dado por: Z
x u0
.
Ejemplo N 1
De 100 observaciones de una poblacin normal se obtiene que x = 5 y que S=2.
Contrastar con un nivel de significacin del 5% la hiptesis de que la media de la
poblacin sea 7.
109
Aplicando el procedimiento para probar una hiptesis tenemos:

1. H0: =7
H1:
2. El nivel de significancia es del 5%. (=5%)
x u0
3. Z
4. Establecemos la regin de aceptacin y de rechazo:
5. Realizamos la prueba estadstica: Z
5 7 10
2
100
6. Dado que Z=-10 y no pertenece a la regin de aceptacin estamos en

condiciones de rechazar la hiptesis nula, luego aceptar la alternativa: 7.
Ejemplo N 2
Un empresario est considerando la posibilidad de ampliar su negocio mediante la
adquisicin de un pequeo bar. El dueo actual del bar afirma que el ingreso diario
del establecimiento sigue una distribucin normal de media 675 soles y una
desviacin estndar de 75 soles. Para comprobar si deca la verdad, tom una
muestra de treinta das y sta revel un ingreso diario promedio de 625 soles.
Utilizando un nivel de significacin del 10 %. Hay evidencia de que el ingreso
diario promedio sea menor del que afirma el presente dueo?

1. H0: 675
H1:
3. El nivel de significancia es del 10%. (=10%)
x u0
4. Z
6. Realizamos la prueba estadstica: Z
625 675 3.65

75
30
7. Dado que Z=-3.65 y no pertenece a la regin de aceptacin estamos en

condiciones de rechazar la hiptesis nula, luego aceptar la alternativa: 7.
Caso B: Cuando no se conoce la varianza poblacional y para una muestra

pequea.
Deseamos contrastar la hiptesis de que el parmetro

poblacional
Desconocemos la varianza de la poblacin y, dado que el

tamao muestral es pequeo, no podemos utilizar la muestral
en su lugar.
Hemos determinado un nivel de significacin para la realizacin del contraste y

vamos a plantearlo en el supuesto de realizar una muestra aleatoria de tamao n.
x t n1 de forma que la hiptesis nula es: H0: 0.

us
n
x u0
El estadstico est dado por: t
.
s
n
As: conocemos que
Ejemplo Nro. 3
.
Se escoge a 17 individuos al azar y se les mide, resultando que su estatura media
es de 1,71 metros con desviacin tpica de 0,02 .Contrastar la hiptesis de que la
estatura media nacional sea de 1.75 metros si utilizamos un nivel del significacin
del 5%. Se supone normalidad.
1. H0: =1.75
H 1:
2. El nivel de significancia es del 5%. (=5%).
x u0
3. t
s

Utilizamos la tabla T.
5. Realizamos la prueba estadstica: t
1.71
1.75
0.02
8.25
17
6. Dado que t=-8.25 y no pertenece a la regin de aceptacin estamos en

condiciones de rechazar la hiptesis nula, luego aceptar la alternativa:
.
PRUEBA DE HIPTESIS PARA LA PROPORCIN POBLACIONAL: p

Se trata de efectuar una prueba de hiptesis acerca de la proporcin
de
elementos con cierto atributo en una poblacin, hiptesis de la forma:

H0: p=p0.
H1: p>p0.
H1: p p0.
H0: p p0.
H0: p p0.
H1: p<p0.
El estadstico est dado por:
Z
P p0
p0 (1 p0 )
n
x (proporcin muestral)
Donde P n
Tiene una distribucin N (0,1) cuando n 30.
Ejemplo Nro. 4.
Una empresa de publicidad desea comprobar si un determinado programa de
televisin es visto por el 30% de la audiencia potencial .Para ello se escoge al azar
una muestra de 200 familias resultando que de ellas 50 lo ven asiduamente.
Contrastar la hiptesis con un nivel de significacin
del 5%.
Aplicando el procedimiento para probar una hiptesis
1. H0: p=0.3
H1: p
3.
P p0
p0 (1 p0 )
n
tenemos:
5. Realizamos la prueba estadstica:
50
0.25
200
P p0
0.25 0.30
1.54
p0 (1 p0 )
0.3(1 0.3)
n
200
6. Dado que Z=-1.54 y pertenece a la regin de aceptacin estamos en

condiciones de acepta la hiptesis nula, es decir: p
Ejemplo Nro. 5
Un fabricante de refrescos sin burbujas desea sacar al mercado una variedad de
su producto que tenga burbujas. Su director comercial opina que al menos el 50 %
de los consumidores ver con buenos ojos la innovacin. Se realiza un sondeo de
mercado y resulta que de 100 consumidores encuestados 40 son favorables a la
innovacin.
a) Contrastar la hiptesis del director comercial frente a la alternativa de que l

% de aceptacin es inferior, con un nivel de significacin del 1%.
b) Si el aceptable la hiptesis de que l % de aceptacin del nuevo producto es
inferior o igual al 30 % el fabricante decidir no fabricarlo.
Si es aceptable el criterio del director comercial entonces s

fabricarn el refresco con burbujas. Y si ninguna de las 2
hiptesis es aceptable procedern a hacer otro sondeo. Para
tomar esta decisin trabajarn con un nivel de significacin
del 5 %. Por qu optarn?
Para el punto a)
1. H0: p 0.5
H1: p
4.
P p0
p0 (1 p0 )
n
40
0.4
100
Z
P p0
p0 (1 p0 )
n
0.4 0.5
2
0.5(1 0.5)
100
7. Dado que Z=-2 y pertenece a la regin de aceptacin estamos en

condiciones de aceptar la hiptesis nula, es decir: p
Para el punto b)
1. H0: p 0.3
H1: p
4.
P p0
p0 (1 p0 )
n
40
0.4
100
P p0
p0 (1 p0 )
n
0.4 0.3
2.18
0.3(1 0.3)
100
7. Dado que Z=2.18 y pertenece a la regin de aceptacin estamos en

condiciones de aceptar la hiptesis nula, es decir: p
recomiendo no fabricar el refresco.
INTERVALO DE CONFIANZA
http://www.iesxunqueira1.com/Download/pdf/teointervalos.pdf
INTERVALOS DE CONFIANZA PARA LA MEDIA Y PROPORCIN

http://maralboran.org/wikipedia/index.php/Estimaci%C3%B3n_por_intervalos_de_
confianza_de_medias_y_proporciones
PRUEBA DE HIPTESIS
http://www.math.uprm.edu/~edgar/capi7.pdf
1) Ingresa al link Operaciones 2 lee atentamente las indicaciones, desarrllalo y
envalo por el mismo medio.
Se encuentra que la concentracin promedio de zinc que se saca del agua a

partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6
gramos por mililitro. Encuentre los intervalos de confianza 99% para la
concentracin media de zinc en el ro. Suponga que la desviacin estndar de
la poblacin es 0.3.
Una compaa asegura que el 80% de sus semillas de zanahoria germinan.

Se plantan 50 semillas de las cuales 8 no germinan. Hllese un intervalo de
confianza del 90%, para la proporcin de semillas que germinaron en la
muestra.
El ministro de educacin del pas asegura que el 80% de los estudiantes

universitarios tienen un ingreso mensual para su sostenimiento, superior a
$370; Usted quiere refutar al ministro con un nivel de confianza del 99% y para
hacerlo toma una muestra de 300 estudiantes, encontrando 231 con ingresos
mayores a $370. tiene razn el seor ministro?
Cuatrocientos estudiantes, elegidos aleatoriamente, se someten a un test de

rendimiento, obtenindose los siguientes resultados: x 76 y s 16 , con
base en esta informacin docimar la hiptesis 74 frente a la alternativa
74 , al nivel de significacin del 1%.
Autoevaluacin
1) Suponga que la estatura media de los hombres tiene una desviacin estndar
de 2,48 centmetros. Se miden 100 estudiantes, hombres, elegidos
aleatoriamente, y se obtiene una estatura media de 168,52 centmetros.
Determine los lmites de confianza del 99% para la estatura media de los
hombres de esta universidad.
a.
167.88, 169.16
b.
200, 250
c.
150.50, 160.50
d.
180.20,190.30
e.
100.30, 150.22
2) En una muestra al azar de 826 telfonos de residencias del directorio de

Lima, 95 no respondieron a la llamada entre 7 y 8 de la noche, el da que se
realizo la muestra. Determinar los lmites de confianza del porcentaje de
suscriptoras en cuyas residencias hubo alguien entre 7 y 8 de la noche. (Se
admite que no se contesto por que no haba nadie en casa). El nivel de
confianza adoptado es del 90%.
a.
1.678, 1.696
b.
0.777, 0.989
c.
1.505, 1.605
d.
0.555,1.234
e.
0.872, 0.908
3) Decimar la hiptesis de que la distancia media requerida para poder detener

un automvil que va a 20 km/h. es de 25 metros. Con base en una muestra de
100 conductores se obtiene que la distancia media es de X 27.3 metros,
con una desviacin estndar de
significacin del 5%.
a. Se acepta la hiptesis 25
b. Se acepta la hiptesis 25
c. Se acepta la hiptesis 25
d. Se acepta la hiptesis 25
e. Se acepta la hiptesis 30
s 2.1 metros. Utilizar un nivel de
4) Un cierto tipo de fusible est diseado para fundirse cuando la corriente llega
a 20 amperios. Se toma una muestra de 36 fusibles de un lote de 500 y se
encuentra que el punto promedio de fusin es de 20,8 amperios, con
desviacin estndar de 1,5 amperios. Utilizando una dcima bilateral, A qu
conclusiones se puede llegar respecto a las especificaciones del lote, a un
nivel de significacin del 1%?
a. Se acepta la hiptesis 20
b. Se acepta la hiptesis 20
20
c. Se acepta la hiptesis
d. Se acepta la hiptesis 20
5) Un fabricante de cuerdas ha establecido con base en una experiencia de
muchos aos, que las cuerdas tienen una fuerza de ruptura de 15,9 libras,
con una desviacin estndar de 2,3 libras. Se efecta un cambio en el
proceso de fabricacin, y se obtiene una muestra de 64 artculos cuya fuerza
media de ruptura es de 15,0 libras, con una desviacin estndar de 2,2 libras.
debe considerarse que el nuevo proceso tiene un efecto significativamente
negativo a la resistencia de las cuerdas?
a. Se acepta la hiptesis 15.9
15.9
b. Se acepta la hiptesis
15.9
c. Se acepta la hiptesis
d. Se acepta la hiptesis 15.9
Resumen
UNIDAD DE APRENDIZAJE IV:

En estadstica, se llama intervalo de confianza a un par de nmeros entre los cuales
se estima que estar cierto valor desconocido con una determinada probabilidad de
acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir
de datos de una muestra, y el valor desconocido es un parmetro poblacional. La
probabilidad de xito en la estimacin se representa con 1 - y se denomina nivel de
confianza. En estas circunstancias, es el llamado error aleatorio o nivel de
significacin, esto es, una medida de las posibilidades de fallar en la estimacin
mediante tal intervalo.
De una poblacin de media
y desviacin tpica se pueden tomar muestras de
elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede
demostrar que la media de todas las medias muestrales coincide con la media
poblacional:
Pero adems, si el tamao de las muestras es lo suficientemente grande, la
distribucin de medias muestrales es, prcticamente, una distribucin normal (o
gaussiana) con media y una desviacin tpica dada por la siguiente expresin:
. Esto se representa como sigue:
. Si estandarizamos, se sigue
que:
El intervalo de confianza para estimar una proporcin p, conocida una proporcin
muestral pn de una muestra de tamao n, a un nivel de confianza del (1-)100% es:
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en

parmetro poblacional. Despus de recolectar una muestra aleatoria, se compara la
estadstica muestral, as como la media (x), con el parmetro hipottico, se compara
con una supuesta media poblacional (). Despus se acepta o se rechaza el valor
hipottico, segn proceda. Se rechaza el valor hipottico slo si el resultado muestral
resulta muy poco probable cuando la hiptesis es cierta.
Las pruebas de hiptesis con proporciones son necesarias en muchas reas del
conocimiento y en especial en la administracin. Se considerar el problema de probar
la hiptesis de que la proporcin de xito en un experimento binomial sea igual a un
cierto valor especifico. Es decir, se probar la hiptesis nula de que p = p0, donde p es
el parmetro de la distribucin binomial. La informacin de que suele disponerse para
la estimacin de una porcin real o verdadera (porcentaje o probabilidad) es una
proporcin muestral
n ensayos.
x
, donde x es el nmero de veces que ha ocurrido un evento en
n
Glosario
DESVIACIN ESTNDAR: La desviacin estndar es una medida del grado de

dispersin de los datos con respecto al valor promedio. Dicho de otra manera, la
desviacin estndar es simplemente el "promedio" o variacin esperada con
respecto a la media aritmtica.
ESTADSTICA DE PRUEBA: Una estadstica de prueba se basa en la informacin

de la muestra como la media o la proporcin.
ESTIMADOR POR INTERVALO DE CONFIANZA: Denota un rango dentro del cual

se puede encontrar el parmetro y el nivel de confianza que el intervalo contiene
al parmetro.
ESTIMADOR
PUNTUAL: Utiliza un nmero nico o valor para localizar una
estimacin del parmetro.
HIPTESIS ALTERNA: Una premisa que es cierta cuando la hiptesis nula es

falsa.
HIPTESIS NULA (H0): Premisa, reclamo, o conjetura que se pronuncia sobre la

naturaleza de una o varias poblaciones.
LIMITE DE CONFIANZA: Son los lmites del intervalo de confianza inferior (LIC) y
superior (LSC), se determinan sumando y restando a la media de la muestra X
un cierto nmero Z (dependiendo del nivel o coeficiente de confianza) de errores
estndar de la media X .
NIVEL DE CONFIANZA: Es la "probabilidad" de que el intervalo calculado

contenga al verdadero valor del parmetro. Se indica por 1- y habitualmente se
da en porcentaje (1-) 100%. Hablamos de nivel de confianza y no de
probabilidad ya que una vez extrada la muestra, el intervalo de confianza
contendr al verdadero valor del parmetro o no, lo que sabemos es que si
repitisemos el proceso con muchas muestras podramos afirmar que el (1-) %
de los intervalos as construidos contendra al verdadero valor del parmetro.
NIVEL DE SIGNIFICANCIA: La probabilidad ( ms alta de rechazar H0 cuando

H0 es cierto se llama nivel de significancia.
REGIN CRTICA O DE RECHAZO: Una regin crtica o de rechazo es una parte

de la curva de z o de la curva t donde se rechaza H0.
VARIABLE ALEATORIA: Una variable aleatoria es una variable que toma

valores numricos determinados por el resultado de un experimento aleatorio.
No hay que confundir la variable aleatoria con sus posibles valores.
121
Fuentes de Informacin
BIBLIOGRFICAS:
CORDOVA ZAMORA, Manuel. Estadstica Aplicada. Editorial Moshera 1ra

edicin 2006.
MARTINEZ BENCARDINO, Ciro. Estadstica Bsica Aplicada. Editorial Ecoe
2004.
CORDOVA
ZAMORA,
Manuel.
Estadstica
Descriptiva
Inferencial.
Aplicaciones. Editorial Moshera 5ta edicin 2003

MULLOR, Rubn. Manual Prctico de Estadstica Aplicada. Editorial Ariel
2000.
PEREZ LPEZ, Cesar. Tcnicas de Muestreo Estadstico, Aplicaciones.
Editorial Alfaomega 2000.
ELECTRNICAS:
Estadstica Inferencial
http://esta2.galeon.com/Temas1-3.pdf
Distribuciones Muestrales
http://es.scribd.com/doc/48144406/7-Muestreo-y-distribuciones-muestrales
Intervalo de Confianza
http://www.uam.es/personal_pdi/ciencias/framirez/METODOSESTADISTICOS/Tem
a%207-Intervalos%20de%20confianza.pdf
Prueba de Hiptesis
http://es.scribd.com/doc/6784213/Pruebas-de-HipOtesis
122
Apndice
123
124
TABLA DE LA DISTRIBUCION tStudent
La tabla da reas 1 y
valores
c t1, r
P[T c] 1
, y donde T tiene
donde,
distribucin t-Student con r grados de

libertad..
125

r
0.75
0.80
0.85
0.90
0.95
0.975
0.99
0.995
1.000
1.376
1.963
3.078
6.314
12.706
31.821
63.657
2
3
4
5
6
7
0.816
0.765
0.741
0.727
0.718
0.711
1.061
0.978
0.941
0.920
0.906
0.896
1.386
1.250
1.190
1.156
1.134
1.119
1.886
1.638
1.533
1.476
1.440
1.415
2.920
2.353
2.132
2.015
1.943
1.895
4.303
3.182
2.776
2.571
2.447
2.365
6.965
4.541
3.747
3.365
3.143
2.998
9.925
5.841
4.604
4.032
3.707
3.499
8
9
0.706
0.703
0.889
0.883
1.108
1.100
1.397
1.383
1.860
1.833
2.306
2.262
2.896
2.821
3.355
3.250
10
11
0.700
0.697
0.879
0.876
1.093
1.088
1.372
1.363
1.812
1.796
2.228
2.201
2.764
2.718
3.169
3.106
12
13
0.695
0.694
0.873
0.870
1.083
1.079
1.356
1.350
1.782
1.771
2.179
2.160
2.681
2.650
3.055
3.012
14
15
16
17
18
19
20
21
22
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
23
24
0.685
0.685
0.858
0.857
1.060
1.059
1.319
1.318
1.714
1.711
2.069
2.064
2.500
2.492
2.807
2.797
25
26
0.684
0.684
0.856
0.856
1.058
1.058
1.316
1.315
1.708
1.706
2.060
2.056
2.485
2.479
2.787
2.779
27
28
29
30
40
60
120
0.684
0.683
0.683
0.683
0.681
0.679
0.677
0.674
0.855
0.855
0.854
0.854
0.851
0.848
0.845
0.842
1.057
1.056
1.055
1.055
1.050
1.046
1.041
1.036
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
2.473
2.467
2.462
2.457
2.423
2.390
2.358
2.326
2.771
2.763
2.756
2.750
2.704
2.660
2.617
2.576
126
Distribucin Normal
127
128
129
Solucionario
1. B
1. C
2. C
2. A
3. B
3. A
4. B
4. B
5. A
5. A
1. A
1. A
2. A
2. E
3. D
3. C
4. B
4. C
5. E
5. C
130

Estadistica Inferencial

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Estadistica Inferencial

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

n esta asignatura se estudian herramientas, que permitan al

afianzar las teoras de investigacin en

competencia y que tienen por finalidad la aplicacin de la

Comprende Cuatro Unidades de Aprendizaje:

Unidad I: Variables Aleatorias.

UNIVERSIDAD PRIVADA TELESUP

Estructura de los Contenidos

La competencia que el estudiante debe lograr al final de la asignatura es:

Identifica e interpreta las principales tcnicas,

UNIVERSIDAD PRIVADA TELESUP

ndice del Contenido

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

proceso de formacin profesional y contribuyan en el logro de su perfil profesional.

Valora la importancia de los negocios internacionales para el desarrollo de la

e) Presentacin de Ideas bsicas y contenidos esenciales de la Unidad:

UNIVERSIDAD PRIVADA TELESUP

Desarrollo de los Temas

UNIVERSIDAD PRIVADA TELESUP

Tema 01: Conceptos de Variables Aleatorias

Esto tambin se puede representar:

UNIVERSIDAD PRIVADA TELESUP

Esta funcin genera una particin del espacio muestral. Todos

X 0 , corresponde al evento elemental SSS

X 1 , corresponde a los eventos elementales SSC , SCS , CSS

Luego R = {1, 2, 3, 4}, X es una variable aleatoria discreta

La frecuencia de cada uno de los resultados es, 3, 6, 12 y 9 respectivamente.

Frecuencia. relativa (f /n)

Siguiendo con el ejemplo:

= p1 + p + p = 0.1 + 0.2 + 0.4 = 0.7

CLASIFICACIN DE LAS VARIABLES ALEATORIAS

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

Tema 02: Variables Aleatorias Discretas

X 0 , Si se obtiene sello en las dos monedas

La funcin de probabilidad de una variable aleatoria X se puede expresar por tabla:

Tambin se puede notar P (0) = P(X=0) =

b) La Variable Aleatoria X Toma el valor 0 cuando ocurre el evento (SS). Entonces:

a. Comprobar que es una distribucin de probabilidad.

pi 0,23 0,322 0,177...0,010 1

b. Hallar la probabilidad de que el N de personas que viven en un hogar sea menor

c. Calcular la probabilidad de que al menos dos personas vivan en una vivienda.

Ejemplo: Sea X = nota obtenida en una prueba de un alumno elegido al azar

FUNCIN DE DISTRIBUCIN ACUMULADA

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

Tema 03: Variables Aleatorias Continuas

f ( x)dx , para cualquier intervalo

FUNCIN DE DISTRIBUCIN ACUMULADA DE VARIABLE ALEATORIA

a. Hallar el valor de la constante C para que,

para alguna variable aleatoria X.

UNIVERSIDAD PRIVADA TELESUP

Luego la funcin densidad est dada por la ecuacin de la recta en el intervalo

b) La funcin de distribucin acumulada , se calcula por:

UNIVERSIDAD PRIVADA TELESUP

UNIVERSIDAD PRIVADA TELESUP

Tema 04: Media y Varianza de una

Definicin.- La media de una variable aleatoria contina X con funcin de

UNIVERSIDAD PRIVADA TELESUP

VARIANZA DE UNA VARIABLE ALEATORIA

Definicin.- La desviacin estndar de la variable aleatoria X es la raz cuadrada