Exámenes de Estadística

Julio Muñoz

Septiembre 2006
ii

Universidad de Castilla-La Mancha

Facultad CC Químicas
Primer Curso de Ingeniería Química
Estadística. Examen de Evaluación. 09-05-2003

1. Un sistema eléctrico consta de dos bloques en paralelo de forma que

si falla uno de los bloques entonces falla el sistema. Se supone que la
probabilidad de que funcione correctamente el primer bloque durante
un intervalo de tiempo t es p1 , y la del segundo bloque es p2 . Si se ha
comprobado que durante un tiempo t, el sistema ha fallado, ¿cuál es
la probabilidad de que este fallo sea debido al primer bloque y no al
segundo?. Se supone independencia del funcionamiento entre los dos
bloques.
(1.5 puntos)

2. Sea ξ v.a. de tipo continuo cuya función de densidad de probabilidad

es ½
Ce−2x si x ≥ 0
fξ (x) = .
0 si x < 0

(a) ¿Qué valor hemos de asignar a C para que fξ sea realmente una
densidad de probabilidad?
(0.5 puntos)
(b) Halla la función de distribución así como la esperanza. (1 punto)
n o
(c) Calcular P ξ > 2|ξ<4 (0.5 puntos)

3. Una fábrica produce fusibles eléctricos, resultando defectuosos el 3%.

Los fusibles se empaquetan en cajas de 24 unidades. Se pide:

(a) Calcular la probabilidad de que una caja elegida al azar contenga

al menos un fusible defectuoso.
(0.5 puntos).
(b) Si selecionamos 5 cajas al azar, ¿cuál es la probabilidad de que
exactamente en 2 de ellas no haya ningún fusible defectuoso?
(0.5 puntos).
(c) Vamos selecionando cajas al azar y comprobando si sus fusibles
son defectuosos o no. ¿Cuál es el número medio de cajas que ten-
dremos que inspeccionar hasta encontar algún fusible defectuoso?
(0.5 puntos).
 iii

4. Un laboratorio ha desarrollado una prueba para el diagnóstico de la

hepatitis de tipo C. Esta prueba tiene un 95 % de exactitud tanto en
los que tienen hepatitis C como entre los que no la tienen. Si el 0.5 %
de la población realmente tiene hepatitis C, calcular la probabilidad de
que un determinado individuo que tenga tal enfermedad, si la prueba
dice que la tiene.
(2.5 puntos).

5. Una partícula se mueve en un fluido de manera rectilínea, digamos que

lo hace a lo largo del eje coordenado OX del plano R2 . Sobre este
movimiento se sabe lo siguiente: al cabo de un segundo la partícula se
1
mueve a la derecha 0.001 mm con una probabilidad de 60 y −0.001 mm
1
a la izquierda con una probabilidad 1 − 60 . Se supone además que cada
movimiento en un segundo es independiente del movimiento realizado
en segundos anteriores. Se pide:

(a) Calcular la probabilidad de que la partícula realice 15 movimientos

a la derecha al cabo de 360 segundos. (0.75 puntos)
(b) Calcular la probabilidad de que la partícula, al cabo de 360 se-
gundos, esté en el punto (−0.3, 0) si se supone que en el instante
inicial (justamente antes de empezar a contabilizar los 360 segun-
dos) se encontraba en el origen de coordenadas (0, 0) . (0.75
puntos)
(c) Encontrar la posición esperada de la partícula al cabo de los 360
segundos. (1 punto)
iv

Universidad de Castilla-La Mancha

Facultad Ciencias Químicas
Estadística. Primer Curso de Ingeniería Química
Examen de convocatoria ordinaria, 27-06-2003
INSTRUCCIONES

• Escribe claramente tus apellidos y nombre, en todas y cada una de las

hojas de examen.

• No se admitirá más de una hoja por problema. No escribas partes de

problemas diferentes en una misma hoja.

• En función de si uno tiene el examen parcial de evaluación suspenso, la

duración, los ejercicios y su puntuación, quedan distribuidos del siguiente
modo:
Ejercicios Puntuación Duración
Con parcial aprobado 2,3,4,6 2’5 ptos cada uno 2h.30m
Sin parcial aprobado 1,2,3,5,6,7 2,1’5,2,1,1’5,2 ptos. resp. 2h.30m

EJERCICIOS

1. En tres grandes poblaciones A, B y C la proporción de individuos infec-

tados por un determinado virus es del 30, 60 y 10% respectivamente. Se
toma al azar una de las 3 poblaciones (las tres son igual de probables),
y de ella elegimos a 10 individuos al azar, resultando que 2 de ellos
están infectados. ¿A qué población es más probable que pertenezcan?

2. El número de partículas en suspensión que había en Madrid el día

22 de Febrero estaba distribuido de manera uniforme entre 20000 y
30000 particulas por decímetro cúbico (dm3 ). Sabiendo que en cada
inspiración introducimos 0’5 dm3 de aire en nuestros pulmones y que
realizamos 10 inspiraciones por minuto, calcular la probabilidad de que
el número de partículas inspirado en una hora sea superior a 7510000.

3. Un investigador está estudiando un parámetro θ que representa la du-

ración media (en días) de vida de una rata desde que se le suministra
cierto tipo de veneno. Se sabe que esta duración viene dada por una
variable aleatoria de distribución N (θ, 0.2). Les suministra el veneno a
100 ratas resultando que la suma de los tiempos que sobreviven dichas
ratas es de 30 días. En base a esto construir un intervalo de confianza
del 95 % para el parámetro θ.
 v

4. Una población sigue un distribución de probabilidad cuya función de

densidad de masa viene dada por

Pξ∗ (x) = p(1 − p)x−1 x = 1, 2, ...

siendo p cierto parámetro del intervalo (0, 1]. Se pide

(a) Calcular un estimador de p mediante el método de los momentos

(ayuda: E [ξ] = 1/p).
(b) Determinar un estimador de p mediante el método de máxima
verosimilitud.

5. Lanzamos
√ un dardo sobre el plano al objeto de acertar en una diana de
radio 2 1.39 y centro en el punto de coordenadas (3, 2). Se supone que
los lanzamientos tienen carácter aleatorio y que cada impacto (ξ 1 , ξ 2 ) es
un vector aleatorio, de suerte que las componentes ξ 1 y ξ 2 son indepen-
dientes y además ξ 1 ∼ N(3, 1) y ξ 2 ∼ N(2, 1). Calcular la probabilidad
de que el dardo impacte dentro de la diana.

6. Sean, ξ 1 la v.a. que representa a los gastos por impagados en millones

de euros de una determinada empresa, y ξ 2 la v.a. de los ingresos netos.
Se sabe que la función de densidad del vector (ξ 1 , ξ 2 ) es
½
5(1 + x)e20(2−y) si x ∈ (0, 2) e y > 2
f(ξ1 ,ξ2 ) (x, y) =
0 en el resto

(a) Calcular la probabilidad de que los gastos por impagados sean

menores a un millón de euros.
(b) ¿Son independientes los gastos por impagados y los ingresos netos?
(c) ¿Qué cantidad de ingresos netos se esperan obtener si los impaga-
dos ascendieron hasta 1 millón de euros?

7. Una empresa desea determinar la proporción de clientes dispuestos a

adquirir uno de sus productos. Estima que dicha proporción es 0.45
ó 0.5. Decidir en base al Principio de Máxima Verosimilitud, una esti-
mación de dicha proporción si después de realizar una muestra aleatoria
simple de tamaño 15 entre sus clientes potenciales, 6 de ellos afirmaron
estar dispuestos a la adquirir y los 9 restantes no estaban dispuestos a
optar por dicho producto.
vi

Resolución del examen convocatoria de 27-06-2003

1. Del enunuciado del problema se desprende lo siguiente: si Inf denota
estar infectado y A, B y C haber elegido a dichas poblaciones, entonces
P (Inf | A) = 3/10, P (Inf | B) = 6/10, P (Inf | C) = 1/10,
y
1
P (A) = P (B) = P (C) = .
3
Se sabe que S el suceso consistente en la realización de 10 obsevaciones
con resultado de 2 infecciones ha tenido lugar. La pregunta es saber
cuál de las siguientes cantidades es mayor:
P (A| S), P (B| S), P (C| S).
Calculemos: se sabe que
P (A ∩ S) P (S| A)P (A)
P (A| S) = = ,
P (S) P (S| A)P (A) + P (S| B)P (B) + P (S| C)P (C)
ahora bien, P (S| A) es la probabilidad de que hayan tenido lugar 2
infecciones de 10 individuos sabiendo que la probabilidad de infección
en A es 3/10. Esta probabilidad no es otra cosa que el valor de la masa
de un binomial de parámetros p = 3/10 y n = 10; análogamente para
las otras probabilidades condicionadas. Por tanto
µ ¶ µ ¶2 µ ¶8
10 3 7
P (S| A) =
2 10 10
y así
¶µ
10 ¡ 3 ¢2 ¡ 7 ¢8
2 10 10
P (A| S) = µ ¶ µ ¶ µ ¶ .
10 ¡ 3 ¢2 ¡ 7 ¢8 10 ¡ 6 ¢2 ¡ 4 ¢8 10 ¡ 1 ¢2 ¡ 9 ¢8
10 10
+ 10 10
+ 10 10
2 2 2
Puesto que el denominador que aparece en el cálculo de P (A| S), P (B| S) y
P (C| S) es el mismo, basta con comparar
µ ¶2 µ ¶8 µ ¶2 µ ¶8 µ ¶2 µ ¶8
3 7 6 4 1 9
, , .
10 10 10 10 10 10
El valor más grande es el correspondiente a P (A| S) 1 . La población
con más probabilidad de haber sido elegida es A.
1
Para cerciorarse de ello basta con esbozar la gráfica de la función ψ(p) = p2 (1 − p)8 y
notar que el máximo se da para p = 0.2. Los valores en 0.6 y 0.1 están más lejos de este
máximo que 0.3.
 vii

2. Supongamos que X es la v.a. que proporciona el número de partículas

en suspensión (expresada en miles de unidades por dm3 ). Entonces
X ∼ U(20, 30) y por ende

25
E[X] = 25 y V [X] = .
3
Realizamos 600 inspiraciones y en cada una introducimos 0’5 dm3 de
aire, esto es, nos llevamos a los pulmones 300 dm3 . Sean X1 , X2 , ..., X300
las v.a. que dan el número de partículas por cada una de lasP300 veces
que almacenamos 1 dm3 . Nos están pidiendo calcular p = P ( 300 i=1 Xi >
7510):
P 300
Xi 7510
i=1
300
− 25 − 25
p = P( q > 300
q )
1 25 1 25
300 3 300 3

pero en virtud del TCL podemos aproximar p por P (φ > 0.2) con φ ∼
N(0, 1), con lo cual acudimos a las tablas de la normal para aproximar
la probabilidad pedida como

p ≈ P (φ > 0.2) = 0.5793

3. Sea la variable aleatoria X que da el tiempo de vida después de ingerir el

veneno: X ∼ N(θ, 0.2). Sea la muestra X1 , X2 , ..., X100 . Si pretendemos
la cosntrucción de un intervalo tomaremos como cantidad pivotal a
P 100
Xi
i=1
100
− θ
Q= 0.2
√
100

Sabemos que Q está distribuido como una N (0, 1). Desarrollamos y

llegamos a que el intervalo es
"P µ ¶ P100 µ ¶#
100
i=1 X i 0.2 Xi 0.2
I= − Z0.025 √ , i=1 + Z0.025 √
100 100 100 100

Usandolas tablas y los datos del investigador llegamos a que Z0.025 =

1.96 y a que el intervalo obteniendo:

I = [0.260 8, 0.339 2] .

4.
viii

(a) Mediante el método de los momentos: ξ = E [ξ] = 1/p, lo que da

lugar a p = 1ξ ; por tanto el estimador pedido es

1
p∗ =
ξ

(b) El EMV es el que maximiza la función de verosimilitud

l = log(p(1 − p)x1 −1 p(1 − p)x2 −1 ...p(1 − p)xn −1 )

à n !
X
= n log p − n log(1 − p) + xi log(1 − p)
i=1

Derivamos con respecto a p e igualamos a cero:

P
0 n n − ( ni=1 xi )
l = + =0
p 1−p
Pn
n −n (n−( i=1 xi ))
La solución es p = Pn = 1ξ . Puesto que l00 = 2 + (1−p)2
<
( i=1 xi ) p

0 (¿por qué?) el estimador máximo verosimil es p∗ = 1ξ .

5. Si usamos el Teorema de Pitágoras nos daremos cuenta de que nos están

pidiendo que evaluemos la probabilidad
© ª
p = P (ξ 1 − 3)2 + (ξ 2 − 2)2 ≤ 1.39 ,

y puesto que (ξ 1 − 3)2 y (ξ 2 − 2)2 son cuadrados de normales (0, 1),

entonces Ψ = (ξ 1 −3)2 +(ξ 2 −2)2 se distribuye como una X22 . Buscamos
y obtenemos
p = P (Ψ ≤ 1.39) = 0.5

6.

(a)

P (ξ 1 ≤ 1, ξ 2 cualquiera) = P (ξ 1 ≤ 1, −∞ < ξ 2 < ∞)

Z 1 µZ +∞ ¶
= f(ξ1 ,ξ2 ) (x, y) dy dx
−∞ −∞
Z 1 µZ +∞ ¶
40−20y
= 5(1 + x) e dy dx
0 2
3
=
8
 ix

(b) Las densidades marginales son

Z 2 µZ +∞ ¶
40−20y
5(1 + x) e dy dx
0 2

Z
fξ1 (x) = f(ξ1 ,ξ2 ) (x, y) dy
R
½ R +∞
5(1 + x)e40−20y dy si x ∈ (0, 2)
= 2
0 si x ∈
/ (0, 2)
½ 1
4
(1 + x) si x ∈ (0, 2)
=
0 si x ∈
/ (0, 2)
y
Z
fξ2 (y) = f(ξ1 ,ξ2 ) (x, y) dx
R
½ R2
5(1 + x)e40−20y dx si y ∈ (2, ∞)
= 0
0 si y ∈
/ (2, ∞)
½
20e40−20y si y ∈ (2, ∞)
=
0 si y ∈
/ (2, ∞)

Puesto que f(ξ1 ,ξ2 ) (x, y) = fξ1 (x) fξ2 (y) las variables son indepen-
dientes.
(c) Nos piden E [ξ 2 | ξ 1 = 1] pero dado que hay independencia

E [ ξ 2 | ξ 1 = 1] = E [ξ 2 ]
Z +∞
= 20ye40−20y dy
2
41
=
20
7. θ es 0.45 ó 0.5. Habremos de evaluar Pξ∗ (6) cuando ξ ∼ B(15, θ) :
∗
µ ¶ Pξ (6)
15
θ = 0.45 (0.45)6 (0.65)9
µ 6 ¶
15
θ = 0.5 (0.5)6 (0.5)9
6
El valor mayor se corresponde con θ = 0.45, luego esta sería la esti-
mación máximo verosimil.
x

Universidad de Castilla-La Mancha

Facultad Ciencias Químicas
Estadística. Primer Curso de Ingeniería Química (Incluido P.A.)
Examen de Septiembre, 11-09-2003
INSTRUCCIONES
• Escribe claramente tus apellidos y nombre, en todas y cada una de las
hojas de examen.
• No se admitirá más de una hoja por problema. No escribas partes de
problemas diferentes en una misma hoja. La puntuación de cada uno de
los problemas es de 2.5 puntos.
• Razona todas las respuestas y da a conocer los resultados que estás uti-
lizando en la resolución de los ejercicios que a continuación se proponen.
EJERCICIOS
1. En tres grandes poblaciones A, B y C la proporción de individuos infec-
tados por un determinado virus es del 30, 60 y 10% respectivamente. Se
toma al azar una de las 3 poblaciones (las tres son igual de probables),
y de ella elegimos a 10 individuos al azar, resultando que 2 de ellos
están infectados. ¿A qué población es más probable que pertenezcan?
2. El número de partículas en suspensión que había en Madrid el día
22 de Febrero estaba distribuido de manera uniforme entre 20000 y
30000 particulas por decímetro cúbico (dm3 ). Sabiendo que en cada
inspiración introducimos 0’5 dm3 de aire en nuestros pulmones y que
realizamos 10 inspiraciones por minuto, calcular la probabilidad de que
el número de partículas inspirado en una hora sea superior a 7510000.
3. Un investigador está estudiando un parámetro θ que representa la du-
ración media (en días) de vida de una rata desde que se le suministra
cierto tipo de veneno. Se sabe que esta duración viene dada por una
variable aleatoria de distribución N (θ, 0.2). Les suministra el veneno a
100 ratas resultando que la suma de los tiempos que sobreviven dichas
ratas es de 30 días. En base a esto construir un intervalo de confianza
del 95 % para el parámetro θ.
4. Una población sigue un distribución de probabilidad cuya función de
densidad de masa viene dada por
Pξ∗ (x) = p(1 − p)x−1 x = 1, 2, ...
siendo p cierto parámetro del intervalo (0, 1]. Se pide
 xi

(a) Calcular un estimador de p mediante el método de los momentos

(ayuda: E [ξ] = 1/p).
(b) Determinar un estimador de p mediante el método de máxima
verosimilitud.
xii

Universidad de Castilla-La Mancha

Facultad de Ciencias del Medio Ambiente
Tercer curso de CC Ambientales
Estadística, 13-12-05. Examen tipo A

1. Elegido un individuo de una determinada especie arborea, de un de-

terminado bosque, y observado en laboratorio, se observó que estaba
afectado por un el hongo saza. La probabilidad de que en la población
de la que se eligió el individuo, uno de ellos esté afectado por saza es
de 0.01. Se sabe además que la probabilidad de que el aparato de lab-
oratorio encargado de examinar la infección, detecte que un individuo
está afectado estándolo es 0.97, y no estándolo es 0.001. ¿Qué pode-
mos decir acerca de la probabilidad de acierto del laboratorio para el
individuo que hemos elegido? (2.5 puntos)

2. Se sabe que la página impresa de un libro contiene 3000 espacios (que

pueden estar en blanco u ocupados con algún símbolo). Se supone que
el linotipista comete 2 errores cada 6000 espacios. Calcular

(a) La probabilidad de que una página no contenga errores.

(1.25 puntos)
(b) La probabilidad de que un capítulo de 16 páginas no contenga
errores.
(1.25 puntos)

3. Sea X ∼ N(3, 0.5). Calcular las siguientes probabilidades: P (X ≤

3.32), P (2.15 ≤ X ≤ 3.35) y P (X 2 ≥ 4). (Usar los datos: F (−0.64) =
1−0.7389, F (0.7) = 0.758, F (1.7) = 0.9954, F (−2) = 0.02, F (−5) = 0,
donde F es la función de distribución de una N(0, 1))
(2.5 puntos)

4. La vida de un virus tiene una duración modelada por una siguiente

variable aleatoria ξ cuya función de densidad es
½
0 si x < 1
fξ (x) = k
x4
si x ≥ 1

(a) Determinar k para que fξ sea efectivamente una función de den-

sidad de probabilidad. (0.5
puntos)
(b) Hallar el valor esperado de vida del virus (0.75 puntos)
 xiii

(c) Hallar la mediana (0.75 puntos)

(d) Entre las duraciones calculadas en los dos aprtados anteriores,
¿cuál de las dos sería más representativa? Justifica la respuesta.
(0.5 puntos)
xiv

Universidad de Castilla-La Mancha

Facultad de Ciencias del Medio Ambiente
Tercer curso de CC Ambientales
Estadística, 13-12-05. Examen tipo B

1. Una persona tiene dos negocios en funcionamiento, A y B. El primero

puede producir mayor beneficio, pero en el 25% de las operaciones
arroja pérdida, mientras que en el segundo, donde la perspectiva es
menor, arroja pérdida sólo el 5% de los casos. Se supone que el con-
junto de operaciones es análogo en ambos negocios. Si, analizando el
resultado económico de una de las operaciones, arrojase pérdida, ¿cuál
sería la probabilidad de que dicha operación correspondiese al negocio
B?
(2.5 puntos)

2. Se sabe que la probabilidad de que una planta reaccione desfavorable-

mente tras la realización de un injerto es de 0.002.

(a) Determinar la probabilidad de que en un grupo de 2000 plantas

injertadas haya como mucho 3 que reaccionen desfavorablemente.
(1.25 puntos)
(b) ¿Cual sería la probabilidad de que el número de reacciones des-
favorables esté comprendido entre 1 y 6 si sabemos que hay a lo
sumo 2 que han reaccionado desfavorablemente? (1.25 puntos)

3. Sea X ∼ N(3, 0.5). Calcular las siguientes probabilidades: P (X ≤

3.32), P (2.15 ≤ X ≤ 3.35) y P (X 2 ≥ 4). (Usar los datos: F (−0.64) =
1−0.7389, F (0.7) = 0.758, F (1.7) = 0.9954, F (−2) = 0.02, F (−5) = 0,
donde F es la función de distribución de una N(0, 1))
(2.5 puntos)

4. La longitud en milímetros ξ que se puede estirar un filamento de nylon

sin ruptura sigue una distribución de probabilidad cuya densidad de
probabilidad es ½ −5x
5e si x ≥ 0
fξ (x) =
0 en el resto

(a) Un filamento se dice que pasa el control de calidad si se estira

entre 0.18 y 0.22 milímetros. Calcular la probabildad de que un
filamento pasa dicho control.
(0.75 puntos)
 xv

(b) Determinar la longitud esperada de estiramiento para un filamento

de nylon.
(0.75 puntos)
(c) Se examinan 100 filamentos. Determinar la probabilidad de que
al menos dos de ellos superen el control de calidad.
(1 puntos)
xvi

Solución del examen TIPO A:

1. Probabilidad de infección es 0.01, i.e. P (infec.) = 0.01. el resto de la

información se escribe
¡ ¢
P (DI| infec.) = 0.97, P DI| infec. = 0.001.

Para analizar el éxito del laboratorio en el caso dado hemos de calcular

P (DI| infec.) P (infec.)
P (infec.| DI) =
P (DI)
P (DI| infec.) P (infec.)
= ¡ ¢ ¡ ¢
P (DI| infec.) P (infec.) + P DI| infec. P infec.
(0.97) (0.01)
= ≈ 0.907
(0.97) (0.01) + (0.001) (1 − 0.01)
lo que se traduce en alta fiabiliada para la situación descrita.
2. Podemos modelizar la v.a. ξ = número de erratas/pág. con un binomial
2
B(3000, 6000 ). Aproximamos la distribución de esta v.a. por la de una
2
Poisson de parámetro λ = 3000 6000 = 1.

(a) La probabilidad de que una página no contenga errores coincide

con
10
Pξ∗ (0) = e−1 = e−1 .
0!
(b) Puesto que hay independencia en las erratas entre páginas tne-
dremos que la probabilidad de que un capítulo de 16 páginas no
16
contenga errores es (e−1 ) .

3. Como X ∼ N(3, 0.5) entonce ψ = X−3

0.5
∼ N (0, 1). Así
µ ¶
X −3 3.32 − 3
P (X ≤ 3.32) = P ψ = ≤ = 0.64 = Fψ (0.64)
0.5 0.5
= 1 − Fψ (−0.64) = 0.7389

P (2.15 ≤ X ≤ 3.35) =
2.15 − 3 X −3 3.35 − 3
P (−1.7 = ≤ ≤ = 0.7)
0.5 0.5 0.5
= Fψ (0.7) − Fψ (−1.7)
= 0.758 − (1 − Fψ (1.7)) = 0.758 − (1 − 0.9954)
= 0.753 4
 xvii

P (X 2 ≥ 4) = P (X ≥ 2) + P (X ≤ −2)
X −3 X −3 −2 − 3
= P( ≥ −2) + P ( ≤ = −10)
0.5 0.5 0.5
= (1 − Fψ (−2)) + Fψ (−10)
= (1 − 0.02) + 0 = 0.98

ya que Fψ (−10) ≤ Fψ (−5) = 0. : 2. 275 013 × 10−2

4. La vida de un virus tiene una duración modelada por una siguiente

variable aleatoria ξ cuya función de densidad es
½
0 si x < 1
fξ (x) = k
x4
si x ≥ 1

R condiciones que ha de cumplir la densidad son fξ (x) ≥ 0 y

(a) Las
f (x) dx = 1. La primera condicón establece que k ≥ 0 y la
R ξ
segunda Z Z ∞
k 1
1= fξ (x) dx = 4
dx = k.
R 1 x 3
De resultas k = 3
(b) Hallar el valor esperado de vida del virus es la esperanza o primer
momento: Z Z ∞
3x 3
α1 = xfξ (x) dx = dx =
R 1 x4 2
(c) La mediana es aquel valor y tal que
Z y
3
0.5 = 4
dx,
1 x

y así, después de integrar, da como resultado y = 1. 26.

(d) La varianza es σ2 = α2 − α21 ; como
Z ∞ 2
3x
α2 = dx = 3,
1 x4
¡ ¢2
entonces σ 2 = α2 − α21 = 3 − 32 = 34 . La desviación típica será
q
σ = 2 34 = 0.866 025 4
La desviación absoluta con respecto a la mediana es
Z ∞
3 |x − Me|
D= dx
1 x4
xviii

siendo
Me = y = 1.26
R∞
Así D = 1 3|x−1.26|
x4
dx = 0.389 881 6, que como es menor que σ,
diremos que la mediana es mejor representante en elsentido de que
la dispersión asociada es menor.
 xix

Solución del examen TIPO B

1. La información de qu disponemos es la siguiente:

P (A) = P (B) = 0.5

P (P erd| A) = 0.25, P (P erd| B) = 0.05

Nos están pidiendo P (B| P erd) y esto, en virtud de la fórmula de la

probabilidad condicionada es

P (P erd| B) P (B)
P (B| P erd) =
P (P erd)
P (P erd| B) P (B)
=
P (P erd| B) P (B) + P (P erd| A) P (A)
(0.05) (0.5)
= ≈ 0.16
(0.05) (0.5) + (0.25) (0.5)

2. Se sabe que la probabilidad de que una planta reaccione desfavorable-

mente tras la realización de un injerto es de 0.002, i.e. P (Rd) = 0.002.
Se inspeccionan 2000 plantas, de forma que si definimos ξ, la v.a. que
da el número de reacciones desfavorables, entonces ξ ∼ B(2000, 0.002).
La distribución de esta v.a. se puede aproximar por una Poisson de
parámentro λ = np = 4. Hecho esto contestamos a las cuestiones for-
muladas

(a) Calculamos

P (ξ ≤ 3) = P (ξ = 0) + P (ξ = 1) + P (ξ = 2) + P (ξ = 3)
µ ¶
−4 4 16 64
= e 1+ + + = 0.43.
1 2 6

(b)

P (ξ ∈ [1, 2])
P (ξ ∈ [1, 6]| ξ ≤ 2) =
P (ξ ≤ 2)
P (ξ = 1) + P (ξ = 2)
=
P (ξ = 0) + P (ξ = 1) + P (ξ = 2)
¡ 4 16 ¢
+
= ¡ 1 4 2 16 ¢ = 0.92
1+ 1 + 2
xx

3. Como X ∼ N(3, 0.5) entonce ψ = X−3

0.5
∼ N (0, 1). Así
µ ¶
X −3 3.32 − 3
P (X ≤ 3.32) = P ψ = ≤ = 0.64 = Fψ (0.64)
0.5 0.5
= 1 − Fψ (−0.64) = 0.7389

P (2.15 ≤ X ≤ 3.35) =
2.15 − 3 X −3 3.35 − 3
P (−1.7 = ≤ ≤ = 0.7)
0.5 0.5 0.5
= Fψ (0.7) − Fψ (−1.7)
= 0.758 − (1 − Fψ (1.7)) = 0.758 − (1 − 0.9954)
= 0.753 4

P (X 2 ≥ 4) = P (X ≥ 2) + P (X ≤ −2)
X −3 X −3 −2 − 3
= P( ≥ −2) + P ( ≤ = −10)
0.5 0.5 0.5
= Fψ (−2) + Fψ (−10)
= 0.027 + 0 = 0.027

ya que Fψ (−10) ≤ Fψ (−5) = 0.

4. La longitud en milímetros ξ que se puede estirar un filamento de nylon
sin ruptura sigue una distribución de probabilidad cuya densidad de
probabilidad es ½ −5x
5e si x ≥ 0
fξ (x) =
0 en el resto

(a) La probabildad de que un filamento se estire entre 0.18 y 0.22

milímetros es

P (.18 < ξ < .22)

Z 0.22
¯0.22
= 5e−5x dx = −e−5x ¯0.18
0.18
= e−5(0.18) − e−5(0.22) ≈ 0.074

(b) La longitud esperada en milímetros es

Z ∞
E[ξ] = 5x2 e−5x dx = 1/5.
0

2 2 1 1
(α2 = 25
y σ2 = 25
− 25
= 25
).
 xxi

(c) La probabilidad de que un filamento supere el control ha sidoe

calculado en el primer apartado. Lo que hacemos ahora es in-
speccionar 100 filamentos, de modo que si ψ es la v.a. que da el
número de filamentos que superan el control, entonces lo que se
pide es

P (ψ ≥ 2) = 1 − P (ψ < 1)
= 1 − P (ψ = 0) + P (ψ = 1)
= 1 − (0.074)0 (1 − 0.074)100 − (100) (0.074)1 (1 − 0.074)99
= 0.99
xxii

Universidad de Castilla-La Mancha

Facultad CC del Medio Ambiente
Examen de Estadística. Tercer curso de CC Ambientales
Convocatoria extraordinaria de Diciembre 2005

1. Un laboratorio ha desarrollado una prueba para el diagnóstico de la

hepatitis de tipo C. Esta prueba tiene un 95 % de exactitud tanto en
los que tienen hepatitis C como entre los que no la tienen. Si el 0’5 %
de la población realmente tiene hepatitis C, calcular la probabilidad de
que un determinado individuo tenga tal enfermedad, si la prueba dice
que la tiene. [2 puntos]

2. Emplear el Teorema Central de Límite para resolver las siguientes cues-

tiones:

(a) Una compañía aérea sabe por experiencia que el 12% de las reser-
vas telefónicas de plazas no se llevan a efecto, de modo que reserva
más plazas de las que dispone. Si en un vuelo hay 150 plazas,
¿cuántas reservas puede hacer la compañía para que la probabili-
dad de cubrir al menos 145 plazas sea del 99%? [1 punto]
(b) Si la compañía reserva 160 plazas, ¿cuál es la probabilidad de
que, al menos un pasajero no tenga plaza disponible a la hora de
embarcar? [1 punto]

3. La distancia ξ entre un árbol cualquiera y el árbol más próximo a

él en un bosque sigue una distribución con función de densidad de
probabilidad
(
2θx exp (−θx2 ) si x ≥ 0
fξ (x) =
0 en el resto

(θ > 0). Obtener el estimador de máxima verosimilitud de θ, supuesto

que se realiza una m. a. s. de tamaño n. Realiza la estimación de
máxima verosimilitud del parámetro θ si n = 10 y la realización de la
muestra es
½ ¾
x1 = 2, x2 = 2.1, x3 = 3.1, x4 = 2.8, x5 = 1.9,
x6 = 1.45, x7 = 1.55, x8 = 1.77, x9 = 2, x10 = 2.6

[2 puntos]
 xxiii

4. El coseno ξ del ángulo con el que se emiten los electrones en un proceso

radiactivo es una variable aleatoria con densidad de probabilidad
( 1+θx
2
si x ∈ [−1, 1]
fξ (x) =
0 en el resto

donde θ ∈ [−1, 1] . Dada una m.a.s. ξ 1 , ..., ξ n , encontrar el estimador

de θ por el método de los momentos. [2 puntos]

5. ¿Cuál es el intervalo de confianza para la varianza de una población

que se distribuye normalmente y donde se supone que la esperanza es
desconocida? Aplica este intervalo al siguiente ejemplo: un metalúr-
gico ha hecho 4 determinaciones del punto de fusión del manganeso,
1269, 1271, 1263 y 1265 grados C. Tras valorar los resultados y los
posibles errores decidió que la varianza habría de ser 1 ó 2. ¿ Es posi-
ble esta afirmación con los datos experimentales obtenidos, suponiendo
normalidad y a un nivel de confianza del 95 % ?. [2 puntos]
xxiv

Resolución

1. Según los datos del problema tenemos que, denotando

• PrH = la prueba da resultado positivo de hepatitis

• PrNH = la prueba da resultado negativo de hepatitis
• PeH = la persona tiene hepatitis
• PeNH = la persona no tiene hepatitis,

P (PeH) = 0.005,
P (PrH| PeH) = P (PrNH| PeNH) = 0.95,
P (PrNH| PeH) = P (PrH| PeNH) = 0.05.

Por otra parte sabemos que en virtud del Teorema de Bayes

P (PeH ∩ PrH)
P (PeH| PrH) =
P (PrH)
P (PrH| PeH) P (PeH)
= .
P (PrH| PeH) P (PeH) + P (PrH| PeNH) P (PeNH)
Sustituimos ahora los datos de arriba y obtenemos la solución:

0.95 0.005
P (PeH| PrH) = ≈ 0.0871
0.95 0.005 + 0.05 0.995

2.
( n ) ( Pn )
X ξ − n (0.88) 145 − n (0.88)
P ξ i ≥ 145 =P η = pi=1 i >p = 0.99.
i=1 n (0.88) (0.12) n (0.88) (0.12)

Empleando el TCL tendremos la aporximación

( n )
X
P ξ i ≥ 151 ≈ P {N(0, 1) > c} = 0.99
i=1

con c = √145−n(0.88) . Pero esta estimación implica (mirar tablas de la

n(0.88)(0.12)
normal)
145 − n (0.88)
c= p = −2.325,
n (0.88) (0.12)
 xxv

cuya solución aproximada es n = 177. Basta que el número de reservas

sea mayor o igual que 177 para cubrir 145 de las plazas.
La segunda cuestión se resuelve de forma parecida:
( 160 ) ( )
X 151 − (0.88) (160)
P ξ i ≥ 151 = P η≥ p = 2. 481 5
i=1 0.1056 (160)
≈ 1 − P {η < 2. 481 5} = 1 − 0.9934
= 0.0066

3. Sea la función de verosimilitud

¡ ¢ ¡ ¢
L = fξ (x1 ) ...fξ (xn ) = 2θx1 exp −θx21 ...2θxn exp −θx2n
( P
(2θ)n exp (−θ ni=1 x2i ) si xi ≥ 0, para todo i
=
0 en el resto.

Obviamente esta función alcanza el máximo cuando L toma cuando

todos los xi son positivos. Esto es equivalente a maximizar la función
X
n
l = log L = n log (2θ) − θ x2i , (θ > 0).
i=1

n X 2
n
0
l = − xi = 0
θ i=1

equivale a
n
θ = Pn ;
i=1 x2i
como l00 = −n
θ2
< 0 entonces la función es estrictamente cóncava. Esto
implica que para θ = P nn x2 se alcanza el máximo y por tanto
i=1 i

n
θ∗ = Pn
i=1 ξ 2i

es el estimador de máxima verosimilitud. La estimación con las datos

dados es
10
θ∗ = P10 2 = 0.208 908 3
i=1 (xi )

4. Según este método debemos resolver

α1 = ξ
xxvi

i.e. Z 1
1 + θx 1
xdx = θ = ξ;
−1 2 3
por tanto el estimador pedido es

θ∗ = 3ξ.

5. Para estimar la varianza se emplea la cantidad pivotal

n−1 2 2
Q= S ∼ κn−1 .
σ2
Al buscar puntos q1 < q2 tales que

P (q1 ≤ Q ≤ q2 ) = 1 − α

se toman
2 2
q1 = κn−1,1− α < q2 = κ
n−1, α .
2 2

Llevamos esta información a la doble desigualdad q1 ≤ Q ≤ q2 . Operando

en esta desigualdad se llega a
à !
n−1 2 n−1 2
1 − α = P (q1 ≤ Q ≤ q2 ) = P 2
S ≤Q≤ 2 S ;
κn−1, α κn−1,1− α
2 2

esto significa que el intervalo pedido es

" #
n−1 2 n−1 2
I= 2
S , 2 S .
κn−1, α κn−1,1− α
2 2

Aplicamos esto al ejemplo expuesto: realizamos el estadístico S 2 con

ayuda de la muestra dada

1 X¡
4
2
¢2
S = ξi − ξ
n − 1 i=1
1£ 2 ¤
= 2 + 42 + (−4)2 + (−2)2
3
40
=
3
(nótese que ξ = 1267).

q1 = χ23,0.025 = 9.35,
q2 = χ23,0.975 = 0.216.
 xxvii

Por tanto el intervalo para este ejemplo es

∙ ¸
40 40
I= , = [4.278, 181.18] .
9.35 0.216

Como 1,2∈ / I entonces no podremos afirmar que σ 2 es 1 ó 2 a un nivel

de confianza 0’95.
xxviii

Universidad de Castilla-La Mancha

Facultad Ciencias del Medio Ambiente
Estadística. Tercer Curso
Examen de convocatoria ordinaria, 25-01-2005

INSTRUCCIONES

• Escribe claramente tus apellidos y nombre, en todas y cada una de las

hojas de examen.

• No se admitirá más de una hoja por problema. No escribas partes de

problemas diferentes en una misma hoja. Los problemas se han de entregar
por separado.

• En función de si uno tiene el examen parcial de evaluación suspenso, la

duración, los ejercicios y su puntuación, quedan distribuidos del siguiente
modo:

Ejercicios Puntuación Duración

Con parcial aprobado 3,4,5,7 (8 opcional) 2’5 ptos cada uno (hasta 1 pto) 3h.
Sin parcial aprobado 1,2,3,4,6,7,8 1,1’5,1’5,2,1,1’5,1’5 ptos. resp. 3h.

EJERCICIOS

1. En una encuesta realizada sobre la población de los EE.UU. de Norte

America, se han estudiado entre otras, cuatro variables de interés rela-
cionadas con el nivel de estudios. Éstas son: Número de años de esco-
larización de la persona encuestada, de su padre, de su madre y de su
cónyuge. Se han obtenido los diagramas de cajas correspondientes a
las cuatro variables así como unos estadísticos descriptivos con el fin de
caracterizar estas variables, y se han obtenido los siguientes resultados
(téngase en cuenta que no todos los encuestados respondieron a todas
las preguntas):
 xxix

20 960

15

10

5
6 20
8 34 1 .3 14

0 8 28 1.39 6 1 .2 05 82 1

N ú m ero de añ os d e N ú m er o de añ os de N ú m er o de a ños de N úm er o de a ño s de
es c olar iza ció n es co la riz ac ión d el es c olar iza ció n de la es co lar iza ción del
pa dre m ad re c ón yu gue

Estadísticos descriptivos

Número de
Número de años de Número de
Número de años de escolarizaci años de
años de escolarización ón del escolarización N válido (según
escolarización del padre cónyugue de la madre lista)
N 1510 1069 790 1233 535
Rango 20 20 20 20
Mínimo 0 0 0 0
Máximo 20 20 20 20
Suma 19455 11632 10184 13298
Media 12.88 10.88 12.89 10.79
Desv. típ. 2.984 4.129 3.059 3.463
Varianza 8.904 17.045 9.359 11.990
Asimetría -.168 -.184 -.237 -.646
.063 .075 .087 .070
Curtosis .710 -.094 1.098 .956
.126 .149 .174 .139

A la vista de los resultados responda a las siguientes preguntas:

(a) Valore las diferencias estadísticas más significativas entre los nive-
les educativos de la generación anterior y la que respondía a la
encuesta.
(b) Dónde se produce mayor cambio generacional en los parámetros
de posición o en los de dispersión. Justifique la respuesta.
(c) Valore la simetría de las distribuciones. Justifique el resultado
(d) Valore el apuntamiento de las distribuciones. Justifique la re-
xxx

spuesta.
(e) Hay alguna información en el rango. ¿Por qué?¿Hay alguna infor-
mación en el rango intercuartílico? ¿Por qué?
(f) ¿Diría que las distribuciones son normales? Justifique la respuesta.

2. En tres grandes poblaciones A, B y C la proporción de individuos infec-

tados por un determinado virus es del 30, 60 y 10% respectivamente. Se
toma al azar una de las 3 poblaciones (las tres son igual de probables),
y de ella elegimos a 10 individuos al azar, resultando que 2 de ellos
están infectados. ¿A qué población es más probable que pertenezcan?

3. El número de partículas en suspensión que había en Madrid el día

22 de Febrero estaba distribuido de manera uniforme entre 20000 y
30000 particulas por decímetro cúbico (dm3 ). Sabiendo que en cada
inspiración introducimos 0’5 dm3 de aire en nuestros pulmones y que
realizamos 10 inspiraciones por minuto, calcular la probabilidad de que
el número de partículas inspirado en una hora sea superior a 7510000
(Utilizar el Teorema Central del Límite).

4. Un investigador está estudiando un parámetro θ que representa la du-

ración media (en días) de vida de una rata desde que se le suministra
cierto tipo de veneno. Se sabe que esta duración viene dada por una
variable aleatoria de distribución N (θ, 0.2). Les suministra el veneno a
100 ratas resultando que la suma de los tiempos que sobreviven dichas
ratas es de 30 días. En base a esto construir un intervalo de confianza
del 95% para el parámetro θ. Interpretar convenientemente el resultado
obtenido.

5. Una población sigue una distribución de probabilidad cuya función de

densidad de masa viene dada por

Pξ∗ (x) = p(1 − p)x−1 x = 1, 2, ...

siendo p cierto parámetro del intervalo (0, 1]. Se pide determinar el

estimador de p mediante el método de máxima verosimilitud ¿Cuál
sería la estimación correspondiente si la realización de ξ es x = 6.5?

6. Lanzamos √ un dardo sobre el plano R2 al objeto de acertar en una diana

2
de radio 10 39 y centro en el punto de coordenadas (3, 2). Se supone que
los lanzamientos tienen carácter aleatorio y que cada impacto (ξ 1 , ξ 2 ) es
un vector aleatorio, de suerte que las componentes ξ 1 y ξ 2 son indepen-
dientes y además ξ 1 ∼ N(3, 1) y ξ 2 ∼ N(2, 1). Calcular la probabilidad
 xxxi

de que el dardo impacte dentro de la diana (Utilizar la distribución de

una X 2 ).

7. Sean, ξ 1 la v.a. que representa a los gastos por impagados en millones

de euros de una determinada empresa, y ξ 2 la v.a. de los ingresos netos.
Se sabe que la función de densidad del vector (ξ 1 , ξ 2 ) es
½
5(1 + x)e20(2−y) si x ∈ (0, 2) e y > 2
f(ξ1 ,ξ2 ) (x, y) =
0 en el resto

(a) Calcular la probabilidad de que los gastos por impagados sean

menores a un millón de euros.
(b) ¿Son independientes los gastos por impagados y los ingresos netos?
(c) ¿Qué cantidad de ingresos netos se esperan obtener si los impaga-
dos ascendieron hasta 1 millón de euros?

8. Una empresa desea determinar la proporción de clientes dispuestos a

adquirir uno de sus productos. Estima que dicha proporción es 0.45
ó 0.5. Decidir en base al Principio de Máxima Verosimilitud, una esti-
mación de dicha proporción si después de realizar una muestra aleatoria
simple de tamaño 15 entre sus clientes potenciales, 6 de ellos afirmaron
estar dispuestos a la adquirir y los 9 restantes no estaban dispuestos a
optar por dicho producto.
xxxii

Universidad de Castilla-La Mancha

Estadística. Tercer Curso de Ciencias del Medio Ambiente
Resolución del examen convocatoria de 25-01-2005
1.
2. Del enunuciado del problema se desprende lo siguiente: si Inf denota
estar infectado y A, B y C haber elegido a dichas poblaciones, entonces
P (Inf | A) = 3/10, P (Inf | B) = 6/10, P (Inf | C) = 1/10,
y
1
P (A) = P (B) = P (C) = .
3
Se sabe que S el suceso consistente en la realización de 10 obsevaciones
con resultado de 2 infecciones ha tenido lugar. La pregunta es saber
cuál de las siguientes cantidades es mayor:
P (A| S), P (B| S), P (C| S).
Calculemos: se sabe que
P (A ∩ S) P (S| A)P (A)
P (A| S) = = ,
P (S) P (S| A)P (A) + P (S| B)P (B) + P (S| C)P (C)
ahora bien, P (S| A) es la probabilidad de que hayan tenido lugar 2
infecciones de 10 individuos sabiendo que la probabilidad de infección
en A es 3/10. Esta probabilidad no es otra cosa que el valor de la masa
de un binomial de parámetros p = 3/10 y n = 10; análogamente para
las otras probabilidades condicionadas. Por tanto
µ ¶ µ ¶2 µ ¶8
10 3 7
P (S| A) =
2 10 10
y así
µ¶
10 ¡ 3 ¢2 ¡ 7 ¢8
2 10 10
P (A| S) = µ ¶ µ ¶ µ ¶ .
10 ¡ 3 ¢2 ¡ 7 ¢8 10 ¡ 6 ¢2 ¡ 4 ¢8 10 ¡ 1 ¢2 ¡ 9 ¢8
10 10
+ 10 10
+ 10 10
2 2 2
Puesto que el denominador que aparece en el cálculo de P (A| S), P (B| S) y
P (C| S) es el mismo, basta con comparar
µ ¶2 µ ¶8 µ ¶2 µ ¶8 µ ¶2 µ ¶8
3 7 6 4 1 9
, , .
10 10 10 10 10 10
 xxxiii

El valor más grande es el correspondiente a P (A| S) 2 . La población

con más probabilidad de haber sido elegida es A.
3. Supongamos que X es la v.a. que proporciona el número de partículas
en suspensión (expresada en miles de unidades por dm3 ). Entonces
X ∼ U(20, 30) y por ende
25
E[X] = 25 y V [X] = .
3
Realizamos 600 inspiraciones y en cada una introducimos 0’5 dm3 de
aire, esto es, nos llevamos a los pulmones 300 dm3 . Sean X1 , X2 , ..., X300
las v.a. que dan el número de partículas por cada una de lasP300 veces
que almacenamos 1 dm3 . Nos están pidiendo calcular p = P ( 300 i=1 Xi >
7510): P 300
i=1 Xi 7510
300
− 25 − 25
p = P( q > 300
q )
1 25 1 25
300 3 300 3

pero en virtud del TCL podemos aproximar p por P (φ > 0.2) con φ ∼
N(0, 1), con lo cual acudimos a las tablas de la normal para aproximar
la probabilidad pedida como
p ≈ P (φ > 0.2) = 0.5793

4. Sea la variable aleatoria X que da el tiempo de vida después de ingerir el

veneno: X ∼ N(θ, 0.2). Sea la muestra X1 , X2 , ..., X100 . Si pretendemos
la cosntrucción de un intervalo tomaremos como cantidad pivotal a
P 100
Xi
i=1
100
− θ
Q= 0.2
√
100

Sabemos que Q está distribuido como una N (0, 1). Desarrollamos y

llegamos a que el intervalo es
"P µ ¶ P100 µ ¶#
100
i=1 X i 0.2 Xi 0.2
I= − Z0.025 √ , i=1 + Z0.025 √
100 100 100 100
Usandolas tablas y los datos del investigador llegamos a que Z0.025 =
1.96 y a que el intervalo obteniendo:
I = [0.260 8, 0.339 2] .
2
Para cerciorarse de ello basta con esbozar la gráfica de la función ψ(p) = p2 (1 − p)8 y
notar que el máximo se da para p = 0.2. Los valores en 0.6 y 0.1 están más lejos de este
máximo que 0.3.
xxxiv

5. El EMV es el que maximiza la función de verosimilitud

l = log(p(1 − p)x1 −1 p(1 − p)x2 −1 ...p(1 − p)xn −1 )
à n !
X
= n log p − n log(1 − p) + xi log(1 − p)
i=1

Derivamos con respecto a p e igualamos a cero:

P
0 n n − ( ni=1 xi )
l = + =0
p 1−p
P
n (n−( ni=1 xi ))
La solución es p = Pn = 1ξ . Puesto que l00 = −n
2 + (1−p)2
<0
( i=1 xi ) p

(¿por qué?) el estimador máximo verosimil es p∗ = 1ξ . La estimación

que correspondería a p, dado que la realización de ξ es x = 6.5, sería
1
p ≈ 6.5 .
6. Si usamos el Teorema de Pitágoras nos daremos cuenta de que nos están
pidiendo que evaluemos la probabilidad
© ª
p = P (ξ 1 − 3)2 + (ξ 2 − 2)2 ≤ 1.39 ,
y puesto que (ξ 1 − 3)2 y (ξ 2 − 2)2 son cuadrados de normales (0, 1),
entonces Ψ = (ξ 1 −3)2 +(ξ 2 −2)2 se distribuye como una X22 . Buscamos
y obtenemos
p = P (Ψ ≤ 1.39) = 0.5

7.
R1
(a) Se puede calcular la marginal de ξ 1 y evaluar P (ξ 1 ≤ 1) = −∞
fξ1 (x)dx,
o directamente:
P (ξ 1 ≤ 1, ξ 2 cualquiera) = P (ξ 1 ≤ 1, −∞ < ξ 2 < ∞)
Z 1 µZ +∞ ¶
= f(ξ1 ,ξ2 ) (x, y) dy dx
−∞ −∞
Z 1 µZ +∞ ¶
40−20y
= 5(1 + x) e dy dx
0 2
3
=
8
(b) Las densidades marginales son
Z 2 µZ +∞ ¶
40−20y
5(1 + x) e dy dx
0 2
 xxxv
Z
fξ1 (x) = f(ξ1 ,ξ2 ) (x, y) dy
R
½ R +∞
5(1 + x)e40−20y dy si x ∈ (0, 2)
= 2
0 si x ∈
/ (0, 2)
½ 1
4
(1 + x) si x ∈ (0, 2)
=
0 si x ∈
/ (0, 2)
y
Z
fξ2 (y) = f(ξ1 ,ξ2 ) (x, y) dx
R
½ R2
5(1 + x)e40−20y dx si y ∈ (2, ∞)
= 0
0 si y ∈
/ (2, ∞)
½
20e40−20y si y ∈ (2, ∞)
=
0 si y ∈
/ (2, ∞)

Puesto que f(ξ1 ,ξ2 ) (x, y) = fξ1 (x) fξ2 (y) las variables son indepen-
dientes.
(c) Nos piden E [ξ 2 | ξ 1 = 1] pero dado que hay independencia

E [ ξ 2 | ξ 1 = 1] = E [ξ 2 ]
Z +∞
= 20ye40−20y dy
2
41
=
20

8. θ es 0.45 ó 0.5. Habremos de evaluar Pξ∗ (6) cuando ξ ∼ B(15, θ) :

∗
µ ¶ Pξ (6)
15
θ = 0.45 (0.45)6 (0.65)9
µ6 ¶
15
θ = 0.5 (0.5)6 (0.5)9
6

El valor mayor se corresponde con θ = 0.45, luego esta sería la esti-

mación máximo verosimil.
xxxvi

Universidad de Castilla-La Mancha

Facultad de CC Medioambientales
Tercer curso de Ciencias Ambientales
Estadística. Examen ordinario 26-01-06
EXAMEN CON PARCIAL APROBADO

1. Una compañía aérea sabe por experiencia que el 12% de las reservas
teléfónicas de plazas no se llevan a efecto, de modo que reserva más
plazas de las que dispone. Si en un vuelo hay 150 plazas, ¿cuántas
reservas puede hacer la compañía para que la probabilidad de cubrir
al menos 145 plazas sea del 99%? Si la compañía reserva 160 plazas,
¿cuál es la probabilidad de que, al menos un pasajero no tenga plaza
disponible a la hora de embarcar? (Ayuda: utilizar el Teorema Central
del Límite)

2. Queremos saber, con un nivel de confianza del 95%, entre qué valores,
expresados en segundos, estará comprendida la reacción de una célula
ante la presencia de un determinado agente externo. Para ello tomamos
una muestra de 300 células y anotamos el número de segúndos que tarda
en reaccionar cada una ellas. Calculada la media y la cuasivarianza
de la muestra se obtuvieron los resultados 8 y (12)2 respectivamente.
Hallar el intervalo de confianza del 95% para la media si se supone que
la duración de reacción sigue una ley normal.

3. Sea una población modelada por una normal N(μ, σ) donde se sabe
que μ = 1.8. Se realiza una m.a.s. de tamaño 10 resultando los datos

1.8 1.78 1.77 1.8 1.78 1.8 1.82 1.81 1.8 1.79

Encontrar el estimador de máxima verosimilitud para σ, y con los datos

de arriba realizar una estimación de máxima verosimilitud de σ.

4. En un instituto de investigación se mide el número de horas que tarda en

desaparecer una afección después de la aplicación de un medicamento.
Se supone que la desviación típica es de 99 horas y se pretende encontrar
un intervalo para la media poblacional μ. Determinar el tamaño de la
muestra necesario para estimar μ con un error menor a 5 horas y a
un nivel de confianza del 95%. Se supone que el tiempo que tarda en
desaparecer la afección sigue una ley normal N(μ, 99).
 xxxvii

Universidad de Castilla-La Mancha

Facultad de CC Medioambientales
Tercer curso de Ciencias Ambientales, Estadística. Examen ordinario
26-01-06
EXAMEN SIN PARCIAL APROBADO

1. Un laboratorio de química orgánica sintetiza tres tipos diferentes de

moléculas A, B y C en porcentajes respectivos 40%, 40% y 20%. Las
moléculas se clasifican en activas y no activas, de acuerdo a un criterio
preestablecido, obervándose que son activas el 30% de las de tipo A, el
50% de las del tipo B y el 80% de las del tipo C.¿Qué porcentaje de
moléculas son activas? ¿Cómo se distribuyen por tipos las moléculas
activas? (esto es, decir cuáles son las frecuencias de A, B y C cuando
éstas pertenecen a la población de las activas)
2. Se sabe que la v.a X que representa los coeficientes intelectuales de los
alumnos de un colegio sigue una normal. Conocemos P (X ≥ 1.4) = 0.1056)
y P (X ≥ 1) = 0.4013. Determinar la esperanza μ y la desviación típica
σ de la v.a. X.
3. Se sospecha que la proporción p de individuos de una población cierta
característica es muy baja. Si se observan 4 individuos, ¿cuál es, en
función de p, la probabilidad de no detectar dicha caraterística? Si
suponemos que p = 0.02, ¿cuál es el número mínimo de individuos que
se deben observar para detectar la característica con una probabilidad
mayor o igual que 0.95?
4. La altura que alcanza una determinada planta viene dada mediante
una v.a. ξ cuya densidad de probabilidad es
½ 1 −1x
e 4 si x ≥ 0
fξ (x) = 4
0 en el resto
Se toma una muestra aleatoria simple de tamaño 50, ξ 1 , ..., ξ 50 , de la v.a.
ξ. Calcular, con ayuda del Teorema Central de Límite, la probabilidad
de que la media muestral esté comprendida entre 3 y 5.
5. En la tabla adjunta se representan los valores del pH, de una solución
en 10 determinaciones diferentes:

6.8 6.78 6.77 6.8 6.78 6.8 6.82 6.81 6.8 6.79

suponiendo normal la distribución de la población de todas las deter-

minaciones del pH de esa solución, encontrar un intervalo de confianza
xxxviii

al 95% para la varianza poblacional. ¿Con cuántos decimales exactos

podemos dar una aproximación de la varianza?

6. Suponemos que el tiempo medio de vida de un determinado gusano

está dado mediante la v.a. X cuya densidad es
½ −θx
θe si x ≥ 0
fX (x) =
0 en el resto

(donde θ > 0). Obtener un estimador de máxima verosimilitud para θ

 xxxix

SOLUCION EXAMEN CON PARCIAL APROBADO

1.
( n ) ( Pn )
X ξ − n (0.88) 145 − n (0.88)
i
P ξ i ≥ 145 =P η = pi=1 >p = 0.99.
i=1 n (0.88) (0.12) n (0.88) (0.12)

Empleando el TCL tendremos la aporximación

( n )
X
P ξ i ≥ 145 ≈ P {N(0, 1) > c} = 0.99
i=1

con c = √145−n(0.88) . Pero esta estimación implica (mirar tablas de la

n(0.88)(0.12)
normal)
145 − n (0.88)
c= p = −2.325
n (0.88) (0.12)
cuya solución aproximada es n = 177. Basta que el número de reservas
sea mayor o igual que 177 para cubrir 145 de las plazas.
La segunda cuestión se resuelve de forma parecida:
( 160 ) ( )
X 151 − (0.88) (160)
P ξ i ≥ 151 = P η≥ p = 2. 481 5
i=1
0.1056 (160)
≈ 1 − P {η < 2. 481 5} = 1 − 0.9934
= 0.0066

2. α = 0.05, n = 300, x = 8 s2 = (12)2 . El intervalo para la media

poblacional, supuesta la desviación típica desconocida es
∙ ¸
s
I = x± √ t299,0.025
2
n
∙ ¸
12
= 8± √ 2
t299,0.025
300

que de manera aproximada -usando una t de 200 grados de libertad

resulta que el intervalo pedido es
∙ ¸
12
I == 8 ± √ 2
1.972 = [6. 63, 9.36].
300
xl

3. Si ξ ∼ N(μ, σ), con θ = σ parámetro desconocido, ξ 1 , ..., ξ n es una

m.a.s. y x1 , ..., xn es una realización de la misma, la función de verosimil-
itud es
1 −(x1 −μ)2 1 −(xn −μ)2
fθ (x1 , ..., xn ) = √ e 2σ2 ... √ e 2σ2
2πσ 2πσ
µ ¶n µ Pn ¶
1 − i=1 (xi − μ)2
= √ exp .
2πσ 2σ 2
En lugar de maximizar esta función lo hacemos con l = log (fθ (x1 , ..., xn ))
i.e. con
µ ¶n Pn
1 (xi − μ)2
lθ (x1 , ..., xn ) = log √ − i=1 2 .
2πσ 2σ

Para calcular el máximo de esta función de la variables σ ∈ R+ de-

terminamos sus puntos críticos. Los puntos críticos los obtenemos re-
∂lθ
solviendo = 0, es decir
∂σ
Pn
σ2 (xi − μ)2
−n 3 + i=1 3 = 0.
σ σ
La solución, el EMV es,
r Pn
2 i=1 (xi − μ)2
σ∗ =
n
Con los datos

x = [1.8, 1.78, 1.77, 1.8, 1.78, 1.8, 1.82, 1.81, 1.8, 1.79]
la estimación pedida es
s r
P10 2
2
i=1 (xi − 1.8) 2 0.002 3
σ= = = 0.015
10 10

4. X = número de horas que tarda ∼ N(μ, 99). El intervalo de confianza

es ∙ ¸
σ
I = X ± Zα/2 √
2
n
de manera que el error máxima es
99
e = long(I) = 2Z0.025 √ ≤ 5.
2
n
 xli

Por tanto basta con tomar n tal que

99
2 (1.96) √ ≤5
2
n
esto es, basta con n ≥ 6025.
xlii

SOLUCIÓN DEL EXAMEN SIN PARCIAL APROBADO

1. Los datos son

P (Act| A) = 0.3, P (Act| B) = 0.5, P (Act| C) = 0.8

El Teorema de la Probabilidad Total establece que

P (Act) = P (Act ∩ A) + P (Act ∩ B) + P (Act ∩ C)

= P (Act| A) P (A) + P (Act| B) P (B) + P (Act| C) P (C)
= (0.3) (0.4) + (0.5) (0.4) + (0.8) (0.2) = 0.48

Las probabilidades o frecuencias de las moléculas se calculan como

sigue:

P (Act ∩ A) P (Act| A) P (A) (0.3) (0.4)

P (A| Act) = = = = 0.25
P (Act) P (Act) 0.48
P (Act ∩ B) P (Act| B) P (B) (0.5) (0.4)
P (B| Act) = = = = 0.416
P (Act) P (Act) 0.48
P (Act ∩ C) P (Act| C) P (C) (0.8) (0.2)
P (C| Act) = = = = 0.33
P (Act) P (Act) 0.48

2. Se sabe que la v.a X ∼ N (μ, σ) y que los datos son P (X ≥ 1.4) = 0.1056)
y P (X ≥ 1) = 0.4013. Estandarizamos la variable y buscamos en las
tablas:
µ ¶
X −μ 1.4 − μ
P (X ≥ 1.4)) = P ≥ = 0.1056,
σ σ
µ ¶
X −μ 1−μ
P (X ≥ 1) = P ≥ = 0.4013.
σ σ

Puesto que la v.a. X−μσ

es necesariamente una N(0, 1), basándonos en
las tablas de ésta tendremos que

1.4 − μ
= 1.59
σ
1−μ
= 0.25
σ
Esto da lugar a que σ = 0.29 y μ = 0.92.
 xliii

3. Sea Xi la v.a. definida como cero si el inidividuo i posee la característica

y ceroP
en toro caso. Xi ∼ B(1, p). Al observarse 4 consideramos una v.a.
Y = 4i=1 Xi la cual se distribuye como una B(4, p). La probabilidad
de no detectar la característica es
µ ¶
4
p = P (Y = 0) = p0 (1 − p)4 = (1 − p)4
0
P4
Si p = 0.02 y definimos Y = i=1 Xi , entonces Y ∼ B(n, 0.02) y la
probabilidad establecida es

0.95 ≤ P (Y ≥ 1) = 1 − P (Y = 0)
= 1 − (1 − (0.02))n

i.e.
(1 − (0.02))n ≤ 0.05
y tomando logaritmos queda
ln(0.05)
n≥ ' 149
ln(0.98)

4. Calculamos la esperanza y varianza: :

Z ∞ Z +∞ µ ¶
x −x
μ = xfξ (x) dx = exp dx = 4
−∞ 0 4 4
Z ∞ Z +∞ 2 µ ¶
2 x −x
α2 = x fξ (x) dx = exp dx = 32
−∞ 0 4 4
σ 2 = 32 − 42 = 16

La probabilidad que piden es

¡ ¢
p = P 3≤ξ≤5
µ ¶
3−4 5−4
= P −0.44 = √ ≤ξ≤ √ = 0.44
16/ 50 16/ 50
que por el TCL puede aproximarse por

p = P (−0.44 ≤ N(0, 1) ≤ 0.44)

= F (0.44) − F (−0.44)
= 0.67 − (1 − F (0.44))
= 2 (0.67) − 1 = 0.34
xliv

5. La varianza poblacional se estima por intervalo del siguiente modo:

" #
(n − 1) S 2 (n − 1) S 2
I= 2
, 2
Xn−1, α Xn−1,1− α
2 2

con un nivel de confianza 1 − α. Para nuestro caso α = 0.05, n = 10 y

los datos de la muestra son los del vector
x = [6.8, 6.78, 6.77, 6.8, 6.78, 6.8, 6.82, 6.81, 6.8, 6.79] .
Así pues
P10
j=1 xj
x = = 6. 795
P 10
10 P10
2 j=1 (xj − x)2 j=1 (xj − 6.795)2
s = = = 2. 277 778 × 10−4
9 9
Además
2 2
X9,0.025 = 19.023, Xn−1,0.975 = 2.7
Sustituimos en el intervalo
∙ ¸
9 (2. 277 778 × 10−4 ) 9 (2. 277 778 × 10−4 )
I = ,
19.023 2.7
= [0.000107, 0.000759]
resultando que la precisión es de tres decimales.
6. La verosimilitud es
½ −θx −θx
θe 1 θe 2 ...θe−θxn si todos los xi ≥ 0
L=
0 en otro caso
Por consiguiente el máximo se alcanza cuando todos los xi son mayores
o iguales que cero. Maximizamos la expresión
Pn
L = θn e−θ i=1 xi

lo cual equivale a hacerlo con su logaritmo, i.e. con

à n !
X
l = log L = n log θ − θ xi
i=1

Al hacer l0 = 0 queda
à n !
X
n/θ − xi = 0
i=1
 xlv

por lo que
n 1
θ∗ = Pn =
( i=1 xi ) x
es el EMV.