ESTADSTICA

PRCTICA 6

Ejercicio 1: Cuando las compuertas del pantano estn abiertas, lo que

ocurre el 35% de los das, el caudal del canal de riego (m3 por segundo)
tiene como funcin de densidad:

a) Contesta a las dos primeras preguntas del problema anterior en un da que

las compuertas del pantano estn abiertas.

En qu porcentaje del tiempo el caudal no llegar a 5 m3 por

segundo.

Resultado: P(X>5)=0.2424= 24.24%

Cul es el caudal medio? Con cunta desviacin?

E[X]=integral de x f(x)

Resultado: E[X]=8 es el caudal medio.

Var(x)=E(x^2)-E(x)^2
E(x2)=integral de x2 f(x)

E(x2)=80
Var = 80- 82=16
Desviacin= = =
b) Contesta a las dos primeras preguntas del problemas anterior en un da
cualquiera.
En qu porcentaje del tiempo el caudal no llegar a 5 m3 por
segundo.
P(x<5)=0.65*P(x<5/f1(x))+0.35*P(x<5/f2(x))=0.65*0.4562+0.35*0.2424=0.381
3
Resultado: 0.3813*100=38.13%

Cul es el caudal medio? Con cunta desviacin?

E[X]=0.65*E(x/f1(x))+0.35*E(x/f2(x))=0.65*6+0.35*8=6.7 es el caudal medio.

Var(x)= 0.65*Var(x/f1(x))+0.35*Var(x/f2(x))=0.65*12+0.35*16=13.4
Desviacin= = . = .

Ejercicio 2: Resolver los ejercicios 25,26,28,29 y 30 de la coleccin de

problemas del bloque II.
25) El grado de humedad diario en un invernadero es aleatorio con funcion de
densidad:

a) P(x>0.4)=0.8208

Resultado: 0.8208*100=82.08% de tiempo se encuentra en el invernadero con una

humedad superior al 40%.
b) E[X]=integral de x*f(x)

Resultado: E[X]=0.6
Var(x)=E(x^2)-E(x)^2
E(x2)=integral de x2 f(x)

E(x2)=0.4
Var = 0.4 - 0.62=0.04
Desviacin= = . = .
c) P(x>a)=0.5
Lo obtenemos probando diferentes valores de a hasta conseguir un valor
considerablemente aproximado a 0.5:

Resultado: a=0.61

d) DATOS:
E[X]=0.6
Desviacin tpica = 0.2
X1,X2,X3,x60

60

= (el promedio de 60 das)

: (0.6,

0.2
60

= 0.03)

60<0.56)=0.0912
P(

26) El error de medida de una balanza de precisin en mg se puede

modelizar como una variable aleatoria continua con distribucin uniforme
en el intervalo (-3,3).
a) X= Error de medida de una balanza de precisin en mg.
X~u(-3,3)
1
1
=
3 < < 3
6
f(x)=
0,

0.16
0.10

0.12

0.14

Density

0.18

0.20

0.22

Uniform Distribution: Minimum=-3, Maximum=3

-3

-2

-1

0
x

b) P(x<0)= P(-3<x<0)

Resultado: P(x<0)= 0.5.

P(x>2)

Resultado: 0.1667
c) E[X]=

Var(x)=

(3)+3

()2
12

=0
2

(3(3))
12

=3

d) Se aleje como mucho 2 miligramos

P(-2<x<2)=P(|x|<=2)=P(|x-u|<2)

Obtengo los siguientes valores y a continuacin se hace la doferencia de ambas

medias:

Resultado: 0.83333-0.1667=0.6666

e)

0, x< -3
Ex(x)=

3+
6

-3<x<3

1, x>= 3

28) El tiempo que transcurre entre las visitas al nido de los dos
progenitores para alimentar las cras en un nido de cardelinas se comporta
como una exponencial de media dos horas:
X=tiempo entre las visitas la nido
E[X]=2 horas

X:exp(=0.5)
f(x)={

0.5 0.5 , 0
0
,

a) P(X>=2)

Resultado: 0.3679
b) 15min=1/4hora
P(X<=1/4 hora)

= 0.5

[]

Resultado:0.1175
c) P(X>=a)=0.9
a=0.2107
Resultado: Como mnimo deber esperar 0.2107 horas o ms.
d) P(x>=4/x>=3)
Debido a la falta de memoria de la exponencial sabemos que la expresin
anterior es igual a:

P(x<=1)=0.6065
e) El tiempo esperado entre la quinta y sexta visita es igual a E[X]= 2 horas.
f) Y=N intervalos de tiempo que duran ms de una hora
Y=0,1,2,,10
Anteriormente hemos calculado P(x<1)=0.6065
Y~B(n=10,p=0.6065)

Resultado: P(Y>=4)=0.9499

29) Una empresa exportadora de manzanas necesita encargar 10.000

cajones para el embalaje de la fruta. Sin embargo, no todos los cajones
son iguales ya que sus especificaciones dependen de la calidad del
producto envasado. As de acuerdo al dimetro de la manzana se
identifican 3 categoras de calidad.
Se trata de una distribucin normal.
X: N(=6.3, = 2 = 1.41)

Categoria 1:
P(x<5)=0.1783

Aplicamos la siguiente regla de tres:

10.000 cajones--------- 1
X cajones------------0.1783
Resultado: X=1783 cajones

Categoria 2:
P(5<x<7)= 0.6902-0.1783= 0.5119
Aplicamos la siguiente regla de tres:
10.000 cajones--------- 1
X cajones------------0.5119
Resultado: X=5119 cajones

Categoria 3:
P(x>7)=0.3098
Aplicamos la siguiente regla de tres:
10.000 cajones--------- 1
X cajones------------0.3098
Resultado: X=3098 cajones

30) La dureza Rockwell de un metal se determina al marcar con un punto

acerado la superficie del metal y despus medir la profundidad del punto.
Supongamos que la dureza Rockwell (micras) de cierta aleacion se
distribuye como una normal de media 70 y desviacin 3. Cuando llega un
cargamento se hace un ensayo y si la dureza est entre 67 y 75 micras se
acepta el cargamento.

X: dureza en micras
X: N(=70, = 3)
a) P(67<x<75)= 0.9522-0.1587=0.7936 es la probabilidad de que se acepte el
cargamento.
b) P(x<a)=0.01
Resultado: a=63.021
c) P(x>a)=0.025
70+c=a

a=75.8799

Resultado: 75.8799-70=5.8799
d) Se trata de una distribucin binomial
Y=N aceptables
Y:B(n=10, p=0.7936)
E[Y]=n*p=10*0.7936=7.936 se esperan aceptables.
P(Y>=8)=0.6584 probabilidad de que al menos 8 de los 10 ensayos sean
aceptables.

e) Utilizamos el TEOREMA CENTRAL DEL LMITE.

: (70,

3
10

P( > 70,5) = .
Ejercicio 3: El tiempo entre llegadas de clientes a un banco se comporta
como una exponencial. En el fichero tiempo.rda se tiene el tiempo
transcurrido entre la llegada de los 100 primeros clientes en 30 das
distintos. Se aade la variable media de estos tiempos.

a) Utilizamos como parmetro: 0.2

Realizamos una muestra de la distribucin exponencial

6
4
2
0

frequency

10

12

A continuacin realizamos el histograma:

4.0

4.5

5.0
mean

5.5

6.0

b) P(X>a)=0.75
Resultado: a=1.4384
c) E[X]=5

1
0.22

=5

Teorema central del limite

P(X>a)=0.75
Resultado: a=4.3843

: N( =5, =

5
30

= 0.9129)