Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ADA 2 Inferencia Estadistica LIS Equipo 6-Calificado
ADA 2 Inferencia Estadistica LIS Equipo 6-Calificado
Facultad de Matemáticas
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
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
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(0≤𝑍≤2) = 0. 47725
entonces
2𝑃(0≤𝑍≤2) = 2(0. 47725) = 0. 9545 = 95. 45%
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:
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
b)
Utilizando la aproximación a la normal:
teniendo en cuenta el TLC con n=35>30
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(− 0. 17 < 𝑍 < 0. 51) = 𝑃(0 > 𝑍 > 0. 17) + 𝑃(0 > 𝑍 > 0. 51) = 0. 0674 + 0. 1949 = 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:
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
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.
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.
Ahora, calculamos el margen de error (ME) utilizando la desviación estándar de la media muestral y
el valor crítico de la distribución normal estándar:
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)
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:
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