Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TRABAJO DE RECUPERACIÓN
FERNANDO HARO, ING. CARLOS BALSECA
1. Departamento de Ciencias Exactas, Unidad 2, Facultad de Mecanica, Universidad de las Fuerzas Armadas, Quito, Ecuador.
Abstract
Resumen
Trabajo recibido
Correspondencia a:
Ing. Carlos Balseca
Email: cebalseca@espe.edu.ec
Estadı́stica 1
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
3.1 La variable aleatoria es el número de conexiones soldadas, de las 1000 que tiene un circuito
impreso que no cumplen con ciertos estandares de calidad.
Rango X=(0,1,2,3,4,....,1000)
3.3 Se utiliza un instrumento electrónico para medir pesos de paquetes, hasta la libra mas
cercana. El instrumento de medición solo tiene 5 dı́gitos, cualquier peso mayor del que
puede mostrarse aparecera como 99999. La variable aleatoria es el peso que aparece en el
instrumento.
Rango X=(0,1,2,.....,99999)
3.5 Un lote de 500 partes maquinadas contiene 10 que no se ajustan a los requerimientos del
cliente. Del lote se van tomando partes, sin reemplazo, hasta que se obtiene una que no
cumple con los requerimientos. La variable aleatoria es el número de partes seleccionadas.
Rango X=(0,1,2,.......,491)
Ya que suponemos que 490 cumplen con el requerimiento y la que no cumple esta al
final.
Rango X=(0,1,2,3,.....,n)
Todo depende del modelo de la bobina y a las condiciones a las que sea sometida.
Rango X=(0,1,2,3,......,15)
Resultado a b c d e f
x 0 0 1.5 1.5 2 3
2 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
1 1 1
f (0) = P (x = 0) = + =
6 6 3
1 1 1
f (1,5) = P (x = 1,5) = + =
6 6 3
1
f (2) = P (x = 2) =
6
1
f (3) = P (x = 3) =
6
3 10 13
P (x ≤ 5,1) = 0 + + =
144 144 144
3 10 25 40 78
P (4,95 < x < 5,35) = + + + =
144 144 144 144 144
3.21 En el ejemplo 3-8, suponga que la probabilidad de que una muestra de aire contenga una
molécula rara es 0.001. Calculae la probabilidad de que X=3.
w = (p, ap, aap, aaap, aaaap, ....., n); a : normal, p : raro P (p) = 0,001P (a) = 0,999
P (3) = P (aap) = P (a) ∗ P (a) ∗ P (p)
P (3) = P (aap) = 0,999 ∗ 0,999 ∗ 0,001
P (3) = P (aap) = 0,000998
3.23 Un sistema de inspección óptica es capaz de distinguir cuatro partes distintas. La probabi-
lidad de clasificar de manera correcta cualquier parte es 0.98. Suponga que se inspecciona
tres partes y que la clasificación de estas es independiente. Sea la variable aleatoria X el
número de partes clasificadas correctamente. Determine la función de probabilidad de X.
X = (0, 1, 2, 3) P (c) = 0,98; P (i) = 0,02 wX = (ccc, cci, cic, cii, icc, ici, iic, iii)
f (0) = P (X = 0) = (0,002)3 = 8x10−6
f (1) = P (X = 1) = ((0,002)2 (0,98)) ∗ 3 = 1,17x10−3
f (2) = P (X = 2) = ((0,002)(0,98)2 ) ∗ 3P = 0,05762 f (3) = P (X = 3) = (0,98)3 = 0,94
≈1
Estadı́stica 3
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
x 30 31 32 33 34 35 36 37 38 39
F(x) 0.02 0.06 0.11 0.22 0.28 0.49 0.75 0.87 0.95 1
b)P (x ≤ 32)
P (x ≤ 32) = 0,11
3.29 Continuación del ejercicio 3-19. Determine la función de distribución para la variable
aleatoria del ejercicio 3-19.
8 1 4
f (1) = ∗ =
7 2 7
8 1 2
f (2) = ∗ =
7 4 7
8 1 1
f (3) = ∗ =
7 8 7
x 1 2 3
f (x) 4/7 2/7 1/7
F (x) 4/7 6/7 1
Número de defectos 0 1 2 3 4 5
Número de muestras 18 12 7 2 1 0
x 0 1 2 3 4 5
f (x) 18/40 12/40 7/40 2/40 1/40 0
4 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
P 18 18 7 2 1
E(x) = x ∗ f (x) = 0( ) + + 2( ) + 3( ) + 4( ) + 5(0)
40 40 40 40 40
12 14 6 4 36
E(x) = + + + = E(x) = 0,9
40 40 40 40 40
P 5 8 10 22 28 16 9
E(x) = x ∗ f (x) = 2( ) + 2,1( ) + 2,2( ) + 2,3( ) + 2,4( ) + 2,5( ) + 2,6( )
98 98 98 98 98 98 98
E(x) = 2,3466mm
(x − E(x))2 ∗ f (x)
P
V (x) =
5 8 10
V (x) = (2 − 2,3466)2 ( ) + (2,1 − 2,3466)2 ( ) + (2,2 − 2,3466)2 ( ) + (2,3 −
98 98 98
2 22 2 28 2 16 9
2,3466) ( ) + (2,4 − 2,3466) ( ) + (2,5 − 2,3466) ( ) + (2,6 − 2,3466)2 ( )
98 98 98 98
V (x) = 0,0061 + 0,0049 + 0,0021 + 0,0004 + 0,0008 + 0,0038 + 0,0058 V (x) = 0,0239
x -2 -1 0 1 2
f (x) 1/8 2/8 2/8 2/8 1/8
P 1 2 2 1
E(x) = x ∗ f (x) = (−2)( ) + (−1)( ) + 0 + (1)( ) + (2)( ) E(x) = 0
8 8 8 8
3.45 El rango de la variable aleatoria X es (0,1,2,3,x) donde x es una incognita. Si cada valor
es igualmete probable y la media de X es 6; calcule x.
P 1 1 1 1 x 6+x
E(x) = x ∗ f (x) = 6 ⇒ (0)( ) + (1)( ) + (2)( ) + (3)( ) + 6 =
5 5 5 5 5 5
⇒ 30 = 6 + x ⇒ 24 = x
Estadı́stica 5
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
x 1 2 3 4
f (x) 1/4 1/4 1/4 1/4
b+a
E(x) =
2
4+1 5
E(X) = = = 2,5
2 2
(b − a + 1)2 − 1
V (x) =
12
(4 − 1 + 1)2 − 1) 16 − 1 15
V (x) = = =
12 12 12
V (x) = 1,250
3.49 En un proceso de recubrimiento se toman varias mediciones del espesor, hasta la centésima
de milı́metro mas cercana. Las mediciones estan distribuidas de manera uniforme, con
valores 0.15; 0.16; 0.17; 0.18; 0.19. Para este proceso, calcule la media y la varianza del
espesor del recubrimiento.
(b − a + 1)2 − 1
V (Y ) = k 2
12
1 2 (19 − 15 + 1)2 − 1
V (Y ) = ( )( )
100 12
24
V (Y ) = = 0,0002(mm)
10000(12)
3.51 Suponga que X tiene una distribución discreta uniforme sobre los enteros desde 0 hasta 9.
Determine la media, la varianza y la desviación estandar de la variable aleatoria y = 5x
y compare los resultados obtenidos con los de x.
X = (10, 1, 2, 3, 4, 5, 6, 7, 8, 9)
b+a 9−0
E(X) = = = 4,5
2 2
(b − a + 1)2 − 1
V (x) =
12
2
(9 − 0 + 1) − 1 33
V (x) = = = 8,25
12 4
6 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
√
DE(X) = 8,25 = 2,82
Y = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9); k = 5
c)Sea X el número de accidentes que ocurren en las carreteras federales de cierto estado
durante un mes.
3.55 La variable aleatoria X tiene una distribución binomial con n=10 y p=0.5 calcular:
a)P (X = 5)
x n−x
n Cx p q
5 10−5
10 C5 (0,5) (0,5) = 0,2460
b)P (X ≥ 9)
P (X ≥ 9) = P (X = 9) + P (X = 10)
=10 C9 (0,5)9 (0,5)10−9 +10 C10 (0,5)10 (0,5)10−10
P (X ≥ 9) = 0,01073
Estadı́stica 7
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
c)P (3 ≤ X < 5)
3.59 Determine la función de distribución acumulada de una variable aleatoria binomial con
n=3 y p=0.25
P
F (X) = f (x) F (X) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) F (X) =3
C0 (0,25)0 (0,75)3−0 +3 C1 (0,25)1 (0,75)3−1 +3 C2 (0,25)2 (0,75)3−2 +3 C3 (0,25)3 (0,75)3−3
F (X) = 1
b)P (X ≥ 1)
P (X ≥ 1) = 1 − P (X = 0)
P (X ≥ 1) = 1 −1000 C0 (0,001)0 (0,999)1000−0
P (X ≥ 1) = 0,6323
c)E(X); V (X)
E(X) = n ∗ p
E(X) = 1000(0,001) = 1
V (X) = n ∗ p ∗ q
V (X) = 1000(0,001)(0,999) = 0,999
3.65 Dado que no todos los pasajeros de una aerolinea abordan el vuelo para el que han
reservado un lugar, la aerolinea vende 125 boletos para un vuelo de 120 pasajeros. La
probabilidad de que un pasajero no aborde el vuelo es 0.10 y l comportamiento de los
pasajeros es independiente.
a)Cúal es la probabilidad de que todos los pasajeros aborden el vuelo.
P (X ≥ 5) = 1 − (P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 3) + P (X =
4) + P (X = 5)) = 1 − (125 C0 (0,1)0 (0,9)125−0 +125 C1 (0,1)1 (0,9)125−1 +125
C2 (0,1)2 (0,9)125−2 +125 C3 (0,1)3 (0,9)125−3 +125 C4 (0,1)4 (0,9)125−4 +125 C5 (0,1)5 (0,9)125−5 )
P (X ≥ 5) = 0,9962
P (X ≥ 6) = 1 − P (X ≤ 5)
= 1 − (125 C0 (0,1)0 (0,9)125−0 +125 C1 (0,1)1 (0,9)125−1 +125 C2 (0,1)2 (0,9)125−2 +125
C3 (0,1)3 (0,9)125−3 +125 C4 (0,1)4 (0,9)125−4 +125 C5 (0,1)5 (0,9)125−5 )
P (X ≥ 6) = 0,9886
8 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
20 C1 (100−20 C4−1 )
P (X = 1) =
100 C4
P (X = 1) = 0,4191
b)P (X = 6)
c)P (X = 4)
20 C4 (100−20 C4−4 )
P (X = 4) =
100 C4
P (X = 4) = 0,00124
k 20
p= = = 0,2
N 100
N −n 100 − 4
E(X) = np = (4)(0,2) = 0,8 V (X) = npq( ) = (4)(0,8)(0,2)( ) = 0,6206
N −1 100 − 1
3.84 Suponga que X tiene una distribución hipergeometrica con N=20, n=4, k=4; Calcular:
a)P (X = 1)
4 C1 (20−4 C4−1 )
P (X = 1) = P (X = 1) = 0,4623
20 C4
b)P (X = 4)
4 C4 (20−4 C4−4 )
P (X = 4) = P (X = 4) = 0,000206
20 C4
c)P (X ≤ 2)
P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2)
4 C0 (20−4 C4−0 ) 4 C1 (20−4 C4−1 ) 4 C2 (20−4 C4−2 )
P (X ≤ 2) = + + P (X ≤ 2) = 0,9866
20 C4 20 C4 20 C4
k 4
p= = = 0,2
N 20
N −n 20 − 4
E(X) = np = (4)(0,2) = 0,8 V (X) = npq( ) = (4)(0,8)(0,2)( ) = 0,5384
N −1 20 − 1
Estadı́stica 9
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
a) P (x = 0)
−4 0
P (X = 0) = e 0!× λ
= e14
= 0,018316
b) P (x 6 2)
e−4 × λ1 e−4 × λ2
P (x 6 2) = 0,018316 + 1!
+ 2!
= 0,238104
c) P (x = 4)
−4 4
P (x = 4) = e 4!× λ
= 0,1953
d) P (x = 8)
−4 8
P (x = 4) = e 8!× λ
= 0,02976
3.9.5 Suponga que X tiene una distribuci’on Poisson con media 0.4. Calcule las siguientes
probabilidades. Recordando la fórmula para este tipo de distribución:
eπ × λx
P (X = 0) = x!
a) P (x = 0)
−4 0
P (X = 0) = e 0!× λ
= e14
= 0,67032
b) P (x 6 2)
e−4 × λ1 e−4 × λ2
P (x 6 2) = 0,018316 + 1!
+ 2!
= 0,922074
c) P (x = 4)
−4 4
P (x = 4) = e 4!× λ
= 0,000715
d) P (x = 8)
−4 × λ8
P (x = 4) = e 8!
≈ 0
10 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
3.9.6 El número de clientes que entra en un banco en una hora es una variable aleatoria Poisson,
y que P (x = 0) = 0,05. Calcule la media y la varianza de x.
−λ 0
−λ x 0,05 = e 0!× λ
P (x = xi ) = e x!× λ
(0,05) = −λ ln(e)
P (x = 0) = 0,05
λ = 2,99573
E(x) = 2,99573
3.9.7 A menudo el número de llamadas telefónicas que llegan a un conmutador se modela como
una variable aleatoria Poisson. Suponga que en promedio se reciben 10 llamadas por hora.
a) Cuál es la probabilidad de que lleguen 5 llamadas en 1 hora.
e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 5
P (x = 5) = e 5!× 10
P (x = 5) = 0,037833
e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 0 e−10 × 102 e−10 × 103
P (x 6 3) = e 0!× 10 + 2!
+ 3!
P (x 6 3) = 0,010336
e−λ × λx
P (x = xi ) = , n = 2 p = 10.
x!
−20
× 20 5 1
P (x = 15) = e 15!
P (x = 15) = 0,051649
e−λ × λx 1
P (x = xi ) = ,n= p = 10 λ = 5.
x! 2
−5
P (x = 5) = e 5!× 5
P (x = 5) = 0,175497
3.9.7 Suponga que el número de defectos en los sellos de tela de cierta industria textiles una
variable Poisson con una media de 0,1 defectos por metro cuadrado.
a) Cuál es la probabilidad de tener 2 defectos en 1m2 de tela.
e−λ × λx
P (x = xi ) = , λ = 0,1
x!
−0,1 2
P (x = 2) = e 2!× 0,1
P (x = 2) = 4,52 × 10−3
Estadı́stica 11
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
e−2 × 20 e−1 × 11
P(x> 2) = 1 − 0!
+ 1!
P (x > 2) = 0,266
x y z f (x, y, z)
1 1 1 0.05
1 1 2 0.10
1 2 1 0.15
1 2 2 0.20
2 1 1 0.20
2 1 2 0.15
2 2 1 0.10
2 2 2 0.05
a) P (x = 1)
12 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
b) P (x = 1, y = 2)
P (x = 1, y = 2) = 0,15 + 0,2
P (x = 1, y = 2) = 0,35
c) P (z < 1,5)
P (z < 1,5) = 0,05 + 0,15 + 0,20 + 0,10
P (z < 1,5) = 0,5
d) P (x = 1 o z = 2)
P (x = 1 o z = 2) = 0,70
e) E(x)
E (x) = 11(0,05 + 0,10 + 0,15 + 0,20) + 2(0,20 + 0,15 + 0,1 + 0,05)
E (x) = 1,5
P (x, y = 1 y z = 2)
P (xky = 1 y z = 2) =
P (x = 1 , z = 2)
0,10
P (xky = 1 y z = 2) = = 0,4
0,25
P (xky = 1 y z = 2) P (xky = 1 y z = 2)
=
0,10 + 0,15 0,25
0,15
P (xky = 1 y z = 2) = = 0,6
0,25
3.9.7 A menudo el número de llamadas telefónicas que llegan a un conmutador se modela como
una variable aleatoria Poisson. Suponga que en promedio se reciben 10 llamadas por hora.
e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 5
P (x = 5) = e 5!× 10
P (x = 5) = 0,037833
e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 0 e−10 × 102 e−10 × 103
P (x 6 3) = e 0!× 10 + 2!
+ 3!
P (x 6 3) = 0,010336
Estadı́stica 13
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA
e−λ × λx
P (x = xi ) = , n = 2 p = 10.
x!
−20
× 20 5 1
P (x = 15) = e 15!
P (x = 15) = 0,051649
e−λ × λx 1
P (x = xi ) = ,n= p = 10 λ = 5.
x! 2
−5
P (x = 5) = e 5!× 5
P (x = 5) = 0,175497
a) P (x = 1)
P (x = 1ky = 2) 0,35
P (x = 1ky = 2) = = = 0,7
P (y = 2) 0,15
b) P (x = 1, y = 1kz = 2)
P (x = 1, y = 1kz = 2) 0,10
P (x = 1, y = 1kz = 2) = = = 0,20
P (z = 2) 0,5
c) P (x = 1ky = 2, z = 2)
P (x = 1, y = 1, z = 2) 0,20
P (x = 1ky = 2, z = 2) = = = 0,80
P (y = 2, z = 2) 0,25
14 Estadı́stica
Índice general
15