Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LibroPracticas PDF
LibroPracticas PDF
I.T.O.P.
Alberto Luceno
Fco. Javier Gonzalez
Universidad de Cantabria
1. ESTADISTICA DESCRIPTIVA
1.
1.
Estadstica descriptiva
0
31
1
25
2
35
3
20
4
0
5
16
6
12
7
5
8
1
Se pide:
a) Hacer un diagrama de barras.
b)
2.
x
= 2,41, Mo = 2, Me = 2, Sx = 2,11
3.
a) Mo = 3, 5, 6, M e = 5, Q1 = 3, Q3 = 6, c0,40 = 3
b) x
= 4,235, Sx = 1,751
El porcentaje de algodon en una tela utilizada para elaborar camisas para hombre se presenta en la
siguiente tabla. Calcular los estadsticos mas importantes y construir el histograma de frecuencias.
32,1
33,4
33,8
34,4
34,7
35
35,5
36,8
32,5
33,5
34
34,5
34,7
35,1
35,6
36,8
porcentaje
32,6 32,7
33,6 33,6
34,1 34,1
34,5 34,6
34,7 34,7
35,1 35,1
35,7 35,8
36,8 37,1
de algod
on
32,8 32,9
33,6 33,6
34,1 34,2
34,6 34,6
34,7 34,7
35,2 35,3
35,9 36,2
37,3 37,6
33,1
33,6
34,3
34,6
34,9
35,4
36,4
37,8
33,1
33,8
34,3
34,6
35
35,4
36,6
37,9
a) Dise
nar la distribucion de frecuencias con un cambio de variable.
b)
Calcular los estadsticos: media, moda, mediana, Q1 , Q3 , c0,6 , varianza y desviacion tpica.
A partir del diagrama anterior determinar la mediana, el primer cuartil y el tercer cuartil y
comparese los resultados con los obtenidos a partir de la distribucion de frecuencias.
e)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
1. ESTADISTICA DESCRIPTIVA
f)
4.
2
b) Sx
= 1,82, Mo = 34,8, Q1 = 33,8, Q3 = 35,475, c0,60 = 34,9
Un ingeniero se plantea la eleccion entre dos fabricantes distintos para el suministro de cierto aditivo
para el hormigon. El ingeniero recibe las muestras de los suministradores A y B. Realiza las medidas
para 15 bolsas de cada tipo del suministro. Los resultados se recogen en la tabla:
Laboratorio A
2,769
2,955
3,051
2,865
2,969
3,017
Laboratorio B
2,813
2,962
3,076
2,901
2,984
3,039
2,863
2,98
3,123
2,923
2,981
3,044
2,875
3,007
3,161
2,940
2,996
3,057
2,924
3,028
3,216
2,945
3,002
3,14
Se pide:
a) Dise
nar una distribucion de frecuencias para cada tipo de aditivo.
b)
c)
d)
5.
Minimum
2,7690
2,8650
Maximum
3,2160
3,1400
TrMean
2,9860
2,9845
Q1
2,8750
2,9400
StDev SE Mean
0,1273 0,0329 %
0,0688 0,0178 %
Q3 %
3,0760 %
3,0390
Las puntuaciones obtenidas por un grupo de alumnos en un test de habilidad psicomotriz han sido
las siguientes:
Puntuaciones
[5, 10)
[10, 15)
[15, 20)
[20, 25)
[25, 30)
xi
75
125
175
225
275
fi
3
6
13
7
2
31
xi fi
225
75
2275
1575
55
5375
Fi
3
9
22
29
31
Rango intercuartil.
6.
a) x
= 17,34, Me = 17,5, Q1 = 13,96, Q3 = 20,9
b) RIQ = 16,94
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
1. ESTADISTICA DESCRIPTIVA
intervalo
1x<3
3x<5
5x<7
7x<9
9 x < 11
marca de clase
frecuencia
5
7
10
2
a) Dar las marcas de clase y calcular la frecuencia correspondiente al cuarto intervalo, sabiendo
que la media x es igual a 6 gramos.
b)
1.1.
7.
a) f4 = 13
b) Q3 = 7, 885
Distribuci
on conjunta de dos variables
La siguiente tabla registra en diferentes horas la temperatura (T) del agua de un ro y su contenido
en oxgeno disuelto (DO):
T
29,57
29,99
30,58
31,00
31,34
31,26
31,17
30,96
30,50
29,99
DO
9,88
12,14
13,66
14,19
14,50
13,72
12,54
11,48
9,92
8,32
T
29,48
29,06
28,81
28,60
28,51
28,51
28,43
28,34
28,34
28,26
DO
6,67
5,29
4,23
3,56
2,98
2,58
2,32
2,14
2,09
2,27
T
28,43
28,64
29,02
29,52
30,07
30,67
31,17
31,55
31,76
31,81
DO
2,90
3,94
5,52
7,83
10,68
12,98
14,26
14,93
14,91
14,61
T
31,68
31,34
31,00
30,79
30,45
30,07
29,69
29,36
29,02
28,76
DO
13,80
12,32
11,00
10,00
8,45
6,48
4,91
3,89
3,21
2,83
T
28,51
28,30
28,09
28,00
28,13
28,30
28,72
29,14
29,74
30,37
DO
2,58
2,41
2,51
2,71
3,48
4,36
5,71
7,91
10,61
12,66
Se pide:
a) Construir una distribucion conjunta de frecuencias para las dos variables T y DO tomando 5
intervalos.
b)
8.
En cierto colectivo de personas se toma una muestra de 30 personas a las que se observa el peso,
obteniendose los siguientes datos:
{57,2; 92,5; 72,8; 74,8; 60,1; 96,1; 74,3; 89,1; 69,2; 77,7;
65,0; 82,1; 66,2; 51,3; 83,9; 71,3; 84,8; 62,5; 103,2; 64,1;
73,1; 87,3; 58,9; 76,1; 45,8; 79,1; 68,9; 62,5; 81,5; 65,7}
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
1. ESTADISTICA DESCRIPTIVA
9.
N
30
Minimum
45,80
Mean
73,24
Median
72,95
Maximum
103,20
TrMean
73,10
Q1
63,70
StDev
13,26
SE Mean %
2,42
Q3 %
82,55
10.
N
27
Minimum
7,00
Mean
47,81
Maximum
88,00
Median
47,00
Q1
34,00
TrMean
47,84
StDev
19,65
SE Mean %
3,78
Q3 %
61,00
Se han obtenido las siguientes medidas en milmetros de una serie de 30 tornillos cogidos al azar.
124, 116, 144, 133, 109, 120, 146, 114, 112, 110, 123, 115, 123, 138, 127,
111, 125, 137, 132, 140, 121, 139, 126, 130, 139, 131, 125, 142, 124, 122
Obtener los estadsticos mas importantes.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
2. PROBABILIDAD
2.
11.
Probabilidad
d)
e)
f)
12.
Sean A y B sucesos con P (A) = a, P (B) = b y P (AB) = c. Expresar las probabilidades siguientes
en funcion de a, b y c.
P (A B)
13.
a) P (A B) = 1 c
P (A B)
b) P (A B) = b c
P (A B)
P (A B)
c) P (A B) = 1 a + c
d) P (A B) = 1 a b + c
14.
El problema de Galileo. Un prncipe italiano pregunto en una ocasion al famoso fsico Galileo, por
que cuando se lanzan tres dados, se obtiene con mas frecuencia la suma 10 que la suma 9, aunque
se puedan obtener de seis maneras distintas cada una?
15.
a) P (suman 9) =
25
= 0,116
63
b) P (suman 10) =
27
63
= 0,125
Una urna contiene dos bolas blancas y tres bolas rojas. Efectuadas dos extracciones sucesivas,
determinar la probabilidad de extraer una bola blanca y, a continuacion, una bola roja:
a) Cuando habiendo extrado la primera bola esta es devuelta a la urna para realizar la segunda
extraccion.
b)
Cuando habiendo extrado la primera bola esta no es devuelta a la urna para realizar la segunda
extraccion.
16.
a) P (BR) =
6
25
b) P (BR) =
6
20
Se extrae una carta de una baraja de 40 cartas. Comprobar cuales de los siguientes pares de sucesos
son independientes:
a) A = {rey}
B = {espadas}
c) A = {rey}
B = {f iguras}
b)
A = {f iguras}
B = {espadas}
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
2. PROBABILIDAD
17.
b) si
c) no
De una baraja de 40 cartas se extrae una al azar y se mira. Se repite esta operacion 4 veces. Tenemos
que apostar a que la 1a es copa, la 2a es oro, la 3a es bastos y la 1a es espadas. Si nos dejan elegir
entre reponer o no la carta extrada, que elegiremos?
18.
a) si
a) con reposici
on
1
4
b) sin reposici
on
10 10 10 10
40 39 38 37
Se lanza una moneda varias veces. Por cada 1 obtenido, A recibe un punto, y por cada 0,
se adjudica un punto B. Gana la apuesta el primero que obtenga 5 puntos. Al cabo de siete
jugadas, A tiene 4 puntos y B tiene 3. En este momento se interrumpe el juego. C
omo repartir
la apuesta de la manera mas equitativa? Las propuestas de Mere dieron lugar a un intercambio
de correspondencia entre Pascal y Fermat, del que nacieron los fundamentos de la teora de
probabilidades. (Engel, Probabilidad y Estadstica, Mestral, 1988).
19.
a) P (S) = 0, 51775,
P (T ) = 0, 4914
El problema de las uvas pasas. Cuantas uvas pasas se deben mezclar con 500 gramos de harina
para tener una certeza del 99 % de que un bollo de 50 gramos contenga al menos una pasa? (Engel,
Probabilidad y Estadstica, Mestral, 1988).
20.
En una habitacion hay una reunion de n personas. Cual es la probabilidad de que el cumplea
nos
de al menos dos personas sea el mismo da?
2.1.
21.
22.
n 44
p=1
Probabilidad condicionada
Demostrar que si dos sucesos A y B son independientes, tambien lo son los sucesos complementarios
de A y B.
Demostrar:
P (A|B) > P (A) = P (B|A) > P (B)
23.
Sean dos sucesos A y B, donde P (A) = 0,5 y P (A B) = 0,8. Asignar el valor de P (B) para que:
a) A y B sean incompatibles.
b)
A y B sean independientes.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
a) P (B) = 0,3
b) P (B) = 0,6
2. PROBABILIDAD
24.
Una urna contiene 5 bolas blancas y 3 negras. Tres jugadores A, B y C extraen una bola sin devolucion en este mismo orden. Gana el primer jugador que saca una blanca. Calcular la probabilidad
de que gane C.
P (GA ) =
26.
36
15
5
; P (GB ) =
; P (GC ) =
56
56
56
Supongamos que tenemos 10 urnas: 5 de ellas son de tipo U1 y contienen 3 blancas y 3 negras, 3
de ellas son de tipo U2 y contienen 4 blancas y 2 negras, y el resto son de tipo U3 y contienen 1
blanca y 5 negras. Se pide:
a) Probabilidad de que una bola extrada al azar de una de las 10 urnas sea blanca.
b)
Probabilidad de que habiendo salido una bola negra, proceda de una urna del tipo U2 .
c) Sabiendo que ha salido una bola negra, de que tipo de urna es mas probable que haya salido?
27.
a)
29
60
b)
6
31
c) U1
Alarma Falsa. En cierto lugar se ha instalado un dispositivo de alarma. Si hay peligro, el dispositivo
se pone en funcionamiento el 99 % de las ocasiones. Por otra parte, la probabilidad de que se dispare
la alarma espontaneamente es del 0,5 %, y la probabilidad de que una noche haya un intento de
robo es 0,1 %. Si una noche determinada se oye la alarma, cual es la probabilidad de que sea falsa
(no haya peligro)?
0,83
28.
Una persona tiene dos negocios en funcionamiento, A y B. El primer negocio tiene perdidas en el
25 % de los balances, mientras que el 2o , donde la perspectiva de beneficio es menor, tiene perdidas
solo en el 5 % de los casos. Se supone que el conjunto de operaciones es analogo en ambos negocios.
Si, analizando el resultado economico de una de las operaciones, se observan perdidas, cual es la
probabilidad de que dicha operacion correspondiese al negocio B?
1/6
29.
Para la eleccion de las personas de un jurado se disponen de dos urnas. En la 1a hay 10 papeletas
con nombres de 6 hombres y 4 de mujeres, en la 2a hay 5 papeletas con nombres de 2 hombres y 3
de mujeres. Alguien cambia una papeleta de la 1a urna a la 2a e inmediatamente despues se extrae
al azar una papeleta de la 2a urna que resulta ser nombre de mujer. Cual es la probabilidad de
que la papeleta cambiada contenga un nombre de mujer?
16/34
30.
Considerese tres cartas: una con las dos caras negras, otra con ambas caras blancas y la tercera con
una blanca y la otra negra. Se elige una carta al azar y se coloca sobre la mesa. La cara superior
resulta negra, cual es la probabilidad de que la cara oculta sea blanca?
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
2. PROBABILIDAD
C
1/3
31.
Una fabrica de ladrillos suministra estos a buen precio pero el 10 % de ellos son defectuosos. Con
objeto de mejorar la calidad del producto se someten los ladrillos a un ensayo no destructivo antes
de su venta. Este ensayo da como buenos el 99 % de los que son buenos y da por malos el 98 % de
los que son malos.
a) Determinar la probabilidad de que un ladrillo en mal estado supere el proceso de control de
calidad.
b)
c)
Determinar la probabilidad de que un ladrillo, que ha sido aceptado, este en malas condiciones
d)
Si el coste estimado por cada ladrillo fabricado en malas condiciones es C euros. Determinar
el precio maximo que debe pagarse por ensayo no destructivo para que este sea rentable.
32.
33.
34.
a) 0,02
b) 0,893
c) 0, 0022
d) 0,098 C
Los almacenes A, B y C, que estan dirigidos por la misma persona, tienen 50, 75 y 100 empleados,
y, respectivamente, el 50 %, 60 % y 70 % de ellos son mujeres. El hecho de que una persona sea
despedida del trabajo es igualmente probable entre todos los empleados, independientemente del
sexo. Se despide un empleado, que resulta ser mujer. Cual es la probabilidad de que trabajara en
el almacen C?
0,5
Dos proveedores A y B entregan la misma mercanca a un fabricante, que guarda todas las existencias
de esta mercanca en un mismo lugar. Los antecedentes demuestran que el 5 % de la mercanca
entregada por A es defectuosa y que el 9 % lo es de B. A entrega 4 veces mas que B. Si se saca una
pieza y no es defectuosa, cual es la probabilidad de que la haya fabricado A?
0,806
Se dise
na un dispositivo de frenado para evitar que un automovil patine en el que incluye un
sistema electronico e hidra
ulico. El sistema completo puede descomponerse en tres subsistemas
en serie que operan de manera independiente: un sistema electronico, un sistema hidra
ulico y un
sistema mecanico. En un frenado particular, las probabilidades de estas unidades funcionen son
aproximadamente 0,995, 0,993 y 0,994, respectivamente. Calcular la probabilidad de que sistema
frene.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
0,98
2. PROBABILIDAD
35.
El volumen de produccion diario en tres plantas diferentes de una fabrica es de 500 unidades en
la 1a , 1000 en la 2a y 2000 en la 3a planta. Sabiendo que el porcentaje de unidades defectuosas
producidas en las plantas es de 1 %, 0,8 % y 2 %, respectivamente, determinar la probabilidad de
que:
a) Extrada una unidad al azar, resulte no defectuosa.
b)
Habiendo sido extrada una unidad defectuosa, haya sido producida en la primera planta.
36.
a) 0,985
b) 0,094
fraccion
de contratos
0,2
0,3
0,5
fraccion de tiempo
con retraso
0,2
0,5
0,3
Un departamento observa que un pedido tiene mas de un mes de retraso. Cual es la probabilidad
de que el contrato se haya otorgado a la imprenta 3?
37.
15/34
Una compa
nia de aviones dispone de 20 pilotos y 15 auxiliares de vuelo. Si en cada vuelo viajan
como equipo responsable, dos pilotos y tres auxiliares. Se pide:
a) De cuantos equipos distintos dispone la compa
nia para los vuelos?
b)
El piloto RX34 tiene a su mujer como auxiliar de vuelo. Si tomamos un vuelo al azar, cual
es la probabilidad de que vaya el matrimonio en el personal de vuelo?
38.
b) 0,14
c) 0, 28
Una fabrica dispone de 20 transportistas, 45 empleados de mantenimiento y 5 ingenieros supervisores. La contratacion de todo el personal se divide en fija y temporal. De los transportistas 8 son
fijos; de los empleados de mantenimiento 35 son fijos y de los ingenieros 3 son fijos. Si elegimos una
persona al azar:
a) Cual es la probabilidad de que tenga un contrato temporal?
b)
c) Si elegimos una persona que tiene contrato fijo, cual es la probabilidad de que sea un transportista?
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
a)
24
70
b)
22
70
c)
8
46
10
3. VARIABLES ALEATORIAS
3.
3.1.
39.
Variables aleatorias
Variables aleatorias discretas
40.
E[X] = 0, 078
1
0,05
2
0,20
3
0,05
4
0,45
5
0,25
Calcular P (x 3).
41.
42.
b) 0,3
c) 0,7
d) 0,35
e) 3,65
c)
(a) Circuito1
(b) Circuito2
(c) Circuito3
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
b) 1 q1 q2 q3 , p1 p2 , 1 (1 p1 p2 )q3
11
3. VARIABLES ALEATORIAS
(a) Circuito4
2
(b) Circuito5
Determinar la funcion indicatriz y la fiabilidad de cada uno de los sistemas de la figura 3.2
a) I = 1 (1 I1 I2 )(1 I3 I4 ), R = 1 (1 p1 p2 )(1 p3 p4 )
b) I = [1 (1 I1 )(1 I2 )][1 (1 I3 )(1 I4 )], R = (1 q1 q2 )(1 q3 q4 )
44.
Determinar la funcion indicatriz y la fiabilidad de cada uno de los sistemas de la figura 3.3
1
3
2
(a) Circuito6
(b) Circuito7
45.
0
x < 2
1
x3
46.
b) E(X) = 0
47.
P (0) = 1/8, P (1) = 3/8, P (2) = 3/8, P (3) = 1/8 ; F (0) = 1/8, F (1) = 4/8, F (2) = 7/8, F (3) = 1
El n
umero medio de personas que acuden a un local es de 1000 con una desviacion tpica = 20.
Cual es el n
umero de sillas necesarias para asegurar que todos los asistentes puedan sentarse, con
una probabilidad de 0,75? (Usar la desigualdad de Chebyschev.)
n 1090
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
12
3. VARIABLES ALEATORIAS
48.
P (X = r) =
r = 0, 1, 2, 3, 4
para otros valores
49.
c)
d)
3.2.
50.
a) 1/9
b)
2
3
1
3
c) 1
1
3
d) E[X] = 3
De las siguientes afirmaciones sobre la funcion de distribucion de una variable aleatoria, marcar con
las que sean correctas.
a) F () = 0, F () = 1.
b)
F es monotona no decreciente.
c)
F es monotona creciente.
d)
e)
P (X = x) = F (x) F (x ).
P (X x) = 1 F (x).
f)
g)
ax
P (X = x) = F (x) F (x ).
51.
Sea X una variable aleatoria que tiene como funcion de densidad de probabilidad f (x) = a(1 + x2 )
si x (0, 3) y f (x) = 0 en los demas casos. Se pide:
a) Hallar a y la funcion de distribucion de X.
b)
c)
P (X < 1).
d)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
13
3. VARIABLES ALEATORIAS
e)
52.
1
12
a) a = 1/12, F (x) =
1 3
x +x
3
b)
5
18
c) P (X < 1) =
0,2
0,2 + k y
pY (y) =
1
9
45
144
e) 0,054
c) 0,25
d) 0,71
dada por:
1 y 0
0<y1
en el resto
a) Determinar el valor de k.
b)
c) Calcular P (0 Y 0,5).
d)
53.
a) k = 1,2
1<y <0
x2
1
F (x) =
2
0y<1
54.
a) 0,5
b) 1
c) 3/8
d) 175 euros
Con objeto de establecer un plan de produccion, una empresa ha estimado que la demanda aleatoria
de sus potenciales clientes se comportara semanalmente con arreglo a la ley de probabilidad definida
por la funcion de densidad
3
2
0x2
8 (4x 2x ),
pX (x) =
0,
en el resto
donde x viene expresada en millones de unidades. Que cantidad C debera tener dispuesta a la
venta, al comienzo de cada semana, para poder satisfacer la demanda en dicho periodo con una
probabilidad de 0,5?
C=1
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
14
3. VARIABLES ALEATORIAS
55.
Cierta aleacion se forma con la mezcla fundida de dos metales. La aleacion que resulta contiene
cierto porcentaje de plomo X, que puede considerarse como una variable aleatoria. Suponiendo que
X tiene la siguiente funcion de densidad de probabilidad:
pX (x) = 105
3x(100 x)
,
5
0 x 100,
y que el beneficio neto G obtenido al vender esta aleacion, es una funcion del porcentaje de plomo:
G = A + BX, se pide calcular el beneficio esperado.
E[G] = A + 50 B
56.
Si la duracion en horas de cierto tubo de radio es una variable aleatoria continua X con funcion de
densidad
100
pX (x) = 2 ,
x > 100,
x
SE PIDE:
a) Probabilidad de que un tubo dure menos de 200 horas si se sabe que el tubo funciona todava
despues de 150 horas de servicio.
b)
Si se instalan tres de estos tubos en un conjunto, probabilidad de que exactamente uno tenga
que ser sustituido despues de 150 horas de servicio.
c)
Cual es el n
umero mnimo de tubos n que se pueden poner en un sistema en paralelo, de modo
que haya una probabilidad 0,999 de que despues de 150 horas de servicio funcione todava el
sistema?
57.
a) 1/4
b) 4/9
c) n 7
El tiempo de vida (en cientos de horas) de un transistor es una variable aleatoria Z con funcion de
distribucion
0
z<0
FZ (z) =
z 2
1e
0z
SE PIDE:
a) Demostrar que FZ (z) es una funcion de distribucion.
b)
c)
58.
b) pZ (z) = 2z ez
c)
1
e4
Una estructura metalica puede sufrir, debido al calor, una dilatacion que (medida en cm) es una
variable aleatoria X con funcion de densidad de probabilidad dada por:
ax
0x3
b
3<x<5
pX (x) =
b
3 (8 x) 5 x 8
a) Sabiendo que la funcion de densidad de probabilidad es una funcion continua de x, determinar
a y b.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
15
3. VARIABLES ALEATORIAS
b)
c) Si con un aparato se ha observado que la estructura ha dilatado mas de 3 cm, con que probabilidad la dilatacion estara entre 3 y 5 cm?
a) a =
59.
1
1
;b=
15
5
b)
3
10
4
7
c)
Hallar k, si P (k x k + 1) = 0,09.
60.
62.
1 1 2
( x + 6x + 18)
50 2
b) k = 2
3.3.
61.
a) F (x) =
Cambio de variable
Sea X una variable aleatoria con E(X) = 2 y V ar(X) = 0,5. Sea Y = 3X 8. Hallar E(Y ) y
V ar(Y ).
Supongamos que una variable aleatoria X tiene funcion de densidad de probabilidad:
pX (x) = 2x
0<x<1
y1
3
b) FZ (z) = 1 ln2 z
c) FW (x) = w
63.
pY (y) =
2
3
y1
3
pZ (z) = 2
pW (w) = 1
1<y<4
ln z
z
e3 < z < e1
0<w<1
Para medir la velocidad del aire se usa un tubo que permite medir la diferencia de presi
on. Esta
diferencia esta dada por R = 12 d V 2 , con d la densidad del aire (supuesta constante) y V la velocidad del viento (en km/h). Si V es una funcion de densidad de probabilidad uniforme en (10, 20),
encontrar la funcion de densidad de probabilidad de R.
Universidad de Cantabria.
pR (r) =
Alberto Luce
no y Fco. Javier Gonzalez
10 2rd
16
3. VARIABLES ALEATORIAS
64.
La tabla siguiente representa la distribucion de probabilidad conjunta de la variable aleatoria discreta (X, Y ). Determinar
Y \X
1
2
3
1
12
1
6
1
9
1
4
1
18
3
0
1
5
2
15
Dos lneas de produccion fabrican cierto tipo de artculo. Supongase que la capacidad es de 5
artculos para la lnea I y de 3 artculos para la lnea II, y que el n
umero verdadero de artculos
producidos por cada lnea es una variable aleatoria. Sea (X, Y ) la representacion de la variable
aleatoria bidimensional que da el n
umero de artculos producidos por la lnea I y por la lnea II:
Y \X
0
1
2
3
0
0
0,01
0,01
0,01
1
0,01
0,02
0,03
0,02
2
0,03
0,04
0,05
0,04
3
0,05
0,05
0,05
0,06
4
0,07
0,06
0,05
0,096
5
0,09
0,08
0,06
0,05
a) Determinar la probabilidad del suceso: la lnea I produce mas artculos que la lnea II.
b)
c)
Calcular P (X = 3) y P (Y = 1).
d)
e)
Universidad de Cantabria.
a) 0,13
c) P (x = 3) = 0,21, P (y = 1) = 0,26
Alberto Luce
no y Fco. Javier Gonzalez
17
e)
1
5
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
4.
66.
Distribuciones discretas m
as comunes
Suponiendo que cada bebe tiene una probabilidad 0,51 de ser varon, hallese la probabilidad de que
una familia de 6 hijos tenga:
a) Por lo menos un ni
no.
b)
67.
70.
Demostrar que si la variable aleatoria X tiene distribucion binomial (X Bin(n, p)), se tiene:
X = np
69.
b) 0,982
68.
a) 0,986
2
X
= npq.
71.
a) 0, 0512
b) 0, 99968
c) 0, 26272
Una firma de pedidos por correo enva una carta a sus clientes. La probabilidad de que un cliente
elegido al azar conteste a esa carta es de p = 0,1. Hallar:
a) Distribucion de probabilidad del n
umero X de cartas que debe enviar hasta obtener exactamente 1 respuesta.
b)
Universidad de Cantabria.
a) P (X = k) = p q k1
n1
c)
pk q nk
k1
Alberto Luce
no y Fco. Javier Gonzalez
18
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
72.
Una caja con 12 artculos tiene 4 defectuosos. Si se toma una muestra de 3, en un caso con reemplazamiento y en otro sin reemplazamiento, cual sera la probabilidad de no incluir artculos
defectuosos
8 3
336
en la muestra?
a)
b)
12
73.
1320
Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si X mide el n
umero del
lanzamiento en que ocurre. Se pide:
a) Que funcion de probabilidad tiene la variable aleatoria X?
b)
Calcular P (X = 3).
c)
a) P (X = k) = p q k1
b) p(X = 3) = p q 2
q =1p
74.
75.
Para controlar la natalidad, un poltico algo excentrico, propone para los nuevos matrimonios la
siguiente norma: u
nicamente podran tener hasta un varon y como maximo 5 hijos. Sea X la variable
n
umero de hijos y V la variable n
umero de varones de un matrimonio. Se pide:
a) Probabilidad de que un matrimonio solo tenga un hijo.
76.
b)
c)
N
umero medio de hijos por matrimonio.
d)
N
umero medio de varones por matrimonio.
e)
77.
p
;
1 q3
P (GB ) =
pq
;
1 q3
P (GC ) =
pq 2
1 q3
Se lanza un dado todas las veces necesarias hasta obtener dos seises y X mide el n
umero del
lanzamientos hasta que dicho suceso ocurre. Se pide:
a) Que funcion de probabilidad tiene la variable aleatoria X?
b)
P (X = 3).
c)
P (X > 4).
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
19
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
78.
Sea X una variable aleatoria binomial negativa N B(k, p). Demostrar que:
=
79.
k
p
x2 = k
q
.
p2
Se conoce de estudios anteriores que el tipo de grupo sanguneo de una poblacion se distribuye de
acuerdo a los siguientes datos.
Grupo
Porcentaje
A
43,2
B
14,2
AB
6
O
36,6
Sea X binomial Bin(n, p) y sea Y binomial negativa N B(k, p), demostrar las siguientes relaciones
entre ellas:
a) P (Y n) = P (X r).
b)
81.
c) La centralita quede bloqueada, sabiendo que no puede realizar mas de 3 conexiones por minuto.
82.
a) 0, 303
b) 0, 986
c) 0, 002
En una gran ciudad se producen 2 incendios anuales por termino medio. Cual es la probabilidad
de que el proximo a
no se produzcan mas de cuatro?
83.
84.
0, 0527
x2 = .
Se lanza una moneda 500 veces. Hallar la probabilidad de que la frecuencia relativa de caras este comprendida entre 0,45 y 0,65.
0,987
85.
Cuantas veces habra que lanzar una moneda regular a fin de tener al menos un 95 % de seguridad
de que la frecuencia relativa de caras diste a lo mas 0,1 de la probabilidad teorica 0,5?
96
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
20
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
86.
87.
88.
89.
Cuantas veces habra que lanzar un dado regular a fin de tener al menos un 95 % de seguridad de
que la frecuencia relativa de caras diste a lo mas 0,1 de la probabilidad teorica 1/6?
54
Una fabrica produce artculos defectuosos con una probabilidad del 5 %. Cuantas tornillos habra
que inspeccionar para tener al menos un 98 % de seguridad de que la frecuencia relativa de tornillos
defectuosos fD diste de 0,05 en menos de 0,02? Contestar a la pregunta anterior si la probabilidad
real de 0,05 es desconocida.
n 643 n 3383
Dos personas juegan a cara o cruz y han convenido en continuar la partida hasta que tanto la cara
como la cruz se hayan presentado por lo menos 3 veces. Hallar la probabilidad de que el juego no
se acabe cuando se han hecho 10 tiradas.
0, 109375
Un test psicotecnico comprende 50 preguntas, para cada una existe una u
nica respuesta correcta
sobre 5 posibles. Cada respuesta correcta vale 1 punto.
a) Si se somete a una persona a este test y responde al azar, hallar la probabilidad de que obtenga
cero puntos.
b)
90.
a) 1,4 105
91.
92.
b) 28
0,0166
93.
a) p q 5
b)
14
4
p5 q 10
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
21
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
b)
Suponiendo que cada respuesta acertada vale 1 punto, cuanto debe valer cada respuesta
fallada para que la nota esperada del estudiante que prueba suerte sea nula?
94.
95.
a) E[X] = 5, = 2
b) 0,25
c) 0,004
Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si sabemos que no salio en la
primera tirada, cual es la probabilidad de necesitar mas de 3 lanzamientos?
0,694
Una caja contiene 100 artculos, de los que 4 son defectuosos. Sea X el n
umero de artculos defectuosos encontrados en una muestra de 9.
a) Hallar P (X = 2).
b)
96.
a) 0,0376
b) 0,0432
c) 0,0452
Supongase que el n
umero de llamadas telefonicas que recibe una operadora desde las 9:00 horas
hasta las 9:05 horas sigue una distribucion de Poisson con = 4. Hallar:
a) Probabilidad de que la operadora no reciba ninguna llamada al da siguiente en ese intervalo
de tiempo.
b)
Probabilidad de que en los dos proximos dias la operadora reciba un total de 3 llamadas en
ese intervalo de tiempo.
97.
a) 0,018
b) 0,0286
Cual es el n
umero medio de pedidos por da?
c) Cuantas gr
uas de repuesto deben permanecer en el almacen para despachar a los compradores
el 90 % de las veces?
d)
Cual es el n
umero medio de compradores atendidos diariamente en el almacen?
e)
Cual es el n
umero esperado de veces que el compradores realizara el viaje a la empresa de
ingeniera?
98.
a) 0,1680
b) E[X] = 3
c) n = 5
d) 2,328
e) 0,672
Se supone que el n
umero de accidentes por semana que ocurren en una fabrica sigue una distribucion
de Poisson con parametro = 2. Se pide:
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
22
COMUNES
4. DISTRIBUCIONES DISCRETAS MAS
a)
b)
c)
d)
e)
99.
a) p = 0, 27067
b)
10
3
p3 q 7
c) 0, 14288
d) Exponencial( = 2)
e) 0, 002
100.
a) 0, 03151
b) 0, 01493
c) 6/9
Un video club tiene 12 pelculas infantiles para alquilar a diario. Para este grupo se estima que la
demanda sigue un proceso de Poisson con tasa 10 pelculas/da. Se pide:
a) Probabilidad de que en un da se hayan alquilado todas las pelculas.
b) Cuantas pelculas debera haber en existencia para que la probabilidad de no satisfacer la
demanda de un da solo fuese del 0,07 %?
101.
102.
a) 0, 208
b) n = 15
103.
a) 0, 16834
Una empresa de fabricacion de explosivos tiene dos secciones una segura S y otra con riesgo de
accidentes R. En la seccion S hay 2000 empleados donde el n
umero de accidentes XS por a
no
sigue una distribucion de Poisson de parametro 1 = 5 y en R hay 500 empleados y el n
umero de
accidentes YR por a
no sigue una distribucion de Poisson de parametro 2 = 10. Los accidentes se
producen de forma independiente en las dos secciones.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
23
COMUNES
4. DISTRIBUCIONES CONTINUAS MAS
4.
104.
c) 0,273
e) p1 = 2500 , p2 = 20000
Distribuciones continuas m
as comunes
105.
b) 15
P (X < 2,5)
P (X > 3,2)
P (2,2 < X < 3,5)
E(X) y V ar(X)
Se sabe que la cantidad aleatoria demandada durante un cierto periodo de tiempo por parte de una
empresa textil tiene distribucion uniforme y no supera la tonelada. Determinar para dicho periodo
de tiempo:
a) Probabilidad de que la cantidad demandada no supere los 900 kg.
b) Probabilidad de que la cantidad demandada este comprendida entre 800 y 900 kg.
c) La demanda esperada.
106.
107.
b) 0,1
Una empresa tiene una funcion de costes que viene dada por C = 100,000 + 2X. En el mercado
vende cada unidad a 5 euros y la demanda X del citado artculo tiene una distribucion uniforme
entre 25000 y 30000 unidades. Cual sera el beneficio esperado?
17,500
Comprobar que si T es exponencial de parametro se cumple la propiedad
T =
108.
a) 0, 9
T2 =
1
.
Alberto Luce
no y Fco. Javier Gonzalez
24
COMUNES
4. DISTRIBUCIONES CONTINUAS MAS
109.
110.
b) e2
La funcion de densidad del tiempo T entre dos averas de una instalacion de calculo es
f (t) = 0,25e0,25t .
Para resolver un determinado problema es necesario que funcione la instalacion sin fallos durante 3
minutos, que es el tiempo necesario para la resolucion del problema. Si falla la instalacion durante
el periodo de 3 minutos hay que volver a empezar con el calculo del problema teniendo en cuenta
que la existencia de una avera solo se aprecia despues de los tres minutos. Sea Y el tiempo total
necesario para la resolucion del problema. Hallar:
a) Distribucion de Y .
b)
c)
111.
b) 6, 35
c) 0,7072
112.
113.
2
2
(a) Sistema-1
(b) Sistema-2
114.
E[t] =
1
1 +2
b) G(t) = 1 (1 e1 t )(1 e2 t )
E[t] =
1
1
1
2
1
1 +2
En la figura 4.5 cada componente tiene la misma funcion de fiabilidad de tipo exponencial con
parametro . Determinar la funcion de fiabilidad del sistema y el tiempo medio de vida del sistema.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
25
COMUNES
4. DISTRIBUCIONES CONTINUAS MAS
1
2
3
(a) Sistema-3
116.
117.
En la figura 4.4 cada componente tiene una funcion de fiabilidad de tipo exponencial con par
ametro
i . Sea A el suceso la componente 1 se estropea antes que la componente 2. Determinar la probabilidad del suceso A.
Sean 30 instrumentos electronicos E1 , E2 , . . . , E30 . Tan pronto como falla E1 se activa E2 , y as sucesivamente. Si el tiempo en que falla Ei , para cualquier i, es de tipo exponencial con parametro
= 0,1 hora1 y T es el tiempo total de funcionamiento de los 30 instrumentos, hallar la probabilidad de que T supere las 350 horas.
Sea Z una variable aleatoria normal con = 0 y = 1. Calcular:
a) p(Z 0)
c) p(Z > 1)
e) p(1 < Z < 1)
118.
119.
120.
b) p(Z 1)
d) p(Z > 1)
f ) p(2 < Z < 1)
b) p(X 60)
d) p(X > 35)
f ) p(30 < X < 42)
Se sabe que el n
umero X de personas que entran diariamente en unos grandes almacenes se distribuye normalmente. Si hay una probabilidad 0,58 de que entren menos de 75 clientes y una
probabilidad 0,38 de que entren entre 75 y 80 clientes, determinar la media y la varianza de la
variable X.
= 74,35 y = 3,22
La duracion aleatoria de un determinado tipo de artculos, en horas, viene regulada por la ley de
probabilidad N (180, 5). Determinar la probabilidad de que la duracion de tal artculo:
a) Sea superior a 170 horas.
b) Sea inferior a 150 horas.
121.
a) 0,9773
b) 0
Sabiendo que la demanda aleatoria de gasolina durante un cierto periodo de tiempo se comporta
con arreglo a la ley normal de media 150000 litros y desviacion tpica 10000 litros, determinar la
cantidad que hay que tener dispuesta a la venta en dicho periodo para poder satisfacer la demanda
con una probabilidad de 0,95.
C = 169600 litros
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
26
COMUNES
4. DISTRIBUCIONES CONTINUAS MAS
122.
Un instrumento electronico esta formado por tres componentes. Dos formas posibles de disponer
estas componentes son: i) en serie, ii ) en paralelo. Si los tiempos de fallo de cada componente son
independientes y siguen una distribucion exponencial con funcion de densidad:
f (t) = 0,01 e0,01t ,
se desea saber:
a) Probabilidad de que el instrumento funcione despues de 50 horas en los dos casos.
b)
123.
124.
a) e1
0,8452
b) 0,4512
0,1261
Para ganar el jubileo un peregrino decide ir, a golpe de alpargata, desde su pueblo hasta Santiago
de Compostela, siendo la distancia entre ambos lugares de 300 km. Este peregrino es precisamente
fabricante de dicho tipo de calzado y sus datos han permitido establecer a un ingeniero, que vive
en el pueblo, a efectos de control de calidad, que los kilometros que se pueden recorrer con un par
de alpargatas, antes de que queden inservibles, es una variable N (20, 16). Aunque el peregrino no
le importa disciplinarse severamente, tampoco quiere correr un riesgo excesivo de destrozarse los
pies. Por eso, quiere saber cual es el menor n
umero de pares de alpargatas que debe llevar para
tener una garanta de al menos un 91 % de que no tendra que caminar descalzo.
n 17
Un individuo juega con probabilidad de ganar igual a 1/2 en cada juego. Si gana en un juego obtiene
5 euros y si pierde paga 5 euros. Durante una tarde juega 400 veces. Con cuanto dinero debe acudir
si quiere tener una probabilidad de 0,95 de hacer frente a sus posibles perdidas?
196
125.
126.
127.
Un corredor de bolsa adquiere 50 acciones diferentes. Se sabe, por estudios anteriores, que los
beneficios de cada accion se distribuyen uniformemente en el intervalo (1000, 2000), y que dichos
beneficios son independientes. Dicho corredor concierta con sus clientes una ganancia, por cada
accion de 1200 euros, que probabilidad tiene de no perder dinero?
0,8
Un instituto de opinion publica quiere obtener una muestra de votantes de un cierto estado, suficientemente grande para que la probabilidad de obtener una proporcion de votos a favor del candidato
A inferior al 50 %, sea de 0,01, si la intencion de voto a favor de dicho candidato es realmente del
52 %. Que tama
no debera tener la muestra?
n 3388
Dos individuos A y B realizan un juego bajo las siguientes condiciones: se lanza un dado perfecto,
si sale 1 o 2 el jugador A paga 6 euros a B, pero si sale 3, 4, 5 o 6 el jugador B paga 21 euros
a A. Se pide:
a) Si juegan 300 partidas determinar la probabilidad de A gane entre 175 y 230 euros.
b)
c)
Si B lleva en el bolsillo 200 euros, cuantas partidas al menos hay que jugar para que B lo
pierda todo con una probabilidad de al menos 0,9772?
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
27
COMUNES
4. DISTRIBUCIONES CONTINUAS MAS
128.
a) 0,99
c) n 28
En un envase de 6 botes cual es la probabilidad de que el contenido lquido total sea inferior
a un litro y tres cuartos?
129.
130.
a) 0,0668
b) 0
Sabiendo que el 30 % de los enfermos con infartos de miocardio que ingresan en un hospital, fallecen
en el mismo, y que al a
no ingresan 2000, determinar la probabilidad de que fallezcan en el hospital
un maximo de 550.
0,0073
En un proceso de fabricacion se sabe que el n
umero aleatorio de unidades defectuosas producidas
diariamente, viene dado por la ley de probabilidad:
P (X = r) = e10
10r
r!
r = 0, 1, 2, . . .
132.
133.
134.
Una empresa sabe que la demanda aleatoria de un artculo que produce, se ajusta por la ley
N(10000, 100). Si la empresa decide seguir produciendo el artculo en el futuro, supuesto que la
demanda este comprendida entre 9930 y 10170 unidades, determinar la probabilidad de que no siga
produciendo tal artculo.
0,2866
Una tienda comercial dispone a la venta diariamente solo dos artculos a precios p1 y p2 , de forma
que: el 70 % de las unidades ofrecidas lo son del artculo de precio p1 y el 30 % restante lo son del
artculo de precio p2 . Si en un da determinado se venden 2000 unidades, determinar la probabilidad
de que mas de 800 unidades correspondan al artculo de precio p2 .
0
Un concesionario de automoviles vende a particulares vehculos de la misma marca. Sabiendo que
la probabilidad de que este tipo de vehculos este en servicio dos a
nos despues es de 0,8, determinar
la probabilidad de quede 4000 automoviles vendidosmas de 3120 esten en servicio dentro de dos
a
nos.
0,9992
La demanda de un producto oscila diariamente entre 20 y 40 unidades. Determinar la probabilidad
de que en un periodo de 182 das, el n0 de unidades demandadas supere 6370 unidades, supuesta
la independencia de la demanda de cada da respecto de las restantes.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
28
5. AJUSTE DE DISTRIBUCIONES
5.
135.
Ajuste de Distribuciones
1
175
2
215
Es el dado regular?
136.
4
190
5
170
6
230
para = 0,05
Var1
120
3
220
Var 2
40
Var 3
55
Var 4
25
para = 0,05
0
229
1
211
2
93
3
35
4
7
5
1
Se quiere contrastar la hipotesis de que los datos siguen una distribucion de Poisson. Se pide:
a) Dise
nar las columnas adecuadas que registren las frecuencias observadas y las esperadas.
b)
c)
Hallar el cuantil 0,95 de la distribucion 2g.l. y decidir si se acepta que los datos de la muestra
se ajustan a la distribucion teorica.
b) 2 = 1,02
138.
c) 23;0,95 = 7,81
0
19
1
48
2
66
3
74
4
44
5
35
6
10
7 o mas
4
139.
para = 0,05
Universidad de Cantabria.
(0, 1)
30
(1, 2)
23
(2, 3)
6
Alberto Luce
no y Fco. Javier Gonzalez
(3, 4)
5
4
6
29
5. AJUSTE DE DISTRIBUCIONES
140.
= 0,05
La siguiente tabla proporciona los tiempos (en minutos) que transcurren entre sucesivas conexiones
de los usuarios al servidor encargado de mantener el servicio del sitio Web de una empresa.
9,71
15,58
3,76
6,07
17,59
39,88
0,72
1,27
0,96
20,31
2,59
12,69
16,76
2,47
9,16
2,44
3,53
10,97
16,47
16,28
Se pide:
a) Dibujar la muestra en papel probabilstico exponencial.
b)
Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que afirma
que los datos proceden de una distribucion exponencial de parametro desconocido.
V
ease el captulo 5 del libro de Luce
no y Gonz
alez(2003)
141.
2,5
3,25
3,52
2,94
2,79
3,7
4,56
4,33
5,03
3,09
4,99
4,16
3,68
3,86
3,28
4,21
2,12
3,27
Se pide:
a) Dibujar la muestra en papel probabilstico de Weibull.
b)
Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que afirma
que los datos proceden de una distribucion de Weibull de parametros desconocidos.
= 4,49434; = 3,82296. V
ease el captulo 5 del libro de Luce
no y Gonz
alez(2003)
142.
Los n
umeros de pedidos recibidos en una fabrica durante las u
ltimas 20 semanas aparecen en la
siguiente tabla.
298
300
302
302
305
288
297
296
283
317
309
319
286
295
292
304
304
313
307
306
Se pide:
a) Dibujar la muestra en papel probabilstico de normal.
b)
Usando pruebas del tipo de la de Kolmogorov-Smirnov, contrastar la hipotesis nula que afirma
que los datos proceden de una distribucion normal de parametros desconocidos.
x
= 301,15; s = 9,65333. D + = 0,072; D = 0,062; D = 0,072; no se rechaza H0 : > 0,15. A2 = 0,143; = 0,965.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
30
DE PROCESOS
6. CALIDAD Y MONITORIZACION
6.
143.
Calidad y monitorizaci
on de procesos
En una fabrica de automoviles que produce discos de frenado se han observado los diametros de 30
discos. Los datos obtenidos estan dados en centmetros en la siguiente tabla:
Intervalo de muestreo (t)
1
2
3
4
5
6
7
8
9
10
Diametro xt1
14,97
15,00
14,97
15,01
15,07
14,99
15,00
15,01
14,96
15,06
Diametro xt2
14,98
15,03
14,96
15,02
15,04
15,00
15,01
15,01
15,03
14,97
Diametro xt3
14,98
14,97
15,01
14,98
14,99
15,00
14,97
14,97
14,98
15,04
a) Calcular las abscisas y las ordenadas de los puntos que hay que dibujar en un grafico X.
Calcular las abscisas y las ordenadas de los puntos que hay que dibujar en un grafico R.
A la vista de este grafico, puede decirse que la media del proceso
b) Dibujar el grafico X.
esta bajo control estadstico?
c)
Dibujar el grafico R. A la vista de este grafico, puede decirse que la variabilidad del proceso
esta bajo control estadstico?
d)
Dibujar el grafico co-plot usando una constante de suavizacion de 0,7 para el grafico EWMA.
e)
Dibujar el grafico CUSUM unilateral superior suponiendo que el valor objetivo del diametro
es 15 cm, que se desea detectar variaciones en la media del proceso del orden de +0,04 cm y
que el intervalo de decision es 0,12 cm. Repetir el grafico usando MINITAB.
f)
Dibujar el grafico EWMA usando MINITAB. Explicar las diferencias observadas respecto del
grafico EWMA dibujado previamente.
V
ease el captulo 6 del libro de Luce
no y Gonz
alez(2003)
144.
Estimar los ndices de capacidad Cp , CpU , CpL y Cpk usando estimadores dentro de cada
intervalo de muestreo.
c)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
31
DE PROCESOS
6. CALIDAD Y MONITORIZACION
145.
En una fabrica de barras de acero se va a empezar a producir un nuevo tipo de barras que debe
tener una resistencia a traccion en el intervalo 1250 10 Kg/cm2 . Despues de dedicar alg
un tiempo
para tratar de poner el proceso de fabricacion bajo control se desea conocer si el estado de control
alcanzado es adecuado para comenzar la fabricacion en serie de dichas barras. Para ello, durante 10
horas sucesivas, se han ensayado a rotura 3 barras elegidas al azar de entre las producidas en cada
hora, habiendose obtenido los datos de la tabla siguiente.
t
1
2
3
4
5
6
7
8
9
10
xt1
1247,10
1247,25
1248,63
1250,87
1249,18
1248,15
1245,88
1249,49
1246,91
1251,93
xt2
1250,15
1255,38
1248,63
1250,00
1249,95
1251,03
1249,15
1249,08
1248,89
1252,18
xt3
1247,75
1246,75
1248,71
1251,34
1246,98
1251,37
1244,17
1248,65
1251,58
1248,87
Se pide:
a) Estimar los ndices de capacidad Cp , CpU , CpL , Cpk , Cpm y Cpc usando estimadores globales.
b)
Estimar los ndices de capacidad Cp , CpU , CpL y Cpk usando estimadores dentro de cada
intervalo de muestreo.
146.
El jefe de obra de la empresa que esta construyendo una autopista utiliza una norma seg
un la
cual debe extraer diariamente 50 probetas de hormigon y vigilar que el porcentaje de probetas que
superan una batera de ensayos se mantenga constantemente alrededor de 60 %. Los n
umeros de
probetas que han superado la batera de ensayos durante los u
ltimos 40 das han sido los siguientes.
28
34
31
26
36
28
28
30
31
32
30
31
30
24
25
38
35
30
30
31
27
29
25
30
27
33
26
25
25
24
26
28
28
31
33
28
24
34
30
35
Se pide:
a) Dibujar un grafico np. Repetir el grafico usando MINITAB con todos los tests disponibles.
b)
Dibujar un grafico EWMA con = 0,2. Repetir el grafico usando MINITAB con todos los
tests disponibles.
c) Dibujar un grafico CUSUM suponiendo que se desea detectar variaciones en la media del
proceso del orden de 0,5 y que el intervalo de decision es 14. Repetir el grafico usando
MINITAB.
V
ease el captulo 6 del libro de Luce
no y Gonz
alez(2003)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
32
DE PROCESOS
6. CALIDAD Y MONITORIZACION
147.
El jefe de relaciones con los clientes de una gran marca considera normal que el n
umero medio
semanal de reclamaciones de los clientes sea alrededor de 80. Si aumenta el n
umero de reclamaciones,
quiere enterarse lo antes posible puesto que ello puede indicar que esta disminuyendo la calidad de
sus productos. Si disminuye el n
umero de reclamaciones, tambien desea saberlo cuanto antes porque
ello puede indicar un cambio de actitud de los clientes hacia su marca.
Durante las u
ltimas 20 semanas se han producido los siguientes n
umeros de reclamaciones.
82
89
97
94
93
80
81
87
91
93
80
78
85
97
79
92
100
79
82
104
Se pide:
a) Dibujar un grafico c. Repetir el grafico usando MINITAB con todos los tests disponibles.
b)
Dibujar un grafico EWMA con = 0,25. Repetir el grafico usando MINITAB con todos los
tests disponibles.
c)
Dibujar un grafico CUSUM unilateral superior suponiendo que se desea detectar variaciones
en la media del proceso del orden de +5 y que el intervalo de decision es 36. Repetir el grafico
usando MINITAB.
V
ease el captulo 6 del libro de Luce
no y Gonz
alez(2003)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
33
7. INFERENCIA ESTADISTICA
7.
148.
Inferencia Estadstica
149.
a) p
b=
x
n
b) n
b =
Los defectos en una placa fotografica siguen una distribucion de Poisson P o(). Se estudian 7
placas encontrando 3, 5, 2, 2, 1, 3 y 4 defectos, respectivamente. Calcular el estimador de maxima
verosimilitud de .
150.
b = 20
151.
x
p
E[
s2 ] =
Una maquina automatica fabrica piezas, de las cuales se desea controlar su longitud X, que se sabe
se distribuye de forma N (60; 1,52 ). Se extraen regularmente muestras de 9 piezas.
En que intervalo (a, b) simetrico respecto de existe una probabilidad 0,95 de hallar X?
9
X
1
2
(Xi X)
e)
152.
a) N (60,1; 52 / 9)
b) 60,1 3, 267
c) 28
d) E
S2
2
=8
V ar
S2
2
= 16
El diametro interior de un anillo de piston seleccionado al azar es una variable aleatoria con media
12 cm y desviacion tpica 0,04 cm.
a) Si x
es el diametro medio de una muestra de n = 16, donde esta centrada la distribucion de
x
, y cual es la desviacion tpica de la distribucion de x
?
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
34
7. INFERENCIA ESTADISTICA
b)
c)
12,01) cuando
Suponiendo que X se distribuye de forma Normal, calcular P (11,99 X
n = 16.
d)
e)
153.
a) = 12; x
= 0,01
b) = 12; x
= 0,005
c) 0,6826
d)
15 s2
2
15
2
e) 0,6318
Cierto tipo de componentes electricas tienen una resistencia media de 200 , con desviacion tpica
= 10 . Se utilizan 25 de ellas en un circuito:
a) Calcular la probabilidad de que la resistencia media de las 25 componentes este entre 199 y
202 .
b)
154.
a) 0,5328
b) 0,9772
Sea p la proporcion de fumadores en una poblacion. Entre 1000 personas elegidas al azar, hay 600
fumadores. Determinar un intervalo de confianza para p, con un nivel de confianza 0,95.
0,6 0,030
155.
La proporcion de escolares zurdos es p. En una muestra aleatoria de 100 escolares, hay 10 zurdos.
Dar un intervalo de confianza para p, con un nivel de confianza 0,95.
0,1 0,0588
156.
A
43,2
B
14,2
AB
6
O
36,6
Determinar un intervalo de confianza, con un nivel de confianza del 95,45 % para la proporcion p
de personas con grupo sanguneo del tipo O.
0,366 0,00667
157.
Se quiere estimar la proporcion de zurdos en una poblacion con una confianza del 95 % y una
precision de 0,01.
a) Cual debe ser el tama
no de la muestra elegida?
b)
158.
a) n 97
b) n 35
Se quiere estimar la proporcion p de electores que votaran al candidato poltico A, con un nivel de
confianza 0,9 y una precision de 0,05. Que tama
no debe tener la muestra?
n 269
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
35
7. INFERENCIA ESTADISTICA
159.
En una poblacion muy grande, se extrae al azar una muestra de 100 votantes para conocer sus
opiniones respecto de dos candidatos. De los individuos de la muestra, 55 apoyan al candidato A y
45 apoyan al candidato B. Se pide:
a) Calcular un intervalo de confianza para la proporcion de votos a favor de cada candidato.
b)
160.
a) 0,55 0, 097
0,45 0, 097
b) n 400
La resistencia media de fractura de cierto tipo de vidrio es de 1 kg/cm2 con una desviacion tpica
de 0,14 kg/cm2 :
a) Cual es la probabilidad de que la resistencia media de una muestra de 100 piezas sea superior
a 1,028 kg/cm2 ?
b)
161.
a) 0,0228
b) 1 0,02744
Si la vida en horas de una bombilla electrica de 75 watios se distribuye de forma normal, con
desviacion tpica = 5 horas y elegimos una muestra aleatoria de 20 bombillas cuya vida media es
de 1014 horas, se pide:
a) Construir un intervalo de confianza bilateral para la vida media de las bombillas con un nivel
de significacion del 0,05.
b)
Construir un intervalo de confianza inferior al para la vida media de las bombillas con un nivel
de significacion del 0,05.
163.
Un fabricante de pinturas desea determinar el tiempo de secado en promedio de una nueva pintura
para interiores. Si en 12 areas de prueba de igual tama
no, el obtuvo un tiempo de secado medio de
66,3 minutos y una cuasi-desviacion tpica de 8,4, construir un intervalo de confianza con un nivel
de significacion del 0,05.
66,3 5,33
Las resistencias a fractura X, en kg/cm2 , de unas placas de acero fueron:
69,5; 71,9; 72,6; 73,3; 73,5; 75,5; 75,7; 75,8; 76,1; 76,2;
77; 77,9; 78,1; 79,6; 79,7; 79,9; 80,1; 82,2; 83,7; 93,7
Calcular un intervalo de confianza para la desviacion tpica x de la distribucion de la resistencia a
fractura al nivel de confianza 0,99. Es valido este intervalo, cualquiera que sea el tipo de distribucion
de la variable aleatoria X?
13,275 < 2 < 74,84
164.
La longitud de los craneos de 10 esqueletos fosiles de una especie de aves extinta tiene una media de
5,68 cm y una cuasi-desviacion tpica de 0,29 cm. Suponiendo que estas longitudes estan distribuidas
de forma normal, obtener un intervalo de confianza al 95 % de la longitud media de los cr
aneos de
esta especie de aves.
5,68 0,207
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
36
7. INFERENCIA ESTADISTICA
165.
Una empresa se dedica a la fabricacion de lamparas de radio y televisiones. Las de radio tienen una
duracion media de 2500 horas y una desviacion tpica de 250 horas. Las de television una media de
2200 horas y 100 horas de desviacion. Se cogen 50 lamparas de radio y 75 de television al azar. Se
pide:
a) Distribucion muestral de la diferencia de medias.
b)
c)
Probabilidad de que la duracion media de las lamparas de radio no sea superior en mas de 200
horas a la duracion media de las lamparas de television.
166.
167.
168.
a) N (300; 37,2)
b) 0,9069
c) 0,0036
Se estan probando dos composiciones diferentes de gasolina sin plomo para determinar sus octanajes.
La varianza del octanaje para la composicion 1 es 12 = 1,5 y para la composicion 2 es 22 = 1,5. Se
extraen sendas muestras aleatorias de tama
no n1 = 15 y n2 = 20, y se miden los octanajes medios
respectivos, x
1 = 89,6 y x
2 = 92,5. Construir un intervalo de confianza al 95 % para estimar la
diferencia de los octanajes medios de las dos composiciones de gasolina sin plomo.
8500
7710
8330
7890
8480
7920
7960
8270
8030
7860
Suponiendo que los datos constituyen muestras aleatorias independientes tomadas de poblaciones
con varianzas iguales, construir un intervalo de confianza al nivel 95 % para la diferencia entre el
promedio real de las capacidades de produccion de calor del carbon extrado de ambas minas.
169.
170.
440 336
Se lleva a cabo un estudio para determinar la proporcion de casas que poseen al menos dos aparatos
de television. De que tama
no debe ser la muestra si se desea tener una confianza del 99 % de que
el error al estimar esta proporcion sea menor que 0,01?
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
37
7. INFERENCIA ESTADISTICA
programador
1
2
3
4
5
6
7
8
9
10
11
12
lenguaje 1
17
16
21
14
18
24
16
14
21
23
13
18
lenguaje 2
18
14
19
11
23
21
12
13
19
24
15
20
171.
(2,2; 1,2)
a) 0,0286
b) 0,30
le admita su m
etodo siendo realmente malo, la probabilidad de rechazarle cuando su m
etodo es v
alido es del 0,30. Un buen
procedimiento debe tener estas dos probabilidades peque
nas.
172.
Un grafologo busca empleo. Con el fin de verificar su cualificacion, se le entregan 10 pares de muestras
de escrituras. Cada par contiene la escritura de un medico y de un abogado. Se le contratara si
identifica correctamente por lo menos 8 de los 10 pares. Sea p su probabilidad de exito. Se pide:
a) Cual es la probabilidad L(p) de que sea contratado?
b)
173.
a) L(p) =
P 10
i=8
10
i
pi q 10i
b) L(0,5) = 0,055
L(0,85) = 0,82
Se dispone de una moneda cuyo aspecto no es simetrico. Se quiere contrastar si es regular, es decir,
si p = 1/2. Se lanza la moneda 1000 veces y se obtiene 550 veces cruz. Que podemos decidir?
no es realmente regular
174.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
38
7. INFERENCIA ESTADISTICA
175.
176.
177.
Al lanzar un dado 600 veces se obtienen 120 seises. Es significativo este resultado en contra de
la hipotesis de que el dado es regular para un nivel de significacion 5 %?
Cierta enfermedad es mortal en el 10 % de los casos. De doscientos mineros afectados por dicha enfermedad, se mueren 29. Significa esto que los mineros son mas vulnerables a la citada enfermedad?
Cual es la probabilidad de obtener, al azar, una desviacion tan grande?
Un ingeniero se plantea la eleccion entre dos fabricantes distintos para el suministro de cierto aditivo
para el hormigon. El ingeniero recibe las muestras de los laboratorios A y B. Realiza un estudio de
las 15 bolsas de cada tipo del suministro obteniendo:
Descriptive Statistics Variable
N
Mean
Median
LabA
15
2,9869
2,9800
LabB
15
2,9869
2,9840
Variable
LabA
LabB
Minimum
2,7690
2,8650
Maximum
3,2160
3,1400
TrMean
2,9860
2,9845
Q1
2,8750
2,9400
StDev
0,1273
0,0688
SE Mean
0,0329 %
0,0178
Q3
3,0760 %
3,0390
Los datos que aparecen en la siguiente tabla fueron obtenidos en un experimento dise
nado para
estimar la posible diferencia sistematica entre los rendimientos obtenidos en un proceso qumico
con dos catalizadores diferentes, que llamaremos A y B.
Da
1
2
3
4
5
6
7
8
Catalizador A
81,31
77,40
80,89
82,15
79,25
80,77
81,19
79,86
Catalizador B
81,01
77,57
74,72
81,73
74,60
78,68
78,80
81,17
Se teme que el rendimiento pueda variar de unos das a otros dependiendo de factores que no
pueden controlarse. Por ello, se eligieron 8 das diferentes y en cada uno de dichos das se realizo el
proceso una vez con el catalizador A y otra vez con el catalizador B. El orden en que se usaron los
catalizadores A y B se eligio al azar cada da.
2
Sean A y A
la media y la varianza poblacionales de los rendimientos obtenidos con el catalizador
2
A. Analogamente, sean B y B
la media y la varianza poblacionales de los rendimientos obtenidos
con el catalizador B.
Se pide:
a) Estimar la diferencia de medias A B puntualmente y mediante un intervalo de confianza
para al nivel de confianza 0,95.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
39
7. INFERENCIA ESTADISTICA
b)
2
2
2
2
c) Puede rechazarse la hipotesis nula H0 : A
= B
frente a la hipotesis alternativa H1 : A
6= B
usando un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de significacion
de la prueba usada.
179.
b) no: 0,083
c) V
ease el captulo 7 de Luce
no y Gonz
alez(2003): Datos apareados.
Los datos que aparecen en la siguiente tabla fueron obtenidos en un experimento dise
nado para
estimar la posible diferencia sistematica entre los rendimientos obtenidos en un proceso qumico
con dos catalizadores diferentes, que llamaremos A y B.
Catalizador A
81,31
77,40
80,89
82,15
79,25
80,77
81,19
79,86
Catalizador B
73,93
75,62
70,38
75,91
71,65
72,77
76,45
73,13
Durante 16 das consecutivos se realizo el proceso qumico con uno de los catalizadores elegido al
azar entre A y B, realizando el sorteo de forma que no se obtuvieran mas de 8 datos con ninguno
de los catalizadores.
2
Sean A y A
la media y la varianza poblacionales de los rendimientos obtenidos con el catalizador
2
A. Analogamente, sean B y B
la media y la varianza poblacionales de los rendimientos obtenidos
con el catalizador B.
Se pide:
a) Estimar la diferencia de medias A B puntualmente y mediante un intervalo de confianza
para al nivel de confianza 0,95.
b)
2
2
2
2
c) Puede rechazarse la hipotesis nula H0 : A
= B
frente a la hipotesis alternativa H1 : A
6= B
usando un riesgo de primera especie de 0,05? Calcular aproximadamente el nivel de significacion
de la prueba usada.
180.
b) s: < 0,001
El departamento de control de calidad de una empresa ha examinado 1000 unidades de un producto fabricado por la empresa, habiendose observado que no hay ninguna unidad defectuosa en la
muestra. Se pide:
a) Estimar puntualmente la proporcion de unidades defectuosas producidas en la fabrica.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
40
7. INFERENCIA ESTADISTICA
b)
Calcular intervalos de confianza para dicha proporcion al nivel de confianza 0,95, usando dos
metodos diferentes.
c)
Una hipotesis nula que afirma que la proporcion de unidades defectuosas producida es igual a
0.001. Puede rechazarse esta hipotesis?
181.
a) 0
En un experimento sobre la influencia de la propaganda en los gustos de las personas, se ha seleccionado una muestra al azar de 350 personas.
A todas estas personas se les ha pedido que dijeran si les gusta o no un cierto tipo de comida rapida.
De las 350 personas consultadas, 125 contestaron que s les gusta y el resto contestaron que no.
Despues de invitar a estas personas a ver una pelcula que contiene anuncios subliminales, se les
invito a una merienda en las que se les proporciono exactamente el tipo de comida rapida objeto
del estudio. Posteriormente, se les paso una encuesta para que dijeran si les haba gustado o no la
merienda. De las 125 personas que contestaron afirmativamente a la pregunta del apartado anterior,
110 dijeron que les gusto la merienda y 15 que no les gusto. De las 225 personas que contestaron
negativamente a la pregunta del apartado anterior, 75 dijeron que les gusto la merienda y 150 que
no les gusto.
Se pide:
a) Estimar puntualmente la diferencia entre las proporciones de personas que contestaron afirmativamente antes y despues de la proyeccion de la pelcula.
b)
Calcular un intervalo de confianza para la diferencia entre las proporciones de personas que
contestan afirmativamente antes y despues de ver pelculas con anuncios subliminales, usando
un nivel de confianza 0,95.
c)
Una hipotesis nula que afirma que no hay diferencia entre las proporciones del apartado anterior. Puede rechazarse esta hipotesis?
V
ease el captulo 7 del libro de Luce
no y Gonz
alez(2003). Es el caso de datos apareados.
182.
Para realizar el acabado de una superficie metalica pueden usarse dos maquinas diferentes: A y B.
De las 150 veces que se uso la maquina A, en 10 ocasiones fue necesario hacer una segunda pasada
para conseguir una superficie sin defectos. De las 150 veces que se uso la maquina B, solamente fue
necesaria una segunda pasada en 6 ocasiones. Se pide:
a) Estimar puntualmente la diferencia entre las proporciones de veces que hay que hacer una
segunda pasada con cada una de las maquinas.
b)
Calcular un intervalo de confianza para la diferencia entre las proporciones de veces que hay
que hacer una segunda pasada con cada una de las maquinas, usando un nivel de confianza
0,95.
c)
Una hipotesis nula que afirma que no hay diferencia entre las proporciones del apartado anterior. Puede rechazarse esta hipotesis?
a) 0,02667
b) (0,0240966; 0,0774299)
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
41
8. TABLAS ESTADISTICAS
8.
Tablas estadsticas
d()
0,15
1,138
0,1
1,224
0,05
1,358
0,025
1,480
0,01
1,628
Caso
I
II
III
IV
Ki (n)
n 0,01 + 0,85
n
0,5
n + 0,26 +
n
n
n
Gi (n)
0
0,2
n
0,15
0,775
0,926
0
0
0,1
0,819
0,995
1,160
0,803
0,05
0,895
1,094
1,290
0,874
di ()
0,025
0,995
1,184
1,420
0,939
0,01
1,035
1,298
1,530
1,007
Tabla 5.9: Generalizaciones de la tabla de Smirnov para los siguientes casos: (I) Normal con
=x
y
2 = s2 ; (II) Gumbel con conocido y estimado usando ML; (III) Gumbel con conocido y
estimado usando ML; y (IV) Gumbel con y estimados usando ML.
Caso
0
I
II
III
IV
Ki (n)
1 + 1/n
1 + 0,5/n
1 + 0,16/n
1
1 + 0,2/ n
Gi (n)
0,4
0,6
n n2
0
0
0
0
0,15
0,284
0,091
0,148
0,1
0,347
0,104
0,175
0,320
0,102
0,05
0,461
0,126
0,222
0,431
0,124
di ()
0,025
0,581
0,148
0,271
0,547
0,146
0,01
0,743
0,178
0,338
0,705
0,175
Tabla 5.10: Tabla de Cramer-von Mises para los casos: (0) Cualquier distribucion continua con
todos sus parametros especificados (I) Normal con
=x
y
2 = s2 ; (II) Gumbel con conocido y
estimado usando ML; (III) Gumbel con conocido y estimado usando ML; y (IV) Gumbel con
y estimados usando ML.
Caso
0
I
II
III
IV
Ki (n)
n + 0,155 + 0,24
n
0,82
n + 0,05 + n
n + 0,24 + 0,35
n
Universidad de Cantabria.
Gi (n)
0
0
0,2
n
0
0
0,15
1,537
1,320
1,445
0,1
1,620
1,386
1,527
1,460
1,372
0,05
1,747
1,489
1,655
1,580
1,477
di ()
Alberto Luce
no y Fco. Javier Gonzalez
0,025
1,862
1,585
1,774
1,690
1,557
0,01
2,001
1,693
1,910
1,810
1,671
42
8. TABLAS ESTADISTICAS
Tabla 5.11: Tabla de Kuiper para los mismos casos que la tabla 5.10.
Caso
0
I
II
III
IV
Ki (n)
1 + 0,8/n
1 + 0,5/n
1 + 0,16/n
1 + 0,15/ n
1 + 0,2/ n
Gi (n)
0,1
0,1
n n2
0
0
0
0
0,15
0,131
0,085
0,112
0,1
0,152
0,096
0,129
0,123
0,097
0,05
0,187
0,116
0,159
0,152
0,117
di ()
0,025
0,221
0,136
0,189
0,181
0,138
0,01
0,267
0,163
0,230
0,220
0,165
0,025
3,070
0,918
1,591
2,854
0,877
0,01
3,857
1,092
1,959
3,640
1,038
Tabla 5.12: Tabla de Watson para los mismos casos que la tabla 5.10.
Caso
0
I
II
III
IV
Ki (n)
1
1 + 4/n 25/n2
1 + 0,6/n
1
1 + 0,2/ n
Gi (n)
0
0
0
0
0
0,15
1,610
0,576
0,916
0,1
1,933
0,656
1,062
1,725
0,637
0,05
2,492
0,787
1,321
2,277
0,757
di ()
Tabla 5.13: Tabla de Anderson-Darling para los casos que la tabla 5.10.
n
d2
2
1,128
3
1,693
4
2,059
5
2,326
6
2,534
7
2,704
8
2,847
9
2,970
10
3,078
9
3,676
10
3,861
n
dR
2
1,323
3
1,906
4
2,340
5
2,691
6
2,988
7
3,247
8
3,472
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
43
8. TABLAS ESTADISTICAS
x
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90
0.95
1.00
1.05
1.10
1.15
1.20
1.25
1.30
1.35
1.40
1.45
1.50
1.55
1.60
1.65
(x)
0.50000
0.51994
0.53983
0.55962
0.57926
0.59871
0.61791
0.63683
0.65542
0.67364
0.69146
0.70884
0.72575
0.74215
0.75804
0.77337
0.78814
0.80234
0.81594
0.82894
0.84134
0.85314
0.86433
0.87493
0.88493
0.89435
0.90320
0.91149
0.91924
0.92647
0.93319
0.93943
0.94520
0.95053
x
1.70
1.75
1.80
1.85
1.90
1.95
2.00
2.05
2.10
2.15
2.20
2.25
2.30
2.35
2.40
2.45
2.50
2.55
2.60
2.65
2.70
2.75
2.80
2.85
2.90
2.95
3.00
3.05
3.10
3.15
3.20
3.25
3.30
3.35
(x)
0.955435
0.959941
0.964070
0.967843
0.971284
0.974412
0.977250
0.979818
0.982136
0.984222
0.986097
0.987776
0.989276
0.990613
0.991802
0.992857
0.993790
0.994614
0.995339
0.995975
0.996533
0.997020
0.997445
0.997814
0.998134
0.998411
0.998650
0.998856
0.999032
0.999184
0.999313
0.999423
0.999517
0.999596
x
3.40
3.45
3.50
3.55
3.60
3.65
3.70
3.75
3.80
3.85
3.90
3.95
4.00
4.05
4.10
4.15
4.20
4.25
4.30
4.35
4.40
4.45
4.50
4.55
4.60
4.65
4.70
4.75
4.80
4.85
4.90
4.95
5.00
6.00
(x)
0.999663019
0.999719659
0.999767327
0.999807344
0.999840854
0.999868846
0.999892170
0.999911555
0.999927628
0.999940919
0.999951884
0.999960908
0.999968314
0.999974378
0.999979331
0.999983367
0.999986646
0.999989304
0.999991454
0.999993188
0.999994583
0.999995703
0.999996599
0.999997315
0.999997885
0.999998339
0.999998698
0.999998982
0.999999206
0.999999382
0.999999520
0.999999628
0.999999713
0.999999999
Tabla 8.1: Algunos valores de la funcion de distribucion normal estandar. Debe tenerse en cuenta
que (x) = 1 (x).
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
44
8. TABLAS ESTADISTICAS
0.50
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
0.60
0.61
0.62
0.63
0.64
0.65
0.66
0.67
0.68
0.69
0.70
0.71
0.72
0.73
0.74
0.75
0.76
0.77
0.78
0.79
0.80
0.81
0.82
0.83
1 ()
0.00000
0.02507
0.05015
0.07527
0.10043
0.12566
0.15097
0.17637
0.20189
0.22755
0.25335
0.27932
0.30548
0.33185
0.35846
0.38532
0.41246
0.43991
0.46770
0.49585
0.52440
0.55338
0.58284
0.61281
0.64334
0.67449
0.70630
0.73885
0.77219
0.80642
0.84162
0.87790
0.91537
0.95416
0.840
0.850
0.860
0.870
0.880
0.890
0.895
0.900
0.905
0.910
0.915
0.920
0.925
0.930
0.935
0.940
0.941
0.942
0.943
0.944
0.945
0.946
0.947
0.948
0.949
0.950
0.951
0.952
0.953
0.954
0.955
0.956
0.957
0.958
1 ()
0.99446
1.03643
1.08032
1.12639
1.17499
1.22653
1.25357
1.28155
1.31058
1.34075
1.37220
1.40507
1.43953
1.47579
1.51410
1.55477
1.56322
1.57179
1.58047
1.58927
1.59819
1.60725
1.61644
1.62576
1.63524
1.64485
1.65463
1.66456
1.67466
1.68494
1.69540
1.70604
1.71688
1.72793
0.968
0.969
0.970
0.971
0.972
0.973
0.974
0.975
0.976
0.977
0.978
0.979
0.980
0.981
0.982
0.983
0.984
0.985
0.986
0.987
0.988
0.989
0.990
0.991
0.992
0.993
0.994
0.995
0.996
0.997
0.998
0.999
0.9999
0.99999
1 ()
1.85218
1.86629
1.88079
1.89570
1.91103
1.92684
1.94314
1.95996
1.97737
1.99539
2.01409
2.03352
2.05375
2.07485
2.09693
2.12007
2.14441
2.17009
2.19728
2.22621
2.25713
2.29036
2.32634
2.36561
2.40892
2.45727
2.51213
2.57583
2.65209
2.74777
2.87815
3.09024
3.71947
4.26546
Tabla 8.2: Algunos valores de la funcion 1 (), inversa de la funcion de distribucion normal
estandar, para 0,5 < 1. Para 0 < 0,5 puede usarse la relacion 1 (1 ) = 1 ().
Observese ademas que 1 () z siendo z el cuantil de la distribucion normal estandar.
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
45
8. TABLAS ESTADISTICAS
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
100
200
6.3137
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
1.7247
1.7207
1.7171
1.7139
1.7109
1.7081
1.7056
1.7033
1.7011
1.6991
1.6973
1.6839
1.6706
1.6602
1.6525
1.6449
0.1
12.7062
4.3027
3.1824
2.7765
2.5706
2.4469
2.3646
2.3060
2.2622
2.2281
2.2010
2.1788
2.1604
2.1448
2.1315
2.1199
2.1098
2.1009
2.0930
2.0860
2.0796
2.0739
2.0687
2.0639
2.0595
2.0555
2.0518
2.0484
2.0452
2.0423
2.0211
2.0003
1.9840
1.9719
1.9600
0.05
t(n, 1 /2)
31.8210 63.6559
6.9645
9.9250
4.5407
5.8408
3.7469
4.6041
3.3649
4.0321
3.1427
3.7074
2.9979
3.4995
2.8965
3.3554
2.8214
3.2498
2.7638
3.1693
2.7181
3.1058
2.6810
3.0545
2.6503
3.0123
2.6245
2.9768
2.6025
2.9467
2.5835
2.9208
2.5669
2.8982
2.5524
2.8784
2.5395
2.8609
2.5280
2.8453
2.5176
2.8314
2.5083
2.8188
2.4999
2.8073
2.4922
2.7970
2.4851
2.7874
2.4786
2.7787
2.4727
2.7707
2.4671
2.7633
2.4620
2.7564
2.4573
2.7500
2.4233
2.7045
2.3901
2.6603
2.3642
2.6259
2.3451
2.6006
2.3263
2.5758
0.02
0.01
318.2888
22.3285
10.2143
7.1729
5.8935
5.2075
4.7853
4.5008
4.2969
4.1437
4.0248
3.9296
3.8520
3.7874
3.7329
3.6861
3.6458
3.6105
3.5793
3.5518
3.5271
3.5050
3.4850
3.4668
3.4502
3.4350
3.4210
3.4082
3.3963
3.3852
3.3069
3.2317
3.1738
3.1315
3.0902
0.002
636.5776
31.5998
12.9244
8.6101
6.8685
5.9587
5.4081
5.0414
4.7809
4.5868
4.4369
4.3178
4.2209
4.1403
4.0728
4.0149
3.9651
3.9217
3.8833
3.8496
3.8193
3.7922
3.7676
3.7454
3.7251
3.7067
3.6895
3.6739
3.6595
3.6460
3.5510
3.4602
3.3905
3.3398
3.2905
0.001
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
46
8. TABLAS ESTADISTICAS
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
60
70
80
90
100
250
500
=
3.9E-05
0.010
0.072
0.207
0.412
0.676
0.989
1.344
1.735
2.156
2.603
3.074
3.565
4.075
4.601
5.142
5.697
6.265
6.844
7.434
8.034
8.643
9.260
9.886
10.520
13.787
20.707
27.991
35.534
43.275
51.172
59.196
67.328
196.160
422.303
0.005
9.8E-04
0.051
0.216
0.484
0.831
1.237
1.690
2.180
2.700
3.247
3.816
4.404
5.009
5.629
6.262
6.908
7.564
8.231
8.907
9.591
10.283
10.982
11.689
12.401
13.120
16.791
24.433
32.357
40.482
48.758
57.153
65.647
74.222
208.098
439.936
0.025
3.841
5.991
7.815
9.488
11.070
12.592
14.067
15.507
16.919
18.307
19.675
21.026
22.362
23.685
24.996
26.296
27.587
28.869
30.144
31.410
32.671
33.924
35.172
36.415
37.652
43.773
55.758
67.505
79.082
90.531
101.879
113.145
124.342
287.882
553.127
0.95
2 (n, )
5.024
7.378
9.348
11.143
12.832
14.449
16.013
17.535
19.023
20.483
21.920
23.337
24.736
26.119
27.488
28.845
30.191
31.526
32.852
34.170
35.479
36.781
38.076
39.364
40.646
46.979
59.342
71.420
83.298
95.023
106.629
118.136
129.561
295.689
563.851
0.975
6.635
9.210
11.345
13.277
15.086
16.812
18.475
20.090
21.666
23.209
24.725
26.217
27.688
29.141
30.578
32.000
33.409
34.805
36.191
37.566
38.932
40.289
41.638
42.980
44.314
50.892
63.691
76.154
88.379
100.425
112.329
124.116
135.807
304.939
576.493
0.99
7.879
10.597
12.838
14.860
16.750
18.548
20.278
21.955
23.589
25.188
26.757
28.300
29.819
31.319
32.801
34.267
35.718
37.156
38.582
39.997
41.401
42.796
44.181
45.558
46.928
53.672
66.766
79.490
91.952
104.215
116.321
128.299
140.170
311.346
585.206
0.995
10.827
13.815
16.266
18.466
20.515
22.457
24.321
26.124
27.877
29.588
31.264
32.909
34.527
36.124
37.698
39.252
40.791
42.312
43.819
45.314
46.796
48.268
49.728
51.179
52.619
59.702
73.403
86.660
99.608
112.317
124.839
137.208
149.449
324.831
603.446
0.999
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
47
8. TABLAS ESTADISTICAS
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
75
100
125
150
200
500
n1 =
647.8
38.51
17.44
12.22
10.01
8.813
8.073
7.571
7.209
6.937
6.724
6.554
6.414
6.298
6.200
6.115
6.042
5.978
5.922
5.871
5.827
5.786
5.750
5.717
5.686
5.568
5.424
5.340
5.232
5.179
5.147
5.126
5.100
5.054
5.024
1
799.5
39.00
16.04
10.65
8.434
7.260
6.542
6.059
5.715
5.456
5.256
5.096
4.965
4.857
4.765
4.687
4.619
4.560
4.508
4.461
4.420
4.383
4.349
4.319
4.291
4.182
4.051
3.975
3.876
3.828
3.800
3.781
3.758
3.716
3.689
2
864.2
39.17
15.44
9.979
7.764
6.599
5.890
5.416
5.078
4.826
4.630
4.474
4.347
4.242
4.153
4.077
4.011
3.954
3.903
3.859
3.819
3.783
3.750
3.721
3.694
3.589
3.463
3.390
3.296
3.250
3.222
3.204
3.182
3.142
3.116
3
F (n1 , n2 )
899.6 937.1
39.25 39.33
15.10 14.73
9.604 9.197
7.388 6.978
6.227 5.820
5.523 5.119
5.053 4.652
4.718 4.320
4.468 4.072
4.275 3.881
4.121 3.728
3.996 3.604
3.892 3.501
3.804 3.415
3.729 3.341
3.665 3.277
3.608 3.221
3.559 3.172
3.515 3.128
3.475 3.090
3.440 3.055
3.408 3.023
3.379 2.995
3.353 2.969
3.250 2.867
3.126 2.744
3.054 2.674
2.962 2.582
2.917 2.537
2.890 2.511
2.872 2.494
2.850 2.472
2.811 2.434
2.786 2.408
4
6
948.2
39.36
14.62
9.074
6.853
5.695
4.995
4.529
4.197
3.950
3.759
3.607
3.483
3.380
3.293
3.219
3.156
3.100
3.051
3.007
2.969
2.934
2.902
2.874
2.848
2.746
2.624
2.553
2.461
2.417
2.390
2.373
2.351
2.313
2.288
7
956.6
39.37
14.54
8.980
6.757
5.600
4.899
4.433
4.102
3.855
3.664
3.512
3.388
3.285
3.199
3.125
3.061
3.005
2.956
2.913
2.874
2.839
2.808
2.779
2.753
2.651
2.529
2.458
2.366
2.321
2.295
2.278
2.256
2.217
2.192
8
968.6
39.40
14.42
8.844
6.619
5.461
4.761
4.295
3.964
3.717
3.526
3.374
3.250
3.147
3.060
2.986
2.922
2.866
2.817
2.774
2.735
2.700
2.668
2.640
2.613
2.511
2.388
2.317
2.224
2.179
2.153
2.135
2.113
2.074
2.048
10
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
48
8. TABLAS ESTADISTICAS
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
75
100
125
150
200
500
n1 =
976.7
39.41
14.34
8.751
6.525
5.366
4.666
4.200
3.868
3.621
3.430
3.277
3.153
3.050
2.963
2.889
2.825
2.769
2.720
2.676
2.637
2.602
2.570
2.541
2.515
2.412
2.288
2.216
2.123
2.077
2.050
2.032
2.010
1.971
1.945
12
982.5
39.43
14.28
8.684
6.456
5.297
4.596
4.130
3.798
3.550
3.359
3.206
3.082
2.979
2.891
2.817
2.753
2.696
2.647
2.603
2.564
2.528
2.497
2.468
2.441
2.338
2.213
2.140
2.046
2.000
1.973
1.955
1.932
1.892
1.866
14
986.9
39.44
14.23
8.633
6.403
5.244
4.543
4.076
3.744
3.496
3.304
3.152
3.027
2.923
2.836
2.761
2.697
2.640
2.591
2.547
2.507
2.472
2.440
2.411
2.384
2.280
2.154
2.081
1.986
1.939
1.911
1.893
1.870
1.830
1.803
16
F (n1 , n2 )
990.3 993.1
39.44 39.45
14.20 14.17
8.592 8.560
6.362 6.329
5.202 5.168
4.501 4.467
4.034 3.999
3.701 3.667
3.453 3.419
3.261 3.226
3.108 3.073
2.983 2.948
2.879 2.844
2.792 2.756
2.717 2.681
2.652 2.616
2.596 2.559
2.546 2.509
2.501 2.464
2.462 2.425
2.426 2.389
2.394 2.357
2.365 2.327
2.338 2.300
2.233 2.195
2.107 2.068
2.033 1.993
1.937 1.896
1.890 1.849
1.862 1.820
1.843 1.801
1.820 1.778
1.779 1.736
1.751 1.708
18
20
1001.4
39.46
14.08
8.461
6.227
5.065
4.362
3.894
3.560
3.311
3.118
2.963
2.837
2.732
2.644
2.568
2.502
2.445
2.394
2.349
2.308
2.272
2.239
2.209
2.182
2.074
1.943
1.866
1.765
1.715
1.685
1.665
1.640
1.596
1.566
30
1009.8
39.48
13.99
8.360
6.123
4.959
4.254
3.784
3.449
3.198
3.004
2.848
2.720
2.614
2.524
2.447
2.380
2.321
2.270
2.223
2.182
2.145
2.111
2.080
2.052
1.940
1.803
1.721
1.612
1.558
1.524
1.502
1.474
1.423
1.388
60
1018.3
39.50
13.90
8.257
6.015
4.849
4.142
3.670
3.333
3.080
2.883
2.725
2.595
2.487
2.395
2.316
2.247
2.187
2.133
2.085
2.042
2.003
1.968
1.935
1.906
1.787
1.637
1.545
1.417
1.347
1.303
1.271
1.229
1.137
1.000
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
49
8. TABLAS ESTADISTICAS
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
75
100
125
150
200
500
n1 =
16212
198.5
55.55
31.33
22.78
18.63
16.24
14.69
13.61
12.83
12.23
11.75
11.37
11.06
10.80
10.58
10.38
10.22
10.07
9.944
9.829
9.727
9.635
9.551
9.475
9.180
8.828
8.626
8.366
8.241
8.167
8.118
8.057
7.950
7.879
1
19997
199.0
49.80
26.28
18.31
14.54
12.40
11.04
10.11
9.427
8.912
8.510
8.186
7.922
7.701
7.514
7.354
7.215
7.093
6.987
6.891
6.806
6.730
6.661
6.598
6.355
6.066
5.902
5.691
5.589
5.529
5.490
5.441
5.355
5.298
2
21614
199.2
47.47
24.26
16.53
12.92
10.88
9.597
8.717
8.081
7.600
7.226
6.926
6.680
6.476
6.303
6.156
6.028
5.916
5.818
5.730
5.652
5.582
5.519
5.462
5.239
4.976
4.826
4.635
4.542
4.488
4.453
4.408
4.330
4.279
3
F (n1 , n2 )
22501 23440
199.2 199.3
46.20 44.84
23.15 21.98
15.56 14.51
12.03 11.07
10.05 9.155
8.805 7.952
7.956 7.134
7.343 6.545
6.881 6.102
6.521 5.757
6.233 5.482
5.998 5.257
5.803 5.071
5.638 4.913
5.497 4.779
5.375 4.663
5.268 4.561
5.174 4.472
5.091 4.393
5.017 4.322
4.950 4.259
4.890 4.202
4.835 4.150
4.623 3.949
4.374 3.713
4.232 3.579
4.050 3.407
3.963 3.325
3.912 3.277
3.878 3.245
3.837 3.206
3.763 3.137
3.715 3.091
4
6
23715
199.4
44.43
21.62
14.20
10.79
8.885
7.694
6.885
6.303
5.865
5.524
5.253
5.031
4.847
4.692
4.559
4.445
4.345
4.257
4.179
4.109
4.047
3.991
3.939
3.742
3.509
3.376
3.208
3.127
3.080
3.048
3.010
2.941
2.897
7
23924
199.4
44.13
21.35
13.96
10.57
8.678
7.496
6.693
6.116
5.682
5.345
5.076
4.857
4.674
4.521
4.389
4.276
4.177
4.090
4.013
3.944
3.882
3.826
3.776
3.580
3.350
3.219
3.052
2.972
2.925
2.894
2.856
2.789
2.744
8
24222
199.4
43.68
20.97
13.62
10.25
8.380
7.211
6.417
5.847
5.418
5.085
4.820
4.603
4.424
4.272
4.142
4.030
3.933
3.847
3.771
3.703
3.642
3.587
3.537
3.344
3.117
2.988
2.823
2.744
2.698
2.667
2.629
2.562
2.519
10
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
50
8. TABLAS ESTADISTICAS
n2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
50
75
100
125
150
200
500
n1 =
24427
199.4
43.39
20.70
13.38
10.03
8.176
7.015
6.227
5.661
5.236
4.906
4.643
4.428
4.250
4.099
3.971
3.860
3.763
3.678
3.602
3.535
3.474
3.420
3.370
3.179
2.953
2.825
2.661
2.583
2.536
2.506
2.468
2.402
2.358
12
24572
199.4
43.17
20.51
13.21
9.878
8.028
6.872
6.089
5.526
5.103
4.775
4.513
4.299
4.122
3.972
3.844
3.734
3.638
3.553
3.478
3.411
3.351
3.296
3.247
3.056
2.831
2.703
2.540
2.461
2.415
2.385
2.347
2.281
2.237
14
24684
199.4
43.01
20.37
13.09
9.758
7.915
6.763
5.983
5.422
5.001
4.674
4.413
4.201
4.024
3.875
3.747
3.637
3.541
3.457
3.382
3.315
3.255
3.201
3.152
2.961
2.737
2.609
2.445
2.367
2.320
2.290
2.252
2.185
2.142
16
F (n1 , n2 )
24766 24837
199.4 199.4
42.88 42.78
20.26 20.17
12.98 12.90
9.664 9.589
7.826 7.754
6.678 6.608
5.899 5.832
5.340 5.274
4.921 4.855
4.595 4.530
4.334 4.270
4.122 4.059
3.946 3.883
3.797 3.734
3.670 3.607
3.560 3.498
3.464 3.402
3.380 3.318
3.305 3.243
3.239 3.176
3.179 3.116
3.125 3.062
3.075 3.013
2.885 2.823
2.661 2.598
2.533 2.470
2.369 2.306
2.290 2.227
2.244 2.180
2.213 2.150
2.175 2.112
2.108 2.044
2.064 2.000
18
20
25041
199.5
42.47
19.89
12.66
9.358
7.534
6.396
5.625
5.071
4.654
4.331
4.073
3.862
3.687
3.539
3.412
3.303
3.208
3.123
3.049
2.982
2.922
2.868
2.819
2.628
2.401
2.272
2.105
2.024
1.976
1.944
1.905
1.835
1.789
30
25254
199.5
42.15
19.61
12.40
9.122
7.309
6.177
5.410
4.859
4.445
4.123
3.866
3.655
3.480
3.332
3.206
3.096
3.000
2.916
2.841
2.774
2.713
2.658
2.609
2.415
2.184
2.050
1.876
1.790
1.738
1.704
1.661
1.584
1.533
60
25466
199.5
41.83
19.32
12.14
8.879
7.076
5.951
5.188
4.639
4.226
3.904
3.647
3.436
3.260
3.111
2.984
2.873
2.776
2.690
2.614
2.546
2.484
2.428
2.377
2.176
1.932
1.786
1.589
1.485
1.420
1.374
1.314
1.184
1.000
Universidad de Cantabria.
Alberto Luce
no y Fco. Javier Gonzalez
51