Métodos Estadı́sticos de la Ingenierı́a

Escuela Técnica Superior de Ingenieros Industriales. UNED

Curso 2006-2007. 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. Demuestre que, dado un espacio probabilı́stico (E, A, P ) y los sucesos A, B ∈ A, se verifica que si
A ⊂ B, entonces P (A) ≤ P (B). (Capı́tulo 2. 6.2.6).

2. Una bolsa contiene cuatro monedas, cada una de ellas con distinta probabilidad de cruz (F ). La
probabilidad de obtener cruz en cada moneda es P1 (F ) = 0, P2 (F ) = 1/2, P3 (F ) = 1/3 y P4 (F ) = 1.
Se selecciona una moneda al azar de la bolsa, (i) calcule la probabilidad de obtener cruz al lanzarla
y (ii) si se sabe que en el lanzamiento ha salido cruz, ¿cuál es la probabilidad de que la moneda
seleccionada haya sido la i = 1, 2, 3, 4?.

3. Dada una variable aleatoria bidimensional, demuestre las siguientes relaciones entre sus momentos:
2 .
(i) µ20 = α20 − α10
(ii) µ11 = α11 − α10 α01 .
(Capı́tulo 4. 6.3).

4. Obtenga la distribución del mı́nimo valor muestral. (Capı́tulo 10. 8).

5. Una muestra aleatoria de 16 cigarrillos de una cierta marca tiene un contenido medio de nicotina
de 1.6 mg. y una desviación tı́pica de 0.7 mg. Obtenga un intervalo de confianza al 0.99 del contenido
medio de nicotina por cigarrillo en esa marca, suponiendo que se puede aceptar que la variable sigue
una distribución normal.

• 2a Parte. Problemas
6. La variable X representa el tiempo de vida de un sistema y la variable Y el tiempo de reparación
del sistema cuando ha tenido una averı́a. Si llamamos coeficiente de vida al cociente entre el tiempo
de vida y el tiempo de vida más reparación, obtenga la ley de distribución del coeficiente de vida,
sabiendo que X e Y son variables aleatorias independientes igualmente distribuidas con función de
densidad:
f (x) = e−x si x ≥ 0; f (x) = 0 en otro caso.

7. En la tabla siguiente se indican los datos de recuento del número de plantas de cierta especie
encontradas en 48 parcelas de muestreo.

Número de plantas 0 1 2 3 ≥4 Total

Frecuencia observada 9 9 10 14 6 48

El investigador que ha tomado la muestra ha calculado el valor medio, que resultó 2.0, y afirma que
los datos se ajustan a una distribución de Poisson de parámetro λ = 2.0. ¿Se puede aceptar esta
afirmación al nivel 0.05?. (Nota: trabaje con tres decimales despreciando el resto).
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2006-2007. Primera Semana.
• 1a Parte. Cuestiones y Ejercicios
1. Capı́tulo 2. 6.2.6.

2. Sea Mi (i = 1, 2, 3, 4) el suceso la moneda seleccionada ha sido la i.

(i) Por el teorema de la probabilidad total, se tiene que:
P (F ) = 4i=1 P (Mi )P (F/Mi ) = 1/4 × 0 + 1/4 × 1/2 + 1/4 × 1/3 + 1/4 × 1 = 11/24
P

(ii) Por el teorema de Bayes resulta:

P (Mi )P (F/Mi )
P (Mi /F ) = P4
i=1 P (Mi )P (F/Mi )

donde el denominador es la P (F ) = 11/24 obtenida en el apartado anterior, luego:

1/4 × 0 1/4 × 1/2 3

P (M1 /F ) = = 0, P (M2 /F ) = = ,
11/24 11/24 11

1/4 × 1/3 2 1/4 × 1 6

P (M3 /F ) = = , P (M4 /F ) = = .
11/24 11 11/24 11

3. Capı́tulo 4. 6.3.

4. Capı́tulo 10. 8.

5. Para una t de Student con n − 1 = 15 grados de libertad y α = 0.01 se tiene que tα/2 = 2.95, con
lo que resulta el intervalo de confianza:
   
s s 0.7 0.7
x̄ − tα/2 √ ; x̄ + tα/2 √ = 1.6 − 2.95 √ ; 1.6 + 2.95 √ = [1.07; 2.13].
n−1 n−1 15 15

• 2a Parte. Problemas
6. Como X e Y son independientes, la función de densidad conjunta viene dada por:

f (x, y) = e−(x+y) si x ≥ 0, y ≥ 0; f (x, y) = 0 en otro caso.

X
El coeficiente de vida es una variable aleatoria definida por V = X+Y . Consideremos el cambio de
variable
x
u = y, v = .
x+y
uv
Es claro que y = u y x = 1−v con u ≥ 0 y 0 ≤ v ≤ 1,
 
 ∂x ∂x 
  v u  u

∂u ∂v   1−v (1−v)2
dxdy =  ∂y  dudv =   dudv = dudv

∂y
∂u ∂v
 1 0  (1 − v)2

donde el Jacobiano de la transformación se toma en valor absoluto, luego:

    
u uv u u
f (u, v) = exp − +u = exp −
(1 − v)2 1−v (1 − v)2 1−v

y la densidad marginal de v es la solución.

   
u u 1 u
Z ∞ Z ∞
f2 (v) = exp − du = u exp − du,
0 (1 − v)2 1−v (1 − v)2 0 1−v
e integrando por partes se obtiene f2 (v) = 1 si 0 ≤ v ≤ 1, es decir la distribución del coeficiente de
vida es uniforme en el intervalo [0, 1].

7. Se utiliza el contraste de bondad de ajuste de Pearson. Las frecuencias esperadas bajo la hipótesis
nula y el valor de la χ2o son:

e−2.0 (2.0)0
e0 = 48 × = 48 × 0.1353 = 6.494, e1 = 48 × 0.2707 = 12.993,
0!
e2 = 48 × 0.2707 = 12.993, e3 = 48 × 0.1804 = 8.659, e4 = 48 × 0.1429 = 6.859,

(9 − 6.494)2 (9 − 12.993)2 (10 − 12.993)2 (14 − 8.659)2 (6 − 6.859)2

χ2o = + + + + = 6.284
6.494 12.993 12.993 8.659 6.859
Para una χ2 de Pearson con 5 − 1 − 1 = 3 grados de libertad y α = 0.05, resulta χ2t = 7.81.
Como χ2o = 6.284 < 7.81 = χ2t , se acepta la hipótesis.
 Métodos Estadı́sticos de la Ingenierı́a
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2006-2007. 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. Un sistema eléctrico consta de dos bloques en paralelo, de forma que si falla uno de los bloques
falla el sistema. La probabilidad de que funcione correctamente el primer (resp. segundo) bloque
durante un intervalo de tiempo fijo t es p (resp. q). Si se ha comprobado que, durante un tiempo t,
el sistema ha fallado, ¿cuál es la probabilidad de que el fallo sea debido a un fallo del primer bloque
y no del segundo?

2. Dada la variable aleatoria continua X con función de densidad f y esperanza matemática µ,

2 = E[X 2 ] − µ2 . (Capı́tulo 4. 3.2.).
demuestre que σX

3. Defina la distribución de Bernoulli y obtenga su función generatriz, su esperanza matemática y su

varianza. (Capı́tulo 6. 2).

4. Obtenga la esperanza de la varianza en el muestreo. (Capı́tulo 10. 4.1).

5. Se sabe que un cierto medicamento es efectivo en el alivio de cierta dolencia en el 60% de los
casos. Los resultados experimentales sobre un nuevo medicamento administrado a una muestra de
144 personas que sufrı́an esa dolencia confirman 100 casos con alivio. Se puede concluir, al nivel 0.05,
que el nuevo medicamento es más efectivo que el antiguo.

• 2a Parte. Problemas
6. Dada la variable aleatoria bidimensional (X, Y ) con densidad uniforme en el triángulo de vértices
(0, 0), (1, 0) y (1, 1), obtenga:
i) La función de densidad conjunta de (X, Y ).
ii) Las funciones de densidad marginales.
iii) La función de densidad de Y condicionada por X = 1/2.
iv) E[X] y E[Y ].
v) ¿Son independientes X e Y ?

7. Ajuste a los datos siguientes una distribución normal y estudie si el ajuste es aceptable al nivel
0.05.

Clases Frecuencias
60-70 5
70-80 18
80-90 42
90-100 27
100-110 8
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2006-2007. Prueba Extraordinaria. Original.
• 1a Parte. Cuestiones y Ejercicios
1. Sean los sucesos:
A: el sistema ha fallado en el tiempo t.
B1 : en el tiempo t ha fallado el primer bloque pero no el segundo.
B2 : en el tiempo t ha fallado el segundo bloque pero no el primero.
B3 : en el tiempo t han fallado los dos bloques.
Se tiene que: P (B1 ) = (1 − p)q, P (B2 ) = p(1 − q), P (B3 ) = (1 − p)(1 − q).
Además, al estar el sistema montado en paralelo, sabemos que: P (A/B1 ) = P (A/B2 ) = P (A/B3 ) = 1.
Por el teorema de Bayes resulta:

P (B1 )P (A/B1 )
P (B1 /A) = =
P (B1 )P (A/B1 ) + P (B2 )P (A/B2 ) + P (B3 )P (A/B3 )
(1 − p)q (1 − p)q
= = .
(1 − p)q + p(1 − q) + (1 − p)(1 − q) 1 − pq

2. Capı́tulo 4. 3.2.

3. Capı́tulo 6. 2.

4. Capı́tulo 10. 4.1.

5. Es claro que se trata de un contraste de proporciones unilateral, es decir:

H0 : p = 0.6; H1 : p > 0.6.

Como la muestra es grande, se puede utilizar la aproximación normal. Para α = 0.05, λα = 1.65 y
x − np 100 − 144 × 0.6
√ =√ = 2.31,
npq 144 × 0.6 × 0.4

luego se rechaza H0 , al ser 2.31 > 1.65, y se concluye que el nuevo medicamento es más efectivo que
el segundo.

• 2a Parte. Problemas
6.
i) La función de densidad es f (x, y) = 2 en el interior del triángulo y cero en el resto, ya que el área
del triángulo es 1/2.
ii) Dado 0 < x < 1, se tiene:
Z x
f1 (x) = 2 dy = 2x y f1 (x) = 0 si x ∈
/ (0, 1).
0

Dado 0 < y < 1, se tiene:

Z 1
f2 (y) = 2 dx = 2 − 2y y f2 (y) = 0 si y ∈
/ (0, 1).
y
iii) Para x = 1/2, y varı́a en el intervalo (0, 1/2). Dado y ∈ (0, 1/2)

f (1/2, y)
f (y/x = 1/2) = = 2 y f (y/x = 1/2) = 0 si y ∈
/ (0, 1/2),
f1 (1/2)

que es la distribución uniforme en el intervalo (0, 1/2).

R1 R1
iv) E[X] = 0 2x2 dx = 2/3; E[Y ] = 0 y(2 − 2y) dy = 1/3.
v) Consideremos, por ejemplo, el punto (x, y) = (1/4, 3/4). Se tiene que f (1/4, 3/4) = 0 mientras que
f1 (1/4) 6= 0 y f2 (3/4) 6= 0, luego f (x, y) 6= f1 (x)f2 (y) y las variables no son independientes.

7. Los cálculos necesarios se agrupan en la tabla siguiente.

Clases xi oi oi xi oi x2i ei (oi − ei )2 (oi − ei )2 /ei

60-70 65 5 325 21125 4.14 0.74 0.18
70-80 75 18 1350 101250 20.68 7.18 0.35
80-90 85 42 3570 303405 38.92 9.49 0.24
90-100 95 27 2565 243675 27.71 0.50 0.02
100-110 105 8 840 88200 7.45 0.30 0.40
100 8650 757700 0.83

p √
x̄ = 86.5, s = α2 − x̄2 = 7577 − 7482.25 = 9.7.

Luego se ajusta una normal N (86.5; 9.7). Tipificando los lı́mites de clase:

60 − 86.5 70 − 86.5 80 − 86.5

= −2.73; = −1.70; = −0.67
9.7 9.7 9.7

90 − 86.5 100 − 86.5 110 − 86.5

= 0.36; = 1.39; = 2.42,
9.7 9.7 9.7
las tablas de la N (0, 1) nos permiten obtener las probabilidades Pi de cada clase P1 = 0.0414, P2 =
0.2068, P3 = 0.3892, P4 = 0.2771 y P5 = 0.0745 y las frecuencias esperadas para cada clase como
ei = 100Pi (sexta columna de la tabla).
Para una χ2 con 5 − 2 − 1 = 2 grados de libertad y α = 0.05, resulta χ2t = 5.991.
Como χ2o = 0.83 < 5.991 = χ2t , se acepta el ajuste.
 Métodos Estadı́sticos de la Ingenierı́a
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2006-2007. 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. Enuncie y demuestre el Teorema de la Probabilidad Total. (Capı́tulo 2. 11.1).

2. En una bolsa hay a bolas blancas y b bolas negras, y en otra bolsa hay c blancas y d negras. Se
extrae al azar una bola de cada bolsa. Calcule la probabilidad de que las bolas extraı́das sean de
distinto color.

3. Obtenga la función generatriz de momentos de la distribución geométrica y, a partir de ella, la

esperanza matemática y la varianza. (Capı́tulo 6. 5).

4. La longitud media de los ejes fabricados por una empresa es 7.05 mm. con desviación tı́pica 0.15
mm. Una muestra de tamaño 36, seleccionada como control del proceso de fabricación, dio una media
de 6.95 mm. ¿Cabe esperar, a partir de este dato, que hay algún fallo en el proceso de fabricación?
(Utilize el nivel α = 0.05).

5. Describa y comente el modelo exponencial en fiabilidad. (Capı́tulo 20. 5.1).

• 2a Parte. Problemas
6. La variable aleatoria bidimensional continua (X, Y ) sigue la distribución de probabilidad descrita
por la función de densidad:
k
f (x, y) = , si (x, y) ∈ R2 , k > 0.
x2 + y 2 + x2 y 2 + 1

a) Calcule k.
b) Obtenga las funciones de densidad marginales.
c) Calcule P (D), siendo D = {(x, y) ∈ R2 : −1 ≤ x ≤ 1, −1 ≤ y ≤ 1}
d) Estudie la dependencia de X e Y y el coeficiente de correlación lineal.

7. Obtenga el estimador de máxima verosimilitud del parámetro µ de una distribución normal N (µ, 1)
para muestras aleatorias de tamaño n.
• Soluciones. Métodos Estadı́sticos de la Ingenierı́a.
Escuela Técnica Superior de Ingenieros Industriales. UNED
Curso 2006-2007. Segunda Semana.
• 1a Parte. Cuestiones y Ejercicios
1. Capı́tulo 2. 11.1.

2. El suceso contrario es que sean de distinto color. El número posible de extracciones es (a+b)(c+d).
El número de formas de obtener dos blancas es ac y el numero de formas posibles de extraer dos negras
es bd, luego el número de casos favorables es ac + bd y la probabilidad pedida es:
ac + bd ad + bc
1− = .
(a + b)(c + d) (a + b)(c + d)

3. Capı́tulo 6. 5.

4. H0 : µ = 7.05; µ 6= 7.05.
Al nivel α = 0.05, como se trata de un contraste bilateral, resulta que λα/2 = 1.96.

x̄ − µ 6.95 − 7.05
√ = √ = −4.
σ/ n 0.15/ 36

Como −4 ∈ / [−1.96, 1.96], se rechaza H0 al nivel 0.05 y se debe concluir que hay algún fallo en el
proceso de fabricación.

5. Capı́tulo 20. 5.1.

• 2a Parte. Problemas
6. a)
k k
Z Z Z ∞ Z ∞ Z ∞ Z ∞
f (x, y)dxdy = dxdy = dxdy =
R2 −∞ −∞ x2 + y 2 + x2 y 2 + 1 −∞ −∞ (x2 + 1)(y 2 + 1)

1 1
Z ∞ Z ∞
2 2
=k dx dy = k[arctan x]∞
−∞ [arctan y]−∞ = kπ ; k = 1/π .
∞
−∞ x2 + 1 −∞ y2 + 1

b)
1 1 1 1 1
Z ∞ Z ∞
f1 (x) = 2 dy = 2 2 dy = .
π −∞ (x2 + 1)(y 2 + 1) π (x + 1) −∞ y2 + 1 π(x2 + 1)
1
Análogamente f2 (y) = π(y 2 +1)
.
c)
1 1
1 1 1 1
Z Z
P (D) = 2 dxdy = 2 [arctan x]1−1 [arctan y]1−1 = .
π −1 −1 (x2 2
+ 1)(y + 1) π 4

d) Es claro que f (x, y) = f1 (x)f2 (y), luego las variables son independientes y, como consecuencia, el
coeficiente de correlación lineal es cero.

7. Dada una muestra (x1 , . . . , xn ), la función de verosimilitud es:

n
     n/2 " #
1 1 2 1 1 2 1 1X 2
L(x1 , . . . , xn ; µ) = √ exp − (x1 − µ) . . . √ exp − (xn − µ) = exp − (xi − µ) ,
2π 2 2π 2 2π 2
i=1

de donde
n
n 1 1X
ln L = ln − (xi − µ)2 ,
2 2π 2
i=1
con lo que se tiene
n n n n
∂ ln L X X X X
= (xi − µ); xi = µ; xi = nµ,
∂µ
i=1 i=1 i=1 i=1

y el estimador de máxima verosimilitud de µ es la media muestral

n
1X
µ̂ = xi
n
i=1

ya que es claro que la derivada segunda de L es negativa.