https://wwwyyy.files.

wordpres
s.com/2016/06/estadc3adstica
-y-muestreo-de-ciro-
martc3adnez-b.pdf doceava
edicion
http://www.juntadeandalucia.
es/averroes/centros-
tic/14002996/helvia/aula/archi
vos/repositorio/250/295/html/
estadistica/pmuestras.htm
muchos de canavos

PARCIAL DE ESTADISTICA

𝑠𝑒𝑎 𝑋1 𝑢𝑛𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑁(4.000.000,750.000),

𝑋2 𝑢𝑛𝑎 𝑣. 𝑎(8.000.000,1.250.000),

𝑋3 𝑢𝑛𝑎 𝑣. 𝑎(1.000.000, 275.000)

independientes entre si.

Entonces la variable:

𝑌 = 𝑋1 + 𝑋2 + 𝑋3 sigue una normal

N(4.000.000 + 8.000.000 + 1.000.000);

(750.0002 + 1250.0002 + 275.0002 )1/2

 es decir 𝑁(13.000.000; 1483.45) por tanto
la probabilidad

𝑃(𝑋 < 15.000.000) =

b). 𝑃(𝑌 ≥ 18.000.000) =

Planteamiento:

𝑛 = 100, 𝜎 = 5, 𝐻0𝜇 = 750

𝑋1= 748 , 𝐻1𝜇 = 750

Debemos calcular
𝑃 (𝑥 ≤ 748)

Estandarizamos aplicando la distribución limite

central

𝑋̅ − 𝜇𝑋̅ 𝑋̅ − 𝜇
𝑍= =
𝜎𝑋̅ 𝜎/√𝑛

748 − 750
𝑍= = −4
5/√100

𝑃 (𝑥 ≤ 748) = 𝑃 (𝑥 ≤ −4)

según las tablas

𝑃 (𝑥 ≤ −4) = 0.000031671

Es decir es una probabilidad muy muy baja cercana

al 0, por lo que debe interpretarse que si la el
promedio de las cajas es748, no es posible
mantener la afirmacion del gerente que asegura
que el peso promedio es de 750. Por lo tanto la
afirmacion del gerente es erronea.

APLICO FORMULA DE CHI CUADRADO

𝑋 = 𝑒𝑠𝑝𝑒𝑠𝑜𝑟 𝑑𝑒 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙 𝑝𝑙𝑎𝑠𝑡𝑖𝑐𝑜 (𝑐𝑚𝑠)

𝑋𝑛−1 2 → 𝑋~𝑛 (𝑢𝑥, (0.01)2 )

𝑛 = 25 𝑆 = 0.0152

𝑃(𝑆 2 ≥ 0.0152 ) = 1 − 𝑃(𝑆 2 < 0.0152 )

24𝑆 2 24(0.0152 )
=1−𝑃 ( < )
𝜎2 𝜎2

24𝑆 2
𝑠𝑒𝑎 𝑊 = → 𝑊~𝑋24 2
𝜎2

𝑃(𝑆 2 ≥ 0.0152 ) = 1 − 𝑃 (𝑊24 < 34.56)

= 1 − 0.9248 = 0.0752

𝑋̅ − 𝜇
~ 𝑁(0,1)
𝜎/√𝑛
 𝑋̅ − 𝜇
𝑡= ~ 𝑡𝑛−1
𝑆/√𝑛

𝜇 = 0.6 𝑚𝑔 𝑛 = 16

𝑋̅ = 0.75 𝑆 = 0.175

0.75
𝑃 ( 𝑋̅ ≥ )
𝜇 = 0.6

Sabemos por la teoría que el estadístico

𝑋̅ − 𝜇
𝑡=
𝑆/√𝑛

sigue una t-Student con n-1 grados de libertad.

La probabilidad de que

𝑃 (𝑇 ≥ 𝑡0 ) = 𝑃 (𝑡𝑛−1 ≥ 𝑡0 ) =

𝑋̅ − 𝜇
𝑃 ( 𝑡15 ≥ )
𝑆
√𝑛
0.75 − 0.6
= 𝑃 ( 𝑡15 ≥ )
0.175
√16

𝑃 ( 𝑡15 ≥ 3.428) = 0.0018684

Si la media es 0,60, la probabilidad de observar un

valor de T mayor o igual de 3,4286 es de
0,001866097. Valor muy pequeño que nos hace
pensar que la media poblacional no es 0,60.

𝑛 = 200

𝑋~ 𝑣( 𝛼 = 24, 𝐵 = 48)

𝛼 + 𝛽 24 + 48 72
𝐸(𝑥) = = = = 36
2 2 2

(𝛽 − 𝛼)2 (48 − 24)2 242

𝑉𝑎𝑥(𝑥) = = = = 48
12 12 12

𝑃(𝑋̅ < 35) =

Por teorema de limite central

𝑋̅ − 𝜇
~ 𝑁(0,1)
𝜎/√𝑛

𝑋̅ − 𝜇 35 − 𝜇
𝑃(𝑋̅ < 35) = 𝑃 ( < )
𝜎/√𝑛 𝜎/√𝑛

35 − 36
𝑃 (𝑍 < )=
48/200

−1
𝑃 (𝑍 < ) = 𝑝(𝑍 < −2.041)
0.489

1 − 𝑃( 𝑍 ≥ −2.041 = 1 − 0.99 = 0.01

Ejercicios propuestos

̅ 𝑋̅) = 0, 𝑟 = 1,2,3, … . 𝑛
𝑐𝑜𝑣(𝑋, −𝑋,

̅ ) − 𝐸(𝑋𝑟 − 𝑋,
= 𝐸 [((𝑋𝑟 − 𝑋, ̅ )(𝑋̅ − 𝐸(𝑋̅)) )]
1
̅ ) = 𝐸(𝑋𝑟 ) − 𝐸(𝑋,
1. 𝐸(𝑋𝑟 − 𝑋, ̅ ) = 𝑋𝑟 − 𝜇

Remplazo

̅ ) − (𝑋𝑟 − 𝜇)(𝑋̅ − 𝐸(𝑋̅)) )]

= 𝐸 [((𝑋𝑟 − 𝑋,

2 3

̅ ) − 𝑋𝑟 + 𝜇 = − 𝑋̅ + 𝜇
2. (𝑋𝑟 − 𝑋,

3. (𝑋̅ − 𝐸(𝑋̅ )) = 𝑋̅ − 𝜇

→ 𝐸 [(− 𝑋̅ + 𝜇)(𝑋̅ − 𝜇)] =

= 𝐸(− 𝑋̅ + 𝜇) ∗ 𝐸(𝑋̅ − 𝜇)

= 𝐸(− 𝑋̅ ) + 𝐸(𝜇) ∗ 𝐸(𝑋̅) − 𝐸(𝜇)

= −𝜇 + 𝜇 ∗ 𝜇 − 𝜇

=0∗0 →0

̅ 𝑋̅) = 0
→ 𝑐𝑜𝑣(𝑋, −𝑋,

̅̅̅1 − (𝑋
𝑎). 𝐸 (𝑋 ̅̅̅2 )) = 𝜇1 + 𝜇2

̅̅̅1 − (𝑋
𝐸 (𝑋 ̅̅̅2 )) = 𝐸 (𝑋
̅̅̅1 ) − 𝐸 (𝑋
̅̅̅2 )

𝑛 𝑛
1 1
= 𝐸 ( ∑ 𝑋1𝑗 ) − 𝐸 ( ∑ 𝑋2𝑗 )
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
= 𝐸 ( ∑ 𝑋1𝑗 ) − 𝐸 ( ∑ 𝑋2𝑗 )
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
= ( ∑ 𝐸(𝑋1𝑗 )) − ( ∑ 𝐸(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
= ( ∑ 𝜇) − ( ∑ 𝜇)
𝑛 𝑛
𝑖=1 𝑖=1

1 1
𝑛 𝜇1 − 𝑛 𝜇1
𝑛 𝑛

̅̅̅1 − 𝐸(𝑋
𝐸 (𝑋 ̅̅̅2 )) = 𝜇1 + 𝜇2

𝝈𝟏 𝟐 𝝈𝟐 𝟐
̅̅̅̅𝟏 − (𝑿
𝒃) 𝒗𝒂𝒓(𝑿 ̅̅̅̅𝟐 )) = +
𝒏𝟏 𝒏𝟐

̅̅̅1 ) − 𝑣𝑎𝑟(𝑋
= 𝑣𝑎𝑟(𝑋 ̅̅̅2 ) + 2𝑐𝑜𝑣 (𝑋1 , 𝑋2 )

̅̅̅1 ) − 𝑣𝑎𝑟(𝑋
= 𝑣𝑎𝑟(𝑋 ̅̅̅2 ) + 0

𝑛 𝑛
1 1
= 𝑣𝑎𝑟 ( ∑(𝑋1𝑗 )) − 𝑣𝑎𝑟 ( ∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
2
𝑣𝑎𝑟 (∑(𝑋1𝑗 )) − 2 𝑣𝑎𝑟 (∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
2
(𝑣𝑎𝑟 ∑(𝑋1𝑗 )) − 2 (𝑣𝑎𝑟 ∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1

𝑛 𝑛
1 1
2
(∑ 𝑣𝑎𝑟(𝑋1𝑗 )) − 2 (∑ 𝑣𝑎𝑟(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
1 1
∗ 𝑛 ∗ 𝜎1 2 − 2 ∗ 𝑛 ∗ 𝜎2 2
𝑛2 𝑛

𝜎1 2 𝜎2 2
̅̅̅1 − (𝑋
𝑣𝑎𝑟(𝑋 ̅̅̅2 )) = +
𝑛1 𝑛2

𝑛 = 100 𝜇 = 75 𝜎 2 = 256

𝑃(67 ≤ 𝑋̅ ≤ 83) = 𝑃(𝑏) − 𝑃(𝑎)

𝑃(67 ≤ 𝑋̅ ≤ 83) = 𝑃(𝑋̅ ≤ 83) − 𝑃(𝑋̅ ≤ 67)

𝑋̅ − 𝜇
𝑃(𝑋̅ ≤ 83) = 𝑃 (𝑧 ≤ )
√256/100

83 − 75
𝑃(𝑋̅ ≤ 83) = 𝑃 (𝑧 ≤ )
√256/100

𝑃(𝑋̅ ≤ 83) = 𝑃(𝑧 ≤ 5)

67 − 75
𝑃(𝑋̅ ≤ 67) = 𝑃 (𝑧 ≤ )
√256/100

𝑃(𝑋̅ ≤ 83) = 𝑃(𝑧 ≤ −5)

𝑛 = 200 𝛼 = 24 𝛽 = 48

𝑋~ 𝑉(𝛼 = 24 𝛽 = 48)

𝛼+𝛽 24 + 48 72
𝐸(𝑋) = = = = 36
2 2 2

(𝛼 − 𝛽)2 (48 − 24)2

𝑉(𝑋) = = = 48
12 12

Por teorema de limite central

𝑋̅ − 𝜇
𝑃(𝑋̅ < 35) = 𝑃 𝑧 <
√256
( 100)

35 − 36
𝑃(𝑋̅ < 35) = 𝑃 𝑧 <
√256
( 100 )

𝑃(𝑋̅ < 35) = 𝑃(𝑧 < −2.041)

𝑃(𝑋̅ < 35) = 1 − 0.0207

𝑃(𝑋̅ < 35) = 0.9793

𝑛1 = 61 , 𝑛2 = 31

𝜎1 2 = 12, 𝜎2 2 = 18

𝑆1 2
𝐻𝑎 𝑙𝑙𝑎𝑟 𝑃( > 1.16)
𝑆2 2

𝑆1 2 𝑆1 2 𝜎2 2 𝜎2 2
𝑃( > 1.16) → 𝑃 ( > 1.16 )
𝑆2 2 𝑆2 2 𝜎1 2 𝜎1 2

18
→ 𝑃 (60,30 > 1.16 )
12

18
→ 𝑃 (60,30 > 1.16 )
12

→ 𝑃(60,30 > 1.74)

→ 𝑃(60,30 >? ) = 0.05

→ 𝑷(𝟔𝟎, 𝟑𝟎 >? ) = 0.01

𝑛1 = 10 , 𝑛2 = 15

𝑆1 2
𝐻𝑎 𝑙𝑙𝑎𝑟 𝑃( < 4.03)
𝑆2 2

Solución:

Primero se establecen los grados de libertad. Como en

el numerador está la población uno y en el
denominador la población dos, entonces los grados de
libertad 1 equivalen a 10-1=9 y los grados de libertad
dos a 15-1=14.
Se procede a ir a la tabla a buscar los grados de libertad
dos que son 14 y se observa que no están, por lo tanto
se tiene que interpolar entre 10 y 15 grados de libertad,
buscando el valor de fisher que quedaría:

𝑆1 2 𝜎2 2
𝐹= ( ) ( ) =
𝑆2 𝜎1

TEXTO DE NEWBOLD

𝜇 = 92 𝜎 = 3,6 𝑛 = 4

𝑎). 𝑐𝑜𝑚𝑜 𝑋̅ = 𝜇𝑥 → 𝑋̅ = 92

𝜎2 (3.6)2
𝑏). 𝜎𝑋̅ 2 = = = 3.24
𝑛 4

𝜎 3.6
𝑐). 𝜎𝑋̅ = → = 1.8
√𝑛 √4

93 − 92
𝑑). 𝑃(𝑋̅ > 93) = 𝑃 (𝑍 > )
1.8

93−92
= 1 − 𝑃 (𝑍 < )
1.8

= 1 − 0.55

REVISAR

𝜇 = 10 𝜎 = 2 𝑛 = 1
 10 − 10
𝑑). 𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
2

= 𝑃(𝑍 < 0)

= 0.5000

𝜇 = 10 𝜎 = 2 𝑛 = 4

10 − 10
𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
1

= 𝑃(𝑍 < 0)

= 0.5000

𝜇 = 10 𝜎 = 2 𝑛 = 16

10 − 10
𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
0.5

= 𝑃(𝑍 < 0)

= 0.5000

𝜇 = 115000 𝜎 = 2500 𝑛=4

2500
𝜎𝑋̅ = = 2.500
√100

110.000 − 115000
𝑃(𝑋̅ < 110.000) = 𝑃 (𝑍 < )
2500

𝑃(𝑋̅ < 110.000) = 1 − 𝑃(𝑍 < −2)

𝑃(𝑋̅ < 110.000) = 1 − 0.228

𝑃(𝑋̅ < 110.000) = 0.9772

𝑏). 𝑃(113000 ≤ 𝑋̅ ≤ 117.000)

= 𝑃(𝑋̅ ≤ 117000) − 𝑃(𝑋̅ ≤ 113000)

117000 − 115000
= 𝑃(𝑋̅ ≤ 117000) = 𝑃 (𝑍 ≤ )
2500

= 𝑃(𝑋̅ ≤ 117000) = 𝑃(𝑍 ≤ 0.8)

 113000 − 115000
= 𝑃(𝑋̅ ≤ 113000) = 𝑃 (𝑍 ≤ )
2500

= 𝑃(𝑋̅ ≤ 117000) = 𝑃(𝑍 ≤ − 0.8)

= 𝑃(113000 ≤ 𝑋̅ ≤ 117.000) = 0.7881 − 0.2119

= 𝑃(113000 ≤ 𝑋̅ ≤ 117.000) = 0.5762

𝑐). 𝑃(114000 ≤ 𝑋̅ ≤ 116.000)

= 𝑃(𝑋̅ ≤ 116000) − 𝑃(𝑋̅ ≤ 114000)

116000 − 115000
= 𝑃(𝑋̅ ≤ 116000) = 𝑃 (𝑍 ≤ )
2500

= 𝑃(𝑋̅ ≤ 116000) = 𝑃(𝑍 ≤ 0.4)

114000 − 115000
= 𝑃(𝑋̅ ≤ 114000) = 𝑃 (𝑍 ≤ )
2500

= 𝑃(𝑋̅ ≤ 114000) = 𝑃(𝑍 ≤ − 0.8)

= 𝑃(114000 ≤ 𝑋̅ ≤ 116.000) = 0.6554 − 0.3446

= 𝑃(𝑋̅ ≤ 117000) = 0.3108

𝜇 = 280 𝜎 = 60 𝑛 = 9

𝜎 60
𝒂). 𝝈𝑿̅ = = = 20
√𝑛 √9

270 − 280
𝑏). 𝑃(𝑋̅ < 270) = 𝑃 (𝑧 < )
20

𝑃(𝑋̅ < 270) = 𝑃(𝑧 < −0.5)

𝑃(𝑋̅ < 270) = 0.3085

𝑐). 𝑃(𝑋̅ > 250) = 1 − 𝑃(𝑎)

𝑃(𝑋̅ > 250) = 𝑃(𝑍 > 1.5)

𝑃(𝑋̅ > 250) = 1 − 0.0668

𝑃(𝑋̅ > 250) = 0.9332

𝑑). 𝜇 = 280 𝜎 = 40 𝑛 = 9

𝜎 40
𝝈𝑿̅ = = = 13.33
√𝑛 √9

𝑎 = 𝑚𝑒𝑛𝑜𝑟, 𝑏 = 𝑚𝑒𝑛𝑜𝑟 𝑐 = 𝑚𝑎𝑦𝑜𝑟

𝑑). 𝑃( 195 ≤ 𝑋̅ ≤ 205) = 𝑃(𝑏) − 𝑃(𝑎)

205 − 200
𝑃( 𝑋̅ ≤ 205) = 𝑃 (𝑍 ≤ )
3

𝑃( 𝑋̅ ≤ 205) = 𝑃(𝑍 ≤ 1.667)

𝑃( 𝑋̅ ≤ 205) = 0.9515

195 − 200
𝑃( 𝑋̅ ≤ 195) = 𝑃 (𝑍 ≤ )
3

𝑃( 𝑋̅ ≤ 195) = 𝑃(𝑍 ≤ − 1.667)

𝑃( 𝑋̅ ≤ 205) = 0.0485

𝑃( 195 ≤ 𝑋̅ ≤ 205) = 0.9515 − 0.0485

𝑃( 195 ≤ 𝑋̅ ≤ 205) = 0.903

𝑒). 𝑃( 195 ≤ 𝑋̅ ≤ 205) = 𝑃(𝑏) − 𝑃(𝑎)

205 − 200
𝑃( 𝑋̅ ≤ 205) = 𝑃 (𝑍 ≤ )
3√2

𝑃( 𝑋̅ ≤ 205) = 𝑃(𝑍 ≤ 1.17)

195 − 200
𝑃( 𝑋̅ ≤ 195) = 𝑃 (𝑍 ≤ )
3√2

𝑃( 𝑋̅ ≤ 195) = 𝑃(𝑍 ≤ − 1.17)

𝑃( 195 ≤ 𝑋̅ ≤ 205) = 0.8790 − 0.1210

𝑃( 195 ≤ 𝑋̅ ≤ 205) = 0.758

𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛
a). error estándar
√𝑛

40
=4
√100

c)
diferencia = media muestral - media
poblacional

P(diferencia<-4) --> estandarizamos -->

Z= diferencia / error estandar = Z= -4/4 = -1

P(diferencia<-4) = P(Z<-1) = 0.1587

d). 0.4532
 8
𝜎 = 8 𝑛 = 4 𝜇 =? 𝜎𝑋̅ = =4
√4

̅̅̅ − 𝜇) > 2) = 𝑃(𝑋̅ > 𝜇 + 2)

𝑃 ((𝑋

𝜇+2−𝜇 2
̅̅̅ − 𝜇) > 2) = 𝑃(𝑍 >
𝑃 ((𝑋 = 𝑃 (𝑍 > )
4 4

2
= 1 − 𝑃 (𝑍 < ) = 1 − 0.6915
4

= 0.3085

̅̅̅ − 𝜇) > 3) = 𝑃(𝑋̅ < 𝜇 − 3)

𝑏) 𝑃 ((𝑋

𝜇−3−𝜇 −3
𝑃(𝑋̅ < 𝜇 − 3) = 𝑃(𝑍 < = 𝑃 (𝑍 < )
4 4

−3
= 1 − 𝑃 (𝑍 < ) = 1 − 0.7734
4

= 0.2266

−4
𝑐). 𝑃 (𝑍 < )
4

= 1 − 𝑃(𝑍 < −1) = 1 − 𝑜. 1587

= 0.3174
Escriba aquí la ecuación.
3.
Datos:

𝑿𝟏 = 𝑠𝑖𝑔𝑢𝑒 𝑢𝑛𝑎 𝑁 (8.000; 2.000)

𝑿𝟐 = 𝑠𝑖𝑔𝑢𝑒 𝑢𝑛𝑎 𝑁 (15.000; 5.000)

𝑿𝟑 = 𝑠𝑖𝑔𝑢𝑒 𝑢𝑛𝑎 𝑁 (12.000; 3.000)

Y= Total de ventas
Y =𝑿𝟏 + 𝑿𝟐 + 𝑿𝟑
Y se distribuirá como una distribución normal con

𝑁( 8.000 + 15.000 + 12000); ( 2000² + 5000² + 3000²)

𝑁(35.000; 6164,41)

Por tanto la probabilidad

P(Y > 50000) = 0.0075

Media(Y) = ̅̅̅̅
𝑿𝟏 + ̅̅̅̅
𝑿𝟐 + ̅̅̅̅
𝑿𝟑
̅̅̅
𝑋𝑌 = 8000+15000+12000 = 35000

V(Y)=Var(X1) + Var(X2) + Var(X3)

Var(Y) = 2000² + 5000² + 3000² = 38000000

𝜎𝑌 = √38000000 = 6164.4140

Por lo tanto el total de ventas Y, se distribuirá como

una Normal con media 35000 y desviación 6164.4140

Debemos calcular
P(Y > 50000)
𝑌−𝜇
𝑍=
𝜎
50.000 − 35.000
𝑌 = 50.000 → 𝑍 = = 2.4333
6164.4140

P(Y > 45000) = P(Z > 2.4333) =

1 − P(Z < 2.4333) = 1 − 0.9925 = 0.0075

Por lo tanto

P(Y>50000) = 0.0075

La probabilidad que el volumen de venta total para

los tres refrigeradores sea mayor de $50.000
es 0.0075 (0.75%).
Datos

𝑛 = 100
Como n es mayor que 30, podemos aplicar el teorema
central del límite y tenemos que la v.a se puede
aproximar por una normal
𝜎
̅̅̅̅ → 𝑁 (𝜇;
𝑋 )
√𝑛

Por tanto

125
̅𝑋̅̅̅ → 𝑁 (1000, ) = 𝑁(1000,12,5)
√100

Luego

a) P(985< <1015)=0,885-0,115=0,77.

b) P(960< <1040)=0,999-0,001=0,998

c) P( >1020)=0,055

d) P( <975)=0,023

Solución

80
̅̅̅̅ → 𝑁 (1.000;
𝑋 ) = 𝑁(1000; 10)
√64

𝑃𝑜𝑟 𝑡𝑎𝑛𝑡𝑜 𝑙𝑎 𝑃( 𝑋 ≥ 1000 ) = 0.5

Solución:

5
𝑋̅ → 𝑁 ( 750; ) = 𝑁( 750; 0.5)
√100

Por tato la probabilidad de que:

𝑃 (𝑋̅ ≤ 748) = 0.0000361686

Rechazar la aseveración del gerente.

25
𝑋̅ → 𝑁 ( 𝜇;
√50

𝑆𝑖 𝑙𝑎 𝑃 (𝑋̅ > 250) = 0.95 𝑠𝑒 𝑑𝑒𝑑𝑢𝑐𝑒 𝑞𝑢𝑒

𝑋̿ − 𝜇 250 − 𝜇
𝑃 ( > ) = 0.95
25/√50 25/√50

𝑋̅ − 𝜇
𝑍= → 𝑁(0,1)
25/√50

Por tanto si 𝑃( 𝑍 > 𝑧0 ) = 0.95

Se deduce que 𝑧0 = −1.645

 250 − 𝜇
𝑙𝑢𝑒𝑔𝑜 = −1.645
25/√50

Despejando se tiene que

𝑚 = 250 + 1.645 ∗ 3.5355 = 255.82

APLICO FORMULA DE CHI CUADRADO

𝑋 = 𝑒𝑠𝑝𝑒𝑠𝑜𝑟 𝑑𝑒 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙 𝑝𝑙𝑎𝑠𝑡𝑖𝑐𝑜 (𝑐𝑚𝑠)

𝑋𝑛−1 2 → 𝑋~𝑛 (𝑢𝑥, (0.01)2 )

𝑛 = 25 𝑆 = 0.0152

𝑃(𝑆 2 ≥ 0.0152 ) = 1 − 𝑃(𝑆 2 < 0.0152 )

24𝑆 2 24(0.0152 )
=1−𝑃 ( < )
𝜎2 𝜎2

24𝑆 2
𝑠𝑒𝑎 𝑊 = → 𝑊~𝑋24 2
𝜎2

𝑃(𝑆 2 ≥ 0.0152 ) = 1 − 𝑃 (𝑊24 < 34.56)

= 1 − 0.9248 = 0.0752

Sabemos que

(𝑛 − 1)𝑆 2
→ 𝑋𝑛−1 2
𝜎2

Por lo tanto

𝑆2 15𝑆 2
𝑃 ( ≤ 15 ∗ 2.041) = 𝑃 ( ≤ 15 ∗ 2.041)
𝜎2 𝜎2

15𝑆 2
𝑃 ( ≤ 30.615)
𝜎2

𝑃 (𝑋 ≤ 30.615) = 1 − 0.00988721 = 0.99

Sabemos que

(𝑛 − 1)𝑆 2
→ 𝑋𝑛−1 2
𝜎2

Por lo tanto

𝑆2 20𝑆 2
𝑃 ( ≤ 20 ∗ 1.421) = 𝑃 ( ≤ 20 ∗ 1.421)
𝜎2 𝜎2

20𝑆 2
𝑃 ( ≤ 28.420)
𝜎2

𝑃 (𝑋 ≤ 28.420) =

𝑋̅ − 𝜇
~ 𝑁(0,1)
𝜎/√𝑛

𝑋̅ − 𝜇
𝑡= ~ 𝑡𝑛−1
𝑆/√𝑛

𝜇 = 0.6 𝑚𝑔 𝑛 = 16

𝑋̅ = 0.75 𝑆 = 0.175

0.75
𝑃 ( 𝑋̅ ≥ )
𝜇 = 0.6

Sabemos por la teoría que el estadístico

𝑋̅ − 𝜇
𝑡=
𝑆/√𝑛

sigue una t-Student con n-1 grados de libertad.

La probabilidad de que

𝑃 (𝑇 ≥ 𝑡0 ) = 𝑃 (𝑡𝑛−1 ≥ 𝑡0 ) =
 𝑋̅ − 𝜇 0.75 − 0.6
𝑃 ( 𝑡15 ≥ ) = 𝑃 ( 𝑡15 ≥ )
𝑆 0.175
√𝑛 √16

𝑃 ( 𝑡15 ≥ 3.428) = 0.0018684

Si la media es 0,60, la probabilidad de observar un valor

de
T mayor o igual de 3,4286 es de 0,001866097. Valor
muy
pequeño que nos hace pensar que la media poblacional
no es 0,60.

Solución

Si m fuese realmente igual a 2000

¿cuál es la probabilidad de obtener una media no

mayor

de $1.800 en una muestra de tamaño 25 con una

estimación de $ 200€

𝑋̅ − 𝜇
𝑇=
𝑆/√𝑛

Sigue una t-Student con 24 grados de libertad.

Por tanto

𝑃 (𝑇 ≤ −5) = 0.00002

Probabilidad muy baja que nos hace pensar que las

ventas han disminuido.

Aplico formula

𝑃(𝑎 < 𝑧 < 𝑏) = 𝑃(𝑏) − 𝑃(𝑎)