TERCERA INTEGRAL LAPSO 2004 1 738 - 1/1

Universidad Nacional Abierta INFERENCIA ESTADSTICA ( 738 )

Vicerrectorado Acadmico Fecha: 05/06/2004
Cdigo Carrera: 106 120 236 280 508
rea de Matemtica
610 612 613

Modelo de Respuestas

OBJ 1 PTA 1
Una fabrica produce dos tipos de piezas, aparentemente idnticas, para
automviles. Las piezas del primer tipo tienen una probabilidad de ser defectuosas
de un 20%; las del segundo tipo tienen un 40% de probabilidad de ser
defectuosas. En un lote de 2500 piezas hay 1200 del primer tipo y 1300 del
segundo tipo.
Determine la probabilidad para que el nmero de piezas daadas en el lote no sea
menor de 750 y no sea mayor de 800

RESPUESTA
Ver Ejercicio Propuesto N 5. Seccin 4. Pgina 41. Texto de Inferencia
Estadstica

OBJ 2 PTA 2
Los siguientes datos se corresponden con los ndices acadmicos de 50 alumnos
inscritos en un Centro Local en la Carrera de Administracin de Empresas

4,9 4,8 5,9 4,9 5,5 5,4 5,8 5,3 4,8 4,4
5,0 5,7 6,2 5,7 5,7 6,0 6,1 5,6 4,9 4,2
4,5 5,6 5,6 5,8 5,2 5,7 5,7 5,3 5,3 4,7
5,8 5,2 5,2 5,1 5,4 5,2 5,4 5,5 5,4 5,0
6,1 4,6 5,6 5,9 5,9 5,9 4,9 5,3 4,8 5,5

Dibuje un histograma de frecuencias relativas agrupando los datos en clases de

amplitud 0,25

RESPUESTA
Clases Fi
4,00 - 4,25 1
4,26 - 4,50 2
4,51 - 4,75 2
4,76 - 5,00 9
5,01 - 5,25 5
5,26 - 5,50 11
5,51 - 5,75 9
5,76 - 6,00 8
6,01 - 6,25 3
TERCERA INTEGRAL LAPSO 2004 1 738 - 2/1

HISTOGRAMA DE FRECUENCIAS RELATIVAS

12
10
FRECUENCIAS

8
6
4
2
0
4,00 - 4,25 4,26 - 4,50 4,51 - 4,75 4,76 - 5,00 5,01 - 5,25 5,26 - 5,50 5,51 - 5,75 5,76 - 6,00 6,01 - 6,25

CLASES

OBJ 3 PTA 3

Sea X1,...,Xn una muestra aleatoria de tamao n de la funcin de distribucin

Exponencial Truncada (,); donde >0 y > 0. La funcin de distribucin
anterior tiene funcin de densidad

0 Si x

g ( x) = 1 ( x )
e Si x >

Suponiendo conocido el valor del parmetro , deduzca la expresin del estimador

de mxima verosimilitud de

RESPUESTA

Verosimilitud
n
1 1
L( , x1 ,..., xn ) =
n
exp(

(x
j =1
j ))

Logaritmo de la verosimilitud
n
1
ln L( , x1 ,..., xn ) = n ln( )

(x
j =1
j )

Condicin de primer orden:

Derivada de lnL con respecto de

ln L( ) n 1 n

= + 2

(x
j =1
j )
TERCERA INTEGRAL LAPSO 2004 1 738 - 3/1

Igualando a 0, se obtiene que MV = x

Condicin de segundo orden:

2 ln L( ) n 2n
= 2 3 (x )
2

n
Comprobamos que evaluada en el estimador mximo verosmil queda < 0 por

2
lo tanto se trata efectivamente de un mximo

OBJ 4 PTA 4

Una muestra de 15 aves tomadas al azar en un establecimiento con 5000 aves,

(que elabora alimentos balanceados), permiti establecer un aumento de peso
promedio de 90 gr. por semana y por ave, y un desviacin tpica de 10 gr.
Construya un intervalo de confianza del 90% para el incremento del peso.

RESPUESTA
Sea X = aumento de peso por ave n = 15 = 90 gr S = 10 gr
Debemos construir un intervalo de confianza ICM0,90
Por tabla:
y el intervalo resulta:

Interpretando este resultado, se dice que el aumento de peso por ave por semana
en el establecimiento est entre 85,5 y 94,6 gramos, con un 90% de confianza.

OBJ 5 PTA 5
Estamos estudiando el efecto del estrs sobre la presin arterial. Nuestra hiptesis
es que la presin sistlica media en varones jvenes estresados es mayor que 18
cm de Hg. Estudiamos una muestra de 36 sujetos y encontramos
X = 18,5 S = 3,6. Plantee el contraste de hiptesis y calcule la probabilidad de
cometer un error tipo II.

RESPUESTA
Se trata de un contraste sobre medias. La hiptesis nula (lo que queremos
rechazar) es:
TERCERA INTEGRAL LAPSO 2004 1 738 - 4/1

La hiptesis alternativa

es un contraste lateral derecho.

Fijamos "a priori" el nivel de significacin en 0,05
El estadstico para el contraste es

y la regin crtica T>ta

Aqu t(35)0,05=1,69.
Calculamos el valor de t en la muestra

no est en la regin crtica (no es mayor que 1,69), por tanto no rechazamos H0.

Como no se rechaza H0, se puede cometer un error tipo II. Cul es ?. De

hecho, sera la informacin relevante a comunicar en este estudio (la probabilidad
del error que se pude cometer en l).
Para calcularla se debe concretar H1, por ejemplo = 20 (el criterio para este valor
no es estadstico)
=p(aceptar H0|H1 cierta)

Supongamos que el tamao muestral sea suficientemente grande para poder

aproximar t a z.

Cundo se acepta H0? si z 1,69

es decir, se acepta H0 si

Qu probabilidad hay de encontrar si = 20? En esta hiptesis lo que

se distribuye como una z es
TERCERA INTEGRAL LAPSO 2004 1 738 - 5/1

OBJ 6 PTA 6
Para estimar el rendimiento de parcelas plantadas con papa de una cierta
variedad, se cosecharon ocho de ellas, obtenindose la siguiente informacin
expresada en kg/parcela: 4,5; 5,3; 5,4; 4,9; 5,3; 5,7; 6,2; 4,8 Se puede asegurar,
con =0,05, de que esta variedad de papas tiene un rendimiento promedio de
5,25 kg?
RESPUESTA

H0 : = 5,25

H1 : 5,25

A partir de los datos se calcula y S, para este ejemplo = 5,5625 y S =0,2884.

=
Como el valor de t calculado cae entre 2,365 y 2,365 (valor tabulado de t para 7
grados de libertad y = 0,025, no se rechaza la hiptesis nula.
Conclusin: No hay Suficiente evidencia, a partir de los datos de la muestra, para
decir que el rendimiento de papa por parcela no es igual a 5,25.

OBJ 7 PTA 7
Estamos interesados en estudiar la fiabilidad de cierto componente informtico con
relacin al distribuidor que nos lo suministra. Para realizar esto, tomamos una
muestra de 100 componentes de cada uno de los 3 distribuidores que nos sirven
el producto comprobando el nmero de defectuosos en cada lote. La siguiente
tabla muestra el nmero de defectuosos en para cada uno de los distribuidores.

Componentes Componentes
Total
Defectuosos correctos
Distribuidor 1 16 94 100
Distribuidor 2 24 76 100
Distribuidor 3 9 81 100
Total 49 251 300
TERCERA INTEGRAL LAPSO 2004 1 738 - 6/1

Aplique el contraste 2

RESPUESTA
Debemos realizar un contraste de homogeneidad para concluir si entre los
distribuidores existen diferencias de fiabilidad referente al mismo componente.

Componentes Componentes
Defectuosos correctos
Distribuidor 1 16 (16.33) 94 (83.66) 100
Distribuidor 2 24 (16.33) 76 (83.66) 100
Distribuidor 3 9 (16.33) 81 (83.66) 100
49 251 300

Las frecuencias esperadas bajo homogeneidad son las representadas entre

parntesis. El estadstico del contraste ser:

Este valor del estadstico Ji-cuadrado es mayor que el valor para el nivel de
significacin del 5%, por lo tanto debemos concluir que no existe homogeneidad y
por lo tanto que hay diferencias entre los tres distribuidores.

OBJ 8 PTA 8
La tabla muestra los mejores tiempos mundiales en Juegos Olmpicos hasta 1976
en carrera masculina para distintas distancias.

y: Tiempo (seg.) 9,9 19,8 44,26 103,5 214,9 806,4 1658,4 7795
x: Distancia (m) 100 200 400 800 1500 5000 10000 42196

Estimar la regresin lineal de y sobre x y el coeficiente de correlacin.

RESPUESTA
Ver ejercicios propuestos Seccin 99 pgina 440 texto de Inferencia Estadstica