http://image.slidesharecdn.com/tstudent
ejemplos-120319172547-
phpapp02/95/slide-1-
728.jpg?1332197765Email
Like
Save
Embed
T studen
T studen
T studen
T studen
T studen
T studentejemplosDocumentTranscript
1. Calcular el percentil w0=95 y w0=25 en cada uno de los
siguientes casos:1. En una distribución t-Student con 3 grados
de libertad.2. En una distribución t-Student con 30 grados de
libertad.R=1. Recordemos que w0=95 es aquel número real que
verifica: S [W · w0=95] =0=95Para encontrar este valor en la
tabla de la distribución t-Student bastará:- ) Localizar en la
primera columna los grados de libertad, en este caso: 3.- )
Localizar en la primer fila la probabilidad acumulada, en nuestro
caso: 0=95=- ) Movernos horizontal y verticalmente desde las
posiciones anteriores hastacruzarnos en el punto w0=95.Por
tanto el percentil w0=95, en una t-Student con 3 grados de
libertad será elvalor: w0=95 = 2=3534Es decir, si desde el valor
2.3534 nos movemos horizontalmente hasta la primeracolumna,
llegaremos al valor 3 (grados de libertad), y si lo hacemos
verticalmentehacia la primera fila la llegaremos al valor 0.95
(probabilidad acumulada).Como en la tabla únicamente tenemos
tabulada la t-Student para colasprobabilísticas que van desde
0=75 hasta 0=999, para calcular el percentilw0=25, tendremos
que realizar la siguiente consideración: S [W · w0=25] = 1 ¡s[W ¸
w0=25]Como la distribución t-Student es simétrica, se verifica:
w0=25 = ¡w0=75Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]
2. Por tanto, buscando en la tabla con los datos:Grados de
libertad: 3Cola de probabilidad: 0.75Tenemos: w0=25 = ¡w0=75
= ¡0=76492. En el caso de 30 grados de libertad actuaremos de
modo similar al casoanterior, pero buscando en la fila 30 de la
tabla. Resultando:w0=95 = 1=6973Y w0=25 = ¡w0=75 =
¡0=6828Calcular los percentiles I8>7;0=99 y I8>7;0=01R= Para
buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99
hemos detener en cuenta que:df_1 = 8 (1d Fila de la tabla)df_2 =
7 (1 d Columna de la tabla)0=99 = Probabilidad acumulada
(Última columna de la tabla)El valor donde se cruzan todos estos
datos será el percentil buscado. Por tanto: I9>7; 099 = 6=840Un
fabricante de focos afirma que su producto durará un promedio
de 500 horasde trabajo. Para conservar este promedio esta
persona verifica 25 focos cadames. Si el valor y calculado cae
entre –t 0.05 y t 0.05, él se encuentra satisfechocon esta
afirmación. ¿Qué conclusión deberá él sacar de una muestra de
25 focoscuya duración fue?:
3. 520 521 511 513 510 µ=500 h 513 522 500 521 495 n=25 496
488 500 502 512 Nc=90% 510 510 475 505 521 X=505.36 506
503 487 493 500 S=12.07t= x -μ SI n α = 1- Nc = 10%v = n-1 =
24t = 2.22La longitud de los tornillos fabricados en una fábrica
tienen media μ=10 mm ydesviación s=1 mm, calcular la
probabilidad de que en una muestra de tamañon=25, la longitud
media del tornillo sea inferior a 20.5 mm:P
(μ<20.5)Estandarizamos T=(X-μ)/(s/√n) que sigue una
distribución t de n-1 grados delibertadT=(20.5-20)/(1/√25) = 2.5
4. P (μ<20.5) --> P (T<2.5) ~ t(24)P (T<2.5) = 0.9902P
(μ<20.5)=0.9902La probabilidad que la longitud media de la
muestra de 25 tornillos sea inferior a20.5 mm es del 99.02%El
profesor Pérez olvida poner su despertador 3 de cada 10 días.
Además, hacomprobado que uno de cada 10 días en los que
pone el despertador acaba nolevantándose a tiempo de dar su
primera clase, mientras que 2 de cada 10 días enlos que olvida
poner el despertador, llega a tiempo adar su primera clase.(a)
Identifica y da nombre a los sucesos que aparecen en el
enunciado.(b) ¿Cual es la probabilidad de que el profesor Pérez
llegue a tiempo a dar suprimeraclase?R=: En primer lugar
conviene identificar el experimento aleatorio que
estamosrealizando. Este consiste en tomar un dia al azar en la
vida del profesor Pérez yanalizarlo en base a los siguientes
sucesos.(a) Para un día al azar decimos que se ha dado el
suceso:O ≡ cuando el profesor ha olvidado poner el
despertadorT ≡ cuando el profesor ha llegado tarde a su primera
clase.Notemos que tanto {O, O} como {T, T} forman un sistema
completo de sucesos. Acontinuación traducimos en términos de
probabilidad de los sucesos anteriorestodos los datos que nos
dan en el enunciado. P(O) = , P (T |O) = , P(O) = , P(T |O) = .(b)
El suceso”llegar a tiempo a su clase” es el complementario de T ,
por tanto nospiden que calculemos P(T¯). Puesto que {O, O} es
un sistema completo desucesos, podemos aplicar la formulas de
la probabilidad total, de donde tenemosque:
5. P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).En la expresión
anterior aparecen varios de los datos que nos ha
proporcionandoel enunciado, sin embargo no conocemos
directamente el valor de P(T |¯ O¯).Para calcularlo utilizamos
queP(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión
anterior se puedeescribir como: P(T¯) = + =0.69

Más contenido relacionado

DOC
T student 5 ejemplos beeto
PDF
Tstudentejemplos 120319172547-phpapp02
DOCX
T student ejemplos
PDF
Segunda tarea sorpresa_seg_per_2012-13
PPT
Derivadas
PPT
Aplicaciones e la Derivada
PDF
Derivada de una función
PPT
Algoritmo congruencial aditivo
T student 5 ejemplos beeto
Tstudentejemplos 120319172547-phpapp02
T student ejemplos
Segunda tarea sorpresa_seg_per_2012-13
Derivadas
Aplicaciones e la Derivada
Derivada de una función
Algoritmo congruencial aditivo

La actualidad más candente (19)

PDF
Aplicación de la derivada área máxima
PDF
Derivadas
PDF
Taller sistema decimal
PDF
Presentacion de limites
PPTX
Algoritmo Coungrencial Multiplicativo & Aditivo
PPTX
Regla de Ruffini
PPTX
aplicacion de las derivadas en el ambito economico
PDF
Teoría y Problemas de Funciones de Variable Real ccesa007
PDF
Teoría y Problemas de Limites y Continuidad de Funciones MA-I ccesa007
DOC
PROBLEMAS RESUELTOS QUE IMPLICAN FUNCIONES EXPONENCIALES
PPTX
Distribucion geometrica
PPTX
Algoritmo lineal
PPTX
Función potencia
PPTX
Distribucion geometrica
PPTX
Algoritmo congruencial multiplicativo y prueba de medias u otavalo
PPTX
Algoritmo De Multiplicador Constante & Algoritmo Lineal
PPSX
Programación lineal
Aplicación de la derivada área máxima
Derivadas
Taller sistema decimal
Presentacion de limites
Algoritmo Coungrencial Multiplicativo & Aditivo
Regla de Ruffini
aplicacion de las derivadas en el ambito economico
Teoría y Problemas de Funciones de Variable Real ccesa007
Teoría y Problemas de Limites y Continuidad de Funciones MA-I ccesa007
PROBLEMAS RESUELTOS QUE IMPLICAN FUNCIONES EXPONENCIALES
Distribucion geometrica
Algoritmo lineal
Función potencia
Distribucion geometrica
Algoritmo congruencial multiplicativo y prueba de medias u otavalo
Algoritmo De Multiplicador Constante & Algoritmo Lineal
Programación lineal
Publicidad

Destacado (20)

PPTX
Prueba Chi-Cuadrado
PDF
DISTRIBUCION T DE STUDENT
DOCX
DOCX
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
PDF
Presentación 12 prueba chi-cuadrada
PPT
Aplicaciones de las Pruebas Chi cuadrada Geografia
PPTX
2012 3 distribucion-f_(fisher)
PPT
AnáLisis De Varianza (Anova)
PPT
Estadistica Inferencial
PPTX
Análisis de la varianza (ANOVA)
PPT
Pruebas No Parametricas
PPTX
T de student para dos muestras independientes
DOC
Estadística inferencial
PPTX
Pruebas parametricas y no parametricas
PPT
Analisis parametricos-y-no-parametricos
PPT
Regresión lineal y correlación
DOC
La prueba o estadístico chi cuadrado se utiliza para comprobar si la diferenc...
PPTX
Estadistica 8
PPTX
Prueba Chi-Cuadrado
DISTRIBUCION T DE STUDENT
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
Presentación 12 prueba chi-cuadrada
Aplicaciones de las Pruebas Chi cuadrada Geografia
2012 3 distribucion-f_(fisher)
AnáLisis De Varianza (Anova)
Estadistica Inferencial
Análisis de la varianza (ANOVA)
Pruebas No Parametricas
T de student para dos muestras independientes
Estadística inferencial
Pruebas parametricas y no parametricas
Analisis parametricos-y-no-parametricos
Regresión lineal y correlación
La prueba o estadístico chi cuadrado se utiliza para comprobar si la diferenc...
Estadistica 8
Publicidad

Similar a T studen (20)

DOC
Ejemplos de tstudent estadistica
PDF
T-student
DOCX
T student ejemplos
DOC
Bernoulli ejemplos
DOC
Bernoulli ejemplos
DOC
Disreibuciones
DOC
Ejebn
DOC
Ejebn
DOCX
Ejemplos de distribuciones
DOCX
Ejemplos de distribuciones
DOCX
trabajo de estadistca
DOCX
Trabajo de estadística
DOCX
Trabajo de estadística
PDF
PDF
Trabajo final probabilidad y estadistica
PDF
serie-de-taylor-y-mcl.pdf
DOCX
EJEMPLOS DE CADA DISTRIBUCIÓN
PDF
Modelos probabilísticos
DOC
Actividad competencias básicas
Ejemplos de tstudent estadistica
T-student
T student ejemplos
Bernoulli ejemplos
Bernoulli ejemplos
Disreibuciones
Ejebn
Ejebn
Ejemplos de distribuciones
Ejemplos de distribuciones
trabajo de estadistca
Trabajo de estadística
Trabajo de estadística
Trabajo final probabilidad y estadistica
serie-de-taylor-y-mcl.pdf
EJEMPLOS DE CADA DISTRIBUCIÓN
Modelos probabilísticos
Actividad competencias básicas

T studen

  • 7. T studentejemplosDocumentTranscript 1. Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes casos:1. En una distribución t-Student con 3 grados de libertad.2. En una distribución t-Student con 30 grados de libertad.R=1. Recordemos que w0=95 es aquel número real que verifica: S [W · w0=95] =0=95Para encontrar este valor en la tabla de la distribución t-Student bastará:- ) Localizar en la primera columna los grados de libertad, en este caso: 3.- ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso: 0=95=- ) Movernos horizontal y verticalmente desde las posiciones anteriores hastacruzarnos en el punto w0=95.Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será elvalor: w0=95 = 2=3534Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primeracolumna, llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmentehacia la primera fila la llegaremos al valor 0.95 (probabilidad acumulada).Como en la tabla únicamente tenemos tabulada la t-Student para colasprobabilísticas que van desde 0=75 hasta 0=999, para calcular el percentilw0=25, tendremos que realizar la siguiente consideración: S [W · w0=25] = 1 ¡s[W ¸ w0=25]Como la distribución t-Student es simétrica, se verifica: w0=25 = ¡w0=75Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75] 2. Por tanto, buscando en la tabla con los datos:Grados de libertad: 3Cola de probabilidad: 0.75Tenemos: w0=25 = ¡w0=75 = ¡0=76492. En el caso de 30 grados de libertad actuaremos de modo similar al casoanterior, pero buscando en la fila 30 de la tabla. Resultando:w0=95 = 1=6973Y w0=25 = ¡w0=75 = ¡0=6828Calcular los percentiles I8>7;0=99 y I8>7;0=01R= Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos detener en cuenta que:df_1 = 8 (1d Fila de la tabla)df_2 = 7 (1 d Columna de la tabla)0=99 = Probabilidad acumulada (Última columna de la tabla)El valor donde se cruzan todos estos datos será el percentil buscado. Por tanto: I9>7; 099 = 6=840Un
  • 8. fabricante de focos afirma que su producto durará un promedio de 500 horasde trabajo. Para conservar este promedio esta persona verifica 25 focos cadames. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfechocon esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de 25 focoscuya duración fue?: 3. 520 521 511 513 510 µ=500 h 513 522 500 521 495 n=25 496 488 500 502 512 Nc=90% 510 510 475 505 521 X=505.36 506 503 487 493 500 S=12.07t= x -μ SI n α = 1- Nc = 10%v = n-1 = 24t = 2.22La longitud de los tornillos fabricados en una fábrica tienen media μ=10 mm ydesviación s=1 mm, calcular la probabilidad de que en una muestra de tamañon=25, la longitud media del tornillo sea inferior a 20.5 mm:P (μ<20.5)Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de n-1 grados delibertadT=(20.5-20)/(1/√25) = 2.5 4. P (μ<20.5) --> P (T<2.5) ~ t(24)P (T<2.5) = 0.9902P (μ<20.5)=0.9902La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a20.5 mm es del 99.02%El profesor Pérez olvida poner su despertador 3 de cada 10 días. Además, hacomprobado que uno de cada 10 días en los que pone el despertador acaba nolevantándose a tiempo de dar su primera clase, mientras que 2 de cada 10 días enlos que olvida poner el despertador, llega a tiempo adar su primera clase.(a) Identifica y da nombre a los sucesos que aparecen en el enunciado.(b) ¿Cual es la probabilidad de que el profesor Pérez llegue a tiempo a dar suprimeraclase?R=: En primer lugar conviene identificar el experimento aleatorio que estamosrealizando. Este consiste en tomar un dia al azar en la vida del profesor Pérez yanalizarlo en base a los siguientes sucesos.(a) Para un día al azar decimos que se ha dado el suceso:O ≡ cuando el profesor ha olvidado poner el despertadorT ≡ cuando el profesor ha llegado tarde a su primera clase.Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. Acontinuación traducimos en términos de
  • 9. probabilidad de los sucesos anteriorestodos los datos que nos dan en el enunciado. P(O) = , P (T |O) = , P(O) = , P(T |O) = .(b) El suceso”llegar a tiempo a su clase” es el complementario de T , por tanto nospiden que calculemos P(T¯). Puesto que {O, O} es un sistema completo desucesos, podemos aplicar la formulas de la probabilidad total, de donde tenemosque: 5. P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).En la expresión anterior aparecen varios de los datos que nos ha proporcionandoel enunciado, sin embargo no conocemos directamente el valor de P(T |¯ O¯).Para calcularlo utilizamos queP(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se puedeescribir como: P(T¯) = + =0.69