Cuando el muestreo es sin reemplazo podemos usar las siguientes opciones:

Para determinar el tamaño de la muestra sin reemplazo y el orden si interesa usamos

Permutación.
𝑁!
𝑃𝑁𝑛 =
(𝑁 − 𝑛)!
Si se desea determinar el tamaño de la muestra y el orden si interesa usamos Combinatoria.
𝑁!
𝐶𝑁𝑛 =
𝑛! (𝑁 − 𝑛)!
𝐷𝑜𝑛𝑑𝑒 𝑵: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑦 𝒏: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑎 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑟

Teorema de límite central

̅ es la media de una muestra aleatoria de tamaño 𝒏 tomada de una población y con
Si 𝒙
̅−𝜇
𝒙
varianza 𝜎 2 entonces la forma límite de la distribución de la variable aleatoria 𝑧 = 𝜎 a
√𝑛
medida que la variable 𝑛 → ∞ es la distribución normal estándar 𝑁(𝜇 = 0, 𝜎 = 1)

Ejemplo 1:
Un auditor extrae una muestra aleatoria de tamaño 𝑛 = 36 de una población de 1000
cuentas por cobrar, la media poblacional de las cuentas por cobrar es de 260$ y la
desviación estándar poblacional es de 45$ ¿Cuál es la probabilidad de que la media
muestral sea menor que 250$?
𝝁 = 𝟐𝟔𝟎 (𝑴𝑬𝑫𝑰𝑨 𝑷𝑶𝑩𝑳𝑨𝑪𝑰𝑶𝑵𝑨𝑳)

𝝈 = 𝟒𝟓 (𝑫𝑬𝑺𝑽𝑰𝑨𝑪𝑰Ó𝑵 𝑬𝑺𝑻𝑨𝑵𝑫𝑨𝑹)

𝒏 = 𝟑𝟔 (𝑻𝑨𝑴𝑨Ñ𝑶 𝑫𝑬 𝑴𝑼𝑬𝑺𝑻𝑹𝑨)

𝑵 = 𝟏𝟎𝟎 (𝑻𝑨𝑴𝑨Ñ𝑶 𝑷𝑶𝑩𝑳𝑨𝑪𝑰Ó𝑵)

̅ < 𝟐𝟓𝟎]
𝑷[𝒙
̅−𝝁
𝒙 𝟐𝟓𝟎 − 𝟐𝟔𝟎
𝒛= 𝝈 = = −𝟏. 𝟑𝟑
𝟒𝟓
√𝒏 √𝟑𝟔
𝑩𝒖𝒔𝒄𝒂𝒏𝒅𝒐 𝒆𝒏 𝒕𝒂𝒃𝒍𝒂𝒔 − 𝟏. 𝟑𝟑 → 𝟎. 𝟎𝟗𝟏𝟖 𝒒𝒖𝒆 𝒆𝒒𝒖𝒊𝒗𝒂𝒍𝒆 𝒂 𝟗. 𝟏𝟖%
La probabilidad de que la madia muestral sea menor a 250 es de 9.18%

𝑎) 𝑃[𝑍 ≤ 𝑧1] 𝐴𝑟𝑒𝑎 𝑑𝑒𝑏𝑎𝑗𝑜 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜

𝑏) 𝑃[𝑍 > 𝑧1]𝐴𝑟𝑒𝑎 𝑝𝑜𝑟 𝑒𝑛𝑐𝑖𝑚𝑎 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜
𝑃[𝑍 > 𝑧1] = 1 − 𝑃[𝑍 ≤ 𝑧1]
𝑐) 𝑃[𝑍 > −𝑧1] = 𝑃[𝑍 ≤ 𝑧1]𝐴𝑟𝑒𝑎 𝑝𝑜𝑟 𝑒𝑛𝑐𝑖𝑚𝑎 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜
𝑑) 𝑃[𝑍 ≤ −𝑧1] = 1 − 𝑃[𝑍 ≤ 𝑧1] 𝐴𝑟𝑒𝑎 𝑝𝑜𝑟 𝑑𝑒𝑏𝑎𝑗𝑜 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜
𝑒) 𝑃[𝑍1 ≤ 𝑍 ≤ 𝑧2] = 𝑃[𝑍 ≤ 𝑍2] − 𝑃[𝑍 ≤ 𝑍1]

𝑪𝑼𝑨𝑵𝑫𝑶 𝑬𝑳 𝑷𝑳𝑨𝑵𝑻𝑬𝑨𝑴𝑰𝑬𝑵𝑻𝑶 𝑫𝑰𝑪𝑬 𝒁 > 𝑿

𝑁𝑂 𝑆𝐸 𝑃𝑈𝐸𝐷𝐸 𝐿𝐸𝐸𝑅 𝐷𝐼𝑅𝐸𝐶𝑇𝐴𝑀𝐸𝑁𝑇𝐸𝐷𝐸 𝑇𝐴𝐵𝐿𝐴𝑆, 𝐻𝐴𝑌 𝑄𝑈𝐸 𝐶𝑂𝑁𝑉𝐸𝑅𝑇𝐼𝑅𝐿𝑂
𝑃[𝑍 ≤ 2] = 0.9772
𝑃[𝑍 > −2.2] = 1 − 𝑃[𝑍 ≤ −2.2] = 1 − 0.0139 = 0.9861
𝑃[𝑍 > −2.2] = 1 − 𝑃[𝑍 ≤ −2.2] = 1 − 𝑃[1 − 𝑃[𝑍 ≤ 2.2] ] = 1 − 1 + 0.9861 = 0.9861

Distribución muestral de la media

𝑆𝑒𝑎𝑛 𝑥1, 𝑥2, 𝑥𝑛; 𝑈𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑡𝑎𝑚𝑎ñ𝑜 𝒏 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝒙, 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝜎2
𝑃𝑎𝑟𝑎 𝑛 𝑠𝑢𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑚𝑒𝑛𝑡𝑒 𝑔𝑟𝑎𝑛𝑑𝑒, 𝑝𝑜𝑟 𝑒𝑙 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 𝑑𝑒 𝑙𝑖𝑚𝑖𝑡𝑒 𝑐𝑒𝑛𝑟𝑎𝑙: 𝑥̅ → 𝑁 (𝜇, );
𝑛
Ejemplo 2.
El tiempo que el cajero de un banco con servicio en el automóvil atiende a un
cliente es una variable aleatoria con media de 3.2 minutos, y una desviación
estándar de 1.6 minutos. Si se observa una muestra aleatoria de 64 clientes,
encuentre la probabilidad de que su tiempo medio con respecto al cajero
sea:
𝜇 = 3.2
𝜎 = 1.6
𝑛 = 64
a) A lo más 2.7 minutos
(2.7 − 3.2)√64
𝑧= = −2.5
1.6
𝑃[𝑥̅ ≤ −2.5] = 0.0062 = 0.62%
La probabilidad de que el tiempo promedio de los clientes con el cajero
sea como máximo 2.7 minutos es de 0.62%

b) Más de 3.5 minutos

(3.5 − 3.2)√64
𝑧= = 1.5
1.6
𝑃[𝑥̅ > 1.5] = 1 − 𝑃[𝑥̅ ≤ 1.5] = 1 − 0.9332 = 0.0668 = 6.68%
La probabilidad de que el tiempo promedio de los clientes con el cajero
sea más de 3.5 minutos es de 6.68%

c) Al menos 3.2 minutos, pero menos de 3.4 minutos

(3.2 − 3.2)√64
𝑧1 = =0
1.6
(3.4 − 3.2)√64
𝑧2 = =1
1.6
𝑃[0 ≤ 𝑥̅ < 1] = 𝑃[𝑥̅ < 1] − 𝑃[𝑥̅ ≤ 0] = 0.8413 − 0.5 = 0.3413 = 34.13%

La probabilidad de que el promedio esté entre 3.2 y 3.4 minutos es de

34.13%
 Ejemplo 3
Una empresa de material eléctrico fábrica focos que tienen una duración
que se distribuye aproximadamente en forma normal, con una media de
800 horas y desviación estándar de 40 horas. Calcular la probabilidad para
que la muestra aleatoria de 16 focos tenga una vida promedio, a lo sumo
de 775 horas
𝜇 = 800
𝜎 = 40
𝑛 = 16
𝑃[𝑥̅ ≤ 775] = ?
𝑧 = −2.5
𝑃[𝑥̅ ≤ −2.5] = 0.0062 = 0.662%
Ejemplo 4
Se sabe que el saldo promedio para los clientes de una tarjeta de crédito
es de 14350 $us con una desviación estándar de 6500 $us del listado de
los clientes se tiene una muestra aleatoria de 49 clientes
𝜇 = 14350
𝜎 = 6500
𝑛 = 49
a) Cuál es la probabilidad de que la muestra tenga un promedio mayor a
17500 $us
(17500 − 14350)√49
𝑧= = 3.3923
6500
𝑃[𝑧 > 3.3923] = 1 − 𝑃[𝑧 ≤ 3.3923] = 1 − 0.997 = 0.003 = 0.03% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑

La probabilidad de que el promedio sea mayor de 17500$ es de 0.03%

b) Cuál es la probabilidad de que la cuenta tenga un saldo promedio entre
12000 y 15000
(12000 − 14350)√49
𝑍1 = = −2.53
6500
(15000 − 14350)√49
𝑍2 = = 0.7
6500
𝑃[−2.53 ≤ 𝑧 ≤ 0.7] = 𝑃[𝑧 ≤ 0.7] − 𝑃[𝑧 ≤ −2.53] = 0.7580 − 0.0057 = 0.7523 = 75.23%

La probabilidad de que esté entre 12000 y 15000 es de 75.23%

PRESENTADO EL 23/08/2018 4:01 NOTA PARA PARCIAL ⋆

Ejemplo 5.
El coeficiente intelectual de los estudiantes, se distribuye normalmente
con media 100 y desviación típica 11
𝜇 = 100
𝜎 = 11
a) Si elegimos una persona al azar calcular la probabilidad de que el
coeficiente este entre 100 y 103
(100 − 100)
𝑧1 = =0
11
(103 − 100)
𝑧2 = = 0.2727
11

𝑃[0 ≤ 𝑧 ≤ 0.27] = 𝑃[𝑧 ≤ 0.27] − 𝑃[𝑧 ≤ 0]−= 0.6064 − 0.5 = 0.1064 = 10.64%
La probabilidad de que la persona escogida al azar tenga coeficiente intelectual
entre 100 y 103 es de 10.64%
b) Se elige al azar una muestra de 25 personas, calcular la probabilidad de
que la media de sus coeficientes intelectuales esté entre 100 y 103
(100 − 100)√25
𝑧1 = =0
11
(103 − 100)√25
𝑧2 = = 1.3636
11
𝑃[0 ≤ 𝑧 ≤ 1.3636] = 𝑃[𝑧 ≤ 1.3636] − 𝑃[𝑧 ≤ 0] = 0.9131 − 0.5 = 0.4131 = 41.31%

La probabilidad que en una muestra de 25 personas el CI sea entre

100 y 103 es de 41.31%

PRESENTADO EL 23/08/2018 4:20 NOTA PARA PARCIAL :) ⋆

Distribución muestral de la diferencia de dos medias, muestras

independientes
Si se extraen al azar muestras independientes de tamaños: 𝑛 y 𝑚 de dos
poblaciones discretas o continuas con medias 𝜇1, 𝜇2 y varianzas 𝜎1, 𝜎2
respectivamente entonces la distribución muestral de las diferencias de
las medias 𝑥̅ − 𝑦̅ y tienen aproximadamente distribución normal, con
media y varianza dadas por:

𝜇 𝑥̅ −𝑦̅ = 𝜇1 − 𝜇2

2
𝜇 21 𝜎 2 2
𝜇 𝑥̅ −𝑦̅ = −
𝑛 𝑚
La variable aleatoria 𝒛 esta dada entonces por:
(𝑥̅ − 𝑦̅) − (𝜇1 − 𝜇2 )
𝑧=
2 2
√𝜎 1 + 𝜎 2
𝑛 𝑚
 Ejemplo 1
Las bombillas eléctricas de un fabricante 𝑨 tienen una duración media
de 1400 hrs. Con una desviación típica de 200 hrs, mientras que las de
otro fabricante 𝑩 tienen una duración media de 1200 hrs. Con una
desviación típica de 100 hrs. si se toma una muestra al azar de 125
bombillas de cada fabricante

𝑛 = 𝑚 = 125
𝜇𝐴 = 1400
𝜎𝐴 = 200
𝜇𝐵 = 1200
𝜎𝐵 = 100

Cuál es la probabilidad de que las bombillas de 𝑨 tengan una duración

media que sea al menos:
a) Al menos 160hrs. media mas que el fabricante B.
𝑃[𝑥̅𝐴 − 𝑥̅𝐵 ≥ 160 + 𝑥̅𝐵 ]

𝜇𝐴 − 𝜇𝐵 = 1400 − 1200 = 200

𝜎2 𝜎2 2002 1002
√ 1+ 2=√ + = 20
𝑛 𝑚 125 125

(𝑥̅ − 𝑦̅) − (𝜇1 − 𝜇2 ) 160 − 200

𝑧= = = −2.0
2 2 20
√𝜎 1 + 𝜎 2
𝑛 𝑚
𝑃[𝑍 ≥ −2.0] = 1 − 𝑃[𝑍 < −2.0) = 1 − 0.0228 = 0.9772 = 97.72%
La probabilidad de que el fabricante haga bombillas con mayor duración
(160 hrs. más) es de 97.72%.
 b) Al menos 250hrs más que las bombillas de B.
𝑃[𝑥̅𝐴 − 𝑥̅𝐵 ≥ 250 + 𝑥̅𝐵 ]

(𝑥̅ − 𝑦̅) − (𝜇1 − 𝜇2 ) 250 − 200

𝑍= = = 2.5
2 2 20
√𝜎 1 − 𝜎 2
𝑛 𝑚

𝑃[𝑍 > 2.5] = 1 − 𝑃[𝑍 ≤ 2.5] = 1 − 0.9938 = 0.062 = 0.62% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑

𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑙𝑎𝑠 𝑏𝑜𝑚𝑏𝑖𝑙𝑙𝑎𝑠 𝑑𝑒 𝐴 𝑑𝑢𝑟𝑒𝑛 250ℎ𝑟𝑠 𝑚𝑎𝑠 𝑞𝑢𝑒 𝑙𝑎𝑠 𝑑𝑒 𝐵 𝑒𝑠 𝑑𝑒 0.62%

Ejemplo 2
De dos máquinas que embolsan automáticamente café, se han extraído
muestras de 64 bolsitas de cada una de ellas, la distribución de probabilidad
del peso de cada bolsita para ambas poblaciones tiene idénticas medias y
desviaciones típicas de 6.40gr. y 7.20gr. respectivamente, determinar la
probabilidad que la diferencia entre las medias de las muestras exceda 0.6 en
valor absoluto
𝜇𝐴 = 𝜇𝐵 → 𝜇𝐴 − 𝜇𝐵 = 0
𝜎𝐴 = 6.4
𝜎𝐵 = 7.2
(𝑥̅ − 𝑦̅) − (𝜇1 − 𝜇2 ) 0.6 − 0
𝑍= = = 0.4982 ≅ 0.5
2 2 2 2
√𝜎 1 − 𝜎 2 √6.4 − 7.2
𝑛 𝑚 64 64
𝑃[|𝑥̅𝐴 − 𝑥̅𝐵 | > 0.60] = 1 − 𝑃[|𝑥̅𝐴 − 𝑥̅ 𝐵 | ≤ 0.6] =
1 − 𝑃[−0.6 ≤ 𝑥̅𝐴 − 𝑥̅ 𝐵 ≤ 0.6] = 1 − 𝑃[−0.5 ≤ 𝑍 ≤ 0.5] =
1 − (𝑃[𝑍 ≤ 0.5] − 𝑃[𝑍 ≤ −0.5]) = 1 − (0.6915 − 0.3085) = 0.617

La probabilidad de que la diferencia de muestras varia en 0.6 es de 61.70%

Distribución de una proporción
𝑥
La proporción de éxito es una variable aleatoria que se denota por 𝑝̅ =
𝑛
donde 𝑥 representa el número de éxito u observaciones de interés y n el
tamaño de la muestra.
1 2
𝑅𝑝 = {0, , , … , 1}
𝑛 𝑛
𝑀𝑒𝑑𝑖𝑎: 𝜇𝑝̅ = 𝑝
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠
𝑝∗𝑞
𝜎𝑝 2 =
𝑛
𝑥
𝑝̅ − 𝑝 𝑛 − 𝑝
𝑧= =
𝜎𝑝 𝜎𝑝
Si la población es sin reemplazo y de una población finita:

𝑝𝑞 𝑁 − 𝑛
𝜎𝑝 = √ √
𝑛 𝑁−1

𝑁: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑛: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
Ejemplo 1
Se ha determinado que el 60% de los estudiantes de una universidad grande
fuman cigarrillos, se toma una muestra aleatoria de 800 estudiantes, calcule
la probabilidad de que la proporción de la muestra de estudiantes que fumen
cigarrillos sea menor que 0.55
𝑛 = 800
𝑝 = 0.6 → 𝑞 = 1 − 𝑝 = 0.4
𝑃[𝑝̅ < 0.55]

𝑝̅ − 𝑝 0.55 − 0.6
𝑧= = = −2.89
𝑝𝑞
√ √0.6 ∗ 0.4
𝑛 800
𝑃[𝑍 < −2.89] = 0.0019 = 0.19%
Hay una probabilidad de 0.19% de que la proporción de estudiantes que
fumen sea menor a 0.55

Ejemplo 2
Históricamente el 10% de un embarque grande de piezas para maquinaria es
defectuosa. Suponga que el embarque consta de 5000 piezas, si se
seleccionan muestras sin reemplazo de 400 piezas, que proporción de las
muestras tendrán:
𝑁 = 5000
𝑛 = 400
𝑝 = 0.1 → 𝑞 = 0.9
a) Entre 9% y 10% de piezas defectuosas
𝑃[0.09 ≤ 𝑝̅ ≤ 0.1]
𝑧1 = 0
𝑧2 = −1
𝑃[−1 ≤ 𝑍 ≤ 0] = 𝑃[𝑍 ≤ 0] − 𝑃[𝑍 ≤ −1] = 0.5 − 0.1587 = 0.3413
Hay una probabilidad de 34.13% de que las piezas defectuosas esten
entre 9% y 10%

b) Menos de 8% de piezas defectuosas

𝑃[𝑝̅ ≤ 0.08]
0.08 − 0.1
𝑍= = −2.0
√ 0.1 ∗ 0.9 √ 5000 − 400
400 5000 − 1
𝑃[𝑍 ≤ −2.0] = 2.28%

c) Por arriba de que valor el porcentaje caerá a 95% de los porcentajes de

la muestra
𝑧 = 0.95
𝑃[𝑍 > 𝑏] = 0.95
1 − 𝑃[𝑍 ≤ 𝑏] = 0.95
𝑃[𝑍 ≤ 𝑏] = 0.05

−1.64 → 0.0495
𝒙 → 0.05
−1.65 → 0.0505

−1.65 − (−1.64) 0.0495 − 0.0505

=
−1.65 − 𝑥 0.0495 − 0.05

𝑥 = 1.645