Exámenes PDF

Calificacin: Pregunta bien contestada +1, si no se contesta 0 y si se contesta errneamente .
La suma de
puntuaciones se multiplica por 0.3 para obtener la puntuacin final. Si el resultado es negativo la puntuacin final ser cero.
1
c
2
a
3
c
4
b
5
a
6
b
7
b
8
c
9
a
10
b
1. Para una distribucin simtrica, la media es igual a:

a) La mitad del rango intercuartlico
b) El doble de la distancia entre la mediana y los cuartiles
c) Ninguna de las dos anteriores
2. Se tienen dos sucesos independientes y B con probabilidades 0.3 y
0.2, entonces la
probabilidad de
es:
a) 0.44
b) 0.50
c) 0.56
3. Cul de las siguientes distribuciones se puede aproximar por una normal para un valor conveniente de
los parmetros?
a) Binomial
b) Poisson
c) Las dos anteriores
4. Un lote de doce artculos tiene cuatro defectuosos. Si se toman 4 al azar sin reemplazamiento, cul es la
probabilidad de que ninguno sea defectuoso?
a) 0.1975
b) 0.1414
c) 0.0707
5. A y B son sucesos independientes de los que se conoce que |
2/3 y
| 3/4, entonces:
a)
1/2
b) 5/12
c)

6. Una variable aleatoria es:
a) Un evento del espacio muestral.
b) Un nmero asignado a un evento.
c) La probabilidad de un evento.
7. Se lanzan dos dados legales. La probabilidad de que la suma de puntos sea 7 u 11 es:
a) 7/36
b) 8/36
c) 9/36
8. Encontrar para la siguiente distribucin de la variable aleatoria :
a) 3
b) 0.2
c) 2.5

1
0.2
2
0.4
3
0.2
4
0.1
5
0.1
9. Una compaa hace unas ofertas de trabajo a tres estudiantes que acaban de terminar la carrera. La experiencia previa indica que el 40% de las ofertas son rechazadas por el aspirante. Cul es la probabilidad
de que exactamente dos de estos estudiantes acepten una oferta?
a) 0.432
b) 0.144
c) 0.360
10. Cul es la probabilidad de que la vida de un dispositivo electrnico, con distribucin exponencial, sea
ms pequea que la vida media?
a) /
b) 0.6321
c) 0.5
Ferrol, Abril de 2010
P1 (3.5 puntos). La centralita telefnica de una empresa multinacional puede atender un mximo de seis
llamadas por minuto. El promedio de llamadas por hora es 225.
a) Calcular la probabilidad de que en un minuto la centralita reciba ms llamadas de las que puede
atender (4 puntos).
b) Determinar el nmero medio de minutos por hora en que la centralita podr atender todas las llamadas por hora (1 punto).
c) Calcular la probabilidad de que no se produzca saturacin en ningn minuto a lo largo de una hora (1
punto).
d) Cul es la probabilidad de que el nmero de llamadas en una hora no supere las 240? (4 puntos)
Solucin:
225

3.75

La probabilidad de que ocurran k llamadas en un intervalo de 1 minuto ser:

3.75 .

!
a) Se tendr:
!
" 7 1 $ % 6 1 $ . '1 (

0.08628
3.75 3.75) 3.75 3.75* 3.75 3.75,

(
(
(
(
(
1!
2!
3!
4!
5!
6!
b) El nmero medio de minutos por hora en que la centralita podr atender las llamadas recibidas ser:
601 $
!
60 0 0.91372 54.8232
c) La probabilidad de que no se produzca saturacin en ningn minuto a lo largo de una hora es:
1 $
,3
!
0. 91372,3 0.00445
d) Se pide:
4
% 240
Podemos aproximar la distribucin de Poisson con 225 /

mediante una distribucin
normal 67225, 225: 6225,15 luego:
/> 3 240 DE 3
240 0.5 2 225

F E 3 1.0333 0.84928
15
De forma exacta, empleando Excel, sale:

/> 3 240 +66. G
225)
0.84915
)H= (!
67=
P2 (3.5 puntos) Una planta de produccin de neumticos cuenta con un proceso final de inspeccin para
determinar si un neumtico cumple los requerimientos de calidad exigidos por el cliente. El proceso de inspeccin no es perfecto: algunos neumticos defectuosos son clasificados como no defectuosos y enviados
al cliente. Igualmente algunos neumticos no defectuosos se clasifican como defectuosos y por tanto son
desechados.
Se sabe que del total de neumticos fabricados el 10% se clasifican como defectuosos en la inspeccin. De
los neumticos enviados al cliente el 1% son defectuosos. Se ha realizado un estudio para determinar el
porcentaje real de neumticos defectuosos fabricados, que ha resultado ser del 8%.
Se pide:
a) Definir los sucesos que permitirn el planteamiento del modelo matemtico que se emplear para
resolver el problema (1 punto).
b) Construir un diagrama de rbol para identificar los sucesos posibles con las probabilidades proporcionadas como datos (2 puntos).
c) Calcular la probabilidad de que una pieza defectuosa sea detectada en la inspeccin (4 puntos).
d) Sabiendo que el beneficio promedio que se obtiene con la venta de un neumtico en buenas condiciones es de 10, la prdida por desechar un neumtico (tanto si es realmente defectuoso o no) es
de 20 y la prdida que se obtiene por enviar un neumtico defectuoso al cliente es de 100, Cul
es el beneficio medio por neumtico fabricado por la empresa? (3 puntos).
NOTA: Construir el rbol de probabilidad partiendo de los sucesos desechar un neumtico en la inspeccin
/ no desecharlo.
Solucin:
a) Definimos los siguientes sucesos:
I = {Neumtico detectado como defectuoso}
J = {Neumtico detectado como no defectuoso}

I
K = {Neumtico correcto}
K = {Neumtico defectuoso}
b) Nos dan los siguientes datos:
J = 0.90
I 0.10 I
J = 0.01 K|I
J = 0.99
K |I
IK
A partir de los datos suministrados podemos construir el siguiente diagrama de rbol:
I
J
I
IK
JK
I
J K
I
Adems nos dicen que K = 0.08. Por el diagrama anterior, resultar:
0.101 + 0.90 0.01 = 0.08
De aqu:
= K|I = 0.29 K |I = 0.71
Se tendr:
I|K =
I K I K |I

0.10 0.71
=
=
= 0.8875
0.10 0.71 + 0.90 0.01
K
K
d) La variable beneficio de un neumtico es una variable aleatoria discreta con la siguiente distribucin de
probabilidad:
10

N = O 20

100
Por tanto, el beneficio medio por neumtico es:
0.90 0.99 = 0.891

0.10

0.90 0.01 = 0.009
N = 100.891 200.10 1000.009 = 6.01
Distribucin N(0,1)
Q
V
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
000
05000
05398
05793
06179
06554
06915
07257
07580
07881
08159
08413
08643
08849
09032
09192
09332
09452
09554
09641
09713
09772
09821
09861
09893
09918
09938
09953
09965
09974
09981
09987
09990
09993
09995
09997
V
WV
XYZ 2 WV[
001
05040
05438
05832
06217
06591
06950
07291
07611
07910
08186
08438
08665
08869
09049
09207
09345
09463
09564
09649
09719
09778
09826
09864
09896
09920
09940
09955
09966
09975
09982
09987
09991
09993
09995
09997
002
05080
05478
05871
06255
06628
06985
07324
07642
07939
08212
08461
08686
08888
09066
09222
09357
09474
09573
09656
09726
09783
09830
09868
09898
09922
09941
09956
09967
09976
09982
09987
09991
09994
09995
09997
003
05120
05517
05910
06293
06664
07019
07357
07673
07967
08238
08485
08708
08907
09082
09236
09370
09484
09582
09664
09732
09788
09834
09871
09901
09925
09943
09957
09968
09977
09983
09988
09991
09994
09996
09997
2R
S +T
004
05160
05557
05948
06331
06700
07054
07389
07704
07995
08264
08508
08729
08925
09099
09251
09382
09495
09591
09671
09738
09793
09838
09875
09904
09927
09945
09959
09969
09977
09984
09988
09992
09994
09996
09997
U /6
005
05199
05596
05987
06368
06736
07088
07422
07734
08023
08289
08531
08749
08944
09115
09265
09394
09505
09599
09678
09744
09798
09842
09878
09906
09929
09946
09960
09970
09978
09984
09989
09992
09994
09996
09997
006
05239
05636
06026
06406
06772
07123
07454
07764
08051
08315
08554
08770
08962
09131
09279
09406
09515
09608
09686
09750
09803
09846
09881
09909
09931
09948
09961
09971
09979
09985
09989
09992
09994
09996
09997
007
05279
05675
06064
06443
06808
07157
07486
07794
08078
08340
08577
08790
08980
09147
09292
09418
09525
09616
09693
09756
09808
09850
09884
09911
09932
09949
09962
09972
09979
09985
09989
09992
09995
09996
09997
008
05319
05714
06103
06480
06844
07190
07517
07823
08106
08365
08599
08810
08997
09162
09306
09429
09535
09625
09699
09761
09812
09854
09887
09913
09934
09951
09963
09973
09980
09986
09990
09993
09995
09996
09997
009
05359
05753
06141
06517
06879
07224
07549
07852
08133
08389
08621
08830
09015
09177
09319
09441
09545
09633
09706
09767
09817
09857
09890
09916
09936
09952
09964
09974
09981
09986
09990
09993
09995
09997
09998
12816 16449 19600 23263 25758 30902 32905 389060 4414469

09000 09500 09750 09900 09950 09990 09995 099995 0999995
02000 01000 00500 00200 00100 00020 00010 000010 0000010
Ferrol, Abril de 2010
Escuela Politcnica Superior

Curso: 1
Grados: Ingeniera y Tecnologa Industrial Ingeniera Mecnica
Apellidos:
Nombre:
Estadstica
Nota:
Calificacin: Todas las preguntas puntual por igual. Las preguntas bien contestadas tienen un peso de +1,
las mal contestadas - y las dejadas en blanco un peso de 0. Alumnos que liberaron el primer parcial: preguntas 11 a 20 ambas incluidas. Resto de alumnos: preguntas 1 a 20. Esta parte del examen tiene un peso
del 30% del total (es decir, 3 de los 10 puntos del examen).
1
10
11
12
13
14
15
16
17
18
19
20
1. Dado el siguiente conjunto de datos, encontrar la varianza muestral: 21, 25, 23, 19, 22.
a) 4
b) 5
c) 2
*
+y
*
+. Si y
2. Sean:
son sucesos independientes con probabilidades 0.5 y 0.4 respectivamente entonces de un grupo de 250
personas qu nmero habra que esperar que lean ambos peridicos?
a) 175
b) 50
c) 200
3. Se sabe que una caja de 12 huevos contiene 3 en malas condiciones. Si se quiere hacer una tortilla de 2
huevos para desayunar y se escogen al azar, la probabilidad de conseguir uno bueno y uno malo es:
a) 0.1875
b) 0.2045
c) 0.4091
4.
a)
b)
c)
y son dos sucesos incompatibles, es decir,

y no son independientes
y son independientes
y pueden ser o no independientes
. Entonces:
5. Se echan en una bolsa 12 bolas numeradas correlativamente del 1 al 12. La probabilidad de obtener un
nmero menor que 5 o mltiplo de 5 al sacar una de ellas es:
a) 1/2
b) 4/9
c) 1/18
6. Un fabricante de motores compra las piezas a dos proveedores: el 40% al proveedor y el resto al . El
porcentaje de piezas defectuosas de es del 2% y el de es el 5%. Si un motor consta de 2 piezas a ensamblar, la probabilidad de que ninguna sea defectuosa es
a) 0.9620
b) 0.9310
c) 0.9254
7. Para la siguiente distribucin de probabilidad:
-10
0.4
0
0.3
10
0.2
20
0.1
La media y la varianza son, respectivamente:

a)
b)
c)
8. Si el nmero de llamadas en una hora que recibe una centralita sigue una distribucin de Poisson de media 0.2, la probabilidad de que en 5 horas no se produzcan llamadas es:
a)
b) 1/e
c)
9. Con qu se asocia la dispersin?
a) Media, mediana y moda.
b) Desviacin tpica y rango intercuartlico.
c) Moda y cuartiles.
10. Supngase que un dado homogneo se lanza repetidamente hasta que aparece un seis. Encontrar la
probabilidad de que haya que efectuar ms de tres tiradas
a) 1/216
b) 125/216
c) 25/216
11. La duracin del viaje en coche de la ciudad a la es una variable aleatoria con media 60 minutos y
desviacin tpica 3 minutos. La duracin del viaje de la ciudad a la es una variable aleatoria independiente de la anterior con media 65 minutos y desviacin tpica 4 minutos. Cul es la desviacin tpica del
viaje de ida y vuelta?
a) 5
b) 3.5
c) 7
12. Se desea calcular la probabilidad binomial de obtener ms de 15 artculos defectuosos en una muestra
de 100 cuando la proporcin de artculos defectuosos en la poblacin es 20%. Cul es la aproximacin
normal a esta probabilidad binomial?
)
a) (
)
b) (
)
c) (
13. El tiempo (en horas) de ejecucin de los programas de un centro de clculo es una variable aleatoria
con densidad ( )
Cul es la probabilidad de que un programa tenga un tiempo de
ejecucin comprendido entre 1/2 hora y 1 hora?
a) 0.03027
b) 0.25
c) ninguna de las otras dos.
14. De las variables aleatorias ,

y
se conocen los siguientes valores:
( )
, ( )
, ( )
,
(
)
,
(
)
Entonces la varianza de la variable aleatoria
es:
a) 24
b) 49
c) 74
15. Se han ajustado tres modelos para las variables , e . Cul de ellos es el ms adecuado?
a) Modelo
. Los p-valores de los parmetros son
,
respectivamente y el
.
b) Modelo
,
y
.
c) Modelo
,
y
.
)+. Se
16. Se dispone de una muestra de datos para observaciones conjuntas de las variables *(
desea ajustar un modelo de regresin de la forma
Qu transformacin de la muestra
de datos se deber de realizar para poder ajustar el modelo mediante mnimos cuadrados?
a) *( ( ) ( ) )+
b) *( ( ) ( ) ( ))+
c) {.
/}
- y se tiene que
17. Si tiene una distribucin uniforme en ,
dientes, entonces la distribucin de es aproximadamente:
)
a) (
b) ( )
c) Ninguna de las dos anteriores
, siendo las
indepen-
18. En un intervalo de confianza al 90% para estimar un parmetro:

a) El 90% de las observaciones de la variable caen en l.
b) Hay una probabilidad del 10% de que ninguna observacin caiga en l.
c) Ninguna de las otras dos.
19. Un estimador consistente es aquel:
a) que es centrado y su varianza tiende a cero cuando el tamao de muestra tiende a infinito
b) que da mejores estimaciones del parmetro
c) que converge en probabilidad al parmetro
20. Una poblacin est representada por una variable aleatoria
(
con la siguiente funcin de probabilidad:
En un proceso de muestreo aleatorio simple se obtiene la muestra de ocho valores: 1, 5, 6, 10, 2, 2, 8, 3.

Segn esta informacin, la estimacin ms verosmil para el parmetro es:
a) 0.2162
b) 4.6250
c) 3.2043
Ferrol, Junio de 2011
Distribucin (
( )
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

( )
0.9000 0.9500 0.9750 0.9900 0.9950 0.9990 0.9995 0.99995
( )- 0.2000 0.1000 0.0500 0.0200 0.0100 0.0020 0.0010 0.00010
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
4.414469
0.999995
0.000010

Curso: 1
Apellidos:
Nombre:
Estadstica
Nota:
P1 (2.5 puntos). En un proceso industrial se obtienen muestras de 25 piezas cada hora con objeto
de comprobar si el proceso est o no bajo control. De manera habitual, un 1% de las piezas necesita un reprocesado. Sea el nmero de piezas de la muestra de 25 que necesitan un reprocesado.
Un proceso industrial se supone que est fuera de control si excede su media en ms de tres veces su desviacin estndar.
a) Si el porcentaje de piezas que necesitan un reprocesado permanece en un 1%, cul es la
probabilidad de que exceda su media en ms de tres veces su desviacin tpica?
b) Si el porcentaje de piezas que necesitan un reprocesado aumenta a un 4%, cul es la probabilidad de que sea mayor que 1?
c) Si el porcentaje de piezas que necesitan un reprocesado aumenta a un 4%, cul es la probabilidad de que sea mayor que 1 en al menos una de las siguientes cinco horas de muestras?
Solucin:
a)
tendr una distribucin (
a) Ahora
) siendo
tiene una distribucin (
el porcentaje de reprocesado.
). Por tanto:
b) Ahora

(
). Por tanto:
c) Si es el nmero de veces que es mayor que 1 en al menos una de las siguientes cinco horas
de muestras, se tendr que es (
). Se pide:
(
P2 (2.5 puntos). Los accesos a una pgina Web siguen una distribucin de Poisson con media de
10000 accesos por da. Calcular, de forma aproximada:

a) La probabilidad de ms de 10200 accesos diarios.
b) La probabilidad de 9900 o menos accesos diarios.
c) El valor tal que la probabilidad de que el nmero de accesos en un da supere dicho valor es
0.01.
d) El valor esperado de nmero de das en un ao (365 das) con ms de 10200 accesos.
e) La probabilidad de que a lo largo de un ao (365 das) ms de 15 das tenga cada uno ms de
10200 accesos.
Solucin:
Sea
el nmero de accesos diarios a la pgina WEB, entonces ser:

(
Con
Se tiene:
a) Por el TCL resultar que
tiene aproximadamente una distribucin (
(
(
De forma exacta, por Poisson, sale: 0.02275.

b) Se pide:
(
De forma exacta, por Poisson, sale tambin 0.15987.

c) Tenemos que resolver la ecuacin:
(
Resultar:
(
De aqu:
Por lo que
d) Sea el nmero de das con ms de 10200 accesos.
tendr:
( )
das
( )
Su desviacin tpica ser:
). Se
e) Se pide:
(
P3 (2 puntos). Se est contrastando una caracterstica tcnica de una pieza. Esta caracterstica tiene
una distribucin normal con una desviacin tpica igual a 2. Se desea contrastar la hiptesis
con la alternativa
con una muestra de tamao 9. Se ha determinado la
regin de aceptacin del test, resultando ser
. Determinar:
a) El riesgo de tipo I,
b) El riesgo de tipo II, , si la verdadera media de la caracterstica contrastada es 103.
c) Encontrar el valor de , si la verdadera media de la caracterstica contrastada cambia a 105.
Es lgico este valor teniendo en cuenta el obtenido en el apartado b)?
d) Repetir el apartado a) si el tamao de muestra aumenta a 16. Es lgico el valor de teniendo en cuenta el del apartado a)?
Solucin:
a) Ser:
( |
( |
(
( |
(
b) Por definicin de
resulta:
(
(
)
c) Ahora es:
( |
(
)
Al pasar la media del valor 103 al 105 es lgico que disminuya el riesgo de tipo II, , por la propia
definicin del riesgo de tipo II.
d) Ahora es:
( |
( |
(
( )
Al aumentar el tamao de muestra es lgico que el riego de tipo I, , disminuya, pues se consigue
tener mayor informacin sobre la poblacin.
Distribucin (
( )
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

( )
0.9000 0.9500 0.9750 0.9900 0.9950 0.9990 0.9995 0.99995
( )- 0.2000 0.1000 0.0500 0.0200 0.0100 0.0020 0.0010 0.00010
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
4.414469
0.999995
0.000010

Curso: 1
Apellidos:
Nombre:
Estadstica
Nota:
1
c
2
b
3
c
4
c
5
b
6
c
7
c
8
c
9
b
10
a
11
c
12
a
13
b
14
a
15
a
16
c
17
b
18
b
19
a
20
a
1. La frecuencia relativa de un suceso:

a) Es el cociente entre el nmero de veces que se observa el suceso y el nmero total de pruebas
b) Converge a la probabilidad del suceso cuando el nmero de pruebas es suficientemente grande
c) Las dos anteriores afirmaciones son ciertas
2. Las estaturas en centmetros de 5 estudiantes son: 165, 175, 176, 159, 170. La mediana de esta muestra
es:
a) 165
b) 170
c) 175
( = )
-5
0.4
0
0.3
10
0.3
La media y la varianza de son, respectivamente:

a) = 0, 2 = 39
b) = 1, 2 = 40
c) = 1, 2 = 39
4. Un estudiante que ha realizado un examen obtuvo un rango del percentil del 72%. Si 90 estudiantes realizaron el examen, cuntos estudiantes recibieron una calificacin superior a la suya?
a) 65
b) 72
c) 25
5. La probabilidad de que un hombre casado vea un determinado programa de televisin es 0.4 y la probabilidad de que una mujer casada vea el mismo programa es 0.5. La probabilidad de que un hombre casado
vea el programa dado que su mujer s lo ve es 0.7. Cul es la probabilidad de que en una casa tanto el marido como la mujer vean dicho programa?
a) 0.20
b) 0.35
c) 0.28
6. Un fabricante de motores compra las piezas a dos proveedores: el 40% al proveedor A y el resto al B. El
porcentaje de piezas defectuosas de A es del 2% y el de B es el 5%. Si un motor consta de 2 piezas a ensamblar, la probabilidad de que ninguna sea defectuosa es:
a) 0.9620
b) 0.9310
c) 0.9254
7. El nmero de accidentes de trfico por semana en una pequea ciudad tiene una distribucin de Poisson
con media igual a 1.3. Cul es la probabilidad de al menos dos accidentes en 2 semanas?
a) 0.2510
b) 0.3732
c) 0.7326
8. Se va a seleccionar al azar una muestra de 150 personas de una poblacin infinita en la que el 60% de los
miembros se oponen a una determinada propuesta. Si es el nmero de personas de la muestra que no se
oponen a dicha propuesta, la variable tipificada es:
a) ( 90)/36
b) ( 60)/36
c) ( 60)/6
9. Los dimetros de los discos de acero fabricados en una factora estn distribuidos normalmente con una
media de 2.5 cm y una desviacin estndar de 0.02 cm. La probabilidad de que un disco seleccionado al
azar tenga un dimetro mayor que 2.54 cm es aproximadamente:
a) 0.4840
b) 0.0228
c) 0.4920
10. Sea una variable aleatoria (1,2). Sea = 2 2 + 3. La media de es
a) 13
b) no puede calcularse
c) 5
11. Supngase que, en el Campus de Esteiro, el 20% de los estudiantes residen en viviendas alquiladas. Si
100 estudiantes son elegidos al azar, entonces la probabilidad de que el nmero de ellos que residen en viviendas alquiladas est entre 15 y 25 (ambos inclusive) es aproximadamente:
a) 0.7394
b) 0.7887
c) 0.8309
12. Sean e dos variables aleatorias que no son independientes. Entonces:
a) La varianza de la suma unas veces es mayor y otras veces es menor
b) La varianza de la suma es igual a la suma de las varianzas
c) La varianza de la suma es mayor que la suma de las varianzas
13. Una poblacin est normalmente distribuida con media 60 y varianza 16. Si se toman muestras aleatorias simples de tamao 16, qu proporcin de medias muestrales caern entre 58 y 60?
a) 0.4194
b) 0.4772
c) 0.3112
14. Se dispone de una muestra de datos para observaciones conjuntas de las variables {(1 , 2 , )}. Se
desea ajustar un modelo de regresin de la forma = 0 1 1 2 2 Qu transformacin de la muestra de datos se deber de realizar para poder ajustar el modelo mediante mnimos cuadrados?
a) {(1 , 2 , ln( ))}

b) {(ln(1 ) , ln(2 ) , ln( ))}
c) {(1 1 , 2 2 , )}
15. Se han ajustado dos modelos para las variables e . Cul de ellos es el ms adecuado?:
a) Modelo = 0 + 1 + . Los p-valores de los parmetros son 1.47 1012 y 1.51 1011 respectivamente y el 2 = 08081.
b) Modelo = 0 + 1 + 2 2 + . Los p-valores de los parmetros son 2.15 108, 0.032 y 0.735
respectivamente y el 2 = 08089.
c) Los dos modelos se pueden utilizar indistintamente.
16. Qu pasara (suponiendo que todo lo dems permanece igual) si se calcula un intervalo de confianza a
un nivel de confianza del 99% en vez del 95%?
a) Ser menos amplio
b) No cambiar
c) Ser ms amplio
17. La media muestral es un estimador centrado de la media poblacional. Esto significa que:
a) La media muestral siempre iguala a la media poblacional
b) El promedio de las medias muestrales, para todas las posibles muestras, es igual a la media poblacional
c) La media muestral tiene una distribucin normal
18. Si dos estimadores 1 y 2 estimadores de un mismo parmetro de una poblacin son centrados, entonces se dice que 1 es relativamente ms eficiente que 2 si:
a) la distribucin de 1 es ms simtrica que la de 2
b) la varianza de 1 es menor que la de 2
c) la varianza de 1 es mayor que la de 2
19. Una poblacin est representada por una variable aleatoria con la siguiente funcin de probabilidad:
( = ) = (1 )1
= 1,2,3,
En un proceso de muestreo aleatorio simple se obtiene la muestra de ocho valores: 1, 5, 6, 10, 2, 2, 8, 3.

a) 0.2162
b) 4.6250
c) 3.2043
20. Supngase que se acepta que una moneda es correcta si al lanzarla 10 veces se obtienen 3, 4, 5, 6 7
caras. Entonces la probabilidad de cometer un error de tipo I es:
a) 0.1094
b) 0.0630
c) 0.0500
Ferrol, Julio de 2011
Distribucin (, )
() =
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
1
2
2 /2
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060
0.9000 0.9500 0.9750 0.9900 0.9950 0.9990 0.9995 0.99995

()
[ ()] 0.2000 0.1000 0.0500 0.0200 0.0100 0.0020 0.0010 0.00010
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
4.414469
0.999995
0.000010

Curso: 1
Apellidos:
Nombre:
Estadstica
Nota:
P1 (2.5 puntos). Un dispositivo electrnico est formado por tres componentes en serie, cada uno de los
cuales tiene una probabilidad de fallo de 0.01. Su representacin, en la que cada componente se corresponde con uno de los rectngulos, es:
Diseo A
a) Cul es la probabilidad de fallo del dispositivo?

Por motivos econmicos se ha cambiado el proveedor de los componentes. Los nuevos componentes recibidos son de peor calidad y tienen una probabilidad de fallo de 0.05. Para contrarrestar el efecto de calidad,
se ha pensado en dos nuevos diseos del anterior dispositivo:
Diseo B
Diseo C
b) Calcular la probabilidad de fallo del diseo B.

c) Calcular la probabilidad de fallo del diseo C.
d) Suponiendo que el precio de los componentes del nuevo proveedor tienen un precio inferior a la mitad del precio del anterior proveedor, cul de los diseos elegira? Por qu?
Nota: todos los componentes pueden suponerse independientes.
Solucin:
a) La probabilidad buscada es: = 1 ( ) = 1 0.993 = 0.029701
b) Primero calculamos la probabilidad de fallo de dos componentes en paralelo, que ser:
0.052 = 0.0025
La probabilidad de fallo del Diseo B ser: = 1 (1 0.0025)3 = 0.007481
c) Primero calculamos la probabilidad de fallo de tres componentes en serie, que ser:
1 (1 0.05)3 = 0.142625
La probabilidad de fallo del Diseo C ser: = (0.142625)2 = 0.020342
d) Debido al precio de los componentes, los diseos B y C son ms baratos que el A y tienen el mismo coste
(ambos constan de 6 componentes). Elegimos el B por tener una probabilidad de fallo mucho menor.
P2 (2.5 puntos). El complejo elico de Faladoira est formado por cuatro parques, que ocupan un territorio
de tres ayuntamientos distintos, en el norte de A Corua. Dispone de 146 aerogeneradores MADE AE-46/I.
Debido a la aleatoriedad del viento, la potencia de cada aerogenerador sigue una distribucin normal de
media 660 y varianza 160000 2 .
a) Cul es la probabilidad de que la potencia producida por una torre sea mayor que 700 ?
b) Calcular la probabilidad de que haya 65 o ms aerogeneradores produciendo ms de 700 cada
uno.
c) Si es la potencia total producida por el complejo elico, cul es la distribucin de ? Cul es su
valor medio y su varianza? Supngase que las potencias de los aerogeneradores son variables aleatorias independientes.
d) Cul es la probabilidad de que la potencia total generada supere los 95 ?
Nota: = Kilovatio, = v = 1000
Solucin:
Si es la potencia de un aerogenerador, tiene una distribucin (660, 400)
a) La probabilidad buscada ser:
= ( 700) = 1 (
700 660
) = 1 (0.1) = 0.46017
400
b) Sea la variable aleatoria que representa el nmero de aerogeneradores produciendo ms de 700

cada uno. Entonces es (146, ) = (146,0.46017). Resultar:
=
146
(
) 0.46017 0.5398314665 = 0.67144
=65
146
Aproximando por la normal: (146,0.46017) (67.18514, 6.02233). Pues:

= 146 0.46017 = 67.18514
= 146 0.46017 0.53983 = 6.02233
Resultando:
= ( 65) = 1 ( 64) 1 (
64.5 67.18514
) = 1 (0.44586) = 0.67215
6.02233
c) Resultar que: = 146

=1 . Entonces:
= 146 = 146 660 = 96360
= 146 = 4833.21839
tendr una distribucin (96360, 4833.21839).
d) Se pide:
= ( 95000) = 1 ( 95000) = 1 (
= 0.61079
95.000 96360
) = 1 (0.28139)
4833.21839
P3 (2 puntos). Se han realizado quince medidas de una caracterstica de calidad de un producto
empleado en un proceso de fabricacin. Los resultados obtenidos han sido los siguientes:
99,46
96,16
99,77
94,19
104,91
103,33
94,85
98,12
93,45
95,68
104,05
100,05
93,77
100,33
104,25
Se sabe que la caracterstica de calidad estudiada tiene una distribucin normal.

a) Calcular el valor medio y la varianza muestral de los valores de la tabla.
b) Si se conoce que la desviacin tpica de la caracterstica de calidad es 4, obtener un intervalo
de confianza para el valor medio de la caracterstica de calidad con un nivel de confianza del
95%.
c) Si no se conoce el la desviacin tpica de la caracterstica de calidad, obtener un intervalo de
confianza para el valor medio con un nivel de confianza del 95%.
d) Repetir el paso c) con un nivel de confianza del 99%.
Solucin:
a) Se obtienen:
= 98.82467
= 4.03850
b) En este caso se tiene para un nivel de confianza del 1 = 95%:

/2
= 98.82467 1.96
4
15
= (96.8004, 100.8489)
Para los apartados c) y d) empleamos la siguiente frmula para el intervalo de confianza:

/2,1 / + /2,1 /
Por tablas o con Excel, se obtiene para una de Student con 14 grados de libertad
0.025,14 = 2.1448
0.005,14 = 2.9768
c) Con los valores anteriores, se obtiene que el intervalo con un nivel del 95% es:
(96.5882,101.0611)
d) Con los valores anteriores, se obtiene que el intervalo con un nivel del 99% es:
(95.7206,101.9287)
Distribucin de Student
con grados de libertad
( ) = ( )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0.75
1.0000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6892
0.6884
0.6876
0.6870
0.9
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.3253
0.95
6.3138
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
1.7247
Valores ()
0.975
0.99
12.7062
31.8205
4.3027
6.9646
3.1824
4.5407
2.7764
3.7469
2.5706
3.3649
2.4469
3.1427
2.3646
2.9980
2.3060
2.8965
2.2622
2.8214
2.2281
2.7638
2.2010
2.7181
2.1788
2.6810
2.1604
2.6503
2.1448
2.6245
2.1314
2.6025
2.1199
2.5835
2.1098
2.5669
2.1009
2.5524
2.0930
2.5395
2.0860
2.5280
0.995
63.6567
9.9248
5.8409
4.6041
4.0321
3.7074
3.4995
3.3554
3.2498
3.1693
3.1058
3.0545
3.0123
2.9768
2.9467
2.9208
2.8982
2.8784
2.8609
2.8453
0.9995
636.6192
31.5991
12.9240
8.6103
6.8688
5.9588
5.4079
5.0413
4.7809
4.5869
4.4370
4.3178
4.2208
4.1405
4.0728
4.0150
3.9651
3.9216
3.8834
3.8495
Distribucin (, )
() =
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
()
[ ()]
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
1
2
2 /2
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

0.9000 0.9500 0.9750 0.9900 0.9950 0.9990 0.9995 0.99995
0.2000 0.1000 0.0500 0.0200 0.0100 0.0020 0.0010 0.00010
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
4.414469
0.999995
0.000010

1 Curso. Grado de Ingeniera Industrial
ESTADSTICA
Apellidos:
Nombre:
Nota:
Calificacin: Pregunta bien contestada +1, si no se contesta 0 y si se contesta errneamente . La suma de

puntuaciones se multiplica por 0.3 para obtener la puntuacin final. Si el resultado es negativo la puntuacin final del test ser cero.
1
10
1. La frmula de Sturges sirve para calcular el nmero de intervalos de clase que debe tener el histograma
de un conjunto de datos obtenido en un experimento aleatorio. Si el total de datos es 500, entonces el nmero de intervalos de clase que da la frmula de Sturges es:
a) 9
b) 10
c) 21
2. Dos sucesos y son independientes si:
)
( ) ( )
a) (
b)
c) Ninguna de las anteriores
3. Una variable aleatoria es:
a) Un suceso del espacio muestral.
b) Un nmero asignado a un evento.
c) La probabilidad de un evento.
4. Encontrar ( ) para la siguiente distribucin de la variable aleatoria :
10
0.05
20
0.20
30
0.30
40
0.35
a) 30.0
b) 30.5
c) 32.5
5. Para la distribucin de probabilidad de la pregunta 4, la varianza de
a) 1132.50
b) 108.75
c) 10.43
6. Si la varianza de
a) 70
b) 75
c) 225
es 25, la varianza de
es:
es:
50
0.10
7.Qu medidas estn relacionadas con la dispersin?

a) Desviacin tpica y rango intercuartlico.
b) Media, mediana y moda.
c) Moda y cuartiles.
8. En la hora punta de la maana en el semforo de Fene pasan una media de 8 coches por minuto. Cul
es la probabilidad de que pasen 16 coches en un intervalo de 2 minutos?
a) 0.0992
b) 0.0234
c) 0.2792
9. Si se eligen al azar (sin reemplazo) 3 nmeros enteros de 0 a 9, cul es la probabilidad de que dos de
ellos sean mayores que 3?
a) 0.6
b) 0.5
c) 0.432
10. Se tiene dos urnas con bolas. La primera contiene 2 bolas blancas y 3 bolas negras; mientas que la segunda contiene 8 bolas blancas y 2 bolas negras. Si se elige una urna al azar y se extrae una bola, cul es la
probabilidad de que la bola extrada sea blanca?
a) 0.60
b) 0.66
c) 0.50
Ferrol, Marzo de 2010

1 Curso. Grado de Ingeniera Industrial
ESTADSTICA
Apellidos:
Nombre:
Nota:
P1 (3.5 puntos). Una gran empresa de transporte utiliza para sus vehculos unos neumticos de los que se
sabe que el nmero de pinchazos que sufre un vehculo tiene una distribucin de Poisson de media 0.2 pinchazos por cada 50.000 Km recorridos. Si el vehculo recorre en dos meses una distancia de 10.000 Km, calcular:
a) Probabilidad de que no tenga pinchazos.
b) Probabilidad de que tenga menos de tres pinchazos.
c) Qu nmero de kilmetros debe recorrer para que la probabilidad de no tener ningn pinchazo sea
0.44933?
Si la empresa dispone de una flota de 100 vehculos iguales que emplean el mismo tipo de neumticos:
d) Cul es la probabilidad de haber pinchado menos de dos vehculos de la flota despus de que todos
hayan recorrido 10.000 Km?
e) Cul es el nmero esperado de vehculos que pinchen despus de que todos hayan recorrido 10.000
Km?
Solucin:
La tasa media de pinchazos en 10.000 Km ser:
una distancia recorrida de 10.000 Km, entonces
(
a)
b)
. Si es el nmero de pinchazos de un vehculo en

tiene una distribucin ( ). Por tanto:
)
c) Ahora es: (
recorrer unos 200.000 Km.
Para los siguientes apartados definimos la variable aleatoria

un total de 100 despus de recorrer 10.000 Km. Resultar que
r:
(
d)
e) ( )
lo que implica que el vehculo ha de
nmero de vehculos que han pinchado de

)
(
). Sees (
)
, es decir, alrededor de 4 vehculos.

1 Curso. Grados: Tecnologas Industriales - Mecnica
Apellidos:
ESTADSTICA
Nombre:
N:
1
10
11
12
13
14
15
16
17
18
19
20
1. La regla de Sturges se aplica para obtener el nmero de intervalos para una muestra con datos no repetidos. La frmula de Sturges establece que el nmero de intervalos es:
a)
b)
c)
2. Para el siguiente diagrama de cajas:
a) El rango intercuartlico es 3275

b) La mediana es 145
c) El valor medio es 145
3. Dos sucesos de un mismo experimento aleatorio son tales que
a) Los sucesos y son independientes
b) Los sucesos y son complementarios
c) Los sucesos y no son independientes
, entonces:
4. Una funcin de probabilidad es:

a) Una funcin que asigna una probabilidad a cualquier suceso de un experimento aleatorio
b) Un sistema completo de sucesos con sus correspondientes probabilidades
5. La funcin de distribucin de una variable aleatoria :

a) Caracteriza por completo la distribucin de
b) Es una funcin no decreciente
c) Las dos anteriores respuestas con ciertas
6. Para una distribucin de Poisson:
a) La media es
b) La varianza es
c) Las dos anteriores respuestas son correctas
7. Una distribucin hipergeomtrica se puede aproximar por una binomial:
a) Siempre
b) Cuando el tamao de la muestra no excede el 10% de la poblacin
c) No se puede aproximar
8. La prdida de memoria de la distribucin exponencial implica que:
a) Lo que ha ocurrido anteriormente determina lo que ocurrir despus
|
)
(
)
b) (
|
)
(
)
c) (
9. Un grfico de probabilidad es
a) Un grfico que da las probabilidades de una variable aleatoria
b) Un mtodo grfico para determinar si los datos de una muestra se ajustan o no a una determinada distribucin de probabilidad, basndose en un examen visual de los datos
c) Una herramienta para visualizar probabilidades
es una variable aleatoria continua con funcin de distribucin ( ), entonces la variable
( )
a) Tiene una distribucin uniforme en [ ]
b) Tiene una distribucin binomial ( )
c) La variable tiene una distribucin que no se puede determinar porque una funcin de distribucin no
tiene funcin inversa.
10. Si
11. Si dos variables aleatorias tienen covarianza igual a cero

a) Las dos variables aleatorias son independientes
b) Las dos variables aleatorias son dependientes
12. De las variables
(
)
y
a) 113
b) 141
c) 11874
,
(
y
)
se conoce: ( )
, (
. Entonces, la varianza de
)
es:
13. El teorema central del lmite establece que si una variable aleatoria es suma de variables aleatorias
entonces la distribucin de es aproximadamente normal:
a) Para suficientemente grande
b) Si las variables aleatorias
son independientes
c) Si las variables aleatorias
son independientes y es suficientemente grande
14. En un muestreo aleatorio simple, la variable aleatoria
grados de libertad:
tiene una distribucin de Student con
a) Slo si la poblacin base tiene distribucin normal

b) Para cualquier distribucin que tenga la poblacin base
c) Slo si la poblacin base tiene una distribucin continua
15. Se tiene tres estimadores ,
y
de un mismo parmetro de una poblacin.
no es centrado,
( )
( ). Entonces el mejor estimador es:
mientras que y s lo son. Adems, ( )
a)
b)
c)
16. Se ha obtenido un intervalo de confianza, con un nivel de confianza del 95%, para el valor medio de una
poblacin normal, resultando
. Entonces:
]
a) Hay una probabilidad del 95% de que el verdadero valor de est en el intervalo [
b) Si se obtiene un gran nmero de intervalos de confianza para con el mismo nivel de confianza del 95%,
entonces aproximadamente el 95% de los intervalos obtenidos contendr el verdadero valor de .
c) Ninguna de las anteriores afirmaciones es correcta.
17. El riesgo de tipo I de un test es:
a) La probabilidad de aceptar la hiptesis falsa cuando es cierta
b) La probabilidad de rechazar la hiptesis nula cuando es cierta
c) La probabilidad de que la decisin tomada en el test sea errnea
18. Para un determinado contraste de hiptesis:
a) Es deseable que en la regin de aceptacin la curva de potencia tenga valores pequeos (cercanos a 0)
b) En la regin crtica es deseable que la curva de potencia tenga valores grandes (cercanos a 1)
c) Las dos anteriores respuestas son ciertas
19. El coeficiente de determinacin :
a) Es el cociente entre la suma de los cuadrados de la regresin y la suma de cuadrados totales
b) Es el cociente entre la suma de los cuadrados de los errores y la suma de cuadrados totales.
c) Es el cociente entre la suma de los cuadrados de los errores y la suma de los cuadrados de la regresin
20. En el anlisis de la varianza de un factor para un experimento completamente aleatorizado, el estadstico del test, cociente entre la media cuadrtica de los tratamientos y la media cuadrtica de los errores:
a) Tiene una distribucin
Chi cuadrado.
b) Tiene una distribucin de Student
c) Tiene una distribucin de Snedecor

Apellidos:
ESTADSTICA
Nombre:
N:
P1 (3 puntos) En un proceso industrial se obtienen muestras de 25 piezas cada hora con objeto de
comprobar si el proceso est o no bajo control. De manera habitual, un 1% de las piezas necesita
un reprocesado. Sea el nmero de piezas de la muestra de 25 que necesitan un reprocesado. Un
proceso industrial se supone que est fuera de control si excede su media en ms de tres veces
su desviacin estndar.
a) Funcin de probabilidad de
b) Si el porcentaje de piezas que necesitan un reprocesado permanece en un 1%, cul es la
probabilidad de que exceda su media en ms de tres veces su desviacin tpica?
c) Si el porcentaje de piezas que necesitan un reprocesado aumenta a un 4%, cul es la probabilidad de que sea mayor que 1?
d) Si el porcentaje de piezas que necesitan un reprocesado aumenta a un 4%, cul es la probabilidad de que sea mayor que 1 en al menos una de las siguientes cinco horas de muestras?
Solucin:
a)
) siendo
(
b) Ahora
el porcentaje de reprocesado. Por tanto:
). Por tanto:
c) Ahora
). Por tanto:
)
d) Si es el nmero de veces que es mayor que 1 en al menos una de las siguientes cinco horas
de muestras, se tendr que es (
). Se pide:
(
P2 (3 puntos) Se ha realizado una encuesta a 500 ciudadanos de un pas preguntndoles si son

partidarios o no de dar ayudas pblicas a la banca. A su vez, se ha preguntado a los encuestados su
afinidad poltica. Los resultados de la encuesta han sido los siguientes:
Afinidad poltica
Opinin
PSOE
PP
IU
Totales
Resto
A favor
65
90
20
25
200
En contra
85
80
50
42
257
Indiferente
15
14
43
Totales
165
184
78
73
500
a) Formule un test (hiptesis nula y alternativa) para contrastar si la opinin de ayudar o no a la

banca es independiente de la afinidad poltica
b) Calcular el valor observado del estadstico del test
c) Calcular el valor crtico del test. Emplear un nivel de significacin del 5%.
d) Cul sera la decisin tomada en funcin de los datos obtenidos en la encuesta?
e) Formule una ecuacin en trminos de probabilidad para calcular el valor P del test. Cmo
ser este valor: mayor o menor que un 5%?
Solucin:
Calculamos las medias de filas y columnas:
Afinidad poltica
Opinin
PSOE
PP
IU
Resto
Totales
A favor
65
90
20
25
200
0,400
En contra
85
80
50
42
257
0,514
Indiferente
15
14
43
0,086
Totales
165
184
78
73
500
0,330
0,368
0,156
0,146
La tabla de valores esperados es:

Afinidad poltica
Opinin
PSOE
PP
IU
Resto
Totales
A favor
66,000
73,600
31,200
29,200
63
En contra
84,810
94,576
40,092
37,522
58
Indiferente
14,190
15,824
6,708
6,278
54
165
184
78
73
500
Totales
a) El contraste de hiptesis ser:
La opinin de ayudar o no a la banca es independiente de la afinidad poltica.

La opinin de ayudar o no a la banca no es independiente de la afinidad poltica
b) El valor observado del estadstico del test es:
c) El valor crtico ser:

(
d) Como
rechazamos la hiptesis nula de independencia. Por tanto concluimos que la
afinidad poltica tiene cierta relacin con la opinin de ayudar o no a la banca.
e) El valor P puede calcularse mediante:
(
Es decir, es la probabilidad de que una variable chi cuadrado con 6 grados de libertad sea mayor
que el valor crtico obtenido: 140416. Mediante Excel se puede calcular as:
(
Evidentemente, el valor P obtenido deber ser menor del 5%.

Apellidos:
ESTADSTICA
Nombre:
N:
PRCTICA. Se dispone de un conjunto de datos de pedidos de una empresa dedicada a la fabricacin de mobiliario para tiendas. El archivo de Excel suministrado recoge los cdigos, la superficie
en
de cada tienda, el estilo (A, B o C), la longitud de las zonas de estantes de la tienda, la localizacin, el plazo de entrega, las horas de mano de obra (MO) que se han dedicado a su fabricacin
y el coste de los materiales consumidos. A partir de estos datos se pide:
a) Elaborar una lista con las localizaciones posibles de los pedidos. (05 puntos)
b) Para los pedidos localizados en Espaa, elaborar un histograma que muestre la distribucin
del coste directo de cada pedido, siendo ste la suma del coste de las horas MO y el coste de
materiales. El coste de personal es de 15 /hora. (2 puntos)
c) Ajustar un modelo de regresin para las horas MO y el coste de materiales en funcin de las
caractersticas del pedido que estn relacionadas con estas variables. Indicar la ecuacin del
modelo de regresin ajustado y justificar si los parmetros del modelo son significativos o
no. (6 puntos)
d) Asumiendo que los errores del modelo de regresin presentan una distribucin normal, calcular la probabilidad de que el error de una estimacin de las horas de mano de obra sea superior a 10 en valor absoluto. (15 puntos)

Apellidos:
ESTADSTICA
Nombre:
1
b
2
b
3
a
4
c
5
d
6
b
7
c
8
a
9
c
10
a
11
c
12
b
13
c
14
c
15
a
16
c
17
a
18
c
19
a
20
a
1. Para el siguiente conjunto de datos: 21, 25, 23, 19, 22, la varianza muestral es:
a) 4
b) 5
c) 2
2. De una caja que contiene cuatro bolas negras y tres blancas se extraen tres bolas con reemplazamiento.
Cul es la probabilidad de que las tres bolas sean del mismo color?
a) (64/343)(27/343)
b) 13/49
c) 64/343
3. Si () = 0.3, () = 0.4 y adems y son sucesos incompatibles:
a) y no son independientes
b) y son independientes
c) Se necesita ms informacin para saber si y son o no independientes.
4. En el circuito de la derecha se dan las probabilidades de funcionamiento de cada componente (dentro de su respectivo cuadrado).
La probabilidad de funcionamiento del circuito es:
0.98
0.95
0.98
a) 0.9733
b) 0.8152
c) 0.9875
0.95
0.98
5. De una variable aleatoria se conocen sus valores y sus probabilidades:
La varianza de es:
( = )
1
0.1
5
0.2
7
0.3
8
0.3
10
0.1
0.99
a) 7.0
b) 49.0
c) 6.6
6. Las llamadas a la centralita de una empresa se producen de acuerdo con una distribucin de Poisson de
media 20 llamadas por hora. La probabilidad de que ocurran 19 llamadas en una hora es:
a) 0.0866
b) 0.0888
c) 0.950
7. Un fabricante de motores compra las piezas a dos proveedores: el 40% al proveedor A y el resto al B. El
porcentaje de piezas defectuosas de A es del 2% y el de B es el 5%. Si un motor consta de 2 piezas a ensamblar, la probabilidad de que ninguna sea defectuosa es:
a) 0.9620
b) 0.9310
c) 0.9254
8. Si una moneda legal se lanza 100 veces, la probabilidad de obtener 55 o ms caras est dada por (usar la
aproximacin normal a la distribucin binomial y la correccin por continuidad):
a) 0.1841
b) 0.1587
c) 0.2420
9. Con cul distribucin de Poisson se aproxima mejor una distribucin binomial con = 75 y = 0.02?
a) Poisson con = 25
b) Poisson con = 7.5
c) Poisson con = 1.5
10. Si se desea calcular para una variable aleatoria binomial la probabilidad de obtener 15 o menos artculos defectuosos en una muestra de 100 cuando la razn de defectuosos en la poblacin de donde se extrae
la muestra es p = 0.20. Cul es la aproximacin normal a esta probabilidad binomial? Utilcese la correccin por continuidad.
a) ( 1.125)
b) ( 1.25)
c) ( 1.5)
11. Un coche se protege contra la corrosin sumergindole cuatro veces en un gran tanque que contiene
un antioxidante. El total de tiempo que el coche permanece sumergido es una variable aleatoria con media
20 minutos y varianza 25. Despus de cada inmersin se deja secar el coche exactamente durante 30 minutos. Cul es el tiempo medio (en minutos) que se utiliza en esta fase de la produccin del coche?
a) 80
b) 140
c) 200
12. En la cuestin anterior, si los tiempos son variables aleatorias independientes, cul es la desviacin tpica del tiempo total utilizado?
a) 20
b) 10
c) 100
13. Si 1 es un estimador del parmetro de una poblacin y (1 ) = , entonces diremos que tiene la
propiedad:
a) del Teorema Central del Lmite
b) de consistencia
c) de centralizacin
14. El intervalo de confianza al 95% estimado para el valor medio del tiempo necesario para construir una
mquina es 11 12. Esto significa:
a) solamente el 5% de todas las mquinas necesitan entre 11 y 12 das para su construccin
b) la probabilidad de que caiga entre 11 y 12 das es 0.95
c) aproximadamente 95 de cada 100 intervalos construidos de forma similar a partir de muestras de igual
tamao contendrn el verdadero valor de construccin de una mquina
caras. Entonces la probabilidad de cometer un error de tipo I es:
a) 0.1094
b) 0.0630
c) 0.0500
16. Un proceso de muestreo aleatorio simple
a) Los elementos de la muestra se seleccionan al azar
b) Los componentes de la variable aleatoria muestra genrica son independientes
c) Las dos afirmaciones anteriores son ciertas
17. En regresin, se denomina residuo a:
a) la diferencia entre el valor observado de la variable dependiente y el valor estimado por el modelo
b) la diferencia entre el valor estimado por el modelo y el valor observado de la variable dependiente
c) ninguna de las dos anteriores
18. Si 1 , 2 , , es una muestra aleatoria sacada de una poblacin con media y desviacin tpica ,
entonces el Teorema Central del Lmite establece que la variable aleatoria :
a) Tiene una distribucin normal (, ) para un tamao de muestra suficientemente grande.
b) Tiene una distribucin aproximadamente normal (, ) para un tamao de muestra suficientemente
grande si la distribucin de es continua.
c) Tiene una distribucin aproximadamente normal (, ) para un tamao de muestra suficientemente
grande independientemente de la distribucin de .
19. El riesgo de tipo II en un contraste de hiptesis se define como:
a) La probabilidad de aceptar la hiptesis nula cuando esta es falsa.
b) La probabilidad de rechazar la hiptesis nula cuando esta es cierta.
c) La probabilidad de rechazar la hiptesis alternativa cuando esta es cierta.
20. Sea (, ) una variable aleatoria bidimensional con funcin de distribucin (, ). La funcin de distribucin marginal de se puede calcular mediante:
a) () = (, +)
b) () = (, )
Distribucin (0,1)
() = ( ) =
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
3,10
3,20
3,30
3,40
0
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
()
[ ()]
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
2 /2
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
1,2816 1,6449 1,9600 2,3263 2,5758 3,0902 3,2905 3,89059

0,9000 0,9500 0,9750 0,9900 0,9950 0,9990 0,9995 0,99995
0,2000 0,1000 0,0500 0,0200 0,0100 0,0020 0,0010 0,00010
4,41717
1,00000
0,00001
Calificacin: Esta parte del examen tiene un peso del 70% del total (es decir, 7 de los 10 puntos del
examen).
P1 La vida til de un componente mecnico est distribuida normalmente con una media de 7000
horas y una desviacin tpica de 600 horas.
a) Cul es la probabilidad de que un componente falle antes de 5800 horas?
b) Cul es el valor de la vida en horas tal que el 90% de los componentes tienen una vida superior a dicho valor?
c) Cul debera ser la vida media de los componentes para que el 99% de ellos superen las
10000 horas de funcionamiento?
d) Un producto tiene 3 unidades del componente mecnico considerado y dicho producto falla
si falla al menos uno de los 3 componentes. Supngase que los componentes fallan de manera independiente. Cul debera ser la vida media de los componentes para que el 90% de
los productos tengan una vida superior a 10000 horas?
Solucin:
a) La vida es 7.000,600 entonces:
5800 7000

1 2 1 2 1 0.97725
600
0.02275
5800

b) Se quiere encontrar tal que

0.10. Se tendr:

7000
7000

0.10
600
600
De aqu:
7.000
1.28155 6231.07
600
c) Se deber cumplir
10000 0.01. Por tanto:
10000

De aqu:
10000
10000

0.01
600
600
10000
600
2.326348 10000 " 2.326348 # 600 11395.8088
d) El producto funciona cuando funcionan los tres componentes, por tanto se tendr que cumplir
que su probabilidad de que funcione ms de 10000 horas ser el producto de las probabilidades
de que los tres componentes duren ms de 10000 horas:
)
$
% 10000 &' 0.90
% 10000 0.90 0.96549
Luego:
10000

Por tanto:
10000
10000
0.03451
600
600
1.818276
10000 " 600 # 1.818276 11090.96

P2 Se est haciendo un estudio del trfico en el puente de Rande (Vigo). Se quiere contrastar si el
nmero de vehculos que circulan por el puente de Rande se ajusta a una distribucin de Poisson.
Para ello, se ha medido el trfico en 100 das, obtenindose la siguiente tabla de frecuencias:
Nmero de vehculos
48100
48100 * 48300
48300 * 48500
48500 * 48700
48700 * 48900
+ 48900
Frecuencia observada
14
24
32
24
5
1
Para esta tabla se ha obtenido , 48400.

a) Formule un test (hiptesis nula y alternativa) para contrastar si el nmero de vehculos que
circulan por el puente de Rande se ajusta a una distribucin de Poisson.
b) Calcular el valor observado del estadstico del test.
d) Cul sera la decisin tomada en funcin de los datos obtenidos en la encuesta?
e) Formule una ecuacin en trminos de probabilidad para calcular el valor
del test. Cmo
Nota: Una distribucin de Poisson de parmetro . + 5 se puede aproximar por una distribucin
normal /., .0
Solucin:
Nmero de vehculos
48100
48100 * 48300
48300 * 48500
48500 * 48700
48700 * 48900
+ 48700
Totales
Frecuencia
observada
14
24
32
24
5
1
100
Probabilidad
0,0866
0,2392
0,3506
0,2376
0,0745
0,0115
1
Frecuencia
esperada
8,6597
23,9156
35,0561
23,7599
7,4539
1,1548
100,0000
Para que la frecuencia de un intervalo no sea inferior a 5, juntamos los dos ltimos intervalos en
uno solo:
Nmero de vehculos
48100
48100 * 48300
48300 * 48500
48500 * 48700
+ 48700
Totales
Frecuencia
observada
14
24
32
24
6
100
Probabilidad
0.0866
0.2392
0.3506
0.2376
0.0860
1
Frecuencia
esperada
8.6597
23.9156
35.0561
23.7599
8.6086
100.0000
a) Hiptesis nula: 12 : El nmero de vehculos sigue una distribucin de Poison con . 48400.
Hiptesis alternativa: 14 : El nmero de vehculos no sigue una distribucin de Poisson.
526
7
9<4
89 :9 6
:9
14 8.6597 6 24 23.9156 6 32 35.0561 6

"
"
8.6597
23.9156
35.0561
24 23.7599 6 6 8.6086 6
"
"
4.3529
23.7599
8.6086

c) Para calcular el valor crtico del test, utilizaremos una distribucin chi cuadrado con 4 grados de
libertad (5 del nmero de intervalos menos 1, por estimacin del parmetro . 48400):
6
>?. @1>@ABC. @C001; 4 132767
52.24,=
6
d) Conclusin: puesto que 526 4.3529 * 52.24,'
1134487, aceptamos la hiptesis nula y hay
una evidencia fuerte de que el nmero de vehculos sigue una distribucin de Poisson.
e) El valor
del test se puede calcular de forma exacta con Excel mediante la frmula:
FG
C>HIJ. @1>@ABC. @C132767; 4 0.3621
Como FG
+ 001 la conclusin es la misma que la hecha anteriormente con el valor crtico.
Distribucin (0,1)
() = ( ) =
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
3,10
3,20
3,30
3,40
0
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
()
[ ()]
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
2 /2
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
1,2816 1,6449 1,9600 2,3263 2,5758 3,0902 3,2905 3,89059

0,9000 0,9500 0,9750 0,9900 0,9950 0,9990 0,9995 0,99995
0,2000 0,1000 0,0500 0,0200 0,0100 0,0020 0,0010 0,00010
4,41717
1,00000
0,00001
Distribucin 2
() = (2 )
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0,005
0,000
0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
13,787
0,01
0,000
0,020
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,879
13,565
14,256
14,953
0,025
0,001
0,051
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,689
12,401
13,120
13,844
14,573
15,308
16,047
16,791
0,05
0,004
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493
0,1
0,016
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,042
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,041
14,848
15,659
16,473
17,292
18,114
18,939
19,768
20,599
Valores ()
0,25
0,102
0,575
1,213
1,923
2,675
3,455
4,255
5,071
5,899
6,737
7,584
8,438
9,299
10,165
11,037
11,912
12,792
13,675
14,562
15,452
16,344
17,240
18,137
19,037
19,939
20,843
21,749
22,657
23,567
24,478
0,5
0,455
1,386
2,366
3,357
4,351
5,348
6,346
7,344
8,343
9,342
10,341
11,340
12,340
13,339
14,339
15,338
16,338
17,338
18,338
19,337
20,337
21,337
22,337
23,337
24,337
25,336
26,336
27,336
28,336
29,336
0,75
1,323
2,773
4,108
5,385
6,626
7,841
9,037
10,219
11,389
12,549
13,701
14,845
15,984
17,117
18,245
19,369
20,489
21,605
22,718
23,828
24,935
26,039
27,141
28,241
29,339
30,435
31,528
32,620
33,711
34,800
0,9
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
39,087
40,256
0,95
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773
0,975
5,024
7,378
9,348
11,143
12,833
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,195
44,461
45,722
46,979
0,99
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892
0,995
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,559
46,928
48,290
49,645
50,993
52,336
53,672

Apellidos:
ESTADSTICA
Nombre:

puntuaciones se multiplica por 0.3 para obtener la puntuacin final. Si el resultado es negativo la puntuacin final ser cero.
1
b
2
c
3
c
1. Se tienen dos sucesos

a) ( )
b) ( )
c) ( )
4
b
5
a
6
b
con probabilidades ( )
7
c
y (
8
a
9
c
10
b
entonces:
2. Se tienen dos y que son disjuntos. Entonces:

a) No se puede decir nada a priori de si los sucesos son o no independientes
b) Los sucesos son independientes
c) Los sucesos no pueden ser independientes
3. Qu condiciones se deben cumplir para aproximar una distribucin binomial (
a)
b)
y
c)
y (
)
) por una normal?
-2
0.1
0
0.2
2
0.4
4
0.3
La varianza de es:
a) 1.8
b) 3.56
c) 1.8868
5. En la zona que rodea el punto kilomtrico A375 de una autova hay una poblacin de erizos. Se ha realizado un estudio por el que se ha deducido que los erizos cruzan la autova a razn de 1 cada 20 minutos. La
probabilidad de que 4 erizos crucen la autova en una hora es:
a) 0.1680
b) 0.2500
c) 0.8153
6. Se echan en una bolsa 12 bolas numeradas correlativamente del 1 al 12. La probabilidad de obtener un
nmero menor que 5 o mltiplo de 5 al sacar una de ellas es:
a) 4/9
b) 1/2
c) 1/18
7. Un fabricante de motores compra las piezas a dos proveedores: el 40% al proveedor y el resto al . El
porcentaje de piezas defectuosas de es del 2% y el de es el 5%. Si un motor consta de 2 piezas a ensamblar, la probabilidad de que ninguna sea defectuosa es:
a) 0.9620
b) 0.9310
c) 0.9254
8. Para una variable aleatoria
Entonces:
a)
b)
c)
con distribucin (
) se sabe que la media es 2 y la desviacin tpica 1.
9. Con cul distribucin de Poisson se aproxima mejor una distribucin binomial con
a) Poisson con
b) Poisson con
c) Poisson con
10. La vida de un dispositivo electrnico sigue una distribucin exponencial con media 1000 horas. La probabilidad de que el dispositivo falle antes de 800 horas es:
a) 0.8000
b) 0.5507
c) 0.6400

Apellidos:
ESTADSTICA
Nombre:
P1 (3.5 puntos). La distancia entre baches en una autopista sigue una distribucin exponencial de
media 10 Kilmetros entre baches.

a)
b)
c)
d)
Cul es la probabilidad de que no haya baches en un tramo de 10 kilmetros?

Cul es la probabilidad de tener dos baches en un tramo de 10 kilmetros?
Cul es la desviacin estandar de la distancia entre baches?
Cul es la probabilidad de que el primer bache ocurra entre los kilmetros 12 y 15 del
comienzo de la inspeccin?
e) Cul es la probabilidad de que no haya baches en dos tramos separados de 5 kilmetros?
f) Suponiendo que no hay baches en los primeros 5 kilmetros inspeccionados, cul es la
probabilidad de que no haya baches en los siguientes 20 kilmetros inspeccionados?
Solucin:
Sea
el nmero de baches en un tramo de la autopista.
tendr una distribucin de Poisson:
( )
a)
y se pide:
( )
b)
y se pide:
( )
c) La distancia
entre baches seguir una distribucin exponencial con parmetro

( )
Sabemos que la desviacin tpica de una exponencial es:

( )
d) La probabilidad buscada ser la probabilidad de que en los 12 primeros kilmetros no aparezcan baches
y en los 3 kilmetros siguientes aparezca un bache:
e) La probabilidad de que no haya baches en un tramo de 5 kilmetros es:
La probabilidad de que no haya baches en dos tramos separados de 5 kilmetros ser:

(
f) Debido a la propiedad de prdida de memoria de la distribucin exponencial, esta probabilidad ser la

probabilidad de que no haya baches en un tramo de 20 kilmetros, luego:
P2 (3.5 puntos) La estancia de las visitas en el servicio de urgencias de un hospital tiene una distribucin
normal con media de 6.5 horas y una desviacin tpica de 2 horas.
a) Calcular la probabilidad de que la estancia de una visita sea mayor de 10 horas.
b) Calcular el tiempo de estancia tal que el 5% de las visitas tiene una estancia superior.
c) Se ha visto que las visitas con estancia inferior 3 horas tienen un coste para el hospital de 100 euros
por visita, el coste de las que tienen una estancia superior a 10 horas es de 400 euros por visita y el
resto, con estancia entre 3 y 10 horas, tiene un coste de 40 euros por visita. Cul es el coste medio
por visita?
Solucin:
a) Si

(
b) Ahora es: (
), se tendr:
)
(
De las tablas de la distribucin normal, resulta:
c) Calculamos las siguientes probabilidades:

(
Del apartado a) sabemos que (

Y se tendr: (
)
(
Si es la variable que representa el coste por paciente, se tendr que tendr la siguiente distribucin de
probabilidad:
(
Luego:
( )
100
0.0401
40
0.9198
400
0.0401
Distribucin N(0,1)
( )
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
000
05000
05398
05793
06179
06554
06915
07257
07580
07881
08159
08413
08643
08849
09032
09192
09332
09452
09554
09641
09713
09772
09821
09861
09893
09918
09938
09953
09965
09974
09981
09987
09990
09993
09995
09997
( )
( )]
001
05040
05438
05832
06217
06591
06950
07291
07611
07910
08186
08438
08665
08869
09049
09207
09345
09463
09564
09649
09719
09778
09826
09864
09896
09920
09940
09955
09966
09975
09982
09987
09991
09993
09995
09997
002
05080
05478
05871
06255
06628
06985
07324
07642
07939
08212
08461
08686
08888
09066
09222
09357
09474
09573
09656
09726
09783
09830
09868
09898
09922
09941
09956
09967
09976
09982
09987
09991
09994
09995
09997
003
05120
05517
05910
06293
06664
07019
07357
07673
07967
08238
08485
08708
08907
09082
09236
09370
09484
09582
09664
09732
09788
09834
09871
09901
09925
09943
09957
09968
09977
09983
09988
09991
09994
09996
09997
004
05160
05557
05948
06331
06700
07054
07389
07704
07995
08264
08508
08729
08925
09099
09251
09382
09495
09591
09671
09738
09793
09838
09875
09904
09927
09945
09959
09969
09977
09984
09988
09992
09994
09996
09997
005
05199
05596
05987
06368
06736
07088
07422
07734
08023
08289
08531
08749
08944
09115
09265
09394
09505
09599
09678
09744
09798
09842
09878
09906
09929
09946
09960
09970
09978
09984
09989
09992
09994
09996
09997
006
05239
05636
06026
06406
06772
07123
07454
07764
08051
08315
08554
08770
08962
09131
09279
09406
09515
09608
09686
09750
09803
09846
09881
09909
09931
09948
09961
09971
09979
09985
09989
09992
09994
09996
09997
007
05279
05675
06064
06443
06808
07157
07486
07794
08078
08340
08577
08790
08980
09147
09292
09418
09525
09616
09693
09756
09808
09850
09884
09911
09932
09949
09962
09972
09979
09985
09989
09992
09995
09996
09997
008
05319
05714
06103
06480
06844
07190
07517
07823
08106
08365
08599
08810
08997
09162
09306
09429
09535
09625
09699
09761
09812
09854
09887
09913
09934
09951
09963
09973
09980
09986
09990
09993
09995
09996
09997
009
05359
05753
06141
06517
06879
07224
07549
07852
08133
08389
08621
08830
09015
09177
09319
09441
09545
09633
09706
09767
09817
09857
09890
09916
09936
09952
09964
09974
09981
09986
09990
09993
09995
09997
09998
12816 16449 19600 23263 25758 30902 32905 389060 4414469

09000 09500 09750 09900 09950 09990 09995 099995 0999995
02000 01000 00500 00200 00100 00020 00010 000010 0000010

Apellidos:
ESTADSTICA
Nombre:

puntuaciones se multiplica por 0.3 para obtener la puntuacin final. Si el resultado es negativo la puntuacin
final ser cero.
AVISO: Los mviles deben estar APAGADOS y guardados. Si el mvil est a la vista y dentro del alcance, se
considerar causa de expulsin y la calificacin ser suspenso.
1
b
2
c
3
b
4
a
5
a
6
c
7
c
8
b
9
c
10
a
11
a
12
c
13
c
14
a
15
b
16
c
17
b
18
c
19
a
20
a
21
c
22
c
23
b
24
b
25
b
26
c
27
b
28
c
29
c
30
c
1. De una caja que contiene tres bolas negras y dos bolas verdes se extraen tres bolas con reemplazamiento.
Cul es la probabilidad de que las tres bolas sean del mismo color?
a) 27/125
b) 7/25
c) (27/125)(8/125)
2. Si y son sucesos independientes con probabilidades de 1/3 y 1/2 respectivamente, la probabilidad de
que ocurra o es:
a) 1/6
b) 5/6
c) 2/3
3. Se sabe que el 82% de los profesores universitarios preparan las clases. De los que las preparan, el 18%
son muy buenos docentes. Cul es la probabilidad de que un profesor prepare las clases y sea buen docente?
a) 0.2195
b) 0.1476.
( = )
-10
0.32
0
0.36
10
0.32
La varianza es:
a) 64
b) 8
c) 0
5. Una compaa hace unas ofertas de trabajo a tres estudiantes que acaban de terminar la carrera. La experiencia previa indica que el 40% de las ofertas son rechazadas por el aspirante. Cul es la probabilidad de
que exactamente dos de estos estudiantes acepten una oferta?
a) 0.432
b) 0.288
c) 0.360
6. El nmero de llamadas a la centralita de una empresa sigue una distribucin de Poisson con media 10
llamadas por hora. La probabilidad de que ocurran dos llamadas en un cuarto de hora es:
a) 0.0023
b) 0.5438
c) 0.2565
7. La distribucin binomial:
a) Se refiere al nmero de xitos en n pruebas de un experimento aleatorio
b) Adems de a) debe ser que las pruebas son independientes
c) Aparte de verificarse a) y b) la probabilidad de xito en cada prueba ha de ser constante.
8. Si se desea calcular para una variable aleatoria binomial la probabilidad de obtener 30 o menos artculos
defectuosos en una muestra de 100 cuando la razn de defectuosos en la poblacin de donde se extrae la
muestra es = 0.20. Cul es la aproximacin normal a esta probabilidad binomial? Utilcese la correccin
por continuidad.
a) ( 2.5)
b) ( 2.625)
c) ( 2.375)
9. Un rea a la derecha de 0.10 en una distribucin normal con media 80 y desviacin estndar 15 corresponden a un valor de:
a) 114.89
b) 60.7767
c) 99.22
10. La vida de un determinado tipo de tubos fluorescentes tiene una distribucin exponencial de media 2500
horas. La probabilidad de que un tubo dure ms de 2400 horas es:
a) 0.6171
b) 0.3829
c) 0.9600
11. De las variables aleatorias 1 , 2 y 3 se conocen los siguientes valores:
(1 ) = 3, (2 ) = 2, (3 ) = 1, (1 , 2 ) = 3, (1 , 3 ) = 1, (2 , 3 ) = 1/6.
Entonces la varianza de la variable aleatoria = 21 + 2 33 es:
a) 26
b) 72
c) 74
12. El Teorema Central del Lmite establece esencialmente que la distribucin de es aproximadamente una
distribucin (, /)
a) slo si la poblacin base tiene tambin una distribucin normal
b) para cualquier poblacin base con varianza finita
c) ninguna de los anteriores
13. Sean e dos variables aleatorias que no son independientes. Entonces:
a) La varianza de la suma es menor que la suma de las varianzas
b) La varianza de la suma es mayor que la suma de las varianzas
c) La varianza de la suma unas veces es mayor y otras veces es menor
14. Sea (, ) una variable aleatoria bidimensional con funcin de distribucin (, ). La funcin de distribucin marginal de X se puede calcular mediante:
a) () = (, +)
b) () = (, )
15. Si e son variables aleatorias independientes con distribucin (1, 1), la distribucin de la diferencia
es:
a) (0,1)
b) (0, 2)
c) (0,0)
16. Cul es el coeficiente de correlacin entre X e Y para el siguiente conjunto de datos?
1
7
2
6
3
5
4
4
a) 0
b) 1
c) 1
17. Si el coeficiente de correlacin dos variables aleatorias e es cero:
a) e son independientes
b) e no son necesariamente independientes
c) e pueden ser independientes o independientes, dependiendo de otros factores
18. Se dispone de una muestra de datos para observaciones conjuntas de las variables {(1 , 2 , )}. Se
desea ajustar un modelo de regresin de la forma = 0 1 1 2 2 (1 + 2 )3 Qu transformacin

de la muestra de datos se deber realizar para poder ajustar el modelo mediante mnimos cuadrados?
a) {((1 ) , (2 ) , (1 + 2 ) , ( ))}
b) {((1 ) , (2 ) , (1 + 2 ) , )}
c) {(11 , 22 , (1 + 2 )3 , )}
19. Un estimador consistente es aquel:
a) que es centrado y su varianza tiende a cero cuando el tamao de muestra tiende a infinito
b) que da mejores estimaciones del parmetro
c) que converge en probabilidad al parmetro
20. Sea una poblacin con valor medio y desviacin tpica . Se extrae una muestra de tamao 2. Se
consideran los siguientes dos estimadores de :
1 =
2
1

2
=1
2 =
=1
Entonces:
a) 1 es mejor estimador que 2
b) 2 es mejor estimador que 1
c) ninguna de las anteriores
21. El intervalo de confianza al 95% estimado para el valor medio del tiempo necesario para construir una
mquina es 11 12. Esto significa:
a) solamente el 5% de todas las mquinas necesitan entre 11 y 12 das para su construccin
b) la probabilidad de que caiga entre 11 y 12 das es 0.95

c) aproximadamente 95 de cada 100 intervalos construidos de forma similar a partir de muestras de igual
tamao contendrn el verdadero valor de construccin de una mquina
22. La longitud de las piezas producidas por una mquina automtica es una variable aleatoria con distribucin (, ). Se conoce que = 1.5 mm. Las medidas efectuadas sobre una muestra de nueve piezas han
dado los siguientes valores:
60.4
60.8
59.0
61.6
62.6
58.3
59.2
60.2
60.5
Un intervalo para con un nivel de confianza del 95% es:

a) (59.4665, 61.1115)
b) (59.4188, 61.1590)
c) (59.3089, 61.2689)
23. En la cuestin anterior, suponiendo que no se conoce , el intervalo de confianza para el valor medio
poblacional con un nivel de confianza del 95% es:
a) (59.2847, 61.2931)
b) (59.2652, 61.3126)
c) (59.9998, 60.2780)
24. En un contraste de hiptesis la probabilidad de cometer un error de tipo II es:
a) Uno menos la probabilidad de aceptar la hiptesis nula cuando sta es falsa.
b) La probabilidad de aceptar la hiptesis nula cuando sta es falsa.
c) La probabilidad de rechazar la hiptesis nula cuando sta es verdadera
caras. Entonces el nivel de significacin del test es:
a) 0.1094
b) 0.0630
c) 0.0500
26. El riesgo de tipo I es:
a) La probabilidad de rechazar correctamente la hiptesis nula
b) La probabilidad de aceptar correctamente la hiptesis nula
c) La probabilidad de rechazar incorrectamente la hiptesis nula
27. Un pequeo comerciante ha ido a una inmobiliaria para alquilar un local. En la inmobiliaria le han dicho
que la renta mensual media de un local en la zona es de 500 euros. El comerciante quiere comprobar por su
cuenta que esta afirmacin es cierta. Para ello ha obtenido las rentas mensuales de 9 locales en la zona para
contrastar la hiptesis 0 : = 500 contra 1 : 500 con un riesgo de tipo I = 10%. La renta mensual
media de la muestra ha sido 520 euros y la desviacin tpica muestral de 48 euros. La regin de rechazo de
este test es:
a) 1 = {1.8595 1.8595}
b) 1 = { 1.8595 1.8595}
c) 1 = { 2.3061}
28. En la pregunta anterior, el valor del estadstico del test es:
a) 1.25
b) 1.25
c) 8.6603
29. En la pregunta 27, la conclusin del test es:
a) La renta mensual media difiere de 500 euros
b) La renta mensual media es mayor de 500 euros

30. Un director de calidad sostiene que ms del 1% de las cerraduras de un proveedor A son defectuosas.
Para contratar este supuesto, la hiptesis alternativa correcta es:
a) 1 : < 0.01
b) 1 : 0.01
c) 1 : > 0.01
Ferrol, Mayo de 2013

Apellidos:
ESTADSTICA
Nombre:
considerar causa de expulsin y la calificacin ser suspenso.
P1. Una red de comunicaciones muy congestionada tiene una probabilidad del 1% de perder un paquete de
datos en la transmisin y las prdidas de paquetes transmitidos son sucesos independientes. Un email estndar consta de 100 paquetes. Para un email estndar:
a)
b)
c)
d)
Cul es la distribucin de la variable aleatoria que representa el nmero de paquetes no enviados?

Calcular la probabilidad de reenviar al menos un paquete.
Cul es la probabilidad de que dos o ms paquetes hayan de ser reenviados?
Si hay 10 emails cada uno de 100 paquetes, cul es la probabilidad de reenviar uno o ms emails con
dos o ms paquetes sin mandar?
Un usuario de la red ha de enviar un email muy voluminoso que consta de varios archivos y documentos
adjuntos. El tamao del email es de 3000 paquetes.
e) Cul es la probabilidad de que el este email contenga 30 o ms paquetes que deban reenviarse?
Solucin:
100
a) tendr una distribucin (100, 0.01). Por tanto, ( = ) = (
) 0.01 0.99100
b) ( 1) = 1 ( = 0) = 1 0.99100 = 0.6340
c) ( 2) = 1 ( 1) = 1 0.99100 100 0.01 0.9999 = 0.2642
d) Sea el nmero de emails de un total de 10 con dos o ms paquetes que han de ser reenviados. Tendr
una distribucin (10, 0.2642). Se pide:
( 1) = 1 ( = 0) = 1 0.735810 = 0.9535
e) Sea el nmero de paquetes no enviados de un email con 3000 paquetes. tendr una distribucin
(3000, 0.01) (30, 5.4498). Se pide:
1
( 30) =
29
3000
(
) 0.01 0.993000 = 0.5246
=0
= 1 (
{
29 + 0.5 30
) = 1 (0.0917) = 0.5366 .
5.4498
P2. Se sabe que el contenido de zumo de las botellas de un litro que salen de una mquina embote-
lladora tiene una distribucin normal. Se ha obtenido una muestra de 12 botellas para las que se ha
medido el contenido de zumo en mililitros, resultando los siguientes valores:
1000,80
1000,07
1000,52
999,46
1000,77
999,78
1000,94
997,90
998,49
999,77
999,47
998,71
a) Calcular el valor medio y la varianza muestral de los valores de la tabla.

b) Si se conoce que la desviacin tpica del contenido de zumo en mililitros es 1.1, obtener un
intervalo de confianza para el valor medio de la caracterstica de calidad con un nivel de confianza del 95%.
c) Si no se conoce el la desviacin tpica del contenido de zumo en mililitros, obtener un intervalo
de confianza para el valor medio con un nivel de confianza del 95%.
Solucin:
a) Aplicando las frmulas de la media y la desviacin tpica poblacional, se obtiene:
1
= = 998.71
=1
1
=
( )2 = 0.977
1 =1
b) Para un nivel de confianza del 1 = 95% el intervalo de confianza buscado es:

/2
= 998.71 1.96
1.1
12
= (992.076,1005.344 )
c) Ahora el intervalo buscado es:

/2
= 998.71 2.201
0.977
12
= (992.260,1006.160 )
P3. El director de produccin de una empresa que fabrica neumticos desea saber si hay diferencias
en calidad de mano de obra entre los tres turnos de trabajo. Para ello selecciona al azar 496 neumticos que son inspeccionados detalladamente por los responsables de control de calidad. Cada
neumtico se clasifica como perfecto, satisfactorio o defectuoso y se registra tambin el turno de
trabajo donde se ha fabricado. Las dos variables de inters son: turno y calidad del neumtico fabricado. Los datos obtenidos se muestran en la siguiente tabla:
Calidad
Turno
Totales
Perfecto
Satisfactorio
Defectuoso
106
124
231
Tarde
67
85
153
Noche
37
72
112
210
281
496
Da
Totales
a) Formule un test (hiptesis nula y alternativa) para contrastar si la calidad de los neumticos
es independiente del turno en que se fabrican.
b) Calcular el valor observado del estadstico del test
d) Cul sera la decisin tomada en funcin de los datos obtenidos en el control de calidad?
e) Formule una ecuacin en trminos de probabilidad para calcular el valor P del test. Cmo
Solucin:
Calculamos las medias de filas y columnas:
Calidad
Turno
Totales
Perfecto
Satisfactorio
Defectuoso
106
124
231
0.466
Tarde
67
85
153
0.308
Noche
37
72
112
0.226
210
281
496
0.423
0.567
0.010
Da
Totales
La tabla de valores esperados es:

Calidad
Turno
Totales
Perfecto
Satisfactorio
Defectuoso
Da
97.802
130.869
2.329
231
Tarde
64.778
86.679
1.542
153
Noche
47.419
63.452
1.129
112
Totales
210
281
496
a) El contraste de hiptesis ser:

0 : La calidad de los neumticos es independiente del turno de fabricacin.
1 : La calidad de los neumticos no es independiente del turno de fabricacin
02
(106 97.802)2 (124 130.869)2

(2 1.129)2
( )
=
=
+
+ +
97.802
130.869
1.129
=1
=1
= 8.647
c) El valor crtico ser:

2
0.05,4
= . . (0.05; 4) = 9.488
2
d) Como 02 < 0.05,4
no rechazamos la hiptesis nula de independencia. Por tanto no rechazamos
que la calidad de los neumticos es independiente del turno de fabricacin.
e) El puede calcularse mediante:

= (42 > 8.647)
Es decir, es la probabilidad de que una variable chi cuadrado con 4 grados de libertad sea mayor que
el valor obtenido: 8.647. Mediante Excel se puede calcular as:
= . . (8.647; 4) = 0.071
Evidentemente, el obtenido deber ser mayor del 5% para que la conclusin sea la misma
que en el apartado d).
Ferrol, Mayo de 2013
Distribucin (, )
() = ( ) =
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
000
05000
05398
05793
06179
06554
06915
07257
07580
07881
08159
08413
08643
08849
09032
09192
09332
09452
09554
09641
09713
09772
09821
09861
09893
09918
09938
09953
09965
09974
09981
09987
09990
09993
09995
09997
()
[ ()]
001
05040
05438
05832
06217
06591
06950
07291
07611
07910
08186
08438
08665
08869
09049
09207
09345
09463
09564
09649
09719
09778
09826
09864
09896
09920
09940
09955
09966
09975
09982
09987
09991
09993
09995
09997
002
05080
05478
05871
06255
06628
06985
07324
07642
07939
08212
08461
08686
08888
09066
09222
09357
09474
09573
09656
09726
09783
09830
09868
09898
09922
09941
09956
09967
09976
09982
09987
09991
09994
09995
09997
003
05120
05517
05910
06293
06664
07019
07357
07673
07967
08238
08485
08708
08907
09082
09236
09370
09484
09582
09664
09732
09788
09834
09871
09901
09925
09943
09957
09968
09977
09983
09988
09991
09994
09996
09997
1 2/2

004
05160
05557
05948
06331
06700
07054
07389
07704
07995
08264
08508
08729
08925
09099
09251
09382
09495
09591
09671
09738
09793
09838
09875
09904
09927
09945
09959
09969
09977
09984
09988
09992
09994
09996
09997
005
05199
05596
05987
06368
06736
07088
07422
07734
08023
08289
08531
08749
08944
09115
09265
09394
09505
09599
09678
09744
09798
09842
09878
09906
09929
09946
09960
09970
09978
09984
09989
09992
09994
09996
09997
006
05239
05636
06026
06406
06772
07123
07454
07764
08051
08315
08554
08770
08962
09131
09279
09406
09515
09608
09686
09750
09803
09846
09881
09909
09931
09948
09961
09971
09979
09985
09989
09992
09994
09996
09997
007
05279
05675
06064
06443
06808
07157
07486
07794
08078
08340
08577
08790
08980
09147
09292
09418
09525
09616
09693
09756
09808
09850
09884
09911
09932
09949
09962
09972
09979
09985
09989
09992
09995
09996
09997
008
05319
05714
06103
06480
06844
07190
07517
07823
08106
08365
08599
08810
08997
09162
09306
09429
09535
09625
09699
09761
09812
09854
09887
09913
09934
09951
09963
09973
09980
09986
09990
09993
09995
09996
09997
009
05359
05753
06141
06517
06879
07224
07549
07852
08133
08389
08621
08830
09015
09177
09319
09441
09545
09633
09706
09767
09817
09857
09890
09916
09936
09952
09964
09974
09981
09986
09990
09993
09995
09997
09998
12816 16449 19600 23263 25758 30902 32905 389060 4414469

09000 09500 09750 09900 09950 09990 09995 099995 0999995
02000 01000 00500 00200 00100 00020 00010 000010 0000010
Distribucin con grados de libertad

() = (2 )
n
1
2
3
4
5
6
7
8
9
10
0,005
0,010
0,025
0,0000 0,0002 0,0010
0,0100 0,0201 0,0506
0,0717 0,1148 0,2158
0,2070 0,2971 0,4844
0,4118 0,5543 0,8312
0,6757 0,8721 1,2373
0,9893 1,2390 1,6899
1,3444 1,6465 2,1797
1,7349 2,0879 2,7004
2,1558 2,5582 3,2470
0,050
0,100
0,0039 0,0158
0,1026 0,2107
0,3518 0,5844
0,7107 1,0636
1,1455 1,6103
1,6354 2,2041
2,1673 2,8331
2,7326 3,4895
3,3251 4,1682
3,9403 4,8652
Valores F(x)
0,250 0,500
0,102 0,455
0,575 1,386
1,213 2,366
1,923 3,357
2,675 4,351
3,455 5,348
4,255 6,346
5,071 7,344
5,899 8,343
6,737 9,342
0,750
1,323
2,773
4,108
5,385
6,626
7,841
9,037
10,219
11,389
12,549
0,900
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
0,950
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
0,975
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
Distribucin de Student con grados de libertad

() = ( )
Valores Sn(x)
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,75
1,0000
0,8165
0,7649
0,7407
0,7267
0,7176
0,7111
0,7064
0,7027
0,6998
0,6974
0,6955
0,6938
0,6924
0,6912
0,90
3,0777
1,8856
1,6377
1,5332
1,4759
1,4398
1,4149
1,3968
1,3830
1,3722
1,3634
1,3562
1,3502
1,3450
1,3406
0,95
6,3137
2,9200
2,3534
2,1318
2,0150
1,9432
1,8946
1,8595
1,8331
1,8125
1,7959
1,7823
1,7709
1,7613
1,7531
0,975
12,7062
4,3027
3,1824
2,7765
2,5706
2,4469
2,3646
2,3060
2,2622
2,2281
2,2010
2,1788
2,1604
2,1448
2,1315
0,99
31,8210
6,9645
4,5407
3,7469
3,3649
3,1427
2,9979
2,8965
2,8214
2,7638
2,7181
2,6810
2,6503
2,6245
2,6025
0,995
0,9995
63,6559 636,5776
9,9250
31,5998
5,8408
12,9244
4,6041
8,6101
4,0321
6,8685
3,7074
5,9587
3,4995
5,4081
3,3554
5,0414
3,2498
4,7809
3,1693
4,5868
3,1058
4,4369
3,0545
4,3178
3,0123
4,2209
2,9768
4,1403
2,9467
4,0728
0,990
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
0,995
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188

Apellidos:
ESTADSTICA
Nombre:
Calificacin: Pregunta bien contestada +1, si no se contesta 0 y si se contesta errneamente . Si el resultado es negativo la puntuacin final ser cero. Esta parte punta un 30%.
considerar causa de expulsin y la calificacin ser de suspenso.
1
c
2
c
3
c
4
a
5
b
6
c
7
c
8
a
9
d
10
a
11
c
12
c
13
a
14
b
15
b
16
a
17
b
18
b
19
b
20
c
21
b
22
c
23
c
24
b
25
c
26
b
27
a
28
c
29
a
30
c
1. Dados los sucesos y con probabilidades () = 0.40 y () = 0.25 entonces:

a) () = 0.10
b) () = 0.65
c) () = 0.15
2. Al lanzar dos dados, cul es la probabilidad de que la suma de puntuaciones sea menor que 5 mayor
que 10?
a) 1/72
b) 1/12
c) 1/4
3. Se sabe que una caja de 12 huevos contiene 3 en malas condiciones. Si se quiere hacer una tortilla de 2
huevos para desayunar y se escogen al azar, la probabilidad de conseguir uno bueno y uno malo es:
a) 0.1875
b) 0.2045
c) 0.4091
4. En Vigo, el 70% de los das son soleados y el 30% llueve. La probabilidad de tener un accidente de trfico
en un da soleado es 0.0001, en un da lluvioso un 0.01 y en un da ni lluvioso ni soleado de un 0.001. Si una
persona ha tenido un accidente de trfico, la probabilidad de que haya sido en un da soleado es:
a) 0.0228
b) 0.00007
c) 0.9772
5. Dos sucesos son independientes si:
a) ( ) = 0
b) ( ) = () ()
c) () = 1 ()
6. Si la varianza de es 25, la varianza de = 3 + 5 es:
a) 70
b) 75
c) 225
7. En la hora punta de la maana en el semforo de Fene pasan una media de 8 coches por minuto. Cul es
la probabilidad de que pasen 16 coches en un intervalo de 2 minutos?
a) 0.0234
b) 0.2792
c) 0.0992
8. Sea una variable aleatoria (, ). La probabilidad ( + ) es:
a) 0.6826
b) 0.5000
c) No se puede calcular
9. Un rea a la derecha de 0.10 en una distribucin normal con media 80 y desviacin estndar 15 corresponden a un valor de:
a) 103.5775
b) 67.7615
c) 92.2385
10. Si una moneda legal se lanza 100 veces, la probabilidad de obtener 55 o ms caras est dada por (usar la
aproximacin normal a la distribucin binomial y la correccin por continuidad):
a) 0.1841
b) 0.2119
c) 0.2420
11. Los ingresos anuales de los habitantes de una pequea ciudad pueden considerarse que estn normalmente distribuidos con media de 10000 y desviacin tpica 2000 . Se eligen al azar 16 habitantes. Cul es
la probabilidad de que la suma de sus ingresos sea superior a 176000 ?
a) 0.3085
b) 0.0668
c) 0.0228
12. Sea = 1 + 2 + + una suma de variables aleatorias independientes siendo cada una variable
aleatoria ( , ), entonces:
a) es una variable aleatoria binomial ( , ),
b) es ( , )
c) es ( , ) si todos los valores son iguales a .
13. Una distribucin Chi cuadrado con grados de libertad:
a) Es la suma de variables aleatorias independientes todas ellas (0,1)
b) Es la suma de variables aleatorias todas ellas (, )
c) Es la suma de variables aleatorias todas ellas (0,1)
14. En una poblacin normal con varianza desconocida, la distribucin de la media muestral es:
a) Normal
b) Student
c) Chi cuadrado
15. Sea la media de 16 variables aleatorias independientes, cada una de ellas con distribucin normal de
media 2 y desviacin tpica 10. Entonces
a) tiene una distribucin aproximadamente normal (2,2.5)
b) tiene una distribucin normal (2,2.5)
c) El Teorema Central del Lmite no garantiza que tiene una distribucin aproximadamente normal
(2,2.5) porque 16 no es un tamao suficientemente grande.
16. Una poblacin est representada por una variable aleatoria con la siguiente funcin de probabilidad:
( = ) = (1 )1
= 1,2,3,
En un proceso de muestreo aleatorio simple se obtiene la muestra de ocho valores:

1
10

a) 0.2162
b) 4.6250
c) 3.2043
17. Si es un estimador relativamente ms eficiente que el estimador , qu es, entonces, lo ms correcto?
a) El estimador tiene un menor sesgo que el estimador .
b) El estimador tiene una varianza menor que el estimador .
c) El estimador se basa en una muestra menor que el estimador .
18. La principal distincin entre una estimacin por puntos y una estimacin por intervalos es que:
a) Una estimacin por puntos es siempre ms til que una estimacin por intervalos.
b) Una estimacin por intervalos indica la precisin de la estimacin mientras que una estimacin por
puntos no indica tal precisin.
c) Una estimacin por puntos no difiere de una estimacin por intervalos salvo en aspectos menores.
19. De las siguientes afirmaciones, cul es la errnea?:
A. Si queremos encontrar intervalos de confianza de la forma
estos intervalos tendrn diferentes
puntos medios y diferentes longitudes

B. Si a nivel 95% un intervalo de confianza para es 15 2, esto significa que hay una probabilidad del 95%
de que est dentro de este intervalo
C. Si a nivel 95% un intervalo de confianza para es 15 2, esto significa que hay una probabilidad del 95%
de que los intervalos de confianza construidos de forma similar contendrn el verdadero valor de .
a) A
b) B
c) C
20. Un estimador centrado de la varianza de una poblacin es:
a) 1 =1( )2
b)
c)
=1( )2
1
=1( )2
1
21. Un intervalo de confianza al 95 % para la media de una poblacin con varianza conocida, construido a
partir de una muestra de tamao 200 tiene amplitud 20. Si se toma una nueva muestra de tamao 800 y se
construye un intervalo de confianza al 95 % para la media, cul sera la amplitud del nuevo intervalo?
a) 5
b) 10
c) 40
22. Se ha obtenido un intervalo de confianza al 95% para la media de una poblacin normal con = 5, resultando (2.02, 3.98). Entonces el tamao de la muestra utilizada ha sido:
a) 10
b) Se necesita conocer adems el valor de la media muestral
c) 100
23. Las rectas de regresin de sobre y de sobre :

a) son idnticas
b) son idnticas slo si 2 = 0
c) son idnticas slo si 2 = 1
24. Si conocemos que el modelo de regresin es del tipo = 0 1 1 2 2 siendo el valor estimado
de la variable dependiente, 1 y 2 los valores de las variables independientes y 0, 1 y 2 los

parmetros del modelo, entonces:
a)
b)
c)
El modelo no es lineal
El modelo es transformable en un modelo lineal en los parmetros
El modelo es lineal
25. Sean: la suma de los cuadrados de los errores, la suma de los cuadrados de la regresin y
la suma de cuadrados total. El coeficiente de determinacin 2 es:
a) 2 =
b)
= 1
c)
Las dos expresiones anteriores son ciertas
26. La nica forma de disminuir simultneamente los riesgos de tipo I y II en un contraste de hiptesis es:
a) No es posible ya que al disminuir uno aumenta el otro
b) Aumentando el tamao de la muestra
c) Utilizando un nivel de significacin suficientemente pequeo
27. Para una muestra concreta, se ha obtenido el valor = 0.047 para el nivel crtico de un contraste de
hiptesis. Entonces:
a) Aceptamos la hiptesis alternativa con un nivel de significacin del 5%
b) Aceptamos la hiptesis nula con un nivel de significacin del 10%
c) Rechazamos la hiptesis nula con un nivel de significacin del 1%
28. En un contraste de hiptesis cul de las siguientes conclusiones puede ser correcta?
a) Aceptar la hiptesis nula y aceptar la hiptesis alternativa
b) Rechazar la hiptesis nula y tambin la alternativa
c) Falta evidencia para rechazar la hiptesis nula
29. En el caso de una poblacin normal con varianza conocida, para contrastar las hiptesis 0 : = 0 y
1 : 0 el valor es:
a) = 2[1 (|0 |)]
b) = 1 (0 )
c) = (0 )
30. En un contraste de hiptesis estadsticas se ha tomado la decisin de aceptar la hiptesis nula, entonces:
a) La decisin adoptada es correcta porque el contraste de hiptesis es un mtodo cientfico.
b) La decisin adoptada tiene dos riesgos: el riesgo de tipo I, , y el riesgo de tipo II, .
c) La decisin adoptada tiene una probabilidad de ser errnea igual al riesgo de tipo II,

Apellidos:
ESTADSTICA
Nombre:
considerar causa de expulsin y la calificacin ser de suspenso.
P1. Una empresa fabrica papel mediante un proceso productivo al final del cual se corta en rollos de 100
metros. Estos rollos se venden en lotes de 60 unidades. El control de calidad del proceso ha realizado un
experimento de donde se ha deducido que la probabilidad de que haya al menos un fallo en 10 metros de
papel es un 9%. Asimismo se sabe que los defectos aparecen de forma independiente y homognea. Un rollo
de papel se considera defectuoso si presenta por lo menos dos fallos en toda su longitud. La empresa estipula
en su garanta que pagar una indemnizacin si un lote de rollos contiene ms de 20 rollos defectuosos.
a)
b)
c)
d)
Qu distribucin tiene la variable aleatoria que representa el nmero de fallos por metro de rollo?
Cul es la funcin de probabilidad de ? Cul es su valor medio?
Calcular la probabilidad de que un rollo de papel sea defectuoso.
Cul es la probabilidad de que la empresa tenga que pagar la indemnizacin por la venta de un lote
de rollos de papel?
Solucin:
a) tendr una distribucin de Poisson. Por tanto:
( = ) =
b) No conocemos , pero sabemos que:

( 1) = 1 ( = 0) = 1 = 0.09
De aqu:
= 1 0.09 = 0.91
= ln(0.91) = 0.09431
La funcin de probabilidad de ser:

( = ) =
0.09431 0.09431
c) Sea la variable que representa el nmero de fallos en un rollo de 100 metros. tendr una distribucin
de Poisson con media 10 = 0.9431:
( = ) =
0.9431 0.9431
Se pide:
= ( 2) = 1 ( 1) = 1 (1 + 0.9431) 0.9431 = 0.24332
d) Sea el nmero de rollos defectuosos en un lote de 60. tendr una distribucin (60,0.2433). Como
60 0.24332 > 5 y 60 (1 0.2433) > 5, podemos aproximar esta distribucin binomial por una normal
(, ) con:
= 60 0.24332 (1 0.24332) = 3.32369
= 60 0.24332 = 14.5992
Por tanto:
= ( > 19) = 1 ( 19) = 1 (
19 + 0.5 14.5992
) = 1 ( 1.4745) = 0.0702
3.32369
Si se hace exacto utilizando la binomial, sale:

= ( > 19) = 1 ( 19) = 1
19
60
( ) 0.24332 0.7566860 = 0.0735
=0
P2. Un fabricante de bateras para automvil asegura que las bateras que produce duran en promedio 5.3
aos con una desviacin tpica de 0.5 aos. Se ha obtenido una muestra de 10 bateras, resultando las siguientes duraciones en aos:
4.52
a)
b)
c)
d)
5.14
4.86
4.90
5.52
5.22
5.87
6.55
5.33
5.47
Calcular el valor medio y la varianza 2 de la muestra anterior

Calcular un intervalo de confianza para la vida media de las bateras.
Determine un intervalo del 95 % para la varianza e indique si es cierta la afirmacin del fabricante
Con los resultados obtenidos indique si el fabricante dice la verdad con sus afirmaciones.
Considrese que la duracin de las bateras sigue una distribucin normal.

Solucin:
a) Se tiene:
= 5.3380
2 = 0.3272
= 0.5720
b) El intervalo de confianza para la media es:
1/2,1 / + /2,1 /
Calculamos 1/2,1 = 0.975,9 = 0.0645. Por tanto:
5.3380
0.0645 0.5720
10
5.3380 +
De aqu:
5.3263 5.3497
0.0645 0.5720
10
c) El intervalo de confianza para la varianza es:

( 1) 2
( 1) 2
2
2
2
1/2
/2,1
,1
2
2
2
2
Calculamos: 1/2
,1 = 0.975,9 = 19.0228 y /2,1 = 025,9 = 2.7004. Por tanto:
9 0.3272
9 0.3272
2
19.0228
2.7004
Resultando:
0.1548 2 1.0906
d) El fabricante sostiene que la media es 5 aos y la varianza 0.25 (pues la desviacin tpica es 0.5). Ambos
valores caen dentro de los intervalos de confianza obtenidos, por lo que se puede decir que el fabricante
afirma la verdad.
P3. Considrese la siguiente tabla de frecuencias observadas de una variable aleatoria :
Frecuencia observada
0
4
1
21
2
10
3
13
4
2
Basndose en estas 50 observaciones, se desea saber si una distribucin binomial con = 6 y = 0.25 se
ajustara adecuadamente a los resultados observados.
a) Formule un test (hiptesis nula y alternativa) para contrastar si los datos de la tabla se ajustan o no a
una distribucin (6, 0.25).
b) Calcular el valor observado del estadstico del test.
d) Cul sera la decisin tomada en funcin de los datos de la tabla?
e) Calcular el valor del test. Es coherente este resultado con el obtenido en el apartado c)?
Solucin:
0
1
2
3
4
5
6
Totales
4
21
10
13
2
0
0
50
Probabilidad
Frecuencia esperada
0.1780
0.3560
0.2966
0.1318
0.0330
0.0044
0.0002
1.0000
8.8989
17.7979
14.8315
6.5918
1.6479
0.2197
0.0122
50.0000
Para que la frecuencia esperada de un intervalo no sea inferior a 5, juntamos los cuatro ltimos
intervalos en uno solo:
0
1
2
3 o ms
Totales
Probabilidad
Frecuencia esperada
0.1780
0.3560
0.2966
0.1694
1.0000
8.8989
17.7979
14.8315
8.4717
50.0000
4
21
10
15
50
a) Hiptesis nula: 0 : La variable tiene una distribucin (6, 0.25)

Hiptesis alternativa: 1 : La variable no tiene una distribucin (6, 0.25)
02
=
=1
( )2
(4 8.8989)2
8.8989
= 9.8777
(21 17.7979)2
17.7979
(10 14.8315)2
14.8315
(15 8.4717)2
8.4717
c) Para calcular el valor crtico del test, utilizaremos una distribucin chi cuadrado con 3 grados de
libertad (4 del nmero de intervalos menos 1 y menos el nmero de parmetros estimados que es
cero en este caso):
2
0.05,3
= . . (0.05; 3) = 7.8147
2
d) Conclusin: puesto que 02 = 9.877 > 0.05,3
= 7.8147, rechazamos la hiptesis nula y hay una
evidencia fuerte de que no tiene una distribucin (6, 0.25).
e) El valor del test se puede calcular de forma exacta con Excel mediante la frmula:
= . . (9.8777; 3) = 0.0196
Como < 0.05 la conclusin es la misma que la hecha anteriormente con el valor crtico.
Distribucin N(0.1)
() =
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
000
05000
05398
05793
06179
06554
06915
07257
07580
07881
08159
08413
08643
08849
09032
09192
09332
09452
09554
09641
09713
09772
09821
09861
09893
09918
09938
09953
09965
09974
09981
09987
09990
09993
09995
09997
()
[ ()]
001
05040
05438
05832
06217
06591
06950
07291
07611
07910
08186
08438
08665
08869
09049
09207
09345
09463
09564
09649
09719
09778
09826
09864
09896
09920
09940
09955
09966
09975
09982
09987
09991
09993
09995
09997
002
05080
05478
05871
06255
06628
06985
07324
07642
07939
08212
08461
08686
08888
09066
09222
09357
09474
09573
09656
09726
09783
09830
09868
09898
09922
09941
09956
09967
09976
09982
09987
09991
09994
09995
09997
003
05120
05517
05910
06293
06664
07019
07357
07673
07967
08238
08485
08708
08907
09082
09236
09370
09484
09582
09664
09732
09788
09834
09871
09901
09925
09943
09957
09968
09977
09983
09988
09991
09994
09996
09997
1
2
004
05160
05557
05948
06331
06700
07054
07389
07704
07995
08264
08508
08729
08925
09099
09251
09382
09495
09591
09671
09738
09793
09838
09875
09904
09927
09945
09959
09969
09977
09984
09988
09992
09994
09996
09997
2 /2
005
05199
05596
05987
06368
06736
07088
07422
07734
08023
08289
08531
08749
08944
09115
09265
09394
09505
09599
09678
09744
09798
09842
09878
09906
09929
09946
09960
09970
09978
09984
09989
09992
09994
09996
09997
006
05239
05636
06026
06406
06772
07123
07454
07764
08051
08315
08554
08770
08962
09131
09279
09406
09515
09608
09686
09750
09803
09846
09881
09909
09931
09948
09961
09971
09979
09985
09989
09992
09994
09996
09997
007
05279
05675
06064
06443
06808
07157
07486
07794
08078
08340
08577
08790
08980
09147
09292
09418
09525
09616
09693
09756
09808
09850
09884
09911
09932
09949
09962
09972
09979
09985
09989
09992
09995
09996
09997
008
05319
05714
06103
06480
06844
07190
07517
07823
08106
08365
08599
08810
08997
09162
09306
09429
09535
09625
09699
09761
09812
09854
09887
09913
09934
09951
09963
09973
09980
09986
09990
09993
09995
09996
09997
009
05359
05753
06141
06517
06879
07224
07549
07852
08133
08389
08621
08830
09015
09177
09319
09441
09545
09633
09706
09767
09817
09857
09890
09916
09936
09952
09964
09974
09981
09986
09990
09993
09995
09997
09998
12816 16449 19600 23263 25758 30902 32905 389060 4414469

09000 09500 09750 09900 09950 09990 09995 099995 0999995
02000 01000 00500 00200 00100 00020 00010 000010 0000010
Distribucin con grados de libertad

() = (2 )
n
0,005
0,010
0,025
1 0,0000 0,0002 0,0010
2 0,0100 0,0201 0,0506
3 0,0717 0,1148 0,2158
4 0,2070 0,2971 0,4844
5 0,4118 0,5543 0,8312
6 0,6757 0,8721 1,2373
7 0,9893 1,2390 1,6899
8 1,3444 1,6465 2,1797
9 1,7349 2,0879 2,7004
10 2,1558 2,5582 3,2470
0,050
0,100
0,0039 0,0158
0,1026 0,2107
0,3518 0,5844
0,7107 1,0636
1,1455 1,6103
1,6354 2,2041
2,1673 2,8331
2,7326 3,4895
3,3251 4,1682
3,9403 4,8652
Valores F(x)
0,250 0,500
0,102 0,455
0,575 1,386
1,213 2,366
1,923 3,357
2,675 4,351
3,455 5,348
4,255 6,346
5,071 7,344
5,899 8,343
6,737 9,342
0,750
1,323
2,773
4,108
5,385
6,626
7,841
9,037
10,219
11,389
12,549
0,900
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
0,950
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
0,975
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
0,990
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
0,995
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
Distribucin de Student con grados de libertad

() = ( )
Valores Sn(x)
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,75
1,0000
0,8165
0,7649
0,7407
0,7267
0,7176
0,7111
0,7064
0,7027
0,6998
0,6974
0,6955
0,6938
0,6924
0,6912
0,90
3,0777
1,8856
1,6377
1,5332
1,4759
1,4398
1,4149
1,3968
1,3830
1,3722
1,3634
1,3562
1,3502
1,3450
1,3406
0,95
6,3137
2,9200
2,3534
2,1318
2,0150
1,9432
1,8946
1,8595
1,8331
1,8125
1,7959
1,7823
1,7709
1,7613
1,7531
0,975
12,7062
4,3027
3,1824
2,7765
2,5706
2,4469
2,3646
2,3060
2,2622
2,2281
2,2010
2,1788
2,1604
2,1448
2,1315
0,99
31,8210
6,9645
4,5407
3,7469
3,3649
3,1427
2,9979
2,8965
2,8214
2,7638
2,7181
2,6810
2,6503
2,6245
2,6025
0,995
0,9995
63,6559 636,5776
9,9250
31,5998
5,8408
12,9244
4,6041
8,6101
4,0321
6,8685
3,7074
5,9587
3,4995
5,4081
3,3554
5,0414
3,2498
4,7809
3,1693
4,5868
3,1058
4,4369
3,0545
4,3178
3,0123
4,2209
2,9768
4,1403
2,9467
4,0728
Ferrol. Julio de 2013

Exámenes PDF

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Exámenes PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Calificacin: Pregunta bien contestada +1, si no se contesta 0 y si se contesta errneamente .

1. Para una distribucin simtrica, la media es igual a:

8. Encontrar  para la siguiente distribucin de la variable aleatoria :

Ferrol, Abril de 2010

La probabilidad de que ocurran k llamadas en un intervalo de 1 minuto ser:

 " 7 1 $  % 6 1 $  . '1 (

3.75 3.75) 3.75 3.75* 3.75 3.75,

60 0 0.91372 54.8232 

Podemos aproximar la distribucin de Poisson con 225  /

/>   3 240  DE 3

240 0.5 2 225

De forma exacta, empleando Excel, sale:

J = {Neumtico detectado como no defectuoso}

A partir de los datos suministrados podemos construir el siguiente diagrama de rbol:

 = K|I = 0.29 K |I = 0.71

I K  I K |I

Por tanto, el beneficio medio por neumtico es:

0.90 0.99 = 0.891

N = 100.891 200.10 1000.009 = 6.01

12816 16449 19600 23263 25758 30902 32905 389060 4414469

Ferrol, Abril de 2010

Escuela Politcnica Superior

Grados: Ingeniera y Tecnologa Industrial Ingeniera Mecnica

y son dos sucesos incompatibles, es decir,

7. Para la siguiente distribucin de probabilidad:

La media y la varianza son, respectivamente:

14. De las variables aleatorias ,

18. En un intervalo de confianza al 90% para estimar un parmetro:

con la siguiente funcin de probabilidad:

En un proceso de muestreo aleatorio simple se obtiene la muestra de ocho valores: 1, 5, 6, 10, 2, 2, 8, 3.

1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

Escuela Politcnica Superior

Grados: Ingeniera y Tecnologa Industrial Ingeniera Mecnica

tendr una distribucin (

tiene una distribucin (

tiene una distribucin (

10000 accesos por da. Calcular, de forma aproximada:

el nmero de accesos diarios a la pgina WEB, entonces ser:

a) Por el TCL resultar que

tiene aproximadamente una distribucin (

De forma exacta, por Poisson, sale: 0.02275.

De forma exacta, por Poisson, sale tambin 0.15987.

tendr una distribucin (

Su desviacin tpica ser:

1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

Ferrol, Junio de 2011

Escuela Politcnica Superior

Grados: Ingeniera y Tecnologa Industrial Ingeniera Mecnica

1. La frecuencia relativa de un suceso:

La media y la varianza de son, respectivamente:

a) {(1 , 2 , ln( ))}

En un proceso de muestreo aleatorio simple se obtiene la muestra de ocho valores: 1, 5, 6, 10, 2, 2, 8, 3.

1.2816 1.6449 1.9600 2.3263 2.5758 3.0902 3.2905 3.89060

0.9000 0.9500 0.9750 0.9900 0.9950 0.9990 0.9995 0.99995

Escuela Politcnica Superior

Grados: Ingeniera y Tecnologa Industrial Ingeniera Mecnica

a) Cul es la probabilidad de fallo del dispositivo?

b) Calcular la probabilidad de fallo del diseo B.

b) Sea la variable aleatoria que representa el nmero de aerogeneradores produciendo ms de 700

Aproximando por la normal: (146,0.46017) (67.18514, 6.02233). Pues:

c) Resultar que: = 146

P3 (2 puntos). Se han realizado quince medidas de una caracterstica de calidad de un producto

8. Encontrar para la siguiente distribucin de la variable aleatoria :

" 7 1 $ % 6 1 $ . '1 (

3.75 3.75) 3.75 3.75* 3.75 3.75,

60 0 0.91372 54.8232

Podemos aproximar la distribucin de Poisson con 225 /

/> 3 240 DE 3

= K|I = 0.29 K |I = 0.71

I K I K |I

N = 100.891 200.10 1000.009 = 6.01

b) Se quiere encontrar tal que

2.326348 10000 " 2.326348 # 600 11395.8088

10000 " 600 # 1.818276 11090.96

Para esta tabla se ha obtenido , 48400.

14 8.6597 6 24 23.9156 6 32 35.0561 6