1.

Un ingeniero de control de calidad toma una muestra de 10 productos que salen de una
lnea de ensamblaje y l desea verificar sobre la base de los datos que siguen, los nmeros
de productos con defectos observados en 200 das, si es cierto que el 5% de todos los
productos tienen defecto.
Nmero de productos con defecto

Nmero de muestras

138

53

2 ms

Determinar la distribucin de probabilidad con una significancia =5 %

Solucin:
Productos
defecto
0
1
2
Total

con Oi
138
53
9
200

f (0)

f (1)

0.05
10
0

0.05
10
1

P(x)

Ei

(Oi-Ei)2/Ei

0.599
0.315
0.086
1.0

119.8
63.0
17.2
200

2.76
1.59
3.91
8.26

(1 0.05)10 0 = 0.599

(1 0.05)10 1 = 0.315

y la probabilidad de 2 ms = 1.0 - 0.599 - 0.315 =0.086

= 8.26
.

<

= 5.991

2. Los siguientes datos son el nmero de aviones que aterrizan en un aeropuerto por da:
11
10
10
17
9

4
12
17
7
11

10
7
5
15
17

13
12
14
12
12

13
13
16
10
7

10
11
8
13
10

11
9
9
21
18

14
14
14
15
20

12
11
6
13
12

13
9
15
15
15

Determinar la distribucin de probabilidad con un nivel de confianza de 95 porciento.

Solucin:
n=50
entonces m=7 intervalos
calculamos la media muestral = 12.04
por lo tanto nos planteamos la hiptesis de que los datos tienen una distribucin Poisson con
=12 aviones/da.
Intervalo
0-4
5-8
9-12
13-16
17-20
21-24
25-
Total

Oi
1
6
21
16
5
1
0
50

p(x)
0.0076
0.1474
0.4209
0.3227
0.0897
0.0109
0.0008
1

Ei
0.38
7.37
21.045
16.135
4.485
0.545
0.04
50

(Ei-Oi)^2/Ei

Calculamos las probabilidades para cada intervalo:

( )=
( = 0,1,2,3,4) =

12

0!

( = 5,6,7,8) =
( = 9,10,11,12) =

12
5!
12
9!

Agrupamos frecuencias esperadas:

12

1!
+

12

12

12

6!
12
10!

2!
+

12

12

7!
12
11!

3!
+

12

12

= 0.0076

= 0.1474

8!
+

4!

12
12!

= 0.4209

Intervalo
0-8
9-12
13-16
17-
Total

Oi
7
21
16
6
50

Ei
7.75
21.045
16.135
5.07
50

(Ei-Oi)^2/Ei
0.07258
0.00010
0.00113
0.17059
0.2444

= 5.991

< . ,

3. En un proceso de llegada de entidades a un sistema, se han registrado los intervalos de

tiempo entre llegadas durante un periodo de 100 minutos. Las observaciones registradas
han sido las siguientes (ordenadas en el orden en que se han recogido).
0.44
2.80
5.55
1.63

0.53
0.04
3.93
1.46

2.04
1.35
1.07
1.08

2.74
8.32
2.26
2.06

2.00
2.34
2.88
0.85

0.30
1.95
0.67
0.83

2.54
0.10
1.12
2.44

0.52
1.42
0.26
2.11

2.02
0.46
4.57
3.15

1.89
0.07
5.37
2.90

1.53
1.09
0.12
6.58

0.21
0.76
3.19
0.64

Contraste la hiptesis de que los intervalos entre llegadas estn distribuidos

exponencialmente, empleando para ello la prueba de Kolmogorov-Smirnov con una
significancia de 5 por ciento.
Solucin:
n= 48
m =7 intervalos
Intervalo Oi
POi
POAi
0-1.3
20 0.42 0.42
1.3-2.6
16 0.33 0.75
2.6-3.9
6
0.13 0.88
3.9-5.2
2
0.04 0.92
5.2-6.5
2
0.04 0.96
6.5-7.8
1
0.02 0.98
7.8-
1
0.02 1.00
Total
48 1.00
c = mx|POAi-PEAi| = 0.06803

PEAi
0,484696896
0,734462711
0,863167811
0,929489948
0,963665951
0,981276952
1.0

|POAi PEAi|
0.06803
0.01554
0.01183
0.01282
0.00533
0.00211
0.00000

buscamos en tablas : D0.05,48 = 0.19221

Cmo c < D0.05,48 entonces la variable aleatoria se comporta de acuerdo a una distribucin
exponencial con 1/=1.96.

Calculando las PEAi

f ( x ) e x

para x 0

Funcin de probabilidad acumulada distribucin exponencial:

x

F ( x) e t dt 1 e x
0

Con la media muestral 1.96 1/=1.96=0.51

.

=1

( . )

= 0.4846969

=1

( . )

= 0.73446271

=1

( . )

= 0.86316781

4. Se ha observado que una variable aleatoria discreta puede tomar los valores 0, 1 y 2, con
probabilidad 0.50, 0.20 y 0.30 respectivamente. Aplicando el mtodo de la transformada
inversa genere cinco observaciones de esa distribucin emprica discreta.
Solucin:
Probabilidades acumuladas:
x
p(x) P(x)
0 0.5
0.5
1 0.2
0.7
2 0.3
1.0
Entonces la regla para generar esta variable aleatoria estara dada por:
0
= 1
2

0.5
0.8

0.5
0.8
1.0

Generando las cinco observaciones para esta distribucin emprica:

i
1
2
3
4
5

ri
0.723
0.304
0.707
0.482
0.664

Observacin
1
0
1
0
1

5. Un agricultor atiende una porcin de tierra. Todos los aos al inicio de la estacin de
cultivo realiza pruebas qumicas para revisar la condicin de la parcela. Dependiendo de
los resultados de las pruebas puede clasificar la productividad del terreno como
buena(1), regular(2) o mala(3). La experiencia anterior indica que la productividad
del ao en curso puede suponerse dependiente solo de la condicin del terreno del ao
anterior. Por tanto, el agricultor, puede representar las probabilidades de transicin en un
periodo de un ao de un estado de productividad a otro en trminos de la siguiente
matriz:

Estado del
sistema este ao

1
2
3

Estado del sistema el ao prximo

1
2
0.30
0.60
0.10
0.60
0.05
0.40

3
0.10
0.30
0.55

Cul sera el estado final del terreno dentro de 7 aos partiendo de un estado buena (1).
Solucin:
Ao
1
2
3
4
5
6
7

Estado
Inicial
1
2
2
2
2
2
3

Probabilidad de transicin Acumulada

1
2
3
0.3
0.9
1.0
0.1
0.7
1.0
0.1
0.7
1.0
0.1
0.7
1.0
0.1
0.7
1.0
0.1
0.7
1.0
0.05
0.45
1.0

El estado final del terreno dentro de siete ao es 1 buena.

ri
0.80314
0.14790
0.42915
0.49127
0.50658
0.93742
0.02064

Estado
final
2
2
2
2
2
3
1