UNIDAD I.

DISTRIBUCIONES FUNDAMENTALES
PARA EL MUESTREO.
1.1 INTRODUCCIÓN A LA ESTADISTICA INFERENCIAL.

Estadística inferencial:

Describe los métodos que utilizan la información contenida en una

muestra de la población para tomar decisiones o para obtener
conclusiones sobre dicha población. La estadística inferencial se
divide en dos grandes áreas: estimación de parámetros y prueba de
hipótesis.

Muestra aleatoria o probabilística:

Muestra que se selecciona de modo que cada integrante de la

población en estudio tenga una probabilidad conocida (no igual a
cero) de ser incluido en la muestra, permitiendo que el azar
determine los integrantes que se incluirán en la muestra.

2.1. MUESTREO: INTRODUCCION AL MUESTREO Y TIPOS

DE MUESTREO.

Necesidades del muestreo

A menudo no es posible estudiar la población completa. Algunas de

las principales razones por las que es necesario muestrear son:

1. La naturaleza destructiva de ciertas pruebas.

2. La imposibilidad física de revisar todos los integrantes de la
población.
3. El costo de estudiar a todos los integrantes de la población a
menudo es prohibitivo (muy alto).
4. Lo adecuado de los resultados de la muestra.
 5. En ocasiones se necesitaría mucho tiempo para estudiar a
toda la población.

Métodos de muestreo probabilístico

No hay un “mejor” método para seleccionar una muestra

probabilística de una población de interés. La selección del método
es de acuerdo a las características de la población.

Principales métodos de muestreo probabilístico

 Muestreo aleatorio simple

 Muestreo aleatorio sistemático
 Muestreo aleatorio estratificado
 Muestreo aleatorio por conglomerados
 Muestreo aleatorio de etapas múltiples

Muestreo aleatorio simple

La muestra aleatoria simple es aquella en la que los elementos se

escogen en forma individual y al azar de la totalidad de la
población, cada integrante de la población tiene la misma
probabilidad de quedar incluido en la muestra.

La muestra aleatoria simple se selecciona de la siguiente manera

1. Se enumeran todos los elementos de la población en números

sucesivos del 1 a N (número de los elementos de la población);
se usan ceros antes de cada cifra significativa, para igualar el
número de dígitos.
Si N = 1000; 0001, 0002,..., 1000

2. Con una tabla de números aleatorios se seleccionan los

elementos de acuerdo al tamaño de la muestra.
Muestreo aleatorio sistemático

Una muestra sistemática elige los elementos de la población (N) a

intervalos uniformes a partir de un listado ordenado.

El intervalo K se calcula dividiendo el total de los elementos de la

población entre el tamaño muestral: K = N / n
Para iniciar la selección; se elige un número al azar entre 1 y K; a
partir de él se aplica a la lista el intervalo de K eligiendo cada k-
ésimo elemento de la muestra.

Muestreo aleatorio estratificado

En éste tipo de muestreo la población se divide en subgrupos,
denominados estratos, y se selecciona una muestra de cada estrato.
Entre los posibles criterios de estratificación se cuenta la edad,
sexo, la escolaridad, ocupación, etc..., ó cualquier otro criterio que
sea relevante al problema de investigación. Pueden utilizarse dos ó
más criterios simultáneamente.

Después que la población se ha dividido en estratos, puede

seleccionarse una muestra proporcional si en cada uno de los
estratos se usa la misma fracción de muestreo ó no proporcional ó
con fracción variable de muestreo.

El muestreo estratificado tiene la ventaja, en algunos casos de

reflejar con mayor precisión las características de la población, que
el muestreo aleatorio simple ó sistemático.
Para obtener la muestra de cada estrato se utiliza muestreo
aleatorio simple ó sistemático.

Ejemplos

Supongamos que deseamos tomar una muestra estratificada

proporcional de 200 estudiantes de un colegio de 1000 alumnos.
Para esto dividimos a los estudiantes en tres estratos; utilizando
como criterio de estratificación el grado.

Primer estrato: 1° y 2° grado 560

Segundo estrato: 3° y 4° grado 290
Tercer estrato: 5° y 6° grado 150
1000

Fracción de muestreo f = 200 = 1

1000 5

Estratos de la población Estratos de la muestra

I 560 (560)(1/5) = 112
II 290 (290)(1/5) = 58
III 150 (150)(1/5) = 30
1000 200

Una población de 5000 personas se estratificó en tres estratos de

3000, 1200 y 800, de los cuales se tomaron muestras con fracciones
de muestreo 1/10, 1/5 y 1/4, respectivamente, por lo tanto se tomó la
siguiente muestra:

Estrato Fracción muestral Elementos de la muestra

3000 1/10 300
1200 1/5 240
800 ¼ 200

Muestreo aleatorio por conglomerados

Este tipo de muestreo se aplica en poblaciones que están

compuestas por un conjunto de grupos, cada uno de los cuales tiene
más de una unidad de la población, tal grupo recibe el nombre de
conglomerado.
La muestra por conglomerado es aquella, en la cual la unidad de
muestreo lo constituyen conglomerados. Los conglomerados de una
población pueden ser agrupaciones naturales o artificiales.

Conglomerados naturales: cursos de un colegio, grupos de trabajo,

manzanas de una población, pueblos, etc...
Conglomerados artificiales: los forma el investigador según
necesidades prácticas o de otro tipo. Por ejemplo una lista de 1000
personas la puede dividir en 50 grupos de 20 personas cada uno.
La selección de los conglomerados se efectúa en forma aleatoria
simple o sistemática.

Ejemplo

Suponga que un colegio tuviese distribuidos sus 1000 alumnos en 40

cursos, cada uno de ellos con 25 alumnos, se desea tomar una
muestra de 250 alumnos.

f = n / N = 250 / 1000 = 1/ 4

Número de conglomerados = (1/ 4)(40) = 10 cursos, que se deberán

seleccionar entre los 40 en forma aleatoria o sistemática.

Muestreo aleatorio de etapas múltiples

El muestreo de etapas múltiples se aplica en poblaciones divididas

en conglomerados; los conglomerados construidos o definidos
inicialmente llamados “unidades primarias” pueden ser divididos
en grupos menores que reciben el nombre de “unidades
secundarias”, las cuales a su vez, pueden ser subdivididas en
conglomerados menores. La subdivisión se repite hasta un nivel que
el investigador considere apropiado.

La selección de los conglomerados se efectúa en forma aleatoria

simple o sistemática.
1.3. TEOREMA DEL LÍMITE CENTRAL.

Si X es la media de una muestra aleatoria de tamaño n tomada de

una población con media  y varianza finita 2 , entonces la
forma límite de la distribución de

X 
Z=
/ n
Conforme n   , es la distribución normal n (Z; 0,1)
Conclusión:

Lo que nos dice este teorema es que si tomamos muestras de una

población con distribución desconocida, finita o infinita, la
distribución muestral de X aún será aproximadamente normal con
2
media  y varianza siempre que el tamaño de la muestra sea
n
grande (n  30), cuando “n” es grande  se puede estimar.
2

Si n<30 y conocemos  la aproximación es buena, la distribución

2

muestral de la media puede ser casi normal. Cuando “n” es

pequeña no se puede estimar  .
2

Si se sabe que la población es normal, la distribución muestral de

X seguirá una distribución normal exacta, no importa qué tan
pequeño sea el tamaño de la muestra.
 X

X
X1 X2 X

Distribución normal original

 =1

Z
-3 z1 z2   0 3

Distribución normal transformada (estandarizada)

1.4. DISTRIBUCIONES FUNDAMENTALES PARA EL
MUESTREO.
1.4.1. DISTRIBUCIÓN MUESTRAL DE LA MEDIA.

Suponga que una muestra aleatoria de n observaciones se toma de

una población normal con media  y varianza  2. Cada
observación xi , i = 1,2,........,n de la muestra aleatoria tendrá
entonces la misma distribución normal que la población que se
muestrea, por la propiedad reproductiva de la distribución normal,
la combinación lineal:

x 1  x 2  ...  x n 1 1 1
X  x 1  x 2  ...  x n
n n n n

Tiene una distribución normal con media:

1 1 1 1
X      ...    n   
n n n n

Varianza y desviación estándar:

Para población infinita o muestreo con reemplazo:

2 2 2
1 2 1 2 1 2 1 2 2
 X2          ...      n 2  
n n n n n

X 
n

Para poblaciones finitas, muestreo sin reemplazo o cuando

n
 0.05 (fracción de muestreo) se aplica un factor de corrección:
N
 N n
X  *
n N 1
Si recordamos a la distribución normal, esta es una distribución
continua, en forma de campana en donde la media, la mediana y la
moda tienen un mismo valor y es simétrica.
Con esta distribución podíamos calcular la probabilidad de algún
evento relacionado con la variable aleatoria, mediante la siguiente
fórmula:
𝒙−𝒖
𝒛=
𝝈

En donde z es una variable estandarizada con media igual a cero y

varianza igual a uno. Con esta fórmula se pueden a hacer los
cálculos de probabilidad para cualquier ejercicio, utilizando la
tabla de la distribución z.
Sabemos que cuando se extraen muestras de tamaño mayor a 30 o
bien de cualquier tamaño de una población normal, la distribución
muestral de medias tiene un comportamiento aproximadamente
normal, por lo que se puede utilizar la fórmula de la distribución
normal con x m = m y x s = s, entonces la fórmula para calcular la
probabilidad del comportamiento del estadístico, en este caso la
media de la muestra, quedaría de la siguiente manera:

𝒙−𝒖
𝒛=
𝝈/√𝒏

Y para poblaciones finitas y muestreo con reemplazo.

𝒙−𝒖
𝒛=
𝝈 √𝑵 − 𝒏
√𝒏 𝑵 − 𝟏
Ejercicios
Una empresa eléctrica fabrica focos que tienen una duración que se
distribuye aproximadamente en forma normal, con media de 800 horas y
desviación estándar de 40 horas. Encuentre la probabilidad de que una
muestra aleatoria de 16 focos tenga una vida promedio de menos de 775
horas.
Un banco calcula que sus cuentas individuales de ahorro tienen una
distribución normal con una media de $2,000.00 y con una desviación
estándar de $600.00. Si el banco toma una muestra aleatoria de 100 cuentas.
¿Cuál es la probabilidad de que la media se halle entre $1,900.00 y
$2,050.00?
En una Compañía llantera el control de calidad del proceso es estricto, la
duración del “piso” de las llantas producidas tiene distribución normal, con
un promedio de 25,000 millas y una desviación estándar de 5,000 millas.
Si se selecciona al azar una muestra de 100 llantas para análisis y se calcula
la duración promedio para esta muestra.
a) Encuentre la probabilidad de que la muestra de 100 llantas tendrá una
media entre 24000 y 25000 millas.
Las estaturas de 1000 estudiantes están distribuidas aproximadamente en
forma normal con una media de 174.5 centímetros y una desviación estándar
de 6.9 centímetros. Si se extraen 200 muestras aleatorias de tamaño 25 sin
reemplazo de esta población, determine:
a) El número de las medias muéstrales que caen entre 172.5 y 175.8
centímetros.
b) El número de medias muéstrales que caen por debajo de 172 centímetros.
1.4.2. DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE
MEDIAS

Si se extraen al azar muestras independientes de tamaño n1 y n2 de

dos poblaciones con medias  1 y  2 y varianzas  1 y  2
2 2

respectivamente, entonces la distribución muestral de la diferencia

de medias X 1  X 2 esta distribuida aproximadamente de forma
normal con media, varianza y desviación estándar dadas por:

 X1 X 2   1   2

 12  22
 2
X1  X 2  
n1 n2

 12  22
 X1  X 2  
n1 n2

por lo tanto:

Z =
 X 1  X 2    1   2 
(  12 / n1 )  (  22 / n2 )

Es aproximadamente una variable normal conforme n1   y

n2  
Ejercicios
Se llevan a cabo dos experimentos independientes en los que se comparan dos
tipos diferentes de pintura. Se pintan 18 especímenes con el tipo de pintura A
y en cada uno se registra el tiempo de secado en horas. Lo mismo se hace con
el tipo B. Se sabe que las desviaciones estándar de la población son ambas 1.
Suponga que el tiempo medio de secado es igual para los dos tipos de pintura,
encuentre P ( X A  X B  1 ) , donde X A y X B son los tiempos promedio
de secado.
Uno de los principales fabricantes de televisores compra los tubos de rayos
catódicos a dos compañías. Los tubos de la compañía A tienen una vida media
de 7.2 años con una desviación estándar de 0.8 años, mientras que los de la B
tienen una vida media de 6.7 años con una desviación estándar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34 tubos de la
compañía A tenga una vida promedio de al menos un año más que la de una
muestra aleatoria de 40 tubos de la compañía B.
Los cinescopios para televisión del fabricante A tienen una duración media de
6.5 años y una desviación estándar de 0.9 años, mientras que los del
fabricante B tienen una duración de media de 6 años y una desviación
estándar de 0.8 años. ¿Cuál es la probabilidad de que una muestra aleatoria
de 36 cinescopios del fabricante A tenga una duración media que sea al
menos de un año más que la duración media de una muestra de 49
cinescopios del fabricante B?.
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrándose una
desviación estándar de 1.23km/L para la primera gasolina y una desviación
estándar de 1.37km/L para la segunda gasolina; se prueba la primera
gasolina en 35 autos y la segunda en 42 autos.
a) ¿Cuál es la probabilidad de que la primera gasolina de un rendimiento
promedio mayor de 0.45km/L que la segunda gasolina?
b) ¿Cuál 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?
La vida eficaz de un componente utilizado en la turbina de una aeronave es
una variable aleatoria con media de 5,000 horas y una desviación estándar de
40 horas. La distribución de la vida eficaz es muy próxima a una distribución
normal. El fabricante de la turbina introduce una mejora en el proceso de
fabricación de este componente, que aumenta el tiempo de vida útil promedio
a 5,050 horas y disminuye la desviación estándar a 30 horas.
Supóngase que se toma del proceso “antiguo” una muestra aleatoria 1 de 16
componentes, y una muestra aleatoria 2 del proceso “mejorado” de 25
componentes. ¿Cuál es la probabilidad de que la diferencia entre las dos
medias muéstrales X 2  X 1 sea al menos 25 horas?
Supóngase que los procesos antiguo y mejorado pueden considerarse como
poblaciones independientes.
1.4.3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN.
APROXIMACIÓN NORMAL DE LA DISTRIBUCIÓN
BINOMIAL.

Supóngase que en una población la probabilidad de ocurrencia de

un suceso (conocido como su éxito) es p, mientras que la
probabilidad de no ocurrencia del suceso es q = 1 – p.

Se consideran todas las posibles muestras de tamaño n extraídas de

esta población (distribuida binomialmente – muestreo con
reemplazo) y para cada muestra se determina su proporción de
éxito. Entonces se obtiene una Distribución muestral de
proporciones cuya media  p y desviación estándar  p viene
dadas por:

pq
p  p p 
n

para grandes valores de n (n≥30) la distribución muestral de

proporciones se aproxima a la distribución normal, en particular
cuando np  5 y n(1-p)  5 entonces:

ps  p
Z=
pq
n
Dónde:

ps es la proporción muestral
 p es la proporción poblacional
Ejercicios. (Resolverlos con la distribución muestral de proporciones)
Hallar la probabilidad de que en 120 lanzamientos de una moneda el número
de caras:
a) Esté comprendido entre el 40% y el 60%.
b) Sea 5/8 o más del número de lanzamientos
c) 1/4 o menos del número de lanzamientos
El gerente de una mueblería ha determinado que el 20% de las ventas del año
pasado incluyeron la entrega de muebles en un plazo de 30 días después de la
compra. Si se selecciona una muestra aleatoria de 400 ventas.
Determine la probabilidad de que la proporción muestral de los pedidos
entregados dentro de los 30 días siguientes sea:
a) Entre 0.20 y 0.25
b) Sea menos del 0.15
c) Mayor de 0.24
Se ha determinado que 60% de los estudiantes de una universidad grande
fuman cigarrillos. Se toma una muestra aleatoria de 800 estudiantes.
Calcule la probabilidad de que la proporción de la muestra de la gente que
fuma cigarrillos sea menor que 0.55.
Un medicamento para malestar estomacal tiene la advertencia de que algunos
usuarios pueden presentar una reacción adversa a él, más aún, se piensa que
alrededor del 3% de los usuarios tienen tal reacción. Si una muestra aleatoria
de 150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporción de la muestra de los usuarios que
realmente presentan una reacción adversa, exceda el 4%.
Se sabe que la verdadera proporción de los componentes defectuosos
fabricados por una firma es de 4%, y encuentre la probabilidad de que una
muestra aleatoria de tamaño 60 tenga:
a) Menos del 3% de los componentes defectuosos.
b) Más del 1% pero menos del 5% de partes defectuosas.
1.4.4 DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE
PROPORCIONES.

Muchas aplicaciones involucran poblaciones de datos cualitativos

que deben compararse utilizando proporciones o porcentajes. A
continuación se citan algunos ejemplos:

- Educación.- ¿Es mayor la proporción de los estudiantes que

aprueban matemáticas que las de los que aprueban inglés?
- Medicina.- ¿Es menor el porcentaje de los usuarios del
medicamento A que presentan una reacción adversa que el de
los usuarios del fármaco B que también presentan una
reacción de ese tipo?
- Administración.- ¿Hay diferencia entre los porcentajes de
hombres y mujeres en posiciones gerenciales.
- Ingeniería.- ¿Existe diferencia entre la proporción de artículos
defectuosos que genera la máquina A a los que genera la
máquina B?

Cuando el muestreo procede de dos poblaciones binomiales y se

trabaja con dos proporciones muéstrales, la distribución muestral
de diferencia de proporciones es aproximadamente normal para
tamaños de muestra grande (n1p1≥5, n1q1≥5, n2p2≥5 y n2q2≥5).
Entonces p1 y p2 tienen distribuciones muéstrales aproximadamente
normales, así que su diferencia p1-p2 también tiene una distribución
muestral aproximadamente normal.
La fórmula que se utilizará para el cálculo de probabilidad del
estadístico de diferencia de proporciones es:

(𝒑𝟏 − 𝒑𝟐 ) − (𝑷𝟏 − 𝑷𝟐 )
𝒛=
𝑷𝟏 𝒒𝟏 𝑷𝟐 𝒒𝟐
√ +
𝒏𝟏 𝒏𝟐
Ejercicios.
Los hombres y mujeres adultos radicados en una ciudad grande del norte
difieren en sus opiniones sobre la promulgación de la pena de muerte para
personas culpables de asesinato. Se cree que el 12% de los hombres adultos
están a favor de la pena de muerte, mientras que sólo 10% de las mujeres
adultas lo están. Si se pregunta a dos muestras aleatorias de 100 hombres y
100 mujeres su opinión sobre la promulgación 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.
Una encuesta del Boston College constó de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontró que 20% habían estado sin
trabajo durante por lo menos dos años. Supóngase que tuviera que
seleccionar otra muestra aleatoria de 320 trabajadores de entre todos los
empleados despedidos entre 1979 y 1984. ¿Cuál sería la probabilidad de que
su porcentaje muestral de trabajadores sin empleo durante por lo menos dos
años, difiera del porcentaje obtenido en la encuesta de Boston College, en 5%
o más?
Se sabe que 3 de cada 6 productos fabricados por la máquina 1 son
defectuosos y que 2 de cada 5 objetos fabricados por la máquina 2 son
defectuosos; se toman muestras de 120 objetos de cada máquina:
a) ¿cuál es la probabilidad de que la proporción de artículos defectuosos de
la máquina 2 rebase a la máquina 1 en por lo menos 0.10?
b) ¿cuál es la probabilidad de que la proporción de artículos defectuosos de
la máquina 1 rebase a la máquina 2 en por lo menos 0.15?
1.4.5 DISTRIBUCIÓN T-STUDENT. (TEORÍA DE PEQUEÑAS
MUESTRAS) Distribución muestral de la media X con varianza
desconocida.

Si X es la media de una muestra aleatoria de tamaño pequeño n

(n<30) tomada de una población normal con media  y varianza
 2 desconocida, entonces la variable aleatoria:

X 
T =
S/ n

Tiene una Distribución t con v = n - 1 grados de libertad.

Donde la media y la varianza son:

X
Xi
n
y S 
2
n  xi  X 2
i 1 n i 1 n1

Cuando n   es la misma distribución que la normal.

 Distribución normal
  0 , 2  1

Distribución t
  0 , 2  1

  t

 t  0 t

v = 10
v=5
v=1

- t t
 
-3 -2 -1 0 1 2 3

Ejercicios
Un jefe de producción afirma con un 90% de seguridad que el rendimiento
medio de la población de cierto proceso en lotes es 500 gramos por milímetro
de materia prima. Para verificar esta afirmación muestrea 25 lotes cada mes.
¿Qué conclusión extraería de una muestra que tiene una media de 518
gramos por milímetro y una desviación estándar muestral de 40 gramos?
Suponga que la distribución de rendimientos es aproximadamente normal.
Un ingeniero químico afirma que el rendimiento medio de la población de
cierto proceso en lotes es 500 gramos por milímetro de materia prima. Para
verificar esta afirmación toma una muestra de 25 lotes cada mes. Si el valor
de t calculado cae entre –t0.05 y t0.05, queda satisfecho con su afirmación.
¿Qué conclusión extraería de una muestra que tiene una media de 518
gramos por milímetro y una desviación estándar de 40 gramos? Suponga que
la distribución de rendimientos es aproximadamente normal.
Al fabricante de un agente propulsor utilizado en sistemas de escape de
emergencia de aeronaves le gustaría afirmar que su producto tiene una tasa
promedio de combustión de 40 pulgadas por minuto. Para investigar esta
afirmación, el fabricante prueba 25 gramos de propulsor seleccionado al
azar, y si el valor calculado de T cae entre – t 0.05 y t 0.05, entonces queda
satisfecho.
¿A qué conclusión debe llegar el fabricante si tiene una muestra con una
media de 42 pulgadas por minuto y una desviación estándar de 0.75 pulgadas
por minuto? Supóngase que la tasa de combustión tiene una distribución
normal.
La resistencia a la tensión para cierto tipo de alambre se distribuye
normalmente con una media desconocida  y una varianza desconocida
 2 . Se seleccionaron al azar 6 segmentos de alambre de un rollo grande y se
midió x i , la resistencia a la tensión para el segmento i, en donde i = 1, 2, 3,
4, 5, 6. La  y  de la población pueden estimarse por X y S2
2

respectivamente.
Encuentre la probabilidad de que X esté a lo más a 25/ n de la verdadera
media poblacional: P (-2S / n < X -  < 2S / n ).
1.4.6. DISTRIBUCIÓN MUESTRAL DE LA VARIANZA S2.
DISTRIBUCIÓN Ji CUADRADA.
La distribución Ji cuadrada es un caso especial de la distribución
gama con   v / 2 y   2 , donde v es un entero positivo. La
distribución tiene un solo parámetro v llamado grados de libertad.

Si S2 es la varianza de una muestra aleatoria de tamaño n que se

toma de una población normal que tiene varianza  2 , entonces el
estadístico:

X2 =
n  1S 2 “muestras pequeñas”
 2

Tiene una Distribución Ji cuadrada con v = n - 1 grados de

libertad.

f(X2)


X2
0 X2 
Exactamente 95% de una distribución Ji cuadrada yace entre
X 02.975 y X 02.025
Ejercicios
Un fabricante de baterías para auto garantiza con un 95% de seguridad que
sus baterías durarán, en promedio, 3 años con una desviación estándar de 1
año. Si 5 de éstas baterías tienen duraciones de 1.19, 2.4, 3.0, 3.5 y 4.2 años,
¿el fabricante aún está convencido de que sus baterías tienen una desviación
estándar de 1 año? Suponga que la duración de la batería sigue una
distribución normal.
Se toma una muestra aleatoria de 27 observaciones de una población normal
con varianza de 16.8. Hallar la probabilidad aproximada de obtener una
desviación estándar de la muestra:
a).- entre 3 y 5.2
b).- mayor de 4
Calcule la probabilidad de que una muestra aleatoria de 25 observaciones,
tomadas de una población normal con varianza 6 tendrá una varianza
muestral:
a).- mayor que 9.1
b).- entre 3.462 y 10.745
Suponga que los tiempos requeridos por un cierto autobús para alcanzar un
de sus destinos en una ciudad grande forman una distribución normal con una
desviación estándar de 1 minuto. Si se elige al azar una muestra de 17
tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que
2.
Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones,
de una población normal con varianza de 6, tenga una varianza muestral:
a) Mayor que 9.1
b) Entre 3.462 y 10.745
Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de
pasto distribuidas por cierta compañía: 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
compañía, suponga una población normal.
En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas
de la variabilidad de los resultados que producen muestras estándar. En un
estudio de la cantidad de calcio en el agua potable, el cual se efectúa como
parte del control de calidad, se analizó seis veces la misma muestra en el
laboratorio en intervalos aleatorios. Los seis resultados en partes por millón
fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los
resultados de la población para este estándar, usando un nivel de confianza
del 90%.
1.4.7. DISTRIBUCIÓN MUESTRAL DE LA COMPARACIÓN
DE VARIANZAS MUESTRALES. DISTRIBUCIÓN F.

2 2
Si X 1 y X 2 son variables aleatorias independientes que tiene
distribuciones ji cuadrada con v1 y v2 grados de libertad,
respectivamente entonces:

X 12 / v1
F= 2 donde X 2

n1  1S12
 12
1
X 2 / v2

Y X 2

n2  1S 22
v1 = n1 -1 , v2 = n2 - 1

2 2
2

n1  1S 12 n1  1S 12

/( n1  1 )
 12 n1  1 12 S 12 /  12
F =  
n2  1 S 22 n2  1S 22 S 22 /  22
/( n2  1 )
 22 n2  1 22
2 2
Si S 1 y S 2 son las varianzas de muestras aleatorias
independientes de tamaño n1 y n2 tomadas de poblaciones normales
con varianzas  1 y  2 , respectivamente, entonces:
2 2

S12 /  12  22 S12
F= 2  2 2 “muestras pequeñas”
S2 /  2  1 S2
2

Tiene una distribución F con v1 = n 1 -1 y v2 = n2 - 1 grados de

libertad.
 DISTRIBUCIÓN F

h(f) 6 y 24 g.l.

6 y 10 g.l.

P(F> f ;v1 ,v2 )  

0 0   f
1
f 1 ;v1 ,v2  f ;v1 ,v2
f ;v2 ,v1

h(f)
15 y  g.l.
15 y 50 g.l.

15 y 5 g.l.

f
0 
Ejercicios
Si S 12 y S 22 representan las varianzas de muestras aleatorias
independientes con tamaños n1 = 25 y n2 =25 tomadas de poblaciones
normales con varianzas  12 = 10 y  22 = 15, respectivamente, determine P
( S 12 / S 22 > 1.26).
Si tomamos dos muestras independientes de tamaño n 1 = 6 y n2 =10 de dos
poblaciones normales con la misma varianza poblacional, encuentre el
número “b” tal que P ( S 12 / S 22  b) = 0.95.
Dos muestras de tamaños 8 y 10 se extraen de dos poblaciones distribuidas
normalmente con varianza 20 y 36 respectivamente. Hallar la probabilidad
aproximada de que la varianza de la primera muestra sea más de dos veces la
varianza de la segunda.
Un fabricante de automóviles pone a prueba dos nuevos métodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran en la tabla:

Método 1 Método 2
n1 = 31 n2 = 25
S12 = 50 S22 =24

Construya un intervalo de confianza del 90% para 𝜎 12/ 𝜎 22.

Una compañía fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustaría seleccionar el proceso que tenga la
menor variabilidad en la rugosidad de la superficie. Para ello toma una
muestra de n1=16 partes del primer proceso, la cual tiene una desviación
estándar S1 = 4.7 micro pulgadas, y una muestra aleatoria de n 2=12 partes
del segundo proceso, la cual tiene una desviación estándar S2 = 5.1 micro
pulgadas. Se desea encontrar un intervalo de confianza del 90% para el
cociente de las dos varianzas 𝜎 12/ 𝜎 22. Suponga que los dos procesos son
independientes y que la rugosidad de la superficie está distribuida de manera
normal.