Grado en Ingeniera Informtica Convocatoria Ordinaria

[2 horas]
ESTADSTICA - 2013/14
Examen Final
Nombre: Grupo:
No est permitido el uso de cualquier documentacin, aparte del frmulario que hayas recibido
Usar 4 dgitos decimales en todos los clculos y resultados
Utiliza siempre = 0.05 salvo que se indique lo contrario. En algn problema podras necesitar
utilizar que, en una normal estndar, z
0.025
= 1.96; z
0.05
= 1.65; z
0.5
= 0.
Justica todas tus respuestas.
1. Las llegadas por hora a la caja de una cierta sucursal bancaria siguen un proceso de Poisson, y durante
cinco horas consecutivas el nmero de llegadas es respectivamente de 12, 11, 9, 10 y 11.
a) (+0.5) Calcula un estimador insesgado de la media del proceso (es decir referida a una hora).
Solucin
La media muestral es siempre un estimador insesgado de la media poblacional. Por tanto, en este
caso, la media de la muestra dada, que es 53/5 = 10.6 llegadas, es un ejemplo del estimador pedido.
b) (+0.5) Calcula un estimador insesgado de la varianza del proceso (es decir referida a una hora).
Solucin
La cuasivarianza muestral es siempre un estimador insesgado de la varianza poblacional. Para esta
muestra, dicha cuasivarianza vale 13/10 = 1.3 llegadas
2
. Teniendo en cuenta que sabemos que la
poblacin es de Poisson otro estimador insesgado sera el mismo de la medias es decir 10.6 llegadas.
c) (+0.5) Suponiendo que la tasa del proceso es 11 llegadas por hora, calcula la probabilidad de que
en una determinada hora lleguen exactamente 12 personas, si sabemos que en la primera media hora
de esa hora llegaron 4.
Solucin
La probabilidad pedida es la probabilidad de que en media hora lleguen 12 4 = 8 personas. Esta
es a su vez la probabilidad de que un variable de Poisson de media 11/2 = 5.5 tome el valor 8, que
es 0.0848.
d) (+0.5) Suponiendo de nuevo que la tasa del proceso es 11 llegadas por hora, y suponiendo que en
una determinada hora llegaron 12 personas, calcula la probabilidad de que en la primera media hora
de esa hora llegasen exactamente 4.
Solucin
Llamamos X
11
al proceso de llegadas en una hora (de media 11), X
1
5.5
al proceso de llegadas en
la primera media hora (de media 5.5) y X
2
5.5
al proceso de llegadas en la segunda media hora. Se
pide pues P(X
1
5.5
= 4|X
11
= 12), que por el teorema de Bayes es igual que P(X
2
5.5
= 8)P(X
1
5.5
=
4)/P(X
11
= 12). Esta probabilidad es 0.1208.
2. El equipo directivo de una gran supercie tiene informacin de que la edad de los clientes que acuden a
su centro comercial sigue una distribucin normal con desviacin tpica igual a 5. Se realiza una encuesta
de forma aleatoria (m.a.s) a 100 clientes y se obtiene que la media de edad entre los encuestados es de 30
aos.
a) (+0.7) Obtn un intervalo de conanza al 90 % para la media de edad de los clientes que acuden al
centro.
Solucin
IC
90 %
= (X z
(

2
)

n
) = (30 1.64
5
10
) = (29.18; 30.82)
b) (+0.7) Cul sera el tamao de la muestra para obtener un intervalo con el mismo nivel de conanza
pero de longitud 1 o inferior?
Solucin
1.64
5

n
0.5 n 269
c) (+0.6) En la muestra anterior 25 personas se han identicado como extranjeros. Calcula un intervalo
de conanza al 95 % para la proporcin de extranjeros que compran en este centro.
Solucin
El intervalo de conanza viene dado por
IC
95 %
(p
y
) =
_
p
y
z
(

2
)
_
p
y
(1 p
y
)
n
_

_
0.25 1.96
_
0.25 0.75
100
_
[0.165; 0, 335]
Universidad Carlos III de Madrid 23 de Enero del 2013 1
Grado en Ingeniera Informtica Convocatoria Ordinaria
3. El error de medida en la temperatura (
o
C) de un determinado experimento de laboratorio es una variable
aleatoria continua X, cuya funcin de densidad es::
f(x) =
_
x
2
3
si 1 < x a
0 en caso contrario
a) (+0.5) Calcula el valor de a, para que f(x) sea una funcin de densidad
Solucin
Imponemos que
_
a
1
f(x)dx = 1, lo que resulta en a = 2.
b) (+0.5) Calcula la varianza de X.
Solucin
Primero calculamos la media =
_
2
1
xf(x)dx =
_
2
1
x
3
3
dx =
5
4
= 1.25. La varianza la podemos
calcular como
2
=
_
2
1
x
2
f(x)dx
2
=
51
80
= 0.6375
c) (+0.5) Calcula la funcin de distribucin F(X).
Solucin
Sabiendo que F(x) =
_
x

f(x)dx, resulta:
F(x) =
_
_
_
0 si x 1
x
3
+1
9
si 1 < x 2
1 si x > 2
d) (+0.5) Calcula la probabilidad P(0 < X < 1|X > 0).
Solucin
P(0 < X < 1|X > 0) =
P((0<X<1)(X>0))
P(X>0)
=
P(0<X<1)
P(X>0)
=
F(1)F(0)
1F(0)
=
1
8
= 1.125.
4. Para la economa espaola, disponemos de los datos anuales redondeados sobre consumo nal de los hogares
a precios corrientes (Y ) y renta nacional disponible neta (X), tomados de la Contabilidad Nacional de
Espaa base 1995 del INE , para el perodo 1995-2002, ambos expresados en miles de millones de euros:
Ao 1995 1996 1997 1998 1999 2000 2001 2002
Y
t
258.6 273.6 289.7 308.9 331.0 355.0 377.1 400.4
X
t
381.7 402.2 426.5 454.3 486.5 520.2 553.3 590.0
Considerando que el consumo se puede expresar como funcin lineal de la renta
Y
t
= a + b X
t
+ ,
determina:
a) (+0.5) Los parmetros a y b de la recta de regresin. Para simplicar los clculos se dan los valor
de x
t
y
t
=

t
x
t
y
t
/8 = 157903.4738, x
2
t
=

t
x
2
t
/8 = 232160.2062 y y
2
t
=

t
y
2
t
/8 = 107398.3488.
Solucin
Se calculan x = 476.8375 y y = 324.2875, y tambin
cov(x, y) = x
t
y
t
x y = 3271.0330 ;
var(x) = x
2
t
( x)
2
= 4786.2048 ;
var(y) = y
2
t
( y)
2
= 2235.9661 .
Por lo tanto
b =
cov(x, y)
var(x)
= 0.6834 ;
a = y b x = 1.5832 .
b) (+0.5) El coeciente de determinacin, R
2
de dicha regresin.
Solucin
Calculamos la correlacin
corr(x, y) =
cov(x, y)
_
var(x) var(y)
=
3271.0330

4786.2048 2235.9661
= 0.9999
y usamos la frmula
R
2
= 1

t
e
2
t

t
(y
t
y)
2
= corr(x, y)
2
= 99.98 % . (*)
Universidad Carlos III de Madrid 23 de Enero del 2013 2
Grado en Ingeniera Informtica Convocatoria Ordinaria
c) (+0.5) La prediccin del valor que tomar el consumo para una renta de 650.0 millones de euros.
Solucin
Usando los datos anteriores tenemos
y
t
= 1.5832 + 0.6834 650.0 = 445.7932
y por lo tanto el valor predicho para el consumo sera de 445.8 millones de euros.
d) (+0.5) Un estimador insesgado de la varianza residual y la distribucin probabilstica del valor que
tomar el consumo para una renta de 650.0 millones de euros usando el modelo de regresin lineal
identicado.
Solucin
Ya que los parmetros estimados son dos, es decir p = 2. Por lo tanto la formula del estimador
insesgado de la varianza residual es
s
2
R
=

t
e
2
t
n 2
La suma de los residuos cuadrados se puede calcular como

t
e
2
t
=

t
(y
t
y
t
)
2
=

t
(y
t
a b x
t
)
2
= 3.5687 .
Para evitar de calcular la suma anterior se puede usar la formula (*),

t
e
2
t
= (1 R
2
) n var(y) .
Por lo tanto tenemos que s
2
R
= 0.5948 y
Y |X = 650.0 N(445.8,

0.5948)
Universidad Carlos III de Madrid 23 de Enero del 2013 3
Soluciones del Examen A
1. Verdadero/Falso
Cuales de las siguientes armaciones son
ciertas?
False La cuasivarianza muestral es un
estimador insesgado de la media pobla-
cional.
False La media poblacional es un esti-
mador insesgado de la media muestral.
True La varianza muestral es un esti-
mador sesgado de la varianza.
False La varianza muestral es un esti-
mador sesgado de la cuasivarianza mues-
tral.
2. Elige la respuesta correcta
Se lanza una moneda equilibrada 100 veces.
La probabilidad de obtener entre 45 y 55 caras
es
(A) Pr(45 Y 55) con Y Po(50)
(B) 0.5
100

55
k=45

100
k

(C) Ninguna de las demas respuestas es correcta

(D)
45
55
e
100
3. Elige la respuesta correcta
En una escuela de primaria, 5/6 de los mae-
stros son mujeres. Si hay 10 profesores en la en-
trada de la escuela, cual es la probabilidad de
que 8 sean mujeres?
(A) Pr(X = 8) con X Bin(10,1/6)
(B) Pr(Y = 8) con Y Bernoulli(5/6 10)
(C) Pr(X = 2) con X Bin(10,1/6)
(D) Pr(Y = 8) con Y Po(50/6)
4. Elige la respuesta correcta
Tenemos n individuos. Para cada individuo
tenemos las variables x e y. Un graco de dis-
persion revela que entre ambas variables hay una
relacion lineal creciente. Que frase es cierta?
(A) La correlacion sera positiva.
(B) El valor de la correlacion sera directamente
proporcional a las desviaciones tpicas.
(C) La covarianza crecera con x.
(D) La covarianza sera proxima a la unidad.
(E) La correlacion sera lineal.
1