Aplicación Práctica de la Inferencia Estadística: Pruebas de Hipótesis y Estimación de Parámetros
Enviado por Chuletator online y clasificado en Matemáticas
Escrito el en 
español con un tamaño de 4,49 KB
1.
Un parámetro es una función definida sobre una variable que caracteriza a una población y se presenta con letras griegas.
Verdadero
Un estimador es mas preciso que otro, si la varianza del primero es menor que la del segundo.
Verdadero
3. la consistencia se refiere a la precisión de los estimadores, de tal manera que un estimador preciso también es insesgado.
Falso porque tiene sesgo
4. Se llama espacio muestral al conjunto de todos los resultados posibles de un proceso experimental u observacional.
Verdadero
5. El valor p es la probabilidad exacta de cometer error tipo II.
Falso
Es error tipo I.Lechones de 7-9 Kg
Z=X-M/σ
Z=7kg - 6,7kg / 0,5kg = 0.6
Z=9kg - 6,7kg / 0,5kg = 4,6
=P(7<X<9) = P(0,6<Z<4,6) =
P(Z<4,6) - P(Z<0,6)
3. Variable creatividad, media 11.5 y 20 alumnos
11.5 n=20 X-barra=12,65
S=5,6 (desviación estándar)
(todos los datos)
intervalo de confianza con α=0,01
EE= Tα/2,gl * S / √n
T(0,005,19) *¨5.6 / √20
2.861 * 5,6 / √20 = 3.58
9.07
16.23
Pr(9.07 < M < 16.23)=99% IC95= {9.07,16.23}
b. Ho: M1 <= 11.5 El test esta dentro de los limites de creatividad normal
H1: M > 11.5 El test no esta dentro de los limites de creatividad normal
5. T=12.65 - 11.5 / 5.6 / √20 = 0.918 = 0.92
No tengo evidencias suficientes para rechazar la hipótesis nula, es decir, que el teste sta dentro de los limites de creatividad normal.
DespuesX-barra= 7.98 S=0.83 σ2= 0.70
1. Ho: σ2 1 <= σ2 2 La varianza de antes de la fistulación es igual o menor a la varianza después de la fistulación
H1: σ2 1 > σ2 2 la varianza de antes de la fistulación es mayor a la varianza después de la fistulación
2. α=0,01
3. F= S2 Mayor / S2Menor
4. Grafica F(0.01,7,7)= 6.99
σ2=0.05 n=20X-barra= 0.468 S2= 0.0022
(total de datos)
1. Ho: σ2 1 <= σ2 2 La varianza de llenado automatizado 1 es menor o igual a la varianza de llenado automatizado 2
H1: σ2 1 > σ2 2 La varianza de llenado automatizado 1 es mayor a la varianza de llenado automatizado 2
2. α=0,05
3. Chi cuadrado - X2= S2 (n-1) / σ2
4. Grafica X2 (0.05,19) = 30.15 gl= 20-1=19
5. X2= 0.0022 (20-1)/0.05= 0.836
No tengo suficientes evidencias para rechazar la Hipótesis nula
No se acepta que la maquina es uniforme. Porque la varianza 0.836 supera a la normal que debe ser de 0.05