Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicio 1
( ̅)
̅ ∑ ∑
² = varianza muestral
Las variables y ² son variables aleatorias porque los valores que toma
corresponden a los distintos resultados posibles de un experimento realizado
bajo las mismas condiciones.
²= (σ²/n)=(2²/16)=0.25
8. ¿Cuál es la distribución de probabilidad de ?
Es una distribución de probabilidades normal. La representación gráfica de la
función de densidad normal es una curva simétrica que tiene forma de campana.
La localización del centro de la campana está dado por el parámetro μ (la
esperanza y la mayor o menor amplitud de la campana viene dada por σ2 (la
varianza).
̅
( ) ( )
√
( )
√
( )
( ) ( )
√
̅
10. Si se obtienen 3 muestras aleatorias de 16 realizaciones unidades en las que
se registra variable aleatoria X, ¿cuál es la probabilidad de que el estadístico
correspondiente exactamente una de las muestras tome un valor que no difiera
de la esperanza de X en más que 1?
P=1 * PX n=3
3
P= 1 = 0.333
3
P= 0.333*0.0455= 0.01515=1.515%
Px= 100-1515=98.458
√
[ ]
P(Z<2.602)=0.99534=99.534%
18. ¿Cómo de calcula el valor para poner a prueba la hipótesis nula Ho)
25?
Usando el enfoque del valor p, para una prueba unilateral derecho, se desea
encontrar la probabilidad de obtener un estadístico Z igual o más grande que Z
calculado en unidades de desviación estándar respecto del centro de la
Distribución Normal Estándar. Esto significa que se debe calcular la probabilidad
de obtener un valor Z mayor a Z calculado, como así también la probabilidad de
obtener un valor menor que Z calculado. De la Tabla de los Cuantiles de la
Distribución Normal Estándar, se obtienen las probabilidades para Z.
Si la probabilidad P es menor que α la hipótesis nula se rechaza.
Porque puede tomar distintos valores para cada medición y bajo las mismas
condiciones.
E( ²)= (σ²/n)
8. ¿A qué modelo se aproxima la distribución de probabilidad de la media
muestral a calcular?
Ejercicio 3
E(X)=µ=2.5
σ² = 0,6² = 0.36
5. ¿Cuál es el valor de rendimiento superado por el 10% de los lotes de girasol del
sur de Santa Fe?
P(x≤x P ( ) = 0.1
P=0.1 z=-1.25 z=
=75 z=0.67
X=0.674*0.6+2.5 x=2.9044
P(x 2.5) == P ( )
1-P(x 2.5)=1- P ( )
Z= =0
P=0.5 1-0.5=0.5=50%
̅
P= ( 2.5) =P ( ( ))
√
1-P ( 2.5) =P ( )
√
Z=0 P=0.5
1-P=0.5=50%
P=(x ) = P( )
Z= =0.5
P=0.69 =69
1-P=1 =1-0.69=0.31
̅
P=(x ) =P ( )
√
̅
1-P ( ) =1-P ( ) 1-P ( )
√ √
Ejercicio 4
1. ¿En qué consiste el procedimiento que el técnico debe aplicar para obtener la
muestra aleatoria? ¿Qué variables aleatorias registrará?
2. ¿Por qué la media muestral de los contenidos de sales del agua de los 25
pozos que se incluyan en la muestra es una variable aleatoria?
Porque puede tomar valores distintos para cada medición bajo las mismas
condiciones.
Si en verdad los contenidos de sales del agua de todos los pozos de la Depresión
del Salado tienen promedio µ= 15 mg /I y desvío estándar = 22,8 mg /l.
P (64.8<x<85.2)
P1 (̅≤85.2)=P ( )
√
z 2.2368≃2.25 P=0.9871
P2 (̅≤64.9)= P ( )
√
z=-2.24≃-2.25
P=0.01222 =1.222%
Probabilidad =90%
1- =0.95
q1=z (0.05)=-1.645
q2=z (0.95)=1.645
P ( -1645* ≤µ≤ 1.645
√ √
1.645* =6 n=(1.645*22.8/6)²=39
√
Ejercicio 5
1. Detallar los pasos del procedimiento que el ingeniero deberá seguir para
obtener la estimación que necesita. Cuando corresponda, presentar las fórmulas
que aplicará.
Σ
n
n= tamaño de la muestra
1m²
32000m²
= 32000m²=A Kg
T= -µ
S
Ejercicio 6
Una asociación de defensa del consumidor denuncia que una empresa arrocera
vende paquetes etiquetados como de 1kg que en realidad pesan en promedio
menos que 1 kg. Para establecer si es razonable aceptar esta denuncia, juzgado
que interviene pide el asesoramiento de peritos estadísticos que proponen
obtener y examinar una muestra aleatoria de 15 paquetes de arroz entregados
por la empresa en cuestión en los supermercados. Con los pesos de los paquetes
a incluir en la muestra, se disponen a estimar el promedio y la varianza de todos
los pesos de los paquetes producidos por la empresa y a realizar una prueba de
hipótesis apropiada para juzgar el caso.
Son variables aleatorias porque pueden tomar valores distintos bajo las mismas
condiciones de medición.
H0=µ<µ0 (kg)
H1=µ≤ µ0
Paso 2 para probar una hipótesis se planifica una experiencia que consiste
en obtener y examinar una muestra aleatoria de los paquetes
̅
W=( )
√
H1=hipótesis alternativa
∑ = =991.6
² ∑ ( )=300.69
S=√ =17.34
W= =-1.876
√
P=0.05
Ejercicio 7
Se tienen 2 poblaciones
Distribución binominal
A= =0.25
B= =0.39
α 0.5
σ²A=100*0.25 (1-0.25)=18.75
σ²B=100*0.39 (1-0.39)=23.79
H0=E(x)A≠E(x B
H1=E(x)A=E(x)B
Ejercicio 8
Fertilización y pisoteo.
Formulación de hipótesis
H0:µPC=µPL
H1:µPC≠µPL
α=0.05
1 =∑ =0.412
1 =∑ =0.901
Límite superior=1-0.023=0.975
W0.025=-2.262 W0.0975=2.262
̅
T=( )=-2.26
√
( )
V= -2
( ) ( )
V=19.6
(0.812-0.901)-2.093*√ =
-0.489-0.4512≤µ1-µ2≤-0.489+0.491
-0.9402≤ µ1-µ2≤-0.0378
6. Explicar qué error se puede haber cometido. ¿Qué se hubiera podido hacer
para que el riesgo de este tipo de error fuera menor?
Límite superior=1-0.023=0.975
W0.025=-2.262 W0.0975=2.262
̅
T=( )=-2.26
√
( )
V= -2
( ) ( )
V=19.6
(0.812-0.901)-2.093*√ =
-0.489-0.4512≤µ1-µ2≤-0.489+0.491
-0.9402≤ µ1-µ2≤-0.0378
Son válidos bajo el supuesto que los coirones podrían proteger a las plantas de
especies que crecen cerca de ellas. La hipótesis es cierta en el caso de la
esperanza de la biomasa de las plantas que crecen cerca de los coirones es igual
al promedio de las plantas que crecen lejos.