Trabajo Colaborativo evaluativo para el primer parcial del curso

de Diseño experimental

1. Identifique y describa la media, la desviación estándar

o error estandar y la variable estandarizada (Z) para
cada uno de las distribuciones muestrales: a)
distribución en el muestreo de la media, b) distribución
en el muestreo de la proporción c) distribución en el
muestreo de las diferencias de medias y d) distribución
en el muestreo de las diferencias de proporciones e) el
error estándar para cada uno de los literales anteriores.
Solución:
A. distribución en el muestreo de la media.

𝜇𝑥̅ = 𝜇
σ
𝜎𝑋̅ = √
√𝑛

𝜇𝑥̅ = la media de la distribución de muestreo de las medias.

μ = la media de la población.

𝜎𝑋̅ = error estándar de la media de muestreo.

σ = desviación típica de la población.

N = tamaño de la población.

n = tamaño de la muestra.

Desviación estándar o error estándar: Error estándar de la

media muestral: Es la desviación estándar de las posibles medias
σ
muestrales σ 𝑋̅ =
√𝑛
Variable estandarizada:

D. distribución en el muestreo de la proporción.

𝜇𝑝= p

𝜎 𝑝𝑞 𝑝(1−𝑝)
𝜌=√ =√
𝑛 𝑛

𝜇𝑝= Media de muestreo de proporciones.

P = media de la población de proporciones.

ρ = probabilidad de éxito.

q = probabilidad de fracaso.

Media: 𝜇𝑝

Desviación estándar:
𝜎 𝑝𝑞 𝑝(1−𝑝)
𝜌=√ =√
𝑛 𝑛

E. distribución en el muestreo de las diferencias de

medias.

Media:𝑋̅ - 𝑌̅

Desviación estándar o error estándar: 𝜎 2 𝑥 = 𝜎 2 𝑦

̅ − 𝑌̅)−(𝜇𝑥− 𝜇𝑦 )
(𝑋
Variable estandarizada (Z): 𝑧= 𝑠2 𝑥 𝑠2 𝑦
√ +
𝑛𝑥 𝑛𝑦
 F. distribución en el muestreo de las diferencias de
proporciones.

𝑋
Media: 𝑝
̂= 𝑌

Desviación estándar o error estándar:

𝑝̂ −𝑝
Variable estandarizada (Z): 𝑍= 𝑝𝑞
√
𝑛

2. La estatura media de la población de cierto barrio es de

176 cm, con una desviación típica de 10 cm. a) Calcula
la media y la desviación típica de la distribución de las
medias de las muestras de tamaño 36. b) Halla la
probabilidad de que una muestra de 36 personas tenga
una estatura media de 1.76 o más.

Solución:

a. Media:

10
𝜒: 𝑁 (1,76, ) => 𝜇𝑋 = 1,76
√36

Desviación típica:

𝜎
10 = => 𝜎 = 10 ∗ 6 = 60
√36
 b.

𝑝(𝜒 > 1,72 )

1,76 − 1,76
= 𝑝[𝑧 > ]
1,66

= 𝑝(𝑧 > 0) = 1 − 𝑝(𝑧 ≤ 0) = 1 − 0 = 1

3. Dos máquinas A y B, producen un mismo artículo. La máquina

A produce como término medio una proporción de 14% de
artículos defectuosos, mientras que la máquina B, produce en
término medio una proporción de 20% de artículos defectuosos.
Si se obtiene una muestra aleatoria de 200 unidades del artículo
que provengan de la máquina A y una muestra aleatoria de 100
unidades provenientes de la máquina B, calcular la probabilidad
de que B tenga una proporción de defectuosos 8% o más que A.
Se supone que la población es infinita.

Solución:

𝜋𝐴 = 0,14 𝑦 𝑛𝐴 =200

𝜋𝐵 = 0,20 𝑦 𝜋𝐵 = 100

𝑃(𝑝𝐵 − 𝑝𝐴 ≥ 0,08) = 𝑃(𝑍 ≥ 0,43)

= 1 − 𝑃(𝑍 < 0,43)

P(𝑃𝐵 − 𝑃𝐴 ≥ 0.08 ) = 0.3336

4. La empresa de teléfonos adquiere componentes para sus
teléfonos celulares en lotes de 200 de una firma muy
reconocida. El componente tiene una tasa de defectos del 10%.
Una política establecida recientemente por QKTV establece que
si el siguiente envió tiene: a) Más del 12% de defectos
definitivamente buscara un nuevo proveedor. b) Entre el
10 y 12% de defectos considerará un nuevo proveedor. c)
Entre el 5 y 10% de defectos definitivamente no conseguirá
nuevos proveedores. d) Menos del 5% de defectos,
incrementara sus pedidos. ¿Cuál es la decisión más probable
que tiene QKTV?

Solución:

Datos: n= 200 Tamaño de muestra

N= ? Tamaño de población Se asume que se compran muchos

componentes.

𝜋 = 10% = 0.10 tasa de defectos entonces n es menor que 0.05

N y el factor de corrección de la población finita, no se necesita.

𝜋(1 − 𝜋)
𝜎𝑝 = √ 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟
𝑛

0,10(1−0,10
𝜎𝑝 = √ =0.021
200

P(p> 12% ) = P(p>0.12) Mas del 12% de defecto.

 𝑝−𝜋
𝑧=
𝜎𝑝

p = 0.12

𝜋 = 0.10

𝜎𝑝 = 0.021

0.12 − 0,10
𝑧= = 0.95
0,021

Para un área de 0.3289 P(p > 0.12) = 0.5000 – 0.3289 = 0.1711

B: Entre el 10 y 12% de defectos considerara un nuevo

proveedor.

Solución:

P( 0.10 ≤ p 0.12)

Si p = 0.10

0.10 − 1.10
𝑍= =0
1.021

Si p = 0.12

0.12 − 1.10
𝑍= = 0.95
1.021

P ( 0.10 < p < 0.12) = 0.3289

c) Entre el 5 y 10% de defectos definitivamente no conseguirá

nuevos proveedores.
P (0.05 ≤ p ≤ 0.10)

P = 0.05

0.05 − 1.10
𝑍= = 2.38
1.021

0.10 − 1.10
𝑍= =0
1.021

P( 0.05 ≤ p≤ 0.10) = 0.4913

d) Menos del 5% de defectos, incrementara sus pedidos P ( p <

0.05 )

p = 0.05

0.05 − 1.10
𝑍= = 2.38
1.021

P (p < 0.05 ) = 0.5000 – 0.4913 = 0.0087

¿Cuál decisión es más probable que tiene “Planeta de

Telefonía”?

Como la parte c tiene la probabilidad más alta “Planeta de

Telefonía” se quedara con su proveedor actual.
5. El departamento de mercadeo de un hipermercado observa
que el 20% de los clientes que entran a la sección de música
realizan una compra en ella. Una mañana entran 180 personas,
que pueden considerarse una muestra aleatoria de todos los
clientes. ¿Cuál es la probabilidad de que la proporción muestral
sea inferior a 15%? ¿Cuál es la probabilidad de que la proporción
muestral sea superior a 18%? ¿Cuál es la probabilidad que la
proporción muestral este entre 18% y 25%?

La variable tipificada es:

A.
𝑃𝑋 −𝜋 0,15−0,20
𝑍= = 𝑍=
𝜎𝑃 0.0298
= −1,67

𝑃(𝑃𝑋 ≤ 0,15) = 𝑃(𝑃 ≤ −1,67) = 0,5 − 0,4525

= 0,0475

B.
𝑃𝑋 −𝜋 0,18−0,20
𝑍= = 𝑍=
𝜎𝑃 0.0298

= −0,67

𝑃(𝑃𝑋 ≥ 0,18) = 𝑃(𝑃 ≥ −0,67) = −0.7485

C.
𝑃𝑋 −𝜋 0,18−0,20
𝑍= = 𝑍=
𝜎𝑃 0.0298
= −0,67
𝑃(𝑃𝑋 ≥ 0,15) = 𝑃(𝑃 ≥ −0,67) = −0.7485
 𝑃𝑋 −𝜋 0,25−0,20
𝑍= = 𝑍=
𝜎𝑃 0.0298

= 1,67

𝑃(𝑃 ≤ −0,67 𝑥 ≤ 1,67) =-0,7959

6. Un fabricante de cigarrillos asegura que el contenido

promedio de nicotina en una de sus marcas, es de 0,6 mg. por
cigarrillo. Una organización independiente mide el contenido de
nicotina de 16 cigarrillos de esta marca y, encuentra que el
promedio y la desviación estándar es de 0,75 y 0,175 mg.
Respectivamente de nicotina. Si se supone que la cantidad de
nicotina en estos cigarrillos es una variable aleatoria normal,
¿qué tan probable es que el resultado sea mayor o igual al
encontrado en la muestra, dado el dato proporcionado por el
fabricante?.

Solución:

𝑋−𝜇
𝑇=
𝑆
√𝑛
 0,75 0.15
𝑃(𝑇 ≥ 𝑡𝑒 ) = 𝑃 (𝑇 ≥ ) = 𝑃 (𝑇 ≥ )
0.175 0.04375
√16

= 𝑃(𝑇 ≥ 3.4286) = 0.001866097

7. Una empresa dispone de un listado de 500 clientes.

Históricamente se sabe que de la proporción de
clientes que realizan una compra al ser contactados
telefónicamente es del 0.45. ¿Si en un día cualquiera
una de las operadoras realiza 25 llamadas cual es la
probabilidad de que al menos 20 de ellos hagan una
compra? ¿Si otra operadora, más eficiente, realiza 80
llamadas cual es la probabilidad de que por lo menos el
75% de los clientes contactados efectúen una compra?

8. Una empresa eléctrica fabrica focos que tienen una duración

que se distribuye aproximadamente en forma normal, con una
media de 800 horas y una desviación de 40 horas.
Otra empresa eléctrica fabrica focos que tiene una duración que
se distribuyen aproximadamente en forma normal, con una
media de 802 horas y una desviación estándar de 40 horas. Si se
toman muestras de 16 y 25 focos resp. (a) ¿Cuál es la
probabilidad de que la diferencia en las medias muéstrale sea
superior a 2?. (b) ¿Cuál es la probabilidad de que la diferencia
en las medias muéstrales sea menor a 10?.

A.

2 − 802
𝑍= = −80
40
√16

𝑃(𝑃𝑋 ≥ 2) = 𝑃(𝑃 ≥ −80) = 1

2 − 802
𝑍= = −100
40
√25

𝑃(𝑃𝑋 ≥ 2) = 𝑃(𝑃 ≥ −100) = 0.8413

B.

10 − 802
𝑍= = −79.2
40
√16

𝑃(𝑃𝑋 ≤ 10) = 𝑃(𝑃 ≤ −79.2) = 0

 10 − 802
𝑍= = −99
40
√25

𝑃(𝑃𝑋 > 10) = 𝑃(𝑃 > −99) = 0

9. Una encuesta realizada por la asociación Nacional de

Educación revelo que los estudiantes de último año de
secundaria ven televisión un promedio de 37.2 horas por
semana. Se asume que la desviación estándar es de 5.4 horas.
En una muestra de 25 estudiantes. ¿Qué tan probable es que la
media muestral sea : a) ¿Más de 38 horas? b) ¿Menos de 36.6?
c) ¿Entre 36.4 y 37.9?

Solución:

A: -------------------------------------------------

P(X>8900)

P (Z)= 8900-8500/(1950/raíz de 100)=2.0512

De tablas=0.020

P (Z>0.02)= 0.020

B: ----------------------------------------------------------

P (µ < X < 16.3) = 0.4906 P (µ > X > 15.9) = 0.4906

P (15.9 < X < 16.3) = 0.9812 = 98.12%

C: ------------------------------------------------------------

P (µ< X < 16.27) = 0.4772

D: ------------------------------------------------------------

P(X < 16.27) = 0.4772 + 0.5 = 0.9772 = 97.72%

10. El gerente de un auditorio está considerando la posibilidad

de aumentar la capacidad de asientos y necesita conocer el
número promedio de personas que asisten a los eventos así
como la variabilidad. En la tabla siguiente se muestra la
asistencia (en miles de personas) a 9 eventos deportivos: 8.8,
14.0, 21.3, 7.9, 12.5, 20.6, 16.3, 14.1, 13.0. Calcule la
probabilidad de que la media muestral sea mayor que 14.277 si
sabe por experiencia que la media poblacional es 14.23

8,8 77,44

14,0 196

21,3 453,69

7,9 62,41

12.5 156,25

20,6 424,36

16,3 265,69
 14,1 198,81

13,0 169

128.5 2003.65

∑ 𝑋 2 = 2003,65 ∑ 𝑋 = 128,5 𝑛=9

∑ 𝑥 128,5
𝑥= = = 14,2778
𝑛 9

1 2003,65 − 9(142778)2
𝑆2 = ∑ 𝑥 2 − 𝑛𝑥 −2 ) =
𝑛−1 8

= 21,1192