Escolar Documentos
Profissional Documentos
Cultura Documentos
Datos:
Variable aleatoria X: cantidad de bebida que sirve una máquina (en mililitros).
Tamaño de la muestra n = 40 bebidas.
Desviación estándar poblacional σx = 15 mililitros.
Media poblacional μx = 240 mililitros.
Media muestral = = 240 mililitros.
Incógnita:
Solución:
Respuesta:
Esta fue una decisión razonable puesto que 236 ml., que es la media encontrada se encuentra dentro del
intervalo definido.
Datos:
Variable aleatoria X: vida útil de una máquina de hacer pasta (en años).
Media poblacional μx = 7 años.
Desviación estándar poblacional σx = 1 año.
Tamaño de la muestra n = 9 máquinas.
a) Incógnita:
P(6.4 ≤ ≤ 7.2)
Solución:
Respuesta:
La probabilidad de que la vida media de una muestra de 9 de esas máquinas caiga entre 6.4 años y 7.2 años es
del 68.98%.
b) Incógnita:
Un valor de que deje a su derecha un área del 15% y por lo tanto un área del 85% a su izquierda.
Solución:
Con años y
Años
= 7.35 años
Respuesta:
Datos:
a) Incógnita:
P( ≤ 2.7)
Solución:
b) Incógnita:
P( > 3.5)
Solución:
c) Incógnita:
P(3.2 ≤ ≤ 3.4)
Solución:
La probabilidad de que el tiempo promedio de los cliente con el cajero este entre 3.2 y 3.4 minutos es de
34.13%.
Problema 4 (Ref: Pág. 224 - Ej. 12)
Se toma una muestra aleatoria de tamaño 25 de una población normal que tiene una media de 80 y una
desviación estándar de 5. Una segunda muestra aleatoria de tamaño 36 se toma de una población
normal diferente que tiene una media de 75 y una desviación estándar de 3. Encuentre la probabilidad
de que la media muestral calculada de las 25 mediciones exceda de media muestral calculada de las 36
mediciones por al menos 3.4 pero en menos de 5.9. Suponga que las medias se miden al décimo más
cercano.
Datos:
Incógnita:
Solución:
y .
De aquí
80 – 75 = 5 y
Respuesta:
La probabilidad de que la media muestral calculada de las 25 mediciones exceda de media muestral calculada
de las 36 mediciones por al menos 3.4 pero en menos de 5.9 es de 71.34%.
a) cuando υ = 15;
b) cuando υ = 7;
c) cuando υ = 24.
Respuesta:
El valor χ2 con 15 grados de libertad, que deja un área de 0.025 a su derecha es 27.488.
Gráfica:
Respuesta:
El valor χ2 con 7 grados de libertad, que deja un área de 0.01 a su derecha es 18.475.
Gráfica:
Respuesta:
El valor χ2 con 24 grados de libertad, que deja un área de 0.05 a su derecha es 36.415.
Gráfica:
Respuesta:
El valor de χ2 que deja a su derecha una probabilidad igual a 0.99 es decir 99 %, con 4 grados de libertad es
0.297.
Respuesta:
El valor de χ2 que deja a su derecha una probabilidad igual a 0.025 es decir 2.5 %, con 19 grados de libertad
es 32.852.
Gráfica:
Respuesta:
El valor de χ2 debe ser igual a 46.928 para que la probabilidad entre 37.652 y dicho valor calculado sea igual a
0.045, es decir 4.5%, con 25 grados de libertad.
Gráfica:
Datos:
a) Incógnita:
P (s2 > 9.1)
Solución:
Respuesta:
La probabilidad de que la varianza de esa muestra sea mayor que 9.1 es del 5%.
b) Incógnita:
P (3.462 ≤ s2 ≤ 10.745)
Solución:
Respuesta:
La probabilidad de que la varianza de esa muestra se encuentre entre 3.462 y 10.745 es del 94%.
Datos:
P: estudiantes de primer año de licenciatura.
X: calificación de un examen de colocación.
Varianza poblacional = 8.
Tamaño de la muestra n = 20 estudiantes.
Varianza muestral s2 = 20.
Incógnita:
Considerar si es válida =8
Solución:
Respuesta:
Es un valor de una distribución ji cuadrada con 19 grados de libertad.
Como 95% de los valores χ2 con 19 grados de libertad caen entre 8.907 y 32.852, el valor calculado con σ 2 = 8
no es razonable y por lo tanto se tiene razón suficiente para sospechar que la varianza es diferente a ocho.
Es muy probable que el valor supuesto de σ2 sea un error.
Respuesta:
El valor t con 14 grados de libertad, que deja un área de 0.025 a su derecha es 2.145.
Gráfica:
Respuesta:
El valor t con 10 grados de libertad, que deja un área de 0.10 a su izquierda es -1.372.
Gráfica:
Respuesta:
El valor t con 7 grados de libertad, que deja un área de 0.995 a su derecha y por lo tanto un área de 0.005 a su
izquierda es -3.499.
Gráfica:
Respuesta:
La probabilidad de que un valor t sea menor que 2.365 con 7 grados de libertad es del 97.5%.
Gráfica:
Respuesta:
La probabilidad de que un valor t sea mayor que 1.318 con 24 grados de libertad es del 10%.
Gráfica:
Respuesta:
La probabilidad de que un valor t se encuentre entre -1.356 y 2.179 con 12 grados de libertad es del 87.5%.
Gráfica:
Respuesta:
La probabilidad de que un valor t sea mayor que -2.567 con 17 grados de libertad es del 99%.
Gráfica:
Datos:
Solución:
De la tabla A.4 encontramos que t0.025 = 2.131 para 15 grados de libertad. Por tanto, la empresa queda
satisfecha con esta afirmación si una muestra de 16 baterías rinde un valor t entre –2.131 y 2.131. si μ = 30,
entonces
Respuesta:
La empresa estaría satisfecha con su afirmación ya que el valor hallado de t pertenece al intervalo establecido
como parámetro para poder afirmar que sus baterías promedian las 30 horas de duración.
Una población normal con varianza desconocida tiene una media de 20. ¿Se tiene posibilidad de
obtener una muestra aleatoria de tamaño 9 de esta población con una media de 24 y una desviación
estándar de 4.1? Si no, ¿qué conclusión sacaría?
Datos:
Solución:
= 1 – P (│ - 20│ ≤ 4) =
= 1 – P (-4 ≤ - 20 ≤ 4) =
=1–P =
= 1 – P (-2.92 ≤ t8 ≤ 2.92) =
Respuesta:
Si se tiene la posibilidad de obtener una muestra de tamaño 9 con esas condiciones, con una probabilidad del
1.918%
Datos:
Media muestral
Incógnita:
μx = 0.5
Solución:
Respuesta:
Hay razones suficiente (75,08%) para considerar que la afirmación es cierta.
Respuesta:
El valor f con 7 y 15 grados de libertad, que deja un área de 0.05 a su derecha es 2.71.
Gráfica:
Respuesta:
El valor f con 15 y 7 grados de libertad, que deja un área de 0.05 a su derecha es 3.51.
Gráfica:
Respuesta:
El valor f con 24 y 19 grados de libertad, que deja un área de 0.01 a su derecha es 2.92.
Gráfica:
d) ƒ0.95 con υ1 = 19 y υ2 = 24
= 0.4739
Respuesta:
El valor f con 19 y 24 grados de libertad, que deja un área de 0.95 a su derecha es 0.4739.
Gráfica:
e) ƒ0.99 con υ1 = 28 y υ2 = 12
= 0.3448
Respuesta:
El valor f con 28 y 12 grados de libertad, que deja un área de 0.99 a su derecha es 0.3448.
Gráfica:
Datos:
Media muestral
Incógnita:
Varianza muestral s2
Solución:
Respuesta:
La varianza de este conjunto es 114700000 $.
Datos:
Incógnita:
Solución:
Respuesta:
La probabilidad de que F con 24 y 30 grados de libertad sea mayor que 1.26 es de 0.05, es decir, 5%.
Una empresa eléctrica fabrica focos que tienen una duración aproximadamente distribuida de forma
normal con una desviación estándar de 40 horas. Si una muestra de 30 focos tiene una duración
promedio de 780 horas, encuentre un intervalo de confianza de 96 % para la media de la población de
todos los focos que produce esta empresa.
Datos:
Incógnita:
Intervalo de confianza para la media poblacional, μ x, con 96% de confianza.
Solución:
Respuesta:
Podemos afirmar con un nivel de confianza del 96% que la media poblacional se encuentra entre 765 y 795
horas.
Datos:
Respuesta:
Por lo tanto, podemos tener una confianza 96% de que una muestra aleatoria de tamaño 68 proporcionara una
estimación que difiere de μ por una cantidad menor que 0.04.
Datos:
P: estudiantes universitarios.
Variable aleatoria X: medidas de esos estudiantes universitarios (en centímetros)
Tamaño de la muestra n = 50 estudiantes.
Media muestral = 174.5 centímetros.
Desviación estándar muestral s = 6.9 centímetros.
a) Incógnita:
Intervalo de confianza para la media poblacional, μ x, con 98% de confianza.
Solución:
Respuesta:
Podemos afirmar con 98% de confianza que la media poblacional se encuentra entre 172.15 y 176.85
centímetros.
b) Incógnita:
Posible error de estimación.
Solución:
cm.
Respuesta:
Podemos afirmar con 98% de confianza que el error de estimación es igual a 2.35 cm.
Datos:
Incógnita:
Intervalo de confianza para la media poblacional, μ x, con 99% de confianza.
Solución:
Respuesta:
Podemos afirmar con 99% de confianza que la media poblacional se encuentra entre 0.9781 y 1.0329
centímetros.
Datos:
P: botellas de aspirinas.
X: cantidad de aspirina que contienen las botellas de aspirina (en miligramos).
Tamaño de la muestra n = 25 botellas de aspirina.
Incógnita:
Limites de tolerancia del 95% que contendrán 90% de aspirina.
Solución:
± ks
Respuesta:
Los límites de tolerancia del 95% que contendrán 90% de aspirina para esta marca son 323.946 mg y 326.154
mg,
estándar σ1 = 5 tiene una media = 80. Una segunda muestra aleatoria de tamaño n2 = 36, que se toma
de una población normal diferente con una desviación estándar σ2 = 3, tiene una media = 75.
Encuentre un intervalo de confianza de 95% para μ1 - μ2.
Datos:
100(1-α)% = 95% =>α = 0.05 => => z0.025 = 1.96 Aplicando Tabla A.3
Incógnita:
Intervalo de confianza para la diferencia de las medias poblacionales, μ 1 – μ2, con 95% de confianza.
Solución:
Respuesta:
Podemos afirmar con 95% de confianza que la diferencia entre las medias poblacionales se encuentra entre
2.80 y 7.19.
Calcule un intervalo de confianza de 95% para μ1 – μ2,suponga que las poblaciones se distribuyen de
forma aproximadamente normal. Puede no suponer que las varianzas son iguales.
Datos:
P1 : neumáticos de la marca A.
P2 : neumáticos de la marca B.
X1 : duración en kilómetros de un neumático de la marca A.
X2 : duración en kilómetros de un neumáticos de la marca B.
Tamaño de la primer muestra n1 = 12 neumáticos.
Tamaño de la segunda muestra n2 = 12 neumáticos.
Media de la primer muestra = 36300 Km.
Media de la segunda muestra = 38100 Km.
100(1-α) % = 95% =>α = 0.05 => Aplicando Tabla A.4 t0.025 = 2.07892 con υ = 21.18 grados de libertad.
Incógnita:
Intervalo de confianza para la diferencia de las medias poblacionales, μ 1 – μ2, con 95% de confianza.
Solución:
Respuesta:
Podemos afirmar con 95% de confianza que la diferencia entre las medias poblacionales se encuentra entre
–6533.4 y 2933.4.
Medicamento 1 Medicamento 2
n1 = 14 n 2 = 16
= 17 = 19
= 1.5 = 1.8
Encuentre un intervalo de confianza de 99% para la diferencia μ2 – μ1 en el tiempo promedio de
recuperación para los dos medicamentos, suponga poblaciones normales con varianzas iguales.
Datos:
: pacientes que se tratan con el medicamento 1.
: tiempo de recuperación en días para un paciente tratado con el medicamento 1.
Tamaño de la primer muestra n1 = 14 días.
Primer media muestral = 17 días.
100(1-α)% = 99% =>α = 0.01 => Aplicando Tabla A.4 t0.005 = 2.763 con (n1 + n2 – 2) = 28 grados de
libertad.
Incógnita:
Intervalo de confianza para la diferencia de las medias poblacionales, , con 99% de confianza.
Solución:
luego,
Respuesta:
Podemos afirmar con 99% de confianza que la diferencia entre las medias ( ) poblacionales se
encuentra entre 0.70 y 3.30.
Datos:
100γ = 100(1 - α)% = 96% =>α =0.04 => => z0.98 2.054
a) Incógnita:
Intervalo de confianza de 96% para la fracción de la población que favorece el convenio.
Solución:
Respuesta:
Podemos afirmar con 96% de confianza que la fracción que favorece el convenio se encuentra entre 0.49811
y 0.64189, es decir, 49.81% y 64.19% respectivamente.
b) Incógnita:
Posible error de estimación.
Solución:
Respuesta:
Podemos afirmar con 96% de confianza que le error de estimación no superará el 7.2 %.
Datos:
Sabemos que:
Y que
Incógnita:
Solución:
Con
Intervalo de error e = 0.02.
votantes
Respuesta:
Si basamos nuestra estimación de p sobre una muestra aleatoria de tamaño 2575, podemos tener una
confianza de 96% de que nuestra proporción muestral no diferirá de la proporción real por más de 0.02.
Datos:
P1 : hombres
P2 : mujeres
p1 : proporción de hombres que tienen cierto trastorno sanguíneo menor.
p2 : proporción de mujeres que tienen cierto trastorno sanguíneo menor.
Tamaño de la primer muestra n1 = 1000 hombres.
Tamaño de la segunda muestra n2 = 1000 mujeres.
Número de éxitos de la primer muestra x1 = 250.
Número de éxitos de la segunda muestra x2 = 275.
Incógnita:
Intervalo de confianza de 96% para la diferencia de las fracciones de población que favorece el convenio.
Solución:
Respuesta:
Podemos afirmar con 95% de confianza que la diferencia entre la proporción de hombres y mujeres que
padecen el trastorno sanguíneo se encuentra entre – 0.01355 y 0.06355.
Datos:
Tamaño de la muestra n = 20 empleados.
a) Incógnita:
Estimar el número que habrían sido mujeres en cada año.
Solución:
En 1990 el 33.7% de 20
7 mujeres
En 1994 el 36.2% de 20
7 mujeres
Respuesta:
Estimamos que en 1990 habría sido de 7 mujeres, y en 1994 la estimación habría sido de 7
mujeres.
b) Incógnita:
Intervalo de confianza de 95% para ver si hay evidencia de que la proporción de mujeres contratadas
como personal editorial en 1994 fue mayor que la proporción contratada en 1990.
Solución:
Respuesta:
Podemos afirmar con 95% de confianza que no hay ninguna evidencia para asegurar que la proporción de
mujeres contratadas como personal en 1994 fue mayor que la proporción contratada en 1990.
Problema 29 (Ref: Pág. 275 – Ej. 1)
Un fabricante de baterías para automóvil afirma que sus baterías duraran, en promedio, tres años con
una varianza de un año. Si cinco de estas baterías tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años,
construya un intervalo de confianza de 95% para σ2 y decida si la afirmación del fabricante de que σ2 =
1 es válida. Suponga que la población de duraciones de las baterías se distribuye de forma
aproximadamente normal.
Datos:
P: baterías de automóvil.
X: tiempo de duración en años de una batería.
Media poblacional μx = 3 años.
Desviación estándar poblacional σx = 1 año.
Intervalo de varianza IC = 95%.
Tamaño de la muestra n = 5 baterías.
Incógnita:
σ2 = 1
Solución:
Se desea estimar el valor de la varianza utilizando como estimador.
años
( )
Respuesta:
Podemos afirmar con 95% de confianza que, ya que este intervalo contiene a 1,
que la afirmación del fabricante, de que σ2 = 1, es válida.
a) Calcule un intervalo de confianza de 95% para μ1 – μ2, suponga que las poblaciones se distribuyen de
forma aproximadamente normal. Puede no suponer que las varianzas son iguales.
b) Construya un intervalo de confianza de 90% para . ¿Estamos justificados al suponer que σ21 =
σ22 cuando construyamos nuestro intervalo de confianza para μ1 – μ2?
Datos:
P1 : neumáticos de la marca A.
P2 : neumáticos de la marca B.
X1 : duración en kilómetros de un neumático de la marca A.
X2 : duración en kilómetros de un neumáticos de la marca B.
Tamaño de la primer muestra n1 = 12 neumáticos.
Tamaño de la segunda muestra n2 = 12 neumáticos.
Media de la primer muestra = 36300 Km.
Media de la segunda muestra = 38100 Km.
100(1-α) % = 95% =>α = 0.05 => Aplicando Tabla A.4 t0.025 = 2.07892 con υ = 21.18 grados de libertad.
a) Incógnita:
Intervalo de confianza para la diferencia de las medias poblacionales, μ 1 – μ2, con 95% de confianza.
Solución:
Respuesta:
Podemos afirmar con un 95% de confianza que la diferencia entre las medias poblacionales se encuentra entre
–6533.4 y 2933.4.
b) Incógnita:
Intervalo de confianza de 90% para σ 21/ σ22.
Solución:
Respuesta:
Podemos afirmar con 90% de confianza que se encuentra entre 0.238249 y 1.894652, ya que el
intervalo contiene a 1 es razonable asumir que σ21 = σ22.
Solución:
En símbolos:
a) Cuando concluye que al menos de 30% del público es alérgico a algunos productos de queso cuando, de
hecho, el 30% o más son alérgicos.
b) Cuando concluye que al menos el 30% del público es alérgico a algunos productos de queso cuando, de
hecho, menos del 30% son alérgicos.
Datos:
a) Incógnita:
Probabilidad de error tipo I, α
Solución:
Proporción de adultos graduados universitarios p = 0.6 graduados universitarios.
Respuesta:
La probabilidad de cometer un error tipo I con p = 0.6 es del 6.09%.
b) Incógnita:
Probabilidad de error tipo II, β
Solución:
Proporción de adultos graduados universitarios p = 0.5 graduados universitarios.
β = P(error tipo II) =P(6 ≤ ≤ 12 | p = 0.5) = = Aplicando Tabla A.1 = 0.8464 = 84.64%.
β = P(error tipo II) =P(6 ≤ ≤ 12 | p = 0.7) = = Aplicando Tabla A.1 = 0.8695 = 86.95%.
Respuesta:
La probabilidad de cometer un error tipo II con p = 0.5 es del 84.64%.
La probabilidad de cometer un error tipo II con p = 0.7 es del 86.95%.
c) Incógnita:
Es este un buen procedimiento de prueba?
Solución:
El procedimiento empleado para este ejercicio no es un buen procedimiento de prueba ya que la probabilidad
es muy alta.
Problema 33 (Ref: Pág. 304 – Ej. 5)
Repita el ejercicio 4 cuando se seleccionan 200 adultos y la región de aceptación se define como 110 ≤
≤ 130 donde es el número de graduados universitarios en nuestra muestra. Utilice la aproximación
normal.
Datos:
Tamaño de la muestra n = 200 adultos.
Región de aceptación 110 ≤ ≤ 130 graduados universitarios.
a) Incógnita:
Probabilidad de error tipo I, α
Solución:
Proporción de adultos graduados universitarios p = 0.6 graduados universitarios.
Media .
Desviación estándar
α = P(error tipo I) = P(110 > > 130 | p = 0.6) = P( < 110 | p = 0.6) + P( > 130 | p = 0.6) =
= P(z < -1.52) + P(z < 1.52) = (2)*(0.0643) = 0.1286 = 12.86%.
Respuesta:
La probabilidad de cometer un error tipo I con p = 0.6 es del 12.86%.
b) Incógnita:
Probabilidad de error tipo II, β
Solución:
Media .
Desviación estándar
β = P(error tipo II) =P(110 < < 130 | p = 0.5) =P(1.34 < z < 4.31) = P(z ≤ 4.31) – P(z ≤ 1.34) =
= 1 – 0.9099 = 0.0901 = 9.01%.
Media .
Desviación estándar
β = P(error tipo II) =P(110 < < 130 | p = 0.7) = P(-4.71< z < -1.47) = P(z ≤ -1.47) – P(z ≤ -4.71) =
= 0.0708 – 0 = 0.0708 = 7.08%.
Respuesta:
c) Incógnita:
Es este un buen procedimiento de prueba?
Solución:
Para este procedimiento la probabilidad de cometer un error Tipo I es algo alto, aunque se reduce
dramáticamente la probabilidad de cometer un error Tipo II.
Datos:
P : votantes de una cierta ciudad.
p : proporción de votantes a favor del impuesto.
X : un votante de esa ciudad.
Tamaño de la muestra n = 400 votantes.
Región de aceptación 220 < < 260 → 221 ≤ ≤ 259 votantes que favorecen el impuesto.
a) Incógnita:
Solución:
Proporción de votantes a favor del impuesto p = 0.6 votantes a favor del impuesto.
α = P(error tipo I) = P(221 > > 259 | p = 0.6) = P( < 221 | p = 0.6) + P( > 259 | p = 0.6) =
=P(z < -1.99) + P(z < 1.99) = (2)*(0.0233) = 0.0466 = 4.66%.
Respuesta:
La probabilidad de cometer un error tipo I con p = 0.6 es del 4.66%.
b) Incógnita:
Probabilidad de error tipo II, β
Solución:
β = P(error tipo II) =P(221 < < 259 | p = 0.48) = P(2.85< z < 6.75) = P(z ≤ 6.75) – P(z ≤ 2.85) =
=1 – 0.9978 = 0.0022 = 0.22%.
Respuesta:
La probabilidad de cometer un error tipo II con p = 0.48 es del 0.22%.
Suponga que, en el ejercicio 12, concluimos que 60% de los votantes está a favor del impuesto a la venta
de gasolina si más de 214 pero menos de 266 votantes de nuestra muestra lo favorece. Muestre que esta
nueva región de aceptación tiene como resultado un valor más pequeño para α a costa de aumentar β.
Datos:
Tamaño de la muestra n = 400 votantes.
Región de aceptación 214 < < 266 → 215 ≤ ≤ 265 votantes que favorecen el impuesto.
a) Incógnita:
Probabilidad de error tipo I, α
Solución:
Proporción de votantes a favor del impuesto p = 0.6 votantes a favor del impuesto.
Media μ = n*p = (400)*(0.6) = 240.
Desviación estándar σ=
Necesitamos conocer el área bajo la curva normal entre
215 ≤ ≤ 265 → 215 - 0.5 ≤ ≤ 265 + 0.5 → 214.5 ≤ ≤ 265.5
α = P(error tipo I) = P(214 > > 266, cuando p = 0.6) = (2)*P(z < -2.60) = (2)*(0.0047) = 0.0094 = 0.94%.
Respuesta:
La probabilidad de cometer un error tipo I con p = 0.6 es del 0.94%.
b) Incógnita:
Probabilidad de error tipo II, β
Solución:
Proporción de adultos graduados universitarios p = 0.48 graduados universitarios.
Media μ = n*p = (400)*(0.48) = 192.
Desviación estándar σ=
Necesitamos conocer el área bajo la curva normal entre 214.5 y 265.5
215 ≤ ≤ 265 → 215 - 0.5 ≤ ≤ 265 + 0.5 → 214.5 ≤ ≤ 265.5
β = P(error tipo II) =P(214 < < 266, cuando p = 0.48) =P(2.25≤ z ≤ 7.35) = P(z ≤ 7.35) – P(z ≤ 2.25) =
= 1 – 0.9878 = 0.0122 = 1.22%.
Respuesta:
La probabilidad de cometer un error tipo II con p = 0.48 es del 1.22%.
Problema 36 (Ref: Pág. 305 – Ej. 15)
Una máquina de refrescos en un restaurante de carnes asadas se ajusta de modo que la cantidad de
bebida que sirva esté distribuida de forma aproximadamente normal con una media de 200 mililitros y
una desviación estándar de 15 mililitros. La máquina se verifica periódicamente con una muestra de
nueve bebidas y con el cálculo del contenido promedio. Si cae en el intervalo 191 < < 209, se
considera que la máquina opera de manera satisfactoria: de otro modo, concluimos que μ ≠ 200
mililitros.
a) Encuentre la probabilidad de cometer un error tipo I cuando μ = 200 mililitros.
b) Encuentre la probabilidad de cometer un error tipo II cuando μ = 215 mililitros.
Datos:
P : bebida que sirve cierta maquina de refresco.
X : medida en mililitros de esa maquina de refresco.
Tamaño de la muestra n = 9 bebidas.
Desviación estándar poblacional σ = 15 mililitros.
a) Incógnita:
Probabilidad de error tipo I, α
Solución:
Media μ = 200 mililitros.
Necesitamos conocer el área bajo la curva normal entre 191 y 209
= -1.80 y = 1.80
α = P(error tipo I) = P(191 > > 209) = (2)*P(z < -1.80) = (2)*(0.0359) = 0.0718 = 7.18%.
Respuesta:
La probabilidad de cometer un error tipo I con es del 7.18%.
b) Incógnita:
Probabilidad de error tipo II, β
Solución:
Media μ = 215 mililitros.
Necesitamos conocer el área bajo la curva normal entre 191 y 209
= -4.80 y = -1.20
β = P(error tipo II) =P(191 < < 209) =P(-4.80 ≤ z ≤ -1.20) = P(z ≤ -1.20) – P(z ≤ -4.80) =
= 0.1151 – 0 = 0.1151 = 11.51%.
Respuesta:
La probabilidad de cometer un error tipo II es del 11.51%.
Datos:
P : focos fabricados en cierta empresa eléctrica.
X : duración en horas de un foco fabricado en esa empresa eléctrica.
Tamaño de la muestra n = 30 focos.
Desviación estándar poblacional σ = 40 horas.
Media muestral = 788 horas.
Incógnita:
Rechazo o aceptación de la hipótesis nula.
Solución:
Es conveniente estandarizar e incluir de manera formal la variable aleatoria normal estándar Z, donde
=-1.64
Si , no se rechaza H0.
Respuesta:
No rechazamos la hipótesis nula ya que el valor de z hallado se encuentra dentro de la región de no rechazo.
Datos:
Incógnita:
Rechazo o aceptación de la hipótesis nula.
Solución:
Es conveniente estandarizar e incluir de manera formal la variable aleatoria normal estándar Z, donde
= 8.97.
Respuesta:
Datos:
P : envases de un lubricante.
X : contenido en litros de un envase de ese lubricante.
Tamaño de la muestra n = 10 envases.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Si , no se rechaza H0.
Respuesta:
No rechazamos la hipótesis nula ya que el valor de t hallado se encuentra dentro de la región de No Rechazo.
b) Ref. Pág. 339 – Ej.1
Datos:
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Según Tabla A.5 => 0.025 < P(χ2 >18.13) < 0.05
Respuesta:
No rechazamos la hipótesis nula ya que la muestra de 10 envases no es suficiente para mostrar que σ2 no es
igual a 0.03.
estándar σ1 = 5.2, tiene una media = 81. Una segunda muestra aleatoria de tamaño n2 = 36, que se
toma de una población normal diferente con una desviación estándar σ2 = 3.4, tiene una media = 76.
Pruebe la hipótesis de que μ1 = μ2 contra la alternativa μ1 ≠ μ2. Cite un valor P en su conclusión.
Datos:
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Respuesta:
Rechazamos la hipótesis nula ya que la probabilidad de que ocurra es aproximadamente del 0%.
Una compañía armadora de automóviles trata de decidir si compra llantas de la marca A o de la B para
sus modelos nuevos. Se lleva a cabo un experimento, para ayudar a llegar a una decisión, en el que se
usan 12 llantas de cada marca. Las llantas se utilizan hasta que se acaban. Los resultados son:
Prueba la hipótesis de que no hay diferencias en las dos marcas de llantas con un nivel de significancia
de 0.05. Suponga que las poblaciones se distribuyen de forma aproximadamente normal con varianzas
iguales.
Datos:
Tamaño de la primer muestra n1 = 12 llantas.
Tamaño de la segunda muestra n2 = 12 llantas.
Desviación estándar de la primer muestra s1= 5100 Km.
Desviación estándar de la segunda muestra s2 = 5900 Km.
Media de la primer muestra = 37900 Km.
Media de la segunda muestra = 39800 Km.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Si , no se rechaza H0.
Respuesta:
No rechazamos la hipótesis nula ya que el valor de t hallado se encuentra dentro de la región crítica.
Datos:
Tamaño de la primer muestra n1 = 12 llantas.
Tamaño de la segunda muestra n2 = 12 llantas.
Desviación estándar de la primer muestra s1= 5100 Km.
Desviación estándar de la segunda muestra s2 = 5900 Km.
Media de la primer muestra = 37900 Km.
Media de la segunda muestra = 39800 Km.
H 0:
Hipótesis nula
H 1:
Hipótesis alternativa
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Sabemos que:
y grados de libertad
Gráficamente:
ó , donde , con y
La hipótesis nula se rechaza cuando
grados de libertad.
y por ello
Respuesta:
Rechazamos la hipótesis nula, para σ12 = σ22 , ya que el valor de f hallado es f < 0.35, 0.7472 < 0.35.
Pruebe la hipótesis de que el tiempo de duración promedio de las películas producidas por la compañía
2 excede el tiempo promedio de duración de la que produce la compañía 1 en 10 minutos, contra la
alternativa unilateral de que la diferencia es de más de 10 minutos. Utilice un nivel de significancia de
0.1 y suponga que las distribuciones de los tiempos son aproximadamente normales con varianzas
iguales.
Datos:
X1 : tiempo de duración en minutos de una película producida por la compañía 1.
X2 : tiempo de duración en minutos de una película producida por la compañía 2.
Tamaño de la primer muestra n1 = 5 películas.
Tamaño de la segunda muestra n2 = 7 películas.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Si , no se rechaza H0.
Con
entonces:
Respuesta:
No rechazamos la hipótesis nula ya que el valor de t hallado se encuentra dentro de la región crítica.
b) Ref. Pág. 340 – Ej. 10
Datos:
Tamaño de la primer muestra n1 = 5 películas.
Tamaño de la segunda muestra n2 = 7 películas.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Sabemos que:
Gráficamente:
ó , donde , con y
La hipótesis nula se rechaza cuando
grados de libertad.
y por ello
Respuesta:
Rechazamos la hipótesis nula, para σ12 = σ22 , ya que el valor de f hallado es f < 0.16, 0.09 < 0.16.
Datos:
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Respuesta:
No rechazamos la hipótesis nula ya que no hay suficiente evidencia para concluir que P> 0.25.
Datos:
P1 : residentes urbanos de cierta ciudad.
P2 : residentes suburbanos de cierta ciudad.
p1 : proporción de residentes urbanos a favor de la construcción de una planta de energía nuclear.
p2 : proporción de residentes suburbanos a favor de la construcción de una planta de energía nuclear.
Tamaño de la primer muestra n1 = 100 residentes urbanos.
Tamaño de la segunda muestra n2 = 125 residentes suburbanos.
Cantidad de urbanos a favor x1 = 63 residentes urbanos.
Cantidad de suburbanos a favor x2 = 59 residentes suburbanos.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
P(z > 2.36 ) = 2* P(z > 2.36) = 2*(1 – 0.9909) = 0.0182 = 1.82%
Respuesta:
Rechazamos la hipótesis nula ya que hay una probabilidad de que ocurra del 1.82%. La proporción de los
residentes urbanos a favor de la construcción de una planta de energía nuclear es mayor que la proporción de
los residentes suburbanos a favor de la construcción de dicha planta.
Datos:
P1 : mujeres con menos de dos años de casada.
P2 : mujeres con cinco años de casadas.
p1 : proporción de mujeres con menos de dos años de casadas.
p2 : proporción de mujeres con cinco años de casadas.
Tamaño de la primer muestra n1 = 300 mujeres con menos de dos años de casadas.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Utilizamos la aproximación normal
Respuesta:
Rechazamos la hipótesis nula. La proporción de mujeres con menos de 2 años de casadas que planean tener
hijos es considerablemente más alta que la proporción de mujeres con 5 años de casadas que planean tener
hijos.
Muestra
Análisis 1 2 3 4 5
Rayos X 2,0 2,0 2,3 2,1 2,4
Suponga que las poblaciones son normales, pruebe con un nivel de signficancia de 0.05 si los dos
métodos de análisis dan, en promedio, el mismo resultado.
Datos:
Tamaño de la muestra n = 5 muestras.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Región critica
La media muestral
Muestra
Análisis 1 2 3 4 5
Rayos X 2,0 2,0 2,3 2,1 2,4
Químico 2,2 1,9 2,5 2,3 2,4
la desviación estándar
Respuesta:
No rechazamos la hipótesis nula. Concluimos que ambos métodos no son considerablemente diferentes.
¿ Podemos concluir que los autos equipados con llantas radianes dan una economía de combustible
mejor que los equipados con llantas de cinturón?. Suponga que las poblaciones se distribuyen
normalmente. Utilice un valor P en su conclusión.
Datos:
Tamaño de la muestra n = 12 autos.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Calculando:
La media muestral
Km
la desviación estándar
Km
Respuesta:
Rechazamos hipótesis nula ya que el nivel de significancia esta por encima del 0.02.
Datos:
Tamaño de la muestra n = 7 mujeres.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Calculando:
La media muestral
Mujeres
Peso 1 2 3 4 5 6 7
Kilogramos
la desviación estándar
Kilogramos
Respuesta:
3 400 239
4 444 329
5 590 437
6 660 597
7 1400 689
8 680 576
Si se supone que las poblaciones se distribuyen normalmente, ¿ hay suficiente evidencia, al nivel de
significancia de 0.05, para decir que la duración del almacenamiento influye en las concentraciones
residuales de ácido sórbico?
Datos:
Tamaño de la muestra n = 8 rebanadas.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Región critica
Calculando:
La media muestral
2 270 96 174
3 400 239 161
4 444 329 115
5 590 437 153
6 660 597 63
7 1400 689 711
8 680 576 104
Millón/partes
la desviación estándar
Millón/partes
Respuesta:
Rechazamos la hipótesis nula. La duración de almacenamiento influye en las concentraciones residuales de
ácido sórbico.
x 0 1 2 3
3 5 2
f 1 1 5 5
Pruebe la hipótesis con un nivel de significancia de 0.05 de que los datos registrados se pueden ajustar
con una distribución hipergeométrica h (x; 8, 3, 5), x = 0, 1, 2, 3.
Datos:
Variable aleatoria X: números de canicas rojas.
Repeticiones del experimento m = 112 veces.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Combinamos las clases adyacentes, donde las frecuencias esperadas son menores que cinco. En consecuencia,
el numero total de intervalos se reduce de cuatro a tres, lo que tiene como resultado υ = 2 grados de libertad.
Una prueba de la bondad de ajuste entre las frecuencias observadas y esperadas se basa en la cantidad
Donde es un valor de una variable aleatoria cuya distribución muestral se aproxima muy de cerca con la
distribución ji cuadrada con υ = k – 1grados de libertad. Los símbolos y representan las frecuencias
observada y esperada, respectivamente, para la i-ésima celda.
Para un nivel de significancia igual a α, encontramos el valor crítico de la tabla A.5., y entonces
constituye la región critica.
Respuesta:
Como , 1.667 < 5.991, No se rechaza la hipótesis nula. Concluimos que no hay suficiente evidencia
para sospechar que la distribución no es hipergeométrica.
x 1 2 3 4 5 6 7 8
13 6 3 1
f 6 0 4 2 9 1 3 1
Prueba la hipótesis con un nivel de significancia de 0.05 de que la distribución observada de X se puede
ajustar por una distribución geométrica g (x; 1/2), x = 1, 2, 3,......
Datos:
Variable aleatoria X: números de lanzamientos hasta que sale una cara.
Repeticiones del experimento m = 256 veces.
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
P(x = 2) = e2 = (256)*(0.25) = 64
P(x = 3) = e3 = (256)*(0.125) = 32
P(x = 4) = e4 = (256)*(0.0625) = 16
P(x = 5) = e5 = (256)*(0.03125) = 8
P(x = 6) = e6 = (256)*(0.15625) = 4
P(x = 7) = e7 = (256)*(0.0078125) = 2
P(x = 8) = e8 = (256)*(0.0078125) = 2
Combinamos las clases adyacentes, donde las frecuencias esperadas son menores que cinco. En consecuencia,
el numero total de intervalos se reduce de ocho a seis, lo que tiene como resultado υ = 5 grados de libertad.
Para un nivel de significancia igual a α, encontramos el valor critico de la tabla A.5., y entonces
constituye la región critica.
Respuesta:
Como , 3.125 < 11.070, No se rechaza la hipótesis nula. Concluimos que no hay suficiente evidencia
para sospechar que la distribución no es geométrica.
Datos:
Calificaciones m = 60.
Intervalos i = 9.
Media μ = 65.
Desviación estándar σ = 21.
De acuerdo con el ejercicio 1 de la página 68, los intervalos y las frecuencias que se observan son
i Limite de oi
clases
1 - ∞ – 19.5 3
2 19.5 – 29.5 2
3 29.5 – 39.5 3
4 39.5 – 49.5 4
5 49.5 – 59.5 5
6 59.5 – 69.5 11
7 69.5 – 79.5 14
8 79.5 – 89.5 14
9 89.5 – + ∞ 4
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Los valores z que corresponden a los límites de las clases son:
Combinamos las clases adyacentes, donde las frecuencias esperadas son menores que cinco. En consecuencia,
el numero total de intervalos se reduce de nueve a seis, lo que tiene como resultado υ = 5 grados de libertad.
Para un nivel de significancia igual a α, encontramos el valor critico de la tabla A.5., y entonces
constituye la región critica.
Respuesta:
Como , 6.11 < 11.070, No se rechaza la hipótesis nula. Concluimos que no hay suficiente evidencia
para sospechar que la distribución no es normal.
Datos:
Calificaciones m = 40.
Intervalos i = 10.
Media μ = 1.8.
Desviación estándar σ = 0.4.
De acuerdo con el ejercicio 5 de la página 69, los intervalos y las frecuencias que se observan son
i Limite de oi
clases
1 - ∞ – 0.795 1
2 0.795 – 0.995 1
3 0.995 – 1.195 1
4 1.195 – 1.395 2
5 1.395 – 1.595 4
6 1.595 – 1.795 13
7 1.795 – 1.995 8
8 1.995 – 2.195 5
9 2.195 – 2.395 3
10 2.395 – + ∞ 2
Incógnita:
Rechazo o No Rechazo de la hipótesis nula.
Solución:
Los valores z que corresponden a los límites de las clases son:
= -2.51
de la tabla A.3. encontramos que el área entre z11 y z12 es
P(- ∞ < z < -2.51) = P(z < -2.51) – P(z < - ∞) = 0.0060 – 0 = 0.0060
De aquí, la frecuencia esperada para la primer clase es
e1 = (40)*(0.0060) = 0.24
= -2.51 = -2.01
de la tabla A.3. encontramos que el área entre z21 y z22 es
P(-2.51 < z < -2.01) = P(z < -2.01) – P(z < -2.51) = 0.0222 – 0.0060 = 0.0162
De aquí, la frecuencia esperada para la segunda clase es
e2 = (40)*(0.0162) = 0.648
= -2.01 = -1.51
de la tabla A.3. encontramos que el área entre z31 y z32 es
P(-2.01 < z < -1.51) = P(z < -1.51) – P(z < -2.01) = 0.0655 – 0.0222 = 0.0433
De aquí, la frecuencia esperada para la tercer clase es
e3 = (40)*(0.0433) = 1.732
= -1.51 = -1.01
de la tabla A.3. encontramos que el área entre z41 y z42 es
P(-1.51 < z < -1.01) = P(z < -1.01) – P(z < -1.51) = 0.1562 – 0.0655 = 0.0907
De aquí, la frecuencia esperada para la cuarta clase es
e4 = (40)*(0.0907) = 3.628
= -1.01 = -0.51
de la tabla A.3. encontramos que el área entre z51 y z52 es
P(-1.01 < z < -0.51) = P(z < -0.51) – P(z < -1.01) = 0.3050 – 0.1562 = 0.1488
De aquí, la frecuencia esperada para la quinta clase es
e5 = (40)*(0.1488) = 5.952
= -0.51 = 0.01
de la tabla A.3. encontramos que el área entre z61 y z62 es
P(-0.51 < z < 0.01) = P(z < 0.01) – P(z < -0.51) = 0.4960 – 0.3050 = 0.191
De aquí, la frecuencia esperada para la sexta clase es
e6 = (40)*(0.191) = 7.64
= 0.01 = 0.49
de la tabla A.3. encontramos que el área entre z71 y z72 es
P(0.01 < z < 0.49) = P(z < 0.49) – P(z < 0.01) = 0.6879 – 0.4960 = 0.1919
De aquí, la frecuencia esperada para la séptima clase es
e7 = (40)*(0.1919) = 7.676
= 0.49 = 0.99
de la tabla A.3. encontramos que el área entre z81 y z82 es
P(0.49 < z < 0.99) = P(z < 0.99) – P(z < 0.49) = 0.8389 – 0.6879 = 0.151
De aquí, la frecuencia esperada para la octava clase es
e8 = (40)*(0.151) = 6.04
= 0.99 = 1.49
de la tabla A.3. encontramos que el área entre z91 y z92 es
P(0.99 < z < 1.49) = P(z < 1.49) – P(z < 0.99) = 0.9319 – 0.8389 = 0.093
De aquí, la frecuencia esperada para la novena clase es
e9 = (40)*(0.093) = 3.72
= 1.49
de la tabla A.3. encontramos que el área entre z101 y z102 es
P(1.49 < z < + ∞) = P(z < + ∞) – P(z < 1.49) = 1 – 0.9319 = 0.0681
De aquí, la frecuencia esperada para la décima clase es
e9 = (40)*(0.0681) = 2.724
Combinamos las clases adyacentes, donde las frecuencias esperadas son menores que cinco. En consecuencia,
el numero total de intervalos se reduce de diez a seis, lo que tiene como resultado υ = 5 grados de libertad.
Para un nivel de significancia igual a α, encontramos el valor critico de la tabla A.5., y entonces
constituye la región critica.
Respuesta:
Como , 5.166 < 15.086, No se rechaza la hipótesis nula. Concluimos que no hay suficiente evidencia
para sospechar que la distribución no es normal.
No Fumadores Fumadores
fumadores modernos empedernidos
Con hipertensión 21 36 30
Sin hipertensión 48 26 19
Datos:
Incógnita:
Dependencia o no de la hipertensión de los hábitos de fumar.
Solución:
Buscamos las frecuencias marginales, para ello armamos una tabla de contingencia de 2 3 y definimos los
siguientes eventos.
N: Un individuo seleccionado es no fumador.
M: Un individuo seleccionado es fumador moderado.
E: Un individuo seleccionado es fumador empedernido.
S: Un individuo seleccionado tiene hipertensión.
C: Un individuo seleccionado no tiene hipertensión.
Tabla de contingencia 2 X 3:
N M E Tota
l
C 2 3 3 87
1 6 0
S 4 2 1 93
8 6 9
Tota 6 6 4 180
l 9 2 9
Con el uso de las frecuencias marginales, podemos listar las siguientes estimaciones de probabilidad:
≃ 0.383
≃ 0.344
≃ 0.272
≃ 0.483
≃ 0.517
Ahora si H0 es verdadera y las dos variables son independientes, debemos tener las siguientes frecuencias
esperadas:
≃ 33.35
≃ 35.65
≃ 29.97
≃ 32.03
≃ 23.68
≃25.32
N M E Total
C 33.3 29.9 23.6 87
5 7 8
Para probar la hipótesis nula de independencia. Usamos el criterio de decisión siguiente, que dice:
Calcular
Respuesta:
Como , 14.46 > 5.991, se rechaza la hipótesis nula. Concluimos que la presencia o ausencia de
hipertensión y el hábito de fumar no son independientes.
Número de hijos
Educación 0-1 2-3 Over 3
Elemental 14 37 32
Secundaria 19 42 17
Universida
d 12 17 10
Datos:
Incógnita:
Dependencia o no del tamaño de la familia del nivel de instrucción del padre.
Solución:
Buscamos las frecuencias marginales, para ello armamos una tabla de contingencia de 3 3 y definimos los
siguientes eventos.
E: Un hombre seleccionado tiene un nivel de educación elemental.
S: Un hombre seleccionado tiene un nivel de educación secundaria.
U: Un hombre seleccionado tiene un nivel de educación universitaria.
0: Un hombre seleccionado tiene a lo más un hijo.
2: Un hombre seleccionado tiene entre dos y tres hijos.
3: Un hombre seleccionado tiene más de tres hijos.
Tabla de contingencia 3 X 3:
0 2 3 Tota
l
E 1 3 3 83
4 7 2
S 1 4 1 78
9 2 7
U 1 1 1 39
2 7 0
Tota 4 9 5 200
l 5 6 9
Con el uso de las frecuencias marginales, podemos listar las siguientes estimaciones de probabilidad:
≃ 0.415
≃ 0.39
≃0.195
≃ 0.225
≃ 0.48
≃ 0.295
Ahora si H0 es verdadera y las dos variables son independientes, debemos tener las siguientes frecuencias
esperadas:
≃ 18.675
≃ 39.84
≃ 24.485
≃ 17.55
≃ 37.44
≃ 23.01
≃ 8.775
≃18.72
≃ 11.505
0 2 3 Tota
l
E 18.67 39.8 24.48 83
5 4 5
S 17.55 37.4 23.01 78
4
U 8.775 18.7 11.50 39
2 5
Tota 45 96 59 180
l
Para probar la hipótesis nula de independencia. Usamos el criterio de decisión siguiente, con nuestros datos:
Respuesta:
Como , 7.46 < 9.488, no se rechaza la hipótesis nula. Concluimos que el tamaño de la familia es
independiente del nivel de instrucción del padre.
Tipo de crimen
Distrito Asalto Robo Hurto Homicidio
1 162 118 451 18
2 310 196 996 25
3 258 193 458 10
4 280 175 390 19
Datos:
Incógnita:
Dependencia o no del tamaño de la familia del nivel de instrucción del padre.
Solución:
Buscamos las frecuencias marginales, para ello armamos una tabla de contingencia de 4 4 y definimos los
siguientes eventos.
A: El tipo de crimen es asalto.
R: El tipo de crimen es robo.
U: El tipo de crimen es hurto
H: El tipo de crimen es homicidio
1: El distrito seleccionado es el 1.
2: El distrito seleccionado es el 2.
3: El distrito seleccionado es el 3.
4: El distrito seleccionado es el 4
Tabla de contingencia 4 X 4:
A R U H Tota
l
1 162 11 451 1 749
8 8
2 310 19 996 2 1527
6 5
3 358 19 458 1 1019
3 0
4 280 17 390 1 864
5 9
Tota 111 68 229 7 4159
l 0 2 5 2
Con el uso de las frecuencias marginales, podemos listar las siguientes estimaciones de probabilidad:
≃ 0.27
≃ 0.16
≃0.55
≃0.02
≃ 0.18
≃ 0.37
≃ 0.24
≃ 0.21
Ahora si H0 es verdadera y las dos variables son independientes, debemos tener las siguientes frecuencias
esperadas:
≃ 199.90
≃ 413.31
≃ 407.55
≃ 842.62
≃ 271.96
≃ 562.30
≃ 230.59
≃ 476.77
≃ 122.82
≃ 12.97
≃ 250.40
≃ 26.43
≃ 167.10
≃ 17.64
≃ 141.68
≃ 14.96
A R U H Total
1 199.9 122.8 413.3 12.9 749
2 1 7
2 407.5 250.4 842.6 26.4 1527
5 2 3
3 271.9 167.1 562.3 17.6 1019
6 0 0 4
4 230.5 141.6 476.7 14.9 864
9 8 7 6
Total 1110 682 2295 72 4159
Para probar la hipótesis nula de independencia. Usamos el criterio de decisión siguiente, con nuestros datos:
Respuesta:
Como , 165.01 > 21.666, se rechaza la hipótesis nula. Concluimos que el tipo de crimen no es
independiente del distrito de la ciudad.
Cierto alivio 32 28 27
Alivio completo 7 9 14
Pruebe la hipótesis, con un nivel de significancia de 0.05, de que los tres remedios para la tos son
igualmente efectivos.
Datos:
Incógnita:
Homogeneidad o no entre los remedios.
Solución:
Buscamos las frecuencias marginales, para ello armamos una tabla de contingencia de 3 3 y definimos los
siguientes eventos.
S: El remedio no proporciona alivio.
A: El remedio proporciona cierto alivio.
C: El remedio proporciona alivio completo.
N: El remedio seleccionado es NyQuil.
R: El remedio seleccionado es Robitussin.
T: El remedio seleccionado es Triaminic.
Tabla de contingencia 3 X 3:
N R T Tota
l
S 1 1 9 33
1 3
A 3 2 2 87
2 8 7
C 7 9 1 30
4
Tota 5 5 5 150
l 0 0 0
Con el uso de las frecuencias marginales, podemos listar las siguientes estimaciones de probabilidad.
= 0.22
≃ 0.053
= 0.2
≃ 0.33
≃ 0.33
≃ 0.34
Ahora si H0 es verdadera y las dos variables son independientes, debemos tener las siguientes frecuencias
esperadas:
= 11
= 11
= 11
= 29
= 29
= 29
= 10
=10
= 10
N R T Tota
l
S 1 1 1 33
1 1 1
A 2 2 2 87
9 9 9
C 1 1 1 30
0 0 0
Tota 5 5 5 150
l 0 0 0
Para probar la hipótesis nula de independencia. Usamos el criterio de decisión siguiente, con nuestros datos:
Respuesta:
Como , 3.81 < 9.488, no se rechaza la hipótesis nula. Concluimos que los tres remedios son
igualmente efectivos.
Bibliografías:
Walpole, Myers y Myers, “Probabilidad y Estadística para Ingenieros”, sexta
edición.
Apuntes de la cátedra.