Examen de estadistic: 2° curso de ingenieria quimica. 9 de febrero de 2009 Nombre Apellidos L.- Se investiga la temperatura de deflexién bajo carga para dos tipos diferentes de tuberia de plistico. Para ello se toman dos muestras aleatorias anotando las temperaturas de deflexién observadas. Tipol 206 193 192 188 207 210 205 185 194 187 179 178 194 213 205 Tipo 177 176 198 197 185 188 206 200 189 201 197 203 180 192 193 -Caleular para tipo TT (1p) Media 192,13 Varianza 89,12 Maximo 206 Minimo 176 Mediana 193 Meda 7 Primer cuartil 85 Tercer cuartil 200 Rang intercuartilico 15 Percentill 176 PercentilS 75 PercentiliS 180 Percentil90 203 Percentil9S 206 - Presentar los datos en forma de tabla de distribucion de frecuencias ‘Clase Limite inferior Limite superior Marea Frecuencia Frecuencia rel. Frecuencia ac. Frecuencia rel, a. ‘Menor o igual — 170 - 0 0 0 0 1 170 180. 175 3 oD 3 2 2 180 190) 185 3 02 6 04 3 190) 200 195 6 04 12 08) + 200 210 3 0. 15 1 mayor 210 - - o oO 15 I ‘Media = 192,133 desviacion estandar = 9.44054 ~ Dibujar un diagrama de cajas, un diagrama de tallo-hojas y ua histograma. Comentar las graficas 2 17/67 6 18)0589 : (5) 19123778 : 7 19/778 ‘ 4 200136 IIS Diagrama tallo-hojas Histograma Diagrama de cajas Del diagrama de cajas se desprende que los datos son bastante simétricos, muestran ligera asimetria ala izda, También se observa en el histograma esta asimetria - Contrastar la igualdad de varianzas (0.5) S?=127,07 SP = 89,12 fo= 143 RC= {Fo > 248} U {Fo < 0.4} fo ERC. Acepto la igualdad de variay éLos datos apoyan Ia afirmacién de que la temperatura de deflexion para la tuber es menor que Ia de la tuberia 1? (0,5) Ho: m= 12 108,095 wr < jo ty = 0,95 RC ={To <-1,701} Los datos soportan la hipétesis ty > Ho p-valor P(T23<0,95) 0,8 < p-valor< 0,85 ya que P(t2s>0,85)=0,2 y P(T33> 1,05) =0,15Supongamos que si la temperatura de deflexién promedia para la tuberia de tipo 2 es mayor que la de Ja tuberia de tipo I en S°F, entonces seria importante detectarlo con una probabilidad de al menos 0,9. ;Resulta adecuada la seleccién del tamaiio de las muestras? (0,5) No es adecuado el tamano muestral Calcula in intervalo de confianza para la media de la temperatura de deflexion para la tuberia de tipo 1. (0,5) KE tons (VIS t0rs.04 14624 189,49 < 1) 201,97 cError de estimacion cometido? ( 6.24 Qué tamafio de muestra se necesita si se pretende que el estimador de la media difiera de la media poblacional en +0,5 °F? con una confianza del 95%? (0.25) 2338 2.- Supongamos que tres fabricas A. B y C vierten productos al rio Pisnerga en una proporcién 0,4 0,3 0,3. Estos vertidos son t6xicos con probabilidades 0,01 0,05 y 0.1 respectivamente. (0.75) a) Calcular la probabilidad de un vertido téxico al rio Pisuerga. P(téxico) = P(téxico/A)P(4)+ P(téxico/B)P(B)+ P(téxico/C)P(C) = 4.10 49.10% b) Sise detecta um vertido téxico en el rio, calcular la probabilidad de que este provenga de cada una de las tres fabrics. 15.105+30.105 = P(A/téxico)=P(t6xico/)P(A)/P(t6xico) = 4/49 P(Bitéxico)=P(téxico/B)P(B)/P(téxico) = 15/49 P(Citéxico)=P(téxico/C) P(C)/P(téxico) = 30/49 ©) Sise han detectado en el ultimo aiio 10 vertidos téxicos, calcular Ia probabilidad de que 5 sean de A 3de By 2deC. (10 i 's 5 | [ P(Aftéxico])> [P(B/téxico)]* [P(C/téxico])°=9,8.10* Un proceso quimico utiliza un catalizador. El tiempo de duracién del catalizador es una v.a. N (500,250) (0,75p). Calcular P (catalizador funcione mas de 500horas) P(X>500)= P(Z>0)= 0,5 P (catalizador funcione mas de 1000horas)= P(X>1000)=P(Z>2)= 0,0228 P (catalizador funcione mas de 1000horas/ha durado mas de 500)= P(X> 1000/X>S00) = P(X> 1000)/P(X>S00) = 0,04564. - Resolver o acotar (0, 5) P (2,54 < Fiois <3,8)= P (Fio, 15 < 3,8)- P (Fio, 15 < 2,54)= P (0,26 < Fis,10 < 0.39) = P (Fis, 19 < 0.39) - P (Fis, ig < 0,26 P(1,77< Tis <3,85) P (Diz < 3,85)-P (Lis <1,77)=p 0.045 < ps0,0495 P(Z 3) = 0,683 0,683 5.- Contesta brevemente (1p) 1. Coeficiente R cuadrado Cociente entre la variacién explicada por el modelo y la variacién total R-cuadrado aE IT 2. Variacién explicada por la regresion YE=S(3.-39F 3. Hipotesis estadistica Cuaiquier afirmacién sobre una caracteristica de ta poblacién 4, Hipotesis nula La que se supone cierta, ano ser que los datos 1a contradigan 5. Estadistico Vea. funcién de la muestra 6. Region critica En un contraste de hipatesis, subconjunto de R utilizado para hacer el contraste. Si el valor det estadistico cae en la regién critica, se rechaza la hipotesis nula. 7. Nivel de significacion Riesgo que el investigador esté dispuesto a asumir. En porcentaje corresponde al tanto por ciento de las veces que obtendriamos un resultado no viilido. 8, Varianza muestral9. Funeién de densidad de probabilidad Paray.a. continuas .Funci6n positiva verificando J Pixar = 10. Funcién de probabilidad Para v.a. discretas conjunto de valores que toma ta variable con su probabilidad (x, Px) xeRango(X) 11. Espacio muestral Conjunto de todos los posibles resultados de un experimento 12. Sucesos independientes La ocurrencia de uno de ellos, no influye en la ocurrencia del otro P(ANB) = P(A) P(B) > P(A/B)=P(A) > P(B/A)=P(B) 13. formula de Bayes = UA; Ai nnatuamente exchuyente con P(Ai) >0 y sea B el resultado de un experimento con P(B)>0. La probabilidad a posteriori de los sucesos Ai viene dada por la formula Pl,/B)= LBA) DPB! APA) 14, Potencia de un contraste Potencia en un punto de la region critica es la probabilidad de rechazar la hipetesis nula cuando es falsa y toma el valor 6 15. Error de tipo Ten un contraste Es la probabilidad de rechacar la hipstesis cuando es cierta