Está en la página 1de 16

Departamento de Estadística

e Investigación Operativa

ESTADÍSTICA (20 de septiembre de 2014)

1. Una empresa legal fabrica chips con un porcentaje de defectuosos del 5 %. Una empresa ilegal
fabrica imitaciones indistinguibles del mismo chip con un porcentaje de defectuosos del 50 %.
Los chips que se pueden adquirir en el mercado sólo pueden proceder de estas dos empresas y se
sabe que el 10 % de ellos son ilegales.
a) ¿Cuál es la probabilidad de que un chip adquirido en el mercado no sea defectuoso y haya sido
fabricado por la empresa legal?
b) ¿Cuál es la probabilidad de un chip adquirido en el mercado sea defectuoso?
c) Si adquirimos un chip y resulta ser no defectuoso, ¿cuál es la probabilidad de que haya sido
fabricado por la empresa ilegal?
d) Supongamos que los chips se comercializan en paquetes de 5 unidades ¿cuál es la probabilidad
de que un paquete de chips fabricados por la empresa legal contenga exactamente dos chips
defectuosos?
e) Supongamos que se inspeccionan uno a uno los chips de la empresa ilegal hasta encontrar el
primero que resulte ser defectuoso, ¿cuál es la probabilidad de que haya que inspeccionar 4
chips de esta empresa antes de que aparezca el primero defectuoso?

2. El número de virus vivos por cm3 que contiene una vacuna durante una de las etapas del proceso
de producción es una variable aleatoria X con función de masa de probabilidad dada por:

0,5 si x = 0,







 0,25 si x = 1,

0,15 si x = 2,
p(x) = P(X = x) =


 k si x = 3,

k si x = 4,





0

en otro caso.
a) Calcular k para que, efectivamente, esta función sea una función de probabilidad y determina
la función de distribución de X.
b) Calcular la esperanza matemática, la desviación típica, los cuartiles y la moda de X.
c) Calcular la probabilidad
c.1) de que en un cm3 de vacuna se encuentre algún virus,
c.2) de que en un cm3 se encuentre al menos dos virus,
c.3) de que en un cm3 se encuentre al menos dos virus dado que hay alguno,
c.4) del suceso {2 ≤ X < 4},
c.5) del suceso {2 < X ≤ 4}.
d) Calcular la función de distribución de la variable aleatoria Y = 5 − X.
3. El kilometraje (en miles de kilómetros) que los automovilistas logran de cierto tipo de neumáticos,
es una variable aleatoria con función de densidad

1−k


 si 0 < x ≤ 10,
10




f (x) = 1 e−x/10 si x > 10,



 10

0 en el resto.

a) Calcular el valor de k, la duración mediana y la duración media esperada.


b) Calcular la probabilidad de que un neumático dure a lo sumo 10 000 km.
c) Dar la probabilidad de que un neumático dure entre 5000 km y 20 000 km.
d) Decir cuál sería la probabilidad de que un neumático dure al menos 30 000 km sabiendo que
ha durado más de 10 000 km.

4. Una máquina consta de 3 componentes que funcionan de forma independiente. Se sabe que la má-
quina funciona sólo si funcionan sus 3 componentes y que el tiempo de vida de cada componente
sigue una distribución exponencial de media 500 horas.
a) ¿Cuál es la probabilidad de que la máquina se averíe antes de 700 horas de funcionamiento?
b) ¿Cuál es la probabilidad de que transcurridas 500 horas de funcionamiento de la máquina, esta
no se haya averiado?
c) La máquina fabrica piezas cuyas longitudes se distribuyen según una normal de media 32 mm
y desviación típica 0,3 mm, considerándose aceptables aquellas cuya medida se encuentra
dentro del intervalo (31,1; 32,6). ¿Cuál es la probabilidad de una pieza fabricada por dicha
máquina sea aceptable?

5. El tiempo (en minutos) que tarda un operario en familiarizarse con el manejo de una máquina
nueva que adquiere una determinada empresa es una variable aleatoria que sigue una distribución
normal. Los tiempos que tardaron 15 operarios en familiarizarse con el manejo de la máquina
fueron:
5,6 3,9 4,6 5,7 6,0 4,2 4,5 3,9
6,7 6,5 4,9 4,6 7,5 5,1 5,8
a) Calcular las estimaciones puntuales de la media y de la varianza de esta variable aleatoria.
b) Contrastar la hipótesis de que la media del tiempo de aprendizaje es de 5 minutos frente a que
es mayor de 5, a un nivel de significación de 0,05.
c) Calcula el intervalo de confianza al 90 % para la media del tiempo que tarda el operario en
familiarizarse con la máquina.
d) Si asumimos que la desviación típica poblacional es de 1,2 min; ¿cuántas observaciones serán
necesarias como mínimo para que al determinar el intervalo de confianza para la media al 95 %
el margen de error sea inferior a 0,5 min?
1

ESTADÍSTICA

Soluciones

Problema 1. Una empresa legal fabrica chips con un porcentaje de defectuosos del 5 %. Una em-
presa ilegal fabrica imitaciones indistinguibles del mismo chip con un porcentaje de defectuosos del
50 %. Los chips que se pueden adquirir en el mercado sólo pueden proceder de estas dos empresas
y se sabe que el 10 % de ellos son ilegales.
a) ¿Cuál es la probabilidad de que un chip adquirido en el mercado no sea defectuoso y haya sido
fabricado por la empresa legal?

b) ¿Cuál es la probabilidad de un chip adquirido en el mercado sea defectuoso?

c) Si adquirimos un chip y resulta ser no defectuoso, ¿cuál es la probabilidad de que haya sido
fabricado por la empresa ilegal?

d) Supongamos que los chips se comercializan en paquetes de 5 unidades ¿cuál es la probabilidad


de que un paquete de chips fabricados por la empresa legal contenga exactamente dos chips
defectuosos?

e) Supongamos que se inspeccionan uno a uno los chips de la empresa ilegal hasta encontrar el
primero que resulte ser defectuoso, ¿cuál es la probabilidad de que haya que inspeccionar 4
chips de esta empresa antes de que aparezca el primero defectuoso?
Solución: Consideremos los sucesos:

L = «Chip producido por la empresa legal», y D = «Chip defectuoso».

En el siguiente diagrama de ramas se describen las probabilidades conocidas:

P(D|L) = 0,05 D

L
P(L) = 0,9
P(DC |L) = 0,95 DC

P(D|LC ) = 0,5 D
P(LC ) = 0,1
LC

P(DC |LC ) = 0,5 DC


2

a) Es la probabilidad de la intersección de dos sucesos no independientes,

P(DC ∩ L) = P(DC |L)P(L) = 0,95 · 0,9 = 0,855.

b) Aplicando el teorema de la probabilidad total se tiene

P(D) = P(D|L)P(L) + P(D|LC)P(LC ) = 0,05 · 0,9 + 0,5 · 0,1 = 0,095.

c) Por el teorema de Bayes, se tiene que

P(DC |LC )P(LC ) 0,5 · 0,1


P(LC |DC ) = = = 0,0552;
P(D ) C
1 − 0,095

donde el denominador no se ha desarrollado para poder usar el resultado anterior.

d) Sea X la variable aleatoria que cuenta el «número de chips defectuosas en un paquete fabricado
por la empresa legal». Se tiene que X ∼ B(5, p1 ), donde p1 = P(D|L) = 0,05.
La función de probabilidad de una variable con distribución binomial con parámetros n y p es
 
n x
P(X = x) = p (1 − p)n−x .
x

Y la probabilidad pedida es
 
5
P(X = 2) = 0,052 · (1 − 0,05)3 = 0,0214
2

e) Sea ahora, Y la variable aleatoria que cuenta el «número de chips de la empresa ilegal que deben
ser inspeccionados antes de encontrar el primero defectuoso». Se tiene que Y ∼ Ge(p2 ), donde
p2 = P(D|LC ) = 0,5.
La función de probabilidad de una geométrica de parámetro p es

P(Y = y) = (1 − p)y p.

La probabilidad pedida es

P(Y = 4) = (1 − 0,5)4 · 0,5 = 0,03125

Problema 2. El número de virus vivos por cm3 que contiene una vacuna durante una de las etapas
del proceso de producción es una variable aleatoria X con función de masa de probabilidad dada
por: 


 0,5 si x = 0,


0,25 si x = 1,






0,15 si x = 2,

p(x) = P(X = x) =


 k si x = 3,


si x = 4,



 k



0 en otro caso.

a) Calcula k para que, efectivamente, esta función sea una función de probabilidad y determina la
función de distribución de X .

b) Calcula la esperanza matemática, la desviación típica, los cuartiles y la moda de X .

c) Calcula la probabilidad
1. de que en un cm3 de vacuna se encuentre algún virus,
2. se encuentre al menos dos virus,
3. de que se encuentre al menos dos virus dado que hay alguno,
4. del suceso {2 ≤ X < 4},
5. del suceso {2 < X ≤ 4}.

d) Calcular la función de distribución de la variable aleatoria Y = 5 − X .

Solución:

a) Para que p sea una función de probabilidad, debe verificar

∑ p(x) = 1,
x∈S

donde S es el soporte de la variable. En nuestro caso

p(0) + p(1) + p(2) + p(3) + p(4) = 0,5 + 0,25 + 0,15 + k + k = 1 ⇒ k = 0,05.

Se define la función de distribución como

F(x) = P(X ≤ x).


4

Luego 


0 si x < 0


si 0 ≤ x < 1,

0,5




si 1 ≤ x < 2,

0,75
F(x) =


0,9 si 2 ≤ x < 3,


si 3 ≤ x < 4,



0,95


si x ≥ 4.

1

b) La esperanza se calcula como

4
µ= ∑ xp(x) = 0 · 0,5 + 1 · 0,25 + 2 · 0,15 + 3 · 0,05 + 4 · 0,05 = 0,9.
x=0

La desviación típica es la raíz cuadrada de la varianza, que es

4
σ2 = ∑ x2 p(x) − µ 2 = 02 · 0,5 + 12 · 0,25 + 22 · 0,15 + 32 · 0,05 + 42 · 0,05 − 0,92 = 1,29;
x=0

y la desviación típica es
√ √
σ= σ2 = 1,29 = 1,14.

Para determinar el cuartil primero, localizamos el primer valor para el cual la función de
distribución es mayor a 0, 25, luego
Q1 = 0.

Para obtener la mediana, hay que observar que la función de probabilidad es igual a 0,5 en
todo el intervalo [0, 1) luego la mediana es cualquier valor del intervalo [0, 1]. Podemos optar,
en el caso de necesitar un valor, por

0+1
Me = = 0,5.
2

Para determinar el cuartil tercero, estamos en el mismo caso que la median como el valor
0, 75 se alcanza para todo el intervalo [1, 2) el cuartil superior es cualquier valor del intervalo
[1, 2]. Podemos tomar la media del intervalo

1+2
Q3 = = 1,5.
2

La moda es el valor con mayor probabilidad, en este caso,

Mo = 0.
5

c) Las probabilidades pedidas son:


1. P(X ≥ 1) = 1 − P(X = 0) = 1 − 0,5 = 0,5.
2. P(X ≥ 2) = 1 − F(2− ) = 1 − 0,75 = 0,25.
P(X ≥ 2, X ≥ 1) P(X ≥ 2) 0,25 1
3. P(X ≥ 2|X ≥ 1) = = = = = 0,5.
P(X ≥ 1) P(X ≥ 1) 0,5 2



 F(4− ) − F(2− ) = 0,95 − 0,75 = 0,2

4. P(2 ≤ X < 4) = o


P(X = 2) + P(X = 3) = 0,15 + 0,05 = 0,2.




 F(4) − F(2) = 1 − 0,9 = 0,1

5. P(2 < X ≤ 4) = o


P(X = 3) + P(X = 4) = 0,05 + 0,05 = 0,1.

d) Los soportes de X e Y se expresan en la siguiente tabla

SX 0 1 2 3 4

SY 5 4 3 2 1

La función de probabilidad de Y se calcula como

pY (y) = P(Y = y) = ∑
x∈SX
pX (x).
5−x=y

Se tiene

pY (1) =pX (4) = 0,05;


pY (2) =pX (3) = 0,05;
pY (3) =pX (2) = 0,15;
pY (4) =pX (1) = 0,25;
pY (5) =pX (0) = 0,5.



0,05 si y = 1,


si y = 2,

0,05




si y = 3,

0,15
pY (y) =


0,25 si y = 4,


si y = 5,



0,5



0 en otro caso.
6

La función de distribución es



0 si y < 1


si 1 ≤ y < 2,



0,05


si 2 ≤ y < 3,

0,1
FY (y) = P(Y ≤ y) =


0,25 si 3 ≤ y < 4,


si 4 ≤ y < 5,



0,5


si y ≥ 5.

1

Problema 3. El kilometraje (en miles de kilómetros) que los automovilistas logran de cierto tipo
de neumáticos, es una variable aleatoria con función de densidad

1−k


 si 0 < x ≤ 10,
 10



f (x) = 1 e−x/10 si x > 10,



 10

0 en el resto.

a) Calcular el valor de k, la duración mediana y la duración media esperada.

b) Calcular la probabilidad de que un neumático dure a lo sumo 10 000 km.

c) Dar la probabilidad de que un neumático dure entre 5000 km y 20 000 km.

d) Decir cuál sería la probabilidad de que un neumático dure al menos 30 000 km sabiendo que ha
durado más de 10 000 km.

Solución:

a) Para que f sea una función de densidad, debe verificar


Z ∞
f (x) dx = 1.
−∞

En el problema
Z ∞ Z 10 Z ∞
1−k 1
f (x) dx = dx + e−x/10 dx
−∞ 0 10 10 10

(1 − k)x 10 −x/10 ∞
= +e
10

0 10

= 1 − k + e−1 = 1 ⇒ k = e−1 .
8

La duración media es la esperanza, que se calcula como


Z ∞
E[X ] = x f (x) dx
−∞
Z ∞
x(1 − e−1 )
Z 10
x
= dx + e−x/10 dx
0 10 10 10

x2 (1 − e−1 ) 10 ∞ Z ∞
−x/10
= −xe + e−x/10 dx
20 0 10 10

= 5(1 − e−1 ) + 10e−1 − 10e−x/10

10
−1 −1 −1
= 5(1 − e ) + 10e + 10e
= 5(1 + 3e−1 ) = 10,518

Luego la media es de 10 518 km.


Z ∞
x −x/10
La integral e dx, que aparece en el cálculo de la media, se hace por partes con
10 10

u = x, du = dx;
1
dv = e−x/10 dx, v = −e−x/10 .
10

Para el calculo de la duración mediana, lo mejor es determinar la función de distribución (así


también la podemos usar para calcular las probabilidades que se piden en los apartados siguien-
tes). Z x
F(x) = P(X ≤ x) = f (t) dt.
−∞

Si x < 0, entonces F(x) = 0.


Si 0 ≤ x < 10, entonces

1 − e−1 (1 − e−1 )x
Z x
F(x) = dt = .
0 10 10

Si x ≥ 10, entonces

(1 − e−1 )
Z 10 Z x
1
F(x) = dt + e−t/10 dt
0 10 10 10
x
= 1 − e−1 + e−t/10

10

= 1 − e−1 + e−x/10 − e−1


= 1 − e−x/10 .
9

De donde 


0 si x < 0


 −1
F(x) = x(1 − e ) si 0 ≤ x < 10


 10

1 − e−x/10

si x ≥ 10.

Como F(10) = 1 − e−1 > 0,5, la mediana tiene que ser menor que 10, es decir, que está en el
intervalo [0, 10). Planteamos la siguiente igualdad

Me(1 − e−1 )
F(Me) = = 0, 5;
10

entonces,
5
Me = = 7,910
1 − e−1
Esto es, la mediana es de 7910 km.

10(1 − e−1 )
b) P(X ≤ 10) = F(10) = = 0,632.
10

5(1 − e−1 )
c) P(5 < X < 20) = F(20) − F(5) = 1 − e−20/10 − = 0,549.
10

d) Se trata de una probabilidad condicionada

P(X ≥ 30, X > 10)


P(X ≥ 30|X > 10) =
P(X > 10)
P(X ≥ 30)
=
P(X > 10)
1 − F(30)
=
1 − F(10)
1 − (1 − e−30/10 )
=
1 − (1 − e−1 )
e−3
=
e−1
= e−2 = 0,135.

e) Para calcular la primera probabilidad definimos la variable Y como el «número de fallos antes de
100 horas en cinco ensambles». Se tiene que Y ∼ B(5, p1 ), donde p1 = P(X < 100), determinada
en el apartado anterior y vale 0,2212. La función de probabilidad de una distribución binomial
10

viene dada por  


n y
P(Y = y) = p (1 − p)n−y .
y
La probabilidad pedida es

P(Y ≥ 2) = 1 − P(Y < 2)


= 1 − P(Y = 0) + P(Y = 1)
= 1 − 0,77885 − 5 · 0,2212 · 0,77884
= 1 − 0,2865 − 0,4068 = 03066.

Para la segunda probabilidad, definimos la variable V como el «número de fallos antes de 500
horas en cinco ensambles». Se tiene que V ∼ B(5, p2 ), donde

p2 = P(X < 500) = 1 − P(x ≥ 500) = 0,7135;

y la probabilidad pedida es
P(V = 5) = 0,71355 = 0,1849.


11

Problema 4. Una máquina consta de 3 componentes que funcionan de forma independiente. Se


sabe que la máquina funciona sólo si funcionan sus 3 componentes y que el tiempo de vida de cada
componente sigue una distribución exponencial de media 500 horas.

a) ¿Cuál es la probabilidad de que la máquina se averíe antes de 700 horas de funcionamiento?

b) ¿Cuál es la probabilidad de que transcurridas 500 horas de funcionamiento de la máquina, esta


no se haya averiado?

c) La máquina fabrica piezas cuyas longitudes se distribuyen según una normal de media 32 mm y
desviación típica 0,3 mm, considerándose aceptables aquellas cuya medida se encuentra dentro
del intervalo (31,1; 32,6). ¿Cuál es la probabilidad de una pieza fabricada por dicha máquina
sea aceptable?

Solución: Consideremos la variable aleatoria T como el «tiempo de vida o duración (en horas)
de un componente». Sabemos que T ∼ Exp(1/500), pues el parámetro de una exponencial es el
inverso de su media.

a) La probabilidad de que se averíe la máquina es la probabilidad de que falle al menos uno de los
componentes; entonces, consideremos la variable aleatoria

X = «número de componentes de la máquina que fallan antes de 700 h».

Se tiene que X ∼ B(3, p1 ), donde

p1 = P(T < 700) = F(700) = 1 − e−700/500 = 0,7534.

pues, recordemos que la función de distribución de una exponencial com parámetro λ es



0 si t < 0,
F(t) =
1 − e−λ t si t ≥ 0.

La función de probabilidad de una distribución binomial, X ∼ B(n, p), viene dada por
 
n x
P(X = x) = p (1 − p)n−x .
x

La probabilidad pedida es

P(X ≥ 1) = 1 − P(X = 0) = 1 − 0,24663 = 0,985.

b) Consideremos, ahora, la variable

Y = «número de componentes de la máquina que fallan antes de 500 h».


12

Y ∼ B(3, p2 ), donde

p2 = P(T < 500) = F(500) = 1 − e−500/500 = 0,6321.

La probabilidad pedida es
P(Y = 0) = 0,36793 = 0,0498.

c) Consideremos la variable aleatoria

W = «longitud (en mm) de una pieza».

Sabemos que W ∼ N(32; σ = 0,3), y tipificando se tiene que

W − 32
Z= ∼ N(0, 1).
0,3

La probabilidad pedida es
 31,1 − 32 32,6 − 32 
P(31,1 < W < 32,6) = P <Z<
0,3 0,3
= P(−3 < Z < 2)
= Φ(2) − Φ(−3)
= Φ(2) − 1 − Φ(3)


= 0,9772 − 1 + 0,99865 = 0,97585.


13

Problema 5. El tiempo (en minutos) que tarda un operario en familiarizarse con el manejo de
una máquina nueva que adquiere una determinada empresa es una variable aleatoria que sigue una
distribución normal. Los tiempos que tardaron 15 operarios en familiarizarse con el manejo de la
máquina fueron:

5,6 3,9 4,6 5,7 6,0 4,2 4,5 3,9


6,7 6,5 4,9 4,6 7,5 5,1 5,8

a) Calcular las estimaciones puntuales de la media y de la varianza de esta variable aleatoria.

b) Contrastar la hipótesis de que la media del tiempo de aprendizaje es de 5 minutos frente a que
es mayor de 5, a un nivel de significación de 0,05.

c) Calcula el intervalo de confianza al 90 % para la media del tiempo que tarda el operario en
familiarizarse con la máquina.

d) Si asumimos que la desviación típica poblacional es de 1,2 min; ¿cuántas observaciones serán
necesarias como mínimo para que al determinar el intervalo de confianza para la media al 95 %
el margen de error sea inferior a 0,5 min?

Solución:

a) Las estimaciones puntuales de la media y la varianza son

∑ni=1 xi 5,6 + 3,9 + · · · + 5,8 79,5


x̄ = = = = 5,3;
n 15 15

∑ni=1 xi − nx̄2 5,62 + 3,92 + · · · + 5,82 − 15 · 5,32 437,53 − 421,35 16,18


s2 = = = = = 1,156.
n−1 14 14 14
Y la desviación típica sería
p
s = 1,156 = 1,075.

b) Planteamos las hipótesis

H0 : µ = 5,
H1 : µ > 5.

El estadístico de contraste es
X̄ − µ0
T= √
s/ n
que sigue una distribución t de Student con n − 1 grados de libertad. Calculamos el valor obser-
vado del estadístico
5,3 − 5
t= √ = 1,08.
1,075/ 15
14

La región de aceptación para un nivel de significación de 0,05 es

A = (−∞ ; tn−1,1−α ) = (−∞;t14;0,95 ) = (−∞; 1,761).

El valor observado del estadístico pertenece a este intervalo. En este caso aceptamos la hipótesis
nula y consideramos que la media no es significativamente superior a 5.

c) El intervalo de confianza para la media es (x̄ − E, x̄ + E), donde E al 90 % de confianza con σ


desconocida se determina mediante

s 1,075
E = t14;0,95 √ = 1,761 √ = 0,489;
n 15

luego el intervalo es
(5,3 − 0,489; 5,3 + 0,489) = (4,811; 5,789).

d) Si el margen de error ha de ser menor de 0,5 min y conocemos la desviación típica; entonces

σ
E = z0,975 √ < 0,5;
n

de donde
1,2
1,96 √ < 0,5;
n
y despejando n
 1,96 · 1,2 2
n> = 22,13;
0,5
por lo tanto, el tamaño de muestra mínimo es 23.