Estimación

424 visualizaciones

Publicado el

Relación de Intervalos de Confianza

Publicado en: Ciencias
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
424
En SlideShare
0
De insertados
0
Número de insertados
23
Acciones
Compartido
0
Descargas
6
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Estimación

  1. 1. RELACIÓN 5. ESTIMACIÓN  1.-La concentración media de dióxido de carbono en el aire en una cierta zona no es habitualmente mayor que 335 p.p.m.v. (partes por millón en volumen). Se sospecha que esta concentración es mayor en la capa de aire más próxima a la superficie. Se ha analizado el aire en 20 puntos elegidos aleatoriamente a una misma altura cerca del suelo, resultando una media muestral de 580 p.p.m.v. y una cuasidesviación típica de 180. Suponiendo normalidad para las mediciones, dar una estimación puntual para la concentración media de dióxido de carbono cerca del suelo y calcular un intervalo de confianza al nivel de confianza 0.95. 20; 580; 180n x s= = = X: “ Concentración media de dióxido de carbono en el aire” X→ N (µ, σ) µ 580xµ = = PROPONER
  2. 2. 1 0.95; 0.05; 2 0.025α α α− = = = / 2; 1 / 2; 1. ;n n S S I C X X n n t tα α− −   = − +    180 180 . . 580 2.093 ; 580 2.093 20 20 I C   = − + =    [ ]495.7584 ; 664 2416.= 20; 580; 180n x S= = = X: “ Concentración media de dióxido de carbono en el aire” X→ N (µ, σ) µ 580xµ = = / 2; 1 0.025;19 2.093nt tα − = =
  3. 3. 10; 0.58; 0.22n x σ= = = X: ”Diferencia albúmina entre A y B” X→ N (µ, σ = 0.22)  2.- Ante la sospecha de una diferencia sistemática entre dos laboratorios A y B a la hora de determinar la cantidad de albúmina sérica, expresada en gr./100ml., se ha realizado una experiencia consistente en la extracción de sangre a 10 pacientes. Para cada muestra de sangre se midió tal proteína en ambos laboratorios y las diferencias entre laboratorios (A–B) fueron las siguientes: 0.6, 0.7, 0.8, 0.9, 0.3, 0.5, –0.5, 1.3, 0.4, 0.8 Considerando normalidad, calcular un intervalo de confianza para la diferencia media de medición al nivel de confianza 0.9 considerando que la desviación tipica de las diferencias poblacionales es 0.22. A este nivel de confianza, ¿qué tamaño mínimo de muestra deberíamos tomar para que la amplitud del intervalo fuese menor o igual que la mitad del anterior?.
  4. 4. / 2 0.051 0.90; 0.10; 2 0.05; 1.645z zαα α α− = = = = = 0.05 0.05 0.22 0.22 . . 0.58 ; 0.58 10 10 I C z z   = − + =    0 0 / 2 /2 1 : 2 m z z m n α α σ σ ≤ 0 0 / 2 / 2. . ;I C X z X z n n α α σ σ  = − +     1 1 1 2 4 2 40 m n m n m n m ≤ ⇒ ≥ ⇒ ≥ ⇒ ≥ [ ]0.4656; 0 6944.= 0 / 2 ;2 z n α σ ×Amplitud Interv = 010; 0.58; 0.22n x σ= = = X: ”Diferencia albúmina entre A y B” X→ N (µ, σ = 0.22)
  5. 5.  3.- Para evaluar la viabilidad de un proyecto de reforestación de una zona sometida a stress turístico, para el que se ha solicitado una subvención pública, se analiza la composición en mg. por cm3 de desechos orgánicos del territorio. Los datos que se obtienen son: 10.87, 9.01, 22.50, 12.35, 17.39, 31.05, 17.19, 16.74, 20.33, 19.32, 23.18, 25.15, 15.49, 20.30, 2.38, 13.55, 9.33, 22.72, 10.96, 25.90, 27.66, 9.74, 18.65, 9.31, 24.60, 17.41, 24.86, 15.34, 23.34, 22.81, 17.86 Considerando normalidad, estimar mediante un intervalo de confianza la dispersión de la distribución de los datos (considerar un nivel de confianza de 0.95). 2 2 2 0.025;30 0.975;30/ 2; 1 17.9771; 6.6178; 31; 0.05; 2 0.05 47; 16.8n x s n α α α χ χ χ− = = = = = = = = 2 2 2 2 / 2; 1 1 / 2; 1 ( 1) ( 1) . . ; n n n S n S I C α αχ χ− − −   − − =      [ ] 1313.85 1313.85 . . ; 27.9543; 78.2054 47 16.8 I C   = =   X: ”composición de desechos orgánicos por mg/cm3 ” X→ N (µ, σ) PROPONER
  6. 6.  4.- Con el fin de estudiar el efecto de los rayos X sobre la viabilidad huevo-larva en “Tribolium castaneum” se irradiaron 1000 huevos de los que resultaron 572 larvas. Hallar un intervalo de confianza para la proporción de lavas en huevos irradiados al nivel de confianza del 0.95. X: “número de larvas en 1000 huevos” µ 2 0.025 572 1000; 0.572 1000 1 0.95; 0.05; 2 0.025 1.96 n p z zα α α α = = = − = = = = = µ µ µ ( ) µ µ µ ( ) / 2 / 2 1 1 . . ; p p p p I C p p n n z zα α  − −  = − +     [ ]0.5413; 0.6027= 0.572 0.428 0.572 1.96 1000 ×  + =  0.572 0.428 . . 0.572 1.96 ; 1000 I C × = −  PROPONER
  7. 7. Prov. A 100 89 84 120 130 105 60 70 90 108 130 Prov. B 120 115 96 115 140 120 75 90 108 130 135 5.- La siguiente tabla proporciona datos sobre la precipitación total registrada en 11 estaciones meteorológicas de dos provincias españolas. Suponiendo independencia y normalidad, dar una estimación mediante un intervalo de confianza al nivel de confianza de 0.8 para: a.- Cociente de varianzas de la pluviosidad entre las dos provincias. b.- Diferencia de las medias de la pluviosidad entre las dos provincias, si se sabe por experiencia previa que la varianza de las precipitaciones en la provincia A y en la provincia B son iguales. c.- Diferencia de las medias de pluviosidad si se sabe por experiencia previa que la varianza de las precipitaciones en la provincia A es de 475 y en la provincia B de 350. XA : ”precipitaciones en provincia A” XA → N (µA , σA ) XB : ” precipitaciones en provincia B” XB → N (µB , σB ) PROPONER
  8. 8. / 2; 1, 1 0.1;10,10 2.32 A Bn nF Fα − − = = [ ] 1 524 8182 524 8182 . . ; 2 32 0.5808; 3.1261 2 32 389 4909 389 4909 . . I C . . . . × ×   = ≡   a.- Cociente de varianzas 2 2 11; 524.8182; 389.4909A B BAn n S S= = = = / 2; 1, 1 0.1;10,10 2.32 B An nF Fα − − = = 1 0.80; 0.20; 2 0.10α α α− = = = 2 2 / 2 ; 1, 12 2 /2; 1, 1 1 . . ; B A A B A A n n n n B B S S I C F F S S α α − − − −    =    
  9. 9. / 2; 2 0.1;20 1.325 A Bn nt tα + − = = / 2; 2 1 1 . . A BA B n n p A B I C X X t S n n α ×+ −    = − ± +    2 2 ( 1) ( 1) 2 10 524.8182 10 389.4909 21.3812 20 A A B B p A B n n n n S S S × × − + − = = + − + = = [ ] 2 . . 98.7273 113.0909 1.325 21.3812 11 26.4436; 2.2836 I C ×   = − ± ≡    = − − b. Diferencia de medias. Varianzas desconocidas, pero iguales 1 0.80; 0.20; 2 0.10α α α− = = = 98.7273; 113.0909A Bx x= =
  10. 10. ( ) 2 2 / 2. . A B A B A B I C X X z n n α σ σ    = − ± +      ( ) ( ) 475 350 . . 98.7273 113.0909 1.285 ; 11 11 475 350 98.7273 113.0909 1.285 11 11 I C  = − − +   − + + =  [ ]25.498 ; 3.2785= − − XA → N (µA, σA = )475 c. Diferencia de medias. Varianzas Conocidas XA : “precipitaciones en provincia A” XB: “ precipitaciones en provincia B” / 2 0.10 1.285z zα = = XB → N (µB, σB = )350 1 0.80; 0.20; 2 0.10α α α− = = = 98.7273; 113.0909A Bx x= =
  11. 11.  6.- Muchos autores afirman que los pacientes con depresión tienen una función cortical inferior a la normal debido a un riego sanguíneo por debajo de los niveles habituales. A dos muestras de individuos, unos con depresión y otros normales, se les midió un índice del flujo sanguíneo cerebral (dado en mg/(100g/min)) obteniéndose Hallar un intervalo de confianza al nivel de confianza de 0.99 para la diferencia del índice medio de flujo sanguíneo cerebral considerando normalidad e independencia. Tamaño muestral Media muestral Desviación típica muestral Depresivos 195 47 7.8 Normales 225 53.8 6.1 XD : “Indice de flujo de individuos depresivos” XD → N (µD , σD ) XN : “índice de flujo de individuos normales” XN → N (µN , σN ) Tamaños muestrales grandes
  12. 12. 22 / 2. . ND D N D N SS I C X X n n zα    = − ± +     [ ]8.5835; 5.0165= − − 61.1536 37.3761 47 53.8 2.575 195 225  − + + =  61.1536 37.3761 . . 47 53.8 2.575 ; 195 225 I C  = − − +  / 2 0.0051 0.99; 0.01; 2 0.005; 2.575z zαα α α− = = = = = 2 2 2 2 195; 225 7.8 61.1536 1 6.1 37.3761 1 D N D D D N N N n n n n n n S S = = = = − = = −
  13. 13.  7.- En una piscifactoría se desea comparar el porcentaje de peces adultos que miden menos de 20 cm con los que miden más de 40 cm. Para ello se toma una muestra de 200 peces observando que 40 de ellos miden menos de 20 cm y 57 más de 40 cm. Hallar un intervalo de confianza para la diferencia de proporciones al nivel de confianza del 0.95. 1 2 1 2 200; 200 40 57 ˆ ˆ0.2; 0.285 200 200 n n p p = = = = = = µ µ µ µ ( ) µ µ ( )1 1 2 2 / 21 2 1 2 1 1 . . p p p p I C p p n n zα   − −  = − ± +      [ ] 0.2 0.8 0.285 0.715 . . 0.2 0.285 1.96 200 200 0.1686; 0.001409 I C  × × = − ± + ≡    = − − X1 : “número de peces que miden menos de 20 cm entre 200” X2 : “número de peces que miden más de 20 cm entre 200” 2 0.0251 0.95; 0.05; 2 0.025; 1.96z zαα α α− = = = = = PROPONER
  14. 14. a. El que tiene un nivel de confianza de 0.99  8.- Contesta razonadamente a estas preguntas: a.- ¿Cuál tiene mayor amplitud, un intervalo de confianza al nivel 0.95 ó 0.99? b.- ¿Cuál es el efecto del tamaño muestral sobre la amplitud de un intervalo de confianza? b. Mayor tamaño muestral menor amplitud, con el mismo nivel de confianza.
  15. 15.  9.- En una piscifactoría hay una proporción desconocida de peces de una especie A. Para obtener información sobre esa proporción se sacan 145 peces de los cuales 29 son tipo A. Estimar dicha proporción mediante un intervalo de confianza al nivel de confianza 0.95. µ 29 145; 0.2 145 n p= = = µ µ µ ( ) µ µ µ ( ) /2 / 2 1 1 . . ; p p p p I C p z p z n n α α  − −  = − +     [ ] 0.2 0.8 0.2 0.8 . . 0.2 1.96 ; 0.2 1.96 145 145 0.1349; 0.2651 I C × ×  = − + =    = X: “número de peces de una especie A” / 2 0.025 1.96z zα = = 1 0.95; 0.05; 2 0.025α α α− = = =
  16. 16.  10.- En una experiencia genética se extraen 20 moscas de una caja experimental. Medida la longitud del ala en cada mosca se obtuvieron los siguientes valores: 93, 90, 97, 90, 93, 91, 96, 94, 91, 91, 88, 93, 95, 91, 89, 92, 87, 88, 90, 86 Suponiendo que la longitud del ala sigue una distribución normal, hallar un intervalo de confianza de nivel 0.9 para los parámetros µ y σ2 . 20; 91.25; 2.9357n x S= = = / 2; 1 /2 ; 1. . ;n n S S I C X X n n t tα α− −   = − +    [ ] 2.9357 2.9357 . . 91.25 2.093 ; 91.25 2.093 20 20 89.8761; 92.6239 I C   = − + =    = X: “longitud del ala de una mosca” X → N (µ; σ) / 2; 1 0.025;19 2.093nt tα − = = Intervalo de Confianza para la Media 1 0.95; 0.05; 2 0.025α α α− = = = PROPONER
  17. 17. 2 2 2 2 /2; 1 1 / 2; 1 ( 1) ( 1) . . ; n n n S n S I C α αχ χ− − −   − − =      [ ] 163.7484 163.7484 . . ; 4.9772;18.3780 32.9 8.91 I C   = ≡   2 2 / 2; 1 0.025;19 2 2 1 / 2; 1 0.975;19 32.9 8.91 n n α α χ χ χ χ − − − = = = = Intervalo de Confianza para la Varianza 20; 91.25; 2.9357n x S= = = X: “longitud del ala de una mosca” X → N (µ; σ) 1 0.95; 0.05; 2 0.025α α α− = = =
  18. 18.  11.- Queremos comparar dos métodos rápidos para estimar la concentración de una hormona en una solución. Tenemos 10 dosis preparadas en el laboratorio y vamos a medir la concentración de cada una con los dos métodos. Se obtienen los siguientes resultados: Dosis 1 2 3 4 5 6 7 8 9 10 Método A 10.7 11.2 15.3 14.9 13.9 15 15.6 15.7 14.3 10.8 Método B 11.1 11.4 15 15.1 14.3 15.4 15.4 16 14.3 11.2 XA : “Concentración método A” XA → N (µA , σA ) XB : “Concentración método B” XB → N (µB , σB ) 2 2 10; 4.1493; 3.6951A B BAn n S S= = = = a) Calcular un intervalo de confianza al nivel 0.9 para el cociente de varianzas b) Suponiendo que las variables son independientes, siguen distribuciones Normales y las varianzas poblacionales son iguales, calcular un intervalo de confianza al nivel 0.9 para la diferencia de concentraciones medias.
  19. 19. / 2; 1, 1 0.05; 9,9 / 2; 1, 1 0.05; 9,9 3.18 3.18 A B B A n n n n F F F F α α − − − − = = = = 2 2 / 2; 1, 12 2 /2; 1, 1 1 . . ; B A A B A A n n n n B B S S I C F F S S α α × ×− − − −    =      [ ] 1 4.1493 4.1493 . . ; 3.18 0.3531; 3.5709 3.18 3.6951 3.6951 I C × ×   = =   a) Cociente de varianzas 2 2 10; 4.1493; 3.6951A B BAn n S S= = = = 1 0.90; 0.10; 2 0.05α α α− = = =
  20. 20. / 2; 2 0.05;18 1.734 A Bn nt tα + − = = / 2; 2 1 1 . . A BA B n n p A B I C X X S n n tα ×+ −   = − ± +    2 2 ( 1) ( 1) 9 4.1493 9 3.6951 1.9805 2 18 A A B B p A B n n n n s s s × ×− + − + = = = + − [ ] 2 . . 13.74 13.92 1.734 1.9805 1.7158;1.3558 10 I C ×   = − ± = −    b) Diferencia de medias 2 2 10; 4.1493; 3.6951A B BAn n S S= = = = 1 0.90; 0.10; 2 0.05α α α− = = = 13.74; 13.92A Bx x= =
  21. 21.  12.- En el análisis de un pigmento contenido en una cierta flor de una planta vegetal se obtuvieron los siguientes resultados experimentales, expresados como mg de pigmento por gramo de flor: 2.08, 2.11, 2.39, 2.08, 2.12, 2.23, 2.17 y 2.11. Considerando normalidad, calcular un intervalo de confianza para el número medio de mg de pigmento por gramo de flor, así como para su varianza (nivel de confianza 0.99) / 2; 1 0.005;7 8; 2.1613; 0.1051 3.499n n x S t tα − = = = = = / 2; 1 / 2; 1. . ;n n S S I C X t X t n n α α− −   = − +    [ ] 0.1051 0.1051 . . 2.1613 3.499 ; 2.1613 3.499 8 8 2.0313; 2.2913 I C × ×   = − + ≡    = X: “mg de pigmento por gr.” X → N (µ, σ) Intervalo de Confianza para la Media
  22. 22. 2 22 0.005;7 0.995;7/ 2; 1 20.3; 0.989nαχ χ χ− = = = 2 2 2 2 / 2; 1 1 / 2; 1 ( 1) ( 1) . . ; n n n S n S I C α αχ χ− − −   − − =     [ ] 0.0773 0.0773 . . ; 20.3 0.989 0.003808; 0.0782 I C   = =   = Intervalo de Confianza para la Varianza 8; 2.1613; 0.1051n x S= = =
  23. 23.  13.- Un grupo de investigadores está interesado en conocer la concentración media de una enzima en cierta población de algas. Se sabe por experiencias previas que la varianza de la concentración de esta enzima es de 35. Si se obtiene una muestra de tamaño 15 dándonos un nivel de concentración media de 18, calcular un intervalo de confianza al nivel 0.95 (se supone normalidad). / 2 0.025 15; 18; 5.916079783 1.96 n x z zα σ= = = = = [ ] 5.916079783 5.916079783 . . 18 1.96 ; 18 1.96 15 15 15.0061; 20.9939 I C × ×   = − + ≡    = / 2 / 2. . ;I C X z X z n n α α σ σ  = − +    X: “Concentración de una enzima” X → N (µ, σ = 5.916079783)
  24. 24. 14.- Se considera un experimento para estudiar si la terapia cognitiva es más efectiva para la depresión que la psicoterapia psicodinámica. Se consideran dos muestras de 10 personas cada una sobre las que se realiza cada terapia. Tras 6 semanas de terapia, la mejoría en cada paciente se comprueba. Esta mejoría es marcada (0-10) para cada paciente como sigue: Considerando normalidad e independencia y suponiendo las varianzas iguales, estimar la diferencia de medias en efectividad y calcular un intervalo de confianza al nivel 0.95. Cognitiva 9 7 7 8 3 8 7 5 6 8 Psicodinámica 3 2 4 0 5 2 4 3 2 5 2 2 10 6.7; 3 3.3444; 2.4444 A B A B BA n n x x S S = = = = = =
  25. 25. / 2; 2 0.025;18 2.101A Bn nt tα + − = = / 2; 2 1 1 . . A BA B n n p A B I C X X t S n n α ×+ −   = − ± +    2 2 ( 1) ( 1) 2 9 3.3444 9 2.4444 1.7013 18 A A B B p A B n s n s S n n × × − + − = = + − + = = [ ] 1 1 . . 6.7 3 2.101 1.7013 10 10 2.1015; 5.2985 I C ×   = − ± + =    = Diferencia de medias 2 2 10 6.7; 3 3.3444; 2.4444 A B A B A B n n x x S S = = = = = =
  26. 26.  15.- Los investigadores de la Environmental Protection Agency (EPA) se interesan por la calidad del aire. Uno de los indicadores de la calidad del aire es el número medio de microorganismos de partículas en suspensión por metro cúbico de aire. Es decir, el interés se centra en µ, la media de la variable aleatoria X, número de microorganismos de partículas en suspensión por metro cúbico de aire. Para controlar la situación se hace una lectura cada seis días, extrayendo un metro cúbico de aire a través de un filtro y determinado el número de microorganismos de partículas en suspensión concentradas en él. Después de un período de treinta días, se ha generado una muestra aleatoria de tamaño 5. Los valores observados de estas variables, para el período dado de 30 días son: 58, 57, 59, 70, 61. Hallar un intervalo de confianza al nivel de confianza 0.95 para el número medio de microorganismos de partículas en suspensión por metro cúbico de aire para los siguientes supuestos: a.- Es conocido por experiencias previas que la variable en estudio está normalmente distribuida con varianza poblacional igual a 9. b.- Es conocido por experiencias previas que la variable en estudio está normalmente distribuida.
  27. 27. / 2 0.0255; 61; 3; 1.96n x z zασ= = = = = [ ] 3 3 . . 61 1.96 ; 61 1.96 58.3704; 63.6296 5 5 I C   = − + =    / 2 / 2. . ;I C X z X z n n α α σ σ  = − +    X: “Número de microorganismos de partículas en suspensión por metro cúbico de aire” X→ N (µ; σ = 3)a / 2; 1 0.025;4 5; 61; 5.2440 2.776n n x S ttα − = = = = = [ ] 5.2440 5.2440 . . 61 2.776 ; 61 2.776 5 5 54.4898; 67.5102 I C   = − + =    = / 2; 1 / 2; 1. . ;n n S S I C X t X t n n α α− −   = − +    X→ N (µ; σ)b

×