TALLER UNIDAD UNO

ESTADISTICA INFERENCIAL

FUNDACIÓN UNIVERSITARIA LOS LIBERTADORES

ADMINISTRACIÓN DE EMPRESAS
BOGOTÁ
2018
 TALLER DE LA UNIDAD 1
1. Distribución normal (área bajo la curva equivalente al valor de la probabilidad)
Según los datos (masa en gramos de plata como residuo de un proceso artesanal
de joyería)
2,3 5,4 7,3 7,8 4,9 10,2 7,5 4,8 7,2 10,3
12,5 11,8 14,7 15,2 7,8 9,3 7,5 9,2 4,1 5,3
4,5 6,3 12,7 16,8 13,5 2,4 5,7 4,2 5,7 11,8

Como el número de datos es mayor o igual que 30, utilizamos la distribución normal.
Calculamos la media y la desviación estándar poblacional

data=c(2.3, 5.4,7.3,7.8,4.9,10.2,7.5,4.8,7.2,10.3,12.5,11.8,14.7,15.2,7.8,9.3,
7.5,9.2,4.1,5.3,4.5,6.3,12.7,16.8,13.5,2.4,5.7,4.2,5.7,11.8)

TALLER UNIDAD 1
NOMBRE DEL ESTUDIANTE :

media=mean(data)
media
n=length(data)
n
desviación muestral#
desv=sd(data)
desv

desviación de la población#
dsp=sqrt(((n-1)/n)*var(data))
dsp
A. Calcular P (x< 5,3)

pnorm(5.3,media,dsp)

regionX=seq(-4,5.3,0.01)
xP <- c(-4,regionX,5.3)
yP <- c(0,dnorm(regionX,media,dsp),0)
curve(dnorm(x,media,dsp),xlim=c(-4,20),yaxs="i",ylim=c(0,0.2),ylab="f(x)",
main='Densidad N(media,dsp)')
polygon(xP,yP,col="green3")
 B. Calcular P (x> 9,7)

regionX=seq(9.7,20,0.01)
xP <- c(9.7,regionX,20)
yP <- c(0,dnorm(regionX,media,dsp),0)
curve(dnorm(x,media,dsp),xlim=c(-4,20),yaxs="i",ylim=c(0,0.2),ylab="f(x)",
main='Densidad N(media,dsp)')
polygon(xP,yP,col="green3")
 C. Calcular P ( 4,5<x<10,5)
pnorm(10.5,media,dsp)-pnorm(5.3,media,dsp)

regionX=seq(4.5,10.5,0.01)
xP <- c(4.5,regionX,10.5)
yP <- c(0,dnorm(regionX,media,dsp),0)
curve(dnorm(x,media,dsp),xlim=c(-4,20),yaxs="i",ylim=c(0,0.2),ylab="f(x)",
main='Densidad N(media,dsp)')
polygon(xP,yP,col="green3")
 D. Calcular P ( x< 12,5)
pnorm(12.5,media,dsp)

regionX=seq(-4,12.5,0.01)
xP <- c(-4,regionX,12.5)
yP <- c(0,dnorm(regionX,media,dsp),0)
curve(dnorm(x,media,dsp),xlim=c(-4,20),yaxs="i",ylim=c(0,0.2),ylab="f(x)",
main='Densidad N(media,dsp)')
polygon(xP,yP,col="green3")
 E. Calcular P ( x> 3,2)
pnorm(3.2,media,dsp,lower.tail = F)

regionX=seq(3.2,21,0.01)
xP <- c(3.2,regionX,20)
yP <- c(0,dnorm(regionX,media,dsp),0)
curve(dnorm(x,media,dsp),xlim=c(-4,20),yaxs="i",ylim=c(0,0.2),ylab="f(x)",
main='Densidad N(media,dsp)')
polygon(xP,yP,col="green3")
 2. Distribución Chi cuadrado, F

A. Considere una variable aleatoria X con distribución chi cuadrado de 16 grados

de libertad, ¿cuál es la probabilidad de que X sea menor a 32?
pchisq(32, 16)

regionX=seq(0,32,0.01)
xP <- c(0,regionX,32)
yP <- c(0,dchisq(regionX,16,ncp=0,log=F),0)
curve(dchisq(x,16,ncp=0,log=F),xlim=c(0,40),yaxs="i",ylim=c(0,0.2),ylab="f(x)")
polygon(xP,yP,col="green3")

B. Identifique el cuantil y calcule las probabilidades acumuladas a izquierda y

derecha asociadas a X2 8, 0.3
qchisq(0.3, 8, lower.tail = F)

9.524458

A la izquierda
regionX=seq(0,9.524458,0.01)
xP <- c(0,regionX,9.524458)
yP <- c(0,dchisq(regionX,8,ncp=0,log=F),0)
curve(dchisq(x,8,ncp=0,log=F),xlim=c(0,40),yaxs="i",ylim=c(0,0.2),ylab="f(x)")
polygon(xP,yP,col="green3")

probabilidad a la derecha
pchisq(9.524458, 8, lower.tail = F)
regionX=seq(9.524458,40,0.01)
xP <- c(9.524458,regionX,40)
yP <- c(0,dchisq(regionX,8,ncp=0,log=F),0)
curve(dchisq(x,8,ncp=0,log=F),xlim=c(0,40),yaxs="i",ylim=c(0,0.2),ylab="f(x)")
polygon(xP,yP,col="green3")

C. Identifique el cuantil y calcule las probabilidades acumuladas a izquierda y

derecha asociadas a F 16,8, 0.95
qf(0.95,16,8)

3.201634
probabilidad a la izquierda
pf(3.201634,16,8)

regionX=seq(0,3.201634,0.01)
xP <- c(0,regionX,3.201634)
yP <- c(0,df(regionX,16,8,ncp=0,log=F),0)
curve(df(x,16,8,ncp=0,log=F),xlim=c(0,10),yaxs="i",ylim=c(0,0.8),ylab="f(x)")
polygon(xP,yP,col="green3")
probabilidad a la derecha
pf(3.201634,16,8,lower.tail = F)

regionX=seq(3.201634,10,0.01)
xP <- c(3.201634,regionX,10)
yP <- c(0,df(regionX,16,8,ncp=0,log=F),0)
curve(df(x,16,8,ncp=0,log=F),xlim=c(0,10),yaxs="i",ylim=c(0,0.8),ylab="f(x)")
polygon(xP,yP,col="green")

D. Calcule el valor esperado y la varianza de la variable aleatoria X ̴ F1,9

 3. Un fabricante de focos afirma que su producto durará un promedio de 450 horas,
para verificar este promedio una persona selecciona una muestra aleatoria de 20
focos encontrando una media de 410 horas en promedio y una desviación
estándar de 60 horas. Confirme la afirmación del fabricante si el valor de t cae
entre –t0.05 y t0,05 . Asuma la distribución de tiempos aproximadamente normal
glibertad=20-1
glibertad
c25=qt(0.25,glibertad)
c25
-0.6876215
c75=qt(0.75,glibertad)
c75
0.6876215
tc=(xbarra-media)/(s/sqrt(n1))
tc
-2.981424
regionX=seq(-0.6876,0.6876,0.01)
xP <- c(-0.6876,regionX,0.6876)
yP <- c(0,dt(regionX,19,ncp=0,log=FALSE),0)
curve(dt(x,19,ncp=0,log=FALSE),xlim=c(-5,5),yaxs="i",ylim=c(0,0.5),ylab="f(x)")
polygon(xP,yP,col="green3")

como el valor de -2.98 es menor de -0.68 el fabricante no está en lo cierto

4. Como regla el 25% de los productos manufacturados por un torno son defectuosos.
¿Cuál es la probabilidad de que en 20 de estos existan 15 defectuosos?

dbinom(15:15,20,0.25)
3.426496e-06
plot(dbinom(15:15,20,0.25),type="h",xlab="k",ylab="P(X=k)")main="Función de
Probabilidad B(20,0.25)")

5. Un par de dados perfectos se lanzan 40 veces ¿Cuál es la probabilidad de que la

suma de sus caras de un 6 o un 7, y que en estos lanzamientos aparezcan 10
veces o menos?

la probabilidad de 6 o 7 en el lanzamiento de 2 dados es 11/36

pr=11/36
pr
0.3055556

sum(dbinom(0:10,40,p1))

plot(dbinom(0:10,40,p1),type="h",xlab="k",ylab="P(X=k)")