TALLER # 2

PROBABILIDAD II

Gloria Isabel Capera Quiñones

Código 084950062020

Julián David Bonilla Torres

código 084900192018

Ivan Darío Hernandez Correa

código 084950162020

TUTOR: Julio Cesar Rivera Gamboa

IDEAD
Semestre v Universidad Del Tolima.
Ingeniería de Sistemas Ibagué
Tolima 2020
8.17 Si se extraen todas las muestras posibles de tamaño 16 de una población normal
con media igual a 50 y desviación estándar igual a 5, ¿cuál es la probabilidad de que una
media muestral caiga en el intervalo que va de a Suponga que las medias muestrales se
pueden medir con cualquier grado de precisión.
μ=50
σ =5
n=16

x−N ( μnσ ) → N ( 50,1,25 )

z=¿ x−μ
σ ¿

p(μ x −1,9 σ x < x < μ x −0,4 σ x )

p(50−1,9.1,25< x< 50−0,4.1,25)

p ( 47,625< x <49,5 )= p (−1,9< z< 49,5 )−0,4
¿ 0,3446−0,0287
¿ 0,3159
8.19 Se fabrica cierto tipo de hilo con una resistencia a la tensión media de 78.3
kilogramos y una desviación estándar de 5.6 kilogramos. ¿Cómo cambia la varianza de la
media muestral cuando el tamaño de la muestra?
a) aumenta de 64 a 196?
b) disminuye de 784 a 49?

μ=78.3
σ =5.6

σ 5.6
σ x́ = = =0.7
√ n √64
σ 5.6
σ x́ = = =0.4
√ n √196
σ 5.6
σ x́ = = =0.2
√ n √784
σ 5.6
σ x́ = = =0.8
√ n √ 49
8.20 Si la desviación estándar de la media para la distribución muestral de muestras
aleatorias de tamaño 36 de una población grande o infinita es 2, ¿qué tan grande debe
ser el tamaño de la muestra si la desviación estándar se reduce a 1.2?

σ x́ =2 →1.2

n=36 →?
σ
σ x́ =
√n
σ x́ √n=σ

2 √ 36=σ
12=σ

σ σ2
√ n= n=
σ x́ σ x́

122
n= =100
1.2
8.21 Una máquina de bebida gaseosa se ajusta de manera que la cantidad de bebida que
sirve promedie 240 mililitros con una desviación estándar de 15 mililitros. La máquina se
verifica periódicamente tomando una muestra de 40 bebidas y se calcula el contenido
promedio. Si la media de las 40 bebidas es un valor dentro del intervalo se piensa que la
máquina opera satisfactoriamente; de otra forma, se ajusta. En la sección 8.4, el
funcionario de la compañía encuentra que la media de 40 bebidas es mililitros y
concluye que la máquina no necesita un ajuste. ¿Fue ésta una decisión razonable?

Datos
x=Cant bebida
n=40 bebidas
σ x =15 ml

μ x =240 ml

x́=μ x́ =240 ml

σx
σ x́ = =2.3717 ml
√n

Incógnita
σ ¿
μ x −2 σ x́ ≤ x́ ≤ μ−¿+2
x
x́

Solución al reemplazar los datos

240 ml – (2) (2.372 ml.) ≤ x́ ≤ 240 ml + (2) (2.372 ml)
240 ml – 4.744ml ≤ x́ ≤ 240 ml + 4.744 ml
235.257 ml ≤ x́ ≤ 244.743 ml

Respuesta
Esta es una decisión razonable, dado que se encuentra en el intervalo definido
8.22 Las estaturas de 1000 estudiantes están distribuidas aproximadamente de forma
normal con una media de 174.5 centímetros y una desviación estándar de 6.9
centímetros. Si se extraen 200 muestras aleatorias de tamaño 25 de esta población y las
medias se registran al décimo más cercano de centímetro, determine
a) la media y la desviación estándar de la distribución muestral de ;
b) el número de las medias muestrales que caen entre 172.5 y 175.8 centímetros
inclusive;
c) el número de medias muestrales que caen por debajo de 172.0 centímetros.
DESARROLLO

a N −n 6.9 1000−25
√
√ n N −1
=¿
√
√ 25 1000−1
=1.36

x−µ
z= 172.5−174.5
a N−n z= =−1.47
√
√ n N −1
√1.36

175.8−174.5
z= =0.96
1.36
z=( 172.5 ≤× ≤175.8 )=0.7607

( 0.7607 )( 200 )=152medias muestrales

 172−174.5
z= =−1.83
1.36

( 0.03336 ) ( 200 )=7 medias muestrales

8.24 Si cierta máquina fabrica resistencias eléctricas que tienen una resistencia media de
40 ohms y una desviación estándar de 2 ohms,
¿cuál es la probabilidad de que una muestra aleatoria de 36 de estas resistencias tenga
una resistencia combinada de más de 1458 ohms?

µ=40 ohms n=36

1458
σ=2 ohms X = =40,5
36

P(X≥ 40.5)

X−µ 40.5−40
Z=
σ Z= 2
√n 36

Z=1.5

A=0.9332

A=1-0.9332=0.0668
8.25 La vida media de una máquina para elaborar pasta es de 7 años, con una desviación
estándar de 1 año. Suponiendo que las vidas de estas máquinas siguen
aproximadamente una distribución normal, encuentre
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
b) el valor de x a la derecha del cual caería el 15% de las medias calculadas de muestras
aleatorias de tamaño 9.
X . N ( µ x , σ a )=µ x =7 ( años )

σx 1 1
σ a= = = ( años )
√n √9 3
A) P(6.4≤ 7.2¿)

6.4−7 X−µ x 7.2−7

P=
( 1
3
≤
σx
√n
≤
1
3 )
=P (−1.8≤ z ≤ 0.6 )=P ( z ≤ 0.6 )−P ( z ≤−1.8 )=0.72257−0.0359=0.6890=68.98

B) Un valor de X que deja a su derecha un área del 15% y por lo tanto un área del
85% a su izquierda.
con µx =7 años a=1−1.15=0.85

x−7 ( 1.04 )∗1

Z a=Z0.85 =1.04=Z 0.85=
1
=
3 [ ]
+7=x=7.366667 años
3
X =7.35
8.26 El tiempo en 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 con el cajero sea
a) a lo más 2.7 minutos;
b) más de 3.5 minutos;
c) al menos 3.2 minutos pero menos de 3.4 minutos.
DESARROLLO
Variable aleatoria x:tiempo que un cajero atiende a un cliente por minuto
Media poblacional µ=3.2 minutos
Desviación estándar  σ =1.6 minutos
Tamaño de muestra n= 64 clientes
X . N ( µ A ,σ a )=µ A =3.2 ( años )

σ A 1.6 16
σ a= = = ( años )
√ n √64 8
C) P(X≤ 2.7 ¿)

X−µ 2.7−3,2
P=
( σa
√n
≤
1.6
8 )
=P ( z ≤ 2.5 )=aplicando latabla=0.0062=0.62%

R/ La probabilidad de que el tiempo promedio de los clientes con el cajero sea a lo

mas 2.7 minutos es de 0.62%
D) P(X¿ 3.5 ¿

X−µ 3.5−3.2
P=
( σa
√n
≤
1.6
64 )
=P ( z ≤1.5 )=1−P ( z ≤ 5 )=1−0.9332=aplicando la tabla=0.0668=6.68 %
R/ La probabilidad de que el tiempo promedio de los clientes con el cajero sea
a lo mas 3.5 minutos es de 6.68%
E) P(3.2≤ X ≤3.4 ¿

3.2−3.2 X−µ A 3.4−3.2

P=
( 1.6
√ 64
≤
σa
√n
≤
1.6
√64 )
=P ( 0 ≤ z ≤1 ) =P ( z ≤1 ) −P ( z ≤0 )=0.8413=05000=03413=34.13 %

R/ La probabilidad de que el tiempo promedio de los clientes con el cajero este

entre 3.2 y 3.4 minutos es de 34.13%
8.27 En un proceso químico, la cantidad de cierto tipo de impurezas en el producto es
difícil de controlar y por ello es una variable aleatoria. Se especula que la cantidad
media de la población de impurezas es 0.20 gramos por gramo del producto. Se sabe
que la desviación estándar es 0.1 gramos por gramo. Se realiza un experimento para
aprender más con respecto a la especulación de que μ = 0.2. El proceso se lleva a cabo
50 veces en un laboratorio y el promedio de la muestra x́ resulta ser 0.23 gramos por
gramo. Comente sobre la especulación de que la cantidad media de impurezas es 0.20
gramos por gramo. Utilice el teorema del límite
central en su respuesta.
R//Si nos guiamos por el teorema de limite central obtendremos que:

X́−μ
Z=
σ /√n
Donde
x́=0.23
n=50 veces
σ =0.1
μ=0.2
Al resolver el teorema obtenemos
0.23−0.2
Z=
0.1/ √ 50
0.03
0.23−0.2 =¿ 0.03
Z= = 0.1 =2.1213
0.1/ √ 50 0.014142
7. .0710

X́−μ
Z= =2.1213
σ /√n

Por eso se puede decir que

P ( x́ ≥ 0.23 )=P(Z >2.12)

Como P ( Z >2.12 )=1−P ( Z <2.12 ) entonces:

1−P ( Z<2.12 ) =1−0.9830=0.0170
P ( x́ ≥ 0.23 )=P(Z >2.12) =0.0170

Comentario
Por tanto, la probabilidad de tener tales observaciones, dada la media μ = 0,20, es del
1.7% lo cual es muy pequeña, al observar eso se puede deducir que no es probable que la
cantidad media sea 0,20.
8.28 Se toma una muestra aleatoria de tamaño 25 de una población normal que tiene
una media de 80 y una desviación estándar de 5. Una segunda muestra aleatoria de
tamaño 36 se toma de una población normal diferente que tiene una media de 75 y una
desviación estándar de 3. Encuentre la probabilidad de que la media muestral calculada
de las 25 mediciones exceda la media muestral calculada de las 36 mediciones por al
menos 3.4 pero menos de 5.9. Suponga que las diferencias de las medias se miden al
décimo más cercano.

Tenemos

μ1=80
n1 =25
μ2=75
n2 =36
σ 21 σ 22
σ 2X́ − X́ =σ 2X́ +σ 2X́ = +
1 2 1 2
n 1 n2

Primero calculamos las medias

μ1−μ 2=80-75=5

Luego calculamos las varianzas utilizando

σ 21 σ 22 52 32 25 9 25 9
+ = + = + =
n 1 n2 25 36 25 36
+ =√ 1+0.25= √ 1.25=1.1180
25 36 √
Con estas calculamos Z1 y Z2

( X́ 1− X́ 2) −(μ 1−μ2 ) 3.35−5 −1.65

Z1 = = = =−1.4758=−1.48
2
σ σ 2 1.1180 1.1180
√ 1
+
n1 n2
2

( X́ 1− X́ 2) −(μ 1−μ2 ) 5.85−5 0.85

Z2 = = = =0.7602=0.76
σ 21 σ 22 1.1180 1.1180
√ +
n1 n2

Al final calculamos la probabilidad de la siguiente manera

´ X́ <5.85 =P (−1.48<Z < 0.76)
(
P 3.35< X́ − 1 2 )
Como P(−1.48< Z )entonces:
1−P ( 1.48> Z )=1−0.9306=0.0694

P( Z< 0.76)= 0.7764

P (−1.48<Z <0.76 )=0.7764−0.0694=0.7070

Por tanto, la probabilidad de que la media muestral calculada de las 25 mediciones exceda
la media muestral calculada de las 36 mediciones por al menos 3.4 pero menos de 5.9 es
del 70.7%.