ESTADÍSTICA BÁSICA

SEMESTRE 2016-I
PRACTICA 3
JUEVES, 14 DE ABRIL DE 2016

Nombre:___________________________________________________________________________
Sección:___________________
No se puede consultar ningún tipo de documentación

1. Sea 𝑋 una variable aleatoria de función de densidad 𝑓(𝑥) = 𝑥 3 , definida en el intervalo 0 < 𝑥 ≤ 𝑎.
Contesta de forma razonada a las siguientes cuestiones: (7p)
a) Demuestra que el espacio muestral de 𝑋 es 0 < 𝑥 ≤ √2. (2p)
b) Calcula la esperanza de esta variable. (2p)
c) ¿Qué proporción de la población de esta variable será mayor que 1? (1p)
d) Calcula la moda de esta variable. (1p)
e) Sea 𝑌 otra variable aleatoria cuya esperanza es 𝐸(𝑌) = 3. Calcula la esperanza de la variable
aleatoria 𝑍 = 2𝑋 + 𝑌. (1p)

SOLUCIÓN

a) Para que 𝑓(𝑥) sea la función de densidad de 𝑋 debe cumplirse

que
𝑎 𝑎
3
𝑥4 𝑎4 1
� 𝑥 𝑑𝑑 = 1 ⇒ � � = = 1 ⇒ 𝑎 = 44 = √2
4 0 4
0

b) La esperanza es
√2 √2
4
𝑥5 4√2
𝐸(𝑋) = � 𝑥 𝑑𝑑 = � � = = 1.1314.
5 0 5
0

c) Nos piden 𝑃(𝑋 > 1)

√2 √2
𝑥4
3
3
𝑃(𝑋 > 1) = � 𝑥 𝑑𝑑 = � � = = 0.75
4 1 4
1

d) La moda será el valor que maximice la densidad. Al ser una función monótona creciente, el
máximo estará en el valor máximo de su dominio, es decir,
Moda= √2

e) 𝐸(𝑍) = 𝐸(2𝑋 + 𝑌) = 2𝐸(𝑋) + 𝐸(𝑌) = 2(1.1314) + 3 = 5.26

1
2. El número de veces a la semana que un estudiante de cierta universidad almuerza en su cafetería
sigue una variable aleatoria discreta con la siguiente función de distribución.

𝑋 𝐹(𝑥)
0 0.10
1 0.40
2 0.60
3 0.85
4 0.94
5 1

Contesta de forma razonada a las siguientes cuestiones: (8p)

a) Calcula la probabilidad de que un estudiante almuerce todos los días (5 días a la semana) en
la universidad. (1p)
b) Calcula la probabilidad de que almuerce algún día en la universidad. (1p)
c) Calcula la función de probabilidad de 𝑋. (2p)
d) Calcula el número medio de días que un estudiante se queda a almorzar en la
universidad.(2p)
e) Calcula la varianza de 𝑋. (1p)
f) Calcula la moda de 𝑋. (1p)

SOLUCIÓN

a) 𝑃(𝑋 = 5) = 𝑃(𝑋 ≤ 5) − 𝑝(𝑋 ≤ 4) = 𝐹(5) − 𝐹(4) = 0.06

b) 𝑃(𝑋 > 0) = 1 − 𝑃𝑃 ≤ 0) = 1 − 𝐹(0) = 0.90

c) La función de probabilidad es 𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑃(𝑋 ≤ 𝑥) − 𝑃(𝑋 ≤ 𝑥 − 1) = 𝐹(𝑥) − 𝐹(𝑥 − 1):

𝑋 𝐹(𝑥) 𝑝(𝑥)
0 0.10 0.10
1 0.40 0.30
2 0.60 0.20
3 0.85 0.25
4 0.94 0.09
5 1 0.06

d) 𝐸(𝑋) = ∑6𝑖=1 𝑥𝑖 𝑝(𝑥𝑖 ) = 0 × 0.1 + 1 × 0.3 + ⋯ + 5 × 0.06 = 2.11 días

2
e) 𝑉𝑉𝑉(𝑋) = 𝐸�𝑋 − 𝐸(𝑋)� = ∑6𝑖=1(𝑥𝑖 − 2.11)2 𝑝(𝑥𝑖 ) = (0 − 2.11)2 × 0.1 + (1 − 2.11)2 ×
0.3 + ⋯ + (5 − 2.11)2 × 0.06 = 1.8379

f) La moda es el valor más probable, que es 1 día.

2
3. El departamento de calidad de una empresa química ha detectado que el 15% de los lotes de cierto
producto que se está fabricando contiene impurezas, lo que puede ser inaceptable para su cliente. Se
sugiere incorporar un test al final del proceso que detecte si hay o no impurezas en cada lote, y así
poder separar los lotes buenos de los malos (con impurezas). El test, no obstante, no es infalible. Para
evaluar su fiabilidad, se han realizado una serie de experimentos con este test, y se ha concluido que
la probabilidad de no detectar la impureza si está presente es del 10%. En cambio, cuando no hay
impurezas, siempre hace un diagnóstico correcto. Si se implementa este test en el proceso
productivo, de manera que sólo le lleguen al cliente aquellos lotes que hayan superado
favorablemente el test, ¿qué proporción de lotes con impurezas se le enviarían? (5p)

SOLUCIÓN:

Llamamos 𝐼 =el lote tiene impurezas, y D=el test detecta impurezas. Los datos del problema nos
dicen que: (interpretar el enunciado en términos de probabilidad 1p)
• El 15% de los lotes tienen impurezas:
𝑃(𝐼) = 0.15 ⇒ 𝑃(𝐼 )̅ = 0.85

• Al analizar lotes con impurezas, en el 10% de ellos no se detectan:

𝑃(𝐷� |𝐼) = 0.1 ⇒ 𝑃(𝐷|𝐼) = 0.90

• En los lotes sin impurezas, el test siempre acierta:

𝑃(𝐷 � |𝐼 )̅ = 1 ⇒ 𝑃(𝐷|𝐼)̅ = 0

Los lotes que recibe el cliente han pasado todos por el test. Sólo se entregan aquellos en los que no se
detectaron impurezas. Por tanto, la proporción de lotes con impurezas que le llegan al cliente es:
�)
𝑃(𝐼|𝐷 (𝟏𝟏)
Por Bayes
𝑃(𝐷� |𝐼)𝑃(𝐼)
�) =
𝑃(𝐼|𝐷 (𝟏𝟏)
𝑃(𝐷 �)
donde, aplicando probabilidad total:
𝑃(𝐷� ) = 𝑃(𝐷� |𝐼)𝑃(𝐼) + 𝑃(𝐷 � |𝐼)̅ 𝑃(𝐼 )̅ (𝟏𝟏)
= 0.1 × 0.15 + 1 × 0.85 = 0.865
Por tanto
0.1 × 0.15
𝑃(𝐼|𝐷�) = = 0.017 (1.7%) (𝟏𝟏)
0.865