Está en la página 1de 15
Departamento de Estadística e Investigación Operativa ESTADÍSTICA (27 de junio de 2014) 1 . Un

Departamento de Estadística e Investigación Operativa

ESTADÍSTICA (27 de junio de 2014)

1. Un taller de reparación de terminales de telefonía móvil tiene dos proveedores de baterías A y B.

El 60 % de las baterías que monta son del proveedor A y el resto del proveedor B. Se sabe que el

1 % de las baterías del proveedor A son defectuosas, siendo este porcentaje del 2 % para las de B.

a) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa?

b) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa y provenga

del proveedor A?

c) Si una batería montada en dicho taller resulta ser defectuosa, ¿cuál es la probabilidad de que

sea del proveedor A?

d) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa o provenga

del proveedor A?

e) ¿Cuál es la probabilidad de que, en dicho taller, se monten 100 baterías no defectuosas antes

de que se monte la primera que resulte ser defectuosa?

2. El número de veces que un determinado alumno se conecta a WhatsApp durante la clase de Esta-

dística es una variable aleatoria X con función de masa de probabilidad dada por:

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


0,3

 

si x = 0,

k si x = 1, 2 o 3,

 

0,1

 

si x = 4,

0 en otro caso.

a) Calcular k y determinar 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 el alumno se conecte alguna vez durante una clase,

c.2) de que el alumno se conecte a lo sumo dos veces durante una clase,

c.3) del suceso {1 X 3},

c.4) del suceso {1 < X < 3},

c.5) de que se conecte una sola vez dado que sabemos que se ha conectado alguna.

3.

El tiempo de duración X, en horas, de un ensamble mecánico en una prueba de vibración sigue

una distribución con función de densidad

f(x) =


1

400 e x/2k

si x > 0,

0 en otro caso.

a) Calcular el valor de k para que f sea una función de densidad. ¿Cuál sería el tiempo de dura-

ción esperado del ensamble?

b) Determinar la probabilidad de que el ensamble falle durante la prueba antes de 100 horas.

¿Cuál es la probabilidad de se produzca el fallo después de 500 horas?

c) Si el ensamble se ha probado durante 400 horas sin fallo, determinar la probabilidad de que

falle antes de las 500 horas.

d) Si durante el ensayo se han probado 5 ensambles de manera independiente, determinar la

probabilidad de que falle al menos dos de ellos antes de 100 horas. ¿Cuál sería la probabilidad

de que al cabo de 500 horas todos los ensambles hallan fallado?

4. En un proceso de fabricación de bujías, se sabe que el número de bujías defectuosas fabricadas en

una hora de funcionamiento del mismo sigue una distribución de Poisson y que se producen una

media de 2 bujías defectuosas por hora.

a) Calcular la probabilidad de que se produzcan cuatro bujías defectuosas en tres horas de fun-

cionamiento de dicho proceso.

b) Calcular la probabilidad de que el tiempo transcurrido entre la fabricación de una bujía defec-

tuosa y la siguiente que también resulte ser defectuosa sea superior a 1,5 horas.

c) Se sabe que el diámetro (en mm) de las roscas de las bujías fabricadas en el proceso sigue una

distribución normal de media 16 mm y desviación típica 0,02 mm. El control de calidad que se

realiza sobre el proceso de fabricación de las roscas considera que una rosca no es defectuosa

si su diámetro está comprendido entre 15,95 mm y 16,05 mm ¿Cuál es la probabilidad de que

una rosca no sea considerada por este control como defectuosa?

5. Para verificar si el diámetro de las tuberías fabricadas por una empresa está bien ajustado, se toma

una muestra de 9 tramos de tuberías, obteniéndose los siguientes valores (en mm):

502

503

497

505

501

496

504

504

506

Suponiendo que la distribución del diámetro es normal, responde a las siguientes cuestiones:

a) Contrastar la hipótesis de que la media del diámetro de los tubos fabricados por esta empresa

es de 500 mm frente a que es distinta de este valor. ¿Qué conclusión se obtiene a un nivel de

significación de 0,05?, ¿y de 0,01?

b) Calcular un intervalo de confianza al 98 % para la media del diámetro de las tuberías.

c) Si asumimos que la desviación típica poblacional del diámetro es de 3,5 mm; ¿qué tamaño de

muestra, como mínimo, debemos considerar para estimar la media del diámetro al 98 % de

confianza con un margen de error inferior a 2 mm?

1

ESTADÍSTICA

Soluciones

Problema 1. Un taller de reparación de terminales de telefonía móvil tiene dos proveedores de baterías A y B. El 60 % de las baterías que monta son del proveedor A y el resto del proveedor B. Se sabe que el 1 % de las baterías del proveedor A son defectuosas, siendo este porcentaje del 2 % para las de B.

a) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa?

b) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa y provenga del proveedor A?

c) Si una batería montada en dicho taller resulta ser defectuosa, ¿cuál es la probabilidad de que sea del proveedor A?

d) ¿Cuál es la probabilidad de que una batería montada en ese taller sea defectuosa o provenga del proveedor A?

e) ¿Cuál es la probabilidad de que, en dicho taller, se monten 100 baterías no defectuosas antes de que se monte la primera que resulte ser defectuosa?

Solución:

Consideremos los sucesos:

A = «Batería del proveedor A»,

B = «Batería del proveedor B»

y

D = «Batería defectuosa».

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

P(D | A) = 0,01 D A P(A) = 0,6 P(D C | A) =
P(D | A) = 0,01
D
A
P(A) = 0,6
P(D C | A) =
0,99
D
C
P(D | B) = 0,02
D
P(B) = 0,4
B
P(D C | B) = 0,98
D
C

2

a) Aplicando el teorema de la probabilidad total se tiene

P(D) = P(D | A)P(A) + P(D | B)P(B) = 0,01 · 0,6 + 0,02 · 0,4 = 0,014

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

P(D A) = P(D | A)P(A) = 0,01 · 0,6 = 0,006.

c) Podemos usar el teorema de Bayes

P(A | D)=

P(D | A)P(A) P(D | A)P(A)+P(D | B)P(B) .

O aplicar directamente la fórmula de la probabilidad condicionada y usar los resultados obteni-

dos en los apartados anteriores

P(A | D)= P(D P(D) A)

= 0,014 0,006 = 0,429

d) En este caso es la probabilidad de la unión de dos sucesos compatibles

P(D A) = P(D) + P(A) P(D A) = 0,014 + 0,6 0,006 = 0,068.

e) Sea X la variable aleatoria que cuenta el número de baterías no defectuosas antes de que se monte la primera batería que resulte defectuosa. Se tiene que

la

X Ge(0,014),

función de probabilidad de una geométrica es

P(X = x)=(1 p) x p.

Y

la probabilidad pedida es

P(X = 100) = (1 0,014) 100 · 0,014 = 0,00342

1 − p ) x p . Y la probabilidad pedida es P ( X =

3

Problema 2. El número de veces que un determinado alumno se conecta a WhatsApp durante la

clase de Estadística es una variable aleatoria X con función de masa de probabilidad dada por:

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


0,3

si x = 0,

 

 

k si x = 1, 2 o 3,

0,1

 

 

si x = 4,

0 en otro caso.

a) Calcula k para que, efectivamente, la función dada 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 el alumno se conecte alguna vez durante una clase,

2. de que el alumno se conecte a lo sumo dos veces durante una clase,

3. del suceso { 1 X 3 } ,

4. del suceso { 1 < X < 3 } ,

5. de que se conecte una sola vez dado que sabemos que se ha conectado alguna.

d) Calcular la función de distribución de la variable aleatoria Y = (X 2) 2 .

Solución:

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

p(x) = 1,

xS

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

p(0) + p(1) + p(2) + p(3) + p(4) = 0,3 + k + k + k + 0,1 = 1 k = 0,2.

Se define la función de distribución como

F(x)= P(X x).

4

b)

Luego

F(x)=

0

0,3

0,5

0,7

0,9

1

si x < 0

si 0 x < 1,

si 1 x < 2,

si 2 x < 3,

si 3 x < 4,

si x 4.

La esperanza se calcula como2 ≤ x < 3, si 3 ≤ x < 4, si x ≥ 4. =

=

4

xp(x) = 0 · 0,3 + 1 · 0,2 + 2 · 0,2 + 3 · 0,2 + 4 · 0,1 = 1,6.

x=0

La desviación típica es la raíz cuadrada de la varianza, que es+ 2 · 0,2 + 3 · 0,2 + 4 · 0,1 = 1,6. x =

2 =

4

x 2 p(x) 2 = 0 2 · 0,3 + 1 2 · 0,2 + 2 2 · 0,2 + 3 2 · 0,2 + 4 2 · 0,1 1,6 2 = 1,84;

x=0

y la desviación típica es

=

2 = 1,84 = 1,36.

Para determinar el cuartil primero, localizamos el primer valor para el cual la función de distribución es mayor a 0,25, luegodesviación típica es = √ 2 = √ 1,84 = 1,36. Q 1 = 0. Para

Q 1 = 0.

Para obtener la mediana, hay que observar que la función de probabilidad es igual a 0,5 en todo el intervalo [ 1,2 ) luego la mediana es cualquier valor del intervalo [ 1,2 ] . [1,2) luego la mediana es cualquier valor del intervalo [1,2].

Podemos optar, en el caso de necesitar un valor, por

Me = 1+2 = 1,5.

2

Para determinar el cuartil tercero, se localiza el primer valor para el cual, la función de distri-caso de necesitar un valor, por Me = 1 + 2 = 1,5. 2 bución es

bución es mayor a 0,75 y se tiene que

Q 3 = 3.

La moda es el valor con mayor probabilidad, en este caso,el primer valor para el cual, la función de distri- bución es mayor a 0,75 y

Mo = 0.

5

c) Las probabilidades pedidas son:

1. P(X 1) = 1 F(1 ) = 1 0,3 = 0,7.

2. P(X 2) = F(2) = 0,7.

3. P(1 X 3) = F(3) F(1 ) = 0,9 0,3 = 0,6.

4. P(1 < X < 3) = F(3 ) F(1) = 0,7 0,2 = 0,2.

5. P(X = 1 | X 1) = P(X P(X = 1, X 1) 1)

= P(X = 1)

P(X

1) = 0,2

0,7

= 2 = 0,286.

7

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

S X 0 1 2 3 4 S Y 4 1 0 1 4
S X
0
1
2
3
4
S Y
4
1
0
1
4

La función de probabilidad de Y se calcula como

Se tiene

p Y (y)= P(Y = y)=

x S X

x 2 1=y

p X (x).

p

Y (0)=p X (2) = 0,2

p

Y (1)=p X (1)+ p X (3) = 0,2 + 0,2 = 0,4

p

Y (4)=p X (0)+ p X (4) = 0,3 + 0,1 = 0,4;

p Y (y)=

0,2

0,4

0,4

0

La función de distribución es

F Y (y)= P(Y y)=

si y = 0,

si y = 1,

si y = 4,

en otro caso.

0

0,2

0,6

1

si x < 0

si 0 x < 1,

si 1 x < 4,

si x 4.

          1 si x < 0 si

6

Problema 3. El tiempo de duración X , en horas, de un ensamble mecánico en una prueba de vibra-

ción sigue una distribución con función de densidad

f(x)=

400 e x/2k

0

1

  en otro caso.

si x > 0,

a) Calcular el valor de k para que f sea una función de densidad. ¿Cuál sería el tiempo de duración

esperado del ensamble?

b) Determinar la probabilidad de que el ensamble falle durante la prueba antes de 100 horas. ¿Cuál es la probabilidad de se produzca el fallo después de 500 horas?

c) Si el ensamble se ha probado durante 400 horas sin fallo, determinar la probabilidad de que falle antes de las 500 horas.

d) Si durante el ensayo se han probado 5 ensambles de manera independiente, determinar la pro- babilidad de que falle al menos dos de ellos antes de 100 horas. ¿Cuál sería la probabilidad de

que al cabo de 500 horas todos los ensambles hallan fallado?

Solución:

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

En el problema

f(x)dx =

0

1

400 e x/2k dx =

f (x)dx = 1.

2k

400 e x/2k

+

0

2k

2k

= 400 (0 1)= 400 = 1

La esperanza es

E[X]= xf(x)dx

=

0

x

1

400 e x/400 dx

= xe x/400

0

+

e x/400 dx

0

= xe x/400 0 400e x/400

0 = 400

La integral se hace por partes con

u = x,

du = dx;

dv =

1

400 e x/400 dx, v = e x/400 .

k = 200.

7

b) Podemos calcular las probabilidades usando la función de densidad, mediante la fórmula

P(x 1 < X < x 2 )= x 2 f(x)dx;

x

1

o determinar la función de distribución y calcular las probabilidades que se piden a partir de ella. Como no es difícil, y tenemos que calcular la probabilidad de varios intervalos, vamos a

calcular la función de distribución

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

Si x ≥ 0, entonces x 0, entonces

De donde

x

F(x)= f (t)dt =

0

F(x)=

Las probabilidades que se piden son:

x

400 e t/400 dt = e t/400 = 1 e x/400 .

0

1

x

0 si x < 0

1 e x/400

si x 0.

P( X < 100 ) = F ( 100 ) = 1 − e − (X < 100) = F(100) = 1 e 100/400 = 0,2212.

P( X > 500 ) = 1 − F ( 500 ) = e − (X > 500) = 1 F(500) = e 500/400 = 0,2865.

c) Se trata de una probabilidad condicionada

P(X < 500 | X > 400) = P(X P(X < 500, > X 400) > 400)

P(400 < X < 500)

=

P(X > 400)

F(500) F(400)

=

1 F(400)

1 e 500/400 (1 e 400/400 )

=

1 (1 e 400/400 )

e 1 (1 e 1/4 )

=

e 1

=

1 e 1/4 = 0,2212.

d) 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, p 1 ), donde p 1 = P(X < 100), determinada

en el apartado anterior y vale 0,2212. La función de probabilidad de una distribución binomial

8

viene dada por

P(Y = y)= n y p y (1 p) ny .

La probabilidad pedida es

P(Y 2)= 1 P(Y < 2)

= 1 P(Y = 0)+P(Y = 1)

= 1 0,7788 5 5 · 0,2212 · 0,7788 4

= 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, p 2 ), donde

p 2 = P(X < 500) = 1 P(x 500) = 0,7135;

y la probabilidad pedida es

P(V = 5) = 0,7135 5 = 0,1849.

< 500 ) = 1 − P ( x ≥ 500 ) = 0,7135; y la

9

Problema 4. En un proceso de fabricación de bujías, se sabe que el número de bujías defectuosas fabricadas en una hora de funcionamiento del mismo sigue una distribución de Poisson y que se producen una media de 2 bujías defectuosas por hora.

a) Calcular la probabilidad de que se produzcan cuatro bujías defectuosas en tres horas de funcio- namiento de dicho proceso.

b) Calcular la probabilidad de que el tiempo transcurrido entre la fabricación de una bujía defec- tuosa y la siguiente que también resulte ser defectuosa sea superior a 1,5 horas.

c) Se sabe que el diámetro (en mm) de las roscas de las bujías fabricadas en el proceso sigue una distribución normal de media 16 mm y desviación típica 0,02 mm. El control de calidad que se realiza sobre el proceso de fabricación de las roscas considera que una rosca no es defectuosa si su diámetro está comprendido entre 15,95 mm y 16,05 mm ¿Cuál es la probabilidad de que una rosca no sea considerada defectuosa por este control?

Solución:

Consideremos la variable aleatoria

X = «número de bujías defectuosas fabricadas en 1 hora de funcionamiento del proceso».

Sabemos que X P(2), pues el parámetro de una Poisson coincide con su media.

a) Consideremos la v.a.

Y = «número de bujías defectuosas fabricadas en 3 horas de funcionamiento del proceso».

Si aplicamos la reproductividad de la distribución de Poisson respecto de su parámetro, tenemos que Y P(6).

La probabilidad pedida es

P(Y = 4)= e 6 6 4! = 0,133853

4

Recordemos que la función de probabilidad de una Poisson es

P(Y = y)= e

y

y! .

b) Consideremos la variable aleatoria

T = «tiempo (en horas) transcurrido entre la fabricación de una bujía defectuosa y la siguiente».

Sabemos que el tiempo de espera entre dos ocurrencias consecutivas de una variable con distri- bución de Poisson, sigue una distribución exponencial cuyo parámetro es la media de ocurren-

10

cias por unidad de tiempo, por lo tanto, T Exp(2). La probabilidad pedida es

P(T > 1,5) = 1 F(1,5) = 1 (1 e 3 )= e 3 = 0,04979;

pues la función de distribución de una exponencial es

F(t)=

0

1 e t

si t

si

t

< 0

0.

También se puede hacer, definiendo una Poisson de parámetro 3 (1,5h × 2); V P(3), donde

V = «número de bujías defectuosas fabricadas en 1,5 horas de funcionamiento del proceso».

P(V = 0)= e 3 = 0,04979

c) Consideremos la variable aleatoria

W = «diámetro (en mm) de las roscas de las bujías fabricadas en el proceso».

Sabemos que W N(16; = 0,02), y tipificando se tiene que

La probabilidad pedida es

Z = W 16

0,02

N(0,1).

P(15,95 < W < 16,05) = P 15,95 0,02 16

< Z < 16,05 16

0,02

= P( 2,5 < Z < 2,5)

= (2,5) ( 2,5)

= (2,5) 1 (2,5)

= 2

= 2 · 0,9938 1 = 0,9876.

(2,5) 1

) − ( − 2,5 ) = ( 2,5 ) − 1 − ( 2,5 )

11

Problema 5. Para verificar si el diámetro de las tuberías fabricadas por una empresa está bien

ajustado, se toma una muestra de 9 tramos de tuberías, obteniéndose los siguientes valores (en mm):

501

a) Contrasta la hipótesis de que la media del diámetro de los tubos fabricados por esta empresa

es de 500 mm frente a que es distinto de este valor. ¿Qué conclusiones se obtiene a un nivel de significación de de 0,05?, ¿y de 0,01? (Justifica las respuestas).

502

503

497

505

496

504

504

506

b) Calcula un intervalo de confianza al 98 % para la media del diámetro de las tuberías.

c) Si asumimos que la desviación típica poblacional del diámetro es de 3,5 mm; ¿qué tamaño de muestra, como mínimo, debemos considerar para estimar la media del diámetro al 98 % de

confianza con un margen de error inferior a 2 mm?

Solución:

a) Planteamos las hipótesis

H 0 :

= 500,

H 1 :

= 500.

Estimemos la media y la desviación típica,

n i=1 x i

x¯=

n

= 502 + 503 + ··· + 506 = 4527

9 9

= 502;

i=1 x i nx¯ 2 n 1

n

s 2 =

De donde

502 2 + 503 2 + ··· + 506 2 9 · 502 2

=

8

s = 0,12 = 3,464.

= 2268132 2238036 = 96

8

8

El estadístico de contraste es

T =

¯

X 0

s/ n

= 12.

que sigue una distribución t de Student con n 1 grados de libertad. Calculamos el valor obser- vado del estadístico

t

= 502 500 3,464/ 9

= 1,732.

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

12

12 El valor observado del estadístico pertenece a este intervalo. En este caso aceptamos la hipótesis

El valor observado del estadístico pertenece a este intervalo. En este caso aceptamos la hipótesis nula y consideramos que la media no difiere significativamente de 500.

La región de aceptación para

= 0,01 es el intervalo

A 0,01 =( t 8;0,995 ; t 8;0,995 ) = ( 3,355; 3,355),

por la tanto, también aceptamos la hipótesis nula; el contraste tampoco es significativo a este nivel de significación.

tampoco es significativo a este nivel de significación. b ) El intervalo de confianza para la

b) El intervalo de confianza para la media es (x¯E, x¯+ E), donde E al 98% de confianza con desconocida se determina mediante

E = t 8;0,99

n = 2,896 3,464 = 3,344;

s

9

13

luego el intervalo es

(502 3,344; 502 + 3,344) = (498,656; 505,344).

c) Si el margen de error ha de ser menor de 2 mm y conocemos la desviación típica; entonces

de donde

y despejando n

E = z 0,99

n < 2;

2,33 3,5 n < 2;

n > 2,33 · 3,5

2

2 = 16,63;

por lo tanto, el tamaño de muestra mínimo es 17.

√ 3,5 n < 2; n > 2,33 · 3,5 2 2 = 16,63; por lo