1.

Un ingeniero de control de calidad toma una muestra de 10 productos que salen de una
línea de ensamblaje y él desea verificar sobre la base de los datos que siguen, los números
de productos con defectos observados en 200 días, si es cierto que el 5% de todos los
productos tienen defecto.

Número de productos con defecto Número de muestras

0 138

1 53

2 ó más 9

Determinar la distribución de probabilidad con una significancia α=5 %

Solución:

Productos con Oi P(x) Ei (Oi-Ei)2/Ei

defecto
0 138 0.599 119.8 2.76
1 53 0.315 63.0 1.59
≥2 9 0.086 17.2 3.91
Total 200 1.0 200 8.26

f (0)   0.05
10
0
0
(1  0.05)10  0 = 0.599

f (1)   0.05
10
1
1
(1  0.05)10 1 = 0.315

y la probabilidad de 2 ó más = 1.0 - 0.599 - 0.315 =0.086

= 8.26

. , = 5.991

< . , → ó
2. Los siguientes datos son el número de aviones que aterrizan en un aeropuerto por día:

11 4 10 13 13 10 11 14 12 13
10 12 7 12 13 11 9 14 11 9
10 17 5 14 16 8 9 14 6 15
17 7 15 12 10 13 21 15 13 15
9 11 17 12 7 10 18 20 12 15

Determinar la distribución de probabilidad con un nivel de confianza de 95 porciento.

Solución:

n=50

entonces m=7 intervalos

calculamos la media muestral = 12.04

por lo tanto nos planteamos la hipótesis de que los datos tienen una distribución Poisson con
λ=12 aviones/día.

Intervalo Oi p(x) Ei (Ei-Oi)^2/Ei

0-4 1 0.0076 0.38
5-8 6 0.1474 7.37
9-12 21 0.4209 21.045
13-16 16 0.3227 16.135
17-20 5 0.0897 4.485
21-24 1 0.0109 0.545
25-∞ 0 0.0008 0.04
Total 50 1 50

Calculamos las probabilidades para cada intervalo:

12
( )= =
! !

12 12 12 12 12
( = 0,1,2,3,4) = + + + + = 0.0076
0! 1! 2! 3! 4!

12 12 12 12
( = 5,6,7,8) = + + + = 0.1474
5! 6! 7! 8!

12 12 12 12
( = 9,10,11,12) = + + + = 0.4209
9! 10! 11! 12!

Agrupamos frecuencias esperadas:

 Intervalo Oi Ei (Ei-Oi)^2/Ei
0-8 7 7.75 0.07258
9-12 21 21.045 0.00010
13-16 16 16.135 0.00113
17-∞ 6 5.07 0.17059
Total 50 50 0.2444

, = . , = 5.991

< . , → ó
3. En un proceso de llegada de entidades a un sistema, se han registrado los intervalos de
tiempo entre llegadas durante un periodo de 100 minutos. Las observaciones registradas
han sido las siguientes (ordenadas en el orden en que se han recogido).

0.44 0.53 2.04 2.74 2.00 0.30 2.54 0.52 2.02 1.89 1.53 0.21
2.80 0.04 1.35 8.32 2.34 1.95 0.10 1.42 0.46 0.07 1.09 0.76
5.55 3.93 1.07 2.26 2.88 0.67 1.12 0.26 4.57 5.37 0.12 3.19
1.63 1.46 1.08 2.06 0.85 0.83 2.44 2.11 3.15 2.90 6.58 0.64

Contraste la hipótesis de que los intervalos entre llegadas están distribuidos

exponencialmente, empleando para ello la prueba de Kolmogorov-Smirnov con una
significancia α de 5 por ciento.

Solución:

n= 48

 m =7 intervalos

Intervalo Oi POi POAi PEAi |POAi – PEAi|

0-1.3 20 0.42 0.42 0,484696896 0.06803
1.3-2.6 16 0.33 0.75 0,734462711 0.01554
2.6-3.9 6 0.13 0.88 0,863167811 0.01183
3.9-5.2 2 0.04 0.92 0,929489948 0.01282
5.2-6.5 2 0.04 0.96 0,963665951 0.00533
6.5-7.8 1 0.02 0.98 0,981276952 0.00211
7.8-∞ 1 0.02 1.00 1.0 0.00000
Total 48 1.00
c = máx|POAi-PEAi| = 0.06803

buscamos en tablas : D0.05,48 = 0.19221

Cómo c < D0.05,48 entonces la variable aleatoria se comporta de acuerdo a una distribución
exponencial con 1/λ=1.96.
Calculando las PEAi

f ( x )  e  x para x  0

Función de probabilidad acumulada distribución exponencial:

x
F ( x)   e t dt  1  e x
0

Con la media muestral 1.96  1/λ=1.96λ=0.51

. ( . )
. =1− = 0.4846969
. ( . )
. =1− = 0.73446271
. ( . )
. =1− = 0.86316781

4. Se ha observado que una variable aleatoria discreta puede tomar los valores 0, 1 y 2, con
probabilidad 0.50, 0.20 y 0.30 respectivamente. Aplicando el método de la transformada
inversa genere cinco observaciones de esa distribución empírica discreta.

Solución:

Probabilidades acumuladas:

x p(x) P(x)
0 0.5 0.5
1 0.2 0.7
2 0.3 1.0
Entonces la regla para generar esta variable aleatoria estaría dada por:

0 ≤ 0.5
= 1 0.5 ≤ ≤ 0.8
2 0.8 ≤ ≤ 1.0

Generando las cinco observaciones para esta distribución empírica:

i ri Observación
1 0.723 1
2 0.304 0
3 0.707 1
4 0.482 0
5 0.664 1
 5. Un agricultor atiende una porción de tierra. Todos los años al inicio de la estación de
cultivo realiza pruebas químicas para revisar la condición de la parcela. Dependiendo de
los resultados de las pruebas puede clasificar la productividad del terreno como
“buena”(1), “regular”(2) o “mala”(3). La experiencia anterior indica que la productividad
del año en curso puede suponerse dependiente solo de la condición del terreno del año
anterior. Por tanto, el agricultor, puede representar las probabilidades de transición en un
periodo de un año de un estado de productividad a otro en términos de la siguiente
matriz:

Estado del sistema el año próximo

Estado del 1 2 3
sistema este año 1 0.30 0.60 0.10
2 0.10 0.60 0.30
3 0.05 0.40 0.55

Cuál sería el estado final del terreno dentro de 7 años partiendo de un estado “buena” (1).

Solución:

Año Estado Probabilidad de transición Acumulada ri Estado

Inicial 1 2 3 final
1 1 0.3 0.9 1.0 0.80314 2
2 2 0.1 0.7 1.0 0.14790 2
3 2 0.1 0.7 1.0 0.42915 2
4 2 0.1 0.7 1.0 0.49127 2
5 2 0.1 0.7 1.0 0.50658 2
6 2 0.1 0.7 1.0 0.93742 3
7 3 0.05 0.45 1.0 0.02064 1

El estado final del terreno dentro de siete año es 1 “buena”.