Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería

I.T.I. Química Industrial - 5 de febrero de 2005

__________________________________________________________________________

1.- Sea X una variable con media x = 3 y desviación típica = 0.5. Calcular la media y varianza de la
variable Y = 2X-1. (0.5 punto)

SOLUCIÓN:

⎧ X =3
Si X verifica que: ⎨ , entonces:
⎩ S X = 0.5

⎧ Y = 2· X − 1 = 2·3 − 1 = 5
Y = 2·X-1 = ⎨
⎩ SY = 2·S X = 2·0.5 = 1

2.- Se han examinado una serie de soluciones patrón de fluoresceína en un espectrómetro de

fluorescencia, y han conducido a las siguientes intensidades de fluorescencia (en unidades
arbitrarias):

Intensidades de fluorescencia 2.1 5.0 9.0 12.6 17.3 21.0 24.7

Concentración (pg /ml) 0 2 4 6 8 10 12
Construir la recta de regresión, en el caso que sea posible, indicando cuál se considera como variable
independiente (causa) y cuál será la variable dependiente (efecto). (1.5 puntos)

SOLUCIÓN:

Para decidir si tiene sentido construir la recta de regresión para estimar la

Intensidad de Fluorescencia que sería la variable dependiente o efecto, en función
de la concentración que sería la variable independiente o causa, es necesario
calcular el coeficiente de correlación de Pearson y valorar el grado de asociación
entre ambas variables. En este caso resulta:

∑ IF ·C − 7 ⋅ IF ⋅ C
i i
r= i =1
= 0,99887957
7 7

∑ IF ∑C
2 2
i
2
− 7 ⋅ IF ⋅ i
2
− 7⋅C
i =1 i =1

Al ser éste próximo a 1 y positivo, se deduce que entre la concentración y la

intensidad de fluorescencia existe una asociación fuerte y positiva, es decir, que el
aumento de la concentración produce un aumento en la Intensidad de
fluorescencia. Por lo tanto, tiene sentido construir la recta de regresión:

m = a + b⋅C
IF

Mª del Pino Quintana M. 1/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

S IF ,C ∑ IF ·C − 7 ⋅ IF ⋅ C
i i
siendo a =IF − b ⋅ C = = 1,51785714 y b = = i =1
7
= 1,93035714.
SC2
∑C
2
i
2
−7 ⋅C
i =1

m = 1.52 + 1.93 ⋅ C
IF

La pendiente de la recta se interpreta de modo que por cada unidad que

aumenta la concentración, la Intensidad de fluorescencia se verá
incrementada en aproximadamente 1,93 unidades por término medio.

3.- Un test para detectar la presencia de un bacilo en el agua ofrece las siguientes probabilidades: si
el agua está libre del bacilo, cosa que ocurre con probabilidad 0.99, el test dice que el agua está
contaminada con probabilidad 0.06. Cuando el agua está contaminada, el test lo detecta con
probabilidad 0.98. Calcular la probabilidad de que el agua no esté contaminada si el test indica que
hay contaminación. (1 punto)

SOLUCIÓN:

B = “Presencia de Bacilo en el agua”

BC = “No hay presencia de Bacilo en el agua”
T = “Test da positivo ante la presencia de Bacilo”
TC= “Test da negativo ante la presencia de Bacilo”

Por los datos del problema tenemos las probabilidades a priori:

P(B) = 0.01
P(BC) = 0.99

Se indica, además, el coeficiente de falso-positivo: P(T|BC) = 0.06, siendo, por tanto, la especificidad:
P(TC|BC) = 0.94. Asimismo, la sensibilidad del Test resulta: P(T|B) = 0.98, con lo que el coeficiente de
falsi-negativo será: P(TC|B) = 0.02.

A partir de los datos debemos calcular la probabilidad a posteriori:

P ( T B C ) P ( BC )
P (B T ) =
0.06·0.99 0.0594
C
= = = 0.8584
P ( T B ) P (B ) + P ( T B ) P (B
C C
) 0.98·0.01 + 0.06·0.99 0.0692

Luego, si el test da positivo existe una probabilidad de 0.1416 = 1- 0.8584 = P(B|T) de que
efectivamente haya presencia del bacilo en el agua y una probabilidad de 0.8584 de que No haya.

Mª del Pino Quintana M. 2/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

4.- Una compañía química produce una determinada solución reguladora cuyo nivel de pH sigue una
distribución normal de media 5.5 y desviación típica 0.3. Se sabe que dicha solución reguladora
resulta ineficaz si su nivel de pH es inferior a 5.
a) Si se toma una muestra de 20 frascos de dicha solución, ¿cuál es la probabilidad de que a lo sumo
tres de estos no sean eficaces? (1 punto)
b) Si la producción de un día es de 250 frascos, y se inspeccionan los frascos de manera secuencial
¿cuál es la probabilidad de que sea necesario inspeccionar a lo sumo 5 frascos para obtener 3
ineficaces? (1 punto)

SOLUCIÓN:

Tenemos que pH ~ N(5.5, 0.3)

5 − 5.5
P(pH < 5) = P(Z< ) = P(Z<-1.67) = 0.0475
0.3

Luego, escogido un frasco de solución reguladora al azar de la producción existe una probabilidad
pequeña de 0.0475 de que resulte ineficaz, es decir, que su nivel de pH sea inferior a 5.

a) Si ahora seleccionamos una muestra de 20 frascos de dicha solución reguladora, donde cada uno
puede resultar ineficaz con probabilidad p = 0.0475, definimos la variable:

X = “nº de frascos no eficaces de la muestra” = {0, 1, 2, …, 20}, siendo X~ B(n=20, p = 0.0475)

Hemos de calcular:

P(X ≤ 3) = P(X=3) + P(X=2) + P(X=1) + P(X=0) =

⎛ 20 ⎞ ⎛ 20 ⎞ ⎛ 20 ⎞
= ⎜ ⎟ ( 0.0475 ) (0.9525)17 + ⎜ ⎟ ( 0.0475 ) (0.9525)18 + ⎜ ⎟ ( 0.0475 ) (0.9525)19 +
3 2 1

⎝3⎠ ⎝2⎠ ⎝1⎠

⎛ 20 ⎞
+ ⎜ ⎟ ( 0.0475 ) (0.9525) 20 = 0.98662
0

⎝0⎠

de manera alternativa y dado que n = 20 y p = 0.0475 < 0.05, podemos aproximar la distribución
Binomial por la distribución de Poisson, siendo λ =n·p = 20·0.0475 = 0.95.

Luego, si X~ B(n, p) ⇒ X’~P(λ =n·p = 0.95), quedando así:

P(X ≤ 3) ≈ P(X’ ≤ 3) = P(X’=3) + P(X’=2) + P(X’=1) + P(X’=0) =

⎡ 0.953 0.952 0.951 0.950 ⎤
= e −0.95 ⎢ + + + ⎥ = 0.98393
⎣ 3! 2! 1! 0! ⎦

b) Definimos Y = “nº de frascos inspeccionados hasta encontrar 3 con un pH inferior a 5”

Y = {3, 4, 5, …, 250}, siendo Y~ BN( k = 3, p = 0.0475)

Mª del Pino Quintana M. 3/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

Nos piden en este caso calcular:

P(Y ≤ 5) = P(Y=5) + P(Y=4) + P(Y=3) =

⎡⎛ 4 ⎞ ⎤ ⎡⎛ 3 ⎞ ⎤
= ⎢⎜ ⎟·0.04752 ·0.95252 ⎥·0.0475 + ⎢⎜ ⎟·0.04752 ·0.95251 ⎥·0.0475 + 0.04753 =
⎣⎝ 2 ⎠ ⎦ ⎣⎝ 2 ⎠ ⎦

= 9.9681· 10-4 = 0.00099681

5.- El tiempo (en segundos) que transcurre entre la emisión de dos partículas radiactivas sucesivas es
una exponencial de media igual a 20.
a) Calcular la probabilidad de que el tiempo trascurrido entre la emisión de dos partículas radiactivas
sucesivas sea superior a 30 segundos. (1 punto)
b) Sabiendo que han trascurrido más de 15 segundos desde que se emitió la última partícula, ¿cuál
es la probabilidad de que la siguiente partícula se emita antes de transcurrir 25 segundos?. (1 punto)
c) Calcular la probabilidad de que la primera partícula radiactiva que se emita en menos de 30
segundos sea la tercera. (1 punto)

SOLUCIÓN:

T = “tiempo transcurrido entre la emisión de dos partículas radiactivas sucesivas”

E[T] = 20 sg

Luego, T~ Exp(λ = 1/20 = 0.05)

a) P(T > 30) = 1- P(T ≤ 30) = 1 - [1 - e-30/20] = e-30·0.05 = e-1.5 = 0.22313

25 15
− −
P(15 < T < 25) P(T < 25) - P(T < 15) 1 − e 20
−1+ e 20
b) P(T<25| T> 15) = = = =
P(T > 15) 1- P(T ≤ 15) −
15
20
e
15 25
− −
e 20
−e 20 −
5
= 15
= 1− e 20
= 1 − e −0.25 = 0.2212
−
20
e
Sabiendo que la distribución exponencial se la conoce como distribución “sin memoria” el cálculo
anterior se puede realizar de modo equivalente haciendo:

P(T<25-15) = P(T<5) = 1-e-5/20 = 0.2212

c) Definimos X = “número de partículas emitidas hasta detectar una que se emita en menos de 30 sg”

X = {1, 2, … }, siendo X ~ BN(k=1, p = P(T<30)) ≡ Geo(p = 0.77687)

Mª del Pino Quintana M. 4/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

En este caso se nos pide calcular:

P(X = 3) = (1-p)2 · p = 0.223132 · 0.77687 =3.8678·10-2 = 0.038768

6.- Se van a probar dos medicamentos A y B contra una enfermedad. Para ello se tratan 61 ratones
enfermos con A y otros 61 con B. El número medio de horas que sobreviven con A es x A =1200 y el
61
número medio de horas que sobreviven con B es xB =1400, siendo ∑(x
i =1
Ai − xA )2 =900000 y
61

∑(x
i =1
Bi − xB )2 =950000. Suponiendo normalidad en ambos casos, ¿se puede considerar más efectivo

el medicamento B?. Plantear el contraste adecuado para estudiar esto con un nivel de confianza del
95%. (2 puntos)

SOLUCIÓN:

Dado que las muestras proceden de dos poblaciones normales e independientes

(XA~N(µA, σA) y XB~N(µB, σB)), para comparar la efectividad de ambos tratamientos lo
haremos en términos de comparar el número medio de horas que sobreviven. Para ello
debemos considerar el contraste:

H 0 : µ A ≥ µB H 0 : µ A − µB ≥ 0
ó
H1 : µ A < µ B H1 : µ A − µ B < 0

Dado que las varianzas poblacionales son desconocidas, debemos comprobar inicialmente
si podemos considerarlas iguales o distintas, para ello hacemos el contraste:
σ 12
H0 : =1
H 0 : σ 12 = σ 22 σ 22
ó
H1 : σ 12 ≠ σ 22 σ 12
H1 : ≠1
σ 22

Al ser este un contraste bilateral podemos utilizar el intervalo de confianza del cociente
de varianzas para decidir si aceptamos o rechazamos la hipótesis nula establecida:

σ A2 ⎡ s A2 / sB2 s A2 / sB2 ⎤
∈ ⎢ , ⎥
σ B2 ⎣⎢ Fn −1,n −1,α / 2 Fn −1,n −1,1−α / 2 ⎦⎥
A B A B

⎡ 61 61 61 61
⎤
σA 2 ⎢ ∑ ( x Ai − x A ) / ∑ ( xBi − xB ) ∑ ( x Ai − x A ) / ∑ ( xBi − xB ) 2 ⎥
2 2 2

∈ ⎢ i =1 i =1
, i =1 i =1
⎥
σ B2 ⎢ FnA −1,nB −1,α / 2 FnA −1,nB −1,1−α / 2 ⎥
⎢⎣ ⎥⎦

Mª del Pino Quintana M. 5/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

⎡ ⎤
σ A2 ⎢ 90 / 95 90 / 95 ⎥
∈ ,
σB 2 ⎢ F60,60,0.025 1 ⎥
⎢⎣ F60,60,0.025 ⎥⎦

σ A2 ⎡⎢ 0.9474 0.9474 ⎤⎥
∈ , = [0.5673, 1.5821]
σ B2 ⎢ 1.67 1 ⎥
⎣ 1.67 ⎦

σ A2
Dado que 0.5673 ≤ 2 ≤ 1.5821, ello implica que existe la posibilidad de que el cociente
σB
de varianzas pueda ser igual a 1, por tanto, aceptamos la hipótesis nula que considera la
igualdad de las varianzas de las dos poblaciones con una confianza del 95%.

Para realizar el contraste de medias comprobamos si se cumple la condición de

rechazo:
x A − xB − 0
tobservado = < −tnA + nB − 2,α
1 1
sp +
nA nB

−200
tobservado = = −8.889 < −t120,0.05 = −1.658
124.164·0.1812
Se cumple, y por tanto, se rechaza la hipótesis nula con una significación del 5%, puesto
que la información dada por las muestras evidencia lo contrario.

Así pues, estimamos mediante el intervalo de confianza la diferencia de medias

poblacionales:

⎡ 1 1 ⎤ (nA − 1) s A2 + (nB − 1) sB2

µ A − µ B ∈ ⎢ xA − xB ± tnA + nB − 2,α / 2 s p + ⎥ , sp =
⎣ nA nB ⎦ nA + nB − 2

⎡ 1 1 ⎤
µ A − µ B ∈ ⎢1200 − 1400 ± t61+ 61− 2,0.025 s p + ⎥,
⎣ 61 61 ⎦

900000 950000
(61 − 1)· + (61 − 1)·
sp = 61 − 1 61 − 1 = 1850000 = 124.164
61 + 61 − 2 120

Mª del Pino Quintana M. 6/7

 Examen de Convocatoria Especial de Métodos Estadísticos Aplicados a la Ingeniería
I.T.I. Química Industrial - 5 de febrero de 2005
__________________________________________________________________________

teniendo en cuenta que t120,0.025 = 1.98, resulta:

µ A − µ B ∈ [ −200 ± 1.98·124.164·0.1812] = [-244.547, -155.453]

Este intervalo de confianza nos permite estimar la diferencia de medias poblacionales

µA-µB con un 95% de confianza, a partir de los datos de las dos muestras dadas.

Al ser el intervalo de extremos negativos, podemos concluir diciendo que con una
confianza del 95 % la diferencia de medias poblacionales es menor que cero, lo que
significa que el medicamento B produce en media un mayor número de horas de
supervivencia que el medicamento A.

Mª del Pino Quintana M. 7/7