Ejercicios Estadistica Inferencial

TECNOLÓGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLÓGICO DE PUEBLA

DEPARTAMENTO DE CIENCIAS BÁSICAS
CARRERAS DE INGENIERÍA INDUSTRIAL e ING. EN LOGÍSTICA
MATERIA: ESTADÍSTICA INFERENCIAL I
Unidad 1. Distribuciones fundamentales para el muestreo

Tema 1.4.1 Distribución muestral de la media
Ejercicios para clase
CASO 1
Si de una población normal con media   40 y desviación estándar   5 , se seleccionan lotes

muestrales de tamaño n  120 :
a). ¿Cuál será la forma que asume la distribución muestral de medias?, ¿porqué?.
b). ¿Cuál es el valor para la media de la distribución muestral de medias,  x ?, ¿porqué?.
c). ¿Cuál es el valor que se espera para el error estándar de la distribución muestral de medias,  x ?.
d). Indique el rango de valores posibles para las medias de la distribución muestral.
e). ¿Es posible encontrar muestras con medias mayores a 45?, ¿porqué?.
f). ¿Es posible encontrar muestras con medias menores a 39.5?, ¿porqué?.
g). ¿Es posible encontrar muestras con medias entre 39 y 40.8?, ¿porqué?.
SOLUCIÓN
a). Aproximadamente normal. Las muestras extraídas son grandes (n = 120)
b).  x  40 . Debido a que  x  
 5
c).  x    0.456436
n 120
d). Medias muestrales entre 38.631 y 41.369
x  3 x  40  3  0.456436  40  1.36931  38.631;41.369
e). No. La distribución muestral indica que las muestras con medias más altas no exceden a 41.369
f). Sí. La distribución muestral indica que es posible encontrar muestras con medias menores a 39.5
(aunque en la distribución muestral éstas son las muestras con medias entre 115.26 y 120)
g). Sí, debido a que la distribución muestral de medias comprende muestras con medias entre 38.63 y
41.37
Elaboró: QFB. FRANCISCO PARTIDA HERNÁNDEZ Profesor del Área de Probabilidad y estadística del I.T.P.
CASO 2
Para un lote de producción de cierto tipo de tapas plásticas se reporta un diámetro medio interno de
  30 milímetros, con una desviación estándar de   2 milímetros.
VERIFICACIÓN DEL DIÁMETRO INTERNO DE LAS TAPAS PLÁSTICAS
Si personal de calidad toma de este lote una muestra aleatoria de 100 tapas, ¿cuál es la probabilidad de
que el diámetro promedio de las piezas muestreadas:
a). Se encuentre entre 29.5 y 30.5 milímetros?
b). Sea mayor a 30.5 milímetros?
c). Fluctúe entre 29.6 y 29.8 milímetros?
d). Sea menor de 29.9 milímetros?
e). Sea mayor de 30.5 o menor de 29.5 milímetros?
Solución
 2 x  x
 x  30 mm x    0.20 z
n 10 x
a). P  29.5  x  30.5 mm   0.9876, 98.76%
Gráfica de distribución
Normal, Media=30, Desv.Est.=0.2
2.0
0.9876
29.5  30 30.5  30
z  2.5 z  2.5
1.5
0.20 0.20
Densidad
1.0
0.5 P  x   A  z2.5   A  z2.5    0.4938   0.4938  0.9876

0.0
29.5 30 30.5
X
b). P  x  30.5 mm   0.0062, 0.62%

2.0
30.5  30
z  2.5
1.5
0.20
Densidad
1.0
0.5 P  x   0.5000  A  z2.5   0.5000   0.4938  0.0062

0.006210
0.0
30 30.5
X
c). P  29.6  x  29.8 mm   0.1359, 13.59%
2.0
29.6  30 29.8  30
z  2.0 z  1.00
1.5
0.20 0.20
Densidad
1.0
P  x   A  z2.00   A  z1.00    0.4772    0.3413  0.1359

0.1359
0.5
0.0
29.6 29.8 30
X
d). P  x  29.9 mm   0.3085, 30.85%

2.0
29.9  30
z  0.5
1.5
0.20
Densidad
1.0
0.5 0.3085
P  x   0.5000  A  z0.5   0.5000   0.1915  0.3085
0.0
29.9 30
X
e). P  x    P  x  29.5 mm   P  x  30.5 mm   0.0124, 1.24%

29.5  30 30.5  30
2.0
0.9876
z  2.5 z  2.5
1.5
0.20 0.20
Densidad
P  x   1   A  z2.5   A  z2.5   1   0.4938   0.4938

1.0
0.5
0.0
29.5 30
X
30.5 P  x   1  0.9876  0.0124
CASO 3
Se sabe que el volumen de llenado promedio por envase en cierta máquina surtidora de refresco es 125
mililitros con una desviación estándar de 5 mililitros.
PROCESO AUTOMÁTICO DE ENVASADO DE REFRESCO
Si el supervisor verifica un lote aleatorio de 36 envases, ¿qué tan probable es que el volumen de llenado
promedio para los envases del lote de verificación:
a). Exceda los 126 mililitros?
b). Sea por mucho 126.5 mililitros?
c). Fluctúe entre 124 y 127 mililitros?
d). Sea entre 123 y 124.5 mililitros?
e). No sea mayor que 123 o rebase 125 mililitros?
Solución
 5 x  x
 x  125 ml x    0.83333 z
n 36 x
a). P  x  126 ml   0.1151, 11.51%
0.5
126  125
0.4
z  1.2
0.83333
0.3
Densidad
P  x   0.5000  A  z1.2   0.5000   0.3849   0.1151

0.2
0.1
0.1151
0.0
125 126
X
b). P  x  126.5 ml   0.9641, 96.41%

126.5  125
0.5
0.4 0.9641 z  1.8

0.3
0.83333
Densidad
P  x   0.5000  A  z1.8   0.5000   0.4641  0.9641

0.2
0.1
0.0
125 126.5
X
c). P 124  x  127 ml   0.8767, 87.67%

0.5
124  125 127  125
0.4
0.8767 z  1.2 z  2.4
0.3
0.83333 0.83333
Densidad
P  x   A  z1.2   A  z2.40    0.3849    0.4918  0.8767

0.2
0.1
0.0
124 125 127
X
d). P 123  x  124.5 ml   0.2660, 26.6%

0.5
123  125 124.5  125
0.4 z  2.40 z  0.60
0.83333 0.83333
0.3
Densidad
P  x   A  z2.40   A  z0.60    0.4918   0.2258  0.2660

0.2
0.2661
0.1
0.0
123 124.5 125
X
e). P  x    P  x  123 ml   P  x  125 ml   0.5082, 50.82%

0.5
P  x   1  P 123  x  125
0.4
0.3
123  125 125  125
Densidad
0.2
0.4918
z  2.4 z  0.00
0.20 0.20
0.1
P  x   1  A  z2.4   1   0.4918  0.5082

0.0
123 125
X

Tema 1.4.3 Distribución muestral de la proporción
CASO 1
Suponga que para cierta característica la proporción en una población es 25%. Si de esta población se
toma una muestra aleatoria de tamaño 100, calcule:
a). La media de la distribución muestral de las proporciones.
b). El error estándar de la distribución muestral de proporciones.
c). En el cálculo anterior, ¿utilizó el factor de corrección por población finita?. ¿Porqué?.
d). Determine el rango de valores posibles para las proporciones de la distribución muestral en estudio.
Solución
a). P  0.25 , debido a que P  P  0.25
p1q1 p1 1  p1   0.25 1  0.25 

b). p     0.04330
n n 100
c). No. La población de la que proviene la muestra no es finita
d). De 12.01% a 37.99% es el rango de valores posibles para las proporciones muestrales
 p  3 p  0.25  3  0.0433  0.1201;0.3799
CASO 2
Se sabe que el 3% de las operaciones que realiza cierta máquina surtidora de café incumple las
especificaciones de llenado. Si se verifica el llenado en 300 vasos elegidos aleatoriamente, ¿qué tan
probable es que en esta muestra, la proporción de vasos:
a). Fuera de las especificaciones de llenado sea mayor al 4%?
b). Que incumple especificaciones no sea mayor al 2.5%?
c). En los que se cumple el llenado sea mayor al 98%?
d). Que no cumple especificaciones exceda el 3.5%?
e). Dentro de especificaciones esté entre 95% y 99%?
f). Que incumple especificaciones de llenado fluctúe entre 2% y 3%?
Solución
p1q1 p1 1  p1   0.031  0.03

P  0.03 p     0.009849
n n 300
a). P  p  4% incumple   0.1550, 15.5%
Normal, Media=0.03, Desv.Est.=0.009849
40
0.04  0.03
z  1.015
30
0.009849
Densidad
20
10
0.1550
P  x   0.5000  A  z1.015   0.5000   0.34495  0.15505
0
0.03 0.04
X
b). P  p  2.5% incumple   0.3050, 30.5%
40
0.025  0.03
z  0.51
30
0.009849
Densidad
20
10 0.3058 P  x   0.5000  A  z0.51   0.5000   0.1950   0.3050

0
0.025 0.03
X
c). P  p  98% cumple   0.1550, 15.5%
40
0.98  0.97
z  1.015
30
0.009849
Densidad
20
10
0.1550
P  x   0.5000  A  z1.015   0.5000   0.34495  0.15505
0
0.97 0.98
X
d). P  p  3.5% incumple   0.3050, 30.5%
40
0.035  0.03
z  0.51
30
0.009849
Densidad
20
10 0.3058 P  x   0.5000  A  z0.51   0.5000   0.1950   0.3050

0
0.03 0.035
X
e). P  95%  p  99% cumple   0.9576, 95.76%
0.95  0.97 0.99  0.97

0.9577
40
z  2.03 z  2.03
30
0.009849 0.009849
Densidad
20
10
P  x   A  z2.03   A  z2.03    0.4788   0.4788  0.9576
0
0.95 0.97 0.99
X
f). P  2%  p  3% incumple   0.3450, 34.5%
40
0.02  0.03 0.03  0.03
0.3450
z  1.015 z  0.00
30
0.009849 0.009849
Densidad
20
10 P  x   A  z1.015   A  z0.00    0.34495   0.000   0.34495

0
0.02 0.03
X
CASO 3
Un estudio sobre accidentes industriales indicó en cierta empresa que el 40% de los accidentes se
debían a condiciones inseguras de trabajo.
Si se mantuvieran las mismas condiciones y políticas de seguridad en dicha empresa, ¿cuál es la

probabilidad de que de cada 20 accidentes que ocurrieran, la proporción de accidentes debido a
condiciones inseguras de trabajo fuera:
a). No mayor al 20%
b). 20% ó más
c). Entre 25% y 35%
d). Por lo menos 40%
e). Entre 30% y 35%
Solución
p1q1 p1 1  p1   0.40 1  0.40 

P  0.40 p     0.10954
n n 20
a). P  p  20%   0.034, 3.4%
4
0.20  0.40
z  1.825
3
0.10954
Densidad
1 P  x   0.5000  A  z1.00   0.5000   0.4660   0.0340

0.03394
0
0.2 0.4
X
b). P  p  20%   0.9660, 96.6%
0.20  0.40
4
3
0.9661 z  1.825
0.10954
Densidad
1
P  x   0.5000  A  z1.825   0.5000   0.4660   0.9660
0
0.2 0.4
X
c). P  25%  p  35%   0.2393, 23.93%
4
0.25  0.40
z  1.37
3
0.2386
0.10954
0.35  0.40
Densidad
z  0.456  0.455
1 0.10954
0
P  x   A  z1.37   A  z0.455    0.4147    0.1754   0.2393

0.25 0.35 0.4
X
d). P  p  40%   0.5000, 50%
4
0.40  0.40
z  0.00
3 0.10954
Densidad
P  x   0.5000  A  z0.00   0.5000   0.0000   0.5000

2
0.5
1
0
0.4
X
e). P  30%  p  35%   0.1405, 14.05%
4
0.30  0.40
z  0.9129
3 0.1434 0.10954
0.35  0.40
Densidad
2
z  0.456  0.455
1
0.10954
0
0.3 0.35 0.4
X
P  x   A  z0.91   A  z0.455    0.3159    0.1754   0.1405

Tema 1.4.2 Distribución muestral de la diferencia entre dos medias
CAS0 1
En seguida se presentan algunas referencias estadísticas de dos poblaciones en estudio.
Parámetros Población 1 Población 2

Media,  . 300 280
Desviación estándar, . 20 25
Con base en estas referencias, indique:
a). La forma que teóricamente asume la distribución muestral de la diferencia entre medias de
muestras de tamaño 100.
b). La media que se espera para la distribución muestral de la diferencia entre medias,  x1  x2 .
c). El error estándar de la distribución muestral de diferencias entre medias,  x1  x2 .
d). El rango de valores posibles para la distribución muestral de diferencias entre medias.
Si de estas poblaciones se extraen muestras de tamaño 100, calcule la probabilidad de que la diferencia
entre las medias muestrales sea:
e). P  x1  x2  15
f). P 12  x1  x2  25
g). P  x1  x2  23
h). P  22  x1  x2  25
Solución
a). Aproximadamente normal. Las muestras extraídas son grandes (n = 100)
b). x  x  20 . Debido a que x  x  x  x  300  280  20

1 2 1 2 1 2
12  22 202 252

c).  x  x      3.20156
1 2
n1 n2 100 100
d). De 10.4 a 29.6 es el rango de la distribución muestral para la diferencia entre medias
 x  x  3 x  x  20  3  3.20156   10.4; 29.6

1 2 1 2
e). P  x1  x2  15  0.9406, 94.06%
0.14
15  20
0.12
z  1.56
0.10 0.9408
3.20156
Densidad
0.08
0.06
0.04
P  x   0.5000  A  z1.56   0.5000   0.4406   0.9406
0.02
0.00
15 20
X
f). P 12  x1  x2  25  0.9344, 93.44%
0.14
12  20 25  20
0.12
0.9346 z  2.50 z  1.56
0.10
3.20156 3.20156
Densidad
0.08
0.06
0.04
P  x   A  z2.50   A  z1.56    0.4938   0.4406   0.9344
0.02
0.00
12 20 25
X
g). P  x1  x2  23  0.1736, 17.36%
0.14
23  20
0.12
z  0.937 0.94
0.10
3.20156
Densidad
0.08
0.06
0.04
P  x   0.5000  A  z0.94   0.5000   0.3264   0.1736
0.02 0.1744
0.00
20 23
X
h). P  22  x1  x2  25  0.2082, 20.82%
22  20 25  20
0.14
0.12
z  0.62 z  1.56
0.10
3.20156 3.20156
Densidad
0.08
0.2069
0.06
0.04
0.02
P  x   A  z1.56   A  z0.62    0.4406    0.2324   0.2082
0.00
20 22 25
X
CASO 2
Usted recibe dos lotes A y B de pasta alimenticia con un grado alimenticio promedio de 120 ± 15 y 105 ±
12, respectivamente.
Si de cada lote toma una muestra aleatoria de 40, calcule la probabilidad de que el grado alimenticio del
producto A en comparación al de B, sea en promedio:
a). Mayor a 20
b). No mayor a 10
c). Entre 6 y 9
d). Entre 7 y 18
e). Entre 17 y 22
Solución
15 12 
2 2
 12  22
x  x  120 105  15  x x      3.03727
1 2 1 2
n1 n2 40 40
a). P  x1  x2 20   0.0495, 4.95%
0.14
x  x 20  15
0.12
z   1.646
0.10
x 3.03727
Densidad
0.08
0.06
0.04
P  x   0.5000  A  z1.65   0.5000   0.4505  0.0495
0.02
0.04986
0.00
15 20
X
b). P  x1  x2  10   0.0495, 4.95%

0.14
x  x 10  15
0.12
z   1.646
0.10
x 3.03727
Densidad
0.08
0.06
0.04
0.02
P  x   0.5000  A  z1.65   0.5000   0.4505   0.0495
0.04986
0.00
10 15
X
c). P  6  x1  x2  9   0.02265, 2.265%

x  x 6  15
z   2.96
x
0.14
0.12
3.03727
0.10
x  x 9  15
Densidad
0.08
0.06
z   1.975
0.04
x 3.03727
0.02
0.02259
0.00
P  x   A  z2.96   A  z1.975    0.4985   0.47585  0.02265

6 9 15
X
d). P  7  x1  x2  18  0.8346, 83.46%

0.14
x  x 7  15
0.12
z   2.63
0.10 0.8341 x 3.03727
Densidad
x  x
0.08
18  15
z   0.99
0.06
0.04
0.02
x 3.03727
0.00
7 15 18
P  x   A  z2.63   A  z0.99    0.4957    0.3389   0.8346

X
e). P 17  x1  x2  22   0.2439, 24.39%

x  x 17  15
z   0.66
x
0.14
0.12 3.03727
0.10
x  x 22  15
Densidad
0.08
0.06 z   2.30
0.04
0.2445
x 3.03727
0.02
0.00
15
X
17 22
P  x   A  z2.30   A  z0.66    0.4893   0.2454   0.2439
CASO 3
Se analiza el tiempo de ensamble entre las líneas de montaje L1 y L2. Se sabe que el estándar de
operación es de 45 minutos en promedio con una desviación estándar de 8 min.
PROCESOS DE ENSAMBLE EN ESTUDIO
Si se cumple este estándar de calidad, calcule la probabilidad de que al verificar al azar 35 montajes en
cada una de las líneas, el tiempo de ensamble promedio en la muestra de L1, en relación con L2, resulte:
a). No mayor de 2 minutos
b). Diferente de 2 a 3 minutos
c). Mayor de 3 minutos
Solución
8 8
2 2
 L21  L22
x L1  xL 2
 45  45  0 x L 1  xL 2
     1.912366
n1 n2 35 35
a). P  x1  x2  2   0.8531, 85.31%
x  x 20
z   1.05
0.20
0.15
0.8522
x 1.912366
Densidad
0.10
0.05
P  x   0.5000  A  z1.05   0.5000   0.3531  0.8531
0.00
0 2
X
b). P  2  x1  x2  3  0.0887, 8.87%

x  x 20
z   1.05
0.20
x 1.912366
x  x 30
0.15
Densidad
0.10 z   1.57
x
0.08947
1.912366
0.05
0.00
0
X
2 3 P  x   A  z1.57   A  z1.05    0.4418   0.3531  0.0887
c). P  x1  x2  3  0.0582, 5.82%

0.20 x  x 30
z   1.57
0.15
x 1.912366
Densidad
0.10
0.05
0.05835
P  x   0.5000  A  z1.57   0.5000   0.4418  0.0582
0.00
0 3
X

Tema 1.4.4 Distribución muestral de la diferencia entre dos proporciones
CASO 1
En un proceso de corte se sabe que la línea L1 produce 3% de cortes defectuosos y 2% de defectuosos

en la línea L2.
LÍNEA DE CORTE 1 LÍNEA DE CORTE 2
Si se toman muestras aleatorias de 250 piezas de cada una de estas líneas, ¿cuál es la probabilidad de
que la diferencia de la proporción muestral de cortes defectuosos de la línea 1 sea, en comparación a la
línea 2:
a). 3.5% o más?
b). No menor a 2%?
c). De 1.5 a 2.5%?
d). Por lo menos 1%?
Solución
 p   p  0.03  0.02  0.01, 1%
L1 L2
p 
p1q1 p2 q2
 
 0.03 0.97    0.02  0.98  0.01414
L 1  pL 2
n1 n2 250 250
a). P  pL1  pL 2  3.5%   0.0384, 3.84%

0.035  0.01
30
25
z  1.768  1.77
20 0.01414
Densidad
15
P  x   0.5000  A  z1.77   0.5000   0.4616   0.0384

10
0.03853
0
0.01 0.035
X
b). P  pL1  pL 2  2%   0.2389, 23.89%

0.02  0.01
30
25
z  0.7072  0.71
20 0.01414
Densidad
15
P  x   0.5000  A  z0.71   0.5000   0.2611  0.2389

10
5 0.2397
0
0.01 0.02
X
c). P 1.5%  pL1  pL 2  2.5%   0.2186, 21.86%

0.015  0.01 0.025  0.01

30
25
0.2174
z  0.3536  0.35 z  1.06
20 0.01414 0.01414
Densidad
15
P  x   A  z1.06   A  z0.35    0.3554    0.1368  0.2186

10
0
0.015 0.025
0.01 X
d). P  pL1  pL 2  1%   0.5000, 50%

0.01  0.01
30
25
z 0
20 0.01414
Densidad
15
P  x   A  z0.00   0.5000
10 0.5
0
0.01
X
CASO 2
Se sabe que el 5% de los envíos de mercancía no llega a su destino en el tiempo comprometido. Si se da

seguimiento a 100 envíos en un primer día y de otros 100 en un segundo día, ¿qué tan probable es que la
diferencia de la proporción de envíos que no llegan a tiempo a su destino el primer día sea, en
comparación a los envíos del segundo día:
a). No menor a 2%
b). Entre 3% y 4% más
c). Más de 5%
Solución
 p   p  0.05  0.05  0
1 2
 p p 
p1q1 p2 q2
 
 0.05 0.95   0.05 0.95  0.03082
1 2
n1 n2 100 100
a). P  pD1  pD 2  2%   0.2578, 25.78%
14
0.02  0
12
z  0.65
10
0.03082
Densidad
0.2582
P  x   0.5000  A  z0.65   0.5000   0.2422   0.2578
2
0
0 0.02
X
b). P  3%  pD1  pD 2 4%   0.0692, 6.92%
0.03  0 0.04  0
14
12
z  0.97 z  1.30
10
0.03082 0.03082
Densidad
8
0.06801
6
2
P  x   A  z1.30   A  z0.97    0.4032    0.3340   0.0692
0
0 0.030.04
X
c). P  pD1  pD 2  5%   0.0526, 5.26%
0.05  0
14
12
z  1.62
10
0.03082
Densidad
2
P  x   0.5000  A  z1.62   0.5000   0.4474   0.0526
0.05237
0
0 0.05
X

Ejercicios Estadistica Inferencial

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Estadistica Inferencial

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE PUEBLA

Unidad 1. Distribuciones fundamentales para el muestreo

Si de una población normal con media   40 y desviación estándar   5 , se seleccionan lotes

b). ¿Cuál es el valor para la media de la distribución muestral de medias,  x ?, ¿porqué?.

a). Aproximadamente normal. Las muestras extraídas son grandes (n = 120)

b).  x  40 . Debido a que  x  

d). Medias muestrales entre 38.631 y 41.369

x  3 x  40  3  0.456436  40  1.36931  38.631;41.369

VERIFICACIÓN DEL DIÁMETRO INTERNO DE LAS TAPAS PLÁSTICAS

a). Se encuentre entre 29.5 y 30.5 milímetros?

b). Sea mayor a 30.5 milímetros?

c). Fluctúe entre 29.6 y 29.8 milímetros?

d). Sea menor de 29.9 milímetros?

e). Sea mayor de 30.5 o menor de 29.5 milímetros?

a). P  29.5  x  30.5 mm   0.9876, 98.76%

0.5 P  x   A  z2.5   A  z2.5    0.4938   0.4938  0.9876

b). P  x  30.5 mm   0.0062, 0.62%

0.5 P  x   0.5000  A  z2.5   0.5000   0.4938  0.0062

c). P  29.6  x  29.8 mm   0.1359, 13.59%

P  x   A  z2.00   A  z1.00    0.4772    0.3413  0.1359

d). P  x  29.9 mm   0.3085, 30.85%

e). P  x    P  x  29.5 mm   P  x  30.5 mm   0.0124, 1.24%

P  x   1   A  z2.5   A  z2.5   1   0.4938   0.4938

PROCESO AUTOMÁTICO DE ENVASADO DE REFRESCO

a). Exceda los 126 mililitros?

b). Sea por mucho 126.5 mililitros?

c). Fluctúe entre 124 y 127 mililitros?

d). Sea entre 123 y 124.5 mililitros?

e). No sea mayor que 123 o rebase 125 mililitros?

a). P  x  126 ml   0.1151, 11.51%

P  x   0.5000  A  z1.2   0.5000   0.3849   0.1151

b). P  x  126.5 ml   0.9641, 96.41%

0.4 0.9641 z  1.8

P  x   0.5000  A  z1.8   0.5000   0.4641  0.9641

c). P 124  x  127 ml   0.8767, 87.67%

P  x   A  z1.2   A  z2.40    0.3849    0.4918  0.8767

d). P 123  x  124.5 ml   0.2660, 26.6%

P  x   A  z2.40   A  z0.60    0.4918   0.2258  0.2660

e). P  x    P  x  123 ml   P  x  125 ml   0.5082, 50.82%

P  x   1  A  z2.4   1   0.4918  0.5082

Unidad 1. Distribuciones fundamentales para el muestreo

a). La media de la distribución muestral de las proporciones.

b). El error estándar de la distribución muestral de proporciones.

a). P  0.25 , debido a que P  P  0.25

p1q1 p1 1  p1   0.25 1  0.25 

c). No. La población de la que proviene la muestra no es finita

 p  3 p  0.25  3  0.0433  0.1201;0.3799

a). Fuera de las especificaciones de llenado sea mayor al 4%?

b). Que incumple especificaciones no sea mayor al 2.5%?

c). En los que se cumple el llenado sea mayor al 98%?

d). Que no cumple especificaciones exceda el 3.5%?

e). Dentro de especificaciones esté entre 95% y 99%?

f). Que incumple especificaciones de llenado fluctúe entre 2% y 3%?

p1q1 p1 1  p1   0.031  0.03

a). P  p  4% incumple   0.1550, 15.5%

b). P  p  2.5% incumple   0.3050, 30.5%

10 0.3058 P  x   0.5000  A  z0.51   0.5000   0.1950   0.3050

c). P  p  98% cumple   0.1550, 15.5%

d). P  p  3.5% incumple   0.3050, 30.5%

10 0.3058 P  x   0.5000  A  z0.51   0.5000   0.1950   0.3050

e). P  95%  p  99% cumple   0.9576, 95.76%