Problemas de Probabilidad resueltos.

Problema 1 El profesor P´rez olvida poner su despertador 3 de cada 10 dias. Adem´s, ha comprobado e a que uno de cada 10 dias en los que pone el despertador acaba no levandandose a tiempo de dar su primera clase, mientras que 2 de cada 10 dias en los que olvida poner el despertador, llega a tiempo a dar su primera clase. (a) Identifica y da nombre a los sucesos que aparecen en el enunciado. (b) ¿Cu´l es la probabilidad de que el profesor P´rez llegue a tiempo a dar su primera clase? a e (c) Si un d´ no ha llegado a tiempo, ¿que probabilidad hay de que olvidase poner el despertador la ıa noche anterior? Soluci´n: En primer lugar conviene identificar el experimento aleatorio que estamos realizando. Este o consiste en tomar un d´ al azar en la vida del profesor P´rez y analizarlo en base a los siguientes sucesos. ıa e (a) Para un d´ al azar decimos que se ha dado el suceso: ıa O ≡ cuando el profesor ha olvidado poner el despertador T ≡ cuando el profesor ha llegado tarde a su primera clase. ¯ ¯ Notemos que tanto {O, O} como {T , T } forman un sistema completo de sucesos. A continuaci´n trao ducimos en t´rminos de probabilidad de los sucesos anteriores todos los datos que nos dan en el enunciado. e P (O) = ¯ P (O) = 3 , 10 ¯ P (T |O) = 2 , 10

7 1 ¯ , P (T |O) = . 10 10 (b) El suceso ”llegar a tiempo a su clase” es el complementario de T , por tanto nos piden que calculemos ¯ ¯ P (T ). Puesto que {O, O} es un sistema completo de sucesos, podemos aplicar la f´rmula de la probabilidad o total, de donde tenemos que: ¯ ¯ ¯ ¯ ¯ P (T ) = P (T |O)P (O) + P (T |O)P (O). En la expresi´n anterior aparecen varios de los datos que nos ha proporcionando el enunciado, sin embargo o ¯ ¯ ¯ ¯ ¯ no conocemos directamente el valor de P (T |O). Para calcularlo utilizamos que P (T |O) = 1 − P (T |O) = 1 9 1 − 10 = 10 . De esta forma, la expresi´n anterior se puede escribir como: o ¯ P (T ) = 9 7 69 2 3 + = = 0.69. 10 10 10 10 100

(c) Nos piden calcular la probabilidad del suceso O sabiendo que ha tenido lugar el suceso T , esto es, ¯ P (O|T ). Como {O, O} es un sistema completo de sucesos, podemos utilizar el Teorema de Bayes para calcular P (O|T ). As´ ı, P (O|T ) = P (T |O)P (O) . ¯ ¯ P (T |O)P (O) + P (T |O)P (O)

2 ¯ En la expresi´n anterior nos falta por conocer P (T |O). Utilizando que P (T |O) = 1 − P (T |O) = 1 − 10 = o 8 10 , llegamos a que

8 3 24 10 10 P (O|T ) = = ≈ 0.7742. 1 7 8 3 31 + 10 10 10 10

1

De acuerdo con los resultados anteriores. M} es un sistema completo de sucesos.95 + 1 × 0. ¯ ¯ De la f´rmula anterior.06 = 0. calcular la probabilidad de que el cliente acabe convirtiendose en moroso. e (a) Para un cliente cualquiera decimos que ha sucedido el suceso: M ≡ cuando el cliente es moroso. unicamente desconocemos P (M). el banco ha comprobado que la probabilidad a de que un cliente normal se atrase en un pago es de 0. ¿debe cancelar una l´ ınea si un cliente se atrasa en un pago?¿Por qu´? e Soluci´n: Comenzamos identificando el experimento aleatorio. ¯ ¯ Los conjuntos de sucesos {M. 0. En el pasado. Adem´s.25 exigida por el banco. aplicando la f´rmula de Bayes tenemos que o P (M|A) = P (A|M)P (M) ¯ ¯ P (A|M)P (M) + P (A|M)P (M) 1 × 0.Problema 2 Un banco local revisa su pol´ ıtica de tarjetas de cr´dito.2083. no deber´ de cancelarse la cuenta de un cliente que se atrase en un pago. Por lo tanto.05 = 0.05.2 × 0.95 + 1 × 0. Naturalmente. con el objetivo de cancelar algunas e de ellas. M} y {A. e P (M) = 0. el 5% de los clientes con tarjeta ha pasado a ser moroso.2083.2 × 0. P (A|M) = 1. A ≡ cuando el cliente se ha atrasado en un pago mensual.25. esto es ha dejado de pagar sin que el banco pudiera recuperar la deuda. (b) Elegido un clienta al azar. M} es un sistema completo de sucesos. que podemos calcularlo mediante P (M) = o ´ 1 − P (M) = 1 − 0. que es menor que la probabilidad 0. (c) Nos piden calcular la probabilidad de que el cliente se convierta en moroso (suceso M) sabiendo que ¯ se ha atrasado en una mensualidad (suceso A). la probabilidad de que un cliente que se atrasa en un pago acabe convirtiendose en moroso es 0.24. A} son dos sistemas completos de sucesos. ¯ P (A|M) = 0.2. ¯ (b) Es sencillo darse cuenta de que nos piden calcular P (A). Como {M.05 = ≈ 0. la probabilidad de que un cliente moroso se atrase en un pago es 1. esto es P (M|A). ¿qu´ probabilidad hay de que el cliente se atrase en un pago mensual? e (c) Si un cliente se atrasa en un pago mensual. aplicamos la f´rmula de la probabilidad total y tenemos o ¯ ¯ P (A) = P (A|M)P (M) + P (A|M)P (M).95. En este caso consiste en elegir al azar o a un cliente del banco que tenga tarjeta de cr´dito y preguntarnos por los siguientes sucesos. ıa 2 . Por tanto: P (A) = 0. Como {M. (a) Identifica y da nombre a los sucesos que aparecen en el enunciado.2. A continuaci´n reeo scribimos los datos que nos proporciona el enunciado en t´rminos de probabilidades.06 (d) De acuerdo con el resultado anterior. (d) Al banco le gustar´ cancelar la l´ ıa ınea de cr´dito de un cliente si la probabilidad de que ´ste acabe e e convirtiendose en moroso es mayor de 0.

. De a esta forma. luego X es una variable aleatoria discreta (V. o o entonces P (X = 4) = P (X ≤ 4) − P (X ≤ 3). . Supongamos que este a˜o se n n inscribieron 20 alumnos. o un n 1 si este alumno se da de baja el primer mes es un experimento de Bernouilli de par´metro p = 0. As´ n ı. n (e) ¿Cu´l es el beneficio anual esperado? a (f ) ¿Cu´ntos alumnos se han dado de baja el primer mes si al final del a˜o el gimnasio ha obtenido el a n beneficio esperado? Soluci´n: (a) Una variable aleatoria es una aplicaci´n X que hace corresponder un n´mero real a cada o o u suceso b´sico del espacio muestral. Utilizando la probabilidad del suceso complementario tenemos que P (X > 3) = 1 − P (X ≤ 3) = 1 − 0. 20. Cada alumno que permanece todo el o ´ a˜o genera un gasto anual de 150 euros. esto es. el gasto anual es G = 150 × (20 − X). (a) Explica con brevedad qu´ es una variable aleatoria. u Los posibles valores que puede tomar la variable X son 0. En lenguaje matem´tico esto es P (X ≤ 2). 0. Cada alumno que permanece todo el a˜o genera un gasto n anual de 150 euros. para este problema a elegimos la variable aleatoria X = ”n´mero de alumnos que se dan de baja el primer mes”. 3 . . Si X es el n´mero de alumnos que se dan de baja el primer mes. 1.2061. La funci´n o o de probabilidad se puede expresar como resta de la funci´n de distribuci´n en dos puntos consecutivos. X es la suma de 20 experimentos de Bernouilli independientes de igual p. (d) Por cada alumno tenemos un ingreso de 600 euros. entonces el n´mero u u de alumnos que permanecen todo el a˜o es 20 − X. la funci´n de probabilidad de la binomial en 4. Como se han inscrito 20 alumnos tenemos un ingreso total de I = 20 × 600 = 12000 euros. Este valor es el de la funci´n de distribuci´n de a o o la binomial en el punto 2. Identifica la variable aleatoria del problema e e indica qu´ distribuci´n sigue.4114 = 0.6296 y P (X ≤ 3) = 0. Problema 3 El gimnasio El primo de sumosol ha comprobado que el 20% de sus alumnos se dan de baja durante el primer mes y el 80% restante permanecen todo el a˜o. Operando obtenemos B = 9000 + 150X.2182. Mirando la tabla de la distribuci´n binomial tenemos que P (X ≤ 4) = 0. .4114. e o (b) ¿Cu´l es la probabilidad de que 2 o menos se den de baja? a (c) ¿Cu´l es la probabilidad de que exactamente se den de baja 4 alumnos? a (d) ¿Cu´l es la probabilidad de que se den de baja m´s de 3 alumnos? a a Al hacer la inscripci´n se realiza un unico pago anual de 600 euros. Despues de leer detenidamente todo el enunciado.5886. (c) Hemos de calcular P (X > 3).Problemas de Variable Aleatoria resueltos. esto es o a X ∼ B(20. por tanto X sigue una distribuci´n binomial de par´metros n = 20 y p = 0. el beneficio anual es B = I − G = 12000 − 150(20 − X). Por o tanto P (X = 4) = 0.2.4114 = 0. Mirando en las tablas tenemos que P (X ≤ 2) = 0. Por tanto.D).2.6296 − 0. (b) Nos piden la probabilidad de que el n´mero de alumnos que se den de baja el primer mes sea igual o u menor de 2. (c) Nos piden calcular P (X = 4).A. El experimento que a cada alumno le asocia un 0 si este alumno permanece durante todo el a˜o.2).

Aplicando que E(a + bX) = a + bE(X). Notemos que de E(B) = 9000 + 150E(X). despejando X en la expresi´n B = 9000+150X o se sigue que 9600 − 9000 X= = 4. tenemos que E(B) = E(9000 + 150X) = 9000 + 150E(X). 150 luego se han dado de baja 4 alumnos. Otra forma de resolver este apartado es la siguiente. E(B) = 9000 + 150 × 4 = 9600. As´ ı. esto es B = 9600.El beneficio anual esperado es E(B).2. E(X) = 4. Como la variable X sigue una distribuci´n binomial de par´metros n = 20 y p = 0. u 4 . (e) Si el beneficio obtenido es el esperado. es porque se han dado de baja el n´mero esperado de alumnos. esto significa que si hemos obtenido el valor esperado para el beneficio. entonces E(X) = o a np = 4.

a n fija tenemos que el ingreso por alumno es I = 250 + 23X.33) = P (Z ≥ 1. Utilizando la simetr´ de la normal tenemos que o ıa P (Z ≤ −z0 ) = 0. buscando en la tabla.68. 32 ).C. σ 3 que s´ sigue una distribuci´n normal est´ndar.33) = 0. P (X ≤ 20) = 1 − 0. 3 de la expresi´n anterior tenemos que P (Z ≥ z0 ) = 0.468) = 22.33). 20 − 24 P (X ≤ 20) = P Z ≤ = P (Z ≤ −1.68. esto es. 5 . que es el valor de la funci´n de distribuci´n de una normal en el o o punto 20. de donde z0 = −0. X es n´mero de horas de pr´ctica necesarias para obtener el permiso de u a conducir. ı o a As´ ı.68. Como Z sigue una distribuci´n normal est´ndar.33).33). Tomamos a −z0 = 0. Si a˜adimos la parte ı. Utilizando la variable tipificada Z tenemos que P (X ≥ x0 ) = P Si definimos Z≥ x0 − 24 3 = 0.6772 y P (Z ≤ 0. As´ el ingreso de la autoescuela por las pr´cticas de un alumno es 23X. y aplicando la a e probabilidad del suceso complementario P (Z ≥ 1. pero m´s cercano al segundo. m´s 23 euros por hora de pr´ctica.A.6808.33) llegamos a P (X ≤ 20) = 1 − P (Z ≤ 1. 3 Utilizando el car´cter sim´trico de la normal tenemos que P (Z ≤ −1.9032. Nos piden el valor de x0 de forma que P (X ≥ u a x0 ) = 0.46) = 0. Buscando en la tabla obtenemos que la P (Z ≤ 0.46 y 0. Por tanto X es una variable aleatoria continua (V. (b) Sea x0 el n´mero de horas pr´cticas que buscamos.468.0968.68. (d) Calcular la desviaci´n t´ o ıpica del ingreso por alumno. x0 − 24 . por tanto −z0 es un valor comprendido entre 0. Z ∼ N (0. Soluci´n: o Para este problema escogemos como variable aleatoria X = n´mero de horas de pr´ctica necesarias para obtener el permiso de conducir u a que nos aseguran que sigue una distribuci´n normal de media µ = 24 y desviaci´n t´ o o ıpica σ = 3. tenemos que P (Z ≤ 1. a a (c) Calcular el ingreso por alumno esperado. o a De donde. Hemos de tipificar la variable.47) = 0. esto es X ∼ N (24.Problema 4 Un estudio de la DGT estima que el n´mero de horas pr´cticas necesarias para la obtenci´n u a o del permiso de conducir sigue una distribuci´n normal N (24. Despejando x0 en funci´n de z0 tenemos que o z0 = x0 = 4 + 3z0 = 24 + 3(−0. este valor no puede buscarse directamente o a en la tabla.468. Como X no sigue una distribuci´n normal est´ndar. cambiamos a la variable Z= X −µ X − 24 = .47. (c) Para un alumno cualquiera.33) = 1 − P (Z ≤ 1.) (a) Nos piden que calculemos P (X ≤ 20). 1).9032 = 0. o (a) ¿Qu´ probabilidad hay de obtener el permiso de conducir con 20 horas de pr´cticas o menos? e a (b) ¿Cu´ntas horas de pr´cticas ha necesitado un conductor para obtener el permiso si el 68% de los a a conductores ha necesitado m´s horas de pr´cticas que ´l? a a e La autoescuela D’spacio ingresa por alumno una parte fija de 250 euros. 32 ).596.

Por tanto E(I) = 250 + 23 × 24 = 802. 32 ). V ar(I) = 232 32 . (d) Aplicando que V ar(a + bX) = b2 V ar(X). la desviaci´n o t´ ıpica del ingreso dt(I) es dt(I) = V ar(I) = 23 × 3 = 69. sabemos que V ar(X) = 32 . tenemos que V ar(I) = V ar(250 + 23X) = 232 V ar(X). Por tanto.El ingreso por alumno esperado es E(I). Finalmente. 32 ). sabemos que E(X) = 24. Como X ∼ N (24. 6 . Como X ∼ N (24. Aplicando que E(a + bX) = a + bE(X). tenemos que E(I) = E(250 + 23X) = 250 + 23E(X).

α = 1. o α 2 de una variable aletoria que sigue una Como n = 16 y α = 0.8312 + 1. el intervalo 2 de confianza del 80% para la media µX es: 0.1− α 2 y ˆ2 (n − 1)SX 2 χn−1.6 7.2 6.8 7. Soluci´n: o Sobre la poblaci´n de estadounidenses definimos la variable aleatoria continua o X = “n´mero de horas que duerme” u que sigue una distribuci´n normal de media y varianza desconocidas. 7.6374 0. ˆ Para estimar la desviaci´n t´ o ıpica de X utilizamos la desviaci´n t´ o ıpica muestral SX por ser un estimador insesgado y eficiente.34 √ 16 16 = (6.6374. α 2 7 . 6.Problemas de Intervalos de Confianza y Contraste de Hip´tesis resueltos.5 6.3 6. ¯ n−1 n ˆ Para la muestra proporcionada obtenemos que SX = 0. α √ 2 n donde tn−1. Pn x ¯ X = i=1 i . o o (b) Determinar un intervalo de confianza del 80% para la media de horas que se duerme cada noche. Luego una estimaci´n puntual de la o desviaci´n t´ o ıpica poblacional es σX ≈ 0. o (a) Para estimar la media de horas que duermen los estadounidenses utilizamos la media muestral.0447) (c) Los extremos del intervalo de confianza para la varianza de una poblaci´n normal son o ˆ2 (n − 1)SX 2 χn−1. donde n 2 n i=1 xi ˆ2 SX = − x2 .6374 6.0 6. (b) Los extremos del intervalo de confianza para una variable normal de varianza desconocida y tama˜o n de la muestra peque˜o vienen dados por n ˆ SX ¯ X ± tn−1.8312. Para la muestra n ¯ que nos proporcionan obtenemos que X = 6. α es el valor con probabilidad acumulada del 1 − 2 distribuci´n t-Student con n − 1 grados de libertad.6 6.5 5.2.9 7.34 √ .1 7. Luego una estimaci´n puntual de la media poblacional o es µX ≈ 6.8312.5 7. Considıa eremos la siguiente muestra de las horas que duermen cada noche 16 personas. 6. por ser un estimador insesgado y eficiente para la media poblacional µX .6 6. Por tanto.8 7.8312 − 1. o Problema 5 La cantidad de horas que duermen los estadounidenses cada noche var´ mucho.9 obtenemos que tn−1.2 7. (c) Determinar un intervalo de confianza del 95% para la varianza. buscando en la tabla de la distribuci´n t-Student con 15 grados de libertad el o valor que tiene una probabilidad acumulada de 0.6374. ¿Qu´ estimadores utilizas? ¿Por qu´? e e Suponer que la poblaci´n sigue una distribuci´n normal.34.6178.9 5.8 (a) Calcula una estimaci´n puntual para la media de horas que se duerme cada noche y para la o desviaci´n t´ o ıpica.

o 2 Como n = 16 y α = 0. 8 .5 7.975 y 0. obtenemos que χ2 n−1.8394).α donde χ2 n−1. 2 α para la misma distribuci´n.6374)2 15(0.5 y χn−1. buscando en las tablas de la distribuci´n χ2 con 15 grados de libertad los o 2 valores con probabilidad acumulada de 0. 0. 2 2 respectivamente.26 = (0. Por tanto. 27.26.2216.1− α es el valor que tiene una probabilidad acumulada de 1 − 2 para una variable que sigue 2 una distribuci´n χ2 con n − 1 grados de libertad y χ2 α es el valor que acumula una probabilidad de o n−1.1− α = 27. el intervalo de confianza del 95% para la varianza σX es 15(0.05.6374)2 . α = 7.025.

Las pruebas con 64 neum´ticos dan como resultado una duraci´n media de 27.000 a a km. ∞). −1.64) = 0. o De esta variable desconocemos la distribuci´n que sigue y los valores de los par´metros µX y σX . que se encuentran a igual distancia por abajo y por arriba del valor deseado.5 aplicando la simetr´ de ıa la distribuci´n normal se sigue que o P (Z ≤ −z0 ) = 1 − P (Z ≤ z0 ) = 1 − 0. La regi´n cr´ o ıtica y la regi´n de aceptaci´n quedan pues como: o o RC = (−∞. o a (a) La decisi´n sobre la afirmaci´n de la empresa la tomaremos en base a un contraste de hip´tesis sobre o o o la media poblacional µX H0 : µX = 28000 con hip´tesis alternativa unilateral por la izquierda (ya que el exceso en la duraci´n de los neum´ticos o o a favorece la afirmaci´n de la empresa) o H1 : µX < 28000. por tanto. Por tratarse el problema de un contraste sobre la media de una poblaci´n con muestras grandes sabemos que el estad´ o ıstico de contraste es: Z= ¯ X − µX √ n ∼ N (0.9405 y P (Z ≤ 1. z0 ) y a por la regi´n de aceptaci´n RA = (z0 .000 km. es el menor nivel de significaci´n para el que se rechaza la hip´tesis nula.6.6) = 1 − 0. el p–valor viene dado por P (Z ≤ −1. comprobar si hay evidencia suficiente para rechazar la o afirmaci´n de la empresa. no hay evidencias suficientes para rechazar la afirmaci´n de la empresa.65) = 0. Establecer claramente la hip´tesis nula y alternativa. 1). Puesto que el contraste es unilateral por la izquierda.645) y RA = (−1.645.800 km. Para calcular el valor z0 aplicamos que el nivel de significaci´n o o o es la probabilida de que el estad´ ıstico de contraste caiga en la regi´n cr´ o ıtica. Calculamos ahora el valor del estad´ ıstico que se obtiene con la muestra Z= ¯ 27800 − 2800 √ X − µX √ n= 64 = −1. por lo que podemos considerar −z0 = 1. ˆX 1000 S Como el valor del estad´ ıstico cae dentro de la regi´n de aceptaci´n concluimos que se acepta la hi´otesis o o p nula y. con una a o desviaci´n t´ o ıpica muestral de 1.05 = 0. ¿Cu´l es el p-valor? e a Soluci´n: o Sobre la poblaci´n de los neum´ticos definimos la variable aleatoria o a X = “duraci´n en kilometros”. esto es P (Z ≤ z0 ) = α = 0. αp . (a) Si se usa un nivel de significaci´n del 5%. o (b) El p–valor. 9 .6) = 1 − P (Z ≤ 1. o o Como el contraste es unilateral por la izquierda.9505.Problema 6 La empresa BBM afirma que nueva gama de neum´ticos duran en promedio m´s de 28.645. la regi´n cr´ o ıtica tendr´ la forma RC = (−∞. Utilizando la simetria de la distribuci´n tenemos que o αp = P (Z ≤ −1.95 El 0. +∞).6) = αp . ˆ SX Como en la tabla de la normal no aparecen probabilidades menores que 0. De nuevo este valor no aparece en las tablas.0548.95 no aparece en la tabla de la normal. sin embargo tenemos que P (Z ≤ 1. o o (b) Explica brevemente qu´ es el p–valor.9452 = 0.05 siendo Z el estad´ ııstico de contraste.

Como la probabilidad de que el estad´ ıstico de contraste se encuentre en la regi´n cr´ o ıtica es α.975.8 SX que pertenece a la regi´n cr´ o ıtica. planteamos un contraste bilateral: H1 : µX = 16. +∞) y RA = (−2.04.975 obtenemos que t0 = 2. que por tratarse de un contraste sobre la media de una poblaci´n normal o de varianza desconocida es ¯ X − µX √ T = n ∼ tn−1 . 2 αp 2 . si se encuentra que x = 16.05.Problema 7 Una l´ ınea de producci´n funciona con un peso de llenado de 16 gr por envase.32 gr y SX = 0.8 gr ¿qu´ acci´n o ¯ e o recomendar´ ıas? ¿Cu´l es el p–valor? a ˆ (b) Para el mismo nivel de significaci´n y el mismo valor de SX ¿qu´ acci´n recomendar´ si se obtiene o e o ıas que x = 15. Por la . −2. o (a) La decisi´n a tomar la basaremos en un contraste de hip´tesis sobre la media poblacional µX con o o nivel de significaci´n α = 0. Concluimos por tanto que existe un problema grave en el llenado y debe pararse la l´ ınea de producci´n. ¯ ˆ Para los valores muestrales X = 16.191 ˆ 0.05 y por la simetr´ de la distribuci´n t-Student.32 y SX = 0.8.05. Tomamos como hip´tesis nula el peso de llenado de referencia: o o H0 : µX = 16.191) = 1 − P (T ≥ 2. o Al ser el contraste bilateral. luego hemos de rechazar la hip´tesis nula en favor de la hip´tesis alo o ternativa.04) ∪ (2. De acuerdo o con datos anteriores. siendo 2 2 T el estad´ ıstico de contraste. 2. y la linea de producci´n debe parar si se presenta alguno de ellos. σX ).04. Un o inspector de calidad toma una muestra de 30 art´ ıculos y de acuerdo con los resultados toma la decisi´n o de parar la l´ ınea o dejarla trabajando. la regi´n cr´ o ıtica RC est´ formada por dos intervalos. tenemos que sobre cada uno de los intervalos que forma RC la probabilidad es α .191) = 1 − 10 αp . uno a cada lado de a la regi´n de aceptaci´n RA y por tanto: o o RC = (−∞. El exceso o defecto de peso en o el llenado son problemas graves. el p–valor αp viene dado por la expresi´n P (T ≥ 2.82 gr? ¯ Soluci´n: o Sobre la poblaci´n de los envases producidos aplicamos la variable aleatoria continua o X = “peso de llenado” 2 que sigue una distribuci´n normal. ˆ (a) Para un nivel de significaci´n α = 0.04). esto es P (T ≥ t0 ) = α . −t0 ) ∪ (t0 .04. ˆ SX De α = 0. Al ser el contraste bilateral. se sabe que el peso sigue una distribuci´n normal.32 − 16 √ n ∼ tn−1 = 30 = 2. +∞) y RA = (−t0 . t0 ). As´ ı: RC = (−∞. Puesto que tanto el exceso como el defecto de llenado son defectos de funcionamiento. X ∼ N (µX . 2 Buscando en la tabla de la t-Student con n−1 = 29 grados de libertad el valor con probabilidad acumulada 0. tenemos que el valor del estad´ ıstico de contraste es T = ¯ X − µX √ 16. ıa o P (T ≤ t0 ) = 1 − P (T ≥ t0 ) = 1 − α = 0.191) = o simetr´ de la t–Student tenemos que ıa P (T ≤ 2.

04) = 0. de donde αp = 0. Calculamos ahora el valor del estad´ ıstico de contraste para los nuevos valores muestrales: T = ¯ 15. −2. Concluimos que no se ha producido ning´n problema grave en el llenado y que por o u tanto no es necesario detener la l´ ınea de producci´n.Buscando en la tabla de la t–Student con 29 grados de libertad encontramos que P (T ≤ 2. esto es RC = (−∞. As´ a ı α 0. las regiones cr´ o ıtica y de aceptaci´n o son iguales a las del apartado (a).04).82 − 16 √ X − µX √ n ∼ tn−1 = 30 = −1. Por ser 2.04.04.8 SX que ahora est´ dentro de la regi´n de aceptaci´n.975 = 1 − 2p . luego aceptamos la hip´tesis nula en contra de la a o o o hip´tesis alternativa.99. 2. +∞) y RA = (−2.191 m´s proximo al primero de ellos tomamos P (T ≤ 2.975 y P (T ≤ 2.04) ∪ (2.46) = 0.975. o 11 .23 ˆ 0.191) ≈ 0.05. (b) Como ni el contraste ni el nivel de significaci´n han cambiado.