CONTROL 1

INFERENCIA ESTADISTICA
HECTOR CONTRERAS CASTILLO
INSTITUTO IACC
15/06/2015

DESARROLLO

1. Después de una prueba de laboratorio muy rigurosa con cierto

componente eléctrico, el fabricante determina que en promedio solo
fallarán tres componentes antes de tener 1.200 horas de operación. Un
comprador observa que son 6 componentes los que fallan antes de las
1.200 horas. Si el número de componentes que fallan es una variable
aleatoria de Poisson ¿existe suficiente evidencia para dudar de la
conclusión del fabricante? Argumente.

𝑷(𝒙 < 𝟔) = [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)]

30 ∗ 𝑒 −3 31 ∗ 𝑒 −3 32 ∗ 𝑒 −3 33 ∗ 𝑒 −3 34 ∗ 𝑒 −3
𝑷(𝒙 < 𝟔) = [( )+( )+( )+( )+( )
0! 1! 2! 3! 4!
35 ∗ 𝑒 −3
+( )]
5!

𝑷(𝒙 < 𝟔) = [0.049787068 + 0.149361205 + 0.224041807 + 0.224041807

+ 0.168031355 + 0.100818813]

𝑷(𝒙 < 𝟔) = [0.916082055]

2. Un agente de seguros vende pólizas a 10 individuos, todos de la
misma edad. De acuerdo con las tablas actuariales, la probabilidad de
3
que un individuo con esa edad viva 30 años más es de . Determine la
5
probabilidad de que dentro de 30 años vivan, al menos, 3 individuos.

3 2
Si, 𝑃(𝑠𝑖 ) = = 0.6 𝑃(𝑛𝑜) = = 0.4 𝐵(𝑛, 𝑝) = 𝐵(5; 0.6)
5 5

𝑷(𝒙 ≥ 𝟑) = [𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑃(𝑥 = 8)

+ 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10)]

10 10 10 10
𝑷(𝒙 ≥ 𝟑) = [( ) ∗ 0.63 ∗ 0.47 + ( ) ∗ 0.64 ∗ 0.46 + ( ) ∗ 0.65 ∗ 0.45 + ( ) ∗ 0.66
3 4 5 6
10 10 10
∗ 0.4 + ( ) ∗ 0.6 ∗ 0.4 + ( ) ∗ 0.6 ∗ 0.4 + ( ) ∗ 0.6 ∗ 0.41
4 7 3 8 2 9
7 8 9
10 10 0
+ ( ) ∗ 0.6 ∗ 0.4 ]
10

10! 10!
𝑷(𝒙 ≥ 𝟑) = [( ) ∗ 0.63 ∗ 0.47 + ( ) ∗ 0.64 ∗ 0.46
(10 − 3)! ∗ 3! (10 − 4)! ∗ 4!
10! 10!
+( ) ∗ 0.65 ∗ 0.45 + ( ) ∗ 0.66 ∗ 0.44
(10 − 5)! ∗ 5! (10 − 6)! ∗ 6!
10! 10!
+( ) ∗ 0.67 ∗ 0.43 + ( ) ∗ 0.68 ∗ 0.42
(10 − 7)! ∗ 7! (10 − 8)! ∗ 8!
10! 10!
+( ) ∗ 0.69 ∗ 0.41 + ( ) ∗ 0.610 ∗ 0.40 ]
(10 − 9)! ∗ 9! (10 − 10)! ∗ 10!

𝑷(𝒙 ≥ 𝟑) = [(120) ∗ 0.63 ∗ 0.47 + (210) ∗ 0.64 ∗ 0.46 + (252) ∗ 0.65 ∗ 0.45 + (210)
∗ 0.66 ∗ 0.44 + (120) ∗ 0.67 ∗ 0.43 + (45) ∗ 0.68 ∗ 0.42 + (10) ∗ 0.69
∗ 0.41 + (1) ∗ 0.610 ∗ 0.40 ]

𝑷(𝒙 ≥ 𝟑) = [(120) ∗ 0.000353894 + (210) ∗ 0.000530841 + (252) ∗ 0.000796262

+ (210) ∗ 0.001194393 + (120) ∗ 0.00179159 + (45) ∗ 0.002687385
+ (10) ∗ 0.004031078 + (1) ∗ 0.006046617]

𝑷(𝒙 ≥ 𝟑) = [0.04246728 + 0.11147661 + 0.200658024 + 0.25082253 + 0.2149908

+ 0.120932325 + 0.04031078 + 0.006046617]

𝑷(𝒙 ≥ 𝟑) = [0.987704966]
3. La probabilidad que una muestra de aire contenga una molécula
anómala es 0,03. Suponiendo independencia entre las muestras
extraídas con respecto a la presencia de moléculas anómalas.

En función de la información anterior, responda:

a) Escriba el modelo probabilístico

𝑆𝑖, 𝑃 = 0.97 𝑄 = 0.03 𝑛 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠

𝑛
𝑃(𝑥 ≤ 𝑥𝑖 ) = (𝑥 ) ∗ 𝑃 𝑥𝑖 ∗ 𝑄 𝑛−𝑥𝑖
𝑖

𝑛
𝑃(𝑥 ≤ 𝑥𝑖 ) = (𝑥 ) ∗ 0.97𝑥𝑖 ∗ 0.03𝑛−𝑥𝑖
𝑖

b) Calcule la esperanza y la varianza.

𝐸 (𝑥 ) = 𝑛 ∗ 𝑃

𝐸 (𝑥 ) = 𝑛 ∗ 0.97

𝜎𝑥2 = 𝑛 ∗ 𝑃 ∗ 𝑄

𝜎𝑥2 = 𝑛 ∗ 0.97 ∗ 0.03