Professional Documents
Culture Documents
– Ejercicios Resueltos –
Debido a que el problema habla de proporción, debemos utilizar la siguiente fórmula para determinar
el intervalo confidencial:
𝑝̂ 𝑞̂
𝐼𝐶(𝑝)1−𝛼 = (𝑝̂ ± 𝑍1− 𝛼 √ )
2 𝑛
18
Con: 1 − 𝛼 = 0,98 ; 𝑛 = 90 ; 𝑝̂ = 90 = 0,2 ; 𝑞̂ = 0,8
Nota: El valor de 𝑝̂ se calcula dividiendo la número de datos de la muestra que cumplen la característica
que nos da el problema, en este caso, las familias con ingreso familiar inferior a $200.000, dividido por
el tamaño de la muestra.
Reemplazando, obtenemos:
0,2 ∙ 0,8
𝐼𝐶(𝑝)0,98 = (0,2 ± 𝑍0,99 √ ); 𝐶𝑜𝑛 𝑍0,99 = 2,33
90
0,2 ∙ 0,8
𝐼𝐶(𝑝)0,98 = 0,2 ± 2,33√
90
Finalmente, el intervalo de confidencialidad queda dado por:
Respuesta: El intervalo [0,102; 0,298] tiene un 98% de contener a la proporción de familias con un
ingreso familiar inferior a $ 200.000 en la Municipalidad A.
Ya que estamos tratando con proporciones, utilizamos la fórmula de error está dada por:
𝑝̂ 𝑞̂
𝑒 = 𝑍1− 𝛼 √
2 𝑛
Reemplazando:
0,2 ∙ 0,8 1,96
0,05 ≥ 𝑍0,975 √ → √𝑛 ≥ √0,2 ∙ 0,8 → 𝑛 ≥ 245,86 ≈ 246
𝑛 0,05
Respuesta: Para asegurar que el error en la estimación de la proporción de familias con ingreso inferior
a $200.000, no exceda a 0,05, el tamaño de la muestra debe ser igual a 246, considerando una
confianza del 95%.
2.- Se realizan estudios sobre la contaminación producida por descargas de aguas residuales,
en cuerpos fluviales cordilleranos, para medir si estos cumplen con la norma establecida por el
decreto 90/2000, que establece niveles de concentración de Plomo de a lo más 0.02 mg/l. En una
muestra aleatoria de tamaño 20, de volúmenes de agua de 50 ml. cada uno, obtenidas en días
distintos, se encontró un nivel medio de concentración de plomo de 0,28 mg/l, con una
desviación estándar de 0,01 mg/l.
Bajo el supuesto de que las observaciones provienen de una población normal, estime el nivel
medio de concentración de plomo en estas aguas, con una confianza del 90%. Analice los
valores estimados en función de la norma.
Respuesta: El intervalo [0,2761; 0,2839] tiene un 90% de contener el nivel medio de concentración de
plomo en las aguas residuales, en cuerpos fluviales cordilleranos.
3.- Se está estudiando la duración de ciertos procesos productivos y se toma una muestra
aleatoria, de tamaño 10. Se define como "Proceso Corto” cuando su duración es menor que 5
minutos, los datos obtenidos, en minutos, fueron:
3 5 8 6 10 5,5 4 4,2 4,5 2
3.1) Se pide estimar por intervalo de confianza del 98% la proporción de Procesos Cortos.
3.2) ¿Cuál debería ser el tamaño de la muestra si la proporción estimada disminuyen en un
10% y utilizamos un 95% de confianza manteniendo el mismo error probable antes de la
modificación?
3.3) Estimar la varianza de dichos tiempos con un nivel de confianza del 99%.
3.4) Si se realiza un ajuste tecnológico en el proceso de fabricación, el que reduce los tiempos
en un 15% ¿Cuál sería la estimación de la varianza con un 97% de confianza?
Debido a que el problema nos habla de proporción, debemos utilizar la siguiente fórmula para
determinar el intervalo confidencial:
𝑝̂ 𝑞̂
𝐼𝐶(𝑝)1−𝛼 = (𝑝̂ ± 𝑍1− 𝛼 √ )
2 𝑛
5
Con: 1 − 𝛼 = 0,98 ; 𝑛 = 10 ; 𝑝̂ = = 0,5 ; 𝑞̂ = 0,5
10
Reemplazando, obtenemos:
0,5 ∙ 0,5
𝐼𝐶(𝑝)0,98 = (0,5 ± 𝑍0,99 √ ); 𝐶𝑜𝑛 𝑍0,99 = 2,33
10
0,5 ∙ 0,5
𝐼𝐶(𝑝)0,98 = 0,5 ± 2,33√
10
Finalmente, el intervalo de confidencialidad queda dado por:
Respuesta: Este intervalo tiene un 98% de contener a la verdadera proporción de “Procesos cortos”
3.2) Solución: Lo primero que debemos hacer en este ítem es determinar una nueva variable, como se
ve a continuación: 𝑝′ = "Proporción con Procesos Cortos disminuida en un 10%”
Luego de esto, ya tenemos lo necesario para determinar el tamaño de la muestra, lo que se realiza
despejando la fórmula que sigue:
̂ ̂ (1,96)2 (0,45)(0,55)
𝑒=𝑍 𝛼 √𝑝′ 𝑞′ → 0,3684 = 1,96 √
0,45 ∙ 0,55
→ 𝑛= = 7,005 ≈ 8
1− 𝑛 𝑛 (0,3684)2
2
̂ = 0,45; 𝑞′
𝐶𝑜𝑛: 1 − 𝛼 = 0,95; 𝑒 = 0,3684 ; 𝑝′ ̂ = 0,55; 𝑍0,975 = 1,96
Respuesta: El tamaño de la muestra debe ser 8, si la proporción disminuye en un 10% y se mantiene
el error probable antes de la modificación, con un 95% de confianza.
3.3) Solución: Para empezar calculamos la varianza muestral, la que determina con la siguiente fórmula:
(∑ 𝑥 )2 (52,2) 2
∑ 𝑥𝑖2 − 𝑖
322,14 − 10
𝑆𝑥 = √ 𝑛𝑥
= √ = 2,3489
𝑛𝑥 − 1 9
Debido a que el problema hace referencia a la varianza, el intervalo confidencial está dado de la
siguiente forma:
(𝑛 − 1)𝑆𝑥 2 (𝑛 − 1)𝑆𝑥 2
𝐼𝐶 (𝜎 2 )1−𝛼 =( 2 , 2 )
𝛼 𝛼
(𝑛−1; 1− ) (𝑛−1; )
2 2
Respuesta: Existe un 99% de que el intervalo [2,1050; 28,6202] contenga a la varianza poblacional de
los procesos productivos.
Por propiedades determinamos el valor de la desviación estándar de y, la que se encuentra dada por:
(𝑛 − 1)𝑆𝑦 2 (𝑛 − 1)𝑆𝑦 2
𝐼𝐶 (𝜎 2 )1−𝛼 = ( 2 , 2 )
𝛼 𝛼
(𝑛−1; 1− ) (𝑛−1; )
2 2
2
Ya que no poseemos los valores de la distribución , tenemos que interpolar para poder determinarlos:
0,99 − 0,975 21,666 − 19,023
=
0,985 − 0,975 𝑥 − 19,023
0,015 2,643
=
0,01 𝑥 − 19,023
2,643 ∙ 0,01
𝑥= + 19,023
0,015
𝑥 = 20,785
2
(9; 0,985) = 20,785
Respuesta: Existe una probabilidad del 97% de que el intervalo [1,7261; 15,6534] contenga a la
varianza poblacional de los procesos productivos luego de reducir sus tiempos en un 15%.
4.- En cualquier proceso de enlatado, el fabricante pierde dinero si las latas contienen más o
menos de la cantidad que se especifica en la etiqueta. Por esta razón se vigila constantemente
la cantidad de producto enlatado. Considere una compañía que produce un cemento de hule de
secado rápido en latas de aluminio etiquetadas con un peso de 32 onzas.
Se toma una muestra de 34 latas, las cuales se pesan, obteniendo un peso promedio de 31,18
onzas y una desviación estándar de 0,645 onzas.
Considere que el peso de las latas se distribuye normal.
4.1) A un inspector de control de calidad le interesa probar si la varianza del peso de las latas
es superior a 0,4 (onzas)2. Utilice una significación de 5%.
4.2) ¿Cuál debe ser el mínimo tamaño de muestra que se debe utilizar si se desea estimar el
peso real promedio de las latas de cemento de hule? Se está dispuesto a cometer un
error máximo de 0,2 onzas con una confianza del 95%. Sabiendo por estudios anteriores
que la varianza del peso de las latas es 0,4096 (onzas) 2
Respuesta: El mínimo tamaño de la muestra que se debe utilizar si se desea estimar el peso real
promedio de las latas de cemento de hule, es igual a 40.
5.- Se requiere que la resistencia a la ruptura de una fibra sea menos de 150 psi. Se sabe que la
desviación estándar de la resistencia a la ruptura es 3 psi. En una muestra aleatoria de 25 trozos
de fibra se obtiene una resistencia media a la ruptura de 148 psi y una desviación estándar de
2,8 psi.
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, hay suficiente información para rechazar la hipótesis nula, es decir,
es aceptable este tipo de fibra, con un 5% de significación.
5.2) Solución: El ejercicio proporciona los siguientes datos:
Como consecuencia que estamos trabajando con la resistencia media de este tipo de fibra, y que
conocemos la varianza (𝜎 2 ), la fórmula del error está dada por:
𝜎
𝐸𝑟𝑟𝑜𝑟 = 𝑒 = 𝑍(1− 𝛼) ∙
2 √𝑛
Reemplazando:
3 1,96 ∙ 3
0,5 = 𝑍(0,975) ∙ → √𝑛 = → 𝑛 = 138,3 ≈ 139
√𝑛 0,5
Respuesta: El tamaño de la muestra necesario para estimar la resistencia media de este tipo de fibra
con un nivel de confianza del 95% y un error de estimación de 0,5 psi, es 139.
6.- La velocidad de transmisión de un modem se mide en baudios que se define como el número
de bits por segundo que puede transmitir. Debido a factores técnicos, la rapidez de transmisión
real varía de un archivo a otro. Una empresa está en proceso de adquirir un modem, el cual fue
ofrecido por dos proveedores (A y B). Para decidir la compra se transmiten seis archivos, elegidos
al azar, utilizando ambos modem y registrando las velocidades de transmisión (en miles de
baudios)
Archivo 1 2 3 4 5 6
Proveedor A 10,75 10,86 11,18 10,47 11,36 10,47
Proveedor B 10,31 10,95 10,33 9,20 11,36 9,74
Suponiendo que la velocidad de transmisión se distribuye Normal
6.1.- La revista PC Reports, afirma que en pruebas hechas por su equipo se ha encontrado que
el modem del proveedor A es significativamente más rápido que el del proveedor B, Con = 0,01,
¿Los resultados obtenidos por la empresa confirman lo planteado por la revista?
6.2.- Pruebe si la varianza de la velocidad de transmisión del modem del proveedor A es de 0,52
(miles de baudios)2 con nivel de significación 0,05.
Archivo 1 2 3 4 5 6
Proveedor A 10,75 10,86 11,18 10,47 11,36 10,47
Proveedor B 10,31 10,95 10,33 9,20 11,36 9,74
D 0,44 -0,09 0,85 1,27 0 0,73
𝑛=6 ̅
𝐷 = 0,5333 𝑆𝐷 = 0,5221
̅ − 𝜇0
𝐷 0,5333 − 0
𝑇= 𝑆𝐷 → 𝑇= 0,5221 = 2,502
√𝑛 √6
La Región Crítica (𝛼 = 0,01)
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no existe suficiente información para rechazar la hipótesis nula, es
decir, los resultados obtenidos por empresa no confirman lo planteado por la revista, con 𝛼 = 0,01.
(𝑛 − 1) 𝑆𝐴 2 (6 − 1) ∙ 0,36542
𝑇= → 𝑇= = 1,2838
𝜎2 0,52
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no existe suficiente información para rechazar la hipótesis nula, es
decir, la varianza de la velocidad de transmisión del modem del proveedor A es de 0,52 (miles de
baudios)2, con un 5% de significación.
7.1) Solución: Lo primero será definir la variable a utilizar, la cual se muestra a continuación:
Ya que nos preguntan si el nivel de andrógenos se altera, nuestras hipótesis a contrastar son:
𝐻0 : 𝜇𝐷 = 0
𝐻1 : 𝜇𝐷 ≠ 0
Número de ejemplares Nivel Primero (5 minutos) Nivel Segundo (30 minutos) 𝐷 (Diferencia)
1 2,76 7,02 - 4,26
2 5,18 3,10 2,08
3 2,68 5,44 - 2,76
4 3,05 3,99 - 0,94
5 4,10 5,21 - 1,11
6 7,05 10,26 - 3,21
7 6,60 13,91 - 7,31
8 4,79 18,53 - 13,74
9 7,39 7,91 - 0,52
10 7,30 4,85 2,45
11 11,78 11,10 0,68
12 3,90 3,74 0,16
13 26,00 94,03 - 68,03
14 67,48 94,03 - 26,55
15 17,04 41,70 - 24,66
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < −𝑡(14;0,97) ó 𝑇 > 𝑡(14;0,97) } → 𝑅𝐶 = { 𝑥 | 𝑇 < −2,068 ó 𝑇 > 2,068}
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no hay suficiente información para rechazar la hipótesis nula, es
decir, el nivel de andrógenos no se altera después de 30 minutos de encierro, con un 6% de
significación.
7.2) Solución: De la muestra que nos expone el ejercicio, podemos calcular el estimador 𝑝̂ , ya que
cuatro de los quince ejemplares presentan niveles de andrógenos superiores a 15,00 después del
encierro.
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no hay suficiente información para rechazar la hipótesis nula, es
decir, la proporción de animales que presentaron nivel de andrógenos superior a 15,00 después de
encierro, no supera al 25%, con un 5% de significación.
Solución 1 9,9 9,4 9,3 9,6 10,2 10,6 10,3 10,0 10,3 10,1
Solución 2 10,2 10,6 10,7 10,4 10,5 10,0 10,2 10,7 10,4 10,3
8.1) Apoyan los datos la afirmación de que la rapidez media de grabados es la misma para
ambas soluciones, use α = 0,05
8.2) Estime con un nivel de confianza del 90% la rapidez media de grabado para la solución
1.
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝑥2 = 𝜎𝑦2
𝐻1 : 𝜎𝑥2 ≠ 𝜎𝑦2
𝑆𝑥2 0,42182
𝑇= → 𝑇= = 3,3371
𝑆𝑦2 0,23092
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas soluciones son iguales.
Continuando con el desarrollo del ejercicio, procedemos a contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 ≠ 𝜇𝑦
Reemplazando, obtenemos:
(10 − 1) ∙ 0,42182 + (10 − 1) ∙ 0,23092
𝑆𝑝 = √ = 0,34
10 + 10 − 2
10,4 − 9,97
𝑇= = 2,83
1 1
0,34 ∙ √ +
10 10
𝑅𝐶 = { 𝑥 | 𝑇 < −𝑡(18; 0,975) ó 𝑇 > 𝑡(18; 0,975) } → 𝑅𝐶 = { 𝑥 |𝑇 < −2,1009 ó 𝑇 > 2,1009}
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión hay información suficiente para rechazar la hipótesis nula, es
decir, la rapidez media de grabado es la misma, con α = 0,05.
8.2) Solución: Debido a que el problema nos pregunta por la media de grabado para la Solución 1,
debemos utilizar la siguiente fórmula para determinar el intervalo confidencial:
𝑠𝑥
𝐼𝐶(𝜇)1−𝛼 = (𝑥̅ ± 𝑡(𝑛−1; 1− 𝛼) ∙ )
√𝑛
2
0,4218
𝐼𝐶(𝜇)0,90 = (9,97 ± 𝑡(9; 0,95) ∙ ); 𝐶𝑜𝑛 𝑡(9; 0,95) = 1,8331
√10
0,4218
𝐼𝐶(𝜇)0,90 = (9,97 ± 𝑡(9; 0,95) ∙ )
√10
Respuesta: El intervalo [9,7255; 10,2145] tiene un 90% de contener la rapidez media de grabado para
la solución 1.
Resistencia Cantera A 200 - 218 218 - 236 236 - 254 254 - 272 272 - 290
𝒏𝒊 2 4 5 4 1
Resistencias Cantera B
218 220 225 230 235 237 241 245 269 270 270 272 272 274 276 278
250 254 255 258 260 262 264 268 280 285 289 290 290 290 295 300
Ayuda: ∑ 𝒙 = 𝟖𝟒𝟐𝟐; ∑ 𝒙𝟐 = 𝟐𝟐𝟑𝟐𝟒𝟓𝟒
9.1) El ingeniero sospecha que la resistencia media de las dosificaciones proveniente de la
cantera A está muy por debajo de la resistencia media de aquellas dosificaciones
provenientes de la cantera B. ¿Qué concluiría usted respecto a la sospecha del Ingeniero,
con α = 0,01?
9.2) Con nivel de significación del 2,5%, ¿Puede usted afirmar que las dosificaciones cuyo
material proviene de la cantera B que está bajo la resistencia mínima especificada es de
un 20%?
9.1) Solución: Sea: 𝐴 = “Resistencia de los Materiales provenientes de la cantera A, kg/cm²”; 𝐴 ~ 𝑁(𝜇 ; 𝜎 2 )
𝐵 = “Resistencia de los Materiales provenientes de la cantera B, kg/cm²”; 𝐵 ~ 𝑁(𝜇 ; 𝜎 2 )
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝐴2 = 𝜎𝐵2
𝐻1 : 𝜎𝐴2 ≠ 𝜎𝐵2
𝑆𝐵2 22,63942
𝑇= → 𝑇= = 1,2015
𝑆𝐴2 20,65432
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas muestras son iguales.
Continuando con el desarrollo del ejercicio, procedemos a contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝐴 = 𝜇𝐵
𝐻1 : 𝜇𝐴 < 𝜇𝐵
Luego, para determinar el estadístico de prueba, tenemos:
𝐴̅ − 𝐵̅ (𝑛𝐴 − 1)𝑆𝐴 2 + (𝑛𝐵 − 1)𝑆𝐵 2
𝑇= 𝐶𝑜𝑛 𝑆𝑝 = √
1 1 𝑛𝐴 + 𝑛𝐵 − 2
𝑆𝑝 √ +
𝑛𝐴 𝑛𝐵
Reemplazando, obtenemos:
(16 − 1) ∙ 20,65432 + (32 − 1) ∙ 22,63942
𝑆𝑝 = √ = 22,0118
16 + 32 − 2
242,75 − 263,1875
𝑇= = −3,0324
1 1
22,0118 ∙ √16 + 32
Finalmente, la Región Crítica (𝐶𝑜𝑛 𝛼 = 0,01):
𝑅𝐶 = { 𝑥 | 𝑇 < 𝑡(𝑛𝑝 ; 1− 𝛼) } 𝐶𝑜𝑛 𝑛𝑝 = 𝑛𝐴 + 𝑛𝐵 − 2 = 46
𝑅𝐶 = { 𝑥 | 𝑇 < −𝑡(46; 0,99) } → 𝑅𝐶 = { 𝑥 | 𝑇 < −2,4102}
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión hay información suficiente para rechazar la hipótesis nula, es
decir, se concluye que lo sospechado por el Ingeniero es real, o sea, la resistencia media de A está
muy debajo de la resistencia media de B.
9.2) Solución: Sabemos que la resistencia mínima especificada es 250 kg/cm², por ende, podemos
calcular el estimador 𝑝̂ , o sea, la proporción de la muestra de los materiales provenientes de la cantera
B, que cumplen la condición de ser inferiores a la resistencia mínima especificada. Lo que llevándolo a
números es igual a 𝑝̂ = 8/32
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no hay suficiente información para rechazar la hipótesis nula, es
decir, las dosificaciones que están bajo la resistencia mínima, en la cantera B, representan el 20%.
10.- La utilización de materiales sintéticos tales como nylon, poliéster y látex en la producción
de telas, ha provocado debates acerca de la calidad y resistencia de estas fibras comparadas
con las fibras naturales.
Un fabricante de una nueva fibra sintética asegura que en promedio su producto (Y) posee una
mayor resistencia a la tracción que las fibras naturales (X). Para tal efecto se seleccionan al azar
10 fibras sintéticas y 12 fibras naturales, a cada una de las cuales se les midió la resistencia a
la tracción. Los resultados muestrales obtenidos se dan a continuación:
̅ = 𝟐𝟕𝟐 𝑲𝒈
𝒙 ; 𝑺𝟐𝒙 = 𝟏𝟔𝟑𝟔 𝑲𝒈𝟐 ; 𝒚 ̅ = 𝟑𝟑𝟓 𝑲𝒈 ; 𝑺𝟐𝒚 = 𝟏𝟖𝟗𝟐 𝑲𝒈𝟐
¿Confirman estos datos lo asegurado por el fabricante? Fundamente adecuadamente su
respuesta y use 𝜶 = 𝟎, 𝟎𝟓
10) Solución: Sean: 𝑥 = “Resistencia a la tracción de las fibras naturales, en Kg”; 𝑛𝒙 = 12
𝑦 = “Resistencia a la tracción de la nueva fibra sintética, en Kg”; 𝑛𝒚 = 10
𝑥 ~ 𝑁(𝜇 ; 𝜎 2 ) 𝑦 ~ 𝑁 (𝜇 ; 𝜎 2 )
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝑥2 = 𝜎𝑦2
𝐻1 : 𝜎𝑥2 ≠ 𝜎𝑦2
Luego, para determinar el estadístico de prueba, tenemos:
𝑆𝑦2 1892
𝑇= → 𝑇= = 1,1565
𝑆𝑥2 1636
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < 𝐹(9; 11; 0,025) ó 𝑇 > 𝐹(9; 11; 0,975) } → 𝑅𝐶 = { 𝑥 | 𝑇 < 0,255 ó 𝑇 > 3,9639 }
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas soluciones son iguales.
Continuando con el desarrollo del ejercicio, procedemos a contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 < 𝜇𝑦
Reemplazando, obtenemos:
(12 − 1) ∙ 1636 + (10 − 1) ∙ 1892
𝑆𝑝 = √ = 41,8473
12 + 10 − 2
272 − 335
𝑇= = −3,5460
1 1
41,8473 ∙ √12 + 10
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión existe suficiente información para rechazar la hipótesis nula
con un 10% de significación, es decir, podríamos concluir que el fabricante estaría en lo cierto, ya que
la nueva fibra sintética posee mayor resistencia a la tracción que las fibras naturales.
11.- En una planta industrial se quiere determinar cuál de dos tipos de fuentes de energía, gas o
electricidad, produce más energía útil a menor costo. Una medida de la producción económica
de energía, llamada “inversión de planta por quad suministrado”, se calcula dividiendo la
cantidad de dinero (en dólares) invertida por la planta en la fuente de energía en cuestión y la
cantidad suministrada de energía (en quads, miles de billones de unidades térmicas británicas
[BTU]). Cuanto menor sea este cuociente, menos pagará una planta industrial por la energía
suministrada. Se seleccionaron muestras aleatorias de 11 plantas que utilizan electricidad y 16
plantas que utilizan gas y se calculó la inversión de la planta por quad para cada una. Los datos
se presentan en la tabla:
11.1) ¿Se podría afirmar que existe diferencia significativa entre los promedios de inversión de
planta por quad suministrado para estos dos tipos de fuentes de energía, con un nivel de
significación de 0,10?
11.2) Estime con una confianza del 99% la proporción de plantas de gas que invierten más de
10 [BTU].
Lo primero será determinar el tamaño de la muestra, la media y desviación estándar de cada muestra:
𝑛𝑥 = 11 𝑥̅ = 9,289 𝑆𝑥 = 3,616
𝑛𝑦 = 16 𝑦̅ = 11,602 𝑆𝑦 = 3,112
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝑥2 = 𝜎𝑦2
𝐻1 : 𝜎𝑥2 ≠ 𝜎𝑦2
𝑆𝑥2 3,6162
𝑇= → 𝑇= = 1,35
𝑆𝑦2 3,1122
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < 𝐹(10; 15; 0,05) ó 𝑇 > 𝐹(10; 15; 0,95) } → 𝑅𝐶 = { 𝑥 | 𝑇 < 0,351 ó 𝑇 > 2,5437 }
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas soluciones son iguales.
Continuando con el desarrollo del ejercicio, tenemos que contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 ≠ 𝜇𝑦
Reemplazando, obtenemos:
(11 − 1) ∙ 3,6162 + (16 − 1) ∙ 3,1122
𝑆𝑝 = √ = 3,323
11 + 16 − 2
9,289 − 11,602
𝑇= = −1,777
1 1
3,323 ∙ √ +
11 16
11.2) Solución: Lo primero, será determinar el estimador 𝑝̂ , el que corresponde al número de plantas a
gas que invierten más de 10 quad, en la muestra, dividido en el tamaño de la muestra, que llevado a
los números es igual a 10⁄16.
Reemplazando, obtenemos:
0,625 ∙ 0,375
𝐼𝐶(𝑝)0,99 = (0,625 ± 𝑍0,995 √ ); 𝐶𝑜𝑛 𝑍0,995 = 2,575
16
0,625 ∙ 0,375
𝐼𝐶(𝑝)0,99 = (0,625 ± 2,575 √ )
16
Finalmente, el intervalo de confidencialidad queda dado por:
12.- El PM10 (material particulado respirable), son partículas de diámetro menor o igual a 10
micrones. Por su tamaño, el PM10 es capaz de ingresar al sistema respiratorio del ser humano;
mientras menor es el diámetro de estas partículas mayor es el potencial daño en la salud; es por
esta razón, que diariamente se monitorea la calidad del aire, 3
AQI (μg/m ) C M
calculando un Índice de calidad de Aire (AQI por sus siglas en
Inglés). Un AQI de 100 para PM10, corresponde a un nivel de 150 0 – 50 2 5
PM10 en microgramos por metro cúbico (promediado en 24 50 – 100 9 5
horas). 100 – 150 11 11
Se toman muestras aleatorias independientes del AQI, de tamaño 150 – 200 15 13
40, correspondientes a dos comunas C y M, del Gran Santiago, en 200 – 300 3 4
meses de invierno, obteniendo la siguiente información: 300 – 550 0 2
Suponiendo válidos los supuestos necesarios:
12.1) Estime el mínimo tamaño de muestra que se debe considerar para estimar el AQI
3
promedio en la comuna M, considerando un error de estimación de a lo más 18 μg/m y
una confianza de 95%, si de estudios previos se sabe que la desviación estándar del AQI
3
es de 110 μg/m .
12.2) ¿Es posible asegurar que el porcentaje de episodios en que el AQI es de al menos 200
(episodio dañino para la salud) es superior al 4% en la comuna C, con 5% nivel de
significación?
12.3) ¿Es posible, afirmar que no existen diferencias significativas en el índice de calidad
medio del aire en ambas comunas en estudio, con un nivel de significación del 1%?
Ya que el conocemos la varianza, y estamos estimando el AQI promedio en la comuna, la fórmula del
error está dada por:
𝜎𝑀
𝑒 = 𝑍1− 𝛼 ∙
2 √𝑛
Reemplazando:
110 110
18 ≥ 𝑍0,975 ∙ → √𝑛 ≥ 1,96 ∙ → 𝑛 ≥ 143,46 ≈ 144
√𝑛 18
12.2) Solución: Con los datos entregados por la tabla, podemos determinar el estimador 𝑝̂ , que
corresponde a la cantidad de episodios de la muestra, en que el AQI es de al menos 200, dividido en
el tamaño de la muestra, lo que llevado a los números es igual a 3⁄40 .
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión no existe suficiente información para rechazar la hipótesis
nula con un 5% de significación, es decir, se puede afirmar que el porcentaje o proporción de episodios
en que el AQI es de al menos 200, es equivalente o menor al 4% en la Comuna C.
12.3) Solución: Para este ítem lo primero que debemos hacer es calcular el tamaño de la muestra, la
media y desviación estándar, de cada muestra:
3
AQI (μg/m ) 𝑥𝑖 C M 𝑛𝐶 = 40
0 – 50 25 2 5 𝐶̅ = 136,875
50 – 100 75 9 5 𝑆𝐶 = 55,7546
100 – 150 125 11 11
150 – 200 175 15 13 𝑛𝑀 = 40
200 – 300 250 3 4 ̅ = 150
𝑀
300 – 550 425 0 2 𝑆𝑀 = 89,5144
𝑛𝐶 = 40 𝑛𝑀 = 40
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝐶2 = 𝜎𝑀
2
𝐻1 : 𝜎𝐶2 ≠ 𝜎𝑀
2
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < 𝐹(39; 39; 0,005) ó 𝑇 > 𝐹(39; 39; 0,995) } → 𝑅𝐶 = { 𝑥 | 𝑇 < 0,435 ó 𝑇 > 2,2958 }
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas soluciones son diferentes.
Continuando con el desarrollo del ejercicio, tenemos que contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝑀 = 𝜇𝐶
𝐻1 : 𝜇𝑀 ≠ 𝜇𝐶
̅ − 𝐶̅
𝑀 150 − 136,875
𝑇= → 𝑇= = 0,7871
𝑆𝑀 2 𝑆𝑐 2 55,75462 89,51442
√ + √ +
𝑛𝑀 𝑛𝐶 40 40
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión no existe suficiente información para rechazar la hipótesis
nula con un 1% de significación, es decir, se puede afirmar que no existen diferencias significativas en
el índice de calidad medio del aire en ambas comunas en estudio.
13.- Para comparar la capacidad de producción de calor del carbón proveniente de dos minas,
se obtuvo una muestra aleatoria de 35 especímenes de carbón de la mina 1 y otra muestra de 25
especímenes de carbón de la mina 2, obteniendo los siguientes resultados de la capacidad de
producción de calor, en miles de millones de calorías por tonelada:
Mina 1 Mina 2
Capacidad calórica promedio 8,23 𝟐𝟓 𝟐𝟓
𝟐
∑ 𝒙𝒊 = 𝟏𝟔𝟖𝟎, 𝟕𝟔 ∑ 𝒙𝒊 = 𝟐𝟎𝟒, 𝟖𝟓
Desviación estándar capacidad calórica 0,1255 𝒊=𝟏 𝒊=𝟏
Ya que el problema habla de proporción, debemos utilizar la siguiente fórmula para determinar el
intervalo confidencial:
𝑝̂ 𝑞̂
𝐼𝐶(𝑝)1−𝛼 = (𝑝̂ ± 𝑍1− 𝛼 √ )
2 𝑛𝑥
25 10
Con: 1 − 𝛼 = 0,95 ; 𝑛𝑥 = 35 ; 𝑝̂ = 35 ; 𝑞̂ = 35
Reemplazando, obtenemos:
25 10
25 ∙
𝐼𝐶(𝑝)0,95 = ( ± 𝑍0,975 √35 35) ; 𝐶𝑜𝑛 𝑍0,975 = 1,96
35 35
25 10
25 ∙
𝐼𝐶(𝑝)0,95 = ( ± 1,96√35 35)
35 35
Ya que estamos tratando con proporciones, utilizamos la fórmula de error está dada por:
𝜎
𝑒 = 𝑍1− 𝛼
2 √𝑛
Reemplazando, tenemos:
0,3 0,3
0,1 ≥ 𝑍0,99 ∙ → √𝑛 ≥ 2,33 ∙ → 𝑛 ≥ 48,86 ≈ 49
√𝑛 0,1
∑𝑥 204,85
Para Mina II: 𝑛𝑦 = 25; 𝑦̅ = 𝑛𝑦
= 25
= 8,194
2 𝑖 (∑ 𝑥 )2
204,85 2
∑ 𝑥𝑖2 − 𝑛𝑦 𝑦̅ 2 √∑ 𝑥𝑖 − 𝑛𝑦 √1680,76 − 25
𝑆𝑦 = √ = = = 0,304
𝑛𝑦 − 1 𝑛𝑦 − 1 24
En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝑥2 = 𝜎𝑦2
𝐻1 : 𝜎𝑥2 ≠ 𝜎𝑦2
𝑆𝑦2 0,3042
𝑇= → 𝑇= = 5,8648
𝑆𝑥2 0,125532
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < 𝐹(24; 34; 0,025) ó 𝑇 > 𝐹(24; 34; 0,975) } → 𝑅𝐶 = { 𝑥 | 𝑇 < 0,452 ó 𝑇 > 2,1359 }
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas muestras son diferentes.
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión no existe suficiente información para rechazar la hipótesis
nula con un 5% de significación, es decir, se puede afirmar que la capacidad calórica del carbón de la
mina 1 no supera a la capacidad calórica del carbón de la mina 2.
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, existe suficiente información para rechazar la hipótesis nula, con un
5% de significación, es decir, la capacidad calórica del carbón de la mina 1 es inferior a 8,3 mil millones
de calorías por tonelada.
14.- Una empresa de telecomunicaciones realizó un estudio a fin de comparar el tráfico mensual
de los clientes que han tomado los planes A ó B y conocer la opinión de éstos respecto de los
servicios prestados por la empresa.
Para este efecto, tomó de cada plan, una muestra aleatoria de 121 clientes. La información
recolectada, se presenta a continuación:
Plan A
Tiempo (min) 60 a 100 100 a 140 140 a 180 180 a 220 220 a 260
N° de clientes 13 32 30 27 19
Plan B
Tiempo (min) 120 a 156 156 a 192 192 a 228 228 a 264 264 a 300
N° de clientes 20 26 33 30 12
Además 98 clientes del plan A y 80 del plan B evaluaron satisfactoriamente los servicios
prestados por la empresa.
14.1) Estime, con un nivel de confianza del 95% el tiempo medio de tráfico de los clientes del
plan B.
14.2) Con un nivel de significación del 5%, ¿Aceptaría Ud. La hipótesis que la diferencia de los
tiempos medios de tráfico, de los clientes del plan B con respecto a los clientes del plan
A, supere los 30 minutos?
14.3) Si el Gerente de la empresa se planteó la hipótesis: “el porcentaje de clientes que evalúa
satisfactoriamente los servicios prestados por la empresa es igual en ambos planes”,
¿Qué concluye, si utilizó un nivel de significación del 1%?
14.4) Docime la hipótesis de que el tiempo de tráfico de los clientes del plan A, es una v.a. con
distribución normal de varianza 2500 (min2).
14.1) Solución:
Sea: 𝐴 = “Tiempo tráfico mensual de los clientes que han tomado el plan A, en minutos”; 𝐴 ~ 𝑁(𝜇; 𝜎 2 )
𝐵 = “Tiempo tráfico mensual de los clientes que han tomado el plan B, en minutos”; 𝐵 ~ 𝑁(𝜇; 𝜎 2 )
Lo primero será calcular el tamaño, media y desviación estándar de cada muestra dada:
𝐴𝑖 𝑛𝐴𝑖 𝐵𝑖 𝑛𝐵𝑖
60 − 100 80 13 120 − 156 138 20
100 − 140 120 32 156 − 192 174 26
140 − 180 160 30 192 − 228 210 33
180 − 220 200 27 228 − 264 246 30
220 − 260 240 19 264 − 300 282 12
𝑛𝐴 = 121 𝑛𝐵 = 121
Para A Para B
𝐴̅ = 162,3140 𝑆𝐴 = 49,8792 𝐵̅ = 206,4296 𝑆𝐵 = 44,4336
Dado que el problema nos pide estimar el tiempo medio de tráfico de los clientes del plan B, utilizaremos
la siguiente fórmula para poder determinarlo
𝑆𝐵
𝐼𝐶(𝜇𝐵 )1−𝛼 = (𝐵̅ ± 𝑡(𝑛 𝛼 ∙ ) 𝐶𝑜𝑛: 1 − 𝛼 = 0,95
𝐵 −1;1− 2 ) √𝑛𝐵
Evaluando:
44,4336
𝐼𝐶(𝜇𝐵 )0,95 = (206,4296 ± 𝑡(120;0,975) ∙ ) 𝐶𝑜𝑛: 𝑡(120;0,975) = 1,9799
√121
44,4336
𝐼𝐶(𝜇𝐵 )0,95 = (206,4296 ± 1,9799 ∙ )
√121
𝐼𝐶 (𝜇𝐵 )0,95 = [198,4319; 214,4272]
14.2) Solución: En seguida, debemos contrastar las siguientes hipótesis, para determinar si estas
muestras poseen varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝐴2 = 𝜎𝐵2
𝐻1 : 𝜎𝐴2 ≠ 𝜎𝐵2
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas muestras son iguales.
𝐻0 : 𝜇𝐵 − 𝜇𝐴 ≤ 30
𝐻1 : 𝜇𝐵 − 𝜇𝐴 > 30
Reemplazando, obtenemos:
(120) ∙ 44,43362 + (120) ∙ 49,87922
𝑆𝑝 = √ = 47,235
121 + 121 − 2
206,4296 − 162,3140 − 30
𝑇= = 2,3244
1 1
47,235√121 + 121
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión existe suficiente información para rechazar la hipótesis nula
con un 5% de significación, es decir, se puede afirmar que la diferencia media de los tiempos de tráfico
de los clientes del plan B con respecto a los clientes del plan A, supera los 30 minutos.
14.3) Solución: Ya que el ejercicio nos entrega la cantidad de clientes, de cada plan, que evalúa
satisfactoriamente los servicios prestados por la empresa, podemos determinar las proporciones
respectivas de las muestras:
98 80 98 + 80 178
𝑝̂𝐴 = 𝑝̂𝐵 = → 𝑝̂ = = = 0,7355
121 121 121 + 121 242
Respuesta: Como 𝑇 ∈ 𝑅𝐶, se llega a la conclusión que existe suficiente información para rechazar la
hipótesis nula con un 1% de significación, o sea, el gerente de la empresa no se encontraba en lo
correcto cuando planteaba que el porcentaje de clientes que evalúa satisfactoriamente los servicios
prestados por la empresa es igual en ambos casos.
14.4) Solución: Sea: 𝐴 = “Tiempo tráfico mensual de los clientes que han tomado el plan A, en min.”
Con: 𝐴̅ = 162,31 ; 𝜎𝐴 2 = 2500; 𝜎𝐴 = 50
En seguida, como se debe cumplir que 𝑒𝑖 > 5, se procede a modificar la tabla, lo que se lleva a cabo
sumando las dos primeras filas y las dos últimas filas, quedando expresado de la siguiente forma:
𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
13 0,3062 12,77
32 0,2208 26,72
30 0,3104 37,56
27 0,2381 28,81
19 0,1251 15,14
𝑛 = 121 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 121
2 (𝑛𝑖 − 𝑒𝑖 )2 (13 − 12,77)2 (32 − 26,72)2 (30 − 37,56)2 (27 − 28,81)2 (19 − 15,14)2
𝑜𝑏𝑠 =∑ = + + + +
𝑒𝑖 12,77 26,72 37,56 28,81 15,14
2
𝑜𝑏𝑠 = 3,667
Además, la región crítica está definida de la siguiente forma:
2 2 𝑘 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑢𝑐𝑒𝑠𝑜𝑠 𝑜 𝑓𝑖𝑙𝑎𝑠
𝑅𝐶 = { 𝑥 | > } Con: = 𝑘−−1
𝑜𝑏𝑠 1−𝛼;
= 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟𝑒𝑠
Debido a que ocupamos el estimador de la media, el valor de es igual a uno y el número de filas
después de la modificación es cinco, por lo tanto, reemplazando tenemos:
2 2
𝑅𝐶 = { 𝑥 | 𝑜𝑏𝑠
> 1− 𝛼; 3 }
Ya que el valor del nivel de confianza no es entregado por el ejercicio, tenemos que interpolar para
determinarlo:
0,75 − 0,25 4,108 − 1,213
=
𝑥 − 0,25 3,667 − 1,213
0,50 2,895
=
𝑥 − 0,25 2,454
0,50 ∙ 2,454
𝑥= + 0,25
2,895
𝑥 = 0,69
1 − 𝛼 = 0,69
Resultados:
2
Caso 1: La hipotesis nula se rechaza si 𝑜𝑏𝑠 ∈ 𝑅𝐶 ⇔ 1 − 𝛼 < 0,69 ó 𝛼 > 0,31
2
Caso 2: La hipotesis nula no se rechaza si 𝑜𝑏𝑠 ∈ 𝑅𝐶 ⇔ 1 − 𝛼 > 0,69 ó 𝛼 < 0,31
Considerando que el nivel de significación debe ser el menor posible para que la estimación sea
adecuada, por lo que es correcto elegir el caso 2, ya que así se cumple lo antes expuesto.
2
Respuesta: Ya que 𝑜𝑏𝑠 ∈ 𝑅𝐶 ⇔ 1 − 𝛼 > 0,69, es decir, no existe información suficiente para
rechazar la hipotesis nula, por lo tanto, el tiempo de tráfico de los clientes del plan A se distribuye
normalmente con varianza igual a 2500 min 2.
15.- En el mercado existen dos tipos de plásticos (A y B), los que son utilizados en la fabricación
de diversos artículos. Una variable importante que se maneja es su tensión de ruptura (en psi)
y por lo tanto se ha diseñado un experimento para medir la variable en ambos tipos. Los
resultados en 41 ensayos de plástico A fueron los siguientes:
Tensión de Ruptura 144 a 150 150 a 156 156 a 162 162 a 168
𝒏𝑨 5 12 16 8
Por otro lado, en 25 ensayos realizados para registrar la tensión a la ruptura en el plástico B, se
obtuvo un promedio de 154 psi con desviación estándar de 5,2 psi.
15.1) Considerando un nivel de significación del 5% y la información que entregan los datos.
¿Hay evidencia suficiente para cuestionar lo especificado por el fabricante, quién señala
que el valor medio de la tensión a la ruptura del plástico A es de 155,5 psi?
15.2) El ingeniero de procesos tiene la sospecha que el plástico A tiene una tensión media a la
ruptura más alta de lo que se observa para el plástico B. Admitiendo como válidos los
supuestos de normalidad de las variables en estudio y considerando un niel de
significación del 5% ¿Qué puede concluir usted respecto de la sospecha del ingeniero de
procesos?
15.3) Con un nivel de significación del 2,5% ¿Muestran los datos la evidencia suficiente para
corroborar que efectivamente la distribución de probabilidad de la tensión a la ruptura
del plástico tipo A es de tipo normal con media 155,5 psi y varianza 25 (psi)2.
15.4) Con un 5% de nivel de significación, ¿es posible corroborar que más de un 30% de las
unidades del plástico A presentan una tensión a la ruptura superior a 160 psi?
15.1) Solución: Sea: 𝑥 = “Tensión de ruptura del tipo de plásticos A, en psi”; 𝑥 ~ 𝑁(𝜇; 𝜎 2 )
𝑦 = “Tensión de ruptura del tipo de plásticos B, en psi”; 𝑦 ~ 𝑁(𝜇; 𝜎 2 )
𝑥′𝑖−1 − 𝑥′𝑖 𝑥𝑖 𝑛𝑖
Para 𝑥:
144 – 150 147 5
150 – 156 153 12 𝑥̅ = 156,95 𝑆𝑥 = 5,63 𝑛𝑥 = 41
156 – 162 159 16 Para 𝑦:
162 – 168 165 8
𝑛𝑥 = 41 𝑦̅ = 154 𝑆𝑦 = 5,2 𝑛𝑦 = 25
Las hipótesis a contrastar son:
𝐻0 : 𝜇𝐴 = 155,5
𝐻1 : 𝜇𝐴 ≠ 155,5
𝑥̅ − 𝜇0 156,95 − 155,5
𝑇= 𝑠𝑥 𝐶𝑜𝑛: 𝑛𝑥 = 41; 𝑥̅ = 156,95 ; 𝑆𝑥 = 5,63 → 𝑇= 5,63 = 1,65
√𝑛𝑥 √41
Respuesta: Debido a que 𝑇 ∈ 𝑅𝐶, no existe suficiente información para rechazar la hipótesis nula, es
decir, no hay evidencia suficiente para cuestionar lo especificado por el fabricante, el que señaló que
el valor medio de la tensión a la ruptura del plástico A es de 155,5 psi, con un 5% de significación.
15.2) Solución: Debemos contrastar las siguientes hipótesis, para determinar si estas muestras poseen
varianzas poblacionales iguales o diferentes:
𝐻0 : 𝜎𝑥 2 = 𝜎𝑦 2
𝐻1 : 𝜎𝑥 2 ≠ 𝜎𝑦 2
Luego, para determinar el estadístico de prueba, tenemos:
𝑆𝑥 2 5,632
𝑇= → 𝑇= = 1,1722
𝑆𝑦 2 5,22
La Región Crítica:
𝑅𝐶 = { 𝑥 | 𝑇 < 𝐹(40; 24; 0,025) ó 𝑇 > 𝐹(40; 24; 0,975) } → 𝑅𝐶 = { 𝑥 | 𝑇 < 0,4928 ó 𝑇 > 2,1460 }
Resultado: Debido a que 𝑇 ∈ 𝑅𝐶, no hay información suficiente para rechazar la hipótesis nula, es decir,
las varianzas poblacionales de ambas muestras son iguales.
Continuando con el desarrollo del ejercicio, procedemos a contrastar las siguientes hipótesis:
𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 > 𝜇𝑦
Reemplazando, obtenemos:
Respuesta: Como 𝑇 ∈ 𝑅𝐶, en conclusión hay información suficiente para rechazar la hipótesis nula, es
decir, las sospechas del ingeniero de proceso están en lo correcto, ya que por los resultados obtenidos
el plástico A tiene una tensión media a la ruptura más alta de lo que se observa para el plástico B.
15.3) Solución: Las hipótesis a contrastar son (Con 𝛼 = 0,025):
𝐿í𝑚𝑖𝑡𝑒𝑠 𝑡𝑖𝑝𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑠
𝑥′𝑖−1 − 𝑥′𝑖 𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
𝑍𝑥′𝑖−1 − 𝑍𝑥′𝑖
144 − 155,5 f(−2,3)
𝑀𝑒𝑛𝑜𝑟 𝑎 144 < < −2,3 0,011 0,45
5 = 0,0107
144 − 155,5 150 − 155,5 f(−1,1) − f(−2,3)
144 − 150 5 ; −2,3; −1,1 0,125 5,13
5 5 = 0,1357 − 0,0107
150 − 155,5 156 − 155,5 f(0,1) − f(−1,1)
150 − 156 12 ; −1,1; 0,1 0,404 16,56
5 5 = 0,5398 − 0,1357
156 − 155,5 162 − 155,5 f(1,3) − f(0,1)
156 − 162 16 ; 0,1; 1,3 0,363 14,88
5 5 = 0,9032 − 0,5398
162 − 155,5 168 − 155,5 f(2,5) − f(1,3)
162 − 168 8 ; 1,3; 2,5 0,091 3,73
5 5 = 0,9938 − 0,9032
168 − 155,5 1 − f(2,5)
𝑀𝑎𝑦𝑜𝑟 𝑎 168 > > 2,5 0,006 0,25
5 = 1 − 0,9938
𝑛 = 41 1 41
En seguida, se sabe que cuando estamos haciendo bondad de ajuste se debe cumplir que 𝑒𝑖 > 5, por
lo tanto, se procede a modificar la tabla, lo que se lleva a cabo sumando las dos primeras filas y las
tres últimas filas, quedando expresado de la siguiente forma:
𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
5 0,136 5,58
12 0,368 16,56
24 0,496 18,86
𝑛 = 41 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 41
2 2 2
𝑅𝐶 = { 𝑥 | 𝑜𝑏𝑠
> 0,975;2 } 𝑅𝐶 = { 𝑥 | 𝑜𝑏𝑠
> 7,378}
2
Respuesta: Como 𝑜𝑏𝑠 ∈ 𝑅𝐶, se concluye que no existe evidencia suficiente para rechazar que la
tensión a la ruptura del plástico tipo A se distribuye normalmente con una media de 155,5 psi y una
varianza de 25 psi2, con un nivel de significación de 0,025.
15.4) Solución: Sea: 𝑝 = “Proporción de las unidades del plástico A que presentan una tensión a la
ruptura superior a 160 psi”
Estimaremos el valor de 𝑝̂ , lo que lo llevamos a cabo por medio de fórmula de percentil, como se ve a
continuación:
𝑝∙𝑛
100
− 𝑁𝑖−1
𝑥′𝑖−1 − 𝑥′𝑖 𝑛𝑖 𝑁𝑖 𝑝 = 𝑥′𝑖−1 + 𝐶𝑖 ( )
𝑛𝑖
144 – 150 5 5
150 – 156 12 17 − 17
𝑝∙41
Respuesta: Como 𝑇 ∈ 𝑅𝐶, no existe suficiente información para rechazar la hipótesis nula con un 5%
de significación, es decir, no se puede corroborar que más de un 30% de las unidades del plástico tipo
A presentan una tensión a la ruptura superior a 160 psi.
16.- En un hospital, el número de nacimientos observados para cada mes de cierto año, fueron
los siguientes:
Si 𝜶 = 𝟎, 𝟎𝟏, ¿Existe alguna razón para creer que el número de nacimietnos no se encuentra
distribuido en forma uniforme durante todo los meses del año?
Respuesta: Como 2𝑜𝑏𝑠 ∈ 𝑅𝐶, por lo tanto no existe evidencia suficiente para rechazar la hipotesis nula,
es decir, se concluye que no existe razón para rechazar que el número de nacimientos se encuentra
distribuido en forma uniforme durante todo los meses del año.
17.- El encargado de control de calidad de una empresa exportadora revisó al azar un conjunto
de 700 cajas, registrando el número de unidades defectuosas encontradas en cada caja,
obteniendo la siguiente información:
N° de defectuosos 0 1 2 3
N° de cajas 542 140 10 8
Si históricamente la cantidad de defectuosos por caja, se ha comportado de acuerdo a un
modelo binomial de parámetros 𝒏 = 𝟑 y 𝒑 = 𝟎, 𝟎𝟖. Evalúe usted si la evidencia muestral permite
corroborar que la variable en cuestión persiste en comportarse de acuerdo al modelo histórico,
con nivel de significación igual a 0,05.
𝐻0 : 𝑥 ~ 𝐵(𝑛 = 3; 𝑝 = 0,08)
Con 𝛼 = 0,05
𝐻1 : 𝑥 ~ 𝐵(𝑛 = 3; 𝑝 = 0,08)
En seguida, como se debe cumplir que 𝑒𝑖 > 5, se procede a modificar la tabla, lo que se hace sumando
las dos últimas filas, como se muestra ahora:
𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
542 0,7787 545,09
140 0,2031 142,17
18 0,0182 12,74
𝑛 = 700 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 700
Respuesta: Como 2𝑜𝑏𝑠 ∈ 𝑅𝐶, en consecuencia no existe evidencia suficiente para rechazar que la
cantidad de defectuosos por caja sigue el modelo histórico, o sea, distribución binomial con tamaño de
la muestra 3, y probabilidad de éxito igual a 0,08, con un nivel de significación de 0,05.
18.- En una empresa de acuicultura se quiere hacer un estudio sobre el nivel de parásitos en la
producción de doradas. Para ello, se tomó una muestra de 5 individuos cada día, repitiendo el
experimento durante 550 días. De cada muestra se analizaron los peces determinando cuantos
de ellos contenían parásitos. ¿Se ajusta a un modelo de distribución Binomial con 5% de
significación?
Además, de la tabla de distribuciones discretas sabemos que la media de la distribución binomial está
dada por la siguiente fórmula, teniendo cuidado con el 𝑛 es el número de veces que se repite el
experimento, es decir, en este caso toma el valor de 5:
𝑥̅ 2,584
𝑥̅ = 𝑛𝑝 → 𝑝 = = = 0,517
𝑛 5
𝐻0 : 𝑥 ~ 𝐵(𝑛 = 5; 𝑝 = 0,517)
𝐻1 : 𝑥 ~ 𝐵(𝑛 = 5; 𝑝 = 0,517)
Con 𝛼 = 0,05
𝑛
( ) 𝑥 𝑛−𝑥 ; 𝑥 = 0,1,2, … ,5 (5) ( ) 𝑥 (0,483)5−𝑥 ; 𝑥 = 0,1,2, … ,5
𝑝(𝑥) = { 𝑥 𝑝 𝑞 𝑝(𝑥) = { 𝑥 0,517
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑥 𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
5 (0,517 )0 (0,483 )5
0 17 ( ) = 0,026 14,3
0
1 81 (5) (0,517)1 (0,483)4 = 0,141 77,55
1
2 152 (5) (0,517)2 (0,483)3 = 0,301 165,55
2
3 180 (5) (0,517)3 (0,483)2 = 0,322 177,1
3
4 104 (5) (0,517)4 (0,483)1 = 0,173 95,15
4
5 (0,517)5 (0,483)0 = 0,037
5 16 ( ) 20,35
5
𝑛 = 550 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 550
2 (𝑛𝑖 − 𝑒𝑖 )2 (17 − 14,3)2 (81 − 77,55)2 (152 − 165,55)2 (180 − 177,1)2 (104 − 95,15)2 (16 − 20,35)2
𝑜𝑏𝑠 =∑ = + + + + +
𝑒𝑖 14,3 77,55 165,55 177,1 95,15 20,35
2
𝑜𝑏𝑠 = 3,573
19.- Se propone que el número de defectos en las tarjetas de circuito impreso sigue una
distribución Poisson. Se reúne una muestra aleatoria de 60 tarjetas de circuito impreso y se
observa el número de defectos. Los resultados obtenidos son los siguientes:
Evalúe si estos datos muestran suficiente evidencia para decir que provienen de una
distribución Poisson, con un nivel de significación igual a 0,05.
Ya que el ejercicio no nos entrega el valor de lambda, procedemos a estimarlo a partir de los datos
tabulados:
∑ 𝑥𝑖 ∙ 𝑛𝑖 0 ∙ 32 + 1 ∙ 15 + 2 ∙ 9 + 3 ∙ 4 3
̂ = 𝑥̅ = = = = 0,75
𝑛 60 4
Luego, la probabilidad se determina de la siguiente manera, ya que se quiere probar si 𝑥 tiene una
distribución Poisson, como se ve a continuación:
𝑒 − ∙ 𝑥 𝑒 −0,75 ∙ (0,75)𝑥
𝑝(𝑥) = { 𝑥! ; 𝑥 = 0,1,2, … 𝑝(𝑥) = { ; 𝑥 = 0,1,2, …
𝑥!
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑥 𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
−0,75 0
𝑒 ∙ (0,75)
0 32 = 0,4724 28,344
0!
𝑒 −0,75 ∙ (0,75)1
1 15 = 0,3543 21,258
1!
𝑒 −0,75 ∙ (0,75)2
2 9 = 0,1329 7,974
2!
3 ó 𝑚á𝑠 4 1 − 𝑃 (𝑥 < 3) = 0,0404 2,424
𝑛 = 60 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 60
Puesto que la frecuencia esperada en la última celda es menor que 5, se combinan las dos últimas
filas.
𝑥 𝑛𝑖 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
0 32 28,344
1 15 21,258
2 ó 𝑚á𝑠 13 10,398
𝑛 = 60 ∑ 𝑒𝑖 = 60
20.- El duración (X) en meses, de cierto dispositivo se considera una variable aleatoria. En una
muestra elegida al azar de 80 dispositivos, se obtuvo la siguiente información:
Los datos de la muestra dan evidencia suficiente para concluir que la duración mensual de los
dispositivos se distribuye exponencial, con parámetro λ = 0,3 con un 5% de confianza
𝑥 𝑛𝑖 𝑝(𝑥) 𝑒𝑖 = 𝑛 ∙ 𝑝(𝑥)
<2 34 −0,3 ∙ 2 36,096
1−𝑒 = 0,4512
2−4 20 1 − 𝑒 −0,3 ∙4 − [1 − 𝑒 −0,3 ∙2 ] = 0,2476 19,808
4−6 14 1 − 𝑒 −0,3 ∙6 − [1 − 𝑒 −0,3 ∙4 ] = 0,1359 10,872
6−8 8 1 − 𝑒 −0,3 ∙8 − [1 − 𝑒 −0,3 ∙6 ] = 0,0746 5,968
8 − 10 3 1 − 𝑒 −0,3 ∙10 − [1 − 𝑒 −0,3 ∙8 ] = 0,0409 3,272
4 7,256
≥ 10 1 1 − [1 − 𝑒 −0,3 ∙10 ] = 0,0498 3,984
𝑛 = 80 ∑ 𝑝(𝑥) = 1 ∑ 𝑒𝑖 = 80
2
Respuesta: Como 𝑜𝑏𝑠 ∈ 𝑅𝐶, se concluye que no existe evidencia suficiente para rechazar la hipotesis
nula, por esto se asume que la duración mensual de los dispositivos se distribuye exponencial, con
parámetro λ = 0,3 y = 0,05.