UNIVERSIDAD CENTRAL DEL

ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS

ESTADÍSTICA
TRABAJO GRUPAL. UNIDAD 2: EJERCICIOS DE DISTRIBUCIÓN DE MUESTREO

Luis Vinicio Flores Santos,

Ana María Sanhueza Pesántez,
Roberto Carlos Urquizo Godoy
15-01-2021
1. El tiempo que los usuarios de una empresa interprovincial de transporte esperan para que su bus salga del
terminal es una variable aleatoria con media de 8,2 minutos y desviación estándar de 5,5 minutos.
Suponga que en un bus se embarcaron 49 pasajeros. Halle la probabilidad de que el tiempo promedio que
ellos tuvieron que esperar sea:
a) Menor a 10 minutos
b) Entre 7 y 10 minutos
c) Mayor a 7,5 minutos
Datos:

n 49
=
µ 8,2
=
σ 5,5
=

Resolución:
a)
t−μ

( )
Pr ( x́ <10 )=Pr ⁡ Z <
σ
√n
Reemplazo valores

10−8,2

(
Pr ( x́ <10 )=Pr ⁡ Z <
5,5
√ 49 )
´ )
Pr ( x́ <10 )=Pr ( Z<2,2 90
´ )=0,9890
Pr ( x́ <10 )=φ ( 2,2 90
Pr ( x́ <10 )=98,90 %
Lectura en RStudio
> pnorm(2.29090,mean=0,sd=1,lower.tail = T)
[1] 0.9890154
Lectura en tabla
b)
t−μ t −μ
Pr ( 7< x́<10 )=Pr ⁡ ( σ /√n
<Z <
σ /√n )
Reemplazo valores

7−8,2 10−8,2
Pr ( 7< x́<10 )=Pr ⁡ ( 5,5/ √ 49
<Z<
5,5/ √ 49 )
´ Z <2,2 90
Pr ( 7< x́<10 )=Pr (−1,5 27< ´ )

´ ) −φ (−1,5 27
Pr ( 7< x́<10 )=φ ( 2,2 90 ´ )

Pr ( 7< x́<10 )=0,9256=92,56 %

Lectura en RStudio
> pnorm(2.290,lower.tail=T)-pnorm(-1.527,lower.tail=T) 
[1] 0.9256088 
Lectura en tabla
c)
Pr ( x́ >7,5 )=1−Pr ( x́ <7,5 )
t−μ

( )
Pr ( x́ >7,5 )=1−Pr ⁡ Z<
σ
√n
Reemplazo valores

7,5−8,2

(
Pr ( x́ >7,5 )=1−Pr ⁡ Z<
5,5
√ 49 )
´
Pr ( x́ >7,5 )=1−Pr ⁡(Z ←0,8 90)
´ )=0,8132
Pr ( x́ >7,5 )=1−φ (−0 , 8 90
Pr ( x́ >7,5 )=81,32%

Lectura en RStudio
> pnorm(-0.890,lower.tail=F) 
[1] 0.8132671 

> 1-pnorm(-0.890,lower.tail=T) 
[1] 0.8132671 

Lectura en tabla
2. Según las estadísticas de tránsito, se ha establecido que, en una noche de viernes, en promedio 1 de cada
10 conductores está ebrio. Si un fin de semana la policía realiza 400 pruebas de alcoholemia, ¿cuál es la
probabilidad de que el número de conductores ebrios detectados sea: 
a) Menos del 8%
b) Al menos 10% pero menos del 13%
c) Más de 12,5%
Datos:

n 400
=
p 0.10
=
q 0.90
=

Resolución:
a)
32 ^p −p
(
Pr ^p <
400 ) (
=Pr ^p <
√ pq/n )
Reemplazo valores

32 1

(
Pr ^p <
32
400 ) (
=Pr ^p <
−
400 10
√ 0,09 /400 )
 32
( 400
Pr ^p < )=Pr( ^p ← 43 )
32
Pr ( ^p <
400 )
=Pr ( ^p ←1 , 3́ )

32
Pr ( ^p <
400 )
=0,0912=9,12 %

Lectura en RStudio

> pnorm(-1.333,lower.tail = T) 
[1] 0.0912659 
Lectura en Tabla

b)
40 52 ^p −p ^p −p
Pr ( 400 ≤ ^p <
400 ) =Pr ⁡(
√ pq /n
≤Z<
√ pq /n )
Reemplazo valores

40 52
Pr
40
(
400
≤ ^p <
52
400 )
=Pr ⁡
400
(−0,1

√ 0,09 /400
≤Z<
400
−0,1

√ 0,09/400 )
 40 52
Pr ( 400 ≤ ^p <
400 )
=Pr ⁡( 0 ≤ Z <2 )

40 52
Pr (
400 )
≤ ^p < =φ ( 2 )−φ ( 0 )
400
40 52
Pr (
400 )
≤ ^p < =0,4772=47,72%
400

Lectura en RStudio

> pnorm(2,lower.tail=T)-pnorm(0,lower.tail=T) 
[1] 0.4772499 
Lectura en Tabla
c)
50 ^p −p
(
Pr ^p >
400 ) (
=Pr ^p >
√ pq/n )
Reemplazo valores

50

) ( )
−0,1
50 400
Pr ( ^p >
400
=Pr ^p >
√ 0,09 /400
50 5
Pr ( ^p > ) ( )
=Pr ^p >
400 3
50
Pr ( ^p > )=Pr ( ^p >1 , 6́ )
400
50
Pr ( ^p > )=0,0474=4,74 %
400

Lectura en RStudio

> pnorm(1.67,lower.tail = F) 
[1] 0.04745968 
Lectura en Tabla
3. En los últimos 5 años, las calificaciones del examen de aptitud para el ingreso a la universidad siguen una
distribución normal con varianza 𝜎2=8. ¿Consideraría usted 𝜎2=8 como un valor válido de la varianza de
las notas de los exámenes que se rindieron este año, si una muestra aleatoria de 20 calificaciones arrojó un
valor de 𝑠2=16? 
Datos:

n= 20
s2 = 16
σ2 8
=
2
(n−1) s
Pr ( s 2>16 )=Pr ⁡( x 2 (n−1))> 2
σ
Reemplazo valores

19(16)
Pr ( s 2>16 )=Pr ⁡( x 2 (19 ))>
8

Pr ( s 2>16 )=Pr ⁡(x 2 (19 ))>38

Pr ( s 2>16 )=0,005
 Lectura en RStudio

> pchisq(38, df = 19, ncp = 0, lower.tail = F, log.p=F) 

[1] 0.005934709 
Lectura en Tabla

4. Se tomó una muestra de 16 directores de oficinas de una ciudad con el fin de estimar el tiempo medio
diario que emplean en desplazarse hasta su trabajo. Si la media de los tiempos es de 87 minutos y la
desviación estándar de 20 minutos, calcule la probabilidad de que la media muestral sea menor a 100
minutos.
Datos:

n 16
=
s= 20
μ 87
=
t= 100

Resolución:

t −μ
(
Pr ( x́ ≤100 ) =Pr ⁡ T ≤
s / √n )
Reemplazo valores
 ( 100−87
Pr ( x́ ≤100 ) =Pr ⁡ T ≤
20/ √ 16 )

13
Pr ( x́ ≤100 ) =Pr ( T ≤ )
5

Pr ( x́ ≤100 ) =Pr ( T ≤ 2,6 )

Lectura en RStudio

> pt(2.6, df= 15, lower.tail = F) 

[1] 0.0100495 
Lectura en Tabla
5. Dos muestras aleatorias independientes de tamaño 7 y 13, respectivamente, se toman de una misma
población normalmente distribuida. ¿Cuál es la probabilidad de que la varianza de la primera muestra sea
mayor al triple de la varianza de la segunda muestra? 
Datos:

n1 = 7
n2 = 13

Resolución:

Pr ⁡( s 21 >3> s22 )

s s1 2 2 s 21
s2 ( ) (( ) ) ( )
Pr ( s 1>3 s2 ) =Pr 1 >3 =Pr
s2
>3 =Pr 2 > 9
s2

s 21 s 21 /σ 21 s12
Pr
( ) (
s 22
>9 =Pr F >
s 22 /σ 22 ) ( )
=Pr F >
s 22
=Pr ⁡(F> 9)

Lectura en Tabla

Grados de libertad F ( n1−1 , n2−1 ) =F(6 ,12)

 s 21
Pr
( )
s 22
>9 ≈ 0,001 Leído en tabla

Lectura en RStudio

> pf(9, df1=6, df2=12, lower.tail = F) 

[1] 0.0007213324 

6. Una muestra aleatoria de tamaño 16 se seleccionó a partir de una población normal de media 75 y
desviación estándar 8. Una segunda muestra aleatoria de tamaño 9 se tomó a partir de una población
normal de media 70 y desviación estándar 12. Hallar la probabilidad que la diferencia de las dos medias
muestrales sea: 
a) Mayor que 4
b) Entre 3,5 y 5,5
Datos:

n1 = 16 n2 = 9
𝜎= 8 𝜎= 12
µ1 = 75 µ2 = 70

Resolución:
a)
Pr ( x́ 1− x́ 2 >t ) ≈ Pr ¿
Reemplazo valores
4−(75−70)

(
Pr ( x́ 1− x́ 2 >4 ) ≈ Pr Z >

√ 8 2 122
+
16 9
)
−√ 5
(
Pr ( x́ 1− x́ 2 >4 ) ≈ Pr Z >
10 )
Pr ( x́ 1− x́ 2 >4 ) ≈ Pr ( Z>−0,224 )
Pr ( x́ 1− x́ 2 >4 ) ≈ ɸ (−0,224 )
Pr ( x́ 1− x́ 2 >4 ) ≈ 0.4113
Pr ( x́ 1− x́ 2 >4 ) ≈ 41,13 %
Lectura en RStudio

> pnorm(-0.224, lower.tail = T) 
[1] 0.4113787 
Lectura en Tabla
b)
Pr ( t 1 ≤ x́ 1−x́ 2 ≤ t 2) ≈ Pr ¿

Reemplazo valores
3,5−(5) 5,5−(5)
Pr ( 3,5 ≤ x́ 1−x́ 2 ≤ 5,5 ) ≈ Pr
(√ 82 122
+
16 9
≤ Z≤

√ 82 122
+
16 9
)
( −320√ 5 ≤ Z ≤ √205 )
Pr ( 3,5 ≤ x́ 1− x́ 2 ≤ 5,5 ) ≈ Pr

−3 √ 5 √5
Pr ( 3,5 ≤ x́ − x́ ≤ 5,5 ) ≈ Pr (
1 2 ≤Z ≤ )
20 20
Pr ( 3,5 ≤ x́ 1−x́ 2 ≤ 5,5 ) ≈ Pr (−0.335 ≤ Z ≤ 0.112 )
Pr ( 3,5 ≤ x́ 1−x́ 2 ≤ 5,5 ) ≈ φ ( 0.112 )−φ(−0.335)
Pr ( 3,5 ≤ x́ 1−x́ 2 ≤ 5,5 ) ≈ 0.1753
Pr ( 3,5 ≤ x́ 1−x́ 2 ≤ 5,5 ) ≈17,53 %
Lectura en RStudio

> pnorm(0.111, lower.tail = T)-pnorm(-0.335, lower.tail = T) 

 [1] 0.1753793 
Lectura en Tabla

7. EI administrador de un edificio quiere decidir la compra de lámparas fluorescentes de marca T o U. Para

ayudarle a realizar su decisión, se escogen dos muestras de tamaños 10 y 9 lámparas, respectivamente,
resultando las desviaciones estándar de 𝑠1=200y 𝑠2=150. Si la diferencia entre los promedios es mayor
que 173 horas, se acepta que 𝜇1≠𝜇2; de lo contrario se acepta que𝜇1=𝜇2. ¿Cuál es la probabilidad de
aceptar que 𝜇1≠𝜇2cuando realmente 𝜇1=𝜇2? (Asuma que la vida útil de ambas marcas tiene distribución
normal con varianzas iguales). 
Datos

Marca T Marca U
n1 10 n2 9
= =
s1 = 200 s2 = 150
μ1 = μ2
μ1 - μ 2 0
=
Resolución:
Pr ( x́ 1− x́ 2 >173 ) se acepta μ 1 ≠ μ2

Pr ( x́ 1− x́ 2 <173 ) =? se acepta μ 1=μ2

( x́ 1−x́ 2 )−( μ 1−μ2 )

Pr ( x́ 1− x́ 2 >173 ) =Pr ⁡ T >
( s
√ 1 1
+
n1 n2 )
Cálculo de s

( n1 −1 ) s12+ ( n2−1 ) s 22
s=
√ ( n1+ n2−2 )
Reemplazo valores en la fórmula de s

( n1 −1 ) s12+ ( n2−1 ) s 22
s=
√ ( n1+ n2−2 )
( 10−1 ) 2002 + ( 9−1 ) 1502
s=
√ ( 10+9−2 )
s= √31764,71=178,23

Reemplazo valores en la fórmula principal

173−0
Pr ( x́ 1− x́ 2 >173 ) =Pr ⁡ T >
( 178,23
1 1
+
10 9 √ )
Pr ( x́ 1− x́ 2 >173 ) =Pr ⁡( T >2,113 )

Pr ( x́ 1− x́ 2 >173 ) =1−Pr ⁡( T <2,113 )

Grados de libertad

gl=n1 −n2=10+ 9−2=17

Lectura en RStudio
pt(2.11, df = 17, lower.tail = F) 
[1] 0.02499106 
Lectura en Tabla
8. Para comparar los salarios que pagan a sus empleados dos fábricas de cobijas, San Lucas y Cebra, se
escogen dos muestras aleatorias de tamaños 16 y 13, respectivamente, de las dos fábricas. Resultó
que las desviaciones estándar fueron 𝑠𝐿=120 dólares y 𝑠𝐶=55 dólares. Sila diferencia entre las medias
muestrales no es mayor a 65 dólares, se acepta que 𝜇1=𝜇2; caso contrario, se acepta que 𝜇1≠𝜇2. ¿Cuál es la
probabilidad de aceptar que 𝜇1≠𝜇2, cuando realmente 𝜇1=𝜇2? Suponga que los
salarios, en ambas empresas, siguen una distribución normal con varianzas diferentes. 
Datos

San Lucas Cebra

n1 16 n2 13
= =
s1 = 120 s2 = 55
μ1 = μ2
μ1 - μ 2 0
 =
Resolución:

Pr ( x́ 1− x́ 2 <65 ) se acepta μ 1=μ2

Pr ( x́ 1− x́ 2 >65 ) =? se acepta μ1 ≠ μ2

( x́1− x́ 2 ) −( μ1−μ2 )

(
Pr (|x́ 1− x́ 2|> 65 ) =Pr ⁡ |T|>

√ s 21 s 22
+
n1 n 2 )
Reemplazo valores

65−0

( √
Pr (|x́ 1− x́ 2|> 65 ) =Pr ⁡ |T|>
1202 552
+
16 13
)
Pr (|x́ 1− x́ 2|> 65 ) =Pr ⁡(|T |>1,9313 )

Pr (|x́ 1− x́ 2|> 65 ) =Pr ⁡(−1,9313>T >1,9313 )

Pr (|x́ 1− x́ 2|> 65 ) =Pr ( T >1,9313 )+ Pr ( T ←1,9313 )

Grados de libertad
2
s 21 s22 1202 552
2

gl=
( +
n 1 n2 ) =
( 16
+
13 )
2 2 2 2
s21 s 22 120 2 552
( ) ( ) ( ) ( )
n1
+
n2 16
+
13
n 1−1 n1−1 16−1 13−1

gl≈ 21,927 ≈ 22
Lectura en RStudio
> pt(1.9313,df=22,lower.tail = F)+pt(-1.9313,df=22,lower.tail = T) 
[1] 0.06643048 
Lectura en Tabla