Lapso 2006 - 1

Universidad Nacional Abierta

Vicerrectorado Acadmico
rea de Matemtica
Universidad Nacional Abierta Inferencia Estadstica (738)
Vicerrectorado Acadmico INTEGRAL
rea de Matemtica Fecha: 01-04-2006

MODELO DE RESPUESTAS

OBJ 1 PTA 1

Una industria fabrica tornillos con las siguientes especificaciones media = 10 cm. y una varianza
= 4 cm ., si la distribucin de probabilidad es desconocida. Estimar:
2 2

a) P (| X 10 | 3)

b) P (| X 10 |< 3)

c) P(5 < X < 15)

Nota: para lograr el objetivo debe responder correctamente al menos dos literales.

Solucin:

Dado que se desconoce la distribucin, para estimar estas probabilidades se debe utilizar el teorema de
Chebyshev.

a)

P (| X 10 | 3) = 1 P(| X 10 |< 3)
3 3 1 4
= 1 P 10 (2) < X < 10 + (2) = =
2 3 2
2 9

2

b)

3 3 1
P (| X 10 |< 3) = P (3 < X 10 < 3) = P 10 (2) < X < 10 + (2) = 1
2 2
2 3

2
4 5
= 1 =
9 9
c)

5 5
P (5 < X < 15) = P (5 < X 10 < 5) = P 10 (2) < X < 10 + (2)
2 2
4 21
= 1 =
25 25
OBJ 2 PTA 2

Cierta mquina fabrica resistencias elctricas que tienen una resistencia media de 40 ohmios y una desviacin
estndar de dos ohmios. Se sabe que el proceso sigue una distribucin normal. Qu porcentaje de resistencias
excedern los 43 ohmios?

Solucin:

43 40
Paso 1: tipificar la variable Z = = 1.5
2

Paso 2: determinar usando la tabla correspondiente que P ( Z > 1.5) = 0.0668 , luego el 6.68% de las
resistencias elctricas exceder los 43 ohmios.

OBJ 3 PTA 3

Sea X la cantidad de radiacin que puede absorber un individuo antes de que sobrevenga la muerte. Suponga
que X es normal, con media de 500 roentgens y desviacin estndar de 150 roentgens. Por arriba de cul
dosis apenas sobrevive 5% de los individuos expuestos?

Solucin:

Se pide determinar x0 , tal que P ( X x0 ) = 0.05 . Dado que la variable sigue una distribucin normal
procedemos a estandarizarla, esto es

X 500 x0 500 x0 500

P ( X x0 ) = P = PZ = 0.05 .
150 150 150

Usando la tabla de distribucin normal observamos que no existe un valor asociado para esta rea, por lo tanto
se tiene que hacer una interpolacin,

1.65 0.0495
x 0.05
1.64 0.0505
de aqu que,

1.65 x 0.0495 0.05

= x = 1.645 ,
1.65 1.64 0.495 0.0505
entonces

x0 500
= 1.645 x0 = 746.75 roentgens
150
Se concluye que de cada 100 individuos expuestos a una radiacin igual o superior a 746.75 roentgens slo
sobreviran cinco.

0BJ 4 PTA 4

Las terminales de computadora tienen una pila que mantiene su configuracin. Esta pila debe reponerse de
vez en cuando. Sea X la vida til de la pila en aos. Si X tiene una distribucin exponencial, con parmetro
desconocido. Cul es la estimacin de mxima verosimilitud de ?, considerando los siguientes datos,
1.70 4.00 1.90 2.00 1.70
2.10 2.70 4.20 1.80 2.20
3.10 1.50 2.40 6.20 7.00
3.60 1.40 5.00 3.80 1.60

Solucin:

Paso 1: recodar la funcin de densidad correspondiente

1 exp x ,

f ( x, ) = ( x>0 )
0, cualquier otro caso

Paso 2: obtener la funcin de verosimilitud

20
xi
1
20
1 1
x20 , ) =

L( x1 , e xi / , L( x1 , x20 , ) = e i =1

i =1 20

Paso 3: encontrar el parmetro que maximiza la funcin,

20
1
ln( L( x1 , x20 , )) = 20 ln( )

x i =1
i

derivando respecto a e igualando a cero tenemos,

20
20 + xi = 0 .
i =1

Despejando se tiene que

20

x i
= i =1
= 2.995
20
OBJ 5 PTA 5

La industria Gonzal Gom. C.A fabrican 9100 artculos mensuales. De estos se encuentran 305
defectuosos.Cules el intervalo de confianza de 95% para la proporcin de artculos defectuosos?

Solucin:

305
Paso 1: determinar la proporcin de artculos defectuosos, p = = 0.0335
9100

Paso 2: estandarizar p

( p p ) / p (1 p ) / n = (0.0335 p ) / (0.0335)(0.9665) / 9100

Paso: 3 determinar usando la tabla de distribucin normal, Z 0.025 tal que

P ( 0.0335 z0.025 0.001886 < p < 0.0335 + z0.025 0.001886 ) = 0.95

Paso 4:

0.0335 (1.96)0.001886 < p < 0.0335 + (1.96)0.001886

0.029803 < p < 0.037197

0BJ 6 PTA 6

Considere que X es una V. A. normal con media y varianza 4. Se contrastan las hiptesis
H0 : = 0 H1 : > 0 ,
Tomando una muestra aleatoria de tamao 30 de la variable X , y el criterio de rechazar la hiptesis nula si la
media de la muestra es X > 0.6 .
a) Cul es la potencia del contraste?
= 1.
b) Cul es la probabilidad de error y la probabilidad de error si
Nota: Para el logro de este objetivo se requiere contestar correctamente uno de los literales.
Solucin:

X
a) estandarizamos la variable N (0,1) , luego obtenemos la potencia de la siguiente
2 / 30
manera,

3
( ) = P X | es el verdadero valor
5
3
X
= P 5
2/ 30 2
30
3
= 1 F ( 3 5 )
10
 3
b) = ( 0 ) = 1 F ( 3) 1 F (1.64) = 0.0505 = 5.05%
10
Usar la tabla de
3 distribucin Normal
= 1 ( ) = F ( 3 5 ) , si = 1
10

3
= F (2) F ( 1.1) = 0.1357 = 13.57%
10

0BJ 7 PTA 7
Una compaa tiene dos plantas de tamao similares y dedicadas a producir el mismo bien. Se implanta un
programa de control de calidad experimental en una de ellas. Antes de aplicar el programa a la otra, los
administradores desean comparar las proporciones de piezas defectuosas, durante el periodo de prueba, de una
planta respecto a la otra. En la planta experimental de una muestra de 250 piezas se encontr 5 defectuosas y
en la planta control de una muestra de 263 piezas se detectaron 24 defectuosas. La alta gerencia ha decidido
que el programa s rentable si la diferencia entre las proporciones es superior a 0.005. Dado el monto de la
inversin, se requiere una confianza del 99%. Se justifica o no ampliar el programa?

Razone su respuesta.

Solucin:

Paso 1: H 0 : p1 p2 = 0.05 H1 : p1 p2 > 0.05

1 = 24 / 263 = 0.091 p 2 = 5 / 250 = 0.02 p1 p 2 = 0.071

Paso 2: p

Paso 3: Aplicamos el estadstico

( p1 p 2 ) ( p1 p2 ) 0.071 0.05
Z= = = 1.059 1.06
p1 (1 p1 ) / n1 + p 2 (1 p 2 ) / n2 (0.091)(0.909) / 263 + (0.02)(0.98) / 250

Paso 4:

Mtodo 1: El punto crtico para = 0.01 usando una tabla de distribucin normal es 2.33 como 1.06 < 2.33
no se tiene suficiente evidencia para rechazar la hiptesis nula, luego no se tiene argumentos que justifique la
ampliacin del programa.

Mtodo 2: Obtener el valor de p = P ( Z 1.06) = 0.1446 , valor mayor que 0.01. Por lo cual no se puede
rechazar la hiptesis nula y por lo tanto no se puede recomendar la ampliacin del programa.

FIN DE MODELO