Nos ayuda

→
-
_ _
a
aproximar los

IC para µ×
→
Si el tamaño de rito
ent . el K va a ser

③ en
promedio la diferencia más amplio .

del valor real el estimado

y
.

80.4 -
70.1=10.3
un ~

ELX) =3

Vlx ) =
q
P (E > 3.8 min )
estandarización :
n =3 6

/ Ü ˢ)
2- >
=

sino turnamos P
1-y ltamaño
de muestra )

p ( >

¥)
=
z

= plz > i. • ,
por Simetria de la normal ( complemento )

=
l -
P (z ≤ 1.6 )
|
0.9452=0.0548-1
-

* Int . si tomáramos una mia . de 36

la prob Chef
'
el * mayor
sea a 3-8

minutos es de 0.0548
 -
µ✗ =

ftp.t#n--
100

100
0=12.5

(E 1020 )
- -

- -
a) p >

estandarizanos

p.fi#s'%fe-s.--;)
⇐
Plz (2-316)
>

2%9=1 =P
=

= 1 -
plz ≤ 16 ) =
O

PE < 1040 ) -
P / ✗ < 96o )
c) P ( 960 < ☒ < 104o )

pl"÷ᵗo÷ )
"
< <

=P ( -32 < 2- < 32

)

.IE#-.Pl;-:!-
=
 -

-1%1-5-0
^" Mx
,
alomás
por lomuos (s )
( ≤)

/ I -

µ× / ≤ 50 TU n= 144

1890
// ) Mx =

P E- µ / ≤ 5o
264
Tx =

estandarización .

P¥¥Í÷÷ )
P ( 12-1 ≤ 2.2727
)
P ( 2- ≤ 2- 2727 ) -
P (z ≤ -2.2727 )
Probaba de que
= 0.9887 -
0.0113 =
0.9772 ,, SI
certifiquen .

para saber P ( NO certifiquen )

=
| -

0.9774=0.0226

% SI tomamos una m . aleatoria de n 44 de forma Iterada

de la poblau .

el 2.26 % de las cajas de ahorro

ha se van a

certificar .
 →ntxr +✗ 3)

Xi Xz , X ]
, son v. a.
independiente e Ident . distrito
. liiid)

R }
=
% -1×2-1×3

↳ ~ normal (1300,7-4,100)
µ,
-1800-1100=130--0
400
400
Ifh
= =

Ma = 800

µ3 = 100

(100 )
≥
JR = + (25072 +14072 = 74,100

P / R, ≤ loco
) =P
( Aje ≤

%¡÷÷ )
'

=P / z ≤
3%-1.27 ) = P ( z ≤ 1.1020 ) ≈ 0.8642 ,

- o
 "
saque boleto blanco y no "
pague
Bernoulli
O → fracaso →
pagamos
1- → éxito →
"
boleto blanco
"
no
pagamos

Elx ) =p

Vlx ) 1-
p
=

'
'

n = 150

¿ cuál es la prob Ép > 60,000 ?

R ~
Ép
R ~ normal (nu , no
≥
)
entonces

R ~ normal
(115011391-7) , 2)
450) ( ☐ 8)

Rrrnormal / 58755 , (1690.147-9) 2)

AHORA 8

p (R ≤ 60000
)
"
;::÷÷ I
≤

= P ( Z ≤
%ܵ÷ ) =P (
z ≤ 0.7366 )
≈ 0.768851 ,

entonces
P (R > 60000 ) = 1-0-76885 =
0.231155 ,,
 nosoucéu
aunque
- -
→

h -
-
1-5
que ×- no se distribuye
normal , el tamaño de
=
86 muestra es de 75 ,
µ
8=10 lo svf grande
.
para

aplicar E¥
① P (* ≤ 84 )
① PCI ≤ 84 )

estandarización :
② P ( I> 9o )

MI:# Ü÷- ) ≤

= P ( 2- ≤

-8.2¥ ) =P (2- ≤ -1.0847 )

≈
0.15955J ,,

② PIE > 9o )
P
(×¥ᵈ >
) =
Plz > a.ios )
= I -

p ( z ≤ 2.105 )

1 9848 0-0152-1
= =
-
•
- pchlsq

qt → para sacar
cvánlles
 ↳ ECM =
Var (E) + Bias (E)
a) el estimador es un parámetro que busca aproximarse al
valor real
.

b) Si existen infinitas estimadores para los

,
parámetros poblacionales ◦
(X , p , 5)
 c) el error es la distancia de tu valor estimado 4. t.up.a.rometro poblacional ; y
el
sesgo
tanto me alejo del estimador
.

qué
.

es .

d) Verd .

e) falso la
. varianza seria la mínima si el estimador
fuese m
sesgado

f) falso .

ECMFÓ ) ,
( Ecm (Ea ) no implica que var (Ó ) , sea D Van (0^2) esto pasaría si se

especificara que pasa con el

Pias (ÓI ) ◦ Dado
que
ECM
depende de var / Ó,) y

del p (E)
2

g) falso : Ecm no solo depende del

plas .

I
SEIGO

Vamos a determinar el

sesgo para ti ,

① pies ( pie ) = E (pie ) -

µ ,
=
µ ,
-

µ .
in
sesgado

E-
fui ) El E)
,
= = E ( TÉ ) =

In E taxi )
1µW Elxi)

µ =
,

V / µ:) =
v1 E) =

Ecm
fui , ) =

ecmlria ) =
E- =

TÉ =
2¥
1
 /

IC
para µ × (I -
Za,
≥
Éi ,
☒ + Zx ,
≥ E.)

a) Si la -

a) ↑ lo mas amplio
el nivel de confianza y la amplitud del K
tienen una relación positiva

b) entre menor sea el tamaño de muestra más

amplio es el IC

→ amplitud del
K
 IC

-1µg
tu " valor med

MUY
15<4411
0.1528

Guad 0.2531

5=1500588
02=9.3175

Supuestos 8 Como la n es Sufi grande aplicamos TCL

b) bien las
O suponemos variables que
que
estiman las utilidades de las empresas se

distribuyen como normales

K
para jugar (E -

Za,≥ /E- ,
* + Zx,
,
E)
al 98% ( 12.0588-(2-32,63) , 12.0588+12.3263 )榝|
( 1-d) = -98

✗ =
= ◦ 02

• 01
=

( 12.0588 -
(2-3263)/0-7403) ,
12.0588+(2-3263) ( 0.7403) )
↳
=
( 10.3366 , 13*7809 )
t
} de = 9.3175

h = 17

599--12-05
qnorm ( 0.01 lower.taik.FI
,
 Donde 82 es desconocida .

1C para µ con la d) %
-
de confianza

está dado por 8

(E -

tiamina ) ¥ ,
I +
tcassn -
a) %-)
✗ =
{ 8760,6370 , 9620,8200 ,
10350 }
= = 8660

52 = 1520.148
en RE
Gt
n -5
-

( 1- d) = 95
t
.

(0.025,4 )
=
2.776445
(n 1) = 4 ✗ = -05
↓
-

↓
✗| 025 cn
-1-191
= •

≥ %

(E -

tiamina ) ¥ ,
I +
tcaiasn -
a) %-)
/ ) / )
°
( 8660-(2-7764) , 8660+(2-7764)

µ
,
C-
=/ 6772.49 ,
10547.51
)

→
8500
6772.49 10547.51
 -

✗ = 0.05

TCL - normal
h =
SUFTCL
X ① n= 30 ② n -40

E = 1.8 % Y = 2.44 .

Jx = 0-4 % G.y = 0.6%

a) PH para diferencia de mechas

Ho : Mx My O
µ My
= =
✗
-

H, : ≠ o µ =/µ }
Nx µy ✗
-

Estadistica de prueba bajo IHO

°
>

÷M%≠
lo.oi8-o.ru/Jl;-j2-lo.-TT-z=-:: ---
2- = z -
-

→ →

Región de rechazo

2- ×,
≥
=
2-0.025 =
1.9599 -1.9599
✗ 1.9599
9ham (¥
'
, www.tail-F ) =\ -959g
✗ =
0.05
✗/ = 0.025
z

% Rechazamos Ho dado nuestro estadístico de prueba

que
cae en la
región de rechazo , la diferencia es diferente ④
de cero /NO es Igual a
 →
p =
Vxy
T = -
tan

a →
↓
→
than -1
=