Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística TEMA 4. Problemas Resueltos
Estadística TEMA 4. Problemas Resueltos
p
Solucion. En primer lugar, notese que F solo podr a ser discontinua en los puntos -2, 2; 2 y 4. Es decir, solo
podr a "saltar" en esos puntos, y los "saltos" ser an sus probabilidades; i.e., P ( = x) = F (x) F (x ) 8x 2 R:
P
(a) P ( 2 Q) = P ( = q) por el axioma 3 de la de nicion de medida de probabilidad ya que el conjunto de los
q2Q
numeros racionales es numerable. En general, P ( = q) es el salto de F en q; el cual es F (q) F (q ): Por tanto,
P ( 2 Q) = P ( = 2) + P ( = 2) + P ( = 4) = fF ( 2) F ( 2 )g + fF (2) F (2 )g + fF (4) F (4 )g :
p p p p
(e) P ( 2 < 3) = P ( 3) P( 2) = 9=16 ( 2 + 4)=16 = (5 2)=16:
Solucion. En general, F es una funcion de distribucion acumulativa si y solo si veri ca las siguientes 4
1
4) F es continua por la derecha. Es facil comprobar que F1 ; F3 y F4 cumplen las 4 propiedades, es decir, son
funciones de distribucion. Sin embargo, F2 no es una funcion de distribucion. Notese que F2 toma valores entre
-0.5 y 0.5 ya que arctg ( 1) = =2 y arctg (+1) = =2: Observe tambien que F2 (x) = 0:5 + F2 (x); x 2 R;
de la poblacion)?
tiene una distribucion binomial B(n; p); donde n = 10000 y p = P ("exito") = 0:001; ya que es del tipo "Numero
Puesto que n 50 y fp 0:1 o np < 5g; podr a utilizar tambien que B(n; p) P( = np): Si utilizamos
En general, debes aproximar si no tienes otro remedio. Aqu se puede calcular P ( 3) de forma exacta.
(4) Un lepidopterista desea capturar un ejemplar de cierta clase de mariposa que se encuentra en un por-
centaje del 15%. Halla la probabilidad de que tenga que capturar 10 mariposas de otra clase antes de cazar:
(a) Debe ocurrir aqu 10 fracasos seguidos y el primer exito en la prueba 11, es decir: F1 ; F2 ; : : : ; F10 ; E1 : Por
(b) Ahora, sucede el tercer exito en la prueba 13, y en las 12 primeras pruebas ocurren 2 exitos y 10 fracasos.
12
Por tanto, la probabilidad es 2 0:152 0:8510 0:15 = 0:04385377:
Notese que si de nimos la variable aleatoria n : "Numero de fracasos antes del n-esimo exito", cuya distribucion
es BN (n; p); entonces la soluciones de los apartados (a) y (b) ser an P ( 1 = 10) y P ( 3 = 10); respectivamente.
2
(5) Consideremos tres formas posibles de declarar inocente o culpable a un reo. En la primera, un unico juez
decide, con probabilidad p = 0:9 de tomar la decision correcta. En la segunda, se decide por mayor a de las tres
personas de un jurado. De ellas, dos son responsables y toman la decision correcta con probabilidad p = 0:9; y
la otra es un irresponsable que absuelve o condena de acuerdo con el resultado del lanzamiento de una moneda.
En la tercera, se decide por mayor a de un jurado de 15 personas que deciden independientemente, cada una de
las cuales toma la decision correcta con probabilidad p = 0:8. >Con cual de estos tres procedimientos es mayor
Solucion. Consideramos el suceso A : "Tomar la decision correcta". En la primera forma, P (A) = 0:9:
Para decidir correctamente, deben tener exito R1 y R2 ; o bien debe acertar uno de los dos Responsables y tener
exito el Irresponsable. La probabilidad de que R1 y R2 tengan exito es P (E1 E2 ) = 0:9 0:9; representamos exito
y fracaso por E y F: En el otro caso, puede ocurrir E1 F2 E (exito, fracaso, exito) o bien F1 E2 E (fracaso, exito,
exito), los cuales tienen probabilidades 0:9 0:1 0:5 y 0:1 0:9 0:5: Por tanto, en la segunda forma se obtiene
2
que P (A) = 0:9 0:9 + 1 0:9 0:1 0:5 = 0:9:
En la tercera forma, si : "Numero de personas que deciden correctamente entre las 15", cuya distribucion
15
X 15
X 15
P (A) = P ( 8) = P ( = k) = 0:8k 0:215 k
= 0:99576:
k
k=8 k=8
Por consiguiente, el tercer procedimiento es el que tiene mayor probabilidad de tomar la decision correcta.
(6) Un empleado de un banco sustituye cautelosamente un billete legal por uno falso en cada fajo de cien
billetes. Si el interventor del banco toma un billete al azar de cada uno de 50 fajos. >Cual es la probabilidad
Solucion. La probabilidad de que un billete sea legal es 99/100 y de que sea falso es 1/100. Luego,
P ("Hallar un billete falso entre los 50") = 1 P ("Los 50 billetes son legales") = 1 0:9950 = 0:394994:
3
(7) De los 50 representantes de cierto estado en una convencion pol tica, 30 apoyan al candidato A y 20 al
Solucion. Supongamos que "exito" es "apoyar al candidato A". Si : "Numero de exitos en la muestra de
tama~
no 5", entonces se pide P ( 2); donde H(N; n; p) con N = 50; n = 5 y p = 30=50: Por tanto
30 20 30 20
0 5 1 4
P( 2) = 1 P ( < 2) = 1 P ( = 0) P ( = 1) = 1 = 0:924081:
50 50
5 5
(8) Un fabricante recibe 40 motores y selecciona 8 para examinarlos. Si el lote contiene 2 motores con serios
defectos, >cual es la probabilidad de que el lote sea aceptado? (el lote se acepta si el fabricante no detecta fallos
Solucion. El lote contiene 38 motores perfectos y 2 defectuosos ("exitos"). En este caso, : "Numero de exitos
(defectuosos) en los 8 motores seleccionados" sigue una distribucion H(N; n; p) con N = 40; n = 8 y p = 2=40:
Por tanto:
2 38
0 8 32 31
P ("El lote es aceptado") = P ( = 0) = = = 0:635897:
40 40 39
8
(9) Una centralita telefonica recibe 300 llamadas de media cada hora. No puede establecer mas de 12 conexiones
por minuto. Se pide: (a) La probabilidad de que quede rebasada en un minuto dado; (b) La probabilidad de
Solucion. La variable : "Numero de llamadas (exitos) recibidas en un minuto por la centralita" sigue una
distribucion de Poisson con parametro = E[ ] = 300=60 = 5: Notese que el numero de pruebas es el numero de
instantes de un minuto (es decir, in nito) y que la probabilidad de "exito" en cada instante es 0. Si suponemos
que los exitos son independientes, es razonable suponer que la distribucion es de Poisson. Por tanto,
12
X k 1
55
(a) P ( > 12) = 1 P( 12) = 1 e = 0:002 y (b) P ( = 1) = e = 0:0336897:
k! 1!
k=0
4
(10) El promedio de part culas radioactivas que pasan por un contador durante un milisegundo es 4. Se pide:
(a) >Cual es la probabilidad de que en un determinado milisegundo pasen 6 part culas por el contador?
(b) >Cual es la probabilidad de que en cierto segundo pasen entre 3975 y 4050 part culas?
Solucion. Para k = 1; 2; : : : ; de nimos la variable aleatoria k : "Numero de exitos (part culas radioactivas
que pasan por un contador) durante k milisegundos", la cual sigue una distribucion de Poisson con parametro
6
= E[ k ] = k 4: Entonces: (a) P ( = 6) = e 44 = 0:1041956 y (b) P (3975 4050); donde
k 1 1000
6!
X = tiene una distribucion de Poisson con parametro = E[X] = 4000; la cual es aproximadamente
1000
p p p
normal N ( ; ) N (4000; 4000): Tipi cando la variable X; resulta que (X )= es aproximadamente
donde Z N (0; 1): Luego, P (3975 X 4050) F (0:79) F ( 0:395) = F (0:79) f1 F (+0:395)g; donde
F es la funcion de distribucion de la normal tipi cada N (0; 1): Utilizando la tabla de la distribucion N (0; 1); se
obtiene que F (0:79) = 0:7852 y que F (0:395) fF (0:39) + F (0:40)g=2 = (0:6517 + 0:6554)=2 = 0:6536; lo que
implica que P (3975 X 4050) 0:7852 + 0:6536 1 = 0:4388: Notese que en la tabla de la N (0; 1) aparece
(11) La humedad relativa medida en cierto lugar, Y; tiene una funcion de densidad dada por :
f (y) = ky 3 (1 y)2 si 0 y 1:
Se pide: (a) El valor de k; (b) La funcion de distribucion de Y ; (c) P (0:2 < Y < 0:3):
Solucion. Es aconsejable obtener primero la funcion de distribucion F (y) = P (Y y); y 2 R, la cual ser a:
8 8
>
> 0 si y < 0; >
> 0 si y < 0;
< Z y Z y < 4
y y6 2y 5
F (y) = f (t)dt = k (t3 + t5 2t4 )dt si y 2 [0; 1]; = k + si y 2 [0; 1];
>
> >
> 4 6 5
: 0 0 :
1 si y > 1; 1 si y > 1:
Como F debe ser continua, F (1) = F (1+ ); es decir, k(1=4 + 1=6 2=5) = 1; lo que implica que k = 60: Ademas,
nos- de cierta componente electronica tiene una tasa de fallo h(t) = t2 =72 para t > 0:
(12) La duracion -en a~
>Cuales son las funciones de densidad y de abilidad? Halla la probabilidad de que una componente elegida
5
al azar dure mas de 5 a~
nos. >Cual debe ser el per odo de garant a si el fabricante desea que como maximo se
la funcion de densidad en t > 0 ser a f (t) = h(t)R(t); donde R(t) = P (T t) es la funcion de abilidad en t:
Puesto que
Z t Z t 2
x t3 (t=6)3
R(t) = exp h(x)dx = exp dx = exp =e 8t > 0;
0 0 72 216
resulta que
t2 (t=6)3 (t=6)3
f (t) = h(t)R(t) = e y F (t) = P (T t) = 1 R(t) = 1 e 8t > 0:
72
Luego, P (T > 5) = e (5=6)3 = 0:560625: Notese que la distribucion de T es de Weibull con parametros =3y
= 6; i.e., T W (3; 6): Por ultimo, el per odo de garant a si el fabricante desea que se aver en como maximo el
10% de las componentes es el cuantil c0:10 de T: Vamos a hallar el cuantil generico cp de la distribucion W ( ; ):
Como P (T cp ) = p; se obtiene que 1 expf (cp = ) g = p: Luego, expf (cp = ) g = 1 p; lo que implica
que (cp = ) = log(1 p): Por tanto, cp = = f log(1 p)g1= ; es decir cp = f log(1 p)g1= 8p 2 (0; 1):
de 2 a~
nos, 10 meses (de 30 d as) y 4.356 d as. Comprueba que, si solo se admite un 5% de aver as, la garant a
(13) Un distribuidor mayorista de gasolina dispone de tanques de almacenaje que contienen una cantidad ja
de gasolina y que se llenan cada lunes. La proporcion de esta reserva que se vende durante la semana es de sumo
interes para el distribuidor. Se comprobo emp ricamente que esta proporcion pod a representarse mediante una
Solucion. Consideramos la variable aleatoria : "Proporcion de la reserva de gasolina que se vende durante
1
una semana". Como Beta(4; 2); su funcion de densidad ser a f (x) = x4 1
(1 x)2 1
para x 2 (0; 1);
(4; 2)
donde (4; 2) = (4) (2)= (4 + 2) = 3! 1!=5! = 1=20: El problema pide hallar P ( 0:90) = 1 F (0:90);
6
0:904 0:905
Por consiguiente, P ( 0:90) = 1 F (0:90) = 1 20 = 0:08146: Aproximadamente, el 8:15%
4 5
de las semanas el mayorista vende al menos el 90% de la reserva de gasolina.
(14) El precio de venta de cierto art culo, Y; sigue una distribucion N ( ; ): Se sabe que el 20% de las ventas
son superiores a 1000 euros y que el 30% sobrepasan a 800 euros. Se pide: (a) La media y la varianza de la
distribucion; (b) Si los costes se relacionan con los precios de venta segun la expresion C = 350+Y 0:00012Y 2 ;
Solucion. La variable de interes es aqu Y : "Precio de venta de cierto art culo". De acuerdo con el enunciado,
Y N ( ; ); P (Y > 1000) = 0:20 y P (Y > 800) = 0:30: Luego, y0:20 = 1000 y y0:30 = 800 ya que el punto
cr tico y satisface que P (Y > y ) = : Como Y N ( ; ); se veri ca tipi cando que (Y )= = Z N (0; 1);
lo que implica que y = + z para todo 2 (0; 1): En de nitiva, utilizando que z0:20 = 0:8416 y z0:30 = 0:5244;
se obtiene que:
8 8
< 1000 = y0:20 = + z0:20 = + 0:8416 ; < 1000 = + 0:8416 ;
()
: :
800 = y0:30 = + z0:30 = + 0:5244 : 800 = + 0:5244 :
Simplemente restando se obtiene que 200 = 0:3172 ; lo cual implica que = 630:517: Sustituyendo este valor
En el segundo apartado se pide el coste medio, donde el coste se de ne por C = 350 + Y 0:00012Y 2 : Es
decir, tenemos que calcular E[C] = E[350 + Y 0:00012Y 2 ] = 350 + E[Y ] 0:00012E[Y 2 ]: Evidentemente,
E[Y ] = y, como V [Y ] = E[Y 2 ] (E[Y ])2 ; se veri ca que E[Y 2 ] = V [Y ] + (E[Y ])2 = 2 + 2: Luego:
con funcion de densidad f (x) = 8 exp( 8x) para x > 0; y S100 = X1 +X2 + +X100 . Calcula: (a) P (S100 10);
Solucion. Por el Teorema Central del L mite (TCL) de Levy-Lindeberg, se veri ca que la distribucion de la
suma muestral S100 es aproximadamente normal ya que 100 es su cientemente "grande". La media de S100
7
usando el cambio de variable t = 8x: Ademas, la varianza de S100 ser a 100V [X] ya que X1 ; X2 ; :::; X100 son
independientes. Como V [X] = E[X 2 ] (E[X])2 ; solo necesitamos hallar E[X 2 ]; la cual esta de nida por
Z 1 Z 1 Z 1 Z 1
t2 t dt 1 1 2
E[X 2 ] = x2 f (x)dx = 8 x2 e 8x
dx = 8 e = t2 e t dt = (3) = 2 :
0 0 0 82 8 82 0 82 8
Luego, V [X] = E[X 2 ] (E[X])2 = 2=82 1=82 = 1=82 : En resumen, S100 N ( ; ); donde
2
= E[S100 ] = 100E[X] = 100=8 = 12:5 y = V [S100 ] = 100V [X] = 100=82 = 1:252 :
Por tanto, S100 N (12:5; 1:25); es decir (S100 12:5)=1:25 Z N (0; 1): En el apartado (a) tenemos que
calcular P (S100 10): Tipi cando, es decir restando la media y dividiendo por la desviacion, se obtiene que
utilizando la tabla de la N (0; 1): De forma similar, en el apartado (b) se obtiene que
11 12:5 13 12:5
P (11 S100 13) P Z = P ( 1:2 Z 0:4) = F (0:4) F ( 1:2):
1:25 1:25
P (11 S100 13) F (0:4) F ( 1:2) = F (0:4) + F (1:2) 1 = 0:6554 + 0:8849 1 = 0:5403:
Este problema tambien se podr a resolver de forma exacta utilizando que Xi Exp(8); i = 1; 2; : : : ; 100;
lo que implica que S100 G(100; 8) por la propiedad (3) de la distribucion gamma. Ademas, por la propiedad
n
X1 ( x)k
(4), si n 2 N; la funcion de distribucion de G(n; ) esta de nida por F (x) = 1 e x ; 8x > 0:
k!
k=0
En nuestro caso, la funcion de distribucion exacta de S100 G(100; 8) ser a
99
X k
8x (8x)
F (x) = 1 e ; 8x > 0:
k!
k=0
Por supuesto, tendr amos que utilizar un ordenador para calcular esta sumatoria de 100 numeros.
(16) Una moneda se lanza 4000 veces. Se pide: (a) La probabilidad de que el numero de caras este comprendido
entre 1980 y 2040; (b) Un intervalo centrado en 2000 con una probabilidad 0.95.
Solucion. En este caso, la variable aleatoria : "Numero de caras en los 4000 lanzamientos" tiene una dis-
tribucion binomial B(n; p); donde n = 4000 y p = P ("exito") = P ("cara") = 0:5: Como np 5 y nq 5;
p p
la distribucion de es aproximadamente normal N (np; npq) N (2000; 1000): Luego, en el apartado (a) se
8
lo que implica que
ya que F ( 0:65) = 1 F (0:65): Por tanto, P (1980 2040) 0:8997 + 0:7422 1 = 0:6419:
En el apartado (b) se pide un intervalo del tipo I = [2000 c; 2000 + c] tal que P ( 2 I) = 0:95: Tipi cando
se obtiene que
c c c c
P ( 2 I) = P (2000 c 2000 + c) P p Z p =F p F p :
1000 1000 1000 1000
c c c
0:95 = P ( 2 I) 2F p 1 () 0:975 F p () p z0:025 :
1000 1000 1000
Puesto que z0:025 1:96; resulta que c 61:98 62; lo que implica que I [1938; 2062]: En resumen, si lan-
zamos repetidamente una moneda 4000 veces, el numero de caras estar a entre 1938 y 2062 en aproximadamente
p
El apartado (b) tambien se puede resolver de otra manera. Como N( ; ) N (2000; 1000); un
intervalo centrado en la media = 2000 con un 0.95 de probabilidad debe dejar una probabilidad de 0.025 en
cada extremo; as 0:025 + 0:95 + 0:025 = 1: Luego, el l mite superior del intervalo debe ser el punto cr tico x0:025 :
p
x0:025 + z0:025 = 2000 + 1000 1:96 = 2061:98 2062:
Por simetr a, el l mite inferior ser a 2000 62 = 1938: Por consiguiente, I [1938; 2062]:
(17) El peso de las personas de cierta poblacion se distribuye normalmente con media 72 kg. y desviacion t pica
10 kg. Cuatro personas entran en un ascensor cuya carga maxima es de 350 kg. >Cual es la probabilidad de
Solucion. De nimos las variables Xi : "Peso en kilos de la persona i-esima" para i = 1; : : : ; 4: Entonces, el peso
total de las cuatro personas ser a la variable Y = X1 + X2 + X3 + X4 : Puesto que Xi N (72; 10); i = 1; : : : ; 4;
p
Y = X1 + X2 + X3 + X4 N (72 + 72 + 72 + 72; 102 + 102 + 102 + 102 ) N (288; 20):
9
Por tanto, aproximadamente, una vez de cada mil veces que cuatro personas independientes entren en el ascensor
(18) Con la misma distribucion de los pesos del problema anterior, dos personas quieren jugar en una palanca en
un jard n. Suponiendo que podr an hacerlo si los dos di eren en menos de 5 kg. de peso, calcula la probabilidad
Solucion. En este caso D = X1 X2 es la diferencia entre los pesos de la primera y segunda personas. Se
puede jugar si y solo si el valor absoluto de D es menor que 5 kilos. Como la distribucion de D = X1 X2 es
p p
normal N (72 72; 102 + 102 ) N (0; 200); se obtiene tipi cando que
5 0 D 0 5 0
P (jDj < 5) = P ( 5 < D < 5) = P p < p <p P ( 0:35 < Z < 0:35):
200 200 200
Luego, P (jDj < 5) P ( 0:35 < Z < 0:35) = 2F (0:35) 1 = 2 0:6368 1 = 0:2736: Por tanto, dos personas
industrias revelo que los mayores avances en la computarizacion tuvieron lugar en el transporte (Industrial
Engineering, julio de 1990). Actualmente, el 90% de las industrias contienen archivos de pedido abiertos de
embarque en su base de datos computarizada. En una muestra aleatoria de 10 industrias, sea Y el numero de
ellas que incluyen dichos pedidos. Calcula: P (Y = 7); P (Y > 5); la media y la varianza de Y:
Solucion. Supongamos que Y : "Numero de exitos (industrias con archivos de pedido abiertos de embarque en
su base de datos computarizada) en una muestra aleatoria de 10 industrias". Puesto que la distribucion de Y
n k n k 10 7 3
P (Y = 7) = p q = p q = 120 0:97 0:13 = 0:057395628;
k 7
10
X 10
X n k 10 k
P (Y > 5) = P (Y = k) = p q = 0:9983650626;
k
k=6 k=6
(20) Un fabricante utiliza fusibles electricos en un sistema electronico. Los fusibles se compran en lotes
grandes y se prueban secuencialmente hasta que se observa el primer fusible defectuoso. Se supone que
10
el lote contiene el 10% de fusibles defectuosos. >Cual es la probabilidad de que el primer fusible defec-
tuoso sea uno de los primeros cinco fusibles probados? Halla la media y varianza de la variable aleatoria
Y1 : "Numero de fusibles probados hasta que se observo el primer fusible defectuoso": >Cual es la probabilidad
de que se necesite observar al menos 15 fusibles para obtener el segundo fusible defectuoso?
Solucion. En este caso, la probabilidad de exito es p = P ("Un fusible es defectuoso") = 0:1: Ademas, de nimos
los sucesos A : "El primer fusible defectuoso es uno de los primeros cinco fusibles probados" y B : "Se necesite
El contrario del suceso A ocurrir a si los primeros cinco fusibles probados fueran correctos. Por tanto,
P (A) = 1 P (A) = 1 0:95 = 0:40951: Notese que P (A) coincide con P (Y1 5); donde la distribucion de Y1
Ahora vamos a calcular P (B): Que necesite observar al menos 15 fusibles para obtener dos defectuosos,
signi ca que con 14 fusibles no lo consigo. Luego, en las 14 primeras pruebas, solo puedo conseguir 0 o 1
defectuosos (as no consigo los dos defectuosos). Si de nimos la variable X : "Numero de fusibles defectuosos
entre los 14 probados"; tenemos que calcular P (X 1); donde X B(14; 0:1): Por tanto:
14 14
P (B) = P (X 1) = P (X = 0) + P (X = 1) = 0:10 0:914 0
+ 0:11 0:914 1
= 0:5846291405:
0 1
(21) Se realiza un experimento para seleccionar un catalizador apropiado para la produccion comercial de
etilendiamina (EDA), un producto que se utiliza en jabones. Suponga que un ingeniero qu mico selecciona al
azar tres catalizadores para probarlos entre un grupo de 10 catalizadores, seis de los cuales tienen baja acidez,
y cuatro son muy acidos. Calcula: (a) La probabilidad de que no se escogera un catalizador muy acido; (b) La
Solucion. De nimos la variable aleatoria : "Numero de catalizadores con alta acidez entre los tres elegidos";
(22) Suponga que el numero, Y; de grietas por especimen de concreto con cierto tipo de mezcla de cemento
tiene aproximadamente una distribucion de probabilidad de Poisson, y que el numero medio de grietas por
11
especimen es de 2.5. Calcula: (a) La probabilidad de que un especimen escogido al azar tenga exactamente 5
grietas; (b) La probabilidad de que el numero medio de grietas de 100 espec menes elegidos aleatoriamente este
Solucion. La variable Y : "Numero de grietas por especimen de concreto" sigue aproximadamente una dis-
tribucion de Poisson de parametro = 2:5; lo cual implica que P (Y = k) = e k =k! para k = 0; 1; : : : Luego
distribucion por el Teorema Central del L mite (TCL) de Levy-Lindeberg es aproximadamente normal con
media
(100)
E[Y1 ] + + E[Y100 ] 2:5 + + 2:5
E[Y 100 ] = = = 2:5
100 100
y varianza
(100)
V [Y1 ] +
+ V [Y100 ] 2:5 + + 2:5 2:5
V [Y 100 ] = 2
= 2
= = 0:025
100 100 100
p
ya que 100 es su cientemente "grande". Puesto que Y 100 N (2:5; 0:025); se obtiene tipi cando que:
Por tanto, P (2:25 < Y 100 < 2:55) F (0:32) + F (1:58) 1 = 0:6255 + 0:9429 1 = 0:5684:
(23) El Departamento de Transporte (DOT) de Estados Unidos ha determinado que la licitacion ganadora
(mas baja) Y -en dolares- por contratos de construccion de carreteras tiene una distribucion con funcion de
densidad 8
< 5 si
2d
y 2d;
f (y) = 8d 5
:
0 en otro caso,
donde d es la estimacion que hace el DOT del costo del trabajo. Se pide: (a) La media y la desviacion t pica
de Y ; (b) >Que fraccion de las licitaciones ganadoras por contratos de construccion de carreteras estan por
Solucion. Aqu Y : "Presupuesto -en dolares- de la licitacion ganadora" es la variable aleatoria de interes. La
estimacion que hace el DOT del costo del trabajo es un numero jo d: Notese que la densidad es constante
(ya que 5=(8d) es un numero) en el intervalo numerico [2d=5; 2d] = [0:4d; 2d]: Luego, la distribucion de Y es
uniforme en el intervalo [2d=5; 2d]: Puesto que Y U [a; b]; donde a = 0:4d y b = 2d; se veri ca que
12
Z d Z d
5 5 5 3
(b) P (Y < d) = f (y)dy = dy = [ y ]d0:4d = (d 0:4d) = :
a 0:4d 8d 8d 8d 8
y a d 0:4d 0:6d 3
Tambien podr a utilizar que F (y) = si y 2 [a; b]: As , P (Y < d) = F (d) = = = :
b a 2d 0:4d 1:6d 8
(24) El acero que se utiliza en las tuber as de agua a menudo se recubre internamente con un mortero de
cemento para evitar la corrosion. En un estudio de los recubrimientos de mortero de una tuber a empleada en
especi co un espesor de 7/16 pulgadas para el mortero. Si un gran numero de mediciones de espesor dieron
una media de 0.635 pulgadas y una desviacion t pica de 0.082 pulgadas, >que porcentaje aproximado de estas
Solucion. Consideramos la variable X : "Espesor -en pulgadas- del mortero". Suponemos que la distribucion
de X es normal N ( ; ): Por la Ley Fuerte de los Grandes Numeros, la media muestral y la desviacion muestral
n tiende a in nito. Como se han efectuado un gran numero de mediciones, el valor de n es "grande". Luego,
7 7=16 0:635
P X< P Z< P (Z < 2:41) = F ( 2:41) = 1 F (2:41) = 1 0:9920 = 0:008;
16 0:082
lo que implica que el porcentaje aproximado de mediciones inferiores a 7/16 pulgadas es del 0:8%:
(25) Ciertos investigadores han descubierto que el nivel de creciente maximo (en millones de pies cubicos
enero de 1986). Se pide: (a) La media y la varianza del nivel de creciente maximo durante un per odo de cuatro
a~
nos para el R o Susquehanna; (b) Los investigadores llegaron a sus conclusiones acerca de la distribucion del
cubicos por segundo. >Se esperar a observar un valor tan alto en una distribucion gamma con p = 3 y a = 100=7?
>Que puede inferirse acerca de la distribucion del nivel de creciente maximo para el per odo 1982-1985?
Solucion. La variable aleatoria X : "Nivel de creciente maximo (en millones de pies cubicos por segundo)
13
donde p = n = 3 y a = = 100=7: Luego,
p 3 p 3
(a) E[X] = = = 0:21; V [X] = 2
= = 0:0147:
a 100=7 a (100=7)2
Por la propiedad (4) de la distribucion gamma, la funcion de distribucion de X G(n; ) esta de nida por
n
X1
x( x)k
F (x) = P (X x) = 1 e 8x > 0:
k!
k=0
La respuesta a la pregunta >se esperar a observar un valor tan alto como 0.6 millones de pies cubicos por
segundo? ser a simplemente que se esperar a aproximadamente un 0.877% de los cuatrienios (es decir, el nivel
0.6 es muy alto). Luego, puede inferirse que durante el cuatrienio 1982-1985 hubo mas lluvia de lo normal e
(26) El tiempo (en meses despues del mantenimiento) que transcurre antes del fallo de un equipo de vigilancia
p
por television de cierta empresa tiene una distribucion de Weibull con parametros = 2 y = 60. Si la
empresa quiere que la probabilidad de fallo antes del siguiente mantenimiento programado sea de 0.05, >con
Solucion. De nimos la variable aleatoria T : "Tiempo -en meses despues del mantenimiento- que transcurre
antes del fallo de un equipo de vigilancia por television", cuya distribucion es Weibull W ( ; ) con = 2 y
p
= 60:
empresa quiere que la probabilidad de fallo antes del siguiente mantenimiento programado sea 0:05; entonces el
mantenimiento periodico del equipo debe efectuarse cada c0:05 meses. Es decir, cada
p
c0:05 = 60f log(1 0:05)g1=2 = 1:754308 meses.
Esto es, el per odo entre mantenimientos debe ser de: 1 mes, 22 d as, 15 horas, 6 minutos y 7.15 segundos.
14