Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Practica 9
Practica 9
755 752 770 780 806 769 814 782 798 774
786 752 702 799 824 820 771 752 776 805
792 832 848 760 828 772 792 803 803 817
2) La duración de las bombillas de 100 watt que fabrica una empresa sigue una
distribución normal con una desviación de 120 horas. Su vida media está garantizada
durante un mínimo de 800 horas. Se escoge al azar una muestra de 50 bombillas de un
lote y, después de comprobarlas, se obtiene una vida media de 750 horas.
a) Con un nivel de significación de 0,01 , ¿habría que rechazar el lote por no cumplir la
garantía?
SOLUCIÓN
Queremos hacer una prueba de hipotesis sobre la media de la duración de las bombillas.
¿Durán en promedio más de 800 horas o menos?
La variable es X: duración (en horas) de una bombilla de 100 watts, fabricada por
cierta empresa.
n=50;¯x=750
A primera vista parecería que las bombillas están durando menos que lo prometido por
el fabricante. (El fabricante garantiza que duran en promedio 800 horas o más y
obtuvimos una media muestral de 750 horas.)
Pero no podemos tomar la decisión “a ojo”. Tenemos que realizar una prueba de
hipótesis. Vamos a hacer la prueba de hipótesis realizando los pasos recomendados.
No es necesario escribir todos estos pasos, pero lo hacemos porque lo hace mucho más
fácil de entender.
X: duración (en horas) de una bombilla de 100 watts, fabricada por cierta empresa.
X∼N(μ=?;σ=120)
Paso 2: Plantear las hipótesis estadísticas
H0:μ≥800
Cómo X∼N
¯X∼N(μ,σ√ n )
¯X–μσ√ n ∼N(0,1)
Vamos a usar los dos para poder explicar cómo se hace con ambos.
α=0,01
Paso 5: Determinar la zona de rechazo y la regla de decisión
Cómo la hipótesis alternativa afirma que μ es menor que un cierto valor, entonces
decimos que la prueba es unilateral izquierda: la zona de rechazo queda ubicada a la
izquierda.
Así que el diagrama con la distribución del estadístico y la zona de rechazo a izquierda
es así:
a su izquierda?
z0,01=–2,33
Rechazo H0
si ep≤–2,33
.
No rechazo H0 si ep>–2,33
Si ¯XC es aquel valor que acumula una probabilidad de 0,01 a su izquierda, entonces al
estandarizarlo obtendremos z0,01=–2,33
–2,33=¯XC–800120√ 50
Rechazo H0
si ¯X≤760,46
No rechazo H0 si ¯X>760,46
ep,obs=750–800120√ 50 ≅–2,95
También ocurre que el valor observado (–2,95) pertenece a la zona de rechazo (–∞;–
2,33)
Paso 7: Obtener la conclusión
“Con un nivel de significación del 1% hay evidencias suficientes para afirmar que la
media de la duración de las bombillas es inferior a 800 horas.”
Ítem b
En este ítem tenemos que pensar que en realidad la verdadera media es μ=790
¯X∼N(790;120√ 50 )
Cómo el error de tipo II es: no rechazar la hipótesis nula cuando esta es falsa, la
probabilidad de cometer el error de tipo II es:
β=P(errortipoII)=P(NoRH0|H0esF)
Pero “no rechazar la hipótesis nula” sería que el estadístico no caiga en zona de rechazo.
⇒P⎛⎝Z>760,46–790120√ 50 ⎞⎠
⇒P(Z>–1,74)=1–P(Z<–1,74)=0,9591
.
El área de la región azul bajo la curva azul es la probabilidad de error de tipo I.
El área de la región roja bajo la curva roja es la probabilidad de error de tipo II.
3) Se sabe que la media del consumo de energía eléctrica en cierta provincia es de 721
kwh.
Una empresa tecnológica de la región cree que sus empleados consumen más que el
promedio provincial. Recoge información sobre los consumos de 20 empleados
escogidos al azar, y obtiene los siguientes datos:
SOLUCION EN EXCEL
mu=721
m= 744.85
S= 49.5732048
t90(valor
a=0.1 1.72913281 crítico) [1.73;∞)
Nc=0.9
tp= 2.15041215 tp>1.729
Ho:mu=721
4.- De una población con distribución normal se tomó una muestra aleatoria de 4
observaciones, obteniéndose: 9.4, 12.2, 10.7, 11.6. Encuentre un intervalo de confianza
para la media poblacional, con un nivel de confianza de 90% y pruebe la hipótesis de
que el parámetro es 12.
>>m=mean(u)
m=
10.9750
>> s=std(u)
s=
1.2176
>> ta = tinv(0.95,3)
ta=
2.3534
>> x =[m – ta*s/sqrt(4), m+ta*s/sqrt(4)]
SOLUCION EN MATLAB
A=[755 752 770 780 806 769 814 782 798 774 786
752 702 799 824 820 771 752 776 805 792 832
848 760 828 772 792 803 803 817];
>> m=mean(A)
m=
787.8000
>> S=std(A)
S=
30.5799
>> mu=800;
>> E=1.96*S/30^0.5
E=
10.9429
>> IC=[m-E, m+E]
IC = [ 776.8571 798.7429]