Академический Документы
Профессиональный Документы
Культура Документы
wordpres
s.com/2016/06/estadc3adstica
-y-muestreo-de-ciro-
martc3adnez-b.pdf doceava
edicion
http://www.juntadeandalucia.
es/averroes/centros-
tic/14002996/helvia/aula/archi
vos/repositorio/250/295/html/
estadistica/pmuestras.htm
muchos de canavos
PARCIAL DE ESTADISTICA
𝑋2 𝑢𝑛𝑎 𝑣. 𝑎(8.000.000,1.250.000),
Entonces la variable:
Planteamiento:
Debemos calcular
𝑃 (𝑥 ≤ 748)
central
𝑋̅ − 𝜇𝑋̅ 𝑋̅ − 𝜇
𝑍= =
𝜎𝑋̅ 𝜎/√𝑛
748 − 750
𝑍= = −4
5/√100
𝑃 (𝑥 ≤ 748) = 𝑃 (𝑥 ≤ −4)
𝑃 (𝑥 ≤ −4) = 0.000031671
𝑛 = 25 𝑆 = 0.0152
24𝑆 2 24(0.0152 )
=1−𝑃 ( < )
𝜎2 𝜎2
24𝑆 2
𝑠𝑒𝑎 𝑊 = → 𝑊~𝑋24 2
𝜎2
= 1 − 0.9248 = 0.0752
𝑋̅ − 𝜇
~ 𝑁(0,1)
𝜎/√𝑛
𝑋̅ − 𝜇
𝑡= ~ 𝑡𝑛−1
𝑆/√𝑛
𝜇 = 0.6 𝑚𝑔 𝑛 = 16
𝑋̅ = 0.75 𝑆 = 0.175
0.75
𝑃 ( 𝑋̅ ≥ )
𝜇 = 0.6
𝑋̅ − 𝜇
𝑡=
𝑆/√𝑛
La probabilidad de que
𝑃 (𝑇 ≥ 𝑡0 ) = 𝑃 (𝑡𝑛−1 ≥ 𝑡0 ) =
𝑋̅ − 𝜇
𝑃 ( 𝑡15 ≥ )
𝑆
√𝑛
0.75 − 0.6
= 𝑃 ( 𝑡15 ≥ )
0.175
√16
𝑛 = 200
𝑋~ 𝑣( 𝛼 = 24, 𝐵 = 48)
𝛼 + 𝛽 24 + 48 72
𝐸(𝑥) = = = = 36
2 2 2
𝑋̅ − 𝜇 35 − 𝜇
𝑃(𝑋̅ < 35) = 𝑃 ( < )
𝜎/√𝑛 𝜎/√𝑛
35 − 36
𝑃 (𝑍 < )=
48/200
−1
𝑃 (𝑍 < ) = 𝑝(𝑍 < −2.041)
0.489
Ejercicios propuestos
̅ 𝑋̅) = 0, 𝑟 = 1,2,3, … . 𝑛
𝑐𝑜𝑣(𝑋, −𝑋,
̅ ) − 𝐸(𝑋𝑟 − 𝑋,
= 𝐸 [((𝑋𝑟 − 𝑋, ̅ )(𝑋̅ − 𝐸(𝑋̅)) )]
1
̅ ) = 𝐸(𝑋𝑟 ) − 𝐸(𝑋,
1. 𝐸(𝑋𝑟 − 𝑋, ̅ ) = 𝑋𝑟 − 𝜇
Remplazo
2 3
̅ ) − 𝑋𝑟 + 𝜇 = − 𝑋̅ + 𝜇
2. (𝑋𝑟 − 𝑋,
3. (𝑋̅ − 𝐸(𝑋̅ )) = 𝑋̅ − 𝜇
= −𝜇 + 𝜇 ∗ 𝜇 − 𝜇
=0∗0 →0
̅ 𝑋̅) = 0
→ 𝑐𝑜𝑣(𝑋, −𝑋,
̅̅̅1 − (𝑋
𝑎). 𝐸 (𝑋 ̅̅̅2 )) = 𝜇1 + 𝜇2
̅̅̅1 − (𝑋
𝐸 (𝑋 ̅̅̅2 )) = 𝐸 (𝑋
̅̅̅1 ) − 𝐸 (𝑋
̅̅̅2 )
𝑛 𝑛
1 1
= 𝐸 ( ∑ 𝑋1𝑗 ) − 𝐸 ( ∑ 𝑋2𝑗 )
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
= 𝐸 ( ∑ 𝑋1𝑗 ) − 𝐸 ( ∑ 𝑋2𝑗 )
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
= ( ∑ 𝐸(𝑋1𝑗 )) − ( ∑ 𝐸(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
= ( ∑ 𝜇) − ( ∑ 𝜇)
𝑛 𝑛
𝑖=1 𝑖=1
1 1
𝑛 𝜇1 − 𝑛 𝜇1
𝑛 𝑛
̅̅̅1 − 𝐸(𝑋
𝐸 (𝑋 ̅̅̅2 )) = 𝜇1 + 𝜇2
𝝈𝟏 𝟐 𝝈𝟐 𝟐
̅̅̅̅𝟏 − (𝑿
𝒃) 𝒗𝒂𝒓(𝑿 ̅̅̅̅𝟐 )) = +
𝒏𝟏 𝒏𝟐
̅̅̅1 ) − 𝑣𝑎𝑟(𝑋
= 𝑣𝑎𝑟(𝑋 ̅̅̅2 ) + 2𝑐𝑜𝑣 (𝑋1 , 𝑋2 )
̅̅̅1 ) − 𝑣𝑎𝑟(𝑋
= 𝑣𝑎𝑟(𝑋 ̅̅̅2 ) + 0
𝑛 𝑛
1 1
= 𝑣𝑎𝑟 ( ∑(𝑋1𝑗 )) − 𝑣𝑎𝑟 ( ∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
2
𝑣𝑎𝑟 (∑(𝑋1𝑗 )) − 2 𝑣𝑎𝑟 (∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
2
(𝑣𝑎𝑟 ∑(𝑋1𝑗 )) − 2 (𝑣𝑎𝑟 ∑(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
𝑛 𝑛
1 1
2
(∑ 𝑣𝑎𝑟(𝑋1𝑗 )) − 2 (∑ 𝑣𝑎𝑟(𝑋2𝑗 ))
𝑛 𝑛
𝑖=1 𝑖=1
1 1
∗ 𝑛 ∗ 𝜎1 2 − 2 ∗ 𝑛 ∗ 𝜎2 2
𝑛2 𝑛
𝜎1 2 𝜎2 2
̅̅̅1 − (𝑋
𝑣𝑎𝑟(𝑋 ̅̅̅2 )) = +
𝑛1 𝑛2
𝑛 = 100 𝜇 = 75 𝜎 2 = 256
𝑋̅ − 𝜇
𝑃(𝑋̅ ≤ 83) = 𝑃 (𝑧 ≤ )
√256/100
83 − 75
𝑃(𝑋̅ ≤ 83) = 𝑃 (𝑧 ≤ )
√256/100
67 − 75
𝑃(𝑋̅ ≤ 67) = 𝑃 (𝑧 ≤ )
√256/100
𝑋~ 𝑉(𝛼 = 24 𝛽 = 48)
𝛼+𝛽 24 + 48 72
𝐸(𝑋) = = = = 36
2 2 2
𝑋̅ − 𝜇
𝑃(𝑋̅ < 35) = 𝑃 𝑧 <
√256
( 100)
35 − 36
𝑃(𝑋̅ < 35) = 𝑃 𝑧 <
√256
( 100 )
𝜎1 2 = 12, 𝜎2 2 = 18
𝑆1 2
𝐻𝑎 𝑙𝑙𝑎𝑟 𝑃( > 1.16)
𝑆2 2
𝑆1 2 𝑆1 2 𝜎2 2 𝜎2 2
𝑃( > 1.16) → 𝑃 ( > 1.16 )
𝑆2 2 𝑆2 2 𝜎1 2 𝜎1 2
18
→ 𝑃 (60,30 > 1.16 )
12
18
→ 𝑃 (60,30 > 1.16 )
12
𝑛1 = 10 , 𝑛2 = 15
𝑆1 2
𝐻𝑎 𝑙𝑙𝑎𝑟 𝑃( < 4.03)
𝑆2 2
Solución:
𝑆1 2 𝜎2 2
𝐹= ( ) ( ) =
𝑆2 𝜎1
TEXTO DE NEWBOLD
𝜇 = 92 𝜎 = 3,6 𝑛 = 4
𝑎). 𝑐𝑜𝑚𝑜 𝑋̅ = 𝜇𝑥 → 𝑋̅ = 92
𝜎2 (3.6)2
𝑏). 𝜎𝑋̅ 2 = = = 3.24
𝑛 4
𝜎 3.6
𝑐). 𝜎𝑋̅ = → = 1.8
√𝑛 √4
93 − 92
𝑑). 𝑃(𝑋̅ > 93) = 𝑃 (𝑍 > )
1.8
93−92
= 1 − 𝑃 (𝑍 < )
1.8
= 1 − 0.55
REVISAR
𝜇 = 10 𝜎 = 2 𝑛 = 1
10 − 10
𝑑). 𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
2
= 𝑃(𝑍 < 0)
= 0.5000
𝜇 = 10 𝜎 = 2 𝑛 = 4
10 − 10
𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
1
= 𝑃(𝑍 < 0)
= 0.5000
𝜇 = 10 𝜎 = 2 𝑛 = 16
10 − 10
𝑃(𝑋̅ < 10) = 𝑃 (𝑍 < )
0.5
= 𝑃(𝑍 < 0)
= 0.5000
2500
𝜎𝑋̅ = = 2.500
√100
110.000 − 115000
𝑃(𝑋̅ < 110.000) = 𝑃 (𝑍 < )
2500
117000 − 115000
= 𝑃(𝑋̅ ≤ 117000) = 𝑃 (𝑍 ≤ )
2500
116000 − 115000
= 𝑃(𝑋̅ ≤ 116000) = 𝑃 (𝑍 ≤ )
2500
114000 − 115000
= 𝑃(𝑋̅ ≤ 114000) = 𝑃 (𝑍 ≤ )
2500
𝜎 60
𝒂). 𝝈𝑿̅ = = = 20
√𝑛 √9
270 − 280
𝑏). 𝑃(𝑋̅ < 270) = 𝑃 (𝑧 < )
20
𝑑). 𝜇 = 280 𝜎 = 40 𝑛 = 9
𝜎 40
𝝈𝑿̅ = = = 13.33
√𝑛 √9
205 − 200
𝑃( 𝑋̅ ≤ 205) = 𝑃 (𝑍 ≤ )
3
𝑃( 𝑋̅ ≤ 205) = 0.9515
195 − 200
𝑃( 𝑋̅ ≤ 195) = 𝑃 (𝑍 ≤ )
3
𝑃( 𝑋̅ ≤ 205) = 0.0485
205 − 200
𝑃( 𝑋̅ ≤ 205) = 𝑃 (𝑍 ≤ )
3√2
195 − 200
𝑃( 𝑋̅ ≤ 195) = 𝑃 (𝑍 ≤ )
3√2
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛
a). error estándar
√𝑛
40
=4
√100
c)
diferencia = media muestral - media
poblacional
d). 0.4532
8
𝜎 = 8 𝑛 = 4 𝜇 =? 𝜎𝑋̅ = =4
√4
𝜇+2−𝜇 2
̅̅̅ − 𝜇) > 2) = 𝑃(𝑍 >
𝑃 ((𝑋 = 𝑃 (𝑍 > )
4 4
2
= 1 − 𝑃 (𝑍 < ) = 1 − 0.6915
4
= 0.3085
𝜇−3−𝜇 −3
𝑃(𝑋̅ < 𝜇 − 3) = 𝑃(𝑍 < = 𝑃 (𝑍 < )
4 4
−3
= 1 − 𝑃 (𝑍 < ) = 1 − 0.7734
4
= 0.2266
−4
𝑐). 𝑃 (𝑍 < )
4
= 0.3174
Escriba aquí la ecuación.
3.
Datos:
Y= Total de ventas
Y =𝑿𝟏 + 𝑿𝟐 + 𝑿𝟑
Y se distribuirá como una distribución normal con
𝑁(35.000; 6164,41)
Media(Y) = ̅̅̅̅
𝑿𝟏 + ̅̅̅̅
𝑿𝟐 + ̅̅̅̅
𝑿𝟑
̅̅̅
𝑋𝑌 = 8000+15000+12000 = 35000
𝜎𝑌 = √38000000 = 6164.4140
Debemos calcular
P(Y > 50000)
𝑌−𝜇
𝑍=
𝜎
50.000 − 35.000
𝑌 = 50.000 → 𝑍 = = 2.4333
6164.4140
Por lo tanto
P(Y>50000) = 0.0075
𝑛 = 100
Como n es mayor que 30, podemos aplicar el teorema
central del límite y tenemos que la v.a se puede
aproximar por una normal
𝜎
̅̅̅̅ → 𝑁 (𝜇;
𝑋 )
√𝑛
Por tanto
125
̅𝑋̅̅̅ → 𝑁 (1000, ) = 𝑁(1000,12,5)
√100
Luego
a) P(985< <1015)=0,885-0,115=0,77.
b) P(960< <1040)=0,999-0,001=0,998
c) P( >1020)=0,055
d) P( <975)=0,023
Solución
80
̅̅̅̅ → 𝑁 (1.000;
𝑋 ) = 𝑁(1000; 10)
√64
5
𝑋̅ → 𝑁 ( 750; ) = 𝑁( 750; 0.5)
√100
25
𝑋̅ → 𝑁 ( 𝜇;
√50
𝑋̿ − 𝜇 250 − 𝜇
𝑃 ( > ) = 0.95
25/√50 25/√50
𝑋̅ − 𝜇
𝑍= → 𝑁(0,1)
25/√50
𝑛 = 25 𝑆 = 0.0152
24𝑆 2 24(0.0152 )
=1−𝑃 ( < )
𝜎2 𝜎2
24𝑆 2
𝑠𝑒𝑎 𝑊 = → 𝑊~𝑋24 2
𝜎2
= 1 − 0.9248 = 0.0752
Sabemos que
(𝑛 − 1)𝑆 2
→ 𝑋𝑛−1 2
𝜎2
Por lo tanto
𝑆2 15𝑆 2
𝑃 ( ≤ 15 ∗ 2.041) = 𝑃 ( ≤ 15 ∗ 2.041)
𝜎2 𝜎2
15𝑆 2
𝑃 ( ≤ 30.615)
𝜎2
(𝑛 − 1)𝑆 2
→ 𝑋𝑛−1 2
𝜎2
Por lo tanto
𝑆2 20𝑆 2
𝑃 ( ≤ 20 ∗ 1.421) = 𝑃 ( ≤ 20 ∗ 1.421)
𝜎2 𝜎2
20𝑆 2
𝑃 ( ≤ 28.420)
𝜎2
𝑃 (𝑋 ≤ 28.420) =
𝑋̅ − 𝜇
~ 𝑁(0,1)
𝜎/√𝑛
𝑋̅ − 𝜇
𝑡= ~ 𝑡𝑛−1
𝑆/√𝑛
𝜇 = 0.6 𝑚𝑔 𝑛 = 16
𝑋̅ = 0.75 𝑆 = 0.175
0.75
𝑃 ( 𝑋̅ ≥ )
𝜇 = 0.6
𝑋̅ − 𝜇
𝑡=
𝑆/√𝑛
La probabilidad de que
𝑃 (𝑇 ≥ 𝑡0 ) = 𝑃 (𝑡𝑛−1 ≥ 𝑡0 ) =
𝑋̅ − 𝜇 0.75 − 0.6
𝑃 ( 𝑡15 ≥ ) = 𝑃 ( 𝑡15 ≥ )
𝑆 0.175
√𝑛 √16
Solución
estimación de $ 200€
𝑋̅ − 𝜇
𝑇=
𝑆/√𝑛
Por tanto
𝑃 (𝑇 ≤ −5) = 0.00002