SlideShare a Scribd company logo
1 of 29
0
2
4
6
8
10
12
1 2 3 4
Unidades Vendidas Probabilidades Vendidas Valor Esperado
25 0.15 25*0.15 3.75
26 0.3 26*0.3 7.8
27 0.4 27*0.4 10.8
28 0.15 28*0.15 4.2
26.55
Juego Premio P.E.
Valor
Esperado
Ganar 50,000 0.550000*0.5 25000
Perder 50,000 0.550000*0.5 25000
50000
0
5000
10000
15000
20000
25000
1 2
Cantidad Tipo de premio Valor del premio Probabilidad Valor esperado
1 mayor 1000
0.000000667
0 1000*0.000000667 0.000667
2 secos 50
0.000000667
0 50*0.000000667 0.00003335
2 secos 20
0.000000667
0 20*0.000000667 0.00001334
100 secos 2
0.000000667
0 2*0.000000667 0.000001334
149 Secos 0.5
0.000099333
0 0.5*0.000099333 0.000049666
0.00076469
0
0.0001
0.0002
0.0003
0.0004
0.0005
0.0006
0.0007
1 2 3 4 5
9
9.5
10
10.5
11
11.5
12
1 2 3
Alternativa S1 Probabilidad S2 Probabilidad S3 Probabilidad Valor Esperado
A1 $50 0.30 $70 0.50 $100 0.20 70
A2 $90 0.30 $40 0.50 $80 0.20 63
A3 $70 0.30 $60 0.50 $90 0.20 69
202
58
60
62
64
66
68
70
1 2 3
P=0.0001
N=20000
Binomial with n = 20000 and p = 0.0001
x P( X <= x )
2 0.676676 = 0.323324
A) Binomial with n = 20 and p = 0.2
x P( X <= x )
2 0.206085
B) Binomial with n = 20 and p = 0.2
x P( X = x )
4 0.218199
C) Binomial with n = 20 and p = 0.2
x P( X <= x )
3 0.411449
A) Binomial with n = 12 and p = 0.1 x P( X = x ) 2 0.230128
B) Binomial with n = 12 and p = 0.1x P( X <= x ) 1 0.659002
C) Binomial with n = 20 and p = 0.1x P( X <= x ) 0 0.121577
A) Binomial with n = 2 and p = 0.03
x P( X = x )
0 0.9409
B) Binomial with n = 2 and p = 0.03
x P( X = x )
1 0.0582
C) Binomial with n = 2 and p = 0.03
x P( X = x )
2 0.0009
media=5
P(x<3)=p(0)+p(1)+p(2)
Cumulative Distribution Function
Poisson with mean = 5
x P( X <= x )
2 0.124652
media=5
P(x>10)=1-[ p(0)+p(1)+p(2)+…+p(10)]
Cumulative Distribution Function
Poisson with mean = 5
x P( X <= x )
10 0.986305
1 – 0.986305 = .013695
p=.001
n= 3000
a) media= np =(.001)(3)=.003
b) P(x=0)
Probability Density Function
Poisson with mean = 3
x P( X = x )
0 0.0497871
Media=2000
ℓ=200
P(2000≤ x ≤ 2400)
Cumulative Distribution Function
Normal with mean = 2000 and standard deviation = 200
x P( X <= x )
2000 0.5
Cumulative Distribution Function
Normal with mean = 2000 and standard deviation = 200
x P( X <= x )
2400 0.977250
0.977250 – 0.5 = 0.47725
Media=13 cm
σ=0.1
P(13≤ x ≤ 13.2)
Cumulative Distribution Function
Normal with mean = 13 and standard deviation = 0.1
x P( X <= x )
13 0.5
Cumulative Distribution Function
Normal with mean = 13 and standard deviation = 0.1
x P( X <= x )
13.2 0.977250
0.977250 – 0.5 = 0.47725
Media=980
ℓ=48
a) P(x≥1000)
b)P(x≤940)
c)P(960 ≤ x ≤ 1060)
a) Cumulative Distribution Function
Normal with mean = 980 and standard deviation = 40
x P( X <= x )
1000 0.691462 1-0.691462=0.308538
b) Cumulative Distribution Function
Normal with mean = 980 and standard deviation = 40
x P( X <= x )
940 0.158655
c) Cumulative Distribution Function
Normal with mean = 980 and standard deviation = 40
x P( X <= x )
960 0.308538
Cumulative Distribution Function
Normal with mean = 980 and standard deviation = 40
x P( X <= x )
1060 0.977250
0.977250 – 0.308538= 0.668712
Media=5.10
ℓ=0.40
a) P(x≥5.4)
b)P(4.70 ≤ x ≤5.4)
c)P(x ≥3.40)
a) Cumulative Distribution Function
Normal with mean = 5.1 and standard deviation = 0.4
x P( X <= x )
5.4 0.773373
b) Cumulative Distribution Function
Normal with mean = 5.1 and standard deviation = 0.4
x P( X <= x )
4.7 0.158655 0.773373 - 0.158655 =0.614718
c) Cumulative Distribution Function
Normal with mean = 5.1 and standard deviation = 0.4
x P( X <= x )
3.9 0.0013499
1 – 0.0013499 = 0.9987
N=1500
n=300
p=300/1500
= 0.2
q=1-0.2= 0.8
Nievl de Confianza= 0.99
α= 1 -0.99 = .01
z= -2.5758293
0.22660305* 1500= 339.904576LS
0.17339695* 1500= 260.095424LI
a)
b) 0.21032796*1500= 315.491933LS
0.18967204*1500= 284.508067LI
Cota del error [284.50, 315.49]
N1=100 N2=100
Media=1425 Media=1905
σ=40 σ=30
Cota del error 2.83666003
1.16333997
N=2500
n=85
p=0.65
q=1-0.65=0.35
Nievl de Confianza= 0.97 Nivel de Confianza= 0.85
α= 1 -0.97 = 0.03 α= 1 -0.97 = 0.15
z= -2.17009038 z= -1.43953147
0.67070134* 85= 57.0096141LS 0.663732255*85= 56.4172417LS
0.62327468* 85= 52.9783479LI 0.632271735*85= 53.7430975LI
M=5.3
σ=1.2
n=26 5.783327959 LS
Nievl de Confianza= 96% 4.816672041 LI
α=0.04
z= -2.05374891 Verdadera Media= 5
H0= m1=m2
HA: m1≠m2
One-Sample T
Test of mu = 55 vs not = 55
N Mean StDev SE Mean 99% CI T
P
17 50.00 7.00 1.70 (45.04, 54.96) -2.95
0.010
Inverse Cumulative Distribution Function
Student's t distribution with 16 DF
P( X <= x ) x
0.01 -2.58349
Rechazamos H0 por que la T calculada es > que la de tablas
Afirmamos con el 99% de probabilidades que no es posible que la media de la población
sea 55.
H0= m1 = m2
H4: m1≠m2
G1= n1+n2-2
=8+14-2=20
Two-Sample T-Test and CI
Sample N Mean StDev SE Mean
1 8 50.00 5.00 1.8
2 14 45.00 4.00 1.1
Difference = mu (1) - mu (2)
Estimate for difference: 5.00
95% CI for difference: (0.50, 9.50)
T-Test of difference = 0 (vs not =): T-Value = 2.42 P-Value =
0.032 DF = 12
Inverse Cumulative Distribution Function
Student's t distribution with 20 DF
P( X <= x ) x
0.05 -1.72472
T> que la t de tabla, se rechaza Ho
Por lo tanto si existe una diferencia
significativa entre las medias
t= (σ₁²-σ₂²) √n-2 1.60416667
2σ₁σ₂√1-r₁₂²
Inverse Cumulative Distribution Function
Student's t distribution with 49 DF
P( X <= x ) x
0.01 -2.40489
Se acepta H0 por que la t de tablas es mayor que la calculada
Two-Sample T-Test and CI: Campaña 1, Campaña 2
Two-sample T for Campaña 1 vs Campaña 2
N Mean StDev SE Mean
Campaña 1 6 20.17 5.98 2.4
Campaña 2 6 22.17 7.25 3.0
Difference = mu (Campaña 1) - mu (Campaña 2)
Estimate for difference: -2.00
99% CI for difference: (-14.47, 10.47)
T-Test of difference = 0 (vs not =): T-Value = -0.52 P-Value =
0.615 DF = 9
Inverse Cumulative Distribution Function
Student's t distribution with 10 DF
P( X <= x ) x
0.01 -2.76377
H0: m1≠m2
H1: m1≠m2
Aceptamos Ho
Inverse Cumulative Distribution Function
Student's t distribution with 18 DF
P( X <= x ) x
0.05 -1.73406
√1 - r² 0.189
n-2
0.6±1.73(.189)= 0.6±0.3 = [.91, .23]
La variabilidad del coeficiente esta entre 0.91 y 0.27
H0; r1=r2
Hq; r1≠r2
n= 50
r1= 0.72 -0.24 -0.520307601
r2= 0.78 0.611751584
r= 0.6 -0.850521053
Inverse Cumulative Distribution Function
Student's t distribution with 47 DF
P( X <= x ) x
0.05 -1.67793
t
T calculada es < t de tablas; por tanto aceptamos H0

More Related Content

Similar to Ejemplos de ejercicios resueltos de estadística

Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarNathywiiz Hernández
 
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)Videoconferencias UTPL
 
15.distribucion probabilidad
15.distribucion probabilidad15.distribucion probabilidad
15.distribucion probabilidadfabiancurso
 
11.distribuciones variable continua
11.distribuciones variable continua11.distribuciones variable continua
11.distribuciones variable continuaFabián N. F.
 
11.distribuciones variable continua
11.distribuciones variable continua11.distribuciones variable continua
11.distribuciones variable continuafanufe
 
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)Videoconferencias UTPL
 
Distrubución binomial
Distrubución binomialDistrubución binomial
Distrubución binomialricardo_gpe
 
Presnetacion unidad 2 mat complementario
Presnetacion unidad 2 mat complementarioPresnetacion unidad 2 mat complementario
Presnetacion unidad 2 mat complementarioroafamilia
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Luz Hernández
 
Ecuaciones Empíricas
 Ecuaciones Empíricas Ecuaciones Empíricas
Ecuaciones EmpíricasSelf-employed
 

Similar to Ejemplos de ejercicios resueltos de estadística (20)

Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
 
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
INVESTIGACION OPERATIVA ( I Bimestre Abril Agosto 2011)
 
15.distribucion probabilidad
15.distribucion probabilidad15.distribucion probabilidad
15.distribucion probabilidad
 
4.pdf
4.pdf4.pdf
4.pdf
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
Investigacion Operativa
Investigacion OperativaInvestigacion Operativa
Investigacion Operativa
 
11.distribuciones variable continua
11.distribuciones variable continua11.distribuciones variable continua
11.distribuciones variable continua
 
11.distribuciones variable continua
11.distribuciones variable continua11.distribuciones variable continua
11.distribuciones variable continua
 
5.pdf
5.pdf5.pdf
5.pdf
 
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-INVESTIGACIÓN OPERATIVA-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
 
Distrubución binomial
Distrubución binomialDistrubución binomial
Distrubución binomial
 
Presnetacion unidad 2 mat complementario
Presnetacion unidad 2 mat complementarioPresnetacion unidad 2 mat complementario
Presnetacion unidad 2 mat complementario
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)
 
E book
E bookE book
E book
 
Matematicas
Matematicas  Matematicas
Matematicas
 
ejercicios resuelto de estadística l
ejercicios resuelto de estadística lejercicios resuelto de estadística l
ejercicios resuelto de estadística l
 
Distribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitabDistribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitab
 
Materia
MateriaMateria
Materia
 
Estadistica soluciones
Estadistica solucionesEstadistica soluciones
Estadistica soluciones
 
Ecuaciones Empíricas
 Ecuaciones Empíricas Ecuaciones Empíricas
Ecuaciones Empíricas
 

More from Gonzalo Ceballos

Factorización de ecuaciones cuadráticas 2
Factorización de ecuaciones cuadráticas 2Factorización de ecuaciones cuadráticas 2
Factorización de ecuaciones cuadráticas 2Gonzalo Ceballos
 
Factorización de ecuaciones cuadrática o de 2o grado
Factorización de ecuaciones cuadrática o de 2o gradoFactorización de ecuaciones cuadrática o de 2o grado
Factorización de ecuaciones cuadrática o de 2o gradoGonzalo Ceballos
 
Ejemplos problemas resueltos de estadística
Ejemplos problemas resueltos de estadísticaEjemplos problemas resueltos de estadística
Ejemplos problemas resueltos de estadísticaGonzalo Ceballos
 
conocer el radio de un circunferencia, su área y perímetro
conocer el radio de un circunferencia, su área y perímetroconocer el radio de un circunferencia, su área y perímetro
conocer el radio de un circunferencia, su área y perímetroGonzalo Ceballos
 
Vectores en R3 Producto escalar y vectorial
Vectores en R3 Producto escalar y vectorialVectores en R3 Producto escalar y vectorial
Vectores en R3 Producto escalar y vectorialGonzalo Ceballos
 
Esquema permutaciones y combinaciones.pdf
Esquema permutaciones y combinaciones.pdfEsquema permutaciones y combinaciones.pdf
Esquema permutaciones y combinaciones.pdfGonzalo Ceballos
 
Origami y Teselaciones o teselados presentación
Origami y Teselaciones o teselados presentaciónOrigami y Teselaciones o teselados presentación
Origami y Teselaciones o teselados presentaciónGonzalo Ceballos
 
Esquema para prueba de hipótesis - Formulario
Esquema para prueba de hipótesis - FormularioEsquema para prueba de hipótesis - Formulario
Esquema para prueba de hipótesis - FormularioGonzalo Ceballos
 

More from Gonzalo Ceballos (8)

Factorización de ecuaciones cuadráticas 2
Factorización de ecuaciones cuadráticas 2Factorización de ecuaciones cuadráticas 2
Factorización de ecuaciones cuadráticas 2
 
Factorización de ecuaciones cuadrática o de 2o grado
Factorización de ecuaciones cuadrática o de 2o gradoFactorización de ecuaciones cuadrática o de 2o grado
Factorización de ecuaciones cuadrática o de 2o grado
 
Ejemplos problemas resueltos de estadística
Ejemplos problemas resueltos de estadísticaEjemplos problemas resueltos de estadística
Ejemplos problemas resueltos de estadística
 
conocer el radio de un circunferencia, su área y perímetro
conocer el radio de un circunferencia, su área y perímetroconocer el radio de un circunferencia, su área y perímetro
conocer el radio de un circunferencia, su área y perímetro
 
Vectores en R3 Producto escalar y vectorial
Vectores en R3 Producto escalar y vectorialVectores en R3 Producto escalar y vectorial
Vectores en R3 Producto escalar y vectorial
 
Esquema permutaciones y combinaciones.pdf
Esquema permutaciones y combinaciones.pdfEsquema permutaciones y combinaciones.pdf
Esquema permutaciones y combinaciones.pdf
 
Origami y Teselaciones o teselados presentación
Origami y Teselaciones o teselados presentaciónOrigami y Teselaciones o teselados presentación
Origami y Teselaciones o teselados presentación
 
Esquema para prueba de hipótesis - Formulario
Esquema para prueba de hipótesis - FormularioEsquema para prueba de hipótesis - Formulario
Esquema para prueba de hipótesis - Formulario
 

Recently uploaded

Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfEjercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfMaritzaRetamozoVera
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 
La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.amayarogel
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxzulyvero07
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptxdeimerhdz21
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
Sesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxSesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxMaritzaRetamozoVera
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMarjorie Burga
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioELIASAURELIOCHAVEZCA1
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSYadi Campos
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 

Recently uploaded (20)

Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdfEjercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
Ejercicios de PROBLEMAS PAEV 6 GRADO 2024.pdf
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
Sesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxSesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docx
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grande
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
Presentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza MultigradoPresentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza Multigrado
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 

Ejemplos de ejercicios resueltos de estadística

  • 1. 0 2 4 6 8 10 12 1 2 3 4 Unidades Vendidas Probabilidades Vendidas Valor Esperado 25 0.15 25*0.15 3.75 26 0.3 26*0.3 7.8 27 0.4 27*0.4 10.8 28 0.15 28*0.15 4.2 26.55
  • 2. Juego Premio P.E. Valor Esperado Ganar 50,000 0.550000*0.5 25000 Perder 50,000 0.550000*0.5 25000 50000 0 5000 10000 15000 20000 25000 1 2
  • 3. Cantidad Tipo de premio Valor del premio Probabilidad Valor esperado 1 mayor 1000 0.000000667 0 1000*0.000000667 0.000667 2 secos 50 0.000000667 0 50*0.000000667 0.00003335 2 secos 20 0.000000667 0 20*0.000000667 0.00001334 100 secos 2 0.000000667 0 2*0.000000667 0.000001334 149 Secos 0.5 0.000099333 0 0.5*0.000099333 0.000049666 0.00076469 0 0.0001 0.0002 0.0003 0.0004 0.0005 0.0006 0.0007 1 2 3 4 5
  • 5. Alternativa S1 Probabilidad S2 Probabilidad S3 Probabilidad Valor Esperado A1 $50 0.30 $70 0.50 $100 0.20 70 A2 $90 0.30 $40 0.50 $80 0.20 63 A3 $70 0.30 $60 0.50 $90 0.20 69 202 58 60 62 64 66 68 70 1 2 3
  • 6.
  • 7. P=0.0001 N=20000 Binomial with n = 20000 and p = 0.0001 x P( X <= x ) 2 0.676676 = 0.323324
  • 8. A) Binomial with n = 20 and p = 0.2 x P( X <= x ) 2 0.206085 B) Binomial with n = 20 and p = 0.2 x P( X = x ) 4 0.218199 C) Binomial with n = 20 and p = 0.2 x P( X <= x ) 3 0.411449
  • 9. A) Binomial with n = 12 and p = 0.1 x P( X = x ) 2 0.230128 B) Binomial with n = 12 and p = 0.1x P( X <= x ) 1 0.659002 C) Binomial with n = 20 and p = 0.1x P( X <= x ) 0 0.121577
  • 10. A) Binomial with n = 2 and p = 0.03 x P( X = x ) 0 0.9409 B) Binomial with n = 2 and p = 0.03 x P( X = x ) 1 0.0582 C) Binomial with n = 2 and p = 0.03 x P( X = x ) 2 0.0009
  • 11.
  • 13. media=5 P(x>10)=1-[ p(0)+p(1)+p(2)+…+p(10)] Cumulative Distribution Function Poisson with mean = 5 x P( X <= x ) 10 0.986305 1 – 0.986305 = .013695
  • 14. p=.001 n= 3000 a) media= np =(.001)(3)=.003 b) P(x=0) Probability Density Function Poisson with mean = 3 x P( X = x ) 0 0.0497871
  • 15. Media=2000 ℓ=200 P(2000≤ x ≤ 2400) Cumulative Distribution Function Normal with mean = 2000 and standard deviation = 200 x P( X <= x ) 2000 0.5 Cumulative Distribution Function Normal with mean = 2000 and standard deviation = 200 x P( X <= x ) 2400 0.977250 0.977250 – 0.5 = 0.47725
  • 16. Media=13 cm σ=0.1 P(13≤ x ≤ 13.2) Cumulative Distribution Function Normal with mean = 13 and standard deviation = 0.1 x P( X <= x ) 13 0.5 Cumulative Distribution Function Normal with mean = 13 and standard deviation = 0.1 x P( X <= x ) 13.2 0.977250 0.977250 – 0.5 = 0.47725
  • 17. Media=980 ℓ=48 a) P(x≥1000) b)P(x≤940) c)P(960 ≤ x ≤ 1060) a) Cumulative Distribution Function Normal with mean = 980 and standard deviation = 40 x P( X <= x ) 1000 0.691462 1-0.691462=0.308538 b) Cumulative Distribution Function Normal with mean = 980 and standard deviation = 40 x P( X <= x ) 940 0.158655 c) Cumulative Distribution Function Normal with mean = 980 and standard deviation = 40 x P( X <= x ) 960 0.308538 Cumulative Distribution Function Normal with mean = 980 and standard deviation = 40 x P( X <= x ) 1060 0.977250 0.977250 – 0.308538= 0.668712
  • 18. Media=5.10 ℓ=0.40 a) P(x≥5.4) b)P(4.70 ≤ x ≤5.4) c)P(x ≥3.40) a) Cumulative Distribution Function Normal with mean = 5.1 and standard deviation = 0.4 x P( X <= x ) 5.4 0.773373 b) Cumulative Distribution Function Normal with mean = 5.1 and standard deviation = 0.4 x P( X <= x ) 4.7 0.158655 0.773373 - 0.158655 =0.614718 c) Cumulative Distribution Function Normal with mean = 5.1 and standard deviation = 0.4 x P( X <= x ) 3.9 0.0013499 1 – 0.0013499 = 0.9987
  • 19. N=1500 n=300 p=300/1500 = 0.2 q=1-0.2= 0.8 Nievl de Confianza= 0.99 α= 1 -0.99 = .01 z= -2.5758293 0.22660305* 1500= 339.904576LS 0.17339695* 1500= 260.095424LI a) b) 0.21032796*1500= 315.491933LS 0.18967204*1500= 284.508067LI Cota del error [284.50, 315.49]
  • 20. N1=100 N2=100 Media=1425 Media=1905 σ=40 σ=30 Cota del error 2.83666003 1.16333997
  • 21. N=2500 n=85 p=0.65 q=1-0.65=0.35 Nievl de Confianza= 0.97 Nivel de Confianza= 0.85 α= 1 -0.97 = 0.03 α= 1 -0.97 = 0.15 z= -2.17009038 z= -1.43953147 0.67070134* 85= 57.0096141LS 0.663732255*85= 56.4172417LS 0.62327468* 85= 52.9783479LI 0.632271735*85= 53.7430975LI
  • 22. M=5.3 σ=1.2 n=26 5.783327959 LS Nievl de Confianza= 96% 4.816672041 LI α=0.04 z= -2.05374891 Verdadera Media= 5
  • 23.
  • 24. H0= m1=m2 HA: m1≠m2 One-Sample T Test of mu = 55 vs not = 55 N Mean StDev SE Mean 99% CI T P 17 50.00 7.00 1.70 (45.04, 54.96) -2.95 0.010 Inverse Cumulative Distribution Function Student's t distribution with 16 DF P( X <= x ) x 0.01 -2.58349 Rechazamos H0 por que la T calculada es > que la de tablas Afirmamos con el 99% de probabilidades que no es posible que la media de la población sea 55.
  • 25. H0= m1 = m2 H4: m1≠m2 G1= n1+n2-2 =8+14-2=20 Two-Sample T-Test and CI Sample N Mean StDev SE Mean 1 8 50.00 5.00 1.8 2 14 45.00 4.00 1.1 Difference = mu (1) - mu (2) Estimate for difference: 5.00 95% CI for difference: (0.50, 9.50) T-Test of difference = 0 (vs not =): T-Value = 2.42 P-Value = 0.032 DF = 12 Inverse Cumulative Distribution Function Student's t distribution with 20 DF P( X <= x ) x 0.05 -1.72472 T> que la t de tabla, se rechaza Ho Por lo tanto si existe una diferencia significativa entre las medias
  • 26. t= (σ₁²-σ₂²) √n-2 1.60416667 2σ₁σ₂√1-r₁₂² Inverse Cumulative Distribution Function Student's t distribution with 49 DF P( X <= x ) x 0.01 -2.40489 Se acepta H0 por que la t de tablas es mayor que la calculada
  • 27. Two-Sample T-Test and CI: Campaña 1, Campaña 2 Two-sample T for Campaña 1 vs Campaña 2 N Mean StDev SE Mean Campaña 1 6 20.17 5.98 2.4 Campaña 2 6 22.17 7.25 3.0 Difference = mu (Campaña 1) - mu (Campaña 2) Estimate for difference: -2.00 99% CI for difference: (-14.47, 10.47) T-Test of difference = 0 (vs not =): T-Value = -0.52 P-Value = 0.615 DF = 9 Inverse Cumulative Distribution Function Student's t distribution with 10 DF P( X <= x ) x 0.01 -2.76377 H0: m1≠m2 H1: m1≠m2 Aceptamos Ho
  • 28. Inverse Cumulative Distribution Function Student's t distribution with 18 DF P( X <= x ) x 0.05 -1.73406 √1 - r² 0.189 n-2 0.6±1.73(.189)= 0.6±0.3 = [.91, .23] La variabilidad del coeficiente esta entre 0.91 y 0.27
  • 29. H0; r1=r2 Hq; r1≠r2 n= 50 r1= 0.72 -0.24 -0.520307601 r2= 0.78 0.611751584 r= 0.6 -0.850521053 Inverse Cumulative Distribution Function Student's t distribution with 47 DF P( X <= x ) x 0.05 -1.67793 t T calculada es < t de tablas; por tanto aceptamos H0