Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nota: todos deben ser resuelto y con una breve explicación de cómo se resolvió el
problema
Según la "teoría de enero", si el mercado de valores está al alza a finales de enero, también
estará "al alza" durante todo el año. Si está "bajo" a finales de enero, estará "bajo" durante todo
el año. En los últimos 34 años, esta teoría demostró ser cierta durante 29 años. Una teoría
diferente es que el cambio de mercado a finales de enero y el cambio de mercado a finales de
año no están relacionados. Específicamente, para cualquier cambio en el mercado en enero, la
probabilidad de que el mercado esté "al alza" o "a la baja" al final del año es igualmente
probable; es decir, la probabilidad es 0,5. Necesitará un paquete de software estadístico para
ayudarle a resolver este problema.
a. Con base en la historia, ¿cuál es la probabilidad de que un año termine con un mercado
"alcista" cuando enero termina con un mercado "alcista"?
b. Si el cambio de mercado de enero y el cambio de mercado de fin de año no están
relacionados, la probabilidad de que el mercado esté "al alza" con un enero "al alza" es 0,5.
Utilizando 0,5, ¿cuál es la probabilidad de que el mercado suba 29 años o más? ¿Cuál sería el
número medio de años que el mercado estará "al alza"?
C. Con base en el resultado del inciso (b), ¿cuál es su conclusión con respecto a la "teoría de
enero"?
a) La probabilidad de que un año termine con un mercado alcista cuando enero termina
con un mercado alcista es:
29
P(A)= ≈ 0.853
34
b) Dado que la probabilidad de que el mercado esté al alza con un enero al alza es de 0.5,
la probabilidad de que el mercado suba 29 años o más es la misma que la probabilidad
de que el mercado baje 29 años o más, que es:
P(B)=0.5
El número medio de años que el mercado estará al alza es:
Número medio de años=34×0.5=17
c) Basándonos en el resultado del inciso (b), la probabilidad de que el mercado suba 29
años o más (0.5) es mucho menor que la probabilidad histórica basada en la teoría de
enero (0.853). Esto sugiere que la teoría de enero tiene más credibilidad que la
suposición de que el cambio de mercado en enero y diciembre no están relacionados.
La conclusión es que la teoría de enero parece tener una base más sólida que la
suposición de independencia entre los cambios de mercado en enero y diciembre
7-50: Fast Service Truck Lines utiliza exclusivamente la Ford Super Duty F-750. La gerencia
hizo un estudio de los costos de mantenimiento y determinó que el número de millas recorridas
durante el año seguía la distribución normal. La media de la distribución fue de 60.000 millas y
la desviación estándar de 2.000 millas.
a. ¿Qué porcentaje de las Ford Super Duty F-750 registraron 65,200 millas o más?
b. ¿Qué porcentaje de los camiones recorrieron más de 57,060 pero menos de 58,280 millas?
C. ¿Qué porcentaje de los Ford recorrieron 62,000 millas o menos durante el año?
d. ¿Es razonable concluir que alguno de los camiones recorrió más de 70,000 millas? Explicar.
Dada una distribución normal con media μ=60 000 millas y desviación estándar σ=2 000 millas,
podemos calcular los valores z correspondientes para cada parte del problema y luego
consultar la tabla de la distribución normal estándar
a) Para calcular el porcentaje de camiones que registraron 65,200 millas o más, primero
calculamos el valor z correspondiente:
b) Para calcular el porcentaje de camiones que recorrieron más de 57 060 pero menos de
58 280 millas, primero calculamos los valores z correspondientes para ambos extremos:
Para 57 060 millas: Para 58 280 millas:
Luego, consultamos la tabla de la distribución normal estándar para obtener las áreas
correspondientes a z1 y z2. Después, calculamos la diferencia entre estos dos valores
para obtener el porcentaje de camiones que recorrieron más de 57 060 pero menos de
58 280 millas.
P(-1.47≤ Z ≤-0.86)= P(0.86≤ Z ≤1.47)=0.9292-0.8051= 0.1241
c) Para calcular el porcentaje de camiones que recorrieron 62,000 millas o menos durante
el año, primero calculamos el valor z correspondiente:
d) Para determinar si es razonable concluir que alguno de los camiones recorrió más de
70,000 millas, podemos calcular el valor z correspondiente:
Consultando la tabla de la distribución normal estándar, el valor de z=5 indica una
probabilidad extremadamente baja, lo que sugiere que es muy poco probable que
alguno de los camiones haya recorrido más de 70,000 millas. Puesto que al calcular por
definición se obtiene la probabilidad casi nula.
8-22: Según todos los registros de los estudiantes de la Universidad de Camford, los
estudiantes pasan un promedio de 5.5 horas por semana practicando deportes organizados. La
desviación estándar de la población es de 2.2 horas semanales. Con base en una muestra de
121 estudiantes, Healthy Lifestyles Incorporated (HLI) quisiera aplicar el teorema del límite
central para hacer varias estimaciones.
a. Calcule la desviación estándar de la distribución muestral de las medias muestrales.
b. ¿Cuál es la probabilidad de que HLI encuentre una media muestral entre 5 y 6 horas?
C. ¿Calcule la probabilidad de que la media muestral esté entre 5,3 y 5,7 horas?
d. ¿Qué tan extraño sería obtener una media muestral mayor a 6,5 horas?
Para z5=−2.5:
Usando la tabla de la distribución normal estándar, encontramos que
P(z<−2.5)≈0.0062.
Para z6=2.5:
Usando la tabla de la distribución normal estándar, encontramos que
P(z<2.5)≈0.9938.
Por lo tanto, la probabilidad de que la media muestral esté entre 5 y 6 horas es
aproximadamente 0.9938−0.0062=0.9876 o 98.76%.
Para z5.3=−1:
Usando la tabla de la distribución normal estándar, encontramos que P(z<−1)≈0.1587.
Para z5.7=1
Usando la tabla de la distribución normal estándar, encontramos que
P(z<1)≈0.8413.
Por lo tanto, la probabilidad de que la media muestral esté entre 5.3 y 5.7 horas es
aproximadamente 0.8413−0.1587=0.6826 o 68.26%.
9-34: Una encuesta reciente realizada a 50 ejecutivos que fueron despedidos durante una
recesión reciente reveló que les tomó una media de 26 semanas encontrar otro puesto. La
desviación estándar de la muestra fue de 6.2 semanas. Construya un intervalo de confianza del
95% para la media poblacional. ¿Es razonable que la media poblacional sea de 28 semanas?
Justifica tu respuesta.
Para construir un intervalo de confianza del 95% para la media poblacional, utilizaremos la
fórmula del intervalo de confianza para la media poblacional cuando conocemos la desviación
estándar de la muestra:
Donde:
x es la media muestral.
Z es el valor crítico de la distribución normal estándar para el nivel de confianza
deseado (95% en este caso).
σ es la desviación estándar de la muestra.
n es el tamaño de la muestra.
Dado que se trata de un intervalo de confianza del 95%, el valor crítico Z es aproximadamente
1.96 (para un nivel de confianza del 95%).
Sustituyendo los valores proporcionados:
x=26 semanas
σ=6.2 semanas
n=50
26±1.96×0.877
Intervalo de confianza=(24.28,27.72)
El intervalo de confianza del 95% para la media poblacional de la duración de la búsqueda de
empleo es de aproximadamente (24.28, 27.72) semanas.
Ahora, para determinar si es razonable que la media poblacional sea de 28 semanas,
observamos que 28 semanas está fuera del intervalo de confianza calculado. Esto sugiere que
no es razonable asumir que la media poblacional sea de 28 semanas, ya que la verdadera
media poblacional probablemente se encuentra dentro del intervalo de confianza calculado, que
es más estrecho que 28 semanas.
C. Con base en los resultados del inciso (b), realice las pruebas apropiadas de hipótesis para
diferencias en las medias de los factores.
d. Interpretar los resultados en un breve informe.