UNIDAD I

DISTRIBUCIONES FUNDAMENTALES PARA EL MUESTREO

1.1. Introduccin a la Estadstica Inferencial

La inferencia estadstica1 tiene que ver con la toma de decisiones sobre una poblacin,
con base en la informacin contenida en una muestra aleatoria. La media muestral es una
estadstica; esto es, una variable aleatoria depende de los resultados obtenidos en cada
muestra particular. Dado que una estadstica es variable aleatoria, entonces tiene una
distribucin de probabilidad.

1.2. Muestreo: introduccin al muestreo y tipos de muestreo

Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de
los cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a
travs de l podemos hacer anlisis de situaciones de una empresa o de algn campo de
la sociedad.

Los tipos de muestreos son:

Muestreo irrestricto aleatorio

Si un tamao de muestra n es seleccionado de una poblacin de tamao N de tal manera
que cada muestra posible de tamao n tiene la misma probabilidad de ser seleccionada,
el procedimiento de muestreo se denomina muestreo irrestricto aleatorio. A la muestra as
obtenida se le llama muestra irrestricta aleatoria.

Muestreo aleatorio estratificado

Una muestra aleatoria estratificada es la obtenida mediante la separacin de los
elementos de la poblacin en grupos que no presenten traslapes, llamados estratos, y la
seleccin posterior de una muestra irrestricta aleatoria simple de cada estrato.

Muestreo sistemtico
Una muestra obtenida al seleccionar aleatoriamente un elemento de los primeros k
elementos en el marco y despus k-simo elemento se denomina muestra sistemtica de
l en k.

Muestreo por conglomerados

Una muestra por conglomerados es una muestra aleatoria en la cual cada unidad de
muestreo es una coleccin o conglomerado de elementos.

1.3. Teorema del lmite central

La primera distribucin muestral importante que se debe considerar es la de la media X.
Suponga que una muestra aleatoria de n observaciones se toma de una poblacin normal
con media y varianza 2. Cada observacin Xi, i = 1, 2,., n, de la muestra aleatoria
tendr entonces la misma distribucin normal que la poblacin que se muestrea. De aqu,
por la propiedad reproductiva de la distribucin normal que se establece en el teorema de
combinaciones lineales de variables aleatorias, concluimos que

1 El campo de la inferencia estadstica est formada por los mtodos utilizados

para tomar decisiones o para obtener conclusiones sobre una poblacin.
 1
X = ( x 1+ x 2 ++ x n )
n

La varianza de la muestra se define con el estadstico

n
1
S 2= ( x x )2
n1 i=1 i

Tiene distribucin normal con media

1
x = ( + ++ )=
n

Y varianza

1( 2 2 2
2x = 2
2
+ + + ) =
n n

Si tomamos muestras de una poblacin con distribucin desconocida, ya sea finita o

infinita, la distribucin muestral de X an ser aproximadamente normal con media y
varianza 2/n siempre que el tamao de la muestra sea grande. Este resultado es una
consecuencia inmediata del teorema de lmite central. El cual dice:

Si X es una media de una muestra aleatoria de tamao n tomada de una poblacin con
media y varianza 2, entonces la forma lmite de la distribucin de

X
Z= ,
/n

conforme n , es la distribucin normal estndar n(z; 0, 1).

La aproximacin normal para la media, por lo general ser buena si n 30. Si n < 30, la
aproximacin es buena slo si la poblacin no es muy diferente de una distribucin
normal.

El teorema del lmite central dice que si una muestra es lo bastante grande (n > 30), sea
cual sea la distribucin de la variable de inters, la distribucin de la media muestral ser
aproximadamente una normal. Adems, la media ser la misma que la de la variable de
inters, y la desviacin tpica de la media muestral ser aproximadamente el error
estndar.

Ejemplo 1.
Una empresa de material elctrico fabrica lmparas de luz que contienen una duracin
que se distribuye aproximadamente en forma normal, con media de 800 horas y
desviacin estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria
de 16 lmparas tenga una vida promedio de 775 horas.

775800
Z= =2.5
10

Por lo tanto, la probabilidad es de 0.0062

Ejercicio 1
Una compaa de electrnica fabrica resistores que tienen una resistencia promedio de
100 y una desviacin estndar de 10 . La distribucin de la resistencia es normal.
Encuntrese la probabilidad de que al tomar una muestra de 25 resistores, la resistencia
promedio de stos ser menor que 95 .

Ejercicio 2
Una empresa de mensajera que opera en la ciudad tarda una media de 35 minutos en
llevar un paquete, con una desviacin tpica de 8 minutos. Supongamos que durante el
da de hoy han repartido doscientos paquetes.
a) Cul es la probabilidad de que la media de los tiempos de entrega de hoy est entre
30 y 35 minutos?
b) Cul es la probabilidad de que, en total, para los doscientos paquetes hayan estado
ms de 115 horas?

Control de calidad
Uno de los casos ms habituales en los que podemos aplicar el teorema del lmite central
es a la hora de hacer un proceso de control de calidad
.
Entenderemos por control de calidad el seguimiento de cierta variable aleatoria en un
proceso de produccin a partir de la media de muestras sucesivas.

Estableceremos un intervalo, de manera que las medias que caigan fuera de este
intervalo nos indicarn que existe alguna anomala en el proceso de produccin en aquel
instante. Los lmites de este intervalo se denominan lmites de control.

Si es la esperanza de la variable de inters, la desviacin tpica y consideramos una

muestra de esta variable de tamao n, los lmites de control vendrn dados por + 3/n
y - 3/n. Es decir, calculamos tres veces el error estndar a lado y lado de la media.
Por tanto, la longitud del intervalo es dos veces el triple del error estndar.
Por qu tomamos este intervalo? Si aplicamos el teorema del lmite central sobre la
variable de inters, sabemos que la media de n datos se distribuye como una normal con
media y varianza /n. Se demuestra fcilmente que la probabilidad de que una media
est fuera del intervalo + 3/n y - 3/n es de 0,001 (esto significa que un valor fuera
de este intervalo, si el proceso funcionase correctamente, se puede dar slo con una
probabilidad de 0,001). Por tanto, cuando se d un valor fuera del intervalo, pensaremos
que no es casualidad y que el problema es que la variable no se comporta como
suponamos.

Ejemplo 2
Consideremos una mquina que llena tarros de yogur. Supongamos que, de media, cada
tarro contiene 125 gramos de yogur con una desviacin tpica de 1.5 gramos. Todas las
semanas hacemos un control de la mquina: analizamos una muestra de treinta tarros y
calculamos la media de cada uno. En este ejemplo los lmites de control seran:

125 + 0.822 = 125.822

125 0.822 = 124.178

1.4. Distribuciones fundamentales para el muestreo

La inferencia estadstica tiene que ver con la toma de decisiones sobre una poblacin, con
base en la informacin contenida en una muestra aleatoria. La media muestral es una
estadstica; esto es, una variable aleatoria depende de los resultados obtenidos en cada
muestra particular. Dado que una estadstica es variable aleatoria, entonces tiene una
distribucin de probabilidad.

1.4.1. Distribucin muestral de la media

La primera distribucin muestral importante que se debe considerar es la de la media X.
Suponga que una muestra aleatoria de n observaciones se toma de una poblacin normal
con media y varianza 2. Cada observacin Xi, i = 1, 2,., n, de la muestra aleatoria
tendr entonces la misma distribucin normal que la poblacin que se muestrea. De aqu,
por la propiedad reproductiva de la distribucin normal que se establece en el teorema de
combinaciones lineales de variables aleatorias, concluimos que

1
X = ( x 1+ x 2 ++ x n )
n

La varianza de la muestra se define con el estadstico

n
1
S=
2
( x x )2
n1 i=1 i

Tiene distribucin normal con media

1
x = ( + ++ )=
n

Y varianza

2 1( 2 2 2 2
x = + + + ) =
n2 n

Si tomamos muestras de una poblacin con distribucin desconocida, ya sea finita o

infinita, la distribucin muestral de X an ser aproximadamente normal con media y
varianza 2/n siempre que el tamao de la muestra sea grande
Ejercicio 3
Un artculo publicado en el Journal of Heat Transfer describe un nuevo mtodo para medir
la conductividad trmica del hierro. Al utilizar una temperatura de 1000F y una potencia de
550 W, se obtienen las diez mediciones siguientes de conductividad trmica (en Btu/hr-ft-
0
F):
41.60 41.48 42.34 41.95 41.86
42.18 41.72 42.26 41.81 42.04

Calcule la media y varianza de los datos.

1.4.2. Distribucin muestral de la diferencia de medias

Suponga que tenemos dos poblaciones, la primera con media 1 y varianza 12 y la
segunda con media 2 y varianza 22. Si se extraen al azar muestras independientes de
tamaos n1 y n2 de dos poblaciones, discretas o continuas, con media 1 y 2 y varianzas
12 respectivamente, entonces la distribucin muestral de las diferencias de las medias, X 1
X2, est distribuida aproximadamente de forma normal con media y varianza dadas por

x x = 12 ,
1 2

Y
21 22
2x x = +
1 2
n 1 n2

De aqu
( x 1x 2 ) ( 12 )
Z=
( / n )+ ( /n )
2
1 1
2
2 2

es aproximadamente una variable normal estndar

Ejemplo 3
Los cinescopios para televisin del fabricante A tienen una duracin media de 6.5 aos y
una desviacin estndar de 0.9 aos; mientras que los del fabricante B tienen una
duracin media de 6 aos y una desviacin estndar de 0.8 aos. Cul es la
probabilidad de que una muestra aleatoria de 36 cinescopios del fabricante A una
duracin media que sea al menos 1 ao ms que la duracin media de una muestra de 49
cinescopios del fabricante B?

Solucin:
Fabricante A Fabricante B
1 = 6.5 2 = 6
1 = 0.9 2 = 0.8
n1 = 36 n2 = 49
 ( x 1x 2 ) ( 12 ) 1 ( 6.56 )
Z= = =2.65
( / n )+ ( /n )
2
1 1
2
2 2
( 0.81/36 ) + ( 0.64 / 49 )

X1 X2 = 1
P ( x1 x 2 1 ) =P ( Z >2.65 )=10.9960=0.0040

Ejercicio 4
Se toma una muestra aleatoria de tamao 25 de una poblacin normal que tiene media de
80 y una desviacin estndar de 5. Una segunda muestra aleatoria de tamao 36 se toma
de una poblacin normal diferente que tiene una media de 75 y una desviacin estndar
de 3. Encuentre la probabilidad de que la media 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.

Ejercicio 5
La distribucin de alturas de cierta raza de perros terrier tiene una altura media de 72
centmetros y una desviacin estndar de 10 centmetros; en tanto que la distribucin de
altura de cierta raza de poodles tiene una altura media de 28 centmetros con una
desviacin estndar de 5 centmetros. Suponiendo que las medias muestrales se pueden
medir con cualquier grado de precisin, encuentre la probabilidad de que la media
muestral para una muestra aleatoria de alturas de 64 terries exceda la media muestral
para una muestra aleatoria de 100 poodles a lo ms en 44.2 centmetros.

1.4.3. Distribucin muestral de la proporcin

Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino

que queremos investigar la proporcin de artculos defectuosos o la proporcin de
alumnos reprobados en la muestra. La distribucin muestral de proporciones es la
adecuada para dar respuesta a estas situaciones. Esta distribucin se genera de igual
manera que la distribucin muestral de medias, a excepcin de que al extraer las
muestras de la poblacin se calcula el estadstico proporcin (p=x/n en donde "x" es el
nmero de xitos u observaciones de inters y "n" el tamao de la muestra) en lugar del
estadstico media.

Una poblacin binomial est estrechamente relacionada con la distribucin muestral de

proporciones; una poblacin binomial es una coleccin de xitos y fracasos, mientras que
una distribucin muestral de proporciones contiene las posibilidades o proporciones de
todos los nmeros posibles de xitos en un experimento binomial, y como consecuencia
de esta relacin, las afirmaciones probabilsticas referentes a la proporcin muestral
pueden evaluarse usando la aproximacin normal a la binomial, siempre que np 5 y
n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se divide el nmero
obtenido entre el nmero de intentos.

La frmula que se utilizar para el clculo de probabilidad en una distribucin muestral de

proporciones est basada en la aproximacin de la distribucin normal a la binomial . Esta
frmula nos servir para calcular la probabilidad del comportamiento de la proporcin en
la muestra.
 ^ p
P
Z=
pq/n

Ejemplo 4
Se ha determinado que 60% de los estudiantes de una universidad grande fuman
cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la probabilidad de
que la proporcin de la muestra de la gente que fuma cigarrillos sea menor que 0.55.

Solucin:
n=800 estudiantes
^
P =0.55
p= 0.60
q=0.40

^ p
P 0.550.60
Z= = =2.88
pq/n ( 0.6 ) (0.4 )/800

La interpretacin en esta solucin, estara enfocada a la proporcin de la muestra, por lo

que diramos que la probabilidad de que al extraer una muestra de 800 estudiantes
de esa universidad, la proporcin de estudiantes que fuman cigarrillos sea menor al
55% es del 0.20%

Ejercicio 6
Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios
pueden presentar una reaccin adversa a l, ms an, se piensa que alrededor del 3% de
los usuarios tienen tal reaccin. Si una muestra aleatoria de 150 personas con malestar
estomacal usa el medicamento, encuentre la probabilidad de que la proporcin de la
muestra de los usuarios que realmente presentan una reaccin adversa, exceda el 4%

Ejercicio 7
Se sabe que la verdadera proporcin de los componentes defectuosos fabricados por una
firma es de 4%, y encuentre la probabilidad de que una muestra aleatoria de tamao 60
tenga:
a. Menos del 3% de los componentes defectuosos.
b. Ms del 1% pero menos del 5% de partes defectuosas.

1.4.4 Distribucin muestral de la diferencia de proporciones

Considrese el problema en el cual se desea estimar la diferencia entre dos parmetros
binomiales p1 y p2. Por ejemplo, durante unas elecciones presidenciales, se toma una
muestra de 100 electores de un estado y se encuentra que 40 estn en favor del
candidato A, otra muestra de 150 electores es tomada de un segundo estado y se
encuentra que 50 estn en favor del candidato A. Claramente, estos dos conjuntos de
cifras no pueden ser evaluados, a menos que sean reducidos a proporciones.
Especficamente, lo que necesitamos aqu es un modelo de probabilidades para la
diferencia de dos proporciones.

^
P1
Al seleccionar muestras independientes de las dos poblaciones, las variables y
^P2
sern independientes y estarn distribuidas aproximadamente en forma normal,
cuya frmula es:

( ^P1 P^ 2 ) ( p1 p2 )
Z=
( p q / n ) +( p q / n )
1 1 1 2 2 2

Ejemplo 5
Se cree que 10 por 100 de las bateras producidas por la compaa A son defectuosas, y
que 5 por 100 de las producidas por la compaa B son defectuosas. Una muestra al azar
de 250 unidades es tomada de la lnea de produccin de la compaa A y se encuentra
que 20 son defectuosas; una muestra al azar de 300 unidades es tomada de la lnea de
produccin de la compaa B y se encuentra que 18 son defectuosas. Cul es la
probabilidad de obtener esta diferencia o una menor en proporciones de muestra si la
creencia acerca de los parmetros de poblacin es correcta?

Solucin:
Compaa A Compaa B
P1 = 10/100 = 0.1 P2 = 5/100 = 0.5
q1 = 0.90 q2 = 0.95
n1 = 250 n2 = 300
^p1= 20/250 ^p2= 18/300

( 0.080.06 )(0.10.05)
Z= =1.32
[ ( 0.1 ) (0.9)/250 ] +[ ( 0.05 ) (0.95)/300 ]
Por lo tanto la probabilidad es de 0.0934

Ejercicio 8
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren
en sus opiniones sobre la promulgacin de la pena de muerte para personas
culpables de asesinato. Se cree que el 12% de los hombres adultos estn a favor
de la pena de muerte, mientras que slo 10% de las mujeres adultas lo estn. Si
se pregunta a dos muestras aleatorias de 100 hombres y 100 mujeres su opinin
sobre la promulgacin de la pena de muerte, determine la probabilidad de que el
porcentaje de hombres a favor sea al menos 3% mayor que el de las mujeres.

Ejercicio 9
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos y que 2
de cada 5 objetos fabricados por la mquina 2 son defectuosos; se toman muestras de
120 objetos de cada mquina:
a. cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
b. cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 1 rebase a la mquina 2 en por lo menos 0.15?

1.4.5 Distribucin muestral de la varianza

La distribucin ji-cuadrada es una de las distribuciones de muestreo con mayor utilidad.
Esta definida en trminos de variables aleatorias normales.

Sean Z1, Z2,., Zk variables aleatorias distribuidas normalmente e independientemente,

con media = 0 y varianza 2 = 1. Entonces la variable aleatoria

X =Z 21 +Z 22 + Z32+ +Z 2k

En realidad la distribucin ji-cuadrada es la distribucin muestral de s 2. O sea que si se

extraen todas las muestras posibles de una poblacin normal y a cada muestra se le
calcula su varianza, se obtendr la distribucin muestral de varianzas.

Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el

estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con varianza
2, el estadstico:

( n1 ) S2
X 2=
2

Tiene una distribucin muestral que es una distribucin ji-cuadrada con grados de libertad
= n 1 y se denota X2. Donde n es el tamao de la muestra, S 2 la varianza muestral y 2
la varianza de la poblacin donde se extrajo la muestra. El estadstico ji-cuadrada tambin
se puede dar con la siguiente expresin:

X=2 ( xx )2
2

Propiedades de las distribuciones ji-cuadrada:

1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende de gl = n-1. En consecuencia, hay un nmero
infinito de distribuciones X2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a la
derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2 (n-1).
6. El valor modal de una distribucin X2 se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones X 2. Note que el valor modal aparece en el
valor (n-3) = (gl-2).

El clculo de una distribucin muestral de varianzas nos sirve para saber como se va a
comportar la varianza o desviacin estndar en una muestra que proviene de una
distribucin normal.

Ejemplo 6
Suponga que los tiempos requeridos por un cierto autobs para alcanzar uno de sus
destinos en una ciudad grande forman una distribucin normal con una desviacin
estndar = 1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.

Solucin. Primero se encontrar el valor de ji-cuadrada correspondiente a s 2=2 como

sigue:

( n1 ) S2 ( 171 )( 2 )
X 2= = =32
2 12

El valor 32 se busca en la tabla de ji-cuadrada en el rengln de 16 grados de libertad y se

encuentra que a este valor le corresponde un rea a la derecha de 0.01, en consecuencia
el valor de la probabilidad es P(S2>2) = 0.010 = 1%

Ejercicio 10
Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una
poblacin normal con varianza 2 = 6, tenga una varianza muestral:
a) Mayor que 9.1
b) Entre 3.462 y 10.745

Ejercicio 11
Un fabricante de bateras para automvil garantiza que sus bateras durarn, en promedio
3 aos con una desviacin estndar de 1 ao. Si cinco de estas bateras tienen
duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 aos el fabricante an est convencido de que sus
bateras tienen una desviacin estndar de 1 ao? Suponga que la duracin de la batera
tiene una duracin normal

1.4.6 Distribucin de probabilidad t-Student

En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de
probabilidad que surge del problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo.

Aparece de manera natural al realizar la prueba t de Student para la determinacin de las

diferencias entre dos medias mustrales y para la construccin del intervalo de confianza
para la diferencia entre las medias de dos poblaciones cuando se desconoce la
desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una
muestra.

En muchos escenarios experimentales el conocimiento de ciertamente no es ms

razonable que el conocimiento de la media de la poblacin . A menudo, de hecho, una
estimacin de la debe proporcionar la misma informacin muestral que produce el
promedio muestral x. Como resultado, un estadstico natural a considerar para tratar con
las inferencias sobre es:

x
T=
S / n

Puesto que S es el anlogo de la muestra para . Si el tamao de la muestra es pequeo,

los valores de S2 fluctan de forma considerable de una muestra a otra y la distribucin de
T se desva de forma apreciable de la de una distribucin normal estndar.

Si el tamao de la muestra es suficientemente grande, digamos n > 30, la distribucin T

no difiere mucho de la normal estndar. Sin embargo, para n < 30, es til tratar con la
distribucin exacta de T.

Caractersticas de la distribucin t

La distribucin de t es similar a la distribucin z en que ambas son simtricas alrededor de

una media de cero. Ambas distribuciones tienen forma de campana; pero la distribucin t
es ms variable, debido al hecho de que los valores t dependen de las fluctuaciones de
dos cantidades, X y S2; mientras que los valores Z dependen slo de los cambios de X de
una muestra a otra.

Se acostumbra representar con t el valor t por arriba del cual encontramos un rea igual
a . De aqu, el valor t con 10 grados de libertad que deja un rea de 0.025 a la derecha
es t = 2.228. Como la distribucin t es simtrica alrededor de una media cero, tenemos t 1-
= -t; es decir el valor t que deja un rea de 1 a la derecha y, por lo tanto, un rea a la
izquierda es igual al valor t negativo que deja un rea de en la cola derecha de la
distribucin. Como se muestra en la figura:
 t
T1-= -t 0 t
Ejemplo 7.

Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto proceso

en lotes es 500 gramos por milmetro de materia prima. Para verificar dicha afirmacin
muestrea 25 lotes cada mes. Si el valor t calculado cae entre t 0.05 y t0.05; queda satisfecho
con su afirmacin. Qu conclusin debera obtener de una muestra que tiene una media
x = 518 gramos por milmetro y una desviacin estndar muestral s = 40 gramos?
Suponga que la distribucin de rendimientos es aproximadamente normal.

Solucin: De la tabla de valores para t encontramos que t 0.05 = 1.711 para 24 grados de
libertad. Por lo tanto, el fabricante queda satisfecho con esta afirmacin si una muestra de
25 lotes produce un valor t entre -1.711 y 1.711, si = 500, entonces:

x
T=
S / n

518500
t= =2.25,
40/ 25

Esto es un valor muy por arriba de 1.711; lo que indica que probablemente el proceso
produce un mejor producto del que pensaba.

Ejercicio 12
Una empresa manufacturera afirma que las bateras que utiliza en sus juegos electrnicos
duran un promedio de 30 horas. Para mantener este promedio, se prueban 16 bateras
cada mes. Si el valor t que se calcula cae entre t 0.025 y t0.025, la empresa queda satisfecha
con su afirmacin. Qu conclusiones debera obtener la empresa de una muestra que
tiene una media x = 27.5 horas y una desviacin estndar s = 5 horas? Suponga que la
distribucin de las duraciones de la batera es aproximadamente normal

Ejercicio 13
Al fabricante de un agente propulsor utilizado en sistemas de escape de emergencias de
aeronaves, le gustara afirmar que su producto tiene una tasa promedio de combustin 40
plg. por minuto. Para investigar esta afirmacin, el fabricante prueba 25 granos de
propulsor seleccionados al azar, y si el valor de t que se calcula cae entre t 0.05,24 y t0.05,24,
entonces queda satisfecho. A qu conclusin debe de llegar el fabricante si tiene una
muestra con una media de x = 42.5 plg/min y una desviacin estndar s = 0.75 plg/min?
Supngase que la tasa de combustin tiene una distribucin normal.