ACA 1

ACA CORTE No1 ESTADISTICA PARA ANÁLISIS DE DATOS– CUN-

12MAR24

Nombres y Apellidos: Dayanna Julio Ramírez Código:84ET3-23ET4

Nombres y Apellidos: Wendy Cifuentes Parra Código:84ET3-23ET4
Nombres y Apellidos: Biviana Marcela Patiño Código:84ET3-23ET4
Nombres y Apellidos Wilson Sinuco Moreno Código:84ET3-23ET4

Nota: Lo pueden realizar entre uno a tres estudiantes. Consta

de 2 partes. Debe estar completo y bien justificado. La
solución debe ser entregada de acuerdo con las fechas en
Cdigital. El archivo adjunto está la información que usted
necesita.

PARTE 01 (60%)

Resolver los siguientes problemas usando Inferencia Clásica.

Tener presente que son dos muestras de diferente tamaño.
Resultados con justificación.

1. Con respecto a los inmuebles del sector B, estimar el

porcentaje (proporción) y error estándar de inmuebles
residenciales que hace parte del estrato bajo entre de 65 y
85 (inclusive) metros cuadrados construidos.

PROPORCIÓN ERROR ESTANDAR

P= 37/71 st (p) =+RAIZ(C15*(1-C15)/71)
P= 0,5211 st (p) 0,059286088
P= 52%
2. Proponga un intervalo de confianza del 97,43%, para
establecer la proporción de inmuebles de tipo residencial y
que al mismo tiempo sea de estrato medio para el sector A.

CONFIANZA = 97,43%=0.9743
VARIABLES: RESIDENCIAL Y ESTRATO MEDIO

Inmueble tipo estratonumero habitantes

metros cuadrados
1 Residencial Medio 3 67,11
11 Residencial Medio 3 59,4
19 Residencial Medio 4 67,11
32 Residencial Medio 5 59,4
39 Residencial Medio 2 67,11
44 Residencial Medio 4 59,4
50 Residencial Medio 3 67,11
60 Residencial Medio 1 59,4
68 Residencial Medio 3 67,11
81 Residencial Medio 3 59,4
91 Residencial Medio 5 67,11

PROPORCION SE = √(p̂ * (1 - p̂) / n)

p̂ 11/100 SE= 0,031288976
p̂ 0,11
p̂ 11% Q = 1 – 0,11 = 0.89

El alfa es: 0.0257

a= 100 – 97.43% = 2.57% = 0.0257

𝑎 0.0257
1 - = 1- = 0.98715
2 2

El valor de Z es: 2.230715

Reemplazando tenemos:

Ic (+) = 0,11+2,23*RAIZ((0,11*0,89)/100)
Ic (+) = 0,179774416

Ic (-) = 0,11-2,23*RAIZ((0,11*0,89)/100)
Ic (-) = 0,040225584

3. ¿Es posible inferir que más del 69% de los inmuebles del
sector A tienen menos de 70 metros cuadrados?
Sector A
Inmueble tipo estratonumero habitantes
metros cuadrados
11 Residencial Medio 3 59,4
32 Residencial Medio 5 59,4
44
60
Residencial
Residencial
Medio
Medio
4
1
59,4
59,4
p̂= 46/100
81 Residencial Medio 3 59,4 p̂= 46%
2 Residencial Bajo 7 65,21
20 Residencial Bajo 1 65,21
40 Residencial Bajo 2 65,21
51 Residencial Bajo 4 65,21 Falso, solo el 46% de los inmuebles del
69 Residencial Bajo 7 65,21
92 Residencial Bajo 3 65,21 sector A, tienen menos de 70 metros
35 Residencial Alto 3 65,67
47 Residencial Alto 3 65,67 cuadrados.
84 Residencial Alto 4 65,67
1 Residencial Medio 3 67,11
19 Residencial Medio 4 67,11
39 Residencial Medio 2 67,11
50 Residencial Medio 3 67,11
68 Residencial Medio 3 67,11
91 Residencial Medio 5 67,11
17 Residencial Bajo 1 67,16
66 Residencial Bajo 4 67,16
89 Residencial Bajo 2 67,16
5 Residencial Alto 5 67,8
23 Residencial Alto 5 67,8
54 Residencial Alto 4 67,8
72 Residencial Alto 3 67,8
95 Residencial Alto 3 67,8
6 Residencial Bajo 5 67,82
24 Residencial Bajo 1 67,82
55 Residencial Bajo 1 67,82
73 Residencial Bajo 4 67,82
96 Residencial Bajo 6 67,82
12 Residencial Bajo 1 68,55
33 Residencial Bajo 3 68,55
45 Residencial Bajo 3 68,55
61 Residencial Bajo 6 68,55
82 Residencial Bajo 4 68,55
27 Residencial Bajo 3 69,19
76 Residencial Bajo 2 69,19
99 Residencial Bajo 3 69,19
15 Residencial Bajo 2 69,24
37 Residencial Bajo 2 69,24
49 Residencial Bajo 2 69,24
64 Residencial Bajo 1 69,24
87 Residencial Bajo 4 69,24
4. Usando una prueba de hipótesis con el 97,45% de confianza
e indicar si hay diferencias significativas entre los metros
cuadrados de los inmuebles de sector A y del sector B.
(suponer normalidad) (Sugerencia: No olvide estudiar la
varianza de los metros cuadrados de cada sector para decidir
qué prueba usar)

El alfa (intervalo de significancia) es: 0.0255

El valor de Z es: 2.233742817

MEDIA SECTOR A:

p̂ = 71.742

Varianza

SE = 38.7404

MEDIA SECTOR B:

p̂ = 71.19

Varianza

SE = 56.164

CASO 1:

a= 1/ (0.98725;70;99)= 1/1.62830491 = 0.6141356

b= 1.66080733

Lim inf = 0.6141356 * (56.1645796 / 38.7404254)

Lim inf = 0.890353

Lim sup = 1.6608073 * (56.1645796 / 38.7404254)

Lim sup = 2.407783
CASO 2:

a= 1/ (0.98725;99;70)= 1/1.66080733 = 0.6021168

b= 1.62830491

Lim inf = 0.6021168 * (38.7404254 / 56.1645796)

Lim inf = 0.41531979

Lim sup = 1.62830491 * (38.7404254 / 56.1645796)

Lim sup = 1.1231496

Hay evidencia estadística para decir que las varianzas son iguales ya que el 1 está
en ambos intervalos de confianza.
Ho: δ2 𝑋 = δ2 𝑌
H1: δ2 𝑋 ≠ δ2 Y

5. Pensando en un modelo de Poisson, ¿cuántos habitantes por inmueble

se estima para el sector B? (No olvide calcular el error estandar).
Estime la probabilidad de que las personas tengan entre 4 y 6
habitantes por inmuebles en el sector B. (Aquí NO es necesario calcular
el error estándar).

71
𝑋𝑖 343
𝜆 = ∑ =
𝑁 71
𝑖=1

𝜆 = 4,830985915

Con esto podemos decir que por cada inmueble habitan 4.830986 habitantes
en el sector B.

- Probabilidad de que las personas tengan entre 4 y 6 habitantes por

inmuebles en el sector B.

𝑷(𝑿 = 𝑲) = 𝑒 −λ ∗ 𝜆k / 𝒌!
𝑷(𝟒 ≤ 𝑿 ≤ 𝟔) = 𝑷(𝑿 = 𝟒) + 𝑷(𝑿 = 𝟓) + 𝑷(𝑿 = 𝟔)
P(4 ≤ X ≤ 6) =
6
𝑒 −4,830985915 ∗ 4,830985915 𝑒 −4,830985915 ∗ 4,830985915
∑ +
4 5
𝑥=4
 𝑒 −4,830985915 ∗ 4,830985915
+
6

P(4 ≤ X ≤ 6) = 0.49689923 = 49.68%

En conclusión, la probabilidad de que halla entre 4 y 6 habitantes en

los inmuebles del sector B es del 49.68%

6. Encontrar evidencia estadística para decidir si la proporción de

inmuebles residenciales del Sector B, es 2 veces la proporción de
inmuebles no residenciales.

Inmuebles residenciales: 57
Inmuebles No residenciales: 14
Proporción de residenciales: Px

P 57/71
P 0,802816901

Proporción de No residenciales: Py

P 14/71
P 0,197183099

Calculamos los intervalos de confianza para cada proporción con una

confianza del 99%:

Residenciales:

P 0,802816901
Q = 1 - 0,802816901 = 0,197183099
N = 71
1 – a = 0.99
a/2= 0.005
1-(a/2) = 0.995
𝑍1− 𝑎 = 2.5758
2
Reemplazando tenemos:

Ic (+) = 0,802816901 + 2,5758293* RAIZ ((0,802816901*0,197183099)/71)

Ic (+) = 0,924444183

Ic (-) = 0,802816901 - 2,5758293* RAIZ ((0,802816901*0,197183099)/71)

Ic (-) = 0,681189619

No Residenciales:

P 0.197183099
Q = 1 - 0.197183099 = 0.802816901
N = 71
1 – a = 0.99
a/2= 0.005
1-(a/2) = 0.995
𝑍1− 𝑎 = 2.5758
2

Reemplazando tenemos:

Ic (+) = 0,197183099 + 2,5758293* RAIZ ((0,197183099 * 0,802816901)/71)

Ic (+) = 0,318810381

Ic (-) = 0,197183099 - 2,5758293* RAIZ ((0,197183099 * 0,802816901)/71)

Ic (-) = 0,075555817

Ho: Px=2Py
H1: Px≠2Py

Px − 2Py 0,802816901 − 2(0,197183099)

= = 8.65019159
√𝑃𝑦 ∗ 𝑄𝑦 √0,197183099 ∗ 0.802816901
71 71

La evidencia estadística rechaza la hipótesis nula, lo que significa que

la afirmación de que la proporción de inmuebles residenciales es dos
veces mayor que la de inmuebles no residenciales no es válida.

7. ¿Hay evidencia estadística para decir que la proporción de

inmnuebles NO residenciales del sector A es igual a la proporción de
inmnuebles NO residenciales del sector B?

Inmuebles No residenciales Sector A: 20

Inmuebles No residenciales Sector B: 14

Proporción de No residenciales Sector A: Px

P= 20/100 = 0.20

Proporción de No residenciales Sector B: Py

P=14/71 = 0.197183

Calculamos los intervalos de confianza para cada proporción con una

confianza del 99%:

Inmuebles No residenciales Sector A:

P= 20/100 = 0.20
Q= 1- 0.20 = 0.80
N= 100

1-a = 0.99
A= 0.01

a/2= 0.01 / 2 = 0.005

1-(a/2) = 0.995
𝑍1− 𝑎 = 2.5758
2

Reemplazando tenemos:

Ic (+) = 0,20 + 2,5758293 * RAIZ ((0,20 * 0,80)/100)

Ic (+) = 0,303033172

Ic (-) = 0,20 - 2.5758293 * RAIZ ((0,20 * 0,80)/100)

Ic (-) = 0,096966828
Inmuebles No residenciales Sector B:

P=14/71 = 0.197183
Q= 1- 0,197183 = 0,802817
N= 71

1-a = 0.99
A= 0.01
a/2= 0.01 / 2 = 0.005
1-(a/2) = 0.995
𝑍1− 𝑎 = 2.5758
2

Reemplazando tenemos:

Ic (+) = 0,197183+ 2,5758293 * RAIZ ((0,197183 * 0,802817)/100)

Ic (+) = 0,29966795

Ic (-) = 0,197183- 2,5758293 * RAIZ ((0.197183 * 0,802817)/100)

Ic (-) = 0,09469805
Ho: Px=Py
H1: Px≠Py

Px − Py 0.20 − 2(0,197183099)
= = 0.05965649
√𝑃𝑦 ∗ 𝑄𝑦 √0,197183099 ∗ 0.802816901
71 71

La evidencia estadística indica que las proporciones no son iguales.

PARTE 02 (40%)

Resolver:

1. Sea una muestra dada por 4,3,4,5,4,3,2,3,4,5 asumir normalidad y

responder:

a. La estimación del promedio es 3.7

b. Un intervalo de confianza del 95% para la media es:

CONFIANZA 0,95 ALFA 0,05

0,975
9 2,262157163
LIM INF 3,02
LIM SUP 4,38

c. Un intervalo de confianza del 92% para la varianza del punto 1 es:

N 10
S2 0,9
Alfa 0,08
Confianza 0,92
CHI 2 DERECHO 17,60827684
CHI 2 IZQUIERDO 3,104670565

LIM INF 0,460010941

LIM SUP 2,60897246
 2. Si se tiene otra muestra dada por 4,5,2,5,2,4,2. Asumiendo
normalidad y aceptando sin comprobar que las varianzas son iguales
pero desconocidas, ¿será que hay evidencia estadística para decir
que hay diferencia significativa entre esta muestra y la muestra
dada por el punto 1.?

PUNTO 1(x) 4 3 4 5 4 3 2 3 4 5
PUNTO 2(y) 4 5 2 5 2 4 2

PUNTO 2 PUNTO 1
VARIANZA 1,95238095 0,9
S 1,39727626 0,9486833 0,9486833
RAIZ DE N 2,64575131 3,16227766
VARIABILIDAD ST 0,52812079 0,3
ERROR 0

Sx^2 0,9 conf 92% alfa

f(1-alfa/2;ny- f(0,96;6;9
Sy^2 2,0 1;nx-1) ) 3,66 0,08
a 0,27 0,96
b 4,52 9 x
6 y
f(1-alfa/2;nx- f(0,96;9;6 4,5232206
1;ny-1) ) 9

hay evidencia para decir que las varianzas son iguales, porque el 1 está
Liminf 0,59 en el intervalo
Limsup 9,81 de confianza

X Y Diferencia
estimacion diferencia de medias 3,7 3,43 0,3
Variabilida
d Sp2 1,32095238
Sp 1,14932693
St 0,56639449

Confianza 92% alfa 0,08

Error 1,06 t(0,96;15) 1,88

hay evidencia est. Para decir que no hay diferencia de medias

Liminf -0,79 ya que 0 está
Limsup 1,33 en el intervalo

T0 0,47922177

3. Si se sabe con anterioridad que un intervalo de confianza del 95%

para estimar una proporción es (0.9167, 0.9500), se puede deducir
del intervalo que la proporción estimada es 0,93335.

Lim inferior 0,9167

lim Superior 0,9500

1-a= 0,95
a 0,05
a/2 0,025

1-(a/2) 0,975
1,95996

Proporción 0,93335
q= 1 - p 0,06665
E= 0,01665

n= 862,0066696

n≈ 862

2
𝝈 p
0,0000721662

Por lo tanto, La proporción es igual a 0,93335 y su variabilidad es de

0,0000721662.

4. Asumiendo que la muestra dada por 3,4,3,2,3,4,5,6 es Poisson,

entonces:

a. El parámetro del modelo Poisson estimado es 3,75

b. Su error estándar o variabilidad es 0,46875

P (3+4+3+2+3+4+5+6)/8
P 3,75

V 3,75 / 8
V 0,46875