13 de octubre del 2005

1. Seleccionar paso (max. verosimilitud o de los

momentos). Escogemos max. verosimilitud.
FUNCIN GAMMA
|
| /(r)*(x)^(r-1)*^(x)
f(x)=|
para todo x>0
|
| 0; en otro caso.

(r)=(x^(r-1)*^(x),x)
(n+1)=n!
0!=1 proviene de
(1)=(^(x),x,0,)=^(x)|0,=1

1.1. Funciones marginales

f(x1)=/(r)*(x1)^(r-1)*^(x1)
f(x2)
f(xn)
f(x1,x2,....xn;,r)=^(n*r)/(r)^n*(x1*x2*...*xn)^(
r-1)*^((x1+x2+...+xn)
FMV=n*r*ln()+(r-1)[ln(x1)+...+ln(xn)](x1+x2+...+xn)-nln((r))
FMV/=n*r/-(x1+x2+...+xn)=0

a) (r+1)=r(r)
b) (n+1)=n! si nN
c) (1/2)=()
(5)=4(4)=4*3(3)=4*3*2*(2)=4*3*2*1*(1)=4
!=24

FMV/r=n*ln()+[ln(x1)+ln(x2)+...+ln(xn)]n/(r)*[(r)]/r=0
falla el mtodo

MTODO DE LOS MOMENTOS

ojo: la propiedad 3 da una ntegral que no es
analtica, y se tiene que resolver numricamente.
Tiene que reesolverse por el teorema de Green.

OJO:
1=E{x}=X
2=E{x^2}=X^2+X^2/n

/(r)*(*x)^(r-1)*^(*x)|=2/3 and r=5/7

m1'=
m2'=^2+(n-1)/n*(Sn-1^2)
La exponencial negativa es en si una Gamma.
OBTENER ESTIMADORES PUNTUALES Y r PARA
LA FUNCIN GAMMA.
13 de septiembre del 2005
MEDIDAS DE UNA MUESTRA
TENDENCIA CENTRAL
MEDIA MEDIA ARITMTICA (O PROMEDIO
MADIA GEOMTRICA
MEDIA ARMNICA
MEDIANA
MODA
SEMIRANGO
MEDIA GEOMTRICA
EJEMPLO
19608
198012
1970?
NO SON 10

1'=m1' x=
2'=m2' x^2+^2=^2-(n-1)/n*(Sn-1^2)
r/=
xg=(8*10)=9.7979589711327
Media geom solo es valido cuando los datos
sean positivos y diferentes de cero
SN=3^0+3^1+3^2+3^3+3^4+...+3^(N-1)
SN=A*R^0+A*R^1+a*r^2+...+a*r^(n-1)
r*SN=A*R+A*R^2+a*r^3+...+a*r^(n)
----------------------------(1-r)*Sn=a(1-r^n)Sn=a(1-r^n)/(1-r)
Sn=a*(r^n-1)/(r-1)
Promedio.x= Prom=1/n*(x*i,i,1,n)
xg~=n(x1*x2*x3*x4*...*xn)

MEDIA ARMNICA
Ejemploide.-

Avin desplazqndose
200jkm/hr
100km/hr
400km/hr

300km/hr

va=d/t =(400/(1+1/2+1/3+1/4))=192km/hr

xa=media armnica=n/(1/x1+1/x2+1/x3+...
+a/xn) solo aplicable para datos difrentes de
cero.

150
150
180
180
80
80
150 5000
x=132 =1102
me=150
=150
Moda:
El valor mas frecuente
Es unimodal si solo es un valor.
Multimodal si dos o mas se repiten el maximo
num de veces. En multimodal deja de existir el
concepto de moda.
Tiene que ser nica
Excel toma la primera que se encuetra (esto es un
error)

Rapidez de cambio derivada, se calcula con la

media armnica
(100*200*300*400)^(1/4)=221.34

Media aritm insesgado, consistente,

Mediana
Los valores extremos afectan fuertemente a la
media, pero no a la mediana.

Ojo Datos agrupados dan diferentes datos que los

no agrupados, cuidado en el analisis de datos.
que necesitabas?
ahhh pues te voy a molestar con las miismas
resistencias si quieres alquilamelas rentalas
porfas pero si es asi manana te las pago okis es k
hoy se me olvido mi monedero porfas

Permite ver que tan racional es la media con

rspecto a los dems datos.
100 100
18 DE OCTUBRE DEL 2005

Entonces

y=E{y}=E{a1x1+...+anxn}=a1E{x1}+...
+anE{xn}
ES UN ESTIMADOR DE UX CON LAS
SIGUIIENTES CUALIDADES

y=a11+...+ann

1.- es insesgado, es decri =E{x}=x

Esto tiene como consecuencia

^2=x^2/n

FALTA PEDACITO

2.- es ptimo, es decir es el estoimador ms

eficiente de x
3.- es consistente.
Peor x es una veriable aleatori Y DEBE TENER
UNA DISTRIBUCN DE PROBABILIDAD.
qU DISTRIBUCIN SE PUEDE SUPONER QUE
TIENE?
NORMAL

Sea y=a1x1+a2x2+...+anxn
donde x1, x2, ...,xn tienen medias 1, 2,...,n y
varianzas. 1^2,2^2...,n^2

Pero es una variable aleatoria y debe tener una

distribucin de orobbilidad, que distribucin se
puede suponer que tiene?
TEOREMA DE LA ADITIVIDAD DE LA DISTRIBUCIN
NORMAL
Sean x1~N(x1,x1^2)
x2~N(x2,x2^2)
...
...
xn~N(xn,xn^2)
Estadsticamente independendientes.
Sea adems

y-a1x1+...++anxn

Entonces
Lm(y,n,)~N(y,y^2)

Entonces:\\ Y~N(y,y^2)
donde

donde y=a1*x1+a2*x2+...+an*xn
y^2=a1^2*x1^2+a2*x2^2+...
+a*n*xn^2

y=a1x1+...+anxn
y^2=a1^2*x1^2+...+an*xn^2
De este teorema se desprende que si
~N(x,x^2/n)

NOTA: Moverse sobre una curva tiene un solo

grado de libertad

TEOREMA DEL LMITE CENTRAL

San x1, x2, ..., xn variables aleatorias
estadsticamnete independientes, con medias
x1, x2..., xn y varianzas x1^2....xn^2
Sea y=a1x1+...+anxn
20 de octubre del 2005
Sea X una variable aleatoria que representa a una
poblacin, com media x y varianza x^2, sea
la media muestral de una muestra obtenida
aleatoriamente, de tamao n.
Entonces se puede supones que
~N(x,x^2/n)
bajo una de dos hiptesis bsicas:
i) La poblacin X tiene una poblacin normal.
ii)El tamao de la muestra elegida, n, es "grande"
Qu debemos entender por grande?

a) Qu distribucin de probabilidad tiene la

longitud total de la antena extendida.?
b) Qu probabilidad existe de ncontrar una
antena con menos de 110 cm?
c) Si la especificacin tcnica es que la longitud
debe medir entre115 y 125 cm, qu porcentaje
de las antenas se considera defectuoso?
d) Si las antenas que miden ms de 125 cm se
pueden retrabajar, qu porcentaje representa
esto?
e) Si las antenas que miden menos de 115 se
deben desechar, qu porcentaje se desecha?

i) Si X tiene distribucin parecida a una normal,

entonces, basta que n4.
ii) Si X tiene una distribucin parecida a una
uniforme
|
| ___
| | |
| | |
-----------iii) Si X es muy diferente a una distribucie
normal, entonces, basta que n100.

L1~N(40,4)
L2~N(40,4)
L3~N(40,4)
a) LT=L1+L2+L3
LT=N(120,12) Nota, solo se suman las
varianzas, mas no las desviaciones.
b) P(L<110)
Normalizar
z=(x-x)/x

Ejemplo:
1.- Suponga que una antena est compuesta por
tres elementos cuya longitud de cada uno de ellos
sigue la distibucin N(40cm, 4cm^2)

A esto se le llama estandarizar una V.A.

x es la que le da la forma a la normal
La normal estandar es la que se obtienen con el
cambio de variable anterior.
x tambin es llamado un factor de escala.

El cambio de variable anterior elimina las

unidades, la vuele adimensional.
la varianza es 1 y la medioa 0.
OTRO EJERCICIO.
Z=(110-120)/12
P(za)=P(za)=1-P(za)

cALCULAR LA PROBABILIDAD de que el perno no

entre en la chabeta.

c)P(115L125)
Normalizar
P((115-120)/12z(125-120)/12)
P(_1.44z1.44)
2p(0z1.44)
2P(z1.44)-1
2(0.92506)-1=0.85012 son adecuadas
1-.0.85912=0.14988 son defectuosos.
d) P(L>125)
1-P(z(125-120)/12)
1-P(z1.44)
1-.92506
0.07494 se retrabajan.
e)Se desecha lo mismo que en la parte que se
retrabaja.

LAS VARIANZAS JAMS SE RESTAN , SOLO SE

SUMAN, DEBIDO A QUE LAS VARIANZAS SON UNA
SUMA DE CUADRADOS.
ext~N(0.25'',0.0009')
int~N(0.251'',0.0016'')
d=ext-int
P(d>0)
d~N(0.0001, 0.0025'')
P(d>0)=P(z-(0-0.001)/0.0025)
P(z>0.001/0.005)=P(z>0.02)
1-0.50798
0.49202
49.2% No sirven

20 de septiembre del 2005

MEDIDAS DESCRIPTIVAS DE UNA MUESTRA.

A.TENDENCIA CENTRAL
1.Media artmtica o promedio d
-para datos sin agrupae
x=1/n*(xi,i,1,n)
-Para datos agrupados
x=(ti*fi",i,1,m)=1/n*(ti*fi,i,1,m)

m0=L1+a(a+b)*
25+((134-40)/((134-40)-(134-97))*5
Puedde usarrse la frecuencia relativa y la relativa
acumulada
m0=25+(0.37746-0.11268)/(0.377460.11268)+(0.37746-0.27324)*5
Para datos agrupados
La moda se afecta fuertemente por la agruacin,
y esta se vuelve mas imprecisa entre mas grande
es la amplitud de las marcas de clase o del
intervalo
B. MEDIDAS DE DISPERSIN
!.-Rango

2.-MEDIANA
Para datos sin agrupr
para datos agrupados

3.-Moda
Para datos sin agrupar

es la meaxima dispersin de un conjunto de

datos
R=Valor mximo-Valor mnimo655t
2.-Desv. prom
Es la desviacin entre un punto deseado y uno
obtenido. Tiene que que ser una desviacin con
respecto a una medida de tendencia central
Ojo: la suma de las desciacines es cero
(di,i,1,n)=(xi-n*x,i,1,n)
Sprom=1/n*(abs(xi-x),i,1,n)`

3.-Desv est.
4.-Varianza
5.-Coeficiente de variacin

Percentil 90=35+(.9-.76338)/(.92113-.76338)*5
percentil 10=20+(.1-.0)/(0.11268-.0)*5

c.-MEDIDAS DE ASIMETRA
Coeficiente de asimetra
D.MEDIDAS DE APLANAMIENTO.
Coeficiente de curtosis.
Nota: para obtener percentiles en una ojiva, se
puede utilizar la ecuacin de una recta
y-y1=(y2-y1)/(x2-x1)*(x-x1)

INTERVALO INTERDECIL=
39.330269413629-24.437344692936+14.89
CONCENYTRACIN DEL 80 POR CIENTO DE LOS
DATOS.
90 ENTRE EL PERCENTIL 5 Y EL 95

Fractil=Linf+(F"-F1")/(F2"-F1")*
=amplitud de la marca de clase
F"=Frec. Relativa acumulada.

80 ENTRE EL PERCENTIL 10 Y EL 90
Para que esto sea vlido los intervalos tiene que
estar centrados.

30+(.5-.49014)/(.76338-.49014)*5
25 DE OCTUBRE DEL 2005

un antroplogo quiere estudiar la estatura

promedio de los hombres de cierta raza.\
Si se supone que la desviacin estandar de una
poblacin es de 2.5 in y se selecciona al azar a
100 hombres, encontrar la probabilidad de que
ladiferenci entre la media de la muestra y la
media verdadera de la poblacin no exeda de 0.5
in.

llenar tabla

z/2
.2 1.282 80%
0.10 1.645 90%
0.02 2.326 98%
0.01 2.576 99%

x=2.5 in
n=100

P(z/2zz/2)=1-

P(|-x|0.5) d=?

z/2 1-
1
68.27%
2
3
4

P(0.5-x0.5
Por el teorema anterior
~N(x, x^2/n)
z=(-x)/x/n)

P(-1z1)=2p(0z1)=2P(z1)-1

P(-0.5/2.5/100z0.5/2.5/100)
=2P(0z2)
=2(0.477255)
P=0.95451

~N(x,x^2/n)

iNTERVALOS DE CONFIANZA.

P(-z/2zz/2)=1-

z=(-x)/(x/n)

-z/2(-x)/(x/n)z/2
Z=(-x)/(x/n)~N(0,1)
curva normal

-z/2*x/n,,x+z/2*x/n
---------

0=z/2*x/nn=z/2*x/0
error de estimacin para la media
INTERVALO DE CONFIANZA PARA LA MEDIA
POBLACIONAL PARA X CONOCIDA

27 de septiembre del 2005

n>(Z/2*x/0)^2
0 mximo error de estimacin que nosostros
fijamos
n(1.96(0.0764/.02)^2
La eficiencia comparativa de dos estimadores se
obtiene calculando el cociente:

ESTIMADORES PUNTUALES
Estadstico
f(x1,x2,x3,...,xn)

e=ECM(1^/2^)
i) Si e<1 1^ es ms eficiente que 2^
ii) Si e>1 2^ es mas eficiente que 1^
iii) Si e=1 1^ y 2^ tiene la misma eficiencia.

Estimador es un estadstico que permite inferir el

valor que toma un parmetro poblacional.
N
N x x P
x

n ={x1,x2,...,xn}

S
x1,x2
x3,x4,x5

x^=x=(x1+x2+x3+x4+x5)/5
x2^=(x1+2x2+3x3+2x4+x5)/9

x^=f1(x1,x2,...,xn)
x^=f2(x1,x2,...,xn)
p^=f3(x1,x2,...,xn)
N=f4(x1,x2,...,xn)

x3^=(2x1+3x2)/4

x1^=E{x1^}
=E{x}=x Insesgado
ESTIMADORES PUNTUALES

CUALIDADES.1.-INSESGABILIDAD
Sea ^ un esimador puntual de . Se dice que
es insesgado, si se cumple que:
^=E{^}=
2.-EFICIENCIA
Sean 1^ y 2^ estimadorres puntuales de un
parmetro poblacional
Sea
ECM(1^)=E{(1^-)^2)}=VAR(1^)
+sesgo^2(1^)
ECM(2^)=E{(2^-)^2)}=VAR(2^)
+sesgo^2(1=2^)

x2^=E{x2^}=E{(x1+x2+x3+x4+x5)/9)}
=x Insesgado
x3^=E{x3^}=E{2/4x1+3/4x2}
=2/4x+3/4x=5/4x+1/4x
Sesgo(x3^)=1/4x
VAR(x1^)=VAR(x)=E{(x-)^2
=E{((x1+x2+x3+x4+x5)/5-5x/5)^2}
es numericamente igual a x
pero conceptualmente es distinto.
esta es la media de las medias que da lo
ismo que la media poblacional.
(a+b+c)^2=a^2+b^2+c^2+2ab+2ac+2cb
E={[1/5(x1-x)+1/5(x2-x)+...+1/5(x5-x)]^2}

INDEPENDENCIA ESTADSTICA
SI NO EXISTE NO SE ELIMINAN LAS
COVARIANZAS.

ECM(x2^)=VAR(x2^)
+sesgo(x2^)=19/81*x^2
ECM(x1^)=VAR(x1^)
+sesgo(x1^)=13/16*x^2+1/16*x^2
ECM mas pequeo es el bueno

ALEATORIA MUESTRA ES ALEATORIA LO ES SI

FU ELEGIDA CON INDEPENDENCIA ESTADSTICA.
e1,2=(x^2/5)/((19/81)*x^2)=81/95<1
VAR()=x^2/2

Ver parte cansada en el cuaderno:

=1/n(x1+x2+x3+...+xn)
=E({})=x
^2=E{(-x)^2=1/n^2[n*x^2]=x^2
Nota:
VAR()=x^2/n
VAR(a*)=a^2*VAR(x)
VAR(x2^)=E{(x1+2x2+3x3+2x4+x5)/99x/9)^2}
=1/81E{[x1-x)+2(x2-x)+3(x3-x)+2(x4-x)(x5-x)]^2}
=1/81[x^2+4x^2+9x^2+4x^2+x^2]
VAR(x3^)=VAR((2x1+3x2)/4=1/4VAR(x1)+9/16(
x2)=13/16x^2
Estimador cuadrtico medio
ECM(x1^)=VAR(x1^)+sesgo(x1^)=x^2/5
29 de septiembre del 2005
MEDIDAS DE UNA MUESTRA

1.-TENDENCIA CENTRAL
MEDIA
MEDIANA
MODA
SEMIRANGO
ETC

DE TODOS LOS ESTIMADORES, AL MS EFICIENTE

SE LE LLAMA ESTIMADOR PTIMO.
E2,3=(19/81*x^2)/(13/16*x^2+1/16*x^2)=
(16*19)x^2/(13*81*x^2+81x^2)=
304/(1053+81*(x/x)^2)
esto es necesariente menor que 1.
Por lo tanto el 2 es mejor que el 3.
Estimador consistente
Se dice que al aumentar el tamao de la muestra
el estimador se acerca mas al valor poblacional.
(el mestral tiende a ser el poblacional).

Sn-1=1/(n-1)

Tarea:
E{Sn-1}=? =x^2
VAR{Sn-1^2)=E{(Sn-1^2-sn-1^2)^2}
?
E

CALCULAR MEDIDAS DE DIPSERSIN EN EXCEL

CLCULO MANUAL
MOMENTO DE ORDEN K CON RESPECTO A UN
VALOR "a" DE LOS DATOS DE UNA MUESTRA.
mk=1/n*((xi-a)^k,i,1,n)

2.-DISPERSIN
Rango=Valor kax-Valor min
Desviacin promedio=1/n*(|xi-|,i,1,n)
varianza=1/(n-1)((xi-)^2,i,1,n)
=1/(n-1)(xi^2-n/(n-1)*^2
1/(n-1)(xi^2,i,1,n)-1/(n*(n-1))*((xi,i,1,n)^2
DESVIACIN ESTANDAR=(VARIANZA)
Tambien es la dispersin promedio.
COEFICIENTE DE VARIACIN=DSV.EST./

m1=1/n((xi-a),i,1,n
Si a=0 m1'=
Si a= m1'=0
Si a=
m2=1/n((xi-)^2,i,1,n)=(n-1)/n*VAR
con n> casi da lo mismo
n=30 (n-1)/n= 29/30 96%
COEFICIEMTE DE ASIMETRA

COEFICIENTE DE CURTOSIS
M3/M2^(3/2)
Si da cero, la cuerva es simtirca respecto a la
media.

Curtosis
COEFICIENTE DE CURTOSIS
=m4/m2^2-3

>3 Leptocrtica (Ms picuda)

<3 Mesocrtica (ms aplanada)
Platicrtica o Planicurtica

NOTA: en la normal estandar 1 y 1 son los puntos

de inflexin
falta 4 DE OCTUBRE DEL 2006
Cmo calciular los parmetros de dispersin a
partir de una tabla de frecuenccias?
Ya se ha visto que :

S(n-1)^2=1/(n-1)xi^2-2/(n-1)*(n)+n/(n1)*^2
S(n-1)^2=1/(n-1)xi^2-n/(n-1)*^2
esto ltimo para datos sin agrupar

(a,i,1,n)=n*a
---S(n-1)^2=1/(n-1)(xi-)^2

para datos agrupados.

Desarrollando
S(n-1)^2=1/(n-1)(xi^2-2xi+^2,i,1,n)
S(n-1)^2=1/(n-1)xi^2-2/(n-1)**xi+1/(n1)^2
6 DE OCTUBRE DEL 2006

MTODOS PARA DEDUCIR ESTIMADORES

PUNTUALES DE PARMETROS POBLACIONEALES
DE VARIABLES ALEATORIAS CON DISTRIBUCIN
DE PROBABILIDAD CONOCIDA.
Sea un parmetro poblcaional de una variable
aleatoria X con funcin de probabilidad f(x;) se
pretende obtener un estimador ^ del parmetro

MTODOS
A) MXIMA VEROSIMILITUD
B) MOMENTOS
MTODO DE MXIMA VEROSIMILITUD
1) Se sabe que x tiene distribucin fx(x;) por lo
que se obtienen las funciones de probabilidad de
x1, x2,...,xn X
fx1(x1)=f(x1,)
fx2(x2)=f(x2,)
fx3(x3)=f(x3,)
fx4(x4)=f(x4,)
'''''
'''''

fxn(xn)=f(xn,)
2) Partiendo del supuesto de que {x1,x2,...,xn}
fu obtenida aleatoriamente, se puede suponer
que x1, x2, ..., xn son estasticamente
independientes.
P(AB) =P(A)P(B)
Por lo que, si se pretende obtener la funcin de
probabilidad conjunta de a1, x2, x3, ..., xn
entonces:
f(x1,x2,x3,...,xn;)=
fx1(x1;)fx2(x2;)...fxn(xn;)
3) Se pretende obtener el valor de que
maximiza a f(x1,x2,x3,...,xn;) por lo que se
aplicar el criterio de la primera derivada. Dado
que la funcin conjunta se obtiene de un
producto, es ms fcil maximizar el logaritmo de
esta funcin:

(ln( f(x1,x2,x3,...,xn;)),)=0 o no existe

Se despeja y el valor que resulte es ^

(ln( f(;)),)=n/-(x1+x2+...+xn)
f(x;)=^(x)
f(x)=|x|
f(x)=1/(*(2))^(1/2*((x-)/)^2)

n/=x1+x2+...+xn
1/=(x1+x2+...+xn)
1/=

NO CONVIENE DERIVAR DIRECTAMENTE LA

FUNCON DE PROBABILIDAD CONJUNTA, SINO EL
LOGARITMO DE ESTA.

^=1/

LN(u*v*w)=ln(u)+ln(v)+ln(w)
En general las funciones de probabilidad son
positivas.
ejercicio:
fx1(x1)=f(x1;)=^(x)
f(x1,x2,x3,...,xn;)=^n*^((x1+x2+...+xn))
ln(f(;))=nln()-(x1+x2+...+xn)
falta 11 de octubre 2005
8 DE NOVIEMBRE DEL 2005
INTERVALO DE CONFIANZA PARA ^2
(n-1)S^2n-1/(X^2/2,(n-1)^2
(n-1)S^2n-1/(X^2(1-/2),(n-1)
Para una sola cola (lado)

tiempo del modelo de vida del ser humano:

f(t)=1/77^(t/77)
Conjunta
F(t)=1-^(t/77)
u=1-^(t/77)
t=-77ln(1-u)

aos con una varianza de un ao, si 5 de estas

bateras tienen duraciones de 1.9, 2.4, 3, 3.5 y
4.2 aos, detreminar un intervalo de confianza del
95% para ^2e indicar si es vlida la afirmacinn
del fabricante de que ^2=1.
Qu suposicin debe hacerse.
Debe suponerse que se comporta como una
dstribucin normal.

^2(n-1)S^n-1/(X^2(1-),(n-1)) y
^2(n-1)S^n-1/(X^2(),(n-1))
1.-Se determino la cantidad de expansion lateral
(mill) para una muetra de n=9 soldaduras de
arcos de metal y gas accioados por pulsos
empleados en tanque scontenedores de gas
natural licuado en arcos. La desviacin estandar
resltante fu de =1.81 mills. Suponiendo
normalidad, determinar un intervalo de confianza
de 95% para la varianza y para la desviacin
estadar.
Datos
S=2.81
n=9
1-=0.95
=0.05

^2=0.9027^2=.8148
n=5
1-=0.95
=0.05
X^2(0.025,4)=11.143
X^2(0.975,4)=0.484
0.29^26.73

TAREA:
eN UNA MUESTRA ALEATORIA DE 30 FOCOS, la
descviacin estandar muestral de la duracin de
un foco es de 12.6 hrs. Calcular un intervalo de
confianza superior de 90% para la varianza de la
duracin del foco.
Para una sola cola.

X^2/2,(n-1)=X^20.025,8=17.535
X^21-/2,(n-1)=X^20.975,8=2.18
DISTRIBUCIN T DE STUDENT
(8*2.81^2)/17.535(8*2.81^2)/2.180
3.64^228.98
Para el intervalo de la desv. est.
3.6428.98

T=(-x)/(Sn-1/n) ~t(n-1)
/2

t(1-/2),n-1

/2
t/2,n-1

El intervalo de confianza para la mediacuidado

-t/2,(n-1) S(n-1)/nx+t/2,(n-1) S(n1)/n
2.- Una fbrica de bateras para automvil
asegura que sus bateras duran en promedio 3

t/2,(n-1)=t0.05,1=1.753

De los datos
=158.5
S=16.4154
158.51.753*16.41544/(16x158.5+1.753*16.41/(
16
151.3059165.694
tarea 95 y 98
1.- la camara de coercio para una ciudad se
encuentra interesada en estimar la cantidad
promedio de dinero que gasta la gente que asiste
a convenciones , calculando comidas, alojamiento
y entrtenimineto por da. De las distintas
convenciones que se llevan a cabo por da en la
ciudad, se seleccionaron 16 personas y se les
10 DE NOVIEMBRE DEL 2005
INTERVALOS DE CONFIANZA
1.Para la meia conocida la varianza

pregunt la cantidad que gastaban por da. Se

obtubo la sig. informacin en US dl.

Si se supone que la cantidad de dinero gastada en

un eia es una variable aleatria distribuida normal.
{150, 175, 163, 148, 142, 189,135, 174, 168,
152, 158, 184, 134, 155, 163, 146}
Obtener los intervaos de confianza de 90, 95 y
98% para la cantoidad promedio real.
Para 1-=0.9, =0.1

t=Z/((X^2k/k)
Tiene distribucin t de student con k grados de
libertad
6. -x/(S(n-1)/n~t(n-1)

-Z/2*x/nx+Z/2*x/n
2./Para la varianza
(n-1)*S^2(n-1)
(n-1)*S^2(n-1)
---------------x^2 -------------X^2(/2,n-1)
X^2(1-/2,n-1)
3.-Para la media

EJERCICIOS=
a) P(2r2|k=5)=0.89722
b) P(t3|k=7)=0.99003
c)P(t2,5|k=9)=0.01693
d)P(2 2 k=100 =.95179

-t(/2,n-1)*S(n-1)/nx+t(/2,n-1)*S(n1)/n

Calcular vvlores de t
a) P(t0.025,5tt0.025,5 =0.95 2.57

TEOREMAS BASE

1.-sI x~N(x,x^2)
entonces
~N(x,x^2/n)

b)P(tt0.05,20)=0.95
1.725
c) P(t0.01,12)=0.01

2.681

d) Pt0.005,150tt0.005,150)=.99 2.576

2.-Si n
N(x,x^2/n)
3.Xk^2=Z1^2+Z2^2+...+Zk^2
Tiene distribcin Ji cuadrada con k grados de
libertad xk^2=k (X^2k)^2=2k

4.-(n-1)*S(n-1)^2/x~X^2(n-1)
5./La variable
15 DE NOVIEMBRE DEL 2005

La tala de la T de student tiene el calculo para

una cola y Excel siempre l hace para dos colas.

Segn la nomina 16 del 2003 en la Fac de Ing de

la UNAM existen 227 profesores de carrera. Se
tomar una muestra de ellos, para realizar un
intervalo de ellos, para realizar un ntervalo de
confianza para la media y para la varianza.

X^2(0.975,59)=39.66
X^2(0.025,59)=82.12

1 de toma una premuestra de n=11 y se estima

x:
Por muestreo sistemtico se toma un nmero
entre 1-22:
{61,56,40,73,48,59,70,57,57,48,73,39,45,58,47,4
7,44,40,56,54,51,46,41,67,56,55,38,65,57,51,54,
49,76,51,52,40,64,48,49,47,55,59,71,41,53,45,43
,68,51,39,50,57,42,54,41,44,40,62,45,43}

52.2-(2.001)(9.763)/59x.....
(59)(95.32)/82.12x^259*95.32/39.66
49.66x54.74
68.48x^2141.8
8.275x11.91

Cruz eligi 15
15-73
35-75
55-58
75-54
95-56
115-54
135-40
155-55
175-43
195-57
215-40
2.- Se calcula Sx en la premuetra
Sx=9.532
3.-Calcular tamao de muestra
n(Z/2*x^/0)^2

pARA =5% z/2=1.96

N=n1.96*9.532/2)^2

Edad del profesor de carrera de ka fac de ing al

95%
----------------------Sea X una v.a. que representa el nmero de xitos
en n ensayos

x=n*p

x=n*p(1-p)((N-n)/(N-1))

entonces
P(x-k*xxx+k*x)=1-
np-k(np(1-p)(N-n)/(N-1))xnp+k(np(1-p)(N-n)/
(N-1))
p^-Z/2*(p^(1-p^)/n* ((N-n)/(N1))pp^+Z/2*(p^(1-p^)/n* ((N-n)/(N-1))

INTERVALOS DE CONFIANZA
-t(/2,n-1)*Sn/nx+t(/2,n-1)*Sn/n

Intervalo de confianza para la fraccio de exitos en

una poblacin.

(n-1)*S(n-1)^2/X^2(/2,n-1)x^2(n-1)*S(n1)^2/X^2(1-/2,n-1)

Si N es muy grande, se puede quitar el facro de

correcin.

=5%

Para poder suponer que esta muestra es normal,

el tamao de muestra tiene que ser muy grnade
(arriba de 400)

t(0.025,59)=2.001 Z=0.975=1.96
17 de noviembre del 2005

a) de 1000 caoso seleccionados al azra, de

enfermos de cancer de pulmn, 823 terminaron
en muerte. Calcule un intervalo de confianza de la
fraccin mnima de nefermso de enfisema
pulmonar que muere por dicha causa.
b) Calcule un intervalo de confianza bilateral.

c) En el inciso b), que tan grande debe de ser la

muetra para tener una confianza del 99% de que
el eror de estimacieon en la fraccin sea menor de
0.03
Solucin:
a) pp^-Z*(p^*(1-p^)/n*((N-n)/(N-1))
=5% Z=1.645
P0.823-1.6450.823(1-0.823)/1000)=

P0.803
Intervalo bilateral e cnfianza
p^=0.823 n=1000
=5% Z/2=1.96
0.823-1.960.823(10.823)/1000)p0.823+1.960.823(10.823)/1000)
0.799p0,846
c) ErrorZ/2(p^(1-p^)/n)
error=0.03
Z/2=2.576
p^=0.823

POb 1

Pob 2

x1
x1

x2
x2

H0:x1=x2
H2:x1>x2
LICx1-x2LSC
LICx1^2/x2^2LSC
LICP1-P2LSC
Nota x^2 varianza
tAREA DATOS 50 HOMBRES Y 50 MUJERES
REPRESENATIVA 30 O MAS
Promedio de calif

n(Z/2)^2*p^(1-p^)/error^2
n2.576^2*0.823*(1-0.823)/0.03^2
1074.0445841067

estad_2006@yahoo.com.mx
prom avance generacion

21 DE NOVIEMBRE DEL 2005

De acuerdo a la definicin de F de Ficher
INTERVALO DE CONFIANZA PARA DOS
OBLACIONES.
Sean dos poblaciones con tamaos Ni y N2,
medias 1 y 2 y varianzas 1^2 y 2^2
respectivamente. Entonces, como ya se ha visto:

S(n1-1)^2/1^2
------------- ~ F(n1-1, n2-1)
S(n2-1)^2/2^2

1~N(1,1^2)
2~N(2,2^2)

Intervalos de confianza
(1-2)-Z/2*(1^2/n1+2^2)1-2(12)+Z/2*(1^2/n1+2^2)

ajo dos supuestos

(1-2)-t(/2,n1+n2-2)*Sp(1/n1+1/n2)12(1-2)+t(/2,n1+n2-2)*Sp(1/n1+1/n2)

i) x1 y x2 son normales
ii) n1 y n2 son muy grandes

Donde Sp=(n1

Tambin (n1-1) S(n1-1)^2/1^2~ X(n1-1)^2

Tambin (n2-1) S(n2-1)^2/2^2~ X(n2-1)^2
Tambn si x1 representa ariculos exitosos de una
muestra n, obtenidoa de la poblaccn X y x2 de la
poblacin x2, n1 , n2
Entonces
P1~N(P1^,P1^(1-P1^)/n1)
P2~N(P2^,P2^(1-P2^)/n2)
donde P^1=x1/n1 y P2^=x2/n2

u=X7^2 v=X10^2
F=

Del teorema de aditividad de la distrinucin normal

1-2~N(1-2,1^2/n1+2^2/n2)
P1-P2=N(P1^-P2^, P1^(1-P1)/n1+P2^(1P2^)/n2)

Sean ~X7^2
u/7

y v=X10^2

y sea F=---v/10
Calcule a) P(F1.5)=0.2705
b) P(F0.75)=0.3612
c) P(0.75F1.25)=0.2771
P=(F0.75)-P(F1.25)

PROPIEDAD IMPORTANTE DE LA F DE FISHER

1
F(1-/2,n1,n2)=-------------F(/2,n2,n1)

d) P(FF0)=0.25 F0=1.57
e) P(FF0)=0.90

F0=0.10

f) P(F(1-/2)FF(/2))=0.95
0.21
3.95
23 DE NOVIEMBR DEL 3o72

F0.975,7,10= 1/(F0.025,10,7)=1/4.76=0.21

promedios, as como el grado de avance de sus

estudiios.
a) Calcular la media, varianza y desviacin
estandar de los promedioos de calificaciones de
ambas poblaciones.
b) Calcular un intervalo de confianzpara el
cociente entre varinzas y con eeste, determinar si
se puede suponer igualdad entre varianzas de
ambas poblaciones, para el promedio de avance.
c) Calculr un intervalo de confianza para la
diferencia entre medias y con ste determinar si
se puede suponer igualdad entre medias de
ambas poblaciones, para el promedio de avance.

2
005

Nota otra vez:

1
F(1-/2,n2-1,n1-1)=---------------F(/2,n1-1,n2-1)

En la pantalla se muestr an los datos de 30

mujeres y 30 hombres, alumnos de la facultad de
ingeniera de la UNAM. Se presentan sus
29 de noviembre del 2005

SSE=yy-1^*Sxy x^2=MSe=SSe/(n-2)

REGRESIN Y CORRELACIN LINEAL

R^2=SSr/Syy=1-SSe/Syy
^=Sxy/(SxxSyy)

De una prueba de transferencia de calor, se

obtienen los siguientes resultados.
Sxx=(xi^2,i,1,n)-((xi,i,1,n)^2/n
Syy
Sxy

tanh
SSe=Syy-^*Sxyx^2=MSe=SSe/(n-2)
Proceso estocstico es el mtodo de mnimos
cuadrados, pero agregando la incertidumbre del
proceso.

1^=Sxy/Sx
0^=-1*
w
1 DE DICIEMBRE DEL 2005
interrvalos de confianza para los principales
paretros de una regresin lineal y el grado de
correlacin.

tanh[angtanh(^)-Z(/2)/(n3)]tanh[angtanh(^)+Z(/2)/(n-3)]

Para un valor y0 con x0 en datos muestreados

y0=y0^t(/2,n-2)*(MSE[1/n+(x0-)^2/Sxx])
Para un valor yo con x0 no contenido en los datos
y0=y0^t(/2,n-2)*(MSE[1+1/n+(x0)^2/Sxx])
En los ltimos dos casos:
y0^=1^*x0+0^
1=1^t(/2,n-2)*(MSE/Sxx)
0=0^t(/2,n-2)*(MSE*[1/n+^2/Sxx])
coef deter =0.7283
Z(/2)=1.96
.4645.8714 al 95
t(/2,n-2)= .05/23 2.0687
89.77491213.616
293.77083.5346
x0=1.64 contenido en la muestra
y0^=151.7(1.64)-188.7
y0^=60.088
Para un valor yo con x0 en datos muestrados:
54.7476y065.5

Para x0=1.77
y0^79.84
58.5y0101.2
tavin61@hotmail.com

Hacer estudio con muestra de hombres y muestra

de mujeres.

Nota cultura
IMC=indice de masa corporal=Peso/estatura^2