SESIÓN 12

Estadística Inferencial
SUMARIO

1. Distribución muestral de la
proporción
2. Intervalo de Confianza para la
proporción.
 LOGRO

Al finalizar la sesión, el estudiante estará en la capacidad de calcular la

probabilidad de ocurrencia de la proporción de una muestra extraída de una
población y podrá hallar el intervalo de confianza para el parámetro de la
proporción poblacional.
DISTRIBUCION MUESTRAL DE LA PROPORCION E INTERVALO DE
CONFIANZA PARA LA PROPORCION
 DISTRIBUCION MUESTRAL
DE LA PROPORCION

Se utiliza la distribución muestral de la proporción cuando queremos saber la

proporción de artículos que cumplen una determinada condición de un total
de artículos de una muestra.

Luego el estadístico utilizado es el de la proporción (p=x/n) en donde "x" es el

número de éxitos y "n" el tamaño de la muestra.
 DISTRIBUCION MUESTRAL
DE LA PROPORCION

Una distribución binomial está estrechamente relacionada con la distribución

muestral de proporciones; pues una población binomial es una colección de
éxitos ó fracasos, mientras que una distribución muestral de proporciones
contiene las proporciones de todos los números posibles de éxitos en un
experimento binomial.
 DISTRIBUCION MUESTRAL
DE LA PROPORCION

Luego las proporciones muestrales pueden evaluarse usando la aproximación

normal a la binomial, siempre que np≥5 y n(1-p)≥ 5.
Cualquier evento se puede convertir en una proporción si se divide el número de
éxitos obtenido entre el número de intentos
 DISTRIBUCION MUESTRAL
DE LA PROPORCION

A. Si n es suficientemente grande, entonces la variable aleatoria p, tiene

distribución aproximadamente normal N(0,1) y se cumple que:
𝑃−π 𝑥−𝑛π X: número de éxitos
Z= π𝑞 = n: tamaño de muestra
√ √𝑛π𝑞
𝑛 π: proporción de población
B. El error estándar de P es
π𝑞
ơ= Donde q=1-π
𝑛
C. Si la población es finita de tamaño N y el muestreo es sin reposición el error
estándar de la proporción muestral es:

π𝑞 𝑁−1
Ơ= .
𝑛 𝑁−𝑛
 DISTRIBUCION MUESTRAL
DE LA PROPORCION

Para calcular la probabilidad, si n es suficientemente grande (n≥30), se

aproxima a una distribución normal, por tanto:

P(p ≤ p1)= dándole la forma llegamos a

𝑐−π
P(Z ≤ π𝑞 )
√
𝑛
 INTERVALO DE CONFIANZA
DE LA PROPORCION

FÓRMULA PARA EL INTERVALO DE CONFIANZA DE LA PROPORCIÓN

pq pq
p - Zα/2 < π < p + Zα/2
n n

Donde:

p+q=1
 EJEMPLO 1

El 10% de las familias que tienen auto en el distrito de Los Olivos son de color rojo.
Si se selecciona una muestra aleatoria de 900 familias. Calcular la probabilidad de
que la proporción muestral de familias con auto de color rojo:

a) Sea mayor a 12%

b) Sea menor a 10.5%
c) Este entre 11% y 13%
 EJEMPLO 1

A. SOLUCION:

DATOS DE POBLACION DATOS DE MUESTRA

Π=0.10 n=900
P=?
a)P(P>0.12)=?
𝑃−π 0.12−0.10
P( π𝑞 > 0,10𝑥0.90 = CONCLUSION: Luego la probabilidad de la
√𝑛 √ 900
0,02 proporción de familias con auto de color rojo
P(Z> 0,09 )
√ 900 sea mayor a 12% será de 2.3%.
P(Z> 2)= 1- P(Z≤2)
= 1- 0.977
= 0.023
 EJEMPLO 1

B. SOLUCION:

DATOS DE POBLACION DATOS DE MUESTRA

Π=0,10 n=900
P=?
a)P(P<0,105)=?
𝑃−π 0.105−0.10
P( π𝑞 < 0,10𝑥0.90 = CONCLUSION: Luego la probabilidad de que la
√𝑛 √ 900
proporción de familias con auto de color rojo sea
0,005
P(Z< 0,09 ) menor a 10.5% será de 69.1%.
√ 900
P(Z< 0.5) = 0.691
 EJEMPLO 1

C. SOLUCION:

DATOS DE POBLACION DATOS DE MUESTRA

Π=0.10 n=900
P=?
a)P(0.11<P<0.13)=?
0.11−0,10 𝑃−π 0.13−0.10
P( 0.10𝑥0.90 < π𝑞 < 0.10𝑥0.90 ) =
√ √ √ CONCLUSION: Luego la probabilidad de que
900 𝑛 900
0,01 0,03 la proporción de familias con auto de color
P( 0.10𝑥0.90 <Z< 0.09 )
√ 900
√ 900 rojo este entre 11 y 23% , será de 15,8%.
P(1<Z< 3)= P(Z<3) - P(Z<1)
= 0.999- 0.841
= 0.158
 EJEMPLO 2

Un proceso productivo tiene el siguiente procedimiento, seleccionar una muestra

de 36 artículos, si el % de artículos en la muestra es p* por ciento ó más, el proceso
debe detenerse en caso contrario debe continuar. Determinar el valor de p* de
modo que haya una probabilidad de 90% de que sea detenido un proceso que esta
produciendo un 10% de piezas defectuosas en promedio.
 EJEMPLO 2
SOLUCION:

DATOS DE POBLACIÓN DATOS DE MUESTRA

Π=0,10 n=36
P*=?
𝑝∗−0.10
a)P(P ≥ p*) = 0.90 -1.28 = 0.10(0.90)
𝑃−π 𝑝∗− π √
P( 𝑝𝑞 ≥ π(1−π))= 0,90 36
√𝑛 √ 𝑛
𝑝∗− π -1.28 x 0.05 = p* - 0.10
P(Z≥ π(1−π) )= 0,90
√ 𝑛 p ∗ −0.10 = −0.064
𝑝∗−0,10
P(Z≥ 0.10(0.90) )= 0,90 p*= 3.6%
√
36
𝑝∗−0,10 CONCLUSION: Luego el % de defectos (p*)
1- P(Z< 0.10(0.90) )= 0,90 donde el proceso debe detenerse con una
√
36
𝑝∗−0,10 probabilidad de 90% será de p*=3.6%
0.10 = P(Z< 0.10(0.90) )= Z = -1.28
√ 36
 EJEMPLO 3

En las elecciones del Colegio de Abogados de Lima, la empresa IPSOS APOYO, para
dar su resultado a boca de urna, utilizó una muestra aleatoria de 600 votantes
después de emitir su voto.
A) Si el sondeo indica que 240 electores votaron a favor del candidato A obtenga el
intervalo de estimación del porcentaje de electores a favor de A en toda la
población con un nivel de confianza de 95%.
B) ¿Cuanto es el error máximo que se comete en la proyección puntual del
parámetro de proporción?
 EJEMPLO 3
SOLUCION:

1) Datos del problema

240
ṗ = = 0,4 𝑛= 600
600
p −π
Estadístico de Contraste a utilizar: Z= pq
n

2) Si el Nivel de confianza es 0,95 entonces 1 – α= 0.95 y α= 0.05

Hallando Zα/2= -1.96 Z1-α/2= 1.96
3) Los limites de Confianza del Intervalo están dados por:
𝑝𝑞 𝑝𝑞
p − zα/2 x ≤ 𝜋 ≤ p + z1-α/2 x
𝑛 𝑛
0.4𝑥0.6 0.4𝑥0.6
0.4 − 1.96 x ≤ 𝜋 ≤ 0.4 + 1.96 x
600 600
 EJEMPLO 3

SOLUCION:

Reemplazando datos tenemos:

0.4𝑥0.6 0.4𝑥0.6
0.4 − 1.96 x ≤ πA ≤ 0.4 + 1,96 x
600 600

0.4 − 1.96 x 0.02 ≤ π A ≤ 0,4 + 1.96 x 0.02

0.4 − 0.0392 ≤ πA ≤ 0.4 + 0.0392

0.3608 ≤ πA ≤ 0.4392

B) Luego tenemos que el error de estimación del parámetro p no es mayor que

0.0392 (máximo error)
e=p–π≤
 EJEMPLO 4

Si la misma muestra revela que el competidor B obtendría con una confianza del
95%, un 36% de votación con un error de estimación de +/- 4%. ¿ Se puede
proclamar al candidato A como ganador absoluto de las elecciones?
 EJEMPLO 4

SOLUCION:

B) Para el caso del candidato B tenemos, que el error de estimación sería +/- 4%
Luego su intervalo estaría dado por:
0.36 − 0.04 ≤ PB ≤ 0.36 + 0.04
0.32 ≤ PB ≤ 0.40 Para el candidato B

0.36 ≤ PB ≤ 0.44 Para el candidato A

En este caso como la diferencia entre los dos candidatos es 4%, inferior al nivel de
error aceptado (α = 5%), decimos que hay un empate técnico, y esto lo podemos
verificar con la intersección de los intervalos de confianza de ambos candidatos
que realmente se están peleando los votos.
 TRABAJO GRUPAL

SE FORMARÁN GRUPOS DE 5 ALUMNOS

ES FUNDAMENTAL QUE TODOS PARTICIPEN

EN LAS DELIBERACIONES, EXPONIENDO SUS
PUNTOS DEL VISTA. EVITANDO QUE ALGÚIEN
SE ADJUDIQUE UN PROTAGONISMO
DESMEDIDO, O TOME UNILATERALMENTE
DECISIONES QUE AFECTAN A TODOS.
EJERCICIO 1: De los 629 automóviles importados por IZA MOTOR, el año pasado,
117 fueron de la marca HYUNDAY. Si para este año se toma una muestra aleatoria
simple de 300 automóviles. Cuál es la probabilidad de que cuando menos 15% de
los automóviles de esta muestra sean Hyunday?
EJERCICIO 2: La asociación de Bancos, indica que el índice de morosidad el 2015
fue de 2%, este año 2016 un auditor de carteras de clientes del Banco Scotiabank,
revisa semanalmente las cuentas de los clientes para enviar las notificaciones de
alerta y efectivizar las cobranzas.
a. Calcule la probabilidad de que en una cartera de 300 clientes, el índice de
morosidad sea de 4%.
EJERCICIO 3: En una muestra aleatoria de 400 familias del Distrito de San Martin
de Porres se observó que 80 de ellas tenían mas de 01 televisor. Obténgase un
intervalo de confianza al 98% para estimar la proporción de familias que poseen
más de un televisor.
EJERCICIO 4: El departamento medico de la UTP desea saber la proporción de
estudiantes que usan algún tipo de lentes. Para ello escogió una muestra de 400
estudiantes encontrando que 280 de ellos usan algún tipo de lente. Estimar la
proporción de la población total que usa algún tipo de lentes, utilizar un intervalo
de confianza de 95%?
o LEVIN, Richard y David Rubin (2010) Estadística para Administración y
Economía. 7ª ed. Pearson. México. Cap. 1: Introducción. 1 - 5 págs.
o LIND, Douglas; William Marchal y Robert Mason (2004) Estadística para
Administración y Economía. 11ª ed. Alfaomega. México. Cap. 1: ¿Qué es la
estadística?. 1 – 20 págs.
o WEIERS, Ronald (2006). Introducción a la Estadística para Negocios. 5ta ed.
Cengage Learning. México. Cap. 1: Un avance de la estadística para los
negocios. 1 - 16 págs.
1. ¿Qué significa la distribución muestral de la
proporción?
2. ¿Existe diferencia entre el cálculo de
probabilidad de la proporción muestral para
población infinita y finita?
3. ¿Qué es el error estándar?