You are on page 1of 10

EJERCICOS

1. Los cinescopios de televisin del fabricante A tienen una duracin media de 6.5 aos y una desviacin tpica de 0.9 aos, mientras que los del fabricante B tienen una vida media de 6 aos con una desviacin tpica de 0.8 aos. Cul es la probabilidad de que una muestra aleatoria de 36 cinescopios del fabricante A tenga una duracin media que sea al menos un ao ms que la duracin media de una muestra de 49 cinescopios del fabricante B? Solucin: > m1=6.5 > d1=0.9 > n1=36 > m2=6 > d2=0.8 > n2=49 > m=m1-m2 > d=sqrt(d1^2/n1+d2^2/n2) > pr=pnorm(1,m,d,lower.tail=F) > pr [1] 0.004007479

2.

La variable aleatoria X que representa el nmero de cerezas en una empanada tiene la siguiente distribucin de probabilidad:

a) Halla la media y la varianza b) Halla la media y la varianza de la media para muestras aleatorias de 36 empanadas de cereza c) Halla la probabilidad de que el numero medio de cerezas en 36 empanadas sea menor que 5.5. Solucin: > x=c(4,5,6,7) > p=c(0.2,0.4,0.3,0.1) > m=sum(x*p)

> v=sum(x^2*p)-m^2 > v2=v/36 > d2=sqrt(v2) > pr=pnorm(5.5,m,d2) > pr [1] 0.9087888 3. La distribucin de alturas de una cierta raza de perros terrier tiene una altura media de 72 centmetros y una desviacin tpica de 10 centmetros, mientras que la distribucin de alturas de una cierta raza poddle tiene una altura media de de 28 centmetros con una desviacin tpica de 5 centmetros. Suponiendo que las medias muestrales pueden medirse con cualquier grado de precisin, halla la probabilidad de que la media muestral para una muestra aleatoria de alturas de 64 terriers exceda la media muestral para una muestra aleatoria de alturas de 100 poodles como mucho en 44.2 centmetros. Solucin: > m1=72 > d1=10 > n1=64 > m2=28 > d2=5 > n2=100 > m=m1-m2 > d=sqrt(d1^2/n1+d2^2/n2) > pr=pnorm(44.2,m,d) > pr [1] 0.5590481

4. La calificacin media para estudiantes de primer ao en una prueba de aptitudes, en cierta universidad es 540, con una desviacin tpica de 50. Cul es la probabilidad de que dos grupos de estudiantes seleccionados aleatoriamente, consistentes en 32 y 50 estudiantes, respectivamente, difiera en sus calificaciones medias por: a) Ms de 20 puntos > m1=540 > d1=50

> n1=32 > m2=540 > d2=50 > n2=50 > m=m1-m2 > d=sqrt(d1^2/n1+d2^2/n2) > pr=2*pnorm(20,m,d,lower.tail=F) > pr [1] 0.07724424 b) Una cantidad entre 5 y 10 puntos. > m1=540 > d1=50 > n1=32 > m2=540 > d2=50 > n2=50 > m=m1-m2 > d=sqrt(d1^2/n1+d2^2/n2) > pr=2*(pnorm(10,m,d)-pnorm(5,m,d)) > pr [1] 0.2816954

5. Supongamos que las medias de Cavendish de la densidad de La Tierra se dividen en dos grupos dependiendo del cable usado en la balanza de torsin:

Considerando entonces dos muestras, la primera formada por las 6 primeras medidas y la segunda por las restantes: a) Calcula un intervalo de confianza del 95% para la diferencia de medias entre ambas muestras. Cargamos R-Comander. En datos/Nuevo conjunto de datos damos un nombre al conjunto de datos que vamos a generar, por ejemplo Ejercicio5.

Welch Two Sample t-test Data: x by grupo t = -0.0422, df = 6.237, p-value = 0.9677 (-0.3007638; 0.2904739) Intervalo de confianza Sample estimates: mean in group 1 5.478333 mean in group 2 5.483478 Medias para cada uno de los dos grupos

b) Qu intervalo de confianza para la diferencia de medias se obtendra si se hiciese la hiptesis de que las dos varianzas poblacionales son iguales? Suponemos la igualdad de varianzas Los resultados son: Two Sample t-test Data: x by grupo t = -0.0533, df = 27, p-value = 0.9579 Alternative hypothesis: true difference in means is not equal to 0.95 percent confidence interval: (-0.2031417; 0.1928519) Intervalo de confianza

Sample estimates: mean in group 1 5.478333 mean in group 2 5.483478 Medias para cada uno de los dos grupos

6. En la tabla siguiente se dan las medidas originales realizadas por James


Short en 1798 para la paralaje del sol (ngulo subtendido por la Tierra visto desde el Sol. Estas medidas permitieron la primera determinacin de la distancia Tierra-Sol:

Calcula el intervalo de confianza del 98% para la media. Solucin:

Los resultados son: One Sample t-test data: t = 43.2663, df = 20, p-value < 2.2e-16 Alternative hypothesis: true mean is not equal to 0.98 percent confidence interval: (8.000221; 8.993113) Intervalos

7. De las 1000 estrellas ms brillantes de la vecindad solar, se toma una


muestra de tamao 100. De ellas 40 presentan manchas en su superficie. Halla el intervalo de confianza para el nmero total de estrellas, de entre esas 1000, que tienen manchas. Usa un nivel de confianza de 0.95. Solucin: Determinaremos el intervalo de confianza para la proporcin. > prop.test(40,100,correct=F,conf.level=0.95) 1-sample proportions test without continuity correction Data: 40 out of 100, null probability 0.5 X-squared = 4, df = 1, p-value = 0.0455 Alternative hypothesis: true p is not equal to 0.5 95 percent confidence interval: (0.3094013; 0.4979974) Sample estimates: p 0.4 El intervalo de confianza para la proporcin es (0.3094013, 0.4979974). El parmetro correct=F es necesario para obtener el intervalo tal y como se calcula en este curso. El nivel de confianza es 0.95. Para 1000 estrellas, el intervalo es (309, 497).

8. Los mtodos para calcular la fuerza y requerimientos de la dureza deben ser


conservadores, de tal forma que deben sobreestimar en vez de subestimar. La tasa de xitos de este mtodo se puede medir con la probabilidad de una sobreestimacin. El artculo Discrete Bracing Analysis for Light-Frame WordTruss Compression Webs presenta los resultados de un experimento que se evalu con un mtodo usual (el mtodo de Plaut) para calcular la fuerza de soporte para una red de soportes de compresin. En una muestra de 380 columnas cortas de prueba (cuatro a seis pies de longitud), el mtodo sobreestim la fuerza para 304 de ellas, y en una muestra de 394 columnas largas de prueba (8 a 10 pies de longitud), el mtodo sobreestim la fuerza

de 360 de ellas. Determina un intervalo de confianza al 95% para la diferencia entre las tasas de xito para columnas largas y columnas cortas. Solucin: > prop.test(c(304,360),c(380,394),correct=F,conf.level=0.95) 2-sample test for equality of proportions without continuity correction data: c(304, 360) out of c(380, 394) X-squared = 20.5127, df = 1, p-value = 5.924e-06 alternative hypothesis: two.sided 95 percent confidence interval: (-0.1625545; -0.0648567) sample estimates: prop 1 prop 2 0.8000000 0.9137056 9. Obtn el histograma de la media de 10 variables aleatorias uniformes en [0,1] a partir de 10000 muestras de tamao 10. Utiliza el nmero de intervalos de la frmula de Scout. Superpn el grfico de la distribucin normal de igual media y desviacin tpica que las medias muestrales. Se puede afirmar que la media de 10 variables aleatorias se ajusta bien a una normal, a pesar de que el tamao de la muestra es pequeo? Solucin: > x<-sapply(1:10000,function(x){mean(runif(10))}) > hist(x,freq=F,breaks="Scott")
Histogram of x

Density

0 0.1

0.2

0.3

0.4 x

0.5

0.6

0.7

0.8

> curve(dunif(x),col="red",add=T) > curve(dnorm(x,0.5,1/(sqrt(12*10))),col="green",add=T)


Histogram of x

Density

0 0.1

0.2

0.3

0.4 x

0.5

0.6

0.7

0.8

Si se afirma. 10. Simula la evolucin de proporcin de caras al tirar una moneda equilibrada. Hazlo con 10000 tiradas. Representa en un grfico la proporcin de caras en funcin del nmero de tiradas y la lnea hacia la que se estabiliza la proporcin. Solucin: > y<-rbinom(10000,1,0.5) > p<-cumsum(x)/(1:10000) > plot(p,type="l")
0.505 p 0.475 0 0.485 0.495

2000

4000 Index

6000

8000

10000

> abline(h=1/2,col="purple")
0.505 p 0.475 0 0.485 0.495

2000

4000 Index

6000

8000

10000

11. Halla el intervalo de confianza bootstrap al 95% de nivel de confianza para


los valores de 6.68, 3.96, 3.55, 5.48, 3.33, 5.23, 3.44 Solucin:

y<-c(6.68,3.96,3.55,5.48,3.33,5.23,3.44) > bs<-sapply(1:10000,function(x){mean(sample(y,rep=T))}) quantile(bs,probs=c(0.25,0.975)) 25% 97.5% 4.217143 5.465714

12. Dadas las dos muestras de dos poblaciones que siguen distribuciones normales

Construye un intervalo de confianza para la diferencia de medias en dos supuestos: a) Para varianzas iguales de las dos poblaciones.

> poblaciones$grupo <- as.factor(poblaciones$var2)

> showData(poblaciones, placement='-20+200', font=getRcmdr('logFont'), maxwidth=80, maxheight=30) > t.test(var1~grupo, var.equal=TRUE, data=poblaciones) Two Sample t-test data: var1 by grupo t = -0.3554, df = 18, p-value = 0.7264 alternative hypothesis: true difference in means is not equal to 0.95 percent confidence interval: (-0.2024497; 0.1438638) sample estimates: mean in group 1 2.588889 mean in group 2 2.618182 alternative='two.sided', conf.level=.95,

b) Para varianzas distintas de las dos poblaciones. > t.test(var1~grupo, alternative='two.sided', conf.level=.95, var.equal=FALSE, data=poblaciones) Welch Two Sample t-test data: var1 by grupo t = -0.358, df = 17.632, p-value = 0.7246 alternative hypothesis: true difference in means is not equal to 0.95 percent confidence interval: (-0.2014728; 0.1428869) sample estimates: mean in group 1 2.588889 mean in group 2 2.618182

13. Determina el intervalo de confianza para la proporcin de objetos con defectos menores que produce una mquina. Se ha estudiado una muestra aleatoria de 1200 objetos y 320 de ellos tenan defectos menores. Solucin: > prop.test(320,1200,correct=F,conf.level=0.95) 1-sample proportions test without continuity correction data: 320 out of 1200, null probability 0.5 X-squared = 261.3333, df = 1, p-value < 2.2e-16

alternative hypothesis: true p is not equal to 0.5 95 percent confidence interval: (0.2424198; 0.2924027) sample estimates: p 0.2666667 14. Determina un intervalo de confianza para la diferencia de proporciones de objetos con defectos menores que producen dos mquinas. Se han estudiado dos muestras aleatorias de 525 y 950 objetos de la primera y segunda mquina, respectivamente. Se hallaron 250 y 300 objetos con defectos menores. Solucin: > prop.test(c(250,300),c(525,950),correct=F,conf.level=0.95) 2-sample test for equality of proportions without continuity correction data: c(250, 300) out of c(525, 950) X-squared = 37.2036, df = 1, p-value = 1.064e-09 alternative hypothesis: two.sided 95 percent confidence interval: (0.1084509; 0.2123511) sample estimates: prop 1 prop 2

0.4761905 0.3157895