Universidad Autónoma de Yucatán

Facultad de Matemáticas

Licenciatura en Ingeniería de Software (MEFI)

Inferencia Estadística
Profesora: María Diódora Kantún Chim

ADA 4
Integrantes:
Alejandro A. Rosado Gamboa(No trabajó)
José Armando Avilés López(No trabajó)
Miguel Omar Salas Chalé
Indra Michelle Tzab Chan
Gildardo Adrián Maldonado Santiago

Fecha de Entrega: 21 de Noviembre de 2023

 a) Suponiendo que los datos de la variabilidad de la cantidad de calcio en agua potable
2
tiene distribución normal, se nos pide un I.C para la σ :
donde se tienen estos datos a partir de la descripción del problema:

Dado que no conocemos la media poblacional usaremos el siguiente IC:

Entonces se realiza el cálculo del I.C del 90% de confianza:

Así el intervalo (0.0129 , 0.1246) tiene un 90% de confianza de contener a la

2
verdadera varianza σ . Podemos considerar el supuesto de que la distribución de las
mediciones de la cantidad de calcio proviene de una distribución normal y que no
conocemos la media poblacional.

b) Dado el IC (0.0129 , 0.1246) hay un 90% de confianza de que la verdadera

variabilidad de calcio en el agua potable se encuentra entre 0.0129 y 0.1246 partes
por millón.

Solución:
a)
suponemos que los datos de la muestra aleatoria de las 12 graduadas de la escuela
2
secretarial provienen de una distribución normal, además desconocemos a σ

En este problema tenemos los siguientes datos:

Entonces el I.C adecuado para µ es:

Ahora realizamos el cálculo del I.C. del 95%:

Hay un 95% de confianza de que el número promedio de palabras tecleadas por los
graduadas de la escuela se encuentre en el intervalo ( 74.34 , 84.26 )
b)
en este caso para que el IC usado sea válido debemos suponer que la m.a. de las 12
graduadas proviene de una distribución normal, además de que la varianza poblacional es
desconocida.

Dado que la muestra proviene de una distribución bernoulli, ya que el trabajador de

18 años o mas puede o no considerar que su ingreso por pensión será suficiente y
el tamaño de la muestra es grande entonces podemos usar el sig IC con un nivel de
confianza del 95%
^^
^ 𝑝𝑞
𝑝 ± 𝑍∝ 𝑛
2

donde:
𝑛 = 6100
^
𝑝 = 0. 629
^
𝑞 = 0. 371
∝ = 0. 05
∝
2
= 0. 025

𝑍0.025 = 1. 96

Sustituimos:
^^
𝑝𝑞 (0.629)(0.371)
𝑛
= 6100
= 0. 0000382556

0. 629±1. 96(0. 0000382556)

El intervalo sería entonces:
(0. 628925, 0. 629074)
Como observamos, 0.5 no se encuentra dentro del intervalo, el intervalo está por
encima de 0.5, por lo que concluimos que la mayoría de trabajadores de tiempo
completo de 18 años o más que consideran que al jubilarse su ingreso por pensión
no sería suficiente, son mayoría, esto con un nivel de confianza del 95%.

Datos con los que contamos:

𝑛=7

𝑋 = 10. 02857143
∝ = 0. 05
∝
2
= 0. 025

𝑡∝ = 𝑡0.025,6 = 2. 447
2
,𝑛−1

Suponiendo que la muestra tenga una distribución normal:

Entonces, se desconoce la varianza y se desea estimar un intervalo de confianza de

95% para µ

2
Obtenemos 𝑆 :
𝑛 2
∑ (𝑥𝑖−𝑋)
2 𝑖=1
𝑆 = 𝑛−1

Sustituyendo al final obtenemos que:

2
𝑆 = 0. 059047619047552
Entonces
𝑆 = 0. 242997158

Sustituimos todos los valores en:

𝑆
𝑋 ∓ 𝑡∝
2
,𝑛−1 𝑛
 0.242997158
10. 02857143∓2. 447( 2.645751311 )

Al final obtenemos el intervalo. Entonces el intervalo de confianza del 95% para µ

es:

(9. 803828448, 10. 25331441)

Suponiendo que los datos tienen una distribución normal, primero tenemos:
2
σ𝑥 = 6

2
σ𝑌 = 8

𝑋 = 36

𝑌 = 42
∝ = 0. 05
∝
2
= 0. 025

𝑍0.025 = 1. 96

𝑛𝑋 = 50

𝑛𝑌 = 75

Como los datos son independientes y se conocen las varianzas, utilizamos la

siguiente fórmula para intervalo de confianza:

2 2
σ𝑥 σ𝑌
(𝑋 − 𝑌) ∓ 𝑍 ∝ 𝑛𝑋
+ 𝑛𝑌
2

Sustituyendo todos los valores obtenemos:

− 6∓1. 96(1. 254)
− 6∓2. 45784
Es decir, el intervalo de confianza para la diferencia de medias con el 95% de
confianza es:
 (− 8. 4578, − 3. 54216)

al ser una muestra grande y tratarse de una muestra binomial (pues los experimentos
bernoulli son si la familia se encuentra suscrita o no a HBO) usaremos el IC para la
proporciòn con un nivel de confianza del 95% y como se nos pide la mayor proporciòn real
usaremos el IC de cota superior

𝑝𝑞
𝑝 ∈ (𝑝 + 𝑍α 𝑛
)
donde:

𝑝 = 0. 68
𝑞 = 0. 32
𝑛 = 500
α = 0. 05
𝑍0.05 ≈ 𝑍0.0495 = 1. 65
(0.68)(0.32)
(0. 68 + 1. 65 500
) = (0. 68 + 0. 0344214) = (0, 0. 7144214)
por lo que la màxima proporciòn que puede alcanzar la proporciòn real de familias suscritas
a HBO con una confianza del 95% està dentro del intervalo (0, 0. 7144214)

tenemos 2 muestras que representan las partes fabricadas de un componente con el

proceso existente y con un proceso nuevo con 𝑛 = 1500 y 𝑛 = 2000 respectivamente
donde se encontró en la primera muestra que 75 artículos fueron defectuosos y 80 en la
segunda.
Ambas son muestras grandes, los tipos de muestra que tenemos siguen una distribuciòn
binomial pues cada elemento de las muestras es un experimento bernoulli en el que

𝑋𝐼 = 1 𝑆𝑖 𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑜 0 𝑠𝑖 𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝑛𝑜 𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑐𝑜𝑛 𝑒𝑙 𝑚è𝑡𝑜𝑑𝑜 𝑒𝑥𝑖𝑠𝑡𝑒𝑛𝑡𝑒

𝑦𝐼 = 1 𝑆𝑖 𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑜 0 𝑠𝑖 𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝑛𝑜 𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑐𝑜𝑛 𝑒𝑙 𝑚è𝑡𝑜𝑑𝑜 𝑛𝑢𝑒𝑣𝑜

además se nos pide encontrar un IC del 90% para la diferencia real en la fracción de
defectuosos entre ambos procesos, es decir un IC para la diferencia de proporciones.
dado todo lo anterior usaremos el siguiente IC

𝑝𝑥𝑞𝑥 𝑝𝑦𝑞𝑦
𝑝𝑥 − 𝑝𝑦 ∈ (𝑝𝑥 − 𝑝𝑦 ± 𝑍α/2 𝑛𝑥
+ 𝑛𝑦
)
donde:
𝑝𝑥 = 0. 05 𝑞𝑥 = 0. 95 𝑛𝑥 = 1500 α = 0. 1

𝑝𝑦 = 0. 04 𝑞𝑦 = 0. 96 𝑛𝑦 = 2000 α/2 = 0. 05 𝑍0.05 ≈ 𝑍0.0495 = 1. 65

entonces:

𝑝𝑥𝑞𝑥 𝑝𝑦𝑞𝑦
𝑝𝑥 − 𝑝𝑦 ∈ (𝑝𝑥 − 𝑝𝑦 ± 𝑍α/2 𝑛𝑥
+ 𝑛𝑦
)

(0.05)(0.95) (0.04)(0.96)
= 𝑝𝑥 − 𝑝𝑦 ∈ (0. 05 − 0. 04 ± 1. 65 1500
+ 2000
)
= 𝑝𝑥 − 𝑝𝑦 ∈ (0. 01 ± 1. 65 0. 0000316667 + 0. 0000192)

= 𝑝𝑥 − 𝑝𝑦 ∈ (0. 01 ± 1. 65 0. 0000508667)
= 𝑝𝑥 − 𝑝𝑦 ∈ (0. 01 ± 1. 65(0. 0071320895))
= 𝑝𝑥 − 𝑝𝑦 ∈ (0. 01 ± 0. 0117679477)
= 𝑝𝑥 − 𝑝𝑦 ∈ (− 0. 0017679477, 0. 0217679477)
por lo que hay un 90% de confianza de que la diferencia real de las proporciones de
artículos defectuosos en ambos procedimientos esté en el intervalo (− 0. 0017, 0. 0217).
Dado que el intervalo contiene al 0 se puede decir que las proporciones son iguales por lo
que no existe una diferencia entre la proporción de artículos defectuosos de ambos
procesos entonces ninguno de los procesos es mejor o peor.

2
Se requiere un IC con 95% de nivel de confianza para la varianza σ de los paquetes de
semillas de pasto que distribuye la compañía.

Suponemos que la muestra proviene de una distribución normal y no conocemos ni la media

ni la varianza poblacional por lo que podemos estimar la media y varianza muestral.

1 − α = 0. 95 𝑛 = 10
α = 0. 05 𝑋 = 46. 12
 2
α/2 = 0. 025 𝑆 = 0. 2862222222
1-α/2 = 0. 975

entonces el IC que usaremos será:

2 2 2
(𝑛−1)𝑆 (𝑛−1)𝑆
2 ≤ σ ≤ 2
χα/2,𝑛−1 χ1−α/2,𝑛−1

donde:
2 2
χ1−α/2,𝑛−1 = χ0.975,9 = 2. 70
2 2
χα/2,𝑛−1 = χ0.025,9 = 19. 02
2
𝑆 = 0. 2862222222
𝑛 = 10

(9)(0.2862) 2 (9)(0.2862) 2.5758 2 2.5758 2

19.02
≤ σ ≤ 2.7
= 19.02
≤ σ ≤ 2.7
= 0. 1354 ≤ σ ≤ 0. 9540

por lo que hay un 95% de confianza de que la verdadera varianza de los pesos de los
paquetes de semillas de pasto que distribuye una compañía se encuentre en (0.1354,
0.9540) gramos.