Tipificación y cálculo probabilístico de la media muestral
Fundamento analítico de la tipificación de la media muestral
Cuando la población original sigue una distribución normal \(N(\mu, \sigma)\) o el tamaño muestral \(n \ge 30\) permite aplicar el Teorema Central del Límite, la media muestral se distribuye según una ley normal:
Para calcular probabilidades utilizando las tablas estándar de la normal reducida \(N(0, 1)\), debemos tipificar la variable media muestral transformándola en la variable tipificada \(Z\):
Esta transformación lineal traslada el centro a cero y mide la distancia respecto a la media poblacional en múltiplos del error estándar.
Reglas de cálculo probabilístico con la normal reducida
1. Cola inferior: La probabilidad de que la media muestral sea menor o igual que un valor crítico \(k\) se obtiene evaluando la función de distribución acumulada \(\Phi\):
2. Cola superior: Se recurre a la propiedad del suceso complementario:
Valores negativos: La simetría de la campana de Gauss garantiza que \(\Phi(-z) = 1 - \Phi(z)\)
4. Intervalos simétricos respecto a la media: La probabilidad de que la media observada difiera de la media real en menos de una tolerancia \(\delta\) es:
Tipificamos la media muestral para calcular la probabilidad de una cola superior en una distribución normal conocida.
El peso de los paquetes expedidos por un centro logístico sigue una distribución normal de media 500 gramos y desviación típica de 60 gramos. Si se extrae una muestra aleatoria de 36 paquetes, calcular la probabilidad de que el peso medio de la muestra sea superior a 515 gramos.
Identificamos los parámetros poblacionales y muestrales:
Calculamos los parámetros de la distribución muestral de medias:
Por tanto,
Tipificamos el valor umbral 515:
Calculamos la probabilidad mediante el suceso complementario:
Consultando la tabla de la normal reducida, \(\Phi(1,5) = 0,9332\):
La probabilidad de que el peso medio de los 36 paquetes supere los 515 gramos es de 0,0668 (el 6,68 por ciento).
Determinamos la probabilidad de que el promedio muestral esté comprendido entre dos cotas cuantitativas.
El tiempo de espera en la caja de un supermercado sigue una distribución de media 12 minutos y desviación típica de 4 minutos. Si se analizan 64 clientes al azar, calcular la probabilidad de que el tiempo medio de espera esté entre 11 y 12,75 minutos.
Comprobamos el Teorema Central del Límite:
Como \(n = 64 \ge 30\), la media muestral es asintóticamente normal:
Tipificamos ambos extremos del intervalo:
Cota inferior:
Cota superior:
Calculamos la probabilidad en la distribución normal estándar:
Por simetría, \(\Phi(-2) = 1 - \Phi(2) = 1 - 0,9772 = 0,0228\):
Existe una probabilidad del 91,04 por ciento de que la espera media de los 64 clientes se sitúe entre 11 y 12,75 minutos.
Calculamos la probabilidad de que la media muestral no se desvíe de la poblacional en más de un error fijado.
En una fábrica de bombillas la vida media es de 10000 horas con desviación típica de 800 horas. Si se ensayan 100 bombillas, calcular la probabilidad de que la media de la muestra difiera de la media real en menos de 100 horas.
Identificamos los datos y el error admisible:
Calculamos el error estándar:
Planteamos la probabilidad del intervalo simétrico:
Evaluamos en la tabla con \(\Phi(1,25) = 0,8944\):
La probabilidad de que la media observada no se desvíe en más de 100 horas respecto al valor nominal es del 78,88 por ciento.
Determinamos el valor umbral en la escala original conocido el nivel de probabilidad acumulado.
El llenado de botellas en una planta envasadora sigue una distribución normal de media 750 mililitros y desviación típica de 15 mililitros. Si se toma una muestra de 25 botellas, hallar el volumen medio por debajo del cual se encontrará solo el 5 por ciento de las muestras.
Identificamos los parámetros y calculamos el error estándar:
Hallamos el valor tipificado correspondiente al percentil del 5 por ciento:
Como \(\Phi(1,645) = 0,95\), tenemos \(z_{0,05} = -1,645\)
Despejamos el valor original \(k\) de la ecuación de tipificación:
El 5 por ciento de las muestras de 25 botellas tendrá un llenado medio inferior a 745,07 mililitros.
Comprobamos analíticamente la reducción de la dispersión de la media muestral al aumentar el tamaño muestral.
Una escala de aptitud tiene media 70 puntos y desviación típica de 12 puntos. Si se evalúa a una muestra de individuos, calcular y comparar la probabilidad de que el promedio muestral supere los 73 puntos para: a) \(n = 16\); b) \(n = 64\)
Calculamos la probabilidad para \(n = 16\):
Calculamos la probabilidad para \(n = 64\):
Al cuadruplicar el tamaño de la muestra de 16 a 64 individuos, el error estándar se reduce a la mitad y la probabilidad de registrar una media anómalamente alta mayor a 73 disminuye drásticamente del 15,87 por ciento al 2,28 por ciento.