Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA II
INFERENCIA ESTADISTICA
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Universidad del Perú. Decana de América
FACULTAD DE CIENCIAS ECONOMICAS
Dra. Sara Adelina Arana López
INFERENCIA
INFERENCIA ESTADISTICA
1. INFERENCIA
2. REGRESION
3. MUESTREO
4. ANOVA
5. DISEÑOS EXPERIMENTALES
6. CONTROL DE CALIDAD
7. DEMOGRAFIA
INFERENCIA ESTADISTICA
INFERENCIA
N n
Proceso de estimación
Media
Parámetros: media, varianza varianza
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA
estimador de un parámetro
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA AMBIENTAL
DRA. SARA ADELINA ARANA LOPEZ
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA
ESTIMACION
ESTIMADOR:
ESTIMACION
1. Insesgado
2. Consistente
3. Eficiente
4. Suficiencia:
ESTIMACIONES
N 1. ESTIMACIONES n PORCENTAJES
MEDIDAS DE RESUMEN
ESTADIGRAFOS
MEDIA ARITMETICA
VARIANZA
PROCESO DE ESTIMACION PROPORCION
MEDIA DE LA POBLACION
PARAMETROS VARIANZA DE LA POBLACION
PROPORCION DE LA POBLACION
INFERENCIA ESTADISTICA
1. ESTIMACIONES
1.1. Puntales
= …………………
calculo matemático
= E(Xi) = u
INFERENCIA ESTADISTICA
1. ESTIMACION PUNTUAL
Definición.
1. ESTIMACION PUNTUAL
Definición.
1. ESTIMACION PUNTUAL
Definición.
1. ESTIMACION PUNTUAL
3. Errores
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
FINALIDAD
INTERVALOS DE CONFIANZA
FINALIDAD
PARAMETRO
MEDIA, V(X), PROPORCION
Ɵ
PUNTO CRITICO
PUNTO CRITICO
SUPERIOR
INFERIOR
LIMITE SUPERIOR
LIMIE INFERIOR
Ɵ2
Ɵ1
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
FINALIDAD
PARAMETRO
MEDIA, V(X), PROPORCION
NIVEL DE NIVEL DE TOTAL
CONFIANZA SIGNIFICANCIA
(Y) ALFA= ERROR
INTERVALOS DE CONFIANZA
1. MEDIA DE LA POBLACION
2. VARIANZA
3. DESVIACION TIPICA PARAMETRO
MEDIA, V(X),
4. PROPORCION DE LA POBLACION PROPORCION
PUNTO
PUNTO CRITICO
CRITICO SUPERIOR
INFERIOR LIMITE
LIMIE SUPERIOR
INFERIOR Ɵ2
Ɵ1
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: PARA UNA POBLACION
PARAMETRO
1. ELEGIR UN TAMAÑO DE MUESTRA MEDIA, V(X),
PROPORCION
2. ESTABLECER UN NIVEL DE SIGNIFICANCIA
3. DETERMINAR EL ESTADITICO DE INVESTIGACION
(pueden ser ( Z, T, CHI – CUADRADO y F) Ɵ
4. CALCULAR EL ESTADISTICO DE ESTUDIO DE PUNTO
PUNTO CRITICO
CRITICO
ANALISIS SELECCIONADO INFERIOR
SUPERIOR
LIMITE
LIMIE SUPERIOR
5. CONTRUIR EL INTERVALO DE CONFIANZA INFERIOR Ɵ2
Ɵ1
6. INTERPRETACION
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA
CASOS
Z= (X – u) / (σ/ RAIZ(n)
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
CASOS:
INTERVALOS DE CONFIANZA
CASOS
U= 0
Z =Z PROB(Z-) PROB(Z+)
E= Z*ds/Raíz(n)
X-Z*ds/Raiz(n)
NIVEL DE SIGNIFICANCIA(σ) NIVEL DE CONFIANZA (Y)
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
Ejemplo
La Facultad de Educación de cierta universidad desea
estimar la calificación media de los expedientes de los
alumnos, se conoce por otros cursos que la desviación
estándar de las puntuaciones en la facultad es 1.5
puntos y la media de la muestra es 6 puntos. Si se
eligen una muestra 30 alumnos en la Facultad
a. Hallar el intervalo de confianza para el 95%. Z =Z
b. Hallar el intervalo de confianza para el 80%.
c. Hallar el intervalo de confianza para el 85%. Ɵ
Z = (+-) 1.96 PARAMETRO
Solución MEDIA, V(X),
PROPORCION
n = 30 Zalfa/2 Z1- alfa/2
Media (x) = 6 puntos
Desv (N) = 1.5
0.025 (alfa)
Procedimientos
1. n=30 alumnos PUNTO CRITICO
PUNTO CRITICO
2. Nivel de significancia (alfa) = 0.05 INFERIOR
SUPERIOR
LIMITE SUPERIOR
0.025 (alfa) LIMIE INFERIOR
Ɵ1
Ɵ2
Y= 0.95 X-Z*ds/Raiz(n)
X+Z*ds/Raiz(n)
Y(nuevo) = 0.975
INFERENCIA ESTADISTICA
Procedimientos
0.025 (alfa) 5.4632 <= u <= 6.5368
1. n=30 alumnos
5. Construcción de intervalo
2. Nivel de significancia (alfa) = 0.05
0.025 (alfa) 6. Interpretacion
Respta:
Y= 0.95 Y(nuevo) = 0.975 El IC(u) de las calificación
de expedientes de alumnos de la
Facultad de educación es de 5.4632
3. Elegir la estadística de análisis
y 6.5368 puntos, con un alfa de 0.05
Como la varianza es conocida el
5.4632 6.5368
estadístico es la distrib norma (Z)
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
Ejemplo
La Facultad de Educación de cierta universidad desea estimar la
calificación media de los expedientes de los alumnos, se conoce por
4. Calculo de la estadística de análisis
otros cursos que la desviación estándar de las puntuaciones en la
<= u <=
facultad es 1.5 puntos y la media de la muestra es 6 puntos. Si se
eligen una muestra 30 alumnos en la Facultad X – Z(α/2) * ds/Raíz(n) X + Z(1 – α/2) *ds/Raiz(n)
a. Hallar el intervalo de confianza para el 80%.
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
Ejemplo
La Facultad de Educación de cierta universidad desea estimar la
calificación media de los expedientes de los alumnos, se conoce
4. Calculo de la estadística de análisis
por otros cursos que la desviación estándar de las puntuaciones
en la facultad es 1.5 puntos y la media de la muestra es 6 puntos.
Si se eligen una muestra 30 alumnos en la Facultad X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
c. Hallar el intervalo de confianza para el 85%.
Solución c:
6 – 1.44* 1.5/Raíz(30) <= u <= 6 + 1.44*1.5/Raiz(30)
Datos Z =Z
n = 30
Media (x) = 6 puntos
6 – 0.39436 <= u <= 6 + 0. 39436
Z = (+-) 1.44
Desv (N) = 1.5
Ejemplo 2:
INTERVALOS DE CONFIANZA
La Facultad de Educación de cierta universidad desea
estimar la calificación media de los expedientes de los 4. Calculo de la estadística de análisis
alumnos, se conoce por otros cursos que la desviación
estándar de las puntuaciones en la facultad es 2.5
puntos y la media de la muestra es 8 puntos. Si se X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
eligen una muestra 49 alumnos en la Facultad
a. Hallar el intervalo de confianza para el 90%.
b. Hallar el intervalo de confianza para el 85%.
c. Hallar el intervalo de confianza para el 75%. 8 – 1.65* 2.5/Raíz(49) <= u <= 8+ 1.65* 2.5/Raíz(49)
Solución a:
Datos : Z = 1.65 8 – 0.58929 <= u <= 8 + 0.58929
n = 49
Media (x) = 8 puntos
Desv (N) = 2.5
7.41071 <= u <= 8.58929
0.05 (alfa)
Procedimientos 5. Construcción de intervalo 6. Interpretacion
1. n=49 alumnos
2. Nivel de significancia (alfa) = 0.10
0.05 (alfa) El IC(u) de las calificación de
Y= 0.90 Y(nuevo) = 0.95 expedientes de alumnos de la
Facultad de educación es de
3. Estadística de análisis: 7.41071 y 8.58929 puntos, con
Se tiene varianza conocida, y el estadístico de 7.41071 8.58929 un alfa de 0.15
análisis es la distrib Z(0,1)
INFERENCIA ESTADISTICA
Ejemplo 2:
INTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: DE UNA Y DOS POBLACIONES
CASOS
𝑋1 − 𝑋2 − (µ1 − µ2
CASOS: 𝑍=
σ1 σ2
+
𝑛1 𝑛2
2.1. PARA n >= 30 ……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )
𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student σ1 σ2
𝑛1 + 𝑛2
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: DE UNA Y DOS POBLACIONES
CASOS 𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
σ 1 σ2
2. CUANDO LA VARIANZA NO ES CONOCIDA 𝑛1 + 𝑛2
CASOS:
𝑋1 − 𝑋2 − (µ1 − µ2
2.1. CON VARIAZAS IGUALES 𝑇=
σ1 σ2
EN ESTE CASO SE UTILIZA LA VARIANZA CONJUTA 𝑛1 + 𝑛2
2.2. CON VARIANZAS DIFERENTES SOLO PARA EL CASO DE n<30
SE UTILIZA LOS GRADOS DE LIBERTAD (V) PARA LA DISTRIBUCION T OBTENIDA DE
LA TABLA T(n-1)gl, α T(v)gl, α
INTERVALOS DE CONFIANZA Z(+ - ) =Z= 1.96
2. PARA LA MEDIA CON VARIANZA DESCONOCIDA
Z= (+-)1.96
2.1. CUANDO n>= 30: Z ( poblaciones grandes)
EJEMPLO
4. Calcular la estadística de estudios
El presidente de una institución deportiva está interesado en conocer el
promedio de Km recorridos por los participantes de una maratón
realizada el año anterior, para establecer nuevas marcas y mejores IC(u): 50 (+-) 1.96*(2.5)/(raíz(225))
tiempos en la maratón a realizarse por el aniversario de dicha
institución, y así establecer nuevos record. Para ello, selecciona una IC(u): 50 (+-) 0.3266
muestra de 225 maratonistas y obtiene una desviación estándar S=
2.5 Km. y una media muestral de 50 Km.
a. Determinar el intervalo de confianza al 95%. 50 – 0.3266<= u<= 50 + 0.3266
b. Determinar el intervalo de confianza al 98%.
c. Determinar el intervalo de confianza al 90%.
49.6734<= u<= 50.3266
Procedimiento 0.025
1. n= 225
5. Graficas el IC(u)
2. NS = alfa =0.05 0.025
Ynuevo = 0.975
SOLUCION: a
3. Establecer la estadística de análisis
Como el estudios es para un IC(u) con varianza
X = 50 km desconocida y una población >= 30. El estadístico
S = 2.5 km de estudio es la distribución normal estándar (Z(0,1)) 49.6734 50.3266
n = 225
X = 150.09 gr
2. NS = alfa =0.05 0.025 150.09 - 0.49997 <= u<= 150.09 + 0.49997
S = 0.6989 gr 149.59003 <= u<= 150.58997
Ynuevo = 0.975
n = 10
3. Establecer la estadística de análisis 5. Graficas el IC(u)
a. T = ….. (Y= 0.95)
Como el estudios es para un IC(u) con varianza
b. T=……..(Y = 0.99)
desconocida y una población < 30. El estadístico de
c. T=……..(Y= 0.96
estudio es la distribución
Tcal
Casos
2. Para n <30 …..T p P T(n-1)grados de libertad , (alfa)
T
P Q
Se utiliza la distribución t - Student ( poblaciones pequeñas)
T(n-1)grados de libertad , (alfa)
Donde:
Solución: b
Z = (0.90 – 0.95) / (raíz cuadrada ( 0.95(0.05))/225
P = 0.95
Q = 0.05
Z =- (0.05) / (raíz cuadrada ( 0.95(0.05))/225
p= 0.90
n=225 Z = - 3.441236007
Respuesta :
La probabilidad de las mujeres
Que no han tenido algún trabajo temporal
es 0.0003
Distribuciones muestrales de probabilidad
2. Para la proporción
2.1. para n >= 30: se aplica la distribución normal estándar
En una instituto superior de enseñanza se conoce que de la población de mujeres, el 95%, tiene cierta incertidumbre sobre su
futuro laboral, si se extrae de la población una muestra de 225 mujeres.
c. Cuál es la probabilidad de que la proporción de la muestra que no ha tenidos un trabajo laboral sea 0.75?.
Solución: a
Donde:
X2 : Chi cuadrado
n: tamaño de la muestra
S2 : varianza de muestra
V(X)= σ2 : varianza de la población
NOTA:
La distribución Chi – Cuadrado es ASIMETRICA
Los valores en la tabla son positivos
Lectura de tabla distribución Chi - cuadrado
24.788
Distribuciones muestrales de probabilidad
2. Para la Varianza IC(σ2 ):
En un laboratorio de ensayo se lleva una muestra de 10 cables para 4. Calculara la estadística
obtener de sus cargas de rotura a la tracción. Los resultados son los
siguiente280, 295, 308, 320, 265, 350, 300, 310, 285, 310. ((n-1)*S2 )/ (n-1), (1- α/2) <= σ2 <= ((n-1)*S2 )/ (n-1), (α/2)
a. Determinar el intervalo de confianza al 90% para la varianza de la
población
b. Hallar los puntos críticos para la desviación estándar la población al ((9)*554.011 )/ (9), (1- α/2) <= σ2 <= ((9)* 554.011 )/ (9), (α/2)
90%
Solución: a ((9)*554.011 )/ (16.92) <= σ2 <= ((9)*554.011 )/ (3.33)
Y= 0.90
α = 0.10
S2 = 554. 011
294.6867021) <= σ2 <= 1495.327027
n=10
5. Construcción del IC(σ2 )
Procedimiento
α/2= 0.05
Y = 0.95 = 1 – α/2
1. n= 10
2. α = 0.10 α /2= 0.05
3. Estadística de análisis
el problema busca estimar la
Varianza de la población, es decir se aplica
como estadístico de análisis la distribución
294.687 1495.33
Chi- cuadrado.
X2 = ((n-1)* S2 )/ V(X)
INTERVALOS DE CONFIANZA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: DE UNA Y DOS POBLACIONES
CASOS
𝑋1 − 𝑋2 − (µ1 − µ2
CASOS: 𝑍=
σ1 σ2
+
𝑛1 𝑛2
2.1. PARA n >= 30 ……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )
𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student σ1 σ2
𝑛1 + 𝑛2
INFERENCIA ESTADISTICA
INTERVALOS DE CONFIANZA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: DE UNA Y DOS POBLACIONES
CASOS 𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
σ 1 σ2
2. CUANDO LA VARIANZA NO ES CONOCIDA 𝑛1 + 𝑛2
CASOS:
𝑋1 − 𝑋2 − (µ1 − µ2
2.1. CON VARIAZAS IGUALES 𝑇=
σ1 σ2
EN ESTE CASO SE UTILIZA LA VARIANZA CONJUTA 𝑛1 + 𝑛2
2.2. CON VARIANZAS DIFERENTES SOLO PARA EL CASO DE n<30
SE UTILIZA LOS GRADOS DE LIBERTAD (V) PARA LA DISTRIBUCION T OBTENIDA DE
LA TABLA T(n-1)gl, α T(v)gl, α
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
n1= 12 α /2 = 0.05
IC((u1 – u2 )) : (4.5 – 3.4) ) – 0.7022 = 0.3978
n2= 15
X1= 4.5mg/100ml
X2= 3.4mg/100ml
α = 0.10
α /2 = 0.05
IC((u1 – u2 )) : (4.5 – 3.4) ) + 0.7022 = 1.8022 )
Va(X1)= 1
Y = 0.95 0.3978 <= (u1 – u2 ) <=
Var(X2)= 1.5 1.8022
Y = 0.90
α = 0.10
Z = +- 1.64 = 1.64 𝑍=
𝑋1 − 𝑋2 − (µ1 − µ2
RESPUESTA:
σ1 σ2
𝑛1 + 𝑛2 la estimación para la diferencia de medias de
concentraciones acido úrico en el suero de individuos
normales y con sindrome dawn es de 0.3978 y 1.8022
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) mg/100m
0.3978
1.8022
(X1 – X2) ) – Z(α/2) * (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 ) <= (u1 – u2 ) <= (X1 – X2) + Z(α/2) * (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
2.1. PERO IGUALES (σ21 = σ22 ): Z σ1 σ 2
+
𝑛1 𝑛2
𝑋1 − 𝑋2 − (µ1 − µ2
2.2. PERO DIFERENTES (σ21 ≠ σ22 ) T(v)gl, α 𝑇=
σ1 σ2
+
𝑛1 𝑛2
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Z =( (X1 – X2) ) - (u1 – u2 ) )/ (RAIZ( (Sp /n1 ) + (Sp /n2 ))
𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2
Sp = ((n1 -1) S21 + (n2 -1) S22 ) / n1 + n2 - 2 𝑆𝑃 =
𝑛1 + 𝑛2 − 2
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Z =( (X1 – X2) ) - (u1 – u2 ) )/ (RAIZ( (Sp /n1 ) + (Sp /n2 ))
(X1 – X2) ) – Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 )) <= (u1 – u2 ) <= (X1 – X2) – Z(α/2) * ((RAIZ( (Sp /n1 ) + (Sp /n2 ))
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
CASO 2: CON VARIANZAS DESCONOCIDAS (σ21 ,σ22 )
Solución:
2.1. PERO IGUALES (σ21 = σ22 ): Z
𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2
Un grupo de especialistas de la salud tiene como objetivo Estudiar las n 1 (nf) = 9 X1= 12.55 S2 1= 22.77 𝑆𝑃 =
𝑛1 + 𝑛2 − 2
características de la destrucción pulmonar En personas que consumen n 2 (F) = 16 X2= 17.56 S2 2= 20.93
cigarrillo antes de desarrollar el marcado efisema pulmonar. En
personas longevas se practica mediciones de tres índices de
Procedimientos
destrucción pulmonar, en personas que no fuman y en personas con
tabaquismo que mueren repentinamente fuera del nosocomio por
1. n 1 (nf) = 9 , n 2 (F) = 16
0.05
causas no respiratorias. Según el estudio una calificación alta significa
un mayor daño pulmonar y se obtiene las siguientes calificaciones para 2. Nivel de sig= 0.10
9 no fumadoras y16 fumadoras: 0.05
Y= 0.90 Ynuevo = 0.95
No fumadoras: 18 6 11 11 8 18 9 13 19
(X1 – X2) ) - Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 )) <= (u1 – u2 ) <= (X1 – X2) ) + Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 ))
(12.55 – 17.56 ) – 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 )) <= (u1 – u2 ) <= (12.55 – 17.56 ) + 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 ))
(-5.01) – 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 )) <= (u1 – u2 ) <= (- 5.01) + 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 ))
-8.184
- 1.836
(T(n1 – 1)*(n2 – 1) )gl, , α)
Tcalculada =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Ttabla (v) )gl, , α
T =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) T(v) )gl, , α
(X1 – X2) ) – T(V), α* (RAIZ( (σ21 /n1 ) + (σ22 /n2 )) <= (u1 – u2 ) <= (X1 – X2) – T(V), α) * ((RAIZ( (σ21 /n1 ) + (σ22 /n2 ))
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
T(v) )gl, , α
Se busca obtener los grados de libertad mediante el siguiente modelo
En una empresa que fabrica sustancias químicas evalúa la calidad del producto por cantidad de impurezas
Línea n Promedio Varianza
Presentes en un lote.
Para la fabricación utilizan dos líneas de producción 1,2 como cantidad promedio de impurezas en la 1 16 3.2 1.04
sustancia química. Se tomaron muestras aleatorias de cada línea, y se obtiene los resultados siguientes. 2 16 3.0 0.51
Determinar la estimación para los promedios de impurezas químicas en los lotes 1,2,
Al 95 % de confianza
SOLUCION
0.025
1. n1 = 16, n2=16 𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2. Nivel de significancia NV (α) = 0.05 σ1 σ2
0.025 𝑛1 + 𝑛2
Ynuevo = 0.975
3. Estadística de análisis
Como la muestra es menor de 30 y la varianzas son desconocidas y diferentes
Se utiliza la distribución de probabilidad T
T(v) )gl, , α
(X1 – X2) ) – T(V), α* (RAIZ( (σ21 /n1 ) + (σ22 /n2 )) <= (u1 – u2 ) <= (X1 – X2) – T(V), α) * ((RAIZ( (σ21 /n1 ) + (σ22 /n2 ))
(X1 – X2) ) – T(V), α* (RAIZ( (σ21 /n1 ) + (σ22 /n2 )) <= (u1 – u2 ) <= (X1 – X2) – T(V), α) * ((RAIZ( (σ21 /n1 ) + (σ22 /n2 ))
(3.2 – 3.0) – T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 )) <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 ))
(3.2 – 3.0) – T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 )) <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 ))
(3.2 – 3.0) – T(V), α* 0.3112474899 <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* 0.3112474899)
(3.2 – 3.0) – 1.6506* 0.3112474899 <= (u1 – u2 ) <= (3.2 – 3.0) + 1.6506* 0.3112474899)
5. Construir el intervalo
6. Conclusión
la estimación para evaluar la calidad de las
sustancias químicas según cantidad de impurezas es
-0.3175 y 0.714 con un nivel de significancias de 0.05
-0.3137451069 0.7137451069
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Universidad del Perú. Decana de América
FACULTAD DE CIENCIAS ECONOMIA
ESTADISTICA II
PRACTICA DOMICILIARIA
GRACIAS
JOVENES