“UNIVERSIDAD CATÓLICA LOS ANGELES

DE CHIMBOTE”
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

CURSO: Estadística Aplicada

TEMA: Actividad 09

CICLO: III

DOCENTE: M.Sc. Jorge Luis Llanos Tiznado

Estudiante: Prudencio Quiñones Julino Leonel

 HUARAZ-PERÚ
2019

INTERVALOS DE CONFIANZA PARA LA PROPORCION POBLACIONAL

INTRODUCCION
Muchas veces las decisiones dependen de parámetros que son binarios,
parámetros con solo dos posibles categorías dentro de las cuales pueden
clasificarse las respuestas. En este caso el parámetro de interés es la proporción
poblacional o porcentaje de la población que cumple cierta característica. Por
ejemplo, una empresa distribuidora de computadoras puede estar interesada en
estimar el porcentaje de clientes que pagan al crédito. Una empresa productora
de software informáticos puede estar interesa en estimar el porcentaje software
defectuosos, o que porcentaje de clientes compran softwares estadísticos.

Donde:

P: Proporción poblacional de éxitos o proporción de elementos de la población que

tienen cierta característica.

X Número de elementos de la población que tienen cierta caracteristica

P 
N Número de elementos de la población

Q: Proporción poblacional de fracasos o proporción de elementos de

la población que no tienen cierta características.

Q  X  Número de elementos de la población que no tienen cierta caracteristica

'

N Número de elementos de la población

Además:

P  Q  1 entonces Q1P
Generalmente la proporción poblacional se desconoce y tiene que ser estimado a
través de la proporción muestral. Entonces:
 p:Proporción muestral de éxitos o proporción de elementos de la muestra que
tienen cierta característica.

p  x  Número de elementos de la muestra que tienen cierta característica

n Número de elementos de la muestra

q:Proporción muestral de fracasos o proporción de elementos de la muestra que

no tienen cierta característica.

q  x  Número de elementos de la muestra que no tienen cierta característica

'

n Número de elementos de la muestra

Además:

p  q 1 entonces q  1 p

Es el rango dentro del cual se encuentra la proporción poblacional con un nivel de

confianza dado.

PL  P  L   1  | 2





1 - 
α /2 α /2

L1 P L2
Para hallar los intervalos de confianza para la proporción poblacional usaremos la
estadística Z para muestras grandes (n  30). Entonces los límites de confianza
serán:

pq
L1  p  Z0  s p  p  Z0 
n

pq
L 2  p  Z0  s p  p  Zo 
n

ERROR ESTÁNDAR DE LA PROPORCIÓN

Si el tamaño de la muestra es suficientemente grande (n  30). Si el muestreo es
con o sin sustitución en una población infinita (o con sustitución en una población
finita de tamaño N), el error estándar es:

P  (1  P)
 p  que se estima por:
n

p (1 p)
s p 
n

 Si el muestreo es sin sustitución en una población finita de tamaño N el error

estándar para la proporción poblacional esta dado por:

 P  P  Qque Nn
 se estima por
n N 1

s p  pq Nn

n N 1

Donde:

Nn
es el factor de corrección para población finita.
N1
 1. En una población, nadie es indiferente respecto a una iniciativa propuesta
por el alcalde: cada habitante adulto o bien está a favor, o bien en contra
de la iniciativa. Se desea conocer el porcentaje P de las personas que están
en contra. Entre 50 habitantes adultos elegidos al azar, 15 afirmaron que
estaban en contra (y los 35 restantes a favor). Hallar el intervalo de
confianza al 95% para la proporción real de personas que estan en favor de
la iniciativa propuesta por el alcalde.

Solución:
 Se desea estimar la proporción real de personas a favor de la iniciativa propuesta
por el alcalde.
 Observamos que la proporción muestral de personas a favor de la iniciativa
propuesta por el alcalde es:
35
p  0.7  q  0.3
50
 Para un nivel de confianza del 99% el valor de Z0 = 1.96
 El error estándar de la proporción muestral es:

pq 0.7  0.3

sp    0.06
n 50

 Los límites de confianza para P son:

L  p Z  pq  0.3 1.96  0.06  0.3  0.12  0.18
1 0
n

p q
L2  p  Z0   0.3 1.96  0.06  0.3  0.12  0.42
n
 Interpretación: Se tiene una confianza del 95% que el porcentaje de
personas que están a favor de la iniciativa de la propuesta por el alcalde
varia entre el 18% y 42%.
2. Se desea conocer la opinión de los alumnos de la Uladech en relación con la
aceptación o no de la pena de muerte para los terroristas en el Perú. Para
ello se ha tomado una muestra aleatoria simple de tamaño 500. Si las
respuestas afirmativas han sido 100, encontrar un intervalo de confianza
aproximado del 95%.
Solución:
 Se desea estimar la proporción de alumnos de la Uladech que están de acuerdo
con la pena de muerte para los terroristas en el Perú.
 Observamos también que la proporción muestral de personas que están a favor
de la pena de muerte es:

x 100
p   0.20  q  0.80 .
n 500

 Para un nivel de confianza del 95% el valor de Z0 = 1.96.

 El error estándar de la proporción muestral es:

pq 0.20  0.80

sp  

n 500

sp  0.02

 Los límites de confianza para P son:

pq
L1  p  Z0   0.20 1.96  0.02  0.16
n 
p q
 0.20 1.96  0.02  0.24
n
L 2  p  Z0 
 Interpretación: Se tiene una confianza del 95% que el porcentaje de
estudiantes de la Uladech que afirman estar de acuerdo con la pena de
muerte varía entre el 16% y 24%.
3. Se desea estimar el porcentaje de aprobados de un curso de Auditoria de
una población de 500 alumnos. Para este fin, se usó una muestra de 35
alumnos que reveló un 80% de aprobados. Estime la verdadera proporción
de aprobados del curso completo dentro de una confiabilidad del 99%.
Solución:
 Se desea estimar la proporción de aprobafdos en el curso de Auditoria
 Observamos que N = 500 y n = 35
 Observamos también que la proporción muestral de alumnos aprobados en la
asignatura de Auditoria está dada por:
p  0.8 .
 Para un nivel de confianza del 99% el valor de Zo=2.576.
 El error estándar de la proporción muestral es:

sp  pq Nn

n N 1

 0.80 0.20 500  35
sp  

500 500 1

sp  0.07

 Los límites de confianza para P son:

L1  p  Z0 sp  0.8  2.576  0.07  0.8  0.18  0.62
L2  p  Z0 sp  0.8  2.576  0.07  0.8  018  0.98

 Se tiene una confianza del 99% que el porcentaje de alumnos aprobados en el

curso de Auditoria vaia entre el 62% y 98%.

4. Uno de los líderes de un colectivo laboral desea plantear una cuestión a todos los
miembros del grupo. Si más de la mitad respondieran NO entonces preferiría no
plantearla para no minar su prestigio. Para salir de dudas, elige aleatoriamente a 100
trabajadores a los que hace la pregunta y sólo 30 responden NO. ¿Entre qué límites se
hallará la verdadera proporción al nivel del 95%?
 Como el tamaño muestral es grande, podemos aplicar el teorema central del límite.

Tenemos 1   0 ' 95 1   0 ' 975  z  1' 96
2 

Sustituyendo los valores en el intervalo correspndiente:

 0 ' 3 0' 7 0 ' 3 0 ' 7 

0 ' 3 1' 96 , 0 ' 3 1' 96  0 ' 2102 , 0 ' 3898 
 100 100 

Por tanto, la verdadera proporción está en el intervalo 0' 2102 , 0 ' 3898 con un nivel
de confianza del 95%.

5. Dos universidades públicas tienen dos métodos distintos para inscribir a sus alumnos.
Los dos desean comprobar el tiempo promedio que toma la inscripción de los alumnos.
En cada universidad se tomaron los tiempos de inscripción de 31 alumnos tomados al
azar. Las medias y desviaciones típicas muestrales fueron: x 20 ' 3, s 2' 5,
y  23 , s  3. Si se supone que el muestreo se llevó a cabo en dos poblaciones
normales e independientes, obtener los intervalos de confianza al nivel de riesgo 0'05
para la diferencia entre las medias del tiempo de inscripción para las dos
universidades,

a) suponiendo que las varianzas poblacionales son   9 ,  10 .

b) suponiendo que las varianzas poblacionales son desconocidas pero iguales.


Para el apartado a   0 05  1    0 ' 95  1   0 ' 975  z  1' 96
2 

Sustituyendo los valores en el intervalo obtenemos:

 9 10 9 10 
   20 ' 3 23 1' 96  , 20' 3  23 1' 96   

 31 31 31 31 


 2' 7 1' 53, 2 ' 7 1' 53 4 ' 23 , 1' 17 

Para el apartado b, buscamos en la tabla de la t de Student t  
2 .

Sustituyendo los valores en el intervalo obtenemos:

         
     
     

     

    
  
 BIBLIOGRAFÍA
1. Hibbeler,R.C. (2010). Ingeniería Mecánica-Estática. Pearson Education. ISBN:978-607-
442-561-1.

2. Beer & Jonsthon (2007). Mecánica Vectorial para Ingenieros. Estática. Mc Graw Hill
 BUSCADORES ACADÉMICOS
BUSCADORES ACADÉMICOS

Google académico

Microsoft Academic

La referencia

Dialnet

Redalyc

SciElo

Base

REDIB

ERIC

Biology Browser

Ciencia.sciencia

Latindex