Cuaderno Probabilidad1

0
PROBABILIDAD Y ESTADISTICA APLICADA Y TALLER

2. SEMESTRE INGENIERIAS

CUADERNO DE TRABAJO PARA EL EXAMEN DEPARTAMENTAL

DEPARTAMENTO DE FISICO-MATEMATICAS

UIA

M. en I. C. J Cristbal Crdenas Oviedo

1

Contenido
INTRODUCCION ................................................................................................................................... 3
RECOMENDACIONES ........................................................................................................................... 5
EJEMPLOS RESUELTOS ........................................................................................................................ 6
Estadstica Descriptiva .................................................................................................................... 6
Frecuencia ................................................................................................................................... 7
Medidas de tendencia central ..................................................................................................... 9
Medidas de dispersin .............................................................................................................. 10
Probabilidad ................................................................................................................................. 11
Suma y producto ....................................................................................................................... 11
Condicional ................................................................................................................................ 12
Teorema de Bayes ..................................................................................................................... 15
Binomial..................................................................................................................................... 16
Poisson ...................................................................................................................................... 17
Combinatoria ............................................................................................................................. 18
Distribucin Normal .................................................................................................................. 21
Estadstica Inferencial ................................................................................................................... 23
Valor esperado variable discreta ............................................................................................... 23
Valor esperado variable continua ............................................................................................. 24
Intervalo de confianza para media ............................................................................................ 25
Intervalo de confianza para proporcin .................................................................................... 27
Intervalo de confianza para desviacin estndar ..................................................................... 27
Intervalo de confianza para diferencia de medias .................................................................... 28
Intervalo de confianza para diferencia de proporciones .......................................................... 29
Prueba de hiptesis para la media ............................................................................................ 31
2

Prueba de hiptesis para proporcin ........................................................................................ 32
Prueba de hiptesis diferencia de medias ................................................................................ 33
Prueba de hiptesis diferencia de proporciones ..................................................................... 34
Anlisis de Regresin ..................................................................................................................... 35
Recta de regresin y coeficiente de correlacin ....................................................................... 37
Estadstica No Paramtrica ........................................................................................................... 38
Pruebas no paramtricas .......................................................................................................... 39
EXAMEN PRACTICA............................................................................................................................ 41
REFERENCIAS ..................................................................................................................................... 51
TABLA DE ESPECIFICACIONES ............................................................................................................ 52

3

INTRODUCCION

Este cuaderno tiene como finalidad proporcionar un espacio para conocer el
examen departamental y lo que se espera que resuelva.
Encontrar ejemplos resueltos de los problemas del tipo de los que aparecen en el
examen departamental. Los ejercicios se basan en la tabla de especificaciones o
matriz de conducta y contenido, elaborada para el diseo del examen.
Los problemas evalan una parte esencial de los conceptos y tcnicas bsicas de
la estadstica y de ninguna manera evalan todo el curso.
El trabajo en la resolucin de los ejercicios lo familiarizar con los temas que se
evalan en el examen departamental y con el grado de dificultad que debe
dominar. El trabajo continuo le permitir ganar confianza hasta que la naturaleza y
lenguaje de las preguntas se le haga familiar.
Podr darse cuenta en qu puntos o reas se encuentra ms dbil y en cuales
ms fuerte para as enfocar sus esfuerzos en los puntos ms dbiles, ahorrndole
tiempo en la preparacin de su examen.
Recuerde que si algo no se vio en el curso no es pretexto para no resolverlo ya
que cuenta con sta gua y con las asesoras que se imparten en el Departamento
de Fsico Matemticas.
Durante el curso de Probabilidad y Estadstica tendr la oportunidad de conocer
conceptos y tcnicas de la estadstica y de la probabilidad para llevar un control de
procedimientos y/o procesos.
En el examen departamental, se evala en forma general:
1. Estadstica Descriptiva. Debe manejar los conceptos de: medidas de
tendencia central (media, mediana, moda), de dispersin (varianza,
4

desviacin estndar y rango), frecuencia relativa y frecuencia relativa
acumulada. Debe de identificar un histograma y sus caractersticas.
2. Debe conocer tcnicas de conteo y estar capacitado para encontrar
probabilidades de variables aleatorias discretas como la Binomial, Poisson
e Hipergeomtrica y de variables aleatorias continuas como la normal, t de
Student y ji - cuadrado (uso de tablas). Debe manejar las reglas de suma y
producto para probabilidades y la probabilidad condicional,
3. Estadstica Inferencial. Debe manejar los conceptos de: distribucin
muestral, valor esperado, intervalo de confianza y prueba de hiptesis y
tomar decisiones con stas tcnicas en diferentes casos.
4. Debe conocer la ecuacin de regresin lineal y los conceptos de coeficiente
de correlacin y de determinacin.
5. Debe distinguir las pruebas en casos de Estadstica No Paramtrica.
El xito en el examen depender de:
- Su competencia en la materia
- Entendimiento de la naturaleza del examen y de las condiciones en que lo
presentar
- Actitud emocional o grado de confianza

5

RECOMENDACIONES
- Lea con cuidado cada problema para que lo ubique en el tema que le
corresponde e identifique la pregunta que hace el problema.
- Vuelva leer el problema para identificar las cantidades y relacionarlas con
las ecuaciones pertinentes para resolverlo.
- En caso de ser necesario, haga dibujos o esquemas para aclarar el
problema.
- Aprenda a leer el formulario y el significado de las letras que aparecen en
las frmulas.
- Resuelva, primero, los problemas que crea le son ms fciles.
- Relacione correctamente los datos y las incgnitas con las letras que
aparecen en las ecuaciones.
- Verifique sus clculos.
- Resuelva el examen de prctica del cuaderno.
- Trate de resolver sus asuntos pendientes antes de entrar al examen y
hacer todas las llamadas por telfono que tenga que hacer.
- No coma mucho antes del examen y acuda al bao si es necesario.
- Lleve consigo lpiz y calculadora (No graficadora o programable).
- Al estudiar en el cuaderno, recuerde que si algo no le queda claro:
o Consulte las referencias
o Consulte a su profesor o
o Consulte las asesoras que se imparten en el Departamento de
FSICO-MATEMATICAS.
6

EJEMPLOS RESUELTOS

Estadstica descriptiva

Frecuencia Relativa y Relativa Acumulada
Los datos o mediciones en un experimento: primero se organizan de tal manera
que podamos observar la frecuencia con que se repite cada uno de los posibles
resultados del experimento; segundo, observamos si tienden a agruparse
alrededor de algn valor y tercero, que tanto se dispersan alrededor del valor
central
La frecuencia absoluta o frecuencia es simplemente el nmero de veces que se
repite el valor de cada dato. Si dividimos el nmero de veces que se repite el valor
de un dato entre el nmero total de datos se tiene la frecuencia relativa, (relativa al
total de datos).
La frecuencia relativa siempre ser un nmero entre cero y uno y se relaciona con
el concepto de probabilidad.
Distinguimos dos casos para representar la frecuencia: valores discretos o datos
enteros y valores o datos continuos. En cualquier caso el concepto de frecuencia
absoluta y relativa es el mismo.

Valores discretos.
En la siguiente tabla se muestran los resultados de un estudio de calidad de un
servicio:

7

Frecuencia
Absoluta
Frecuencia
Relativa
Porcentaje
Muy Bueno 24 24/92 = 0.2609 26.09
Bueno 38 38/92 = 0.413 41.3
Regular 16 0.1739 17.39
Malo 9 0.0978 9.78
Muy Malo 5 0.0543 5.43
TOTAL 92 1 100

Observe que la frecuencia relativa se obtiene dividiendo el valor de la frecuencia
absoluta para cada categora entre el total de mediciones, en este caso entre 92.
El porcentaje es, simplemente, la frecuencia relativa multiplicada por 100
La frecuencia relativa acumulada se refiere a la suma de frecuencias relativas en
diferentes intervalos de los resultados posibles.
En general se habla de al menos (cota inferior), cuando mucho (cota superior) o
entre, suma de frecuencias entre dos valores.

Frecuencia (Tema 1.8):
Ejemplo1: De acuerdo a la tabla anterior:
a) La frecuencia relativa de al menos bueno es la suma de las
frecuencias relativas de muy bueno y bueno, 0.2609 + 0.413 = 0.6739.
8

b) La frecuencia relativa de cuando mucho regular es la suma de las
frecuencias relativas de muy malo, malo y regular, 0.1739 + 0.0978 +
0.0543 = 0.3261.

Valores continuos
La tabla representa la variacin en la temperatura de un horno industrial
Temperatura en
un horno (C)
Frecuencia
relativa
500 525 0.08
525.5 - 550 0.14
550.5 - 575 0.32
575.5 - 600 0.26
600.5 - 625 0.2

De acuerdo a la tabla anterior:
c) El porcentaje de valores de al menos 575.5 C, es:
Observe que la tabla reporta la frecuencia relativa y al menos es el lmite inferior,
por lo que se deben sumar las frecuencias relativas del cuarto y quinto intervalo.
0.26 + 0.2 = 0.28. Como se pide porcentaje, multiplicamos por 100 y la respuesta
es 28 %
d) La frecuencia relativa acumulada de cuando mucho 550C, es:
Cuando mucho, es cota superior por lo que se suman las frecuencias relativas del
primero y segundo intervalo 0.08 + 0.14 = 0.22
9

Medidas de tendencia central
Las medidas de tendencia central son:
- Moda, valor de los datos que se repite ms veces, puede haber ms
de uno o ninguno;
- Mediana, valor de los datos que se encuentra a la mitad una vez que
se han ordenado los datos o el promedio de los dos valores que se
encuentran a la mitad;
- Media, promedio de los datos
En el formulario se encuentra para la media de un conjunto de datos:

n
x
x
= . Donde x , es el valor de cada dato y n es el nmero de datos

Ejemplo 2 (Tema 2.1):
Sean los siguientes datos:
22, 21, 26, 24, 22, 25, 26, 23, 27, 29.
Determine la moda, mediana y media.
a) Tiene dos modas, el nmero 22 y el 26
b) Mediana. Ordenamos los datos: 21, 22, 22, 23, 24, 25, 26, 26, 27, 29.
Los valores de los datos que se encuentran a la mitad son el 24 y el 25, la
mediana es (24 + 25)/2 = 24.5
c) La media o promedio es:
10

3 . 22
10
223
10
29 27 26 26 25 24 23 22 22 21
10
10
1
= =
+ + + + + + + + +
= =
= i
i
x
x

Medidas de Dispersin
Las medidas de dispersin son:
- Varianza, promedio de las desviaciones respecto del valor central;
- Desviacin estndar, raz cuadrada de la varianza, tiene la ventaja de tener
las mismas unidades de la variable;
La desviacin estndar de una muestra se calcula como:
( )
1
2
n
x x
s
- Rango. Diferencia entre los valores extremos de los datos

Determine la varianza, la desviacin estndar y el rango para los datos anteriores.
a) Varianza:
( )
1 10
) 3 . 22 29 ( ) 3 . 22 27 ( ) 3 . 22 22 ( ) 3 . 22 22 ( ) 3 . 22 21 (
1
2 2 2 2 2
2
2
+ + + + +
=
n
x x
s

87 . 11
9
81 . 106
9
89 . 44 09 . 22 89 . 2 49 . 0 09 . 0 69 . 1
2
= =
+ + + + + +
=
s

b) Desviacin estndar: 45 . 3 87 . 11
2
= = = s s
11

c) Rango, diferencia entre los valores extremos.
El rango para los datos anteriores es: 29 21 = 8
Nota. Se recomienda aprender a usar su calculadora en el clculo del promedio y
de la varianza o desviacin estndar. En particular el clculo de la varianza (o de
la desviacin estndar) puede ser bastante laborioso y consumirle un tiempo
valioso para resolver el examen.

Probabilidad
Regla de suma:
) ( ) ( ) ( ) ( ) o ( B A P B P A P B A P B A P + = =

Regla del producto (eventos independientes):

) ( ) ( ) ( ) y ( B P A P B A P B A P = =

En un lugar se encuentran 30 personas 18 mujeres y 12 hombres. 2 mujeres son
mayores de 40 aos y 3 hombres son mayores de 40 aos. Si se escoge una
persona al azar, la probabilidad de que sea hombre o que sea mayor de 40 aos
es:
Sean las probabilidades de los eventos hombre (H), mayor de 40 (G) y de ambos
(H y G):
P(H) = 12/30 = 0.4; P(G) = 5/30 = 0.1667; P(H y G) = 3/30 = 0.1
La probabilidad de uno u otro es:
) ( ) ( ) ( ) ( ) o ( G H P G P H P G H P G H P + = =

467 . 0 1 . 0 167 . 0 4 . 0 ) ( ) o ( = + = = G H P G H P

12

Probabilidad Condicional
Para resolver un problema de este tipo:
Primero traduzca la pregunta a la frmula de probabilidad condicional
La probabilidad condicional es:
) (
) (
) / (
B P
B A P
B A P
=

Se lee como la probabilidad de A dado que ocurri B.
Segundo, a partir de la tabla de datos, calcule solo las probabilidades de
inters, esto es, la probabilidad de la interseccin y la probabilidad del evento B


En una agencia de autos, las ventas de un mes, reportaron los siguientes datos.
Rojos Blancos
Medianos 14 8
Grandes 10 18

Encuentre las siguientes probabilidades.
a) Comprar un auto mediano y blanco
b) Dado que se compr un auto blanco que sea grande
c) Dado que el auto es mediano que sea Rojo
13

Para encontrar las tres probabilidades que se piden, conviene hacer una tabla de
probabilidades.

Nota. En el examen, no tiene que hacer toda la tabla, slo tiene que calcular las
probabilidades que se requieran
Rojos Blancos Total
Medianos 14 8 22
Grandes 10 18 28
Total 24 26 50

Dividimos cada celda entre el total y se obtiene la probabilidad correspondiente a
cada evento.

Rojos Blancos Total
Medianos 0.28 0.16 0.44
Grandes 0.2 0.36 0.56
Total 0.48 0.52 1

El cruce de cada fila y columna nos da la probabilidad de que ocurra uno y otro
evento. Por ejemplo, la probabilidad de que sean medianos y rojos es:
28 . 0 ) ( ) y ( = = R M P R M P

14

Al final de cada columna se tienen las probabilidades de que sean rojos o que
sean blancos. Por ejemplo, probabilidad de que sean blancos =
52 . 0 ) ( = B P

Al final de cada fila se tienen las probabilidades de que sean medianos o grandes.
Por ejemplo, probabilidad de grandes,
56 . 0 ) ( = G P

Con estos resultados se puede calcular probabilidad condicional.
Se debe de hacer la traduccin del lenguaje oral al de probabilidades, esto es,
escribir la probabilidad condicional en forma de ecuacin:
a)
16 . 0 ) ( = B M P

b)
86 . 0
52 . 0
36 . 0
) (
) (
) / ( = =
=
B P
B G P
B G P

c)
64 . 0
44 . 0
28 . 0
) (
) (
) / ( = =
=
M P
M R P
M R P

Nota. Si la pregunta fuera la 3, solo hace falta calcular la probabilidad de la
interseccin y la del evento que ocurri primero, no hace falta hacer toda la tabla

Teorema de Bayes.

P(A)
P(B)
P(C)
P(H/A)
P(H/C)
P(H/B)
) ( H A P
) ( H B P
) ( H C P
15

En el diagrama se tienen las probabilidades de 3 resultados posibles en un primer
evento y despus las probabilidades de otro evento dado que ya ocurri el primero.
Al final se reportan las probabilidades de que ocurran uno y otro evento.
El teorema de Bayes permite calcular la probabilidad siguiendo el proceso inverso.
Si ya ocurri el evento H cul es la probabilidad de que venga de A, B o C?
Sean A, B y C enfermedades y H un sntoma que aparece con cualquiera de las 3
enfermedades. Las enfermedades son excluyentes y un estudio indica:
P(A) = 0.02, P(B) = 0.01, P(C) = 0.005 y
P(H/A) = 0.75, P(H/B) = 0.8 y P(H/C) = 0.95.
Dado que ocurri el sntoma H, la probabilidad de que provenga de la enfermedad
B es:
El teorema de Bayes nos dice que dicha probabilidad se obtiene dividiendo la
probabilidad de B y H entre las suma de las probabilidades de las intersecciones.
Esto es:
00475 . 0 008 . 0 015 . 0
008 .
) ( ) ( ) (
) (
) / (
+ +
=
+ +
=
H C P H B P H A P
H B P
H B P

Observe que las intersecciones corresponden a las ramas finales del rbol y que
cada interseccin es el producto de las probabilidades de las ramas anteriores, de
la forma:

) / ( ) ( ) ( A H P A P H A P =

Si se hubiera pedido la probabilidad de que dado H viniera de C, cambiamos el
numerador por la probabilidad de C y H
16

) ( ) ( ) (
) (
) / (
H C P H B P H A P
H C P
H C P
+ +
=

Variables Aleatorias Discretas.
Son aquellas variables que en un experimento solo pueden tener resultados con
nmeros enteros. Por ejemplo, la respuesta es xito o fracaso (binomial) o la
respuesta es el nmero de veces (frecuencia) que ocurre un evento en un
intervalo de tiempo o espacio (Poisson).
En los casos de variables aleatorias discretas se puede encontrar una frmula que
permite calcular la probabilidad de que ocurra exactamente un valor posible de las
respuestas.
Ejemplos:
Experimento de tipo Binomial. Las respuestas posibles son: si o no, xito o
fracaso, etc. Slo hay dos respuestas posibles. En este caso, la probabilidad de
que la variable tome exactamente el valor x cuando hay n ensayos est dada por
la frmula

x n x
x n
p p C x X P
= = ) 1 ( ) (


a) La probabilidad de que una persona tenga gripe es de 0.3 = p. La
probabilidad de que 5 (x) personas de 20 (n) tengan gripe es:

5 20 5
5 20
) 1 ( ) 5 (
= = p p C X P
P(X = 5) = 15504(0.3)
5
(1-0.3)
(20-5)
= 0.1789
17

Recuerde que debe distinguir en los casos de probabilidad acumulada cuando se
dice al menos o cuando se dice cuando mucho. En el primer caso, al menos es
el lmite inferior y el segundo, cuando mucho, es lmite superior.
b) Encuentre la probabilidad de que cuando mucho 2 tengan gripe. Se
calcula la probabilidad de 0, de 1 y de 2 y se suman.
) 2 ( ) 1 ( ) 0 ( ) 2 ( = + = + = = s X P X P X P X P
P(X = 0) =
0 20 0
0 20
) 1 (
p p C = 0.00079
P(X = 1) = 0.00684
P(X = 2) = 0.02784

= + + = s 02784 . 0 00684 . 0 00079 . 0 ) 2 (X P 0.03548
c) La probabilidad de que un equipo funcione es de 0.9. Si se prueban 16
equipos, la probabilidad de que al menos14 funcionen es:
El equipo funciona o no funciona, esto indica un experimento de tipo binomial. Al
menos 14 significa que deben funcionar, 14, 15 y 16, por lo que la probabilidad es:
) 16 ( ) 15 ( ) 14 ( ) 14 ( = + = + = = > X P X P X P X P

P(X = 14) =
14 16 14
14 16
) 9 . 0 1 ( ) 9 . 0 (
C
= 0.2745
P(X = 15) = 0.3294
P(X = 16) = 0.1853
7893 . 0 ) 14 ( = > X P

Experimento Poisson. Se tiene un parmetro que es el valor esperado de
ocurrencias en el intervalo de tiempo o espacio. La probabilidad de que ocurran
18

exactamente un nmero de eventos en el tiempo o espacio determinado est dado
por:

!
) (
x
e
x X P
x
= =

= Media o valor esperado
o =
2
Varianza

Encuentre la probabilidad de que se atiendan a 12 personas en una hora si
el valor esperado es de 10 personas atendidas por hora.

! 12
10
) 12 (
10 12
= =
e
X P
= 0.09478
Se debe tener cuidado de manejar el valor esperado en las unidades adecuadas.
Nota. Se puede dar el valor esperado de 10 atenciones por hora pero, pedir la
probabilidad de atenciones en ocho horas, en este caso el valor esperado de
atenciones en ocho horas es de = (10)(8) = 80 atenciones en la ocho horas. Si
se pide la probabilidad de 70 atenciones en las ocho horas se calcula as:
! 70
80
) 70 (
80 70
= =
e
X P
= 0.02479.

Otro caso de variable discreta, en donde se aplican las tcnicas de conteo.
Se tiene un total de N objetos con diferentes caractersticas, n1, n2, n3. Se toma
una muestra de tamao n y se pide la probabilidad de ocurrencia de alguno de los
posibles resultados del evento. Dado que la probabilidad es el nmero de formas
19

en que puede ocurrir el evento entre el total de casos posibles se usa la
combinatoria y la regla del producto para encontrar dichas cantidades
Se tienen 20 resistencias de 100 ohms, 15 resistencias de 200 ohms y 10
resistencias de 300 ohms. Si se toman aleatoriamente 6 resistencias, determine
las siguientes probabilidades, escoger:
a) Dos de cada de cada tipo
b) 3 de 100 ohms , dos de 200 y una de 300
c) Las 6 de 200 ohms.
d) Las 6 de un mismo tipo
La probabilidad es el nmero de casos favorables entre el total de casos posibles.
Se tienen 45 resistencias en total. El nmero total de formas que se pueden
escoger 6 objetos de 45, sin importar el orden, es:

8145060
) 1 38 39 ( 1 5 6
1 2 43 44 45
)! 6 45 ( ! 6
! 45
45
6
=

=
C

a) De las resistencias de 100 ohms, se pueden tomar dos de las 20 que
hay, de las resistencias de 200 ohms se pueden tomar dos de las 15 y
de las de 300 se pueden tomar dos de las 10. Ahora, como se toman
dos de un tipo, dos del otro y dos del tercer tipo, el nmero de formas
que podemos hacer esto es:
897750 45 105 190
10
2
15
2
20
2
= = C C C

La probabilidad es: 897750/8145060 = 0.1102

20

b) Se pueden tomar 3 resistencias de las 20 que hay de 100 ohms, 2
resistencias de las 15 que hay de 200 ohms y una de las 10 que hay de
300 ohms.
1197000 10 105 1140
10
1
15
2
20
3
= = C C C


c) Se pueden tomar, nada ms, 6 resistencias de las 15 de 200 ohms
38760
20
6
= C


d) Se pueden tomar 6 de las 20 de 100 ohms o 6 de las 15 de 200 ohms o
6 de las 10 de 300 ohms.
43975 210 5005 38760
10
6
15
6
20
6
= + + = + + C C C

Observe que en el clculo de resultados posibles cuando es o se suma y cuando
es y se multiplica

En el examen solo le preguntan un caso parecido a uno de los anteriores

Variable Aleatoria Continua
Entre las variables de este tipo se encuentran variables que siguen una
distribucin de probabilidades normal, la normal estndar (z), la t de Student y la ji
- cuadrado. Aunque hay otras variables aleatorias continuas, no se incluyen en el
examen departamental.
21

La probabilidad de ocurrencia de un evento para una variable aleatoria continua se
determina integrando la funcin de densidad de probabilidad correspondiente en el
intervalo de inters (rea bajo la curva de la funcin de densidad vs los valores de
la variable aleatoria). Dado que las integrales son muy complicadas, se han
elaborado tablas para facilitar encontrar el rea bajo la curva correspondiente.

Distribucin Normal.
La probabilidad se tiene que dar en un intervalo, no se puede encontrar la
probabilidad de exactamente un valor. Veremos con algunos ejemplos como se
determina e interpreta la probabilidad.
Una lata se debe llenar con un litro de producto. Un estudio en 36 latas
proporciona una media de 0.98 litros con una desviacin estndar de 0.1 litros.
a) La probabilidad de que una lata se llene con 1.1 litros es:
b) La probabilidad de que la lata se llene con menos de 0.96 litros es:
c) La probabilidad de que se llene con ms 1.1 litros es:
Las tablas de la normal, con el fin de ser generales, se estandarizan por medio de

s
x x
z
=

Las tablas proporcionan el valor del rea desde menos infinito hasta el valor para
el cual se busca la probabilidad. Conociendo esto, se pueden usar para encontrar
las probabilidades pedidas.
a) P(X = 1.1) = P(1.05< X < 1.15), recuerde que no existe el rea para una
lnea o punto por lo que, se calcula el rea en un intervalo prximo al valor
pedido.
22

Estandarizando la variable z = (1.1 0.98)/0.1 = 1.2
P(X = 1.1) = P(z = 1.2) = P(0.7 < z < 1.7)
Por medio de la tabla de la normal estndar se encuentra:
rea o probabilidad entre los dos valores: 9554 - 0.7580 = 0.1974
La probabilidad de que se llene con 1.1 litros es de 0.1974
Se determina, por medio de las tablas el rea desde menos infinito hasta 1.15, el
rea desde menos infinito hasta 1.05 y se restan para tener el rea en el intervalo
que incluye 1.1
b) Probabilidad de que se llene con menos de 0.96, es el rea desde menos
infinito hasta el valor de 0.96

z = (0.96 - .98)/0.1 = - 0.2
La probabilidad de que se llene con menos de 0.96 litros es 0.42074
Este resultado, tambin se puede interpretar como el porcentaje de latas
producidas que se llenarn con menos de 0.96 litros. El 42% de las latas se
habrn llenado con menos de 0.96 litros. Esto puede significar que no le compren
las latas ya que son muchas con menos de 0.96 litros cuando debera ser 1 litro el
llenado.
0.98
0.96
23

c) Probabilidad de que se llene con ms de 1.1 es el rea que queda por
delante de 1.1. Debido a que esta rea no la proporciona la tabla usamos el
complemento, tomando en cuenta que el rea o probabilidad total es igual a
uno.
P(X > 1.1) = 1- P(X ) 1 . 1 s

z = (1.1 - .98)/.1 = 1.2
P(z > 1.2) = 1- P(z < 1.2) = 1 0.88493 = 0.11507
La probabilidad de que una lata sea llenada con ms de 1.1 litros es de 0.11507.
Tambin, se puede interpretar como que el 11.5% de las latas se llenarn con ms
de 1.1 litros.

Distribuciones Muestrales.
Valor Esperado.
Variable Aleatoria Discreta.
El valor esperado de una variable aleatoria discreta se determina como:

| |
=
=
n
i
i i
x P x X E
1
) (

Sea x una variable discreta cuyos valores y probabilidades correspondientes se
representan en la siguiente tabla:

1.1
24

x 10 15 20 25 30
P(x) 0.05 0.15 0.25 0.35 0.2

El valor esperado de x es:
| | = + + + + = =
=
) 2 . 0 ( 30 ) 35 . 0 ( 25 ) 25 . 0 ( 20 ) 15 . 0 ( 15 ) 05 . 0 ( 10 ) (
1
n
i
i i
x P x X E

| | 5 . 22 6 75 . 8 5 25 . 2 5 . 0 = + + + + = X E

Variable Aleatoria Continua.
Conocida la funcin de densidad de probabilidad de la variable, el valor esperado
se determina por medio de:
| |
}
= dx x xf X E ) (

La integral se evala en el intervalo en que est definida la funcin de
densidad
Suponga que el error de medicin de un instrumento es una variable aleatoria
continua con una funcin de densidad de probabilidad dada por:

2 2 en , ) 4 ( 09375 . 0 ) (
2
s s = x x x f

y cero en cualquier otro valor de x
25

El valor esperado de la variable es:
| | 0 ) 03125 . 0 375 . 0 5 . 1 ( ) ) 4 ( 09375 . 0 (
2
2
3 2
2
2
2
= + = =

}
x x x dx x x X E

Intervalos de Confianza.
Intervalo en donde se espera con cierta probabilidad que se encuentre el valor del
parmetro bajo estudio. En cada problema, se debe determinar el tipo de
distribucin correspondiente, para esto, tome en cuenta, el parmetro bajo estudio
y el tamao de la muestra.

a) Intervalo para la media, muestra grande
La resistencia a la presin en una muestra de 36 cilindros para gas,
presentan una media de 998 kg/m
2
y una desviacin estndar de 25. El
intervalo de confianza del 99% para la presin media de estos cilindros es:
El problema corresponde a intervalo de media con muestra grande,
entonces, en el formulario se encuentra:
E x E x + < <
. Donde
n
z E
o
o 2 /
= (o conocida o n>30)
n
s
z x
n
s
z x
2 2
o o
+ s s

26

Observe que dado que la muestra es tamao mayor a 30 podemos usar la
desviacin estndar de la muestra s como aproximacin de la desviacin
de la poblacin.

01 . 0 = o
Usando las tablas de la normal estndar para encontrar la z que le
corresponde a un rea de 0.005, se obtiene z = 2.57, por lo que el intervalo
pedido es:
36
25
) 57 . 2 ( 998
36
25
) 57 . 2 ( 998 + s s

73 . 1008 27 . 987 s s

b) Intervalo para la media muestra pequea
Un estudio en 16 muestras de papel presenta una resistencia a la tensin
media de 32 N con una desviacin estndar de 3. El intervalo de confianza
del 95% para la resistencia a la tensin de ste tipo de papel es:
Identificamos del formulario, para un intervalo de confianza de media con
muestra pequea.
n
s
t x
n
s
t x
2 2
o o
+ s s

Observe que, debido a que la muestra es pequea, utilizamos la
distribucin de la t de Student.
16
3
32
16
3
32
15 ,
2
05 . 0
,
2
05 . 0
t t + s s
u

27

Para encontrar el valor correspondiente de la t tomamos en cuenta los
grados de libertad (n -1), que en este caso son 16 1 = 15 grados de
libertad. A partir de las tablas se encuentra:
15 , 025 . 0
t
= 2.131
58 . 33 4 . 30 s s

Intervalo para proporciones
En una muestra de 90 personas, 65 contestaron a favor de un producto.
Encuentre un intervalo de confianza del 90 % para la proporcin de
personas que estn a favor del producto.
Dado que es un problema de proporcin, de acuerdo al formulario:
n
p p
z p p
n
p p
z p
)
1 (
1 (
2 2
+ s s
o o

90
) 72 . 0 1 ( 72 . 0
72 . 0
90
) 72 . 0 1 ( 72 . 0
90
65
2
1 . 0
2
1 . 0
+ s s
z p z

) 04733 . 0 )( 65 . 1 ( 72 . 0 ) 04733 . 0 )( 65 . 1 ( 72 . 0 + s s p

798 . 0 642 . 0 s s p


Intervalo para la desviacin estndar
Un fabricante desea conocer, con un 95% de confianza, la variacin en la
tenacidad de una fibra de rayn. Se toman 14 muestras de un tipo de fibra y
28

se obtiene una tenacidad media de 2.83 con una desviacin estndar de
0.341 g/denier.
Identificamos, del formulario, para el intervalo de confianza de la desviacin
estndar:
2
1 ,
2
1
2
1 ,
2
) 1 ( ) 1 (
s s
n n
n
s
n
s
o o
_
o
_

Usando las tablas para la distribucin ji cuadrado con 13 grados de
libertad.
01 . 5
74 . 24
2
13 , 975 . 0
2
13 , 025 . 0
=
=
_
_

01 . 5
) 1 14 (
341 . 0
74 . 24
) 1 14 (
341 . 0
s s
o

549 . 0 247 . 0 s so

Ejemplo 16:
Intervalo para la diferencia de medias o de proporciones
- Diferencia de medias. (Tema 6.17)
Muestras grandes, suponiendo las varianzas conocidas (los otros casos los ver
en el curso). Una muestra de resistencia al esfuerzo de 36 metales de un tipo
proporcion una media de 248 N/m
2
con una desviacin de 20 N/m
2
y otra
muestra de 38 metales de otro tipo proporcion una media de 252 N/m
2
con una
desviacin de 28 N/m
2
. El intervalo de confianza para la diferencia de medias con
el 95% de confianza es:
29

En el formulario, identificamos
( ) ( ) ( ) E x x E x x + < < 2 1
2 1
2 1 , con
2
2
2
1
2
1
2 /
n n
z E
o o
o
+ =
.
Sustituyendo los datos:
11 93 . 5 96 . 1
38
28
36
20
2 2
025 . 0
~ = + = z E
( ) ( ) ( ) 11 252 248 11 252 248
2 1
+ < <
El intervalo es: ( ) 7 15
2 1
< <
Observe que el intervalo incluye el cero.

- Diferencia de Proporciones. (Tema 6.21)
Antes de una mejora, 120 personas de 200 dijeron que un servicio era bueno,
despus de la mejora, 150 de 220 dijeron que eran bueno. Encuentre el intervalo
de confianza del 90% para la diferencia de proporciones.
( ) ( ) E p p p p E p p + < <
2 1 2 1 2 1

)

(

682 . 0
210
150
6 . 0
200
120
2
1
= =
= =
p
p

077 . 0
220
) 682 . 0 1 ( 682 . 0
200
) 6 . 0 1 ( 6 . 0
65 . 1

2
2 2
1
1 1
2 /
=
= + =
n
q p
n
q p
z E
o

( ) 077 . 0 ) 682 . 0 6 . 0 ( 077 . 0 ) 682 . 0 6 . 0 (
2 1
+ < < p p

30

El intervalo es:
( ) 0051 . 0 159 . 0
2 1
< < p p

Observe que el intervalo no incluye el cero

Tamao de Muestra
- Distribucin normal medias (Tema 6.3.2)
El error que determina el intervalo depende de la desviacin estndar, de la
distribucin muestral correspondiente y a un valor de la variable aleatoria de dicha
distribucin, para un nivel de confianza dado. Fijando un error particular podemos
determinar el tamao de muestra necesario para tener dicho error o tamao del
intervalo en el cual queremos que se encuentre el parmetro (media, desviacin,
etc.)
De qu tamao debe ser una muestra para tener un error de 0.2 para una
variable con distribucin normal con media 2.5 y desviacin estndar de 0.3 y con
una confianza del 95%?
En el formulario se encuentra que, en estas condiciones, el error est dado por:
n
z E
o
o 2 /
= , sustituyendo los datos y despejando para n, se encuentra:
64 . 8 ) 94 . 2 96 . 1 (
2 . 0
3 . 0
2
2
025 . 0
= =
|
.
|
\
|
= z n
Se redondea al nmero superior, la muestra para ste error es de tamao 9
- Distribucin normal, proporciones. (Tema 6.4.1)
Mismo procedimiento que en el caso anterior, solo se debe reconocer y aplicar la
frmula correspondiente para el error en stas condiciones.

31

Pruebas de Hiptesis.
Prueba para probar, con una probabilidad especificada, que cierto parmetro tiene
un determinado valor. Dependiendo del parmetro que se pruebe y del tamao de
la muestra, debe identificar el estadstico de prueba correspondiente y manejar el
concepto del valor p.
Ejemplo17 (Tema 6.9):
Prueba de Media, muestra grande.
La verdadera media del peso de un costal de harina debe ser de 50 kg. Se pesan
36 costales obteniendo una media de 49.5 kg con una desviacin de 1.2 kg. Haga
una prueba de hiptesis, con el 95% de confianza, para verificar si el contenido de
los costales es diferente a 50 kg.
1. Planteamiento de las hiptesis nula y alterna
50 :
50 :
0
=
=
A
H
H

2. Identificacin del estadstico de prueba apropiado para el caso y calcular
Se pide prueba sobre la media y es el caso de muestra grande, del
formulario:
5 . 2
36
2 . 1
50 5 . 49
=
=
n
s
x
Z

3. Con el nivel de confianza encontrar la regin (o rea) de rechazo o con
el valor del estadstico, encontrar el valor p
a)
025 . 0
2
=
o
, el valor de z que corresponde a sta rea es (tablas
normal estndar) es de 1.96 (o -1.96)
32

b) El valor p o rea que corresponde al valor de z del estadstico es
(tablas) de 0.006
Para z = - 2.5, se tiene un rea, desde menos infinito, de 0.006, el valor
p es sta rea
4. Comparar y rechazar o no la hiptesis nula
a) El valor de z del estadstico es menor al valor de z correspondiente
para el nivel de confianza (- 2.5 < - 1.96), por lo que se rechaza la
hiptesis nula.
b) El valor p es menor que el valor del nivel de confianza alfa (0.006 <
0.05), por lo que se rechaza la hiptesis nula
5. Concluir. Si hay diferencia, con este nivel de confianza, en el llenado de
los costales respecto de la especificacin de 50 kg.
Nota. Si usted observa con cuidado las respuestas, en ste y otros problemas de
toma de decisiones con pruebas de hiptesis, ya le estn dando el valor del
estadstico de prueba (no tiene que identificarlo y calcularlo). Lo que si debe saber
es como se plantea la hiptesis nula, calcular el valor del estadstico de prueba y
saber como tomar decisiones al comparar los dos estadsticos.

Prueba de proporcin.
Un fabricante dice que su producto tiene el 65% del mercado. Un estudio, muestra
que de 300 productos 160 son del fabricante. Con un 95% de confianza pruebe la
hiptesis del fabricante.

33

1.
65 . 0 :
65 . 0 :
0
=
=
p H
p H
A

2. La prueba es sobre una proporcin de una poblacin con muestra grande,
del formulario
( )
77 . 1
02828 . 0
05 . 0
300
) 6 . 0 1 )( 6 . 0 (
65 . 0
300
180

=
n
q p
p p
z

3. a) 025 . 0
2
=
o
, el valor de z que corresponde a sta rea es (tablas
normal estndar) es de - 1.96
b) Para z = -1.77, se tiene un valor p o rea desde menos infinito de
0.384
4. Por cualquiera de las dos comparaciones, se observa, para el nivel de
confianza establecido, que no hay suficiente evidencia estadstica para
rechazar H0.
5. Se concluye que el fabricante tiene razn

Prueba de diferencia de medias
Se tienen dos tipos de concretos. Se toma una muestra de tamao 42 de cada uno
y se obtiene un promedio muestral de la conductividad trmica para el primero de
0.486 con una desviacin estndar de 0.187 y un promedio de 0.359 de
conductividad trmica con una desviacin estndar de 0.158 para el segundo.
Esta informacin sugiere que el promedio verdadero de conductividad trmica del
primer concreto es mayor que la del segundo, con 01 . 0 = o .
34

Hiptesis.
0 :
0 :
2 1 1
2 1
>
=

H
H
o

Es una prueba de diferencia de medias con muestras grandes, del formulario:

( ) ( )
2
2
2
1
2
1
2 1
2 1
n n
x x
z
o o

+

=

( )
3 . 3
42
) 158 . 0 (
42
) 187 . 0 (
0 359 . 0 486 . 0
2 2
=
+

= z

Para el nivel de confianza dado y tomando en cuenta que es una prueba de
una cola la z que le corresponde (tablas) es: z = 2.33
La z de prueba es mayor que la z correspondiente al nivel de confianza, por lo
tanto cae en la regin de rechazo de la hiptesis nula. (El valor p es 0.0005
menor al valor alfa, se rechaza la hiptesis nula).
Se puede concluir que el primer acero tiene una conductividad trmica mayor.

Prueba de diferencia de proporciones
De 300 residentes de la ciudad 63 estn a favor de un aumento en la velocidad
permitida en las carreteras, mientras que de 180 residentes del campo 75 estn a
favor del cambio. La informacin indica que la percepcin es diferente en los dos
grupos.
35

Hiptesis:
0 :
0 :
2 1 1
2 1
=
=
p p H
p p H
o

Prueba de diferencia de proporciones muestra grande. Del formulario
( ) ( )
2 1
1 1
2 1 2 1

n
q p
n
q p
p p p p
z
+

=

29 . 0
180
52
0.21,
300
63
2 1
= = = = p p

( )
94 . 1
180
) 29 . 0 1 )( 29 . 0 (
300
) 21 . 0 1 )( 21 . 0 (
0 29 . 0 21 . 0
=

= z

Tomamos un nivel de confianza 05 . 0 = o
De la tablas para alfa medios se tiene z = -1.96
Comparando los valores de z de prueba y de significancia, z de prueba es
menor, (valor p = 0.2499, mayor que alfa) por lo que no hay evidencia para
rechazar la hiptesis nula.
Nota, si cambiamos el nivel de confianza a 0.1, z = -1.65. En este caso la z
de prueba si cae en la regin de rechazo.

Anlisis de Regresin.

En los problemas que aparecen, encontrar una tabla de datos en donde
aparecen los valores de las variables dependiente e independiente, as como los
36

valores que se requieren para hacer los clculos de los coeficientes que
caracterizan a la recta de regresin y al coeficiente de correlacin.

En el formulario usted encontrar las siguientes relaciones para encontrar:
Coeficientes de la recta de regresin
x b b y

1 0
+ =
:

( ) ( )( )
( ) ( )
2
2
1

=
x x n
y x xy n
b

( )( ) ( )( )
( ) ( )
2
2
2
0

=
x x n
xy x x y
b

n es el nmero de datos

Coeficiente de correlacin

( ) ( )( )
( ) ( ) ( ) ( )
2
2
2
2

=
y y n x x n
y x xy n
r

El coeficiente de determinacin es el coeficiente de correlacin elevado al
cuadrado, r
2
37

Tiene que leer con cuidado lo que se le pregunta y sustituir correctamente los
datos.

De acuerdo a la siguiente tabla encuentre la recta de regresin y los coeficientes
de correlacin y de determinacin.
y x
2
y
2
x y
3 25 9 625 75
9 75 81 5625 675
11 105 121 11025 1155
16 210 256 44100 3360
20 320 400 102400 6400
28 560 784 313600 15680
Suma = 87 1295 1651 477375 27345

En este caso n = 6
a) Los coeficientes de la recta de regresin son:

( ) ( )( )
( ) ( )
22 99 . 21
) 87 ( ) 1651 ( 6
) 1651 )( 87 ( ) 27345 ( 6
2 2
2
1
~ =
=

x x n
y x xy n
b

38

( )( ) ( )( )
( ) ( )
1 . 103
) 87 ( ) 1651 ( 6
) 27345 )( 87 ( ) 1651 )( 1295 (
2 2
2
2
0
=
=

x x n
xy x x y
b

La recta de regresin es:
x y

22 103
+ =

b) El coeficiente de correlacin es:

( ) ( )( )
( ) ( ) ( ) ( )
=

=

2 2 2
2
2
2
) 1295 ( ) 477375 ( 6 ) 87 ( ) 1651 ( 6
) 1295 )( 87 ( ) 27345 ( 6
y y n x x n
y x xy n
r

9759 . 0 = r
c) El coeficiente de determinacin es :

r
2
= (0.9759)
2
= 0.9405

Pruebas No Paramtricas.
Las pruebas son sobre la mediana y no se ponen restricciones sobre la
normalidad o no de la distribucin de la variable bajo estudio.
Algunas de las pruebas son de: Rangos con Signo de Wilcoxon, Suma de Rangos
de Wilcoxon, Mann Whitney y Kruskal Wallis.
Prueba de Rangos con Signos de Wilcoxon.
39

Prueba el valor de la mediana de la poblacin, la distribucin de la poblacin debe
ser simtrica y no importa el tamao de la muestra.
Prueba de Suma de Rangos de Wilcoxon.
Muestras dependientes de muestras aleatorias en poblaciones que tienen
distribuciones similares no normales.
Muestras independientes, en muestras aleatorias de poblaciones que tienen
distribuciones similares, simtricas, no normales.
Prueba de U Mann Whitney.
Muestras independientes de muestras aleatorias de poblaciones con
distribuciones similares, no normales. Es equivalente a la prueba de Suma de
Rangos de Wilcoxon.
Las dos se pueden aproximar por una distribucin normal con misma media y
varianza cuando el tamao de cada muestra es mayor o igual a 10 y no se
requiere que el tamao de cada muestra sea el mismo.
Prueba de Kruskall Wallis.
Es el equivalente a una prueba ANOVA de un factor. Muestras de una distribucin
que no sea normal. Se recomienda cuando no se puede asegurar normalidad y
varianzas iguales.

Ejemplo 22 (tema 7):
Se desea investigar si un proceso de manufactura es mejor que otro. Se toman 5
muestras de uno y 8 del otro. La prueba adecuada para verificar si hay o no
diferencia entre las medianas es:
40

Se trata de un caso en donde no tenemos informacin sobre la distribucin de las
poblaciones. Se puede usar la prueba de Suma de Rangos con Signo de Wilcoxon
o la prueba U de Mann Whitney con
2 1 0
: m m H =

Si las muestras son dependientes o pareadas solo se puede usar la prueba de
suma de rangos de Wilcoxon.

41

EXAMEN PRCTICA
Pregunta 1.
La siguiente tabla representa las ventas (en millones) de bolsas de papa por
semana que vende La papa feliz
Intervalo Frecuencia relativa
0.1 < x 0.3 0.085
0.3 < x 0.5 0.045
0.5 < x 0.7 0.290
0.7 < x 0.9 0.404
0.9 < x 1.1 0.176
El porcentaje de ventas de cuando mucho 0.7 millones de ventas es:
Pregunta 2:
La siguiente tabla muestra una lista de varios indicadores del crecimiento
econmico a largo plazo en Filipinas. Las proyecciones son hasta el ao
2010
Indicador Econmico Cambio Porcentual
Inflacin 5.3
Exportaciones 3.7
Importaciones 2.8
Ingreso Real disponible 3.9
Consumo 2.4
PNB real 2.9
Inversin (residencial) 3.2
Productividad (fabricacin) 5.1
42

La mediana del cambio porcentual es:
Pregunta 3:
Una muestra de 10 baleros presentan los siguientes dimetros en cm:
9.5 11 11 10 10.5 9 10.5 10.5 10.5 9.5
La desviacin estndar es:
Pregunta 4:
La siguiente tabla, se refiere a la prueba de un medicamento contra el dolor
que realizo Smith&Smith Pharmaceuticals, Inc. Calcula la probabilidad de
que una persona haya usado el medicamento o que estuviera en el grupo de
control

Medicamento Placebo Grupo de control total
Dolor de muelas 85 70 24 179
Sin dolor 632 416 402 1450
Total 717 486 426 1629

Pregunta 5:
En una lnea de produccin se tienen dos dispositivos A y B en paralelo, el
sistema funciona si alguno de los dos funciona. La probabilidad de que
funcione A es de 0.92 y la de que funcione B es de 0.87. La probabilidad de
que el sistema funcione es:
Pregunta 6:
43

Se tienen 5 camisas rojas, 8 azules y 9 blancas. Se escogen
aleatoriamente 4 camisas. La probabilidad de que sean 1 roja, una azul y 2
blancas es:
Pregunta 7:
Un estudio tiene como resultado la siguiente tabla de la relacin de
compra de corbatas por categora y tamao.
Grande Mediana Chica Total
Vestir 27 79 17 123
Sport 18 92 38 148
Lujo 6 7 6 19
Total 51 178 61 290
S se escoge aleatoriamente a una camisa, qu probabilidad hay de que
la corbata sea mediana dado que es de vestir?
Pregunta 8:
Un examen tiene las siguientes probabilidades de contestar correctamente
las preguntas
Pregunta Probabilidad
0 0 .05
1 0.18
2 0.33
3 0.30
4 0.12
5 0.02
44

La calificacin esperada para este examen es:

Pregunta 9:
La funcin de densidad de probabilidad para la emisin de partculas alfa
est dada por f(x) =0.25 e
(-0.25x)
, en el intervalo x > 0 y f(x) =0, para cualquier
otro valor de x.
El valor esperado de x es:
Pregunta 10:
Una compaa que produce llantas para camin sabe por experiencia que
16% de sus llantas tienen imperfecciones y se deben clasificar como de
segunda. Entre 20 llantas seleccionadas al azar, cul es la probabilidad de
que 2 sean de segunda?
Pregunta 11:
Sea X la cantidad de fracturas en la superficie de una caldera de cierto tipo,
una muestra, seleccionada al azar, presenta un promedio de 3 fracturas por
caldera. Calcula la probabilidad de que en una caldera existan exactamente 4
fracturas.
Pregunta 12:
Una fbrica tiene una torre con carbn activado para absorber
contaminantes. Una muestra de 38 mediciones report una media de 145 kg
de contaminantes removidos con una desviacin estndar de 18.
El intervalo de confianza del 95% para la cantidad de contaminantes
removidos es:

45

Pregunta 13:
En respuesta a muchas quejas respecto a la variacin en el voltaje en una
zona Industrial, el director general del servicio postal inicia una
investigacin preliminar. Una muestra de 14 mediciones tiene como
resultado una desviacin estndar de 18 volts.
El intervalo de confianza del 95% para la desviacin poblacional es:
Pregunta 14:
Una empresa desea estimar la proporcin de hogares en los que se
comprara su producto. Se seleccion una muestra de aleatoria de 800
hogares. Los resultados indican que, 172 de los hogares compraran el
producto.
El intervalo de confianza del 90% de la proporcin poblacional de hogares
que compraran el producto es:
Pregunta 15:
Se registra la produccin diaria promedio de cierto producto en una planta.
El registro se llevo a cabo durante 54 das y se obtuvo una media de 1350
litros con una desviacin estndar de 260 litros. Prueba la hiptesis a un
nivel de significacin de 5%, de que la produccin media diaria sea de 1400
litros.
H : = 2500, estadstica de prueba z = -1.12 No Rechazo H *
Pregunta 16:
En una temporada de vacaciones, se asegura que los hoteles estarn
ocupados a un 88%. Se encuentra que en 34 hoteles se tuvo un lleno del 84%.
Qu conclusin puede usted obtener acerca de la capacidad de ocupacin?
realiza la prueba a un nivel de significancia del 5%
o H :P=0.85 estadstica de prueba z=-0.47 No Rechazo H *
46

o H :P=0.85 estadstica de prueba z=0.47 Rechazo H *

Pregunta 17:
Se estudia el rendimiento de dos tipos de valores, el valor tipo A y el valor
tipo B. El rendimiento de estos slo se conoce hasta despus de la venta. Se
tienen registradas 30 tasas de rendimiento anterior para valores tipo A y 36
para valores tipo B. De estas muestras se obtuvieron las estadsticas en la
tabla siguiente:

Tipo A Tipo B
Media 7.2% 8.5%
Varianza 1.58 1.89

Presentan estos datos suficiente evidencia de que existe una diferencia
en el rendimiento de ambos valores? Utiliza un nivel de confianza de 0.1
o H : - 0, estadstica de prueba z=-1.9 Rechazo H *
o H : - = 0, estadstica de prueba z=-1.9 Rechazo H *
o H : - <0, estadstica de prueba z=-1.9 No Rechazo H *

Pregunta 18:

El administrador de un hospital conjetura que el porcentaje de cuentas
hospitalarias no pagadas aument durante el ao anterior. Los registros del
47

hospital muestran que 52 cuentas de 1148 personas admitidas en abril no
haban sido liquidadas despus de 90 das. Este nmero es similar a las 36
cuentas de 1102 personas admitidas durante el mismo mes del ao anterior.
Con estos datos hay evidencia suficiente que indique un incremento en
dicho porcentaje? realiza la prueba con alfa =0.05

o H :P -P 0 estadstica de prueba z = 2.4, Rechazo H *
o H :P -P <0 estadstica de prueba z = - 2.4, No Rechazo H0*

Pregunta 19:
Se requiere, para asegurar un funcionamiento uniforme, que la verdadera
desviacin estndar del punto de ablandamiento de cierto tipo de asfalto sea
a lo sumo de 0.4C. Una muestra de 8 especmenes reporta una desviacin
estndar de 0.52C. Se puede pensar que la desviacin es >0.58 con alfa =0.1

o H : > 0.25 estadstica de prueba 2=12.11, No Rechazo H *
o H : 0.25 estadstica de prueba 2=12.11, Rechazo H *

Pregunta 20:

Un estudio sobre la carga de masa (x) de DBO (kg/ha/d) y la eliminacin de
masa (y) de DBO (kg/ha/d) presentan los siguientes resultados:

48

Carga de masa x Eliminacin de masa y x y
2
xy
9 5 81 25 45
11 7 121 49 77
14 8 196 64 112
17 9 289 81 153
28 14 784 196 392
31 24 961 576 744
36 19 1296 361 684
39 29 1521 841 1131
106 73 11236 5329 7738
143 88 20449 7744 12584
suma =434 276 36934 15266 23660

La recta de regresin es:

Pregunta 21:
En el caso de comparacin de varios niveles para un factor, en el que no se
puede suponer normalidad ni varianzas iguales, la prueba adecuada para ver
si hay diferencias es:
o Kruskall Wallis*
o Prueba de Rangos con Signo de Wilcoxon*
49

o Prueba de suma de Rangos de Wilcoxon*
o Mann Whitney*

* Son ejemplo de la forma como aparecen las opciones de respuesta.

50

REFERENCIAS.

- W. W. Hines, D. C. Montgomery, D. M. Goldsman y C. M. Borror;
Probabilidad y Estadstica para Ingeniera; Cuarta edicin; Ed.
CECSA; Mxico, 2005.

- W. Navidi; Estadstica Para Ingenieros y Cientficos; Ed. McGraw-
Hill; Mxico, 2006.

- R.E. Walpole, R. H. Myers y S. L. Myers; Probabilidad y Estadstica
para Ingeniera y Ciencias; Octava edicin; Ed. Pearson; Mxico, 2007.

- W. Mendenhall, R. J. Berner, B. M. Berner, Introduccin a la
Probabilidad y Estadstica; Ed. Thompson; Mxico, 2002.

51

TABLA DE ESPECIFICACIONES
CLA
VE TEMA
RESULTADOS DE
APRENDIZAJE %
TOT
AL
(objetivos) CON COM
A
P
L
1.0 Introduccin a la Estadstica
5
%
1.1 Concepto de Variable Definir Variables y Medidas
1.2
Comprender Tipos de
Variables: Cualitativas y
Cuantitativas
1.3 Escala de Medicin Definir Escalas de Medicin
1.4
Defnir el Anlisis
Exploratorio de Datos
1.5
Conocer las fuentes de
informacin
1.6
Conocer las diferencias
entre poblacin y muestra
1.7 Anlisis de datos
Distinguir datos agrupados
de no agrupados
1.8 Distibucin de Frecuencias
Determinar las Frecuencias
Absolutas, Relativas,
Absolutas Acumuladas y
Relativas Acumuladas x 1
1.9 Representaciones Grficas
Elaborar Histogramas,
Polgono de Frecuencias,
Ojiva, Diagramas de Tallo y
Hoja, Diagramas de Pastel,
Diagrama de Caja y Bigote.
2.0 Medidas de tendencia central
5
%
2.1
Calcular la media, mediana
y moda para datos no
agrupados. x 1
2.2
Calcular la media, mediana
y moda para datos
agrupados.
2.3 Medidas de posicin
Calcular Cuartiles, deciles y
percentiles

3.0 Medidas de dispersin
5
%
3.1
Definir qu es dispersin o
variabilidad
3.2
Calcular las medidas de
dispersin: rango,
desviacin media,
desviacin estndar,
varianza, dispersin relativa,
coeficiente de variacin, x 1
52

recorrido intercuartlico
3.3
Interpretacin conjunta de
las medidas de tendencias
central y de dispersin
3.4
Interpretar las distribuciones
de los datos con respecto a
su Coeficiente de Asimetra
utilizando la Regla Emprica
y el Teorema de
Tchebychev

4.0 Teora de la Probabilidad
5
%
4.1
Fundamentos bsicos de la
probabilidad
Conocer los enfoques de
probabilidad (clsica,
frecuencial, subjetiva)
4.2 Experimento Aleatorio
Distinguir qu es espacio
muestral, evento(simple o
compuesto), punto muestral
4.3 Reglas de Probabilidad
Aplicar las reglas de Adicin
para eventos excluyentes,
no excluyentes o
complementarios x
4.4 Reglas de Probabilidad
Aplicar las reglas de
Multiplicacin para eventos
dependientes e
independientes x 1
4.5
Calcular la probabilidad
condicional x 1
4.6
Calcular probabilidades con
Teorema de Bayes x 1

5.0 Mtodos de Conteo
5
%
5.1
Calcular el nmero de
eventos utilizando
ordenaciones con repeticin,
permutaciones,
combinaciones o Diagrama
de Arbol x 1

Distibuciones de probabilidad
10
%
5.2
Panorama general de las
distribuciones de probabilidad
Clasificar las distribuciones
de probabilidad (discretas y x
53

continuas)
5.3
Calcular la media, la
varianza y la desviacin
estndar de una
distribucin de probabilidad
discreta x 1
5.4
Calcular la media, la
varianza y la desviacin
estndar de una
distribucin de probabilidad
continua x 1
5.5
Calcular la Probabilidad
Acumulada para los casos
de Distribuciones Discretas
y Continuas.
5.6
Identificar las propiedades
de una distribucin de
probabilidad conjunta,
marginal y condicional
5.7
Calcular la esperanza
conjunta, covarianza y
coeficiente de correlacin de
variables aleatorias
independientes as como
valores esperados
condicionales

Distribuciones de
probabilidad ms conocidas
10
%
5.8
Uso de las distintas
distribuciones
Calcular la probabilidad
distinguiendo las
caractersticas de las
distribuciones de
probabilidad
5.9 Binomial x 1
5.10 Poisson x 1
5.11
Aproximacin a la Binomial
con la de Poisson
5.12 Normal x 1
5.13
Aproximacin a la Binomial
con la de normal
5.14 T-student
5.15 Ji-cuadrada
5.16 Distribucin F
5.17
Comprender aplicacin de la
Normal, Ji-Cuadrada, F, T-
Student x 1
6.0 Muestreo
20
%
6.1 Definicin de muestreo
54

6.2
Clasificar los tipos de
Muestreo (cuota, aleatorio
simple, estratificado)

Estimacin estadstica
(Muestras Grandes y Chicas,
Varianza Conocida y
Desconocida)
6.3
Calcular media, desviacin
estndar, probabilidad,
tamao de muestra, error
muestral, intervalo de
confianza para la
distribucin muestral de
medias. x 1
6.4
Calcular: media, desviacin
tamao de muestra , error
confianza para la
proporciones. x 1
6.5
confianza para la
diferencia de medias. x 1
6.6
confianza para la
diferencia de proporciones. x 1
Teora de Decisin
25
%
6.7 Prueba Estadstica de medias
Plantear hiptesis nula y
alternativas (prueba de 1 y 2
colas) x 1
6.8
Identificar los niveles de
significacin, error tipo I y
tipo II
6.9
Calcular Estadstico de
Prueba y Regla de
Decisin. x
6.10 Calcular el valor p x
6.11
Prueba Estadstica de
proporciones
colas) x 1
6.12
tipo II
55

6.13
Prueba y Regla de
Decisin. x
6.15
Prueba Estadstica de diferencia
de medias
colas) x 1
6.16
tipo II
6.17
Prueba y Regla de
Decisin. x
6.19
Prueba Estadstica de diferencia
de proporciones
colas) x 1
6.20
tipo II
6.21
Prueba y Regla de
Decisin. x
6.22 Calcular el valor de p x
6.23
Prueba Estadstica para la
varianza de una y dos
poblaciones
colas) x 1
6.24
tipo II x
6.25
Prueba y Regla de
Decisin. x

Regresin y correlacin
Conocer las condiciones en
las que el modelo es vlido
5
%
6.27 Lineal
Calcular: ecuacin,
estimacin, anlisis de
correlacin, recta de
mnimos cuadrados x 1
6.28 Mltiple
Calcular: ecuacin,
estimacin, anlisis de
correlacin, recta de
mnimos cuadrados

7.0 Estimacin no paramtrica
Elaborar casos de
aplicacin;
5
% 1
7.1 Prueba de Signo x
7.2 Prueba U de Mann Whitney x
7.3
Prueba de Rangos de
Wilcoxon x
56

7.4
Prueba de correlacin de
Rangos x
7.5
Anlisis de Varianza de
Rangos de Friedman x
7.6
Coeficiente de Correlacin
de Rango de Spearman x
7.7
Coeficiente de correlacin
de Rango de Kendall x

Total
10
0
% 24

Cuaderno Probabilidad1

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cuaderno Probabilidad1

Uploaded by

Copyright:

Available Formats

0

PROBABILIDAD Y ESTADISTICA APLICADA Y TALLER

= . Donde x , es el valor de cada dato y n es el nmero de datos

You might also like