UNIVERSIDAD DE EL SALVADOR EN LÍNEA

FACULTAD DE INGENIERÍA Y ARQUITECTURA

PROBABILIDAD Y ESTADÍSTICA

UNIVERSIDAD DE EL SALVADOR
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA DE INGENIERÍA EN SISTEMAS INFORMATICOS
PROBABILIDAD Y ESTADÍSTICA CICLO I 2019

Evaluación: Actividad en Línea 4

Alumno: Ariel Alejandro Tazin Cruz

Carnet: TC17012

Sede: Sonsonate

Grupo: 01

Tutor: Ing. Raúl Eduardo Anaya Mejía

Sonsonate, 10 de abril de 2019

 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

1. Se ha tomado una muestra aleatoria de tamaño 100 de las muertes registradas en

un país, donde el año pasado se obtuvo una vida promedio de 71.8 años. Si se
conoce que la desviación estándar de la población es de 8.9 años. Verifique la
siguiente hipótesis: “La vida media actual es mayor que 70 años”. Utilice un nivel
de significancia de 0.05.
Según nuestros datos:
𝑛 = 100
𝑥̅ = 71.8
𝜎 = 8.9
𝛼 = 0.05
𝜇 = 70
𝐻0 : 𝜇 ≤ 70
𝐻𝑎 : 𝜇 > 70
Utilizamos el z.test de R studio

Por lo tanto si 𝛼 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 se rechaza 𝐻0

Conclusión:
Por lo tanto, se entiendo que hay suficientes pruebas para afirmar que la
hipótesis planteada sobre si la vida media actual es mayor que 70 años es
verdadera.
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

2. Un fabricante de equipo deportivo desarrollo un nuevo sedal para pesca sintético

que, según afirma, tiene una resistencia media a la rotura de 8 kilogramos con una
desviación estándar de 0.5 kilogramos. Pruebe la hipótesis de que μ = 8 kilogramos
contra la alternativa de que μ ≠ 8 kilogramos si se prueba una muestra aleatoria de
50 sedales y se encuentra que tienen una resistencia media a la rotura de 7.8
kilogramos. Utilice un nivel de significancia de 0.01.

Datos:
𝑛 = 50
𝑥̅ = 7.8
𝜎 = 0.5
𝛼 = 0.01
𝜇=8
𝐻0 : 𝜇 = 8
𝐻𝑎 : 𝜇 ≠ 8
Utilizamos el z.test de R studio

como 𝛼 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 se rechaza 𝐻0

Conclusión:
Por lo tanto, si la hipótesis alternativa es cierta, quiere decir que hay suficiente
evidencia para afirmar que el sedal sintético no cumple con la resistencia
establecida.
𝝁 = 𝟖 es falso.
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

3. Una empresa pública cifras del número de kilowatts-hora que gastan anualmente
varios aparatos electrodomésticos. Se afirma que una aspiradora gasta un
promedio de 46 kilowatts-hora al año. Se toma una muestra aleatoria de 12
hogares, que se incluye en un estudio planeado, la cual indica que las aspiradoras
gastan un promedio de 42 kilowatts-hora al año con una desviación estándar de
11.9 kilowatts-hora. ¿Sugiere esto que las aspiradoras gastan, en promedio, menos
de 46 kilowatts-hora al año a un nivel de significancia de 0.05? Suponga que la
población de kilowatts-hora es normal.

Datos:
𝑛 = 12
𝑥̅ = 42
𝜎 = 11.9
𝛼 = 0.05
𝜇 = 46
𝐻0 : 𝜇 ≥ 46
𝐻𝑎 : 𝜇 < 46

como 𝛼 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 no se rechaza 𝐻0

R/ por lo tanto se puede afirmar que el número promedio de kilowatt-hora que
gastan al año las aspiradoras no es significativamente menor que 46.
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

4. Se llevó a cabo un experimento para comparar el desgaste por abrasivos de dos

diferentes materiales laminados. Se probaron 12 piezas del material 1 exponiendo
cada pieza a una máquina para medir el desgaste. Se probaron 10 piezas del
material 2 de manera similar. En cada caso se observó la profundidad del desgaste.
Las muestras del material 1 revelaron un desgaste promedio (codificado) de 85
unidades con una desviación estándar muestral de 4; en tanto que las muestras del
material 2, revelaron un promedio de 81 y una desviación estándar muestral de 5.
¿Podríamos concluir, aun nivel de significancia de 0.05, que el desgaste abrasivo
del material 1 excede al del material 2 en más de 2 unidades? Suponga que las
poblaciones son aproximadamente normales con varianzas iguales.

Datos:

Tamaño de la Desgaste Desviación

muestra promedio estándar
muestral
Material 1 12 85 4
Material 2 10 81 5

Utilizamos el scipt de R studio para las cuando las varianzas poblacionales no son
conocidas y las muestras son pequeñas.

𝜇1 = 85
𝜇2 = 81
𝛼 = 0.05
𝐻0 : 𝜇1 ≤ 𝜇2
𝐻𝑎 : 𝜇1 > 𝜇2

> # PRIMERA MUESTRA

> # Número de elementos
> (n1 =12 )
[1] 12
> # Media muestral
> (xbar1 = 85)
[1] 85
> # Cuasidesviación típica muestral
> (s1 = 4)
[1] 4
>
> # SEGUNDA MUESTRA
> # Número de elementos
> (n2 = 10)
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
[1] 10
> # Media muestral
> (xbar2 =81 )
[1] 81
> # Cuasidesviación típica muestral
> (s2 = 5)
[1] 5
> # ¿Qué tipo de contraste estamos haciendo?
> # Escribe: 1 si la HIP. ALTERNATIVA es mu1 > mu2,
> # 2 si es mu1 < mu2,
> # 3 si es mu1 distinto de mu2
> TipoContraste = 1
>
> #Nivel de confianza
> (nc = 0.95)
[1] 0.95
>
> ###############################################
> # NO CAMBIES NADA DE AQUÍ HACIA ABAJO
> ###############################################
>
> # Cálculo de alfa
> (alfa = 1 -nc)
[1] 0.05
>
> # Grados de libertad
> k = n1 + n2 -2
>
> # Cálculo del estadístico del contraste
> denomEstad=sqrt(((1/n1) + (1/n2)) * ((n1 -1) * s1^2 + (n2-1) * s2^2) /
k)
>
> (Estadístico=(xbar1 -xbar2) / denomEstad)
[1] 2.086326
>
> #Función para el cálculo del p-valor
> pValor=function(EstadCon, tipoCon)
+ {
+ if(tipoCon == 1)
+ {
+ (pV=1 -pt(EstadCon, df=k))
+ }
+ if(tipoCon == 2)
+ {
+ (pV = pt(EstadCon,df=k))
+ }
+ if(tipoCon == 3)
+ {
+ pV=2 * (1 -pt(abs(EstadCon), df=k))
+ }
+ return(paste("El p-Valor es ", pV, sep="", collapse=""))
+ }
> # Función para el cálculo del límite de la región de rechazo
> RegionRechazo = function(alfa, tipoCon)
+ {
+ if(tipoCon == 1)
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
+ {
+ (regionRech = paste("Valores del Estadístico mayores que ", qt(1 -a
lfa, df=k)))
+ }
+ if(tipoCon == 2)
+ {
+ (regionRech = paste("Valores del Estadístico menores que ", qt(alfa
, df=k)))
+ }
+ if(tipoCon == 3)
+ {
+ (regionRech = paste("Valores del Estadístico mas alejados del orige
nque ", qt(1 -alfa/2, df=k)) )
+ }
+ regionRech=paste("La región de rechazo la forman los ",regionRech, se
p="", collapse="")
+ return(regionRech)
+ }
> # Y ahora se aplican ambas funciones para mostrar los resultados
> pValor(Estadístico, TipoContraste)
[1] "El p-Valor es 0.0249819462358551"
> Estadístico
[1] 2.086326
> RegionRechazo(alfa, TipoContraste)
[1] "La región de rechazo la forman los Valores del Estadístico mayores
que 1.72471824292079"

Por lo tanto se puede concluir que al ser qué 𝛼 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 y que el estadístico es
mayor a la región de rechazo se rechaza 𝐻0

La conclusión es que hay suficientes pruebas como para validar la hipótesis sobre que el
desgaste abrasivo del material 1 excede al del material 2 en más de 2 unidades

5. Un fabricante de salsa de tomate, utiliza una máquina para vaciar 16 onzas de su

salsa en botellas. A partir de su experiencia de varios años con la máquina
despachadora, el fabricante sabe que la cantidad del producto en cada botella
tiene una distribución normal con una media de 16 onzas y una desviación
estándar de 0.15 onzas. Una muestra de 15 botellas llenadas durante la hora
pasada revelo que la cantidad media por botella era de 16.017 onzas. ¿Sugiere la
evidencia que la cantidad media despachada es diferente de 16 onzas? Utilice un
nivel de significancia de 0.05.

Datos:
𝑛 = 15
𝑥̅ = 16.017
𝜎 = 0.15
𝛼 = 0.05
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

𝜇 = 16
𝐻0 : 𝜇 = 16
𝐻𝑎 : 𝜇 ≠ 16
Código el R studio

Tenemos que 𝜶 < 𝒑 − 𝒗𝒂𝒍𝒖𝒆 por lo tanto se acepta 𝑯𝟎 , esto nos indica que hay
suficientes pruebas como para decir que la hipótesis alternativa sobre que la
cantidad media despachada es diferente de 16 onzas, es falsa y que por lo tanto
la cantidad de medidas despachada es igual a 16 onzas.

6. Un fabricante de baterías de níquel-hidrógeno selecciona al azar 100 placas de

níquel para probar las celdas, someterlas a ciclos un número especificado de veces
y concluye que 14 de ellas se ampollan.

a) ¿Proporciona esto una evidencia precisa para concluir que más de 10% de
todas las placas se ampollan en tales circunstancias? Formule y pruebe las
hipótesis apropiadas con un nivel de significación de 0.05.
Sea 𝑥 el número de baterías ampolladas
𝑛 = 100
𝑥 = 14
𝛼 = 0.05
𝑝 = 0.10
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

𝐻0 : 𝑝 ≤ 0.10
𝐻𝑎 : 𝑝 > 0.10

Obtenemos que 𝛼 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 por lo tanto se descarta 𝐻0

Por lo cual podemos concluir que existe suficiente evidencia estadística para
afirmar que más del 10% de todas las placas se ampollan en tales
circunstancias.
b) Si es realmente el caso de que el 15% de todas las placas se ampollan en estas
circunstancias y se utiliza un tamaño de muestra de 100, ¿qué tan probable es
que la hipótesis nula de la parte a) no sea rechazada por la prueba de nivel
0.05? Responda esta pregunta para un tamaño de muestra de 200.
 UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA

(0.1)(0.9)
0.1 − 0.15 + 1.64√
200
𝛽(0.15) = Φ = Φ(−0.60242) = 0.2734
√(0.15)(0.85)
200

Por lo tanto, la probabilidad de que 𝐻0 : 𝑝 ≤ 0.10 cuando la prueba 𝑝 = 0.15 y

el tamaño de la muestra es de 200 no sea rechazada es aproximadamente de
27%