Distribucin Normal

Diremos que una distribucin de probabilidad sigue una distribucin normal de media x y
desviacin tpica , y lo representaremos por N(x; ) cuando la representacin grfica de su
funcin de densidad es una curva positiva continua, simtrica respecto a la media, de
mximo en la media, y que tiene 2 puntos de inflexin, situados a ambos lados de la media
(x y x + respectivamente) y a distancia de ella, es decir de la forma:

Figura 1: Distribucin normal N(x; ). El mximo est en x,

2 2
Su importancia se debe fundamentalmente a la frecuencia con la que distintas variables
asociadas a fenmenos naturales y cotidianos siguen, aproximadamente, esta distribucin.

Dependiendo de los valores que tomen x y , la grfica de esta funcin puede ser ms o
menos alargada, achatada, etc., pero en cualquier caso siempre tiene las mismas
condiciones de simetra, continuidad, etc., reseadas anteriormente. En el caso de la
distribucin normal de parmetros x y , la funcin de densidad viene dada por:
(x x )2

1
2 2
f ( x) =
e
2 2
El rea encerrada bajo la curva normal N(x; ) siempre es 1.
Tiene una nica moda, que coincide con su media y su mediana.
La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es
igual a una desviacin tpica (). Cuanto mayor sea , ms aplanada ser la curva de la
densidad.
El rea bajo la curva comprendida entre los valores situados aproximadamente a dos
desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el intervalo ( 1.96 , + 1.96 ) .

Figura 2: Distribuciones normales con a) izquierda, distinta desviacin estndar y misma

media; b) derecha, diferentes medias e igual desviacin estndar.

De entre todas las curvas normales N(x; ), la ms sencilla, usada y conocida es aquella
que tiene por media 0 y por desviacin tpica 1, N(0, 1). Esta normal estndar se suele
representar por Z. La grfica de esta curva se denomina campana de Gauss y se puede
observar en la figura:

Figura 3: Distribucin normal N (0; 1). El mximo est en 0,

Para un valor cualquiera k, definimos la probabilidad de que la distribucin Z, N(0;1) , sea

menor o igual que k como: p(Z k)= rea encerrada bajo la curva normal N(0,1) desde
hasta k (es decir la parte rayada de la figura siguiente).

Figura 4: rea encerrada por la curva normal desde hasta k

Si k es positivo y queremos calcular p(Z k), es decir el rea rayada:

Figura 5: p(Z k).

Basta pasar al complementario, es decir: p(Z k) = 1 p(Z k) y esta ltima probabilidad
ya se encuentra tabulada.
Si k es positivo y queremos calcular p(Z k), es decir el rea: por simetra, p(Z k) =
p(Z k) y esta se calcula como en el caso anterior.
Probabilidades comprendidas entre dos valores, p(k1 Z k2) ,es decir el rea rayada en la
figura:

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

se calcula restando las reas:

Esto es, p(Z k2) p(Z k1).

Si no tenemos una distribucin N(0;1), sino una N(x; ) cualquiera, cmo calcular
probabilidades, si no tenemos tabla salvo para N(0;1)? El siguiente resultado nos da la
respuesta.
Propiedad:
Si X sigue una distribucin N(x; ), entonces la variable Z =

X x

sigue una distribucin

N(0,1). (El paso de la variable X N(x; ) a la Z N(0;1) se denomina tipificacin de la

variable X).
Estimacin por Intervalos
Es preferible remplazar las estimaciones puntuales por estimaciones con intervalos, pues
no se puede esperar que las estimaciones puntuales coincidan con las estimaciones que se
busca hallar. As se podr esperar con un grado razonable de certeza que contengan al
parmetro en cuestin.
Intervalo de confianza para la media de una poblacin
De una poblacin de media y desviacin tpica se pueden tomar muestras de n
elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar
que la media de todas las medias muestrales coincide con la media poblacional:
x =
Pero adems, si el tamao de las muestras es lo suficientemente grande, las medias
muestrales tienden a una distribucin normal (o gaussiana) con dicha media y una
desviacin tpica dada por la siguiente expresin:

=
2
2

2
n

;2 =

Si estandarizamos:
x x

~ N (0,1)

n
En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se
encontrar la media poblacional si slo se conoce una media muestral ( ), con una
confianza determinada. . Habitualmente se manejan valores de confianza del 95% y 99%.
Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

A este valor se le llamar 1 (debido a que es el error que se cometer, un trmino

opuesto).
s
s

Si no es conocida y n es grande (por ejemplo 30): x Z / 2

, x + Z / 2
, donde
n
n

s es la desviacin tpica de una muestra. Estos vienen a ser los lmites de confianza para .
Distribucin t de Student
La distribucin-t o distribucin t de Student es una distribucin de probabilidad que surge
del problema de estimar la media de una poblacin normalmente distribuida cuando el
tamao de la muestra es pequeo. Esta es la base del popular test de la t de Student para la
determinacin de las diferencias entre dos medias muestrales y para la construccin del
intervalo de confianza para la diferencia entre las medias de dos poblaciones.
La distribucin t surge, en la mayora de los estudios estadsticos prcticos, cuando la
desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los datos
de una muestra.
Aparicin y especificaciones de la distribucin t de Student
Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas
normalmente, con media y varianza 2. Sea
X n = ( X 1 + ... + X n ) / n

la media muestral y
s 2 ( x) =

1 n
( x i x )2

n 1 i =1

la varianza muestral. Entonces, est demostrado que

Z=

Xn

/ n

se distribuye segn una normal de media 0 y varianza 1.

Gosset estudi una expresin relacionada,
T=

Xn
Sn / n

y mostr que T tiene la siguiente funcin de densidad

f (t ) =

[( + 1) / 2]

( / 2)

(1 + t

( +1) / 2

Con igual a n 1. Donde es la funcin gamma definida por:

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

( z ) = t z 1e t dt
0

La distribucin de T se llama ahora la distribucin-t.

El parmetro se llama convencionalmente el nmero de grados de libertad. La
distribucin depende de , pero no de o ; la independencia de y es lo que hace a la
distribucin t tan importante en la teora como en la prctica.
Para efectos de clculo el procedimiento es similar a la de la distribucin normal, pero
usando las tablas de t de Student correspondiente.
Intervalos de confianza derivados de la distribucin t de Student
El procedimiento para el clculo del intervalo de confianza basado en la t de Student
consiste en estimar la desviacin tpica de los datos s y calcular el error estndar de la
media. Este estadstico es aplicable cuando n < 30.
x t / 2

s
s
< < x + t / 2
n
n

Puesto que la diferencia de las medias de muestras de dos distribuciones normales se

distribuye tambin normalmente, la distribucin t puede usarse para examinar si esa
diferencia puede razonablemente suponerse igual a cero o algn otro valor caracterstico de
la comparacin. Se aplica si se presenta alguno de los dos casos siguientes:
1. Tenemos la certeza de que (12 = 22)
2. Tenemos fuertes razones para pensar que 12 = 22 y no podemos probar
estadsticamente que 12 22 (no debemos rechazar la hiptesis de que H0: 12 =
22).
x = N 1 ; 12
Sean 1
independientes con 12, 22 desconocidas (12 = 22)
2
x2 = N 2 ; 2
Se demuestra que tiene distribucin t-Student:

(
(

)
)

t =

= 2 1
= x 2 x1

1
1
S 2 +
n1 n 2

con

= n1 + n2 2

S2 =

1 s12 + 2 s 22
1 + 2

Y con intervalo de confianza

1 1
1 1
P ( x1 x2 ) t( ; 1 / 2 ) S 2 + = 1 2 (x1 x2 ) + t( ; 1 / 2 ) S 2 + = 1

n1 n2
n1 n2
Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

DISTRIBUCION JI-CUADRADA (X2)

En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea, que si se
extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula
su varianza, se obtendr la distribucin muestral de varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el
estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con varianza
2, el estadstico:
(n 1) s 2

2
tiene una distribucin muestral que es una distribucin ji-cuadrado con grados de libertad
= n - 1 y se denota 2 ( es la minscula de la letra griega ji). El estadstico ji-cuadrado
est dado por:
(n 1) s 2
2 =
2

donde n es el tamao de la muestra, s2 la varianza muestral y 2 la varianza de la poblacin

de donde se extrajo la muestra. El estadstico ji-cuadrado tambin se puede dar con la
siguiente expresin:
(x x)2

2
=
2

Propiedades de las distribuciones ji-cuadrada

1. Los valores de 2 son mayores o iguales que 0.
2. La forma de una distribucin 2 depende del gl = n-1. En consecuencia, hay un nmero
infinito de distribuciones 2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones 2 no son simtricas. Tienen colas estrechas que se extienden a la
derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin 2 es n-1 y la varianza es 2(n-1).
6. El valor modal de una distribucin 2 se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones 2. Note que el valor modal aparece en el
valor (n-3) = (gl-2).

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

La funcin de densidad de la distribucin 2 esta dada por:

f ( x ) =

(1 / 2)

( 2)

1 x
2
2

, para x > 0 y f(x) = 0 para x 0

La tabla que se utilizar para estos apuntes es la del libro de probabilidad y estadstica de
Walpole, la cual da valores crticos 2 (gl) para veinte valores especiales de . Para
denotar el valor crtico de una distribucin 2 con gl grados de libertad se usa el smbolo
2 (gl); este valor crtico determina a su derecha un rea de bajo la curva 2 y sobre el
eje horizontal. Por ejemplo para encontrar 20.05 (6) en la tabla se localiza 6 gl en el lado
izquierdo y = 0.05 a o largo del lado superior de la misma tabla.

Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas nos sirve para saber
como se va a comportar la varianza o desviacin estndar en una muestra que proviene de
una distribucin normal.
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus
destinos en una ciudad grande forman una distribucin normal con una desviacin estndar
= 1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la probabilidad de
que la varianza muestral sea mayor que 2.
Primero se encontrar el valor de ji-cuadrada correspondiente a s2=2 como sigue:

2 =

(n 1) s 2

(17 1)(2)
(1) 2

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de libertad y se

encuentra que a este valor le corresponde un rea a la derecha de 0.01. En consecuencia, el
valor de la probabilidad es P(s2>2)

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

2. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una

poblacin normal con varianza 2 = 6, tenga una varianza muestral:
a. Mayor que 9.1
b. Entre 3.462 y 10.745
Solucin.
a. Primero se proceder a calcular el valor de la ji-cuadrada:
(25 1)(9.1)
= 36.4
6

Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la derecha de

0.05. Por lo que la P(s2 >9.1) = 0.05
b. Se calcularn dos valores de ji-cuadrada:

2 =

2 =

(n 1)s 2

(n 1) s 2
2

(25 1) 3.462 = 13.847 ,

6

2 =

(25 1) 10.745 = 42.98

6

Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad. Al buscar
el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de 42.98 da un rea a
la derecha de 0.01. Como se est pidiendo la probabilidad entre dos valores se resta el rea
de 0.95 menos 0.01 quedando 0.94.
Por lo tanto la P(3.462 s2 10.745) = 0.94

Estimacin de la Varianza
Para poder estimar la varianza de una poblacin normal se utilizar la distribucin jicuadrada.
(n 1)s 2
2 =
2

Al despejar esta frmula la varianza poblacional nos queda:

2 =

(n 1)s 2
2

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

Los valores de 2 dependern de nivel de confianza que se quiera al cual le llamamos 1 -.

Si nos ubicamos en la grfica se tiene:

Aqu se ha desarrollado implcitamente el intervalo de confianza para la varianza, de

manera completa:
(n 1) s 2
(n 1) s 2
2

<
<
2
2

/ 2

1 / 2

Ejemplos:
1. Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de pasto
distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46.
Encuentre un intervalo de confianza de 95% para la varianza de todos los paquetes de
semillas de pasto que distribuye esta compaa, suponga una poblacin normal.
Primero se calcula la desviacin estndar de la muestra:

al elevar este resultado al cuadrado se obtiene la varianza de la muestra s2= 0.286.

Para obtener un intervalo de confianza de 95% se elige un = 0.05. Despus con el uso de
la tabla con 9 grados de libertad se obtienen los valores de 2.

Se puede observar en la grfica anterior que el valor de 2 corre en forma normal, esto es
de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:
2
max
=

(10 1) 0.286 = 0.953

2 .7

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

2
min
=

(10 1) 0.286 = 0.135

19.023

Grficamente:

Se observa que la varianza corre en sentido contrario, pero esto es slo en la grfica. La
interpretacin quedara similar a nuestros temas anteriores referentes a estimacin. Con un
nivel de confianza del 95% se sabe que la varianza de la poblacin de los pesos de los
paquetes de semillas de pasto esta entre 0.135 y 0.935 decagramos al cuadrado.
2. En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas de la
variabilidad de los resultados que producen muestras estndar. En un estudio de la cantidad
de calcio en el agua potable, el cual se efecta como parte del control de calidad, se analiz
seis veces la misma muestra en el laboratorio en intervalos aleatorios. Los seis resultados
en partes por milln fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los
resultados de la poblacin para este estndar, usando un nivel de confianza del 90%.
Al calcular la varianza de la muestra se obtiene un valor de s2= 0.0285.
Se busca en la tabla los valores correspondientes con 5 grados de libertad, obtenindose
dos resultados. Para 2(0.95,5)= 1.145 y para 2(0.0,5)= 11.07.
Entonces el intervalo de confianza esta dado por:
2
max
=

(6 1) 0.286 = 0.1246 y 2 = (6 1) 0.286 = 0.0129

min
1.145

11.07

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

10

Teorema. Si U y W son dos variables aleatorias independientes, cada una con distribucin
Chi Cuadrado con 1 y 2 grados de libertad, respectivamente, entonces la distribucin de
la siguiente variable aleatoria
U / 1
F=
W / 2
est dada por:
1 + 2

1
. ( 1 + 2 )
2 21 1

1 f 2 1 1 + 1 f 2
,
f>0
g( f ) =

1 2 2
2 2
y se denomina "distribucin F con 1 y 2 grados de libertad" (1 grados de libertad en el
numerador y 2 grados de libertad en el denominador).
Notacin. Usaremos la notacin F 1 , 2 P para denotar el valor de la distribucin F con 1
grados de libertad en el numerador, 2 grados de libertad en el denominador y una
probabilidad acumulada de P hacia la derecha (o una probabilidad de 1 - P hacia la
1
izquierda). Puede demostrarse que F 1 , 2 P =
, si se invierte la definicin de la
F 1 , 2 1 P
distribucin F.
La aplicacin principal para la cual se desarroll la distribucin F es la comparacin de dos
varianzas (de poblaciones normales).
Sea X 11 , X 12 ,..., X 1n 1 una muestra aleatoria (n1) tomada de una poblacin normal con
varianza 12 , y sea X 21 , X 22 ,..., X 2 n 2 otra muestra aleatoria (n2) tomada de una poblacin
normal con varianza 22 . Si queremos realizar alguna inferencia sobre la igualdad o no de
las varianzas, nos podemos basar en el hecho que las siguientes relaciones

12 =

(n1 1)s12
12

y 22 =

(n2 1)s 22
22

son variables aleatorias con distribuciones Chi cuadrado con 1 y 2 grados de libertad,
respectivamente, y con las cuales podemos construir la distribucin F. El siguiente teorema
Teorema. Si s12 y s22 son las varianzas muestrales de dos variables aleatorias
independientes de tamaos n1 y n2 tomadas de poblaciones normales con varianzas y,
entonces, la relacin
s12 / 12 s12 22
F= 2 2 = 2 2
s2 / 2 s2 1
tiene una distribucin F con n1 -1 y n2 -1 grados de libertad.
Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

11

Esta distribucin de probabilidad se usa como estadstica prueba en varias situaciones. Se

emplea para probar si dos muestras provienen de poblaciones que poseen varianzas
iguales. Esta prueba es til para determinar si una poblacin normal tiene una mayor
variacin que la otra y tambin se aplica cuando se trata de comparar simultneamente
varias medias poblacionales. La comparacin simultnea de varias medias poblacionales
se conoce como anlisis de varianza (ANOVA). En ambas situaciones, las poblaciones
deben ser normales y los datos tener al menos la escala de intervalos.
Caractersticas de la distribucin F
1. Existe una "familia" de distribuciones F. Un miembro especfico de la familia se
determina por dos parmetros: los grados de libertad en el numerador y en el
denominador. Existe una distribucin F para la combinacin de 29 grados de libertad
en el numerador y 28 grados en el denominador. Existe otra distribucin F para 19
grados en el numerador y 6 en el denominador.
2. La distribucin F es una distribucin continua.
3. F no puede ser negativa
4. La distribucin F tiene un sesgo positivo
5. A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca lo toca.
s12
2
2
En el caso particular de que 1 = 2 , tambin se puede usar la prueba F para 2 .
s2
Problemas
1. El tiempo requerido para ensamblar una pieza mecnica es una variable aleatoria cuya
distribucin es aproximadamente normal con = 12.9 y = 2.0 minutos. Cules son
las probabilidades de que el ensamblado de tal pieza mecnica tarde
a) al menos 11.5 minutos;
b) entre 11.0 y 14.8 minutos?
2. El tiempo de ignicin de un cohete experimental es una variable aleatoria que tiene la
distribucin normal con = 4.76 y = 0.04 segundos. Cul es la probabilidad de que
el tiempo de ignicin de tal cohete sea
a) menor que 4.66 segundos;
b) mayor que 4.80 segundos;
c) entre 4.70 y 4.82 segundos?
3. Una mquina troqueladora produce tapas de latas cuyos dimetros estn normalmente
distribuidos, con una desviacin estndar de 0.01 pulgadas. En qu dimetro
nominal (promedio) debe ajustarse la mquina de tal manera que no ms del 5% de
las tapas producidas tengan dimetros que excedan las 3 pulgadas?
4. Ciertos bastoncillos plsticos moldeados por inyeccin son cortados automticamente
con longitudes nominales de 6 pulgadas. Las longitudes reales estn distribuidas
normalmente alrededor de la media de 6 pulgadas y su desviacin estndar es de 0.06
pulgadas,
a) Qu proporcin de los bastoncillos rebasan los lmites de tolerancia, que son de
5.9 a 6.1 pulgadas?
Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

12

b) A qu valor es necesario reducir la desviacin estndar si el 99% de los

bastoncillos debe estar entre los lmites de tolerancia?
5. Un proceso para fabricar ciertos cojinetes est bajo control si los dimetros de los
cojinetes tienen una media de 0.5000 cm. Qu podemos decir de este proceso si una
muestra de 10 cojinetes tiene un dimetro medio de 0.5060 cm y una desviacin
estndar de 0.0040 cm?
6. Un fabricante de fusibles asegura que, con una sobrecarga del 20%, sus fusibles se
fundirn al cabo de 12.40 minutos en promedio. Para probar esta afirmacin, una
muestra de 20 de los fusibles fue sometida a una sobrecarga de un 20%, y los tiempos
que tardaron en fundirse tuvieron una media de 10.63 minutos y la desviacin estndar
de 2.48 minutos. Si se supone que los datos constituyen una muestra aleatoria de una
poblacin normal, tienden a apoyar o refutar la afirmacin del fabricante?
7. La resistencia a la tensin para cierto tipo de alambre se distribuye normalmente con
una media y una varianza desconocida 2. Se seleccionaron al azar 6 segmentos de
alambre de un rollo grande; encuentre la probabilidad de que la media muestral est a
s
lo sumo a 2,015
de la verdadera media poblacional .
n
8. Una ptica adquiere cristales para montarlos en anteojos, y sabe por experiencia que la
varianza del ndice de refraccin de esta clase de cristales es 1.2610-4. Como es
importante que los cristales tengan un ndice de refraccin muy parecido, la empresa
rechaza uno de tales cargamentos si la varianza muestral de 20 cristales escogidos al
azar excede 2.0010-4. Suponiendo que los valores muestrales pueden considerarse
como una muestra aleatoria de una poblacin normal, cul es la probabilidad de que
un cargamento sea rechazado a pesar de que 2 = 1.2610-4?
9. Una fbrica productora de alimentos envasa mermelada de frutas por medio de un
proceso automtico. El peso neto de un frasco se considera una variable aleatoria con
un promedio de 420 gr. Y una desviacin estndar de 15gr. El peso neto de cada frasco
no afecta ni es afectado por el peso neto de los otros. Una vez llenos los frascos se
empacan en cajas de 72 frascos cada una. Cul es la probabilidad de que una caja
contenga menos de 30 Kg. de mermelada?
10. Una empresa firma un contrato para la entrega de 1290 unidades de un producto en un
mes. La empresa tiene 64 obreros, el nmero de unidades producidas por obrero por
mes es una variable aleatoria con media de 20 unidades y desviacin estndar de
2..Cul es la probabilidad de que el contrato sea cumplido?
11. Se tiene una mquina de llenado para vaciar 500 g de cereal en una caja de cartn.
Supngase que la cantidad de cereal que se coloca en cada caja es una variable
aleatoria normalmente distribuida con media de 500 g y desviacin estndar igual a 20
g. Para verificar que el peso promedio de cada caja se mantiene en 500 g, se toma una
muestra aleatoria de 25 de stas en forma peridica y se pesa el contenido de cada caja.
El gerente de la planta ha decidido detener el proceso y encontrar la falla cada vez que
Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

13

el valor promedio de la muestra sea mayor de 510 g o menor de 490 g. Obtener la

probabilidad de detener el proceso.
12. Supngase que el nmero de barriles de petrleo crudo que produce un pozo
diariamente es una variable aleatoria con una distribucin no especificada. Se observa
la produccin en 64 das, seleccionados en forma aleatoria, y si se sabe que la
desviacin estndar del nmero de barriles por da es 16, determnese la probabilidad
de que la media muestral se encuentra a no ms de 4 barriles del verdadero valor de la
produccin por da.
13. Un investigador desea estimar la media de una poblacin usando una muestra
suficientemente grande, para que la probabilidad de que la media muestral no difiera de
la media de la poblacin en ms del 25% de la desviacin estndar, sea 0,95. De qu
tamao debe tomarse la muestra?
14. Si x1, x2,, x10 es una muestra aleatoria de una poblacin distribuida normalmente con
media 8 y varianza 9. Calcular la probabilidad de que la media de la muestra sea mayor
que 9.
15. La resistencia a la tensin para cierto tipo de alambre se distribuye normalmente con
una media y una varianza desconocida 2. Se seleccionaron al azar 6 segmentos de
alambre de un rollo grande; encuentre la probabilidad de que la media muestral est a
s
lo sumo a 2,015
de la verdadera media poblacional .
n
16. Si x1.x2.....x16 es una muestra aleatoria de una poblacin binomial con p = 0.7. Cul
es la probabilidad de que la proporcin muestral sea menor que 0,5?
17. Un fabricante de cigarrillos asegura que el contenido promedio de nicotina en una de
sus marcas, es de 0,6 mg por cigarrillo. Una organizacin independiente mide el
contenido de nicotina de 16 cigarrillos de esta marca y, encuentra que el promedio y la
desviacin estndar es de 0,75 y 0,175 mg respectivamente de nicotina. Si se supone
que la cantidad de nicotina en estos cigarrillos es una variable aleatoria normal, qu
tan probable es el resultado muestral dado el dato proporcionado por el fabricante?.
18. El Departamento de Proteccin al Medio Ambiente asegura que, para un automvil
compacto en particular, el consumo de gasolina en carretera es de un galn por cada 45
millas. Una organizacin independiente de consumidores adquieren uno de estos
automviles y lo somete a prueba con el propsito de verificar la cifra proporcionada
por el DPMA. El automvil recorri una distancia de 100 millas en 25 ocasiones. En
cada recorrido se anot el nmero de galones necesarios para realizar el viaje. Los 25
ensayos, el valor promedio y la desviacin estndar tuvieron un valor de 43,5 y 2,5
millas por galn respectivamente. Si se supone que el nmero de milla que se recorre
por galn es una variable aleatoria distribuida normalmente, con base en esta prueba
existe alguna razn para dudar de la veracidad del dato dado por el DPMA?

Apuntes de Estadstica Aplicada Ing. Eder Vicua, FQIQ UNMSM - 2009

14