Asignatura:

Estadística inferencial
NRC: 10229

Nombre del tema:

Actividad 4 – Muestreo Aleatorio

Presenta:
Diego Fernando Córdoba Ordoñez ID: 577980
Laura Patricia Caicedo Montenegro ID: 712432
Sandra Merly Maigual Maigual ID: 711426

Docente:
Paola Andrea Munos Pinza

Colombia, San Juan de pasto Marzo, 10 de 2021

 CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS
ESTADÍSTICA INFERENCIAL
Actividad 3 – Evaluativa
Muestreo aleatorio

Desarrollar los ejercicios en este archivo indicando el proceso, puede utilizar el editor de
ecuaciones de Word para mejor escritura y presentación.

1. De una población de 300 personas, se toma una muestra de tamaño 60 tomando 10

personas al azar, de cada uno de los estratos sociales existentes, en Bogotá. Esta forma
de muestreo es: Aleatorio Estratificado.
Justificación: Se indica que es un muestreo aleatorio estratificado, porque se divide a la
población en grupos llamados estratos. Después se selecciona aleatoriamente (al azar) en
cada estrato, un número específico de elementos los cuales conforman a la muestra. El
muestreo estratificado resulta apropiado cuando la población ya está dividida en grupos de
diferentes tamaños como es el caso de los estratos sociales y se desea tomar en cuenta esta
condición.
La ventaja de las muestras estratificadas es que, cuando se diseñan adecuadamente, reflejan
de manera más precisa las características de la población de la cual fueron elegidas, en
comparación con otro tipo de muestras.

2. El departamento de control de calidad de una empresa que fabrica licuadoras sabe,

por experiencia, que, debido a factores como el equipo, materia prima y personal
operativo, el 5% de la producción es rechazada por algún pequeño defecto
encontrado. Si se extrae una muestra de 36 unidades, ¿Cuál es la probabilidad de que
el porcentaje sea superior de 9 % ?
Solución:
En el enunciado del problema se tiene que el 5% de la producción es rechazada esto se

5
representa con p= =0,05 . La muestra es de 36 unidades esto es n=36.
100
Hay que calcular la probabilidad de que el porcentaje sea mayor del 9%. El 9% de 36 es

9 324
x 36= =3,24 , como se trata del numero de licuadoras se toma en cuenta el número
100 100
entero inmediato, se coloca que el 9% de 36 unidades es 4, así lo que se busca es
P( X ≥ 4 ), para lo cual se utilizara la Distribución de Poisson, esto es
P ( X ≥ N ) =1−P ( X ≤ N −1 )
P ( X ≥ 4 ) =1−P ( X ≤3 )
Donde P ( X ≤3 )=P ( X=1 ) + P ( X=2 )+ P ( X=3)
Para lo cual antes hay que calcular P ( X=0 ) , P ( X =1 ) , P ( X=2 ) y P ( X=3 )
Datos: Formulas:
n=36 λ=n∗p Media de la distribución
p=0,05 λ x∗e−λ Formula de la
P ( X=x )= Distribución de Poisson
x!

P ( X ≤3 )=P ( X=1 ) + P ( X=2 )+ P ( X=3)

P ( X ≥ 4 ) =1−P ( X ≤3 )

► Calculo de λ
λ=36∗0,05=1,8
► Cálculo de las probabilidades
λ x∗e−λ
P ( X=x )=
x!

(1,8)1∗e−1,8 1,8∗0,16529
P ( X=1 ) = = =0,29753 P ( X=1 ) =0,29753
1! 1

(1,8)2∗e−1,8 3,24∗0,16529
P ( X=2 )= = =0,26778 P ( X=2 )=0,26778
2! 2∗1

(1,8)3∗e−1,8 5,832∗0,16529
P ( X=3 )= = =0,16067 P ( X=1 ) =0,16067
3! 3∗2∗1
► Calculo de P ( X ≤3 )
P ( X ≤3 )=P ( X=1 ) + P ( X=2 )+ P ( X=3)
P ( X ≤3 )=0,29753+0,26778+0,16067
P ( X ≤3 )=0,72598
► Calculo de P ( X ≥ 4 )
P ( X ≥ 4 ) =1−P ( X ≤3 )
P ( X ≥ 4 ) =1−0,72598
P ( X ≥ 4 ) =0,27402
Respuesta: La probabilidad de que el porcentaje sea superior de 9 % es de 0,27402

3. Se ha encontrado que el 2% de las piezas producidas por cierta máquina, son

defectuosas. ¿Cuál es la probabilidad de que una partida de 400 piezas no tenga
defecto alguno?
2
Solución: El 2% de las piezas defectuosas representa p= =0,02
100
La muestra es de 400 unidades esto es n=400
Ahora el porcentaje de piezas no defectuosas q=1− p=1−0,02=0,98
Sea X= {número de piezas defectuosas de 400}. Se calculara la probabilidad para x=0
Se puede resolver el problema utilizando la formula Binomial
x ⇒ B(n , p)

n!
P ( X=x )= ∗p x∗q n−x
x ! ( n−x ) !
Sustituyendo los valores se tiene:
x ⇒ B(400 , 0,02)
400!
P ( X=0 )= ∗0,020∗0,98400−0
0 ! ( 400−0 ) !
400 !
P ( X=0 )= ∗1∗0,98400
1. ( 400 ) !
P ( X=0 )=1∗1∗0,98 400=0,98400
P ( X=0 )=0,000309
Ahora, P( X > 0)=1−P ( Z =0 )
P( X > 0)=1−0,000309
 P( X > 0)=0,999691
Respuesta:
La probabilidad de que una partida de 400 piezas no tenga defecto alguno es de 0,99

4. Una empresa de mensajería que opera en la ciudad tarda una media de 35 minutos
en llevar un paquete, con una desviación típica de 8 minutos. Supongamos que,
durante el día de hoy, han repartido doscientos paquetes.
a. ¿Cuál es la probabilidad de que, la media de los tiempos de entrega de hoy esté
entre 30 y 35 minutos?
Solución:
Dado que la muestra es grande n=200, se puede aplicar el teorema del límite central. Por lo
tanto, la media de la muestra se aproxima a una distribución normal con los parámetros:
Media: μ X́ =μ=35
Desviación típica: σ =8
σ 8
Desviación Típica para la muestra: σ X́ = = =0,566
√ n √ 200
Debemos calcular P ( 30 ≤ X́ ≤ 35 )=P ( 30−35 ≤
X́−35 35−35
0,566 0,566
≤
0,566 )
30−35 35−35
¿ P(
0,566 )
≤Z≤
0,566
¿ P (−8,83 ≤ Z ≤ 0 )
¿ P ( Z ≤0 )−P ( Z ≤−8,83 )
¿ 0,5−0
¿ 0,5
Donde Z es una normal (0,1). Es decir, se tiene una probabilidad aproximada del 0,4616 de
que la media del tiempo de entrega de hoy haya estado entre 30 y 35 minutos.

b. ¿Cuál es la probabilidad de que, en total, para los doscientos paquetes hayan estado
más de 115 horas?
Solución:
h∗60 min
Se transformam las 115 horas a minutos: 115 =6900 min
1h
 6900
Y se calcula la probabilidad (
P X́ >
200 )
=P ( X́ >34,5 )

Esta probabilidad se aproxima por la probabilidad de una distribucion normal estandar Z,

σ 8
con Media μ X́ =μ=35 y Desviación Típica para la muestra: σ X́ = = =0,566
√ n √ 200
34,5−35
(
P ( X́ >34,5 ) =P Z>
0,566 )
¿ P ( Z >−0,88 )
¿ 1−P ( Z ←0,88 )
¿ 1−(1−0,8106)
¿ 1−(0,1894)
¿ 0,8106

Asi, la probabilidad de que, en total,

para los doscientos paquetes hayan
estado más de 115 horas es de 0,81

5. Los ingenieros deben tomar en cuenta la anchura de las cabezas de los hombres
cuando diseñan cascos para motocicleta. Las anchuras de las cabezas de los hombres
se distribuyen normalmente, con una media de 6.0 in y una desviación estándar de 1.0
in (según datos de una encuesta antropométrica de Gordon, Churchill, et al.).

a. Si se selecciona a un hombre al azar, calcule la probabilidad de que el ancho de su

cabeza sea menor que 6.2 in.
Solución:
El enunciado nos indica que se distribuye normalmente, por lo que usaremos la distribución
normal para hallar las probabilidades requeridas, con una media de: μ=6 y la desviación
estándar: σ =1
Hay que utilizar la formula
x−μ
z=
σ
para convertir la distribución de la anchura de la cabeza a una distribución normal estándar.
La anchura de 6,2 in. Se convierte en una puntuación z de la siguiente manera:
6,2−6
z= =0,2
1

En la tabla de distribución normal, se encuentra que z=0,2 corresponde a un área de 0,5793

Tabla de Distribución Normal (Fragmento)

Interpretación gráfica, área bajo la curva normal

6,2−6
(
Así se tiene que, P ( x<6,2 )=P Z<
1 )
=P ( z <0,2 )=0,5793

Respuesta: Si se selecciona a un hombre al azar, la probabilidad de que el ancho de su

cabeza sea menor que 6.2 in., es de 0,5793

b. La compañía Safeguard Helmet planea un lote de producción inicial de 100 cascos.

Calcule la probabilidad de que 100 hombres, seleccionados al azar, tengan una
anchura media de cabeza menor que 6.2 in.
Solución:
Se utilizara el teorema del límite central para calcular esta probabilidad (ya que se está
trabajando con la media de una muestra de 100 hombres, no de un solo hombre) con los
siguientes parámetros:
Media: μ X́ =μ=6
Media de la muestra X́ =6,2
σ 1
Desviación estándar de la media de la muestra: σ X́ = = =0,1
√ n √100
X́ −μ X́
Hay que utilizar la formula z= para convertir la distribución de la anchura de la
σ X́
cabeza a una distribución normal estándar.
La anchura de 6,2 in. Se convierte en una puntuación z de la siguiente manera:
X́ −μ X́ 6,2−6
z= = =2
σ X́ 0,1
En la tabla de distribución normal, se encuentra que z=2 corresponde a un área de 0,9772
Tabla de Distribución Normal (Fragmento)

6,2−6
(
Así se tiene que, P ( x<6,2 )=P Z<
0,1 )
=P ( z <2 )=0,9772

Respuesta: la probabilidad de que 100 hombres, seleccionados al azar, tengan una anchura
media de cabeza menor que 6.2 in., es de 0,9772
 Fórmulas utilizadas en el desarrollo de los ejercicios
n!
Formula Binomial P ( X=x )= ∗p x∗q n−x
x ! ( n−x ) !
en la que:
• x = número de éxitos deseados
• n = número de intentos realizados
• p = probabilidad de tener éxito (probabilidad característica)
• q = probabilidad de un fallo (q= 1 - p)
Esta fórmula binomial nos permite calcular algebraicamente la probabilidad de obtener x éxitos.
Podemos aplicarla a cualquier proceso de Bernoulli, en donde 1) cada intento o ensayo tiene
únicamente dos resultados posibles: un éxito o un fracaso; 2) la probabilidad de éxito permanece
constante de un intento a otro, y 3) los intentos son estadísticamente independientes.
Media de una distribución Binomial λ=n∗p
La media de una distribución binomial es igual al número de intentos multiplicado por la
probabilidad de éxito
Distribución de Poisson λ x∗e−λ
P ( X=x )=
x!
Esta fórmula nos permite calcular la probabilidad de que una variable aleatoria discreta se presente
en una distribución de Poisson. La fórmula establece que la probabilidad de tener exactamente x
ocurrencias es igual a λ, o lambda (el número medio de presentaciones por intervalo en una
distribución de Poisson), elevada a la x potencia y multiplicada por e= 2.71828 (la base del sistema
de logaritmos naturales), elevada a la potencia lambda negativa, y el producto dividido entre x
factorial.
x−μ
Puntuación z o valor estandarizado z=
σ
Representa el Numero de desviaciones estándar desde x hasta la media de la distribución, en
donde:
• x = valor de la variable aleatoria en la cual estamos interesados
• μ = media de la distribución de esta variable aleatoria
• σ = desviación estándar de esta distribución
• z = número de desviaciones estándar desde x hasta la media de la distribución.
Ya que se ha calculado z utilizando esta fórmula, podemos usar la tabla de la distribución de
probabilidad normal estándar (que da los valores para las áreas bajo una mitad de la curva normal,
empezando con 0.0 en la media) y determinar la probabilidad de que la variable aleatoria que nos
 interesa esté dentro de esa distancia con respecto a la media de la distribución. (Se debe redondear
z a dos espacios decimales)
Teorema del Limite Central
Si x1, x2, … , xn es una muestra aleatoria de tamaño n tomada de una población con media μ y
desviación típica σ , entonces el límite de la distribución
x́−μ
z n=
σ /√n
Cuando n → ∞, es la distribución normal
σ
Desviación estándar de la media de la muestra σ X́ =
√n
Esta ecuación explica que la distribución de muestreo tiene una desviación estándar, que también
llamamos error estándar, igual a la desviación estándar de la población dividida entre la raíz
cuadrada del tamaño de muestra.
Tabla de Distribución Normal
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribución N (μ, σ) en otra variable Z que siga una distribución N (0, 1).
Bibliografía:
 Díaz, A (2013). Estadística aplicada a la administración y la economía. Ciudad de
México, México. MacGrawHill
https://www.academia.edu/39339523/Estadística_aplicada_a_la_administración_y_la_econ
omía_Alfredo_Díaz_Mata_1ED

 Levin, R. Rubin, D. (2004). Estadística para Administración y Economía. Séptima

edición. México, México. Pearson Educación.
https://profefily.com/wp-content/uploads/2017/12/Estadística-para-administración-y-
economia-Richard-I.-Levin.pdf

 Triola, M. (2009). Estadística. Décima edición. México, D. F. Pearson Educación.

https://www.uv.mx/rmipe/files/2015/09/Estadistica.pdf
 Tabla de Distribución Normal. Superprof Material Didáctico.
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
normal/tabla-de-la-distribucion-normal.html