• Ir al contenido principal
  • Ir al pie de página

PROBA FÁCIL

Proba fácil ofrece contenidos de calidad sobre probabilidad y estadística. Ejercicios resueltos y explicaciones teóricas.

  • Clases Online
  • Teoría
    • Prueba de Hipótesis Estadística: una explicación desde cero
  • Ejercicios
    • Probabilidad básica
    • Variable Aleatoria Continua
    • Distribución hipergeométrica
    • Distribución Exponencial
    • Distribución binomial: ejercicios resueltos (Parte I)
  • Parciales
    • UTN – FRBA
      • Parcial 1
        • 28-09-2016 – v1
        • 28-09-2016 – v2
        • 30-09-2015
        • 03-05-2017
      • Parcial 2
        • 26-11-2014
        • 05-07-2017
        • 29-06-2016
  • Contactanos
  • Acerca de

Segundo Parcial Probabilidad y Estadística – UTN – FRBA – [05-07-2017]

julio 10, 2017 por Fede 10 comentarios

Esta entrada contine el enunciado y resolución completa del segundo parcial de probabilidad y estadítica de UTN-FRBA tomado el día 05-07-2016. Es un parcial redactado por la profesora Fanny Kaliman.

Contenidos

  • Enunciado del Segundo Parcial [05-07-2017]
  • Ejercicio 1 – Sobre intervalo de confianza para la varianza
    • Resolución del ejercicio 1
  • Ejercicio 2 – Sobre prueba de hipótesis para la media poblacional
    • Resolución del ejercicio 2
  • Ejercicio 3 – Sobre regresión lineal
    • Resolución del ejercicio 3
      • Ítem a
      • Ítem b
  • Teórico 1 – Sobre estimación por intervalo de confianza
    • Resolución del teórico 1
      • Ítem a
      • Ítem b
      • Ítem c
  • Teórico 2 – Sobre regresión lineal
    • Resolución del teórico 2
    • Ítem a
    • Ítem b

Enunciado del Segundo Parcial [05-07-2017]

 

Enunciado SEgundo PArcial 05-07-2017- Probabilidad y estadítica UTN FRBA

Ejercicio 1 – Sobre intervalo de confianza para la varianza

Una máquina de llenado es utilizada para llenar botellas con detergente líquido. Una muestra aleatoria de 20 botellas dio como resultado una varianza muestral de \({S^2} = 0,0153\) onzas 2. Suponiendo que el llenado de la máquina está normalmente distribuido, construya un intervalo de confianza del 95% para la varianza.

Resolución del ejercicio 1

Queremos construir un intervalo de confianza para la varianza. La variable es:

\(X\): masa del detergente llenado en una botella (medida en onzas) por la máquina

Conocemos que la distribución de \(X\) es normal, pero no conocemos sus parámetros:

\[X \sim N\left( {\mu  = ?,\sigma  = ?} \right)\]

Se toma una muestra aleatoria de 20 botellas:

\[{X_1},{X_2}, \ldots ,{X_{20}}\]

\[n = 20\]

Y se observa una varianza muestral \({S^2} = 0,0153\).

Sabemos que si \(X\) es normal, el siguiente estadístico tiene distribución chi cuadrada:

\[\frac{{{S^2}\left( {n – 1} \right)}}{{{\sigma ^2}}} \sim \chi _{n – 1}^2\]

Y que entonces la fórmula del intervalo de confianza para la varianza es:

\[I{C_{{\sigma ^2};1 – \alpha }} = \left( {\frac{{\left( {n – 1} \right).{S^2}}}{{\;\chi _{1 – \frac{\alpha }{2};n – 1}^2}};\;\frac{{\left( {n – 1} \right).{S^2}}}{{\chi _{\frac{\alpha }{2};n – 1}^2}}} \right)\]

Cómo el nivel de confianza es \(0,95\):

\[NC = 1 – \alpha  = 0,95\]

\[ \Rightarrow \frac{\alpha }{2} = 0,025\;\; \wedge \;\;1 – \frac{\alpha }{2} = 0,975\]

Luego los valores necesarios de la variable chi cuadrada para la fórmula del intervalo de confianza son:

 

parcial 2 de probabilidad y estadistica resuelto - 1

\[\chi _{19;0,025}^2 = 8,91\]

\[\chi _{19;0,975}^2 = 32,85\]

\[I{C_{{\sigma ^2};0,95}} = \left( {0,0088;0,0326} \right)\]

Ejercicio 2 – Sobre prueba de hipótesis para la media poblacional

Una empresa eléctrica fabrica baterías de celular que tienen una duración que se distribuye de forma aproximadamente normal con una media de 800 horas y una desviación estándar de 40 horas. Una muestra aleatoria de 30 baterías tiene una duración promedio de 785 horas.

a) ¿Muestran los datos suficiente evidencia para decir que la duración media es menor a 800? Utilice un nivel de significación del 5%.

b) ¿Cuál es la probabilidad de decidir que la media es de 800 horas cuando en realidad es 780 horas?

Resolución del ejercicio 2

Antes de leer la resolución, por favor intentá hacerlo. Es lo más productivo.

Si no te sale, te doy una ayuda:

  • Leé esta introducción a prueba de hipotesis
  • Planteá cada uno de los pasos

Acá está la resolución

Ejercicio 3 – Sobre regresión lineal

Para estudiar la relación lineal entre la concentración de cierta sustancia (en %) y la lectura del colorímetro, se evaluaron 8 casos obteniéndose:

parcial 2 de probabilidad y estadistica resuelto - 4

a) Resolución del ejercicio 3Encuentre la recta de regresión muestral y estime la lectura media cuando la concentración de la sustancia es 6,5%

b) Encuentre un intervalo del 95% de confianza para la lectura media cuando la concentración de la sustancia es 6,5%

Resolución del ejercicio 3

Ítem a

Usando la calculadora en modo estadístico podemos obtener la ecuación de la recta de regresión lineal estimada:

\[\hat y = 69,5.x – 168,79\]

Reemplazando por \(x = 6,5\) en la ecuación de la recta, estimamos puntualmente la lectura media correspondiente:

\[\hat y\left( {x = 6,5} \right) = 69,5.6,5 – 168,79 = 282,9\]

Ítem b

Recordemos que la fórmula para un intervalo de confianza sobre la media de Y dado X es:

\[I{C_{E\left( Y \right)/{x_0}}} = {\hat y_0} \pm {t_{n – 2;1 – \frac{\alpha }{2}\;}}.S\sqrt {\frac{1}{n} + \frac{{{{\left( {{x_0} – \bar x} \right)}^2}}}{{{S_{xx}}}}} \]

Calculemos cada valor necesario para completar la fórmula, aprovechando los dados que ya nos ofrece el enunciado:

\[{S_{xx}} = \sum {x^2} – \frac{1}{n}.{\left( {\sum x} \right)^2} = 345 – \frac{1}{8}{\left( {51} \right)^2} = 19,875\]

\[\bar x = 6,375\]

\[{x_0} = 6,5\]

\[\hat y\left( {x = 6,5} \right) = 69,5.6,5 – 168,79 = 282,9\]

\[1 – \alpha  = 0,95 \Rightarrow 1 – \frac{\alpha }{2} = 0,975\]

\[{t_{6;0,975}} = 2,44691\]

\[{s^2} = 443,16\]

Reemplazando:

\[I{C_{E\left( Y \right)|{x_0} = 6,5;95\% }} = 282,9 \pm 2,44691.\sqrt {443,16} .\sqrt {\frac{1}{8} + \frac{{{{\left( {6,5 – 6,375} \right)}^2}}}{{19,875}}} \]

\[I{C_{E\left( Y \right)|{x_0} = 6,5;95\% }} = 282,9 \pm 18,27\]

\[I{C_{E\left( Y \right)|{x_0} = 6,5;95\% }} = 282,9 \pm 18,27\]

\[I{C_{E\left( Y \right)|{x_0} = 6,5;95\% }} = \left( {264,63;301,17} \right)\]

Teórico 1 – Sobre estimación por intervalo de confianza

A partir del intervalo de confianza para la media poblacional de una población normal con varianza conocida puede encontrarse el error de estimación.

a) Explicite la expresión del error de estimación

b) ¿Cómo se relaciona con el nivel de confianza del intervalo?

c) ¿Cómo se relaciona con el tamaño de l amuestra?

Resolución del teórico 1

Ítem a

\(Error = {z_{1 – \frac{\alpha }{2}}}.\frac{\sigma }{{\sqrt n }}\)

Ítem b

Cuanto mayor es el nivel de confianza del intervalo (con n fijo) mayor es el error de estimación.

Consideremos por ejemplo los siguientes niveles de confianza

\(NC = 1 – \alpha  = 0,90 \Rightarrow {z_{0,95}} = 1,645\)

\(NC = 1 – \alpha  = 0,95 \Rightarrow {z_{0,975}} = 1,96\)

\(NC = 1 – \alpha  = 0,99 \Rightarrow {z_{0,995}} = 2,57\)

Entonces cuando crece el nivel de confianza, crece \({z_{1 – \frac{\alpha }{2}}}\), y entonces crece \({z_{1 – \frac{\alpha }{2}}}.\frac{\sigma }{{\sqrt n }}\).

Ítem c

Cuanto mayor es el tamaño de la muestra (con nivel de confianza fijo) menor es el error de estimación.

Porque cuanto mayor \(n\), mayor \(\sqrt n \) y menor es \({z_{1 – \frac{\alpha }{2}}}.\frac{\sigma }{{\sqrt n }}\).

Teórico 2 – Sobre regresión lineal

a) Definir coeficiente de determinación. ¿Qué valores puede tomar? ¿Cómo se interpretan?

b) Ejemplifique un valor posible del coeficiente de determinación y realice un diagrama de dispersión correspondiente a ese valor.

Resolución del teórico 2

Ítem a

El coeficiente de determinación mide el porcentaje de variabilidad de la variable Y explicado por la relación lineal con la variable \(X\).

Se define cómo:

\({r^2} = \frac{{S{C_{explicada}}}}{{S{C_{toral}}}} = \frac{{S_{xy}^2}}{{{S_{xx}}{S_{yy}}}}\)

Puede tomar valores entre 0 y 1.

Un valor de \({r^2} = 0,9\) indica que un 90% de la variabilidad de Y es explicada por la regresión lineal con \(X\).

Ítem b

El siguiente diagrama de dispersión sería coherente con un \(r^2=0,8\) (aproximadamente):

5/5 - (3 votos)

Archivado en:Intervalo de confianza, Parcial, Prueba de hipótesis, Regresión lineal, Resuelto

Interacciones con los lectores

Comentarios

  1. agus dice

    julio 13, 2017 en 5:06 pm

    Hola, en el punto 2 cuando sacas Xc, no se saca (z(1-alfa) * sigma/ raiz n )+ uo?
    Porque vos restas u0 y no entiendo porque.
    Gracias

    Responder
  2. Fede dice

    julio 13, 2017 en 10:22 pm

    Agus, el valor de Xc en este ejercicio es aquel que acumula probabilidad de 0,05 a la izquierda. Es 788. El z correspondiente es -1,645:

    \( – 1,645 = \frac{{{{\bar X}_c} – 800}}{{\frac{{40}}{{\sqrt {30} }}}} \Rightarrow {\bar X_c} = – 1,645.\frac{{40}}{{\sqrt {30} }} + 800\)

    ¿Se entiende?

    Responder
  3. agus dice

    julio 24, 2017 en 5:19 pm

    Hola, no tienen ningun final resuelto no?

    Responder
    • Fede dice

      julio 24, 2017 en 5:47 pm

      Agus, por ahora no publiqué ninguno. Pero voy a publicar pronto.
      De todas formas no creas que son ejercicios totalmente diferentes. Por ejmeplo no son más dificiles. Sino sólo que se combinan todos los temas en un único examen.

      Mientras tanto podés ver los que hay del parcial 1 y 2.

      ¡Saludos!

      Responder
  4. Juan dice

    noviembre 22, 2017 en 2:16 pm

    Hola, buenas tardes. Antes que nada, muy valorado todo el esfuerzo para esto.
    Un comentario, me parece que en el Teórico 1, del punto B, para el
    NC = 1–α = 0,99⇒ z 0,995=2,33 el resultado debiera ser z 0,995 = 2,57. Lo busqué por tabla y con el software GeoGebra. El resto, un espectáculo.

    Responder
    • Fede dice

      noviembre 22, 2017 en 3:19 pm

      Juan, tenés razón ! Muchas gracias por avisarme y por el comentario positivo.

      Ahí lo corregí. Saludos!

      Responder
  5. Paul dice

    noviembre 26, 2017 en 9:42 am

    Hola, muy bueno todo. Tengo una consulta, en el teórico 2b la pendiente de la dispersión no debería ser positiva si el valor de r^2 es 0,8?. La pagina esta muy buena, un saludo.

    Responder
    • Fede dice

      noviembre 26, 2017 en 9:51 am

      Hola Pablo!

      El valor del coeficiente de determinación \(r^2\) siempre es positivo e indica el porcentaje de la variabilidad de y que es explicado por la regresión lineal con x. No importa si la pendiente es positiva o negativa… el valor de \(r^2\) siempre será positivo.

      Pero sí debe coincidir el signo de la pendiente con el signo del coeficiente de correlación lineal \(r\). Seguramente vos estabas pensando en eso.

      ¿Quedó claro?

      Muchas gracias por el comentario 🙂

      Saludos!

      Responder
  6. carolina dice

    diciembre 17, 2017 en 12:43 am

    hola, que quería saber como se calcula el «valor p-value» y para que sirve? tengo un ejercicio que me piden con que valor de significación podría avalar dicha afirmación, y que utilice este parámetro para responder.

    Responder
  7. Jennifer dice

    noviembre 24, 2018 en 10:51 am

    Hola, que tal? no me quedo claro como hacer el grafico de dispersion a partir del r^2.

    Responder

Sobre los comentarios:Sobre los comentarios: Podés escribir símbolos matemáticos encerrando el código \(LaTeX\) con los delimitadores \[...\]. Por favor usa sólo tu nombre real y limitá el número de links en tus comentarios.

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Footer

Filtrar artículos sobre

  • Distribución Bernoulli (1)
  • Distribución binomial (1)
  • Distribución exponencial (2)
  • Distribución hipergeométrica (1)
  • Distribución Poisson (1)
  • Ejercicios resueltos (2)
  • Estimación (1)
  • Intervalo de confianza (3)
  • Parcial (6)
  • Práctica (1)
  • Probabilidad básica (3)
  • Prueba de hipótesis (4)
  • Regresión lineal (3)
  • Resuelto (5)
  • Teoría (1)
  • Uncategorized (4)
  • Variable aleatoria continua (2)
  • Variable aleatoria discreta (1)
  • Varianza (1)

Comentarios recientes

  • Ana en Prueba de Hipótesis Estadística: una explicación desde cero
  • Kevin Rojas en Prueba de Hipótesis Estadística: una explicación desde cero
  • ALANIS GIANELLA SOLORZANO MACAY en Prueba de Hipótesis Estadística: una explicación desde cero
  • michael en Prueba de Hipótesis Estadística: una explicación desde cero
  • Adolfo Villatoro en Prueba de Hipótesis Estadística: una explicación desde cero

Buscar en el sitio

Publicaciones por mes

  • julio 2018 (3)
  • junio 2018 (1)
  • noviembre 2017 (1)
  • julio 2017 (1)
  • junio 2017 (1)
  • mayo 2017 (1)
  • abril 2017 (4)
  • octubre 2016 (1)
  • septiembre 2016 (1)

UTDT

  • Examen Final de Matemática 1 UTDT Arq 19-12-2014
  • Sapos

Copyright © 2023 · Atmosphere Pro en Genesis Framework · WordPress · Iniciar sesión