Anda di halaman 1dari 15

Ao del buen servicio al ciudadano

UNIVERSIDAD NACIONAL
FEDERICO VILLARREAL

ESCUELA UNIVERSITARIA DE EDUCACION A DISTANCIA

EUDED

EJERCICIOS DISTRIBUCIONES DE MUESTREO


( Z, T , X2 )

Tarea Grupal N 02
Estudiantes :
Chvez Snchez, Gustavo
Gabrielli Melendez, Enrique
Jer Chvez, Gustavo
Mego Alarcn, Patricia
Paucar Aguilera, Lisbeth
Raymondi Castillo, Jaqueline
Zarzosa Celmi, Luis

Asignatura : ESTADSTICA

Profesor : MSc. WILLY MANDUJANO MIESES


Especialidad : Administracin

Ciclo :V

Aula : A.4.1

LIMA PER
2017
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
WILMER GUSTAVO CHVEZ SNCHEZ
CURSO: ESTADSTICA PARA ADMINISTRADORES.

TAREA GRUPAL SEMANA 3.

TEMA I: EJERCICIOS DISTRIBUCIONES DE MUESTREO ( Z, T , X 2 )

1. Cul es la importancia de la aplicacin de la distribucin normal estndar Z,


utilice los ejemplos apropiados para explicar sus respuestas

La distribucin normal es posiblemente la distribucin de probabilidad ms


conocida y ms aplicada en el campo de la estadstica debido a que una
gran cantidad muy grandes de fenmenos reales pueden explicarse
mediante este modelo de probabilidad. La importancia de la distribucin
normal se debe a que muchas variables siguen, aproximadamente, un
modelo de probabilidad normal y esto ha ocasionado que en las diferentes
reas del saber, su aplicacin sea generalizada en relacin a este hecho
hay que estar alerta y evitar incurrir en el error de creer que todos los
conjuntos de datos siguen una distribucin normal, cuestin a la que se
tendan en el pasado. Actualmente se conoce como una compleja variedad
de casos donde el modelo normal resulta inadecuado y deben tratarse
utilizando otros tipos de distribuciones.

En general, se puede decir que la distribucin normal es de vital importancia


en estadstica por tres razones esenciales:

Existen muchos fenmenos continuos que parecen seguirla o se pueden


aproximar mediante ella.
Se puede utilizar para aproximar distribuciones discretas de probabilidad
y de esta forma evitar clculos engorrosos.
Por su relacin con el teorema central del lmite es la base de la
inferencia estadstica clsica.

Ejemplos:

Cul es la probabilidad de que un trabajador aleatoriamente seleccionado


pueda montar la pieza en menos de 30 minutos?
La respuesta es la siguiente:

Cuntos minutos tienen que pasar antes de que el 10 por ciento de los
trabajadores monten la pieza?

Lo que debemos obtener aqu es el valor de la variable Z que deja en la


cola izquierda de la distribucin el 10 por ciento. En las tablas obtendramos
un valor z0 =-1,28. Este ser el valor tipificado, de manera que el valor de X
ser: x0 =+z0 =30- 1,28x5=23,6 minutos.
2. Cul es la importancia de la aplicacin de la distribucin T-Student, utilice
los ejemplos apropiados para explicar sus respuestas.

Distribucin T DE STUDENT, es una distribucin de probabilidad que se


usa cuando el tamao de la muestra es menor de 30 datos, no se conoce la
desviacin estndar de la poblacin y cuando la poblacin de la que se
extrae la muestra es normal. Sus aplicaciones en la inferencia estadstica
son para estimar y probar una media y una diferencia de medias
(independiente y pareada). Es una distribucin continua, tiene forma
acampanada.

Importancia del estudio de la distribucin T. Si al aplicar muestreo no es


posible extraer muestras mayores a 30 elementos, la utilizacin de la
distribucin normal presenta grandes riesgos estadsticos. Para ello, la
teora de pequeas muestras presenta como alternativa a la distribucin t-
student, en el entendido de que conforme el tamao de la muestra tienda a
30 elementos, la distribucin t-student tiende a la distribucin normal. Por
ello es importante el estudiar la distribucin T de student ya que toda
inferencia estadstica que se desee realizar con muestras pequeas tiene
ms validez si se hace con la distribucin t-student.

Ejemplo 1: Los valores de las matriculas de estudiantes en una universidad


privada tienen un comportamiento aproximadamente normal, donde el
promedio es de 2.100.000. Se seleccionan 8 liquidaciones, siendo los
valores los siguientes: 1.950.000, 2.100.000, 2.250.000, 1.890.000,
2.250.000, 1.950.000, 2.050.000, 2.350.000. Determine la probabilidad de
que:
El promedio sea menor de 2.000.000.
El promedio se encuentre entre 2.000.000 y 2.200.000
El promedio sea mayor o igual a 2.500.000

Solucin:

Sea X = Liquidacin matriculas.


m = 2.100.000 ; s = ?
=2.098.750 s=168.644.8085 n=8
a) P( <2.000.000)=P( <2.000.000)
P(t<(2.000.000-2.100.000)/(168644.8085/2.8284)= P(t<-1.677)

La probabilidad se encuentra entre 0.9 y 0.95, segn la tabla T que se


encuentra ms adelante, no obstante, al t ser negativo, la probabilidad est
entre 0.1 y 0.05, es decir, los valores complementarios.

Para buscar en la tabla, se tiene en cuenta la fila con 7 g.l y se ubica el


1.677, el cual se encuentra entre los valores mencionados. De ah que
sea importante utilizar el Excel, que nos permite calcular la probabilidad
exacta.

b) P (2.000.000 < < 2.200.000)= P( <2.200.000) ? P( 2.000.000).

Luego de tipificar, se tiene:


P(t<3.35) ? P(t<-1.677) = 0.995 ?0.075= 0.92

Existe una alta probabilidad de que el promedio de las matriculas se


encuentre entre 2.000.000 y 2.200.000.

c) P( >2.500.000)= P(t> 6.70) = 1- P(t< 6.70)= 1-1=0

Dado que el valor de 6.70 es mucho mayor que el ubicado en la tabla de


3.49 y corresponde a 0.995, es claro, entonces, que para valores mayores
de 3.49, la probabilidad ser de 1.

Por lo tanto, la probabilidad de que el promedio de matrcula sea superiora


a 2.500.000 es cero.

Ejemplo 2: Los puntajes de un grupo de estudiantes se comportan normal,


con promedio de 50, sin embargo, no se conoce la desviacin. Se tom una
m.a de 9 estudiantes encontrando una varianza de 36 y un promedio de 52.
Cul es la probabilidad de que el promedio:
Sea mayor de 54?
Sea menor que 54?
Est comprendido entre 48 y 52 puntos?

Solucin:
Sea X = Puntaje estudiantes.
m = 50 puntos ; s = ?
=52 s2=36 s=6 n=9

a) P( >54)=1- P(t<(54-50)/(6/3)) = 1- P(t<2) = 1- 0.9625 = 0.0375

1-a
n 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.995
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355
b) Como se observa en la tabla, el 2.0 se encuentra entre 1.86 y 2.306,
valores que corresponden a las reas de 0.95 y 0.975. Realizando una
estimacin burda, se promedian los dos valores correspondientes a las
reas. Encontrando que la probabilidad de que el promedio del puntaje
de los estudiantes sea mayor de 54 es muy baja, 0.0375.

c) P( <54)= P(t<(54-50)/(6/3)) = P(t<2) = 0.9625.

Por el contrario de lo anterior, es muy probable que el promedio del puntaje


de los estudiantes sea menor de 54, dicha probabilidad equivale al 0.9625.

d) P(48< >52)=P( <52)-P( <48)=P(t<(52-50)/(6/3))-P(t<(48-50)/(6/3))=


P(t<1)- P(t<-1)= 0.825 ?(1-0.825) = 0.65

La probabilidad es de 0.65. Se aprecia que al ser simtrica la distribucin t,


se calcula la probabilidad utilizando el inverso.

3. Cul es la importancia de la aplicacin de la distribucin X 2-Chi cuadrado,


utilice los ejemplos apropiados para explicar sus respuestas.

La prueba de chi-cuadrado es una prueba de hiptesis que compara la


distribucin observada de los datos con una distribucin esperada de los
datos.
Existen varios tipos de pruebas de chi-cuadrado:

Prueba de chi-cuadrado de bondad de ajuste

Utilice este anlisis para probar qu tan bien una muestra de datos
categricos se ajusta a una distribucin terica.

Por ejemplo, usted puede comprobar si un dado es justo, lanzando el dado


muchas veces y utilizando una prueba de chi-cuadrado de bondad de ajuste
para determinar si los resultados siguen una distribucin uniforme. En este
caso, el estadstico chi-cuadrado cuantifica qu tanto vara la distribucin
observada de conteos con respecto a la distribucin hipottica.

Pruebas de chi-cuadrado de asociacin e independencia


Los clculos para estas pruebas son iguales, pero la pregunta que se est
tratando de contestar puede ser diferente.

Prueba de asociacin: utilice una prueba de asociacin para determinar


si una variable est asociada a otra variable. Por ejemplo, determine si
las ventas de diferentes colores de automviles dependen de la ciudad
donde se venden.
Prueba de independencia: utilice una prueba de independencia para
determinar si el valor observado de una variable depende del valor
observado de otra variable. Por ejemplo, determine si el hecho de que
una persona vote por un candidato no depende del sexo del elector.

La aplicacin de la distribucin X2-Chi cuadrado es importante:


Para determinar si la muestra se ajusta o no se ajusta a una distribucin
terica.

Para saber si la(s) poblacione(s) son homognea(s) o no.


Para determinar la dependencia e independencia la(s) variable(s) a analizar.

La distribucin tiene muchas aplicaciones en inferencia estadstica. La


ms conocida es la de la denominada prueba utilizada como prueba de
independencia y como prueba de bondad de ajuste y en la estimacin de
varianzas. Pero tambin est involucrada en el problema de estimar la
media de una poblacin normalmente distribuida y en el problema de
estimar la pendiente de una recta de regresin lineal, a travs de su papel
en la distribucin t de Student.

Ejemplos:

1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar
un de sus destinos en una ciudad grande forman una distribucin normal
con una desviacin estndar =1 minuto. Si se elige al azar una
muestra de 17 tiempos, encuentre la probabilidad de que la varianza
muestral sea mayor que 2.

Solucin:

Primero se encontrar el valor de ji-cuadrada correspondiente a s 2=2


como sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados


de libertad y se encuentra que a este valor le corresponde un rea a la
derecha de 0.01. En consecuencia, el valor de la probabilidad es P(s 2>2)
2. Los siguientes son los pesos, en decagramos, de 10 paquetes de
semillas de pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0,
46.1, 45.9, 45.8, 46.9, 45.2 y 46. Encuentre un intervalo de confianza de
95% para la varianza de todos los paquetes de semillas de pasto que
distribuye esta compaa, suponga una poblacin normal.

Solucin:

Primero se calcula la desviacin estndar de la muestra:

Al elevar este resultado al cuadrado se obtiene la varianza de la muestra


s2= 0.286.
Para obtener un intervalo de confianza de 95% se elige un = 0.05.
Despus con el uso de la tabla con 9 grados de libertad se obtienen los
valores de X2.

Se puede observar en la grfica anterior que el valor de X 2 corre en


forma normal, esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Grficamente:
Se observa que la varianza corre en sentido contrario, pero esto es slo
en la grfica. La interpretacin quedara similar a nuestros temas
anteriores referentes a estimacin. Con un nivel de confianza del 95% se
sabe que la varianza de la poblacin de los pesos de los paquetes de
semillas de pasto esta entre 0.135 y 0.935 decagramos al cuadrado.

3. En trabajo de laboratorio se desea llevar a cabo comprobaciones


cuidadosas de la variabilidad de los resultados que producen muestras
estndar. En un estudio de la cantidad de calcio en el agua potable, el
cual se efecta como parte del control de calidad, se analiz seis veces
la misma muestra en el laboratorio en intervalos aleatorios. Los seis
resultados en partes por milln fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26.
Estimar la varianza de los resultados de la poblacin para este estndar,
usando un nivel de confianza del 90%.

Solucin:

Al calcular la varianza de la muestra se obtiene un valor de s 2= 0.0285.


Se busca en la tabla los valores correspondientes con 5 grados de
libertad, obtenindose dos resultados. Para X 2(0.95,5)= 1.145 y para
X2(0.0,5)= 11.07.
Entonces el intervalo de confianza est dado por:

y
4. RESOLVER:

A) Hallar P( Z 2.08), Elabore el grfico correspondiente


Z = 2,08


P(Z > 2,08) = 1 P(Z 2,08)
= 1 0,79389
= 0,20611

B) Si P( - Z1- /2 < Z < Z1- /2 ) = 0.95= NC ; hallar Z1- /2 y - Z1- /2


Elabore el grfico correspondiente.


1- =
x = 50
1= +

=1-
- Z1- /2 Z1- /2
= 1 0,95

= 0,05

/2 = 0,0025

Luego:

Z1-0.025
Z0,975
Z0,975 = 1,96

5. Resolver:

A) Si n = 10 HALLAR:
P ( t 2.82) (elabore el grfico correspondiente).

V. (Grados de libertad)
V = n-1
n - 1 = 10 - 1
n=9
t = 2,82
P ( t 2.82) = 0.99

B) Para una muestra de tamao n = 26 Hallar t 1- /2 y -t1- /2 tal


que :
P ( - t1- /2 < t < t1- /2 ) =0.90= NC (elabore el grfico correspondiente)

V. (Grados de libertad)
V = n -1
n - 1 = 26 - 1
n = 25

- t1- /2 t1- /2
NC = 0,90

=1-

= 1 0,90

= 0,10

/2 = 0,5
t 1- /2 = t 0,95

t 0,95 = 1,708
TEMA II : INTERVALOS DE CONFIANZA

1. Los pesos en una determinada poblacin siguen una distribucin normal de


media Desconocida y desviacin tpica desconocida. Pesando a 10
individuos de dicha poblacin, se obtuvieron los siguientes resultados
medidos en kilogramos: 62 65 63 58 64 60 57 62 60 58 ; Hallar un intervalo
de confianza al 90% para el peso medio de la poblacin.

Resolucin:

P ( t0 < t < t0 ) = NC

( x ) n
t=
S

Sx S
(
P= x t 0
n
< < x +t 0 x
n )
xi = 62 65 63 58 64 60 57 62 60 58

x = 60,9 61
Sx = 2,72
n = 10

= NC = 90% .. 0,90
V = n 1 = 10
n=9

1= +

=1-

= 1 0,90

= 0,05
t = 0,95
t0 1- /2 = 1,833114

2,72 2,72
(
P= 611,83
9
< <61+1,83
9 )
P=( 611,6592< < 61+ 1,6592 )
P=( 59,3408< < 62,6592)

A un nivel de confianza del 90% el peso medio se encontrar entre 59,34 y


62,66

2. Jennifer estudiante de Administracin piensa que el gasto promedio


semanal en fotocopias de los estudiantes de su facultad es de 3.5 soles.
Para verificar si es cierto lo que est pensando ha elegido al azar una
muestra de 9 estudiantes de un total de 120 estudiantes que llevan el curso
de Estadstica II, resultando los siguientes gastos: 3,5 2,5 1,9 1,7 2,5 3,4
2,9 1,6 1,5 Si la variable aleatoria objeto de estudio sigue una distribucin
normal. Con un intervalo de confianza del 95%( t =1.86) para la media de
gasto semanal en fotocopias por estudiante ser cierto lo que piensa
Jennifer?

Resolucin:

Sabemos que: 3,5 2,5 1,9 1,7 2,5 3,4 2,9 1,6 1,5
x = 2,39

N = 120
n=9
NC = 95% .. t = 1,86
= 0,720

(
P= x t 0
Sx


( Nn )
n ( N1 )
S
< < x +t 0 x
)
( Nn )
n ( N 1 )

(
P= 2,391,86
0,72
9


( 1209 )
( 1201 )
< < 2,39+ 1,86
0,72
9

( 1209 )
( 1201 ) )
0,72 0,72
(
P= 2,391,86
3
0.9659< <2,39+1,86
3
0.9659 )
P=( 2,390,431< <2,39+0,431 )

P=( 1,959< <2,821 )

A un nivel de confianza del 95% se puede mencionar que el gasto promedio


semanal en fotocopias de los estudiantes de estadstica es menor a 3,5 de
lo que pensaba la administracin, por lo que podramos manifestar que la
estimacin de la administracin era falsa.
3. En una determinada empresa, se seleccion al azar una muestra de 100
empleados cuya media de ingresos mensuales result igual a 705 euros,
con una desviacin estndar de 120 euros. Halla un intervalo de confianza
al 99% para la media de los ingresos mensuales de todos los empleados de
la empresa.

Resolucin:

NC = 99 % .. Z = 2,575

= 120
x = 705
n = 100

( n < < x + Z n )
P= x Z0 0

120 120
P=(7052,575
100 )
< <705+ 2,575
100

P=( 70530,9< <705+30,9 )

P=( 674,1< <735,9 ) = 0, 99

A un nivel de confianza del 99% se puede mencionar que el sueldo


promedio de los trabajadores se encuentra entre 674, 1 y 735,9

4. Construir un Intervalo del 95% de confianza para la media de la poblacin, a


partir de una muestra de tamao 64 extrada de una poblacin con una
desviacin estndar de 10. La media muestral resulto 48.5.

Resolucin:

NC = 95 % .. Z = 1,96
n = 64

= 10
x = 48,5

(
P= x Z0
n
< < x + Z 0
n )
10 10
(
P= 48,51,96
64
< < 48,5+1,96
64 )
P=( 48,52,45< < 48,5+2,45 )

P=( 46,5< <50,95 ) = 0,95

El intervalo de confianza al 95% para la media de la poblacin se encuentra


entre: 46,5 a 50,95

5. Una Auditora del Inventario de una compaa se realiz seleccionando una


muestra al azar de 100 productos en existencia. El precio de venta
promedio obtenido en la muestra fue de S/. 17.50. Con una desviacin
tpica de S/. 6.75. Construya un intervalo de confianza del 95% para el
precio promedio de todos los artculos existentes.

NC = 95 % .. Z = 1,96

n = 100

= 6.75
x = 17,50

(
P= x Z0
n
< < x + Z 0
n )
6,75 6,75
(
P= 17,51,96
100
< <17,51,96
100 )
P=( 17,51,323< <17,5+1,323 )

P=( 16,177< < 18,823 ) = 0,95

A un nivel de confianza del 95% el precio promedio de ventase encuentra


entre S/16,18 y S/18,82

MSC. Willy Mandujano Mieses.