Universidad Autónoma de Yucatán

Facultad de Matemáticas

Licenciatura en Ingeniería de Software (MEFI)

Inferencia Estadística
Profesora: María Diódora Kantún Chim

ADA 2
Integrantes:
Alejandro A. Rosado Gamboa
José Armando Avilés López
Miguel Omar Salas Chalé
Indra Michelle Tzab Chan
Gildardo Adrián Maldonado Santiago

Fecha de Entrega: 15 de Septiembre de 2023

Problema 1

Se tiene que
𝑋 = Á𝑟𝑒𝑎 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 á𝑟𝑏𝑜𝑙𝑒𝑠 𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑒𝑠 𝑑𝑒 𝑐𝑖𝑒𝑟𝑡𝑜𝑠 𝑏𝑜𝑠𝑞𝑢𝑒𝑠 𝑑𝑒 𝑝𝑖𝑛𝑜𝑠 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑑𝑜𝑠 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑚𝑢𝑐ℎ𝑜𝑠 𝑎ñ𝑜𝑠
𝑒𝑛 𝑝𝑢𝑙𝑔𝑎𝑑𝑎𝑠 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎𝑠.
donde
𝑋~𝑁(𝜇, 14)
n= 16
𝜎= 4

a) Se nos pide encontrar 𝑃(|𝑋 − 𝜇|≤2)

Dado que conocemos la distribución de la v.a. podemos usarla para determinar la

probabilidad.

𝑃(|𝑋 − 𝜇|≤2) = 𝑃(− 2≤𝑋 − 𝜇≤2)

se tiene que 𝑋~𝑁(𝐸(𝑋), 𝑉(𝑋))

2
entonces 𝑋~𝑁(𝜇, 𝜎 /𝑛 )

estandarizando:
𝑋−𝜇 2 2
𝑍 = 2
~𝑁(0, 1 ) pero como 𝜎 /𝑛 = 4 /16 = 1
𝜎 /𝑛

𝑍 = 𝑋 − 𝜇 ~𝑁(0, 1 )

𝑃(− 2≤𝑋 − 𝜇≤2) = 𝑃(− 2≤𝑍≤2)

dado que la gráfica de la normal estándar es simétrica podemos usar una gráfica que nos
dé la probabilidad entre la media y un punto de manera que :

= 𝑃(− 2≤𝑍≤2) = 2𝑃(0≤𝑍≤2)

𝑃(0≤𝑍≤2) = 0. 47725
entonces
2𝑃(0≤𝑍≤2) = 2(0. 47725) = 0. 9545 = 95. 45%

por lo tanto la probabilidad de que la media muestral se desvíe a lo mas 2 pulgadas

cuadradas de la media poblacional es de un 95.45%
 b) Se nos pide encontrar 𝑃(𝑋 ≥ 𝜇 + 2)
haremos algo similar al inciso a)

𝑃(𝑋 ≥ 𝜇 + 2) = 𝑃(𝑋 − 𝜇 ≥ 2)

estandarizando:
2
como vimos en el inciso anterior dado que 𝜎 /𝑛 = 1

𝑍 = 𝑋 − 𝜇 ~𝑁(0, 1 )

entonces
𝑃(𝑋 − 𝜇 ≥ 2) = 𝑃(𝑍 ≥ 2)
podemos usar una gráfica que nos dé la probabilidad de z mayor a un punto obtenemos
que:

𝑃(𝑍 ≥ 2) = 0. 0228 = 2. 28%

por lo tanto la probabilidad de que la media muestral sea más grande que la media
poblacional en 2 unidades es 2.28 lo que significa que es bastante improbable.

Problema 2

a)
tenemos que
𝑃(20 < 𝑋 < 23) = 𝑃(𝑋 = 22) + 𝑃(𝑋 = 21)
entonces
35 22 35−22
𝑃(𝑋 = 22) = 𝐶22* 0. 6 * 0. 4 = 0. 1304
35 21 35−21
𝑃(𝑋 = 21) = 𝐶21* 0. 6 * 0. 4 = 0. 1366
por lo tanto
𝑃(20 < 𝑋 < 23) = 𝑃(𝑋 = 22) + 𝑃(𝑋 = 21) = 0. 1304 + 0. 1366 = 0. 267

utilizando la distribución exacta 𝑃(20 < 𝑋 < 23) = 0. 267

b)
Utilizando la aproximación a la normal:
teniendo en cuenta el TLC con n=35>30

𝑋−𝐸(𝑋) 𝑋−𝑛𝑝 𝑋−35(0.6) 𝑋−21

𝑍 = = = = ~𝑁(0, 1 )
𝑉(𝑋) 𝑛𝑝𝑞 (35)(0.6)(0.4) 8.4
estandarizando:
20−21 𝑋−21 23−21
𝑃(20 < 𝑋 < 23) = 𝑃( < < ) = 𝑃(− 0. 345 < 𝑍 < 0. 69)
8.4 8.4 8.4
dado que la gráfica de la normal estándar es simétrica podemos usar una gráfica que nos
dé la probabilidad entre la media y un punto de manera que :

𝑃(− 0. 34 < 𝑍 < 0. 69) = 𝑃(0 > 𝑍 > 0. 69) + 𝑃(0 > 𝑍 > 0. 34) = 0. 2549 + 0. 1330 = 0. 3879

utilizando la aproximación a la normal tenemos que 𝑃(20 < 𝑋 < 23) =0. 3879

c)
Haremos exactamente lo mismo que en el inciso anterior pero ahora usando el factor de
corrección de modo que :

𝑃(20 < 𝑋 < 23) = 𝑃(20. 5 < 𝑋 < 22. 5)

entonces:

20.5−21 𝑋−21 22.5−21

𝑃( < < ) = 𝑃(− 0. 17 < 𝑍 < 0. 51)
8.4 8.4 8.4
dado que la gráfica de la normal estándar es simétrica podemos usar una gráfica que nos
dé la probabilidad entre la media y un punto de manera que :

𝑃(− 0. 17 < 𝑍 < 0. 51) = 𝑃(0 > 𝑍 > 0. 17) + 𝑃(0 > 𝑍 > 0. 51) = 0. 0674 + 0. 1949 = 0. 2623

utilizando la aproximación a la normal con el factor de corrección tenemos que

𝑃(20 < 𝑋 < 23) =0. 2623

Problema 3

Para determinar cuantas veces debes lanzar un dado para estar al menos 95%
seguro de que salga un seis diste 0.1 de la probabilida teorica de ⅙ se requiere
utilizar la Ley débil de los grandes números:

2
σ
𝑃(|𝑋 − µ| ≥ 𝑘) ≤ 2
𝑛𝑘

Donde:

● 𝑃(|𝑋 − µ|≤𝑘σ)Es la probabilidad de que la media muestral se aleje más de k

unidades de la media poblacional.
● σ^2 es la varianza de la población.
● n es el tamaño de la muestra.
 ● k es la cantidad de desviación permitida.

Donde:
𝑃(|𝑥/𝑛 − 1/60| < 0. 1) ≥ 0. 95
Usando la desigualdad de chevisshev :

( 𝑥
𝑃 || 𝑛 −
1
60
| ≤ 0. 1 ≥ 1 −
| ) 𝑣𝑎𝑟(𝑥/𝑛)

0.1
2

Para un dado la varianza es:

1 5
𝑥 6
* 6
● 𝑣𝑎𝑟( ) = 𝑛 𝑛

Ahora sustituimos:

1 5
6
.* 6
1− 𝑛.0.12
≥ 0. 95

Para n :

1 5
6
. 6
2 ≤ 0. 05
𝑛 . 0.1

5
2 ≤ 0. 05
𝑛 . 0.1

5
𝑛≥ 2
0.05 * 0.1

5
𝑛≥ 0.0005

𝑛 ≥ 10000

Por lo tanto, el número de lanzamientos del dado tendría que ser mayor igual a 10000

Problema 4

Dado que estamos buscando la probabilidad de que la media muestral 𝑋 este entre 0.4 y
0.6 sea al menos 0.9.
Podemos utilizar la distribución binomial
σ = (𝑝𝑞)/𝑛
µ = 𝑛𝑝
queremos determinar
𝑃(0. 4 ≤ 𝑋 ≤ 0. 6) ≥ 90
estandarizamos tenemos que
𝑋−𝐸(𝑋) 𝑋−𝑛𝑝
𝑍 = =
𝑉(𝑋) 𝑛𝑝𝑞

𝑃( 0.4−𝑛𝑝
(𝑝𝑞)/𝑛
≤
𝑋−𝑛𝑝
(𝑝𝑞)/𝑛
≤
0.6−𝑛𝑝
(𝑝𝑞)/𝑛 ) ≥ 90 dado que es una moneda justa p y q son 0.5
𝑃( ) ≥ 90
0.4−𝑛0.5 𝑋−𝑛0.5 0.6−𝑛0.5
≤ ≤
(0.25)/𝑛 (0.25)/𝑛 (0.25)/𝑛

Problema 5

a) Se tiene que:
𝑥−µ
𝑍=
σ− 𝑛
- X es 14.5
- µ es 14 que es la media poblacional.
- σ es 2 que es la desviación estándar poblacional.
-n es 100 que es el tamaño de la muestra.

14.5−14 14.5−14 0.5

𝑍= = 0.2
= 0.2
= 2. 5
2/ 100
Usando una tabla de valores 𝑃(𝑧 > 2. 5) es aproximadamente 0.0062, lo que significa que hay un
0.62% de probabilidad de que el promedio de resistencia a la ruptura de 100 piezas seleccionadas
aleatoriamente exceda de 14.5.

b) Dado que estamos buscando un intervalo de confianza del 95%, podemos usar el percentil 2.5% y
97.5% de una distribución normal estándar (que corresponde a un intervalo de confianza del 95%).
Estos valores son aproximadamente -1.96 y 1.96.

- µ es 14 que es la media poblacional.

- σ es 2 que es la desviación estándar poblacional.
-n es 100 que es el tamaño de la muestra.

Ahora, calculamos el margen de error (ME) utilizando la desviación estándar de la media muestral y
el valor crítico de la distribución normal estándar:

ME=1. 96 * (2 100) = 1. 96 * 0. 2 = 0. 392

Intervalos = (14 − 0. 392, 14 + 0. 392) = (13. 608, 14. 392)

Este es el intervalo de confianza aproximado del 95% para la media de resistencia a la ruptura de 100
piezas de vidrio templado seleccionadas aleatoriamente, utilizando la Ley de los Grandes Números.

Problema 6

Inciso a)

Analizando los datos tenemos que

Se desea encontrar la probabilidad de que por error se rechace la teoría. Menos de 18

personas con insomnio son suficientes para que la teoría sea rechazada por lo que se
desea

Donde n = 50, p = 0.40, q = 0.60

Consultando la tabla de distribución normal, obtenemos una probabilidad de aproximadamente 28%

Inciso b)

Se pide que se calcule la probabilidad de que por equivocación se acepte la teoría, es decir, cuando
18 o más personas tengan insomnio, cuando en realidad solo el 28% de quienes toman chocolate
tienen insomnio

Para resolver el problema también utilizamos Teorema de Límite Central, solo que ahora buscamos
Consultando la tabla de distribución normal llegamos a que la probabilidad es
aproximadamente 0.07%
Problema 7

Para calcular el tamaño de muestra mínimo requerido utilizando la Ley débil de los
grandes números.

2
σ
𝑃(|𝑋 − µ| ≥ 𝑘) ≤ 2
𝑛𝑘

Donde:

● 𝑃(|𝑋 − µ|≤𝑘σ)Es la probabilidad de que la media muestral se aleje más de k

unidades de la media poblacional.
● σ^2 es la varianza de la población.
● n es el tamaño de la muestra.
 ● k es la cantidad de desviación permitida.
En este caso, queremos que la media muestral se aleje a lo sumo 2 días de la
verdadera media poblacional (k=2), con una probabilidad mayor del 90%.
En el caso de una distribución exponencial, sabemos que la media poblacional (μ)
es de 20 días. La varianza de una distribución exponencial es igual a la media al
cuadrado, es decir:
σ^2 = μ^2 = 20^2 = 400.
Entonces, podemos reescribir la desigualdad como:
400
𝑃(|𝑋 − µ|≥𝑘) ≤ 2
𝑛(2)

Tomas el complemento de .90 de la probabilidad, porque es lo que estamos

buscando:
400
2 ≤ 0. 10
𝑛(2)

Y resolvemos para n:
400 400 400
2 ≤ 0. 10→ 2 ≤0. 10 → 4(0.10)
≤𝑛→𝑛≥1000
𝑛(2) 𝑛(2)

Por lo tanto, el tamaño de muestra mínimo requerido para que la media muestral se
aleje a lo sumo 2 días de la verdadera media poblacional con una probabilidad
mayor del 90% es de al menos 1000 artículos