ESTAD´ ISTICA (SISTEMAS

)
Profesores: Hilario Navarro. Jorge Mart´ ın

DEPARTAMENTO DE ESTAD´ ISTICA, ´ OPERATIVA Y CALCULO ´ INVESTIGACION ´ NUMERICO

Soluciones a los problemas propuestos de Estad´ ıstica Descriptiva y Probabilidad Curso 2007-2008

Estad´ ıstica Descriptiva. Probabilidad

1

Problema 1. En 1978, H. Cavendish realiz´ una serie de 29 experimentos con o objeto de medir la densidad de la tierra. Sus resultados, tomando como unidad de densidad la del agua, fueron: 5.50 5.57 5.42 5.61 5.53 5.47 4.88 5.62 5.63 5.07 5.29 5.34 5.26 5.44 5.46 5.55 5.34 5.30 5.36 5.79 5.75 5.29 5.10 5.68 5.58 5.27 5.85 5.65 5.39

Analizar descriptivamente estos datos. Soluci´n o Si optamos por un diagrama de tallos y hojas para tener una descripci´n o gr´fica de la distribuci´n de frecuencias resulta a o 48 49 50 51 52 53 54 55 56 57 58 8 7 0 6799 04469 2467 03578 12358 59 5

Respecto a la localizaci´n del centro de la distribuci´n obtenemos: o o Media: x= ¯ 1 29
29

xi = 5.448
i=1

Mediana: La posici´n central de las observaciones ordenadas est´ ocupada o a por la que toma el valor 5.46. Para valorar la dispersi´n de la distribuci´n elegimos la desviaci´n t´ o o o ıpica. El c´lculo de la varianza lo efectuamos mediante la f´rmula a o vx = 1 29
29 i=1

¯ x2 − x 2 i

resultando vx = 0.049. Como consecuencia, el valor de la desviaci´n t´ o ıpica es √ 0.049 = 0.221

2

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

Problema 2. La siguiente es la distribuci´n del n´mero de art´ o u ıculos defectuosos encontrados en 404 lotes de un producto manufacturado. Calcule la media, mediana, varianza y desviaci´n t´ o ıpica para iniciar la descripci´n de los datos o referidos. No de items defectuosos 0 1 2 3 4 5 6 7 8 9 10 11 12 Soluci´n o Para el c´lculo de las medidas de centralizaci´n y dispersi´n pedidas, tenemos a o o que tener en cuenta que partimos de la distribuci´n de frecuencias. Concretao mente, seg´n la tabla del enunciado, el valor 0 se ha presentado en 53 ocasiones u (frecuencia absoluta ni ), el 1 en 110, el 2 en 82 y as´ sucesivamente. Entonces, ı la media ser´ el resultado del siguiente c´lculo a a 1 [(0 × 53) + (1 × 110) + (2 × 82) + (3 × 58) + · · · + (12 × 1)] 404 No de lotes 53 110 82 58 35 20 18 12 9 3 1 2 1

x= ¯ es decir,

1023 = 2.532. 404 La mitad del n´mero de observaciones es 202. Observando la tabla vemos u que el primer valor que acumula una frecuencia igual o superior a este n´mero u es el 2 y, por tanto, es la mediana de esta distribuci´n. o El hecho de que la media supere a la mediana nos indica que la cola derecha tiene una “ extensi´n ” mayor que la izquierda. o ¿Cu´nto se dispersan los datos en torno al centro de la distribuci´n? Para a o responder a esta pregunta calcularemos la desviaci´n t´ o ıpica. La media de las desviaciones cuadr´ticas (varianza) la obtendremos mediante la expresi´n a o x= ¯ vx = 1 404 ¯ ni x2 − x 2 . i

i

Estad´ ıstica Descriptiva. Probabilidad Dado que 1 4561 (02 × 53) + (12 × 110) + (22 × 82) + · · · + (12 × 1) = = 11.562 404 404 y x2 = 2.5322 = 6.411 ¯

3

resulta que vx = 11.562 − 6.411 = 5.241. Como la desviaci´n t´ √ es la ra´ cuadrada positiva de la varianza, nuestra o ıpica ız medida de la dispersion es 5.241 = 2.289.

Problema 3. A partir de una muestra de 26 observaciones de la variable X —que toma valores entre 320 y 430—, se obtuvo el siguiente diagrama de tallos y hojas: 32 55 33 49 34 35 6699 36 34469 37 03345 38 9 39 2347 40 23 41 42 4 (a) Reproduzca las 10 primeras observaciones (en la ordenaci´n de menor a o mayor). (b) ¿D´nde est´ situada la mediana de la distribuci´n? ¿Qu´ variaci´n expero a o e o imentar´ dicha medida de centralizaci´n si el m´ximo de la distribuci´n ıa o a o aumentara su valor en 10 unidades? (c) Sabiendo que el valor medio es 370.7, ¿c´mo medir´ la dispersi´n de los o ıa o datos respecto a este valor central? (No se requiere realizar los c´lculos) a Soluci´n o (a) Las observaciones pedidas son 325, 325, 334, 339, 356, 356, 359, 359, 363, 364

4

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008 (b) La mediana de la distribuci´n est´ situada en el punto o a 369 + 370 = 369.5 2 Si el m´ximo de la distribuci´n, que es 424, aumentara su valor en 10 a o unidades, la mediana estar´ situada en el mismo punto —en 369.5—, ya ıa que seguir´ ıamos teniendo el mismo n´mero de observaciones a cada lado. u (c) Mediante la desviaci´n t´ o ıpica, que se define como la ra´ cuadrada positiva ız de la varianza. Para el c´lculo de esta ultima, se puede aplicar directamente a ´ la definici´n: o 1 2 vx = (xi − x) ¯ n i o, equivalentemente, ´ vx = = 1 n x2 − x 2 ¯ i

i

1 3252 + 3252 + 3342 + ... + 4242 − 370.72 26

Problema 4. Cada uno de los d´ ıgitos que forman una clave de tres d´ ıgitos se elige, con independencia de los otros, entre los n´meros: 0, 1, 2, . . . , 9. Deu term´ ınese: (a) la probabilidad de que la clave tenga al menos dos cifras iguales. (b) la probabilidad de que, si la clave obtenida es un n´mero par, no sea u superior a 100. Soluci´n o (a) Se pueden formar un total de 103 claves con los d´ ıgitos del 0 al 9. Denotaremos por A el suceso A = “ la clave tiene al menos dos cifras iguales ” Vamos a calcular la probabilidad del complementario Ac = “ todas las cifras que forman la clave son distintas ” Hay 10 · 9 · 8 claves favorables al suceso Ac ; ya que la cifra de las centenas puede ser uno cualquiera de los diez d´ ıgitos, la de las decenas uno de los nueve restantes y la de las unidades uno cualquiera de los ocho que no ocuparon el lugar de las centenas y decenas.

Estad´ ıstica Descriptiva. Probabilidad 10 × 9 × 8 ×

5

La probabilidad del complementario es P (Ac ) = sigue la probabilidad pedida: P (A) = 1 − P (Ac ) = 1 −

10 · 9 · 8 ; de donde se 103

10 · 9 · 8 18 7 =1− = . 103 25 25

(b) Vamos a resolver el problema utilizando dos m´todos. e M´todo 1. El enunciado nos informa sobre el resultado del experimento: la e clave obtenida es un n´mero par. Con esta informaci´n la incertidumbre u o se modifica; de entrada excluir´ ıamos todas las claves impares. Por tanto, el espacio muestral cambia y queda restringido al conjunto de todas las claves pares entre la 0 0 0 y la 9 9 9 ; un total de 500, es decir

Ω = {Conjunto de claves pares entre la 0 0 0 y la 9 9 9 } De todas ellas hay un total de 51 que no superan a 100; todos los pares comprendidos entre el 0 cuya clave es 0 0 0 y el 100 con clave 1 0 0 . Consecuentemente, la probabilidad pedida ser´ 51/500. a M´todo 2. Se considera el espacio muestral inicial que est´ formado por el e a conjunto de todas las claves comprendidas entre el 0 y el 999: Ω = {Conjunto de claves entre la 0 0 0 y la 9 9 9 } A continuaci´n, se consideran los sucesos o A = “ la clave obtenida no supera a 100 ”

B = “ la clave obtenida es un n´mero par ” u Nos est´n pidiendo calcular la probabilidad condicionada a P (A|B) = P (A ∩ B) . P (B)

Del conjunto de todas las claves, un total de 1000, hay 51 que son pares menores o iguales que 100; con lo cual se tiene que

6

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

P (A ∩ B) =

51 . 1000

Por otro lado, hay un total de 500 claves que son pares; luego se obtendr´ que a P (B) = Por tanto, la probabilidad pedida es P (A|B) = 51/1000 51 = . 500/1000 500 500 . 1000

Problema 5. Con el enunciado del problema anterior se pide calcular: (a) la probabilidad de que la clave sea un n´mero de dos cifras. u (b) la probabilidad de que la clave sea un m´ltiplo de 5. u (c) la probabilidad de que la clave sea un n´mero par de dos cifras. u Soluci´n o (a) Denotaremos por A el suceso “ la clave es un n´mero de dos cifras ”. u Las claves de dos cifras tendr´n el 0 en el lugar de las centenas, cualquier a d´ ıgito menos el 0 —un total de 9 d´ ıgitos posibles— en el lugar de las decenas y uno cualquiera de los 10 d´ ıgitos en el lugar de las unidades: 1 0 9 × 10 ×

Consecuentemente, habr´ un total de 1 · 9 · 10 = 90 claves de dos cifras. a Por tanto, la probabilidad pedida ser´ a P (A) = 9 1 · 9 · 10 = . 3 10 100

(b) Vamos a denotar por B el suceso “ la clave es un m´ltiplo de 5 ”. u Obtendremos un m´ltiplo de 5 —contando el 0, con clave 0 0 0 , entre u los m´ltiplos de 5— cuando en las unidades aparece un 0 o un 5 y en las u centenas y decenas uno cualquiera de los 10 d´ ıgitos:

Estad´ ıstica Descriptiva. Probabilidad 10 × 10 × 2 ×

7

Hay un total de 10 · 10 · 2 = 200 claves en que esto ocurre; luego la probabilidad pedida ser´ a P (B) = 1 10 · 10 · 2 = . 3 10 5

(c) Finalmente, sea C el suceso “ la clave es un n´mero par de dos cifras ”. u Ocurre C si en las centenas aparece un 0, en las decenas uno cualquiera de los 10 d´ ıgitos exceptuando el 0 (9 casos posibles) y en las unidades alguno de los d´ ıgitos 0, 2, 4, 6, 8 (5 casos posibles): 1 0 9 × 5 ×

Hay un total de 1 · 9 · 5 = 45 claves pares de dos cifras; con lo cual la probabilidad pedida ser´ a P (C) = 1·9·5 9 = . 3 10 200

Problema 6. Consideremos el circuito de la figura. Cada conmutador est´ cera rado con probabilidad p; y est´ abierto o cerrado con independencia del estado a de los otros. El circuito est´ cerrado si la corriente pasa desde A hasta B. a Consideremos el circuito de la figura. Cada conmutador est´ cerrado con a probabilidad p; y est´ abierto o cerrado con independencia del estado de los a otros. El circuito est´ cerrado si la corriente pasa desde A hasta B. a

©

¨

§

c3
¦

c4

¡

 

A

¥

¤

£

c1
¢

c2

B

8

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

Sean los sucesos: Ci = “ el conmutador ci est´ cerrado ” : 1 ≤ i ≤ 4; y el suceso: a C = “ el circuito est´ cerrado ”. Calcular P (C) y P (C1 ∩ C2 |C). a Soluci´n o El circuito est´ cerrado o bien cuando c1 y c2 est´n cerrados, o bien cuando a a c3 y c4 est´n cerrados. Por tanto, con la notaci´n del enunciado, podemos poner a o el suceso C como C = (C1 ∩ C2 ) ∪ (C3 ∩ C4 ), con lo cual, teniendo en cuenta que los sucesos Ci son independientes, se tendr´ que a P (C) = P (C1 ∩ C2 ) + P (C3 ∩ C4 ) − P (C1 ∩ C2 ∩ C3 ∩ C4 ) = p2 + p2 − p4 = p2 (2 − p2 ). Para calcular la probabilidad condicionada P (C1 ∩ C2 |C), recurrimos a la definici´n: o P (C1 ∩ C3 |C) = P ((C1 ∩ C3 ) ∩ C) . P (C)

Ahora bien, dado que C1 ∩ C2 ⊂ C, se tiene que (C1 ∩ C2 ) ∩ C = C1 ∩ C2 ; con lo cual P (C1 ∩ C2 |C) = P (C1 ∩ C2 ) p2 1 = 2 = . P (C) p (2 − p2 ) 2 − p2

Problema 7. Un algoritmo de b´squeda inspecciona una lista de 1000 regu istros a fin de localizar un registro determinado. El algoritmo emplea un procedimiento secuencial de b´squeda: recorre la lista de izquierda a derecha, comu probando si cada registro coincide con el que busca, hasta que lo encuentra. Se pide: (a) Calcular la probabilidad de que lo encuentre en 6 intentos. (b) Calcular la probabilidad de que tenga que realizar k intentos. (c) Determinar el n´mero medio de intentos que realiza. u Soluci´n o

Estad´ ıstica Descriptiva. Probabilidad (a) Sea X la variable aleatoria X = n´mero de intentos hasta encontrar el registro buscado. u Supongamos que ponemos todos los registros en fila: · · · ········· · ·

9

El algoritmo realizar´ seis intentos cuando no localice el registro que busca a en las cinco primeras posiciones de la fila y lo encuentre en la sexta. Si denotamos por Ai el suceso “ el registro buscado ocupa la i−´sima e posici´n de la fila ” la probabilidad pedida ser´ o a P (X = 6) = P (Ac ∩ Ac ∩ Ac ∩ Ac ∩ Ac ∩ A6 ). 1 2 3 4 5 Por la regla de la multiplicaci´n para calcular de la probabilidad de la o intersecci´n de sucesos, se tiene que o

P (X = 6) = P (Ac )P (Ac |Ac )P (Ac |Ac ∩Ac ) · · · P (A6 |Ac ∩Ac ∩Ac ∩Ac ∩Ac ). 1 2 1 3 1 2 1 2 3 4 5 Por tanto, la probabilidad pedida ser´ a

P (X = 6) =

999 1000

998 999

997 998

996 997

995 996

1 995

=

1 1000

(b) De la misma manera, la probabilidad de realizar k intentos es la probabilidad de que el algoritmo no localice el registro en los k − 1 primeros lugares de la fila y lo encuentre en el k-´simo. Por tanto, para cada e k = 1, 2, . . . , 1000

P (X = k) =

999 1000

···

1000 − k + 1 1000 − k + 2

1 1000 − k + 1

=

1 1000

El c´lculo anterior se generaliza sin dificultad a una lista con n registros. a As´ para cada k = 1, 2, . . . , n, se tiene que ı,

P (X = k) =

n−1 n

n−2 n−1

···

n−k+1 n−k+2

1 n−k+1

=

1 n

10

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008 Sin embargo, para calcular P (X = k) en el caso general, preferimos utilizar el razonamiento recurrente que se sigue del procedimiento secuencial de b´squeda. u Para una lista de n registros, sea pk,n la probabilidad de localizar el registro buscado en k intentos, y A el suceso “el primer registro de la fila es distinto al buscado”. Para localizar el registro en k intentos, debe ocurrir A, y a continuaci´n, o se han de realizar k − 1 intentos en una nueva lista con n − 1 registros (todos menos el primero). Por tanto, pk,n = P (X = k) = n−1 pk−1,n−1 : k = 2, 3, . . . , n n

de donde se sigue la ecuaci´n recurrente o

npk,n = (n − 1)pk−1,n−1 Teniendo en cuenta la condici´n inicial: p1,i = o

(1)

1 (en una lista con i regi istros la probabilidad de localizar el buscado en el primer intento es 1/i), basta aplicar la ecuaci´n anterior sucesivamente para obtener que o

npk,n = (n−1)pk−1,n−1 = (n−2)pk−2,n−2 = · · · · · · = (n−k+1)p1,n−k+1 = 1 de donde se sigue que pk,n = P (X = k) = 1 : k = 1, 2, . . . , n. n

(c) Ya que hemos sido capaces de generalizar el problema, vamos a seguir utilizando la lista de n registros. El n´mero medio de intentos que realiza el algoritmo es la media de la u variable aleatoria X.
n

E{X} =
k=1

kP (X = k) =

1 n

n

k.
k=1

Calcular esta suma es sencillo si se tiene en cuenta que la suma de cada dos t´rminos del sumatorio que equidistan de los extremos es igual a la e suma de estos: 1 n n+1 2 n−1 n+1 3 n−2 n+1 ········· ········· ········· n−2 3 n+1 n−1 2 n+1 n 1 n+1

Estad´ ıstica Descriptiva. Probabilidad De lo anterior se sigue que 2
n k=1

11 k = n(n + 1), es decir,
n

E{X} =

1 n

k=
k=1

n+1 . 2

Cuando n = 1000, el n´mero medio de intentos es 1001/2. u El razonamiento recurrente nos proporciona de nuevo un procedimiento de c´lculo de la media que evita cuentas “engorrosas” como las anteriores. a Denotamos por µn el n´mero medio de intentos en una lista con n registros. u Si el registro buscado est´ en la primera posici´n de la fila, lo cual ocurre a o con probabilidad 1/n, se realiza un intento y se acaba la b´squeda. En u (n − 1) , contamos un cambio, si no est´, lo cual ocurre con probabilidad a n intento y comenzaremos a buscar en una lista con n − 1 registros; con lo que, en este caso, el n´mero medio de intentos ser´ 1 + µn−1 . u a De este razonamiento resulta la siguiente ecuaci´n recurrente: o n−1 1 + (1 + µn−1 ) n n

µn =

(2)

con la condici´n inicial µ1 = 1 (en una lista con un solo registro se localiza o el buscado en un intento). Poniendo Qn = nµn , (2) se transforma en

Qn = Qn−1 + n

con

Q 1 = µ1 = 1

(3)

Es posible que no sepas resolver esta ecuaci´n en diferencias. En realidad o no lo necesitas, ya que el enunciado tan s´lo te pide que encuentres µ1000 = o Q1000 . Seguro que s´ sabes programar un bucle que realice el c´lculo: ı a 1000 Q=1 for n = 2 to 1000 Q=Q+n next n Q/1000 Para los aficionados a resolver problemas, vamos a solucionar (3). Ensayamos para Qn una soluci´n de la forma: Qn = a+bn+cn2 . Partiendo o de la condici´n inicial, basta aplicar la recurrencia dos veces para obtener o Q1 = 1 Q2 = 3 Q3 = 6

12

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008 Sustituyendo los valores n = 1, n = 2 y n = 3 en la soluci´n general, se o llega al siguiente sistema de ecuaciones. a+b+c a + 2b + 4c a + 3b + 9c = 1 = 3 = 6

La soluci´n del sistema es a = 0, b = 1/2, c = 1/2; con lo que o µn = Qn 1 = n n n n2 + 2 2 = n+1 2

Problema 8. Una cadena de montaje produce lotes de piezas. La proporci´n o de piezas defectuosas en cada uno de esos lotes es una variable aleatoria X con funci´n de densidad o f (x) = Determ´ ınese (a) El valor de la constante k. (b) La proporci´n media de piezas defectuosas que contendr´ un lote detero a minado. (c) Ciertos controles de calidad obligan a retirar los lotes que contienen una proporci´n de piezas defectuosas superior al 10 %. Si el coste de producci´n o o de cada lote es de 100 euros, ¿cu´l deber´ ser el precio m´ a a ınimo de venta para garantizar un beneficio por lote de al menos 4 euros?. Soluci´n o (a) Puesto que la integral de la funci´n de densidad ha de ser 1, se tendr´ que o a
∞ 1/4

k 0

1 4

−x

1 , si 0 < x < 4 , en otro caso

1=
−∞

f (x) dx = k
0

1 −x 4

dx =

k , 32

de donde se deduce que k = 32. La representaci´n gr´fica de la densidad de la variable X es la que aparece o a en la siguiente figura.

Estad´ ıstica Descriptiva. Probabilidad

13

8 f (x) = 32
1 4

−x

1/4

Figura 1: Funci´n de densidad de la variable aleatoria X o (b) La proporci´n media es o
1/4

1/4

E(X) =
−∞

xf (x) dx = 32
0

x2 x3 x − x2 dx = 32 − 4 8 3

=
0

1 . 12

(c) Sea B la variable aleatoria beneficio obtenido en la venta de un lote. Supongamos que el precio de venta del lote es 100 + a con a > 0. Puesto que los lotes que no pasan los controles de calidad se retiran, la probabilidad de perder 100 euros en un lote es la probabilidad de que contenga una proporci´n de piezas defectuosas superior al 10 %, es decir, o P X> 1 10
1/4 1/4

=
1/10

f (x) dx = 32
1/10

1 −x 4

dx =

9 . 25

Por tanto, la variable B toma los valores a y −100 con probabilidades: P (B = a) = 16 9 , P (B = −100) = . 25 25

Para tener un beneficio por lote de al menos 4 euros, debe ocurrir que E(B) = 16a 900 − > 4, 25 25

de donde se obtiene que a > 62.5. Por tanto, el precio m´ ınimo de venta de cada lote debe ser de 162.5 euros.

14

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

Problema 9. Se supone que el voltaje medido en cierto circuito el´ctrico es e una variable aleatoria con distribuci´n normal de media 120 y desviaci´n t´ o o ıpica 2. Realizada una medici´n cualquiera, calcule la probabilidad de que o (a) Proporcione un voltaje superior a 118. Un voltaje entre 116 y 118. (b) Se obtenga un voltaje que difiera del voltaje medio en al menos una unidad. Soluci´n o Al tipificar la variable aleatoria X que mide el voltaje del circuito, se obtiene una variable Z= X − 120 2

cuya distribuci´n es una normal de media 0 y desviaci´n t´ o o ıpica 1. (a) En este apartado nos est´n pidiendo la probabilidad del suceso {X > 118}. a Utilizando la estandarizaci´n anterior se tiene que o

−1

1

Figura 2: Probabilidades: P (Z > −1) y P (Z < 1) P (X > 118) = P (Z > 118 − 120 ) = P (Z > −1). 2

Teniendo en cuenta la simetr´ de la distribuci´n normal, se obtendr´ que ıa o a P (Z > −1) = P (Z < 1) = Φ(1) —v´ase la figura 2—, siendo Φ la funci´n e o de distribuci´n de una N (0, 1). Por tanto, o P (X > 118) = P (Z > −1) = P (Z < 1) = Φ(1) = 0.8413. Para la segunda de las cuestiones de este apartado, se obtiene, despu´s de e tipificar la variable X, que 116 − 120 118 − 120 <Z< ) = P (−2 < Z < −1). 2 2

P (116 < X < 118) = P (

Estad´ ıstica Descriptiva. Probabilidad

15

De nuevo, teniendo en cuenta la simetr´ de la distribuci´n (ver figura 3), ıa o podremos concluir que P (116 < X < 118) = P (−2 < Z < −1) = P (1 < Z < 2)

= P (Z < 2) − P (Z < 1) = Φ(2) − Φ(1) = 0.9772 − 0.8413 = 0.1359.

−2

−1

1

2

Figura 3: Probabilidades: P (−2 < Z < −1) y P (1 < Z < 2) (b) Una medida difiere del voltaje medio en al menos una unidad cuando |X − 120| > 1. Consecuentemente, la probabilidad pedida ser´ a P (|X − 120| > 1) = P ( |X − 120| 1 1 > ) = P (|Z| > ). 2 2 2

De nuevo por la simetr´ de la distribuci´n (ver figura 4), se puede afirmar ıa o 1 1 que P (|Z| > ) = 2P (Z > ). Por tanto, 2 2 P (|X − 120| > 1) = 2P (Z > 1 1 ) = 2[1 − Φ( )] = 2[1 − 0.6915] = 0.617. 2 2

Problema 10. El tiempo que un ordenador tarda en ejecutar cierto algoritmo es una variable aleatoria con distribuci´n normal de media y varianza desconocidas. o Se sabe que el 15.87 % de las ocasiones el algoritmo tarda en ejecutarse al menos 6 segundos y que el 99 % de las ocasiones el tiempo de ejecuci´n no es superior o a 7 segundos. Determ´ ınese la media y la desviaci´n t´ o ıpica de la distribuci´n. o Soluci´n o Sea X la variable aleatoria tiempo de ejecuci´n del algoritmo; denotaremos la o media y la varianza desconocidas de dicha variable por µ y σ 2 respectivamente. El enunciado del problema establece las siguientes condiciones: P (X ≥ 6) = 0.1587 , P (X ≤ 7) = 0.99. De la primera de ellas se obtiene que

16

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

−1/2

1/2

Figura 4: Funci´n de densidad de una N (0, 1) o

6−µ 6−µ ) = 1 − P (Z ≤ ) = 0.1587. σ σ 6−µ 6−µ Consecuentemente, P (Z ≤ ) = Φ( ) = 0.8413, lo cual implica que σ σ 6−µ = Φ−1 (0.8413) = 1, σ valor que se obtiene de las tablas de la distribuci´n N (0, 1). o De la misma manera, la segunda condici´n conduce a o P (X ≥ 6) = P (Z ≥ P (X ≤ 7) = P (Z ≤ de donde se deduce que 7−µ = Φ−1 (0.99) = 2.33. σ Las dos condiciones anteriores dan lugar al siguiente sistema de ecuaciones: 6−µ 7−µ =1 , = 2.33 σ σ del cual se obtienen los valores desconocidos de la media y la desviaci´n t´ o ıpica: µ = 5.25 y σ = 0.75. Problema 11. Cierto aparato registra el nivel de saturaci´n de la red el´ctrica o e en una comarca. El error relativo porcentual de la medida dada por el aparato es una variable aleatoria continua X con funci´n de distribuci´n o o  0 , si x < 0  F (x) = 1 − (1 − x)3 , si 0 ≤ x ≤ 1   1 , si x > 1 Determinar: (a) La funci´n de densidad de la variable X. o (b) La probabilidad de que una medida registrada por el aparato tenga un error entre el 0.1 % y el 0.2 %. 7−µ 7−µ ) = Φ( ) = 0.99, σ σ

Estad´ ıstica Descriptiva. Probabilidad (c) El error relativo medio. Soluci´n o

17

(a) La representaci´n gr´fica de la funci´n de distribuci´n F (x) es la que o a o o aparece en la figura 5.

1

−2

−1

0

1

2

Figura 5: Funci´n de distribuci´n de la variable aleatoria X o o Puesto que la variable X es continua, la funci´n de densidad se obtiene o derivando la de distribuci´n. Dicha funci´n viene dada por o o  0  f (x) = F (x) = 3(1 − x)2   0 , si x < 0 , si 0 ≤ x ≤ 1 , si x > 1

Su representaci´n gr´fica es la que aparece en la figura 6. o a

2 1

−2

−1

0

1

2

Figura 6: Funci´n de densidad de la variable aleatoria X o (b) El error de medida est´ entre el 0.1 % y el 0.2 % cuando 0.1 ≤ X ≤ 0.2. a Por tanto, la probabilidad pedida ser´ a
0.2 0.2

P (0.1 ≤ X ≤ 0.2) =

f (x) dx = 3
0.1 0.1

(1 − x)2 dx = 0.217.

Esta probabilidad es el area sombreada de la figura 7. ´ Un modo alternativo de llegar al mismo resultado es haciendo uso de la funci´n de distribuci´n dada en el enunciado del problema. o o

18

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

Figura 7: P (0.1 ≤ X ≤ 0.2)
0.2 0.2 0.1

P (0.1 ≤ X ≤ 0.2) =

f (x) dx =
0.1 −∞

f (x) dx −

f (x) dx
−∞

= F (0.2) − F (0.1) = 1 − (1 − 0.2)3 − (1 − (1 − 0.1)3 ) = 0.217. (c) Finalmente, en este apartado nos est´n pidiendo la media de la variable a aleatoria X que mide el error, la cual viene dada por
1

1

E{X} =
−∞

xf (x) dx = 3
0

x(1−x)2 dx = 3

2x3 x4 x2 − + 2 3 4

=
0

1 4

Problema 12. La variable aleatoria X que mide —en d´ ıas— el tiempo de funcionamiento de determinados equipos, hasta que comienzan a presentar fallos, tiene la siguiente funci´n de densidad: o f (x) = Determinar: (a) La probabilidad de que uno de estos equipos dure al menos 100 d´ ıas. (b) La probabilidad de que un equipo que no ha fallado en 100 d´ comience ıas, a hacerlo antes de 500. (c) Si un sistema est´ formado por tres de estos equipos conectados en serie, a ¿cu´l es la probabilidad de que el sistema funcione correctamente durante a al menos 300 d´ Sup´ngase que cada equipo funciona con independencia ıas? o de los otros. 0
1 −x/1000 1000 e

, si x ≤ 0 , si x > 0

Estad´ ıstica Descriptiva. Probabilidad

19

100

Figura 8: P (X > 100) para una exponencial de media 1000 Soluci´n o (a) La funci´n de densidad del enunciado es la de una exponencial de media o 1000. Un equipo durar´ al menos 100 d´ cuando X > 100; con lo cual, a ıas la probabilidad pedida —´rea de la zona sombreada de la figura 8— ser´ a a

P (X > 100) =
100

f (x) dx =

1 1000

e−x/1000 dx = e−1/10 .
100

(b) Puesto que nos suministran la informaci´n adicional de que cierto equipo o ha durado al menos 100 d´ ıas, nos enfrentamos ante el c´lculo de una a probabilidad condicionada. Nos piden calcular la probabilidad del suceso {X < 500} supuesto que se cumple que X > 100, es decir, P (X < 500|X > 100). En efecto, de la definici´n de probabilidad de un suceso condicionado por o otro se obtiene que P (X < 500|X > 100) = P (100 < X < 500) . P (X > 100)

La probabilidad del denominador es la que ya hemos calculado en el apartado anterior. Para el c´lculo de la probabilidad del numerador —´rea sombreada de la a a figura 9—, se integra la densidad exponencial en el intervalo (100, 500), obteni´ndose que e
500

P (100 < X < 500) =
100

f (x) dx =
500 100

1 1000

500

e−x/1000 dx
100

= −e−x/1000

= e−1/10 − e−1/2 .

20

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

100

500

Figura 9: P (100 < X < 500) para una exponencial de media 1000

Figura 10: Conexi´n en serie de los tres equipos o

Ahora ya tenemos todos los ingredientes que permiten evaluar la probabilidad condicionada que nos piden: P (X < 500|X > 100) = e−1/10 − e−1/2 = 1 − e−2/5 . e−1/10

(c) Vamos a denotar por E, E1 , E2 y E3 los sucesos: E =“ El sistema funciona correctamente durante al menos 300 d´ ” ıas E1 =“ El equipo 1 funciona correctamente durante al menos 300 d´ ” ıas E2 =“ El equipo 2 funciona correctamente durante al menos 300 d´ ” ıas E3 =“ El equipo 3 funciona correctamente durante al menos 300 d´ ” ıas Dado que la conexi´n es en serie —v´ase la figura 10—, el sistema funo e cionar´ durante al menos 300 d´ cuando los tres equipos que lo componen a ıas permanezcan en funcionamiento por al menos este periodo de tiempo. Por tanto, teniendo en cuenta la hip´tesis de independencia del enunciado, se o tendr´ que a P (E) = P (E1 ∩ E2 ∩ E3 ) = P (E1 )P (E2 )P (E3 ). Estas tres probabilidades: P (E1 ), P (E2 ) y P (E3 ) son iguales y vienen dadas por 

Equipo 1 

Equipo 2

Equipo 3

Estad´ ıstica Descriptiva. Probabilidad

21

P (E1 ) = P (E2 ) = P (E3 ) =
300

f (x) dx =

1 1000

e−x/1000 dx = e−3/10 .
300

Consecuentemente, la probabilidad pedida ser´ P (E) = e−9/10 . a

Problema 13. El tiempo de vida de ciertos aparatos de medida es una variable aleatoria X con funci´n de densidad o f (x) = Se pide: (a) El valor de la constante k. Hallar la probabilidad: P (5 < X < 7) . (b) La media de la variable X. Soluci´n o (a) Puesto que f (x) es una funci´n de densidad, se tiene que o

ke−x 0

,x>3 , en otro caso

f (x) ≥ 0 : − ∞ < x < ∞ , De la segunda condici´n se sigue que: o

f (x) dx = 1
−∞

k
3

e−x dx = −k e−x

∞ 3

= ke−3 = 1

con lo cual la constante ser´: k = e3 . a A continuaci´n, calculamos la probabilidad que se pide —´rea sombreada o a de la figura—. Para ello basta integrar la densidad entre 5 y 7.
7

P (5 < X < 7) =
5

e3−x dx = −e3 e−x

7 5

= −e3 (e−7 − e−5 ) = e−2 − e−4 .

(b) La esperanza de la variable aleatoria X viene dada por
∞ ∞

E{X} =
−∞

xf (x) dx =
3

xe3−x dx.

22

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008

3

5

7

Figura 11: Representaci´n gr´fica de la funci´n de densidad o a o Integrando por partes (para los que hayan olvidado la integraci´n por o partes, se recomienda que repasar los m´todos de integraci´n que se estue o dian en cualquier curso de introducci´n al C´lculo), se obtendr´ que o a a

E{X} = e3 −xe−x

∞ 3

+
3

e−x dx = e3 3 · e−3 + e−3 = 4.

Problema 14. La probabilidad de error en la transmisi´n de un bit por un o canal de comunicaci´n es p = 10−4 . Los bits se empaquetan en bloques de o informaci´n; y la transmisi´n de cada bit del bloque es independiente del resto. o o Se pide: a) Calcular la probabilidad de que se produzca alg´n error en la transmisi´n u o de un bloque de 1000 bits. b) Calcular la probabilidad de que se hayan producido m´s de dos errores en a la transmisi´n de un bloque de 1000 bits si se observ´ alg´n error en la o o u transmisi´n del bloque. o Soluci´n o a) Dado que en la transmisi´n de cada bit se esperan dos resultados posio bles —transmisi´n incorrecta o correcta— con probabilidades respectivas o p = 10−4 y 1 − p = 1 − 10−4 , estamos ante un experimento aleatorio de Bernoulli. La variable aleatoria X que sirve de modelo para este experimento aleatorio es la de Bernoulli con funci´n de masa o P (X = 1) = p P (X = 0) = 1 − p

El n´mero de errores en la transmisi´n de un bloque de 1000 bits viene u o dado por la variable aleatoria S = X1 + X2 + · · · + X1000 —donde cada una de las Xi de la suma sigue la distribuci´n de Bernoulli anterior—, o es decir, S es una variable aleatoria Binomial de par´metros n = 1000 y a p = 10−4 ; ya que los bits se transmiten independientemente.

Estad´ ıstica Descriptiva. Probabilidad La probabilidad que se pide es: P (S > 0) = 1 − P (S = 0).

23

Puesto que en las condiciones de enunciado la distribuci´n Binomial se o puede aproximar por una de Poisson de par´metro λ = np = 1000·10−4 = a 1/10, la probabilidad pedida se aproximar´ mediante: a P (S > 0) ≈ 1 − e−1/10 (1/10)0 = 1 − e−1/10 . 0!

b) El enunciado nos dice que es ha observado alg´n error en la transmisi´n u o del bloque, es decir, se nos informa que ocurri´ el suceso {S > 0}. Se o pide hallar la probabilidad del suceso {S > 2}, dada esta informaci´n adio cional sobre la elecci´n del azar, es decir, se pregunta por la probabilidad o condicionada: P (S > 2|S > 0). Utilizando la f´rmula de la probabilidad condicionada se obtiene que o P (S > 2|S > 0) = P ({S > 2} ∩ {S > 0}) P (S > 2) = P (S > 0) P (S > 0)

La probabilidad del denominador se hall´ en el apartado anterior; para o calcular la del numerador, utilizamos otra vez la aproximaci´n de la Bio nomial por la distribuci´n de Poisson. De este modo se obtiene que o

P (S > 2) = 1 − P (S ≤ 2) = 1 − P (S = 0) − P (S = 1) − P (S = 2) ≈ 1 − e−1/10 − Por tanto, 1 − e−1/10 −
−1/10 (1/10)2 e−1/10 (1/10) −e 1! 2! 1 − e−1/10

e−1/10 (1/10) e−1/10 (1/10)2 − 1! 2!

P (S > 2|S > 0) ≈ =1−

1 e−1/10 (1/10) + 2 e−1/10 (1/10)2 −1/10 1−e

Problema 15. Un canal de transmisi´n est´ formado por un emisor de d´ o a ıgitos binarios y un receptor. La probabilidad de error en la transmisi´n de cada d´ o ıgito es p = 10−2 . El error se produce con independencia de lo sucedido en los d´ ıgitos emitidos anteriormente. a) Si se emite un mensaje con 10 d´ ıgitos, ¿cu´l es la funci´n de masa de a o la variable aleatoria X = “n´mero de d´ u ıgitos que se reciben con error”? Calcular E {X}.

24

Estad´ ıstica (Sistemas). UNED. Curso 2007-2008 b) Si se emiten d´ ıgitos consecutivamente, ¿cu´l es la funci´n de masa de la a o variable aleatoria Y = “n´mero de d´ u ıgitos que se transmiten hasta que se produce el primer error”? Calcular E {Y }. Soluci´n o a) La variable aleatoria modelo para la transmisi´n de un d´ o ıgito es la Bernoulli de par´metro p = 10−2 . Por la hip´tesis de independencia, la variable a o X que contabiliza el n´mero de transmisiones err´neas en un bloque de u o 10 bits ser´ una Binomial de par´metros n = 10 y p = 10−2 . a a La funci´n de masa de una variable aleatoria X Binomial de par´metros o a (n, p) viene dada por P (X = x) = n x p (1 − p)n−x x : x = 0, 1, . . . , n

En este caso, con los par´metros dados por el enunciado, se obtiene que a P (X = x) = 10 (1/100)x (1 − 1/100)10−x x : x = 0, 1, . . . , 10

Se sabe que la media de la distribuci´n binomial es E{X} = np. Para la o situaci´n del enunciado, se tiene que E{X} = 10 · (1/100) = 1/10 o b) La variable aleatoria Y cuenta el n´mero de d´ u ıgitos que se transmiten hasta que se produce el primer error. Tomar´ el valor Y = 0 si el primer d´ a ıgito se transmiti´ err´neamente, lo cual ocurre con probabilidad 10−2 ; tomar´ el o o a valor Y = 1 si el primero se transmiti´ correctamente y el segundo no, o suceso que tiene probabilidad (1 − 10−2 ) · 10−2 (por la independencia en la transmisi´n de cada d´ o ıgito); el valor Y = 2 si el primer error ocurre en la transmisi´n del tercer d´ o ıgito, lo cual tiene probabilidad (1 − 10−2 )2 · 10−2 . En general, funci´n de masa de la variable Y vendr´ dada por o a P (Y = y) = (1 − 10−2 )y · 10−2 : y = 0, 1, 2, . . .

La distribuci´n anterior se conoce con el nombre de geom´trica de par´metro o e a p = 10−2 . La funci´n de masa de una geom´trica de par´metro p viene o e a dada por P (Y = y) = (1 − p)y · p : y = 0, 1, 2, . . . A partir de la funci´n de masa anterior, se puede obtener que la media de o 1−p la distribuci´n es E{Y } = o . Para el caso que nos ocupa, la esperanza p ser´: a

Estad´ ıstica Descriptiva. Probabilidad

25

E{Y }

1 − 1/100 99/100 = = 99. 1/100 1/100

Las tres distribuciones que aparecen en este problema son el objeto de las secciones 2, 3 y 4 del cap´ ıtulo 6 del texto base.

Sign up to vote on this title
UsefulNot useful