ÁREA JURÍDICA, SOCAL Y ADMINISTRATIVA

CARRERA DE ECONOMÍA

ALUMNA: Karen Guissella Mora Ordoñez

CICLO: 2 “B”

FECHA: 13-07-2018

MATERIA: Estadística 2

DOCENTE: Eco. Johana Alvarado

Abril 2018 – Octubre 2018

 ~2~

UNIVERSIDAD NACIONAL DE LOJA

ESTADISTICA 2

POR: Karen Mora

CICLO: 2 “B”

LIBRO DE DÍAZ

1) Indique el total de muestras distintas que es posible obtener con los siguientes
tamaños de muestras y de poblaciones:

N! 100 !
a) N = 100; n = 10 = =1,73103E+13
n !( N −n)! 10 !(100−10)!

N! 1000!
b) N = 1 000; n = 2 = =499500
n !( N −n)! 2 !(1000−2)!

3) Se tiene una población de 6 artículos y se determinó el número de defectos de

fabricación de cada uno de ellos:

Tabla 1

NÚM. DE (X-
ARTICULOS DEFECTOS p(X) (x-u)^2 U)^2*P(X)
A 0 0 6,25 0
B 1 0,07 2,25 0,15
C 2 0,13 0,25 0,033
D 3 0,2 0,25 0,05
E 4 0,27 2,25 0,6
F 5 0,33 6,25 2,08
  15 1   2,92

A) Encuentre la media de esta población

0+1+2+3+ 4+ 5
μ= =2,5
6

B) Encuentre la desviación estándar de esta población

( X ¿−μ)2 √ 17,5
σ=√ = =1,71 ¿
N 6

C) La distribución muestral de las medias para muestra de tamaño n=3

N! 6!
❑n c N = = =20
n ! ( N−n)! 3 !(6−3)!

Universidad Nacional de Loja

 ~3~

Tabla 2

defectos
Muestras Combinaciones defectos media (X-u)^2
1 a, b, c 0 1 2 1 2,25
2 a, b, d 0 1 3 1,33 1,36
3 a, b, e 0 1 4 1,67 0,69
4 a, b, f 0 1 5 2 0,25
5 a, c, d 0 2 3 1,67 0,69
6 a, c, e 0 2 4 2 0,25
7 a, c, f 0 2 5 2,33 0,03
8 a, d, e 0 3 4 2,33 0,03
9 a, d, f 0 3 5 2,67 0,03
10 a, e, f 0 4 5 3 0,25
11 b, c, d 1 2 3 2 0,25
12 b, c, e 1 2 4 2,33 0,03
13 b, c, f 1 2 5 2,67 0,03
14 b, d, e 1 3 4 2,67 0,03
15 b, d, f 1 3 5 3 0,25
16 b, e, f 1 4 5 3,33 0,69
17 c, d, e 2 3 4 3 0,25
18 c, d, f 2 3 5 3,33 0,69
19 c, e, f 2 4 5 3,67 1,36
20 d, e, f 3 4 5 4 2,25
50,00 11,67
D) El valor esperado de la media

μ
X́ =
∑´ X = 50=2,5
n 20

E) Error estándar de la media mediante:

1. Las medias de la distribución muestral de la media:

11,67
σ X́ =
√ 20
=0,76

2. La desviación estándar de la desviación

σ N −n 1,71 6−3
σ X́ =
√ =
√ 3 N−1 √ 3 6−1
=0,76
√
F) se cumple que:

Universidad Nacional de Loja

 ~4~

μ X́ =μ ? Si se cumple: 2,5 = 2,5

σ N −n
σ X́ =
√
√ n N −1
Si se cumple: 0,76 = 0,76

G) Haga una gráfica de barras

Distribución de prababilidad muestral de la de la distribución muestral de la
media
media, agrupando los valores
3.5
según su frecuencia de
3
2.5 aparición, ¿qué forma
2 aproximada tiene la gráfica?
Medias

1.5
1 Tabla 3
0.5
Media 0 #
1 1.33 1.67 2 2.33 2.67 3 3.33 3.67 4
muestral medias Probabilidad
Media muestral
1 1 0,05
1,33 1 0,05
1,67 2 0,1
2 3 0,15
2,33 3 0,15
Gráfica 1
2,67 3 0,15
3 3 0,15
3,33 2 0,1
3,67 1 0,05
4 1 0,05
  20  

La gráfica que obtenemos de la distribución muestral de la media tiene una forma simétrica, por
lo tanto se aproxima a una distribución normal.

H) Qué cantidad de medias muestrales se encuentran en el intervalo μ ± 3 σx?

μ ±3 σ X́ =2,5± 3 ( 0,76 )

2,5+3 ( 0,76 )=4,78

2,5−3 ( 0,76 )=0,22

4) Se tiene una población con las siguientes características: N = 1 000 y σ = 40.

Encuentre el error estándar de la media para n=60.

σ N −n
σ X́ =
√
√ n N −1

Universidad Nacional de Loja

 ~5~

40 1000−60
σ X́ =
√
√ 60 1000−1
=5,16∗0,97=5

6) Se tiene una población muy numerosa con σ = 40. Encuentre el error estándar de la
media para n = 200.

σ 40
σ X́ = =2,83
√ n √200

Universidad Nacional de Loja

 ~6~

LIBRO DE ANDERSON CAP 7

4) A continuación se presentan las 10 acciones más activas en la Bolsa de Nueva York

del 6 de marzo del 2006 (The Wall Street Journal, 7 de marzo, 2006).

AT&T Lucent Nortel Qwest Bell South

Pfizer Texas Instruments Gen. Elect. IShrMSJpn LSI Logic

Las autoridades decidieron investigar las prácticas de negociación usando una muestra de tres
de estas acciones.

a. Empezando en el primer dígito aleatorio de la columna seis de la tabla 7.1, lea los números
descendiendo por esa columna para seleccionar una muestra aleatoria simple de tres acciones
para las autoridades.
Tabla 4

1 AT&T
2 Lucent
8 IShrMSJpn
3 Nortel
4 Qwest b. Con la 0 AT&T información
5 Bell South dada en 6 Texas Instruments la primera
6 Pfizer nota y comentario,
7 Texas Instruments
determine cuántas
8 Gen. Elect.
muestras aleatorias simples diferentes de tamaño 3 pueden
9 IShrMSJpn
10 LSI Logic seleccionarse de una lista de 10 acciones
N! 10 !
C n= = =120
n ! ( N −n ) ! 3 ! ( 10−3 ) !
Se pueden realizar 120 muestras aleatorias simples.

6) El County and City Data Book del Census Bureau cuenta con información de los 3139
condados de Estados Unidos. Suponga que para un estudio nacional se recogerán datos
de 30 condados seleccionados aleatoriamente. De la última columna de la tabla 7.1
extraiga números aleatorios de cuatro dígitos para determinar los primeros cinco
condados seleccionados para la muestra. Ignore los primeros dígitos y empiece con los
números aleatorios de cuatro dígitos 9945, 8364, 5702 y así
sucesivamente.

Respuesta 2782
493
825

Universidad Nacional de Loja

 ~7~

1807
289

8) La lista siguiente proporciona los 25 mejores equipos de futbol de la NCAA en la

temporada del 2002 (NCAA News, 4 de enero de 2003). De la tabla 7.1 use la novena
columna que empieza con 13 554, para seleccionar una muestra aleatoria simple de seis
equipos de futbol. Empiece con el equipo 13 y use los primeros dos dígitos de cada
renglón de la novena columna para el proceso de selección. ¿Cuáles son los seis
equipos de futbol seleccionados para la muestra aleatoria simple ?

# Aletorios
13
8
60
68
40
27
23
64
36
56
25
88
18
74
75
29
80
5
71
83
74
Respuesta
13 Maryland
8 Iowa
23 Florida State
25 Virginia
18 Pittsburgh
5 Oklahoma

10) Indique si las poblaciones siguientes se consideran finitas o infinitas.

a. Todos los votantes registrados en el estado de California. FINITA

b. Todos los equipos de televisión que pueden ser producidos en una determinada fábrica.
INFINITA

Universidad Nacional de Loja

 ~8~

c. Todas las órdenes que pueden ser procesadas por Allentown, Pensilvania, planta de TV-M

Company. INFINITA

d. Todas las llamadas de emergencia que pueden ser recibidas en una estación de policía.
INFINITA

e. Todas las piezas producidas por Fibercon, Inc., en el segundo turno el 17 de mayo. FINITA

20) Suponga que la desviación estándar poblacional es σ= 25. Calcule el error estándar
de la media, σX, con muestras de tamaño 50, 100, 150 y 200. ¿Qué puede decir acerca del
error estándar de la media conforme el tamaño de la muestra aumenta?

σ 25
σ X́ = =3,54
√ n √50

σ 25
σ X́ = =2,5
√ n √100

σ 25
σ X́ = =2,04
√ n √150

σ 25
σ X́ = =1,77
√ n √200

El error estándar de la media va disminuyendo conforme el tamaño de la muestra es más

grande.

21) Suponga que de una población en la que σ = 10 se toma una muestra aleatoria simple
de tamaño 50. Halle el valor del error estándar de la media en cada uno de los casos
siguientes (si es necesario use el factor de corrección para una población finita).

a. El tamaño de la población es infinito.

σ 10
σ X́ = =1,41
√ n √50

b. El tamaño de la población es N = 50 000.

σ N −n 10 50000−50
σ X́ =
√
√ n N −1
σ X́ =
√
√ 50 50000−1
=1,41∗0,9995=1,41

c. El tamaño de la población es N = 5000.

Universidad Nacional de Loja

 ~9~

σ N −n 10 5000−50
σ X́ =
√
√ n N −1
σ X́ =
√
√ 50 5000−1
=1,41∗0,995=1,41

d. El tamaño de la población es N = 500.

σ N −n 10 500−50
σ X́ =
√
√ n N −1
σ X́ =
√
√ 50 500−1
=1,41∗0,9496=1,34

26) El costo medio anual de un seguro para automóvil es de $939 (CNBC, 23 de febrero
de 2006). Suponga que la desviación estándar es σ = $245.

¿Cuál es la probabilidad de que una muestra aleatoria simple de pólizas de seguros de

automóvil la media muestral no difiera más de $25 de la media poblacional si el tamaño de la
muestra es 30, 50, 100 y 400?

´
X −μ
z=
σ
914 964
√n
Muestra n= 30
σ =245
964−939 25
z= = =0,56
245 44,73
√ 30
z+=0,7123
µ=939
z-=0,2877 Figura 1

0,7123-0,2877= 0,4246

La probabilidad que en una muestra de 30 de pólizas de seguro de automóvil la media muestral

no difiera más de $25 de la media poblacional es de 42,46%.

Muestra n= 50

964−939 25
z= = =0,72
245 34,65
√ 50
Z+= 0,7642

z-=0,2358

0,7642-0,2358= 0,5284

La probabilidad que en una muestra de 50 de pólizas de seguro de automóvil la media muestral

no difiera más de $25 de la media poblacional es de 52,84%%.

Muestra n=100

Universidad Nacional de Loja

 ~ 10 ~

964−939 25
z= = =1,02
245 24,5
√ 100
Z+= 0,8461

z-= 0,1539

0,8461-0,1539= 0,6922

La probabilidad que en una muestra de 50 de pólizas de seguro de automóvil la media muestral

no difiera más de $25 de la media poblacional es de 69,22%%.

Muestra n=400

964−939 25
z= = =2,04
245 12,25
√ 400
Z+= 0,9793

Z-=0,0207

0,9793-0,0207= 0,9586

La probabilidad que en una muestra de 50 de pólizas de seguro de automóvil la media muestral

no difiera más de $25 de la media poblacional es de 95,86%%.

b. ¿Qué ventaja tiene una muestra grande cuando se quiere estimar la media poblacional?

La ventaja que tiene que una muestra sea más grande, es que la probabilidad de que la media
muestral se acerque cada vez más a la media poblacional, con esto podemos ver que el error
estándar es menor y va a haber más confiabilidad en nuestro resultado.

29) En el norte de Kentucky (The Cincinnati Enquirer, 21 de enero de 2006) el precio

promedio de la gasolina sin plomo era $2.34. Use este precio como media poblacional y
suponga que la desviación estándar poblacional es $0.20.

2,04 2,64

σ =0,20

Figura 2
µ=2,34
´
X −μ
z=
σ
√n
Universidad Nacional de Loja
 ~ 11 ~

a. ¿Cuál es la probabilidad de que el precio medio en una muestra de 30 gasolineras no difiera

en más de $0.30 de la media poblacional?

2,64−2,34 0,30
z= = =8,11
0,20 0,037
√ 30
Z+= 0,9990

Z-=0,0010

0,9990-0,0010= 0,998

La probabilidad de que el precio medio en una muestra de 30 gasolineras no difiera en más de

$0.30 de la media poblacional es de 99,8%

b. ¿Cuál es la probabilidad de que el precio medio en una muestra de 50 gasolineras no difiera

en más de $0.30 de la media poblacional?

2,64−2,34 0,30
z= = =10
0,20 0,03
√ 50
Z+= 0,9990
Z-=0,0010
0,9990-0,0010= 0,998
La probabilidad de que el precio medio en una muestra de 50 gasolineras no difiera en más de
$0.30 de la media poblacional es de 99,8%.

c. ¿Cuál es la probabilidad de que el precio medio en una muestra de 100 gasolineras no

difiera en más de $0.30 de la media poblacional?

2,64−2,34 0,30
z= = =15
0,20 0,02
√ 100
Z+= 0,9990

Z-=0,0010

0,9990-0,0010= 0,998

La probabilidad de que el precio medio en una muestra de 100 gasolineras no difiera en más de
$0.30 de la media poblacional es de 99,8%.

Universidad Nacional de Loja

 ~ 12 ~

d. ¿Recomendaría usted alguno de los tamaños muestrales de los incisos a, b o c para que la
probabilidad de que el precio muestral no difiriera en más de $0.30 de la media muestral fuera
$0.95?

43) Los estadounidenses están cada vez más preocupados por el aumento en los costos
de Medicare. En 1990 el promedio de gastos anuales de un derechohabiente de Medicare
era $3267; en el 2003 el promedio de gastos anuales de un derechohabiente de Medicare
era $6883 (Money, otoño de 2003). Suponga que usted contrata a una empresa
consultora para tomar una muestra de 50 de los derechohabientes de Medicare en 2003
con objeto de investigar los gastos. Asuma que la desviación estándar en los gastos de
Medicare en 2003 haya sido de $2000.

a. Muestre la distribución muestral de la media, en muestras de tamaño cincuenta, de los gas-

tos de derechohabientes de Medicare en 2003.

σ 2000
σ X́ = =282,84
√ n √ 50

b. ¿Cuál es la probabilidad de que la media muestral no se aleje más de $300 de la media

poblacional?

Figura 3

7183−6883 300
z= = =1,06
2000 282,84
√50
Z+= 0,8554

La probabilidad de que la media muestra no se aleje más de $300 de la media poblacional es

de 85,54%.

C) ¿Cuál es la probabilidad de que la media muestral sea mayor que $7500? Si la empresa que
contrató le dice que la media muestral en los derechohabientes que entrevistó es $7500,
¿dudaría que la empresa contratada hubiera hecho un muestreo adecuado? ¿Por qué sí o por
qué no?

Universidad Nacional de Loja

 ~ 13 ~

Figura 4

7500−6883 617
z= = =2,18
2000 282,84
√ 50
Z+= 0,9854

0,9854-0,5= 0,4854

La probabilidad de que a media muestras sea mayor que $7500 es de %48,54.

Si dudaría que la empresa haya realizado un muestreo adecuado, ya que el error estándar es
considerable y la media mestral está muy alejada de la media poblacional. Se debió tomar una
muestra más significativa para este caso.

44) BusinessWeek encuesta a ex alumnos de administración 10 años después de

terminados sus estudios (BusinessWeek, 22 de septiembre de 2003). Uno de los
hallazgos fue que gastan en promedio $115.50 semanales en comidas sociales. A usted
se le pide que realice un estudio con una muestra de 40 de estos ex alumnos. Siendo la
desviación estándar de 35.

a. Muestre la distribución muestral de X, la media muestral de los gastos de 40 ex alumnos.

σ 35
σ X́ = =5,53
√ n √ 40

b. ¿Cuál es la probabilidad de que la media muestral no se aleje en más o menos de $10 de la

media poblacional?

Figura 5

Universidad Nacional de Loja

 ~ 14 ~

125,5−115,5 10
z= = =1,81
35 5,53
√ 40
Z+=0,9649

Z-=0,0351

0.9649-0,0351=0,9298

La probabilidad de que la media muestral no se aleje en más o menos de $10 de la media

poblacional, es de 92.98%

c. Suponga que encuentra una media muestral de $100. ¿Cuál es la probabilidad de hallar una
media muestral de $100 o menos? ¿Consideraría que los ex alumnos de esta muestra son un
grupo inusual respecto a estos gastos? ¿Por qué sí o por qué no?

Figura 6

100−115,5 −15,5
z= = =−2,80
35 5,53
√ 40
Z-=0.0026 0,5-0,0026=0,4974

La probabilidad de hallar una media muestral de $100 o menos es de 49,74%. Los alumnos no
son un grupo inusual porque la media muestral de lo que gastan en comidas no está
demasiado alejada de la media poblacional y la dispersión no es muy grande, esto nos deja
saber que el error muestral es relativamente pequeño.

46) En Indiana el salario anual promedio de un empleado del gobierno federal es $41 979
(The World Almanac, 2001). Use esta cifra como media poblacional y suponga que la
desviación estándar poblacional es $5000. Suponga que se selecciona una muestra de
50 de estos empleados del gobierno federal.

a. ¿Cuál es el valor del error estándar de la media?

σ 5000
σ x́ = = =707,1
√ n √ 50

Universidad Nacional de Loja

 ~ 15 ~

b. ¿Cuál es la probabilidad de que la media muestral sea mayor que $41 979?

σ =5000

µ=41979
Figura 7

La probabilidad de que la media muestral sea mayor que $41979 es de 0,5 ó 50%.

c. ¿Cuál es la probabilidad de que la media muestral no se aleje más o menos de $1000 de la

media poblacional?
40979 42979

σ =5000

´
X −μ µ=41979
z=
σ Figura 8
√n
´
42979−41979 1000
z= = =1,41
5000 707,10
√ 50
Z+=0,9207

Z-= 0,0793 0.9207-0,0793= 0,8414

La probabilidad de que la media muestra no se aleje más o menos de $1000 de la media

poblacional es de 84,14%

d. ¿Qué tanto variaría la probabilidad del inciso c si el tamaño de la muestra se aumentara a

100?

´
42979−41979 1000
z= = =2
5000 500
√ 100
Z+= 0,9772 0,9772-0,0228=0,9544

Z-=0,0228

Universidad Nacional de Loja

 ~ 16 ~

La probabilidad seria de 95,44%, variarían en 11.3%

49) Un inspector de control de calidad vigila periódicamente un proceso de producción.

El inspector selecciona muestras aleatorias simples de artículos ya terminados y calcula
la media muestral del peso del producto x¯. Si en un periodo largo se encuentra que 5%
de los valores de x¯ son mayores que 2.1 libras y 5% son menores que 1.9 libras.
¿Cuáles son la media y la desviación estándar de la población de los productos
elaborados en este proceso?

σ =?
1,9 2,1
5% 5%

µ=?
Figura 9
0,5 – 0,05= 0,4500

Z+= 1.65

Z-= -1,65

n=30

2,1−μ
1,65= 1,9−μ
σ −1,65=
√ 30 σ
√30
σ
1,65 ( )
√ 30
=2,1−μ
−1,65 ( √σ30 )=1,9−μ
1,65 σ =2,1 √ 30−μ √ 30
−1,65 σ =1,9 √ 30−μ √ 30

−1,65 σ =−2,1 √ 30+ μ √ 30

−1,65 σ =1,9 √ 30−μ √ 30
−3,3 σ =−0,2 √ 30
−1,095
σ=
−3,3
σ =0 , 33
1,65 σ =2,1 √ 30−μ √ 30
1,65(0,33)=2,1 √ 30−μ √ 30

0,5445=11,50−μ √ 30

Universidad Nacional de Loja

 ~ 17 ~

0,5445−11,50
=−μ
√ 30
−2=−μ
μ=2
LIBRO DE LEVIN

7.40 ¿Por qué se reduce el error estándar de la media conforme aumenta el tamaño de la
muestra n?

La razón del porque el error estándar se reduce conforme aumenta el tamaño de la muestra, es
porque mientras más grande la muestra adquiere más características de la población y la
estimación de la muestra poblacional será mejor, con esto llegamos a resultados con más
confiabilidad y menos margen de error.

7.41 ¿Por qué para una muestra con el tamaño suficientemente grande, la distribución
muestral de la media sigue una distribución normal a pesar de que la población quizá no
tenga una distribución normal?

Porque con una muestra con un tamaño grande, aparte de tener un menor error estándar, las
medias muestrales se van a encontrar más cerca de la media poblacional, teniendo una
distribución más estrecha con respecto a ésta, y como resultado nos da una distribución
normal, a pesar de que la población quizá no la tenga.

7.42 ¿Cuál es la diferencia entre una distribución de probabilidad y una distribución

muestral?

La diferencia es que con la distribución de probabilidades se hace una lista ded todos los
resultados de un experimento y sus probabilidades asociadas, en cambio en una distribución
muestral se trabaja con todas las posibles medias de las muestras de un determinado tamaño
muestral de la población.

7.47 ¿Cuál es la diferencia que existe entre una muestra aleatoria simple y una muestra
sistemática?

En la muestra aleatoria simple se elige a los individuos o elementos de una población de

manera que todos tengas las mismas posibilidades de que se le incluya, por otro lado en una
muestra sistemática se selecciona un punto aleatorio de inicio y se escoge un intervalo para
determinar que miembro o elemento de la población se usara, por ejemplo, en un Mc Donald’s,
se realiza un muestreo sistemático: se elegirá una persona para encuestar, que cada 10
personas que tengan un cupón de descuento.

7.48 ¿Cuál es la diferencia que existe entre una muestra aleatoria simple y una muestra
estratificada?

Universidad Nacional de Loja

 ~ 18 ~

En una muestra aleatoria simple se eligen los individuos o elementos de una población de
manera que todos tengan las mismas posibilidades de que se les incluyan.

En una muestra estratificada la población se divide en subgrupos denominados estratos, y se

selecciona una muestra aleatoria de cada estrato.

7.49 ¿Cuál es la diferencia que existe entre una muestra estratificada y una muestra de
conglomerados?

En una muestra estratificada se divide a la población en subgrupos, denominados estratos, y

de estos estratos se toma una muestra al azar. En una muestra de conglomerados se divide a
la población en conglomerados a partir de los límites naturales geográficos, se seleccionan
conglomerados al azar y de cada conglomerado seleccionado se tomaran muestras aleatorias.

7.51 La cantidad de llenado de las botellas de una bebida gaseosa tiene una distribución
normal, con una media de 2.0 litros y una desviación estándar de 0.05 litros. Si se
selecciona una muestra aleatoria de 25 botellas, ¿cuál es la probabilidad de que la media
muestral esté
1,99
a. Entre 1.99 y 2.0 litros?

σ= 0,05

µ=2
Figura 10
X́−μ 1,99−2 −0,01
Z= = = =−1
σ 0,05 0,01
√n √25

Z=0,3413

La probabilidad de que la media muestral esté entre 1,99 y 2 litros es de 34,13%

b. Bajo 1.98 litros? 1,98

σ= 0,05

µ=2

X́−μ 1,98−2 −0,02 Figura 11

Z= = = =−2
σ 0,05 0,01
√n √ 25

Universidad Nacional de Loja

 ~ 19 ~

Z= 0,4772

0,5-0,4772= 0,0228

La probabilidad de que la media muestral esté bajo 1,98 litros, es de 2,28%.

2,01
c. Sobre 2.01 litros?

σ= 0,05

µ=2
Figura 12
X́−μ 2,01−2 0,01
Z= = = =1
σ 0,05 0,01
√n √25
Z= 0,3413

0.5-0,3413= 0,1587

La probabilidad de que la media muestral esté sobre 2,01 litros es de 15,87%

d. Existe una probabilidad del 99% de que la media muestral contenga por lo menos ¿cuánta
bebida gaseosa?

0,99=‫ח‬

0,5-0,99=-0,49

Z=-2,33

X́−μ X́ −2
Z= −2,33=
σ 0,05
√n √ n 25
0,01 (−2,33 )= X́−2

−0,0233+2= X́

X́ =1,9767

Hay una probabilidad del 99% de que la media muestral contenga por lo menos 1,9767 litros de
gaseosa.

e. Hay una probabilidad del 99% de que la media muestral contenga valor que se encuentra
entre ¿cuáles dos valores (distribuidos simétricamente alrededor de la media)?
0,495 0,495

Universidad Nacional de Loja

 ~ 20 ~

0,495 =0,99/2=‫ח‬

Z= 2,58 σ= 0,05

X́−μ
Z=
σ
µ=2
√n
Figura 13

X́−2
X́−2 2,58=
−2,58= 0,05
0,05 √ 25
√ 25
0,01 ( 2,58 )= X́−2
0,01 (−2,58 )= X́−2
0,0258+2= X́
−0,0258+2= X́
X́ =2,03
X́ =1,9742

Hay una
probabilidad del 99% de que la media muestral
contenga entre 1,9742 L y 2,03 L de gaseosa distribuidos simétricamente alrededor de la
media.

Universidad Nacional de Loja