TRABAJO AUTÓNOMO - PROBABILIDAD Y ESTADISTICA

Por: Jose Luis Calderón y Juan David Roncancio.

Unidades 3 y 4
Resultado de aprendizaje a trabajar:

• Describir las principales distribuciones de probabilidad y discernir en cada situación

concreta cuál de ellas modela mejor un fenómeno aleatorio dado.

• Aplicar las técnicas existentes de comparación, prueba de hipótesis y estimación de

parámetros en la búsqueda de soluciones eficientes a diversos problemas globales propios
de la ingenier´ıa.

1. Variables aleatorias discretas y Distribuciones de probabilidad.

Analice adecuadamente el siguiente problema que se plantea:

Ejercicio 1: La mayorı́a de las personas que bebe café se da un poco de tiempo para
hacerlo y muchas toman más de un descanso al dı́a. La tabla siguiente, adaptada de un
Snapshot de USA Today, muestra la distribución de probabilidad para x, el número de
descansos por dı́a que se dan quienes beben café
• Tenemos que la sumatoria de X*PX es la media aritmética para los datos.
• La varianza es calculada con la fórmula: ∑(𝑋 − 𝜇)2 ∗ 𝑃(𝑋)

Días(X) P(X) (X*PX) Varianza

0 0.28 0 0.487872
1 0.37 0.37 0.037888
2 0.17 0.34 0.078608
3 0.12 0.36 0.338688
4 0.05 0.2 0.35912
5 0.01 0.05 0.135424
Sumatoria 1 1.32 1.4376

1
• ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar,
no se dé un descanso para tomar café durante el dı́a?

• Se tiene en cuenta que x=0, ya que ese sería el caso que no se toma un descanso,
por lo que la probabilidad es de 0.28 o de 28%.
• ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar,
se dé más de dos descansos para tomar café durante el dı́a?
• Tenemos que para que se dé más de 2 descansos tenemos que:
• (P>2) = (0.05) +(0.01) +(0.12) = 0.18 o 18%
Por lo tanto, la probabilidad que una persona se dé más de dos descansos es de 18%
• Calcule el número de descansos que se espera una persona se tome en el dı́a.
• El número de descansos esperados sería de 1.32, aproximadamente.
• Calcule la desviación estándar.
• La desviación estándar es la raíz de la varianza, es decir √1.4376 = 1.199

Ejercicio 2: En cierto distrito de la ciudad se establece que la causa de 75% de todos

los robos es la necesidad de dinero para comprar drogas. Calcule la probabilidad de que
entre los siguientes cinco casos de robo que se reporten en este distrito,

(a) Exactamente 2 sean resultado de la necesidad de dinero para comprar drogas.

• Tenemos un caso de distribución binomial con probabilidad de éxito y fracaso,
entonces:
Éxito: Robo por necesidad de dinero para droga.
Fracaso: Otro tipo de robo.
𝑃é𝑥𝑖𝑡𝑜 = 0.75 𝑃𝑓𝑟𝑎𝑐𝑎𝑠𝑜 = 0.25 Donde n=5
La pregunta es por dos casos con éxito, entonces:
5 5!
𝑃(𝑥 = 2) = ( ) ∗ (0.75)2 ∗ (0.25)3 = ( ) ∗ (0.5625) ∗ (0.0625)
2 2! (5 − 2)!
5∗4
=( ) ∗ (0.5625) ∗ (0.0625) = 0.35156 𝐴𝑝𝑟𝑜𝑥 0.3516
2
Por lo tanto, hay un 35.16% de probabilidad de que dos casos sean por necesidad de
comprar droga.
(b) A lo sumo 3 resulten de la necesidad de dinero para comprar drogas.
• Tenemos la P (X ≤ 3) = P (X = 1) + P (X = 2) + P (X = 3)

5 5!
𝑃(𝑥 = 1) = ( ) ∗ (0.75)1 ∗ (0.25)4 = ( ) ∗ (0.75) ∗ (0.0039)
1 1! (5 − 1)!
5
= ( ) ∗ (0.75) ∗ (0.0039) = 0.01464
1
𝑃(𝑥 = 2) = 0.3516

5 5!
𝑃(𝑥 = 1) = ( ) ∗ (0.75)3 ∗ (0.25)2 = ( ) ∗ (0.4219) ∗ (0.0625)
3 (5
3! − 3)!
5∗4
=( ) ∗ (0.4219) ∗ (0.0625) = 0.2637
2

𝑃(𝑥 ≤ 3) = 0.2637 + 0.3516 + 0.01464 = 0.6299

2
 Por lo tanto, la probabilidad que a lo sumo 3 resulten de la necesidad de dinero por
droga es de 62,99%.
(c) Calcule el número esperado de personas que siente necesidad para comprar drogas
en la ciudad. ¿Cuál es su desviación estándar?
• La media está definida por 𝜇 = 𝑛 ∗ 𝑝 ==> 𝜇 = 5 ∗ 0.75 = 3.75
Por lo que el número de personas que se espera robe por droga es de 3.75
• El cálculo de la desviación estándar está definido por 𝜎 = √𝑛𝑃é𝑥𝑖𝑡𝑜 (1 − 𝑃𝑒𝑥𝑖𝑡𝑜 )
Entonces 𝜎 = √5 ∗ 0.75(1 − 0.75) = √5 ∗ 0.75 ∗ 0.25 = √0.9375 = 0.9682
Por lo tanto, la desviación estándar tiene un valor de 0.9682
Ejercicio 3: Una empresa de manufactura utiliza un esquema de aceptación para los artı́culos
de una lı́nea de producción antes de que se embarquen. El plan tiene dos etapas. Se preparan
cajas de 125 artículos para su embarque y se prueba una muestra de 25 en busca de defectuosos.
Si se encuentra alguno defectuoso, se regresa toda la caja para verificar el 100% de ellos. Si no
se encuentran artículos defectuosos, la cajase embarca. Si se sabe que en la caja solo hay 7
artículos defectuosos:

(a) ¿Cuál es la probabilidad de que se embarque una caja que contiene 3 defectuosos?
• Establecemos los parámetros para un cálculo de hipergeométrica.
N=125
n=25 k=0
Usamos la fórmula y reemplazamos para tener
(3)(122)
𝑃(𝑥 = 0) = 0 12525 = 0.5088
( 25 )
Por lo que hay una probabilidad del 50,88% de que en una caja haya 3 defectuosos
(b) ¿Cuál es la probabilidad de que se regrese para su revisión una caja que contenga
al menos 1 artículo defectuoso.
𝑃(𝑥 ≥ 1) = 1 − [𝑃(𝑥 ≤ 0)] ==> 1 − [𝑃(𝑥 = 0)] = 1 − 0.8 = 0.2
(10)(124
25 )
𝑃(𝑥 = 0) = =0.8
(125
25 )

Por lo tanto, hay una probabilidad de 20% de que se regrese a revisión y la caja
contenga al menos un artículo defectuoso.

Ejercicio 4: Los baches en ciertas carreteras pueden ser un problema grave y requieren
reparación constantemente. Con un tipo especı́fico de terreno y mezcla de concreto la
experiencia sugiere que hay, en promedio, 2 baches por milla después de cierto tiempo
de uso. Teniendo en cuenta lo anterior,

(a) ¿Cuál es la probabilidad de que aparezca más de un bache en un tramo de una

milla?
• Tenemos que usar el proceso de Poisson, donde definimos que X: Número de
baches. Y λ=2 baches/millas
𝑃(𝑥 ≥ 1) = 1 − [𝑃(𝑥 ≤ 0)] ==>
𝑒 −𝜆 ∗𝜆𝑥
• Usamos la fórmula que define Poisson: 𝑃(𝑋 = 𝑥) = 𝑥!
𝑒 −2 ∗20
• 𝑃(𝑋 = 0) = 0! =0.1353 entonces 𝑃(𝑋 = 0) = 1 − 0.1353 =
0.8644 𝑜 86.44%

3
 Entonces, la probabilidad de que aparezca más de un bache en ese tramo es de
86.44%.
(b) ¿Cuál es la probabilidad de que aparezca por lo menos 4 baches en un tramo
determinado de una 5 millas?
• Tenemos un tramo de 5 millas, entonces debemos asociar esto con el promedio,
𝑏𝑎𝑐ℎ𝑒𝑠
es decir: 5 ∗ 2 𝑚𝑖𝑙𝑙𝑎 = 10 baches/milla.
• Ahora tenemos que:
• 𝑃(𝑥 ≥ 4) = 1 − [𝑃(𝑥 = 3) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 0)] ==>
𝑒 −𝜆 ∗𝜆𝑥
• Usamos la fórmula que define Poisson: 𝑃(𝑋 = 𝑥) = 𝑥!
𝑒 −10 ∗100 𝑒 −10 ∗101 𝑒 −10 ∗102
𝑃(𝑋 = 0) = 0!
+ 𝑃(𝑋 = 1) = 1!
+ 𝑃(𝑋 = 2) = 2!
+
−10
𝑒 ∗ 103
𝑃(𝑋 = 3) = = 0.000045 + 0.00045 + 0.00227 + 0.0075 = 0.010
3!
𝑃(𝑥 ≥ 4) = 1 − 0.010 = 0.99 𝑜 99%
Entonces, hay una probabilidad del 99% de que aparezcan a lo menos, 4 baches en
un tramo de 5 millas.

2. Variables aleatotias continuas y Distribuciones de probabilidad.

Analice adecuadamente el siguiente problema que se plantea:

Ejercicio 1: El número total de horas, medidas en unidades de 100 horas, que una
familia utiliza una aspiradora en un periodo de un año es una variable aleatoria continua
X que tiene la siguiente función de densidad:

a) Calcule la probabilidad de que en un periodo de un año una familia

utilice su aspiradora menos de 120 horas

• Para el cálculo, debemos aplicar integrales y establecemos la integral en la x que

nos pide; ya que utiliza valores por unidad, tomaremos 120 horas como 1.2,
entonces:
1 1.2
𝑃(𝑥 < 1.2) = ∫ 𝑥 𝑑𝑥 + ∫ (2 − 𝑥)𝑑𝑥
0 1

𝑥2 1 𝑥 2 1.2
𝑃(𝑥 < 1.2) = | + (2𝑥 − ) |
2 0 2 1

1 1
( − 0) + ((2.4 − 0.72) − (2 − )) => 0.5 + 0.18 = 0.68 𝑜 68%
2 2

4
 Entonces, la probabilidad que utilicen la aspiradora menos de 120 horas es del 68%

b) Calcule la probabilidad de que en un periodo de un año una familia

utilice su aspiradora entre 50 y 100 horas.
• Para este intervalo tenemos solo la primera función, pues nos pide entre 0.5 y
1 hora, dentro de las unidades establecidas, entonces resolvemos la integral
con estos valores de x como los límites:
1
𝑃(0.5 < 𝑥 < 1) = ∫ 𝑥 𝑑𝑥
0.5
𝑥2 1
𝑃(0.5 < 𝑥 < 1) = |
2 0.5
1 1
𝑃(0.5 < 𝑥 < 1) = − = 0.375 𝑜 37.5%
2 8
Entonces, tenemos que para la probabilidad de usar la aspiradora entre 50 a
100 horas es de 37.5%.

c) Calcule el valor esperado y la varianza.

• El valor esperado se calcula con la integral de x*f(x) de menos infinito a infinito,
entonces hacemos la integral de esta forma:
1 2
𝑥3 1 2
𝑉𝐸 = ∫ 𝑥 ∗ 𝑥 𝑑𝑥 + ∫ 𝑥(2 − 𝑥)𝑑𝑥 => | + ∫ (2𝑥 − 𝑥 2 )𝑑𝑥
0 1 3 0 1
𝑥 3 1 2𝑥 2 𝑥 3 2
𝑉𝐸 => | + − |
3 0 2 3 1
1 8 1 6
=> ( − 0) + ((4 − ) − (1 − )) = − + 3 = 1
3 3 3 3
Entonces, el valor esperado es 1 o 100 horas.
• La varianza se calcula con la integral de x menos el valor esperado multiplicando
f(x) de menos infinito a infinito, entonces hacemos la integral de esta forma:
1 2
𝑉 = ∫ (𝑥 − 1)2 ∗ 𝑥 𝑑𝑥 + ∫ (𝑥 − 1)2 ∗ 2 − 𝑥 ∗ 𝑑𝑥
0 1

1 2
𝑉 = ∫ 𝑥 3 − 2𝑥 2 + 𝑥 𝑑𝑥 + ∫ 2𝑥 2 − 5𝑥 + 2 𝑑𝑥
0 1
𝑥 4 2𝑥 3 𝑥 2 1 2𝑥 3 5𝑥 2 2
=> ( − + )| + ( − + 2𝑥) |
4 3 2 0 3 2 1
1 2 1 2 1
( − + ) + ((− ) − ( )) = −0.75
4 3 2 3 6
Por lo tanto, la varianza de la función es de -0.75

Ejercicio 2: Un abogado viaja todos los días de su casa en los suburbios a su oficina en el
centro de la ciudad. El tiempo promedio para un viaje sólo de ida es de 24 minutos, con
una desviación estándar de 3.8 minutos. Si se supone que la distribución de los tiempos
5
de viaje está distribuida normalmente.

(a) ¿Cuál es la probabilidad de que un viaje tome al menos 1/2 hora?

• Para resolver este problema, utilizamos la estandarización, entonces aplicamos
las fórmulas, sabiendo que la media es 24 y la desviación estándar es de 3.8:
𝑃(𝑥 ≥ 30) = 1 − 𝑃(𝑥 ≤ 29)
29 − 24
=1−𝑧 ≤ => 1.31
3.8
1 − 0.9049 = 0.0951 𝑜 9.51%
Entonces, la probabilidad de que el viaje tome al menos media hora es de 9.51%
(b) Si la oficina abre a las 9:00 a.m. y él sale diario de su casa a las 8:45 a.m., ¿qué
porcentaje de las veces llegará tarde al trabajo?
𝑃(𝑥 > 15) = 1 − 𝑃(𝑥 ≤ 15)
15 − 24
= 1−𝑧 ≤ => −2.36
3.8
1 − 0.0091 = 0.99 𝑜 99%
La probabilidad de que salga a esa hora y llegue tarde al trabajo es del 99%

(c) Si sale de su casa a las 8:35 a.m. y el café se sirve en la oficina de 8:50 a.m. a 9:00
a.m., ¿cuál es la probabilidad de que se pierda el café?
𝑃(𝑥 > 25) = 1 − 𝑃(𝑥 ≤ 25)
25 − 24
=1−𝑧 ≤ => 0.26
3.8
1 − 0.6026 = 0.3974 𝑜 39.74%
Entonces, si sale de su casa a esa hora, hay una probabilidad de 39.74% de que se pierda
el café, pues tiene hasta las 9 a.m.

Ejercicio 3: Suponga que el tiempo, en horas, necesario para reparar una bomba de calor
es una variable aleatoria X que tiene una distribución gamma con los parámetros α =
2 yβ = 1/2. ¿Cuál es la probabilidad de que la siguiente llamada de servicio requiera

(a) a lo sumo una hora para reparar la bomba de calor?

• Para este caso se debe aplicar la distribución gamma, que está distribuida como
∞ 𝑡
1 𝛼−1 −𝛽
∫ 𝑡 𝑒 𝑑𝑡
𝛾(𝛼)𝛽 𝛼 0
• Vamos a establecer X = Tiempo necesario para reparar una bomba de calor con
1
𝛼=2 𝑦 𝛽=
2
• Entonces para el ejercicio tenemos una 𝑃(𝑥 ≤ 1) entonces construimos la
integral gamma:
𝑡
1 −1
1 2−1
∫ 𝑡 𝑒 2 𝑑𝑡
12 0
𝛾(2)
2
1
2 ∫ 𝑡1 𝑒 −2𝑡 𝑑𝑡
0
𝑒 −2𝑡 𝑒 −2𝑡
𝑡 (− ) − ∫ − 𝑑𝑡
2 2

𝑡 1
− 2𝑡
− 2𝑡
2𝑒 4𝑒
6
 𝑡 1 1
− 2𝑒 2𝑡 − 4𝑒 2𝑡 |
0
1 1 0 1 3 1
− 2∗1 − 2∗1 − (− 2∗0 − 2∗0 ) => − 2 + => 0.1484
2𝑒 4𝑒 2 4𝑒 4𝑒 4
2 ∗ 0.1484 = 0.2968 𝑜 29.68%
Entonces, hay una probabilidad del 29.68% de reparar la bomba a lo sumo a
una hora.

(b) al menos dos horas para reparar la bomba de calor?

𝑡
−1
1 2 2−1
• Utilizamos una 𝑃(𝑥 ≥ 2) = 1 − 12 ∫0
𝑡 𝑒 2 𝑑𝑡
𝛾(2)
2
2
2 ∫ 𝑡1 𝑒 −2𝑡 𝑑𝑡
0
𝑡 1 2
− 2𝑡 − 2𝑡 |
2𝑒 4𝑒 0
1 1 0 1 5 1
− 2∗2 − 2∗2 − (− 2∗0 − 2∗0 ) => − 4 + => 0.2271
2𝑒 4𝑒 2 4𝑒 4𝑒 4
2 ∗ 0.2271 = 0.4542

𝑃(𝑥 ≥ 2) = 1 − 0.4542 = 0.5458 𝑜 54.58%

Entonces, hay una probabilidad del 54.58% de que se necesiten al menos 2 horas
para reparar la bomba.
(c) Calcule el tiempo que se espera sean necesarios para reparar la bomba de calor,
¿Cuál es su desviación estándar?
• Teniendo en cuenta la relación con Poisson, la media de estas distribuciones es β,
es decir que la media es de 2, es decir, dos horas esperadas para reparar las
bombas, la varianza está dada por 𝛽 2 es decir 2^2=4 y la desviación estándar es
la raíz de la varianza, es decir √4 = 2 por lo que la desviación estándar es 2.

Ejercicio 4: El tiempo de respuesta de una computadora es una aplicación importante

de las distribuciones gamma y exponencial. Suponga que un estudio de cierto sistema de
cómputo revela que el tiempo de respuesta, en segundos, tiene una distribución
exponencial con una media de 3 segundos

(a) ¿Cuál es la probabilidad de que el tiempo de respuesta exceda 5 segundos?

• Tenemos la integral para la distribución exponencial, que está definida por
1 ∞ −𝑡
∫ 𝑒 𝛽 𝑑𝑡
𝛽 0
• Por lo que para que exceda 5 segundos tenemos una 𝑃(𝑥 > 5) = 1 − 𝑃(𝑥 ≤ 5),
entonces aplicamos la fórmula para Beta igual a 3
1 5 −𝑡 1 3𝑡 1 3 5 1 33 √𝑒
∫ 𝑒 3 𝑑𝑡 = ∗ −3 ∫ 𝑒 − 3 𝑑𝑡 = ∗ − 1 | = ∗ − 2 + 3 =
3 0 3 3 0 3 𝑒
𝑒 3𝑥
1
∗ 2.43337 = 0.8111
3
𝑃(𝑥 > 5) = 1 − 0.8111 = 0.1889 𝑜 18.89%
Entonces, hay una probabilidad del 18.89% de que exceda 5 segundos.

7
 (b) ¿Cuál es la probabilidad de que el tiempo de respuesta exceda 10 segundos?
• Por lo que para que exceda 5 segundos tenemos
una 𝑃(𝑥 > 10) = 1 − 𝑃(𝑥 ≤ 10), entonces aplicamos la fórmula para Beta igual
a3
1 10 −𝑡 1 3𝑡 1 3 10 1 33 √𝑒
∫ 𝑒 3 𝑑𝑡 = ∗ −3 ∫ 𝑒 − 3 𝑑𝑡 = ∗ − 1 | = ∗ − 4 + 3 =
3 0 3 3 0 3 𝑒
𝑒 3𝑥
1
∗ 2.8929 = 0.9643
3
𝑃(𝑥 > 10) = 1 − 0.9643 = 0.0357 𝑜 3.57%
Entonces, hay una probabilidad del 3.57% de que exceda 10 segundos.

3. Intervalos de confianza - pruebas de hipótesis y regresión lineal.

Analice adecuadamente el siguiente problema que se plantea:

Ejercicio 1: De acuerdo con un estudio sobre un régimen alimenticio, la ingesta elevada

de sodio se relaciona con úlceras, cáncer estomacal y migrañas. El requerimiento humano
de sal es de tan sólo 220 miligramos diarios, el cual se rebasa en la mayorı́a de las
porciones individuales de cereales listos para comerse. Si una muestra aleatoria de 20
porciones similares de cierto cereal tiene un contenido medio de 244 miligramos de sodio
y una desviación estándar de 24.5 miligramos, ¿esto sugiere, a un nivel de significancia
de 0.05, que el contenido promedio de sodio para porciones individuales de ese cereal es
mayor que 220 miligramos? Suponga que la distribución de contenidos de sodio es
normal. Calcule un intervalo de confianza para comprobar la hipótesis planteada.

EjeHo= contenido promedio de sodio es igual a 220mg.

Ha= El contenido promedio de sodio es maro a 200mg
Ho=𝜇 = 220
Ha=𝜇 => 220
̅
𝑥−𝜇
𝑍=
𝜎 ∕ √𝑛
244−220
Z= = 4.38
24.5/√20

P(Z>4.38)=1 – 0.999= 0.0001< 0.05

Conclusión: Con un nivel de 5% hay evidencia para rechazar Ho, el contenido promedio es
mayor que 220mg.

8
Ejerrcicio 2: Una empresa de material eléctrico fabrica bombillas que tienen una du-
ración que se distribuye de forma aproximadamente normal con una media de 800 horas
y una desviación estándar de 40 horas. Sin embargo, expertos aseguran que la media
de la duración de las bombillas es distinta, por lo que se tomó una muestra aleatoria de
30 bombillas y se encontró que la duración promedio fue de 788 horas.Con un 99% de
confianza, ¿Cree que la afirmación de los expertos es correcta? Calcule un intervalo de
confianza para comprobar la hipótesis planteada.
Datos.
X= 788
μ = 800
n= 30
𝜎 = 40
∝= 0.04
Ho= 800Hora
H ≠ 800Hora
Z= -2.055<x<2.055 no rechaza Ho
𝑥 −𝜇 788−800 −12
Z= 𝜎/ = = 7.30 = -1.643
√𝑛 40∕√30

Como -2.055≤-1.643≤2.055 lo tanto , no se rechaza Ho y se concluye que el nivel de

duración de los focos no ha cambiado.
𝜎 40
𝑥̅ = μ+ z = 800+(-)2.055( ) = 815.0075
√𝑛 √30
Como las X 788 horas Ho no se rechaza y la duración media de los focos no cambian.

Ejercicio 3: De acuerdo con Chemical Engineering, una propiedad importante de la fibra

es su absorbencia de agua. Se encontró que el porcentaje promedio de absorción de 25
pedazos de fibra de algodón seleccionados al azar es 20, con una desviación estándar de
1.5. Una muestra aleatoria de 25 pedazos de acetato reveló un porcentaje promedio de
9
12 con una desviación estándar de 1.25. ¿Existe evidencia sólida de que el porcentaje
promedio de absorción de la población es significativamente mayor para la fibra de
algodón que para el acetato? Suponga que el porcentaje de absorbencia se distribuye de
forma casi normal y que las varianzas de la población en el porcentaje de absorbencia
para las dos fibras son iguales. Utilice un nivel de confianza del 98%.Calcule un intervalo
de confianza para comprobar la hipótesis planteada.
Prueba Hipótesis.
Ho: μ1 =μ2
H1: μ1>μ2
Datos:
X1=20 X2=12
𝜎=1.5 𝜎 = 1.25
n1=25 n2=25
Estadístico prueba:
𝑥1−𝑥2
Zo= 𝜎 𝜎
√𝑛1+𝑛2

20−12
Zo= = 20.486
1.5^2 1.25^2
√ +
25 25

Criterio rechazo.
Zo<z
20.486>1.645
El porcentaje de promedio es menor de absorción de fibra en el algodón

Ejercicio 4: Cinco muestras de una sustancia ferrosa se usaron para determinar si existe
una diferencia entre un análisis quı́mico de laboratorio y un análisis de fluorescencia de
rayos X del contenido de hierro. Cada muestra se dividió en dos submuestras y se
aplicaron los dos tipos de análisis. A continuación se presentan los datos codificados
que muestran los análisis de contenido de hierro:

Suponga que las poblaciones son normales y pruebe, al nivel de significancia de 0.01, si
los dos métodos de análisis dan, en promedio, el mismo resultado. Calcule un intervalo
de confianza para comprobar la hipótesis planteada.
Prueba hipótesis.
X1 = contenido FE muestra con Rx.
X2= contenido Fe contenido químico
x1≈N(μ-𝜎1)
x2≈N(μ2-𝜎2)
𝑥̅ = 2.16 S1=0.18165
10
 𝑥̅2 = 2.16 S2= 0.23021
n=5
α=0.05
Ho : 𝜇2 − 𝜇1 = 0
H1: 𝜇2 − 𝜇1 ≠ 0
Las varianzas son igual.
(𝑥2−𝑥1) 0.1
To= = = 0.7624
1 1 2
𝑆𝑝√ + 0.0207+√
𝑛 𝑛2 5

(𝑛1+𝑛2)𝑆1+(𝑛2+𝑛1)𝑆2 4(0.033+0.053)
S2p = =
𝑛1+𝑛2−2 8

= 0.043
Se opta que To<T = 2.306 No se rechaza la hipótesis nula, no hay evidencia significativa de
contenido de FE.
Si las varianzas son diferentes entonces.
(𝑥2−𝑥1) 0,10
T= = = 0,7624
𝑠1 𝑠2 0,001311
√ +
𝑛1 𝑛2

Ejercicio 6: Se realizó un estudio sobre la cantidad de azúcar convertida en cierto

proceso a distintas temperaturas. Los datos se codificaron y registraron como sigue:

(a) ¿Existe alta correlación entre las variables?. Justifique su respuesta.

(b) Proponga un modelo de regresión lineal que permita estimar la cantidad media de
azucar cuando se registran temperaturas codificadas.
(c) Calcule la cantidad media de azúcar convertida que se produce cuando se registra
una temperatura codificada de 1.75.
(d) Encuentre un intervalo de confianza del 95% para el verdadero valor de la cantidad
media de azúcar convertida que se produce cuando se registra una temperatura
codificada de 1.75.
(e) X Y
1 8.1
1.1 7.8
1.2 8.5
1.3 9.8
1.4 9.5
1.5 8.9
1.6 8.6
1.7 10.2
1.8 9.3
1.9 9.2
2.0 10.5

Estadísticas
Coeficiente de correlación 0.707026444
Coeficiente de R^2 0.499886392
11
∑ = 1.0+1.1+1.2+1.3+1.4+1.5+1.6+1.7+1.8+1.9+2.0=16.5
∑ i= 8.1+7.8+8.5+9.8+9.5+8.9+8.6+10.2+9.3+.2+10.5=100.4
∑ⅈ 2 = (1.0*8.1)+(1.1*7.8)+(1.2*85)+(1.3*9.8)+(1.4*9.5)+(1.5*8.9)+(1.6*8.6)
+(1.7*10.2)+(1.8*9.3)+(1.9*9.2)+(2.0*10.5)= 152.59
∑ⅈ12 = 1.02 + 1.12 + 1.32 + 1.42 + 1.52 + 1.62 + 1.72 + 1.82 + 1.92 + 2.02 = 25.85
∑ⅈ 2 = 8.22 + 7.22 +8.52 + 9.82 + 8.92 + 8.62 + 10.22 + 9.32 + 9.22 + 10.52 = 923.58

∑ = (16.5)2 = 272.25
𝑖=1
∑(100.4)2 = 10080.15
𝑖=1

152.59− (16.5)∗(100.4) 1.99

Bx=
25.85−(272.25/11)
= 1.1 =1.8090
By= 𝑥̅ − b1 = 9.12
By= 9.12-1.8090(1.5) = 6.4065
.) Temperatura codificada a 1.75
T= 6.4065+1.8090
T=6.4065+1.8090(1.75)
T= 9.582425
La cantidad de azúcar que se obtiene cuando la temperatura es 1.75 corresponde a 9.58.

12