ProbEstadística Examen Solución

FACULTAD DE INGENIERA
DIVISIN DE CIENCIAS BSICAS

DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA
Usando las frecuencias relativas, se tiene:
PROBABILIDAD Y ESTADSTICA
SEGUNDO EXAMEN FINAL
SOLUCIN
b)
La variancia est dada por:
Semestre: 2007-2
1.-
Para la siguiente tabla de datos agrupados:

Fronteras
de
clase
sustituyendo la informacin de la tabla:
Marca
de
clase
Frecuencia
Absoluta
Frecuencia
Acumulada
Frecuencia
Relativa
Frecuencia
Acumulada
Relativa
10
20
15
121
121
0.1092
0.1092
1815
125967.34
20
30
25
160
281
0.144
0.2536
4000
79319.28
30
40
35
182
463
0.1643
0.4179
6370
27379.83
40
50
45
170
633
0.1534
0.5713
7650
872.40
50
60
55
140
773
0.1264
0.6977
7700
8375.49
60
70
65
126
899
0.1137
0.8114
8190
39629.28
70
80
75
112
1011
0.1011
0.9125
8400
86151.65
80
90
85
97
1108
0.0875
8245
138118.72
52370
505813.99
1108
Obtener:
a)
La media.
b)
La variancia y la desviacin estndar.
c)
El coeficiente de variacin.
d)
La mediana.
15 Puntos
Resolucin
a)
La media se define como:
entonces:
Usando las frecuencias relativas, se sabe que:
de la tabla se sustituye:
O bien:
sustituyendo los valores dados de la tabla:
sustituyendo:
La desviacin estndar es la raz cuadrada de la variancia, entonces:
Por lo tanto, al sustituir de la tabla:
por lo que:
O bien, para:
Probabilidad y Estadstica 2
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
si
c)
, sustituyendo:
El coeficiente de variacin est definido como:

despejando, se obtiene:
sustituyendo, se tiene:
2.entonces:
En el otro caso, se tiene:
sustituyendo los valores obtenidos:
por lo tanto:
d)
La mediana es para el
clase cuatro. Los datos a considerar son:
Frontera
superior
Frecuencia
acumulada
relativa
40
0.4179
, el cual est en la
En cierta fbrica las mquinas A, B y C producen el mismo tipo de tornillo. El

porcentaje de tornillos defectuosos es: mquina A 2%, mquina B 3% y
mquina C 1%. La produccin se distribuye de la siguiente manera: la mquina
A produce el triple que la B mientras que la mquina C produce slo la tercera
parte de la mquina A. Si se toma un tornillo del almacn y resulta que es
defectuoso, cul es la probabilidad de que provenga de la mquina B?
15 Puntos
Resolucin
Sea el evento que representa a los tornillos producidos por la mquina .
Sea el evento que representa a los tornillos defectuosos.
Del enunciado se tienen los datos:
Con respecto de
0.5
50
0.5713
Realizando una interpolacin con la informacin anterior:
se sabe que:
sustituyendo, se tiene:
sustituyendo:
entonces:
se tiene:
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
sustituyendo, en cada caso:
Del Teorema de Probabilidad Total:

o bien:
sustituyendo los datos:
representar que los atletas tomaron una vitamina y dos minerales y asignando
la misma probabilidad a cada evento del espacio muestral. Determinar:
a)
La distribucin de probabilidad y la funcin de distribucin
acumulativa para la variable aleatoria , que representa el nmero de
vitaminas y minerales que consume un atleta.
b)
La media y la desviacin estndar.
c)
Las probabilidades
,
y
.
15 Puntos
Resolucin
La dieta requiere tres vitaminas y dos minerales, que se debe tomar cuando
mucho, se tiene que considerar el comportamiento del ejemplo dado en el
enunciado, esto es,
que significa que un atleta toma una vitamina y dos
minerales.
Se define como la variable aleatoria que representa el nmero de vitaminas
y minerales que toma un atleta, el recorrido de la variable aleatoria, es:
El espacio muestral del experimento aleatorio es:
cada evento simple tiene una probabilidad de

Se quiere calcular la probabilidad que si un tornillo es defectuoso, haya sido
producido por la mquina , entonces:
a)
La distribucin de probabilidad queda como:

0
el numerador se escribe como:

La funcin de distribucin acumulada se define como:
sustituyendo el resultado y los datos:
entonces se tiene:
0
b)
3.-
La dieta de los atletas requiere cuando mucho el consumo de tres vitaminas y

dos minerales. Usando un sistema de pares ordenados, por ejemplo ( 1,2 ) para
Para determinar la media y la desviacin estndar:

La media se define por:
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
c)
sustituyendo:
Para calcular las probabilidades pedidas en este inciso, se puede usar

la funcin de probabilidad determinada en el inciso a):
c1)
c2)
sustituyendo los valores de
Para calcular la desviacin estndar se tiene que determinar la

variancia, la cual est definida por:
c3)
Por ltimo, se quiere hallar:
sustituyendo los valores:

sustituyendo los valores correspondientes:
En forma compacta la variancia est dada por:

Para calcular las probabilidades anteriores, tambin se puede usar la
funcin de distribucin acumulativa.
Se obtiene el segundo momento con respecto del origen:
sustituyendo:
La variancia queda como:
entonces la desviacin estndar en ambos casos es:
4.-
Indicar el tipo de distribucin que representa cada uno de los siguientes

enunciados, justificar su respuesta.
a)
Nmero de familias con ingresos mayores a $30000 de cuatro familias
seleccionadas al azar______________________________________
b)
Analizar 125 muestras de agua antes de detectar la primera muestra
contaminada_____________________________________________
c)
En una hora determinada llegan a una tienda en promedio ocho
personas_________________________________________________
d)
La cada al azar de una bomba A sobre una carretera de 1000 [km] de
longitud_______________________________________________
e)
El nmero de tiros que deben realizar los jugadores de un equipo de
ftbol para anotar dos goles_________________________________
20 Puntos
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
ya que se quiere determinar:
Resolucin
a)
Binomial
b)
Geomtrica
c)
Poisson
d)
Uniforme continua
e)
Pascal
La justificacin es a criterio del profesor.
5.-
Considerar la siguiente funcin de densidad conjunta:
entonces:
b)
La regin para calcular la probabilidad pedida es:
Obtener:
a)
b)
c)
La covariancia.
20 Puntos
Resolucin
La regin donde la funcin es de densidad de probabilidad es:
porque se va a determinar:
a)
La regin para calcular la probabilidad es:

que es igual que calcular:
c)
La covariancia est dada por:

sobre la regin donde
es funcin de densidad, se calculan
los valores esperados con la definicin:
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
sustituyendo la funcin y los valores esperados correspondientes:
costos de afinacin es:

300
b)
sustituyendo para obtener la covariancia:
6.-
Los costos de afinacin en un taller mecnico son de 300 pesos para un auto de
cuatro cilindros, 360 para uno de seis y 420 para uno de ocho. De los registros
de ventas se sabe que el 50% de las afinaciones se hacen para autos de cuatro
cilindros, 40% para los de seis y 10% para los de ocho. Se seleccionan al azar
dos autos para la afinacin.
a)
Calcular la distribucin muestral para el promedio de los costos del
servicio.
b)
Determinar la media, variancia y desviacin estndar para la muestra.
c)
Cul es la probabilidad de que al llevar un auto al servicio el costo de
este sea de 390 pesos?
15 Puntos
Resolucin
Sea la variable aleatoria que representa los costos de afinacin para autos.
El recorrido de la variable aleatoria es
, con funcin
330
360
390
420
Se quiere hallar la media y la desviacin estndar de la media

muestral:
La media se define como:
sustituyendo valores:
Pesos
Para la desviacin estndar se requiere el segundo momento con
respecto del origen, por lo que:
sustituyendo valores:
de probabilidad dada por:

300
360
420
La variancia en trminos de momentos con respecto al origen est

definida por:
sustituyendo los valores obtenidos:
El espacio muestral para el promedio de los costos del servicio de afinacin, es:
Otra forma para calcular la variancia, es como segundo momento con

respecto de la media:
entonces los promedios de los costos de afinacin son:
a)
La distribucin de probabilidad muestral de los promedios de los
sustituyendo los valores de la funcin de probabilidad muestral y la

media muestral:
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
Entonces la desviacin estndar, que es la raz cuadrada de la

variancia es:
c)
La probabilidad pedida es:
COORDINACIN DE CIENCIAS APLICADAS
Frecuencia Relativa fi*
Distribucin de Frecuencia Relativa
Primer Examen Final
Solucin
Semestre: 2007-2
1.-
La siguiente informacin agrupada representa el nmero de puntos anotados por

equipo y por juego en la Liga Nacional de ftbol americano durante la
temporada 2006
Grupo
Frecuencia
0-3
27
4 - 10
66
11 - 17
91
18 - 24
70
25 - 31
57
32 - 38
34
39 - 45
16
46 - 52
a)
Trazar la grfica de la distribucin de frecuencia relativa.
b)
Calcular la media y la moda.
c)
Calcular la variancia y la desviacin estndar.
20 Puntos
Resolucin
a)
La grfica de la distribucin de frecuencia relativa es:
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
0,0000
Serie1
1,5
14
21
28
35
42
49
Marcas de Clase xi
)
La media que es el valor ms representativo del nmero de puntos anotados por
lo equipos y juegos:
.
Grupo
Frecuencia
Marca de clase
0-3
27
1.5
4 - 10
66
11 - 17
91
14
18 - 24
70
21
25 - 31
57
28
Frecuencia relativa
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
32 - 38
34
b)
35
39 - 45
16
42
46 - 52
49
364
sustituyendo:
Cul es la probabilidad de que un tcnico que cometi un error haya

asistido al curso normal?
15 Puntos
Resolucin
Sea el evento que representa que un tcnico contratado haya sido enviado a
tomar un curso bsico de capacitacin.
tomar un curso normal de capacitacin.
tomar un curso avanzado de capacitacin.
Sea el evento que representa que un tcnico cometa un error.
Del enunciado:
a)
La moda es la marca de clase del intervalo con mayor frecuencia:
Se pide la probabilidad total para
sustituyendo:
c)
La variancia es:
sustituyendo se tiene:
b)
Se quiere la probabilidad de que dado que un tcnico ya cometi un

error haya asistido al curso normal, del teorema de Bayes:
La desviacin estndar es la raz de la variancia:

sustituyendo los valores y el resultado del inciso a):
esto es:
3.2.-
Una fbrica tiene tres tipos de capacitacin para los nuevos tcnicos que
contrata y enva al 20% al curso bsico, 65% al curso normal y 15% al curso
avanzado. La probabilidad de que cada tcnico cometa un error durante cierto
proceso es de 15%, 10% y 5% segn haya asistido al curso bsico, normal o
avanzado, respectivamente.
a)
Cul es la probabilidad de que un tcnico cualquiera cometa un error?
Un constructor planea la adquisicin de equipos de construccin (tractores),

para un nuevo proyecto en una zona alejada. De acuerdo a su experiencia con
tractores similares, estima que hay un 50% de probabilidad de que cada tractor
permanezca trabajando al menos seis meses. Si compra tres tractores:
a)
Cul es la probabilidad de que haya un tractor trabajando despus de
seis meses en el proyecto?
b)
Usando
como variable aleatoria cuyos valores representan el
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
nmero de tractores operando despus de seis meses? Calcular la
distribucin de probabilidad.
15 Puntos
Resolucin
Sea
la variable aleatoria que representa el nmero de tractores que
permanecen trabajando despus de seis meses.
a)
b)
c)
menos una llamada?

Cul es el nmero esperado de llamadas en las que las lneas estn
ocupadas?
15 Puntos
Resolucin
Sea la variable aleatoria que representa el nmero de lneas telefnicas que
no estn ocupadas.
Se pide exactamente uno:
Sea
la variable aleatoria que representa el nmero de tractores
operando despus de seis meses.
a)
Se piden exactamente tres:
b)
Se desea obtener al menos uno, inclusive:

que es igual a:
La distribucin de probabilidad queda en forma analtica como:
sustituyendo:
c)
El nmero esperado de llamadas en las que las lneas estn ocupadas,

es el valor esperado para las lneas ocupadas:
Se espera tener cuatro lneas ocupadas.

La distribucin en forma tabular es:
5.-
4.-
0.125
0.375
0.375
0.125
Las lneas telefnicas del sistema de reservaciones de una aerolnea estn

ocupadas 40% del tiempo. Supngase que los eventos de que las lneas estn
ocupadas en llamadas sucesivas son independientes y supngase que entran 10
llamadas a la aerolnea:
a)
Cul es la probabilidad de que las lneas no estn ocupadas para
exactamente tres llamadas?
b)
Cul es la probabilidad de que las lneas no estn ocupadas para al
Considerar la siguiente funcin de densidad conjunta:
a)
Dibujar la grfica
b)
Obtener
.
.
c)
Las variables aleatorias y son independientes?
15 Puntos
Resolucin
Primero se determinar el valor de , usando las propiedades de funcin de
densidad se tiene:
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
para este caso, sustituyendo:
sustituyendo:
resolviendo la integral:
y la otra funcin marginal es:
por lo tanto
Entonces las funciones de distribucin acumulativa son:

y
Sustituyendo el valor de
en la funcin:
sustituyendo:
a)
La grfica es:
c)
Para que las variables aleatorias conjuntas sean independientes, se

debe cumplir que:
sustituyendo las funciones marginales y la funcin de variables
aleatorias conjuntas, se tiene que:
por lo tanto, s son variables aleatorias independientes.

6.-
La estatura de los jugadores de la NBA sigue una distribucin normal. Si el

12.51% de los jugadores tiene una estatura mayor de 2.05 [m] y el 5.37% tiene
una estatura menor de 1.80 [m], cul es la media y la desviacin estndar de
la distribucin de probabilidad de las estaturas de los jugadores?
20 Puntos
Resolucin
Sea la variable aleatoria que representa la estatura de los jugadores de la
NBA.
.
Del enunciado se sabe que:
b)
Para encontrar las funciones de distribucin acumulativa, conviene

hallar previamente las funciones marginales que se definen como:
y
se quiere determinar
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
De tablas de la distribucin normal estndar:
L a
p a r a
por lo que:
La
para
acumaulada
e s
Se tiene un sistema de dos ecuaciones con dos incgnitas:
resolviendo el sistema ecuaciones:

sustituyendo en la segunda ecuacin:
entonces la media es:
d e
seobtiene directamente de la distribucin
por lo que:
por lo tanto
l a
Facultad de Ingeniera
Divisin de Ciencias Bsicas
Coordinacin de Ciencias Aplicadas
Departamento de Probabilidad y Estadstica
Probabilidad y Estadstica
Primer Examen Final
Resolucin
Tipo A
Semestre: 2008-1
Duracin mxima: 2.5 h
1. Considerar la siguiente muestra (la resistencia de 50 lotes de algodn, libras necesarias para
romper una madeja).
76
101
105
90
97
100
90
110
86
101
90
105
91
96
102
99
83
99
88
96
97
91
101
97
100
89
96
94
103
76
108
81
106
85
96
94
98
98
106
81
87
81
93
92
101
79
98
82
115
93
a) Completar la tabla de distribucin de frecuencias siguiente:

F ro n tera s d e
c la s e
M arca de
c la s e
in f
su p
7 5 .5
8 1 .5
8 7 .5
9 3 .5
9 9 .5
1 0 5 .5
1 1 1 .5
8 1 .5
8 7 .5
9 3 .5
9 9 .5
1 0 5 .5
1 1 1 .5
1 1 7 .5
F r e c u e n c ia
F r e c u e n c ia
a c u m u la d a
F r e c u e n c ia
r e la t iv a
F r e c u e n c ia
r e la t iv a
a c u m u la d a
f i*
F i*
b) Dibujar el histograma.
c) Calcular la media, la moda, la mediana, la desviacin estndar y el sesgo.
20 puntos
Resolucin
a) La tabla de distribucin de frecuencias est dada por:
Fronteras de clase
Marca de clase
Frecuencia
inf
sup
xi
fi
75.5
81.5
87.5
93.5
99.5
105.5
111.5
81.5
87.5
93.5
99.5
105.5
111.5
117.5
78.5
84.5
90.5
96.5
102.5
108.5
114.5
6
5
10
14
10
4
1
50
Frecuencia
acumulada
Fi
6
11
21
35
45
49
50
Frecuencia
relativa
Frecuencia
relativa
acumulada
f i*
Fi*
0.12
0.10
0.20
0.28
0.20
0.08
0.02
0.12
0.22
0.42
0.70
0.90
0.98
1
b) El histograma es:
Frecuencia
absoluta
Histograma
15
10
5
0
78.5
84.5
90.5
96.5 102.5 108.5 114.5
Marcas de clase
c) La media de los datos agrupados est dada por:

m
1m
6
5
10
14
10
4
1
x = xi fi = xi fi* = 78.5 +84.5 + 90.5 + 96.5 +102.5 +108.5 +114.5
n i=1
50
50
50
50
50
50
i=1
50
x = 94.46
La mediana de los datos agrupados est en:

Fronteras de
clase
Frecuencia
relativa
acumulada
93.5
0.42
0.50
0.70
x
99.5
Realizando una interpolacin, la ecuacin de la recta dados dos puntos est definida por:
y y0 =
y1 y0
( x x0 )
x1 x0
la pendiente se obtiene de sustituir:

y y
0.70 0.42 0.28
7
m= 1 0 =
=
=
= 0.047
x1 x0 99.5 93.5
6
150
sustituyendo los valores se tiene: y 0.7 = 0.047( x 99.5)

la recta en forma ordenada al origen es:
y = 0.047 x 4.676 + 0.7 = 0.047 x 3.976
sustituyendo el punto P ( x , 0.5 ) : 0.5 = 0.047 x 3.976

despejando de la expresin anterior: x 95.234
La moda es la marca de clase con mayor frecuencia, entonces: xmo = 96.5
Para la variancia de los datos de la muestra, se sabe que:
sn21 =
1 m
2
( xi x ) fi
n 1 i =1
sustituyendo:
1
2
sn21 = ( 78.5 94.46) 6 + (84.5 94.46)2 5 + (90.5 94.46)210 + (96.5 94.46)214 + (102.5 94.46)210 + (108.5 94.46)2 4 + (114.5 94.46)21
sn21 =
49
1
[ 4075.92] 83.18
49
La desviacin estndar es la raz cuadrada de la variancia, por lo que:

sn1 = sn21 = 83.18 9.12
Por la posicin de las medidas de tendencia central se puede determinar de manera emprica el
sesgo de la muestra, esto es: x < x < xmo
por lo que: 94.46 < 95.23 < 96.5
por lo tanto, se puede concluir que la muestra tiene sesgo negativo.
De otra forma el coeficiente de sesgo se puede obtener como el tercer momento con respecto de
la media entre la desviacin estndar al cubo, esto es:
m
1 m
3
3
x
x
f
( i ) i ( xi x ) fi*
m3
n
a3 =
= i =1
= i =1
3
3
3
( sn1 )
( sn1 )
( sn 1 )
sustituyendo valores se tiene:
3 6
3 5
3 10
3 14
3 10
3 4
3 1
(78.594.46) 50 +(84.594.46) 50 +(90.594.46) 50 +(96.594.46) 50 +(102.594.46) 50 +(108.594.46) 50 +(114.594.46) 50
a3 =
3
83.18
110.38
a =
3
83.18
0.145 < 0
por lo tanto se verifica que la muestra tiene sesgo negativo.
2. Un inversionista est pensando en comprar un nmero muy grande de acciones de una

compaa. La cotizacin de las acciones en la bolsa, durante los seis meses anteriores, es de
gran inters para el inversionista. Con base en la informacin de la bolsa de valores, se observa
que la cotizacin se relaciona con el valor del oro en el mercado internacional. Si el valor del oro
aumenta en el mundo, la probabilidad de que aumenten las acciones es de 0.8; si el valor del oro
es el mismo, la probabilidad de que las acciones aumenten su valor es de 0.17; si el valor del oro
disminuye, la probabilidad es de slo 0.13. Si para los siguientes meses los analistas asignan las
probabilidades de 0.5, 0.3 y 0.2 a los eventos: el oro sube, es el mismo o disminuye en su valor,
respectivamente:
a) Determinar la probabilidad de que las acciones aumenten su valor en los prximos seis meses.
b) Cul es la probabilidad de que el valor del oro aumente dentro de seis meses, no obstante
que el valor de las acciones aumente?
15 puntos
Resolucin
Sean los eventos:
A : El valor del oro aumenta en el mercado internacional.
B : El valor del oro permanece constante en el mercado internacional.
C : El valor del oro disminuye en el mercado internacional.
D : Aumentan las acciones.
Del enunciado se tienen los siguientes datos:
P( A) = 0.5
P( B) = 0.3
P(C ) = 0.2
P ( D A) = 0.8
P ( D B) = 0.17
P ( D C ) = 0.13
a) Se pide calcular la probabilidad total para:
P( D) = P( A D) + P( B D) + P(C D)
que equivale a:
P ( D ) = P ( A) P ( D A) + P( B) P ( D B) + P(C ) P( D C )
sustituyendo los valores se tiene:
P( D) = (0.5)(0.8) + (0.3)(0.17) + (0.2)(0.13)
P ( D ) = 0.477
b) Para el clculo de la probabilidad se utiliza el Teorema de Bayes:
P ( A D) P( A) P( D A)
P( A D) =
=
P( D)
P( D)
sustituyendo los valores se tiene:
(0.5)(0.8)
P( A D) =
0.8386
0.477
3. El PH con que se mide la acidez del agua, es importante en los estudios de lluvia cida. Para
determinado lago en Veracruz, se llevan a cabo mediciones testigo de acidez para que se pueda
notar cualquier cambio originado por la lluvia cida. El PH de las muestras del agua es una
variable aleatoria X , cuya funcin de densidad de probabilidad es:
2
3
; 5 < x <7
( 7 - x)
fX ( x) = 8
0
; en otro caso
a) Calcular la funcin de distribucin acumulativa F X ( x ) .
b) Calcular la probabilidad de que el PH sea menor que seis en una muestra de agua de este
lago.
15 puntos
Resolucin
Sea X la variable aleatoria que representa el PH en la muestra de agua de dicho lago.
a) La funcin de distribucin que muestra el comportamiento acumulado est definida por:

FX ( x) =
f X (t )dt
sustituyendo para la funcin de densidad:

FX ( x) =
f X (t )dt =
3
(7 t ) 2 dt
8
por cambio de variable:

FX ( x) =
3
8
u = 7t
du = dt
dt = du
FX ( x) =
3
8
(7 t ) 2 dt
5
31
1
u 2 du = u 3 = ( u 3 )
83 5
8
5
x
1
1
FX ( x) = (7 t )3 = (7 x)3 (7 5)3
8
8
5
1
1
FX ( x) = (7 x)3 8 = 1 (7 x)3 , 5 < x < 7
8
8
Por lo tanto la funcin de distribucin acumulada es:
;
x5
0
1
3
FX ( x ) = 1- (7 - x ) ; 5 < x < 7
8
;
x 7
1
b) Se pide calcular P( X 6) , se sabe que:
1
1 7
P ( X 6) = FX ( X = 6) = 1 (7 6)3 = 1 =
8
8 8
4. Se ha observado que el tiempo necesario para que una persona se traslade de una ciudad a otra,
tiene una distribucin normal con media de 15 horas y una variancia de dos horas. Calcular la
probabilidad de que el recorrido tarde:
a) Cuando mucho 16 horas.
b) Menos de 13.5 horas o ms de 17 horas.
10 puntos
Resolucin
Sea T la variable aleatoria que representa el tiempo de traslado de una ciudad a otra.
T Normal ( = 15, 2 = 2 )
a) Se pide la probabilidad de que cuando mucho el traslado tarde 16 horas, entonces:
16 15
T
P (T 16) = P (T < 16) P Z

= PZ
de tablas de la funcin de distribucin acumulativa normal estndar:

1
P (T 16) = P Z
= P( Z 0.71) = P( Z < 0.71) = FZ (0.71) = 0.7611
2
b) Se quiere calcular la probabilidad de que un viaje tarde cuando mucho 13.5 horas o al menos 17
horas, entonces:
P (T 13.5 T 17) = P (T < 13.5 T > 17) = P (T 13.5) + P (T 17)

13.5 15
17 15
1.5
2
PZ
+ P Z
= PZ
+ P Z
= P ( Z 1.06 ) + P ( Z 1.41) =
2
2
2
2
= FZ (1.06) + (1 FZ (1.41) )
usando la tabla de la funcin de distribucin acumulativa normal estndar se tiene:
P (T 13.5) + P(T 17) = FZ (1.06) + (1 FZ (1.41)) = 0.1446 + 0.0793 = 0.2239
5. Un ingeniero para su empresa de fabricacin de computadoras compra, a un proveedor, grandes
cantidades de un cierto componente electrnico y ha adoptado un plan para aceptar cada uno de
los envos de componentes, el cual consiste en inspeccionar una muestra aleatoria de 10
componentes. Si el comprador encuentra a lo ms dos componentes defectuosos en la muestra,
acepta el lote enviado por el proveedor. Se sabe por registros de la empresa que los envos de
este proveedor traen el 16% de componentes defectuosos.
a) Cul es la probabilidad de que el lote sea aceptado?
b) Cul es el promedio de los componentes defectuosos que deber esperar el ingeniero
siempre que revise una muestra de 10 componentes?
10 puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de componentes defectuosos en la muestra.
X Binomial ( n = 10, p = 0.16 )
a) La probabilidad de que el lote sea aceptado, es la probabilidad de que X sea menor o igual a
dos.
P ( X 2) = P ( X = 0) + P( X = 1) + P( X = 2)
10
10
10
P ( X 2) = (0.16)0 (0.84)10 + (0.16)1 (0.84)9 + (0.16) 2 (0.84)8
0
1
2
P( X 2) 0.7936
b) El promedio de componentes defectuosos es la media, esto es:
= np = 10(0.16) = 1.6
El ingeniero espera obtener dos componentes defectuosos al revisar una muestra de diez.
6.
Sean X el precio de un producto en dlares y Y las ventas totales, la funcin de densidad de

probabilidad est dada por:
5 x e -x y
; 0.20 < x < 0.40 ,
y >0
f XY (x, y)=
;
en otro caso
0
a) Determinar la probabilidad de que el precio sea menor de 30 centavos y las ventas
sobrepasen las 20000 unidades.
b) Dadas las funciones marginales
; 0.20 < x < 0.40
5
f X (x)=
0 ; en otro caso
5 -0.4y
5 -0.2y
2 e (1+0.2y) - 2 e (1+0.4y)
y
fY (y)= y
son variables aleatorias conjuntas independientes?

15 puntos
Resolucin
La grfica de la funcin de densidad de probabilidad es:
y >0
; en otro caso
a) La probabilidad pedida es que el precio sea menor de 30 centavos y las ventas sobrepasen las
20000 unidades, entonces:
0.3
P( X < 0.3 Y > 2) =
0.2
= 5
0.3
lim e
0.2
xy
dx = 5
2
5 xe
xy
dydx =
0.3
lim
0.2
5 xe xy dydx =
2
0.3
lim e
0.2
xR
2 x
dx = 5
0.3
2 x
dx = 5
0.2
0.3
e2 x dx =
0.2
0.3
5
5
5
= e2 x = e2(0.3) e2(0.2) = e2(0.2) e2(0.3) 0.3038
0.2
2
2
2
b) Para que las variables aleatorias conjuntas sean independientes, es suficiente que se cumpla:
f XY ( x, y ) = f X ( x) fY ( y )
sustituyendo las funciones marginales, se tiene:
5
5
5 x e xy 5 2 e 0.2 y (1 + 0.2 y ) 2 e 0.4 y (1 + 0.4 y )
y
y
por lo tanto no son independientes; es decir, son variables aleatorias conjuntas dependientes.
7.
Una compaa fabrica focos que tienen un periodo de vida distribuido aproximadamente
normal, con media igual a 800 horas y desviacin estndar de 40 horas. Calcular la
probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos de
775 horas.
15 puntos
Resolucin
Sea X la variable aleatoria que representa el periodo de vida, en horas, de un foco.
X Normal ( = 800, 2 = (40) 2 )
con
n = 16 ,
X i Normal ( = 800, 2 = (40) 2 )
i = 1, 2, 3, ... , 16
se quiere calcular la probabilidad de que la vida promedio de los 16 focos, sea cuando mucho de 775
horas, entonces:
P ( X 775 ) = P ( X <775 )
como se conoce la variancia, se sabe que:

X Normal X = X , X = X
n
sustituyendo:
40
X Normal X = 800, X =
16
o bien:
X Normal ( X = 800, X = 10 )
la probabilidad pedida es:
25
775
800
X
= PZ <
<
P ( X 775 ) = P ( X <775 ) P
=
40
10
16
n
De tablas de la funcin de distribucin acumulativa normal estndar:

= P ( Z < 2.50) = FZ (2.50) = 0.0062
Facultad de Ingeniera
Divisin de Ciencias Bsicas
Coordinacin de Ciencias Aplicadas
Departamento de Probabilidad y Estadstica
Probabilidad y Estadstica
Segundo Examen Final
SOLUCIN
Semestre: 2008-1
Duracin mxima: 2.5 h
1.
En la siguiente tabla se muestra la clasificacin combinada del nmero de millas y el volumen del motor por parte
de la APA en 49 estados (todos menos California) para nueve automviles subcompactos con transmisin
estndar, de cuatro cilindros y que utilizan gasolina. El tamao del motor se da en pulgadas cbicas totales de
cilindrada.
Automvil
Cilindrada (x) mpg (combinado) (y)
VW Rabbit
97
24
Datsun 210
85
29
Chevette
98
26
Dodge Omni
105
24
Mazda 626
120
24
Oldsmobile Starfire
151
22
Mercury Capri
140
23
Toyota Celica
134
23
Datsun 810
146
21
a)
Representar los datos en un diagrama de dispersin.
b)
Ajustar a los datos un modelo lineal de regresin, empleando el criterio de mnimos cuadrados.
c)
Dibujar la grfica de la recta de los mnimos cuadrados para ver qu tan bien se ajusta a los datos.
d)
Utilizar la recta de los mnimos cuadrados para estimar el promedio de millas por galn para un automvil
subcompacto que tiene un volumen del motor de 125 pulgadas cbicas.
e)
Calcular la covariancia, el coeficiente de correlacin y de determinacin. Interpretar los resultados de la
relacin de las variables.
20 Puntos
Resolucin
a)
El diagrama de dispersin es:
mpg (combinado) (y)
Diagram a de dispersin
40
30
20
10
0
80
100
120
140
Cilindrada (x)
b)
El ajuste de los datos a un modelo lineal de regresin por el criterio de mnimos cuadrados est dado por:
y = 0 + 1 x
donde:
0 = y 1 x
y
1 =
SS xy
SS xx
realizando los productos y las sumas, se tiene:
x
97
85
98
105
120
151
140
134
146
Sumas: 1076
y
24
29
26
24
24
22
23
23
21
216
x2
y2
9409
576
7225
841
9604
676
11025 576
14400 576
22801 484
19600 529
17956 529
21316 441
133336 5228
xy
2328
2465
2548
2520
2880
3322
3220
3082
3066
25431
de donde:
SS xx =
2
x
i
i =1
xi
2
i =1
= 133336 (1076 ) = 4694.222
9
n
x
y
(1076 )( 216 ) = 393

xy
= 25431
n
SS xy =
i =1
i =1
i =1
sustituyendo :
1 =
SS xy
SS xx
393
= 0.084
4694.222
para encontrar los promedios, se tiene:
1
x=
n
xi =
1
(1076 ) =119.556
9
yi =
1
( 216 ) = 24
9
i =1
1
y=
n
i =1
sustituyendo:
0 = 24 ( 0.084 )(119.556 ) = 34.043
por lo tanto el modelo lineal de regresin es:
y = 34.043 0.084 x
c)
La grfica es:
Diagrama de dispersin
y = -0.084x + 34.043
mpg (combinado) (y)
35
30
25
20
15
10
5
0
80
90
100
110
120
130
140
150
Cilindrada (x)
d)
Un automvil subcompacto que tiene un volumen del motor de 125 pulgadas cbicas, sustituyendo en el modelo,
se tiene:
y = 34.043 0.084 (125 ) = 23.543

e)
La covariancia est dada por:
( X ,Y ) =
Cov
SS xy
n
393
= 43.667
9
El coeficiente de correlacin est definido por:
r=
SS xy
SS xx SS yy
calculando:
SS yy =
y2
i =1
yi
2
i =1
= 5228 ( 216 ) = 44
9
n
n
por lo que el coeficiente de correlacin es:
r=
393
( 4694.222 )( 44 )
= 0.865
El coeficiente de determinacin est definido por:
R 2 = ( r ) 2 = ( 0.865 ) 2 = 0.748
Se concluye que las variables tienen una buena relacin lineal, puesto que: r = 0.865
2.
Una urna contiene 40 bolas blancas y 10 bolas negras. Si dos bolas se sacan aleatoriamente, determinar la
probabilidad de que las dos sean blancas si:
a)
la primera bola es reemplazada antes de sacar la segunda.
b)
la primera bola no es reemplazada antes de sacar la segunda.
10 Puntos
Resolucin
a)
Sea A el evento que representa que se selecciona aleatoriamente una bola blanca de la urna, con reemplazo, si
la primera bola que se selecciona es blanca.
2
b)
40 40 40 4 16
P ( A A ) = = = = = 0.64
50 50 50 5 25
Sea B el evento que representa que se selecciona aleatoriamente una bola blanca de la urna, sin reemplazo, si la
primera bola que se selecciona es blanca.
40 39 4 39 156
P ( B B ) = = =
0.637
50 49 5 49 245
3.
Se tiene la siguiente funcin de densidad:
2e -2x
f X (x)=
0
;
;
a)
Obtener el valor esperado de la funcin.
b)
Calcular la variancia de la funcin.
10 Puntos
Resolucin
Sea X una variable aleatoria con distribucin exponencial con
a)
El valor esperado es:
E(X )=
x>0
en otro caso
=2
1
= = 0.5
2
o bien:
E(X )=
b)
2 x e 2 x dx = lim
1
2 x e 2 x dx = = 0.5
2
La variancia es:
Var ( X ) =
1 1
= = 0.25
22 4
o bien:
Var ( X ) =
2x
x 2 e dx = Rlim
1
1
2x
x 2 e dx = = 0.25
2
4
4.
Los conductores que se fabrican para utilizarse en determinado sistema de cmputo, necesitan resistencias que
varen entre 0.12 y 0.14 ohms. Las resistencias reales medidas de los conductores que produce la compaa A
tienen un distribucin normal con promedio de 0.13 y desviacin estndar de 0.005 ohm, respectivamente.
a)
Cul es la probabilidad de que un conductor seleccionado al azar de la produccin de la compaa A
cumpla con las especificaciones?
b)
Si se usan cuatro de estos conductores en el sistema de la compaa A, cul es la probabilidad de que el
cuarto conductor sea el primero que cumple con las especificaciones?
c)
Si se usan cuatro de estos conductores en el sistema de la compaa A, cul es la probabilidad de que el
cuarto componente sea el segundo componente que cumple con las especificaciones?
15 Puntos
Resolucin
Sea Y la variable aleatoria que representa el valor de las resistencias que fabrica la compaa A .
Y Normal ( Y = 0.13, Y = 0.005 )
a)
Se quiere calcular:
0.14 0.13
0.12 0.13
P ( 0.12 Y 0.14 ) = P ( 0.12 < Y < 0.14 ) P
<Z <
= P ( 2 < Z < 2 )
0.005
0.005
De la tabla de la distribucin acumulativa normal estndar, se tiene:
FZ (2.00) FZ ( 2.00) = 0.9772 0.0228 = 0.9544

b)
Si se usan cuatro de estos conductores en el sistema de la compaa

primero que cumple con las especificaciones, es:
A , la probabilidad de que el cuarto sea el
Q Geomtrica ( p = 0.9544 )
Se quiere calcular:
P ( Q = 4 ) = q 3 p = (1 0.9544)3 ( 0.9544 ) = ( 0.0456 ) ( 0.9544 ) = 9.05 10 5

3
c)
Si se usan cuatro de estos conductores en el sistema de la compaa A, la probabilidad de que el cuarto

componente sea el segundo componente que cumple con las especificaciones, es:
R Pascal ( p = 0.9544, r = 2 )
Se pide calcular:
3
3
2
P ( R = 4 ) = p 2 q 2 = ( 0.9544 ) ( 0.0456) 2 0.0057
1
1

5.
En un conmutador telefnico de una central, se reciben en promedio dos llamadas por minuto, suponiendo que las
llamadas siguen un proceso de Poisson, determinar la probabilidad de que:
a)
no llegue ninguna llamada en un periodo de tres minutos.
b)
lleguen menos de tres llamadas en un periodo de dos minutos.
15 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de llamadas que llegan al conmutador telefnico en un minuto.
X Poisson ( = 2 )
a)
Se pide calcular la probabilidad de que no llegue ninguna llamada en un periodo de tres minutos, entonces:
X Poisson ( t = 2(3) = 6 )
P ( X =0) =
b)
x e
x!
60 e 6
= e 6 0.002
0!
Se quiere calcular la probabilidad de que lleguen menos de tres llamadas en un periodo de dos minutos,
entonces:
X Poisson ( t = 2(2) = 4 )
P ( X < 3) = P ( X = 0 ) + P ( X = 1) + P ( X = 2) =
x =0
P ( X < 3) =
x e
x!
40 e 4 4 e 4 4 2 e 4
+
+
= e 4 [1 + 4 + 8] 0.238
0!
1!
2!
4
6.
Sean las distribuciones marginales de probabilidad de las variables aleatorias

X
Y
1
2
0
1
f X ( x)
0 .4
0 .6
fY ( y)
0 .2
X eY :
0 .3
2
0 .4
3
0 .1
Si X y Y son estadsticamente independientes:

a)
obtener la distribucin de probabilidad conjunta.
b)
demostrar que el coeficiente de correlacin es cero.
15 Puntos
Resolucin
Si las variables aleatorias conjuntas son independientes, entonces:
f XY ( x , y ) = f X ( x) fY ( y )
a)
La distribucin de probabilidad conjunta es:
f XY
b)
(x , y )
1
0
0.08
1
0.12
y
2
0.16
3
0.04
El coeficiente de correlacin es cero, esto es, en particular:
2
0.12
0.18
0.24
0.06
Cov ( X , Y ) =E ( X Y ) E ( X ) E (Y )
realizando los clculos:
E( X Y ) =
xy f
y
XY
(x , y )
sustituyendo:
E ( X Y ) = (1)(1)(0.12) + (1)(2)(0.16) + (1)(3)(0.04) + (2)(1)(0.18) + (2)(2)(0.24) + (2)(3)(0.06)

E ( X Y ) = 2.24
Los promedios de las funciones marginales son:
E( X ) =
x f X ( x ) = (1)(0.4) + (2)(0.6) = 1.6
E (Y ) =
y fY ( y ) = (1)(0.3) + (2)(0.4) + (3)(0.1) = 1.4
sustituyendo en la covariancia:
Cov ( X , Y ) = 2.24 (1.6) (1.4 ) = 0
se verifica que son variables aleatorias conjuntas independientes.

7.
Se tom una muestra aleatoria de 16 calificaciones de una poblacin estudiantil de 100 estudiantes, en donde se
encontr una desviacin estndar muestral de las calificaciones de cuatro puntos y media muestral de 20 puntos,
cul es la probabilidad de seleccionar a un alumno que tenga ms de 21.753 puntos como promedio?
15 Puntos
Resolucin
Del enunciado se tiene:
n =16
S n21 = 42
x = 20
Se quiere determinar la probabilidad de que un alumno seleccionado al azar tenga al menos 21.753 puntos como
promedio muestral, no se conoce la variancia poblacional ni la media poblacional pero se sabe que es igual a la media
muestral, entonces:
X 21.753 20
>
P ( X > 21.753 ) = P ( X 21.753 ) P
4
S n 1
16
n
(21.753 20)(4)
= P T >
4
= P ( T > 1.753 ) =
de la tabla de la distribucin t de Student, con 15 grados de libertad y 1.753, se tiene:
P (T > 1.753 ) = 0.05
Distribucin acumulativa normal estndar

z
0.01
0.02
0.03
0.04
0.05
0.06
0.07
Distribucin t de Student
0.08
0.09
0.0
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
318.2888 159.1444 106.0963
79.5722
0.2
0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
22.3285
15.7638
12.8517
11.1130
0.3
0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
10.2143
8.0524
6.9944
6.3221
0.4
0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
7.1729
5.9514
5.3213
4.9076
0.5
0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
5.8935
5.0303
4.5703
4.2620
0.6
0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
5.2075
4.5242
4.1517
3.8982
0.7
0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
4.7853
4.2071
3.8868
3.6666
0.8
0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
4.5008
3.9909
3.7049
3.5067
0.9
0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
4.2969
3.8345
3.5726
3.3899
1.0
0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
10
4.1437
3.7163
3.4721
3.3010
1.1
0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
11
4.0248
3.6238
3.3933
3.2311
1.2
0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
12
3.9296
3.5495
3.3298
3.1747
1.3
0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
13
3.8520
3.4887
3.2777
3.1282
1.4
0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
14
3.7874
3.4379
3.2341
3.0893
1.5
0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
15
3.7329
3.3948
3.1971
3.0563
1.6
0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
16
3.6861
3.3579
3.1653
3.0279
1.7
0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
17
3.6458
3.3259
3.1376
3.0032
1.8
0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
18
3.6105
3.2979
3.1135
2.9815
1.9
0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
19
3.5793
3.2732
3.0921
2.9624
2.0
0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
20
3.5518
3.2512
3.0731
2.9453
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
0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1
0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2
0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3
0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
0.001
0.002
0.003
0.004
UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2009-1
DURACIN MXIMA 2.5 HORAS
TIPO 1
DICIEMBRE 3 DE 2008
NOMBRE______________________________________________________________________
1.
Los alumnos de la carrera de ingeniera industrial de la Facultad de Ingeniera de la UNAM, realizaron

un estudio de las cotizaciones del trigo con el fin de emprender un negocio de distribucin. Los datos
(en miles de pesos) de la muestra, se presentan en la tabla de distribucin de frecuencias siguiente.
Clase Fronteras de Clase M arcas de Clase Frecuencia absoluta Frecuencia relat iva Frecuencia Acumulada Frecuencia Acumulada Relat iva
Li
97.25
Ls
xi
fi
120.95
109.1
18
*
fi
( xi x )
Fi
*
Fi
xi fi
0.300
18
0.300
1963.8
31555.744
6933.127
fi
120.95
144.65
132.8
21
0.350
39
0.650
2788.8
144.65
168.35
156.5
0.100
45
0.750
939.0
183.485
168.35
192.05
180.2
0.033
47
0.783
360.4
1708.786
192.05
215.75
203.9
0.033
49
0.817
407.8
5603.170
215.75
239.45
227.6
0.133
57
0.950
1820.8
46977.255
239.45 263.15
251.3
0.033
59
0.983
502.6
20132.218
263.15 286.85
275.0
0.017
60
1.000
275.0
15383.441
60
1.000
9058.2 128477.226
a) Calcular la media, la mediana y la moda de la muestra.

b) Determinar la variancia muestral y el coeficiente de variacin.
c) Dibujar el histograma, el polgono de frecuencias y la ojiva.
20 Puntos
Resolucin
1
a) La media de los datos est dada por: x =
n
sustituyendo: x =
1
60
i =1
La mediana es el valor de
Ls
120.95
x
144.65
xi fi =
x f =x f
m
i i
i =1
i i
i =1
1
[1963.8 + + 275.0] = 150.97
60
x que divide en dos partes a la muestra dada, entonces:
Fi*
0.3
0.5
0.65
Realizando una interpolacin:
m=
0.65 0.3
0.35
=
= 0.015
144.65 120.95 23.7
con la ecuacin de una recta dado un punto y la pendiente, se tiene:
y 0.65 = 0.015 ( x 144.65 )

con
y = 0.5 , sustituyendo:
EF1 PyE_091
0.5 0.30 = 0.015 ( x 120.95 )

0.2
+ 120.95
0.015
x = 134.283
x=
La moda es el valor de la marca de clase con mayor frecuencia:
xmo = 132.8
De otra forma, usando la frmula para datos agrupados:
a
xmo = LMo inf +
cMo
a + b
donde:
a = f Mo f Mo 1
b = f Mo f Mo +1
f Mo : Es la frecuencia absoluta de la clase que contiene a la moda

cMo : Es la longitud de la clase que contiene a la moda
LMoinf : Es el lmite inferior de la clase que contiene a la moda
sustituyendo:
3
xmo = 120.95 +
( 23.7 )
3 + 15
realizando las operaciones:
xmo = 124.90
b) La variancia muestral est definida por:
sn21 =
1 m
2
( xi x ) fi
n 1 i =1
sustituyendo la informacin dada:
1
[31555.744 + + 15383.441]
59
1
sn21 = [128477.226] = 2177.580
59
sn21 =
El coeficiente de variacin se define por:
sustituyendo:
C.V . =
C.V . =
Sn 1
x
2177.580 46.665
=
= 0.309
150.970
150.970
c) El histograma es:
Histograma
Frecuencia Relativa
0.400
0.350
0.300
0.250
0.200
0.150
0.100
0.050
0.000
109.1
132.8
156.5
180.2
203.9
227.6
251.3
275.0
Marcas de Clase
EF1 PyE_091
El polgono de frecuencias es:

Polgono de Frecuencia
Frecuancia Relativa
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
85.4
109.1
132.8
156.5
180.2
203.9
227.6
251.3
275.0
298.7
Marcas de Clase
La ojiva es:
Frecuencia Acumulada
Relativa
Ojiva
1.2
1
0.8
0.6
0.4
0.2
0
97.25 120.95 144.65 168.35 192.05 215.75 239.45 263.15 286.85
Fronteras de Clase
2.
Una prueba diagnstica para el cncer uterino tiene un coeficiente falso-positivo de 0.05 y falsonegativo de 0.1. Una mujer con una probabilidad pre-prueba de padecer la enfermedad de 0.15 tiene
un resultado negativo con igual probabilidad. Calcular la probabilidad de que no est enferma. El
coeficiente falso-positivo se refiere a: el resultado es positivo, dado que la mujer no tiene la
enfermedad y, el coeficiente falso-negativo se refiere a: el resultado es negativo, dado que la mujer
tiene la enfermedad.
15 Puntos
Resolucin
Sea E el evento que representa que la mujer tenga la enfermedad.
Sea A el evento que representa el resultado de la prueba es positivo.
P ( E ) = 0.15
P ( E ) = 0.85
P ( A E ) = 0.05
P A E = 0.10
Se quiere calcular: P E A
Por el Teorema de Bayes:
P E A =
P(A E)
P ( A)
P(E) P A E
P(E) P A E + P(E) P A E
sustituyendo:
P E A =
EF1 PyE_091
( 0.85 )( 0.95)
0.8075
= 0.9818
=
( 0.15 )( 0.10 ) + ( 0.85)( 0.95) 0.8225
3.
Por saturacin de vuelos, algunas lneas areas venden ms pasajes que los disponibles en un vuelo.
Una compaa ha vendido 205 boletos que corresponden a un avin con capacidad de 200 asientos.
Sea X la variable aleatoria que representa el nmero de pasajeros que tramita su pase de abordar
en el aeropuerto. La distribucin de probabilidad est dada por
198
0.05
fX ( x)
199
0.09
200
0.15
201
0.20
202
0.23
203
0.17
204
0.09
205
0.02
a)
b)
c)
Determinar la probabilidad de que todos los pasajeros tengan asiento.

Calcular la probabilidad de que alguno de los pasajeros se quede sin asiento.
Determinar el nmero promedio de pasajeros que llegan a tomar el vuelo.
Supngase que la compaa area recibe 250 euros por cada boleto que vende, pero que tiene
que devolver el precio del boleto y adems, pagar una multa de 1000 euros a cada pasajero que
no pueda tomar el avin y que adquiri su boleto. Calcular la cantidad esperada de dinero que
ganar la compaa.
20 Puntos
Resolucin
a) Se pide calcular P ( X 200 ) , entonces:
P ( X 200 ) = P ( X = 198 ) + P ( X = 199 ) + P ( X = 200 )

P ( X 200 ) = 0.05 + 0.09 + 0.15 = 0.29
b) Se pide determinar P ( X > 200 ) , entonces:
P ( X > 200 ) = P ( X = 201) + P ( X = 202 ) + P ( X = 203) + P ( X = 204 ) + P ( X = 205 )

P ( X > 200 ) = 0.20 + 0.23 + 0.17 + 0.09 + 0.02 = 0.71
tambin se puede obtener como:
P ( X > 200 ) = 1 P ( X 200 ) = 1 0.29 = 0.71
c) Calculando el valor esperado, E ( X ) :
E(X ) =
x f ( x)
X
sustituyendo:
E ( X ) = 198 ( 0.05 ) +199 ( 0.09 ) + 200 ( 0.15 ) + 201( 0.2 ) + 202 ( 0.23) + 203 ( 0.17 ) + 204 ( 0.09 ) + 205 ( 0.02 )
E ( X ) = 201.44
se espera que lleguen 202 personas. Entonces para calcular la cantidad esperada de dinero:
U =I E
El modelo es:
U = 250 X 1250 ( X 200 )
Aplicando valor esperado a la utilidad:
E (U ) = E ( 250 X 1250 ( X 200 ) ) = 250 E ( X ) 1250 E ( X 200 )
se tiene:
E (U ) = 250 E ( X ) 1250 ( E ( X ) 200 ) = 250 ( 201.44 ) 1250 ( 201.44 200 )

E (U ) = 50360 1800
E (U ) = 48560 Euros
4.
La aceptacin de un tubo capilar para un congelador se encuentra midiendo la presin que ejerce (en
libra por pulgada cuadrada, [psi]) en los extremos del mismo. Informacin obtenida anteriormente en
un proceso de manufactura de tubos capilares hace suponer que estas presiones estn distribuidas
normalmente, con media de 130 [psi] y desviacin estndar de cuatro [psi].
a) Si no se pueden aceptar presiones por debajo de 121.5 [psi], cul es el porcentaje de tubos
rechazados?
EF1 PyE_091
b) Si no se quiere rechazar ms del 10% de los tubos con presiones bajas, cul es la presin mnima
que debe tener cualquier tubo para ser aceptado?
15 Puntos
Resolucin
a) Sea X la v.a. que representa la presin que ejerce un tubo capilar en los extremos.
X Normal ( X = 130 [ psi ] , X = 4 [ psi ])
Se pide calcular la probabilidad de que la presin P ( X < 121.5) que da la probabilidad de que
un tubo sea rechazado y usando tablas de la funcin de distribucin acumulativa normal estndar:
121.5 130
P ( X < 121.5 ) P Z <

= P ( Z < 2.13) = 0.0166
4
entonces el porcentaje de tubos que sern rechazados es: 1.67%

b) Se pide determinar P ( X < x) = 0.10 que representa que no se requiera rechazar ms de 10%
de los tubos con presiones bajas, entonces:
x 130
P ( X < x ) PZ <
= P ( Z < z0 ) = 0.10
4
usando tablas de la funcin de distribucin acumulativa normal estndar, con 0.10 el ms

prximo es:
z0 =
x 130
4
por lo que:
1.28 =
x 130
4
despejando:
x = 124.88 [ psi]
que sera la presin mnima que debe tener un tubo para ser aceptado.
5.
X y Y con funcin de densidad conjunta

4 xy ; 0 x 1 , 0 y 1
f XY ( x, y ) =
en otro caso
0 ;
Sean las variables aleatorias conjuntas
a) Obtener las funciones de densidad marginal para X y Y .

b) Son X y Y variables aleatorias conjuntas independientes?
c) Calcular el valor esperado de
15 Puntos
Resolucin
Z = X 2 +Y2 .
a) Las funciones marginales estn definidas por:
f X ( x) =
f XY ( x, y ) dy
fY ( y ) =
f XY ( x, y ) dx
f X ( x) =
4 xy dy =
( 2 xy )
1
0
= 2x ; 0 x 1
por simetra:
fY ( y ) = 2 y ; 0 y 1
b) Para que las vv.aa. sean independientes, debe cumplir:
f XY ( x, y ) = f X ( x ) fY ( y )
sustituyendo:
EF1 PyE_091
4 xy = ( 2 x )( 2 y )
4 xy = 4xy
por lo tanto, s son variables aleatorias conjuntas estadsticamente independientes.
Z = X 2 + Y 2 est dado por:

E ( Z ) = E ( X 2 + Y 2 ) = E ( X 2 ) + E (Y 2 )
c) El valor esperado de
entonces:
E(X
)=
x 2 f X ( x) dx
-
sustituyendo:
E(X
)=
x (2 x) dx = 2
2
2
x dx = x 4
4
1
2
Por simetra:
E (Y 2 ) =
1
2
Por lo tanto el valor esperado es:

6.
E ( Z ) = E ( X 2 ) + E (Y 2 ) =
1 1
+ =1
2 2
Considrese una enlatadora que produce latas de ocho [onzas] de maz procesado. Los ingenieros de
control de calidad han determinado que el proceso est funcionando correctamente cuando la
variacin verdadera de la cantidad de llenado por lata es de menos de 0.0025. Se selecciona una
muestra aleatoria de 10 latas de la produccin del da y se registra la cantidad de llenado (en onzas)
2
para cada una. Lo que interesa es la variancia de la muestra,
S 2 . Si en verdad 2 = 0.001 , calcular
la probabilidad de que S ser mayor que 0.0025. Supngase que las cantidades de llenado tienen
una distribucin normal.
15 Puntos
Resolucin
Sea X la v.a. que representa la cantidad de maz procesado que debe contener una lata de ocho
[onzas].
X Normal ( X , X2 = 0.001)
Sea
X i una muestra aleatorias de 10 latas de la produccin. i = 1, 2,...,10
X i Normal ( X , X2 = 0.001)
i=1,2,...,10
se pide calcular:
P ( S2n 1 > 0.0025 )

entonces:
P (S
2
n 1
> 0.0025 )
S2n 1 ( n 1)
P
>
2
( 0.0025)( 9 ) = P
0.001
( ( )
2
9
> 22.5 = 0.00742
por lo que es poco probable de que exceda la cantidad de llenado.

De otra forma, usando las tablas de la distribucin Ji-cuadrada, se tiene que con nueve grados de
libertad y 22.5, realizando una interpolacin:
21.666
22.5
23.589
m=
0.01
y
0.005
0.01 0.005
0.005
=
= 0.0026
21.666 23.589 1.923
de la ecuacin de la recta punto-pendiente:
EF1 PyE_091
y 0.01 = 0.0026 ( x 21.666 )

con x = 22.5
y = 0.0026 ( 22.5 21.666 ) + 0.01
y = 0.0078
donde se observa que es poco probable que se exceda la cantidad de llenado.
De otra forma de la tabla de la distribucin Ji cuadrada, con nueve grados de libertad y x = 22.5 , es:
0.005 < P (29) > 22.5 < 0.01
EF1 PyE_091

RESOLUCIN
SEMESTRE 2009-1
DICIEMBRE 10 DE 2008
NOMBRE______________________________________________________________________
1.
Supngase que un ingeniero toma una muestra aleatoria de 10 embarques recientemente enviados
por camin de una compaa y registra la distancia en kilmetros y el tiempo de entrega, al medioda
ms cercano, y a partir del momento en que el embarque estuvo listo para su transportacin.
Distancia
( x ) , [Km]
825
215
1070
550
480
920
1350
325
670
1215
3.5
1.0
4.0
2.0
1.0
3.0
4.5
1.5
3.0
5.0
Tiempo de
entrega
( y ) , [das]
a) Construir la grfica de dispersin.

b) Estimar la recta de regresin.
c) Calcular el coeficiente de determinacin e interpretar el resultado.
20 Puntos
Resolucin
a) El diagrama de dispersin es:
Diagrama de Dispersin
6
Tiempo (y)
y = 0.0036x + 0.11
R2 = 0.9005
4
3
2
1
0
0
215
430
645
860
1075
1290
1505
Distancia (x)
y = 1 x + 0
La recta de regresin est dada por:

donde:
0 = y 1 x
y
1 =
SS
xy
SS xx
Con n = 10 , se sabe que:
x y
10
1
x =
n
EF2 PyE_091
x
10
n =1
1
y =
n
y
10
n =1
10
SS xy =
n =1
10
yi
n =1
n =1
10
xi
10
n =1
x i2
=
n
n =1
SS xx
sustituyendo en cada caso:
7620
= 762
10
28.5
y=
= 2.85
10
x=
SS xy = 26370
( 7620 )( 28.5)
= 4653
10
( 7620 )
SS xx = 7104300
10
= 1297860
sustituyendo:
4653
= 0.0036
1297860
= 2.85- ( 0.0036 ) ( 762 ) = 0.11
1 =
0
por lo tanto el ajuste a una recta est dado por:
y = 0.0036 x + 0.11
10
c) Se requiere SS
yy
n =1
10
y
n =1 i
yi2
n
sustituyendo:
SS yy = 99.75
( 28.5)
10
= 18.525
se sabe que:
r=
SS xy
SS xx SS yy
4653
(1297860 )(18.525)
= 0.9489
entonces:
r 2 = ( 0.9489 ) = 0.9004
2
La tendencia lineal es muy buena.

2.
Una fbrica de computadoras recibe circuitos provenientes de tres distintos fabricantes

El 50% del total se compra a
A1 , A2 y A3 .
A1 , mientras que a A2 y A3 , se les compra un 25% a cada uno. El
porcentaje de circuitos defectuosos para
A1 , A2 y A3 , es de 5, 10 y 12%, respectivamente. Si los
circuitos se almacenan en la planta sin importar quien fue el proveedor.

a) Determinar la probabilidad de que una computadora contenga un circuito defectuoso.
b) Si un circuito no est defectuoso, cul es la probabilidad de que haya sido vendido por el
proveedor A2 ?
15 Puntos
Resolucin
Sean los eventos:
EF2 PyE_091
Ai : El circuito proviene del fabricante i ; i = 1, 2, 3.

D : El circuito est defectuoso.
a) Empleando el Teorema de Probabilidad Total:
(
) (
) (
)
P ( D ) = P ( A1 ) P ( D | A 1 ) + P ( A 2 ) P ( D | A 2 ) + P ( A 3 ) P ( D | A 3 )
P ( D ) = P D A1 + P D A 2 + P D A 3
P ( D ) = ( 0.5 )( 0.05 ) + ( 0.25 )( 0.1) + ( 0.25 )( 0.12 )

P ( D ) = 0.08
Entonces la probabilidad de que no est defectuoso es:
( )
P D = 1- P ( D ) = 1- 0.08 = 0.92
b) Del Teorema de Bayes y empleando el resultado del inciso anterior:
P A2 | D =
P A2 D
( )
P( A ) P(D | A )
P ( A | D) =
P ( D)
P D
2
P A2 | D =
P A2 | D =
3.
( ) (
P A2 P 1 - P D | A2
0.92
(0.25 )(1 - 0.1)
0.92
))
= 0.2446
El pH con el que se mide la acidez del agua, es importante en los estudios de lluvia cida. Para
determinado lago de cierta regin de Mxico, se llevan a cabo mediciones testigo de acidez para que
se pueda notar cualquier cambio originado por la lluvia acida. El pH de las muestras de agua del lago
es una variable aleatoria X , cuya funcin de densidad de probabilidad es
2x + 8
;
2< x5
90
9 x
f X ( x) =
;
5< x<9
16
; en otro caso
0
a) Obtener la funcin de distribucin que muestra el comportamiento acumulado
FX ( x) .
b) Para evitar los valores altos de pH que causan problemas en la flora y fauna local, se propusieron
ciertas acciones de control, cul es la probabilidad de que el pH sea menor de seis al aplicar
dichas medidas?.
c) Calcular el promedio del pH en una muestra de agua.
20 Puntos
Resolucin
a) La funcin de distribucin que muestra el comportamiento acumulado, se define por:
FX ( x ) =
f X (t ) dt
-
para el intervalo 2 < x 5 :
EF2 PyE_091
2t + 8
1
FX ( x ) =
dt = ( t 2 + 8t )
90
90
2
2
1
1
1
FX ( x ) = ( x 2 + 8 x ) - ( 4 + 16 ) = x 2 + x - 20
90
90
90
para el intervalo 5 < x < 9 :
1
FX ( x ) = +
2
FX ( x ) =
9t
1 1
t2
dt = + 9t
16
2 16
2
=
5
2< x5
1 1
x2 1
25
+ 9 x 45
2 16
2 16
2
1 9
1
45 25
1
9
49 1
+ x x2 +
= x 2 + x = x 2 + 18 x 49
2 16
32
16 32
32
16
32 32
5<x <9
por lo tanto, la funcin de distribucin est dada por:
x 2 + x - 20
90
FX ( x ) =
1 x 2 + 18 x 49
32
b) Se pide calcular
x2
; 2< x5
;
5<x <9
x9
P ( X < 6 ) , sustituyendo en la funcin de distribucin acumulativa:
P ( X < 6 ) = P ( X 6 ) = FX (6) =
1
23
62 + 18 ( 6 ) 49 =
0.719
32
32
c) Para calcular el promedio, se debe usar la funcin de densidad dada y se define como:
E(X ) =
x f X ( x) dx
-
sustituyendo:
E(X ) =
2x + 8
x
dx +
90
2
E(X ) =
1
90
( 2 x 2 + 8x ) dx +
9 x
x
dx
5 16
1
16
( 9 x x ) dx
2
integrando:
5
1 2
1 9
1
E ( X ) = x3 + 4 x 2 + x 2 x3
90 3
3
2 16 2
E(X ) =
1 2 3
1 2 3
1 9 2 1 3 1 9 2 1 3
2
2
(5 ) + 4 (5 ) ( 2 ) + 4 ( 2 ) + (9 ) (9 ) (5 ) (5 )
90 3
3
3
90 3
16 2
16 2
9 19 149
E(X ) = + =
4.967
5 6
30
EF2 PyE_091
4.
Investigaciones y anlisis recientes se centran en el nmero de enfermedades relacionadas con el

organismo Escherichia Coli, que provoca la descomposicin de los glbulos rojos y hemorragias
intestinales en sus victimas. En cierta ciudad han ocurrido brotes espordicos de E. Coli a una tasa de
2.5 por 100,000 durante un periodo de dos aos. Supngase que la tasa se conserva.
a) Cul es la probabilidad de que halla ms de dos casos de E. Coli por 100,000 en dicha ciudad
en un determinado ao?
b) Alrededor de cuntos casos a lo sumo se relacionan con el 95% de los brotes de E. Coli?
15 Puntos
Resolucin
Sea X la v.a. que representa el nmero de brotes de Escherichia Coli .
X ~ Binomial ( n , p )
sustituyendo:
2.5
X ~ Binomial n = 100000 , p =
100000
o bien
X ~ Binomial ( n = 100000 , p = 0.000025 )
se sabe que, se puede hacer una aproximacin por la distribucin de Poisson, ya que,
n es grande y
brotes
p es pequea, entonces: = np = 2.5
, en un ao, se tiene:
2 aos
brotes
= np = 1.25
ao
por lo tanto:
brotes
Poisson 1.25
ao
a) La probabilidad de que halla ms de dos casos de Escherichia Coli , es:
P ( X > 2) = P ( X = 3) + P ( X = 4 ) + P ( X = 5 ) + +
(1.25 )0 1.25 1.25 1.25 (1.25 )2 1.25
+
+
P ( X > 2) = 1 P ( X 2 ) = 1
e
e
e
1!
2!
0!
97
P ( X > 2) = 1 P ( X 2 ) = 1 e 1.25 0.1315
32
b) Para determinar el valor de x , de tal forma que P ( X x) = 0.95 , se tiene:
brotes
X Poisson = 1.25
ao
Utilizando el comportamiento acumulado:
x
P ( X = 0) =
0
(1.25)
0!
P (X
(1.25)
1) =
P (X
(1.25)
2) =
P (X
(1.25)
3) =
P ( X x)
e 1.25 0.2865
0!
e1.25 0.6446
1!
0!
(1.25)
+
1.25
(1.25)
+
1.25
1!
1.25
(1.25)
+
2!
e1.25 0.8685
1.25 1.25 (1.25 ) 1.25 (1.25 ) 1.25

+
e
+
e
+
e
0.9617
1!
2!
3!
2
1.25
0!
3
Por lo tanto seran a lo ms tres casos para tener la probabilidad pedida.
EF2 PyE_091
5.
Supngase que
Y1 , Y2 y Y3 son variables aleatorias con
= 1, 12 = 2 ) ,
= 3, 22 = 1) ,
= 0, 32 = 4 ) , Cov (Y1 , Y2 ) = 1 , Cov (Y1 , Y3 ) = 2 y Cov (Y2 , Y3 ) = 1 . Calcular la media y la
variancia de
T = 2Y1 + Y2 3Y3 .
15 Puntos
Resolucin
Para obtener la media de la variable aleatoria
T , se sabe que es un operador lineal, entonces:

E (T ) = E ( 2Y1 + Y2 3Y3 ) = 2 E (Y1 ) + E (Y2 ) 3E (Y3 )
sustituyendo:
E (T ) = 2 (1) + 3 3 ( 0 ) = 5
La variancia de la variable aleatoria
Var (T ) = Var 2Y + Y 3Y
1 2
3
( )
( )
( )
T est dada por:
( ) ( )( )
) ( )( 3) Cov (Y1, Y3 ) + 2 (1)( 3) Cov (Y2 , Y3 )
Var T = 4Var Y1 + Var Y2 + 9Var Y3 + 2 2 1 Cov Y1 , Y2 + 2 2

Var (T ) = 4 ( 2 ) + 1 + 9 ( 4 ) + 2 ( 2 )(1)( 1) + 2 ( 2 )( 3)( 2 ) + 2 (1)( 3)(1)
Var (T ) = 11
6.
El tiempo en el que un cajero de un banco con servicio en el automvil atiende a un cliente, es una
variable aleatoria con distribucin aproximadamente normal, con media 3.2 minutos y desviacin
estndar 1.6 minutos. Si se observa una muestra aleatoria de 64 clientes, calcular la probabilidad de
que su tiempo medio en el cajero sea
a) ms de 3.5 minutos; y
b) al menos 3.2 minutos pero menos de 3.4.
15 Puntos
Resolucin
Sea Y la v.a. que representa el tiempo que tarda un cajero de un banco en brindar servicio en
automvil a un cliente.
Y Normal Y = 3.2 [min] , Y2 = (1.6 ) [min]2

Sea
Yi ; i = 1, 2, ... , 64 la muestra aleatoria tomada de una poblacin normal, por el teorema del
lmite central, se tiene:
Yi Normal Yi = 3.2 , Y2i = 1.6 2
i=1,2,...,64
la variable aleatoria para los 64 clientes de un banco en brindar servicio en automvil:
1
1
Y = (Y1 + Y2 + ... + Y64 ) =
64
64
Y
64
i =1
entonces:
2
Y2 (1.6 )
2
Y Normal Y = Y =3.2 , Y =
=
64
64
a) Del enunciado se pide determinar P Y > 3.5 , entonces:
3.5 3.2
P Y > 3.5 P Z >
= P ( Z > 1.5 )
1.6
64
usando tablas de la funcin de distribucin acumulativa normal estndar:
P ( Z > 1.5 ) = 1 FZ ( Z = 1.5) = 1 0.9332 = 0.0668
EF2 PyE_091
b) La probabilidad de que la media muestral est en P 3.2 Y 3.4 = P 3.2 < Y < 3.4 ,
entonces:
3.2 3.2
3.4 3.2
<Z<
P 3.2 < Y < 3.4 P
= P ( 0 < Z < 1)
1.6
1.6
64
64
usando tablas de la funcin de distribucin acumulativa normal estndar:
P ( 0 < Z < 1) = FZ ( Z = 1) FZ ( Z = 0 ) = 0.8413 0.5 = 0.3413
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
-3.4
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0002
-3.3
0.0005
0.0005
0.0005
0.0004
0.0004
0.0004
0.0004
0.0004
0.0004
0.0003
-3.2
0.0007
0.0007
0.0006
0.0006
0.0006
0.0006
0.0006
0.0005
0.0005
0.0005
-3.1
0.0010
0.0009
0.0009
0.0009
0.0008
0.0008
0.0008
0.0008
0.0007
0.0007
-3.0
0.0013
0.0013
0.0013
0.0012
0.0012
0.0011
0.0011
0.0011
0.0010
0.0010
-2.9
0.0019
0.0018
0.0018
0.0017
0.0016
0.0016
0.0015
0.0015
0.0014
0.0014
-2.8
0.0026
0.0025
0.0024
0.0023
0.0023
0.0022
0.0021
0.0021
0.0020
0.0019
-2.7
0.0035
0.0034
0.0033
0.0032
0.0031
0.0030
0.0029
0.0028
0.0027
0.0026
-2.6
0.0047
0.0045
0.0044
0.0043
0.0041
0.0040
0.0039
0.0038
0.0037
0.0036
-2.5
0.0062
0.0060
0.0059
0.0057
0.0055
0.0054
0.0052
0.0051
0.0049
0.0048
-2.4
0.0082
0.0080
0.0078
0.0075
0.0073
0.0071
0.0069
0.0068
0.0066
0.0064
-2.3
0.0107
0.0104
0.0102
0.0099
0.0096
0.0094
0.0091
0.0089
0.0087
0.0084
-2.2
0.0139
0.0136
0.0132
0.0129
0.0125
0.0122
0.0119
0.0116
0.0113
0.0110
-2.1
0.0179
0.0174
0.0170
0.0166
0.0162
0.0158
0.0154
0.0150
0.0146
0.0143
-2.0
0.0228
0.0222
0.0217
0.0212
0.0207
0.0202
0.0197
0.0192
0.0188
0.0183
-1.9
0.0287
0.0281
0.0274
0.0268
0.0262
0.0256
0.0250
0.0244
0.0239
0.0233
-1.8
0.0359
0.0351
0.0344
0.0336
0.0329
0.0322
0.0314
0.0307
0.0301
0.0294
-1.7
0.0446
0.0436
0.0427
0.0418
0.0409
0.0401
0.0392
0.0384
0.0375
0.0367
-1.6
0.0548
0.0537
0.0526
0.0516
0.0505
0.0495
0.0485
0.0475
0.0465
0.0455
-1.5
0.0668
0.0655
0.0643
0.0630
0.0618
0.0606
0.0594
0.0582
0.0571
0.0559
-1.4
0.0808
0.0793
0.0778
0.0764
0.0749
0.0735
0.0721
0.0708
0.0694
0.0681
-1.3
0.0968
0.0951
0.0934
0.0918
0.0901
0.0885
0.0869
0.0853
0.0838
0.0823
-1.2
0.1151
0.1131
0.1112
0.1093
0.1075
0.1056
0.1038
0.1020
0.1003
0.0985
-1.1
0.1357
0.1335
0.1314
0.1292
0.1271
0.1251
0.1230
0.1210
0.1190
0.1170
-1.0
0.1587
0.1562
0.1539
0.1515
0.1492
0.1469
0.1446
0.1423
0.1401
0.1379
-0.9
0.1841
0.1814
0.1788
0.1762
0.1736
0.1711
0.1685
0.1660
0.1635
0.1611
-0.8
0.2119
0.2090
0.2061
0.2033
0.2005
0.1977
0.1949
0.1922
0.1894
0.1867
-0.7
0.2420
0.2389
0.2358
0.2327
0.2296
0.2266
0.2236
0.2206
0.2177
0.2148
-0.6
0.2743
0.2709
0.2676
0.2643
0.2611
0.2578
0.2546
0.2514
0.2483
0.2451
-0.5
0.3085
0.3050
0.3015
0.2981
0.2946
0.2912
0.2877
0.2843
0.2810
0.2776
-0.4
0.3446
0.3409
0.3372
0.3336
0.3300
0.3264
0.3228
0.3192
0.3156
0.3121
-0.3
0.3821
0.3783
0.3745
0.3707
0.3669
0.3632
0.3594
0.3557
0.3520
0.3483
-0.2
0.4207
0.4168
0.4129
0.4090
0.4052
0.4013
0.3974
0.3936
0.3897
0.3859
-0.1
0.4602
0.4562
0.4522
0.4483
0.4443
0.4404
0.4364
0.4325
0.4286
0.4247
0.0
0.5000
0.4960
0.4920
0.4880
0.4840
0.4801
0.4761
0.4721
0.4681
0.4641
EF2 PyE_091

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2009-2
TIPO 1
JUNIO 11 DE 2009
NOMBRE______________________________________________________________________
1.
"Scram" es el trmino que utilizan los ingenieros nucleares para describir un rpido cierre de emergencia
de un reactor nuclear. La industria nuclear ha hecho esfuerzos por reducir significativamente el nmero
de cierres no planeados. La tabla muestra el nmero de "Scrams" en cada uno de 56 reactores nucleares
en E.U.A.; 2004
a) Agrupar los datos en ocho intervalos, con un ancho de clase de dos y comenzando en la frontera
inferior -1.5
b) Calcular la media del nmero de Scrams para datos agrupados.
c) Obtener el segundo cuartil (la mediana) para datos agrupados.
Marcas de
Frecuencia
clase
absoluta
-0.5
6
1.5
13
3.5
18
5.5
6
7.5
8
9.5
3
11.5
1
13.5
1
15 Puntos
Resolucin
a) La tabla de distribucin de frecuencias es
Lmites
-1 - 0
1-2
3-4
5-6
7-8
9 - 10
11 - 12
13 - 14
Fronteras
Marcas fi
de clase
-1.5 - 0.5
-0.5
6
0.5 - 2.5
1.5
13
2.5 - 4.5
3.5
18
4.5 - 6.5
5.5
6
6.5 - 8.5
7.5
8
8.5 - 10.5
9.5
3
10.5 - 12.5
11.5
1
12.5 - 14.5
13.5
1
56
fi*
Fi
Fi *
0.107
0.232
0.321
0.107
0.142
0.053
0.017
0.017
6
19
37
43
51
54
55
56
0.107
0.339
0.660
0.767
0.910
0.964
0.982
1.000
b) El promedio de Scrams para datos agrupados est dada por la expresin
1
x=
n
xi f i =
i =1
xi fi *
i =1
sustituyendo
PyE_ EF1_TIPO1_2009-2
1
x=
56
xi fi =
i =1
1
226
= 4.036
( 0.5 )( 6 ) + + (13.5 )(1) =
56
56
c) El segundo cuartil es un valor que divide al conjunto de datos en dos subconjuntos de igual tamao,
se obtiene mediante una interpolacin lineal, entre las fronteras y la frecuencia acumulada, de tal
manera que se acumulen 28 datos, el valor de la frontera resultado de la interpolacin, ser el
segundo cuartil, mismo que coincide con la mediana.
Fronteras
2.5
Fi
19
28
37
x
4.5
m=
37 19 18
= =9
4.5 2.5 2
con la ecuacin de una recta dado un punto y la pendiente, se tiene:
y 19 = 9 ( x 2.5 )
con ( x , 28 ) , sustituyendo:
28 19 = 9 ( x 2.5 )
x = 1 + 2.5
x = 3.5
Se observa que en este caso, la mediana coincide con el punto medio de las fronteras de la clase en
cuestin.
2.
En una planta de artculos electrnicos, se sabe por experiencia que la probabilidad de que un nuevo
trabajador que haya asistido al programa de capacitacin conozca la cuota de produccin es 0.86 y que
la probabilidad correspondiente es 0.35 para otro que no haya asistido. Si el 80 % de todos los
empleados de ingreso reciente asisten al programa, determinar la probabilidad de que un nuevo
empleado conozca la cuota de produccin.
10 Puntos
Resolucin
Sean los eventos
A : El trabajador asisti al programa de capacitacin.

B : El trabajador conoce la cuota de produccin.
Se pide calcular la probabilidad de que un nuevo empleado conozca la cuota de produccin, P ( B ) .
( )
De los datos se tiene: P ( A ) = 0.8 , P A = 0.2 , P B A = 0.86 y P B A = 0.35

Del teorema de probabilidad total
P ( B) = P ( A B) + P ( A B)
P ( B ) = P ( A) P ( B A) + P ( A ) P ( B A )
sustituyendo
P ( B ) = 0.8 ( 0.86 ) + 0.2 ( 0.35 ) = 0.758
3.
Una tienda de computadoras adquiri tres computadoras Dell a $4000.00 cada una. Las vender a
$5500.00 cada una. El fabricante se comprometi a adquirir cualquier computadora que no se haya
vendido despus de un periodo especificado a $2000.00 cada una. Sea X la variable aleatoria que
representa el nmero de computadoras vendidas y supngase que P ( X = 0 ) = 0.1 , P ( X = 1) = 0.2 ,
P ( X = 2 ) = 0.3 y P ( X = 3) = 0.4 . Donde U ( X ) denota la utilidad asociada con la venta de X unidades,
la informacin dada implica que U ( X ) = Ingresos Costos = 5500 X + 2000 ( 3 X ) 12000 = 3500 X 6000 .
a) Calcular la utilidad esperada.
b) Determinar la desviacin estndar de la utilidad.
15 Puntos
Resolucin
La funcin de probabilidad de X se puede escribir, como
0
0.1
fX ( x)
1
0.2
2
0.3
3
0.4
a) La utilidad est dada por

U ( X ) = Ingresos Costos = 5500 X + 2000 ( 3 X ) 12000 = 3500 X 6000
entonces la utilidad esperada es
E U ( X ) = E ( 3500 X 6000 ) = 3500 E ( X ) 6000
El valor esperado del nmero de computadoras vendidas est definido por

E(X ) =
x fX ( x)
sustituyendo
E ( X ) = ( 0 )( 0.1) + (1)( 0.2 ) + ( 2 )( 0.3) + ( 3)( 0.4 )
E(X ) = 2
sustituyendo en la utilidad esperada

E U ( X ) = 3500 ( 2 ) 6000 = 1000
b) La variancia de la utilidad esperada es el segundo momento con respecto de la media, o bien, el

segundo momento con respecto del origen menos el primero al cuadrado
Var U ( X ) = Var ( 3500 X 6000 ) = ( 3500 ) Var ( X )
2
Se sabe que la variancia est definida por
( )
Var ( X ) = E X 2 E ( X )
Calculando el segundo momento con respecto del origen
( )
E X2 =
x2 f X ( x )
sustituyendo
( )
E(X ) = 5
E X 2 = ( 0 ) ( 0.1) + (1) ( 0.2 ) + ( 2 ) ( 0.3) + ( 3) ( 0.4 )

2
La variancia es
Var ( X ) = 5 [ 2] = 1
2
La variancia de la utilidad es
Var U ( X ) = ( 3500 )
La desviacin estndar de la utilidad es la raz de la variancia

U = Var (U ( X ) ) =
( 3500 )
= 3500
4.
El chef de un restaurante de comida cantonesa prepara una ensalada que contiene, en promedio, cinco
vegetales. Obtener la probabilidad de que la ensalada contenga ms de cinco vegetales:
a) en un da dado,
b) por primera vez en abril, el quinto da.
15 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de vegetales que contiene la ensalada.
vegetales
X Poisson = 5
ensalada
a) La probabilidad de que la ensalada tenga ms de cinco vegetales en un da dado, es
P ( X > 5) = 1
x =0
5 x e 5
x!
desarrollando
50 e 5 51 e 5 52 e 5 53 e 5 54 e 5 55 e 5
+
+
+
+
+
P ( X > 5) = 1
1
2
6
24
120
1
25 125 625 3125
+
+
P ( X > 5 ) = 1 e 5 1 + 5 + +
2
6
24 120
1097 5
P ( X > 5) = 1
e 0.384
12
b) Sea Y la variable aleatoria que representa el quinto da de abril es el primer da que la ensalada
contiene ms de cinco vegetales.

Y Geomtrica ( p = 0.384 )
entonces
P(Y = 5) = (0.616) 4 (0.384) 0.055
5.
Sea la funcin de densidad conjunta
xy
f XY ( x, y ) = 96
0
; 0 x 4 , 1 y 5
;
en otro caso
a) Obtener las funciones de densidad marginal.

c) Obtener el coeficiente de correlacin.
15 Puntos
Resolucin
f X ( x) =
f XY ( x, y ) dy
fY ( y ) =
f XY ( x, y ) dx
sustituyendo se tiene
f X ( x) =
1
1 1 2
xy dy =
x y
96
96 2
=
1
24
1
x= x ; 0< x<4
192
8
por lo tanto
1
0< x<4
x ;
f X ( x ) = 8
0 ; en otro caso
para la funcin marginal de Y
1
1 1 2
fY ( y ) =
xy dx =
y x
96 2
0 96
1
1< y < 5
y ;
fY ( y ) = 12
0
; en otro caso
b)
=
0
1
16
y (16 0 ) =
y ; 1< y < 5
192
192
Para que las vv.aa. sean independientes, debe cumplir
f XY ( x, y ) = f X ( x ) fY ( y )
sustituyendo
1
1 1
xy = x y
96
8 12
1
1
xy =
xy
96
96
El coeficiente de correlacin est definido por
c)
Cov ( X , Y )
( X ,Y ) =
Var ( X ) Var (Y )
por independencia, se tiene
( X ,Y ) = 0
Las variables aleatorias, no tienen asociacin lineal.

6.
Un antroplogo quiere estimar la estatura promedio de los hombres de cierta raza. Si se supone que la
desviacin estndar de la poblacin es de 2.5 [cm] y se seleccionan al azar a 100 hombres. Calcular la
probabilidad de que la diferencia entre la media de la muestra y la media verdadera de la poblacin no
exceda de 0.5 [cm]
15 Puntos
Resolucin
Sea X la v.a. que representa la estatura de los hombres.
X Normal X , X2 = ( 2.5 )
Sea X i una muestra aleatoria de 100 hombres. i = 1, 2,...,100
X i Normal X , X2 = ( 2.5 )
i = 1, 2,...,100
La muestra es grande y se conoce la variancia de la poblacin, entonces por el Teorema del Lmite
Central
2
X Normal X = X , X2 = X
n
sustituyendo
2
( 2.5)
X Normal X = X , X2 =
100
se pide calcular
0.5 X
0.5
X
P X X < 0.5 = P ( 0.5 < X X < 0.5 ) P
<
<
= P ( 2 < Z < 2 )
2.5
X
2.5
10
10
n
De tablas de la distribucin acumulativa normal estndar:
P ( 2 < Z < 2 ) = FZ ( Z = 2 ) FZ ( Z = 2 ) = 0.9772 0.0228 = 0.9544
7.
En la produccin de herramientas de acero, se ha considerado ilustrar la relacin entre la deformacin

( x ) y la dureza Brinell ( y ) .
a) Obtener la ecuacin de la recta de regresin.
b) Calcular el coeficiente de determinacin.
c) La dureza cuando la deformacin es de 25 [mm]
x [mm]
kg
y
2
mm
11
22
26
28
33
35
68
67
65
44
40
37
34
32
Usar los clculos siguientes
Suma: 170 387
y2
x2
4496
xy
20423 7012
15 Puntos
Resolucin
a) El ajuste de los datos a un modelo lineal de regresin por el criterio de mnimos cuadrados est dado
por
y = 0 + 1 x
donde
0 = y 1 x
1 =
SS xy
SS xx
realizando los productos y las sumas, se tiene
x
6
9
11
22
26
28
33
35
Suma: 170
x2
y2
68
67
65
44
40
37
34
32
387
36
81
121
484
676
784
1089
1225
4496
4624
4489
4225
1936
1600
1369
1156
1024
20423
xy
408
603
715
968
1040
1036
1122
1120
7012
de donde
SS xx =
i =1
x2
i
xi
2
i =1
= 4496 (170 ) = 883.5
8
n
xi
SS xy =
xi yi
i =1
yi
i =1
i =1
= 7012
(170 )( 387 ) = 1211.75

8
sustituyendo
1 =
SS xy
SS xx
1211.75
= 1.372
883.5
para calcular los promedios, se tiene
xi =
1
(170 ) = 21.25
8
yi =
1
( 387 ) = 48.375
8
1
x=
n
i =1
1
y=
n
i =1
sustituyendo
0 = 48.375 ( 1.372 )( 21.25 ) = 77.53
por lo tanto el modelo lineal de regresin es
y = 77.53 1.372 x
b) El coeficiente de correlacin est definido por
r=
SS xy
SS xx SS yy
calculando
SS yy =
i =1
y2
i
yi
2
i =1
= 20423 ( 387 ) = 1701.875
8
n
por lo que el coeficiente de correlacin es
r=
1211.75
(883.5)(1701.875)
= 0.988
El coeficiente de determinacin est definido por
R 2 = ( r ) 2 = ( 0.988 ) 2 = 0.976
Se concluye que las variables tienen una buena relacin lineal, puesto que: R 2 = 0.976
c) Si la deformacin es de 25 [mm], entonces
y = 77.53 1.372 ( 25 ) = 43.23

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2009-2
TIPO 2
JUNIO 11 DE 2009
NOMBRE______________________________________________________________________
1.
"Scram" es el trmino que utilizan los ingenieros nucleares para describir un rpido cierre de emergencia
de un reactor nuclear. La industria nuclear ha hecho esfuerzos por reducir significativamente el nmero
de cierres no planeados. La tabla muestra el nmero de "Scrams" en cada uno de 56 reactores nucleares
en E.U.A.; 2004
a) Agrupar los datos en ocho intervalos, con un ancho de clase de dos y comenzando en la frontera
inferior -0.5
b) Calcular la media del nmero de Scrams para datos agrupados.
c) Obtener el segundo cuartil (la mediana) para datos agrupados.
Marcas de Frecuencia
clase
absoluta
0.5
10
2.5
19
4.5
13
6.5
7
8.5
4
10.5
1
12.5
1
14.5
1
15 Puntos
Resolucin
a) La tabla de distribucin de frecuencias es
Lmites
Fronteras
Marcas fi
de clase
01
-0.5 1.5
0.5
10
23
1.5 3.5
2.5
19
45
3.5 5.5
4.5
13
67
5.5 7.5
6.5
7
89
7.5 9.5
8.5
4
10 11 9.5 11.5
10.5
1
12 13 11.5 13.5
12.5
1
14 15 13.5 15.5
14.5
1
56
fi*
Fi
Fi *
0.178
0.339
0.232
0.125
0.071
0.018
0.018
0.018
10
29
42
49
53
54
55
56
0.178
0.518
0.750
0.875
0.946
0.964
0.982
1.000
b) El promedio de Scrams para datos agrupados est dada por la expresin
1
x=
n
xi f i =
i =1
xi f i *
i =1
sustituyendo
1
x=
56
i =1
xi f i =
1
228
( 0.5 )(10 ) + + (14.5 )(1) =
= 4.071
56
56
c) El segundo cuartil es un valor que divide al conjunto de datos en dos subconjuntos de igual tamao,
se obtiene mediante una interpolacin lineal, entre las fronteras y la frecuencia acumulada, de tal
manera que se acumulen 28 datos, el valor de la frontera resultado de la interpolacin, ser el
segundo cuartil, mismo que coincide con la mediana.
Fronteras
1.5
x
3.5
m=
Fi
10
28
29
29 10 19
= = 9.5
3.5 1.5 2
con la ecuacin de una recta dado un punto y la pendiente, se tiene
y 10 = 9.5 ( x 1.5 )
con ( x , 28 ) , sustituyendo
28 10 = 9.5 ( x 1.5 )
18
129
+ 1.5 =
9.5
38
x = 3.395
x=
2.
En una planta de artculos electrnicos, se sabe por experiencia que la probabilidad de que un nuevo
trabajador que haya asistido al programa de capacitacin conozca la cuota de produccin es 0.9 y que la
probabilidad correspondiente es 0.4 para otro que no haya asistido. Si el 75 % de todos los empleados de
ingreso reciente asisten al programa, determinar la probabilidad de que un nuevo empleado no conozca
la cuota de produccin.
10 Puntos
Resolucin
Sean los eventos
A : El trabajador asisti al programa de capacitacin.

B : El trabajador conoce la cuota de produccin.
( )
Se pide calcular la probabilidad de que un nuevo empleado no conozca la cuota de produccin, P B .
( )
De los datos se tiene: P ( A ) = 0.75 , P A = 0.25 , P B A = 0.9 y P B A = 0.4

Del teorema de probabilidad total
P ( B) = P ( A B) + P ( A B)
P ( B ) = P ( A) P ( B A) + P ( A ) P ( B A )
sustituyendo
P ( B ) = 0.75 ( 0.9 ) + 0.25 ( 0.4 ) = 0.775
entonces
P ( B ) = 1 P ( B ) = 1 0.775 = 0.225
3.
Una tienda de computadoras adquiri tres computadoras Acer a $3900.00 cada una. Las vender a
$5750.00 cada una. El fabricante se comprometi a adquirir cualquier computadora que no se haya
vendido despus de un periodo especificado a $2250.00 cada una. Sea X la variable aleatoria que
representa el nmero de computadoras vendidas y supngase que P ( X = 0 ) = 0.1 , P ( X = 1) = 0.2 ,
P ( X = 2 ) = 0.3 y P ( X = 3) = 0.4 . Donde U ( X ) denota la utilidad asociada con la venta de X unidades,
la informacin dada implica que U ( X ) = Ingresos Costos = 5750 X + 2250 ( 3 X ) 11700 = 3500 X 4950 .
a) Calcular la utilidad esperada.
b) Determinar el coeficiente de variacin de la utilidad.
15 Puntos
Resolucin
La funcin de probabilidad de X se puede escribir, como
0
0.1
fX ( x)
1
0.2
2
0.3
3
0.4
a) La utilidad est dada por

U ( X ) = Ingresos Costos = 5750 X + 2250 ( 3 X ) 11700 = 3500 X 4950
entonces la utilidad esperada es
E U ( X ) = E ( 3500 X 4950 ) = 3500 E ( X ) 4950
El valor esperado del nmero de computadoras vendidas est definido por

E(X ) =
x fX ( x)
sustituyendo
E ( X ) = ( 0 )( 0.1) + (1)( 0.2 ) + ( 2 )( 0.3) + ( 3)( 0.4 )
E(X ) = 2

E U ( X ) = 3500 ( 2 ) 4950 = 2050
b) La variancia de la utilidad esperada es el segundo momento con respecto de la media, o bien, el

segundo momento con respecto del origen menos el primero al cuadrado
Var U ( X ) = Var ( 3500 X 4950 ) = ( 3500 ) Var ( X )
2
Se sabe que la variancia est definida por
( )
Var ( X ) = E X 2 E ( X )
calculando
( )
E X2 =
x2 f X ( x )
sustituyendo
( )
E(X ) = 5
E X 2 = ( 0 ) ( 0.1) + (1) ( 0.2 ) + ( 2 ) ( 0.3) + ( 3) ( 0.4 )

2
La variancia es
Var ( X ) = 5 [ 2] = 1
2
Var U ( X ) = ( 3500 )
La desviacin estndar de la utilidad es la raz de la variancia

U = Var (U ( X ) ) =
( 3500 )
= 3500
El coeficiente de variacin de la utilidad es
3500
CVU = U =
= 1.707
U 2050
4.
El chef de un restaurante de comida cantonesa prepara una ensalada que contiene, en promedio, cuatro
vegetales. Obtener la probabilidad de que la ensalada contenga ms de cuatro vegetales:
a) en un da dado,
b) por cuarta vez en abril, el octavo da.
15 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de vegetales que contiene la ensalada.
vegetales
X Poisson = 5
ensalada
a) La probabilidad de que la ensalada tenga ms de cuatro vegetales en un da dado, es
P ( X > 4) = 1
x=0
4 x e 4
x!
desarrollando
40 e 4 41 e4 42 e 4 43 e4 44 e 4
P ( X > 4) = 1
+
+
+
+
1
2
6
24
1
16 64 256
P ( X > 4 ) = 1 e 4 1 + 4 + + +
2 6
24
103 4
P ( X > 4) = 1
e 0.371
3
b) Sea Y la variable aleatoria que representa el octavo da de abril es el cuarto da que la ensalada del
chef contiene ms de cuatro vegetales.
Y Pascal ( r = 4, p = 0.371)
entonces
7
P(Y = 8) = (0.371) 4 (0.629) 4 0.104
3
5.
Sea la funcin de densidad conjunta
xy
f XY ( x, y ) = 96
0
; 1< x < 5 , 0 < y < 4

;
en otro caso
a) Obtener las funciones de densidad marginal.

c) Obtener la covariancia.
15 Puntos
Resolucin
f X ( x) =
f XY ( x, y ) dy
-
fY ( y ) =
f XY ( x, y ) dx
1
1 1 2
f X ( x) =
xy dy =
x y
96 2
0 96
1
1< x < 5
x ;
f X ( x ) = 12
0 ; en otro caso
1
1
x (16 0 ) = x ; 1 < x < 5
192
12
1
1
y ( 25 1) = y ; 0 < y < 4
192
8
para la funcin marginal de Y
fY ( y ) =
1
1 1 2
xy dx =
y x
96
96 2
1
0< y<4
y ;
fY ( y ) = 8
0 ; en otro caso
b)
Para que las vv.aa. sean independientes, debe cumplir
f XY ( x, y ) = f X ( x ) fY ( y )
sustituyendo
1
1 1
xy = x y
96
12 8
1
1
xy =
xy
96
96
c)

La covariancia est definida por
Cov ( X , Y ) = E ( XY ) E ( X ) E (Y )
por independencia, se tiene
Cov ( X , Y ) = 0
Las variables aleatorias, no tienen asociacin lineal.

6.
Un antroplogo quiere estimar la estatura promedio de los hombres de cierta raza. Si se supone que la
desviacin estndar de la poblacin es de 2.5 [cm] y se seleccionan al azar a 100 hombres. Calcular la
probabilidad de que la diferencia entre la media de la muestra y la media verdadera de la poblacin
exceda de 0.5 [cm]
15 Puntos
Resolucin
Sea X la v.a. que representa la estatura de los hombres.
X Normal X , X2 = ( 2.5 )
Sea X i una muestra aleatoria de 100 hombres. i = 1, 2,...,100
X i Normal X , X2 = ( 2.5 )
i = 1, 2,...,100
La muestra es grande y se conoce la variancia de la poblacin, entonces por el Teorema del Lmite
Central
2
n
sustituyendo
2
2.5 )
(
2
X Normal X = X , X =
100
se pide calcular
P X X
0.5 X
0.5
X
> 0.5 = 1 P ( 0.5 < X X < 0.5 ) 1 P
<
<
= 1 P ( 2 < Z < 2 )
2.5
X
2.5
10
10
n
De tablas de la distribucin acumulativa normal estndar:
1 P ( 2 < Z < 2 ) = 1 ( FZ ( Z = 2 ) FZ ( Z = 2 ) ) = 1 ( 0.9772 0.0228 ) = 1 0.9544 = 0.0456
7.
En la produccin de herramientas de acero, se ha considerado ilustrar la relacin entre la deformacin

( x ) y la dureza Brinell ( y ) .
a) Obtener la ecuacin de la recta de regresin.
b) Calcular el coeficiente de correlacin.
c) La dureza cuando la deformacin es de 25 [mm]
x [mm]
kg
y
2
mm
11
22
26
28
33
35
68
67
65
44
40
37
34
32
Usar los clculos siguientes
Suma: 170 387
x2
4496
y2
xy
20423 7012
15 Puntos
Resolucin
por
y = 0 + 1 x
donde
0 = y 1 x
1 =
SS xy
SS xx
6
68
9
67
11 65
22 44
26 40
28 37
33 34
35 32
Suma: 170 387
x2
y2
xy
36
81
121
484
676
784
1089
1225
4496
4624
4489
4225
1936
1600
1369
1156
1024
20423
408
603
715
968
1040
1036
1122
1120
7012
de donde
SS xx =
x2
i
i =1
xi
2
i =1
= 4496 (170 ) = 883.5
8
n
xi
SS xy =
xi yi
i =1
yi
i =1
i =1
= 7012
(170 )( 387 ) = 1211.75

8
sustituyendo
1 =
SS xy
SS xx
1211.75
= 1.372
883.5
para calcular los promedios, se sabe
1
x=
n
xi =
i =1
1
(170 ) = 21.25
8
1
y=
n
y = 18 (387) = 48.375
n
i =1
sustituyendo
0 = 48.375 ( 1.372 )( 21.25 ) = 77.53
y = 77.53 1.372 x
b) El coeficiente de correlacin est definido por
r=
SS xy
SS xx SS yy
calculando
SS yy =
i =1
y2
i
yi
2
i =1
= 20423 ( 387 ) = 1701.875
8
n
por lo que el coeficiente de correlacin es
r=
1211.75
(883.5)(1701.875)
= 0.988
c) Si la deformacin es de 25 [mm], entonces
y = 77.53 1.372 ( 25 ) = 43.23

RESOLUCIN
SEMESTRE 2009-2
TIPO 1
JUNIO 17 DE 2009
NOMBRE______________________________________________________________________
1. Una muestra aleatoria del porcentaje de algodn en una tela utilizada para elaborar camisetas est
representada en la tabla de distribucin de frecuencias
Clase
1
2
3
4
5
6
Linf
32.5
33.4
34.3
35.2
36.1
37.0
Lsup
33.3
34.2
35.1
36.0
36.9
37.8
Fri
32.45
33.35
34.25
35.15
36.05
36.95
Frs
33.35
34.25
35.15
36.05
36.95
37.85
xi
fi
fi*
Fi
Fi*
32.9 4 0.114 4 0.114
33.8 8 0.229 12 0.343
34.7 12 0.343 24 0.686
35.6 6 0.171 30 0.857
36.5 2 0.057 32 0.914
37.4 3 0.086 35 1.000
35
a) Trazar el histograma de frecuencias relativas.

b) Calcular las medidas de tendencia central y trazar el polgono de frecuencias con las medidas
obtenidas.
c) Trazar la ojiva de frecuencias acumuladas relativas.
15 Puntos
Resolucin
a) El histograma es
Frecuencia relativa
Histograma de frecuencias relativas

0.400
0.300
0.200
0.100
0.000
32.9
33.8
34.7
35.6
36.5
37.4
Marcas de clase
b) El polgono de frecuencias y las medidas de tendencia central son:

La media est definida por
1
x=
n
xi f i =
i =1
xi f i *
i =1
1
x=
35
i =1
xi fi =
1
1217.2
( 32.9 )( 4 ) + + ( 37.4 )( 3) =
= 37.777
35
35
La mediana es el valor que divide a la muestra en dos partes iguales, entonces realizando una
interpolacin
Fronteras
34.25
x
35.15
m=
Fi
12
17.5
24
24 12
12
=
= 13.333
35.15 34.25 0.9
con la ecuacin de una recta dado un punto y la pendiente, se tiene
y 12 = 13.333 ( x 34.25 )
con ( x , 17.5 ) , sustituyendo:
17.5 12 = 13.333 ( x 34.25 )

5.5
+ 34.25
13.333
x = 34.663
x=
La moda es la marca de clase con mayor frecuencia, entonces
xmo = 34.7
O bien, se puede obtener como
a
xmo = Lmo inf +
cmo
a + b
a = f mo f mo 1
b = f mo f mo +1
donde
f mo es la frecuencia absoluta que contiene a la moda.
cmo es la longitud de la clase que contiene a la moda.
Lmo inf es el lmite inferior de la clase que contiene a la moda.

sustituyendo en la expresin anterior, se tiene
4
xmo = 34.25 +
( 0.9 )
4 + 6
xmo = 34.61
La posicin de las medidas de tendencia central, son
xmo < x < x
34.61 < 34.663 < 37.777
Como se observa en la grfica.
Frecuencia relativa
Polgono de frecuencias relativas

0.4
0.3
0.2
0.1
0
32.0
32.9
34.61 < 34.663 < 37.777
33.8
34.7
35.6
36.5
37.4
38.3
Marcas de clase
c) La ojiva es
Frecuencia acumulada relativa
Ojiva
1
0.8
0.6
0.4
0.2
0
32.45
33.35
34.25
35.15
36.05
36.95
37.85
Frontera superior
2.
Un minorista vende dos tipos de pantallas planas de LCD, la experiencia demuestra que tienen la misma
demanda. Cuatro clientes entran uno tras otro a la tienda y solicitan pantallas planas.
a) Describir el espacio muestral del experimento aleatorio.
b) Sea A el evento que representa, al menos dos clientes prefieren una pantalla plana del mismo tipo.
Sea B el evento que representa, exactamente dos clientes prefieren una pantalla plana del mismo
tipo.
Calcular P A B y P B A
15 Puntos
Resolucin
Sea 1 el evento que representa a las pantallas planas de LCD del tipo I.
Sea 2 el evento que representa a las pantallas planas de LCD del tipo II.
a) El espacio muestral del experimento aleatorio es
1111,
1211,
S =
2111,
2211,
1112, 1121, 1122

1212, 1221, 1222
2112, 2121, 2122

2212, 2221, 2222
b) Los eventos tienen los puntos
1111,
1211,
A=
2111,
2211,
1112, 1121, 1122

1212, 1221, 1222
=S
2112, 2121, 2122
2212, 2221, 2222
B = {1122, 1212, 1221, 2112, 2121, 2211}

Las probabilidades asociadas son: P ( A ) = P ( S ) = 1 , P ( B ) =
P ( A B) =
P ( B A) =
P ( A B)
P ( B)
P ( A B)
P ( A)
=
=
P ( B)
P ( B)
P ( B)
1
6 3
=
16 8
=1
= P ( B) =
3
8
3. Supngase que el error en la temperatura de reaccin, en grados Celsius, para un experimento de

laboratorio controlado, es una variable aleatoria con funcin de densidad
1 2
x
f X ( x) = 3
0
1 < x < 2
; en otro caso
a) Obtener la funcin de distribucin que muestra el comportamiento acumulado.

b) Usar el resultado del inciso (a) para calcular la probabilidad de que el error en la temperatura de
reaccin sea mayor de 0 [C ]
10 Puntos
Resolucin
Sea X la v.a. que representa el error en la temperatura de reaccin, en [C ] .
a) La funcin de distribucin que muestra el comportamiento acumulado dado que es variable continua,
es
FX ( x ) =
f X ( t ) dt
sustituyendo
x
1 2
1 1
1
t dt = t 3 = x3 + 1 ; 1 < x < 2
1 3
3 3 1 9
FX ( x ) =
entonces la funcin de distribucin que muestra el comportamiento acumulado es
0
;
x 1
FX ( x ) = x3 + 1 ; 1 < x < 2
9
x2
1
;
b) Se pide calcular P ( X > 0 ) , entonces
FX ( x ) = P ( X < x ) = P ( X x )
sustituyendo
P ( X > 0 ) = 1 FX ( x ) = 1 P ( X x )
1 8
1
P ( X > 0 ) = 1 FX ( 0 ) = 1 03 + 1 = 1 =
9 9
9
4.
Se sabe que el tiempo en minutos que una secretaria habla por telfono, es una variable aleatoria con
funcin de densidad
t
40
C
e
fT (t ) =
;
t >0
; en otro caso
a) Calcular el valor de C para que la funcin sea de densidad.

b) Obtener la variancia del tiempo en minutos que la secretaria habla por telfono.
c) Calcular la probabilidad de que una secretaria hable ms de 10 minutos por telfono.
15 Puntos
Resolucin
Sea T la v.a. que representa el tiempo en minutos que una secretaria habla por telfono.
Se tiene que T es una v.a. con distribucin exponencial, esto es
T Exp = C =
40
1
a) De lo anterior c =
40
por lo tanto, la funcin es
1
e
fT (t ) = 40
t
40
t >0
; en otro caso
b) El tiempo promedio es la media de la variable aleatoria exponencial, entonces
E (T ) =
1
= 40
1
40
[ min ]
La variancia de la variable aleatoria est dada por
Var (T ) =
= ( 40 ) = 1600 min 2
2
1

40
c) Se pide calcular P (T > 10 ) , entonces se usan propiedades de la funcin exponencial
P (T > 10 ) = e t = e
5.
1
(10 )
40
=e
1
4
0.779
Dos lneas de produccin manufacturan cierto tipo de artculos deportivos. Supngase que la produccin
(en cualquier da dado), es de la siguiente forma, sea X la variable aleatoria que representa el nmero
de artculos deportivos producidos en la lnea I y, Y la variable aleatoria que representa el nmero de
artculos producidos en la lnea II, la distribucin de probabilidad conjunta es
f XY (x,y)
y
0
1
2
3
0
0 0.04 0.12 0.09
1 0.02 0.14 0.21 0.14
2 0.07 0.06 0.06 0.05
a) Calcular la probabilidad de que en la lnea I se produzcan ms artculos deportivos que en la lnea II.
Obtener la probabilidad de que se produzcan en total tres artculo deportivos.
b) Determinar la funcin marginal del nmero de artculos producidos en la lnea I.
c) Cul es la funcin de probabilidad condicional, dado que se producen dos artculos en la lnea I.
d) En promedio cuntos artculos se espera sean producidos en la lnea II, si se sabe que en la lnea I se
producen dos.
20 Puntos
Resolucin
a) Se pide calcular P ( X > Y ) , entonces
P ( X > Y ) = f XY (1, 0 ) + f XY ( 2, 0 ) + f XY ( 2,1) = 0.02 + 0.07 + 0.06 = 0.15

Se pide obtener P (T = 3 = X + Y ) , sustituyendo
P (T = 3 = X + Y ) = f XY ( 0,3) + f XY (1, 2 ) + f XY ( 2,1)

P (T = 3) = 0.09 + 0.21 + 0.06 = 0.36
b) La funcin marginal para el nmero de artculos producidos por la lnea I, est definida por
f X ( x ) = f XY ( x, y )
y
sustituyendo
0
0.25
fX ( x)
1
0.51
2
0.24
c) La funcin condicional, dado que se producen dos artculos en la lnea I, est dada por
f XY ( 2, y )
fY X = 2 (Y X = 2) = f X ( X = 2 )
f X ( X = 2) > 0
en otro caso
sustituyendo
Y
fY X = 2 (Y X = 2)
0.292
0.250
0.250
0.208
d) En promedio cuntos artculos se espera sean producidos en la lnea II, si se sabe que en la lnea
uno se producen dos. Por lo tanto se pide el valor esperado, del inciso anterior
E (Y X = 2 ) = y fY X = 2 (Y X = 2)
y
sustituyendo
E (Y X = 2 ) = (1)( 0.250 ) + ( 2 )( 0.250 ) + ( 3)( 0.208 ) = 1.374
Se espera una produccin de dos artculos deportivos en la lnea II, dado que en la lnea uno se
producen dos.
6.
Las calificaciones de un examen de colocacin que se aplic a estudiantes de primer ao de una

universidad al sur del D.F., durante los ltimos cinco aos estn distribuidas aproximadamente de forma
normal con una media de 74 y una variancia de ocho. Considera que la variancia ocho es una valor
vlido de la variancia si una muestra aleatoria de 20 estudiantes, quienes realizan tal examen de
colocacin este ao, obtienen un valor de la variancia de S n21 = 20 ?
15 Puntos
Resolucin
Sea X la v.a. que representa la calificacin de un examen de colocacin.
X Normal ( X =74 , X2 = 8 )
Se pide calcular si es vlida la variancia de la muestra, S n21 = 20 , entonces
P S n21 > 20 2 = 8
transformando en distribucin Ji cuadrada, con 19 grados de libertad, usando calculadora
( n 1) S n21 (19 )( 20 )
2
(19 )( 20 ) = P 2 > 47.5 0.000303
P
>
= P ( ,19) >
2
( ,19 )
8
8
Usando tabla de la distribucin Ji cuadrada, con 19 grados de libertad y abscisa 47.5
P (2 ,19 ) > 47.5 < 0.001

Es muy poco probable que la variancia muestral sea de 20, entonces no es vlido.
7. Se realiz un estudio para determinar los efectos de no dormir en la capacidad de las personas para
resolver problemas sencillos. La cantidad variaba de 8, 12, 16, 20 a 24 horas sin dormir. Cinco personas
participaron en el estudio. Se dio a cada persona, despus de un periodo especfico sin dormir, un
conjunto de problemas sencillos de sumar y se registro el nmero de errores. Se obtuvieron los siguientes
resultados
nmero de
errores, ( y )
nmero de horas
10
14
12
16
sin dormir , ( x )
12
16
20
24
a) Determinar la recta apropiada de mnimos cuadrados para estos datos.

b) Trazar el diagrama de dispersin y la recta del inciso (a).
10 Puntos
Resolucin
por
y = 0 + 1 x
donde
0 = y 1 x
1 =
SS xy
SS xx

y
Suma:
x2
y2
xy
8
12
16
20
24
80
8
10
14
12
16
60
64
144
256
400
576
1440
64
100
196
144
256
760
64
120
224
240
384
1032
de donde
2
n
2
xi
n
80 )
(
i =1
2
=1440
= 160
SS xx = xi
5
n
i =1
n
x y
i =1
SS xy = xi yi
i =1
i =1
=1032
(80 )( 60 ) = 72
5
sustituyendo
1 =
SS xy
SS xx
72
= 0.45
160
para calcular los promedios, se tiene
x=
1 n
1
xi = ( 80 ) = 16
n i =1
5
y=
1 n
1
yi = ( 60 ) = 12
n i =1
5
sustituyendo
0 =12 ( 0.45 )(16 ) = 4.8
y = 0.45 x + 4.8
b) El diagrama de dispersin y la recta del inciso (a) son
Nm. de errores
20
15
10
5
0
y = 0.45x + 4.8
2
R = 0.81
7
12
17
22
Nm. de horas sin dormir

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2010-1
TIPO 1
DICIEMBRE 1 DE 2009
NOMBRE______________________________________________________________________
1.
El ndice de claridad se determin en los cielos de Morelos, para cada uno de los 365 das de un ao,
obtenindose los siguientes datos.
Lmites aparentes
Frecuencia absoluta ( fi )
0.30-0.34
8
0.35-0.39
14
0.40-0.44
28
0.45-0.49
24
0.50-0.54
39
0.55-0.59
51
0.60-0.64
106
0.65-0.69
84
0.70-0.74
11
a) Determinar las frecuencias relativas y trazar el histograma correspondiente.
b) Los das despejados son aquellos para los que el ndice de claridad es por lo menos 0.65. Qu
porcentaje de das est despejado?
10 Puntos
Resolucin
a) La frecuencia relativa y las marcas de clase, se definen como: fi * =
1
f i y el punto medio de los
n
lmites aparentes, respectivamente, sustituyendo se tiene:

Lmites aparentes
Frecuencia absoluta
( fi )
Frecuencia relativa
( fi * )
Marcas de clase
( xi )
0.30-0.34
0.35-0.39
0.40-0.44
0.45-0.49
0.50-0.54
0.55-0.59
0.60-0.64
0.65-0.69
0.70-0.74
8
14
28
24
39
51
106
84
11
n=365
0.0219
0.0383
0.0767
0.0657
0.1068
0.1397
0.2904
0.2301
0.0301
0.32
0.37
0.42
0.47
0.52
0.57
0.62
0.67
0.72
El histograma correspondiente es:
Frecuencia relativa
Histograma de frecuencias relativas

0.4
0.3
0.2
0.1
0
0.32
0.37
0.42
0.47
0.52
0.57
0.62
0.67
0.72
Marcas de clase
b) Los das despejados son aquellos para los que el ndice de claridad es por lo menos 0.65, entonces
de la tabla de distribucin de frecuencias el porcentaje es: (0.2301+0.0301)*100=26.02%
2.
Lmites aparentes
Frecuencia absoluta
( fi )
Frecuencia relativa
( fi * )
Marcas de clase
( xi )
0.30-0.34
0.35-0.39
0.40-0.44
0.45-0.49
0.50-0.54
0.55-0.59
0.60-0.64
0.65-0.69
0.70-0.74
8
14
28
24
39
51
106
84
11
n=365
0.0219
0.0383
0.0767
0.0657
0.1068
0.1397
0.2904
0.2301
0.0301
0.32
0.37
0.42
0.47
0.52
0.57
0.62
0.67
0.72
Con base en varios estudios, una compaa ha clasificado de acuerdo con la posibilidad de encontrar
petrleo, las formaciones geolgicas en tres tipos. La compaa pretende perforar un pozo en un
determinado sitio, al que se le asignan las probabilidades de 0.35, 0.4 y 0.25 para los tres tipos de
perforacin respectivamente. De acuerdo con la experiencia, se sabe que el petrleo se encuentra en un
40% de formaciones de tipo I, en un 20% de formaciones de tipo II y en un 30% del tipo III.
a) Si la compaa descubre petrleo en ese sitio, determinar la probabilidad de que exista una
formacin de tipo III.
b) Determinar la probabilidad de la existencia de una formacin del tipo II, si la compaa no
encuentra petrleo en ese sitio.
15 Puntos
Resolucin
Sean:
I el evento que representa una formacin geolgica del tipo I.
II el evento que representa una formacin geolgica del tipo II.
III el evento que representa una formacin geolgica del tipo III.
A el evento que representa encontrar petrleo.
a) La probabilidad de encontrar petrleo es la probabilidad total, entonces:
P ( A ) = P ( A I ) + P ( A II ) + P ( A III )
P ( A ) = P ( I ) P ( A I ) + P ( II ) P ( A II ) + P ( III ) P ( A III )
P ( A) =
( 0.35)( 0.4 )
+ ( 0.4 )( 0.2 ) + ( 0.25 )( 0.3) = 0.295
Para determinar la probabilidad de que haya una formacin geolgica de tipo III, dado que la
compaa encuentra petrleo en ese sitio, se utiliza el Teorema de Bayes, entonces:
P ( A III )
P ( III A ) =
P ( A)
esto es:
P ( III ) P ( A III )
P ( III A ) =
P ( I ) P ( A I ) + P ( II ) P ( A II ) + P ( III ) P ( A III )
sustituyendo:
P ( III A ) =
( 0.25)( 0.3)
= 0.2542
( 0.35)( 0.4 ) + ( 0.4 )( 0.2 ) + ( 0.25)( 0.3)
b) Se calcula la probabilidad de la existencia de una formacin del tipo II, si se sabe que la compaa
no encuentra petrleo en ese sitio, del Teorema de Bayes, esto es:
P ( II A ) =
P ( A II )
P ( A)
P ( A II )
1 P ( A)
utilizando la regla de la multiplicacin:
P ( II A ) =
3.
P ( II ) P A II
1 0.295
) = ( 0.4 )( 0.8) = 0.4539

0.705
Dada la funcin de densidad de la grfica siguiente:
fX ( x)
3k
2k
k
X
10
Determinar: el valor de k , la forma analtica de f X ( x ) , la funcin de distribucin que muestra el

comportamiento acumulado FX ( x ) y la mediana x .
15 Puntos
Resolucin
El valor de k se obtiene por la propiedad:
1=
f X ( x ) dx
-
el valor de k en este caso, se puede obtener de forma geomtrica, entonces:
1 = bh +
2k 2 ( 2k )
bh bh
+
= 9k +
+
= 12k
2
2
2
2
por lo tanto:
k=
1
0.0833
12
Para determinar la forma analtica de la funcin de densidad, se utiliza la forma de la recta dados dos
puntos, la funcin constante y otra vez, la forma de la recta dados dos puntos, entonces:
5
1
24 x + 24
fX ( x) =
12
1
7
x
12
12
1 x 3
3 x 8
8 x 10
; en otro caso
La funcin de distribucin que muestra el comportamiento acumulado, est definida por:
FX ( x ) = P ( X x ) = P ( X < x ) =
f X (t ) dt
-
sustituyendo por intervalos:

en 1 x 3
FX ( x ) =
en 3 x 8
5
1 2 5
3
1
x
t +
dt = x +
24
24
48
24
16
1
FX ( x ) = +
4
en 8 x 10
2
FX ( x ) = +
3
1
1
dt = x
12
12
7
1 2 7
8
1
x x+
t dt =
12
24
12
3
12
por lo tanto, la funcin acumulativa est dada por:
1
x 2 + 5 x 3
24
16
48
1
FX ( x ) =
x
12
1 2 7
8
24 x 12 x + 3
x 1
1 x 3
3 x 8
; 8 x 10
x 10
1
Para determinar la mediana, se sabe que P ( X x ) = P ( X < x ) = , sustituyendo e igualando en la
2
;
funcin de distribucin, en el tercer intervalo:
1 1
= x
2 12
despejando:
x=
12
=6
2
4.
A un Centro de llamadas telefnicas de una empresa elctrica, llegan en promedio tres llamadas por
minuto. Supngase que dichas llamadas siguen un proceso de Poisson.
a) Calcular la probabilidad de recibir menos de tres llamadas en dos minutos.
b) Obtener la probabilidad de que el tiempo entre dos llamadas consecutivas sea mayor a dos
minutos.
c) Determinar el tiempo promedio entre llamadas y su desviacin estndar.
d) Calcular la probabilidad de recibir al menos dos llamadas en un minuto.

15 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de llamadas por minuto que llegan al Centro de
llamadas.
llamadas
X Poisson = 3
minuto
a) En dos minutos se tiene:
X Poisson ( = 6 )
Se pide calcular la probabilidad de recibir menos de tres llamadas en dos minutos , P ( X < 3) ,
esto es:
P ( X < 3) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 )
sustituyendo:
( 6)
=
e 6 ( 6 ) e 6 ( 6 ) e 6
P ( X < 3)
+
+
0!
1!
2!
P ( X < 3) = e 6 + 6e 6 + 18e6 = e 6 (1 + 6 + 18 ) = 25e 6 0.0619
b) Sea Y la variable aleatoria que representa el tiempo entre dos llamadas consecutivas que llegan un
0
Centro de llamadas.
Y Exponencial = 3
llamadas
minuto
Se pide calcular la probabilidad de que el tiempo entre dos llamada consecutivas sea mayor de dos
minutos, P (Y > 2 ) , esto es:
P (Y > 2 ) = 1 FY (Y = 2 ) = e 3(2) = e 6 0.0025

c) El tiempo promedio entre dos llamadas es la media (valor esperado) de la variable aleatoria con
distribucin exponencial, esto es:
E (Y ) =
1
3
La variancia de la variable aleatoria con distribucin exponencial, es:
Var (Y ) =
1 1
=
32 9
Entonces la desviacin estndar, es:
X = Var (Y ) =
1 1
=
32 3
d) En un minuto se tiene:
X Poisson ( = 3)
Se pide calcular la probabilidad de recibir al menos dos llamadas en un minutos , P ( X 2 ) , esto

es:
P ( X 2 ) = P ( X = 2 ) + P ( X = 3) + P ( X = 4 ) + +
sustituyendo:
( 3)0 e 3 ( 3)1 e3
P ( X 2 ) = 1 P ( X 1) = 1
+
1!
0!
P ( X 2 ) = 1 e3 + 3e 3 = 1 e 3 [1 + 3] = 1 4e 3 0.8009
5.
Sean las variables aleatorias conjuntas X y Y con funcin de probabilidad:
f XY ( x, y )
-3
-1
1
4
1
4
1
4
1
4
a) Obtener E ( XY ) , E ( X ) y E (Y )
b) Calcular Cov ( X , Y )
c) Son X y Y variables aleatorias independientes?
15 Puntos
Resolucin
a)
E ( XY ) =
xy f XY ( x, y )
sustituyendo:
1
1
1
1
E ( XY ) = (1)( 1) + (1)(1) + ( 9 )( 3) + ( 9 )( 3) = 0
4
4
4
4
El valor esperado de X , se define por:
E(X ) =
x fX ( x)
sustituyendo:
E ( X ) = (1)( 0.5 ) + ( 9 )( 0.5 ) = 5

El valor esperado de Y , se define de forma anloga:
E (Y ) =
y fY ( y )
sustituyendo:
E (Y ) = ( 3)( 0.25 ) + ( 1)( 0.25 ) + (1)( 0.25 ) + ( 3)( 0.25 ) = 0
b) La covariancia se define como:
Cov ( X , Y ) = E ( XY ) E ( X ) E (Y )
Sustituyendo los resultados del inciso a):
Cov ( X , Y ) = 0 ( 5 )( 0 ) = 0
c) Las variables aleatorias conjuntas son independientes si:
f XY ( x, y ) = f X ( x ) fY ( y )
Para ello, se calculan las funciones marginales, entonces:
fX ( x) =
f XY ( x, y )
fY ( y ) =
1
0.5
fX ( x)
-3
0.25
fY ( y )
f XY ( x, y )
9
0.5
-1
0.25
1
0.25
3
0.25
sustituyendo:
1
1 1
f XY ( X = 1, Y = 3) = 0 f X ( X = 1) = fY (Y = 3) = =
2
4 8
y observa que f XY ( x, y ) f X ( x ) fY ( y )
Por lo que se concluye que las variables aleatorias son dependientes.
6.
Dados los siguientes nmeros aleatorios con distribucin uniforme entre 0 y 1, generar un nmero
aleatorio con distribucin normal con parmetros X = 2 y X = 4
0.89
0.01
0.95
0.45
0.59
0.87
0.19
0.27
0.64
0.75
0.25
0.63
15 Puntos
Resolucin
Utilizando el TLC se tiene que:
X = X + X
12
i =1
Ri 6
sustituyendo:
12
ri = 6.49
i =1
X = 2 + 4 ( 6.49 6 ) = 3.96
7.
La siguiente tabla muestra datos sobre el desgaste de acero dulce y y la viscosidad del aceite x .
y [10-4 mm3]
x
240
181
193
155
172
110
113
75
94
1.6
9.4
15.5
20
22
35.5
43
40.5
33
Las sumas relevantes, se muestran a continuacin:

Sumas
y
1333
x
220.5
xy
26864.4
x2
7053.67
220549
a) Trazar la grfica de la dispersin de los datos. Parece conveniente el uso de un modelo de

regresin lineal?
b) Ajustar un modelo de regresin lineal simple.
c) Determinar el valor que se espera del desgaste cuando la viscosidad es 30
d) Puede considerarse vlido el modelo? Justificar su respuesta.
15 Puntos
Resolucin
a)
b) El modelo es:
y = 0 + 1 x
9
1 =
x y
i =1
i =1
i =1
xi yi
xi
9
xi2 i =1
9
i =1
9
26864.4
( 220.5)(1333)
9
2
220.5 )
(
7053.67
9
3.5086
0 = y 1 x
0 =
1333
220.5
( 3.5086 )
234.0718
9
9
El modelo queda:
y = 234.0718 3.5086 x
c) Para el valor que se espera del desgaste cuando la viscosidad es 30, sustituyendo en el modelo:
y (30) = 234.0718 3.5086(30) 128.8138
d) Para determinar si el modelo es vlido debe obtenerse el coeficiente de determinacin.

El coeficiente de correlacin, est definido por:
r=
SS xy
SS xx SS yy
SS xx =
x2
i =1
SS yy =
y2
xi
2
i =1
= 7053.67 ( 220.5 ) = 1651.42
9
9
9
yi
2
i =1
= 220549 (1333) 23116.8889
9
9
i =1
xi
SS xy =
xi yi
i =1
i =1
i =1
yi
= 26864.4
( 220.5)(1333) = 5794.1
9
sustituyendo:
r=
SS xy
SS xx SS yy
5794.1
(1651.42 )( 23116.8889 )
0.9378
Entonces el coeficiente de determinacin ser:
r =R =
2
SS xy2
SS xx SS yy
( 5794.1)
=
0.8794
(1651.42 )( 23116.8889 )
2
El ajuste es regular y puede considerarse vlido el modelo dependiendo del error que se est
dispuesto a cometer.

RESOLUCIN
SEMESTRE 2010-1
TIPO 1
DICIEMBRE 8 DE 2009
NOMBRE______________________________________________________________________
1.
La siguiente informacin es el resultado de las calificaciones obtenidas por un grupo de 30 estudiantes

de probabilidad y estadstica.
2
4
6
9
7
6
9
8
10
2
4
10
9
3
4
7
6
5
5
7
9
8
4
5
2
10
7
6
5
4
a) Completar la tabla de frecuencias considerando los datos arriba citados.
Clase
Calificaciones en lmites
Calificaciones en intervalos
2 - 3
1.5
Marcas de clase
Frecuencia absoluta
Frecuencia relativa
Frecuencia acumulada absoluta
xi
fi
fi*
Fi
Fi*
3.5
2.5
0.133
0.133
4 - 5
3.5
5.5
4.5
0.3
13
0.433
6 - 7
5.5
7.5
6.5
0.267
21
0.7
8 - 9
7.5
9.5
8.5
0.2
27
0.9
10 - 11
9.5
11.5
10.5
0.1
30
30
Con base en los datos de la tabla anterior contesta las siguientes preguntas:
b) Cul es el rango o recorrido de los datos agrupados? Cul es el ancho de los lmites?
c) Cul es el promedio de calificaciones del grupo?
d) Entre qu valores se encontrarn la mayora de las calificaciones de este grupo (desviacin
estndar)?
e) Qu tipo de simetra tiene este modelo? Qu tipo de curtosis tiene este modelo?
24 Puntos
Resolucin
a) La Distribucin de frecuencias queda como:
Clase
Calificaciones en lmites
Calificaciones en intervalos
Marcas de clase
Frecuencia absoluta
Frecuencia relativa
Frecuencia acumulada absoluta
xi
fi
fi*
Fi
Fi*
0.133
0.133
2 - 3
1.5
3.5
2.5
4 - 5
3.5
5.5
4.5
0.3
13
0.433
6 - 7
5.5
7.5
6.5
0.267
21
0.7
8 - 9
7.5
9.5
8.5
0.2
27
0.9
10 - 11
9.5
11.5
10.5
0.1
30
30
b) El rango de los datos agrupados es:
R = 11.5 1.5
El ancho de los lmites y de los intervalos, es:
c=2
o bien,
c=
VM Vm 10 2
=
1.5
30
n
por lo tanto, se redondea al siguiente entero:
c=2
c) El promedio de las calificaciones, utilizando los datos agrupados, se define por:
1
x=
n
xi f i =
i =1
xi fi *
i =1
sustituyendo:
1
x=
30
xi f i =
i =1
1
185
( 2.5 )( 4 ) + ( 4.5 )( 9 ) + ( 6.5 )( 8 ) + ( 8.5 )( 6 ) + (10.5 )( 3) =
= 6.2
30
30
d) La desviacin estndar de las calificaciones para la muestra, est definida por la raz de la
variancia, entonces:
sn21 =
1 m
2
( xi x ) fi
n 1 i =1
sustituyendo:
2
s n 1 =
( 2.5 185 / 30 )2 ( 4 ) + ( 4.5 185 / 30 )2 ( 9 ) + ( 6.5 185 / 30 )2 ( 8) + ( 8.5 185 / 30 )2 ( 6 ) + (10.5 185 / 30 )2 ( 3)
29
1
s n 1 5.8
obteniendo la raz:
sn 1 =
1 m
2
( xi x ) fi
n 1 i =1
sutituyendo:
sn 1 = 5.8
sn 1 = 2.4
e) La simetra se define como el tercer momento con respecto de la media entre la desviacin
estndar al cubo, entonces:
m
1 m
3
3
( xi x ) fi ( xi x ) fi*
n
= i =1
a3 = i =1
3
3
S
( n1 )
( Sn1 )
sustituyendo:
1
3
3
3
3
3
2.5 185 / 30 ) ( 4 ) + ( 4.5 185 / 30 ) ( 9 ) + ( 6.5 185 / 30 ) ( 8 ) + ( 8.5 185 / 30 ) ( 6 ) + (10.5 185 / 30 ) ( 3)
(
a3 = 30
3
( 2.4 )
realizando operaciones:
a3 0.194
0 < 0.194
por lo tanto, es una muestra de calificaciones con ligero sesgo positivo.
La curtosis se define como el cuarto momento con respecto de la media entre la desviacin
estndar elevado a la cuarta, entonces:
m
1 m
4
4
x
x
f
(
)
( xi x ) fi*
i
i
n
= i =1
a4 = i =1
4
4
( Sn1 )
( Sn1 )
sustituyendo:
1
4
4
4
4
4
2.5 185 / 30 ) ( 4 ) + ( 4.5 185 / 30 ) ( 9 ) + ( 6.5 185 / 30 ) ( 8 ) + ( 8.5 185 / 30 ) ( 6 ) + (10.5 185 / 30 ) ( 3)
(
a4 = 30
4
( 2.4 )
realizando operaciones:
a4 1.463
1.463 < 3
por lo tanto es una muestra con aplanamiento del tipo platicrtica.
2.
Si los eventos A y B son independientes y, P ( A ) = 0.25 y P ( B ) = 0.40 , calcular: P ( A B ) ,
P ( A B) , P ( A B) ; y P ( A B )
12 Puntos
Resolucin
Por independencia de los eventos:
1
1 4
P ( A B ) = P ( A ) P ( B ) = = ( 0.25 )( 0.4 ) = = 0.1
10
4 10
Entonces:
P ( A B ) = P ( A) =
1
= 0.25
4
De los Teoremas de probabilidad:
P ( A B ) = P ( A) + P ( B ) P ( A B ) =
1 4 1 5 + 8 2 11
+ =
=
= 0.55
4 10 10
20
20
Se sabe que:
P ( A B ) = P A B = 1 P ( A B) = 1
3.
11 9
=
= 0.45
20 20
Para construir tres subestaciones, una empresa elctrica cuenta con dos compaas constructoras, la
probabilidad de que una de estas compaas realice la construccin de cualquiera de las tres
subestaciones es de 0.6. Si X es la variable aleatoria que representa el nmero de subestaciones que
puede construir una compaa:
a) Construir la funcin de probabilidad de la variable aleatoria X .
b) Calcular la probabilidad de que una compaa construya dos de las tres obras.
c) Obtener la desviacin estndar de la variable aleatoria X .
18 Puntos
Resolucin
a)
Sea C el evento que representa la compaa construye una subestacin.
P ( C ) = 0.6
Sea X la variable aleatoria que representa el nmero de subestaciones que puede construir la
compaa.
X Binomial ( n = 3, p = 0.6 )
por lo que la funcin de probabilidad en forma analtica, es:
3
x
3 x
( 0.6 ) (1 0.6 )
f X ( x ) = x
x = 0,1, 2,3
; en otro caso
la funcin de probabilidad en forma tabular es:
x
fX
b) La
probabilidad
0
0.064
( x)
de
que
una
1
0.288
compaa
2
0.432
construya
dos
3
0.216
de
las
f X ( X = 2 ) = P ( X = 2 ) , entonces de la funcin de probabilidad se obtiene:
tres
subestaciones,
P ( X = 2 ) = 0.432
c) Para calcular la desviacin estndar, primero se debe calcular la variancia:
2
2
Var ( X ) = E ( X X ) = E ( X 2 ) E ( X )
La media es E ( X ) = X = xf X ( x )
calculado:
E ( X ) = (1)( 0.288 ) + ( 2 )( 0.432 ) + ( 3)( 0.216 ) = 1.8
El segundo momento con respecto al origen est definido por:
E ( X 2 ) = x2 f X ( x )
x
calculando:
E ( X 2 ) = (12 ) ( 0.288 ) + ( 22 ) ( 0.432 ) + ( 32 ) ( 0.216 ) = 3.96
sustituyendo en la variancia y realizando operaciones:
Var ( X ) = E ( X 2 ) E ( X ) = 3.96 (1.8 ) = 0.72

2
Entonces la desviacin estndar se define como:
X = Var ( X )
X = 0.72 = 0.849
4.
La siguiente tabla muestra la relacin que se presenta entre la pureza del oxgeno producido en un
proceso de destilacin qumica, contra el porcentaje de hidrocarburos que estn presentes en el
condensador principal de la unidad de destilacin.
a)
b)
Nivel de hidrocarburos
x (%)
0.99
1.02
1.05
1.29
1.46
1.36
0.87
1.23
1.55
1.4
Pureza
y (%)
90.01
89.05
91.43
93.74
96.73
94.45
87.59
91.77
99.42
93.65
x (%)
1.19
1.15
0.98
1.01
1.11
1.2
1.26
1.32
1.43
0.95
y (%)
93.54
92.52
90.56
89.54
89.85
90.39
93.25
93.41
94.98
87.33
Ajustar un modelo de regresin lineal simple.

Puede considerarse vlido el modelo? Justificar su respuesta.
Se sabe que:
Sumas:
x
x2
y2
xy
23.82
1843.21
29.0692
170044.5321
2205.5136
10 Puntos
Resolucin
a) El modelo es:
y = 0 + 1 x
20
1 =
x y
i =1
20
20
i =1
i =1
xi yi
20
xi
20
xi2 i =1
20
i =1
20
2205.5136
( 23.82 )(1843.21)
20
2
23.82 )
(
29.0692
20
14.6523
0 = y 1 x
0 =
1843.21
23.82
(14.6523)
74.7096
20
20
El modelo queda:
y = 74.7096 + 14.6523x
b) Para determinar si el modelo es vlido debe obtenerse el coeficiente de determinacin.

r=
SS xy
SS xx SS yy
20
SS xx =
x2
i =1
20
SS yy =
y2
xi
2
i =1
= 29.0692 ( 23.82 ) 0.6996
20
20
20
yi
2
i =1
= 170044.5321 (1843.21) 173.3769
20
20
20
i =1
20
xi
20
SS xy =
20
xi yi
i =1
i =1
i =1
20
yi
= 2205.5136
( 23.82 )(1843.21) 10.2505

20
sustituyendo:
r=
SS xy
SS xx SS yy
10.2505
( 0.6996 )(173.3769 )
0.9307
Entonces el coeficiente de determinacin ser:
r =R =
2
SS xy2
SS xx SS yy
(10.2505)
=
0.8663
( 0.6996 )(173.3769 )
2
El ajuste es regular y puede considerarse vlido el modelo dependiendo del error que se est
dispuesto a cometer.
5.
La presin de aire de un neumtico seleccionado al azar, instalado en un automvil nuevo, est
lb
lb
y desviacin estndar de 0.2
.
2
2
pu lg
pu lg
distribuido normalmente con valor medio de 31
a) Calcular la probabilidad de que la presin de un neumtico, seleccionado al azar, exceda de
lb
.
30.5
2
pu lg
b) Determinar la probabilidad de que la presin de un neumtico, seleccionado al azar, se encuentre
lb
.
2
pu lg
entre 30.5 y 31.5
lb
, cul
2
pu lg
c) Supngase que un neumtico se considera con presin baja si est debajo de 30.4
es la probabilidad de que al menos uno de los cuatro neumticos de un automvil se encuentre

bajo?
12 Puntos
Resolucin
Sea X la variable aleatoria que representa la presin del aire de un neumtico instalado en un
automvil nuevo.
a) Del enunciado:
X N 31, ( 0.2 )
se pide calcular, P ( X > 30.5) :

estandarizando:
30.5 31
P ( X > 30.5) = P Z >

= P ( Z > 2.5 )
0.2
Usando la tabla de la funcin de distribucin acumulativa normal estndar:
P ( X > 30.5) = 1 Fz ( 2.5 ) = 1 0.0062 = 0.9938
b) Se pide determinar, P (30.5 X 31.5)

Estandarizando:
31.5 31
30.5 31
P(30.5 X 31.5) = P
Z
= P ( 2.5 Z 2.5 )
0.2
0.2
Usando la tabla de la funcin de distribucin acumulativa normal estndar:
P (30.5 X 31.5) = Fz ( 2.5 ) Fz ( 2.5 ) = 0.9938 0.0062 = 0.9876

c) Un neumtico tiene la presin baja con una probabilidad de:
30.4 31
P( X 30.4) = P Z <
= P ( Z 3) = 0.0013
0.2
Sea Y la variable aleatoria que representa el nmero de neumticos con la presin baja de los
cuatro que tiene un automvil.
Y Binomial ( n = 4, p = 0.0013)
entonces la probabilidad es:
P (Y 1) = P (Y = 1) + P (Y = 2 ) + P (Y = 3) + P (Y = 4 )
o bien,
P (Y 1) = 1 P (Y = 0 )
4
0
4
P (Y 1) = 1 ( 0.0013) (1 0.0013)
0
P (Y 1) = 1 ( 0.9948 ) = 0.0052
4
6.
Supngase que en cierto tipo de lavadora, tanto el espesor como el dimetro de la cavidad son
diferentes en cada unidad. Sea X la variable aleatoria que representa el espesor, en milmetros, y Y la
variable aleatoria que representa el dimetro de la cavidad, en milmetros, de una lavadora
seleccionada al azar. Supngase que la funcin de densidad conjunta de las variables aleatorias X y
Y est dada por:
1 x 2
k ( x + y ) ;
f XY ( x, y ) =
4 y5
0
; en otro caso
a) Calcular el valor de k que hace una funcin de densidad.

b) Determinar la probabilidad de que una lavadora seleccionada aleatoriamente tenga un espesor
entre 1.0 y 1.5 [mm] y una cavidad con un dimetro entre 4.5 y 5 [mm].
c) Obtener la funcin de densidad si se sabe que el espesor es de 1.5 [mm].
d) Cul es el dimetro esperado, si el espesor es de 1.5 [mm].
16 Puntos
Resolucin
a) De las propiedades de una funcin de densidad, se tiene:
f XY ( x, y ) dxdy = 1
sustituyendo:
k ( x + y ) dxdy = k
( x + y ) dxdy = 1
integrando con respecto de x:
x2
k + xy
4 2
dy = k
1
5
4
1
4
+ 2 y y dy = k
2
2
y + dy = 1
2
4
5
integrando con respecto de y:
y2 3
3
k y + dy = k + y
2
4
2 2
25 15 16 12
12
= k + = k = 6k = 1
2 2 2 2
2
por lo tanto:
k=
1
6
sustituyendo:
1 x 2
1
( x + y) ;
f XY ( x, y ) = 6
4 y5
0
; en otro caso
b) Se pide calcular P (1 X 1.5, 4.5 Y 5 ) , como la regin de la funcin de densidad es

cuadrada, entonces:
P (1 X 1.5, 4.5 Y 5 ) =
4.5
1.5
1
1
1
( x + y ) dxdy =
6
6
4.5
1.5
( x + y ) dxdy =
1
= 0.25
4
integrando con respecto a x:
1
6
x2
+ yx
4 2
1.5
dy =
1
1
6
1
1
3 3
+ y y dy =
2
2
6
4 4
5
1
y + dy
8
4 2
5
integrando con respecto de y:
5
1 y2 5
1
y
dy
+
=
+ y
8
6 4 8
4.5 2
1 25 25 81 45 1 24 24 1
= + = =
=
6
4
8
16
16
6
16
96
4
4.5
3
c) Se pide determinar la funcin de densidad, dado que el espesor es de , entonces:
2
1
6
3
f XY 2 , y
;
4 y5
3
3
f 3 Y X = =
Y X=
2 fX X =
2
2
0
; en otro caso
Para lo cual, se requiere calcular la funcin marginal de X , entonces:
fX ( x) =
fX ( x) =
f XY ( x, y ) dy =
5
4
1
1
y2
( x + y ) dy = xy +
6
6
2
=
4
1
25
16
5x + 4 x
6
2
2
1
9
x+
6
2
por lo tanto queda definida por:
1
9
1 x 2
x+ ;
fX ( x) = 6
2
0
; en otro caso
Ahora, sustituyendo en la funcin de densidad condicional, se tiene:
13
6 2 + y
;
4 y5
3
fY X = x0 Y X = = 1 3 9
2 +
62 2
0
; en otro caso
desarrollando y simplificando:
3 + 2 y
3
f 3 Y X = = 12
Y X=
2
2
0
d)
4 y5
; en otro caso
El dimetro esperado, si el espesor es de 1.5 [mm], es el valor esperado de la funcin de

densidad condicional, entonces:
E Y X = =
2
yf
3
Y X=
2
Y X = dy
2
sustituyendo:
E Y X = =
2
5
4
1
3+ 2y
y
dy =
12
12
(3 y + 2 y )
2
1 3
2
dy = y 2 + y 3
12 2
3
=
4
1 3
2
3
2
1 27 122 1 81 + 244 325
4.5139
( 25 ) + (125 ) (16 ) ( 64 ) = +
=
=
12 2
3
2
3
3 12
6
12 2
72
7.
Se extrae una muestra aleatoria de tamao 10 de una distribucin normal con media 4. La estadstica t
de Student T =
X X
x 4
, donde t =
es calculada. Cul es la probabilidad de que
S n 1
s
10
n
P (T > 1.833) ?
8 Puntos
Resolucin
Esta estadstica t tiene 10 -1 = 9 grados de libertad. De la tabla t de Student, P ( T > 1.833 ) = 0.05
Distribucin t de Student
Valores de la funcin de distribucin acumulativa normal estndar

z
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.01
0.015
0.02
0.025
0.05
-3.4
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0002
31.821
21.205
15.894
12.706
6.314
4.165
3.078
-3.3
0.0005
0.0005
0.0005
0.0004
0.0004
0.0004
0.0004
0.0004
0.0004
0.0003
6.965
5.643
4.849
4.303
2.920
2.282
1.886
-3.2
0.0007
0.0007
0.0006
0.0006
0.0006
0.0006
0.0006
0.0005
0.0005
0.0005
4.541
3.896
3.482
3.182
2.353
1.924
1.638
-3.1
0.0010
0.0009
0.0009
0.0009
0.0008
0.0008
0.0008
0.0008
0.0007
0.0007
3.747
3.298
2.999
2.776
2.132
1.778
1.533
-3.0
0.0013
0.0013
0.0013
0.0012
0.0012
0.0011
0.0011
0.0011
0.0010
0.0010
3.365
3.003
2.757
2.571
2.015
1.699
1.476
-2.9
0.0019
0.0018
0.0018
0.0017
0.0016
0.0016
0.0015
0.0015
0.0014
0.0014
3.143
2.829
2.612
2.447
1.943
1.650
1.440
-2.8
0.0026
0.0025
0.0024
0.0023
0.0023
0.0022
0.0021
0.0021
0.0020
0.0019
2.998
2.715
2.517
2.365
1.895
1.617
1.415
-2.7
0.0035
0.0034
0.0033
0.0032
0.0031
0.0030
0.0029
0.0028
0.0027
0.0026
2.896
2.634
2.449
2.306
1.860
1.592
1.397
-2.6
0.0047
0.0045
0.0044
0.0043
0.0041
0.0040
0.0039
0.0038
0.0037
0.0036
2.821
2.574
2.398
2.262
1.833
1.574
1.383
0.075
0.1
-2.5
0.0062
0.0060
0.0059
0.0057
0.0055
0.0054
0.0052
0.0051
0.0049
0.0048
10
2.764
2.527
2.359
2.228
1.812
1.559
1.372
-2.4
0.0082
0.0080
0.0078
0.0075
0.0073
0.0071
0.0069
0.0068
0.0066
0.0064
11
2.718
2.491
2.328
2.201
1.796
1.548
1.363

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2010-2
DURACIN MX. 2.5 HORAS
TIPO 1
MIRCOLES 2 DE JUNIO DE 2010
NOMBRE______________________________________________________________________________
1.
En el grupo 32 de Probabilidad y Estadstica al observarse las calificaciones, se registr un promedio

de 75 y una desviacin estndar de tres. Si cada una de las calificaciones se incrementan cinco
unidades, determinar la media y la variancia de las nuevas calificaciones.
15 Puntos
Resolucin
1
x=
n
xi
i =1
para los nuevos datos, incrementando 5 unidades cada calificacin
x1 + c, x2 + c,..., xn + c
sustituyendo
1
x=
n
i =1
1
( x1 + c + x2 + c+, ..., + xn + c ) =
n
(
n
xi + c )
i =1
por propiedades
1
x=
n
xi +
i =1
i =1
1
c=
n
xi +
i =1
nc
= x +c
n
entonces la media sumando 5 unidades a cada calificacin es
x = 75 + 5 = 80
La variancia est definida por
1
S =
n
2
n
(
n
xi x )
i =1
para los nuevos datos, incrementando 5 unidades a cada calificacin

x1 + c, x2 + c,..., xn + c y con media x + c , sustituyendo
1
S =
n
2
n
(
n
xi + c x c )
i =1
1
=
n
(
n
xi x )
i =1
que es igual, por lo tanto la variancia de los nuevas calificaciones es sn2 = 9

2.
Una oficina tiene cuatro secretarias que manejan respectivamente 20, 60, 15 y 5 % del archivo de
reportes. La probabilidad de que archiven mal tales reportes es 0.05, 0.10, 0.10 y 0.05,
respectivamente.
a)
Cul es la probabilidad de tener un reporte mal archivado?
b)
Cul es la probabilidad de que un reporte mal archivado haya sido causa de la secretaria uno?
15 Puntos
Resolucin
Sean
I el evento que representa la secretaria uno maneja el archivo de reportes.
II el evento que representa la secretaria dos maneja el archivo de reportes.
III el evento que representa la secretaria tres maneja el archivo de reportes.
IV el evento que representa la secretaria cuatro maneja el archivo de reportes.
M el evento que representa archivan mal los reportes.
Del enunciado
P ( M I ) = 0.05
P ( I ) = 0.2
P ( M II ) = 0.10
P ( II ) = 0.6
P ( M III ) = 0.10
P ( III ) = 0.15
P ( M IV ) = 0.05
P ( IV ) = 0.05
a)
La probabilidad de tener un reporte mal archivado, entonces
P ( M ) = P ( I M ) + P ( II M ) + P ( III M ) + P ( IV M )
P ( M ) = P ( I ) P ( M I ) + P ( II ) P ( M II ) + P ( III ) P ( M III ) + P ( IV ) P ( M IV )
sustituyendo
P (M ) =
b)
( 0.2 )( 0.05) + ( 0.6 )( 0.10 ) + ( 0.15)( 0.10 ) + ( 0.05)( 0.05) = 0.0875
La probabilidad de que un reporte mal archivado haya sido causa de la secretaria uno, por el
Teorema de Bayes se tiene
P(I M ) =
P (I M )
P(M )
P(I ) P(M I )
P(M )
sustituyendo
P(I M ) =
3.
( 0.2 )( 0.05) = 0.01 0.1143

( 0.0875) 0.0875
En los alrededores de CU, en los ltimos aos, las autoridades de la Delegacin Coyoacn han
proporcionado licencias de uso de suelo a comerciantes, con el argumento de que el giro es alimentos.
Dadas las condiciones por la falta de supervisores en la zona de Coyoacn. La Delegacin
recientemente tiene denuncias de los vecinos en donde manifiestan que los giros no son los de origen,
por ello piden a la Delegacin una supervisin a dichos negocios. Los responsables se dieron a la tarea
de hacer un anlisis y encontraron que los supervisores visitan al ao los comercios, con la siguiente
funcin de probabilidad, siendo X la variable aleatoria que representa el nmero de visitas a los
establecimientos con el giro de alimentos.
x
fX ( x)
a)
b)
c)
0
0.4
1
0.4
2
0.1
3
0.05
4
0.05
Obtener la probabilidad de que un negocio de ese giro y ubicado en esa zona, sea visitado por un
supervisor al menos dos veces en un ao.
Con la funcin de probabilidad acumulada, obtener la probabilidad de que uno de estos
negocios, sea visitando entre dos y cinco veces, inclusive.
Obtener las medidas de tendencia central. Usted como estudiante de la FI y asesor de un
despacho de consultora, cul sera su sugerencia al ser abordado por un posible inversionista en
este tipo de giros y bajo las condiciones iniciales establecida?
20 Puntos
Resolucin
a)
La probabilidad a calcular es
P ( X 2 ) = P ( X = 2 ) + P ( X = 3) + P ( X = 4 )
sustituyendo
P ( X 2 ) = 0.1 + 0.05 + 0.05 = 0.2
b)
La funcin de distribucin acumulativa est dada por
f (i )
x
FX ( x ) = P ( X x ) =
i =
por lo que
0
0.4
FX ( x )
1
0.8
2
0.9
3
0.95
4
1
entonces la probabilidad que se va a calcular, usando propiedades de FX ( x )
P ( 2 X 5 ) = FX ( X = 5 ) FX ( X = 2 ) + f X ( X = 2 )
P ( 2 X 5 ) = 1 0.9 + 0.1 = 0.2
c)
Las medidas de tendencia central son: media, mediana y moda, entonces
E ( X ) = = X =
x fX ( x)
X = (1)( 0.4 ) + ( 2 )( 0.1) + ( 3)( 0.05 ) + ( 4 )( 0.05 ) = 0.95

se espera una visita al ao.
La mediana est definida por
P ( X x ) =
1
2
entonces es x =
1
= 0.25
4
La moda es la variable aleatoria con mayor probabilidad asociada, entonces
xmo = 0, 1
xmo =
0 +1
= 0.5
2
f X ( x ) es bimodal
A criterio del profesor.

4.
En un quiosco de peridicos se supone que las ventas diarias se distribuyen normalmente con media de
30 y variancia dos.
a)
Determinar la probabilidad de que las ventas en un da sean entre 13 y 31
b)
Calcular la mxima cantidad de ventas en un da para que sea del 90%
c)
Supngase que en una ciudad hay 10 quioscos independientes del mismo tipo y con las mismas
caractersticas. Determinar la probabilidad de que ms de dos quioscos vendan en un da entre 13
y 31
20 Puntos
Resolucin
Sea X la variable aleatoria que representa las ventas diarias de un quiosco de peridicos.
X ~ Normal ( = 30, 2 = 2 )
a)
La probabilidad de que las ventas en un da sean entre 13 y 31, est dado por
31 30
13 30
P (13 X 31) P
Z
= P ( 12.02 Z 0.71) = Fz ( 0.71) Fz ( 12.02 )
2
2
sustituyendo valores de la tabla de distribucin acumulativa normal estndar
P (13 X 31) = Fz ( 0.71) Fz ( 12.02 ) = 0.7611 0 0.7611
b)
La mxima cantidad de ventas en un da, para que sea de 90%, est dada por
P ( X x ) = 0.9
aproximando mediante la distribucin normal estndar
x 30
X x 30
= PZ
= 0.9
2
2

sustituyendo los valores de la tabla de distribucin acumulativa normal estndar, para el valor
correspondiente
x 30
= 1.29
2
despejando la variable x
x = 1.29 2 + 30 = 31.824
los cuales son 32 ventas al da como mximo.
a)
Sea Y la variable aleatoria que representa el nmero de quioscos que venden peridicos en la
ciudad con las caractersticas dadas
Y ~ Binomial ( n = 10, p = 0.7611)

la probabilidad a calcular es
f ( y)
2
P (Y > 2 ) = 1 P (Y = 0 ) + P (Y = 1) + P (Y = 2 ) = 1
y =0
sustituyendo en el modelo probabilstico
P (Y > 2 ) = 1
y =0
10
y
10 y
( 0.7611) ( 0.2389 )
y
P (Y > 2 ) = 1 0.000296 0.9997

5.
Supngase que X y Y son variables aleatorias independientes con funcin de densidad

8
g X ( x ) = x3
0
x>2
; en otro caso
0 < y <1
2 y ;
hY ( y ) =
0
;
en
otro caso
a)
Obtener la funcin de densidad conjunta de X y Y
b)
Determinar el valor esperado de Z = XY
15 Puntos
Resolucin
a)
La funcin de densidad conjunta para dos variables aleatorias, est dada definida por
f XY ( x, y ) = g X ( x ) hY ( y )
sustituyendo
16 y
f XY ( x, y ) = x3
0
b)
; x>2
;
0 < y <1
en otro caso
El valor esperado, por independencia de variables aleatorias y propiedades es
E ( Z ) = E ( XY ) = E ( X ) E (Y )
Calculando los valores esperados con las funciones de densidad marginales
E(X ) =
8
( x ) dx = 8
x3
1
dx = 8 lim
R
x2
x 2+1
x dx = 8 lim
R 2 + 1
2
2
1
1 1
1
E ( X ) = 8 lim = 8 lim = 8 = 4
R x
R R
2
2
2
El otro valor esperado es
E (Y ) =
2 y ( y ) dy = 2
1
2
2
2
y 2 dy = y 3 = [1 0] =
0
3
3
3
por lo tanto
2 8
E ( Z ) = E ( X ) E (Y ) = ( 4 ) = 2.6667
3 3
6.
El peso neto por lote en una marca de sopa tiene distribucin normal con media de 565 [gr] y
desviacin estndar de 15 [gr]. Si se eligen al azar nueve lotes y se anota el peso, cul es la
probabilidad de que la media muestral est entre 555 y 575 [gr]?
15 Puntos
Resolucin
Sea X i la variable aleatoria que representa el peso neto por lote. i = 1, 2,...,9
X i ~ Normal X i = 565, X2 i = (15 )
entonces
X2 (15 )2
X ~ Normal X = X i = 565, X2 = i =
9
n
La probabilidad de que la media muestral est entre dos valores, si se conoce X2 i , por el Teorema del
Lmite Central, es
555 565 X
575
565
X
P ( 555 X 575 ) = P ( 555 < X < 575 ) P
=
X
15
15
n
9
9
= P ( 2 Z 2 ) = FZ ( 2 ) FZ ( 2 )
con valores de la tabla de distribucin acumulativa normal estndar
P ( 555 X 575 ) = FZ ( 2 ) FZ ( 2 ) = 0.9772 0.0228 0.9544
Es muy probable que el peso medio de los lotes est entre los valores de peso especificado.

RESOLUCIN
SEMESTRE 2010-2
TIPO 1
MIRCOLES 9 DE JUNIO DE 2010
NOMBRE______________________________________________________________________________
1.
De todas las fallas de un tipo especifico de unidad de disco duro de computadora, se determina que
20% de stos tiene daado slo el sector que contiene la tabla de asignacin de archivos, 70% slo los
sectores no esenciales estn daados y 10% tanto el sector de asignacin como uno o ms sectores no
esenciales estn daados. Se selecciona aleatoriamente una unidad de disco daada y se examina.
a)
Cul es la probabilidad de que el sector de asignacin est daado?
b)
Cul es la probabilidad de que un sector no esencial est daado?
c)
Si se encuentra que la unidad de disco tiene un sector de asignacin daado, cul es la
probabilidad de que algunos sectores no esenciales tambin estn daados?
15 Puntos
Resolucin
Sean los eventos
A el cual representa dao en el sector que contiene la tabla de asignacin.
B el cual representa dao en los sectores no esenciales.
Del enunciado
P ( B A ) = 0.7 ,
P ( A B ) = 0.2 ,
a)
P ( A B ) = 0.1
P ( A ) = P ( A B ) + P ( A B ) = 0.2 + 0.1 = 0.3
b)
P ( B ) = P ( B A ) + P ( A B ) = 0.7 + 0.1 = 0.8
c)
P ( B A) =
P ( A B)
P ( A)
0.1 1
=
0.3 3
2.
Sea X los gastos mdicos totales (en miles de dlares) incurridos por un individuo particular durante
un ao dado. Aunque X es una variable aleatoria discreta, supngase que su distribucin es bastante
bien aproximada por una distribucin continua con funcin de densidad f X ( x ) = ke2 x con x > 0
a)
Determinar el valor de k que hace una funcin de densidad vlida.
b)
Cules son el valor esperado y la desviacin estndar de los gastos mdicos totales?
c)
Un individuo est cubierto por un plan de seguro que le impone una provisin deducible de $500
(as que los primeros $500 de gastos son pagados por el individuo). Luego el plan pagar 80% de
cualquier gasto adicional que exceda de $500 y el pago mximo por parte del individuo (incluida
la cantidad deducible) es de $2500. Sea Y la cantidad de gastos mdicos de este individuo
pagados por la compaa de seguros. Cul es el valor esperado de Y ?
Nota: X = V + Y donde V es la variable aleatoria que representa la cantidad de gastos pagados
por el individuo.
20 Puntos
Resolucin
a) De la propiedad
f X ( x ) dx = 1 , se tiene
ke 2 x dx = 1
0
1 = k lim
R +
e 2 x dx =
0
R
k
k
k
lim e2 x =
lim e 2 R e0 =
0
R
R
+
+
2
2
2
k=2
De otra forma, se observa que es una distribucin exponencial, por lo tanto k = 2 con funcin
de densidad
2e 2 x
fX ( x) =
0
b)
x>0
; en otro caso
El valor esperado y la desviacin estndar de los gastos mdicos totales, est dado por
E(X ) =
x f X ( x ) dx
sustituyendo
+
E(X ) =
x ( 2e ) dx = 2 lim
xe dx = 2 lim (1 + 2 x ) e 2 x
R +
R +
4
0
0
0
1
1
1
E ( X ) = lim (1 + 2 R ) e 2 R 1 = lim (1 + 2 R ) e 2 R 1 =
R
+
R
+
2
2
2
2 x
2 x
La variancia est definida por el segundo momento con respecto a la media, entonces
Var ( X ) =
(x )
f X ( x ) dx
sustituyendo
Var ( X ) =
Var ( X ) =
2 x
x 2e dx = 2 Rlim
+
2
1
lim (1 + 4 x 2 ) e 2 x
R
4 +
R
0
1 2 x
1
2
2 x
x e dx = 2 Rlim
(1 + 4 x ) e
+
2
8
0
1
1
lim (1 + 4 R 2 ) e 2 R e0 =
+
R
4
4
Se verifica la media y variancia de las caractersticas de una funcin de densidad con

distribucin exponencial con = 2 , entonces
E(X ) =
1
2
Var ( X ) =
c)
1
4
Sea Y la cantidad de gastos pagados por la aseguradora y V la cantidad de gastos pagados por
el individuo
X =V +Y
de donde
Y = X V
entonces los gastos pagados por el individuo estn dados por
; 0 < x 0.5
x
V ( X ) = 0.5 + 0.2 ( x 0.5 ) ; 0.5 < x < 10.5
2.5
;
x 10.5
finalmente
E (Y ) =
y ( x ) f X ( x ) dx
E (Y ) =
10.5
( x ( 0.5 + 0.2 ( x 0.5) )) 2e
2 x
dx +
0.5
E (Y ) = 2
10.5
( 0.8 x 0.4 ) e2 x dx + 2
0.5
E (Y ) = 0.8 xe 2 x
10.5
0.5
( x 2.5) 2e2 x dx
10.5
( x 2.5) e2 x dx
10.5
lim ( x 2 ) e2 x
= 0.8 (10.5 ) e 2(10.5) ( 0.5 ) e 2( 0.5)
10.5
R +
R
lim ( R 2 ) e 2 R (10.5 2 ) e 2(10.5)

R +
E (Y ) = 0.14715
Por lo que la compaa aseguradora paga $147.15 dlares por asegurado.
3.
Un estudio de la Secretara de Transporte y Vialidad (SETRAVI), estima que el nmero de horas

prcticas necesarias para la obtencin del permiso de conducir para menores de edad entre 16 y 17
aos, sigue una distribucin normal con media de 24 [h] y variancia 9 [h2]
a)
Qu probabilidad hay de obtener el permiso de conducir con 20 [h] de prctica o menos?
b)
Calcular la probabilidad de que la octava persona sea la tercera en obtener el permiso para
conducir con mximo 20 [h] de prctica.
c)
Determinar la probabilidad de que la quinta persona sea la primera en obtener el permiso para
conducir con a lo ms 20 [h] de prctica.
20 Puntos
Resolucin
Sea X la variable aleatoria que representa las horas de prctica necesarias para la obtencin del
permiso para conducir.
X Normal X = 24 [ h ] , X2 = 9 h 2
a) La probabilidad de obtener el permiso para conducir con mximo 20 [h] de prctica
20 24
4
P ( X 20 ) = P ( X < 20 ) P Z <
= P Z < = P ( Z < 1.33) = FZ ( 1.33)
3
3
de la tabla de valores de la distribucin acumulativa normal estndar
P ( X 20 ) 0.0918
b) La probabilidad de que la octava persona sea la tercera en obtener el permiso con a lo ms 20 [h]
de prctica.
Sea U la variable aleatoria que representa la octava persona es la tercera en obtener el permiso
para conducir con mximo 20 [h] de practica.
U Pascal ( r = 3, p = 0.0918 )
U 1 3 u 3 7
3
5
P (U = 8 ) =
p q = ( 0.0918 ) ( 0.9082 ) 0.0100
r 1
2
c) La probabilidad de que la quinta persona sea la primera en obtener el permiso con a lo ms 20 [h]
de prctica.
Sea Y la variable aleatoria que representa la quinta persona sea la primera en obtener el permiso
para conducir con mximo 20 [h] de practica.
( p = 0.0918 )
4
P (Y = 5 ) = q 4 p = ( 0.9082 ) ( 0.0918 ) 0.0625
Y Geomtrica
4.
Una caja contiene cuatro bateras defectuosas, tres bateras en estado regular y dos bateras aceptables.
Se seleccionan dos bateras al azar.
a)
Calcular la probabilidad de seleccionar una batera defectuosa y una aceptable.
b)
Determinar la distribucin marginal g X ( x ) , correspondiente al nmero de bateras defectuosas.
15 Puntos
Resolucin
a)
Sea X la variable aleatoria que representa el nmero de bateras defectuosas.
RX = {0,1, 2}
Sea Y la variable aleatoria que representa el nmero de bateras aceptables.

RY = {0,1, 2}
La funcin masa de probabilidad est dada por
3
4 2
x y 2 x y ; x = 0,1, 2
f XY ( x, y ) =
9

0
;
y = 0,1, 2
2- x- y 2
en otro caso
sustituyendo para determinar la probabilidad
4 2 3
4 2 1
1 1 0 ( )( )( ) 8 2
f XY ( X = 1, Y = 1) = =
= =
36
36 9
9

2
b)
La funcin de probabilidad se define como g X ( x ) =
f XY ( x, y )
sustituyendo en la funcin marginal
4 5

0 2 10 5
g X ( X = 0 ) = = =
36 18
9

2
4 5

1 1 20 5
g X ( X = 1) = = =
36 9
9

2
4 5

2 0
6 1
g X ( X = 2 ) = = =
9
36 6

2
la forma tabular est dada por
x
gX ( x)
5.
10
36
20
36
6
36
Si la distribucin del peso de los ingenieros que viajan del Distrito Federal a Chetumal, Quintana Roo,
tiene una media de 74 [kg] y una desviacin estndar de 8.5 [kg]. Cul es la probabilidad de que el
peso total combinado de 36 de estos viajeros sea menor que 2722 [kg]?
15 Puntos
Resolucin
Sea Y la variable aleatoria que representa el peso [en kg] de los ingenieros que viajan del D.F. a
Chetumal, Quintana Roo.
Por el Teorema del Lmite Central si n = 36 , se conoce la media y desviacin estndar, se puede
aproximar por
Y Normal Y = 74 [ kg ] , Y2 = ( 8.5 )
kg 2
entonces los parmetros del peso total combinado de los 36 ingenieros
T Normal ( T = nY , T2 = n Y2 )
sustituyendo
T Normal ( T = 2664, T2 = 2601)
se determinar
T T 2722 2664
58
P (T 2722 ) = P (T < 2722 ) P

<
= P Z < = P ( Z < 1.14 ) = FZ (1.14 )
51
2601
T
de tablas de la distribucin acumulada normal estndar
P (T 2722 ) = P (T < 2722 ) 0.8729
6.
Una grfica que aparece en el artculo Thermal conductivity of polyethilenc: The effects of cristal
size, density and orientation on the thermal conductivity sugiere que el valor esperado de
conductividad trmica y es una funcin lineal de
x
y
10 4
donde x es el grosor laminar [en ngstrm].
x
240
410
460
490
520
590
745
830
12
14
14
15
15
15
16
18
Trazar el diagrama de dispersin.
Estimar los parmetros de la funcin de regresin y su funcin de regresin.
Pronosticar el valor de conductividad trmica cuando el grosor laminar es de 500 [ ]
a)
b)
c)
15 Puntos
Resolucin
a)
El diagrama de dispersin es
Conductividad trmica
Diagram a de dispersin
y = 0.0089x + 10.101
R2 = 0.931
20
15
10
5
0
0
100
200
300
400
500
600
700
800
900
Grosor lam inar
b)
Los parmetros y el modelo, son
y = 0 + 1 x
1 =
x y
i
i =1
i =1
i =1
xi yi
xi
x 2 i =1
i
8
i =1
0 = y 1 x
8
0 =
65920
( 4285)(119 )
8
0.0089
2
4285 )
(
2539825
8
119
4285
( 0.0089 )
10.1079
8
8
El modelo est dado por
y = 10.1079 + 0.0089 x
c)
Para obtener la estimacin del valor de conductividad trmica cuando el grosor laminar es de
500 [], es
y = 10.1079 + 0.0089 ( 500 ) 14.5579

PRIMER EXAMEN FINAL
RESOLUCIONES
SEMESTRE 2011-1
TIPO 1
DICIEMBRE 7, 2010
NOMBRE______________________________________________________________________________
Apellido Paterno
Apellido Materno
Nombre(s)
1.
En un centro de maquinaria hay cuatro mquinas automticas que producen tornillos. Un anlisis de
los registros de inspeccin anteriores produce los siguientes datos:
Mquina Porcentaje de
Porcentaje de
produccin
defectos producidos
1
15
4
2
30
3
3
20
5
4
35
2
Las mquinas 2 y 4 son ms nuevas y se les ha asignado ms produccin que a las mquinas 1 y 3.
Supngase que la combinacin de inventarios refleja los porcentajes de produccin indicados.
a)
Si se elige un tornillo al azar del inventario, cul es la probabilidad de que est defectuoso?
b)
Si se elige un tornillo y se encuentra que est defectuoso, cul es la probabilidad de que se haya
producido en la mquina 3?
15 Puntos
Resolucin
Sean:
D el evento que representa a los tornillos que se producen defectuosos.
M i el evento que representa la produccin de tornillos en la mquina i . i = 1, 2, 3, 4
Del enunciado
P ( M 1 ) = 0.15
P ( M 2 ) = 0.30
P ( M 3 ) = 0.20
P ( M 4 ) = 0.35
a)
P ( D M 1 ) = 0.04
P ( D M 2 ) = 0.03
P ( D M 3 ) = 0.05
P ( D M 4 ) = 0.02
La probabilidad de tener un tornillo defectuoso, por el Teorema de Probabilidad Total:
P ( D ) = P ( D M1 ) + P ( D M 2 ) + P ( D M 3 ) + P ( D M 4 )
P ( D ) = P ( M1 ) P ( D M1 ) + P ( M 2 ) P ( D M 2 ) + P ( M 3 ) P ( D M 3 ) + P ( M 4 ) P ( D M 4 )
sustituyendo:
P ( D) =
( 0.15)( 0.04 ) + ( 0.30 )( 0.03) + ( 0.20 )( 0.05) + ( 0.35)( 0.02 ) = 0.032
b)
La probabilidad de que un tornillo sea producido por la mquina 3, dado que es defectuoso, por
el Teorema de Bayes se tiene:
P ( D M3 )
P (M3 D) =
2.
P ( D)
P (M3 ) P ( D M3 )
P ( D)
( 0.20 )( 0.05) = 0.3125

( 0.032 )
La funcin de distribucin acumulativa de una variable aleatoria X est definida por:

0
3
2
x + x
FX ( x ) =
2
1
x<0
0 x 1
x >1
a)
Obtener la media y la variancia X
b)
Calcular la probabilidad de que la variable aleatoria se encuentre ente 0.5 y 1
15 Puntos
Resolucin
a)
Para calcular el valor esperado, primero se debe obtener la funcin de densidad, entonces:
dFX ( x )
dx
= fX ( x)
por lo que:
3 2
0 x 1
x +x ;
fX ( x) = 2
0
; en otro caso
El valor esperado se define como:

E(X ) =
x f X ( x ) dx
sustituyendo la funcin de densidad dada:

E(X ) =
x x 2 + x dx =
2
3 4 x3
3 1 17
3 3
2
2 x + x dx = 8 x + 3 = 8 + 3 = 24 0.7083
La variancia es el segundo momento con respecto de la media, entonces:

Var ( X ) =
( X X )
f X ( x ) dx
sustituyendo:
Var ( X ) =
17 3 2
x 24 2 x + x dx =
3 4 9 3 85 2 289
2 x 8 x 128 x + 576 x dx
9
85 3 289 2
3 9
85
289
139
3
Var ( X ) = x5 x 4
x +
x =
+
=
0.0483
10
32
384
1152
10
32
384
1152
2880
b)
Para determinar la probabilidad pedida:

1
P X 1 = P < X < 1
2
2
de la funcin de distribucin acumulativa, se tiene:

3
2
1 1 1 13
1
1
P X 1 = P < X < 1 = FX (1) FX = 1 + =
= 0.8125
2 2 2 16
2
3.
Un explorador de petrleo perforar una serie de pozos en cierta rea para encontrar un pozo
productivo. La probabilidad de que tenga xito en una prueba es 0.2
a)
Cul es la probabilidad de que el primer pozo productivo sea el tercer pozo perforado?
b)
Cul es la probabilidad de que el explorador no vaya a encontrar un pozo productivo si
solamente puede perforar 10 pozos?
c)
Cul es la probabilidad de que el tercer encuentro de petrleo ocurra en el quinto pozo que se
perfora?
15 Puntos
Resolucin
a)
Sea X la variable aleatoria que representa el nmero de pozos perforados para encontrar el
primero que sea productivo.
( p = 0.2 )
2
P ( X = 3) = q 2 p = ( 0.8 ) ( 0.2 ) = 0.128
X Geomtrica
b)
Sea U la variable aleatoria que representa en nmero de pozos no productivos en la perforacin

de 10 pozos.
U Binomial ( n = 10, p = 0.2 )
c)
10
10
10
0
10
P (U = 10 ) = p10 q10u = ( 0.8 ) ( 0.2 ) = ( 0.8 ) 0.107
u
10

Sea Y la variable aleatoria que representa el nmero de perforaciones realizadas para encontrar
el tercer pozo productivo.
Y Pascal ( r = 3, p = 0.2 )
Y 1 3 2 5 1
3
2
P (Y = 5 ) =
q p =
( 0.2 ) ( 0.8 ) 0.0307
r 1
3 1
4.
Una fbrica de focos para equipos de refrigeracin afirma que stos tienen una vida til de 60 meses
con una desviacin estndar de 6 meses. El supervisor de una empresa que compra este tipo de focos
para los refrigeradores que ensambla, prueba una muestra de 64 focos. Considerando que los datos
proporcionados por la fbrica son confiables, cul es la probabilidad de encontrar una muestra con
una vida til promedio menor a 58 meses?
15 Puntos
Resolucin
Sea X i la variable aleatoria que representa la vida til de los focos para equipos de refrigeracin.
i = 1, 2,..., 64
X i ~ Normal X i = 60, X2 i = ( 6 )
la muestra es de tamao 64, por el Teorema de Lmite Central, entonces la media muestral tiene:
X2 ( 6 )2
X ~ Normal X = X i = 60 , X2 = i =
n
64
La probabilidad de que la media muestral sea menor que 58 meses, es:
58
60
8
X
P ( X 58 ) P ( X < 58 ) P
= P Z = P ( Z 2.67 ) 0.0038
6
3
n
64
Es muy poco probable que la vida til de los 64 focos de una muestra sea menor que 58 meses.
5.
Supngase que el tiempo de mantenimiento semanal de una mquina depende de dos variables
aleatorias continuas (en horas), donde X es la variable aleatoria que representa la duracin del
mantenimiento mecnico y, Y es la variable aleatoria que representa la duracin de mantenimiento
elctrico. Supngase que la funcin de densidad de probabilidad conjunta es:
2
( x + 2 y) ; 0 x 1 , 0 y 1
f XY ( x, y ) = 3
en otro caso
0
;
a)
b)
Calcular la probabilidad que en alguna semana, el mantenimiento mecnico dure menos de 15

minutos y el mantenimiento elctrico dure ms de 30 minutos.
Determinar la funcin de densidad marginal g X ( x )
c)
Obtener la funcin de densidad condicional fY X = x (Y X = x0 )
d)
Calcular la probabilidad de que el mantenimiento elctrico ( Y ) dure menos de 15 minutos, dado

que el mantenimiento mecnico ( X ) dur 30 minutos.
20 Puntos
Resolucin
a)
La probabilidad a calcular es:
1
1
P ( X < 15 Y > 30 ) = P X < Y > =

4
2
2
=
3
y =1
x=
2
1 2
4
x + 2 xy dy =
1
3
x=0
y= 2
2
x=
1
2
x =0

y=
2
( x + 2 y ) dx dy =
3
y =1
1 1 2
1
+ 2 y dy =
1
4
y= 2 4
2
2 1
1 2 1 1 1 1
= (1) + +
3 32
4 3 32 2 4 2
b)
1
4
y =1
y =1
2 y y2
+ =
3 32 4 y = 1
2
13
0.135
=
96
La funcin marginal se define como:
gX ( x) =
f XY ( x, y ) dy
al sustituir:
gX ( x) =
y=1
y=0
y =1
2
2
2
( x + 2 y ) dy = ( xy + y 2 ) y =0 = ( x + 1)
3
3
3
0 x 1
por lo tanto:
2
0 x 1
( x + 1) ;
gX ( x) = 3
0
; en otro caso
c)
La funcin condicional se define por:

f XY ( x0 , y )
; f X ( x0 ) > 0
fY X = x0 (Y X = x0 ) = f X ( x0 )
0
; en otro caso
sustituyendo la funcin conjunta y la marginal, se tiene:
2
3 ( x0 + 2 y )
;
0 y 1
2 ( x + 1)
3 0
0
; en otro caso
fY X = x0 (Y X = x0 ) =
d)
x0 + 2 y
= x0 + 1
0
0 y 1
; en otro caso
Se va a calcular:
P Y < 15 X =
2
sustituyendo en la funcin de densidad condicional, se tiene:

1
2 + 2y
1
1
f 1 Y X = =
+1
Y X=
2
2
2
0
1+ 4 y
2
;
0 y 1
3
=
2
0
; en otro caso
0 y 1
1 + 4 y
= 3
0
0 y 1
; en otro caso
; en otro caso
entonces:
1
4
2
1
1
1
1 1
1 1 1 2
2 4
(1 + 4 y ) dy = ( y + 2 y ) 0 = + 2 = + =
3
3 4
4 3 4 16
0 3
1 4 2 1 6 1
= + = = = 0.125
3 16 16 3 16 8
1
1
P Y < X = =
4
2
6.
La Procuradura del Consumidor evala anualmente distintas marcas de cigarros de acuerdo con el
contenido de alquitrn, nicotina y monxido de carbono (CO). La asociacin de mdicos considera
peligrosas cada una de estas sustancias en la salud del fumador. Estudios anteriores han demostrado
que un aumento en el contenido de alquitrn y nicotina de un cigarro est acompaado de un
incremento en el monxido de carbono emitido en el humo del cigarro. La tabla siguiente muestra los
valores para seis marcas de cigarros.
a)
b)
c)
d)
Alquitrn CO
Marca
[mg]
[mg]
Benson&Hedges
16,0
16,6
Camel Lights
8,0
10,2
Marlboro
15,1
14,4
Raleigh
15,8
17,5
Montana
17,0
18,5
Viceroy Light
8,6
10,6
Elaborar un diagrama de dispersin entre el contenido de alquitrn (x), y CO (y)
Obtener la recta de regresin y trazarla en el diagrama de dispersin del inciso (a)
Corroboran los resultados el hecho de que un aumento de alquitrn conlleva un aumento de
monxido de carbono?
Considera que el modelo proporcionado es bueno? Qu porcentaje del monxido de carbono
emitido en el humo del cigarro queda explicado por el modelo?
20 Puntos
Resolucin
a)
El diagrama de dispersin es:
Monxido de carbono
y = 0.8541x + 3.1736
R2 = 0.9328
20
15
10
5
0
8
10
12
14
16
18
Alquitrn
b)
Los parmetros y el modelo, son:
y = 0 + 1 x
6
1 =
x y
i
i =1
i =1
i =1
xi yi
1246.80
(80.50 )(87.80 )
6
2
80.50 )
(
1160.61
6
xi
x 2 i =1
i
6
i =1
0 = y 1 x
0 = y 1 x = 14.633 ( 0.854 )(13.417 ) 3.1741
6
68.817
0.8541
80.568
Por lo tanto el modelo est dado por:
y = 0.8541x + 3.1741
b)
De acuerdo a la grfica, s se corrobora el hecho de que un aumento de alquitrn conlleva un

aumento de monxido de carbono.
c)
S es bueno el modelo que se obtuvo, ya que, el porcentaje del monxido de carbono emitido en
el humo del cigarro queda explicado por el modelo de manera muy aceptable como se observa
en lo que sigue.
Para determinar si el modelo es vlido debe obtenerse el coeficiente de determinacin.
r=
SS xx =
2
x
i
i =1
SS xy
SS xx SS yy
xi
2
i =1
=1160.61 ( 80.50 ) = 80.568
6
6
SS yy =
y2
yi
2
i =1
= 1347.82 ( 87.80 ) = 63.013
6
6
i =1
xi
SS xy =
xi yi
i =1
i =1
yi
= 1246.80
i =1
(80.50 )(87.80 ) = 68.817

6
sustituyendo:
r=
SS xy
SS xx SS yy
68.817
(80.568)( 63.013)
0.9658
Entonces el coeficiente de determinacin es:
r =R =
2
SS xy2
SS xx SS yy
( 68.817 )
=
0.9328
(80.568)( 63.013)
2
El ajuste es bueno puede considerarse vlido el modelo, como se mencion anteriormente.

z
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
-3.4
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0002
-3.3
0.0005
0.0005
0.0005
0.0004
0.0004
0.0004
0.0004
0.0004
0.0004
0.0003
-3.2
0.0007
0.0007
0.0006
0.0006
0.0006
0.0006
0.0006
0.0005
0.0005
0.0005
-3.1
0.0010
0.0009
0.0009
0.0009
0.0008
0.0008
0.0008
0.0008
0.0007
0.0007
-3.0
0.0013
0.0013
0.0013
0.0012
0.0012
0.0011
0.0011
0.0011
0.0010
0.0010
-2.9
0.0019
0.0018
0.0018
0.0017
0.0016
0.0016
0.0015
0.0015
0.0014
0.0014
-2.8
0.0026
0.0025
0.0024
0.0023
0.0023
0.0022
0.0021
0.0021
0.0020
0.0019
-2.7
0.0035
0.0034
0.0033
0.0032
0.0031
0.0030
0.0029
0.0028
0.0027
0.0026
-2.6
0.0047
0.0045
0.0044
0.0043
0.0041
0.0040
0.0039
0.0038
0.0037
0.0036
-2.5
0.0062
0.0060
0.0059
0.0057
0.0055
0.0054
0.0052
0.0051
0.0049
0.0048
-2.4
0.0082
0.0080
0.0078
0.0075
0.0073
0.0071
0.0069
0.0068
0.0066
0.0064
-2.3
0.0107
0.0104
0.0102
0.0099
0.0096
0.0094
0.0091
0.0089
0.0087
0.0084
-2.2
0.0139
0.0136
0.0132
0.0129
0.0125
0.0122
0.0119
0.0116
0.0113
0.0110
-2.1
0.0179
0.0174
0.0170
0.0166
0.0162
0.0158
0.0154
0.0150
0.0146
0.0143
-2.0
0.0228
0.0222
0.0217
0.0212
0.0207
0.0202
0.0197
0.0192
0.0188
0.0183

RESOLUCIONES
SEMESTRE 2011-1
DURACIN MAX. 2.5 HORAS
TIPO 1
2010, DICIEMBRE 13
NOMBRE______________________________________________________________________________
Apellido Paterno
Apellido Materno
Nombre (s)
1.
Considrese un sistema elctrico integrado como se muestra en el diagrama, donde se indica las
probabilidades de que los componentes A 1 , A 2 , A 3 , A 4 y A 5 del sistema operen de modo correcto.
Los componentes del sistema funcionan de manera independiente. Para que funcione el sistema una
corriente elctrica debe pasar del nodo X al nodo Y . Calcular:
a)
la probabilidad de que el sistema elctrico funcione.
b)
la probabilidad de que el sistema elctrico funcione con al menos cuatro componentes.
15 Puntos
Resolucin
a)
Sea F el evento que representa el sistema elctrico funciona.
Sea A i el evento que representa el componente i funciona, i = 1, 2,3, 4,5 .
Por independencia de eventos:
( ) ( ) ( )
P ( F ) = P ( A1 ) 1 P A2 A3 A4 P ( A5 ) = P ( A1 ) 1 P A2 P A3 P A4 P ( A5 ) =
= ( 0.8 ) 1 ( 0.35 )( 0.4 )( 0.35 ) ( 0.9 ) 0.6847
b)
Sea F ( 4 5) el evento que representa el sistema elctrico funciona con al menos cuatro
componentes. Por independencia de eventos:
P F ( 4 5) = P ( A1 ) P A2 A3 A4 P ( A5 ) + P ( A1 ) P A2 A3 A4 P ( A5 ) + P ( A1 ) P A2 A3 A4 P ( A5 ) +
+ P ( A1 ) P ( A2 A3 A4 ) P ( A5 ) =
( )
( )
F ( 4 5) = P ( A1 ) P ( A2 ) P ( A3 ) P A4 P ( A5 ) + P ( A1 ) P ( A2 ) P A3 P ( A4 ) P ( A5 ) +
( )
+ P ( A1 ) P A2 P ( A3 ) P ( A4 ) P ( A5 ) + P ( A1 ) P ( A2 ) P ( A3 ) P ( A4 ) P ( A5 ) =
( )
( )
( )
= P ( A1 ) P ( A5 ) P ( A2 ) P ( A3 ) P A4 + P ( A2 ) P A3 P ( A4 ) + P A2 P ( A3 ) P ( A4 ) + P ( A2 ) P ( A3 ) P ( A4 )
sustituyendo valores
F ( 4 5) = ( 0.8 )( 0.9 ) ( 0.65 )( 0.6 )( 0.35 ) + ( 0.65 )( 0.4 )( 0.65 ) + ( 0.35 )( 0.6 )( 0.65 ) + ( 0.65 )( 0.6 )( 0.65 ) 0.5008
2.
En la tienda UNAM se adquirieron tres computadoras de un tipo a $5000 cada una. Las vender a
$10000 cada una. El fabricante se comprometi a readquirir cualquier computadora que no se haya
vendido despus de un periodo especificado a $2000 cada una. Sea X el nmero de computadoras
vendidas y supngase que P ( 0 ) = 0.1 , P (1) = 0.2 , P ( 2 ) = 0.3 y P ( 3) = 0.4 . Con U ( X ) denotando la
utilidad asociada con la venta de X unidades, la informacin dada implica que
U ( X ) = Ingreso Costo = 10000 X + 2000 ( 3 - X ) 15000 = 8000 X 9000 . Calcular la utilidad
esperada y la variancia.
15 Puntos
Resolucin
Dada la funcin de utilidad y la funcin de probabilidad de X
U ( X ) = 8000 X 9000
fX ( x)
0
0.1
1
0.2
2
0.3
3
0.4
Al aplicar valor esperado a la utilidad, se tiene
E U ( X ) = E [8000 X 9000] = 8000 E [ X ] 9000
calculado el valor esperado con la funcin de probabilidad

E[X ] =
x f x ( x ) = 1( 0.2 ) + 2 ( 0.3) + 3 ( 0.4 ) = 2

E U ( X ) = 8000 [ 2] 9000 = 7000
Para la variancia de la utilidad

Var U ( X ) = Var ( 8000 X 9000 ) = ( 8000 ) Var ( X )
2
Al calcular la variancia de X con la funcin de probabilidad, se sabe que
( )
Var [ X ] = E X 2 E ( X )
entonces el segundo momento con respecto al origen

E X 2 =
x 2 f x ( x ) = 12 ( 0.2 ) + 22 ( 0.3) + 32 ( 0.4 ) = 5
Var [ X ] = 5 [ 2] = 1
2
Var U ( X ) = ( 8000 ) = 64000000
2
En promedio la utilidad ser de $7000 con desviacin estndar $8000 por la venta de las
computadoras.
3.
Considere que X y Y son variables aleatorias que se distribuyen conjuntamente, como lo indica la
funcin de probabilidad
x
f XY ( x, y )
a)
0
1
2
Calcular P ( X 1 , Y 1)
0
0.10
0.04
1
0.08
0.20
2
0.06
0.14
0.02
0.06
0.30
b)
Determinar P ( X 1 Y 1)
c)
d)
Obtener la covariancia entre las variables aleatorias.

Son variables aleatorias conjuntas estadsticamente independientes?
20 Puntos
Resolucin
a)
De la funcin de probabilidad, la que se pide es
P ( X 1 , Y 1) = f XY ( 0,1) + f XY ( 0, 2 ) + f XY (1,1) + f XY (1, 2 ) = 0.04 + 0.02 + 0.20 + 0.06 = 0.32
b)
La probabilidad pedida es
P ( X 1 Y 1) =
P ( X 1 , Y 1)
P (Y 1)
P ( X 1 Y 1)
P (Y 1)
La funcin marginal de probabilidad de Y a partir de la definicin

fY [ y ] =
f XY ( x, y )
y
fY ( y )
0
0.24
1
0.38
2
0.38
entonces la probabilidad de que P ( Y 1) = 0.38 + 0.38 = 0.76

sustituyendo en la probabilidad condicional
P ( X 1 Y 1) =
c)
0.32
0.4211
0.76
La covariancia de las variables aleatorias conjuntas, se define por

Cov ( X , Y ) = E ( X X )(Y Y ) = E ( XY ) E ( X ) E (Y )
para los valores esperados
[ ]
[ ]
[ ]
E [ XY ] =
xy f XY ( x, y )
x fX ( x)
E X =
y fY ( y )
E Y =
La funcin marginal de probabilidad de X a partir de la definicin

f XY ( x, y )
fX x =
x
fX ( x)
0
0.16
1
0.34
2
0.50
Los valores esperados son
E [ XY ] = (1)(1)( 0.2 ) + (1)( 2 )( 0.06 ) + ( 2 )(1)( 0.14 ) + ( 2 )( 2 )( 0.3) = 1.8

E [ X ] = (1)( 0.34 ) + ( 2 )( 0.50 ) = 1.34
E [Y ] = (1)( 0.38 ) + ( 2 )( 0.38 ) = 1.14
sustituyendo en la covariancia los promedios

Cov ( X , Y ) = 1.8 (1.34 )(1.14 ) = 0.2724
d)
Existe asociacin lineal positiva.

Por independencia de variables aleatorias conjuntas, se sabe que
f XY ( x, y ) = f X ( x ) fY ( y )
sustituyendo valores tanto de la funcin conjunta como en las marginales, se tiene

f XY ( 0, 0 ) = f X ( 0 ) fY ( 0 )
0.10 ( 0.16 )( 0.24 ) = 0.0384
por lo tanto se concluye que no son independientes.

4.
Estadsticas publicadas por una oficina de seguridad de la Direccin de Trnsito de una gran ciudad
muestra que, en promedio, en la noche de un fin de semana uno de cada diez conductores maneja en
estado de ebriedad. Si 400 conductores se inspeccionan al azar en una noche de sbado, cul es la
probabilidad de que el nmero de conductores ebrios sea:
a)
menor que 32?
b)
mayor que 49?
c)
por lo menos 35 pero menor que 47?
20 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de conductores que manejan en estado de
ebriedad, en sbado por la noche.
1
X Binomial n = 400 , p =
10
dado que n es grande y p es pequea, se aproxima por distribucin normal

Y Normal ( = np , 2 = npq )
sustituyendo
Y Normal = 40 , 2 = 36
a)
Se va a calcular y con la tabla de la funcin de distribucin acumulativa normal estndar

1
32 40 +
2 = P ( Z 1.25 ) = 0.1056
P (Y 32 ) P Z
b)
Se pide calcular y usando tablas

1
49 40
2 = P ( Z 1.42 ) = 1 F (1.42 ) = 1 0.9222 = 0.0778

P (Y 49 ) P Z
Z
6
c)
A calcular
1
1
47 40 +
35 40 2
2 = P ( 0.91 Z 1.25 ) = F (1.25 ) F ( 0.91) =
P ( 35 Y 47 ) P
Z
Z
Z
6
6
= 0.8944 0.1814 = 0.713
Otra posible solucin sin emplear el factor de correccin por continuidad, o bien, directamente por
distribucin binomial.
Se va a calcular y con la tabla de la funcin de distribucin acumulativa normal estndar
32 40
= P ( Z 1.33) = 0.0918
P (Y 32 ) P Z
6
Se pide calcular y usando tablas

49 40
= P ( Z 1.5 ) = 1 FZ (1.5 ) = 0.0668

P (Y 49 ) P Z
6
Entre 35 y 47 personas ebrias

47 40
35 40
Z
= P ( 0.83 Z 1.17 ) = FZ (1.17 ) FZ ( 0.83) = 0.6757
P ( 35 Y 47 ) P
6
6
5.
Dada la funcin de probabilidad de una poblacin uniforme

1
; x = 0,1, 2,3
fX ( x) = 4
0 ; en otro caso
Calcular la probabilidad de que una muestra aleatoria de tamao 36, seleccionada con reemplazo, d
un promedio muestral mayor que 1.45 pero menor de 1.75
15 Puntos
Resolucin
Se tiene una funcin de probabilidad de una variable aleatoria uniforme discreta, se sabe que su media
est dada por
X =
x fX ( x)
sustituyendo
X =
1
6 3
( 0 + 1 + 2 + 3) = =
4
4 2
y su variancia est dada por

X2 =
( x X )
fX ( x)
sustituyendo
1
2
3
1 9
X2 = 0 + 1 + 2 + 3 = + + + =
4
2 2
2
2 4 4 4 4 4 4
De acuerdo con la poblacin dada se sabe que

X i Uniforme ( k = 4 )
Por el Teorema del Lmite Central, para una muestra aleatoria grande, en este caso n = 36 , entonces
2
sustituyendo
5
3
5
2
4
=
X Normal X = , X =
2
36 144
La probabilidad a calcular para la media de la muestra es
1.45 1.5
12 (1.45 1.5 )
12 (1.75 1.5 )
1.75 1.5
= P
P (1.45 X 1.75 ) P
Z
Z
=
5
5
5
5
12
12
= P ( 0.27 Z 1.34 )
por propiedades de la funcin de distribucin acumulativa normal estndar

P (1.45 X 1.75 ) FZ (1.34 ) FZ ( 0.27 ) = 0.9099 0.3936 = 0.5163
6.
Se llev a cabo una investigacin para estudiar la relacin entre la velocidad [en pies por segundo] y el
ritmo de zancadas [en nmero de pasos por segundo] de entre 11 corredores de maratn, se tienen los
siguientes datos:
11
11
(Velocidad ) = 205.4
n =1
(Velocidad )
= 3880.08
n =1
11
11
( Ritmo ) = 35.16
n =1
( Ritmo )
= 112.681
n =1
11
(Velocidad )( Ritmo ) = 660.13
n =1
Obtener la ecuacin de la recta de regresin que se utilizara para pronosticar el ritmo de zancadas a
partir de la velocidad.
15 Puntos
Resolucin
Del enunciado se tiene n = 11 y se sabe que la recta de regresin es
y = 0 + 1 x
donde
11
11
1 =
x y
i
i =1
xi
i =1
11
y
i =1
11
xi
x 2 i =1
i
11
i =1
0 = y 1 x
11
11
660.13
( 205.4 )( 35.16 )
11
2
205.4 )
(
3880.08
11
3.5969
0.0805
44.7018
11
x=
(Velocidad )
=
n =1
205.4
= 18.6727
11
11
y=
( Ritmo )
n =1
35.16
= 3.1964
11
entonces
0 = 3.1964 ( 0.0805 )(18.6727 ) 1.6932
por lo tanto el modelo est dado por
y = 0.0805 x + 1.6932

RESOLUCIN
SEMESTRE 2011 - 2
TIPO 1
JUNIO 8, 2011
NOMBRE___________________________________________________________________________
Apellido Paterno
Apellido Materno
Nombre(s)
1.
En una clase hay 30 alumnos, de los cuales 20 estudian ingls, 12 estudian francs y seis
estudian los ambos idiomas. Se elige a un alumno al azar y se denotan:
Sea A el evento que representa el alumno elegido aleatoriamente estudia ingls
Sea B el evento que representa el alumno elegido aleatoriamente estudia francs
Determinar las probabilidades de:

,
a)
P ( A B)
P( A B) y
P( A A B)
b)
Explicar a qu se refiere cada probabilidad del inciso a).
15 Puntos
Resolucin
Se define:
Sea A el evento que representa el alumno elegido aleatoriamente estudia ingls
Sea B el evento que representa el alumno elegido aleatoriamente estudia francs
a)
Se pide calcular P ( A B ) que es igual a:

P ( A B ) = P ( A) + P ( B ) P ( A B )
sustituyendo los datos del enunciado:

P ( A B) =
20 12 6 26 13
+
=
=
0.867
30 30 30 30 15
La segunda parte de la pregunta del inciso a), se pide calcular:

P ( A B ) = P ( A) + P ( B ) P ( A B )
Al sustituir los datos del enunciado, se tiene:

P( A B) =
20 18 14 24 12
+
=
=
= 0.8
30 30 30 30 15
De la tercera pregunta del inciso a), se va a calcular, al usar teoremas de la teora de

conjuntos, donde A B es el espacio reducido:
P( A A B) =
P A( A B)
P( A B)
) = P ( ( A A) ( A B ) ) = P ( A ( A B ) ) =
P( A B)
P( A B)
P ( A)
P( A B)
20
20 5
30
P( A A B) =
=
= 0.833
24 24 6
30
b)
A qu se refiere cada probabilidad del inciso a):
P ( A B ) Seleccionar al menos a un alumno que estudie ingls o francs.
Diagrama de Venn P ( A B )
P ( A B ) Seleccionar a un alumno que estudie ingls o que no estudie francs.
Diagrama de Venn P ( A B )
P ( A A B ) Seleccionar a un alumno que estudie ingls, si se sabe que estudia ingls o que no estudia francs.
Diagrama de Venn P ( A A B )
2.
Supngase que la funcin de distribucin acumulativa de la variable aleatoria X que mide el

ndice de octano en motores de combustin interna es:
FX ( x ) = 6.25 x 2 1.25 x + 0.0625
La variable aleatoria est definida entre 0.1 y 0.5

a)
Cul es la probabilidad de que el ndice de octano est entre 0.20 y 0.30?
b)
Obtener el promedio de octano en un litro de gasolina.
15 Puntos
Resolucin
La probabilidad de que el ndice de octano est entre 0.20 y 0.30, al utilizar la funcin
acumulativa, est dada por:
P ( 0.20 < X < 0.30 ) = P ( 0.20 X 0.30 ) = FX ( 0.30 ) FX ( 0.20 )
2
2
P ( 0.20 < X < 0.30 ) = 6.25 ( 0.30 ) 1.25 ( 0.30 ) + 0.0625 6.25 ( 0.20 ) 1.25 ( 0.20 ) + 0.0625
P ( 0.20 < X < 0.30 ) = 0.25 0.0625 = 0.188
a)
Para calcular el promedio del ndice de octano, primero se debe determinar la funcin de
densidad, se sabe que:
dFX ( x )
dx
= fX ( x)
para el caso, se tiene:

f X ( x ) = 12.5 x 1.25
por lo tanto la funcin de densidad est dada por:

12.5 x 1.25 ; 0.1 x 0.5
fX ( x) =
0
; en otro caso
El valor esperado del ndice de octano por litro, es:

E(X ) =
x f X ( x ) dx
sustituyendo:
E(X ) =
0.5
x (12.5 x 1.25 ) dx = 12.5
0.1
0.5
x dx 1.25
0.1
0.5
x dx
0.1
12.5 3 0.5 1.25 2 0.5 12.5

1.25
3
3
2
2
x
x =
( 0.5) ( 0.1)
( 0.5) ( 0.1)
0.1
0.1
3
2
3
2
E ( X ) = 0.516 0.15 = 0.367
E(X ) =
3.
El nmero promedio de camiones tanque que llega diario a Salina Cruz, Oaxaca, es tres. Las
instalaciones en el puerto manejan a lo ms cinco camiones tanque por da.
a)
Cul es la probabilidad de que en un da cualquiera los camiones se tengan que regresar?
b)
En los primeros ocho das de cualquier mes, cul es la probabilidad de que el octavo da del
mes, sea el cuarto da en que los camiones tanque se tengan que regresar?
15 Puntos
Resolucin
a)
Sea Y la variable aleatoria que representa el nmero de camiones tanque que llega en un
da a Salina Cruz, Oaxaca.
camiones
Y ~ Poisson = 3
da
La probabilidad de que en un da cualquiera, los camiones tanque se tengan que regresar,

es:
P (Y > 5 ) = P (Y = 6 ) + P (Y = 7 ) + P (Y = 8 ) + ...
P (Y > 5 ) = 1 P (Y 5 ) = 1 P (Y = 0 ) + P (Y = 1) + P (Y = 2 ) + P (Y = 3) + P (Y = 4 ) + P (Y = 5 )
sustituyendo los valores:
P (Y > 5 ) = 1
y =0
b)
3 y e 3
= 1 e 3
y!
3y
= 1 0.916 0.084
y!
y =0
Sea R la variable aleatoria que representa el octavo da del mes, para que el cuarto da en
que los camiones tanque se tengan que regresar, cuando llegan a Salina Cruz, Oax.
R ~ Pascal ( r = 4 , p = 0.084 )
con lo que se va a calcular:

7
7
4
4
4
4
P ( R = 8 ) = ( 0.084 ) (1 0.084 ) = ( 0.084 ) ( 0.916 ) 0.001
3
3

4.
Supngase que la funcin de densidad de probabilidad conjunta de un vector aleatorio (T , U ) es:
2e- ( 2 t+u) ; t > 0 , u > 0

fTU ( t , u) =
; en otro caso
0
donde T es el tiempo de espera en cola, en minutos, de los clientes en la caja normal de un
pequeo supermercado y U es el tiempo de espera en cola, en minutos, de los clientes en la caja
rpida.
a)
Determinar las funciones marginales de densidad de T y U
b)
Calcular la probabilidad de que el tiempo de espera en cola en la caja rpida sea mayor que
el tiempo de espera en la caja normal.
c)
Obtener la funcin de densidad condicional del tiempo de espera en cola de la caja normal,
dado que el tiempo de espera en la cola de la caja rpida es de un minuto.
d)
Calcular el coeficiente de correlacin e interpretar el resultado.
20 Puntos
Resolucin
Sea T la variable aleatoria que representa el tiempo de espera en la cola de la caja normal.
Sea U la variable aleatoria que representa el tiempo de espera en la cola de la caja rpida.
a)
Las funciones marginales estn definidas como:

fT ( t ) =
fTU ( t , u ) du
y
fU ( u ) =
fTU ( t , u ) dt
para el caso, sustituyendo:

fT ( t ) =
2e
( 2t + u )
du = lim
R +
2e
( 2t + u )
du = 2 lim
R +
( 2t + u )
du
2t + u
2t + u
2t + R
2t + 0
fT ( t ) = 2 lim e ( ) = 2 lim e ( ) = 2 lim e ( ) e ( ) = 2e 2t ; t > 0
0
0

R +
R +
R +
R
la otra funcin marginal, est dada por:

fU ( u ) =
2e
( 2t + u )
dt = lim
P +
2e
( 2t + u )
dt = 2 lim
P +
( 2t + u )
dt
P
1 2t + u
2t + u
2 P +u )
e(0 + u ) = eu ; u > 0
fU ( u ) = 2 lim e ( ) = lim e ( ) = lim e (
P +
P
+
P +
0
2
0
por tanto, las funciones marginales son:

2 t
2e
fT ( t ) =
0
b)
;
t >0
; en otro caso
u
e
fU ( u ) =
0
;
u>0
; en otro caso
La probabilidad de que el tiempo de espera en cola en la caja rpida sea mayor que el
tiempo de espera en la caja normal, significa que:
P (U > T ) = P (U T > 0 )
De las propiedades de la funcin de densidad conjunta, se sabe que:
P ( (T , U ) R ) =
fTU ( t , u ) dt du
sustituyendo:
S
P (U > T ) =
2e
du dt = 2 lim
lim
S +
R +
0
t
0
R
2t + u
P (U > T ) = 2 lim
lim e ( ) dt = 2 lim
t
S +
R +
S +
0
( 2t + u )
P (U > T ) = 2 lim
S +
P (U > T ) = 2 lim
S +
c)
) ( )
2t + R
lim e ( ) e 3t
R +
0
( 2t + u )
du dt
2t + R
2t + t
lim e ( ) e ( ) dt
R +

0
S
dt = 2 lim
( 0 ) e 3t dt

S +

) (
( )
S
2
2
2
e 3t dt = lim e 3t = lim e 3 S 1 = 0.666
0
S
S
+
3
3
3
Para determinar la funcin de densidad condicional del tiempo de espera en la cola de la caja
normal, cuando el tiempo de espera en la cola de la caja rpida es de un minuto. De la
definicin de funcin condicional, se sabe que:
fTU ( t , u0 )
; fU ( u0 ) > 0
fT U =u ( t u0 ) = fU ( u0 )
0
; en otro caso
sustituyendo:
2e ( 2t +1)
fT U =1 ( t u = 1) = e 1
0
t>0
; en otro caso
simplificando:
fT
d)
U =1
2e 2t
; en otro caso
( t u = 1) =
t >0
Para determinar si es independiente permanecer en la cola normal o rpida, por

independencia de variables aleatorias conjuntas, se sabe que:
fT U ( t u ) = fT ( t )
entonces son variables aleatorias conjuntas independientes, sustituyendo:

fT U ( t u ) = fT ( t )
2e 2t = 2e 2t
por tanto, s son independientes.

Dado que la permanencia en las colas normal y rpida es independiente, entonces la
covariancia vale cero y la correlacin tambin.
Cov (T ,U ) = 0
y
(T ,U ) = 0
5.
Si la vida media de operacin de una pila de linterna es de 24 horas y est distribuida

normalmente con una desviacin estndar de tres horas. Cul es la probabilidad de que una
muestra aleatoria de 100 pilas, tenga una media muestral que se desve ms de 30 minutos del
promedio real?
15 Puntos
Resolucin
Sea Yi la variable aleatoria que representa la vida de operacin de una pila de linterna.
Yi ~ Normal Yi = 24 h , Yi = 3 h
i = 1, 2,3, 4,...,100
Por el Teorema del Lmite Central, para el promedio de vida de operacin de la muestra aleatoria:
Y
Y ~ Normal Y = Y , Y =
sustituyendo:
Y ~ Normal Y = 24 h , Y =
h
10
La probabilidad de que la muestra aleatoria de 100 pilas, tenga un promedio que se desve ms de
30 minutos de su promedio, esto es:
1
1
P Y Y > 30 = P Y Y > = 1 P Y Y <

2
2
entonces:
1
1
Y Y
1
1
10
1
10
P Y Y < = P < Y Y < P 2 <
< 2 = P
<Z<
3
3
2
2
2
6
6
Yi
10
10
n
P Y Y < = P ( 1.67 < Z < 1.67 ) = FZ (1.67 ) FZ ( 1.67 ) 0.9525 0.0475 0.905
2
P Y Y > = 1 0.905 = 0.095

2
Al usar calculadora o excel:

1
1
P Y Y > = 1 P Y Y < = 1 P ( 1.67 < Z < 1.67 ) = 1 FZ (1.67 ) FZ ( 1.67 ) 1 [ 0.9525 0.0475] 0.095
2
2
6.
En la produccin de herramientas de acero, se ha considerado ilustrar la relacin entre la

deformacin ( x ) y la dureza Brinell ( y )
x [mm]
kg
y
2
mm
11
22
26
28
33
35
68
67
65
44
40
37
34
32
a)
Elaborar el diagrama de dispersin.
b)
Estimar la recta de regresin.
c)
Interpretar el resultado del coeficiente de determinacin.
20 Puntos
Resolucin
a)
Diagrama de Dispersin
y = -1.3715x + 77.52
R2 = 0.9765
Dureza Brinell kg/mm2
80
70
60
50
40
30
20
10
0
0
10
20
30
40
Deformacin mm
b)
El ajuste de los datos a un modelo lineal de regresin por el criterio de mnimos cuadrados
est dado por:
y = 0 + 1 x
donde
0 = y 1 x
1 =
SS xy
SS xx
Al realizar los productos y las sumas, se tiene
x
6
9
11
22
26
28
33
35
Suma: 170
x2
y2
68
67
65
44
40
37
34
32
387
36
81
121
484
676
784
1089
1225
4496
4624
4489
4225
1936
1600
1369
1156
1024
20423
xy
408
603
715
968
1040
1036
1122
1120
7012
de donde:
SS xx =
x2
i
i =1
xi
2
i =1
= 4496 (170 ) = 883.5
8
n
x
y
(170 )( 387 ) = 1211.75

xy
= 7012
n
SS xy =
i =1
i =1
i =1
sustituyendo:
1 =
SS xy
SS xx
1211.75
= 1.375
883.5
para calcular los promedios:
1
x=
n
xi =
1
(170 ) = 21.25
8
yi =
1
( 387 ) = 48.375
8
i =1
1
y=
n
i =1
sustituyendo:
0 = 48.375 ( 1.372 )( 21.25 ) = 77.52
por lo tanto el modelo de regresin lineal es:
y = 1.3715 x + 77.52
c)
El coeficiente de correlacin est definido por
r=
SS xy
SS xx SS yy
Al realizar los clculos necesarios:
SS yy =
y2
i
i =1
yi
2
i =1
= 20423 ( 387 ) = 1701.875
n
8
por lo que el coeficiente de correlacin es:
r=
1211.75
(883.5)(1701.875)
= 0.988
El coeficiente de determinacin est definido por:
R 2 = ( r ) 2 = ( 0.988 ) 2 = 0.9765
Se concluye que el modelo explica muy bien a la variable de entrada, ya que es muy
bueno el porcentaje de explicacin: R 2 = 0.9765
z
-3.4
-3.3
-3.2
-3.1
-3.0
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
-0.0

0
0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2011 - 2
TIPO 1
JUNIO 1, 2011
NOMBRE_____________________________________________________________________________
Apellido Paterno
Apellido Materno
Nombre(s)
1.
Los datos que se muestran en la tabla de frecuencias, obtenidos por la observacin de una cmara
oculta, corresponden a las velocidades, para una muestra aleatoria de 37 coches que recorren el
circuito interior en CU, donde se permite circular hasta 40 kilmetros por hora.
Velocidad
km/h
1.00 - 50.00
Fronteras
de
Clase
0
Nmero
de
coches
Marcas
de
Clase
Frecuencia
Acumulada
Absoluta
Frecuencia
Relativa
Frecuencia
Acumulada
Relativa
fi
xi
Fi
fi*
Fi*
3
0.135
10
0.541
50.00 - 30.0
a)
10
Completar la tabla de frecuencias con los datos faltantes e identificar la amplitud (o longitud) de
clase y la unidad de precisin de los datos.
Calcular la media.
Determinar la desviacin estndar.
Interpretar el coeficiente de variacin.
b)
c)
d)
20 Puntos
Resolucin
a)
La tabla de frecuencias completa es:
Velocidad
Km/h
Fronteras
de
Clase
1.0 5.0
6.0 10.0
11.0 15.0
16.0 20.0
21.0 25.0
26.0 - 30.0
0.5 - 5.5
5.5 10.5
10.5 15.5
15.5 20.5
20.5 25.5
25.5 30.5
Nmero
de
coches
Frecuencia
Acumulada
Absoluta
fi
Marca
de
Clase
xi
Frecuencia
Relativa
Fi
fi*
3
2
5
10
7
10
3
8
13
18
23
28
3
5
10
20
27
37
0.081
0.054
0.135
0.270
0.189
0.270
Frecuencia
Acumulada
Relativa
Fi*
0.081
0.135
0.270
0.541
0.730
1.000
37
La amplitud de cada clase es de 5 km/h.

La precisin de los datos es 1
b)
La media de la velocidad en kilmetros por hora es:
1
x=
n
xi fi =
m =1
xi f i *
m =1
sustituyendo:
x=
c)
1
711
( 3)( 3) + ( 8 )( 2 ) + (13)( 5 ) + (18 )(10 ) + ( 23)( 7 ) + ( 28 )(10 ) =
19.216 km / h
37
37
La desviacin estndar de la muestra en kilmetros por hora, est dada por:
1
n 1
s( n 1) =
( xi x )
fi
m =1
s( n 1) =
s( n 1) =
d)
( 3 19.216 )2 ( 3) + (8 19.216 )2 ( 2 ) + (13 19.216 )2 ( 5) + (18 19.216 )2 (10 ) + ( 23 19.216 )2 ( 7 ) + ( 28 19.216 )2 (10 )
37 1
1
1
( 2120.270 ) 7.674 km / h
36
El coeficiente de variacin se define como:

S
CV = n 1
X
sustituyendo la media y desviacin estndar de la muestra, se tiene:

7.674
cv =
0.399
19.216
Del resultado anterior, la variabilidad de la velocidad de los autos que circulan por el circuito
interior en CU, es relativamente alta, ya que 39.9% nos indica que cada persona conduce a la
velocidad que quiere, es muy disperso.
2.
En una determinada gasolinera, el 25% de los clientes utilizan gasolina Premium para sus
vehculos, el 55% usan gasolina Magna, y el resto utilizan gasolina Alternativa (Etanol). De los
clientes que consumen gasolina Premium slo el 30% de ellos llenan sus tanques, de los que usan
gasolina Magna el 60% llenan sus tanques, en tanto que los que prefieren gasolina Alternativa el
50% llenan los tanques de sus automviles.
a)
Cul es la probabilidad de que el siguiente cliente pida al servidor llenar su tanque?
b)
Si el siguiente cliente llena su tanque, qu probabilidad hay de que solicite al servidor gasolina
Magna?
c)
Si el siguiente cliente no llena su tanque qu probabilidad hay de que pida al servidor gasolina
Alternativa?
15 Puntos
Resolucin
Sean los eventos que representan a:
A1 : Los clientes que utilizan gasolina Premium.
A2 : Los clientes que utilizan gasolina Magna.
A3 : Los clientes que utilizan gasolina Alternativa (Etanol).
B : Los clientes que llenan el tanque.
Del enunciado se tiene los siguientes datos:
P ( A1 ) = 0.25
P ( B A1 ) = 0.30
a)
P ( A2 ) = 0.55
P ( B A2 ) = 0.60
P ( A3 ) = 0.20
P ( B A3 ) = 0.50
Se pide obtener P ( B ) , que es la Probabilidad Total, entonces:

P ( B ) = P ( A1 B ) + P ( A2 B ) + P ( A3 B )
P ( B ) = P ( A1 ) P ( B A1 ) + P ( A2 ) P ( B A2 ) + P ( A3 ) P ( B A3 )
P ( B ) = ( 0.25 )( 0.30 ) + ( 0.55 )( 0.60 ) + ( 0.20 )( 0.50 ) 0.505
b)
Si el siguiente cliente llena su tanque con gasolina, cul es la probabilidad de que solicite
gasolina Magna, aplicando Teorema de Bayes, entonces:
P ( A2 B ) =
c)
P ( A2 B )
P ( B)
P ( A2 ) P ( B A2 )
P ( B)
( 0.55)( 0.60 )
0.505
0.653
Determinar la probabilidad de que un cliente pida gasolina alternativa, dado que no llena su
tanque, entonces del Teorema de Bayes, del enunciado se sabe que:
P B A1 = 0.70
P ( A3 B ) =
P ( A3 B )
P(B)
P B A2 = 0.40
=
P ( A3 ) P B A3
1 P ( B)
P B A3 = 0.50
) = ( 0.20)( 0.50) =
1 0.505
0.1
0.202
0.495
3.
En un examen de Probabilidad y Estadstica el promedio de calificaciones fue de seis con desviacin

estndar de 0.8. El profesor conjetura que el examen fue difcil. Qu transformacin del tipo a X + b
debe hacer para que la media sea de siete y la desviacin estndar igual a uno? ( X es la variable
aleatoria que representa las calificaciones del grupo).
15 Puntos
Resolucin
Sea X la variable aleatoria que representa las calificaciones de los estudiantes.
El ajuste que el profesor quiere realizar es:
C = aX + b
Del valor esperado y la variancia, se quiere E ( C ) = 7 y Var ( C ) = 1 , por lo que:

E ( C ) = E ( aX + b ) = aE ( X ) + b
sustituyendo:
7 = 6a + b
Aplicando propiedades de la variancia, se tiene:

Var ( C ) = V ar ( aX + b ) = a 2Var ( X )
sustituyendo:
1 = a 2 ( 0.8 )
Despejando y determinando los valores buscados para el ajuste:

a2 =
( 0.8)
a=
( 0.8)
1
5
=
0.8
4
De lo que, slo se trabaja la parte positiva, entonces: a =
5
4
Sustituyendo el valor calculado:

5
7 = 6 + b
4
Se tiene el valor de:

30
1
5
b = 7 6 = 7
=
4
2
4
Por lo tanto el ajuste a realizar por parte del profesor es:

C=
5
1
X = 1.25 x 0.5
4
2
4.
El 2% de los tornillos fabricados por una mquina presentan defectos. Si se tiene un lote de 2000
tornillos, cul es la probabilidad de que haya menos de 50 tornillos defectuosos?
15 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de tornillos defectuosos que se tienen
cuando se seleccionan para revisin.
X ~ Binomial ( n = 2000 , p = 0.02 )
Se pide determinar la probabilidad de que haya a lo ms 50 tornillos defectuosos, esto es:

P ( X 50 ) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 ) + ... + P ( X = 50 )
50
P ( X 50 ) =
x =0
2000
x
2000 x
0.949
( 0.02 ) ( 0.98 )
x
O bien, aproximando con distribucin normal ya que
= np = ( 2000 )( 0.02 ) = 40 20 es una buena
aproximacin, entonces:
Y ~ Normal = np = ( 2000 )( 0.02 ) = 40 , 2 = npq = ( 2000 )( 0.02 )( 0.98 ) = 39.2
Y ~ Normal = 40 , 2 = 39.2
por aproximacin se tiene:

1
1
Y + 2 50 40 + 2
10.5
P (Y 50 ) P
= PZ
= P ( Z 1.68 ) FZ (1.68 ) = 0.9535
39.2
39.2
npq
De otra forma, al usar calculadora con distribucin normal se tiene:
Y ~ Normal = 40 , 2 = 39.2
P (Y 50 ) 0.9535
Tambin podra darse el caso, de no usar el factor por continuidad de un medio, entonces:
Y 50 40
10
P (Y 50 ) P
= P Z
= P ( Z 1.60 ) = FZ (1.60 ) = 0.9452
npq
39.2
39.2
5.
Supngase que los tiempos requeridos por un cierto autobs para alcanzar uno de sus destinos a
una ciudad grande, tiene distribucin normal con desviacin estndar de un minuto. Si se elige al
azar una muestra aleatoria de 17 tiempos. Obtener la probabilidad de que la variancia muestral sea
mayor que dos e interpretar el resultado.
15 Puntos
Resolucin
Se pide determinar la probabilidad de que la variancia de la muestra aleatoria S(2n 1) , sea mayor que
2, esto es: P S(2n 1) > 2
)
4
Por lo tanto, transformando en Ji cuadrada, se tiene:

( n 1) S(2n 1) (16 ) 2
2
= P (16,
P S(2n 1) > 2 P
>
) > 32 =
1
2
De tablas de la distribucin Ji cuadrada con 16 grados de libertad y abscisa 32:

= 0.01
En caso de utilizar calculadora:
2
P (16,
) > 32 = 0.01
es poco probable que la variancia sea la establecida.

6.
Dos oftalmlogos se asociaron para poner una clnica en la que, por la subespecialidad, l puede
atender hasta cinco pacientes por da y ella puede atender hasta tres pacientes por da. Si ( X , Y ) es
un vector aleatorio, sea X la variable aleatoria que representa el nmero de pacientes atendidos por
el doctor y, sea Y la variable aleatoria que representa el nmero de pacientes atendidos por la
doctora, segn la tabla que muestra la funcin masa de probabilidad conjunta.
f XY ( x , y )
c)
0
0
0.01
0.01
0.01
0
1
2
3
y
a)
b)
x
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
0.06
5
0.09
0.08
0.06
0.05
Determinar las funciones marginales masa de probabilidad de X y Y

Obtener la probabilidad de que entre los dos especialistas atiendan al menos a seis pacientes
en un da cualquiera.
Determinar la funcin de probabilidad para el nmero de pacientes que atiende la doctora, si se
sabe que el doctor atiende a lo ms tres pacientes.
Son variables aleatorias conjuntas estadsticamente independientes?
d)
20 Puntos
Resolucin
Sea X la variable aleatoria que representa el nmero de pacientes atendidos por da por el doctor.
Sea Y la variable aleatoria que representa el nmero de pacientes atendidos por da por la doctora.
Los recorridos de las variables aleatorias son: RX = {0,1, 2,3, 4,5} y RY = {0,1, 2,3}
a)
Las funciones marginales se definen como:
fX ( x) =
f XY ( x, y )
f XY ( x, y )
RY
y
fY ( y ) =
RX
entonces:
x
fX ( x)
0.03
0.08
0.16
0.21
0.24
0.28
y la otra funcin marginal est dada por:
b)
fY ( y )
0.25
0.26
0.25
0.24
La probabilidad a calcular es:

P ( X + Y 6)
entonces por extensin es:
P ( X + Y 6 ) = f XY ( 3,3) + f XY ( 4, 2 ) + f XY ( 4,3) + f XY ( 5,1) + f XY ( 5, 2 ) + f XY ( 5,3)
de la funcin de probabilidad conjunta, sustituyendo:

P ( X + Y 6 ) = 0.06 + 0.05 + 0.06 + 0.08 + 0.06 + 0.05 = 0.36
c)
Para determinar la funcin de probabilidad condicional, de la definicin se tiene:

f XY ( X 3, y )
; f X ( X 3) > 0
fY X 3 ( Y X 3 ) = f X ( X 3 )
0
; en otro caso
De la funcin marginal de f X ( X 3) :
f X ( X 3) =
f x ( x ) = f X ( X = 0 ) + f X ( X = 1) + f X ( X = 2 ) + f X ( X = 3) = 0.48
x =0
y
fY X 3 ( Y X 3 )
fY X 3 ( Y X 3 )
d)
0.09
0.48
0.12
0.48
0.14
0.48
0.13
0.48
0.188
0.250
0.292
0.271
Para determinar si son variables aleatorias conjuntas independientes, de la definicin se sabe:

f XY ( x, y ) = f X ( x ) fY ( y )
para todos los vectores aleatorios, entonces:

f XY ( 0, 0 ) = f X ( 0 ) fY ( 0 )
0 ( 0.03)( 0.25 ) = 0.0075
por lo tanto no son variables independientes, ya que f XY ( x, y ) f X ( x ) fY ( y ) son diferentes.

PRIMER EXAMEN FINAL
RESOLUCIONES
SEMESTRE 2012 - 2
TIPO 1
30 DE MAYO DE 2012
NOMBRE_______________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Problema 1
La siguiente tabla muestra la estimacin de hundimientos de suelo en centmetros, de diez diferentes sitios del Distrito
Federal durante el ltimo ao.
Hundimiento (cm)
[0,10)
[10,20)
[20,30)
[30,40]
Frecuencia
3
2
1
Frecuencia
3
9
Acumulada
Frecuencia Relativa
0.30
0.20
Frecuencia Relativa
0.30
0.90
Acumulada
a) Completar los valores faltantes en la tabla.
b) Determinar el valor medio de los hundimientos registrados.
c) Calcular el valor del coeficiente de variacin.
Puntos 15
Resolucin
a) Como el total de observaciones es de 10, el dato faltante del rengln de la frecuencia debe ser 4 para tener el total de 10.
Luego se completa la tabla de frecuencias.
Hundimiento (cm)
[0,10)
[10,20)
[20,30)
[30,40]
Frecuencia
3
4
2
1
Frecuencia
3
7
9
10
Acumulada
Frecuencia Relativa
0.30
0.40
0.20
0.10
Frecuencia Relativa
0.30
0.70
0.90
1.0
Acumulada
b) Para obtener el valor medio de los hundimientos, se debe calcular la media, utilizando la frmula correspondiente a
datos agrupados. Tomando las marcas de clase de 5, 15, 25 y 35, con sus frecuencias 3, 4, 2 y 1 respectivamente.
Entonces el valor medio del hundimiento ser:
c) Se tiene que el coeficiente de variacin est dado por:
, por lo que falta calcular S, utilizando la frmula
correspondiente a datos agrupados.
entonces
S=9.9442 y C.V.=62.15%
Problema 2
El sistema contiene siete componentes. Estos se conectan como se muestra en el diagrama. Si los siete componentes operan
de manera independiente y si la probabilidad de que cada uno de ellos A, B, C, D, E, F, o G, est funcionando, es de 0.95,
determinar la probabilidad de que el sistema completo funcione.
Puntos 15
Resolucin
La probabilidad de que el sistema completo funcione, equivale a todas las componentes funcionan, entonces
P(Funciona completamente)=(0.95)7
P(Funciona completamente)=0.6983
Problema 3
Supngase que el error en la lectura del consumo de energa elctrica en Kw/h, es una variable aleatoria
funcin densidad
que tiene por
a) Calcular
b) Determinar de manera analtica y grfica la funcin de distribucin acumulada y utilizarla para verificar el resultado del
inciso a).
c) Obtener la variancia de
15 Puntos
Resolucin
a) La probabilidad de que el error en la lectura de consumo sea entre cero y uno, es por propiedades se sabe
entonces
b) La funcin de distribucin se define por la integral con lmite superior variable, entonces
sustituyendo
por lo tanto
La grfica de la funcin acumulativa es
Para calcular la probabilidad, por propiedades de la funcin de distribucin acumulativa
c) Se pide calcular la variancia, segundo momento con respecto a la media, o bien, en trminos de momentos con
respecto al origen, se sabe que es el segundo momento con respecto a origen menos el primer momento con
respecto al origen al cuadrado, es decir
Integrando para calcular los momentos con respecto al origen, de la definicin de momentos con respecto al
origen, se sabe
sustituyendo
El segundo momento con respecto al origen, se tiene
sustituyendo
al sustituir en la variancia de
se tiene y se sabe que la variancia de una constante es igual a cero
Otra forma de calcular la variancia de

que obtener la media
, al aplicar variancia en la funcin de la variable aleatoria, se tiene
=8
entonces el segundo momento con respecto de su media de la funcin dada, es
por integral de acuerdo con la definicin de valor esperado, se tiene
Problema 4
Un examen contiene 15 preguntas tipo falso-verdadero. El examen se aprueba si por lo menos se contestan correctamente
13 preguntas. Si un alumno contesta al azar el examen, cul es la probabilidad de que lo apruebe?
10 Puntos
Resolucin
Sea
la variable aleatoria que representa el nmero de respuestas correctas.
entonces
sustituyendo
Por lo tanto, la probabilidad de que el alumno apruebe el examen es de 0.00369
Problema 5
Se hacen dos pruebas diferentes para un artculo deportivo. Las siguientes distribuciones marginales corresponden a cada
una de las pruebas. En donde X e Y son variables aleatorias que representan a cada una de las pruebas aplicadas a
los artculos deportivos.

0
1
2
3
0
1
2
0.2
0.3
0.5
0.3
0.2
0.1
0.4
Si se sabe que
y son variables aleatorias conjuntas estadsticamente independientes.
a) Obtener la distribucin de probabilidad conjunta.
b) Si se sabe que la prueba
es exactamente dos, cul es la probabilidad de que la prueba
sea menor a dos?
15 Puntos
Resolucin
a) Si se sabe
son estadsticamente independientes entonces
La funcin de probabilidad conjunta es
0
1
2
3
0
0.06
0.04
0.02
0.08
1
0.09
0.06
0.03
0.12
2
0.15
0.1
0.05
0.2
b) Se pide obtener P(X < 2 | Y=2)
P X = 0 | Y = 2 =
P X = 1 | Y = 2 =
f XY X = 0, Y = 2 0.02
=
= 0.2
0.1
f Y 2
f XY X = 1, Y = 2 0.03
=
= 0.3
0.1
f Y 2
P X < 2 | Y = 2 = 0.2 + 0.3 = 0.5
Otra forma, como las variables aleatorias son estadsticamente independientes, entonces se sabe que
f X | Y=y (X | Y=2) =
x
fX (x)
0
0.2
1
0.3
2
0.5
entonces
P(X < 2 | Y=2)=
Problema 6
En una tienda venden tres marcas diferentes de yogurt en envases de 150 g. De todos los clientes que compran
un slo envase, 50% compra el que contiene 160 caloras, 30% compra el de 200 caloras y el otro 20% compra
y
el nmero de caloras de los envases comprados por dos clientes seleccionados
el de 250 caloras. Sean
independientemente.
a) Calcular la media y la variancia
de la poblacin.
y comparar con .
b) Determinar la distribucin muestral de , calcular
c) Obtener la distribucin muestral de
, calcular
y comparar con .
15 Puntos
Resolucin
a) La funcin de probabilidad para un cliente que llega a la tienda a comprar yogurt, es
160
0.5
200
0.3
250
0.2
La variancia est definida por
Los cuales son los parmetros de la poblacin.

b) Para la distribucin muestral de la media y variancia, si dos clientes entran de forma independiente a comprar a la tienda
un yogurt, entonces una forma para calcular es
160
160
(0.5)(0.5)=0.25
160
160
200
(0.5)(0.3)=0.15
180
160
250
(0.5)(0.2)=0.1
205
200
160
(0.3)(0.5)=0.15
180
200
200
(0.3)(0.3)=0.09
200
200
250
(0.3)(0.2)=0.06
225
250
160
(0.2)(0.5)=0.1
205
250
200
(0.2)(0.3)=0.06
225
250
250
(0.2)(0.2)=0.04
250
la funcin de probabilidad para la media muestral es

160
0.25
180
0.3
200
0.09
205
0.2
225
0.12
800
0.3
1250
0.12
4050
0.2
250
0.04
Por lo tanto
c) Para la distribucin de la variancia muestral, se tiene

0
0.38
Por lo tanto
Problema 7
En la siguiente tabla se registraron los datos que se refieren al crecimiento de clulas de piel humana en un medio de
cultivo controlado, en una investigacin dirigida a la restauracin de piel en vctimas de quemaduras.
Das de cultivo
Nmero de clulas
12
15
18
115000 147000 189000 230600 257900 286400
a) Obtener el coeficiente de determinacin para un modelo lineal, y a partir de este responder: Es adecuado el modelo
usado? Argumentar su respuesta. Conclusin:
________________________________________________________________________________________
_______________________________________________________________________________________.
b) Con la ecuacin de regresin lineal, estimar el nmero de clulas despus de 17 das: __________________________.
Se sabe que las sumas son:
Sumas
Das de
cultivo x
Nmero de
clulas y
x2
63
1225900
819
y2
xy
2.72269E+11 14718900
15 Puntos
Resolucin
El diagrama de dispersin est dado por la grfica siguiente (opcional)
Das de Nmero de
cultivo x clulas y
3
6
9
12
15
18
63
a)
x2
115000
9
147000 36
189000 81
230600 144
257900 225
286400 324
1225900 819
y2
13225000000
21609000000
35721000000
53176360000
66512410000
82024960000
2.72269E+11
xy
345000
882000
1701000
2767200
3868500
5155200
14718900
Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin, ste se calcular a partir
del cuadrado del coeficiente de correlacin:
Las medias son
Los parmetros y el modelo, son:
y 0 1 x
6
0
0
x y
i
i 1
x y
i
i 1
i 1
14718900
631225900
6
1846950
11726.667
157.5
63
819
6
6
x 2 i 1
i
6
i 1
y 1 x
y x 204316.66 11726.667 10.5 81186.656
2
por lo tanto el modelo est dado por
y 11726.667 x 81186.656
Para determinar si el modelo es vlido debe obtenerse el coeficiente de determinacin.

El coeficiente de correlacin, est definido por
SS xy
SS xx SS yy
SS xx
2
x
i
i 1
SS yy
y2
i
i 1
xi
2
i 1
819 63 157.5
6
6
yi
2
i 1
2.72269 E 11 1225900 21796928333
6
6
xi
SS xy
xi yi
i 1
i 1
i 1
yi
14718900
631225900 1846950
6
sustituyendo
SS xy
SS xx SS yy
1846950
157.5 21796928333
0.9968
entonces el coeficiente de determinacin es
r R
2
SS xy2
SS xx SS yy
1846950
0.9936
157.5 21796928333
2
Del resultado anterior, se puede observar y concluir, que el coeficiente de determinacin es r 2 0.9936 , esto es,
99.36% y est cercano al 100%, por lo que se considera que el modelo lineal es adecuado para estos datos.
b)
Se debe considerar los das de cultivo como variable x, y en nmero de clulas como y, entonces la ecuacin de
regresin que se obtiene es
y 11726.667 x 81186.656
Si x=17, entonces sustituyendo en la estimacin de la recta de regresin
y 11726.667 x 81186.656
y 11726.667 17 81186.656 280539.995
clulas.

RESOLUCIONES
SEMESTRE 2012 - 2
TIPO 1
6 DE JUNIO DE 2012
NOMBRE_______________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Problema 1
De la ojiva mostrada a continuacin, obtener su tabla de frecuencias, la media y varianza.
15 Puntos
Resolucin
Tabla de frecuencias
Frontera
inferior
5
10
15
20
25
30
35
40
Frontera
superior
10
15
20
25
30
35
40
45
Marca de
clase
7.5
12.5
17.5
22.5
27.5
32.5
37.5
42.5
Frecuencia
relativa
acumulada
0.16
0.28
0.56
0.80
0.90
0.94
0.98
1.00
Frecuencia
relativa
0.16
0.12
0.28
0.24
0.10
0.04
0.04
0.02
Frecuencia
absoluta
0.16n
0.12n
0.28n
0.24n
0.10n
0.04n
0.04n
0.02n
Frecuencia
acumulada
0.16n
0.28n
0.56n
0.80n
0.90n
0.94n
0.98n
1.00n
Media
La media aritmtica no se puede obtener porque no se dispone de la coleccin de datos, se estimar a travs del concepto
de media ponderada:
m
x = t i f i* = t1 f1* + t 2 f 2* + L + t m f m*
i =1
En donde ti es la marca de clase del intervalo i, fi* es la frecuencia relativa del intervalo i y m es el nmero de intervalos o
clases en la tabla de frecuencias.
Marca de
clase
7.5
12.5
17.5
22.5
27.5
32.5
37.5
42.5
Frecuencia
relativa
0.16
0.12
0.28
0.24
0.10
0.04
0.04
0.02
Suma=
tifi*
1.2
1.5
4.9
5.4
2.75
1.3
1.5
0.85
19.4
x = 19.4
Por lo tanto la media es aproximadamente

Para calcular la varianza, se usa
Marca de
clase
7.5
Frecuencia
relativa
0.16
12.5
tifi*
ti2fi*
1.2
0.12
1.5
18.75
17.5
0.28
4.9
85.75
22.5
0.24
5.4
121.5
27.5
0.1
2.75
75.63
32.5
0.04
1.3
42.25
37.5
0.04
1.5
56.25
42.5
0.02
0.85
36.13
445.25
Suma=
entonces
s 2 = t i2 f i* t i f i*
19.4
= 445.25 (19.4 ) = 68.89

2
Desviacin estndar, que es la raz de la varianza
s = s2 =
68.89 = 8.3
Problema 2
Se tienen tres urnas como se describe:
Urna I contiene cuatro bolas rojas y cinco bolas blancas.
Urna II contiene dos bolas rojas y una bola blanca.
Urna III contiene dos bolas rojas y tres bolas blancas.
Se selecciona una urna al azar y se saca una bola de la urna, dado que la bola es roja, cul es la probabilidad de que
proceda de la urna I?
15 Puntos
Resolucin
Del enunciado se tiene
Sea el evento I que representa seleccionar la urna I.
Sea el evento II que representa seleccionar la urna II.

Sea el evento I que representa seleccionar la urna III.
con probabilidades P(I) =1/3 ,
P(II)=1/3
P(III)=1/3 porque es igualmente probable la seleccin de la urna.
Sea el evento R que representa seleccionar una bola roja.

Sea el evento B que representa seleccionar una bola blanca.
entonces del enunciado se tiene
P(R I ) =
4
9
P (R II ) =
2
3
P (R III ) =
2
5
La probabilidad condicional
de la multiplicacin
y se tiene la probabilidad total, dada por
del enunciado, se sabe que la pregunta corresponde a la aplicacin del Teorema de Bayes, dado que se tenga una bola roja
que se haya seleccionado de la urna I, entonces
sustituyendo valores
Problema 3
Realidad
El duque de Toscana pregunt a Galileo por qu al tirar tres dados y realizar la suma era ms fcil obtener un diez que un
nueve, Galileo respondi esta pregunta en su texto Sopra le scoperte dei dadi (Sobre los resultados de los dados).
Para Galileo fue evidente que por ejemplo para sumar tres, deba obtener uno en cada dado (1,1,1) y para sumar cuatro
deba obtener un dos y dos uno, que podan salir de tres formas distintas: (2,1,1), (1,2,1) (1,1,2) y as sucesivamente
cubrir todas las posibilidades. Cul es la probabilidad que encontr Galileo para la pregunta del duque de Toscana (sumar
10 9)?
Ficcin
El hijo del duque al sentirse celoso del estudioso, le pregunto cul sera la probabilidad de sacar uno, dos o tres 6 en una
tirada, lo que Galileo mostr como (complete la tabla)
x
f(x)
1
75/216
2
15/216
Donde X representa los seis que salen en una tirada de los tres dados. Cuya suma no dio 100%. Explique por qu.
10 Puntos
Resolucin
Para sumar 10 existen 27 formas, que se muestran como: (136), (145), (154), (163), (226), (235), (244),
(253), (262), (316), (325), (334), (343), (352), (361), (415), (424), (433), (442), (451),
(514), (523), (532), (541), (613), (622), (631).
Para sumar 9 necesita (3,3,3), (1,2,6), (1,3,5),(1,4,4),(2,2,5),(2,3,4)
De los cuales forman 1 (3,3,3), 6(1,2,6), 6(1,3,5), 3(1,4,4), 3(2,2,5), 6(2,3,4), dado que al haber dos tres iguales hay una
sola opcin, al haber dos iguales hay 3 y al ser todos diferentes hay 6, cuya probabilidad es 25/216,
P(suma=9)=25/216 < P(suma=10)=27/216
La funcin de probabilidad correcta, la cual incluye que X puede tomar el valor de cero en su recorrido, ya que en el
propuesto se omiti, es
x
fX (x)
0
125/216
1
75/216
Esto es
P(Obtener cero seis en el lanzamiento de tres dados)= 125/216
5X5X5=125 casos a favor
cinco y cinco y cinco formas para tener tres resultados sin seis.
2
15/216
3
1/216
Por ejemplo: (1,1,1), (1,2,3), (3,4,5),

todos sin seis
P(Obtener un seis en el lanzamiento de tres dado)= 75/216

Por ejemplo: (1,1,6), (6,2,3), (4,6,5),
3X5X5=75 casos a favor
todos con un seis
tres formas para poner un seis en sus posiciones y cinco y cinco que no sean seis.
P(Obtener dos seis en el lanzamiento de tres dado)= 15/216
Por ejemplo: (1,6,6), (6,6,2), (3,6,6),
3X5=15 casos a favor
todos con dos seis
Tres formas para poner dos seis en tres posiciones y cinco para otro que no sea seis.
P(Obtener tres seis en el lanzamiento de tres dado)= 1/216
Un caso a favor
uno y uno y uno formas de tener seis y seis y seis.
Por ejemplo: (6,6,6)

todos seis
La suma no da uno porque no se consideran los casos en que no sale ningn seis, esto es, que el nmero de seis sea cero en
los tres dados (x=0).
Problema 4
En la Cuenca Salina del Istmo, la probabilidad de que un pozo exploratorio resulte productor de aceite es de 0.15. Si en la
cuenca se perforan 100 pozos exploratorios.
a) Calcular la probabilidad de que haya ms de 15 pozos productores.
b) Determinar el nmero esperado de pozos productores.
c) Obtener el coeficiente de variacin asociado.
15 Puntos
Resolucin
Se trata de una secuencia de Bernoulli en la que resulta muy conveniente hacer una aproximacin a distribucin
normal (modelo de Gauss), en vez de utilizar una distribucin binomial.
a) Del enunciado, es una distribucin binomial, entonces se tiene que calcular
Ahora se puede hacer la aproximacin
b)
c)
Problema 5
La funcin de densidad conjunta de dos variables aleatorias X y Y est dada por:
cxy ; 0 < x < 4 , 1 < y < 5

f XY ( x , y ) =
en otro
0c que; hace vlida
a) Determinar el valor de la constante
a lacaso
funcin.
b) Obtener la covariancia entre las variables aleatorias conjuntas.
15 Puntos
Resolucin
a) Por las propiedades que debe cumplir una funcin de densidad, se sabe que
Empleando la definicin, en la respectiva regin de definicin que es rectangular
entonces la funcin queda como
1
xy ; 0 < x < 4 , 1 < y < 5
f XY ( x , y ) = 96
0
en otro caso
;
b) La covariancia se define como
se sabe que los valores esperados estn dados por
entonces sustituyendo en la funcin de densidad con respecto de la regin de definicin
sustituyendo en la covariancia, se tiene
De las funciones marginales
f
XY
f X (x ) =
(x , y )dy
fY ( y ) =
sustituyendo
f X (x ) =
1
(xy ) dy = 1 x
96
8
0x4
fY ( y ) =
XY
(x , y )dx
1
(xy ) dx = 1 y
96
12
1 y 5
Al multiplicar la funciones marginales, por independencia de variables aleatorias conjuntas, se tiene

f XY (x , y ) = f X (x ) fY ( y )
sustituyendo
1
1 1
xy = x
96
8 12
1
y =
xy
96
Por lo tanto son variables aleatorias conjuntas estadsticamente independientes, la covariancia es igual a cero.
Problema 6
En un espacio de la Facultad de Ingeniera se tienen 5000 varillas almacenadas, para la construccin del edificio X, con
media de 5.02 kilogramos y desviacin estndar 0.3 kilogramos. Obtener las probabilidades de que una muestra aleatoria
de 100 varillas tenga un peso,
a) Entre 500 y 596 kilogramos.
b) Mayor de 510 kilogramos.
15 Puntos
Resolucin
De los datos del enunciado
kilogramos
kilogramos
Sea
la variable aleatoria que representa el peso de la varilla .
a)
puesto que se realiza muestreo aleatorio simple sin reemplazo
kilogramos
0.0008822
y del Teorema del Lmite Central, se tiene que la aproximacin por distribucin normal, es
entonces, se sabe que
b)
Problema 7
Los datos de la tabla representan, de una muestra de seis estudiantes, las calificaciones del examen diagnstico (x) que se
realiza previamente al ingreso de una Escuela de Ingeniera y las calificaciones respectivas en el curso de Matemticas I
(y), que los mismos alumnos cursaron posteriormente durante el primer semestre, del troco comn de las carreras
profesionales que esta Escuela imparte.
Estudiante
Calificacin examen diagnstico
3.9
4.1
6.2
5.5
6.0
6.7
Calificaciones del curso de Matemticas I
5.0
6.0
9.0
8.0
7.0
9.0
a) Estimar la recta de regresin por el mtodo de mnimos cuadrados.

b) Calcular el coeficiente de correlacin. Dar una interpretacin del resultado.
c) De acuerdo a la tendencia que manifiestan los datos bivariados, s un alumno que en el examen diagnstico obtuvo una
calificacin de 4.9 cul es la calificacin ms aceptable que se puede estimar que tendra en el curso de Matemticas I?
15 Puntos
Resolucin
Calificacin examen diagnstico Calificacin del curso de Matemticas I
3.9
5.0
4.1
6.0
6.2
9.0
5.5
8.0
6.0
7.0
6.7
9.0
32.4
44.0
xy
19.5
24.6
55.8
44
42
60.3
246.2
x2
15.21
16.81
38.44
30.25
36
44.89
181.6
y2
25
36
81
64
49
81
336.0
a) La estimacin de la recta de regresin est dada por
y = 0 + 1 x
donde se sabe que los promedios estn definidos por
1
x =
n
n =1
xi
1
y =
n
n =1
yi
sustituyendo los valores de las sumas en los promedios
32 . 4
x =
= 5 .4
y =
44
6
= 7 . 333
los estimadores se definen por

6
1 =
x y
i =1
xi yi
i =1
i =1
6
xi
6
2
x i =1
i
6
i =1
246.2
( 32.4 )( 44 )
6
2
32.4 )
(
181.6
6
8.600
1.295
6.640
0 = y 1 x
0 = y 1 x = 7.333 (1.295 )( 5.4 ) 0.339
Por lo tanto el modelo est dado por
y = 1.295 x + 0.339
b) Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin, ste se calcular a partir del
cuadrado del coeficiente de correlacin.
r=
SS xy
SS xx SS yy
6
SS xx =
2
x
i
i =1
SS yy =
2
y
i
i =1
xi
2
i =1
= 181.6 ( 32.4 ) = 6.640
6
6
6
yi
2
i =1
= 336 ( 44 ) = 13.333
6
6
6
SS xy =
x y
i
i =1
y
xi
i =1
i =1
= 246.2
( 32.4 )( 44 )
6
= 8.6
sustituyendo
r=
SS xy
8.6
SS xx SS yy
( 6.640 )(13.333)
0.914
entonces el coeficiente de determinacin es
r 2 = R2 =
( 8.6 )
2
( 6.640 )(13.333) )
2
SS xy2
SS xx SS yy
0.835
Del resultado anterior, se puede observar y concluir, que el coeficiente de determinacin es r 2 0.835 , esto es,
83.5 % y no es tan cercano al 100%, por lo que se considera que el modelo lineal es suficiente para esta muestra de
exmenes.
c) Si x= 4.9 entonces
y = 1.295 ( 4.9 ) + 0.339 = 6.685
Esto es, si un alumno obtiene una calificacin de 4.9 en el examen diagnstico se esperara que su calificacin en
Matemticas I sea de 6.69
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
-2.6 0.0047
0.0045
0.0044
0.0043
0.0041
0.0040
0.0039
0.0038
0.0037
0.0036
-2.5 0.0062
0.0060
0.0059
0.0057
0.0055
0.0054
0.0052
0.0051
0.0049
0.0048
-0.7 0.2420
0.2389
0.2358
0.2327
0.2296
0.2266
0.2236
0.2206
0.2177
0.2148
-0.6 0.2743
0.2709
0.2676
0.2643
0.2611
0.2578
0.2546
0.2514
0.2483
0.2451
-0.5 0.3085
0.3050
0.3015
0.2981
0.2946
0.2912
0.2877
0.2843
0.2810
0.2776
-0.4 0.3446
0.3409
0.3372
0.3336
0.3300
0.3264
0.3228
0.3192
0.3156
0.3121
-0.3 0.3821
0.3783
0.3745
0.3707
0.3669
0.3632
0.3594
0.3557
0.3520
0.3483
-0.2 0.4207
0.4168
0.4129
0.4090
0.4052
0.4013
0.3974
0.3936
0.3897
0.3859
-0.1 0.4602
0.4562
0.4522
0.4483
0.4443
0.4404
0.4364
0.4325
0.4286
0.4247
0.5000
0.4960
0.4920
0.4880
0.4840
0.4801
0.4761
0.4721
0.4681
0.4641
0.0

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE20131

TIPO1
DURACINMXIMA2.0HORAS
29DENOVIEMBREDE2012
NOMBRE__________________________________________________________________________________________
Apellidopaterno
Apellidomaterno
Nombre(s)
Firma
Problema1
Enlatablasiguientesepresentanlosingresosfamiliaresenmilesdepesos,enlasreasmetropolitanasmsgrandesdel
pas.
Intervalodeclase Frecuencia
14
14
58
18
912
12
1316
16
1720
20
a) Bosquejarlaojiva.
b) Obtenerlamedia,lamedianaylamoda.
c) Apartirdelresultadoobtenidoenelincisob),determinareltipodesesgodeladistribucindelosdatos.Justificarsu
respuesta.
d) Calcularelcoeficientedevariacin.
15Puntos
Resolucin
a) Latabladedistribucindefrecuenciases
Clase
Lmites
Fronteras Marcasde Frecuencia Frecuencia Frecuencia Frecuencia
Absoluta
Relativa
Acumulada Acumulada
Clase
(fi)
(f*i)
(Fi)
Relativa
(xi)
(F*i)
1
14
0.54.5
2.5
14
0.175
14
0.175
2
58
4.58.5
6.5
18
0.225
32
0.400
3
912
8.512.5
10.5
12
0.150
44
0.550
4
1316
12.516.5
14.5
16
0.200
60
0.750
5
1720
16.520.5
18.5
20
0.250
80
1

b) Lamediasedefinepor
X =
1
n
x f
m
xi f i =
i =1
*
i
i =1
alsustituir,setiene
x=
1
880
( 2.5 )(14 ) + ... + (10.5 )(12 ) =
= 11
80
80
Lamodasedefinecomolamarcadeclaseconmayorfrecuencia,entonces xmo = 18.5

Lamodatambinpuedeaproximarseutilizandolamarcadeclasedeintervaloconfrecuenciamxima
x mo = Frinf eriorclase mod al +
1
c
1 + 2
conlosvaloresrespectivos x mo = 16.5 +
4
( 4 ) = 17.167
4 + 20
Lamedianaeselvalorquedivideendospartesigualesalamuestra,entoncesserealizaunainterpolacinlinealcomo
Fronteras
8.5
x%
12.5
FrecuenciaAcumulada
Relativa(F*i)
32/80
40/80
44/80
44 32
y1 y 0
80
80 = 3 = 0.038
=
Lapendientedadosdospuntoses m =
x1 x 0
12.5 8.5 80
y y 0 = m ( x x0 )
laecuacindelarectaes
entonces
40 44
3
=
80 80 80
44
3
=
( x 12.5 )
80 80
( x% 12.5 )
setienelamediana x% = 12.5
4
= 11.167
3
c) Elsesgosepuededeterminarenestecasodeformaemprica,yaque,
x = 11
x% = 11.167
x mo = 17.167
x = 11 < x% = 11.167 < xmo = 17.167
Porlotantoelsesgoesnegativo.
d) Elcoeficientedevariacinestdefinidopor C V =
S n 1
paralocualserequieredelavarianciadelamuestra,entoncesdeladefinicinparadatosagrupados,setiene
S n2 1 =
1
n 1
(X
5
fi
m =1
alsustituirenlavarianciamuestral,setiene
s n2 1 =
1
2700
2
2
= 34.177
( 2.5 11 ) (14 ) + ... + (18.5 11) ( 20 ) =
79
79
porloqueelcoeficientedevariacines cv =
34.177
= 0.531
11
Problema2
Unalumnocontestaunapreguntaqueofrececuatrosolucionesposiblesenunexamendeopcinmltiple.Supngase
quelaprobabilidaddequeelalumnoconozcalarespuestacorrectaes0.8ylaprobabilidaddequetengaquecontestaral
azaresde0.2.Sielalumnocontestacorrectamentelapregunta,culeslaprobabilidaddequeefectivamenteconozca
larespuestacorrecta?
15Puntos
Resolucin
Seanloseventos:
Aelalumnocontestacorrectamentelapregunta.
Belalumnoconocelarespuestacorrecta.
Delenunciado
P ( B ) = 0.8
P ( B ) = 0.2
P (A B) = 1
P ( A B ) = 0.25
deacuerdoconloseventos,sepidecalcular P ( B A ) ,delTeoremadeBayes,setiene
P (B A) =
P(A B)
P ( A)
P (B ) P ( A B )
P ( A)
P (B ) P ( A B )
P (B ) P ( A B ) + P (B ) P ( A B )
sustituyendo
P (B A) =
( 0.8 )(1 )
( 0.8 )(1) + ( 0.2 )( 0.25 )
0.8
0.941
0.85
Problema3
Si X denotaeltiempodedigestin(medidoenhoras)deunacomida.Entonces X esunavariablealeatoria.Supngase
quesufuncindedensidades
9 x e 3 x
fX ( x) =
0
;
x0
; en otro caso
a) Determinar la funcin distribucin acumulativa y usarla para determinar la probabilidad de que la comida sea
completamentedigeridacuandomuchoendoshoras.
b) Culeslaprobabilidaddequeeltiempoparadigerirtodalacomidatomemsdetreshoras?
c) Culeseltiempopromediodedigestindeunacomida?
15Puntos
Resolucin
a) Lafuncindedistribucinacumulativasedefinepor
FX ( x ) =
f X ( t ) dt
alsustituirenlafuncindedensidadeintegrandoporpartes,setiene
FX ( x ) =
9t e 3t dt = 9
1
FX ( x ) = 3 e3t t +
3
1
t
t e 3t dt = 9 e 3t e 3t
3
9
0
=
0
= 1 3xe 3 x e 3 x
0
porlotantolafuncinestdadapor
0
FX ( x ) =
3 x
3 x
1 3 xe e
; x<0
; x0
Laprobabilidaddequelacomidaseadigeridaenmximodoshoras,es
P ( X < 2 ) = FX ( 2 ) = 1 3 ( 2 ) e
3(2 )
3(2 )
= 1 6 e 6 e 6 = 1 7 e 6 0.983
b) Sepidecalcularlaprobabilidadde,usandolafuncinacumulativaysuspropiedades
3 3
3 3
P ( X > 3 ) = 1 P ( X 3 ) = 1 F X ( 3 ) = 1 1 3 ( 3 ) e ( ) e ( ) =

9
9
9
= 1 1 + 9 e + e = 10 e 0.0012
c) Eltiempopromediodedigestinestdadoporelvaloresperado,quesedefinepor
E (X ) =
x f X ( x ) dx siexiste
alsustituir
E (X ) =
x 9 xe 3 x dx = 9
x 2 e 3 x dx
setieneunaintegralimpropiayseresuelveporpartes,entonces
E ( X ) = 9 lm
R
2
x e
0
3 x
x 2 3 x 2 x 3 x
2 3 x
dx = 9 lm
e
e
e
R
9
27
3
= 3 lm e 3 x
R
2 2 x 2
x + 3 + 9
E ( X ) = 3 lm e3 x 9 x 2 + 6 x + 2
R 9
1
1
2
= lm e 3 R 9 R 2 + 6 R + 2 2 = ( 0 2 ) =
3 R
3
3
Problema4
Se sabe que el 7% de los paquetes que se envan de una ciudad a un algn destinatario se pierden y nadie se hace
responsable.Unapersonatienedoslibrosquedeseaenviarcuyocostoesde$20.00porcadauno.Elcostodelenvopor
unpaqueteconlosdoslibrosesde$5.20perosilosenvaporseparadocadapaquetetieneuncostode$3.30.Elseor
deseaminimizarelvaloresperadodesudesembolsoqueeselgastodelcorreomslaposibleprdida.Quesmejor,
enviarloslibrosenunsolopaqueteoseparados?
15Puntos
Resolucin
Sea X lavariablealeatoriaelgastodeenvomslaposibleprdida.Lafuncindedistribucindeprobabilidadpara
enviarunsolopaquete
fX (x)
X
Nosepierde
5.2
0.93
Sepierde
45.20
0.07
Paraestecasoelvaloresperadoes
E ( X ) = x f X ( x ) = ( 5.20 )( 0.93) + ( 45.20 )( 0.07 ) = 8

x
Lafuncindedistribucindeprobabilidadparaenviardospaqueteses
Paquetes
perdidos
6.6
0.8649
26.6
0.1302
46.6
0.0049
fX
(x)
Paraestecasoelvaloresperadoes
E ( X ) = x f X ( x ) = ( 6.60 )( 0.8649 ) + ( 26.6 )( 0.1302 ) + ( 46.60 )( 0.0049 ) = 9.4

x
Lasprobabilidadesparaestecasoseobtuvieronaplicandounafuncindedistribucinbinomialporqueesindependiente,
entonces
n
f ( x ) = p x q n x
x
2
0
2 0
0
2
= (1)( 0.07 ) ( 0.93) = 0.8649
f ( x ) = ( 0.07 ) ( 0.93)
0
2
1
21
f ( x ) = ( 0.07 ) ( 0.93) = ( 2 )( 0.07 )( 0.93) = 0.1302
1
2
2
0
2
0
f ( x ) = ( 0.07 ) ( 0.93) = (1)( 0.07 ) ( 0.93) = 0.0049
2

Problema5
Sea X la temperatura ambiente (en C) y Y el tiempo (en minutos), requeridos para que el motor diesel de una
camionetaestlistoparaponerlaenmovimiento.Supngasequeladensidadconjuntade X y Y estdadapor
1
( 4 x + 2 y + 1) ; 0 x 40 , 0 y 2
f XY ( x, y ) = 6640
0
;
en otro caso
a) Determinarlaprobabilidaddequeenundaseleccionadoaleatoriamentelatemperaturaambienteseamayora20C
yserequieraporlomenosunminutoparaponerenmovimientolacamioneta.
b) Sonindependientes X y Y ?Justifiquelarespuestasobrebasesmatemticas.
15Puntos
Resolucin
a) Delenunciadosepidecalcular

1
=
( 2 ( 40)
6640
P ( X > 20 , 1 Y 2 ) =
40
20
1
1
( 4 x + 2 y + 1) dxdy =
6640
6640
2
2
1
( 2x
+ 2 xy + x
40
dy =
20
+ 2 ( 40 ) y + 40 2 ( 20 ) 2 ( 20 ) y 20 dy =
2
1
2420 y + 20 y 2
6640
2
1
1
6640
( 2420 + 40 y ) dy =
1
2480
0.3735
( 2420 )( 2 ) + ( 20 )( 4 ) 2420 20 ) =
(
6640
6640
b) Lasvariablesaleatoriasconjuntassonindependientes,sicumplecon
f XY ( x, y ) = f X ( x ) fY ( y )
o bien,
fX Y ( X Y ) = fX ( x)
o bien
fY X ( Y X ) = f Y ( y )
Entoncesalcalcularlasfuncionesmarginales,deladefinicin
( y) =
fX ( x) =
fY
f XY ( x, y ) dy
f XY ( x, y ) dx
sustituyendo
fX ( x) =
2
0
1
1
4 xy + y 2 + y
( 4 x + 2 y + 1) dy =
6640
6640
1
[8 x + 6 ]
6640
1
[8 x + 6] ; 0 x 40
f X ( x ) = 6640
0
; en otro caso
fY ( y ) =
40
0
1
1
2 x 2 + 2 xy + x
( 4 x + 2 y + 1) dx =
6640
6640
40
0
1
[80 y + 3240]
6640
1
[80 y + 3240] ; 0 x 2
fY ( y ) = 6640
0
; en otro caso
sustituyendoenlacondicin

1
1
1
( 4 x + 2 y + 1)
[8 x + 6] 6640 [80 y + 3240]
6640
6640
Porlotanto,lasvariablesaleatoriasconjuntasnosonindependientes.
Problema6
Sedebecolocaruncordndesoldaduraa40piezas.Basadoensuexperiencia,unsoldadorsabequeeltiempopromedio
requerido para colocar el cordn de soldadura en una de las piezas es de 5 minutos y su desviacin estndar es de 3
minutos.Elsoldadorcomienzaaaplicarloscordonesalas6:00p.m.ysabequeelvalormediodeaplicacindelos40
cordonesdebeserdemximo4.5minutos,sideseacolocartodosloscordonesdesoldaduraantesdelas9:00p.m.(hora
detrminodesuturnodetrabajo).Culeslaprobabilidaddequeelsoldadorterminedecolocarlos40cordonesantes
dequeterminesuturnodetrabajo?
15Puntos
Resolucin
Sea X lavariablealeatoriaquerepresentaeltiempoparacolocarelcordndesoldaduraaunapieza,entonces X tiene
un promedio de 5 minutos y desviacin estndar de 3 minutos, no se especifica qu distribucin tiene, pero es una
muestragrande.
Sepidecalcularparaqueenpromediolas40piezas,cadaunatardealoms4.5minutos,con X 1 , X 2 , X 3 , ..., X 40 porlo
que,sepidecalcular P ( X < 4.5)
PorelTeoremadelLmiteCentral
2 32
X ~ Normal X = X = 5 min , X2 = X =
n
40
al realizar clculos y haciendo la estandarizacin y al usar la tabla de la distribucin acumulativa normal

estndar, se tiene
( 0.5)
4.5
5
X
= P Z < 40
P ( X < 4.5 ) P
<
= P ( Z < 1.05 ) = FZ ( 1.05 ) = 0.1469
3
X
40
n
Problema7
Eldepartamentodepublicidaddeunacompaaquefabricadetergentesparatrastosdeseasaberqutanfuerteesla
relacinyelporcentajedeexplicacinentrelasventasyelnmerodecomercialestelevisivostransmitidospordapara
unamuestraaleatoriadesieteciudades.Ventas(encientosdeunidadespormes,y);Comerciales(nmerotransmitido
pordax).Sesabeque r 2 = 0.736 ,interpretarelresultado.
10Puntos
Resolucin
Larelacinlinealesrelativamentefuerte,segneldecisor, r = 0.736 0.858 yaquenoestancercanaauno.
Larelacinesmuyligerayaqueporcadacomercialtransmitido,y(lasventas)seincrementanligeramente,adems,el
modeloexplicael73.6%delavariabilidaddelasventas,y.

RESOLUCIN
SEMESTRE 2013 - 1
TIPO 1
6 DE DICIEMBRE DE 2012
NOMBRE_______________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Problema1
La siguiente distribucin representan los montos por concepto de carga, adeudados a una compaa americana de 35
facturas.
IntervalosdeClase
fi
0.00
0.99
3
1.00
1.99
12
2.00
2.99
12
3.00
3.99
5
4.00
4.99
2
5.00
5.99
1
Calcularelcoeficientedevariacinycoeficientedesimetra.Interpretarlosresultados.
15Puntos
Resolucin
Clase
Intervalos
de
Clase
1
2
3
4
5
6
Fronteras
de
Clase
0.000.99
1.001.99
2.002.99
3.003.99
4.004.99
5.005.99
0.0050.995
0.9951.995
1.9952.995
2.9953.995
3.9954.995
4.9955.995
Marcas
de
Clase
xi
Frecuencia
Absoluta
fi
0.495
1.495
2.495
3.495
4.495
5.495
Sumas:
3
12
12
5
2
1
1.485
17.94
29.94
17.475
8.99
5.495
35
81.325
f i (x x )2
xi f i
10.031
8.238
0.353
6.861
9.430
10.058
44.971
f i (x x )3
18.342
6.826
0.060
8.037
20.477
31.898
35.304
Elcoeficientedevariacinsedefinecomo,siendoadimensional,deforma CV =
S n 1
X
sustituyendo,lamediayladesviacinestndarquesedefinencomo
1
n
f i xi
S n21 =
i =1
1
n 1
f (x x )
i =1
entonces
x=
1
35
i =1
f i xi =
1
(81.325 ) = 2.324
35
s n21 =
1
34
f (x x )
i =1
1
(44.971) = 1.323
34
1.323
= 0.495 entonces
2.324
cv =
49.5%
Elcoeficientedesimetra(oasimetra)es
a3 =
1
n
f (x x)
i =1
S2
n 1
sustituyendo,setieneque
1
(35.304 ) 1.009
35
a3 =
=
0.663
3
1.522
1.323
Elcoeficientedesesgoespositivo,lamuestratienesesgoaladerecha.
Problema2
Una empresa comercializadora de artculos electrnicos est considerando comercializar un nuevo modelo de pantalla
LCD.Enelpasado,el40%delosequiposdepantallasquelaempresalanzalmercadotuvieronxitoyel60%nofueron
exitosos.AntesdelanzaralmercadoelequipodepantallasLCD,eldepartamentodeinvestigacindemercadosrealiza
un extenso estudio y entrega un reporte, ya sea favorable o desfavorable. En el pasado, el 80% de los equipos de
pantallaLCDexitosashabanrecibidounreportedeinvestigacinfavorableyel30%delosequiposdepantallaLCDno
exitosos haban recibido un reporte de investigacin favorable. Para los nuevos modelos de pantallas LCD bajo
consideracin,eldepartamentodeinvestigacindemercadohaentregadounreportefavorable,culeslaprobabilidad
dequeelequipodepantallaLCDtengaxitoenelmercado?
15Puntos
Resolucin
Seanloseventos
A representaunequipodepantallaexitosoenelmercado.
B representaelreportedelDepartamentodeMercadotecniaesfavorable.
Delenunciado
P ( A ) = 0.4
( )
P ( B A ) = 0.8
P ( B A ) = 0.3
P A = 0.6
deacuerdoconloseventos,sepidecalcular P ( A B ) ,delTeoremadeBayes,setiene
P (A B) =
P(A B)
P (B )
P ( A) P (B A)
P (B )
P ( A) P (B A)
( ) (
P ( A) P (B A) + P A P B A
sustituyendo
P (A B) =
( 0.4 )( 0.8 )
=
( 0.4 )( 0.8 ) + ( 0.6 )( 0.3 )
0.32
= 0.64
0.5
Es decir, la probabilidad de que el equipo de pantalla LCD tenga xito en el mercado, dado que se recibi un reporte
favorableesde0.64
Problema3
Seaunavariablealeatoriadiscretaconfuncindeprobabilidaddadaenformatabularpor
0
1
2
3
4
X
fX ( x)
0.10
0.20
0.30
0.25
0.15
a) Obtenerunatabladedistribucindeprobabilidaddelasiguientevariablealeatoria Y = X 3 4 X 2 + 10
b) Obtenerlamediaylavarianciadelavariable Y
15Puntos
Resolucin
a) Alsustituirlosvaloresde X enlafuncin Y ,seobtienenloscorrespondientesvalorescomo
Y ( 0 ) = X 3 - 4 X 2 + 10 Y ( 0 ) = 10
Y (1) = X 3 - 4 X 2 + 10 Y (1) = 13 - 4 (1) + 10 = 7

2
Y ( 2 ) = X 3 - 4 X 2 + 10 Y ( 2 ) = 23 - 4 ( 2 ) + 10 = 2
2
Y ( 3 ) = X 3 - 4 X 2 + 10 Y ( 3 ) = 33 - 4 ( 3 ) + 10 = 1
2
Y ( 4 ) = X 3 - 4 X 2 + 10 Y ( 4 ) = 43 - 4 ( 4 ) + 10 = 10
2
Lafuncindeprobabilidadenformatabularestdadapor
10
fY ( y )
0.25
0.30
0.20
0.25
b) Elpromediosedefinecomo E (Y ) =
y f ( y)
Y
alsustituirsetiene
E (Y ) = 1( 0.25 ) + 2 ( 0.30 ) + 7 ( 0.20 ) + 10 ( 0.25 )
E (Y ) = 0.25 + 0.6 + 1.4 + 2.5

E (Y ) = 4.75
Lavarianciasedefinepor
Var (Y ) = (Y ) fY ( y ) = E (Y 2 ) E (Y )
2
alsustituirsetiene
Var (Y ) = (1 4.75 )
( 0.25 ) + ( 2 4.75 ) ( 0.30 ) + ( 7 4.75 ) ( 0.20 ) + (10 4.75) ( 0.25 ) = 13.687

2
Problema4
Una muestra aleatoria de 10 observaciones se toma de una poblacin normal con variancia 2 = 42.5 Calcular la
probabilidadaproximadadeobtenerunadesviacinestndarmuestralentre3.14y8.94
10Puntos
Resolucin
Seapidecalcular P ( 3.14 < S < 8.94 ) entoncesconn=10observaciones
P ( 3.14 ) < S < ( 8.94 )

2
9 ( 3.14 )2 ( n 1) S 2 9 ( 8.94 )2
P
<
<
42.5
42.5
2
( n 1) S 2
= P 2.088 <
< 16.925 = P 2.088 < 2 < 16.925
2
detablasdeladistribucinJicuadradaconnuevegradosdelibertad,entonces
P ( 3.14 ) < S 2 < ( 8.94 )

2
) = P ( 2.088 <
< 16.925 = 0.99 0.05 0.94
Problema5
Si se ajusta correctamente la sensibilidad de un reflector activado por movimiento, el nmero promedio de veces por
semanaqueloactivanardillasyotrospequeosanimalesesde0.5
a) Culeselnmeropromediodevecesqueesperarasuactivacinpordichosanimalesendossemanas?
b) Si ocurriera la activacin por estos animales al menos cinco veces en dos semanas, supondra que es necesario
ajustarlasensibilidaddelreflector?Justifiquesurespuestaconbasealaprobabilidad.
15Puntos
Resolucin
a) Sea X lavariablealeatoriaquerepresentaelnmerodeactivacionesenunasemana.
1 nmero de activaciones
X ~ Poisson =
2
una semana
Se sabe que la media y la variancia de la variable aleatoria con distribucin de Poisson es igual con el parmetro
lambda,entoncesparadossemanasydebidoalprocesodePoisson:
Sea Y lavariablealeatoriaquerepresentaelnmerodeactivacionesendossemanas,es
nmero de activaciones
1
Y ~ Poisson = 2 =1
dos semanas
2
Elpromediodeactivacionesparadossemanaseselvaloresperado,entonces
E (Y ) = = 1
Loquesignificaqueseesperaunaactivacinendossemanas,enpromedio.
b)
Laactivacinporestosanimalesalmenoscincovecesendossemanas,laprobabilidadacalculares
P (Y 5 ) = P (Y = 5 ) + P (Y = 6 ) + ... +
P (Y 5 ) = 1 P (Y < 5 ) = 1 P (Y = 0 ) + P (Y = 1) + P (Y = 2 ) + P (Y = 3) + P (Y = 4 )
4
1 y
e 1
1
= 1 e 1
y!
y =0
y =0 y !
P (Y 5 ) = 1 P (Y < 5 ) = 1
1 1 1 1 1
65
P (Y 5 ) = 1 e 1 + + + + = 1 e 1 0.0036
1 1 2 6 24
24
Laprobabilidaddequeseactiveelreflectoralmenoscincovecesespocoprobable,tienemayorprobabilidadquese
activealomsencuatroveces,porlocualserequiereunajuste.
Problema6
Dosdirectivosacordaronencontrarseenunrestauranteentrelas2:00y3:00p.m.paracomeryfirmarelacuerdodesu
alianzaestratgica.Considreseque X eslahoradellegadadeldirectivoAy Y eslahoradellegadadeldirectivoB.
Adems,supngaseque X y Y sonindependientesycadaunaestdistribuidauniformementeenelintervalo[2,3].
a) Obtenerlafuncindedensidaddeprobabilidadconjuntade X y Y
b) Culeslaprobabilidaddequeambosdirectivoslleguenentrelas2:00ylas2:30p.m.?
c) Sialas2:00p.m.,elprimerdirectivoenllegaresByesperarenelrestaurante15minutosantesdeirse,culesla
probabilidaddequeambosdirectivoscomanjuntos?
15Puntos
Resolucin
a) Delenunciado X y Y sedistribuyenuniformementeen[2,3],porlotantosusfuncionesdedensidadestndadas
por
2 x3
1 ;
fX ( x) =
0 ; en otro caso
y
2 y3
1 ;
fY ( y ) =
0 ; en otro caso
sesabequesonindependientes,entoncesdebecumplirconalgunadelascondicionessiguientes
f XY ( x, y ) = f X ( x ) fY ( y )
obien,
fX Y ( X Y ) = fX ( x)
obien
fY X ( Y X ) = f Y ( y )
alusarlasfuncionesmarginales,setiene
f XY ( x, y ) = (1)(1) = 1
1 ; 2 x3 , 2 y3
f XY ( x, y ) =
en otro caso
0 ;
b) Sepidecalcularlaprobabilidaddequelleguenentrelas2:00ylas2:30,estoes P ( X < 2.5 , Y < 2.5 )

porlotanto
P ( X < 2.5 , Y < 2.5 ) =
2.5
2
2.5
2
=0.5 [ y ]
dxdy =
2.5
2
2.5
2
[ x] 2
2.5
dy =
2.5
2
[ 2.5 2] dy = 0.52
= 0.5 ( 2.5 2 ) = 0.5 ( 0.5 ) = 0.25
2.5
dy =
c) Laprobabilidaddequeambosdirectivoscomanjuntos,dadoqueBllegalas2:00p.m.ysoloesperar15minutos,
estoes P
fX Y ( X
X 2.5 Y = 2 ) ,entoncesprimerohayquedeterminarlafuncincondicionaldadounvalor
f XY ( x, 2 )
;
fY ( y ) > 0
Y ) = fY ( 2 )
0
; en otro caso
sustituyendo
f X Y =2 ( X
1
;
2< x<3
Y = 2) = 1
0 ; en otro caso
porloquelaprobabilidades
P ( X 2.5 Y = 2 ) =
2.25
dx = ( x )
2.25
2
= 2.25 2 = 0.25
porindependencia,sesabeque
fX Y ( X Y ) = fX ( x)
entoncesalcalcularlafuncinmarginalde f X ( x ) ,setiene
P ( X 2.5 Y = 2 ) =
2.25
2
dx = ( x )
2.25
2
= 2.25 2 = 0.25
Problema7
Las estaturas (en centmetros) y pesos (en kilogramos), de 10 jugadores de baloncesto de un equipo, algunos se
muestranenlatabla.
Estatura(x) 186 189 190 192
193
193
198
201
203
205
Pesos(y)
85
85
86
90
87
91
93
103
100
101
sesabeque
xi
yi
xi yi
xi2
yi2
Sumas: 1950
921 380618 85255 179971
a) Estimarlarectaderegresinporelmtododemnimoscuadradosdelospesosenfuncindelaestatura.
b) Calcularelcoeficientededeterminacineinterpretarelresultado.
c) Obtenerelpesoestimadodeunjugadorquemide208cm.
15Puntos
Resolucin
a) Comoelcoeficientededeterminacinseutilizacomomedidadeeficaciadelaregresin,stesecalcularapartirdel
cuadradodelcoeficientedecorrelacin.
Lasmediasson
X =
1
n
10
Xi
Y =
i =1
1
n
10
Y
i
i =1
sustituyendo
x=
1
(1950 ) = 195
10
y=
1
( 921) = 92.1
10
Losparmetrosyelmodelo,son
y = 1 x + 0
10
10
1 =
x y
i =1
10
x y
i =1
i =1
10
xi
x 2 i =1
i
10
i =1
0 = y 1 x
10
10
179971
(1950 )( 921)
10
2
(1950 )
380618
10
376
1.022
368
376
(195 ) 107.139
368
0 = y 1 x = 92.1
porlotantoelmodeloestdadopor y = 1.022 x 107.139
b) Paradeterminarsielmodeloesvlidodebeobtenerseelcoeficientededeterminacin.
Elcoeficientedecorrelacin,estdefinidopor
r=
SS xy
SS xx SS yy

10
SS xx =
x2
i
i =1
10
SS yy =
y2
i
i =1
xi
2
i =1
= 380618 (1950 ) = 368
10
10
10
yi
2
i =1
= 85255 ( 921) = 430.9
10
10
10
10
xi
10
SS xy =
10
xi yi
i =1
i =1
10
i =1
yi
= 179971
(1950 )( 921) = 376

10
sustituyendo
r=
SS xy
SS xx SS yy
376
( 368)( 430.9 )
0.944
entonceselcoeficientededeterminacines
r =R =
2
SS xy2
SS xx SS yy
( 376 )
=
0.892
( 368)( 430.9 )
2
Delresultadoanterior,sepuedeobservaryconcluir,queelcoeficientededeterminacines r 2 0.892 ,estoes,89.2

%yestpococercanoal100%,porloqueseconsideraqueelmodelolinealesadecuadoparaestosdatos.
c) Sedebeconsiderarlaestaturadeljugadorcomovariable x ,yelpesocomo y ,entonceslaecuacinderegresinque

secalcules
y = 1.022 x 107.139
perolaestimacinesparaunvalorfueradelintervalo,porloque,esincorrectohacerlaestimacindeunjugadorque
mide208cm.

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE20132

TIPO1
31DEMAYODE2013
NOMBRE__________________________________________________________________________________________
Apellidopaterno
Apellidomaterno
Nombre(s)
Firma
1.
Losdatosquesemuestranacontinuacin,representanelcostodeenergaelctricaenkW/hduranteelmesde
abrildel2013,paraunamuestraaleatoriade50departamentoscondosrecmarasenelDistritoFederal.
a) Conlosdatosagrupadosdelamuestra,calcular:media,moda,medianaydesviacinestndar.
b) Construirelpolgonodefrecuenciasrelativas,ubicarenlagrficalasmedidasdetendenciacentral,esposible
determinarlasimetrademaneraemprica?
20Puntos
Resolucin
a) Paralasmedidasdetendenciacentralsesabeque,
1
Lamediasedefinepor X =
n
X i fi =
i =1
X i fi*
i =1
sustituyendo
x=
1
7498
92 ( 4 ) + K + 218 (1) =
= 149.96
50
50
Lamodaeslamarcadeclaseconmayorfrecuenciaabsoluta,estoesdebidoaqueesbimodal
xmo = 134 , 155
xmo = Lx
mo _inf
a = f xmo f x
xmo =
134 + 155 289

=
= 144.5
2
2
obien
a
+
cxmo
a + b
mo1
PYE_ EF1_2013-2
obien
b = f xmo f x
mo+1
f xmo : frecuencia absoluta de la clase que contiene a la mod a.
cmo : Longitud de la clase que contiene a la mod a.

LMo _ inf : Lmite inf erior de la clase que contiene a la mod a.
sustituyendo
11 7
xmo = 123.5 +
( 20 ) = 143.5
(11 7 ) + (11 11)
Lamedianaeslamedidadetendenciacentralquedivideendospartesigualesalamuestra,entonces
FriFrs
Fr.Ac.Rel.
144.5
0.44
0.5
x%
165.5
0.66
alhacerlainterpolacinlineal
m=
y2 y1
0.66 0.44
=
0.0105
x2 x1 165.5 144.5
sustituyendoenlaecuacindeunarectadadosdospuntos,setiene
y2 y1 = m ( x2 x1 )
con
y = 0.5 , x% = mediana
0.5 0.44 = 0.0105 ( x% 144.5 )
x% = 150.227
por lo que
Ladesviacinestndardelamuestra,sedefinecomolarazdelavariancia,entonces
(
m
2
n 1
1
=
n 1
Xi X ) fi
2
i =1
sn21 =
sustituyendo
1
1
2
2
( 92 149.96 ) ( 4 ) + K + ( 218 149.96 ) (1) = ( 50767.92 ) 1036.8
49
49
Larazcuadradadelavarianciamuestralestdadapor
S n 1 =
1
n 1
( Xi X )
fi
S n 1 = 10.36.08 32.188
i =1
queesladesviacinestndarmuestral,haymuchavariabilidaddelamuestra.
b)
PYE_ EF1_2013-2
porlaposicindelasmedidasnoesposibledeterminarelsesgodelamuestradeformaemprica,sinembargo,
sepuedeobservardelagrficaquetieneligerosesgonegativo.
Un alumno contesta una pregunta que ofrece cuatro posibles respuestas en un examen de opcin mltiple,
Supngasequelaprobabilidaddequeelalumnoconozcalarespuestacorrectaesde0.8ylaprobabilidaddeque
tengaquecontestaralazaresde0.2.Sielalumnocontestacorrectamentelapregunta,culeslaprobabilidadde
quecontestealeatoriamente.
15Puntos
Resolucin
Seanloseventos:
A que representa el alumno contesta correctamente.
2.
B que representa el alumno contesta de forma aleatoria.
Delenunciadosepidedeterminar: P ( B A )
P ( B ) = 0.8
ysetieneque
P ( B ) = 0.2
porelTeoremadeBayes
P ( B A) =
P ( A B)
P ( A B) + P ( A B)
P ( B) P ( A B)
P( A B) = 1
P ( B) P ( A B) + P ( B ) P ( A B )
P ( A B ) = 0.25
sustituyendovalores
P ( B A) =
( 0.2 )( 0.25)
0.05
=
0.059
( 0.2 )( 0.25) + ( 0.8)(1) 0.85
3.
Enunconmutadortelefnicodeunaempresacomercial,elpromediodellamadasqueserecibenenhorashbiles
esseisporhora.Determinarlaprobabilidadderecibirenmediahora,entreunaytresllamadas.
15Puntos
Resolucin
Sea X lavariablealeatoriaquerepresentaelnmerodellamadaqueserecibenenunahoraenelconmutador.
llamadas
X ~ Poisson = 6
hora
paramediahoradelprocesodePoisson
llamadas
X ~ Poisson = 3
media
hora
sepidecalcular P (1 X 3) paralocualelmodeloes
3x e 3
f X ( x ) = x!
0
; x = 0,1, 2,3,...
;
en otro caso
sustituyendo
P (1 X 3) = P ( X = 1) + P ( X = 2 ) + P ( X = 3)
x =3
P (1 X 3) =
x =1
PYE_ EF1_2013-2
3x e 3 3
=e
x!
x =3
x =1
3x
= 12e3 0.597
x!
4.
Considerelafuncindedensidadconjunta
16 y
f XY ( x, y ) = x3
0
; x > 2 , 0 < y <1

;
en otro caso
a) Calcular la covarianza. Es determinante el resultado de la covarianza para saber la independencia de las

variables?
b) Determinarsilasvariablessonestadsticamenteindependientes.
20Puntos
Resolucin
Laregindedefinicines
a) Lacovarianciasedefinepor
Cov ( X , Y ) = E ([ X X ][Y Y ]) = E ( XY ) E ( X ) E (Y )
queesunamedidadeasociacinlineal.Sedebencalcularlosvaloresesperadosqueserequieren,entonces
E ( g ( X ,Y )) =
g ( x, y ) f XY ( x, y ) dR
RXY
sustituyendoencadacaso,setiene
( )
( )
( )
( )
( )
E ( XY ) =
2
1
E XY = 16
E X =
E X = 16
E Y =
E Y = 8
16 y
xy 3 dxdy = 16
x
y2
2
x
dxdy = 16
y 2 x 1 dy =
2
1
y 2 0 dy = 8
2
16 y
x 3 dxdy = 16
x
1
8
8
y 2 dy = y 3 =
0
3
3
y
x2
dxdy = 16
y x 1 dy =
2
1
y 0 dy = 8
2
y dy = 4 y = 4
0
2
16 y
y 3 dxdy = 16
x
1
y 2 0 dy = 2
4
y2
3 dxdy = 16
x
1
y3
2
y 2 dy = 2 =
3
0 3
x 2
y
dy =
2 2
2
sustituyendoenlacovarianciasetiene
Cov ( X , Y ) =
8
2
( 4) = 0
3
3
La covariancia vale cero, pero el resultado No es determinante para concluir si son variables aleatorias
conjuntasindependientes.
PYE_ EF1_2013-2
b) Paraquelasvariablesaleatoriasseanconjuntasindependientedebecumplirlacondicin
f XY ( x, y ) = f X ( x ) fY ( y )
delacondicinlasfuncionesmarginales,setiene
fX ( x) =
alsustituir
fX ( x) =
f XY ( x, y ) dy
16 y
16 y 2
dy
=

x3
x3 2
fY ( y ) =
f XY ( x, y ) dx
=
0
8
x3
; x > 2
porloque
8
f X ( x ) = x3
0
fY ( y ) =
x>2
; en otro caso
x -2
16 y
16
=
dx
y
x3
-2
1
= -8 y 2
x
1
= -8 y 0 - = 2 y ; 0 < y < 1
4
0 < y <1
2 y ;
fY ( y ) =
0 ; en otro caso
entonces
16 y 8
16 y
= 3 (2 y) = 3
3
x
x
x
Elproductodefuncionesmarginalesesigualalafuncinconjunta,porlotantoseconcluyequesonvariables
aleatorias conjuntas independientes, la covariancia es igual a cero, no hay asociacin lineal, adems, el
coeficientedecorrelacintambinesigualacero.
f XY ( x, y ) = f X ( x ) fY ( y )
5.
Si la vida media de operacin de una pila de linterna es de 24 horas y est distribuida normalmente con una
desviacinestndardetreshoras.Culeslaprobabilidaddequeunamuestraaleatoriade100pilas,difieradela
verdaderamediamsde30minutos?
15Puntos
Sea X lavariablealeatoriaquerepresentalavidamediadeoperacindeunapiladelinterna.
X i ~ Normal = 24h , X2 = 9h 2
por el teorema del lmite central, ya que, es una muestra aleatoria grande 100 pilas, cada una idnticamente
distribuida,setiene
X2 9h 2
2
X i ~ Normal = = 24h , X =
=
sepidecalcular
1
1
1
1
1
P X X > = P X X < + P X X > = 1 P < X X <
2
2
2
2
2
normalizandoyalutilizartablasdeladistribucinacumulativa,setiene
Xi
Xi
100
1
1
1
1
1
10
10
X
P X X > 1 P 2 <
< 2 = 1 P 2 < Z < 2 = 1 P < Z <
3
3
2
6
X
X
X
6
100
100
n
n
P X X > = 1 P ( 1.67 < Z < 1.67 ) = 1 FZ (1.67 ) FZ ( 1.67 ) = 1 ( 0.9525 0.0475 ) = 0.095
2
PYE_ EF1_2013-2
6.
Lossiguientesdatos(x,y)representanelprecioporlitrodelecheylaventasemanaldelecheenmilesdelitros,
respectivamente,conunamuestradediezobservaciones,seobtuvieronlossiguientesdatos:
(13,10),(20,6),(17,5),(15,12),(16,10),(12,15),(16,5),(14,12),(10,17)y(11,20)
a)Interpretarelcoeficientededeterminacin.
b)Estimarlaventasemanalenmilesdelitrosdelecheparaunpreciode$18
15Puntos
Resolucin
a) Elpreciodeventaporcadalitrodeleche,explicamuyligeramentelasventassemanalesdelecheyelmodelo,
yaqueesel74.56%queesbajo.
b) El precio es $18 por litro de leche, s est en el intervalo por lo cual se puede usar la recta para estimar las
ventassemanalesdedichoproducto,porloque
)
y = 1.454 x + 32.136
sustituyendo
)
y = 1.454 (18 ) + 32.136 = 5.964
PYE_ EF1_2013-2

RESOLUCIONES
SEMESTRE20132

TIPO1
7DEJUNIODE2013
NOMBRE__________________________________________________________________________________________
Apellidopaterno
Apellidomaterno
Nombre(s)
Firma
1.
Lasgrficasmuestraneltiempoderespuestaensegundosporclientequetienen40servidoresdelamarcaIBT.
a) Obtenermediayvarianciadelamuestra.
b) Calculardemaneraaproximada:lamoda,lamedianayelsesgo.
c) Si el tiempo promedio de respuesta para 40 servidores de la marca DELLA fue de 403 y con una desviacin
estndar de 119 segundos, cul de las dos marcas de servidores presenta mayor variabilidad de los datos?
Justificarsurespuesta.
20Puntos
Resolucin
a) Paralamedia,delagrficaseobservaque
1
Lamediasedefinepor X =
n
X i fi =
i =1
X i fi*
i =1
sustituyendo
x = 726.5 ( 0.1) + K + 746.5 ( 0.1) = 736.6
Lavarianciamuestral,eselsegundomomentoconrespectodesumedia
2
n 1
1
=
n 1
( Xi X )
fi
i =1
sustituyendo
1
1
2
2
( 726.5 736.6 ) ( 4 ) + K + ( 746.5 736.6 ) ( 4 ) = (1279.6 ) 32.81
39
39
sn21 =
b) Lamodaeslamarcadeclaseconmayorfrecuenciarelativa
xmo = 734.5
otraformadecalcularlamodaes
xmo = Lx
mo _inf
a
+
cxmo
a + b
a = f xmo f x
mo1
b = fx
moinf

sustituyendo
11 5
xmo = 732.5 +
( 4 ) = 735.929
(11 5 ) + (11 10 )
Lamedianaeslamedidadetendenciacentralquedivideendospartesigualesalamuestra,entonces
y = 0.5
Con
x% = mediana
x% = 736.5
Seobservadelagrficadada,quehayligerosesgonegativodelamuestra,noesunamuestrainsesgada.
(
m
a3 =
1
n
(
m
Xi X ) f i
3
i =1
( Sn 1 )
Xi X ) fi *
3
i =1
( Sn 1 )
sustituyendo
1
3
3
( 726.5 736.6 ) ( 4 ) + K + ( 746.5 736.6 ) ( 4 ) 4.398
a3 = 40
=
0.023 < 0
3
3
( 5.728)
32.81
c) Parahacerlacomparacinytomarunadecisin,alutilizarelcoeficientedevariacin
Sn 1
CV =
paraDELLAelcoeficientedevariacines
cvDELLA =
paraIBTelcoeficientedevariacines
cvIBT =
119
0.295
403
5.728
0.008
736.6
La marca DELLA tiene menor promedio y mayor variabilidad. La marca IBT mayor promedio y menor
variabilidad,esmejorlamarcaIBT,tienemenorvariabilidad.
2.
Enlasiguientefigurasepresentalafuncindedensidaddelavariablealeatoriacontinua.Calcularlamediayla
variancia.
15Puntos
Resolucin
Lamediaesigualacerolaabscisadelcentroide,matemticamentesetiene
E(X ) =
E(X ) =
0
2
x f X ( x ) dx
x ( 0.25 x ) dx +
x ( 0.25 x ) dx =
0.25 3
x
3
+
2
0.25 3
x
3
=0
0
Lavarianciaeselsegundomomentoconrespectodelamedia,entonces
2
Var ( X ) = E ( X ) =
( X ) f ( x ) dx
Var ( X ) = E ( X 0 ) =
x 0 ) f ( x ) dx =
( x ) ( 0.25x ) dx +
(
0.25
0.25
Var ( X ) = 0.25
x dx + 0.25 x dx = 4 x + 4 x
2
Var ( X ) =
( x ) ( 0.25 x ) dx
2
1
1
16 16
4
4
( 2 ) + ( 2 ) = + = 2
16
16 16
16
3.
Unamonedacorrienteselanza14veces.Determinarlaprobabilidaddeque:
a) elnmerodecarasquesalgaestentrecincoyocho,inclusive;
b) laprimeracruzaparezcaenelquintolanzamiento;y
c) laterceracaraaparezcaeneloctavolanzamiento.
15Puntos
Resolucin
a) Sea X la variable aleatoria que representa el nmero de caras que se pueden tener en el lanzamiento de la
monedalegal.
1
X ~ Binomial n = 14 , p =
2
14 1 x 1 14 x
f X ( x ) = x 2 2
; x = 0,1, 2,...,14
;
en otro caso
P ( 5 X 8) = P ( X = 5) + P ( X = 6 ) + P ( X = 7 ) + P ( X = 8) =
x =5
14 x
14 1 1

x 2 2
x
0.6982
Tambinsepuederesolveraproximandodenormalabinomial,entonces
1
X ~ Binomial n = 14 , p =
2
como np = 7 > 5 esaceptablelaaproximacin,entonces

14
= 3.5
Y ~ Normal Y = np = 7 , Y2 =npq =
4
5 np 0.5 Y Y 8 np + 0.5
5 7 0.5 Y Y 8 7 + 0.5
P ( 5 Y 8) P
= P
Y
Y
3.5
3.5
npq
npq
P ( 5 X 8 ) P ( 1.34 Z 0.80 ) = FZ ( 0.80 ) FZ ( 1.34 ) = 0.7881 0.0901 = 0.6980
queesmuybuenaaproximacin.
b) Sea U lavariablealeatoriaquerepresentalaprimeraguilasepuedaobtenerenelquintolanzamiento.
U ~ Geomtrica p =
2
1 1 u 1
; u = 1, 2,...,14
fU ( u ) = 2
2
0
; en otro caso
P (U = 5 ) =
11
1
=
0.0312
2 2
32
c) Sea T lavariablealeatoriaquerepresentalaterceracarapuedaaparecereneloctavolanzamiento.
T ~ Pascal r=3 , p =
2
7 1 3 1 t 3
fT ( t ) = 2 2 2
t = 3, 4,...,8
; en otro caso
7 1 1 7 1 1
21
P (T = 8 ) = = =
0.0820
2
2
2
2
2
2
256

3
4.
Supngaseque X y Y tienenladistribucinconjuntadadapor
2
f XY ( x, y )
2
4
0.15
0.25
0.14
0.15
0.20
0.11
Calcularlaprobabilidaddeque:
a) Alosumo X seadosy Y cuandomuchoseatres.
b) Almenos Y seaunoy X cuatro.
c) Eltotaldelasumaseamnimotres.
15Puntos
Resolucin
a) Sepidedeterminar
P ( X 2, Y 3) = f XY ( 2, 2 ) + f XY ( 2,1) + f XY ( 2,3) = 0.15 + 0.14 + 0.20 = 0.49
b) Sepidedeterminar
P ( X = 4, Y 1) = f XY ( 4,1) + f XY ( 4,3) = 0.15 + 0.11 = 0.26
c) Sepidedeterminar
P ( X + Y 3) = f XY ( 2,1) + f XY ( 2,3) + f XY ( 4,1) + f XY ( 4,3) = 0.14 + 0.20 + 0.15 + 0.11 = 0.60
5.
EnlaUNAM,lamediadeedaddelosestudiantesesde22.3aosyladesviacinestndardecuatroaos,setoma
unamuestraaleatoriade64estudiantes,culeslaprobabilidadquelaedadpromediodeestosestudiantesseaa
lomsde22aos?culeslaprobabilidaddequelaedadpromediodeestosestudiantesseamayorde23aos?
15Puntos
Resolucin
Sea X lavariablealeatoriaquerepresentalaedaddelosestudiantesdelaUNAM.
X i ~ Normal X = 22.3 , X2 i = 16
i
i = 1, 2,3,..., 64
porelteoremadellmitecentral,yaque,esunamuestraaleatoriagrande64estudiantes,cadaunoidnticamente
distribuido,setiene
X2
16
X ~ Normal = X = 22.3 , X2 = i =
sepidecalcularyalnormalizar,setiene
8 ( 0.3)
X
22 22.3
2.40
X
P ( X < 22 ) P
<
= P Z <
= P ( Z < 0.60 )
= P Z <
4
4
4
64
n
alutilizartablasdeladistribucinacumulativa,setiene
P ( Z < 0.60 ) = FZ ( 0.60 ) = 0.2743
Tambinsepidecalcular
8 ( 0.7 )
X X 23 22.3
5.60
P ( X > 23) P
>
= P Z >
= P ( Z > 1.40 )
= P Z >
4
4
4
64
n
6.
64
alutilizartablasdeladistribucinacumulativa,setiene
P ( Z > 1.40 ) = P ( Z < 1.40 ) = 0.0808
Porlasimetradeladistribucinnormalestndarconrespectodesumediaqueescero.
En un centro de cmputo se ha observado que el crecimiento de la informacin almacenada en los ltimos seis
meseshaidoaumentandosutamaodeacuerdoalasiguientesecuenciapormes:50GB,100GB,110GB,125GB,
170GBy180GB.
a) Hacerlagrficadedispersin.
b) Obtenerlarectaderegresinporelmtododemnimoscuadrados.
c) Se podra afirmar que el ritmo de crecimiento de la informacin lleva una tendencia lineal? Justificar su
respuesta.
20Puntos
Resolucin
a)
b)
Meses
x
Crecimiento
dela
Informacin
y
1
2
3
4
5
6
21
x2
xy
50
200
330
500
850
1080
3010
50
100
110
125
170
180
735
y2
1
4
9
16
25
36
91
2500
10000
12100
15625
28900
32400
101525
Lasmediasson
X=
Y=
1 6
xi
n i =1
1
n
sustituyendo
x=
1 6
21 = 3.5
6 i =1
sustituyendo
y=
yi
i =1
735 = 122.5
i =1
Losparmetrosyelmodelo,son
y = 0 + 1 x
1 =
0
0
x y
i
i =1
i =1
i =1
xi yi
3010
( 21)( 735)
6
2
21)
(
91
6
6
xi
6
2
x i =1
i
6
i =1
= y 1 x
= y x = 122.5 25 ( 3.5 ) = 35
437.5
25
17.5
porlotantoelmodeloestdadopor
y = 35 + 25 x
c) Paradeterminarsielmodeloesvlidodebeobtenerseelcoeficientededeterminacin.
Elcoeficientedecorrelacin,estdefinidopor
R=
SS xy
SS xx SS yy
SS xx =
x2
i =1
SS yy =
2
y
i
i =1
xi
2
i =1
= 91 ( 21) = 17.5
6
6
6
yi
2
i =1
= 101525 ( 735 ) = 11487.5
6
6
xi
SS xy =
xi yi
i =1
i =1
i =1
yi
= 3010
( 21)( 735) = 437.5

6
sustituyendo
r=
437.5
(17.5)(11487.5 )
0.9758
queeselcoeficientedecorrelacin,esfuertelaasociacinlinealdelasvariables.Hayunatendencialineal
fuerte.
Entonceselcoeficientededeterminacines,elevandoalcuadradoelcoeficientedecorrelacin
R2 =
SS xy2
SS xx SS yy
sustituyendo
( 437.5 )
=
0.9522
(17.5)(11487.5)
2
Elmodeloexplicabienalavariabledependientequees95.22%sepuedeconsiderarvlidoelmodelo.
Delcoeficientededeterminacin0.9522sepuededecirquehayunabuenaexplicacindelcrecimientodela
informacinconformepasanlosmeses.Esbuenalaeficienciadelmodelolineal.

PRIMER EXAMEN FINAL
RESOLUCIN
SEMESTRE 2014 - 1
TIPO 1
25 DE NOVIEMBRE DE 2013
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas
propuestos.
1.
Una empresa de elementos prefabricados de madera procedi a clasificar los excedentes de una muestra
aleatoria de bastidores de una pulgada de espesor, por su longitud en centmetros. Los resultados se
muestran en la siguiente tabla de distribucin de frecuencias:
Frontera
inferior
(LRi)
Frontera
superior
(LRs)
Frecuencia
absoluta (fi)
a)
Calcular la media, la mediana y la
24.5
32.5
2
moda.
32.5
40.5
4
40.5
48.5
8
b)
Determinar el sesgo de la
48.5
56.5
10
distribucin de los datos.
56.5
64.5
9
64.5
72.5
6
72.5
80.5
1
Resolucin
a)
La tabla de distribucin de frecuencias queda dada como:
Frontera Inferior
LRi
Clase mediana
y clase modal
24.5
32.5
40.5
48.5
56.5
64.5
72.5
Frontera Superior Marcas de Clase Frecuencia Absoluta Frecuencia Relativa Frecuencia Acumulada Absoluta Frecuencia Acumulada Relativa
LRs
fi
xi
fi*
Fi
Fi*
32.5
28.5
2
0.05
2
0.05
40.5
36.5
4
0.1
6
0.15
48.5
44.5
8
0.2
14
0.35
56.5
52.5
10
0.25
24
0.6
64.5
60.5
9
0.225
33
0.825
72.5
68.5
6
0.15
39
0.975
80.5
76.5
1
0.025
40
1
Sumas
40
xifi*
(xi-media) fi
1.425 1190.720
3.650 1075.840
8.900
564.480
13.125
1.600
13.613 519.840
10.275 1460.160
1.913
556.960
52.900 5369.600
Media
11.734
D.Est.Muestral
(xi-media) fi*
-726.339
-441.094
-118.541
-0.016
98.770
569.462
328.606
-289.152
-0.179
Sesgo <0
La media, est definida por:

m
1 m
X X i f i X i f i *
n i 1
i 1
PYE_ EF1_2014-1
7
1 7
x
f
xi fi * 52.9
i i
n i 1
i 1
La mediana, es el valor que divide a la muestra en dos partes iguales, entonces:
y y
interpolando en la clase mediana: x 2 1 x1
y2 y1
x2 x1
0.5 0.35
sustituyendo: x
48.5 53.3
0.0313
La moda es la abscisa con mayor frecuencia absoluta o relativa, entonces:
xmo 52.5
xmo Lx
o bien
mo _inf
cxmo
a b
a f xmo f x
mo1
b f xmo f x
mo1

10 8
xmo 48.5
8 53.833
10 8 10 9
c)
El sesgo de la muestra aleatoria est dado por:

m
2
2
1 m
X i X fi X i X fi*
n
a3 i 1
i 1
3
3
Sn21
Sn21
sustituyendo para calcular la variancia muestral, se tiene:

2
1 m
Sn21
X i X fi
n 1 i 1
1
sn21
5369.6
40 1
La raz es la desviacin estndar:
1
sn1 sn21
5369.6 11.734
39
sustituyendo en el sesgo:
289.152
tiene ligero sesgo negativo
a3
0.179
3
11.734
De manera emprica por la posicin de las medidas de tendencia central, se sabe:
52.9 53.3 58.833
x x xmo
tiene sesgo negativo.
2.
Un centro de cmputo tiene tres impresoras A, B, C, que imprimen a distinta velocidad. Las
probabilidades de que una persona enve el trabajo a las impresoras A, B y C son 0.6, 0.3 y 0.1,
respectivamente. En ocasiones los impresos se atoran en la impresora y se destruyen. Las probabilidades
de que se atore el papel en las impresoras A, B y C son 0.015, 0.05 y 0.04, en ese orden. Un estudiante de
ingeniera utiliza este sistema para imprimir un trabajo urgente de investigacin, calcular:
PYE_ EF1_2014-1
a)
Si el trabajo se ator, qu probabilidad hay de que el estudiante haya enviado el documento a la

impresora B?
b)
Qu probabilidad hay de que el trabajo haya sido enviado por el estudiante a la impresora A o a la
impresora C?, si se imprimi correctamente.
Resolucin
Sean los eventos que representan:
A el trabajo se enva a la impresora A
B el trabajo se enva a la impresora B
C el trabajo se enva a la impresora C
D el trabajo se atora y se destruye
Datos:
P A 0.6
P B 0.3
P D A 0.015
a)
P C 0.1
P D B 0.05
P D C 0.04
Dado que el trabajo se ator, cul es la probabilidad de que el estudiante haya enviado el
documento a la impresora B , se pide P B D que es Teorema de Bayes, entonces:
P B D
P B D
P D
P B P D B
P A P D A P B P D B P C P D C
sustituyendo:
P B D
0.3 0.05
0.015
0.535
0.6 0.015 0.3 0.05 0.1 0.04 0.028
b) Se sabe que el trabajo se imprimi correctamente, cul es la probabilidad de que el estudiante haya
enviado a la impresora A C , con el Teorema de Bayes se tiene:
P A C D
P A C D
P D
P A P D A P C P D C
1 P A P D A P B P D B P C P D C
sustituyendo:
P A C D
3.
0.6 0.985 0.1 0.96

1 0.028
0.687
0.0707
0.972
La variable aleatoria X tiene la siguiente funcin de probabilidad dada por:
p x
1
3
1
3
1
3
Determinar los valores a y b de la variable aleatoria X , si se sabe que E X 0 y Var X
PYE_ EF1_2014-1
8
3
Resolucin
Se sabe que E X
x fX x
sustituyendo:
1
1
1
EX 0 a b 0
3
3
3
Var X
X 2 f X x E X 2 E X
sustituyendo:
Var X
8
2 1
2 1
2 1
a 0 b 0 0 0
3
3
3
3
queda un sistema de dos ecuaciones con dos incgnitas, como:

a b
0
3 3
a 2 b2 8
3
3 3
ab 0
a 2 b2 8
a2 4
a 2
a b
2a 2 8
a a 8
2
entonces:
a 2
b 2
La funcin de probabilidad es:
4.
p x
1
3
1
3
1
3
Un call center tiene un servicio de consulta por telfono para la solucin de los problemas de sus
usuarios. El servicio est disponible de 9:00 a 17:00 horas en das laborables. La experiencia muestra que
la variable aleatoria X , el nmero de llamadas recibidas por da, tiene una distribucin de Poisson con
50 llamadas al da, calcular la probabilidad de que en un da dado, la primera llamada del da se reciba:
a)
Antes de las 9:15 horas.
b)
Despus de las 10:00 horas, dado que no se recibi llamada antes de las 9:30 horas.
Resolucin
a)
Sea X Nmero de llamadas recibidas por da
Poisson 50 llamadas por da
T Exponencial 50 tiempo entre llamadas

Observando que el da laborable es de 8 horas, entonces:
PYE_ EF1_2014-1
50
1
P T 1 e 32 0.7903
32
b)
5.
P T
1
1
1
1
50
P T T P T
1
1
50 50
8
50 50
1
1
e
8
16
8
8
16
16 8
T

e
0.0439
1
1
1
50
8
16
P T
P T e 16
16
16
Un consultorio mdico cuenta con dos lneas telefnicas. En un da seleccionado al azar, sea X la
variable aleatoria que representa la proporcin del tiempo que se utiliza la lnea telefnica 1 y sea Y la
variable aleatoria que representa la proporcin del tiempo que se utiliza la lnea telefnica 2. Si la funcin
de densidad conjunta de estas variables aleatorias es:
2
x 2y ; 0 x 1 , 0 y 1
f XY x, y 3
0
;
en otro caso
Cul es la probabilidad de que la lnea telefnica 2 se encuentre libre durante el 80% del da?
Resolucin
Se pide calcular P La lnea 2 est desocupada el 80% del da P Y 0.2
entonces:
1 0.2
P Y 0.2
0 0
y 0.2
2
2
2
x 2 y dydx xy y 2 dx 0.2 x 0.04 dx
3
30
30
y 0
2 0.2 2
x 0.04 x
3 2
0
2 0.2
7
P Y 0.2
0.04
0.0933
3 2
75
6.
Considrese el experimento del lanzamiento de un dado. Sea X la variable aleatoria que representa el
nmero que queda hacia arriba.
a)
Qu distribucin tiene X ?
b)
Cul es la media y la variancia de X ?
c)
Si el experimento se modifica y ahora se lanza 30 veces el dado y se promedian los resultados, cul
es la media y la variancia terica de la media muestral?
d)
Al lanzar 30 veces el dado, cul es la probabilidad aproximada de que la media muestral sea mayor
o igual que cuatro?
Resolucin
a)
El comportamiento aleatorio tiene distribucin Uniforme discreta
fX x
1
6
1
6
1
6
1
6
1
6
1
6
PYE_ EF1_2014-1
O bien,
1
; x 1, 2,3, 4,5, 6
fX x 6
0 ; en otro caso
b)
Puesto que X tiene distribucin uniforme discreta, entonces:

EX
x fX x
E X 3.5
E X2
X 2 fX x
E X
91
Var X E X 2 E X
Var X
c)
91 7
35

2.916
6 2 12
X es la media muestral, entonces del teorema del lmite central porque n 30 , se sabe:
Normal X X , X2
X2
sustituyendo:
35
35
2
Normal X 3.5, X 12
0.0972
30 360
X
d)
Se pide P X 4 , utilizando el TLC, puesto que n=30
P X 4 P Z
7.
4 3.5
P Z
0.0972
1.60 1 FZ 1.60 1 0.9452 0.0548
Un mdico especialista director del rea de ciruga tiene datos estadsticos histricos del nmero de
pacientes programados y operados, estos datos corresponden a los meses de marzo, abril, mayo, junio y
julio del ao corriente y desea tener un pronstico con regresin lineal de mnimos cuadrados para saber
cunto necesitar de suministros para el rea de quirfanos en los meses de agosto, septiembre y
octubre, de este mismo ao.
a)
b)
c)
Trazar el diagrama de dispersin.
d)
Calcular el coeficiente de determinacin e interpretar el resultado.
Calcular el coeficiente de correlacin lineal.

Obtener la recta de regresin lineal. Trazar la recta de regresin lineal junto con el diagrama de
dispersin.
PYE_ EF1_2014-1
Los datos son los siguientes:

Mes
Consecutivo
Marzo
1
Abril
2
Mayo
3
Junio
4
Julio
5
Resolucin
Mes
Consecutivo
Marzo
Abril
Mayo
Junio
Julio
Sumas
1
2
3
4
5
Mes
x
Nmero de pacientes programados para ciruga

y
3
4
5
6
7
100
150
200
210
220
Mes
x
3
4
5
6
7
25
Nmero de pacientes
programados para ciruga
y
100
150
200
210
220
880
a)
La grfica de dispersin y la recta de mejor estimacin es:
b)
El coeficiente de correlacin est dado por:
xy
300
600
1000
1260
1540
4700
x2
9
16
25
36
49
135
y2
10000
22500
40000
44100
48400
165000
SS xy
SS xx SS yy
PYE_ EF1_2014-1
SS xx
2
x
i 1
SS yy
25
10
y2
i 1
yi
i 1
ss yy 165000
i 1
ssxx 135
xi
880
10120
y
5
SS xy
xi
xi yi
i 1
ssxy 4700
i 1
i 1
25880
5
300
sustituyendo
300
r
0.943
10 10120
c)
La recta de regresin es:

y 0 1 x
donde se sabe que los promedios estn definidos por:
1 5
x xi
n n 1
1 5
y
n n1 i
sustituyendo los valores de las sumas en los promedios:
25
5
5
880
176
5
los estimadores se definen por:

5
x y
i 1
i 1
i 1
xi yi
xi
5
x 2 i 1
i
5
i 1
5
4700
PYE_ EF1_2014-1
25880
5
2
25
135
5
300
30
10
0 y 1 x
0 176 30 5 26
Por lo tanto el modelo est dado por:
y x
0
y 26 30 x
d)
Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin, ste se

calcular a partir del cuadrado del coeficiente de correlacin.
El coeficiente de determinacin se define por:
R2
SS xy2
SS xx SS yy
300 0.8893
10 10120
2
r2
Del resultado anterior, se puede observar y concluir, que el coeficiente de determinacin, 88.93 %
y no es tan cercano al 100%, por lo que se considera que el modelo lineal es suficiente para el
nmero de pacientes programados para ciruga.
PYE_ EF1_2014-1

Resolucin
SEMESTRE 2014 - 1
TIPO 1
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas
propuestos.
1.
Un mdico quiere hacer un estudio estadstico de una muestra semanal de mediciones de las
presiones arteriales sistlicas de 90 pacientes diferentes, el mdico orden y agrup estos datos
mediante una tabla dinmica en una hoja de clculo electrnica y es la siguiente:
Lmite inferior real
Lmite superior real
Frecuencia
76.5
86.5
1
86.5
96.5
8
96.5
106.5
12
106.5
116.5
19
116.5
126.5
13
126.5
136.5
18
136.5
146.5
12
146.5
156.5
7
l desea calcular con datos agrupados:
a) El coeficiente de variacin e interpretar el resultado.
b) La mediana.
Resolucin
La tabla de distribucin de frecuencias est dada por:
Frontera Inferior
Clase Mediana
Frontera Superior Frecuencia Absoluta Marcas de Clase Frecuencia Relativa Frecuencia Acumulada Absoluta Frecuencia Acumulada Relativa
2
LRi
LRs
fi
xi
fi*
Fi
Fi*
xifi*
(xi-media) fi
76.5
86.5
96.5
106.5
86.5
96.5
106.5
116.5
1
8
12
19
81.5
0.0111
0.0111
0.9056
1529.6790
116.5
126.5
13
126.5
136.5
146.5
136.5
146.5
156.5
18
12
7
91.5
0.0889
0.1000
8.1333
6779.6543
101.5
0.1333
21
0.2333
13.5333
4382.8148
111.5
0.2111
40
0.4444
23.5389
1577.2346
121.5
0.1444
53
0.5889
17.5500
10.2716
131.5
0.2000
71
0.7889
26.3000
2134.2222
141.5
0.1333
83
0.9222
18.8667
5236.1481
151.5
0.0778
90
1.0000
11.7833
120.6111
6678.8642
28328.8889
318.3021
90
La media=
La variancia muestral=
Coeficiente de
Variacin=
a)
120.6111
318.3021
0.1479
La muestra aleatoria no es buena.
El coeficiente de variacin se define como:
CV
PYE_ EF2_2014-1
Sn21
X
se requiere la media y la desviacin estndar, realizando las estimaciones para los

datos agrupados, se tiene:
m
1 m
X X i f i X i f i *
n i 1
i 1
8
8
1
x xi fi xi fi * 120.6111
90 i 1
i 1
la variancia mustral:
2
1 m
Sn21
X i X fi
n 1 i 1
1
sn21
28328.8889 318.3021
90 1
La raz de la variancia es la desviacin estndar, entonces:
b)
sn1 sn21 318.3021 17.8410

sustituyendo
17.8410
cv
0.1479
120.6111
Este indicador para la muestra dice que hay variabilidad en los datos, segn el
resultado 14.79 % es buena la muestra.
La mediana es el valor que divide en dos partes iguales la distribucin de frecuencias,
con los datos agrupados, entonces se realiza una interpolacin:
Fronteras de la Clase mediana
116.5
Mediana
126.5
Frecuencia Acumulada Relativa

0.4444
0.5
0.5889
m= 0.0144
y2-y1=m(x2-x1)
0.5-0.4444=0.0144(xmediana-116.5)
2.
120.3462
Una revista publica tres columnas tituladas Arte ( A ), Libros ( B ) y Cinema( C ). Los hbitos
de lectura de las amas de casa son probables de acuerdo a como se muestra en la tabla
siguiente:
A
0.5
B
0.3
C
0.5
A B
0.15
AC
0.25
B C
0.1
A B C
0.05
Calcular:
a)
P A B
b)
P( A B C )
c)
P( A B C)
Resolucin
a) Se pide la probabilidad de que una ama de casa lea de arte dado que lee libros, entonces:
PYE_ EF2_2014-1
P A B 0.15 1
0.5
P B
0.3 2
Se pide la probabilidad de que una ama de casa lea de arte dado que lee libros o cinema,
entonces:
P A B C
P AB AC
P AB P AC P ABC
P A B C
PB C
P B P C P BC
P B P C P BC
P A B
b)
0.15 0.25 0.05 0.35 1
0.5
0.3 0.5 0.1
0.7 2
Se quiere calcular la probabilidad de que una ama de casa lea de arte o libros dado que lee
sobre cinema, entonces:
P A B C P AC BC P AC P BC P ABC
P A B C
P C
P C
P C
P A B C
c)
P A B C
3.
0.25 0.1 0.05 0.3 3
0.6
0.5
0.5 5
Se sabe que el tiempo semanal, en minutos, que un estudiante llega tarde a clase de Inferencia
Estadstica es una variable aleatoria X con funcin de densidad:
3
2500 x2 ; 50 x 50
f X x 500000
0
; en otro caso
a) Determinar el tiempo promedio semanal de retardo del estudiante.

b) Calcular la probabilidad de que el tiempo de retardo del estudiante exceda su tiempo
promedio de retardo semanal.
Resolucin
La grfica de la funcin de densidad es:
a)
El promedio est definido por:
E X xf X x dx
3
x 2500 x 2 dx 0
50 500000
La probabilidad de que el tiempo de retardo del estudiante exceda su tiempo promedio de
retardo semanal.
EX
b)
PYE_ EF2_2014-1
50
P X P X 0
50
4.
3
2500 x 2 dx 0.5
500000
Se estima que el tiempo transcurrido hasta la falla de una pantalla plana LCD, se distribuye
exponencialmente con media igual a tres aos. Una compaa ofrece hacer vlida la garanta en
la tienda por el primer ao de uso, qu porcentaje de pantallas har uso efectivo de la garanta?
Resolucin
La distribucin exponencial tiene media:
1
EX
entonces:
1
1
EX
1
3
T es la variable aleatoria que representa el tiempo de falla de una pantalla plana LCD.
1
T Exponencial
3
FT T t P T t 1 e t
1
1
3
FT T 1 P T 1 1 e
1 e 3 0.2835
significa que el 28.35% de pantallas planas LCD presentar una falla en el primer ao, los
usuarios y har vlida la garanta en la tienda.
5.
Un consultorio mdico cuenta con dos lneas telefnicas. En un da seleccionado al azar, sea X
la variable aleatoria que representa la proporcin del tiempo que se utiliza la lnea telefnica 1 y
sea Y la variable aleatoria que representa la proporcin del tiempo que se utiliza la lnea
telefnica 2. Si la funcin de densidad conjunta de estas variables aleatorias es:
2
x 2y ; 0 x 1 , 0 y 1
f XY x, y 3
0
;
en otro caso
Cul es la probabilidad de que la lnea telefnica 2 se encuentre libre durante el 80% del da?
Resolucin
Se pide calcular P La lnea 2 est desocupada el 80% del da P Y 0.2
entonces:
1 0.2
P Y 0.2
0 0
y 0.2
2
2
2
x 2 y dydx xy y 2 dx 0.2 x 0.04 dx
3
30
30
y 0
2 0.2 2
x 0.04 x
3 2
0
2 0.2
7
P Y 0.2
0.04
0.0933
3 2
75
6.
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma normal con una
media de 174.5 centmetros y una desviacin estndar de 6.9 centmetros. Si se extraen 200
muestras aleatorias de tamao 25 de esta poblacin, determinar:
a) El nmero de muestras cuyo promedio cae entre 172.5 y 175.8 centmetros, con reemplazo.
PYE_ EF2_2014-1
b) El nmero de muestras que su promedio cae abajo 172.5 centmetros, sin reemplazo.
Resolucin
X i Normal 174.5 , 6.9 , i 1, 2, 3,..., 1000
a)
Por el teorema del lmite central se conoce la variancia, con reemplazo, se tiene:
6.9
Normal X 174.5 , X X
n
25
172.5 174.5 X
2
5
1.3
X

175.8 174.5
X
X
P 172.5 X 175.8 P
6.9
X
6.9
X
6.9
6.9
25
25
n
n
6.5
6.5
10
10
P 172.5 X 175.8 P
Z
Z
P
P 1.45 Z 0.94
6.9
6.9
6.9
6.9
P 172.5 X 175.8 FZ 0.94 FZ 1.45 0.8264 0.0735 0.7529
entonces 200(0.7529)=150.58 seran 151 muestras de las doscientas.

b)
Por el teorema del lmite central conocida la variancia, sin reemplazo, se tiene:
N n 6.9 1000 25
X Normal X 174.5 , X X
1
n
25 1000 1
X Normal X 174.5 , X 1.3633
X
172.5 174.5
X
P X 172.5 P
X N n
6.9 1000 25
25 1000 1
n N 1
P Z 1.47
P X 172.5 P Z 1.47 FZ 1.47 0.0708
por lo tanto 200(0.0708)=14.16 seran 15 muestras de las doscientas.

7.
Para confirmar si estn relacionados el trnsito vehicular (automviles por hora), y el contenido de
ozono (porcentaje de partculas por millar) en la vegetacin que crece a la orilla de las carreteras,
se realiz un estudio en siete regiones de la Repblica Mexicana, y se obtuvieron los datos
siguientes:
Cantidad de automviles
Cantidad de ozono
a)
b)
294
26.1
402
37.2
103
4.6
416
24.8
573
38.7
216
74.4
334
34.3
Obtener la recta de regresin.

Calcular el coeficiente de correlacin. Proporcionar una interpretacin.
Resolucin
PYE_ EF2_2014-1
Cantidad de autmoviles x
294
402
103
416
573
216
334
Cantidad de ozono y
26.1
37.2
4.6
24.8
38.7
74.4
34.3
2338
240.1
Sumas:
a)
xy
xx
yy
7673.4
86436
681.21
14954.4
161604
1383.84
473.8
10609
21.16
10316.8
173056
615.04
22175.1
328329
1497.69
16070.4
46656
5535.36
11456.2
83120.1
111556
918246
1176.49
10910.79
La recta de regresin es:

y 0 1 x
donde se sabe que los promedios estn definidos por:
1 7
x xi
n n 1
1 7
y
n n1 i
sustituyendo los valores de las sumas en los promedios:
2338
334
7
240.1
34.3
7
los estimadores se definen por:

7
xi yi
x y
i 1
i 1
xi
7
x 2 i 1
i
7
i 1
7
83120.1
i 1
2338 240.1
7
2
2338
918246
7
2926.7
0.0213
137354
0 y 1 x
0 34.3 0.0213 334 27.1858
por lo tanto el modelo est dado por:
y x
0
y 0.0213 x 27.1858
b)
El coeficiente de correlacin se define como:
PYE_ EF2_2014-1
SS xy
SS xx SS yy
SS xx
xi
2338
2
x
i 1
i 1
ssxx 918246
SS yy
y2
i 1
yi
ss yy 10910.79
240.1
7
7
xi
xi yi
i 1
ssxy 83120.1
2675.36
y
7
i 1
SS xy
137354
i 1
i 1
2338 240.1
7
2926.7
sustituyendo
2926.7
r
0.1527
137354 2675.36
Del resultado anterior: es muy baja la asociacin lineal, prcticamente es ligera asociacin
lineal.
Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin,
ste es el cuadrado del coeficiente de correlacin, se define por:
R
SS xy2
SS xx SS yy
2926.7
0.0233
137354 2675.36
2
se puede concluir que, el coeficiente de determinacin 2.331 % es muy alejado al 100%,

por lo que se considera que el modelo lineal no explica la cantidad de ozono emitida por los
vehculos. El modelo es deficiente hay que usar otro modelo.
PYE_ EF2_2014-1
PYE_ EF2_2014-1

SEMESTRE 2014 -2
TIPO 1
3 DE JUNIO DE 2014
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Instrucciones: Resolver seis de los siete problemas, lee detenidamente los siete enunciados, este examen es
la demostracin de tu aprendizaje a lo largo del semestre, trata de entender y resolver primero los que
tienes seguridad en tu conocimiento.
1. En el experimento aleatorio de lanzar una moneda al aire hasta que la cara superior sea sol, se obtuvieron los
siguientes datos para la variable aleatoria X que representa el nmero de tiros necesarios hasta que la cara superior
sea sol
1
2
4
3
1
3
5
1
1
2
4
1
2
7
3
1
6
3
2
1
2
5
1
4
8
Con los datos presentados, obtener la tabla de frecuencias relativas (fr), la tabla de frecuencias relativas acumuladas y su
valor esperado
Resolucin
La tabla de frecuencias queda de la siguiente manera
x
f
fr
1
8
0.32
2
5
0.2
3
4
0.16
4
3
0.12
5
2
0.08
6
1
0.04
7
1
0.04
8
1
0.04
Con la informacin de la tabla el valor esperado es
1
n
fi
i 1
F
8
13
17
20
22
23
24
25
Fr
0.32
0.52
0.68
0.8
0.88
0.92
0.96
1
x*fr
0.32
0.4
0.48
0.48
0.4
0.24
0.28
0.32
fri 2.92
i 1
2. En un experimento para estudiar la relacin de la hipertensin arterial y los hbitos de fumar, se renen los
siguientes datos para 180 individuos.
PYE_ EF2_2014-2
NF=NO FUMADORES
21
48
69
H=HIPERTENSO
NH=NO HIPERTENSO
TOTAL
FM=FUMADORES MODERADOS
FE=FUMADORES EMPEDERNIDOS
36
26
62
30
19
49
TOTAL
87
93
180
Si se selecciona uno de estos individuos al azar. Encuentre la probabilidad de que la persona:

a) sufra hipertensin, dado que la persona es un fumador empedernido.
b) sea un no fumador, dado que la persona no sufre de hipertensin.
Resolucin
NF=NO FUMADORES
0.1167
0.2667
0.3833
H=HIPERTENSO
NH=NO HIPERTENSO
TOTAL
FM=FUMADORES MODERADOS
FE=FUMADORES EMPEDERNIDOS
0.2000
0.1444
0.3444
0.1667
0.1056
0.2722
TOTAL
0.4833
0.5167
1.0000
a) sufra hipertensin, dado que la persona es un fumador empedernido.

P FE
H 0.1666
P H |FE
0.6123
P FE
0.2721
b) sea un no fumador, dado que la persona no sufre de hipertensin
P(NF
NH) 0.26666
P(NF | NH) =
=
0.5162
P NH
0.51667
3. Cierta mquina corta pequeos trozos de alambre que posteriormente sern transformados en clips. La longitud de
dichos trozos vara uniformemente entre 85 y 88 milmetros.
a) Cul es la longitud promedio de un trozo de alambre?
b) Cul es la probabilidad de que cualquier trozo de alambre obtenido difiera de la longitud promedio en no ms de 1
mm?
Resolucin
a) Se pide la longitud promedio de un trozo de alambre E(X). Se trata de una distribucin uniforme continua, entonces:
E x
a b 85 88
86.5 es la longitud promedio de un trozo de alambre.

2
2
b) Para obtener la probabilidad de que cualquier trozo de alambre obtenido difiera de la longitud promedio en no ms de
1 mm se requiere tener un intervalo de 85.5, 87.5
87.5
P 85.5 X 87.5
85.5
1
2
dx 0.66666
88 85
3
4. Una planta fabrica concretos con resistencias que se distribuyen casi normalmente, con media de 240 /2 y
desviacin estndar de 24 /2 . Calcule la probabilidad de que:
a) Una muestra aleatoria de 16 cilindros indique una resistencia promedio de menos de 200 /2 .
b) Una muestra aleatoria de 4 cilindros indique una resistencia promedio de menos de 200 /2 .
Resolucin
a) Para calcular la probabilidad de que una muestra aleatoria de 16 cilindros indique una resistencia promedio de menos
de 230 kg/cm2.
X = Resistencia del concreto que se fabrica. X~(, 2 ) ~N(240,576)
PYE_ EF2_2014-2
n = Tamao de muestra = 16
~N (240, 576), X
~N(240,36)
= Resistencia media del concreto en una muestra. X
X
X = Error estndar =
24
4
16
=6
230 240
P X 230 P Z
P Z 1.67 0.0478
6
b) Una muestra aleatoria de 4 cilindros indique una resistencia promedio de menos de 230 kg/cm2 .
X = Resistencia del concreto que se fabrica. X~N(240,576)
n = Tamao de muestra = 4
576
X = Resistencia media del concreto en una muestra.

X~N (240, ),
X~N(240,144)
X = Error estndar =
24
2
= 12
230 240
P X 230 P Z
P Z 0.833 0.2024
12
5. Un matrimonio de odontlogos atiende diariamente un cierto nmero de pacientes. Sea la variable aleatoria que
representa el nmero de pacientes en endodoncia, atendidos por el doctor, en un da cualquiera y sea la variable
aleatoria que representa el nmero de pacientes en ortodoncia, atendidos por la doctora, en un da cualquiera.
Considere que la funcin de masa de probabilidad conjunta del vector (, ) est expresada por la siguiente tabla de
doble entrada.
Y
(, )
0
1
2
3
4
0
0.08 0.07 0.06 0.01 0.01
1
0.06 0.10 0.12 0.05 0.02
X
2
0.05 0.06 0.09 0.04 0.03
3
0.02 0.03 0.03 0.03 0.04
PYE_ EF2_2014-2
Determine:
a) La densidad de probabilidad marginal de la variable aleatoria
b) La densidad condicional de , para < 2
c) La probabilidad de que, en un da cualquiera, el nmero de pacientes atendidos por el doctor, sea mayor que el
nmero de pacientes atendidos por la doctora.
a) La funcin de masa de probabilidad marginal de la variable aleatoria
f XY x , y
0
0.08
0.06
0.05
0.02
0
1
2
3
1
0.07
0.1
0.06
0.03
2
0.06
0.12
0.09
0.03
3
0.01
0.05
0.04
0.03
4
0.01
0.02
0.03
0.04
0.23
0.35
0.27
0.15
b) La funcin de masa de probabilidad condicional de , para < 2
f XY x | y 2
f XY x, y 2
fY y 2
f XY x 0 | y 2
f XY x , y
0
1
2
3
f XY x 0, y 2 0.15
0.3191
fY y 2
0.47
f X x | y 2
0.08
0.07
0.06
0.01
0.01
0.319
0.06
0.1
0.12
0.05
0.02
0.341
0.05
0.06
0.09
0.04
0.03
0.234
0.02
0.03
0.03
0.03
0.04
0.106
y < 0.47
c) La probabilidad de que, en un da cualquiera, el nmero de pacientes atendidos por el doctor, sea mayor que el
nmero de pacientes atendidos por la doctora.
f XY x , y
0
1
2
3
y
0
0.08
0.07
0.06
0.01
0.01
0.06
0.1
0.12
0.05
0.02
0.05
0.06
0.09
0.04
0.03
0.02
0.03
0.03
0.03
0.04
La regin sombreada presenta la probabilidad solicitada, de donde al sumar las probabilidades se obtiene.
f XY x y
0.06 0.05 0.06 0.02 0.03 0.03 0.25
6. Se asume que X se puede aproximar mediante una variable aleatoria continua cuya distribucin de probabilidad
acumulada es:
() = {
PYE_ EF2_2014-2
0
1
10
<0
Calcule la probabilidad de que en un da cualquiera, el nmero de abortos sea de:

a) Calcular la mediana.
b) Obtener la funcin de densidad de probabilidad de X.
Resolucin
a) Calcular la mediana.
0.5 1 e
x
10
0.5 e
x
10
x
10
1
0.5
x 10 ln 2
x 6.9315
c) Obtener la funcin de densidad de probabilidad de X

x
x

d
1 10
10
f x
e
1 e
d x
10
7. Se registr la medicin de la presin sangunea y la edad de 10 personas. Los datos obtenidos fueron los siguientes:
Presin
sangunea
(mm Hg)
Edad
(aos)
147
125
160
118
149
128
150
145
115
140
56
42
72
36
63
47
55
49
38
42
Si la relacin que existe entre la presin sangunea y la edad de una persona es aproximadamente lineal; con base en los
resultado obtenidos, estime el valor de la presin sangunea de una persona de 40 aos de edad.
Resolucin:
Debido a que la relacin que existe entre la edad de una persona y su presin sangunea es cuasi-lineal, para estimar el
valor de la presin sangunea de una persona de 40 aos de edad, se debe obtener el modelo de regresin lineal de y
(presin sangunea) en funcin de x (edad de la persona). Para ello se emplea el mtodo de mnimos cuadrados, en
dnde la ecuacin de la recta estimada es: y 0 1 x
Dnde:
1 =
(=1 )(=1 )
=1
)2
(
=1
2
=1
0 = 1
Definiendo a la variable X, como la edad de la persona y a Y como la medida de presin sangunea de la persona; con los
datos registrados se obtiene:
=1 = 70258
=1 = 500, =50,
=1 2 = 26192
=1 = 1377, =137.7, =1 2 = 191693

De donde: 1 =
70258
(500)(1377)
10
=
(500)2
26192
1.18
0 = 137.7 (1.181)(50) = 78.64
10
Por lo tanto el modelo de regresin lineal que asocia a las variables X y Y es:
y 78.64 1.18x
Empleando este modelo se estima que para una persona de 40 aos de edad la medicin de su presin arterial ser de :
y 78.64 1.18(40) 125.84 mmHg

PYE_ EF2_2014-2

PRIMER EXAMEN FINAL
SEMESTRE 2014 -2
TIPO 1
27 DE MAYO DE 2014
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
Instrucciones: Resolver seis de los siete problemas, lee detenidamente los siete enunciados, este examen es
la demostracin de tu aprendizaje a lo largo del semestre, trata de entender y resolver primero los que
tienes seguridad en tu conocimiento.
1.
Para la siguiente distribucin de frecuencias:

Intervalos de clase
[calificaciones]
Clase
Frontera inferior
Frontera superior
Frecuencia absoluta
0.5
17.5
17.5
34.5
34.5
51.5
16
51.5
68.5
12
68.5
85.5
6
85.5
102.5
4
Determinar la frecuencia para el quinto intervalo de clase, si la media es igual a 51.84. Adems, obtener la mediana
y la moda.
Resolucin
Para obtener la frecuencia absoluta o relativa, si se conoce la media:
m
1 m
=
X
f
=
X i fi * 51.84
i i
n i 1 =i 1
=
=
X
entonces para las marcas de clase que es el promedio de cada clase, se tiene:
Frontera
inferior
1
2
3
4
5
6
Frontera superior Frecuencia Absoluta
0.5
17.5
34.5
51.5
68.5
85.5
51.84 =
17.5
34.5
51.5
68.5
85.5
102.5
4
6
16
12
8
4
50
Marca de
Clase
9
26
43
60
77
94
Frecuencia Relativa Frecuencia Acumulada Absoluta Frecuencia Acumulada Relativa

0.0800
0.1200
0.3200
0.2400
0.1600
0.0800
1
4
10
26
38
46
50
0.84
38.1173
0.0800
0.2000
0.5200
0.7600
0.9200
1
x ifi*
0.7200
3.1200
13.7600
14.4000
12.3200
7.5200
51.8400
1
1
( 4 )( 9 ) + ( 6 )( 26 ) + (16 )( 43) + (12 )( 60 ) + f ( 77 ) + ( 4 )( 94 ) = [1976 + 77 f ]
n
n
tambin se sabe que la suma de la frecuencia relativa debe ser igual a uno, entonces:
PYE_ EF1_2014-2
1 m
fi = 1
ni1
=i 1 =
1
1
1=
[ 4 + 6 + 16 + 12 + f + 4]= [ 42 + f ]
n
n
por
lo tanto f 8=
=
n 50
fi * = 1=
La mediana, es el valor que divide a la distribucin en dos partes iguales, entonces:
Fronteras
34.5
Mediana
51.5
Frecuencia
Acumulada
Relativa
0.20
0.50
0.52
interpolando en la clase mediana:

x
=
sustituyendo:=
x
y2 y1
+ x1
y2 y1
x2 x1
0.5 0.2
+ 34.5 50.44
0.0188
La moda es la abscisa con mayor frecuencia absoluta o relativa, entonces:
xmo = 43
o bien
xmo Lx
=
mo _inf
a
+
cxmo
a + b
=
a f xmo f x
mo1
=
b f xmo f x
mo+1

16 6
34.5 +
46.6429
xmo =
(17 ) =
(16 6 ) + (16 12 )
2.
Segn una revista internacional, con base en sus estadsticas, de cada 100 nios que nacen 30 tienen aptitudes
para el atletismo y de cada 50 nias 20 la tienen. Si en un determinado pas, donde la poblacin est compuesta
por el 46% de hombres y el resto de mujeres.
Se elige una persona al azar, calcular la probabilidad de que:
a) Sea apta para el atletismo.
b) Sea mujer, apta para el atletismo.
c) Sea hombre dado que no es apto para el atletismo.
Resolucin
Sean los eventos que representan:
A = { persona apta para el atletismo}
M = {Una mujer de ese pas}
Datos:
P ( M ) = 0.54
PYE_ EF1_2014-2
P ( M ) = 0.46
P( A M ) =
2
5
P( A M ) =
3
10
a) La probabilidad de que se seleccione a una persona apta para el atletismo, entonces
=
P ( A) P ( M ) P ( A M ) + P ( M ) P ( A M )
3
2
P ( A ) = 0.46 + 0.54 = 0.354
10
5
b) Se sabe que es una persona apta para el atletismo, la probabilidad de que sea mujer, entonces por el Teorema
de Bayes se tiene:
P(M ) P( A M )
P ( M A) =
P ( M A)
=
P(M ) P( A M ) + P(M ) P( A M )
( 0.54 )
3
2
0.46 + 0.54
10

5
0.6102
c) Sea hombre dado que no es apto para el atletismo, entonces por el Teorema de Bayes se tiene:
P(M ) P A M
P M
A
=
=
1 P ( A)
3.
( 0.46 )
7
10 0.322
=
0.4985
1 0.354
0.646
Se sabe que X es la variable aleatoria que representa al nmero de personas que entran diariamente en un
almacn, se distribuye de manera aproximadamente normal. Tambin se conoce que la probabilidad de 0.58 es
que entren menos de 75 clientes y la probabilidad de 0.38 que entren entre 75 y 80 clientes, determinar la media y
la varianza de la poblacin.
Resolucin
Sea X la variable aleatoria que representa al nmero de personas que entran diariamente en un almacn, se
distribuye de manera aproximadamente normal.
X ~ Normal ( m X , X2 )
Del enunciado, se tiene:
P ( 75 < X < 80 ) = 0.38
tambin
P ( X < 75) = 0.58
entonces
75
80 X
75 X
X X 80 X
X
<
<
= Fz
Fz
= 0.96 0.58 = 0.38
X
X
X
X
X
P ( 75 < X < 80 ) = P
de tablas de la distribucin acumulativa normal estndar con 0.58 y 0.96

75
80 X
X
0.21=
1.76
=
Z0 =
y Z1 =
X
X
se tiene un sistema de dos ecuaciones con dos incgnitas, resolviendo dicho sistema:
X= 74.3226 y X= 3.2258
X2=
( 3.2258)
la media y la variancia de la poblacin.
PYE_ EF1_2014-2
4.
La recta de regresin lineal dada por
y=2+ x
4
y con SS xx = 4 y SS yy = 9 , calcular el valor del coeficiente
de determinacin, concluir sobre el valor obtenido.

Resolucin
Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin se define por:
R =
SS xy2
SS xx SS yy
del enunciado, se sabe que
y=2+ x
4
y con SS xx = 4
, 1
=
0 2=
SS yy = 9 , adems,
por lo que
r=
2
1
,
4
SS xy = 1
SS xy2
1
=
0.0278
SS xx SS yy 36
2.78%
del resultado anterior, se puede observar y concluir, que el coeficiente de determinacin es muy bajo, por lo que
se considera que el modelo lineal no es nada bueno para estimar a y en trminos de x.
5.
Supngase que una tienda de abarrotes compra cinco envases de leche descremada al precio de mayoreo de
$12.00 por envase y la vende a $16.50 por envase. Despus de la fecha de caducidad, la leche que no se vende se
retira de los anaqueles y el tendero recibe un crdito del distribuidor igual a tres cuartos del precio de mayoreo. Si
la distribucin de probabilidad de la variable aleatoria X , el nmero de envases que se venden de este lote es:
fX ( x)
1
15
2
15
2
15
3
15
4
15
3
15
Determinar la utilidad esperada.

Resolucin
Sea X la v.a. que representa en nmero de envases de leche que se venden.
El valor esperado de venta es:
E(X ) =
x fX ( x)
1
3 46
E ( X ) = 1 + ... + 5 =
3.0667
15
15 15
La utilidad se plantea como:

3
U = 16.5 X 5 (12 ) + ( 5 X )(12 )
4
U
= 16.5 X 60 + 9(5 X )
U
= 16.5 X 60 + 45 9 X
=
U 7.5 X 15
Aplicando valor esperado, se tiene:

E (=
U ) E ( 7.5 X 15
=
) 7.5E ( X ) 15
46
15 8
E=
(U ) 7.5 =
15
PYE_ EF1_2014-2
pesos
6.
El tiempo total, en horas, que un estudiante de ingeniera permanece en un saln de clase est definido por la
variable aleatoria X , adems, sea Y la variable aleatoria que representa el tiempo que el estudiante espera en el
saln para que llegue su profesora y sea Z la variable aleatoria que representa el tiempo de exposicin de la clase
de Estadstica ( X= Y + Z ) , la funcin de densidad conjunta est dada por:

k e
f XY ( x, y ) =
0
x
2
9
4
; en otro caso
; 0< y< x<
a) Obtener el valor de k que hace vlida la funcin de densidad conjunta.

b) Calcular las funciones marginales de densidad.
c) Son variables aleatorias conjuntas estadsticamente independientes? justificar su respuesta.
Resolucin
Sea X la v.a. que representa el tiempo total desde que el alumno llega al saln.
Sea Y la v.a. que representa el tiempo que el alumno espera a que llegue la maestra para exponer.
Sea Z la v.a. que representa el tiempo de exposicin de la maestra.

k e
f XY ( x, y ) =
0
x
2
9
4
; en otro caso
;
0< y< x<
a) Se pide calcular k para que la funcin sea de densidad de probabilidad, entonces:

f XY ( x, y ) dydx = 1

9
4 x
k e
x
2
dydx = 1
0 0
9
4
2x
ye dx = 1
9
4
x
x

2x
2
2
k xe dx =
k 2 xe 4e
0
9
9
k 2 e 8 4e 8 ( 4 ) =1
4
9
4
1
=
9 98
k e 4e 8 + 4 =
1
2
17 9
k 4 e 8 =
1
2
k [1.2405] = 1
=
k
1
0.8061
1.2405
Por lo tanto la funcin est dada por:
PYE_ EF1_2014-2
0.8061 e
f XY ( x, y ) =
x
2
9
4
; en otro caso
0< y< x<
b) Las funciones de densidad marginal, se definen como:
fX ( x) =
f XY ( x, y ) dy
fY ( y ) =
f XY ( x, y ) dx
sustituyendo:
x
x
x

0.8061 e dy 0.8061
ye 2
0.8061 xe 2
f X ( x ) =
=
=
0
0
x
9
2
;
0< x<
0.8061 xe
fX ( x) =
4
0
; en otro caso
9
4
x
2
x
2
fY ( y ) =
0.8061 e
y
9
x
x
1
4
4
y
8
2
2
2
dx =
1.6122 e + 1.6122e
0.8061( 2 ) e =
1.6122 e =
12 y 98
fY ( y ) 1.6124 e
=
e
12 y 98
9
1.6122
0< y<
e ;
e
fY ( y ) =
4
0
; en otro caso
c) Para ver si son variables aleatorias conjuntas independientes, se sabe que:
f XY ( x, y ) = f X ( x ) fY ( y )
sustituyendo:
0.8062 e
x
2
x

12 y 89
2
0.8062 e 1.6122 e
e
Se concluye que no son variables aleatorias conjuntas independientes.

7.
Se sabe que los sueldos semanales de los trabajadores de una empresa estn distribuidos normalmente con una
media de $800.00. Se toma una muestra aleatoria de 25 trabajadores y se encuentra que hay una probabilidad de
0.05 de que la media muestral exceda los $866.00
a) Calcular la desviacin estndar de los sueldos semanales.
b) Determinar la probabilidad de que un sueldo semanal elegido al azar exceda los $770.00
Resolucin
a) Sea X la variable aleatoria que representa los sueldos semanales de los trabajadores.
X ~ Normal ( m X = 800 , 2 )
se tiene n=25 por el teorema del lmite central, se tiene:
2
m=
X Normal m=
800, =
X
X
X
PYE_ EF1_2014-2
X2
=
n
X2
25
P X > 866
entonces:
X
X
P
X
866 800
66
=
>
PZ >
X
X
25
0.05
=
P X > 866 =
1 P X < 866 =
1 0.95 =
0.05
de tablas de la distribucin acumulativa normal estndar, se tiene:
=
Z 0 1.65
=
X =
5 ( 66 )
X
5 ( 66 )
1.65
= 200
b) Se pide calcular la probabilidad de que un sueldo semanal, elegido aleatoriamente sea mayor, por lo que:
X ~ Normal
=
=
, X 200 )
( m X 800
X X
P ( X > 770 ) P
>
770 800
1 P ( Z < 0.15) =
P ( Z > 0.15) =
=
200
X
1 FZ ( 0.15 ) =
1 0.4404 =
0.5596
=
PYE_ EF1_2014-2

PRIMER EXAMEN FINAL
SEMESTRE 2015-1
TIPO 1
26 DE NOVIEMBRE DE 2014
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
1. Un hospital elabor el siguiente histograma de frecuencias tomando como base una muestra aleatoria de
los pesos (en kg.) de los bebs recin nacidos en ese hospital.
Con base en la informacin proporcionada en la
grfica:
10
a) Obtenga el peso promedio de la muestra.

b) La moda de la muestra.
c) La varianza de la muestra.
3
1
2.6
2.9
3.2
3.5
3.8
xi
Resolucin.
a) Peso promedio de la muestra= media=
(15 Puntos)
x
1 m
x f
n i 1 i i
(2.6)(3)+(2.9)(7)+(3.2)(10)+(3.5)(7)+(3.8)
Por lo tanto, el peso promedio de la muestra es: =

= 3.15 .
28
b) La moda es igual al valor de la marca de clase que presenta mayor frecuencia, por lo tanto la moda es igual a 3.2 kg.
c) La varianza de la muestra es igual a: 2 =
Por lo tanto, se tiene: 2 =
1 m
2
( xi x)
n 1 i 1
(2.63.15)2 +(2.93.15)2 +(3.23.15)2 +(3.53.15)2 +(3.83.15)2 +

27
= 0.098
2. Con base en varios estudios geolgicos una compaa ha clasificado, de acuerdo a la posibilidad de
descubrir petrleo, las formaciones geolgicas en tres tipos. La compaa pretende perforar un pozo en un
determinado sitio al que se le asignan las probabilidades de 0.35, 0.40 y 0.25 para los tres tipos de
formaciones respectivamente. De acuerdo con la experiencia, se sabe que el petrleo se encuentra en un
40% de formaciones del tipo I, en un 20% de formaciones del tipo II y en un 30% de formaciones del tipo
III.
a) Cul es la probabilidad de que la compaa encuentre petrleo en ese sitio?
b) Si la compaa no descubre petrleo en ese sitio, determinar la probabilidad de que exista una formacin
del tipo II.
(15 Puntos)
Resolucin.
a) Sean los eventos:
A={x|x es una formacin del tipo 1}
B={x|x es una formacin del tipo 2}
C={x|x es una formacin del tipo 3}
D={x|x es un sitio con petrleo}
PYE_ EF1_2015-1
Los datos son:
P(A)=0.35
P(B)=0.40
P(C)=0.25
P(D|A)=0.4
P(D|B)=0.2
P(D|C)=0.3
La probabilidad de encontrar petrleo, considerando los tres tipos de formaciones geolgicas es:
P(D)=P(A)P(D|A)+P(B)P(D|B)+P(C)P(D|C)=0.35(0.4)+0.4(0.2)+0.25(0.3)=0.295
b) Se declara el siguiente evento: Dc={x|x es un sitio sin petrleo}
P(Dc |A)=0.6
P(Dc |B)=0.8
P(Dc |C)=0.7
La probabilidad solicitada es entonces P(B| Dc).
Entonces se tiene:
P(B)P(D |B)
0.4(0.8)
P(B|D ) = P(A)P(D |A)+P(B)P(D |B)+P(C)P(D |C) = 0.35(0.6)+0.4(0.8)+0.25(0.7) = 0.4539
3. Sea una variable aleatoria definida por su funcin de distribucin acumulativa:

0
< 2
0.4 2 < 0.5
() = {
0.8 0.5 < 3
1
3
(a) Graficar F(x) y construir la funcin de probabilidad de esta variable.
(b) Calcular E(X).
(c) Calcular P(-2X0.5)
Resolucin.
p (2) = P (x = 2) = F (2) F (2 ) = 0.4 0 = 0.4

p (0.5) = P (x = 0.5) = F (0.5) F (0.5 ) = 0.8 0.4 = 0.4
p (3) = P (x = 3) = F (3) F (3 ) = 1 0.8 = 0.2
F(x)
a)
(10 Puntos)
1.0
0.8
0.6
En forma tabular:
0.4
x
-2 0.5 3
P(X) 0.4 0.4 0.2
0.2
-2
-1
b) E[X] = (2 0.4) + (0.5 0.4) + (3 0.2) = 0

c) P(-2X0.5)=0.4+0.4=0.8
4. Un ingeniero viaja diariamente desde su domicilio en Cd. Satlite, hasta su oficina en el centro de la Cd.
de Mxico. En promedio el viaje en un sentido le lleva 24 minutos, con una desviacin estndar de 3.8
minutos. Suponga que la distribucin de los tiempos de viaje es normal.
a) Si sale de su domicilio a las 8:35 y se sirve caf en la oficina de 8:50 a 9:00 Cul es la probabilidad
de que se pierda el caf?
b) Determine la probabilidad de que 2 de los 3 viajes siguientes tome por lo menos hora.
(15 Puntos)
Resolucin.
a) Para que se pierda el caf, debe llegar a su oficina de las 9.00 hrs. En adelante, por lo tanto de su domicilio a su trabajo
tendr que hacer ms de 25 min.
PYE_ EF1_2015-1
Z=
2524
3.8
= 0.263
P(X25)= P(Z 0.263) = 1 0.6026 = 0.3974
b) El que 2 de los 3 viajes siguientes tome por lo menos hora.

Se obtiene la probabilidad de que el viaje tome por lo menos hora:
3024
= 3.8 = 1.58
P(X30)= ( 1.58) = 1 0.9429 = 0.0571
Si A es el evento un viaje toma por lo menos hora, entonces la probabilidad los eventos que cumplen con lo que se
solicita es:
P(A Ac A U AA Ac U Ac AA) = 3P(A Ac A) = 3P(A)P(Ac)P(A)
Considerando la probabilidad de que tome ms de media hora, P(A)=0.0571, por lo tanto
P(Ac)=1- P(A) = 1- 0.0571=0.9429
3P(A)P(Ac)P(A)=3(0.0571)(0.9429)(0.0571)=0.0092
5. Suponga que el porcentaje X de alumnos y Y de alumnas que han concluido un examen de probabilidad y
estadstica se puede describir mediante la funcin densidad de probabilidad conjunta:
8xy para 0 < x < 1, 0 < y < x
f(x, y)= {
0
en otro caso
a) Obtenga la funcin marginal de X.
b) Calcule la probabilidad de que menos de 1/8 de las alumnas que participan en este examen lo hayan
terminado si se sabe que exactamente de los alumnos lo hicieron.
c) Determine el coeficiente de correlacin e interprtelo. Considerando
4
2
() = , () = , () = 4(1 2 )
(15 Puntos)
5
75
Resolucin.
a) f( x ) =0 8 = 4 3 por lo tanto: f( x ) = 4 3 , 0 < < 1

b) Primero se debe obtener la funcin de probabilidad condicional de Y dado X:
f(Y|X) (y|x) =
1
2
Sustituyendo en 2y/x 2 el valor de x=
fX,Y (x,y)
fX (x)
8xy
4x3
2y
x2
para 0<y<x
se obtiene f(Y|X) (y|x) = 8y

P(y <
1/8
1
1
1
|x = ) = 8ydy =
8
2
16
0
c) COV(XY)= E(XY) E(X)E(Y)

1
E(XY) = 0 y xy 8xydxdy =
9
4
E(X) = 0 x4x 3 dx =
4
5
E(Y) = 0 y[4y(1 y 2 )]dy =
8
15
Por lo tanto: COV(XY)= 9 5 (15) = 225

1
Var(Y) = y
2 (4y(1
XY =
Cov(XY)
Var(X)Var(Y)
8 2
11
y ))dy ( ) =
15
225
2
= 0.4923
PYE_ EF1_2015-1
6. El promedio de las personas que ingresan a una librera y compran, es del el 25%. El comportamiento de
las compras obedece a una distribucin binomial. Si en un da entraron 80 clientes, calcule la
probabilidad de que se hagan al menos 28 compras.
(15 Puntos)
Resolucin.
Si se tiene que las compras se distribuyen de manera binomial, se tiene:
p=xito=el cliente compra=0.25;
q=fracaso=el cliente no compra=0.75, entonces la media y desviacin estndar
sern:
= = 80(0.25) = 20
y
= = 80(0.25)(0.75) = 3.87
Entonces la probabilidad pedida es ( 28).
28 20
= 2.07
3.87
Utilizando tablas de la distribucin normal estndar se determina la probabilidad.

( 28) = ( 2.07) = 1 0.9808 = 0.0192
7. Los resultados de las estaturas (en centmetros) y pesos (en kilogramos), de 10 jugadores de baloncesto
de un equipo, van de 186 a 205 cm y de 85 a 103 kg respectivamente.
Los resultados de las sumas de los datos obtenidos, se muestran a continuacin:
Sumas:
Estaturas
1950
(Estaturas)2
380618
Pesos
921
(Pesos)2
85255
(Estaturas)(Pesos)
179971
A partir de los datos anteriores se estim la siguiente recta de regresin lineal la cual relaciona el peso de
un jugador en funcin de su estatura:
y 107.14 1.022 x
Se desea saber si realmente la relacin que existe entre el peso y la estatura de los jugadores es
aproximadamente lineal. Con base en la informacin proporcionada, diga si existe o no relacin lineal
entre el peso y la estatura de un jugador y justifique su respuesta.
(15 Puntos)
Resolucin:
La relacin que existe entre el peso de una persona y su estatura se considera lineal, si el coeficiente de correlacin del
modelo de regresin lineal obtenido, es cercano igual a uno, por lo tanto, se debe calcular este coeficiente y observar su
valor para saber si el peso y la estatura de un jugador se relacionan de forma lineal.
r
SS xx SS yy
donde:
SS xy
= ni=1 xi yi
n
i=1 xi
n
i=1 xi
10
= 179971
SS xx = n x 2
i=1 i
2
(n
i=1 xi )
10
= 380618
SS yy
2
(n
i=1 yi )
10
= 85255
= ni=1 yi 2
SS xy
Sustituyendo en r, se tiene:
(1950)(921)
10
(1950)2
10
(921)2
10
= 376
= 368
= 430.9
SS xy
SS xx SS yy
376
0.944
(368)(430.9)
Como el valor de r es cercano a 1, entonces se puede decir que si existe relacin lineal positiva entre el peso de los
jugadores y su estatura, es decir, a mayor estatura, el valor del peso del jugador, ser tambin mayor.
PYE_ EF1_2015-1

SEMESTRE 2015-1
TIPO 1
NOMBRE__________________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
1. La tabla registra las estaturas en pulgadas de una muestra de 140 alumnos de nuevo ingreso, de gnero
masculino, en una universidad del centro del pas.
Intervalo de Clase
Estatura(pulgadas)
59.5-62.4
62.5-65.4
65.5-68.4
68.5-71.4
71.5-74.4
Frecuencia
(f)
3
12
24
46
55
a) Determine la estatura media y la estatura mediana de los estudiantes.

b) Grafique la ojiva de frecuencia relativa acumulada.
c) Calcule la desviacin estndar.
(15 Puntos)
Resolucin.
Ajustando los intervalos de la tabla de frecuencias se tiene:
Intervalo de Clase
Estatura(pulgadas)
59.5-62.4
62.5-65.4
65.5-68.4
68.5-71.4
71.5-74.4
Intervalo Ajustado
59.45-62.45
62.45-65.45
65.45-68.45
68.45-71.45
71.45-74.45
Total
Frecuencia
(f)
3
12
24
46
55
140
Marca de
clase (m)
60.95
63.95
66.95
69.95
72.95
Frecuencia
relativa
0.0214
0.0857
0.1714
0.3286
0.3929
Frecuencia
relativa
acumulada
0.0214
0.1071
0.2786
0.6071
1
a) La media para datos agrupados es:

k
1
1
[3(60.95)+12(63.95)+24(66.95)+46 (69.95)+55(72.95)]=69.91 pulgadas
x = f k mk =
n k =1
140
La mediana:
( )
( )
n
140
T
39
2
2
x = Lm+
=68.45+
(3)=70.47 pulgadas
fm
46
b) Ojiva de frecuencia relativa acumulada:
1
15
0.9
0.8
0.7
10
Columna 1
Columna 2
Columna 3
0.6
0.5
0.4
0.3
0.2
0.1
0
62.45
Fila 1
Fila 2
65.45
Fila68.45
3
Fila 4
71.45
74.45
Ojiva de frecuencia relativa acumulada
PYE_ EF2_2015-1
c)
S =
j=1
1
f j m f j mj
n j =1
n1
2
j
1
2
[3(60.95)+12(63.95)+24 (66.95)+46( 69.95)+55( 72.95)]
140
139
[3(60.95) +12(63.95) +24(66.95) + 46(69.95) +55( 72.95) ]

S 2=
S 2=9.9696
S= 9.9693=3.1574
2. En una tienda especializada en partes de robots, se ha observado que en el 7% de los sensores de luz salen
defectuosos. Si un profesor de robtica entra a la tienda para comprar tres de estos sensores para sus alumnos.
a) Calcule la probabilidad de que uno de los sensores elegidos sea defectuoso.
b) Cul es la probabilidad de que a lo ms dos sensores sean defectuosos?
(10 Puntos)
Resolucin.
Sean los eventos: A={x|x es un sensor defectuoso} y B={x|x es un sensor no defectuoso}
a) La probabilidad de que uno de los sensores elegidos sea defectuoso es:
P(BBA U BAB U ABB)=3P( BBA)=3P(B)P(B)P(A)
donde P(A)=0.07 y
P(B)=0.93,
entonces la probabilidad pedida es 3(0.93)(0.93)(0.07)=0.1816
b) La probabilidad de que a lo ms dos sensores sean defectuosos es:

P(BBB U BBA U BAB U BAA U ABB U ABA U AAB) =1-P(AAA)=1-P(A)P(A)P(A)
=1-(0.07)(0.07)(0.07)
=0.9996
3. Sea Y una variable aleatoria con funcin de densidad dada por:
0.2
1 y0
f Y ( y)= 0.2+ky 0< y1
0 en otro caso
a) Determinar el valor de k.
b) Calcular P (Y > 0.5|Y > 0.1)
(15 Puntos)
Resolucin.
0
0.2 dy+( 0.2+ky) dy =1

a)
k
0.2+0.2+ =1
2
k =1.2
(0.2+1.2y)dy
b)
P (Y >0.5) 0.5
P (Y >0.5Y >0.1)=
=
P (Y >0.1) 1
(0.2+1.2y)dy
0.55
=0.71
0.774
0.1
4. Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribucin exponencial con
media de 16 aos.
a) Cul es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba
reimplantar otro antes de 20 aos?
b) Si el marcapasos lleva funcionando correctamente 5 aos en un paciente, cul es la probabilidad de que
haya que cambiarlo antes de 25 aos?
PYE_ EF2_2015-1
(15 Puntos)
Resolucin.
Sea T la variable aleatoria que mide la duracin del marcapasos en una persona.
T Exp =
20
a)
P (T <20)=
0
1
f (t)= e t
16
20
1 t
f (t) dt= e 16 dt=0.7135
0 16
25
b)
t0
P (5<T <25)=
5
25
1 t
f (t)dt= e 16 dt=0.522
5 16
5, Sea el precio que el transportista inicial paga por un barril de petrleo crudo, y , el que paga la refinera que
compra ese petrleo. La densidad conjunta de est dada por:
f
a) Calcular
X ,Y
E ( X ) , E (Y ) y E ( XY ).
( x , y)=
1
200
20<x< y <40
Cov( X , Y )
b) Calcular
(15 Puntos)
Resolucin.
a)
40
Las funciones marginales para X y para Y son:
f x ( x)=
1
1
dy=
( 40 x)
200
200
f y ( y)=
1
1
dx =
( y20)
200
200
x
y
20
40
E ( X )=
Los valores esperados son:
1
80
x (40 x) dx= =26.6667
200 20
3
40
E (Y )=
1
100
y ( y20)dy=
=33.3334
200 20
3
40 40
E ( XY )=
20 x
b)
Cov( X ,Y )= E (XY )E ( X ) E(Y )=900(
xy
dy dx=900
200
80 100
)(
)=11.1111
3
3
6. El tiempo que tarda un solicitante seleccionado al azar, en llenar cierta forma para una hipoteca, tiene una
distribucin normal con valor promedio de 10 minutos y desviacin estndar de dos minutos. Si en un da
determinado cinco individuos llenan una forma, y al siguiente da son seis los que llenan la forma, cul es la
probabilidad de que la cantidad de tiempo promedio de la muestra de cada da sea a los sumo 11 minutos?
(15 Puntos)
Resolucin.
Sea X el tiempo que tarda una persona en llenar una solicitud.
X N ( X =10 , 2X =22 )
Para el da 1, n=5
PYE_ EF2_2015-1
11)= P Z
P(X
1110
=P (Z 1.12)=0.8686
2
5
Para el da 2, n=6
11)= P Z 1110 =P (Z 1.22)=0.8888

P(X
2
6
P
(
X
11)=(0.8686)(0.8888)=0.7720
Para ambos das,
7. El presidente de una agencia de autos supone que el tiempo que un vendedor pasa con un cliente (minutos)
debe tener una relacin positiva con el monto de lo que ste ltimo compra. Para corroborar si esta relacin
existe, reunieron los datos de nueve vendedores, y las sumas de estos datos son:
Minutos Montos (Minutos)2 (Montos)2 (Minutos)(Montos)
874
3565
91330
2147175
358852
a) A partir de los datos anteriores, estime la recta de regresin que permite estimar el monto de las compras en
funcin de los minutos invertidos por el vendedor.
b)Existe una relacin lineal entre el monto de compras y el tiempo invertido por el vendedor? Justifique su
respuesta.
(15 Puntos)
Resolucin.
a) En funcin de la pregunta se determina que el tiempo invertido por el vendedor es x y el monto de compras
es y.
Utilizando las siguientes expresiones y sustituyendo se tiene:
a=
( y)( x 2 )( x )( xy ) (3565)(91330)(874)(358852)
=
=205.78
2
9(91330)(874) 2
n x 2( x )
b=
n xy ( x)( y ) 9(358852)(874)(3565)
=
=1.96
2
9(91330)(874)2
n x 2( x)
por lo que el modelo de regresin lineal queda:
y=a+bx=205.78+1.96x
b) Para determinar la relacin entre las variables, se calcula el coeficiente de correlacin r.

n
S xx = x
2
i
i=1
i =1
Donde
S yy = y 2i
i=1
=2147175
n
n
i=1
(3565)
=735038.889
9
xi yi
S xy= x i y i i=1
r=
(874)2
=91330
=6454.88
9
( y i)
i=1
Entonces:
( x i)
i=1
=358852
(874)(3565)
=12650.889
9
S xy
12650.889
=
=0.1836
S xx S yy (6454.889)(735038.889)
PYE_ EF2_2015-1

SOLUCIN PRIMER EXAMEN FINAL
SEMESTRE 2015 -2
TIPO A
28 DE MAYO DE 2015
NOMBRE______________________________________________________________________________________
Apellido paterno
Apellido materno
Nombre (s)
Firma
1. Una muestra del tiempo en minutos que les tom a 50 autos en recorrer desde Ecatepec hasta el Zcalo de la Ciudad de Mxico
en un da sbado por la tarde fue agrupada en la siguiente tabla de distribucin de frecuencias:
a) Complete la tabla.
Fronteras
72.5 - 77.5
77.5 82.5
82.5 87.5
87.5 -92.5
92.5 97.5
97.5 102.5
102.5 107.5
107.5 112.5
112.5 - 117.5
Marca de clase Frecuencia Frecuencia relativa

75
80
85
90
95
100
1
2
6
7
7
14
0.02
0.04
0.12
0.14
0.14
0.28
105
0.16
110
115
4
1
0.08
0.02
b) Determine el valor del coeficiente de variacin de los datos muestreados.

=
s = 2
=
2 =
49
1
1
[75(1) + 80(2) + 85(6) + 90(7) + 95(7) + 100(14) + 105(8) + 110(4) + 115(1)]
=
50
4835
1
50
= 96.7
=1( )
[(75 96.7)2 (1) + (80 96.7)2 (2) + (85 96.7)2 (6) + (90 96.7)2 (7) + (95 96.7)2 (7) + (100 96.7)2 (14) +
(105 96.7)2 (8) + (110 96.7)2 (4) + (115 96.7)2 (1)]
49
(3930.5) =
1123
14
= .
= 2 = 80.214 = .
8.956
96.7
PYE_SOL_1EFA_2015-2
2. La PROFECO realiz un estudio sobre la duracin de diversas marcas de tabletas electrnicas. Dicho estudio se centr en aquellas
tabletas que tuvieron una duracin menor a un ao. Suponga que los resultados obtenidos fueron los que a continuacin se
mencionan: -el 60% de las tabletas estudiadas fueron de la marca Pad@.
- el 50% de las tabletas estudiadas duraron menos de cuatro meses
- el 30% de las tabletas estudiadas presentaron ambas caractersticas siguientes: duraron ms de cuatro meses y no
fueron de la marca Pad@.
Diga cul es la probabilidad de que:
a) una tableta Pad@ dure menos de cuatro meses.
DATOS:
Evento A: la tableta es marca Pad@ P(A)= 0.6
Evento B: la tableta dura menos de 4 meses P(B)= 0.5
( ) = 0.3
Piden calcular ( |) =
()
,
()
( ) = () + () ( )
( ) = 1 ( ) = 1 0.3 = 0.7
( ) = 0.6 +0.5 0.7 = 0.4
Finalmente: ( |) =
()
()
0.4
0.6
2
3
= .
b) una tableta dure cuando mucho cuatro meses sea de la marca Pad@.
Piden: P(BUA)= P(B)+P(A)- P(BA) = 0.5+0.6 - 0.4 = 0.7
3. Sea X el nmero de caras que pueden obtenerse cuando se lanza una moneda 4 veces. Si su media es 2 y su distribucin de
probabilidad es la siguiente:
x
f(x)
0
1/16
1
4/16
2
K
3
4/16
4
1/16
a) Encuentre el valor de K y mencione qu es lo que indica dicho valor.

1
4
4
1
=1 + + + =
, El valor de K es la probabilidad de que al lanzar 4 veces una moneda, se
16
16
16
16
obtengan solo 2 caras.
b) Encuentre el valor de la desviacin estndar, tomando en cuenta que el valor esperado de X es 2.

Desviacin estndar= = 2
2
2 = [( )2 ] = E(X ) [E(X)]
2
E(X )= 2 () = 0) + (1 + (2) + (3) + (4) =
2 = 5 22 = 1 ,
16
16
16
16
16
Y finalmente = 2 = 1
4. En el mdulo de atencin a clientes de cierto banco llegan en promedio 10 clientes por hora, si el horario de servicio es de 9:00 a
15:00 hrs:
a) Cul es la probabilidad de que en la ltima hora de servicio de un da cualquiera se reciban menos de tres clientes en el
mdulo?
Sea X: el nmero de clientes que llegan al mdulo en una hora.
Tipo de variable aleatoria: DISCRETA
Tipo de distribucin: POISSON , parmetros =10,
Se pide ( < 3) = ( 2) = 2=0
= .
b) Cuntos clientes se espera que lleguen a dicho mdulo durante un da cualquiera?

Sea X: el nmero de clientes que llegan al mdulo en un da.
Tipo de variable aleatoria: DISCRETA
Tipo de distribucin: POISSON , parmetros =60,
El nmero de clientes que se espera que lleguen a dicho mdulo durante un da cualquiera es E(X)= = 60
5. Sea la funcin de probabilidad conjunta:
PYE_SOL_1EFA_2015-2
(1 + 3 2 )
0<<2 , 0<<1
;
(, ) =
4
0
;
Se sabe empricamente que las variables aleatorias y son estadsticamente independientes. Diga si esta afirmacin es cierta y
justifique su respuesta.
Las v.a. son estadsticamente independientes si: () () = (, ) , en este caso se tiene:
1 (1+3 2 )
() = 0
2 (1+3 2 )
() = 0
(). () = +
2
3 2
2
1+3 2
4
= (, ) , e.q.d. que X y Y son estadsticamente independientes.
6. Se supone que la estatura de los chicos de 18 aos de cierta poblacin sigue una distribucin normal con media 162 cm y
desviacin estndar de 12 cm. Se toma una muestra al azar de 100 de estos chicos encuestados y se calcula el valor de su estatura
media, Cul es la probabilidad de que dicho valor est entre 159 y 165 cm?
Sea X la variable aleatoria que representa la estatura de los chicos.
X~Normal (x= 162, 2x= (12)2)
Sea : la estatura promedio de los 100 chicos encuestados.
(12)2
~Normal ( = 162, 2 =
)
100
La probabilidad de que la estatura media de los 100 chicos est entre 159 y 165 cm es: (159 165)
(159 165) =
159 162
165 162
= (2.5 2.5) = .
12
12
10
10
7. Las notas obtenidas por cinco alumnos en Matemticas y Qumica son:

Qumica
Matemticas
6.5
6
4.5
4
7
8
5
5
4
3.5
a) Determine el modelo de regresin lineal que permita estimar la nota de un alumno en Qumica a partir de la nota
que obtenga en Matemticas.
x= nota matemticas, = 26.5, 2 = 153.25, ( )2 = 702.25, = 5.3
y=nota qumica, = 27 , 2 = 152.5, ( )2 = 729, = 5.4
n=5, = 152
(26.5)(27)
( )2
(26.5)2

1 =
, = = 152
= 8.9 , = 2
= 153.25
= 12.8
8.9
=
= .
12.8
= 1 = 5.4 (0.6953)(5.3) = .
= . + .
El modelo de regresin lineal solicitado es:
b) Indique la nota esperada en Qumica para un alumno que obtenga 7.5 en Matemticas.
La nota esperada en Qumica es: 1.714 + 0.695(. ) .
PYE_SOL_1EFA_2015-2

SEMESTRE 2015 -2
SOLUCIN SEGUNDO EXAMEN FINAL

TIPO A
4 DE JUNIO DE 2015
1. Una ginecloga est haciendo un estudio de las semanas de gestacin de un feto hasta su nacimiento, para ello toma
en cierta semana una muestra de 70 datos del hospital en donde trabaja. La informacin obtenida se agrup en la
siguiente tabla:
Fronteras
Marca de
clase
Frecuencia
34.9 - 35.9
35.9 - 36.9
36.9 -37.9
37.9 -38.9
38.9-39.9
39.9-40.9
40.9-41.9
41.9-42.9
42.9-43.9
35.4
36.4
37.4
38.4
39.4
40.4
41.4
42.4
43.4
12
13
10
Con dicha informacin obtenga:

a) El valor de la mediana.
Se tiene: n= 70, = 35
2
35, el cual se obtiene interpolando los
siguientes datos:
Frontera de clase superior
38.9
x
39.9
Al realizar la interpolacin se obtiene:

b) El valor promedio de los datos =
1
=
=
=
70
13
Frecuencia acumulada
31
35
44
+ 38.9 = 39.2
[35.4(4) + 36.4(6) + 37.4(9) + 38.4(12) + 39.4(13) + 40.4(10) + 41.4(8) + 42.4(5) + 43.4(3)]
2747
= .
70
2. Una empresa de manufactura emplea tres planos analticos para el diseo y desarrollo de un producto especfico. Por
razones de costo, los tres se emplean en momentos diferentes. De hecho, los planos 1, 2, y 3 se utilizan para 30%, 20% y
50% de los productos, respectivamente. La tasa de defectos difiere en los tres procedimientos de la siguiente manera:
(/1 ) = 0.01
(/2 ) = 0.03
(/3 ) = 0.02
En donde / es la probabilidad de que un producto est defectuoso, dado el plano j.

Si se toma un producto al azar y dicho producto est defectuoso, cul de los 3 planos tiene ms probabilidades de
haberse utilizado?
DATOS: Evento D: el producto est defectuoso

Evento Pj: se emplea el plano analtico i P(P1)= 0.3, P(P2)= 0.2, P(P3)= 0.5
Se sabe que: (/1 ) = 0.01
;
(/2 ) = 0.03
;
(/3 ) = 0.02
PYE_SOL_2EFA_2015-2
Para saber cul de los tres planos tiene ms probabilidad de haberse utilizado dado que el producto est
defectuoso se debe obtener:
(1 /) , (2 /)
y (3 /)
(1 /) =
(1 )
(2 /) =
()
(2 )
()
(3 /) =
() = (/1 )(1 ) + (/2 )(2 ) + (/3 )(3 )

= (0.01)(0.3) + (0.03)(0.2) + (0.02)(0.5) = .
(3 )
()
(1 ) = (/1 )(1 ) = (0.01)(0.3) = .

(2 ) = (/2 )(2 ) = (0.03)(0.2) = .
(3 ) = (/3 )(3 ) = (0.02)(0.5) = .
Por lo tanto:
(1 /) =
(2 /) =
(3 /) =
(1 )
()
(2 )
()
(3 )
()
=
=
0.003
0.019
0.006
0.019
0.010
0.019
=
=
19
6
19
10
19
0.157
0.315
0.526
El plano que tiene ms probabilidad de haberse usado es el plano 3.
3. Usando datos de PROFECO, un grupo de estudiantes de la FI encontr qu el modelo que describe el tiempo de vida
(en aos) de las tabletas Pad@ tiene la siguiente funcin de densidad de probabilidad.
() =
3 3
0
, >0
,
a) Calcular la mediana de la duracin de las tabletas Pad@.

La mediana es el valor de la v.a. X para el cual se tiene una probabilidad acumulada de 0.5, por lo tanto se
tiene:
( ) = 0.5 () = 0.5
En este caso: ( ) = 0 (3 3 ) = ( 3 )|0 = 3 + 0 = 3 + 1
Por lo que: ( ) = 0.5
1 3 = 0.5
Y al despejar , se obtiene la mediana de la duracin de las tabletas:
( ln 0.5)
3
. .
b) Encuentre la probabilidad de que cualquiera de estas tabletas dure menos de tres meses.
Probabilidad de que cualquiera de estas tabletas dure menos de tres meses = ( 0.25)
0.25
( 0.25) = 0 (3 3 ) = ( 3 )|0.25
= 3(0.25) + 0 = (0.472) + 1 = .
0
PYE_SOL_2EFA_2015-2
4 En una fbrica se produjeron 2000 refrigeradores, se sabe que el 5% de ellos tienen pequeos defectos en el compresor. Si
se hace una entrega de 10 refrigeradores, cul es la probabilidad de que solo 3 de ellos tengan pequeos defectos en el
compresor?
Como N=2000 es grande respecto a la muestra n=10, es posible aproximar la probabilidad deseada usando la
distribucin binomial. Se tiene:
X = nmero de refrigeradores con pequeos defectos en el compresor

X~ BINOMIAL (n=10, p=0.05)
Por lo tanto, la probabilidad de que solo 3 de los refrigeradores entregados tengan pequeos defectos en el
compresor es: ( = 3) = = 10
(0.05)3 (0.95)7 .
3
Si se emplea la distribucin HIPERGEOMTRICA , se tienen los parmetros: N = 2000, n=10 , r =100
Y la probabilidad solicitada es: ( = 3) =
1900
100
3 7
2000
10
0.0102
5. Dentro de un edificio gubernamental se encuentran ubicadas dos oficinas (A y B). En cada una de ellas puede haber
hasta 2 licenciados encargados de realizar el trmite solicitado por el ciudadano que acude a dicha oficina. Sea X el
nmero de licenciados disponibles en la oficina A y sea Y el nmero de licenciados disponibles en la oficina B en un
momento dado.
La funcin de probabilidad conjunta de X y Y es la siguiente:
f(x,y)
x
0
1
2
0
0.10
0.08
0.06
y
1
0.04
0.20
0.14
2
0.02
0.06
0.30
a) Obtenga la probabilidad de que en ambas oficinas no haya solo un licenciado disponible, (ni en A, ni en B debe haber
solo 1 licenciado disponible).
Probabilidad de que no haya: solo un licenciado disponible en la oficina A, ni en la oficina B = ( 1, 1)

( 1, 1) = (0,0) + (0,2) + (2,0) + f (2,2)
= 0.10 +0.02 + 0.06 + 0.30
( 1, 1) = .
b) Obtenga la probabilidad de que en ambas oficinas haya por lo menos un licenciado disponible.
Probabilidad de que en ambas oficinas haya por lo menos un licenciado disponible= ( 1, 1)
( 1, 1) = (1,1) + (1,2) + (2,1) + f (2,2)
= 0.20 + 0.06 +0.14 + 0.3
( 1, 1) = .
c) Si se sabe que en la oficina B no hay licenciados disponibles, cul es la probabilidad de que en la oficina A haya dos
licenciados disponibles?
Se pide obtener : ( = 2 | = 0) =
(2,0)
(0)
0.06
0.24
= 0.25
6. Sea la poblacin formada por los elementos {5,7,8,10}. Para dicha poblacin, obtenga la distribucin muestral de la
media de las muestras de tamao 2, sin reemplazo e ignorando el orden de los elementos.
Sea la variable aleatoria = valor promedio de las muestras de tamao 2, sin reemplazo e ignorando el orden de los
elementos.
El nmero de distintas muestras que pueden obtenerse de la poblacin dada es: 4C2 = 6
Los elementos que conforman cada una de las distintas muestras, as como el valor promedio de cada una de ellas se
muestran a continuacin:
PYE_SOL_2EFA_2015-2
Nde muestra
Elementos de la muestra
Valor promedio de la muestra
Muestra 1
(5,7)
6
Muestra 2
(5,8)
6.5
Muestra 3
(5,10)
7.5
Muestra 4
(7,8)
7.5
Muestra 5
(7,10)
8.5
Muestra 6
(8,10)
9
: 6, 6.5, 7.5, 8.5, 9
Al obtener la probabilidad de que tome cada uno de los valores anteriores, se obtiene la distribucin muestral de la
media de las muestras, la cual es la siguiente:
()
6
1/6
Matemticas
Qumica
6
6.5
6.5
1/6
7.5
2/6
8.5
1/6
9
1/6
5
5
4
3.5
7. Las notas obtenidas por cinco alumnos en Matemticas y Qumica fueron:

4
4.5
8
7
Con los datos anteriores se construy el siguiente modelo de regresin lineal:

= 1.072 0.283
Dicho modelo permite estimar la nota que un alumno obtendr en Matemticas con base en la nota obtenida en
Qumica.
a) Verifique que el modelo dado sea correcto.
Acorde al enunciado: x= nota en qumica, y= nota en matemticas.
+
que permita
=
A travs del mtodo de mnimos cuadrados se obtiene el modelo de regresin lineal simple
estimar la nota que un alumno obtendr en Matemticas con base en la nota obtenida en Qumica.
Se tiene:
= 26.5 ,
= 27 ,
= 1 ,
2 = 148.75 ,
2
= 157 ,
= ( 2 )
( )2
( )2 = 702.25 ,
2
( ) = 729
= 152
(26.5)(27)
= 148.75
(26.5)2
5
= 8.9
= 5.3
= 5.4
n=5,
= 152
= 8.3
8.9
=
= .
8.3
= 1 = 5.4 (1.072)(5.3) = .
= . . , por lo tanto el modelo dado es

Finalmente, el modelo de regresin lineal que se obtiene es:
correcto.
b) Indique la nota esperada en Matemticas para un alumno que obtuvo 5.5 en Qumica.
= . (. ) . = .
Empleando el modelo de regresin dado, para x= 5.5 , se tiene:
Por lo tanto, la nota que se espera que el alumno obtenga en Matemticas es 5.6
PYE_SOL_2EFA_2015-2

ProbEstadística Examen Solución

Cargado por

Información del documento

Título original

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

ProbEstadística Examen Solución

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERA

DIVISIN DE CIENCIAS BSICAS

Usando las frecuencias relativas, se tiene:

La variancia est dada por:

Para la siguiente tabla de datos agrupados:

sustituyendo la informacin de la tabla:

sustituyendo los valores dados de la tabla:

La desviacin estndar es la raz cuadrada de la variancia, entonces:

Por lo tanto, al sustituir de la tabla:

El coeficiente de variacin est definido como:

sustituyendo los valores obtenidos:

En cierta fbrica las mquinas A, B y C producen el mismo tipo de tornillo. El

sustituyendo, en cada caso:

Del Teorema de Probabilidad Total:

cada evento simple tiene una probabilidad de

La distribucin de probabilidad queda como:

el numerador se escribe como:

La dieta de los atletas requiere cuando mucho el consumo de tres vitaminas y

Para determinar la media y la desviacin estndar:

Para calcular las probabilidades pedidas en este inciso, se puede usar

Para calcular la desviacin estndar se tiene que determinar la

Por ltimo, se quiere hallar:

sustituyendo los valores:

En forma compacta la variancia est dada por:

Se obtiene el segundo momento con respecto del origen:

La variancia queda como:

entonces la desviacin estndar en ambos casos es:

Indicar el tipo de distribucin que representa cada uno de los siguientes

Considerar la siguiente funcin de densidad conjunta:

La regin para calcular la probabilidad pedida es:

La regin para calcular la probabilidad es:

La covariancia est dada por:

es funcin de densidad, se calculan

los valores esperados con la definicin:

costos de afinacin es:

sustituyendo para obtener la covariancia:

Se quiere hallar la media y la desviacin estndar de la media

de probabilidad dada por:

La variancia en trminos de momentos con respecto al origen est

Otra forma para calcular la variancia, es como segundo momento con

entonces los promedios de los costos de afinacin son:

La distribucin de probabilidad muestral de los promedios de los

sustituyendo los valores de la funcin de probabilidad muestral y la

Entonces la desviacin estndar, que es la raz cuadrada de la

La probabilidad pedida es:

Distribucin de Frecuencia Relativa

La siguiente informacin agrupada representa el nmero de puntos anotados por

Cul es la probabilidad de que un tcnico que cometi un error haya

La moda es la marca de clase del intervalo con mayor frecuencia:

Se pide la probabilidad total para

Se quiere la probabilidad de que dado que un tcnico ya cometi un

La desviacin estndar es la raz de la variancia:

Un constructor planea la adquisicin de equipos de construccin (tractores),

menos una llamada?

Se pide exactamente uno:

Se piden exactamente tres:

Se desea obtener al menos uno, inclusive:

La distribucin de probabilidad queda en forma analtica como:

El nmero esperado de llamadas en las que las lneas estn ocupadas,

Se espera tener cuatro lneas ocupadas.

Las lneas telefnicas del sistema de reservaciones de una aerolnea estn

Considerar la siguiente funcin de densidad conjunta:

y la otra funcin marginal es: