UNIVERSIDAD TECNOLGICA EQUINOCCIAL

NOMBRE: Alan Pillajo

CURSO: 4-A

CARRERA: INGENIERIA AUTOMOTRIZ

FECHA: 2017-01-12
PROYECTO FINAL DE LA MATERIA PROBABILIDAD Y ESTADISITICA
1.-INTRODUCCIN
Estadstica
La estadstica se remonta a la antigedad pues existen vestigios en china donde uno de
sus emperadores realizo un censo a su poblacin, esta aplicacin ha ido dando pasos
muy grandes a travs del tiempo ya que con el apoyo de investigadores que se han
dedicado a perfeccionar mtodos estadsticos han ido recogiendo informacin que hace
que cada vez sean los resultados ms exactos y as disminuyendo el margen de error.
Estadstica: Se refiere a un mtodo que recolecta datos analiza y da una descripcin
numrica de la informacin
En nuestra vida diaria utilizamos la estadstica ya sea en diversos fenmenos de orden
econmico, poltico, educacional, etc.
La funcin principal de la estadstica es suministrar informacin por ejemplo en algn
control realizado de una pieza automotriz sobre dureza, resistencia y duracin, y que por
lo general las piezas se desgastan
Probabilidad
El origen de la probabilidad se remonta al siglo XVII cuando un jugador de juegos de azar
concoido como el caballero de Mer, tuvo que consultar a Blas Pascal y a Pierre de
Fermat ya que l pens que descubri una tctica para ganar en los dados pero un da
comenz a perder, as inicindose poco a poco una ciencia que da pasos gigantescos
cada da.
El concepto de probabilidad se lo expresa como un grado de creencia que uno tiene de la
ocurrencia de un suceso, en la actualidad la probabilidad con la estadstica tienen una
infinidad de aplicaciones a problemas de economa y ciencias sociales, de la misma
manera a las ciencias fsicas, industria, comercio y gobierno, con la observacin de que
en cada uno de ellos tendr sus requisitos particulares.

2.-OBJETIVOS

2.1Generales
- Aplicar los principales mtodos estadsticos para el anlisis de datos, as como de
comprender los conceptos matemticos necesarios para la aplicacin correcta de dichos
mtodos
- Planear y plantear ejercicios e identificar modelos estadsticos apropiados para los
problemas propios de su rea
2.2Especficos
- Proponer soluciones a problemas previamente identificados, cuya utilidad ha sido
demostrada en el campo automotriz
-Desarrollar habilidades para poder resolver problemas en el campo de la ingeniera
basado en la probabilidad y estadstica
3.-METODOLOGIA
3.1 Distribucin Normal
3.1.2 Teora de muestreo.
El muestreo es una herramienta de la investigacin cientfica, su funcin bsica es
determinar que parte de una poblacin debe examinarse, con la finalidad de hacer
inferencias sobre dicha poblacin.
Existen tres tipos de muestreo: Muestreo probabilstico, Muestreo aleatorio simple,
Muestreo aleatorio sistemtico
Para nosotros poder hacer los clculos de muestreo necesitaremos de la poblacin y
cantidades como: la media de la muestra y la varianza de la muestra
Poblacin: la totalidad de las observaciones en las que estamos interesados.
Donde el nmero de observaciones se define como el tamao de la poblacin
Muestra: es un subconjunto de una poblacin
Ejercicio
Un fabricante de cierto tipo de mquina grande desea comprar remaches de uno de dos
fabricantes. Es importante que la resistencia a la rotura de cada remache exceda 10,000
psi. Dos fabricantes (A y B) ofrecen este tipo de remache y ambos tienen remaches cuya
resistencia a la rotura est distribuida de forma normal. Las resistencias a la rotura medias
para los fabricantes (A y B) son 14,000 y 13,000 psi, respectivamente. Las desviaciones
estndar son 2000 y 1000 psi, respectivamente. Cul fabricante producir, en promedio,
el menor nmero de remaches defectuosos?
Datos

Para el fabricante A

Para el fabricante A

X=10000

X=10000

u=14000

u=13000

o=2000

o=1000

Fabricante A

X U

=
P 10,000)= (

Z
(

10,00014,000
=Z 2 =0,9772
2000

97.72%
Fabricante B

P 10,000)=

X U
=

10,00013,000
=(Z 3)=0,9987
1000

98.87%
El fabricante B producir el menor nmero de remaches defectuosos

Fabricante A

Fabricante B

3.1.3 (Intervalos de confianza)

Definicin
Se habla con frecuencia de lmites de probabilidad, siendo dos valores (superior e inferior)
asignados a un valor estimado, con el objeto de establecer el intervalo dentro del cual se
supone est comprendido el valor verdadero (parmetro) conforme a algn valor de
carcter probabilstico, generalmente denominado nivel de confianzaINTERVALOS DE
CONFIANZA
PARA
LA
MEDIA
DE
UNA
POBLACION
se puede decir que para una poblacin media u y una desviacin se podran tomar
varias muestras de n elementos
Para cada muestra existir su media y se la puede expresar mediante esta expresin

Ejercicio
En una muestra de 60 observaciones, la media es 35 y la desviacin estndar, 4.2.
Obtenga los intervalos de confianza entre los cuales debe encontrarse la media
poblacional, con una probabilidad del 95%
Datos
N=60

Z
u= X

o
n1
1,96 4,2
u=35
60

X =35

u=35 1,062=

O=4,2

33,062
{33,938
33,062
{33,938

p=0,95 /2=0,4750

estandarizando

Para 0,4750 en la tabla normal Z=1,96

3.1.4 (INTERVALO DE CONFIANZA PARA LA MEDIA)
La distribucin muestral de

X est centrada en y en la mayora de las

aplicaciones la varianza es ms pequea que la de cualesquiera otros

estimadores de . As, la media muestral

se utilizar como una estimacin

puntual para la media de la poblacin . Recuerde que = 2/n, por lo que una
muestra grande dar un valor de

que provenga de una distribucin

muestral con varianza pequea. De aqu que

es probablemente una

estimacin muy precisa

Consideremos ahora la
de . Si nuestra muestra
una poblacin normal o, a
suficientemente grande,
intervalo de confianza
distribucin muestral de

de cuando n es grande.
estimacin por intervalo
se selecciona a partir de
falta de sta, si n es
podemos establecer un
para al considerar la

X .

Ejemplo
El gobierno otorga fondos para los departamentos de agricultura de 9
universidades para probar las capacidades de rendimiento de dos nuevas
variedades de trigo. Cada variedad se siembra en parcelas de rea igual en
cada universidad y el rendimiento, en kilogramos por parcela, se registra como
sigue:

Encuentre un intervalo de confianza de 95% para la diferencia media entre los

rendimientos de las dos variedades, suponiendo que las diferencias de
rendimiento se distribuyen de forma aproximadamente normal
Datos

n=9
2.778 3.518

d t

Sd
n

2.778 2.306

4.5765
=
9

d
Sd

= 2.778

0.74 < D < 6.30

= 4.5765

Con t0.025 = 2.306

3.1.5 (INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE UNA
DISTRIBUCIN NORMAL)
Para la estimacin de un intervalo de confianza sobre la diferencia entre dos medias,
necesitamos considerar las condiciones experimentales del proceso de recoleccin de
datos. Se supone que tenemos dos muestras aleatorias independientes de distribuciones
con medias 1 y 2, respectivamente. Es importante que las condiciones experimentales
simulen este ideal descrito por las suposiciones tan cerca como sea posible. Muy a
menudo el experimentador debera planear la estrategia del experimento en
consecuencia. Para casi cualquier estudio de este tipo, hay una llamada unidad
experimental, que es la parte del experimento que produce el error experimental y que es
responsable de la varianza de la poblacin que denominamos 2.

Ejemplo
Una muestra aleatoria de tamao n1 = 25 que se toma de una poblacin normal con una
desviacin estndar 1 = 5 tiene una media (1) = 80. Una segunda muestra aleatoria de
tamao n2 = 36, que se toma de una poblacin normal diferente con una desviacin

estndar 2 = 3, tiene una media (2) = 75. Encuentre un intervalo de confianza de 94%
para 1 2.
Datos
n1 = 25
n2 = 36

X 1 = 80,
X 2 = = 75,

( 8075 )1,88

25 9
25 9
+ < 1 2< ( 8075 ) +1,88
+
25 36
25 36

1 = 5

2,9< 1 2< 7.1

2 = 3
94%
z0.03 = 1.88.

Cuando Z=0,03 ver en la tabla y el valor de la tabla es 1.88

3.1.6DISTRIBUCION MUESTRAL DE DIFERENCIA DE PROPORCIONES
Una distribucin maestral de las medias es de tipo probabilstico e indica cun probables
son diversas medias de la muestra. La distribucin es una funcin de la media, de la
desviacin estndar de la poblacin y del tamao de la muestra

Z=

( P1 P 2) (P 1P2)

P1 1 P 22
+
n1
n2
q

Ejercicio
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos y que 2
de cada 5 objetos fabricados por la mquina 2 son defectuosos; se toman muestras de
120 objetos de cada mquina:
a. cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
Datos

Z=
P1 = 3/6 = 0.5

a)

( P1 P 2) (P 1P2)

P1 1 P 22
+
n1
n2
q

P2 = 2/5 = 0.4
n1 =

Z=

120

( 0 ,0958 )(0 , 10)

0 ,500 , 50 0 , 400 , 60
+
120
120

objetos

=3 , 06

n2 = 120 objetos
Respuesta: La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 10% a favor de la mquina 2 es de 0.0011.

3.1.7TAMAO DE LA MUESTRA
Hasta ahora, se ha venido considerando el tamao (n) de la muestra conocido,
pero para determinarlo, es necesario identificar los siguientes componentes
Tamao de la poblacin
Margen de error (intervalo de confianza)
Nivel de confianza
La desviacin estndar
Para poder determinar el tamao de la muestra que se va a seleccionar es un paso
importante en cualquier estudio de investigacin de mercados, se debe justificar
convenientemente de acuerdo al planteamiento del problema, la poblacin, los objetivos y el
propsito de la investigacin, para el clculo de la muestra utilizaremos las siguientes formulas

CLCULO DEL TAMAO DE LA MUESTRA DESCONOCIENDO EL TAMAO DE LA

POBLACIN

CLCULO DEL TAMAO DE LA MUESTRA CONOCIENDO EL TAMAO DE LA

POBLACIN

Ejemplo
Se lleva a cabo un estudio para estimar el porcentaje de ciudadanos de una
ciudad que estn a favor de tener su agua fluorada. Qu tan grande se
requiere que sea la muestra si se desea tener al menos una confianza de 95%
de que nuestra estimacin est dentro del 1% del porcentaje real?
Datos

Z 2 = 1,96

e=0,01

segn el Nivel de confianza

n=

Z /2
4 e2

n=

1,96 /2
=9604
4 0,012

3.1.8 (TEORIA DE HIPOTESIS PRUEBAS DE SIGNIFICACIN)

A menudo el problema al que se enfrenta un cientfico o ingeniero no se basa en la
estimacin de un parmetro poblacional ms bien se ocupa en un proceso d decisin que
se base en los datos analizados Los procedimientos que conducen a la aceptacin
o al rechazo de hiptesis estadsticas como stas comprenden un rea
importante de la inferencia estadstica
Esta teora tiene como objeto evaluar suposiciones acerca de los valores
estadsticos de la poblacin o tambin llamados parmetros
Hiptesis estadstica: Afirmacin sobre uno o ms parmetros de una variable aleatoria
Hiptesis nula: se la formula con la finalidad de rechazarla y se denota como

H0

Hiptesis Alterna: simplemente seala la existencia de un hecho, o la relacin entre 2

mas fenmenos, se denota por

H1

Errores Tipo I Y II
Errores tipo I: Es la probabilidad de rechazar la hiptesis nula cuando

H 0 es cierta, se

lo denota por la letra

Error Tipo II: Es la probabilidad de aceptar la hiptesis nula cuando

H 0 es falsa, se lo

denota por la letra

Prueba de hiptesis de la media

Sea X una muestra aleatoria, tomada de una poblacin N (,2), donde 2 es conocida.
Existen tres tipos de contraste

Ejemplo
Un inspector de calidad investiga las acusaciones contra una embotelladora por su
deficiente llenado que debe ser, en promedio, de 32,5 onzas. Para ello toma una muestra
de 60 botellas, encontrando que el contenido medio es de 31,9 onzas de lquido. Se sabe
que la maquina embotelladora debe producir un llenado con una desviacin tpica de 3,6
onzas. Puede el inspector llegar a la conclusin, a un nivel de significacin del 5% que
se estn llenando las botellas por debajo de su especificacin de contenido?

Datos

Z=

=32,5

=3,6

a)

{HH ==32,5
32,5
0

31,932,5
=1,29
3,6 / 60
H 0= 32,5
H 1= 32,5

 5 =0,05

n=60

X =31,9

Ya que el -1,29 se sita en la zona de aceptacin, es vlida la hiptesis nula, lo

que significa que el inspector no debe llegar a la conclusin de que se est
llenando y vendiendo un producto por debajo de su especificacin, al nivel del
5%
3.1.9 (PRUEBA DE HIPOTESIS PARA UNA PROPORCION9
Sea

X 1 , X 2 , . , X n

, una muestra aleatoria de tamao n extrada de una

poblacin B (1, p) de parmetro p donde:

EJEMPLO
En una encuesta se pregunt sobre los hbitos de lectura, utilizando una
muestra aleatoria de 35 seoras que trabajan y otra muestra independiente de
325 que no lo hacen. En el primer caso, 105 manifestaron que estaban
suscritas a cierto tipo de revista. En el segundo, La respuesta fue de 130 que
no estaban suscritas ni mostraban inters por ninguna revista, argumentando
la falta de tiempo. Al nivel del 1%, se podr afirmar que las seoras que
trabajan leen menos que las seoras que no trabajan?
Datos
P1=105/350=0,30

Formula

P2=130/325=0, 40
= 0, 01

Z=

Z=

P 1P 2
P 11 P2 2
+
n1
n2

0, 300,40
=2,73
( o , 3 ) (0 , 7) ( 0 , 4 ) (0 , 6)
+
350
325

Al nivel del 1%, si se puede afirmar que las seoras que trabajan leen menos, que las que
no trabajan
3.1.10 (DISTRIBUCION T)
Nos sirve para modelar fenmenos que nos rodea en nuestra vida
Se construye la relacin entre 2 variables
De acuerdo al teorema del lmite central, la distribucin muestral de una estadstica (como
la media de la muestra) seguir una distribucin normal, el tamao de la muestra debe ser
suficientemente grande.
Sin embargo, muchas veces los tamaos de las muestras son muy pequeos y
frecuentemente no conocemos la desviacin estndar de la poblacin. Cuando estos
problemas ocurren, en estadstica se recurre a la distribucin T o de student sus valores
estn dados por:

Cuando n30 se considera una muestra pequea, la desviacin tpica se simboliza por S

Tambin se la puede expresar como:

Su funcin es:

Ejemplo
Una inspectora de calidad, Investiga las acusaciones contra una fbrica de cerveza,
porque no llena bien sus envases, afirmando que contienen 35 onzas de liquido. Se
muestrearon 28 latas de cerveza, encontrando un contenido medio de 33,2 onzas, con
una desviacin estndar de 2,2 onzas Debe la inspectora llegar a la conclusin, al nivel
del 5% que se est exagerando su contenido?
Datos
=28

1)

=35

X =33,2

S =2,2

{HH ==3355
0

2) = 0,05

S= s

n
28
=2,2
=2,24
n1
27

v =28-1=27

33.235
X =
=4,25
s /n 2,24 /28
t=

La respuesta es: al nivel del 5%, el inspector si puede llegar a la conclusin de que se
est exagerando el llenado
4.-RESULTADO
-Se llev un buen registro de datos estadsticos permitindonos as conocer de mejor
manera el problema, cuando nosotros conocemos la realidad de nuestras reas
afectadas; es ms fcil dar soluciones.
5.-CONCLUSIONES
-La estadstica nos permite realizar estudios reales, con poblaciones exactas; lo cual nos
ayuda a mejorar nuestros proyectos.
-Este trabajo evidencia todos y cada uno de los temas vistos dentro del plan semestral del
programa ingeniera automotriz lo aqu presentado permiti desarrollar el sentido de
localizacin de cada uno de los estudiantes pues fijo datos reales a temas tericos.
6.-BIBLIOGRAFIA
-Walpole, R. Myers, R. Myers, S. Ye, K. (2012). Probabilidad y Estadstica para
Ingeniera y Ciencias. Novena edicin, PEARSON Prentice Hall, (Mxico).
-Galindo E. (2010). Estadstica mtodos y aplicaciones. Segunda edicin.
Prociencia Editores, Ecuador.
Educatina.
(2016).
Educatina.
Obtenido
http://www.educatina.com/probabilidad-yestadistica/ejercicios
Slideshare.
t-de-student

de

(2017).slideshare.Obtenido de http://es.slideshare.net/eraperez/distribucion-