Vous êtes sur la page 1sur 5

UNIVERSIDAD CARLOS III DE MADRID

Ingenierı́a Industrial
Estadı́stica I (Soluciones)
19 de Mayo de 2010

1. Un inversor tiene la posibilidad de realizar inversiones en dos tipos de valores (tipo I y


tipo II). La primera vez que invierte no tiene ninguna preferencia ası́ que elegirá con
igual probabilidad entre los dos tipos disponibles. En la segunda ocasión, su elección se
verá influida por el resultado de la primera inversión. De modo que, si obtiene beneficios la
primera vez, en la segunda ocasión invertirá en el mismo tipo de valor. En caso contrario,
cambiará su elección.
En cada inversión, se sabe que la probabilidad de que obtenga beneficios es del 60 % si
invierte en valores del tipo I y del 80 % si invierte en valores del tipo II.
Con estos datos, se pide:
a) Calcule la probabilidad de que el inversor obtenga beneficios en la primera inversión.
Antes de comenzar a invertir, la probabilidad de obtener beneficios en la segunda inversión
es del 72 %. Sabiendo que en la segunda inversión obtiene beneficios,
b) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo
de valor I y obtenido beneficios?
c) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo
de valor I y no hubiese obtenido beneficios?
d) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo
de valor I?
Solución.
Denotamos los sucesos:
Iij ≡ “invertir en valores del tipo i en la j-ésima ocasión”
Gj ≡ “obtener ganancias en la j-ésima inversión”

a) Calcule la probabilidad de que el inversor obtenga beneficios en la primera inversión.


Por el Teorema de la Probabilidad Total se sabe que:
Pr(G1 ) = Pr(G1 |I11 ) Pr(I11 ) + Pr(G1 |I21 ) Pr(I21 )
= 0,6 × 0,5 + 0,8 × 0,5 = 0,7.

b) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo


de valor I y obtenido beneficios?

1
Nos piden Pr(G1 ∩ I11 |G2 ). Por el Teorema de Bayes se sabe que
Pr(G2 |G1 ∩ I11 ) × Pr(G1 ∩ I11 )
Pr(G1 ∩ I11 |G2 ) =
Pr(G2 )
0,6 × 0,3 0,18
= = = 0,25.
0,72 0,72
c) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo
de valor I y no hubiese obtenido beneficios?
Nos piden Pr(G1 ∩ I11 |G2 ). Por el Teorema de Bayes se sabe que
Pr(G2 |G1 ∩ I11 ) × Pr(G1 ∩ I11 )
Pr(G1 ∩ I11 |G2 ) =
Pr(G2 )
0,8 × 0,2 0,16
= = = 0,22.
0,72 0,72
d) ¿cuál es la probabilidad de que en la primera inversión hubiese invertido en el tipo
de valor I?
Nos piden Pr(I11 |G2 ). Dado que el suceso I11 se puede escribir como la unión de
dos sucesos disjuntos, es decir, I11 = (G1 ∩ I11 ) ∪ (G1 ∩ I11 ), se concluye que:
Pr(I11 |G2 ) = Pr(G1 ∩ I11 |G2 ) + Pr(G1 ∩ I11 |G2 ) = 0,25 + 0,22 = 0,47.

2. El tiempo de vida útil de cierto mecanismo, medido en dı́as, es una variable aleatoria X
con función de distribución


 0 si x ≤ 10
(x − 10)/40 si 10 < x ≤ 30

FX (x) = .

 (x − 20)/20 si 30 < x ≤ 40
 1 si x > 40
Ciertos estudios han revelado que la eficacia de su funcionamiento está vinculada con el
cubo de esta variable, X 3 .
a) Calcule la media de X y la de X 3 .
b) ¿Con qué probabilidad X 3 será mayor que 42875?
c) Para efectuar un estudio de simulación, necesitamos conocer la función de densidad
de Y = X 3 , calcúlela.
Solución.
a) Calcule la media de X y la de X 3 . La función de densidad de X es la derivada de
su función de distribución, por tanto

 1/40 si 10 < x ≤ 30
fX (x) = 1/20 si 30 < x ≤ 40 .
 0 en otro caso

2
Las medias de X y X 3 serán
Z +∞
E[X] = xfX (x)dx = 27,5
−∞
Z +∞
E[X 3 ] = x3 fX (x)dx = 26875 .
−∞

b) ¿Con qué probabilidad X 3 será mayor que 42875?



P (X 3 > 42875) = P (X > 42875) = P (X > 35) = 1 − FX (35) = 0,25 .
3

c) Para efectuar un estudio de simulación, necesitamos conocer la función de densidad


de Y = X 3 , calcúlela.
Para cualquier y tenemos que FY (y) = P (Y ≤ y) = P (X 3 ≤ y) = P (X ≤ y 1/3 ) =
FX (y 1/3 ). Ası́ que derivando obtenemos

1
si 1000 < y ≤ 27000

 120 3 y2

fY (y) = √
1
si 27000 < y ≤ 64000 .
 60 3 y 2

0 en otro caso

3. En un proceso de producción, la elaboración del producto final supone la realización de


3 tareas en cadena, que se realizan de manera independiente y una inmediatamente a
continuación de la otra. Se sabe que el tiempo en horas, X1 , X2 y X3 , que se invierte
en cada una de las tareas sigue un modelo exponencial de parámetro λ1 = 2, λ2 = 4 y
λ3 = 6, respectivamente. Con esta información, se pide
a) Calcule la esperanza y la varianza del tiempo total que supone la elaboración del
producto final.
b) Si se fabrican 100 productos independientemente unos de otros, ¿cuál es la probabi-
lidad de que el tiempo total de elaboración supere las 90 horas?
Solución.
a) Calcule la esperanza y la varianza del tiempo total que supone la elaboración del
producto final.
Sea T el tiempo total que supone la elaboración de un producto en esa cadena de
producción. Se verifica que T = X1 + X2 + X3 , con media
1 1 1 11
E[T ] = E[X1 ] + E[X2 ] + E[X3 ] = + + = = 0,9167 h,
2 4 6 12
y varianza
1 1 1 49
V ar[T ] = V ar[X1 ] + V ar[X2 ] + V ar[X3 ] = + + = = 0,340278.
4 16 36 144

3
b) Si se fabrican 100 productos independientemente unos de otros, ¿cuál es la probabi-
lidad de que el tiempo total de elaboración supere las 90 horas?
Nos piden Pr( 100
P
i=1 Ti > 90 h). Por el TCL, dado que estamos sumando un número
elevado (n = 100 > 30) de v.a. independientes entre sı́, se puede aproximar la
distribución del tiempo total que supone la elaboración de los 100 productos mediante
una Normal de media µ = 100E[T ] = 100 × 0,9167 = 91,67 horas y varianza
σ 2 = 100V ar[T ] = 100 × 0,340278 = 34,0278 horas2 .
Estandarizando y teniendo en cuenta la simetrı́a de la densidad de una normal
estándar, se tiene que:
100
X 90 − 91,67
Pr( Ti > 90) = Pr(N (0, 1) > √ )
i=1
34,0278
= Pr(N (0, 1) > −0,29) = Pr(N (0, 1) < 0,29)
= Pr(N (0, 1) ≤ 0,29) = 0,6141.

4. Según la normativa sobre contaminación atmosférica, los motores de los automóviles no


deben emitir más de 5 ppm de CO2 . Dentro de sus procesos de control de calidad, un
fabricante ha medido la emisión de CO2 en una muestra de 36 motores, obteniéndose
una media de 5,5 ppm y una cuasidesviación tı́pica de 0,6 ppm.
a) Supuesto que los datos obtenidos siguen distribución normal, ¿hay evidencia sufi-
ciente para afirmar que este fabricante incumple la normativa sobre contaminación
atmosférica? (Nivel de significación α = 0,05)
b) Se ha realizado una nueva medida sobre una muestra de 49 motores, obteniéndose
una emisión media de de 4,5 ppm con una cuasidesviación tı́pica de 0,7 ppm. ¿Pueden
considerarse las medias de ambas mediciones iguales, supuesto que los nuevos datos
también siguen distribución normal? (Nivel de significación α = 0,05)
Solución.
a) Supuesto que los datos obtenidos siguen distribución normal, ¿hay evidencia sufi-
ciente para afirmar que este fabricante incumple la normativa sobre contaminación
atmosférica? (Nivel de significación α = 0,05)
Planteamos el contraste
H0 : µ ≤ 5
H1 : µ > 5

según el que rechazamos H0 si la discrepancia


x − µ0
d= √ > tn−1,0,05
ŝ/ n

4
En nuestro caso
5,5 − 5
d= √ =5
0,6/ 36
y además P (t35 ≥ 1,6896) = 0,05, ası́ que t35,0,05 = 1,6896.
Por lo tanto, hay evidencia suficiente para rechazar H0 y afirmar que el fabricante
incumple la normativa.
b) Se ha realizado una nueva medida sobre una muestra de 49 motores, obteniéndose
una emisión media de de 4,5 ppm con una cuasidesviación tı́pica de 0,7 ppm. ¿Pueden
considerarse las medias de ambas mediciones iguales, supuesto que los nuevos datos
también siguen distribución normal? (Nivel de significación α = 0,05)
Necesitamos saber cómo son las varianzas poblacionales, para lo que realizamos el
correspondiente contraste

H0 : σ12 = σ22
H1 : σ12 6= σ22

Rechazamos H0 si la discrepancia

ŝ2

> Fn1 −1,n2 −1,α/2
F0 = 21
ŝ2 < Fn1 −1,n2 −1,1−α/2
En nuestro caso F0 = 0,36/0,49 = 0,7347.
Como F35,48,0,025 = 1,83966 y F35,48,0,975 = 0,5271, no hay evidencia para rechazar
la hipótesis nula, y podemos considerar las varianzas poblacionales iguales.
Planteamos entonces el contraste:

H0 : µ1 = µ2
H1 : µ1 6= µ2

Rechazamos H0 si la discrepancia

x1 − x2 < −tn1 +n2 −2,α/2
t0 = q
> tn1 +n2 −2,α/2
ŝT n11 + n12

Para nuestro caso ŝ2T = (35 × 0,36 + 48 × 0,49)/(36


p + 49 − 2) = 0,4352, ası́ que
ŝT = 0,6597 y además t0 = (5,5 − 4,5)/(0,6597 1/36 + 1/49) = 6,9055.
Como t83,0,025 = 1,99, existe evidencia suficiente para rechazar la hipótesis nula y
afirmar que las medias son distintas.