Solución taller:

Un determinado centro comercial ha encontrado que sus ingresos tienen un promedio de 12,4 millones
de pesos por día con desviación estándar de 2,9. Para una muestra aleatoria de 40 clientes, encuentre la
probabilidad de que el ingreso promedio (a) sea menor que 13 millones de pesos. (b) exceda los 12
millones de pesos. (c) esté entre 11,5 y 13,1 millones de pesos. (d) exceda los 12,6 millones de pesos.

1. Este problema se puede resolver utilizando la distribución t de Student, ya que la desviación

estándar poblacional es desconocida y se está trabajando con una muestra. La fórmula para
calcular la distribución t es la siguiente:

t = (x̄ - μ) / (s / √n)

Donde:
x̄ = ingreso promedio de la muestra
μ = ingreso promedio poblacional
s = desviación estándar de la muestra
n = tamaño de la muestra

(a) Para calcular la probabilidad de que el ingreso promedio sea menor que 13 millones de
pesos, necesitamos encontrar el valor t correspondiente a 13 millones de pesos.

t = (13 - 12.4) / (2.9 / √40) = 1.94

Luego, utilizando una tabla de distribución t o una calculadora estadística, podemos encontrar la
probabilidad correspondiente a un valor t de 1.94 con 39 grados de libertad (n-1), que es 0.030.
Por lo tanto, la probabilidad de que el ingreso promedio sea menor que 13 millones de pesos es
del 3.0%.

(b) Para calcular la probabilidad de que el ingreso promedio exceda los 12 millones de pesos,
necesitamos encontrar el valor t correspondiente a 12 millones de pesos.

t = (12 - 12.4) / (2.9 / √40) = -1.94

De nuevo, utilizando una tabla de distribución t o una calculadora estadística, podemos

encontrar la probabilidad correspondiente a un valor t de -1.94 con 39 grados de libertad, que
es 0.030. Sin embargo, la probabilidad que buscamos es la probabilidad de que el ingreso
promedio sea mayor que 12 millones de pesos, por lo que debemos restar esta probabilidad de
1:

P(X > 12) = 1 - P(X < 12) = 1 - 0.030 = 0.970

Por lo tanto, la probabilidad de que el ingreso promedio exceda los 12 millones de pesos es del
97.0%.

Elías XIV Pinedo

 (c) Para calcular la probabilidad de que el ingreso promedio esté entre 11,5 y 13,1 millones de
pesos, primero necesitamos encontrar los valores t correspondientes a 11,5 y 13,1 millones de
pesos.

t1 = (11.5 - 12.4) / (2.9 / √40) = -2.75

t2 = (13.1 - 12.4) / (2.9 / √40) = 2.25

Luego, podemos utilizar una tabla de distribución t o una calculadora estadística para encontrar
las probabilidades correspondientes a estos valores t con 39 grados de libertad. La probabilidad
correspondiente a un valor t de -2.75 es 0.0059, y la probabilidad correspondiente a un valor t
de 2.25 es 0.0167. Por lo tanto, la probabilidad de que el ingreso promedio esté entre 11,5 y
13,1 millones de pesos es la diferencia entre estas dos probabilidades:

P(11.5 < X < 13.1) = P(X < 13.1) - P(X < 11.5) = 0.0167 - 0.0059 = 0.0108

Para calcular la probabilidad de que el ingreso promedio exceda los 12,6 millones de pesos,
necesitamos encontrar el valor t correspondiente a 12,6 millones de pesos.

t = (12.6 - 12.4) / (2.9 / √40) = 0.86

Luego, utilizando una tabla de distribución t o una calculadora estadística, podemos encontrar la
probabilidad correspondiente a un valor t de 0.86 con 39 grados de libertad (n-1), que es 0.196.
Sin embargo, la probabilidad que buscamos es la probabilidad de que el ingreso promedio sea
mayor que 12,6 millones de pesos, por lo que debemos restar esta probabilidad de 0.5 (ya que
la distribución t es simétrica alrededor de cero y la probabilidad de que la media sea mayor que
la media poblacional es igual a la probabilidad de que la media sea menor que la media
poblacional).

P(X > 12.6) = 0.5 - P(X < 12.6) = 0.5 - 0.196 = 0.304

Por lo tanto, la probabilidad de que el ingreso promedio exceda los 12,6 millones de pesos es del
30.4%.

2. A

(a) Para calcular la probabilidad de que el gasto promedio de una muestra aleatoria de 40
estudiantes esté entre 9.900 y 10.200 pesos, primero debemos estandarizar la distribución de la
muestra utilizando la fórmula:

Elías XIV Pinedo

 z = (x̄ - μ) / (σ / √n)

donde x̄ es el gasto promedio de la muestra, μ es el valor medio poblacional, σ es la desviación

estándar poblacional y n es el tamaño de la muestra.

Aplicando la fórmula, obtenemos:

z1 = (9,900 - 10,000) / (500 / √40) = -2.26

z2 = (10,200 - 10,000) / (500 / √40) = 1.13

Luego, podemos encontrar la probabilidad correspondiente a los valores de z1 y z2 utilizando

una tabla de distribución normal estándar o una calculadora estadística. La probabilidad de que
el gasto promedio esté entre 9.900 y 10.200 pesos es la diferencia entre estas dos
probabilidades:

P(-2.26 < z < 1.13) = 0.876 - 0.012 = 0.864

Por lo tanto, la probabilidad de que el gasto promedio de una muestra aleatoria de 40

estudiantes esté entre 9.900 y 10.200 pesos es del 86.4%.

(b) Sí, podríamos calcular la probabilidad pedida en el inciso (a) para una muestra de 15
estudiantes utilizando la misma fórmula de estandarización, pero con un valor de n = 15 en lugar
de n = 40. Sin embargo, la distribución de muestreo de la media sería menos precisa y más
variable, ya que el tamaño de la muestra es menor y la variabilidad muestral es mayor. Esto
podría afectar la precisión de la estimación y, por lo tanto, la probabilidad calculada podría ser
menos precisa. En general, se prefiere utilizar muestras más grandes para obtener estimaciones
más precisas y confiables de las propiedades de la población.

3. A
(a) Para resolver este problema, debemos estandarizar la distribución de la media muestral,
utilizando la fórmula:

z = (x̄ - μ) / (σ / sqrt(n))

Elías XIV Pinedo

 Donde x̄ es la media muestral, μ es la media poblacional, σ es la desviación estándar
poblacional y n es el tamaño muestral.

Para la primera pregunta, necesitamos encontrar la probabilidad de que la media muestral

sea a lo sumo 3 cm, es decir:

P(x̄ ≤ 3) = P((x̄ - μ) / (σ / sqrt(n)) ≤ (3 - 2.65) / (0.85 / sqrt(25)))

P(z ≤ 1.47) = 0.9292

Por lo tanto, la probabilidad de que la media muestral sea a lo sumo 3 cm es del 92.92%.

Para la segunda pregunta, necesitamos encontrar la probabilidad de que la media muestral

esté entre 2.65 y 3 cm, es decir:

P(2.65 ≤ x̄ ≤ 3) = P((2.65 - μ) / (σ / sqrt(n)) ≤ (x̄ - μ) / (σ / sqrt(n)) ≤ (3 - μ) / (σ / sqrt(n)))

P(-0.5 ≤ z ≤ 1.47) = 0.7734

Por lo tanto, la probabilidad de que la media muestral esté entre 2.65 y 3 cm es del 77.34%.

(b) Para encontrar el tamaño muestral requerido para asegurar que la probabilidad de que
la media muestral sea a lo sumo 3 cm sea de al menos 0.99, necesitamos invertir la ecuación
anterior y resolver para n:

P((x̄ - μ) / (σ / sqrt(n)) ≤ (3 - μ) / (σ / sqrt(n))) = 0.99

Z = (3 - μ) / (σ / sqrt(n))

sqrt(n) = (3 - μ) / (Z * σ)

n = (Z * σ / (3 - μ))²

Reemplazando los valores correspondientes, tenemos:

n = (2.33 * 0.85 / (3 - 2.65))² = 18.43

Por lo tanto, se requerirían al menos 19 tornillos para asegurar que la probabilidad de que la
media muestral sea a lo sumo 3 cm sea de al menos 0.99.
4. a
(a) Para calcular la probabilidad de que la media muestral exceda a la media poblacional en
más de 2,5 minutos, primero debemos estandarizar la distribución de la media muestral
utilizando la fórmula:

Elías XIV Pinedo

 z = (x̄ - μ) / (σ / √n)

donde x̄ es la media muestral, μ es la media poblacional, σ es la desviación estándar

poblacional y n es el tamaño de la muestra.

Aplicando la fórmula, obtenemos:

z = (x̄ - μ) / (σ / √n) = (x̄ - μ) / (30 / √50)

Queremos encontrar la probabilidad de que la media muestral exceda a la media

poblacional en más de 2,5 minutos, es decir:

P(x̄ > μ + 2.5)

Lo cual equivale a:

P(z > (2.5 / (30 / √50)))

P(z > 0.91)

Podemos encontrar la probabilidad correspondiente a este valor de z utilizando una tabla de

distribución normal estándar o una calculadora estadística. La probabilidad de que la media
muestral exceda a la media poblacional en más de 2,5 minutos es del 18.6%.

(b) Para calcular la probabilidad de que la media muestral esté más de 5 minutos por debajo
de la media poblacional, debemos estandarizar la distribución de la media muestral
nuevamente utilizando la misma fórmula:

z = (x̄ - μ) / (σ / √n)

Aplicando la fórmula, obtenemos:

z = (x̄ - μ) / (σ / √n) = (x̄ - μ) / (30 / √50)

Queremos encontrar la probabilidad de que la media muestral esté más de 5 minutos por
debajo de la media poblacional, es decir:

P(x̄ < μ - 5)

Lo cual equivale a:

P(z < (-5 / (30 / √50)))

P(z < -1.45)

Elías XIV Pinedo
 Podemos encontrar la probabilidad correspondiente a este valor de z utilizando una tabla de
distribución normal estándar o una calculadora estadística. La probabilidad de que la media
muestral esté más de 5 minutos por debajo de la media poblacional es del 7.4%.

(c) Para calcular la probabilidad de que la media muestral difiera de la media poblacional en
más de 10 minutos (en cualquier dirección), debemos utilizar la misma fórmula de
estandarización de la media muestral:

z = (x̄ - μ) / (σ / √n)

Aplicando la fórmula, obtenemos:

z1 = (x̄ - μ) / (σ / √n) = (x̄ - μ) / (30 / √50)

z2 = (μ - x̄) / (σ / √n) = (μ - x̄) / (30 / √50)

Queremos encontrar la probabilidad de que la media muestral difiera de la media

poblacional en más de 10 minutos en cualquier dirección, es decir:

P(|x̄ - μ| > 10)

Lo cual equivale a:

P(z1 > 10 / (30 / √50) o z2 > 10 / (30 / √50))

P(z1 > 1
5. a
Primero, es importante notar que si la población tiene una varianza de 25, entonces su
desviación estándar es de 5.

La distribución de la media muestral se distribuye normalmente con media igual a la media

poblacional y una desviación estándar igual a la desviación estándar poblacional dividida por
la raíz cuadrada del tamaño muestral.

Entonces, para encontrar la probabilidad de que la media muestral esté en el intervalo (50,
51.125), necesitamos estandarizar los límites del intervalo. Primero, calculamos la
desviación estándar de la media muestral:

desviación estándar de la media muestral = desviación estándar poblacional / raíz cuadrada

del tamaño muestral
= 5 / √16
= 1.25

Luego, estandarizamos los límites del intervalo:

Elías XIV Pinedo
 límite inferior estandarizado = (50 - 50) / 1.25 = 0
límite superior estandarizado = (51.125 - 50) / 1.25 = 0.9

Ahora, podemos encontrar la probabilidad de que la media muestral esté en el intervalo (50,
51.125) utilizando una tabla de la distribución normal estándar. La probabilidad
correspondiente al intervalo estandarizado es la diferencia entre la probabilidad de que la
media muestral sea menor que el límite superior estandarizado y la probabilidad de que sea
menor que el límite inferior estandarizado:

P(50 < x̄ < 51.125) = P(0 < Z < 0.9) ≈ 0.3146

Elías XIV Pinedo