lOMoARcPSD|19815418

Soluciones examen metodos cuan titativos 2020-2021 points

Mètodes Quantitatius (Universitat Jaume I)

Studocu is not sponsored or endorsed by any college or university

Downloaded by Paula Díaz López (pauladiaz2603@gmail.com)
 lOMoARcPSD|19815418

MÉTODOS CUANTITATIVOS
PRIMERA CONVOCATORIA
16 de junio 2021

1. Determine la veracidad o falsedad de las siguientes afirmaciones. En el caso de las afirmaciones falsas, razone porqué y
corrı́jalas.

0.5 a) El factor de corrección poblacional se utiliza para aumentar la amplitud del intervalo de confianza cuando la muestra
supone una proporción importante de la población total cuando esta es finita.
FALSA: El factor de corrección poblacional se utiliza para reducir la amplitud del intervalo de confianza cuando la
muestra supone una proporción importante de la población total cuando esta es finita.
0.5 b) En el análisis de ANOVA, el factor es relevante cuando la variabilidad inter-grupos es significativamente mayor que
la intra-grupos.
VERDADERA
0.5 c) Un contraste de igualdad de dos proporciones puede resolverse calculando un estadı́stico Z y comparándolo con el
valor crı́tico correspondiente.
VERDADERA
0.5 d ) Un boxplot altamente asimétrico implica que los datos muestrales se acercan a una distribución normal.
FALSA: Un boxplot altamente asimétrico implica que los datos muestrales se alejan de una distribución normal.
0.5 e) En cualquier contraste de hipótesis y fijado un nivel de significación, un p-valor elevado (mayor que α) implica que
el estadı́stico asociado se encuentre en el área de no rechazo.
VERDADERA

2. Una empresa dedicada al diseño de campañas publicitarias garantiza a sus clientes que la campaña que diseñe tendrá éxito
con más del 90 % de probabilidad. Usando una muestra representativa de 58 campañas del pasado 2020, se sabe que 45
de ellas fueron exitosas. Responda a las siguientes preguntas:

1 a) Plantee la hipótesis nula y alternativa adecuadas para resolver este contraste.

Sea X la variable aleatoria� que describe el número de campañas exitosas. Sea π la proporción poblacional asociada
H0 : π ≤ 0.9
a esta variable, entonces
H1 : π > 0.9

1.5 b) Utilice el enfoque del p-valor para determinar con un 95 % de confianza si la empresa está en lo cierto.
Sea p = 45/58 = 0.775 un estimador de la proporción poblacional. La variable aleatoria X se puede aproximar por
una distribución normal. El estadı́stico que utilizamos para este experimento es
p−π
ZST AT = � = −3.15
π(1 − π)/n

En este caso, para utilizar el enfoque del p-valor para el contraste de una cola, buscaremos la probabilidad de obtener
un estadı́stico para el contraste ZST AT que sea mayor que -3.15, obteniendo un p-valor 0.999. Dado que ese valor
es superior al nivel de significación fijado (α=0,05), no podemos rechazar la hipótesis nula y podemos afirmar que
existen evidencias de que la empresa no está en lo cierto, siendo la tasa de éxito de sus campñas publicitarias inferior
al 90 %.

3. Un empresario del sector agrı́cola desea comparar la productividad media de dos de sus fincas en las que tiene plantada la
misma especie de árboles frutales. Dada la gran extensión de las mismas, realiza mediciones de la producción en kg de 10
árboles en cada una de ellas. Los resultados fueron los siguientes:

Finca A 38 41 45 43 40 39 44 47 45 43
Finca B 32 35 37 41 34 36 39 40 33 36

Información: ȲF incaA = 42.50, ȲF incaB = 36.30, SF2 incaA = 8.50, SF2 incaB = 8.90
Test de Shapiro-Wilk (Finca A): W = 0.96172, p-value = 0.8052
Test de Shapiro-Wilk (Finca B): W = 0.96318, p-value = 0.8214

Downloaded by Paula Díaz López (pauladiaz2603@gmail.com)

 lOMoARcPSD|19815418

MÉTODOS CUANTITATIVOS
PRIMERA CONVOCATORIA
16 de junio 2021

0.5 a) Si deseamos comparar la productividad media de ambas fincas, ¿podemos utilizar el contraste de la t-student para
la varianza agrupada? Justifique su respuesta.
Para determinar si podemos usar el contraste t para la varianza agrupada, primero tenemos que comprobar si las
poblaciones tienen igual o distinta varianza mediante el test del cociente de varianzas.
�
H0 : σ12 = σ22
H1 : σ12 �= σ22
S2 8.90
F = S12 = 8.50 = 1.04
2
F.critico = F ∼ Fα,n1−1,n2−1 = F0.05,9,9 ≈ F0.05,9,10 = 3.02
F < F.critico. No podemos rechazar la H0 de igualdad de varianzas y podemos utilizar el contraste t para la igualdad
de medias con varianza agrupada.

0.75 b) Para
� un nivel de confianza del 95 %, ¿podemos afirmar que la productividad media de las dos fincas difiere?
H 0 : µ 1 = µ2
H1 : µ1 = � µ2
(X 1 −X 2 )−(µ1 −µ2 )
Estadı́stico del contraste: tST AT = � � �
1
Sp2 n1 + n1
2

(n1 −1)S12 +(n2 −1)S22 9×8.50+9×8.90

Varianza agrupada: Sp2 = (n1 −1)+(n2 −1) = 9+9 = 8.70

(42.5−36.3)−0 6.2
tST AT = √ 1 1
= √
8.70×0.2
= 4.70
8.70( 10 + 10 )

tST AT ∼ tα/2,n1+n2−2 = t0.025,18 = 2.10 = t.critico

tST AT > t.critico. Rechazamos la H0 de igualdad de medias. Con un nivel de confianza del 95 % podemos afirmar
que las dos medias poblacionales difieren.
0.75 c) Proporcione un intervalo que recoja la verdadera diferencia poblacional de productividad entre ambas fincas con una
confianza del 95 %. � � �
Intervalo de confianza para la diferencia de medias: (X 1 − X 2 ) ± tα/2 Sp2 n11 + n12
�
IC: (42.5 − 36.3) ± 2.10 8.70(1/10 + 1/10) = [3.42, 8.97]

Con un nivel de confianza del 95 %, la diferencia de medias poblacional se encontrará entre 3.42 y 8.97 quilos. Dado
que el cero no está contenido en el intervalo, podemos rechazar la H0 de igualdad de medias, en lı́nea con la aproxi-
mación del valor crı́tico.

0.5 d ) ¿Qué supuesto es necesario para que los resultados anteriores sean consistentes? Evalúe el cumplimiento de dicho
supuesto.
Para que los anteriores resultados sean consistentes, necesitamos que se cumpla el supuesto de normalidad, es decir,
los valores estudiados deben provenir de una distribución normal. Si el tamaño muestral fuese suficientemente grande
(n > 30), el incumplimiento del supuesto no serı́a demasiado problemático. Sin embargo, este no es nuestro caso,
dado que n=10 para las dos muestras. Es pues, muy necesario que se cumpla la normalidad. Para la evaluación del
cumplimiento del supuesto, podemos utilizar el test de Shapiro-Wilk, entre otros métodos como boxplots, gráficos
Q-Q o funciones de densidad.
�
H0 : Yg ∼ N (µg , σ 2 )
H1 : Yg sigue otra distribucion
Fijamos un nivel de significación α = 0.05

Downloaded by Paula Díaz López (pauladiaz2603@gmail.com)

 lOMoARcPSD|19815418

MÉTODOS CUANTITATIVOS
PRIMERA CONVOCATORIA
16 de junio 2021

Finca A: Test Shapiro-Wilk → W= 0.961; p-valor=0.80

Finca B: Test Shapiro-Wilk → W= 0.963; p-valor=0.82

En ambos casos p − valor > α y no podemos rechazar H0. Por tanto, tenemos evidencia estadı́stica acerca del
cumplimiento del supuesto de normalidad.

4. Una empresa azulejera posee tres plantas productoras en la provincia de Castellón. El director de producción está interesado
en detectar diferencias en la calidad de sus productos entre sus plantas y para ello recopila información durante 15 dı́as
acerca del número de baldosas defectuosas en cada una de ellas. Siendo Y el número de baldosas defectuosas, se conoce la
siguiente información:

Ȳ = 12, 11; ȲP lanta1 = 12, 66; ȲP lanta2 = 9, 73; ȲP lanta3 = 13, 93; SCR = 143, 2; t0.016
42 = 2, 218
Test de Levene: Statistic=0,045852, p-value=0,9552

A partir de la información proporcionada en el ejercicio, conteste a las siguientes preguntas:

0.5 a) Identifique los elementos clave desde el punto de vista de ANOVA y establezca las hipótesis adecuadas.
Los elementos de este experimento vienen representados por las baldosas, la variable son el número de baldosas
defectuosas y por último el factor está representado por los tres niveles (G=3) asociados a cada planta.
� H : µ =µ =µ
0 1 2 3
FACTOR PLANTA:
H1 : µi �= µj , i �= j, i, j ∈ {1, 2, 3}
0.75 b) Para un nivel de significación α = 0, 05, contraste el efecto del factor.
SCF = 15 × ((12.11 − 12.66)2 + (12.11 − 9.73)2 + (12.11 − 13.93)2 ) = 139.19

Fuente de variación SC g.d.l. MC Estadı́stico F

Factor 139.19 2 69.59 20.41
Residual 143.2 42 3.40
El valor crı́tico correspondiente a una distribución F-Snedecor con 2 grados de libertad en el numerador y 42 en el
denominador a un nivel de significación del 5 % corresponde a 3,32 aproximadamente, el cual es inferior al estadı́stico
calculado anteriormente 20,41, rechazando la hipótesis nula. Por lo tanto encontramos evidencias empı́ricas que nos
permiten afirmar que existen diferencias significativas entre los promedios correspondientes a las baldosas defectuosas
de cada planta.
0.75 c) Identifique qué plantas presentan diferencias en el número de baldosas defectuosas mediante el método de Bonferroni
y determine dónde es preferible producir.
Para llevar a cabo el método de Bonferroni es necesario contrastar las 3 posibles comparaciones múltiples: H0 : µi = µj
∗ �
para i, j ∈ {1, 2, 3}. Rechazaremos el contraste si se satisface |Y i − Y j | > tα
n−G M CR(1/n i + 1/nj ).
�
|12.66 − 9.73| = 2.93 > 2.218 3.40(1/15 + 1/15) = 1.49
�
|12.66 − 13.93| = 1.27 < 2.218 3.40(1/15 + 1/15) = 1.49
�
|9.73 − 13.93| = 4.2 > 2.218 3.40(1/15 + 1/15) = 1.49
En virtud de los anteriores resultados obtenemos evidencias emprı́ricas de que existen diferencias significativas al 5 %
entre los promedios correspondientes a las plantas 1 y 2 y también entre las plantas 2 y 3. La mejor planta para
producir es la planta 2, pues es donde menos baldosas defectuosas se producen. Sin embargo, no hay diferencias entre
las plantas 1 y 3.
0.5 d ) Evalúe el cumplimiento del supuesto de homogeneidad de varianzas. Establezca las hipótesis adecuadas y justifique
su respuesta. �
H0 : σ12 = σ22 = σ32
Homegeneidad de Varianzas:
H1 : σi2 �= σj2 , i �= j, i, j ∈ {1, 2, 3}
En virtud del p-valor=0,9552 asociado al test de Levene para el contraste de igualdad de varianzas, y fijado un nivel
de significación del 5 %, dado que p-valor > α=0,05, no podemos rechazar la hipótesis nula de igualdad de varianzas.

Downloaded by Paula Díaz López (pauladiaz2603@gmail.com)