Métodos Estadı́sticos de la Ingenierı́a

Escuela Técnica Superior de Ingenieros Industriales. UNED

Curso 2004-2005. Segunda Semana. Tiempo: 2 horas

Instrucciones: Cada cuestión o ejercicio de la primera parte del examen (preguntas 1 a 5) tiene un
valor máximo de 1 punto y cada problema de la segunda parte del examen (preguntas 6 y 7) tiene un valor
máximo de 2,5 puntos. El único material permitido, para la realización del examen, es la guı́a didáctica de
la asignatura, sin ningún tipo de anotación o añadido (no está permitido el uso de fotocopias de esta guı́a)
y una calculadora no programable.

• 1a Parte. Cuestiones y Ejercicios

1. Una urna contiene 2 bolas blancas, 5 negras y 4 rojas y de ella se extraen tres bolas, una a
continuación de otra, sin reemplazamiento. La primera que se extrajo resultó roja, la segunda no se
miró y la tercera fue negra. Determine la probabilidad de que la segunda bola extraı́da haya sido
blanca.

2. Dada la función de distribución F de una variable aleatoria X, demuestre que

(i) Para todo a, b ∈ R, P (a < X ≤ b) = F (b) − F (a).
(ii) F es continua por la derecha en cada punto de R.
(Capı́tulo 3. 3.3).

3. Obtenga la esperanza matemática de la distribución de Poisson. (Capı́tulo 6. 8.3).

4. Construya razonadamente un intervalo de confianza de la varianza poblacional para una población

normal. (Capı́tulo 12. 3).

5. La variable aleatoria x tiene la siguiente función de densidad dependiente del parámetro a.

f (x; a) = a(1 − x)a−1 , si x ∈ [0, 1]; f (x; a) = 0, en otro caso.

Obtenga el estimador de máxima verosimilitud del parámetro a, a partir de una muestra aleatoria
simple de tamaño n.

• 2a Parte. Problemas
6. La longitud de una pieza es una variable aleatoria L con función de densidad
3
f (x) = (x − 1)(3 − x), si 1 < x < 3; f (x) = 0, en otro caso.
4
Una pieza elegida al azar se considera válida si 1.8 < L < 2.1.
a) ¿Cuál es la probabilidad de que una pieza sea válida?
b) Si se empaquetan las piezas en lotes de cinco y se acepta el lote si contiene menos de dos piezas
defectuosas. ¿Cuál es la probabilidad de que el lote sea rechazado?

7. Una máquina produce engranajes cuyo diámetro, debido a imperfecciones inherentes al fun-
cionamiento de la máquina, es una variable aleatoria con distribución N (µ; 0.03), de tal forma que µ
puede ser fijada a voluntad mediante un reglaje de la máquina. Para que un engranaje sea útil, su
diámetro debe estar comprendido entre 15.50 y 15.60 mm. Calcule:
a) el valor de µ que hace máxima la proporción de engranajes útiles y esa proporción máxima,
b) el tamaño n de la muestra de engranajes necesario para poder construir, a partir de la media
muestral, un intervalo de confianza de µ al 95 por ciento de amplitud menor que 0.02 mm.
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Curso 2004-2005. Segunda Semana.
• 1a Parte. Cuestiones y Ejercicios
1. Al ser la primera roja, el problema se puede reducir al siguiente. Una urna contiene 2 bolas blancas,
5 negras y 3 rojas, la primera no se miró y la segunda fue negra. Sean B, N y R sacar blanca, negra
o roja en primer lugar y C la segunda es negra. Se tiene que:
5 4 5 2 5 3
P (C/B) = , P (C/N ) = , P (C/R) = , P (B) = , P (N ) = , P (R) = .
9 9 9 10 10 10
Por el teorema de Bayes resulta:
2 5
P (B)P (C/B) 10 9 2
P (B/C) = = 2 5 5 4 3 5 = .
P (B)P (C/B) + P (N )P (C/N ) + P (R)P (C/R) 10 9 + 10 9 + 10 9
9

2. Capı́tulo 3. 3.3.

3. Capı́tulo 6. 8.3.

4. Capı́tulo 12. 3.
Qn
5. L(a; x1 , x2 , . . . , xn ) = a(1 − x1 )a−1 a(1 − x2 )a−1 . . . a(1 − xn )a−1 = an − xi )a−1 .

i=1 (1
n
X
log L = n log a + (a − 1) log(1 − xi ),
i=1

derivando respecto de a, resulta:

n
∂ log L n X n
= + log(1 − xi ) = 0; â = − Pn
∂a a i=1 log(1 − xi )
i=1

∂ 2 log L
y como ∂a2
= − an2 < 0, â es máximo.

• 2a Parte. Problemas
R 2.13
6. a) P (pieza válida) = P (1.8 < x < 2.1) = 1.8 4 (x − 1)(3 − x)dx = 0.2227.
b) Sea x=no de piezas no válidas de entre 5, x ∈ B(5; 0.7773).

P (rechazar el lote) = P (x = 2) + P (x = 3) + P (x = 4) + P (x = 5) = 1 − P (x = 0) − P (x = 1) =

= 1 − 50 0.22275 + 51 0.7773 · 0.22274 = 1 − 0.0005 − 0.0095 = 0.99.

7. a) Como la normal es simétrica respecto de la media con un único máximo en la media, es claro
que la máxima probabilidad se obtiene para µ = 15.55, punto medio entre 15.50 y 15.60 mm. En
consecuencia, para una N (15.55; 0.03), se tiene la proporción máxima dada por:
 
15.50 − 15.55 x − 15.55 15.60 − 15.55
P (15.50 ≤ x ≤ 15.60) = P ≤ ≤ =
0.03 0.03 0.03
 
x − 15.55
= P −1.66 ≤ ≤ 1.66 = 0.903.
0.03
√
b) Como x ∈ N (µ; 0.03), x̄ ∈ N (µ; 0.03/ n), con lo que el intervalo de confianza de µ es [x̄ −
λα/2 √σn , x̄ + λα/2 √σn ], de amplitud 2λα/2 √σn , con λα/2 = 1.96. Por lo tanto 2 · 1.96 · 0.03
√ < 0.02, luego
n
√
n > 5.88, n > 34.57, y la muestra ha de ser, al menos, de tamaño 35.
 Métodos Estadı́sticos de la Ingenierı́a
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2004-2005. Prueba Extraordinaria. Original. Tiempo: 2 horas

Instrucciones: Cada cuestión o ejercicio de la primera parte del examen (preguntas 1 a 5) tiene un
valor máximo de 1 punto y cada problema de la segunda parte del examen (preguntas 6 y 7) tiene un valor
máximo de 2,5 puntos. El único material permitido, para la realización del examen, es la guı́a didáctica de
la asignatura, sin ningún tipo de anotación o añadido (no está permitido el uso de fotocopias de esta guı́a)
y una calculadora no programable.

• 1a Parte. Cuestiones y Ejercicios

1. Enuncie y demuestre el Teorema de Markov. (Capı́tulo 4. 4.1).

2. En una calle hay un semáforo que está verde para los coches durante un minuto y rojo durante
15 segundos. Suponiendo que un automovilista llega al semáforo con igual probabilidad en cualquier
instante, calcule el tiempo medio de espera.

3. Las componentes de la variable aleatoria (X, Y ) representan la abscisa y la ordenada de un punto

aleatorio en el plano. Sabiendo que X e Y son independientes e igualmente distribuidas según una
N (0, 1), calcule la probabilidad de que la distancia de (X, Y ) al origen sea menor que 0.321.

4. Sabiendo que la función generatriz de momentos de la distribución gamma γ(p, a) viena dada por

−p
g(t) = 1 − at , obtenga la esperanza matemática y la varianza de esta distribución. (Capı́tulo 7.
3).

5. Calcule la esperanza matemática de la variabilidad no explicada (V N E) y de la variabilidad

explicada (V E) en el modelo de clasificación simple. (Capı́tulo 15. 3).

• 2a Parte. Problemas
6. La función de densidad de la variable aleatoria bidimensional (X, Y ) es:
x+y
f (x, y) = , si 0 ≤ x ≤ 3, 0 ≤ y ≤ 3; f (x, y) = 0, en otro caso.
27

a) ¿Son X e Y independientes?
b) Obtenga la esperanza matemática y la varianza de X e Y .
c) Sabiendo que X > 2, calcule la probabilidad de que Y < 2.

7. 3. En una hemeroteca, durante un dı́a, el número de referencias solicitadas por los usuarios se
ditribuyó como sigue:
no de referencias solicitadas 0, 1, 2, 3, 4, 5.
no de usuarios respectivamente 7, 12, 13, 11, 6, 1.
¿Se puede aceptar, al nivel 0.05, el modelo de Poisson?
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Curso 2004-2005. Prueba Extraordinaria. Original.
• 1a Parte. Cuestiones y Ejercicios
1. Capı́tulo 4. 4.1.

2. Si tomamos como origen de tiempos el momento en que el semáforo se pone en verde, el instante
en el que llega el automovilista es una variable aleatoria t que toma valores en el intervalo (0; 75) con
función de densidad f (t) = 1/75, si t ∈ [0; 75], y f (t) = 0, en otro caso. El tiempo de espera será de
cero segundos si t ∈ [0; 60], lo que ocurre con probabilidad
Z 60
1 60 4
dt = = .
0 75 75 5
Por otra parte, si llega en el intervalo [60; 75], lo que ocurre con probabilidad 1/5, su tiempo de espera
será Z 15
1
t dt = 7.5 seg.
0 75
En consecuencia, el tiempo medio de espera es, 45 · 0 + 15 · 7.5 = 1.5 seg.
p
3. Sea d = x2 + y 2 la variable aleatoria que da la distancia del punto aleatorio (x, y) al origen.
Como X e Y son independientes y N (0, 1), la variable d2 = x2 + y 2 sigue una χ2 de Pearson con 2
grados de libertad, luego: P (d < 0.321) = P (d2 < 0.3212 ) = P (χ22 < 0.103) = 1 − 0.95 = 0.05.

4. Capı́tulo 7. 3.

5. Capı́tulo 15. 3.

• 2a Parte. Problemas
6. a) Las distribuciones marginales son:
R3
f1 (x) = 0 x+y x 1
27 dy = 9 + 6 , si 0 ≤ x ≤ 3; f1 (x) = 0, en otro caso.
R3
f2 (y) = 0 x+y y 1
27 dx = 9 + 6 , si 0 ≤ y ≤ 3; f2 (y) = 0, en otro caso.
Como f (x, y) 6= f1 (x)f2 (y), X e Y no son independientes.
7 2
R3 R3
b) E(x) = 0 x x9 + 16 dx = 74 , σ 2 (x) = 0 x2 x9 + 61 dx − 11




4 = 16 .
Análogamente E(y) = 74 , σ 2 (x) = 11
16 .
3 2 x+y
P (2<x≤3,0≤y<2) 2 0 27 dydx 7
c) P (y < 2/x > 2) = P (2<x≤3) = 3 x = 12 = 0.5833.
( 1
2 9 + 6 dx)

7. Sea X= no de referencias solicitadas. x̄ = 0·7+1·12+···+5·1

50 = 100
50 = 2. H0 : X sigue una distribución
de Poisson de parámetro λ = 2. Las frecuencias esperadas bajo esta hipótesis son ei = 50 · P (X = i),
en donde las probabilidades se obtienen de la tabla de la distribución de Poisson de parámetro 2.

xi oi ei oi − ei (oi − ei )2 (oi − ei )2 /ei

0 7 6.765 0.235 0.055 0.008
1 12 13.535 -1.535 2.356 0.174
2 13 13.535 -0.535 0.286 0.021
3 11 9.02 1.980 3.920 0.434
4 6 4.51 1.490 2.220 0.492
5 1 1.805 -0.805 0.648 0.359
Total 50 1.488

Para una χ2 con 6 − 1 − 1 = 4 grados de libertad y α = 0.05, resulta χ2t = 9.48.

Como χ2o = 1.488 < 9.48 = χ2t , se acepta el modelo de Poisson.
 Métodos Estadı́sticos de la Ingenierı́a
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2004-2005. Prueba Extraordinaria. Reserva. Tiempo: 2 horas

Instrucciones: Cada cuestión o ejercicio de la primera parte del examen (preguntas 1 a 5) tiene un
valor máximo de 1 punto y cada problema de la segunda parte del examen (preguntas 6 y 7) tiene un valor
máximo de 2,5 puntos. El único material permitido, para la realización del examen, es la guı́a didáctica de
la asignatura, sin ningún tipo de anotación o añadido (no está permitido el uso de fotocopias de esta guı́a)
y una calculadora no programable.

• 1a Parte. Cuestiones y Ejercicios

1. Un establecimiento comercial dispone a la venta diariamente sólo dos artı́culos A y B de forma
que el 70 por ciento de unidades ofrecidas son del artı́culo A y el 30 por ciento del B. Suponiendo que
el comprador selecciona un artı́culo al azar y que un cierto dı́a se han vendido 2000 unidades, ¿cuál
es la probabilidad de que se hayan vendido ese dı́a más de 1350 unidades del artı́culo A?

2. Dada la variable aleatoria continua X con función de densidad f , demuestre que su función
caracterı́stica ϕ verifica que:
(i) ϕ(0) = 1.
(ii) |ϕ(t)| ≤ 1.
(iii) ϕ(t) = ϕ(−t).
(Capı́tulo 5. 2.3).

3. Enuncie y demuestre el Teorema Central del Lı́mite de Lévy-Lindenberg. (Capı́tulo 9. 5.1).

4. Suponiendo que X sigue una normal de media desconocida y varianza 64, construya un intervalo
de confianza al 95 por ciento de la media a partir de la siguiente muestra de tamaño n=9.

29, 30, 35, 36, 40, 42, 45, 47, 48.

5. Obtenga la fiabilidad y la tasa de fallo de un sistema que monta n componentes en serie. (Capı́tulo
20. 6.2).

• 2a Parte. Problemas
6. Sean X e Y variables aleatorias independientes e igualmente distribuidas con distribución expo-
nencial de parámetro a. Demuestre que las variables X + Y y X/Y son independientes.

7. Utilizando el contraste de Kolmogorov-Smirnov, contraste, al nivel α = 0.05, si la siguiente muestra

se puede suponer extraı́da de una población con distribución exponencial.

7, 11, 15, 9, 6, 1, 5, 11.

• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Curso 2004-2005. Prueba Extraordinaria. Reserva.
• 1a Parte. Cuestiones y Ejercicios
1. Sea X=no de unidades vendidas de A de entre 2000.
X ∈ B(2000; 0.7) y, por lo tanto, P (X > 1350) = 2000
P
i=1 P (X = i). Como n=2000 y np=1400, se
puede utilizar√la aproximación por
√ medio de una normal de media µ = np = 1400 y desviación tı́pica
√
σ = npq = 2000 · 0.7 · 0.3 = 420 = 20.5, luego
P (X > 1350) = 1 − P (X ≤ 1350) = 1 − P X−1400 ≤ 1350−1400


20.5 20.5 =
= 1 − P X−1400 ≤ −2.43 = 1 − (0.5 − 0.4925) = 0.9925, en donde X−1400


20.5 20.5 ∈ N (0, 1).
2. Capı́tulo 5. 2.3.
3. Capı́tulo 9. 5.1.
352
4. Se tiene que x̄ = 9 = 39.11, n = 9, α = 0.05, λα/2 = 1.96, y el intervalo de confianza:
   
σ σ 8 8
x̄ − λα/2 √ ; x̄ + λα/2 √ = 39.11 − 1.96 √ ; 39.11 + 1.96 √ = [33.88, 44.33].
n n 9 9

5. Capı́tulo 20. 6.2.

• 2a Parte. Problemas
6. Como X e Y son variables aleatorias independientes e igualmente distribuidas con distribución
exponencial de parámetro a, la función de densidad conjunta viene dada por:
f (x, y) = a2 e−a(x+y) , si 0 ≤ x, 0 ≤ y; f (x, y) = 0, en otro caso.
zt z
Consideremos la transformación: z = x + y, t = x/y, de donde, x = 1+t , y= 1+t . El Jacobiano de la
transformación es:
! "
 ∂x ∂x  t z
∂z ∂t 1+t (1+t)2 z
J = det ∂y ∂y = det 1 z =−
∂z ∂t 1+t − (1+t) 2 (1 + t)2
 
zt z z
y resulta h(z, t) = f |J| = a2 e−az (1+t)
1+t , 1+t 2 si 0 ≤ z, 0 ≤ t; f (x, y) = 0, en otro caso.

1
R ∞ 2 −az 2 −az , si 0 ≤ z; h (z) = 0, en otro caso.
Las funciones marginales son: h1 (z) = 0 a e z (1+t) 2 dt = a ze 1
1 1
R ∞ 2 −az
h2 (t) = 0 a e z (1+t) 2 dz = (1+t)2 , si 0 ≤ t; h2 (t) = 0, en otro caso.

Como h(z, t) = h1 (z)h2 (t), resulta que z y t son variables aleatorias independientes.
7. Al ser x̄ = 8.1, se establece la hipótesis de que la distribución es exponencial con función de densi-
dad: f (x) = 0.12e −x/8.1 , si x > 0; f (x) = 0, en otro caso. La función de distribución correspondiente
R ∞ −t/8.1
es F (x) = 0.12 0 e dt = 1 − e−x/8.1 .

x F0 (x) F (x) d0 (x) = |F0 (x) − F (x)|

1 0.125 0.116 0.009
5 0.250 0.460 0.210
6 0.375 0.523 0.148
7 0.500 0.578 0.078
9 0.625 0.670 0.045
11 0.875 0.742 0.133
15 1.000 0.843 0.157

d = max |F0 (x) − F (x)| = 0.210. Para n = 8 y α = 0.05, resulta d = 0.457. Como 0.210 < 0.457, se
acepta como bueno el ajuste por medio de la exponencial.
 Métodos Estadı́sticos de la Ingenierı́a
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2004-2005. Primera Semana. Tiempo: 2 horas

Instrucciones: Cada cuestión o ejercicio de la primera parte del examen (preguntas 1 a 5) tiene un
valor máximo de 1 punto y cada problema de la segunda parte del examen (preguntas 6 y 7) tiene un valor
máximo de 2,5 puntos. El único material permitido, para la realización del examen, es la guı́a didáctica de
la asignatura, sin ningún tipo de anotación o añadido (no está permitido el uso de fotocopias de esta guı́a)
y una calculadora no programable.

• 1a Parte. Cuestiones y Ejercicios

1. Enuncie y demuestre el Teorema de Bayes. (Capı́tulo 2. 11.2).

2. Obtenga la función generatriz de momentos de la distribución de Poisson. (Capı́tulo 6. 8.2).

3. Se observa una fuente radioactiva durante 5 intervalos de tiempo no solapados de 8 segundos de

duración cada uno. Las partı́culas son emitidas según una ley de Poisson de media 0.5 partı́culas por
segundo. Calcule la probabilidad de que en cada uno de los cinco intervalos de tiempo se cuenten 4 o
más partı́culas.

4. Construya razonadamente un intervalo de confianza de la media poblacional para una población

normal de varianza desconocida. (Capı́tulo 12. 2.2).

5. Dada una muestra aleatoria simple de tamaño 5 de una población N (µ, 1), se desea contrastar la
hipótesis nula H0 : µ = 5 frente a la hipótesis alternativa H1 : µ < 5 y se adopta como región crı́tica
x̄ ≤ 4.27. Determine la potencia del test para µ = 4.

• 2a Parte. Problemas
6. La variable aleatoria bidimensional (x, y) tiene densidad conjunta:

f (x, y) = c(x − y), si 0 < x < 2, −x < y < x; f (x, y) = 0, en otro caso.

Obtenga:
a) El valor de c para que f sea función de densidad.
b) Las funciones de densidad marginales.
c) El coeficiente de correlación lineal.

7. El número X de llamadas telefónicas recibidas, por minuto, en una centralita es una variable
aleatoria cuya distribución puede ser de Poisson. Se realizan 80 experiencias de un minuto y se
obtienen los resultados siguientes:
Número de llamadas 0, 1, 2, 3, 4, 5. Frecuencias respectivas 17, 31, 18, 8, 4, 2.
Calcule la media y utilice un contraste de bondad de ajuste para decidir, al nivel 0.05, si se puede
aceptar la hipótesis de que X sigue una distribución de Poisson.
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Curso 2004-2005. Primera Semana.
• 1a Parte. Cuestiones y Ejercicios
1. Capı́tulo 2. 11.2.

2. Capı́tulo 6. 8.2.

3. El número de partı́culas emitidas en 8 segundos sigue una ley de Poisson con λ = 8 × 0.5 = 4,
luego para un intervalo resulta:

P (4 o más) = 1 − P (3 o menos) = 1 − (0.0183 + 0.0733 + 0.1465 + 0.1954) = 0.5665 = p.

La probabilidad de que esto ocurra en cada uno de los cinco intervalos es p5 = (0.5665)5 = 0.0583.

4. Capı́tulo 12. 2.2.

5. Para µ = 4, la potencia es la P [H1 /µ = 4], es decir,

   
x̄ − 4 4.27 − 4 x̄ − 4
P [x̄ ≤ 4.27/µ = 4] = P √ ≤ √ =P √ ≤ 0.60 = 0.7258.
1/ 5 1/ 5 1/ 5

• 2a Parte. Problemas
R 2 hR x i
6. a) 0 −x c(x − y)dy dx = 1 ⇒ c = 3/16.
2 x
Rx 3 h i
b) f1 (x) = −x 16 (x − y)dy = 16 3
xy − y2 = 38 x2 si 0 < x < 2; f1 (x) = 0, en otro caso.
−x
R2 3 h 2
i
f2 (y) = y 16 (x − y)dx = 16 3
2 − 2y + y2 , si 0 < y < 2.
R2 3 h 2
i
f2 (y) = −y 16 (x − y)dx = 16 3
2 − 2y + 3y2 , si − 2 < y < 0; f2 (y) = 0, en otro caso.
R 2 hR x 3
i R2
c) α11 = 0 −x xy 16 (x − y)dy dx = − 45 ; α10 = 0 x 38 x2 dx = 32 ;
R0 3  2
 R2 3  2

α01 = −2 y 16 2 − 2y + 3y2 dy + 0 y 16 2 − 2y + y2 dy = − 12 ; µ11 = α11 − α10 α01 = − 20 1
;
R2 23 2
α20 = 0 x 8 x dx = 12 2 2
5 ; µ20 = σx = α20 − α10 = 5 − 4 = 20 ;
12 9 3

R0  2
 R2 3  2

α02 = −2 y 2 16 3
2 − 2y + 3y2 dy + 0 y 2 16 2 − 2y + y2 dy = 45 ;
4 1 11 cov(x,y) cov(x,y)
µ02 = σy2 = α02 − α02
2 =
5 − 4 = 20 ; r= σx σ y = √
µ20 µ02 = −1/20
q
3 11
= − √133 .
20 20

P
7. Como x̄ = nni xi = 1.46, se considera una distribución de Poisson de parámetro λ = 1.46. Las
x
frecuencias esperadas bajo esta hipótesis vienen dadas por ei = 80 1.46
x! e
−1.46 .

xi oi ei oi − ei (oi − ei )2 (oi − ei )2 /ei

0 17 18.4 -1.4 1.96 0.11
1 31 26.8 4.2 17.64 0.66
2 18 19.6 -1.6 2.56 0.13
3 8 9.5 -1.5 2.25 0.24
4 4 3.4 0.6 0.36 0.11
5 2 1 1 1 1
Total 80 2.25

Para una χ2 con 6 − 1 − 1 = 4 grados de libertad y α = 0.05, resulta χ2t = 9.48.

Como χ2o = 2.25 < 9.48 = χ2t , se acepta la hipótesis y se concluye que el modelo de Poisson describe
bien a la variable.