Estadistics 2

“AÑO
DE LA INTEGRACION NACIONAL Y EL
RECONOCIMIENTO DE NUESTRA DIVERSIDAD”
UNIVERSIDAD NACIONAL
FEDERICO VILLARREAL
FACULTAD DE INGENERIA INDUSTRIAL

Y DE SISTEMAS
ESCUELA DE INGENIERIA
AGROINDUSTRIAL
ESTADISTICA II: MINICASOS

CAPITULOS 7, 8 Y 9
PROFESOR:
Ing. .Torres Sánchez, Doris
ALUMNO:
 Romero Hayashi , Marco
CODIGO DE CURSO: 4E0048
SALON: A4-1B
TURNO: Mañana
LIMA – PERU
2012-I
Capítulo 7
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
Escuela de Ingeniera Agroindustrial
“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”
Distribuciones Muéstrales: Introducción a la estadística inferencial
Distribuciones Muéstrales
De Medias Muéstrales De Proporciones Muéstrales
Error Muestral Error Muestra
Media de las Medias Muéstrales Error típico
Error típico Aplicaciones a una distribución

normal
Aplicaciones a una distribución Teorema central del límite

normal
Teorema central del límite Factor de corrección con poblaciones

finitas
Factor de corrección con poblaciones

finitas
Av. Oscar Benavides (Ex Av. Colonial) Nº 450- Lima Teléfono: 720-
1 9720 IP 8741
Capítulo 7
Mini casos
1. Durante el último curso escolar ha salido a la luz que los distritos escolares de los condados
de Kentucky son deficitarios en su empleo de fondos. Un funcionario del estado afirma
que los consejos escolares del condado han gastado una media de 110,500 dólares más que
los asignados por el gobierno del estado. Algunos condados han sido muy derrochadores,
mientras que otros han intentado minimizar los gastos excesivos. Se dice que la desviación
típica en exceso de gasto es de 35,000 dólares.
El gobernador encarga un estudio de la situación financiera de todos los consejos escolares
del estado. Un funcionario partidario del sistema de condados espera tomar una muestra
de 50 condados para el estudio piloto. La metodología a emplear en el estudio será
perfeccionada y después se aplicara a todos los condados. El funcionario basa su propuesta
en la esperanza de tomar una muestra y obtener una media que no supere los 90,000 dólares
de gasto excesivo. Pero la media de la muestra
es de 145,700 dólares. Esta cifra provoca una
duda considerable en relación con la estimación
de que todo el sistema tenga una media de gasto
excesivo de 110,500 dólares. Dada esta
incertidumbre sobre la media poblacional, el
gobernador comienza a preguntarse sobre la
probabilidad de que se obtenga alguna muestra
de tamaño 50 en la cual el error muestral sea
inferior a 20,000 dólares.
¿Cómo se podrían utilizar los principios de la
distribución normal para ayudar al gobernador
en su búsqueda de respuestas? Presente sus hallazgos en un informe estadístico como el
descrito en el apéndice 1.
Solución:
Datos: µ=110500
Error muestral ≤ 20000
2 9720 IP 8741
n=50 𝝈=35000
→ 𝜎𝑥̅ =
35000
= 4949.75
√50
Graficando:
Pero el error muestral debe ser inferior a 20000, por lo tanto:
Entonces:
20000
𝑍= 3500 = 4.04 𝑜 𝑢𝑛 𝑎𝑟𝑒𝑎 𝑑𝑒 0.5
√50
3 9720 IP 8741
Ahora:
La probabilidad de que 𝑋̅ se encuentre a una distancia inferior a 2000 dólares es de 1.00
Conclusión:
En las propuestas dadas por los funcionarios la probabilidad de otorgarse una

muestra de tamaño 50 en la que el error muestral sea menor a $20000 fue el 100% de
lo que se deduce que el gasto excesivo de los condados supera los $90000 desluciendo
así la de obtener gastos menores a $90000.
4 9720 IP 8741
2. Los médicos del Centro Médico Regional utilizan dos medicamentos para tratar cierta
enfermedad. El Benicite tiene un índice de curaciones del 90%. Pero el 15% de los
pacientes sufren efectos secundarios a causa del medicamento. El Maycine cura el 80% de
los pacientes a los que se administra y produce efectos secundarios en el 10%, Se
administra un medicamento a 150 pacientes. De estos, 138 muestran claros signos de
mejora, mientras que 21 de ellos padecen efectos secundarios. Ahora bien, los datos del
hospital no indican que medicamento se dio a los pacientes.
Un grupo de inspectores de hospital va a visitar el centro regional y el personal médico ha
de determinar cuál de los dos medicamentos fue el administrado a los pacientes. Además,
se ha dado a otros 200 pacientes un tercer medicamento con una tasa de curaciones y de
efectos secundarios del 85% y el 12%, respectivamente. Los inspectores seleccionaran una
muestra de 50 de los pacientes para comprobar la eficacia del medicamento. Este será
aprobado para uso general solo al 8 o menos de los 50 pacientes no experimentan efectos
secundarios.
¿Cómo podría utilizar el personal médico las formas de análisis estadístico presentadas
en este capítulo para determinar que medicamento, Benicite o Maycine, tenía más
probabilidad de ser el administrado a los 150 pacientes y para predecir si el tercer
medicamento podría ser aprobado? Presente sus hallazgos estadísticos como el descrito
en el apéndice.
Solución:
Datos medicamento:
Porcentaje de Curación: 90%
1er medicamento: Benicite
Probabilidad que se 15%
Presente efecto secundario:
2ndo medicamento: Maycine Porcentaje de Curación: 80%
presente efecto secundario:
Para estos 2 casos se usan como datos:
W: 150 pacientes
n: 133 con signos de mejora
n: 21 con efectos secundarios
3er medicamento: Porcentaje de Curación: 85%

presente efecto secundario:
5 9720 IP 8741
Para este caso, se usan como datos:

N: 200 pacientes
n: 50 pacientes
Se encuentra en discusión la aprobación del 3er medicamento en el Centro Médico.
a) Primer Medicamento: Benecite
 P= 40%
138
 𝜋= = 0,92
150
 N=138
Conclusión:
𝒑−𝝅
𝒛=
𝝅(𝟏−𝝅) 𝑵−𝝅
√ 𝒙√
𝒏 𝑵−𝟏
0.90 − 0.92
𝑧=
0,92(1−0,92) 150−138
√ 𝑥√
138 150−1
Z=-3,97 en un área de 0,4998
(𝑝 ≥ 0,9) = 𝑝(𝑧 ≥ −3,57)
= 0,5000 + 0.4998
6 9720 IP 8741
= 0.9998 → 99,98%
Efecto Secundario:
 P= 15% = 0,15
21
 𝜋= = 0,14
150
 n=21
 (𝑝 ≤ 0,9) = 𝑝(𝑧 ≤ 0,13)
= 0,5000 + 0.0517
= 0.5517 → 55,17%
7 9720 IP 8741
0,15 − 0,14
𝑧=
0,14(1−0,14) 150−21
√ 𝑥√ 150−1
21
Z= 0,13 describiendo un área de 0,0517
b) Segundo Medicamento: Maycine
 P= 80% = 0,80
Curación:
138
 𝜋= = 0,92 La curación será mayor al 50 %
150
 n=133

8 9720 IP 8741
0.80 − 0.92
𝑧=
0,92(1−0,92) 150−138
√ 𝑥√
138 150−1
Efecto Secundario:
 P= 0,10
21
 𝜋= = 0,14
130
 n=21
 𝑃(𝑝 ≤ 10) = 𝑝(𝑧 ≤ −0,53)
= 0,5000 − 0.2019
= 0.2981 → 29,81%
0,10 − 0,14
𝑧=
0,14(1−0,14) 150−21
√ 𝑥√ 150−1
21
9 9720 IP 8741
c) Tercer medicamento:
8
 P= 0,16= 50
 𝜋 = 0,12
 n=50
0,16 − 0,12
𝑧=
0,12(1−0,12) 200−50
√ 𝑥√
50 200−1
10 9720 IP 8741
 𝑃(𝑝 ≥ 16) = 𝑝(𝑧 ≥ 0,92)

= 0,5000 − 0,3212
= 0.1788 → 17,88%
11 9720 IP 8741
Por lo tanto el porcentaje de personas sin efectos secundarios serán del:

82.12% = 0,50+0,3212=0.80
Conclusión:
En los 150 pacientes se utilizó el primer medicamento”Benicite” quien tiene mayor

proporción de ser utilizado, y la conclusión que en la tercera medicina hay una
efectividad del 82.12 % y 18.2 % de efectos secundarios.
12 9720 IP 8741
CAPITULO 8
Estimación con Intervalos de Confianza
Desarrollo de los Mini casos
1) Han surgido desavenencias entre Dave Williams y la empresa en que ha trabajado

los tres últimos años, Mid-Town Manufacturig. Dave ha demandado a MTM por
discriminación por que su salario es bajo en relación con el de otros empleadores de
13 9720 IP 8741
MTM con formación similar. Dave piensa que el motivo de no haber tenido aumentos
en su salario horario se debe a enemistades personales de su superior inmediato.
Por consiguiente, ha entablado demanda en el juzgado local para pedir un tratamiento
justo y equitativo.
Ambas partes del caso han recogido los datos e información necesarios para defender
su posición ante el tribunal. El juez que verá el caso ha recibido ya información de que
el salario inicial de Dave fue 9.12 dólares a la hora. Ahora al cabo de tres años gana
12.17 dólares. El juez ha solicitado que se seleccione una muestra de trabajadores
comparables a Dave y que se presenta
al tribunal sus salarios. Una muestra de
56 trabajadores que han trabajado para
MTM en torno al mismo tiempo que
Dave y cuya experiencia anterior al
empleo era similar al de Dave ganan,
por término medio 14.75 dólares con
una desviación típica de 3.41 dólares.
Además, el 47 % de ellos han tenido un
ascenso desde que ingresaron a MTM.
El superior de Dave no lo ha
considerado nunca para el ascenso a pesar de que un sistema objetivo de calificación
de empleados ha indicado que la evaluación de Dave es comparable como mínima a
la de otros empleados.
Utilice las herramientas aprendidas en este capítulo en el material previo para evaluar
la solides de la argumentación de cada parte. ¿Piensa que Dave ha sufrido trato
discriminatorio? Refleje sus resultados en un informe estadístico.
14 9720 IP 8741
Solución:
Donde el Intervalo de confianza (C.I) es:
C.I. para μ = 𝑥̅ ± 𝑧 𝑆 ̅𝑥
σ
C.I. para μ = 𝑥̅ ±𝑧
√𝑛
3,45
μ= 14,75 ± 𝑧
√56
μ= 14,75 ± 𝑧 (0,4557)
Pero, sabemos:
Que el 0.4700 ≈ 0.4699
Luego: 𝑧 = 1,88
μ =14,75 ± 1,88 (0,4557)

μ =15,6
15 9720 IP 8741
Por tanto el parámetro es:
13,89 < μ < 15,6
CONCLUSIÓN:
Los resultados del informe indican que el sueldo que recibe Dave está por
debajo del parámetro de sueldos de sus compañeros, por lo que se confirma su
hipótesis de haber sido discriminado durante estos tres años por su jefe.
2) Como analista de marketing de Imperial Products, su misión consiste en determinar

si merece la pena comercializar un nuevo producto en todo el país. El director de
marketing ha impuesto como condición que el 85% como mínimo del público ha de
manifestar algún deseo de comprar el producto y que para quienes tiene interés en
él, el coste medio que estén dispuestos a pagar deberá ser de 47.50 dólares como
mínimo. El director insiste en que los resultados que le presenten deberán responder
a una seguridad del 95%.
Para satisfacer la petición del director hace una encuesta de 50 consumidores
potenciales sobre su interés por el producto. Treinta y cuatro manifiestan interés en
comprarlo. El precio máximo que cada uno está dispuesto a pagar se indica a
continuación. ¿Cómo contestaría a la petición de información formulada por el
16 9720 IP 8741
director? ¿Se debe comercializar el producto? ¿Qué tamaño ha de tener la muestra si

quiere mantener el nivel de confianza del 45% y tener un error máximo del 2.00 dólares
en su estimación del precio más alto que los consumidores están dispuestos a pagar?
Refleje sus resultados en un informe estadístico.
Solución:
Si fueron encuestados 50 consumidores y 34 tiene interés en comprarlo por lo tanto,
tenemos:
𝑆 34
de 𝑝 = 𝑛 → 𝑝= = 0,68
50
17 9720 IP 8741
Estimación del error típico la distribución muestral de proporciones muéstrales:
𝑝(1−𝑝) 0,68(1−0,68)
𝑆𝑝 = √ → 𝑆𝑝 = √ = 0,066
𝑛 50
Intervalo de confianza de la proporción poblacional:

Usamos el ”z” a 1,96 ya que los resultados deben de responder a una seguridad del
95%
C.I. para 𝜋 = 𝑝 ± 𝑍𝑆𝑝 → 𝜋 = 0,68 ± 1,96 × 0,066 = 0,68 ± 0,1294
0,5506 < 𝜋 < 0,8094
∴ 55,06% < 𝜋 < 80,94%
Para hallar ¨𝜎 2 ¨, entonces, si 𝑋̅ = 45,59 :
∑(𝑋−𝑋̅)2 𝜎2
𝜎𝑋2̅ = = → 𝑛𝜎𝑋2̅ = 𝜎 2
𝑛 𝑛
Entonces:
𝜎 2 = 3889,4368
Para determinar el tamaño muestral adecuado con un error de 2,00 dólares:
𝑍 2 ×𝜎 2 1,962 ×3889,43682
𝑛= →𝑛= = 3735,42 ≅ 3735
(𝑒𝑟𝑟𝑜𝑟)2 (2)2
18 9720 IP 8741
CONCLUSIÓN:
Ya que el director de marketing pide un 85% como mínimo que manifiesten el
interés de comprarlo, esto no se podrá realizar, debido a que la muestra obtiene
un rango de 55,06 a 80,7%, por lo cual no se encuentra dentro de lo solicitado y
con una media de 45,59 que representa la muestra. Es decir que, el producto no
se debe que comercializar por ahora. Y el tamaño de la muestra para tener un
95% de confianza y un error máximo de 2,00 dólares, debe tener un tamaño de
3735 clientes.
CAPITULO 9
Contraste de Hipótesis
Mini casos Capitulo 9
1) Vickie Hickie es una ambiciosa directiva de nivel medio de la empresa Sudso, International,
fabricante de detergentes en Cincinnati. En el año pasado o en los dos últimos años la
competencia de otros fabricantes ha creado un problema creciente y Sudso se enfrenta a un
incremento de la presión ejercida por los accionistas disgustados. El supervisor inmediato de
Vickie ha anunciado en una reunión de la división que el producto estrella de Sudso exige
mejorar el rendimiento de todas las operaciones de la factoría.
El problema principal en la división de Vickie parece centrarse en los niveles de producción y
en la frecuencia con la cual la división incumple las cuotas de producción. La dirección insiste
en que la producción media diaria debe ser de 1,700 libras de jabón. Este nivel de producción
ha de ser envasado y entregado a los clientes bajo pedido. La dirección también ve con
desagrado que las unidades de producción dejen de cumplir los acuerdos de cuota más del 10%
del tiempo. Pero el supervisor de Vickie no quiere que el índice de defectos caiga por debajo
19 9720 IP 8741
del 10%, porque ello entraña costes bastante más elevados al tratar de reducirlo. Si la alta
dirección acepta el 10%, Vickie y su supervisor también lo harán.
Para impresionar a su supervisor, Vickie ha tomado una muestra del rendimiento de la
producción durante 200 días. Averiguo que la producción media fue de 1,659 libras, con una
desviación típica de 212 libras. Solo en 17 casos dejo cumplirse la cuota de producción
asignada.
¿Cómo podría utilizar Vickie esta información muestral para determinar si ella y su supervisor
deben sentirse satisfechos con el rendimiento de la factoría?
METODOLOGÍA
En la metodología, procederemos de la siguiente manera:
 Formulación de hipótesis.
 Nivel de significado.
 La estadística de prueba
Solución:
DATOS:
x 𝑃 = 1700 lb de jabón
n = 200 Medir rendimiento
µ = 1659 libras
𝑅
σ = 212 libras
No cumplió cuota = 17
Error = 0.085
20 9720 IP 8741
α = 0.085
α = 0.090
P (µ = 1700) Producción media diaria
 Formulación de Hipótesis:
Ho: µ = 1700
Ha: µ ≠ 1700
 Nivel de significado
α = 0.085
 Estadística de prueba
x−µ
z = o
σ⁄√n
1700− 1659
z=
212⁄√200
z = 2.7350 ≅ 2.74
P = 0.4969 =49.69% ≅ 50%
CONCLUSION
No podrían sentirse satisfecho del rendimiento de la factoría; pues tiene una probabilidad
de que los niveles de producción y la frecuencia con lo cual la división incumple las cuotas
de producción es buena para afirmar que el rendimiento es bueno a optimo deberían tener
un probabilidad mayor a 80%.
21 9720 IP 8741
2) El supervisor de Vickie quiere realizar una comprobación doble de las cifras medias de
producción antes de enviarlas a la oficina central de Hoboken. Recopila las cifras de
producción de varios días y encuentra que son, en centenares de libras (ver tabla posterior)
¿Piensa usted que debe estar satisfecho con estas cifras?¿Como son en comparación con las
halladas en la muestra de Vickie?¿Cómo podría explicar las diferencias entre estos datos y los
de Vickie?
METODOLOGÍA
Solución:
DATOS:
16.15 17.76
17.82 17.89
17.79 17.98
16.82 18.52
 𝜇̅ = 1670 18.12 15.12
10.66 15.73
 n = 12
 𝜎 = 218
 X = 1700
22 9720 IP 8741
x−µ
z = o
σ⁄√n
1700− 1670
z=
218⁄√12
z = 0.476 ≅ 0.48
P = 18.44%
𝑃𝑣𝑖𝑐𝑘𝑖𝑒 = 50%
𝑃𝑠𝑢𝑝𝑒𝑟𝑣𝑖𝑠𝑜𝑟 𝑣𝑖𝑐𝑘𝑦 = 18%
𝑑⃐𝑝 = 50−18 = 32%
CONCLUSIÓN
Con estas cifras el supervisor de Vickie no puede estar satisfecho, porque en comparación
con la muestra de Vickie son menos en rendimiento.
La diferencia en rendimiento de Vickie en relación a su supervisor es de 32%
23 9720 IP 8741
3) Un artículo aparecido en 1986 en U.S News & World Report debatía en profundidad la
apreciación de los valores de reventa de vivienda a lo largo de ese año. Varios bancos
hipotecarios muestran su preocupación por la inflación de precios y su efecto sobre el
negocio. A continuación se relacionan las 14 áreas metropolitanas con el incremento
porcentual más alto del valor de venta en la nación.
Dicen que John Pfister, vicepresidente de Chicago Title & Trust Company, manifestó: “Este
puede ser el ultimo hurra del primer comprador”. Su afirmación se basaba en un estudio del
cual se deducía que los incrementos de precio por encima del 16% obligarían los nuevos
compradores a salir del mercado. ¿Piensa que Pfister tenía razón?
METODOLOGÍA
Solución:
DATOS:
VARIACION (%)
1985 1986
Providence 18.4 37.9
Hartford 13.3 29.5
Albany 14.3 22.6
Nueva York 29.6 19.9
Detroit 7.9 16.2
Buffalo 8.9 16.0
24 9720 IP 8741
Boston 38.2 15.9
Memphis -3.1 11.4
Filadelfia 16.5 11.3
Akron 6.8 9.9
Kansas City 0.3 9.4
Orange County 6.9 9.2
San Luis 6.5 9.1
Los Ángeles 4.7 8.6
 n = 14
 P (µ > 16%)
 x 1985 = 12.09
x 1986 = 16.16 Se toma por ser el último año el que evalúa.
25 9720 IP 8741
P − Po
z = P Q
√ O O
n
 P = 16%
 P = 16.16%
o
 Q = 83.84%
o
 n = 14
16 − 16.16
z =
(16.16%)(83.84%)
√
14
z = −0.01669 ≅ -0.02
P (µ > 16%) = 1 - P (µ > 16%)

= 1 – 0.0080
= 0.992
P = 99.2%
CONCLUSIÓN
Pfister tenía razón
26 9720 IP 8741
27 9720 IP 8741

Estadistics 2

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Estadistics 2

Încărcat de

Drepturi de autor:

Formate disponibile

“AÑO

FACULTAD DE INGENERIA INDUSTRIAL

ESTADISTICA II: MINICASOS

 Romero Hayashi , Marco

CODIGO DE CURSO: 4E0048

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Distribuciones Muéstrales: Introducción a la estadística inferencial

De Medias Muéstrales De Proporciones Muéstrales

Error Muestral Error Muestra

Media de las Medias Muéstrales Error típico

Error típico Aplicaciones a una distribución

Aplicaciones a una distribución Teorema central del límite

Teorema central del límite Factor de corrección con poblaciones

Factor de corrección con poblaciones

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Pero el error muestral debe ser inferior a 20000, por lo tanto:

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

La probabilidad de que 𝑋̅ se encuentre a una distancia inferior a 2000 dólares es de 1.00

En las propuestas dadas por los funcionarios la probabilidad de otorgarse una

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

3er medicamento: Porcentaje de Curación: 85%

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Para este caso, se usan como datos:

Se encuentra en discusión la aprobación del 3er medicamento en el Centro Médico.

a) Primer Medicamento: Benecite

Z=-3,97 en un área de 0,4998

(𝑝 ≥ 0,9) = 𝑝(𝑧 ≥ −3,57)

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Z= 0,13 describiendo un área de 0,0517

b) Segundo Medicamento: Maycine

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Z= 0,13 describiendo un área de 0,0517

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Z= 0,92 describiendo un área de 0,3212

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

 𝑃(𝑝 ≥ 16) = 𝑝(𝑧 ≥ 0,92)

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Por lo tanto el porcentaje de personas sin efectos secundarios serán del:

En los 150 pacientes se utilizó el primer medicamento”Benicite” quien tiene mayor

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Estimación con Intervalos de Confianza

Desarrollo de los Mini casos

1) Han surgido desavenencias entre Dave Williams y la empresa en que ha trabajado

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

Escuela de Ingeniera Agroindustrial

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

μ =14,75 ± 1,88 (0,4557)