Estadistica y Probabilidad II PAE

Programa de Apoyo al Egreso (PAE)
Estadística
y Probabilidad II
Coordinador
Rivera Vargas Héctor Gabriel
Autores
Álvarez García Carlos Alberto
Padilla Alemán David Bryan
Zecua Fernández Aquilino
Zepeda Aguillón Víctor Hugo 2022
Contenido
Presentación 3
Contenido Temático por unidades 4
Bibliografía sugerida 4
Unidad I Modelos de probabilidad y sus aplicaciones 5
Aprendizajes 5
Variable aleatoria (v. a.) 7
Variable aleatoria discreta (v. a. d.) 8
Variable aleatoria continua (v. a. c.) 8
Distribución de probabilidad (d. de p.) 8
Ejercicios de distribuciones de probabilidad de v. a. d. 13
Esperanza matemática y varianza de una v. a. d. 20
Ejercicios de esperanza matemática, varianza y desviación estándar 20
Distribución Bernoulli (extraído de Chao, Introducción a la estadística) 23
Distribución binomial. 24
Propiedades de la distribución binomial 24
Ejercicios distribución binomial 25
Distribución Normal 29
Importancia de la distribución normal 30
Distribución normal estándar. 30
Obtención de áreas bajo la curva normal estándar 31
Ejercicios. Áreas bajo la curva normal estándar 34
Ejercicios. Correspondiente valor de 𝒛 36
Ejercicios. Correspondiente valor z 38
Aplicación de la distribución normal en la resolución de problemas 39
Ejercicios de aplicación 42
Propuesta de examen para la Unidad I Modelos de probabilidad y sus aplicaciones 46
Unidad II Estimadores e introducción a la inferencia estadística 47
Aprendizajes 47
Introducción 48
Teorema de Límite Central 53
Distribución muestral de la media de la muestra 53
Distribución muestral de la proporción de la muestra 55
Ejercicios. Relación de expresiones matemáticas 57
Ejercicios. Serie 1 62
Ejercicios. Serie 2 63
Propuesta de examen para la Unidad II Estimadores e introducción a la inferencia estadística 65
Unidad III Inferencia estadística 66
Aprendizajes 66
Introducción 67
Estimación 68
Nivel de confianza (𝟏−∝) 68
Estimación Puntual 69
Estimador 69
Propiedades de los estimadores 70
Estimador Insesgado 70
Estimador Eficiente 70
Estimador Consistente 71
Estimador Suficiente 72
Estimación por Intervalos 72
Estimación por Intervalos para Media de la Muestra de la Población 73
Estimación por Intervalos para Proporción de la Muestra de la Población 77
Ejercicios de estimación 80
Prueba de hipótesis. 86
Planteamiento de las hipótesis. 86
Una analogía. 87
Estadístico de prueba 88
Región Crítica 89
Ejercicios de prueba de hipótesis 91
Propuesta de examen para la Unidad III Inferencia estadística 95
Presentación
El presente material tiene como finalidad ser usado en los grupos de Estadística y
Probabilidad II del Programa de Apoyo y Egreso, tratando de apoyar al profesor y a los
estudiantes por medio de ejemplos, ejercicios y algunos videos, sin que con esto, se
pretenda sustituir al profesor ni a la vasta gama de materiales didácticos y bibliográficos
que profundizan en los temas.
El material está basado en el Programa de Estudio de Estadística y Probabilidad I y II,

por lo tanto, se organiza en 3 unidades: Unidad 1 Modelos de probabilidad y sus
aplicaciones, Unidad 2 Estimadores e introducción a la inferencia estadística y Unidad
3 Inferencia estadística
Los comentarios, criticas, aportaciones o sugerencias respecto al material, ayudarán en

gran medida a mejorar.
Esperamos que este sencillo, pero esmerado trabajo, sea un producto que sirva tanto
a nuestros compañeros como a los estudiantes.
Los autores
3
Contenido Temático por unidades
UNIDAD NOMBRE HORAS
I Modelos de probabilidad 24
y sus aplicaciones
Estimadores e
II introducción a la 14
inferencia estadística
III Inferencia estadística 26
Bibliografía sugerida
• Castillo Juana, Estadística Inferencial Básica, Iberoamérica, 1998
• Johnson R, Estadística Elemental, Iberoamérica, 1980
• Stevenson, W., Estadística y Probabilidad para Administración y Economía,
Harla, 1994
• Chao, L., Introducción a la Estadística, CECSA, 1987
• Mendenhall, W., Estadística Matemática con Aplicaciones, Iberoamérica,
1986
• Christensen H. B., Estadística Paso a paso, Trilla
4
Unidad I Modelos de probabilidad y sus aplicaciones
Aprendizajes
• Identifica el concepto de variable aleatoria.
• Diferencia entre variables aleatorias discretas y continuas.
• Examina los conceptos de distribución de probabilidad, esperanza
matemática y desviación estándar.
• Construye la distribución de probabilidad para una variable aleatoria.
discreta y su modelo de simulación, físico o por medio de la computadora.
• Identifica las características de un proceso binomial.
• Construye el modelo para la distribución binomial, apoyándose en la
simulación física o con la computadora.
• Aplica el modelo binomial, su valor esperado y su desviación estándar a
fenómenos contextualizados que se ajusten a este modelo, interpretando
los resultados, obtenidos desde la distribución o de tablas.
• Deduce que, en el caso de variables aleatorias continuas, la probabilidad
debe calcularse para valores dentro de un intervalo
• Esboza la curva de densidad para una variable aleatoria aproximadamente
normal, a partir de la suavización del polígono de frecuencias de un
ejemplo sencillo.
• Deduce el proceso de estandarización de la distribución normal, aplicando
la Regla Empírica, dentro de un problema contextualizado.
5
• Utiliza la tabla para valores bajo la curva de la distribución normal

estandarizada como el recurso para el cálculo de probabilidades o de
valores z para dicha distribución.
• Calcula probabilidades por medio de la distribución normal estandarizada
dentro de problemas contextualizados, interpretando los resultados.
• Contrasta la gráfica para una situación de comportamiento
aproximadamente normal con su correspondiente gráfica en el modelo
estandarizado.
• Concluye que una variable aleatoria, discreta o continua, puede describirse
y analizarse por su tendencia, dispersión y distribución.
6
Variable aleatoria (v. a.)

Una v. a. es una función cuyos valores son números reales, definida en un espacio
muestral.
Dicho de otra manera, una v. a. es una variable que toma un valor único para cada
uno de los resultados en el espacio muestral de un experimento probabilístico.
Recordemos que es el espacio muestral es el conjunto de posibles resultados al
efectuarse un experimento probabilístico.
Ejemplo
Se lanzan 3 monedas y la v. a. 𝑋 se define como el número de soles que se

observan al terminar el experimento. ¿Qué valores puede tomar 𝑋 y cuál es el más
probable?
Representemos por medio de un diagrama de árbol:
𝑆 = {𝐴𝐴𝐴, 𝐴𝐴𝑆, 𝐴𝑆𝐴, 𝐴𝑆𝑆, 𝑆𝐴𝐴, 𝑆𝐴𝑆, 𝑆𝑆𝐴 𝑌 𝑆𝑆𝑆}

¿Qué valores puede tomar 𝑋? 0, 1, 2 𝑦 3
¿Qué valor es más probable? 1 𝑦 2
7
Variable aleatoria discreta (v. a. d.)

Una v. a. 𝑋 se dice discreta si solamente puede tomar un conjunto numerable de
valores. La distribución de probabilidad (d. de p.) para una v. a. 𝑋 se puede
representar por una fórmula, una tabla o una gráfica que indique las probabilidades
𝑝(𝑥) correspondientes a cada valor 𝑥 de 𝑋.
Ejemplo
Se escogen tres artículos de un proceso de manufactura y se desea saber el

número de artículos defectuosos que se escogieron, ¿qué valores puede tomar la
v. a. 𝑋? Solución: 0, 1, 2 𝑜 3 artículos defectuosos.
Variable aleatoria continua (v. a. c.)

Ejemplo
En una fábrica de chocolates se seleccionaron 100 de sus productos para sumar

sus respectivos pesos en gramos, obtener una media y con esto llevar un cierto
control de calidad. ¿Cuáles son los posibles valores de la v. a. de interés?
Solución. Los posibles valores de la v. a. 𝑋 son todas las 𝑥 > 0.
Esta es una v. a. c. Si las observaciones para una v. a. se obtienen como resultado

de medir, tal y como sucede con las estaturas de los estudiantes de una escuela,
se trata de una v. a. c. Esto a diferencia de los valores de las observaciones para
una v. a. d., los cuales se obtiene como resultado de contar.
Distribución de probabilidad (d. de p.)

Es una distribución de probabilidades cada una de las cuales está asociada con
uno de los posibles valores diferentes de la v. a. Toda d. de p. de v. a. d.,
independientemente de la forma en la que se le represente, cumple con las
siguientes propiedades: 𝟎  𝒑(𝒙)  𝟏 y que para toda 𝒙  𝒑(𝒙) = 𝟏, donde la
suma se toma sobre todos valores de 𝑦 con probabilidad diferente de cero.
8
Ejemplo
Verifica si 𝑀(𝑥) = 6−36

|𝑥−7|
para 𝑥 = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 representa una
función de probabilidad (f. de p.)
Obtengamos
6−|2−7| 6−|−5| 6−5 1
𝑀(2) = = = =
36 36 36 36
6−|3−7| 6−|−4| 6−4 2
𝑀(3) = = = =
36 36 36 36
6−|4−7| 6−|−3| 6−3 3
𝑀(4) = = = =
36 36 36 36
6−|5−7| 6−|−2| 6−2 4
𝑀(5) = = = =
36 36 36 36
6−|6−7| 6−|−1| 6−1 5
𝑀(6) = = = =
36 36 36 36
6−|7−7| 6−|0| 6−0 6
𝑀(7) = = = =
36 36 36 36
6−|8−7| 6−|1| 6−1 5
𝑀(8) = = = =
36 36 36 36
6−|9−7| 6−|2| 6−2 4
𝑀(9) = = = =
36 36 36 36
6−|10−7| 6−|3| 6−3 3
𝑀(10) = = = =
36 36 36 36
6−|11−7| 6−|4| 6−4 2
𝑀(11) = = = =
36 36 36 36
6−|12−7| 6−|5| 6−5 1
𝑀(12) = = = =
36 36 36 36
9
36
Sumando la probabilidad de cada posible valor tenemos = 1, por lo tanto, se
36
6−|𝑥−7|
verifica que 𝑀 (𝑥 ) = para 𝑥 = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 si representa
36
una función de probabilidad (f. de p.).
Ejemplo. Listado
Encuentra la d. de p. para la v. a. definida como el número de canciones de jazz,

cuando se eligen al azar 2 de una colección que consta de 4 canciones de jazz, 2
canciones de rock y 1 de reggaetón. Expresa la d. de p. través de una tabla usando:
a) una lista de todas las posibilidades
b) un diagrama de árbol
c) fórmula
Solución a)
La v. a. se define como el # canciones jazz en la muestra aleatoria y la llamaremos

𝑋. Se seleccionan a 2 aleatoriamente. Hay 4 de jazz (J) y 3 que no son de jazz (N),
en total son 7. Una canción la definimos con el número 1, otra como 2 y así cada
una de las 7. Además, consideremos que la canción 1, 2, 3 y 4 son de jazz.
Por lo tanto, tenemos la siguiente tabla conformada por los elementos del espacio
muestral y su imagen de acuerdo con la definición de la v. a.:
𝑺 Imagen 2,5 1
1,2 2 2,6 1
1,3 2 2,7 1
1,4 2 3,4 2
1,5 1 3,5 1
1,6 1 3,6 1
1,7 1 3,7 1
2,3 2 4,5 1
2,4 2 4,6 1
10
4,7 1 5,7 0
5,6 0 6,7 0
La distribución de probabilidad de la v. a. es
𝑋 0 1 2
𝑃(𝑋 = 𝑥) 3/21 12/21 6/21
Ejemplo. Fórmula
Solución c)
Consideremos que hay 4 de jazz (J) y 3 que no son de jazz (N), en total son 7
Se seleccionan a 2 aleatoriamente y la v. a. X se define como el # canciones jazz

seleccionados, entonces
𝐶(4,0)𝐶(3,2) (1)(3) 3
𝑃(𝑋 = 0) = = =
𝐶(7,2) 21 21
𝐶(4,1)𝐶(3,1) (4)(3) 12
𝑃(𝑋 = 1) = = =
𝐶(7,2) 21 21
𝐶(4,2)𝐶(3,0) (6)(1) 6
𝑃(𝑋 = 2) = = =
𝐶(7,2) 21 21
La distribución de probabilidad de la v. a. es
𝑋 0 1 2
𝑃(𝑋 = 𝑥) 3/21 12/21 6/21
Videos
https://www.youtube.com/watch?v=U5QyGHq-MRU pertenece a un video donde se

explica la obtención de la distribución de probabilidad por medio del listado.
11
https://www.youtube.com/watch?v=Mq8xUSpxOIE pertenece a un video donde se

explica la obtención de la distribución de probabilidad por medio del diagrama de
árbol.
https://www.youtube.com/watch?v=xX_JkhKKwNc pertenece a un video donde se

explica la obtención de la distribución de probabilidad por medio de la fórmula.
Ejemplo. Diagrama de árbol
En una farmacia se tienen 5 pepto en venta de los cuales 2 ya caducaron. El

farmacéutico selecciona a 4 de manera aleatoria para vendérselos a una persona
que los requiere. Si se define a la v. a. 𝑋 como el número de Pepto caducados
adquiridos por la persona. Obtenga la d. de p. de v. a. 𝑋 usando un diagrama de
árbol.
Solución b) Muestra aleatoria de 4, 2 caducos, 3 NO caducos, v. a. X se define

como el # de pepto caducos
Simplificando cada fracción, la distribución de probabilidad de la v. a. X es
12
𝑋 1 2
𝑃(𝑋 = 𝑥) 2/5 3/5
Video
https://www.youtube.com/watch?v=3QPWHErrwmw pertenece a un video donde se

explica la obtención de la distribución de probabilidad por medio del diagrama de
árbol.
Ejercicios de distribuciones de probabilidad de v. a. d.

1. Verifica si las siguientes expresiones son funciones de probabilidad (f. de p.)
5− x
a) P( x) = para 𝑥 = 1, 2, 3, 4.
10
x² − 1
b) Q( x) = para 𝑥 = 2, 3, 4, 5.
50
Video
Puedes apoyarte con https://www.youtube.com/watch?v=jWyfH3b91eI
13
2. Encuentre el valor de 𝑘 para que la siguiente tabla represente una d. de p.

de la v. a. d. 𝑋
𝑋 1 3 5
𝑃(𝑋) 𝑘 2𝑘 0.5𝑘
3. Se tiene una urna con 11 papelitos y se selecciona 1 papelito de manera

aleatoria: Se define la v. a. 𝑋 de la siguiente manera:
 multiplicar por 2 al número obtenido en el papelito si es impar y primo


X = restar 4 al número obtenido en el papelito si es solamente impar
multiplicar por 1.5 al número obtenido en el papelito en cualquier otro caso

Obtén la d. de p. de 𝑋 .
14
4. Se selecciona de manera aleatoria una pelota de una urna que contiene 1

pelota verde con el número 2, 1 pelota azul con el número 2 y una pelota
roja con el número 3. Se define a la v. a. 𝑋 como: sumar 2 al número de la
pelota seleccionada si ésta es verde, en caso contrario, multiplicar por 2 al
número de la pelota seleccionada. Obtenga la distribución de probabilidad
de la v. a. 𝑋 construyendo el modelo de simulación físico o por medio de la
computadora.
5. De 6 estudiantes, 3 tienen habilidades artísticas sobresalientes. Si se

escogen al azar 2 estudiantes de los 6 y se define la v. a. 𝑋 como el número
de estudiantes seleccionados con habilidades artísticas sobresalientes.
Obtén la distribución de probabilidad de 𝑋.
15
6. En un café-internet tienen en servicio 2 computadoras ACER, 2 HP y 1

Lenovo. Si se seleccionan de manera aleatoria a 4 de esas 5 máquinas y se
define la v. a. 𝑋 como el número de computadoras ACER seleccionadas
obtenga la d. de p. de 𝑋. Resuélvelo por:
a) listado de posibilidades
b) fórmula
c) el modelo de simulación físico o computacional
16
7. Profeco realizará un muestreo aleatorio de 6 productos de un lote de 50 (45

se encuentran en buen estado y 5 no). Si se define la v. a. 𝑋 como el número
de artículos seleccionados en buen estado obtenga la distribución de
probabilidad de 𝑋.
17
8. Sea 𝑋 una v. a. d. Determinar el valor de k para que la función

k
p( x ) = , x = 1, 2, 3, 4 , sea la f. de p. de 𝑋. Representar por medio de una tabla
x
la d. de p.
9. Una compañía fabrica agujas para la inyección de insulina y las empaca en

cajas de 100 unidades. Durante algunos años se han hecho muestreos de
estas cajas, por lo que se sabe que el 90% contiene agujas no defectuosas,
7% contiene exactamente una aguja defectuosa, y 3% exactamente dos con
defecto. Tomando como base esta información, ¿cuál es la distribución de
probabilidades para 𝑋, donde 𝑋 indica el número de agujas defectuosas por
caja?
18
10. De una caja que contiene 3 𝑚𝑜𝑛𝑒𝑑𝑎𝑠 𝑑𝑒 $5, 2 𝑑𝑒 $1 𝑦 2 𝑑𝑒 $0.50 se

seleccionan al azar y sin reemplazo a tres de ellas. Encuentra la d. de p.
para el total 𝑇 de dinero de las tres monedas. Utiliza un listado de todas las
posibilidades. Además, construye el modelo de simulación físico o
computacional para simular la situación y comparar con la d. de p. obtenida
con el listado.
19
Esperanza matemática y varianza de una v. a. d.

El valor esperado de una v. a. d. se obtiene sumando los diferentes valores
multiplicados por sus probabilidades correspondientes. En términos simbólicos:
 = E ( X ) =  X i P( X i )
La desviación estándar es:  = E (X ) − 

2 2
Ejemplo
Se tiene la siguiente distribución de probabilidad
𝑋 5 7.5 10
𝑃(𝑋) 0.40 0.50
Obtenga E(X) y  .
La probabilidad de 7.5 es 0.10, ya que la tabla representa a una distribución de
probabilidad, entonces:
𝐸(𝑋) = (5)(0.40) + (7.5)(0.10) + (10)(0.5) = 7.75
𝜎 2 = (5)2 (0.40) + (7.5)2 (0.10) + (10)2 (0.50) − (7.75)2 = 5.5625
entonces 𝜎 = 2.3585
Ejercicios de esperanza matemática, varianza y desviación

estándar
1. Se tiene la siguiente distribución de probabilidad:
20
Obtenga la esperanza matemática de 𝑋 y su desviación estándar.
Video
Puedes apoyarte con
https://www.youtube.com/watch?v=rREKYlZqxu0
2. Un señor apuesta $5 pesos al número 3 al lanzar un dado corriente, y pierde

$2 en caso de no observar el número 3 en el dado, ¿cuál es el valor esperado
del juego? ¿Y cuál es la varianza de la v. a. 𝑋?
Video
Puedes apoyarte con
https://www.youtube.com/watch?v=clNzNXMPnl0
3. Al invertir en unas acciones financieras, una persona puede lograr una

ganancia de $4000 en un año con probabilidad de 0.3 o bien tener una
pérdida de $1000 con una probabilidad de 0.7. ¿Cuál sería la ganancia
esperada de esta persona? Solución: $500.
21
4. A un trabajador de un establecimiento de lavado de automóviles se le paga

según el número de autos que entran al servicio. Suponga que las
probabilidades son 1/12, 1/12, 1/4, 1/4, 1/6 y 1/6, respectivamente, de que
el trabajador reciba $70, $90, $110, $130, $150 ó $170 entre las 16:00 y las
17:00 horas, en cualquier viernes de la semana. Determina las ganancias
del trabajador para este periodo en particular.
5. Una urna contiene 5 papeletas que no pueden distinguirse. Tres de ellas

están marcadas con $2 y el resto con $4 cada una. Un jugador saca al azar
2 papeletas de la urna sin reponerlas y gana una cantidad igual a la suma
de las marcas en las dos papeletas que ha sacado. Si el costo del juego es
de $5.60, ¿se trata de un juego justo?
22
Distribución Bernoulli (extraído de Chao, Introducción a la

estadística)
Los experimentos que contienen dos posibles resultados se denominan ensayos
de Bernoulli, generalmente se denominan a uno de los dos posibles resultados de
un ensayo de Bernoulli éxito y al otro fracaso. Estos dos términos se utilizan sólo
para identificar los resultados y no implican que un resultado sea más deseable que
el otro. A cualquiera de los dos posibles resultados puede denominársele éxito y al
otro fracaso.
Se acostumbra a asignar al valor de 1 al evento denominado éxito y 0 al evento

denominado fracaso. Sea X una v. a. de Bernoulli que tiene los posibles valores de
0 y 1. Además, sea 𝒑 la probabilidad de éxito y (𝟏 − 𝒑) = 𝒒 la probabilidad de
fracaso. La distribución de probabilidad de este ensayo es la siguiente:
X éxito fracaso
p(X) p q
Ejemplo
En una compañía dedicada a la investigación, 75% de los empleados tienen grado

universitario y el 25% no. Sea W la v. a. que toma el valor de 1 cuando un empleado
seleccionado aleatoriamente tiene grado universitario y 0 cuando el empleado no
lo tiene. Representa la distribución por medio de una tabla:
W 1 0
p(W) 0.75 0.25
23
Distribución binomial.
El modelo probabilístico de Bernoulli constituye la base de la distribución binomial.
Si en un experimento binomial 𝒑 es la probabilidad de éxito y 𝒒 la de fracaso en un
ensayo simple, entonces la probabilidad 𝑷(𝒙) de que haya exactamente 𝒙 éxitos en
𝒏 ensayos es:
𝑷(𝒙) = 𝑪(𝒏, 𝒙)𝒑𝒙 𝒒𝒏−𝒙 para 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
Propiedades de la distribución binomial

1. Cada ensayo tiene dos resultados posibles (éxito, fracaso).
2. Hay n ensayos Bernoulli independientes repetidos.
3. 𝑷(é𝒙𝒊𝒕𝒐) = 𝒑 𝑷(𝒇𝒓𝒂𝒄𝒂𝒔𝒐) = 𝒒; las cuales se mantienen constantes en cada
ensayo Bernoulli.
4. La v. a. binomial 𝑿 es el número de éxitos, por lo tanto 𝒙 puede tomar
cualquier valor entero entre 𝟎 y 𝒏.
La media y la desviación estándar de una distribución de probabilidad binomial
teórica puede obtenerse utilizando las dos fórmulas siguientes:
𝝁 = 𝒏𝒑
𝝈 = √𝒏𝒑𝒒
Video Para resolver los siguientes ejercicios puedes apoyarte con
https://www.youtube.com/watch?v=tX90Qw60eN0
https://www.youtube.com/watch?v=685bM_4gvgA
https://www.youtube.com/watch?v=pjnypN5LYmY
24
Ejercicios distribución binomial

1. Una prueba contiene 20 preguntas de verdadero-falso. Si un estudiante
contesta las preguntas adivinando, ¿cuál es la probabilidad de que conteste
correctamente a 7 preguntas?
2. Cierta medicamento contra COVID19 tiene una efectividad del 60%; es decir,
de cada 100 pacientes que la toman, 60 se curan. Sea X el número de
pacientes curados en una muestra de 30 pacientes que han tomado el
medicamento. Obténgase la probabilidad de que
a) por lo menos 1 se cure
b) 2 o menos pacientes se curen
c) 29 o menos pacientes NO se curen
d) ninguno se cure
25
3. Supóngase que diez aparatos de radar están operando independientemente

uno del otro, y que la probabilidad que cualquier radar detecte un cohete
enemigo es de 0.80. ¿Cuál es la probabilidad de que 9 aparatos de radar
detecten el cohete?
26
4. Si se sabe que el 90% de los estudiantes que toman el curso de E. y P. II

aprueban, ¿Cuál es la probabilidad de que por lo menos 1 estudiantes en
una clase de 15 reprueben el curso?
5. Supóngase que el 10% de los reproductores Blue Ray de cierta marca

fallarán antes de que expire su garantía. Obténgase la probabilidad de que
30 reproductores Blue Ray vendidos, 15 fallen antes de que termine su
garantía.
6. Considérese que la probabilidad de que una moneda deformada quede con

SOL hacia arriba es de 0.7. Sea 𝑋 el número de SOLES obtenidos en 20
tiradas de esta moneda. Obténgase las siguientes probabilidades:
𝑎. 𝑃(𝑋 = 10)
𝑏. 𝑃(𝑋 ≤ 19)
27
7. Se afirma que un procedimiento terapéutico nuevo es exitoso en el 80% de

las veces. Si la terapia se realiza 5 veces y si suponemos que los resultados
son independientes entre sí,
a) ¿Cuál es la probabilidad de que las 5 terapias son exitosas?
b) ¿Cuál es la probabilidad de que por lo menos 1 no sea exitosa?
28
Distribución Normal
“Es una distribución probabilística para una v. a. c., la cual tiene simetría perfecta,
forma de campana unimodal. La media, la moda y la mediana de la distribución son
todas iguales y están localizadas al centro de la distribución.” (Christensen, 1983,
p. 242).
Se ha encontrado que la distribución probabilística de muchas variables sigue el

patrón normal, lo cual corresponde gráficamente a una curva simétrica con forma
de campana denominada curva normal.
Debido a que el hecho de que la curva normal presenta la distribución probabilística

de una v. a. c., es imposible referirse a algún punto en particular sobre la curva
como probabilidad de X. Para determinar probabilidades, es necesario hacer
referencia a intervalos, tales como el intervalo de a y b.
El área sombreada bajo la curva proporciona la probabilidad de que la v. a. tome

cualquier valor entre a y b, y el área bajo la curva es igual a 1.
La curva de la distribución normal es simétrica con respecto a su media (µ).

Teóricamente, las colas del lado izquierdo y derecho de la curva se extienden hasta
−∞ y +∞, respectivamente.
La distribución normal tiene dos parámetros: la media (µ) y la desviación estándar

(σ). Estos dos parámetros determinan la forma específica y ubicación de la curva
normal.
29
Importancia de la distribución normal

“La distribución normal es sumamente importante debido a que puede utilizarse
como una aproximación para cierto número de otras distribuciones; por ejemplo, la
distribución binomial se acerca al patrón de la distribución normal conforme n se
vuelve grande. Otra razón para la importancia de la distribución normal estriba en
el hecho de que numerosas variables aleatorias parecen seguir un patrón de
distribución que es semejante a la curva normal. Entre estas variables aleatorias se
encuentran las mediciones de pesos, alturas y duración en servicio de varios
artículos de consumo.
La distribución de la media muestral es aproximadamente normal sin importar la

forma de la distribución de la población, siempre y cuando el tamaño de la muestra
sea grande. Esta interesante idea se conoce como el teorema central de límite. Este
es de primordial importancia en la estadística inferencial debido a que un tamaño
de muestra que se considere suficientemente grande para aplicar la normalidad a
la distribución muestral de la media es bastante fácil de lograrse en la mayoría de
las situaciones prácticas.” (Chao, 1989, p. 214-215).
Distribución normal estándar.

“Si estandarizamos todas las mediciones en una distribución normal que tiene una
media µ y una desviación estándar σ, llamamos a la distribución resultante
distribución normal estándar. Esta tiene una media igual a cero y una varianza y
desviación estándar iguales a 1. En otras palabras, si Y es una v. a. distribuida
𝑦−µ
normalmente, entonces 𝑧 = que está también normalmente distribuida, con
𝜎
una media 0 y una varianza igual a 1. (Christensen, 1983, p. 243). La gráfica de la

distribución normal estándar es la siguiente:
30
Obtención de áreas bajo la curva normal estándar

Para obtener áreas bajo la curva normal estándar, debes considerar que:
• el área total bajo la curva es igual a 1

• existe simetría con respecto a la media, por lo tanto 0.5 del lado izquierdo y
0.5 del lado derecho
La tabla que se utilizará proporciona áreas de 0 a un valor específico 𝑧, esto es:
Ejemplos
1. Obtener el área bajo la curva normal estándar a la derecha de 𝑧 = 1.04

Solución. La tabla nos proporciona el área bajo la curva entre 0 y 𝑧 = 1.04,
teniendo un valor de 0.3508
Entonces, el área a la derecha de 𝑧 = 1.04 es 0.5 − 0.3508 = 0.1492, la cual

puede representarse como 𝑃 (𝑍 > 1.04) = 0.1492
2. Obtener el área bajo la curva normal estándar a la derecha de 𝑧 = −0.96

31
Entonces, el área a la derecha de 𝑧 = −0.96 es 0.5 + 0.3315 = 0.6315, la

cual puede representarse como 𝑃 (𝑍 > −0.96) = 0.8315
3. Obtener el área bajo la curva normal estándar a la izquierda de 𝑧 = 2.46

Entonces, el área a la izquierda de 𝑧 = 2.46 es 0.5 + 0.4931 = 0.9931, la cual

puede representarse como 𝑃 (𝑍 < 2.46) = 0.9931
4. Obtener el área bajo la curva normal estándar a la izquierda de 𝑧 = −1.14
Entonces, el área a la izquierda de 𝑧 = −1.14 es 0.5 − 0.3729 = 0.1271, la

cual puede representarse como 𝑃 (𝑍 < −1.14) = 0.1271
32
5. Obtener el área bajo la curva normal estándar entre 𝑧 = 1 y 𝑧 = 2.23

Solución. La tabla nos proporciona el área bajo la curva entre 0 y 𝑧 = 1,
teniendo un valor de 0.3413. También debemos obtener el área bajo la curva
entre 0 y 𝑧 = 2.23, cuyo valor es 0.4871. Observa la gráfica:
Entonces, el área entre 𝑧 = 1 y 𝑧 = 2.23 es 0.4871 − 0.3413 = 0.1458 , la

cual puede representarse como 𝑃 (1 < 𝑍 < 2.23) = 0.1458
6. Obtener el área bajo la curva normal estándar entre 𝑧 = −0.51 y 𝑧 = 1.67
teniendo un valor de 0.1950.
Entonces, el área entre 𝑧 = −0.51 y 𝑧 = 1.67 es 0.1950 + .4525 = 0.6475, la

cual puede representarse como 𝑃 (−0.51 < 𝑍 < 1.67) = 0.6475
Video
Puedes apoyarte con
https://www.youtube.com/watch?v=4WKzfOorrKs
https://www.youtube.com/watch?v=kkLtvA6UBkQ
33
Ejercicios. Áreas bajo la curva normal estándar
Dibuja y obtén el área bajo la curva normal estándar...
a) a la derecha de 𝑧 = 2.11
b) entre 𝑧 = 0 y 𝑧 = 1.57
c) a la izquierda de 𝑧 = 1.2
d) a la derecha de 𝑧 = −1.07
34
e) a la izquierda de 𝑧 = −0.23
f) entre 𝑧 = −1 y 𝑧 = 1
g) entre 𝑧 = −2.29 y 𝑧 = −1.19
h) entre 𝑧 = 0 y 𝑧 = 0.49
i) entre 𝑧 = 1 y 𝑧 = 2.13
35
Ejercicios. Correspondiente valor de 𝒛

Para obtener el correspondiente valor de 𝑧 debe considerar que el área total bajo
la curva es igual a 1, la existencia de simetría con respecto a la media y que la tabla
proporciona áreas de 0 a un valor específico 𝑧, esto es:
Obtén el correspondiente valor de z en cada una de las siguientes gráficas:
En el inciso e y f hay error, ¿por qué?
36
37
Ejercicios. Correspondiente valor z

a) El área a la derecha de un valor de 𝑧 es igual a 0.8923, ¿Cuál es el valor de
𝑧?
b) El área a la izquierda de un valor de 𝑧 es igual a 0.6909, ¿Cuál es el valor de

𝑧?
c) El área a la derecha de un valor de 𝑧 es igual a 0.1245, ¿Cuál es el valor de

𝑧?
d) El área a la derecha de un valor de 𝑧 es igual a 0.0998, ¿Cuál es el valor de

𝑧?
e) El área a la derecha de un valor de 𝑧 es igual a 0.4027, ¿Cuál es el valor de

𝑧?
38
Aplicación de la distribución normal en la resolución de

problemas
Resolvamos algunos ejercicios de aplicación:
1. Las puntuaciones en una prueba nacional de aprovechamiento tuvieron una

distribución normal con media de 540 y desviación estándar de 110.
a) Si la puntuación que obtuviste fue de 680. ¿Qué porcentaje de aquellos que

tomaron la prueba obtuvieron mayor calificación que tú?
Solución:
 = 540  = 110
El área que representa el porcentaje es:
Estandarizando:
𝑥−𝜇 680−540
𝑧= = = 1.27
𝜎 110
Buscando en tablas el área correspondiente a la curva normal estándar y graficando

obtén el porcentaje:
b) ¿Qué porcentaje obtuvo una puntuación entre 500 y 600?
39
Graficando:
Estandarizando:
𝑥 − 𝜇 500 − 540
𝑧= = = −0.36
𝜎 110
𝑥 − 𝜇 600 − 540
𝑧= = = 0.55
𝜎 110
Una vez estandarizados los valores y utilizando las tablas, obtenemos:
Entonces, el valor del área que representa el porcentaje es ________________
c) ¿Qué porcentaje obtuvo una puntuación menor a los 455?
Estandarizando
40
𝑥 − 𝜇 455 − 540
𝑧= = = −0.77
𝜎 110
Tenemos la siguiente gráfica:
Y por lo tanto el área sombreada tiene un valor de 0.2206
d) ¿Qué porcentaje obtuvo una puntuación entre 455 y 500?
Estandarizando:
𝑥−𝜇 −540
𝑧= = = −0.36
𝜎 110
𝑥 − 𝜇 455 −
𝑧= = = _____
𝜎 110
Entonces, ¿Qué porcentaje obtuvo una puntuación entre 455 y 500? __________
Video
Puedes apoyarte con
https://www.youtube.com/watch?v=zxH1joFNNVU
41
Ejercicios de aplicación
1. Las edades de los trabajadores de una gran industria están distribuidas
normalmente con una media de 50 años y una desviación estándar de 5
años. Si se escoge aleatoriamente a un trabajador de esta industria:
a) ¿Cuál es la probabilidad de que su edad esté entre 50 y 52.5 años?
Solución. 0.1915
b) ¿Cuál es la probabilidad de que su edad no sea mayor de 45 años?

Solución. 0.1587
c) ¿Cuál es la probabilidad de que su edad esté entre 41 y 58 años?

Solución. 0.9093
42
d) Si el 20% de los trabajadores son los más jóvenes, ¿Cuál es la edad

máxima para que a un trabajador aún se le considere joven?
De acuerdo a la tabla, la cual proporciona áreas bajo la curva normal

estándar entre 𝑧 = 0 y un valor específico de 𝑧, busca un área que se
aproxime a 0.30 (no busques 𝑧 = 0.30), te darás cuenta de que el valor que
más se aproxima es el área con valor de 0.2995 que corresponde al área a
la derecha de 𝑧 = 0.84, pero como el área que representa a los más
jóvenes está del lado izquierdo de la media (como se trata de la normal
estándar el valor de la media es 0) entonces este valor es negativo. Continúa
con el procedimiento para llegar a la solución de 45.8 años, que equivale a
45 𝑎ñ𝑜𝑠 9 𝑚𝑒𝑠𝑒𝑠 𝑦 22 𝑑í𝑎𝑠.
e) Si usted es trabajador de esa industria y su edad es de 47 años con 9

meses, ¿qué porcentaje de los trabajadores es menor que usted?
Solución. 32.64%
43
2. Se sabe que los C. I. de cierta población rural de México se distribuye

normalmente con media de 106 y varianza de 144.
a) Si se quiere seleccionar aleatoriamente a una persona de esta población,
¿Cuál es la probabilidad de que la persona elegida tenga un C. I. entre
100 y 112?
Solución. 0.383
b) Se sabe que los llamados “genios” obtienen las calificaciones más altas
y que son el 0.5% de la población, ¿Cuál es el C. I. mínimo para que una
persona sea considerada como “genio”? Solución. 136.96.
44
3. El contenido neto de la población de las bolsas chicas de papas fritas

Zavrithas se distribuye de manera normal con µ = 40 gramos y 𝜎 = 2
gramos, si se selecciona aleatoriamente una bolsa de esta población,
a) ¿cuál es la probabilidad de que su contenido neto sea mayor a 42.5
gramos?
b) ¿cuál es la probabilidad de que su contenido neto esté entre los 38 y 40

gramos?
c) La empresa sabe que sólo el 1% de la producción de esta presentación

se desecha debido a que contienen “demasiado producto”, ¿cuál es el
contenido neto mínimo para que una bolsa sea desechada por esta
razón?
45
Propuesta de examen para la Unidad I Modelos de

probabilidad y sus aplicaciones
1. Sólo el 10% de los clientes de un restaurante realizan un consumo que

genera un pago de más de $600.
a) ¿Cuál es la probabilidad de que de los siguientes 8 clientes por lo menos
2 realicen un consumo que genere un pago de más de $600?
b) ¿Cuál es la probabilidad de que de los siguientes 8 clientes más de 6 NO
realicen un consumo que genere un pago de más de $600?
c) De 20 clientes, ¿Cuántos se espera realicen un consumo que genere un
pago de más de $600?
2. El periódico Universo sabe que la media de edad de sus suscriptores es de
32 años con una desviación estándar de 14.75 años. Si se selecciona
aleatoriamente a un suscriptor,
a) ¿Cuál es la probabilidad de que su edad sea mayor a los 40 años?
b) ¿Cuál es la probabilidad de que su edad esté entre los 32 y 40 años?
c) El periódico menciona que solamente el 1% de sus suscriptores
corresponde a adultos con edad muy avanzada, ¿Desde qué edad el
periódico está considerando a un suscriptor con edad muy avanzada?
3. Se tiene la siguiente información respecto a un juego de azar: 35% de las
veces el jugador gana $120, 30% de las veces gana $80 y en las veces
restantes pierde $480. ¿Cuál es el valor esperado del juego de azar?
46
Unidad II Estimadores e introducción a la inferencia estadística
Aprendizajes
• Establece hipótesis o conjeturas acerca del comportamiento de una

variable en una población, a partir de los datos de una muestra, de manera
informal, en el contexto de una investigación o un problema.
• Valora la importancia del azar en los procesos de muestreo.
• Valora a los estimadores como variables aleatorias y como indicadores del
posible valor puntual de sus correspondientes parámetros.
• Inspecciona el comportamiento de la media muestral y de la proporción
muestral como variables aleatorias, obtenidas por medio de la simulación
física y/o computacional dentro del contexto de un problema o una
investigación y en términos de tendencia, dispersión y distribución.
• Infiere que los estimadores media y proporción se distribuyen de manera
aproximadamente normal, al trabajar con muestras grandes.
• Construye las distribuciones muestrales para la media y la proporción, bajo
las condiciones del Teorema del Límite Central y a partir de la expresión
para estandarizar la distribución normal.
• Formula juicios acerca de la representatividad de una muestra, a partir de
la probabilidad para algún valor de la media o proporción muestrales,
obtenidas por medio de la computadora o la calculadora, dentro del
contexto de un problema o una investigación.
47
Introducción
Lee las siguientes situaciones y contesta lo que se te pide en las líneas
correspondientes:
Situación 1. Papas Sabritas
Considera la población de bolsas chicas de papas Sabritas de 40 gramos de la

producción de una fábrica en un día en particular. El productor desea que exista la
menor variabilidad posible entre el contenido de llenado de cada una de las bolsas,
es decir, debe buscar que la media de contenido neto de todas las bolsas, es decir
(𝜇), sea de ___ gramos y la desviación estándar de la población (σ) tenga el menor
valor posible.
Sabiendo que la media de contenido neto de los elementos de esa población es 𝜇 =

40 gramos, y, si seleccionamos aleatoriamente a 200 elementos de esta población,
con la finalidad de obtener la media de contenido neto de esas 200 bolsas, ¿Qué
valor obtendríamos? ____ El valor que obtendríamos no estaría determinado y
tendríamos una infinidad de posibles valores, es decir, el valor de la media muestral
(𝑥̅ ) no estaría determinado y estaría en función de la aleatoriedad.
A las características numéricas de una población les

llamamos parámetros y a las características numéricas de
una muestra les llamamos estadísticos.
Situación 2. Electores
Considera la población de electores en una comunidad. Varias empresas han

realizado un muestreo aleatorio de 500 electores y obtienen la media de edad,
¿Todas las empresas obtendrían la misma media? _________. ¿Por qué?
__________________________________________________________________
__________________________________________________________________
48
El valor que cada empresa obtendría es una media muestral debido a que la media
es obtenido mediante los elementos de una __________. La media muestral la
denotamos por ______. La media poblacional la denotamos por ______ y este valor
no cambia.
Ahora, si esas empresas también obtienen, de ese muestreo de 500 electores, la

proporción de electores que votaría por MO-REÑA, estarían obteniendo una
proporción muestral (𝑝̂ ) y no necesariamente cada empresa obtendría el mismo
valor. Sin embargo, si considerarán a todos los electores para obtener el porcentaje
de electores que votaría por el MO-REÑA, que, por cierto, por lo regular no es
posible o no es viable considerar a todos los elementos de una población, se estaría
obteniendo el valor de 𝑝, la cual denota a la _______________________________
¿Cuál es el valor mínimo que puede tomar una proporción? ___________________
Y, ¿Cuál es el valor máximo que puede tomar una proporción? ________________
Situación 3. CCHacheros
Considera la población de estudiantes del CCH Naucalpan, cuyo media de edad es

de 17.8 años, es decir, es el valor de la media poblacional,
¿cómo se denota? ________________
Si realizamos un muestreo aleatorio de 200 estudiantes de esta población, con la

finalidad de obtener la media de edad de esos 200 estudiantes, ¿Qué valor
obtendríamos? ¿lo podemos determinar? ______. El valor no lo sabemos, este valor
está en función de la aleatoriedad, ¿cómo denotamos a la media muestral? _____
49
Situación 4. NFL
El artículo publicado por Sergio Sarmiento
en http://www.sergiosarmiento.com/index.php/columnas/reforma/635-futbolista-gay
dice lo siguiente:
“Nadie sabe qué porcentaje de la población de un país es homosexual. La

represión y la discriminación hacen que muchos oculten su inclinación. En Estados
Unidos, un país en el que cuando menos los homosexuales no son linchados, el
1 por ciento de los hombres que reportan sus preferencias sexuales en Facebook
afirman ser homosexuales en Mississippi y el 3 por ciento en California. El hecho
de que California sea un estado más tolerante tiene al parecer mucho que ver con
esta manifestación pública. Pero aun en California muchos homosexuales
prefieren ocultar su inclinación.
Seth Stephens-Davidowitz calculaba en un artículo en el New York Times el 7 de

diciembre de 2013, "How Many American Men Are Gay?", que un 5 por ciento de
los hombres estadounidenses son homosexuales. Entre otros argumentos
señalaba que el 5 por ciento de las búsquedas de pornografía en Internet es de
escenas de hombres homosexuales en toda la Unión Americana.
Si el 5 por ciento de la población masculina de Estados Unidos es gay, esto

significaría que de los 1,696 jugadores en activo de la NFL (32 equipos que en
temporada regular pueden tener 53 jugadores en activo) un 5 por ciento, unos 85,
serían homosexuales. En los cientos de equipos colegiales la cifra sería, por
supuesto, mucho mayor.
El que en toda la historia del futbol americano ningún jugador haya declarado
abiertamente su homosexualidad es un testimonio de lo cerrado del futbol
americano. La cultura del juego es muy especial. Los quarterbacks ponen las
manos entre las piernas de los centros para iniciar muchas jugadas, todos los
jugadores utilizan pantalones ajustados que resaltan sus nalgas y genitales, y en
las celebraciones es muy común que los jugadores se peguen nalgadas unos a
otros. Pero casi nadie ha querido ver los aspectos homosexuales de estos rituales.
Michael Sam, un ala defensiva reconocido como All-American o el mejor en su
50
posición en todo el futbol universitario estadounidense, ha hecho sin duda una

gran apuesta al dar a conocer públicamente su homosexualidad. Para empezar,
se ha alejado de su familia y en particular de su padre, que mantiene una cultura
de rechazo a la homosexualidad. Quizá haya limitado también sus esperanzas de
ser escogido en el próximo draft de la NFL, porque muchos jugadores han
expresado que no les gustaría jugar y compartir baños y habitación de hotel con
un compañero homosexual. En cambio, Sam ha logrado el apoyo público del
presidente.
Barack Obama y de su esposa Michelle... en un país en el que la fama -buena o

mala- vale más que cualquier otro factor para lograr el éxito económico.
La aceptación de un jugador homosexual sería un paso gigantesco en el proceso,

lento pero inevitable, de aceptación de los homosexuales en la sociedad
estadounidense. Es un caso como el de Jackie Robinson de los Brooklyn Dodgers,
que en 1947 se convirtió en el primer jugador negro de las ligas mayores de
béisbol. Michael Sam está abriendo terreno. Pronto llegará un momento en que
los jugadores tendrán que ser juzgados sólo por su calidad y ya no por el color de
su piel o por sus preferencias sexuales.”
En el tercer párrafo se menciona una proporción poblacional del 0.05 (5%), ¿Cómo
denotamos a la proporción poblacional? ________ En este mismo párrafo, se está
concluyendo erróneamente, ¿Cuál es la conclusión errónea? _________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
Critica cada una de las aseveraciones que Sergio Sarmiento hace en este artículo,
pueden ser varias, algunas relacionadas con la estadística y otras no. Escribe tus
críticas:
__________________________________________________________________
__________________________________________________________________
51
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
__________________________________________________________________
Situación 5. Gasto por transporte
Considera la siguiente situación hipotética: “En el salón de clases se conformarán

equipos de 4 personas. Cada equipo realizará un muestreo aleatorio de 50
estudiantes para preguntarles el gasto por transporte a la semana. Usando esos
datos muestrales, los alumnos obtendrán la media (𝑥̅ porqué proviene de una
______ y no 𝜇 porque no es un valor obtenido de todos los elementos que
conforman la _________) ¿Necesariamente cada equipo obtendría la misma 𝑥̅ ?
_____ ¿Por qué? ____________________________________________________
__________________________________________________________________
También al realizar el muestreo, obtendrán la proporción de mujeres seleccionadas,

es decir, obtendrán la _________ muestral, ¿Cómo denotamos a la proporción
muestral? _______ ¿Necesariamente cada equipo obtendrá el mismo valor para la
proporción muestral? _______________________ ¿Por qué? _________________
__________________________________________________________________
__________________________________________________________________
Como te percataste, el valor de x̅ y p̂ son características numéricas de la muestra,

es decir son ___________. El valor de cada uno de ellos no está determinado y
puede variar de muestra a muestra y su valor está en función de la aleatoriedad.
Esto conlleva a pensar que existe una cierta probabilidad para los valores de los
estadísticos.
52
Teorema de Límite Central

1. Si la población que se muestreo está distribuida de manera normal, la
distribución muestral de medias estará normalmente distribuidos respecto a
todos los tamaños de muestra.
2. Si la población no es normal, la distribución muestral de medias será
aproximadamente normal respecto a un tamaño de muestra grande.
Distribución muestral de la media de la muestra
“Supongamos que seleccionamos una muestra de tamaño 𝑛 de una población que
tiene una media µ y desviación estándar σ. Entonces calculamos la media de

esta muestra 𝑥̅ . Si repetimos este procedimiento básico de muestreo hasta que
todos los sucesos posibles estén considerados, el conjunto resultante de 𝑥̅ produce
una distribución probabilística. Esta distribución es llamada distribución muestral de
la media de la muestra 𝑥̅ .” (Christensen, 1983, p.284-285).
La media de estas medias muestrales, simbolizada µ𝑥̅ , es la misma que la media

de la población µ, esto es
µ𝑥̅ = µ.
Si seleccionamos las muestras con reemplazamiento, o de una población
infinitamente grande, entonces la desviación estándar de la distribución de todas
las posibles medias muestrales, que se simboliza por 𝜎𝑥̅ , es igual a la desviación
estándar de la población dividida entre la media 𝑛 de la muestra. Esto es :
𝜎
𝜎𝑥̅ =
√𝑛
53
Para descubrir estas leyes generales, repetimos un procedimiento de muestreo

dado, un gran número de veces, y calculando cada vez la media de la muestra 𝑥̅ .
La media de la muestra resultante crea una distribución muestral de medias. Esta
distribución muestral de 𝑥̅ , tiende al centro, alrededor de la media µ de la
población. También la distribución muestral de medias tiende a mostrar menor

variación y dispersión que la población original. Esto es porque el cálculo de una
media regula las influencias de los valores extremos que pueden crear variación en
la población.
Ejemplo
Considera el conjunto de los números enteros impares {1, 3, 5, 7, 9} y la lista de

todas las muestras de tamaño 2 que puedan ser seleccionadas con reemplazo de
este conjunto. Construye la distribución de muestreo de las medias muestrales para
muestras de tamaño 2 seleccionadas de este conjunto.
(1,1), (3,1), (5,1), (7,1), (9,1)
(1,3), (3,3), (5,3), (7,3), (9,3)
(1,5), (3,5), (5,5), (7,5), (9,5)
(1,7), (3,7), (5,7), (7,7), (9,7)
(1,9), (3,9), (5,9), (7,9), (9,9)
54
La población de medias maestrales es:
1 2 3 4 5
2 3 4 5 6
3 4 5 6 7
4 5 6 7 8
5 6 7 8 9
Por lo tanto:
Video
Puedes apoyarte con https://www.youtube.com/watch?v=as83ZYbl-8E
https://www.youtube.com/watch?v=PmOhKT4wOJU
Distribución muestral de la proporción de la muestra

Supongamos que usted selecciona una muestra de tamaño 𝑛 de una población en
la que la proporción 𝑝 de cierta característica. Suponga, además, que calcula la
proporción de la muestra y le llamamos 𝑝̂ . Si usted repite este experimento básico
de muestreo hasta que sean considerados todos los posibles sucesos muestrales
el conjunto resultante de proporciones muestrales p de la muestra. La media de
estas proporciones muestrales 𝜇𝑝̂ es igual a la proporción de la población, esto es,
55
𝜇𝑝̂ = 𝑝.
Si usted selecciona las muestras con reemplazamiento o de una población
infinitamente grande, la varianza de la distribución de todas las posibles
proporciones muestrales, a la cual simbolizamos 𝜎𝑝̂ , está relacionada con 𝑝, en
𝑝(1−𝑝)
donde 𝑛 es el tamaño de la muestra, tal como sigue: 𝜎𝑝̂ = √
𝑛
Ejemplo en video
Con la ayuda de tu profesor(a) y/o el video al cual puedes accesar por medio del
enlace https://www.youtube.com/watch?v=q3ysJacFT3Y realiza y analiza el
siguiente ejercicio:
Considera la población {Ana, Beatriz, Gustavo} y todas las muestras posibles de

tamaño 2 con sustitución para obtener la proporción de mujeres en cada muestra.
𝑝(1−𝑝)
Comprueba que 𝜇𝑝̂ = 𝑝 y que 𝜎𝑝̂ = √ .
𝑛
56
Ejercicios. Relación de expresiones matemáticas

1. Relaciona con una línea cada óvalo de la columna de la izquierda con uno
de la columna derecha, de tal forma que ninguno quedé con un ovalo que lo
relacione conceptualmente de manera correcta:
57
2. Llena los espacios vacíos con la opción correcta. Las opciones son
Considera una muestra de tamaño _________de una población y la

proporción ________de cierta característica. Supón que calculas la
proporción de la muestra y le llamamos _________. Si repites este
experimento básico de muestreo hasta que sean considerados todos los
posibles sucesos muestrales, el conjunto resultante de proporciones
muestrales 𝑝̂ tiene una media denotada por ___________, la cual es igual
a la proporción de la población, esto es, ___________ = 𝑝

Si seleccionas las muestras con reemplazamiento o de una población
infinitamente grande, la desviación estándar de la distribución de todas las
posibles proporciones muestrales, a la cual simbolizamos ____________,
está relacionada con 𝑛 y 𝑝, en donde 𝑛 es el tamaño de la muestra, tal
como sigue: 𝜎𝑝̂ =_______________
¿Qué rango de valores tomará 𝑝? De 0 a ____
58
Ejemplo
Se va a seleccionar una muestra aleatoria de tamaño 36 de una población que

tiene media  = 50 y desviación estándar σ = 10.
a) ¿Cuál es la probabilidad de que esta media muestral esté entre 45 y 55?

Solución:
𝑃(45 ≤ 𝑥̅ ≤ 55) =?
𝑥̅ − 𝜇 45 − 50
𝑧= = = −3
𝜎/√𝑛 10/√36
𝑥̅ − 𝜇 55 − 50
𝑧= = =3
𝜎/√𝑛 10/√36
𝑃(45 ≤ 𝑥̅ ≤ 55) = 0.4987 + 0.4987 = 0.9974
59
b) ¿Cuál es la probabilidad de que la media muestral tenga un valor mayor

que 48?
Solución:
P( x  48) = ?
Estandarizando:
x− 48 − 50
z= = = −1.2
 / n 10 / 36
𝑃(𝑥̅ > 48) = 0.5 + 0.3849 = 0.8849
Se sabe que la proporción de estudiantes del sexo femenino del plantel Naucalpan
es de 68%. La directora del plantel seleccionará a 49 estudiantes en forma aleatoria.
¿Cuál es la probabilidad de que la selección tenga una proporción de mujeres
mayor al 60 %? Solución.
60
𝑝 = 0.68, 𝑛 = 49
estandarizando:
𝑝̂−𝑝 0.60−0.68
𝑧= = −1.2
𝑝(1−𝑝) (0.68)(0.32)
√ √
𝑛 49
entonces:
Por lo tanto, 𝑃 (𝑝̂ > 0.60) = 0.5 + 0.3849 = 0.8849
61
Ejercicios. Serie 1
Ejercicio 1. Considera la población {Ana, Beatriz, Gustavo} y todas las muestras
posibles de tamaño 2 con sustitución para obtener la proporción de mujeres en cada
𝑝(1−𝑝)
muestra. Comprueba que 𝜇𝑝̂ = 𝑝 y que 𝜎𝑝̂ = √ 𝑛
Video
Puedes apoyarte con https://www.youtube.com/watch?v=q3ysJacFT3Y
Ejercicio 2. Considera la siguiente población de tres bicicletas familiares que se

rentan en el Bosque de Aragón {𝑏1, 𝑏2, 𝑏3} en donde sólo 𝑏1 no está en buenas
condiciones. También considera todas las muestras posibles de tamaño 2 con
reemplazo. Con esto:
a) Obtén la distribución muestral de las proporciones muestrales del

número de bicicletas familiares de cada muestra que no están en
buenas condiciones
b) Obtén 𝜇𝑝̂
c) Obtén 𝑝
d) Verifica que 𝜇𝑝̂ = 𝑝
e) Obtén 𝜎𝑝̂ mediante la distribución muestral
𝑝(1−𝑝)
f) Obtén 𝜎𝑝̂ , mediante 𝜎𝑝̂ = √ 𝑛
g) Verifica que lo obtenido en e) y f) son iguales
Ejercicio 3. Considera el conjunto de siguientes números enteros pares {0, 2, 4, 6}.

Haz una lista de todas las muestras de tamaño 2 que puedan ser seleccionadas
con reemplazo de este conjunto. Construye la distribución de muestreo de las
medias muestrales para muestras de tamaño 2 seleccionadas de este conjunto.
Ejercicio 4. La delincuencia en el “Municipio de Fonseka” tiene una media de 9

delitos al día con una desviación estándar de 3 delitos. ¿Cuál es la probabilidad de
que en los próximos 28 días la media de delitos…
62
a) sea mayor a los 8 delitos?

b) sea menor a los 8.5 delitos?
Ejercicio 5. Se sabe que la proporción de estudiantes del sexo femenino del plantel
Naucalpan es de 68%. La directora del plantel seleccionará a 49 estudiantes en
forma aleatoria. ¿Cuál es la probabilidad de que la selección tenga una proporción
de mujeres mayor al 60 %?
Ejercicio 6. PROFECO realizará un muestreo de 90 teléfonos celulares a la

empresa PANASOUND, esto para saber el porcentaje de teléfonos celulares
defectuosos que produce. La empresa sabe que la proporción de teléfonos
celulares defectuosos que produce es de únicamente el 2%, con esto información,
¿qué probabilidad hay de que la muestra contenga...
a) más de 5% teléfonos celulares defectuosos?

b) por mucho 3 teléfonos celulares defectuosos?
Ejercicios. Serie 2
Ejercicio 1. El 5% de los clavos que produce una fábrica son defectuosos. Si se
realiza un muestreo de 50 clavos como parte de un estudio de control de calidad,
¿Cuál es la probabilidad de que la muestra contenga
a) entre el 4% y el 5% de clavos defectuosos?

b) más del 8% de clavos defectuosos?
c) menos del 2% de clavos defectuosos?
d) menos de 3 clavos defectuosos?
e) más de 5 clavos defectuosos?
f) más de 7 clavos defectuosos?
Video Puedes apoyarte con https://www.youtube.com/watch?v=VULy5bvIAn4
63
Ejercicio 2. De los videos de sus prácticas de bateo ha podido calcular los distintos
ángulos de sus batazos, teniendo una media de 42.50 con una desviación estándar
de 60 . ¿Qué probabilidad hay de que en los siguientes 50 batazos la media de su
ángulo de bateo esté entre los 430 y 440 ?
Ejercicio 3. “Proféko” realizará un muestreo aleatorio de 200 envases de refresco

de “cuca-cola” en su presentación de 600 𝑚𝑙𝑠, debido al gran número de demandas
que la empresa tiene por contener menos refresco de lo que se especifica. Si la
media de contenido de refresco de estos refrescos es de 600 𝑚𝑙𝑠 con una
desviación estándar de 15 𝑚𝑙𝑠,
a) ¿cuál es la probabilidad de que la media de contenido de refresco de la

muestra sea menor a los 598 𝑚𝑙𝑠?
b) La empresa será demandada si se obtiene una media inferior a los
597 𝑚𝑙𝑠, ¿cuál es la probabilidad de ser demandada?
c) La empresa parará el proceso de producción, si la media de llenado es
superior a los 603 𝑚𝑙𝑠, ¿cuál es la probabilidad de que la empresa pare
por esta razón?
Ejercicio 4. La media de vida útil de los focos “Duraluz” es de 200 horas con una
desviación estándar de 40 horas. Si se seleccionan aleatoriamente 30 de estos
focos, ¿cuál es la probabilidad de que la media de vida útil de la muestra sea mayor
a 195 horas?
Ejercicio 5. Se sabe que el porcentaje de mujeres en cierta comunidad es del 65%.

Si se seleccionan aleatoriamente a 80 personas, ¿cuál es la probabilidad de que la
muestra contenga
a) más de 70% de mujeres?

b) más de 60 mujeres?
c) menos del 60% de mujeres?
d) menos de 54 mujeres
64
Propuesta de examen para la Unidad II Estimadores e

introducción a la inferencia estadística
1. Se sabe que una máquina genera 3% de artículos defectuosos. Si se

seleccionan de manera aleatoria 150 artículos generados por esta máquina
a) ¿Cuál es la probabilidad de que la muestra contenga por lo menos 3
artículos defectuosos?
b) ¿Cuál es la probabilidad de que la muestra contenga más de 2% artículos
defectuosos?
2. La media de vida útil de la lámpara de los proyectores de la marca EPSON
es de 4000 horas con una desviación estándar de 520 horas. Si una empresa
compra 200 proyectores de esa marca,
a) ¿Cuál es la probabilidad de que la media de la vida útil de la lámpara de
esos 200 proyectores sea más de 4100 horas?
b) ¿Cuál es la probabilidad de que la media de la vida útil de la lampara de
esos 200 proyectores sea por lo menos de 3880 horas?
65
Unidad III Inferencia estadística
Aprendizajes
• Construye el concepto de estimación por intervalo a partir de un problema.
• Deduce las expresiones para el cálculo de intervalos de confianza para
media o para proporción, bajo las condiciones del Teorema del Límite
Central.
• Estima la media y proporción poblacionales por medio del intervalo de
confianza correspondiente, que haya generado en el contexto de una
investigación o un problema, comunicando su interpretación.
• Analiza el concepto de prueba de hipótesis, para una media y para una
proporción, preferentemente con el uso de la computadora o la calculadora,
en el contexto de una investigación o un problema.
• Mide la validez de una hipótesis estadística para la media o para la
proporción, en el contexto de una investigación o un problema.
• Evalúa las características de interés en una población, de manera formal, a
partir de los datos de una muestra, en el contexto de una investigación o un
problema.
66
Introducción
“La mayoría de nosotros encontramos pronósticos, proyecciones, estimaciones y
aproximaciones en alguna forma u otra casi a diario. El pronóstico del Servicio
Meteorológico acerca de la probabilidad de que llueva; la proyección del
economista del último giro de la economía, el informe mensual del índice de precios
al mayoreo el índice de precios al consumidor son todos ejemplos comunes de
estimaciones.” (Estadística paso a paso, Christensen, 1983, p. 309)
¿Qué estimaciones realizas a diario?
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
¿Qué información utilizas para realizar tus estimaciones?
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
¿Qué estimaciones has oído que se realizan en la radio, periódico, tv o revistas?
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
¿Cuál es tu definición de estimación?
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
67
Estimación
“Es el procedimiento utilizado cuando se responde a una pregunta que pide el valor
de un parámetro poblacional. Por ejemplo, ¿Cuál es la distancia media en un solo
sentido que deben viajar los estudiantes que asisten a la universidad local?
Si es necesario contestar a esta pregunta debe tomarse una muestra de la

población y calcular la media muestral 𝑥̅ . Supóngase que se selecciona una
muestra aleatoria de 100 distancias en un solo sentido y que resulta una media de
10.22 millas. ¿Cuál es la estimación del valor medio de la población? Si se toma la
media muestral como dicha estimación, se estará efectuando una estimación
puntual. ” (Estadística Elemental, Johnson, p. 297).
Supongamos ahora que se selecciona una muestra aleatoria de 120 bolsas chicas
de papas Zavrithas para estimar la media de contenido neto de papas fritas. Y
después de efectuado el muestreo, se obtiene una media de 39.5 gramos. Es decir,
la media muestral es 𝑥̅ = 39.5, con ello se ha estimado que la media de contenido
de papas fritas de bolsas chicas Zavrithas en 39.5 gramos. Esto no quiere decir que
la media poblacional µ sea exactamente igual a 39.5, sino que se interpreta esta
estimación como “µ está próxima a 39.5”. El término de proximidad es relativo, pero
quizás en este caso “próximo” debe ser definido arbitrariamente como estar “dentro
de 1 gramo de µ”. Si 1 gramo satisface la idea intuitiva de proximidad, entonces
decir “µ está próxima a 39.5 “es comparable a decir “µ está entre 38.5 (39.5 − 1)y
40.5 (39.5 + 1)”. Este tipo de estimación utiliza el concepto de intervalo y asigna
una medida a la confiabilidad de éste en la estimación del parámetro en cuestión.
Nivel de confianza (𝟏−∝)

Probabilidad de que la muestra por seleccionarse produzca valores límite que se
localicen en lados opuestos del parámetro que se estima. Algunas veces el nivel de
confianza se llama coeficiente de confianza.
“Sabemos que parte de la idea de la Estadística es utilizar los resultados obtenidos

de la muestra como valores aproximados a los que se supone operan para la
68
población; es decir, usamos los estadísticos para “tantear” o estimar los

parámetros, y es eso precisamente a lo que se refiere el término estimación. Existen
dos formas de realizar estimación: puntual y por intervalos. La estimación puntual
consiste en calcular un estadístico y asumir que su valor se aproxima al valor del
parámetro. La estimación por intervalos consiste en generar precisamente un
intervalo a partir de valores obtenidos de una muestra, y dentro del que se espera
esté contenido algún parámetro en particular. Ahora, se sabe que una muestra es
tomada de manera aleatoria, por lo que deberá de incluirse en la estimación un
elemento de probabilidad, y este elemento nos permitirá dar cierto grado de
certidumbre a nuestras estimaciones; esto es, si sabemos cómo se comporta la
población de interés, o al menos el estimador con el que se trabaje, en términos de
distribución de probabilidad, entonces podemos decidir el porcentaje de seguridad
para nuestra estimación; esto es, podemos establecer de antemano la probabilidad
de que al construir el intervalo de confianza, efectivamente consigamos que dentro
de éste se encuentre el parámetro a estimar.” (Estadística y probabilidad II, Materia
de Apoyo para el PAE, Álvarez y otros, p. 30).
Estimación Puntual
Sea una variable aleatoria X que sigue una distribución con Función de Distribución
F ( x; ) y Función de Densidad f ( x; ) . De esa población extraemos una muestra
( x1 , x2 ,..., xn ) y a partir de esos datos intentamos acotar o conocer el valor del
parámetro  que nos es desconocido. Al proceso de obtener un valor aproximado

del parámetro a partir de los datos de la muestra se le llama estimación.
Estimador
−
Llamaremos estimador del parámetro  y lo designaremos por  a cualquier
función de los valores de la muestra
− −
 =  ( x1 , x2 ,..., xn )
Cuyos valores se asigna al parámetro.
69
Propiedades de los estimadores

La definición que se ha dado de estimador es tan general que para estimar un
parámetro existen infinitos estimadores potenciales en consecuencia necesitamos
criterios que nos permitan seleccionar los estimadores adecuados a una situación
dada. Como quiera que los estimadores son variables aleatorias en el muestreo
estos criterios harán referencia a propiedades de su distribución.
Estimador Insesgado
Se dice que un estimador es insesgado o centrado si la media o esperanza
matemática del estimador coincide con el verdadero valor del parámetro. Es decir,
−
si: E[ ] = 
Se llama sesgo de un estimador a la diferencia entre su media y el verdadero valor:
− −
sesgo( ) = E[ ] − 
Estimador Eficiente
Aunque la propiedad de ser insesgado es deseable, no es un criterio suficiente para
seleccionar un estimador, ya que pueden existir estimadores centrados con
distribuciones muy diferentes, para completar la anterior propiedad se introduce el
concepto de eficiencia.
− − −
Dados dos estimadores de un mismo parámetro  1 y  2 diremos que  1 es más
− −
eficiente que  2 , si teniendo ambos la misma media  1 tienen una varianza menor
−
que  2 . Esta propiedad nos permite decir entre dos estimadores cual es más
conveniente. En términos absolutos establecemos que:
Se dice que un estimador es eficiente si es insesgado y de mínima varianza.
Obviamente si existe un estimador eficiente éste será el más adecuado, de acuerdo

con los criterios tradicionales. Sin embargo, no siempre es posible determinar la
existencia de un estimador eficiente.
70
Ejemplo
En dos distribuciones muestrales, la varianza 12 de (color verde) es mínima en
comparación con la varianza del otro estimador  22 (color rojo). Se puede observar
que cuando un estimador tiene la varianza mínima y es insesgado se le denomina

estimador Eficiente.
 12   22
Estimador Consistente
Cuando el estimador no es insesgado en primera medida, lo que sería lo idóneo, se
requiere al menos que su valor oscile cerca del valor del parámetro para tamaños
de muestra grandes, es decir, un estimador es consistente cuando:
−
Limn+ E ( ) = 
−
Limn+V ( ) = 0
71
De esta manera, estimador es consistente cuando en un estudio probabilístico se

_
está aumentando el tamaño de la muestra  n →   , la media de la muestra x  − 
 x 
_
, se acerca a la media de la población  ; es decir que x es un estimador
consistente de .
_
x   , si n → 
Estimador Suficiente
Intuitivamente un estimador es suficiente para un parámetro si toda la información
acerca del parámetro está contenida en la muestra.
−
Formalmente seria: un estadístico  se dice suficiente para  basado en una
muestra aleatoria x1 , x2 ,..., xn de una población con función de densidad de
población f ( x; ) . Si la distribución condicional de las variables aleatorias

− −
x1 , x2 ,..., xn dado  no dependen del parámetro  , es decir,  es un estimador
suficiente de  si:
− −
f x ( x1 , x2 ,..., xn |  =  ) = g ( x ) :
−
Donde g ( x ) = ( x1 , x2 ,..., xn ) .
Por lo tanto, un estimador es suficiente con relación a un parámetro si se maneja

toda la información estadística de la muestra para realizar los cálculos como puede
ser la media aritmética, la mediana, la moda, la proporción, la varianza y la deviación
estándar; es decir utilizar información suficiente para realizar estimaciones.
Estimación por Intervalos

Una estimación por intervalos de un parametro    , P,  2  de la población, es un
 
intervalo de la forma que tendrá un límite inferior y un límite superior de tal manera
que se cumpla el intervalo de confianza; donde L = límite inferior y
inf erior.
72
Lsuperior. = límite superior del intervalo. Estos intervalos se construyen de tal
manera que van a depender del resultado final del procedimiento matemático al
_
aplicar los conceptos estadísticos de los estimadores de la media x , y de la
_ _ _ _ 
proporción p , para una muestra en particular de   x, p, S− =  −  .
 x x
1−  = Intervalo de Confianza  = Significación
P(L    Lsuperior ) = 1 −  Estimación por Intervalos

inf erior
Estimación por Intervalos para Media de la Muestra de la

Población
Para la estimación por intervalos de la media muestral de la población se considera
el valor Z, para una muestra que se aproximación a una distribución normal:
_
x− 
Z=
−
x
Utilizando el Teorema Central de Límite para la media muestral el valor de Z es:
_
x−  _
Z= Despejando el estimador de la muestra “ x ” y sustituyendo en la ecuación

n
de estimación por intervalos nos queda la siguiente expresión matemática:
73
_ _
1 −  = x  Z ( − ) donde x=
2 x
Con esta expresión nos permite calcular los límites del intervalo de confianza:
1 −  = P(L    Lsuperior )
inf erior
Sustituyendo los Limites en la expresión del intervalo de confianza, queda la
siguiente expresión:
_    _   
1 −  = P( x − Z      x+ Z 
  n 
)
  n
2 2
Donde él “Límite inferior” y “Límite superior” son:

_    _   
L = x − Z   y L superior = x + Z  
inf erior
2 n 2 n
También, es importante mencionar que al producto del valor de “Z” (valor critico)
multiplicado por el cociente que resulta de dividir la desviación estándar entre la raíz
cuadrada del tamaño de la muestra se le llama “error de estimación” el cual es:
  
e = Z  
2 n
Para calcular un intervalo de confianza ( 1 −  ) del 100% para la media de la muestra

“  − ”se supone que se conoce la desviación estándar de la muestra “S”, en caso
X
contrario de no conocerse se reemplazará por desviación estándar de la población
“  ”, siempre y cuando el tamaño de la muestra sea mayor que 30 (n  30) .
74
Ejemplo
En un estudio realizado a 81 personas que acuden a un centro comercial a comprar

su despensa en periodos de quincena, se encontró una media de gasto de $1400
pesos con una desviación estándar $600 pesos. El gerente de la tienda requiere
estimar lo intervalos de confianza al 99% para cuando acuden a ese centro
comercial los clientes.
Solución
Datos
_
n = 81 x = $1400
 = $600
1−  = 99% = 0.99  = 1% = 0.1 
= 0.5% = 0.005
2
1 −  = P(L    Lsuperior )
inf erior
Para encontrar el valor de Z se busca el porcentaje de 0.495 dentro de la tabla de

la Distribución Normal Estándar. El valor corresponde a una Z=2.58
    600 
Calculando el valor del error de estimación: e = Z   = (2.58)   = 172
2 n  81 
Sustituyendo en el Intervalo de Confianza:
_   
1− = x Z 
  n 
2
75
 600 
1 −  = 1400  (2.58)  
 81 
1 −  = 1400  172
Linf erior = 1400 − 172 = 1228 

1− =  
L superior = 1400 + 172 = 1572 
1 −  = P(L    Lsuperior )
inf erior
1 −  = P(1228    1572)
Interpretación del resultado

Se estima que la media de gasto de los clientes al comprar su despensa en
periodos de quincena en el centro comercial está entre $1228 a $1572 pesos con
una confianza del 99%.
76
Estimación por Intervalos para Proporción de la Muestra de

la Población
Para la estimación por intervalos de la proporción muestral de la población se
considera el valor de Z, para una muestra que se aproxima a una distribución
normal:
_
p− P
Z=
−
P
Utilizando el Teorema Central de Límite para la proporción muestral de Z es:
_
p− P
Z= .
p *(1 − p)
n
_
Despejando el estimador de la muestra “ p ” y sustituyendo en la ecuación de
estimación por intervalos nos queda la siguiente expresión matemática:

_ _
1 −  = p  Z ( − ) donde p=P
2 P
_  p *(1 − p) 
1 −  = p  Z  
2 n 
Con esta expresión nos sirve para calcular los límites del intervalo de confianza
1 −  = P(L  P  Lsuperior )
inf erior
Sustituyendo lo Limites en la expresión del intervalo de confianza, queda la siguiente
expresión:
_  p *(1 − p )  _  p *(1 − p ) 
1 −  = P( p − Z    P  p + Z  )
2 n  2  n 
Donde él “Límite inferior” y “Límite superior” son:
_  p *(1 − p)  _  p *(1 − p) 
L = p − Z   y L superior = p + Z  
inf erior n n
2  2  
77
También, es importante mencionar que al producto del valor de “Z” multiplicado por
el cociente que resulta de dividir la desviación estándar entre la raíz cuadrada del
tamaño de la muestra se le llama “error de estimación” el cual es:
 p *(1 − p ) 
e = Z   
2 n 
Ejemplo
En un estudio realizado en un colegio, una empresa de cigarros realizó una

encuesta a 400 estudiantes del colegio sobre el hábito de fumar y encontró que el
80% de los jóvenes fuman cigarros sin importar la marca. La empresa quiere
conocer la estimación de los intervalos de confianza al 90%, para la proporción de
lo jovenes que fuman actualmente.
Solución
_
n = 400 p = 0.80
P( fumar ) = P = 80% = 0.80
q (no fumar ) = 1 − p = 1 − 0.8 = 0.20


1 −  = 90% = 0.90  = 10% = 0.10 = 5% = 0.05
2
1 −  = P(L  P  Lsuperior )
inf erior
78
Para encontrar el valor de Z se busca el porcentaje de 0.4505 dentro de la tabla

de la Distribución Normal Estándar. El valor que corresponde es de Z=1.65
Calculando el valor del error de estimación:
 p *(1 − p)   (0.8)(0.2) 
e = Z   = (1.65)   = 0.033
2 n   400 
Sustituyendo en el Intervalo de Confianza:
_  p *(1 − p) 
1 −  = p  Z  
2 n 
 (0.8) *(0.2) 
1 −  = 0.8  (1.65)  
 400 
1 −  = 0.8  0.033
 L = 0.8 − 0.033 = 0.767 

 inf erior 
1− =  
 L superior = 0.8 + 0.033 = 0.833
 
1 −  = P(0.767  P  0.833)
Interpretación de Resultados
Se estima que la proporción de jóvenes fumadores de cigarros de cualquier marca

fluctúa entre 76.7% y 83.3%, con una confianza del 90%.
79
Ejercicios de estimación
1. Supón que un psicólogo desea realizar una estimación de intervalo de la
media verdadera de los C.I. de alumnos de cierto grupo étnico. Se sabe que
los C.I. se distribuyen de manera normal con desviación estándar de 15.
Construye un intervalo de confianza del 95% para la media verdadera (µ)
con base a una muestra de 25 alumnos con una media muestral de 105.
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
2. Se realizó una entrevista telefónica para determinar si quien responde es o

no es propietario de una casa. Se selecciona del directorio telefónico una
muestra aleatoria de 110 personas y 52 de ellas resultaron ser propietarias.
Obtén un intervalo de confianza del 98% para la proporción de propietarios.
80
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
3. En una muestra aleatoria de 64 muchachas universitarias de primer año, el

8% resultaron ser casadas. Determina el intervalo de confianza del 98.8%
para la proporción ρ de mujeres universitarias casadas.
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
4. Se realizó una investigación de teleaudiencia. En una muestra de 900

espectadores, el número de ellos que veían un programa en particular fue
de 180 . Determina un intervalo de confianza del 99% para estimar la
proporción de espectadores que ven este programa en particular.
81
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
5. El dueño de una tienda de abarrotes consideró los registros de ventas de 40
días seleccionados aleatoriamente. Sabiendo que la desviación estándar es
de $1200 y la media muestral obtenida del muestreo es $9870, establezca
un intervalo de confianza del 98% para estimar la media de ventas diarias
de la tienda de abarrotes.
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
82
6. Se van a realizar, durante un mes, pruebas de mercado de un nuevo cereal

en los supermercados. Los resultados para una muestra de 144 tiendas
señalaron ventas con una media de $120000. Se conoce que la desviación
estándar poblacional es de $1800. Estima un intervalo de confianza del 99%
para la media de las ventas de este nuevo cereal.
Solución. [$119 613, $120 387].
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
7. Supóngase que está interesado en estimar la media del número de horas

que un joven de bachillerato dedica al estudio diariamente.
Se sabe que 𝜎 = 1.2 horas. De una muestra de 50 alumnos de bachillerato
se obtuvo una media de 3.25 horas. Utilice esta información para establecer
un intervalo de confianza de 95.5% para estimar la media de horas por día
que los estudiantes de bachillerato dedican al estudio. Solución
[2.9089 ℎ𝑟𝑠. , 3.5911 ℎ𝑟𝑠. ]. Interpreta el resultado.
83
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
8. El banco “Ilusiones Pasajeras” desea estimar el número de minutos que

tarda un cajero en atender a una persona una vez que esta llega a cajas.
Se conoce que =1.1 minutos. Se escoge una muestra aleatoria de 55
transacciones hechas con el cajero de 5.2 minutos. Obtén un intervalo de
confianza del 95% para estimar el tiempo medio que tardan los cajeros en
atender a los clientes una vez que llegan a ellos. Solución
[4.9093𝑚𝑖𝑛. , 5.4907𝑚𝑖𝑛. ]. Interpreta el resultado.
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
84
9. Un investigador desea estimar la proporción de hombres que fuman en el

municipio de Atizapán de Zaragoza. En una muestra de 100 de ellos, 27 le
mencionaron que tienen el hábito de fumar. Utilice está información para
establecer un intervalo de confianza del 96.5 % para la proporción de
hombres que radican en el municipio de Atizapán de Zaragoza fumadores.
Solución [0.1763, 0.3637]. Interprete el resultado obtenido.
Interpretación:
_________________________________________________________________
_________________________________________________________________
_________________________________________________________________
85
Prueba de hipótesis.
“Una hipótesis estadística es una declaración o afirmación tentativa acerca del valor
de un parámetro o parámetros de una población. Tal declaración se considera
tentativa debido a que los verdaderos valores de los parámetros en cuestión se
desconocen. Los ejecutivos de negocios, científicos, estrategas militares, políticos
y muchas otras personas toman decisiones relativas a parámetros de la población.
Algunos simplemente adivinan los valores de los parámetros, mientras que otros
realizan inferencias acerca de ellos basándose en datos muestrales incompletos.
Las pruebas de hipótesis pueden mostrar si una declaración tentativa se ve
apoyada o rechazada por la evidencia de la muestra.” (Chao, Lincoln, L.,
Introducción a la Estadística, 1985, p. 254).
Planteamiento de las hipótesis.

Hay dos tipos de hipótesis. Uno, denominado hipótesis nula, se forma
principalmente para determinar si puede rechazarse. Tal hipótesis se denota por
convención mediante el símbolo 𝐻0 , con la letra 𝐻 sugiriendo hipótesis y el
subíndice 0 indicando “nula” o “inexistente”.
La hipótesis nula, 𝐻0 , es una declaración tentativa de que un parámetro de la

población es igual a un valor específico. A menudo en tal declaración está implícita
la idea de que “no hay diferencia” y de ahí el nombre de hipótesis “nula”.
Por ejemplo, supón que se ha el Municipio de Naucalpan ha publicado que la

mediade delitos al día en ese municipio no rebasa los 7 delitos por día. Entonces,
la hipótesis nula es 𝐻0 : µ = 7, debido a que debe suponerse que es 7 o menor.
La hipótesis alternativa, denotada mediante el símbolo 𝐻𝑎 o 𝐻1 , ésta se acepta

cuando se rechaza la hipótesis nula. La hipótesis alternativa 𝐻1 , es una declaración
tentativa de que el mismo parámetro de la población tiene un valor diferente del
especificado en la hipótesis nula.
86
Respecto a la media de delitos al día en el Municipio de Naucalpan de que no

rebasa los 7 delitos por día, la hipótesis alternativa es 𝐻1 : µ > 7 que significa que la
media si rebasa los 7 delitos al día.
Se obtendrán datos muestrales para determinar si existe evidencia suficiente para

apoyar la hipótesis alternativa o no. Se apoyaría 𝐻1 si los datos muestrales
proporcionan una media significativamente alta con lo que 𝐻0 sería rechazada.
Una analogía.
“El razonamiento empleado al determinar si una hipótesis nula puede rechazarse
tiene una parecido notable con el empleado en una corte criminal. La corte
considera que el acusado es inocente o no culpable, hasta que su culpabilidad se
determine. El fiscal obtiene y presenta evidencias en un intento de eliminar la
consideración de no culpable, es decir la hipótesis nula. Si no se rechaza ésta, no
habrá condena y el acusado quedará libre. Esto no necesariamente significa que
en realidad el acusado no sea culpable. Puede ser que en verdad sea culpable,
pero la evidencia disponible no es suficiente para condenarlo.” (Chao, Lincoln, L.,
Introducción a la Estadística, 1985, p. 255).
De acuerdo a la analogía y al supuesto referido al Municipio de Naucalpan:
¿Qué es el “acusado? _______________
¿Qué es el fiscal? (acusador) ________________
¿Con qué se obtendrían las evidencias? ________________________________
Al final de una prueba de hipótesis, el investigador o tomador de decisiones podrá
✓ Rechazar una hipótesis verdadera, con lo que estaría cometiendo un error,

que le llamaremos Error Tipo I o nivel de significación.
✓ Aceptar una hipótesis verdadera, con lo que estaría decidiendo
acertadamente.
87
¿Cuáles son las otras dos situaciones en las que el investigador o tomador de
decisiones podrá estar al final de una prueba de hipótesis?
✓ ____________________________________________________________
✓ ____________________________________________________________
“Las diferencias entre muestras se deben al azar: a los factores accidentales que
determinan la selección de observaciones de cualquier muestra.” (Chao, Lincoln,
L., Introducción a la Estadística, 1985, p. 256).
Considerando las hipótesis antes planteadas: 𝐻0 : µ = 7 y 𝐻1 : µ > 7, para realizar la

prueba de hipótesis se realiza un muestreo y se calcula la media. Debido a la
naturaleza aleatoria del muestreo, la 𝑥̅ puede ser significativamente mayor a 7, que
hará que se rechace la hipótesis nula cuando en realidad sea verdadera. “¿Cuándo
puede considerarse una media muestral como ‘significativamente mayor’? La
respuesta a esta pregunta depende del nivel de error que se desea tolerar; es decir,
de la probabilidad de que la muestra haya proporcionado una media lo
suficientemente mayor que el valor hipotético debido a factores aleatorios.”
El nivel de significación es la probabilidad de rechazar una hipótesis nula verdadera

o de cometer lo que se denomina error tipo I; a esta probabilidad comúnmente se
denota mediante ∝. El valor de ∝ afecta a la decisión de considerar significativa
cualquier diferencia entre el valor muestral observado y el valor hipotético de la
población, o si se considera demasiado extrema para atribuirse al azar. La
selección de ∝ es arbitraria; depende de que tanto riesgo puede tomarse para
rechazar incorrectamente una hipótesis nula verdadera.
Estadístico de prueba
Es una v. a., cuyo valor se utiliza para llegar a la decisión de rechazar o no la
hipótesis nula.
88
Región Crítica
Los valores del estadístico de prueba se dividen en dos categorías: la región de
rechazo y la región de aceptación. También se conoce a la región de rechazo como
región crítica. La región crítica es el conjunto de valores para el estadístico de
prueba que provocará la aceptación de la hipótesis nula.
El valor que separa a las dos regiones se le llama valor crítico.
Ejemplo
Se ha informado a los alumnos que la media del promedio de sus calificaciones es

de 6.5 con una desviación estándar de 2. Los alumnos indignados por tal
aseveración y pensando que la media es mucho mayor a lo mencionado, realizaron
un muestreo de 500 estudiantes, obteniendo una media muestral de 6.9. ¿Hay
suficiente evidencia para rechazar la información proporcionada a los alumnos con
respecto a la media y afirmar que este es mayor a lo mencionado? Utilice un nivel
de significación ∝= 0.05.¿Cuáles son las dos hipótesis que se deben plantear?
H o
: ________
H a
: ________
¿Cuál es el tamaño de la muestra? ________
¿Cuál es el valor del estadístico de prueba?
x−
Z =
prueba
/ n
6.9 − ____
=
____/ ___
= 4.47
¿Qué valor tiene el nivel de significación? _________
¿Cuál es el valor crítico? _______
89
Como z prueba
= 4.47 se rechaza la hipótesis nula, por lo tanto, hay suficiente
evidencia para decir que la media de calificaciones de los alumnos es superior a

6.5 con un nivel de significación del 5%.
Ejemplo
Supóngase que en el CCH-N se ha asegurado que la media del peso de las

alumnas es de 54.4 kilogramos con una desviación estándar de 5.4 kilogramos.
Una de las profesoras no cree que tal aseveración sea correcta, mencionando que
dicha media es aún menor. Con el fin de contrastar la afirmación reúne una muestra
aleatoria de 100 alumnas para registrar su peso, obteniéndose una media de 53.75
kilogramos. ¿Es esta evidencia suficiente para considerar que efectivamente la
media es menor a lo asegurado?
H o :  = 54.4
H a :   54.4
x−
Z prueba =
/ n
53.75 − 54.4
=
5.4 / 100
= −1.20
Como z prueba
= −1.20 cae en la región de aceptación, la hipótesis nula es aceptada,
por lo tanto, no hay suficiente evidencia para decir que la media de peso de las
alumnas del CCH-N sea menor al 54.4 kilogramos con un nivel de significación
del 5%.
90
Ejercicios de prueba de hipótesis

1. Carlos Avitia quien se dedica a la venta de accesorios de teléfonos celulares,
está a punto de realizar una compra de un gran número de fundas para un
modelo en particular, él advierte al vendedor que realizará un muestreo
aleatorio de 120 fundas y de obtener un porcentaje mayor al 10% de fundas
defectuosas, no realizará la compra. Al realizar dicho muestreo observa que
14 de las 120 fundas inspeccionadas son defectuosas. Con el muestreo
realizado, ¿Carlos tiene suficiente evidencia para no realizar la compra a un
nivel de significación del 5%?
91
2. Un comerciante de focos afirma que su producto tiene una vida útil de por lo
menos 100 horas. Al seleccionar a 30 de sus focos se obtuvo una media de
95 horas, ¿hay suficiente evidencia para refutar lo afirmado por el
comerciante, sabiendo que la desviación estándar es de 10 horas y usando
un nivel de significación del 5%?
3. Se sabe que aproximadamente 1 de cada 10 fumadores prefieren cigarrillos

de la marca A. Después de una campaña de promoción en una región de
ventas dada, se entrevistó a una muestra de 200 fumadores para determinar
la efectividad de la campaña. En la encuesta, un total de 26 personas
expresaron su preferencia por la marca A. ¿Presentan estos datos suficiente
evidencia que indique un aumento en la preferencia de la marca A en la
región? Utiliza un nivel de significación del 5%.
92
4. Se lanza un dado 500 veces, de las cuales en 90 ocasiones se obtuvo el

número 6, Utilizando un nivel de significación del 1%, ¿hay evidencia
suficiente para suponer que el dado está cargado?
5. Un comunicador asegura que la publicidad tiene una influencia en el público

no mayor al 78.4%. Un estudio realizado por una compañía de publicidad
reveló que el 80% de un total de 500 consumidores realizaron sus compras
influenciados por la publicidad. ¿Contradice el estudio el supuesto del
consumidor, a un nivel de significación del 5%?
93
6. Una empresa afirma que la media de contenido neto de las cajas de cereal
que vende es de 560 gramos, con una desviación estándar de 15 gramos.
Si en un muestreo aleatorio de 50 cajas de este cereal, se obtuvo una
media de 555 gramos, ¿existe suficiente evidencia para decir que la media
es inferior a lo afirmado por la empresa? Utilizar un nivel de significación del
5%.
94
Propuesta de examen para la Unidad III Inferencia

estadística
1. De 200 denuncias de robo de automóvil, 114 fueron de automóvil color

blanco. Usa esta información para establecer un intervalo de confianza del
90% para estimar el porcentaje de denuncias de robo que se refieren a
automóvil color blanco. Interpreta el resultado.
2. Se tomó, en estado de reposo, la frecuencia cardiaca a 50 personas mayores

de 70 años. Se obtuvo una media de 90 latidos por minuto con una desviación
estándar de 12. Estima por medio de un intervalo de confianza del 95%, la
media de frecuencia cardiaca en estado de reposo para esta población de
personas. Interpreta el resultado.
3. La media de delitos al día en el municipio de Naucalpan es de 5, con una

desviación estándar de 2.77. Las autoridades del municipio han
implementado en todo el municipio un programa titulado “patrullando tu
colonia” y en un mes de 31 días se obtuvo una media de 4 delitos al día,
¿Podría pensarse que el programa está funcionando? Utiliza un nivel de
significación del 5%
4. Cierto partido político afirma que el porcentaje de electores que votará a su

favor en las próximas elecciones es de por lo menos 56%. De una muestra
aleatoria de 200 electores, 110 mencionaron votarían por ese partido, ¿existe
suficiente evidencia para refutar lo afirmado por el partido político? Utiliza un
nivel de significación del 5%.
5. En una encuesta realizada en México se entrevistó a 800 adultos para

preguntarles respecto si están de acuerdo con la política de seguridad
“Abrazos no balazos” del presidente López Obrador. El 52% de los
entrevistados estuvo a favor de la política, ¿Concluirías que la mayoría de
los adultos en México está a favor de la política “Abrazos no balazos”? Utiliza
un nivel de significación del 5%.
95
96
Programa de Apoyo al Egreso (PAE)
Coordinador
Estadística
II
Autores
y Probabilidad Álvarez García Carlos Alberto
Padilla Alemán David Bryan
2022
Zecua Fernández Aquilino
Zepeda Aguillón Víctor Hugo

Estadistica y Probabilidad II PAE

Cargado por

Copyright:

Formatos disponibles

Estadistica y Probabilidad II PAE

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica y Probabilidad II PAE

Cargado por

Copyright:

Formatos disponibles

Programa de Apoyo al Egreso (PAE)

El material está basado en el Programa de Estudio de Estadística y Probabilidad I y II,

Los comentarios, criticas, aportaciones o sugerencias respecto al material, ayudarán en

UNIDAD NOMBRE HORAS

III Inferencia estadística 26

• Utiliza la tabla para valores bajo la curva de la distribución normal

Variable aleatoria (v. a.)

Se lanzan 3 monedas y la v. a. 𝑋 se define como el número de soles que se

Representemos por medio de un diagrama de árbol:

𝑆 = {𝐴𝐴𝐴, 𝐴𝐴𝑆, 𝐴𝑆𝐴, 𝐴𝑆𝑆, 𝑆𝐴𝐴, 𝑆𝐴𝑆, 𝑆𝑆𝐴 𝑌 𝑆𝑆𝑆}

¿Qué valor es más probable? 1 𝑦 2

Variable aleatoria discreta (v. a. d.)

Se escogen tres artículos de un proceso de manufactura y se desea saber el

Variable aleatoria continua (v. a. c.)

En una fábrica de chocolates se seleccionaron 100 de sus productos para sumar

Solución. Los posibles valores de la v. a. 𝑋 son todas las 𝑥 > 0.

Esta es una v. a. c. Si las observaciones para una v. a. se obtienen como resultado

Distribución de probabilidad (d. de p.)

Verifica si 𝑀(𝑥) = 6−36

función de probabilidad (f. de p.)

Encuentra la d. de p. para la v. a. definida como el número de canciones de jazz,

La v. a. se define como el # canciones jazz en la muestra aleatoria y la llamaremos

Se seleccionan a 2 aleatoriamente y la v. a. X se define como el # canciones jazz

https://www.youtube.com/watch?v=U5QyGHq-MRU pertenece a un video donde se

https://www.youtube.com/watch?v=Mq8xUSpxOIE pertenece a un video donde se

https://www.youtube.com/watch?v=xX_JkhKKwNc pertenece a un video donde se

Ejemplo. Diagrama de árbol

En una farmacia se tienen 5 pepto en venta de los cuales 2 ya caducaron. El

Solución b) Muestra aleatoria de 4, 2 caducos, 3 NO caducos, v. a. X se define

Simplificando cada fracción, la distribución de probabilidad de la v. a. X es

https://www.youtube.com/watch?v=3QPWHErrwmw pertenece a un video donde se

Ejercicios de distribuciones de probabilidad de v. a. d.

Puedes apoyarte con https://www.youtube.com/watch?v=jWyfH3b91eI

2. Encuentre el valor de 𝑘 para que la siguiente tabla represente una d. de p.

3. Se tiene una urna con 11 papelitos y se selecciona 1 papelito de manera

 multiplicar por 2 al número obtenido en el papelito si es impar y primo

4. Se selecciona de manera aleatoria una pelota de una urna que contiene 1

5. De 6 estudiantes, 3 tienen habilidades artísticas sobresalientes. Si se

6. En un café-internet tienen en servicio 2 computadoras ACER, 2 HP y 1

7. Profeco realizará un muestreo aleatorio de 6 productos de un lote de 50 (45

8. Sea 𝑋 una v. a. d. Determinar el valor de k para que la función

9. Una compañía fabrica agujas para la inyección de insulina y las empaca en

10. De una caja que contiene 3 𝑚𝑜𝑛𝑒𝑑𝑎𝑠 𝑑𝑒 $5, 2 𝑑𝑒 $1 𝑦 2 𝑑𝑒 $0.50 se

Esperanza matemática y varianza de una v. a. d.

La desviación estándar es:  = E (X ) − 

Se tiene la siguiente distribución de probabilidad

𝑃(𝑋) 0.40 0.50

Ejercicios de esperanza matemática, varianza y desviación

1. Se tiene la siguiente distribución de probabilidad:

Obtenga la esperanza matemática de 𝑋 y su desviación estándar.

2. Un señor apuesta $5 pesos al número 3 al lanzar un dado corriente, y pierde

3. Al invertir en unas acciones financieras, una persona puede lograr una

4. A un trabajador de un establecimiento de lavado de automóviles se le paga

5. Una urna contiene 5 papeletas que no pueden distinguirse. Tres de ellas

Distribución Bernoulli (extraído de Chao, Introducción a la

Se acostumbra a asignar al valor de 1 al evento denominado éxito y 0 al evento

En una compañía dedicada a la investigación, 75% de los empleados tienen grado

p(W) 0.75 0.25

𝑷(𝒙) = 𝑪(𝒏, 𝒙)𝒑𝒙 𝒒𝒏−𝒙 para 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏