Ejercicios

251 Cap´ıtulo 8 Distribuciones de muestreo fundamentales y descripciones de 251

datos

Figura 8.11: Área para el ejemplo 8.9.

y de aquí

Más sobre la distribución muestral de medias:

Aproximación normal a la binomial
En la sección 6.5, se discutió mucho acerca de la aproximación normal a la distri-
bución binomial. Estaban dadas las condiciones sobre los parámetros n y p, para
los cuales la distribución de una variable aleatoria binomial puede aproximarse me-
diante la distribución normal. Los ejemplos y los ejercicios reflejaron la importancia
de la herramienta a la que nos referimos como la “aproximación normal”. Resulta
que el teorema del límite central arroja aún más luz sobre cómo y por qué funciona
esta aproximación. Sabemos con certeza que una variable aleatoria binomial es el
número X de éxitos en n pruebas independientes, donde el resultado de cada prueba
es binario. En el capítulo 1 también vimos que la proporción calculada en un expe-
rimento así es un promedio de un conjunto de ceros y unos. De hecho, mientras que
la proporción X/n es un promedio, X es la suma de este conjunto de ceros y unos, y
tanto X como X/n son aproximadamente normales si n es suficientemente grande.
Por supuesto, a partir de lo que aprendimos en el capítulo 6, hay condiciones de n y
p que afectan la calidad de la aproximación; a saber, np ≥ 5 y nq ≥ 5.

Ejercicios
8.17 Si se extraen todas las muestras posibles de ta- 8.18 Dada la población uniforme discreta
maño 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 me- encuentre la probabilidad de que una muestra aleatoria
dias muestrales se pueden medir con cualquier grado de tamaño 54, seleccionada con reemplazo, dé una me-
de precisión. dia muestral mayor que 4.1 pero menor que 4.4. Supon-
ga que las medias se miden al décimo más cercano.
8.19 Se fabrica cierto tipo de hilo con una resistencia 8.25 La vida media de una máquina para elaborar
a la tensión media de 78.3 kilogramos y una desviación pasta es de 7 años, con una desviación estándar de
estándar de 5.6 kilogramos. ¿Cómo cambia la varianza 1 año. Suponiendo que las vidas de estas máquinas siguen
de la media muestral cuando el tamaño de la muestra aproximadamente una distribución normal, encuentre
a) aumenta de 64 a 196? a) la probabilidad de que la vida media de una muestra
b) disminuye de 784 a 49? aleatoria de 9 de estas máquinas caiga entre 6.4 y
7.2 años;
8.20 Si la desviación estándar de la media para la b) el valor de x a la derecha del cual caería el 15% de
distribución muestral de muestras aleatorias de tamaño las medias calculadas de muestras aleatorias de ta-
36 de una población grande o infinita es 2, ¿qué tan maño 9.
grande debe ser el tamaño de la muestra si la desvia-
ción estándar se reduce a 1.2? 8.26 El tiempo en que el cajero de un banco con servi-
cio en el automóvil atiende a un cliente es una variable
8.21 Una máquina de bebida gaseosa se ajusta de aleatoria con una media µ = 3.2 minutos y una desvia-
manera que la cantidad de bebida que sirve promedie ción estándar σ = 1.6 minutos. Si se observa una mues-
240 mililitros con una desviación estándar de 15 mili- tra aleatoria de 64 clientes, encuentre la probabilidad de
litros. La máquina se verifica periódicamente tomando que su tiempo medio con el cajero sea
una muestra de 40 bebidas y se calcula el contenido a) a lo más 2.7 minutos;
promedio. Si la media de las 40 bebidas es un valor b) más de 3.5 minutos;
dentro del intervalo se piensa que la máqui-
na opera satisfactoriamente; de otra forma, se ajusta. c) al menos 3.2 minutos pero menos de 3.4 minutos.
En la sección 8.4, el funcionario de la compañía encuen-
tra que la media de 40 bebidas es mililitros y 8.27 En un proceso químico, la cantidad de cierto
concluye que la máquina no necesita un ajuste. ¿Fue tipo de impurezas en el producto es difícil de contro-
ésta una decisión razonable? lar y por ello es una variable aleatoria. Se especula
que la cantidad media de la población de impurezas
8.22 Las estaturas de 1000 estudiantes están distri- es 0.20 gramos por gramo del producto. Se sabe que la
buidas aproximadamente de forma normal con una me- desviación estándar es 0.1 gramos por gramo. Se realiza
dia de 174.5 centímetros y una desviación estándar de un experimento para aprender más con respecto a la
6.9 centímetros. Si se extraen 200 muestras aleatorias especulación de que µ = 0.2. El proceso se lleva a cabo
de tamaño 25 de esta población y las medias se regis- 50 veces en un laboratorio y el promedio de la muestra
tran al décimo más cercano de centímetro, determine resulta ser 0.23 gramos por gramo. Comente sobre la
especulación de que la cantidad media de impurezas es
a) la media y la desviación estándar de la distribución 0.20 gramos por gramo. Utilice el teorema del límite
muestral de ; central en su respuesta.
b) el número de las medias muestrales que caen entre
172.5 y 175.8 centímetros inclusive;
8.28 Se toma una muestra aleatoria de tamaño 25 de
c) el número de medias muestrales que caen por debajo una población normal que tiene una media de 80 y una
de 172.0 centímetros. desviación estándar de 5. Una segunda muestra alea-
toria de tamaño 36 se toma de una población normal
8.23 La variable aleatoria X, que representa el núme- diferente que tiene una media de 75 y una desviación
ro de cerezas en una tarta, tiene la siguiente distribu- estándar de 3. Encuentre la probabilidad de que la me-
ción de probabilidad: dia 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 diferen-
cias de las medias se miden al décimo más cercano.
a) Encuentre la media µ y la varianza σ2 de X.
b) Encuentre la media y la varianza de la media 8.29 La distribución de alturas de cierta raza de pe-
para muestras aleatorias de 36 tartas de cereza. rros terrier tiene una altura media de 72 centímetros
y una desviación estándar de 10 centímetros; en tanto
c) Encuentre la probabilidad de que el número pro- que la distribución de alturas de cierta raza de poo-
medio de cerezas en 36 tartas sea menor que 5.5. dles tiene una altura media de 28 centímetros con una
desviación estándar de 5 centímetros. Suponiendo que
8.24 Si cierta máquina fabrica resistencias eléctricas las medias muestrales se pueden medir con cualquier
que tienen una resistencia media de 40 ohms y una grado de precisión, encuentre la probabilidad de que
desviación estándar de 2 ohms, ¿cuál es la probabilidad la media muestral para una muestra aleatoria de altu-
de que una muestra aleatoria de 36 de estas resisten- ras de 64 terriers exceda la media muestral para una
cias tenga una resistencia combinada de más de 1458 muestra aleatoria de alturas de 100 poodles a lo más en
ohms? 44.2 centímetros.
8.30 La calificación media de estudiantes de primer para las dos máquinas son diferentes? Explique uti-
año en un examen de aptitudes en cierta universidad lizando su respuesta en el inciso a).
es 540, con una desviación estándar de 50. ¿Cuál es la
probabilidad de que dos grupos de estudiantes seleccio- 8.34 Construya una gráfica de cuantiles-cuantiles nor-
nados al azar, que consisten en 32 y 50 estudiantes, res- males de estos datos. Los diámetros de 36 cabezas de
pectivamente, difieran en sus calificaciones medias por remaches en 1/100 de pulgada son:
a) más de 20 puntos?
b) una cantidad entre 5 y 10 puntos?
Suponga que las medias se miden con cualquier gra-
do de precisión.

8.31 Construya una gráfica de cuantiles para estos

datos. Las duraciones, en horas, de cincuenta lámpa-
ras incandescentes de 40 watts a 110 volts enfriadas 8.35 El benceno es una sustancia química altamen-
internamente tomadas de pruebas en condiciones ad- te tóxica para los seres humanos. Sin embargo, se le
versas son: utiliza en la fabricación de medicamentos, tintes, en la
industria del cuero y en la fabricación de recubrimien-
tos. En cualquier proceso de producción en que parti-
cipe el benceno, el agua en el resultado del proceso no
debe exceder 7950 partes por millón (ppm) de benceno,
de acuerdo con la regulación gubernamental. Para un
proceso particular de interés, un fabricante recolectó
la muestra de agua 25 veces de manera aleatoria y el
promedio muestral fue de 7960 ppm. A partir de los
datos históricos, se sabe que la desviación estándar σ
es 100 ppm.
8.32 Considere el ejemplo 8.8 de la página 249. Su- a) ¿Cuál es la probabilidad de que el promedio mues-
ponga que se utilizan 18 especímenes para cada tipo de tral en este experimento exceda el límite guberna-
pintura en un experimento y que A − B, la diferencia mental, si la media poblacional es igual al límite?
real en el tiempo medio de secado resulta ser 1.0. Utilice el teorema del límite central.
a) ¿Éste parece un resultado razonable si los tiempos b) La cifra = 7960 observada en este experimento ¿es
medios de secado de las dos poblaciones en verdad firme evidencia de que la media poblacional para el
son iguales? Utilice el resultado en la solución del proceso excede el límite gubernamental? Responda
ejemplo 8.8. calculando
b) Si alguien hizo el experimento 10,000 veces bajo la
condición de que µA = µB, ¿en cuántos de estos
10,000 experimentos habría una diferencia A − B
que fuera tan grande como (o más grande que) 1.0?
Suponga que la distribución de la concentración de
8.33 Dos máquinas diferentes de llenado de cajas se benceno es normal.
utilizan para llenar cajas de cereal en la línea de en-
samble. La medición fundamental que está influida por 8.36 Dos aleaciones, A y B, se utilizan en la fabrica-
tales máquinas es el peso del producto en las máquinas. ción de cierto producto de acero. Se necesita diseñar un
Los ingenieros están bastante seguros de que la varianza experimento para comparar las dos aleaciones en térmi-
en el peso del producto es σ2 = 1 onza. Se realizan expe- nos de la capacidad de carga máxima en toneladas, es
rimentos usando ambas máquinas con tamaños mues- decir, el máximo que pueden soportar sin romperse. Se
trales de 36 cada una. Los promedios muestrales para sabe que las dos desviaciones estándar de la capacidad
las máquinas A y B son A = 4.5 onzas y B = 4.7 de carga son iguales a 5 toneladas cada una. Se realiza
onzas. Los ingenieros parecen sorprendidos de que los un experimento en el que se prueban 30 muestras de
dos promedios maestrales para las máquinas de llenado cada aleación (A y B), y los resultados son
sean tan diferentes.
a) Utilice el teorema del límite central para determinar

Los fabricantes de la aleación A están convencidos de

que esta evidencia demuestra de forma concluyente que
µA > µB y que apoya sólidamente su aleación. Los fa-
con la condición de que µA = µB. bricantes de la aleación B afirman que el experimento
b) ¿Parece como si los experimentos mencionados, de fácilmente podría haber dado A − B = 4 incluso si
cualquier forma, apoyaran consistentemente una las dos medias poblacionales son iguales. En otras pa-
conjetura de que las dos medias de las poblaciones labras, “¡los resultados no son concluyentes!”
a) Argumente que los fabricantes de la aleación B es- misa de que µ = 800 horas? Dé un resultado probabilís-
tán equivocados. Para ello, calcule tico que indique qué tan raro es un evento de que ≤
775 cuando µ = 800. Por otro lado, ¿qué tan raro sería
si µ fuera verdaderamente, digamos, 760 horas?

8.38 Sea X1, X2, . . . , Xn una muestra aleatoria a par-

b) ¿Considera que estos datos apoyan fuertemente la tir de una distribución que sólo pueda adoptar valores
aleación A? positivos. Utilice el teorema del límite central para ar-
gumentar que si n es suficientemente grande, entonces
8.37 Considere la situación del ejemplo 8.6 de la pá- Y = X1X2 . . . Xn tiene aproximadamente una distribu-
gina 245. ¿Estos resultados lo hacen cuestionar la pre- ción logarítmica normal.

2
8.6 Distribución muestral de S
En la sección anterior aprendimos acerca de la distribución de muestreo de . El
teorema del límite central nos permitió utilizar el hecho de que

tiende a N(0, 1) conforme crece el tamaño de la muestra. Los ejemplos 8.6 a 8.9
ilustran las aplicaciones del teorema del límite central. Las distribuciones muestrales
de estad´ısticos importantes nos permiten conocer información sobre los
parámetros. Por lo general, los parámetros son la contraparte del estadístico en
cuestión. Si un ingeniero se interesa en la resistencia media de la población de
cierto tipo de resis- tencia, la distribución muestral de se explotará una vez
que se reúna la infor- mación de la muestra. Por otro lado, si se estudia la
variabilidad en la resistencia, claramente la distribución muestral de S2 se utilizará
para conocer la contraparte paramétrica, la varianza de la población σ2.
Si se extrae una muestra aleatoria de tamaño n de una población normal con
media µ y varianza σ2, y se calcula la varianza muestral, obtenemos un valor del es-
tadístico S2. Procederemos a considerar la distribución del estadístico (n − 1)S 2/σ2.
Mediante la suma y la resta de la media muestral , es fácil ver que

Al dividir cada término de la igualdad entre σ2 y sustituir (n − 1)S 2 por

obtenemos