Beruflich Dokumente
Kultur Dokumente
=
( ) 02551 0
3528
90
147
60
12
3
6
1
147 2
60
12
3
6
1
1 4 2 2 4 1 . , P
V A R V A R
= = +
=
( )
08994 0
105840
9520
147
60
12
3
6
1
147 2
60
12
1
6
1
147
60
12
3
6
1
147 4
60
12
1
6
1
147 2
60
12
3
6
1
147 4
60
12
3
6
1
147 2
60
12
3
6
1
147 2
60
12
1
6
1
147 3
60
12
3
6
1
147
60
12
1
6
1
147 3
60
12
1
6
1
147 3
60
12
1
6
1
147
60
12
1
6
1
147
60
12
1
6
1
147 5
60
12
1
6
1
7 suman
.
P
= =
= +
+ +
+
+
+
+ +
+
+ + +
=
La probabilidad pedida es
( )
( )
( )
2836 0
08994 0
02551 0
7 suman
1 4 2 2 4 1
7 suman 4 .
.
.
P
, P
/ P
V A R V A R
R
= = =
3. De una baraja espaola sacamos cuatro cartas. Qu probabilidad hay de
c) Las cuatro sean superiores a cinco
d) Haya al menos dos reyes
e) 3 sean del mismo palo.
Solucin:
a) Sea X =nmero de cartas superiores a cinco de las cuatro extradas. Puesto
que se trata de un experimento sin remplazamiento es una variable
hipergeomtrica H(40,20; 4)
Inmaculada Luengo 2006 U.L.P.G.C.
( ) 035 0
4
40
4
20
4 . X P =
= =
b) Sea Y =nmero de reyes de las cuatro extradas, Y H(40,4;4)
( ) ( ) ( ) [ ]
= = + = =
4
40
3
36
1
4
4
40
4
36
0
4
1 1 0 1 2 X P X P X P
c) Sea T
O
=nmero de cartas de oros de las cuatro extradas, T
O
H(40,10;4)
( )
= =
4
40
1
30
3
10
3
O
T P
Multiplicamos esta cantidad por 4, que son los cuatro palos de la baraja.
ESTADSTICA
1. Un gimnasio afirma que cierto programa de ejercicios reduce la cintura 2 cm. en 5
das. En la tabla adjunta tenemos el contorno de cintura de 6 hombres antes y despus
de realizar dicho programa
Hombre
1 2 3 4 5 6
Antes 90.4 95.5 98.7 115.9 104.0 85.6
Despus 91.7 93.9 97.4 112.8 101.3 84.0
Puede decirse que el gimnasio tiene razn? (Suponer que la distribucin del
contorno de cintura es normal).
Solucin:
Es un problema de comparacin de medias de dos variables con muestras
relacionadas (las observaciones de hacen sobre los mismos individuos)
Sean X =contorno de cintura en cm. de un sujeto, XN(
1
,
1
)
Y =contorno de cintura en cm. despus de realizar el programa de
ejercicios, YN(
2
,
2
).
Sea D =X-Y, tenemos, DN(
1-
2
,
D
).
El problema es que al no ser las dos variables X e Y independientes no tenemos
una expresin para calcular su varianza en funcin de
1
y
2
. Consideramos las
diferencias
Hombre
1 2 3 4 5 6
d
i
= x
i
-y
i
-1.3 1.6 1.3 3.1 2.7 1.6
Las hiptesis del contraste son:
<
2
2
2 1 1
2 1 0
: H
: H
El estadstico del contraste es
Inmaculada Luengo 2006 U.L.P.G.C.
( )
1
2 1
7260 0
5
54 1
2 5 1
1
n
D
t .
.
.
n
S
D
Donde S
D
2
(la cuasivarianza muestral de las diferencias d
i
) viene dado por.
54 1 38 2
1
1
2 2 2
. S . D n d
n
S
D
i
i D
= =
=
La regin crtica de este contraste viene dada por
( ] ( ] 015 2
95 0 5 05 0
. , t , RC
. ; .
= =
El estadstico no cae en regin crtica, luego con la informacin de la muestra y
con confianza del 95%, no hay evidencia de que la afirmacin del gimnasio sea
falsa.
2. Queremos estimar qu proporcin de los estudiantes usan el transporte pblico para
acceder al campus de Tafira. Sabemos que dicha proporcin es inferior al 40%. De qu
tamao debe ser la muestra si queremos estimar la verdadera proporcin con un error no
superior al 3% con confianza del 99%?
Solucin:
Sea p la proporcin de estudiantes que usan el transporte pblico para acceder al
campus de Tafira. El intervalo de confianza para p viene dado por:
( )
=
005 0 99 0
1
. . ; p
Z
n
p p
p I
La semiamplitud del intervalo es
( )
005 0
1
.
Z
n
p p
Como adems sabemos que p<0.4 se tendr que p(1-p)<0.40.6 = 0.24 y
tenemos
n . n
.
. .
. .
n
.
30 1761
03 0
57 2 24 0
03 0 57 2
24 0
2
2
Luego la muestra debe ser de tamao al menos 1762.
3. Los datos de una muestra de las variables x e Y observadas sobre 12 individuos
elegidos aleatoriamente de una poblacin fueron
X 8 10 11 9 12 12 7 4 11 7 6 10
Y 8 16 13 11 10 15 9 6 11 15 8 12
Hacer un estudio lo ms completo posible de la dependencia lineal de las variables.
Solucin:
Inmaculada Luengo 2006 U.L.P.G.C.
Hacemos los principales clculos
9167 , 70 916 , 8 1025 107
2
= = = =
xx i i
S x x x
667 , 109 167 , 11 1606 134
2
= = = =
yy i i
S y y y
167 , 52 1247 = =
xy i i
S y x
Calculamos la recta de regresin de Y sobre X
= =
= =
6078 , 4
73561 , 0
x b y a
S S b
xx xy
recta de regresin x
x Y
73561 , 0 6078 , 4
/
+ =
Estudiamos la validez del modelo
=
0 :
0 :
1
0
H
H
El estadstico del contraste para el mtodo del anlisis de la varianza es
10 1
3827 5
2
,
xx yy
xy
F .
n
bS S
bS
MSE
MSR
=
=
La regin crtica para significacin 0.05 es [ ) [ ) + = + , 96 , 4 ,
95 . 0 ; 10 , 1
F . Como
el estadstico del contraste ha cado en regin crtica rechazamos la hiptesis
nula a favor de la alternativa: hay evidencia estadstica de que la verdadera
pendiente de la recta es distinta de cero, con lo que es valido el modelo lineal.
Calculamos adems el coeficiente de correlacin muestral
5915 . 0 = =
yy xx
xy
S S
S
r
Podemos estudiar si el verdadero coeficiente de correlacin es
significativamente distinto de cero con el contraste
=
0 :
0 :
1
0
H
H
El estadstico del contraste es
2
2
32 . 2
1
2
n
t
r
n r
La regin crtica para significacin de 0.05 es
Inmaculada Luengo 2006 U.L.P.G.C.
( ] [ ) ( ] [ ) + = + , 228 . 2 228 . 2 , , ,
95 . 0 ; 10 05 . 0 ; 10
t t
El valor del estadstico ha cado en regin crtica, luego hay evidencia de que la
correlacin lineal es significativamente distinta de cero, como esperbamos.
Nos queda la recta de regresin de X sobre Y, que ser
= =
= =
3892 6
47568 0
. y b x a
, S S b
yy xy
recta de regresin y
y X
47568 , 0 3892 . 6
/
+ =