Capitulo II

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 21

Capitulo II.

EJERCICIOS DE APLICACIÓN INTERVALO DE CONFIANZA


1. CASO 01: LA MEDIA
1.1. Objetivo 01: Intervalo de confianza para la media.
1.1.1.Con varianza poblacional conocida.
Una empresa de construcción desea estimar la duración media de tiempo que necesita
un obrero en levantar un muro, escogiendo al azar a 40 personas. Suponiendo que
  2 días y el coeficiente de confianza de 96%, construir un intervalo de confianza
para la media poblacional.
Tabla 01
Tiempo Tiempo Tiempo Tiempo
N° N° N° N°
(días) (días) (días) (días)
1 6 11 5 21 6 31 3
2 3 12 3 22 5 32 2
3 2 13 5 23 2 33 4
4 6 14 6 24 6 34 5
5 4 15 3 25 2 35 3
6 5 16 5 26 6 36 3
7 5 17 4 27 3 37 4
8 6 18 4 28 6 38 5
9 3 19 6 29 2 39 4
10 6 20 6 30 5 40 6

Solución:
Paso 01: DATA Tabla 01.
Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Tiempo ,194 40 ,001 ,868 40 ,000
a. Corrección de significación de Lilliefors

Para nuestra muestra es mayor a 30, escogemos el estadístico Kolmogorov-Smirnov,


observamos que el valor de Sig o p es 0.001 es menor al nivel de significancia
α=0.04; podemos concluir que las muestras provienen de una distribución que no es
normal.

Paso 03: Datos


Realizando algunos cálculos previos
n

x i
6  3  2  6  4  5  ...  4  6
x i 1
  4.375
n 40
 n  40; x  4.375 días;   2 días

1    0.96;   0.04
 
  0.02; 1   0.98
2 2
Fórmula de los límites del intervalo:
 
Linf  x  Zt 
; Lsup  x  Z t 
n n
Z
Determinación de t :
Z t  Z 0.02  2.05375
Grafica:    
 

 

Intervalo de confianza:
 2
Linf  x  Z t   4.375  2.05375   3.72554723
n 40
 2
Lsup  x  Z t   4.375  2.05375   5.02445277
n 40
El parámetro   [3.72554723; 5.02445277] con un nivel de confianza del 96%
Conclusión:
Por lo tanto, diremos que la duración media que necesita un obrero para levantar un
muro es de 3.7 a 5 días con una seguridad del 96%.

1.1.2. Con varianza poblacional desconocida.


Se hace un estudio del nivel de precipitación, para determinar la precipitación
promedio de la provincia de Huamanga, durante el mes de diciembre del 2020 se
toman las mediciones de la precipitación, mostradas en la tabla. Calcule e interprete
un intervalo de confianza del 95% para la verdadera precipitación promedio µ en la
provincia.
Tabla01
PRECIPITACIÓN PRECIPITACIÓN
DÍA DÍA
(mm/día) (mm/día)
1 0.20 17 0.00
2 0.01 18 10.00
3 6.80 19 0.50
4 4.30 20 4.40
5 19.00 21 0.70
6 9.50 22 14.20
7 13.00 23 1.00
8 13.60 24 1.20
9 0.00 25 5.50
10 0.00 26 6.30
11 0.07 27 3.30
12 0.09 28 1.80
13 2.00 29 1.10
14 0.31 30 0.10
15 0.48 31 0.70
16 10.20
Solución:
Paso 01: DATA: Tabla 01.

Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Precipitación ,242 31 ,00007 ,791 31 ,00004
a. Corrección de significación de Lilliefors

De acuerdo al estadístico Kolmogorov-Smirnov observamos que el valor de Sig o p es


0.00007 es menor al nivel de significancia α=0.05; podemos concluir que las muestras
provienen de una distribución que no es normal.

Cálculos previos
n  31
n

x i
0.20  0.01  6.98  4.30  ...  1.10  0.10  0.7
x i 1
  4.2052
n 31
n

 x  x 
2

(0.20  4.2052) 2  (0.01  4.2052) 2  ...(0.7  4.2052) 2


i 1
s2  i 1
  28.00449
n 1 31  1
s  28.00449  5.29193

 n  31; x  4.205; s  5.29193


Fórmula de los límites del intervalo:
s s
Linf  x  Zt 
; Lsup  x  Z t 
n n
Determinación de t
Z
1    0.95;   0.05
 
  0.025; 1   0.975
2 2
Z t  1.95996398

Gráfica:    
 

  

Cálculo del límite:


s 5.29193
Linf  x  Z t   4.2052  1.95996398   2.34229752
n 31
s 5.29193
Lsup  x  Z t   4.2052  1.95996398   6.06802506
n 31
  [2.34229752;6.06802506] ó
  [2.3;6.1]
Conclusión:
La verdadera precipitación media mensual durante el mes de diciembre se encuentra
entre 2.3 mm y 6.1 mm con el 95% de confianza

1.2. Objetivo 02: intervalo de confianza para la diferencia entre dos medias.
1.2.1.Con varianzas poblacionales conocidas.
Un ingeniero agrícola utiliza dos máquinas para realizar el riego de parcelas. Se sabe
que las desviaciones estándar del volumen de agua son  1  7.6 m y  2  5.6 m para
3 3

n1  12
las dos máquinas respectivamente. Se toman dos muestras aleatorias,
n  10
parcelas regadas con la máquina 1 y 2 parcelas de la máquina 2. Construya un
intervalo de confianza de nivel 95% para la diferencia entre las medias del volumen
de llenado.

N° 1 2 3 4 5 6 7 8 9 10 11 12
Maquina 1 21.5 43.5 40.2 38.6 25.7 39.8 24.8 26.8 31 39.2 25.2 41.1
Maquina 2 29.3 29 40.7 33.9 42.1 40.9 42.1 37.9 38.6 26.8
Solución:
Paso 01: Data tabla 01
Paso 02: Prueba de normalidad

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Maquina 1 ,254 12 ,031 ,856 12 ,056
Maquina 2 ,218 10 ,196 ,861 10 ,079
a. Corrección de significación de Lilliefors
De acuerdo al estadístico Shapiro-Wilk observamos que el valor de Sig o p para la
maquina 1 es 0.056 y para la maquina 2 es 0.079, mayores al nivel de significancia
α=0.05 podemos concluir que presenta una distribución normal.
Paso 03: Datos
Realizando algunos cálculos previos
n

x i
21.5  43.5  ...  41.1
x1  i 1
  33.1167
n 12
n

x 29.3  29  ...  26.8


i
x2  i 1
  36.13
n 10
 12  7.62  57.76
 12  5.62  31.36

Cálculo del I:

1    0.95;   0.05
 
  0.025; 1   0.975
2 2
Fórmula de los límites del intervalo:
 12  2 2 2  2
Linf   x1  x2   Z t   ; Lsup   x1  x2   Z t  1  2
n1 n2 n1 n2

Determinación de
Zt :
Z t  Z 0.025  1.95996398
Gráfica:
   
 

  

Intervalo de confianza:

 12  2 2 57.76 31.36
Linf   x1  x2   Z t     33.1167  36.13  1.95996398    8.539332619
n1 n2 12 10
 12  2 2 57.76 31.36
Lsup   x1  x2   Z t     33.1167  36.13  1.95996398    2.512732619
n1 n2 12 10

1  2  [8.539; 2.513]
Conclusión:
Como el intervalo contiene tanto números negativos como positivos, con lo cuál tan
aceptables es que sea mayor la media del volumen de agua bombeada por la maquina
1, como la de la maquina 2. En consecuencia, NO se puede afirmar que la maquina
reduzca el volumen de agua. Por lo tanto, diremos que las diferencias de media en el
volumen de agua de riego, con un nivel de confianza de 95% es de -8.539 a 2.513.

1.2.2. Con varianzas poblacionales desconocidas.


En un establo se tienen vacas de distintas razas, se tomó registro de la cantidad de
producción en estas razas, para ello se evaluaron 10 animales de la raza Holstein y 10
de la raza normando. Construir un IC de 90% para la diferencia de medias.
Tabla 01:
RAZA RAZA
HOLSTEIN NORMANDO
(litro/día) (litro/día)
30.0 21.6
30.5 20.5

28.6 19.4

32.3 21.5

36.4 21.4

33.5 21.5
29.8 22.1
35.6 22.5
33.9 22.4
36.7 21.6

Solución:
Paso 01: Data tabla 01
Paso 02: Prueba de normalidad

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Holstein ,176 10 ,200 ,927 10 ,416
Normando ,278 10 ,027 ,871 10 ,102
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

De acuerdo al estadístico Shapiro-Wilk observamos que el valor de Sig o p para raza


Holstein es 0.416 y para la raza Normando es 0.102 mayores al nivel de significancia
α=0.1 podemos concluir que ambas muestras provienen de una distribución normal.
Paso 03: Datos
Realizando algunos cálculos previos
n

x i
30  30.5  28.6  ...  36.7
x1  i 1
  32.73
n 10
n

x i
21.6  20.5  19.4  ...  21.6
x2  i 1
  21.45
n 10
n

 x  x 
2
i 1
(30  32.73) 2  ...(197.82  32.73) 2
s12  i 1
  8.63122222
n 1 10  1
n

 x  x 
2
i 1
(21.6  21.45) 2  ...(21.6  21.45) 2
s2 2  i 1
  0.84277778
n 1 10  1

Cálculo del I:

1    0.90;   0.1
 
  0.05; 1   0.95
2 2
Fórmula de los límites del intervalo:
s12 s2 2 s12 s2 2
Linf   x1  x2   tt   ; Lsup   x1  x2   tt  
n1 n2 n1 n2

Determinación de
tt y r :
 s12 s22   8.63122222 0.84277778 
n  n   
r  1 2 
  10 10   11.33731682
2 2 2 2
 s12   s2 2   8.63122222   0.84277778 
n     10    10 
 1    n2 
n1  1 n2  1 10  1 10  1
tt  t 1 /2; r   t 0.95; 11.33731682   1.79588482

Gráfica:    
 
  

Intervalo de confianza:
8.63122222 0.84277778
Linf   32.73  21.45   1.79588482    9.531984941
10 10
8.63122222 0.84277778
Lsup   32.73  21.45   1.79588482    13.02801506
10 10
 1  2   9.531984941;13.02801506

Conclusión:
Por lo tanto, diremos que las diferencias de media en la producción de leche, con un
nivel de confianza de 90% es de 9.53 a 13.03.

1.2.3. Varianzas poblacionales iguales.


En una plantación de papas, se realizó un estudio que peso 27 semillas de papa
amarilla (Solanum phureja) escogidas aleatoriamente. Se observo que algunas
semillas estaban infectadas por las larvas del gorgojo de los andes (Premnotrypes
spp). La medición de los pesos proporcionó los siguientes valores.
Tabla 01:

peso (gramos)
infectado sin infectar
s
171.6 118.77
191.4 163.34
182.5 114.95
138.19 100.77
182.95 150.93
174.87 140.28
197.82 157.2
134.52
120.11
126.97
162.67
108.88
139.43
113.84
157.24
160.97
159.83
149.23
105.9
106

a. Construye un intervalo de confianza al 96% para la diferencia entre el peso medio


de la papa amarilla en semillas infectadas y no infectadas.
b. ¿Se podría afirmar que la larva reduce el peso de las semillas?
Solución para a.:
Paso 01: DATA: Tabla 01.
Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Infectados ,246 7 ,200 ,873 7 ,199
*
No infectados ,147 20 ,200 ,901 20 ,043
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

De acuerdo al estadístico Shapiro-Wilk observamos que el valor de Sig o p para


infectados es 0.199 y para los no infectaos es 0.043 mayores al nivel de significancia
α=0.04 podemos concluir que ambas muestras provienen de una distribución normal.
Paso 03: Datos
Realizando algunos cálculos previos
n

x i
171.6  191.4  182.5  ...  197.82
x1  i 1
  177.047143
n 7
n

x i
118.77  163.34  114.95  ...  106
x2  i 1
  134.5915
n 20
n

 x  x 
2
i 1
(171.6  177.047143) 2  (191.4  177.047143) 2  ...(197.82  177.047143) 2
s12  i 1
  374.397057
n 1 12  1
n

 x  x 
2

(118.77  134.5915) 2  (163.34  134.5915) 2  ...(106  134.5915) 2


i 1
s2 2  i 1
  488.89354
n 1 12  1
s1  374.397057  19.3493426
s2  488.89354  22.1109371

Semillas infectadas:
n1  7; x1  177.047; s1  19.349

Semillas no infectadas:
n2  20; x2  134.5915; s2  22.111

Paso 03: PRUEBA DE LEVENE U HOMOGENEIDAD DE VARIANZAS


s12 s12
Linf  F( /2; r2 ; r1 ) ; Lsup  F(1 /2; r2 ; r1 )
s2 2 s2 2
Ft :
Determinación de
 
1    0.96;   0.04   0.02; 1   0.98
2 2
F( /2; r2 ; r1 )  F(0.02;19;6)  0.29822854
F(1 / 2; r2 ; r1 )  F(0.98;19;6)  5.66908141
Gráfica:
 



 
   

Cálculo del I:
s12 s12 374.397057
Linf  F
2 ( /2; r2 ; r1 )
 F
2 (0.02;19;6)
  0.29822854  0.22838487
s2 s2 488.89354
s12 s12 374.397057
Lsup  2 F(1 /2; r2 ; r1 )  2 F(0.98;19;6)   5.66908141  4.34141019
s2 s2 488.89354
 12
  [0.22838487; 4.34141019]
 12
Conclusión:
Según el intervalo de confianza, las varianzas son estadísticamente iguales ya que el
valor 1 pertenece al intervalo calculado

Solución b:
Intervalo de confianza para la diferencia de dos medias:
1 1 1 1
Linf  ( x1  x2 )  tt  Sc   y Lsup  ( x1  x2 )  tt  S c  
n1 n2 n1 n2

Sc 
 n1  1  S12   n2  1  S2 2 
 7  1  374.397057   20  1  488.89354  21.48055828
n1  n2  2 7  20  2
1 1 1 1
S x1  x2   Sc    21.48055828    9.433295277
n1 n2 7 20
tt  t  / 2; n1  n2  2  t 0.02; 25  2.16658663
tt  t 1 / 2; n1  n2  2  t 0.98; 25  2.16658663
 tt  2.16658663

Gráfica:    
 

  

Cálculo de I:
1 1
Linf  ( x1  x2 )  tt  S c    (177.047143  134.5915)  2.16658663  9.433295277  22.01759158
n1 n2
1 1
Lsup  ( x1  x2 )  tt  Sc    (177.047143  134.5915)  2.16658663  9.433295277  62.89369442
n1 n2
1  2  [22.01759158; 62.89369442]
Interpretación: Se podría afirmar que la infección del gorgojo aumenta el peso de la
semilla, ya que se encuentra dentro del intervalo 22.02 y 62.89 con un nivel de
confianza de 96%.

1.2.4. Varianzas poblacionales diferentes.


Se tomo una muestra de datos de la radiación solar horaria en la ciudad de
lima, en la estación molina, se dispuso de la toma de datos en intervalos de 1
hora desde las 7 am hasta 6 pm, durante días despejados y días nublados.
Transcurrido el día, se registraron los datos totales (en w/m2), obteniéndose
los siguientes datos:
Tabla 01
Día 39,5 214,8 480,9 788, 1047 1243 1323 1290 1138 876,7 583,1 272,5
despejado 9
Día 24 173,1 629,9 584, 1043 1060 1116 1273 1139 860,2 576,2 261,7
nublado 1

Halla un intervalo de confianza al 90% para la diferencia de radiación solar media de


días despejados y nublado.
Solución:
Paso 01: DATA: Tabla 01.
Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Despejado ,144 12 ,200* ,926 12 ,343
*
Nublado ,191 12 ,200 ,925 12 ,326
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
De acuerdo al estadístico Shapiro-Wilk observamos que el valor de Sig o p es 0.343 y
0.326 mayores al nivel de significancia α=0.10 podemos concluir que ambas muestras
provienen de una distribución normal.
Paso 03: Prueba de Levene
Cálculos previos
n

x i
39.5  214.8  480.9  788.9  1047  1243  1323  ...  583.1  272.5
x1  i 1
  774.783
n 12
n

x i
24  173.1  629.9  584.1  1043  1060  1116  ...  576.2  261.7
x2  i 1
  728.350
n 12
n

 x  x 
2
i 1
(39.5  774.783) 2  (214.8  774.783) 2  ...(272.5  774.783) 2
s1 
2 i 1
  202859.318
n 1 12  1
n

 x  x 
2
i 1
(24  728.350) 2  (173.1  728.350) 2  ...(261.7  728.350) 2
s2 2  i 1
  174341.285
n 1 12  1
s1  223145.250  450.399
s2  191775.413  417.542

Cálculo de IC para la varianza


s12 s12
Linf  2 F( /2; r2 ; r1 ) ; Lsup  2 F(1 /2; r2 ; r1 )
s2 s2

Determinación de
Ft
 
1    0.90;   0.10   0.05 y 1   0.95
2 2
F( /2; r2 ; r1 )  F(0.05;11;11)  0.35487036
F(1 / 2; r2 ; r1 )  F(0.95;11;11)  2.81793047
Gráfica:
 



 
   

Cálculo del I:
s12 s12 202859.318
Linf  F
2 ( /2; r2 ; r1 )
 F
2 (0.05;11;11)
  0.35487036  0.412919
s2 s2 174341.285
s12 s12 202859.318
Lsup  2 F(1 /2; r2 ; r1 )  2 F(0.95;11;11)   2.81793047  3.278876
s2 s2 174341.285
 12
  [0.412919; 3.278876]
 12
De acuerdo al IC las varianzas son estadísticamente iguales, ya que el valor I
pertenece al intervalo calculado.

1.3. Objetivo 03: Intervalo de confianza para la diferencia de dos medias con
observaciones pareadas.
Para probar si una nueva hormona aumenta la producción de leche (litros) en el bovino, se
seleccionaron 11 vacas de producción de leche y se evaluó su producción con la aplicación

de hormonas y sin su aplicación. Construir el IC del 90% para


d .
Tabla 01
Con hormona 4 4 4 4
40 51 43 39 45 42 48
2 5 1 5
Sin hormona 2 2 3 2
26 27 31 28 28 28 27
9 6 0 6

Solución:
Observaciones:
Sea X el nivel de producción con hormona, y sea Y el nivel de producción sin hormona.
Queremos estudiar la diferencia de las medias de Y, y X.
Sin embargo, como los valores que tenemos para ambas provienen de los mismos
individuos, en principio los valores de X e Y NO pueden considerarse independientes. Por
lo tanto, estamos ante el caso de datos emparejados.
En consecuencia, formamos una nueva variable, D=X-Y, cuyos datos corresponden a las
diferencias entre los valores de X e Y; es decir:
Y= sin X= con D=X-Y
Vaca
hormona hormona
1 26 40 14
2 27 51 24
3 29 42 13
4 31 43 12
5 26 45 19
6 28 39 11
7 30 41 11
8 28 45 17
9 26 45 19
10 28 42 14
11 27 48 21

Paso 01: DATA: Tabla 01.


Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
VAR00006 ,214 11 ,168 ,919 11 ,311
a. Corrección de significación de Lilliefors

De acuerdo al estadístico de Shapiro-Wilk y su valor p =0.311 mayor a α= 0.10,


concluimos que los datos provienen de una distribución normal

Paso 03: Datos


Cálculo de medidas descriptivas
n

D i
14  24  13  12  19  11  ...  21
D i 1
  15.90909091
n 11
n

 D  D
2
i
(14  15.90909091) 2  ...(21  15.90909091) 2
sDi 2  i 1
  19.09090909
n 1 11  1
sDi  4.36931449

tt :
Cálculo de
tt  t(1 /2; n1)  t(0.95;10)  1.81246112
Gráfica:    
 

  

Cálculo del intervalo I:


sD s
Linf  D  tt  ; Lsup  D  tt  D ; tt  t(1 /; n 1)
n n
s 4.36931449
Linf  D  tt  D  15.90909091  1.81246112   13.52135845
n 11
s 4.36931449
Lsup  D  tt  D 15.90909091  1.81246112   18.29682335
n 11
 D  [13.52135845;18.29682335]
De los resultados observados y del intervalo de confianza al 90% podemos decir que la
aplicación de la hormona aumenta claramente la producción.

2. CASO 02: LA PROPORCION


2.1. Objetivo 04: Intervalo de confianza para una proporción.
Un fabricante de componentes compra un lote de dispositivos de segunda mano y desea
saber la proporción de la población que están fallados. Con ese fin experimenta con 240
dispositivos elegidos al azar y encuentra que 65 de ellos están fallados.
Calcular un intervalo de confianza del 99% para la proporción poblacional p
Solución
Paso 01: data no se cuenta.
Datos:
65 275
n  240; x  65; p   0.19; q   0.8;   1%
340 340
Cálculo de
Zt :
Z t  Z1 /2  Z 0.995  2.5758293
Gráfica:    
 

  

Cálculo del intervalo:


pq 0.2  0.8
Linf  p  Z t   0.2  2.5758293   0.1334923735
n 240
pq 0.2  0.8
Linf  p  Z t   0.2  2.5758293   0.2665076265
n 240
 P  [0.133; 0.267]
Interpretación: la verdadera proporción de artefactos que están fallando se encuentra
entre 13.3% y 26.7%, con el 99% de confianza
2.2. Objetivo 05: Intervalo de confianza para la diferencia de dos proporciones.
Se lleva a cabo un estudio para determinar la efectividad de una nueva vacuna contra la
gripe en aves. Se administra la vacuna a una muestra aleatoria de 3000 animales, y de ese
grupo 20 contraen gripe. Como grupo de control se seleccionan al azar 2500 sujetos, a los
cuales no se les administra la vacuna, y de ese grupo 160 contraen gripe. Construya un
intervalo de confianza de nivel 0.95 para la diferencia entre las verdaderas proporciones de
individuos que contraen gripe.
Solución:
Datos:
n1  3000; x1  20; n2  2500; x2  160;   5%
Z /2  Z 0.025  1.95996398  Z t  1.95996398
20 160
p1   0.0067; p2   0.064
3000 2500
Gráfica:    
 

  

Cálculo del intervalo:

p1q1 p2 q2 0.0067  0.9933 0.064  0.936


Linf   p1  p2   Z t     0.0067  0.064   1.95996398  
n1 n2 3000 2500
Linf  0.06732842
p1q1 p2 q2 0.0067  0.9933 0.064  0.936
Lsup   p1  p2   Z t     0.0067  0.064   1.95996398  
n1 n2 3000 2500
Lsup  0.04727158
 P1  P2  [0.06732842;  0.04727158]

Interpretación: la diferencia de proporciones entre -6.7% y -4.7%, con el 95% de


confianza. Esto nos indica que la proporción 2 es mayor a la proporción 1.

3. CASO 03: LA VARIANZA


3.1. Objetivo 06: Intervalo de confianza para una varianza
A un grupo de plantaciones de quinua de diversos propietarios, se les evaluó el
rendimiento de su producción, obteniéndose los siguientes resultados:
Tabla 01:
Rendimiento Rendimient Rendimient
N° N° N°
(kg/Ha) o (kg/Ha) o (kg/Ha)
1 628.7 11 755.4 21 701.3
2 623.8 12 647.8 22 695
3 604.5 13 706.8 23 618.8
4 704 14 694.9 24 673.1
5 660.9 15 695.1 25 610.1
6 709.7 16 712.2 26 721.9
7 630.4 17 746 27 651.1
8 614.6 18 600.5 28 626.8
9 708.1 19 640.2
10 765 20 666.3

Construya un IC de 95% para la varianza poblacional del rendimiento s drupo de


Solución:
Paso 01: DATA Tabla 01.

Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Rendimiento ,148 28 ,118 ,945 28 ,145
a. Corrección de significación de Lilliefors
De acuerdo al estadístico Shapiro-Wilk observamos que el valor de Sig o p es 0.145 es
mayor al nivel de significancia α=0.05; podemos concluir que las muestras provienen de
una distribución normal.

Paso 03: datos


Cálculos previos
n

x i
628.7  623.8  604.5  ...  651.1  626.8
x i 1
  671.892857
n 28
n

 x  x 
2

(628.7  671.892857) 2  ...(626.8  671.892857) 2


i 1
s2  i 1
  2310.32513
n 1 28  1
s  2310.32513  48.0658416

Fórmula de los límites del intervalo:

Linf 
 n  1 s 2 ; Lsup 
 n  1 s 2
 2 1 /2; n 1  2 1 /2; n 1
Determinación de 
2

 2  /2; n 1   2 0.025; 27   14.5733827


 2 1 /2; n 1   2 0.975; 27   43.194511
Gráfica:
 



 
 

Cálculo del límite:

Linf 
 n  1 s 2 
 28  1 2310.32513  1444.136699
 2
 1 /2; n 1 43.194511

Lsup 
 n  1 s 2 
 28  1 2310.32513  4280.322544
 2
 1 /2; n 1 14.5733827
 2  [1444.136699; 4280.322544]
Interpretación: con un nivel de confianza de 95%, la varianza del rendimiento de la
quinua se encuentra entre 1444.136699 y 4280.322544.

3.2. Objetivo 07: Intervalo de confianza para la razón de dos varianzas.


En la estación Von Humbolt, se tomaron datos de la temperatura del aire (°C) durante 24
horas para los meses de enero y julio, obteniéndose las siguientes varianzas muestrales.
Determine el intervalo de confianza al 95% para la razón de estas. ¿Son iguales las
varianzas poblacionales de enero y julio?

Tabla 01:

HORA ENERO JULIO HORA ENERO JULIO


1 20.9 16.6 13 26.8 20.2
2 20 16.5 14 26.9 20
3 19.5 16.5 15 26.2 19.5
4 19.2 16.5 16 25.6 18.9
5 19 16.6 17 24.8 18.1
6 18.2 16.6 18 23.7 17.4
7 19.5 16.8 19 22.8 17
8 26 17.6 20 22.3 17
9 26.8 18 21 22.1 17
10 26.2 18.6 22 22 16.8
11 27.1 19.4 23 22 16.8
12 25 20 24 21 16.7

Solución:
Paso 01: DATA Tabla 01.

Paso 02: Prueba de normalidad:

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Enero ,137 24 ,200 ,914 24 ,042
Julio ,251 24 ,000 ,826 24 ,001
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
Como el tamaño de muestra es menor a 30 elegimos Shapiro-Wilk, observamos
que el valor de Sig o p es 0.042 y 0.001 que son valores menores al nivel de
significancia α=0.05 podemos concluir que ambas muestras provienen de una
distribución normal.

Paso 03: Datos


Realizando algunos cálculos previos
n

x i
20.9  20  19.5  19.2  19  18.2  ...  21
x1  i 1
  23.0667
n 24
n

x i
16.6  16.5  16.5  16.5  16.6  ...  16.7
x2  i 1
  17.7125
n 24
n

 x  x 
2
i 1
(20.9  23.0667) 2  (20  23.0667) 2  ...(21  23.0667) 2
s12  i 1
  8.84753623
n 1 12  1
n

 x  x 
2

(16.6  17.7125) 2  (16.5  17.7125) 2  ...(16.7  17.71 25) 2


i 1
s2 2  i 1
  1.66983696
n 1 12  1
s1  8.84753623  2.97448083
s2  1.66983696  1.29222171

 n  40; x  4.375 días;   2 días


1    0.96;   0.04
 
  0.02; 1   0.98
2 2

Gráfica:
 



 
   

Cálculo del intervalo I:


s12 s12
Linf  F( /2; r2 ; r1 ) ; Lsup  F(1 /2; r2 ; r1 )
s2 2 s2 2
s12 s12 8.84753623
Linf  F
2 ( /2; r2 ; r1 )
 F
2 (0.02;23;23)
  0.49641961  2.63025111
s2 s2 1.66983696
s12 s12 8.84753623
Lsup  F
2 (1 / 2; r2 ; r1 )
 F
2 (0.98;23;23)
  2.01442484  10.6733156
s2 s2 1.66983696
 12
 2  [2.63025111; 10.6733156]
1
Interpretación: La razón de varianzas de enero y julio se encuentra entre 2.63 y 10.67,
con el 95% de confianza .

También podría gustarte