Beruflich Dokumente
Kultur Dokumente
TRUJILLO
INGENIERIA METALURGICA
PROFESOR:
INTEGRANTES:
CURSO:
CICLO:
IV
NOVIEMBRE-2018
Practica N° 1
1) La anulación de las bombillas utilizados en una mina y producidas por ciertas
fabricantes. Tiene una media de 1200 horas y una distribución estándar de 400
horas. La población sigue una distribución normal, si se a comprado 9
bombillas, las que puede considerarse como una muestra aleatoria de la
producción del fabricante.
a) ¿Cuál es la media de la media muestral de la duración?
x~N(1200, 4002 )
4002
x~N (1200, )
9
n=9
Rpta: E(x̅) = 1200u
b) ¿Cuál es la varianza de la media muestral?
σ2
V(x̅) =
n
4002
V(x̅) =
9
Rpta: V(x̅) = 17,777.78
c) ¿Cuál es el error estándar de la media muestral? (el error estándar es
igual a la √V(x)).
σ
√V(x̅) =
√n
400
=
√9
400
=
3
Rpta: 133.333
P−p 0.15 − p
P(p < 0.15) = P <
√P(1 − p) √P(1 − p)
( n n )
0.15 − 0.20
P(Z <
√0.20(1 − 0.20
180
P(Z < −1.67)
Rpta: 0.0475
0.0475
-1.67 Z
3) La rentabilidad mensual de ciertos tipos de acciones mineras es independiente
una de las otras y siguen una distribución normal con una distribución estándar
igual de 1.7 se toma una muestra aleatoria de 12 meses.
x: Rentabilidad mensual
1.72
x~N (u, 2 )
σ
n = 12
a = 0.985
Rpta: 0.985
0.985
𝑥 2 (11)
23.78
b) Hallar la probalidad de que la distribución estándar muestral sea mayor
que 1.
P(𝓈 > 1)
(n − 1)𝓈 2 (n − 1)12
=[ < ]
σ2 σ2
11(1)2
= P (x 2 (11) < )
1.72
P(x 211 > 3.806
Interpolando (tabla 6) ∶
1. x 2 (11;0.01) = 3.053
2. x 2 (11;a) = 3.806
3. x 2 (11;0.025) = 3.816
0.976
𝑥 2 (11)
3.806
4) Las cantidades de cierto metal encontrados en las minas de los países 1 y 2 se
distribuyen normalmente con una distribución estándar de 0.16 microgramos
por kilo (varianzas poblacionales iguales). Si las minas del país 1 tiene una
cantidad media de metal de 2.90 microgramos por kilo y el grupo 2 de minas
(del país 2) tiene una media de 2.80. ¿Cuál es la probalidad de obtener una
diferencia positiva entre las perspectivas de las medias muestrales si en el país
1 se seleccionó una muestra aleatoria de 15 minas y en el país 2 se seleccionó
una muestra aleatoria de 20 minas?
Solución:
País 1:
𝑢1 = 2.90
𝜃1 = 0.16𝑚𝑖𝑐𝑟𝑜/𝐾𝑙
𝑛1 = 15
País 2:
𝑢2 = 2.80
𝜃2 = 0.16𝑚𝑖𝑐𝑟𝑜/𝐿
𝑛2 = 20
P(x̅1 − x̅2 ≥ 0)
ℴ12 ℴ22
x̅1 − x̅2 → N(u1 − u2 , √ +
n1 n2
x̅1 − x̅2 ) − (u1 − u2 )
Z= → N(0.1)
2 2
ℴ ℴ
√ 1 + 2
n1 n2
P(x̅1 − x̅2 ≥ 0) = P(Z ≥ Z1 ) = 1 − P(Z < Z1 )
0 − (0.10)
Z1 =
2 2
√(0.16micro/Kl) + (0.16micro/Kl)
1s 20
−0.10
Z1 = −1.38
0.0547
⟹ P(x̅1 − x̅2 ≥ 0) = 1 − P(Z < −1.83)
= 1 − 0.0336
= 0.9664
Respuesta:
Población: N=1000 Trabajadores Se mide la variable
X= estaturas de Trabajadores en centímetros.
σ = 6,9 centímetros
X ~ N (174 ;5, 9,6) es decir:{
u = 174,5 centímetros
Muestra: n=25. La distribución muestral de la media muestral es:
6,9
x ~ N (174,5 ; )
√25
Por lo tanto, la media del promedio muestral x̅ es ux̅ = 174,5 cms
6,9
y la desviación estándar de x
̅ es σx̅ = = 1,38 cms
√5
1802 1552
N(3300 − 3200; √ + = N(100; 23,75)
100 100
b) La probidad que nos piden es que la diferencia de la
duración media de bombillas sea inferior a 40 horas. En este
caso, la diferencia de las medias ira en valor absoluto.
P(|x̅1 − ̅̅̅|
x2 < 40) = P(−40 < x̅1 − ̅̅̅
x2 < 40)
−40 − 100
Z1 = = −5,89
23,75
⇒
40 − 100
Z = = −2,53
{ 2 23,75
⇒ P(−5,89 < Z < −2,53) = P(Z < −2,53) − P(Z < −5,89)
= 1 − P < 2,53) − [1 − P(Z < 5,89)]
= 1 − 0,9943 − 1 + 1 = 0,0057
0.025 0.025
1 − 𝛼 = 0.95
Zα Zα
P (Z ≤ ) = 0.975 → = 1.96
2 2
Zα σ
IC = (x̅ ± x )
2 √n
1.96 x 12.7u
IC = (184u ± )
√16
IC = (184u ± 6.223)
IC = (190.223 ; 177.777)
1 (958)2
= (91878) −
9 10
1
= (91878 − 91776.4)
9
1
= (101.6)
9
𝓈 2 = 11.29
(n − 1)𝓈 2 (n − 1)𝓈 2
≤ σ2 ≤
X2 α X2 α
(n−1;1− ) (n−1; )
2 2
a) 0.90
1 − α = 0.90
α = 0.10
α
= 0.05
2
α
1 − = 0.95
2
2
x(9.0.05) =3.325
2
x(9.0.95) =16.919
(10 − 1)(11.29)2 (10 − 1)(11.29)2
≤ σ2 ≤
3.325 16.919
(9)(11.29)2 2
(9)(11.29)2
≤σ ≤
3.325 16.919
345.01 ≤ σ2 ≤ 67.804
18.574 ≤ σ2 ≤ 8.234
b)0.95
1 − α = 0.95
α = 0.05
α
= 0.025
2
α
1 − = 0.99
2
2
x(9.0.025) = 2.700
2
x(9.0.99) =21.666
(10 − 1)(11.29)2 2
(10 − 1)(11.29)2
≤σ ≤
2.700 21.666
(9)(11.29)2 (9)(11.29)2
≤ σ2 ≤
2.700 21.666
424.88 ≤ σ2 ≤ 52.948
20.61 ≤ σ2 ≤ 7.27
c)0.99
1 − α = 0.99
α = 0.01
α
= 0.005
2
1 − α = 0.995
2
x(9.0.005) =1.884
2
x(9.0.995) =20.71
2
1. x(9.0.005) =x
2
2. x(9.0.010) = 2.088
2
3. x(9.0.025) =2.700
x − 2.088 0.005 − 0.01
=
2.7 − 2.088 0.025 − 0.01
x − 2.088 −0.005
=
0.612 0.015
x = 1.884
2
1. x(9,0.995) =x
2
2. x(9,0.975) = 19.023
2
3. x(9,0.950) =16.919
x − 19.023 0.995 − 0.975
=
16.919 − 19.023 0.95 − 0.975
x − 19.023 0.02
=
−2.104 −0.025
x = 20.71
101.6 101.6
≤ σ2 ≤
20.71 1.884
4.91 ≤ σ2 ≤ 53.93
2.22 ≤ σ2 ≤ 7.34
0.05
0.05
1 − 𝛼 = 90%
-1.645=𝑍𝛼/2 1.645=𝑍𝛼/2
0.05
0.05
1 − 𝛼 = 95%
-1.57 1.57
RA
Z
RR RR
−1.64
𝑋̅−𝑢 788−800 12
5. 𝑍 = 𝜎 √𝑛
= 40/√30
= − 7.3029 = −1.64
6. Con la resolución del ejercicio se llega a la conclusión de que la
duración media de las barras de oro si corresponde a 800 horas
por lo que la hipótesis nula es aceptada.
b) Proporción poblacional.
Ejemplo
El 3% de las piezas producidas por una máquina son defectuosas. Se
toman muestras de 100 piezas.
a) ¿Cuál es la distribución de la proporción de piezas defectuosas en la
muestra?
b) Hallar la probabilidad de que en una muestra de 100 piezas haya
menos de 5 defectuosas.
a) Conforme a lo indicado, P̂ sigue una distribución normal.
0.03x0.97
N(0.03, √ )~N(0.03 , 0.017)
100
b) Por tanto:
5 0.05 − 0.03
̂<
P (P ̂ < 0.05) = P (Z <
) = P(P )
100 0.017
P(Z < 1.18) = 0.8810
c) Diferencia de media poblacionales, varianzas poblacionales conocidos.
Ejemplo
Los niveles de radiación latente en dos regiones A y B siguen
distribuciones Normales independientes de medias 0.48 y 0.4663 y
varianzas 0.2 y 0.01 rem por año, respectivamente. Se realizan 25
mediciones en la región A y 100 en la B. Obtener la probabilidad de que
la media de la muestra A sea como máximo 0.2 rem superior a la media
de la muestra B.
X: “Nivel radiación latente en A”
Y: “Nivel radiación latente en B”
X ⟶ N(0.48; √0.2); nX = 25
Y ⟶ N(0.4663; √0.01); nY = 100
̅−Y
X ̅(uX̅ − uY̅ )
Z= ⟶ N(0.1)
2 2
σ σ
√ X+ Y
nX nY
̅≤̅
P = (X ̅−̅
Y + 0.2) = P = (X Y ≤ 0.2)
̅
X−̅
Y(uX̅ − uY̅ ) 0.2 − ̅
Y(uX̅ − uY̅ )
P= ≤
σ2 σ2 σ2 σ2
√ X+ Y √ X+ Y
nX nY nX nY
( )
0.2 − 0.0137
P (Z ≤ )
√0.008 + 0.0001
= P(Z ≤ 2.07) = 1 − P(Z ≥ 2.07)
= 1 − 0.0192 = 0.9808
d) Diferencia de media poblacionales, varianzas poblacionales iguales y
desconocidos.
Ejemplo
La siguiente tabla presenta los resultados de dos muestras aleatorias
para comparar el contenido de oro que hay en dos collares de dos
tiendas distintas.
Tienda A Tienda B
𝑛𝑖 10 8
̅
𝑋𝑖 3.1 2.7
𝑆𝑖 0.5 0.7
(9)(0.5)2 +(7)(0.7)2
𝑠𝑝2 = = 0.355 ⇒ 𝑠𝑝2 = 0.596
16
El intervalo de confianza del 95% está dado por (t(0.025,g.l.16) = 2.21):
1 1 1 1
x2 − tsp √ + ≤ u1 − u2 ≤ x̅1 − ̅̅̅
x̅1 − ̅̅̅ x2 + tsp √ +
n1 n1 n1 n1
1 1 1 1
3.1 − 2.7 − 2.21(0.596)√ + ≤ u1 − u2 ≤ 3.1 − 2.7 + 2.21(0.596)√ +
10 8 10 8
−0.2 ≤ u1 − u2 ≤ 1.0
PRACTICA Nº 3
1. Una muestra aleatoria de 998 persona adultas de una ciudad es encuestada
para conocer el porcentaje de ellas que están en desacuerdo con la
explotación de una mina en la ciudad, encontrándose que en 17.3% de esas
personas adultas están en desacuerdo con que se explote la mina.
Contrastar al 5% de significación que la verdadera proporción de personas
están en desacuerdo con que se explote las minas es por lo menos igual a 25%.
Datos:
n=998, p=0.173
1. Ho : P ≥ 0.25 = Po
H1 : P < 0.25
2. α = 5% = 0.05
p−P
3. Z= ~N(0.1)1 − α = 0.05 Z0 = −6.62
p(1−P)
√
n
4.
𝛼 = 0.05
1 − 𝛼 = 0.95
Z
𝑍𝑜 = −6.62 RA
p−P0 0.173−0.25
5. Zo = P (1−P0)
= = −5.62
(0.25)(0.75)
√ 0 √
n 998
6. 𝐙𝐨 ∈ 𝐑𝐑 ⟹ 𝐬𝐞 𝐫𝐞𝐜𝐡𝐚𝐳𝐚 𝐇𝐨
Con el 5% de significación se puede afirmar que la verdadera proporción de las
personas adultas de la ciudad que están en desacuerdo con la explotación de
la mina esta por debajo del 0.25%
2. En una muestra aleatoria de 20 envíos de productos metalúrgicos se encontró
que a varianza muestral del porcentaje de impurezas de tales envíos es igual a
𝓈 2 = 5.62(%)2 .
Contraste con el 10% de significación que la verdadera varianza del porcentaje
de impurezas de todos los envíos (de los que fueron seleccionados la muestra
aleatoria de 20 envíos) es como máximo, igual al 4(%)2 .
1. Ho = σ2 ≤ 4(%)2 = σ2
H1 = σ2 > 4(%)2
2. α = 0.10 = 10%
(n−1)𝓈2
3. x 2 = σ0
~x 2 (n−1)
4.
𝛼 = 0.10
1 − 𝛼 = 0.90
𝑥 2 (19)
RA RR
27.204
𝑥 2 = 26.693
(n−1)𝓈 2 (19)(5.52)(%)2
5. x2 0 = = = 26.695
σ2 0 4(%)2
6. 𝐱 𝟐 𝟎 ∈ 𝐑𝐀 ⟹ 𝐧𝐨 𝐫𝐞𝐜𝐡𝐚𝐳𝐚 𝐇𝐨
Con el 10% de significación, podemos afirmar que la varianza verdadera del
porcentaje de impureza de los envíos problacionales es como máximo 4(%)2
3. Supongamos que los ingresos líquidos de los trabajadores de la mina 1 para cierto mes
y los respectivos ingresos líquidos de los trabajadores de una segunda mina se
distribuye normalmente con varianzas poblacionales iguales pero desconocidos. Se
desea saber si los ingresos líquidos promedio de ambos grupos de trabajadores se
distribuyen con medios diferentes. Contrastar la hipótesis nula 𝐻𝑜 de igualdad de
ingresos líquidos medios poblacionales frente a una alternativa bilateral, con el
1% de significancia para el efecto se seleccionan muestras aleatorias de
trabajadores de muchas minas y se reporta las siguientes acerca de sus sueldos
líquidos (dólares).
Mina1: 720.63,728.74,1553.92,724.95,724.95,648.96,849.65,781.69,791.69 y 760.40.
Mina2: 770.30,872.70,732.80,732.80,743.30,790.30,790.30, y 780.30.
Solución:
∑𝐧𝐢=𝟏 𝐱 𝐢 ∑𝐧𝐢=𝟏 𝐱 𝐢
̅̅̅𝟏 =
𝐱 ̅̅̅𝟏 =
; 𝐱
𝐧 𝐧
8285.58 6212.8
x̅1 = ; x̅1 =
10 7
x̅1 = 828.558 ; x̅1 = 887.552
n
2
1 2
(∑ni=1 xi )2
𝓈 = {∑ x i − }
n1 − 1 n1
i=1
1 (8285.58)2
𝓈2 = {7475216.632 − }
10 − 1 10
1
𝓈2 = (7475216.632 − 6865083.594)
9
1
𝓈2 = (610133.038)
9
𝓈2 = 67792.551
n
2
1 2
(∑ni=1 xi )2
𝓈 = {∑ x i − }
n2 − 1 n2
i=1
1 (6212.8)2
𝓈2 = {4302474.38 − }
7−1 7
1
𝓈2 = (4302474.38 − 5514126.263)
6
1
𝓈2 = (−1211651.883)
6
𝓈2 = −201941.981