UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

1. DISTRIBUCIONES CONOCIDAS PARA MUESTRAS PEQUEAS

La estadstica dispone de otras variables aleatorias con distribuciones conocidas
cuando el tamao de muestra es pequea; es decir, cuando no se puede aplicar el TLC.
Estas distribuciones son:
: La distribucin Chi cuadrado
t : La distribucin t de Student
F : La distribucin F de Fisher
Haremos un estudio muy breve de cada una de ellas y emplearemos el Minitab para
resolver problemas de probabilidad; y ms tarde volveremos a tratarlas en ms detalle.
PROPIEDADES DE ESTAS VARIABLES

Distribucin Chi Cuadrado:

P1. Si X (n) entonces = n

= 2n ; donde n representa grados de libertad

P2. Si Z1, Z2, , Zn son tales que Z1 N(0, 1) entonces T =

P3. Si V (n 1) s

X X
V

Z 2

entonces V

(n)

2
( n 1)

Distribucin t de Student
P1. Si X t(n) entonces = 0
libertad

= n/(n-2)

donde n representa grados de

P2. Si Z N (0,1);V ( n ) entonces la variable T definida como

2

X
T
N (0,1) y V ( n 1) s 2
P3. Z
entonces

( n 1)

n
X
T

P4. Si
s
n

Ilmer Cndor

Z
(n)
V
n

Z
(n 1)
V
n 1

entonces T (n 1)

Pgina 1 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Distribucin F de Fisher
P1. Si X F(m, n) entonces = n /(n-2) y = [2n(n+m-2)] /[ m(n-2)(n-4)]
donde n representa los grados de librertad del numerador y m los grados de libertad
del denominador.
P2. Si U (m )
2

P3. X i N (

Si V

,
1

2
1

2
(n )

entonces F

Yi N ( ,
2

U /m
F (m, n)
V /n

s12 / 12
) entonces F 3 2 F (n1 1, n 2 1)
2
s2 / 2
2

A continuacin resolveremos algunos EJERCICIOS referidos a estas variables:

NOTA:
DESARROLLE LOS EJERCICIOS QUE ESTN EN AZUL
1.

Para una variable aleatoria X, con distribucin Chi-Cuadrado con 15 gl, encuentre:
a) P(X < 3.89)
b) P(X > 12.495 )
c) P( 1.58 < X < 10 )

2.

Para una distribucin Chi-Cuadrado, encuentre el valor de a, en cada caso:

a) P ( (8) a ) 0.95
2

b) P ( (10 ) a ) 0.5
2

c) P ( (18) a ) 0.99
2

3.

Para una v.a. X con distribucin t de Student con 20 grados de libertad, encuentre:
a) P(X < -1.594)
b) P(X > 2.49)
c) P(-1.58<X<1)
d) P(|X| > 1.89 )

4.

Para una distribucin t de Student, encuentre el valor de a en cada caso:

a) P(t(10) > a) = 0.025 b) P( t(15) > a ) = 0.10
c) P(1.476 < t(5) < a ) = 0.075

5.

Para una v.a. X con distribucin F, con 5 grados de libertad en el numerador y 8

grados de libertad en el denominador, encuentre
a) P(X < 2.86)
b) P(X > 0.875)
c) P(0.25<X<3.84) d) P(|X|<5)

6.

Para una distribucin F, encuentre el valor de a, en cada caso:

a) P(F(12,9) < a)= 0.4785 b) P(F(14,16) > a)=0.2475 c)P(2< F(21,19) < a)=0.9584

7.

Para cada uno de los siguientes casos, hallar la probabilidad correspondiente:

a)

Si X

b)
c)

Si X t(9), hallar P(X 1.1), P(-0.703 X 4.297 ) , P( X -2.398)

Si X t(6), hallar c tal que P(X > c) = 0.10

Ilmer Cndor

(17 )

, hallara a y b tal que P( a < X < b ) = 0.88 y P( X > b ) = 0.02

Pgina 2 de 18

UNIVERSIDAD DE LIMA
d)
e)

ESCUELA DE NEGOCIOS

Si X F(4,5), hallar P(X 5.19 ) , P( 3.52 X 15.56) , P(X 7.39)

Si X F(2,3), hallar c de tal manera que P( X c ) = 0.05

8.

Si X es una variable aleatoria con distribucin Chi Cuadrado con 23 grados

de libertad, calcular a y b tal que P(a < X < b ) = 0.95 y P(X < a) = 0.05

9.

Abra el archivo Grafica de Chi-t-F.xls. Observe la forma de la grfica de cada una

de las distribuciones. Modifique el valor de los parmetros de las distribuciones Chi
Cuadrado y t de Student y observe cundo su comportamiento es aproximadamente
normal.
Modifique los valores de los grados de libertad y observe la grfica resultante
Tarea 01
Escriba en la hoja que se les ha distribuido su comentario respecto a las grficas.

10.

Tomando en cuenta las grficas que se muestran en el archivo del ejercicio anterior,
cul de estas distribuciones es simtrica respecto al eje Y? En cul de estas
distribuciones se puede aplicar las propiedades de la distribucin acumulada:
a) F(-k) = P(Z -k ) = P(Z > k) = 1- P(Z k ) = 1 F(k)
b) P(-k Z z ) = 2 F(k) -1
11. Sean X, Y, W, U variables aleatorias independientes tales que X N(40, 25);
Y (10); W (5); U t(7). Hallar el valor de k tal que:
a)

P[ (X-40) > k ] = 0.10

Como X N(40, 25), al dividir la expresin entre 25 obtenemos
P[

( X 40)
k

] 0.10
25
25

de donde

X 40
P[

k
] 0.10
25

La expresin del primer miembro es Z lo cual, segn la propiedad 2 de se

distribuye con un grado de libertad. Por tanto P( (1) > k/25 ) =.10
De donde P( k/25 ) = 0.90
Usando Inverse de Minitab encontramos: k = .
b) P(k < W + Y < 27.488 ) = 0.95
En este caso las W e Y tienen distribucin y como son dos variables, el nmero
de grados es de libertad es 2. Luego P( k < (2) < 27.488 ) = 0.95
Usando Minitab, encontramos k = ..

Ilmer Cndor

Pgina 3 de 18

UNIVERSIDAD DE LIMA
c)

P(

ESCUELA DE NEGOCIOS

W
k ) = 0.90
Y

Qu variable se genera al dividir dos variables ?

d)

P( | U | > k ) = 0.20

2. DISTRIBUCIN MUESTRAL DE MEDIAS

TEOREMA DE LA MEDIA MUESTRAL DE MEDIAS ( X )
Sea X1, X2, ..., Xn es un conjunto de variables aleatorias independientes que
conforman una muestra aleatoria de tamao n , tomadas con reposicin, a partir de
una poblacin X con E[ X ] y V [ X ] 2 y donde todas las Xi tienen la misma
distribucin, por provenir de la misma poblacin, es decir E[X i] = i = y V[Xi] =
i2 = .

Si X es el estadstico denominado Media Muestral de Medias Muestrales,

entonces su distribucin es aproximadamente normal con
E[ X ]

V[ X ]

2
n

Y si, aplicando el Teorema del Limite Central, definimos

Z

X E[ X ]
V[X ]

una nueva variable

, entonces Z N(0, 1).

Comentarios
1.

Otra forma de definir Z, la forma usual o prctica es

2.

Se puede verificar que

E[ X ] E

1
1
1
1
E X i E[ X i ] n
n
n
n
n

Igualmente

Ilmer Cndor

Pgina 4 de 18

UNIVERSIDAD DE LIMA

V [ X ] V [

3.

ESCUELA DE NEGOCIOS

] 12

V [ X i ]

1
n 2 2
2

n2
n2
n

Si la distribucin de X es normal, por la propiedad reproductiva de la

normal1,

4.

S X

tendr tambin distribucin normal N(

, i2 ) .
i

Si la distribucin de X no es normal, deberemos aplicar el Teorema del

Limite Central, mediante el cual, X tendr distribucin normal N(, /n).
Finalmente, ser suficiente que n 30 para aplicar el Teorema del Limite

5.

Central y resolver el problema usando la tabla de la distribucin normal N(0, 1).

Teorema
Sea X1, X2, ..., Xn es un conjunto de variables aleatorias independientes que conforman
una muestra aleatoria de tamao n , tomadas sin reposicin, a partir de una poblacin
X con E[ X ] y V [ X ] 2 y donde todas las Xi tienen la misma distribucin por
2
provenir de la misma poblacin, es decir E[X i] = i = y V[Xi] = i = . Si X es

el estadstico denominado Media Muestral de Medias Muestrales, entonces su

distribucin es aproximadamente normal con
E[ X ]

V[X ]

2 N n
n N 1

Y cuando n 30, podemos aplicar el TLC anterior.

Comentarios:
1. Esto quiere decir que, toda vez que el muestreo se realice sin reposicin, deber
usarse este Teorema del Limite Central.
2. Si el tamao poblacional no fuera conocido, se asumir infinito, en cuyo caso, se
aplicar el modelo de muestreo con reposicin.

Esta propiedad afirma que si un conjunto de variables Xi tienen una determinada distribucin de
probabilidad conocida, y se define a otra variable, digamos T tal que T = X1 + X2 + ...+ Xn entonces la nueva
variable T, tendr tambin la misma distribucin con T= 1 + 2+ ...+ n y T = 1 + 2 + ... + n

Ilmer Cndor

Pgina 5 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejemplo 1
Una empresa de inversiones coloca diariamente importantes sumas de dinero en
acciones de bolsa, las cuales siguen una distribucin normal. Si el monto promedio de
colocacin diaria es de $ 7012, con una desviacin estndar de $ 540, y
a) si se elige aleatoriamente una determinada colocacin de dinero, cul es la
probabilidad de que el monto colocado en la bolsa en un da, sea superior a $ 6911?
b) si se elige al azar una muestra de 36 colocaciones, cul es la probabilidad de que la
media de la muestra, sea superior a $ 6911?
c) Por qu la probabilidad en b) es mayor que en a)?
Solucin
Sea X la variable aleatoria poblacional definida como Monto de dinero que
representa una colocacin.
Segn el problema: = 7012 y = 540; igualmente X N(7012, 532)
a) Usando la distribucin normal N(0, 1), tenemos
P ( X 6911) 1 P ( X 6911) 1 P ( Z ...............) 1 (0.187) 0.5732

Ahora use Minitab para encontrar esta probabilidad sin pasar a N(0, 1).
b) Si X es la media muestral de medias en una muestra de tamao n = 36, entonces E[
X

]=

y X

X
.............
n

P ( X 6911) 1 P ( X 6911) ................ 0.8686

En Minitab encuentre esta probabilidad sin pasar a N(0, 1).

En Excel use
P ( X 6911) 1 P ( X 6911) 1 Distr.Norm (6911,7012,90,1) .................

c) La siguiente figura muestra la grfica de las dos variables X y X .

Ilmer Cndor

Pgina 6 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Se puede apreciar que el rea naranja es la probabilidad

P ( X 6911)

que, cubre casi

toda la campana de Gauss, muy prximo a uno; en cambio la P(X > 6911) cubre
menor rea bajo la curva del otro color. Por otro lado, siendo la varianza poblacional
mayor que el de la media, los datos estn ms dispersos.
Ejemplo 2
Una mquina que produce empaques de leche est regulada para producir paquetes
cuyo peso se distribuye normalmente con una media de 500 gramos y una desviacin
estndar de 10 gramos. Se sabe tambin que a veces la mquina se desajusta, y cuando
ello sucede lo nico que se altera es el peso promedio, mantenindose constante su
variabilidad. Para mantener la produccin bajo control, se selecciona una muestra de
110 bolsas y luego se pesa. Cul ser la probabilidad de que el peso promedio difiera
del promedio de la produccin en menos de 2 gramos?
Solucin
Segn los datos: X: Peso de los paquetes de leche. X N(, ); n =
Cmo se puede expresar: El peso promedio de la muestra difiera del peso promedio de
la produccin en menos de 2 gramos?: .
Segn esto debemos hallar: P( | | > .)
P( | | > .) =
Ilmer Cndor

Pgina 7 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejercicio 1
Calcular la media y varianza de la variable aleatoria X que se distribuye como una
normal, si se sabe que P( X < 6 ) = 0.0228

P( X > 8 ) = 0.8413 y adems

que la media muestral corresponde a una muestra de tamao 4.

Sugerencia:
Ests obligado a pasar a N(0, 1) en ambos casos. Cmo as? Restas la media a
ambos miembros y divides entre ; as obtendrs P (
significa que se tiene P( Z

X 6

) 0.0228 esto

6
) 0.0228

Ahora usando la opcin <Inverse> de Minitab obtendrs una ecuacin con y .

Usando el otro dato, obtendrs la segunda ecuacin, que al resolverlo obtendrs y .
Ejemplo 3
Un investigador de mercado desea estimar la media poblacional utilizando muestras
extradas aleatoriamente, suficientemente grandes de tal manera que la probabilidad de
que la media muestral no difiera de la media poblacional en ms del 25% de la
desviacin estndar, sea de 0.95. Qu tamao de muestra debe adoptar para
seleccionar la muestra, si sta se hace sin reposicin sobre poblaciones muy grandes?.
Solucin
Sea X la variable definida sobre la poblacin, de tamao N cuya distribucin se define
por y como su media y varianza poblacional, respectivamente.
Sea X la media muestral de medias en una muestra de tamao n, donde

X X

y X

X
.
n

De acuerdo a los datos del problema tenemos

P ( | X X | 0.25 X ) 0.95

P ( ................. X X ............. ) 0.95

Ilmer Cndor

Pgina 8 de 18

UNIVERSIDAD DE LIMA
Dividiendo entre
P(

ESCUELA DE NEGOCIOS

, que es la desviacin de X , para obtener Z, tenemos

0.25 X X
0.25

) P (0.25 n Z 0.25 n )
1
1
1
n
n
n

Usando la tabla N(0, 1) tenemos

2 (0.25 n ) 1 0.95

0.95

de donde n = 61.4656.

Ejemplo 4
En la inspeccin de cierto tipo de piezas con fallas se sabe que el costo de inspeccin
de cada una es equivalente a 100 veces su longitud. Si la longitud de una pieza tiene
una distribucin normal con una media de 12 mm y una desviacin estndar de 0.2
mm, cul es la probabilidad de que el costo promedio diario de la inspeccin sea
mayor que $ 1220, si al da se inspecciona 4 piezas?
Solucin
Sea X la longitud de una pieza. X N( 12, 0.2 )
Como el costo es 100 veces la longitud, si Y es el costo, entonces Y = 100X
Segn esto, el costo promedio Y lo obtenemos dividiendo a la ecuacin Y = 100X
entre 4 (n = 4) obtenemos Y = 100 X
Luego P( Y > 1220) = P( 100 X > 1220) = P( X > 12.20) = 1- P( X 12.20) =
..
Ejercicio 2
La gerencia general de una cadena de supermercados contempla la posibilidad de abrir
una tienda en cierta zona de la ciudad. Para esto realiza un muestreo y decide que
abrir la tienda si el gasto promedio muestral de consumo por hogar es superior a S/.
1000. La decisin se tomar en base a una encuesta aplicada a 200 hogares de la zona.
Si como resultado de la encuesta se obtiene que el gasto de consumo por hogar tiene
una desviacin estndar de S/. 520, Cul ser la probabilidad de que se decida abrir la

Ilmer Cndor

Pgina 9 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

tienda, si se sabe de estudios anteriores que el gasto promedio de consumo por hogar
de la ciudad es de S/. 1100?
Nota:
Resuelva los siguientes problemas y compare su solucin con lo que se da en la pgina
55 del archivo Teora de muestreo y distribuciones muestrales.doc.
TAREA 2
El promedio de las notas de los estudiantes de un Instituto de Idiomas es una variable
aleatoria con = 62 y = 60. Si se desea tomar una muestra, qu tan grande debe
ser su tamao si la probabilidad de que el promedio de las notas sea inferior a 60, debe
ser 0.1?
Ejercicio 3
Un agente de bolsa dispone de 5 acciones a ser negociadas en un da determinada.
Cada accin tiene igual probabilidad de ser seleccionada para su venta; es decir, la
funcin de probabilidad es p(x) = 1/5. Construya una distribucin muestral de medias
tomando como muestras aleatorias de tamao 2. con y sin reposicin. Luego compare
los resultados con la media y varianzas poblacionales.
a) Use el mismo procedimiento expuesto en la pgina 214 del Libro Distribuciones y
Estadstica Inferencial de Celestino Garca Or (519.2 / G25D / 1988).

3. DISTRIBUCIN MUESTRAL DE PROPORCIONES

DEFINICION
Sea X una variable poblacin que representa el nmero de xitos en la ocurrencia de
un evento determinado. Supongamos que se extrae una muestra aleatoria de tamao n.

Ilmer Cndor

Pgina 10 de 18

UNIVERSIDAD DE LIMA
p

Diremos que

X
n

ESCUELA DE NEGOCIOS
es la proporcin de xitos (proporcin de veces que ocurre un

evento determinado) en la muestra, la que representa una proporcin muestral.

Usando los

mismos criterios analizados para concluir que X

aleatoria muestral, podemos decir que

es una variable

es una variable aleatoria muestral definida

como la proporcin muestral de proporciones cuya distribucin de probabilidades

viene expresada por E[

]=p

y V[

]=

p (1 p ) 2
.
p

Por otro lado, si el muestreo se realiza sin reposicin, la poblacin ya no es Binomial;

en este caso X se dice que tiene una distribucin Hipergeomtrica con parmetros ( N,
r, n) donde E[ X ] np

y V [ X ] np (1 p)

N n
N 1

En este caso
E[ p ] p

V [ p] V [

X
1
1
N n p (1 p) N n
] 2 V [ X ] 2 np (1 p )

n
n
n
N 1
n
N 1

En consecuencia podemos plantear el siguiente teorema

TEOREMA DE LA PROPORCION MUESTRAL DE PROPORCIONES (

Supongamos que se tiene una muestra aleatoria de tamao n, extrada de una

poblacin de tamao N, con reposicin, en donde cada elemento se clasifica como
2

Evaluemos E[

E[ p ] E[

] y V[

].

X
1
np
] E[ X ]
p
n
n
n

(Recuerde que X es binomial con E[X] = np )

Del mismo modo

V [ p] V [

Ilmer Cndor

X
1
1
p (1 p )
] 2 V [ X ] 2 np (1 p )
n
n
n
n

Pgina 11 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

xito o fracaso. Si se define a X como el nmero de xitos en la muestra y

representa la proporcin de xitos en la muestra, entonces

es una variable muestral

cuya distribucin de probabilidad viene definida mediante

E[ p ] p

V [ p]

p (1 p )
donde p representa la proporcin de xitos en la
n

poblacin.
Si el tamao de la muestra es suficientemente grande, entonces
Z

p E[ p ]
V [ p]

es tal que Z N(0, 1).

Comentarios
1.

Muchas veces se usa en lugar de p para representar la proporcin de xitos en

la poblacin.
Z

p p
p (1. p )
n

2.

Otra forma de definir Z, la forma usual o prctica, es

3.

Si el tamao de muestra es pequeo se debe usar el factor de correccin por

continuidad

FCC

1
, la cual se deriva a partir del factor de correccin en la aproximacin
2n

binomial por normal, que es .

4.

De manera que usando el factor de correccin, tendremos

P( P ( p p0 ) P ( Z

P ( p p0 ) P ( Z

Ilmer Cndor

1
p
2n
)
p (1 p )
n

p0

1
p
2n
)
p (1 p )
n

p0

Pgina 12 de 18

UNIVERSIDAD DE LIMA

P ( p0 p p1 ) P (

1
p
2n
p(1 p)
n

p0

ESCUELA DE NEGOCIOS

1
p
2n
)
p (1 p )
n

p1

5. Si se desconoce el tamao poblacional, se asumir que es infinita.

Nota:
No se olvide de usar E[ X ] np

y V [ X ] np (1 p)

N n
si el muestreo se hace
N 1

sin reposicin.
Ejemplo 5
Al reparar un cierto tipo de mquina empacadora ocasionalmente ocurre una
complicacin que requiere asistencia tcnica exterior. Se desea estimar la proporcin
de trabajos de reparacin que requieren asistencia tcnica exterior, basndose en una
muestra aleatoria simple de 100 trabajos de reparacin terminada recientemente.
Suponga que en realidad se requiere asistencia tcnica exterior en un 15% de los
trabajos de reparacin; esto es, que la proporcin del proceso es de 0.15.
a) Cul es la media y desviacin estndar de la distribucin muestral de
b) Cul es la probabilidad de que
proporcin del proceso? Qu

est en un intervalo (-0.05, 0.05) centrado en la

est entre 0.12 y 0.20?

c) Dentro de qu intervalo caer la proporcin de la muestra el 90% de las veces?. Use

lmites simtricos alrededor de la proporcin del proceso.
d) Cul es el intervalo que le corresponde a la parte c) para una muestra aleatoria
simple de 400 trabajos? Qu efecto tiene el incremento en el tamao de la muestra?
e) Para una muestra de tamao dado, es la distribucin muestral de

ms variable si

p est cerca de 0? Si p est cerca de 0.5? Si estuviera cerca de 1?

Solucin
Si p = 0.15 representa la proporcin de veces que se requiere asistencia tcnica y
Sea n = 100, tamao de la muestra.
Defina a

Ilmer Cndor

: .................................................

Pgina 13 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Entonces
p

a)

b) estar

E[ p ]

...........

V [ p]

................ ........................

en (-0.05, 0.05), centrado en la p significa que |

- p | 0.05

Luego
P(| p p |

0.05)

P ( 0.05 p p 0.05)

Usando el factor de correccin por continuidad y pasando a Z, tenemos

P(

0.05 1 200
0.05 1200
Z
) (1.54) (1.54) 0.8764
0.035707
0.035707

En cuanto a la segunda parte de la pregunta tenemos

P (0.12 p p 0.20)
0.12 1200
0.20 1200
P(
Z
) (1.54) ( 0.98) 0.7747
0.035707
0.035707

c) Supongamos que el intervalo donde debe caer

es (-r, r), supuesto simtrico y

que est centrado alrededor de la proporcin del proceso, p (sin considerar el FCC).
Entonces
r
r
r
Z
) 2 (
) 1 0.90 3
0.035707
0.035707
0.035707

P ( r p p r ) P (

Usando <Inverse> en Normal de Minitab, obtenemos Z = 1.645 e igualando a

r/0.035707, tenemos
r = 0.035707x(1.645) = 0.058738
Esto significa que

- 0.058738

- p 0.058738 por lo que al despejar

reemplazamos a p con su valor, encontramos el intervalo de variacin de

que es

( .............., ................)
d) Si ahora el tamao de la muestra es de 400 entonces slo se modificar la
desviacin estndar de
3

; esto es, p

V [ p]

0.15(0.85)

400

0.01785

Aqu hemos usado la propiedad P(-K X K ) = 2 F(K) 1 cuando X N(, ).

Ilmer Cndor

Pgina 14 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Luego r = 0.01785x(1.645) = 0.02937

Con lo cual el intervalo pedido ser ( 0.1206, 0.1794)
Comentario:
La longitud del intervalo en c) es 0.1175. La longitud del intervalo en d) es 0.0588.
Esto indica que cuanto mayor sea el tamao de muestra menor ser la dispersin de
los datos; es decir, la proporcin muestral,

, estar ms cerca de p.

e) La variabilidad de una variable aleatoria se mide analizando el valor de su varianza,

entre otras formas. Cuanto mayor sea su varianza, mayor variacin(o dispersin)
presentar la variable respecto a su valor central. Por otro lado, como la varianza de
p

p (1 p )
entonces,
n

se define por V [ p ]

Si p = 0.1

V [ p]

(0.1)(0.9)
0.09
n

Si p = 0.3

V [ p]

(0.3)(0.7)
0.21
n

Si p = 0.8
Si p = 0.5

De manera que

V [ p]

(0.8)(0.2)
0.16
n

V [ p]

(0.5)(0.5)
0.25
n

tendr mayor variabilidad cuando p = 0.5. Es este valor que se

deber usar cuando no se conozca la proporcional poblacional.

Ejemplo 6
En la facultad de Administracin de la Universidad, el 40% de los estudiantes son
mujeres. Se desea hacer un estudio sobre la participacin de los estudiantes en las
actividades acadmicas y culturales de la facultad. Cul ser la probabilidad de que
en una muestra de 100 alumnos se encuentre ms de 35% pero menos de 45% de
mujeres?

Ilmer Cndor

Pgina 15 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Solucin
Segn el problema: = .; n = ..;
Al hablar de muestra, el porcentaje al que se hace referencia es

, la proporcin de la

muestra.
Qu se pide? P(.)
Encuentre primero

Luego usando Minitab encuentre P( 0.35

0.45 )

TAREA 3
Un proceso para llenar botellas de cerveza presenta una produccin promedio en la
que el 10% no estn completamente llenas. Si mediante este proceso de seleccin al
azar se toma una muestra de 225 botellas de un lote de 625 envases llenos, Cul ser
la probabilidad de que la proporcin muestral de botellas parcialmente llenas se
encuentre entre 9% y 11%?
Ejemplo 7
Una agencia de publicidad realiza una encuesta a los agentes de compras de 250
compaas industriales. Los resultados indican que el 25% de los compradores
reportaron niveles ms altos de nuevos pedidos en Enero de 1998, que en los dos
meses anteriores. Suponga que los 250 agentes de la muestra representan una muestra
aleatoria de los agentes de compras de las compaas del pas.
a) Describa la distribucin muestral de

, definida como la distribucin de

compradores del pas con niveles ms elevados de nuevos pedidos en Enero de

1998.
b) Cul es la probabilidad de que

difiera de p en ms de 0.01?

Solucin
a) Si se define a

, como la proporcin muestral de compradores del pas con niveles

ms elevados de nuevos pedidos en Enero de 1998, entonces su distribucin se

expresa mediante
Ilmer Cndor

Pgina 16 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

p E[ p ] ...........

2p ........................ .............

b) La pregunta planteada la podemos expresar como

P( | ........... | > 0.01). Luego
P (| ............. 0.01) 1 P ( 0.01 ................ 0.01)

P(

0.01 1 / 500
0.01 1 / 500
Z
)
3
3
4000
4000

1 P ( 0.438 Z 0.292)

1 (0.6141 0.3308) 0.7167

Ejercicio 4
El presidente de Distribuidores S.A. cree que el 30% de los pedidos a su empresa
provienen de clientes nuevos. Se va a usar una muestra aleatoria simple de 100
empleados para comprobar lo que dice.
a) Suponga que el presidente est en lo correcto y que p = 0.30. Cul es la
distribucin muestral de

para este estudio?

b) Cul es la probabilidad de que la proporcin muestral est a 0.5 o menos de la

proporcin poblacional?
Ejercicio 5
Si bien la mayora de las personas cree que el desayuno es el alimento ms importante
del da, el 25% de los adultos no desayunan. Si para comprobar esta afirmacin se
toma una muestra de 200 adultos,
a) cul es la probabilidad de que la proporcin muestral quede a 0.03 o menos de la
proporcin poblacional?
b) cul es la probabilidad si la proporcin muestral difiere de la proporcin
poblacional en a lo ms 0.05?

Ilmer Cndor

Pgina 17 de 18

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

TAREA 4
El gerente financiero de una gran empresa comercial desea contar con informacin
sobre la proporcin de clientes a los que no les agrada su nueva poltica de gestin,
respecto al tratamiento de los cheques girados con cantidades por debajo de $ 500.
Cuntos clientes tendr que incluir en una muestra si desea que la proporcin de la
muestra se desve a lo ms en 0.15 de la verdadera proporcin, con una probabilidad
de 98%. Considere que para el gerente un cliente al que no le agrada la poltica
implementada posee las mismas caractersticas que un cliente al que s le agrada
dichas polticas.

Ilmer Cndor

Pgina 18 de 18