SlideShare una empresa de Scribd logo
2
Lo más leído
3
Lo más leído
4
Lo más leído
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=95

Para 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 hasta
cruzarnos en el punto w0=95.

Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será el
valor: w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primera
columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmente
hacia la primera fila la llegaremos al valor 0.95 (probabilidad acumulada).

Como en la tabla únicamente tenemos tabulada la t-Student para colas
probabilísticas que van desde 0=75 hasta 0=999, para calcular el percentil
w0=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=75

Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]
Por tanto, buscando en la tabla con los datos:

Grados de libertad: 3

Cola de probabilidad: 0.75

Tenemos: w0=25 = ¡w0=75 = ¡0=7649

2. En el caso de 30 grados de libertad actuaremos de modo similar al caso
anterior, pero buscando en la fila 30 de la tabla. Resultando:

w0=95 = 1=6973

Y w0=25 = ¡w0=75 = ¡0=6828




Calcular los percentiles I8>7;0=99 y I8>7;0=01

R= Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de
tener 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=840




Un fabricante de focos afirma que su producto durará un promedio de 500 horas
de trabajo. Para conservar este promedio esta persona verifica 25 focos cada
mes. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho
con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de 25 focos
cuya duración fue?:
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=12.07



t= x -μ

           SI   n                α = 1- Nc = 10%

v = n-1 = 24

t = 2.22




La longitud de los tornillos fabricados en una fábrica tienen media μ=10 mm y
desviación s=1 mm, calcular la probabilidad de que en una muestra de tamaño
n=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 de
libertad

T=(20.5-20)/(1/√25) = 2.5
P (μ<20.5) --> P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (μ<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a
20.5 mm es del 99.02%




El profesor Pérez olvida poner su despertador 3 de cada 10 días. Además, ha
comprobado que uno de cada 10 días en los que pone el despertador acaba no
levantándose a tiempo de dar su primera clase, mientras que 2 de cada 10 días en
los 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 su
primera clase?

R=: En primer lugar conviene identificar el experimento aleatorio que estamos
realizando. Este consiste en tomar un dia al azar en la vida del profesor Pérez y
analizarlo 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 despertador

T ≡ cuando el profesor ha llegado tarde a su primera clase.

Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. A
continuación traducimos en términos de probabilidad de los sucesos anteriores
todos 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 nos
piden que calculemos P(T¯). Puesto que {O, O} es un sistema completo de
sucesos, podemos aplicar la formulas de la probabilidad total, de donde tenemos
que:
P (T¯) = P (T |O¯) P(O) + P (T | ¯ O¯) P (O¯).

En la expresión anterior aparecen varios de los datos que nos ha proporcionando
el enunciado, sin embargo no conocemos directamente el valor de P(T |¯ O¯).
Para calcularlo utilizamos que

P(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se puede
escribir como: P(T¯) =    +     =0.69

Más contenido relacionado

DOCX
Distribución binomial ejercicios
PDF
Prueba de corridas arriba y abajo de la media
DOCX
Tarea 10 de probabilidad y estadistica con respuesta
 
PDF
Problemas unidad 3
PDF
Estadística ii
DOCX
Trabajo de prueba de hipótesis
PPTX
Presentación probabilidad
PDF
Distribución gamma y exponencial
Distribución binomial ejercicios
Prueba de corridas arriba y abajo de la media
Tarea 10 de probabilidad y estadistica con respuesta
 
Problemas unidad 3
Estadística ii
Trabajo de prueba de hipótesis
Presentación probabilidad
Distribución gamma y exponencial

La actualidad más candente (20)

DOCX
Probabilidad andrea tarea 3
PPTX
Gamma presentacion
DOCX
Ejemplos resueltos de funciones especiales
DOC
Tabla distribución normal 1 cola derecha
PDF
PDF
Ejercicios resueltos edo exactas
PPTX
ECUACIONES DIFERENCIALES ORDINARIAS
PDF
Guia intervalos de confianza
PDF
Distribución exponencial y lognormal
DOC
Ejemplos metodo-de-lagrange1-ajustar-a-mat-3
PPTX
Presentación estadistica
PPTX
Resolución de Ecuaciones Diferenciales; Metodo de Variacion de Parametros
PDF
PDF
125866390 ejercicios-resueltos-integrales-dobles(1)
PDF
Regresión lineal multiple autores grillet montaño rodríguez
DOCX
Trabajo series de taylor
PPTX
Distribuciones discretas/ ESTADISTICA GENERAL
PDF
Estimación.intervalos de confianza para la media y para las proporciones
Probabilidad andrea tarea 3
Gamma presentacion
Ejemplos resueltos de funciones especiales
Tabla distribución normal 1 cola derecha
Ejercicios resueltos edo exactas
ECUACIONES DIFERENCIALES ORDINARIAS
Guia intervalos de confianza
Distribución exponencial y lognormal
Ejemplos metodo-de-lagrange1-ajustar-a-mat-3
Presentación estadistica
Resolución de Ecuaciones Diferenciales; Metodo de Variacion de Parametros
125866390 ejercicios-resueltos-integrales-dobles(1)
Regresión lineal multiple autores grillet montaño rodríguez
Trabajo series de taylor
Distribuciones discretas/ ESTADISTICA GENERAL
Estimación.intervalos de confianza para la media y para las proporciones
Publicidad

Similar a T student ejemplos (20)

PDF
T-student
PDF
Tstudentejemplos 120319172547-phpapp02
DOC
Ejemplos de tstudent estadistica
DOC
T student 5 ejemplos beeto
DOC
Bernoulli ejemplos
DOC
Bernoulli ejemplos
DOC
Disreibuciones
DOCX
PDF
Cálculo numérico 7 corrección
DOCX
Ejemplos de distribuciones
DOC
Ejebn
DOC
Ejebn
DOCX
Ejemplos de distribuciones
DOCX
trabajo de estadistca
DOCX
Trabajo de estadística
DOCX
Trabajo de estadística
PDF
Transporte y transbordo
PDF
Ejercicios detallados del obj 7 mat iii 733
PDF
Estadio cognoscente - tratamiento de datos y ajuste de curva (WORD)
DOCX
EJEMPLOS DE CADA DISTRIBUCIÓN
T-student
Tstudentejemplos 120319172547-phpapp02
Ejemplos de tstudent estadistica
T student 5 ejemplos beeto
Bernoulli ejemplos
Bernoulli ejemplos
Disreibuciones
Cálculo numérico 7 corrección
Ejemplos de distribuciones
Ejebn
Ejebn
Ejemplos de distribuciones
trabajo de estadistca
Trabajo de estadística
Trabajo de estadística
Transporte y transbordo
Ejercicios detallados del obj 7 mat iii 733
Estadio cognoscente - tratamiento de datos y ajuste de curva (WORD)
EJEMPLOS DE CADA DISTRIBUCIÓN
Publicidad

Más de karemlucero (20)

DOCX
PPTX
Laguna yo te quiero
DOCX
Z de 1 muestra
PPTX
Laguna yo te quiero... limpia
PPTX
Laguna yo te quiero
PPTX
Laguna yo te quiero
DOCX
Karem lucero garcia vitela
DOCX
Universidad tecnologica de torreón
DOCX
De bárbaros a burócratas
DOCX
De bárbaros a burócratas
DOCX
De bárbaros a burócratas
PPTX
50 palabras
PPTX
Aplicaciones de histogramas
DOCX
Universidad tecnologica de torreón cosas importantes
DOCX
Intervalos de confianza
DOCX
Prueba de hipótesis
DOCX
Brandon alejandro
DOCX
T student ejemplos
DOCX
Poisson ejemplos
DOCX
Poisson ejemplos
Laguna yo te quiero
Z de 1 muestra
Laguna yo te quiero... limpia
Laguna yo te quiero
Laguna yo te quiero
Karem lucero garcia vitela
Universidad tecnologica de torreón
De bárbaros a burócratas
De bárbaros a burócratas
De bárbaros a burócratas
50 palabras
Aplicaciones de histogramas
Universidad tecnologica de torreón cosas importantes
Intervalos de confianza
Prueba de hipótesis
Brandon alejandro
T student ejemplos
Poisson ejemplos
Poisson ejemplos

T student ejemplos

  • 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=95 Para 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 hasta cruzarnos en el punto w0=95. Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad será el valor: w0=95 = 2=3534 Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad acumulada). Como en la tabla únicamente tenemos tabulada la t-Student para colas probabilísticas que van desde 0=75 hasta 0=999, para calcular el percentil w0=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=75 Y resulta: s[W · w0=25] = 1 ¡ s[W · w0=75]
  • 2. Por tanto, buscando en la tabla con los datos: Grados de libertad: 3 Cola de probabilidad: 0.75 Tenemos: w0=25 = ¡w0=75 = ¡0=7649 2. En el caso de 30 grados de libertad actuaremos de modo similar al caso anterior, pero buscando en la fila 30 de la tabla. Resultando: w0=95 = 1=6973 Y w0=25 = ¡w0=75 = ¡0=6828 Calcular los percentiles I8>7;0=99 y I8>7;0=01 R= Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de tener 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=840 Un fabricante de focos afirma que su producto durará un promedio de 500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de 25 focos cuya 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=12.07 t= x -μ SI n α = 1- Nc = 10% v = n-1 = 24 t = 2.22 La longitud de los tornillos fabricados en una fábrica tienen media μ=10 mm y desviación s=1 mm, calcular la probabilidad de que en una muestra de tamaño n=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 de libertad T=(20.5-20)/(1/√25) = 2.5
  • 4. P (μ<20.5) --> P (T<2.5) ~ t(24) P (T<2.5) = 0.9902 P (μ<20.5)=0.9902 La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a 20.5 mm es del 99.02% El profesor Pérez olvida poner su despertador 3 de cada 10 días. Además, ha comprobado que uno de cada 10 días en los que pone el despertador acaba no levantándose a tiempo de dar su primera clase, mientras que 2 de cada 10 días en los 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 su primera clase? R=: En primer lugar conviene identificar el experimento aleatorio que estamos realizando. Este consiste en tomar un dia al azar en la vida del profesor Pérez y analizarlo 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 despertador T ≡ cuando el profesor ha llegado tarde a su primera clase. Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. A continuación traducimos en términos de probabilidad de los sucesos anteriores todos 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 nos piden que calculemos P(T¯). Puesto que {O, O} es un sistema completo de sucesos, podemos aplicar la formulas de la probabilidad total, de donde tenemos que:
  • 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 proporcionando el enunciado, sin embargo no conocemos directamente el valor de P(T |¯ O¯). Para calcularlo utilizamos que P(T |¯ O¯) = 1 − P(T |O¯) = 1 − = De esta forma, la expresión anterior se puede escribir como: P(T¯) = + =0.69