Banco Est2 2021.1

BANCO DE PREGUNTAS EST2
FINAL PASADO
Ejercicio 1.
Usted desea saber un intervalo de confianza para la media. Si se sabe que la variable
de estudio es normal y selecciona una muestra aleatoria de 30 que genera un promedio
de 120 y varianza de 2.54, entonces para el intervalo de Confianza usa una distribución
Z.
Respuesta: FALSO
Ejercicio 1.1
Usted desea obtener un intervalo de confianza para la media. Si sabe que la variable
del estudio es normal con varianza 2.54 y selecciona una muestra aleatoria de 30 que
genera un promedio de 120, entonces para obtener un intervalo de confianza usa la
distribución t- student.
RESPUESTA: FALSO
Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Ejercicio 1.2
Ejercicio 1.3
Ejercicio 2.

Ejercicio 3.
Ejercicio 4.
4. a) respuesta: t-student, la 4.b) está bien (Z=-1.8)
Ejercicio 5.

Ejercicio 6.
Ejercicio 7.

Ejercicio 8.
Ejercicio 9.
Ejercicio 10.

Ejercicio 11
Ejercicio 12
Ejercicio 13
13) La respuesta es verdadero, pero el error en el sistema no consideró dicho puntaje.

Ejercicio 14

Ejercicio 15
Si se hace un muestreo aleatorio simple (M.A.S.) sin reemplazamiento de una población
de tamaño “N”, del cual se extrajo una muestra de tamaño “n”. Cuál es la probabilidad
de elegir al individuo “k”
a) 1/n
b) 1/(N – k – 1)
c) k/N
d) 1/(N – k )
Ejercicio 16
Si se hace un muestreo aleatorio simple (M.A.S.) con reemplazamiento de una población
de tamaño “N”, del cual se extrajo una muestra de tamaño “n”. Cual es la probabilidad
de elegir al individuo “k”
a) 1/n
b) n/N
c) 1/N
d) k/N
Ejercicio 17
Una variable aleatoria “X” se distribuye normalmente, hallar:
2
∑20
𝑖=𝑖 (𝑋𝑖 − 𝑋)
𝑃( ≥ 8.34)
𝜎2
2
(𝑛 − 1) ∑20
𝑖=𝑖 (𝑋𝑖 − 𝑋)
=𝑃 𝑛−1 ≥ 8.34
𝜎2
( )
(𝑛 − 1)𝑠 2
= 𝑃( ≥ 8.34)
𝜎2
2
𝑃(𝜒19 ≥ 8.34) = 0.9829
Ejercicio 18
El muestreo por conglomerados se puede hacer en más de una etapa
VERDADERO
FALSO
Ejercicio 18.2
En el muestreo por conglomerado la unidad de muestreo es un elemento.
VERDADERO
FALSO

Ejercicio 18.3
En el muestreo por conglomerado, los conglomerados entre sí son homogéneos.
VERDADERO
FALSO
Ejercicio 18.4
Ejercicio 18.5
En el muestreo estratificado, los elementos de los estratos entre sí son heterogéneos.
Ejercicio 18.6
En el muestreo aleatorio simple se deben tener varios marcos.

Ejercicio 18.7
En el muestreo por conglomerado, los elementos de los conglomerados entre sí son
homogéneos.
VERDADERO
FALSO
Ejercicio 18.8
En el muestreo por etapas se deben tener varios marcos
RESPUESTA: VERDADERO

Ejercicio 19
En un muestreo estratificado, los estratos son entre si __________ y dentro de ellos
__________
a) Homogéneos heterogéneos
b) Heterogéneos homogéneos
c) Homogéneos homogéneos
d) Heterogéneos heterogéneos
Ejercicio 20
La distribución de la demanda de un producto es:
Demanda 0 1 2
Probabilidad 0.025 0.175 0.3
Aproxime todos sus cálculos previos a 3 decimales para finalmente calcular la

probabilidad (con 4 decimales) de que la demanda promedio, en una muestra aleatoria
de 36 días, se encuentra desde 1 hasta 3
RESPUESTA: 0.9608
Ejercicio 21
Suponga que X1, X2, X3 son muestras aleatorias de observaciones extraídas de una
población de media µ y varianza σ2, Cuál de los siguientes estimadores de µ no es
insesgado
𝑋1 𝑋2 𝑋3
a) 𝑋 = 4
+ 2
+ 4
𝑋1 𝑋2 𝑋3 𝐸(𝑋1 ) 𝐸(𝑋2 ) 𝐸(𝑋3 ) 𝜇 𝜇 𝜇

𝐸(𝑋) = 𝐸 ( )+𝐸( )+𝐸( ) = + + = + + =𝜇
4 2 4 4 2 4 4 2 4

5𝑋1 𝑋2 𝑋3
b) 𝑋 = 4
+ 4
− 2
5𝜇 𝜇 𝜇
𝐸(𝑋) = + − =𝜇
4 4 2
3𝑋1 𝑋2
c) 𝑋 = + − 𝑋3
2 2
3𝜇 𝜇
𝐸(𝑋) = + −𝜇 =𝜇
2 2
5𝑋1 𝑋2 𝑋3
d) 𝑋 = 6
− 5
+ 4
5𝜇 𝜇 𝜇 7
𝐸(𝑋) = − + = 𝜇
6 2 4 12
Ejercicio 21.2

Ejercicio 21.3
Ejercicio 21.4
Ejercicio 22
Al reparar cierto tipo de máquina empacadora ocasionalmente ocurre una complicación

que requiere asistencia técnica exterior. Se dese estimar la proporción de trabajos de
reparación que requiere asistencia exterior, basándose en una muestra aleatoria simple
de 50 trabajos de reparación terminada recientemente. Suponga que en realidad se
requiere asistencia exterior en un 20% de los trabajos de reparación.
n = 50 p = 0.2
a) ¿Cuál es la probabilidad, aproximada a 4 decimales, que la proporción muestral
se encuentre entre 0,17 y 0,23?
𝑃 (0.17 < 𝑝 < 0.23) = 𝑃(−0.53 < 𝑍 < 0.53) = 0.4039
b) Qué tamaño de muestra se debería escoger si se quiere tener una probabilidad

igual al 5% de que la proporción muestral difiera de su proporción real en más
del 5%
NC = 0.95 e = 0.05 p = q = 0.5
n = 385

Ejercicio 22.2
Ejercicio 22.3
Ejercicio 22.4

Respuesta de la b: 246
Ejercicio 23
1. Si 𝑋1 es la media de una m. a. de tamaño n de una población normal con media 𝜇 y
varianza 𝜎12 , 𝑋2 es la media de una m. a. de tamaño n de una población normal con
media 𝜇 y varianza 𝜎22 , y las dos muestras independientes. Sea el estimador
insesgado de µ:
𝑇 = 𝑤𝑋1 + (1 − 𝑤)𝑋2
Determine w que hace que la varianza de T es mínima. Luego obtenga este valor
(aproximado a 2 decimales) si:
𝑛 = 30; 𝑋1 = 30; 𝑋2 = 28; 𝜎12 = 8; 𝜎22 = 25
𝑉𝑎𝑟(𝑇) = 𝑉𝑎𝑟(𝑤𝑋1 + (1 − 𝑤)𝑋2 ) = 𝑤 2 𝑉𝑎𝑟(𝑋1 ) + (1 − 𝑤)2 𝑉𝑎𝑟(𝑋2 )
𝜎12 𝜎22
𝑉𝑎𝑟(𝑇) = 𝑤 2 [ ] + (1 − 𝑤)2 [ ]
𝑛 𝑛
Como piden varianza mínima
𝜕𝑉𝑎𝑟(𝑇) 𝜎12 𝜎22 𝜎12 𝜎22

= 2𝑤 [ ] + 2(1 − 𝑤)(−1) [ ] = 2𝑤 [ ] − 2(1 − 𝑤) [ ] = 0
𝜕𝑤 𝑛 𝑛 𝑛 𝑛
𝜎12 𝜎22
2𝑤 [ ] = 2(1 − 𝑤) [ ]
𝑛 𝑛
𝜎12 𝜎22 𝜎22

𝑤[ ] = [ ]−𝑤[ ]
𝑛 𝑛 𝑛
𝜎12 𝜎22 𝜎22

𝑤[ ]+𝑤[ ] = [ ]
𝑛 𝑛 𝑛

𝑤(𝜎12 + 𝜎22 ) = 𝜎22
𝜎22 25 25
𝑤= → 𝑤= = = 0.76
𝜎12 + 𝜎22 8 + 25 33
Ejercicio 23.2

Ejercicio 23.3
Ejercicio 23.4

Ejercicio 23.5
Ejercicio 23.6
Ejercicio 24
2. Se extrae una muestra aleatoria de tamaño 40 de una población de distribución
exponencial
𝑓(𝑥; 𝛽) = 𝛽𝑒 −𝛽𝑥 ; 𝑥 > 0
Calcular la cota de Cramer Rao cuando el parámetro es 5. Aproxime su respuesta a

3 decimales
1. Sea 𝑋~𝑁(25; 35; 42 ; 52 ; −0.8), los puntos A (22; 25) y B (26; 31) pertenecen a esta
distribución normal bivariada
a) Sólo A
b) Sólo B
c) A y B
d) Ninguno
1
𝑐𝑜𝑡𝑎 𝑐𝑟𝑎𝑚𝑒𝑟 𝑟𝑎𝑜 = 2
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑋; 𝜃))
𝑛𝐸 [ ]
𝜕𝜃
𝑙𝑛 𝑙𝑛 (𝑓(𝑥; 𝛽)) =𝑙𝑛 𝑙𝑛 (𝛽𝑒−𝛽𝑥 ) = 𝑙𝑛𝛽 + 𝑙𝑛𝑒−𝛽𝑥 = 𝑙𝑛𝛽 − 𝛽𝑥
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑥; 𝛽)) 1
= −𝑥
𝜕𝛽 𝛽
Nota
+∞
1
𝐸(𝑥) = ∫ 𝑥(𝛽𝑒 −𝛽𝑥 )𝑑𝑥 =
0 𝛽

+∞
2
𝐸(𝑥 2 ) = ∫ 𝑥 2 (𝛽𝑒 −𝛽𝑥 )𝑑𝑥 =
0 𝛽2
2 2
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑥; 𝛽)) 1 1 2𝑥 1 2
𝐸[ ] = 𝐸 [ − 𝑥] = 𝐸 [ 2 − + 𝑥 2 ] = 2 − 𝐸(𝑥) + 𝐸(𝑥 2 )
𝜕𝛽 𝛽 𝛽 𝛽 𝛽 𝛽
2
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑥; 𝛽)) 1 2 1 2 1
𝐸[ ] = 2− ( )+ 2 = 2
𝜕𝛽 𝛽 𝛽 𝛽 𝛽 𝛽
1 1 1
𝑐𝑜𝑡𝑎 𝑐𝑟𝑎𝑚𝑒𝑟 𝑟𝑎𝑜 = = = = 0.625
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑋; 𝜃))
2 1 1
𝑛 ( 2 ) 40 ( 2 )
𝑛𝐸 [ ] 𝛽 5
𝜕𝜃
Ejercicio 25
La siguiente función es un estadístico
ESTADÍSTICO = MUESTRA
PARÁMETRO = POBLACIÓN
𝜇 + 𝑥1 + 2𝑥2 + ⋯ + 𝑛𝑥𝑛
𝑓(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) =
2𝑛
Verdadero
Falso
Ejercicio 25.1

Ejercicio 25.2
Ejercicio 26
Se dispone de una m. a. de tamaño “n” de la variable aleatoria cuya función de densidad
es
𝜃 3 𝑥 2 𝑒 −𝜃𝑥
𝑓(𝑥) = ;𝑥 > 0
2
Si n = 150 y ∑ 𝑥𝑖 = 400.¿Cuál es el valor (aproximado a 3 decimales) del

estimador de máxima verosimilitud de θ?
𝑛
𝜃 3 𝑥𝑖2 𝑒 −𝜃𝑥𝑖 𝜃 3 𝑥12 𝑒 −𝜃𝑥1 𝜃 3 𝑥22 𝑒 −𝜃𝑥2 𝜃 3 𝑥𝑛2 𝑒 −𝜃𝑥𝑛
𝐿(𝜃) = ∏ ( )=( )( )… ( )
2 2 2 2
𝑖=1
𝑛
(𝜃 3 )𝑛 (𝑥12 . 𝑥22 … 𝑥𝑛2 )𝑒 −𝜃𝑥1 −𝜃𝑥2 −⋯−𝜃𝑥𝑛 𝜃 3𝑛 (∏𝑛𝑖=1 𝑥𝑖2 ) 𝑒 −𝜃 ∑𝑖=1 𝑥𝑖
𝐿(𝜃) = =
2𝑛 2𝑛
𝑛
𝜃 3𝑛 (∏𝑛𝑖=1 𝑥𝑖2 ) 𝑒 −𝜃 ∑𝑖=1 𝑥𝑖
𝐿𝑛[𝐿(𝜃)] = 𝐿𝑛 [ ]
2𝑛
𝑛
𝑛
= 𝐿𝑛(𝜃 3𝑛 )
+ 𝐿𝑛 (∏ 𝑥𝑖2 ) + 𝐿𝑛(𝑒 −𝜃 ∑𝑖=1 𝑥𝑖
) − 𝐿𝑛(2𝑛 )
𝑖=1
𝑛 𝑛
𝐿𝑛[𝐿(𝜃)] = 3𝑛𝐿𝑛(𝜃) + 𝐿𝑛 (∏ 𝑥𝑖2 ) − 𝜃∑ 𝑥𝑖 − 𝐿𝑛(2𝑛 )

𝑖=1 𝑖=1

𝑛
𝜕𝐿𝑛𝐿(𝜃) 1
= 3𝑛 ( ) − ∑ 𝑥𝑖 = 0
𝜕𝜃 𝜃
𝑖=1
𝑛
1 3𝑛 3(150)
3𝑛 ( ) = ∑ 𝑥𝑖 → 𝜃= → 𝜃= = 1.125
𝜃 ∑𝑛𝑖=1 𝑥𝑖 400
𝑖=1
Ejercicio 26.2
Ejercicio 26.3
Ejercicio 27
Un estimador puntual de µ es
𝑛𝑋1 + (𝑛 − 1)𝑋2 + ⋯ + 𝑋𝑛
𝑋=
𝑛(𝑛 + 1)
Verdadero
Falso

𝑛𝑋1 + (𝑛 − 1)𝑋2 + ⋯ + 𝑋𝑛 1
𝐸(𝑋) = 𝐸 ( )= 𝐸(𝑛𝑋1 + (𝑛 − 1)𝑋2 + ⋯ + 𝑋𝑛 )
𝑛(𝑛 + 1) 𝑛(𝑛 + 1)
1
𝐸(𝑋) = [𝑛𝐸(𝑋1 ) + (𝑛 − 1)𝐸(𝑋2 ) + ⋯ + 2𝐸(𝑋𝑛−1 ) + 𝐸(𝑋𝑛 )]
𝑛(𝑛 + 1)
1 1
𝐸(𝑋) = [𝑛𝜇 + (𝑛 − 1)𝜇 + ⋯ + 2𝜇 + 𝜇] = (𝜇)[1 + 2 + 3 + ⋯ + 𝑛]
𝑛(𝑛 + 1) 𝑛(𝑛 + 1)
1 𝑛(𝑛 + 1) 𝜇
𝐸(𝑋) = [𝜇] [ ]=
𝑛(𝑛 + 1) 2 2
Ejercicio 28. 1
Se obtiene una muestra aleatoria de tamaño 16 de una distribución normal con media y
varianzas desconocidas, obtener:
𝑠2 (𝑛 − 1)𝑆 2 2
𝑃( ≤ 1.2167) = 𝑃 ( ≤ (16 − 1)(1.2167)) = 𝑃(𝜒15 ≤ 18.25) = 0.75
𝜎2 𝜎2
(𝑛 − 1)𝑆 2
𝜒2 =
𝜎2
𝑠2
𝑃( ≤ 1.2167) = 𝑃(𝑠 2 ≤ 1.2167𝜎 2 )
𝜎2
Ejercicio 28. 2

Ejercicio 29
Los ingresos anuales de un amplio sector de empresas comerciales se reparten según
una distribución normal de media 100 millones de euros y una desviación típica de cinco
millones de euros. Calcule la probabilidad de que, en una muestra aleatoria simple de
16 empresas pertenecientes al sector, la varianza muestral sea superior a 8.715
(millones de euros)2.
𝜇 = 100 𝜎=5 𝑛 = 16 𝐺𝐿 = 16 − 1 = 15
2
(16 − 1)(8.715) 2
𝑃(𝑆 2 > 8.715) = 𝑃 (𝜒15 > ) = 𝑃(𝜒15 > 5.23) = 0.9900
52
2
(𝑛 − 1)𝑆 2
𝜒 =
𝜎2
Ejercicio 30
Sean 𝑋1 𝑦 𝑋2 las medias respectivas de dos muestras al azar independientes de
tamaños n1 y n2 escogidas de una población X de Poisson con parámetro λ.
𝐸(𝑋1 ) = 𝐸(𝑋2 ) = 𝑉𝑎𝑟(𝑋1 ) = 𝑉𝑎𝑟(𝑋2 ) = 𝜆
𝑛1 𝑋1 − +𝑛2 𝑋2 −
a) Compruebe que la estadística 𝜆∧ = es un estimador insesgado del
𝑛1 +𝑛2
parámetro λ.
∧)
𝑛1 𝑋1 − + 𝑛2 𝑋2 − 1 1
𝐸(𝜆 = 𝐸 ( )= [𝑛1 𝐸(𝑋1 ) + 𝑛2 𝐸(𝑋2 )] = [𝑛 𝜆 + 𝑛2 𝜆] = 𝜆
𝑛1 + 𝑛2 𝑛1 + 𝑛2 𝑛1 + 𝑛2 1
b) Obtenga la varianza del estimador.
𝑛1 𝑋1 − + 𝑛2 𝑋2 − 1
𝑉𝑎𝑟(𝜆∧ ) = 𝑉𝑎𝑟 ( )= [𝑉𝑎𝑟(𝑛1 𝑋1 ) + 𝑉𝑎𝑟(𝑛2 𝑋2 )]
𝑛1 + 𝑛2 (𝑛1 + 𝑛2 )2
1 1
𝑉𝑎𝑟(𝜆∧ ) = [𝑛12 𝑉𝑎𝑟(𝑋1 ) + 𝑛22 𝑉𝑎𝑟(𝑋2 )] = [𝑛2 𝜆 + 𝑛22 𝜆]
(𝑛1 + 𝑛2 )2 (𝑛1 + 𝑛2 )2 1
𝑛12 + 𝑛22
𝑉𝑎𝑟(𝜆∧ ) = (𝜆)
(𝑛1 + 𝑛2 )2

Ejercicio 31
Sean 𝑃1 𝑦𝑃2 las proporciones de éxitos de dos muestras respectivas de tamaños n1 y n2
𝑛 𝑃 − +𝑛 𝑃 −
escogidas de una población X Bernoulli β(1, p), ¿es la proporción global 𝑃̂ = 1 1 2 2 𝑛1 +𝑛2
un estimador insesgado del parámetro
Verdadero
Falso
𝐸(𝑃1 ) = 𝐸(𝑃2 ) = 𝑝
𝑛 𝑃 +𝑛 𝑃 1 1
𝐸(𝑃̂) = 𝐸 ( 1𝑛1 +𝑛2 2 ) = 𝑛 +𝑛
[𝑛1 𝐸(𝑃1 ) + 𝑛2 𝐸(𝑃2 )] = 𝑛 +𝑛
(𝑛1 𝑝 + 𝑛2 𝑝) = 𝑝
1 2 1 2 1 2
Ejercicio 32
De una población X con distribución descrita por 𝑓(𝑥, 𝜇, 𝜎 2 ), se escogen dos muestras
aleatorias independientes de tamaños n1 y n2. Sean 𝑋1 − 𝑦𝑋2 − , 𝑦 𝑠12 𝑦𝑠22 . Sus medias y
varianzas respectivas.
¿Es la media global 𝑋 − = (𝑛1 𝑋1 − + 𝑛2 𝑋2 − )/(𝑛1 + 𝑛2 ), un estimador insesgado del
parámetro µ?
VERDADERO
FALSO
𝑛1 𝑋1 + 𝑛2 𝑋2
𝑋=
𝑛1 + 𝑛2
𝐸(𝑋1 ) = 𝐸(𝑋2 ) = 𝜇
𝑛1 𝑋1 + 𝑛2 𝑋2 1 1
𝐸(𝑋) = 𝐸 ( )= 𝐸(𝑛1 𝑋1 + 𝑛2 𝑋2 ) = ( ) [𝑛1 𝐸(𝑋1 ) + 𝑛2 𝐸(𝑋2 )]
𝑛1 + 𝑛2 𝑛1 + 𝑛2 𝑛1 + 𝑛2
1 1
𝐸(𝑋) = ( ) [𝑛1 𝜇 + 𝑛2 𝜇] = ( ) (𝜇)(𝑛1 + 𝑛2 ) = 𝜇
𝑛1 + 𝑛2 𝑛1 + 𝑛2
(𝑛1 −1)𝑆12 +(𝑛2 −1)𝑆22

¿Es la varianza común o promedio 𝑆𝑐2 = , un estimador insesgado
𝑛1 +𝑛2 −2
del parámetro 𝜎2 ?
VERDADERO
FALSO
𝐸(𝑠12 ) = 𝐸(𝑠22 ) = 𝜎 2
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22 1

𝐸(𝑆𝑐2 ) = 𝐸 ( )= [𝐸 ((𝑛1 − 1)𝑆12 ) + 𝐸 ((𝑛2 − 1)𝑆22 )]
𝑛1 + 𝑛2 − 2 𝑛1 + 𝑛2 − 2

1
𝐸(𝑆𝑐2 ) = [(𝑛 − 1)𝐸(𝑠12 ) + (𝑛2 − 1)𝐸(𝑠22 )]
𝑛1 + 𝑛2 − 2 1
1
= [(𝑛 − 1)𝜎 2 + (𝑛2 − 1)𝜎 2 ]
𝑛1 + 𝑛2 − 2 1
1
𝐸(𝑆𝑐2 ) = ( ) (𝜎 2 )(𝑛1 − 1 + 𝑛2 − 1) = 𝜎 2
𝑛1 + 𝑛2 − 2
Ejercicio 33
Las estaturas de 1000 estudiantes están distribuidas aproximadamente de forma normal
con una media de 174,5 centímetros y una desviación estándar de 6,9 centímetros. Si
se extraen 200 muestras aleatorias de tamaño 25 de esta población, determine:
a) la media y la desviación estándar de la distribución muestral del promedio
muestral
𝜎2
𝑋~𝑁 (𝜇; ) 𝑝𝑜𝑏. 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎
𝑛
𝜎2 𝑁 − 𝑛
𝑋~𝑁 (𝜇; × ) 𝑝𝑜𝑏. 𝑓𝑖𝑛𝑖𝑡𝑎𝑠 (𝑁 ≤ 100 000)
𝑛 𝑁−1
𝑁 = 1000 𝜇 = 174.5 𝜎 = 6.9 𝑛 = 25
𝜎2 𝑁 − 𝑛 𝜎 𝑁−𝑛
𝜇𝑋 = 𝜇 𝜎𝑋 = √ ( )= √
𝑛 𝑁−1 √𝑛 𝑁 − 1
6.9 1000 − 25
𝜇𝑋 = 174.5 𝜎𝑋 = √
√25 1000 − 1
b) el número de las medias muestrales que caen entre 172,5 y 175,8 centímetros
172.5 − 174.5 175.8 − 174.5

𝑃(172.5 < 𝑋 < 175.8) = 𝑃 <𝑍<
6.9 √1000 − 25 6.9 √1000 − 25
( √25 1000 − 1 √25 1000 − 1 )
= 𝑃(−1.43 < 𝑍 < 0.93) = 0.7475

Ejercicio 34
Un fabricante afirma que produce baterías cuya duración es de 1600 horas, con una
desviación de 200 horas. Para verificar esta información, se toma una muestra de 25
baterías, encontrándose que el rendimiento promedio es de 1550 horas. A un nivel de
significancia del 0.05, que conclusión se podría obtener. Asuma que la duración de las
baterías sigue un comportamiento normal.
Problema: determinar si la afirmación del fabricante es cierta ¿es correcto lo que afirma
el fabricante? (en el planteamiento del problema se debe de ser claro y conciso, acá no
entra floro ni nada de esas huevadas, en el primer párrafo se puede observar que el
fabricante afirma que produce baterías…, bueno eso es lo que se quiere probar)
Variable: duración de las baterías, en horas.
Hipótesis: acá es cuando más cuidado se debe de tener, ¿que afirma el fabricante?, que
sus baterías duran por lo menos 1600 horas, este por lo menos significa que las baterías
tienen una media de al menos 1600 horas, lo que se representaría como µ ≥ 1600, como
posee la igualdad, esto debe de ir en la H0. Por lo tanto, las hipótesis serían:
H0: µ ≥ 1600 µ = 1600 (lo que afirma el fabricante)

H1: µ < 1600 (lo contario a lo que afirma el fabricante, es decir, el
fabricante se equivoca)
Regiones de Rechazo o regla de decisión: acá entra a tallar los datos que se están
manejando, como la varianza poblacional o la desviación estándar poblacional, que en
este caso es conocida, se trabajará con la distribución normal (en el texto del problema
dice “Un fabricante afirma que produce baterías cuya duración es de al menos 1600
horas, con una desviación de 200 horas. Para …..” esta desviación a la que se hace
mención es poblacional, ya que no se halla después de que se obtuvo la muestra)
Por otro lado, como la hipótesis alternativa es: H1: µ < 1600, la cola se halla hacia la
izquierda, con un nivel de significancia de 0.05 (α = 0.05)
Por lo tanto, la región quedará como:
El valor de “Z” se obtiene interpolando en la tabla

de distribución normal, para una cola de 0.05
(deben de utilizar las tablas que se han colgado)
La región de rechazo queda definida de esta
forma:
Rechazar H0 si Z < -1.645….. también lo pueden
definir como un conjunto si lo expresan de esta
forma:
RR = { Z/ Z < -1.645}
Cualquiera de los dos casos sería correcto, noten que la región de rechazo es “<” por
qué coincide con la H1
Valor de prueba: se hallan con los datos obtenidos del problema y reemplazando en la
𝑥−𝜇
fórmula correspondiente a este caso: 𝑍 = 𝜎 , para ello se sabe que
√𝑛

σ = 200, n = 25, 𝑥 = 1550, µ = 1600 (se considera este valor numérico de las hipótesis)
1550−1600
reemplazando se obtiene 𝑍 = 200 Z = -1.25
√25
Este Z = -1.25 cae a la derecha del valor de Zα = -1.645, es decir cae en la región de
aceptación, por lo tanto, no se rechaza H0 (al no rechazarse H0, la H1 queda rechazada;
sólo se puede aceptar o rechazar una de las hipótesis, y la conclusión se saca con la
H0, la conclusión pertinente a la H1 es por complemento, es decir, si no se rechaza H0,
se rechaza H1 y si se rechazara H0, que no es el caso, se aceptaría H1.
Conclusión: Como Z = -1.25 > Zα = -1.645, no se rechaza H0, por lo tanto, la afirmación
del fabricante es correcta, con margen de error de equivocarnos de 0.05 (el que
corresponde al nivel de significancia)
Ejercicio 35
Al estudiar si conviene tener o no una sucursal en la ciudad de Tarapoto, la gerencia de
una cadena de mercados de Lima, establece el siguiente criterio para tomar una
decisión: Abrirá la sucursal sólo si se comprueba que el ingreso promedio familiar
mensual en dicha ciudad es de al menos de $500. Si una muestra aleatoria de 100
ingresos familiares de esa ciudad ha dado una media de $ 480 y una desviación
estándar de $80, ¿Cuál es la decisión de la gerencia con un riesgo del 5% de cometer
un error tipo I?
Hipótesis:
𝐻0 : 𝜇 ≥ 500
𝐻1 : 𝜇 < 500 cola izquierda
n = 100
𝑥 = 480
𝑠 = 80
Alfa = 0.05
T tabla = -1.6604
tp = -2.50
valor p =0.0070
Conclusión: como valor p = 0.0070 < alfa = 0.05 se rechaza H0, por lo tanto, no se
abre la sucursal
Ejercicio 36
Se sembró en forma experimental una nueva variedad de uvas en el viñedo San Pedro
San Martín. El empresario agroindustrial dueño del viñedo afirma que el peso promedio
por racimo es de al menos 160 gramos. Sin embargo, una muestra de 10 racimos de la

uva la reciente cosechada ha dado los siguientes pesos en gramos: 157, 157, 163, 158,
161, 159, 162, 159, 158, 156. ¿Cree usted que el empresario tiene la razón? Utilice un
nivel de significación del 5% y asuma que la población de pesos de los racimos tiene
distribución normal
SOLUCIÓN
Problema: ¿lo que afirma el empresario agroindustrial es correcto?
Variable: peso de un racimo de uva, en gramos.
Hipótesis: como el empresario afirma que el peso promedio por racimo de uva es de al
menos 160 gramos, involucra que µ ≥ 160 (como hay igualdad, esto debe de ir en H0)
H0: µ ≥ 160 (lo que afirma el empresario agroindustrial es correcto)

H1: µ < 160 (lo contario a lo que afirma el empresario, éste se equivoca)
Regiones de Rechazo o regla de decisión: hay que tener en cuenta que la data que se
brinda está en bruto (es decir, han dado la data, por lo tanto, se desconoce la desviación
poblacional o la varianza poblacional) hay que emplear una distribución T -Student, con
n – 1 grados de libertad y un valor de α = 0.05, como la H1: µ < 160, la cola es hacia la
izquierda
La región de rechazo estaría definida como:
Rechazar H0 si t < -1.833
RR = { t / t < -1.833 }
Por si se han olvidado de cómo usar la tabla t,

aquí muestro como se buscó el valor en la tabla:
Valor de prueba: para hallar el valor crítico o el de prueba se tiene que reemplazar en la
𝑥−𝜇
siguiente fórmula 𝑡 = 𝑠 , (acuérdense que estamos trabajando con la T – Student)
√𝑛
sabemos que µ = 160, n = 10, la media y desviación muestral la hallan ingresando los
valores en el Excel 𝑥 = 159, s = 2.1909
Al reemplazar en la fórmula obtenemos:

159−160
𝑡= 2.1909 t = -1.4434 Este t = -1.4434 cae a la derecha de
√10
t0.05; 9 = -1.833
Conclusión: como t = -1.4434 > t0.05; 9 = -1.833 no se rechaza H0 (se rechaza H1) por lo
tanto, lo que afirma el empresario agroindustrial es correcto
Ejercicio 37
Un fabricante de ejes tiene que producir ejes con una resistencia de 1600 kg/m 2. Si los
produjera de menor resistencia, se podrían romper, originando molestias al usuario y si
los hace más fuertes, se emplearía demasiado material, perjudicando a la empresa.
Para verificar, se toma una muestra de 100 ejes, encontrándose que la resistencia es
de 1580 kg/m2 con una desviación típica de 200 kg/m2. A un nivel de significancia del
5%, que conclusión se puede obtener.
Hipótesis
𝐻0 : 𝜇 = 1600
𝐻1 : 𝜇 ≠ 1600 dos colas
n = 100
𝑥 = 1580
S = 200
Alfa = 0.05
T tabla = t tabular = 1.9842
𝑡𝑝 = −1
Valor p = 0.3197
Como valor p = 0.3197 > alfa = 0.05 no se rechaza H0, por lo tanto, si se producen ejes
con una resistencia de 1600
Ejercicio 38
Una marca de nueces afirma que, como máximo, el 6% de las nueces están vacías. Se
eligieron 300 nueces al azar y se detectaron 21 vacías. Con un nivel de significación del
1%, ¿se puede aceptar la afirmación de la marca?
Problema: determinar si la afirmación de la marca de nueces es cierta, o, ¿se puede

aceptar la afirmación de la marca?
Variable: número de nueces vacías
Hipótesis:

H0: p ≤ 0.06 (Una marca de nueces afirma que, como máximo, el 6% de las nueces
están vacías)
H1: p > 0.06 (La marca de nueces se equivoca)
Regla de Decisión:
▪ Rechazar H0 si Z > 1.33

▪ RR = {Z/ Z > 1.33}
p − p0
Z=
p0 q0 x
p=
fórmula correspondiente a este caso: n , con, n , donde n = 300 (tamaño
de muestra), x = 21 (tamaño de la característica, es decir, el número de nueces vacías),
p0 = 0.06, q0 = 0.94 (q0 = 1 – p0). Reemplazando
21
𝑝= = 0.07
300
0.07 − 0.06
𝑍= = 0.7293
√0.06(0.94)
300
Conclusión: Como Z = 0.7293 < Zα = 1.33, no se rechaza H0, por lo tanto, lo que afirma
la marca de nueces es correcto, con margen de error de equivocarnos de 0.01 (el que
Ejercicio 39
Un proceso de manufactura funciona adecuadamente cuando produce el 4% de
defectuosos. El proceso entra en disfunción cuando aumenta el número de defectuosos.
Para verificar si el proceso funciona adecuadamente se toma una muestra de 200
artículos de la línea de producción y se halla que 20 son defectuosos. A un nivel del 5%,
se puede decir que el proceso funciona adecuadamente.
Problema: ¿el proceso funciona adecuadamente?
Variable: número de piezas defectuosas

Hipótesis:
H0: p ≤ 0.04 (El proceso funciona adecuadamente, ya que, si produce 4% o menos, está
bien)
H1: p > 0.04 (El proceso no funciona adecuadamente, entra en disfunción)
Regla de Decisión:
▪ Rechazar H0 si Z > 1.645

▪ RR = {Z/ Z > 1.645}
p − p0
Z=
p0 q0 x
p=
de muestra), x = 20 (tamaño de la característica, es decir, el número de piezas
defectuosas) p0 = 0.04, q0 = 0.96 (q0 = 1 – p0). Reemplazando
20
𝑝= = 0.1 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
200
0.1 − 0.04
𝑍= = 4.3301
√0.04(0.96)
200
Conclusión: Como Z = 4.3301 > Zα = 1.645, se rechaza H0, por lo tanto, el proceso no
funciona adecuadamente (entra en disfunción), con una probabilidad de equivocarnos
de 0.05 (el que corresponde al nivel de significancia)
Ejercicio 40
Se afirma que el 2% de los estudiantes de la UDEP provienen de Morropón, para
verificar dicha información, se toma una muestra de 300 estudiantes, encontrándose
que 15 de ellos son de Morropón. Con una probabilidad de cometer un error tipo I del
5%,(alfa = 0.05) que se puede concluir.
NOTA
≥; ≤; = 𝐻𝐼𝑃Ó𝑇𝐸𝑆𝐼𝑆 𝑁𝑈𝐿𝐴
<; >; ≠ 𝐻𝐼𝑃Ó𝑇𝐸𝑆𝐼𝑆 𝐴𝐿𝑇𝐸𝑅𝑁𝐴𝑅𝑇𝐼𝑉𝐴

Problema: ¿Es correcta la afirmación que se hace sobre la procedencia de los alumnos
de Morropón?
Variable: número de alumnos que provienen de Morropón (variable cuantitativa discreta,

en escala de razón)
Hipótesis:
H0: p = 0.02 (La afirmación es correcta)

H1: p ≠ 0.02 (La afirmación es incorrecta, dado que, si es mayor, está mal; y si es menor,
también)
Regla de Decisión:
▪ Rechazar H0 si Z < -1.96 o Z > 1.96

▪ RR = {Z/ Z < -1.96 o Z > 1.96}
p − p0
Z=
p0 q0 x
p=
de muestra), x = 15 (tamaño de la característica, es decir, el número de alumnos
provenientes de Morropón) p0 = 0.02, q0 = 0.98 (q0 = 1 – p0). Reemplazando
15
𝑝= = 0.05
300
0.05 − 0.02
𝑍= = 3.7115
√0.02(0.98)
300
Conclusión: Como Z = 3.7115 > Zα/2 = 1.96, se rechaza H0, por lo tanto, el 2% de alumnos
no provienen de Morropón (ojo, no se puede afirmar que sea más o sea menos,
simplemente no es el 2%) con una probabilidad de equivocarnos del 5%
Ejercicio 41
Un informe de la policía de tránsito señala que el 20% de las infracciones es por no
llevar puesto el cinturón de seguridad. Para comprobar esta hipótesis un analista analiza

250 infracciones y encuentra que en 60 de ellas no se lleva el cinturón puesto. Con un
nivel de significancia del 5%, que se puede concluir.
Plantee la hipótesis alternativa y el valor de prueba, redondee a tres decimales
𝐻0 : 𝑝 = 0.2
𝐻1 : 𝑝 ≠ 0.2
Z prueba = 1.581
a) 𝑝 > 20% 𝑍 = 1.581

b) 𝑝 < 20% 𝑍 = −1.581
c) 𝑝 ≠ 20% 𝑍 = 1.581
Ejercicio 42
El director de la bolsa de trabajo de la Universidad afirma que el 10% de sus egresados
consiguen empleo con una remuneración mayor de $3,000 mensuales. Al parecer el
porcentaje indicado es demasiado optimista, por lo que se encarga este estudio a un
grupo de trabajo en estadística. Ellos toman una muestra de 100 egresados y
encuentran que 12 de ellos consiguieron empleos con una remuneración mayor de
$ 3,000. Con un nivel de significancia del 10%, que conclusión se puede obtener.
Plantee la hipótesis alternativa, indique el valor de tabla y el valor p
correspondiente, aproxime a tres decimales
𝐻0 : 𝑝 ≥ 0.1
𝐻1 : 𝑝 < 0.1 cola izquierda

n = 100
x = 12
alfa = 0.1
Z tabla = -1.645
Valor p = 0.748
a) 𝑝 > 0.1 𝑍 = 0.667 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.748

b) 𝑝 < 0.1 𝑍 = −0.667 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.748
c) 𝑝 < 0.1 𝑍 = −1.645 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.748
Ejercicio 43
El legislativo indica que aprobará un nuevo régimen laboral sólo si más del 65% de los
electores está a favor del mismo. Si se realiza el estudio estadístico con una muestra de
400 electores seleccionados al azar y se halla que 280 de ellos están a favor del nuevo
régimen laboral, ¿el legislativo aprobará el nuevo régimen laboral? Utilice α = 0.05
Indique el valor de prueba, el valor p y que conclusión se obtiene
𝐻0 : 𝑝 ≤ 0.65
𝐻1 : 𝑝 > 0.65
n = 400

x = 280
alfa = 0.05
Zp = 2.097
Valor p = 0.018
Como valor p = 0.018 < alfa = 0.05 se rechaza Ho
a) 𝑍 = 2.097 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.017 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜

b) 𝑍 = 2.097 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.018 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
𝑡 = 2.097 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.018 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
Ejercicio 44
De ninguna manera el coeficiente de correlación de TAU B de Kendall mide la asociación
lineal entre el ingreso y el gasto
Ejercicio 45
3. Se sabe que las distribuciones de datos A y B son de tipo normal. Para verificar la
hipótesis

Ejercicio 46
El muestreo aleatorio simple SE debe tener un marco.
VERDADERO
FALSO
Ejercicio 47
Con los siguientes datos:
Nota: No se sabe si es la respuesta correcta
Ejercicio 48
¿Cuántos parámetros se consideran en un modelo de regresión lineal simple?
RESPUESTA: 2

Ejercicio 49
4. Una estimación puntual de p es 𝑝 = 30
VERDAERO
FALSO
Ejercicio 50
Se tiene una población de 4000 integrantes y se selecciona una muestra aleatoria de
200 integrantes. Si la selección es con reposición la probabilidad de selección al
integrante 100 es 0,00025.
VERDADERO
FALSO
Ejercicio 50.1
Se tiene una población de 4000 integrantes y se selecciona una muestra aleatoria de
200 integrantes. Si la selección es SIN reposición la probabilidad de selección al
integrante 100 es 0,000256
RESPUESTA: FALSO

Ejercicio 51
Una estimación puntual de p donde cada variable aleatoria es Bernoulli es:
Pregunta 52
Se desea mejorar la calidad de producción que hasta el momento posee una línea de
producción. En la actualidad el proceso funciona con una tasa del 5% de defectuosos y
se supone que, con un nuevo sistema de producción, mejorará la producción. Se extrae
una muestra de 200 piezas, una vez aplicado el sistema nuevo, y se encuentran 8 piezas
defectuosas. Con una probabilidad del 2.5% de comete un error tipo I, el nuevo sistema
resulta efectivo.
Determine la hipótesis alternativa y el valor p, aproxime a 3 decimales
𝐻0 : 𝑝 ≥ 0.05
𝐻1 : 𝑝 < 0.05
n = 200
x=8
alfa = 0.025
a) 𝑝 < 0.05 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.258

b) 𝑝 > 0.05 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.258

c) 𝑝 ≠ 0.05 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.258
Pregunta 53
2. Un peluquero cree que el 80% de sus clientes seguirá asistiendo a la peluquería, aun
cuando éste ha incrementado la tarifa. Con el fin de verificar esta afirmación, su
ayudante les pregunta a 36 clientes si seguirán asistiendo, y obtiene que 7 de ellos
no seguirán asistiendo. A un nivel de significancia del 5%, que se puede inferir con
relación a la hipótesis inicial.
Cual es la hipótesis alternativa y cual es el valor de prueba
𝐻0 : 𝑝 ≥ 0.8
𝐻1 : 𝑝 < 0.8
n = 36
x = 36 – 7 = 29
alfa = 0.05
Zp = 0.083
a) 𝑝 < 80% 𝑍 = 0.083

b) 𝑝 > 80% 𝑍 = −0.083
c) 𝑝 ≠ 80% 𝑍 = 0.083
Pregunta 54
3. Una empresa decide lanzar al mercado un nuevo producto, si el 30% de la población
conoce las bondades de los ingredientes del mismo. Se hace un estudio en una
muestra de 100 personas y se encuentra que 68 de ellas no conocen las bondades
del producto. A un nivel de significancia del 5%, se lanzará el producto?
Cuál es la hipótesis alternativa y cual es la conclusión a tomar
𝐻0 : 𝑝 ≥ 0.3 se lanza el producto
𝐻1 : 𝑝 < 0.3 no se lanza
n = 100
x = 100 – 68 = 32
alfa = 0.05
valor p = 0.669 > alfa = 0.05, no se rechaza Ho
a) 𝑝 < 30% 𝑠𝑒 𝑙𝑎𝑛𝑧𝑎𝑟á 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
b) 𝑝 < 30% 𝑛𝑜 𝑠𝑒 𝑙𝑎𝑛𝑧𝑎𝑟á 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
c) 𝑝 > 30% 𝑠𝑒 𝑙𝑎𝑛𝑧𝑎𝑟á 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
Pregunta 55
4. Un proceso de manufactura funciona adecuadamente cuando produce el 4% de
defectuosos. El proceso entra en disfunción cuando aumenta el número de
defectuosos. Para verificar si el proceso funciona adecuadamente se toma una
muestra de 200 artículos de la línea de producción y se halla que 12 son defectuosos.
A un nivel del 5% (alfa), se puede decir que el proceso funciona adecuadamente.

Plantee la hipótesis alternativa, determine el valor de prueba y la conclusión,
use 4 decimales en su aproximación
𝐻0 : 𝑝 ≤ 0.04 𝑝 ≤ 4%
𝐻1 : 𝑝 > 0.04 𝑝 > 4%
n = 200
x = 12
alfa = 0.05
Zp = 1.4434
Valor p = 0.0745 > alfa = 0.05, no se rechaza Ho, por lo tanto el proceso funciona
correctamente
a) 𝑝 < 0.04 𝑍 = 1.4434 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒

b) 𝑝 > 0.04 𝑍 = 1.4434 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
c) 𝑝 > 0.04 𝑍 = 1.4434 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑛𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
d) 𝑝 ≥ 0.04 𝑍 = 1.4434 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
Pregunta 56
5. Una cadena de producción de un componente electrónico debe revisarse cuando el
porcentaje de productos defectuosos supera el 3%. Según el mecanismo establecido
para el control de calidad, se extrae a lo largo del día, y de forma aleatoria, una
muestra de 300 unidades de las que se detectan 17 defectuosas. Utilizando una
significación del 1%. ¿Debería revisarse el sistema de producción?
Determine la hipótesis nula, al valor de prueba, el valor p y la decisión adecuada
𝐻0 : 𝑝 ≤ 0.03
𝐻1 : 𝑝 > 0.03
n = 300
x = 17
alfa = 0.01
Zp = 2.7076
Valor p = 0.0034
Valor p = 0.0034 < alfa = 0.01, se rechaza Ho
a) 𝑝 ≤ 0.03 𝑍 = 2.7076 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.0034 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
b) 𝑝 > 0.03 𝑍 = −2.7076 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.0034 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
c) 𝑝 ≤ 0.03 𝑍 = 2.7076 𝑣𝑎𝑙𝑜𝑟 𝑝 = 0.0034 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
Pregunta 57
1. Suponga que un fabricante de pernos está produciendo pernos de 8 mm de
diámetro, y que los diámetros de estas piezas se distribuyen normalmente; con
propósitos de control de calidad, se obtuvo una muestra de 25 pernos de una línea
de producción para estimar la varianza de todos los diámetros, la cual resultó ser s2
= 0.009 mm2. Con un nivel de significancia de 0.05. ¿Se puede concluir que la
varianza poblacional es igual o menor que 0?01 mm2?

Problema: ¿Se puede concluir que la varianza poblacional es igual o menor que 0?01
mm2?
Variable: Diámetro de los pernos, en mm
Hipótesis:
H0: σ2 ≤ 0.01 (lo que se afirma en el problema)

H1: σ2 > 0.01 (lo contrario a la afrimación)
Regla de Decisión:
▪ Rechazar H0 si 𝑋 2 > 36.4
▪ RR = {𝑋 2 / 𝑋 2 > 36.4}
(n − 1) s 2
X2 =
fórmula correspondiente a este caso:  2
, donde n = 25 (tamaño de
2
muestra), s = 0.009 (varianza muestral), 𝜎0 = 0.01 (valor de la hipótesis)
2
Reemplazando
(25 − 1)(0.009)
𝑋2 = = 21.6
0.01
Conclusión: como X2 = 21.6 < 𝑋𝛼2 = 36.4 no se rechaza H0, por lo tanto, se pude concluir
que la varianza poblacional es igual o menor que 0.01 mm2, con un margen de error de
equivocarnos de 0.05 (el que corresponde al nivel de significancia)
Pregunta 58
2. Un fabricante remplazaría su sistema actual de producción que tiene una media de
4.5 segundos y una varianza de 0.06 segundos2, sólo si el nuevo sistema resulta
más estable en variabilidad que el actual. Para tomar la decisión escogió una
muestra al azar de 10 tiempos del nuevo sistema de producción y obtuvo las
siguientes mediciones en segundos:
4.55 4.30 4.45 4.48 4.59 4.53 4.36 5.10 4.40 4.38
¿Debería el fabricante reemplazar su sistema de producción actual por el nuevo?

Use el nivel de significación de 0.05 y asuma que el tiempo que emplea el nuevo
sistema se distribuye según el modelo de la probabilidad normal

Problema: ¿Debería el fabricante reemplazar su sistema de producción actual por el
nuevo?
Variable: tiempos de producción, en segundos
Hipótesis:
H0: σ2 ≥ 0.06 (no reemplaza el Sistema, ya que la variabilidad no disminuye)

H1: σ2 < 0.06 (reemplaza el Sistema, dado que la variabilidad está disminuyendo)
Regla de Decisión:
▪ Rechazar H0 si 𝑋 2 < 3.33
▪ RR = {𝑋 2 / 𝑋 2 < 3.33}
(n − 1) s 2
X2 =
fórmula correspondiente a este caso:  2
, donde n = 10 (tamaño de
2
muestra), s = 0.0507 (el valor se obtiene ingresando los 10 datos a la calculadora y
hallando “s”, luego se eleva al cuadrado), 𝜎20 = 0.06 (valor de la hipótesis)
Reemplazando
(10 − 1)(0.0507)
𝑋2 = = 7.605
0.06
Conclusión: como X2 = 7.605 > 𝑋𝛼2 = 3.33 no se rechaza H0, por lo tanto, se pude concluir
que no es necesario reemplazar el sistema de producción, ya que la variabilidad no
disminuye, todo esto con un margen de error de equivocarnos de 0.05 (el que
Pregunta 59
3. Una muestra aleatoria de 16 sobres de cierto producto cuyos pesos se distribuyen
normalmente ha dado una desviación estándar de 0.6 gramos. Utilizando un nivel
de significancia del 5%, ¿es válido inferir que la varianza de los pesos de tales
sobres es diferente que 0.25 gramos2?
Problema: ¿es válido inferir que la varianza de los pesos de tales sobres es diferente
que 0.25 gramos2?
Variable: peso de los sobres de cierto producto, en gramos

Hipótesis:
H0: σ2 = 0.25 (lo contrario a el problema, recorder que la igualdad siempre va en H0)
H1: σ2 ≠ 0.25 (lo que se desea probar. En este caso en particular, primero se plantea
esta hipótesis y por descarte la anterior)
Regla de Decisión:
▪ Rechazar H0 si 𝑋 2 < 6.26 o

𝑋 2 > 27.5
▪ RR = {𝑋 2 / 𝑋 2 < 6.26 o 𝑋 2 >

27.5}
(n − 1) s 2
X =2
Valor de prueba: se hallan con los datos obtenidos del problema:  2

,
2 2
donde n = 16 (tamaño de muestra), s = (0.6) = 0.36 (ojo, en el enunciado sólo dan la
desviación estándar, por eso se eleva al cuadrado para hallar la varianza muestral),
𝜎20 = 0.25 (valor de la hipótesis)
Reemplazando
(16 − 1)(0.36)
𝑋2 = = 21.6
0.25
2 2
Conclusión: como 𝑋𝛼/2 = 6.26 < X2 = 21.6 < 𝑋𝛼/2 = 27.5 no se rechaza H0, por lo tanto,
se pude concluir que la varianza no es diferente de 0.25, con un error de equivocarnos
del 5%
Pregunta 60
1. Una empresa envasa en frascos de 300 gramos uno de sus productos que tiene dos
componentes A y B, en iguales cantidades promedio. Una muestra aleatoria de 10
frascos ha dado los siguientes porcentajes de la componente A: 48%, 52%, 49%,
55%, 62%, 51%, 53%, 54%, 55%, 56%. Suponiendo que los contenidos A y B tienen
distribución normal y con α = 0.10. Determinar si las varianzas de los contenidos de
ambas componentes son iguales.
● Problema: ¿la varianza de los contenidos de ambas componentes son iguales?

● Variables:
o Factor: componentes (A o B)
o Respuesta: composición porcentual

● Hipótesis
𝐻0 : 𝜎𝐴2 = 𝜎𝐵2
𝐻1 : 𝜎𝐴2 ≠ 𝜎𝐵2
● Rechazar H0 si F < 0.2484 o F > 4.0260. El valor de contraste es de F = 1

● Como F = 1 pertenece a la región de aceptación, no se rechaza H0, por lo cual
podemos concluir que las varianzas de los componentes son las mismas
Pregunta 61
2. Se toman los tiempos, en segundos, de fabricación de bridas de dos máquinas X e
Y, sea xi los tiempos de fabricación de la máquina “X” y “Y”i los tiempos de
fabricación de la máquina “Y”. Los datos obtenidos son:
∑7𝑖=1 𝑥𝑖 = 86; ∑7𝑖=1 𝑥𝑖2 = 1076; ∑11
𝑖=1 𝑦𝑖 = 122; ∑11
𝑖=1 𝑦𝑖2 = 1374
A un 5% de significancia, la variabilidad de los tiempos de ejecución en la máquina
“X” es superior a la de la máquina “Y”
● Problema: ¿la variabilidad de los tiempos de ejecución en la máquina “X” es superior
a la de la máquina “Y”?
● Variables:
o Factor: tipo de máquina
o Respuesta: tiempos de fabricación
● Hipótesis:
𝐻0 : 𝜎𝑥2 ≤ 𝜎𝑦2
𝐻1 : 𝜎𝑥2 > 𝜎𝑦2
● Rechazar H0 si F > 3.2172. El valor crítico F = 2.3984

● Como F = 2.3984 < F tabla = 3.2172, no se rechaza H0, por lo tanto, la variabilidad
de los tiempos de ejecución en la máquina “X” NO es superior a la de la máquina “Y”
Pregunta 62
3. Se quiere comprobar si la variabilidad en la duración de unas lámparas marca A es
igualmente variable que la duración de otra marca B de la competencia. Para tal fin,
se toma una muestra aleatoria de 13 lámparas tipo A y se encuentra que la
desviación estándar muestral es S=8, mientras que en otra muestra aleatoria de 13
lámparas tipo B se encuentra que la desviación estándar muestral es de S=4. Se
pide probar la hipótesis nula de que la variabilidad es igual en ambas poblaciones
con un nivel de significación del 5%. Se supone que la duración de las lámparas se
distribuye normalmente para ambas marcas.
● Problema: ¿la variabilidad en ambos tipos de lámparas es la misma?

● Variables:
o Factor: tipo de lámpara
o Respuesta: duración de las lámparas
● Hipótesis

𝐻0 : 𝜎𝐴2 = 𝜎𝐵2
𝐻1 : 𝜎𝐴2 ≠ 𝜎𝐵2
● Rechazar H0 si F < 0.3051 o F > 3.2773. El valor crítico o de contraste F = 4

● Como F = 4 pertenece a la región de rechazo, se rechaza H0, por lo tanto, las
variabilidades no son iguales
Pregunta 63
4. Dos muestras aleatorias de tamaños 10 y 16 se han tomado respectivamente de dos
poblaciones normalmente distribuidas y las varianzas correspondientes fueron de
23 y 20. Determinar si la primera muestra tiene una varianza significativamente
mayor que la segunda. Nivel de significación del 1%.
● Problema: ¿es la varianza de la primera muestra mayor que la de la segunda?

● Variables:
o Factor: dos poblaciones
o Respuesta:
● Hipótesis
𝐻0 : 𝜎12 ≤ 𝜎22
𝐻1 : 𝜎12 > 𝜎22
● Rechazar H0 si F > 3.8948. El valor de contraste es de F = 1.15

● Como F = 1.15 < F de tabla = 3.8948 no se rechaza H0, por lo tanto, la variabilidad
de la primera población no es mayor que la de la segunda
Pregunta 64
5. Una de las maneras de medir la satisfacción de los empleados de una misma
categoría en cuanto a la política salarial, es a través de las desviaciones estándar
de sus salarios. La fábrica A afirma ser más homogénea en la política salarial que la
fábrica B. Para verificar esta información, se escoge una muestra aleatoria de 10
empleados no especializados de A y una muestra de 9 no especializados de B,
obteniendo las dispersiones (desviación estándar) de 16 y 15 de salario mínimo,
respectivamente. Suponiendo poblaciones normales y con una significancia del 1%,
cuál es su conclusión.
● Problema: ¿es la fábrica A más homogénea en su política salarial que la fábrica B?

● Variables:
o Factor: política salarial de las fábricas A y B
o Respuesta: salario mínimo
● Hipótesis

Fábrica A (1) Fábrica B (2)
n 10 9
s 16 15
𝐻0 : 𝜎12 ≥ 𝜎22
𝐻1 : 𝜎12 < 𝜎22
● Rechazar H0 si F < 0.1829. El valor de contraste es F = 1.1378

Como F = 1.1378 > F tabla = 0.1829, no se rechaza H0, por lo tanto, la fábrica A no es
más homogénea en su política salarial que la fábrica B
Pregunta 65
1. Se ha hecho elaborar un trabajo a dos grupos de operarios bajo diferentes métodos,
tomándose los tiempos (en segundos) tal como se indican en la siguiente tabla:
Método I 15 13 12 14 15 16
Método II 12 14 18 17 12 10
Verificando los supuestos necesarios, a un nivel de significancia del 5%, se podría
afirmar que ambos métodos son iguales.
PROBLEMA: ¿podemos afirmar qué ambos métodos son iguales?
VARIABLES:
FACTOR: tipo de método (I o II)
RESPUESTA: tiempos de fabricación de un trabajo (en segundos)
HIPÓTESIS:
𝐻0 : 𝜇𝐼 = 𝜇𝐼𝐼 𝐻1 : 𝜇𝐼 ≠ 𝜇𝐼𝐼
Como se desconocen las varianzas poblacionales, es NECESARIO verificar si ellas son

iguales o diferentes, para ello se hará una prueba F – Fisher de comparación de
varianzas.
H 0 :  1 =  2 Esta comparación es necesaria para poder determinar en qué caso de

2 2
la t – Student estaríamos ubicados (caso II o III). Los datos se ingresan

H1 :  1   2
2 2
a la calculadora y se obtienen los siguientes resultados:
Método I Método II
𝑥 = 14.1667 𝑥 = 13.8333
s = 1.4720 s = 3.1252
n=6 n=6
Para hallar el F de prueba se debe de asignar 1 al de mayor desviación (mayor varianza),
en este caso tendríamos:
S1 = 3.1252 S2 = 1.4720

n1 = 6 n2 = 6
𝑠2 (3.1252)2
Hallando el F de prueba: 𝐹 = 𝑠12 = (1.4720)2 = 4.5077
2
Determinando las regiones con α = 10%
Como se puede apreciar, el F de prueba cae en la

región de aceptación (F = 4.5077 < Fα = 5.05) no se
rechaza la hipótesis nula, por lo tanto, se pueden
asumir varianzas iguales.
REGLA DE DECISIÓN:
Rechazar H0 si t < -2.228 o t > 2.228
VALOR DE PRUEBA:
Primero se halla el Sp2 (la varianza conjunta)
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22

𝑆𝑝2 =
𝑛1 + 𝑛2 − 2
(6 − 1)(1.4720)2 + (6 − 1)(3.1252)2
𝑆𝑝2 = = 5.9668
6+6−2
Reemplazando en el “t” de prueba

𝑥1 − 𝑥2 14.1667 − 13.8333
𝑡= = →→ 𝑡 = 0.2364
1 1
√𝑆𝑝2 ( + ) √5.9668 (1 + 1)
𝑛1 𝑛2 6 6

CONCLUSIÓN: Como – tα/2 = -2.228 < t = 0.2364 < tα/2 = 2.228, no se rechaza la
hipótesis nula, por lo tanto, se puede afirmar que ambos métodos son iguales.
Pregunta 66
2. Un investigador asume que la reacción de los hombres al pánico es superior al de
las mujeres. Para verificar toma muestras de 100 hombres y 100 mujeres y mide el
tiempo de reacción hacia el pánico en cada grupo, obteniéndose como media 5.5 s
y 5.8 s (hombres – mujeres). Asumiendo que los tiempos de reacción en ambos
géneros siguen una distribución normal con desviaciones de 0.45 y 0.33 segundos
y con un nivel de significancia del 5%, ¿qué se puede concluir? Hallar el p value
SOLUCIÓN
Problema: ¿la reacción al pánico en los hombres es superior al de las mujeres?
Variables:
● Factor: sexo (hombres y mujeres)
● Respuesta: tiempo de reacción hacia el pánico
Hipótesis:
𝐻0 : 𝜇𝐻 ≥ 𝜇𝑀
𝐻1 : 𝜇𝐻 < 𝜇𝑀
Regla de decisión y el valor de contraste:

● Rechazar H0 si Z < -1.6449. El valor de contraste es de Z = -5.3760
Decisión: se rechaza H0, por lo tanto, la reacción al pánico de los hombres es

superior al de las mujeres.
3. Pregunta 67 En muchos países del mundo se aplica el impuesto A, que es un

impuesto sobre el valor agregado de un bien en cada etapa de su producción. Treinta
países que utilizan el impuesto A sobre el consumo reportaron un ingreso promedio
semanal per cápita de $1142 y una desviación estándar de $312, y 32 países que
utilizan un impuesto A sobre el ingreso bruto reportaron un impuesto semanal per
cápita promedio de $1372 con una desviación estándar de $502. Si las muestras
corresponden a poblaciones normales e independientes, al nivel de significancia del
5%, ¿existe diferencia significativa entre aplicar el impuesto A semanalmente al
consumo o al ingreso bruto?
Datos
CONSUMO (2) INGRESO BRUTO (1)
𝑛2 = 30 𝑛1 = 32
𝑥2 = 1142 𝑥1 = 1372
𝑠2 = 312 𝑠1 = 502
PROBLEMA: ¿existe diferencia significativa entre aplicar el impuesto A semanalmente

al consumo o al ingreso bruto?

VARIABLES:
FACTOR: donde aplicar el impuesto A (consumo o ingreso bruto)
RESPUESTA: ingreso promedio semanal
HIPÓTESIS:
𝐻0 : 𝜇1 = 𝜇2 𝐻1 : 𝜇1 ≠ 𝜇2
Como se desconocen las varianzas poblacionales, es NECESARIO verificar si ellas son

iguales o diferentes, para ello se hará una prueba F – Fisher de comparación de
varianzas.
H 0 :  1 =  2 Esta comparación es necesaria para poder determinar en qué caso de

2 2
la t – Student estaríamos ubicados (caso II o III). Los datos se ingresan

H1 :  1   2 a la calculadora y se obtienen los siguientes resultados:
2 2
Para hallar el F de prueba se debe de asignar 1 al de mayor desviación (mayor varianza),

en este caso tendríamos:
S1 = 502 S2 = 312
n1 = 32 n2 = 30
𝑠2 (502)2
Hallando el F de prueba: 𝐹 = 𝑠12 = (312)2 =
2
2.5888
Determinando las regiones con α = 10%
Como se puede apreciar, el F de prueba cae en

la región de rechazo (F = 2.5888 > Fα/2 = 1.85)
se rechaza la hipótesis nula, por lo tanto, se
pueden asumir varianzas diferentes (caso III).
REGLA DE DECISIÓN:
2
𝑠2 𝑠2
[𝑛1 +𝑛2 ]
1 2
Primero hallar los grados de libertad: 𝑔𝑙 = 2 2
𝑠2 𝑠2
1
( ) ( 2)
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1

2
5022 3122
[ 32 + 30 ]
𝑔𝑙 = 2 2 = 62.31 ≈ 62
5022 3122
( 32 ) ( 30 )
32 − 1 + 31 − 1
Rechazar H0 si t < -2 o t > 2
VALOR DE PRUEBA:
𝑥1 − 𝑥2 1372 − 1142
𝑡= = = 2.181
2 2
𝑠2 𝑠22 √502 + 312
√ 1 + 32 30
𝑛1 𝑛2
CONSUMO (2) INGRESO BRUTO (1)

𝑛2 = 30 𝑛1 = 32
𝑥2 = 1142 𝑥1 = 1372
𝑠2 = 312 𝑠1 = 502
CONCLUSIÓN: Como t = 2.181 > tα/2 = 2, se rechaza la hipótesis nula, por lo tanto, se
puede afirmar que existe diferencia significativa entre aplicar el impuesto A
semanalmente al consumo o al ingreso bruto.
Pregunta 68
4. Una compañía de transportes requiere comprar un gran lote de buses para el
transporte urbano con el fin de reemplazar su parque automotor y para tal fin desea
comprobar la afirmación hecha por el proveedor de la marca B, en el sentido de que
la marca A es menos ahorradora de combustible. Para tal fin la empresa toma una
muestra aleatoria de 35 vehículos marca A y encuentra que la misma tiene un
promedio en el rendimiento de 18 kilómetros/galón con una desviación estándar de
8 kilómetros/galón, mientras que una muestra de 32 vehículos marca B presenta un
promedio de 22 kilómetros/galón con desviación estándar de 3 kilómetros /galón.
¿Qué decisión debe tomar el gerente de la compañía con un nivel de significación
del 5%? Calcule el p value
A (1) B (2)
n 35 32

Media 18 22
Desv. 8 3
Problema: ¿la marca A es menos ahorradora de combustible?
Variables:
● Factor: marca de los proveedores (A o B)
● Respuesta: rendimiento en km/gl
Hipótesis:
𝐻0 : 𝜇1 ≥ 𝜇2 𝐻1 : 𝜇1 < 𝜇2
Al hacer la comparación de varianzas, se rechaza H0, lo cual indica que las

varianzas son iguales por lo tanto, se trabaja con el Caso III
Regla de decisión y valor de contraste:

● Rechazar H0 si t <-1.6802. El valor de contraste es t = -2.7538
Decisión: se rechaza H0, por lo tanto, la marca A es menos ahorradora de

combustible, se debería de adquirir la marca B
Valor p = p value = 0.0043
Pregunta 69
5. Dos profesores en una escuela desean comparar el rendimiento de los alumnos de
octavo año que han sido móviles (población 1) con los puntajes de los alumnos que
no lo han sido (población 2). ¿Se puede concluir con los datos de las muestras si el
puntaje de rendimiento promedio es diferente en los dos grupos? Asuma 1 – α =
0.975 (α = 0.025) y que las puntuaciones provienen de poblaciones normales. Halle
el p value
Grupo1 n= 15 Promedio= 85 S2 =30

Grupo 2 n= 22 Promedio= 87 S2 = 25
Problema: ¿es el puntaje de rendimiento promedio diferente en los dos grupos?
Variables:
● Factor: tipo de alumno (móvil o no móvil)
● Respuesta: puntaje de los alumnos
Hipótesis
𝐻0 : 𝜇1 = 𝜇2 𝐻1 : 𝜇1 ≠ 𝜇2

Al comparar las varianzas, se obtiene que no se rechaza H0, por lo tantos las
varianzas son iguales, esto corresponde al caso II
Región de rechazo y el valor de contraste

● Rechazar H0 si t < -2.3420 o t > 2.3420. El valor de contraste es de t = -
1.1495
Decisión: No se rechaza H0, por lo tanto, el puntaje de rendimiento promedio no es

diferente en los dos grupos
Pregunta 70
6. Se tienen los datos de la actividad total del complemento serológico de 10 sujetos
enfermos
27.1 90.9 67.7 98.7 58.5 76.9 95.5 56.5 92.6 91.1
Y 10 sujetos aparentemente normales
44.6 58.1 44.1 55.9 80.1 53.8 56.8 43.9 31.4 58.3
Se puede afirmar que las medias son diferentes, a un nivel de significancia del 1%,
asuma poblaciones normales y calcule el p value
Problema: ¿son las medias de la actividad total del complemento serológico

diferentes, para sujetos normales y enfermos?
Variables
● Factor: tipo de sujeto (normal o enfermo)
● Respuesta: actividad total del complemento serológico
Datos
Normales
Enfermos (1) (2)
MEDIA 75.55 52.7
DESV. 23.0133 12.9539
n 10 10
Hipótesis
𝐻0 : 𝜇1 = 𝜇2 𝐻1 : 𝜇1 ≠ 𝜇2
Regla de decisión:
● Rechazar H0 si t < -2.8784 o t > 2.8784. El valor de contraste es t = 2.7362
Decisión: no se rechaza H0, por lo tanto, las medias de la actividad total del
complemento serológico NO son diferentes, para sujetos normales y enfermos

P value = 0.0136
Pregunta 71
7. Se propone un tratamiento para la artritis reumatoide, que es aplicado a una muestra
de 6 pacientes, a los que se les mide la concentración de tiol en la sangre,
obteniéndose los siguientes resultados: 1.95 2.10 2.05 1.92 2.56 2.30.
A otro grupo de 5 pacientes se les aplica un placebo, y sus concentraciones de tiol
son:
2.81 3.62 3.27 2.35 3.67
Hay suficiente evidencia para afirmar que el tratamiento reduce las concentraciones
de tiol. Use un nivel de significancia del 5% y asuma normalidad en las
poblaciones. Halle además el p value
Problema: ¿el tratamiento reduce las concentraciones de tiol en la sangre?
Variables
● Factor: tipo de tratamiento (tratamiento o placebo)
● Respuesta: concentraciones de tiol en la sangre
Datos
Lo que se quiere probar es µ2 < µ1
Tratamiento
(2) Placebo (1)
MEDIA 2.1467 3.144
DESV. 0.2433 0.5615
n 6 5
Hipótesis
𝐻0 : 𝜇1 ≤ 𝜇2 𝐻1 : 𝜇1 > 𝜇2
Regla de decisión y valor de contraste

● Rechazar H0 si t > 1.8331. El valor de contraste es de t = 3.9596
Decisión: se rechaza H0, por lo cual, el tratamiento si reduce las concentraciones de

tiol en la sangre
P value = 0.0017
Pregunta 72
8. Se realizó un estudio para determinar la resistencia a la ruptura de dos tipos de
acero. Para una muestra aleatoria formada por 20 especímenes de acero laminado
en frío la resistencia promedio es de 29.8 ksi. Al estudiar una segunda muestra
aleatoria de 25 especímenes de acero galvanizado de dos lados se obtuvo una

resistencia promedio muestral 32.7 ksi. Se supone que las distribuciones de la
resistencia a la ruptura de los dos tipos de acero son normales con σ1 = 4,0 y σ2 =
5.0. ¿Indican los datos que las medias de resistencia a la ruptura son diferentes para
los dos tipos de acero? Halle el p value
Problema: ¿las medias de resistencia a la ruptura, de los dos tipos de acero, son
diferentes?
Variable:
● Factor: tipos de acero (laminado en frio y galvanizado)
● Respuesta: resistencia a la ruptura, en ksi
Hipótesis
𝐻0 : 𝜇1 = 𝜇2 𝐻1 : 𝜇1 ≠ 𝜇2

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es de Z = -2.1615
Decisión: se rechaza H0, por lo tanto, las medias de resistencia a la ruptura, de

ambos tipos de acero, son diferentes
P value = 0.0307
Pregunta 73
9. Los tiempos en minutos para realizar cierta tarea en 10 hombres y 10 mujeres
fueron:
Hombres: 50, 45, 49, 50, 38, 58, 53, 47, 48, 55.
Mujeres: 55, 56, 57, 56, 58, 53, 54, 59, 60, 57.
Suponiendo poblaciones normales y utilizando α = 5%, ¿se podría concluir que el
rendimiento de los hombres es mejor que el de las mujeres? Halle el p value
H (1) M (2)
MEDIA 49.3 56.5
DESV. 5.5388 2.1731
n 10 10
Problema: ¿es el rendimiento de los hombres mejor que el de las mujeres?
Variables:
● Factor: sexo (hombre o mujer)
● Respuesta: tiempo en realizar cierta tarea, en minutos
Hipótesis

𝐻0 : 𝜇1 ≥ 𝜇2 𝐻1 : 𝜇1 < 𝜇2
Al hacer la prueba de comparación de varianzas se obtiene que éstas son diferentes,

por lo que se aplica el caso III
Región de rechazo y el valor de contraste

● Rechazar H0 si t < -1.7823. El valor de contraste es de t = -3.8267
Decisión: se rechaza H0, por lo tanto, el rendimiento de los hombres es mejor que
el de las mujeres
Valor p = 0.0012
Pregunta 74
10. Se quiere compara los precios que calculan los tasadores 1 y 2 para autos usados.
Para esto seleccionó una muestra de 10 autos usados y se pidió que ambos
tasadores valuaran. Los siguientes son los precios en cientos de dólares de la
muestra.
Auto 1 2 3 4 5 6 7 8 9 10
Tasador 1 54 51 28 48 35 26 54 48 56 48
Tasador 2 49 47 30 43 27 31 52 41 57 38
¿Es válido inferir al nivel de significación del 1% que el precio promedio del tasador
1 es mejor que el promedio de precios del tasador 2?, asuma que se cumplen los
supuestos necesarios y calcule el p value.
SOLUCIÓN
MEDIA 44.8 41.5
DESV. 11.0333 10.0250
n 10 10
Problema: ¿el precio promedio del tasador 1 es mejor que el precio promedio del
tasador 2?
Variables:
● Factor: tipo de tasador (1 o 2)
● Respuesta: precios calculados por los tasadores, en cientos de dólares
Hipótesis
𝐻0 : 𝜇1 ≤ 𝜇2 𝐻1 : 𝜇1 > 𝜇2
Región de rechazo y valor de contraste:

● Rechazar H0 si t > 2.5524, el valor de contraste es de t = 0.700
Conclusión: no se rechaza H0, por lo tanto, el promedio de precios del tasador 1 no
es mayor que el promedio de precios del tasador 2

Pregunta 75
11. En un proceso productivo, se usan dos máquinas, la A y la B, ambas producen ejes
de diámetro nominal igual a 1.44 cm. El departamento de control de calidad ha
observado que a su parecer la máquina A trabaja diferente que la máquina B, para
ello toma una muestra de 7 ejes producidos por cada máquina, siendo “x” e “y” los
diámetros nominales de las máquinas A y B respectivamente y obteniendo:
∑ 𝑥 = 10.13 ∑ 𝑥2 = 14.8087 ∑ 𝑦 = 11.1 ∑ 𝑦2 = 17.6344
A un nivel de significancia de 0.025, se puede concluir que las máquinas producen

ejes de diferente diámetro, determine el p value.
Problema: ¿las máquinas producen ejes de diferente diámetro?
Variables:
● Factor: tipo de máquina (A o B)
● Respuesta: diámetro de los ejes, en cm
Hipótesis
𝐻0 : 𝜇1 = 𝜇2 𝐻1 : 𝜇1 ≠ 𝜇2
Al hacer la prueba Fisher de comparación de varianzas, esta prueba sale no

significativa, por lo tanto, se asume que las varianzas son iguales (Caso II)

● Rechazar H0 si t < -2.56 o t > 2.56. El valor del contaste de prueba es t = -
2.1046
Decisión: no se rechaza la H0, entonces las máquinas no producen ejes de

diferentes diámetro
P value = 0.0571
Pregunta 76
1. Con el fin de conocer el nivel de aceptación de un producto un analista cuantitativo
realizó un estudio de opinión en dos ciudades del interior del País. En Chiclayo 120
consumidores de una muestra al azar de 300 opinaron aceptando el producto,
mientras que en Arequipa 120 consumidores de una muestra al azar de 400 opinaron
estar de acuerdo con un producto. ¿Puede considerarse significativa la diferencia
de las dos proporciones muéstrales con una probabilidad de error tipo I de 5%? Halle
además el p value

Problema: ¿es significativa la diferencia de proporciones de aceptación del
producto en Chiclayo y Arequipa?
Variables:
● Factor: ciudades (Chiclayo o Arequipa)
● Respuesta: número de personas que aceptan el producto
Hipótesis:
𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 ≠ 𝑝2
Región crítica y el valor de contraste

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es de Z =
2.7584
Decisión y conclusión: se rechaza H0, por lo tanto, si es significativa la diferencia

de proporciones en ambas ciudades
P value = 0.0058
Pregunta 77
2. El grupo “C & P” quiere saber si una de sus marcas de cerveza promocionada a nivel
nacional lo consumen los de Tarapoto en mayor porcentaje que los del Cuzco. Si en
dos muestras aleatorias independientes de consumidores de tamaños 900 y 800 de
Tarapoto y Cuzco se encontró respectivamente que 270 y 200 consumen la marca
del producto, ¿cuál es su conclusión al nivel de significancia del 2%. ¿Cuánto es la
probabilidad P de la prueba?
Problema: ¿es el porcentaje de consumidores de cerveza de Tarapoto mayor

que los del Cuzco?
Variables:
● Factor: ciudades (Tarapoto o Cuzco)
● Respuesta: número de personas que consumen cerveza
Hipótesis
𝐻0 : 𝑝𝑇 ≤ 𝑝𝐶
𝐻1 : 𝑝𝑇 > 𝑝𝐶

● Rechazar H0 si Z > 2.0537. el valor de contraste es Z = 2.3007

Decisión: se rechaza H0, por lo tanto, se puede afirmar que el porcentaje de
consumidores de ese tipo o marca de cerveza es mayor en Tarapoto que en
Cuzco
Valor p = P value = 0.0107
Pregunta 78
Pregunta 79
3. Se realizó un sondeo a boca de urna para identificar si existe diferencia significativa
entre las personas que tienen intención en votar por el candidato A entre dos
departamentos del Perú. Se recogió una muestra aleatoria de 1200 personas en del
departamento X, donde la mitad indicó que sí estaría dispuesto a votar por el
candidato A. Por otro lado, en el departamento Y, luego de un muestro aleatorio, se
identificó que, de las 1000 personas encuestadas, 550 estarían dispuestas a votar
por el candidato A. Para dicho contraste de hipótesis utilice un α = 0.05 y calcular el
p-value. ¿Qué conclusión se obtiene?
Problema: ¿existe diferencia significativa entre la proporción de votantes por el

candidato A en los dos departamentos del Perú?
Variables:
● Factor: departamento (“X” o “Y”)
● Respuesta: número de personas que tienen intención de votar por el
candidato A
Hipótesis
𝐻0 : 𝑝𝑋 = 𝑝𝑌
𝐻1 : 𝑝𝑋 ≠ 𝑝𝑌

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es Z = -2.3379
Decisión: se rechaza H0, por lo cual, si existe diferencia significativa entre la

proporción de votantes por departamento del candidato A
P value = 0.0194
Pregunta 80
4. Se dice que existe empate técnico en unas elecciones si las proporciones de
votantes de dos candidatos son similares en la población. A una elección municipal
se presentan sólo dos candidatos, A y B, de una muestra de 500 electores, 260
afirmaron que votaría por A mientras que el resto lo hará por B. Si se sabe que no

hay abstenciones y que nadie vota en blanco o vicia el voto, se puede afirmar que
hay empate técnico entre estos candidatos, considere α = 0.05 y halle el p value
Problema: ¿existe empate técnico?

Variables:
● Factor: candidatos a la alcaldía (A o B)
● Respuesta: número de personas que vota a favor de un determinado
candidato
Hipótesis
𝐻0 : 𝑝𝐵 = 𝑝𝐴
𝐻1 : 𝑝𝐵 ≠ 𝑝𝐴
Región crítica y valor de contraste:

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es Z = 1.2649
Decisión: no se rechaza H0, por lo cual, se puede afirmar que existe empate
técnico
P value = 0.2059
Pregunta 81
5. Un fabricante B afirma que el porcentaje de unidades defectuosas de su producto
es menos que el del fabricante A. Si dos muestras aleatorias independientes de 200
unidades del producto de cada fabricante han dado 20 y 12 unidades defectuosas
respectivamente para A y B, ¿está usted de acuerdo con la afirmación del
fabricante? Use la probabilidad de error tipo I del 5%. Halle el p value.
Problema: ¿el porcentaje de defectuosos de B es menor que el de A?
Variables: fabricantes (A o B)
Hipótesis
𝐻0 : 𝑝𝐵 ≥ 𝑝𝐴 → 𝑝𝐴 ≤ 𝑝𝐵
𝐻1 : 𝑝𝐵 < 𝑝𝐴 → 𝑝𝐴 > 𝑝𝐵

● Rechazar H0 si Z < -1.6449. El valor de contraste es de Z = -1.4744
Decisión: No se rechaza H0, por lo tanto, el porcentaje de defectuosos de B no

es menor que el de A
P value = 0.0702

Pregunta 82
Pregunta 83 Una fábrica produce cilindros para auto, el proceso es semi automático, y
necesita de la mano de obra humana para poder completarse. En esta fábrica trabajan
tanto hombres como mujeres, y el jefe de control de calidad afirma que los hombres son
más rápidos que las mujeres, mientras que el jefe de planta afirma lo contrario. Para
verificar las afirmaciones, se toma un grupo de 9 hombres y 9 mujeres, siendo “xi” el
tiempo de ejecución de los hombres e “yi” el tiempo de ejecución de las mujeres, todos
en segundos, obteniéndose los siguientes resultados:
2 2
∑ 𝑥𝑖 = 31 ∑ 𝑦𝑖 = 33.8889 ∑ (𝑥𝑖 − 𝑥) = 986 ∑ (𝑦𝑖 − 𝑦)
= 3426.8889
A la luz de los resultados y con α = 0.10, quien tiene razón. Halle el p value
Problema: ¿son los hombres más rápidos que las mujeres?
Variable:
● Factor: sexo (hombres o mujeres)
● Respuesta: tiempo de ejecución, en segundos
Nota: en general
Se quiere probar µH < µM implica µ2 < µ1

2
∑ 𝑥 ∑ (𝑥𝑖 − 𝑥)
𝑥= 𝑠=√
𝑛 𝑛−1
31 986
𝑥= = 3.4444 𝑠=√ = 11.1018 →→→→→→→→→→→→ 2 (ℎ𝑜𝑚𝑏𝑟𝑒𝑠)
9 8
33.8889 3426.8889
𝑦= = 3.7654 𝑠=√ = 20.6968 →→→→→→→→ 1 (𝑚𝑢𝑗𝑒𝑟𝑒𝑠)
9 8
Hipótesis
𝐻0 : 𝜇1 ≤ 𝜇2 𝐻1 : 𝜇1 > 𝜇2
Al hacer la comparación de varianzas, la prueba es significativa, por lo que se

rechaza H0, por lo tanto, se asumen varianzas diferentes (Caso III)
Región de rechazo y valor de contraste:

● Rechazar H0 si t > 1.3722. El valor de contraste es t = 0.0410
Decisión: no se rechaza H0, por lo cual, los hombres NO son más rápidos que las
mujeres
P value = 0.4841
Pregunta 84
6. Un investigador sospecha que la proporción de niños de 8-12 años con Acantosis
nigricans entre niños no obesos y obesos es diferente. Con la finalidad de probar
esa hipótesis seleccionó al azar una muestra de 100 niños no obesos y 90 niños
obesos, y se diagnosticaron 5 y 13 niños con Acantosis nigricans en los grupos de
niños no obesos y obesos respectivamente. A un nivel de significancia de 0.05, que
conclusión se pude obtener. Halle el p value
Problema: ¿es la proporción de niños de 8-12 años con Acantosis nigricans entre
niños no obesos y obesos es diferente?
Variable:
● Factor: tipo de niño (no obesos u obesos)
● Respuesta: niños que presentan acantosis nigricans
Hipótesis:
𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 ≠ 𝑝2

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es de Z = -2.2196
Decisión: se rechaza H0, por lo tanto, la proporción de niños de 8-12 años con
Acantosis nigricans entre niños no obesos y obesos es diferente
P value = 0.0264
Pregunta 85
7. Una compañía asegura que el mercado para su producto X tiene una aceptación de
iguales proporciones en la ciudad A que en la ciudad B. Un especialista en mercado
pone en duda dicha afirmación y para tal fin tomó una muestra aleatoria de 500 amas
de casa en la ciudad A y encontró que el 59.6% de las mismas prefería el artículo X.
Por otra parte, tomó una muestra aleatoria de 300 amas de casa en la ciudad B y

encontró que el 50% de las mismas preferían el artículo X. ¿Existe una diferencia
real entre las dos ciudades? Nivel de significación 5%
Problema: ¿tiene una aceptación de iguales proporciones en la ciudad A que en la

ciudad B?
Variable:
● Factor: ciudad (A o B)
● Respuesta: número de personas que prefieren el producto X
Hipótesis
𝐻0 : 𝑝𝐵 = 𝑝𝐴
𝐻1 : 𝑝𝐵 ≠ 𝑝𝐴
Regla de decisión y valor crítico:

● Rechazar H0 si Z < -1.96 o Z > 1.96. El valor de contraste es de Z = 2.6482
Decisión: se rechaza H0, por lo cual, NO tiene una aceptación de iguales

proporciones en la ciudad A que en la ciudad B
Pregunta 86
La afirmación: La distribución de datos se ajusta a una distribución exponencial,
corresponde al tipo de hipótesis: hipótesis de bondad de ajuste (estadística no
paramétrica)
Pregunta 87
1. La afirmación: La distribución de datos se ajusta a una distribución exponencial,
corresponde al tipo de hipótesis: hipótesis de bondad de ajuste (estadística no
paramétrica)
Pregunta 88
2. Halle la región crítica de la prueba de hipótesis 𝐻0: 𝜇=50 contra 𝐻1: 𝜇 < 50, si la
población es normal con varianza desconocida. Si se sabe que n = 9 y el nivel de
significancia es 1%.
Para una media:

● Cuando la varianza es desconocida y la población es normal (t – Student)
● Cuando la varianza es conocida (n≥ 2 para poblaciones normales y n ≥ 30 para
poblaciones no normales) Distribución normal (Z)
t = -2.8965
<-∞; -2.8965>

Pregunta 89
3. Si 𝑋1~𝑁(𝜇1,22) y 𝑋2~𝑁(𝜇2,22) son poblaciones independientes de donde se extraen
muestras de tamaño 12 y 16 respectivamente, entonces el estadístico que se usa
para probar H0: µ1 = µ2 es __Z____ debido a que: las varianzas poblacionales son
conocidas
Pregunta 90
4. El nivel de significación o de significancia es la probabilidad de:
a) Rechazar 𝐻0 cuando ésta es falsa.
b) Rechazar 𝐻0 dado que 𝐻0 es verdadera. Probabilidad de cometer el error tipo I
c) No rechazar 𝐻0 cuando 𝐻0 es falsa.
d) No rechazar 𝐻0 dado que 𝐻0 es verdadera
Pregunta 91
5. Un determinado proceso de empacar un producto que está controlado, si el peso
medio del producto empacado es 500 gramos. Si en una muestra aleatoria de 90
paquetes del producto se ha encontrado que el peso medio es de 495 gramos, ¿se
puede concluir que el proceso está fuera de control al nivel de significancia del 5%?
Suponga que el peso de los productos empacados se distribuye normalmente con
desviación estándar de 15 gramos
H0: µ = 500
H1: µ ≠ 500
𝑛 = 90 𝑥 = 495 𝛼 = 0.05 𝜎 = 15
Prueba de dos colas (bilateral)

Se usa distribución normal
Región de rechazo: rechazar H0 si Z < -1.96 o Z > 1.96
Valor de prueba o valor de contraste:
𝑥−𝜇 495 − 500

𝑍= 𝛼 = = −3.1623
15
√𝑛 √90
Decisión: se rechaza H0, por lo cual la máquina está descontrolada
Pregunta 92
6. Un gran centro comercial que opera en la capital estudia la posibilidad de abrir una
sucursal en la provincia de Sechura, la gerencia establece el siguiente criterio para
tomar la decisión: abrir la sucursal sólo si el ingreso promedio familiar mensual en
dicha provincia no es menos de s/.1500 y no abrirla en caso contrario. Si una
muestra aleatoria de 120 ingresos familiares de esa provincia ha dado una media de

s/. 1400. Suponga que la distribución de los ingresos tiene una desviación estándar
igual a s/. 450.
a) ¿Cuál es la decisión a tomar al nivel de significancia del 5%?
H0: µ ≥ 1500 (abre la sucursal)
H1: µ < 1500 (no se abre la sucursal)
𝑛 = 120 𝑥 = 1400 𝜎 = 450
Regla de decisión: rechazar H0 si Z < -1.6449 si 𝑥∗ < 1432.4288

Valor de prueba o de contraste:
𝑥−𝜇 1400 − 1500

𝑍= 𝛼 = = −2.4343
450
√𝑛 √120
Decisión: se rechaza H0, no se abre la sucursal, al nivel de significancia del 5%

Valor p = P value = p valor = 0.0075
Valor p = P (Z < -2.4343) = 0.0075 significancia de la prueba = 0.75%
b) ¿Con qué probabilidad la prueba anterior detecta la diferencia de s/. 140 en el

promedio de ingresos y por debajo de lo que se indica en la hipótesis nula?
µ = 1500 – 140 = 1360
1432.4288 − 1360
𝑃{𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝜇 = 1360} = 𝑃(𝑥 < 1432.4288) = 𝑃 (𝑍 < )
450
√120
𝑃(𝑍 < 1.76) = 0.9608
𝑥−𝜇 𝑥∗ − 𝜇 𝑥 ∗ − 1500
𝑍= 𝛼 → 𝑍∗ = 𝛼 → −1.6449 = → 𝑥 ∗ = 1432.4288
450
√𝑛 √𝑛 √120
c) Calcular la potencia de la prueba si el ingreso promedio realmente es s/. 1320.
𝛽 = 𝑃(𝑐𝑜𝑚𝑒𝑡𝑒𝑟 𝑒𝑙 𝑒𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 𝑐𝑢𝑎𝑛 𝜇 = 1320) = 𝑃(𝑥 > 1432.4288)
1432.4288 − 1320
= 𝑃( )
450
√120
𝛽 = 𝑃(𝑍 > 2.74) = 0.0031 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎 = 1 − 𝛽 = 1 − 0.0031 = 0.9969

Pregunta 93
7. Una empresa que recibe envíos de pilas comprueba una muestra aleatoria de 9
antes de aceptar un envío. Quiere que la verdadera duración media de todas las
pilas del envío sea al menos de 50 horas. Sabe por experiencia que la distribución
poblacional de la duración es normal y tiene una desviación típica de 3 horas. La
duración media de la muestra es de 48.2 horas. Contraste al nivel del 10% la
hipótesis nula de que la media poblacional de la duración es al menos de 50 horas.
H0: µ ≥ 50 (aceptas el envío)
H1: µ < 50 (rechazas el envío)
𝜎=3 𝑥 = 48.2 𝛼 = 0.10 𝑛=9 𝜇 = 50
Región de rechazo: Rechazar H0 si Z < -1.2816

𝑥−𝜇 48.2 − 50
𝑍= 𝛼 = = −1.8
0.10
√𝑛 √9
Se rechaza H0, por lo tanto, se rechaza el envío

Valor p = 0.0359
Si valor p < alfa, se rechaza H0
Pregunta 94
8. En una encuesta que realizó Gallup se encontró que la contribución de beneficencia
promedio por declaraciones de impuestos federales fue de 1075 dólares. Suponga
que una muestra de declaraciones de impuestos de abril de 2001 se utilizará para
llevar a cabo una prueba de hipótesis diseñada para determinar si ocurrió algún
cambio en las contribuciones de beneficencia promedio.
a) Suponga que una muestra de 200 declaraciones de impuestos tiene una media
muestral de 1160 dólares y una desviación de 840 dólares, ¿Cuál es el
estadístico de prueba?
H0: µ =1075
H1: µ ≠ 1075
𝑛 = 200 𝑥 = 1160 𝑠 = 840
𝑥−𝜇 1160 − 1075

𝑍= 𝑠 = = 1.4310
840
√𝑛 √200
b) Con alfa = 5%, ¿cuál es su conclusión?

Región de rechazo: rechazar H0 si Z < -1.96 o Z > 1.96
Decisión: no se rechaza H0, es decir, no ha cambiado

Pregunta 95
9. Alexandra, gerente de ventas de la compañía A&B afirma que sus vendedores
venden en promedio diariamente s/4500. Realice una prueba para la hipótesis de
Alexandra si se quiere que la probabilidad sea 1.5% de rechazarla cuando realmente
es verdadera y la probabilidad sea de 0.8% de aceptarla cuando el promedio de las
ventas diarias es realmente s/4565. Suponga que la distribución de las ventas es
normal con una desviación estándar de s/.150. De ser el caso, obtener la potencia
de la prueba.
Pregunta 96
10. Las cajas de cierto tipo de cereal procesado por una fábrica deben tener un
contenido promedio de 200 gramos. Por queja ante el defensor del consumidor de
que tales cajas de cereal tienen menos contenido, un inspector tomó una muestra
aleatoria de las cajas encontrando los siguientes pesos de cereal en gramos:
197 203 198 197 201 199

202 199 202 195 198 196
¿Es razonable que el inspector multe al fabricante? Use un nivel de significancia del
5% y suponga que los contenidos tienen distribución normal
H0: µ = 200
H1: µ < 200
𝑛 = 12 𝑥 = 198.9167 𝑠 = 2.5746

𝑥−𝜇 198.9167 − 200
𝑡= 𝑠 = = −1.4576
2.5746
√𝑛 √12
Decisión: no se rechaza H0, por lo tanto, no se multará al fabricante
Pregunta 97
11. Un fabricante produce un cable de alambre de cierto tipo, que tiene una resistencia
a la ruptura no mayor de 280 kg. Se descubre un proceso nuevo y más barato que
desea emplearse, siempre que el cable así producido tenga una resistencia media
a la ruptura mayor de 280 kg. Si una muestra aleatoria de 31 cables producidos con
el nuevo proceso ha dado una media de 285.5 kg. y una desviación estándar de 14
kg. ¿debería el fabricante adoptar el nuevo proceso, si está dispuesto a asumir un
error tipo I del 5%? Suponga que la distribución de la resistencia a la ruptura es:
H0: µ ≤ 280
H1: µ > 280
𝑛 = 31 𝑥 = 285.5 𝑠 = 14 𝛼 = 0.05
a) Normal (t – Student)

Región de rechazo: rechazar H0 t > 1.6973
𝑥−𝜇 285.5 − 280

𝑡= 𝑠 = = 2.1873
14
√𝑛 √31
Decisión: se rechaza H0, si se cambia el proceso
b) Desconocida No normal (dist. Normal “Z”)

Región de rechazo: rechazar H0 si
Pregunta 98
12. Se afirma que los fumadores adultos del país consumen en promedio al menos 10
cigarrillos por día. Para comprobar esta afirmación, se escoge una muestra aleatoria
de 36 fumadores adultos y se observa el número de cigarrillos que fuman por día,
resultando Σ 𝑥𝑖 = 324 y Σ 𝑥𝑖2 = 3231. Utilizando α = 0.01,
n = 36 𝑥 = 9 𝑠=9 𝛼 = 0.01
a) ¿Parecería esto indicar que el promedio del consumo es menor que 10?
H0: µ ≥ 10
H1: µ < 10
Distribución Normal (Z)
Cola izquierda (prueba unilateral)
Región de rechazo: rechazar H0 si Z < -2.3263 𝑥 ∗ < 6.5111
Valor crítico: Z = -0.6667
Decisión: no se rechaza H0, el promedio del consumo de cigarros no es menor
que 10
b) Encuentre la probabilidad del error del tipo II de la prueba si el valor real de la

media es 8 cigarrillos por día.
∗
𝑥∗ − 𝜇 𝑥 ∗ − 10
𝑍 = 𝑠 − 2.3263 = 𝑥 ∗ = 6.5111
9
√𝑛 √36

6.5111 − 8
𝑃(𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 𝑐𝑢𝑎𝑛𝑑𝑜 𝜇 = 8) = 𝑃(𝑥 > 6.5111) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > −0.99)
9
√36
= 0.8389
Pregunta 99
13. El medicamento A es aplicado a 10 pacientes aquejados de cierta enfermedad y el
medicamento B es aplicado a otros 9 pacientes aquejados de la misma enfermedad.
Los tiempos de recuperación de los pacientes, en días, fueron:
𝑛𝐴 = 10 𝑥𝐴 = 5.2 𝑠𝐴 = 1.3166 𝑛𝐵 = 9 𝑥𝐵 = 7.6667 𝑠𝐵 = 1.2247
Utilizando un nivel de significancia del 5% y suponiendo poblaciones normales,
a) ¿Se puede aceptar la hipótesis nula que son iguales las medias de los tiempos
de tratamiento de las dos medicinas?
H0: µA = µB
H1: µA ≠ µB
Primero debe hacerse comparación de varianzas
H0: σ2A = σ2B
H1: σ2A ≠ σ2B
Zona de rechazo: rechazar H0 si F < 0.2438 o F > 4.3572
Valor de prueba: F = 1.1557
Se asumen varianzas iguales
Rechazar H0 si t < -2.1098 o t > 2.1098
Valor de prueba para la comparación de medias: t = -4.2134
Decisión: se rechaza H0, existe diferencia significativa en los tiempos de
tratamiento
b) ¿Cuál de los medicamentos es más eficaz?

Es más eficaz el medicamente A
Pregunta 100
14. Un fabricante quiere comparar dos marcas de máquinas, A y B; para fabricar un tipo
de artículo. Observa dos muestras de 50 artículos procesados por A y B
respectivamente y encuentra que las medias respectivas son 1250 y 1210 segundos.

Suponga 𝜎𝐴=110 𝑦 𝜎𝐵=80 segundos. Al nivel de significancia del 5%, ¿se puede
inferir que la máquina B es más rápida que la máquina A?
H0: µB ≥ µA
H1: µB < µA
𝑛𝐵 = 50 𝑥𝐵 = 1210 𝜎𝐵 = 80 𝑛𝐴 = 50 𝑥𝐴 = 1250 𝜎𝐴 = 110
Región de rechazo: rechazar H0 si Z < -1.6449

Valor de prueba o estadístico de contraste: Z = -2.0795
Decisión: Se rechaza H0, la máquina B es más rápida que la máquina A
-------------------------------------FINAL PASADO---------------------------------
E1:
Si r = -0,8 entonces podemos decir que:
E2:
Si usted tiene 40 pares de observaciones y 28 se encuentran dentro de la elipse de la
forma cuadrática, por la regla empírica se verifica la normalidad bivariada

Pregunta similar:
Si usted tiene 40 pares de observaciones y 18 se encuentran dentro de la elipse de la
forma cuadrática, por la regla empírica se verifica la normalidad bivariada
E3:
Un estimador es consistente si se cumple la convergencia en probabilidad, lo que no
implica la convergencia casi segura

E4: Se sabe que las distribuciones de datos A y B son de tipo normal. Para verificar la
hipótesis H_0

E
E5:
Un estimador puntual de u es:
E7:
Suponga que X es una VA con media 12 y varianza 9. La cota inferior de:

E8:
Si usted desea contratar los servicios de la trabajadora Falla, para ello le cita a una
entrevista, bajo la siguiente hipótesis.

E9:
Pregunta 101
Una empresa ofrece salario promedio de 4 dólares por hora con desviación estándar de
0.5 dolares. Una muestra aleatoria de 64 trabajadores genera como salario medio 3,9
dolares por hora.
Pregunta 102
1. Los siguientes datos representan el PBI (X) y los gastos de consumo (Y) en miles
de millones de dólares de un país están dados por:
X Y
737 452
756.6 461.4
800.2 482

832.5 500.5
876.4 528
929.3 557.5
1011.4 602.7
1058.1 634.4
1087.6 657.9
1085.6 672.1
1122.4 696.8
Estadísticas de la regresión
Coeficiente de correlación múltiple = r 0.99565001
Coeficiente de determinación R^2 = R2 0.99131894
R^2 ajustado 0.99035437
Error típico 8.76252206
Observaciones 11
ANÁLISIS DE VARIANZA
Promedio Valor
Grados de Suma de F (el valor de
de los crítico de F
libertad cuadrados prueba)
cuadrados (valor P)
Regresión 1 78911.6711 78911.6711 1027.739366 0.0000000

Residuos = errores 9 691.036136 76.7817929
Total 10 79602.7073
Probabil
Coeficie Error Estadíst Inferior Superio Inferior Superio
idad
ntes típico ico t 95% r 95% 95.0% r 95.0%
(valor p)
- - - -
Intercep 12.6951 18.297 0.69380 0.50531 54.0875 28.697 54.0875 28.697
ción 279 7661 753 4221 505 2947 505 2947
0.62007 0.0193 32.0583 0.57631 0.6638 0.57631 0.6638
X 229 4198 743 0.0000 77 2688 77 2688
a) Obtener el modelo lineal e interprete los coeficientes.

Y = a + bX
Y(estimado) = -12.6951 + 0.6201X

Beta 1 = 0.6201: si el PBI (X) aumenta mil millones de dólares, el consumo amentará en
0.6201 miles de millones de dólares aproximadamente
Beta 0 = -12.6951 (haciendo X = 0)
R2 = 0.9913 = 99.13%: el 99.13% de las variaciones en el consumo (Y) son explicadas

por las variaciones del PBI (X) de forma lineal
b) ¿El modelo es significativo?
H0: R2 = 0 Beta 0 = Beta 1 = 0

H1: R2 ≠ 0 Al menos un beta es diferente de cero
Valor p = 0.0000 < alfa = 0.05, entonces se rechaza la H0
● NO hay relación espuria

● El modelo no es propio del azar
● El modelo es globalmente significativo
c) las variables son significativas

H0: beta 1 = 0
H1: beta 1 ≠ 0
Valor p = 0.0000 < alfa = 0.05, se rechaza H0, eso quiere decir que la variables PBI (X)
es útil de manera individual al modelo
Pregunta 103
15. Un proceso que produce botes de champú, cuando funciona correctamente, produce
botes cuyo contenido pesa, en promedio, 20 gramos. Una muestra aleatoria
procedente de un lote tiene el siguiente peso (en gramos):
21.4 19.7 19.7 20.6 20.8

20.1 19.7 20.3 20.9
Suponiendo que la distribución poblacional es normal, contraste al nivel del 5% de
que el proceso funciona correctamente.
Pregunta 104
16. Un inversionista está por decidir entre dos provincias A y B para abrir un centro
comercial. Para esto debe probar la hipótesis de que hay diferencia en el promedio
de ingresos familiares de las dos provincias. Si para una muestra de 300 hogares
de la provincia A: 𝑥𝐴 = 400 y 𝑠𝐴 = 90 y, para otra muestra de 400 hogares de la
provincia B: 𝑥𝐵 = 420 y 𝑠𝐵 = 120. ¿Se puede inferir que las dos medias poblacionales
son diferentes?, si es así, ¿en cuál de las provincias debería abrir la sucursal? Use
α= 5%.
H0: µA = µB
H1: µA ≠ µB
𝑛𝐴 = 300 𝑥𝐴 = 400 𝑠𝐴 = 90 𝑛𝐵 = 400 𝑥𝐵 = 420 𝑠𝐴 = 120
Rechazar H0 si Z < -1.96 o Z > 1.96

El valor de prueba o de contraste es Z = -2.5198
Decisión: se rechaza H0
Abrir en la ciudad B
Pregunta 105
1. La autoridad monetaria de un país decide llevar a cabo una investigación sobre
los rendimientos que produce un determinado producto financiero ofertado por
los bancos. Seleccionada una muestra aleatoria simple de nueve entidades
bancarias, y suponiendo que los rendimientos de este producto en el conjunto
bancario se distribuyen normalmente, con media del 23% y desviación típica del
6%, calcule:
a) La probabilidad de que el rendimiento medio muestral se mantenga entre
el 18,72 y el 25,76%.
n=9
µ = 23
σ=6
𝑃(18.72 ≤ 𝑋 ≤ 25.76) = 𝑃(−2.14 ≤ 𝑍 ≤ 1.38) = 0.9
b) La probabilidad de que la varianza muestral sea superior a 60.12.
𝑃(𝑆 2 > 60.12) = 𝑃(𝜒 2 > 13.36) = 0.1
c) El valor de k, tal que P (S2 > k) = 0,95.
(9 − 1)𝑘
𝑃(𝑆 2 > 𝑘) = 0.95 𝑃 (𝜒 2 > ) = 0.95
62
(9 − 1)𝑘 (2.7326)(36)
2
= 2.7326 → 𝑘 = = 12.2969
6 8
(𝑛 − 1)𝑆 2
𝜒2 =
𝜎2

Pregunta 106
2. Una empresa pretende predecir el tiempo de trabajo necesario para acabar el diseño
de un avión en millones de horas. Se pensaba que las variables independientes eran
la velocidad máxima (𝑥1), su peso (𝑥2) y el número de piezas en común con otros
modelos construidos (𝑥3). Una muestra aleatoria de 27 aviones generó la siguiente
información
𝑦 = 0.661𝑥1 + 0.065𝑥2 − 0.018𝑥3; 𝑆𝐶𝑇 = 3.881; 𝑆𝐶𝑅 = 3.549; n = 27
a) Calcular e interpretar el coeficiente de determinación.

𝑆𝐶𝑅 𝑆𝐶𝐸
𝑅 2 = 𝑆𝐶𝑇 𝑅 2 = 1 − 𝑆𝐶𝑇 𝑆𝐶𝑇 = 𝑆𝐶𝑅 + 𝑆𝐶𝐸
3.549
𝑅 2 = 3.881 = 0.9145 = 91.45%
El 91.45% de las variaciones en el tiempo que se necesita para acabar un avión
son explicadas por las variaciones de la velocidad máxima (X1), el peso (X2) y el
número de piezas en común con otros modelos (X3) de forma lineal
b) Determine si el modelo es significativo.
Fuente de Suma de GL Cuadrado medio F Valor

variación cuadrados P
Regresión SCR =3.549 # var. CMR=3.5449/3=1.185 82.09 0.000
exógenas =
3
Error SCE = 0.332 n – CME=0.332/23=0.0144
(residuo) GLRegre.
=23
Total SCT = 3.881 n – 1 = 26
Como valor p = 0.000 < alfa = 0.05 se rechaza H0
c) Si además 𝑆𝑏1=0.099; S𝑏2=0.032; S𝑏3=0.002, al 5% de significancia, ¿existe

significancia local?
H0: beta 1 = 0
H1: beta 1 ≠ 0
Alfa = 0.05
GL = GL (error) = 23
Región de rechazo: t < -2.069 o t > 2.069
Valor de prueba
𝛽̂1 0.661
𝑡= = = 6.6768
𝑠𝛽̂1 0.099

Pregunta 107
3. En una granja experimental se llevó a cabo un experimento para determinar si es
posible pronosticar el peso final (Y) de ganado porcino después de 6 meses sobre
la base de su peso inicial (𝑋1) y la cantidad de alimento que recibe (𝑋2). El
experimento se realizó con una muestra de tamaño 23 y los resultados en Kg son:
Obtenga el modelo de regresión, usando todos los decimales, y realice la prueba

global al 5% de significancia
Pregunta 108
1. Sea la distribución de probabilidad conjunta:
X
2 3
1 0.25 0.25
Y
2 0.25 0.25
a) Calcule F (X, Y)
𝐹(𝑋; 𝑌) = {0; 𝑥 < 2; 𝑦 < 1 0.25; 2 ≤ 𝑥 < 3; 1 ≤ 𝑦 < 2 0.25 + 0.25 = 0.5; 𝑥 ≥ 3; 1 ≤ 𝑦
< 2 0.5 + 0.25 = 0.75; 2 ≤ 𝑥 < 3; 𝑦 ≥ 2 0.75 + 0.25 = 1; 𝑥 ≥ 3; 𝑦 ≤ 2
b) Calcule la distribución acumulada para, 2 ≤ x <3, y ≥ 2
0.75
c) Calcule las probabilidades marginales, ¿son independientes las variables?

X
𝑝𝑌 (𝑦)
2 3
1 0.25 0.25 0.5
Y
2 0.25 0.25 0.5
𝑝𝑋 (𝑥) 1
0.5 0.5
X 2 3
𝑝𝑋 (𝑥) 0.5 0.5
Y 1 2
𝑝𝑌 (𝑦) 0.5 0.5
Existe independencia si 𝑝(𝑥𝑖 ; 𝑦𝑗 ) = 𝑝𝑋 (𝑥𝑖 )𝑝𝑌 (𝑦𝑗 )

En este caso existe independencia estadística (Cov (x;y) = 0)
d) Calcule P (X = 3/ Y = 2)
3 𝑃(𝑋 = 3 ∩ 𝑌 = 2) 0.25
𝑃 (𝑋 = = 2) = = = 0.5
𝑌 𝑃𝑌 (𝑌 = 2) 0.5
e) Halle E (X) y E (Y)
𝐸(𝑋) = ∑ 𝑋𝑖 𝑝𝑋 (𝑋𝑖 ) = 2(0.5) + 3(0.5) = 2.5
𝐸(𝑌) = 1(0.5) + 2(0.5) = 1.5
f) Halle Var (X), Var (Y)
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 𝐸(𝑋 2 ) − 𝜇𝑋2
𝐸(𝑋 2 ) = ∑ 𝑥 2 𝑝𝑋 (𝑥) = 22 (0.5) + 32 (0.5) = 6.5

𝑉𝑎𝑟(𝑋) = 6.5 − (2.5)2 = 0.25
𝐸(𝑌 2 ) = 12 (0.5) + 22 (0.5) = 2.5
𝑉𝑎𝑟(𝑌) = 2.5 − (1.5)2 = 0.25
g) Hallar Cov (X, Y)
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)
𝐸(𝑋𝑌) = ∑ ∑ 𝑥𝑦𝑃(𝑥; 𝑦) = 2(1)(0.25) + 3(1)(0.25) + 2(2)(0.25) + 3(2)(0.25)

𝑋 𝑌
= 3.75
𝐶𝑜𝑣(𝑋, 𝑌) = 3.75 − (2.5)(1.5) = 0
X
2 3
1 0.25 0.25
Y
2 0.25 0.25
h) Hallar Var (X, Y)
𝑉𝑎𝑟(𝑋; 𝑌) = 𝐸(𝑋 2 𝑌 2 ) − [𝐸(𝑋)]2 [𝐸(𝑌)]2 = 16.25 − (2.5)2 (1.5)2 = 2.1875
𝐸(𝑋 2 𝑌 2 ) = ∑ ∑ 𝑥 2 𝑦 2 𝑃(𝑥; 𝑦) =
𝑋 𝑌
𝐸(𝑋 2 𝑌 2 ) = 22 (12 )(0.25) + 32 (12 )(0.25) + 22 (22 )(0.25) + 32 (22 )(0.25) = 16.25
i) Calcule el coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) 0
𝜌(𝑋, 𝑌) = = =0
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √(0.25)(0.25)

Pregunta 109
2. Se tiene la función de densidad conjunta para las variables aleatorias continuas X e
Y; donde X es el peso en kilogramos de un artículo fabricado en serie, almacenado
por un proveedor y Y es el peso en kilogramos del artículo que este proveedor vende;
la función de densidad bivariada se muestra a continuación.
1
𝑓(𝑥, 𝑦) = ;0 < 𝑦 < 𝑥 < 1
𝑥
a) Encuentre las distribuciones marginales, ¿son independientes las variables?
∞ 𝑥
1 1
𝑓𝑋 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 𝑑𝑦 = (𝑦)0𝑥 = 1
−∞ 0 𝑥 𝑥
∞ 1
1
𝑓𝑌 (𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ 𝑑𝑥 = [𝑙𝑛𝑥]1𝑦 = 𝑙𝑛1 − 𝑙𝑛𝑦 = −𝑙𝑛𝑦
−∞ 𝑦 𝑥
Son independientes: no por que 𝑓(𝑥, 𝑦) ≠ 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)
b) Halle las probabilidades condicionales
1
𝑥 𝑓(𝑥, 𝑦) 1
𝑓( ) = = 𝑥 =
𝑦 𝑓𝑌 (𝑦) −𝑙𝑛𝑦 −𝑥𝑙𝑛𝑦
1
𝑦 𝑓(𝑥, 𝑦) 𝑥 1
𝑓( ) = = =
𝑥 𝑓𝑋 (𝑥) 1 𝑥
c) Calcule E(X) y E(Y)
∞ 1
𝐸(𝑥) = 𝜇𝑋 = ∫ 𝑥𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥(1)𝑑𝑥 = 0.5
−∞ 0
∞ 1
𝐸(𝑦) = 𝜇𝑌 = ∫ 𝑦𝑓𝑌 (𝑦)𝑑𝑦 = ∫ 𝑦(−𝑙𝑛𝑦)𝑑𝑦 = 0.25
−∞ 0
d) Halle V(X) y V(Y)

1
𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝜇𝑋2 = − (0.5)2 = 0.083
3
∞ 1
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥 2 (1)𝑑𝑥 =
−∞ 0 3
∞ 1
1
𝐸(𝑌 2 ) = ∫ 𝑦 2 𝑓𝑌 (𝑦)𝑑𝑦 = ∫ 𝑦 2 (−𝑙𝑛𝑦)𝑑𝑦 =
−∞ 0 9
1
𝑉(𝑌) = − (0.25)2 = 0.049
9
e) Halle Cov (X; Y)
1
𝐶𝑜𝑣(𝑥, 𝑦) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = − 0.5(0.25) = 0.042
6
∞ ∞ 1 𝑥
1 1
𝐸(𝑋𝑌) = ∫ ∫ 𝑥𝑦𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = ∫ ∫ 𝑥𝑦 ( ) 𝑑𝑦𝑑𝑥 =
−∞ −∞ 0 0 𝑥 6
f) Halle Var (X, Y)
1
𝑉(𝑋𝑌) = 𝐸(𝑋 2 𝑌 2 ) − [𝐸(𝑋)]2 [𝐸(𝑌)]2 = − (0.5)2 (0.25)2 = 0.051
15
∞ ∞ 1 𝑥
1 1
𝐸(𝑋 2 𝑌 2 ) = ∫ ∫ 𝑥 2 𝑦 2 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = ∫ ∫ 𝑥 2 𝑦 2 ( ) 𝑑𝑦𝑑𝑥 =
−∞ −∞ 0 0 𝑥 15
g) Calcule el coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) 0.042
𝜌(𝑋, 𝑌) = = = 0.66
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √0.083(0.049)
h) Si se define Z = X – Y, determine E (Z) y Var (Z)

𝐸(𝑋 ± 𝑌) = 𝐸(𝑋) ± 𝐸(𝑌)
𝐸(𝑍) = 𝐸(𝑋 − 𝑌) = 𝐸(𝑋) − 𝐸(𝑌) = 0.5 − 0.25 = 0.25
𝑉(𝑋 ± 𝑌) = 𝑉(𝑋) + 𝑉(𝑌) ± 𝐶𝑜𝑣(𝑋; 𝑌)
𝑉(𝑍) = 𝑉(𝑋 − 𝑌) = 𝑉(𝑋) + 𝑉(𝑌) − 𝐶𝑜𝑣(𝑋; 𝑌) = 0.083 + 0.049 − 0.042 = 0.09
Pregunta 110
3. Sea X el tiempo total de entre la llegada de un cliente a la tienda y su salida desde
la ventanilla de servicio, Y es el tiempo empleado en la fila de espera antes de llegar
a la ventanilla. La función de densidad conjunta es:
𝑓(𝑥, 𝑦) = {𝑘𝑒 −𝑥 ; 0 ≤ 𝑦 ≤ 𝑥 < ∞ 0; 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Calcule el valor de “k”
i. 𝑓(𝑥, 𝑦) ≥ 0, −∞ < 𝑥, 𝑦 < ∞
∞ ∞
ii. ∫−∞ ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = 1
∞ 𝑥
∫ ∫ 𝑘𝑒 −𝑥 𝑑𝑦𝑑𝑥 = 1 𝑘=1
0 0
𝑓(𝑥, 𝑦) = {𝑒 −𝑥 ; 0 ≤ 𝑦 ≤ 𝑥 < ∞ 0; 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
b) Halle las distribuciones marginales
∞ 𝑥
𝑓𝑋 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 𝑒 −𝑥 𝑑𝑦 = (𝑦𝑒 −𝑥 )0𝑥 = 𝑥𝑒 −𝑥
−∞ 0

∞ ∞
𝑓𝑌 (𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ 𝑒 −𝑥 𝑑𝑥 = 𝑒 −𝑦
−∞ 𝑦
c) Halle las funciones de probabilidad condicional
𝑥 𝑓(𝑥, 𝑦) 𝑒 −𝑥
𝑓( ) = = −𝑦 = 𝑒 𝑦−𝑥
𝑦 𝑓𝑌 (𝑦) 𝑒
𝑦 𝑓(𝑥, 𝑦) 𝑒 −𝑥 1
𝑓( ) = = −𝑥 =
𝑥 𝑓𝑋 (𝑥) 𝑥𝑒 𝑥
d) Calcule E (X) y E (Y)

∞ ∞
𝐸(𝑥) = 𝜇𝑋 = ∫ 𝑥𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥(𝑥𝑒 −𝑥 )𝑑𝑥 = 2
−∞ 0
∞ ∞
𝐸(𝑦) = 𝜇𝑌 = ∫ 𝑦𝑓𝑌 (𝑦)𝑑𝑦 = ∫ 𝑦𝑒 −𝑦 𝑑𝑦 = 1
−∞ 0
e) Calcule V (X) y V (Y)
∞ ∞
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥 2 (𝑥𝑒 −𝑥 )𝑑𝑥 = 6
−∞ 0
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 6 − 22 = 2
∞
𝐸(𝑌 2 ) = ∫ 𝑦 2 (𝑒 −𝑦 )𝑑𝑦 = 2
0
𝑉(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2 = 2 − 12 = 1
f) Halle Cov (X, Y)

𝑓(𝑥, 𝑦) = {𝑒 −𝑥 ; 0 ≤ 𝑦 ≤ 𝑥 < ∞ 0; 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 3 − 2(1) = 1
∞ 𝑥
𝐸(𝑋𝑌) = ∫ ∫ 𝑥𝑦(𝑒 −𝑥 )𝑑𝑦𝑑𝑥 = 3
0 0
g) Halle V (X, Y)
𝑉(𝑋; 𝑌) = 𝐸(𝑋 2 𝑌 2 ) − [𝐸(𝑋)]2 [𝐸(𝑌)]2 = 40 − (22 )(11 ) = 36
∞ 𝑥
𝐸(𝑋 2 𝑌 2 ) = ∫ ∫ 𝑥 2 𝑦 2 𝑒 −𝑥 𝑑𝑦𝑑𝑥 = 40
0 0
h) Determine el coeficiente de correlación

𝐶𝑜𝑣(𝑋; 𝑌) 1
𝜌(𝑋, 𝑌) = = = 0.7071
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √2(1)
Pregunta 111
𝑐
4. Sea 𝑝(𝑥, 𝑦) = 2𝑥+𝑦 para x = 0, 1, 2; y = 1, 2.
a) Hallar el valor de “c”

(0,1); (0,2); (1,1); (1,2); (2,1); (2,2)
𝑐 𝑐 𝑐 𝑐 𝑐 𝑐 16
+ + + + + =1 → 𝑐=
20+1 20+2 21+1 21+2 22+1 22+2 21
16
𝑝(𝑥, 𝑦) = 21 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, 2; 𝑦 = 1, 2
2𝑥+𝑦
X
0 1 2
Y 1 0.38 0.19 0.10

2 0.19 0.10 0.05
b) Calcule la distribución acumulada para 1 ≤ x < 2, y ≥ 2 = 0.96
𝐹(𝑋, 𝑌) = {0; 𝑥 < 0; 𝑦 < 1 0.38; 0 ≤ 𝑥 < 1; 1 ≤ 𝑦 < 2 0.38 + 0.19 = 0.57; 1 ≤ 𝑥 < 2; 1
≤ 𝑦 < 2 0.57 + 0.10 = 0.67; 𝑥 ≥ 2; 1 ≤ 𝑦 < 2 0.67 + 0.19 = 0.86; 0 ≤ 𝑥
< 1; 𝑦 ≥ 2 0.86 + 0.10 = 0.96; 1 ≤ 𝑥 < 2; 𝑦 ≥ 2 0.96 + 0.05 = 1; 𝑥 ≥ 2; 𝑦
≥2
c) Determine las funciones marginales
16
16
𝑝(𝑥, 𝑦) = 21
𝑥+𝑦
= 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, 2; 𝑦 = 1, 2
2 21(2𝑥+𝑦 )
2
16 16 16 16 1 1 16 2 + 1
𝑝𝑋 (𝑥) = ∑ 𝑥+𝑦
= 𝑥+1
+ 𝑥+2
= [ 𝑥+1 + 𝑥+2 ] = [ ]
21(2 ) 21(2 ) 21(2 ) 21 2 2 21 2𝑥+2
𝑦=1
4 1
= ( 𝑥)
7 2

2
16 16 16 16 16 1 1 1
𝑝𝑌 (𝑦) = ∑ 𝑥+𝑦
= 0+𝑦
+ 1+𝑦
+ 2+𝑦
= [ 𝑦 + 1+𝑦 + 2+𝑦 ]
21(2 ) 21(2 ) 21(2 ) 21(2 ) 21 2 2 2
𝑥=0
16 4 + 2 + 1 4 1
𝑝𝑌 (𝑦) = [ 𝑦+2 ] = ( 𝑦)
21 2 7 2
d) Calcule las funciones de probabilidad condicional
16
𝑥 𝑝(𝑥, 𝑦) 21(2𝑥+𝑦 ) 22−𝑥
𝑝( ) = = =
𝑦 𝑝𝑌 (𝑦) 4 1 3
(
7 2 𝑦 )
16
𝑦 𝑝(𝑥, 𝑦) 21(2𝑥+𝑦 ) 22−𝑦
𝑝( ) = = =
𝑥 𝑝𝑋 (𝑥) 4 1 3
(
7 2 𝑥 )
e) Calcule P (X = 1, Y = 2)
16
16
𝑝(𝑥, 𝑦) = 21
𝑥+𝑦
= 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, 2; 𝑦 = 1, 2
2 21(2𝑥+𝑦 )
16 16
𝑝(𝑥 = 1; 𝑦 = 2) = 1+2
= = 0.0952
21(2 ) 21(8)
f) Halle E(X) y E(Y)
2 2
4 1 4 4 4
𝐸(𝑋) = ∑ 𝑥𝑝𝑋 (𝑥) = ∑ 𝑥 ( ( 𝑥 )) = 0 ( ) + 1 ( ) + 2 ( ) = 0.5714
7 2 7 14 28
𝑥=0 𝑥=0
2
4 1 4 4
𝐸(𝑌) = ∑ 𝑦[ ( 𝑦 )] = 1 ( ) + 2 ( ) = 0.5714
7 2 14 28
𝑦=1

g) Calcule V (X) y V(Y)
2 2
2) 2
4 1 4 4 4
𝐸(𝑋 =∑ 𝑥 𝑝𝑋 (𝑥) = ∑ 𝑥 2 ( ( 𝑥 )) = 02 ( ) + 12 ( ) + 22 ( ) = 0.857
7 2 7 14 28
𝑥=0 𝑥=0
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 0.857 − 0.57142 = 0.531
2
2)
4 1 4 4
𝐸(𝑌 =∑ 𝑦 2 [ ( 𝑦 )] = 12 ( ) + 22 ( ) = 0.857
7 2 14 28
𝑦=1
𝑉(𝑌) = 0.531
h) Hallar V (X; Y)
2 2 2 2
2 2) 2 2
16
𝐸(𝑋 𝑌 =∑ ∑ 𝑥 𝑦 𝑝(𝑥, 𝑦) = ∑ ∑ 𝑥 2𝑦2 ( )=
21(2𝑥+𝑦 )
𝑦=1 𝑥=0 𝑦=1 𝑥=0
2
2 2)
16 16 16
𝐸(𝑋 𝑌 =∑ [02 𝑦 2 ( 0+𝑦
) + 12 𝑦 2 ( 1+𝑦
) + 22 𝑦 2 ( )]
21(2 ) 21(2 ) 21(22+𝑦 )
𝑦=1
2 2
2 2) 2
16 16 16𝑦 2 1 4
𝐸(𝑋 𝑌 =∑ [𝑦 ( 1+𝑦
) + 4𝑦 2 ( )] = ∑ [ 1+𝑦 + 2+𝑦 ]
21(2 ) 21(22+𝑦 ) 21 2 2
𝑦=1 𝑦=1
2
2 2)
16𝑦 2 6 16(1)2 6 16(2)2 6
𝐸(𝑋 𝑌 =∑ [ 𝑦+2 ] = [ 3] + [ ] = 1.714
21 2 21 2 21 24
𝑦=1
𝑉(𝑋; 𝑌) = 𝐸(𝑋 2 𝑌 2 ) − [𝐸(𝑋)]2 [𝐸(𝑌)]2 = 1.714 − (0.5714)2 (0.5714)2 = 1.607
i) Calcule el coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 0.762 − (0.5714)(0.5714) = 0.4355

2 2 2 2
16
𝐸(𝑋𝑌) = ∑ ∑ 𝑥𝑦𝑝(𝑥, 𝑦) = ∑ ∑ 𝑥𝑦 ( )
21(2𝑥+𝑦 )
𝑦=1 𝑥=0 𝑦=1 𝑥=0
2
16 16
=∑ [0 + 𝑦 ( 1+𝑦
) + 2𝑦 ( )]
21(2 ) 21(22+𝑦 )
𝑦=1
2 2
16𝑦 1 2 16𝑦 4 16 4 32 4
𝐸(𝑋𝑌) = ∑ ( 𝑦+1 + 𝑦+2 ) = ∑ ( 𝑦+2 ) = ( 3 ) + ( 4 ) = 0.762
21 2 2 21 2 21 2 21 2
𝑦=1 𝑦=1
𝐶𝑜𝑣(𝑋; 𝑌) 0.4355 0.4355

𝜌(𝑋, 𝑌) = = = = 0.820
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √(0.531)(0.531) 0.531
Pregunta 112
1. Hallar la función de densidad bidimensional cuando 𝜇1 = 1, 𝜇2 = 3, 𝜎12 = 2; 𝜎22 =
1 𝑦 𝜌 = 0.8
𝜎12 = 2 → 𝜎1 = √2
𝜎22 = 1 → 𝜎2 = 1
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (2 0.8(√2)(1) 0.8(√2)(1) 1 )
|𝛴| = 0.72
𝛴 −1 = (1.3889 − 1.5713 − 1.5713 2.7778 )
1 1
[(𝑥−𝜇1 𝑦−𝜇2 )𝛴−1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋|𝛴|
1 1
[(𝑥−1 𝑦−3 )(1.3889 −1.5713 −1.5713 2.7778 )(𝑥−1 𝑦−3 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋(0.72)

1 1
(1.3889𝑥 2 −3.1426𝑥𝑦+2.7778𝑦 2 +6.65𝑥−13.5242𝑦+16.9613)
𝑓(𝑥, 𝑦) = 𝑒 −2
1.44𝜋
Pregunta 113
2. Una compañía quiere conocer la proporción de consumidores que adquieren su
producto. Para ello, contrata una empresa que realiza investigaciones de
mercado y le pide que el error de estimación máximo sea del 3 % con una
confianza del 95%.
a) ¿Cuál debe ser el tamaño de la muestra para cumplir los objetivos
marcados por la compañía?
𝑍 2 𝑝𝑞
𝑛= = 1067.07 = 1068
𝑒2
NC = 0.95
e = 0.03
p = 0.5
b) Si, una vez extraída la muestra, se observa que la proporción muestral

es del 74%, ¿entre qué valores se encontraría la proporción poblacional
si se pretende seguir teniendo la confianza inicial? ¿Cuál es el error de
estimación en este caso, y a qué se debe el cambio con el error pedido
previamente?
𝑝𝑞 𝑝𝑞
𝑝 − 𝑍√ ≤ 𝑝 ≤ 𝑝 + 𝑍√
𝑛 𝑛
𝑝 = 0.74
n = 1068
NC = 0.95
Lim Inf. Lim. Sup.
infinita 0.7137 0.7663
0.7137 ≤ 𝑝 ≤ 0.7663
Error de estimación = 0.0263
Pregunta 114
3. Para establecer las especificaciones del sistema de control de calidad de una
máquina que fabrica grapas se realizan distintas mediciones y pruebas. Las
longitudes de una muestra aleatoria de 10 grapas se observa que tienen una

varianza de 0,32 cm2. Construya un intervalo de confianza al 90% para la
varianza de la longitud de las grapas; suponga normalidad.
n = 10
s2 = 0.32
NC= 0.90
(𝑛 − 1)𝑠2 (𝑛 − 1)𝑠2
≤ 𝜎2 ≤
𝜒2 𝛼 𝜒2 𝛼
𝑛−1; 𝑛−1;1−
2 2
Lim. Inf. Lim. Sup.

Varianza 0.1702 0.8661
0.1702 ≤ 𝜎 2 ≤ 0.8661
Pregunta 115.1
2. Sea X1, X2, …, X50 VV AA independientes con función de densidad
𝑓(𝑥) = 4𝑥 3 ; 0 < 𝑥 < 1
+∞ 1
4
𝐸(𝑋) = 𝜇 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 𝑥(4𝑥 3 )𝑑𝑥 = = 0.8
−∞ 0 5
2 4 2 2 2
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = −( ) = 𝜎 = √ = 0.1633
3 5 75 75
+∞ 1
2) 2
2
𝐸(𝑋 =∫ 𝑥 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 2 (4𝑥 3 )𝑑𝑥 =
−∞ 0 3
𝜇 = 0.8 𝜎 = 0.1633 𝑛 = 50
Calcular:
42 0.84 − 0.8
𝑃(𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋50 > 42) = 𝑃 (𝑋 > ) = 𝑃(𝑋 > 0.84) = 𝑃 (𝑍 > )
50 0.1633
√50
𝑃(𝑍 > 1.7320) = 0.04163

Pregunta 115.2
Sean X_1, X_2,…;X_60 variables aleatorias independientes con función de densidad:
Otra pregunta similar:
Pregunta 116
Suponga que X es VA con media 12 y varianza 9. La cota superior de:

Pregunta 117
Si (X,Y)~N(15, 3^2, 8, 2^2, -0,6)
Obtener, aproximado a 3 decimales

Pregunta 118
Si (X,Y)~N(15, 3^2, 8, 2^2, -0,6)
Obtener aproximado a 4 decimales
En este apartado, el profe se confundió con la respuesta.
Pregunta 119
4. Los niveles de audiencia (en miles de personas) de un programa de televisión,
medidos en 10 emisiones elegidas aleatoriamente, han sido los siguientes:
682, 553, 555, 666, 657, 649, 522, 568, 700, 552
Suponiendo que los niveles de audiencia siguen una distribución normal:
a) ¿Se podría afirmar, con un 95 % de confianza, que la audiencia media del

programa es de 600.000 espectadores por programa?
𝑠 𝑠
𝑥−𝑡 ≤ 𝜇 ≤ 𝑥+𝑡
√𝑛 √𝑛

n = 10
s = 66.0761
𝑋 = 610.4
Lim Inf. Lim. Sup.

infinita 609.5759 611.2241
609.5759 ≤ 𝜇 ≤ 611.2241
No se puede afirmar que la audiencia media es de 600 000 espectadores, es

más
b) La compañía productora del programa televisivo afirmó, durante las

negociaciones para la venta del programa, que éste acapararía una
audiencia fiel y que la desviación típica del número de espectadores sería de
15000. ¿Queda esta afirmación probada con los datos disponibles, con un
95 % de confianza?
(𝑛 − 1)𝑠2 2
(𝑛 − 1)𝑠2
≤𝜎 ≤
𝜒2 𝛼 𝜒2 𝛼
𝑛−1; 𝑛−1;1−
2 2
𝑠 = 66.0761 𝑛 = 10 𝑁𝐶 = 0.95
Lim. Inf. Lim. Sup.

Varianza 2065.6541 14551.4041
Desv 45.4495 120.6292
45.4495 ≤ 𝜎 ≤ 120.6292
La afirmación es falsa, la desviación es mucho mayor

Pregunta 120
La convergencia en probabilidad de un estimador a un parámetro asegura la propiedad
de suficiencia para el estadístico
Pregunta 121
2. Hallar la función de densidad bidimensional cuando 𝜇1 = 1, 𝜇2 = 1, 𝜎12 = 4; 𝜎22 = 1 y
son VAC independientes
● Como son independientes, 𝜌 = 0
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (4 0 0 1 )
|𝛴| = 4
1
𝛴 −1 = ( 0 0 1 )
4
1 1
[(𝑥−𝜇1 𝑦−𝜇2 )𝛴−1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋|𝛴|
1 1
[(𝑥−1 𝑦−1 )(1/4 0 0 1 )(𝑥−1 𝑦−1 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋(4)
1 −1(0.25𝑥 2+𝑦2−0.5𝑥−2𝑦+1.25)
𝑓(𝑥, 𝑦) = 𝑒 2
8𝜋
Pregunta 122
1 𝑥 − 𝜇1 2 𝑥 − 𝜇1 𝑦 − 𝜇2 𝑦 − 𝜇2 2
𝐷(𝑥,𝑦)→(𝜇1,𝜇2) = [( ) − 2𝜌 ( )( )+( ) ]=𝑘
(1 − 𝜌2 ) 𝜎1 𝜎1 𝜎2 𝜎2
Mide el cuadrado de la distancia Mahalanobis

EJEMPLO: obtener la distancia Mahalanobis entre (71, 73) y el centro si 𝜇1 =
𝜇2 = 72, 𝜎12 = 𝜎22 = 6 𝑦 𝜌 = 0.8
2 2
1 71 − 72 71 − 72 73 − 72 73 − 72
2
[( ) − 2(0.8) ( )( )+( ) ]=𝑘
(1 − 0.8 ) √6 √6 √6 √6
𝑘 = 1.6667
● Para verificar normalidad bivariada se espera que aproximadamente el 50% de las

observaciones de la muestra grande (≥30) se encuentren en la elipse
2
(𝑥 − 𝑥 𝑦 − 𝑦 ) 𝑆 −1 (𝑥 − 𝑥 𝑦 − 𝑦 ) ≤ 𝜒(2;0.5) = 1.386
Donde 𝑥, 𝑦, 𝑆 son estimadores de 𝜇1 , 𝜇2 , 𝛴 , además “r” es estimador de “ρ”
Ejemplo:
El punto (81, 70) se encuentra dentro de la elipse definida por 𝜇1 = 𝜇2 = 72, 𝜎12 =
𝜎22 = 6 𝑦 𝜌 = 0.8
2 2
1 81 − 72 81 − 72 70 − 72 70 − 72
2
[( ) − 2(0.8) ( )( )+( ) ]
(1 − 0.8 ) √6 √6 √6 √6
= 52.68 > 1.386
El punto no pertenece a la elipse
Pregunta 123
Cuando ρ = 0 y σ1 = 𝜎2 los contornos de densidad de probabilidad son
círculos y la función de densidad conjunta se denomina distribución
normal circular
Ejemplo: Sea una DNB definida por 𝜇1 = 𝜇2 = 72, 𝜎12 = 𝜎22 = 6 𝑦 𝜌 = 0, obtener
los contornos y graficar para un valor de k
1 𝑥 − 𝜇1 2 𝑥 − 𝜇1 𝑦 − 𝜇2 𝑦 − 𝜇2 2
[( ) − 2𝜌 ( ) ( ) + ( ) ]=𝑘
(1 − 𝜌2 ) 𝜎1 𝜎1 𝜎2 𝜎2

2 2
𝑥 − 72 𝑦 − 72
[( ) +( ) ]=𝑘
√6 √6
(𝑥 − 72)2 (𝑦 − 72)2
→ + = 𝑘 → (𝑥 − 72)2 + (𝑦 − 72)2 = 6𝑘
6 6
La gráfica será todas las circunferencias de centro (72, 72) y radio r2 = 6k
Pregunta 124
Ejemplo: Obtener la media, varianza y la función de densidad condicional
de f (X / 1.5) cuando
𝜇1 = 1, 𝜇2 = 3, 𝜎12 = 2; 𝜎22 = 1 𝑦 𝜌 = 0.8
𝑋 (𝑦 − 𝜇2 )𝜌𝜎1 2
𝑓 ( ) ~𝑁 (𝜇1 + , 𝜎1 (1 − 𝜌2 )
𝑌 𝜎2
𝑋 (1.5 − 3)(0.8)(√2)
𝑓( ) ~𝑁 (1 + , 2(1 − 0.82 ))
𝑌 = 1.5 1
𝑋
𝑓( ) ~𝑁(−0.69706; 0.72)
𝑌 = 1.5
1 1
𝑓 (𝑋 > 𝑌 = 1.5) = 𝑃 (𝑋 > 𝜇 = −0.69706; 𝜎 2 = 0.72) =0.02274989
Pregunta 125
5. Un fabricante de componentes electrónicos afirma que sus condensadores
tienen un tiempo medio de duración de 500 horas. Para verificar si dicho tiempo
medio se mantiene, decide examinar 25 condensadores cada mes. Con una
confianza del 90 %. ¿qué conclusiones debería extraer este fabricante de una
muestra cuyo tiempo medio de duración es de 518 horas, con desviación típica
de 40 horas? Se asume que el tiempo de duración de los condensadores se
distribuye normalmente.
n = 25
NC = 0.9
𝑋 = 518

S = 40
𝑠 𝑠
𝑥−𝑡 ≤ 𝜇 ≤ 𝑥+𝑡
√𝑛 √𝑛
Lim Inf. Lim. Sup.

infinita 516.1959 519.8041
516.1959 ≤ 𝜇 ≤ 519.8041
Conclusión: el tiempo de duración es mayor de 500 horas
Pregunta 126
La empresa Buenavista, S. A., se dedica a la fabricación de monturas de gafas. Ante la
celebración del próximo consejo de administración, el departamento comercial elabora
un informe sobre la producción diaria, X, en cientos de unidades, que se distribuye
normalmente. Para ello, recoge información durante 16 días seleccionados al azar y
obtiene los siguientes resultados:
16 16
∑ 𝑥𝑖 = 276 ∑ 𝑥𝑖2 = 9826

𝑖=1 𝑖=1
a) Obtenga, razonadamente, un intervalo de confianza al 95 % para la

desviación típica de la producción diaria de esta empresa.
n= 16
𝑥̅ =
17.25
s= 17.3686
Lim. Inf. Lim. Sup.

Varianza 164.6158 722.6005
Desv 12.8303 26.8812
12.8303 ≤ 𝜎 ≤ 26.8812
b) Obtenga un intervalo de confianza del 90% para la media de la

producción diaria
Lim Inf. Lim. Sup.

infinita 10.9187 23.5813
10.9187 ≤ 𝜇 ≤ 23.5813
Pregunta 127
Un experimento realizado en un laboratorio refleja que, al inyectar determinada

sustancia a un tipo de células, el tiempo de vida de estas (en horas) se distribuye
normalmente con varianza 100. Halle el número de células necesario que deben
incluirse en una muestra aleatoria simple para que se verifique que:
P(𝜇 − 5 < 𝑋 < 𝜇 + 5) = 0,803
Siendo 𝑋 la media de la muestra de los tiempos de vida de las células.
𝜎2 = 100 → 𝜎 = 10
e=5
NC = 0.803
𝑍2𝜎 2
𝑛= = 6.6579 = 7
𝑒2
Pregunta 128
Supongamos una variable aleatoria X con distribución normal de medía tres y varianza
100. Si se pretende tomar una muestra aleatoria simple de tamaño 25. (X1, …X25),
calcule:
𝑃(0 < 𝑋 < 66 5,25 < 𝑆 2 < 151,75) = 𝑃(0 < 𝑋 < 6)𝑃(65,25 < 𝑆 2 < 151,75)
n = 25
µ=3
σ = 10
𝑃(−1.50 < 𝑍 < 1.50)𝑃(15.66 < 𝜒 2 < 36.42) = 0.7364

Pregunta 129
1. Sean X y Y variables aleatorias independientes tal que 𝑋~𝑁(20;52) y 𝑌~𝑁(17;42). Luego:
a) el vector, (X, Y), se distribuye como
● Como las variables aleatorias son independientes; 𝜌 = 0, además, 𝜇1 =

20, 𝜇2 = 17, 𝜎12 = 52 ; 𝜎22 = 42
1 𝑥−𝜇1 2 𝑥−𝜇1 𝑦−𝜇2 𝑦−𝜇2 2

1 − 2 [( ) −2𝜌( )( )+( ) ]
𝑓(𝑥, 𝑦) = 𝑒 2(1−𝜌 ) 𝜎1 𝜎1 𝜎2 𝜎2
2𝜋𝜎1 𝜎2 √1 − 𝜌2
1 𝑥−20 2 𝑦−17 2
1 − [( ) +( ) ]
𝑓(𝑥, 𝑦) = 𝑒 2 5 4
2𝜋(5)(4)
2 𝑦−17 2
1 −12[(𝑥−20
5
) +(
4
) ]
𝑓(𝑥, 𝑦) = 𝑒
40𝜋
b) la matriz varianzas-covarianzas, ∑, es
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (25 0 0 16 )
c) la ecuación de la curva de nivel, en el nivel 1.386, es (Mahalanobis,

con k = 1.386)
1 𝑥 − 𝜇1 2 𝑥 − 𝜇1 𝑦 − 𝜇2 𝑦 − 𝜇2 2
[( ) − 2𝜌 ( ) ( ) + ( ) ]=𝑘
(1 − 𝜌2 ) 𝜎1 𝜎1 𝜎2 𝜎2
𝑥 − 20 2 𝑦 − 17 2
[( ) +( ) ] = 1.386
5 4
(𝑥 − 20)2 (𝑦 − 17)2
+ = 1.386
52 42

Pregunta 129.2
2. Sean X y Y variables aleatorias independientes tal que 𝑋~𝑁 (18;62) y 𝑌~𝑁 (25;52). Luego:
d) el vector, (X, Y), se distribuye como
𝜇1 = 18, 𝜎1 = 6, 𝜇2 = 25, 𝜎2 = 5, 𝜌 = 0
1 1 𝑥−𝜇1 2 𝑦−𝜇2 2
− [( ) +( ) ]
𝑓(𝑥, 𝑦) = 𝑒 2 𝜎1 𝜎2
2𝜋𝜎1 𝜎2
1 𝑥−18 2 𝑦−25 2
1 − [( ) +( ) ]
𝑓(𝑥, 𝑦) = 𝑒 2 6 5
2𝜋(6)(5)
2 𝑦−25 2
1 −12[(𝑥−18
6
) +(
5
) ]
𝑓(𝑥, 𝑦) = 𝑒
60𝜋
e) La matriz varianzas-covarianzas, ∑, es
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (36 0 0 25 )
f) La ecuación de la curva de nivel, en el nivel 1.386, es
𝑥 − 18 2 𝑦 − 25 2
[( ) +( ) ] = 1.386
6 5
(𝑥 − 18)2 (𝑦 − 25)2
+ = 1.386
36 25
g) La distancia Mahalanobis de (25, 25) es:
k = 1.36111
Pregunta 130
1. En un conjunto de 30 pares de observaciones. Para esperar que se ajustan a una
distribución normal bivariante, el número mínimo de pares que caen dentro de la curva

que proyecta al plano esta distribución es: el 50% del número de observaciones, o sea
como mínimo 15
Pregunta 140
2. Sean 𝑋1 𝑦 𝑋2 las medias respectivas de dos muestras al azar independientes de
tamaños n1 y n2 escogidas de una población X de Poisson con parámetro λ.
𝐸(𝑋) = 𝜆 𝑉𝑎𝑟(𝑋) = 𝜆
𝑛1 𝑋1 − +𝑛2 𝑋2 −
a) Compruebe que la estadística 𝜆∧ = es un estimador insesgado del
𝑛1 +𝑛2
parámetro λ.
𝑛1 𝑋1 − + 𝑛2 𝑋2 − 𝐸(𝑛1 𝑋1 − ) + 𝐸(𝑛2 𝑋2 − )
𝐸(𝜆∧ ) = 𝐸 ( )=
𝑛1 + 𝑛2 𝑛1 + 𝑛2
𝑛1 𝜆 + 𝑛2 𝜆 𝜆(𝑛1 + 𝑛2 )
𝐸(𝜆∧ ) = = =𝜆
𝑛1 + 𝑛2 𝑛1 + 𝑛2
b) Obtenga la varianza del estimador.
𝑛1 𝑋1 − + 𝑛2 𝑋2 − 1
𝑉𝑎𝑟(𝜆∧ ) = 𝑉𝑎𝑟 ( )= [𝑉𝑎𝑟(𝑛1 𝑋1 − ) + 𝑉𝑎𝑟(𝑛2 𝑋2 − )]
𝑛1 + 𝑛2 (𝑛1 + 𝑛2 )2
1 𝑛2 +𝑛2
𝑉𝑎𝑟(𝜆∧ ) = (𝑛 2
[𝑛12 𝜆 + 𝑛22 𝜆] = 𝜆 [(𝑛 1+𝑛 2)2 ]
1 +𝑛2) 1 2
Pregunta 141
Los ingresos anuales de un amplio sector de empresas comerciales se reparten según

una distribución normal de media 100 millones de euros y una desviación típica de cinco
millones de euros. Calcule la probabilidad de que, en una muestra aleatoria simple de
16 empresas pertenecientes al sector, la varianza muestral sea superior a 8.715
(millones de euros2). Asuma distribución normal.
n = 16
σ=5
(16 − 1)(8.175)
𝑃(𝑆 2 > 8.175) = 𝑃 (𝜒 2 > ) = 𝑃(𝜒 2 > 4.905) = 0.9929
52

(𝑛 − 1)𝑆 2
𝜒2 =
𝜎2
Pregunta 142
En una estación de ferrocarril se encuentra una máquina automática de café regulada

de tal forma que la cantidad de café dispensado se distribuye normalmente con una
desviación típica de 0.5 centímetros cúbicos por taza. En una muestra aleatoria de 50
tazas se ha medido un total de 7500 centímetros cúbicos de café.
a) Estime qué cantidad de café suministra la máquina en cada taza. Y
∑ 𝑥 7500
𝑋= = = 150
𝑛 50
b) Construya un intervalo de confianza al 95% para la cantidad media de café

que suministra la máquina.
n = 50
σ = 0.5
𝑋 = 150
Lim Inf. Lim. Sup.

infinita 149.8614 150.1386
149.8614 ≤ 𝜇 ≤ 150.1386
Pregunta 143
1. Si la siguiente información corresponde a una distribución de probabilidad
conjunta
X \ Y 1 2 3 4 5
100 0,1 0,04 k 0,08 0,02
200 0,03 0,01 0,02 0,03 0,01
300 k + 0,01 0,03 0,04 0,05 0.01

400 0,13 0,05 0,08 0,11 0,5k
Aproximar a dos decimales, utilizando la coma como separador
a) El valor de k es (1 punto): 0,06
1.1 + 0.04 + k + 0.08 + 0.02 + 0.03 + 0.01 + 0.02 + 0.03 + 0.01 + k + 0.01 + 0.03 + 0.04
+ 0.05 + 0.01 + 0.13 + 0.05 + 0.08 + 0.11 + 0.5k = 1
k = 0.06
b) El valor esperado de Y es (1 punto): 2,62
𝑝𝑋 (𝑥)
X \ Y 1 2 3 4 5
100 0.1 0.04 0.06 0.08 0.02 0.3
200 0.03 0.01 0.02 0.03 0.01 0.1
300 0.07 0.03 0.04 0.05 0.01 0.2
400 0.13 0.05 0.08 0.11 0.03 0.4
𝑝𝑌 (𝑦)
0.33 0.13 0.2 0.27 0.07
Y 1 2 3 4 5
𝑝𝑌 (𝑦) 0.33 0.13 0.2 0.27 0.07
𝐸(𝑌) = 1(0.33) + 2(0.13) + 3(0.2) + 4(0.27) + 5(0.07) = 2.62
c) El valor de E(Y2) es (1 punto): 8.72
𝐸(𝑌 2 ) = 12 (0.33) + 22 (0.13) + 32 (0.2) + 42 (0.27) + 52 (0.07) = 8.72
d) La varianza de Y es (1 punto): 1.86
𝑉𝑎𝑟(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑦)]2 = 8.72 − (2.62)2 = 1.86
e) El valor de P(Y=2/X=200) es (1 punto): 0,10
𝑝𝑋 (𝑥)
X \ Y 1 2 3 4 5
100 0.1 0.04 0.06 0.08 0.02 0.3
200 0.03 0.01 0.02 0.03 0.01 0.1

300 0.07 0.03 0.04 0.05 0.01 0.2
400 0.13 0.05 0.08 0.11 0.03 0.4
𝑝𝑌 (𝑦)
0.33 0.13 0.2 0.27 0.07
𝑋=𝑥 𝑃(𝑋 = 𝑥; 𝑌 = 𝑦)
𝑃( )=
𝑌=𝑦 𝑝𝑌 (𝑌 = 𝑦)
2 𝑃(𝑌 = 2, 𝑋 = 200) 0.01

𝑃 (𝑌 = = 200) = = = 0.1
𝑋 𝑝𝑋 (𝑋 = 200) 0.1
Pregunta 144
2. Dada la distribución de probabilidad conjunta
X \Y 0 1 2
0 0,38 0,14 0,24
1 0,17 0,02 0,05
Aproximar a 3 decimales y usar coma ( , ) como separador decimal en sus

respuestas.
a) El valor de p(X=0|Y=1) es (1 punto): 0,875
X \Y 0 1 2 𝑝𝑋 (𝑥)
0 0.38 0.14 0.24 0.76
1 0.17 0.02 0.05 0.24
𝑝𝑌 (𝑦) 0.55 0.16 0.29

0 𝑃(𝑋 = 0, 𝑌 = 1) 0.14
𝑃 (𝑋 = = 1) = = = 0.875
𝑌 𝑝𝑌 (𝑌 = 1) 0.16
b) El valor de p(Y=2) es (1 punto): 0,290
𝑝𝑌 (𝑌 = 2) = 0.29
c) Calcule la distribución acumulada para: x≥1,1≤y<2 (1 punto): 0.71
X \Y 0 1 2
0 0,38 0,14 0,24
1 0,17 0,02 0,05
𝐹(𝑋, 𝑌) = {0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 0.38; 0 ≤ 𝑥 <

1,0 ≤ 𝑦 < 1 0.55; 𝑥 ≥ 1,0 ≤ 𝑦 <
1 0.69; 0 ≤ 𝑥 < 1,1 ≤ 𝑦 <
2 0.71; 𝑥 ≥ 1,1 ≤ 𝑦 < 2 0.95; 0 ≤
𝑥 < 1, 𝑦 ≥ 2 1; 𝑥 ≥ 1, 𝑦 ≥
2

Pregunta 144.2
Pregunta 145
1. Sean X e Y dos variables aleatorias independientes que se distribuyen de forma
binomial con tamaño 5 y probabilidad de éxito 0,4. Luego, la varianza de 𝑍 =
𝑋−𝑌
2
es:
n = 5, p = 0.4
Aproxime a un decimal y use coma ( , ) como separador decimal
𝑉𝑎𝑟(𝑋) = 𝑛𝑝(1 − 𝑝), 𝑠𝑜𝑙𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑐𝑎𝑠𝑜 𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙
𝑉𝑎𝑟(𝑋) = 5(0.4)(1 − 0.4) = 1.2
𝑉𝑎𝑟(𝑌) = 5(0.4)(1 − 0.4) = 1.2
𝑋−𝑌 1 2 1 1
𝑉𝑎𝑟(𝑍) = 𝑉𝑎𝑟 ( ) = ( ) 𝑉𝑎𝑟(𝑥 − 𝑦) = 𝑉𝑎𝑟(𝑋 − 𝑌) = [𝑉𝑎𝑟(𝑥) + 𝑉𝑎𝑟(𝑦)]
2 2 4 4
1
= (1.2 + 1.2) = 0.6
4
𝑁𝑜𝑡𝑎: 𝑉𝑎𝑟(𝑎𝑥) = 𝑎2 𝑉𝑎𝑟(𝑥)
𝑁𝑜𝑡𝑎: 𝑉𝑎𝑟[𝑋 ± 𝑌] = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) ± 2𝐶𝑜𝑣(𝑋; 𝑌)
𝑁𝑂𝑇𝐴:
BINOMIAL
𝑋~𝐵(𝑛; 𝑝)
𝜇 = 𝑛𝑝 𝜎 2 = 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝)

POISSON
𝑋~𝑃(𝜇)
𝜇=𝜇 𝜎 2 = 𝑉(𝑋) = 𝜇
UNIFORME
𝑋~𝑈(𝑎; 𝑏)
𝑎+𝑏 2
(𝑏 − 𝑎)2
𝜇= 𝜎 = 𝑉(𝑋) = 𝑉𝑎𝑟(𝑋) =
2 12
Pregunta 146
3. Dada la función de distribución 𝐹(𝑋; 𝑌) = 1 − 𝑒 −𝑥 − 𝑒 −𝑦 + 𝑒 −𝑥−𝑦 ; 𝑥, 𝑦 > 0
● Hallar f (X; Y)
𝜕 2 𝐹(𝑥, 𝑦) 𝜕 2 (1 − 𝑒 −𝑥 − 𝑒 −𝑦 + 𝑒 −𝑥−𝑦 ) 𝜕(−𝑒 −𝑥−𝑦 + 𝑒 −𝑥 )

𝑓(𝑥, 𝑦) = = = = 𝑒 −𝑥−𝑦
𝜕𝑥𝜕𝑦 𝜕𝑥𝜕𝑦 𝜕𝑦
𝑓(𝑥; 𝑦) = {𝑒 −𝑥−𝑦 ; 𝑥, 𝑦 > 0 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Aproximar a 4 decimales, utilizando la coma como separador
a) Hallar 𝑃(𝑋 ≤ 3; 𝑌 ≤ 1)
𝑁𝑜𝑡𝑎: 𝐹(𝑎, 𝑏) = 𝑃(𝑋 ≤ 𝑎; 𝑌 ≤ 𝑏)
𝑃(𝑋 ≤ 3; 𝑌 ≤ 1) = 𝐹(3; 1) = 1 − 𝑒 −3 − 𝑒 −1 + 𝑒 −3−1 = 0.6006
Imagínate
𝑃(𝑋 ≥ 5; 𝑌 ≥ 3) = 1 − 𝑃(𝑋 < 5; 𝑌 < 3) = 1 − 𝐹(5; 3)

3 1
𝑃(𝑋 ≤ 3; 𝑌 ≤ 1) = ∫ ∫ 𝑒 −𝑥−𝑦 𝑑𝑦𝑑𝑥 = 0.6006
0 0
b) P(X>5)
𝑃(𝑋 > 5) = 1 − 𝑃(𝑋 ≤ 5) = 1 − 𝐹𝑋 (𝑋 = 5)
Calcular la función marginal acumulada de “X”

𝐹𝑋 (𝑥) = 𝐹(𝑥, ∞) = 1 − 𝑒 −𝑥 − 𝑒 −∞ + 𝑒 −𝑥−∞ = 1 − 𝑒 −𝑥
𝐹𝑋 (𝑥) = 1 − 𝑒 −𝑥
𝑃(𝑋 > 5) = 1 − 𝑃(𝑋 ≤ 5) = 1 − 𝐹𝑋 (5) = 1 − (1 − 𝑒 −5 ) = 𝑒 −5 = 0.0067
Pregunta 147
4. De una distribución bidimensional se sabe que E(XY)=39; E(X)=6,5 y E(Y)=6.
Luego, se puede afirmar lo siguiente
Seleccione una:
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 39 − (6.5)(6) = 0
a) No existe asociación entre X e Y.

b) La correlación es cero.
c) X e Y son estadísticamente independientes.
d) La covarianza es cero.
Pregunta 148
5. Dada la siguiente información: E (X) = 2; E (Y) = -1; E (Z) = 4; Var (X) = 4; Var
(Y) = 6; Var(Z) = 8; Cov (X; Y) = 1; Cov (X; Z) = -1; Cov (Y; Z) = -1. Hallar lo
siguiente:
a. E (2X2 – Y2)
b. 5 + Cov (5X – 3; 2 – Y)
c. Cov (2X + 1; Z + 2)
d. E (2Z2 + Y2)
e. 2 + Cov (3X – 2; Y + 5)
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 → 4 = 𝐸(𝑋 2 ) − 22 → 𝐸(𝑋 2 ) = 8
𝑉(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2 → 6 = 𝐸(𝑌 2 ) − (−1)2 → 𝐸(𝑌 2 ) = 7

𝑉(𝑍) = 𝐸(𝑍 2 ) − [𝐸(𝑍)]2 → 8 = 𝐸(𝑍 2 ) − 42 → 𝐸(𝑍 2 ) = 24
a) Nos piden:
𝐸(2𝑋 2 − 𝑌 2 ) = 𝐸(2𝑋 2 ) − 𝐸(𝑌 2 ) = 2𝐸(𝑋 2 ) − 𝐸(𝑌 2 ) = 2(8) − 7 = 9
b) Piden
5 + 𝐶𝑜𝑣(5𝑥 − 3; 2 − 𝑦) = 5 + (−5) = 0
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)
𝐶𝑜𝑣(5𝑥 − 3; 2 − 𝑦) = 𝐸[(5𝑥 − 3)(2 − 𝑦)] − 𝐸(5𝑥 − 3)𝐸(2 − 𝑦)
𝐸[(5𝑥 − 3)(2 − 𝑦)] = 𝐸(10𝑥 − 5𝑥𝑦 − 6 + 3𝑦) = 10𝐸(𝑥) − 5𝐸(𝑥𝑦) − 𝐸(6) + 3𝐸(𝑦)
𝐶𝑜𝑣(𝑥; 𝑦) = 𝐸(𝑥𝑦) − 𝐸(𝑥)𝐸(𝑦) → 1 = 𝐸(𝑥𝑦) − (2)(−1) → 𝐸(𝑥𝑦) = −1
𝐸[(5𝑥 − 3)(2 − 𝑦)] = 10𝐸(𝑥) − 5𝐸(𝑥𝑦) − 𝐸(6) + 3𝐸(𝑦) = 10(2) − 5(−1) − 6 + 3(−1)
= 16
𝐶𝑜𝑣(5𝑥 − 3; 2 − 𝑦) = 16 − [5𝐸(𝑥) − 3][2 − 𝐸(𝑦)] = 16 − [5(2) − 3][2 − (−1)]
𝐶𝑜𝑣(5𝑥 − 3; 2 − 𝑦) = 16 − 7(3) = −5
c) Piden
𝐶𝑜𝑣(2𝑥 + 1; 𝑧 + 2) = 𝐸[(2𝑥 + 1)(𝑧 + 2)] − 𝐸(2𝑥 + 1)𝐸(𝑧 + 2)

𝐸[(2𝑥 + 1)(𝑧 + 2)] = 𝐸(2𝑥𝑧 + 4𝑥 + 𝑧 + 2) = 2𝐸(𝑥𝑧) + 4𝐸(𝑥) + 𝐸(𝑧) + 2
𝐶𝑜𝑣(𝑥; 𝑧) = 𝐸(𝑥𝑧) − 𝐸(𝑥)𝐸(𝑧) → −1 = 𝐸(𝑥𝑧) − 2(4) → 𝐸(𝑥𝑧) = 7
𝐸[(2𝑥 + 1)(𝑧 + 2)] = 2(7) + 4(2) + 4 + 2 = 28
𝐶𝑜𝑣(2𝑥 + 1; 𝑧 + 2) = 28 − [2𝐸(𝑥) + 1][𝐸(𝑧) + 2] = 28 − (4 + 1)(4 + 2) = −2
d) Piden
𝐸(2𝑍 2 + 𝑌 2 ) = 2𝐸(𝑍 2 ) + 𝐸(𝑌 2 ) = 2(24) + 7 = 55
e) Piden: 2 + Cov (3X – 2; Y + 5) = 2 + 3 = 5
E (X) = 2; E (Y) = -1; E (Z) = 4; Var (X) = 4; Var (Y) = 6; Var(Z) = 8; Cov (X; Y) =
1; Cov (X; Z) = -1; Cov (Y; Z) = -1
𝐶𝑜𝑣(3𝑥 − 2; 𝑦 + 5) = 𝐸[(3𝑥 − 2)(𝑦 + 5)] − 𝐸(3𝑥 − 2)𝐸(𝑦 + 5)
= 𝐸(3𝑥𝑦 + 15𝑥 − 2𝑦 − 10) − [3𝐸(𝑥) − 2][𝐸(𝑦) + 5]
= 3𝐸(𝑥𝑦) + 15𝐸(𝑥) − 2𝐸(𝑦) − 10 − [6 − 2][−1 + 5] = 3(−1) + 15(2) − 2(−1)
= 3(−1) + 15(2) − 2(−1) − 10 − 4(4) = −3 + 30 + 2 − 10 − 16 = 3

Pregunta 149
1. Sean 𝑃1 − 𝑦𝑃2 − las proporciones de éxitos de dos muestras respectivas de
tamaños 𝑛1 𝑦 𝑛2 escogidas de una población X Bernoulli β(1, p), ¿es la
𝑛 𝑃 − +𝑛 𝑃 −
proporción global 𝑃∧ = 1 𝑛1 +𝑛2 2 un estimador insesgado del parámetro
1 2
𝑛1 𝑃1 − + 𝑛2 𝑃2 − 1
𝐸(𝑃̂) = 𝐸 ( )=( ) [𝐸(𝑛1 𝑃1 − ) + 𝐸(𝑛2 𝑃2 − )]
𝑛1 + 𝑛2 𝑛1 + 𝑛2
1
=( ) (𝑛1 𝐸(𝑃1 − ) + 𝑛2 𝐸(𝑃2 − ))
𝑛1 + 𝑛2
1 1
𝐸(𝑃̂) = ( ) (𝑛1 𝑝 + 𝑛2 𝑝) = ( ) (𝑝)(𝑛1 + 𝑛2 ) = 𝑝
𝑛1 + 𝑛2 𝑛1 + 𝑛2
Pregunta 150
2. De una población X con distribución descrita por 𝑓(𝑥, 𝜇, 𝜎 2 ), se escogen dos
muestras aleatorias independientes de tamaños n1 y n2. Sean
𝑋1 − 𝑦 𝑋2 − , 𝑦 𝑠12 𝑦 𝑠22 . Sus medias y varianzas respectivas. ¿Es la media global
𝑋 − = (𝑛1 𝑋1 − + 𝑛2 𝑋2 − )/(𝑛1 + 𝑛2 ), un estimador insesgado del parámetro µ?
𝐸(𝛩̂) = 𝜃
𝐸(𝑋1 − ) = 𝜇 𝐸(𝑋2 − ) = 𝜇
𝑛1 𝑋1 − + 𝑛2 𝑋2 − 1
𝐸(𝑋) = 𝐸 ( )= (𝐸(𝑛1 𝑋1 − ) + 𝐸(𝑛2 𝑋2 − ))
𝑛1 + 𝑛2 𝑛1 + 𝑛2
1
=( ) (𝑛1 𝐸(𝑋1 − ) + 𝑛2 𝐸(𝑋2 − ))
𝑛1 + 𝑛2
1 1
𝐸(𝑋) = ( ) (𝑛1 𝜇 + 𝑛2 𝜇) = ( ) (𝜇)(𝑛1 + 𝑛2 ) = 𝜇
𝑛1 + 𝑛2 𝑛1 + 𝑛2
Pregunta 151
1. Sean dos Vs. As. Continuas con función de densidad dada por 𝑓(𝑥, 𝑦) =
{𝑘(𝑥 + 𝑦)𝑒 −𝑥 ; 𝑥 > 0,0 < 𝑦 ≤ 1 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Hallar
a) El valor de “k”
b) La probabilidad de que X > 3 y 0.5 < y < 0.8
c) Calcule F(x, y)
Solución

a) 𝑓(𝑥, 𝑦) ≥ 0, 𝑝𝑎𝑟𝑎 𝑒𝑠𝑡𝑜, 𝑘 > 0
∞ ∞
Para hallar “k” tener en cuenta que: ∫−∞ ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = 1
∞ 1
∫ ∫ 𝑘(𝑥 + 𝑦)𝑒 −𝑥 𝑑𝑦𝑑𝑥 = 1
0 0
3 2
𝑘( )= 1 → 𝑘 =
2 3
Por lo tanto
2
𝑓(𝑥, 𝑦) = { (𝑥 + 𝑦)𝑒 −𝑥 ; 𝑥 > 0,0 < 𝑦 ≤ 1 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
3
∞ 0.8 2
b) 𝑃(𝑋 > 3,0.5 < 𝑌 < 0.8) = ∫3 ∫0.5 3
(𝑥 + 𝑦)𝑒 −𝑥 𝑑𝑦𝑑𝑥 = 0.14936
𝑥 𝑦 𝑥 𝑦 2 𝑦2
c) 𝐹(𝑥, 𝑦) = ∫−∞ ∫−∞ 𝑓(𝑠, 𝑡)𝑑𝑡𝑑𝑠 = ∫0 ∫0 3
(𝑠 + 𝑡)𝑒 −𝑠 𝑑𝑡𝑑𝑠 = − 3
(𝑒 −𝑥 −
2𝑦
1) + (−𝑥𝑒 −𝑥 − 𝑒 −𝑥 + 1)
3
Pregunta 152
1. En una distribución normal bivariante, cuando las varianzas de las variables aleatorias
son iguales y 𝜌=0, entonces la curva de nivel que se proyecta en el plano representa una
1 𝑥 − 𝜇1 2 𝑥 − 𝜇1 𝑦 − 𝜇2 𝑦 − 𝜇2 2
[( ) − 2𝜌 ( )( )+( ) ]=𝑘
(1 − 𝜌2 ) 𝜎1 𝜎1 𝜎2 𝜎2
𝑥 − 𝜇1 2 𝑦 − 𝜇2 2
[( ) +( ) ]=𝑘
𝜎 𝜎
2 2
(𝑥 − 𝜇1 ) (𝑦 − 𝜇2 ) 2 2
+ = 𝑘 → (𝑥 − 𝜇1 ) + (𝑦 − 𝜇2 ) = 𝜎2 𝑘
𝜎2 𝜎2
Una circunferencia de centro C = (µ1; µ2) y radio 𝑟 2 = 𝜎 2 𝑘
Pregunta 153
● Hallar la distribución marginal de “X” e “Y” de la siguiente VAB discreta

0 1 2
0 0.38 0.14 0.24
X
1 0.17 0.02 0.05
Para hallar la distribución marginal en caso discreto, solo debe de hallarse los márgenes
de la tabla, eso dará la marginal de cada variable
Y
0 1 2 𝑝𝑥 (𝑥)
0 0.38 0.14 0.24 0.76
X
1 0.17 0.02 0.05 0.24
𝑝𝑦 (𝑦) 0.55 0.16 0.29
X 0 1
Px(x) 0.76 0.24
Y 0 1 2
Py(y) 0.55 0.16 0.29
𝑥+𝑦
● Obtener la distribución marginal de X e Y si 𝑝(𝑥, 𝑦) = 32
;𝑥 = 1,2; 𝑦 = 1,2,3,4
4
𝑥 + 𝑦 𝑥 + 1 𝑥 + 2 𝑥 + 3 𝑥 + 4 4𝑥 + 10 2𝑥 + 5
𝑝𝑋 (𝑥) = ∑ = + + + = = , 𝑝𝑎𝑟𝑎 𝑥 = 1,2
32 32 32 32 32 32 16
𝑦=1
2
𝑥 + 𝑦 1 + 𝑦 2 + 𝑦 3 + 2𝑦
𝑝𝑌 (𝑦) = ∑ = + = , 𝑝𝑎𝑟𝑎 𝑦 = 1,2,3,4
32 32 32 32
𝑥=1
Pregunta 154
Pregunta 155
2. Sean X y Y Vs. As. continuas cuya función de densidad está dada por: 𝑓(𝑥, 𝑦) =
{3𝑥(1 − 𝑥𝑦); 0 ≤ 𝑥, 𝑦 ≤ 1 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 , hallar la función de
distribución
𝑥 𝑦 𝑥 𝑦
3𝑥𝑦 2 𝑥 3 𝑦 2
𝐹(𝑥, 𝑦) = ∫ ∫ 𝑓(𝑠, 𝑡)𝑑𝑡𝑑𝑠 = ∫ ∫ 3𝑠(1 − 𝑠𝑡)𝑑𝑡𝑑𝑠 = − , 𝑐𝑢𝑎𝑛𝑑𝑜 0
−∞ −∞ 0 0 2 2
≤ 𝑥, 𝑦 ≤ 1

3𝑥𝑦 2 𝑥 3 𝑦 2
𝐹(𝑥, 𝑦) = {0; 𝑥 < 0, 𝑦 < 0 − ; 0 ≤ 𝑥, 𝑦 ≤ 1 1; 𝑥, 𝑦
2 2
>1
Pregunta 156
1. Hallar F(x, y) si la tabla muestra la función de probabilidad de una VBD
Y
0 1 2
0 0.38 0.14 0.24
X
1 0.17 0.02 0.05
Esta tabla ayuda a explicar las posibles

combinaciones de la variable y sus
regiones, de tal forma que sea más fácil
entender las probabilidades
acumuladas (o función de distribución)
Por lo tanto F(x, y) estaría dado por
𝐹(𝑥, 𝑦) = {0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 0.38; 0 ≤ 𝑥 < 1,0 ≤ 𝑦

<1 0.38 + 0.17 = 0.55; 𝑥 ≥ 1,0 ≤ 𝑦 < 1 0.55 + 0.14
= 0.69; 0 ≤ 𝑥 < 1,1 ≤ 𝑦 < 2 0.69 + 0.02 = 0.71; 𝑥 ≥ 1,1 ≤ 𝑦
<2 0.71 + 0.24 = 0.95; 0 ≤ 𝑥 < 1, 𝑦 ≥ 2 0.95 + 0.05 = 1; 𝑥 ≥ 1, 𝑦
≥2
Pregunta 157
1
2. Hallar F(x,y) si se sabe que 𝑓(𝑥, 𝑦) = {4 ; 𝑥, 𝑦 = 1,2 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Como es una VAB discreta, lo mejor es crear la función de distribución de
probabilidad (visto como una tabla)
1 2
1 1/4 1/4
y
2 1/4 1/4
1 2 3
𝐹(𝑥, 𝑦) = {0; 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 ; 1 ≤ 𝑥 < 2, 1 ≤ 𝑦 < 2 ; 𝑥 ≥ 2, 1 ≤ 𝑦 < 2 ;1
4 4 4
≤ 𝑥 < 2, 𝑦 ≥ 2 1; 𝑥 ≥ 2, 𝑦 ≥ 2
Pregunta 158
Si el producto de las funciones marginales de densidad de dos variables aleatorias
resulta diferente a la función de densidad conjunta, entonces las variables son
estadísticamente
RESPUESTA: Dependientes
Pregunta 159
Dada la función de densidad:
Pregunta 160
Sea la función de densidad:

Pregunta 161
1. La distribución de los gastos en dos productos (X, Y) de un grupo de consumidores sigue
una distribución normal bivariante con medias respectivas de 3 y 2 euros y matriz de
varianzas covarianzas 𝛴 = (1 0.8 0.8 2 ). Obtener la media, varianza y la función de
densidad condicional de f (X / 2.5).
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (1 0.8 0.8 2 )
De donde 𝜎12 = 1; 𝜎22 = 2; 𝜌𝜎1 𝜎2 = 0.8, de este último 𝜌(1)(√2) =

0.8, 𝑝𝑜𝑟𝑙𝑜 𝑡𝑎𝑛𝑡𝑜; 𝜌 = 0.565685
𝜇1 = 3, 𝜇2 = 2, 𝜎12 = 1; 𝜎22 = 2 𝑦 𝜌 = 0.565685
𝑋 (𝑦 − 𝜇2 )𝜌𝜎1 2
𝑓 ( ) ~𝑁 (𝜇1 + , 𝜎1 (1 − 𝜌2 )
𝑌 𝜎2
𝑋 (2.5 − 2)(0.565685)(1)
𝑓( ) ~𝑁 (3 + , 1(1 − 0.5656852 ))
𝑌 = 2.5 √2
𝑋
𝑓( ) ~𝑁(3.2; 0.68)
𝑌 = 2.5
𝑥−𝜇𝑋 2
1 𝑌)
− (
𝑋 1 2 𝜎𝑋
𝑓( ) = 𝑒 𝑌
𝑌 𝜎𝑋∕𝑌 √2𝜋

2
1 𝑥−3.2
𝑋 1 − ( )
𝑓( )= 𝑒 2 √0.68
𝑌 = 2.5 √0.68√2𝜋
Pregunta 162
3. Sea 𝑋~𝑁(0;12) y 𝑌/𝑋 normal de media x y varianza uno
a) Obtener la función de densidad conjunta, f (x, y).
b) Si la función f (x, y) obtenida en el ítem (a) adopta la forma de una
distribución normal bivariada, ¿Cuál es la matriz de varianzas-
covarianzas, ∑?
c) Determine si la matriz de varianzas-covarianzas, ∑, es definida
positiva.
● Si 𝑋~𝑁(0;12), entonces 𝜇1 = 0; 𝜎12 = 12

2
● 𝑌/𝑋~𝑁(x;1), entonces 𝜇𝑌∕𝑋 = 𝑥; 𝜎𝑌∕𝑋 =1
𝑌 (𝑥−𝜇1 )𝜌𝜎2 (𝑥−𝜇1 )𝜌𝜎2
● Además: 𝑓 (𝑋) ~𝑁 (𝜇2 + 𝜎1
, 𝜎22 (1 − 𝜌2 )) → 𝜇𝑌∕𝑋 = 𝜇2 + 𝜎1
𝑦
𝜎2𝑌∕𝑋 = 𝜎22 (1 − 𝜌2 )
● Reemplazando:
(𝑥 − 0)𝜌𝜎2
𝑥 = 𝜇𝑌 + 1 = 𝜎22 (1 − 𝜌2 )
√12
𝑥𝜌𝜎2 1
𝜇1 = 𝑥 − 𝜎22 =
√12 1 − 𝜌2
1 𝑥−𝜇𝑋 2 𝑥−𝜇𝑋 𝑦−𝜇𝑌 𝑦−𝜇𝑌 2

1 −
2(1−𝜌 2 )[( 𝜎 ) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎𝑌
) ]
𝑓(𝑥, 𝑦) = 𝑒 𝑋 𝑋 𝑌
2𝜋𝜎𝑋 𝜎𝑌 √1 − 𝜌2
Trabajando el exponente de “e”
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 𝜇𝑌 𝑦 − 𝜇𝑌 2
− [( ) − 2𝜌 ( )( )+( ) ]
2(1 − 𝜌2 ) 𝜎𝑋 𝜎𝑋 𝜎𝑌 𝜎𝑌

Pregunta 163
4. Un economista del departamento de recursos humanos de Florida State está
preparando un estudio sobre el comportamiento del consumidor. Él recolectó los datos
que aparecen en la siguiente tabla en miles de dólares.
Ingreso (X) Consumo (Y)

24.3 16.2
12.5 8.5
31.2 15
28 17
35.1 24.2
10.5 11.2
23.2 15
10 7.1
8.5 3.5
15.9 11.5
14.7 10.7
15 9.2
a) Realice el gráfico de dispersión.

Gráfico de dispersión
25
20
15
10
0
16.5 17 17.5 18 18.5 19 19.5 20 20.5
b) Obtener el coeficiente de correlación muestral.
r = 0.919097

c) Escribir la expresión para verificar la normalidad bivariada.
1 1
[(𝑥−𝜇1 𝑦−𝜇2 )𝛴−1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋|𝛴|
det (S)
= 370.289985
0.080095 -0.121216
S^-1
-0.121216 0.217167
𝑥 = 19.075 𝑦 = 12.425
1 1
[(𝑥−𝜇1 𝑦−𝜇2 )𝛴−1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋|𝛴|
𝑓(𝑥, 𝑦)
1 1
[(𝑥−19.075 𝑦−12.425 )(0.080095 −0.121216 −0.121216 0.217167 )(𝑥−19.075 𝑦−1
= 𝑒 −2
2𝜋(370.289985)
0.08x^2-0.242xy-0.04515x+0.217y^2+5.253381875-0.7763y
𝑓(𝑥, 𝑦)
1 1
[0.08𝑥 2 −0.242𝑥𝑦−0.04515𝑥+0.217𝑦 2 +5.25338−0.7763𝑦]
= 𝑒 −2
2𝜋(370.289985)
d) ¿La matriz ∑ es definida positiva? Use el método de los autovalores.
80.414765 44.885227
S=
44.885227 29.658404

|80.414765 − 𝜆 44.885227 44.885227 29.658404 − 𝜆 | = 0
e) Obtener los autovectores.
𝑢1 = (218.59 122.01 ) 𝑢2 = (122.01 80.62 )
f) Graficar la forma cuadrática asociada.
𝑆 = (80.41 44.89 44.89 29.66 )
𝑄(𝑥, 𝑦) = 80.41𝑥 2 + 89.78𝑥𝑦 + 29.66𝑦 2
Pregunta 163.2
5. Un economista del departamento de recursos humanos de la UDEP está preparando un

estudio sobre el comportamiento del consumidor. Él recolectó los datos que aparecen en la
siguiente tabla en cientos de dólares.
Ingreso (X) Consumo (Y)

243 162
125 85
312 150
280 170
351 240
105 112
233 150
100 87
86 84
159 120
147 107
150 95
220 185
320 285
325 315

a) Si el diagrama de dispersión se pudiera acomodar a una recta, este tendría una
pendiente:
a. Positiva
b. Negativa
c. Nula
d. Infinita
b) Calcule el coeficiente de correlación muestral, aproximado a 3 decimales: 0.861
Nota:
𝑟 2 = 𝑅 2 (𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖ó𝑛)(𝑏𝑜𝑛𝑑𝑎𝑑 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜)
𝑟 2 = 0.7421 =
74.21% (𝑒𝑙 74.21% 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 𝑠𝑜𝑛 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑔𝑟𝑒𝑠𝑜)
c) La Cov (X; Y) (aproximada a dos decimales es): 5770.73
d) El determinante de la matriz varianza covarianza es: 11 572 685.616
e) El elemento a12 de la matriz inversa de ∑ es (aproxime a 4 decimales) = -0.0005
f) Los puntos de la data cumplen con una distribución normal bivariada

a. Verdadero
b. Falso
g) Calcula f (X > 250 / 160)
𝜇𝑋 = 210.14 𝜇𝑌 = 156.4667 𝜎𝑋 = 91.8545 𝜎𝑌 = 72.9284 𝜌 = 0.8615
f (X > 250 / µ =213.9739; σ = 46.6398) = 0.2199
h) Halla f (Y < 200 / 220)
f (Y < 200 / µ = 163.2109; σ = 37.0299) = 0.8398
i) Calcula f (180 < Y < 200 / 300)
f (180 < Y < 200 / µ = 217.9303; σ = 37.0299) = 0.1613
Pregunta 164.1
6. La función de densidad conjunta de probabilidad para la demanda mensual de dos
productos es una distribución normal bivariada dada por:

2
𝑥−50 𝑥−50 𝑦−35 𝑦−35 2
1 −0.78125[(
10
) −1.2(
10
)(
12
)+(
12
) ]
𝑓(𝑥, 𝑦) = 𝑒
192𝜋
1 𝑥−𝜇1 2 𝑥−𝜇1 𝑦−𝜇2 𝑦−𝜇2 2
1 −
2(1−𝜌 2 )[( 𝜎 ) −2𝜌( 𝜎 )( 𝜎 )+( 𝜎 ) ]
𝑓(𝑥, 𝑦) = 𝑒 1 1 2 2
2𝜋𝜎1 𝜎2 √1 − 𝜌2
𝜇1 = 50 𝜇2 = 35 𝜎1 = 10 𝜎2 = 12
192𝜋 = 2𝜋𝜎1 𝜎2 √1 − 𝜌2 192 = 2(10)(12)√1 − 𝜌2
192
√1 − 𝜌2 = √1 − 𝜌2 = 0.8 1 − 𝜌2 = 0.64 𝜌 = 0.6
240
a) Calcule el coeficiente de correlación
𝜌 = 0.6
b) Calcule el determinante de la matriz varianza covarianza
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1𝜎2 𝜎22 ) = (100 72 72 144 ) |𝛴| = 9216
c) Halle la matriz inversa de la matriz varianza covarianza
𝛴−1 = (0.0156 − 0.0078 − 0.0078 0.0109 )
d) Escriba de forma matricial
1 1
)𝛴 −1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2[(𝑥−𝜇1 𝑦−𝜇2
2𝜋|𝛴|
1 1
− [(𝑥−50 𝑦−35 )(0.0156 −0.0078 −0.0078 0.0109 )(𝑥−50 𝑦−35 )]
𝑓(𝑥, 𝑦) = 𝑒 2
2𝜋(9216)
e) Calcule la media y la desviación estándar condicionada a f (X / 37)
𝜇1 = 50 𝜇2 = 35 𝜎1 = 10 𝜎2 = 12 𝜌 = 0.6

𝜇𝑋=37 = 51 𝜎𝑋=37 = 8
𝑌 𝑌
f) Calcule la media y la desviación estándar condicionada a f (Y / 51)
𝜇𝑌 =51 = 35.72 𝜎𝑌 =37 = 9.6

𝑋 𝑋
g) Los puntos (35, 38) y (45, 52) verifican la normalidad bivariada
(35, 38) k = 4.3164 no pertenece

(45, 52) k = 10.41 no pertenece
h) Halle P (X > 55/ 36)
𝜇1 = 50 𝜇2 = 35 𝜎1 = 10 𝜎2 = 12 𝜌 = 0.6
55
𝑃 (𝑋 > = 50.5; 𝜎 = 8) = 0.2869
𝜇
i) Halle P (32 < Y < 38 / 56)
38
𝑃 (32 < 𝑌 < = 39.32; 𝜎 = 9.6) = 0.2224
𝜇
Pregunta 164.2

Hallar el coeficiente de correlación y escriba de forma matricial
1 𝑥−𝜇𝑋 2 𝑥−𝜇𝑋 𝑦−𝜇𝑌 𝑦−𝜇𝑌 2

1 −
2(1−𝜌 2 )[( 𝜎 ) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎𝑌
) ]
𝑓(𝑥, 𝑦) = 𝑒 𝑋 𝑋 𝑌
2𝜋𝜎𝑋 𝜎𝑌 √1 − 𝜌2

1 1 1 1
= → =
2𝜋𝜎𝑋 𝜎𝑌 √1 − 𝜌2 100𝜋√3 𝜎𝑋 𝜎𝑌 √1 − 𝜌2 50√3
Además del exponente de la f(x, y) se tiene que

𝜎𝑋 = 𝜎𝑌 = 10
1 1 √3
= → 100√1 − 𝜌2 = 50√3 → √1 − 𝜌2 =
(10)(10)√1 − 𝜌2 50√3 2
3 1
1 − 𝜌2 = → 𝜌2 = → 𝜌 = ±0.5
4 4
Para la forma matricial, primero se debe de hallar ∑
𝛴 = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (100 ± 0.50(10)(10) ± 0.5(10)(10) 100 )

= (100 ± 50 ± 50 100 )
1 1 1 1
𝛴−1 = ( − − )
75 150 150 75
|𝛴| = 7500
1
1 − [(𝑥−𝜇1 𝑦−𝜇2 )𝛴−1 (𝑥−𝜇1 𝑦−𝜇2 )]
La forma matricial es: 𝑓(𝑥, 𝑦) = 𝑒 2
2𝜋|𝛴|
1 1 1
− [(𝑥−50 𝑦−25 )( −
1
−
1 1
)(𝑥−50 𝑦−25 )]
𝑓(𝑥, 𝑦) = 𝑒 2 75 150 150 75
2𝜋(7500)
Pregunta 165
1. Sea X y Y variables aleatorias continuas, con función de densidad de probabilidad
conjunta dada por
𝑓(𝑥, 𝑦) = {𝑥𝑒 −𝑥(𝑦+1) ; 𝑥, 𝑦 > 0 0; 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

a) Demuestre que f(x, y) es una FDC
b) Calcule P(X<2, Y<1)
a) Para demostrar que es una FDC debemos verificar que:

∞ ∞
∫−∞ ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = 1
∞ ∞ ∞ ∞
∫ ∫ 𝑥𝑒 −𝑥(𝑦+1) 𝑑𝑦𝑑𝑥 = ∫ ∫ 𝑥𝑒 −𝑥𝑦 𝑒 −𝑥 𝑑𝑦𝑑𝑥
0 0 0 0
∞
−𝑥 )
∞
−𝑥𝑦
∞
−𝑥
𝑒 −𝑥𝑦 ∞ ∞
=∫ [(𝑥𝑒 ∫ 𝑒 𝑑𝑦] 𝑑𝑥 = ∫ [𝑥𝑒 . ] 𝑑𝑥 = ∫ 𝑒 −𝑥 𝑑𝑥 = 1
0 0 0 𝑥 0 0
b) P(X<2; Y<1)
2 1
𝑃(𝑋 < 2; 𝑌 < 1) = ∫ ∫ 𝑥𝑒 −𝑥(𝑦+1) 𝑑𝑦𝑑𝑥 = 0.37382
0 0
Pregunta 166
Al gerente del restaurante de comidas por delivery "Chasquibike" le interesa el
comportamiento conjunto del tiempo total entre la llegada de un repartidor al restaurante
y su salida del local ( ) y el tiempo que éste espera en la cola antes de llegar a la puerta
del restaurante ( ). El modelo de ambos tiempos, medidos en minutos, se puede
representar mediante la función de densidad conjunta:
Pregunta 167:
Pregunta 168
2. Una empresa privada opera un local que da servicio a clientes que llegan en
automóvil y otro que da servicio a clientes que llegan caminando. En un día elegido
al azar, sean X y Y, respectivamente, las proporciones de tiempo que ambos locales

están en servicio, y suponiendo que la función de densidad conjunta de estas
variables aleatorias es
2
𝑓(𝑥, 𝑦) = { (2𝑥 + 3𝑦); 0 ≤ 𝑥 ≤ 1; 0 ≤ 𝑦 ≤ 1 0; 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
5
1 1 1
Hallar 𝑃 (0 < 𝑥 < , < 𝑦 < )
2 4 2
1 1
1 1 1 2 2 2 13
𝑃 (0 < 𝑥 < , < 𝑦 < ) = ∫ ∫ (2𝑥 + 3𝑦)𝑑𝑦𝑑𝑥 =
2 4 2 0
1 5 160
4
Pregunta 169
3. Hallar el valor de k para que f(x,y) sea una función de densidad de probabilidad
conjunta
𝑓(𝑥, 𝑦) = {𝑘𝑥𝑦; 0 < 𝑥 < 1; 0 < 𝑦 < 1; 𝑥 + 𝑦 < 1 0; 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Los dominios de X e Y están comprendidos entre 0 < X,Y < 1, pero además x +
y < 1 (condición que es necesario graficar para establecer el límite de una
variable en función de la otra)
1 1−𝑥 1 1−𝑥
𝑦2
∫ ∫ 𝑘𝑥𝑦𝑑𝑦𝑑𝑥 = 𝑘 ∫ 𝑥[ ] 𝑑𝑥
0 0 0 2 0
1 (1 − 𝑥)2 1
= 𝑘∫ 𝑥[ ] 𝑑𝑥 = 𝑘 ( )
0 2 24
=1
Entonces 𝑘 = 24
Pregunta 170
1) Una tienda comercial tiene dos vendedores A y B. Sea X el número de televisores
vendidos en un día por A, e Y el número de televisores vendidos en un día por B.
Sea (X, Y) la VAB cuya distribución de probabilidad conjunta está dada por la
siguiente tabla
X (A)
0 1 2
0 1/16 1/16 1/16

Y(B)
1 1/8 1/8 1/4

2 1/8 1/16 1/16
a) ¿Cuál es la probabilidad de que cada vendedor venda a lo más un

televisor?
b) ¿Cuál es la probabilidad de que B venda más televisores que A?
Solución:
a) Debemos de hallar la probabilidad del evento {𝑋 ≤ 1, 𝑌 ≤ 1}, para ello

utilizaremos las probabilidades marcadas en la tabla que corresponden al evento
0 1 2
0 1/16 1/16 1/16
Y 1 1/8 1/8 1/4
2 1/8 1/16 1/16
1 1 1 1 3
𝑃{𝑋 ≤ 1, 𝑌 ≤ 1} = 𝑃{(0,0), (1,0), (0,1), (1,1)} = + + + =
16 16 8 8 8
b) Se tiene que hallar la probabilidad del evento

1 1 1 5
𝑃{𝑋 < 𝑌} = 𝑃[𝑋 = 0, 𝑌 = 1] + 𝑃[𝑋 = 0, 𝑌 = 2] + 𝑃[𝑋 = 1, 𝑌 = 2] = + + =
8 8 16 16
Pregunta 171
Si la siguiente información corresponde a una distribución de probabilidad conjunta

Pregunta 172
Suponga que X,Y Yz son variables aleatorias tal que:
Pregunta 173
2) Verificar si la siguiente distribución es una distribución de probabilidad bidimensional
X
0 1 2
1 0.1 0.1 0.05
Y 2 0 0.25 0.05
3 0.2 0.2 0.05
Solución:

Para que sea una VAB discreta, debe de cumplir que
ii. 𝑃(𝑥, 𝑦) ≥ 0; ∀𝑥, 𝑦, lo cual es cierto, dados los valores de la tabla

iii. ∑𝑥,𝑦 𝑃(𝑥, 𝑦) = 1, lu cual se verifica al sumar las nueve celdas de los
resultados de probabilidad de la VAB
∑ 𝑃(𝑥, 𝑦) = 0.1 + 0.1 + 0.05 + 0 + 0.25 + 0.05 + 0.2 + 0.2 + 0.05 = 1

𝑥,𝑦
Pregunta 174
3) Una urna contiene 3 bolas numeradas 1, 2, 3 respectivamente. De la urna se extraen
dos bolas al azar una a una con reposición. Sea X el número de la primera bola que
se extrae, e Y el número de la segunda bola que se extrae. Calcule la distribución
bidimensional asociada a esta variable.
Solución:
(𝑥, 𝑦)
𝑅𝑋×𝑌 = { , 𝑦 ∈ {1,2,3}} = {(1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2), (3,3)}
𝑥
Como cada punto muestral del rango de la VAB se presenta una sola vez, lo
podemos reducir a la siguiente tabla:
1 2 3
1 1/9 1/9 1/9
Y 2 1/9 1/9 1/9
3 1/9 1/9 1/9
Sin Reposición:
(𝑥, 𝑦)
𝑅𝑋×𝑌 = { , 𝑦 ∈ {1,2,3}} = {(1,2), (1,3), (2,1), (2,3), (3,1), (3,2)}
𝑥
1 2 3
Y 1 0 1/6 1/6

2 1/6 0 1/6
3 1/6 1/6 0
Pregunta 175
La administración en un restaurante de comida rápida está interesada en el
comportamiento conjunto de las variables aleatorias X, definidas como el tiempo total
entre la llegada de un cliente a la tienda y la salida de la ventanilla de servicio y Y, el
tiempo que un cliente espera en la fila antes de llegar a la ventanilla de servicio. La
distribución de frecuencia relativa de valores observados de X y Y puede ser modelada
por
Pregunta 176
La covarianza de las Vs.As. e es cero
Pregunta 177
Cuando en el vector aleatorio (X, Y) los valores de X crecen y los de Y decrecen

Pregunta 178
Si el vector aleatorio (X, Y) es continuo
Pregunta 179
Dada la función de densidad:

Pregunta 180
Sea la función de densidad
Pregunta 181
Dada la distribución de probabilidad conjunta
Pregunta 182
1. Dada la función de densidad
𝑓(𝑥, 𝑦) = {6; 0 ≤ 𝑥 ≤ 1; 𝑥 2 ≤ 𝑦 < 𝑥 0; 𝑝𝑎𝑟𝑎 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
Hallar:
a) Las funciones de distribuciones marginales

b) Las probabilidades condicionales

c) E(X) y E(Y)
d) F (X; Y)
e) V(X) y V(Y)
f) Cov (X; Y)
g) Coeficiente de correlación
a) Distribuciones marginales
𝑦 = 𝑥2 → 𝑥 = √𝑦
𝑥
𝑓𝑋 (𝑥) = ∫ 6𝑑𝑦 = 6(𝑥 − 𝑥 2 )
𝑥2
√𝑦
𝑓𝑌 (𝑦) = ∫ 6𝑑𝑥 = 6(√𝑦 − 𝑦)
𝑦
b) Condicionales:
𝑥 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑦 𝑓𝑌 (𝑦) 6(√𝑦 − 𝑦) (√𝑦 − 𝑦)
𝑦 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑥 𝑓𝑋 (𝑥) 6(𝑥 − 𝑥 ) 𝑥 − 𝑥 2
2
c) E(X) y E(Y)
1
𝐸(𝑋) = ∫ 𝑥[6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.5
0
1
𝐸(𝑌) = ∫ 𝑦[6(√𝑦 − 𝑦)]𝑑𝑦 = 0.4
0
d) F (X; Y)
𝑥 𝑦 𝑥 𝑦
𝐹(𝑥, 𝑦) = ∫ ∫ 𝑓(𝑠, 𝑡)𝑑𝑡𝑑𝑠 = ∫ ∫ 6𝑑𝑡𝑑𝑠 = 𝑥(6𝑦 − 6𝑥 2 )
−∞ −∞ 0 𝑥2

e) V(X) y V(Y)
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 [6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.3
0
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 0.3 − (0.5)2 = 0.05
1
𝐸(𝑌 2 ) = ∫ 𝑦 2 [6(√𝑦 − 𝑦)]𝑑𝑦 = 0.214
0
𝑉(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2 = 0.214 − (0.4)2 = 0.054
f) Cov (X; Y)
1 𝑥
𝐸(𝑋𝑌) = ∫ ∫ (𝑥𝑦)(6)𝑑𝑦𝑑𝑥 = 0.25
0 𝑥2
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 0.25 − 0.5(0.4) = 0.05
g) Coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) 0.05
𝜌(𝑋, 𝑌) = = = 0.962
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √0.05(0.054)
Pregunta 183

𝑓(𝑥, 𝑦) = {𝑘(𝑥 + 𝑦)𝑒 −𝑥−𝑦 ; 𝑥, 𝑦 > 0 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Hallar
a) El valor de k
∞ ∞
1
∫ ∫ 𝑘(𝑥 + 𝑦)𝑒 −𝑥−𝑦 𝑑𝑦𝑑𝑥 = 1 → 𝑘=
0 0 2
1
𝑓(𝑥, 𝑦) = { (𝑥 + 𝑦)𝑒 −𝑥−𝑦 ; 𝑥, 𝑦 > 0 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
2
b) F (X; Y)
𝑥 𝑦 𝑥 𝑦
1
𝐹(𝑥, 𝑦) = ∫ ∫ 𝑓(𝑠, 𝑡)𝑑𝑡𝑑𝑠 = ∫ ∫ (𝑠 + 𝑡)𝑒 −𝑠−𝑡 𝑑𝑡𝑑𝑠 =
−∞ −∞ 0 0 2
1
𝐹(𝑥, 𝑦) = [2𝑒 −𝑥−𝑦 + 𝑦𝑒 −𝑥−𝑦 + 𝑥𝑒 −𝑥−𝑦 − 2𝑒 −𝑦 − 𝑦𝑒 −𝑦 − 2𝑒 −𝑥 − 𝑥𝑒 −𝑥 + 2]
2
c) Las funciones de distribuciones marginales
∞
1 1 1
𝑓𝑋 (𝑥) = ∫ (𝑥 + 𝑦)𝑒 −𝑥−𝑦 𝑑𝑦 = − 𝑒 −𝑥 (−𝑥 − 1) = (𝑥 + 1)𝑒 −𝑥
0 2 2 2
∞
1 1
𝑓𝑌 (𝑦) = ∫ (𝑥 + 𝑦)𝑒 −𝑥−𝑦 𝑑𝑥 = (𝑦 + 1)𝑒 −𝑦
0 2 2
d) Las funciones de probabilidad condicional
1 −𝑥−𝑦
𝑥 𝑓(𝑥, 𝑦) 2 (𝑥 + 𝑦)𝑒 𝑥 + 𝑦 −𝑥
𝑓( ) = = = (𝑒 )
𝑦 𝑓𝑌 (𝑦) 1 −𝑦 𝑦 + 1
(𝑦
2 + 1)𝑒
1 −𝑥−𝑦
𝑦 𝑓(𝑥, 𝑦) 2 (𝑥 + 𝑦)𝑒 𝑥 + 𝑦 −𝑦
𝑓( ) = = = (𝑒 )
𝑥 𝑓𝑋 (𝑥) 1 𝑥+1
(𝑥 + 1)𝑒 −𝑥
2
e) E(X) y E(Y)

∞ ∞
1 3
𝐸(𝑋) = ∫ 𝑥𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥 [ (𝑥 + 1)𝑒 −𝑥 ] 𝑑𝑥 =
−∞ 0 2 2
∞ ∞
1 3
𝐸(𝑌) = ∫ 𝑦𝑓𝑌 (𝑦)𝑑𝑦 = ∫ 𝑦 [ (𝑦 + 1)𝑒 −𝑦 ] 𝑑𝑦 =
−∞ 0 2 2
f) V(X) y V(Y)
3 2
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 4 − ( ) = 1.75
2
∞ ∞
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑥 2 [ (𝑥 + 1)𝑒 −𝑥 ] 𝑑𝑥 = 4
−∞ 0 2
𝑉(𝑌) = 1.75
g) Cov (X; Y)
3 3
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 2 − ( ) ( ) = −0.25
2 2
∞ ∞ ∞ ∞
1
𝐸(𝑋𝑌) = ∫ ∫ 𝑥𝑦𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = ∫ ∫ 𝑥𝑦 [ (𝑥 + 𝑦)𝑒 −𝑥−𝑦 ] 𝑑𝑦𝑑𝑥 = 2
−∞ −∞ 0 0 2
h) Var (X; Y)
3 2 3 2
𝑉(𝑋𝑌) = 𝐸(𝑋 2 𝑌 2 ) − [𝐸(𝑋)]2 [𝐸(𝑌)]2 = 12 − ( ) ( ) = 6.938
2 2
∞ ∞ ∞ ∞
1
𝐸(𝑋 2 𝑌 2 ) = ∫ ∫ 𝑥 2 𝑦 2 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥 = ∫ ∫ 𝑥 2 𝑦 2 [ (𝑥 + 𝑦)𝑒 −𝑥−𝑦 ] 𝑑𝑦𝑑𝑥 = 12
−∞ −∞ 0 0 2
i) Coeficiente de correlación

𝐶𝑜𝑣(𝑋; 𝑌) −0.25
𝜌(𝑋, 𝑌) = = = −0.143
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √(1.75)(1.75)
Hallar:
h) Las funciones de distribuciones marginales

i) Las probabilidades condicionales
j) E(X) y E(Y)
k) F (X; Y)
l) V(X) y V(Y)
m) Cov (X; Y)
n) Coeficiente de correlación
h) Distribuciones marginales
𝑦 = 𝑥2 → 𝑥 = √𝑦
𝑥
𝑓𝑋 (𝑥) = ∫ 6𝑑𝑦 = 6(𝑥 − 𝑥 2 )
𝑥2
√𝑦
𝑓𝑌 (𝑦) = ∫ 6𝑑𝑥 = 6(√𝑦 − 𝑦)
𝑦
i) Condicionales:
𝑥 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑦 𝑓𝑌 (𝑦) 6(√𝑦 − 𝑦) (√𝑦 − 𝑦)
𝑦 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑥 𝑓𝑋 (𝑥) 6(𝑥 − 𝑥 2 ) 𝑥 − 𝑥 2
j) E(X) y E(Y)
1
𝐸(𝑋) = ∫ 𝑥[6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.5
0

1
𝐸(𝑌) = ∫ 𝑦[6(√𝑦 − 𝑦)]𝑑𝑦 = 0.4
0
k) F (X; Y)
𝑥 𝑦 𝑥 𝑦
−∞ −∞ 0 𝑥2
l) V(X) y V(Y)
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 [6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.3
0
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 0.3 − (0.5)2 = 0.05
1
2)
𝐸(𝑌 =∫ 𝑦 2 [6(√𝑦 − 𝑦)]𝑑𝑦 = 0.214
0
𝑉(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2 = 0.214 − (0.4)2 = 0.054
m) Cov (X; Y)
1 𝑥
𝐸(𝑋𝑌) = ∫ ∫ (𝑥𝑦)(6)𝑑𝑦𝑑𝑥 = 0.25
0 𝑥2
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 0.25 − 0.5(0.4) = 0.05
n) Coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) 0.05
𝜌(𝑋, 𝑌) = = = 0.962
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √0.05(0.054)

Hallar:
o) Las funciones de distribuciones marginales

p) Las probabilidades condicionales
q) E(X) y E(Y)
r) F (X; Y)
s) V(X) y V(Y)
t) Cov (X; Y)
u) Coeficiente de correlación
o) Distribuciones marginales
𝑦 = 𝑥2 → 𝑥 = √𝑦
𝑥
𝑓𝑋 (𝑥) = ∫ 6𝑑𝑦 = 6(𝑥 − 𝑥 2 )
𝑥2
√𝑦
𝑓𝑌 (𝑦) = ∫ 6𝑑𝑥 = 6(√𝑦 − 𝑦)
𝑦
p) Condicionales:
𝑥 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑦 𝑓𝑌 (𝑦) 6(√𝑦 − 𝑦) (√𝑦 − 𝑦)
𝑦 𝑓(𝑥, 𝑦) 6 1
𝑓( ) = = =
𝑥 𝑓𝑋 (𝑥) 6(𝑥 − 𝑥 ) 𝑥 − 𝑥 2
2
q) E(X) y E(Y)
1
𝐸(𝑋) = ∫ 𝑥[6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.5
0
1
𝐸(𝑌) = ∫ 𝑦[6(√𝑦 − 𝑦)]𝑑𝑦 = 0.4
0

r) F (X; Y)
𝑥 𝑦 𝑥 𝑦
−∞ −∞ 0 𝑥2
s) V(X) y V(Y)
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 [6(𝑥 − 𝑥 2 )]𝑑𝑥 = 0.3
0
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 0.3 − (0.5)2 = 0.05
1
𝐸(𝑌 2 ) = ∫ 𝑦 2 [6(√𝑦 − 𝑦)]𝑑𝑦 = 0.214
0
𝑉(𝑌) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2 = 0.214 − (0.4)2 = 0.054
t) Cov (X; Y)
1 𝑥
𝐸(𝑋𝑌) = ∫ ∫ (𝑥𝑦)(6)𝑑𝑦𝑑𝑥 = 0.25
0 𝑥2
𝐶𝑜𝑣(𝑋; 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌) = 0.25 − 0.5(0.4) = 0.05
u) Coeficiente de correlación
𝐶𝑜𝑣(𝑋; 𝑌) 0.05
𝜌(𝑋, 𝑌) = = = 0.962
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌) √0.05(0.054)
Pregunta 184
Binomial:

𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
Poisson
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) =
𝑥!
𝜆 = 𝑛𝑝
Por experiencia, un profesor sabe que el puntaje obtenido por un estudiante en el

examen final de su materia es una variable aleatoria con media 75. Obtener una cota
superior para la probabilidad de que el estudiante obtenga un puntaje mayor o igual a
85.
E(X) = 75
75
𝑃(𝑋 ≥ 85) ≤ = 0.8824
85
● Un elevador de carga grande puede transportar un máximo de 10000 libras.

Supóngase que una carga, que contiene 45 cajas, se debe transportar
mediante el elevador. La experiencia ha demostrado que el peso de una caja
de este tipo de carga se ajusta a una distribución de probabilidad con una
media de 200 libras y una desviación estándar de 55 libras. Calcular la
probabilidad de que las 45 cajas se puedan transportar simultáneamente en el
elevador. (Blanco, 2004)
“x” es el peso de cada caja
∑ 𝑥 10000 10000
𝑃 (∑ 𝑥 ≤ 10000) = 𝑃 ( ≤ ) = 𝑃 (𝑋𝑛 ≤ ) = 𝑃(𝑋𝑛 ≤ 222.2222)
𝑛 𝑛 45
222.2222 − 200
𝑃(𝑋𝑛 ≤ 222.2222) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ 2.7104) = 0.9966
55
√45

El número de ingresos a internet que ocurre diariamente en determinada computadora
personal es una V.A. X con distribución de probabilidad
Calcule la probabilidad que ocurran entre 50 y 70 ingresos a internet a tal computadora

en un periodo de 30 días.
“x” número de ingresos en un mes
50 70
𝑃(50 < ∑ 𝑥 < 70) = 𝑃 ( < 𝑋𝑛 < ) = 𝑃(1.6667 < 𝑋𝑛 < 2.3333)
30 30
µ=2
σ = 3.1623
n = 30
1.6667 − 2 2.3333 − 2
𝑃(1.6667 < 𝑋𝑛 < 2.3333) = ( <𝑍< )
3.1623 3.1623
√30 √30
El costo de producción de cierto artículo tiene media de $8 y desviación estándar de

$1. Si se adquieren 36 artículos para su comercialización, hallar el valor de la venta de
cada uno de ellos de manera que los 36 se gane al menos $ 98.13 con probabilidad
0.95.
µ = 8 (costo)
σ=1

n = 36
PVU = a
𝑃(∑ (𝑎 − 𝑥) ≥ 98.13) = 0.95 → 𝑃 (𝑛𝑎 − ∑ 𝑥 ≥ 98.13) = 0.95
𝑛𝑎 − ∑ 𝑥 98.13
→ 𝑃( ≥ ) = 0.95
𝑛 36
∑ 𝑥 98.13
𝑃 (𝑎 − ≥ ) = 0.95 → 𝑃(𝑎 − 𝑋𝑛 ≥ 2.7258) = 0.95 → 𝑃(−𝑋𝑛 ≥ 2.7258 − 𝑎)
𝑛 36
= 0.95
𝑎 − 2.7258 − 8 𝑎 − 10.7258
𝑃(𝑋𝑛 ≤ 𝑎 − 2.7258) = 0.95 → 𝑃 (𝑍 ≤ ) = 0.95 → 𝑃 (𝑍 ≤ )
1 0.1667
√36
= 0.95
𝑎 − 10.7258
= 1.6449 → 𝑎 = 11
0.1667
Una empresa produce láminas de acero de 4 m. El número de defectos que se

encuentran al desenrollar las láminas es una V.A. Poisson que tiene media de 2 defectos
por lámina, ¿Cuál es la probabilidad que se encuentren a lo más 50 defectos al
desenrollar 32 rollos de lámina?
POISSON
𝑃(𝑋 = 𝑥) =
𝑥!
𝐷
𝜆=2 × 32 = 64
𝐿

50
𝑃{𝑎 𝑙𝑜 𝑚á𝑠 50 𝑑𝑒𝑓. 𝑒𝑛 32 𝑟𝑜𝑙𝑙𝑜𝑠} = 𝑃 {𝑋 ≤ = 64} = 0.0417
𝜆
TLC
𝜇=𝜆 𝜎2 = 𝜆 𝜎 = √𝜆
𝜇 = 64 𝜎=8
50 − 64 + 0.5
𝑃(𝑋 ≤ 50) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍
8
≤ −1.6875)
P = 0.0457
La demanda semanal de cierta marca de néctar es una V.A. de media 3000 litros y
varianza 8100 litros cuadrados. Calcular la probabilidad que en 60 semanas supere los
166800 litros.
𝜎2 = 8100 → 𝜎 = 90
166800 2780 − 3000

𝑃 (∑ 𝑥 > 166800) = 𝑃 (𝑋𝑛 > ) = 𝑃(𝑋𝑛 > 2780) = 𝑃 (𝑍 > )
60 90
√60
= 𝑃(𝑍 ≥ −18.9346) = 1

10
𝑃(𝑆 ≤ 10) = 𝑃 (∑ 𝑥 ≤ 10) = 𝑃 (𝑋𝑛 ≤ ) = 𝑃(𝑋𝑛 ≤ 0.5)
20
1 1
2
𝐸(𝑋) = 𝜇 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 2𝑥 2 𝑑𝑥 =
0 0 3
2)
12
2 2
𝑉(𝑋) = 𝐸(𝑋 − 𝜇 = − ( ) = 0.0556 → 𝜎 = √0.0556 = 0.2357
2 3
1 1
2) 2
1
𝐸(𝑋 =∫ 𝑥 𝑓(𝑥)𝑑𝑥 = ∫ 2𝑥 3 𝑑𝑥 =
0 0 2
2
0.5 − 3
𝑃(𝑋𝑛 ≤ 0.5) = 𝑃 (𝑍 ≤ ) 𝑃(𝑍 ≤ −3.1623) = 0.00078
0.2357
√20
Pregunta 185: Repaso de Regresión

1. Usted constituye una empresa que realiza revisiones anuales de los corredores de
bolsa en línea, a los que se evalúa para obtener un puntaje final (rating) en función
de la oferta de bienes (oferta), el uso de los medios de comunicación (uso) y la
ejecución de programa (ejecuta). La data se halla en el archivo Excel Lab4
Copiar y pegar en todos los casos, los resultados obtenidos en el Rcommander
Residual standard error: 0.2431 on 6 degrees of freedom
Multiple R-squared: 0.8856, Adjusted R-squared: 0.8284
F-statistic: 15.49 on 3 and 6 DF, p-value: 0.00313
a) Si trabaja con todas las variables exógenas, el valor del error estándar de los
residuos en la prueba global es: 0.2431

b) Si trabaja con todas las variables exógenas, el valor del error estándar para la
gama de ofertas es: 0.12319
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.34510 0.53067 0.650 0.53958
ejecuta 0.25482 0.08556 2.978 0.02469 *
oferta 0.45852 0.12319 3.722 0.00983 **
uso 0.13249 0.14043 0.944 0.38185
c) Si trabaja con todas las variables exógenas, el valor del R^2 ajustado es: 0.8284
d) La probabilidad de cometer error tipo I en la prueba de correlación entre facilidad
de uso y la clasificación final es: 0.2274
e) Si usted solo ingresa las variables numéricas significativas, la probabilidad de
cometer el error tipo I para la significancia global es: 0.0008214
f) Si trabaja con todas las variables exógenas significativas, el valor del error
estándar para la gama de ofertas es: 0.11893
g) Si trabaja con todas las variables exógenas significativas, el valor de prueba en
la normalidad de errores según Shapiro Wilk es: 0.92452
h) Si trabaja con todas las variables exógenas significativas, la probabilidad de
cometer el error tipo I en la prueba de Kolmogorov Smirnov es: 0.6386
i) En la prueba de homocedasticidad, empleando las variables significativas, el
valor de prueba del estadístico de contraste es: 0.1736
j) Si trabaja con las variables significativas, cuál es el valor estimado
correspondiente a la segunda observación. 3.607776
k) Si trabaja con todas las variables exógenas significativas, cual es el valor del
tercer residuo 0.22692915
2. La NBA lleva un registro de datos estadísticos de cada equipo. Cuatro de esos datos
estadísticos son la proporción de juegos ganados (PCT), la proporción de
anotaciones de campo (FG%), la proporción de tiros hecho por el equipo contrario
(Opp 3 Pt%) y la cantidad de recuperaciones hecha por el equipo contrario (Opp
TO). Los datos se encuentran en el libro Excel NBA. Copie y pegue los resultados
obtenidos por el Rcommander

proporción de tiros hechos por el equipo contrario: 0.70410
c) Si trabaja con todas las variables exógenas, el valor del error estándar para la
cantidad de recuperaciones hechas por el equipo contrario: 0.01253
d) Si trabaja con todas las variables exógenas, el valor del R^2 ajustado es: 0.5114
e) La probabilidad de cometer error tipo I en la prueba de correlación entre la
cantidad de recuperaciones hecha por el equipo contrario y la proporción de
juegos ganados es: 0.01852
f) Si usted solo ingresa las variables numéricas significativas, la probabilidad de
cometer el error tipo I para la significancia global es: 0.00009944
g) Si trabaja con todas las variables exógenas significativas, el valor del error
estándar para la proporción de anotaciones de campo es: 1.18304
h) Si trabaja con todas las variables exógenas significativas, el valor de prueba en
la normalidad de errores según Shapiro Francia es: 0.97847
i) Si trabaja con todas las variables exógenas significativas, la probabilidad de
j) En la prueba de homocedasticidad, empleando las variables significativas, el
k) Trabajando con todas las variables significativas, cual es el coeficiente de la
variable exógena más significativa en el modelo: 4.81657
l) Si trabaja con las variables significativas, cuál es el valor estimado
correspondiente a la quinta observación. 0.536560
m) Si trabaja con todas las variables exógenas significativas, cual es el valor del
penúltimo error: -0.010366741
3. La ATF americana quiere predecir el consumo de gasolina (en galones/100km) en

función de la capacidad del motor (motor) medido en cc, la potencia (CV) en caballos
vapor, el peso del motor en seco (peso) en kilogramos, la aceleración que puede
brindar el mismo (acel) de 0 a 100 km/h2 y el número de cilindros (cilindr) que posee
dicho motor. Los datos se encuentran en el fichero “Coches”. Copie y pegue los
resultados obtenidos por el Rcommander
aceleración es: 0.0556148
c) Si trabaja con todas las variables exógenas, el valor del R^2 ajustado es:
0.0556148
d) La probabilidad de cometer error tipo I en la prueba de correlación entre el
consumo y la potencia es: 2.2e-16
e) Si usted solo ingresa las variables numéricas significativas, la probabilidad de
cometer el error tipo I para la significancia global es 2.2e-16
f) Cuál es el estadístico de prueba para la significancia global considerando el
modelo anterior 719.2
g) Si trabaja con todas las variables exógenas significativas, el valor del error
estándar para la potencia del motor es: 0.0045277
h) Si trabaja con todas las variables exógenas significativas, el valor de prueba en
la normalidad de errores según Shapiro Francia es: 0.98823
i) Si trabaja con todas las variables exógenas significativas, la probabilidad de

j) En la prueba de homocedasticidad, empleando las variables significativas, el
k) En la prueba de homocedasticidad, empleando las variables significativas, la
probabilidad de cometer el error tipo I es: 0.001937
l) Trabajando con todas las variables significativas, cual es el coeficiente de la
variable exógena más significativa en el modelo: 0.0081262
m) Si trabaja con las variables significativas, cuál es el valor estimado
correspondiente a la quinta observación. 13.814275
n) Si trabaja con todas las variables exógenas significativas, cual es el valor del
tercer error -1.08097615
Pregunta 186 FOWLE Y CARGO

FOWLE
Variable:
X= tiempo de duración de la encuesta en minutos
Hipótesis
H0: µ ≤ 15 (no se cobra tarifa adicional)

H1: µ > 15 (se cobra tarifa adicional) cola hacia la derecha
Tabla t Student
Asume alfa = 0.05
𝑋−𝜇 18 − 15
𝑡= 𝑠 = 4.2288 = 4.197
√𝑛 √35
𝑃 𝑣𝑎𝑙𝑜𝑟 = 𝑃(𝑡 > 4.197) = 0.000092
Si p valor < alfa se rechaza H0

Si se rechaza H0, entonces la prueba es significativa
One Sample t-test
data: Time
t = 4.197 (t prueba), df = 34 (grados de libertad), p-value = 0.00009172 (p valor)

alternative hypothesis: true mean is greater than 15
95 percent confidence interval:
16.79134 Inf [16.79134; infinito>
sample estimates:
mean of x
18
Prueba de Normalidad (estadística NO paramétrica)
● Shapiro Wilk
Shapiro-Wilk normality test
data: Time
W = 0.98512, p-value = 0.9067
H0: los datos siguen una distribución normal

H1: los datos NO siguen una distribución normal
P valor = 0.9067 > alfa = 0.05, se acepta H0
● Kolgomorov Smirnov
Lilliefors (Kolmogorov-Smirnov) normality test
data: Time
D = 0.1, p-value = 0.5036
● Shapiro Francia
Shapiro-Francia normality test
data: Time
W = 0.98759, p-value = 0.9057
● Cramer-von Mises normality test
data: Time
W = 0.037288, p-value = 0.7219
● Anderson-Darling normality test

data: Time
A = 0.21065, p-value = 0.8471
● Pearson chi-square normality test
data: Time
P = 3.8286, p-value = 0.6999
CARGO
a) Variables de estudio
Factor: los terminales aéreos
Respuesta: carga aérea en miles de toneladas
b) Louisville (1) Memphis (2)

H0: µ1 = µ2
H1: µ1 ≠ µ2
Test de normalidad
--------
Lugar = Louisville
data: Carga
W = 0.97303, p-value = 0.9174
--------
Lugar = Memphis
data: Carga
W = 0.9316, p-value = 0.3974
--------
--------
Lugar = Louisville
data: Carga
D = 0.11188, p-value = 0.9764
--------
Lugar = Memphis

data: Carga
D = 0.16667, p-value = 0.4724
--------
--------
Lugar = Louisville
data: Carga
W = 0.97157, p-value = 0.9016
--------
Lugar = Memphis
data: Carga
W = 0.922, p-value = 0.2542
--------
LA PRUEBA DE NORMALIDAD NO ES SIGNIFICATIVA
H0: la carga sigue una distribución normal

H1: la carga NO sigue una distribución normal
𝜎12
𝐻0: 𝜎12 = 𝜎22 → =1
𝜎22
𝜎12
𝐻1: 𝜎12 ≠ 𝜎22 → ≠1
𝜎22
Alfa = 0.05
F test to compare two variances
data: Carga by Lugar

F = 0.3169, num df = 9, denom df = 11, p-value = 0.09526
alternative hypothesis: true ratio of variances is not equal to 1
0.08832409 1.23972814
sample estimates:
ratio of variances
0.3168979

F prueba = 0.3169
GL numerador = 9
GL denominador = 11
𝜎12
0.08832409 ≤ ≤ 1.23972814
𝜎22
Two Sample t-test
data: Carga by Lugar

t = -5.6287, df = 20, p-value = 0.0000165
alternative hypothesis: true difference in means is not equal to 0
-6.990033 -3.209967
sample estimates:
mean in group Louisville mean in group Memphis
4.2 9.3
t de prueba = -5.6287
Valor p = 0.0000165 < alfa = 0.05, se rechaza H0
−6.990033 ≤ 𝜇1 − 𝜇2 ≤ −3.209967 → 𝜇1 − 𝜇2 < 0 → 𝜇1(𝐿𝑜𝑢𝑖𝑠𝑣𝑖𝑙𝑙𝑒) < 𝜇2(𝑀𝑒𝑚𝑝ℎ𝑖𝑠)
Ejercicio 187
● Ejemplo: sea X1, X2, …, Xn una muestra aleatoria e independiente con
comportamiento 𝑁(𝜇; 𝜎 2 ), demostrar que 𝑋 es un estimador insesgado de µ
Si 𝑋1 , 𝑋2 , … , 𝑋𝑛 ∈ 𝑁(𝜇; 𝜎 2 ) → 𝐸(𝑋1 ) = 𝜇; 𝐸(𝑋2 ) = 𝜇, … , 𝐸(𝑋𝑛 ) = 𝜇

Además
∑𝑛𝑖=1 𝑋𝑖 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
𝑋= = 𝐸(𝑋) = 𝜇
𝑛 𝑛
Aplicando Valor Esperado
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 1
𝐸(𝑋) = 𝐸 ( ) = 𝐸(𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 )
𝑛 𝑛
𝐸(𝑋1 ) + 𝐸(𝑋2 ) + ⋯ + 𝐸(𝑋𝑛 ) 𝜇 + 𝜇 + ⋯ + 𝜇⏞𝑛 𝑣𝑒𝑐𝑒𝑠

𝑛𝜇
𝐸(𝑋) = = = =𝜇
𝑛 𝑛 𝑛
Por lo tanto 𝐸(𝑋) = 𝜇

Ejercicio 188
𝑋
● ̂ = 𝑝 = , demuestre que es
Ejemplo: sea la V. A. 𝑋~𝐵(𝑛; 𝑝), se el estimador 𝛩
𝑛
insesgado para “p”
𝑋
Hay que demostrar que 𝐸 (𝛩̂ = 𝑛 ) = 𝑝
Entonces
𝑋 𝐸(𝑋) 𝑛𝑝
𝐸 (𝑝) = 𝐸 ( ) = = =𝑝
𝑛 𝑛 𝑛
𝜇 = 𝐸(𝑋) = 𝑛𝑝 𝜎 2 = 𝑛𝑝(1 − 𝑝)
Ejercicio 189
● Ejemplo: Sea X1, X2, X3 y X4 una m.a. de tamaño cuatro extraídas de una
población de media μ y varianza 𝜎2. Considere los siguientes tres estimadores
puntuales de μ:
𝑋1 + 𝑋2 𝑋3 + 𝑋4 𝑋1 + 2𝑋2 + 3𝑋3 + 4𝑋4 𝑋1 + 𝑋2 + 𝑋3 + 𝑋4

𝑇1 = + 𝑇2 = 𝑇3 =
6 3 10 4
Cuál es el más eficiente
Primero debemos de verificar que no sean insesgados, es decir 𝐸(𝑇1 ) = 𝐸(𝑇2 ) =

𝐸(𝑇3 ) = 𝜇
𝐸(𝑎𝑋 ± 𝑏) = 𝑎𝐸(𝑋) ± 𝑏; 𝑉𝑎𝑟(𝑎𝑥 ± 𝑏) = 𝑎2 𝑉𝑎𝑟(𝑋)
𝑉𝑎𝑟(𝑋 ± 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌), 𝑠𝑖 𝑦 𝑠𝑜𝑙𝑜 𝑠í 𝑋 𝑒 𝑌 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑉𝑎𝑟(𝑋 ± 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) ∓ 2𝐶𝑜𝑣(𝑋; 𝑌), 𝑐𝑢𝑎𝑛𝑑𝑜 𝑋 𝑒 𝑌 𝑠𝑜𝑛 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑋1 + 𝑋2 𝑋3 + 𝑋4 𝐸(𝑋1 ) + 𝐸(𝑋2 ) 𝐸(𝑋3 ) + 𝐸(𝑋4 ) 𝜇 + 𝜇 𝜇 + 𝜇

𝐸(𝑇1 ) = 𝐸 ( + )= + = +
6 3 6 3 6 3
2𝜇 2𝜇
= + = 𝜇: 𝑒𝑠 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜
6 3
𝑋1 + 2𝑋2 + 3𝑋3 + 4𝑋4 𝐸(𝑋1 ) + 2𝐸(𝑋2 ) + 3𝐸(𝑋3 ) + 4𝐸(𝑋4 )

𝐸(𝑇2 ) = 𝐸 ( )=
10 10
𝜇 + 2𝜇 + 3𝜇 + 4𝜇 10𝜇
= = = 𝜇: 𝑒𝑠 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜
10 10

𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 𝐸(𝑋1 ) + 𝐸(𝑋2 ) + 𝐸(𝑋3 ) + 𝐸(𝑋4 ) 𝜇 + 𝜇 + 𝜇 + 𝜇 4𝜇
𝐸(𝑇3 ) = 𝐸 ( )= = =
4 4 4 4
= 𝜇: 𝑒𝑠 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜
Ahora calculemos la varianza de cada estimador sabiendo que:

𝑉𝑎𝑟(𝑋1 ) = 𝑉𝑎𝑟(𝑋2 ) = 𝑉𝑎𝑟(𝑋3 ) = 𝑉𝑎𝑟(𝑋4 ) = 𝜎 2 𝑦 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑉. 𝐴: 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑋1 + 𝑋2 𝑋3 + 𝑋4 1 1
𝑉𝑎𝑟(𝑇1 ) = 𝑉𝑎𝑟 ( + )= [𝑉𝑎𝑟(𝑋1 ) + 𝑉𝑎𝑟(𝑋2 )] + [𝑉𝑎𝑟(𝑋3 ) + 𝑉𝑎𝑟(𝑋4 )]
6 3 36 9
1 1 1 2 2 2
= (𝜎 2 + 𝜎 2 ) + (𝜎 2 + 𝜎 2 ) = 𝜎 + 𝜎 = 0.2778𝜎 2
36 9 18 9
𝑋1 + 2𝑋2 + 3𝑋3 + 4𝑋4

𝑉𝑎𝑟(𝑇2 ) = 𝑉𝑎𝑟 ( )
10
1
= [𝑉𝑎𝑟(𝑋1 ) + 4𝑉𝑎𝑟(𝑋2 ) + 9𝑉𝑎𝑟(𝑋3 ) + 16𝑉𝑎𝑟(𝑋4 )]
100
1 30 2
= (𝜎 2 + 4𝜎 2 + 9𝜎 2 + 16𝜎 2 ) = 𝜎 = 0.3𝜎 2
100 100
𝑋1 +𝑋2 +𝑋3 +𝑋4 1

𝑉𝑎𝑟(𝑇3 ) = 𝑉𝑎𝑟 ( 4
) = 16 [𝑉𝑎𝑟(𝑋1 ) + 𝑉𝑎𝑟(𝑋2 ) + 𝑉𝑎𝑟(𝑋3 ) + 𝑉𝑎𝑟(𝑋4 )]
1 4
= 16 (𝜎 2 + 𝜎 2 + 𝜎 2 + 𝜎 2 ) = 16 𝜎 2 = 0.25𝜎 2
Entonces:
𝑉𝑎𝑟(𝑇1 ) = 0.2778𝜎 2
𝑉𝑎𝑟(𝑇2 ) = 0.3𝜎 2
𝑉𝑎𝑟(𝑇3 ) = 0.25𝜎 2
El más eficiente es T3
Ejercicio 190
● Ejemplo: Sea 𝑋1, 𝑋2, …, 𝑋𝑛 una m.a. de una distribución Poisson, 𝑃(𝑥; 𝜆) =
𝑥!
, obtener el estimador eficiente de 𝜆
𝜕 𝑙𝑛 𝑙𝑛 (𝑓(𝑋; 𝜃)) 𝜕 𝑙𝑛 𝑙𝑛 ( 𝑥! ) 𝜕(𝑙𝑛𝑒 −𝜆 + 𝑙𝑛𝜆𝑥 − 𝑙𝑛𝑥!) 𝜕(−𝜆𝑙𝑛𝑒 + 𝑥𝑙𝑛𝜆 − 𝑙𝑛𝑥!)
= = =
𝜕𝜃 𝜕𝜆 𝜕𝜆 𝜕𝜆
𝑥
= −1 +
𝜆

1 1 1 1
𝑉𝑎𝑟(𝛩̂) = = = = =
𝜕𝑙𝑛 (𝑓(𝑋; 𝜃) 2 𝑥 2 𝑥−𝜆 2 𝑥2 − 2𝑥𝜆 + 𝜆2
𝑛𝐸 [ ] 𝑛𝐸 [−1 + ] 𝑛𝐸 ( ) 𝑛𝐸 ( )
𝜕𝜃 𝜆 𝜆 𝜆2
1
𝑛 =
[𝐸(𝑋 2 ) − 2𝜆𝐸(𝑋) + 𝜆2 ]
𝜆2
𝑅𝑒𝑐𝑜𝑟𝑑𝑎𝑟: 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝜇2 → 𝜆 = 𝐸(𝑥 2 ) − 𝜆2 → 𝐸(𝑋 2 ) = 𝜆2 +

𝜆
1 1 1 𝜆
𝑉𝑎𝑟(𝛩̂) = 𝑛 = 𝑛 =𝑛=
[𝜆2 + 𝜆 − 2𝜆𝜆 + 𝜆2 ] (𝜆) 𝑛
𝜆2 𝜆2 𝜆
Ejercicio 191
● Sea X1, X2, X3, …, Xn una muestra aleatoria de una distribución normal.
Muestre que la media de la muestra es un estimador consistente de 𝜇.
𝐸(𝑋) = 𝜇
Hay que demostrar que:

𝑛
∑𝑛𝑖=1 𝑋𝑖 1
𝑉𝑎𝑟( 𝑋) = 0 → 𝑉𝑎𝑟 ( ) =0 → 𝑙𝑖𝑚 ( 2 ) ∑ 𝑉𝑎𝑟(𝑋𝑖 ) =
𝑛 𝑛→∞ 𝑛
𝑖=1
1 1
= 𝑙𝑖𝑚 ( ) (𝑉𝑎𝑟(𝑋1 ) + 𝑉𝑎𝑟(𝑋2 ) + ⋯ + 𝑉𝑎𝑟(𝑋𝑛 )) = 𝑙𝑖𝑚 ( 2 ) (𝜎 2 + 𝜎 2 +. . . +𝜎 2 ⏞)𝑛−𝑣𝑒𝑐𝑒𝑠
𝑛→∞ 𝑛2 𝑛→∞ 𝑛
1
= 𝑙𝑖𝑚 ( 2 ) (𝑛𝜎 2 )
𝑛→∞ 𝑛
𝑛𝜎 2 𝜎2
= 𝑙𝑖𝑚 ( ) = 𝑙𝑖𝑚 ( )=0
𝑛→∞ 𝑛2 𝑛→∞ 𝑛
Ejercicio 192
● Ejemplo: Sea X1, X2, ..., Xn una muestra aleatoria de tamaño n de una
distribución de Poisson con parámetro λ cuya función de densidad está dada
por:
𝑃(𝑋 = 𝑥) =
𝑥!
Demostrar que el estimador eficiente para λ es a su vez un estimador suficiente.

Creemos la función de verosimilitud
𝑛 𝑛
𝑒 −𝜆 𝜆𝑥𝑖 𝑒 −𝜆 𝜆𝑥1 𝑒 −𝜆 𝜆𝑥2 𝑒 −𝜆 𝜆𝑥𝑛
𝐿(𝜆) = ∏ 𝑓(𝑥𝑖 ; 𝜃) = ∏ =( )( )…( )
𝑥𝑖 ! 𝑥1 ! 𝑥2 ! 𝑥𝑛 !
𝑖=1 𝑖=1
−𝜆−𝜆...−𝜆⏞𝑛 𝑣𝑒𝑐𝑒𝑠 𝑥1 +𝑥2 +⋯+𝑥𝑛
𝑒 𝜆
=
𝑥1 ! 𝑥2 ! … 𝑥𝑛 !
𝑛
𝑒 −𝑛𝜆 𝜆∑𝑖=1 𝑥𝑖 𝑛 1
𝐿(𝜆) = ∏𝑛
= (𝑒 −𝑛𝜆 𝜆∑𝑖=1 𝑥𝑖
) (∏𝑛 ) = ℎ(𝑥; 𝜃)𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 )
𝑖=1 𝑥𝑖 ! 𝑖=1 𝑥𝑖 !
Ejercicio 193
1. Sea (X1, X2, X3) una muestra aleatoria simple procedente de una población que
sigue una distribución normal con media μ y varianza σ2. Consideremos los
siguientes estimadores de μ:
𝐸(𝑋1 ) = 𝐸(𝑋2 ) = 𝐸(𝑋3 ) = 𝜇
𝑋1 + 2𝑋2 + 3𝑋3 𝑋1 − 4𝑋2

𝜇^ 1 = ; 𝜇^ 2 =
6 −3
a) ¿Cuáles son insesgados?
Para que un estimador sea insesgado, su esperanza debe coincidir con el

parámetro que pretende estimar; por tanto, se calcula la esperanza de 𝜇^1 y
𝜇^ 2 :
𝑋1 + 2𝑋2 + 3𝑋3 1 1
𝐸[𝜇^1 ] = 𝐸 [ ] = 𝐸[𝑋1 + 2𝑋2 + 3𝑋3 ] = (𝐸[𝑋1 ] + 2𝐸[𝑋2 ] + 3𝐸[𝑋3 ]) =
6 6 6
1 1
𝐸[𝜇 1] = (𝜇 + 2𝜇 + 3𝜇) = (6𝜇) = 𝜇
6 6
𝑋1 − 4𝑋2 1 1
𝐸[𝜇^ 2 ] = 𝐸 [ ] = − 𝐸[𝑋1 − 4𝑋2 ] = − (𝐸[𝑋1 ] − 4𝐸[𝑋2 ]) =
−3 3 3
1 1
𝐸[𝜇^ 2 ] = − (𝜇 − 4𝜇) = − (−3𝜇) = 𝜇
3 3
b) ¿Cuál es más eficiente?
La eficiencia de un estimador insesgado se mide por su varianza. Así, un

estimador insesgado será tanto más eficiente cuanto menor sea su varianza.
Como 𝜇^1 y 𝜇^ 2 son insesgados, para ver cuál de ellos es más eficiente,
calculamos sus varianzas respectivas teniendo en cuenta que X1, X2, y X3 Son
variables independientes, pues se trata de una muestra aleatoria simple:
𝑉𝑎𝑟(𝑋1 ) = 𝑉𝑎𝑟(𝑋2 ) = 𝑉𝑎𝑟(𝑋3 ) = 𝜎 2

𝑋1 + 2𝑋2 + 3𝑋3 1
𝑉𝑎𝑟[𝜇^1 ] = 𝑉𝑎𝑟 [ ]= 𝑉𝑎𝑟[𝑋1 + 2𝑋2 + 3𝑋3 ] =
6 36
1 1 2 14 2
= (𝑉𝑎𝑟[𝑋1 ] + 4𝑉𝑎𝑟[𝑋2 ] + 9𝑉𝑎𝑟[𝑋3 ]) = [𝜎 + 4𝜎 2 + 9𝜎 2 ] = 𝜎 = 0.3889𝜎 2
36 36 36
𝑋1 − 4𝑋2 1 1 17 2
𝑉𝑎𝑟[𝜇^ 2 ] = 𝑉𝑎𝑟 [ ] = (𝑉𝑎𝑟[𝑋1 ] + 16𝑉𝑎𝑟[𝑋2 ]) = (𝜎 2 + 16𝜎 2 ) = 𝜎
−3 9 9 9
= 1.8889𝜎 2
Como Var [𝜇^1 ] <Var [𝜇^ 2 ],𝜇^1 es la más eficiente de los dos.
c) Busque un estimador eficiente para μ
En una muestra aleatoria simple obtenida de una población que sigue una
distribución normal, la media muestral es un estimador insesgado y eficiente.
Verifiquemos que 𝑋 cumple estas dos propiedades:
𝑋1 + 𝑋2 + 𝑋3 1 1
𝐸[𝑋] = 𝐸 [ ] = 𝐸[𝑋1 + 𝑋2 + 𝑋3 ] = (𝐸[𝑋1 ] + 𝐸[𝑋2 ] + 𝐸[𝑋3 ])
3 3 3
1
= (𝜇 + 𝜇 + 𝜇) = 𝜇
3
Se ha comprobado así que 𝑋es un estimador insesgado para 𝜇 :
𝑋1 + 𝑋2 + 𝑋3 1 1
𝑉𝑎𝑟[𝑋] = 𝑉𝑎𝑟 [ ] = 𝑉𝑎𝑟[𝑋1 + 𝑋2 + 𝑋3 ] = (𝑉𝑎𝑟[𝑋1 ] + 𝑉𝑎𝑟[𝑋2 ] + 𝑉𝑎𝑟[𝑋3 ])
3 9 9
1
= (𝜎 2 + 𝜎 2 + 𝜎 2 )
9
𝜎2
𝑉𝑎𝑟[𝑋] =
3
Para comprobar la eficiencia de 𝑋 vista su insesgadez, hay que verificar que su

varianza coincide con la cota de Frechet-Cramer-Rao para un estimador
insesgado. Para ello calculamos dicha cota:
1
𝐶𝑜𝑡𝑎 𝐶𝑟𝑎𝑚𝑒𝑟 𝑅𝑎𝑜 ≤
𝜕𝑓 (𝑥𝜃 ) 2
𝑛𝐸 [( ) ]
𝜕𝜃

Como la muestra procede de una población normal, tenemos:
1 1(𝑥−𝜇)2
−
𝑓(𝑥𝜇 ) = 𝑒 2 𝜎2 𝑛𝑜𝑡𝑎: 𝐿𝑛𝑒 𝑈(𝑋) = 𝑈(𝑋)
𝜎√2𝜋
1 1(𝑥−𝜇)2 1 1(𝑥−𝜇)2 1 1 (𝑥 − 𝜇)2

− −
𝑓 (𝑥𝜇 ) = 𝐿𝑛 ( 𝑒 2 𝜎2 ) = 𝐿𝑛 ( ) + 𝐿𝑛𝑒 2 𝜎2 = 𝐿𝑛 ( )−
𝜎√2𝜋 𝜎√2𝜋 𝜎√2𝜋 2 𝜎2
𝜕 𝑙𝑛 𝑙𝑛 𝑓 (𝑥𝜇 ) 1 (𝑥 − 𝜇)(−1) (𝑥 − 𝜇)
=− 2 =
𝜕𝜇 2 𝜎2 𝜎2
Así, tenemos que:
𝜕 𝑙𝑛 𝑙𝑛 𝑓 (𝑥𝜇 ) 2 𝑋−𝜇 2 𝑛 𝑛𝜎 2 𝑛
𝑛𝐸 [( ) ] = 𝑛𝐸 [( 2 ) ] = 4 𝐸[(𝑋 − 𝜇)2 ] = 4 = 2
𝜕𝜇 𝜎 𝜎 𝜎 𝜎
𝐸[(𝑋 − 𝜇)2 ] = 𝜎 2
Por tanto:
1 𝜎2
𝐶𝑜𝑡𝑎 𝑑𝑒 𝐹𝑟𝑒𝑐ℎ𝑒𝑡 − 𝐶𝑟𝑎𝑚𝑒𝑟 − 𝑅𝑎𝑜 = =
𝑛/𝜎 2 𝑛
Así pues, cualquier estimador de 𝜇 insesgado tiene una varianza mayor o igual
que σ2/n. Como la muestra aleatoria simple que hemos considerado tiene tamaño
tres, cualquier estimador de 𝜇 tiene una varianza superior o igual a σ2/3 . En
nuestro caso, 𝑋 es insesgado y de mínima varianza, porque su varianza coincide
con la cota de Frechet-Cramer-Rao: por tanto, 𝑋 es un estimador eficiente.
Ejercicio 194
2. Sea (X1, X2, ..., Xn) una muestra aleatoria simple procedente de una población con
distribución uniforme U (a. b). Obtenga los estimadores de a y b según el método
de máxima verosimilitud.
La función de densidad de la distribución U (a, b) es:
1
𝑓(𝑥) = { ; 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑏−𝑎

Consiste en obtener 𝑎∧ 𝑦𝑏 ∧ tales que:
𝑚á𝑥
𝐿(𝑥1 , 𝑥2 , … , 𝑥𝑛 ; 𝑎̂, 𝑏̂) = 𝐿(𝑥1 . . . , 𝑥𝑛 𝑎 , 𝑏)
𝑎, 𝑏
Si se plantea la función de verosimilitud, se tiene:

𝑛
1 1 1 1 1 𝑛
𝐿(𝑥1 . . . , 𝑥𝑛 𝑎 , 𝑏) = ∏ ( )=( )( )…( )⏟ =( )
𝑏−𝑎 𝑏−𝑎 𝑏−𝑎 𝑏 − 𝑎 𝑛 𝑣𝑒𝑐𝑒𝑠 𝑏−𝑎
𝑖=1
Si a ≤ xi ≤ b, ∀𝑖 = 1, . . . , 𝑛.
Tomando el logaritmo neperiano:
1 𝑛
𝐿𝑛𝐿(𝑥1 . . . , 𝑥𝑛 𝑎 , 𝑏) = 𝐿𝑛 (𝑏−𝑎)
1
𝐿𝑛𝐿(𝑥1 . . . , 𝑥𝑛 𝑎 , 𝑏) = 𝑛𝐿𝑛 (𝑏−𝑎) = 𝑛[𝐿𝑛1 − 𝐿𝑛(𝑏 − 𝑎)] = −𝑛𝐿𝑛(𝑏 − 𝑎)
y si se deriva esta expresión con respecto a los parámetros a y b, se tiene:
𝜕𝐿𝑛𝐿(𝑥1 , . . . 𝑥𝑛 𝑎 , 𝑏) 𝑛
= =0
𝜕𝑎 𝑏−𝑎
𝜕𝐿𝑛𝐿(𝑥1 , . . . 𝑥𝑛 𝑎 , 𝑏) −𝑛
= =0
𝜕𝑏 𝑏−𝑎
Al igualar estos cocientes a cero, se observa que b - a debería ser infinito, pero esto
no es posible, pues los parámetros de la distribución uniforme proporcionan un
intervalo finito. Este hecho se produce porque el campo de variación X depende de
los parámetros (a ≤ x ≤ b). Por tanto, no se puede aplicar el proceso anterior y habrá
que encontrar el máximo de la función de verosimilitud de otra forma.
Como se ha encontrado que:
1
𝐿(𝑥1 , . . . , 𝑥𝑛 𝑎 , 𝑏) = { ; 𝑠𝑖 𝑎 ≤ 𝑥𝑖 ≤ 𝑏, ∀𝑖 = 1, . . . , 𝑛 0 ; 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
(𝑏 − 𝑎)𝑛
El máximo de L se alcanzará en:
𝑎 ≤ 𝑥𝑖 ≤ 𝑏, ∀𝑖 = 1, . . . . , 𝑛
es decir, cuando:
𝑎 ≤ 𝑚í𝑛{𝑥}𝑚á𝑥𝑖 {𝑥𝑖 } ≤ 𝑏
pues el máximo de 1/(b — a)n se obtendrá minimizado b — a, pero b no debe ser

inferior al máximo valor obtenido en la muestra, ni a debe ser superior al mínimo

de ellos. Por tanto, los estimadores máximo-verosímiles de a y b serán,
respectivamente:
𝑎∧ = 𝑚í𝑛𝑖 {𝑋𝑖 }𝑏∧ = 𝑚á𝑥𝑖 {𝑋𝑖 }
Ejercicio 195
3. Sean X1, X2, ..., Xn variables aleatorias independientes de Bernoulli con el mismo
parámetro p. Consideramos los siguientes estimadores:
∑𝑛 𝑋 ∑𝑛 𝑋2
𝑝^1 = 𝑖=1𝑛 𝑖 ; 𝑝^ 2 = 𝑖=1𝑛 𝑖
a) ¿Son ambos estimadores insesgados para el parámetro p?
Para comprobar la insesgadez de 𝑝^ 1 y 𝑝^ 2 calculamos sus esperanzas y

comprobamos si coinciden con p. Como Xi ~ B(1,p), se sabe que:
E[Xi] = p y Var[Xi ] = p(1-p)=pq
Además:
Var[Xi ] = E[𝑋𝑖2 ] - (E[Xi])2
por tanto:
E[𝑋𝑖2 ] = Var[Xi] + (E[Xi])2 = pq + p2 = p(q + p) = p
y así:
𝑛
∑𝑛𝑖=1 𝑋𝑖 1 1 𝑛𝑝
𝐸[𝑝̂1 ] = 𝐸 [ ]= ∑ 𝐸[𝑋𝑖 ] = (𝑝 + 𝑝 + 𝑝 … + 𝑝) = =𝑝
𝑛 𝑛 𝑛 𝑛
𝑖=1
𝑛
∑𝑛𝑖=1 𝑋𝑖2 1 1 𝑛𝑝
𝐸[𝑝̂2 ] = 𝐸 [ ]= ∑ 𝐸[𝑋𝑖2 ] = (𝑝 + 𝑝 + 𝑝 + ⋯ + 𝑝) = =𝑝
𝑛 𝑛 𝑛 𝑛
𝑖=1
Luego queda probado que 𝑝^ 1 y 𝑝^ 2 son insesgados.
b) ¿Cuál de los dos estimadores es más eficiente?
Será más eficiente el estimador que tenga menor varianza:
𝑛
∑𝑛𝑖=1 𝑋𝑖 1 𝑝𝑞 + 𝑝𝑞 + 𝑝𝑞 + ⋯ + 𝑝𝑞 𝑛𝑝𝑞 𝑝𝑞
𝑉𝑎𝑟[𝑝̂1 ] = 𝑉𝑎𝑟 ( ) = 2∑ 𝑉𝑎𝑟[𝑋𝑖 ] = = 2 =
𝑛 𝑛 𝑛2 𝑛 𝑛
𝑖=1

𝑛
∑𝑛𝑖=1 𝑋𝑖2 1 1 1
𝑉𝑎𝑟[𝑝̂2 ] = 𝑉𝑎𝑟 ( ) = 2∑ 𝑉𝑎𝑟[𝑋𝑖2 ] = 2
(𝑝𝑞 + 𝑝𝑞 + 𝑝𝑞 + ⋯ . +𝑝𝑞) = 2 𝑛𝑝𝑞
𝑛 𝑛 𝑛 𝑛
𝑖=1
𝑝𝑞
=
𝑛
donde:
Var[𝑋𝑖2 ]= E[𝑋𝑖4 ] - (E[𝑋𝑖2 ])2 = p - p2=p(1-p) = pq
Como las varianzas son iguales, ambos estimadores son igualmente eficientes.
c) Estudie la consistencia de ambos estimadores.
̂ es INSESGADO para 𝜃 y 𝑉𝑎𝑟( 𝛩̂) = 0, entonces 𝛩̂ es estimador

Recordar: Si 𝛩
consistente de 𝜃
𝑝𝑞
𝑉𝑎𝑟( 𝑝^1 ) = 𝑙𝑖𝑚 ( ) = 0
𝑛→∞ 𝑛
𝑝𝑞
𝑉𝑎𝑟( 𝑝^ 2 ) = 𝑙𝑖𝑚 ( ) = 0
𝑛→∞ 𝑛
Ambos son consistentes
Ejercicio 196
4. Los errores mensuales de la predicción del IPC que realiza un instituto de estudios
económicos se distribuyen normalmente. Demuestre que el error mensual medio
calculado a partir de una muestra aleatoria simple de tamaño n es un estimador
consistente para el verdadero error mensual medio.
Sea X la variable aleatoria que representa el error mensual de la predicción del IPC:
X~ N (𝜇, 𝜎 2 )
Dada una muestra aleatoria simple de tamaño n, (X1, ..., Xn), el error mensual medio
se define como:
𝑛
∑ 𝑋𝑖 1
𝑋𝑛 = = ⋅∑ 𝑋𝑖
𝑛 𝑛
𝑖=1
Se sabe que la media muestral es un estimador insesgado de µ, por lo tanto, sólo

se tendrá que probar
̂) = 0
𝑉𝑎𝑟( 𝛩

Para ello sabemos que 𝑉𝑎𝑟(𝑋𝑖 ) = 𝜎 2
𝑛 𝑛
1 1
𝑉𝑎𝑟( 𝛩̂) = 𝑙𝑖𝑚 𝑉𝑎𝑟 ( ⋅ ∑ 𝑋𝑖 ) = 𝑙𝑖𝑚 ( 2 ) (∑ 𝑉𝑎𝑟(𝑋𝑖 ) )
𝑛→∞ 𝑛 𝑛→∞ 𝑛
𝑖=1 𝑖=1
1
= 𝑙𝑖𝑚 ( ) (𝜎 2 + 𝜎 2 + ⋯ + 𝜎 2 )⏟𝑛 𝑣𝑒𝑐𝑒𝑠
𝑛→∞ 𝑛2
1 2)
𝜎2
= 𝑙𝑖𝑚 ( ) (𝑛𝜎 = 𝑙𝑖𝑚 =0
𝑛→∞ 𝑛2 𝑛→∞ 𝑛
Es consistente
Ejercicio 197
5. Sea X una variable aleatoria que tiene la siguiente función de densidad:
𝑓(𝑥𝛼 ) = {𝑒 −(𝑥−𝛼) ; 𝑠𝑖 𝛼 ≤ 𝑥 < +∞, −∞ < 𝛼 < +∞ 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Calcule un estimador para α según el método de máxima verosimilitud.
Sea (X1, ..., Xn) una muestra aleatoria simple de la variable X. Cada Xi Solución
tiene la siguiente función de densidad:
𝑓(𝑥𝑖 𝛼 ) = {𝑒 −(𝑥𝑖−𝛼) ; 𝑠𝑖 𝛼 ≤ 𝑥𝑖 < +∞, −∞ < 𝛼 < +∞ 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Se define la función de máxima verosimilitud como:
𝐿(𝑥1 , … , 𝑥𝑛 𝛼 ) = ∏ (𝑒 −(𝑥𝑖−𝛼) ) = 𝑒 −(𝑥1 −𝛼) ⋅ 𝑒 −(𝑥2 −𝛼) ⋅ … ⋅ 𝑒 −(𝑥𝑛 −𝛼) =

𝑖=1
𝑛
𝑒 −(𝑥1 −𝛼)−(𝑥2 −𝛼)−⋯−(𝑥𝑛 −𝛼) = 𝑒 − ∑𝑖=1 (𝑥𝑖 −𝛼)
Se pretende encontrar el valor de α que maximiza esta expresión.
Como el logaritmo neperiano es una función estrictamente creciente, maximizar

In L es equivalente a maximizar la función L: por tanto:
𝑛 𝑛 𝑛
− ∑𝑛𝑖=1 (𝑥𝑖 −𝛼)
𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , . . . , 𝑥𝑛 𝛼 ) =𝑙𝑛 𝑙𝑛 (𝑒 ) = −∑ (𝑥𝑖 − 𝛼) = − ∑ 𝑥𝑖 + ∑ 𝛼
𝑖=1 𝑖=1 𝑖=1
𝑛
= −∑ 𝑥𝑖 + 𝑛𝛼
𝑖=1
𝜕 𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , . . . , 𝑥𝑛 𝛼 )
=𝑛=0
𝜕𝛼

Si se diferencia esta expresión respecto de α, y se iguala el resultado a cero, se
obtiene:
n=0
lo cual, claramente, no es cierto. Esto ocurre porque el campo de variación de X

depende del parámetro (α≤ x < + ∞).
En este caso, hay que maximizar ∑𝑛𝑖=1 (𝑥𝑖 − 𝛼) directamente, y conviene

observar que xi ≥ α, ∀𝑥𝑖 ; luego esta expresión es máxima si:
𝛼 = 𝑚í𝑛𝑖 {𝑥𝑖 }
por tanto:
𝛼^ = 𝑚í𝑛𝑖 {𝑥𝑖 }
Ejercicio 198
Un encuestador político efectúa un análisis de los resultados de la muestra para hacer
pronósticos para la elección. Suponga que se trata de una elección con dos candidatos;
si un candidato específico recibe, cuando al menos 58% de votos en la muestra,
entonces se pronosticará que ese candidato será el ganador de la elección. Si se
selecciona una muestra aleatoria de 600 votantes, ¿cuál es la probabilidad de que se
pronostique ganador a ese candidato cuando el porcentaje real de sus votos es 60%?
𝑝 = 0.6 𝑞 = 0.4 𝑛 = 600
0.58 − 0.6
𝑃{𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑞𝑢𝑒 𝑔𝑎𝑛𝑎𝑑𝑜𝑟} = 𝑃(𝑃 ≥ 0.58) = 𝑃 𝑍 ≥ = 𝑃(𝑍 ≥ −1) = 0.8413
√0.6(0.4)
( 600 )
Ejercicio 199
1. En un proceso de producción el porcentaje de unidades defectuosas producidas es
3%. Para controlar el proceso, se revisan periódicamente los objetos producidos.
𝑝 = 0.03

a) Calcular aproximadamente la probabilidad de que en una muestra aleatoria
de 180 unidades revisadas se encuentren 5% de defectuosos.
𝑛 = 180 𝑝 = 0.05
𝑃(𝑃 = 0.05) = 𝑃(0.05 − 0.005 < 𝑃 < 0.05 + 0.005) = 𝑃(0.045 < 𝑃 < 0.055)
0.045 − 0.03 0.055 − 0.03

=𝑃 <𝑍< = 𝑃(1.18 < 𝑍 < 1.97) = 0.0946
√0.03(0.97) √0.03(0.97)
( 180 180 )
b) Si el proceso de producción se para al encontrar al menos 4% de unidades

producidas defectuosas al revisar muestras aleatorias de 100 objetos cada
vez, ¿cuál es la probabilidad de que el proceso continúe si realmente produce
5% de defectuosos del total de la producción?
n = 100 p = 0.05
0.04 − 0.05
𝑃{𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒} = 𝑃(𝑃 < 0.04) = 𝑃 𝑍 < = 𝑃(𝑍 < −0.46) = 0.3228
√0.05(0.95)
( 100 )
Ejercicio 200
2. Considere una medición física proporcionada por un instrumento de precisión, donde
el interés recae en la variabilidad de la lectura. Suponga que, en base a la
experiencia, la medición es una V.A. normalmente distribuida con media 10 y
desviación estándar 0.1. Si se toma una muestra aleatoria procedente del proceso
de manufactura de los instrumentos de tamaño 25, ¿cuál es la probabilidad de que
el valor de la varianza muestral sea mayor de 0.014 unidades cuadradas?
𝜎 = 0.1 𝑛 = 25
(25 − 1)(0.014) 2
𝑃(𝑆 2 > 0.014) = 𝑃 (𝜒 2 > ) = 𝑃(𝜒24 > 33.6) = 0.0920
(0.1)2
(𝑛 − 1)𝑠 2
𝜒2 =
𝜎2
Ejercicio 201
3. De una población que se distribuye normalmente con media 15 y desviación 5 se
1
extrae la m.a. X1, X2, … X15, ¿cómo se distribuye 𝑋 = 15 ∑15
𝑖=1 𝑋𝑖 ?

𝜎2
𝑋~𝑁 (𝜇; )
𝑛
52
𝑋~𝑁 (15; ) → 𝑋~𝑁(15; 1.6667)
15
Ejercicio 202
4. De una población normal de media 6 y varianza 36 se selecciona la m.a. 𝑋1, X2 …
X9. Si 𝑋 es la media de la muestra aleatoria:
µ=6 σ2 = 36 (σ = 6) n=9
a) Describa la distribución de probabilidades de 𝑋

𝜎2 36
𝑋~𝑁 (𝜇; ) → 𝑋~𝑁 (6; ) → 𝑋~𝑁(6; 4)
𝑛 9
b) Si Y = 3X - 5, calcular 𝑃(𝑌 > 28)
𝐸(𝑌) = 𝐸(3𝑋 − 5) → 𝐸(𝑌) = 3𝐸(𝑋) − 5 → 𝑌 = 3𝑋 − 5
11 − 6
𝑃(𝑌 > 28) = 𝑃(3𝑋 − 5 > 28) = 𝑃(𝑋 > 11) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 2.50) = 0.0062
6
√9
Ejercicio 203
5. El número de horas de duración de una pila para transistores tiene una distribución
normal con media de 120 horas y desviación 20 horas. Si se seleccionan muestras
aleatorias de 20 pilas:
µ = 120 σ = 20 n =20
a) ¿Qué proporción de las medias muestrales estará entre 120 y 145 horas?
120 − 120 145 − 120

𝑃(120 < 𝑋 < 145) = 𝑃 ( <𝑍< ) = 𝑃(0 < 𝑍 < 5.59) = 0.5
20 20
√20 √20
b) ¿Por debajo de qué valor en horas caerá el 95% de las medias muestrales?

𝑎 − 120
𝑃(𝑋 < 𝑎) = 0.95 → 𝑃 (𝑍 < ) = 0.95
20
√20
𝑎 − 120
= 1.645 → 𝑎 = 127.3567
20
√20
c) ¿Dentro de qué límites caerá el 99% de las medias muestrales alrededor de la

media de la población?
𝑎 − 120 𝑏 − 120
𝑃(𝑎 < 𝑋 < 𝑏) = 0.99 → 𝑃 ( <𝑍< )=
20 20
√20 √20
𝑎 − 120 𝑏 − 120
= −2.5758 = 2.5758
20 20
√20 √20
a = 108.4807 b = 131.9153
Ejercicio 204
6. Sea (X1, ..., Xn) una muestra aleatoria simple procedente de una población B(m,p),
donde p es desconocido. Obtenga el estimador de máxima verosimilitud para el
parámetro p.
Obtendremos el estimador de máxima verosimilitud para el parámetro p resolviendo

la ecuación
𝜕 𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , . . . , 𝑥𝑛 𝑝 )
=0
𝜕𝑝
Para ello, calculamos:
𝑋~𝐵(𝑚, 𝑝) → 𝑃(𝑋 = 𝑥) = (𝑚 𝑥 )𝑝 𝑥 (1 − 𝑝)𝑚−𝑥

𝑛
𝐿(𝑥1 , . . . , 𝑥𝑛 𝑝 ) = ∏ 𝑃(𝑥𝑖 𝑝 ) = 𝑃(𝑥1 ; 𝑝)𝑃(𝑥2 ; 𝑝)𝑃(𝑥3 , 𝑝) … 𝑃(𝑥𝑛 , 𝑝)

𝑖=1
= (𝑚 𝑥1 )𝑝 𝑥1 (1 − 𝑝)𝑚−𝑥1 ⋅ (𝑚 𝑥2 )𝑝 𝑥2 (1 − 𝑝)𝑚−𝑥2 ⋅. . . (𝑚 𝑥𝑛 )𝑝 𝑥𝑛 (1 − 𝑝)𝑚−𝑥𝑛

𝑛
𝑛 𝑛
= [∏ (𝑚 𝑥𝑖 )] 𝑝∑𝑖=1 𝑥𝑖
(1 − 𝑝)𝑚𝑛−∑𝑖=1 𝑥𝑖
𝑖=1
𝑛
𝑛 𝑛
𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , … , 𝑥𝑛 𝑝 ) = 𝑙𝑛 ([∏ (𝑚 𝑥𝑖 )] 𝑝∑𝑖=1 𝑥𝑖
(1 − 𝑝)𝑚𝑛−∑𝑖=1 𝑥𝑖
)
𝑖=1
𝑛 𝑛
=𝑙𝑛 𝑙𝑛 [(𝑚 𝑥1 )(𝑚 𝑥2 ) … (𝑚 𝑥𝑛 )] + 𝑙𝑛𝑝∑𝑖=1 𝑥𝑖
+ 𝑙𝑛(1 − 𝑝)𝑚𝑛−∑𝑖=1 𝑥𝑖
=𝑙𝑛 𝑙𝑛 (𝑚 𝑥1 ) + 𝑙𝑛(𝑚 𝑥2 ) + ⋯ + 𝑙𝑛(𝑚 𝑥𝑛 ) + ∑𝑛𝑖=1 𝑥𝑖 𝑙𝑛𝑝 + (𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖 )𝑙𝑛 (1 − 𝑝)
𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , … , 𝑥𝑛 𝑝 )
𝑛 𝑛 𝑛
=∑ 𝑙𝑛 𝑙𝑛 (𝑚 𝑥𝑖 ) + ∑ 𝑥𝑖 𝑙𝑛 𝑙𝑛 𝑝 + (𝑚𝑛 − ∑ 𝑥𝑖 ) 𝑙𝑛 𝑙𝑛 ( 1 − 𝑝)
𝑖=1 𝑖=1 𝑖=1
𝜕 𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , . . . , 𝑥𝑛 𝑝 ) ∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖

= − =0
𝜕𝑝 𝑝 1−𝑝
Por tanto:
𝑛 𝑛 𝑛
∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖
= ⇒∑ 𝑥𝑖 − 𝑝 ∑ 𝑥𝑖 = 𝑚𝑛𝑝 − 𝑝 ∑ 𝑥𝑖
𝑝 1−𝑝
𝑖=1 𝑖=1 𝑖=1
Luego:
𝑛
∑𝑛𝑖=1 𝑥𝑖 1 1
𝑚𝑛𝑝 = ∑ 𝑥𝑖 → 𝑝=( )( ) → 𝑝̂ = (𝑋)
𝑛 𝑚 𝑚
𝑖=1
Para comprobar que en 𝑥/𝑚 la función de verosimilitud tiene un máximo,

volvemos a derivar su logaritmo:
𝜕2 𝑙𝑛 𝑙𝑛 𝐿 (𝑥1 , . . . , 𝑥𝑛 𝑝 ) ∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖

= −
𝜕𝑝2 𝑝2 (1 − 𝑝)2
Y sustituimos por𝑥/𝑚

∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖
2 = = −
𝑥 𝑥 2 ∑𝑛𝑖=1 𝑥𝑖 2 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖
2
(𝑚) (1 − 𝑚) ( ) ( )
𝑚𝑛 𝑚𝑛
𝑚2 𝑛2 𝑚2 𝑛 2
= − =
∑𝑛𝑖=1 𝑥𝑖 𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖
−𝑚3 𝑛3 + 𝑚2 𝑛2 ∑𝑛𝑖=1 𝑥𝑖 − 𝑚2 𝑛2 ∑𝑛𝑖=1 𝑥𝑖 −𝑚3 𝑛3 − ∑𝑛𝑖=1 𝑥𝑖

= 2 = <0
𝑚𝑛 ∑𝑛𝑖=1 𝑥𝑖 − (∑𝑛𝑖=1 𝑥𝑖 ) ∑𝑛𝑖=1 𝑥𝑖 ⋅ (𝑚𝑛 − ∑𝑛𝑖=1 𝑥𝑖 )
porque:
∑ 𝑥𝑖 < 𝑚𝑛
𝑖=1
con lo que queda probado que 𝑝^ = 𝑋/𝑚 es estimador máximo-verosímil de p.
Ejercicio 205
6. Los tiempos de espera en la fila de un proceso de matrícula de una universidad se
distribuyen normalmente con media 45 minutos y desviación estándar de 20
minutos. Se elige al azar una muestra de 16 estudiantes que se van a matricular.
µ = 45 σ = 20 n = 16
a) ¿Cuál es la probabilidad de que el tiempo de espera promedio de la muestra

sea mayor de 60 minutos?
60 − 45
𝑃(𝑋 > 60) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 3) = 0.0013
20
√16
b) ¿Cuál es la probabilidad de que el tiempo de espera promedio de la muestra

sea mayor de 35 minutos pero menor de 55 minutos?
35 − 45 55 − 45
𝑃(35 < 𝑋 < 55) = 𝑃 ( <𝑍< ) = 𝑃(−2 < 𝑍 < 2) = 0.9545
20 20
√16 √16
Ejercicio 206
7. Los tiempos que se demoran los empleados de una fábrica en realizar una tarea de
ensamblaje se distribuyen normalmente con media de 12 minutos y desviación
estándar de 6. Se toma una muestra de 10 empleados.
µ = 12 σ=6 n = 10

a) ¿Cuál es la probabilidad de que el tiempo promedio que usan los empleados
para terminar la tarea de ensamblaje sea mayor de 15, pero menor de 17
minutos?
15 − 12 17 − 12
𝑃(15 < 𝑋 < 17) = 𝑃 ( <𝑍< ) = 𝑃(1.58 < 𝑍 < 2.64) = 0.0529
6 6
√10 √10
b) Si los 10 empleados tardan menos de hora y media en terminar la tarea de

ensamblaje entonces la fábrica recibe un premio. ¿Cuál es la probabilidad de
que esto ocurra?
∑ 𝑥 90 9 − 12
𝑃 (∑ 𝑥 < 90) = 𝑃 ( < ) = 𝑃(𝑋 < 9) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < −1.58)
𝑛 10 6
√10
= 0.0571
Ejercicio 207
productos es una distribución normal bivariada de exponente:
1
− (4𝑥 2 + 𝑦 2 + 2𝑥𝑦 − 150𝑦 − 300𝑥 + 7500)
150
a) Obtener la matriz Σ, si: 2𝜇x = 𝜇y y 2𝜎x = 𝜎y
El exponente por definición está dado por
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 𝜇𝑌 𝑦 − 𝜇𝑌 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]
Reemplazando equivalencias
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 2𝜇𝑋 𝑦 − 2𝜇𝑥 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]
2(1 − 𝜌2 ) 𝜎𝑋 𝜎𝑋 2𝜎𝑋 2𝜎𝑋
Efectuando:
1 −8𝜇𝑋2 𝜌 + 8𝜇𝑋2 − 8𝑥𝜇𝑋 + 8𝑥𝜇𝑋 𝜌 + 4𝜇𝑋 𝜌𝑦 − 4𝜇𝑋 𝑦 + 4𝑥 2 + 𝑦 2 − 4𝜌𝑥𝑦

− [ ]
2(1 − 𝜌2 ) 4𝜎𝑋2

1
− [−8𝜇𝑋2 𝜌 + 8𝜇𝑋2 − 8𝑥𝜇𝑋 + 8𝑥𝜇𝑋 𝜌 + 4𝜇𝑋 𝜌𝑦 − 4𝜇𝑋 𝑦 + 4𝑥 2 + 𝑦 2 − 4𝜌𝑥𝑦]
2(1 − 𝜌2 )4𝜎𝑋2
−4𝜌𝑥𝑦 = 2𝑥𝑦 → −4𝜌 = 2 → 𝜌 = −0.5
1 1 1 1 1 1
− 2 = − → 2 = → 2 = → 𝜎𝑋2 = 25 → 𝜎𝑥 = 5 𝑦 𝜎𝑌
2(1 − 𝜌2 )4𝜎𝑋 150 8(1 − 0.52 )𝜎𝑋 150 6𝜎𝑋 150
= 10
−8𝜇𝑋2 𝜌 + 8𝜇𝑋2 = 7500 → −8𝜇𝑋2 (−0.5) + 8𝜇𝑋2 = 7500 → 12𝜇𝑋2 = 7500 → 𝜇𝑋 = 25 𝑦 𝜇𝑌

= 50
En resumen: 𝜇𝑋 = 25; 𝜇𝑌 = 50; 𝜎𝑥 = 5; 𝜎𝑌 = 10; 𝜌 = −0.5
𝛴 = (𝜎𝑋2 𝜌𝜎𝑋 𝜎𝑌 𝜌𝜎𝑋 𝜎𝑌 𝜎𝑌2 ) = (25 − 0.5(5)10 − 0.5(5)10 100 )

= (25 − 25 − 25 100 )
𝛴 = (25 − 25 − 25 100 )
b) Calcular los autovalores de Σ.
|25 − 𝜆 − 25 − 25 100 − 𝜆 | = 0 → 𝜆2 − 125𝜆 + 1875 = 0 → 𝜆1 = 107.57; 𝜆2

= 17.43
c) ¿Los puntos (23, 45) y (31, 85) verifican la normalidad bivariada?
Debe de reemplazarse en la distancia cuadrática de Mahalanobis y debe de cumplir que:
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 𝜇𝑌 𝑦 − 𝜇𝑌 2
[( ) − 2𝜌 ( ) ( ) + ( ) ] ≤ 1.386
(1 − 𝜌2 ) 𝜎𝑋 𝜎𝑋 𝜎𝑌 𝜎𝑌
● Para (23, 45) D = 0.8133 pertenece

● Para (31, 85) D = 23.8533 no pertenece

d) Escriba las funciones de densidad de: 𝑓(𝑌/20) y 𝑓(𝑋/55).
TENER EN CUENTA QUE 𝜇𝑋 = 25; 𝜇𝑌 = 50; 𝜎𝑥 = 5; 𝜎𝑌 = 10; 𝜌 = −0.5
𝑌
● 𝑓(20)~𝑁(55; 75)
𝑥−𝜇 𝑌 2
1 𝑋)
− ( 1 𝑥−55 2
𝑌 1 2 𝜎𝑌 1 − ( )
𝑓( ) = 𝑒 𝑋 = 𝑒 2 √75
𝑋 𝜎𝑌∕𝑋 √2𝜋 √75√2𝜋
𝑋
● 𝑓( )~𝑁(25.75; 18.75)
55
𝑥−𝜇𝑋 2
1 𝑌
− (
2 𝜎𝑋 ) 1 𝑥−25.75 2
𝑋 1 1 − ( )
𝑓( ) = 𝑒 𝑌 = 𝑒 2 √18.75
𝑌 𝜎𝑋∕𝑌 √2𝜋 √18.75√2𝜋
Ejercicio 208
2. Se sabe que la estatura (X) de un grupo de personas se distribuye normalmente con
media 1.72 y desviación de 0.25 cm. El peso de las personas (Y) también posee una
distribución normal con media de 70 kg y desviación de 4 kg, además el coeficiente de
correlación es de ρ = 0.9 para la variable bidimensional (x,y)
a. Si se extrae una persona al azar, cual es la probabilidad de que su altura se halle
entre 1.70 y 1.74 y que su peso se encuentre entre 60 y 75 kg.
b. Si una persona mide 1.75 m, cual es la probabilidad de que pese entre 70 y 78 kg
c. Si una persona pesa 75 kg, cuál es la probabilidad de que mida menos de 1.75 m
DATOS
𝜇𝑋 = 1.72; 𝜇𝑌 = 70; 𝜎𝑥 = 0.25; 𝜎𝑌 = 4; 𝜌 = 0.9
Además
𝛴 = (𝜎𝑋2 𝜌𝜎𝑋 𝜎𝑌 𝜌𝜎𝑋 𝜎𝑌 𝜎2𝑌 ) = (0.252 0.9(0.25)4 0.9(0.25)4 42 ) = (0.0625 0.9 0.9 16 )
1 1
) −1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2[(𝑥−𝜇1 𝑦−𝜇2 𝛴
2𝜋|𝛴|
|𝛴| = 0.19
𝛴−1 = (84.21052 − 4.73684 − 4.73684 0.32894 )

1 1
[(𝑥−1.72 𝑦−70 )(84.21 −4.74 −4.74 0.33 )(𝑥−1.72 𝑦−70 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋(0.19)
1 1 2 2
𝑓(𝑥, 𝑦) = 𝑒 −2[84.21𝑥 +373.9176𝑥−9.48𝑥𝑦+0.33𝑦 +724.7349−29.8944𝑦]
0.38𝜋
1.74 75
a) 𝑝(1.70 < 𝑥 < 1.74; 60 < 𝑦 < 75) = ∫1.70 ∫60 𝑓(𝑥, 𝑦)𝑑𝑦𝑑𝑥
1.74 75
1 1 2 2
∫ ∫ 𝑒 −2(84.21𝑥 +373.9176𝑥−9.48𝑥𝑦+0.33𝑦 +724.7349−29.8944𝑦) 𝑑𝑦𝑑𝑥
1.70 60 0.38𝜋
b) Si X = 1.75, tenemos que hallar f (Y/1.75)
𝑌
𝑓( ) ~𝑁(70.432; 3.04) → 𝜇𝑌 = 70.432; 𝜎𝑌2 = 3.04; 𝜎 𝑌 = 1.7436
1.75 𝑋 𝑋 𝑋
𝑋 − 𝜇𝑌
𝑋
𝑍=
𝜎𝑌
𝑋
𝑌 70 − 70.432 78 − 70.432
𝑃 (70 < < 78) = 𝑃 ( <𝑍< ) = 𝑃(−0.25 < 𝑍 < 4.34)
1.75 1.7436 1.7436
= 0.5987
c) Si Y = 75, tenemos que hallar f (X/75)
𝑋
𝑓( ) ~𝑁(2.00125; 0.01188) → 𝜇𝑋 = 2.00125; 𝜎𝑋2 = 0.01188; 𝜎𝑋 = 0.10897
75 𝑌 𝑌 𝑌
𝑋 1.75 − 2.00125
𝑃( < 1.75) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < −2.31) = 0.0104
75 0.10897
Ejercicio 209
Ejercicio 210

Ejercicio 211
Ejercicio 212
Ejercicio 213
8. Por estudios previos se tiene conocimiento que la distribución del peso al nacer de
niños que cumplen su período de gestación de 40 semanas es aproximadamente
normal con una media de 3550 gramos y una desviación estándar de =400 gramos.
Se va a realizar un nuevo estudio para una población con características similares,
con el fin de estimar el peso promedio al nacer de los niños. Con base en el estudio
previo determine el tamaño de muestra. Además, se considera que un error de
máximo 45 gramos logra una estimación valida, la confiabilidad del estudio es del
95%.
µ = 3550 σ = 400 e = 45 NC = 0.95 Z = 1.96
𝑍 2 𝜎 2 (1.96)2 (400)2
𝑛= 2 = → 𝑛 ≅ 303.52 → 𝑛 = 304
𝐸 452
Ejercicio 214
9. Si la vida media de operación de una pila de linterna es de 24 horas y está distribuida

normalmente con una desviación de 3 horas. ¿Cuál es la probabilidad de que una
muestra aleatoria de 100 pilas tenga una media que se desvíe por más de 30
minutos del promedio?
µ = 24 σ=3 n = 100
𝑃(|𝑋 − 𝜇| > 0.5) = 𝑃(𝑋 − 𝜇 > 0.5 𝑜 𝑋 − 𝜇 < −0.5) = 𝑃(𝑋 − 𝜇 > 0.5) + 𝑃(𝑋 − 𝜇
< −0.5)
𝑋−𝜇 0.5 𝑋−𝜇 −0.5

= 𝑃( 𝜎 > 3 ) + 𝑃 ( 𝜎 < 3 ) = 𝑃(𝑍 > 1.67) + 𝑃(𝑍 < −1.67)
√𝑛 √100 √𝑛 √100
= 0.0475 + 0.0475
|𝑥| > 𝑏 → 𝑥 > 𝑏 𝑜 𝑥 < −𝑏

Ejercicio 215
10. La compañía de baterías Timeless afirma que sus baterías tienen una vida media
de 60 meses y una desviación estándar de 9 meses. Un grupo de consumidores que
está poniendo a prueba esta afirmación compra 36 baterías y determina la vida
media.
µ = 60 σ=9 n = 36
a) Calcule el error estándar de la media.
𝜎 9
𝜎𝑋 = = = 1.5
√𝑛 √36
b) Suponiendo que lo que afirma Timeless es cierto, ¿cuál es la probabilidad de

que la vida media de la muestra sea menor que 58 meses?
58 − 60
𝑃(𝑋 < 58) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < −1.33) = 0.0918
9
√36
c) Determine la probabilidad de que la vida media de la muestra esté entre 57 y 63

meses.
57 − 60 63 − 60
𝑃(57 < 𝑋 < 63) = 𝑃 ( <𝑍< ) = 𝑃(−2 < 𝑍 < 2) = 0.9545
9 9
√36 √36
d) Si la media muestral del grupo de consumidores es 55 meses, ¿a qué

conclusiones llegaría usted si fuera el analista
µ = 60 σ=9 n = 36
55 − 60
𝑃(𝑋 = 55) = 𝑃 (𝑍 = ) = 𝑃(𝑍 = −3.33)
9
√36
Como Z = -3.33, eso quiere decir, que la media muestral de 55 se halla a 3.33
desviaciones estándar a la izquierda de la media poblacional (por debajo de la media
poblacional), por lo cual, es poco probable que se de ese valor
Ejercicio 216
11. Se desea estimar el salario de los trabajadores de construcción civil en el Perú. De
estudios pasados se sabe que la desviación de los salarios es de 125.00 soles. ¿Qué
tamaño de muestra se debe de tomar, para estar 95% seguros de que el error no
supera los 15 soles?

σ = 125 NC = 1 – α = 0.95 e = 15 Z = 1.96
𝑍 2 𝜎 2 (1.96)2 (125)2
𝑛= = = 266.76
𝐸2 152
n = 267
12. Un restaurant determinó que en 1 de cada 5 almuerzos vendidos el cliente pide un

postre. Si en un día el restaurant realiza 600 ventas:
1
𝑝 = = 0.2 𝑛 = 600
5
a) Calcular la probabilidad de más de 150 clientes acompañe su almuerzo con un

postre.
𝑋 150 0.25 − 0.2

𝑃(𝑋 > 150) = 𝑃 ( > ) = 𝑃(𝑃 > 0.25) = 𝑃 𝑍 > = 𝑃(𝑍 > 3.06)
𝑛 600 0.2(0.8)
√
( 600 )
= 0.0011
𝑋
𝑃=
𝑛
b) Calcular la probabilidad de que a lo más 450 clientes acompañen su almuerzo

con un postre.
𝑋 450 0.75 − 0.2

𝑃(𝑋 ≤ 450) = 𝑃 ( ≤ ) = 𝑃(𝑃 ≤ 0.75) = 𝑃 𝑍 ≤ = 𝑃(𝑍 ≤ 33.68) = 1
𝑛 600 0.2(0.8)
√
( 600 )
Ejercicio 217
13. Se desea estimar la proporción de fumadores en la UDEP, actualmente dicha casa
de estudios cuenta con 6253 estudiantes. De qué tamaño debe ser la muestra, para
tener una seguridad del 99% de que el error en la estimación sea como máximo del
5%, considerando el peor escenario
N = 6253 NC = 0.99 e = 0.05 p = q = 0.5 Z = 2.58
𝑍 2 𝑝𝑞𝑁 (2.58)2 (0.5)(0.5)(6253)

𝑛= = = 601.5859
(𝑁 − 1)𝐸 2 + 𝑍 2 𝑝𝑞 (6253 − 1)(0.05)2 + (2.58)2 (0.5)(0.5)

n = 602
Ejercicio 218
14. Si X1, X2, …, X8 son 8 VV. AA: independientes y distribuidas cada una según
2 1
𝑁(10; √32 ), calcular la probabilidad de que la varianza muestral 𝑆 2 = ∑ (𝑋𝑖 −
7
𝑋)2 sea menor o igual que 56.28
2
n=8 𝜎2 = √32 → 𝜎 = √32
(8 − 1)(56.28)
𝑃(𝑆 2 ≤ 56.28) = 𝑃 (𝜒 2 ≤ ) = 𝑃(𝜒72 ≤ 12.31) = 0.9092
32
(𝑛 − 1)𝑠 2
𝜒2 =
𝜎2
Ejercicio 218
15. Se estima que el 40% de los votos de los electores de la ciudad favorecen al
candidato A:
a) Si se selecciona una muestra aleatoria de 600 electores de la ciudad, ¿qué
probabilidad hay de que la proporción muestral de votos a favor del candidato A
esté entre 37% y 45%?
p = 0.4 n = 600
0.37 − 0.4 0.45 − 0.4

𝑃(0.37 < 𝑃 < 0.45) = <𝑍< = 𝑃(−1.50 < 𝑍 < 2.50) = 0.9270
√0.4(0.6) √0.4(0.6)
( 600 600 )
b) ¿Qué tamaño de muestra se debería escoger si se quiere tener una probabilidad

igual a 0.97 de que la proporción de votos a favor del candidato A en la muestra
no se diferencie de su proporción estimada en más del 2%?
Nivel de confianza = 0.97
E = 0.02
p = 0.4
Z = 2.17
𝑍 2 𝑝𝑞 (2.17)2 (0.4)(0.6)
𝑛= 2 = → 𝑛 = 2825.34 ≅ 2826
𝐸 (0.02)2

Ejercicio 219
16. Una compañía tiene un número grande de empleados. La probabilidad de que un
empleado seleccionado aleatoriamente participe de un programa de inversión de
acciones de compañía es 0.3. Si se escoge aleatoriamente 20 empleados:
p = 0.3 n = 20
a) ¿Cuál es la probabilidad que la proporción de participantes sea exactamente

0.7?
20 (0.3)14 (0.7)20−14
𝑃(𝑃 = 0.7) = 𝑃(𝑋 = 20(0.7)) = 𝑃(𝑋 = 14) = 𝐶14 = 0.0002
𝑋
𝑃= → 𝑛𝑃 = 𝑋
𝑛
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
b) ¿Cuál es la probabilidad que la proporción de participantes sea por lo menos

0.8?
𝑃(𝑃 ≥ 0.8) = 𝑃(𝑋 ≥ 0.8(20)) = 𝑃(𝑋 ≥ 16) = 0.00001
Ejercicio 220
3. Sea X1, X2, …, X50 VV AA independientes con función de densidad
𝑓(𝑥) = 4𝑥 3 ; 0 < 𝑥 < 1
+∞ 1
4
𝐸(𝑋) = 𝜇 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 𝑥(4𝑥 3 )𝑑𝑥 = = 0.8
−∞ 0 5
2 4 2 2 2
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = −( ) = 𝜎 = √ = 0.1633
3 5 75 75
+∞ 1
2
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 2 (4𝑥 3 )𝑑𝑥 =
−∞ 0 3
𝜇 = 0.8 𝜎 = 0.1633 𝑛 = 50

Calcular:
42 0.84 − 0.8
𝑃(𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋50 > 42) = 𝑃 (𝑋 > ) = 𝑃(𝑋 > 0.84) = 𝑃 (𝑍 > )
50 0.1633
√50
𝑃(𝑍 > 1.7320) = 0.04163
Ejercicio 221
4. Sea X una V. A. con media 0.54 y varianza 0.0144. La cota inferior de:
𝑃(0.34 ≤ 𝑋 ≤ 0.74) aproximada a dos decimales es: 0.64
Cota inferior = Chebyshev
1
𝑃(|𝑋 − 𝜇| ≤ 𝑘𝜎) ≥ 1 −
𝑘2
1
𝑃(−𝑘𝜎 ≤ 𝑋 − 𝜇 ≤ 𝑘𝜎) = 𝑃(𝜇 − 𝑘𝜎 ≤ 𝑋 ≤ 𝜇 + 𝑘𝜎) ≥ 1 −
𝑘2
Ejercicio 222
5. La distribución normal bivariada de la V. A. (X, Y) viene dada por:
1 𝑦2
𝑓(𝑥, 𝑦) = 𝑒𝑥𝑝 {−2 [(𝑥 − 1)2 − (𝑥 − 1)𝑦 + ]}
√3𝜋 3
1 𝑥−𝜇1 2 𝑥−𝜇1 𝑦−𝜇2 𝑦−𝜇2 2

1 − 2
2(1−𝜌 )
[(
𝜎
) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎2
) ]
𝑓(𝑥, 𝑦) = 𝑒 1 1 2
2𝜋𝜎1 𝜎2 √1 − 𝜌2
a) El valor de la correlación es: 0.866
𝑥−1 2 (𝑦 − 0)2 𝑥−1 2 𝑦−0 2

−2 [( ) − (𝑥 − 1)𝑦 + ] → −2 [( ) − (𝑥 − 1)𝑦 + ( ) ]
1 3 1 √3
𝜇1 = 1; 𝜇2 = 0; 𝜎1 = 1; 𝜎2 = √3
2𝜋𝜎1 𝜎2 √1 − 𝜌2 = √3𝜋

2(1)(√3)√1 − 𝜌2 =√3
2√1 − 𝜌2 = 1 → 𝜌 = 0.866
b) Las variables X e Y son independientes

a. Si
b. No
c) Al aumentar el valor de X, el valor de Y

𝑆𝑖 𝜌 = 0: 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑆𝑖 𝜌 > 0: 𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑖𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛𝑎𝑙 (𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑒𝑛 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑠𝑒𝑛𝑡𝑖𝑑𝑜)
𝑆𝑖 𝜌 < 0: 𝑖𝑛𝑣𝑒𝑟𝑠𝑎𝑚𝑒𝑛𝑡𝑒 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛𝑎𝑙 (𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑒𝑛 𝑠𝑒𝑛𝑡𝑖𝑑𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜)
a. Disminuye
b. Aumenta
d) El autovalor de mayor valor es:
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1𝜎2 𝜎22 ) = (1 0.866√3 0.866√3 3 )
4 + √12.999472
𝜆= = 3.80
2
Ejercicio 223
15.2
6. Si (𝑋, 𝑌)~𝑁(15; 32 ; 8; 22 ; −0.6) Calcular el valor de 𝑃(𝑋 ≤ 𝑌
= 5)
𝜇1 = 15; 𝜎1 = 3; 𝜇2 = 8; 𝜎2 = 2; 𝜌 = −0.6
P (X ≤ 15.2 / µ = 17.7; σ = 2.4) = 0.1488
Ejercicio 224
7. Sea la sucesión de variables aleatorias X1, X2, …, Xn con comportamiento de Bernoulli con
parámetro p. A qué converge en probabilidad
Bernoulli: 𝑋 = 𝑝
𝑛(𝑋 − 𝑝)
1−𝑋

a) 0
b) np
c) npq/(pq-1)
d) np2/(pq-1)
𝑋𝑛 𝑝 → 𝑎
𝑃(|𝑋𝑛 − 𝑎| ≥ 𝜀) = 0
𝑃(𝑋𝑛 − 𝑎 ≥ 𝜀 ó 𝑋𝑛 − 𝑎 ≤ −𝜀) = 0
𝑙𝑖𝑚 [𝑃(𝑋𝑛 − 𝑎 ≥ 𝜀) + 𝑃(𝑋𝑛 − 𝑎 ≤ −𝜀)] = 0

𝑛→∞
𝑛(𝑋 − 𝑝) 𝑛(𝑋 − 𝑝)
𝑙𝑖𝑚 [𝑃 ( ≥ 𝜀 + 𝑎) + 𝑃 ( ≤ −𝜀 + 𝑎)]
𝑛→∞ 1−𝑋 1−𝑋
𝑛(𝑝 − 𝑝) 𝑛(𝑝 − 𝑝)
𝑙𝑖𝑚 [𝑃 ( ≥ 𝜀 + 𝑎) + 𝑃 ( ≤ −𝜀 + 𝑎)]
𝑛→∞ 1−𝑝 1−𝑝
𝑙𝑖𝑚 [𝑃(0 ≥ 𝜀 + 𝑎) + 𝑃(0 ≤ −𝜀 + 𝑎] = 𝑃(0 ≥ 𝜀 + 𝑎) + 𝑃(0 ≤ −𝜀 + 𝑎) = 0

𝑛→∞
𝜀 → 0 ∴ 0 ≤ −𝜀 + 𝑎, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎 = 0
Ejercicio 225
8. Si (𝑋; 𝑌)~𝑁(5; 32 ; 9; 22 ; 0.6)obtener aproximando a dos decimales
𝜇1 = 5; 𝜇2 = 9; 𝜎1 = 3; 𝜎2 = 2; 𝜌 = 0.6

6.7
a. 𝑃(𝑋 < 𝑌
= 8)
P (X < 6.7 / µ = 4.1; σ = 2.4) = 0.86
9.3
b. 𝑃(𝑌 > 𝑋
= 6)
P (Y > 9.3 / µ = 9.4; σ = 1.6) = 0.52
9
c. 𝑃(𝑌 > 𝑋 = 5)
P (Y > 9 / µ = 9 ; σ = 1.6) = 0.5
Ejercicio 226
9. Suponga de X es una V. A. con media y varianza 25; la cota inferior de P (10 ≤ X ≤ 40) es: 0.89
Media = 25
Varianza = 25
Desviación = 5
Ejercicio 227
10. Sea X una V. A. con media de 54. Hallar una cota superior para P (X ≥ 65). Use dos decimales
𝐸(𝑋)
𝑃(𝑋 ≥ 𝜀) ≤ 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑦 𝑐𝑢𝑎𝑛𝑑𝑜 𝜀 > 𝐸(𝑋)
𝜀
54
𝑃(𝑋 ≥ 65) ≤ = 0.8308
65
Ejercicio 228
11. La sucesión de VVAA {𝑋𝑛 }𝑛𝜖𝑁 tal que
1 1
𝑃(𝑋𝑛 = 𝑎−𝑛 ) = 2 ; 𝑃(𝑋𝑛 = 0) = 1 − 2 , 𝑐𝑜𝑛 𝑎 > 1
𝑛 𝑛
Converge en media cuadrática a:

a) a
b) Bernoulli

c) e
d) 0
e) 1
𝐸[𝑋𝑛 ] = 𝑐 𝑌 𝑉𝑎𝑟[𝑋𝑛 ] = 0
𝑛
1 1 1
𝐸[𝑋𝑛 ] = ∑ 𝑋𝑖 𝑃(𝑋𝑖 = 𝑥𝑖 ) = (𝑎−𝑛 ) ( 2
) + (0) (1 − 2 ) = 2 𝑛
𝑛 𝑛 𝑛 𝑎
𝑖=1
1 1
( )= =0
𝑛2 𝑎 𝑛 ∞
𝑉𝑎𝑟[𝑋𝑛 ] = 𝐸[𝑋𝑛2 ] − [𝐸(𝑋𝑛 )]2
𝑛
1 1 1
𝐸[𝑋𝑛2 ] =∑ 𝑋𝑖2 𝑃(𝑋𝑖 = 𝑥𝑖 ) = (𝑎−𝑛 )2 ( 2
) + (0)2 (1 − 2 ) = 2 2𝑛
𝑛 𝑛 𝑛 𝑎
𝑖=1
1 1 2 1 1
𝑉𝑎𝑟[𝑋𝑛 ] = − ( ) = −
𝑛2 𝑎2𝑛 𝑛2 𝑎 𝑛 𝑛2 𝑎2𝑛 𝑛4 𝑎2𝑛
1 1 1 1
( − )= − =0−0=0
𝑛2 𝑎2𝑛 𝑛4 𝑎2𝑛 ∞ ∞
Ejercicio 229
12. Sea la función de densidad bivariable
1 9 (𝑥 − 5)2 2 (𝑦 − 2)2
𝑓(𝑥, 𝑦) = 𝑒𝑥𝑝 𝑒𝑥𝑝 {− [ + (𝑥 − 5)(𝑦 − 2) + ]}
4𝜋√5 10 4 9 9
Aproxime a 3 decimales
9 𝑥−5 2 2 𝑦−2 2
{− [( ) + (𝑥 − 5)(𝑦 − 2) + ( ) ]}
10 2 9 3

𝜇1 = 5; 𝜇2 = 2; 𝜎1 = 2; 𝜎2 = 3
2𝜋𝜎1 𝜎2 √1 − 𝜌2 = 4𝜋√5
2
2(2)(3)√1 − 𝜌2 = 4√5 → 12√1 − 𝜌2 = 4√5 → 𝜌=−
3
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (4 4 4 9 )
a) El determinante de la matriz varianza covarianza es: 20

b) En el diagrama de dispersión mientras el valor de X crece; el valor de Y
a. Crece
b. Decrece
c) La desviación estándar de Y condicionada a X = 7 es:
2
𝜇1 = 5; 𝜇2 = 2; 𝜎1 = 2; 𝜎2 = 3; 𝜌 = −
3
2.2361
d) La media de X condicionada a Y = 5 es:
3.6667
20
a) El determinante de la matriz de varianzas covarianzas es Respuesta
b) En el del diagrama de dispersión, mientras el valor de XX crece, el valor de YY Respuesta

Decrece

2.236
c) La desviación estándar de Y condicionada a X=7 es Respuesta
3.667
d) La media de XX condicionada a Y=5Y=5 es Respuesta
Ejercicio 230
13. Sea {𝑋𝑛 }𝑛𝜖𝑁 una sucesión de VVAA independientes, tales que
1 1
𝑃(𝑋𝑛 = −2) = 𝑃(𝑋𝑛 = −1) = 𝑃(𝑋𝑛 = 1) = 𝑃(𝑋𝑛 = 2) = ; 𝑦 𝑃(𝑋𝑛 = 0) = 1 −
4𝑛 𝑛
Converge en media cuadrática a

a) 1
b) No converge
c) 0.5
d) -2
e) -1
f) 0
Xn -2 -1 0 1 2
P 1 1 1 1 1
1−
4𝑛 4𝑛 𝑛 4𝑛 4𝑛
1 1 1 1 1
𝐸[𝑋𝑛 ] = −2 ( ) − 1 ( ) + 0 (1 − ) + 1 ( ) + 2 ( )
4𝑛 4𝑛 𝑛 4𝑛 4𝑛
𝐸[𝑋𝑛 ] = 0
𝐸[𝑋𝑛 ] = 𝑙𝑖𝑚 (0) = 0

𝑛→∞
Varianza
𝑉𝑎𝑟[𝑋𝑛 ] = 𝐸[𝑋𝑛2 ] − [𝐸(𝑋𝑛 )]2
1 1 1 1 1
𝐸[𝑋𝑛2 ] = (−2)2 ( ) + (−1)2 ( ) + 02 (1 − ) + 12 ( ) + 22 ( )
4𝑛 4𝑛 𝑛 4𝑛 4𝑛
4 1 1 4 10
𝐸[𝑋𝑛2 ] = + + + =
4𝑛 4𝑛 4𝑛 4𝑛 4𝑛

10
𝑉𝑎𝑟[𝑋𝑛 ] =
4𝑛
10
𝑉𝑎𝑟[𝑋𝑛 ] = 𝑙𝑖𝑚 ( )=0
𝑛→∞ 4𝑛
Ejercicio 231
14. Sea {𝑋𝑛 }𝑛∈𝑁 una sucesión de VVAA independientes, tales que:
𝑋𝑛 -n 1 n
P 1 1 1
1−
2𝑛2 𝑛2 2𝑛2
Converge casi seguro a
𝑃(𝑋𝑛 = 𝑋 ) = 1
a) 0
b) 1
c) No converge
d) -1
e) n
f) -n
1 1
𝑋𝑛 = {(−𝑛) = −∞; 𝑝 = = 0 𝑙𝑖𝑚 (1) = 1; 𝑝 = 𝑙𝑖𝑚 (1 − ) = 1 𝑙𝑖𝑚 (𝑛)
2𝑛2 𝑛→∞ 𝑛→∞ 𝑛2 𝑛→∞
1
= ∞; 𝑝 = 2 = 0
2𝑛
Ejercicio 232
15. Sea {𝑋𝑛 }𝑛∈𝑁 una sucesión de VVAA independientes, tales que:
𝑋𝑛 -n 0 n
P 1 1 1
1−
2𝑛2 𝑛2 2𝑛2

Converge en m. c. a:
a) 0
b) 1
c) +n
d) -n
e) No converge
1 1 1
𝐸[𝑋𝑛 ] = −𝑛 ( 2 ) + 0 (1 − 2 ) + 𝑛 ( 2 ) = 0
2𝑛 𝑛 2𝑛
𝐸[𝑋𝑛 ] = 0
1 1 1 1 1
𝐸[𝑋𝑛2 ] = (−𝑛)2 ( ) + 02
(1 − ) + 𝑛 2
( ) = + =1
2𝑛2 𝑛2 2𝑛2 2 2
𝑉𝑎𝑟[𝑋𝑛 ] = 𝐸[𝑋𝑛2 ] − [𝐸(𝑋𝑛 )]2 = 1 − 02 = 1
𝑉𝑎𝑟[𝑋𝑛 ] = 𝑙𝑖𝑚 (1) = 1

𝑛→∞
Ejercicio 233
16. Supongamos que X es una V. A. con media 12 y varianza 9, la cota superior de
P (X > 21) + P (X < 3) es:
𝑃(𝑋 > 21) + 𝑃(3 < 𝑋 < 21) + 𝑃(𝑋 < 3) = 1
Cota superior = 0.11
Ejercicio 234
17. Sea (𝑋, 𝑌)~𝑁(25; 35; 42 ; 52 ; −0.8), los puntos A (22; 25) y B (26; 31) pertenecen a esta
distribución normal bivariada
e) Sólo A
f) Sólo B
g) A y B
h) Ninguno
Ejercicio 235
1. Suponga que el gasto mensual en movilidad y transporte (X, en decenas de soles) y el
ingreso mensual (Y, en cientos de soles), de las familias de un distrito se distribuyen
conjuntamente según la Normal Bivariada, con la siguiente forma cuadrática

1 1 9
𝑄 = [(𝑥 − 12)2 − (𝑥 − 12)(𝑦 − 25) + (𝑦 − 25)2 ]
8 2 16
1 𝑥 − 𝜇1 2 𝑥 − 𝜇1 𝑦 − 𝜇2 𝑦 − 𝜇2 2
𝑄=− [( ) − 2𝜌 ( ) ( ) + ( ) ]
2(1 − 𝜌2 ) 𝜎1 𝜎1 𝜎2 𝜎2
1
9 (𝑥 − 12)2 2 (𝑥 − 12)(𝑦 − 25) (𝑦 − 25)2
𝑄= [ − + ]
8 9 9 16
9 𝑥 − 12 2 12 𝑥 − 12 𝑦 − 25 𝑦 − 25 2
𝑄 = [( ) − ( )( )+( ) ]
8 3 18 3 4 4
12 1
−2𝜌 = − → 𝜌=
18 3
1
𝜇1 = 12; 𝜇2 = 25; 𝜎1 = 3; 𝜎2 = 4; 𝜌 = = 0.3333
3
a) El coeficiente de correlación es: 0.3333

b) Cuál es el determinante de la matriz varianza covarianza:
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) = (9 4 4 16 )
Determinante = 128
c) El autovalor de menor valor de la matriz varianza covarianza es:
25 − √113
𝜆= = 7.1849
2
d) La media de Y, condicionada a X = 15 es:
Media = 26.3333
e) Hallar f (X > 15/ Y = 22):
P (X > 15 / µ = 11.25; σ = 2.8284) = 0.0924
f) Calcular f (Y < 20/ X = 11):

P (Y < 20 / µ = 24.5556; σ = 3.7712) = 0.1135
Ejercicio 236
1. Una empresa produce láminas de acero de 4 m. El número de defectos que se
encuentran al desenrollar las láminas es una V.A. Poisson que tiene media de 2 defectos
por lámina, ¿Cuál es la probabilidad que se encuentren a lo más 50 defectos al
desenrollar 32 rollos de lámina? (use 3 decimales)
𝜇=2 𝜎2 = 2 𝜎 = √2 = 1.4142 𝑛 = 32
𝑋1 + 𝑋2 + ⋯ + 𝑋32 50
𝑃(𝑋1 + 𝑋2 + ⋯ + 𝑋32 ) ≥ 50 → 𝑃( ≥ )
32 32
1.5625 − 2
𝑃(𝑋32 ≥ 1.5625) → 𝑇𝐿𝐶 → 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ −1.75) = 0.9599
1.4142
√32
Ejercicio 237
1. El sueldo de los trabajadores de una multinacional posee una media de 2 500 soles con
una desviación de 600 soles. Si se toma una muestra de 64 trabajadores, cual es la
probabilidad que la suma de los salarios sea superior a los 180 000 soles
𝜇 = 2500 𝜎 = 600 𝑛 = 64
𝑋1 + 𝑋2 + ⋯ + 𝑋64 180000
𝑃(𝑋1 + 𝑋2 + ⋯ + 𝑋64 > 180000) = 𝑃 ( > )
64 64
2812.5 − 2500
𝑃(𝑋64 > 2812.5) → 𝑇𝐿𝐶 → 𝑃 (𝑍 > ) = 𝑃(𝑍 > 4.167) = 0.00015
600
√64
Ejercicio 238
2. Sea la sucesión de VVAA definidas por
1 1
𝑋𝑛 = {𝑎 ; 𝑃(𝑋𝑛 = 𝑎) = 1 − 𝑎 + 𝑛𝑏; 𝑃(𝑋𝑛 = 𝑎 + 𝑛𝑏) =
𝑛 𝑛

Converge en media cuadrática a:
a) 0
b) 1
c) a
d) a + b
e) No converge en MC
1 1 𝑎 𝑎
𝐸(𝑋𝑛 ) = 𝑎 (1 − ) + (𝑎 + 𝑛𝑏) ( ) = 𝑎 − + + 𝑏 = 𝑎 + 𝑏
𝑛 𝑛 𝑛 𝑛
(𝑎 + 𝑏) = 𝑎 + 𝑏
𝑉[𝑋𝑛 ] = 𝐸[𝑋𝑛2 ] − [𝐸(𝑋𝑛 )]2
1 1 𝑎2 1
𝐸[𝑋𝑛2 ] =𝑎 2
(1 − ) (𝑎
+ + 𝑛𝑏) 2
( ) = 𝑎 − + (𝑎2 + 2𝑎𝑛𝑏 + 𝑛2 𝑏 2 ) ( )
2
𝑛 𝑛 𝑛 𝑛
𝑎2 𝑎2
𝐸[𝑋𝑛2 ] = 𝑎2 − + + 2𝑎𝑏 + 𝑛𝑏 2 = 𝑎2 + 2𝑎𝑏 + 𝑛𝑏 2
𝑛 𝑛
𝑉[𝑋𝑛 ] = 𝑎2 + 2𝑎𝑏 + 𝑛𝑏 2 − (𝑎 + 𝑏)2 = 𝑎2 + 2𝑎𝑏 + 𝑛𝑏 2 − 𝑎2 − 2𝑎𝑏 − 𝑏 2
𝑉[𝑋𝑛 ] = 𝑛𝑏 2 − 𝑏 2 = 𝑏 2 (𝑛 − 1)
𝑙𝑖𝑚 𝑏 2 (𝑛 − 1) = +∞
𝑛→∞
Ejercicio 239
1. Sean X1, X2, …, Xn VV AS. Independientes cada una con función de densidad uniforme en
el intervalo [α, β]. Si:
𝑍𝑛 = 𝑚á𝑥{𝑋1 , 𝑋2 , … , 𝑋𝑛 }
¿ {𝑍𝑛 } 𝑝 → 𝛽?
VERDADERO
FALSO
1
𝑋~𝑈[𝛼; 𝛽] → 𝑓(𝑥) = ; 𝛼≤𝑥≤𝛽
𝛽−𝛼

𝑍𝑛 𝑃 → 𝛽
𝑃(|𝑍𝑛 − 𝛽| ≥ 𝜀) = 0
𝑙𝑖𝑚 𝑃(𝑍𝑛 − 𝛽 ≥ 𝜀 ó 𝑍𝑛 − 𝛽 ≤ −𝜀) = 𝑙𝑖𝑚 𝑃(𝑍𝑛 ≥ 𝛽 + 𝜀 ó 𝑍𝑛 ≤ 𝛽 − 𝜀)

𝑛→∞ 𝑛→∞
𝑙𝑖𝑚 [𝑃(𝑍𝑛 ≥ 𝛽 + 𝜀) + 𝑃(𝑍𝑛 ≤ 𝛽 − 𝜀)]

𝑛→∞
𝑙𝑖𝑚 𝑃(𝑍𝑛 ≤ 𝛽 − 𝜀) = 𝑙𝑖𝑚 𝑃(𝑋1 ≤ 𝛽 − 𝜀; 𝑋2 ≤ 𝛽 − 𝜀; … ; 𝑋𝑛 ≤ 𝛽 − 𝜀)

𝑛→∞ 𝑛→∞
𝑙𝑖𝑚 [𝑃[𝑋1 ≤ 𝛽 − 𝜀]𝑃[𝑋2 ≤ 𝛽 − 𝜀] … 𝑃[𝑋𝑛 ≤ 𝛽 − 𝜀]]

𝑛→∞
𝑛 𝛽−𝜀 𝑛
𝛽−𝜀
1 1
= 𝑙𝑖𝑚 [𝑃(𝑋𝑖 ≤ 𝛽 − 𝜀)]𝑛 = 𝑙𝑖𝑚 [∫ 𝑑𝑥 ] = {[ 𝑥] }
𝑛→∞ 𝑛→∞ 𝛼 𝛽−𝛼 𝛽−𝛼 𝛼
𝛽−𝜀−𝛼 𝑛 𝛽−𝛼 𝜀 𝑛 𝜀 𝑛
=[ ] =[ − ] = 𝑙𝑖𝑚 [1 − ] =0
𝛽−𝛼 𝛽−𝛼 𝛽−𝛼 𝑛→∞ 𝛽−𝛼
Ejercicio 240
3. Se sabe que (𝑋, 𝑌)~𝑁(13; 42 ; 18; 32 ; 0.8)
𝜇1 = 13; 𝜇2 = 18; 𝜎1 = 4; 𝜎2 = 3; 𝜌 = 0.8
a) Hallar el determinante de la matriz varianza covarianza (2 decimales)
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1𝜎2 𝜎22 ) = (16 9.6 9.6 9 )
Determinante = 51.84
b) Calcular el a22 de la matriz inversa de la varianza covarianza (2 decimales)
Inversa 0.17361111 -0.18518519

= -0.18518519 0.30864198
𝑎22 = 0.31
c) Cuál es el mayor autovalor asociado a la matriz varianza covarianza (2 decimales)

125 + √10441
𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟 = = 22.7181 ≈ 22.72
10
d) Hallar f (X > 15 / Y = 18) (3 decimales)
P (X > 15 / µ = 13; σ = 2.4) = 0.202
e) Hallar f (16 < Y < 20 / X = 11)
P (16 < Y < 20 / µ = 16.8; σ = 1.8) = 0.6339
f) Hallar la media de X condicionada a Y = 21
Media = 13.0000
g) Hallar la varianza de Y condicionada a X = 15
Varianza = 3.24
Ejercicio 241
4. Sean X1, X2, X3, …, Xn VV. AS. Idénticamente distribuidas, cada una con función de
densidad:
1+𝛼
𝑓(𝑥) = 2+𝛼 ; 𝑥 ≥ 1; 𝛼 > 0
𝑥
Por la ley débil de los grandes números, la sucesión:

𝑛
1 𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋𝑛
𝑆𝑛 = ∑ 𝑋𝑖 =
𝑛 𝑛
𝑖=1
¿hacia dónde converge?
a) 0
b) 1
c) 𝛼+1
1−𝛼
d)
𝛼
e) Ninguna
+∞
1+𝛼 𝛼+1
𝜇 = 𝐸(𝑋) = ∫ 𝑥 ( 2+𝛼 ) 𝑑𝑥 =
1 𝑥 𝛼
Ejercicio 242
5. Sean X1, X2, …, Xn una sucesión de VVAA independientes con función de densidad dada
por 𝑓(𝑥) = 2𝑥; 0 < 𝑥 < 1
𝑋 +𝑋 +⋯+𝑋𝑛
Se define 𝑋𝑛 = 1 2𝑛 , por la ley de fuerte de los grandes números, 𝑋𝑛

Converge a:
a) 0.67
b) 1
c) 0
d) 1.67
1
𝜇 = 𝐸(𝑋) = ∫ 𝑥(2𝑥)𝑑𝑥 = 0.67
0
Ejercicio 243
1. Sabiendo que 𝑋𝑛 𝑃 → 𝜃; 𝑐𝑜𝑛 𝜃 > 1 :
a. √𝑋𝑛 𝑃 → √𝜃
Verdadero
Falso
5𝑋2𝑛 5𝜃2
b. { } 𝑃 → 5𝜃 { } = {5𝜃}
𝜃 𝜃
Verdadero
Falso
Ejercicio 244
6. Sabiendo que 𝑋𝑛 𝑐. 𝑠. → (𝑐 − 1); 𝑌𝑛 𝑐. 𝑠 → (𝑐 + 1), 0 < 𝑐 < 1
a) {2𝑋𝑛 − 𝑌𝑛 } converge casi seguro a
{2(𝑐 − 1) − (𝑐 + 1)} = {2𝑐 − 2 − 𝑐 − 1} = {𝑐 − 3}
a. 𝑐
b. C+3
c. C–3
d. 0
e. 1
b) Si 𝑔(ℎ, 𝑘) = (ℎ + 𝑘)2 , la sucesión {𝑔(𝑋𝑛 , 𝑌𝑛 )}𝑛∈𝑁 converge casi seguro a:

a. 𝑐 2
b. 4𝑐 2
c. 𝑐 2 − 1
d. 0
e. 1
𝑔(𝑋𝑛 , 𝑌𝑛 ) = (𝑋𝑛 + 𝑌𝑛 )2 = (𝑐 − 1 + 𝑐 + 1)2 = (2𝑐)2 = 4𝑐 2

Ejercicio 245
1. La convergencia casi segura indica que en escasos puntos del espacio muestral la
sucesión de variables aleatorias no converge a una variable aleatoria
Verdadero
Falso
Ejercicio 246
1. Que una sucesión de VVAA cumpla la ley fuerte de los grandes números implica que
cumple la ley débil de los grandes números
Verdadero
Falso
Ejercicio 247
1. Sabiendo que la sucesión de variables aleatorias 𝐸(𝑋𝑛 )converge en media cuadrática a
la V. A. 𝐸(𝑋), se puede afirmar que la sucesión de V. A. 𝑋𝑛 converge en media cuadrática
a la V. A. X
Verdadero
Falso
Ejercicio 248
7. La distribución de los gastos en dos productos (X, Y) de un grupo de consumidores sigue una
distribución normal bivariante con medias respectivas de 3 y 2 euros y matriz de varianzas
covarianzas 𝛴 = (1 0.8 0.8 4 ).
𝛴 = (1 0.8 0.8 4 ) = (𝜎12 𝜌𝜎1 𝜎2 𝜌𝜎1 𝜎2 𝜎22 ) → 𝜎12 = 1; 𝜎1 = 1 𝜎22 = 4; 𝜎2 = 2
𝜌𝜎1 𝜎2 = 0.8 𝜌(1)(2) = 0.8 𝜌 = 0.4
𝜇1 = 3 𝜇2 = 2 𝜎1 = 1 𝜎2 = 2 𝜌 = 0.4
a) Obtener la media, varianza y la función de densidad condicional de f (X / 2.5).
𝜇𝑋=2.5 = 3.1 𝜎𝑋2 = 0.84

𝑌 =2.5
𝑌
𝑓(𝑋 ∕ 𝑌 = 2.5)~𝑁(3.1; 0.84)
𝑋 (𝑦 − 𝜇2 )𝜌𝜎1 2
𝑓 ( ) ~𝑁 (𝜇1 + , 𝜎1 (1 − 𝜌2 ))
𝑌 𝜎2

b) Calcular P (X > 3.5/2.5)
𝜇 = 3.1 𝜎 = 0.91652
3.5
𝑃 (𝑋 > = 3.1, 𝜎 = 0.91652) = 0.3313
𝜇
c) Hallar P (Y > 2.8 / 3.5)
𝜇 = 2.4 𝜎 = 1.83303
2.8
𝑃 (𝑌 > = 2.4, 𝜎 = 1.83303) = 0.4137
𝜇
d) Hallar P (1.5 < Y < 2.8 / 3.5)
𝜇 = 2.4 𝜎 = 1.83303
2.8
𝑃 (1.5 < 𝑌 < 𝜇
= 2.4, 𝜎 = 1.83303) = 0.2747
Ejercicio 249
8. Los puntos se encuentran dentro de la elipse definida por 𝜇1 = 𝜇2 = 68, 𝜎12 = 𝜎22 =
4 𝑦 𝜌 = −0.8
a) (75, 78) k = 181.25 no pertenece
b) (82, 45) k = 145.69 no pertenece
c) (48, 75) k = 156.25 no pertenece
d) (72, 75) k = 76.25 no pertenece
Ejercicio 250
2
𝑥−50 𝑥−50 𝑦−35 𝑦−35 2
1 −0.78125[(
10
) −1.2(
10
)(
12
)+(
12
) ]
𝑓(𝑥, 𝑦) = 𝑒
192𝜋
1 𝑥−𝜇1 2 𝑥−𝜇1 𝑦−𝜇2 𝑦−𝜇2 2
1 − 2 [(
𝜎
) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎2
) ]
𝑓(𝑥, 𝑦) = 𝑒 2(1−𝜌 ) 1 1 2
2𝜋𝜎1 𝜎2 √1 − 𝜌2

𝜇1 = 50 𝜇2 = 35 𝜎1 = 10 𝜎2 = 12
192𝜋 = 2𝜋𝜎1 𝜎2 √1 − 𝜌2 192 = 2(10)(12)√1 − 𝜌2
192
√1 − 𝜌2 = √1 − 𝜌2 = 0.8 1 − 𝜌2 = 0.64 𝜌 = 0.6
240
j) Calcule el coeficiente de correlación
𝜌 = 0.6
k) Calcule el determinante de la matriz varianza covarianza
𝛴 = (𝜎21 𝜌𝜎1 𝜎2 𝜌𝜎1𝜎2 𝜎22 ) = (100 72 72 144 ) |𝛴| = 9216
l) Halle la matriz inversa de la matriz varianza covarianza
𝛴−1 = (0.0156 − 0.0078 − 0.0078 0.0109 )
m) Escriba de forma matricial
1 1
)𝛴 −1 (𝑥−𝜇1 𝑦−𝜇2 )]
𝑓(𝑥, 𝑦) = 𝑒 −2[(𝑥−𝜇1 𝑦−𝜇2
2𝜋|𝛴|
1 1
[(𝑥−50 𝑦−35 )(0.0156 −0.0078 −0.0078 0.0109 )(𝑥−50 𝑦−35 )]
𝑓(𝑥, 𝑦) = 𝑒 −2
2𝜋(9216)
n) Calcule la media y la desviación estándar condicionada a f (X / 37)
𝜇1 = 50 𝜇2 = 35 𝜎1 = 10 𝜎2 = 12 𝜌 = 0.6
𝜇𝑋=37 = 51 𝜎𝑋=37 = 8
𝑌 𝑌
o) Calcule la media y la desviación estándar condicionada a f (Y / 51)

𝜇𝑌 =51 = 35.72 𝜎𝑌 =37 = 9.6
𝑋 𝑋
p) Los puntos (35, 38) y (45, 52) verifican la normalidad bivariada
(35, 38) k = 4.3164 no pertenece

(45, 52) k = 10.41 no pertenece
q) Halle P (X > 55/ 36)

r) Halle P (32 < Y < 38 / 56)
Ejercicio 251.1
10. La función de densidad conjunta de probabilidad para el consumo mensual de dos productos
es una distribución normal bivariada de exponente:
1
− (4𝑥 2 + 𝑦 2 + 2𝑥𝑦 − 150𝑦 − 300𝑥 + 7500)
150
a) Obtener la matriz Σ, si: 2𝜇x = 𝜇y y 2𝜎x = 𝜎y
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 𝜇𝑌 𝑦 − 𝜇𝑌 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 2𝜇𝑋 𝑦 − 2𝜇𝑥 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]
2(1 − 𝜌2 ) 𝜎𝑋 𝜎𝑋 2𝜎𝑋 2𝜎𝑋
Efectuando:

− [ ]
2(1 − 𝜌2 ) 4𝜎𝑋2
1
2(1 − 𝜌2 )4𝜎𝑋2
1
− (4𝑥 2 + 𝑦 2 + 2𝑥𝑦 − 150𝑦 − 300𝑥 + 7500)
150
−4𝜌𝑥𝑦 = 2𝑥𝑦 𝜌 = −0.5

1 1
− 2 2 =− 2(1 − 𝜌2 )4𝜎𝑋2 = 150 2(1 − (−0.5)2 )(4𝜎𝑋2 ) = 150
2(1 − 𝜌 )4𝜎𝑋 150
6𝜎𝑋2 = 150 𝜎𝑋2 = 25 𝜎𝑋 = 5
−8𝜇𝑋2 𝜌 + 8𝜇𝑋2 = 7500 12𝜇𝑋2 = 7500 𝜇𝑋2 = 625 𝜇𝑋 = 25
2𝜇x = 𝜇y y 2𝜎x = 𝜎y
𝜇𝑥 = 25 𝜇𝑌 = 50 𝜎𝑋 = 5 𝜎𝑌 = 10 𝜌 = −0.5
b) Hallar P (X > 35 / 52)
P (X > 35 / µ = 24.5; σ = 4.33013) = 0.0077
c) Hallar P (Y < 45 / 32)
P (Y < 45 / µ = 43; σ = 8.66) = 0.5913
d) Hallar la media y la desviación estándar de f (X / 51)
Media = 24.75 Desviación = 4.33013
e) Hallar la media y la desviación estándar de f (Y / 34)
Media = 41 Desviación = 8.66
Ejercicio 251.2
11. La función de densidad conjunta de probabilidad para el consumo mensual de dos productos
es una distribución normal bivariada de exponente:
1
− (8𝑥 2 + 2𝑦 2 + 4𝑥𝑦 − 300𝑦 − 600𝑥 + 15000)
300
f) Obtener la matriz Σ, si: 2𝜇x = 𝜇y y 2𝜎x = 𝜎y
1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 𝜇𝑌 𝑦 − 𝜇𝑌 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]

1 𝑥 − 𝜇𝑋 2 𝑥 − 𝜇𝑋 𝑦 − 2𝜇𝑋 𝑦 − 2𝜇𝑥 2
− [( ) − 2𝜌 ( ) ( ) + ( ) ]
2(1 − 𝜌2 ) 𝜎𝑋 𝜎𝑋 2𝜎𝑋 2𝜎𝑋
Efectuando:

− [ ]
2(1 − 𝜌2 ) 4𝜎𝑋2
1
2(1 − 𝜌2 )4𝜎𝑋2
g) Hallar P (X > 35 / 52)

h) Hallar P (Y < 45 / 32)
i) Hallar la media y la deviación estándar de f (X / 51)
j) Hallar la media y la desviación estándar de f (Y / 34)
Ejercicio 252
DESIGUALDAD DE MARKOV
Sea X una V. A. con esperanza finita. Para cualquier 𝜀 > 0 cumple:
𝐸(𝑋)
𝑃(𝑋 ≥ 𝜀) ≤
𝜀
Ejemplo: por experiencia un profesor sabe que el puntaje obtenido por un estudiante en el
examen final de su curso es una V. A. con media 75. Obtener una cota superior para la
probabilidad de que el estudiante obtenga un puntaje mayor o igual a 85
𝐸(𝑋) 75
𝑃(𝑋 ≥ 𝜀) ≤ → 𝑃(𝑋 ≥ 85) ≤ = 0.88
𝜀 85
Ejercicio 253
17. La vida útil (en miles de horas) de una batería es una variable aleatoria X con función de
densidad:
𝑓(𝑥) = {2 − 2𝑥; 0 ≤ 𝑥 < 1 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Si 𝑋36 es la media de la m. a. X1, X2, … X36 escogida de X, con qué probabilidad 𝑋36 es mayor
que 420 horas

𝑃(𝑋36 > 420) =
+∞ 1
1
𝐸(𝑋) = 𝜇 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 𝑥(2 − 2𝑥)𝑑𝑥 = = 0.3333
−∞ 0 3
1 1 2 1 1 1
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝜇]2 = −( ) = − = = 0.0556
6 3 6 9 18
+∞ 1
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 2 (2 − 2𝑥)𝑑𝑥 =
−∞ 0 6
𝜇 = 0.3333 𝑉𝑎𝑟 (𝑋) = 𝜎 2 = 0.0556 𝜎 = √0.0556 = 0.2358 𝑛 = 36
420 0.42 − 0.3333

𝑃 (𝑋36 > ) = 𝑃(𝑋36 > 0.42) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 2.206) = 0.01369
1000 0.2358
√36
Ejercicio 254
18. Un elevador de carga grande puede transportar un máximo de 10 000 libras. Supóngase que
una carga, que contiene 45 cajas, se debe transportar mediante el elevador. La experiencia
ha demostrado que el peso de una caja de este tipo de carga se ajusta a una distribución de
probabilidad con una media de 200 libras y una desviación estándar de 55 libras. Calcular la
probabilidad de que las 45 cajas se puedan transportar simultáneamente en el elevador.
𝜇 = 200 𝜎 = 55 𝑛 = 45
45
∑45
𝑖=1 𝑋𝑖 10000
𝑃(𝑋1 + 𝑋2 + ⋯ + 𝑋45 ≤ 10000) = 𝑃 [∑ 𝑋𝑖 ≤ 10000 ] = 𝑃 [ ≤ ]
45 45
𝑖=1
222.2222 − 200
𝑃(𝑋45 ≤ 222.222) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ 2.7104) = 0.9964
55
√45

Ejercicio 255
19. Suponga que 𝑋1, 𝑋2, …, 𝑋20 son VV.AA. independientes con función de densidad
𝑓(𝑥) = 2𝑥; 0 ≤ 𝑥 ≤ 1
Sea 𝑆 = ∑20
𝑖=1 𝑋𝑖 . Aproxime P (S ≤ 10)
20
∑20
𝑖=1 𝑋𝑖 . 10
𝑃(𝑆 ≤ 10) = 𝑃 (∑ 𝑋𝑖 . ≤ 10) = 𝑃 ( ≤ ) = 𝑃(𝑋 ≤ 0.5)
20 20
𝑖=1
1 1
2
𝐸(𝑋) = 𝜇 = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 𝑥(2𝑥)𝑑𝑥 =
0 0 3
2
1 2 1
𝜎2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = − ( ) = = 0.0556 𝜎 = 0.2358
2 3 18
1 1
1
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 = ∫ 𝑥 2 (2𝑥)𝑑𝑥 =
0 0 2
2
0.5 − 3
𝑃(𝑋 ≤ 0.5) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ −3.1609) = 0.00078641
0.2358
√20
Ejercicio 256
20. La demanda semanal de cierta marca de néctar es una V.A. de media 3000 litros y varianza
8100 litros cuadrados. Calcular la probabilidad que en 60 semanas supere los 166800 litros.
𝜇 = 3000 𝜎 2 = 8100 𝜎 = 90 𝑛 = 60
60
𝑃(𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋60 > 166800) = 𝑃(∑ 𝑋𝑖 > 166800)

𝑖=1

166800 2780 − 3000
𝑃 (𝑋 > ) = 𝑃(𝑋 > 2780) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > −18.9346) = 1
60 90
√60
Ejercicio 257
1) Sea {𝑋𝑛 }𝑛𝜖𝑁 una sucesión de VVAA independientes, tales que
1 1
𝑃(𝑋𝑛 = ∓2𝑛 ) = 𝑛+1 𝑦 𝑃(𝑋𝑛 = 0) = 1 − 𝑛
2 2
Converge casi seguro a:

a) 1
b) 0
c) 2n
d) No converge
e) 2
𝑃(𝑋𝑛 = 𝑋 ) = 1
Xn −2𝑛 0 2𝑛
P 1 1 1
1−
2𝑛+1 2𝑛 2𝑛+1
1 1
𝑋𝑛 = {(−2𝑛 ) = −∞; = 0 (0) = 0; = 1 (2𝑛 ) = ∞; =0
2𝑛+1 2𝑛+1
𝑃(𝑋𝑛 = 0) = 1
Ejercicio 258
2) ea {𝑋𝑛 }𝑛𝜖𝑁 una sucesión de VVAA independientes, tales que
1 1
𝑃(𝑋𝑛 = −2) = 𝑃(𝑋𝑛 = −1) = 𝑃(𝑋𝑛 = 1) = 𝑃(𝑋𝑛 = 2) = ; 𝑦 𝑃(𝑋𝑛 = 0) = 1 −
4𝑛 𝑛
Converge casi seguro a

g) 1
h) No converge
i) 0.5
j) -2

k) -1
l) 0
Xn -2 -1 0 1 2
P 1 1 1 1 1
1−
4𝑛 4𝑛 𝑛 4𝑛 4𝑛
𝑋𝑛 = {−2; 𝑝 = 0 − 1; 𝑝 = 0 0; 𝑝 = 1 1; 𝑝 = 0 2; 𝑝 = 0
𝑃(𝑋𝑛 = 0) = 1
Ejercicio 259
1) Sea {𝑋𝑛 }𝑛≥1 una sucesión de VVAA independientes con función de densidad dada por:
1 𝑛
𝑓(𝑥) =
𝜋 1 + (𝑛𝑥)2
Converge Xn en probabilidad a cero
VERDADERO
FALSO
𝑃(|𝑋𝑛 − 𝑐| ≥ 𝜀) = 0
𝑃(|𝑋𝑛 − 0| ≥ 𝜀) = 𝑃(|𝑋𝑛 | ≥ 𝜀) = 𝑃(𝑋𝑛 ≥ 𝜀 ∪ 𝑋𝑛 ≤ −𝜀)
∞
1 𝑛
= [𝑃(𝑋𝑛 ≥ 𝜀) + 𝑃(𝑋𝑛 ≤ −𝜀)] = 𝑃(𝑋𝑛 ≥ 𝜀) = [∫ 𝑑𝑥]
𝜀 𝜋 1 + (𝑛𝑥)2
1 1 1 1 𝜋 1 1
= [ − 𝑎𝑟𝑐𝑡𝑎𝑛 𝑎𝑟𝑐𝑡𝑎𝑛 (𝑛𝜀) ] = − ( ) = − = 0
2 𝜋 2 𝜋 2 2 2

Ejercicio 260
2) Sea {𝑋𝑛 }una sucesión de VVAA independientes, con función de densidad uniforme U
(0; θ) y sea 𝑍𝑛 = 𝑚𝑎𝑥 {𝑋1 ; 𝑋2 ; … 𝑋𝑛 }. Zn converge en probabilidad a θ
VERDADERO
FALSO
1
𝑋~𝑈(0; 𝜃) → 𝑓(𝑥) = ,0 < 𝑥 < 𝜃
𝜃
𝑍𝑛 𝑝 → 𝜃 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑃(|𝑍𝑛 − 𝜃| ≥ 𝜀) = 0
𝑃(|𝑍𝑛 − 𝜃| ≥ 𝜀) = 𝑃(𝑍𝑛 − 𝜃 ≥ 𝜀 ó 𝑍𝑛 − 𝜃 ≤ −𝜀)
[𝑃(𝑍𝑛 − 𝜃 ≥ 𝜀) + 𝑃(𝑍𝑛 − 𝜃 ≤ −𝜀)] = [𝑃(𝑍𝑛 ≥ 𝜀 + 𝜃) + 𝑃(𝑍𝑛 ≤ 𝜃 − 𝜀)]
𝑃(𝑍𝑛 ≤ 𝜃 − 𝜀) = 𝑃(𝑋1 ≤ 𝜃 − 𝜀; 𝑋2 ≤ 𝜃 − 𝜀; … ; 𝑋𝑛 ≤ 𝜃 − 𝜀)
[𝑃(𝑋1 ≤ 𝜃 − 𝜀)𝑃(𝑋2 ≤ 𝜃 − 𝜀) … 𝑃(𝑋𝑛 ≤ 𝜃 − 𝜀)]
𝜃−𝜀
1 𝜃−𝜀 𝑛
[𝑃(𝑋𝑖 ≤ 𝜃 − 𝜀)]𝑛 = [∫ 𝑑𝑥] 𝑛 = ( ) =0
0 𝜃 𝜃
Ejercicio 261
Supongamos que el número de productos fabricados en una empresa durante una semana es
una variable aleatoria con promedio de 50. Si se sabe que la varianza de una semana de
producción es igual a 25, entonces ¿qué podemos decir acerca de la probabilidad de que en esta
semana la producción difiera en más de 10 a la media?
𝜎2 25 25
𝑃(|𝑥 − 𝜇| ≥ 𝜀) ≤ → 𝑃(|𝑥 − 50| ≥ 10) ≤ = = 0.25
𝜀2 10 2 100
𝑃(|𝑥 − 50| ≥ 10) = 𝑃(𝑥 − 50 ≥ 10 𝑜 𝑥 − 50 ≤ −10) = 𝑃(𝑥 ≥ 60 𝑜 𝑥 ≤ 40) ≤ 0.25

|𝑥| ≥ 𝑏 → 𝑥 ≥ 𝑏 𝑜 𝑥 ≤ −𝑏
Ejercicio 262
1) Sea {𝑋𝑛 }𝑛≥1 una sucesión de VVAA independientes e idénticamente distribuidos por
Bernoulli (p) con 0 < p < 1. Sea la variable aleatoria 𝑍𝑛 = 𝑋1 𝑋2 … 𝑋𝑛 . ¿La variable Zn
converge en ley?
Verdadero
𝑋𝑖 ~𝐵(1; 𝑝)
𝐹𝑛 (𝑥) = 𝐹(𝑥)
𝑃(𝑋 = 𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥
𝐹(𝑍) = {0; 𝑥 < 0 1; 𝑥 ≥ 0
𝑃(𝑍𝑛 = 1) = 𝑃(𝑋1 = 1; 𝑋2 = 1; … ; 𝑋𝑛 = 1) = 𝑃(𝑋1 = 1)𝑃(𝑋2 = 1 ) … 𝑃(𝑋𝑛 = 1)⏟𝑛 𝑣𝑒𝑐𝑒𝑠
𝑃(𝑍𝑛 = 1) = 𝑝 × 𝑝 × … × 𝑝⏟𝑛 𝑣𝑒𝑐𝑒𝑠 = 𝑝𝑛
𝑃(𝑍𝑛 = 0) = 1 − 𝑃(𝑍𝑛 = 1) = 1 − 𝑝𝑛
𝐹(𝑍𝑛 ) = {0; 𝑥 < 0 1 − 𝑝𝑛 ; 0 ≤ 𝑥 < 1 1; 𝑥 ≥ 1
𝐹(𝑍𝑛 ) = {0; 𝑥 < 0 (1 − 𝑝𝑛 ) = 1; 0 ≤ 𝑥 < 1 1; 𝑥 ≥ 1
𝐹(𝑍𝑛 ) = {0; 𝑥 < 0 1; 𝑥 ≥ 0
𝐹(𝑍𝑛 ) = 𝐹(𝑍)

Ejercicio 263
1 1
1) La sucesión de VVAA {𝑋𝑛 }𝑛∈𝑁 tal que 𝑃(𝑋𝑛 = 𝑒 −𝑛 ) = 𝑛2 ; 𝑃(𝑋𝑛 = 0) = 1 − 𝑛2
converge en media cuadrática a:
a) e
b) Bernoulli
c) 0
d) 1
X 𝑒 −𝑛 0
P (X = x) 1 1
1−
𝑛2 𝑛2
𝐸(𝑋) = ∑ 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
1 1 𝑒 −𝑛 1
𝐸(𝑋𝑛 ) = 𝑒 −𝑛 ( 2
) + 0 (1 − 2
) = 2
= 2 𝑛
𝑛 𝑛 𝑛 𝑛 𝑒
1
𝐸(𝑋𝑛 ) = ( )=0 → 𝑐=0 (𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒𝑛𝑐𝑖𝑎)
𝑛2 𝑒 𝑛
𝑉𝑎𝑟[𝑋𝑛 ] = 0
𝑉𝑎𝑟(𝑋) = 𝐸(𝑥 2 ) − [𝐸(𝑥)]2
𝐸(𝑋 2 ) = ∑ 𝑥𝑖2 𝑃(𝑋 = 𝑥𝑖 )
1 1 𝑒 −2𝑛
𝐸(𝑋𝑛2 ) = (𝑒 −𝑛 )2 ( ) + 0 2
(1 − ) =
𝑛2 𝑛2 𝑛2

𝑒 −2𝑛 1 2 1 1
𝑉𝑎𝑟(𝑋𝑛 ) = 2
− ( 2 𝑛
) = 2 2𝑛 − 4 2𝑛
𝑛 𝑛 𝑒 𝑛 𝑒 𝑛 𝑒
1 1
[ − ] = 0−0=0
𝑛2 𝑒 2𝑛 𝑛4 𝑒 2𝑛
Ejercicio 264
Sea X1, X2, ..., Xn una muestra aleatoria de una distribución uniforme en el intervalo

Ejercicio 265
La distribución normal bivariada de la VA (X,Y) viene dada por
Ejercicio 266
Un fabricante produce tabletas de chocolate con peso medio de 120 gramos y
deviación estándar de 12 gramos. Si las tabletas se empaquetan en cajas de 40
unidades, calcular la probabilidad que el peso medio de las tabletas de una caja
sea mayor a 122 gramos.
Ejercicio 267
18. Sea X una V. A. con media 0.54 y varianza 0.0144. La cota inferior de:

𝑃(0.34 ≤ 𝑋 ≤ 0.74) aproximada a dos decimales es: 0.64
Cota inferior = Chebyshev
1
𝑃(|𝑋 − 𝜇| ≤ 𝑘𝜎) ≥ 1 −
𝑘2
1
𝑃(−𝑘𝜎 ≤ 𝑋 − 𝜇 ≤ 𝑘𝜎) = 𝑃(𝜇 − 𝑘𝜎 ≤ 𝑋 ≤ 𝜇 + 𝑘𝜎) ≥ 1 −
𝑘2
Ejercicio 268
21. El costo de producción de cierto artículo tiene media de $8 y desviación estándar de $1. Si
se adquieren 36 artículos para su comercialización, hallar el valor de la venta de cada uno
de ellos de manera que los 36 se gane al menos $ 98.13 con probabilidad 0.95.
𝜇𝑋 = 8 𝜎𝑋 = 1 𝑛 = 36
Sea X: costo unitario del artículo

Sea Y: ingreso unitario artículo Y = pX
Sea U: utilidad unitaria del artículo U=p–X
𝑃(𝑈1 + 𝑈2 + ⋯ + 𝑈36 ≥ 98.13) = 0.95
98.13
𝑃 (𝑈36 ≥ ) = 0.95 → 𝑃(𝑈36 ≥ 2.7258) = 0.95
36
𝑈=𝑝−𝑋 → 𝐸(𝑈) = 𝐸(𝑝 − 𝑋) = 𝐸(𝑝) − 𝐸(𝑋) = 𝑝 − 8
𝑉𝑎𝑟(𝑈) = 𝑉𝑎𝑟(𝑝 − 𝑋) → 𝑉𝑎𝑟(𝑈) = 𝑉𝑎𝑟(𝑝) + 𝑉𝑎𝑟(𝑋) = 0 + 1 = 1
𝑛 = 36 𝜇𝑈 = 𝑝 − 8 𝑉𝑎𝑟(𝑈) = 1 𝜎𝑈 = 1
2.7258 − (𝑝 − 8)
𝑃(𝑈36 ≥ 2.7258) = 0.95 → 𝑃 (𝑍 ≥ ) = 0.95
1
√36
10.7258 − 𝑝
𝑃 (𝑍 ≥ ) = 0.95
0.1667

10.7258 − 𝑝
= −1.645 → 𝑝 = 11
0.1667
I = 11(36) = 396
Ejercicio 269
22. El número de ingresos a internet que ocurre diariamente en determinada computadora
personal es una V.A. X con distribución de probabilidad
X 0 2 4
P (X = x) 0.125 0.75 0.125
Calcule la probabilidad que ocurran entre 50 y 70 ingresos a internet a tal computadora en

un periodo de 30 días.
𝐸(𝑋) = 0(0.125) + 2(0.75) + 4(0.125) = 2
𝐸(𝑋 2 ) = 02 (0.125) + 22 (0.75) + 42 (0.125) = 5
𝑉𝑎𝑟(𝑋) = 5 − 22 = 1 → 𝜎=1
50 70
𝑃(50 < 𝑋1 + 𝑋2 + ⋯ + 𝑋30 < 70) = 𝑃 ( < 𝑋30 < ) = 𝑃(1.6667 < 𝑋30 < 2.3333)
30 30

1.6667 − 2 2.3333 − 2
𝑃( <𝑍< ) = 𝑃(−1.8256 < 𝑍 < 1.8256) = 0.93209
1 1
√30 √30
Ejercicio 270
Es totalmente improbable que, el limite de la sucesión de VVAA sea la VA, corresponde
a la convergencia casi segura
RESPUESTA: FALSO
Ejercicio 271
De una distribución normal bivariada se sabe:
Ejercicio 272
● La diferencia entre la sucesión de VVAA y la VA hacia donde converge no es
alta con alta probabilidad corresponde a la convergencia en probabildad
RESPUESTA: VERDADER0
● La convergencia en distribución y la convergencia casi segura son igualmente

restrictivas

Respuesta: FALSO
Ejercicio 273
Una sucesión de variables aleatorias es un conjunto finito, de todas las variables
aleatorias VVAA tienen su dominio en diferentes espacios muestrales
Ejercicio 274
Una sucesión de variables aleatorias converge en media cuadrática a una VA,
solo cuando existe el segundo momento respecto al origen de la VA hacia dondo
converge la sucesión.
Ejercicio 275

Ejercicio 276
Sabiendo que la sucesión de variables aleatorias 𝑋𝑛 converge casi seguramente
a la V.A 𝑋, se puede afirmar que la sucesión
Ejercicio 277
La distribución normal bivariada de la v.a. (X,Y) viene dada por

Ejercicio 278
(𝑋, 𝑌)~ 𝑁(5, 32 , 9, 22 , 0.6)… Obtener, aproximadamente a 3 decimales
Ejercicio 279
Se la sucesión de variables aleatorias … Bernoulli de parámetro p. A qué
converge en probabilidad:
Ejercicio 280
La convergencia en distribución no es menos restrictiva que la convergencia casi
segura … FALSO

Es totalmente probable que, el límite de la sucesión de VV.AA, no sea la V.A.
Ejercicio 281
Una sucesión de variables aleatorias converge en media cuadrática…
Si usted tiene 150 pares de observaciones y 135 se encuentran fuera de la elipse…

Ejercicio 282
La diferencia entre la sucesión de VV.AA. y la V.A. hacia donde converge…
Suponga que X es una V.A. con media 12 y varianza 9. La cota inferior…
Ejercicio 283
Sean … variables aleatorias independientes con función de densidad…

Ejercicio 284
Si (𝑋, 𝑌)~ 𝑁(15, 32 , 8, 22 , −0.6)… Obtener, aproximadamente a 4 decimales
Una sucesión de variables aleatorias es un conjunto finito, donde todas…

Banco Est2 2021.1

Cargado por

Copyright:

Formatos disponibles

Banco Est2 2021.1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Banco Est2 2021.1

Cargado por

Copyright:

Formatos disponibles

BANCO DE PREGUNTAS EST2

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

4. a) respuesta: t-student, la 4.b) está bien (Z=-1.8)

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

13) La respuesta es verdadero, pero el error en el sistema no consideró dicho puntaje.

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Aproxime todos sus cálculos previos a 3 decimales para finalmente calcular la

𝑋1 𝑋2 𝑋3 𝐸(𝑋1 ) 𝐸(𝑋2 ) 𝐸(𝑋3 ) 𝜇 𝜇 𝜇

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Al reparar cierto tipo de máquina empacadora ocasionalmente ocurre una complicación

𝑃 (0.17 < 𝑝 < 0.23) = 𝑃(−0.53 < 𝑍 < 0.53) = 0.4039

b) Qué tamaño de muestra se debería escoger si se quiere tener una probabilidad

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

𝑛 = 30; 𝑋1 = 30; 𝑋2 = 28; 𝜎12 = 8; 𝜎22 = 25

𝑉𝑎𝑟(𝑇) = 𝑉𝑎𝑟(𝑤𝑋1 + (1 − 𝑤)𝑋2 ) = 𝑤 2 𝑉𝑎𝑟(𝑋1 ) + (1 − 𝑤)2 𝑉𝑎𝑟(𝑋2 )

Como piden varianza mínima

𝜕𝑉𝑎𝑟(𝑇) 𝜎12 𝜎22 𝜎12 𝜎22

𝜎12 𝜎22 𝜎22

𝜎12 𝜎22 𝜎22

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Calcular la cota de Cramer Rao cuando el parámetro es 5. Aproxime su respuesta a

𝑙𝑛 𝑙𝑛 (𝑓(𝑥; 𝛽)) =𝑙𝑛 𝑙𝑛 (𝛽𝑒−𝛽𝑥 ) = 𝑙𝑛𝛽 + 𝑙𝑛𝑒−𝛽𝑥 = 𝑙𝑛𝛽 − 𝛽𝑥

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Si n = 150 y ∑ 𝑥𝑖 = 400.¿Cuál es el valor (aproximado a 3 decimales) del

𝐿𝑛[𝐿(𝜃)] = 3𝑛𝐿𝑛(𝜃) + 𝐿𝑛 (∏ 𝑥𝑖2 ) − 𝜃∑ 𝑥𝑖 − 𝐿𝑛(2𝑛 )

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

𝐸(𝑋1 ) = 𝐸(𝑋2 ) = 𝑉𝑎𝑟(𝑋1 ) = 𝑉𝑎𝑟(𝑋2 ) = 𝜆

b) Obtenga la varianza del estimador.

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

(𝑛1 −1)𝑆12 +(𝑛2 −1)𝑆22

(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22 1

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

𝑁 = 1000 𝜇 = 174.5 𝜎 = 6.9 𝑛 = 25

172.5 − 174.5 175.8 − 174.5

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Variable: duración de las baterías, en horas.

H0: µ ≥ 1600 µ = 1600 (lo que afirma el fabricante)

El valor de “Z” se obtiene interpolando en la tabla

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

𝐻1 : 𝜇 < 500 cola izquierda

Elaborado por Hugo, Jafet, Alonso, Fabiola C, Fabiola B

Problema: ¿lo que afirma el empresario agroindustrial es correcto?

Variable: peso de un racimo de uva, en gramos.

H0: µ ≥ 160 (lo que afirma el empresario agroindustrial es correcto)