E = row total × column total / grand total, df = (r − 1)(c − 1)
Valores críticos (α = 0,05)
df 1: 3,841, 2: 5,991, 3: 7,815, 4: 9,488
Decisión
rechaza H0 si χ² > χ²crit
2Problemas de práctica
1.Distribución normalMedia
Supón que las notas de un examen siguen una distribución normal con media 65 puntos y desviación típica 10 puntos. ¿Qué fracción está entre 49,5 y 75,5 puntos? Da P como número decimal.
μ = 65σ = 10x1 = 49,5x2 = 75,5
P =
2.Distribución normalDifícil
Los diámetros D de los agujeros son normales con media 25,05 mm y desviación típica 0,02 mm. Los diámetros d de los ejes son independientes y normales con media 25 mm y desviación típica 0,015 mm. Un eje elegido al azar encaja cuando D − d > 0. Halla la probabilidad P de que encaje. Redondea z a dos decimales.
agujero: μ = 25,05 mm, σ = 0,02 mmeje: μ = 25 mm, σ = 0,015 mm
P =
3.Intervalos de confianzaMedia
Un intervalo de confianza del 95 % para una media, basado en 25 observaciones y una σ conocida, tiene un margen de error de 3,2. ¿Cuál es el margen de error E₂ de un intervalo del 90 % basado en 100 observaciones?
95%n₁ = 25E₁ = 3,290%n₂ = 100
E₂ =
4.Intervalos de confianzaDifícil
Se prueban dos fertilizantes. Grupo de parcelas 1: 7 parcelas, rendimiento medio 80,5 kg, desviación típica 5 kg. Grupo de parcelas 2: 5 parcelas, media 73,5 kg, desviación típica 10 kg. Supón varianzas iguales (t con varianza combinada, gl = n₁ + n₂ − 2). Halla el límite superior del intervalo de confianza del 99 % para μ₁ − μ₂.
5.Contrastes de hipótesis e intervalos de confianzaMedia
Una muestra de 100 estudiantes tiene una nota media de 104,8 y una desviación típica muestral de 20. Calcula el estadístico de contraste t para H₀: μ = 100.
μ₀ = 100x̄ = 104,8s = 20n = 100
t =
6.Contrastes de hipótesis e intervalos de confianzaDifícil
Una muestra de 36 medidas tiene media 93,7. La desviación típica poblacional es 20. Calcula el límite inferior L del intervalo de confianza del 90 % para la media.
x̄ = 93,7σ = 20n = 3690%
L =
7.Regresión lineal y correlaciónMedia
La tabla da 6 observaciones emparejadas de x = temperatura en °C e y = helados vendidos. Halla el coeficiente de determinación r² de la recta de mínimos cuadrados.
n = 6
r² =
8.Regresión lineal y correlaciónDifícil
La tabla da 6 observaciones emparejadas de x = temperatura en °C e y = helados vendidos. Usa la recta de mínimos cuadrados ŷ = a + b·x. Predice ŷ para x = 17.
n = 6x = 17
ŷ =
9.Pruebas de chi cuadradoMedia
La tabla de contingencia muestra las frecuencias observadas. Calcula el estadístico de chi cuadrado χ² para la prueba de independencia entre las variables de filas y columnas. No uses corrección por continuidad.
N = 2402 × 3
χ² =
10.Pruebas de chi cuadradoDifícil
La tabla muestra las frecuencias observadas. Contrasta con α = 0,05 si las dos variables son independientes (sin corrección por continuidad). Calcula el estadístico de contraste χ² y compáralo después con el valor crítico de la tabla.
N = 2203 × 2α = 0,05
χ² =
3Disoluciones
1.Distribución normal
Respuesta: P = 0,7926
Distribución normal: convierte un valor x en una puntuación z, z = (x − μ)/σ, que indica a cuántas desviaciones típicas está de la media. Una tabla z (o Φ(z)) da el área a la izquierda de z, que es P(X < x). El área a la derecha es 1 − Φ(z), y el área entre dos valores es la diferencia de sus dos áreas.
Sumas y diferencias de variables normales: si X e Y son independientes y normales, X + Y y X − Y también son normales. Las medias se suman o se restan: E(X ± Y) = μX ± μY. Las varianzas siempre se suman, también en una diferencia: Var(X ± Y) = σX² + σY², así que σ = √(σX² + σY²). Las desviaciones típicas nunca se suman directamente. El total de n elementos independientes con la misma distribución tiene media n·μ y desviación típica σ·√n. Después estandariza como de costumbre: z = (x − media)/σ y lee Φ(z).
Distribución de la diferencia
μ = 25,05 − 25 = 0,05 mm, σ = 0,025 mm
Tipificar
z = (0 − 0,05)/0,025 = −2
Probabilidad
P = 1 − Φ(−2) = 0,9772
Respuesta
P = 0,9772
3.Intervalos de confianza
Respuesta: E₂ = 1,343
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Relación de márgenes
E₂/E₁ = (1,645/1,96)·√(25/100) = 0,4196
Nuevo margen
E₂ = 3,2·0,4196 = 1,343
Respuesta
E₂ = 1,343
4.Intervalos de confianza
Respuesta: límite superior = 20,76 kg
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
Desviación típica combinada
sp² = (6·5² + 4·10²)/10 = 55
sp = 7,416
Margen de error
E = 3,169·7,416·√(1/7 + 1/5) = 13,76
Intervalo
7 ± 13,76 → [−6,761, 20,76]
Respuesta
límite superior = 20,76 kg
5.Contrastes de hipótesis e intervalos de confianza
Respuesta: t = 2,4
Contraste de una media: el estadístico de contraste mide a cuántos errores típicos está la media muestral del valor afirmado en H₀: z = (x̄ − μ₀)/(σ/√n) si σ es conocida, t = (x̄ − μ₀)/(s/√n) si se estima con la muestra. Un intervalo de confianza es x̄ ± (valor crítico)·(error típico).
Error típico
SE = 20/√100 = 20/10 = 2
Estadístico de contraste
t = (104,8 − 100)/2 = 2,4
Respuesta
t = 2,4
t0,025; df = 99 = 1,984
|t| > 1,984, así que se rechaza H₀ al nivel del 5 % (bilateral).
6.Contrastes de hipótesis e intervalos de confianza
Respuesta: L = 88,22
Contraste de una media: el estadístico de contraste mide a cuántos errores típicos está la media muestral del valor afirmado en H₀: z = (x̄ − μ₀)/(σ/√n) si σ es conocida, t = (x̄ − μ₀)/(s/√n) si se estima con la muestra. Un intervalo de confianza es x̄ ± (valor crítico)·(error típico).
Margen de error
E = 1,645·20/√36 = 5,483
Límite del intervalo
L = 93,7 − 5,483 = 88,22
Respuesta
L = 88,22
7.Regresión lineal y correlación
Respuesta: r² = 0,8791
Regresión por mínimos cuadrados: con x̄ e ȳ las medias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² y Sxy = Σ(x − x̄)(y − ȳ), la recta ŷ = a + b·x tiene pendiente b = Sxy/Sxx y ordenada en el origen a = ȳ − b·x̄, así que siempre pasa por (x̄, ȳ). El coeficiente de correlación de Pearson r = Sxy/√(Sxx·Syy) está entre −1 y 1; r² es la fracción de la variación de y explicada por la recta.
Medias
x̄ = 132/6 = 22
ȳ = 486/6 = 81
Sumas de cuadrados y de productos
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 240
Syy = Σ(y − ȳ)² = 936
Coeficiente de determinación
r² = 240²/(70·936) = 0,8791
Respuesta
r² = 0,8791
Aproximadamente el 87,91 % de la variación de y queda explicada por la recta.
8.Regresión lineal y correlación
Respuesta: ŷ = 83,23
Regresión por mínimos cuadrados: con x̄ e ȳ las medias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² y Sxy = Σ(x − x̄)(y − ȳ), la recta ŷ = a + b·x tiene pendiente b = Sxy/Sxx y ordenada en el origen a = ȳ − b·x̄, así que siempre pasa por (x̄, ȳ). El coeficiente de correlación de Pearson r = Sxy/√(Sxx·Syy) está entre −1 y 1; r² es la fracción de la variación de y explicada por la recta.
Medias
x̄ = 114/6 = 19
ȳ = 575/6 = 95,83
Sumas de cuadrados y de productos
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 441
Recta de regresión
b = 441/70 = 6,3
a = 95,83 − 6,3·19 = −23,87
ŷ = −23,87 + 6,3·x
Predicción
ŷ = −23,87 + 6,3·17 = 83,23
Respuesta
ŷ = 83,23
9.Pruebas de chi cuadrado
Respuesta: χ² = 7,523
Pruebas de chi cuadrado: compara las frecuencias observadas O con las frecuencias E esperadas bajo H₀ mediante χ² = Σ(O − E)²/E. Bondad de ajuste: E = n·p para cada categoría, gl = k − 1 (menos uno más por cada parámetro estimado a partir de los datos). Independencia en una tabla r × c: E = total de fila × total de columna / total general, gl = (r − 1)(c − 1). Rechaza H₀ cuando χ² supera el valor crítico para el α elegido.
gl = 2. Con α = 0,05 el valor crítico es 5,991, así que H₀ (independencia) se rechaza.
10.Pruebas de chi cuadrado
Respuesta: χ² = 12,32
Pruebas de chi cuadrado: compara las frecuencias observadas O con las frecuencias E esperadas bajo H₀ mediante χ² = Σ(O − E)²/E. Bondad de ajuste: E = n·p para cada categoría, gl = k − 1 (menos uno más por cada parámetro estimado a partir de los datos). Independencia en una tabla r × c: E = total de fila × total de columna / total general, gl = (r − 1)(c − 1). Rechaza H₀ cuando χ² supera el valor crítico para el α elegido.