MÉTODOS ESTADÍSTICOS

Jennyfer Portilla Yela

Correo:
Jennyfer.portilla@correounivalle.edu.co

Universidad del Valle

Santiago de Cali
2019
 DISTRIBUCIÓN MUESTRALMUESTRAL
DISTRIBUCIÓN DE LA PROPORCIÓN
Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino que
queremos investigar la proporción de artículos defectuosos o la proporción de alumnos
reprobados en la muestra. La distribución muestral de proporciones es la adecuada para dar
respuesta a estas situaciones.

Esta distribución se genera de igual manera que la distribución muestral de 𝑥,ҧ a excepción de
que al extraer las muestras de la población se calcula el estadístico proporción 𝑝Ƹ en lugar del
estadístico 𝑥,ҧ es decir:
Pueden tomar diferentes valores,
por lo tanto se conocen como
𝑝Ƹ1 variables aleatorias.
Histogram of propo

250
𝑝Ƹ2
200
Una distribución muestral
de la proporción es la
distribución de
150
Frequency

probabilidad de todos los

posibles valores de la
100

𝑝Ƹ𝑘 proporción muestral.

50
0

0.0 0.1 0.2 0.3 0.4 0.5

propo
 DISTRIBUCIÓN MUESTRALMUESTRAL
DISTRIBUCIÓN DE LA PROPORCIÓN
Como ocurre con otras distribuciones de probabilidad estudiadas, la distribución muestral
de tiene un valor esperado, una varianza y una forma característica.
Valor esperado Varianza

“El valor esperado de 𝑝,Ƹ la media de todos los “La varianza de todos los posibles valores de 𝑝Ƹ
posibles valores de 𝑝Ƹ , es igual a la proporción se ve afectada por el tamaño de muestra n”
poblacional P”
Esto es:
Esto es: 𝑃(1 − 𝑃)
𝐸 𝑝Ƹ = 𝑃 𝑉𝑎𝑟 𝑝Ƹ =
𝑛

Si se tiene una muestra de n observaciones entonces la distribución muestral de la proporción

será:
𝑃(1 − 𝑃)
𝑝~𝑁𝑜𝑟𝑚𝑎𝑙
Ƹ 𝑃,
𝑛

Nóte que la expresión de la varianza contiene el valor del parámetro P, sin embargo, en la
práctica es frecuente reemplazar por su estimador muestral 𝑝,Ƹ sin que esto implique un error
importante. La aproximación será adecuada si 𝑛𝑃 > 5 o 𝑛 1 − 𝑃 > 5.
 DISTRIBUCIÓN MUESTRALMUESTRAL
DISTRIBUCIÓN DE LA PROPORCIÓN
Ejemplo: Una máquina fabrica piezas de un componente eléctrico. En su producción
habitual fabrica 3% de piezas defectuosas. Un cliente recibe una caja con 500 piezas
procedentes de la fábrica. ¿Cuál es la probabilidad de que haya más de un 5% de piezas
defectuosas?

La distribución muestral de 𝑝Ƹ será ( 500 ∗ 0.03 = 15 > 5):

0.03 1 − 0.03
𝑝Ƹ ∼ 𝑁𝑜𝑟𝑚𝑎𝑙 0.03,
500

Ahora, 𝑃 𝑝Ƹ > 0.05 , como 𝑝Ƹ es normal podemos aplicar los procedimientos ya vistos.
𝑃 𝑝Ƹ > 0.05 = 1 − 𝑃 𝑝Ƹ ≤ 0.05

0.05 − 0.03
𝑃 𝑝Ƹ > 0.05 = 1 − 𝑃 𝑍 ≤
0.03 1 − 0.03
La probabilidad de que 500
haya más de un 5% de
piezas defectuosas en una 𝑃 𝑝Ƹ > 0.05 = 1 − 𝑃 𝑍 ≤ 2.62
caja de 500 piezas es de
0.0044.
𝑃 𝑝Ƹ > 0.05 = 0.0044
 DISTRIBUCIÓN MUESTRALMUESTRAL
DISTRIBUCIÓN DE LA PROPORCIÓN
Ejercicio 1: El administrador de un negocio de venta de software contable ha observado que
aproximadamente el 20% de los clientes entran al negocio efectúan alguna compra. Una
mañana entran en la tienda 180 personas que pueden considerarse una muestra aleatoria
de todos los clientes.

¿Cuál es la probabilidad de que la proporción de clientes que realizan alguna compra sea
inferior al 15%?
 DISTRIBUCIÓN MUESTRAL PARA LA VARIANZA 𝑺𝟐
A medida que las empresas y las industrias ponen más énfasis en la elaboración de productos que satisfacen
criterios de calidad, es mayor la necesidad de calcular y reducir la varianza de sus procesos. Es por esto que
conociendo la distribución de las varianzas de la muestra 𝑺𝟐 .

Pueden tomar diferentes valores, por lo tanto se

35
𝑆12 conocen como una variable aleatoria.

30
Una distribución muestral de la

25
varianza es la distribución de

Frecuencia
𝑆22

20
probabilidad de todos los posibles

15
valores de la varianza muestral.

10
5
𝑆𝑘2 0
5 10 15 20 25 30 35
2
S

Definición: Seleccionemos una muestra aleatoria de tamaño n de una población con distribución normal,
con desviación estándar igual a σ. De la muestra encontramos que la desviación estándar es igual a S, con
estos datos se puede calcular la siguiente variable aleatoria:

𝑛 − 1 𝑆2
= 𝜒2
𝜎2
La variable 𝜒 2 es una expresión que relaciona la varianza muestral 𝑆 2 y a la poblacional 𝜎 2 , de ahí su
utilidad dado que ambas quedan relacionadas con una distribución conocida, esta es distribución chi-
cuadrado, esto es: 𝜒2 ∼ 𝜒2 𝑛−1
 DISTRIBUCIÓN MUESTRAL
DISTRIBUCIÓN MUESTRALPARA
PARALA VARIANZA 𝑺𝑺𝟐𝟐
LA VARIANZA
Ejemplo: Supongamos que las onzas de líquido que vierte una máquina embotelladora
tiene una distribución normal con 𝜎 2 = 1. Si se elige una muestra aleatoria de 10
botellas y se mide la cantidad de líquido que contiene cada una, ¿Cuál es la
probabilidad de que la varianza muestral sea mayor que 1.63?

Solución
X: Cantidad de líquido que la máquina embotelladora vierte
𝑛 = 10 X ∼ 𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 = 1)
2 𝑛−1 𝑆 2 10−1 𝑆 2 2
De acuerdo con lo anterior 𝜒 = = ~𝜒(9) , entonces:
𝜎2 1

2
10 − 1 𝑆 2 10 − 1 ∗ 1.63
𝑃 𝑆 > 1.63 = 𝑃 >
1 1
= 𝑃 𝜒92 > 14.67
= 1 − 𝑃 𝜒92 ≤ 14.67
= 1 − 0.90
= 0.10

La probabilidad de que la varianza muestral sea mayor que 1.63 es de 0.10.

 𝟐𝟐
DISTRIBUCIÓN MUESTRAL PARA LA VARIANZA
DISTRIBUCIÓN MUESTRAL PARA LA VARIANZA 𝑺 𝑺

Ejercicio:

Si cierto proceso productivo de azúcar presenta una variabilidad mayor a 10.000

𝑔𝑟𝑎𝑚𝑜𝑠 2 es necesario hacer un ajuste en la máquina. Se sabe por estudios anteriores
que la producción de azúcar se distribuye normal con una varianza de 5536 𝑔𝑟𝑎𝑚𝑜𝑠 2 .
Si se selecciona una muestra de 30 paquetes de azúcar, ¿Cuál es la probabilidad de que
sea necesario reajustar la máquina?