Universidad Central del Ecuador

Facultad de Ciencias Químicas

Bioquímica y Farmacia
DEBERES 2- 2020-2020

Nombre: Carla Estefanía Castro Córdova

Curso: BF3-001
Fecha: 02/08/2021

FUNCIÒN DENSIDAD DE PROBABILIDAD

1.- Con los siguientes datos realice la prueba de normalidad de

a) KOLMOGOROV – SMIRNOF

Peso en kg
66,7 94,4 78,5 50,5 Planteamiento de la hipótesis:
75,6 77,4 35,6 67,4
57,0 71,7 34,5 46,8
H1: Los datos provienen de una distribución normal
60,2 53,1 40,0 48,2
65,0 40,9 28,1 65,9 H2: Los datos no provienen de una distribución normal
53,6 72,4 65,8 57,4
62,2 53,8 55,9 74,0
68,4 29,6 29,0 23,4
71,4 82,4 24,5 68,1
CONSTRUCCIÓN DEL HISTOGRAMA:
71,4 63,2 17,8 74,0
64,5 74,1 34,5 68,9
65,7 22,5 36,0 77,9
82,2 63,4 29,0 71,8
77,5 58,0 74,5 70,0 Cálculo de intervalos
70,5 62,0 81,5 55,3 N 100
89,8 53,0 56,3 62,8 Máximo 94,4
60,1 59,2 25,0 71,4 Mínimo 17,8
66,9 29,4 76,5 23,3 Rango (R) 76,6
58,9 72,9 67,0 32,9 Número de intervalos 7 7,664
32,0 18,7 17,8 70,6 (K)
51,5 70,9 61,0 69,8 Amplitud (c) 11 10,94285714
64,4 69,9 25,0 25,8
52,0 60,4 66,5 72,5
61,6 75,7 50,0 64,8
59,5 64,2 74,6 64,6

Tabla de Frecuencias

Límite inferior Límite superior Marca de clase Fi FA F. Relativa F. Relativa

Acumulada
17,8 28,8 23,3 11 11 0,11 0,11
29,8 40,8 35,3 11 22 0,11 0,22
41,8 52,8 47,3 7 29 0,07 0,29
53,8 64,8 59,3 28 57 0,28 0,57
65,8 76,8 71,3 34 91 0,34 0,91
77,8 88,8 83,3 7 98 0,07 0,98
89,8 100,8 95,3 2 100 0,02 1
100 1
Histograma

Histograma y Polígono de
40
Frecuencias

35

30

25

20
23, 35, 47, 59, 71, 83, 95,
3 3 3 3 3 3 3

Cálculo de frecuencias relativas esperadas hr E

hr E Cálculo del
estadístico
0,0576208 0,0523792
0,17881787 0,04118213 Estadístico experimental K-S:
0,39562234 0,10562234
0,105622345
0,65191293 0,08191293
0,85214444 0,05785556
0,95551534 0,02448466
0,99076465 0,00923535

Cálculo del estadístico acumulado:

1.36
𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 𝐾𝑆 𝑡𝑒𝑜𝑟𝑖𝑐𝑜: = 0,14
√100

0.105622345 ≤ 0.14

El estadístico experimental es menor o igual que el estadístico teórico, por tanto, se acepta la Ho= LOS DATOS
PROVIENEN DE UNA DISTRIBUCIÓN NORMAL.

p- valor:
Ho= Si el p-valor es mayor a α= 0,05 se acepta Ho= Los datos provienen de una curva normal.

H1= Si el p-valor es menor a α= 0,05 se acepta H1= Los datos no provienen de una curva normal.

Respuesta:
El valor experimental K-S= 0,105622345 cae en un valor > 0,1, por tanto, el p-valor es mayor a 0,05, con lo cual
Acepto Ho= Los datos provienen de una distribución normal.
2.- Con los siguientes datos realice la prueba de normalidad de
a) SHAPIRO WILK
Peso Kg
60,7 73,2
60,5 50,4
32,6 75,8
66,1 72,6
65,0 62,0
46,5 62,4
37,3 58,0
74,5 19,5
84,5 53,2
40,0 56,7
59,0 54,7
54,3 68,0
55,0 74,6
64,6 74,3
61,0 22,1

Hipótesis:

Ho: Si el estadístico de prueba experimental SW > al estadístico experimental teórico SW → los datos
provienen de una distribución normal.

H1: Si el estadístico de prueba experimental SW  al estadístico experimental teórico SW → los datos no

provienen de una distribución normal.

Tabla SW

I xi (Xi-Media) ^2 Xi Inv Xi-xi inv Ai ai*xi-xi inv. Sw exp Sw

tabulado
1 19.5 1479,9409 2 84.5 -65 0,4254 -27,651 0,933356388 0,927
2 22.1 1286,6569 75.8 -53.7 0,2944 -15,80928
3 32.6 643,6369 74.6 -42 0,2487 -10,4454
4 37.3 427,2489 74.5 -37.2 0,2148 -7,99056
5 40 322,9209 74.3 -34.3 0,187 -6,4141
6 46.5 131,5609 73.2 -26.7 0,163 -4,3521
7 50.4 57,3049 72.6 -22.2 0,1415 -3,1413
8 53.2 22,7529 68 -14.8 0,1219 -1,80412
9 54.3 13,4689 66.1 -118 0,1036 -1,22248
10 54.7 10,6929 65 -10.3 0,0862 -0,88786
11 55 8,8209 64.6 -9.6 0,0697 -0,66912
12 56.7 1,6129 62.4 -5.7 0,0537 -0,30609
13 58 0,0009 62 -4 0,0381 -0,1524
14 59 1,0609 61 -2 0,0227 -0,0454
15 60.5 6,4009 60.7 -0.2 0,0076 -0,00152
16 60.7 7,4529 60.5
17 61 9,1809 59
18 62 16,2409 58
19 62.4 19,6249 56.7
20 64.6 43,9569 55
21 65 49,4209 54.7
 22 66,1 66,0969 54,3
23 68 100,6009 53,2
24 72,6 214,0369 50,4
25 73,2 231,9529 46,5
26 74,3 266,6689 40
27 74,5 273,2409 37,3
28 74,6 276,5569 32,6
29 75,8 317,9089 22,1
30 84,5 703,8409 19,5
Promedio 57.97
Suma 7010.863 -80.89273

[ Σ(ai ∙ (xi − xilnversa))]2 [ −80,89273]2

𝑆𝑊 𝑒𝑥𝑝 = = = 0,9334
Σ(xi − media)2 7010,863

SW de prueba (teórico)
Nivel de confianza 95%
α= 5%

SW tabulado= 0,927
SW Experimental 0,9334 > 0,927 SW Teórico
Acepto H0, los datos provienen de una distribución normal

a) Diagrama Q-Q (percentil en x, percentil de Y)

Hipótesis:
Ho: Si el grafico tiene una tendencia recta → es una distribución normal de datos.

H1: Si el gráfico no tiene una tendencia recta → no es una distribución normal de datos.

i xi. X p= (1/2) /N zi=distri. norm.

estn
1 19,5 0,016666667 -2,128045234

2 22,1 0,05 -1,644853627

3 32,6 0,083333333 -1,382994127

4 37,3 0,116666667 -1,191816172

5 40 0,15 -1,036433389

6 46,5 0,183333333 -0,902734792

7 50,4 0,216666667 -0,783500375

8 53,2 0,25 -0,67448975

9 54,3 0,283333333 -0,572967548

10 54,7 0,316666667 -0,477040428

11 55 0,35 -0,385320466

12 56,7 0,383333333 -0,296737838

 13 58 0,416666667 -0,210428394

14 59 0,45 -0,125661347

15 60,5 0,483333333 -0,041789298

16 60,7 0,516666667 0,041789298

17 61 0,55 0,125661347

18 62 0,583333333 0,210428394

19 62,4 0,616666667 0,296737838

20 64,6 0,65 0,385320466

21 65 0,683333333 0,477040428

22 66,1 0,716666667 0,572967548

23 68 0,75 0,67448975

24 72,6 0,783333333 0,783500375

25 73,2 0,816666667 0,902734792

26 74,3 0,85 1,036433389

27 74,5 0,883333333 1,191816172

28 74,6 0,916666667 1,382994127

Gráfico:

1,5

0 22,5 45 67,5 90
-1,5

-3 zi=[Link] Lineal
(zi=[Link])

El gráfico tiene tendencia de recta, por tanto, la distribución de datos es normal.

CURVA NORMAL

1.- Se realiza un experimento para comparar la efectividad de un compuesto químico para producir
resistencia en el porcentaje de humedad en productos textiles. Suponga que las medidas de
resistencia a la humedad tienen una distribución normal con media de 11,9 y varianza = 1,21.
¿Qué porcentaje de las medidas de resistencia a la humedad es menor que 10,10?

𝑋−𝜇
𝑍=
𝜎
10,10 − 11,9
𝑍= = −1,4876
1,21

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑠𝑒𝑎𝑑𝑎 = 0,06944 ∙ 100% = 6,94%

2.- Una compañía de productos químicos elimina sus residuos en un río situado en la vecindad. Para
verificar el grado de contaminación creado por estos residuos, se desea obtener algunas
estimaciones. Suponga que los residuos de contaminante tienen una distribución normal con media de
1,7 gramos por litro (g/l) y desviación estándar de 0,223 gramos por litro (g/l)

¿Cuál es la probabilidad de que los residuos del contaminante?

a) Sean mayores de 1,72 (g /L)

Representación gráfica

𝑋−𝜇
𝑍=
𝜎
1,72 − 1,7
𝑍= = −0,08969
0,223

Z en la tabla de distribución normal tiene un valor de 0,5359

1 – 0,5359= 0,4641
Porcentaje: 46,41%
 b) Entre 1,46 y 1,88 (g

/L) Cuando X= 1,46

1,46 − 1,7
𝑍= = −1,07
0,223

Cuando X= 1,88
1,88 − 1,7
𝑍= = 0,80
0,223

Áreas:
X1= 0,1423
X2= 0,2119, Se resta de 1= 0,7881

Total: (0,7881- 0,1423) x 100= 64,58%

c) Inferiores de 2,05 (g
/L) Cálculo de Z
2,05 − 1,7
𝑍= = 1,56
0,223

Área: 0,9406

Porcentaje: 94,06%

3.- Una empresa envasa un cierto producto en frascos cuyos contenidos cuantificados por su peso en
gramos, tienen distribución normal, con desviación estándar 5,50 g. Si el 10% de los frascos tienen un
peso menor de 139 gramos,
¿Cuál es el peso promedio de ellos?

Datos:

σ= 5,50
𝑋−𝜇
Variable: 𝑍=
𝜎
Peso < 139 𝜇 = −𝑍𝜎 + 𝑋
Porcentaje:
𝜇 = −(−1,28)(5,50) + 139 = 146,04 de peso promedio
10%

Media=?

Área bajo la curva: 0,1

Si el área es 0,1 el valor de Z equivale aproximadamente a -1,28
4.- En un proceso productivo se producen 5000 frascos de café con una media (u) de 252,5 g y una
desviación estándar ( 𝝈 ) 2,8 g, las especificaciones para los frascos de café son; 250,0 g ± 5 g.
Calcule:
a) El % de producto bajo especificación
b) El % de producto sobre especificación
c) El % de producto total fuera de especificación
d) Cuantos frascos están fuera de especificación
e) Si cada frasco tiene un costo de 5 dólares, que cantidad de dinero pierde la empresa.

Solución: Las especificaciones para el peso son:

𝝁± 𝝈
𝟐𝟓𝟐, 𝟓 + 𝟐, 𝟖 = 𝟐𝟓𝟓, 𝟑 𝑋𝐸 = 250,0 𝑔 ± 5𝑔
𝟐𝟓𝟐, 𝟓 − 𝟐, 𝟖 = 𝟐𝟒𝟗, 𝟕
𝐿𝑆𝐸 = 250,0 + 5 = 255,0 𝑔

𝝁 ± 𝟐𝝈 𝐿𝐼𝐸 = 250,0 − 5 = 245,0 𝑔

𝟐𝟓𝟐, 𝟓 + 𝟐(𝟐, 𝟖) = 𝟐𝟓𝟖, 𝟏
𝟐𝟓𝟐, 𝟓 − 𝟐(𝟐, 𝟖) = 𝟐𝟒𝟔, 𝟗

𝝁 ± 𝟑𝝈
𝟐𝟓𝟐, 𝟓 + 𝟑(𝟐, 𝟖) = 𝟐𝟔𝟎, 𝟗
𝟐𝟓𝟐, 𝟓 − 𝟑(𝟐, 𝟖) = 𝟐𝟒𝟒, 𝟏

Análisis de datos
Límite de especificación
𝐿𝐼𝐸 = 250,0 − 5 = 245

𝑋 − 𝜇 245 − 252,5
𝑍= = = −2,678571
𝜎 2,8

A = 0.0037
A = 0.37%
𝐿𝑆𝐸 = 250,0 + 5 = 255

𝑋 − 𝜇 255 − 252,5
𝑍= = = 0,89286
𝜎 2,8

A2= 0,8133
A2= 81,33%
A3= 1- 0,8133= 0,1867
A3= 18,67%
 AT= 0,37% + 18,67% = 19,04%

5000
19,04 ∙ = 952 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
100

Análisis de datos: A4: Total que no cumple especificación

A1 + A3= 0,37+ 18,67= 19,04%

A1: Bajo la especificación 0,37% μ =252,5 A3: Sobre especificación 18,67%

A2

μ =250,0 LSE = 255 8885898881,33%

(-3σ) (-2σ) (-1σ) σ 2σ 3σ

244,1 246,9 249,7 252,5 255,3 258,1 260,9

𝐴1: 𝐷𝑒𝑠𝑑𝑒 − ∞ ℎ𝑎𝑠𝑡𝑎 𝑋𝑖 = 245

𝐴2: 𝐷𝑒𝑠𝑑𝑒 − ∞ ℎ𝑎𝑠𝑡𝑎 𝑋𝑖 = 255

Frascos que no cumplen con la especificación:

5000
19,04 ∙ = 952 𝑢𝑛𝑖𝑑𝑎𝑑𝑑𝑒𝑠
100

Cantidad de dinero que pierde la empresa:

952 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 ∙ $5 = 4760

Respuesta: La empresa pierde $4760

NIVEL DE CONFIANZA

5.- Calcule los siguientes valores de Z

a.-. El valor de Z(α/2) si se trabaja al 95% de confianza

𝛼 = 5%
𝛼
= 2,5%
2

Área 1= desde (-∞ hasta -2,5%) = 0,025

Área 2= 95% = 0,95
Área 3= 2,5% + 95%= 97,5%
0,025 + 0,95= 0,975
Datos de la Tabla:
Para A1= 0,025
Z(α/2) = -1,96
Para A3= 0,975
Z(α/2) = +1,96

Respuesta: Para un nivel de confianza del 95% y un nivel de significancia de ∝ =𝟓%, a dos colas el valor de 𝑍(𝛼2) =
±1,96

b.- El valor de Z(α/2) si se trabaja al 90% de confianza

𝛼 = 10%
𝛼
=5
2

Área 1= desde (-∞ hasta -5%) = 0,05

Área 2= 90% = 0,90
Área 3= 5% + 90%= 95%
0,05 + 0,90= 0,95
Datos de la Tabla:
Para A1= 0,05
Z(α/2) = -1,645
Para A3= 0,95
Z(α/2) = +1,9645

Respuesta: Para un nivel de confianza del 90% y un nivel de significancia de ∝ = 10 %, a dos colas el vaor de
𝛼
𝑍 ( ) = ±1,645
2
c.- El valor de Z (α) si se trabaja al 95% de confianza

∝ = 5%

Cola Izquierda
Área 1= desde (-∞ hasta -5%) = 0,05
Para A1= 0,05
Z(α/2) = -1,645
Cola Derecha:
Área 2= 95% = 0,95
Para A3= 0,95
Z(α/2) = +1,645

Respuesta: Para un nivel de confianza del 95% y un nivel de significancia de ∝ = 5%, a una cola el valor de cola izquierda
𝛼 Y el de la cola derecha 𝛼
𝑍 ( ) = ±1,645 𝑍 ( ) = ±1,645
2 2

d.- El valor de Z (α) si se trabaja al 90% de confianza

∝ = 10%
Cola Izquierda
Área 1= desde (-∞ hasta -10%) = 0,1
Para A1= 0,1
Z(α/2) = -1,28
Cola Derecha:
Área 2= 90% = 0,90
Para A2= 0,90
Z(α/2) = +1,28
Respuesta: Para un nivel de confianza del 90% y un nivel de significancia de ∝ =10 %, a una cola el valor de cola izquierda
𝛼 𝛼
𝑍 ( ) = −1,28
2 Y de cola derecha 𝑍 ( 2 ) = ±1,28

e.-El valor de Z(α/2) si se trabaja al 99 % de confianza

∝ = 1%
Área 1= desde (-∞ hasta -0,5%) = 0,005
𝛼 Área 2= 99% = 0,99
( ) = 0,5% Área 3= 0,5% + 99%= 99,5%
2
0,005 + 0,99= 0,995
Datos de la Tabla:
Para A1= 0,005
Z(α/2) = -2,575
Para A3= 0,995
Z(α/2) = +2,575
𝛼
Respuesta: Para un nivel de confianza del 99% y un nivel de significancia de ∝ = 1%, a dos colas de 𝑍 ( ) = ±2,575
2
f.- El valor de Z(α) si se trabaja al 99% de confianza
∝ = 1%

Cola Izquierda
Área 1= desde (-∞ hasta -1%) = 0,01
Para A1= 0,01
Z(α/2) = -2,325
Cola Derecha:
Área 2= 99% = 0,99
Para A2= 0,99
Z(α/2) = +2,325
Respuesta: Para un nivel de confianza del 99% y un nivel de significancia de ∝ = 1%, a una cola el valor de cola izquierda

𝛼 𝛼
𝑍 ( ) = −2,325 y el de la cola derecha 𝑍 ( ) = +2,325
2 2

CÁLCULO DEL TAMAÑO DE MUESTRA

1.- Un informe del Ministerio de Salud indica que de un lote de producción de 1000 cajas de cigarrillos,
las cuales contiene 20 cigarrillos cada una, se realizó un análisis del contenido de alquitrán el cual dio
un valor promedio de 5,0 mg de alquitrán por cigarrillo. Sin embargo, no indica cuántos cigarrillos se
analizaron para obtener estos resultados ni da una medida de la variación de las observaciones de
cigarrillo a cigarrillo. Consideré que la desviación estándar del contenido de alquitrán es
aproximadamente igual a 1 mg por cigarrillo, ¿cuántos cigarrillos habría que analizar? Supóngase que
se desea un error de estimación menor que 0,1 mg con un nivel de confianza del 95%.

Datos
u= 5,0 mg de alquitrán N=20000 Cigarrillos
σ= 1mg por cigarrillo
e= 0,1 mg
NC= 95% α= 5%
Tipo de muestra: Cuantitativa con población conocida

Z(α/2) = Z (0,025) = 1,96

Cálculo de la muestra:
(1,96)2 (20000)(1)
𝑛= = 376,94 ≈ 377 𝑐𝑖𝑔𝑎𝑟𝑖𝑙𝑙𝑜𝑠
(0,1)2 (20000 − 1) + (1,96)2 (1)
2.- Se sabe que la concentración de un componente en una mezcla líquida se distribuye
aproximadamente en forma normal, con una variancia de 2,3095. Se desea obtener una confianza del
90% de que el error al estimar la concentración media sea de 0,7. ¿Qué tamaño de muestra debería
emplearse?

Datos:
σ2 = 2,3095
NC = 90%
E = 0,7
α = 10%= 0,05
Z (α /2) = 1,645

Tipo de variable: Cuantitativa y población desconocida

(2,3095)
𝑛= ∙ (1,645)2 = 12,7542 ≈ 13
(0,7)2

3.- En un proceso productivo se produjeron 5000 unidades de frascos de café, las especificaciones para
el frasco de café son: media 250g y desviación estándar 5g. Se requiere realizar un análisis para
comprobar si los frascos de café cumplen las especificaciones indicadas. Cuál será el tamaño de la
muestra que se debe tomar si se quiere que el error no sea mayor a 1 gramo y se quiere tener un 95%
de confianza.

Datos:
N = 5000
U = 250g
σ = 5g
e = 1g
NC = 95%
α= 5%= 0,025
Z(α/2) = 1,96

Tipo de muestra: Cuantitativa con población conocida

(1,96)2 (5000)(5)2
𝑛= = 94,249 ≈ 94
(1)(5000 − 1) + ((1,96)2 (5)2
4.- El punto de ebullición del azufre tiene una variancia (S2) de 0,6889 grados Celsius. ¿Qué tamaño debe
tener la muestra para asegurar con una confianza del 95% que el error para estimar el punto promedio
de ebullición del azufre sea a lo más de 0,15 grados Celsius?

Datos:

σ2 = 0,6889
NC= 95%
e= 0,15
α= 5% = 0,025
Z(α/2) = 1,96
Tipo de muestra: Cuantitativa, sin población conocida

(0,6889)(1,96)2
𝑛= = 117,621 ≈ 118
(15)2

5.- Un químico prepara un producto diseñado para matar el 98% de un tipo particular de insectos. Que
tamaño de muestra debe tomar si desea tener un 95% de confianza y quiere que el error sea del 1%.

Datos:

NC= 95%
e = 1%
proporción= 0,98
α= 5%= 0,025
Z(α/2) = 1,96

Tipo de muestra: Cuantitativa discreta y cualitativa con población desconocida

𝑞 = (1 − 0,98) = 0,02

(0,98)(0,02)(1,96)2
𝑛= = 752,964 ≈ 753
(0,01)2
ESTIMACIÓN DE LA MEDIA

1.- De acuerdo a un estudio realizado por un método estándar el con tenido de plomo en el agua de un
rio de un sector industrial dio como resultado.: el promedio aritmético 20,2 ug/L y la desviación estándar
1,8 μg/L, para comprobar esto se toma una muestra de 40 muestras de agua del rio. Estime el valor de
la media de la población con un 90% de confianza.

Datos:

ẋ= 20,2 ug/L
σ= 1,8 ug/L
n= 40
NC= 90%
α= 10%= 0,05
Z(α/2) = 1,645

Tipo: Muestra grande, población desconocida.

1,8 𝑢𝑔
𝑢 = 20,2 ± (1,645) = 20,2 ± 0,468
√40 𝐿

Intervalo: 19,73------------20.2 ---------------- 20,66

2.- Nueve repeticiones de la determinación de la solubilidad molar de un ácido orgánico en agua a 25°C,
dieron un valor medio de 0,00673 mol/L, con una desviación estándar de 0,00008 mol/L. Calcule un
intervalo de confianza del 90% para el verdadero valor medio de la solubilidad molar del ácido.

Datos:

ẋ= 0,00673 mol/L
σ= 0,00008 mol/L
NC= 90%
α= 10%= 0,05
gl= (n-1) = 9-1= 8
t(α/2) = (0,05; 8) = 1,860
n= 9
Tipo: Muestra pequeña, población desconocida
 0,00008
𝑢 = 0,00673 ± (1,860) = 0,00673 ± 4,96 ∙ 10−5
√9

Intervalo 6,6804x10-3 0,00673 6,7796x10-3

3.-. En un estudio sobre la contaminación del aire efectuado por una estación experimental, se
recolectaron cantidades de benceno soluble suspendido en materia orgánica (en microgramos por
metro cúbico) en 12 diferentes muestras de aire: 2,2-2,6 -1,8- 1,9 - 3,1- 2,0 - 3,3 -2,4 -2,0 -2,6 - 1,2 - 2,0.
Suponiendo que la población de estudio sea normal, estime la media de la población, construya un
intervalo con un nivel de confianza del 90% para la media real correspondiente.

Datos:

n= 12 muestras
NC= 90%
α= 10%= 0,1
gl= (n-1) = 12-1= 11
t(α/2) = (0,05; 11) = 1,796

Análisis de Datos:

1,2……1, 8.1,9. 2, 0.. 2,2.. 2,4..2,6…. 3,1 . 3,3

El dato 1,2 está alejado de los otros datos

Si

Q (exp) ≤ Q (tabulada) Se acepta el dato

Q (exp) > Q (tabulada) Se elimina el dato

1,2 − 1,8
𝑄(𝐷𝑖𝑥𝑜𝑛) = = −0,2857
3,3 − 1,2

Q Tabulada para α= 10% = 0,318

−𝟎, 𝟐𝟖𝟓𝟕 ≤ 𝟎, 𝟑𝟏𝟖 𝑬𝒍 𝒅𝒂𝒕𝒐 𝒔𝒆 𝒂𝒄𝒆𝒑𝒕𝒂

 0,58068
𝑢 = 2,2583 ± (1,769) = 2,2583 ± 0,2965
√12

Intervalo: 1,9618 2,2583 2,5548

4.- Cinco determinaciones de la densidad de un líquido orgánico dieron los resultados 0,9132 - 0,9138 -
0,9129 - 0,9131 y 0,9133 g/cm3. Calcule un intervalo de confianza del 95% para el promedio real de la
densidad del líquido orgánico.

DATOS Datos:
0,9132
n= 5 muestras
0,9138
0,9129 NC= 95%
0,9131
α= 5%= 0,05
0,9133
gl= (n-1)= 5-1= 4
PROMEDIO 0,91326
t(α/2)= (0,025 ; 4) = 2,776
D. ESTAN 0,00030067
Se aceptan todos los datos

0,0003
𝑢 = 0,91326 ± (2,776) = 0,91326 ± 3,72 ∙ 10−4
√5

Intervalo: 0,9129 0,91326 0,913632

5.- Las mediciones de la cantidad de cloroformo (microgramos por litro) de 40 muestras de agua potable
de una ciudad produjeron los siguientes resultados: media ( 𝑿 ̅ ) = 34,8 y varianza (s2) =24,01. Calcule e
interprete un intervalo de confianza de 97,5%, para la cantidad promedio de cloroformo del agua potable
de esta ciudad.

Datos:

ẋ= 34.8
n = 40 muestras
σ2 = 24,01
NC= 97,5%
α = 2,5% = 0,0125
Z(α/2) = 2,24
 Tipo: Muestra grande, población desconocida.

√24,01
𝑢 = 34,8 ± (2,24) = 34,8 ± 1,7355
√40

Intervalo: 33,07 34,8 36,52

6.- Un investigador desea comprobar la hipótesis de que el punto de fusión de una aleación es (u) de
1000°C. El punto de fusión de esta aleación se distribuye normalmente y tiene una desviación estándar
de (δ) 10°C.

n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Xi 990,0 1005,0 995,0 1010,0 998,0 1008,0 998,0 1003,0 1000,0 1001,0 1002,0 1000,0 1000,0 1005,0 1000,0 1010,0 1010,0 1015,0 1015,0 1015,0

a) Cuantas muestras debe analizar el investigador para estimar el punto de fusión de la aleación, si
se quiere que el error no sobrepase los 5°C y se trabaja al 95% de confianza. Utilice los datos de
la tabla siguiente para hacer los cálculos siguientes.

Datos :

ẋ = 1004
n= 20 muestras
σ = 10
NC = 95%
Α = 5% = 0,025
Todos los datos se aceptan
Gl= (20-1) = 19
t(α/2)= (0,025 ; 19)= 2,093
Z(α/2)= 1,96
e= menor 5

Tipo: Cuantitativa con población desconocida

 100(1,96)2
𝑛= = 15,3667 ≈ 15
25

b) Con el tamaño de muestra calculada en la parte a de este problema, y con los datos elegidos de
la tabla siguiente (para elegir los datos empiece desde el dato n=1 hasta el n calculado en la parte
a de este problema) estime la media de la población (x ---u), trabaje al 95% de confianza.

Intervalo: 998,24------------1001 ------------ 1003,75

c) Diga si la media de la población (u) se encuentra dentro del intervalo de confianza calculado en
la parte b de este problema

La media sí se encuentra dentro del intervalo de confianza.

7.- Los siguientes datos representan la conductividad térmica del cloruro de metilo a las temperaturas (°C).

Y: Conductividad 0,115 0,123 0,135 0,149 0,163 0,173 0,189 0,202

X: temperatura 10 37,7 65,5 93,3 121,1 148,8 176,6 204,4

Se realiza tres determinaciones a: a 111,6 °C. 111,0°C, 110,8°C.

a) Calcule las constantes a, b y r

 Y: X: Xi- Media (Xi-media)^2 (yi-Media) (Yi- media)^2 (Xi-media)(yi-
Conductivida temperatur media)
d a
0,115 10 -97,175 9442,980625 -0,041125 0,001691266 3,996321875
0,123 37,7 -69,475 4826,775625 -0,033125 0,001097266 2,301359375
0,135 65,5 -41,675 1736,805625 -0,021125 0,000446266 0,880384375
0,149 93,3 -13,875 192,515625 -0,007125 5,07656E-05 0,098859375
0,163 121,1 13,925 193,905625 0,006875 4,72656E-05 0,095734375
0,173 148,8 41,625 1732,640625 0,016875 0,000284766 0,702421875
0,189 176,6 69,425 4819,830625 0,032875 0,001080766 2,282346875
0,202 204,4 97,225 9452,700625 0,045875 0,002104516 4,460196875
Promedio 0,156125 107,175 32398,155 0,006802875 14,817625

Σ(𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) 14,817625

𝑎= = = 4,5736 ∙ 10−4
Σ(𝑥𝑖 − 𝑋̅)2 32398,155

𝑏 = (𝑌̅ − 𝑎𝑋̅) = 0,156125 − (4,5736 ∙ 10−4 )(107,175) = 0,107

Σ(𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) 14,817625

𝑟= = = 0.9981
√Σ(𝑥𝑖 − 𝑋̅)2 ∙ √Σ(𝑦𝑖 − 𝑌̅)2 √32398,155 ∙ √0,006802875

b) Estime la conductividad térmica con su intervalo de confianza, trabaje al 95% de confianza.

Se realiza tres determinaciones a: a 111,6 °C.

111,0°C, 110,8°C. Datos:
n= 3
Media= 111,13
σ= 0,41633
NC= 95%
α= 5%= 0,025
t(α/2) = (0,025; 2) = 4,303

0,41633
𝑢 = 111,13 ± (4,303) = 111,13 ± 1,0343
√3

Intervalo: 110,097-------------111,13-------------- 112,163

8.- La calibración de un método espectroquímico dio los siguientes resultados:

Absorbancia 0,33 0,55 0,96 1,21 1,47

Pb (mg) 1 2 3 4 5

Se analizan 4 muestras dando como resultado las siguientes absorbancias 0,78 - 0,77- 0,78 - 0,79

¿Cuál será su contenido en plomo en mg con su intervalo de confianza? Trabaje al 95% de confianza?

Datos:

n=4
Media: 0,78
Desviación estándar: 0,00814
NC = 95%
 = 5% = 0,025
t(α/2) = (0,025; 3) = 3,182

0,00814
𝑢 = 0,78 ± (3,182) = 0,78 ± 0,0129
2

Intervalo: 0,7671--------0,78 0,7929

9.- La determinación de níquel en aceites vegetales hidrogenados se puede realizar calcinando la

muestra a cenizas, añadiendo molibdeno como patrón interno y analizando por espectroscopia de
emisión. Se prepara las solucione estándares que se indica en la tabla, se analizan una muestra de aceite
vegetal por cuadriplicado obteniéndose las siguientes señales de intensidad del equipo 0,85 - 0,86 -
0,87 - 0,86: Calcule la concentración de Níquel con su intervalo de confianza en ppm en la muestra.
Trabaje al 95% de confianza.

Intensidad 0,43 0,7 0,9 1,15 1,34

Ni (ppm) 0,2 0,4 0,6 0,8 1

Datos:

n=4
Media: 0,86
Desviación estándar: 0,00814
NC = 95%
 = 5%= 0,025
t(α/2) = (0,025 ; 3) = 3,182

0,00814
𝑢 = 0,86 ± (3,182) = 0,86 ± 0,01295
2
 Intervalo: 0,8471--------0,86------------- 0,8729

10.- Se prepara una serie de soluciones estándares de plata cada una por quintuplicado (tabla)

Concentración en (mg/ml) 0 10 20 30 40 50
n1 4 22 44 60 75 104
n2 3 20 46 63 81 109
Intensidad de
n3 4 21 45 60 79 107
fluoresceína
n4 5 22 44 63 78 101
n5 4 21 44 63 77 105

a).- Calcule las constantes a, b y r

Concentr Intensidad (Xi- (xi- (yi-media) (yi-media)^2 (xi-media)(yi-

ación media) media)^2 media)
0 4 -25 625 -48,4666667 2349,017778 1211,666667
10 21,2 -15 225 -31,2666667 977,6044444 469
20 44,6 -5 25 -7,86666667 61,88444444 39,33333333
30 61,8 5 25 9,33333333 87,11111111 46,66666667
40 78 15 225 25,5333333 651,9511111 383
50 105,2 25 625 52,7333333 2780,804444 1318,333333
PROMEDIO 25 52,4666667 1750 6908,373333 3468

Σ(𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) 3468

𝑎= = = 1,9817
Σ(𝑥𝑖 − 𝑋̅)2 1750

𝑏 = (𝑌̅ − 𝑎𝑋̅) = 52,4667 − (1,9817)(25) = 2,9242

Σ(𝑥𝑖 − 𝑋̅)(𝑦𝑖 − 𝑌̅) 3468

𝑟= = = 0.997
√Σ(𝑥𝑖 − 𝑋̅)2 ∙ √Σ(𝑦𝑖 − 𝑌̅)2 √1750 ∙ √6908,373

R (Dato Excel) = 0,9948195

Se quiere analizar el contenido de plata de una placas fotográficas por espectrometría de absorción
atómica, se analiza por triplicado obteniéndose los siguientes valores de intensidad del equipo 65 – 66
-- 68.

b).- Calcule la concentración de plata con su intervalo de confianza. Trabaje al 95% de confianza.
 Datos:

n= 3
Media: 66,33
Desviación estándar: 1,52
NC = 95%
 = 0,025
t(α/2) = (0,025; 2)= 4,303

1,52
𝑢 = 66,33 ± (4,303) = 66,33 ± 3,776
√3

Intervalo= 62,554 66,33 70,106

ESTIMACIÓN DE LA VARIANZA

1- Estime el valor de Chi cuadrado para gl = n-1 = 7-1 = 6 y un 95% de confianza. χ2 (6; 0,05); α = 5%,
una cola

Datos:

n= 7
NC= 95%= 0,95
α= 5%= 0,05
gl= 8
X2(6; 0,05) = 12,5916

2- Estime el valor de Chi cuadrado para gl = n-1 = 10-1 = 9 y un 95% de confianza; α = 5%, dos colas

Datos:

n= 10
gl= 9
NC= 95%= 0,95
α = 5%= 0,05
α/2= 0,025

Cálculos de CHI cuadrado

Derecho:

∝
𝑋 2 = (𝑔𝑙; ) = (9; 0,025) = 19,0228
2
Izquierda:
∝
𝑋 2 = ((1 − ) ; 𝑔𝑙) = (0,975; 9) = 2,7004
2

3.- estime el valor de Chi-cuadrado para

a) χ2 [6; (𝟏 −𝜶𝟐 )] = 1.2373

b) χ2 [6; (𝜶/𝟐)] = 14.4494

4 -Cinco determinaciones de la densidad de un líquido orgánico dieron los resultados 0,9132 - 0,9138 -
0,9129 - 0,9131 y 0,9133 g/cm3. Estime la varianza de la población, trabaja al 95% de confianza.

Datos:

n=5
NC = 95%
Datos (Xi- media) (Xi- media)^2
0,9132 -6E-05 3,6E-09
0,9138 0,00054 2,916E-07
0,9129 -0,00036 1,296E-07
0,9131 -0,00016 2,56E-08
0,9133 4E-05 1,6E-09
Promedio 0,91326 4,52E-07

4,52 ∙ 10−7
𝑆2 = = 1,13 ∙ 10−7
4

Derecho:
∝
𝑋 2 = (𝑔𝑙; ) = (4; 0,025) = 11,1433
2

Izquierda:

∝
𝑋 2 = ((1 − ) ; 𝑔𝑙) = (0,975; 4) = 0,4844
2

𝑆 2 (𝑛 − 1)
𝜎2 =
𝑋2

𝑆 2 (𝑛 − 1) 1,13 ∙ 10−7 (4)

𝜎12 = = = 4,056 ∙ 10−8
𝑋2 11,1433
 𝑆 2 (𝑛 − 1) 1,13 ∙ 10−7 (4)
𝜎12 = = = 4,056 ∙ 10−8
𝑋2 11,1433

𝑆 2 (𝑛 − 1) 1,13 ∙ 10−7 (4)

𝜎22 = = = 9,331 ∙ 10−7
𝑋2 0,4844

Intervalo:
1,13 ∙ 10−7

4,056 ∙ 10−8 9,331 ∙ 10−7

5.- Se analizó gravimétricamente una cierta muestra para determinar sulfatos y se obtuvieron los
siguientes resultados en partes por millón: 6,390 - 6,990 - 5,71 - 5,930 - 5,350 - 5,810 - 5,520 - 5,910 -
5,460 - 5,810

a) Estime el valor de la media de la población sobre el contenido de sulfatos, trabaje al 95% de

confianza?

6,390 - 6,990 - 5,71 - 5,930 - 5,350 - 5,810 - 5,520 - 5,910 - 5,460 - 5,810

Datos:

n= 10
media= 5,888
Desviación Estándar= 0,4854
Todos los datos se aceptan.

0,4854
𝑢 = 5,888 ± (2,262) = 5,88 ± 0,3472
√10

Intervalo: 5,5408 5,88 6,2352

b) Estime el valor de la varianza de la población, trabaje al 95% de confianza.

𝑆 2 (𝑛 − 1)
𝜎2 =
𝑋2

𝑆 2 = 0,23561778
Valores de CHI Cuadrado

Derecho:
∝
𝑋 2 = (𝑔𝑙; ) = (9; 0,025) = 19,0228
2

Izquierda:
∝
𝑋 2 = ((1 − ) ; 𝑔𝑙) = (0,975; 9) = 2,7004
2

𝑆 2 (𝑛 − 1)
𝜎2 =
𝑋2

𝑆 2 (𝑛 − 1) 0.23561778(9)
𝜎12 = = = 0,1115
𝑋2 19,0228

𝑆 2 (𝑛 − 1) 0,23561778(9)
𝜎22 = = = 0,7853
𝑋2 2,7004

\\\

Intervalo:
0,1115 0,7853
0,2356

S e puede decir que la varianza de la muestra está dentro del intervalo de varianza de la población