Professional Documents
Culture Documents
FACULTAD DE INGENIERÍA
ALUMNO:
ASIGNATURA:
ESTADISTICA APLICADA
DOCENTE
ARACELLI POEMAPE
PARA UNA POBLACIÓN (Z)
Una máquina despachadora de refrescos vierte 225 ml por unidad. Una muestra
aleatoria de 36 refrescos tiene un contenido promedio de 220 ml con una desviación
estándar de 15 ml. ¿Se puede afirmar que el promedio es menor a 225 ml, con un nivel
de significancia del 5%?
Solución
a). Datos
n = 36 unidades
x = 220 ml
δ = 15 ml
Error Límite
estándar superior
de la de 95%
N Media media para μ
36 220.00 2.50 224.11
μ: media de Muestra
Desviación estándar conocida = 15
d). Cálculos
p–value = 0.023
α = 0.05
Decisión: Se rechaza H0
Solución
a). Datos
n = 16 bolsas
x = 19 gramos
δ = 2 gramos
Error
estándar
de la IC de 95% para
N Media media μ
16 19.000 0.500 (18.020; 19.980)
μ: media de Muestra
Desviación estándar conocida = 2
d). Cálculos
p–value = 0.046
α = 0.05
Decisión: Se rechaza H0
Solución
a). Datos
n = 16 fardos
x = 6.75 onzas
δ = 0.25 onzas
Error Límite
estándar inferior
de la de
N Media media 95% para μ
16 6.7500 0.0625 6.6472
μ: media de Muestra
Desviación estándar conocida = 0.25
d). Cálculos
p–value = 0.000
α = 0.05
Decisión: Se rechaza H0
El director de una universidad nueva afirma que solamente el 18% de los estudiantes
no están de acuerdo con su actual gestión. En una encuesta aplicada a los
estudiantes, 90 de 450 manifestaron estar en descuerdo. Se podría afirmar con una
significación del 5% que la proporción en desacuerdo es mayor al 18%.
Solución
a). Datos
n = 450 estudiantes
x = 90 estudiantes
p = 90/450 = 0.20
Límite
inferior
de
N Evento Muestra p 95% para p
450 90 0.200000 0.168984
d). Cálculos
p–value = 0.135
α = 0.05
Decisión: Se acepta H0
Solución
a). Datos
n = 200 estudiantes
x = 170 estudiantes
p = 170/200 = 0.85
Límite
superior de
N Evento Muestra p 95% para p
200 170 0.850000 0.891531
d). Cálculos
p–value = 0.009
α = 0.05
Decisión: Se rechaza H0
Solución
a). Datos
n = 100 envíos
p = 61/100 = 0.61
Límite
superior de
N Evento Muestra p 99% para p
100 61 0.610000 0.723468
d). Cálculos
p–value = 0.025
α = 0.05
Decisión: Se acepta H0
Conclusión: Se afirma que por lo menos el 70% de los envíos llega al día
siguiente a sus respectivos destinos con un nivel de significancia
del 1%.
PARA UNA POBLACIÓN (T)
Solución
a). Datos
n = 12 barras
x = 41.5 mm
s = 1.78 mm
Error
estándar
de la IC de 98% para
N Media Desv.Est. media μ
12 41.500 1.780 0.514 (40.103; 42.897)
μ: media de Muestra
d). Cálculos
p–value = 0.014
α = 0.02
Decisión: Se rechaza H0
137.4 140.0 138.8 139.1 144.4 139.2 141.8 137.3 133.5 138.2
141.1 139.7 136.7 136.3 135.6 138.0 140.9 140.6 136.7 134.1
Con un nivel de significancia del 5%
Solución
a). Datos
Error
estándar Límite
de la superior de
N Media Desv.Est. media 95% para μ
20 138.470 2.659 0.595 139.498
μ: media de A/h
d). Cálculos
p–value = 0.009
α = 0.05
Decisión: Se rechaza H0
Solución
a). Datos
Error Límite
estándar inferior
de la de
N Media Desv.Est. media 95% para μ
25 62.10 5.83 1.17 60.11
μ: media de Muestra
d). Cálculos
p–value = 0.042
α = 0.05
Decisión: Se rechaza H0
Una empresa de giro alimenticio desea determinar si el lote de una materia prima
tiene o no una varianza poblacional mayor a 15 cm, su grado de endulzamiento se
realiza un muestreo de 20 elementos y se obtiene una varianza muestral de 20.98.
Realizar la prueba de hipótesis con α = 0.05
Método
σ²: varianza de Muestra
El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.
Estadísticas descriptivas
Límite inferior
de 95% para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
20 4.58 21.0 13.22
Prueba
Hipótesis nula H₀: σ² = 15
Hipótesis alterna H₁ : σ² > 15
Estadística
Método de prueba GL Valor p
Chi-cuadrada 26.57 19 0.115
La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de
confiabilidad haciendo que sus conductores sean puntuales en los horarios de
llegada a las paradas. La empresa desea que haya poca variabilidad en dichos
tiempos. En términos de la varianza de los tiempos de llegada de las paradas, la
empresa desea que la varianza sea de 4 minutos o menos. Esta prueba de
hipótesis se realiza con un nivel de significancia de α = 0.05 Asuma que en una
muestra aleatoria de 24 llegadas a cierta parada en una intersección en el centro
de la ciudad, la varianza muestral encontrada es s2=4.9
Método
σ²: varianza de Muestra
El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.
Estadísticas descriptivas
Límite superior
de 95% para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
24 2.21 4.90 8.61
Prueba
Hipótesis nula H₀: σ² = 4
Decisión: Se acepta H0
Conclusión: Se concluye que existe evidencia suficiente para aceptar H0. con
un nivel de significancia de 0.05.
Estadísticas descriptivas
IC de 95%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
28 1.87 3.50 (2.19; 6.48)
Prueba
Hipótesis nula H₀: σ² = 4
Hipótesis alterna H₁ : σ² ≠ 4
Estadística
Método de prueba GL Valor p
Chi-cuadrada 23.63 27 0.698
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 40 3.20 1.20 0.19
Muestra 2 55 4.20 1.40 0.19
Estimación de la diferencia
IC de 95% para
Diferencia la diferencia
-1.000 (-1.532; -0.468)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
-3.74 90 0.000
Diez hombres se sometieron a una dieta especial registrando sus pesos antes de
comenzarla y después de un mes de estar en ella. Los resultados de los pesos, en libras,
se muestran a continuación:
Hombre A B C D E F G H I J
ANTES 181 172 190 186 210 202 166 173 183 184
DESPUÉS 178 175 185 184 207 201 160 168 180 189
Probar si la dieta logró alguna diferencia, ya sea positiva o negativa con α = 0.05. Calcule
el valor de P.
Método
μ₁: media de ANTES
µ₂: media de DESPUES
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
ANTES 10 184.7 13.5 4.3
DESPUES 10 182.7 14.1 4.5
Estimación de la diferencia
IC de 95%
Desv.Est. para la
Diferencia agrupada diferencia
2.00 13.80 (-10.96; 14.96)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
0.32 18 0.750
Una muestra de 50 familias de una comunidad muestra que 10 de ellas están viendo un
programa especial de televisión sobre la economía nacional. En una segunda
comunidad 15 familias de una muestra aleatoria de 50 están viendo el programa especial de
televisión, a continuación, se prueba la hipótesis de que la proporción general de televidentes
en las dos comunidades no difiere, usando el nivel de significancia de 1%:
Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 50 10 0.200000
Muestra 2 50 15 0.300000
Estimación de la diferencia
IC de 95% para la
Diferencia diferencia
-0.1 (-0.268602; 0.068602)
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ ≠ 0
Método Valor Z Valor p
Aproximación normal -1.16 0.245
Exacta de Fisher 0.356
Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 200 60 0.300000
Muestra 2 300 75 0.250000
Estimación de la diferencia
IC de 95% para la
Diferencia diferencia
0.05 (-0.030215; 0.130215)
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ ≠ 0
Método Valor Z Valor p
Aproximación normal 1.22 0.222
Exacta de Fisher 0.219