Chapter 8

Interval Estimation

Learning Objectives

1. Know how to construct and interpret an interval estimate of a population mean and / or a population 
proportion.

2. Understand the concept of a sampling error.

3. Be able to use knowledge of a sampling distribution to make probability statements about the 
sampling error.

4. Understand and be able to compute the margin of error.

5. Learn about the t distribution and its use in constructing an interval estimate for a population mean.

6. Be able to determine the size of a simple random sample necessary to estimate a population mean 
and/or a population proportion with a specified level of precision.

7. Know the definition of the following terms:

confidence interval precision
confidence coefficient sampling error
confidence level margin of error
degrees of freedom

8 ­ 1
Chapter 8

Solutions:

1. a.  x   / n  5 / 40  0.79

b. At 95%,   z / n  196
. (5 / 40 )  155
.

2. a. 32    1.645  (6 / 50 )

32    1.4 (30.6 to 33.4)

b. 32    1.96  (6 / 50 )

32    1.66 (30.34 to 33.66)

c. 32    2.576  (6 / 50 )

32    2.19 (29.81 to 34.19)

3. a. 80    1.96  (15 / 60 )  

80    3.8 (76.2 to 83.8)

b. 80    1.96  (15 / 120 )  

80    2.68 (77.32 to 82.68)

c. Larger sample provides a smaller margin of error.

4. 126    1.96  ( s / n )

8 ­ 2
 Interval Estimation

16.07
1.96 4
n
1.96(16.07)
n  7.874
4
n  62

5. a. 1.96 / n  1.96(5.00 / 49)  1.40

b. 24.80    1.40 or (23.40 to 26.20)

6. x    1.96  ( s / n )

369    1.96  (50 / 250 )

369    6.20 (362.80 to 375.20)

7. x     z.025 ( / n )

3.37    1.96  (.28 / 120)  

3.37    .05 (3.32 to 3.42)


8. a. x  z / 2
n
12,000    1.645 (2, 200 / 245)

12,000    231    (11,769 to 12,231)

b. 12,000    1.96 (2, 200 / 245)

12,000    275 (11,725 to 12,275)

c. 12,000    2.576  (2, 200 / 245)

12,000    362  (11,638 to 12,362)

d. Interval width must increase since we want to make a statement about   with greater confidence.

8 ­ 3
Chapter 8

9. a. Using a computer,  x = $12.41

b. Using a computer, s = 3.64

c. x    1.96  ( s / n )

12.41    1.96  (3.64 / 60 )  

12.41    0.92 (11.49 to 13.33)

s
10. x  z.025
n

3.45
7.75  1.96
180

7.75  .50 (7.25 to 8.25)

11. Using Minitab we obtained a sample standard deviation of 2.163.  The confidence interval output is 
shown below:

THE ASSUMED SIGMA =2.16

N MEAN STDEV SE MEAN 95.0 PERCENT C.I.

Miami 50 6.340 2.163 0.306 (5.740, 6.940)

The 95% confidence interval estimate is 5.74 to 6.94.

xi 114
12. a. x   3.8 minutes
n 30

( xi  x ) 2
b. s  2.26 minutes
n 1

s 2.26
Margin of Error =  z.025  1.96  .81 minutes
n 30

s
c. x  z.025
n

3.8  .81                     (2.99 to 4.61)

13. a. .95

b. .90

8 ­ 4
 Interval Estimation

c. .01

d. .05

e. .95

f. .85

14. a. 1.734

b. ­1.321

c. 3.365

d. ­1.761 and +1.761

e. ­2.048 and +2.048

80
15. a. x  xi / n   10
8

( xi  x ) 2 84
b. s   3.464
n 1 81

c. With 7 degrees of freedom, t.025  =  2.365

x    t.025 ( s / n )

10    2.365  (3.464 / 8 )  

10    2.90 (7.10 to 12.90)

16. a. 17.25    1.729  (3.3 / 20 )  

17.25    1.28 (15.97 to 18.53)

b. 17.25    2.09  (3.3 / 20 )

17.25    1.54 (15.71  to 18.79)

c. 17.25    2.861  (3.3 / 20 )

17.25    2.11 (15.14 to 19.36)

8 ­ 5
Chapter 8

17. At 90% , 80   t.05 ( s / n ) with df = 17 t.05 = 1.740

80    1.740  (10 / 18 )

80    4.10 (75.90 to 84.10)

At 95%, 80  2.11 (10 / 18 ) with df = 17 t.05 = 2.110

80    4.97 (75.03 to 84.97)

xi 18.96
18. a. x   $1.58
n 12

( xi  x ) 2 .239
b. s   .1474
n 1 12  1

c. t.025 = 2.201

x    t.025 ( s / n )

1.58    2.201  (.1474 / 12)  

1.58    .09 (1.49 to 1.67)

19. x  xi / n  6.53 minutes

( xi  x ) 2
s  0.54 minutes
n 1

x    t.025 ( s / n )

6.53    2.093  (0.54 / 20 )  

6.53    .25 (6.28 to 6.78)

20. a. 22.4    1.96 (5 / 61)

22.4    1.25 (21.15 to 23.65)

b. With df  =  60,   t.025  =  2.000

8 ­ 6
 Interval Estimation

22.4    2  (5 / 61)

22.4    1.28 (21.12 to 23.68)

c. x    t.025 ( s / n )

Confidence intervals are essentially the same regardless of whether z or t is used.

xi 864
21. x   $108
n 8

( xi  x ) 2 654
s   9.6658
n 1 8 1

t.025 = 2.365

x    t.025 ( s / n )

108    2.365  (9.6658 / 8)  

108    8.08 (99.92 to 116.08)

22. a. Using a computer,  x = 6.86   s = 0.78

b. x    t.025 ( s / n )   t.025  = 2.064    df = 24

6.86    2.064 (0.78 / 25 )  

6.86    0.32 (6.54 to 7.18)

z.2025 2 (196
. ) 2 (25) 2
23. n   96.04 Use n  97
E2 52

24. a. Planning value of   =  Range/4  =  36/4  =  9

z.2025 2 (196
. ) 2 (9) 2
b. n 2
  34.57 Use n  35
E 32

. ) 2 ( 9) 2
(196
c. n  77.79 Use n  78
22

. ) 2 (6.82) 2
(196
25. n  79.41 Use n  80
. )2
(15

8 ­ 7
Chapter 8

. ) 2 (6.82) 2
(1645
n  3147
. Use n  32
22

z 2 2 (1.96)2 (9400) 2
26. a. n   339.44    Use 340
E2 (1000) 2

(1.96) 2 (9400) 2
b. n  1357.78    Use 1358
(500) 2

(1.96) 2 (9400) 2
c. n  8486.09    Use 8487
200

. ) 2 (2,000) 2
(196
27. a. n  6147
. Use n  62
(500) 2

. ) 2 (2,000) 2
(196
b. n  384.16 Use n  385
(200) 2

. ) 2 (2,000) 2
(196
c. n  1536.64 Use n  1537
(100) 2

z 2 2 (1.645) 2 (220) 2
28. a. n   52.39    Use 53
E2 (50) 2

(1.96) 2 (220) 2
b. n  74.37    Use 75
(50) 2

(2.576) 2 (220)2
c. n  128.47   Use 129
(50) 2

d. Must increase sample size to increase confidence.

. ) 2 (6.25) 2
(196
29. a. n  37.52 Use n  38
22

. ) 2 (6.25) 2
(196
b. n  150.06 Use n  151
12

. ) 2 (7.8) 2
(196
30. n  58.43 Use n  59
22

8 ­ 8
 Interval Estimation

31 . a. p  = 100/400 = 0.25

p (1  p ) 0.25(0.75)
b.   0.0217
n 400

p (1  p )
c. p  z.025
n

.25    1.96 (.0217)

.25    .0424 (.2076 to .2924)

0.70(0.30)
32. a. .70    1.645 
800

.70    .0267 (.6733 to .7267)

0.70(0.30)
b. .70    1.96
800

.70    .0318 (.6682 to .7318)

z.2025 p(1  p) (196

. ) 2 (0.35)(0.65)
33. n 2
  349.59 Use n  350
E (0.05) 2

34. Use planning value p  =  .50

. ) 2 (0.50)(0.50)
(196
n  1067.11 Use n  1068
(0.03) 2

35. a.  p  = 562/814 = 0.6904

p (1  p ) 0.6904(1  0.6904)
b. 1645
.  1645
.  0.0267
n 814

c. 0.6904    0.0267   (0.6637 to 0.7171)

36. a. p  =  152/346 = .4393

p (1  p) .4393(1  .4393)
b. p    .0267
n 346

p  z.025 p

8 ­ 9
Chapter 8

.4393    1.96(.0267) 

.4393    .0523               (.3870 to .4916)

p (1  p )
37. p  196
.
n

182
p  .28
650

(0.28)(0.72)
.28    1.96 
650

0.28    0.0345   (0.2455 to 0.3145)

p (1  p ) (0.26)(0.74)
38. a. 196
.  196
.  0.0430
n 400

b. 0.26    0.0430   (0.2170 to 0.3030)

. 2 (0.26)(0.74)
196
c. n  82125
. Use n  822
(0.03) 2

2
z.025 p(1  p) (1.96) 2 (.33)(1  .33)
39. a. n   943.75    Use 944
E2 (.03)2

2
z.005 p (1  p ) (2.576) 2 (.33)(1  .33)
b. n   1630.19    Use 1631
E2 (.03) 2

40. a. p  = 255/1018 = 0.2505

(0.2505)(1  0.2505)
b. 1.96  = 0.0266
1018

p (1  p ) .16(1  .16)
41. p    .0102
n 1285

Margin of Error = 1.96  p = 1.96(.0102) = .02

.16  1.96  p

.16  .02                         (.14 to .18)

8 ­ 10
 Interval Estimation

p(1  p ) .50(1  .50)

42. a. p    .0226
n 491

z.025 p = 1.96(.0226) = .0442

2
z.025 p(1  p)
b. n
E2

1.962 (.50)(1  .50)

September   n   600.25    Use 601
.042

1.962 (.50)(1  .50)

October  n   1067.11   Use 1068
.032

1.962 (.50)(1  .50)

November   n   2401  
.022

1.962 (.50)(1  .50)

Pre­Election  n   9604  
.012

. 2 (0.5)(1  0.5)
196
43. a. n  600.25 Use n  601
(0.04) 2

b. p  = 445/601 = 0.7404

(0.7404)(0.2596)
c. 0.7404    1.96 
601

0.7404    0.0350   (0.7054 to 0.7755)

s 20,500
44. a. z.025  1.96  2009
n 400

b. x    z.025 ( s / n )   

50,000  2009 (47,991 to 52,009)

45. a. x    z.025 ( s / n )   

252.45    1.96 (74.50 / 64 )

252.45    18.25  or  $234.20 to $270.70

b. Yes.  the lower limit for the population mean at Niagara Falls is $234.20 which is greater than 
$215.60.

8 ­ 11
Chapter 8

46. a. Using a computer,  x = 49.8 minutes

b. Using a computer, s = 15.99 minutes

c. x   1.96 ( s / n )

49.8    1.96  (15.99 / 200 )

49.8    2.22   (47.58 to 52.02)

47. a. Using a computer,  x = 16.8 and s = 4.25

With 19 degrees of freedom, t.025 = 2.093

x   2.093 ( s / n )

16.8    2.093  (4.25 / 20 )

16.8    1.99   (14.81 to 18.79)

b. Using a computer,  x = 24.1 and s = 6.21

24.1    2.093  (6.21 / 20 )

24.1    2.90   (21.2 to 27.0)

c. 16.8 / 24.1 = 0.697 or 69.7% or approximately 70%

132
48. a. x  xi / n   13.2
10

( xi  x ) 2 547.6
b. s   7.8
n 1 9

c. With d f  =  9, t.025  =  2.262

x    t.025 ( s / n )

13.2    2.262 (7.8 / 10 )

8 ­ 12
 Interval Estimation

13.2    5.58 (7.62 to 18.78)

d. The   5.58 shows poor precision.  A larger sample size is desired.

. 2 (0.45)
196
49. n  77.79 Use n  78
10 2

(2.33) 2 (2.6) 2
50. n  36.7 Use n  37
12

. ) 2 (8) 2
(196
51. n  6147
. Use n  62
22

(2.576) 2 (8) 2
n  10617
. Use n  107
22

. ) 2 (675) 2
(196
52. n  175.03 Use n  176
1002

p (1  p )
53. a. p  196
.
n

(0.47)(0.53)
0.47    1.96 
450

0.47    0.0461 (0.4239 to 0.5161)

(0.47)(0.53)
b. 0.47   2.576
450

0.47    0.0606 (0.4094 to 0.5306)

c. The margin of error becomes larger.

54. a. p  = 200/369 = 0.5420

p (1  p ) (0.5420)(0.4580)
b. 196
.  196
.  0.0508
n 369
c. 0.5420    0.0508 (0.4912 to 0.5928)

55. a. p  =  504 / 1400  =  .36

(0.36)(0.64)
b. 196
.  0.0251
1400

8 ­ 13
Chapter 8

(2.33) 2 (0.70)(0.30)
56. a. n  1266.74 Use n  1267
(0.03) 2

(2.33) 2 (0.50)(0.50)
b. n  1508.03 Use n  1509
(0.03) 2

57. a. p  =  110 / 200  =  0.55

(0.55)(0.45)
0.55   1.96
200

.55    .0689 (.4811 to .6189)

. ) 2 (0.55)(0.45)
(196
b. n  380.32 Use n  381
(0.05) 2

58. a. p  = 340/500 = .68

p (1  p ) .68(1  .68)
b. p    .0209
n 500

p  z.025 p

.68    1.96(.0209) 

.68    .0409               (.6391 to .7209)

. ) 2 (0.3)(0.7)
(196
59. a. n  2016.84 Use n  2017
(0.02) 2

b. p  = 520/2017 = 0.2578

p (1  p )
c. p  196
.
n

(0.2578)(0.7422)
0.2578    1.96 
2017

0.2578    0.0191 (0.2387 to 0.2769)

60. a. p  =  618 / 1993  =  .3101

8 ­ 14
 Interval Estimation

p (1  p )
b. p  196
.
1993

(0.3101)(0.6899)
0.3101    1.96 
1993

.3101    .0203     (.2898 to .3304)

z 2 p(1  p)
c. n
E2

. ) 2 (0.3101)(0.6899)
(196
z  8218.64 Use n  8219
(0.01) 2

No; the sample appears unnecessarily large.  The  .02 margin of error reported in part (b) should 
provide adequate precision.

8 ­ 15