Ejercicios

PROBABILIDADES.
Ejemplo: Hallar la probabilidad de sacar una suma de 8 puntos al lanzar dos dados.

1,1 1,2 1,3 1,4 1,5 1,6 2,1 2,2 2,3 2,4 2,5 2,6 3,1 3,2 3,3 3,4 3,5 3,6 4,1 4,2 4,3 4,4 4,5 4,6 5,1 5,2 5,3 5,4 5,5 5,6 6,1 6,2 6,3 6,4 6,5 6,6 P = 5/36 = 0.1389
Ejemplo: Cual es la probabilidad de la siguiente valuacin cualitativa:

Calificacin Muy deficiente Deficiente Bueno Muy bueno Total LA DISTRIBUCIN BINOMIAL.

ni 30 20 16 14 80

pi Pi = ni/total

1.0000

Se aplica cuando se realizan un nmero "n" de veces el experimento de Bernouiili, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre: 0: si todos los experimentos han sido fracaso n: si todos los experimentos han sido xitos La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:

Ejemplo: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? " k " es el nmero de aciertos, k = 6, " n" es el nmero de ensayos, n = 10, " p " es la probabilidad de xito, salga "cara" p = 0,5

P (x = 6) = 0,205 Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda. Ejemplo: Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces? " k " nmero de aciertos = 4, " n" toma el valor 8, " p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 = 0,1666 GEOESTADISTICA-I Pgina 1

P (x = 4) = 0,026 Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces. LA DISTRIBUCIN DE POISSON. Es parte de la distribucin binomial, cuando en una distribucin binomial se realiza el experimento un nmero "n" muy elevado de veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces se aplica el modelo de distribucin de Poisson. Se tiene que cumplir que: " p " < 0,10 y " p * n " < 10

"e" es 2,71828 " "=n*p " k " es el nmero de xito cuya probabilidad se est calculando Ejemplo: La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se realizan 300 viajes, cual es la probabilidad de tener 3 accidentes? Probabilidad "p" < que 0,1, n*p < 10, aplicamos el modelo de distribucin de Poisson.

P (x = 3) = 0,0892 Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9% Ejemplo: La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de que entre 800 recin nacidos haya 5 pelirrojos?

P (x = 5) = 4,602 Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es del 4,6%. DISTRIBUCIONES NORMAL Es el modelo de distribucin ms utilizado en la prctica, X N ( ,
2

Cuando la media de la distribucin es 0 y la varianza es 1se denomina "normal estandarizada", y su ventaja reside en que hay tablas donde se recoge la probabilidad acumulada para cada punto de la curva de esta distribucin. Z= (X - )/ Z N (0, 1) Ejemplo: una variable aleatoria sigue el modelo de una distribucin normal con media 10 y varianza 4, para una variable X distribuida entre 15 y 20. Transformarla en una normal estandarizada. X N (10, 4) P [ 15 x 20] GEOESTADISTICA-I Pgina 2

P [ (15-10)/2 (X-10)/2 (20-10)/2 ] P [ 2.5 Z 5 ] P = 0.5 - 0.4938 = 0.0062 Ejemplo: una variable aleatoria sigue el modelo de una distribucin con las siguientes caractersticas, transformarla en una normal estandarizada. X N (20.5, 52) P [ 44.5 x 60.3] P = 0.3849 + 0.4750 = 0.8599 = 85.99% Ejemplo: El dimetro interno de un aro de pistn esta distribuido normalmente con media de 4.5 cm. y una desviacin estndar de 0.005 cm. Qu porcentaje de aros tendrn un dimetro que exceda a 4.51 cm.? = 4.5 cm. = 0.005 cm. > 4.51 cm. %? X N (4.5 cm.,0.0052cm2.) P [ x 4.51] P = 0.5 0.4772 = 0.0228 = 2.28 % Ejemplo: el salario medio de los empleados de una empresa se distribuye segn una distribucin normal, con una media 5 mil $. y desviacin tpica de mil $. Calcular el porcentaje de empleados con un sueldo inferior a 7 mil $. X N (5000 $,10002$2) P [ x 7000 $] P [ z 2] P = 0.5 + 0.47725 = 0.97725 Por lo tanto, el porcentaje de empleados con salarios inferiores a 7 mil $ es del 97,725%. Ejemplo: La renta media de los habitantes de un pas es de 4 millones de ptas/ao, con una varianza de 1,5. Se supone que se distribuye segn una distribucin normal. Calcular: a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos. c) Ingresos mnimo y mximo que engloba al 80% de la poblacin con renta media. = 4 millones
2

= 1.5

X N (4 , 1.5) a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. P [ x 3] P [ z -0.82] P = 0.5 - 0.29389 = 0.20611 Luego, el 20,61% de la poblacin tiene una renta inferior a 3 millones ptas. GEOESTADISTICA-I Pgina 3

b) Nivel de ingresos a partir del cual se sita el 10% de la poblacin con renta ms elevada. Segn el rea es el 90% de probabilidad acumulada, lo que quiere decir que por encima se sita el 10% superior. P = 90% de 0.5 (rea total) = 0.45 (se ubica en la tabla de cmo rea de probabilidad) Z para 0.45 es = 1.65 Despejando X de Z = (X - )/ X = 6.02 Por lo tanto, aquellas personas con ingresos superiores a 6.02 millones de ptas. constituyen el 10% de la poblacin con renta ms elevada. c) Nivel de ingresos mnimo y mximo que engloba al 80% de la poblacin con renta media Vemos en la tabla el valor de la variable normalizada Y cuya probabilidad acumulada es el 0,8 (80%). P = 80% de 0.5 = 0.4 (se ubica en la tabla como rea) Z para 0.40 es = 1.28 Despejando X de Z = (X - )/ X = 5.567 es el valor mayor, y el valor menor es: 4 (5.567 - 4) = 2.433 Por lo tanto, las personas con ingresos superiores a 2,433 millones de ptas. e inferiores a 5,567 millones de ptas. constituyen el 80% de la poblacin con un nivel medio de renta. Ejemplo: La vida media de los habitantes de un pas es de 68 aos, con una varianza de 25. Se hace un estudio en una pequea ciudad de 10.000 habitantes: a) Cuntas personas superarn previsiblemente los 75 aos? b) Cuntos vivirn menos de 60 aos? a) Personas que vivirn (previsiblemente) ms de 75 aos Calculamos el valor de la normal tipificada equivalente a 75 aos X N ( 68 aos , 25 aos) P [ x 75] P [ Z 1.4 ] P = 0.5 0.41924 = 0.08076 = 8.1 % Luego, el 8,076% de la poblacin de 10,000 es 808 habitantes que vivirn ms de 75 aos. b) Personas que vivirn (previsiblemente) menos de 60 aos P [ x 60] P [ z -1.6] P = 0.5 0.44520 = 0.0548 Luego, el 5,48% de la poblacin es 548 habitantes que no llegarn probablemente a esta edad. Ejercicio: El consumo medio anual de cerveza de los habitantes de un pas es de 58 litros, con una varianza de 36. Se supone que se distribuye segn una distribucin normal. a) Si usted presume de buen bebedor, cuntos litros de cerveza tendra que beber al ao para pertenecer al 5% de la poblacin que ms bebe? b) Si usted bebe 45 litros de cerveza al ao y su mujer le califica de borracho qu podra argumentar en su defensa? GEOESTADISTICA-I Pgina 4 Limites de control Max y Min (+ y -)

a) 5% de la poblacin que ms bebe. Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,95 (95%), por lo que por arriba estara el 5% restante. rea = 0.5*0.95 = 0.475 Tabla al revs = para 0.475 se tiene Z = 1.96 Z= (X - )/ X = 69.76 Por lo tanto, tendra usted que beber ms de 69,76 litros al ao para pertenecer a ese "selecto" club de grandes bebedores de cerveza. b) Usted bebe 45 litros de cerveza al ao. Es usted un borracho? P [ X 45 ] P [ Z -2.17 ] P [ Z 2.17 ] P = 0.4850 Pero para no ser borracho tiene que ser menor (6to. Caso): P = 0.5 0.4850 = 0.015 Por lo tanto, slo un 1,5% de la poblacin bebe menos que usted. Parece un argumento de suficiente peso para que dejen de catalogarle de "enamorado de la bebida" P = 0.5 0.475 = 0.025 X N (20.5, 52) P [ 44.5 x 60.3] P = 0.3849 + 0.4750 = 0.8599 = 85.99% Ejercicio: Un estudio de la DGT estima que el nmero de horas prcticas necesarias para la obtencin del permiso de conducir sigue una distribucin normal con N(24, 32). (a) Qu probabilidad hay de obtener el permiso de conducir con 20 horas de prcticas o menos? (b) Cuntas horas de prcticas ha necesitado un conductor para obtener el permiso si el 68% de los conductores ha necesitado ms horas de prcticas que l? La autoescuela Dspacio tiene un ingreso por alumno una parte fija de 250 euros, ms 23 euros por hora de prctica. (c) Calcular el ingreso por alumno esperado. (d) Calcular la desviacin tpica del ingreso por alumno. Solucin: X ~ N(24, 32). = 24 =3 a) P[ X 20 ] P [ Z -1.33 ] P [ Z 1.33 ] P = 0.5 0.4082 = 0.0918 = 9.18% GEOESTADISTICA-I Pgina 5 1.96 = ( X 58 ) / 6 X = ( 1.96 * 6 ) + 58

b) Sea x0 el nmero de horas prcticas que buscamos. P(X x0) = 0.68 Para la probabilidad de 0.68 en la tabla Z es: 0.5 0.68 = 0.18 el rea de 0.18 nos da Z = 0.47 Z= (X - )/ X = 25.41 c) Como X ~ N(24, 32), el nmero de horas de prctica necesarias para obtener el permiso de conducir es de 24. El ingreso de la autoescuela por las prcticas de un alumno es 23X. El ingreso por alumno es I = 250 + 23X. I = 250 + (23 24) = 802 euros d) Aplicando que Var(I) = Var(23X) = 232Var(X). Como X ~ N(24, 32), sabemos que Var(X) = 32. Var(I) = 232x32 La desviacin tpica del ingreso es: dtI=Var(I)=23x3=69 TEOREMA DEL LMITE CENTRAL El teorema del lmite central dice que si una muestra es lo bastante grande (n > 30), sea cual sea la distribucin de la variable de inters, la distribucin de la media muestral ser aproximadamente una normal. Adems, la media ser igual a y la varianza ser igual a 2/n. Ejemplo: Una empresa de mensajera que opera en la ciudad tarda una media de 35 minutos en llevar un paquete, con una desviacin tpica de 8 minutos. Supongamos que durante el da de hoy han repartido doscientos paquetes. a) Cul es la probabilidad de que la media de los tiempos de entrega de hoy est entre 35 y 36 minutos? b) Cul es la probabilidad de que, en total, para los doscientos paquetes hayan estado ms de 115 horas? Solucin: = 35 =8 n = 200 a). Consideremos la variable X = Tiempo de entrega del paquete. Sabemos que su media es 35 minutos y su desviacin tpica, 8. Pero no sabemos si esta variable sigue una distribucin normal. Durante el da de hoy se han entregado n = 200 paquetes. Es decir, tenemos una muestra x1, x2, ..., xn de nuestra variable. Por el teorema del lmite central sabemos que la media muestral se comporta como una normal de esperanza 35 y desviacin tpica: S=2n=n=8200=0.5656 P [ 35 X 36 ] P [ 0 Z 1.768 ] GEOESTADISTICA-I Pgina 6 0.47 = ( X 24 ) / 3 X = ( 0.47 * 3 ) + 24

P = 0.4616 Tenemos una probabilidad del 0,4616 de que la media del tiempo de entrega de hoy haya estado entre 35 y 36 minutos. b). Por lo que respecta a la segunda pregunta, de entrada debemos pasar las horas a minutos, ya que sta es la unidad con la que nos viene dada la variable. Observa que 115 horas por 60 minutos nos dan 6.900 minutos. Se nos pide que calculemos la probabilidad siguiente: P [ X 6900/200 ] P [ X 34.5 ] P [ Z -0.884 ] P [ Z 0.884 ] P = 0.5 + 0.3106 = 0.8106 Ejemplo: Suponga que la tabla siguiente muestra la antigedad en aos en el trabajo de tres maestros universitarios de matemticas: Maestro de matemticas A B C Antiguedad 6 4 2

Suponga adems que se seleccionan muestras aleatorias de tamao 2 sin reemplazo. Calcule la antigedad media para cada muestra, la media de la distribucin muestral y el error estndar, o la desviacin estndar de la distribucin muestral. Solucin: Se pueden tener 3C2 =3 muestras posibles y significativas. La tabla lista todas las muestras posibles de tamao 2, con sus respectivas medias muestrales. Muestras A,B A,C B,C Antigedad (6,4) (6,2) (4,2) Media Muestral 5 4 3

La media poblacional es: =2+4+63=4

La media de la distribucin muestral es:

=5+4+33=4

La desviacin estndar de la poblacin es:

=(6-4)2+(4-4)2+(2-4)23=1.63

El error estndar o la desviacin estndar de la distribucin muestral es:

=(5-4)2+(4-4)2+(3-4)23=0.816

Si utilizamos la frmula del error estndar sin el factor de correccin tendramos que:
X=2n=n=1.632=1.152

Por lo que observamos que este valor no es el verdadero. Agregando el factor de correccin obtendremos el valor correcto:
X=nN-nN-1=1.6323-23-1=0.816 Ejemplo: Una empresa elctrica fabrica focos que tienen una duracin que se distribuye aproximadamente en forma normal, con media de 800 horas y desviacin estndar de 40 horas. GEOESTADISTICA-I Pgina 7

Encuentre la probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos de 775 horas. Solucin: Z = X- 2n=775- 8004016=-2.5 P [X 775 ] P [ Z -2.5 ] P [ Z 2.5 ] P = 0.5 0.4938 = 0.0062 La interpretacin sera que la probabilidad de que la media de la muestra de 16 focos sea menor a 775 horas es de 0.0062. Ejemplo: Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma normal con una media de 174.5 centmetros y una desviacin estndar de 6.9 centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo de esta poblacin, determine: a) El nmero de las medias muestrales que caen entre 172.5 y 175.8 centmetros. b) El nmero de medias muestrales que caen por debajo de 172 centmetros. Solucin: Como se puede observar en este ejercicio se cuenta con una poblacin finita y un muestreo sin reemplazo, por lo que se tendr que agregar el factor de correccin. Se proceder a calcular el denominador de Z para slo sustituirlo en cada inciso. X=nN-nN-1=6.9251000-251000-1=1.36 a). P [ 172.5 X 175.8 ] Z1 = X- X=172.5-174.51.36=-1.47 Z2 = X- X=175.8-174.51.36=-0.96 P [ -1.47 Z 0.96 ] P = 0.4292 + 0.3365 = 0.7657 El numero de medias muestrales = (0.7657)(200) = 153.14 = 153 b). P [ X 172 ] Z3 = X- X=172-174.51.36=-1.83 P [ Z -1.83 ] P [ Z 1.83 ] P = 0.5 - 0.4664 = 0.0336 El numero de medias muestrales = (0.0336)(200) = 6.72 = 7 INTERVALOS DE CONFIANZA. Un intervalo de confianza es un intervalo estimador de un parmetro, cuyos extremos, el lmite inferior (LI) y lmite superior (LS) son funciones de la muestra, es decir depende solamente de valores muestrales.

GEOESTADISTICA-I

Pgina 8

Un intervalo de confianza del parmetro cierto grado de incertidumbre establecido. CUANDO LA VARIANZA POBLACIONAL

es un intervalo [LI , LS], que incluye al parmetro con

ES CONOCIDA

Si x es la media de una muestra aleatoria de tamao n obtenida de una poblacin normal con varianza poblacional 2 conocida, entonces: Para tamaos de muestra >30

Ejercicio: La duracin media de los neumticos de un camin fue de veinte das. Se toma una muestra de cien neumticos este ao y se obtiene una media de dieciocho das con una desviacin estndar de 8.1 das. Construir un intervalo de confianza para la duracin media de los neumticos del 99%. El tamao muestral, n = 100, es grande (>30), Media = 20 das (poblacin) Media = 18 das (muestra) Deviacin estndar = 8.1 Con un nivel de confianza del 99%, 0.99/2 = 0.495 esta rea se busca en la tabla el valor de Z Z =2.58 X Z Sn =18 2.58 8.1100=18 2.090 LS = 18 + 2.090 = 20.090 LI = 18 2.090 = 15.91 15.91 < < 20.090 Ejercicio: Se encuentra que la concentracin promedio de zinc que se saca del agua a partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6 gramos por mililitro. Encuentre los intervalos de confianza de 95% y 99% para la concentracin media de zinc en el ro. Suponga que la desviacin estndar de la poblacin es 0.3. Solucin: La estimacin puntual de m es x = 2.6. El valor de z para un nivel de confianza del 95% es 1.96, por lo tanto: n = 36 Concentracin media = 2.6 Intervalos de confianza = ? de 95% y 99% Deviacin estndar = 0.3 a). Con un nivel de confianza del 95%, 0.95/2 = 0.475 esta rea se busca en la tabla el valor de Z Z =1.96 X Z Sn =2.6 1.96 0.336=2.6 0.098 LS = 2.6 + 0.098 = 2.698 LI = 2.6 0.098 = 2.502 2.502 < < 2.698 b). Para un nivel de confianza de 99% el valor de Z es de 2.58. GEOESTADISTICA-I Pgina 9

X Z Sn =2.6 2.58 0.336=2.6 0.129 LS = 2.6 + 0.129 = 2.729 LI = 2.6 0.129 = 2.471 2.471 < < 2.729 Como se puede observar en los resultados del ejercicio se tiene un error de estimacin mayor cuando el nivel de confianza es del 99% y ms pequeo cuando se reduce a un nivel de confianza del 95%. Ejercicio: La prueba de corte sesgado es el procedimiento ms aceptado para evaluar la calidad de una unin entre un material de reparacin y su sustrato de concreto. El artculo Testing the Bond Between Repair Materials and Concrete Substrate informa que, en cierta investigacin, se obtuvo una resistencia promedio muestral de 17.17 N/mm2, con una muestra de 48 observaciones de resistencia al corte, y la desviacin estndar muestral fue 3.28 N/mm2. Utilice un nivel de confianza inferior del 95% para estimar la media real de la resistencia al corte. Solucin: Resistencia promedio = 17.17 N/mm2 n = 48 Desviacin estndar = 3.28 N/mm2 Nivel de confianza = 95% Piden un intervalo de confianza unilateral. Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia un solo lado como sigue:

Z = 1.96 X-Z Sn =17.17-1.96 3.2848=17.17-0.9279 LI = 16.242 Esto quiere decir que con un nivel de confianza de 95%, el valor de la media est en el intervalo 16.242 < < CUANDO LA VARIANZA POBLACIONAL, 2 , SE DESCONOCE Si x es la media de una muestra aleatoria de tamao n obtenida de una poblacin normal con varianza poblacional 2 desconocida, entonces: Para muestras de menor tamao. X t Sn para la media Ejercicio: Dadas las siguientes resistencias a la tensin: 28.7, 27.9, 29.2 y 26.5 psi, y con un nivel de confianza del 95% Estimar la media puntual X media = (28.7 + 27.9 + 29.2 + 26.5) / 4 = 112.3 / 4 = 28.075 S2 = ((28.7 28.08)2 + (27.9 28.08)2 + (29.2 28.08)2 + (26.5 28.08)2) / 4 = 4.1675 / 4 S2 = 1.041875 GEOESTADISTICA-I Pgina 10

S = 1.02 Estimar el intervalo de confianza para un nivel de confianza del 95% = 1-0.95 = 0.05 y g.l. = (n 1) = (4 1) 3 g.l. t (0.05, 3 g.l.) a dos colas = 3.1824 X t Sn=28.075 3.1824 1.024=28.0751.623 LS = 28.075 + 1.623 = 29.698 LI = 28.075 - 1.623 = 26.452 26.452 < < 29.698 Ejercicio: Se ha recogido una muestra aleatoria para prever la inflacin en el ano, en siete pases. Las previsiones han sido: 1.5 2.1 1.9 2.3 2.5 3.2 3.0 a). Utilizando estos datos, construye un intervalo de confianza al 99% para la media de la previsin de inflacin, en estos siete pases. Indica los supuestos que necesitas hacer b). Los expertos opinan que el intervalo de confianza calculado para la media es demasiado amplio, y desean que su longitud total sea de 1.0 puntos. Hallar el nivel de confianza para este nuevo intervalo. Solucin: a). n = 7 Media de la muestra = (1.5 + 2.1 + 1.9 + 2.3 + 2.5 + 3.2 + 3.0) / 7 = 2.357 Desviacin estndar de la muestra: S2=[(1.5-2.357)2+(2.1-2.357)2+(1.9-2.357)2+(2.3-2.357)2+(2.5-2.357)2+(3.2-2.357)2+(3.0-2.357)2] / 7 S2 = 0.30816 S = 0.555 Calculo de t para (n 1) g.l. = (7-1) = 6 g.l. t ( 0.01, 6 g.l.) a dos colas = 3.7074 X t Sn=2.357 3.7074 0.5557=2.3570.7777 LS = 2.357 + 0.7777 = 3.1347 LI = 2.357 0.7777 = 1.5793 1.5793 < < 3.1347 b). L = 1.0 L=2t Sn t= Ln2S=1.0 x 72 x 0.555=2.3836 El valor de t se ubica en la tabla en sentido contrario: Para 6 g.l. y un rea de 2.3836 se tiene un alfa de 0.05 para una t = 2.4469 El nuevo nivel de confianza del nuevo intervalo es: 1 0.05 = 0.95 = 95% PARA ESTIMAR LA PROPORCIN DE UNA POBLACIONAL BINOMIAL DE UNA POBLACIN

Si p es una proporcin de una muestra aleatoria n (grande) obtenida de una poblacin binomial con parmetro , entonces:

GEOESTADISTICA-I

Pgina 11

Ejercicio: Se aplica un test que mide la actitud hacia la autoevaluacin de su conducta y comportamiento hacia sus compaeros de trabajo, a una muestra aleatoria de trabajadores de la empresa Gardilcic. De un total de 364 trabajadores, 247 evidencian actitud positiva hacia la autoevaluacin. Se solicita que estime la proporcin de trabajadores de la empresa con actitud positiva hacia la autoevaluacin de su conducta y comportamiento para un nivel de confianza del 90%. N = 364 n = 247 P = ni / N = 247 / 364 = 0.6786 Para una confianza del 90% 0.90/2 = 0.45 esta rea se ubica en la tabla de Z, se tiene: Z = 1.65 pZp(1-p)n=0.67861.650.6786(1-0.6786)364=0.67860.040389 LS = 0.6786 + 0.040389 = 0.718989 LI = 0.6786 0.040389 = 0.638211

0.638211 < < 0.718989 63.82% < < 71.89%

Ejercicio: En un estudio de 300 accidentes de automvil en una ciudad especfica, 60 tuvieron consecuencias fatales. Con base en esta muestra, construya un intervalo del 90% de confianza para aproximar la proporcin de todos los accidentes automovilsticos que en esa ciudad tienen consecuencias fatales. Solucin: N = 300 n = 60 Confianza = 90% P= 60/300 = 0.20 Z0.90 = 1.65 pZp(1-p)n=0.21.650.2(1-0.2)300=0.20.0381 LS = 0.2 + 0.0381 LI = 0.2 0.0381

0.1619 < < 0.2381 16.19% < < 23.81%

TAMAO DE MUESTRA.

Ejemplo: Un bilogo quiere estimar el peso promedio de los slidos contenidos en las muestras de agua contaminada de su localidad. Un estudio anterior de diez nuestras mostr que la desviacin estndar de sus pesos es de 12.2 gramos. Qu tan grande debe ser una muestra para que el bilogo tenga el 95% de confianza de que el error de estimacin es a lo ms de 4 gramos? Solucin: Z para 95% de confianza es: 0.95/2 = 0.475 esta rea en la tabla de Z se tiene Z = 1.96 = 12.2 E=4
GEOESTADISTICA-I Pgina 12

n=Z . E2=1.96 x 12.242= 35.736 = 36

Ejemplo: Una empresa elctrica fabrica focos que tienen una duracin aproximadamente normal con una desviacin estndar de 40 horas. a). De qu tamao se necesita una muestra si se desea tener 96% de confianza que la media real est dentro de 10 horas de la media real? Solucin: = 40
Confianza = 96% E = 10

Z para 96% de confianza es: 0.96/2 = 0.48 esta rea en la tabla de Z se tiene Z = 2.06
n=Z . E2=2.06 x 40102= 67.89 = 68

Se necesita una muestra de 68 focos para estimar la media de la poblacin y tener un error mximo de 10 horas. b). Qu pasara si en lugar de tener un error de estimacin de 10 horas slo se requiere un error de 5 horas?
n=Z . E2=2.06 x 4052= 271.59 = 272

Se puede observar como el tamao de la muestra aumenta, pero esto tiene como beneficio una estimacin ms exacta. c). Suponga que en el ejercicio anterior se tiene una poblacin de 300 focos, y se desea saber de que tamao debe de ser la muestra. El muestreo se realizar sin reemplazo. Solucin: Como se tiene una poblacin finita y un muestreo sin reemplazo es necesario utilizar la formula con el factor de correccin.
n= Z22NE2N-1+2Z2=2.0624023001023001+4022.062=203692836689.76=55.5176=56

Si se tiene una poblacin finita de 300 focos slo se tiene que extraer de la poblacin una muestra sin reemplazo de 56 focos para poder estimar la duracin media de los focos restantes con un error mximo de 10 horas. Ejemplo: En una muestra aleatoria de 500 familias que tienen televisores en la ciudad de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu tan grande se requiere que sea una muestra si se quiere tener 95% de confianza de que la estimacin de P est dentro de 0.02? Solucin: P = 340 / 500 = 0.68 Confianza = 95% E = 0.02 Z para 95% de confianza es: 0.95/2 = 0.475 esta rea en la tabla de Z se tiene Z = 1.96
n=p1-pZE2=0.681-0.681.960.022=2089.83=2090

Por lo tanto si basamos nuestra estimacin de P sobre una muestra aleatoria de tamao 2090, se puede tener una confianza de 95% de que nuestra proporcin muestral no diferir de la proporcin real por ms de 0.02.
GEOESTADISTICA-I Pgina 13

Ejemplo: Una legisladora estatal desea encuestar a los residentes de su distrito para conocer qu proporcin del electorado conoce la opinin de ella, respecto al uso de fondos estatales para pagar abortos. Qu tamao de muestra se necesita si se requiere un confianza del 95% y un error mximo de estimacin de 0.10? Solucin: En este problema, se desconoce totalmente la proporcin de residentes que conoce la opinin de la legisladora, por lo que se utilizar un valor de 0.5 para p. Confianza = 95% E = 0.10 Z para 95% de confianza es: 0.95/2 = 0.475 esta rea en la tabla de Z se tiene Z = 1.96
n=p1-pZE2=0.51-0.51.960.102=96.04=97

Se requiere un tamao de muestra de 97 residentes para que con una confianza del 95% la estimacin tenga un error mximo de 0.10
PRUEBAS DE HIPTESIS. PRUEBAS DE HIPTESIS PARA MUESTRAS GRANDES

Ejercicio: Una empresa elctrica fabrica focos que tienen una duracin que se distribuye de
forma aproximadamente normal con una media de 800 horas y una desviacin estndar de 40 horas. Si una muestra aleatoria de 30 focos tiene una duracin promedio de 788 horas, muestran los datos suficiente evidencia para decir que la duracin media ha cambiado? Utilice un nivel de significancia del 0.04 Solucin: 1. Supuestos Se trata de una distribucin muestral de medias con desviacin estndar conocida. Datos: =800 horas = 40 horas X = 788 horas n = 30 = 0.04 Nivel de confianza = 96% 2. Ensayo de hiptesis H0: = 800 horas H1: 800 horas 3. Estadstico de contraste Z=X-/n 4. Definir la regin = 1 NC = 1 0.96 = 0.04; /2 = 0.04/2 = 0.02 p = 0.96/2 = 0.48 Tabla de Distribucin Normal Z0.48 = 2.06 Contraste bilateral, luego

Z < z

/2

Z > z

/2

= 2.06

GEOESTADISTICA-I

Pgina 14

Z = -2.06 5. Clculo estadstico

=800

Z = +2.06

H0 se rechaza si z < - 2.06 z > 2.06 Z=X-/n=788-80040/30=-127.30296=-1.643 6. La regla de decisin

Regin de rechazo

Regin de aceptacin

Regin de rechazo

- 2.06 Z calc < Z teor - 1.643 < 2.06

- 1.643 - 2.06 < - 1.643 < 2.06

+ 2.06

Como - 2.06 < - 1.643 < 2.06 por lo tanto, se acepta H0, y se concluye con un nivel de significancia del 0.04 que la duracin media de los focos no ha cambiado. Ejercicio: Un constructor afirma que se instalan bombas de calor en 70% de todas las casas que se construyen hoy en da en la ciudad de Richmond. Estara de acuerdo con esta afirmacin si una investigacin de casas nuevas en esta ciudad muestra que 8 de 15 tienen instaladas bombas de calor? Utilice un nivel de significancia de 0.10 Solucin: 1. Supuestos Se trata de una distribucin muestral de proporciones. Datos: P= 0.70 n = 15 Tienen bombas = 8 Nivel de significancia = 0.10 p = 8/15 = 0.5333 2. Ensayo de hiptesis GEOESTADISTICA-I Pgina 15

H0: P = 0.70 H1: P 0.70 3. Estadstico de contraste Z=p-PPqn 4. Definir la regin Nivel de confianza = 1 0.1 = 0.9 = 90% = 1 NC = 1 0.90 = 0.1; /2 = 0.1/2 = 0.05 p = 0.90/2 = 0.45 Tabla de Distribucin Normal Z0.45 = 1.65 Contraste bilateral, luego

Z < z

/2

Z > z

/2

= 1.65

Z = -1.65 5. Clculo estadstico

P=0.70

Z = +1.65

H0 se rechaza si z < - 1.65 z > 1.65 Z=p-PPqn=0.5333-0.700.70 x 0.3015=-1.40887 6. La regla de decisin

Regin de rechazo

Regin de aceptacin

Regin de rechazo

- 1.65 Z calc < Z teor - 1.41 < 1.65

- 1.41 - 1.65 < - 1.41 < 1.65

+ 1.65

Como - 1.65 < - 1.41 < 1.65 por lo tanto, se acepta H0, y se concluye con un nivel de significancia del 0.01 que la afirmacin del constructor es cierta. Ejercicio: Un fabricante de semiconductores produce controladores que se emplean en aplicaciones de motores automovilsticos. El cliente requiere que la fraccin de controladores defectuosos en uno de los pasos de manufactura crticos no sea mayor que 0.05, y que el fabricante demuestre esta caracterstica del proceso de fabricacin con este nivel de calidad, utilizando = 0.1. El fabricante de semiconductores toma una muestra aleatoria de 200 GEOESTADISTICA-I Pgina 16

dispositivos y encuentra que cuatro de ellos son defectuosos. El fabricante puede demostrar al cliente la calidad del proceso? Solucin: 1. Supuestos Se trata de una distribucin muestral de proporciones. Datos: P= 0.05 n = 200 Defectuosos = 4 Nivel de significancia = 0.1 p = 4/200 = 0.02 2. Ensayo de hiptesis H0: P = 0.05 H1: P < 0.05 3. Estadstico de contraste Z=p-PPqn 4. Definir la regin Nivel de confianza = 1 0.1 = 0.90 = 90% = 1 NC = 1 0.90 = 0.1; p = 0.90/2 = 0.45 Tabla de Distribucin Normal Z0.45 = 1.65 Contraste unilateral, luego

Z < z 1.65 se rechaza H0 Z > z 1.65 se acepta H0

Z = -1.65 H0 se rechaza si Z < - 1.65 5. Clculo estadstico

P=0.05

Z=p-PPqn=0.02-0.050.05 x 0.95200=-1.9466 6. La regla de decisin

0.1

GEOESTADISTICA-I

Pgina 17

Regin de rechazo

Regin de aceptacin

- 1.65 - 1.9466 < - 1.65 Z calc < Z teor - 1.95 < 1.65

+ 1.65

Como - 1.95 < - 1.65 por lo tanto, se rechaza H1, y se concluye con un nivel de significancia del 0.1 que la fraccin de artculos defectuosos es menor que 0.05. Ejercicio: Existen dos tipos de plstico apropiados para su uso por un fabricante de componentes electrnicos. La tensin de ruptura de ese plstico es un parmetro importante. Se sabe que 1=2= 1.0 psi. De una muestra aleatoria de tamao 10 y 12 para cada plstico respectivamente, se tiene una media de 162.5 para el plstico 1 y de 155 para el plstico 2. La compaa no adoptar el plstico 1 a menos que la tensin de ruptura de ste exceda a la del plstico 2 al menos por 10 psi. Con base a la informacin contenida en la muestra, la compaa deber utilizar el plstico 1? Utilice = 0.05 para llegar a una decisin. Solucin: 1. Supuestos Se trata de una distribucin muestral de diferencia de medias con desviacin estndar conocida. Datos: Tensin de ruptura Plstico 1 Plstico 2 1.0 psi 1.0 psi 10 12 162.5 155.0 Tensin exceda al plstico 2 al menos por 10 psi

i n X

= 0.05
2. Ensayo de hiptesis H0: 1- H1: 1-
2

= 10 10

2>

Se desea rechazar Ho si la media del plstico 1 supera a la media del plstico 2 en por lo menos 10 psi. 3. Estadstico de contraste Z=(X1-X2)-(1-2)S12n1+S22n2 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; p = 0.95/2 = 0.475 GEOESTADISTICA-I Pgina 18

Tabla de Distribucin Normal Z0.475 = 1.96 Contraste unilateral, luego

Z > z 1.96 se rechaza H0 Z < z 1.96 se acepta H0

1-
5. Clculo estadstico

= 10

Z=1.96

H0 se rechaza si Z > 1.96 Z=(X1-X2)-(1-2)S12n1+S22n2=(162.5-155.0)-101210+1212=-5.8387 6. La regla de decisin

Regin de aceptacin

Regin de rechazo

1.96 - 5.8387 < 1.96 Z calc < Z teor - 5.8387 < 1.96

+ 1.96

No existe evidencia suficiente para apoyar el uso del plstico 1 ya que 5.8387 < 1.96 por lo tanto, se acepta H0. Ejercicio: Se evalan dos tipos diferentes de soluciones para pulir, para su posible uso en una operacin de pulido en la fabricacin de brocas saca testigos. Se pulen 300 brocas con la primera solucin y, de stos, 253 no presentaron defectos inducidos por el pulido. Despus se pulen otras 300 brocas con la segunda solucin, de los cuales 196 resultan satisfactorios. Existe alguna razn para creer que las dos soluciones para pulir son diferentes? Utilice = 0.01 Solucin: 1. Supuestos Se trata de una distribucin muestral de diferencia de proporciones. Datos: Solucin de pulido Solucin 1 Solucin 2 300 300 253 196 Pgina 19

ni No defectos GEOESTADISTICA-I

p1= 253/300= 0.8433 p2 = 196/300= 0.6533 n1=n2 = 300

= 0.01
2. Ensayo de hiptesis Ho: P1-P2 = 0 H1: P1-P2 0 3. Estadstico de contraste Z=(p1-p2)Pq1n1+1n2 4. Definir la regin Nivel de confianza = 1 0.01 = 0.99 = 99% = 1 NC = 1 0.99 = 0.01 /2 = 0.01/2 = 0.005 p = 0.99/2 = 0.495 Tabla de Distribucin Normal Z0.495 = 2.58 Contraste bilateral, luego

Z < z

/2

Z > z

/2

= 2.58

Z = -2.58 5. Clculo estadstico

P1-P2=0.0

Z = +2.58

H0 se rechaza si z < - 2.58 z > 2.58 P=x1+x2n1+n2=253+196300+300=0.7483 Z=(p1-p2)Pq1n1+1n2=(0.8433-0.6533)0.7483(0.2517)1300+1300=5.3619 6. La regla de decisin

GEOESTADISTICA-I

Pgina 20

Regin de rechazo - 2.58 Z calc > Z teor 5.36 > 2.58

Regin de aceptacin P1-P2=0.0

Regin de rechazo + 2.58 5.36 5.36 > 2.58

Puesto que 5.36 > 2.58, se rechaza la hiptesis nula H0 y se concluye con un nivel de significancia de 0.01 que los dos fluidos para pulir son diferentes. PRUEBAS DE HIPTESIS PARA MUESTRAS PEQUEAS. Ejercicio: Un artculo publicado en la revista Materials Engineering describe los resultados de pruebas de resistencia a la adhesin de 22 especmenes de aleacin U-700. La carga para la que cada espcimen falla es la siguiente en MPa: 19.8 15.4 11.4 19.5 10.1 18.5 14.1 8.8 14.9 7.9 17.6 13.6 7.5 12.7 16.7 11.9 15.4 11.9 15.8 11.4 15.4 11.4

Sugieren los datos que la carga promedio de falla es mayor que 10 Mpa? Supngase que la carga donde se presenta la falla tiene una distribucin normal, y utilcese = 0.05. Calcule el valor de la Prueba de hiptesis. Solucin: 1. Supuestos Datos: = 10 S = 3.4718 (calcular) X = 13.7136 (calcular) n = 22

= 0.05
2. Ensayo de hiptesis 3. Ensayo de hiptesis Ho: = 10 H1: > 10 Se rechaza si Ho es mayor que 10 Mpa. 3. Estadstico de contraste t=X-S/n 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; 1/ = 1/0.05 = 20 para una cola = 20/2 = 10 Grados de libertad = (n-1) = (22-1) = 21 g.l. Tabla de Distribucin t para una cola t(10, 21) = 1.7207 GEOESTADISTICA-I Pgina 21

Contraste unilateral, luego t > tcal 1.7207 se rechaza H0 t < tcal 1.7207 se acepta H0

= 10 H0 se rechaza si t > 1.7207 5. Clculo estadstico

t=1.7207

t=X-S/n=13.7136-103.471822=5.017 6. La regla de decisin

Regin de aceptacin 1.7207 t calc > t teor 5.017 > 1.7207

Regin de rechazo + 1.7207 5.017 > 1.7207

Como 5.017 > 1.7207 se rechaza H0 y se concluye con un nivel de significancia del 0.05 que la carga de falla promedio es mayor que 10 Mpa. Ejercicio: Para encontrar si un compuesto qumico detiene el deterioro del puntal en el sostenimiento de la cada de roca, se seleccionan nueve puntales, todos preparados para su aplicacin en el sostenimiento. Cinco puntales reciben el tratamiento y cuatro no. Los tiempos de duracin en aos, a partir del momento en que comienza el experimento son los siguientes: Con tratamiento 2.1 5.3 1.4 4.6 0.9 Sin tratamiento 1.9 0.5 2.8 3.1 Se puede decir en el nivel de significancia del 0.05 que el compuesto qumico es efectivo? Suponga que las dos poblaciones se distribuyen normalmente con varianzas iguales. Solucin: 1. Supuestos Datos: GEOESTADISTICA-I Pgina 22

X Si n S12 = S22

Tratamiento de puntales con compuesto qumico Con tratamiento Sin tratamiento 2.86 (calcular) 2.075 (calcular) 1.7625 (calcular) 1.011 (calcular) 5 4

Las poblaciones se distribuyen normalmente

= 0.05
2. Ensayo de hiptesis Ho: CT - ST = 0 H1: CT - ST > 0 Se rechaza si Ho es mayor que 0 3. Estadstico de contraste t=(X1-X2)-(1-2)Sm1n1+1n2 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; 1/ = 1/0.05 = 20 para una cola = 20/2 = 10 Grados de libertad = (n1 + n2 - 2) = (5 + 4 - 2) = 7 g.l. Tabla de Distribucin t para una cola t(10, 7) = 1.8946 Contraste unilateral, luego t > tcal 1.8946 se rechaza H0 t < tcal 1.8946 se acepta H0

CT - ST = 0 H0 se rechaza si t > 1.8946 5. Clculo estadstico

t = 1.8946

Sm2=n1-1S12+n2-1S22n1+n2-2=5-11.76252+4-11.01125+4-2=2.213
Sm = 1.4876

t=(X1-X2)-(1-2)Sm1n1+1n2=(2.86-2.075)-01.487615+14=0.7866 6. La regla de decisin

GEOESTADISTICA-I

Pgina 23

Regin de aceptacin 1.8946 0.7866 < 1.8946 t calc < t teor 0.7866 < 1.8946

Regin de rechazo + 1.8946

Como 0.7866 < 1.8946 se acepta H0 y se concluye con un nivel de significancia del 0.05 que no existe suficiente evidencia para decir que el compuesto qumico detiene el deterioro del puntal. Ejercicio: Dos proveedores fabrican un engranaje de acero utilizado en un equipo de bajo perfil. Una caracterstica importante de estos engranajes es la resistencia al impacto la cual se mide en pies-libras. Una muestra aleatoria de 10 engranajes suministrados por el primer proveedor arroja los siguientes resultados: X1 = 321 y S1 = 12. Del segundo proveedor se toma una muestra aleatoria de 16 engranajes, donde los resultados son: X2 = 290 y S2 = 45. Existe evidencia que apoye la afirmacin de que los engranajes del proveedor 2 tienen una mayor resistencia promedio al impacto. Use un nivel de significancia de 0.05. Solucin: 1. Supuestos Datos: Proveedor de engranajes Proveedor 1 Proveedor 2 321 290 12 45 10 16

X Si n

Las poblaciones se distribuyen normalmente Varianzas de las poblaciones desconocidas y diferentes

= 0.05
2. Ensayo de hiptesis Ho: 2 - 1 = 0 H1: 2 - 1 > 0 Se rechaza si Ho es mayor que 0 3. Estadstico de contraste t=(X1-X2)-(1-2)S12n1+S22n2 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; GEOESTADISTICA-I Pgina 24

1/ = 1/0.05 = 20 para una cola = 20/2 = 10 Grados de libertad es igual a: v= S12n1+S22n22S12n12n1-1+S22n22n2-1=12210+45216212210210-1+452162161=18.2145 Grados de libertad v = 18 g.l. Tabla de Distribucin t para una cola t(10, 18) = 1.7341 Contraste unilateral, luego t > tcal 1.7341 se rechaza H0 t < tcal 1.7341 se acepta H0

2 - 1 = 0 H0 se rechaza si t > 1.7341 5. Clculo estadstico

t = 1.7341

t=(X1-X2)-(1-2)S12n1+S22n2=(321-290)-012210+45216=2.611 6. La regla de decisin

Regin de aceptacin 1.7341 t calc > t teor 2.611 > 1.7341

Regin de rechazo + 1.7341 2.611 > 1.7341

Como 2.611 > 1.7341 se rechaza H0 y se concluye con un nivel de significancia del 0.05, que existe suficiente evidencia para decir que el promedio de resistencia de los engranajes del proveedor 2 es mayor al promedio de resistencia de los engranajes del proveedor 1. Ejercicio: El rendimiento de los carros de transporte de mineral se ven afectadas por el sobre peso de los operadores, para ello diez hombres se sometieron a una dieta especial registrando sus pesos antes de comenzarla y despus de un mes de estar en ella. Los resultados de los pesos, en libras, se muestran a continuacin: GEOESTADISTICA-I Pgina 25

Hombre A B C D E F G H I J Antes 181 172 190 186 210 202 166 173 183 184 Despus 178 175 185 184 207 201 160 168 180 189 Haga una prueba con a = 0.05 para determinar si la dieta logr alguna diferencia, ya sea positiva o negativa. Solucin: 1. Supuestos Datos: Las muestras son independientes y no estn relacionadas Muestras independientes pareadas o relacionadas Hombre A B C D E F G H I J Antes 181 172 190 186 210 202 166 173 183 184 Despus 178 175 185 184 207 201 160 168 180 189 Diferencia 3 -3 5 2 3 1 6 5 3 -5 Promedio 2 Varianza 14.4 Desviacin estndar 3.7947

= 0.05
2. Ensayo de hiptesis Ho: A - D = 0 H1: A - D 0 Se rechaza si Ho es diferente que 0 3. Estadstico de contraste t=dSd/n 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; Grados de libertad es igual a: (n-1) = (10-1) = 9 g.l. Tabla de Distribucin t para dos cola t(0.05, 9) = 2.2622 Contraste bilateral, luego -2.2622 < tcal < 2.622 se acepta H0

t = 2.2622 5. Clculo estadstico GEOESTADISTICA-I

A-D=0

t = 2.2622

H0 se rechaza si t > 2.2622

Pgina 26

t=dSd/n=23.794710=1.6667 6. La regla de decisin

Regin de rechazo - 2.2622 t teor < t calc < t teor

Regin de aceptacin -2.2622 < 1.6667 < 2.622

Regin de rechazo + 2.2622

-2.2622 < 1.6667 < 2.622 Como 1.6667 est entre los dos valores crticos de 2.2622 y 2.2622, por lo tanto no se rechaza H0, y se concluye con un = 0.05 que no existe evidencia estadstica que apoye la efectividad de la dieta para variar el peso. PRUEBA DE JI CUADRADO Y ANLISIS DE VARIANCIA La prueba de Ji cuadrado nos permite trabajar con ms de dos proporciones y ANOVA (anlisis de varianzas) nos permitir probar si ms de dos medias de poblaciones pueden considerarse iguales. Ejercicio: En un procesos de llenado, la tolerancia para el peso de los recipientes es de 8 gramos, para reunir este requisito la desviacin estndar en el peso debe ser de 2 gramos, los pesos de 25 recipientes seleccionados al azar dieron como resultado una desviacin estndar de 2.8 gramos; si los pesos se encuentran normalmente distribuidos, determinar si la varianza de esta muestra es diferente del valor necesario al 2.5% de nivel de significancia. Solucin: 1. Supuestos Datos: Tolerancia = 8 gr. S1 = 2 gr. n = 25 S2 = 2.8 gr. S12 S22 = ?

= 0.025
2. Ensayo de hiptesis Ho: 2 = 22 = 4 H1: 2 > 22 = 4 Se rechaza si Ho es mayor que 4 3. Estadstico de contraste X2=(n-1)S202 GEOESTADISTICA-I Pgina 27

4. Definir la regin Nivel de confianza = 1 0.025 = 0.975 = 97.5% = 1 NC = 1 0.975 = 0.025; Grados de libertad es igual a: (n-1) = (25-1) = 24 g.l. Tabla de X2 para una cola t(0.025, 24) = 39.3641 Contraste unilateral, luego X2cal < 39.3641 se acepta H0

X2(0.025, 24) = 39.3641 H0 se rechaza si X2 > 39.3641 5. Clculo estadstico X2=n-1S202=25-12.8222=47.04 6. La regla de decisin

Regin de aceptacin < 39.3641 X2 calc > X2 teor 47.04 > 39.3641

Regin de rechazo + 39.3641 47.04 > 39.3641

Como 47.04 est en la regin de rechazo, por lo tanto se rechaza H0 2 = 4 y se acepta que 2 > 4. Ejercicio: Un inversionista desea comparar los riesgos asociados con dos diferentes mercados A y B; el riesgo de un mercado se mide por la variacin en los cambios diarios de precio. El inversionista piensa que el riesgo asociado con el mercado B es mayor que del mercado A. Se obtienen muestras aleatorias de precios de 21 das para el mercado A y de 17 das para el mercado B siendo estas las siguientes caractersticas: Comparacin de riesgos de mercado Mercado A Mercado B 0.3 0.4 0.25 0.45 21 17 Pgina 28

X Si n

GEOESTADISTICA-I

Si se dispone que las muestras provienen de dos poblaciones normales e independientes a un nivel del 5% encuentra apoyo la creencia del inversionista? Solucin: 1. Supuestos Datos: Riesgo A > B A > B ?

= 0.05
2. Ensayo de hiptesis Ho: B2 = A 2 Ho: B2 > A 2 Se rechaza Ho si el mercado A es mayor que el mercado B 3. Estadstico de contraste F=S12S22 >1 4. Definir la regin Nivel de confianza = 1 0.05 = 0.95 = 95% = 1 NC = 1 0.95 = 0.05; Grados de libertad: Mercado A = (nA-1) = (21-1) = 20 g.l. Mercado B = (nB-1) = (17-1) = 16 g.l. Por la condicin de la formula la relacin de nB y nA Tabla de F para una cola F(0.05; 16, 20) = 2.18 Contraste unilateral, luego Fcal < 2.18 se acepta H0

F(0.05; 16,20) = 2.18 H0 se rechaza si F > 2.18 5. Clculo estadstico F=SB2SA2 = 0.4520.252=3.24 6. La regla de decisin

GEOESTADISTICA-I

Pgina 29

Regin de aceptacin < 2.18 F calc > F teor 3.24 > 2.18

Regin de rechazo + 2.18 3.24 > 2.18

Como 3.24 est en la regin de rechazo, por lo tanto se rechaza H0 B2 = A 2 y se acepta que B2 > A 2. REGRESIN LINEAL Y CORRELACIN Su propsito es determinar la ecuacin de regresin; se usa para predecir el valor de la variable dependiente (Y) basado en la variable independiente (X), del mismo modo el coeficiente de correlacin (r) es una medida de la intensidad de la relacin entre dos variables. Ejemplo: El volumen de ahorro y la renta del sector familias en billones de ptas. constantes de 1.977, para el perodo 77-86 fueron: Ao 77 78 79 80 81 82 83 84 85 86 Ahorro (X) 1.9 1.8 2.0 2.1 1.9 2.0 2.2 2.3 2.7 3.0 Renta (Y) 20.5 20.8 21.2 21.7 22.1 22.3 22.2 22.6 23.1 23.5

a). Recta de regresin del ahorro sobre la renta. b). Recta de regresin de la renta sobre el ahorro. c). Para el ao 87 se supone una renta de 24.1 billones de ptas. Cul ser el ahorro esperado para el ao 87? d). Cual es el grado de relacin entre el ahorro y la renta. Solucin: a). Recta de regresin del ahorro sobre la renta. Ao 77 78 79 80 Ahorro (X) 1.9 1.8 2 2.1 Renta (Y) 20.5 20.8 21.2 21.7 X2 3.61 3.24 4 4.41 Y2 420.25 432.64 449.44 470.89 Pgina 30 XY 38.95 37.44 42.4 45.57

GEOESTADISTICA-I

81 82 83 84 85 86

1.9 2 2.2 2.3 2.7 3 21.9

22.1 22.3 22.2 22.6 23.1 23.5 220

3.61 4 4.84 5.29 7.29 9 49.29

488.41 497.29 492.84 510.76 533.61 552.25 4848.38

41.99 44.6 48.84 51.98 62.37 70.5 484.64

b=nXY-XYnX2-X2=10484.64-21.9(220)1049.29-(21.9)2=2.1369 a=Yn-bXn=22010-2.136921.910=17.32 Y = a + bX Y = 17.32 + 2.1369X b). Recta de regresin de la renta sobre el ahorro. c). Para el ao 87 se supone una renta de 24.1 billones de ptas. Cul ser el ahorro esperado para el ao 87? Y = 17.32 + 2.1369X 24.1 = 17.32 + 2.1369 X X = (24.1 17.32) / 2.1369 = 3.1728 d). Cual es el grado de relacin entre: Sxy = nXY - XY = 28.4 Sx = nX2 (X)2 = 13.29 Sy = nY2 (Y)2 = 83.8

r=SxySx Sy=28.413.29 x 83.8=0.851

r = 0.851 se le considera como excelente

r2 = 0.7242 = 72.42 explica la renta sobre el ahorro

Ejemplo: Las siguientes cifras son mediciones de la velocidad del aire y del coeficiente de evaporacin de gotitas de combustible en la cmara de combustin de un motor de impulsin: Nuestra 1 2 3 4 5 6 7 8 9 10 GEOESTADISTICA-I Velocidad del aire (cm/s) (X) 20 60 100 140 180 220 260 300 340 380 Pgina 31 Coeficiente de evaporacin (mm2/s) (Y) 0.18 0.37 0.35 0.78 0.56 0.75 1.18 1.36 1.17 1.65

Solucin:
Nuestra 1 2 3 4 5 6 7 8 9 10 Suma Prom. Velocidad del aire (cm/s) (X) 20 60 100 140 180 220 260 300 340 380 2000 200 Coeficiente de evaporacin (mm2/s) (Y) 0.18 0.37 0.35 0.78 0.56 0.75 1.18 1.36 1.17 1.65 8.35 0.835 X2 400 3600 10000 19600 32400 48400 67600 90000 11560 0 14440 0 53200 0 Y2 0.03 24 0.13 69 0.12 25 0.60 84 0.31 36 0.56 25 1.39 24 1.84 96 1.36 89 2.72 25 9.10 97 XY 3.6 22.2 35 109.2 100.8 165 306.8 408 397.8 627 2175. 4 217.5 4

Sxy = nXY - XY = 5054 Sxx = nX2 (X)2 = 1320000 Syy = nY2 (Y)2 = 21.3745

b=SxySxx=50541320000=0.003829
a=y-bx=0.835-0.003829200=0.0692

Y = 0.0692 + 0.003829X
r=SxySx Sy=50541320000 x 21.3745=0.95

r = excelente r2 = 0.9053 = 90.53% la velocidad explica al coeficiente.

GEOESTADISTICA-I

Pgina 32