UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

FACULTAD DE INGENIERA
DIVISIN DE CIENCIAS BSICAS
COORDINACIN DE CIENCIAS APLICADAS
DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA
PRIMER EXAMEN FINAL
RESOLUCIN

SEMESTRE 2014 - 1 TIPO 1

DURACIN MXIMA 2.0 HORAS 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 Frontera
Frecuencia
inferior superior
absoluta (fi)
(LRi) (LRs)
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 Frontera Superior Marcas de Clase Frecuencia Absoluta Frecuencia Relativa Frecuencia Acumulada Absoluta Frecuencia Acumulada Relativa
2 3
LRi LRs xi fi fi* Fi Fi* xifi* (xi-media) fi (xi-media) fi*
24.5 32.5 28.5 2 0.05 2 0.05 1.425 1190.720 -726.339
32.5 40.5 36.5 4 0.1 6 0.15 3.650 1075.840 -441.094
40.5 48.5 44.5 8 0.2 14 0.35 8.900 564.480 -118.541
Clase mediana 48.5 56.5 52.5 10 0.25 24 0.6 13.125 1.600 -0.016
y clase modal 56.5 64.5 60.5 9 0.225 33 0.825 13.613 519.840 98.770
64.5 72.5 68.5 6 0.15 39 0.975 10.275 1460.160 569.462
72.5 80.5 76.5 1 0.025 40 1 1.913 556.960 328.606
Sumas 40 52.900 5369.600 -289.152
Media 11.734 -0.179
D.Est.Muestral Sesgo <0
La media, est definida por:
1 m m
X X i f i X i f i *
n i 1 i 1

PYE_ EF1_2014-1 1
 1 7 7
x
n i 1
x f
i i
i 1
xi fi * 52.9

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:
a
xmo 52.5 o bien xmo Lx cxmo a f xmo f x
mo _inf a b mo1

b f xmo f x
mo1
f xmo : frecuencia absoluta de la clase que contiene a la mod a.
cmo : Longitud de la clase que contiene a la mod a.
LMo _ inf : Lmite inf erior de la clase que contiene a la mod a.
10 8
xmo 48.5 8 53.833
10 8 10 9
c) El sesgo de la muestra aleatoria est dado por:
1 m m

X i X fi X i X fi*
2 2

n
a3 i 1 i 1

3 3
Sn21 Sn21
sustituyendo para calcular la variancia muestral, se tiene:
1 m
X i X fi
2
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
a3 0.179 tiene ligero sesgo negativo
11.734
3

De manera emprica por la posicin de las medidas de tendencia central, se sabe:

x x xmo 52.9 53.3 58.833 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 2
 a) Si el trabajo se ator, qu probabilidad hay de que el estudiante haya enviado el documento a la
impresora B?
b) Qu probabilidad hay de que el trabajo haya sido enviado por el estudiante a la impresora A o a la
impresora C?, si se imprimi correctamente.
Resolucin
Sean los eventos que representan:
A el trabajo se enva a la impresora A
B el trabajo se enva a la impresora B
C el trabajo se enva a la impresora C
D el trabajo se atora y se destruye

Datos:
P A 0.6 P B 0.3 P C 0.1
P D A 0.015 P D B 0.05 P D C 0.04
a) 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 P D B
P B D
P D P A P D A P B P D B P C P D C

sustituyendo:
0.3 0.05
P B D
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 A P D A P C P D C
P D 1 P A P D A P B P D B P C P D C

sustituyendo:
0.6 0.985 0.1 0.96
P A C D
0.687
0.0707
1 0.028 0.972

3. La variable aleatoria X tiene la siguiente funcin de probabilidad dada por:

x a b 0
1 1 1
p x
3 3 3

8
Determinar los valores a y b de la variable aleatoria X , si se sabe que E X 0 y Var X
3

PYE_ EF1_2014-1 3
 Resolucin

Se sabe que E X
x
x fX x

sustituyendo:
1 1 1
EX 0 a b 0
3 3 3

Var X
8
3


x

X 2 f X x E X 2 E X
2

sustituyendo:
8 2 1 2 1 2 1
Var X a 0 b 0 0 0
3 3 3 3

queda un sistema de dos ecuaciones con dos incgnitas, como:

a b
0 a b
3 3 ab 0
2a 2 8
a 2 b2 8 a a 8
2
a 2 b2 8 2

3 3 3

a2 4 a 2

entonces:
a 2 y b 2

La funcin de probabilidad es:

x 2 0 2
1 1 1
p x
3 3 3

4. 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
X Poisson 50 llamadas por da
T Exponencial 50 tiempo entre llamadas
Observando que el da laborable es de 8 horas, entonces:

PYE_ EF1_2014-1 4
 1

P T 1 e 32 0.7903
1 50

32

1 1 1 1
P T T P T 50
1 1
1 8 50 50
T
16

1 8 8 e 50 50
b) P T e 8 16
e 16 8
0.0439
8 16 1 1 1
50
P T P T e 16
16 16

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:
y 0.2 1
2 0.2 2
1 0.2 1 1

x 2 y dydx xy y 2 dx 0.2 x 0.04 dx

2 2 2
P Y 0.2 x 0.04 x
0 0
3 30 y 0
30 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

x 1 2 3 4 5 6

1 1 1 1 1 1
fX x
6 6 6 6 6 6

PYE_ EF1_2014-1 5
 O bien,
1
; x 1, 2,3, 4,5, 6
fX x 6
0 ; en otro caso

b) Puesto que X tiene distribucin uniforme discreta, entonces:

EX
x
x fX x

E X 3.5

E X2
x
X 2 fX x

E X 2

91
6

Var X E X 2 E X
2

2
91 7 35
Var X 2.916
6 2 12

c) X es la media muestral, entonces del teorema del lmite central porque n 30 , se sabe:
X2
X Normal X X , X2
n
sustituyendo:
35
35
X Normal X 3.5, X 12
2
0.0972
30 360

d)
Se pide P X 4 , utilizando el TLC, puesto que n=30

P X 4 P Z


4 3.5
0.0972
P Z 1.60 1 FZ 1.60 1 0.9452 0.0548

7. 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) Trazar el diagrama de dispersin.
b) Calcular el coeficiente de correlacin lineal.
c) Obtener la recta de regresin lineal. Trazar la recta de regresin lineal junto con el diagrama de
dispersin.
d) Calcular el coeficiente de determinacin e interpretar el resultado.

PYE_ EF1_2014-1 6
 Los datos son los siguientes:
Mes Consecutivo Mes Nmero de pacientes programados para ciruga
x y
Marzo 1 3 100
Abril 2 4 150
Mayo 3 5 200
Junio 4 6 210
Julio 5 7 220
Resolucin
Del enunciado se tiene:
Nmero de pacientes
Mes
Mes Consecutivo programados para ciruga
x y xy x2 y2
Marzo 1 3 100 300 9 10000
Abril 2 4 150 600 16 22500
Mayo 3 5 200 1000 25 40000
Junio 4 6 210 1260 36 44100
Julio 5 7 220 1540 49 48400
Sumas 25 880 4700 135 165000

a) La grfica de dispersin y la recta de mejor estimacin es:

b) El coeficiente de correlacin est dado por:

SS xy
R
SS xx SS yy

PYE_ EF1_2014-1 7
 2


5

xi


5

SS xx x
2
i
i 1
i 1
5
25
2

ssxx 135 10
5
2


5

yi


5

SS yy y2
i
i 1
i 1
5
880
2

ss yy 165000 10120
5

y
5 5

xi i

SS xy xi yi i 1 i 1

i 1
5
25880
ssxy 4700 300
5
sustituyendo
300
r 0.943
10 10120
c) La recta de regresin es:
y 0 1 x
donde se sabe que los promedios estn definidos por:
1 5
x xi
1 5
y y
n n 1 , n n1 i

sustituyendo los valores de las sumas en los promedios:

25 880
x 5 y 176
5 , 5
los estimadores se definen por:
5 5

5 xi yi
x y i i
i 1 i 1
5
1 i 1
2
5

xi
x 2 i 1
5

i 1
i 5

4700
25880
300
1 5 30

2
25 10
135
5

PYE_ EF1_2014-1 8
 0 y 1 x
0 176 30 5 26

Por lo tanto el modelo est dado por:

y x
0 1

y 26 30 x

d) Como el coeficiente de determinacin se utiliza como medida de eficacia de la regresin, ste se

calcular a partir del cuadrado del coeficiente de correlacin.
El coeficiente de determinacin se define por:

SS xy2
R2
SS xx SS yy
300 0.8893
2

r2
10 10120
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 9