Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Plantel Aragón INGENIERIA INDUSTRIAL CLASE: ESTADISTICA APLICADA TAREA 4 GRUPO:1504 Dra. NELLY RIGAUD TELLEZ NOMBRES DE LOS ALUMNOS: CORTES HERNANDEZ RICARDO HERNANDEZ TERREROS JOSE MARTIN FECHA DE ENTREGA: 8 DE OCTUBRE DEL 2021 Ejercicio 1 En 2001 se obtuvo un reporte anual de consumo de leche en EE.UU. de 23.4 galones por persona con una desviación estándar de 7.1 galones. Si se obtiene una muestra de 60 ciudadano, ¿Cuál es la probabilidad de que el consumo promedio de leche sea mayor que 23 galones/persona? Análisis: Para este problema planteado lo mejor es hallar una solución planteando el caso de distribución normal Calculamos la desviación estándar de la muestra σx= 7.1/√60 = 0.9166060 Calculamos la distribución normal z= 23−23.4 0.9166060 = -0.436392 P[Z>-0.436392) = 1-P[Z<-0.436392]=1-F(-0.436392)=1-0.333598= 0.666402 0.666402x100=66.64 Resultado La probabilidad es de 66.64% Ejercicio 2 En una encuesta se reportó que el 42% de los votantes se encuentran a favor de un partido en las siguientes elecciones. Si una muestra aleatoria de 60 votantes es seleccionada, ¿cuál es la probabilidad de que 28 y 32 de ellos estén a favor del partido? Análisis: En este problema podemos ver que se puede resolver de forma sencilla a través de la distribución binomial, en cado problema disponemos de los 4 datos básicos para calcularla Asignando valores a las variables del caso 1 P= 42% (probabilidades de éxito) q= 58% (probabilidades de no éxito) n= 60 (muestra) x= 28 (probabilidad de éxito de la muestra) Formula (𝑛 𝑥 )𝑝𝑥𝑞𝑛−𝑥= (60 28 )(0.42)28(0.58)32= 0.07880217 Asignando valores a las variables del caso 2 P= 42% (probabilidades de éxito) q= 58% (probabilidades de no éxito) n= 60 (muestra) x= 32 (probabilidad de éxito de la muestra) Formula (𝑛 𝑥 )𝑝𝑥𝑞𝑛−𝑥= (60 32 )(0.42)32(0.58)28= 0.0216682 Resultados Caso 1 = Probabilidad del 7.88% Caso 2 = Probabilidad del 2.16% Ejercicio 3 500 balines tienen un peso medio de 5.05 gr., y desviación estándar de 0.3gr. Hallar la probabilidad de que una muestra de 100 balines de ese conjunto, tengan un peso total de: a. Entre 4.96 y 5.00 gr. Análisis: Nuevamente nos encontramos con un problema que se puede resolver aplicando la distribución normal Reactivo a) Para 4.96 Calculamos la desviación estándar de la muestra σx= 0.3/√100 = 0.03 Calculamos la distribución normal z= 4.96−5.05 0.03 = -3 Para 5.0 Calculamos la desviación estándar de la muestra σx= 0.3/√100 = 0.03 Calculamos la distribución normal z= 5.0−5.05 0.03 = -1.66666 P(-3<Z<-1.66666)= F(-1.66666)-F(-3)=0.048457-0.001001=0.047456 Reactivo b) Para +5.1 Calculamos la desviación estándar de la muestra σx= 0.3/√100 = 0.03 Calculamos la distribución normal z= 5.1−5.05 0.03 = 1.66666 P(Z>5.1)= 1-P(Z<1.66666)= 1-F(1.6666) =1- 0.951543=0.048457 Resultados Reactivo a) Probabilidad 4.70% Reactivo b) Probabilidad 4.84% Ejercicio 4 Las estaturas de 1000 estudiantes están distribuidas aproximadamente en forma normal con una media de 174.5 cm y desviación estándar de 6.9 cm. Si se extraen 200 muestras aleatorias de tamaño 25 sin reemplazo de esa población, determine: a. El número de medias muestrales que caen entre 172.5 y 175.8 cm b. El número de medias muestrales que caen por debajo de 172 cm Reactivo a) -Para 1.72 Calculamos la desviación estándar de la muestra σx= 6.9/√25 = 1.38 Calculamos la distribución normal z= 172.5−174.5 1.38 = -1.45 -Para 175.8 Calculamos la desviación estándar de la muestra σx= 6.9/√25 = 1.38 Calculamos la distribución normal z= 175.8−174.5 1.38 = 0.942 P(Z>-1.45)= 1-P(Z<0.073529)= 1-F(0.073529) =1- 0.951543=0.048457 P(Z<0.942)= F(0.942) = 0.82639 P(172.5<z<175.8)= 0.82639-0.048457=0.76 -----0.76x200=152 Reactivo b) -Para 175.8 Calculamos la desviación estándar de la muestra σx= 6.9/√25 = 1.38 Calculamos la distribución normal z= 172−174.5 1.38 = -1.81 P(Z<-1.81)= F(-1.81)= 0.035148 -----0.035148x200= 7.0296 Resultado Reactivo a) 152 medias muestrales Reactivo b) 7 medias muestrales Para la realización de los ejercicios se tomo como fuente: Rodríguez, L.. (2007). Probabilidad y estadística básica para ingenieros. Ecuador:ESPOL. 5.-Los paquetes recibidos en un almacén tienen peso medio de 300 lb y una desviación estándar de 50 lb. ¿Cuál es la probabilidad de que 25 de esos paquetes elegidos al azar y metidos en un montacargas excedan el límite de carga de este, que es de 8200 lb? MEDIA DE= Y* x̄= 25*300=7500lb DESVIO DE Y =√25(50) =(5)(50) =250lb Y=7500 Y>8200 = p (Y>8200) (8200 − 7500) 250 = 2.8𝑍 P(Y >8200) = 1 - Z(2. 8) = 1 - 0. 99744487= 0. 00255513*100=0.255513% Datos x̄=300lb s=50lb x=8200lb Y=25paquetes Lo primero que se tiene que hacer es sacar todos los datos del problema. (X) será nuestra variable ya que contiene el numero de paquetes que se pide que se pese además del peso que debería de tener (Y) por su parte será el número de paquetes que se escogerá al azar y será el peso total de lo que pide x EN ESTA PARTE SACAMOS EL PROMEDIO DE 25 CAJAS SI TIENEN UNA MEDIA DE 300lb SACAMOS LA MEDIA COMUN PARA SABER QUE TAN DISPERSOS ESTAN LOS DATOS. ESTE ES EL RESULTADO FINAL DEL PESO DE 25 CAJAS SI SU PESO MEDIO ES DE 300lb Creamos una operación de la probabilidad de que (Y) que es el peso medio de 25 cajas sea mayor a 8200lb Con la desviación que sacamos atrás solo hacemos una resta entre y-x dividido con la desviación. Obtenido la normal estándar z Con un grafica de distribución como se muestra abajo. Identificamos z y restamos 1 y así es como sacamos la probabilidad. Finalmente podemos decir que la probabilidad de que 25 cajas pesen en conjunto 8200lb es de 0.0025% 6. Genere 50 muestras, cada una de tamaño 25 a partir de una distribución normal con media 60 y desviación estándar 10. Calcule la varianza de cada muestra mediante el empleo la varianza muestral. a. Obtener la media y la varianza de S2 mediante el empleo de los 50 valores calculados. Compararlos con los obtenidos de cada muestra. b. Agrupar los 50 valores calculados de S 2 y graficar las frecuencias relativas. Comentar los resultados. =DISTR.NORM.INV(ALEATORIO(),60,10) Para este problema lo primero que se tiene que hacer es utilizar esta fórmula ya que se usa para devolver el inverso de la distribución acumulativa normal para la media especificada y la desviación estándar Los datos que nos salieron fueron aleatorios ya que así lo pedimos a Excel, ya con la primera función que hicimos al principio solo arrastramos hasta las 50 muestras que se requerían y no los dio A) Después se saco varios datos solo para confirmar que estábamos bien y aunque había una variación entre la desviación estándar, la media y la varianza que estaba en el problema y el que arrojo Excel, podemos decir que era mínima su variación B)Con el fin de graficar las frecuencias relativas se utilizo la función de histograma que ya habíamos visto en clase obteniendo la grafica y su tabla de frecuencia como resultados podemos decir que tanto la media y desviación que sacamos en Excel cumplen o son semejantes a las del problema principal, además de que s varianza muestra una dispersión de datos respecto a su media aritmética, y lo podemos observar ya que hay una buena parte de su concentración entre 55.50 y 66.56 7. Considere la distribución de muestreo de una estadística para los20 promedios muestrales mostrados en la siguiente tabla. Agrupar las 20 realizaciones en cinco clases y obtener sus frecuencias relativas.a. A partir de las frecuencias relativas, justifique el intervalo dónde se encuentra la más alta concentración de tiempos. b. Exprese la importancia de la distribución de muestreo para un estadístico. A) El intervalo con mas alta concentración de tiempo es la frecuencia 8 ya que es la punta máxima de la campana de la gráfica, esto se justifica si revisamos los datos en donde la frecuencia de tiempo es mayor, podemos observar que inicia en 149.36 a 152.4 donde concentra una mayor cantidad de tiempo. B) Es muy importante La distribución de muestreo ya que constituye la viabilidad de algo que queramos graficar o agrupar y que muestra las dimensiones del tamaño de lo que queremos. además de que podemos saber La distribución de probabilidad de una muestra de una población x en lugar de toda la población, viendo lo que queremos ver o obtener en lugar de tener muchos datos innecesarios o mas que nada que no necesitamos. Problema 1.- RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE. (2012). Probabilidad y estadística para ingeniería y ciencias Novena edición. Mexico: PEARSON EDUCACIÓN. Problema 2.- RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE. (2012). Probabilidad y estadística para ingeniería y ciencias Novena edición. Mexico: PEARSON EDUCACIÓN. Capitulo 5 pag 157-164 Problema 3.- RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE. (2012). Probabilidad y estadística para ingeniería y ciencias Novena edición. Mexico: PEARSON EDUCACIÓN. Pag 1- 30
Compartir