UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE PSICOLOGÍA
ESCUELA PROFESIONAL DE PSICOLOGÍA
ORGANIZACIONAL Y DE LA GESTION HUMANA

Curso: Estadística Aplicada II Práctica N.º 3

Docente: Gregoria Natividad Ramón Quispe Junio – septiembre 2022

Semestre 2022-I
1. Suponga que un lote de 5000 fusibles eléctricos contiene 5% de piezas defectuosas. Si
se prueba una muestra de 5 fusibles; encuentre la probabilidad de hallar al menos un
defectuoso.

Tenemos un experimento binomial con p=0,05 y n=5

Se define X: número de fusibles defectuosos
Evaluar P[X≥ 1]
P[X≥1]= 1 - P(0)

P(0)= ⁵ (0.05)⁰(0.95)⁵
₀

P(0)= 1 x 1 x 0.95⁵
P(0) = 0.77378
P[X≥ 1] = 1 - 0.77378
P[X≥ 1] = 0.2262
La probabilidad de hallar al menos un fusible defectuoso es 0.2262

2. El detector de control de calidad de una empresa de automóviles se encuentra

revisando los transmisores automáticos. Se retiran 10 transmisores y se busca el defecto
de fabricación. A lo largo del tiempo, sólo el 2% de transmisores tienen defectos
(suponga que los defectos se presentan de número independiente en diferentes
transmisores) ¿Cuál es la probabilidad de que encuentre más de un transmisor con
defecto de fábrica?

p: probabilidad de encontrar transmisores con defecto de fábrica

q: probabilidad de encontrar transmisores sin defecto de fábrica

Tenemos un experimento binomial con p = 0.02 y n = 10. Se define X: Número de

transmisores con defecto de fábrica, entonces 𝑋 ~ 𝑏(10, 𝑝). Luego tenemos que evaluar
𝑃[𝑋 > 1].

𝑃[𝑋 > 1] = 𝑃[𝑋 = 2] + 𝑃[𝑋 = 3] +... + 𝑃[𝑋 = 10]

Teniendo en cuenta que la probabilidad máxima es 1, se podría indicar que la probabilidad de
que se encuentre más de 1 transmisor con defecto sería 1 menos la probabilidad como
máximo exista un transmisor con defecto (probabilidad del complemento):

𝑃[𝑋 > 1] = 1 − (𝑃[𝑋 = 0] + 𝑃[𝑋 = 1])

10 0 10 10 1 9
𝑃[𝑋 > 1] = 1 − [𝐶0 (0. 02) (0. 98) + 𝐶1 (0. 02) (0. 98) ]
𝑃[𝑋 > 1] = 1 − 0. 8170728 − 0. 16674955
𝑃[𝑋 > 1] = 0. 01617765

Respuesta:
La probabilidad de que encuentre más de un transmisor con defecto de fábrica es
0. 01617765.

3. Todos los días se seleccionan, de manera aleatoria, 15 unidades de un proceso de

manufactura con el propósito de verificar el porcentaje de unidades defectuosas en la
producción. Con base en información pasada, la probabilidad de tener una unidad
defectuosa es de 0,05. La gerencia ha decidido detener la producción cada vez que una
muestra de 15 unidades tenga dos o mas defectuosos. ¿Cuál es la probabilidad de que,
en cualquier día, la producción se detenga?

Tenemos un experimento binomial con p=0,05 y n=15. Se define X: Número de unidades

defectuosas en la producción.

A: Se encuentra 0 defectuosos. B: Se encuentra 1 defectuoso.

P(AUB)=P(A)+P(B)

P(AUB)=P[X=0]+P[X=1]

15 0 15 15 1 14
P(AUB)=𝐶 0
(0, 05) (0, 95) + 𝐶 1
(0, 05) (0, 95)

P(AUB)=0.82904

La probabilidad de que en una muestra de 15 unidades haya 0 o 1 defectuoso es 0.82904. Por

lo tanto, la probabilidad de que haya dos o más defectuosos sería 1- 0.82904= 0.17=17%

4. Cuando una máquina nueva funciona adecuadamente, sólo el 3% de los artículos

producidos presentan algún defecto. Suponga que se selecciona aleatoriamente dos
piezas producidas con la nueva máquina y que se cuenta el número de piezas
defectuosas producidas. Calcule la probabilidad de hallar: exactamente una pieza
defectuosa

Resolución:
n=2
p = 0.03
q = 0.97

P[X=1] = C2/1 (0.03)(0.97) = 2(0.03)(0.97) = 0.06

Respuesta: la probabilidad de hallar exactamente una pieza defectuosa es de 0.06.

5. El 23% de los automóviles no cuenta con un seguro. En un fin de semana

determinado hay 35 automóviles que sufren un accidente
a. ¿Cuál es el número esperado de éstos automóviles que no cuentan con un seguro?
A = Automóviles que cuentan con seguro
B = Automóviles que no cuentan con seguro
p = 0.23
q = 0.77
n = 35
E(X) = np
= 35(0.23) = 8.05 = 8
b. ¿Cuál es la varianza ?
V(x)= nxqxp
V(x)=35x0.23x0.77
V(x)=6.1985 = 6

c. ¿Cuál es la desviación estándar?

Desviación estándar: 2.48967869
6. De un lote que contiene 25 artículos defectuosos,se eligen 4 al azar. Hallar la
probabilidad de obtener 3 artículos defectuosos.

N°= 25 Artículos
Defectuosos=5
No defectuosos=20

Se aplica la Ley de Laplace para determinar la probabilidad del número de casos

favorables y el número de casos posibles, los cuales van a ser hallados mediante
Combinaciones.
5 20
( 3 )( ) 200
P=CF/CP P=( 25
4
) P=
12650
P=0.0158
( 4
)
La probabilidad de obtener 3 artículos defectuosos es de 0.0158
13. Las calificaciones de un examen nacional de aprovechamiento tuvieron una
distribución aproximadamente normal, con una media de 540 y una desviación
estándar de 110. Si usted obtuvo una calificación de 680, ¿qué porcentaje de los
examinados logró una puntuación mayor que la suya?

Media:
µ = 540
Desviación estándar:
σ = 110

El evento se puede denotar de la siguiente manera:

2
110
𝑥∼ 𝑁[540; 680
]
𝑥−µ
Luego procedemos a estandarizar, convertimos 𝑥 en z= σ

𝑃[𝑥 > 680]

𝑥−µ 680−540
𝑃[ σ
> 110
]
140
𝑃[𝑧 > 110
]
𝑃[𝑧 > 1, 27] = 1- 𝑃[𝑧 < 1,27]

Comparando en las tablas de distribución, basándonos en el gráfico:

1 - 0,89796
0,10204 = 10,204%
El porcentaje de los examinados que logró una puntuación superior a la suya es de
10,204%.

14. La puntuación de una persona en una prueba de IQ debe estar en el 2% superior

para ser clasificado como miembro del grupo Mensa, la sociedad internacional de IQ
elevado (U.S Airways Attaché, septiembre del 2000). Si las puntuaciones del IQ tienen
una distribución normal con una media de 100 y desviación estándar de 15, ¿Cuál debe
ser la puntuación de una persona para que se le considere miembro del grupo Mensa?

Sea X: la puntuación de una persona en una prueba de IQ.

2
𝑋~𝑁(100, 225); µ = 100; σ = 225

Se debe evaluar 𝑃[𝑋 > 𝑏] = 0. 02. Para hallar dicha cantidad “b”, tenemos que estandarizar
y hallar la variable aleatoria Z.
Primero, graficamos 𝑃[𝑋 > 𝑏] = 0. 02
Debido a que no tenemos una tabla normal tipificada con cola hacia la derecha,
usaremos el complemento de 𝑃[𝑋 > 𝑏]:
1 − 𝑃[𝑋 ≤ 𝑏] = 0. 98

Ahora, estandarizamos X a Z y buscaremos en la tabla normal tipificada TABLA I (B), el

valor de Z que cumpla con la probabilidad de 0.98.

Encontramos entonces que

𝑃[𝑍 > 0. 98]; 𝑍 = 2. 06
Reemplazamos en
𝑋−μ
𝑍= σ
= 𝑍(σ) + µ = 2. 06 (15) + 100 = 130. 9

Respuesta:
Para que una persona sea considerada como miembro del grupo Mensa, deberá tener una
puntuación por encima de 130.9.

15. El tiempo promedio para hacer un examen final en un determinado curso de una
universidad tiene una distribución normal cuya media es de 80 minutos con
desviación estándar de 10 minutos. Suponga que en clases hay 60 estudiantes y que
el tiempo para resolver el examen es de 90 minutos. ¿Cuántos estudiantes piensa
usted que no podrían terminar el examen en este tiempo?

x = tiempo para resolver el examen (90 minutos)

µ (𝑚𝑒𝑑𝑖𝑎) = 80 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
σ (𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟) = 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

χ−µ
𝑍= σ

Aplicamos la fórmula para encontrar z, utilizando x= 90 minutos

90−80
𝑍= 10
𝑍=1

Buscamos la probabilidad de z en las tablas de la normal estándar

z 0.00 0.01

1.0 0'84134 0'84375

1.1 0'86433 0'86650

1.2 0'88493 0'88686

P(X≤ 90) = 0. 8413

Se emplea la fórmula para el cálculo de la probabilidad mediante tablas.

P(Z≥a)=1-P(Z≤a)

P(X≥ 90) = 1 − 0. 8413

P(X≥90) = 0.1587

Para calcular cuántos estudiantes serán:

60 * 0. 1584 =9.522 ≈ 10
Aproximadamente 10 estudiantes no podrán terminar el examen en ese tiempo.

16. De acuerdo con la Sleep Foundation, en promedio se duerme 6.8 horas por noche.
Suponga que la desviación estándar es 0.6 horas y que la distribución de probabilidad es
normal. Los médicos aconsejan dormir entre siete y nueve horas por noche. ¿Qué
porcentaje de la población duerme esta cantidad?
Datos
µ=6.8
σ=0.6
a=7
b=9
Nos piden el porcentaje de la población que se encuentre entre a≤z≤b
pero para hallar el porcentaje debemos tener la probabilidad y convertirlo en porcentaje
Por ello debemos hallar la probabilidad Pr(a≤z≤b)
Primero estandarizamos los valores para distribuirlo en una curva normal estandarizada
(𝑥−µ)
𝑍= σ
Obtenemos el valor de z de “a”
(7−6.8)
𝑍= 0.6
= 0. 3
Obtenemos el valor de z de “b”
(9−6.8)
𝑍= 0.6
= 3. 6
Hallamos la Pr(a≤z≤b)
𝑃𝑟(0. 3 ≤ 𝑧 ≤ 3. 6) = 𝐵 − 𝐴 = 0. 99987713 − 0. 63055866 = 0. 36931847 * 100% =
= 36. 931847%

17. El volumen de llenado de una máquina automatizada usada para llenar latas de una
bebida carbonatada tiene una distribución normal con una media de 12.4 onzas líquidas
y una desviación estándar de 0.1 onzas líquidas. Si se desechan todas las latas con menos
de 12.1 onzas o con más de 12.6 onzas, ¿qué proporción de las latas se desechan?

X: Volumen de llenado de una máquina automatizada.

Sea 𝑋 ∼ 𝑁(12. 4, 0. 01).

La variable aleatoria continua X se define: volumen de llenado de una máquina
automatizada, la cual se distribuye normalmente con parámetros 𝜇 = 12.4 y σ2 = 0.01.

Se debe evaluar 𝑃[𝑋 < 12. 1] + 𝑃[𝑋 > 12. 6]. Para hallar dicha probabilidad,
tenemos que estandarizar y hallar los valores para la variable aleatoria estandarizada
Z.

𝑃[𝑍 < 𝑧1] + 𝑃[𝑍 > 𝑧2]

12.1−12.4 −0.3
➔ 𝑧1 = 0.1
= 0.1
=− 3
12.6−12.4 0.2
➔ 𝑧2 = 0.1
= 0.1
=2

Entonces, debemos evaluar 𝑃[𝑍 <− 3] + 𝑃[𝑍 > 2]:

Debido a que no tenemos una tabla normal tipificada con cola hacia la izquierda,
usaremos el complemento de P[𝑍 ≤ 2]:

➔ Emplearemos la tabla normal tipificada IB para 𝑃[𝑍 ≤ 2] y IA para 𝑃[𝑍 <− 3]

 𝑃[𝑍 <− 3] + 𝑃[𝑍 > 2] = 1 − 𝑃[𝑍 ≤ 2] + 𝑃[𝑍 <− 3]
𝑃[𝑍 <− 3] + 𝑃[𝑍 > 2] = (1 − 0. 97725) + 0. 00135
𝑃[𝑍 <− 3] + 𝑃[𝑍 > 2] = 0. 022725 + 0. 00135
𝑃[𝑍 <− 3] + 𝑃[𝑍 > 2] = 0. 0241

Respuesta:
El 2.4% de las latas serán desechadas, aproximadamente.
18. Se supone que las calificaciones de un examen están normalmente distribuidas con
media de 78 y varianza de 36. Suponga que los estudiantes que alcancen el 10% más
alto de esta distribución reciben una calificación de A. ¿Cuál es la calificación mínima
que un estudiante debe recibir para ganar una calificación de A?

Desviación estándar:Media: μ= 78

Varianza: V (x)= 36=σ2

Desviación estándar: σ=6

El evento se puede denotar:

Sea x ∼N (78; 6)

Se procede a estandarizar:

𝑥−μ
Z= σ
𝑥−μ 𝑥 − 78
→ P[ σ < σ
]
𝑥−μ 𝑥 − 78
→ 1 -P [ σ < σ
] = 0.10 =A
𝑥 − 78
→ 0.90 = P[z < σ ], Entonces para saber cuánto vale X, tendríamos que saber cuánto vale
Z
→ Z = ¿? , según la tabla = 1,28
De la estandarización = (z x σ) + μ = x

(1,28) (6) + 78 = 85,68 à X = 85,68

19. En un proceso de fabricación la longitud (en cm) de las piezas producidas se puede
considerar una v.a. N (20, 4) . Un mecanismo automático, desecha las que miden menos
de 18 cm y las que miden más de 23 cm. ¿Cuál es la probabilidad de que en un turno en
que se fabrican 10 piezas, se desechen 3?
Resolución:
Tenemos
→ N(20,4)
u=20
o=4
→ Donde
p= defectuosos
q= no defectuosos

1. Buscamos “x”
 P(18≤x<23)

2. Estandarizar

= -0,5 = 0,75

P(-0,5≤ z <0,75)

3. Ubicamos en la tabla de distribución normal

P(z≤-0,5)=0,31

P(z<0,75)=0,77 = 1 - 0,77
=0,22

→ Sumamos: 0,31 + 0,22 = 0,53

4. Aplicamos

→ Reemplazamos

Respuesta: la probabilidad de desechar 3 piezas defectuosas es de 0,09.

21. Las puntuaciones de desempeño laboral se distribuyen normalmente con media
poblacional de 78 puntos y desviación estándar poblacional de 8 puntos. Determine la
puntuación bajo la cual cayó el 95 por ciento de las puntuaciones.

Se tiene una distribución normal donde se identifican los siguientes datos:

𝝁: Media poblacional: 78
𝝈: Desviación estándar: 8
2 2
𝝈 : Varianza: 8
2
Entonces, se tiene a 𝑥~𝑁(78, 8 )
𝑃[𝑥 < 𝑋] = 0. 95
𝑋−78
𝑃[𝑥 < 𝑋] = 𝑃[𝑧 < 8
] = 0.95 → Probabilidad de que la puntuación caiga
bajo el valor de X.
𝑋−µ 𝑋−78
𝑍= σ
→𝑍 = 8
Dato: Se ubica el valor de 0.95 en la tabla tipificada para obtener el valor de Z, por lo
cual Z tiene un valor de 1.65.
𝑋−78
1. 65 = 8
→ X = 91.2
La puntuación bajo la cual cae el 95% de las puntuaciones es 91.2

22) Ud. es un trabajador de admisiones en un albergue de personas sin hogar. Cuando

llegan nuevos usuarios, Ud. aplica la Escala de Depresión del Centro de Estudios
Epidemiológico un cuestionario de chequeo para comunidades con el objetivo de
determinar quién necesita cuidado médico para depresión psicológica aguda. Entre las
personas sin hogar, la puntuación media es 23,5 con una desviación estándar de 7,5 y la
distribución es normal. Cualquier usuario que obtenga una puntuación de 16 o más será
enviado con un doctor. ¿Cuál es la probabilidad de que su próximo usuario sea enviado
con un doctor?

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎=σ
2
σ =Varianza
σ=7,5
Puntuación media o esperanza = 23,5

P[X≥16]

𝑋−μ
Z= σ
16−23,5
P[X≥16]=1-P[𝑍≤ 7,5
]
=1- P[Z≤-1] =0.84134
23. El precio de los pisos de alquiler en una determinada zona de una ciudad se
distribuye según una normal de media S/.400 y desviación típica S/.80. Si un estudiante
busca un piso por esa zona que le cueste como máximo S/. 280 al mes. ¿Cuál es la
probabilidad de que un piso elegido al azar de esa zona tenga un precio de alquiler que
se ajuste a las posibilidades de dicho estudiante?

Primer suceso: La normal de media “μ” es S/.400

Segundo suceso: La Desviación típica “σ” es S/.80
Tercer suceso: El precio máximo a pagar es S/. 280
Según la distribución normal estándar, tenemos la fórmula:
- La variable aleatoria z es igual a la variable aleatoria x menos la normal de
media (mu) sobre la desviación típica (sigma)
𝑍 = 𝑋 − μ/σ

- En este caso para μ = 400 y σ = 80 → 𝑍 = 𝑋 − 400/80

- La probabilidad debe estar entre el costo mínimo que es S/. 0 y el costo
máximo que es S/. 280 por lo que:
𝑃(𝑋 ≤ 280) = 𝑃(𝑍 ≤ 280 − 400/80) = 𝑃(𝑍 ≤− 1, 5) = 1 − 𝑃(𝑍 ≤ 1, 5)
Entonces, usando la tabla de distribución normal tipificada, el valor de
𝑃(𝑍 ≤ 1, 5) es 0, 9331
= 1 − 0, 9331 = 0, 0669 = 6, 69%

24. La variable aleatoria X : cociente intelectual se distribuye normalmente con media

poblacional = 100 y desviación estándar poblacional =16.
Mirar abajo la tabla para corroborar

Entonces se tienen los siguientes valores:

μ = 100
σ = 16

a. Un estudiante seleccionado al azar obtuvo 125 en una prueba de CI. ¿qué

porcentaje de casos se encuentran entre su calificación y la media

100−100 𝑋−μ 125−100

𝑃(100 ≤ 𝑥 ≤ 125) = 𝑃[ 16
< σ
< 16
]=

100−100 0
𝑋1 = 16
=− 16
=0

125−100 25
𝑋2 = 16
= 16
= 1. 56

𝑃[0 ≤ 𝑥 ≤ 1. 56] = 𝑃[𝑥 ≤ 1. 56]

= 0. 4406 − 0. 0
= 0. 4406 = 44%
 b. ¿Qué porcentaje de los casos están entre la calificación de 120 y 88?

88−100 𝑋−μ 120−100

𝑃(88 ≤ 𝑥 ≤ 120) = 𝑃[ 16
< σ
< 16
]=

88−100 12
𝑋1 = 16
=− 16
= − 0. 75

120−100 20
𝑋2 = 16
= 16
= 1. 25

𝑃[0. 75 ≤ 𝑥 ≤ 1. 25] = 𝑃[𝑍 ≤ 1. 25] − 𝑃[𝑍 ≤ 0. 75]

= 0, 89435 − 0, 22663
= 0. 66772 = 66%

c. ¿Qué porcentaje de área hay entre las calificaciones 123 y 135?

123−100 𝑋−μ 135−100

𝑃(123 ≤ 𝑥 ≤ 135) = 𝑃[ 16
< σ
< 16
]=

123−100
𝑋1 = 16
= 1. 4375

135−100
𝑋2 = 16
= 2. 1875

𝑃[1. 44 ≤ 𝑥 ≤ 2. 19] = 𝑃[𝑍 ≤ 2. 19] − 𝑃[𝑍 ≤ 1. 44]

= 0, 98574 − 0, 92507
= 0. 06067 = 6%

25) Las calificaciones obtenidas en una prueba de inteligencia se distribuyen

normalmente con una media de 100 y una desviación estándar de 16.
a. ¿Cuál es la probabilidad de que una persona escogida al azar tenga un CI de 122 o más?

Solución:
● Nos presentan los datos de la media y desviación estándar, con lo cual identificamos
que se trata de una distribución normal.
● Realizamos en cambio de variable, de X a Z

μ = 100
𝑋−µ 122−100
σ= 16 𝑍= σ
→𝑍 = 16
→ Z= 1.375
𝑃 (𝑋 ≥ 122)
● Reemplazamos

1 − 𝑃[𝑋 ≤ 122] ⇒ 1 − 𝑃[𝑍 ≤ 1. 375]

● Identificamos el valor de z en la tabla de distribución normal:

 ● Finalmente:
⇒ 1 − (Z < 1.375)
⇒ 1 − 0.91466
⇒ 0.08534

Respuesta:
𝑃 (𝑋 ≥ 122) = 0.08534
La probabilidad de que una personas al azar tenga un CI mayor a 122 es de 8.5%

26) De las poblaciones con distribución normal con medias y varianzas que se dan a
continuación se eligen muestras aleatorias de tamaño n. ¿Cómo se distribuye la media
muestral en cada caso?

2
a) n = 36 ; µ = 10 ; σ = 9
2
X∼ N(µ ; σ ) Por Teoría Central del Límite
X∼N(10 ; 9)
- La media de la distribución muestral de medias:

µ𝑋̅ = µ

- La desviación típica de la distribución muestral

de medias:

σ 3
σ𝑋̅ = σ𝑋̅ = = 0.5
𝑛 36

Por lo tanto:
 2
X̅∼ N(µ ; (σ𝑋̅) ) X̅∼ N(10 ;0.25)

2
b) n = 100 ; µ = 5 ; σ = 4

2
X∼ N(µ ; σ )
X∼N(5 ; 4)
Por Teoría Central del Límite

- La media de la distribución muestral de medias:

µ𝑋̅ = µ

- La desviación típica de la distribución muestral de

medias:

σ 2
σ𝑋̅ = σ𝑋̅ = = 0.2
𝑛 100

Por lo tanto:
2
X̅∼ N(µ ; (σ𝑋̅) ) X̅∼ N(5 ; 0.04)

27. Una muestra aleatoria de n observaciones se elige de una población con

desviación estándar . Calcule el error estándar de la media muestral para estos
valores de n.

a) n = 9 b) n = 16 c) n = 25 d) n = 100

Error estándar= σ/ 𝑛
Según dato σ=1
a. n=9
=1/ 9
=1/3
=0.3333
b. n=16
=1/ 16
=1/4
=0.25
c. n=25
=1/ 25
=1/5
=0.2
d. n=100
 =1/ 100
=1/10
=0.1

28. Suponga que el personal académico universitario de cierto rango en instituciones

que imparten carreras que se cursan en dos años gana un promedio de 52 500 dólares al
año con una desviación estándar de 4000 dólares. En un intento por verificar este nivel
de sueldo se seleccionó al azar una muestra de 64 profesores de una base de datos del
personal que labora en estas instituciones mencionadas en Estados Unidos.
media =µ=52500
desviación estándar = ơ= 4000
muestra= n= 64
a) Describa la distribución de la media muestral.

Para hallar la distribución de la media muestral se aplica el teorema de límite

( )
2
ơ
central. Cuya fórmula es: 𝑥 𝑁 µ, 𝑛
2
Variable aleatoria 𝑥 N(52500, 4000 ) la distribución de la media muestral es:

( ) ( )
2 2
ơ 4000
𝑥 𝑁 µ, 𝑛
= 𝑥 𝑁 52500, 64

(
𝑥 𝑁 52500,
16000000
64 )
𝑥 𝑁(52500, 250000 )

b) Calcule la probabilidad de que la media muestral sea mayor de 55 000

dólares.

P[55000 < 𝑥 ] estandarizado:

ơ
ơ =𝑉 =
𝑛

P( 55000 − µ
𝑉
<
𝑥− µ
𝑉 ) = 𝑃( 55000 − 52500
500 )
< 𝑍 = 1 - P[Z<5] = 1 - 1 = 0
 29. Las utilidades anuales de las cajas de ahorro presentan una distribución normal, con
una media de $25 000.00 y una desviación estándar de $3 000.00. Si se obtiene una
muestra aleatoria de 40 cajas de ahorro. ¿Cuál es la probabilidad de que sus utilidades
promedien más de $ 25 750.00 al año?

SOLUCIÓN:
Según el planteamiento del problema, este es un caso en el que se debe emplear el
TEOREMA DE LÍMITE CENTRAL.
σ2
Algunos datos a tener en cuenta: X~ (μ, 𝑛
)
μ = media
σ2= varianza
n= tamaño de muestra.
n≥30, suficientemente grande

σ
Desviación estándar de la distribución muestral: σX=
𝑛
De los datos:
μ = 25000
σ= 3000
σ2= 9000 000
n= 40 ; n≥30, suficientemente grande, si cumple.

Se define la variable aleatoria X: utilidades de las cajas de ahorro

→ N (μ, σ2) → (25000, 9000 000)
σ
Desviación estándar de la distribución muestral: σX=
𝑛
PIDEN:
X: ahorro promedien más de $ 25 750.00 → P(X>252750): 1 - P(252750≤ x)

La distribución de la media muestral es:

σ2 9000 000
x N (μ , 𝑛
) = x N (25000, 40
) = x N (2500, 225000)

Ahora procedemos a estandarizar o tipificar :

𝑃(25 750 ≤ 𝑋)
25750−µ 𝑥−µ𝑖 25750−25000
𝑃( σ
≺ σ𝑋
) = 𝑃( 474.308
≺ 𝑧) = 1 − 𝑃(𝑍 ≺ 1. 581) = 1 − 0. 94295 = 0. 05705

la probabilidad de que el valor medio aumente a 25750 es de 0.05705

30. Las cuentas individuales de inversión de BANMEX presentan una distribución
normal, con una media de $ 4 000.00 y una desviación estándar de $ 1 200.00. Si un
empleado selecciona una muestra aleatoria de 200 cuentas. ¿Cuál es la probabilidad de
que el promedio esté entre $ 3 900.00 y $ 4 050.00?

N(μ,σ) = N(4000, 1200)

3900−4000 𝑋−μ 4050−4000

𝑃(3900 ≤ 𝑥 ≤ 4050) = 𝑃[ 1200
< σ
< 1200
]=
Entonces desarrollamos uno por uno
3900−4000 100
𝑋1 = 1200
=− 1200
=− 0. 08

4050−4000 50
𝑋2 = 1200
= 1200
= 0. 04

𝑃[− 0. 08 ≤ 𝑥 ≤ 0. 04] = 𝑃[𝑥 ≤ 0. 04] − 𝑃[− 0. 08 ≤ 𝑥]

= 0. 5160 − 0. 4681
= 0. 0479
Los valores de las probabilidades de -0.08 y 0.04 se encuentran en la tabla de
distribución normal

31. Se selecciona una muestra de 36 vendedores ambulantes y se determinan sus

ingresos semanales. Si dichos ingresos tienen una media poblacional de $3,500.00 y una
desviación estándar de $1,020.00.

Dado que se cuenta con una población de la que se ha extraído una muestra grande, se
2
𝞼
utilizará el Teorema de Límite Central, con la media 𝝁 y la varianza
𝑛
.
Donde:
𝝁: Media poblacional de ingresos: $3,500.00
𝝈: Desviación estándar: $1,020.00
n: número de observaciones en la muestra: 36
2
1020
Entonces, se tiene a 𝑥~𝑁(3, 500, 36
)

a) Probabilidad de que la media muestral sea menor que $3 150.00?

Se pide hallar: P[𝑥<3,150]

Se procede a estandarizar la v.a X para construir a la V.A Z, de manera que se

pueda encontrar la probabilidad en la tabla de distribución normal tipificada:
𝑋−µ
Reemplazamos en la ecuación: 𝑍 = σ
 3150−3500
𝑃[𝑥 < 3, 150] = 𝑃[𝑧 < 3
]
1020
36
−350
𝑃[𝑥 < 3, 150] = 𝑃[𝑧 < 1020 ]
6
−350
𝑃[𝑥 < 3, 150] = 𝑃[𝑧 < 170 ]
−350
𝑃[𝑥 < 3, 150] = 𝑃[𝑧 < 170 ]

𝑃[𝑥 < 3, 150] = 𝑃[𝑧 <− 2, 06]

Ubicamos el valor de z en la tabla de probabilidades: 0'01970

𝑃[𝑥 < 3, 150]= 0'01970
Se tiene una probabilidad de 0'01970 de que la media muestral sea menor de
$3,150.00

b) Probabilidad de que dicha media sea mayor que $2 950.00 pero menor que
$3 080.00?
Se pide hallar: P[2,950< 𝑥 <3,080]

Se procede a estandarizar la v.a X para construir a la V.A Z, de manera que se

pueda encontrar la probabilidad en la tabla de distribución normal tipificada:
𝑋−µ
Reemplazamos en la ecuación: 𝑍 = σ
2950−3500 3080−3500
𝑃[2, 950 < 𝑥 < 3, 150] = 𝑃[ 3
<𝑧< 3
]
1020 1020
36 36
−550 −420
𝑃[2, 950 < 𝑥 < 3, 150] = 𝑃[ 1020 <𝑧< 1020 ]
6 6
−550 −420
𝑃[2, 950 < 𝑥 < 3, 150] = 𝑃[ 170 < 𝑧 < 170 ]

𝑃[2, 950 < 𝑥 < 3, 150] = 𝑃[− 3, 24 < 𝑧 <− 2, 47]

𝑃[2, 950 < 𝑥 < 3, 150] = 𝑃[− 3, 24 < 𝑧 <− 2, 47]

Ubicamos los valores de z en la tabla de probabilidades: 0'00060 y 0,00676

𝑃[2, 950 < 𝑥 < 3, 150] = 0.00676 - 0.00060 = 0.00616

Se tiene una probabilidad de 0'00616 de que la media muestral sea mayor que $2
950.00 pero menor que $3 080.00.