Beruflich Dokumente
Kultur Dokumente
JAD
Febrero 11, 2011
1
Ejercicios del primer parcial
Ejercicio 1
• sesgados y no eficientes.
Solución.
Ejercicio 2
Solución.
Datos.
n = 100, N = 1546, X = 67.45, σ = 2.93, α = 0.05.
a) Hallar el intervalo de confianza del 95% para este caso esta dado por la
fórmula
r r
σ N −n σ N −n
X ± Zα √ = X ± Z0.025 √
n N −1 n N −1
r
2.93 1546 − 100
= 67.45 ± 1.96 √
100 1546 − 1
= 67.45 ± 1.96(0.293)(0.97) = 67.45 ± 0.57
Por lo tanto el intervalo de confianza del 95% esta dado por (66.88, 68.02).
2
b) Hallar el intervalo de confianza de 99%, se toma α = 0.001, aplicando la
formula anterior
r r
σ N −n σ N −n
X ± Zα √ = X ± Z0.025 √
n N −1 n N −1
= 67.45 ± 2.57(0.293)(0.97) = 67.45 ± 0.76
Por lo tanto el intervalo de confianza del 95% esta dado por (66.69, 68.21).
Ejercicio 3
Las medidas de los diámetros de una muestra de 200 cojinetes de bolas hechos
por una determinada máquina durante una semana dieron una media de 0.824
pulgadas y una desviación estándar de 0.042 pulgadas. Hallar los lı́mites de
confianza de a) 95 % y b) 99% para el diámetro medio de todos los cojinetes.
Solución.
Ejercicio 4
Solución.
a) Datos.
σ = 0.05,α = 0.05. Los lı́mites de confianza del 95% son X ± 1.96 √σn , siendo el
3
error del estimado 1.96 √σn . Vemos que este error será igual a 0.01 segundos si
(1.96)(0.05)
√
n
= 0.01, esto es,
(1.96)(0.05) √
= n
0.01 √
n = 9.8
n = 96.04 ≈ 96.
Z α2 σ 2
2
(2.58)(0.05)
n= = = 166.4 ≈ 166
E 0.01
Por lo que el error de la estima será menor que 0.01 solo si n = 167 o mayor.
Ejercicio 5
Solución.
a) Datos.
N = 200, X = 75, σ = 10, n = 50.
El intervalo de confianza está dado por la ecuación
r r
σ N −n 10 200 − 50
X ± Zα √ = 75 ± 1.96 √
n N −1 50 200 − 1
170.166
= 75 ± = 75 ± 2.4
7.07
Ası́, el intervalo de confianza es (72.6, 77.4).
b) Para responder a este inciso necesitamos que 75±Z α2 √σn = 75±1, despejando
Zα , tenemos que
√
50
Z2 =
α = 0.81.
(10)(0.8681)
El área bajo la curva normal desde Z = 0 hasta 0.81 es de 0.2910, de aquı́ que
el grado de confianza requarido es de 2(0.2910) = 0.582 ó 58.2%.
Ejercicio 6
4
Una muestra de 100 votantes elegidos aleatoriamente entre todos los de un dis-
trito dado, indicó que el 55% de ellos estaban a favor de un determinado can-
didato. Hallar los lı́mites de confianza del a)95%, b)99% y c)99.73% para pro-
porción de todos los votantes que estaban a favor de este candidato.
Solución.
a) Datos.
n = 100, p̂ = 0.55, α = 0.05, Z α2 = 1.96.
Para obtener los lı́mites de confianza usaremos la siguiente fórmula
r r
p̂(1 − p̂) (0.55)(0.45)
p̂ ± Z α2 = 0.55 ± 1.96 = 0.55 ± 0.1,
n 100
de donde el intervalo de confianza está dado por (0.4553, 0.6474).
b) Datos.
n = 100, p̂ = 0.55, α = 0.01, Z α2 = 2.58.
Para obtener los lı́mites de confianza para este caso sustituiremos en la escuación
r r
p̂(1 − p̂) (0.55)(0.45)
p̂ ± Z 2
α = 0.55 ± 2.58 = 0.55 ± 0.13,
n 100
de donde el intervalo de confianza es (0.42, 0.68).
c) Datos.
n = 100, p̂ = 0.55, α = 0.0027, Z α2 = 3.
Para obtener los lı́mites de confianza usaremos la siguiente fórmula
r r
p̂(1 − p̂) (0.55)(0.45)
p̂ ± Z 2
α = 0.55 ± 3 = 0.55 ± 0.15,
n 100
ası́ el intervalo de confianza es (0.40, 0.70).
Ejercicio 7
Qué tamaño de muestra debe tomarse en el problema 6, para que la confianza
de que el candidato elegido sea de 95%?.
Solución.
Para esto veamos que P (p > 0.5) = 0.95 ya que qP −p es normal, luego
p(1−p)
n
β
P −p
Z
1 u2
P q < β = √ e− 2 du
p(1−p) 2π −∞
n
r
β
p(1 − p)
Z
1 u2
P (p > P − β )= √ e− 2 du
n 2π −∞
q
Luego P − β p(1−p)n = 0.5, de donde β = 1.645. Utilizando P = 0.55 y la
estimación p = 0.55, tenemos que
5
r
(0.55)(0.45)
0.55 − 1.645 = 0.5
n
n = 271.
Ejercicio 8
En 40 lanzamientos de una moneda, se obtuvieron 24 caras. Hallar los lı́mites de
confianza del a) 95% y b) 99.73% para la proporción de caras que se obtendrı́an
en un ilimitado número de lanzamiento de la moneda.
Solución.
a) Datos.
24
n = 24, N = 40, p̂ = = 0.6, α = 0.05, q̂ = 1 − p̂ = 0.4 .
40 q
El intervalo de confianza está dado por p̂ ± Z α2 p̂q̂
N , sustittuyendo los valores
tenemos que
r r
p̂q̂ (0.4)(0.6)
p̂ ± Z α2 = 0.6 ± 1.96 = 0.6 ± 1.96(0.0775) = 0.6 ± 0.152
N 40
Por lo que los limites de confianza del 95 % es (0.448, 0.752)
b) Datos.
24
n = 24, N = 40, p̂ = 40 = 0.6, α = 0.0027, q̂ = 1 − p̂ = 0.4 .
q
El intervalo de confianza está dado por p̂ ± Z α2 p̂q̂
N , sustittuyendo los valores
tenemos que
r r
pq (0.4)(0.6)
p̂ ± Z α = 0.6 ± 3 = 0.6 ± 3(0.0775) = 0.6 ± 0.2325
2
N 40
Ejercicio 9
Una muestra de 150 bombillas del fabricante A dieron una vida media de
1400 horas y una desviación estándar de 120 horas. Una muestra de 100 bom-
billas del fabricante B dieron una vida media de 1200 horas y una desviación
estándar de 80 horas. Hallar los intervalos de confianza del a) 95% y b) 99%
para la diferencia de las vidas medias de las poblaciones A y B.
Solución.
Los lı́mites de confianza paraq
la diferencia en medias de las marcas A y B está
σ2 σB2
dado por (X A − X B ) ± Zα/2 nA A
+ n B
.
a) Datos.
6
nA = 150, nB = 100, X A = 1400, X B = 1200, σA = 120, σB = 80, α = 0.05.
Sustituyendo en la ecuación anterior tenemos que
s r
2 σ2
σA (120)2 (80)2
(X A − X B ) ± Zα/2 + B = (1400 − 1200) ± Z0.025 +
nA nB 150 100
r
14400 6400
= (200) ± 1.96 +
150 100
= (200) ± 24.8.
Por consiguiente, podemos tener confianza del 99% de que la diferencia de me-
dias de las poblaciones enten en el intervalo (175.2, 224.8).
b) Datos.
nA = 150, nB = 100, X A = 1400, X B = 1200, σA = 120, σB = 80, α = 0.01.
Sustituyendo en la ecuación anterior tenemos que
s r
2 σ2
σA (120)2 (80)2
(X A − X B ) ± Zα/2 + B = (1400 − 1200) ± Z0.025 +
nA nB 150 100
r
14400 6400
= (200) ± 2.58 +
150 100
= (200) ± 32.6.
Ejercicio 10
En una muestra aleatoria de 400 adultos y 600 adolescentes que veı́an un cierto
programa de televisión, 100 adultos y 300 adolescentes dijeron que les gustaba.
Hallar el inetrvalo de confianza de a) 95% y b) 99% para la diferencia de pro-
porciones de todos los adultos y adolescentes que ven el programa y les gusta.
Solución.
El intervalo de confianza para la diferencia de proporciones está dado por:
q
P̂1 (1−P̂1 ) P̂2 (1−P̂2 )
Pˆ1 − Pˆ2 ± Zα n1 + n2
Entonces tenemos
a) Datos.
α = 0.05, n1 = 400, n2 = 600, P̂1 = 0.25, P̂2 = 0.5, Z0.025 = 1.96.
Sustituyendo tenemos que
s r
P̂1 (1 − P̂1 ) P̂2 (1 − P̂2 ) (0.25)(0.75)
Pˆ1 −Pˆ2 ±Zα + = (0.5−0.25)±1.96 f rac(0.5)(0.5)600 + = 0.25±0.06.
n1 n2 400
7
Por lo que el lı́mite de confianza del 95% es (0.19, 0.31.
b) Datos.
α = 0.01, n1 = 400, n2 = 600, P̂1 = 0.25, P̂2 = 0.5, Z0.005 = 2.58.
s r
P̂1 (1 − P̂1 ) P̂2 (1 − P̂2 ) (0.5)(0.5) (0.25)(0.75)
Pˆ1 − Pˆ2 ± Zα + = (0.5 − 0.25) ± 2.58 +
n1 n2 600 400
= 0.25 ± 0.08.
Ejercicio 11
Solución.
a) Datos.
n = 16, S12 = 24,m = 10, S22 = 18, F0.99(15)(9) = 4.96, F0.01(9)(15) = 3.89.
Además
m
Ŝ12 = S 2 = 25.2
m−1 1
m
Ŝ22 = S 2 = 20.
m−1 2
Con estos datos encontremos el intervalo de confianza del 98%, esto es
! !
Ŝ12 σ12 Ŝ12
≤ 2 ≤ ,
F0.99 Ŝ22 σ2 F0.01 Ŝ22
σ2
25.2 25.2
≤ 12 ≤ ,
20(4.96) σ2 20(3.89)
σ12
0.283 ≤ ≤ 4.9,
σ22
Con lo que el intervalo de confianza es (0.283, 4.9).
b) Datos.
n = 16, S12 = 24,m = 10, S22 = 18, F0.95(15)(9) = 3.01, F0.05(9)(15) = 0.386.
Además
m
Ŝ12 = S 2 = 25.2
m−1 1
m
Ŝ22 = S 2 = 20.
m−1 2
8
Con estos datos encontremos el intervalo de confianza del 98%, esto es
Solución.
1 −x
θe
θ , x ≥ 0;
La función de densidad para X esta dada por f (x) =
0, en otro caso.
x
Tomando U = θ por el método de transformación se tiene
f (U ) = e−U
Buscando
P (a ≤ U ≤ b) = 0.90
Entonces buscando el valor de a y b, P (a ≤ U ) = 0.05 y P (U > b) = 0.05
Luego entonces
Z a
P (a < U ) = e−U du = 0.05
0
Z ∞
P (U > b) = e−U du = 0.05
b
−e−U |∞
b = e −b
= 0.05
−b = ln(0.05)
b = 2.996
Luego entonces
x
P (0.51 ≤ U ≤ 2.996) = P (0.51 ≤ ≤ 2.996)
θ
Como se desea hallar un intervalo de confianza para θ entonces
0.51 1 2.996 x x
P ≤ ≤ =P ≥θ≥
x θ x 0.51 2.996
Por lo tanto x x
,
2.996 0.51
9
Ejercicio 13
Suponga que tomamos una muestra de tamaño n = 1 de una distribución uni-
forme definida en el intervalo [0, θ], donde θ es desconocida. Encuentre un
lı́mite de confianza inferior de 95 % para θ.
Solución.
Como X es uniforme en [0, θ], hagamos U = X θ está uniformemente distribuida
en [0, 1]. Esto es
(
1, 0 ≤ u ≤ 1
fU (u) =
0, otro caso
como buscamos un limite de confianza unferior de 95% para θ, determinamos
el valor para a de modo que P (U ≤ a) = 0.95, esto es,
Z a
(1)dU = 0.95
0
a = 0.95
Por lo tanto
X X
P (U ≤ 0.95) = P ≤ 0.95 = P ≤ θ = 0.95
θ 0.95
X
Veamos que 0.95 es un limite de confianza inferior para θ, con coeficiente de
confianza 0.95
Ejercicio 14
Suponga que la variable aleatoria X es una observación de una distribución
normal con media µ desconocida y varianza 1. Encuentre un a) intervalo de
confianza de 95% para µ..
Solución.
Datos.
µ desconocida, σ 2 , α = 0.05, Z α2 = 1.96.
Por hipótesis tenemos que la variable aleatoria tiene una distribución normal,
es decir, X ∼ N (µ, 1), luego
P (θL ≤ µ ≤ θS ) = 0.95
X −µ
√ ≤ 1.96) = 0.95
P (−1.96 ≤
σ/ n
σ σ
P (−1.96 √ ≤ X − µ ≤ 1.96 √ ) = 0.95
n n
σ σ
P (−1.96 √ + X ≤ µ ≤ X + 1.96 √ ) = 0.95.
n n
Como σ = 1, entonces se tiene
1 1
P (−1.96 √ + X ≤ µ ≤ X + 1.96 √ ) = 0.95.
n n
10
Por lo tanto el intervalo de confianza para µ esta dado por
−1.96 1.96
( √ + X, X + √ ).
n n
Ejercicio 15
Solución.
Datos.
X ∼ N (0, σ 2 ), σ 2 desconocida, f racX 2 σ 2 ∼ χ2 (1), α = 0.05.
Luego
X2
P (θL ≤ ≤ θS ) = 0.95
σ2
2
X
P (−1.96 ≤ 2 ≤ 1.96) = 0.95
σ
1.96 1 1.96
P (− 2 ≤ 2 ≤ ) = 0.95
X σ X2
X2 X2
P (− ≤ σ2 ≤ ) = 0.95.
1.96 1.96
2 2
X X
Por lo tanto el intervalo de confianza para σ 2 esta dado por (− 1.96 , 1.96 ).
Solución
11
P1 −P2
• Estadı́stico de prueba. Z0 = √ 1 1
.
P (1−P )( n +m )
Ejercicio 20
Grupo A Grupo B
12 17
13 14
12 19
12 15
9 8
7 19
8 12
5 20
10 9
13 10
15 12
11
7
en general, es posible concluir, con base en estos daros, que los pacientes del
grupo B, en promedio tienen mayor calificación en la subescala de depresión de
la escala?. Sea α = 0.05.
Solución.
2
• Datos. n = 13, m = 11, X = 10.30, Y = 14.09, SX = 8.56, SY2 = 16.45,
2 (12)(8.56)+(10)(16.45)
SP = 13+11−2 = 12.15, α = 0.05.
12
• Supuestos. Se supone que las muestras provienen de una población cuya
distribución es binomial.
Ejercicio 21
Nace et al. condujeron un estudio para evaluar las complejas relaciones entre la
dicción y los trastornos de personalidad. Los autores determinaron la frecuen-
cia de los desórdenes de personalidad en un grupo de individuos adictos de clase
media, y los comparó con trastornos de personalidad de individuos no adictos.
entre los datos reportados estaban las siguientes estadı́sticas sobre el componente
de depresión según el Inventario de personalidad multifacética de Minnesota.
En general, con base en estos datos, es posible concluir que los individuos adic-
tos con y sin trastornos de personalidad difieren con respecto a las calificaciones
medias sobre el componente de depresión del Inventario de personalidad múltiple
de Minnesota?. Sea α = 0.05.
Solución.
2
• Datos.α = 0.05, n = 57, m = 43, X̄ = 70.63, SX = 16.27, SX = 246.41,
2
Ȳ = 64.33, SY = 12.99, SY = 168.74.
• Supuestos. Se supone que las muestras provienen de una población que
tiene distribución normal.
• Hipótesis. H0 : δ = δ0 vs Ha : δ 6= δ0 , donde δ0 = 0.
13
X̄ − Ȳ
• Estadı́stico de prueba. Z0 = r
2
SX S2
+ Y
n m
• Distribución del estadı́stico. Z0 ∼ Z α2 .
• Regla de decisión. Rechazar H0 si |z0 | ≥ z α2 .
70.63 − 64.33 6.3 6.3
• Cálculo estadı́stico. Z0 = r =√ = = 2.19.
246.41 168.74 8.24 2.87
+
57 43
• Decisión estadı́stica. Como |2.19| ≥ 1.96 se rechaza H0 .
• Conclusiones. Podemos concluir que con un nivel de significancia de
α = 0.05 los individuos adictos con y sin trastornos de personalidad di-
fieren con respecto a las calificaciones medias sobre el componente de
depresión del Inventario de personalidad multifacética de Minnesota.
Ejercicio 22
Solución.
X Y X+Y
• Datos. n = 300, m = 500, p1 = n = 0.08, p2 = m = 0.03, p = n+m =
0.048, q = 1 − p = 0.952
• Supuestos. Se supone que la muestra provienen de una población que tiene
distribución binomial.
• Hipotesis. H0 : p1 = p2 vs. p1 6= p2
p1 −p2
• Estadistica de prueba. Z0 = √ 1 1
p(1−p)( n +m )
14
• Concluciones. Con un nivel de significancia de α = 0.05 se acepta H0 .
Ası́, se concluye que estos datos no ofrecen suficiente evidencia.
Ejercicio 23
Es posible concluir, con basa en estos datos que el anestésico retarda el flujo
sanguı́neo de la corteza renal? Sea α = 0.05. Determine el valor de p.
Solución.
15
• Concluciones. Con un nivel de significancia de α = 0.05 H0 se acepta. Ası́
se concluye que es posible que el anestésico no retarde el flujo sanguı́neo
de la corteza renal.
Ejercicio 25
Solución.
Ejercicio 26
Solución.
16
• Estadı́stica de prueba. Z0 = √ X−np0
np0 (1−p0 )
Ejercicio 27
Soluciı́on.
X−µ
• Distribución del estadı́stico. √
σ/ n
∼ N (0, 1).
• Decisión del estadı́stico. Como 8.66 > 1.64, se concluye que se rechaza
H0 .
• Conclusiones. Con un nivel de significancia de α = 0.05 se concluye que
la media de la población es mayor que 40.
Ejercicio 28
Solución.
17
• Datos. n = 8 X = 160.55 S = 50 α = 0.05 ν0 = 150
• Supuestos. Se supone que la muestra proviene de una población cuya
distribucion es normal.
• Hipotesis. H0 : ν = 150 vs. ν > 150
X−ν0
• Estadistica de prueba. t0 = S
√
n
Ejercicio 30
Solución.
• Datos. n = 25, X = 73, S = 16, α = 0.05, µ0 = 70, t0.05(24) = 1.711.
• Suposiciones. Se supone que la muestra proviene de una población cuya
distribución es normal.
• Hipótesis. H0 : µ = 70 vs Ha : µ > 70.
X−µ
• Estadı́stico de prueba. t = √0.
S/ n
Ejercicio 32
18
Catorce niños recien nacidos midieron en promedio 53 cm con una desviacion
estandar de 9 cm. con base en esos resultados, es posible concluir que la media
es diferente de 50cm? Sea 0.10 la probabilidad de cometer el error tipo I.
Solución.
• Datos. n = 14 X = 53 S = 9 ν0 = 50 α = 0.1 t0.05(13) = 1.771
• Suposiciones. Se supone que la muestra proviene de una población cuya
distribución es normal.
• Hipótesis. H0 : ν = 50 vs ν 6= 50
X−ν0
• Estadı́stica de prueba. t0 = S
√
n
Solución.
19
• Concentraciones de potasio.
• La diferencia de medias entre dos muestras independientes.
Ejercicio 34
Hemming et al. (A-36) estudiaron por espacio de tres años a 50 pacientes con-
secutivos que se sometieron a resección de un segmento hep·tico. Se utilizaron
pruebas t de Student para analizar los datos. Entre los hallazgos est· el hecho
de que los pacientes cirróticos mostraron incrementos significativos en los re-
querimientos de transfusión que pasaron de 0.7 ± 1.3U a 2.0 ± 1.3U.
Solución.
Ejercicio 35
20
precaución universales. Los estudiantes respondieron antes y después del entre-
namiento preguntas de conocimientos y calificaron su preparación en una escala
de cinco puntos. Los investigadores encontraron que los conocimientos del es-
tudiante y la calificación sobre preparación aumentaron según la autoevaluación.
Solución.
• De cola izquierda.
• El error tipo I.
• Se rechazó, puesto que se dice que los investigadores encontarron que los
conocimientos sobre preparación aumentaron según la autoevaluación.
Ejercicio 36
Solución.
21
• Debemos probar que las medias en calidad de vida entre los individuos que
recibieron un placebo y los que recibieron zidovudina tienen una relación
de tipo mayor o menor, esto es, la media de la calidad de vida en los
individuos que recibieron placebo es mayor que la de los individuos que
recibieron zidovudina.
H0 : δ ≤ δ0 vs Ha : δ > δ0 , δ0 = µ1 − µ2 .
• Es una alternativa unilateral.
• Error tipo I: Puede suceder que se tenga que la media de los cambios de la
lı́nea de base sea mayor en los pacientes que recibieron un placebo cuando
en realidad esto es falso.
Error tipo II: Podemos aceptar que los cambios medios de la lı́nea de base
de los pacientes a los que se les aplicó un placebo son menores que de los
pacientes a los que se les aplicó zidovudina y esto sea falso.
• Podemos deducir que la hipótesis nula fue rechazada pues no hay evidencia
que indique que los pacientes que recibieron zidovudina obtuvieron mejores
resultados en algún aspecto que los pacientes que recibieron el placebo.
Ejercicio 37
Solución.
• H0 : δ = δ0 = 0.15 vs Ha : δ 6= δ0 = 0.15
22
• Es una alternativa bilateral.
• El error tipo I.
Ejercicio 38
Solución.
• La frecuencia de deficiencia de biotinidasa en niños.
• La proporción de la población.
• La población de niños es de 274 casos de niños con una o mas anormali-
dades neurológicas.
• La frecuencia de deficiencia de biotinidasa en niños.
Ejercicio 39
Para cada una de las siguientes situaciones, identifique los errores de tipo I y
II y las acciones correctas a seguir.
Solución.
23
• H0 : El nuevo procedimiento de terapia fı́sica es satisfactorio.
– Emplear el nuevo procedimiento cuando éste no es satisfactorio. Er-
ror tipo II.
– No utilizar el nuevo procedimiento cuando éste no es satisfactorio.
Acción correcta.
– No utilizar el nuevo procedimiento cuando éste es satisfactorio. Error
tipo I.
– Emplear el nuevo procedimiento cuando éste es satisfactorio. Acción
correcta.
• H0 : La producciÓn de un lote de un fármaco es de calidad satisfactoria.
– Rechazar el lote de calidad satisfactoria. Error tipo I.
– Aceptar el lote de calidad satisfactoria. Acción correcta.
– Rechazar el lote de calidad no satisfactoria. Acción correcta.
– Aceptar el lote de calidad no satisfactoria. Error tipo II.
Ejercicio 40
Solución.
2
• Datos. n = 8, m = 8, X = 92.75, Y = 123.75, SX = 1780.21, SX =
2 2 7(42.19)+7(50.74)
42.19, SY = 2574.5, SX = 50.74, Sp = 14 = 46.47, α = 0.1.
• Suposiciones.Se supone que la muestra proviene de una población cuya
distribución es normal.
• Hipótesis.H0 : δ = δ0 vs Ha : δ 6= δ0 .
24
• Distribución del estadı́stico.t0 ∼ tα/2(n+m−2) .
• Regla de decisión. Rechazar H0 si |t0 | ≥ t0.05(14) = 1.761.
92.75−123.75 −31
• Cálculo del estadı́stico. t0 = √ = 3.41 = −9.09.
46.47(0.25)
Ejercicio 41
1 1410 2375
2 610 1610
3 1170 1608
4 1140 1490
5 515 1475
6 580 1445
7 430 885
8 1140 1187
9 720 1445
10 275 890
11 875 1785
Solución.
25
805.9−1472.29
• Calculo del estadı́stico. t0 = √ 1 1
= − 666.37
8.4 = −79.3
389.5( 11 + 11 )
Ejercicio 42
Sujetos hiperreactivos
Pre-exposición Post-exposición
Individuo VEF REVR VEF REVR
1 4.3 5.52 4.2 8.70
2 3.9 6.43 3.7 6.94
3 3.6 5.67 3.3 10.00
4 3.6 3.77 3.3 4.54
5 5.1 5.53 4.9 7.37
Solución.
0.668
• Datos. n = 5 m = 5 X = 3.42 Y = 4.1 Sx2 = 4 = 0.167 Sy2 =
1.58 2
4 = 0.395 Sp = 0.281
26
−δ0
• Estadı́stico de prueba. t0 = √X−Y
2 1 1
Sp ( n + m )
Ejercicio 43
Solución.
• Hipótesis. H0 : ν = ν0 vs ν 6= ν0 .
X−Y
• Estadı́stica de prueba. Z0 = 2
σx 2
σy
.
n + n
27
• Distribución del estadı́stico. Z0 ∼ N (0, 1).
• Regla de decisión. Rechazar H0 si | Z0 |> Z α2 = 1.96.
Ejercicio 48
Diamond querı́a saber si la distribución cognitiva podria ser util para apoyar la
selección adecuada de candidatos para rehabilitación integral hospitalaria. Es-
tudiaron una muestra de pacientes de rehabilitacion geriatrica mediante el uso
de estrategias de medicion estandarizadas, entre los datos recolectados están las
siguientes calificaciones registradas en el examen de minimental de los individ-
uos al ingresas y ser dados de alta.
Solución.
28
• Supuestos. Se supone que las muestras provienen de una población nor-
mal.
• Hipótesis. H0 : S >>0 Ha : S < S0
X−Y −S0
• Estadı́stica de prueba. Z0 = Sx2 2
Sy
n + m
Ejercicio 52
Solución.
29
• Hipótesis. H0 : ν = ν0 vs. ν 6= ν0
X−Y
• Estadı́stica de prueba. t0 = Sx2 2
Sy
n + m
Ejercicio 53
C S
.00 1.00 .00 .00
.00 1.00 .00 10.00
.00 .00 .00 .00
.00 .00 .00 18.00
.00 10.00 .00 .00
.00 2.00 .00 2.00
.00 .00 5.00
.00 .00
.00 4.00
.00 1.00
4.00 2.00
3.00 .00
2.00 6.00
.00 .00
10.00 .00
2.00 1.00
.00 2.00
9.00 1.00
.00 22.00
1.00 .00
16.00 .00
Solución.
30
• Datos. n = 27 m = 28 X = 2.26 Y = 2.64 Sx2 = 16.9 Sy2 =
29.8 Sp2 = 23.5 α = 0.01
Ajuste una recta a los cincos puntos de la tabla siguiente. De las estimaciones de
β0 y β1 . Localice los puntos y trace la recta ajustada como prueba de los cálculos.
5 5 5
1
P P P
xi yi − xi yi
i=1
n
i=1 i=1 6 − 51 (0)(7.5) 6
βˆ1 = 5 5
= 1 2
= = −0.6
1 10 − 5 (10) 10
x2i −
P P
n( xi )2
i=1 i=1
ŷ = 1.5 − 0.6x.
31
x ŷ
-2 2.7
-1 2.1
0 1.5
1 0.9
2 0.3
Entonces la gráfica del ajuste esta dado por:
Ejercicio 11.4
Solución.
32
Datos.
10 10 10 10
x2i = 106554,
P P P P
n = 10, y = 72.1, x = 72, xi = 720, yi = 721, xi yi =
i=1 i=1 i=1 i=1
106155.
Obtengamos el ajuste de la recta por el método de mı́nimos cuadrados ŷ =
βˆ0 + βˆ1 x. Calculemos ahora β̂1
P P
xi yi − yin xi 106155 − (720)(721)
P
10 54243
β1 = P P
( xi )2 = (720)2
= = 0.9913.
2
xi − n 106554 − 10 54714
ŷ = 0.7264 + 0.9913x.
Ası́ obtenemos los siguientes datos
x ŷ
10 10.6394
12 12.6220
9 9.6481
27 27.4915
47 47.3175
112 111.752
36 36.4132
241 239.6297
59 59.2131
167 166.2735
Entonces la gráfica del ajuste esta dado por:
33
Ejercicio 11.5
Qué aspecto tenı́an los precios de vivienda en los ”buenos y viejos tiempos”? La
mediana de los precios de venta para casas nuevas unifamiliares se dan en la
tabla siguiente, para los años 1972 a 1979. Si con y denotamos la mediana de
los precios de venta y con x el año (usando enteros 1, 2, . . . , 8), ajuste el modelo
Y = β̂0 + β̂1 x + . Qué se puede concluir de los resultados?
34
t −1 17/28 −3/28
(x x) =
−3/28 1/42
0 −1 0 17/28 −3/28 346.9 21.57 β̂0
Luego (x x) (x y) = = =
−3/28 1/42 1764.4 4.84 β̂1
De donde β̂0 = 21.57 y β̂1 = 4.84, por lo que el ajuste esta dado por:
ŷ = 21.57 + 4.84x.
Obteniendo ası́ los siguientes datos
x ŷ
1 26.41
2 31.25
3 36.09
4 40.93
5 45.17
6 50.61
7 55.45
8 60.29
Luego la gráfica queda de la siguiente forma
Ası́ podemos concluir que conforme pasan los años va en aumento el precio
de las viviendas.
Ejercicio 11.9
35
a) Localice los puntos en papel milimétrico.
b) Encuentre la recta de mı́nimos cuadrados para los datos.
c) Grafique la recta de mı́nimos cuadrados para ver lo bien que se ajusta a los
datos.
d) Use la recta de mı́nimos cuadrados para estimar la clasificación media de po-
tencia para un automóvil eficiente en uso de combustible con volumen de cilin-
dros de 1.9 L.
Solución.
Datos.
8 8
x2i = 30.04.
P P
n = 8, X = 1.9, Y = 108.37, xi yi = 1722.9,
i=1 i=1
ŷ = −15.45 + 65.17x.
Para x = 1.9 se tiene que ŷ = 108.37. Por lo tanto se estima una potencia
de 108.37 caballos.
Ejercicio 11.10
36
Solución.
Para esto seguiremos el mismo procedimiento con el que se utiliza para
encontrar β0 y β1 de y = β0 + β1 x, luego
y = β1
X X
y = β1 x
P
y
β1 = P
x
P
Por lo que el estimador de minimos cuadrados de β1 es Py
x
Ejercicio 11.11
ŷ = β̂1 x = 2.5273x
Ası́ obtenemos los siguientes valores
37
x y
78 197.1294
65 164.2745
77 194.6021
76 192.0748
72 181.9656
76 192.0748
75 189.5475
77 194.6021
69 174.3837
65 164.2745
Ejercicio 11.12
Semanas(x) Firmeza(y)
0 19.8
4 16.5
14 12.8
32 8.1
52 7.5
Solución.
a) Obtengamos el ajuste por el método de mı́nimos cuadrados.
Datos.
5 5 5 5
x2i = 3940.
P P P P
n = 5, xi = 102, yi = 64.7, xi yi = 894.4,
n=1 n=1 n=1 n=1
5 5 5
1
P P P
xi yi − xi yi
n=1
n
n=1 n=1 894.4 − 15 (102)(64.7) −425.28
βˆ1 = = = = −0.2287.
5
1
5 3940 − 51 (102)2 1859.2.6
x2i −
P P
n( xi )2
n=1 n=1
38
Ahora obtenemos el valor de β0
βˆ0 = y − β
c1 x = 12.94 − (−0.2287)(20.4) = 17.60.
0 17.6
4 16.68
14 14.39
32 10.28
52 5.7
Entonces la gráfica de este ajuste es el siguiente
39
b) Localice los puntos y grafique el resultado del inciso a. La recta pasa por
los puntos?.
Solución.
Datos. P P 2
n = 10,X = 0.325, Y = 0.755, xi yi = 2.18, xi = 1.26.
Ejercicio 11.16
40
Solución.
Obtengamos la media de los valores de y
5 5 5
1
P P P
xi wi − xi wi
n=1
n
n=1 n=1 5846.3 − 14 (240)(107.99) −633.1
βˆ1 = = = = −0.3165
5
1
5 16400 − 14 (240)2 2000
x2i −
P P
n( xi )2
n=1 n=1
Luego
βˆ0 = w − βˆ1 x = 26.99 − (−0.3165)(60) = 45.98.
. Por lo que el ajuste esta dado por:
ŷ = 45.98 − 0.1365x.
c) Calculemos S 2
41
4
(wi − w)2 − β̂1
P P
(xi − x)(wi − w)
SEE i=1
S2 = =
n−2 n−2
201.4 − (−0.3165)(−543.2)
= = 14.73
2
Ejercicio 11.19
Se realizó un estudio para determinar los efectos de la privación de sueño en
la capacidad de las personas para resolver problemas sencillos. La cantidad de
privación de sueño vario en 8, 12, 16, 20 y 24 horas sin dormir. Un total de
diez individuos participaron en el estudio, dos por cada nivel de privación de
sueño. Después de su periodo de privación de sueño, a cada individuo se le
presento un conjunto de problemas sencillos de sumas para que lo resolvieran,
registrandose el numero de errores, se obtuvieron los resultados mostrados en
la tabla siguiente.
Numero de errores (y) 8, 6 6, 10 8, 14 14, 12 16, 12
Numero de horas sin dormir (x) 8 12 16 20 24
• Encuentre la recta de mı́nimos cuadrados apropiada para estos datos.
• Localice los puntos y grafique la recta de minimos cuadrados en sus cálculos.
• Calcule S 2 .
Solución.
Datos.
5 5 5 5
(yi − y)2 = 37.2,
P P P P
n = 5, x = 80, y = 53, (xi − x)(yi − y) = 76,
i=1 i=1 i=1 i=1
x = 16, y = 10.6
Calculemos β̂1 , luego
5
P 5
P
5
P xi yi
i=1 i=1
xi yi − n (53)(80)
i=1 924 − 5 76
β̂1 = = 2 = = 0.475
− (80)
5
5 (
P
xi )2 1440 160
5
x2i −
P i=1
n
i=1
x y
8 6.8
12 8.7
16 10.6
20 12.5
24 14.4
42
Luego la gráfica obtenida con este ajuste es la siguiente
5 5
(yi − y)2 − βi
P P
(xi − x)(yi − y)
i=1 i=1 37.2 − 0.475(76) 1.1
S2 = = = = 0.3666
n−2 3 3
Ejercicio 11.67
Use el método de matrices para ajustar una recta a los datos de la siguiente tabla,
grafique los puntos y luego trace la recta ajustada como prueba de los cálculos.
Los datos son los mismos del Ejercicio 11.3 excepto que están recorridos 1 unidad
en la dirección positiva a lo largo del eje x. Que efecto tiene la separación
simétrica en los valores x alrededor de x = 0 sobre la forma de la matriz (X t X)
y los cálculos resultantes?
y x
3 −1
2 0
1 1
1 2
0.5 3
Solución.
3 1 −1
2 1 0
Datos. y = 1
, x = 1 1 ,
1 1 2
0.5 1 3
Teniendo en cuenta estos valores, a continuacion se realizan las siguientes
operaciones para obtener β̂0 y β̂1 , luego
1 −1
1 0
1 1 1 1 1 1 1 = 5 5
xt x =
−1 0 1 2 3
1 2 5 15
1 3
43
3
2
t 1 1 1 1 1 1 = 7.5
yy=
−1 0 1 2 3 1
1.5
0.5
3 1
− 10
(xt x)−1 = 10
1 1
− 10 10
Luego
3 1
− 10 7.5 2.1 β̂
β̂ = (xt x)−1 (xt x) = 10
1 1 = = 0
− 10 10 1.5 −0.6 β̂1
Por lo que el ajuste lineal esta dada por y = 2.1 − 0.6x, por lo que los datos
que se obtienen de esto se presentan a continuación
x y
−1 2.7
0 2.1
1 1.5
2 0.9
3 0.3
A continuación se presenta la gráfica de los datos anteriores
Ejercicio 11.68
44
y x
1 -3
0 -2
0 -1
-1 0
-1 1
0 2
0 3
Solución.
Datos.
1 1 −3 9
0 1 −2 4
0 1 −1 1
y= −1 x = 1 0 0
−1 1 1 1
0 1 2 4
0 1 3 9
Teniendo estos valores, obtengamos los estimadores
β̂0 y β̂1 , luego
1
0
1 1 1 1 1 1 1 0
−1
xt y = −3 −2 −1 0 1 2 3 y = −1 = −4
9 4 1 0 1 4 9 −1 8
0
0
1 −3 9
1 −2 4
1 1 1 1 1 1 1 1 −1 1 7 0 28
(xt x) = −3
−2 −1 0 1 2 3
1 0 0
= 0 28 0
9 4 1 0 1 4 9 1 1 1
28 0 196
1 2 4
1 3 9
45
x ŷ
-3 2.42
-2 1.57
-1 0.9998
0 0.7142
1 0.7142
2 0.9998
3 1.57
Luego entonces la gráfica del ajuste es:
Ejercicio 11.69
x y
1996 18.5
1997 22.6
1998 27.2
1999 31.2
2000 33.0
2001 44.9
2002 49.4
2003 35.0
a) Denotando con Y las ventas y con x el año cifrado (−7 para 1996, −5 para
1997, hasta 7 para 2003 ), ajuste el modelo Y = β0 + β1 x + .
b) Para los mismos datos, ajuste el modelo Y = β0 + β1 x + β2 x2 + .
Solución.
Datos.
8 8
x2i = 168,
P P
n = 8,x = 0, xi yi = 304.4,y = 32.72.
i=1 i=1
Para un mejor manejo de tabla tomaremos en cuenta las sustituciones que
nos hace el inciso, esto es
46
x y
-7 18.5
-5 22.6
-3 27.2
-1 31.2
1 33.0
3 44.9
5 49.4
7 35.0
Teniendo en cuenta estos datos, obtengamos los estimadores β̂0 y β̂1 , luego
8
P
xi yi − nxy
i=1 304.4
β̂1 = 8
= = 1.81
168
x2i − nx2
P
i=1
Luego β̂0 = y − βb1 x = 32.72. Por lo que el ajuste esta dado por ŷ =
32.72 + 1.81x.
Teniendo en cuenta estos datos, encontremos los estimadores β̂0 y β̂1 , luego
8 0 168
xt x = 0 168 0
168 0 6216
37/128 0 −1/128
(xt x)−1 = 0 1/168 0
−1/128 0 1/2688
47
261.8
xt y = 304.4
5134.6
De donde,
35.61
β̂ = 1.79
−.5016
Luego
Ejercicio 11.70
Solución. Del ejercicio 11.4 tenemos los siguientes datos. n = 10, β0 = 0.7198,
β1 = 0.9913, luego calculemos SSE, esto es
SSE = y t y − β t xt y.
48
Ahora calculemos cada uno de los datos que nos pide la fórmula, por un lado
tenemos que
721
yt y =
P 2
yi = 105817 y β t xt y = 0.7198 0.9913 = 105750.4273.
106155
Por lo que SSE = 105817 − 105750.4273 = 66.5727, teniendo ya este valor,
proseguimos a sustituir en el S 2 ,
SSE 66.5727
S2 = = = 8.32158
n−2 8
Ası́ S = 2.8847
49