Estadística I

CORRECCION DEL EXAMEN CONJUNTO

SEGUNDO PARCIAL

Ana Saavedra Vaca

NRC: 1250

Sangolquí, 19 de Enero del 2016

 1. Considere que X es la v.a que denota el numero de productos en una línea de
producción que serian necesarios analizar hasta detectar uno defectuoso. Suponga
que la probabilidad de que una muestra contenga productos defectuosos es de 0.01 y
si las muestras son independientes se función de probabilidad será:
a. [0,1,2,3,…]
b. [d, cd, ccd, cccd,….] d: defectuoso c: correcto
c. [0, 0.01; 0.0009,…]
d. [0.01, 0.0099,…, (0.99)x-1 (0.01)]

Ω= {d, sd, ssd,…} d: defecto s: sin defecto

P=0.01 q=0.99 f(x)= (0.99)x-1(0.01)

F(x) = [0,01; 0.0099; ….; (0.99)x-1 (0.01)]

𝟕 𝟏 𝒙
2. Si: 𝒇(𝒙) = (𝟖) (𝟐) ; 𝒙 = 𝟏, 𝟐, 𝟑. Entonces P (X > 1) =?
a. 7/16 b. 9/16 c. 21/64 d. No existe

P( X>1) = 1- P(x<1)

P( X>1) = P(x=0) ; x= 1,2,3 ∴ no existe dicha probabilidad.

3. El espacio muestral e un experimento aleatorio es {a, b, c, d, e, f}. Cada resultado es

igualmente probable se define a la v.a. de la siguiente manera:

Resultado a b c d e F
X 0 0 1.5 1.5 2 3

Determinar la desviación estándar de estos datos

a. 4/3 b. √𝟒𝟏/𝟔 c. 1.138 d. √8/3

X= {0; 1,5; 2; 3}
4 1 1 1
F(x)= { , , , }
3 3 6 6
4
µ= [0* 1/3]+[1,5* 1/3]+[2* 1/6]+[3* 1/6] = 3
41
𝜎 2 =[(0-4/3)2(1/3)]+[(1.5-4/3)2(1/3)]+[(2-1/3)2(1/6)]+[3-4/3)2(1/6)] = 36

√41
𝜎= 6
4. Las muestras de cierta materia prima se clasifica de acuerdo con su contenido de
humedad e impurezas. Se presentan los resultados de 80 muestras. Sea v.a. X el
contenido de humedad. Determinar la varianza del contenido de humedad.

3% 4%
1% 5 14
2% 57 4

a. 279/1600 b. 129/40 c. 47/100 d.49/40

n=80 x={3;4} f(x)= { 62/80; 18/80}

129
µ= (3* 62/80)+(4* 18/80) =
40
279
𝜎 2 = [(3- 129/40)2(62/80)]+[(4- 129/40)2(18/80)] = 1600
279
𝜎2 = 1600
1 1 3 1 5
5. Sea X v.a. discreta uniforme, los valores que puede tomar son 16 , 8 , 16 , 4 , 16 cada uno
con la misma probabilidad. Determine la desviación estándar de X.
a. √3/8 b. √2 c. 3/64 d. 1/8√2
1 1 3 1 5 1 1 1 1 1
X= { , , , , } f(x)= { , , , , }
16 8 16 4 16 5 5 5 5 5
5
µ= (1/16 * 1/5) +(1/8 * 1/5)+(3/16 * 1/5)+(1/4 * 1/5)+(5/16 * 1/5) = 16

𝜎 2 = [(1/16- 3/16)2(1/5)]+ (1/8- 3/16)2(1/5)]+ (3/16- 3/16)2(1/5)]+ (1/4-

1
3/16)2(1/5)]+ (5/16- 3/16)2(1/5)]=
128

1
𝜎=
8√2

6. Un ruleta gira 6 veces, dando el seguimiento de las apariciones de un número ganador

de “16” posibles ¿El experimento es un procedimiento de distribución binomial?
a. No es binomial porque hay más de dos resultados de cada ensayo.
b. Si es en una distribución binomial.
c. No es binomial porque las pruebas no son independientes.
d. No es binomial, hay demasiadas pruebas

Gira seis veces, hay 16 posibilidades

1. De cada seis giradas solo habría probabilidad de que gane o no

2. En cada giro va a tener la misma probabilidad de 1/16
3. La v.a. X va a ser los mismos 16 resultados posibles.

∴ Es una distribución binomial, porque cumple con sus tres características.

7. La iluminación de un árbol de navidad está formado por circuitos con 20 bombillos
cada uno, la probabilidad de que falle un bombillo en cualquiera de estos circuitos es
de 0.01, cada bombillo es independiente. Las luces de un circuito en particular se
encenderán, solo si todos los bombillos funcionan. ¿Cuál es la probabilidad de que este
circuito se encienda?

a. 0.8179 b. 0.1652 c. 1x10-40 d. 1.98x10-37

p= 0.99 q= 0.01 n= 20

P(x=20) = (20C20) (0.99)20 (0.01)20-20

P(x=20) = 0.8179

8. El número promedio de llamadas recibidas por un servicio de remolque de coches es

16.8 por día (periodo de 24 horas). Después de encontrar el número medio de
llamadas por hora, encontrar la probabilidad de que en una hora seleccionad al azar el
número de llamadas es 2.

a) 0,12166 b) 0,08516 c) 0,13383 d) 0,15208

𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 1 𝑑𝑖𝑎 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠

µ=16.8 𝑑𝑖𝑎
∗ 24 ℎ𝑜𝑟𝑎𝑠 = 0.7 ℎ𝑜𝑟𝑎

𝑒 −0.7 (0.7)2
P(x=2) =
2!

P(x=2)= 0.12166

9. De un lote de 75 cajas de banano, debido a la demora en el tiempo de entrega, se

estima que en 5 cajas las bananas habrán madurado demasiado. Se toma una muestra
al azar de 10 cajas sin remplazo. ¿Cuál es la probabilidad de que al menos una de las
cajas que contiene bananas maduras esté en la muestra?

a) 0.52143 b) 0.47857 c) 0.0863 d) 0.39227

N= 75 r= 5 n= 10
P(x≥1)= 1 - P(x<1)
(5 𝐶 0)(75−5 𝐶 10−0)
P(x≥1)= 1 -
(75 𝐶 10)
P(x≥1)= 1 – 0.47857
P(x≥1)= 0.521426
10. Se envía un técnico para instalar sistemas de seguridad complejos a una ciudad, sólo
cuando se han recibido 3 o más pedidos. Suponga que los pedidos siguen una
distribución de Poisson con media de 0.25 por semana para una ciudad con 100.000
habitantes. Suponga que se hacen pedidos de una ciudad con 800.000 habitantes.
¿Cuál es la probabilidad de que el técnico sea solicitado después del periodo de una
semana?
a) 0.85567 b) 0.59399 c) 0.40601 d) 0.32332

µ= 0.25 por semana µ

n= 100000 habitantes 800000 habitantes µ=2 por semana
P(x≥3)= 1 - P(x<3)
𝑒 −2 (2)0 𝑒 −2 (2)1 𝑒 −2 (2)2
P(x≥3)= 1 – ( + + )
0! 1! 2!
P(x≥3)= 1 –0.676676
P(x≥3)= 0.323324

11. Una caja contiene 5 bolas rojas, 4 bolas blancas y 3 azules. Una bola se selecciona al
azar de la caja, se observa su color e inmediatamente se la devuelve, Hallar la
probabilidad de que de 6 bolas seleccionadas de esta manera, 3 sean rojas, 2 blancas y
una azul.
a) 625/62208 b) 625/20736 c) 5/2304 d) 625/5184

n=6 X1= 3 X2= 2 X3= 1

5 1 1
P1= P2= P3=
12 3 4

6! 5 1 1
P[X1= 3 ;X2= 2;X3= 1] = 3!2!1! (12)3 (3)2 (4)1

625
P[X1= 3 ;X2= 2;X3= 1]= 5184
12. ¿Cuál es valor de k para que la siguiente función, sea una función de densidad?
(𝑥)=𝑘𝑒−𝑥 𝑝𝑎𝑟𝑎 𝑥>0
a) ∞ b) -1 c) 1 d) 0
∞ 𝑏
∫ 𝐾𝑒 −𝑥 𝑑𝑥 = lim ∫ 𝐾𝑒 −𝑥 𝑑𝑥 = lim −𝐾𝑒 −𝑥 /(𝑏, 0)
0 𝑏→ ∞ 0 𝑏→∞

= −𝐾𝑒 −∞ − (−𝑘𝑒 0 ) = 𝑘𝑒 0 = 𝑘 ; 𝑘 = 1

13. La función de densidad de probabilidad del peso neto en gramos de una funda de
papas fritas es:
(𝑥)=1 𝑝𝑎𝑟𝑎 249.5<𝑥<250.5
¿Qué cantidad de papas fritas estarán contenidas en el percentil 90 de estas fundas?
a) 251.4 b) 250.4 c) 249.6 d) 248.6

f(x)= 1
𝑥
f(x)= 0.9 ∫249,5 𝑣. 𝑑𝑣 = 0,9

. 𝑣/(𝑥;249.5) = 0.9 249,5-x=0.9 x= 250.4

14. 14. Suponer que X tiene una distribución normal con media 10 y varianza 4. Cuál debe
ser el valor de x para:
(𝑋>𝑥)=0.995
a) −44/145 b) −747/290 c) −2197/145 d) 703/145

µ = 10

2 = 4 = 2

P(X>x) = 0.995 -2.58 Z -2.57

1 – P(Z<z) = 0.995 0.004940 0.005 0.005085
𝑥−µ 𝑍−(2.58) −2.57−(−2.58)
P(Z<- 
)=0.005 = 0.005085−0.004940
0.005−0.004940
3
Z+2.58=
725
747
Z=290

747 𝑥 − 10
− =
290 2
703
𝑥=
145
15. 15. El tiempo que transcurre entre llamadas a una central de taxis, tiene una
distribución exponencial, con un tiempo promedio entre llamadas de 15 min.
Cuál es la probabilidad de que no haya llamadas en un lapso de 30 min.
a) 0.8647 b) 0 c) 0.1353 d) 1

1 −𝑥
𝑓(𝑥) = 𝑒 𝛽
𝛽

1 −30
𝑓(𝑥) = 𝑒 15
15
1 −2
𝑓(𝑥) = 𝑒
15
𝑓(𝑥) = 0,1353

16. Para una distribución t 𝑃(𝑇16>𝑡)=0.80

a) No existe b) -0.8647 c) 0.2602 d) 0.8647

1−∝= 0.80
∝= 1 − 0.80
∝= 0.2
Sustituimos en ∝
(𝑇16 > 𝑡 ∝ ,16) = 0.80
(𝑇16 > 𝑡0.2,16) = 0.80
Buscamos en la tabla t-student= -0.8647

Si t= -0.8647=z
2
𝑥
10 1 −
∫−0.8647 √2𝜋 𝑒 2 = 0.80