SlideShare une entreprise Scribd logo
1  sur  20
Luis Alberto Garcia Aguilar 2°
“B”
PRUEBA DE UNA SOLA MUESTRA CON RESPECTO A UNA
            SOLA MEDIA (VARIANZA CONOCIDA)

 Una empresa eléctrica fabrica focos que tienen una duración
que se distribuye de forma aproximadamente normal con una
 media de 800 horas y una desviación estándar de 40 horas.
   Pruebe la hipótesis de que µ≠800 horas si una muestra
  aleatoria de 30 focos tiene una duración promedio de 788
         horas. Utilice un nivel de significancia de 0.04.
  Datos
  H0: µ1=800      H1: µ2=788
  σ=40 horas
  X=788
  Significancia=0.04
Con la resolución del ejercicio se llega a la
  conclusión de que la duración media de
los focos si corresponde a 800 horas por lo
     que la hipótesis nula es aceptada.




                    Zona de
                   aceptacion
  Zona de                           Zona de
  Rechazo                           Rechazo

z=-1.75                         z=1.7
            z=-1.64             5
   Se lleva a cabo un experimento para comparar el
    desgaste por abrasivo de dos diferentes materiales
    laminados. Se prueban 12 piezas del material 1
    mediante la exposición de cada pieza a una maquina
    para medir el desgaste. 10 piezas del material 2 se
    prueban de manera similar. En cada caso, se mide la
    profundidad del desgaste. Las muestras del material 1
    dan un desgaste promedio de 85 unidades con una
    desviación estándar muestral de 4, mientras que las
    muestras del material 2 dan un promedio de
    81, desviación estándar muestral de 5. ¿Podemos
    concluir con un nivel de significancia del 0.05 que el
    desgaste abrasivo del material 1 excede el del material
    2 en 2 unidades?
Representemos con µ₁ y µ₂ las medias poblacionales
del desgaste abrasivo para el material 1 y 2,
respectivamente.




Las regiones criticas unilaterales rechaza a H₀: µ₁ - µ₂ =
   d₀ cuando t > tαn₁+n₂-2
    Cálculos:



       x1   85                  s1 4                     n1 12
       x2   81                  s2 5                     n 2 10
    De aquí:

                                                (85 81) 2
sp
        (11)(16 ) (9)( 25 )
                            =
                                       t                             =
            12 10 - 2                      4.478 (1 / 12 ) (1 / 10 )

     P = P(T>1.04) ≈ 0.16


      Decisión: No rechazar         Somos incapaces de
      concluir que el desgaste abrasivo del material 1
      excede el del material 2 en mas de dos unidades
   Una marca de nueces afirma que, como
    máximo, el 6% de las nueces están vacías. Se
    eligieron 300 nueces al azar y se detectaron
    21 vacías.
   1.Con un nivel de significación del 1%, ¿se
    puede aceptar la afirmación de la marca?
   1 Enunciamos las hipótesis nula y
    alternativa:
   H0 : p ≤ 0.06
   H1 : p >0.06
   2Zona de aceptación
   α = 0.01     zα = 2.33.
   Determinamos el intervalo de confianza:
Decisión :
 Aceptamos la hipótesis nula H0. Con un nivel
  de significación del 1%. Si se mantiene el
  porcentaje muestral de nueces que están
  vacías y 1-α = 0.95, ¿qué tamaño muestral
  se necesitaría para estimar la proporción de
  nueces con un error menor del 1% por ciento?
   Se lleva a cabo un experimento para comparar el
    desgaste por abrasivo de dos diferentes materiales
    laminados. Se prueban 12 piezas del material 1
    mediante la exposición de cada pieza a una maquina
    para medir el desgaste. 10 piezas del material 2 se
    prueban de manera similar. En cada caso, se mide la
    profundidad del desgaste. Las muestras del material
    1 dan un desgaste promedio de 85 unidades con una
    desviación estándar muestral de 4, mientras que las
    muestras del material 2 dan un promedio de
    81, desviación estándar muestral de 5. ¿Podemos
    concluir con un nivel de significancia del 0.05 que el
    desgaste abrasivo del material 1 excede el del
    material 2 en 2 unidades?
   Representemos con µ₁ y µ₂ las medias
    poblacionales
   del desgaste abrasivo para el material 1 y
    2,
   respectivamente.
   H₀: µ₁ - µ₂ = 2
   H₁: µ₁ - µ₂ ≠ 2
   α = 0.05
   Región critica: con v= 20 grados de
    libertad
      t > 1.725
    Las regiones criticas unilaterales rechaza a
    H₀: µ₁ - µ₂ = d₀ cuando t > tαn₁+n₂-2
   Cálculos:



            x1   85                  s1 4                       n1 12
            x2   81                  s2 5                       n 2 10
         De aquí:

             (11)(16 ) (9)( 25 )                     (85 81) 2
                                            t
     sp
                 12 10 - 2       =              4.478 (1 / 12 ) (1 / 10 )

          P = P(T>1.04) ≈ 0.16


           Decisión: No rechazar         Somos incapaces de
           concluir que el desgaste abrasivo del material 1
           excede el del material 2 en mas de dos unidades
Ho: La distribución normal con un α de 0,01es una buena descripción del
                  proceso de fabricación del producto X.

H1: La distribución normal con un α de 0,01 no es una buena descripción
                del proceso de fabricación del producto X.
LI        LS           Frec                 Frec.               Xk               D        Fr
                                                         Acom

            35000    40000                      6                6           37500                -3
            40000    45000                     15                21          42500                -2
            45000    50000                     58                79          47500                -1
            50000    55000                 139                 218           52500                0
            55000    60000                     66              284           57500                1
            60000    65000                     11              295           62500                2
            65000    70000                      5              300           67500                3
                                    300


Xk      D           Frec*D       Frec*D²              Prob.        Frec.          Frec. Esp
                                                    Esperada     Esperada           acom

37500        -3            -18          54           0.0087           2.61
42500        -2            -30          60           0.0677       20.31               22.92
47500        -1            -58          58           0.2428       72.84            72.84
52500         0              0             0         0.3687       110.61           110.61
57500         1            66           66           0.2385       71.55            71.55
62500         2            22           44           0.0654       19.62            21.96
67500         3            15           45           0.0078           2.34
                      -3          327
Frecuencia   Frecuencia
observada     esperada     Fo-Fe   (Fo-Fe)^2   (Fo-Fe)^2/Fe

   21        22.92         -1.92    3.69          0.16
   58        72.84        -14.84   220.23         3.02
  139        110.61        28.39   805.99         7.29
   66        71.55         -5.55   30.80          0.43
   16        21.96         -5.96   35.52          1.62
                                     X²          12.52
Un constructor afirma que se instalan bombas de calor en 70%
de todas las casas que se construyen hoy en día en la ciudad
de Richmond. ¿Estaría de acuerdo con esta afirmación si una
investigación de casas nuevas en esta ciudad muestra que 8
de 15 tienen instaladas bombas de calor? utilice un nivel de
significancia de 0.10
1. H0: p=0.7

2. H1: p=0.7

3. α= 0.10

4. Estadística de prueba: Variable binomial X con p= 0.7 y
   n= 15

5. Cálculos x=8 y np0=(15)(0.7)=10.5. por tanto, de la tabla
   A.1, el valor P calculado es

6. P= 2P(X ≤ 8 cuando p=0.7)= 0.1622>0.10

7. Por lo tanto no se pude rechazar H0, por lo que
   concluimos que no ha razón suficiente para dudar de la
   afirmación del constructor.
Análisis de datos de fabricación de producto X

Contenu connexe

Tendances

Uso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandarUso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandarAraceli Gomez
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesisug-dipa
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestralasrodriguez75
 
Trabajo probabilidad
Trabajo probabilidadTrabajo probabilidad
Trabajo probabilidadFreddy Adrian
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Luz Hernández
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporcioneseraperez
 
Ejercicios unidad 3 mata
Ejercicios unidad 3 mataEjercicios unidad 3 mata
Ejercicios unidad 3 mataKassandra Gomez
 
Diseño factorial de 3 factores
Diseño factorial de 3 factores Diseño factorial de 3 factores
Diseño factorial de 3 factores Oscar Saenz
 
50 ejercicios estadistica
50 ejercicios estadistica50 ejercicios estadistica
50 ejercicios estadisticaPAHOLA24
 
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENT
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENTDISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENT
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENTJonatan Gabriel Linares
 
Prueba de Hipotesis en Regresion Lineal Simple
Prueba de Hipotesis en Regresion Lineal SimplePrueba de Hipotesis en Regresion Lineal Simple
Prueba de Hipotesis en Regresion Lineal SimpleAlberto Carranza Garcia
 
5. probabilidad conjunta ejercicios resueltos
5. probabilidad conjunta   ejercicios resueltos5. probabilidad conjunta   ejercicios resueltos
5. probabilidad conjunta ejercicios resueltosfabebust
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasJaviera Huera (Temuco)
 

Tendances (20)

Uso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandarUso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandar
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesis
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestral
 
Trabajo probabilidad
Trabajo probabilidadTrabajo probabilidad
Trabajo probabilidad
 
Tabla chi cuadrado 1
Tabla chi cuadrado 1Tabla chi cuadrado 1
Tabla chi cuadrado 1
 
ejercicios resuelto de estadística l
ejercicios resuelto de estadística lejercicios resuelto de estadística l
ejercicios resuelto de estadística l
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
 
2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)
 
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICAEJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMETRICA
 
Ejercicios unidad 3 mata
Ejercicios unidad 3 mataEjercicios unidad 3 mata
Ejercicios unidad 3 mata
 
Distribución muestral de la media
Distribución muestral de la mediaDistribución muestral de la media
Distribución muestral de la media
 
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIALEJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
EJERCICIOS DE DISTRIBUCIÓN MULTINOMIAL
 
Diseño factorial de 3 factores
Diseño factorial de 3 factores Diseño factorial de 3 factores
Diseño factorial de 3 factores
 
50 ejercicios estadistica
50 ejercicios estadistica50 ejercicios estadistica
50 ejercicios estadistica
 
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENT
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENTDISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENT
DISTRIBUCION DE JI-CUADRADO, FISHER Y T-STUDENT
 
Prueba de Hipotesis en Regresion Lineal Simple
Prueba de Hipotesis en Regresion Lineal SimplePrueba de Hipotesis en Regresion Lineal Simple
Prueba de Hipotesis en Regresion Lineal Simple
 
5. probabilidad conjunta ejercicios resueltos
5. probabilidad conjunta   ejercicios resueltos5. probabilidad conjunta   ejercicios resueltos
5. probabilidad conjunta ejercicios resueltos
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
 

En vedette

Prueba De Hipotesis
Prueba De HipotesisPrueba De Hipotesis
Prueba De HipotesisHero Valrey
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisCarol Ramos
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesisalimacni
 
Ejercicios prueba de hipótesis estadística
Ejercicios prueba de hipótesis estadísticaEjercicios prueba de hipótesis estadística
Ejercicios prueba de hipótesis estadísticaMark Ardiles Alegre
 
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Luz Hernández
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraAlejandro Ruiz
 
Pruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para ProporcionesPruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para ProporcionesMaría Isabel Bautista
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaYanina C.J
 
Confiabilidad (conceptos básicos)
Confiabilidad (conceptos básicos)Confiabilidad (conceptos básicos)
Confiabilidad (conceptos básicos)Marlene Navarrete
 
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)María Isabel Bautista
 
Prueba de hipotesis estadistica
Prueba de hipotesis estadisticaPrueba de hipotesis estadistica
Prueba de hipotesis estadisticaLennysNJ
 

En vedette (20)

Prueba De Hipotesis
Prueba De HipotesisPrueba De Hipotesis
Prueba De Hipotesis
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesis
 
Ejercicios prueba de hipótesis estadística
Ejercicios prueba de hipótesis estadísticaEjercicios prueba de hipótesis estadística
Ejercicios prueba de hipótesis estadística
 
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
 
Estadistica unidad 3
Estadistica unidad 3Estadistica unidad 3
Estadistica unidad 3
 
Pruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para ProporcionesPruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para Proporciones
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadistica
 
Hipótesis de Investigación - Tesis
Hipótesis de Investigación - TesisHipótesis de Investigación - Tesis
Hipótesis de Investigación - Tesis
 
Igem 2009-201 estadistica inferencial i
Igem 2009-201 estadistica inferencial iIgem 2009-201 estadistica inferencial i
Igem 2009-201 estadistica inferencial i
 
Ejemplos hipotesis
Ejemplos hipotesisEjemplos hipotesis
Ejemplos hipotesis
 
Teleinformatica
TeleinformaticaTeleinformatica
Teleinformatica
 
Estadística: Prueba de hipotesis
Estadística: Prueba de hipotesis Estadística: Prueba de hipotesis
Estadística: Prueba de hipotesis
 
Confiabilidad (conceptos básicos)
Confiabilidad (conceptos básicos)Confiabilidad (conceptos básicos)
Confiabilidad (conceptos básicos)
 
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)
Prueba De HipóTesis Para Dos Medias De PoblacióN (Muestras Grandes)
 
Pruebas de hipótesis 1
Pruebas de hipótesis 1Pruebas de hipótesis 1
Pruebas de hipótesis 1
 
Prueba de Hipotesis
Prueba de HipotesisPrueba de Hipotesis
Prueba de Hipotesis
 
Prueba de hipotesis estadistica
Prueba de hipotesis estadisticaPrueba de hipotesis estadistica
Prueba de hipotesis estadistica
 

Similaire à Análisis de datos de fabricación de producto X

Similaire à Análisis de datos de fabricación de producto X (20)

2.ejeercicios
2.ejeercicios2.ejeercicios
2.ejeercicios
 
IMRT: Coeficientes del modelo atenuador
IMRT: Coeficientes del modelo atenuador  IMRT: Coeficientes del modelo atenuador
IMRT: Coeficientes del modelo atenuador
 
Método del Gradiente
Método del GradienteMétodo del Gradiente
Método del Gradiente
 
RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2
 
Efecto pffund
Efecto pffundEfecto pffund
Efecto pffund
 
Trabajo word nsr 10
Trabajo word nsr 10Trabajo word nsr 10
Trabajo word nsr 10
 
Problemas solucionados - FLUIDOS II - UNSCH
Problemas solucionados - FLUIDOS II - UNSCHProblemas solucionados - FLUIDOS II - UNSCH
Problemas solucionados - FLUIDOS II - UNSCH
 
Lista de ejercicios Matemática II
Lista de ejercicios Matemática II Lista de ejercicios Matemática II
Lista de ejercicios Matemática II
 
Mecanica del medio continuo(programa)
Mecanica del medio continuo(programa)Mecanica del medio continuo(programa)
Mecanica del medio continuo(programa)
 
Distrubución binomial
Distrubución binomialDistrubución binomial
Distrubución binomial
 
Prueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaPrueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieria
 
Ejercicios de-viscosidad-150826032012-lva1-app6892
Ejercicios de-viscosidad-150826032012-lva1-app6892Ejercicios de-viscosidad-150826032012-lva1-app6892
Ejercicios de-viscosidad-150826032012-lva1-app6892
 
Ejercicios de-viscosidad
Ejercicios de-viscosidadEjercicios de-viscosidad
Ejercicios de-viscosidad
 
18564241-fijas-2009-II (1).ppt
18564241-fijas-2009-II (1).ppt18564241-fijas-2009-II (1).ppt
18564241-fijas-2009-II (1).ppt
 
Filtro redes
Filtro redesFiltro redes
Filtro redes
 
F3.2 pau-movimiento ondulatorio-soluc
F3.2 pau-movimiento ondulatorio-solucF3.2 pau-movimiento ondulatorio-soluc
F3.2 pau-movimiento ondulatorio-soluc
 
Tema3
Tema3Tema3
Tema3
 
alumnos
alumnosalumnos
alumnos
 
T4 alumnos
T4 alumnosT4 alumnos
T4 alumnos
 
Unidad 2 ejercicios
Unidad 2 ejercicios Unidad 2 ejercicios
Unidad 2 ejercicios
 

Plus de luiisalbertoo-laga (20)

Capacidad y habilidad del proceso
Capacidad y habilidad del procesoCapacidad y habilidad del proceso
Capacidad y habilidad del proceso
 
Ensayo
EnsayoEnsayo
Ensayo
 
1.0 problema
1.0 problema1.0 problema
1.0 problema
 
Check list 2.0 listoo
Check list 2.0 listooCheck list 2.0 listoo
Check list 2.0 listoo
 
Ejemplos de histogramas
Ejemplos de histogramasEjemplos de histogramas
Ejemplos de histogramas
 
Correlacion y regresion lineal
Correlacion y regresion linealCorrelacion y regresion lineal
Correlacion y regresion lineal
 
Check list
Check listCheck list
Check list
 
Aplicaciones de los histogramas y tablas de distribución de frecuencias
Aplicaciones de los histogramas y tablas de distribución de frecuenciasAplicaciones de los histogramas y tablas de distribución de frecuencias
Aplicaciones de los histogramas y tablas de distribución de frecuencias
 
Western electric rules
Western electric rulesWestern electric rules
Western electric rules
 
Articulo del mes
Articulo del mesArticulo del mes
Articulo del mes
 
El verdadero amor
El verdadero amorEl verdadero amor
El verdadero amor
 
Problema completo
Problema completoProblema completo
Problema completo
 
Comentario sobre la reseña del libro
Comentario sobre la reseña del libroComentario sobre la reseña del libro
Comentario sobre la reseña del libro
 
Traducción de palabras
Traducción de palabrasTraducción de palabras
Traducción de palabras
 
Respuestas de lo que se necesita en un futuro.
Respuestas de lo que se necesita en un futuro.Respuestas de lo que se necesita en un futuro.
Respuestas de lo que se necesita en un futuro.
 
Capacidad de planta
Capacidad de plantaCapacidad de planta
Capacidad de planta
 
3. intervalos de confianza
3. intervalos de confianza3. intervalos de confianza
3. intervalos de confianza
 
Ejercicios de intervalos de confianza
Ejercicios de intervalos de confianzaEjercicios de intervalos de confianza
Ejercicios de intervalos de confianza
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
1. prueba de hipótesis
1. prueba de hipótesis1. prueba de hipótesis
1. prueba de hipótesis
 

Análisis de datos de fabricación de producto X

  • 1. Luis Alberto Garcia Aguilar 2° “B”
  • 2. PRUEBA DE UNA SOLA MUESTRA CON RESPECTO A UNA SOLA MEDIA (VARIANZA CONOCIDA) Una empresa eléctrica fabrica focos que tienen una duración que se distribuye de forma aproximadamente normal con una media de 800 horas y una desviación estándar de 40 horas. Pruebe la hipótesis de que µ≠800 horas si una muestra aleatoria de 30 focos tiene una duración promedio de 788 horas. Utilice un nivel de significancia de 0.04. Datos H0: µ1=800 H1: µ2=788 σ=40 horas X=788 Significancia=0.04
  • 3. Con la resolución del ejercicio se llega a la conclusión de que la duración media de los focos si corresponde a 800 horas por lo que la hipótesis nula es aceptada. Zona de aceptacion Zona de Zona de Rechazo Rechazo z=-1.75 z=1.7 z=-1.64 5
  • 4. Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos diferentes materiales laminados. Se prueban 12 piezas del material 1 mediante la exposición de cada pieza a una maquina para medir el desgaste. 10 piezas del material 2 se prueban de manera similar. En cada caso, se mide la profundidad del desgaste. Las muestras del material 1 dan un desgaste promedio de 85 unidades con una desviación estándar muestral de 4, mientras que las muestras del material 2 dan un promedio de 81, desviación estándar muestral de 5. ¿Podemos concluir con un nivel de significancia del 0.05 que el desgaste abrasivo del material 1 excede el del material 2 en 2 unidades?
  • 5. Representemos con µ₁ y µ₂ las medias poblacionales del desgaste abrasivo para el material 1 y 2, respectivamente. Las regiones criticas unilaterales rechaza a H₀: µ₁ - µ₂ = d₀ cuando t > tαn₁+n₂-2
  • 6. Cálculos: x1 85 s1 4 n1 12 x2 81 s2 5 n 2 10  De aquí: (85 81) 2 sp (11)(16 ) (9)( 25 ) = t = 12 10 - 2 4.478 (1 / 12 ) (1 / 10 ) P = P(T>1.04) ≈ 0.16 Decisión: No rechazar Somos incapaces de concluir que el desgaste abrasivo del material 1 excede el del material 2 en mas de dos unidades
  • 7. Una marca de nueces afirma que, como máximo, el 6% de las nueces están vacías. Se eligieron 300 nueces al azar y se detectaron 21 vacías.  1.Con un nivel de significación del 1%, ¿se puede aceptar la afirmación de la marca?
  • 8. 1 Enunciamos las hipótesis nula y alternativa:  H0 : p ≤ 0.06  H1 : p >0.06  2Zona de aceptación  α = 0.01 zα = 2.33.  Determinamos el intervalo de confianza:
  • 9. Decisión :  Aceptamos la hipótesis nula H0. Con un nivel de significación del 1%. Si se mantiene el porcentaje muestral de nueces que están vacías y 1-α = 0.95, ¿qué tamaño muestral se necesitaría para estimar la proporción de nueces con un error menor del 1% por ciento?
  • 10. Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos diferentes materiales laminados. Se prueban 12 piezas del material 1 mediante la exposición de cada pieza a una maquina para medir el desgaste. 10 piezas del material 2 se prueban de manera similar. En cada caso, se mide la profundidad del desgaste. Las muestras del material 1 dan un desgaste promedio de 85 unidades con una desviación estándar muestral de 4, mientras que las muestras del material 2 dan un promedio de 81, desviación estándar muestral de 5. ¿Podemos concluir con un nivel de significancia del 0.05 que el desgaste abrasivo del material 1 excede el del material 2 en 2 unidades?
  • 11. Representemos con µ₁ y µ₂ las medias poblacionales  del desgaste abrasivo para el material 1 y 2,  respectivamente.  H₀: µ₁ - µ₂ = 2  H₁: µ₁ - µ₂ ≠ 2  α = 0.05  Región critica: con v= 20 grados de libertad  t > 1.725  Las regiones criticas unilaterales rechaza a H₀: µ₁ - µ₂ = d₀ cuando t > tαn₁+n₂-2
  • 12. Cálculos: x1 85 s1 4 n1 12 x2 81 s2 5 n 2 10  De aquí: (11)(16 ) (9)( 25 ) (85 81) 2 t sp 12 10 - 2 = 4.478 (1 / 12 ) (1 / 10 ) P = P(T>1.04) ≈ 0.16 Decisión: No rechazar Somos incapaces de concluir que el desgaste abrasivo del material 1 excede el del material 2 en mas de dos unidades
  • 13. Ho: La distribución normal con un α de 0,01es una buena descripción del proceso de fabricación del producto X. H1: La distribución normal con un α de 0,01 no es una buena descripción del proceso de fabricación del producto X.
  • 14. LI LS Frec Frec. Xk D Fr Acom 35000 40000 6 6 37500 -3 40000 45000 15 21 42500 -2 45000 50000 58 79 47500 -1 50000 55000 139 218 52500 0 55000 60000 66 284 57500 1 60000 65000 11 295 62500 2 65000 70000 5 300 67500 3 300 Xk D Frec*D Frec*D² Prob. Frec. Frec. Esp Esperada Esperada acom 37500 -3 -18 54 0.0087 2.61 42500 -2 -30 60 0.0677 20.31 22.92 47500 -1 -58 58 0.2428 72.84 72.84 52500 0 0 0 0.3687 110.61 110.61 57500 1 66 66 0.2385 71.55 71.55 62500 2 22 44 0.0654 19.62 21.96 67500 3 15 45 0.0078 2.34 -3 327
  • 15.
  • 16.
  • 17. Frecuencia Frecuencia observada esperada Fo-Fe (Fo-Fe)^2 (Fo-Fe)^2/Fe 21 22.92 -1.92 3.69 0.16 58 72.84 -14.84 220.23 3.02 139 110.61 28.39 805.99 7.29 66 71.55 -5.55 30.80 0.43 16 21.96 -5.96 35.52 1.62 X² 12.52
  • 18. Un constructor afirma que se instalan bombas de calor en 70% de todas las casas que se construyen hoy en día en la ciudad de Richmond. ¿Estaría de acuerdo con esta afirmación si una investigación de casas nuevas en esta ciudad muestra que 8 de 15 tienen instaladas bombas de calor? utilice un nivel de significancia de 0.10
  • 19. 1. H0: p=0.7 2. H1: p=0.7 3. α= 0.10 4. Estadística de prueba: Variable binomial X con p= 0.7 y n= 15 5. Cálculos x=8 y np0=(15)(0.7)=10.5. por tanto, de la tabla A.1, el valor P calculado es 6. P= 2P(X ≤ 8 cuando p=0.7)= 0.1622>0.10 7. Por lo tanto no se pude rechazar H0, por lo que concluimos que no ha razón suficiente para dudar de la afirmación del constructor.