ETSI Industriales - UPM

Examen Estadistica 9-02-20

Datos personales Número de matrícula

Apellidos:

Nombre: 0 0

1 1
Firma: 2 2
3 3
Controlado
4 4
5 5
Scrambling
Este campo no se debe modificar. 6 6
0 0
7 7
Tipo Identificación del examen
8 8
010 09022000001
9 9
Marque de una forma clara. Ejemplo: @
@ No marcado: o
Este examen será corregido por un sistema automatizado, por lo que no se ha de arrugar, doblar ni ensuciar
la hoja. Para marquear, por favor use un bolígrafo azul o negro.
Solo las marcas legibles y bien posicionadas serán evaluadas.
Respuestas 1 - 10
a b c d e
1
2
3

4
5

6
7
8
9
10
a b c d e
Examen Estadistica: 09022000001 1

1. De un lote con un porcentaje de piezas defectuosas igual a 4 %, se extraen piezas con

reposición hasta que aparecen 3 defectuosas. Llamando Y al número total de piezas ex-
traidas, calcular E[Y ].
a) 75
b) 80.2
c) 82.1
d) 73.7
e) 77.3
2. El rectorado de una universidad ha realizado una encuesta a una muestra de 300 alumnos
elegidos al azar sobre las preferencias en relación al tipo de examen (online o presencial).
Los resultados obtenidos fueron: 209 favorables al examen online y 91 favorables a pre-
sencial. Calcula un intervalo con nivel de confianza igual a 0.95 para la proporción p de
alumnos favorables a un examen presencial.
a) [0.26 ; 0.347]
b) [0.251 ; 0.355]
c) [0.096 ; 0.51]
d) [0.3 ; 0.306]
e) [0.241 ; 0.366]
3. Sea X la altura de un alumno de la UPM elegido al azar. Se considera que X tiene distri-
bución normal con media µ y desviación típica 10. Se quiere contrastar la hipótesis nula
H0 : µ = 171 frente a la hipótesis alternativa H1 : µ > 171 (α = 0,05). Calcular el tamaño
de la muestra necesario para que el contraste tenga una potencia igual a 0.90 cuando µ =
176.
a) 58
b) 34
c) 45
d) 24
e) 53
4. Sea X la variable aleatoria X ∼ N(23, σ = 5). Se va a tomar una muestra aleatoria simple
de dicha variable de tamaño 10. Calcular P(Ŝ 2 ≤ 18,56):
a) 0.89
b) 0.65
c) 0.33
d) 0.18
e) 0.1
5. El vector aleatorio Y = [Y1 , Y2 , Y3 ]T que sigue una distribución normal multivariante de
media µ = (7, 5, 6)T y matriz de varianzas
 
2 −2 2
−2 5 −3
2 −3 3

Calcula la varianza de Y1 − Y3 .
a) 9
b) 4
Examen Estadistica: 09022000001 2

c) 19
d) 1
e) 22
6. Un dispositivo electrónico se repara instantáneamente al fallar y se pone de nuevo a funcio-
nar, desechándose definitivamente después del vigésimo fallo. Si el tiempo hasta el primer
fallo y entre fallos consecutivos sigue una distribución exponencial con media igual a 25
horas, cuál es la probabilidad de desechar un dispositivo antes de los 500 días?
a) 0.4
b) 0.5
c) 0.6
d) 0.7
e) 0.3
7. El número de mensajes que llegan a un servidor de correos electrónicos se puede conside-
rar una variable aleatoria con distribución de Poisson de media 160 mensajes por minuto.
¿Cual es la probabilidad de que lleguen más de 56 mensajes en los próximos 25 segun-
dos?
a) 0.955
b) 0.896
c) 0.806
d) 0.926
e) 0.985
8. Un dispositivo electrónico muestra destellos de distintos colores de manera aleatoria. Se
ha diseñado para que el color azul aparezca el 5 % de las veces. Para comprobarlo se han
generado una muestra de 530 destellos y se han contabilizado 34 de color azul. Calcular
el pvalor del contraste H0 : p = 0,05 y H1 : p 6= 0,05.
a) 0.2121
b) 0.0193
c) 0.1735
d) 0.135
e) 0.2507
9. El tiempo que tarda el autobús número 27 de Plaza de Castilla a la Plaza de San Juan
de la Cruz en un día de diario se considera una variable aleatoria con distribución normal.
Para estimar la media µ, se ha tomado una muestra de 27 observaciones con una media
muestral de 20.3 minutos y una desviación típica (corregida) igual a 3.7 minutos. Aceptando
independencia, proporciona un intervalo con 95 % de confianza para µ
a) [18.84 ; 21.76]
b) [14.88 ; 25.72]
c) [20.02 ; 20.58]
d) [19.26 ; 21.34]
e) [19.09 ; 21.51]
10. Para los parques eólicos de generación de energía eléctrica es importante conocer la dis-
tribución de probabilidad de la velocidad del viento en un emplazamiento. Un modelo que
se utiliza es la siguiente distribución de Weibull

2x x2
fX (x) = 2
exp(− 2 ), x >0
α α
Examen Estadistica: 09022000001 3

Se ha tomado una muestra de 500 medidas independientes de velocidad del viento (m/s)
y la estimación de α por máxima verosimilitud es igual a 9.4.
Se desea realizar el contraste de bondad de ajuste. Si los datos siguen la distribución
anterior, obtén el número esperado de observacione en el intervalo entre 8 y 10 m/s.
a) 81.1
b) 89.9
c) 70.8
d) 105.3
e) 97