Titulación: Grado de Ingeniería Mecánica

Asignatura: Estadística Aplicada

Curso: 2015/2016
PROBLEMAS MODELOS DISCRETOS Y CONTINUOS

Resolver, utilizando R-Commander, los siguientes problemas:

1. Si  sigue un modelo ( = 10,  = 02), se pide:

(a) Pr( = 3) =
(b) Pr(  3) =
(c) Pr( ≤ 3) =
(d) Pr( ≤ 2) =
(e) Pr(  3) =
(f) Pr( ≥ 3) =
(g) Pr(4   ≤ 7) =
(h) Pr(4 ≤  ≤ 7) =
(i) Percentil 25, también denominado cuantil 0.25 del modelo, es decir, el punto 025 del
rango de  tal que Pr( ≤ 025 ) ≥ 025 ; 025 =
(j) Percentiles 50 y 75, es decir, cuantiles 0.5 y 0.75 del modelo: 05 = 075 =
(k) ¿Crees que se puede aproximar este modelo Binomial por una distribución Normal?. En
caso afirmativo, ¿qué parámetros debería tener la Normal?

2. Supongamos que la variable aleatoria X = ”Número de clientes que llegan a la caja de un

supermercado cada hora” sigue un modelo Poisson de media 10 clientes. Se pide:

(a) Probabilidad de que en una hora lleguen exactamente 10 clientes a la caja.

(b) Probabilidad de que en una hora lleguen a lo sumo 10 clientes a la caja.
(c) Probabilidad de que en una hora lleguen más de 8 clientes a la caja.
(d) Cuantiles 0.4 y 0.6 del modelo: 04 = 06 =
(e) Determinar cuál sería la cifra de clientes "top10", entendiendo por tal que como mucho
en el 10% de las horas llegarían a caja más de dicho número de clientes.
(f) ¿Crees que se puede aproximar este modelo Poisson por una distribución Normal?. En
caso afirmativo, ¿qué parámetros debería tener la Normal?

3. Teniendo en cuenta el proceso de Poisson del apartado anterior, consideremos Y = ”Tiempo,

en horas, que transcurre entre clientes consecutivos que llegan a la caja de un supermercado”.
Supongamos que  sigue un modelo Exponencial con  = 10. Es decir, el tiempo medio entre
llegadas = 1 = 10
1
horas. Se pide:

(a) Determinar la probabilidad de que entre dos clientes consecutivos transcurra exactamente
6 minutos (0.1 horas).
 (b) Determinar la probabilidad de que entre dos clientes consecutivos pasen menos de 6 min-
utos.
(c) Determinar la probabilidad de que entre dos clientes consecutivos pase más de una hora.
(d) Cuantiles 0.5 y 0.95 del modelo: 05 = 095 =

4.  sigue un modelo ( = 2  2 = 16)

(a) Pr( = 3) =
(b) Pr( ≤ 35) =
(c) Pr( ≤ 25) =
(d) Pr(25 ≤  ≤ 35) =
(e) Pr(  2) =
(f) Comparando las probabilidades anteriores con las del modelo Binomial del primer apartado,
¿qué podemos decir acerca de la aproximación entre ambos modelos?
(g) Cuantiles 0.05 y 0.95 del modelo: 005 = 095 =

5.  sigue un modelo ( = 100,  = 02) e  sigue un modelo ( = 20  2 = 16)

(a) Representa gráficamente la función puntual de probabilidad de  (modelo Binomial)

(b) Representa gráficamente la función de densidad de  (modelo Normal)
(c) Calcula Pr( ≤ 22) =
(d) Calcula Pr( ≤ 22) =
(e) Calcula Pr( ≤ 225) =
(f) ¿Crees que se puede aproximar este modelo Binomial por el Normal?. ¿Mejoramos la
aproximación con la corrección por continuidad?

6. La longitud de las piezas que fabrica una máquina sigue una distribución Normal de media 20
cm y desviación típica 2 cm. Se consideran aceptables aquellas piezas cuya longitud pertenece
al intervalo [17, 23]. Se pide:

(a) Determinar el porcentaje de piezas aceptables fabricadas por la máquina.

(b) Si se eligen al azar 10 piezas de la producción, determinar la probabilidad de que a lo
sumo 8 de ellas sean aceptables.
(c) Si se eligen al azar 100 piezas fabricadas por la máquina, ¿cuál es la probabilidad de que
al menos 80 piezas sean aceptables?
(d) Proporcionar un intervalo centrado en la media que contenga al 90% de las longitudes de
las piezas fabricadas en la máquina.