ESTADÍSTICA AVANZADA

Grado en Administración y Dirección de Empresas

Curso Académico 2019-2020
Primera Convocatoria Oficial de la Asignatura (27-01-2020)

SOLUCIÓN

Cuestión 1. [2 PUNTOS] Considere un sistema eléctrico con tres componentes, y que cada
componente funciona independientemente de que los otros componentes funcionen o no.
Se sabe además que la probabilidad de que cada componente electrónico funcione es de
60%. Bajo tales condiciones, determine la probabilidad de que el sistema eléctrico funcione
en los siguientes casos:

(a) Los componentes están conectados en serie, lo que significa que el sistema funciona si y
sólo si los tres componentes funcionan simultáneamente.
(b) Los componentes está conectados en paralelo, lo que significa que el sistema funciona
siempre que al menos uno de los tres componentes funciona.

Siendo los eventos:

S={el sistema funciona}

A1={funciona el componente 1}; A2={funciona el componente 2}; A3={funciona el
componente 3}

(a) 𝑆 = 𝐴1 ∩ 𝐴2 ∩ 𝐴3 en este caso. Por tanto, dado que los eventos A1, A2, y A3 son
independientes, tenemos:

𝑃(𝑆) = 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3) = 𝑃(𝐴1) · 𝑃(𝐴2) · 𝑃(𝐴3) = 0.6 · 0.6 · 0.6 = 0.21

(b) 𝑆 = 𝐴1 ∪ 𝐴2 ∪ 𝐴3 en este caso. Bajo las mismas condiciones de independencia,

tenemos:
𝑃(𝑆) = 𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3) = 𝑃(𝐴1) + 𝑃(𝐴2) + 𝑃(𝐴3) −
− 𝑃(𝐴1 ∩ 𝐴2) − 𝑃(𝐴1 ∩ 𝐴3) − 𝑃(𝐴2 ∩ 𝐴3) +
+𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3) =
= 0.6 + 0.6 + 0.6 − 0.6 · 0.6 − 0.6 · 0.6 − 0.6 · 0.6 + 0.21 = 0.936

Nota: Para resolver este apartado no es necesario memorizar la expresión anterior. El

cálculo puede hacerse (por ejemplo) definiendo primero el evento 𝐵 = 𝐴2 ∪ 𝐴3, en cuyo
caso:

𝑃(𝐵) = 𝑃(𝐴2 ∪ 𝐴3) = 𝑃(𝐴2) + 𝑃(𝐴3) − 𝑃(𝐴2) · 𝑃(𝐴3) = 0.6 + 0.6 − 0.36 = 0.84
𝑃(𝑆) = 𝑃(𝐴1 ∪ 𝐵) = 𝑃(𝐴1) + 𝑃(𝐵) − 𝑃(𝐴1 ∩ 𝐵) = 𝑃(𝐴1) + 𝑃(𝐵) − 𝑃(𝐴1) · 𝑃(𝐵)

Lo cual nos lleva al mismo resultado: 𝑃(𝑆) = 0.6 + 0.84 − 0.6 · 0.84 = 0.936. Es igualmente
posible (e incluso más sencillo en este caso) usar la primera ley de Morgan para calcular
𝑃(𝑆 𝑐 ) = 𝑃(𝐴1𝑐 ∩ 𝐴2𝑐 ∩ 𝐴3𝑐 ) = 0.4 · 0.4 · 0.4 = 0.064, y por tanto 𝑃(𝑆) = 1 − 𝑃(𝑆 𝑐 ) = 1 −
0.064 = 0.936.
Cuestión 2 [2 PUNTOS]. La variable aleatoria continua X tiene función de distribución (fda):

=0 𝑥<1

10 1
𝐹(𝑥) = = (1− ) 1 ≤ 𝑥 ≤ 10
9 𝑥
=1 𝑥 > 10
{
Se pide: (a) Obtener la función de densidad (fdp); (b) calcular la mediana de la distribución
de X; (c) calcular 𝑃(2 < 𝑋 ≤ 12).

(a) Dado que la fdp, 𝑓(𝑥), es por definición la derivada de la función de distribución 𝐹(𝑥)
tenemos:
10 1
𝑑 ( ( 1 − ))
9 𝑥 10
𝑓(𝑥) = 𝐹 ′ (𝑥) = = 𝑝𝑎𝑟𝑎 1 ≤ 𝑥 ≤ 10
𝑑𝑥 9 𝑥2
Por tanto:

=0 𝑥<1

10
𝑓(𝑥) = = 1 ≤ 𝑥 ≤ 10
9 𝑥2
=0 𝑥 > 10
{

(b) Sea m la mediana de la distribución de X, continua en el intervalo (1,10); entonces

𝐹(𝑚) = 0.5 y por tanto:

10 1
( 1 − ) = 0.5 ⟹ 𝑚 = 1.82
9 𝑚

(c) Dada la función de distribución de más arriba, tenemos:

10 1 5 4
𝑃(2 < 𝑋 ≤ 12) = 𝐹(12) − 𝐹(2) = 1 − ( 1 − ) = 1 − = = 0.444
9 2 9 9

Cuestión 3 [2 PUNTOS] La ruleta americana tiene números 1-36 más 0 y 00. En una apuesta
a cinco usted gana si sale alguno de los números 1, 2, 3, o bien 0, 00. El casino da en esta
apuesta una ganancia de 6 $ por cada dólar apostado. Suponga que juega 1000 rondas y que
en cada una apuesta 1$; entonces, ¿cuál es la probabilidad (aproximada) de perder 100 o
más dólares si apuesta siempre a cinco?

La ganancia en la apuesta k-ésima, 𝐺𝑘 , es aquí una variable aleatoria discreta con la siguiente
distribución de probabilidad:

33
−1 𝑃(𝐺𝑘 = −1) =
38
𝐺𝑘 =
5
6 𝑃(𝐺𝑘 = 6) =
{ 38
Y como consecuencia:
 33 5 3
𝐸[𝐺𝑘 ] = (−1) · +6· =− = −0.079
38 38 38
33 5
𝑉𝑎𝑟[𝐺𝑘 ] = (−1 + 0.079)2 · + (6 + 0.079)2 · = 5.6 = 2.3662
38 38

Si llamamos X a la ganancia global tras 1000 apuestas a cinco de 1$, entonces:

1000

𝑋 = ∑ 𝐺𝑘
𝑘=1

Se trata pues de la suma de 1000 variables aleatorias independientes e idénticamente

distribuidas, y por tanto es aplicable el teorema central del límite, en virtud del cual
tenemos:
𝑎
𝑋 → 𝑁 (1000 · (−0.079); 1000 · 5.6) = 𝑁(−79; 74.832 )

Por tanto, siendo 𝑍~𝑁(0,1)

−100 − (−79)
𝑃(𝑋 ≤ −100) ≅ 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ −0.28) = 𝑃(𝑍 ≥ 0.28) = 0.3897
74.83

NOTA: Es también posible (aunque más complicado) formular el problema en términos de

la distribución binomial y su aproximación normal; es decir, usar la versión del TCL
conocida como Teorema de Moivre-Laplace. En este caso, podemos definir:

𝑌 = {𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑝𝑢𝑒𝑠𝑡𝑎𝑠 𝑎 𝑐𝑖𝑛𝑐𝑜 𝑔𝑎𝑛𝑎𝑑𝑎𝑠 𝑒𝑛 1000 𝑟𝑜𝑛𝑑𝑎𝑠}

De manera que
5
𝑌~𝐵 (1000, ) 𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑌 = {0,1, … ,1000}
38

Ahora hemos de tener en cuenta que es necesario ganar 128 o menos apuestas para perder
más de 100$. En concreto, si ganamos en 128 apuestas (y perdemos en 872) entonces
nuestra pérdida global es 128 · 6 − 872 = −104$ < −100$; en cambio, si ganamos 129 (y
perdemos 871) apuestas nuestra pérdida global es 129 · 6 − 871 = −97$ > −100$. Por
tanto, la probabilidad (aproximada) de perder más de 100$:

128 − 131.6
𝑃(𝑌 ≤ 128) ≅ 𝑃(𝑋 ≤ 128) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ −0.33) = 𝑃(𝑍 ≥ 0.33) = 0.3745
10.7

Donde 𝑍~𝑁(0,1), ya que, por aplicación del Teorema de Moivre-Laplace, la distribución

aproximada de 𝑋 será:
𝑎
𝑋 → 𝑁 (1000 · 0.1315; 1000 · 0.1315 · 0.8684) = 𝑁(131.6; 10. 72 )

Esta aproximación es peor que la obtenida más arriba con la versión general del TCL, ya que
la probabilidad exacta de perder más de 100$ es 𝑃(𝑌 ≤ 128) = 0.3907 (calculada con la
librería GRETL),

Tenga en cuenta que cuando se aproxima una variable discreta (Y, binomial) por una
variable continua (X, normal) es siempre conveniente hacer un ajuste por continuidad (ver
Apuntes), lo que nos llevaría a una mejor aproximación; en efecto, 𝑃(𝑋 ≤ 128.5) = 0.3866.
Cuestión 4 [2 PUNTOS] Una fuente de potencia da un voltaje de fábrica de 12 voltios, pero
debido a fluctuaciones aleatorias el voltaje real 𝑉 se considera una variable aleatoria con
distribución normal. Suponga ahora que se ha obtenido una muestra aleatoria simple a
partir del registro de voltajes, con las siguientes observaciones:

12.1 11.7 12.9 11.5 10 12 12.4 11.9 11.9 12.2

Se pide: (a) Efectúe una prueba de hipótesis al nivel de significación del 1 por ciento para
comprobar si el voltaje medio de la fuente es de 12 voltios. (b) Estime la probabilidad de
que el voltaje sea superior a 12.5 voltios.

(a) Planteamiento:

H1: 𝑉𝑘 ~𝑁(𝜇; 𝜎 2 ) 𝑘 = 1, … 10 𝜇∈𝑅 𝜎>0

H0: 𝑉𝑘 ~𝑁(𝜇; 𝜎 2 ) 𝑘 = 1, … 10 𝜇 = 12 𝜎>0

Estadístico de prueba:
𝑉̅ − 12
𝑇≡( 𝑠 ) ~ 𝑡(9) 𝑠𝑖 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎
√10

Región crítica al nivel de 1%

𝑅𝐶: 𝑇 ≤ 𝑇0.005 = −3.25 ∪ 𝑇 ≤ 𝑇0.995 = 3.25

Valor experimental del estadístico de prueba:

𝑉𝑘
(∑10) − 12
𝑘=1 11.86 − 12 −0.14
𝑇(𝑒𝑥𝑝) = 10 = = = −0.5833
(𝑉 − ̅
𝑉 )2 0.7589 0.24
√∑10 𝑘
𝑘=1 9 √10
√10
Resultado de la prueba:

Dado que 𝑇(𝑒𝑥𝑝) no pertenece a la región crítica, NO RECHAZAMOS LA HIPÓTESIS NULA

AL NIVEL DE SIGNIFICACIÓN DE 1 POR CIENTO.

Por tanto, en estos términos, no puede descartarse que el voltaje medio de la fuente de
potencia sea de 12 voltios.

(b) Para obtener una estimación de la probabilidad 𝑝 ≡ 𝑃(𝑉𝑘 > 12.5) podemos usar dos
métodos generales. En primer lugar, podemos usar como estimador la frecuencia relativa,
el estimador de máxima verosimilitud.

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 {𝑉𝑘 > 12.5} 1

𝑝̃ = = = 0.1
𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 10

Podemos también usar el estimador del método de los momentos. Asumiendo que la
distribución aproximada del voltaje es 𝑉𝑘 ~𝑁(11.86; 0.762 ), tenemos:

12.5 − 𝑉̅ 12.5 − 11.86

𝑝̂ = 𝑃 (𝑍 > ) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 0.84) = 0.2
𝑠 0.76
Cuestión 5 [2 PUNTOS] Partiendo de la misma muestra que en la cuestión anterior: (a)
Obtenga un intervalo de 99% confianza para el voltaje medio, e interprete su significado.
(b) ¿Sería posible resolver la prueba de hipótesis de la cuestión anterior utilizando dicho
intervalo de confianza? Indique el procedimiento a seguir y si el resultado de la prueba es
el mismo en ambos casos.

(a) Datos básicos para construir el intervalo para el voltaje medio (𝜇):

Media muestral (estimador): 𝑉̅ = 11.86 (𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑚á𝑠 𝑎𝑟𝑟𝑖𝑏𝑎)

Error estándar del estimador: 𝑒𝑒[𝑉̅ ] = 𝑠⁄√𝑛 = 0.24 (𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑚á𝑠 𝑎𝑟𝑟𝑖𝑏𝑎)
Distribución aplicable y valores críticos al nivel de confianza de 99%: t(9), 𝑇0.995 = 3.25

Por tanto, un intervalo de confianza simétrico a dicho nivel de confianza es:

𝜇 = 11.86 ∓ 3.25 · 0.24 → 11.08 ≤ 𝜇 ≤ 12.64

Lo que significa que en 99 de cada 100 veces el voltaje medio se encontrará entre 11.08 y
12.64 voltios.

(b) De acuerdo con el teorema de correspondencia el intervalo de confianza anterior puede

usarse como intervalo de prueba (región de aceptación) para H0: 𝜇 = 𝜇0 al nivel de
significación de 1%. El procedimiento a seguir es el siguiente: No rechace H0 si el valor del
parámetro 𝜇0 pertenece al intervalo de confianza.

En este caso, NO PODEMOS RECHAZAR LA HIPÓTESIS NULA de la prueba, ya que 𝜇0 = 12

pertenece al intervalo de confianza. El resultado es el mismo que en la cuestión anterior
porque se usan exactamente los mismos datos para tomar la decisión. La técnica del
intervalo puede usarse para contrastar cualquier valor del parámetro a un nivel de
significación dado. Por ejemplo, en este caso las hipótesis 𝜇0 = 12.5, 𝜇0 = 11.5 no podrían
rechazarse al nivel de 1%, pero las hipótesis 𝜇0 = 11, 𝜇0 = 13 si serían rechazadas al mismo
nivel de significación.