REGRESIÓN LINEAL – LABORATORIO 1

19) Para estudiar el efecto de las aguas residuales de las alcantarillas que afluyen a un lago, se
toman medidas de la concentración de nitrato en el agua. Para monitorizar la variable se ha
utilizado un antiguo método manual. Se idea un nuevo método automático. Si se pone de
manifiesto una alta correlación positiva entre las medidas tomadas empleando los dos
métodos, entonces se hará uso habitual del método automático. Los datos obtenidos son los
siguientes:

15 30 27 40 57
MANUAL =X 25 40 120 75 0 0 0 0 450 5
AUTOMÁTICO = 20 35 24 32 58
Y 30 80 150 80 0 0 0 0 470 3

VARIABLES:

X: Método empleado para monitorizar de forma manual.

Y: Método empleado para monitorizar de forma automática.

Cuadro 1: Medición de la concentración de nitrato en el agua

empleando el método manual (X) y el método automático (Y).
X Y XY X² Y²
25 30 750 625 900
40 80 3200 1600 6400
120 150 18000 14400 22500
75 80 6000 5625 6400
150 200 30000 22500 40000
300 350 105000 90000 122500
270 240 64800 72900 57600
400 320 128000 160000 102400
450 470 211500 202500 220900
575 583 335225 330625 339889
∑ 2405 2503 902475 900775 919489

n= 10

Prom. () = 240.5 Prom. () = 250.3

Sxx = 322372.5 Syy = 292988.1

Sxy = 300503.5
 Gráfico: Correlación de las medidas tomadas empleando los dos
métodos para monitorizar el nitrato en el agua.
700

600

500

400
Y
(AUTOMÁTICO)
300

200

100

0
0 100 200 300 400 500 600 700
X
(MANUAL)

Fuente: Datos Cuadro 1

Para x = 0 y = 26.115

Para x = 575 y = 560.865

a) Hallar el coeficiente de determinación ( R2 ¿ para ambas variables.

R2=r 2
Sxy 300503.5
r= = =0.978
√ Syy √ Sxx √ 292988.1 √ 322372.5
R2=r 2=( 0.978)2=0.956

b) Comprobar la idoneidad del modelo lineal de regresión. Si el modelo es apropiado,

hallar la recta de regresión de Y sobre X y utilizarla para predecir la lectura que se
obtendría empleando la técnica automática con una muestra de agua cuya lectura
manual es de 100.
Sxy
a= ý−b x́ ; b=
Sxx
300503.5
a=250.3−0.932 ( 240.5 ) =26.115 b= =0.932
322372.5

y = 26.115 + 0.932x (Modelo de regresión lineal)

 Para una lectura manual de 100:

y = 26.115 + 0.932(100) = 119.315

 Para una lectura manual de 100, la correlación en la variable x que se obtiene

es de 119.315.
1. Si se eligen 4 latas de espárrago, para su control de calidad, y se observa el número de
latas defectuosas. Hallar:
a)Los sucesos posibles, use el diagrama del árbol
b)Diga si existen sucesos simples, mutuamente excluyentes y colectivamente
exhaustivos.
c)Halle la probabilidad de los sucesos hallados en (a)
d)Halle la probabilidad de la unión de dos sucesos.
e)Halle la probabilidad del complemento de dos sucesos.

a)
Exp. Aleatorio: Elegir 4 latas de espárrago
x: Nº de latas defectuosas
x: 0 1 2 3 4

Sucesos:
D: La lata elegida es defectuosa.
N: La lata elegida no es defectuosa.
S0: No se encontró lata defectuosa.
S1: Se encontró una lata defectuosa.
S2: Se encontraron dos latas defectuosas.
S3: Se encontró una lata defectuosas.
S4: Se encontraron cuatro latas defectuosas.

DIAGRAMA DEL ÁRBOL

D
D
N
D
D
N
N
D
D
D
N
N
D
N
N
D
D
N
D
D
N
N
N
D
D
N
N
D
N
N

n(Ω)= 2 x 2 x 2 x 2 = 16
b)
SI existen sucesos simples:
Ejm:
S0={NNNN}
S4={DDDD}

SI existen sucesos mutuamente excluyentes:

Ejm:
S0={NNNN}
S4={DDDD} S0∩ S4=∅

SI son colectivamente exhaustivos

P(S0) + P(S1) + P(S2) + P(S3) + P(S4) =1

c)
P(S0)=1/16=0.0625
P(S1)=4/16=0.2500
P(S2)=6/16=0.3750
P(S3)=4/16=0.2500
P(S4)=1/16=0.0625

d)

P(S0) + P(S4) = 2/16 =0.5000

e)

(P(S1) + P(S2) )’ = 1- 10/16 =6/16 = 0.3750

5)

CUADRO 1: TRABAJADORES DE UNA GRAN EMPRESA CLASIFICADOS POR EDAD Y CATEGORIA DE TRABAJO

A₁ A₂ A₃ A₄
CATEGORÍA DE TRABAJO TOTAL
< 25 26 - 30 31 - 35 > 35
B1 INGENIEROS 0 5 25 75 105
B2 TÉCNICOS 20 30 35 35 120
B3 ENSAMBLADORES 3 6 6 10 25
B4 MECÁNICOS 7 15 8 12 42
B5 PINTORES 200 375 442 203 1220
B6 TAPICEROS 1 12 8 3 24
B7 ELECTRICISTAS 4 10 19 12 45
B8 ELECTRÓNICOS 5 25 15 10 55
B9 OTROS SERV. PROF. 200 35 50 25 310
TOTAL 440 513 608 385 1946

a) Probabilidad de B2 ∩ A3'
n(B 2 ∩ A 3' ) n( B 2 ∩ A 1) n(B 2 ∩ A 2)
P( B 2∩ A 3 ')=
n(Ω)
=
n(Ω)
+
n(Ω)
+
n(B2 ∩ A1)/n(Ω) = 0.010277

n(B2 ∩ A2)/n(Ω) = 0.015416

n(B2 ∩ A4)/n(Ω) = 0.017986

TOTAL = 0.04368

b) Probabilidad de B2 U A4
P ( B 2 U A 4 )=P ( B 2 ) + P ( A 4 ) −P(B2 ∩ A 4 )

n(B2)/n(Ω) = 0.061665
n(A4)/n(Ω) = 0.197842

n(B2 ∩ A4)/n(Ω) = 0.017986

TOTAL = 0.24152

c) Probabilidad Complemento B3
P ( B 3 ´ ) =1−P(B 3)

n(B3)/n(Ω) = 0.012847

TOTAL = 0.98715

P ( A 2´ U B 6 )=P [ ( B 6− A 2 ) ∩ B 6 ]=P ( B 6 ) −P ( A 2U B 6)
d) Probabilidad de A2´U B6
 n(B6)/n(Ω) = 0.012333

n(A2 ∩B6)/n(Ω) = 0.006166

TOTAL = 0.00617

e) Probabilidad de (A3 U B5)´∩ B3

P ( A 3´ U B 5 ) ´ ∩ B 3=P [ ( A 3 ´ ∩ B 5' ) ∩ B 3 ]=P [ A 3 ´ ∩ ( B 5 ´ ∩ B 3 ) ]
¿ P { A 3 ´ ∩ [ (B3−B 5) ∩ B 3 ] }=P ¿
¿ P { A 3 ´ ∩ B 3 }=P [ ( B3− A 3 ) ∩B 3 ] =P ( B 3 )−P( A 3 ∩ B 3)
n(B3)/n(Ω) = 0.012847

n(A3 ∩B3)/n(Ω) = 0.003083

TOTAL = 0.00976

6.) Hallar el número de valores en:

n! n!
nPr= nCr=
( n−r ) ! ( n−r ) !∗r !

8! 8 x7 x6 x 5x 4 x 3 x2
a) 8P2 = ( 8−2 ) ! = 6 x5 x 4 x3 x 2
= 56

7! 7 x6 x5 x 4 x3 x 2
b) 7P3 = ( 7−3 ) ! = 4 x3 x2
= 210

12 ! 12 x 11 x 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2
c) 12P5 = ( 12−5 ) ! = 7 x6 x5 x 4 x3 x 2
= 95040

16 !
d) 16C8 = ( 16−8 ) !∗8 ! = 12870

28 !
e) 28C15 = ( 28−15 ) !∗15 ! = 3.7X107

8!
f) 8C2 = ( 8−2 ) !∗2! = 28

7. Suponga que cierta empresa industrial tiene tres trabajos que pueden realizarse en una
tarde particular y que hay cuatro personas para llevarlas a cabo. ¿ En cuántas formas
pueden asignarse las cuatro personas a los tres trabajos?.
 Exp. Aleatorio: Asignar cuatro personas a tres trabajos

Al tratarse de asignar personas a una determinada función, se trata de una

permutación.

n!
Entonces:n Pr ¿ ; n=4 ; r=3
( n−r ) !
4!
4 P3= =24
( 4−3 ) !

Por lo tanto: Existen 24 formas de asignar las cuatro personas a los tres trabajos.

11. Un estudiante universitario de la escuela de Ing. Industrial con un conjunto de síntomas

puede tener cualquiera de las 3 enfermedades E1, E2 y E3, con probabilidades 0.40, 0.10 y 0.50
respectivamente. Para precisar el diagnóstico, se somete al paciente a un análisis de sangre
que da positivo en los estudiantes que producen E1, E2 y E3 con probabilidades de 0.30, 0.20 y
0.98, respectivamente.

a) ¿Cuál es la probabilidad de que el estudiante que se somete al análisis tenga un resultado

positivo?

b) Si el resultado del análisis de un estudiante da positivo. ¿Cuál es la enfermedad más

probable?

P: Probabilidad que el estudiante sometido al análisis salga con resultado positivo.

N: Probabilidad que el estudiante sometido al análisis salga con resultado negativo.

0 .30 P= 0.12
E1 0.70
N= 0.28
0
0.4

0. 10 0 .20 P= 0.02
E2 0.80
0.50 N= 0.08

0 .98 P= 0.49
E3
0.02
N= 0.01

a) P(P) = P(E1)*P(P1/E1) + P(E2)*P(P2/E2) + P(E3)*P(P3/E3)

P(P) = 0.40*0.30 + 0.10*0.70 + 0.50*0.98
P(P) = 0.63

b) La enfermedad más probable en el caso que el resultado sea positivo, sería E3, por
tener mayor probabilidad que las demás (0.49).
12.) Las investigaciones señalan que el 12% de la población general sufren
alergia a la gran contaminación del medio ambiente debido a las
industrias. Cuatro personas son examinadas por primera vez. Determine la
probabilidad de que: i) Ninguno sufra alergia a causa de la gran
contaminación del medio ambiente. ii) No más de uno sufra alergias. iii) Al
menos uno sufre alergia. B) Determine la función de probabilidad de la v.a
X: Número de personas que sufren alergias a causa de la gran
contaminación del medio ambiente. Graficarla. C) Determine la Función de
Distribución. Graficarla. D) Calcule E(x) y la V(x).
V.A  X: Personas que sufren alergias debido a la contaminación
ambiental.
i) P(X=0) = 0.600
ii) P(X≤1) = P(X=0) + P(X=1) = 0.600 + 0.327 = 0.927
iii) P(X≥1) = 1 - P(X=1) = 1 – 0.600 = 0.400
b)
0.600 ; si x = 0

0.327 ; si x = 1
f(x)
0.067 ; si x = 2

0 ; si x = 3

GRÁFICO 1: PERSONAS QUE SUFREN ALERGIAS DEBIDO A LA GRAN

CONTAMINACIÓN DEL MEDIO AMBIENTE POR LAS INDUSTRIAS
0.7
0.6
0.6
0.5
0.4
0.33
f(x)

0.3
0.2
0.1 0.07
0.01 0
0
1 2 3 4 5
N° de personas que sufren alergias
 d) E(x) = 0.600*0 + 1*0.327 + 2*0.067 + 3*0.006 + 4*0
E(x) = 0.479

V(x) = (0.6*02 + 0.327*12 + 0.067*22 + 0.006*32 + 0*42) – (0.479)2

V(x) = 0.420

13. Dada la distribución de probabilidad de la v.a. X

X: -2 0 2 4 6
f(X): 0.2 0.3 0.2 0.15 0.15

a) Verifique que f(x) cumple con las condiciones de probabilidad

b) Halle y grafique f(x).
c) Halle y grafique F(x).
d) Determine la media, varianza y desviación estándar
e) Halle P(x>0), P(-2<= X <= 4), P(X>=2)

a)

f(x=-2) + f(x=0) + f(x=2) + f(x=4) + f(x=6) = 1

0.2 + 0.3 + 0.2 + 0.15 + 0.15 = 1

1 = 1

Por lo tanto cumple con las condiciones de probabilidad

 b)

0.2 Si x=-2
0.3 Si x= 0
f(x)= 0.2 Si x= 2
0.15 Si x= 4
0.15 Si x= 6
0 En otro valor de x

0.35

0.3

0.25

0.2
f(x)

0.15

0.1

0.05

0
-2 0 2 4 6

c)

0 Si x < -2
0.2 Si -2≤ x <0
0.5 Si 0≤ x <2
F(x)= 0.7 Si 2≤ x <4
0.85 Si 4≤ x <6
1 Si x > 6

1.2

0.8

0.6
F(X)

0.4

0.2

0
-6 -4 -2 0 2 4 6 8 10
X
 d)

Media:

n
E ( x )=∑ xi∗f ( xi )
i=1

E(x)= 0.2(-2) + 0.3(0) + 0.2(2) + 0.15(4) + 0.15(6)

E(x)= 1.5

Varianza:

n
2 2 2
V ( x )=E ( x ) −(E ( x)) => E ( x )=∑ xi ∗f ( xi )
i=1
E(x ) = 9.4
2

V(x) = 7.15

Desviación estándar:

σ =√ V ( x)2
σ =2.6739
e)

.) P(x>0) = P(x≥2) =0.5

.) P(-2≤x≤4) = P(x=-2) + P(x=0)+ P(x=2) + P(x=-4) = 0.85

.) P(x≥2) = 0.5

14. Desarrolle los ejercicios indicados de MONTGOMERY RUNGER “Estadística y

Probabilidad” Aplicada a la Ingeniería 2da Edición

Sección 3-1, Pág. 59

3.16) En el diagrama de Venn de la figura 3-9 se muestran tres eventos. Copie la figura
y sombree la región que corresponda a cada uno de los eventos siguientes.
a) A’

b) A∩B

c) (A ∩ B) U C

d) (B U C)’
 e) (A∩B)’ U C

3-17. En el diagrama de Venn de la figura 3-10 se muestran tres eventos. Copie la

figura y sombree la región que corresponda a cada uno de los eventos siguientes:

a) A’

b) (A∩B) U (A∩B’)

c) (A∩B) UC
 d) (B U C)’

e) (A ∩ B)’ U C

3-18. Se usa una báscula que da los pesos hasta el gramo más proximo.

a) ¿Cuál es el espacio muestral de este experimento?

El espacio muestral está conformado por enteros no negativos desde 0 al

entero más grande que se puede mostrar por la escala de medición.

Sea que: A denote el evento de que un peso exceda los 11 gramos, sea que
B denote el evento de que un peso sea menor o igual a 15 gramos y sea
 que C denote el evento de que un peso sea mayor o igual que 8 gramos y
menor que 12 gramos.

X: Representa peso

A es el evento donde X>11

B es el evento donde x≤15

C es el evento donde 8≤x<12

Describa los siguientes eventos:

b) A U B
Enteros no negativos a partir del 0 hasta el entero más grande

c) A ∩ B
11<x≤15

d) A’
x≤11

e) A U B U C
Enteros no negativos a partir del 0 hasta el entero más grande

f) (A U C)’

0≤x<8

g) A ∩ B ∩ C

11≤x≤12

h) B’ ∩ C

Conjunto vacío

i) A U (B ∩ C)

x≥8

Sección 3.2

3-32) Se hace el resumen de los pedidos de un aparato de iluminación por

los accesorios opcionales que se solicitan:
PORCIÓN DE PEDIDOS
Sin accesorios personales 0.3
Con un accesorio personal 0.5
Con más de un accesorio personal 0.2

V.A  X: Número de accesorios personales.

a) ¿Cuál es la probabilidad de que en un pedido se solicite al menos un

accesorio adicional?

P(X≥1) = P(X=1) + P(X>1) = 0.5 + 0.2 = 0.7

b) ¿Cuál es la probabilidad de que en un pedido no se solicite más de un

accesorio opcional?

P(X≤1) = 0.3 +0.5 = 0.8

3-33) Si es igualmente factible que el último dígito de la medición de un

peso sea cualquiera de los dígitos del 0 al 9

V.A  X: Último dígito de la medición de un peso.

a) ¿Cuál es la probabilidad de que el último dígito sea cero?

P(X=0) = 1/10 = 0.10

b) ¿Cuál es la probabilidad de que el último dígito sea mayor o igual a

cinco?

P(X≥5) = 5/10 = 0.50

Sección 3-4

3.41.
Si A, B y C son eventos mutuamente excluyentes, ¿es posible que P(A) = 0.3, P(B) = 0.4 y
P(C) =0.5? ¿Por qué sí o por qué no?

P(A) + P(B) + P(C) = 0.3 + 0.4 +0.5 = 1.2

 No es posible, porque el valor de la suma de P(A), P(B) y P(C), da como resultado 1.2,
valor que sobrepasa a la unidad, máximo valor en la sumatoria de probabilidades.

3.42. Se analizan las placas circulares plásticas de policarbonato de un proveedor para la

resistencia a las rayaduras y a los impactos. Los resultados de 100 placas circulares se
resumen:
 Experimento aleatorio: Se selecciona una placa circular al azar.

 Sucesos:
Ra: la placa circular tiene una resistencia a las rayaduras alta. n(Ra)=89
Rb: la placa circular tiene una resistencia a las rayaduras baja. n(Rb)=11
Ia: la placa circular tiene una resistencia a los impactos alta. n(Ia)=86
Ib: la placa circular tiene una resistencia a los impactos baja. n(Ib)=14
a) ¿Cuál es la probabilidad de que su resistencia a las rayaduras sea alta y su
resistencia a los impactos sea alta?
P(Ra ∩ Ia) = 80/100 = 0.8

b) ¿Cuál es la probabilidad de que su resistencia a las rayaduras sea alta o su

resistencia a los impactos sea alta?
P(Ra U Ia) = P(Ra) + P(Ia) - P(Ra ∩ Ia) = (86+89-80)/100= 0.95

c) Considérese el evento de que la placa circular tiene resistencia a las rayaduras

alta y el evento en que la placa circular tiene resistencia a los impactos alta.
¿Son mutuamente excluyentes?
No, porque estos eventos poseen intersección no nula, Ia y Ra no son
mutuamente excluyentes.

Sección 3-8, Pág. 93

Decida si una variable aleatoria discreta o continua es el mejor modelo para cada una
de las variables siguientes:
3-83. El tiempo hasta que un proyectil regresa a la tierra.
V.A. Continua
3-84. El número de veces que un transitor en una memoria de computadora cambia de
estado en una operación
V.A. Discreta
3-85. El volumen de gasolina que se pierde por evaporacón durante el llenado de un
tanque de combustible
V.A. Continua
3-86. El díametro exterior de una flecha maquinada.
V.A. Continua
 3-87. El número de grietas que exceden media pulgada en 10 millas de una carretera
interestatal
V.A. Discreta
3-88. El peso de una pieza de plástico moldeada por inyección.
V.A. Continua
3-89. El número de moléculas en una muestra de gas
V.A. Discreta
3-90. La concentración de la salida de un reactor
V.A. Continua
3-91. La corriente de un circuito electrónico
V.A. Continua

Sección 4.3
4-24) Determine las siguientes probabilidades:
a) P(X<1.5) = 0.93319
b) P(X≤3) = 0.99865
c) P(X>2) = 1 – P(X<2) = 1 – 0.97725 = 0.02275
d) P(1<X≤2) = P(X≤2) – P(X<1) = 0.97725 – 0.84134 = 0.13591
4-25) Determine las siguientes probabilidades:
 a) P(X≤1.25) = 0.89435
b) P(X≤2.2) = 0.98679
c) P(-1.1<X≤1) = P(X≤1) – P(X>1.1) = P(X≤1) – 1 + P(X<1.1) =
0.84134 – 1 + 0.86433 = 0.70567
d) P(X>0) = 1 – P(X<0) = 1 – 0.5 = 0.5

17. Usando la distribución de Poisson, halle las probabilidades indicadas:

a) P (x ≤ 6); n = 200; p = 0.02 λ = 200*0.02 → λ = 4

x
0 5 6 7 20 0

P (x ≤ 6) = 0.889

b) P (x < 5); n = 300; p = 0.035

 x
0 4 5 6 300

λ = 300*0.035 → λ = 10.5
P(x < 5) = P(x ≤ 4)
= 0.021

c) P (x > 2); n = 100; p = 0.045 λ = 100*0.045 → λ = 4.5

P (x > 2) = 1 – P(x ≤ 2)
x
01 23 1 00

= 1 – [(0.066 + 0.056)/2]
= 0.939

d) P (x ≥ 3); n = 100; p = 0.045 λ = 100*0.045 → λ = 4.5

P (x ≥ 3) = 1 – P(x < 3)
x
0 23 4 10 0

= 1 – P(x ≤ 2)
= 1 – [(0.066 + 0.056)/2]
= 0.939

18.) Suponga que X tiene una distribución normal con una media de 5 y
una desviación estándar de 4. Determine:
U = 5; ∂=4
a) P(Z<11) = 0.93319

11−5
z= 4
= 1.5

b) P(Z>0) = 1 – P(Z<0) = 1 – 0.10565 = 0.89435

0−5
z = 4 = -1.25

c) P(3<Z<10) = P(Z<10) – P(Z<3) = 0.89435 – 0.42074 = 0.47361

10−5 3−5
z= 4
= 1.25; z = 4
= -0.2

d) P(-b<Z<b) = 0.90
P(Z<b) – P(Z<-b) = 0.90
P(Z<b) – 1 + P(Z<b) = 0.90
2 P(Z<b) = 1.90
P(Z<b) = 0.95
b = 1.64
P(Z< -b) = 0.005
-b = -1.65
e) P(Z<z) = 0.975
z = 1.96