Estadística 2

Tarea

Sánchez Mayorga Josué

Velazquez Cruz Saul Efren

Zapata Correa Jossie Ivana

1. Introducción a la Estadı́stica

Explica las ideas siguientes:

(a) Cuando se puede concluir y cuándo no que un evento es causa de otro:

Cuando dichos eventos tienen evento dependiente , que están muy relacionados en
la misma caracter´ıstica de estudio por tanto cuando un evento en contexto es dependiente
es causa de otro. Por el contrario un evento no depende de otro y esto se debe de manera
lógica a que el contexto muestra variables independientes

(b) La diferencia entre el concepto de significancia estad´ıstica e importancia practica, sobre

todo al trabajar con muestras grandes:

La Estad´ıstica se encarga de resumir, organizar e interpretar datos de manera tal que esos
datos tienen un objeto y comportamiento.Su importancia en la práctica es sobre todo
en ciencia de datos, cuestiones financieras, medicina,negocios, entre otras disciplinas en
concreto ya que para estos casos se suele estudiar con muestras grandes y por lo cual se
realizan técnicas estadı́sticas diferentes.

(c) La diferencia entre concluir que “no hay relación” o “no hay diferencia”, contra concluir
que “no hay relación significativa” o “no hay diferencia significativa”, sobre todo al trabajar
con muestras pequeñas:

Cuando decimos que no hay diferencia, o no hay relación, negamos cualquier tipo de
concordancia entre los conjuntos que se están comparando, pero al añadir la palabra
ßignificativa”, relacionamos de una pequeña manera los conjuntos, pero de tal forma en
la que no tenga importancia alguna en la solución del problema.

(d) La idea de sesgo y sus principales fuentes de ocurrencia, tanto en encuestas y experimentos:

Esta idea la relaciono cuando se realiza un análisis exploratorio de datos ya que en este
se pretende resumir la información en tablas y gráficas y sobre todo en las medidas de
tendencia central y de dispersión. Esto se debe a que hay un criterio que establece si la
Media ¿ Mediana ¿ Moda es sesgada hacia la derecha.

Por otra parte la idea del sesgo tiene que ver o se relaciona con la estimación muestras y
tiene aplicación en el calculo de probabilidades, parámetros y estimaciones puntuales.

(e) La noción de que las coincidencias y ciertos eventos que parecen improbables son bastante
comunes, dado que en la realidad existen much´ısimas posibilidades:

Esta cuestión es muy cierta ya que a pesar de que es muy improbable se suscite cier-
ta coincidencia por ejemplo encontrarnos a un familiar en algún otro lugar o que inclusive
alguien se saque la loter´ıa a menudo sabemos que la probabilidad es m´ınimasin embargo
ocurre otro aspecto más puede ser el tener una enfermedad con muy poca probabilidad
o bien cuestiones en donde existe un grupo de 23 personas se sabe que la probabilidad
de que dos personas cumplan años el mismo dı́a es del 0.5 entonces llegamos a una
 conclusión quizás que existen principios de improbabilidad.

(f) Evitar la confusión de ideas entre la probabilidad condicional de A dado B y su probabili-

dad inversa, de B dado A:

Con respecto a la probabilidad condicional de A dado B simplemente se interpreta como

la probabilidad de que ocurra A dado que B se ha verificado sabiendo que la probabilidad
del evento B debe ser estrictamente positiva . Con respecto a la probabilidad inversa tiene
que existir un evento A con probabilidad mayor a 0 para que ocurra B , estas relaciones
no deberı́an ser una confusión ya que para ello se recomienda analizar el contexto para
saber si esta ocurriendo A o B y de esta manera definir cada variable aleatoria.

(g) Comprender que es algo inherente a muchos fenómenos y que no son lo mismo el compor-
tamiento “normal” y el comportamiento “promedio”:

Comprender que la variabilidad es algo natural inherente a muchos fenómenos y que no

es lo mismo el comportamiento normal y el comportamiento promedio.

2. Introducción a LATEX

Escribe los comandos adecuados para generar las siguientes expresiones en LATEX

(a) La función de distribución empı́rica Fn se define de la siguiente forma. Sea X1 , X2 , ..., Xn

una muestra aleatoria.

1
Fn = (Número de xiJ s ≤ x) (1)
n
1Σ
n
= I(−∞, x)(xi ) (2)
n i=1

(b) El gerente de una planta industrial pretende determinar si el número de empleados que
asisten al consultorio médico de la planta se encuentra distribuido en forma equitativa,
durante los cinco d´ıas de trabajo de la semana. Con base en una muestra aleatoria de
cuatro semanas completas de trabajo, se observó el siguiente número de consultas:

Lun Mar Mier Jue Vie

49 35 32 39 45

(c) Las concordancias y las discrepancias pueden expresarse mediante la siguiente función:

1 si X y Y son concordantes
f (n) = −1 si X y Y son discordantes
0 cualquier otro caso
3. Introduccion a R: Resuelve los ejercicios del cap´ıtulo 1 del libro A Handbook of Statistical
Analyses Using R, Segunda Edición.

(a) Ex. 1.1 Calculate the median profit for the companies in the US and the median profit for
the companies in the UK, France and Germany.
1 # i n st a l a mo s el p a q ue t e HS AU R 2
2
3 install. pa cka ges( " H SAU R 2 " )
4 library ( " H SAU R 2 " )
5
6 # g u a r d a mo s en una t a b l a los d a t o s de 20 0 0 c o m p a i a s l i d e re s p u b l i c a d o s en la
revista forbes
7
8
data( " Fo rb es2 00 0 " , package= " H SAU R 2 ")
9
levels( Fo rbes2 000$ country )
10
11
# c r e a mo s un su b d a t a se t con solo la s e mp r e sa s de EE UU y c a l c u l a mo s la me d i a n a del DS
12
13
e mp r e sa s_ E E U U <- su b se t ( F o r be s2 00 0 , c o un tr y == " U ni t e d S t a t e s " )
14 me d i a n P r o f i t sE E U U <- me d i a n ( e mp r e sa s_ E E U U$ p r o f i t s , na . rm = T RUE )
15
e mp r e sa s_ F r a n c e <- su b se t ( F o r b e s2 0 0 0 , c o u nt r y == " F ra n c e " ) me d i a n
16
P r o f i t sF r a n c e <- me d i a n ( e mp r e sa s_ F r a n c e $ p r o f i t s , na . r m = T RUE )
17
18
e mp r e sa s_ Ge r ma n y <- su b se t ( F o r be s2 00 0 , c o n tr y = " G e r m a n y " ) me d i a n
19
P r o f i t s Ge r ma n y <- me d i a n ( e mp r e sa s_ Ge r ma n y $ p r o f i t s , na . r m = T RUE )
20
21 # i mp r i mi mo s la s me d i a n a s
22
23 p r in t ( pa st e ( " m e di a n of E E U U i s " , me d i a n P r o f i t sE E U U ) , q u o t e = F AL S E )
24 p r in t ( pa st e ( " m e di a n of F ra n c e i s " , me d i a n P r o f i t sF r a n c e ) , q u o t e = F AL S E )
25 p r in t ( pa st e ( " m e di a n of G e rm a n y i s " , me d i a n P r o f i t s Ge r m a n y ) , q u o t e = F AL S E )
26

[1] median of EEUU is 0.24

[1] median of France is 0.19
[1] median of Germany is 0.2
(b) Ex. 1.2 Find all German companies with negative profit.
1 # i n st a l a mo s el p a q ue t e HS AU R 2
2
3 install. pa cka ges( " H SAU R 2 " )
4 library ( " H SAU R 2 " )
5
6 # g u a r d a mo s en una t a b l a los d a t o s de 20 0 0 c o m p a i a s l i d e re s p u b l i c a d o s en la
revista forbes
7
8
data( " Fo rb es2 00 0 " , package= " H SAU R 2 ")
9
levels( Fo rbes2 000$ country )
10
Ge r ma n Co mp a n i e s <- su b se t ( F o r b e s20 0 0 , c ou n tr y == " G e rm a n y " )
11
p r o f i t sNe g a t i v e <- su b se t ( Ge r ma n Co mp a n i e s , p rof it s <0)
12
p r o f i t sNe g a t i v e [ c ( " n am e " , " p ro f i t s " ) ]
13
 name profits
Allianz Worldwide -1.23
Deutsche Telekom -25.83
E.ON -0.73
HVB-HypoVereinsbank -0.87
Commerzbank -0.31
Infineon Technologies -0.51
BHW Holding -0.38
Bankgesellschaft Berlin -0.74
Wustenrot -0.08
mg technologies -0.13
Nurnberger Beteiligung -0.0
SPAR Handels -0.40
Mobilcom -3.62

(c) Ex. 1.3 To which business category do most of the Bermuda island companies belong?
1 # i n st a l a mo s el p a q ue t e HS AU R 2
2
3 install. pa cka ges( " H SAU R 2 " )
4 library ( " H SAU R 2 " )
5
6 # g u a r d a mo s en una t a b l a los d a t o s de 20 0 0 c o m p a i a s l i d e re s p u b l i c a d o s en la
revista forbes
7
8
data( " Fo rb es2 00 0 " , package= " H SAU R 2 ")
9
levels( Fo rbes2 000$ country )
10
11
levels( Forbes2000$ country )
i sl a s Be r mu d a s Co mp a n i e s <- su b se t ( F o rb e s20 0 0 , c o un t r y == " B e r m u d a " )
12
head ( rev ( sort ( t a b l e ( i sl a s Be r mu d a s C o mp a n i e s$ c a t e g o r y ) ) ) ,1)
13

[1] Insurance 10
(d) Ex. 1.4 For the 50 companies in the Forbes data set with the highest profits, plot sales
against assets (or some suitable transformation of each variable), labelling each point with
the appropriate country name which may need to be abbreviated (using abbreviate) to
avoid making the plot look too ‘messy’.
1 # i n st a l a mo s el p a q ue t e HS AU R 2
2
3 install. pa cka ges( " H SAU R 2 " )
4 library ( " H SAU R 2 " )
5
6 # g u a r d a mo s en una t a b l a los d a t o s de 20 0 0 c o m p a i a s l i d e re s p u b l i c a d o s en la
revista forbes
7
8 data( " Fo rb es2 00 0 " , package= " H SAU R 2 ")
9
levels( Fo rbes2 000$ country )

(e) Ex. 1.5 Find the average value of sales for the companies in each country in the Forbes
data set, and find the number of companies in each country with profits above 5 billion
US dollars.
1 # i n st a l a mo s el p a q ue t e HS AU R 2
2
3 install. pa cka ges( " H SAU R 2 " )
4 library ( " H SAU R 2 " )
5
6 # g u a r d a mo s en una t a b l a los d a t o s de 20 0 0 c o m p a i a s l i d e re s p u b l i c a d o s en la
revista forbes
7
8
data( " Fo rb es2 00 0 " , package= " H SAU R 2 ")
9
levels( Fo rbes2 000$ country )
10
11 # o b t ie n e la me d i a de la s v e n t a s de ca da una de la s c i u d a d e s
12 c o l n a me s ( F o r b e s2 0 0 0 )
13 v e c t o r Co u n tr y <- t a p p l y ( F o r b e s2 0 0 0 $ sa l e s , F o r b e s2 0 0 0 $ c o u n tr y , mean , na . r m = T RUE )
14
15 # o b t ie n e los n o mb r e s de la c i u d a d e s con p r of it s a r r i b a de 5 b i l l o n e s
16 p r o f i t sAb o v e 5 B <- su b se t ( F o r b e s2 0 0 0 [ F o r b e s2 0 0 0 $ p r o fi t s >5 , c ( " n a m e " , " c o un t ry " , "
pr of i t s" )])
17 p r o f i t s Ab o v e 5 B$ c o u n t r y <- f a c t o r ( p r o f i t sAb o v e 5 B$ c o u n t r y )
18
l e ve l s ( p r o f i t s Ab o v e 5 B$ c o u n t r y )

”Media de las ventas de cada una de las ciudades”

Africa Australia Australia/ United Kingdom Austria Bahamas

6.820000 5.244595 11.595000 4.142500 1.350000
”Ciudades con profits arriba de 5 billones
[1] ”China” ”France”
[3] ”Germany” ”Japan”
[5] ”Netherlands/ United Kingdom” SSouth Korea”
[7] SSwitzerland” Ünited Kingdom”
[9] Ünited States”
 Kapitel 1

4. Pruebas no paramétricas

(a) En un hospital, el número de nacimientos observados para cada mes de cierto año fueron
los siguientes:

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
95 105 95 105 90 95 105 110 105 100 95 100

Si α = 0,01, ¿existe alguna razón para creer que el número de nacimientos no se encuentra
distribuido en forma uniforme durante todos los meses del año?
Solución:

H0 : F = unif (0.083)
H1 : F ƒ= unif (0.083)
n= 1,200
Pi = 0.083
i=1,...,12
Σ12 (Ni −npi )2
Xi2 = i=1 npi
=

(95−1200(0.083))2 (105−1200(0.083))2 (95−1200(0.083))2 (105−1200(0.083))2 (90−1200(0.083))2 (95−1200(0.083))2

1200(0.083) + 1200(0.083) + 1200(0.083) + 1200(0.083) + 1200(0.083) + 1200(0.083) +
(105−1200(0.083))2 (110−1200(0.083))2 (105−1200(0.083))2 (100−1200(0.083))2 (95−1200(0.083))2 (100−1200(0.083))2
1200(0.083)
+ 1200(0.083) + 1200(0.083) + 1200(0.083) + 1200(0.083) + 1200(0.083)

= 4.0364128
(b) A continuación tenemos los siguientes datos.

Categor´ıa 0 1 2 3 4 5 6≥
Frecuencia 3 5 6 4 3 2 2

Si consideramos la partición de los datos en 7 categorı́as, ası́ como la tenemos y con α =

0,01, ¿existe alguna razón para creer que los datos provienen de una Poisson(2)?

5. Pruebas de rangos: Mann-Whitney, Wilcoxon y Kruskal-Wallis

(a) Investigadores reunieron datos sobre el número de admisiones hospitalarias resultantes
de choques de vehı́culos, y a continuación se presentan los resultados de los viernes 6 de
un mes y de los siguientes viernes 13 del mismo mes (segun datos de “Is Friday the 13th
Bad for Your Health?, de Scanlon et al., BMJ, vol. 307, tal como aparece en el recurso de
datos en l´ıneaData and Story Line). Utilice un nivel de significancia de 0.05 para probar
la aseveracion de que, cuando el d´ıa13 del mes cae en viernes, el numero de admisiones
hospitalarias por choques de veh´ıculos no se ve afectado. H0: El d´ıa 13 del mes cae en

Viernes 6 9 6 11 11 3 5
Viernes 13 13 12 14 10 4 12

Viernes, el número de admisiones hospitalarias por choques de vehı́culos no se ve afectado.

n = m =6
Σ R1 = 28
R2 = 60

Aplicando los estad´ısticos tenemos:

U1 = nm + n(n+1)
2 − R1 = 29
U2 = nm + m(m+1)
2 − R2 = −3

U = min(U1, U2) = -3
(b) Se obtuvieron datos de experimentos de choques realizados por la National Transportation
Safety Administration. Se compraron automóviles nuevos, se impactaron contra una barre-
ra fija a 35 mi/h y se registraron las mediciones en un maniqu´ı en el asiento del conductor.
Utilice los datos muestrales listados abajo para probar las diferencias en las mediciones de
heridas en la cabeza (de acuerdo con el Head Injury Criterion, HIC) en cuatro categor´ıas
de peso. ¿Existe evidencia suficiente para concluir que las mediciones de heridas en la
cabeza para las cuatro categorı́as de 3 peso de automóviles no son las mismas? ¿Sugieren
los datos que los automóviles más pesados son más seguros en un choque?

Subcompacto 681 428 917 898 420

Compacto 643 655 442 514 525
Mediano 469 727 525 454 259
Grande 384 656 602 687 360

R1 = 64
R2 = 52.5
R3 = 44.5
R4 = 49

n=20
ni = 5 → i = 1, 2, 3, 4.
Σk (Ri )2
i=1 n − 3(n + 1) ∼ X k−1
H = 12
n(n+1)
2
i

= 135( 6452 + 52.5 44.52 + 492 )

2
5 + 5 5
 = 1.191428571 ∼ X3 2

(c) Abajo se listan los ganadores de la medalla de oro en la carrera de 400 metros planos para
hombres, donde E representa a Estados Unidos y O a cualquier otro pa´ıs. Al parecer, ¿los
paı́ses de los ganadores están en una secuencia aleatoria?

E E E E O E O O E E E O O
E E E E E O O E E E E E E

Rz = 9 ⇒ S´ı es una secuencia v. a.

(d) Supóngase que los siguientes datos constituyen la secuencia de residuos para una ecuación
de regresión estimada:

-2.98 -4.19 -0.51 5.19 2.38 6.73 0.93 1.29 -3.18

-1.14 -0.54 -2.76 -1.89 -4.28 -0.18 0.32 0.48 1.48
-2.43 -4.69 -3.18 -0.64 -0.89 2.08 0.98 -3.28

H0 : El patrón secuencial está de acuerdo con aleatoriedad.

H1 : El patrón secuencial no es aleatorio.

n1 = Número de signos positivos=10

n2 = Número de signos negativos=16

r= Número de corridas = 8
α = 0.05

0.5-0.05=0.45 ⇒ Z de tablas = 2.58

µR = 2nn11+n
n2
2
+ 1 = 13.307692
. 2n 1n 2(2n 1n 2−n 1 −n 2)
σ = (n1+n2)2(n1+n2−1)
= 2.35942
R

Z= r−µ R
σR
= −2.67342

⇒ H0 se rechaza.
(e) Demuestre que el coeficiente de la τ de Kendall es:
4Q
τ = 1 − n(n−1)
si P + Q = n(n−1)
2
2(P +Q)−4Q
Dem: 1−4Q
n(n−1)
= n(n−1)−4Q
n(n−1)
= n(n−1)
= PP+Q
−Q
= P −Q
= 1−4Q
=
n(n−1)
τ
n n−1
2
 0.1. Laboratorio en R
29.-Leer el artı́culo 25 anos de R escrito por Arturo Erdely y
elabora una breve reseña.

Respuesta:
El articulo nos ayuda a entender el reconocimiento y aprovechamiento de R,
también explica el como fue creado el programa o más bien el lenguaje, con
un propósito general enfocado a necesidades especificas de estadı́stica
computacional, y nos da el nombre de algunas personas que aportaron algo
a el programa R.
En la ciencia de datos destaca la editorial Springer que incluye 70 t´ıtulos
distintos que abarcan las aplicaciones de R para diversas áreas como son
epidemiologı́a, análisis polı́tico, mercadotecnia, ecologı́a, genética, etc.
S´ı ponemos en una balanza R vs Python, como ya fue mencionado R fue
creado para paquetes estadı́sticos y Python fue creado más hacia el área
computacional o sea la programación como tal.
30.-De acuerdo a la información disponible en
http : //adv− r.had.co.nz/Style.html?smau=iV V W 4T 6L1HPPSPf 7
Describe las reglas de guı́a de estilo en R.

Respuesta:
Las reglas de estilo son las siguiente:
- Nombres de objetos: Se usa un guion bajo para separar las palabras dentro
del nombre y las variables y funciones deben de estar en minúsculas.
- Espaciado: Siempre se coloca un espacio después de una coma y no antes,
poner los espacios alrededor de todos los operadores que son =, +, -, ¡-.
- Llaves: Nunca debe ir en su propia l´ınea y siempre debe ir seguida de una
nueva l´ınea.
- Longitud de la lı́nea: Limite de código que son 80 caracteres por lı́nea.
- Sangrı́a: se ocupan dos espacios, no podemos mezclar pestañas y espacios.
- Asignación: Usar “¡-“para la asignación.
- Pautas para comentar: Cada lı́nea comienza con el sı́mbolo de comentario
y un único espacio “#”.
- Lı́neas Comentadas: de -y= para dividir su archivo en trozos fácilmente
legibles.

31.-Generar 100 observaciones de la distribución Normal(0, 1). Uti-

liza set.seed(5) como semilla aleatoria
 Respuesta:
a) Calcular y graficar la función de distribución empı́rica de las
observaciones generadas.
b) Agregar al gráfico anterior la función de distribución acumulada de una
Normal(0, 1).
options(width=80)
set.seed(5)
datos¡-rnorm(100,0,1)
datos
Fn¡-ecdf(datos)
Fn
plot.ecdf(datos)
plot (ecdf(datos))
curve(pnorm(x,0,1),xlim=c(-3,3),col=”pink”,lwd=2,lty=2,add=TRUE)
legend(”topleft”,lty=c(1,2),lwd=c(1,2),col=c(”black”,”pink”),legend=c(”Distribucion
Empirica”,”Distrinucion Teorica”))
c) Para x ∈ 0.0,0.5,1.0, . . . , 2.5,3.0 comparar los valores de la distribución
teórica y los de la distribución empı́rica.
datosc ¡- c(0.0,0.5,1.0,1.5,2.0,2.5,3.0)
calcular media y cuasidesviación tı́picas.
datmed ¡- mean(datosc)
desvt ¡- sd(datosc)
tipificarla
y ¡- (datosc - datmed) / desvt
probabilidades
probs ¡- (1:7)/7
invertirlas
y2 ¡- qnorm(probs)
comparamos
qqplot=qqnorm(datosc,plot.it=FALSE)
invertimos
qqx ¡- qqplotx
qqy ¡-qqploty
verde-artesanal ; rosa-R
plot(datosc,y2,col=”blue”, pch=3)
points(qqy,qqx,col=red”)
d) A partir de los resultados obtenidos en el inciso anterior responder, ¿la
 función de distribución empı́rica es similar a la función de distribución
acumulada teórica?
R.- Las distribuciones difieren.

32.-Simular 10 mil muestras de tamaño n = 50 a partir de una dis-

tribución de probabilidad t-Student para cada uno de los siguientes
valores de su parámetro v ∈ 1, · · · , 30. Para cada muestra calcu-
lar el p-value de la prueba Kolmogorov-Smirnov para H0 : Fx =
Normal(0, 1) y llenar la siguiente tabla con la función summary en
R y graficar los pares de valores (v, p-value promedio).

v mı́nimo 1er cuartil mediana promedio 3er cuartil máximo 1 2

. . . 30
Repetir lo anterior pero con muestras de tamaño n = 1000 y gra-
ficar los pares de valores (v, p-value promedio) sobre la gráfica
anterior pero con color distinto.

a) Graficar las frecuencias observadas.

b) Agregar al gráfico anterior las frecuencias esperadas.
c) Contrastar la hipótesis de que el dato está balanceado.

33.-Para comprobar que un dado esta balanceado se propuso lan-

zarlo 125 veces y contrastar las frecuencias obtenidas con las es-
peradas si el dado en verdad esta balanceado. Los resultados se
presentan a continuación.
1 2 3 4 5 6 12 18 23 13 20 39

a) Graficar las frecuencias observadas.

b) Agregar al gráfico anterior las frecuencias esperadas.
c) Contrastar la hipótesis de que el dato está balanceado.

34.-Con base a las edades de ingreso al Servicio Exterior Mexi-

cano por género, cuyo archivo se encuentra disponible en el SAE.
Determinar que estas muestras aleatorias provienen de poblaciones
con distribuciones idénticas.

35.-Resuelve el ejercicio Ex. 3.2 del capı́tulo 3 del libro A Hand-

book of Statistical Analyses Using R, Segunda Edición.

Región 1 Región 2 Región 3 Marca A 40 52 25 Marca B 52 70

35 Marca C 68 78 60
b) ¿Cual es el valor del estadı́stico X 2 ?
c) Con base a la información proporcionada, ¿la preferencia por
una determinada marca depende de la región geográfica?
36.-Se llevo a cabo una encuesta respecto a la preferencia del con-
sumidor para determinar si existe alguna predilección para tres
marcas competitivas (A,B,C) dependiendo de la región geográfica
en la que habita el consumidor. Con base a una muestra aleatoria de
consumidores, se obtuvo la siguiente información para tres dis-
tintas regiones.
a) Construye la tabla de valores estimados
Región 1 Región 2 Región 3 Marca A 40 52 25 Marca B 52 70
35 Marca C 68 78 60
b) ¿Cual es el valor del estadı́stico X 2 ?
c) Con base a la información proporcionada, ¿la preferencia por
una determinada marca depende de la región geográfica?

Análisis de varianza y diseño de experimentos

37.- Para un experimento se seleccionan al azar 20 hombres y 20
mujeres. Estos dos grupos se dividieron después al azar en 10 cada
uno para los grupos experimental y de control.Al grupo de control
se le da un examen de aptitud después de haber tomado un desa-
yuno completo; al grupo experimental se le da el mismo examen sin
haber tomado ningún desayuno. ¿Cuáles son los factores, niveles y
tratamientos en este experimento?

Respuesta:
El único factor que encuentro es el desayuno, ya que puede ser el
factor que afecte en verdad el resultado del examen, en cuanto a
los niveles hay cuatro, los dos grupos de conteo y los dos grupos
experimentales. Y en lo que a Tratamientos se refiere son las
combinaciones posibles entre los factores y los niveles.
38.-Un ingeniero quı́mico tiene dos catalizadores y tres tempera-
turas que desea usar en una serie de experimentos, ¿cuantos tra-
tamientos hay en este experimento? Describe cuidadosamente uno
de éstos tratamientos.

Respuesta:
Hay 6 tipos de tratamientos para este experimento. un caso
podrı́a ser el de la temperatura 1 con el catalizador 1, el cual
seguramente nos darı́a un resultado diferente al de los demás
casos.

39.-Una compañı́a de seguros desea determinar si existen diferen-

cias discernibles en el numero de dı́as promedio que los pacientes
que padecen una misma enfermedad permanecen en cuatro gran-
des hospitales de la Ciudad de México. La compañı́a también esta
interesada en detectar cualquier efecto debido al sexo de los pa-
cientes. Describe con detalle un diseño estadı́stico para lograr este
objetivo. Escribe el modelo y establece la hipótesis por probar.

Respuesta:
La hipótesis a probar serı́a:
H1 :Existe diferencia en el número de dı́as
H2 = H 1
Y los datos que se necesitan de cada hospital son:

1. Número de pacientes

2. Número de dı́as en el hospital

3. Sexo del paciente

40.-Cuatro atletas de triple salto saltan las siguientes distancias,

en metros, en diferentes reuniones de atletismo. ¿Puede suponerse
que los cuatro saltan la misma distancia?

1 2 3 4
8.25 7.31 7 6.69
6.67 8.26 7.25 7.32
7.65 6.50 8
7.86 9.42
10.40
 Respuesta:

xij = θi + sij

Con i = 1,2,3,4 y j = 1,2,...,ni

Y n1 = 4, n2 = 5, n3 = 4, n4 = 2
Se contrasta H0: θ1 = θ2 = θ3 = θ4 y H1: Al menos hay dos diferentes
SCE
k−1
RC = SCD
> fk−1,n−k;α
n−k

Sustituyendo:
SC E = 2,7519
SC D = 8,1879
k− 1 = 3
n − k = 10
α = 0,05
f3,10;0,05 = 3,71 ∴ Se acepta H0.
41.-Se determino el tiempo de respuesta en milisegundos para tres
diferentes tipos de circuitos que podrı́an usarse en un mecanismo de
desconexión automática. Los resultados se muestran en la siguiente
tabla.
a) Prueba que los tres tipos de circuitos tiene el mismo tiempo de
respuesta. Utiliza α = 0, 01.
b) Si se quiere minimizar el tiempo de respuesta , ¿qué tipo de
circuito se seleccionarı́a?
Respuesta:
H0: Los circuitos tienen el mismo tipo de respuesta.
H1: Los circuitos no tienen el mismo tipo de respuesta.
SCt = SCtr + SCe
ΣΣ 2
1)SCt = x ij.T c
SCt = (9 + 12 + ... + 162 + 72) − 2856,60
2 2

SCt = 3603 − 2856,60 = 746,40

Σ
2)SCtr = Tj2/nj–Tc
SCtr = (542/5 + 1112/5 + 422/5) − 2856,60 = 543,60

3)SCe = SCt–SCtrSCe = 746,40 − 543,6 = 202,80

F.V S.C g.l CM Fc Ft DEC.

TRATAMIENTO 543.60 2 271.80 16.08 2.81 R(H0)
ERROR 202.80 12 16.9
TOTAL 746.40 14

Fc > Ft
16,08 > 2,81
∴ Se rechaza H0
42.-Demuestra que para un experimento con solo un factor com-
pletamente aleatorio con ”t”tratamientos y rrepeticiones

Σt
SCr − SC c = r i=1(yi − y)2

donde ”SCr.es la suma de cuadrados del modelo reducido y ”SCc. es

la suma de cuadrados del modelo completo.

Respuesta:

43. Encuentra los estimadores de µ y τi mediante el método de

mı́nimos cuadrados para un experimento con un solo factor comple-
tamente aleatorio. Considera que otra forma de expresar el modelo
completo yij = µi + sij es yij = µ + τi + sij donde µi = µ + τi . Supón que
Σt
τ = 0.
t=1 i

44. Un fabricante de televisores esta interesado en el efecto de

cuatro tipos tipos diferentes de recubrimientos para cinescopios de
color sobre la conductividad de un cinescopio. Se obtienen los si-
guientes datos de la conductividad:
Tipo de recubrimiento Conductividad 1 143 141 150 146 2 152 149
137 143 3 134 136 132 127 4 129 127 132 129

a) ¿Hay alguna diferencia en la conductividad debida al recubri-

miento? Utilizar α = 0,05.
b) Estimar la media global y los efectos de los tratamientos
c) Suponiendo que el recubrimiento tipo 4 es el que se esta usando
actualmente, ¿que se recomendarı́a al fabricante? Recuerde que el
quiere minimizar la conductividad.

2.4. Diseño de bloques completamente aleatorizado.

45.- Un quı́mico quiere probar el efecto de cuatro agentes quı́mi-

cos sobre la resistencia de un tipo particular de tela. Debido a que
podrı́a haber variabilidad de un rollo de tela a otro, el quı́mico de-
cide usar un diseño de bloques aleatorizados, con los rollos de tela
considerados como bloques.
Selecciona cinco rollos y aplica cuatro agentes quı́micos de manera
aleatoria a cada rollo. A continuación se presentan las resistencias a
la tensión resultantes. Analizar los datos de este experimento (usar
α = 0,05) y saca las conclusiones apropiadas.

Rollo
Agente Quı́mico 01 02 03 04 05
1 73 68 74 71 67
2 73 67 75 72 70
3 75 68 78 73 68
4 73 71 75 75 69

Respuesta:

Rollo
Agente Quı́mico 01 02 03 04 05 Yi Y
1 73 68 74 71 67 70.6 70.6
2 73 67 75 72 70 71.7
3 75 68 78 73 68 72.4
4 73 71 75 75 69 72.6
Yi 73.5 68.5 75.5 72.75 68.5

Yij Estimada
72.35 67.35 74.35 71.6 67.35
73.15 68.15 75.15 72.4 68.15
74.15 69.15 76.15 73.4 69.15
74.35 69.35 76.35 73.6 69.35

Residuos Eij
0.65 0.65 -0.35 -0.6 -0.35
-0.15 -1.15 -0.15 -0.4 1.85
0.85 -1.15 1.85 -0.4 -1.15
-1.35 1.65 -1.35 1.4 -0.35

Análisis de varianza de dos factores con una sola muestra por

grupo
 Resumen Cuenta Suma Promedio Varianza
Fila 1 5 353 70.6 9.3
Fila 2 5 357 71.4 9.3
Fila 3 5 362 72.4 19.3
Fila 4 5 363 72.6 6.8
Columna 1 4 294 73.5 1
Columna 2 4 274 68.5 3
Columna 3 4 302 75.5 3
Columna 4 4 291 72.75 2.916
Columna 5 4 274 68.5 1.666
Σ
Var X2 GDLAnálisis
X2 de Varianza
F P V.C

Filas 12.95 3 4.31666 2.37614 0.12114 3.49029

2.05918E−
05
Columnas 157 4 39.25 21.60550 3.25916
Error 21.8 12 1.81666
Total 191.75 19

Para el caso de los agentes quı́micos (Renglones):

La H0 no se rechaza debido a que el valor de las tablas de f
están en 3.49 y el valor ”Fcçalculado en de 2.37 por lo tanto no
cae en la zona de rechazo.
Aparte calculando P obtenemos P = 0,1211 lo cual es mayor
a α = 0,05 por lo que se confirma el no rechazo. Para el caso de los

rollos que son las columnas:

La H0 se rechaza debido a que el valor de las tablas de f esta
en 3.25 y el valor ”Fcçalculado es 21.60 por lo tanto cae en la zona
de rechazo. El calculo de P nos da P = 0,00003 el cual es
menor que α = 0,05, por lo tanto se confirma el rechazo.
46. Se están comparando tres soluciones de lavado diferentes a
fin de estudiar su efectividad para retardar el crecimiento de bac-
terias en contenedores de leche de 5 galones. El análisis se hace
en un laboratorio y solo pueden realizarse tres ensayos en un dı́a.
Puesto que los dı́as podrı́an representar una fuente potencial de
variabilidad, el experimentador decide usar un diseño de bloques
aleatorizados. Se hacen observaciones en cuatro dı́as, cuyos datos
se muestra enseguida. Analizar los datos de este experimento (uti-
liza α = 0,05 y escribe las conclusiones apropiadas.
 Dı́as
Solición 1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22

2.5. Experimentos factoriales

2.6. Experimentos factoriales de 2k factores
47. Demuestra que la suma de cuadrados para un experimento de
dos factores con a niveles del factor A, b niveles del factor B y n
réplicas se cumple que SCT = SCA + SCB + SCAB + SCE

48. La siguiente tabla recoge el rendimiento, en unidades conve-

nientes, de 48 parcelas en las que se han experimentado 3 tipos de
abonos y 4 tratamientos distintos, asignando las combinaciones al
azar. Realı́cese un análisis de la varianza de dos factores, para ver
si existen diferencias entre los tipos de abonos, entre los distintos
tratamientos y si existe interacción entre abonos y tratamientos.
Tratamientos Tipos de abonos 1 2 3 4 1 5.2 6.6 6.7 6.4 10.1 12.9
10.7 9.1 6.5 6.7 8.5 9.8 6.5 9.1 8.6 8.2 2 5.7 5 6.1 4.4 11.1 8 6.8 14.3
6.6 5.7 5.3 6.2 7.6 12.2 9.1 5.8 3 4.3 4.2 3.9 4.4 4.9 5.6 5.7 4.8 4.5
4.7 4.6 4.4 5 5.6 5.1 5.3

2.7. Verificación de supuestos 49. 50.

2.8. Laboratorio en SAS 51. 52. 53. 54. 55.

Capítulo 4. Inferencia bayesiana para variables discretas.
56. La probabilidad de que un hombre elegido al azar tenga un problema de circulación sanguínea es 0.25.
Los hombres que tienen un problema de circulación sanguínea tienen el doble de probabilidades de ser
fumadores que aquellos que no tienen un problema de circulación sanguínea. Calcule la probabilidad de
que un hombre tenga un problema de circulación sanguínea, dado que es un fumador.
Definimos las siguientes probabilidades en base al enunciado anterior:
• P (S) = .25 (la probabilidad de que un hombre tenga problemas circulación sanguinea).
• P (SN ) = .75 (la probabilidad de que un hombre no tenga problemas circulación sanguinea).
• P (F |S) = 2P (F |SN )
Entonces mediante Regla de Bayes tenemos que,

P (F |S)P (S)
P (S|F ) =
P (F |S)P (S) + P (F |SN )P (SN )
= (2k)(.25)
(2k)(.025) + (k)(.75)
.5k
= .25k
1
= .4

Entonces la probabilidad de que un hombre tenga un problema de circulación dado que es fumador es de .4.
57. Una compañia de seguros emite pólizas de seguro de vida en tres categorías separadas: estándar,preferente
y especial. De los asegurados de la compañia, el 50% son estándar, el 40% son preferentes, y el 10% son
especiales. Cada titular de póliza estándar tiene una probabilidad de morir de 0.010 en el próximo año,
cada titular de póliza preferente tiene una probabilidad de 0.005 de morir en el próximo año, y cada
titular de póliza especial tiene una probabilidad de 0.001 de morir en el próximo año.Supongamos que
un asegurado fallece el próximo año. Calcule la probabilidad de que el asegurado sea especial.
Definimos las siguientes probabilidades en base al enunciado anterior:
• P (X1) = .5 (la probabilidad de que un asegurado sea estándar).
• P (X2) = .4 (la probabilidad de que un asegurado sea preferente).
• P (X3) = .1 (la probabilidad de que un asegurado sea especial).
• P (M |X1) = .01 (la probabilidad morir dado que es estándar).
• P (M |X2) = .005 (la probabilidad de morir dado que es preferente).
• P (M |X3) = .001 (la probabilidad de morir dado que es epecial).
Entonces mediante Regla de Bayes tenemos que,
 P (M |X3)P (X3)
P (X |M ) =
3
P (M |X1)P (X1) + P (M |X2)P (X2) + P (M |X3)P (X3)
(.001)(.1)
=
(
.5)(.01) + (.4)(.005) + (.001)(.1)
.0001
=
.0071
= .014084

Entonces la probabilidad de que un hombre tenga una póliza especial dado que ha muerto es de .014084.
58. Considera una muestra aleatoria X1, X2, ..., Xn con función masa de probabilidad Bernoulli con
parámetro desconocido θ ∈ Θ = (0, 1).

f (x|θ) = θx(1 − θ)1−xI(0,1)(x)

a) Muestra que la distribución Bernoulli es familia exponencial.
Tenemos que

n
Σ
f (x θ)
| =h(x)c(θ)exp[ Wi(θ)ti(x)]
i=1
1−x
=θx(1 − θ) I(0,1)(x)
(1 − θ)
=θx I(0 ,1) (x)
(1 − θ)xθx
=(1 ) ( )
−θ I x x
(1 − θ)x (0,1)θ
=(1 ) [ ( )] ( )
− θ exp Ln I (0,1) x
(1 − θ)x
θ x
=(1 − θ)exp[Ln( ) ]I(0 1)(x)
(1− θ) ,

θ
=(1 − θ)exp[(x)Ln( )]I(0 1)(x)
(1 ,
− θ)

Entonces tenemos que h(x) = I(0,1)(x), c(θ) = (1 − θ), Wi(θ) = Ln( 1

−θ
θ
) y ti(x) = x.
b) Utiliza el resultado del inciso anterior para encontrar la familia conjugada de f (x|θ).
La función a priori de θ estaría dada por
 f (θ) =c(θ)αexp(Wi(θ)β)
θ
=(1 θ)αexp[Ln( )β]
−
1 −θ
θ β
=(1 − θ)α( )
1− θ
α−1+1 θ
=(1− θ) ( )β−1+1
1− θ
=(1 − θ) α−β−1+1θβ−1+1
∼β(θ|β + 1, α − β + 1)

Por lo tanto, tenemos que la familia conjugada de f (x|θ) es β(θ|α, β).

c) Con base al inciso b), encuentra la función de distribución de f (θ |x) y el valor de sus parámetros para
una muestra de tamaño n.
La función de distribución

n
Σ
f (θ |x) =c(θ)α+nexp[(Wi(θ)(β + t(xi))]
i=1
θ Σ
n
=(1 − θ)α+nexp[Ln( )(β + xi)]
1
−θ i=1
θ Σn
(β+ x i)
=(1 − θ) α+n ( ) i=1
1 −θ
x)θ
Σn Σn
=(1 − θ) (α+n−β− i=1 i ( − θ )(β+ i=1 x) i
1
Σn θ (β+ Σn x )−1
=(1 − θ)(α+n−β− i=1x )−1
i
( ) i

1 −θ
i=1

n
n
Σ Σ
∼β(θ|β + n − xi , α + xi))
i=1 i=1

Donde tenemos que

α+ r
θˆ =
β+n−r
59. El siguiente conjunto de datos se distribuye como una Bernoulli con parámetro θ desconocido ,
θ ∈ Θ = (0, 1) :
0 0 1 1 0 1 1 1 1 0
0 0 1 0 1 0 1 1 0 1
1 0 1 0 0 0 0 0 1 0
0 1 0 0 1 1 1 0 1 0
1 1 1 1 1 1 0 0 1 1
0 1 0 0 0 0 0 1 1 0
1 0 0 0 1 0 0 1 0 1
0 1 0 0 0 1 1 0 1 1
0 1 0 0 1 0 1 0 0 0
0 0 1 1 1 1 0 0 1 1
 a) Estima los parámetros de la función de distribución a posteriori utilizando solamente información
muestral.
Haciendo uso solamente de la información muestral y conociendo la distribución a posteriori tenemos que,
n n
Σ Σ
f (θ|x) ∼ β(θ| x i, n − x i, )
i=1 i=1

Lo cual corresponde a

f (θ|x) ∼ β(θ|48, 52)

Lo cual corresponde a una distribución beta con hiperparámetros α = 48 y β = 52.
b) Utiliza la función de distribución a posteriori que obtuviste del inciso anterior para expresar la estimación
puntal y por intervalos de probabilidad de θ.
Entonces realizando la estimacion de θ tenemos que

θ =α
β
=.48

Con un intervalo de probabilidad de .95 tenemos a su vez que,

∫ .025
f (θ|x)dθ =.025
−∞
=0.3831554

∫ ∞
f (θ|x)dθ =.975
.975
=0.57602

Entonces tenemos que

0.3831554 ≤ θ ≤ 0.57602
Capítulo 5. Inferencia bayesiana para variables continuas.
60. Sea X1, X2, ..., Xn una muestra aleatoria con función de distribución exponencial con parámetro λ
desconocido, λ > 0,

f (x|λ) = λe−λxI(0,∞)(x)
a) Demuestra que f (x|λ) es familia exponencial.
Tenemos que

n
Σ
f (x λ,
| θ) =h(x)c(θ)exp[ Wi(θ)ti(x)]
i=1

=λe ln(e−λx)
I(0,∞)(x)
=λe I(0,r inf ty)(x)
−λx

Entonces tenemos que h(x) = I(0,∞)(x), c(θ) = λ, Wi(θ) = −λ y ti(x) = x.

b) Propón una función de distribución a priori para el parámetro λ.
En base a lo anterior nuestra función de distribución a priori
La función a priori de θ estaría dada por

f (θ) =c(θ) αexp(Wi(θ)β)

=λαe−λβ
∼Γ(α + 1, β)

Donde definimos que

β
Γ(x|α, β) = (βx) α−1e−βxI(0 ,∞)(x)
Γ(α)

Por lo tanto, tenemos que la familia conjugada de f (x|θ) es Γ(θ|α, β).

c) Determina los valores de los parámetros de la función de distribución a posteriori de λ. Recuerda que
estos deben contener información muestral y a priori.
La función de distribución a posteriori

n
Σ
f (θ|x) =c(θ) α+nexp[(Wi(θ)(β + t(xi))]
i=1
Σn
α+n −λ(β+ x i))
=λ e i=1

Σn
=λ α+n+1−1e −λ(β+ i=1 x i)
Σ n
∼Γ(α + n + 1, β + xi)
i=1

Donde tenemos que

 α+ n+ 1
θˆ= Σ n
β + i=1 xi
61. La siguiente muestra se distribuye como una Normal con media µ desconocida y varianza σ2 = 4.
## [01] 23.49709 25.11729 23.07874 27.94056 25.40902 23.10906 25.72486 26.22665 25.90156
## [10] 24.13922 27.77356 25.52969 23.50752 20.32060 26.99986 24.66013 24.71762 26.63767
## [19] 26.39244 25.93780 26.58795 26.31427 24.89913 20.77130 25.98965 24.63774 24.43841
## [28] 21.80850 23.79370 25.58588 27.46736 24.54442 25.52534 24.64239 21.99588 23.92001
## [37] 23.96142 24.63137 26.95005 26.27635 24.42095 24.24328 26.14393 25.86333 23.37249
## [46] 23.33501 25.47916 26.28707 24.52531 26.51222 25.54621 23.52595 25.43224 22.49127
## [55] 27.61605 28.71080 24.01556 22.66173 25.88944 24.47989 29.55324 24.67152 26.12948
## [64] 24.80600 23.26345 25.12758 21.14008 27.68111 25.05651 29.09522 25.70102 23.33011
## [73] 25.97145 22.88180 22.24273 25.33289 23.86342 24.75221 24.89868 23.57096 23.61266
## [82] 24.47964 27.10617 21.70287 25.93789 25.41590 26.87620 24.14163 25.49004 25.28420
## [91] 23.66496 27.16574 27.07081 26.15043 27.92367 25.86697 22.19682 23.60347 22.30077
## [100] 23.80320

Crea un script en R que haga lo siguiente:

a) Cargar los datos desde un archivo csv. #leer datos
datos <- read.csv("muestra2.csv")
head(datos)

## X x
## 1 1 23.49709
## 2 2 25.11729
## 3 3 23.07874
## 4 4 27.94056
## 5 5 25.40902
## 6 6 23.10906
b) Análisis exploratorio
summary(datos$x)

## Min. 1st Qu. Median Mean 3rd Qu. Max.

## 20.32 23.76 24.98 24.97 26.13 29.55
datos1 <- datos[,2]
sd(datos1)

## [1] 1.796399
hist(datos1, freq = FALSE, xlab ="xi",
ylab = "densidad", col = "blue",
main = "Histograma de xi")
 Histograma de xi
0.20
0.15
densidad

0.10
0.05
0.00

20 22 24 26 28 30

xi

c) Calibrar los parámetros de la distribución a priori y graficar la función:

En base al análisis exploratorio anterior tenemos que: mediana(µ) = 24.97782 y σ2 = 1.796399. En base a
2 2
esto obtenemos los parámetros de nuestra función a priori ya que : N ormal(αβ ,ασ ) ασ = 1 βα= 25

α = 4 y β = 100

d<-seq(20,30,length=1000)
apriori<-function(x)dnorm(x,25,1)
plot(d,apriori(d),type="l",lwd=2,
xlab="xi",
ylab="f(xi)",
col="blue",
main="distribucion a priori")
 distribucion a priori
0.4
0.3
f(xi)

0.2
0.1
0.0

20 22 24 26 28 30

xi

d) Graficar la función de distribución a posteriori y ahí mismo señalar la estimación puntual y por intervalo
de probabilidad del 95% del parámetro µ.
m<-(100+sum(datos1))/(4+length(datos1))
desv<-4/(4+length(datos1))

apost=function(x)dnorm(x,m,desv)
plot(d,apost(d),type="l",lwd=2,
xlab="xi",
ylab="f(xi)",
col="blue",
main="distribucion a posteriori",xlim=c(24,26))

text(m,10,"Estimacion puntual e intervalo", pos=4)

estim <- (length(datos1)+sum(datos1))/(4+length(datos1))

estim

## [1] 24.96901
rug(estim, col = "red", lwd = 8)

x1 <- qnorm( .025,m,desv)

x2 <- qnorm(.975,m,desv)
#Estimación por intervalo a 95

x1

## [1] 24.89363
x2

## [1] 25.0444
y1 <- dnorm(x1,estim,desv)
y2 <- dnorm(x1+.025,estim,desv)
y3 <- dnorm(x1+.05,estim,desv)
y4 <- dnorm(x1+.07538,estim,desv)
y5 <- dnorm(x1+.1,estim,desv)
y6 <- dnorm(x1+.125,estim,desv)
y7 <- dnorm(x1+.15,estim,desv)
y8 <- dnorm(x1+.175,estim,desv)
y9 <- dnorm(x2,estim,desv)

# Se sombrea el intervalo de probabilidad

cord.x <- c( x1,x1,x1+.025,x1+.05,x1+.07538,x1+.1,x1+.125,x1+.15,x1+.175, x2,x2)
cord.y <- c(0,y1,y2,y3,y4,y5,y6,y7,y8,y9,0)

polygon(cord.x,cord.y,col='darkblue')
 distribucion a posteriori
10

Estimacion puntual e intervalo

8
6
f(xi)

4
2
0

24.0 24.5 25.0 25.5 26.0

xi

e) Ajustar la curva de la densidad de una normal al histograma de los datos. (Utilizar como valor de µ la
estimación puntual que obtuviste en el inciso anterior y varianza σ2 = 4).
hist(datos1, freq = FALSE, xlab ="xi", ylab = "densidad", col = "blue", main = "Histograma de xi")
curve(dnorm(x,estim,2),add = TRUE, col="red", lwd=5)
 Histograma de xi
0.20
0.15
densidad

0.10
0.05
0.00

20 22 24 26 28 30

xi

f) Realizar el contraste de hipótesis, H0 : µ < 28, H1 : 28 < µ < 30 y H2 : µ > 30.

H0 <- pnorm(28, estim ,2)
H1 <- pnorm(30, estim, 2)-H0
H2 <- 1-pnorm(30, estim, 2)

H0

## [1] 0.9351762
H1

## [1] 0.05888051
H2

## [1] 0.005943303
Por lo tanto se escoge H0 que es la hipótesis con mayor probabilidad de ocurrencia.