Lo Que Sea

µ=(200 + 150 +250 + 200 + 300) / 5

µ=220 E(X)= µ=220

σ = √((400 + 900 + 4900 + 400 + 6400) / 5)

σ = √2600

σ = 50.99

σx = σ / √n * √((N-n) / (N-1))

σx = 50.99 / √2* √0.75

σx= 31.32

σx = σ / √n

σx = 25/ √40

σx = 3.80 El error estándar es de 3.80

Indica que, en condiciones muy generales, si Sn es la suma de n variablesaleatorias independientes, entonces la función de distribución de Sn «se aproxima bien» a una distribución normal . Así pues, el teorema asegura que esto ocurre cuando la suma de estas variablesaleatorias e independientes es lo suficientemente grande.

Cuando el tamaño de la muestra aumenta, el error estándar también va incrementándose.

σx = 1.2 / √200
σx = 0.085

Z= (16.27 –16.1) / 0.085

Z=2

P(µ< X < 16.27) = 0.4772
P(X < 16.27) = 0.4772 + 0.5 = 0.9772 = 97.72%

Z= (15.93 -16.1) / 0.085

Z=-2

P(µ > X > 15.93) = 0.4772

P(X > 15.93) =0.4772 + 0.5 = 0.9772 = 97.72%

Z1 = (15.9 – 16.1) / 0.085 Z2= (16.3 – 16.1) / 0.085

Z1 = -2.35 Z2= 2.35

P(µ < X < 16.3) =0.4906

P(µ > X > 15.9) = 0.4906

P(15.9 < X < 16.3) = 0.9812 = 98.12%



σ = √(Qπ / n)

σ =√(0.1944/500)

σ = √0.0004 = 0.02

Z= (0.27 – 0.30) / 0.02

Z=-1.5

P(0.30 > X > 0.27) = 0.4332

P(0.27 < X) = 0.5 – 0.4332 = 0.0668 = 6.68%



σ = √(0.1875/100)

σ =√0.0019

σ =0.0436

Z=(0.20 - 0.25) / 0.0436

Z= 1.15P(0.20 < X < 0.25)= 0.3749

P(X<0.20) = 0.5 – 0.3749 = 0.1251 = 12.51%





µ=(27 + 32 + 17 + 21 + 32) / 5

µ=129 / 5 = 25.8

σ =√((1.2)^2 + (6.2)^2+ (-8.8)^2 + (-4.8)^2 + (6.2)^2)

σ = √178.8 = 13.37




σx = 13.37 / √2

σx = 9.45



µx= µ

µx= 25.8


jose feliz manzueta 100062594
seccion...