Академический Документы
Профессиональный Документы
Культура Документы
SOLUCIÓN EJERCICIO 1:
El histograma indica que 61 de los 123 ensayos tuvieron un resultado entre 7.3 y 12.2
MN/m^2, 32 estuvieron entre 12.2 y 17.1 MN/m^2, 14 estuvieron entre 2.4 y 7.3
MN/m^2 y 10 estuvieron entre 17.1 y 22.0 MN/m^2. El resto de los datos que aparecen
con frecuencias absolutas de 2 o 1 son datos atípicos considerando que sus
frecuencias son demasiado bajas para un total de 123 ensayos realizados por la
compañía de verificación.
Página 1 de 8
7.3 MN/m^2, solo 14 de los 123 ensayos están en dicho rango teniendo evidencia de
que el terreno fue más complicado de trabajar.
SOLUCIÓN EJERCICIO 2:
Coeficiente R 0.026457513
La utilidad de estos datos con fines predictivos es muy baja, debido a que el coeficiente
de correlación R es de 0.03 aproximadamente indicando que la relación entre las
variables de forma lineal es poco evidenciable estadísticamente, además los
coeficientes de variación solo indican cuánto varían los datos de cada sustancia que
para este caso en ambas presentan poca variación porque ambos coeficientes están
por debajo del 25%. Cabe resaltar que el coeficiente R^2 es muy bajo, indicando que la
bondad de ajuste de los datos a una relación lineal es muy baja, por lo tanto, se
debería estudiar qué tipo de relación entre los datos presenta mayor bondad de ajuste
para poder hacer predicciones con mayor precisión y minimizando al máximo el error.
Página 2 de 8
SOLUCIÓN EJERCICIO 3:
Duration (min)
Year 5 10 20 30 40 50 60 120 180
1974 12.1 19.5 28.8 30.5 32.4 35.5 38.7 48.0 51.6
1975 10.1 14.9 26.7 31.2 34.7 38.2 40.2 55.0 56.0
1976 17.9 20.0 31.1 37.2 41.1 51.0 55.7 67.1 80.6
1977 20.0 32.6 52.6 72.4 90.1 108.8 118.9 146.5 157.3
1978 5.1 13.6 16.0 21.3 24.1 24.6 25.0 40.7 49.9
1979 20.5 26.1 36.3 46.1 49.3 50.3 55.6 65.2 90.1
1980 10.0 15.7 20.9 25.0 30.5 38.0 40.1 58.0 63.8
1981 12.0 27.9 47.9 56.0 70.0 80.0 89.4 106.9 114.2
1982 10.0 14.4 20.0 23.3 25.1 26.4 27.2 34.3 41.2
1983 10.0 12.1 17.3 19.2 22.1 27.3 32.7 54.4 66.5
1984 20.1 32.8 60.0 65.7 76.1 92.8 105.7 122.3 122.3
1985 7.6 8.1 13.0 16.5 21.6 25.3 25.3 27.0 32.3
1986 8.7 11.7 20.0 22.9 26.1 26.3 27.6 41.1 56.7
1987 24.6 36.7 56.7 73.9 93.9 110.1 128.5 180.8 188.7
Media 13.5 20.4 32 38.7 45.5 52.47 57.9 74.81 83.66
Desv.Estand 5.94 9.15 16.1 20.4 26 31.74 36.83 46.28 46.18
Coef.Asim 0.56 0.54 0.67 0.77 0.95 0.989 1.003 1.271 1.192
Página 3 de 8
SOLUCIÓN EJERCICIO 4:
Ps Trampas
P(X1|L1) 0.4
P(X2|L2) 0.3
P(X3|L3) 0.2
P(X4|L4) 0.3
Ps del Conductor
P(L1) 0.2
P(L2) 0.1
P(L3) 0.5
P(L4) 0.2
Sea X1, X2, X3 y X4 los eventos en los que una persona haya sido detectada con alta
velocidad por los radares en los sitios L1, L2, L3 y L4 respectivamente. Sea X el evento
de recibir una multa por conducir con exceso de velocidad. Al utilizar la ley de
probabilidad total se tiene que:
P(X) 0.27
%P(X) 27%
Por tanto, una persona tiene una probabilidad de 0.27 de ser multada por conducir con
exceso de velocidad debido a las trampas colocadas.
Página 4 de 8
SOLUCIÓN EJERCICIO 5:
X: Cortes irregulares
Ps Cortes Irregulares
P(X1|Nuevas) 0.01
P(X2|Promedios) 0.03
P(X3|Desgastadas) 0.05
Ps Cuchillas
P(Nuevas) 0.25
P(Promedios) 0.60
P(Desgastadas) 0.15
Sea X1, X2, X3 los eventos en los que una hoja sale con cortes irregulares debido a las
cuchillas Nuevas, Promedios, y Desgastadas respectivamente. Sea X el evento de
tener una porción de la producción de hojas con bordes irregulares. Al utilizar la ley de
probabilidad total se tiene que:
El resultado es:
P(X) 0.028
%P(X) 3%
Página 5 de 8
SOLUCIÓN EJERCICIO 6:
Ps Trampas
P(X1|L1) 0.4
P(X2|L2) 0.3
P(X3|L3) 0.2
P(X4|L4) 0.3
Ps del Conductor
P(L1) 0.2
P(L2) 0.1
P(L3) 0.5
P(L4) 0.2
Sea X1, X2, X3 y X4 los eventos en los que una persona haya sido detectada con alta
velocidad por los radares en los sitios L1, L2, L3 y L4 respectivamente. Sea X el evento
de recibir una multa por conducir con exceso de velocidad. Al utilizar el Teorema de
Bayes se obtienen las siguientes fórmulas:
Página 6 de 8
SOLUCIÓN EJERCICIO 7:
X: Buena evaluación
Ps Condicionadas
P(X1|Mayor) 0.95
P(X2|Moderado) 0.60
P(X3|Escaso) 0.10
Ps Éxito
P(Mayor) 0.40
P(Moderado) 0.35
P(Escaso) 0.25
(A): Sea X1, X2 y X3 los eventos en los que un producto recibió buenas críticas por
parte de los clientes para convertirse en productos con un éxito Mayor, Moderado y
Escaso respectivamente. Sea X el evento de recibir una multa por conducir con exceso
de velocidad. Al utilizar la ley de probabilidad total se tiene que:
(A)
P(X) 0.615
%P(X) 62%
Un producto tiene una probabilidad de 0.615 de tener un buena evaluación por parte de
los clientes.
(B) Sea X1, X2 y X3 los eventos en los que un producto recibió buenas críticas por
parte de los clientes para convertirse en productos con un éxito Mayor, Moderado y
Escaso respectivamente. Al utilizar el Teorema de Bayes se obtienen la siguiente
fórmula:
(B)
P(Mayor|X) 0.617886
%P(Mayor|X) 62%
Página 7 de 8
Un diseño con una buena evaluación por parte de los clientes tiene un probabilidad de
0.617886 de convertirse en un producto de gran éxito.
(C) Teniendo en cuenta que los datos suministrados son de productos que tuvieron
buenas críticas de los clientes y lo que se debe calcular está dependiendo de que no
tenga buenas críticas por parte de los clientes (el complemento) para que el producto
obtenga un éxito mayor, por tanto, la fórmula queda:
(C)
P(Mayor|X') 0.051948
%P(Mayor|X') 5%
Página 8 de 8