METODOS ESTADISTICOS DE LA INGENIERIA JUNIO 2.

004

1.- En que se fundamenta la teoría de la probabilidad

En la Regularidad Estadística, que se observa cuando se repite un experimento aleatorio muchas veces,
analizando las frecuencias con las que aparecen los posibles resultados, o bien analizando la naturaleza del
experimento estimando las frecuencias con las que se presentaran los posibles resultados..

2.- En un bote 25 pistachos, de los que 5 están cerrados. Cuando se coge un pistacho, si esta cerrado
se vuelve a dejar en el bote, si está abierto se degusta. Si hemos cogido 5 pistachos cual es la
probabilidad de que hayamos comido menos de cinco.

20 19 18 17 16
P(C < 5) = 1 − P(C = 5) = 1 − = 1 − 0,2918 = 0,7082
25 24 23 22 21
3.- El número medio de incidentes es de 20 por hora. Indicar la probabilidad de que le número de
incidentes en 24 horas sea superior a 450.

El número de incidentes en 24 horas sería una variable de Poisson de parámetro 24 · 20 = 480 ; la

aproximaremos a una variable normal N 480 ;( )
480 ; por lo que la probabilidad pedida será:

( ( ) 
)
P( p (480) > 450) ≈ P N 480 ; 480 > 450,5 = P z >
450,5 − 480 
 = P( z > 1,3465) = 1 − 0,0891 = 0,9109
 480 

4.- La duración media de una lámpara es de 2.400 horas. En una oficina se instalan 5 lámparas con una
vida media de 2.400 horas. Para que la oficina esté correctamente iluminada, deben funcionar al menos
4 de las lámparas. Indicar la probabilidad de que la oficina esté correctamente iluminada durante más
de 2.000 horas.

Probabilidad de que una lámpara funcione durante más de 2.000 horas:

t 2000
∞ 1 − −
∫2000 2.400 e 2400 dt = e 2400 = 0,4346
La probabilidad que de 5 lámparas funciones 4 durante más de 2.000 horas será:
P(B(5 ; 0,4346) ≥ 4 ) = P(B(5 ; 0,4346) = 5) + P(B(5 ; 0,4346) = 4 ) = 0,0155 + 0,1009 = 0,1164

5.- De una población normal se toma una muestra de 25 unidades. La media de la muestra es 23,4 y la
varianza de la muestra es 2,34. Estimar, con un nivel de confianza del 99%, la media de la población.

Como la varianza de la población no es conocida, la tendremos que estimar a partir de la muestra:

25
s2 = 2,34 = 2,4375 . Y s = 1,5612 Por lo que el intervalo de confianza de la media será:
24
 s s   1,5612 1,5612 
x − tα
n
; x + tα
n
 = 23,4 − 2,7970
 25
; 23,4 + 2,7970
25  = [22,5266 ; 24,2733]
 2 2 

6.- Indicar justificadamente porque la media de una muestra es un estimador insesgado y eficiente de la
media de la población

Porque la media de una muestra, si la muestra es suficientemente grande o es tomada de una población
normal, se distribuye normalmente con media la media de la población (insesgada) y la variancia es
inversamente proporcional al tamaño de la muestra (eficiente).

7.- Indicar el procedimiento para estimar la media de una población normal, cuya variancia es 4,56, con
un nivel de confianza del 95% y con un error menor que 0,1.

Tendremos que determinar el tamaño de la muestra. El intervalo de confianza de la media de la población es:
 σ σ  σ
 x − zα / 2 ; x + zα / 2  ; el error de la estimación será: zα / 2 < 0,1 ; podemos despejar el tamaño
 n n n
1,96 · 4,56
de la muestra: n > = 41,85 ; por lo que n > 41,85 2 = 1751,42
0,1
METODOS ESTADISTICOS DE LA INGENIERIA JUNIO 2.004

Por lo que el procedimiento para estimar la media, en las condiciones pedidas, será:
- tomar una muestra de 1752 unidades
- calcular la media de esa muestra

8.- Qué se tiene que comprobar para considerar válido un modelo de regresión lineal múltiple.

a) que el coeficiente de determinación lineal sea grande

b) que todos los residuos se distribuyan normalmente
c) que no haya multicolinealidad

9.- De una población normal se toma una muestra de 20 individuos. Los valores observados son:
14,6397 13,4668 15,2931 16,5318 16,438 17,0798 12,3797 14,719 16,314 13,696
14,1718 12,9715 12,7837 13,8268 14,0718 12,4585 14,3185 14,5151 15,1618 14,5614
Estimar la varianza de la población con un nivel de confianza del 90%.

La cuasivariancia de la muestra es 1,8625: El intervalo de confianza de la variancia es:

 (n − 1) s 2 (n − 1) s 2  19 · 1,8625 19 · 1,8625 
 ; 2 = ; = [1,1739 ; 3,4978]
 χα / 2
2
χ 1−α / 2   30,1435 10,1170 

10.- La cantidad de semillas que una sembradora deposita en un metro cuadrado de tierra de labor se
distribuye según una variable N (60 ; 15) . La cantidad de semillas que hay en un kilo se distribuye
según una variable N (540 ; 28) . Se pide, indicar la probabilidad de que, con 275 toneladas, se pueda
sembrar completamente una superficie de 2,5 Km2.

Para sembrar una superficie de 2,5 Km2 , la cantidad de semillas que se requieren se distribuirán según:
N (2.500.000 · 60 ; 2.500.000 · 15) ; la cantidad de semillas que tendremos en 275 toneladas se distribuirá
según : N (275.000 · 540 ; 275.000 · 28) ;

La probabilidad de que se pueda realizar la siembra completamente será:

(
P N (275.000 · 540 ; 275.000 · 28) ≥ N (2.500.000 · 60 ; 2.500.000 · 15) = )
= P(N (148.500.000 ; 14.680) ≥ N (150.000.000 ; 23.717) ) =

(( 
= P N 148.500.000 − 150.000.000 ; 14.680 2 + 23.717 2 > 0 = P z > ) )
0 − (148.500.000 − 150.000.000) 
14.680 + 23.717
2 2
=

 
= P( z > 53,77) = 0

11.- Calcular el valor medio de una variable aleatoria cuya función de densidad es
 0 x < −1

f ( x) = kx 2 x ∈ [− 1 ; 1]
 0 x >1


Como la función de densidad es simétrica respecto del origen, su valor medio será 0

12.- El tiempo de vida de ciertos componentes se distribuye exponencialmente, con media de 200
minutos. En un circuito se montan en serie dos de estos componentes, indicar la probabilidad de que la
vida del circuito no supere las 2 horas.

El circuito superará las 3 horas de funcionamiento si alguno de los componentes supera las 3 horas de
funcionamiento. La probabilidad de que un componente supere las 2 horas será
∞ t 120
1 − −
P (e(200) > 120 ) = ∫120200 e 200 dt = e 200 = 0,5488
La probabilidad de que alguno de los dos componentes no lo supere será:
1 − 0,5488 · 0,5488 = 1 − 0,3012 = 0,6988