Probabilidad I

Integrante 1: Laura Katerine Munevar Ortiz
Integrante 2: Juan Pablo Medina Flechas
Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Laura Katerine Munevar Ortiz
201414269
05
Juan Pablo Medina Flechas
201414269
01

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Punto 1. Intervalos de Confianza

a. Realice un intervalo de confianza del 90% para la media del consumo de combustible de
ambos modelos de camiones.
Para realizar el IC para la media conociendo que es una distribucin normal, sin embargo con
varianza poblacional desconocida, realizamos las siguientes observaciones para cada uno de los
modelos de camiones:
SUPUESTOS:
2
1) Variable aleatoria: X~N( i , i
2i desconocidas
2) Parmetros poblacionales
3) Muestra aleatoria:
: X , n, S se pueden calcular a partir de la muestra aleatoria
ESTADSTICO
2
1) Estimador del parmetro :
X ~N( i ,
ni
X
t
S
~ (n 1 )
n i
2) Construccin del estadstico:
CONSTRUCCIN DEL IC PARA EL PARMETRO
IC(1 )100% X t(1 / 2 )

n
X: Consumo de los camiones DH11

= 0,10
S =1 Km/L
n =18
X
t
= 14,3 Km/L
t 0,95
t (0,95 ;17) =1,7396
IC 90 = 14,3
Km
1 Km
L
18
1,7396
IC 90 =[ 13,89 ; 14,71 ]
2

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Y: Consumo de los camiones F15

= 0,10
S =1,5 Km/L
n =12
= 14 Km/L
t 0,95
t (0,95 ;11) =1,7959
Km
IC 90 = 14
1,4 Km
L
12
1,7959
IC 90 =[ 13,27 ; 14,72 ]
b. Realice un intervalo de confianza del 98% para la desviacin estndar del consumo de
combustible de ambos modelos de camiones.
Para realizar el IC para la desviacin estndar, lo que hacemos es la estimacin de la varianza
poblacional, posteriormente con la relacin directa de la variacin con la desviacin sacamos la raz
cuadrada de la varianza. Realizamos las siguientes observaciones para cada uno de los modelos de
camiones:
SUPUESTOS:
2
1) Variable aleatoria: X~N( i , i
2i desconocidas
: X , n, S se pueden calcular a partir de la muestra aleatoria
ESTADSTICO:
S2
( n 1) ~ (2n 1)
2
CONSTRUCCIN DEL IC PARA EL PARMETRO
S 2 (n 1) S 2 (n 1)
;
( / 2 )
(1 / 2 )
IC(1 )100%
X: Consumo de los camiones DH11
= 0,02

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
S =1 Km/L
n =18
X2
X 20,99
X 2(0,99;17 ) =33,4087
2
X
2
X 0,01
X 20,01 ;17 = 6,41
IC 98 =
Km 2
Km 2
17 1
17
L
L
;
33,4087
6,41
IC 98 =[ 0,51 ; 2,65 ]
El intervalo de confianza para el consumo de los camiones DH11 que nos piden ser:
IC 98 =[ 0,71 ; 1,63 ]
Y: Consumo de los camiones F15
= 0,02
S =1,5 Km/L
n =12
2
1
X 20,99
X 2(0,99;11) =24,72
X 2
2
X 0,01
X 0,01 ;11 = 3,05
IC 98 =
1,5
Km 2
Km 2
11 1,5
11
L
L
;
24,72
3,05
IC 98 =[ 1,001 ; 8,105 ]
El intervalo de confianza del consumo de los camiones F15 que nos piden ser:

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
IC 98 =[ 1 ; 2,85 ]
c. La compaa est interesada en conocer si existe alguna diferencia significativa entre la

varianza del consumo de combustible de los dos modelos de camiones. Realice un intervalo de
confianza del 95% para la razn de las varianzas ( 2 2). Explique cul es la importancia
de esta prueba en el desarrollo del literal d, y determine si la varianza del consumo de
combustible es igual para los dos modelos de camin, DH11 y F15.
Para realizar el intervalo de confianza para la razn de las varianzas, realizamos las siguientes
observaciones:
SUPUESTOS:
2
2
1) Variables aleatorias: X~N( x , x , Y~N( y , y
2x , 2y desconocidas
: X ,
nx , n y , Sx , S y , Y
se pueden calcular a partir de la
muestra aleatoria
ESTADSTICO:
S 22 12
S 12 22
~ F( n2 1,n1 1)
CONSTRUCCIN DEL IC PARA EL PARMETRO (
IC(1 )100%
S 1=S x =1
S12
S12
2 F( / 2 ) ; 2 F(1 / 2 )
S2
S2
Km
L
S 2=S y =1,5
x / y )
Km
L
= 0,05
F0,025 ;11;17 =0,3484

F0,975 ;11;17 =2,81

Cdigo: 201414357
Cdigo: 201414269
Km 2
Km 2
1
1
L
L
IC 95 =
0,3484 ;
2,81
2
2
Km
Km
1,5
1,5
L
L
Seccin: 05
Seccin: 01
IC 95 =[ 0, 135 ; 1,2 7 5 ]
Se puede observar que el valor de uno se encuentra dentro del intervalo por lo tanto no se puede realizar
ninguna conclusin con una significancia del 5%, no se puede determinar que el combustible DH11 es igual al
F15. Para el literal d, sabemos que es posible que no sean iguales o iguales.
d. Realice un intervalo de confianza del 99% para la diferencia de las medias de consumo de
combustible de los dos modelos ( ). Para esto, tenga en cuenta la conclusin del literal
anterior acerca de las varianzas de ambas poblaciones. Son iguales las medias del consumo de
los dos modelos de camiones?
Para realizar el intervalo de confianza para la diferencia de las medias de consumo de combustible
para los dos modelos, realizamos las siguientes observaciones:
ESTADSTICO:
X 1 X 2 1 2
~ t( n1 n2 2)
1 1
Sp
n1 n2
Sp
S12 (n1 1) S 22 (n2 1)

n1 n2 2
CONSTRUCCIN DEL INTERVALO DE CONFIANZA PARA EL PRAMETRO (
12
1 1
IC(1 )100% X 1 X 2 t(1 / 2 ) Sp

n1 n2
1=x
2=y
14
Km
L
S x =1
Km
L
14,3
Km
L

S y =1,5
Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Km
L
n x =18
n y =12
= 0,01
t 0,995
t (0,995; 28) =2,7633
( 14,3LKm )
14 Km
11 )/28
( 217 +(
L )
2
Sp=
Sp =1,2211
IC 99 = 14,3
Km
Km
1 1
14
2,76331,2211
+
L
L
18 12
IC 95 =[ 0,9576 ; 1,55751 ]
Se puede observar que el intervalo contiene el valor del cero, por lo tanto con una significancia del 5% no se
puede concluir que el promedio del consumo de los camiones es el mismo.
Para complementar el anlisis anterior, se desea conocer la proporcin de camiones de cada modelo
que presentan un rendimiento mayor a los 14.6 km/l, que corresponde al rendimiento mnimo que
espera la compaa. Segn los representantes de Dino Hutro, de una muestra aleatoria de 65
camiones DH11, 48 presentaron un consumo de combustible mayor al establecido por la empresa.
Por otro lado, la gerencia de Futn asegur que, de una muestra aleatoria de 77 camiones F15, 45
superaban dicha meta de consumo. Teniendo en cuenta lo anterior, responda los siguientes literales:
e. Realice un intervalo de confianza del 90% para la proporcin de camiones DH11 que
presentan un consumo mayor a 14.6 kilmetros por litro.
Teniendo en cuenta que la muestra es mayor a 30 datos, por el teorema de lmite central se puede
2
i
decir que el estudio converge a una normal: N( i , n
i
^ x Z 95
IC 90 ( px )= P
^ xq^ x
P
nx
7

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
48
^
Px =
65
^
Px =0.74
q^ x =
17
65
q^ x =0.26
Z 95 =1,645
n x =65
IC 90 = 0,74 1,645
0,740,26
65
IC 90 =[ 0,65 ; 0,83 ]
f. Realice un intervalo de confianza del 90% para la proporcin de camiones F15 que presentan
un consumo inferior a 14.6 km/l.
^ ^
^ y Z 95 P y q y
IC 90 ( px )= P
ny
32
^
P y=
77
^
P y =0.42
q^ y =
45
77
q^ y =0.58
Z 95 =1,645
8

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
n y =77
IC 90 = 0,42 1,645
0,420,58
77
IC 90 =[ 0,33 ; 0,51 ]
g. Qu puede concluir acerca de los intervalos de confianza realizados en los literales e y f?

Son comparables estos intervalos de confianza?
Con una confiabilidad del 90%, la proporcin de rendimiento de los camiones DH11 que presentan
un consumo de combustible mayor al 14,6 Km/L estar entre 0,65 y 0,83. Por otra parte, con una
confiabilidad del 90%, la proporcin de camiones F15 que presentan consumo inferior a 14,6 Km/L
estar entre 0,33 y 0,51. No son comparables estos intervalos de confianza, ya que uno menciona el
consumo inferior de los F15 y el otro el consumo superior de los DH11, por tanto estn en
proporciones diferentes, no comparables.
h. Realice un intervalo de confianza del 92% para la diferencia de las proporciones en el
consumo de combustible entre los dos modelos de camiones para un consumo mayor a 14.6
kilmetros por litro (11 15). Son iguales estas proporciones entre los dos modelos?
Podra establecer cul de los dos modelos es una mejor opcin para la compaa?
IC (1 )100% p 1 p 2 z(1 / 2 )
X=1
Y=2
48
^
Px =
65
^
Px =0.74
q^ x =
17
65
q^ x =0.26
n x =65
9
p 1 (1 p 1 ) p 2 (1 p 2 )
n1
n2

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
45
^
P y=
77
^
P y =0. 58
q^ y =
32
77
q^ y =0. 42
Z 96 =1,75
n y =77
IC 92 = 0,740,26 1,75
0,740,26 0,420,58
+
65
77
IC 90 =[ 0, 0172 ; 0,291 ]
Dado que el calor del cero no se encuentra dentro del intervalo de confianza, se puede
concluir que con una confiabilidad del 92%, las proporciones del consumo de gasolina
entre las dos marcas de camiones para un consumo mayor a 14,6 Km/L son diferentes.
Punto 2. Error Tipo I y Error Tipo II

El ingeniero est considerando dos criterios de rechazo para evaluar este nuevo sistema y poder
concluir si es el adecuado para el nuevo prototipo:
Criterio 1: Rechazar Ho si 59.5
Criterio 2: Rechazar Ho si 59 .
Con base en la informacin anterior, responda los siguientes literales:
a. Especifique las hiptesis nula y alterna, el mejor estimador para el parmetro, y el estadstico
de prueba que se debe utilizar.
HIPTESIS:
H0: = 60
H1: 60
10

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
ESTIMADOR PARA EL PARMETRO:
52
~N(, 200
ESTADSTICO DE PRUEBA:
~ N(0,1)
1
2
b. Calcule el Error Tipo I, el Error Tipo II y la Potencia para la prueba planteada en el Criterio
1. Asuma H1: = 58.5
= P(Rechazar H0|H0 verdadera) = P( X 59,5=60
( 59,560 )
=
5
P( Z < -1,414) = 1 P(Z < 1,414) = 0,0793
200
= P(No rechazar H0|H0 falsa) = P( X >59,5=58,5
1- P
( 59,558,5 )
=1
5
P( Z < 2,83) = 1 0,9977 = 0,0023
200
Potencia = 1- = 1-0,0023 = 0,9977
c. Calcule el Error Tipo I, el Error Tipo II y la Potencia para la prueba planteada en el Criterio
2. Asuma H1: = 58.5
= P(Rechazar H0|H0 verdadera) = P( X 59=60
( 5960 )
=
5
P( Z < -2,83) = 1 P(Z < 2,83) = 1- 0,9977 = 0,0023
200
= P(No rechazar H0|H0 falsa) = P( X >59=58,5
11

1- P
Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
( 5958,5 )
=1
5
P( Z < 1,41) = 1 0,9207 = 0,0793
200
Potencia = 1- = 1-0,0793 = 0,9207
d. Si el ingeniero define que el mximo Error Tipo I permitido es de 0.1, cul prueba debera
escoger entre las dos alternativas?
Al observar el error permitido en cada prueba se observa que las dos cumplen con el criterio de
error tipo I siendo dichas menores que uno, por lo tanto se debe observar la potencia y escoger la de
mayor valor, En este caso la prueba ms indicada ser la del criterio 1
e. El ingeniero encargado tom la muestra aleatoria de 200 pruebas y encontr que el promedio
de la distancia de frenado fue de 59.2 metros. Segn esto, se podra asegurar que el nuevo
sistema es adecuado para el prototipo alemn?
Con base en las pruebas realizadas se puede observar que al escoger el criterio uno se est
rechazando la hiptesis nula por tanto es adecuado el nuevo sistema para el prototipo alemn, ya
que la distancia promedio en la que se detendr es inferior a 60 metros.
Punto 3. Pruebas de Hiptesis

a. Previo a la recesin, la empresa consideraba que la Sucursal A tena unas ventas diarias
promedio de 3.9 miles de dlares. Plantee una prueba de hiptesis que le permita evaluar si
actualmente el nivel promedio de ventas es inferior a dicho valor. Para esto no olvide especificar
las hiptesis nula y alterna, el estadstico de prueba, la regin de rechazo y concluir en trminos
del problema. Use un nivel de significancia del 1%.
HIPTESIS:
H0: = 3,9
H1: 3,9
Estadstico prueba E . P=
X
=
S
n
1
2
( 3,73,9 )
1,2
= -0,6 ;
13
Para rechazar la hiptesis nula se debe tener en cuenta que:
t <- t0,99;12
Si se cumple [1] se rechazara la hiptesis nula
t0,99;12 = 2,68
12
E . P t (n1)

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
t (n1)
Segn
la regin crtica, el estadstico de

prueba no cae en la regin de
rechazo, por tanto se concluye
que
no hay evidencia estadstica
suficiente para asegurar que el nivel promedio de ventas de la sucursal A es inferior a 3,9
miles de dlares, con un nivel de confianza del 99%
b. La junta directiva afirm, en su ltimo comit, que la desviacin estndar de la Sucursal B es
superior a 1.6 miles de dlares. Plantee una prueba de hiptesis que le permita evaluar esta
afirmacin. Para este propsito, especifique las hiptesis nula y alterna, el estadstico de prueba,
la regin de rechazo y concluya. Use un nivel de significancia del 10%.
HIPTESIS:
H0:
2 = 2,56
H1:
2,56
Estadstico de prueba (EP) =
X2
prueba
E . P 2( n1 )
Se rechaza la hiptesis nula si
Por tanto
2
0,90 ; 17
X2< X 2
0,90 ; 17
= 24,769
2(181)
13
n
2
( b1) S
=
2
( 171,5 2)
2,56
14,94

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Dado que el estadstico de prueba no cae en la regin de rechazo, se concluye que no hay suficiente
evidencia estadstica para asegurar que la desviacin estndar de la sucursal b es superior a 1,6
miles de dlares.
c. La presidente de la junta directiva sospecha que, en general, no existen diferencias entre las
medias de ventas de ambas sucursales. Plantee una prueba de hiptesis que le permita evaluar
las sospechas del presidente de la junta. Para esto especifique la prueba de hiptesis nula y
alterna, estadstico de prueba, regin de rechazo y concluya. Use un nivel de significancia del 5%
y asuma que ambas sucursales tienen varianzas iguales en sus niveles de ventas. Se podra
llegar a la misma conclusin a partir de un intervalo de confianza? Explique.
HIPTESIS:
H0: A- B = 0
H1: A- B
t prueba =
X Y
=
1 1
Sp
+
na nb
3,73,3
1,38
1 1 = 0,79; E . P t (( n +n 2 ))
+
13 18
a
Para rechazar la hiptesis nula se debe tener en cuenta que:
t <- t0,975;29 t > t0,975;29 [1]

Si se cumple [1] se rechazara la hiptesis nula
t0,975;29 = 2,05
14

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Dado que el estadstico de prueba no cae en la regin de rechazo, se concluye que no hay evidencia
estadstica suficiente para rechazar la hiptesis de que no existe diferencia entre las medias de
ventas de ambas sucursales.
d. La junta directiva est interesada en conocer si el supuesto de varianzas iguales que se asumi
para la prueba de hiptesis realizada en el literal anterior fue adecuado. Para esto, realice una
prueba de hiptesis para la razn entre las varianzas de las ventas generadas por las dos
sucursales ( 2 2). Plantee la prueba especificando las hiptesis nula y alterna, el
estadstico de prueba, la regin de rechazo y concluya en trminos del problema. Use un nivel de
significancia del 5%.
HIPTESIS:
2
H0:
B
2
A
H1:
B
2
A
=1
S 2B 1,5 2
E . P= 2 = 2 =1,56 ; EP F(n 1 ;n 1)
S A 1,2
2
Se rechaza la hiptesis nula si F <F0,025;17;12 F>F0,975;17;12

F0,025;17;12=0,35
F0,975;17;12= 3,13
F(17;12)
Dado que el estadstico de prueba no cae en la regin de rechazo, se concluye que no hay suficiente
evidencia estadstica, para rechazar la hiptesis de que las varianzas de las ventas generales por las
dos sucursales son iguales entre s.
15

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Para complementar el anlisis previo, la junta directiva ahora est interesada en evaluar la
proporcin de das en los que una sucursal genera ms ventas que otra. Del registro de ventas se
obtuvo que de los ltimos 45 das, 30 de estos correspondieron a un mayor volumen de ventas en la
Sucursal A que en la Sucursal B.
e. (5 puntos) La junta especific que, de acuerdo con la experiencia previa, el 60% de las veces
la sucursal que genera mayores ingresos es la Sucursal A. Plantee una prueba de hiptesis que le
permita evaluar esta afirmacin. Para esto especifique la prueba de hiptesis nula y alterna, el
estadstico de prueba, la regin de rechazo y concluya. Use un nivel de significancia del 10%.
HIPTESIS:
H0: pA = 0,6
H1: pA
0,6
E . P=
^ ^
P
Px
p xq x
nx
0,670,6
0,6(10,6)
45
= 0,96;
E . P N (0,1)
Se rechaza la hiptesis nula si |Z| > Z0,90

Z0,90=1,29
Dado que el estadstico de prueba no cae en la regin de rechazo, se concluye que no hay evidencia estadstica
suficiente para asegurar que la proporcin de meses en la sucursal A genera mayores ingresos. Siendo esta
diferente de 0,6 con un nivel de significancia del 10%
f. (5 puntos) Plantee una prueba de hiptesis que le permita evaluar si la proporcin de das en
los que la Sucursal A ha generado mayores ventas que la Sucursal B en los ltimos 45 das, es
mayor que en los 30 das anteriores a estos. Se sabe que en los 30 das anteriores, la Sucursal A
gener mayores ventas que la Sucursal B en 20 de ellos. Para realizar la prueba especifique las
hiptesis nula y alterna, el estadstico de prueba, la regin de rechazo y concluya. Use un nivel
de significancia del 10%.
HIPTESIS:
H0: pA- pB = 0
H1: pA- pB 0
16

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
n
( A+n B )=(10+ 20)/(45+ 30)=0,4
^ =( A+ B)/
P
E . P=
^ ^
P
Px ( px p y )
1 1
^
^
PQ(
+ )
n A nB
0 , 670 , 4
0 ,670 , 33(0 , 022+0 , 033) = 2,45; E . P N (0,1)
Se rechaza la hiptesis nula si Z >Z0,90

Z0,90=1,29
Dado que es estadstico de prueba cae en la regin de rechazo, se concluye que con un nivel de
significancia del 10% se rechaza que las dos proporciones son iguales.
Punto 4. Bondad de Ajuste

En general se plantea que:
T =nmero de minutosque un estudianteuniversitario dedicaa las redes sociales en un da .
T N ( , 2 ) ; =5
M . A ( X )= x1 , x2 , . , x n donde n=50
1
P ( t 1 T i t 2 )= para todaslas 8 clases a establecer
8
Ya que no conocemos los parmetros de la variable aleatoria, y debemos crear 8 clases que sean
equiprobables, emplearemos estimadores para hallar los lmites superiores de cada clase:
^= X ; ^ =S
De la muestra aleatoria presentada tenemos que:

17

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
X =121,36
S=19,3841509
Realizamos una estandarizacin en donde tenemos que,
Z i=
X i X
N ( 0,1)
S
Para hallas cada uno de los lmites de las clases, sabemos que la tabla empieza en el valor mnimo
posible que es 82. Ahora para hallar el lmite superior que permita que la probabilidad sea de 0.125
hallamos el valor de
Z i en tablas de distribucin normal y posteriormente despejamos Xi de la
ecuacin de estandarizacin. As:
P ( Z < z i )=0.125 cuando z i=1.15

1.15=
X i 121.36
X i=99,06145
19.3841509
Para calcular los dems valores de los lmites, la probabilidad se va acumulando de 0.125 en 0.125
hasta llegar al final. Los limites se hallaron con exactitud por medio de la funcin de Excel
=Inv.norm(p;media;desv_estandar).
a. Plantee la prueba de hiptesis.
H 0 : p1 =0,125, p2 =0,125 , p3 =0,125, p 4=0,125, p 5=0,125, p 6=0,125, p7=0,125, p8=0,125

H 1 : Al menos un p i pi
b. Identifique el estadstico de prueba con su distribucin y calclelo.

m
Y (m 1 )=
i=1
( X in pi )
n pi
2(m1 )
18

m=8
i=1
Cdigo: 201414357
Cdigo: 201414269
( X in p i)
n pi
Seccin: 05
Seccin: 01
=5,68
c. Grafique la distribucin del estadstico de prueba, identifique la regin crtica y el punto

crtico. Adicionalmente, ubique el valor del estadstico de prueba.
1 =10,05=0,95
2(m 1 )=
2
(81 )
d. Concluya en trminos del problema.
No existe evidencia estadstica para rechazar la hiptesis de que el tiempo que un estudiante
universitario dedica a las redes sociales en un da se distribuya normalmente.
Punto 5. Regresin Lineal
a. Plantee el modelo de regresin lineal mltiple en trminos de los distintos .
Y :Cantidad de CO2 en el aire (microorganismos /m3).

x 1 : N de fabricas con ms de 20 empleados .
x 2 : N de habitantes (miles) .
x 3 :Velocidad media de viento al ao (millas /hora) .
x 4 :Precipitacin media anual(Litros / pulgada) .
x 5 : N medio de das con lluvia al ao .
Modelo conceptual:
Y = 0 + 1 x 1 + 2 x 2+ 3 x 3+ 4 x 4 + 5 x 5+ e
19

Modelo Estimado:
Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Y^ = ^0 + ^
1 x1 + ^
2 x 2+ ^
3 x 3 + ^
4 x4 + ^
5 x 5
b. Utilice SPSS para encontrar el valor de los parmetros del modelo. Debe colocar un
pantallazo del resultado arrojado por SPSS e indicar por aparte en el informe cules son los
valores correspondientes de cada .
Y^ =19,029+0,072 x 10,047 x 21,728 x3 0,134 x 4 +0,248 x 5

c. Indique si el modelo es globalmente significativo con un = 5%. Debe presentar en el informe
la hiptesis nula, la hiptesis alterna, el estadstico de prueba, la regin de rechazo y la
conclusin sobre la significancia global del modelo a partir de la prueba realizada.
H0:
0=0, 1=0, 2 =0, 3=0, 4 =0, 5 =0

H 1 : Al menos un j 0
20

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Sig=0,000< =0,05
El valor arrojado como significancia por el programa nos indica que este (su rea de probabilidad)
est dentro de la regin de rechazo de Ho (dentro de 0,05) marcada por
, por lo cual:
A partir de la prueba realizada, existe evidencia estadstica para rechazar la hiptesis de que
el modelo planteado no es globalmente significativo (Ho). Al menos un
j 0 .
d. Concluya sobre la significancia global del modelo a partir del P-Value. Justifique claramente
su respuesta.
A partir del P-Value sabemos que el rea bajo la curva a partir del estadstico de prueba es menor al
rea general de rechazo a partir del punto crtico sealado por la significancia.
P ( z >3,99 ) =1P ( z<3,99 )=0

P ( z >1,65 ) =1P ( z<1,65 )=0,05
Pvalue=0,00< =0,05
Por lo anterior, existe evidencia estadstica para rechazar la hiptesis de que el modelo
planteado no es globalmente significativo (Ho). Al menos un
21
j 0 .

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
e. Presente en el informe el valor del P-value de la prueba de significancia individual de cada

y concluya respecto a las variables que son significativas en el modelo para explicar la variable
Contenido de SO2 en el aire. Utilice = 0.05.
Pvalue 1=0,00
Pvalue 2=0,005
Pvalue 3=0,397
Pvalue 4 =0,608
Pvalue 5=0,072
Variable es significativa si PValue< Ya que Rechazo H 0 por lo explicado en literal anterior
H 0 : 1=0
H 0 : 2=0
H 0 : 3=0
H 0 : 4 =0
H 0 : 5=0
H 1: 1 0
H 1: 2 0
H 1 : 3 0
H 1: 4 0
H 1 : 5 0
=0,05
Con 1 : 0,00<0,05 por tanto rechazo H 0 La variable x 1 es significativa

Con 3 : 0,397>0,05 por tanto no rechazo H 0 La variable x3 no es significativa
Con 4 :0,608>0,05 por tanto no rechazo H 0 La variable x 4 no es significativa
Con 5 : 0,072> 0,05 por tanto no rechazo H 0 La variable x 5 no es significativa
.
En elmodelo para explicar la variable Contenido de S O 2 en el aire .
22

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
f. Cmo cambian los P-value de la prueba de significancia individual de cada si ahora se

utiliza una significancia () del 10%? Qu variables son ahora significativas en el modelo para
explicar la variable Contenido de SO2 en el aire?
Variable es significativa si PValue <

Pvalue 1=0,00
Pvalue 2=0,005
Pvalue 3=0,397
Pvalue 4 =0,608
Pvalue 5=0,072
Cambiando el nivel de significancia del 5% al 10 % se pudo determinar que los p-value para cada
B j se mantuvieron constantes.
H 0 : 1=0
H 0 : 2=0
H 0 : 3=0
H 0 : 4 =0
H 0 : 5=0
H 1: 1 0
H 1: 2 0
H 1 : 3 0
H 1: 4 0
H 1 : 5 0
=0,10

Con 3 : 0,397>0,10 por tanto no rechazo H 0 La variable x 3 no es significativa
Con 4 :0,608>0,10 por tanto no rechazo H 0 La variable x 4 no es significativa
23

Cdigo: 201414357
Cdigo: 201414269
Seccin: 05
Seccin: 01
Con 5 : 0,072< 0,10 por tanto rechazo H 0 La variable x 5 es significativa

.
En elmodelo para explicar la variable Contenido de S O 2 en el aire .
24

Probabilidad I

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Probabilidad I

Transféré par

Droits d'auteur :

Formats disponibles

Integrante 1: Laura Katerine Munevar Ortiz

Integrante 2: Juan Pablo Medina Flechas

Laura Katerine Munevar Ortiz

Juan Pablo Medina Flechas

Integrante 1: Laura Katerine Munevar Ortiz

Punto 1. Intervalos de Confianza

: X , n, S se pueden calcular a partir de la muestra aleatoria

1) Estimador del parmetro :

2) Construccin del estadstico:

CONSTRUCCIN DEL IC PARA EL PARMETRO

IC(1 )100% X t(1 / 2 )

X: Consumo de los camiones DH11

t (0,95 ;17) =1,7396

Integrante 1: Laura Katerine Munevar Ortiz

Y: Consumo de los camiones F15

t (0,95 ;11) =1,7959

: X , n, S se pueden calcular a partir de la muestra aleatoria

CONSTRUCCIN DEL IC PARA EL PARMETRO

Integrante 1: Laura Katerine Munevar Ortiz

X 20,01 ;17 = 6,41

X 0,01 ;11 = 3,05

Integrante 1: Laura Katerine Munevar Ortiz

c. La compaa est interesada en conocer si existe alguna diferencia significativa entre la

se pueden calcular a partir de la

CONSTRUCCIN DEL IC PARA EL PARMETRO (

F0,025 ;11;17 =0,3484

Integrante 1: Laura Katerine Munevar Ortiz

S12 (n1 1) S 22 (n2 1)

CONSTRUCCIN DEL INTERVALO DE CONFIANZA PARA EL PRAMETRO (

Integrante 1: Laura Katerine Munevar Ortiz

t (0,995; 28) =2,7633

Integrante 1: Laura Katerine Munevar Ortiz

Integrante 1: Laura Katerine Munevar Ortiz

g. Qu puede concluir acerca de los intervalos de confianza realizados en los literales e y f?

Integrante 1: Laura Katerine Munevar Ortiz

Punto 2. Error Tipo I y Error Tipo II

Integrante 1: Laura Katerine Munevar Ortiz

ESTIMADOR PARA EL PARMETRO:

= P(Rechazar H0|H0 verdadera) = P( X 59,5=60

= P(No rechazar H0|H0 falsa) = P( X >59,5=58,5

Potencia = 1- = 1-0,0023 = 0,9977

= P(Rechazar H0|H0 verdadera) = P( X 59=60

= P(No rechazar H0|H0 falsa) = P( X >59=58,5

Integrante 1: Laura Katerine Munevar Ortiz

Potencia = 1- = 1-0,0793 = 0,9207

Punto 3. Pruebas de Hiptesis

Para rechazar la hiptesis nula se debe tener en cuenta que:

Integrante 1: Laura Katerine Munevar Ortiz

la regin crtica, el estadstico de

Estadstico de prueba (EP) =

Integrante 1: Laura Katerine Munevar Ortiz

Para rechazar la hiptesis nula se debe tener en cuenta que:

t <- t0,975;29 t > t0,975;29 [1]

Integrante 1: Laura Katerine Munevar Ortiz

Se rechaza la hiptesis nula si F <F0,025;17;12 F>F0,975;17;12

Integrante 1: Laura Katerine Munevar Ortiz

Se rechaza la hiptesis nula si |Z| > Z0,90

Integrante 1: Laura Katerine Munevar Ortiz

Se rechaza la hiptesis nula si Z >Z0,90

Punto 4. Bondad de Ajuste

De la muestra aleatoria presentada tenemos que:

Integrante 1: Laura Katerine Munevar Ortiz

Z i en tablas de distribucin normal y posteriormente despejamos Xi de la

ecuacin de estandarizacin. As: