Coleccion de problemas

Departamento de Matematica Aplicada III

5 de noviembre de 2002

1.

Probabilidad b
asica (PRB).

PRB.01 Sean los sucesos A, B y Ai , i = 1, 2, ..., n. Demostrar las siguientes propiedades de la probabilidad:
a)
b)
c)
d)
e)
f)
g)
h)
i)

acotaci
on: 0 P [A] 1;
conjunto vaco: P [] = 0;
isotona: A B P [A] P [B];
= 1 P [A];
complementario: P [A]
diferencia: A B P [B A] = P [B] P [A];
reuni
on: P [A B] = P [A] + P [B] P [A B];
subaditividad: P [A B] P [A] + P [B];
P [B];

desigualdad de Boole: P [A B] 1 P [A]

regla general de la reuni
on:
P[

n
[

i=1

Ai ] =

n
X

P [Ai ]

i=1

P [Ai Aj ] + + (1)n+1 P [

n
\

Ai ];

i=1

1i<jn

j) regla general de la subaditividad:

P[

n
[

Ai ]

i=1

n
X

P [Ai ];

i=1

k) desigualdad general de Boole:

P[

n
\

Ai ] 1

i=1

n
X

P [Ai ].

i=1

OBS: escribir las propiedades i), j), k) para n = 4 y demostrar por induccion.
PRB.02 Sean los sucesos A y B. Ordenar de menor a mayor las probabilidades P [A], P [B], P [A]+P [B],
P [A B], P [A B], P [A|B] en los siguientes casos:
a) A y B son disjuntos;
b) A y B son independientes;
c) A B.
PRB.03 En un plan general para control de riadas, se desea saber si una canalizacion construida anteriormente para un arroyo es suficiente para aliviar los posibles caudales maximos (siendo el maximo
total de 10 m3 /s). Tras un estudio de riadas anteriores, las probabilidades de caudal maximo en un
cierto a
no se definen como sigue:
A: = 3a 6 m3 /s P[A] = 0,6
B: = 5a 10 m3 /s P[B] = 0,6
C: = A B
P[C] = 0,7

P [A|B], P [B|A], P [B|

A],
y definir cada uno de los sucesos cuyas
Calcular P [A B], P [A], P [B A],
probabilidades se pide calcular.
1

PRB.04 Un alumno responde a un test de eleccion m

ultiple. Para cada pregunta hay cinco respuestas
posibles. Dada una pregunta, el alumno sabra la respuesta y la contestara correctamente o no la
sabra y adivinar
a la respuesta. Pregunta: Suponiendo que el alumno ha contestado bien una pregunta, cual es la probabilidad de que el alumno supiese la respuesta? (Suponer que la probabilidad
inicial de que sepa la respuesta es p, y discutir el resultado en funcion de los posibles valores de p).
PRB.05 (Examen final, 1994/95). Considerense dos sucesos A y B tales que P [A] = 0, 4 y P [B] = 0, 7.
Determinar los valores que puede tomar P [A B], analizando todas las situaciones posibles.
PRB.06 (Segundo parcial, 1994/95). Sean A y B dos sucesos independientes y sea P [B] < 1. Calcular P [Ac |B c ], donde Ac es el complementario de A y B c el complementario de B. Interpretar el
resultado.
PRB.07 (Convocatoria extraordinaria, 1994/95). Considerense dos sucesos A y B disjuntos. Determinar
que condiciones deben cumplir para que sus complementarios, Ac y B c , sean:
a) disjuntos,
b) disjuntos e independientes,
y dar un ejemplo en este u
ltimo caso.
PRB.08 Determinar la probabilidad de obtener, en la Lotera Primitiva, 6 aciertos, 5 aciertos y el
complementario, o bien cuatro aciertos, jugando una sola combinacion de 6 n
umeros.
PRB.09 Con base en varios estudios, una compa
na ha clasificado, de acuerdo con la posibilidad de
descubrir petr
oleo, las formaciones geol
ogicas en tres tipos. La compa
na pretende perforar un pozo
en un determinado lugar, al que se asignan probabilidades de 0.35, 0.40, 0.25 para los tres tipos de
formaciones respectivamente. De acuerdo con la experiencia, se sabe que el petroleo se encuentra
en un 40 % de formaciones de tipo I, en un 20 % de tipo II y en un 30 % de tipo III. Determnese:
a) calcular la probabilidad de hallar petroleo en el lugar de perforacion;
b) si la compa
na no descubre petr
oleo en ese lugar, cual es la probabilidad de que all exista
una formaci
on de tipo II?
PRB.10 (Convocatoria extraordinaria, 1995/96) Un productor de cine, con un buen historial de nomi
naciones para los Oscar,
ha seleccionado dos equipos de direccion A y B para su proxima pelcula.

Basandose en resultados de ediciones anteriores, piensa que puede conseguir 0, 1, 2 o 3 Oscar

seg
un

las siguientes probabilidades: si elige el equipo A, la probabilidad de 0, 1, 2 o 3 Oscar es 0.24; 0.42;

0.24 y 0.10 respectivamente, mientras que si elige el equipo B las probabilidades correspondientes
son 0.20; 0.40; 0.40 y 0.00. El productor piensa que por problemas de disponibilidad de los equipos
la probabilidad de elegir A es 2/3 de la probabilidad de elegir B. Se pide:

a) Calcular la probabilidad de que la proxima pelcula del productor reciba exactamente un Oscar.

b) Si recibe exactamente un Oscar,

calcular la probabilidad de que la haya dirigido el equipo A.

c) Un aficionado al cine ha odo que la pelcula ha recibido alg

un Oscar,
pero no sabe cuantos ni
que equipo la ha dirigido. Calcular la probabilidad de que haya sido el equipo B.
PRB.11 Se tienen seis urnas con 12 bolas cada una (blancas y negras). Una urna tiene 8 bolas blancas.
Dos urnas tienen 6 bolas blancas, y tres 4 bolas blancas. Al azar se escoge primero una urna y a
continuaci
on se extraen de ella tres bolas. De estas, dos resultan ser blancas y una negra. Determinar
la probabilidad de que la urna escogida contenga 6 bolas blancas y 6 negras.
PRB.12 Un informe preliminar sobre la profunditat de la capa fre`atica en un cert lloc afirma que aquesta
es troba entre 15 i 20 metres de profunditat amb una probabilitat del 70 %. Per establir amb mes
seguretat la profunditat, es realitzen 10 sondejos el`ectrics, que sols en 7 casos reafirmen que la capa
fre`atica es troba exactament entre 15 i 20 metres. An`alisis experimentals sobre els errors comesos
indiquen que la probabilitat que el sondeig detecti la capa fre`atica quan aquesta es troba entre 15
i 20 metres de profunditat es 0.85, i que no la detecti quan aquesta no es troba realment es 0.80.
Quina es la probabilitat que la capa fre`
atica es trobi entre 15 i 20 metres despres de tenir en compte

els resultats dels sondejos? Existeixen raons de pes per rebutjar linforme preliminar? Qu`e hagues
passat en el cas de no haber obtingut en cap dels sondejos realitzats una profunditat entre 15 i 20
metres?
PRB.13 Se considera el problema cl
asico de colocar n partculas en m casillas, m > n. Cual es la
probabilidad de hallar las n partculas en n casillas preseleccionadas, en las siguientes condiciones:
1.

Las partculas son diferentes entre si y puede haber varias de ellas en cada casilla. (Estadstica
de Maxwell-Boltzman)

2.

Las partculas son iguales e indistinguibles y puede haber varias de ellas en cada casilla.
(Estadstica de Bose-Einstein)

3.

Las partculas son iguales e indistinguibles pero solo puede haber una en cada casilla. (Estadstica de Fermi-Dirac)

PRB.14 (Ley de Hardy-Weinberg) Los animales de una especie pueden tener tres pares de genes alternativos que se denotan por AA, Aa y aa. La probabilidad (frecuencias geneticas) con que se presentan
estos pares en una poblaci
on grande determinada son P00 ,P10 y P20 respectivamente. Denominamos
a esta generaci
on de individuos por el subndice 0. Suponemos que los individuos de la generacion
1 heredan su par de genes de dos individuos de la generacion 0; de cada uno de los progenitores el
hijo adquiere un gen al azar. Supongamos que el proceso se repite de generacion en generacion. Se
pide:
a) Hallar las frecuencias geneticas de AA, Aa y aa dadas por P01 , P11 y P21 de la primera
generaci
on suponiendo:
a.1) P00 = 1/4, P10 = 1/2 y P20 = 1/4.
a.2) P00 = 0,1, P10 = 0,05 y P20 = 0,85.
b) Hallar las frecuencias geneticas de la segunda generaci
on P02 , P12 y P22 para los dos casos a.1)
y a.2) anteriores.
c) Demostrar que para i = 1, 2, 3, ...
Pk,i+1 = Pk,i

K = 0, 1, 2

PRB.15 Se considera un saco conteniendo 10 bolas de las cuales 5 son negras. Sea X una variable
aleatoria que toma valores 1, 2, 3, 4, 5, 6 con igual probabilidad. Se sacan simultaneamente X bolas
del saco. Establecer la probabilidad de que las X bolas extradas sean negras.
PRB.18 (Convocatoria extraordinaria 1994/95). De acuerdo con los datos publicados por el Instituto
Nacional de Empleo (INEM), en diciembre de l994 haba 6236 licenciados en Ciencias de la Informacion en paro. De los registros se desprende que el grueso de los parados corresponde a la franja
de edad comprendida entre los 25 y los 34 a
nos, con el 62,5 %, mientras que los menores de 25 a
nos
constituyen el l6 % y los mayores de 35 a
nos el 21,5 %. Si dentro de cada uno de estos tres grupos
se distingue por sexos, tenemos que el 24,5 % de los parados menores de 25 a
nos son hombres,
porcentaje que asciende al 34,5 % para los parados entre 25 y 35 a
nos y que se sit
ua en el 60 % para
los mayores de 35 a
nos. Se pide:
a) Hallar el porcentaje de parados que son mujeres.
b) Seleccionado un parado al azar de la poblacion analizada, si es mujer, calcular la probabilidad
de que tenga entre 25 y 34 a
nos.
c) Razonar si los datos publicados permiten afirmar o rechazar la existencia de discriminacion en
la contrataci
on laboral de licenciados/as en Ciencias de la Informacion.
PRB.19 Los animales de una especie pueden tener tres pares de genes (alelos) alternativos que se
denotan por AA, aa (ambos homozigotos) y Aa (heterozigotos). En una poblacion grande de esta
especie los machos tienen una frecuencia de 1/3 para cada par genetico (genotipo). En cambio en las
hembras las frecuencias genotpicas son 1/4, 1/4 y 1/2 para los pares AA, aa y Aa respectivamente.
Al reproducirse la especie, los hijos heredan al azar un gen del par del padre y otro del par de la
madre para formar su propio par AA, aa o Aa.
3

a) Hallar la probabilidad de que un hijo, independientemente del sexo, tenga cada uno de los
pares AA, aa o Aa.
b) Si un hijo tiene el par Aa, hallar la probabilidad de que el gen a provenga de la madre.
c) Si un hijo tiene el par Aa, determinar la probabilidad de que el padre tuviera el par AA y la
madre el par Aa.

2.

Variables aleatorias univariantes (VAU).

VAU.01 Sea X una variable aleatoria tal que puede tomar cualquier valor perteneciente al conjunto de
n
umeros naturales. Si P[X = n] = 21n calcular E [X].
VAU.02 Sea X una variable aleatoria y g, g1 , g2 funciones reales de variable real. Probar las siguientes
propiedades:
a) E [c] = c, para cualquier constante c R.
b) E [cg(X)] = c E [g(X)], para cualquier constante c R.
c) E [c1 g1 (X) + c2 g2 (X)] = c1 E [g1 (X)] + c2 E [g2 (X)], para c1 , c2 R constantes cualesquiera.
d) E [g1 (X)] E [g2 (X)] si g1 (x) g2 (x) para todo x.
e) Var [X] = E [(X E [X])2 ] = E [X 2 ] ( E [X])2 , supuesto que E [X 2 ] existe.
f) Var [aX + b] = a2 Var [X] para a, b R constantes cualesquiera.
VAU.03 Sea X una variable aleatoria y g una funcion no negativa de variable real. Probar que para
cada constante k > 0 se cumple
E [g(X)]
P[g(X) k]
k
2
probar que para cada
Deducir la desigualdad de Chebyshev: Si E [X] = X y Var [X] = X
constante r > 0 se cumple
1
P[|X X | < rX ] 1 2 .
r

VAU.04 Probar que si la distribuci

on es simetrica entonces el tercer momento central (tambien llamado
medida de asimetra) es igual a 0. Es cierto el recproco? Indicar una utilidad del cuarto momento
central (tambien denominado medida de apuntamiento o curtosis).
VAU.05 Se lanza una moneda tres veces. Si X designa el n
umero de caras obtenidas, determinar la
funcion de densidad de probabilidad de X y su funcion de distribucion acumulada. Dibujarlas.
VAU.06 Se considera la variable aleatoria X cuya funcion de densidad de probabilidad es:

(1 + x2 ),
si 0 < x < 3;
fX (x) =
0,
en otro caso.
Determinar:
a) El valor de y la funci
on de distribucion FX .
b) La probabilidad de que X este comprendida entre 1 y 2;
c) La probabilidad de que X sea menor que 1;
d) Sabiendo que X es mayor que 1, probabilidad de que sea menor que 2.
VAU.07 Se lanzan dos dados equilibrados. Se considera la variable aleatoria X que tiene por valores la
suma de los resultados obtenidos. Calcular:
a) La funci
on de probabilidad de X;
b) La funci
on de distribuci
on de X;
c) La esperanza, la varianza y la desviacion tpica de X.
VAU.08 Se lanzan dos dados equilibrados. Se considera la variable aleatoria Y igual al valor absoluto
de la diferencia de los resultados obtenidos. Calcular:
a) La funci
on de probabilidad de Y ;
b) La funci
on de distribuci
on de Y ;
c) El valor esperado, la varianza y la desviacion tpica de Y .

VAU.09 Se considera la variable aleatoria continua X cuya funcion de densidad esta dada por:
fX (x) = ex I{0 x < +}.
Calcular la funci
on de distribuci
on de X, su esperanza y su varianza.
VAU.10 Dada la funci
on
FX (x) = (1 pex )I{0 x < +}
siendo > 0, para que valores de p es FX funcion de distribucion acumulada?. Corresponde a
una variable aleatoria de tipo mixto en todos los casos?. Representar FX para 1/ = 1; 1/ = 10
y 1/ = 100.
VAU.11 Se considera la variable aleatoria X cuya funcion de distribucion esta dada por:
FX (x) = (1 pex )I{0 x < +},

(p, > 0).

Calcular la funci
on de densidad de X, su esperanza y su varianza.
VAU.12 Comprobar que la funci
on de densidad de una distribucion normal estandar
1
1
f (x) = exp( x2 ), x IR,
2
2
es efectivamente una funci
on de densidad.
VAU.13 Se define la funci
on gamma mediante:
Z
(t) =
xt1 ex dx,

t > 0.

Comprobar que (t + 1) = t(t) y deducir que si n es un n

umero natural (n + 1) = n!.
VAU.14 La funci
on beta se define mediante:
Z 1
B(a, b) =
xa1 (1 x)b1 dx,

a, b > 0.

Comprobar que B(a, b) =

(a)(b)
y que si a, b N , entonces
(a + b)
B(a, b) =

(a 1)!(b 1)!
.
(a + b 1)!

VAU.15 La distribuci
on dada por
f (x; r, ) =

(x)r1 ex I{0 x < +},

(r)

donde r > 0, > 0, se denomina distribucion gamma de parametros r y . Se pide:

a) Comprobar que f es efectivamente una densidad.
b) Hallar la esperanza, varianza y funcion generatriz.
c) Hallar la funci
on de distribuci
on acumulada en el caso r N (distribucion de Erlang).
VAU.16 La distribuci
on dada por
f (x; a, b) =

1
xa1 (1 x)b1 I{0 < x < 1},
B(a, b)

donde a > 0, b > 0, se denomina distribucion beta de parametros a y b. Se pide:

6

a) Comprobar que f () es efectivamente una densidad.

b) Hallar la esperanza y la varianza.
VAU.17 Se lanzan dos pelotas dentro de cuatro cajas de forma que la probabilidad de que una pelota
caiga en una caja determinada es identica. Sea X el n
umero de pelotas en la primera caja. Hallar
la funcion de distribuci
on de probabilidad, la funcion de distribucion acumulada, la media y la
varianza.
VAU.18 Supuesto que el tiempo de espera T, en minutos, de cierto transporte p
ublico tiene como funcion
de distribuci
on:

0,
si x < 0;

si 0 x < 1;
x2 ,
FT (x) = (x), si 1 x < 2;

si 2 x < 4;

4,
1,
si 4 x;
se pide:
a) determinar (x);
b) calcular y dibujar la funci
on de densidad;
c) calcular la probabilidad de que el tiempo de espera sea:
c.1) superior a tres minutos;
c.2) inferior o igual a tres minutos;
c.3) entre 1 y 3 minutos.
VAU.19 Un juego consiste en lanzar una moneda de forma que, si sale cara, se termina el juego, y
si sale cruz se sigue lanzando la moneda hasta conseguir cara. Sabiendo que la probabilidad de
obtener cara es p, p (0, 1), determinar la funcion de distribucion de probabilidad de la variable
aleatoria X = n
umero de tiradas necesarias para conseguir finalizar el juego. Comprobar que es
una funci
on de distribuci
on de probabilidad.
VAU.20 Dada la funci
on

1
fX (x) = (x + )I{1 < x < 1}
2
para que valores del coeficiente ser
a fX una funcion de densidad?

VAU.21 En un cierto peaje de autopista, la probabilidad de que un coche no haya de esperar en cola
es una funci
on determinista (no aleatoria) p(H) de la hora del da H. Por otra parte, si un coche
ha de esperar, la funci
on de densidad del tiempo aleatorio de espera puede representarse como
g(H) et , t 0, siendo g(H) una funcion determinista de la hora del da H. Con estos datos, se
pide determinar
a) el valor m
aximo de g(H);
b) el significado de g(H);
c) dada una cierta hora H, el tiempo medio de espera de un coche cualquiera.
VAU.22 (Primer examen parcial, 1988/89) Un ingeniero afirma que los errores de medida del diametro
de un cierto tipo de ejes se caracterizan por:
a) tienen media nula;
b) su desviaci
on tpica es = 0,04mm;
c) la probabilidad de que el error este comprendido entre 2 y +2 es 0.6.
d) Aprobara este ingeniero la asignatura de estadstica en la Escuela de Caminos de Barcelona?
Que afirmaciones debera modificar para aprobarla?
VAU.23 Sea fX (x) una densidad de probabilidad simetrica respecto al origen y Z (x) una distribucion
acumulada cuya densidad tambien es simetrica respecto al origen.
a) Demostrar que Z (x) = 1 Z (x).
7

b) Demostrar que fY (y) = 2fX (y)Z (y) es una densidad de probabilidad.

c) Se consideran dos valores aleatorios independientes U U nif (0, 1) y X con densidad fX . Se
construye la variable aleatoria:

X,
si U Z (x)
y=
X,
si U > Z (x)
Hallar la densidad de y.
2
2
d) Tomando X N (0, X
), Z N (0, Z
), es decir,
fX (x) =

exp(

1 x2
2 )
2 X

exp(

1 x2
2 )
2 Z

X 2

y
fZ (x) =

Z 2
2
2
respectivamente. Representar las densidades de y con distintos pares X
, Z
. Se trata de la
llamada densidad Skew-normal (normal asimetrica).
VAU.24 (Segundo parcial, 1990/91) Un sistema se pone en funcionamiento en t = 0 y tarda un tiempo
X en fallar. X tiene funci
on de distribucion acumulada F (x). Si para dt > 0, suficientemente
peque
no, la probabilidad de que el sistema falle en el intervalo (t, t + dt], dado que el sistema no ha
fallado antes del tiempo t, es (t)dt, se pide:
a) hallar la funci
on de densidad f (x) que corresponde a F (x) si (t) = kt, k > 0, k constante.
b) hallar la funci
on de distribuci
on acumulada F (x) y la probabilidad de que X = T en el caso
de que (t) = c > 0 (constante) para 0 t < T y (t) = 0 si t > T .
VAU.25 (Examen final, 1987/88). Una empresa constructora ha de realizar una obra en un tiempo
determinado. Sea X la diferencia entre el tiempo en que realmente se realiza la obra y el tiempo
previsto inicialmente. La variable aleatoria X tiene una funcion de distribucion acumulada dada
por
(
1 (x/50)2
e
,
si x 0;
FX (x) = 2 1 (x/50)2
1 2e
, si x > 0.
La empresa llega al siguiente pacto con el cliente: si acaba la obra con anterioridad al tiempo
previsto (X 0) obtiene unos beneficios adicionales B = X 2 . Si por el contrario se retrasa (X > 0)
ha de pagar una multa M = 10X. Es este pacto beneficioso para la empresa?
VAU.26 Un bombardero vuela directamente sobre una va ferrea. Se supone que si una bomba cae como
maximo a 40 pies de la va, el da
no ocasionado es suficiente para interrumpir el trafico ferroviario.
Sea X la distancia perpendicular a la va a la que cae una bomba. Se supone que
fX (x) =

100 x
,
5000

x [0, 100).

a) Hallar la probabilidad de que una bomba interrumpa el trafico.

b) Si el bombardero lleva tres bombas y usa las tres, cual es la probabilidad de interrumpir el
trafico?
VAU.27 (Examen extraordinario plan 78, junio 99) Una empresa ha calculado que las ventas y costes
unitarios est
an relacionados con el Indice de Precios al Consumo (P ) a traves de las siguientes
relaciones:

Costes : C=(P+2)/3
V entas : V=(19-P)/3
El Indice de Precios al Consumo es una variable con funcion de densidad f (P ) = 2P/99, 1 P 10.
a) Calcular las funciones de distribucion acumulada de los costes, de las ventas y del beneficio
unitario.
b) Calcular la probabilidad de que el beneficio sea negativo.
c) Calcular el beneficio medio.

3.

Variables aleatorias conjuntas (VAC).

VAC.01 Calcular la funci

on de distribuci
on y la funcion de densidad del producto de tres variables
aleatorias independientes uniformemente distribuidas entre 0 y 1.
VAC.02 Dos estudiantes de la ETSECCPB quedan en encontrarse en el bar de la Escuela entre las
5 y las 6. Cada uno esperar
a al otro no mas de 10 minutos. Calcular la probabilidad de que se
encuentren:
a) Sabiendo que uno de ellos llega a las 5:30.
b) Llegando uno y otro en cualquier momento al azar.
VAC.03 (Primer examen parcial, 1995/96) Sea X una variable aleatoria cuya funcion de densidad f (x)
es continua en (, +). Sea F (x) su funcion de distribucion acumulada. Se pide:
a) calcular la esperanza y la varianza de Y = cos( 2 F (X));
b) determinar si la probabilidad de que Y <

es menor o igual, o bien mayor o igual que 12 .

VAC.04 (Primer examen parcial, 1995/96) En una cierta zona dos ingenieros han modelado de forma
independiente el comportamiento del oleaje maximo que debe soportar un dique mediante sendas
variables aleatorias, X e Y , ambas de tipo mixto. Para calcular el valor maximo esperado la administraci
on local pretende utilizar la informacion aportada por ambos, pero duda entre el valor
esperado del m
aximo de ambas variables y el maximo de los dos valores esperados respectivos.
Que opci
on es la m
as segura de cara a la prevencion de da
nos?
Demostrar que si X es una variable aleatoria de tipo mixto su esperanza, si existe, puede expresarse
como
Z
Z
+

[1 FX (x)]

E [X] =

FX (x)dx

VAC.05 (Convocatoria extraordinaria, 1984/85). Los costes mensuales de reparacion de maquinaria en

la construcci
on de un t
unel se consideran funcion del coeficiente aleatorio 1 , 0 1 2 , que
representa la calidad y mantenimiento de la maquinaria y la pericia de los obreros. El coste en
ametro 2 es aleatorio y representa las condiciones del terreno que se
pesetas es C = 107 12 . El par
perfora; se supone uniformemente distribuido en el intervalo [1, 3]. Si se supone que 1 tiene funcion
de densidad condicionada f(1 |2 ) = (21 )/22 en el soporte de 1 , se pide
a) hallar la funci
on de densidad marginal de 1 ;
b) decidir si conviene o no contratar un seguro mensual que cubre todas las averas de maquinaria
y cuyo coste mensual es de 25 millones de pesetas.
VAC.06 (Primer examen parcial, 1994/95) Se lanzan tres monedas. Sea X el n
umero de caras obtenidas
en las dos primeras e Y el n
umero de caras de las dos u
ltimas. Se pide:
a) hallar la funci
on de densidad conjunta de X e Y ;
b) hallar E[Y |X = 1];
c) hallar X,Y .
VAC.07 El area de un rect
angulo se obtiene midiendo primero la longitud y la anchura y multiplicando
luego ambos valores. Sea X la longitud e Y la anchura medidas. Supongase que X e Y son variables
aleatorias con funci
on de densidad conjunta

k , x [0, 9a; 1, 1a] , y [0, 8b; 1, 2b] ,
fX,Y (x, y) =
0 , en caso contrario,
donde a y b son par
ametros que satisfacen a b > 0, y k es una constante que puede depender de
a y b. Se pide:
a) hallar el valor esperado y la varianza del area;
b) hallar la funci
on de densidad del
area en el caso a = 10 y b = 5.
9

VAC.08 Sea (X, Y ) una variable aleatoria continua bidimensional, cuya funcion de densidad conjunta
es

1/2, 0 < x < y, 0 < y < 2
fX,Y (x, y) =
0,
en caso contrario
Se pide calcular:
a) las funciones de densidad marginales fX (x) y fY (y);
b) las funciones de distribuci
on acumulada conjunta y marginales, FX,Y (x, y), FX (x) y FY (y);
c) las funciones de densidad condicionadas fX|Y (x|y = 3/2) y fX|Y (x|y).
VAC.09 Dadas dos variables aleatorias continuas X e Y , con funcion de densidad conjunta fX,Y (x, y) =
k(x2 y xy 2 + 1), x, y (0, 1), se pide calcular el valor de la constante k, la funcion de densidad
marginal fX (x) y la funci
on de densidad condicionada fY |X (y|x). Son independientes X e Y ?
VAC.10 Considerese la funci
on de densidad conjunta de la variable aleatoria tridimensional (X, Y, Z)
definida por f (x, y, z) = exp((x + y + z)), x > 0, y > 0, z > 0. Se pide:
a) hallar la funci
on de distribuci
on acumulada conjunta;
b) hallar la funci
on de distribuci
on acumulada marginal de (X, Y );
c) estudiar la independencia de X, Y y Z.
VAC.11 Un programa de ordenador incluye el calculo de una integral. El tiempo necesario para calcular
dicha integral, T , es una variable aleatoria con funcion de densidad exponencial de parametro . El
tiempo total de c
alculo del programa es Y = (T 1)2 + 2. Determinar la funcion de densidad y la
funcion de distribuci
on acumulada de Y .
VAC.12 (Primer examen parcial, 1989/90) Se considera el triangulo isosceles que tiene los vertices en
los puntos (0, 0), (X, Y ), (2X, 0), donde las coordenadas X e Y son variables aleatorias con funcion
de densidad conjunta

1 (1 2x)(1 2y) 0 x 1, 0 y 1;
fXY (x, y) =
0
en caso contrario;
donde 1 1, siendo una constante.
a) Pueden, en alg
un caso, no estar correlacionadas X e Y ?
b) Cual es el m
aximo valor posible (en valor absoluto) del coeficiente de correlacion entre X e
Y?
c) Calcular el valor de que maximiza la esperanza del area del triangulo.
VAC.13 (Examen final, 1989/90) El tiempo total que un camion permanece en una estacion de descarga
esta definido por una variable aleatoria X. Sea Y la variable aleatoria tiempo de espera en la cola
para descargar, y Z el tiempo aleatorio de descarga (X = Y + Z). La distribucion conjunta de X
e Y es
1
fX,Y (x, y) = ex/2 , 0 y x < .
4
Calc
ulese,
a) el tiempo medio total que permanece un camion en la estacion;
b) el tiempo medio de descarga;
c) el coeficiente de correlaci
on entre el tiempo total y el tiempo de espera en la cola.
VAC.14 Tres obreros trabajan independientemente en el roblonado de una estructura metalica. El
n
umero de roblones que en un da pueden ser incorrectamente situados por cada obrero es una
variable aleatoria con distribuci
on equiprobable entre 0 y 20 (se supondra que es continua). Calcular la probabilidad de que, en un da cualquiera, un obrero cometa mas errores que los otros dos
juntos.

10

VAC.15 Realizamos el experimento de lanzar dos tetraedros (poliedros regulares de cuatro caras) etiquetadas con un n
umero del 1 al 4. Consideremos las variables aleatorias siguientes:
Xi = puntos en la cara no vista del tetraedro i-esimo, i = 1, 2;
Y = m
aximo de los dos n
umeros resultantes.
a) Encontrar la funci
on de distribucion acumulada conjunta de (X1 , Y ).
b) Encontrar la funci
on de densidad de probabilidad conjunta de (X1 , Y ).
c) Encontrar las funciones de densidad marginales de X1 , X2 , Y .
d) Encontrar la funci
on de densidad de Y condicionada a X1 = 2.
e) Encontrar el valor esperado de Y condicionado a X1 = 2.
f) Son X1 e Y variables aleatorias independientes?
VAC.16 Se considera la funci
on f definida por: fX,Y (x, y) = k(x + y)I{0 < x < 1}I{0 < y < 1}.
a) Calcular k para que f sea una funcion de densidad conjunta. Calcular, en ese caso, P [0 < X
1/2; 0 < Y 1/4].
b) Calcular las funciones de distribucion y de densidad marginales.
c) Calcular la funci
on de distribuci
on conjunta.
d) Calcular los valores esperados y la varianza de cada una de las variables aleatorias X, Y .
e) Calcular las funciones de densidad y de distribucion condicionadas.
f) Estudiar la independencia de dichas variables aleatorias.
VAC.17 En la construcci
on de un tramo de autopista se dispone de 20 camiones para movimiento de
tierras, de los que 4 est
an en buen estado, 11 en regular estado y el resto en mal estado. Se eligen
al azar dos camiones, A y B, y se comprueba que A esta en mejor estado que B. Cual es la
probabilidad de que A este en buen estado? (Resolver con y sin restitucion).
VAC.18 Extraemos 12 cartas sin reemplazamiento de un juego de 52 cartas. Denotemos por
X1
X2
X3
X4

=
=
=
=

el
el
el
el

n
umero
n
umero
n
umero
n
umero

de
de
de
de

ases;
doses;
treses;
cuatros;

a) Encontrar la funci
on de densidad conjunta de estas variables.
b) Encontrar la funci
on de densidad de (X2 , X4 ) condicionada a (X1 , X3 ).
VAC.19 Sea (X1 , X2 , . . . , Xn ) una variable aleatoria n-dimensional discreta o continua. Probar las siguientes propiedades:
a) Si g es una funci
on tal que g(x1 , x2 , . . . , xn ) = xi , entonces:
E [g(X1 , X2 , . . . , Xn )] = E [Xi ] = i .
b) Si g es una funci
on tal que g(x1 , x2 , . . . , xn ) = (xi i )2 , entonces:
E [g(X1 , X2 , . . . , Xn )] = E [(Xi i )2 ] = i2 .
c) Dado cualquier sistema de funciones g1 , g2 , . . . , gn y un conjunto de constantes c1 , c2 , . . . , cn ,
entonces:
hX
i X
E
ci gi (X1 , X2 , . . . , Xn ) =
ci E [gi (X1 , X2 , . . . , Xn )]
d) Suponiendo que X1 , X2 son independientes probar que para cualquier par de funciones g1 , g2
se cumple
E [g1 (X1 )g2 (X2 )] = E [g1 (X1 )] E [g2 (X2 )]

11

VAC.20 En una m
aquina de obra civil hay dos componentes cuya duracion interesa controlar. Sea X la
variable aleatoria que denota el tiempo de vida (meses) del primer componente e Y la que denota
el tiempo de vida del segundo (tambien en meses). Se supone que estas variables aleatorias tienen
una funci
on de densidad conjunta definida por:
fX,Y (x, y) = 0,02 exp(0,1x 0,2y)I{x 0}I{y 0}.
a) Verificar que, efectivamente, fX,Y es una funcion de densidad de probabilidad conjunta.
b) Calcular la probabilidad de que ambos fallen antes de los 10 meses de uso.
c) Calcular las funciones de densidad de probabilidad marginal.
d) Calcular la probabilidad de que el primer componente dure mas de 20 meses.
e) Calcular la esperanza de vida de cada uno de los dos componentes.
f) Calcular la probabilidad de que el primer componente dure mas de 15 meses, sabiendo que el
segundo ha durado menos de 10 meses.
VAC.21 Calcular la probabilidad de que tres puntos elegidos al azar sobre una circunferencia de radio
unidad, pertenezcan a la misma semicircunferencia.
Nota: Puede utilizarse el teorema de la probabilidad total
Z +
P[A] =
P[A|X = x]fX (x)dx,

donde X representa una variable aleatoria continua.

VAC.23 Si X, Y son variables aleatorias con varianza,son ciertas las afirmaciones siguientes?
2

a) ( E [XY ]) E [X 2 ] E [Y 2 ], (desigualdad de Cauchy-Schwartz).

2

b) ( E [XY ]) = E [X 2 ] E [Y 2 ]

si y solo si existen a, b IR tales que Y = a + bX.

c) Si (X, Y ) denota el coeficiente de correlacion de las variables X, Y , probar que: |(X, Y )| 1.

VAC.24 El tren X llega a una estaci
on en un instante al azar (igual probabilidad) del intervalo (0, T ),
y pasa a minutos en la estaci
on. El tren Y llega independientemente del X en el mismo intervalo
de tiempo y pasa b, b a, minutos en la estacion. Calc
ulese:
a) la probabilidad de que el tren X llegue antes que el Y ;
b) la probabilidad de que ambos trenes coincidan en la estacion; y
c) sabiendo que se han encontrado en la estacion, la probabilidad de que el tren X haya llegado
antes que el Y .
VAC.25 Sobre el segmento [0, 1] se elige un punto X1 al azar. Hecho lo anterior se elige otro punto, X2 ,
al azar en el intervalo [X1 , 1]. Se pide:
a) hallar la funci
on de densidad conjunta de X1 y X2 y la marginal de X2 ;
b) determinar la esperanza y varianza de la longitud del segmento [X1 , X2 ] y la covarianza entre
X1 y X2 ;
c) si se conoce el resultado de X1 , hallar la esperanza y varianza de la longitud de [X1 , X2 ].
VAC.26 Considerese el segmento AB de la figura. Se sit
ua un punto C al azar, y el punto D al azar a
la derecha del C. Calcular la probabilidad de que girando el segmento AC alrededor del punto C,
y el segmento DB alrededor del punto D, pueda formarse un triangulo.

12

4.

Transformaci
on de variables aleatorias (TVA).

TVA.01 Sea X una variable aleatoria de valores X = {0, 1, 2, 3, 4, 5} y cuya funcion de densidad es:
fX (0) = 0,1; fX (1) = 0,1; fX (2) = 0,3; fX (3) = 0,3; fX (4) = 0,1; fX (5) = 0,1.
Si Y = g(X) = (X 2)2 , calcular la funcion de densidad de Y .
TVA.02 Sea X una variable aleatoria uniformemente distribuida sobre el intervalo ]0, 1[ y sea Y =
g(X) = X 2 . Calcular la funcion de densidad de Y .
TVA.03 Sea X una variable aleatoria distribuida seg
un una normal estandar y sea Y = g(X) = X 2 . Se
pide:
a) Probar que Y se distribuye seg
un una gamma de parametros r = 1/2 y = 1/2.
b) Calcular la esperanza de Y de dos modos distintos.
TVA.04 Sea X una variable aleatoria que se distribuye seg
un una distribucion beta. Si Y = Ln X,
calcular la distribuci
on de Y .
TVA.05 Sea X una variable aleatoria distribuida seg
un una distribucion beta de parametros a y b.
a) Probar que la variable aleatoria Y = + ( )X se distribuye seg
un una beta de parametros
a y b sobre el intervalo [, ].
b) Aplicaci
on: mediciones de la direccion del viento en el aeropuerto de Boston, muestran que
si Y indica dicha direcci
on medida en grados respecto al norte, se sabe que E [Y ] = 205o y
o 2
Var [Y ] = (99,7 ) . Suponiendo que Y se distribuya seg
un una beta, calcular sus parametros.
TVA.06 Sean tres variables aleatorias tales que (X1 , X2 , X3 ) tiene una distribucion conjunta dada por:
fX1 ,X2 ,X3 (0, 0, 0) = 18 ,
fX1 ,X2 ,X3 (0, 1, 1) = 18 ,
fX1 ,X2 ,X3 (1, 1, 0) = 18 ,

fX1 ,X2 ,X3 (0, 0, 1) = 38 ,

fX1 ,X2 ,X3 (1, 0, 1) = 18 ,
fX1 ,X2 ,X3 (1, 1, 1) = 18 .

Si se definen las variables: Y1 = X1 + X2 + X3 , Y2 = |X3 X2 |, calcular la funcion de densidad

conjunta de las variables Y1 , Y2 .
TVA.07 Sean X1 , X2 dos variables aleatorias independientes y uniformemente distribudas sobre el intervalo ]0, 1[. Se definen las variables aleatorias: Y1 = X1 + X2 y Y2 = X2 X1 ; calcular la funcion
de densidad conjunta de estas variables.
TVA.08 Sean X1 , X2 dos variables aleatorias normales estandarizadas e independientes. Se definen las
variables aleatorias: Y = X1 + X2 y Z = X1 /X2 ; calcular la funcion de densidad conjunta de estas
variables y la funci
on de densidad marginal de Z.
TVA.09 Sean X1 , X2 , , Xn , Y1 , Y2 , Ym variables aleatorias. Probar que:
a) E [X1 + X2 + + Xn ] = E [X1 ] + E [X2 ] + + E [Xn ].
Pn
P
b) Var [X1 + X2 + + Xn ] = i=1 Var [Xi ] + 2 i<j Cov [Xi , Xj ].
Pn
Pm
Pn Pm
c) Cov [ i=1 ai Xi , j=1 bj Yj ] = i=1 j=1 ai bj Cov [Xi , Yj ],
donde a1 , a2 , , an , b1 , b2 , , bm son constantes.
TVA.10 Sean X, Y dos variables aleatorias independientes e identicamente distribudas, de densidad
dada por:
fX (x) = fY (x) = I{0 < x < 1}.
Si Z = X + Y , calcular la funci
on de densidad de Z.
TVA.11 Estudiar c
omo es la distribuci
on de la suma de dos variables aleatorias independientes distribudas normalmente.
TVA.12 Sean X, Y dos variables aleatorias; probar que:
13

a) E [XY ] = E [X] E [Y ] + Cov [X, Y ].

b) E [ X
Y ]

E [X]
E [Y ]

1
( E [Y ])2

Cov [X, Y ] +

E [X]
( E [Y ])3

Var [Y ].

TVA.13 Supongase que X e Y son dos variables aleatorias independientes uniformemente distribudas
sobre el intervalo ]0, 1[. Sean Z = XY y U = X/Y ; calcular las funciones de densidad de estas
variables.
TVA.14 (Primer examen parcial, 1995/96) Supongamos que X e Y son variables aleatorias independientes y uniformemente distribuidas sobre el intervalo (0, 1). Encontrar la distribucion de Z =

X + Y1 .
TVA.15 Los coches que circulan por una cierta carretera lo hacen a velocidad V , uniformemente distribuida entre 50 y 100 km/h. Durante un adelantamiento cualquiera, la probabilidad de accidente
se ha modelado como
(Z 50)2
P =
2500
siendo Z la diferencia de velocidades entre los dos vehculos. Calcular la probabilidad de accidente
en un adelantamiento tipo. Especificar las hipotesis realizadas. Es logico este modelo? Justificar
la respuesta.
TVA.16 Sea X1 una variable aleatoria uniformemente distribuida en el intervalo [0, ], y sea X2 otra
variable aleatoria con funci
on de densidad

f2 (x2 ) = senx2 ,
0 x2 .
2
Se supone que X1 y X2 son independientes. Calcular la funcion de densidad de la suma de ambas
variables para > /2 y para = /2.
TVA.17 En la ecuaci
on lineal AX B = 0, A y B son variables aleatorias independientes con funciones
de densidad respectivas
fA (a) = a ea a ,
a 0;
fB (b) = b eb b ,

b 0.

Calc
ulese la probabilidad de que, dada una constante positiva M , la solucion de dicha ecuacion sea
mayor que M . Dib
ujese la relaci
on entre dicha probabilidad y M .
TVA.18 (Primer examen parcial, 1990/91) Una empresa de hormigones produce diariamente una cantidad X de hormig
on para satisfacer la demanda diaria. Se supone que X = 1, 7Y , siendo Y la demanda diaria del principal cliente de la empresa. La demanda diaria de otros clientes es Z. Si se supone
que Y y Z son independientes y tienen distribucion normal con mY = 10, mZ = 5, Y = Z = 1,
se pide:
a) Cual es la probabilidad de que la demanda supere la oferta diaria?
b) Cual es la esperanza condicionada E[X Y Z | X Y Z < 0]. (Dar la solucion en forma
integral pero explicitando el integrando).
TVA.19 (Primer examen parcial, 1990/91) Un topografo desea medir la distancia X entre dos puntos
A y C de un plano. La distancia X no puede medirse directamente, por lo que opta por tomar un
punto de referencia B del mismo plano, de forma que la distancia AB es conocida (tomese esta
distancia como la unidad). A continuacion mide los angulos BAC = y ABC = . Debido a los
errores de medida de los
angulos, se considera que y son variables aleatorias independientes
uniformemente distribuidas, de forma que
0

1
0 + ,
2

1
1
0 + ,
2
2
respectivamente (las medidas se realizan en grados sexagesimales). El triangulo ABC es acutangulo.
Determnese:
0

14

a) la funci
on de densidad conjunta de y el angulo = ACB, considerado este u
ltimo como
funci
on de y ;
b) la funci
on de densidad marginal de ;
c) la funci
on de densidad conjunta de Y = sen y la distancia X considerada como funcion de
las variables aleatorias y .
TVA.21 Sea Y una variable aleatoria absolutamente continua. Calc
ulese la funcion de densidad de Z,
donde Z = FY (y), siendo FY la funci
on de distribucion acumulada de Y .
TVA.22 (Segundo parcial, 1991/92) Debido al redondeo de decimales, al almacenar un n
umero real en
un ordenador, ese n
umero puede ser considerado como una variable aleatoria. Considerense dos
n
umeros reales positivos, X e Y , almacenados en un ordenador, y se supondra que son variables
aleatorias independientes y uniformemente distribuidas en los intervalos [x0 , x1 ], [y0 , y1 ] respectivamente. Adem
as se supondr
a que x1 x0 = y1 y0 = a, y1 << x0 .
a) Hallese la funci
on de densidad conjunta de X y el producto V = XY . Representese el soporte
conjunto de ambas variables X, V .
b) Hallese la funci
on de densidad del producto V = XY .
c) Cual es la probabilidad de que V sea mayor que x0 y1 ?
TVA.23 (Segundo parcial, 1992/93) En un estudio presupuestario se supone que los viajes de los directivos de una empresa tienen duraci
on X, que es una variable aleatoria con distribucion gamma de
parametros = 0,8(das)1 y = 2. Las dietas que se abonan por dichos viajes tienen un valor Y,
el cual depende de diversos factores pero puede suponerse que Y = CX, donde C es a su vez una
variable aleatoria, independiente de X, y con distribucion uniforme entre a = 15 y b = 50 (en miles
de pta.). Se pide:
a) hallar la funci
on de densidad conjunta de X e Y ;
b) la media de Y y su funcion de densidad;
c) la covarianza entre X e Y .
TVA.24 (Convocatoria extraordinaria, 1992/93) Una partcula se desplaza aleatoriamente en un plano
desde el origen hasta otro punto de coordenadas cartesianas X, Y . Las variables X, Y son independientes. Se consideran las coordenadas polares del desplazamiento R, . Se pide:
a) suponiendo que X, Y son ambas N (0, 2 ), hallar la funcion de densidad conjunta de R, ;
determinar si R, son o no independientes y hallar las respectivas marginales;
b) hallar la funci
on de densidad de Z = R2 .
TVA.25 (Primer examen parcial, 1998/99) Sea (X, Y ) una variable aleatoria continua bidimensional con
densidad conjunta uniforme en el recinto definido por las siguientes condiciones:
R = {(x, y) IR2 ; 0 x 1, 0 y 1, |x y| 1/4}
(es decir, f(X,Y ) (x, y) = kIR (x, y), siendo k una constante)
a) Determinar la expresi
on de la funcion de densidad conjunta.
b) Calcular P[4X + Y 2].
c) Calcular las funciones de densidad marginales. Son independientes X e Y ?
TVA.26 (Examen final (plan viejo), 1998/99) Sea (X, Y ) una variable aleatoria continua bidimensional
cuya funcion de densidad conjunta es

k, 0 y x 1;
f(X,Y ) =
0, alternativamente.
Se pide determinar:

15

a) La constante k.
b) Calcular P[(X + Y ) 3/2].
c) Calcular P[Y aX] seg
un los valores de la constante a.
d) Calcular las funciones de densidad marginales. Son independientes X e Y ?
TVA.27 (Examen final, 1984/85) Se pretende construir una central eolica constituida por un molino
de eje horizontal dotado de un generador electrico. Para una velocidad del viento V , la potencia
u
til W se expresa como W = kV 3 (k constante dependiente del tipo de molino). Un observatorio
meteorologico proporciona la siguiente informacion: velocidad media anual del viento mV ; curva
2
t(v) = T0 ev que expresa el tiempo que el viento supera la velocidad v(ms1 ) durante el tiempo
total de observaci
on T0 . La constante es positiva y debe determinarse a partir de mV . Se pide:
a) establecer la funci
on de distribucion acumulada y la funcion de densidad de V a partir de la
curva t(v) y en funci
on de .
b) Calcular a partir de mV .
c) Hallar la funci
on de densidad de W .
TVA.28 Un planeta gira alrededor del Sol describiendo una elipse de semiejes a, b(a b), de forma que
si s() es el area interior a la elipse comprendida en el angulo de tama
no , entonces ds/dt = c
(Leyes de Kepler). Supongamos que un astronomo situado en el Sol escoje un momento T , i un
angulo , (0, 2) de forma aleatoria para observar el planeta.
1.

Encontrar la expresi
on del tiempo t necesario para que el planeta se situe en la posicion del
angulo . Encontrar el periodo del planeta en su orbita.

2.

Suponiendo que la variable aleatoria T esta distribuida uniformemente entre 0 y , encontrar

la densidad de probabilidad de observada.

3.

Encontrar la probabilidad de que el observador encuentre el planeta en el angulo ( /2, +

/2).

4.

Si consideramos tambien que la apertura es una variable aleatoria distribuida uniformemente

entre /3 y /4 e independiente de , determinar nuevamente la probabilidad del apartado c).

Nota:Las Leyes de Kepler definen el angulo desde el Sol (uno de los focos de la elipse), pero
para agilizar los c
alculos se supondr
a que el angulo esta definido desde el centro de la elipse, cosa
bastante aproximada por la poca excentricidad del sistema solar.
TVA.29 Dos sistemas de seguridad identicos e independientes tienen una probabilidad p de fallar en un
da. Una vez han fallado, dejan de funcionar. Determinar:
1.

La funci
on de probabilidad del n
umero de das hasta el da de fallo (includo este) de cada uno
de los sistemas.

2.

Su esperanza de vida en das.

3.

La distribuci
on del cociente
sistemas.

X1
X1 +X2 ,

siendo X1 , X2 los das de funcionamiento correcto de los

TVA.30 Dos variables aleatorias independientes tienen distribucion exponencial de parametro ambas.
Hallar la distribuci
on conjunta de la suma y de la diferencia y sus marginales. Son independientes
la suma y la diferencia anteriores?
TVA.31 Sea X una variable aleatoria normalmente distribuida, con media nula y desviacion tpica
unidad, y sea Y el valor absoluto de X. Determinar la media, la mediana y la moda de Y.
TVA.32 (Examen final, 1989/90). Un punto A se elige al azar sobre la circunferencia de radio r y centro
en el origen de coordenadas. Calcular la funcion de distribucion acumulada de la abcisa de A.

16

5.

Modelos normales (MNR).

MNR.01 El di
ametro de las tuercas manufacturadas por una maquina es una variable aleatoria X
que puede aproximarse a una distribucion normal de media = 10cm. y varianza 2 = 0,12 cm2 .
Para cumplir con un cierto encargo deben tener un diametro comprendido entre 9.9 y 10.2 cm.
Que proporci
on de tuercas con estas medidas fabricara esta maquina?
MNR.02 Un profesor supone que la puntuacion N final de un estudiante es el valor de una variable
aleatoria distribuida normalmente con media y varianza 2 . El profesor decide recompensar con
el grado A si N > + , con el grado B si < N + , con el C si < N , con el D
si 2 < N , y con el grado F si N 2. Cual es el tanto por ciento probable de
estudiantes que se graduar
an con el A?
MNR.03 Una moneda equilibrada se lanza 200 veces. Calcular:
a) Probabilidad de obtener un n
umero de caras comprendido entre 80 y 120 ambos inclusive.
b) Probabilidad de obtener menos de 85 caras o bien mas de 115.
MNR.04 (Primer examen parcial, 1994/95) Recientemente, la prensa ha publicado resultados de un
estudio del Ayuntamiento de Barcelona seg
un el cual el suministro de agua para un bloque de
viviendas por dep
osito resulta m
as caro y mas incomodo que si la conexion es directa. Los argumentos m
as importantes pueden resumirse como sigue:
en el suministro por dep
osito se paga una cantidad fija, correspondiente al aforo total contratado, el cual frecuentemente no se consume en su totalidad perdiendose el excedente;
el coste total se divide a partes iguales entre todas las viviendas, independientemente del
consumo de cada unidad;
con el cambio de h
abitos de la poblacion ocasionalmente el aforo contratado resulta insuficiente,
quedando las viviendas sin agua.
MNR.05 En un edificio con tres viviendas las partes quieren considerar el cambio a suministro directo.
Tienen contratado un aforo total de 14 hectolitros diarios para todo el edificio, y han determinado
que el consumo diario medio de cada vivienda es, respectivamente, de 3,5; 4 y 4,5 hectolitros diarios,
con una varianza identica para las tres de (0,5 hectolitros)2 . Supongase que el consumo diario de
cada vivienda se puede modelar mediante la distribucion normal. Se pide (indicar las hipotesis
adicionales que sean necesarias):
a) la probabilidad de que en un da cualquiera el aforo contratado sea insuficiente;
b) la cantidad de agua que se pierde en media por da;
c) la probabilidad con que se pierde en un da por lo menos dicha cantidad;
d) que argumentos pueden darse a favor y en contra del cambio, suponiendo que el coste por
trimestre correspondiente a un aforo de 14 hectolitros diarios es de 23.620,- ptas. y para el
cambio a agua corriente se estima un coste de 150.000,- ptas. por vivienda.

17

6.

Modelos probabilsticos (MPR).

MPR.01 Consideramos una urna con M bolas de las que K son defectuosas y una variable aleatoria X
que representa el n
umero de bolas defectuosas en una muestra de tama
no n.
a) Si realizamos muestreo con reemplazamiento demostrar que X sigue una distribucion binomial
y encontrar la probabilidad de elegir exactamente x defectuosas.
b) Si realizamos muestreo sin reemplazamiento demostrar que X sigue una distribucion hipergeometrica y encontrar la probabilidad de elegir exactamente x defectuosas.
MPR.02 Una empresa dedicada a la fabricacion de componentes electronicos tiene dos plantas en un
cierto pas; del volumen de producci
on diario de cada una de ellas se sabe que el n
umero medio de
unidades que pueden salir defectuosas es 4 en la primera y 6 en la segunda. Calcular:
a) probabilidad de que en un da determinado resulten mas de 4 unidades defectuosas en la
primera planta;
b) probabilidad de que en un da determinado resulten 4 o menos unidades defectuosas en la
segunda planta;
c) probabilidad de que en un da determinado resulten mas de 9 unidades defectuosas entre las
dos plantas.
MPR.03 El problema de las cajas de f
osforos de Banach. Un matematico lleva siempre una caja
de fosforos en el bolsillo derecho y otra en el bolsillo izquierdo. Cuando quiere un fosforo selecciona
al azar uno de los bolsillos. Si cada caja contiene inicialmente N fosforos, calcular la probabilidad
de que cuando una caja este vaca la otra contenga todava K fosforos.
MPR.04 Cual es la probabilidad de que en una empresa de 500 personas al menos haya k que cumplan
a
nos en el da de a
no nuevo? Considerar a
no no bisiesto y concretar el resultado para k = 5.
MPR.05 Una pareja decide tener hijos hasta el nacimiento de la primera ni
na. Calcular la probabilidad
de que tengan m
as de cuatro hijos. (Nota: tomar P[ni
no] = P[ni
na] = 0.5).
MPR.06 En un sem
aforo el carril para girar a la izquierda tiene capacidad para tres vehculos. Si hay
un total de seis vehculos esperando en el semaforo y se estima que el 30 % de los vehculos gira a
la izquierda, calcular la probabilidad de que el carril de giro quede insuficiente.
MPR.07 (Primer examen parcial, 1994/95) Sea X una variable aletoria con funcion de distribucion
exponencial de par
ametro tal que la probabilidad de que X sea menor o igual que 1 es igual a la
probabilidad de que X sea mayor que uno. Cuanto vale la varianza de X?
MPR.08 (Primer examen parcial, 1995/96) Estudios recientes han determinado que los productos qumicos utilizados habitualmente en agricultura e industria liberan toxinas que afectan directamente al
ciclo reproductor de los seres vivos que habitan los ros. Los estudios llevados a cabo han permitido
establecer que la probabilidad de que un huevo de trucha se convierta en alevn en un ro afectado
por estos productos es p. Suponiendo independencia mutua de los huevos y que la probabilidad
de que una trucha ponga n huevos en cada ciclo reproductor sigue una distribucion de Poisson de
parametro , se pide:
a) hallar la probabilidad de que haya un total de k alevines supervivientes de una trucha en un
ciclo reproductor;
b) calcular la probabilidad de que se complete un ciclo reproductor sin que sobreviva ning
un
alevn.
MPR.09 (Primer examen parcial, 1995/96) Una manera de controlar las practicas de una cierta asignatura es la siguiente: se extraen aleatoriamente practicas del monton (supuesto infinito) y se
corrigen clasific
andose en correctas e incorrectas; cada practica tiene una probabilidad p de ser
correcta. Sea N la variable aleatoria que cuenta el n
umero de practicas correctas antes de encontrar
la quinta incorrecta. Se pide:
a) hallar la funci
on de densidad de N ;
18

b) suponiendo que en promedio habitualmente se corrigen un total de 8 practicas en cada control,

determinar el valor de p;
c) si el valor de p hallado en (b) equivale a la proporcion de estudiantes que aprobaran (con toda
seguridad) la asignatura, calcular la probabilidad de que apruebe el 70 % (mas del 70 %) de
un total de 267 matriculados.
MPR.10 A tiene dos monedas y B una; se las juegan hasta que uno de ambos tiene las tres. En cada
jugada ambos tienen la misma probabilidad de ganar. Sea X el n
umero de pruebas hasta que se
acabe el juego. Hallar la funci
on de distribucion de probabilidad de X y la probabilidad de que
gane B.
MPR.11 (Examen final, 1989/90) Una compa
na aerea observa que, en promedio, el 12 por ciento de
las plazas reservadas no se cubren. En consecuencia, decide aceptar reservas por un 10 por ciento
mas de las plazas disponibles en aviones de 450 plazas. Calcular la proporcion de vuelos en que
alg
un pasajero con reserva se queda sin plaza en el avion. Indicar las hipotesis que se realicen y
justificarlas.
MPR.12 (Primer examen parcial, 1994/95) Una centralita telefonica recibe en media 600 llamadas por
hora en un perodo punta, y puede establecer un maximo de 20 conexiones por minuto. Se pide:
a) evaluar, utilizando un modelo adecuado, la probabilidad de que la centralita pueda estar saturada en un minuto cualquiera del perodo punta;
b) utilizando el mismo modelo, indicar cuantas conexiones por minuto son suficientes para que la
probabilidad de saturaci
on sea aproximadamente del 0,1 e interpretar los resultados.
MPR.13 (Examen final, 1994/95) Una noticia del diario El Pas del 22 de junio de 1995 dice lo siguiente:
Mas de 130 incidentes recoge el Diario de Sesiones del Congreso durante la intervencion de Narcs
Serra en la tarde del miercoles. El entonces vicepresidente del Gobierno se extendio mas de 60
minutos para tratar de explicar el esc
andalo de las escuchas del Cesid. El resultado aproximado es
de un incidente cada 30 segundos o, si se prefiere, una tension parlamentaria que podra cifrarse en
120 gritos por hora. Utilizando un modelo adecuado para el n
umero de gritos por minuto, se pide:
a) determinar la probabilidad de que el vicepresidente haya podido hablar durante dos minutos
sin interrupci
on;
b) calcular la probabilidad de que en un perodo cualquiera de 10 minutos, el n
umero de gritos
haya sido superior a 14.
MPR.15 (Examen final, curso 1987/88) Desde un buque se observa cada 3 das la altura de las olas y
se valora si estas superan o no la altura de 1m. La probabilidad p de observar olas superiores a 1m
es conocida. En estas observaciones se cometen errores de tal forma que existe una probabilidad p1
de que, habiendo observado olas de m
as de 1m, la altura real sea inferior a 1m. Y viceversa, existe
una probabilidad p2 de que se observen olas inferiores a 1m, siendo la altura real superior a 1m. Se
pide:
a) Hallar la funci
on de distribuci
on de probabilidad del n
umero N de veces que se observan olas
superiores a 1m en k observaciones, en funcion de la probabilidad p.
b) Calcular la probabilidad de que se supere realmente la altura de 1m, condicionada a que se
haya observado una altura de menos de 1m, en funcion de p, p1 y p2 .
MPR.19 Una compa
na de transportes urbanos mantiene una reserva de n autobuses inmovilizados para
sustituir los vehculos que pudieran resultar averiados durante el da. Un cierto da, resulta que en
la reserva hay k autobuses articulados y n k normales.
a) Suponiendo que deben sustituirse x autobuses y se toman al azar de la reserva, hallar la
probabilidad de que y de estos u
ltimos sean articulados.
b) Hallar la probabilidad de que el m-esimo autob
us que se tome al azar de la reserva sea el
primero de los articulados.
c) Concretar los resultados para n = 10, k = 3, x = 3, y = 2, m = 3.

19

MPR.20 (Primer examen parcial, 1985/86) Un embalse de abastecimiento de una cierta ciudad esta comunicado con ella mediante tres conductos. La probabilidad de que uno de los conductos este fuera
de servicio debido a reparaciones una semana cualquiera es p (igual para los tres). Por otra parte,
la probabilidad de que el embalse este a menos del 40 % de su capacidad durante una semana es q.
Se dice que el funcionamiento del sistema es bueno si los tres conductos estan en funcionamiento y
el embalse a m
as del 40 % de su capacidad; el funcionamiento es malo si hay mas de un conducto
fuera de servicio, o bien si un conducto esta averiado y el embalse a menos del 40 %. En los demas
casos se dice que el funcionamiento es regular.
a) Calcular la probabilidad de funcionamiento bueno, regular y malo del sistema en una semana
cualquiera.
b) Calcular la probabilidad de que el funcionamiento en una cierta semana sea regular debido a
que el embalse esta a menos del 40 % de su capacidad.
MPR.21 Un distribuidor vende repuestos en paquetes de 100 y garantiza que, a lo sumo, el 10 por
cien son defectuosos. Un cliente controla cada paquete extrayendo 10 repuestos. Si esta muestra no
contiene repuestos defectuosos, acepta el paquete. En caso contrario lo rechaza. Suponiendo que en
los paquetes hay exactamente el 10 por cien de repuestos defectuosos, cual es la probabilidad de
rechazar el paquete cuando:
a) la muestra se extrae sin reemplazo,
b) la muestra se extrae con reemplazo.
MPR.22 Supongase que en un cierto lugar existe una probabilidad anual de 103 de sentir un terremoto
de nivel igual o superior a uno dado. Determinar el n
umero de a
nos preciso para que la probabilidad
de observar ese tipo de terremoto, al menos una vez, sea del 70 %. Determinar la probabilidad de
que durante el tiempo equivalente a la decima parte del periodo de retorno se produzca, al menos,
uno de esos terremotos.
MPR.23 (Primer examen parcial, 1989/90) Una compa
na petrolfera ha decidido perforar en 10 localidades diferentes. La probabilidad de encontrar petroleo en una localidad es solo de 1/5, pero si
se encuentra, el dinero que la compa
na ganara vendiendo el petroleo proveniente de esa localidad
es una variable aleatoria exponencialmente distribuida con media 5 millones de pesetas. Sea Y la
variable aleatoria que representa el n
umero de localidades en las que se encuentra petroleo, y sea
Z la cantidad de dinero total que la compa
na ingresa por venta de petroleo. Calcular:
a) La esperanza matem
atica de Z.
b) La probabilidad de que Z sea mayor que 10 millones de pesetas, dado que Y = 1, y dado que
Y = 2.
c) Determinar si la probabilidad de que Z sea mayor que 10 millones es mayor que 1/2.
MPR.24 (Primer examen parcial, 1996/97) En la asignatura de Estadstica de la ETSECCPB el examen
de teora se plantea en base a 10 preguntas de respuesta m
ultiple (tipo test), con 5 respuestas
alternativas en cada caso, de las cuales solamente una es la correcta. La puntuacion de este examen
se calcula otorgando a cada pregunta: 2 puntos si la respuesta es correcta, 0 puntos si no se responde
y -1/2 punto si la respuesta es incorrecta. El aprobado de esta parte del examen se obtiene con una
puntuacion igual o superior a 10 puntos. JK y LP son dos estudiantes que cursan esta asignatura,
de los cuales LP suele preparar mejor los examenes. Concretamente para este examen JK no ha
estudiado nada, mientras que LP tiene una probabilidad de 0.6 de obtener la respuesta correcta en
cada pregunta.
a) Calcular la probabilidad que tiene JK de aprobar si responde al azar todas las preguntas del
examen. Idem si u
nicamente responde 8 preguntas.
b) Calcular la probabilidad que tiene LP de aprobar si responde todas las preguntas del examen.
Idem si unicamente responde 8.
c) Calcular el n
umero
optimo de preguntas que deben responder cada uno de los estudiantes para
tener m
axima probabilidad de aprobar.

20

d) Si LP sabe positivamente que tiene 3 respuestas correctas, calcular la probabilidad de que

apruebe si responde todas las preguntas del examen. En identicas condiciones, calcular el
n
umero mnimo de preguntas que debe responder para tener una probabilidad de aprobar
mayor que de suspender esta parte del examen.
MPR.25 (Primer examen parcial, 1996/97) Un ingeniero esta estudiando como ingresan los conductores
a una autopista desde un acceso lateral. Cierta clase de conductores ingresan solo si el tiempo Xi ,
entre los vehculos que pasan, es al menos y segundos, dependiendo el valor de y de la clase de
conductores que se estudian. Sup
ongase que el trafico sigue un proceso de llegada de Poisson de
parametro = 30 vehculos por minuto, y que un conductor necesita por lo menos y = 6 segundos
para ingresar en la autopista. Se pide:
a) La probabilidad de que, despues de pasar 10 vehculos, el conductor no haya ingresado a la
autopista.
b) La probabilidad de que el conductor haya tenido dos oportunidades de ingresar a la autopista
al pasar 10 vehculos.
c) La probabilidad de que el conductor haya tenido a lo sumo dos oportunidades de ingresar a la
autopista al pasar 10 vehculos.
MPR.26 (Primer examen parcial, 1996/97) En una region determinada el n
umero anual de semanas
lluviosas sigue una distribuci
on de Poisson de parametro . La precipitacion producida en cualquier
semana lluviosa es independiente de las demas y se distribuye exponencialmente con una media
igual a 1 . Se pide:
a) la probabilidad de que la precipitacion total sea nula;
b) la funci
on de densidad de la precipitacion total ocurrida en un a
no;
c) el modelo conlleva implcitamente un error; indicar cual es.
MPR.27 (Examen final, 1996/97) Se tienen seis urnas Ui , 1 i 6, cada una de las cuales contiene
2i2 bolas blancas y 122i bolas negras. Se lanza al aire un dado c
ubico no trucado y con el n
umero
resultante se acude a la urna iesima, de la cual se extraen dos bolas al azar sin reemplazamiento.
Las dos bolas extradas as, se introducen en una nueva urna V , la cual contiene inicialmente 2
bolas blancas y 3 bolas negras. Finalmente se saca una bola al azar de la urna V . Se pide:
a) probabilidad de que la bola extrada de V sea blanca;
b) sabiendo que la bola extrada de V resulto ser blanca, probabilidad de que la urna seleccionada
para el trasvase inicial fuera la U4 .
MPR.28 (Primer parcial, 1998/99) En una cierta zona se considera que hay sequa cuando transcurren
3 meses sin una precipitaci
on de intensidad superior a I0 . Se supone que las precipitaciones de
intensidad superior a I0 se comportan seg
un un proceso de Poisson de media lluvias/a
no. Se pide:
a) periodo de retorno (en meses) de una precipitacion de intensidad superior a I0 ;
b) probabilidad de que durante el tiempo equivalente a la mitad del periodo de retorno se produzca, al menos, una sequa;
c) probabilidad de que no haya sequa despues de que hayan ocurrido 5 precipitaciones de intensidad superior a I0 ;
d) probabilidad de que haya habido una sequa despues de que hayan ocurrido 5 precipitaciones
de intensidad superior a I0 .
MPR.32 Un comerciante sabe que, en promedio, vende 2 unidades de un cierto artculo A al da. Cual
debe ser su stock mnimo para que la probabilidad de no quedarse sin material en el almacen sea
mayor o igual que 0.95 en las ventas realizadas durante el perodo de un mes?
MPR.33 En una factora se construyen elementos prefabricados para la edificacion de viviendas. El
ingeniero responsable de la planta, que cuenta con un gran n
umero de a
nos de experiencia, ha
estimado que el n
umero de elementos con defectos es del 0,5 %. Si al trimestre se fabrican 5000
elementos, calcular:
21

a) Probabilidad de fabricar cinco elementos defectuosos en un trimestre;

b) Probabilidad de fabricar menos de 20 elementos defectuosos en un trimestre.
c) Probabilidad de fabricar m
as de 30 elementos defectuosos en un trimestre.
MPR.34 Un almacen de artculos de bricolage domestico tiene en la seccion de pinturas dos tipos similares de esmalte sintetico. El primero de ellos, de precio p1 pta/kg constituye el 65 % del stock
disponible y el segundo, de precio p2 pta/kg, constituye el resto del stock. En una semana determinada se han vendido 3000 kg de esmalte sintetico; determinar la probabilidad de que al menos
1000 correspondan al segundo tipo.
MPR.35 Una empresa dedicada a la fabricacion de componentes electronicos tiene dos plantas en un
cierto pas; del volumen de producci
on diario de cada una de ellas se sabe que pueden salir defectuosas es 4 en la primera y 6 en la segunda. En el computo total de la produccion de las dos plantas
en 90 das, determinar la probabilidad de fabricar:
a) Menos de 800 piezas defectuosas;
b) Entre 850 y 950 piezas defectuosas;
c) Mas de 1000 piezas defectuosas.
MPR.36 (Examen junio, 1992/93) Dos carriles de circulacion de automoviles confluyen en un solo
carril. Los autom
oviles que llegan a la confluencia por los dos primeros carriles lo hacen seg
un
sendos procesos de Poisson independientes entre si y con parametros y (automoviles/ hora)
respectivamente. Se pide:
a) deducir la distribuci
on del n
umero de automoviles, Z, que circulan por el tercer carril, provenientes de los otros dos (X, Y ) durante tres horas (datos: = 100, = 500);
b) con los mismos datos que en a), calcular el coeficiente de correlacion entre Z y X;
c) con el mismo planteamiento que en a) y b), y fijando un origen de tiempos arbitrario, determinar el valor esperado y la desviacion tpica del tiempo necesario a partir del origen para que
pase el decimo autom
ovil por el tercer carril.
MPR.37 Supongase que un experimento aleatorio consiste en una serie de n ensayos y que se cumplen
las condiciones siguientes:
el resultado de cada ensayo se clasifica en una de r clases;
la probabilidad de que un ensayo genere un resultado en la clase i es constante e igual a pi en
todos los ensayos (i = 1, 2, , r);
los ensayos son independientes.
Sea Xi la variable aleatoria que denota el n
umero de ensayos cuyo resultado cae en la clase i, i =
1, 2, , r. Probar que la funci
on de densidad conjunta de las variables aleatorias X1 , X2 , , Xr
viene dada por:
P [X1 = x1 ; X2 = x2 ; ; Xr = xr ] =

n!
px1 px2 pxr r ,
x1 !x2 ! xr ! 1 2

siendo x1 + x2 + + xr = n y p1 + p2 + + pr = 1. Determinar la distribucion marginal de cada

una de las variables Xi , i = 1, 2, , r.
MPR.38 Se lanzan 12 dados no trucados. Calcular la probabilidad de obtener exactamente cada una de
las seis caras dos veces.
MPR.39 El tiempo de vida de un cierto tipo de bombillas se distribuye de acuerdo con una variable
aleatoria exponencial de media 100 horas. Se instalan 10 de estas bombillas en una sala; calcular
la distribuci
on de la vida de la bombilla que se funde antes y calcular la esperanza de vida de esta
bombilla (suponer independencia).

22

MPR.40 (Primer examen parcial, 1996/97) Una ingeniera de estructuras utiliza tanto para el esfuerzo
de flexion S producido en ciertas barras de acero, como para el area A de la seccion de dichas
barras, como modelo una variable aleatoria lognormal. Sabe experimentalmente que la mediana de
S es mS = 55 kg/cm2 y que la de A es mA = 1 cm2 . Para poder utilizar el modelo, asume como
valor del par
ametro de la funci
on de densidad en ambos casos el valor 0.1. Se pide:
a) hallar la funci
on de densidad de la fuerza de flexion F = SA (indicar las hipotesis realizadas);
b) hallar la mediana, el valor esperado y la varianza de la fuerza de flexion F ;
c) calcular la probabilidad de que la fuerza de flexion sea superior a su valor esperado.
MPR.41 La distancia X alcanzada por un proyectil disparado por un ca
non en el vaco, con velocidad
inicial constante e independiente del
angulo de disparo , es funcion u
nicamente de dicho angulo de
disparo, de forma que X = a sen(2), a =constante. Calcular la funcion de densidad de X si se
sit
ua al azar el
angulo de disparo entre la horizontal y la vertical.
MPR.42 (Primer examen parcial, 1990/91) Una plaza de aparcamiento permanece desocupada un tiempo X, que se supone distribuido exponencialmente con parametro . Cuando se ocupa por un automovil, este permanece en el aparcamiento un tiempo Y , tambien distribuido exponencialmente
pero con par
ametro , independiente del anterior. Hallese:
a) la funci
on de distribuci
on acumulada del tiempo Z = X + Y , hasta que queda nuevamente
desocupada la plaza;
b) la media y la varianza de Z as como el coeficiente de correlacion entre Z e Y .
MPR.43 (Examen final (plan viejo, 1998/99) Una empresa de transporte de viajeros ha hecho un contrato con un taxista de forma que los das que se llena el autocar de 40 plazas debe transportar en
su vehculo a los viajeros sobrantes. La funcion de probabilidad del n
umero de viajeros que viajan
en un da cualquiera es

1/15 30 x 44;
f (x) =
0
alternativamente.
a) Determinar la probabilidad de que el taxista haga un viaje un da cualquiera.
b) Determinar la probabilidad de que el taxista haga al menos dos viajes en un mes de 30 das.
c) Determinar la probabilidad de que transcurran al menos dos das sin que el taxista tenga que
hacer ning
un transporte.
MPR.44 Se supone que el n
umero N de microfisuras por unidad de volumen en un cierto material es
tal que N 1 responde a una distribucion Poisson de parametro = 3. Cuando se somete este
material a ciclos de carga, por cada microfisura previa aparecen Mi 1 microfisuras nuevas en el
ciclo i-esimo. Se supone que Mi 1, i = 1, 2, ... son variables aleatorias distribuidas binomialmente,
de parametro 0,5 y valor m
aximo alcanzable igual a 3. Tambien se supone que Mi 1, i = 1, 2, ...
son independientes de N .
1.

Establecer un modelo de distribucion, condicionado a N > 0, para el n

umero total de microfisuras por unidad de volumen despues del ciclo i = 20.

2.

Encontrar el percentil 0,75 de esta distribucion condicionada para N = 3. Justificar todas las
suposiciones realizadas.

3.

Calcular el valor esperado no condicionado del n

umero total de microfisuras por unidad de
volumen despues de 20 ciclos de carga.

MPR.46 La variable aleatoria Y es el producto de 50 variables aleatorias independientes que tienen una
distribucion de Poisson trasladada:
P [xi = k] =

k1 e
,
(k 1)!

k = 1, 2, ...

1.

Determinar aproximadamente la distribucion de Y cuando = 1,3.

2.

Hallar la media y la varianza de Y .

23

3.

Determinar el percentil 0,75 de Y .

MPR.47 Un sem
aforo tiene un ciclo verde de duracion fija T . Cuando el semaforo se pone verde, se
supone que la cola de autom
obiles es lo suficientemente larga como para que no puedan pasar todos
en un mismo ciclo. El tiempo que tarda en arrancar el primer automobil de la cola, al ponerse verde
el semaforo, sigue una distribuci
on exponencial de parametro =0.7s1 . Los auomobiles sucesivos
tardan en arrancar, desde que se pone en marcha el anterior, tiempos que tambien se distribuyen
con la misma exponencial. Se supone que esos tiempos de arranque son independientes entre si y
que, una vez ha arrancado el coche, este supera el semaforo.
1.

Si T = 20s, determinar la probabilidad de que el n

umero de automobiles N que supera el
semaforo en un ciclo de verde sea N = 8. Hallar tambien la esperanza y la varianza de N .

2.

Determinar la duraci
on de un ciclo de verde T para que la probabilidad de que pasen menos
de 8 autom
obiles en un ciclo de verde sea 0.09.

MPR.49 El sistema de la figura es tal que cada uno de sus componentes tiene una vida aleatoria
exponencialmente distribuida con par
ametro , y es independiente de todos los demas. Calcular la
distribucion de la vida del sistema. Puede generalizarse la solucion si se van a
nadiendo en serie
grupos de 4,5,...,n componentes en paralelo?

MPR.50 Dos puntos se colocan, aleatoria e independientemente, en el eje positivo de abcisas, de forma
que su distancia al origen de coordenadas esta exponencialmente distribuida con parametro 1 en
ambos casos. Calcular la distancia entre ambos puntos.
MPR.51 Una empresa compra componentes electronicos. De cada partida, compuesta por un gran
n
umero de ellos, se extrae una muestra de 100 unidades y la partida se rechaza al encontrar en esa
muestra el segundo componente defectuoso. Determinar la probabilidad de rechazar una partida
que contiene el 1 % de componentes defectuosos.
MPR.52 Considerese el siguiente juego entre dos jugadores: cada uno de ellos tira dos dados, y juegan
alternativamente. Gana el juego el primero que obtenga un 7 en la suma de ambos dados. Si gana el
jugador que juega primero, recibe del segundo una cantidad A. Si por el contrario gana el segundo
en tirar, recibe del primero una cantidad B. Cual ha de ser la relacion entre A y B para que el
juego sea equitativo?

24

7.

Modelos asint
oticos de extremos. (MAE)

MAE.1 (Primer examen parcial, 1994/95) La distancia recorrida por cada neumatico de un coche hasta
que hay que sustituirlo por desgaste (prescindiendo de averas que admitan reparacion) se supone
que sigue una funci
on de distribuci
on exponencial de parametro = 5 105 km1 igual para
todos. Un turista inicia sus vacaciones llevando, como es habitual, una u
nica rueda de repuesto y
pretende hacer un recorrido total de 10,000 kilometros. Especificando las hipotesis adicionales que
sean necesarias, se pide:
a) hallar la probabilidad de que tenga que utilizar la rueda de recambio durante sus vacaciones;
b) hallar la probabilidad de que tenga que adquirir durante sus vacaciones un neumatico nuevo;
c) extraer consecuencias de los resultados obtenidos en a) y b) cuando el recorrido se realiza por
una zona donde es difcil adquirir neumaticos.
MAE.03 El tiempo de vida de un cierto tipo de bombillas se distribuye de acuerdo con una variable
aleatoria exponencial de media 100 horas. Se instalan 10 de estas bombillas en una sala; calcular
la distribuci
on de la vida de la bombilla que se funde antes y calcular la esperanza de vida de esta
bombilla (suponer independencia).
MAE.04 (Examen de septiembre, 1992/93). Una zona es afectada por huracanes frecuentemente. Se dice
que un a
no ha sido catastr
ofico si el viento supero, al menos una vez, la velocidad de 120 km/hora.
Se supone que la probabilidad de que un a
no sea catastrofico es constante a lo largo del tiempo y
es p = 0,1. La velocidad m
axima del viento, X, en un a
no catastrofico se ha modelado como una
variable aleatoria cuya funci
on de densidad es
fX (x) =

1
x

,
30 7200

120 x 240.

a) Si definimos como periodo de retorno de a

nos catastr
oficos el valor esperado del n
umero de a
nos
que tienen que transcurrir para que la velocidad del viento supere una determinada velocidad,
cual es el periodo de retorno de a
nos catastroficos en que se supera la velocidad de viento de
200 km/hora? Cu
al es la probabilidad de que en 40 a
nos al menos uno sea catastrofico con
viento de velocidad m
axima de mas de 200 km/hora?
b) Si a los a
nos no catastr
oficos se les asigna artificialmente una velocidad de viento maxima
de 100 km/hora, determinar la distribucion de la velocidad maxima del viento en 40 a
nos.
Dibujar esquem
aticamente la gr
afica de la distribucion entre 80 y 250 km/hora. Dar el valor
de la distribuci
on en los puntos de velocidad 110, 160 y 220 km/hora.
c) A efectos de previsi
on de cat
astrofes, un ingeniero quiere aproximar la distribucion del apartado
b) por otra de uso frecuente. Que tipo de distribucion utilizara? Por que?
MAE.05 La altura de ola m
axima anual que ha de soportar un cierto dique de escollera tiene distribucion
de Gumbel (tipo I) con media = 2 y = 0, 5 (unidades en metros). Si en un a
no la altura de ola
maxima es mayor que 4 m y menor que 6 m, los costes de mantenimiento y reparacion del dique
son C ptas. Si la altura de ola m
axima es mayor que 6 m los costes mencionados se elevan a 2C.
Si esa altura es inferior a 4 m no se producen costes. Hallar la probabilidad de que en tres a
nos los
costes de reparaci
on sean 3C ptas.
MAE.06 (Primer examen parcial, 1995/96) Durante el mes de enero de 1996, en la ciudad de Mexico
fue decretada la primera fase del Plan de Contingencias Atmosfericas (PCA). El ndice de contaminacion haba rebasado el lmite considerado de emergencia ambiental (2,5 puntos IMECA/100),
muy superior al m
aximo admitido internacionalmente y que equivale a 1 punto. El PCA reduce las
actividades industriales a casi la mitad. Supongamos que la funcion de densidad conjunta del ndice
de contaminaci
on X, medido en unidades de puntos IMECA/100, y de la actividad industrial Y ,
en ciertas unidades econ
omicas, es la siguiente:
fX,Y (x, y) = 2e(x+y) I(0,y) (x)I(0,+) (y) .
Se pide:
25

a) calcular el valor esperado del ndice de contaminacion y la probabilidad de que supere el lmite
de emergencia ambiental;
b) suponiendo que en un da de aplicacion del PCA la actividad industrial Y vale 21 E[Y ], calcular
la probabilidad de que en ese da el ndice de contaminacion supere 1 punto IMECA/100;
c) de cara a previsiones futuras, y teniendo en cuenta que en los u
ltimos a
nos durante los das de
contaminaci
on extrema el ndice medio fue de 2,55 puntos IMECA/100, con varianza 0,0121
(puntos IMECA/100)2 , ajustar una funcion de distribucion de extremos adecuada.
MAE.07 (Examen septiembre,1995/96) Una empresa ha obtenido un contrato para una obra situada
a una cierta distancia D de la sede. El tiempo (en horas) que tarda un camion de la empresa en
recorrer dicha distancia puede modelarse mediante una variable aleatoria X con funcion de densidad

0
si x < 3;
f (x) =
e3x si x 3.
La empresa dispone de cuatro camiones. A efectos de planificacion de la obra, la empresa pretende
que ning
un cami
on tarde m
as de 5 horas y 30 minutos ni menos de 3 horas y 10 minutos en llegar
a la obra. Se pide:
a) Calcular la probabilidad de que el vehculo mas lento tarde mas de cinco horas y media, y de
que el vehculo m
as r
apido tarde menos de tres horas y 10 minutos. Interpretar los resultados
en funci
on de las necesidades de la empresa.
b) Si la empresa tuviera que garantizar suministros regulares a una obra importante con n vehculos (n grande), y s
olo le interesa el tiempo del vehculo mas lento, indicar que funcion de
distribuci
on debera utilizar para calcular la correspondiente probabilidad.
MAE.08 (Examen ordinario, enero 99) Se tiene una sucesion de variables aleatorias independientes
X1 , . . . , Xn con la misma funci
on de densidad f (x) = 8e8x I{x 0}. Si se consideran 100 variables,
calc
ulese:
a) La probabilidad de que su suma sea menor o igual a diez.
b) La probabilidad de que la suma este comprendida entre 11 y 13.
c) La varianza del cuadrado de su suma.
d) Si se desea aproximar la probabilidad del maximo de n de estas variables para n suficientemente
grande, que distribuci
on de extremos habra que utilizar? Por que?
MAE.09 Un fen
omeno natural ocurre siguiendo un proceso de Poisson de parametro (sucesos por
a
no). Cada suceso del fen
omeno se caracteriza por una intensidad X que se supone distribuida
exponencialmente con par
ametro .
1.

Hallar la distribuci
on acumulada del maximo anual, Y, de las intensidades Xi asociadas a los
sucesos de Poisson durante el a
no.

2.

Por otra parte, el mismo m

aximo anual ha sido modelado por una distribucion asintotica de
maximos tipo I (Gumbel) con parametros = , u = lg /. Determinar las diferencias entre
la distribuci
on hallada en a) y la dada. Que diferencia se encontrara al hallar el periodo de
retorno de m
aximos anuales para intensidades Y que superen el valor y0 > 0?

26

8.

Muestreo. Distribuciones de muestras (MDM).

MDM.01 Sea X1 , X2 , P
Xn una muestra aleatoria de una poblacion definida por una funcion de densidad f . Si Mr0 = n1
Xir , r = 1, 2, indica el r-esimo momento muestral y 0r indica el r-esimo
momento poblacional, probar que se cumplen las igualdades:
(1) E [Mr0 ] = 0r , si 0r existe;


(2) Var[Mr0 ] = n1 02r (0r )2 , si 02r existe.
MDM.02 Sea X1 , X2 , Xn una muestra aleatoria de tama
no n; se define la varianza muestral corregida
S 2 de dicha muestra aleatoria mediante:
n

S2 =
donde X =

1
n

1 X
(Xi X)2 , n > 1,
n 1 i=1

Xi es la media muestral. Probar que se cumple:

n

XX
1
S =
(Xi Xj )2 , n > 1.
2n(n 1) i=1 j=1
2

MDM.03 Sea X1 , X2 , Xn una muestra aleatoria de una poblacion definida por una funcion de densidad f , de media y varianza 2 .
a) Si S 2 indica la varianza muestral corregida de dicha muestra aleatoria, probar que se cumple
E [S 2 ] = 2 .
Pn
2
b) Si se define la varianza muestral no corregida mediante SD
= n1 i=1 (Xi X)2 , calcular su
esperanza.
MDM.04 Una poblaci
on sigue una distribucion de media desconocida y varianza 1. Calcular el tama
no
de muestra mnimo para que la probabilidad de que la media muestral X n diste de no mas de
0,5 unidades, sea al menos del 95 por ciento. Resolver por tres metodos distintos y discutir los
resultados.
MDM.05 Sea X1 , X2 , Xn una muestra aleatoria de una poblacion Poisson-distribuida de parametro
; calcular la distribuci
on de la media muestral X n .
MDM.06 Si X n denota la media muestral de una muestra aleatoria de tama
no n tomada de una
poblacion normal-distribuda de media y varianza 2 , probar que X n se distribuye normalmente
con una media y una varianza 2 /n.
MDM.07 Sean X1 , X2 , , Xr variables aleatorias normales e independientes de media i y varianza i2 ,
Pr  Xi i 2
i = 1, 2, , r. Sea la variable aleatoria definida por: U =
. Probar que U se
i=1
i
distribuye seg
un una chi-cuadrado de r grados de libertad.
MDM.08 Sea X una variable aleatoria F -distribuida de grados de libertad m y n. Probar que se
cumplen:
(1) E [X] =
(2) Var[X] =

n
n2 ,

(n > 2);

2n (m+n2)
m(n2)2 (n4) ,

(n > 4).

MDM.09 Sea X una variable aleatoria distribuda seg

un una t de Student de k grados de libertad.
Probar que se cumplen:
(1) E [X] = 0, si k > 1;
(2) Var[X] =

k
k2 ,

si k > 2.

27

MDM.10 (Examen final, 1994/95) Una ingeniera geologa quiere explorar un yacimiento cuya proyeccion
sobre la superficie terrestre puede considerarse elptica, con semiejes a y b, a > b. Situado el origen
de coordenadas en el centro de la elipse y orientando adecuadamente los ejes, esta tiene ecuacion
x2 /a2 + y 2 /b2 = 1. La estrategia de muestreo exige situar puntos de muestreo sobre el terreno de
forma que su densidad corresponda a una distribuci
on normal bivariante con parametros x = 0,
y = 0, y coeficiente de correlaci
on poblacional xy = 0. Determinar una posible solucion para los
valores de x2 y y2 , de forma que la probabilidad de que un punto de muestreo caiga dentro de la
elipse sea igual a 0,90.

28

9.

Estimaci
on puntual de par
ametros (EPP).

EPP.01 Sea X1 , X2 , Xn una muestra aleatoria de una poblacion que sigue una distribucion de Poisson
de parametro . Estimar el valor de dicho parametro aplicando el metodo de los momentos.
EPP.02 Sea X1 , X2 , Xn una muestra aleatoria de una poblacion que sigue una distribucion exponencial de par
ametro . Estimar el valor de dicho parametro aplicando el metodo de los momentos.
EPP.03 Una poblaci
on se halla uniformemente distribuida en un intervalo [a, b]. Aplicando el metodo
de los momentos, estimar el intervalo en cuestion a partir de una muestra aleatoria X1 , X2 , Xn .
EPP.04 Sea X1 , X2 , , Xn una muestra aleatoria de una poblacion que sigue una distribucion normal
de media y varianza 2 . Estimar dichos parametros aplicando el metodo de maxima verosimilitud.
EPP.05 Sea X1 , X2 , , Xn una muestra aleatoria de una poblacion que sigue una distribucion de media
y varianza 2 . Estudiar si la media muestral X y la varianza muestral S 2 son, respectivamente,
estimadores insesgados de y 2 .
b es el error cuadratico medio de
EPP.06 Sea b un estimador del par
ametro desconocido . Si ECM()

2
b = Var[]
b + E []
b . Deducir que ocurre si
dicho estimador. probar que se cumple: ECM()
b es insesgado.
EPP.07 Sea X1 , X2 , , Xn una muestra aleatoria de una poblacion normal de media y varianza 2 .
Estudiar el sesgo y el error cuadr
atico medio de los estimadores X n (media muestral) y S 2 (varianza
muestral corregida).
EPP.08 Sea X1 , X2 , , Xn una muestra aleatoria tomada de una poblacion que sigue una distribucion
de Bernoulli con par
ametro p. Se consideran los estadsticos:
b1 = X1 + X2 + X3 ;

b2 = X1 X2 + X3 .

Aplicando la definici
on de estadstico suficiente, estudiar la suficiencia de dichos estadsticos.
EPP.09 Considerese un tri
angulo equil
atero y n medidas independientes de su lado a. Cada medida ai ,
i = 1, 2, . . . , n,viene afectada por un error de medicion tal que ai = a+i . Se definen dos estimadores
angulo:
del area A = 43 a2 del tri
n

n
3X 2
3 X
2
ai ;
A2 = 2
ai .
A1 =
4n i=1
4n i=1
Suponiendo que el error sigue una distribucion normal de media 0 y varianza 2 , se pide:
a)
b)
c)
d)
e)

calcular el sesgo de A1 y A2 ;
si son sesgados, comprobar si son asintoticamente insesgados;
comprobar si A1 es consistente en ecm;
definir un estimador insesgado de A;
definir un estimador m
aximo verosmil de A.

EPP.10 (Segundo parcial, 1994/95) En una obra se han utilizado tres tipos de hormigon, indicados por
H-I, H-II y H-III; la probabilidad de utilizar cada uno de los tipos es, respectivamente, (1 )2 ,
2(1 ) y 2 , siendo desconocido el valor del parametro . Para determinarlo, se tomaron 200
muestras de hormig
on y se obtuvieron: 20 muestras del hormigon tipo H-I, 75 muestras del HII y el resto del tipo H-III. Estimar el valor del parametro utilizando un estimador de maxima
verosimilitud.
EPP.11 (Segundo parcial, 1994/95) Disponemos de una muestra aleatoria X1 , X2 , . . . , Xn de una variable aleatoria X que tiene por funci
on de densidad
f (x) =

, 0 < < , 0 x < .

(1 + x)+1

Hallar un estimador suficiente de . Justificar la respuesta.

29

EPP.12 Una planta de construcci

on de acr
opodos (bloques de hormigon utilizados en escolleras) produce
piezas aceptables y piezas defectuosas. Se supone que la probabilidad p de producir un acropodo
defectuoso es constante. Determinar el estimador de p de maxima verosimilitud, su sesgo y su
varianza.
EPP.13 La Direcci
on de Obra de una carretera necesita controlar la ejecucion de la compactacion de
cada una de las tongadas con que se van construyendo las explanaciones. Para ello debe estimar la
porosidad, n, del suelo. Sabiendo que n es una variable aleatoria con funcion de densidad
f (n) = n1 ,

0 < n 1,

se pide:
a) Encontrar el estimador m
aximo verosmil para .
b) Se define la varianza asint
otica de un estimador como:
"

= Ln L()
Var[]
2

#1
.

Calcular la varianza asint

otica del estimador maximo verosmil para .
c) Determinar un estimador suficiente para .
EPP.14 (Examen final, 1995/96) La probabilidad de que el primer elemento de un cierto sistema electronico falle en un tiempo x (en das) viene dada por la siguiente ecuacion:

x

P [X = x] = k
; x = 0, 1, 2, ...; 0.
1+
Se pide:
a) determinar la constante k e identificar la distribucion de probabilidad;
b) hallar el estimador m
aximo verosmil de ;
c) hallar un estimador de por el metodo de los momentos.

30

10.

Estimaci
on por intervalo (EIN).

EIN.01 Una cierta poblaci

on sigue una distribuci
de media y varianza 2 . Se toma una
P on normal P
muestra aleatoria de tama
no 10, tal que
xi = 41,
x2i = 229. Determinar el intervalo de
confianza del 80 % para la varianza de esa poblacion:
a) si se desconoce ;
b) si se sabe que = 4.
EIN.02 En una obra son necesarias unas piezas metalicas de precision para el ajuste de la estructura,
cuyo peso debe estar muy bien controlado. Se tomaron 16 muestras aleatorias de una partida
suministrada por un determinado fabricante y se obtuvieron los resultados siguientes (en gramos):
505, 493, 496, 506, 502, 509, 496, 506, 508, 499, 503, 504, 510, 497, 512, 514.
a) Si se supone que el peso sigue una distribucion normal de varianza 25g 2 , obtener los intervalos
de confianza estimados del 90, 95 y 99 % para la media del peso de estas piezas.
b) Obtener los mismos intervalos suponiendo que el peso de las piezas sigue una distribucion
normal de varianza desconocida.
EIN.03 Se lanza al aire 30 veces una moneda y se obtiene cara en 17 ocasiones. Estimar el valor p de la
probabilidad de obtener cara. Determinar un intervalo de confianza del 95 % para el valor de p.
EIN.04 El tiempo de vida de una bombilla puede considerarse como una variable aleatoria exponencial
de parametro . Una muestra aleatoria de 15 bombillas resulto tener una vida media de 16 meses.
Encontrar un intervalo de confianza para el parametro con un nivel de confianza del 95 %.
EIN.05 Un fabricante de tornillos asegura en los catalogos de los productos que fabrica, que el porcentaje
de tornillos defectuosos de las partidas que suministra no es superior al 5 %. El departamento de
compras de una compa
na realiza el siguiente experimento: selecciona al azar 200 unidades y las
comprueba, resultando 19 tornillos defectuosos. Discutir la veracidad de la afirmacion del fabricante.
EIN.06 Sea X1 , X2 , , Xn una muestra aleatoria de una poblacion que sigue una distribucion uniforme
de densidad f (x; ) = 1 I{0 < x < }. Aplicando el metodo de Neyman, estimar un intervalo de
confianza para .
EIN.07 Se realizan diversas medidas de la densidad de un cierto material. Se han obtenido los siguientes
valores: 5.3, 5.2, 5.3, 5.7, 5.8, 5.5, 5.6, 5.3, 5.4, 5.4. Se pide:
a) calcular la media y la varianza muestrales;
b) determinar un intervalo de confianza (1 = 0,9) aproximado sobre la media de la densidad
sin suponer ninguna distribuci
on especfica;
c) suponiendo que las medidas de la densidad proceden de una poblacion normal, calcular la
region de confianza (1 = 0,9) conjunta para la media y la varianza,
d) asumiendo de nuevo normalidad, determinar un intervalo de confianza (1 = 0,9) sobre la
media y otro sobre la varianza.
EIN.08 En un estudio sobre la liquidez de activos de una empresa se pretende establecer la probabilidad,
p1 , de que un cliente no pague en los plazos establecidos y la probabilidad, p2 , de que un cliente
no llegue a liquidar su deuda. Se ha examinado una muestra de N = 500 clientes, de los cuales
x1 = 235 no pagaron en los plazos establecidos, y todos ellos liquidaron la deuda, es decir x2 = 0.
Se pide:
a) deducir un intervalo de confianza (1 = 0,95) aproximado para p1 , justificando las hipotesis
y aproximaciones que se realicen;
b) hallar un intervalo de confianza (1 = 0,95) para p2 mediante el metodo geometrico de
Neyman.
EIN.09 Se sabe que un distanci
ometro de alta precision proporciona lecturas de cierta longitud distribuidas normalmente y de media igual a la longitud que se pretende medir. Aunque no se
conoce la varianza, se sabe que esta no excede a 4 cm2 ( 2 4 cm2 ).
31

a) Cual es el n
umero mnimo de lecturas que habra que tomar para asegurarse de que el intervalo
de confianza simetrico sobre la media al nivel de confianza del 95 % no tenga una longitud
superior a 1,12 cm?
b) Supongamos que un top
ografo realizo el n
umero de lecturas adecuado (calculado en a)) y
obtuvo como media muestral x
= 350089,78 cm y como estimacion insesgada de la varianza
s2 = 3,0 cm2 . Cu
al sera su estima por intervalo de la longitud buscada?
c) Con los datos de b), determinar una region de confianza con un nivel aproximado del 90 %
para la media y la varianza.
d) Si el top
ografo hubiera obtenido como estimacion insesgada de la varianza muestral s2 =
2
5,3 cm , cual debera ser su actitud?
EIN.10 Se quiere estimar la profundidad a que se encuentra roca bajo una capa de arcilla utilizando
cierto instrumento s
onico. Cada lectura del mismo es una variable aleatoria normal, cuya media
teorica es la profundidad real (desconocida) y cuyo coeficiente de variacion vx se supone constante.
Se toman n lecturas del instrumento y se calcula la media experimental x
. Calcular un intervalo de
confianza al 90 % de la profundidad a que se encuentra la roca si n = 16, vx = 0,2 y x
= 31 m .
EIN.11 (Segundo examen parcial, 1989/90) El caudal medio de un cierto ro puede considerarse una
variable aleatoria normalmente distribuida con desviacion tpica conocida e igual a 4m3 s1 . Los
intervalos de confianza del 90 % sobre el valor esperado del caudal medio durante cinco a
nos consecutivos han resultado ser (7.66, 10.34), (6.66, 9.34), (6.10, 11.40), (7.55, 9.45) y (7.90, 10.10).
Calcular el intervalo de confianza del 90 % sobre el valor esperado del caudal medio del ro durante
estos cinco a
nos.
EIN.12 En un experimento se lanz
o 49152 veces un dado, y en 25145 se obtuvo exito (salio un 4, un 5
o un 6). Determinar un intervalo de confianza al 95 % para la probabilidad de exito en cada tirada.
EIN.13 En un municipio, la probabilidad de que un cierto a
no se supere la precipitacion A es p. Se han
observado 150 a
nos de los que en 35 se supero dicha precipitacion.
a) Estimar p.
b) Calcular la media y la varianza de dicho estimador.
c) Dar un intervalo de confianza del 95 % sobre p.
EIN.14 (Segundo parcial, 1996/97) Con el fn de regular un semaforo, se utiliza una variable aleatoria
X que vale: 1 si el sem
aforo est
a en rojo, 0 si esta en ambar y 1 si esta en verde. Se sabe que
la probabilidad de que el sem
aforo este en rojo es 3p/2, de que este en ambar es (2 7p)/2 y de
que este en verde 2p, siendo desconocido el valor del paramero p ]0, 2/7[. Para determinarlo, se
procedio a anotar 200 posiciones del semaforo (se suponen independientes) y se obtuvo: n1 = 60
posiciones en rojo, n2 = 60 posiciones en ambar y el resto en verde. Se pide:
a) Estimador m
aximo verosmil de p.
b) Estimar el valor de p por el metodo de los momentos.
c) A partir del estimador de p obtenido por el metodo de los momentos, calcular un intervalo de
confianza sobre p al 95 %.
EIN.15 (Examen final, 1996/97) La nota de Estadstica de un estudiante elegido al azar tiene por funcion
de densidad
 2x
, 0x
f (x, ) = 2
0,
en caso contrario
En el grupo hay un total de 100 estudiantes. Se pide:
a) Determinar la funci
on de densidad de la nota maxima de la clase;
b) Determinar un estimador m
aximo verosmil para ;
c) Determinar un intervalo de confianza para al 90 % si se sabe que la nota maxima de la clase
es 9,25.

32

EIN.16 (Convocatoria extraordinaria, 1996/97) El ingeniero geologo responsable de prospeccion y explotacion de una empresa petrolfera admite como cierto, dada la informacion disponible inicialmente,
que en una determinada zona A, la probabilidad de que al efectuar un sondeo se encuentre petroleo
es 0,15 y que en otra zona B dicha probabilidad es 0,2. El coste de un sondeo es de 80 Mpta en la
zona A y de 100 Mpta en la zona B. Los ingresos que se esperan por la venta del petroleo que se
encuentre en cada pozo de la zona A en el que el sondeo haya resultado positivo, son de 1000 Mpta;
en la zona B los ingresos por identico concepto se estiman en 1300 Mpta por pozo explotable. Esta
previsto realizar 100 sondeos en la zona A y 50 sondeos en la zona B. Suponiendo que los resultados
de cada sondeo en cualquiera de las dos zonas son independientes, calcular:
a) Probabilidad de encontrar petr
oleo en tres puntos (sondeos) o mas en cada una de las dos
zonas;
b) Probabilidad de encontrar petr
oleo en veinte puntos (sondeos) o mas en la zona A;
c) Valor esperado y varianza del n
umero de sondeos positivos (encontrando petroleo) en cada
una de las zonas.
d) Discutir cual de las zonas tiene perspectivas de mejor rentabilidad economica para la empresa,
en las condiciones dadas inicialmente.
e) Realizados los treinta primeros sondeos del total previsto en la zona A (se suponen aleatorios),
se encuentra petr
oleo en dos de ellos. Dar un intervalo de confianza al 95 % para la probabilidad de encontrar petr
oleo, en funcion de la informacion obtenida en esos primeros sondeos
en la zona. Debe reconsiderarse la hipotesis de probabilidad de encontrar petroleo que se
admiti
o inicialmente?.
EIN.17 (Examen final, 1998/99) Se consideran 64 variables aleatorias independientes, igualmente distribuidas con media te
orica y varianza teorica 16.
a) Si la media muestral es x = 00 06, calcular un intervalo de confianza para al 90 %.
b) Si la probabilidad de que la media muestral este comprendida entre y 3 es 00 6, calcular
.

33

11.

Contrastes de hip
otesis (COH).

COH.01 (Examen final, 1984/85) Se sabe que la duracion X en meses de ciertas piezas sigue una
distribuci
on de Weibull cuya funci
on de densidad es
2

fX (x) = 2xex ;

> 0;

x > 0.

a) Obtener el estimador m
aximo verosmil para el parametro y dar una estimacion de para
el caso en que una muestra de tama
no n = 8 diera los siguientes valores: 25, 30, 60, 75, 80, 95,
105 y 110 meses.
b) Puede aceptarse en base a esta muestra para = 0,05 que 0,0001? (realizar un contraste
de raz
on de verosimilitudes generalizado).
COH.02 Para comprobar la hip
otesis de que una cierta moneda es correcta, se adopta la siguiente regla
de decision: se aceptar
a que la moneda es buena si en una tanda de 100 lanzamientos se obtiene un
n
umero de caras entre 40 y 60 (inclusive); en caso contrario, la hipotesis sera rechazada.
a) Representar gr
aficamente la regla de decision adoptada.
b) Calcular la probabilidad de afirmar que la moneda es mala siendo en realidad buena.
c) En una tanda de 100 lanzamientos se obtienen 60 caras; se
nalar las conclusiones que pueden
deducirse.
d) Calcular la probabilidad de aceptar que la moneda es correcta cuando en realidad la probabilidad de que salga cara es 0.7.
COH.03 Dise
nar una regla de decisi
on para contrastar la hipotesis de que una moneda es correcta frente
a que no lo es, en una serie de 64 lanzamientos de la moneda, utilizando:
a) un nivel de significaci
on de 0.05.
b) un nivel de significaci
on de 0.01.
COH.04 Un fabricante de bombillas asegura que su modelo Moltallum ML-500tiene una vida media
de 1600 horas. Un comerciante toma una muestra de 100 de esas bombillas y encuentra que su vida
media es de 1570 horas con una desviacion estandar de 120 horas.
a) Contrastar la aseveraci
on del fabricante contra la hipotesis de media diferente de 1600 horas,
usando un nivel de significaci
on de 0.01.
b) Idem contra la alternativa media menor que 1600 horas
usando un nivel de significacion de
0.01.
COH.05 Una compa
na fabrica cables de acero para la construccion. En sus catalogos asegura que su
modelo MC300tiene una tensi
on de rotura media de 300 kp, con una desviacion estandar de 24 kp.
La compa
na adquiere una m
aquina nueva para fabricar cables y quiere comprobar si efectivamente
produce cables con una tensi
on de rotura media mayor.
a) Dise
nar una regla de decisi
on para contrastar esa hipotesis al nivel de 0.01, en base a una
muestra de 64 cables MC300fabricados por la nueva maquina.
b) Una vez dise
nada esa regla de decision, calcular la probabilidad de aceptar que la nueva
maquina fabrica seg
un el estandar anterior cuando de hecho lo hace con una media de 310 kp
y la misma desviaci
on tpica.
c) Determinar la curva de potencia del contraste de hipotesis dise
nado.
d) Dise
nar una regla de decisi
on al nivel = 0,05, para contrastar las afirmaciones de que la
nueva m
aquina fabrica seg
un el estandar, frente a que lo hace con una media mayor que
300 kp. Calcular entonces la probabilidad de aceptar que la nueva maquina fabrica seg
un el
estandar, cuando en realidad lo hace con media de 310 kp y la misma desviacion tpica.
e) Calcular el nivel del contraste al cual se rechaza que la nueva maquina fabrica seg
un el estandar,
si la media de una muestra result
o ser de 306 kp.

34

COH.06 En una cierta localidad remota se reciben u

nicamente dos canales de television, C12 y C23.
El responsable de audiencia de C12 no posee informacion alguna sobre el ndice de audiencia del
espacio Noticias de la noche decide probar la hipotesis nula H0 : proporcion de televidentes igual
a 0.5contra H1 : proporci
on de televidentes distinta de 0.5. Para ello encuesta a 18 residentes
seleccionados al azar y obtiene que N prefieren el canal C12. Se propone las dos pruebas siguientes:
Prueba A: Rechazar H0 si N 4 o bien si N 14;
Prueba B: Rechazar H0 si N 5 o bien si N 13.
Si se piensa tolerar un tama
no m
aximo de 0.1 para el error tipo I, determinar la mejor prueba a
emplear para decidir entre H0 y H1 .
COH.07 Supongamos que el tiempo X en a
nos que transcurre hasta que en un determinado lugar hay
un terremoto sigue una distribuci
on exponencial de parametro ; se define el perodo de retorno
como T = E [X]. Se sabe que la media muestral de los a
nos transcurridos entre los u
ltimos siete
terremotos es de 103 a
nos. Un centro de estudios de sesmos sostiene que el perodo de retorno es
de 100 a
nos mientras que otro afirma que es de 50 a
nos. Realizar un contraste de maxima potencia
al nivel de significaci
on del 5 % para comprobar si el perodo de retorno es efectivamente de 100
a
nos.
COH.08 Un fabricante de material para la construccion asegura que la probabilidad de que su producto
AD-200sea defectuoso es p. Determinar la mejor region crtica para contrastar la afirmacion del
fabricante, en base a una muestra aleatoria de tama
no n.
COH.09 Se han extrado 5 probetas de hormigon de cierta obra. Se supone que su resistencia a compresion sigue una distribuci
on normal de media y varianza 2 = 225 (kg/cm2 )2 . Se pretende
contrastar las hip
otesis:
H0 : 300 kg/cm2

contra H1 : < 300 kg/cm2

utilizando el estadstico M = mn{X1 , X2 , . . . , X5 }, donde las Xi representan las resistencias de las

probetas. Se estableci
o la regi
on crtica M < 280 kg/cm2 . Se pide:
a) Determinar la significaci
on del contraste si la verdadera media fuera: = 320 kg/cm2 ;
b) Determinar la probabilidad del error tipo II, si la media real fuera: = 270 kg/cm2 .
COH.10 (Examen final, 1994/95) Sea X1 , X2 , ..., Xn , n = 10, una muestra aleatoria de la distribucion
uniforme sobre el intervalo [; + 1]. Para contrastar H0 : = 0 contra H1 : > 0, se utilizo el
siguiente contraste: rechazar H0 si y s
olo si el mnimo de las Xi es mayor que k. Determinar k de
forma que el contraste tenga un nivel de significacion = 0, 1. Calcular y representar la funcion de
potencia correspondiente.
COH.11 Un ge
ologo ha clasificado unos limos con diferentes propiedades mecanicas a partir de la abundancia relativa de un cierto f
osil microscopico. Se toma una muestra y en el microscopio se examina
una cierta cuadrcula del retculo; se denomina exito al hallazgo del fosil (1) y fracaso a su ausencia
(0). Si p indica la probabilidad de hallar el fosil y en una muestra de 100 cuadrculas se obtuvieron 75
exitos, construir un contraste de raz
on de verosimilitud generalizado para probar las afirmaciones:
H0 : 0 < p 0,65 contra H1 : 0,65 < p 1.
COH.12 Sea X una variable aleatoria distribuda seg
un una normal de media y varianza 2 .
a) Probar que:
max P[X c| o ] = P[X c| = o ];
max P[X c| o ] = P[X c| = o ].
2
b) Si SD
es el estadstico que representa la varianza muestral no corregida, probar que:
2
2
c| 2 o2 ] = P[SD
c| 2 = o2 ];
max2 P[SD
2
2
max2 P[SD
c| 2 o2 ] = P[SD
c| 2 = o2 ].

35

COH.13 Sea X una variable aleatoria distribuda seg

un una normal de media y varianza 2 . Construir
un contraste de raz
on de verosimilitudes generalizado al nivel para probar:
(I) H0 : = o contra H1 : 6= o ;
(II) H0 : o contra H1 : > o ;
(III) H0 : o contra H1 : < o .
Supongase en primer lugar que la varianza 2 es conocida y despues que es desconocida.
COH.14 Se han recibido dos partidas de tuberas procedentes de dos fabricantes diferentes. La primera,
que consta de 40 tuberas, tiene un diametro medio de 74 mm y una desviacion tpica de 8 mm;
la segunda partida consta de 50 tuberas, y tiene un diametro medio de 78 mm y una desviacion
tpica de 7 mm. Discutir si existe diferencia significativa entre ambas partidas:
a) al nivel de significaci
on de 0.05.
b) al nivel de significaci
on de 0.01.
COH.15 En un taller mec
anico hay dos m
aquinas, MA1 y MA2, para fabricacion de piezas de precision.
Quiere comprobarse si una determinada modificacion en las maquinas es realmente efectiva para
mejorar un cierto ndice de calidad y para ello se realiza esa modificacion en la MA1 pero no en
la MA2. A continuaci
on se ponen las m
aquinas de nuevo en funcionamiento con el mismo operario
en ambas y se toma una muestra aleatoria de 100 piezas de cada maquina, resultando que 75 de
las fabricadas por MA1 eran mejores que antes y que 65 de las de MA2 tambien. Contrastar la
hipotesis de que la modificaci
on es realmente efectiva:
a) al nivel de significaci
on de 0.05.
b) al nivel de significaci
on de 0.01.
COH.16 (Convocatoria extraordinaria, 1984/85) La resistencia a traccion X de partidas de un tipo
de barras de acero fabricadas por una cierta empresa puede considerarse distribuda normalmente
N (, 2 )
con
= 200 kg. Para realizar un control de calidad se toman cuatro barras de una misma partida
y se ensaya destructivamente con ellas obteniendose resistencias X1 , X2 , X3 , X4 . Se pretende realizar un contraste sobre las hip
otesis H0 : 5300 kg contra H1 : < 5300 kg, para lo que se
dispone de los estadsticos
4

Y = mn{X1 , X2 , X3 , X4 },

X
=1
Xi .
X
4 i=1

la region crtica
Para el estadstico Y se elige la regi
on crtica Y < 4912 kg, y para el estadstico X
< 5171 kg. Determinar la curva caracterstica de operacion de ambos contrastes en los puntos
X
= 4700, 5000, 5300 y 5400. Cu
al de ambos contrastes resulta mas conveniente a partir de las
curvas halladas?
COH.17 (Segundo parcial, 1996/97) Un fabricante de tuberas recibe un pedido de 1500 tramos de
tubera de 200 mm de di
ametro. En su factora tiene dos maquinas M1 y M2; la primera de ellas
produce tuberas de 200 mm de di
ametro como valor medio y con una desviacion estandar de 4 mm;
la maquina M2 produce las tuberas con un diametro medio de 204 mm y una desviacion estandar
de 6 mm (ambas distribuciones son normales). En el almacen hay una partida de tuberas en stock
suficiente para atender el pedido, pero se ha perdido la hoja de anotacion de la maquina que las
fabrico (que s
olo puede corresponder a una de las maquinas ya que en el almacen no se mezclan
las producciones de ambas). Para decidir el origen de la partida se dise
na el siguiente experimento,
se extrae al azar una muestra de 10 tuberas; si el diametro medio supera un cierto valor Do se
decidira que la partida procede de M2 y en caso contrario que procede de M1. Se pide:
a) Calcular Do de modo que, en el supuesto que la partida hubiera sido fabricada por M1, se
clasifique como fabricada por M2 solo en un 5 % de las veces.
b) Con el valor de Do calculado en 1), calcular la probabilidad de clasificar como fabricada por
M1 la partida que hubiera sido fabricada por M2.
36

c) Razonar una metodologa para reducir simultaneamente los dos riesgos de clasificacion erronea.
d) Si se supone que la partida haba sido fabricada por M1, calcular la probabilidad de que el
P10
2
estadstico
supere el valor 80.
1 (Xi X)
e) El cliente recibe la partida de tuberas con la especificacion: diametro medio 200 mm, desviacion estandar 4 mm; para comprobar que el fabricante no le enga
na toma una muestra de
2
15 tuberas y obtiene: X = 201,95 mm, SD
= 24,5 mm2 . Razonar a que conclusiones puede
llegar, con un nivel de significaci
on del 5 %.
COH.18 (Examen final, 1996/97) En una zona costera caracterizada por grandes oscilaciones en la
altura del oleaje, se ha modelado la distribucion de la altura mnima X de las olas mediante una
distribuci
on asintotica de tipo II (Weibull) de la forma:
 x 
FX (x) = 1 exp ( )c .
b
Para establecer el valor de los par
ametros b, c se dispone de la muestra aleatoria de X, de tama
no
10: 0.42; 1.15; 1.72; 2.24; 2.48; 2.55; 3.1; 3.39; 4.1; 5.4. Se pide:
a) Calcular aproximadamente a partir de los datos y de la distribucion dada, los parametros b, c
de la distribuci
on (suponiendo que son n
umeros naturales).
b) Se sospecha que, debido a un cambio en las corrientes marinas, el valor del parametro b debe ser
modificado pero que el modelo sigue siendo valido, en tanto que el valor de c no se ha alterado;
calcular el estimador m
aximo verosmil del parametro b, comprobando que, en efecto, se trata
de un m
aximo.
c) Para avalar la hip
otesis realizada en (2) se tomo otra muestra aleatoria de X del mismo
tama
no, resultando: 1.5; 2.3; 2.6; 3.3; 3.5; 3.7; 4.1; 4.5; 5.9; 6.1. Realizar un contraste de razon
de verosimilitudes generalizado para decidir si puede aceptarse o no que el valor de b sigue
siendo el mismo, justificando en su caso el uso de un criterio aproximado.
COH.19 (Convocatoria extraordinaria, 1996/97) En una poblacion con distribucion uniforme en el intervalo [; + 1] se quiere verificar la hipotesis nula H0 : = 0, frente a la alternativa H1 : > 0.
En base a una muestra aleatoria simple de tama
no dos, {x1 , x2 }, se proponen las siguientes regiones
crticas: C1 = {x1 00 95}, C2 = {x1 + x2 K, 2 + 1 K 2 + 2}. Se pide:
a) La funci
on de potencia para cada una de las regiones crticas C1 y C2 ;
b) El valor de K para que ambas regiones crticas sean del mismo nivel de significacion;
c) A partir de las funciones de potencia obtenidas en el apartado a), estudiar cual de los dos
contrastes es m
as potente, suponiendo igual nivel de significacion.
COH.20 (Examen final, 1998/99) Un contratista ordena un gran n
umero de vigas de acero con longitud
promedio de 5 metros. Se sabe que la longitud de una viga se encuentra normalmente distribuida con
una desviaci
on est
andar de 002 metros. Despues de recibir el embarque el contratista selecciona
16 vigas al azar y mide sus longitudes. Si la media muestral tiene un valor mas peque
no que el
esperado se tomar
a la decisi
on de devolver el embarque al fabricante.
a) Si la probabilidad de rechazar un embarque bueno es de 004, determinar el valor de la media
muestral para que el embarque sea devuelto al fabricante.
b) Si la longitud promedio real fuese de 498 metros determinar la potencia de la prueba del
apartado anterior.
c) Calcular el tama
no necesario de muestra para que la probabilidad de detectar una disminucion
de 0015 metros en la longitud media sea de 099.
[Ch] Contrastes de hip
otesis sobre varios grupos de datos.
COH.21 (Segundo examen parcial, 1994/95) Para determinar si la informacion transmitida por radio
relativa al nivel de congesti
on del tr
afico en un determinado lugar de acceso a la ciudad influye
o no sobre el comportamiento de los conductores, se realizo el siguiente experimento: en primer
lugar se registr
o durante 15 das laborables el n
umero de vehculos que circulaban durante una hora
37

determinada por el lugar crtico; los resultados obtenidos fueron para la media muestral x
= 5000
aut/hora y para la varianza muestral (estimador insesgado) s2x = 225 (aut/hora)2 ; a continuacion
se inicio el proceso de difusi
on por radio sobre el nivel de congestion en dicho punto; finalmente,
transcurrido un tiempo prudencial para asegurar que la iniciativa poda ser conocida por la mayora
de conductores, se procedi
o a registrar el n
umero de vehculos que transitaban por el lugar crtico y a
la misma hora; esta vez se hicieron los recuentos durante 20 das laborables y los resultados fueron
para la media muestral y = 4200 aut/hora y para la varianza muestral (estimador insesgado)
s2y = 400 (aut/hora)2 . Suponiendo que el n
umero de vehculos por hora sigue una distribucion
normal, puede afirmarse que la campa
na ha tenido efecto sobre el comportamiento de la poblacion?
COH.22 Un sistema productivo puede emplear dos tipos de maquinaria en la fabricacion de cierta pieza.
Se ha comprobado que, en ambos casos, el diametro medio de las piezas puede controlarse mediante
un dial. No obstante, interesa que la produccion sea lo mas regular posible, es decir, que la varianza
de los diametros sea lo m
as peque
na posible. A la hora de elegir el tipo de maquinaria para su
instalacion definitiva se han tomado muestras obteniendose para cada tipo de maquinaria
N
umero de observaciones:
Medias muestrales:
Varianzas muestrales:

n1 = 41
x
1 = 104 m
s21 = 1012 m2

n2 = 31
x
2 = 103 m
s22 = 1,5 1012 m2

Pueden considerarse iguales los dispositivos? (Hallar un intervalo de confianza sobre el cociente de
varianzas (1 = 0,95) y realizar el contraste de hipotesis adecuado suponiendo normalidad de las
poblaciones.)
COH.23 En una investigaci
on sobre resistencias a compresion del hormigon (suponer que sigue una
distribucion normal) quiere averiguarse si la utilizacion de cierto aditivo afecta a dicha resistencia.
Se ensaya destructivamente sobre n1 probetas sin el aditivo y n2 con el aditivo. Determnese el
mayor nivel de significaci
on para el que sera aceptable la hipotesis primaria de que las resistencias
son iguales en un contraste basado en los siguientes supuestos:
a) que las varianzas de la resistencia de rotura son iguales;
b) que no lo son.
Datos (para la varianza se utiliz
o el estimador insesgado):
N
umero de observaciones:
Medias muestrales:
Desviaciones muestrales:

n1 = 16
x
1 = 370 kg/cm2
s1 = 15 kg/cm2

n2 = 10
x
2 = 385 kg/cm2
s2 = 20 kg/cm2

COH.24 (Segundo examen parcial, 1984/85) Se han realizado recuentos de los automoviles con matrculas anteriores a 1980 que circulan en una hora por dos lugares distintos de una ciudad. Estos
recuentos se han repetido nA = 10 veces en el lugar A y nB = 15 veces en el lugar B a las mismas
horas en das laborables. Los datos obtenidos son:
Lugar A
Lugar B
nA = 10
nB = 15
x
A = 300aut/hora
x
B = 200aut/hora
s2A = 100(aut/hora)2 s2B = 90(aut/hora)2
2
Se supone que los contajes en A y B siguen aproximadamente distribuciones normales N (A , A
)
2
y N (B , B ) respectivamente, y que el estimador de la varianza es insesgado. Se pide:

a) realizar un contraste sobre la igualdad de las medias al nivel = 0,1;

b) calcular la probabilidad de error tipo II si fuera B = (A + 10) aut/hora.
COH.25 Se dispone de dos grupos de mediciones (x1 , x2 , , xnX ), (y1 , y2 , , ynY ) de concentracion
(ppm) de un cierto componente en un mineral, cuya distribucion se supone normal N (; 2 ). Se
sospecha que los autores han evaluado en forma distinta estas mediciones, por lo que quiere establecerse:
a) Un contraste de hip
otesis sobre igualdad de medias al nivel de significacion = 0,05 sin
suponer igualdad de varianzas.
38

b) Un contraste de hip
otesis sobre igualdad de varianzas al nivel de significacion = 0,05 sin
suponer medias conocidas.
c) Un contraste sobre igualdad de medias, supuesta aceptada la igualdad de varianzas.
Datos: nX = 10, x = 10, s2X = 9; nY = 20, y = 12, s2Y = 4.
COH.26 Se tienen tres partidas de vigas de hormigon reforzado procedentes de tres fabricantes distintos;
se quiere constatar si la carga final, supuesta distribuda normalmente, puede considerarse identica.
Datos:
n1 = 10, x1 = 9700kg, s1 = 440kg; n2 = 18, x2 = 9500kg, s2 = 420kg;
n3 = 15, x3 = 9600kg, s3 = 500kg.
COH.27 Durante una serie de a
nos se han recogido datos correspondientes a la recarga estimada de
una serie de pozos artesianos. Se sospecha que la recarga puede haber variado con el tiempo y que
la inflexion se ha dado a partir de un cierto momento T . En base a los datos muestrales que se
facilitan, suponiendo normalidad y utilizando un nivel de significacion del 10 %, se pide:
a) determinar si existe una diferencia significativa entre la recarga anterior y la recarga posterior
al punto crtico T del perodo analizado;
b) determinar si puede aceptarse que la recarga ha sufrido un incremento medio de 100m3 entre
un perodo y otro.
Datos: Antes de T: n
um. de muestras = 10, media muestral de la recarga = 329m3 , varianza de la
recarga (estimador insesgado) = 1369(m3 )2 .
Despues de T: n
um. de muestras = 16, media muestral de la recarga = 414m3 , varianza de la
recarga (estimador insesgado) = 1681(m3 )2 .
COH.28 (Examen final, 1994/95) Un ingeniero se plantea la restauracion de una catedral gotica. Sabe
que en las proximidades del lugar de construccion se encuentran tres canteras de distintos tipos de
roca, que ya eran explotadas en la epoca de construccion de la catedral. El ingeniero supone que la
dureza de los bloques y la resistencia a la alteracion por factores climatologicos y medioambientales
de cada tipo de roca es distinta seg
un fuera la cantera de la que provienen los bloques. Ello podra
tener graves consecuencias sobre la estabilidad del edificio.
Para analizar la situaci
on decide hacer un muestreo tomando 15 muestras de cada tipo de roca
situadas en el exterior del edificio que supone afectadas por los procesos de alteracion y 15
muestras de cada tipo en el interior del edificio que supone inalteradas a efectos practicos. Una
vez analizadas las 90 muestras tiene los siguientes resultados:
tipo
Ie
Ii
IIe
IIi
IIIe
IIIi

media
4,1
5,3
3,2
4,9
3,8
5,1

desv. tpica
1,2
1,5
1,1
1,2
0,9
1,4

donde el subndice e indica ubicaci

on en el exterior y el subndice i ubicacion en el interior del
edificio. La media y la desviaci
on tpica (estimador maximo-verosmil) estan medidas en unidades
de resistencia a compresi
on (t/cm2 ). Se pide:
a) comprobar si estos datos corroboran la hipotesis de que la dureza de los tres tipos de roca no
alterada difiere;
b) idem para los tres tipos de roca alterada;
c) en funcion de los resultados de a) y b) analizar si hay una diferencia significativa entre la
resistencia a compresi
on de las rocas alteradas y no alteradas.
Obs.: suponer normalidad e igualdad de las varianzas poblacionales en todos los casos y tomar
= 0, 05.
39

12.

Contrastes de bondad de ajuste (BDA).

BDA.01 Contrastar si el n
umero de tormentas que se registra en una estacion por a
no sigue una distribucion de Poisson. Para hacerlo, se dispone de los datos siguientes:
(0, 102), (1, 144), (2, 74), (3, 28), (4, 10), (5, 2), (6, 0),
donde el primer elemento indica el n
umero de tormentas por a
no y el segundo el n
umero de observaciones.
BDA.02 Para modelar la velocidad m
axima del viento (km/h) en una cierta localidad, se proponen dos
modelos: a) N (114; 646), b) Gumbel con = 114, 2 = 646. Discutir cual de los dos modelos es
mejor, sabiendo que en 60 a
nos de observaciones se han obtenido: 14 con velocidad maxima entre
0 y 100, 23 con velocidad m
axima entre 100 y 120, 10 con velocidad maxima entre 120 y 130 y,
finalmente, 13 a
nos con velocidad m
axima mayor que 130 km/h.
BDA.03 En una encuesta de opini
on con respecto a un cierto asunto poltico de actualidad, se planteo si
los votantes de edad inferior a los 25 a
nos podran tener una opinion claramente diferenciada de
los de 25 a
nos de edad o m
as. Elegida una muestra al azar entre la poblacion, se les pregunto si en
relacion a dicho asunto estaban a favor, en contra o indiferentes. Las respuestas fueron 500, 400 y
100, respectivamente, para el primer grupo (edad < 25 a
nos) y 500, 600 y 400, respectivamente, en
el segundo grupo de votantes (edad 25 a
nos). Razonar si, a un nivel = 0,01, los datos obtenidos
proporcionan evidencia sobre que los grupos de edad mencionados tienen opinion diferente.
BDA.04 Se han seleccionado 100 observaciones de dos poblaciones Poisson con los siguientes resultados:
(0, 11), (1, 25), (2, 28), (3, 20), (4, 9), (5, 3), (6, 3), (7, 0), (8, 1), ( 9, 0);
(0, 13), (1, 27), (2, 28), (3, 17), (4, 11), (5, 1), (6, 2), (7, 1), (8, 0), ( 9, 0).
Discutir si estos datos proporcionan evidencia de que, a un nivel = 0,05, las poblaciones son
distintas.
BDA.05 Verifquese al nivel de significaci
on = 0,01 si: (0,603, 0,693, 0,750, 0,713, 0,506, 0,515) proceden
de una distribuci
on normal can
onica.
BDA.06 Verificar al nivel de significaci
on = 0,02 si la muestra:
([0, 0,20], 1); (]0,20, 0,40], 8); (]0,40, 0,60], 9); (]0,60, 0,80], 15); (]0,80, 1], 17)
procede de una poblaci
on contnua cuya funcion de distribucion es F (x) = x2 I{0 x 1}.
(En los datos se ha indicado el n
umero de observaciones junto al intervalo al cual pertenecen las
mismas).
BDA.07 Al segundo examen parcial del curso 1995/96 de la asignatura Estadsticade la ETSECCPB,
se presentaron 131 estudiantes. Antes de celebrarse el examen, 37 estudiantes haban presentado
un trabajo pr
actico optativo, consistente en un estudio de regresion multivariante. Los resultados
del examen de estos estudiantes fueron: 22 aprobaron, 11 de ellos dependan de la calificacion del
trabajo y 4 suspendieron. Del resto de estudiantes, 59 aprobaron, 16 suspendieron y el resto tenan
la posibilidad (aunque no la garanta) de aprobar si presentaban el trabajo practico citado. Estudiar
si puede aceptarse que la probabilidad de que un estudiante apruebe, suspenda o quede pendiente
seg
un la calificaci
on del trabajo, sea la misma tanto si ha entregado el trabajo como si no lo ha
hecho.
BDA.08 (Segundo examen parcial, 1994/95) La u
ltima prueba de las olimpiadas es tradicionalmente la
maraton y su final suele coincidir con el inicio de la ceremonia de clausura. Para fijar la hora de
inicio de los actos es por lo tanto necesario prever el tiempo de llegada del u
ltimo corredor. A partir
de datos historicos se ha establecido que en cada maraton los tiempos de los u
ltimos 10 corredores
que alcanzan la meta son independientes y siguen una distribucion exponencial desplazada de
parametros = 5 y a = 2, cuya funci
on de densidad es
f (x) = e(xa) ,
Se pide:
40

a < x.

a) determinar el tiempo medio que necesitan los atletas mencionados para cubrir el trayecto;
b) calcular la probabilidad de que, en una maraton determinada, el u
ltimo de todos los corredores
tarde m
as de tres horas en alcanzar la meta;
c) comprobar si las hip
otesis son razonables sabiendo que en las u
ltimas cinco carreras de este
tipo el u
ltimo atleta que alcanz
o la meta ha tardado, respectivamente, 2,67; 3,08; 2,55; 2,87;
3,12 horas.
BDA.09 Un casino est
a interesado en controlar su juego de la boule(especie de ruleta con 10 n
umeros
equiprobables). Para ello cada n (n 500) jugadas (cuyo resultado se anota), se efect
ua un contraste 2 de bondad de ajuste a una distribucion uniforme, obteniendose en cada caso el valor del
estadstico correspondiente D1 . En las dos u
ltimas semanas se han obtenido para D1 los siguientes
valores:
23, 6;

4, 1;

9, 3;

22, 1;

7, 2;

21, 5;

2, 5;

21, 6;

4, 7;

16, 5.

Hay alguna raz

on para que la direccion del casino haga revisar el dispositivo de juego? Puede
admitirse que el estadstico D1 sigue una distribucion 2 al nivel = 0, 05? Cual es la verosimilitud
de la muestra de D1 obtenida? (Obs.: (4, 5) 11, 63.)
BDA.10 Los vehculos que circulan por autovas y autopistas se han clasificado en 7 categoras numeradas de 1 a 7. Se han contado 941 vehculos en una autopista y se han obtenido los siguientes
n
umeros para cada categora:
n1 = 3 n2 = 24

n3 = 310

n4 = 550

n5 = 32 n6 = 15 n7 = 7.

El mismo proceso con 865 vehculos se realizo en una autova; los datos fueron:
m1 = 4 m2 = 21

m3 = 415 m4 = 350

m5 = 42

m6 = 23 m7 = 10.

A que nivel de significaci

on puede aceptarse que la probabilidad de que un vehculo pertenezca a
una categora es la misma en la autopista que en la autova?
BDA.11 (Convocatoria extraordinaria, 1994/95) Una empresa ofrece un modelo de reloj con una garanta de cinco a
nos. Para comprobar si es razonable esta poltica de ventas realiza periodicamente
experimentos destinados a determinar el tiempo de vida de cada serie de relojes producida. Los
datos obtenidos para 12 unidades de una serie determinada fueron, en meses hasta el momento de
fallar, los siguientes: 30,5; 33; 33,1; 36; 42; 55; 55,5; 75,8; 76; 106; 106,8 y 107,5. Suponiendo que el
tiempo de vida, X, de los relojes sigue una distribucion de Weibull, con funcion de densidad
fX (x) = abxb1 exp(axb ),

con x > 0,

a>0

b = 2,

se pide:
a) estimar el valor de a utilizando el metodo de la maxima verosimilitud;
b) determinar si la distribuci
on de Weibull es un modelo razonable para el tiempo de vida de los
relojes;
c) decidir si una garanta de cinco a
nos es justificable desde el punto de vista del usuario y de la
empresa.
P 2
Indicacion:
xi = 58000
BDA.12 (Segundo examen parcial, 1992/93) Un fabricante de automoviles asegura que la media del
consumo de sus autom
oviles es de 8 litros de gasolina por 100 km. Para comprobar esta afirmacion
se mide el consumo en n = 8 ocasiones y se obtienen los siguientes resultados en litros por 100 km:
5,7; 9,2; 10,1; 8,3; 7,4; 7,0; 8,6; 8,9.
Se pide:
a) determinar si, con significaci
on 0,1, es aceptable que la muestra sea normal;
b) con que nivel de significaci
on puede aceptarse la afirmacion del fabricante?
41

c) si se toma como significacion = 0, 05 en el contraste del apartado b), cual es la probabilidad

de error de tipo II si el consumo medio fuera realmente de 9 litros por 100 km.
BDA.13 (Segundo parcial, 1996/97) Durante una serie de a
nos se han recogido en cierta zona, datos
de la temperatura media mensual T (grados centgrados) del mes de marzo. Estos datos, que
corresponden a las temperaturas registradas en 25 observatorios de la zona en a
nos anteriores a 1994
son (junto al intervalo al que pertenece la temperatura media se indica el n
umero de observatorios
cuya temperatura media est
a en ese intervalo):
(9 T < 11; 4),

(11 T < 13; 9),

(13 T < 15; 6),

(15 T < 17; 3),

(17 T < 19; 1),

(19 T < 21; 2).

Durante el a
no 1997 y en los mismos observatorios, los valores de la temperatura media del mes de
marzo registr
o los resultados:
(9 T < 11; 1),

(11 T < 13; 7),

(13 T < 15; 8),

(15 T < 17; 5),

(17 T < 19; 2),

(19 T < 21; 2).

En base a los datos muestrales que se facilitan y utilizando un nivel de significacion del 5 % se pide:
a) Verifquese si cada una de las muestras pueden suponerse procedentes de una distribucion
normal mediante un contraste Kolmogorov-Smirnov.
b) Determinar si la temperatura media actual ha variado en relacion a la temperatura media en
a
nos anteriores a 1994.
c) Determinar si puede considerarse fundamentada la afirmacion sobre que la temperatura se ha
disparado en 2o C.
d) Discutir los resultados de 2) y 3).
BDA.14 (Convocatoria extraordinaria, 1996/97) Un fabricante de productos para la construccion de
obra civil enva muestras de hormig
on a dos laboratorios L1 y L2 que realizan los correspondientes
analisis siguiendo los mismos metodos. Cada uno de estos laboratorios hace 5 determinaciones del
contenido de un cierto aditivo A obteniendo:
L1 : 24, 27, 26, 21, 24 (mg/ kg);
L2 : 27, 28, 23, 31, 26 (mg/kg).
Utilizando un nivel de significaci
on = 0,05, se pide:
a) Verificaci
on sobre si cada una de las muestras puede suponerse procedente de una distribucion
normal, empleando un contraste adecuado.
b) Averiguar si los dos laboratorios efectivamente obtienen las mismas medidas o hay diferencias.
BDA.15 Un transportista necesita para hacer los repartos urbanos un cierto n
umero de vehculos diariamente. Este n
umero puede ser X = 1, 2, ..., N, donde X es una variable aleatoria que se puede
modelar de dos formas distintas: con una distribucion binomial trasladada de parametros (p1 , N 1)
(de forma que el soporte sea 1, ..., N), o con una distribucion binomial de parametros (P2 , N ) truncada en 1 con el mismo soporte.
1.
2.

Definir la funci
on de probabilidad y la media de cada uno de los dos modelos.
Suponiendo que N = 4 y que se dispone de una muestra de X de extension m = 50 tal que
en 15 ocasiones X = 1, 20 para X = 2, 9 para X = 3, y 6 para X = 4, que modelo resulta
mas adecuado a estos datos, el primero con p1 = 0,39 o el segundo con p2 = 0,54? Explicar la
metodologa utilizada y las hip
otesis hechas.

 
4 2
x
BDA.16 Consideremos la elipse ( x y )
= 1.
2 4
y
1.

Encontrar una distribuci

on de una v.a. normal bivariante tal que la probabilidad de que la v.a.
tome valores en el interior de esta elipse sea 0,9.
2. Encontrar la densidad condicional de la variable y cuando x = 1.
3. Encontrar la probabilidad de que la variable determinada en a) tome valores en el rectangulo
0 < x < 1, 0 < y < 1. Es posible encontrar este valor analticamente? Indicar dos formas para
encontrarlo numericamente.

42