UNIVERSIDAD DE CUENCA
FACULTAD DE CIENCIAS QUIMICAS
INGENIERIA INDUSTRIAL
NOMBRES:
JUAN ERNESTO ARBITO AYORA
EVELYN PAMELA BUESTAN LUCERO
MATERIA:
TECNICAS DE INFERENCIA ESTADISTICA
TAREA:
PRACTICA #9
PERIODO ACADEMICO:
SEPTIEMBRE 2022- FEBRERO 2023
PRACTICA 9
ARBITO_BUESTAN
PRACTICA 9
library(Rcmdr)
library(readr)
library(readxl)
library(multcomp)
pnorm(c(1.64), mean=0, sd=1, [Link]=TRUE)
[1] 0.9494974
#Probabilidad de z=1.64
pnorm(c(1.64), mean=0, sd=1, [Link]=TRUE)
[1] 0.9494974
Pnorm1=0.9494974
Gráfica de la distribución Z=1.64
#Gráfica de la distribucion Z=1.64
local({
x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(x, dnorm(x, mean=0, sd=1), cdf=FALSE, xlab="x",
ylab="Densidad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"),
regions=list(c(1.64485362695147, Inf)), col=c("gold2", 'gold2'),
[Link]='topright')
})
Gráfica de la distribución Z=2.33
pnorm(c(2.33), mean=0, sd=1, [Link]=TRUE)
[1] 0.9900969
#GRAFICA DE Z=2.33
#PROBABILIDAD Z<z1-ALFA=0.9900969
local({
.x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=0, sd=1), cdf=FALSE, xlab="x",
ylab="Densidad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"),
regions=list(c(2.33, Inf)), col=c('#80FF00', '#BEBEBE'),
[Link]='topright')
})
#PROBABILIDAD DE ZALFA
PZalfa=1-pnorm(c(2.33), mean=0, sd=1, [Link]=TRUE)
PZalfa
[1] 0.009903076
Gráfica de 2 colas.
#Gráfica de 2 colas
local({
.x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=0, sd=1), cdf=FALSE, xlab="x",
ylab="Densidad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"),
regions=list(c(-Inf, -1.95996398454005), c(1.95996398454005, Inf)),
col=c('limegreen', 'steelblue2'), [Link]='topright')
})
#Alfa sería 0.05
#El alfa se divide para cada cola
#alfa de 0.12
local({
.x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=0, sd=1), cdf=FALSE, xlab="x",
ylab="Densidad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"),
regions=list(c(-Inf, -1.55477359459685), c(1.55477359459685, Inf)),
col=c('turquoise2', 'limegreen'), [Link]='topright')
})
#Cúanto vale Z para alfa=0.12
#esto vale z
z=1.55477359459685
#Valor de z
qnorm(c(0.06), mean=0, sd=1, [Link]=FALSE)
[1] 1.554774
Pregunta 1:
¿Por qué el valor de z se divide para sqrt(n)?
Respuesta: El valor del error estándar que es sigma/sqrt(n) tiende a disminuir
cuando aumenta el tamaño de la muestra. El valor de n se toma con raíz cuadrada
para cuadruplicar el tamaño de la muestra (que puede ser un valor pequeño)
para poder reducir el error estándar a la mitad.
Pregunta 2:
¿Cuánto vale Z, para un alfa de 0,34, con una cola izquierda?
#Usando Rcommander
qnorm(c(0.34), mean=0, sd=1, [Link]=TRUE)
[1] -0.4124631
Respuesta: El valor de z para un alfa de 0.34 es igual a -0.4124631
#Usando gráfica de cola izquierda
local({
.x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=0, sd=1), cdf=FALSE, xlab="x", ylab="Densi
dad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"), reg
ions=list(c(-Inf, -0.412463129441405)), col=c('limegreen', 'indianred3'),
[Link]='topright')
})
Pregunta 3:
¿Cuánto vale Z, para un alfa/2 de 0.23, de dos colas?
#Usando Rcommander
qnorm(c(0.23), mean=0, sd=1, [Link]=TRUE)
[1] -0.7388468
Respuesta: El valor de z para un alfa/2 de 0.23 es igual a -0.7388468 y 0.7388468
#Gráfica de dos colas:
local({
.x <- seq(-3.291, 3.291, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=0, sd=1), cdf=FALSE, xlab="x",
ylab="Densidad",
main=paste("Distribución Normal: Media=0, Desviación Estándar=1"),
regions=list(c(-Inf, -0.738846849185214), c(0.738846849185214, Inf)),
col=c('limegreen', 'steelblue2'), [Link]='topright')
})
Pregunta 3:
¿Si P(1-alfa) = 0,82 ¿cuál es el valor de Zalfa y Zalfa/2?
Graficar una curva normal con media 2 y sd=4
#Valor de Zalfa/2
qnorm(c(0.91), mean=0, sd=1, [Link]=TRUE)
[1] 1.340755
Respuesta: El valor de Zalfa/2 es igual a 1.340755
#Valor de Zalfa
qnorm(c(0.82), mean=0, sd=1, [Link]=TRUE)
qnorm(c(0.18), mean=0, sd=1, [Link]=TRUE)
[1] 0.9153651
[1]-0.9153651
Respuesta: El valor de Zalfa es igual a -0.9153651 y 0.915365
#Graficar una curva normal con media 2 y sd=4
local({
.x <- seq(-11.162, 15.162, [Link]=1000)
plotDistr(.x, dnorm(.x, mean=2, sd=4), cdf=FALSE, xlab="x", ylab="Densidad",
main=paste("Distribución Normal: Media=2, Desviación Estándar=4"))
})
Ejercicio: Error en la estimación de la media poblacional.
La media de la presión sanguínea de 40 mujeres de edad avanzada es 140. Si estos datos
se pueden considerar como una muestra aleatoria de una población cuya desviación
estándar es 10, encuentre, con una confianza de 95%, el mayor error en la estimación
de la media poblacional.
#Cálculo del maximo error en estimar la media poblacional
sigma=10
n=40
[Link]=140
confianza=0.95
[Link]=qnorm(c(0.975), mean=0, sd=1, [Link]=TRUE)
[Link]
[1] 1.959964
#Error
e=[Link]*(sigma/sqrt(n))
e
[1] 3.098975
Conclusión:
Se puede mencionar que con un nivel de confianza de 95%, podemos mencionar que el
error máximo en estimar la media poblacional de la presión sanguínea es de 3.098975
Error de estimación de la media poblacional (superior).
#Cálculo del máximo error en estimar la media poblacional
sigma=10
n=40
[Link]=140
confianza=0.95
zalfa=qnorm(c(0.95), mean=0, sd=1, [Link]=TRUE)
zalfa
[1] 1.644854
#Error
e1=zalfa*(sigma/sqrt(n))
e1
[1] 2.600742
Conclusión:
El error máximo de estimación de la media poblacional (superior) es de 2.600742 con
un nivel de confianza del 95%
