Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADSTICA EMPRESARIAL II
PROBLEMAS RESUELTOS
1) Sea X la variable aleatoria nmero de trabajadores de un pequeo comercio e Y el nmero
de trabajadores que no pertenecen a la familia propietaria del mismo, con la siguiente ley de
probabilidad conjunta:
Y
X
0
2/9
1/9
0
1
2
3
1
1/9
2/9
1/9
2
0
0
2/9
0
2/9
1/9
0
3/9
1
1/9
2/9
1/9
4/9
2
0
0
2/9
2/9
p(X=x)
3/9
3/9
3/9
1
Cov(X,Y)
X Y
3
3
3
E(X) = 1 + 2 + 3 = 2 ;
9
9
9
20
8 4
2 =
9
9 9
3
4
2 8
E(Y) = 0 + 1 + 2 =
9
9
9 9
1
2
1
2 20
E(XY) = 1 1 + 2 1 + 3 1 + 3 2 =
9
9
9
9 9
42
2
22 =
9
3
ya que : E(X2) = 12
3
3
3 42
+ 2 2 + 32 =
9
9
9
9
Problemas resueltos
12 8
44
=
9 9
81
(X,Y) =
por tanto:
ya que : E(Y2) = 0 2
Cov(X,Y)
=
X Y
4
9
2
3
3 2 4
2 12
+1
+ 22 =
9
9
9 9
= 0,7385.
44
81
k 0 y x 1
f X ,Y ( x, y) =
0 en el resto
a) Obtener k para que fX,Y(x,y) sea funcin de densidad.
b) Obtener las funciones de densidad marginales, las funciones de distribucin marginales y
determinar el tipo de distribucin que sigue cada una de ellas, si es posible.
c) Podemos afirmar que el porcentaje destinado a inversiones tiende a ser pequeo?
d) Son independientes X e Y?
e) Qu porcentaje debemos esperar que se destine a nuevas inversiones?
f) Supongamos que el porcentaje dedicado al reparto de dividendos es el 45%. Cul ser la
probabilidad de que el porcentaje para las nuevas inversiones sea superior al 50%?
SOLUCIN
a) La representacin grfica del recinto donde es positiva la funcin de X e Y es la siguiente:
Para calcular el valor de la constante k que hace que el volumen sea uno:
1
0 0
k dy dx = k [ y]0 dx = k
1
x2
k
= 1
x dx = k =
2
2 0
k=2
X (2,1)
Estadstica Empresarial II
fY ( y ) =
1
2 dx = [ 2x] y = 2 (1 y), 0 < y < 1 Y (1,2)
0
x0
x
FX ( x) = 2 t dt 0 < x < 1
0
1
x 1
= x 2
1
0
y0
y
FY ( y) = 2 (1 t) dt 0 < y < 1
0
1
y 1
x0
0< x <1
x 1
= 2 y y 2
1
y0
0< y <1
y 1
c)
fX(x)
fY(y)
En el caso de X, parece que se acumula mayor probabilidad en los valores ms altos, cosa
contraria al caso de Y. Esto da una idea de que el porcentaje destinado a inversiones va a ser mayor
que el destinado a reparto. Para un ejemplo en concreto, si calculamos las probabilidades:
p[0.75 < X < 1] =
7
1
es ms probable que X tome valores altos.
y p[0.75 < Y < 1] =
16
16
1
7
es ms probable que Y tome valores bajos.
y p[0 < Y < 0.25] =
16
16
p
2
1
. Por tanto, E(X) = y E(Y) = .
3
3
p+q
f) X e Y vienen dadas en tanto por uno. Entonces, sabiendo que Y = 0.45, debemos calcular la
probabilidad de que X 0.5. Para ello, debemos calcular primero:
fX
( x)
Y= y
f XY ( x, y)
f Y ( y)
2
1
=
, y < x <1
2 (1 y )
1 y
( x)
Y = 0.45
1
1
=
, 0.45 < x < 1
1 0.45 0.55
Problemas resueltos
x =1
x=1
x = 0.5
0.5
1
x
dx =
=
= 0.9091.
0.55
0.55
0.55 x=0.5
x>0 ; y>0
en el resto
x, y R
f X,Y (x, y) dy =
e x e y dy = e x e y
= ex
x>0
y>0
x, y
b) Puesto que son independientes ya sabemos que la covarianza es cero, pero vamos a comprobarlo.
Cov(X,Y) = E(XY) - E(X) E(Y)
E(X) = xf X (x) dx = x e x dx = 1 ;
E(X.Y) =
de donde:
x y f X,Y (x, y) dx dy =
x y e x e y dx dy =
x e x dx y e y dy = 1x1 = 1
0
Cov(X,Y) = 1 - 1x1 = 0
4) Un empresario desea montar una cafetera. En dicho local slo se vendern dos marcas de
cola: Coca-Cola y Pepsi-Cola. Para ello ha realizado un estudio sobre cual es la demanda de
bebidas de cola en el barrio donde va a situar el local. Como resultado del estudio se deduce
que la demanda conjunta semanal de ambas, tiene la siguiente funcin de densidad:
Estadstica Empresarial II
1 =
kxdydx =
x = 0 y = 0
x=2 y= x
x=2
x= 2
x=2
8
k
k[ xy] y= 0 dx = kx dx = x 3
= k
3
3 x=0
x= 0
x=0
y= x
k =
3
8
b) Nos piden calcular la E(Y/X=1.5), con lo que previamente tenemos que obtener la marginal de X
y la densidad de Y/X=1.5.
y= x
y= x
3
3
3
f X (x) =
xdy = xy
= x2
8
8
8 y=0
y=0
f Y X (y / X = x) =
f X,Y (x, y)
f X (x)
3
x
1
8
=
=
3 2
x
x
8
0<y<x
y la E(Y / X = 1.5) =
yf
1
1.5
y =1.5
Y/ X
(y / X = 1.5)dy =
y =
y=0
y2
1
y
dy =
1.5
3 y=0
= 0.75
Problemas resueltos
x=2
f y (y) =
3
3
3
x= y 8 xdx = 16 x 2 x= y = 16 (4 y2 )
x=2
0< y<2
x=2
3
3
E(X) = x x 2 dx = x 4
= 1.5
8
32 x = 0
x=0
y=2
y=2
3
3 2 y4
2
E(Y) = y (4 y )dy =
2y
= 0.75
16
16
4 y=0
y=0
y=2
3
3
y3
d) P(150Y 60) = P(Y 0.4) =
= 0.704
(4 y 2 )dy =
4y
16
16
3 y = 0.4
y = 0.4
0<y<1
fX(x) = 1
0<x<1
Estadstica Empresarial II
A
B
E
3
H
7
G
4
Duracin
e(1,2,4,7)
(4,8)
T(4,5,9)
(1/6)
N(3,2)
U[1,5]
C2 = 1 3 5 7
C3 = 1 3 6 7
C4 = 1 4 6 7
Problemas resueltos
Como cada camino es la suma de tres actividades, usando las propiedades de la esperanza
matemtica, tenemos que la duracin media de cada camino es la suma de las medias de cada
actividad.
E(DC1) = E(A) + E(D) + E(H) = 5 + 4 + (7 4)
1
+ 3 = 13
1+ 2
8
+ 3 = 11
4
4 + 5+ 9 5+ 1
+
= 15
3
2
5+ 1
= 13
2
b) Como las actividades son independientes, la varianza de la suma de actividades es la suma de las
varianzas de las actividades.
Var(DC1) = Var(A) + Var(D) + Var(H) = 0 +
(7 4) 2 x1x 2
+ 2 2 = 4.5
2
(1 + 2 + 1)(1 + 2)
8
+ 2 2 = 4.5
2
4
(9 4) 2 (9 5)(5 4) (5 1) 2
+
= 2.5
18
12
(5 1) 2
= 37.3333333
12
c) p(DC1 > 14/A = 5,D = 5) = p(A + D + H >14/A = 5,D = 5) = p(H > 14 - 10) = p(H > 4) =
= 1 - (
43
1
) = 1 - ( ) = 1 - 0.6915 = 0.3085
2
2
4 di
i=2
1 i =5
[ i] = 0.75
4 i=2
7) Una industria conservera obtiene de media 0.7 Kg. de tomate de conserva por cada Kg. de
tomate natural, siendo la desviacin tpica de 100 gr. Determinar cuantos Kg. de tomate
natural deben utilizarse si se pretende obtener al menos 300 Kg. de tomate en conserva con
una probabilidad del 97.5%.
Estadstica Empresarial II
La industria conservera compra el kilo de tomate natural a 126 pesetas, los gastos de
elaboracin, envasado y distribucin por cada kilo de tomate elaborado son de 23 pesetas, si
el kilo de tomate elaborado se vende a 265 pesetas, cul es la probabilidad de obtener, como
mnimo, unos beneficios de 40 500 pesetas con 900 Kg. de tomate natural?
SOLUCIN
Sea X = Nmero de Kg. de tomate de conserva por cada Kg. de tomate natural.
E(X) = 0.7
X = 01
.
p( X i 300) = 0.975
n /
i =1
Al ser las variables Xi independientes, idnticamente distribuidas, con momentos de orden uno y
dos finitos, podemos aplicar el Teorema Central del Lmite.
n
X
i =1
0.7 n
0.1 n
N(0,1)
n
300 0.7 n
0.975 = P( X i 300) = 1
0.1 n
i =1
300 0.7 n
0.1 n
= 1.96
900
900
i =1
i =1
i =1
900
i =1
i =1
10
Problemas resueltos
635.9504132 0.7 x 900
= 1 (1.98) = 1 - 0.9761 = 0.0239
= 1
0.1x 900
8) El nmero de llamadas telefnicas a una centralita por minuto sigue una distribucin de
Poisson. Sabemos que el 56.65% el nmero de llamadas por minuto es superior a 3. Calcular:
a) El valor del parmetro .
b) Si tuviramos cinco centralitas como sta funcionando de forma independiente, cul es la
probabilidad de que entre todas ellas haya al menos 18 llamadas en un minuto?
SOLUCIN
a) Sea X = Nmero de llamadas telefnicas a la centralita por minuto, que se ajusta bien a un
modelo de Poisson. Sabemos que
p(X > 3) = 0.5665
buscando este valor en las tablas de Poisson vemos que el valor del parmetro es 4.
b) Sea Y =
X ,
i =1
9) Una industria panificadora se plantea el nmero de unidades, del tipo "pan de molde, 300
grs.", que ha de suministrar para el consumo de los fines de semana. El producto se vende a
98 pts., lo que supone una ganancia neta de 15 pts. por unidad; pero al mismo tiempo la
empresa se hace cargo de las unidades sobrantes en los centros expendedores, abonando su
coste y aprovechando residualmente aquellos retornos, con una prdida unitaria de 7 pts.
Si la experiencia ha demostrado que la demanda real de los consumidores de este tipo de
piezas sigue un modelo normal, con 11 500 unidades como cifra ms probable y 320 de
desviacin tpica, qu cifra de produccin debe preverse para abastecer el consumo de los
fines de semana asegurando un mayor beneficio esperado?
SOLUCIN
Consideremos la variable X = Nmero de unidades demandadas del pan de molde 300 grs. Por
el enunciado sabemos que X N(11500, 320).
Llamaremos B a la variable beneficios.
El enunciado del problema nos pide encontrar N = nmero de unidades ofrecidas que maximice
el beneficio esperado.
Estadstica Empresarial II
11
B =
15X - 7(N - X)
si X > N
si X N
15
N - 11 500
= 0.6818 (0.47)
) =
22
320
de donde
N - 11 500
= 0.47
320
y por tanto la previsin de produccin es
N = 11650.4 unidades
10) Dos cadenas de montaje A y B, convergen a un nico taller de acabado que durante cinco
minutos trata a una sola unidad. El tiempo que las unidades estn en cada cadena es aleatorio
y con distribucin normal, independiente de una cadena a la otra, con parmetros
Media
Desviacin tpica
Si a las 12 horas entra a la cadena A una unidad y ocho minutos despus entra a la cadena
B otra unidad.
12
Problemas resueltos
X B N(17 = 9 + 8, 3)
0 5
) = ( 1) = 0.1587
5
5 5
) = 0.1587 + 0.5 = 0.6587
5
11) El siguiente grfico representa el trfico que discurre por tres calles de sentido nico, A,
B y C, hacia una plaza, que posteriormente desemboca en una avenida, tambin con sentido
nico.
La polica local teme que en las horas punta la
confluencia de las tres vas en una sola colapse el
trfico. ste se considera fluido si circulan como
mximo 15 vehculos por minuto.
Sabiendo que el nmero de vehculos que circula por
cada una de las calles por minuto sigue una
distribucin de Poisson de media 5 en el primer caso, 9
en el segundo y 6 en el tercero, determinar si es
probable que no existan aglomeraciones.
SOLUCIN
Sabemos que:
X1 = N de vehculos que circulan por A por minuto P(5)
X2 = N de vehculos que circulan por B por minuto P(9)
X3 = N de vehculos que circulan por C por minuto P(6)
Entonces, definiendo X = X1 + X2 + X3 = n de vehculos que circulan por la avenida por
minuto, que sigue una distribucin P(20).
En estas condiciones, p[trfico sea fluido] = p[X 15] =0.1565, con lo cual podemos afirmar que
es muy probable que en las horas punta existan retrasos en la circulacin con los consiguientes
atascos.
Estadstica Empresarial II
13
12) Sean X1, X2, X3, v. a. independientes con distribucin de Poisson de parmetro 2.
Consideramos las variables:
Y = 2 X1 + 3 X2 - 5 X3
Z, tal que E(Z) = 2; Var(Z) = 3; Cov(Xi, Z) = 4
Calcular E(Y), Var(Y), E(Y + Z) y Var(Y - Z).
SOLUCIN
E(Y) = E(2 X1 + 3 X2 - 5 X3) = 2 E(X1) + 3 E(X2) - 5 E(X3) = 2x2 + 3x2 - 5x2 = 0
Var(Y) = Var (2 X1 + 3 X2 - 5 X3) = 4 Var(X1) + 9 Var(X2) + 25 Var(X3) = 76
puesto que las variables Xi son independientes y por ser variables de Poisson su esperanza y su
varianza valen , en este caso 2.
E(Y + Z) = E(Y) + E(Z) = 0 + 2 = 2
Var(Y - Z) = Var(Y) + Var(Z) - 2 Cov(Y, Z) = 76 + 3 - 0 = 79
Cov(Y, Z) = Cov(2 X1 + 3 X2 - 5 X3, Z) = Cov(2 X1,Z) + Cov(3 X2, Z) - Cov(5 X3,Z) =
= 2 Cov(X1, Z) + 3 Cov(X2, Z) - 5 Cov(X3,Z) = 0
Cov(aX + b, cY + d)
=
Var(aX + b) Var(cY + d)
ac Cov(X, Y)
a 2 Var(X) c 2 Var(Y)
Cov(aX, cY)
=
Var(aX) Var(cY)
ac Cov(X, Y)
ac
=
(X, Y)
a c Var(X) Var(Y) a c
ac
vale 1 si a y c tienen el mismo signo y - 1, si su signo es diferente.
a c
14) Suponer que el peso neto por lote en una marca de sopa tiene media 565 gr. y desviacin
tpica 15 gr. (Suponer normalidad).
a) Si se eligen al azar nueve lotes y se anota el peso, cul es la probabilidad de que la media
muestral est entre 555 y 575 gr.?
14
Problemas resueltos
b) Qu tamao debera tener la muestra para que la probabilidad del apartado anterior
fuese de 0.9906?
SOLUCIN
Sea X = Peso neto por lote de una marca de sopa N(565,15).
a) Dada la muestra aleatoria X1, ..., X9, es decir, variables aleatorias independientes idnticamente
distribuidas, tal que cada Xi representa el peso del lote i, consideramos la variable aleatoria media
muestral
9
X =
x
i =1
N( ,
15
) = N(565,
) = N(565,5)
n
9
575 565
555 565
) (
) = ( 2) ( 2) = 0.9772 0.0228 = 0.9544.
5
5
b) Sea X =
i =1
N( ,
15
) = N(565,
) nos piden encontrar el valor n tal que
n
n
p(555 < X < 575) = 0.9906
575 565
555 565
2
2
2
) (
) = (
n ) (
n ) = 2 (
n ) 1 = 0.9906
3
3
3
15 / n
15 / n
2
n ) = 0.9953
3
2
n = 2.6
3
n = 15.21
15) Cuatro personas disparan a un blanco. La primera dispara cuatro veces con
probabilidad de dar en el blanco de 1/8, la segunda lo hace cinco veces con probabilidad de
acertar de 1/4, la tercera dispara tres veces con probabilidad de hacer blanco de 1/2 y la
cuarta realiza dos disparos con probabilidad de dar en el blanco de 1/4. Cul es el nmero
esperado de disparos que darn en el blanco? Hallar la desviacin tpica de esta distribucin.
SOLUCIN
Sean:
X = N de disparos que dan en el blanco efectuados por la 1 persona entre los cuatro efectuados.
Estadstica Empresarial II
15
Y = N de disparos que dan en el blanco efectuados por la 2 persona entre los cinco efectuados.
Z = N de disparos que dan en el blanco efectuados por la 3 persona entre los tres efectuados.
V = N de disparos que dan en el blanco efectuados por la 4 persona entre los dos efectuados.
Cada una de estas variables sigue una distribucin binomial con probabilidad de xito (dar en el
blanco) de 1/8, 1/4, 1/2 y 1/4 respectivamente. Adems X, Y, Z, V son independientes.
X B(4, 1/8)
Y B(5, 1/4)
Z B(3, 1/2)
V B(2, 1/4)
E(Y) = 5/4
E(Z) = 3/2
w =
5
= 1.5811 .
2
16) Dos vendedores tienen el 20% de posibilidades de cerrar una venta con un cliente
cualquiera. Si el primero llama a cinco clientes y el segundo a ocho:
a) Cul es la probabilidad de que el primero haga menos de tres ventas?
b) Cul es la probabilidad de que entre los dos no se haga ninguna venta?
c) Cul es el nmero medio de ventas?
d) Cul es la variabilidad en el nmero de ventas?
SOLUCIN
Sean:
X = N de ventas cerradas por el primer vendedor de entre los cinco clientes.
Probabilidad de xito = p(cerrar una venta) = 0,2
X B(5, 0.2)
E(X) = 5 x 0.2 = 1
16
Problemas resueltos
13
Nos piden p(Z = 0) = 0.2 0 0.813 = 0.05497558 .
0
c) E(Z) = 2.6 calculada ya en el apartado anterior, o de otra forma:
E(Z) = E(X + Y) = E(X) +E(Y) = 1 + 1.6 = 2.6
d) Var(Z) = 2.08 calculada ya en el apartado b), o de otra forma:
Var(Z) = Var(X + Y) = (por ser independientes) = Var(X) + Var(Y) = 0.8 + 1.28 =2.08.
Z =
2.08 = 1.4422.
17) Una empresa que funciona con tres tipos de mquinas sabe que X = Nmero de horas
que la mquina A est parada debido a una avera sigue una distribucin triangular de
parmetros 1,2,6, que Y = Nmero de horas que la mquina B est parada por avera sigue
una distribucin triangular de parmetros 3,4,5, y Z = Nmero de horas de la C sigue una
triangular 2,5,6. Calcular el nmero medio de horas en las que no funciona la empresa. Hallar
su desviacin tpica.
Si el coste asociado en miles de pesetas de la mquina A es C1 = 5X2 + 10X - 2 , de la
mquina B es C2 = 6Y2 -1 y de la C: C3 = 12Z + 5. Hallar la media del coste total.
SOLUCIN
Sean:
X = N de horas que la mquina A est parada debido a una avera, X T(1, 2, 6)
Y = N de horas que la mquina B est parada debido a una avera, Y T(3, 4, 5)
Z = N de horas que la mquina C est parada debido a una avera, Z T(2, 5, 6)
Estadstica Empresarial II
17
a + m + b 1+ 2 + 6 9
=
= =3
3
3
3
E(Y) =
(b a) 2 (b m)(m a)
21
=
Var(X) =
18
18
12
=4
3
Var(Y) =
E(Z) =
3
18
13
3
Var(Z) =
13
18
Z =
13 34
=
3
3
21
3
13
37
+
+
=
18 18 18
18
37
= 1.43372 .
18
21
21
183
despejando E(X2) =
+9=
18
18
18
Entonces:
E(C1) = 5E(X2) + 28 = 5 x
1 419 473
183
+ 28 =
=
18
6
18
3
3
291
despejando E(Y2) =
+ 16 =
18
18
18
Entonces:
E(C2) = 6E(Y2) - 1 = 6 x
1 728
291
-1=
18
18
18
Problemas resueltos
El coste de la mquina C es:
C3 = 12Z + 5.
E(C3) = E(12Z + 5) = 12E(Z) + 5 = 12 x
13
+ 5 = 57
3
Si C = coste total = C1 + C2 + C3
E(C) = E(C1 + C2 + C3) = E(C1) + E(C2) + E(C3) =
4 173
473 1 728
+ 57 =
+
18
6
18
18) En un proyecto se sabe que el camino crtico est formado por 100 actividades, tal que la
duracin de cada una de ellas es aleatoria y sigue una distribucin beta extendida de
parmetros p = 1, q = 4, tiempo optimista tres das y el tiempo pesimista trece das. Calcular:
a) Duracin media del proyecto.
b) Desviacin tpica de la duracin del proyecto.
c) Probabilidad de que el proyecto se termine antes de 520 das.
SOLUCIN
Sea X = Duracin de una actividad e(1,4,3,13) y sea Y = X1 + ... + X100 = Duracin total
del proyecto.
p
a) E(Y) = E(X1 + ... + X100) = E(X1) + ... + E(X100) = 100 E(Xi) = 100 a + (b a)
=
p+q
1
= 100 3 + (13 3)
= 500.
1+ 4
(13 3) 2 1 4 800
(b a) 2 pq
= 100
=
=
100
2
2
3
(p + q + 1)(p + q)
(1 + 4 + 1)(1 + 4)
luego Y = 16.329.
c) Como la variable Y es suma de variables aleatorias independientes idnticamente distribuidas,
aplicando el Teorema Central del Lmite tenemos
Y E(Y)
L N(0,1)
Y
p( Y < 520 ) = p(
Estadstica Empresarial II
19
19) Repetir el ejercicio anterior si la duracin de cada actividad sigue una distribucin
triangular con tiempo optimista 3, pesimista 13 y habitual 5.
SOLUCIN
Sea X = Duracin de una actividad T(3,5,13) y sea Y = X1 + ... + X100 = Duracin total del
proyecto.
a + m+ b
a) E(Y) = E(X1 + ... + X100) = E(X1) + ... + E(X100) = 100 E(Xi) = 100
=
3
3 + 5 + 13
= 100
= 700.
3
=
18
18
18
luego Y = 21.6025.
c) Como la variable Y es suma de variables aleatorias independientes idnticamente distribuidas,
aplicando el Teorema Central del Lmite tenemos
Y E(Y)
L N(0,1)
Y
p( Y < 520 ) = p(
20) Un camin contiene 100 bolsas de naranjas. El peso de cada bolsa es una v.a.
independiente de las dems, con media 200 Kg. y desviacin tpica 5 Kg. Sabiendo que el
precio por Kg. es de 100 ptas., el vendedor se plantea la posibilidad de vender todo el
cargamento por un tanto fijo.
Se pide calcular el valor a pedir, tal que la probabilidad de ganar ms dinero que con la
venta por su peso sea 0.975.
SOLUCIN
Sea G = Ingresos si lo vende por su peso = Precio por Kg. x Cantidad de kg. =
= 100(X1+ ...+X100)
siendo Xi = Peso de la bolsa i
(Ntese que las bolsas pueden pesar diferente, por ello se suman sus pesos)
20
Problemas resueltos
Nos piden calcular un valor k, tal que:
p(G < k) = 0.975
100
100
k
p(G < k) = p100 X i < k = p X i <
= 0.975
i =1
100
i =1
Usando el Teorema Central del Lmite, puesto que el n de variables es mayor que 30 y existe la
media y la desviacin tpica de cada variables, sabemos que:
n
X
i =1
N(0,1)
luego:
100
k 100 x 200
k 20 000
X i 100 x 200
i
=
1
100
100
p Z<
<
p
= 0.975
50
5 100
5 100