Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD Y ESTADSTICA
SEGUNDO EXAMEN FINAL
SOLUCIN
b)
Semestre: 2007-2
1.-
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:
por lo que:
O bien, para:
Probabilidad y Estadstica 2
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
si
c)
, sustituyendo:
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
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:
Probabilidad y Estadstica 3
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
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:
a)
b)
3.-
Probabilidad y Estadstica 4
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
c)
sustituyendo:
c3)
sustituyendo:
4.-
Probabilidad y Estadstica 5
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.-
entonces:
b)
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)
c)
Probabilidad y Estadstica 6
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
sustituyendo la funcin y los valores esperados correspondientes:
b)
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
sustituyendo valores:
Pesos
Para la desviacin estndar se requiere el segundo momento con
respecto del origen, por lo que:
sustituyendo valores:
360
420
El espacio muestral para el promedio de los costos del servicio de afinacin, es:
a)
Probabilidad y Estadstica 7
S))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
FACULTAD DE INGENIERA
DIVISIN DE CIENCIAS BSICAS
COORDINACIN DE CIENCIAS APLICADAS
DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA
Frecuencia Relativa fi*
PROBABILIDAD Y ESTADSTICA
Primer Examen Final
Solucin
Semestre: 2007-2
1.-
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
Probabilidad y Estadstica 2
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
32 - 38
34
b)
35
39 - 45
16
42
46 - 52
49
364
sustituyendo:
15 Puntos
Resolucin
Sea el evento que representa que un tcnico contratado haya sido enviado a
tomar un curso bsico de capacitacin.
Sea el evento que representa que un tcnico contratado haya sido enviado a
tomar un curso normal de capacitacin.
Sea el evento que representa que un tcnico contratado haya sido enviado a
tomar un curso avanzado de capacitacin.
Sea el evento que representa que un tcnico cometa un error.
Del enunciado:
a)
sustituyendo:
c)
La variancia es:
sustituyendo se tiene:
b)
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?
Probabilidad y Estadstica 3
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)
15 Puntos
Resolucin
Sea la variable aleatoria que representa el nmero de lneas telefnicas que
no estn ocupadas.
Sea
la variable aleatoria que representa el nmero de tractores
operando despus de seis meses.
a)
b)
sustituyendo:
c)
4.-
0.125
0.375
0.375
0.125
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:
Probabilidad y Estadstica 4
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
para este caso, sustituyendo:
sustituyendo:
resolviendo la integral:
por lo tanto
Sustituyendo el valor de
en la funcin:
sustituyendo:
a)
La grfica es:
c)
se quiere determinar
Probabilidad y Estadstica 5
S)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))
De tablas de la distribucin normal estndar:
L a
p a r a
por lo que:
La
para
acumaulada
e s
d e
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
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
Marcas 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
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
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
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.
f X (t )dt
f X (t )dt =
3
(7 t ) 2 dt
8
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 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.
5 -0.4y
5 -0.2y
2 e (1+0.2y) - 2 e (1+0.4y)
y
fY (y)= y
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
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 ,
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
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:
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
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
SS xy =
i =1
i =1
i =1
sustituyendo :
1 =
SS xy
SS xx
393
= 0.084
4694.222
1
x=
n
xi =
1
(1076 ) =119.556
9
yi =
1
( 216 ) = 24
9
i =1
1
y=
n
i =1
sustituyendo:
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:
( X ,Y ) =
Cov
SS xy
n
393
= 43.667
9
r=
SS xy
SS xx SS yy
calculando:
SS yy =
y2
i =1
yi
2
i =1
= 5228 ( 216 ) = 44
9
n
n
r=
393
( 4694.222 )( 44 )
= 0.865
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.
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 .
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:
Q Geomtrica ( p = 0.9544 )
Se quiere calcular:
c)
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.
0 .4
0 .6
fY ( y)
0 .2
X eY :
0 .3
2
0 .4
3
0 .1
f XY ( x , y ) = f X ( x) fY ( y )
a)
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 )
E( X Y ) =
xy f
y
XY
(x , y )
sustituyendo:
E( X ) =
E (Y ) =
sustituyendo en la covariancia:
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 ) =
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
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
TIPO 1
DICIEMBRE 3 DE 2008
NOMBRE______________________________________________________________________
1.
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
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
Fi*
0.3
0.5
0.65
m=
0.65 0.3
0.35
=
= 0.015
144.65 120.95 23.7
y = 0.5 , sustituyendo:
EF1 PyE_091
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
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
1
[31555.744 + + 15383.441]
59
1
sn21 = [128477.226] = 2177.580
59
sn21 =
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
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
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)
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:
se tiene:
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.
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
x 130
P ( X < x ) PZ <
= P ( Z < z0 ) = 0.10
4
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.
Z = X 2 +Y2 .
f X ( x) =
f XY ( x, y ) dy
fY ( y ) =
f XY ( x, y ) dx
sustituyendo se tiene:
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.
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
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
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 Normal ( X , X2 = 0.001)
i=1,2,...,10
se pide calcular:
P (S
2
n 1
> 0.0025 )
S2n 1 ( n 1)
P
>
2
( 0.0025)( 9 ) = P
0.001
( ( )
2
9
m=
0.01
y
0.005
0.01 0.005
0.005
=
= 0.0026
21.666 23.589 1.923
EF1 PyE_091
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:
EF1 PyE_091
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]
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
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
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
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
A1 , A2 y A3 .
EF2 PyE_091
(
) (
) (
)
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 = 1- P ( D ) = 1- 0.08 = 0.92
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
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
-
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
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 ) = 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.
X ~ Binomial ( n , p )
sustituyendo:
2.5
X ~ Binomial n = 100000 , p =
100000
o bien
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
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
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
0!
3
Por lo tanto seran a lo ms tres casos para tener la probabilidad pedida.
EF2 PyE_091
5.
Supngase que
= 1, 12 = 2 ) ,
= 3, 22 = 1) ,
variancia de
T = 2Y1 + Y2 3Y3 .
15 Puntos
Resolucin
Para obtener la media de la variable aleatoria
sustituyendo:
E (T ) = 2 (1) + 3 3 ( 0 ) = 5
Var (T ) = Var 2Y + Y 3Y
1 2
3
( )
( )
( )
( ) ( )( )
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.
Yi ; i = 1, 2, ... , 64 la muestra aleatoria tomada de una poblacin normal, por el teorema del
i=1,2,...,64
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
3.5 3.2
P Y > 3.5 P Z >
= P ( Z > 1.5 )
1.6
64
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
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
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
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
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
( )
P ( B) = P ( A B) + P ( A B)
P ( B ) = P ( A) P ( B A) + P ( A ) P ( B A )
sustituyendo
PyE_ EF1_TIPO1_2009-2
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
x fX ( x)
sustituyendo
E(X ) = 2
( )
Var ( X ) = E X 2 E ( X )
( )
E X2 =
x2 f X ( x )
sustituyendo
( )
E(X ) = 5
La variancia es
Var ( X ) = 5 [ 2] = 1
2
La variancia de la utilidad es
Var U ( X ) = ( 3500 )
PyE_ EF1_TIPO1_2009-2
( 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
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
entonces
P(Y = 5) = (0.616) 4 (0.384) 0.055
5.
xy
f XY ( x, y ) = 96
0
; 0 x 4 , 1 y 5
;
en otro caso
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
PyE_ EF1_TIPO1_2009-2
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
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
por lo tanto, s son variables aleatorias conjuntas estadsticamente independientes.
El coeficiente de correlacin est definido por
c)
Cov ( X , Y )
( X ,Y ) =
Var ( X ) Var (Y )
( X ,Y ) = 0
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 )
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
PyE_ EF1_TIPO1_2009-2
7.
x [mm]
kg
y
2
mm
11
22
26
28
33
35
68
67
65
44
40
37
34
32
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
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
PyE_ EF1_TIPO1_2009-2
xi
SS xy =
xi yi
i =1
yi
i =1
i =1
= 7012
sustituyendo
1 =
SS xy
SS xx
1211.75
= 1.372
883.5
xi =
1
(170 ) = 21.25
8
yi =
1
( 387 ) = 48.375
8
1
x=
n
i =1
1
y=
n
i =1
sustituyendo
y = 77.53 1.372 x
r=
SS xy
SS xx SS yy
calculando
SS yy =
i =1
y2
i
yi
2
i =1
= 20423 ( 387 ) = 1701.875
8
n
r=
1211.75
(883.5)(1701.875)
= 0.988
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
PyE_ EF1_TIPO1_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
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
PyE_ EF1_TIPO2_2009-2
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
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
( )
( )
P ( B) = P ( A B) + P ( A B)
P ( B ) = P ( A) P ( B A) + P ( A ) P ( B A )
sustituyendo
entonces
P ( B ) = 1 P ( B ) = 1 0.775 = 0.225
PyE_ EF1_TIPO2_2009-2
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
x fX ( x)
sustituyendo
E(X ) = 2
( )
Var ( X ) = E X 2 E ( X )
calculando
( )
E X2 =
x2 f X ( x )
sustituyendo
( )
E(X ) = 5
La variancia es
Var ( X ) = 5 [ 2] = 1
2
La variancia de la utilidad es
Var U ( X ) = ( 3500 )
PyE_ EF1_TIPO2_2009-2
( 3500 )
= 3500
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
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.
xy
f XY ( x, y ) = 96
0
en otro caso
f X ( x) =
f XY ( x, y ) dy
-
PyE_ EF1_TIPO2_2009-2
fY ( y ) =
f XY ( x, y ) dx
sustituyendo se tiene
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
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)
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)
Cov ( X , Y ) = E ( XY ) E ( X ) E (Y )
Cov ( X , Y ) = 0
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 )
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
PyE_ EF1_TIPO2_2009-2
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
7.
x [mm]
kg
y
2
mm
11
22
26
28
33
35
68
67
65
44
40
37
34
32
x2
4496
y2
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
6
68
9
67
11 65
22 44
26 40
28 37
33 34
35 32
Suma: 170 387
PyE_ EF1_TIPO2_2009-2
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
sustituyendo
1 =
SS xy
SS xx
1211.75
= 1.372
883.5
1
x=
n
xi =
i =1
1
(170 ) = 21.25
8
1
y=
n
y = 18 (387) = 48.375
n
i =1
sustituyendo
y = 77.53 1.372 x
r=
SS xy
SS xx SS yy
calculando
SS yy =
i =1
y2
i
yi
2
i =1
= 20423 ( 387 ) = 1701.875
8
n
r=
1211.75
(883.5)(1701.875)
= 0.988
PyE_ EF1_TIPO2_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
Frecuencia relativa
33.8
34.7
35.6
36.5
37.4
Marcas de clase
1
x=
n
xi f i =
i =1
xi f i *
i =1
sustituyendo se tiene
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
PyE_ EF2_TIPO1_2009-2
Fronteras
34.25
x
35.15
m=
Fi
12
17.5
24
24 12
12
=
= 13.333
35.15 34.25 0.9
y 12 = 13.333 ( x 34.25 )
con ( x , 17.5 ) , sustituyendo:
xmo = 34.7
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.
4
xmo = 34.25 +
( 0.9 )
4 + 6
xmo = 34.61
La posicin de las medidas de tendencia central, son
PyE_ EF2_TIPO1_2009-2
Frecuencia relativa
32.9
33.8
34.7
35.6
36.5
37.4
38.3
Marcas de clase
c) La ojiva es
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,
PyE_ EF2_TIPO1_2009-2
1111,
1211,
A=
2111,
2211,
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
1 2
x
f X ( x) = 3
0
1 < x < 2
; en otro caso
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 ) =
0
;
x 1
FX ( x ) = x3 + 1 ; 1 < x < 2
9
x2
1
;
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
PyE_ EF2_TIPO1_2009-2
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
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
E (T ) =
1
= 40
1
40
[ min ]
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.
PyE_ EF2_TIPO1_2009-2
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
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
Se espera una produccin de dos artculos deportivos en la lnea II, dado que en la lnea uno se
producen dos.
6.
X Normal ( X =74 , X2 = 8 )
PyE_ EF2_TIPO1_2009-2
P S n21 > 20 2 = 8
( n 1) S n21 (19 )( 20 )
2
(19 )( 20 ) = P 2 > 47.5 0.000303
P
>
= P ( ,19) >
2
( ,19 )
8
8
nmero de
errores, ( y )
nmero de horas
10
14
12
16
sin dormir , ( x )
12
16
20
24
y = 0 + 1 x
donde
0 = y 1 x
1 =
SS xy
SS xx
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
PyE_ EF2_TIPO1_2009-2
i =1
=1032
(80 )( 60 ) = 72
5
sustituyendo
1 =
SS xy
SS xx
72
= 0.45
160
x=
1 n
1
xi = ( 80 ) = 16
n i =1
5
y=
1 n
1
yi = ( 60 ) = 12
n i =1
5
sustituyendo
y = 0.45 x + 4.8
Nm. de errores
Diagrama de dispersin
20
15
10
5
0
y = 0.45x + 4.8
2
R = 0.81
7
12
17
22
PyE_ EF2_TIPO1_2009-2
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
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
PyE_ EF1_TIPO1_2010-1
Frecuencia relativa
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 )
PyE_ EF1_TIPO1_2010-1
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)
P ( II A ) =
3.
P ( II ) P A II
1 0.295
fX ( x)
3k
2k
k
X
10
1=
f X ( x ) dx
-
1 = bh +
2k 2 ( 2k )
bh bh
+
= 9k +
+
= 12k
2
2
2
2
por lo tanto:
PyE_ EF1_TIPO1_2010-1
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
FX ( x ) = P ( X x ) = P ( X < x ) =
f X (t ) dt
-
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
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
;
1 1
= x
2 12
despejando:
x=
12
=6
2
PyE_ EF1_TIPO1_2010-1
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.
llamadas
X Poisson = 3
minuto
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:
E (Y ) =
1
3
Var (Y ) =
1 1
=
32 9
X = Var (Y ) =
1 1
=
32 3
d) En un minuto se tiene:
X Poisson ( = 3)
P ( X 2 ) = P ( X = 2 ) + P ( X = 3) + P ( X = 4 ) + +
sustituyendo:
PyE_ EF1_TIPO1_2010-1
( 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.
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:
y fY ( y )
sustituyendo:
Cov ( X , Y ) = E ( XY ) E ( X ) E (Y )
Cov ( X , Y ) = 0 ( 5 )( 0 ) = 0
f XY ( x, y ) = f X ( x ) fY ( y )
PyE_ EF1_TIPO1_2010-1
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
7053.67
220549
PyE_ EF1_TIPO1_2010-1
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:
r=
SS xy
SS xx SS yy
PyE_ EF1_TIPO1_2010-1
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
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.
PyE_ EF1_TIPO1_2010-1
TIPO 1
DICIEMBRE 8 DE 2009
NOMBRE______________________________________________________________________
1.
Clase
Calificaciones en lmites
Calificaciones en intervalos
2 - 3
1.5
Marcas de clase
Frecuencia absoluta
Frecuencia relativa
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
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
R = 11.5 1.5
c=2
o bien,
c=
VM Vm 10 2
=
1.5
30
n
PyE_ EF2_TIPO1_2010-1
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:
PyE_ EF2_TIPO1_2010-1
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.
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
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 )
3
x
3 x
( 0.6 ) (1 0.6 )
f X ( x ) = x
x = 0,1, 2,3
; en otro caso
PyE_ EF2_TIPO1_2010-1
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
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 2 ) = x2 f X ( x )
x
calculando:
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
x2
y2
xy
23.82
1843.21
29.0692
170044.5321
2205.5136
10 Puntos
Resolucin
a) El modelo es:
y = 0 + 1 x
PyE_ EF2_TIPO1_2010-1
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
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
sustituyendo:
r=
SS xy
SS xx SS yy
10.2505
( 0.6996 )(173.3769 )
0.9307
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.
PyE_ EF2_TIPO1_2010-1
5.
lb
lb
y desviacin estndar de 0.2
.
2
2
pu lg
pu lg
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
lb
, cul
2
pu lg
c) Supngase que un neumtico se considera con presin baja si est debajo de 30.4
X N 31, ( 0.2 )
30.5 31
31.5 31
30.5 31
P(30.5 X 31.5) = P
Z
= P ( 2.5 Z 2.5 )
0.2
0.2
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)
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
PyE_ EF2_TIPO1_2010-1
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
f XY ( x, y ) dxdy = 1
sustituyendo:
k ( x + y ) dxdy = k
( x + y ) dxdy = 1
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
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
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
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
PyE_ EF2_TIPO1_2010-1
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
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
1
9
1 x 2
x+ ;
fX ( x) = 6
2
0
; en otro caso
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
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
PyE_ EF2_TIPO1_2010-1
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
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
PyE_ EF2_TIPO1_2010-1
TIPO 1
MIRCOLES 2 DE JUNIO DE 2010
NOMBRE______________________________________________________________________________
1.
1
x=
n
xi
i =1
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
x = 75 + 5 = 80
La variancia est definida por
1
S =
n
2
n
(
n
xi x )
i =1
1
S =
n
2
n
(
n
xi + c x c )
i =1
1
=
n
(
n
xi x )
i =1
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
PyE_ EF1_TIPO1_2010-2
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)
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)
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.
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
PyE_ EF1_TIPO1_2010-2
Resolucin
a)
La probabilidad a calcular es
P ( X 2 ) = P ( X = 2 ) + P ( X = 3) + P ( X = 4 )
sustituyendo
b)
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
P ( 2 X 5 ) = FX ( X = 5 ) FX ( X = 2 ) + f X ( X = 2 )
sustituyendo se tiene
c)
E ( X ) = = X =
x fX ( x)
P ( X x ) =
1
2
entonces es x =
1
= 0.25
4
xmo = 0, 1
xmo =
0 +1
= 0.5
2
f X ( x ) es bimodal
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 )
PyE_ EF1_TIPO1_2010-2
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
b)
La mxima cantidad de ventas en un da, para que sea de 90%, est dada por
P ( X x ) = 0.9
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
f ( y)
2
P (Y > 2 ) = 1 P (Y = 0 ) + P (Y = 1) + P (Y = 2 ) = 1
y =0
P (Y > 2 ) = 1
y =0
10
y
10 y
( 0.7611) ( 0.2389 )
y
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
PyE_ EF1_TIPO1_2010-2
16 y
f XY ( x, y ) = x3
0
b)
; x>2
;
0 < y <1
en otro caso
E ( Z ) = E ( XY ) = E ( X ) E (Y )
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
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 )
Es muy probable que el peso medio de los lotes est entre los valores de peso especificado.
PyE_ EF1_TIPO1_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
b)
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
PyE_ EF2_TIPO1_2010-2
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
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
; 0 < x 0.5
x
2.5
;
x 10.5
finalmente
E (Y ) =
y ( x ) f X ( x ) dx
PyE_ EF2_TIPO1_2010-2
E (Y ) =
10.5
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
X Normal X = 24 [ h ] , X2 = 9 h 2
20 24
4
P ( X 20 ) = P ( X < 20 ) P Z <
= P Z < = P ( Z < 1.33) = FZ ( 1.33)
3
3
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.
PyE_ EF2_TIPO1_2010-2
b)
Determinar la distribucin marginal g X ( x ) , correspondiente al nmero de bateras defectuosas.
15 Puntos
Resolucin
a)
RX = {0,1, 2}
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
4 2 3
4 2 1
1 1 0 ( )( )( ) 8 2
f XY ( X = 1, Y = 1) = =
= =
36
36 9
9
2
b)
f XY ( x, y )
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]?
PyE_ EF2_TIPO1_2010-2
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
T Normal ( T = nY , T2 = n Y2 )
sustituyendo
se determinar
T T 2722 2664
58
T
de tablas de la distribucin acumulada normal estndar
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
b)
y = 0 + 1 x
PyE_ EF2_TIPO1_2010-2
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
y = 10.1079 + 0.0089 x
c)
Para obtener la estimacin del valor de conductividad trmica cuando el grosor laminar es de
500 [], es
PyE_ EF2_TIPO1_2010-2
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
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) =
PyE_ EF1_TIPO1_2011-1
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)
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
x f X ( x ) dx
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
( 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)
P X 1 = P < X < 1
2
2
1
P X 1 = P < X < 1 = FX (1) FX = 1 + =
= 0.8125
2 2 2 16
2
PyE_ EF1_TIPO1_2011-1
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)
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
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.
PyE_ EF1_TIPO1_2011-1
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)
c)
d)
20 Puntos
Resolucin
a)
La probabilidad a calcular es:
1
1
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
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)
fY X = x0 (Y X = x0 ) = f X ( x0 )
0
; en otro caso
PyE_ EF1_TIPO1_2011-1
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
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:
PyE_ EF1_TIPO1_2011-1
Monxido de carbono
Diagrama de dispersin
y = 0.8541x + 3.1736
R2 = 0.9328
20
15
10
5
0
8
10
12
14
16
18
Alquitrn
b)
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
y = 0.8541x + 3.1741
b)
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.
El coeficiente de correlacin, est definido por:
r=
SS xx =
2
x
i
i =1
PyE_ EF1_TIPO1_2011-1
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
sustituyendo:
r=
SS xy
SS xx SS yy
68.817
(80.568)( 63.013)
0.9658
r =R =
2
SS xy2
SS xx SS yy
( 68.817 )
=
0.9328
(80.568)( 63.013)
2
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
PyE_ EF1_TIPO1_2011-1
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 ) =
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
PyE_ EF2_TIPO1_2011-1
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
( )
Var [ X ] = E X 2 E ( X )
Var [ X ] = 5 [ 2] = 1
2
La variancia de la utilidad es
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)
PyE_ EF2_TIPO1_2011-1
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)
f XY ( x, y )
y
fY ( y )
0
0.24
1
0.38
2
0.38
c)
0.32
0.4211
0.76
[ ]
[ ]
[ ]
E [ XY ] =
xy f XY ( x, y )
x fX ( x)
E X =
y fY ( y )
E Y =
fX x =
x
fX ( x)
0
0.16
1
0.34
2
0.50
d)
PyE_ EF2_TIPO1_2011-1
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
Y Normal = 40 , 2 = 36
a)
32 40 +
2 = P ( Z 1.25 ) = 0.1056
P (Y 32 ) P Z
b)
49 40
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
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
PyE_ EF2_TIPO1_2011-1
5.
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
( 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
Por el Teorema del Lmite Central, para una muestra aleatoria grande, en este caso n = 36 , entonces
2
X Normal X = X , X2 = X
sustituyendo
5
3
5
2
4
=
X Normal X = , X =
2
36 144
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 )
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
PyE_ EF2_TIPO1_2011-1
(Velocidad )
= 3880.08
n =1
11
11
( Ritmo ) = 35.16
n =1
( Ritmo )
= 112.681
n =1
11
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
y = 0.0805 x + 1.6932
PyE_ EF2_TIPO1_2011-1
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
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)
20 12 6 26 13
+
=
=
0.867
30 30 30 30 15
20 18 14 24 12
+
=
=
= 0.8
30 30 30 30 15
P A( A B)
PyE_ EF2_TIPO1_2011-2
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)
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.
PyE_ EF2_TIPO1_2011-2
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
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)
x f X ( x ) dx
sustituyendo:
E(X ) =
0.5
0.1
0.5
x dx 1.25
0.1
0.5
x dx
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
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 )
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 )
PyE_ EF2_TIPO1_2011-2
4.
fTU ( t , u ) du
y
fU ( u ) =
fTU ( t , u ) dt
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
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
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 )
P ( (T , U ) R ) =
PyE_ EF2_TIPO1_2011-2
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
2e 2t = 2e 2t
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:
PyE_ EF2_TIPO1_2011-2
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
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 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.
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
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
PyE_ EF2_TIPO1_2011-2
donde
0 = y 1 x
1 =
SS xy
SS xx
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
SS xy =
i =1
i =1
i =1
sustituyendo:
1 =
SS xy
SS xx
1211.75
= 1.375
883.5
1
x=
n
xi =
1
(170 ) = 21.25
8
yi =
1
( 387 ) = 48.375
8
i =1
1
y=
n
i =1
sustituyendo:
y = 1.3715 x + 77.52
c)
r=
SS xy
SS xx SS yy
PyE_ EF2_TIPO1_2011-2
SS yy =
y2
i
i =1
yi
2
i =1
= 20423 ( 387 ) = 1701.875
n
8
r=
1211.75
(883.5)(1701.875)
= 0.988
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
PyE_ EF2_TIPO1_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
1
x=
n
xi fi =
m =1
PyE_ EF1_TIPO1_2011-2
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
1
n 1
s( n 1) =
( xi x )
fi
m =1
sustituyendo se tiene:
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
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
P ( B ) = P ( A1 ) P ( B A1 ) + P ( A2 ) P ( B A2 ) + P ( A3 ) P ( B A3 )
b)
Si el siguiente cliente llena su tanque con gasolina, cul es la probabilidad de que solicite
gasolina Magna, aplicando Teorema de Bayes, entonces:
PyE_ EF1_TIPO1_2011-2
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.
sustituyendo:
7 = 6a + b
sustituyendo:
1 = a 2 ( 0.8 )
( 0.8)
a=
( 0.8)
1
5
=
0.8
4
5
4
PyE_ EF1_TIPO1_2011-2
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 )
50
P ( X 50 ) =
x =0
2000
x
2000 x
0.949
( 0.02 ) ( 0.98 )
x
aproximacin, entonces:
Y ~ Normal = np = ( 2000 )( 0.02 ) = 40 , 2 = npq = ( 2000 )( 0.02 )( 0.98 ) = 39.2
Y ~ Normal = 40 , 2 = 39.2
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
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
PyE_ EF1_TIPO1_2011-2
)
4
1
2
2
P (16,
) > 32 = 0.01
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
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
PyE_ EF1_TIPO1_2011-2
b)
fY ( y )
0.25
0.26
0.25
0.24
c)
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
sustituyendo se tiene:
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
PyE_ EF1_TIPO1_2011-2
RESOLUCIONES
SEMESTRE 2012 - 2
DURACIN MXIMA 2.5 HORAS
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:
PyE_ EF1_TIPO1_2012-2
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
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
PyE_ EF1_TIPO1_2012-2
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
sustituyendo
al sustituir en la variancia de
PyE_ EF1_TIPO1_2012-2
=8
entonces el segundo momento con respecto de su media de la funcin dada, es
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
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
0
1
2
3
PyE_ EF1_TIPO1_2012-2
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
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
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
PyE_ EF1_TIPO1_2012-2
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
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
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
PyE_ EF1_TIPO1_2012-2
12
15
18
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:
PyE_ EF1_TIPO1_2012-2
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
y 11726.667 x 81186.656
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
PyE_ EF1_TIPO1_2012-2
i 1
yi
14718900
631225900 1846950
6
sustituyendo
SS xy
SS xx SS yy
1846950
157.5 21796928333
0.9968
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.
PyE_ EF1_TIPO1_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.
PyE_ EF2_TIPO1_2012-2
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
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
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.
PyE_ EF2_TIPO1_2012-2
P(II)=1/3
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)
PyE_ EF2_TIPO1_2012-2
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
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.
PyE_ EF2_TIPO1_2012-2
b)
c)
Problema 5
La funcin de densidad conjunta de dos variables aleatorias X y Y est dada por:
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
PyE_ EF2_TIPO1_2012-2
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
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
PyE_ EF2_TIPO1_2012-2
Sea
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
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
3.9
4.1
6.2
5.5
6.0
6.7
5.0
6.0
9.0
8.0
7.0
9.0
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
PyE_ EF2_TIPO1_2012-2
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
32 . 4
x =
= 5 .4
y =
44
6
= 7 . 333
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
PyE_ EF2_TIPO1_2012-2
r=
SS xy
8.6
SS xx SS yy
( 6.640 )(13.333)
0.914
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
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
Valores de la funcin de distribucin acumulativa normal estndar
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
PyE_ EF2_TIPO1_2012-2
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
PyE_ EF1_TIPO1_2013-1
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
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
PyE_ EF1_TIPO1_2013-1
4
= 11.167
3
c) Elsesgosepuededeterminarenestecasodeformaemprica,yaque,
x = 11
x% = 11.167
x mo = 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 )
PyE_ EF1_TIPO1_2013-1
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
PyE_ EF1_TIPO1_2013-1
= 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
Lafuncindedistribucindeprobabilidadparaenviardospaqueteses
Paquetes
perdidos
6.6
0.8649
26.6
0.1302
46.6
0.0049
fX
(x)
Paraestecasoelvaloresperadoes
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
PyE_ EF1_TIPO1_2013-1
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
PyE_ EF1_TIPO1_2013-1
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
( 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.
PyE_ EF1_TIPO1_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
PyE_ EF2_TIPO1_2013-1
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
PyE_ EF2_TIPO1_2013-1
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 ( 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
Lavarianciasedefinepor
Var (Y ) = (Y ) fY ( y ) = E (Y 2 ) E (Y )
2
alsustituirsetiene
Var (Y ) = (1 4.75 )
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
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
PyE_ EF2_TIPO1_2013-1
) = P ( 2.088 <
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
PyE_ EF2_TIPO1_2013-1
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 ;
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
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
PyE_ EF2_TIPO1_2013-1
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
b) Paradeterminarsielmodeloesvlidodebeobtenerseelcoeficientededeterminacin.
Elcoeficientedecorrelacin,estdefinidopor
r=
SS xy
SS xx SS yy
PyE_ EF2_TIPO1_2013-1
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
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
y = 1.022 x 107.139
perolaestimacinesparaunvalorfueradelintervalo,porloque,esincorrectohacerlaestimacindeunjugadorque
mide208cm.
PyE_ EF2_TIPO1_2013-1
SEMESTRE20132
DURACINMXIMA2.0HORAS
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 =
obien
a
+
cxmo
a + b
mo1
PYE_ EF1_2013-2
obien
b = f xmo f x
mo+1
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.
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
en otro caso
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
SEMESTRE20132
DURACINMXIMA2.0HORAS
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
PyE_ EF2_TIPO1_2013-2
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.
PyE_ EF2_TIPO1_2013-2
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
PyE_ EF2_TIPO1_2013-2
Tambinsepuederesolveraproximandodenormalabinomial,entonces
1
X ~ Binomial n = 14 , p =
2
= 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
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
PyE_ EF2_TIPO1_2013-2
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
PyE_ EF2_TIPO1_2013-2
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
PyE_ EF2_TIPO1_2013-2
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
sustituyendo
r=
437.5
(17.5)(11487.5 )
0.9758
queeselcoeficientedecorrelacin,esfuertelaasociacinlinealdelasvariables.Hayunatendencialineal
fuerte.
Entonceselcoeficientededeterminacines,elevandoalcuadradoelcoeficientedecorrelacin
R2 =
SS xy2
SS xx SS yy
PyE_ EF2_TIPO1_2013-2
sustituyendo
( 437.5 )
=
0.9522
(17.5)(11487.5)
2
Elmodeloexplicabienalavariabledependientequees95.22%sepuedeconsiderarvlidoelmodelo.
Delcoeficientededeterminacin0.9522sepuededecirquehayunabuenaexplicacindelcrecimientodela
informacinconformepasanlosmeses.Esbuenalaeficienciadelmodelolineal.
PyE_ EF2_TIPO1_2013-2
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
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)
n
a3 i 1
i 1
3
3
Sn21
Sn21
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)
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.
0.687
0.0707
0.972
p x
1
3
1
3
1
3
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
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
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
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)
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)
P X 4 P Z
7.
4 3.5
P Z
0.0972
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)
d)
PYE_ EF1_2014-1
Consecutivo
Marzo
1
Abril
2
Mayo
3
Junio
4
Julio
5
Resolucin
Del enunciado se tiene:
Mes
Consecutivo
Marzo
Abril
Mayo
Junio
Julio
Sumas
1
2
3
4
5
Mes
x
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)
b)
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)
1 5
x xi
n n 1
1 5
y
n n1 i
25
5
5
880
176
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)
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
DURACIN MXIMA 2.0 HORAS
TIPO 1
2 DE DICIEMBRE 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.
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
CV
PYE_ EF2_2014-1
Sn21
X
n 1 i 1
1
sn21
28328.8889 318.3021
90 1
La raz de la variancia es la desviacin estndar, entonces:
b)
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)
0.5
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.
0.6
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)
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
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
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
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
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
1 7
x xi
n n 1
1 7
y
n n1 i
2338
334
7
240.1
34.3
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)
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
PYE_ EF2_2014-1
PYE_ EF2_2014-1
SEMESTRE 2014 -2
DURACIN MXIMA 2.0 HORAS
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
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
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
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
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
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
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
0.5 1 e
x
10
0.5 e
x
10
x
10
1
0.5
x 10 ln 2
x 6.9315
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
70258
(500)(1377)
10
=
(500)2
26192
1.18
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 :
SEMESTRE 2014 -2
DURACIN MXIMA 2.0 HORAS
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.
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
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
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=
Fronteras
34.5
Mediana
51.5
Frecuencia
Acumulada
Relativa
0.20
0.50
0.52
sustituyendo:=
x
y2 y1
+ x1
y2 y1
x2 x1
0.5 0.2
+ 34.5 50.44
0.0188
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}
Datos:
P ( M ) = 0.54
PYE_ EF1_2014-2
P ( M ) = 0.46
P( A M ) =
2
5
P( A M ) =
3
10
=
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:
tambin
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
X2=
( 3.2258)
PYE_ EF1_2014-2
4.
y=2+ x
4
Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin se define por:
R =
SS xy2
SS xx SS yy
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
x fX ( x)
1
3 46
E ( X ) = 1 + ... + 5 =
3.0667
15
15 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
k e
f XY ( x, y ) =
0
x
2
9
4
; en otro caso
;
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
PYE_ EF1_2014-2
0.8061 e
f XY ( x, y ) =
x
2
9
4
; en otro caso
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
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 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 )
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
SEMESTRE 2015-1
DURACIN MXIMA 2.0 HORAS
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
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)
1 m
2
( xi x)
n 1 i 1
= 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
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)
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
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
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.
fX,Y (x,y)
fX (x)
8xy
4x3
2y
x2
para 0<y<x
1/8
1
1
1
|x = ) = 8ydy =
8
2
16
0
E(XY) = 0 y xy 8xydxdy =
9
4
E(X) = 0 x4x 3 dx =
4
5
8
15
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
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.
El coeficiente de correlacin, est definido por:
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
DURACIN MXIMA 2.0 HORAS
TIPO 1
03 DE DICIEMBRE DE 2014
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
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
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
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
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,
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
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
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)
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
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)
y=a+bx=205.78+1.96x
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
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
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
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
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
=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.
2 = [( )2 ] = E(X ) [E(X)]
2
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,
= .
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
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
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
DURACIN MXIMA 2.0 HORAS
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
Se tiene: n= 70, = 35
2
35, el cual se obtiene interpolando los
siguientes datos:
Frontera de clase superior
38.9
x
39.9
70
13
Frecuencia acumulada
31
35
44
+ 38.9 = 39.2
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
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 /) =
(3 )
()
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
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
,
tiene:
( ) = 0.5 () = 0.5
1 3 = 0.5
( 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:
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).
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
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
8
7
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) = .
= . (. ) . = .
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