Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se desea evaluar el consumo medio de arroz en bolsa en los hogares del distrito
de El Porvenir, durante la próxima semana. Definir a su criterio para esta
investigación:
a) Población y tipo de población según criterios.
30 34 4
34 38 25
38 42 48
42 46 66
46 50 32
50 54 10
54 58 7
i [ Li Ls ) Xi fi = ni Fi hi % Hi %
1 [30 34 32 4 4 2.08 2.08
2 34 38 36 25 29 13.02 15.10
3 38 42 40 48 77 25.00 40.10
4 42 46 44 66 143 34.38 74.48
5 46 50 48 32 175 16.67 91.15
6 50 54 52 10 185 5.21 96.35
7 54 58] 56 7 192 3.65 100.00
Total 192 100.00
30.00
25.00
25.00
20.00
%
16.67
15.00 13.02
10.00
5.21
5.00 3.65
2.08
0.00
32 36 40 44 48 52 56
Impurezas en la materia prima
Calidad Empresa
(Xi) A B
Mala 20 25
Regular 110 80
Buena 185 155
Excelente 70 35
a) Represente gráficamente esta información.
Figura. Unidades de producto de las empresas A y B en función de su calidad.
200 185
180
155
160
Unidades de producto
140
110
120
100 80
70 Empresa A
80 Empresa B
60
35
40 20 25
20
0
Mala Regular Buena Excelente
Calidad del producto
Figura. Diagrama de Pareto, donde se muestra el porcentaje para cada causa atribuible.
H 30.2
G 27.3
E 22.4
D 4.9
C 3.9
Defecto
I 3.4
J 2.4
B 2.4
F 2.0
A 1.0
Moda( Mo): H
6. Sea X una variable que denota la demanda semanal de gas propano (en miles de
galones) de una instalación particular es una variable aleatoria continua X, con función de
densidad de probabilidad:
k (1−1/ x 2 ) 1< x <2
f(x)= { 0 Otros casos
2
1 1 2 1 1
∫k
1
( 1−
x)2
x( ) (( ) ( ))
dx=¿ k x + ¿ 1=k 2+ − 1− =1 ¿
2 1
k =2
b) Estime la probabilidad de que en una semana cualquiera las ventas sean
menos de 1500 galones.
Los 1500 galones lo podemos representar como 1.5 mil de galones tal que 1 ≤ x ≤1.5
1.5
1 1 1
f ( 1 ≤ x ≤1.5 )=∫ 2∗ 1−
1
( x )
2 ((
dx=2 1.5+
1.5) ( ))
− 1+
1
f ( 1 ≤ x ≤1.5 )=0.333
La probabilidad para que en una semana cualquiera la venta sea menor a 1500 galones es de
0.333.
c) Estime la probabilidad de que en una semana cualquiera las ventas estén entre
1200 y 1800 galones.
1.2 ≤ x ≤1.8
1.8
1 1 1
f ( 1 ≤ x ≤1.5 )=∫ 2∗ 1−
1.2
( x )
2 ((
dx=2 1.8+
1.8)(
− 1.2+
1.2 ))
f ( 1.2 ≤ x ≤1.8 )=0.644
La probabilidad para que en una semana cualquiera la venta la venta esté entre 1200 y 1800
galones es de 0.333.
7. Suponga que en una empresa se conoce que la probabilidad de que un obrero sea
obeso es de p=0.20; diga
p=0.20 ,q=0.80
a) La probabilidad de que al elegir a siete obreros al azar se tenga exactamente dos
obesos.
n=7
2 5
Prob ( X =2 )=( 72 )∗( 0.20 ) ( 0.80 ) =0.275
b) La probabilidad de que al elegir a siete obreros al azar se tenga más de dos obesos.
n=7
Prob ( X ≥ 2 )=1−Prob ( X ≤1 )
De la Tabla de probabilidades acumuladas para la distribución binomial obtenemos
Prob ( X ≤ 1 )=0.5767 .
Prob ( X ≥ 2 )=1−0.5767=0.4233
c) Si se eligen 580 obreros al azar, cuántos de ellos serán no obesos.
n=580
0 580
Prob ( X =0 ) =( 580
0 )∗( 0.20 ) ( 0.80 ) ≈0
La probabilidad para que salga seleccionado una persona obesa es del 0%, esto significa que
no esto no ocurrirá, lo mismo pasaría con los no obesos. Es decir, no se sabría exactamente la
cantidad de no obesos.
8. Se conoce que llegan a una tienda de exhibición en promedio 2.9 clientes por hora.
Calcule la probabilidad de que:
λ=2.9
a) En 1 hora lleguen exactamente 2 cliente.
e−2.9∗2.92
Prob ( X =2 )= =0.2314
2!
b) En una hora cualquiera lleguen más de dos clientes.
Prob ( x ≥ 2 )=1−Prob ( x ≤ 1 )
De tabla Función de Probabilidad de Poisson Acumulado obtenemos que
Prob ( x ≤ 1 )=0.2146.
Prob ( x ≥ 2 )=1−0.2146=0.7854
c) Durante la atención en 30 minutos, lleguen menos de 2clientes.
El valor medio de ocurrencias sería la mitad de 2.9 ya que el tiempo es 30 minutos. Entonces
el nuevo valor de λ sería 1.45.
x
e−λ∗λ x e−1.45∗1.450 e−1.45∗1.451 e−1.45∗1.452
Prob ( x ≤ 2 )=∑ = + +
x=0 x! 0! 1! 2!
Prob ( x ≤ 2 )=0.8213
9). La vida media de cierta batería es de 20 meses, con una desviación estándar de 1.3
meses; Se supone que la duración sigue una distribución normal. ¿qué porcentaje de estas
baterías puede esperarse que tengan la siguiente duración:
x́=20 meses , s=1.3 meses
Estandarizando : μ=20 meses , σ=1.3 meses
a) Menos de 15 meses.
15−20
z= =−3.846
1.3
Prob ( z ≤−3.846 )=F (−3.846 )
Como para valores cercanos a -4 ya no se encuentran en tablas, se calculó utilizando una
función de Excel.
c) Entre 20 a 25 meses.
20−20 25−20
z 1= =0; z 2= =3.846
1.3 1.3
Prob ( 0 ≤ z ≤ 3.846 )=F (3.486 )−F (0)
Como para valores cercanos a 4 ya no se encuentran en tablas, se calculó utilizando una
función de Excel.
Se determinó la meda y desviación estándar usando Excel, los valores se muestra en la tabla que
aparece a continuación.
Marca Marca B
Media( x́)
24.000 27.182
n 10 11
a). Compare el contenido medio de nicotina entre las dos marcas para α=0.05
i) Formulación de Hipótesis
Ho: μ 1=μ2
H 1: μ1≠ μ2
H 1: μ1≠ μ2
15). En un proceso químico de destilación se quiere estudiar la relación entre la pureza del
oxígeno (Y) producido en un proceso químico de destilación y el nivel de hidrocarburos (X)
presentes en el condensador principal de la unidad de destilación. Se realizan n=20
observaciones y se anotan los valores de las variables (X, Y) = (xi, yi), i=1, ..., 20
Observació 1 2 3 4 5 6 7 8 9 10
n
X 1.08 1.01 1.15 1.29 1.45 1.36 0.87 1.23 1.55 1.40
y 90.32 88.05 91.43 93.74 96.70 94.45 87.59 91.77 99.42 93.65
Observació 11 12 13 14 15 16 17 18 19 20
n
X 1.19 1.15 0.98 1.01 1.10 1.20 1.26 1.32 1.43 0.98
y 93.54 92.52 90.56 89.54 89.85 90.39 93.25 93.41 94.98 86.20
a). Haga el diagrama de dispersión.
Figura. Gráfico de dispersión de la pureza del O2 vs el nivel de hidrocarburo.
105
100
95
Pureza del O2
90
85
80
75
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
Nivel de Hidrocarburo
n ∑ xy - ∑ x∑ y
r = 2 2
√(n ∑ x 2
- ( ∑ x ) )(n ∑ y 2 - ( ∑ y ) )
Utilizando Excel se calculó el valor de las sumatorias, a continuación, se presente el valor
de cada una de ellas.
100
90
85
80
75
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
Nivel de Hidrocarburo
Muestr 10 11 12 13 14 15 16
a
X 2.5 2.8 2.8 3.0 3.0 3.2 3.3
Y 133.0 125.1 125. 124.3 120.5 113. 112.1
1 7
a) Representar gráficamente los datos y comentar los resultados.
Figura. Representación de los datos mediante una nube de puntos.
160
150
140
Resistencia a la tensión
130
120
110
100
90
80
1 1.5 2 2.5 3 3.5
Concentración de madera
Observamos que los puntos ya no siguen una tendencia lineal, mas bien el modelo
se asemeja a un modelo cuadrático debido a que forma como una especie de arco o
parábola.
Los datos se incrementan hasta un cierto valor que está entre 2 y 2.5, luego
comienzan a descender a medida que recorremos el eje X.
b) Ajustar un modelo de regresión cuadrático. Predecir la resistencia de una caja de
cartulina para x= 2.6.
Figura. Regresión cuadrática para la resistencia a la tensión en función de la
concentración de la madera en la pulpa.
160
150
140
Resistencia a la tensión
130 f(x) = − 23.81 x² + 109.82 x + 6.98
R² = 0.54
120
110
100
90
80
1 1.5 2 2.5 3 3.5
Concentración de madera
17) Unos investigadores llevaron a cabo un estudio para ver la forma en que diversas
características del concreto se ven afectadas por X1 = % de piedra caliza en polvo y X2
= proporción de agua y cemento puede afectar a la resistencia a la compresión (Y);
dicho estudio dio por resultado los datos que aparecen a continuación ;
X1= % de piedra caliza X2=proporción agua- Y = Resistencia
cemento
21 0.65 13.60
21 0.55 11.50
7 0.65 4.55
7 0.55 3.85
28 0.60 16.80
0 0.60 0.00
14 0.70 9.80
14 0.50 7.00
14 0.60 8.50