Professional Documents
Culture Documents
A2 - 1
Estadstica Aplicada con Minitab Habremos generado 60 valores aleatorios procedentes de una distribucin normal con los parmetros indicados.
2.
Mostrar un resumen descriptivo y grfico (histograma + grfico de normalidad) de los datos obtenidos en el apartado anterior mediante simulacin. Seleccionar Stat > Basic Statistics > Display Descriptive Statistics > Graphs :
Descriptive Statistics
Variable SIMULADO Variable SIMULADO N 60 Minimum 58,051 Mean 64,584 Maximum 70,316 Median 64,523 Q1 62,734 TrMean 64,635 Q3 66,640 StDev 2,931 SE Mean 0,378
Frequency
0 60 65 70
SIMULADOS
A2 - 2
Stat
>
Basic
Statistics
>
Probability
SIMULADOS
Av erage: 64,5844 StDev : 2,93060 N: 60
Observar que los puntos se aproximan bastante a la lnea roja, lo cual era de esperar puesto que esto ocurrir siempre que los datos sean aproximables por una distribucin normal (y de hecho estos datos provienen de una normal).
A2 - 3
Estadstica Aplicada con Minitab 3. Hacer lo mismo que en el apartado 2 pero ahora con los datos obtenidos en el campo, los cuales se encuentran en el archivo campo.mtw . Qu podran concluir los alumnos del Dr. Saig?. Repitiendo los pasos anteriores con estos nuevos datos, obtendremos los siguientes resultados:
Descriptive Statistics
Variable Longitud Variable Longitud N 60 Minimum 57,200 Mean 65,357 Maximum 71,300 Median 66,000 Q1 62,425 TrMean 65,402 Q3 68,225 StDev 3,472 SE Mean 0,448
Frequency
5 4 3 2 1 0 60 65 70
Longitud
Probability
Longitud
Av erage: 65,3567 StDev : 3,47155 N: 60
Si bien ahora los puntos se alejan ms que antes de la lnea roja, siguen estando lo suficientemente prximos a la misma como para que consideremos que se distribuyen de forma aproximadamente normal. Parece pues que los dos conjuntos de datos son bastante similares. A2 - 4
A2 - 5
2.
La probabilidad de que la media de la muestra est entre 400 y 410 . Sabemos que P (400 < X < 410) = P ( X < 410) P ( X < 400) probabilidades ya la hemos calculado en el apartado anterior. Para calcular la primera se razona anlogamente, obteniendo que: . La segunda de stas
Por tanto, tendremos: P (400 < X < 410) = P ( X < 410) P ( X < 400) = 0,6222
3. La probabilidad de que la media de la muestra sea mayor de 415 . En este caso, P ( X > 415) = 1 P ( X < 415) . Hemos de calcular pues esta ltima probabilidad, lo cual haremos de forma anloga a los apartados anteriores. Obtendremos lo siguiente:
Seleccionamos nuevamente: Calc > Probability Distributions > Normal , pero ahora elegiremos la opcin Inverse Cumulative Probability , con lo que obtendremos :
A2 - 6
A2 - 7
Data Display
Row 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 C1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 C2 0,000015 0,000244 0,001831 0,008545 0,027771 0,066650 0,122192 0,174561 0,196381 0,174561 0,122192 0,066650 0,027771 0,008545 0,001831 0,000244 0,000015
2.
Introducir en la columna C3 el valor de la funcin de densidad de probabilidad (f.d.p.) asociada a los valores de la C1 para una distribucin normal que aproxime a la binomial anterior. Observar que: = n*p = 8 y 2 = n*p*(1-p) = 4 Hacemos: Calc > Probability Distributions > Normal :
A2 - 8
Actividad 2: La distribucin Normal 3. Dibujar un diagrama de barras con los datos de las columnas C1 (en eje x) y C2 (en eje y). Superpuesto a l, dibujad la funcin de densidad que se obtiene a partir de las columnas C1 (en eje x) y C3 (en eje y). Qu observas?. A fin de superponer ambos grficos, elegimos la opcin: Graph > Layout :
A2 - 9
Para representar los grficos superpuestos basta con hacer: Graph > End Layout :
C2 y C3
0,0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
C1
A partir del grfico anterior se comprende mejor el hecho de que podemos aproximar la probabilidad de que una variable binomial tome un determinado valor mediante la f.d.p. de una distribucin normal. As, p.e., podemos estimar P(X = 7) (rea en azul) por P(6,5 < X < 7,5) (rea comprendida entre la curva roja y ambos puntos). En el primer caso estamos considerando que la variable X es binomial, mientras que en el segundo consideramos que es normal (y por tanto hacemos uso de la aproximacin por continuidad, puesto que para cualquier variable continua la probabilidad puntual es cero).
A2 - 10