Ao de la Integracin Nacional y el Reconocimiento de Nuestra Diversidad

El Teorema del lmite central nos dice que el tamao de la muestra es lo suficientemente grande. El cual implica dos distribuciones diferentes (la distribucin de la poblacin original, y la distribucin de las medias mustrales). La distribucin de las medias mustrales se puede aproximar por medio de una distribucin normal aun cuando la poblacin original no este distribuida de forma normal. Este Teorema nos permite usar estadsticas obtenidas de una muestra para comenzar a hacer inferencias sobre los parmetros de la poblacin, pero sin saber sobre la distribucin de frecuencias de esa poblacin. Tambin demuestra que la distribucin de las medias muestrales, tiende a tener una distribucin normal.

Se aplica a la suma de variables discretas y continuas. Si se seleccionan muestras aleatorias de n observaciones de una poblacin con media y desviacin estndar , entonces, cuando n es grande, la distribucin muestral de medias tendr aproximadamente una distribucin normal con una media igual a y una desviacin estndar de

La aproximacin ser cada vez ms exacta a medida de que n sea cada vez mayor. Ejemplo: La variable es tirar una moneda al aire. Si se lanza una moneda al aire 45 veces, la suma de estas 45 variables (cada una diferente de la otra) se distribuyen segn una distribucin normal.

Para el desarrollo de este tema, utilizaremos los smbolos: y para denotar la media y desviacin estndar de la poblacin original, pero ahora necesitamos nuevas nociones para la media y desviacin estndar dela de distribucin de las medidas mustrales. = ; =

Sea X una variable aleatoria que e n a distribucin con media y variancia . Si de esta distribucin se extraen muestras aleatorias de tamao n y para cada muestra se encuentra su promedio:

Luego, a medida que el tamao de muestra n tiende a infinito (n30), la distribucin de los promedios mustrales se aproxima cada vez ms a una distribucin normal con media y varianza , . n 30 )/ aprox. N (0,1)

Si X ? ( aprox. N ( ,

Del mismo modo que lo expresado anteriormente, por la aplicacin del proceso de estandarizacin se tiene que la variable Y tendr una distribucin aproximadamente normal estndar con media 0 y varianza 1.

Ejercicio: En una muestra de 25 observaciones a partir de una distribucin normal con media 98.6 y desviacin estndar 17.2: 1) Cunto vale P(92< x > 102)? 2) Encuentre la Probabilidad Correspondiente dada la muestra de 36.

Resolucin: 1) n=25 =98.6 = 17.2

x =

= 3.44 )

P ( 92<x<102)= P(

= P ( -192 < z < 0.99)= 0.4726 + 0.3389= 0.8115

2) n= 36

x=

= 2.87

P (92<X<102) = P = P (-2.30<z<1.18) = 0.4893+0.3810=0.8703

Para un mercado de prueba, encuentre el tamao de la muestra requerido para estimar la proporcin verdadera de consumidores satisfechos con cierto producto dentro de 0.04 en un nivel de confianza del 90%. Suponga que no se tiene una idea buena acerca de cul es la proporcin. Solucin:
Suponga que p=q=0.5 As:

)2 = 420.25 es decir, n421.

Un curso de lectura rpida garantiza cierto aumento en la velocidad de lectura en 2 das. El profesor sabe que algunas personas no podrn lograr este incremento de manera que antes de establecer el porcentaje garantizado de personas que lograrn el incremento en la velocidad de lectura, debe tenr una confianza del 98% de que el porcentaje se ha estimado dentro de 5% del valor verdadero. Cul es el tamao de muestra ms conservador necesario en este problema? Solucin:
Suponga que p=q=0.5

=542.89 es decir, n 543.

Suponga que una empresa produce bolsas de azcar con una media de 950 gramos y una varianza de 1600 gr2. Si se eligen al azar y con reemplazo de 36 bolsas: hallar la probabilidad de que el promedio muestral sea de 965 gramos. Solucin: Sea x el peso de las bolsas (gramos). Como