Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRUJILLO
FACULTAD DE CIENCIAS FÍSICAS Y
MATEMÁTICAS
Escuela Profesional de Estadística
TAREA GRUPAL
DOCENTES
ROSA D. GUTIERREZ DE ALARCÓN
MARIANA LUCÍA CUADRA MORENO
CURSO
INFERENCIA ESTADÍSTICA I
CICLO: V
ALUMNOS
Trujillo, 2021
1) Se tiene una población de 5 obreros calificados los cuales
tienen los siguientes ingresos por laborar horas extra a la
semana: $ 758, $618, $550, $589, $720.
A B C D E
$ 758 % 618 $ 550 $ 589 $ 720
n
x i 758+ 618+550+589+720
μ=∑ = =647
i=1 n 5
n
(x ¿¿ i−μ)2 12321+841+9409+3364+ 5329
σ 2=∑ = =6252.8 ¿
i=1 n 5
5 5!
C 3= =10
3! ( 5−3 ) !
ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
5!
C 54= =5
4 ! ( 5−4 ) !
ABCD
ABDE
ACDE
ABCE
BCDE
σ x=
σ N −n
(
√ n N −1 )
σ x= √
6252.8 5−3
√ 3 5−1 ( )
σ x =32.2821
σ x=
σ N −n
(
√ n N −1 )
σ x=
√ 6252.8 5−4
√ 4 5−1 ( )
σ x =19.7687
σ x=
σ
√n
y σ x=
σ N −n
(
√n N −1 )
, si cumplen .
2) Se sacan varias muestras de poblaciones normalmente
distribuidas, con medias y varianzas, como se muestra a
continuación:
a) n = 10; μ = 30; σ2 = 9
Media:
μ=μ x =30
Desviación Estándar:
σ x= √ 9 =0.9487
√ 10
b) n = 15; μ = 50; σ2 = 4
Media:
μ=μ x =50
Desviación Estándar:
σ x= √ 4 =0.5164
√ 15
Media:
μ=μ x =100
Desviación Estándar:
σ x= √
100
=1.8257
√ 30
d) n = 100; μ = 400; σ2 = 64
Media:
μ=μ x =400
Desviación Estándar:
σ x= √64 =0.8
√ 100
N=8
M=3
n=5
x H 6(10,3,5)
x= {0 ; 3 }
lo cual es equivalente a que tiene los valores:
0 1 2 3
; ; ; con los siguientes procesos:
5 5 5 5
f ( x )=
( x )( n−x )
M N −M
( Nn )
f ( x=0 )=
( 0)( 5−0 ) 1
3 5
=
(5) 56
8
f ( x=1 ) =
( 1 )( 4 ) 15
3 5
=
(5 )
8 56
f ( x=2 )=
( 2 )( 3 ) 30
3 5
=
( 5)
8 56
f ( x=3 )=
( 3 )( 2 ) 10
3 5
=
( 5) 56
8
x i pi
E ( p )=∑
n
0 1 1 15 2 30 3 10 3
E ( p )= . + . + . + . =
5 56 5 56 5 56 5 56 8
G ( p )=
√ 1
N
. ∑ ( p i−μ p ) xi
2
√ [( ) ( ) ( ) ( ) ]
2 2 2 2
1 3 ( ) 3 ( ) 3 ( ) 3
0− 1 + 0.2− 15 + 0.4− 30 + 0.6− (10)
56 8 8 8 8
G ( p )=0,14174
( )
2
−1 x i −μ
1 2 σ
→ f ( x i )= e
√2 π σ
2 2 2
−1 ( x 1−μ ) −1 ( x2 −μ) −1 ( x n−μ )
1 2 2 1 2 2 1 2 2
f ( x 1 ,.. x n )= e σ
. e σ
... e σ
√2 π σ √2 π σ √2π σ
2
n −1 ( x i− μ)
1
f ( x 1 ,.. x n )=∏ 2 2
e σ
i=1 √2 π σ
5. Determine la función de probabilidad conjunta de una
muestra aleatoria x1, x2, . . . .xn de tamaño n si procede de una
población con distribución de Poisson
SOLUCION
X i →Tiene una distribucion de Poisson
( )
λ− x i
−λ
f ( x )=e si;i=1,2,3 , … n
xi !
( ) ( ) ( )
−x 1 − x2 −x n
−λ λ −λ λ −λ λ
f ( x 1 x2 .. x n ) =e ∗e ¿…e
x1 ! x2 ! xn!
( )
−x 1−x 2− x3 … x n
−( λ+λ+ λ+.. λ) λ
f ( x 1 x2 .. x n ) =e
x1 !∗x 2 ! .. xn !
( )
n
λ− x 1
f ( x 1 x2 .. x n ) =∏ e −λ
i=1 x1 !
6. Si X es v.a. con f(x) = P x ( 1−P )1− x ; 0 < P < 1 y sea una muestra
aleatoria de tamaño n, hállese la distribución de ΣX
(sugerencia: use f.g.m.)
Halle la distribución:
n
Y =∑ xi
i=1
SOLUCION
Funcio Generatriz de Momentos : M x ( t )
F . G . M =M x ( t )=E [ e ]
tx
n
M x ( t ) =E ( e tx )=∑ e tx px ( 1− p )
1−x
x=0
n
M x ( t ) =E ( e )=∑ ( e p ) ( 1− p )
tx t 1− x x
x=0
M x ( t ) =E ( e )=( ( 1− p ) + p e t )
tx
Luego usamos la F. G. M.
n
Y =∑ xi
i=1
M x ( t ) =E ( e tx )=E [ et (x + x + x +… x ) ]
1 2 3 n
M x ( t ) =E ( e tx )=E [ et (x ) e t (x ) et (x ) … e t (x ) ]
1 2 3 n
M x ( t ) =E ( e )=( E [ e
t ( x i) n
tx
])
n
M x ( t ) =E ( e )=( ( 1− p ) + p e )
tx t
F ( a )=−e−a −(−e0 )
F ( a )=−e−a −(−1)
−a
F ( a )=1−e
Solución:
a)
f ( x )=BINOMIAL
m . a m=2 x 1 , x 2
x 1=B (3 ; 0.5 )
x 2=B (3 ; 0.5 )
1 1
F ( x 1 ; x 2 ) =B (3 ; ; )
2 2
1 1
F ( x 1 ; x 2 ) =B (3 ; ; )
2 2
n!
F ( x1 ; x2 )= p1x p2x … pxk
1 2 k
x1 … … . xk
( )( )
x1 x2
3! 1 1
F ( x1 ; x2 )=
x1 ! x2 ! 2 2
b)
u ( x 1 , x 2 )=n pi=3 ( 12 )( 12 )= 34
u ( x 1 , x 2 )=n pi ( 1− p1 )
u ( x 1 , x 2 )=
3
4( 1 1
1− −
2 2 )
u ( x 1 , x 2 )=0
9)La vida útil (en miles de horas) de una batería es una variable
aleatoria X con función de densidad:
{
f ( x )= 2−2 x ,0 ≤ x ≤ 1
0 en otro lugar
La esperanza :
1
μ= E ( x )=∫ x ( 2−2 x ) dx
0
1
E ( x )=∫ ( 2 x−2 x ) dx
2
( |) ( |)
2 3
x 1 x 1
E ( x )=2 −2
2 0 3 0
E ( x )=2 ( 12 )− 23
1
E ( x )= 0 , 3^
3
La esperanza de los X2
1
E ( x )=∫ x ( 2−2 x ) dx
2 2
1
E ( x )=∫ (2 x −2 x )dx
2 2 3
1
E ( x )=∫ (2 x −2 x )dx
2 2 3
( |) ( |)
3 4
x 1 x 1
E ( x )=2
2
−2
3 0 4 0
2 1
E ( x )= −
3 2
1
E ( x )=
2
0.1667
6
La varianza:
σ 2=E ( x 2) −( E ( x ) )
2
()
2
2 1 1
σ = −
6 3
1
σ 2= 0.0556
18
σ =√ 0.0556
Calcular :
P( X > 0.336)=1−P( X ≤0.336)
Para i=1 , … n
n n
∑ ( xi −x ) =¿ ∑ [ ( x i−μ ) −( x −μ) ] ¿
2 2
i=1 i=1
n
¿ ∑ [ ( x i−μ ) −2 ( x i−μ ) ( x−μ ) + ( x−μ ) ]
2 2
i=1
n n n
¿ ∑ ( x i−μ ) −2 ∑ [( x i−μ)(x−μ) ] +∑ ( x−μ )
2 2
n 2
¿ ∑ ( x i−μ ) −2( x−μ)¿ ¿
i=1 ¿
n
¿ ∑ ( x i−μ ) 2−2 n ( x −μ ) + n ( x −μ )
2 2
i=1
n
¿ ∑ ( x i−μ ) −n ( x−μ )
2 2
i=1