Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 1 de 6




¸¸ ¸¸¯¿,¯ ,¯, ¯¸c=

75.057 23 01 10 EX


Espacio para la etiqueta identificativa con el
código personal del estudiante.
Examen


Ficha técnica del examen

• Comprueba que el código y el nombre de la asignatura corresponden a la asignatura de la cual
estás matriculado.
• Debes pegar una sola etiqueta de estudiante en el espacio de esta hoja destinado a ello.
• No se puede añadir hojas adicionales.
• No se puede realizar las pruebas a lápiz o rotulador.
• Tiempo total 2 horas
• En el caso de que los estudiantes puedan consultar algún material durante el examen, ¿cuál o
cuáles pueden consultar?: UN FORMULARIO DE UNA HOJA ESCRITA POR LAS DOS CARAS.
CALCULADORA NO PROGRAMABLE.
• Valor de cada pregunta: TODAS LAS PREGUNTAS PUNTUAN IGUAL.
• En el caso de que haya preguntas tipo test: ¿descuentan las respuestas erróneas? NO
¿Cuánto?
• Indicaciones específicas para la realización de este examen
• EL FORMULARIO DEBE ENTREGARSE Y ADJUNTARSE GRAPADO CON EL EXAMEN.
N0 ESTA PERMITIDO UTILIZAR TABLAS ESTADÍSTICAS, LOS VALORES NECESARIOS PARA LA
RESOLUCIÓN DE LOS EJERCICIOS ESTÁN INCLUIDOS EN LOS ENUNCIADOS.

Enunciados


Ejercicio 1
Las observaciones siguientes representan los días que han estado 16 servidores funcionando sin parar:

9, 6, 6, 4, 4, 11, 7, 8, 13, 14, 16, 14, 10, 16, 16, 13

Los 8 primeros llevan el sistema operativo FINESTRES y los 8 últimos, el sistema operativo LINAX,

Espai
grapa




Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 2 de 6


a) Haced una tabla de contingencia donde se refleje el número de servidores según el sistema operativo y
según sea MALO, NORMAL o EFICIENTE, teniendo en cuenta que los servidores se clasifican de la
siguiente forma:
i) de 0 a 6,5 días (ambos inclusive): servidor MALO
ii) de 7 a 14 días (ambos inclusive): servidor NORMAL
iii) más de 14 días: servidor EFICIENTE
b) ¿Cuál es la probabilidad de que un servidor sea NORMAL y lleve el sistema operativo FINESTRES?
c) ¿Cuál es la probabilidad de que un servidor NORMAL lleve el sistema operativo LINAX?
d) ¿Cuál es la probabilidad de que un servidor con FINESTRES sea MALO?
e) Los sucesos “ser NORMAL” y “llevar FINESTRES”, ¿son independientes? ¿por qué?

SOLUCIÓN:

a) La tabla de contingencia será:

Tipus Servidor/Sistema
Operativo
FINESTRES LINAX
MALO 4 0
NORMAL 4 5
EFICIENTE 0 3


b) p(NORMAL ∩FINESTRES) =
4
16
= 0, 25.
c) p(LINAX | NORMAL) =
5
9
≈ 0, 556.

d)
4
( | ) 0, 5.
8
p MALO FINESTRES = =

e) Calculamos las probabilidades siguientes:

p(NORMAL) =
9
16
= 0, 5625,
p(FINESTRES) =
8
16
= 0, 5,
p(NORMAL ∩FINESTRES) =
4
16
= 0, 25.



Como p(NORMAL ∩FINESTRES) ≠ p(NORMAL) ⋅ p(FINESTRES), no son independientes.


Ejercicio 2
En la empresa BSIX, el ingeniero informático soluciona incidencias en un tiempo que tiene por media 45
minutos y desviación típica 15 minutos. Suponiendo que el tiempo en solucionar una incidencia sigue una
distribución normal,
a) ¿Cuál es la probabilidad de que dada una incidencia, el ingeniero tarde más de 50 minutos en
solucionarla?




Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 3 de 6


b) Encuentra el tiempo “t” tal que la probabilidad de resolver una incidencia en un tiempo inferior a ”t” sea
del 50%,
c) En el día de hoy se han recibido 12 incidencias; ¿cuál es la probabilidad de que la media del tiempo
invertido en solucionar estas 12 incidencias sea inferior a 40 minutos?
d) Si se reciben 15 incidencias, ¿cuál es la probabilidad de que haya 5 que tengan un tiempo de resolución
superior a 50 minutos?
e) ¿Cuál es la probabilidad de que la primera incidencia que tarde más de 50 minutos en ser resuelta sea la
quinta?

Observación: Datos obtenidos con MINITAB,
Utilizad los que consideréis apropiados,
Cumulative
Distribution
Function
Student's t distribution
with 49 DF
Cumulative
Distribution
Function
Student's t distribution
with 50 DF
Cumulative Distribution
Function
Normal with
mean=0 and
standard deviation = 1
X P(X ≤ x) x P(X ≤ x) x P(X ≤ x)
0,30 0,617277 0,30 0,617290 0,30 0,617911
0,31 0,621062 0,31 0,621075 0,31 0,621720
0,32 0,624836 0,32 0,624849 0,32 0,625516
0,33 0,628597 0,33 0,628611 0,33 0,629300
0,34 0,632345 0,34 0,632360 0,34 0,633072
0,35 0,636081 0,35 0,636096 0,35 0,636831
0,36 0,639803 0,36 0,639818 0,36 0,640576
1,00 0,838888 1,00 0,838937 1,00 0,841345
1,10 0,861646 1,10 0,861700 1,10 0,864334
1,12 0,865913 1,12 0,865968 1,12 0,868643
1,13 0,868011 1,13 0,868066 1,13 0,870762
1,14 0,870086 1,14 0,870141 1,14 0,872857
1,15 0,872137 1,15 0,872193 1,15 0,874928
1,16 0,874165 1,16 0,874221 1,16 0,876976
1,20 0,882045 1,20 0,882103 1,20 0,884930

SOLUCIÓN:

a) X=”tiempo en resolver una incidencia” => X ∼N(μ=45, σ=15)
1
3
50 45
( 50) ( ) ( 0, 33) 0, 3707
15
P X P Z P Z P Z
− ⎛ ⎞
> = > = > ≈ > =
⎜ ⎟
⎝ ⎠

b) Se calcula el valor “t” tal que: [ ] 0, 50 P X t < = . Este valor, és precisamente la mediana de la
distribución, I dado que la distribución normal es simétrica la mediana es igual a la media y por tanto,
t=45 minutos,

c) Sabemos que
15
( ; ) ( 45; 4, 33)
12
X X X X
X N N
n
= = = = = ∼
σ
μ μ σ μ σ , por tanto,
40 45
( 40) ( 1,15) 0,1251
4, 33
P X P Z P Z
− ⎛ ⎞
< = < = < − =
⎜ ⎟
⎝ ⎠

d) En el apartado (a) hemos calculado que p = P(X > 50) = 0,3707, Si ahora tenemos n=15 incidencias, la
variable Y=”número de incidencias con tiempo de resolución superior a 50 minutos” seguirá una
distribución binomial de parámetros n=15 y p=0,3707, e manera que:




Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 4 de 6


5 15 5
15!
( 5) 0, 3707 (1 0, 3707) 0, 2048
5!(15 5)!
P Y

= = − =


e) Si ahora denominamos W=”número de incidencias resueltas hasta la primera que tarda más de 50
minutos en solucionarla”, resulta que W sigue una distribución geométrica:
[ ]
4
5 (1 0, 3707) 0, 3707 0, 0581 P W = = − =

Ejercicio 3
El número de mensajes que llegan diariamente a un servidor de correo sigue una distribución normal.
Hemos hecho un estudio estadístico del acceso al servidor durante 100 días y hemos obtenido que la media
de mensajes ha sido 253235 con una desviación típica muestral de 15500,

a) Sabemos que la desviación típica poblacional de la variable que nos da el número de mensajes diarios
que llegan al servidor vale 25000. Determinad si podemos aceptar la afirmación de que el número medio
de mensajes diarios que llegan al servidor es más grande que 250000. Considerad un nivel de
significación de 0,05.
b) Hacer lo mismo que en el ejercicio anterior pero suponiendo ahora que no conocemos la desviación
típica poblacional de la variable. Considerad el mismo nivel de significación.

Para resolver el problema, podéis usar estos valores críticos:

Valores críticos Distribución t de Student P (t(n) < a)

g.l., n
t
0.95, n
t
0.99, n
50 1,68 2,4
51 1,68 2,4
52 1,67 2,4
98 1,66 2,37
99 1,66 2,36
100 1,66 2,36




Valores críticos Distribución Normal:

1−α

z
1−α

0,95 1,64
0,96 1,75
0,97 1,88
0,98 2,05
0,99 2,33


SOLUCIÓN:

a) El contraste que hemos de hacer es el siguiente:




Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 5 de 6


H
0
: μ = 250000,
H
1
: μ > 250000,

donde μ representa el número medio de mensajes diarios que recibe el servidor.
El estadístico de contraste vale
250000 253235 250000
1, 3
2500 25000/ 100
X
Z
− −
= = ≈
La distribución es una N(0,1), El p-valor vale: ( 1, 3) 0, 098 p p Z = > ≈ y el valor crítico vale 1,65,
Como que el p-valor es mayor que 0,05 y el estadístico de contraste es menor que el valor crítico,
aceptamos la hipótesis nula y concluimos que el número medio de mensajes diarios que se
recibenen en el servidor no és mayor que 250000,
b) El contraste es el mismo que en el apartado anterior. El estadístico de contraste vale:
t =
X − 250000
15500 / 100
=
253235 − 250000
1550
≈ 2.09. La distribución es una t de Student con 99 grados
de libertad, El p-valor vale: p = p(t
99
> 2.09) ≈ 0.02 y el valor crítico vale 1,66. Como el p-valor es
menor que 0,05 y el estadístico de contraste es mayor que el valor crítico, en este caso,
rechazamos la hipótesis nula y concluimos que el número medio de mensajes diarios que se
reciben en el servidor sí es mayor que 250000.



Ejercicio 4
Estamos estudiando el retraso (en horas) de diferentes vuelos de tres compañías aéreas, C1, C2 y C3,
Hemos recogido los datos y los hemos introducido en Minitab con lo que se ha obtenido el siguiente
resultado:
One-way ANOVA: C1; C2; C3

Source DF SS MS F P
Factor 2 32,0 A C X
Error 18 327,8 B
Total 20 359,8

S = 4,267 R-Sq = 8,91% R-Sq(adj) = 0,00%

Se pide
a) ¿Cuántos vuelos con retraso hemos analizado en total?
b) Indicad qué quieren decir y cómo se calculan los números que hay en la columna SS (32, 327 y 359,8).
c) Indicad los valores de A, B, C y X. Para ello quizás necesitaréis algún resultado de la siguiente tabla de
valores obtenida con Minitab,

Cumulative Distribution Function

F distribution with 2 DF in numerator and 18 DF in denominator
x P( X <= x )
0,70 0,490391
0,72 0,499751
0,74 0,508920
0,76 0,517903
0,78 0,526704
0,80 0,535327
0,82 0,543775
0,84 0,552053
0,86 0,560164
0,88 0,568113
0,90 0,575902




Examen 2009/10-1

Asignatura Código Fecha Hora inicio
Estadística 75.057 23/01/2010 16:30

Página 6 de 6



d) ¿A qué conclusión llegamos con este Test ANOVA sobre los retrasos de los vuelos en las tres
compañías?


SOLUCIÓN:

a) 21 vuelos en total ya que k=3 y n-k=18,
b) SS és la suma de cuadrados: SSF=SCE=32 és la suma de cuadrados entre grupos, SSE=SCD=327,8
es la suma de cuadrados dentro de los grupos y SST=SCT=369,8=32+327,8 es la suma de cuadrados
total,
c) A=32/2=16, B=327,8/18=18,21 i C=A/B=0,88, X=P(F>0,88)=1-0,568113=0,4318,
d) Como el p-valor es muy alto, las medias de retraso de las tres compañías podemos considerarlas
iguales,



9 4 = 0. 8 d) p ( MALO | FINESTRES ) = e) Calculamos las probabilidades siguientes: p(NORMAL) = 9 = 0. a) ¿Cuál es la probabilidad de que dada una incidencia. el ingeniero tarde más de 50 minutos en solucionarla? Página 2 de 6 .5 días (ambos inclusive): servidor MALO ii) de 7 a 14 días (ambos inclusive): servidor NORMAL iii) más de 14 días: servidor EFICIENTE b) ¿Cuál es la probabilidad de que un servidor sea NORMAL y lleve el sistema operativo FINESTRES? c) ¿Cuál es la probabilidad de que un servidor NORMAL lleve el sistema operativo LINAX? d) ¿Cuál es la probabilidad de que un servidor con FINESTRES sea MALO? e) Los sucesos “ser NORMAL” y “llevar FINESTRES”. 16 c) p(LINAX | NORMAL) = 5 ≈ 0. el ingeniero informático soluciona incidencias en un tiempo que tiene por media 45 minutos y desviación típica 15 minutos. 25. 556. no son independientes. ¿son independientes? ¿por qué? SOLUCIÓN: a) La tabla de contingencia será: Tipus Servidor/Sistema Operativo MALO NORMAL EFICIENTE FINESTRES 4 4 0 LINAX 0 5 3 b) p(NORMAL ∩ FINESTRES) = 4 = 0.5. Ejercicio 2 En la empresa BSIX. 16 4 = 0.Examen 2009/10-1 Asignatura Estadística Código 75. 5625. 16 8 p(FINESTRES) = = 0. Suponiendo que el tiempo en solucionar una incidencia sigue una distribución normal. NORMAL o EFICIENTE. teniendo en cuenta que los servidores se clasifican de la siguiente forma: i) de 0 a 6.057 Fecha 23/01/2010 Hora inicio 16:30 a) Haced una tabla de contingencia donde se refleje el número de servidores según el sistema operativo y según sea MALO. 25. 16 p(NORMAL ∩ FINESTRES) = Como p(NORMAL ∩ FINESTRES) ≠ p(NORMAL) ⋅ p(FINESTRES). 5.

1251 4. σ=15) 50 − 45 ⎞ ⎛ 1 P ( X > 50) = P ⎜ Z > ⎟ = P( Z > 3 ) ≈ P( Z > 0.50 .13 0.20 0.16 0.12 0.870086 1.Examen 2009/10-1 Asignatura Estadística Código 75.640576 1.34 0.32 0. la variable Y=”número de incidencias con tiempo de resolución superior a 50 minutos” seguirá una distribución binomial de parámetros n=15 y p=0.841345 1. és precisamente la mediana de la distribución.32 0.36 0.14 0.10 0.33) = 0.3707.31 0.33 0.639803 0.10 0. e manera que: Página 3 de 6 .636831 0.36 0.861646 1.3707 15 ⎠ ⎝ b) Se calcula el valor “t” tal que: P [ X < t ] = 0.13 0. σ X = 15 12 d) En el apartado (a) hemos calculado que p = P(X > 50) = 0.15 0.884930 SOLUCIÓN: a) X=”tiempo en resolver una incidencia” => X ∼N(μ=45.34 0.633072 0.35 0.639818 0.31 0.868643 1.35 0.625516 0.617290 0.33 0.13 0. Utilizad los que consideréis apropiados.33 0.872193 1.15) = 0.861700 1.057 Fecha 23/01/2010 Hora inicio 16:30 b) Encuentra el tiempo “t” tal que la probabilidad de resolver una incidencia en un tiempo inferior a ”t” sea del 50%.874221 1.621720 0.36 0.628611 0.632360 0.20 0. ¿cuál es la probabilidad de que haya 5 que tengan un tiempo de resolución superior a 50 minutos? e) ¿Cuál es la probabilidad de que la primera incidencia que tarde más de 50 minutos en ser resuelta sea la quinta? Observación: Datos obtenidos con MINITAB.10 0.838888 1.3707.838937 1.628597 0.33 ⎟ ⎝ ⎠ σ ) = N ( μ X = 45. t=45 minutos.865913 1.621062 0. por tanto.16 0.632345 0.30 0. c) En el día de hoy se han recibido 12 incidencias.870762 1.868011 1. I dado que la distribución normal es simétrica la mediana es igual a la media y por tanto. ¿cuál es la probabilidad de que la media del tiempo invertido en solucionar estas 12 incidencias sea inferior a 40 minutos? d) Si se reciben 15 incidencias.870141 1. Si ahora tenemos n=15 incidencias.35 0.876976 1.34 0.15 0. Cumulative Distribution Cumulative Cumulative Function Distribution Distribution Normal with Function Function mean=0 and Student's t distribution Student's t distribution standard deviation = 1 with 50 DF with 49 DF X x x P(X ≤ x) P(X ≤ x) P(X ≤ x) 0.868066 1.865968 1.30 0. n 40 − 45 ⎞ ⎛ P ( X < 40) = P ⎜ Z < = P( Z < −1.00 0.30 0.636096 0.624849 0.872857 1.629300 0.864334 1.617911 0. Este valor.621075 0.00 0.636081 0.14 0.33) .12 0.00 0.14 0.874928 1.32 0.16 0.882045 1.624836 0. c) Sabemos que X ∼ N (μ X = μ.872137 1.617277 0.20 0.882103 1.31 0.15 0.874165 1.12 0. σ X = 4.

2048 5!(15 − 5)! resulta que W sigue una distribución geométrica: e) Si ahora denominamos W=”número de incidencias resueltas hasta la primera que tarda más de 50 P [W = 5] = (1 − 0. Considerad el mismo nivel de significación.88 2.3707) 0.66 1. n 50 51 52 98 99 100 t 0.4 2.68 1.95.75 1.95 0.66 1..64 1. podéis usar estos valores críticos: Valores críticos Distribución t de Student P (t(n) < a) g.n 2.n 1. Considerad un nivel de significación de 0.05 2.4 2.68 1. 0581 Ejercicio 3 El número de mensajes que llegan diariamente a un servidor de correo sigue una distribución normal. b) Hacer lo mismo que en el ejercicio anterior pero suponiendo ahora que no conocemos la desviación típica poblacional de la variable.3707)15−5 = 0. Determinad si podemos aceptar la afirmación de que el número medio de mensajes diarios que llegan al servidor es más grande que 250000.66 t 0. Hemos hecho un estudio estadístico del acceso al servidor durante 100 días y hemos obtenido que la media de mensajes ha sido 253235 con una desviación típica muestral de 15500.37075 (1 − 0.4 2.36 Valores críticos Distribución Normal: 1−α 0.99.057 Fecha 23/01/2010 Hora inicio 16:30 P(Y = 5) = minutos en solucionarla”.37 2. 4 15! 0.96 0.36 2. a) Sabemos que la desviación típica poblacional de la variable que nos da el número de mensajes diarios que llegan al servidor vale 25000.Examen 2009/10-1 Asignatura Estadística Código 75.98 0.05.3707 = 0.33 SOLUCIÓN: a) El contraste que hemos de hacer es el siguiente: Página 4 de 6 .97 0. Para resolver el problema.99 z1− α 1.l.67 1.

057 Fecha 23/01/2010 Hora inicio 16:30 H 0 : μ = 250000.09) ≈ 0.8 359.490391 0. aceptamos la hipótesis nula y concluimos que el número medio de mensajes diarios que se recibenen en el servidor no és mayor que 250000.535327 0. Hemos recogido los datos y los hemos introducido en Minitab con lo que se ha obtenido el siguiente resultado: One-way ANOVA: C1.90 0.517903 0. 327 y 359.267 R-Sq = 8. El p-valor vale: p = p(t 99 > 2.02 y el valor crítico vale 1. Cumulative Distribution Function F distribution with 2 DF in numerator and 18 DF in denominator x P( X <= x ) 0.560164 0. El estadístico de contraste vale: X − 250000 253235 − 250000 = ≈ 2.526704 0.543775 0. en este caso. c) Indicad los valores de A. C y X.66.568113 0.78 0. C2 y C3.05 y el estadístico de contraste es menor que el valor crítico. Para ello quizás necesitaréis algún resultado de la siguiente tabla de valores obtenida con Minitab. C2.499751 0. La distribución es una t de Student con 99 grados 1550 15500 / 100 de libertad. Como el p-valor es t= menor que 0.00% Se pide a) ¿Cuántos vuelos con retraso hemos analizado en total? b) Indicad qué quieren decir y cómo se calculan los números que hay en la columna SS (32. 098 y el valor crítico vale 1. H 1 : μ > 250000.72 0.70 0.76 0. Ejercicio 4 Estamos estudiando el retraso (en horas) de diferentes vuelos de tres compañías aéreas.0 327. rechazamos la hipótesis nula y concluimos que el número medio de mensajes diarios que se reciben en el servidor sí es mayor que 250000. B.05 y el estadístico de contraste es mayor que el valor crítico.09. C3 Source Factor Error Total DF 2 18 20 SS 32. El estadístico de contraste vale Z = Como que el p-valor es mayor que 0.508920 0. X − 250000 253235 − 250000 = ≈ 1. El p-valor vale: p = p ( Z > 1.8 MS A B F C P X S = 4.65.1).86 0.8). C1.88 0.91% R-Sq(adj) = 0.3) ≈ 0.74 0. b) El contraste es el mismo que en el apartado anterior.82 0.Examen 2009/10-1 Asignatura Estadística Código 75.3 2500 25000 / 100 La distribución es una N(0.575902 Página 5 de 6 .552053 0.84 0. donde μ representa el número medio de mensajes diarios que recibe el servidor.80 0.

8 es la suma de cuadrados dentro de los grupos y SST=SCT=369.88.88)=1-0. B=327.8/18=18.21 i C=A/B=0.8=32+327.568113=0. c) A=32/2=16. b) SS és la suma de cuadrados: SSF=SCE=32 és la suma de cuadrados entre grupos.4318. SSE=SCD=327. Página 6 de 6 . d) Como el p-valor es muy alto.Examen 2009/10-1 Asignatura Estadística Código 75.8 es la suma de cuadrados total. las medias de retraso de las tres compañías podemos considerarlas iguales. X=P(F>0.057 Fecha 23/01/2010 Hora inicio 16:30 d) ¿A qué conclusión llegamos con este Test ANOVA sobre los retrasos de los vuelos en las tres compañías? SOLUCIÓN: a) 21 vuelos en total ya que k=3 y n-k=18.

Sign up to vote on this title
UsefulNot useful