Beruflich Dokumente
Kultur Dokumente
8 7
2 3
15
7
a)
8 7
3 2
15
5
b)
15 7
2 3
15
5
c)
8
2
7
3
d)
2. De un lote que contiene 20 artculos defectuosos y 80 no defectuosos se escogen 10 al
azar sin reemplazo. Cul es la probabilidad de encontrar exactamente 5 defectuosos
y 5 no defectuosos?
a) 4,34929E-06
b) 5,7769E-14
c) 0,0215
d) 0.5
3. La clase de Mtodos Estadsticos Multivariados tiene 15 alumnos, de los
cuales 8 son hombres y 7 son mujeres. El curso ha decidido designar al azar
un grupo de 4 estudiantes que se encargarn respectivamente, de recoger
las tareas, repartir el material del curso, llamar a lista y avisar la hora de
terminacin de cada clase. Julin Rincn, Mara Crdoba, Ricardo Camacho y
Jos Buenda son estudiantes de dicho curso. Cul es la probabilidad de que
Julin Rincn resulte encargado de recoger las tareas, Mara Crdoba de
repartir el material del curso, Ricardo Camacho de llamar a lista y Jos
Buenda de avisar la hora de terminacin de cada clase?
1
15
4
a.
4
1
15
1
b.
15
4
c.
1
15! / 11!
d.
4. De un lote que contiene 80 artculos defectuosos y 20 no defectuosos se escogen 10 al
azar sin reemplazo. Cul es la probabilidad de encontrar exactamente 5 defectuosos
y 5 no defectuosos?
a) 4,34929E-06
b) 5,7769E-14
c) 0,0215
d) 0.5
5. En una escena editada de la famosa pelcula de terror El amanecer de los muertos,
Roger (el protagonista) se encuentra en una bodega de municiones dentro del centro
comercial. En un descuido deja la puerta de la bodega abierta lo que permite que un
grupo de 3 zombies entre a atacarlo. En su desesperacin y miedo, Roger encuentra
una caja de municiones la cual contiene 12 cartuchos de escopeta, de los cuales 7
estn vacos y 5 estn llenos. En la escena Roger nunca devuelve uno de los
cinco cartuchos seleccionados a la caja de municiones.
Sea Y, la variable aleatoria que denota el nmero de cartuchos vacos. La probabilidad
de que Roger seleccione ms de 3 cartuchos vacos es:
a)
b)
c)
d)
e)
24.47 %
23.74 %
24.74 %
23.47 %
24.77 %
Solucin
Por mtodo de tcnicas de conteo se obtiene que:
7 5 7 5
4 1
5 0
P(Y 3) 0.2209 0.0265
12
12
5
5
P(Y 3) 0.2474
4.545 %
4.539 %
4.540 %
4.538 %
4.555 %
Solucin
Por mtodo de tcnicas de conteo se obtiene que:
7 5 7 5
1 4
0 5
P ( X 3) 0.04419 0.00126
12
12
5
5
P ( X 3) 0.04545
0.6482
0.6428
0.6422
0.6488
Solucin
X
Sea
la variable aleatoria que cuenta el nmero de pares de medias blancas que
selecciona Juan. Con base en esto se requiere calcular la siguiente probabilidad:
P( X 1) P( X 0) P ( X 1)
P ( X 1)
5
0
3 5 3
2 1 1 0.6428
8
8
2
2
Probabilidades Condicionales
1. Dos boxeadores se van a enfrentar en una pelea a 3 asaltos. Los observadores opinan
que cada boxeador tiene la misma probabilidad de ganar la pelea de un golpe de
knock-out y es igual a 0.2. Sin embargo si no se produce knock-out el boxeador 1 por
ser ms estilista gana el asalto con probabilidad 0.75. Tambin se sabe que si un
boxeador gana 2 asaltos seguidos gana la pelea y se termina.
Nota: Los boxeadores ganan la pelea si ganan dos o ms asaltos o si knockean en
cualquiera de los asaltos.
Cul es la probabilidad que el boxeador 1 gane por knock-out?
a)
b)
c)
d)
e)
0.347
0.317
0.371
0.334
No se puede calcular
2. Dos boxeadores se van a enfrentar en una pelea a 3 asaltos. Los observadores opinan
que cada boxeador tiene la misma probabilidad de ganar la pelea de un golpe de
knock-out y es igual a 0.2. Sin embargo si no se produce knock-out el boxeador 1 por
ser ms estilista gana el asalto con probabilidad 0.75. Tambin se sabe que si un
boxeador gana 2 asaltos seguidos gana la pelea y se termina.
Nota: Los boxeadores ganan la pelea si ganan dos o ms asaltos o si knockean en
cualquiera de los asaltos.
Cul es la probabilidad que el boxeador 1 gane la pelea?
a)
b)
c)
d)
e)
0.347
0.380
0.580
0.450
No se puede calcular
a)
b)
c)
d)
e)
0.53
0.47
0.57
0.41
No se puede calcular
a)
b)
c)
d)
e)
0.44
0.50
0.56
0.72
No se puede calcular
5. Se cree que Rafael Nadal y Roger Federer disputarn la final del torneo de tenis, US
OPEN 2008. La probabilidad de que Rafael Nadal gane son 2 contra 1. Si juegan dos
partidos, Cul es la probabilidad de que Rafael Nadal gane al menos 1 partido?
a) 1/4
b) 1/9
c) 8/9
d) 1/6
e) 4/9
6. Se sabe que el 25% de los televisores de cierta compaa requieren un servicio cuando
estn todava en garanta, mientras que solo 15% de los DVDs necesitan ese servicio.
Si alguien compra un televisor y un DVD fabricado por esta compaa, cul es la
probabilidad de que ambos productos necesiten servicio dentro de la garanta?
a)
b)
c)
d)
e)
7. Se sabe que el 25% de los televisores de cierta compaa requieren un servicio cuando
estn todava en garanta, mientras que solo 15% de los DVDs necesitan ese servicio.
Si alguien compra un televisor y un DVD fabricado por esta compaa, cul es la
probabilidad de que ninguna de los productos necesite este servicio?
a)
b)
c)
d)
e)
0
0.04
0.96
0.64
No es posible responder la pregunta con la informacin suministrada
8. A usted lo han contratado para realizar una auditora en los procesos de calidad de la
Nacional de Chocolates. En la compaa se tienen dos mquinas para hacer los
chocolates:
Normal.
Turbo.
Defecto tipo A
0,07
0,18
Defecto tipo B
0,04
0,09
Defecto tipo C
0,002
0,03
5.23 %
3.45 %
9.25 %
9.75 %
No se puede calcular
9. A usted lo han contratado para realizar una auditora en los procesos de calidad de la
Nacional de Chocolates. En la compaa se tienen dos mquinas para hacer los
chocolates:
Normal.
Turbo.
Defecto tipo A
0,08
0,15
Defecto tipo B
0,06
0,08
Defecto tipo C
0,005
0,02
5.99 %
6.64 %
6.60 %
6.32 %
No se puede calcular
Variables Aleatorias
1. El gerente de una empresa dedicada a la fabricacin de equipos de sonido, determina
f Y ( y)
6
(3 y y 2 )
7
0 y 1
0.6420
0.6428
0.6488
0.6532
0.6528
Solucin
Se debe calcular la siguiente probabilidad:
P ( y 0.5)
Para facilitar los clculos, se sabe por el axioma de la probabilidad del complemento
que:
P ( y 0.5) 1 P ( y 0.5)
Entonces:
6
P ( y 0.5) 1
7
0.5
3 y y dy
2
y3
6 3
P( y 0.5) 1 y 2
7 2
3
0. 5
P ( y 0.5) 0.6428
0
X
determina que para la variable aleatoria
la cual describe el comportamiento del
tiempo de duracin (en aos) de un cilindro para gas, se ajusta a la siguiente funcin
de probabilidad:
f X ( x)
6
(3 x x 2 )
7
0 x 1
Con base en esta informacin, la probabilidad de que por lo menos un cilindro para gas
pueda utilizarse entre 0.3 a 0.8 aos es:
a)
b)
c)
d)
e)
0.5655 %
0.5675 %
0.5685 %
0.5658 %
0.5657 %
Solucin
Se debe calcular la siguiente probabilidad:
6
7 3x x dx
2
0.3
6 3x 2 x 3
P(0.3 aos X 0.8 aos )
7 2
3
0. 8
0.20
0.80
0.70
0.50
e 1000
f x ( x)
1000
x (0, )
23.45 %
23.10 %
23.25 %
23.22 %
23.48 %
Solucin
e 1000
P(1000 X 2000)
dx e 1 e 2 23,25 %
1000
1000
1
1< x<5
f X (x )= 6
0 de locontrario
El departamento financiero clasifica el proyecto de acuerdo a las siguiente categoras:
malo (utilidad entre -1 y 0.5); aceptable (utilidad entre 0.5 y 3.5) y bueno (utilidad entre
3.5 y 5). Basado en la informacin anterior, la probabilidad de que el proyecto sea
calificado como malo es:
a)
b)
c)
d)
e)
0.250
0.500
0.750
0.167
0.833
b)
c)
d)
e)
23.74 %
24.74 %
23.47 %
24.77 %
Solucin
En
esta
situacin
P (Y 3) P (Y 4) P (Y 5)
se
requiere
la
siguiente
probabilidad
=0.2474
Nota: Este ejercicio tambin se resolvi por tcnicas de conteo
7. El departamento financiero de la compaa JJ est interesado en la evaluacin de un
nuevo proyecto; la evaluacin se va a realizar basada en la funcin de densidad de
probabilidad de la variable aleatoria X, que representa la utilidad del proyecto en
millones de dlares. Segn el departamento financiero la funcin de densidad de X
est definida en el rango de -1 hasta 5, y sta est definida de la siguiente forma:
1
1< x<5
f X (x )= 6
0 de locontrario
El departamento financiero clasifica el proyecto de acuerdo a las siguiente categoras:
malo (utilidad entre -1 y 0.5); aceptable (utilidad entre 0.5 y 3.5) y bueno (utilidad entre
3.5 y 5). Basado en la informacin anterior, la probabilidad de que el proyecto no se
calificado como aceptable es:
a)
b)
c)
d)
e)
0.250
0.500
0.750
0.167
0.833
4.545 %
4.539 %
4.540 %
4.538 %
4.555 %
Solucin
En
esta
situacin
se
P( X 3) P ( X 4) P( X 5)
requiere
la
= 0.04545.
Nota: Este ejercicio tambin se resolvi por tcnicas de conteo
siguiente
probabilidad
3.33
10
6
1.7
Ninguna de las anteriores
3.33
0.3
4.5
3.66
Ninguna de las anteriores
3. Para la materia Aeromodelismo Bsico, los estudiantes deben hacer un avin de papel,
el cual ser probado por el profesor durante la sustentacin. El tiempo que dura un
avin de papel sostenido en el aire es una variable aleatoria (T), expresada en minutos,
con la siguiente funcin de densidad:
t
9
f T (t )
6t
0t 3
3t 6
dlc.
La nota que un estudiante recibe por el avin que dise, depende del tiempo que dura
en el aire y es calculada de la siguiente manera:
3.00
2.85
3.44
3.20
Ninguno de los anteriores.
S
(en segundos), es una variable aleatoria
funcin de probabilidad:
f X ( x) 0.1
30 S 40
8.333 segundos
2.886 segundos
3.333 segundos
8.886 segundos
3.886 segundos
Solucin
Se procede mediante:
Var ( X ) E X 2 E X
40
30
40
Var ( X ) (0.1) x dx
2
30
(0.1) x dx
(40) 3 (30) 3
(0.1)
Var ( X )
3
(40) 2 (30) 2
X Var ( X ) 8.333
X 2.8866
segundos
5. El restaurante de comidas rpidas JJ recibe pedidos a domicilio por una cantidad X de
artculos, la cual se distribuye con la siguiente funcin de probabilidad:
(0.1)
g X ( x )=
(5x)
x=1, 2, 3, 4
10
El costo por artculo (en miles de pesos) del pedido esta dado por la siguiente funcin:
Costo ( x )=
7x
2
La moto de la repartidora Astrid solo tiene capacidad para mximo 3 artculos, por lo
que no siempre puede realizar el domicilio. El pago promedio que recibir Astrid por
cada domicilio que realice es:
a)
b)
c)
d)
e)
4.5
3.9
2.0
2.5
No se puede calcular
X
una determinada fuerza al objeto. Sea
X
distancia total recorrida del objeto. Se sabe que la funcin de probabilidad de
dada por:
f X ( x) 1
est
0 X 6 cm
P ( x) x 2 3 x 2
expresin:
aplicada al objeto es:
a)
b)
c)
d)
e)
25.06 Newtons
23.66 Newtons
20.06 Newtons
22.66 Newtons
22.60 Newtons
Solucin
Se sabe que el valor esperado de una variable aleatoria discreta est dado por:
E ( X ) x f X ( x)
x
E ( X ) P ( x) f X ( x)
x
1 2
1
x 3x 2
6
x 1 6
6
E( X )
x2
x 1
x2
x 1
E ( X ) 23.66 Newtons
6.245 millones
3.352 millones
6.248 millones
3.852 millones
6.225 millones
Solucin
La varianza de una variable aleatoria discreta se determina mediante:
V ( X ) E ( X ) 2 E ( X 2 2 X 2 ) E ( X 2 ) [ E ( X )] 2
donde,
i 1
x
i 1
V ( X ) x f ( xi )
2
i
f ( xi )
V ( X ) $ 39 millones 2
Recuerde que la desviacin estndar es equivalente a la raz cuadrada de la varianza,
por lo tanto:
V ( X ) $ 39 millones 2
$ 6.245 millones
8. En un experimento de laboratorio de fsica mecnica, se desea conocer el
comportamiento de la aplicacin de presin a un gas. Para dicho anlisis, se dispone
de un dispositivo que mide la distancia recorrida (en centmetros) cuando se le aplica
X
una determinada presin al gas. Sea
la variable aleatoria discreta que describe la
distancia total recorrida de compresin del gas. Se sabe que la funcin de probabilidad
X
de
f X ( x) 1
0 X 8 cm
P ( x ) 2 x 2 0.75 x 2
expresin:
promedio aplicada al gas es:
a)
b)
c)
d)
e)
51.750 Libras
50.753 Libras
53.375 Libras
53.360 Libras
51.735 Libras
Solucin
Se sabe que el valor esperado de una variable aleatoria discreta est dado por:
E ( X ) x f X ( x)
x
E ( X ) P ( x) f X ( x)
x
1
1
2
2 x 0.75 x 1
4
x 1 8
8
E( X )
0.75
x2
x 1
x 1
x 1
E ( X ) 53.375 Libras
y 0 y1
f Y ( y )= 2 y 1 y 2
0 d . l. c .
0 y< 0
y
0 y< 1
2
a.
FY ( y )=
b.
y2
0 y <1
2
FY ( y )=
y2
2 y 1 1 y <2
2
0 d .l . c .
c.
y2
0 y< 1
2
FY ( y )=
y2 3
2 y 1 y <2
2 2
0 d .l . c .
y
1 1 y <2
2
1 y 2
{
{
0 y< 0
2
y
0 y <1
2
FY ( y )=
2
y
2 y 1 1 y <2
2
1 y 2
d.
e)
y2
0 y <1
2
FY ( y ) =
y2
2 y 1 1 y <2
2
10. Estudios de mercado estiman que un nuevo instrumento para el anlisis de muestras
de suelo ser de gran xito, xito moderado, o sin xito, con probabilidades 0.5, 0.3 y
0.2, respectivamente. Los ingresos anuales asociados con un producto de gran xito,
con un xito moderado o sin xito son de $ 11 millones, $ 7 millones y $ 2 milln,
respectivamente.
Sea X, la variable aleatoria que denota los ingresos anuales del producto. La
desviacin estndar del ingreso anual asociado a los productos es:
a)
b)
c)
d)
e)
3.245 millones
4.352 millones
3.244 millones
3.464 millones
4.225 millones
Solucin
La varianza de una variable aleatoria discreta se determina mediante:
V ( X ) E ( X ) 2 E ( X 2 2 X 2 ) E ( X 2 ) [ E ( X )] 2
donde,
i 1
x
i 1
V ( X ) x f ( xi )
2
i
f ( xi )
V ( X ) $ 12 millones 2
Recuerde que la desviacin estndar es equivalente a la raz cuadrada de la varianza,
por lo tanto:
V ( X ) $ 12 millones 2
$ 3.464 millones
Generatriz de Momentos
1. Determine la funcin generatriz de momentos de la siguiente f.d.p:
1
f X (x)= ba a< x <b
0d.l .c.
a.
X=
e s (ba)
( ba ) s
b.
X=
e e
( ba ) s
c.
X=
e sbe sa
( ba )
sb
d.
sa
e
s ( sbe sa )
( ba )
X =
2 x y
f X ,Y ( x , y )= 2 e e ; x 0, y 0
0 ; d . l. c .
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
2 x
f X (x )= e ; x 0
0 ; d . l. c .
2 y
f Y ( y )= 2 e ; Y 0
0 ; d . l. c .
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d. l .c.
2 x y
f X ,Y ( x , y )= 2 e e ; x 0, y 0
0 ; d . l. c .
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
2 x
f X (x )= e ; x 0
0 ; d . l. c .
2 y
f Y ( y )= 2 e ; Y 0
0 ; d . l. c .
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d. l .c.
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
k 1 y
0
f XY x, y
0 x y 1
d .l.c.
f X ( x) (1 x) 2
a)
0 x 1
3
f X ( x) (1 x) 4 0 x 1
2
b)
f X ( x ) 3 (1 x ) 2 0 x 1
c)
f X ( x) 3 (1 x 2 ) 0 x 1
d)
f X ( x) 1 x
0 x 1
e)
Solucin
1
0 0
k (1 y ) dxdy 1
( y y 2 ) dy
k (1 y) x
0
y2 y3
2
3
1
k
1
0
y
0
1
k
dy 1
1 1 1
2 3 k
k 6
f X ( x) 6 (1 y ) dy 3(1 x) 2 3(1 x) 2
x
0 x 1
variable aleatoria
que se distribuye exponencial con tasa
. Adicionalmente el
tiempo de atencin, el cual se considera independiente con respecto al tiempo de
Y
espera, es una variable aleatoria
que se distribuye exponencial con tasa
base en esta informacin, la funcin de probabilidad conjunta es:
f XY ( x, y ) e ( x y )
x 0, y 0
a)
f XY ( x, y ) e ( x y )
x 0, y 0
f XY ( x, y ) 2 e ( x y )
x 0, y 0
b)
c)
f XY ( x, y ) e ( x y )
d)
x 0, y 0
. Con
f XY ( x, y ) e ( x y )
x 0, y 0
e)
Solucin
Se sabe que el tiempo de espera y el tiempo de atencin son variables aleatorias
independientes; por lo tanto:
f X ( x) e x x 0
fY ( y) e y y 0
f XY ( x, y ) f X ( x) f Y ( y ) e x e y e ( x y )
x 0, y 0
Y 1, 2, 3, 4
X 1, 2
Aprobar (1)
0.07142
0.07142
0.14285
0.07142
Reprobar (2)
0.07142
0.14285
0.21428
0.21428
P (Y 2 | X 2) 0.50
a)
P (Y 2 | X 2) 0.0052
b)
P (Y 2 | X 2) 0.3452
c)
P (Y 2 | X 2) 0.8888
d)
P (Y 2 | X 2) 0.2222
e)
Solucin
P(Y 2 | X 2)
Se procede con la probabilidad condicional:
; entonces:
P(Y 2 | X 2)
P(Y 2 X 2) P(Y 2, X 2) P (Y 3, X 2) P (Y 4, X 2)
P ( X 2)
P ( X 2)
P(Y 2 | X 2)]
6. Se sabe que el nmero de clientes que llegan a un banco en particular, es una variable
aleatoria
que se distribuye Poisson con tasa
. Adicionalmente el nmero de
clientes que son atendidos, el cual se considera independiente con respecto al nmero
Y
de clientes que llegan al banco, es una variable aleatoria
con tasa
f XY ( x, y )
( t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
( t ) x e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
(x y ) (t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
(x y ) (t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
( y x ) (t ) x y e ( ) t
x! y!
x 0, y 0
a)
b)
c)
d)
e)
Solucin
Se sabe que las dos variables son independientes; por lo tanto:
f X ( x)
( t ) x e t
x!
x0
( t ) y e t
fY ( y)
y!
y0
( x y ) t x y e ( ) t
f XY ( x, y ) f X ( x) f Y ( y )
x! y!
x 0, y 0
Y 1, 2, 3, 4
variable aleatoria
X 1, 2
Aprobar (1)
0.07142
0.07142
0.14285
0.07142
Reprobar (2)
0.07142
0.14285
0.21428
0.21428
Si Pedro, cul es la probabilidad de que Juan tuviera por lo menos dos fallas?
P ( X 1 | Y 2) 0
a)
P ( X 1 | Y 2) 0.3333
b)
P ( X 1 | Y 2) 0.01020
c)
P ( X 1 | Y 2) 0.6666
d)
P ( X 1 | Y 2) 0.100085
e)
Solucin
P( X 1 | Y 2)
Se procede con la probabilidad condicional:
; entonces:
P ( X 1 | Y 2)
P ( X 1 Y 2) P ( X 1, Y 2) P ( X 1, Y 3) P( X 1, Y 4)
P (Y 2)
P (Y 2) P (Y 3) P (Y 4)
P( X 1 | Y 2)]
Covarianza
1. Leche La Mejor S.A. es una empresa encargada de la produccin y distribucin de
leche en el Departamento del Norte de Santander. Dentro de su plan de produccin se
considera la fabricacin de leche semidescremada y de leche descremada, las cuales
f XY ( x, y )
xy
0 x 2, 0 y 4
16
Cov( X , Y ) 1
a.
b.
c.
d.
Cov( X , Y ) 0.05
Cov( X , Y ) 0
Cov( X , Y ) 3.5555
Cov( X , Y ) 2.6666
e.
Solucin
E[ XY ]
Se procede con el clculo de
2 4
E[ XY ]
0 0
x2 y2
32
dx dy
16
9
32 4 8
Cov( X , Y ) 0
9 3 3
f XY ( x, y )
xy
0 x 4, 0 y 2
16
Cov( X , Y ) 1
a.
b.
c.
d.
Cov( X , Y ) 0
Cov( X , Y ) 0.3333
Cov( X , Y ) 2.6666
Cov( X , Y ) 3.5555
e.
Solucin
E[ XY ]
Se procede con el clculo de
2 4
E[ XY ]
0 0
x2 y2
32
dx dy
16
9
32 8 4
Cov( X , Y ) 0
9 3 3
X
al azar, sea
Y
seleccin mltiple, y
la variable aleatoria que describe el puntaje obtenido en la
parte de pregunta abierta. La funcin de probabilidad conjunta de las dos variables se
presenta en la siguiente tabla:
p(x,y)
X
0
5
10
Y
0
0.02
0.04
0.01
5
0.06
0.15
0.15
10
0.02
0.20
0.14
15
0.10
0.10
0.01
Cov( x, y ) 0
a.
b.
Cov( x, y ) 3.20
Cov( x, y ) 2.30
c.
d.
Cov( x, y ) 5.80
Cov( x, y ) 5.80
e.
Solucin
Se procede inicialmente con el clculo de los valores esperados:
E ( XY ) 44.25
Aplicando la ecuacin de la covarianza, se obtiene:
Cov( X , Y ) 3.2025
X
azar, sea
Y
seleccin mltiple, y
la variable aleatoria que describe el puntaje obtenido en la
parte de pregunta abierta. La funcin de probabilidad conjunta de las dos variables se
presenta en la siguiente tabla:
p(x,y)
0
5
10
Y
0
0.01
0.04
0.02
5
0.06
0.15
0.15
10
0.02
0.19
0.15
15
0.01
0.10
0.10
Cov( x, y ) 0
a.
b.
c.
d.
Cov( x, y ) 2.35
Cov( x, y ) 3.20
Cov( x, y ) 3.20
Cov( x, y ) 1.82
e.
Solucin
Se procede inicialmente con el clculo de los valores esperados:
E ( XY ) 58.25
Aplicando la ecuacin de la covarianza, se obtiene:
Cov( X , Y ) 1.82
variable aleatoria
e , para el juguete tipo 1 y tipo 2, respectivamente. La funcin
de probabilidad conjunta para los dos tipos de juguetes es la que se presenta a
continuacin:
p XY ( x, y )
x 2y
; x 1,2. y 1,2
18
X
, el nmero de prototipos del juguete
es:
E[ X | Y 2] 17 / 11
a.
b.
c.
d.
E[ X | Y 2] 12 / 10
E[ X | Y 2] 20 / 11
E[ X | Y 2] 17 / 12
E[ X | Y 2] 11 / 17
e.
Solucin
y
Se calcula la funcin marginal de
x 2y 1 2
y 2
x 1
18
18 x 1
9 x 1
x 1
2
pY ( y )
pY ( y )
1 2y
;
6 9
y 1, 2
x 2y
x 2y
x 2y
p X |Y ( x | y ) 18
1 2 y 18 36 y 3 4 y
6 9
6
9
E[ X | Y 2 ]
1 2 2
17
( x 4 x ) E[ X | Y 2 ]
11 x 1
11
p X |Y 2 ( x | y 2)
x4
11
2. Playtoys es una empresa dedicada a la fabricacin de juguetes para nios entre los 3 y
7 aos. Dentro de su plan de investigacin y desarrollo proponen el diseo de
prototipos de un juguete tipo 1 y un juguete tipo 2. El nmero de prototipos es una
variable aleatoria
e , para el juguete tipo 1 y tipo 2, respectivamente. La funcin
de probabilidad conjunta para los dos tipos de juguetes es la que se presenta a
continuacin:
p XY ( x, y )
x 2y
; x 1,2. y 1,2
18
Y
, el nmero de prototipos del juguete
es:
E[Y | X 2] 8 / 10
a.
b.
c.
d.
E[Y | X 2] 12 / 10
E[Y | X 2] 10 / 8
E[Y | X 2] 8 / 5
E[Y | X 2] 5 / 8
e.
Solucin
X
Se procede con el clculo de la funcin marginal de
x 2y x
p X ( x)
18
18
y 1
2
1
1
9
y 1
y
y 1
p X ( x)
x 3 x3
;
9 9
9
x 2y
x 2y
pY | X ( y | x) 18
x3
2( x 3)
9
E[Y | X 2]
y 1
y y2 1 2
1 2
y y2
5
5 y 1
5 y 1
pY | X 2 ( y | x 2)
1 y
5
x 1,2
X
3. Un comerciante de automviles paga una cantidad
Y
carro usado y lo vende despus por una cantidad
X
aleatorias
Y
e
f XY ( x, y )
x
36
0 x y6
Con base en la informacin anterior, si el comerciante paga 2 mil dlares por un carro
usado, la ganancia promedio por la venta del mismo es:
E[Y | X 2] 4
a.
b.
c.
d.
E[Y | X 2] 3.28
E[Y | X 2] 6
E[Y | X 2] 2.5
E[Y | X 2] 5.45
e.
Solucin
X
Considere el clculo de la funcin marginal de
x
x (6 x )
dy
36
36
x
f X ( x)
0 x6
x
1
fY | X ( y | x) 36
x (6 x ) 6 x
36
El valor esperado condicional se calcula de la siguiente manera:
y
1 y2
1 36 x 2 1 (6 x)(6 x )
E[Y | X ]
dy
2
x
2
6
x
2
6
x
6 x
x
x
E[Y | X ]
1
x
(6 x) E[Y | X ] 3
2
2
E[Y | X 2] 3 1
X
Orlando, es una variable aleatoria
Y
Elena, es una variable aleatoria
f XY ( x, y ) x y,
0 x 1, 0 y 1
Si Orlando llega al Auditorio 36 minutos despus de las 7:00 p.m., el tiempo promedio
de llegada de Elena despus de las 7:00 p.m. al Auditorio es:
E[Y | X 0.6] 30
a.
b.
c.
d.
E[Y | X 0.6] 35
minutos
minutos
E[Y | X 0.6] 1
hora
E[Y | X 0.6] 45
E[Y | X 0.6] 39
e.
minutos
minutos
Solucin
X
Se procede con el clculo de la marginal de
1
f X ( x) ( x y ) dy
0
2x 1
2
0 x 1
fY | X ( y | x)
x y 2( x y )
2x 1
2x 1
2
2
E Y | X
2x 1
Entonces:
E Y | X 0 .6
3x 2
y( x y) dy 3(2 x 1)
0 x 1
3(0.6) 2
0.575757 35
3(2 * 0.6 1)
minutos
X
aleatoria
Y
aleatoria
f XY ( x, y ) x y,
0 x 1, 0 y 1
Si John Jairo lleg al centro comercial media hora despus de las 8:00 p.m., el tiempo
promedio de llegada de Makacio despus de las 8:00 p.m al centro comercial Plaza de
las Amricas es:
E[Y | X 0.5] 35
a.
b.
c.
d.
E[Y | X 0.5] 30
minutos
minutos
E[Y | X 0.5] 1
hora
E[Y | X 0.5] 45
E[Y | X 0.5] 39
e.
minutos
minutos
Solucin
X
Se procede con el clculo de la marginal de
1
f X ( x) ( x y ) dy
0
2x 1
2
0 x 1
fY | X ( y | x)
x y 2( x y )
2x 1
2x 1
2
2
E Y | X
2x 1
Entonces:
E Y | X 0.5
3x 2
y( x y) dy 3(2 x 1)
0 x 1
3(0.5) 2
0.58333 35
3( 2 * 0.5 1)
minutos
Distribucin Normal
a.
b.
c.
d.
e.
0.9966
0.0034
0.0071
0.8922
0
Solucin
X i N ( 200,552 )
45
Xi
N ( 45200,45552 )
i=1
45
X i 10000
1000045200
=P ( Z 2.7103 )=0.9966
55 45
i=1
P Z
Y
seleccionado al azar es una variable aleatoria con media 7 minutos y desviacin de 6
minutos. Los tiempos de calificacin son independientes.
Si el instructor empieza a calificar a las 7:50 p.m., la probabilidad de que termine de
calificar todos los parciales entre las 11:30 p.m. a 12:30 a.m es:
70.19 %
a.
51.19 %
b.
15.38 %
c.
52.19 %
d.
44.29 %
e.
Solucin
YT ~ N (n , n )
YT ~ N (280, 37.94)
Se sabe que:
La probabilidad requerida se obtiene mediante la siguiente forma:
280 280
220 280
Z
37.94
37.94
P (220 YT 280) P
P (1.58 Z 0)
4.46
4.23
3.53
3.76
2.47
Solucin
50
Yi
N ( 50 ,504 )
i=1
0.95=P
50
Y i 200
i=1
0.95=1P Z
Z 0.05=
20050
2 50
20050
=1.644
2 50
=4.46
Y
parcial seleccionado al azar es una variable aleatoria
con media 6 minutos y
desviacin de 6 minutos. Los tiempos de calificacin son independientes.
Si el instructor empieza a calificar a las 6:50 p.m., la probabilidad de que termine de
calificar todos los parciales antes de las 11:00 p.m. es:
70.19 %
a.
51.19 %
b.
80.32 %
c.
60.26 %
d.
61.41%
e.
Solucin
Se procede mediante:
YT ~ N (n , n )
YT ~ N (240, 37.94)
YT n
P(YT 250 ) P
250 240
P(YT 250) P Z 0.26
37.94
X
proceso de ensamble de una mesa es una variable aleatoria
normalmente
distribuida con media de 1.5 minutos y desviacin estndar de 0.3 minutos. En un da
en particular, el encargado del proceso de ensamble toma una muestra aleatoria de 12
mesas plsticas.
Con base en esta informacin, la probabilidad de que el tiempo total de ensamblaje de
12
XT Xi
i 1
las 12 mesas
X T ~ N (12 , 12 )
Se sabe que
X T ~ N (18, 1.039)
; entonces:
17 12
P(17 X T 20) P
12
X T 12
12
20 12
20 18
17 18
P
Z
1.039
12
1.039
4.46
2.74
3.53
3.76
2.24
Solucin
50
Yi
N ( 50 ,502 )
i=1
0.90=P
50
Y i 150
i=1
0.90=P Z
15050
10
Z 0.90 =
15050
=1.28
10
=2.74
7. En una empresa dedicada a la venta de mesas plsticas considera que el tiempo del
X
proceso de ensamble de una mesa es una variable aleatoria
normalmente
distribuida con media de 1.5 minutos y desviacin estndar de 0.3 minutos. El
encargado del proceso de ensamblaje considera que el tiempo total de ensamblaje
12
XT Xi
i 1
n 19
a.
b.
c.
d.
n 12
n 15
n 20
n 13
e.
Solucin
Se sabe que:
X T ~ N (n , n ) X T ~ N (n(1.5), n (0.3))
La probabilidad establecida es:
P( X T 20) 0.90
20 n(1.5)
n (0.3)
X T n(1.5)
n (0.3)
20 n(1.5)
20 n(1.5)
Z
0.90
n (0.3)
n
(
0
.
3
)
8. La compaa cervecera Su Cerveza S.A. compr una nueva mquina para embasar la
cerveza que produce, por especificaciones de la maquina se sabe que la cantidad de
liquido que se embasa en cada botella se distribuye como una variable aleatoria X con
E[X] =300 ml. y Var(X)=36 ml.2. Para analizar el desempeo de la maquina, los
ingenieros de la compaa quieren seleccionar una cantidad n de botellas embasadas y
analizar la cantidad promedio embasada en las botellas seleccionadas. Usted ha sido
seleccionado para colaborar en el estudio que se va a realizar, por lo que se le ha
formulado la siguiente pregunta, Cul debe ser el nmero n de botellas estudiadas,
para asegurar que con probabilidad 0,90 el promedio de cantidad embasada no va a
exceder los 301 ml?
a. 30
b. 35
c. 42
d. 53
e. No se puede calcular.
Solucin
n
Yi
i=1
N 300 ,
0.90=P
(
(
Yi
i =1
0.90=P Z
Z 0.90 =
36
n
301
301300
6
n
301300
=1.28
6
n
n=53
9. El contenido de pulpa [cm 3] en los jugos de caja Del Campo es una variable aleatoria X
que se distribuye normalmente con media 500 y varianza 4 unidades. La probabilidad
P(500X502) se puede expresar como:
a)
b)
c)
d)
e)
0.64
0.84
0.50
0.34
Ninguna de las anteriores.
10. Segn estudios demogrficos del DANE realizados a 100.000 habitantes del
departamento del Norte de Santander, la vida media de los habitantes de Colombia es
de 85 aos con una desviacin de 5. Con base en esta informacin, la probabilidad de
que un habitante viva entre 75 y 82 aos es:
a)
b)
c)
d)
e)
0.252
0.271
0.022
0.500
Ninguna de las anteriores
0.159
0.818
0.977
0.342
Ninguna de las anteriores
4.14
4.55
4.81
4.73
No se puede calcular con la informacin dada.
4.44
4.32
4.14
4.81
No se puede calcular con la informacin dada.
Distribucin Exponencial
1. En una pizzera de la ciudad, se han tomado las rdenes de dos clientes conocidos:
Camila y Andrs, las cuales deben ser entregadas en sus respectivas casas. El
repartidor conoce un trayecto que debe realizar para entregar a tiempo las pizzas, tal
como indica la figura.
X
El tiempo que el repartidor se demora para entregar la orden de Camila
Y
orden de Andrs
2 0.95 h
, y la
1 0.8 h 1
, se distribuyen exponencial con tasa
Z X Y
Z 2.30 horas
a.
b.
c.
d.
Z 4.25 horas
Z 1.50 horas
Z 3.00 horas
Z 1.89 horas
e.
Solucin
Se sabe que el tiempo de las rdenes son independientes; por lo tanto:
Z
Z
d
M X (t ) M Y (t )
dt
X Y
t 0
d
M X (t ) M Y (t )
dt
t 0
2
1
1
1
1 2
1 2
(0.8) h 1 (0.95) h 1
2.30 horas
(0.8) (0.95) h 2
2. El tiempo en minutos que dura una llamada telefnica en la oficina Ml 752, se puede
representar con una variable aleatoria X con funcin de densidad de probabilidad
Exponencial con media igual a 2 minutos. Si una persona que est hablando por
0.78
0.63
0.39
0.13
Ninguna de las anteriores.
3. El tiempo en minutos que dura una llamada telefnica en la oficina Ml 752, se puede
representar con una variable aleatoria X con funcin de densidad de probabilidad
Exponencial con media igual a 2 minutos. Calcule la probabilidad de que la llamada
dure ms de 3 minutos.
a)
b)
c)
d)
e)
0.777
0.632
0.564
0.223
Ninguna de las anteriores
0.95
0.05
0.63
0.37
Ninguna de las anteriores.
Distribuciones Z, 2, F y t
1. En un experimento de Fsica Mecnica, los estudiantes deben aplicar dos cargas a una
viga, tal como se observa en la figura:
M 0 a1 X 1 a2 X 2
X1
X2
a1 2 lb
a2 5 lb
45 %
32 %
89 %
67 %
76 %
Solucin
Se procede con el clculo del momento de flexin promedio y la desviacin estndar:
M 0 M 0 52 50
P Z 0.44 67 %
4
.
539
M
0
P M 0 52 lb.m P
P S
(0.1172 cm)
P 29
17.704
2
2
(0.15 cm)
2
P 29
17.704 0.95008 0.95
e.
Solucin
Se procede con el clculo del tiempo promedio y desviacin estndar del
procesamiento de una lmina de acero:
T X1 X 2 X 3
T 15 30 20 T 65
minutos
T 12 22 32 T 1 4 (1.5) 2 T 2.6925
minutos
La probabilidad requerida es:
T T 60 65
P T 1 hora 1 P Z 1.857
2.6925
T
P T 1 hora P
P 24
33.191
2
2
(
0
.
1
cm
)
P S 2 (0.1176 cm) 2 P
2
P 24
33.191 0.100107 0.10
(QC )
5. En el proceso de templado de un acero, se considera su calor especfico
es una
variable aleatoria que se distribuye normal con media de 29.021 Kcal. Se toma una
Q
31.2 Kcal 29.021 Kcal
Q
P QC 31.2 Kcal P C
1.3 Kcal
SQ
5
n
Propiedades de Estimadores
1. En un estudio de presupuesto bancario, se determin que el capital de inversin es una
E( X )
X
variable aleatoria
Var ( X )
y varianza
x
i 1
( xn 1 xn 2 )
n2
b( )
a. El estimador de la media es sesgado
b. El estimador de la media es insesgado
n2
b( ) 0
b( )
c. El estimador de la media es sesgado
b( ) 1
x (x
E * E
i 1
n 1
xn 2 )
n2
1
n 2
E( x ) E( x
i
i 1
n 1
) E ( xn 2 )
1
n2
nE ( X ) E ( X ) E ( X ) E ( *) E ( X )
n2
n2
E ( *)
E ( *) E ( X )
b( ) 0
El estimador de la media es insesgado
2. En un estudio de presupuesto bancario, se determin que el capital de inversin es una
E( X )
X
variable aleatoria
Var ( X )
y varianza
x
i 1
( xn 1 xn 2 )
n2
Var ( *) Var ( X ) /( n 2)
a. El estimador de la media es inconsistente
Var ( *) Var ( X ) /( n 2) 2
b. El estimador de la media es inconsistente
Var ( *) Var ( X ) /( n 2)
Var ( *) Var ( X ) /( n 2) 2
d. El estimador de la media es consistente
e. El estimador de la media es inconsistente
Var ( *) Var ( X )
Solucin
Se procede con el clculo de la varianza del estimador:
x (x
Var ( *) Var
i 1
xn 2 )
n 1
n2
1
2
( n 2)
Var ( *)
Var ( x ) Var ( x
i 1
n 1
n2
Var ( X )
Var ( *)
2
n2
( n 2)
Var ( *) Var ( X )
1
1/ n
Var
(
X
)
Lim
Var ( *) 0
n 1 2 / n Lim
n
n 2
El estimador es consistente.
3. En una tipografa de la ciudad, se sabe que el nmero de errores tipogrficos por
pgina de contendido en un libro de Probabilidad y Estadstica traducido al espaol, es
X
una variable aleatoria
distribuida Poisson con parmetro
aleatoria de n pginas de una edicin de dicho libro.
Dentro del anlisis estadstico del nmero de errores tipogrficos del libro se plantea el
:
n
x
i 1
n2
2
b 1
n2
b. Es un estimador sesgado
2
b 1
n2
b 1
n2
d. Es un estimador sesgado
es:
) Var ( xn 2 )
2
b 1
n2
e. Es un estimador asintticamente insesgado
Solucin
Para conocer si el estimador es insesgado o no, se procede con el clculo del valor
esperado del estimador:
x
i
E 1 E i 1
n 2
n E( X )
n
E 1
n2
n2
; el estimador es sesgado:
2
b 1
n2
1/ n
Lim b 1 ( 2 ) Lim
Lim b 1 0
n
n 1 2 / n
n
, pero
estimador es asintticamente insesgado.
, entonces el
X
es una variable aleatoria
distribuida Poisson con parmetro
muestra aleatoria de n pginas de una edicin de dicho libro.
. Se toma una
Dentro del anlisis estadstico del nmero de errores tipogrficos del libro se plantea el
:
n
x
i 1
n2
Lim Var 1 0
n
a. El estimador es consistente
Lim Var 1
n
b. El estimador es inconsistente
Lim Var 1 2
n
c. El estimador es inconsistente
Lim E 1 0
n
d. El estimador es consistente
es:
Lim E 1
n
e. El estimador es inconsistente
Solucin
Se procede con el clculo de la varianza del estimador:
x
i
Var 1 Var i 1
n 2
n
Var 1
2
(n 2)
lmite
n ( n 2) 2
Lim
de
1/ n
Lim Var (1 ) 0
2
n (1 2 / n)
n
Lim
.
Por lo tanto, el estimador es consistente
Pruebas de Hiptesis
1. Se sabe que la vida en horas de una bombilla de 75 watts tiene una distribucin
12 horas
. Una muestra
x 1 003 horas
aleatoria de 50 bombillas tiene una vida media de
. Una posible
afirmacin del comportamiento de las bombillas es que stas duren ms de
1 000 horas
.
Con base en esta informacin y considerando un nivel de significancia del 5 %, se
puede concluir que:
H 0 : 1000 horas
a. La hiptesis nula es
b. La hiptesis nula es
0.0392
H 0 : 1000 horas
H 0 : 1000 horas
c. La hiptesis nula es
0.0392
y se rechaza con un P-value de
0.0392
y se rechaza con un P-value de
H1 : 1000 horas
d. La hiptesis alternativa es
0.0864
H1 : 1000 horas
e. La hiptesis alternativa es
0.0864
Solucin
Se procede con la definicin de prueba de hiptesis para la media:
H 0 : 1000 horas
H1 : 1000 horas
Z 0 Z 0.05
Se sabe que se rechaza la hiptesis nula si
de la prueba es:
Z0
0.0392
.
. El estadstico
x 1003 1000
1.7677
/ n
12 / 50
de
P value
0.05 0.0392
; por lo tanto se
H 0 : 1000 horas
con un P-value
2. Se sabe que la vida en horas de una bombilla de 100 watts tiene una distribucin
13 horas
. Una muestra
x 1 004 horas
aleatoria de 40 bombillas tiene una vida media de
. Una posible
afirmacin del comportamiento de las bombillas es que stas duren ms de
1 000 horas
.
Con base en esta informacin y considerando un nivel de significancia del 5 %, se
puede concluir que:
H 0 : 1000 horas
a. La hiptesis nula es
b. La hiptesis nula es
0.0255
H 0 : 1000 horas
H 0 : 1000 horas
c. La hiptesis nula es
0.0393
y se rechaza con un P-value de
0.0255
y se acepta con un P-value de
H1 : 1000 horas
d. La hiptesis alternativa es
0.0514
H1 : 1000 horas
e. La hiptesis alternativa es
0.0514
Solucin
Se procede con la definicin de prueba de hiptesis para la media:
H 0 : 1000 horas
H1 : 1000 horas
Z 0 Z 0.05
Se sabe que se rechaza la hiptesis nula si
de la prueba es:
Z0
. El estadstico
x 1004 1000
1.950
/ n
13 / 40
0.0255
P value
0.05 0.0255
; por lo tanto se
H 0 : 1000 horas
con un P-value
1 2 3 cm / s
la velocidad de combustin
n1 10
n2 10
x1 18 cm / s
de la velocidad de combustin son
x2 24 cm / s
y de
Solucin
Se procede con la definicin de la prueba de hiptesis para la diferencia de medias:
H 0 : 1 2 0
H1 : 1 2 0
Z 0 Z / 2
Se sabe que se rechaza la hiptesis nula si se cumple que
Z 0 Z1 / 2
Z0
18 24
4.47
9 / 10 9 / 10
4.47 Z 0.025 1.96
Observe que
2 959 ft / s
38.68 ft / s
la velocidad de un proyectil es de
y
, respectivamente. El
fabricante de los proyectiles afirma que la nueva frmula imprime una velocidad media
3 000 ft / s
mayor a
H 0 : 3 000 ft / s
H1 : 3000 ft / s
t 0 t1
Se sabe que se rechaza la hiptesis nula si
El estadstico de prueba es:
t0
x 2959 3000
2.998
s/ n
38.68 / 8
2.998 t 0.975 2.365
Observe que
1 2 5 cm / s
la velocidad de combustin
n1 10
n2 10
x1 18 cm / s
de la velocidad de combustin son
x2 24 cm / s
y de
Solucin
Se procede con la definicin de la prueba de hiptesis para la diferencia de medias:
H 0 : 1 2 0
H1 : 1 2 0
Z 0 Z / 2
Se sabe que se rechaza la hiptesis nula si se cumple que
P value
Z 0 Z1 / 2
Z0
18 24
2.6832
25 / 10 25 / 10
2.6832 1.96
0.05 2(0.003681) 0.05 0.00736
2 959 ft / s
38.68 ft / s
la velocidad de un proyectil es de
y
, respectivamente. El
fabricante de los proyectiles afirma que la nueva frmula imprime una velocidad media
3 000 ft / s
mayor a
Solucin
Se procede con la definicin de prueba de hiptesis:
H 0 : 3 000 ft / s
H1 : 3000 ft / s
t 0 t1
Se sabe que se rechaza la hiptesis nula si
El estadstico de prueba es:
t0
x
s/ n
2959 3000
74.6286 / 8
1.895
Regresin
1. Un estudio para la valoracin de la capacidad de sistemas de humedecimiento de
suelos mediante flujo subsuperficial para eliminar la Demanda Bioqumica de Oxgeno
(DBO) y varios otros constituyentes qumicos, arrojan los siguiente resultados:
X
10
11
13
16
27
30
35
37
38
44
10
11
16
26
21
31
30
10
3
75
142
90
Sea X: la carga masiva de DBO, y sea Y: la eliminacin masiva de DBO. Con los resultados se
construye la siguiente regresin lineal:
y 0 1 x
Utilizando el programa SPSS, se obtiene la siguiente informacin parcial de significancia global:
Suma de
Cuadrados
8510,896
391,961
8902,857
Modelo
Regresin
Residual
Total
gl
1
12
13
Media Cuadrtica
8510,896
32.663
F
260.564
Completando los datos de la tabla de significancia global y considerando una significancia del 5
%, se puede concluir que:
a. El estimador de la variable que describe la carga masiva de DBO es significativa para el
modelo de regresin.
b. El estimador de la variable que describe la eliminacin masiva de DBO es significativa para
el modelo de regresin.
c. Los estimadores de las variables son significativos para el modelo de regresin.
d. El estimador de la variable que describe la eliminacin masiva de DBO no es significativo
para el modelo de regresin.
e. El estimador de la variable que describe la carga masiva de DBO no es significativo para el
modelo de regresin.
2. Un estudio para la valoracin de la capacidad de sistemas de humedecimiento de
suelos mediante flujo subsuperficial para eliminar la Demanda Bioqumica de Oxgeno
(DBO) y varios otros constituyentes qumicos, arrojan los siguiente resultados:
X
10
11
13
16
27
30
35
37
38
44
10
11
16
26
21
31
30
10
3
75
142
90
Sea X: la carga masiva de DBO, y sea Y: la eliminacin masiva de DBO. Con los
resultados se construye la siguiente regresin lineal:
y 0 1 x
Utilizando el programa SPSS, se obtiene la siguiente informacin parcial de
significancia individual:
Modelo
Coeficientes no estandarizados
Coeficientes
(Constante
)
cargaDBO
Error tp
0,626
0,652
2,135
0,04
estandarizados
Beta
0.29
3
16.3
0,978
1 0
regresin propuesto.
1 0
regresin propuesto.
1 0
regresin propuesto.
1 0
regresin propuesto.
3. Los precios promedios de venta de casas nuevas para una sola familia durante un
periodo de ocho aos se presentan en la siguiente tabla:
Ao
1972
1973
1974
1975
1976
1977
y 0 1 x
Se desea ajustar los datos al siguiente modelo de regresin lineal
donde
representa el precio promedio de venta; para esto, se utiliz el programa
SPSS de donde se obtiene la siguiente informacin parcial de significancia individual:
Modelo
(Constante)
Ao
Coeficientes no estandarizados
B
Error tp
23,674
0,555
4,12
0,142
Coeficientes
estandarizados
Beta
0,998
t
42.656
29.014
0 0
regresin propuesto.
0 0
regresin propuesto.
0 0
regresin propuesto.
0 0
regresin propuesto.
4. Los precios promedios de venta de casas nuevas para una sola familia durante un
periodo de ocho aos se presentan en la siguiente tabla:
Ao
1972
1973
1974
1975
1976
1977
y 0 1 x
Se desea ajustar los datos al siguiente modelo de regresin lineal
donde
representa el precio promedio de venta; para esto, se utiliz el programa
SPSS de donde se obtiene la siguiente informacin parcial de la tabla de significancia
global:
Modelo
Regresin
Residual
Total
Suma de
Cuadrados
297.052
1.421
298.473
gl
1
4
5
Media Cuadrtica
297.052
0.355
F
835.981
Coeficientes no
estandarizados
Modelo
(Constante)
TV hours/week
B
-12,795
,695
Coeficientes
estandarizado
s
Error tp.
2,819
,034
Beta
t
---
,837
Sig.
,000
,000
t c=
0,695
=20,441
0,034
Modelo
Coeficientes no
estandarizados
Coeficientes
estandarizado
s
Sig.
(Constante)
Cilindrada en cc
B
4,802
,001
Error tp.
1,591
,001
,006
Beta
,698
3,017
2,346
,008
,032
,003
,525
2,015
,061
-,022
,016
a Variable dependiente: Consumo (1/100Km)
-,320
-1,392
,183
Modelo
1
Regresin
Residual
Suma de
cuadrados
226,240
40,560
gl
3
16
Media
cuadrtica
---
F
---
Sig.
,000a
Total
266,800
19
a Variables predictoras: (Constante), Potencia (CV), Peso total (kg), Cilindrada en cc
b Variable dependiente: Consumo (1/100Km)
^ 1
es igual a 226,24
c. Cada una de las variables que estn en el modelo son significativas, puesto que la
significancia de la estadstica F es igual a 0,000 < 0.05.
d. La estadstica F tiene 1 grado de libertad en el numerador y 19 grados de libertad en el
denominador.
e. La estadstica F calculada es igual a 29,748
SCR 226,240
k 1
3
75,413
FC =
=
=
=29,748
SCE
40,560
2,535
nk
16
ANOVA b
Modelo
1
Regresin
Residual
Suma de
cuadrados
36342,410
15494,430
gl
1
179
Media
cuadrtica
---
Total
51836,840
180
a Variables predictoras: (Constante), TV hours/week
b Variable dependiente: Age
SCR 36342,410
k 1
1
36342,410
FC =
=
=
=419,847
SCE 15494,430
86,561
nk
179
F
--
Sig.
,000 a