TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE AGUASCALIENTES

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

ACTIVIDAD 2 U1 20%

Maestro: M.C. José Armando Rodríguez Romo

Equipo: 1
Avila Medina Alexis Jesus
Barrios Bernal Abner Hernan
Calzada Urzua Bryan Jesus
Calzada Zuñiga Nicolas
Gonzales Garcia Andrea Yoel

Aguascalientes, Ags., agosto de 2022

Estadística Inferencial I ___________________________________________________________________________

1.1. Un distribuidor de comestibles al mayoreo en una gran ciudad desea saber si la

demanda es lo bastante grande como para justificar la inclusión de un nuevo producto.
Para tomar la decisión, planea añadir este producto a una muestra de los almacenes
a los que abastece, para así poder estimar el promedio de ventas mensuales. El
distribuye a tres cadenas comerciales y a almacenes independientes de tamaño
mediano. La cadena A tiene 11 almacenes, la B 15, la C 16 y los almacenes
independientes son 18. Sólo tiene recursos para muestrear 12 almacenes. ¿Cuáles
seleccionaría?
Tomando una muestra aleatoria, sumamos: A+B+C+Independientes
11+15+16+18= 60
Para A: 11/60*100= 18% 2 de A
Para B: 15/60*100= 25% 3 de B
Para C: 16/60*100= 27% 3 de C
Independientes: 18/60*100= 30% 4 de independientes en total 12
1.2. En una fábrica se desea seleccionar una muestra aleatoria de los expedientes de los
clientes para verificar que estén perfectamente documentados y actualizados, con
catálogos detallados de los productos que se les entregan, datos de facturación,
quejas, etc. Se tienen aproximadamente 200 clientes; cada expediente tiene asignado
un número de acuerdo con su antigüedad.
a) ¿Qué procedimiento de muestreo se debe utilizar y por qué?
En este caso utilizaría el método al Azar porque el ejercicio dice que cada
expediente tiene asignado un número de acuerdo con su antigüedad. Esto no
conlleva a asignarle un número a cada expediente desde el 001 hasta el 200 y la
muestra aleatoria que tomaríamos seria al azar simple.
b) Aplicando el método que propuso tome una muestra aleatoria de 20 clientes.
Ejemplo: 001, 002, 005, 008, 010, 015, 019, 022, 035, 063, 087, 096, 128,145, 165,
173, 184, 192, 195, 200.

2
1.3. Se tienen 3200 piezas de un proveedor, divididas en cuatro lotes iguales; en cada
lote las piezas están numeradas del 1 al 800. Se desea evaluar la calidad de las piezas
y para ello se tomará una muestra de 60 piezas. ¿Qué procedimiento de muestreo se
debe utilizar y por qué? Aplicando el método que propuso tome una muestra aleatoria
de 60 piezas
Muestreo estratificado porque estamos evaluando la calidad de las piezas en un
lote de gran cantidad.
Ni=800
Ni=15
K=800/15-53=.33
#ran=35
35, 35+53, 35+2(53)…..,35+n(53)

3
Estadística Inferencial I ___________________________________________________________________________

1.4 El ancho del marco de una puerta tiene una distribución normal con una media de 24
pulgadas y una desviación estándar de 1/8 de pulgada. El ancho de la puerta tiene
una distribución normal con una media de 23 7⁄8 pulgadas y una desviación estándar
de 1/16 de pulgada. Suponiendo independencia, determine
a) La media y la desviación estándar de la diferencia entre el ancho del marco y el de
la puerta.
b) La probabilidad de que la diferencia entre el ancho del marco y el de la puerta sea
mayor de ¼ de pulgada,
c) La probabilidad de que la puerta no quepa en el marco.

X= Ancho del marco de la puerta en pulgadas

Y= Ancho de la puerta
𝟐 𝟐
Entonces 𝒙~𝒏 (𝟐𝟒, (𝟏⁄𝟖) ) ; 𝒚~ (𝒏 𝟐𝟑. 𝟖𝟕𝟓; (𝟏⁄𝟏𝟔) ) , 𝒙𝟐 𝒚
a) Distribución x-y 𝑬(𝒙 − 𝒚), 𝝈 𝒙 − 𝒚 = √𝒗(𝒙 − 𝒚)
𝑬(𝒙 − 𝒚) = 𝑬(𝒙) = 𝟐𝟒 − 𝟐𝟑. 𝟖𝟕𝟓 = 𝟎. 𝟏𝟐𝟓
𝟐 𝟓 √𝟓
𝑽(𝒙 − 𝒚) = 𝒗(𝒙) + 𝒗(𝒚) = (𝟏⁄𝟖) + (𝟏⁄𝟏𝟔)𝟐 = ∴ 𝝈𝒙 − 𝒚 =
𝟐𝟓𝟔 𝟏𝟔
𝟐
√𝟓
Por lo tanto 𝒙 − 𝒚~𝒏 [𝟎. 𝟏𝟐𝟓, (𝟏𝟔) ]

b) Se pide la probabilidad 𝑷(𝒙 − 𝒚) > 𝟏/𝟒

𝟏 . 𝟐𝟓−. 𝟏𝟐𝟓 𝟐√𝟓

𝑷(𝒙 − 𝒚) > = 𝟏 − 𝟎[ ] = 𝟏− 𝟎[ ] = 𝟏 − 𝟎(𝟎. 𝟖𝟗𝟒𝟒) = 𝟏 − 𝟎. 𝟖𝟏𝟐𝟑
𝟒 √𝟓 𝟓
𝟏𝟔
= 𝟎. 𝟏𝟖𝟔𝟕
c) Si {𝒙 − 𝒚 < 𝟎}

𝟎 − 𝟎. 𝟏𝟐𝟓 −𝟐√𝟓 𝟐√𝟓

𝑷(𝒙 − 𝒚 < 𝟎) = 𝟎 [ ] = 𝟎[ ] = 𝟏 − 𝟎[ ] = 𝟎. 𝟏𝟖𝟔𝟕
√𝟓 𝟓 𝟓
𝟏𝟔

4
1.5 Un componente en forma de U está formado por tres
piezas, A, B y C. La figura 1.2 ilustra el componente. La
longitud de A tiene una distribución normal con una
media de 10 mm y una desviación estándar de 0.1 mm.
El espesor de las piezas B y C está distribuido
normalmente con una media de 2 mm y una desviación
estándar de 0.05 mm. Suponga que todas las
dimensiones son
independientes, determine Figura 1.2
a) La media y la desviación estándar de la longitud del
hueco D.
𝑴 = 𝟏𝟎 − 𝟒 = 𝟔
𝝈 = 𝟎. 𝟏 + 𝟎. 𝟎𝟓 + 𝟎. 𝟎𝟓 = 𝟎. 𝟐
b) La probabilidad de que el hueco D sea menor de 5.9 mm.
𝟓. 𝟗 − 𝟔
𝑷(𝟎 < 𝟓. 𝟗) = = −𝟎. 𝟓 = 𝟎. 𝟑𝟎𝟖𝟓 = 𝟑𝟎. 𝟖𝟓%
.𝟐

1.6 El llenado de las latas de una bebida suave lo hace una máquina de llenado
automática, con una desviación estándar de 0.5 onzas de líquido. Suponga que los
volúmenes con que se llenan las latas son variables aleatorias normales
independientes.
a) ¿Cuál es la desviación estándar del volumen de llenado promedio de 100 latas?
b) Si el volumen de llenado promedio es de 12.1 onzas, ¿cuál es la probabilidad de
que el volumen de llenado promedio de 100 latas sea menor que 12 onzas de
líquido?
c) ¿Cuál debe ser el valor del volumen de llenado promedio para que la probabilidad
sea 0.005 de que el promedio sea menor que 12 onzas?
H: ̅ = 𝟏𝟐. 𝟏
𝒙
σ: 0.5 onzas s= 0.5
M: 100 latas n= 100

12 − 12.1 −.1
𝜎 = 𝑝(𝑦 < 12) = 𝑍 = [ ]= = −.2 = .5793
.5 .5

57.93%

5
Estadística Inferencial I ___________________________________________________________________________

1.7 Las estaturas de 1000 estudiantes están distribuidas aproximadamente de forma

normal con una media de 175.5 cm y una desviación estándar de 6.9 cm. Si se extraen
200 muestras aleatorias de tamaño 25 de esta población y las medias se registran al
décimo de cm más cercano, determine el número de medias muestrales que caen
̅ ≤ 𝟏𝟕𝟓. 𝟖) = 𝟎. 𝟕𝟔𝟎𝟕
a) entre 172.5 y 175.8 cm inclusive; 𝒑(𝟏𝟕𝟐. 𝟓 ≤ 𝒙
(𝟎. 𝟕𝟔𝟎𝟕)(𝟐𝟎𝟎) = 𝟏𝟓𝟐 𝒎𝒆𝒅𝒊𝒂𝒔 𝒎𝒆𝒔𝒕𝒓𝒂𝒍𝒆𝒔

b) por debajo de 172.0 cm

𝟏𝟕𝟐 − 𝟏𝟕𝟓. 𝟓
𝒁= = −𝟐. 𝟓𝟕
𝟏. 𝟑𝟔
̅ ≤ 𝟏𝟕𝟐) = 𝟎. 𝟎𝟎𝟑𝟑𝟔
𝒑(𝒙
(𝟎. 𝟎𝟎𝟑𝟑𝟔)(𝟐𝟎𝟎) = 𝟕 𝒎𝒆𝒅𝒊𝒂𝒔 𝒎𝒆𝒔𝒕𝒓𝒂𝒍𝒆𝒔

6
1.8 Si cierta máquina fabrica resistores eléctricos que tienen una resistencia media de 40
ohm y una desviación estándar de 2 ohm, ¿cuál es la probabilidad de que una muestra
aleatoria de 36 de estos resistores tenga una resistencia combinada de más de 1458
ohm?
𝑋−𝑀 43−40
M=40 𝑍= = = 1.5
𝜎 2
σ=2
X= 43 𝑃( 1.5) = 0.5 − 0.4332 = 0.0668
𝑃 = 0.0668 = 6.68%

El 6.68% de las resistencias excederá de 43 ohm.

1.9 La vida media de una máquina para hacer pasta es de 7 años con una desviación
estándar de 1 año. Suponga que las vidas de estas máquinas siguen
aproximadamente una distribución normal, encuentre
X= Vida útil de una máquina de hacer pasta (en años).
𝑴𝒙̅ = 7 años
𝝈𝒙 = 𝟏 𝒂ñ𝒐
N= 9 maquinas
𝑥̅ ~𝑁(𝑀𝑥̅ ; 𝜎𝑥̅ ) → 𝑀𝑥̅ = 𝑀𝑥 = 7 (𝑎ñ𝑜𝑠)
𝜎𝑥 1 1
𝜎𝑥̅ = = = (𝑎ñ𝑜𝑠)
√𝑛 √9 3

a) la probabilidad de que la vida media de una muestra aleatoria de 9 de estas

máquinas caiga entre 6.4 y 7.2 años;
̅ ≤ 𝟕. 𝟐)
𝒑(𝟔. 𝟒 ≤ 𝒙
6.4 − 7 𝑥̅ − 𝑀𝑥 7.2 − 7
[ ≤ 𝜎 ≤ ]
1⁄ 𝑥
⁄ 1⁄
3 √𝑛 3

𝒑(−𝟏. 𝟖 ≤ 𝒛 ≤ 𝟎. 𝟔)
𝒑(𝒛 ≤ 𝟎. 𝟔) − 𝒑(𝒛 ≤ −𝟏. 𝟖) = 𝑨𝒑𝒍𝒊𝒄𝒂𝒏𝒅𝒐 𝒕𝒂𝒃𝒍𝒂 𝑨. 𝟑 = 𝟎. 𝟕𝟐𝟓𝟕 − 𝟎. 𝟎𝟑𝟓𝟗
=
0.6898
= 68.98%

La probabilidad para que la media de una muestra de 9 de esas máquinas

caiga entre 6.4 años y 7.2 años es del 68.98%

7
Estadística Inferencial I ___________________________________________________________________________

b) el valor de 𝑥̄ a la derecha del cual caería el 15% de las medias calculadas de

muestras aleatorias de tamaño 9.
Un valor de 𝑥̅ que deje a su derecha un área de 15% y por lo tanto un área de 85%
a su izquierda.
Solución:
𝑀𝑥 = 7 𝑎ñ𝑜𝑠 𝑦 ∝ = 1 − 0.15 = 0.85
𝑥̅ − 7
𝑍0.85 = 1.04 → 𝑍0.85 = = [(1.04) 1⁄3] + 7 = 𝑥̅ = 7.346667 𝑎ñ𝑜𝑠
1⁄
3
c) =7.35 años.

1.10 El tiempo que el cajero de un banco con servicio en el automóvil atiende a un

cliente es una variable aleatoria con una media, 𝜇 = 3.2 minutos y una desviación
estándar, 𝜎 = 1.6 minutos. Si se observa una muestra aleatoria de 64 clientes,
encuentre la probabilidad de que su tiempo medio sea
a) a lo más de 2.7 minutos
b) más de 3.5 minutos
c) más de 3.2 min, pero menos de 3.4 min.
𝒙 = 𝒕𝒊𝒆𝒎𝒑𝒐 𝒒𝒖𝒆 𝒖𝒏 𝒄𝒂𝒋𝒆𝒓𝒐 𝒂𝒕𝒊𝒆𝒏𝒅𝒆 𝒂 𝒖𝒏 𝒄𝒍𝒊𝒆𝒏𝒕𝒆 𝒆𝒏 𝒎𝒊𝒏𝒖𝒕𝒐𝒔.
𝒎 = 𝟑. 𝟐 𝒎𝒊𝒏𝒖𝒕𝒐𝒔
𝝈 = 𝟏. 𝟔 𝒎𝒊𝒏𝒖𝒕𝒐𝒔
𝒏 = 𝟔𝟒 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
𝝈𝟐 𝟏. 𝟔 𝟏. 𝟔
𝝈= = =
√𝟐 √𝟔𝟒 𝟖

𝟐. 𝟕 − 𝟑. 𝟐
( ) 𝒑 = ( 𝒛 < −𝟐. 𝟓) = 𝟎. 𝟎𝟎𝟔𝟐 = 𝟎. 𝟔𝟐%
𝟏. 𝟔⁄𝟖

El tiempo promedio de los clientes con el cajero es de 0.62%

𝟑. 𝟓 − 𝟑. 𝟐
( ) = 𝑷 ( 𝒁 > 𝟏. 𝟓) = 𝟏 − 𝑷 (𝒁 < . 𝟓) = 𝟏 − 𝟎. 𝟗𝟑𝟑𝟐 = 𝟎. 𝟎𝟔𝟔𝟖 = 𝟔. 𝟔𝟖%
𝟏. 𝟔⁄
√𝟔𝟒
La probabilidad de que el tiempo promedio de los clientes con el cajero sea es
de 6.68%

8
1.11 Dada una muestra aleatoria de tamaño 24 de una distribución normal, con 
desconocida, encuentre k tal que
a) 𝑷(−𝟐. 𝟎𝟕 < 𝑻 < 𝒌) = 𝟎. 𝟗𝟔𝟓
b) 𝑷(𝒌 < 𝑻 < 𝟐. 𝟖𝟏) = 𝟎. 𝟎𝟗𝟓
c) 𝑷(−𝒌 < 𝑻 < 𝒌) = 𝟎. 𝟗𝟎

𝒂) 𝟗𝟔𝟓 𝟎𝒌𝑻 𝟎𝟕 𝟐𝑷
𝒃) 𝟎𝟗𝟓 𝟎𝟖𝟏𝟐𝑻 𝒌 𝑷
𝒄) 𝟗𝟎 𝟎𝒌𝑻 𝑷
1.12 Una empresa manufacturera afirma que las baterías que utiliza en sus juegos
electrónicos duran un promedio de 30 horas. Para mantener este promedio, se
prueban 16 baterías cada mes. Si el valor de t que se calcula cae entre −𝑡0.025 y 𝑡0.025 ,
la empresa queda satisfecha con su afirmación. ¿Qué conclusiones extraería la
empresa de una muestra que tiene una media 𝑥̄ = 27.5 hr y una desviación estándar
de 𝑠 = 5 hr? Suponga que la distribución de duraciones de las baterías es
aproximadamente normal.

Datos:
𝐏 = 𝐁𝐚𝐭𝐞𝐫𝐢𝐚𝐬 𝐝𝐞 𝐣𝐮𝐞𝐠𝐨𝐬 𝐞𝐥𝐞𝐜𝐭𝐫𝐨𝐧𝐢𝐜𝐨𝐬

𝐱 = 𝐑𝐞𝐧𝐝𝐢𝐦𝐢𝐞𝐧𝐭𝐨 𝐞𝐧 𝐡𝐨𝐫𝐚𝐬 𝐝𝐞 𝐮𝐧𝐚 𝐛𝐚𝐭𝐞𝐫𝐢𝐚

𝐧 = 𝟏𝟔 𝐛𝐚𝐭𝐞𝐫𝐢𝐚𝐬

𝐱̅ = 𝟐𝟕. 𝟓 𝐡𝐨𝐫𝐚𝐬

𝐬 = 𝟓 𝐡𝐨𝐫𝐚𝐬
𝐭 = 𝟎. 𝟎𝟐𝟓 = 𝟐. 𝟏𝟑𝟏
= 𝐏𝐚𝐫𝐚 𝟏𝟓 𝐠𝐫𝐚𝐝𝐨𝐬 𝐝𝐞 𝐥𝐢𝐛𝐞𝐫𝐭𝐚𝐝 𝟏𝟔 𝐛𝐚𝐭𝐞𝐫𝐢𝐚𝐬 𝐫𝐢𝐧𝐝𝐞 𝐮𝐧 𝐯𝐚𝐥𝐨𝐫 𝐭 𝐭𝐢𝐞𝐧𝐞 𝐞𝐧𝐭𝐫𝐞
− 𝟐, 𝟏𝟑𝟏 𝐲 𝟐. 𝟏𝟑𝟏

𝟐𝟕. 𝟓 − 𝟑𝟎
𝐓= = −𝟐
𝟓⁄
√𝟏𝟔

El valor hallado de t si pertenece al intervalo establecido, entonces se afirma

que sus baterías promedian las 30 horas de duración.

9
Estadística Inferencial I ___________________________________________________________________________

1.13 Una población normal con varianza desconocida tiene una media de 20. ¿Se tiene
posibilidad de obtener una muestra aleatoria de tamaño 9 de esta población con una
desviación estándar de 4? si no, ¿qué conclusión sacaría? Un fabricante de cierta
marca de barras de cereal bajo en grasa afirma que su contenido promedio de grasa
saturada es 0.5 gramos. En una muestra aleatoria de 8 barras de cereal de esta marca
el contenido de grasa saturada fue 0.6, 0.7, 0.7, 0.3, 0.4, 0.5, 0.4 y 0.2. ¿Estaría de
acuerdo con esta afirmación?
Datos:
𝐌𝐞𝐝𝐢𝐚 𝐩𝐨𝐛𝐥𝐚𝐜𝐢𝐨𝐧𝐚𝐥 = 𝟓𝟎
𝐧=𝟗
𝐬=𝟒

= Si ya que se tiene la posibilidad de obtener una muestra de tamaño 9.

10
1.14 A y B fabrican dos tipos de cables cuyas resistencias promedio al rompimiento
es de 4000 y 5000 libras con desviaciones estándar de 300 y 200 lb, respectivamente.
Si se prueban 100 cables de la marca A y 50 cables de la marca B, ¿cuál es la
probabilidad de la resistencia promedio al rompimiento de B sea a) al menos 600 lb
mayor que la de A, b) al menos 450 lb mayor que la de A?
A y B fabrican dos tipos de cables:
Media: Desviación estándar: Muestra:
Tipo A 4000 300 100
Tipo B 4500 200 50
a) al menos 600 libras más que A:
Media de A = 4000+600
P(x≤4600) =
Tipificamos Z para B:
Z =(x-μ) /σ
Z = (4600-4500) /200
Z = 0,5 Valor que ubicamos en la tabla de distribución normal y obtenemos
P(x≤4600) =0,69146
b) al menos 400 libras más que A
Media de A = 4000+400
P(x≤4400) =
Tipificamos Z para B:
Z =(x-μ) /σ
Z = (4400-4500) /200
Z = -0,5 Valor que ubicamos en la tabla de distribución normal y obtenemos
P(x≤4400) =0,30854
La probabilidad que la media de resistencia a la rotura de B sea al menos 600 libras
más que A es de 69,15% y que sea al menos 400 libras más que A es de 30,85%

11
Estadística Inferencial I ___________________________________________________________________________

1.15 El puntaje promedio de ciertos estudiantes en una prueba de aptitud es de 72

puntos con una desviación estándar de 8 puntos. ¿Cuál es la probabilidad de que dos
grupos de 28 y 36 estudiantes, respectivamente, difieran en sus puntajes promedio
por a) 3 puntos o más, b) 6 puntos o más, c) entre 2 y 5 puntos?
μ=72
σ=8
n1=28
n2=36
La diferencia de las medias poblacionales es = 72-72=0, al ser muestras de la misma
población
La varianza es la misma también
Z= [(X1-X2) -(μ1 -μ2)] / raíz [ σ²/n1 + σ²/n2]
Z= [(X1-X2) -(0)] / raíz [ 8²/28 + 8²/36]
Z= (X1-X2) / 2.016
a)
P[(X1-X2) ≥ 3]=
P[(X1-X2) / 2.016 ≥ 3/2.016]
P [Z ≥ 1.49]
En la tabla de curva normal Área pedida= 0.0681
Luego P[(X1-X2) ≥ 3]=0.0681
b)
P[(X1-X2) ≥ 6]=
P[(X1-X2) / 2.016 ≥ 6/2.016]
P [Z ≥ 2.98]
En la tabla de curva normal Área pedida= 0.0014
Luego P[(X1-X2) ≥ 6]=0.0014
c)
P [ 2 <(X1-X2) < 5]=
P [2/2.016< (X1-X2) / 2.016 < 5/2.016]
P [0.99 < Z < 2.48]
En la tabla de curva normal Área pedida= 0.1545
Luego P[(X1-X2) ≥ 3]=0.1545

12
1.16 Se ha encontrado que el 2% de las herramientas producidas por cierta máquina
son defectuosas. ¿Cuál es la probabilidad de que un cargamento de 400 de esas
herramientas sea defectuoso: a) 3% o más, b) 2% o menos?

A)𝟏⁄𝟐 𝑵 = 𝟏⁄𝟖𝟎𝟎 = 𝟎. 𝟎𝟎𝟏𝟐𝟓

𝟎.𝟎𝟑−𝟎.𝟎𝟎𝟏𝟐𝟓−𝟎.𝟎𝟐
(0.03-0.00125 en unidades estándar= = 𝟏. 𝟐𝟓
𝟎.𝟎𝟎𝟕

Probabilidad requerida= (área bajo la curva norma a la derecha de z=1.25) =0.1056

Si no se hubiera usado la corrección se hubiera obtenido 0.0764
𝟎.𝟎𝟐+𝟎.𝟎𝟎𝟏𝟐𝟓−𝟎.𝟎𝟐
B) (0.02 + 0.00125) en unidades estándar = = 𝟎. 𝟏𝟖
𝟎.𝟎𝟎𝟕

Probabilidad requerida (are bajo la curva normal a la izquierda de z=0.18)

=0.500+0.0714=0.5714
Si no se hubiera usado la corrección se hubiera obtenido o.5000
1.17 Los resultados de una elección demostraron que cierto candidato recibió el 46%
de los votos. Determine la probabilidad de que una encuesta de: a) 200, b) 1000
personas de la población votante seleccionadas al azar de la población han mostrado
mayoría de votos a favor del candidato.
𝟎.𝟓𝟎𝟐𝟓−𝟎.𝟒𝟔
A) 0.5025 en unidades estándar = = 𝟏. 𝟐𝟏
𝟎.𝟎𝟑𝟓𝟐

Probabilidad requerida = (área bajo la curva a la izquierda z=1.21)

0.500-0.3869=0.1131
𝝆𝒒 (𝟎.𝟒𝟔)(𝟎.𝟓𝟒)
B) 𝝁𝝆 = 𝒑 = 𝟎. 𝟒𝟔 𝒚 𝝈𝝆 = √ 𝑵 = √ = 𝟎. 𝟎𝟏𝟓𝟕𝟔
𝟏𝟎𝟎𝟎

𝟎.𝟓𝟎𝟐𝟓
0.5025 en unidades estándar =𝟎.𝟎𝟏𝟓𝟕𝟔 = 𝟐. 𝟔𝟗

Probabilidad requerida (área bajo la curva a la izquierda z=2.69)

0.5000-0.4954=0.0036

13
Estadística Inferencial I ___________________________________________________________________________

1.18 Un fabricante despacha 1000 lotes, cada uno de 100 bombillas eléctricas. Si
normalmente el 5% de las bombillas es defectuoso, ¿en cuántos lotes esperaría usted
encontrar a) menos de 90 bombillas buenas, b) 98 o más bombillas buenas?
𝟎.𝟗−𝟎.𝟗𝟓
a) P=(𝑷 < 𝟎. 𝟗)=F=(Z= )
(𝟎.𝟗𝟓)(𝟎.𝟎𝟓)
√
𝟏𝟎𝟎

= F (Z= (-2.29) =0.0110

0.0110×100=11
≈ 11 lotes de tamaño 100 se encontraron menos de 90 bombillas

𝟎.𝟗𝟖−𝟎.𝟗𝟓
b) P=(𝑷 > 𝟎. 𝟗𝟖)=1-F=(Z= )
(𝟎.𝟗𝟓)(𝟎.𝟎𝟓)
√
𝟏𝟎𝟎

= 1-F (Z= (1.38) =0.0838

0.0838×1000=84
≈ 84 lotes de tamaño 100 se encontraron se encontraron más de 98 bombillas
buenas
1.19 Una urna contiene 60 canicas rojas y 40 blancas. Se sacan, con reemplazo dos
conjuntos de 30 canicas cada uno y se anotan sus colores. ¿Cuál es la probabilidad de
que los dos conjuntos difieran por 8 o más canicas rojas?
𝟖 𝟎.𝟐𝟕−𝟎.𝟎𝟐
P= (𝝆𝟏 -𝝆𝟐> =0.27) = 1-F=(Z= )
𝟑𝟎 (𝟎.𝟔)(𝟎.𝟒) (𝟎.𝟒)(𝟎.𝟔)
√ +
𝟔𝟎 𝟒𝟎

= 1-F (Z= (0.7) =1-0.7580= 0.242

= 0.242×100=24.2%
La probabilidad de que los dos conjuntos difieran por 8 o más canicas rojas es
de 24.2%

1.20 Los resultados de las elecciones mostraron que cierto candidato obtuvo el 65% de
los votos. Encuentre la probabilidad de que dos muestras aleatorias, cada una de 200
votos, indiquen una diferencia mayor del 10% en la proporción de votos por ese
candidato.
𝟎.𝟏−𝟎
P= (𝝆𝟏 -𝝆𝟐> 𝟎. 𝟏)= 1-F=(Z= (𝟎.𝟔𝟓)(𝟎.𝟑𝟓) (𝟎.𝟑𝟓)(𝟎.𝟔𝟓)
)
√ +
𝟐𝟎𝟎 𝟐𝟎𝟎

= 1-F (Z= (2.1) =1-0.9821= 0.0179

= 0.0179×100≈1.79

14
 1.21 Encuentre la Probabilidad de que una muestra aleatoria de 25
observaciones, de una población normal con varianza 𝜎 2 = 6, tenga una
varianza muestral s2
a) mayor que 9.1 b) entre 3.462 y 10.745
a) mayor que 9.1

(24)(9.1)
P (𝑠 2 > 9.1)= 1-F=𝑥 2 (= )
6
= 1-F (36.4) =0.95=1- 0.95=0.05

= 0.05×100≈5%
La probabilidad que tenga una varianza muestral mayor que 9.1 es 5%
b) entre 3.462 y 10.745
(24)(10.745) (24)(3.462)
P (3.462 < 𝑠 2 < 10.745)= F (𝑥 2 = )- F (𝑥 2 = )
6 6
F (𝑥 2 =42.98))- F (𝑥 2 =3.848)
=0.99- 0.05=0.94
= 0.94×100=94%
La probabilidad que tenga una varianza muestral entre 3.462 y 10.745 es de 94%

15
Estadística Inferencial I ___________________________________________________________________________

1.22 Las calificaciones de un examen de colocación que se aplicó a estudiantes

de primer año de licenciatura durante los últimos 5 años están aproximadamente
distribuidas de forma normal con una media de 𝜇 = 74 y una varianza 𝜎 2 = 8.
¿consideraría aún que 𝜎 2 = 8 es un valor válido de la varianza si una muestra
aleatoria de 20 estudiantes que realizan este examen de colocación este año
obtienen un valor de 𝑠 2 = 20?
(𝟏𝟗)(𝟐𝟎)
𝐗𝟐 = = 𝟒𝟕. 𝟓 𝐌𝐈𝐄𝐍𝐓𝐑𝐀𝐒 𝐗 𝟐𝟎.𝟎𝟏 = 𝟑𝟔. 𝟏𝟗𝟏
𝟖
POR LO QUE LAS CONCLUSIONES NO SON VALIDAS
INTERPRETACIÓN: Concluimos que la probabilidad de que exista una varianza de 20
dentro de la muestra es muy alta, tiene un porcentaje del 99.99 y también determinamos
que es mejor que no se tome en cuenta la varianza de 8 ya que no es un valor valido.
1.23 Para la distribución F encuentre:
a) 𝑓0.05 con v1 = 7 y v2 = 15
= 2.71
b) 𝑓0.05 con v1 = 15 y v2 = 7
= 3.51
b) 𝑓0.01 con v1 = 24 y v2 = 19
= 2.92
e) con v1 = 19 y v2 = 24
= 0.4339
c) 𝑓0.99 con v1 = 28 y v2 = 12
= 0.3448

16
1.24 Considere las siguientes mediciones de la capacidad de producción de calor del
carbón producido por dos minas (en millones de calorías por tonelada):
Mina 1 Mina 2
8260 7950
8130 7890
8350 7900
8070 8140
8340 7920
7840
¿Se puede concluir que las dos varianzas poblacionales son iguales?
La razón F es de 1.44. Las varianzas no son significativamente diferentes

17