Guias Prob y Est 2009

TP Probabilidades y Estadstica 2009 Pg.
1
Facultad de Ingeniera UBA
Probabilidad y Estadstica 61.06 (no industrial) - Guas de ejercicios

GUIA 1: Probabilidad

1. a) Definir un espacio muestral para cada uno de los siguientes experimentos aleatorios. en cules es razonable
suponer equiprobabilidad?
se tiran 3 monedas: una de $1, otra de $0,50 y otra de $0,25.
se tiran 3 monedas iguales.
se tira un dado rojo y otro azul
se tiran 2 dados no distinguibles.
se eligen 3 personas de un grupo de 5.
una caja contiene 8 bombillas de luz de las cuales 3 tienen filamentos rotos. Estas se prueban una por una hasta
que se encuentra la primer defectuosa
Se enciende y apaga el interruptor de un velador, hasta que la lmpara se quema. Se registra el nmero de veces
que se repiti la operacin
Se espera el tiempo necesario hasta que la lmpara de un velador se quema por desgaste.
Se pesa una manzana
Se dibujan en el piso varias lneas paralelas, a una distancia de 10 cm entre s. Luego se deja caer una aguja de
10 cm de largo, y se observa si cae cortando o no alguna de las lneas (experimento de Buffon, 1777)
Se deja caer un dardo sobre una hoja de papel y se marcan las coordenadas del lugar donde cay
Con un voltmetro, se mide la tensin de alimentacin de una fuente de tensin
Una enfermera mide la tensin arterial de un paciente
Se mide la altura y el peso de un beb recin nacido
b) Definir dos eventos asociados a cada espacio muestral.

2. a) Una canasta roja contiene 5 botellas de champagne francs y 6 de vino comn de mesa; una canasta blanca
contiene 3 de champagne y 4 de vino. Se le ofrece elegir una canasta y extraer al azar una botella de ella Cul
canasta le conviene elegir si desea tomar champagne y no vino?
b) Otra canasta roja contiene 6 botellas de champagne de primera y 3 de vino de cuarta; otra blanca tiene 9 de
champagne y 5 de vino. De cul le conviene extraer?
c) Los contenidos de las dos canastas blancas se unen y lo mismo se hace con los de las dos rojas. De cul le
conviene extraer ahora?
1

3. Cada noche despus de cenar, el matrimonio Galndez tira 4 dados Si no sale ningn 6, le toca al Sr. Galndez lavar
los platos. En caso contrario, a su esposa Quin lava los platos ms seguido?

4. Indique la probabilidad de obtener, en el primer tiro de un juego de generala:
a) Generala servida.
b) Pker servido.
c) Full servido
d) 18 al 6.

5. En una mano de truco, calcular la probabilidad de que un jugador saque
a) flor
b) ms de 30 para el envido
c) los dos anchos juntos: el de espadas y el de bastos

1
ste y otros ejercicios de estas guas fueron extrados del muy recomendable libro de R. A. Maronna: Probabilidades y Estadsticas elementales para
estudiantes de Ciencias, Editorial Exacta, La Plata, 1995.
TP Probabilidades y Estadstica 2009 Pg. 2

6. Suponga que es posible tirar un dado infinitas veces. Calcular la probabilidad de que el As no salga jams

7. Un borracho camina por la nica calle de su pueblo, empezando en la esquina de su casa. Cada vez que llega a una
esquina sigue otra cuadra hacia adelante o atrs con probabilidad 1/2. Camina en total 4 cuadras y se queda dormido.
Probar que el lugar ms probable para encontrarlo dormido es la esquina de su casa. (paseo al azar)

8. Se tira un dado cargado de forma tal que la probabilidad de cada nmero es proporcional a l. Calcular la
probabilidad de obtener un 2 dado que se obtuvo un nmero par.

9. Una caja C
1
contiene 3 bolillas blancas y 7 rojas. Otra caja C
2
tiene 12 blancas y 8 rojas. Se elige una caja al azar y
se extrae una bolilla que resulta ser blanca; esta bolilla se reintegra a la caja y se vuelve a extraer una bolilla de la
misma caja. Cul es la probabilidad de que esta ltima bolilla sea blanca?

10. Una epidemia infect al 5% de la poblacin de una ciudad. Un anlisis clnico de diagnstico da resultados
negativo (ausencia de enfermedad) al 2% de los pacientes enfermos, y positivo (presencia de la enfermedad) en el 4%
de los sanos. Si un paciente concurre a hacerse el anlisis y le da resultado positivo, cul es la probabilidad de que
realmente est enfermo? Si le da resultado negativo cul es la probabilidad de estar realmente sano?
Nota: Para entender algo ms sobre las implicancias de este ejercicio, recomendamos leer la nota publicada por
Adrin Paenza en Pgina 12 del 14/3/2008 titulada Bayes y seguir los clculos que ah figuran. Puede bajarse de:
http://www.pagina12.com.ar/diario/contratapa/index-2008-03-14.html .

11. Una empresa arma computadoras y consta de tres plantas armadoras: A, B y C, que producen el 15%, 35% y 50%
del total respectivamente. Se sabe que la probabilidad de que no funcione una computadora es del 3%, 2% y 1% segn
sea armada por la planta A, B o C respectivamente.
a) Un cliente de dicha empresa decide comprar una computadora al azar y elige una al azar. Cul es la probabilidad
de que funcione?
b) Si dicho cliente elige una computadora y observa que funciona, cul es la probabilidad de que haya sido armada
por la planta B?

12. En la fabricacin de envases de vidrio aparecen dos modos de falla: burbujas, en el 3% de los envases, y defectos
en el roscado del pico, en el 2%. Dados 5 envases, hallar la probabilidad de que ninguno presente defectos

13. El control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de
consumo). El 5% falla en la prueba A, el 6% en la prueba B y el 90% en ninguna. Indique si las fallas en ambos
ensayos son sucesos independientes

14. Una cmara tiene 2 bombas de desage, que funcionan independientemente. La probabilidad de que la primera de
descomponga es 0.03 y la probabilidad de que la segunda de descomponga es 0.06. Para disear un plan de
contingencia se debe saber cul es la probabilidad de que no funcione ninguna. Calcular esta probabilidad.

15. El motor de un automvil consta de 300 componentes individuales. Cada uno de stos es entregado
independientemente por un proveedor diferente. Los 300 proveedores garantizan que la probabilidad de entregar un
componente defectuoso es 0.01 o menor
a) calcular la probabilidad de que el motor sea aceptable. Se considera aceptable el motor slo cuando ninguno de sus
componentes es defectuoso.
b) qu nivel de calidad debe exigirse a cada proveedor (es decir, qu probabilidad de componente defectuoso) si se
desea que el motor sea aceptable con probabilidad 0.98 o mayor?
Nota: Un requerimiento habitual que la industria automotriz hace a sus proveedores, es que entreguen componentes
con proporciones defectuosas del orden de 60 a 100 ppm. Observar que el resultado de la parte b) es consistente con
esta prctica

GUIA 2: Variables Aleatorias

Variables discretas
1. a)Clasificar en discretas o continuas las siguientes variables aleatorias y especificar sus espacios muestrales:
Cantidad de llamadas telefnicas que llegan a un conmutador en un lapso de 10 minutos
Temperatura mxima diaria en una ciudad
Temperatura a la que se encuentra un alto horno de una empresa siderrgica
Longitud de tornillos fabricados por una mquina.
Estudiantes inscriptos en la FIUBA al comienzo de un ao
Estado civil de un individuo
Suma del valor obtenido al arrojar 2 dados
b) Cules de los experimentos del ej. 1 de la Gua 1 definen v.a. discretas? cules definen v.a. continuas?

2. Hallar la funcin de probabilidad puntual y la funcin de distribucin de la v.a. diferencia entre el mayor y el
menor valor obtenido al tirar un dado 2 veces. Calcular su esperanza

3. El contenido de bolillas rojas de la caja C
1
se ha formado como sigue. Se arroj un dado y se colocaron tantas
como indic el dado; luego se extrajeron dos bolillas de la caja C
2
que contena 3 blancas y 7 rojas y se introdujeron
en C
1
. Obtener la funcin de probabilidad del nmero de bolillas rojas que quedaron finalmente en C
1
.

4. Una cadena de comida rpida est por abrir una nueva sucursal. Se estima que sern necesarios 24 empleados
presentes para cubrir todas las tareas. Por otro lado, los registros de otras sucursales indican un porcentaje de ausentismo
del 5%. Se contratan 30 personas. Cul ser la probabilidad de qu haya 3 empleados ausentes?, de que haya menos de
3 empleados ausentes?, de que no haya ausentes?, y de que no se cubran las tareas necesarias? (hacerlo por clculo
manual y luego con la funcin distr.binom de Excel)

5. En un proceso de control de calidad se efecta una revisin peridica examinando la cantidad de piezas necesarias
hasta encontrar la segunda defectuosa. Si el proceso trabaja con un 20% de defectuosas, cul es la probabilidad de
a) revisar 8 menos?
b) revisar 12 ms? (usar funcin negbinomdist de Excel)
c) revisar exactamente 12?

6. En una empresa se compra gran de cantidad de bulones especiales a un mismo proveedor. Cada vez que se recibe
un envo de bulones, se realiza un control de calidad por muestreo: se ensaya una muestra de n=80 bulones
seleccionados al azar del total; si hay ms de un buln defectuoso en la muestra, el envo se rechaza y se devuelve al
proveedor. En caso contrario, se acepta el envo y se lo paga. Si llamamos p a la proporcin de bulones defectuosos
generados por el proceso de fabricacin del proveedor y P
a
a la probabilidad de aceptar un envo.
a) Calcular P
a
para los siguientes valores de p: 0.001, 0.002, 0.005, 0.01, 0.015, 0.02, 0.05, 0,1. 50 (usar la funcin
distr.binom de Excel)
b) Graficar P
a
en funcin de p. (Dicho grfico se llama Curva caracterstica del plan de muestreo)

7. De los 35 alumnos del curso hay 20 que juegan bien al ajedrez. Se eligen al azar 8 alumnos del curso para formar
un equipo de ajedrez que represente a la Facultad. Cul es la probabilidad de que en el equipo haya al menos 4
personas que jueguen bien?

8. Un seor tiene un llavero con 6 llaves. Ha olvidado cul es la de su casa, y las prueba ordenadamente una por una.
a) Sea X el nmero de intentos necesarios hasta abrir la puerta. Hallar la funcin de probabilidad de X y su esperanza
b) Supongamos que el seor est totalmente borracho y en cada intento vuelve a elegir una llave al azar de entre las n,
en lugar de separar las que ya prob. Hallar la funcin de probabilidad de X y su esperanza, y extraer conclusiones
sobre los beneficios de la sobriedad

9. Sea X la cantidad de veces que debe arrojarse un dado hasta sacar un 4.
a) Dar una expresin para su fp, y probar que suma 1.
b) Hallar su funcin de distribucin y calcular P(X>7) y P(X>10/X>3)
c) qu conclusin puede sacar comparando los dos ltimos resultados? (falta de memoria de la distribucin
geomtrica)

10. Si la probabilidad de que un cierto examen d una reaccin positiva es igual a 0,4 y las reacciones son
independientes, cul es la probabilidad de que ocurran menos de cinco reacciones negativas antes de la primera
positiva?

11. Supongamos que el costo de efectuar un experimento es $1000. Si el experimento falla, se incurre en un costo
adicional debido a ciertos cambios que deben efectuarse antes de que se intente un nuevo ensayo. Si la probabilidad
de xito en cualquiera de los ensayos es de 0,2; si los ensayos aislados son independientes y si los experimentos se
continan hasta que se obtiene el primer resultado exitoso, cul es el costo esperado del procedimiento completo?

12. Los pacientes llegan a la sala de guardia de un hospital a una tasa de 2 por hora. Un mdico hace un turno de 12
horas desde las seis de la maana hasta las seis de la tarde. El proceso de llegada de pacientes se considera de Poisson
a) Si el mdico ha visto 6 pacientes a las 8 de la maana, cul es la probabilidad de que vea un total de 9 pacientes a
las 10 de la maana?
b) Cul es el tiempo esperado entre llegada de pacientes sucesivos? Cul es la probabilidad de que el tiempo entre
llegadas de sucesivos pacientes sea > 1 hora?
c) Cul es el tiempo esperado desde que el mdico se hizo cargo de la guardia hasta que ve su primer paciente?
Cul es la probabilidad de que vea su primer paciente 15 minutos o menos desde que se hizo cargo de la guardia?
d) Cul es la probabilidad de que vea su paciente n 13 antes de las 13.00 horas?

13. La ocurrencia de errores tipogrficos en la primera impresin de prueba de un libro es un proceso de Poisson con
una tasa de error de 1 error cada 1000 palabras. Cada vez que el autor lee el libro para corregirlo, la tasa de error se
reduce a la mitad. Observar que decimos que la tasa de error se reduce a la mitad, no que el nmero exacto de
errores se reduce a la mitad, porque el pueden introducirse nuevos errores mientras corrige otros. El autor quiere saber
cuntas veces necesita hacer una lectura de correccin a fin de que la probabilidad de que no haya ms errores sea de
al menos 0,98. Supngase que el libro contiene 200.000 palabras. Calcular el nmero de veces que se repite la lectura.

14. El nmero de buques tanque que llegan en un da a una refinera tiene una distribucin de Poisson con = 2. Si
ms de tres buques llegan en un da, los que estn en exceso deben enviarse a otro puerto, pues las actuales
instalaciones portuarias pueden despachar a lo sumo tres buques al da.
a) Cul es la probabilidad de tener que hacer salir buque en un da determinado?
b) En cunto deben aumentarse las instalaciones para permitir la atencin a todos los buques el 90% de los das?

15. Una materia de la FIUBA se aprueba con un examen mltiple choice de 15 preguntas, con 5 opciones de
respuesta en cada pregunta.
a) Cmo debera establecerse un criterio de aprobacin, que asegure que el 90% los alumnos que no saben nada de
la materia y responden totalmente al azar sean reprobados?
b) Fijado el criterio anterior, si un alumno estudi lo suficiente como para que la probabilidad de responder bien cada
una de las preguntas es p=0.4 con qu probabilidad aprobar el examen?; y si estudia ms, hasta que p sube a 0.6?
c) Graficar aproximadamente la probabilidad de aprobar en funcin de p, para 0 p 1. (Curva caracterstica)
d) Expresar en palabras los errores de tipo I y de tipo II

16. Una fbrica de pinturas realiza una encuesta a 80 de sus clientes, preguntndoles si estn conformes con la calidad
de su producto. Si la encuesta llegara a demostrar que ms del 30% de los clientes quedan desconformes con el
producto (ojo!: el 30% de todos los clientes que han comprado ese producto, no el 30% de los 80 encuestados), la
empresa estara dispuesta a invertir u$s 500000 para mejorar la calidad del producto. Si no, dejar todo como est.
a) Establecer los errores de tipo I y de tipo II. Establecer un criterio de decisin, que garantice P(error I) 0.05
b) Calcular P(error II / p=0.5) (o sea, dado que el verdadero porcentaje de clientes insatisfechos es del 50%)

17. Una empresa que arma computadoras recibe mensualmente lotes de 5000 placas electrnicas de un proveedor
poco confiable. Previo a la aceptacin de los lotes, se realiza el siguiente control de calidad: se extraen al azar 80
placas de las 5000, las cuales son sometidas a un test de hardware. Si el nmero de placas que fallan en el test es
mayor que un nmero crtico c = 2, se rechazar todo el lote (las 5000 unidades). En caso contrario, ste se aceptar.
Estn establecidos los siguientes riesgos:
I: Riesgo del comprador: aceptar un lote malo (Lote malo: lote con 250 o ms placas falladas entre las 5000)
II: Riesgo del proveedor: rechazar un lote bueno (Lote bueno: lote con 50 o menos placas falladas entre las 5000)
a) Hallar las probabilidades de riesgos de ambas partes
b) Qu valor de c le garantiza al comprador que la probabilidad del riesgo I sea 0.1?
c) Para dicho valor de c, calcular P(riesgo II)=P(rechazar/el lote tiene 50 placas falladas)
Nota: para este ejercicio utilizar una aproximacin binomial a la distribucin hipergeomtrica

18. Los siguientes son resultados obtenidos al tirar un dado 50 veces: 1, 3, 5, 5, 6, 1, 2, 5, 1, 1, 1, 1, 1, 1, 1, 1, 2, 3, 2,
2, 2, 5, 2, 2, 2, 6, 4, 6, 1, 6, 1, 3, 4, 6, 2, 2, 4, 2, 4, 1, 1, 1, 2, 2, 2, 2, 6, 1, 1.
a) Estimar la media y la varianza de los resultados y compararlos con los valores tericos correspondientes a un dado
equilibrado.
b) Calcular la frecuencia de ases, y compararla con su valor esperado. dem para cada uno de los otros valores Qu
puede afirmar sobre la honestidad del dado utilizado? Graficar los datos en un histograma.

Variables continuas
19. Determinar si las siguientes funciones son fdp y en caso afirmativo hallar la FD correspondientes
a) f(x) = 1
b) f(x) = 1 para 0<x<1, f(x)=0 para otros x
c) f(x) = 1/6 para 1 x < 2; f(x) = 1/2 para 2 x < 3;
d) f(x) = 1-|1-x| para 0 x < 2; f(x) = 0; para otro x
Hallar las esperanzas y varianzas de las variables aleatorias del ejercicio anterior de respuesta afirmativa

20. El porcentaje de alcohol de un cierto compuesto se puede considerar una v.a. con la siguiente densidad: f(x) =
k(100 - x) para 0 < x < 100; f(x) = 0 para otro x.
a) Hallar k. Graficar f . Hallar la FD de X
b) Cul es la probabilidad de que el porcentaje de alcohol sea superior a 30?
c) Cul es la probabilidad de que el porcentaje de alcohol en el compuesto est comprendido entre 30 y 70?
d) Si el % de alcohol es inferior a 70, cul es la probabilidad de que supere 30?
e) Dados los eventos A={% > 30}; B={% < 70}; son A y B son independientes?
f) Hallar el porcentaje medio de alcohol en el compuesto.
21. Dada una v.a.con la siguiente funcin de densidad (triangular): ( ) ( ) ( )
<
<
=
no si
x a si a x
a x si a x
x f
0
1 1 1 2
0 2
, (para
0<a1), graficar f(x) y calcular la media y la mediana, para 3 valores diferentes de a entre 0 y 1 (por ejemplo: a= 0.5;
0.7; 1). Verificar que ambos parmetros son ms diferentes cuanto ms asimtrica es la densidad

22. Los siguientes datos corresponden a la concentracin de nquel en 20 muestras de una aleacin: 1,70, 1,75, 1,80,
1,29, 1,02, 1,58, 0,91, 0,89, 1,87, 1,99, 1,49, 1,12, 0,62, 0,39, 1,62, 1,68, 1,41, 1,35, 1,62, 0,83
a) Hallar la media y la desviacin standard de estos datos y construir un histograma
b) Segn una publicacin, se supone que la concentracin de nquel en dicha aleacin tiene la siguiente fdp: f(x)=x/2,
si 0<x<2, 0 en otro caso. Comparar los resultados obtenidos en a), con los valores tericos de media y varianza.
Comparar el histograma con el grfico de la fdp
c) afirmara que la distribucin terica concuerda con los valores experimentales obtenidos?

23. La duracin X de un componente elctrico es una variable aleatoria exponencial de media 1000 horas
a) Cul es la probabilidad de que dicho componente dure ms de 200 h?
b) Si se sabe que en la hora 1200 estaba funcionando, cul es la probabilidad de que dure ms de 1400h (es decir,
ms de 200h ms)?
c) Comparar las probabilidades obtenidas en la parte a y b y obtener una conclusin.
d) Al quemarse dicho dispositivo es inmediatamente reemplazado en forma automtica, por otro igual que el sistema
tiene almacenado Cul es la probabilidad de gastar el dispositivo original ms otros 4 almacenados, en 5000 horas?
e) hallar la mediana de la duracin, y explicar en palabras su significado
f) demostrar que [X] + 1 (donde [ ] indica parte entera) tiene distribucin geomtrica. Interpretar el resultado

24. Los defectos de una tela se distribuyen segn modelo de Poisson tal que la probabilidad de no encontrar fallas en
tres metros de tela es 0,01. Cul es la probabilidad de tener que revisar ms de 1 m para encontrar una falla?

25. La distribucin de Weibull W(,) es utilizada en estudios de confiabilidad, para dar modelos de tiempos de vida
til de productos. Su FD es ( )
( )
>
=
0 0
0 1
t
t e
t F
t
donde >0 y >0 son parmetros fijos.

a) Si la vida til (en horas) de un producto es W(1.5, 500), hallar la probabilidad de que dure ms de 700 horas,
sabiendo que lleg a las 500 horas sin romperse posee falta de memoria la distribucin de Weibull?
b) Se fabrica un lote de estos productos. Responder: la mitad del lote va a durar ms de (mediana)

26. En una computadora fallan, en promedio, dos transistores por hora segn una distribucin de Poisson. Mientras
menos de siete transistores estn fallados la computadora funciona normalmente, parndose en caso contrario. Hallar
la probabilidad de que la computadora pueda desarrollar un clculo que insume 3 horas.

III: Cambios de variables.
27. Sea X una variable aleatoria Bi(5,0.3) Hallar la funcin de probabilidad de Y = |X-3|

28 Sea X U(-2; 4). Hallar la densidad de X
2
.

29. Sea X U(0,1). Hallar la densidad de ln(X)

30. Sea X tal que f(x) = x + 1 para -1 < x < 0 y f(x) = -x + 1 para 0 < x < 1. Hallar la densidad de X
2
.

31. Sea X U(-2,3), y sea
( )
( )
>

=
0 2
0 4
2
x si x
x si e
x h
x
Hallar la densidad de Y=h(X)

32. Dada. X U(-2,3), y dada
( )
<

=
x si
x si x
x si
x h
2 4
2 1
1 , 1
2

a) Hallar la funcin de distribucin de Y=h(X) es Y discreta?, es continua?
b) Descomponer la funcin de distribucin hallada como una combinacin lineal de dos funciones de distribucin,
correspondientes una a una v.a. discreta y otra a una v.a. continua. Hallar E(Y)
GUIA 3: Vectores Aleatorios

1. De una urna que contiene 5 bolitas rojas, 3 verdes y 2 azules se sacan 3 bolitas sin reposicin. Sean X la cantidad
bolitas verdes obtenidas e Y la cantidad de verdes
a) Hallar la distribucin de probabilidad conjunta, y las distribuciones de probabilidad marginales X e Y son
independientes? Si se obtiene una verde cul es la probabilidad de no sacar ninguna azul? Escribirlo en trminos de
la f.p. condicional
b) Si se obtiene una azul, cul es la probabilidad de obtener ninguna verde?
c) son X e Y independientes?
d) Hallar la distribucin de probabilidad de la suma S = X + Y.
e) Hallar de dos formas diferentes la media de S y su variancia.

2. Sea X el nmero salido en un dado. Se tira una moneda X veces, siendo Y el nmero de caras. Hallar p
Y/X=3
.

3. De un mazo de baraja espaola se extraen repetidamente cartas con reposicin. Sean U y V los nmeros de las
extracciones en que salen el primer oro y la primera copa. Son variables independientes?

4. Sean X . Bi(m,p), e Y . Bi(n,p) independientes entre s. Probar que X+Y Bi(m+n,p)
Sugerencia: usar la siguiente igualdad:
|
|
\
| +
=
|
|
\
|
|
|
\
|
=
k
n m
j k
n
j
m
k
j 0

5 Para X e Y como en el ejercicio anterior, probar que la distribucin condicional de X/X+Y es hipergeomtrica

6. (opcional) Demostrar las siguientes propiedades
a)
( )
( ) ( )
+ +
P Y X
ntes independie
P Y
P X

b)
( )
( )
|
\
|
+

= +
, z Bi X
ntes independie
P Y
P X
z Y X

c)
( )
( )
( ) p P Y
p , x Bi Y
P X
x X

7. Los vehculos pasan por un punto de una autopista a una tasa de uno por minuto. Si el 5% de ellos son camiones y
el proceso es de Poisson, contestar las siguientes preguntas:
a) Cul es la probabilidad de que al menos un camin pase en una hora?
b) Si pasaron 10 camiones en una hora, cul es el nmero esperado de vehculos que han pasado en esa hora?
c) Si pasaron 50 vehculos en una hora, cul es la probabilidad de que 5 de ellos hayan sido camiones?

8. Sea L la cantidad de ases que salen al tirar 10 veces un dado equilibrado. Se hacen N tiradas ms; Sea L la cantidad
de ases que salen en ellas. Hallar la esperanza de N+L. Hallar la distribucin de L

9.Se arroja un dado repetidamente. Sea X el nmero de la tirada en que sale el primer as, e Y la cantidad de cuatros
que se obtuvieron antes del primer as. Hallar E(Y/X) y deducir E(Y)

10. De un cajn de frutas que contiene 3 naranjas, 2 manzanas y 3 bananas, se seleccionan al azar 4 frutas. Si X es el
nmero de naranjas obtenidas e Y el nmero de manzanas obtenidas: Hallar la fp conjunta y las fp marginales. Cul
es la probabilidad de que la cantidad total de naranjas y manzanas obtenidas no supere a 2?

11. Dada la funcin de densidad conjunta
( ) ( ) 2 1 0 ; 2 0 si , 2 2 , x y x y x a y x f < < < < =
a) Hallar P(Y > 0.25 /X < 1)
b) Hallar P(Y > 0.25 /X = 1)

12.Se observ que las llegadas de autos particulares a una estacin de servicio es un proceso de Poisson con tasa
media de llegadas
=6 autos/minuto, y la llegada de taxis es otro proceso de Poisson, independiente del anterior, con
tasa
=4 taxis/minuto
a) Hallar la probabilidad de que en un minuto entren 8 vehculos en total
b) Si en el ltimo minuto entraron 8 vehculos, cul es la probabilidad de que ninguno haya sido taxi?

13.En un bosque hay 100 elefantes: 50 son grises, 30 blancos y 20 rosados. Se eligen al azar 9, con reemplazo.
Calcular la probabilidad de que 4 sean grises, 2 blancos y 3 rosados

14. La distribucin conjunta de X e Y es uniforme en el rectngulo [2,4] x [3,7]. Son X e Y independientes? Calcular
las marginales y hallar E(X+Y)

15. Una mquina industrial debe ser reparada por su service cuando se descompone. El nmero de reparaciones
anuales es un proceso de Poisson de = 0,4. Por otro lado, la mquina tiene una herramienta de corte que se desgasta
ms frecuentemente El cambio de herramienta pieza lo realizan operarios de la misma fbrica. Para esto, el service, en
una visita, deja en la empresa 8 herramientas, como stock. Se sabe que, si T es el tiempo que transcurre entre dos
visitas consecutivas del service, y X es el nmero de cambios de herramientas que debern hacerse entre estas dos
visitas, X/T P(5T). Hallar el nmero esperado de piezas que sern necesarias entre dos visitas del service.
Considera que ser suficiente el stock dejado por el service en su visita?

16. X e Y representan las duraciones en aos de dos componentes en un sistema electrnico cuya funcin de densidad
conjunta es: ( )
( )
> >
=
+
no si 0
0 ; 0 si ,
,
y x e
y x f
y x
Encontrar P(0 < X < 1 /Y = 2)

17. Dada la funcin de densidad conjunta ( )
( )
< < < <

=
no si 0
1 y 1;0 x 0 si , 1 24
,
2
y y x
y x f
a) Demostrar que las variables X e X son independientes.
b) Calcular la funcin de regresin de Y dado X.

18. Sea Y = X
2
donde X es U(-1,1). Probar que X e Y son incorrelacionadas pero no independientes.

19. El responsable de una lnea de fabricacin de capacitores elctricos se pregunta si es posible predecir la capacidad
de sus productos, a partir del la medicin de la distancia entre pistas (se supone que es ms rpido y sencillo medir la
distancia que la capacidad). Para evaluar si existe correlacin entre ambas variables, toma una muestra de 15
capacitores fabricados, midiendo su capacidad (en F) de 15 capacitores, y la separacin entre pistas (en m). Los
valores son mostrados en la tabla siguiente:
capacidad 3.1 2.8 2.8 3.0 2.8 3.1 2.6 3.1 3.1 3.0 2.9 3.0 2.9 2.8
distancia 63 52 51 60 44 57 41 62 56 51 51 53 55 47
Calcular el coeficiente de correlacin muestral y responder si la prediccin es posible. A travs del mtodo de
cuadrados mnimos predecir la capacidad que se espera tenga un capacitor de 54 m de separacin

20.Dos personas han quedado en encontrarse entre las t y las t +t horas, pero cada uno no esperar al otro ms de a
minutos. Cul es la probabilidad de que se encuentren?
Resp: (a / t)(2-a / t)

21. Sea X el tiempo que pasa (desde un instante inicial t = 0 horas) hasta que se quema una plaqueta electrnica que
comanda un proceso industrial. Se supone que X (=1/5) Una vez que se quema esta plaqueta, el proceso puede
durar an un tiempo ms. Si Y es la duracin del proceso (desde t=0), se supone que
( ) 1 , + X X U Y
X

a)Hallar la probabilidad de que el proceso dure ms de 7 horas
b) Si el proceso dur 7,5 horas, cul es la probabilidad de que la plaqueta se haya quemado antes de las 7 horas?

22. Sean X, Y v.a. i. con fdps ( ) ; 2 1 ; /
2
< < = y y b y f ( ) ; 1 0 ; < < = x x a x f Hallar la fdp de Z =X/Y.

23. Probar que X e Y no son independientes, pero tienen covarianza nula, si T es la regin sombreada de la figura, y el
par (X,Y) tiene funcin de densidad conjunta

( (( ( ) )) )
( (( ( ) )) )

= == =
no si 0
T y) (x, si , 1
,
2
x c
y x f

24. Sean las variables X e Y con distribucin (2,) independientes Hallar la distribucin de X/(X+Y)

1 -1
1
x
y
1 -1
1
x
y
GUA 4 Complementos sobre variables aleatorias

Mezcla, Truncamiento, Distribuciones de extremos
1. Un lote de ampollas tiene una capacidad de 10 cm
3
cada una. Una mquina envasadora enva a cada ampolla un
volumen de lquido que es una v.a. con densidad proporcional a (20-x) para 0 < x < 20 (en cm
3
). Hallar
a) La funcin de densidad de probabilidad del lquido en una ampolla
b) dem del lquido rebalsado
c) La cantidad media de lquido por ampolla
d) La varianza del lquido rebalsado.

2. Los aportes de agua que en un ao llegan a un embalse procedente de su cuenca alimentadora, constituyen un
volumen X aleatorio que se distribuye segn la siguiente funcin de densidad de probabilidad (en hm
3
): f(x) = (x-
150)/125
2
para 150 x 275; f(x) = (400-x)/125
2
para 275 x 400; f(x) = 0 si no. Si la capacidad del embalse es
de 170 Hm
3
, el consumo de la ciudad que abastece es de 180 hm
3
, si el agua que llega primero se destina al consumo
de la ciudad, y si se supone que al comienzo de un cierto ao el embalse est vaco, se pide:
a) la fdp y la fd del agua embalsada al cabo de un ao.
b) la probabilidad de que al cabo de un ao el embalse est vaco, y la de que est lleno.
c) la esperanza y varianza del agua embalsada al cabo de un ao.
d) dem, del agua suministrada a la ciudad.

3. Un viajante tiene tres alternativas de viaje a su trabajo: A, B y C, y sabe que los porcentajes de veces que usa
estos medios son respectivamente: 50%, 30% y 20%. El tiempo de viaje de cada medio de transporte es una v.a T (en
horas) con: f
A
(t) = t para 0 < t < t
maxA
; f
B
(t) = t para 0 < t <t
maxB
; f
C
(t) = t para 0 < t < t
maxC
. Se sabe que ha transcurrido
media hora y an no ha llegado al trabajo. Cul es la probabilidad de que llegue por el medio de transporte A?
4. El dimetro de las ciruelas (en cm) tiene una funcin de densidad de probabilidad: f(x) = x/4 para 0 < x < 2; f(x) =
(4-x)/4 para 2 < x < 4; f(x) = 0 paral otro x. Estas son clasificadas pasando por dos tamices tas que:
Calidad I si x1
Calidad II si 1 x < 3
Calidad III si 3 x
Pero, por cuestiones de forma, el 10% de las que deberan atravesar el tamiz, no lo hace. Cul es la funcin de
densidad de probabilidad de las ciruelas clasificadas como Calidad III?
5.Se tienen ciertos componentes elctricos con duraciones aleatorias cuya
distribucin es (100) Si estos elementos se conectan en serie, la duracin del
circuito es la del elemento de menor duracin y si se conectan en paralelo, es la
del de mayor duracin. Calcular en ambos casos la funcin de distribucin F(t)
de la vida del circuito para n=10 elementos. Calcular la vida til de un circuito
de 5 elementos, conectados segn el esquema de la derecha
6. Un circuito contiene 10 transistores, cuyos tiempos de duracin (en horas) pueden considerarse como variables
independientes, todas con distribucin W(2,0.001). Para que el circuito funcione hacen falta todos los transistores.
Hallar la mediana de la vida til del circuito.

7. El tiempo de retraso para llegar a una reunin tiene una densidad f(t) = ke
2t
para t < 0 y f(x) = ke
-2t
para t 0.Si
deben reunirse 2 personas, cul es la fdp de la hora de comienzo?

8. Un tirador sabe que, en sus entrenamientos, el 30% de los saltos obtiene un puntaje de 8, en el 50% de ellos
obtiene 9 y en el resto obtiene 10. El puntaje asignado en una competencia es el mximo de 3 intentos Hallar la
probabilidad de obtener 10 Cuntos intentos deberan permitrsele para que dicha probabilidad sea mayor que 0.7?
Simulacin
9.a) Probar que, si U es un nmero aleatorio generado con la instruccin RANDOM de una calculadora

( )
~
) 1 ln( U
X
=

b) Elegir un nmero positivo cualquiera, y generar 8 v.a. (). Luego calcular el promedio y desviacin standard
muestrales, y compararlos con los valores tericos

10. Generar 10 v.a. continuas con fdp f(x)=x, si 0<x<2. Calcular su promedio y desviacin standard muestral, y
compararlos con los valores tericos

11. Sacachispas y el Deportivo El Progreso se enfrentan en el clsico barrial. La cantidad de goles del primer equipo
tiene distribucin de Poisson de
1
=1,5 goles/partido, y la del segundo tambin, con
2
=0,6 goles/partido. Ambas
variables se consideran independientes. Estimar por simulacin la probabilidad de que gane cada uno de los equipos y
la de empate. Calcular en forma terica la probabilidad de empate, y comparar
Opcional: Realizar 1000 simulaciones, utilizando Excel

12. El Sr. Gmez sale de su trabajo a las 19:00 en punto y se dirige a la parada del colectivo 528 (posicin 1 en el
mapa) para volver a su casa. Dicha lnea de colectivos tiene una frecuencia exacta de un coche cada 6 minutos. El Sr.
Gmez ignora a qu hora vendr el prximo coche, por lo que el tiempo de espera hasta su llegada es considerado
uniforme. Una vez que Gmez subi, el coche demora un tiempo aleatorio U(6min, 9min) en llegar a la posicin 2,
donde hay un semforo, que se encuentra en verde el 40% de las veces. Si no est verde, debe esperar 3 min.
El tiempo que tarda el colectivo en recorrer el trayecto 2-3 es una v.a.
con distribucin f(x)= k x (0<x< 10 min). El semforo 3 lo pasan en
verde con probabilidad 0.3. Si est en rojo deben esperar un tiempo
U(0,2min). Luego, se demora exactamente 12 minutos en llegar a 4,
donde la barrera est baja con probabilidad 0,8, y en ese caso deben
esperar 5 min el paso del tren. El tiempo que demora el trayecto 4-5 es
U(15min, 20min), y el trayecto 5-6 tiene funcin de densidad f(x)=
kx
2
(0<x<5min). Gmez se baja en 6, y camina exactamente 3 min
hasta llegar a su casa en 7.
Simular el viaje repetidamente, y estimar la probabilidad de que
Gmez llegue a tiempo para ver completa la telenovela de las 20:00

1 1
3 3
7 7
6 6
4 4
2 2
5 5
1 1
3 3
7 7
6 6
4 4
2 2
5 5
Gua 5 - Distribucin Normal. Teorema Central del Lmite

1. En una planta industrial el consumo mensual de combustible es una variable aleatoria distribuida normalmente
con media 20000 litros y desvo estndar 2500 litros.
a) Qu porcentaje de los meses se consume menos de 24000 litros?
b) dem con ms de 18000 l y entre 18000 y 24000 l
c) Qu capacidad debe tener un tanque para satisfacer el consumo mensual con 95% de probabilidad?
d) Cul es el consumo superado en el 90% de los meses?
e) Considerando slo los meses en que se consume menos de 24000 litros, en qu porcentaje de ellos se consume
ms de 18000?
f) Considerando slo en que se consume ms de 18000 litros, qu porcentaje de ellos consume menos de 24000?
g) Para el tanque cuya capacidad fue calculada en d), supongamos que es llenado todos los meses; cul es la
probabilidad de que en un ao haya algn mes en que no alcance a satisfacer el consumo?
(Hacer este ejerciciocon la tabla de la D. Normal, y verificar el resultado con las funciones de Excel distr.norm y
distr.norm.inv)

2. En un establecimiento agropecuario, el 10% de los novillos que salen a venta pesan ms de 500 kg y el 7% pesa
menos de 410 kg. Si la distribucin es normal, calcular:
a) El peso superado por el 15% de los novillos.
b) Un intervalo que comprenda al 95% de los novillos.
c) La probabilidad de que en una jaula de 25 novillos haya alguno que pese menos de 400kg

3. En una lnea de montaje se arma un mecanismo que tiene un eje que gira dentro de un buje. Un eje y un buje
ajustan satisfactoriamente si el dimetro del segundo excede al del primero en no menos de 0,005 y no ms de 0,035.
Los dimetros de los ejes y los bujes son variables aleatorias con distribuciones U(0,74; 0,76) para los ejes y U(0,76;
0,78) para los bujes, independientes. Cul es la probabilidad de que un eje y un buje tomados al azar ajusten
satisfactoriamente?

4. En una fbrica de cerveza tienen una mquina llenadora que recibe envases de vidrio vacos y los llena con un
volumen terico de cerveza que ser elegido e ingresado en el software de la mquina. Una vez elegido tal volumen
terico (llammoslo V), el volumen real de las distintas botellas ser N(V, 10 ml)
a) Si se elige V=1 litro, qu valor debera indicarse en el envase si se pretende que slo el 3% de las botellas tengan
menos cantidad que lo indicado?
b) Si se desea que slo el 1,5% de los envases supere 1 litro, cmo debera elegirse V?
c) Si se extraen de 20 envases, cul es la probabilidad de encontrar ms de dos con volumen inferior a 970 ml?
Nota: Suponer que la capacidad de los envases es lo suficientemente grande para ser llenados con cualquier volumen
sin que desborden

5. Respecto al ejercicio anterior, suponer que si las botellas con menos de 970 ml son consideradas no conformes. Si la
empresa vende botellas no conformes, se arriesga a recibir una multa de la Secretara de Defensa del Consumidor
a) Cmo debe elegirse V, si se desea que slo el 0,5% de los envases sean no conformes?
b) Describir en palabras los errores de tipo I y II para este problema
c) Calcular el error de tipo II, para una botella llenada con 982 ml

7. El peso de conejos machos adultos se supone N(=340g, =20g), y el de las hembras se supone N(=300, =15).
Se estima un proporcin de machos del 40%.
a) Si se colocan 4 conejos al azar en una jaula, hallar la probabilidad de que la jaula llena pese ms de 1,3 kg
(descartando el peso de la jaula vaca)
b) Si dicha jaula pesa 1,3 kg, Cul es la probabilidad de que contenga 2 machos y 2 hembras?

8. El lmite mximo permitido de descarga de desechos slidos a un ro en una ciudad es de 60 mg/l diarios. Un
minuciosos estudio realizado en muestras de agua seleccionadas al azar del desecho de una fbrica durante un largo
perodo de tiempo permiti saber que la cantidad de slidos descargados por da (en mg/l) es una v.a. con = 52, = 6.
a) Calcular la probabilidad de que en un da cualquiera la fbrica no cumpla el requerimiento. (suponer DN)
b) Calcular la probabilidad de que el promedio mensual de desechos no cumpla el requerimiento. Es necesaria aqu la
suposicin de normalidad de a?

9. En un casino hay una ruleta de slo tres nmeros: 3, 6 y 9 (al tirar la ruleta, cada uno de estos nmeros tiene
probabilidad 1/3 de salir). Luego de apostar 10$, los jugadores tiran 3 veces la ruleta, y el casino paga tantos pesos
como el mximo nmero salido en las tres tiradas.
a) Sea P el dinero perdido por un jugador al jugar (P>0 significa que el jugador perdi, P<0 significa que gan)
b) Hallar E(P) (e interpretar en palabras su significado) , y Var(P)
b) Calcular la probabilidad de perder ms de $500 en 300 jugadas

10. Se desea verificar si una moneda es equilibrada (P(cara)=1/2), o est cargada (P(cara)1/2) . Para eso se tira la
misma n veces. Determinar un criterio de decisin, en funcin de n, que garantice una probabilidad de 0,1 de detectar
falsamente que est cargada cuando la moneda es realmente equilibrada

11. Rehacer los ejercicios 16, 17 y 18 de la Gua 2, aproximando por distribucin normal. Comparar los resultados

12. Capacidad de procesos. La calidad de un proceso industrial suele caracterizarse por alguna variable X, medible
sobre dicho proceso o sobre el producto fabricado por l (por ejemplo, X puede ser el dimetro de piezas torneadas, la
corriente elctrica en un proceso de soldadura, el volumen de llenado de botellas, la dureza de comprimidos
farmacuticos o su concentracin de principio activo, etc) Se suelen definir lmites superior e inferior de
especificacin (LSE, LIE) como aquellos valores a partir de los cuales el producto resulta no conforme o defectuoso.
Cuando X cae dentro del intervalo [LIE; LSE], el producto se considera aceptable. Los sucesivos productos son
obtenidos con variaciones aleatorias en X, que se suponen normales. La capacidad del proceso de elaboracin se
define como la aptitud para generar productos dentro de los lmites, y se cuantifica a travs del ndice de capacidad C
p
6
LIE LSE
C
p
=
Siendo =V(X)
1/2
. Este ndice es vlido slo cuando el proceso es centrado, o sea, cuando E(X) coincide con el punto
medio entre LIE y LSE.
a) Interpretar el significado de C
p
b) De un proceso centrado con lmites LIE=10,90 mm; LSE 11.10 mm se midieron 15 piezas, obteniendo (en mm):
10.98, 10.92, 11.01, 11.08, 11.07, 11.10, 10.87, 10.99, 11.07, 10.93, 10.96, 10.90, 10.89, 10.94, 10.95. Estimar a
partir de la desviacin standard muestral de estos valores. Luego, estimar C
p
y el porcentaje de productos defectuosos
c) Calcular el porcentaje de piezas no conformes para procesos centrados con C
p
iguales a 0.66, 1 y 1.33
d) Un proceso centrado trabaja con un 0,5% de piezas no conformes. Cunto vale su C
p
?

13. Control Estadstico de Procesos
La media y la dispersin histricas de una variable X en un proceso continuo son, respectivamente =162.4 y =0.2.
Se dice que el proceso funciona bajo control cuando es estable, es decir, cuando la variacin aleatoria de X se
corresponde con los valores histricos de y en todo momento. En caso contrario, se dice que el proceso est fuera
de control.
Para evaluar si se descontrola el proceso, se toman mediciones de la variable cada 15 minutos y se definen las
siguientes seales de descontrol, es decir, eventos muy improbables cuando el proceso est bajo control. De
producirse alguno de estos eventos, se concluira que el proceso dej de estar bajo control:
Un valor de X por encima de +3 o por debajo de 3
Dos de tres valores consecutivos por encima de +2 o por debajo de 2
Cuatro de cinco valores consecutivos por encima de + o por debajo de
Ocho valores consecutivos por encima de o por debajo de
a) Calcular las probabilidades de cada seal de descontrol, y verificar que todas son < 0,005 (suponer XN(,)).
b) Luego de un da de trabajo se tomaron 50 mediciones y se volcaron en el siguiente grfico (grfico de control).
Analizarlo, y decir si aparecen seales de descontrol, o si, por el contrario, el proceso funciona controlado
161,6
161,8
162,0
162,2
162,4
162,6
162,8
163,0
163,2

Nota: De las seales de descontrol indicadas arriba se excluy una de ms tiles en la prctica real: Seis puntos
consecutivos en tendencia creciente o decreciente La probabilidad de esta seal de descontrol es 0,0015 pero su
clculo es ms complejo que el de las otras.

Verificaciones del TCL
14.a) Dado que toda v.a. Bi(n,p) puede representarse como suma de v.a. Bi(1,p) (o Bernoulli), es razonable la idea de
aproximar dicha distribucin por una normal. Utilizando la funcin distr.binom de Excel, graficar las f.p.
correspondientes a distribuciones Bi(n,p), para n=5, 20 y 50, y p=0,05, 0.1 y 0.5 (9 grficos en total) Decidir cules de
dichos grficos tienen formas de campana, y en consecuencia en qu casos resulta correcto aproximar sus
distribuciones por normales
b) A pesar de que no toda v.a. P() puede representarse como suma de otras v.a., es razonable tratar de aproximar
dicha distribucin por una normal, sobre todo para altos valores de . Utilizando la funcin poisson de Excel, graficar
las f.p. correspondientes a distribuciones P(), para =1, 3.5 y 10 Decidir cules de dichos grficos tienen formas de
campana, y en consecuencia resulta correcto aproximar por normales

15. Sea X=X
1
+ X
2
+ X
3
+ X
4
+ X
5
, con X
i
U(0,1) independientes.
Se desea saber si la distribucin de X puede o no aproximarse por una normal. Para esto, se propone usar Excel para
generar 200 copias simuladas de la v.a. X . Se procede de la siguiente manera:
a. utilizando la funcin aleatorio(), generar una matriz de 200 x 5 nmeros U(0,1) (RANDOM)
b. sumar por columnas, generando una 6
ta
columna, cuyos elementos sern copias simuladas de X
c. graficar estos valores en un histograma mediante la opcin: Herramientas/Anlisis de Datos/Histograma
d. evaluar si dicho histograma posee o no forma de campana, y en consecuencia responder si la aproximacin
propuesta es adecuada o no

Ejercicios Variados Guas 1 a 5

Nota a los alumnos: La inclusin de esta lista de ejercicios separada de las guas anteriores obedece slo a una
sugerencia sobre el orden conveniente para resolver los ejercicios. Se recomienda hacer primero los ejercicios
anteriores, y luego los que vienen a continuacin, cuya resolucin requiere tener los conocimientos un poco ms
asentados. Sin embargo, estos ejercicios son parte integrante de la Gua de la materia y no deben ser considerados
como opcionales

1. El arribo de clientes a un comercio sigue un proceso de Poisson de media 3 clientes por hora. Sin embargo, slo el
30% de los clientes que arriban realizan alguna compra.
a) Si el costo de cada compra realizada es una variable aleatoria con distribucin U($100, $150), calcular la
facturacin esperada luego de 6 horas de trabajo. Justificar el clculo
b) Calcular aproximadamente la probabilidad de que en 10 das de trabajo (8 horas por da) se facture ms de $11000

2. Dadas v.a. X, Y tales que: X U(3,4) e Y/X N(X,1), y usando la tabla de la DN, hallar f
Y
(5) y P(X>3.5/Y=5)

3. Una empresa farmacutica compra un gran lote de envases de vidrio. Por convencin, un lote se declara como
bueno si contiene 1% o menos de envases quebrados, y se establece como malo si dicho porcentaje supera el 5%.
Se debe establecer un plan de muestreo, esto es: un tamao muestral n y un nmero de aceptacin c. Se inspeccionar
una muestra de n envases, y se aceptar un lote cuando el nmero de envases quebrados encontrados en la muestra
supere a c. Hallar valores de n y c que garanticen que tanto la probabilidad de aceptar lotes malos (error I), como la
probabilidad de rechazar lotes buenos (error II) sean ambas iguales o menores que 0,05 (aproximar por DN)

4. Sea la fase de un generador elctrico, la cual vara aleatoriamente segn una distribucin U(,). Se define el
factor de potencia como C=cos() .
a) Hallar la funcin de densidad de C. Calcular algunos puntos de esta funcin que permitan realizar un grfico
aproximado. Calcular ( ) ) 5 . 0 < C P (Recordar que
2
1 1 )' arccos( x x = )
b) Nos proponemos medir el factor de potencia 50 veces, para obtener valores C
1
,,C
50
Calcular ( ) 5 . 0 < C P

5. a) Dadas U
i
U(0,1) (i=1,,n), calcular la distribucin de ln(T), si
n
U U
T

=
L
1
1

b) Obtener una expresin matemtica que permita calcular P(T<10
6
), para n=20
c) Calcular numricamente en forma aproximada la expresin anterior

6. Simular 5 v.a. con distribucin ) 1 , 4 ( = = n (puede usarse el resultado del ejercicio anterior) Calcular el
promedio y la desviacin standard muestral, y compararlos con los valores tericos

7. La duracin en horas de un modelo de capacitores utilizados en un sistema electrnico tiene distribucin
exponencial con =0,015. El sistema tiene instalados 5 capacitores idnticos con reemplazo automtico: al comienzo
hay slo uno activado, cuando ste falla se activa el segundo, y as sucesivamente hasta que falla el ltimo, en cuyo
caso el sistema se inutiliza. Slo es posible reemplazar los capacitores cuando se desconecta el sistema: una vez cada
dos semanas. En ese momento, un tcnico descarta los quemados y los reemplaza. El proceso de desconectar el
sistema genera un costo operativo estimado en $1500. Por otro lado, por cada hora con el sistema inutilizado se estima
un costo de $50
a) Hallar una expresin matemtica que permita calcular el costo esperado de funcionamiento
b) Se justificara econmicamente la decisin de desconectar el sistema una vez por semana para cambiar los
capacitores fallados, en lugar de cada dos? (realizar las aproximaciones necesarias para poder responder)

8. La duracin en horas de un generador energtico tiene distribucin exponencial con =0,002 h
-1
. Dos generadores
idnticos estn conectados de forma tal que, cuando uno falla, se activa automticamente el segundo. Por otro lado, la
potencia de ambos generadores es una v.a. U(0; 0.01 MW), constante y la misma para los dos equipos.
c) Hallar la energa total generada por ambos equipos en toda su vida til (Recordar: energa = potencia tiempo)
d) Calcular la probabilidad de que la energa generada sea mayor que 7 MWh, si es mayor que 5 MWh

9. En un casino hay una ruleta con 5 nmeros, como indica la figura. El sector con el n 1 abarca
90 del plato de la ruleta, el del 2 y el del 3, 45 cada uno, el del 4 60 y el del 5 120. La
probabilidad de que salga cada nmero es proporcional al ngulo que define cada sector.
a) Utilizando la tecla RANDOM de la calculadora, simular 10 tiradas de la ruleta.
b) Calcular el promedio y la desviacin standard muestrales, y compararlos con los valores
tericos esperados.
c) Hallar la probabilidad aproximada de que, luego de tirar la ruleta 100 veces, la suma de los
nmeros obtenidos sea mayor que 250

10. Mtodo de Box-Muller para simular v.a. normales
a) Dadas U y V v.a. RANDOM (o sea, U(0,1)) probar, efectuando un cambio de variables bidimensional, que, si

( )
( )
=
=
V sen U Y
V U X
2 ln 2
2 cos ln 2

X e Y resultan v.a. N(0,1) independientes entre s. (Sugerencia: se puede despejar fcilmente U y V como funciones
de X e Y, haciendo X
2
+Y
2
, y Y/X. Cualquier semejanza con coordenadas polares no es pura coincidencia)
b) A partir de este resultado, explicar como simular v.a. con distribucin N(, ), para cualquier valor de y
c) Generar 10 v.a. N(10,2). Calcular el promedio y desviacin standard muestrales y compararlos con los valores
tericos

11.Un scanner ptico automtico busca defectos en una hoja continua de metal. Si el metal est siendo producido
adecuadamente, los defectos deberan ocurrir a una tasa de un defecto cada 50m
2
de metal. Responder las siguientes
preguntas suponiendo distribucin de Poisson
a) cul es la probabilidad de encontrar 7 o ms defectos en 200 m2 de metal, dado que el proceso funciona
adecuadamente?
b) La compaa quiere poner a punto un plan de inspeccin que detecte cundo el proceso est funcionando mal. La
inspeccin se llevar a cabo del siguiente modo: se inspeccionan los primeros 200 m
2
de metal producido. Si se
encuentra un nmero mayor de defectos que un nmero crtico c, entonces el proceso es declarado como no conforme.
Determinar el nmero crtico c necesario para que si, la verdadera tasa de defectos es de 4 defectos cada 50 m2,
entonces la probabilidad de declarar al proceso no conforme sea 0,95.
c) Usando ese valor de c, cul es la probabilidad de declarar conforme un proceso no conforme?

12.Un supermercado decide hacer una promocin para sus clientes. Prepara 3 canastas con productos: una con quesos,
otra con vinos y una tercera con fiambres. El primer cliente que concurra a partir de las 10 horas, recibe por sorteo una
de las tres. El segundo en llegar recibe por sorteo una canasta entre las dos que quedan, y el tercero en llegar se lleva
la canasta restante. La llegada de clientes sigue un proceso de Poisson con = 6 clientes / hora
a) Calcular la probabilidad de que la canasta con vinos sea entregada antes de las 10:20.
b) Calcular la probabilidad de que las tres canastas sean entregada antes de las 10:20.
1
2
5
4
3
1
2
5
4
3
c) Dados los 3 eventos siguientes: Q: la canasta de quesos es entregada antes de las 10:20; V: la canasta de vinos
es entregada antes de las 10.20 y F: la canasta de fiambres es entregada antes de las 10:20, son independientes V,
Q y F? Justificar

13.Una empresa fabrica pur de tomate en latas y una mquina lo envasa en latas. La mquina es controlada por una
balanza, que al registrar un peso A seteado por el operador, corta el flujo de producto y cierra la lata. Se supone que la
balanza no es exacta. El peso medido es un v.a. con distribucin normal centrada en el peso verdadero, y =10. La
empresa debe asegurar que las latas contengan por lo menos 350g, en caso contrario se expone a una multa. Cmo
debe elegirse A para asegurar que menos del 0,5% de latas tengan un peso <350g?

14.Un micro de larga distancia dispone de 90 asientos. Sin embargo, la empresa est decidida a vender algunos
boletos ms que 90, porque sabe que, habitualmente, el 20% de los pasajeros que han comprado su boleto desisten de
viajar. Si se mantiene esta proporcin, cuntos boletos deben venderse, para tener una probabilidad aproximada de
0,99 de que todos los pasajeros que desean viajar tengan lugar en el micro?

15. En el ej. 12 de la Gua 2, se dijo que las llegadas de pacientes a un consultorio de guardia constituye un proceso de
Poisson de =2 pacientes/hora. Se desea hallar la probabilidad aproximada de que en 48 h seguidas de guardia acudan
menos de 100 pacientes. Para esto, puede aplicarse el TCL de dos maneras: como la aproximacin de una distribucin
de Poisson, o como la aproximacin de una distribucin Gamma. Hacerlo de ambas formas, y comparar los resultados
con la probabilidad exacta
=
99
0
96
! 96
i
i
i e =0.645 (este ltimo resultado puede obtenerse con Excel, tipeando
=POISSON(99,96,verdadero) )

16. En una fbrica se utilizan 3 tornos para fabricar pistones. Para que dichas piezas puedan encastrarse, su dimetro
debe estar entre 30,80mm y 30,82mm. Si no, la pieza debe ser descartada. A travs de estudios estadsticos pudieron
estimarse los parmetros de cada torno (suponemos distribucin normal en los 3 casos)
Torno

1 30,81 0,005
2 30,804 0,002
3 30,820 0,003
a) Cul es el mejor torno?
b) Si se utilizan piezas fabricadas por los 3 tornos en proporciones 35%, 50% y 15%, respectivamente, estimar el
porcentaje de piezas descartadas.
c) Se elige una pieza al azar entre las aceptadas, y se mide su dimetro, resultando 30,81mm cul es la probabilidad de
que haya sido fabricada por el torno 1?

17. Una empresa lctea fabrica queso descremado, con leche comprada a 3 tambos distintos: el tambo A entreg 300
barriles de leche, el B, 200, y el C, 500. El % de grasa de la leche tiene funcin de densidad
( )
( )

=
no si 0
a 2 x a si a x k
x f
Para la leche del tambo A, a = 2, para la del B, a = 3 y para la del C, a = 4. Cada barril recibido es ensayado, y si el
porcentaje de grasa excede 6%, no se lo utiliza para queso descremado, sino para otro producto
a) Hallar los valores de las constantes k, la funcin de densidad del porcentaje de grasa, y la probabilidad de que un
barril aceptado para queso descremado provenga del tambo B
b) Llamemos y al porcentaje de grasa del queso elaborado, que puede calcularse como ( (( ( ) )) )
2
2 2 , 0 = == = x y , donde x es el
porcentaje de grasa de la materia prima. Hallar la distribucin y la esperanza de y

18. Sea XN(0,1). Hallar la ditribucin de X
2

19. Las llegadas de clientes a una ventanilla de atencin al pblico configuran un proceso de Poisson de = 3 clientes
/minuto. Cuando los clientes llegan se agregan a la cola, hasta que les llegue el turno de ser atendidos. La atencin de
c/u demora un tiempo U( 0,3min ; 0,5min )
a) Simular la llegada y atencin de 10 clientes, y estimar el tiempo promedio de espera por cliente (cola+atencin)
b) (opcional) Realizar 500 simulaciones en una planilla de clculo Afirmara que la longitud de la cola es
estacionaria?

20. (opcional) Se desea medir el largo L de una pieza rectangular como la de la figura. Para eso se utiliza un
instrumento que no puede alinearse perfectamente. La inclinacin del eje del instrumento (X) respecto del largo de la
pieza forma un ngulo que se supone U(0;5). En dicho instrumento se ley un valor de longitud de 43 mm. Por la
incertidumbre en la apreciacin de la lectura, se puede decir que la longitud medida sobre el eje del instrumento, es
una v.a. U(42,8mm ;43,2mm)

A partir de simple un anlisis trigonomtrico, est claro que el largo de la pieza es: L = X cos . Determinar f
L
y
calcular la probabilidad de que la pieza mida menos que 42,8 mm

21. Se desea medir la longitud del semieje de un camin, con un calibre digital largo de resolucin 0.01 mm. Esto
ltimo significa que el instrumento posee un indicador digital como el siguiente:

, mm

Si L es la variable fsica (continua) correspondiente a la longitud medida, el dispositivo digitalizador del calibre
redondea L a un valor Y (discreto). Y es el valor ms cercano a L entre los expresables en centsimas de mm.
a) En estas condiciones, se suele suponer que
Y
L U( Y - 0.005mm; Y + 0.005 mm). Explicar en palabras por qu
b) Por otro lado, la indicacin Y puede variar a causa de dilataciones trmicas del calibre. Para evaluar estas
variaciones se repiti la medicin del semieje 100 veces, obteniendo los valores siguientes:

Y (en mm) 1931.13 1931.14 1931.15 1931.16
frecuencia 28 40 26 6

En base a estos datos, estimar la funcin de probabilidad p
Y
y deducir E(Y) y E(L)
c) Hallar la funcin de densidad de L a partir de la informacin disponible, y calcular la probabilidad de que el
semieje mida ms de 1931.158 mm
Nota: En realidad, L es un parmetro fsico constante (longitud del semieje), pero se lo considera una v.a. debido a la
falta de informacin completa sobre su valor exacto

22 Un lote de bombitas elctricas se considera bueno, cuando menos del 1% de las bombitas estn quemadas, y se
considera malo cuando dicho porcentaje asciende al 3% o ms. Una cadena de supermercados compra un lote de
50000 bombitas, y elige una muestra de n para ensayar. Si c o menos de ellas estn quemadas, acepta el lote. En caso
contrario lo devuelve al proveedor. Se proponen 3 planes de muestreo:
I: n=200; c=4
II: n=100; c=2
III: n=100; c=1
L

X
L
X
a) Expresar en palabras los riesgos del proveedor y del comprador
b) Utilizando la funcin distr.binom de Excel, graficar las COs de los 3 planes (es vlido aproximar
hipergeomtrica por binomial, porque n<<50000)
c) el plan II protege similarmente al proveedor que el plan I? y al comprador? Justificar
d) el plan III protege ms al comprador que el plan I? y al proveedor? Justificar

23. (opcional) Significado del parmetro en la distribucin de Weibull: Supongamos que la duracin en das de
un producto industrial hasta su falla es TW( ,=0.005) (ver ejercicio 25 de la Gua 2)
a) Calcular P(T>200) y P(T>500 / T>300) para
= 0.5
= 1
= 1.5
b)En general, si la distribucin es con <1 se dice que el producto tiene fallas tempranas, si es con =1, se dice que
tiene fallas casuales o con falta de memoria (caso exponencial,) y si >1, que tiene fallas por desgaste. Interpretar
los resultados obtenidos en a)
c) Indicar, de acuerdo a su modo de falla, en cul de las categoras de b) clasificara a los siguientes productos
un software de uso comercial, donde T es el tiempo hasta que el usuario encuentra un error de programacin
un neumtico, donde T es el tiempo hasta una pinchadura causada por objetos punzantes en las calles
una heladera, donde T es el tiempo hasta que el motor deja de enfriar

GUIA 6 - Inferencia - Estimacin de parmetros - Ensayos de hiptesis

1. Dar una muestra de 5 nmeros en la cual la mediana coincide con la media, otra en que la mediana tome valores
muy por encima de la media, y otra en que tome valores muy por debajo.

2. Se desea estimar la media de una poblacin normal N(; 1), basndose en dos observaciones. Para eso se
proponen tres estimadores:
2
;
6
3
;
5
4
2 1
3
2 1
2
2 1
1
X X X X X X +
=
+
=
+
=
Calcule los errores cuadrticos medios de c/estimador Cul es preferible?

3. En una serie de m experiencias binomiales se registran X xitos, y en una serie posterior de n experiencias
binomiales se registran Y xitos. Se proponen los siguientes estimadores del parmetro p:
n m
Y X
p
n Y m X
p
+
+
=
+
=
2 1
;
2
/ /
Calcule los errores cuadrticos medios de c/estimador Cul es preferible?

4. Estimar por el mtodo de mxima verosimilitud:
a) Los parmetros y de una distribucin normal
b) El parmetro p de una distribucin Bi(n; p).
c) El parmetro p, la media y la varianza de una distribucin G(p)
d) El parmetro p, la media y la varianza de una distribucin de Pascal (r,p)
e) La media, la varianza y el desvo standard de una distribucin de Poisson.
f) El parmetro lambda, la media y la varianza de una distribucin exponencial

5. Estimar por el mtodo de mxima verosimilitud
a) El parmetro b de una distribucin uniforme [0; b].
b) Si el estimador obtenido resulta sesgado, proponga uno que no lo sea.
c) Determinar si el estimador obtenido es consistente

6. Estimar en forma bayesiana suponiendo distribucin a priori constante, el parmetro a de una variable con
distribucin triangular: ( )
+ < + + +
+ < + +
=
3 x 2 a si 3
2 x 1 a si ) 1 (
a a x
a a x
x f Los valores muestrales son: 6; 6,5; 7; 7,5.

7 En una bodega se desea conocer la proporcin p de barriles existentes con el vino ya estacionado y listo para la
distribucin. En base a estudios previos, se le asigna a p la siguiente distribucin: ( ) ( ) 1 0 para ; 1 < < = p p c p f .
Por otro lado, a un empleado de la bodega se le encomienda la tarea de probar un vaso de cada uno de los 800 barriles
existentes, para poder determinar p en forma exacta. El empleado empieza a probar un vaso de cada barril, y va
anotando en su cuaderno LISTO o NO LISTO, de acuerdo a lo que prueba. Sin embargo, luego de probar el
noveno vaso, se olvida de qu era lo que estaba haciendo, y se queda dormido entre dos barriles. Otro empleado
recoge el cuaderno, donde encuentra 5 veces la palabra LISTO y 4 veces NO LISTO.
a) Actualizar en forma bayesiana la distribucin de p, en base a los 9 resultados que lleg a obtener el primer
empleado. Hallar la meda y el mximo de la distribucin a posteriori de p condicional a dichos resultados.
b) Encontrar el estimador de mxima verosimilitud, que no tiene en cuenta la distribucin a priori, y comparar con el
mximo encontrado en a)

8. De un nuevo ventilador se quiere estimar en forma bayesiana el parmetro suponiendo que el tiempo de vida es
exponencial y que la distribucin a priori para es U(0,0.05). Si 5 pruebas dieron como resultado: 100; 120; 180; 110
y 90 horas. Hallar f(/x
1
,,x
5
) y estimar la probabilidad de que un equipo dure ms de 100 horas

9. Suponiendo que la concentracin de SO
4
para una estacin de contaminacin tiene distribucin N(, 4ppm).
Captando 16 muestras de una hora de duracin cada una, seleccionadas al azar, en un perodo de estudio, se obtuvo
una media muestral de 9 ppm.
a) Cul es el intervalo de confianza del 95% de nivel de confianza para ?
b) Cul debe ser el tamao de la muestra si se desea que el error sea 0,25 ppm, con una confianza del 90%?
c) cul es el intervalo de confianza del 95% para estimar si el desvo standard fue estimado a partir de los datos
de la muestra: s=4 ppm?

10. Se debe determinar la concentracin de plomo en una muestra de agua cloacal. Para esto se quiere aplicar un
mtodo de medicin que, se sabe, no es demasiado preciso y adems es sesgado. Para estimar la precisin y el sesgo
de dicho mtodo, se mide 10 veces un material de referencia con cantidad conocida de plomo: 28,3 ppm. Se obtienen
los siguientes valores: 28.6; 29.6; 30.1; 29.3; 32.1; 29.6; 29.4; 30.6; 29.9; 29.6 (en ppm)
a) Estimar la precisin (desviacin standard) y el sesgo del mtodo de medicin
b) Luego, se mide una nica vez la muestra de agua, obteniendo un valor de 36.4 ppm. Dar un intervalo de confianza
del 95% para la verdadera concentracin de plomo en la muestra (suponer DN)
c) La legislacin ambiental indica que el contenido de plomo en aguas cloacales debe ser menor que 40 ppm. Cul es
la probabilidad de que la muestra no est en regla? (suponer DN)

11.De un conjunto de datos sobre DBO (demanda bioqumica de oxgeno) en una cierta estacin fluvial se obtuvo que
para 25 das seleccionados al azar, dicho parmetro indicador de contaminacin arrojaba una media muestral de 35
mg/l y s
2
=0,184 (mg/l)
2.
Asumir que el nivel diario de DBO obedece a una distribucin normal.
a) Hallar el intervalo de confianza del 99% de nivel de confianza para estimar el verdadero valor medio de DBO.
b) Cmo modificara a) si se conoce
2
= 0,184 (mg/l)
2
?
c) Si un ingeniero no est de acuerdo con la amplitud del intervalo establecido en y quisiera reducirlo en un 50%
considerando el mismo nivel de confianza, cuntas mediciones adicionales debera realizar?

12. Una empresa de servicios desea evaluar la satisfaccin de sus clientes acerca de la atencin al pblico por parte de sus
empleados. Para esto, decide elegir al azar una muestra de sus clientes, de tamao n, a los cuales se les preguntar si estn
o no conformes con la atencin. Si el porcentaje de clientes disconformes es menor al 70%, aplicarn correcciones.
a) En primera instancia, entrevistan a n = 50 clientes, de los cuales 13 estn disconformes. Alcanza esta muestra
para tomar alguna decisin?
b) A continuacin, deciden construir un intervalo de confianza del 90% para la estimacin del porcentaje de clientes
disconformes. Cun grande deber ser la muestra para que el ancho del intervalo sea menor que 3%?

13. En una eleccin poltica se enfrentan dos candidatos, el Dr. Manodur, y el Lic. Ionorrobo. Una semana antes de la
eleccin, se realiza una encuesta a 2000 votantes, de los cuales 925 eligieron al primero, y 890 al segundo. El resto
manifest que pensaba votar en blanco. Estimar por intervalos de confianza de nivel 0.95 los porcentajes verdaderos
de cada candidato. es posible aventurar que alguno va a ganar, o, por el contrario, hay empate tcnico?

14.a) Se desea determinar la concentracin de cloruro de vinilo en una bebida gaseosa envasada en botellas plsticas. Se
toman 20 botellas de la produccin de una fbrica, determinando la concentracin de cada botella, y promediando los 20
valores obtenidos. Si la muestra produjo una media de 0.5 ppm y una desviacin estndar s = 0.02 ppm, dar un I de C del
95 % para la concentracin media.
b) Esta determinacin debe ser realizada diariamente en la fbrica. Para abaratar el ensayo, un ingeniero propone un
mtodo alternativo: mezclar volmenes iguales de cada una de las 20 botellas muestreadas, obteniendo as un nico
volumen, y realizar sobre esta mezcla una nica determinacin. Qu ventajas estadsticas tiene el primer mtodo sobre el
segundo?
c)Se propone un tercer mtodo, como una modificacin del anterior: en lugar de realizar una nica determinacin, se
realizan 20 sobre la mezcla, promediando los resultados. Es este ltimo mtodo estadsticamente equivalente al primero?

15. Un operario toma una muestra aleatoria de 12 cables obteniendo las siguientes longitudes (en metros): 9,2; 9,7;
9,8; 10,2; 10,4; 10; 9,4; 9,5; 10,3; 9,9; 9,7.
a) Hay evidencia suficiente para afirmar con un =0.01 que la longitud media es <10m? (suponer = 0,35m )
b) Idem, si no se conoce
c) Para el caso a), cul es la probabilidad de cometer error de tipo II si la longitud media verdadera fuese de 9,7 m?

16. Una mquina automtica de embolsado de papas es diseada para ubicar en promedio por lo menos 112 kilos en
cada bolsa. Se sospecha que est embolsando por debajo del peso. Elige 8 bolsas al azar y encuentra que el peso de
cada bolsa arroja los siguientes valores: 115; 110; 109; 107; 108; 102; 111; 113.
a) puede afirmarse que el peso medio es inferior a 112 kg (usar =0,1)
b) puede afirmarse que la desviacin standard es inferior a 5 kg? (usar =0,1)

17. Un fabricante de acero afirma que la dureza de su producto es N(75, 1). Disear un test de hiptesis que cumpla
simultneamente con: P( error de tipo I ) 0,05 y P( error de tipo II/ la dureza se aparta en ms de 2 unidades de 75)
0,05. Establecer el tamao muestra y el criterio de decisin

18. Testear H
0
: = 5 contra H
1
: < 5 sobre la base de una muestra aleatoria de tamao 4, extrada de una poblacin
que tiene una distribucin de Poisson. Elija un nivel de significacin del 5%. Dicha muestra aleatoria arroj los
siguientes valores: 3; 7; 2; 4. Decidir al respecto.

19.Se tom una muestra de 28 capacitores, midindose la distancia entre conductores. Se obtuvo
mm s mm x 01 , 0 , 06 , 0 = =
a)Puede afirmarse, al nivel 0.05, que la separacin media supera 0,05mm? Plantear las hiptesis nula y alternativa y
explicarlas en palabras
b) La separacin media en realidad es de 0,058 mm. Hallar la probabilidad de que dicho test produzca la conclusin
equivocada de que es inferior a 0,05 mm, suponiendo =0,01 mm. Graficar la funcin de potencia
c) puede afirmarse, al nivel 0,95, que la desviacin standard poblacional es menor a 0,015 mm

20.Considere las siguientes longitudes de cables (en cm) obtenidas de una muestra extrada de cada uno de 2 lotes A
y B: Lote A: 134; 146; 105; 119; 124; 161; 107; 83; 113; 129; 97; 123. Lote B: 70; 118; 101; 85; 107; 132; 94.
Suponer que las longitudes de los cables en dichos lotes tienen una distribucin normal. Realice un informe para
personas no expertas en estadstica, que permita comparar las longitudes de los cables provenientes de dichos lotes.

21. Para estimar el rendimiento de un proceso qumico, se observaron datos correspondientes a las ltimas 10 corridas
del mismo. El rendimiento promedio de estas corridas fue de 64,8%, y la desviacin estndar de las mismas fue de
9,8%. El responsable del proceso est decidido a invertir en su mejora, slo si recibe evidencia estadstica de que el
rendimiento medio del proceso es inferior al 70% Si le preguntaran a Ud, justificara la inversin? (suponer que el
rendimiento tiene DN, y explicar detalladamente su respuesta y los criterios utilizados)

22. Se sabe que el 30% de los automovilistas en una ciudad cruzan semforos en rojo. Para disminuir este porcentaje,
la municipalidad realiza una intensiva campaa publicitaria. Luego de la misma, se quiere evaluar si la campaa tuvo
xito o no. Para tal fin se dispone de una cmara de video en una esquina representativa, la cual filma durante varias
horas lo ocurrido en el semforo. Luego de este lapso de tiempo, se contabilizaron 400 autos pasando por la esquina,
de los cuales 92 cruzaron el semforo en rojo.se pude afirmar, con un nivel del 5%, que la campaa hizo descender el
porcentaje inicial? Justificar detalladamente

23. Un nuevo sistema de purificacin es instalado en un proceso qumico. Antes de su instalacin, una muestra de 10
mediciones dio un porcentaje medio de impurezas de 9.85, con un desvo estndar de 8.27, y luego de la instalacin, otra
muestra de 8 mediciones produjo un porcentaje de impurezas de 8.08 con un desvo estndar de 7.46.Se puede concluir
que las el nuevo sistema reduce el porcentaje de impurezas, con = 0.05?

24. Quince hombres adultos participan de un estudio para evaluar el efecto de una dieta sobre el nivel de colesterol en
sangre. Los datos aparecen en la tabla siguiente:
Persona 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Antes 265 240 258 295 251 245 287 314 260 279 283 240 238 225 247
Despus 229 231 227 240 238 241 234 256 247 239 246 218 219 226 233
Estos datos apoyan la afirmacin de que el tratamiento disminuye el nivel de colesterol?

25. Se sospecha que la cantidad de fallas de terminacin en una lnea de pintura de carroceras de autos, tiene
distribucin de Poisson. De los ltimos 100 autos pintados se obtuvo la siguiente estadstica de fallas
No. de fallas por auto 0 1 2 3 4 5 6 7 8
cantidad de autos en que se encontr dicho nmero de fallas 2 11 18 24 22 11 8 3 1
Estimar la tasa de fallas por auto, y testear si realmente es aplicable la distribucin de Poisson

Ejercicios Variados Gua 6

1. Un fabricante de ventiladores asegura que la velocidad media de rotacin de sus productos es superior a 215
vueltas/min. Se ensayaron 12 ventiladores, obteniendo un promedio de 208.5 vueltas/min, y se supone un valor =
0.8 vueltas/min. Existe evidencia para desmentir justificadamente la afirmacin del fabricante al nivel =0.05?
Expresar en palabras la conclusin obtenida, como para contrsela a alguien sin conocimientos de Probabilidad o
Estadstica. Graficar la funcin de potencia

2. Para decidir peridicamente si el porcentaje de piezas defectuosas que produce una mquina est del nivel
establecido del 2%, deben hacerse ensayos. Fijar los riesgos e indicar cmo hacer el ensayo y por qu.

3. Una empresa farmacutica debe comprar un gran lote de envases de vidrio para uno de sus productos, y quiere
asegurar que el porcentaje de envases con la rosca defectuosa sea mucho menor que el 2%. Para verificar si un lote
entregado cumple el requerimiento se extrae una muestra de n=250 envases y se inspeccionan. Sea X el nmero de
envases inspeccionados con la rosca defectuosa. Se aceptar el lote si X c, (para algn valor cuidadosamente elegido
de c), y si X > c, se el lote ser devuelto. Cmo debe elegirse c, si se quiere tener una probabilidad cercana a 0.1 de
aceptar el lote cuando la verdadera proporcin de envases defectuosos es del 2% Para dicho c, hallar la probabilidad
de rechazar el lote, si el verdadero valor de p es 1%.

4. a) Una empresa requiere, para una materia prima comprada en grandes lotes, que el porcentaje de unidades
defectuosas sea bastante menor al 3%. Para verificar si un lote entregado cumple el requerimiento se extrae una
muestra de 130 unidades, a las que se somete a inspeccin. Si el nmero de piezas defectuosas es menor o igual que
un valor c, se acepta el lote. Si no, se lo rechaza. Expresar en palabras los errores de Tipo I y II
b) Hallar c para que el error de Tipo I, sea menor al 10%

5. Una especificacin de compras de una empresa requiere, para una materia prima comprada en grandes lotes, que el
porcentaje de unidades defectuosas sea no mayor del 2%. Para verificar si un lote entregado cumple el requerimiento
se extrae una muestra de n unidades, a las que se somete a inspeccin. Suponiendo que n=80 y slo una pieza
inspeccionada es no conforme,recomendara aceptar el lote? Justificar detalladamente

6. Una muestra de 9 barras extradas al azar de una produccin arrojan una media de 20 cm y que la longitud de las
barras es una v.a. N(, = 3 cm)
a) Cul es el intervalo de confianza del 90% de nivel de confianza para estimar la longitud media de las barras?
b) Cuntas barras adicionales deben ser medidas para aumentar la confianza del mismo intervalo al 95%?
c) Si se desconoce pero las 9 mediciones arrojaron un valor: s= 9,4cm, cules son los intervalos de confianza del
90% para estimar la media, la varianza y el desvo standard de la longitud de las barras?

7.a) Antes de comprar un lote de rollos de papel, un comprador desea estar prcticamente seguro de que el espesor medio
del producto no es menor que 0,5 mm (prcticamente seguro significa para l con una certeza del 99%). Plantear un
test para ese problema. Expresar en palabras el riesgo del comprador y del vendedor, y sus probabilidades.
b)Una muestra seleccionada de 8 pliegos registr mm s mm x 01 , 0 ; 62 , 0 = = Qu decisin debe tomar el comprador?
c) Otro proveedor ofrece un producto similar. Una muestra de 6 pliegos de este otro arroja un promedio de 0,7 mm y
s=0,02 mm es posible afirmar, al nivel 1%, que el espesor medio es superior al del primer proveedor?

8. El coeficiente de reflexin de voltaje de un medidor de potencia de microondas es definido como una variable
aleatoria compleja R, de la cual se supone que tanto Re(R) como Im(R) son v.a. reales N(0, u) independientes, con u
conocido (en este ejercicio se supondr u=0.05).
a) El factor de absorcin de potencia de dicho medidor se puede calcular como
2
1 R P = . Hallar E(P)
b) Dar un intervalo que cubra a P con probabilidad 0.95 (aplicar que, si las v.a.i.
n
Z Z , ,
1
L son N(0,1),
2 2
n i
Z
)
c) (Opcional) Para calibrar un medidor como el anterior se debe medir el cociente Y entre el factor de potencia P
M

absorbida por l, y el factor de potencia P
R
absorbida por un medidor patrn de similares caractersticas (Y= P
M
/ P
R
).
Realizar una simulacin en Excel para generar 1000 valores de Y, y graficarlos en un histograma. De acuerdo a este
histograma, puede suponerse que Y es una v.a. normal?

9. a) Dadas v.a. X, Y independientes, se define Z=X Y. Demostrar que
2 2 2 2 2 2
Y X X Y Y X Z
+ + =
(Ayuda: sumar y restar
2 2
Y X
en la expresin de
2
Z
). Adems, si
Y Y X X
<< << ; , el ltimo trmino en la
raz puede considerarse despreciable
b) Un tanque de alta capacidad contiene una solucin de nquel en agua. Se desea conocer la masa total Z de nquel
presente en el tanque. La frmula de clculo es: Z=X
.
Y, donde X

es la concentracin de nquel (en mg N
i
/kg H
2
O), que
se supone una v.a. N(0.03; 0.0001), e Y

es la masa medida del contenido del tanque (en kg), que se supone una v.a.
N(4850, 15). Determinar la esperanza y la desviacin standard de Z

c) Suponga ahora que se desconocen los parmetros de las distribuciones de ambas variables, pero se realizan
mediciones repetidas para estimarlos: La masa fue medida 5 veces con una balanza, obteniendo (en kg): 4925.5;
4900.8; 4933.7; 4949.1; 4948.0 Para determinar la concentracin fueron tomadas 10 alcuotas de la solucin y
medidas por absorcin atmica, obteniendo: 0.0400; 0.0403; 0.0403; 0.0400; 0.0399; 0.0398; 0.0400; 0.0399; 0.0399;
0.0401 (en mg N
i
/kg H
2
O). Si Y X Z =
1
. Estimar la media y el desvo standard de Z
1

d) Existen estudios previos que permiten asegurar que Z
1
es una v.a. aproximadamente normal, centrada en la masa
verdadera de nquel. Bajo este supuesto, dar un intervalo aproximado del 95% para la verdadera masa de nquel

10. Se deben fabricar discos de acero, con un muy pequeo error de redondez. Esto significa que el dimetro de un
disco debe ser prcticamente constante, independientemente de la direccin considerada para medirlo. En la figura se
observa un disco bueno (redondo) y dos malos (en los cuales, para ilustrar mejor la situacin, los errores de
redondez han sido dibujados exageradamente). Concretamente, el
requisito de fabricacin es:
D
< 0.02 mm, donde
D
representa la
dispersin entre dimetros en diferentes direcciones sobre un
disco (si el disco fuera perfectamente circular, se tendra
D
=0)
a) Se desea evaluar si la mquina-herramienta existente en la fbrica
es capaz de tornear este tipo de piezas. Para esto, se fabrica un nico
disco, que se considera representativo de la produccin futura, y se lo
mide 20 veces en direcciones al azar, con un micrmetro. La desviacin stadard muestral obtenida es s = 0.016 mm
Se cuenta con evidencia suficiente para asegurar, al nivel 0.95, que se cumple el requisito de fabricacin?
b) (opcional) Luego de haber obtenido la respuesta de a), el ingeniero responsable de la fabricacin se dio cuenta de
que las mediciones estuvieron afectadas de errores aleatorios por la falta de precisin del instrumento de medicin.
Estos errores aleatorios pueden considerarse v.a. normales, independientes de la forma real del disco, de media 0 y
dispersin conocida
e
= 0.01 mm. Por lo tanto, el valor obtenido de s
2
, en rigor, no es un estimador insesgado de
2
D
,
sino de la suma de varianzas
2 2
e D
+ Con estas consideraciones, responder nuevamente la pregunta de a)

11. Se desea determinar la masa seca C correspondiente a la carga de cemento en un camin. Para esto, se pesa por
quintuplicado el camin lleno en una bscula de camiones, obteniendo: 35600 kg; 35635 kg; 35620 kg; 35665 kg y
35610 kg. Se sabe que el peso del camin vaco es una v.a. con distribucin N(18560 kg; 10 kg). La bscula est
afectada por un error sistemtico cuyo valor exacto se desconoce, pero se supone U( -20 kg; 20 kg). Adems, debe
descontarse el agua presente en el cemento, cuya masa se considera una v.a. con fdp f(x)= x/1250 si 0<x< 50 kg;
f(x)=0 si no. Todas las variables mencionadas son incorrelacionadas entre s.
a) Plantear un modelo adecuado para estimar C, y calcular la esperanza y varianza del estimador aplicado
b) Suponiendo dicho estimador es aproximadamente normal, dar un intervalo aproximado del 95% para C
c) Para una obra se requieren 17 t de cemento seco, cul es la probabilidad de que el contenido del camin alcance?

disco bueno discos malos disco bueno discos malos

Tablas necesarias para la resolucin de los ejercicios
2

I.Funcin de distribucin Normal Standard

z
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990

2
Elaboradas con las funciones distribucin normal estndar, distribucin t inversa y prueba chi.inversa de Excel
( )

=
z
t
dt e z
2
2
2
1

II: Valores crticos de la distribucin t

g.l.
0.0005 0.001 0.025 0.05 0.1
2 44.70 31.60 6.21 4.30 2.92
3 16.33 12.92 4.18 3.18 2.35
4 10.31 8.61 3.50 2.78 2.13
5 7.98 6.87 3.16 2.57 2.02
6 6.79 5.96 2.97 2.45 1.94
7 6.08 5.41 2.84 2.36 1.89
8 5.62 5.04 2.75 2.31 1.86
9 5.29 4.78 2.69 2.26 1.83
10 5.05 4.59 2.63 2.23 1.81
11 4.86 4.44 2.59 2.20 1.80
12 4.72 4.32 2.56 2.18 1.78
13 4.60 4.22 2.53 2.16 1.77
14 4.50 4.14 2.51 2.14 1.76
15 4.42 4.07 2.49 2.13 1.75
16 4.35 4.01 2.47 2.12 1.75
17 4.29 3.97 2.46 2.11 1.74
18 4.23 3.92 2.45 2.10 1.73
19 4.19 3.88 2.43 2.09 1.73
20 4.15 3.85 2.42 2.09 1.72
25 4.00 3.73 2.38 2.06 1.71
30 3.90 3.65 2.36 2.04 1.70
35 3.84 3.59 2.34 2.03 1.69
40 3.79 3.55 2.33 2.02 1.68
50 3.72 3.50 2.31 2.01 1.68
100 3.60 3.39 2.28 1.98 1.66
3.48 3.29 2.24 1.96 1.65


III. Valores crticos de la distribucin
2

g.l.
0.0005 0.001 0.025 0.05 0.1 0.9 0.95 0.975 0.999 0.9995
2 15.2 13.8 7.4 6.0 4.6 0.2 0.10 0.05 0.002 0.001
3 17.7 16.3 9.3 7.8 6.3 0.6 0.35 0.22 0.02 0.02
4 20.0 18.5 11.1 9.5 7.8 1.1 0.71 0.48 0.09 0.06
5 22.1 20.5 12.8 11.1 9.2 1.6 1.15 0.83 0.21 0.16
6 24.1 22.5 14.4 12.6 10.6 2.2 1.6 1.2 0.4 0.3
7 26 24 16.0 14.1 12.0 2.8 2.2 1.7 0.6 0.5
8 28 26 17.5 15.5 13.4 3.5 2.7 2.2 0.9 0.7
9 30 28 19.0 16.9 14.7 4.2 3.3 2.7 1.2 1.0
10 31 30 20.5 18.3 16.0 4.9 3.9 3.2 1.5 1.3
11 33 31 21.9 19.7 17.3 5.6 4.6 3.8 1.8 1.6
12 35 33 23.3 21.0 18.5 6.3 5.2 4.4 2.2 1.9
13 36 35 24.7 22.4 19.8 7.0 5.9 5.0 2.6 2.3
14 38 36 26.1 23.7 21.1 7.8 6.6 5.6 3.0 2.7
15 40 38 27 25 22 8.5 7.3 6.3 3.5 3.1
16 41 39 29 26 24 9.3 8.0 6.9 3.9 3.5
17 43 41 30 28 25 10 8.7 7.6 4.4 4.0
18 44 42 32 29 26 11 9.4 8.2 4.9 4.4
19 46 44 33 30 27 12 10.1 8.9 5.4 4.9
20 47 45 34 31 28 12 10.9 9.6 5.9 5.4
25 55 53 41 38 34 16 15 13 8.6 8.0
30 62 60 47 44 40 21 18 17 12 11
35 69 67 53 50 46 25 22 21 15 14
40 76 73 59 56 52 29 27 24 18 17
50 90 87 71 68 63 38 35 32 25 23
100 153 149 130 124 118 82 78 74 62 60

Guias Prob y Est 2009

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guias Prob y Est 2009

Cargado por

Copyright:

Formatos disponibles

TP Probabilidades y Estadstica 2009 Pg.

donde >0 y >0 son parmetros fijos.

< < < <

TP Probabilidades y Estadstica 2009 Pg. 28

También podría gustarte