280

Capítulo 6 Distribuciones de probabilidad normal

Calcule la media de la distribución muestral.

¿Es la media de la distribución muestral [del inciso b)] igual a la proporción pobla-
cional de defectos? ¿Coincide siempre la media de la distribución muestral de pro-
porciones con la proporción poblacional?
13. Clasificación de competidores olímpicos de triatlón. Mujeres estadounidenses
compitieron en el triatlón de los Juegos Olímpicos realizados en Atenas, y al final
ocuparon los lugares 3, 9 y 23. Suponga que se seleccionan al azar muestras de tama-
ño 2 con reemplazo.
Utilice una tabla para describir la distribución muestral de las medias muestrales.
Puesto que los datos se refieren a lugares de clasificación, ¿realmente tiene sentido
identificar la distribución muestral de las medias muestrales?
14. Mediana y lunas de Júpiter. Júpiter tiene 4 lunas grandes y 12 lunas pequeñas. Los
tiempos de órbita de las 4 lunas grandes son los siguientes (en días): 1.8 (Io), 3.6
(Europa), 7.2 (Ganímedes) y 16.7 (Calixto). Suponga que se seleccionan al azar dos
de estos valores con reemplazo.
Después de identificar las 16 diferentes muestras posibles, calcule la mediana de cada
una y luego utilice una tabla para describir la distribución muestral de las medianas.
Calcule la media de la distribución muestral.
c. ¿Es la media de la distribución muestral [del inciso b)] igual a la mediana de la po-
blación? ¿Es la mediana un estimador sin sesgo de la mediana poblacional?

6-4 MÁS ALLÁ DE LO BÁSICO

Uso de una fórmula para describir una distribución muestral. Vea el primer ejem-
plo de esta sección, el cual incluye una tabla y una gráfica que describen la distribución
muestral de las proporciones de niñas en dos nacimientos. Considere la fórmula que
aparece abajo y evalúela utilizando proporciones muestrales x de 0, 0.5 y 1. Con base
en los resultados, ¿la fórmula describe la distribución muestral? ¿Por qué?
1
P(x) = donde x = O, 0.5, 1
2(2 - 24!(2x)!
Desviación media absoluta. La población de 1, 2 y 5 se utilizó para elaborar la
tabla 6-7. Identifique la distribución muestral de la desviación media absoluta
(definida en la sección 3-3), después determine si la desviación media absoluta de
una muestra es un buen estadístico para estimar la desviación media absoluta de la
población.

17 6-5 El teorema del límite central

Concepto clave En la sección 6-4 se incluyó cierto análisis de la distribución
muestral de r, y en esta sección se describen procedimientos para utilizarla en si-
tuaciones muy reales y prácticas. Los procedimientos de esta sección constituyen
la base para la estimación de parámetros poblacionales y la prueba de hipótesis,
temas que se analizarán con profundidad en los siguientes capítulos. Cuando se
selecciona una muestra aleatoria simple de una población con media p. y desvia-
ción estándar o-, es esencial conocer los siguientes principios:
1. Si n > 30, entonces las medias muestrales tienen una distribución que se
puede aproximar por medio de una distribución normal, con una media p. y
una desviación estándar u/Vri. (Éste es el lineamiento que suele utilizarse,
independientemente de la distribución de la población original).
 6-5 El teorema del límite central 281

Si n  30 y la población original tiene una distribución normal, entonces las

medias muestrales tienen una distribución normal con una media p. y una des-
viación estándar cr/VTi.
Si n  30, pero la población original no tiene una distribución normal, enton-
ces no se aplican los métodos de esta sección.
Trate de conservar la siguiente idea en mente: cuando tomamos muestras de una po-
blación, deseamos conocer el comportamiento de las medias muestrales. El teorema
del límite central nos dice que si el tamaño de una muestra es lo suficientemente
grande, la distribución de las medias muestrales se puede aproximar por medio de
una distribución normal, aun cuando la población original no esté distribuida de for-
ma normal. Aunque hablamos de un "teorema", no incluimos pruebas rigurosas, si-
no que nos enfocamos en los conceptos y en su aplicación. He aquí los puntos clave
que conforman una base importante para los siguientes capítulos.

El teorema del límite central y la distribución

muestral de
Dado que:
La variable aleatoria x tiene una distribución (que puede o no ser normal) con
media y desviación estándar u.
Todas las muestras aleatorias del mismo tamaño n se seleccionan de la pobla-
ción. (Las muestras se seleccionan de manera que todas las muestras posibles
de tamaño n tengan la misma probabilidad de ser seleccionadas).

Conclusiones:
Conforme el tamaño de la muestra aumenta, la distribución de las medias mues-
trales x se aproximará a una distribución normal.
La media de todas las medias muestrales es la media poblacional p.. (Es decir, la
distribución normal de la conclusión I tiene una media p.).
3. La desviación estándar de todas las medias muestrales es u/N/Ti. (es decir, la
distribución normal de la conclusión 1 tiene una desviación estándar o-/V71.)
V71.)

Reglas prácticas de uso común

Si la población original no está distribuida normalmente, la siguiente es una di-
rectriz común: para muestras de tamaño n mayores que 30, la distribución de las
medias muestrales puede aproximarse razonablemente bien por medio de una
distribución normal. (Existen excepciones, como las poblaciones con distribu-
ciones muy diferentes a la normal, que requieren tamaños de muestra mucho
más grandes que 30, aunque tales excepciones son relativamente raras). La
aproximación mejora conforme el tamaño muestral n se incrementa.
Si la población original se distribuye normalmente, entonces las medias mues-
trales estarán distribuidas normalmente para cualquier tamaño de muestra n (no
sólo los valores de n mayores que 30).

El teorema del límite central implica dos distribuciones diferentes: la distribu-

ción de la población original y la distribución de las medias muestrales. Igual que en
capítulos anteriores, utilizamos los símbolos y a para denotar la media y la des-
viación estándar de la población original, pero ahora necesitamos nuevas notaciones
para la media y la desviación estándar de la distribución de las medias muestrales.
282 Capítulo 6 Distribuciones de probabilidad normal

Notación para la distribución muestral de i

Si se seleccionan todas las muestras aleatorias posibles de tamaño n de una pobla-
ción con media p, y desviación estándar u, la media de las medias muestrales se
denota con p.7 , de manera que

=
Asimismo, la desviación estándar de las medias muestrales se denota con Qz, de
manera que
a

QT, suele denominarse el error estándar de la media.

EJEMPLO Simulación con dígitos aleatorios Con frecuencia las

computadoras se utilizan para generar dígitos aleatorios de números telefónicos
para realizar encuestas. (Por ejemplo, el Pew Research Center genera aleatoria-
mente los últimos dos dígitos de números telefónicos para evitar un "sesgo de
lista"). Los dígitos 0, 1, 2, 3, 4, 5, 6, 7, 8. 9 se generan de forma que todos son
igualmente probables. La imagen de Minitab que aparece a continuación inclu-
ye el histograma de 500,000 dígitos generados. Observe que la distribución tiene
una apariencia uniforme, como esperábamos.
Ahora, agrupamos los 500,000 dígitos en 5000 muestras, cada una con
n = I00 valores. Calculamos la media de cada muestra y mostramos el histograma
de las 5000 medias muestrales. Observe el siguiente efecto sorprendente: ¡Aun
cuando los 500,000 dígitos originales tienen una distribución uniforme, la dis-
tribución de las 500 medias muestrales es aproximadamente normal! Un fenó-
meno verdaderamente fascinante e intrigante de la estadística es el hecho de que al
obtener muestras de cualquier distribución podamos crear una distribución de me-
dias muestrales que es normal o al menos aproximadamente normal.

Minitab Minitab
400.
5003()

— —
40000 - 303
_
1 -- —
130000
200
É 1,
`1.- 20000
-- 1
/00
10000

0 o 6 8 3. 75 4U3 4'b .5 4.15 5W 5 25

500,000 Digits Sample Means

Aplicación del teorema del límite central

Muchos problemas prácticos importantes se resuelven mediante el teorema del lí-
mite central. Cuando trabaje con este tipo de problemas, recuerde que si el tamaño
de la muestra es mayor que 30, o si la población original se distribuye normalmente,
 6-5 El teorema del límite central 283

debe tratar la distribución de medias muestrales corno si fuera una distribución

normal con media y desviación estándar u/Vti.
En el siguiente ejemplo, el inciso a) incluye un valor individual, pero el inciso b)
incluye la media de una muestra de 20 hombres, por lo que debernos usar el teorema
del límite central al trabajar con la variable aleatoria x. Estudie este ejemplo con aten-
ción para comprender la diferencia significativa entre los procedimientos utilizados
en los incisos a) y b). Observe cómo este ejemplo ilustra el siguiente procedimiento
de trabajo:

Cuando trabaje con un valor individual de una población distribuida

X —
normalmente, utilice los métodos de la sección 6-3. Use z =
Cuando trabaje con una media de alguna muestra (o grupo), asegúrese
de utilizar el valor de (r/ n para la desviación estándar de las medias
— p,
muestrales. Use z =

V11

EJEMPLO Seguridad de taxis acuáticos En el problema del

capítulo señalamos que algunos pasajeros murieron cuando un taxi acuá-
tico se hundió en el Inner Harbor de Baltimore. Los hombres suelen ser
más pesados que las mujeres y los niños; por lo tanto, supongamos que al cargar un
taxi acuático la situación extrema es aquella en la que todos los pasajeros son hom-
bres. En concordancia con los datos de la National Health and Nutrition Exami-
nation Survey, suponga que los pesos de los hombres se distribuyen normalmente,
con una media de 172 libras y una desviación estándar de 29 libras.
Calcule la probabilidad de que, si se selecciona un hombre al azar, su peso
sea mayor que 175 libras.
Calcule la probabilidad de que 20 hombres elegidos al azar tengan una me-
dia mayor que 175 libras (de manera que su peso total exceda la capacidad
segura de 3500 libras).

SOLUCIÓN
a. Enfoque • Utilice los métodos presentados en la sección 6-3 (porque estarnos
trabajando con un valor individual de una población distribuida normalmente).
Buscamos el área de la región sombreada en la figura 6-19a). Si utilizamos la
tabla A-2, convertimos el peso de 175 a su puntuación z correspondiente:

x — ,u 175 — 172
z= = 0.10
29

Nos remitirnos a la tabla A-2 y utilizamos z = 0.10 para encontrar que el área
acumulativa a la izquierda de 175 libras es 0.5398. Por lo tanto, la región som-
breada es 1 — 0.5398 = 0.4602. La probabilidad de que un hombre elegido al
azar pese más de 175 libras es de 0.4602. (Si se utiliza una calculadora o un
programa de cómputo en vez de la tabla A-2, el resultado más exacto es
0.4588 en lugar de 0.4602).

continúa


284 Capítulo 6 Distribuciones de probabilidad normal

b. Enfoque: Utilice el teorema del límite central (porque estamos trabajando con
la media de una muestra de 20 hombres y no con un solo hombre). Aun cuan-
do el tamaño de la muestra no es mayor que 30, utilizamos una distribución
normal por la siguiente razón: la población original de hombres tiene una dis-
tribución normal, de manera que las muestras de cualquier tamaño producirán
medias distribuidas normalmente. Puesto que estamos trabajando con una dis-
tribución de medias muestrales, debemos utilizar los parámetros p y Qb que
se evalúan de la siguiente manera:

= p. = 172
U29
= 6 4845971
crx Ti V20 .

He aquí un punto realmente importante: debemos utilizar la desviación

estándar calculada de 6.4845971 y no la desviación estándar original de
29 (porque estarnos trabajando con la distribución de medias muestrales
cuya desviación estándar es 6.4845971, y no con la distribución de pe-
sos individuales cuya desviación estándar es 29). Necesitamos calcular
el área sombreada que se destaca en la figura 6-1b). Si usamos la tabla
A-2, obtenemos la puntuación z relevante, que se calcula de la siguiente
manera:

— I-LÑ 175 — 172 3

= 0.46
29 6.4845971
VY)
Si nos remitimos a la tabla A-2, encontramos que z = 0.46 corresponde
a una área izquierda acumulativa de 0.6772, de manera que la región
sombreada es 1 — 0.6772 = 0.3228. La probabilidad de que 20 hombres
tengan un peso medio mayor que 175 libras es de 0.3228. (Si se utiliza
una calculadora o un programa de cómputo, el resultado es 0.3218 en vez
de 0.3228).

INTERPRETACIÓN Existe una probabilidad de 0.4602 de que un hombre

pese más de 175 libras, y una probabilidad de 0.3228 de que 20 hombres ten-
gan un peso medio mayor de 175 libras. Dado que la capacidad segura del taxi

0.5398 09602 0.6772 0.3228

4—x =- 175 = 175

= 172 1£7. = 172
= 29) (cr,T = a = Z=698115971)
(a) (b)

Figura 6-19 Pesos de hombres

a) Distribución de pesos individuales de hombres; b) Distribución de medias muestrales
 6-5 El teorema del límite central 285

acuático es de 3500 libras, es muy probable (con una probabilidad de 0.3228)

que se sobrecargue si se transporta a 20 hombres elegidos al azar. Dado que ya
han muerto 21 personas, y dada la alta probabilidad de sobrecarga, lo más per-
tinente sería limitar el número de pasajeros a menos de 20. La capacidad de 20
pasajeros no es suficiente.
Los cálculos que se utilizaron aquí son exactamente iguales a los cálcu-
los que utilizan los ingenieros al diseñar teleféricos, elevadores, escaleras eléc-
tricas, aviones y otros aparatos que transportan personas.

Interpretación de resultados
El siguiente ejemplo ilustra otra aplicación del teorema del límite central; exa-
El efecto placebo
mine con atención la conclusión a la que se llega. Este ejemplo ilustra el tipo
de pensamiento que es fundamental para el importante procedimiento de prue- Durante mucho tiempo se ha
ba de hipótesis (que se estudia en el capítulo 8). Este ejemplo ilustra la regla creído que los placebos realmen-
del suceso infrecuente de la estadística inferencial, presentado inicialmente en te ayudan a algunos pacientes. De
la sección 4-1. hecho, al gunos estudios serios
han demostrado que cuando se
administra un placebo (un tra-
Regla del suceso infrecuente tamiento sin valor medicinal),
Si, bajo cierto supuesto, la probabilidad de un suceso particular observado muchos sujetos de prueba ma-
es pequeña de manera excepcional, concluimos que el supuesto probablemente nifiestan cierta mejoría. Los
no es correcto.
estimados de las tasas de mejo-
ría van por lo común de una ter-
cera a dos terceras partes de los
EJEMPLO Temperaturas corporales Suponga que la población de pacientes. Sin embargo, un estu-
temperaturas corporales humanas tiene una media de 98.6°F, como suele creer- dio más reciente sugiere que los
se. También suponga que la desviación estándar de la población es 0.62°F placebos no tienen efecto real.
(según datos de investigadores de la Universidad de Maryland). Si se selec- Un artículo en la New England
ciona al azar una muestra de tamaño n = 106, calcule la probabilidad de
Imana, of Medicine (vol. 334,
obtener una media de 98.2°F o menor. (En realidad se obtuvo el valor de 98.2°F;
núm. 21) se basó en la investi-
vea las temperaturas de media noche del día 2 en el conjunto de datos 2 del
apéndice B). gación de 114 ensayos médicos
durante 50 años. Los autores del
SOLUCIÓN artículo concluyeron que los pla-
No tenemos información sobre la distribución de la población, pero, como el cebos parecen tener algún efec-
tamaño de la muestra n = 106 excede a 30, utilizamos el teorema del límite to sólo en aliviar el dolor, pero
central y concluimos que la distribución de medias muestrales es normal, con no en otras condiciones físicas.
estos parámetros: Ellos concluyen que, excepto en
ensayos clínicos, el uso de place-
= = 98.6 (por suposición)
bos "no puede recomendarse".
o- 0.62
= 0.0602197
ViTz V106
La figura 6-20 destaca el área sombreada (observe la pequeña cola izquierda de
la gráfica), correspondiente a la probabilidad que buscamos. Una vez encon-
trados los parámetros que se aplican a la distribución de la figura 6-20, ahora

contimía

286 Capítulo 6
El teorema del límite
central borroso
En The Cartoon Guide w Statis-
tics, los autores Gonick y Smith
describen el teorema del límite
central borroso de la siguiente
manera: "Los datos que se ven
influidos por efectos aleatorios
muy pequeños y sin relación en-
tre sí se distribuyen aproxima-
damente de manera normal. Esto
explica por qué la normalidad es-
tá en todos lados: en las fluctua-
ciones del mercado de acciones,
en los pesos de estudiantes, en
los promedios anuales de tem-
peratura y en las calificaciones
del SAT. Todos son el resultado
de muchos efectos diferentes".
La estatura de las personas, por
ejemplo, es el resultado de fac-
tores hereditarios, factores am-
bientales, nutrición, cuidado de la
salud, región geográfica y otras
influencias que, cuando se com-
binan, producen valores distri-
buidos de forma normal.
Distribuciones de probabilidad normal
0.0001
7= 98.2 P-7 = 98.6
—6.6y 0
Figura 6-20
Distribución de temperaturas corporales medias, para
muestras de tamaño n = 106
podemos encontrar el área sombreada utilizando los mismos procedimientos
desarrollados en la sección 6-3. En la tabla A-2 primero encontramos la
puntuación z:
98.20 — 98.6
z= = —6.64
cry, 0.0602197
Si nos remitimos a la tabla A-2, encontramos que z = —6.64 no aparece, pero
para los valores de z que están por debajo de —3.49 utilizamos una área de
0.0001 para el área izquierda acumulativa hasta z = —3.49. Por lo tanto, con-
cluimos que la región sombreada de la figura 6-20 es 0.0001. (Si se utiliza una
calculadora TI-83/84 Plus o un programa de cómputo, el área de la región
sombreada se acerca a 0.00000000002, pero incluso estos resultados son sólo
aproximaciones. Con seguridad podemos reportar que la probabilidad es muy
baja. menor que 0.0001).
INTERPRETACIÓN Los resultados demuestran que si la media de nuestra
temperatura corporal es en realidad 98.6°F, entonces existe una probabilidad
sumamente baja de obtener una media de muestra de 98.2°F o menor cuando
se seleccionan 106 sujetos al azar. Los investigadores de la Universidad de
Maryland obtuvieron una media muestral como ésta, ante lo cual existen dos
explicaciones posibles: o la media de la población es realmente de 98.6°F y su
muestra representa un suceso aleatorio extremadamente infrecuente, o en reali-
dad la media poblacional es menor que 98.6°F y su muestra es típica. Como la
probabilidad es tan baja, parece más razonable concluir que la media poblacio-
nal es menor que 98.6°F. Éste es el tipo de razonamiento que se usa en las
pruebas de hipótesis, que se estudiarán en el capítulo 8. Por ahora, debemos
enfocamos en el uso del teorema del límite central para calcular la probabili-
dad de 0.0001, pero debemos señalar que este teorema se usará posteriormente
para explicar algunos conceptos muy importantes en estadística.
Corrección para una población finita
Al aplicar el teorema del límite central, el uso de o = o-/ n supone que la po-
blación tiene un número infinito de miembros. Cuando hacemos un muestreo con
reemplazo (es decir, cada elemento seleccionado se reincorpora a la muestra antes
de hacer la siguiente selección), la población es efectivamente infinita. Aunque
muchas aplicaciones realistas implican un muestreo sin reemplazo, estas muestras
sucesivas dependen de resultados previos. En la fabricación, los inspectores de
 6-5 El teorema del límite central 287

control de calidad suelen muestrear elementos de un lote finito de producción, sin

reemplazarlos Para una población finita como ésta tal vez necesitemos ajustar cri
La siguiente es una regla práctica:.

Cuando realice un muestreo sin reemplazo y el tamaño de muestra

n sea mayor que el 5% de la población finita de tamaño N (es
decir. n > 0.05N), ajuste la desviación estándar de medias muestrales
crx multiplicándola por el factor de corrección de población finita:

IN
\ —n
N—1
Con excepción de los ejercicios 22 y 23, los ejemplos y los ejercicios de esta sec-
ción suponen que el factor de corrección de población finita no se aplica, ya sea
porque estarnos tomando una muestra con reemplazo, porque la población es infi-
nita. o porque el tamaño de la muestra no excede el 5% del tamaño de la población.
El teorema del límite central es muy importante porque nos permite usar los
métodos básicos de la distribución normal en una amplia variedad de circunstan-
cias. Por ejemplo, en el capítulo 7 aplicaremos el teorema cuando utilicemos datos
muestrales para estimar medias de poblaciones. En el capítulo 8, por ejemplo, lo
aplicaremos cuando usemos datos muestrales para probar aseveraciones acerca de
medias poblacionales. Tales aplicaciones para estimar parámetros de población y
probar aseveraciones constituyen usos sumamente importantes de la estadística, y el
teorema del límite central los hace posibles.

6-5 DESTREZAS Y CONCEPTOS BÁSICOS

Conocimientos estadísticos y pensamiento crítico
Error estándar de la media. ¿Qué es el error estándar de la media?
Muestra pequeña. Si se seleccionan muestras de tamaño n = 2 de una población
con media y desviación estándar conocidas, ¿qué requisitos se deben cumplir para su-
poner que la distribución de las medias muestrales es normal?
Notación. Se seleccionan al azar muestras grandes (n > 30) de una población con
media p. y desviación estándar o-. ¿Qué notación se utiliza para la media de la pobla-
ción que consiste en todas las medias muestrales? ¿Qué notación se utiliza para la
desviación estándar de la población que consiste en todas las medias muestrales?
Muestra de conveniencia. Un estudiante de estadística esperó hasta el último minu-
to para realizar un proyecto, y ahora sólo tiene tiempo suficiente para reunir las esta-
turas de sus amigas y parientes mujeres. Luego, calcula la media de la estatura de las
mujeres de su muestra. Suponiendo que las mujeres tienen estaturas que se distribu-
yen normalmente, con una media de 63.6 in y una desviación estándar de 2.5 in, ¿el
estudiante puede utilizar el teorema del límite central para analizar la estatura media
de su muestra?

Uso del teorema del límite central. En los ejercicios 5 a 8, suponga que las estaturas de
mujeres se distribuyen de manera normal, con una media dada por = 63.6 in y una
desviación estándar o- = 2.5 in (según datos de la National Health Survey).
5. a. Si se selecciona a una mujer al azar, calcule la probabilidad de que mida menos
de 64 in.
b. Si se seleccionan 36 mujeres al azar, calcule la probabilidad de que tengan una es-
tatura media menor que 64 in.
288 Capítulo 6 Distribuciones de probabilidad normal

a. Si se selecciona a una mujer al azar, calcule la probabilidad de que su estatura sea

mayor que 63 in.
b. Si se seleccionan 100 mujeres al azar, calcule la probabilidad de que tengan una
estatura media mayor que 63 in.
a. Si se selecciona a una mujer al azar, calcule la probabilidad de que mida entre 615
y 64.5 in.
b. Si se seleccionan 9 mujeres al azar, calcule la probabilidad de que tengan una estatura
media entre 63.5 y 64.5 in.
e. ¿Por qué se puede usar el teorema del límite central en el inciso b), aunque el ta-
maño de la muestra no sea mayor que 30?
8. a. Si se selecciona a una mujer al azar, calcule la probabilidad de que mida entre 60
y 65 in.
Si se seleccionan 16 mujeres al azar, calcule la probabilidad de que tengan una estatura
media entre 60 y 65 in.
¿Por qué se puede usar el teorema del límite central en el inciso h), aunque el tamaño
de la muestra no sea mayor que 30?
9. Seguridad de teleférico. Un teleférico en Vail, Colorado, lleva a los esquiadores
a la cima de la montaña. En él se ve una placa que indica que su capacidad máxi-
ma es de 12 personas o 2004 libras. Esa capacidad se excedería si 12 personas tie-
nen pesos con una media mayor que 2004/12 = 167 lb. Puesto que los hombres
suelen pesar más que las mujeres, el "peor de los casos" implicaría a 12 pasajeros
hombres. Los pesos de los hombres se distribuyen normalmente, con una media
de 172 lb y una desviación estándar de 29 lb (según datos de la National Health
Survey).
Calcule la probabilidad de que, al seleccionar al azar a un hombre, su peso sea ma-
yor que 167 lb.
Calcule la probabilidad de que 12 hombres seleccionados al azar tengan una media
mayor que 167 lb (de manera que su peso total sea mayor que la máxima capaci-
dad del teleférico de 2004 lb).
e. Al parecer, ¿el teleférico tiene el límite correcto de peso? ¿Por qué?
Autobuses de casino. El nuevo casino Lucky Lady desea incrementar sus ingresos
al ofrecer autobuses que puedan transportar a jugadores de otras ciudades. La inves-
tigación indica que estos jugadores tienden a ser mayores, que tienden a jugar única-
mente en las máquinas tragamonedas y que registran pérdidas con una media de
$182 y una desviación estándar de $105. Los autobuses transportan a 35 jugadores
por viaje. El casino entrega a cada pasajero del autobús vales con un valor de $50,
los cuales pueden canjearse por dinero en efectivo, de manera que el casino necesita
recuperar ese costo para obtener una ganancia. Calcule la probabilidad de que, si un
autobús se llena con 35 pasajeros, la cantidad media perdida por un pasajero sea ma-
yor que $50. Con base en el resultado, ¿el casino apuesta al proporcionar este tipo
de autobuses?
Cantidades de Coca-Cola. Suponga que latas de Coca-Cola se llenan de tal manera
que las cantidades reales tienen una media de 12.00 oz y una desviación estándar de
0.11 oz.
Calcule la probabilidad de que una muestra de 36 latas tenga una cantidad media
de al menos 12.19 oz, como en el conjunto de datos 12 del apéndice B.
Con base en el resultado del inciso a), ¿será razonable creer que las latas en realidad
contienen una media de 12.00 oz? Si la media no es de 12.00 oz, ¿se está engañan-
do a los consumidores?

12. Preparación para la prueba SAT. Las calificaciones de hombres en la parte verbal
de la prueba SAT-I se distribuyen normalmente, con una media de 509 y una desvia-
ción estándar de 112 (según datos del College Board). A hombres seleccionados al
 6-5 El teorema del límite central 289

azar se les imparte el curso Columbian Review, antes de tomar la prueba SAT. Supon-
ga que el curso no tiene efecto alguno.
Si se selecciona a uno de los hombres al azar, calcule la probabilidad de que su ca-
lificación sea de al menos 590.
Si se selecciona a 16 de los hombres al azar, calcule la probabilidad de que se cali-
ficación media sea de al menos 590.
En el cálculo de la probabilidad del inciso b), ¿por qué puede usarse el teorema del
límite central aun cuando el tamaño muestral no exceda 30?
Si la muestra aleatoria de 16 hombres produce una calificación media de 590,
¿habría una fuerte evidencia que apoye la afirmación de que el curso es realmente
eficaz? ¿Por qué?
13. Diseño de luces estroboscópicas. Se diseña una luz estroboscópica para aeronaves,
de manera que los tiempos entre los destellos se distribuyen normalmente, con una
media de 3.00 s y una desviación estándar de 0.40 s.
Calcule la probabilidad de que un tiempo individual sea mayor que 4.00 s.
Calcule la probabilidad de que la media de 60 tiempos elegidos al azar sea mayor
que 4.00 s.
c. Dado que la luz estroboscópica se diseña para que otros pilotos vean una aeronave,
¿qué resultado es más importante para evaluar la seguridad de la luz estroboscópi-
ca: el resultado del inciso a) o del inciso b)? ¿Por qué?
14. Diseño de cascos para motocicleta. Los ingenieros deben tomar en cuenta la anchura
de las cabezas de los hombres cuando diseñan cascos para motocicleta. Las anchuras de
las cabezas de los hombres se distribuyen normalmente, con una media de 6.0 in y una
desviación estándar de 1.0 in (según datos de una encuesta antropométrica de Gordon,
Churchill, et al.).
Si se selecciona a un hombre al azar, calcule la probabilidad de que el ancho de su
cabeza sea menor que 6.2 in.
La compañía Safeguard Helmet planea un lote de producción inicial de 100 cascos.
Calcule la probabilidad de que 100 hombres, seleccionados al azar, tengan una an-
chura media de cabeza menor que 6.2 in.
c. El gerente de producción observa los resultados del inciso b) y piensa que todos los
cascos deben hacerse para hombres con anchuras de cabeza menores de 6.2 in, por-
que se ajustarían a casi todos los hombres. ¿Por qué es incorrecto este razonamiento?
15. Presión sanguínea. La presión sanguínea sistólica (en mm de Hg) de mujeres entre
18 y 24 años se distribuye normalmente, con una media de 114.8 y una desviación es-
tándar de 13.1 (según datos de la National Health Survey). La hipertensión suele defi-
nirse como una presión sistólica mayor que 140.
Si se selecciona al azar a una mujer entre 18 y 24 años, calcule la probabilidad de
que su presión sistólica sea mayor que 140.
Si se seleccionan al azar 4 mujeres del mismo rango de edad, calcule la probabili-
dad de que su presión sistólica media sea mayor que 140.
c. Dado que el inciso b) incluye un tamaño de muestra no mayor que 30, ¿por qué se
puede utilizar el teorema del límite central?
(1. Si un médico recibe un reporte que afirma que 4 mujeres tienen una presión sistóli-
ca media menor que 140, ¿puede concluir que ninguna de las mujeres es hiperten-
sa (con una presión sanguínea mayor que 140)?
16. Sin agua caliente. Al planear las necesidades de agua caliente, el gerente del Luxurion
Hotel descubre que los huéspedes pasan una media de 11.4 minutos al día bajo la rega-
dera (según datos de Opinion Research Corporation). Suponga que los tiempos bajo la
regadera se distribuyen normalmente, con una desviación estándar de 2.6 minutos.
a. Calcule el porcentaje de huéspedes que pasan más de 12 minutos bajo la regadera.

continúa
290 Capítulo 6 Distribuciones de probabilidad normal

b. El hotel instaló un sistema que puede suministrar suficiente agua caliente, dado que
la media del tiempo bajo la regadera para 84 huéspedes es menor que 12 minutos. Si
en este momento el hotel cuenta con 84 huéspedes, calcule la probabilidad de que
no haya agua caliente suficiente. Al parecer, ¿el sistema actual es efectivo?

17. Rediseño de asientos de expulsión. Cuando se permitió que las mujeres se convirtie-
ran en pilotos de aviones de combate, los ingenieros necesitaron rediseñar los asien-
tos expulsores porque habían sido diseñados sólo para hombres. Los asientos ACES-II
estaban diseñados para hombres que pesaran entre 140 y 211 lb. La población de muje-
res tiene pesos distribuidos normalmente, con una media de 143 lb y una desviación
estándar de 29 lb (según datos de la National Health Survey).
Si se selecciona a una mujer al azar, calcule la probabilidad de que pese entre 140
y 211 lb.
Si se seleccionan 36 mujeres diferentes al azar, calcule la probabilidad de que su
peso medio se ubique entre 140 y 211 lb.
c. Al rediseñar los asientos expulsores de aviones de combate para que se ajusten me-
jor a las mujeres, ¿qué probabilidad es más importante: el resultado del inciso a) o
el resultado del inciso b)? ¿Por qué?
18. Etiquetas de paquetes de M&M. Los dulces M&M sencillos tienen un peso medio
de 0.8565 g y una desviación estándar de 0.0518 g (según el conjunto de datos 13 del
apéndice B). Los dulces M&M utilizados en el conjunto de datos 13 provienen de un
paquete que contenía 465 dulces y la etiqueta del paquete indicaba que su peso neto
era de 396.9 g. (Si cada paquete contiene 465 dulces, el peso medio de los dulces de-
be exceder 396.9/465 = 0.8535 g del contenido neto, para pesar al menos 396.9 g).
Si se selecciona al azar un dulce M&M sencillo, calcule la probabilidad de que pe-
se más de 0.8535 g.
Si se seleccionan al azar 465 dulces M&M sencillos, calcule la probabilidad de que
su peso medio sea de al menos 0.8535 g.
c. Con estos resultados, ¿la compañía Mars está ofreciendo a los consumidores de
M&M la cantidad indicada en la etiqueta?
19. Máquinas expendedoras. En la actualidad, las monedas de 25 centavos tienen pesos
que se distribuyen normalmente con una media de 5.670 g y una desviación estándar
de 0.062 g. Una máquina expendedora se configura para aceptar únicamente las mo-
nedas que pesen entre 5.550 y 5.790 g.
Si se insertan 280 monedas diferentes de 25 centavos en la máquina expendedora,
¿cuál es el número esperado de monedas rechazadas?
Si se insertan 280 monedas diferentes de 25 centavos en la máquina expendedora,
¿cuál es la probabilidad de que la media se ubique entre los límites de 5.550 y
5.790 g?
c. Si usted es el propietario de la máquina expendedora, ¿qué resultado le interesa
más: el resultado del inciso a) o el resultado del inciso b)? ¿Por qué?
20. Estándares de seguridad de aeronaves. Bajo las antiguas reglas de la Federal Avia-
tion Administration, las aerolíneas tenían que estimar el peso de un pasajero en 185 li-
bras. (Esa cantidad es para un adulto que viaja en invierno e incluye 20 lb de equipaje
de mano). Las reglas actuales requieren un estimado de 195 lb. Los hombres tienen
pesos que se distribuyen normalmente, con una media de 172 lb y una desviación es-
tándar de 29 lb.
Si se selecciona al azar a un hombre adulto y se supone que lleva un equipaje de
mano de 20 lb, calcule la probabilidad de que su peso total sea mayor que 195 lb.
Si un avión Boeing 767-300 transporta a 213 pasajeros varones adultos y se supo-
ne que cada uno lleva un equipaje de mano de 201b, calcule la probabilidad de que el
peso medio de los pasajeros (incluyendo el equipaje de mano) sea mayor que 195 lb.
¿Un piloto debe preocuparse por exceder este límite de peso?
 6-6 La distribución normal como aproximación de la distribución binomial 291

6-5 MÁS ALLÁ DE LO BÁSICO

21. Diseño de asientos. Usted necesita construir una banca en la que se sentarán 18 juga-
dores universitarios de fútbol americano y debe determinar primero la longitud de la
banca. Los hombres tienen anchuras de cadera que se distribuyen normalmente, con
una media de 14.4 in y una desviación estándar de 1.0 in.
¿Cuál será la longitud mínima de la banca si usted busca una probabilidad de 0.975
de que se ajuste a las anchuras de cadera combinadas de 18 hombres seleccionados
al azar?
¿Por qué sería incorrecto utilizar realmente el resultado del inciso a) como longi-
tud de la banca?
22. Corrección para una población finita. El club Boston Women necesita un elevador
limitado a 8 pasajeros. El club tiene 120 miembros mujeres con pesos que se aproxi-
man a una distribución normal, con una media de 143 lb y una desviación estándar de
29 lb. (Sugerencia: Véase la explicación del factor de corrección para una población
finita).
a. Si se seleccionan al azar 8 miembros diferentes, calcule la probabilidad de que su
peso total no exceda la capacidad máxima de 1300 lb.
h. Si buscamos una probabilidad de 0.99 de que el elevador no se sobrecargue siem-
pre que se seleccione al azar a 8 miembros como pasajeros, ¿cuál debe ser el peso
máximo permitido?
23. Parámetros de población Una población consiste en los valores: 2, 3, 6, 8, 11, 18.
a. Calcule p. y u.
I). Liste todas las muestras de tamaño n = 2 que pueden obtenerse con reemplazo.
Calcule la población de todos los valores de X- al obtener la media de cada muestra
del inciso h).
Calcule la media p y la desviación estándar para la población de medias mues-
trales obtenidas en el inciso c).
e. Verifique que
u- n
11,Ñ -11, Y cr,v =
VT1 N - 1

La distribución normal como aproxi-

6-6 marión de la distribución binomial
Concepto clave En esta sección se presenta un método para utilizar una distribu-
ción normal como aproximación de una distribución de probabilidad binomial. Si se
satisfacen las condiciones nq 5 entonces las probabilidades de una distribución
de probabilidad binomial se pueden aproximar bastante bien utilizando una distribu-
ción normal con media ,u, = np y desviación estándar a- = Vnpq. Puesto que una
distribución de probabilidad binomial generalmente usa sólo números enteros para
la variable aleatoria x, mientras que la aproximación normal es continua, debemos
utilizar una "corrección por continuidad", con un número entero x representado por
el intervalo de x — 0.5 a .v + 0.5. Nota importante: En vez de utilizar una distribu-
ción normal como aproximación de una distribución de probabilidad binomial, la
mayoría de las aplicaciones prácticas de la distribución binomial se pueden manejar
con un programa de cómputo o una calculadora, pero esta sección expone el impor-
tante principio de que una distribución binomial se puede aproximar por medio de
una distribución normal, y este principio se utilizará en capítulos posteriores.
Considere la carga de un Boeing 767-300 de American Airlines que lleva 213
pasajeros. Al analizar la carga que puede transportar con seguridad, debemos con-