Universidad

UNIVERSIDAD NACIONAL DE
Nacional de MAR DEL PLATA
Mar del Plata
FACULTAD DE INGENIERÍA
de Mar del
Plata

Guía de Trabajos
Prácticos

Estadística Básica
2º Cuatrimestre 2022
Mg. Stella Maris Figueroa
Dr. Juan Ignacio Pastore
Mg. Marcela Natal
Ing. Juan Marrocchi
Prof. Jimena Padín
Ing. Nicolás Palermo
Mg. Lucas Aloia Games
Ing. Agustín Aon
Sr. Matías Da Silva

Mar del Plata

 Universidad
UNIVERSIDAD NACIONAL DE
Nacional de MAR DEL PLATA
Mar del Plata
FACULTAD DE INGENIERÍA
de Mar del
Plata

Sitio Web de la asignatura: Estadística Básica

[Link]

En este sitio el estudiante podrá:

✓ Consultar el cronograma de exámenes y actividades semanales con sus respectivos resultados

de aprendizaje y criterios de evaluación, para llevar la asignatura al día con las actividades
semanales propuestas.

✓ Consultar el material teórico- práctico de cada semana para su estudio previo a cada clase
teórico-práctica.

✓ Consultar el régimen de acreditación de la asignatura.

✓ Consultar y responder preguntas en los foros organizados para cada caso.

✓ Subir actividades integradoras pautadas.

✓ Ampliar las presentaciones de cada semana con la bibliografía y materiales propuestos.

✓ Realizar autoevaluaciones.

✓ Notificarse de las calificaciones obtenidas en las distintas evaluaciones.

Mar del Plata

UNMDP. Facultad de Ingeniería Estadística Básica
Programa y Cronograma de exámenes y actividades semanales, con los resultados de aprendizaje
involucrados y los criterios de evaluación respectivos

Fechas de
RESULTADOS DE Clases
UNIDADES APRENDIZAJES CONTENIDOS semanales
Y CRITERIOS DE Comisiones
EVALUACIÓN I y II
RA1 Población y muestra.
[Utiliza] [la Estadística] Variable estadística.
[para la resolución de Variables cualitativas y
problemas de la cuantitativas. Clase 1
I Construcción de tablas. I) 16/8
ingeniería] [como un
Organización y Organización de los II) 18/8
presentación de la instrumento de valores de una variable
información. resolución de problemas cuantitativa continua en
de análisis de datos, intervalos de clase y sus
aplicando métodos y respectivas distribuciones
técnicas estadísticas para de frecuencias.
una y dos variables] Gráficos para variables
cuantitativas: bastones,
CE1.1: Aplicar las
histograma, polígono de
etapas del método frecuencias y polígono de
estadístico en la frecuencias acumuladas.
resolución de problemas Medidas de posición:
de análisis de datos. media aritmética, mediana,
CE2.1: Calcular e modo. Cuartiles y
interpretar el significado percentiles.
Método de cálculo para
de las medidas de
series simples y valores
tendencia central y de ponderados. Método
posición en el contexto analítico y gráfico. Gráfico
de la variable estadística, de caja. Interpretación.
I según la información Medidas de variabilidad: Clase 2
presentada. rango, varianza y I) 23/8
Análisis de la información CE3.1: Analizar dispersión. Coeficiente de II) 25/8
y Regresión y correlación variación. Interpretación
variabilidad y simetría en
lineal. de estas medidas para
una distribución de datos. series simples y valores
CE4.1: Construir, leer e ponderados.
interpretar los distintos Medidas de asimetría.
tipos de gráficos según Interpretación gráfica.
los tipos de variables. Método de cálculo para
series simples y valores
CE5.1: Comparar
ponderados.
distribuciones de datos,
relacionando medidas de Diagramas de dispersión.
tendencia central y de Formulación del problema Clase 3
variabilidad y la de ajuste lineal. I) 30/8
detección de valores Coeficiente de correlación. II) 1/9
atípicos en forma gráfica Rectas de regresión
muestrales. Estimación de
y analítica.
la regresión lineal.
3
UNMDP. Facultad de Ingeniería Estadística Básica
CE6.1: Estimar los
coeficientes del modelo
de regresión lineal
simple
C.E7.1: Calcular e
interpretar el coeficiente
de regresión lineal.

RA2
[Aplica] [las leyes de Definición clásica de Clase 4
II probabilidad] [para la probabilidad. I) 6/9
resolución de problemas Limitaciones. Sucesos. II) 8/9
Axiomática de la Teoría de de la ingeniería] Espacio muestral.
Probabilidades [mediante la Definición axiomática de
identificación de los probabilidad.
experimentos aleatorios Álgebra de probabilidades.
asociados al problema,
de los tipos de sucesos Clase 5
involucrados y el análisis Probabilidad condicional. I)13/9
de los resultados Independencia. Teorema II) 15/9
obtenidos.] de Bayes

CE1.2: Calcular la
probabilidad de sucesos
y de operaciones entre
sucesos.
CE.2.2: Distinguir la
probabilidad conjunta de
la condicional en el
cálculo de
probabilidades.

CE.3.2: Identificar y
calcular la probabilidad
total.
CE.4.2: Interpretar y
aplicar propiedades de la
probabilidad en la
aplicación del teorema de
Bayes.

4
UNMDP. Facultad de Ingeniería Estadística Básica
RA3
[Analiza e interpreta] [la
distribución de datos] Definición de variable
[para la resolución de aleatoria. Variable Clase 6
aleatoria discreta: función I) 20/9
problemas reales o
de probabilidad y de II)22/9
III simulados de la distribución acumulada.
Algunas distribuciones de ingeniería], [mediante la Valor esperado. Varianza.
probabilidad discretas identificación del Propiedades. Variable
experimento aleatorio aleatoria binomial.
asociado a la variable Representación gráfica.
estadística discreta o Valor esperado. Varianza.
Variable hipergeométrica.
continua del problema y
la caracterización de su
modelo probabilístico Variable de Poisson. Clase 7
respectivo, aplicando sus Representación gráfica. I)27/9
propiedades y sus Valor esperado. Varianza. II) 29/9
características La distribución de Poisson
numéricas.] como aproximación de la
binomial.
CE1.3 Identificar y
caracterizar variables Variable aleatoria Clase 8
IV aleatorias discretas: de continua. Función de I) 4/10
Algunas distribuciones de Bernoulli, Binomial, densidad de probabilidad. II) 6/10
probabilidad continuas hipergeométrica y de Función de distribución
Poisson, por sus acumulada. Momentos:
propiedades y con el esperanza y varianza.
Mediana. Modo.
cálculo de sus
Variable aleatoria
probabilidades uniforme: definición y
respectivas. características numéricas.
CE2.3: Aproximar la Variable aleatoria
distribución binomial con exponencial: definición y
la distribución de características numéricas.
Poisson.
CE3.3: Identificar y
caracterizar variables
aleatorias continuas:
uniforme, exponencial
por sus propiedades y
con el cálculo de sus
probabilidades
respectivas.
CE4.3: Calcular e
interpretar características
numéricas de variables
aleatorias discretas y
continuas.
CE5.3: Aplicar la
relación entre la
5
UNMDP. Facultad de Ingeniería Estadística Básica
distribución de Poisson y
la distribución
exponencial en la
resolución de problemas.
CE6.3 Identificar y
aplicar las distribuciones
de probabilidad de
variables discretas y
continuas en la
resolución de problemas.
CE.7.3: Analizar y
comparar la distribución
de datos empíricos y
teóricos para la
verificación de
resultados, de
características numéricas
y de representaciones
gráficas, mediante
simulaciones.

Clase 9
Consultas I)11/10
II)13/10
1er parcial RA1, RA2, RA3 y RAT Sábado
Organización, presentación y análisis de la información. Regresión y correlación 15/10
lineal.
Axiomática de la Teoría de Probabilidades. Variables Aleatorias discretas y
continuas.
V RA3 Variable aleatoria normal:
Distribución Normal. CE8.3: Identificar y definición y características Clase 10
Aplicaciones: Suma de caracterizar la variable numéricas. Variable
variables aleatorias aleatoria de distribución normal estandarizada. Uso I)18/10
de tablas. II)20/10
Normal por sus
Combinaciones lineales de
propiedades y con el variables aleatorias
cálculo de sus normales.
probabilidades Teorema del límite central.
respectivas. Aproximación de la
CE9.3: Aplicar el distribución binomial por
teorema del límite central la Normal.
en la resolución de .
problemas.

6
UNMDP. Facultad de Ingeniería Estadística Básica
VI RA4 Diagramas de Pareto y de Clase 11
Control de Calidad de [Utiliza] [herramientas Causa-Efecto. Gráficos de I) 25/10
procesos estadísticas básicas] control por variables. II) 27/10
[para el análisis del Lectura de gráficos de
control.
control de calidad de
Análisis de procesos con
procesos][mediante gráficos de control.
Gráficos de Control, Capacidad del proceso.
Diagramas Causa-Efecto,
Histogramas, Diagramas
de Paretto y Diagramas
de Dispersión.]
CE1.4
Construir e interpretar el
gráfico seleccionado: de
Paretto, de causa efecto,
de dispersión e
histogramas en el análisis
de calidad
CE2.4
Identificar las variables
asociadas al proceso y el
gráfico correspondiente.
CE3.4
Construir, leer y analizar
gráficos de control de
procesos por variables y
por atributos.
CE4.4
Determinar en qué casos
un proceso está o no bajo
control.

VII CE1.5 Distinguir Desigualdad de Clase 12

Distribuciones muestrales parámetro de estadístico Tchebycheff. Ley de los
o estimador, y estimador grandes números. I) 1/11
de estimación puntual. Distribuciones de II) 3/11
CE2.5 Identificar las muestreo: Distribución de
distribuciones muestrales la media muestral con
de cada estadístico varianza poblacional
muestral: media, conocida y desconocida.
proporción, y varianzas Distribución T. Manejo de
muestrales. tabla. Distribución de la
CE3.5 Encontrar e proporción muestral y del
interpretar los valores estadístico Ji cuadrado.
obtenidos en las tablas de Distribución F.
distribución Normal, T
de Student, Ji cuadrado y
Fisher.

7
UNMDP. Facultad de Ingeniería Estadística Básica
VII RA5 Clase 13
Estimación de parámetros Resuelve problemas de la
ingeniería relativos a la Inferencia estadística. I) 8/11
inferencia a partir de la Estimación puntual. II) 10/11
Propiedades de los
información obtenida de
estimadores. Estimación
la muestra, del tamaño de por intervalos: intervalos
la misma, de la de confianza para la media
confiabilidad pretendida, poblacional con varianza
diferenciando en los conocida y desconocida.
casos necesarios si la Tamaño de la muestra.
varianza poblacional es o Intervalo para la
proporción y para la
no es conocida,
varianza poblacional.
utilizando aplicaciones
informáticas y las
distribuciones muestrales
respectivas de cada
estadístico para la
estimación de parámetros
y la aplicación de
pruebas de hipótesis.
CE3.5 Estimar por punto
y por intervalo la media,
la varianza y la
proporción poblacional.
CE4.5 Interpretar los
resultados obtenidos de
una estimación de
parámetros.
CE5.5 Hallar el tamaño
de muestra mínimo en
problemas de inferencia
en condiciones de
incertidumbre.

RA5 Tipos de hipótesis Clase 14

Resuelve problemas de la estadística. Estimadores o I)15/11
ingeniería relativos a la estadísticos de prueba de II) 17/11
inferencia a partir de la cada parámetro. Errores y
riesgos de la prueba.
información obtenida de
Pruebas para la media
VIII la muestra, del tamaño de poblacional, con varianza
Pruebas de hipótesis la misma, de la poblacional conocida y
confiabilidad pretendida, desconocida.
diferenciando en los
casos necesarios si la
varianza poblacional es o
no es conocida,
utilizando aplicaciones
informáticas y las

8
UNMDP. Facultad de Ingeniería Estadística Básica
distribuciones muestrales
respectivas de cada
estadístico para la Clase 15
estimación de parámetros Prueba para una I) 22/11
proporción y para una II) 24/11
y la aplicación de varianza.
pruebas de hipótesis. Comparación de varianzas.
CE1.6 Aplicar pruebas Pruebas de comparación
de hipótesis para la de medias y varianzas.
media con varianza
conocida y desconocida.
CE2.6 Aplicar pruebas
de hipótesis para la
proporción.
CE3.6 Aplicar pruebas
de hipótesis para la
varianza.
CE4.6 Aplicar pruebas
de hipótesis para la
diferencia de medias con
varianzas conocidas y
desconocidas.
CE5.6 Aplicar pruebas
de hipótesis para el
cociente de varianzas.
Clase 16
Consultas 29/11

2do Parcial Jueves

RA3, RA4, RA5 y RAT 1/12
V. Normal. Suma de variables y Control de procesos.
Distribuciones muestrales
Estimación de Parámetros y Pruebas de Hipótesis

Recuperatorios y 1er Totalizador A Confirmar

9
UNMDP. Facultad de Ingeniería Estadística Básica
Información Importante para el cursado de Estadística Básica
1. Mandar un mail a catedraeb@[Link] avisando de su inscripción en la asignatura para este
cuatrimestre. Matricularse a través del campus en Estadística Básica, e inscribirse en división
alumnos, para ser participantes de este curso de Estadística Básica.

2. Leer comprensivamente el material teórico-práctico de cada semana (presentación de clases,

videos, documentos, etc.) para su estudio previo a cada clase presencial, ya que se utilizará la
metodología de aprendizaje invertido. Esta modalidad requiere un compromiso permanente de los
estudiantes con su aprendizaje, sobre todo con su forma de organizarse, debido a que
inmediatamente luego de cada unidad, cada estudiante resolverá en clase una actividad
grupal. Esta situación exigirá al estudiante llevar la asignatura al día.
3. Ampliar el material teórico-práctico de cada semana con la bibliografía propuesta. La comprensión
profunda y detallada de cada contenido mostrado en las presentaciones y el material de estudio, es
parte del compromiso del estudiante con su aprendizaje.
4. Resolver la guía de trabajos prácticos, realizar autoevaluaciones, coevaluaciones y las actividades
grupales en clase.
5. Consultar periódicamente el cronograma de actividades y parciales, identificando los Resultados
de Aprendizaje y Criterios de Evaluación respectivos que comprenden los contenidos de cada
semana. Se pretende que efectúen una lectura comprensiva de estos Criterios de Evaluación y del
Resultado de Aprendizaje que los integra para comprender qué se evaluará en cada caso.
6. La clase comprende toda la semana y está numerada. Por lo que las consultas presenciales y en
los foros pueden hacerse durante esa semana, en horarios de clases. Las respuestas serán dadas en
días y horarios laborables.
7. Participar en cada clase contribuirá a establecer una comunicación genuina con la cátedra que
facilite los aprendizajes desarrollando el vocabulario adecuado. Esta participación permitirá
desarrollar la competencia ligada a la comunicación, dada por el Resultado de Aprendizaje
Transversal (RAT), con sus criterios de evaluación respectivos, especificados en la tabla dada a
continuación:

Resultado de Aprendizaje Transversal Criterios de Evaluación

(RAT) CE1T: Presentar sus trabajos en tiempo y
[Comunica] [sus propias producciones y/o forma.
las de su grupo de trabajo] [para CE2T: Comunicar sus propias producciones
fundamentar los resultados obtenidos en y/o las de su grupo de trabajo.
sus resoluciones] [aplicando el CE3T: Fundamentar, con razonamiento
razonamiento estadístico con un lenguaje estadístico, en forma clara y precisa, los
claro, preciso y simbología adecuada, en el resultados obtenidos en sus resoluciones.
tiempo acordado, a través de informes o CE4T: Utilizar un lenguaje y simbología
evaluaciones escritas u orales.] adecuados a través de informes o evaluaciones
escritas u orales durante la cursada.
10
UNMDP. Facultad de Ingeniería Estadística Básica

8. Todos los exámenes (parciales, recuperatorios y totalizadores) se tomarán en la presencialidad,

ÚNICAMENTE.

RÉGIMEN DE ACREDITACIÓN

Se considerarán todas las responsabilidades que conlleva el cursado de la asignatura, desarrolladas en el

apartado Recomendaciones y Responsabilidades de los estudiantes para el cursado. En particular:

a) La participación activa en cada clase.

b) La actividad evaluativa obligatoria.

Requisitos de regularidad, promoción y aprobación de la asignatura

• REGULARIDAD O HABILITACIÓN de la cursada:

Para REGULARIZAR O HABILITAR el alumno debe rendir y aprobar dos exámenes parciales de
carácter teórico-práctico con una nota no inferior a 50 puntos en cada uno, en las fechas
establecidas previamente en el cronograma.

PROMOCIÓN de la cursada:

a) Para PROMOCIONAR el alumno debe haber obtenido un puntaje no menor a 50 (cincuenta)

en cada uno de los parciales en la primera instancia, con un promedio de al menos 70 (setenta)
puntos.
b) La calificación final será entera y resulta del promedio de las notas de los dos parciales.
EXAMEN RECUPERATORIO

Los alumnos que NO hayan HABILITADO, y la nota en uno de los parciales sea mayor o igual a 50
puntos, tienen la posibilidad de rendir único EXAMEN RECUPERATORIO del parcial desaprobado,
con ejercicios integradores de carácter teórico-práctico que involucren únicamente las unidades
desaprobadas.

Serán considerados HABILITADOS, aquellos alumnos que obtengan una nota de al menos 50 puntos
en el examen recuperatorio.

EXAMEN TOTALIZADOR

Los alumnos que HABILITARON pueden aprobar la asignatura rindiendo satisfactoriamente y como
máximo en tres oportunidades, un examen totalizador. De no aprobarlo, deberán recursar la materia.

DESAPROBADO

Corresponde a los alumnos que no cumplan las condiciones de Promoción ni Habilitación. Estos
alumnos deberán recursar la asignatura.

INASISTENCIAS

Inasistencias injustificadas a los exámenes parciales se corresponden con un aplazo. NO será justificada
ninguna inasistencia que no se encuadre en ningún reglamento de esta facultad.

11
UNMDP. Facultad de Ingeniería Estadística Básica
BIBLIOGRAFÍA

❖ Estadística para ingenieros William Navidi. Traducido de la primera edición STATISTICS FOR
ENGINEERS AND SCIENTISTS (2006). ED. MC GRAW-HILL INTENAMERICANA. Disponible en
[Link]
m_Navidi
❖ Probabilidad y estadística para ingeniería y ciencias Novena edición Ronald e. Walpole, Raymond h.
Myers, Sharon l. Myers y Keying Ye (2012). Editorial Pearson Educación. México Disponible en
[Link]
walpole_8.pdf
❖ Probabilidad y aplicaciones estadísticas (1998) Paul Meyer. Editorial: Fondo Educativo Interamericano.
❖ Apuntes de Estadística para Ingenieros. Antonio Saez Castillo (2012) disponible en
[Link]
❖ Probabilidad y estadística aplicadas a la ingeniería. Douglas Montgomery y George Runger (1996)
Editorial Mc Graw Hill.
❖ Estadística para ingenieros. Irwin Miller. Editorial: Reverté.
❖ Estadística para Ingenieros. Albert H. Bowker, Gerald J. Lieberman. Editorial Calypso, S.A. (1985).
Traducido de la primera edición en inglés de Engineering Statistics.
❖ Probabilidad y Estadística Básica para ingenieros con el soporte de Matlab para cálculos y gráficos
estadísticos. Luis Rodríguez Ojeda (2011)
Disponible en [Link]
❖ Estadística Industrial Moderna. Diseño y control de la Confiabilidad. Ron Kenett. Shelemyahu Zacks.
Internacional Thomson Editores. (1998). Traducción del libro Modern Industrial Statistics. Design and
Control of Quality and Reliability.
❖ Estadística. Murray R. Spiegel. Editorial MonoComp, S.A.. (1995). Traducido de la primera edición en
inglés de Statistics.
❖ Teoría de probabilidad y estadística matemática (1975) V .E. Gmurman. Editorial Mir.

12
UNMDP. Facultad de Ingeniería Estadística Básica

GUÍA DE TRABAJOS PRÁCTICOS Nº1

UNIDAD I
Organización, presentación y análisis de la información.

Resultado de Aprendizaje #1 (RA1):

Utiliza la Estadística para la resolución de problemas de la ingeniería como un instrumento de
resolución de problemas de análisis de datos, aplicando métodos y técnicas estadísticas para una
y dos variables.

1. De un examen realizado a un grupo de alumnos, cuyas notas se han evaluado de 1 a 8 puntos,

se ha obtenido la siguiente tabla de frecuencias:

Xi fi Fa fr Fra Se pide:
1 4 0,08 (a) Completar dicha tabla.
2 4 (b)Determinar el número de alumnos que se han
3 16 0,16 examinado.
4 7 0,14 (c) Determinar el número de alumnos que han obtenido
5 5 28 una nota superior a 3.
(d) Determinar el % de alumnos que han sacado una nota
6 38
igual a 6.
7 7 45 0,14
(e) Determinar el % de alumnos que han obtenido una nota
8
superior a 4.
(f) Determinar el número de alumnos que han obtenido una
nota superior a 2 e inferior a 5 inclusive.

2. Los siguientes datos representan el número de descargas de una planta para el tratamiento de
aguas negras durante varios días consecutivos:

51 48 52 50 46 49 52 52 46 51 44 49 46 51 49 45 44 50 48 50 49 50

a) Defina y clasifique la variable estadística bajo estudio.

b) Construya la serie de frecuencias.
c) Anote las frecuencias relativas y acumuladas. ¿Cuál es el máximo número de descargas
que representa el 70 % de los datos?
d) Indique qué porcentaje de descargas supera las 50 descargas.
e) Construya el gráfico adecuado a esta variable.

3. Un artículo publicado en Quality Engineering presenta datos del número de viscosidades de un

lote de cierto proceso químico. La siguiente es una muestra de estos datos:

13 13 14 14 15 15 15 15 15 15 15 16 16 14 15 15 15

15 15 12 17 17 17 17 14 14 14 14 14 15 15 15 15 15 15

a) Defina y clasifique la variable estadística bajo estudio.

b) Construya la serie de frecuencias, relativas y acumuladas.
c) ¿Qué porcentaje de datos tiene una viscosidad menor a 15?
d) ¿Cuál es la menor cantidad de viscosidades que representa el 25 % de las mayores
cantidades de viscosidad?
e) Construya el gráfico de frecuencias relativas y acumuladas.
f) Encuentre la expresión funcional para definir las frecuencias acumuladas en esta variable.

13
UNMDP. Facultad de Ingeniería Estadística Básica

4. En un experimento que medía el porcentaje de encogimiento al secar, 50 especímenes de

prueba de arcilla plástica produjeron los siguientes resultados:

19,3 20,5 17,9 17,3 17,1 15,8 16,9 17,1 19,5 22,5
20,7 18,5 22,5 10,1 17,9 18,4 18,7 18,8 17,5 17,5
14,9 12,3 19,4 16,8 19,3 17,3 19,5 17,4 16,3 18,8
21,3 23,4 18,5 19 19 16,1 18,8 17,5 18,2 17,4
18,6 18,3 16,5 17,4 17,4 20,5 16,9 17,5 18,2 22,5

a) Defina y clasifique la variable estadística bajo estudio.

b) Agrupe estos datos en una tabla de frecuencias.
c) Dibuje un histograma.
d) Trace el polígono de frecuencias.
e) Trace la función de frecuencias acumuladas.

5. Los salarios anuales de 4 individuos son $ 1500, $ 1600, $ 1650 y $ 4000.

a) Hallar su media aritmética.

b) ¿Puede decirse que el promedio es representativo de dichos salarios?
c) ¿Qué otra medida de posición utilizarías en este caso? ¿Por qué?

6. La edad del personal de una escuela se distribuye de la siguiente manera:

Edad en años [20,25) [25,30) [30,35) [35,40) [40,45) [45,50) [50,55) [55,60)
Frecuencias 2 7 9 12 6 2 1 1

Calcule e interprete en términos del problema el significado de:

a) La media aritmética.
b) La mediana, analítica y gráficamente.
c) La moda, analítica y gráficamente.
d) Los cuartiles.
e) El noveno decil.
f) El percentil 85.
g) El 75% del personal tiene una edad mínima de “x” años. ¿Cuál es dicha edad?
h) Construya el gráfico de caja y compare con las medidas halladas en cuanto a su variabilidad y
simetría.
i) Analice la forma de la distribución de los datos y su variabilidad.
j) Concluya si existe una medida que resuma los datos. Justifique.

Observación: Verificar los resultados con el GeoGebra.

14
UNMDP. Facultad de Ingeniería Estadística Básica
7. La siguiente base de datos contiene información de 36 alumnos de un curso de Estadística,
donde: Cada FILA es una unidad de análisis (cada alumno). Cada COLUMNA es una
característica de interés que pretende dar respuesta a un problema de investigación concreto. Es
una variable. El valor que toma la variable, es el dato.

N° Sexo Edad Estatura Peso N° de hermanos

1 M 22 180 74 7
2 M 20 175 95 2
3 M 20 178 68 2
4 M 22 183 75 7
5 M 25 180 76 3
6 M 22 180 78 1
7 M 21 180 75 1
8 M 24 182 85 1
9 M 21 177 78 1
10 M 21 184 85 0
11 M 20 172 70 3
12 M 21 173 59 4
13 F 20 162 56 0
14 M 22 194 105 4
15 M 20 174 79 1
16 F 20 165 50 1
17 F 22 167 58 1
18 F 20 155 52 2
19 M 20 174 65 2
20 F 20 160 48 2
21 F 22 155 58 1
22 M 19 174 80 1
23 F 19 162 60 1
24 M 19 180 82 3
25 F 20 160 57 1
26 F 21 170 70 2
27 F 20 155 50 1
28 F 21 160 60 1
29 F 22 166 61 1
30 M 19 170 68 3
31 F 22 160 60 1
32 M 20 182 72 1
33 F 19 162 55 2
34 F 20 154 46 3
35 F 19 155 50 2
36 M 20 184 85 5

a) Defina y clasifique las variables que intervienen.

b) Para cada variable cuantitativa discreta construya una tabla de frecuencias, relativas y
acumuladas.
c) Para cada variable continua, agrupe por intervalos regulares.
d) Represente gráficamente cada variable.
e) Calcule las medidas de tendencia central y de dispersión de estas distribuciones en los casos que
sea posible.
f) Analice la forma de la distribución de cada variable y su variabilidad.
g) En cada caso, concluya si existe alguna medida que resuma los datos. Justifique
h) A partir del análisis realizado, indique las características del alumno típico para este conjunto de
datos.

Observación: Verificar los resultados con el GeoGebra.

15
UNMDP. Facultad de Ingeniería Estadística Básica

8. Se hace un censo entre los alumnos de un curso para saber cuántos hijos tienen sus padres:

Nª de hijos 1 2 3 4 5 6 7
Frecuencias 5 15 12 4 2 2 2

a) Defina y clasifique la variable aleatoria bajo estudio.

b) Construya el diagrama de caja y bigote.
c) Analice en el diagrama, la simetría y la variabilidad de los datos.
d) Calcule medidas de tendencia central y el coeficiente de variabilidad.
e) Compare las medidas obtenidas en d) con el análisis de la simetría y variabilidad obtenido en c).

9. A partir de los ocho resultados de una muestra aleatoria, correspondientes a un examen de

ingreso administrado a los aspirantes de cierta facultad, se obtuvo la información siguiente:
media = 5; mediana Me= 4,5; Moda =3,5 Tercer cuartil Q3= 6,5 Rango intercuartílico =3 y rango =
9. Además, x1 < x2 = x3 = x4 < x5 = x6 < x7 < x8.

a) ¿Qué significa, en términos de la variable, que la Me = 4,5 y que el Q3= 6,5? Plantear las
ecuaciones correspondientes para recuperar todos los valores numéricos desde x1 hasta x8
ambos inclusive, en esta serie simple.
b) Hallar el Cv.
c) ¿Existen valores atípicos? Justifique con el gráfico correspondiente.
d) Analizar la simetría y la variabilidad de los datos en forma gráfica y analítica.
e) ¿Es la media o la mediana representativa de estos 8 datos? Justifique.

10. Se consultó a 500 personas para conocer, en un determinado mes, la asistencia a la biblioteca
pública de un barrio, por parte de la comunidad a la cual pertenece dicho establecimiento. Se
obtuvieron los siguientes datos:

Cantidad de visitas a la biblioteca XYZ, por parte de los miembros de cierta comunidad en el mes
de febrero del año 2016
Número de Frecuencias
visitas (Cantidad de
personas)
0 210
1 178
2 68
3 24
4 14
5 6

Hallar las medidas descriptivas e interpretar cada una: mínimo, máximo, media, mediana, moda, q 1 y
q3.
Observación: Verificar los resultados con el GeoGebra.

16
UNMDP. Facultad de Ingeniería Estadística Básica

11. En la siguiente Tabla se muestran las características de cuatro poblaciones:

K L M N
Medianas iguales Medianas iguales Medianas distintas Medianas distintas
Varianzas similares Varianzas distintas Varianzas distintas Varianzas iguales
Simétrica Simétrica Asimétrica Asimétrica
Varios valores atípicos Pocos valores atípicos Pocos valores atípicos Pocos valores atípicos

Sus gráficas (NO respectivamente) son las que se observan en la siguiente figura. Identificar cada
población con una gráfica.

12. Se ha medido el perímetro craneal (en centímetros) a niños de edad comprendida entre los dos y
los tres años en dos grupos de 11 niñas y 17 niños. Se sabe que la suma de los perímetros craneales
en los niños es de 739,5 cm. y se ha obtenido la siguiente figura:

17
UNMDP. Facultad de Ingeniería Estadística Básica
a) Determinar el promedio en el grupo de los niños
b) Establecer aproximadamente el valor de los cuartiles y las medianas en ambos grupos.
c) ¿Existen puntos atípicos? Si existen determinar cuál o cuáles son.
d) Clasificar a la variable que se está analizando y determine otro gráfico que la pueda
representar.
13. @El problema de los rodamientos. Un ingeniero industrial es responsable de la producción de
rodamientos de rodillos cilíndricos y tiene dos máquinas distintas para ello. Le interesa que los
rodamientos producidos tengan diámetros similares, independientemente de la máquina que los
produce, pero tiene sospechas de que está produciendo algún problema de falta de calibración
entre ellas. Para analizar esta cuestión, extrae una muestra de 120 rodamientos que se
fabricaron en la máquina A, y encuentra que la media del diámetro es de 5.07 mm y que su
desviación estándar es de 0.30 mm. Realiza el mismo experimento con la máquina B sobre 65
rodamientos y encuentra que la media y la desviación estándar son, respectivamente, 5.10 mm y
0.35 mm. ¿Puede el ingeniero concluir que los rodamientos producidos por las máquinas tienen
diámetros medios significativamente diferentes? Para responder esa pregunta, deberás efectuar
todo el cursado de la asignatura. Por ahora te pedimos, mediante GeoGebra:
a) Simular mediciones con el comando UniformeAleatorio (mín, máx) para cada máquina. ¿Qué
valores mín y máx elegirían en cada caso?
b) Crear una lista1 para la serie simple simulada correspondiente a las mediciones de la
máquina A.
c) Utilizar la fórmula de Sturges para determinar k, (cantidad de intervalos).
d) Crear otra lista2 con los extremos de los intervalos de clase. Para ello, utilizar el comando
Clases, con los argumentos lista1 y k.
e) Utilizar el comando TablaFrecuencias para tabular los intervalos de clase entre lista2 y lista1.
(El comando Frecuencias devuelve una lista de frecuencias)
f) Utilizar el comando Histograma para graficar la distribución de las mediciones.
g) Idem para la máquina B.
h) Calcular medidas de tendencia central y de variabilidad de las mediciones de cada máquina.
i) Analizar simetría y variabilidad. Comparar las dos distribuciones y elaborar conclusiones.

18
UNMDP. Facultad de Ingeniería Estadística Básica

RESPUESTAS

1. a)
Xi fi Fa fr Fra
1 4 4 0,08 0,08
2 4 8 0,08 0,16
3 8 16 0,16 0,32
4 7 23 0,14 0,46
5 5 28 0,1 0,56
6 10 38 0,2 0,76
7 7 45 0,14 0,9
8 5 50 0,1 1

b) 50 alumnos. c) 34 alumnos. d) 20% e) 54% f) 24 alumnos.

2. a) Variable bajo estudio: número de descargas de una planta para el tratamiento de aguas negras durante
varios días consecutivos. Es una variable cuantitativa discreta.

b)-c)
Número de Frecuencia absoluta Frecuencia Frecuencia relativa
descargas acumulada fr [%]
44 2 2 9,09
45 1 3 4,55
46 3 6 13,64
48 2 8 9,09
49 4 12 18,18
50 4 16 18,18
51 3 19 13,64
52 3 22 13,64
Total N=22

50 es el máximo número de descargas que representa el 70 % de los datos.

d) 27.27%

e)

3. a) Variable aleatoria bajo estudio: número de viscosidades de un lote de cierto proceso químico. Es una
variable cuantitativa discreta.

b)
Viscocidad Frec. Absoluta Frec. Acumulada [Link] fr [%]
12 1 1 2,86
13 2 3 5,71
14 8 11 22,86
15 18 29 51,43
16 2 31 5,71
17 4 35 11,43

c) 31,43%

d) 15 es la menor cantidad de viscosidades que representa el 25 % de las mayores cantidades de viscosidad

19
UNMDP. Facultad de Ingeniería Estadística Básica

e)

f)
0 si x  12
1 si 12  x  13

3 si 13  x  14

f ( x ) = 11 si 14  x  15
29 si 15  x  16

31 si 16  x  17

35 si 17  x

4. a) Variable aleatoria bajo estudio: porcentaje de encogimiento al secar 50 especímenes de prueba de arcilla
plástica. Es una variable cuantitativa continua.

b)
Intervalo Frecuencia fi
[10 , 12) 1
[12 , 14) 1
[14 , 16) 2
[16 , 18) 20
[18 , 20) 18
[20 , 22) 4
[22 , 24) 4

c-d) Histograma y polígono de frecuencias:

Histograma para los 50 especimenes

20

15
Conteo o Frecuencia

10

0
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Intervalos y Marcas de Clase

e)
50 especimenes

50

40
Frecuencia acumulada

30

20

10

0
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Intervalos y Marcas de Clase
20
UNMDP. Facultad de Ingeniería Estadística Básica

5. a) X = 2187,5
b) El promedio $ 2187,5 no es representativo ya que uno de los datos tiene valor $4000 bastante alejado de la
distribucion de los otros 3 datos.
c) Utilizariamos la mediana, que es más representativa para estos casos. Mediana = $1625

6.
Edad en años [20,25) [25,30) [30,35) [35,40) [40,45) [45,50) [50,55) [55,60)
Marcas de Clase 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5
Frec. Abs. 2 7 9 12 6 2 1 1
Frec. Acum. 2 9 18 30 36 38 39 40

a) X = 36

b)
Me = 35,83

c)
Moda = 36,67

d) Q1 = 30,556 Q2 = 35,83 Q3 = 40
e) D9 = 45
f) P85 = 43,33
g) Q1 = 30,556
h)

21
UNMDP. Facultad de Ingeniería Estadística Básica

7. a) Variables que intervienen:

Sexo: Cualitativa.
Edad: Cuantitativa Continua.
Estatura: Cuantitativa Continua.
Peso: Cuantitativa Continua.
Número de hermanos: Cuantitativa Discreta.

b) Edad:

xi fi fr Fa
19 6 0,167 6
20 14 0,389 20
21 6 0,167 26
22 8 0,222 34
23 0 0 34
24 1 0,028 35
25 1 0,028 36

Número de hermanos:
xi fi fr Fa
0 2 0,056 2
1 16 0,444 18
2 8 0,222 26
3 5 0,139 31
4 2 0,056 33
5 1 0,028 34
6 0 0 34
7 2 0,056 36

c) Estatura: Mínimo: 154 Máximo: 194 Rango: 40 K=6 Amplitud = 6,6 ---> 7

Estatura fi fr Fa
[154,161) 9 0,25 9
[161,168) 6 0,167 15
[168,175) 7 0,194 22
[175,182) 8 0,222 30
[182,189) 5 0,139 35
[189,196) 1 0,028 36

Peso: Mínimo: 46 Máximo: 105 Rango: 59 K=6 Amplitud=9,83 ---> 10

Peso fi fr Fa
[46,56) 7 0,194 7
[56,66) 10 0,278 17
[66,76) 8 0,222 25
[76,86) 9 0,25 34
[86,96) 1 0,028 35
[96,106) 1 0,028 36

d)

22
UNMDP. Facultad de Ingeniería Estadística Básica

e) Edad X = 20.6944 , Me = 20 , Moda = 20

Número de hermanos: X = 2.055 , Me = 1.5 , Moda = 1
Estatura: X = 170.91 , Me = 171 , Moda = 159.25
Peso: X = 68.22 , Me = 67.25 , Moda = 62

f) Análisis
g) Análisis.

8. a) Variable aleatoria bajo estudio: números de hijos de los padres de los alumnos de un curso. Es una
variable cuantitativa discreta.

b)

d) X = 2.9286 , Me = 3 , Moda = 2 , Rango = 6 S = 1.5364 S 2 =2.3606 CV =0.52

9. a) Si la Me= 4,5; significa que el 50 % de las calificaciones con menor puntaje de los estudiantes,
obtuvo 4,5 puntos como calificación máxima. O también el 50 % de las calificaciones con mayor
puntaje de los estudiantes, obtuvo 4,5 puntos como calificación mínima.
Si el Q3=6,5; significa que el 75 % de las calificaciones con menor puntaje de los estudiantes, obtuvo
6,5 puntos como calificación máxima. O también, el 25 % de las calificaciones con mayor puntaje de
los estudiantes, obtuvo 6,5 puntos como calificación mínima.
Dado que, x2 = x3 = x4 y la Mo=3,5 entonces x2 = x3 = x4 = 3,5
Por ser n=8 una cantidad de datos par, y Me=4,5 entonces (x4+x5) / 2 = 4,5.
Luego x4 + x5 = 9.
Además, x2 = x3 = x4 = 3,5 porque la Moda es 3,5.
Se reemplaza el valor de x4=3,5 en x4 + x5 = 9 y se obtiene el valor de x5=5,5
Si x5 = x6 y x5=5,5 entonces x6=5,5
23
 UNMDP. Facultad de Ingeniería Estadística Básica
Si Q3= 6,5 entonces (x6 + x7)/2= 6,5 luego x6 + x7 = 13 y x6=5,5 entonces x7 = 7,5
Si la media es 5 entonces x1+x2+x3+x4+x5+x6+x7+x8=5.8 y se reemplazan en esa ecuación los valores
hallados utilizando además la definición del rango =x8-x1=9 para reemplazar x8 como x8= 9- x1.
Luego, x1= 1 x2= 3,5 x3= 3,5 x4= 3,5 x5 = 5,5 x6 =5,5 x7 = 7,5 x8 = 10

a) Si S = ((1-5)2 + 3.(3,5-5)2+2.(5,5-5)2+(7,5-5)2+(10-5)2)1/2 / (8-1)1/2 = 2,79 entonces Cv = S / x

= 2,79 / 5 = 0,558.

b) Todos los valores de la variable (las calificaciones) se encuentran dentro de la franja

determinada por los límites Q1 -1,5(Q3-Q1) y Q3 +1,5(Q3-Q1) Esto significa que no existen
valores atípicos.

En forma analítica: El coeficiente As = ( x –Me) / S = (5 - 4,5) / 7,29 > 0 entonces la distribución es

Asimétrica hacia derecha o positiva.
El coeficiente de variabilidad Cv = 0,558 > 0,30. Se tomó este valor 0,3 de referencia para indicar
que existe mucha variabilidad en los datos.
En forma gráfica: Son pocos datos para agruparlos por intervalos y construir un histograma, pero al
ser una variable continua, puede graficarse la distribución de los datos en forma aproximada con una
curva suavizada que ubique la media, la mediana y la moda en el eje horizontal, considerando el
máximo en la frecuencia correspondiente a la moda. La mediana, por definición, es ubicada en el
valor central y la media, en el sesgo, (es en la cola de la distribución) por ser desplazada del centro
de los datos por los valores extremos hacia la derecha de la mediana.
Se clasifica el tipo de asimetría, en este caso, positiva y de acuerdo al rango y a la mayor frecuencia,
se observa la variabilidad. Cuanto más “aplanada” es la curva, se tiene mayor variabilidad.
Otra manera de analizar en forma gráfica la simetría y variabilidad, es a partir del diagrama de caja.
Se analiza la simetría con la ubicación de la mediana en la caja y se compara la longitud de los
bigotes entre sí.
Para la variabilidad, se compara la longitud de la caja con el rango y la longitud de los bigotes.
Ni la media ni la mediana son representativas de los datos porque el coeficiente de variación es
mayor que el 0,30.

10. Mínimo 0 Máximo 5

La cantidad de visitas que hicieron los miembros de la comunidad oscilan entre 0 y 5.
Media Aritmética 0,94 : Si se suman todas las visitas efectuadas en ese mes a la biblioteca y se
reparten equitativamente entre las personas entrevistadas, daría como resultado casi una visita por
persona.
Moda 0 : La cantidad de visitas a la biblioteca que más se repitió entre las personas consultadas es
0. (La mayoría de las personas entrevistadas no van a la biblioteca.)
Mediana 1 : El 50% (la mitad) de las personas consultadas visitaron a lo sumo 1 vez la biblioteca en
ese mes
Q1= 0 El 25% (la cuarta parte) de las personas consultadas no hicieron ninguna visita a la biblioteca
en ese mes.
Q3 =1 El 75% (las tres cuartas partes) de las personas consultadas visitaron a lo sumo 1 vez la
biblioteca en ese mes.
Observación: tanto la mediana como los cuartiles ayudan a tener una noción clara de cómo se
distribuyen los datos, ya que se puede apreciar que al menos el 75% de las personas
consultados hicieron 1 o ninguna visita.

11.
12.
13.

24
UNMDP. Facultad de Ingeniería Estadística Básica

GUÍA DE TRABAJOS PRÁCTICOS Nº2

UNIDAD I
Regresión y correlación lineal.

Resultado de Aprendizaje #2 (RA2):

Utiliza la Estadística para la resolución de problemas de la ingeniería como un instrumento de
resolución de problemas de análisis de datos, aplicando métodos y técnicas estadísticas para una
y dos variables.

1. Los siguientes datos se dan como resultados de un estudio del efecto de la temperatura de
cristalización primaria sobre el contenido de fósforo de una solución.

Temperatura
de
cristalización 25 20 15 12,3 9 6 3 0 -3 -6
primaria ºC
(x)
Fósforo
Gramos por 10,9 9,3 8,2 7,5 6,2 5,8 4,2 3,9 2,8 2,0
litro
(y)

a) Realice el diagrama de dispersión del Fósforo contra la temperatura de cristalización

primaria.
b) Halle la recta de regresión de y sobre x, utilizando el método de mínimos cuadrados.
c) Estime el contenido del fósforo para 30 ºC.

2. Un artículo publicado en Concrete Research presenta datos sobre la resistencia a la compresión

“x” y la permeabilidad intrínseca “y” de varias mezclas y tratamientos de concreto. El resumen de
cantidades es el siguiente: n = 14 ; 
yi =572 , y2i =23530 ,  xi =43 , 
x2i =157,42 , 
 x y =1697,80 .
i i

a) Halle la recta de regresión de y sobre x, utilizando el método de los mínimos cuadrados.

b) Utilice la ecuación de la recta ajustada para predecir la permeabilidad que será observada
cuando la resistencia a la compresión sea x = 4,3.

3. El material crudo usado en la producción de una fibra sintética se almacena en un lugar que no
tiene control de humedad relativa. Las medidas de la humedad relativa en el almacén y del
contenido de humedad de una muestra del material crudo (ambas en porcentaje) en 12 días, dan
los siguientes resultados:

X
(humedad) 43 35 51 47 46 62 32 36 41 39 53 48
Y
(contenido 12 8 14 9 11 16 7 9 12 10 13 11
de
humedad)

a) Halle las ecuaciones de las rectas de regresión. Grafíquelas en un mismo gráfico.

b) Estime la humedad relativa para un contenido de humedad de 19.
c) Halle el coeficiente de correlación muestral e interprete.

25
UNMDP. Facultad de Ingeniería Estadística Básica

4. La siguiente tabla muestra la edad y la presión sanguínea de 6 mujeres:

X 36 47 55 42 68 60
Y 118 128 150 140 152 155

a) Calcule el coeficiente de correlación muestral.

b) Halle las ecuaciones de las rectas de regresión utilizando el coeficiente de correlación
muestral.
c) Estime la presión sanguínea para una mujer de 45 años.

5. Un artículo publicado en el Journal of Environmental Engineering informa los resultados de un

estudio sobre la aparición de sodio y cloro en los arroyos de la parte central de Rhode Island. Los
datos siguientes muestran la concentración de cloro Y (en mg/l) y el área que rodea a la cuenca
X (en porcentaje)

y 4,4 6,6 9,7 10,6 10,8 10,9 11,8 12,1 14,3 14,7 15,0
x 0,19 0,15 0,57 0,70 0,67 0,63 0,47 0,70 0,60 0,78 0,81

y 17,3 19,7 23,1 27,4 27,7 31,8 39,5

x 0,78 0,69 1,30 1,05 1,06 1,74 1,62

a) Dibuje el diagrama de dispersión de los datos.

b) Estime la concentración promedio de cloro para una cuenca que tiene un área que sea el 1 %
de la superficie circunvecina.
c) Halle el coeficiente de correlación muestral e interprete su valor.

6. Dada la siguiente tabla donde la variable X describe la edad en semanas de una determinada
variedad de animales de laboratorio, la variable Y es el peso en hectogramos de los mismos. La
recta Y = -1,7 + 2,9 x ¿Permite efectuar una buena aproximación?

X 1 2 3 4 5
Y 2 3 7 18 13

7. Dadas las siguientes series, calcule para cada una el coeficiente de correlación muestral e
interprete el resultado.

x1 91 98 103 88 101 95
y1 8 7 5 9 6 7

x2 108 92 84 116 104 96

y2 8 4 2 10 7 5

x3 86 116 80 119 108 85

y3 8 6 1 8 9 4

26
UNMDP. Facultad de Ingeniería Estadística Básica

RESPUESTAS

1. b) y = 0,288 x + 3,74 c) y = 12,38 ºC

2. a) y = -2,329 x +48,013 b) y = 37,9983

3. a) y = 0,267 x – 0,86 x = 2,905y + 12,45

b) y 67
c) rm = 0,8809

4. a) rm = 0,86
b) y = 1,0689 x + 85,634
c) y = 133,73

5. b) y = 21,06
c) rm = 0,92

6. no

7. r1 = -0,977
r2 = 1
r3 = 0,625

27
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOS PRÁCTICOS Nª 3
UNIDAD II
Axiomática de la teoría de probabilidades

Resultado de Aprendizaje #2 (RA2):

Aplica las leyes de probabilidad para la resolución de problemas de la ingeniería mediante la
identificación de los experimentos aleatorios asociados al problema, de los tipos de sucesos
involucrados y el análisis de los resultados obtenidos.

1. Dado el siguiente experimento:

1 : Se lanza un dado y se observa el número que aparece en la cara superior.

a) Definir el espacio muestral.

b) Definir al menos dos sucesos aleatorios respecto al espacio muestral asociado al
experimento.
c) Definir al menos un suceso cierto respecto al espacio muestral asociado al experimento.
d) Definir al menos un suceso imposible respecto al espacio muestral asociado al
experimento.
e) Definir sucesos mutuamente excluyentes respecto al espacio muestral asociado al
experimento.
f) Definir sucesos únicamente posibles respecto al espacio muestral asociado al
experimento.
g) ¿Los sucesos únicamente posibles son mutuamente excluyentes? ¿Es válida la
recíproca?

2. Los artículos provenientes de una línea de producción se clasifican en defectuosos (D) y no

defectuosos (N). Este proceso se continua hasta que se produzcan dos artículos defectuosos
consecutivos o se hayan verificado 4 artículos, cualquiera que ocurra primero. Describa el
espacio muestral para este experimento.

3. En un período de 24 hs, en un momento X, un interruptor se pone en la posición de “encendido”.

Posteriormente, en un momento Y (todavía en el mismo período de 24 hs) el interruptor se pone
en la posición “apagado”. Supóngase que X e Y se miden en horas en el eje del tiempo, con el
comienzo del período como origen. El resultado del experimento consta del par de números
(x, y). Describa:
a) El espacio muestral.
b) Los siguientes sucesos:
a. El circuito funciona durante una hora o menos.
b. El circuito funciona durante el tiempo z, donde z es algún intervalo durante el período
dado de 24 hs.
c. El circuito empieza a funcionar antes del tiempo t1 y deja de funcionar después del
tiempo t 2 (donde t1 y t 2 son dos intervalos de tiempo durante el período especificado,
siendo t1 < t 2 ).

4. Una máquina empaqueta pelotas de tenis en tubos de cuatro pelotas etiquetadas con las letras a,
b, c y d. El orden en el cual se ubican las pelotas en el tubo representa el resultado del
experimento. Sean A y B los sucesos:
A = {a está en el primer lugar}, B = {b está en el segundo lugar}
Anote:
a) Todos los elementos del espacio muestral.
b) Todos los elementos de los sucesos A  B y A  B

5. Una caja contiene 100 tornillos, de los cuales 5 son defectuosos. ¿Cuál es la probabilidad de que
en una extracción se escoja un tornillo defectuoso?

28
UNMDP. Facultad de Ingeniería Estadística Básica
6. Se tiene un grupo de tarjetas numeradas del 1 al 20. ¿Cuál es la probabilidad de que al extraer
una de ellas su número sea un múltiplo de 3?

7. Cierto tipo de motor eléctrico falla por la obstrucción de los cojinetes, por combustión del
embobinado o por desgaste de las escobillas. Supóngase que la probabilidad de la obstrucción
es del doble de la combustión, la cual es cuatro veces más probable que la inutilización de las
escobillas. ¿Cuál es la probabilidad de que el fallo sea por cada uno de estos tres mecanismos?

8. En una población el 4% de las personas son daltónicas, el 18% hipertensas y el 0.5% daltónicas
e hipertensas. ¿Cuál es la probabilidad de que una persona sea daltónica ó hipertensa?

9. @Supóngase que A y B son sucesos para los cuales P(A) = x; P(B) = y; P( A  B ) = z. Exprese
cada una de las probabilidades siguientes en términos de x, y, z:

a) P(A  B) b) P(A  B) c) P(A  B) d) P(A  B)

10. En un parque natural se detectan tres plagas. El 25% de los árboles tienen la enfermedad A, el
20% la B y el 30% la C. El 12% la A y la B, el 10% la A y la C, el 11% la B y la C y el 5% tienen
las tres enfermedades. Calcular las probabilidades siguientes:
a. Un árbol tenga alguna de las enfermedades.
b. Un árbol tenga la enfermedad A pero no la B.
c. Un árbol tenga la enfermedad B y C pero no la A.

11. Supóngase que A, B y C son sucesos tales que P(A) = P(B) = P(C) = 1/4; P(A  B) = 0;
P(C  B) = 0 y P(A  C) = 1/8. Calcule la probabilidad de que al menos uno de los tres sucesos,
A, B ó C ocurra.

12. @Un lote consta de 10 artículos buenos, 4 con pequeños defectos y 2 con defectos graves. Se
elige un artículo al azar. Encuentre la probabilidad de que:
a) No tenga defectos. b) Tenga un defecto grave. c) sea bueno ó que tenga un defecto grave.

13. @Si del mismo lote de artículos del ejercicio anterior se escogen dos artículos (sin sustitución),
encuentre la probabilidad de que:
a) ambos sean buenos. b) ambos tengan defectos graves. c) por lo menos uno sea bueno.
d) a lo sumo uno sea bueno e) exactamente uno sea bueno. f) ninguno tenga defectos graves.
g) ninguno sea bueno.

14. @Un número binario está compuesto sólo por dos dígitos: 0 y 1. Supóngase que este número
tiene n dígitos. Supóngase también que la probabilidad de que aparezca un dígito incorrecto es p
y que los errores en dígitos diferentes son independientes uno de otro. ¿Cuál es la probabilidad
de formar un número incorrecto?

15. Un conjunto electrónico consta de dos subsistemas, A y B, a partir de una serie de pruebas
previas se presuponen las siguientes probabilidades: P(A falle) = 0,2 ; P(B sólo falle) = 0,15 ;
P( A y B fallen) = 0,15. Calcule:
a) P(A falle/ B haya fallado) b) P(A sólo falle).

16. Sean dos sucesos A y B tales que P(A  B) = 2/3 y P(A  B) = 1/4. Sabiendo que P(A) es el
doble de P(B) , halle P(A/B).

17. Para la señalización de emergencia se han instalado dos indicadores que funcionan
independientemente. La probabilidad de que el indicador funcione durante la avería es igual a
0,95 para el primero de ellos y 0,9 para el segundo. Halle la probabilidad de que durante la
avería funcione sólo un indicador.

29
UNMDP. Facultad de Ingeniería Estadística Básica
18. En un laboratorio de cálculo hay 6 máquinas automáticas y 4 semiautomáticas. La probabilidad
de que durante la realización de cierto cálculo, la máquina automática no se ponga fuera de
servicio es igual a 0,95; para la semiautomática esta probabilidad es igual a 0,8. Un estudiante
calcula en una máquina tomada al azar. ¿Cuál es la probabilidad de que hasta el final del cálculo
la máquina no quede fuera de servicio?

19. En una fábrica de pernos, Las máquinas A, B y C fabrican 25, 35 y 40 % de la producción total,
respectivamente. De lo que producen, 5, 4 y 2 % en ese orden, son pernos defectuosos. Se elige
un perno al azar y éste resulta ser defectuoso. ¿Cuál es la probabilidad de que provenga de la
máquina A?

20. La probabilidad de que en cierta ciudad llueva un día al año seleccionado al azar es 0,25. El
pronóstico local del tiempo atmosférico es correcto el 60 % de las veces en que llueve, y el 80 %
de las veces en que no llueve. Determine la probabilidad de que:
a) El pronóstico sea correcto en un día seleccionado al azar.
b) Llueva si el pronóstico fue correcto.

21. Una persona hace reparar un dispositivo y pide repuestos originales, pero admite que le pongan
repuestos no originales en un porcentaje de 20 %. Si los repuestos son originales, el 85% de los
dispositivos pueden durar más de dos años; si no es así, ésta se reduce al 45%. Usa el
dispositivo y se rompe al año. ¿Cuál es la probabilidad de que le hayan tocado repuestos no
originales?

22. @0Supóngase que en un examen con respuestas múltiples, un alumno puede saber cuál es la
respuesta correcta o elegir cualquiera al azar. Sea p la probabilidad de que sepa la respuesta
correcta. Si en la primera pregunta se tiene m alternativas posibles. Demuestre que la
probabilidad de que el alumno conociera la respuesta correcta si ha respondido bien es

mp
p(m-1)+1

23. Hay tres partidas de 20 piezas en cada una. El número de piezas estándares en la 1ra, 2da y 3ra
partida es, respectivamente, 20, 15 y 10. De una partida tomada al azar, se ha escogido en forma
aleatoria una pieza que resultó estándar. Después de restituir la pieza a la partida, se extrajo de
esta misma partida por 2da vez una pieza que también resultó estándar. Halle la probabilidad de
que las piezas se hayan extraído de la 3ra partida.

30
UNMDP. Facultad de Ingeniería Estadística Básica
RESPUESTAS

1.
2. S= {DD, NDD, DNDN, DNDD, DNND, DNNN, NDND, NDNN, NNDD, NNDN, NNND, NNNN}
3. a) (x, y) / 0  x < y  24 

b) i) (x, y) / y - x  1 . 0  x < y  24

ii) (x, y) / y - x = z . 0  x < y  24

iii) (x, y) / 0  x < t1 < t 2 < y  24 . y - x > t 2 − t1

4. a) {abcd, abdc, adbc, dabc, adcb, dacb, acbd, acdb, bacd, badc, bcad, bcda, bdac, bdca,
cabd, cadb, cbad, cbda, cdba, cdab, dbac, dbca, dcab, dcba}
b) A  B = {abcd, abdc}; A  B = {abcd, acbd, adcb, abdc, acdb, adbc, cbad, dbca, cbda,
dbac}
5. 0,05
6. 0,3
7. P(A) = 8/13 P(B) = 4/13 P(C) = 1/13
8. 0.215
9. a) P(A  B) = 1 – z;

b) P(A  B) = y – z;

c) P(A  B) = 1 – x + z;

d) P(A  B) = 1 + z – x – y.
10. a) 0.47 b) 0.13 c) 0.06
11. 5/8
12. a) 5/8 b) 1/8 c) 3/4
13. a) 3/8 b) 1/120 c) 7/8 d) 5/8 e) 1/2 f) 91/120 g) 1/8
14. 1- (1-p)n
15. a) 0,5 b) 0,05
16. 12/25
17. 0,14
18. 0,89
19. 0,3623
20. a) 0,75 b) 0,2
21. 0.4783
22. Demostración.
23. 4/29.

31
UNMDP. Facultad de Ingeniería Estadística Básica
EJERCICIOS PROPUESTOS

1. Dos dígitos se eligen sin reposición al azar del 1 al 9. Si la suma es par, indique la
probabilidad de que ambos números sean impares.

2. La producción diaria de una máquina que produce una pieza muy complicada da las
siguientes probabilidades para el número de piezas producidas: P(1) = 0,1 P(2) = 0,3
P(3) = 0,6. Además, la probabilidad de producir una pieza defectuosa es 0,03. Las piezas
defectuosas aparecen independientemente. Verifique que la probabilidad de no obtener
piezas defectuosas en un día, es aproximadamente 0,93.

3. La probabilidad de efectuar por lo menos un impacto en el blanco para tres disparos de un

tirador es igual a 0,784. Halle la probabilidad de que en los tres disparos se haga
exactamente un impacto.

4. Dos de tres elementos de un calculador que funcionan independientemente, fallaron. Halle la

probabilidad de que hayan fallado los elementos 1º y 2º, si las probabilidades de fallo de los
elementos 1º, 2º y 3º son respectivamente iguales a 0,2; 0,4 y 0,3.

5. Tres contratistas licitan por un contrato para construir un edificio escolar. Se cree que A tiene
doble probabilidad de obtener el contrato que C, y la probabilidad de que no lo obtenga C es
siete veces la probabilidad de que lo obtenga B. ¿Cuáles son las respectivas probabilidades
de cada uno de obtener el contrato, sabiendo que la licitación será otorgada a uno de los tres
aspirantes?

6. Se sabe que cierta producción está sujeta a tres tipos de defectos; A, B y C. Entre 1000
unidades producidas en un día, el inspector de la línea de montaje informó de los siguientes
resultados:

Defecto A B C AB AC BC A BC

Nº 30 35 20 5 5 4 2
piezas

Compruebe que la proporción de las unidades defectuosas en las 1000 unidades es de

0,073.

7. Diez fichas numeradas del 1 al 10 se mezclan en una bandeja. Se sacan de la bandeja dos
fichas numeradas (X,Y) una y otra vez sin sustitución.
¿Cuál es la probabilidad de que X + Y = 10?

8. Dos tubos defectuosos se confunden con dos buenos. Los tubos se prueban uno por uno,
hasta encontrar los defectuosos.
a) ¿Cuál es la probabilidad de encontrar el último tubo defectuoso en la segunda prueba?
b) ¿Cuál es la probabilidad de encontrar el último tubo defectuoso en la cuarta prueba?

9. Un hombre extrae una bolilla de una urna que contiene 4 bolillas blancas y 2 rojas. Si la bolilla
es blanca, no la repone. Si es roja, la repone. Extrae otra bolilla. Sea A el suceso “la primera
bolilla extraída fue blanca” y B el suceso “La segunda bolilla extraída fue blanca”. Decir si son
verdaderas o falsas las siguientes afirmaciones:

i) P(A) = 2/3 ii) P(B) = 3/5 iii) P(B/A) = 3/5 iv) P(A/B) = 9/14 v) Los sucesos A y B son

mutuamente excluyentes vi) Los sucesos A y B son independientes.

32
UNMDP. Facultad de Ingeniería Estadística Básica

RESPUESTAS
1. 5/8

3. 0,432

4. 14/47

5. P(A) = 0,6 P(B) = 0,1 P(C) = 0,3

7. 4/45

8. a) 1/6 b) 1/2

9. i) V ii) F iii) V iv) V v) F vi) F

33
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOS PRÁCTICOS Nº4
UNIDAD III
VARIABLES ALEATORIAS

Resultado de Aprendizaje #3 (RA3):

Analiza e interpreta la distribución de datos para la resolución de problemas reales o simulados
de la ingeniería, mediante la identificación del experimento aleatorio asociado a la variable
estadística discreta o continua del problema y la caracterización de su modelo probabilístico
respectivo, aplicando sus propiedades y sus características numéricas.

1. Se sabe que una moneda sale cara tres veces más a menudo que ceca. Esta moneda se
lanza tres veces. Sea X el número de caras observadas al realizar el experimento.
a) Determinar el recorrido de la v. a. X.
b) Determinar la distribución de probabilidades de la v. a. X.

2. @De un lote que contiene 25 artículos, 5 de los cuales son defectuosos, se eligen 4 al azar.
Sea X el número de artículos defectuosos encontrados:
a) Determinar el recorrido de la v. a. X.
b) Determinar la distribución de probabilidades de la v. a. X. Observación: los artículos
se escogen sin sustitución.

3. Sea X una v.a. con recorrido RX={1,2,3,…} y su distribución de probabilidades dada por
1
P(X =j) = con j = 1, 2,3,…. Calcular:
2j
a) P(x  5)
b) P(x es divisible por 3)

4. Durante un examen el profesor le hace preguntas al estudiante. La probabilidad que tiene el

estudiante de responder correctamente a cualquier pregunta dada es igual a 0,9. El profesor
interrumpe el examen apenas el estudiante manifiesta el desconocimiento del tema. Se
requiere formar la distribución de probabilidades de la variable aleatoria X, definida como el
número de preguntas que el profesor le hace al estudiante.

5. La v.a.c. X tiene función de densidad de probabilidad (fdp) dada por:

3  
 2 sen ( 3x ) x   0, 3 
  
f ( x) = 
   
0 x   0, 
  3
  
Hallar la probabilidad de que la v.a. X tome un valor del intervalo  ; .
6 4

6. La v.a.c X tiene fdp dada por:

x
 x   0, 2
f ( x) =  2
0
 x   0, 2

Se hacen dos determinaciones independientes de X.

a) ¿Cuál es la probabilidad de que ambas determinaciones sean mayores que uno?
b) ¿Cuál es la probabilidad de que exactamente dos determinaciones sean mayores que
uno, si se hacen tres determinaciones independientes de X?

34
UNMDP. Facultad de Ingeniería Estadística Básica
7. La v.a.c X tiene fdp dada por:
 1
 x − si 1  x  2
f ( x) =  2
0
 si x 1; 2

Hallar la función de distribución acumulativa (FDA).

8. El porcentaje de alcohol, en cierto compuesto, se puede considerar como una variable

aleatoria continua X con la siguiente fdp:

20 x3 (1 − x) si x  (0,1)
f ( x) = 
0 si x (0,1)

a) Obtener una expresión para la FDA y graficar.

 2
b) Calcular P  X  
 3

9. El ancho del entrehierro es una propiedad importante de una cabeza de grabación magnética.
En unidades codificadas, si el ancho es una variable aleatoria continua con función densidad
de probabilidades dada por:

kx si x  (0, 2)
f ( x) = 
0 si x (0, 2)

a) Calcular el valor de k, para que la función así definida sea una legítima función densidad
de probabilidad.
b) Calcular la función de distribución acumulada del ancho del entrehierro.

10. Sea X una v.a.c con fdp dada por:


3x
2
si x  −1;0
f ( x) = 

0 si x  −1;0

 b 
Si b es un número que satisface -1 < b < 0. Calcular P  x  b / x  .
 2 

11. Se supone que el diámetro de un cable eléctrico es una v.a.c X con fdp:

6 x(1 − x) si x  0;1

f ( x) = 

0 si x  0;1

a) Verificar que la anterior función es una legítima fdp. Graficar.

b) Obtener una expresión para la FDA. Graficar.
 1 1 2
c) Calcular P  x  / x 
 2 3 3

35
UNMDP. Facultad de Ingeniería Estadística Básica
12. @La v.a.c X está descripta en todo el semieje positivo x por la siguiente FDA:

1 1  x
F(X) = + arctg  
2  2

Hallar el valor posible de x1 , que con probabilidad ¼, la variable aleatoria tome un valor
mayor que x1 .

13. @Suponiendo que la duración en horas de cierto tubo de radio es una v.a.c X, con fdp dada
por:
100
 si x  100
f ( x) =  x 2

0 en cualquier otro caso

a) ¿Cuál es la probabilidad de que un tubo dure menos de 200 hs, si se sabe que el tubo
todavía funciona después de 150 hs de servicio?
b) ¿Cuál es la probabilidad de que, si se instalan 3 de tales tubos en un conjunto,
exactamente uno tenga que ser sustituido después de 150 hs de servicio?
c) ¿Cuál es el número máximo de tubos que se pueden poner en un conjunto, de modo
que haya una probabilidad de 0,28 de que después de 150 hs de servicio, todos ellos
todavía funcionen?

14. La siguiente distribución de probabilidades, representa la demanda D de cierto producto.

Calcular la esperanza y la dispersión de la v.a. D.

d 1 2 3 4 5
P( D = d ) 0,1 0,1 0,3 0,3 0,2

15. La variable aleatoria discreta X, toma tres valores posibles, x1 = 4 ; x 2 = 6 ; x 3 = m ;

sabiendo que P(X=x1 ) = 0,5 y P(X=x 2 ) = 0,3 Hallar el valor de m si se sabe que E(X) = 8.

16. Se da la lista de los valores posibles de la variable aleatoria X : x1 = −1 x 2 = 0 ; x 3 = 1 ; así

como se dan la esperanza matemática de esta variable y de su cuadrado:
E(X) = 0,1 y E(X²) = 0,9. Halle las probabilidades p1 , p2 y p3 .

17. Un lote de 10 motores eléctricos debe ser rechazado totalmente o bien vendido, según el
resultado del siguiente proceso: se escogen al azar dos motores y se inspeccionan, si uno o
más son defectuosos, el lote es rechazado; de otro modo es aceptado. Supongamos que
cada uno de los motores cuesta $75 y se vende por $100. Si el lote contiene un motor
defectuoso, ¿Cuál es la utilidad esperada del fabricante?

18. Calcule la varianza y la dispersión de la variable aleatoria continua X, con fdp dada por:


2 x si x ( 0,1)
f ( x) = 

0 si x ( 0,1)

36
UNMDP. Facultad de Ingeniería Estadística Básica
19. @La función de onda de una partícula X es una fdp dada por

  
2 cos ( 2 x ) x  0, 4 
  
f ( x) = 
  
0 x  0, 
  4
Hallar e interpretar:

a) Moda.
b) Mediana.
c) E(X).

37
UNMDP. Facultad de Ingeniería Estadística Básica

RESPUESTAS

1.
xi 0 1 2 3
pi 1/64 9/64 27/64 27/64
2.

xi 0 1 2 3 4
pi 4845 5700 1900 200 5
 0,383  0, 4506  0,1502  0, 0158  0, 0004
12650 12650 12650 12650 12650

3. a) 1/16 b) 1/7
4.
xi 1 2 3 ………… k
pi 0,1 0,9.0,1 0,9².0,1 ………… 0,9k −1.0,1

2
5.
4
6. a) 9/16 b) 27/64

0 si x  1
 2 0 si x  0
x − x 
7. F ( x) =  si 1  x  2 8.a) F ( x) = 5 x 4 − 4 x 5 si 0  x  1 8. b) 112 / 243
 2 1 si x  1
1 si x  2 

0 si x  0
 −7b3
9. k = 0,5 F ( x) = 0, 25 x 2 si 0  x  2 10. 3
1 b +8
 si x  2
0 si x  0

11. a) 11.b) F ( x) = 3 x 2 − 2 x 3 si 0  x  1
1 si x  1

11 c) 1/2

12. x = 2

13. a) 1/4 ; b) 4/9 ; c) n = 3

14. E(D) = 3,4

15. x3 = 21

16. p1 = 0, 4 ; p2 = 0,1 ; p3 = 0,5

17. $ 50

18. V(x) = 1/18 ;  ( x) = 1/18

19. a) Modo = 0 b)  /12 c)  /4 - 1/2

38
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOS PRÁCTICOS Nº5
UNIDAD III
Algunas distribuciones teóricas discretas

Resultado de Aprendizaje #3 (RA3):

Analiza e interpreta la distribución de datos para la resolución de problemas reales o simulados
de la ingeniería, mediante la identificación del experimento aleatorio asociado a la variable
estadística discreta o continua del problema y la caracterización de su modelo probabilístico
respectivo, aplicando sus propiedades y sus características numéricas.

1. La probabilidad de que en cierto establecimiento industrial el consumo de agua sea normal, es

decir, no sobrepase un número determinado de litros en 24 hs, es igual a 3/4. Hallar la
probabilidad de que en un lapso de 6 días haya:
a) Dos días de consumo normal de agua. b) Por lo menos 4 días de consumo normal de agua.

2. Suponiendo que todas las distribuciones de sexos son igualmente probables, ¿En qué proporción
de las familias de seis hijos, debe esperarse que haya exactamente 3 varones y 3 mujeres?

3. Se sabe por experiencias anteriores que, aproximadamente el 30 % de todas las fallas de

operación de tuberías en plantas químicas son ocasionadas por errores del operador.
a) ¿Cuál es la probabilidad que de las siguientes 20 fallas al menos 2 se deban a errores del
operador?
b) ¿Cuál es la probabilidad de que no más de 1 de 20 fallas se deban a errores del operador?
c) Determinar la media y la varianza de la variable aleatoria binomial.

4. La sección de control técnico verifica el estándar de los artículos. La probabilidad de que un

artículo sea estándar es igual a 0,9. En cada partida hay 5 artículos. Hallar la esperanza
matemática de la variable aleatoria discreta X: “número de partidas en cada una de las cuales
resulten exactamente 4 artículos estándares”, si se verifican 50 partidas.

5. Si la probabilidad de acertar en un blanco es 1/5 y se hacen 10 disparos en forma independiente.

¿Cuál es la probabilidad de acertar por lo menos dos veces?

6. Hallar la varianza de la variable aleatoria discreta X: “número de apariciones del suceso A en dos
pruebas independientes”, si las probabilidades de aparición del suceso en estas pruebas son
iguales y se sabe que E(X) = 1,2.
20
7. En una distribución binomial con valor medio 200 y dispersión . Determinar n y p.
3
8. Se verifica el estándar de 72 artículos. La probabilidad de que cada artículo sea estándar es 5/6.
Siendo X el número de artículos no estándares que aparecen, evaluar E(x²).

9. De un grupo de 12 estudiantes, 8 son sobresalientes. Por la lista se han elegido 9 estudiantes al

azar.
a) ¿Cuál es la probabilidad de que entre los estudiantes seleccionados haya 5 sobresalientes?
b) ¿Cuál es la probabilidad de que haya por lo menos 6 sobresalientes?

10. Una partida de ocho computadoras similares que se envía a un distribuidor contiene tres
aparatos defectuosos. Una escuela realiza una compra de dos de esas computadoras.
a) Determinar la distribución de probabilidades para el número de computadoras defectuosas.
b) Calcular la esperanza y la varianza para esa distribución.

11. Un fabricante de automóviles compra los motores a una compañía donde se fabrican bajo ciertas
especificaciones. El fabricante recibe un lote de 40 motores. Su plan para aceptar el lote consiste
en seleccionar 8 de manera aleatoria, y someterlos a prueba. Si encuentra que ninguno de los
motores presenta serios defectos, el fabricante acepta el lote; de otra forma, lo rechaza. Si el lote
contiene dos motores con serios defectos. ¿Cuál es la probabilidad de que el lote sea aceptado?

39
UNMDP. Facultad de Ingeniería Estadística Básica
12. Un lote de piezas contiene 100 de un proveedor local de tubería y 200 de un proveedor del
mismo material, pero de otro estado. Si se eligen 4 piezas al azar sin reemplazo:
a) ¿Cuál es la probabilidad de que todas provengan del proveedor local?
b) Si se extrajeran 15 piezas al azar y sin reposición. ¿Cuál es la probabilidad de que al menos
una pieza de la muestra sea del proveedor local?

13. Dados 6 números positivos y 8 números negativos, de los cuales se eligen 4 al azar sin
sustitución y se los multiplica. ¿Cuál es la probabilidad de que el producto sea positivo?

14. Si X tiene una distribución de Poisson con parámetro  y si P(X= 0) = 0,2. Hallar P( x  2) .

15. @Sea X la variable aleatoria de Poisson asociada al número de defectos presentes en un rollo de
longitud L. Si el porcentaje de rollos que tienen por lo menos un defecto es del 40 %. ¿Cuál es la
probabilidad de que un rollo tenga 2 defectos?

16. En una población, el 1% padece daltonismo. ¿Qué tamaño deberá tener una muestra aleatoria
para que la probabilidad de que al menos una persona tenga daltonismo sea mayor o igual que
0,95?

17. Supongamos que la probabilidad de que un artículo producido por una máquina especial sea
defectuoso es igual a 0,2. Si 10 artículos producidos se seleccionan al azar. ¿Cuál es la
probabilidad de que no se encuentre más de un artículo defectuoso? Dar respuesta a la pregunta
usando las distribuciones Binomial y de Poisson. Comparar las respuestas.

18. Hallar el promedio de errores en una página manuscrita, si la probabilidad de que la página
manuscrita contenga por lo menos un error, es igual a 0,95. Se supone que el número de errores
está distribuido según la ley de Poisson.

19. Un dispositivo está compuesto de 1000 elementos que trabajan independientemente uno del otro.
La probabilidad de fallo de cualquier elemento durante el tiempo T es igual a 0,002. Hallar la
probabilidad de que durante el tiempo T, fallen exactamente, 3 elementos.

20. Un comprador de grandes cantidades de circuitos integrados ha adoptado un plan para aceptar
un envío de éstos y que consiste en inspeccionar una muestra aleatoria de 100 circuitos
provenientes del lote. Si el comprador encuentra no más de 2 circuitos defectuosos en la
muestra, acepta el lote; de otra forma, lo rechaza. Si se envía al comprador un lote que contiene
el 1% de circuitos defectuosos, ¿Cuál es la probabilidad de que éste sea aceptado?

21. Una compañía recibe un lote de 1000 unidades de circuitos integrados. Para aceptarlo se
seleccionan diez unidades de manera aleatoria y se inspeccionan. Si ninguna se encuentra
defectuosa, el lote se acepta, de otro modo, se rechaza. Si el lote contiene un 5% de unidades
defectuosas, determinar la probabilidad de aceptarlo si no hay reposición en la elección.

22. @¿De qué tamaño debe ser una serie de dígitos aleatorios para que la probabilidad de que
aparezca por lo menos un 7 sea 0,999?

40
UNMDP. Facultad de Ingeniería Estadística Básica
RESPUESTAS

1. a) 0,033 b) 0,83
2. 5 de cada 16 familias.
3. a) 0,99236 b) 0,007637 c) E(x) = 6 d) V(x) = 4,2
4. 16,4025
5. 0,62419
6. 0,48
7. p=1/3 y n = 600
8. 154
9. a) 0,2545 b) 0,7454
10. a)
d 0 1 2
P(d) 10/28 15/28 3/28

E(d) = 0,75 Var (d) = 0,40

11. 0,6359
12. a) 0,011854 b) 0,9981
13. 0,50449
14. 0,478
15. 0,078
16. n  300.
17. 0,3758 (binomial) 0,406 (Poisson)
18.  = 3
19. 0,180628 (binomial) 0,18045 (Poisson)
20. 0,92056
21. 0,5973
22. n  69

41
UNMDP. Facultad de Ingeniería Estadística Básica

GUÍA DE TRABAJOS PRÁCTICOS Nº 6

UNIDAD IV
Algunas distribuciones teóricas continuas

Resultado de Aprendizaje #3 (RA3):

Analiza e interpreta la distribución de datos para la resolución de problemas reales o simulados
de la ingeniería, mediante la identificación del experimento aleatorio asociado a la variable
estadística discreta o continua del problema y la caracterización de su modelo probabilístico
respectivo, aplicando sus propiedades y sus características numéricas.

1. La variable aleatoria X está distribuida uniformemente en el intervalo (-1; 1/3). Hallar la

probabilidad de que X tome un valor en el intervalo (0, 1/3).

2. Supóngase que X está distribuida uniformemente en  − ;  , con  > 0. Cada vez que
sea posible, determinar el valor de  de modo que se satisfaga lo siguiente:

a) P ( x  1) = 1/ 3 b) P ( x  1) = 1/ 2 c) P ( x  1/ 2 ) = 0,7 d) P ( x  1/ 2 ) = 0,3

3. Si X es una variable aleatoria con distribución uniforme en [0;20] y representa la corriente

medida, en miliamperes, en un alambre de cobre,
i. Calcular la probabilidad de que una medición de corriente esté entre 5 y 10
miliamperes.
ii. ¿Cuál es la medición esperada?

4. El tiempo entre arribos de los taxis a un cruce muy concurrido tiene una distribución
exponencial con media de 10 minutos.
a. ¿Cuál es la probabilidad de que una persona que esté en el cruce tenga que
esperar más de una hora para tomar un taxi?
b. Supongamos que la persona ya esperó una hora. ¿Cuál es la probabilidad de que
llegue uno en los siguientes 10 minutos?

5. El tiempo de duración de un ensamble mecánico en una prueba de vibración tiene una

distribución exponencial con media de 400 hs.
a. ¿Cuál es la probabilidad de que el ensamble falle durante la prueba en menos de
100 horas?
b. ¿Cuál es la probabilidad de que el ensamble trabaje durante más de 500 hs antes
de que falle?
c. Si el ensamble se ha probado durante 400 horas sin falla alguna. ¿Cuál es la
probabilidad de que falle en las siguientes 100 horas?

6. @En una gran red de computadoras, el acceso de los usuarios al sistema puede
modelarse como un proceso de Poisson con una media de 25 accesos por hora.
a. ¿Cuál es la probabilidad de que no haya accesos en un intervalo de 6 minutos?
b. ¿Cuál es la probabilidad de que el tiempo que transcurre hasta el siguiente acceso
esté entre 2 y 3 minutos?
c. Determinar el intervalo de tiempo para el que la probabilidad de que no se
presenten accesos al sistema durante ese tiempo sea 0,90.

e − t ( t )
0

NOTA recordar que se verifica: P(T  t ) = e − t

= P( x = 0) donde P( X = 0) = = e − t
0!

42
UNMDP. Facultad de Ingeniería Estadística Básica
7. Supongamos que X tiene una distribución N (2,0.16) . Calcular las siguientes
probabilidades:

a) P ( x  2,3) = b) P (1,8  x  2,1) = c) P ( x = 2 ) =

8. El diámetro de un cable eléctrico está distribuido normalmente con promedio 0,8mm y

varianza 0,0004mm2. ¿Cuál es la probabilidad de que el diámetro sobrepase 0,81 mm?

9. Suponiendo que el cable del ejercicio anterior se considere defectuoso si el diámetro se

diferencia de su promedio en más de 0,025. ¿Cuál es la probabilidad de obtener un cable
defectuoso?

10. @Se mide el diámetro de un eje sin errores sistemáticos (una cifra). Los errores
aleatorios de la medición X obedecen una ley normal, con dispersión igual a 10 mm.
Hallar la probabilidad de que se mida con un error no mayor, en valor absoluto, de 15
mm.

11. Una máquina automática produce bolillas. La bolilla se considera apta si la desviación X
del diámetro respecto de la medida señalada es menor que 0,7 mm en valor absoluto.
Admitiendo que la variable aleatoria X está distribuida normalmente con una dispersión
igual a 0,4 mm. Hallar la cantidad de bolillas aptas entre 100 producidas.

12. La variable aleatoria X está distribuida normalmente con media 10. La probabilidad de
que X caiga en el intervalo (10, 20) es igual a 0,3. Hallar la probabilidad de que X caiga
en el intervalo (0, 10).

13. Suponiendo que la duración de dos instrumentos electrónicos D1 y D2 , tienen

distribuciones N (40,36) y N (45,9) respectivamente. ¿Cuál debe preferirse para usarlo
durante un período de 45 hs y cuál durante un período de 48 hs?

14. Si X es una variable aleatoria normal y si P ( x  10 ) = 0,8413 y P ( x  −10 ) = 0,0668 .

Calcular los parámetros de dicha distribución.

15. Supóngase que X tiene una distribución N (  ,  2 ) . Determinar el valor de c (como una
función de  y de  ), tal que P(X  c) = 2. P(X > c).

16. La variable aleatoria X está distribuida normalmente con E(X) = 10 y  = 5. Hallar el

intervalo en el que con probabilidad 0,9973, cae X en el resultado de la prueba.

17. @Se especifica que el diámetro exterior de una flecha, llamémosle D, debe ser de 4
pulgadas. Supóngase que D es una variable aleatoria distribuida normalmente con
promedio 4 pulgadas y varianza 0,01 pulgadas cuadradas. Si el diámetro real se
diferencia del valor especificado por más de 0,05 pulg. pero menos de 0,08 pulg., la
pérdida del fabricante es de 0,5$. Si el diámetro real se diferencia del diámetro
especificado en más de 0,08 pulg., la pérdida es de 1$. La pérdida L puede considerarse
como una variable aleatoria. Determinar la distribución de probabilidades de L y hallar
E(L).

43
UNMDP. Facultad de Ingeniería Estadística Básica
18. @Una máquina automática estampa piezas. Se controla la longitud de la pieza X que
está distribuida normalmente con esperanza matemática (largo teórico) igual a 50 De
hecho, la longitud de las piezas fabricadas no es menor que 32 mm ni mayor que 68 mm.
Hallar la probabilidad de que una pieza tomada al azar sea: a) mayor que 55 mm. b)
menor que 40 mm.

19. Un estudio demostró que los tiempos de vida de ciertas clases de baterías de
automóviles se distribuyen normalmente con  = 1248 hs y  = 185 hs. ¿Qué tiempo de
garantía se debe adjudicar para que el 18 % de las baterías sean cambiadas, estando
aún en vigor la garantía?

20. Una variable aleatoria X está distribuida normalmente con  = 5 m. Hallar la longitud del
intervalo en el que con probabilidad 0,9973 cae X en el resultado de la prueba.

RESPUESTAS

1. 1/4
2. a)  = 3 b)   c)  = 1,25 d)  
3. a) 0,25 b) 10 mA
4. a) 0,00247 b) 0,632
5. a) 0,221 b) 0,287 c) 0,221
6. a) 0,082 b) 0.148 c) 0,25 minutos.
7. a) 0,2266 b) 0,2902 c) 0
8. 0,3085
9. 0,2112
10. 0,8664
11. 92
12. 0,3
13. D2 en ambos casos.
14.  = 2  = 8
15. c = 0,43  + 
16. (-5 ; 25)
17. 0,5204
18. a) 0,2033 b) 0,0477
19. 1077,8 hs
20. 30 mm.

44
UNMDP. Facultad de Ingeniería Estadística Básica
EJERCICIOS PROPUESTOS DE INTEGRACIÓN

1. Una fábrica cuenta con dos máquinas para la fabricación de zapatos. La primera máquina
fabrica el 60% de los zapatos, de los cuales el 10% tienen defectos, y de los que fabrica la
segunda máquina el 20% tienen defectos. Se eligieron tres zapatos al azar, de una de las
máquinas, de los cuales dos no tienen defectos y uno sí. ¿Cuál es la probabilidad de que
estos zapatos los haya fabricado la segunda máquina?

2. Se sabe que un medicamento que se aplica a una persona a partir del primer año de
padecer una enfermedad es el 90% confiable y es el 99% confiable si se lo administra antes
del primer año. Si se selecciona un individuo al azar de un grupo de enfermos, de los cuales
el 5% padecen esa enfermedad por más de un año y al haberse efectuado un análisis, el
mismo indica que el paciente no se ha curado, ¿cuál es la probabilidad de que esa persona
esté enferma a lo sumo un año?

3. La probabilidad que tiene un tirador de acertar al blanco es 2/5.

a. ¿Cuántas veces será necesario que dispare al blanco para que la probabilidad de acertar
al menos una vez sea 0,98?
b. ¿Cuál es la probabilidad de acertar a lo sumo tres veces en cinco tiradas?

4. La demanda semanal de Pepsi, en miles de litros, de una cadena local de negocios, es

una variable aleatoria que tiene la siguiente fdp:
2 ( x − 1)
 si 1  x  2
f ( x) = 

0 si x  (1, 2 )
a. Calcular el valor esperado de la demanda semanal e interpretar.
b. ¿Cuántos litros corresponden al menos al 75% de la demanda semanal?

5. Se estima que, en promedio, cierta máquina puede sustituir 10000 hs-hombre, con una
probabilidad de 0,25 de que el ahorro en tiempo medio sea mayor de 10500 hs y la misma
probabilidad de que el ahorro sea menor de 9500 hs por semana. Ahora, suponiendo que
una distribución normal especifica cumplirá estas estimaciones:
a. ¿Cuál es la probabilidad de que la máquina sustituya realmente más de 9000 hs-hombre
por semana?
b. Determinar el percentil 85 de dicha variable aleatoria.
c. Hallar el valor de “a” tal que P ( X − 10000  a ) = 0,95

6. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican

0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar:
a. Exactamente una imperfección en 3 minutos.
b. Al menos tres imperfecciones en 5 minutos.

45
UNMDP. Facultad de Ingeniería Estadística Básica
1
8 x si 0  x  2

7. Dada la siguiente función: f ( x ) = c si 2  x  5
0 para todo otro valor


a. Hallar el valor de c para que f ( x ) sea una fdp.
b. Calcular P (1  X  3 X  1,2)
c. Hallar la FDA.
d. ¿Qué medida de posición representa x = 2 ? Justificar la respuesta.

8. La variable aleatoria X N (  , 2 ) . Hallar los valores de  y  de modo tal que

P ( X  2) = 0,8665 y P ( X  4) = 0,2236 .

9. Se analizan muestras de policarbonato plástico para determinar su resistencia a las

rayaduras y a los golpes. A continuación se presenta el resumen de los resultados obtenidos
con 49 muestras:
Resistencia a los
golpes
Alta Baja
Resistencia Alta 40 4
a las
Baja 2 3
rayaduras

Se definen los sucesos A:”resistencia alta a los golpes” y B:”resistencia alta a las rayaduras”.
Calcular: a. P ( A B ) b. P ( A B )

10. Una Estación Base (EB) de telefonía móvil es una estación de transmisión y recepción
situada en un lugar fijo de la ciudad, compuesta de una o más antenas. Para optimizar su
confiabilidad, se la conecta con el resto del sistema telefónico a través de 3 caminos
independientes de fibra óptica F1, F2 y F3. La Estación Base puede funcionar si al menos 1
de estos 3 caminos de fibra óptica permanece operativo. Las probabilidades de falla de los 3
caminos son respectivamente p1 = 0,2, p2 = 0,3 y p3 = 0,5.
a) Cuál es la probabilidad que la Estación Base mantenga conexión con el resto del sistema
telefónico a través de al menos uno de estos caminos?
b) Cuál es la probabilidad que la Estación Base mantenga una conexión con el resto del
sistema telefónico a través de un único camino (por haberse cortado los otros 2)?
c) Sabiendo que, la Estación Base mantiene una conexión con el resto del sistema telefónico
a través de un único camino (por haberse cortado los otros 2), cuál es la probabilidad que
los caminos cortados sean F1 y F2

11. Un embarque de sustancias químicas llega en 15 contenedores. Se eligen al azar 3

contenedores para hacer una inspección de la pureza del producto. Si dos de los
contenedores no cumplen con los requerimientos de pureza, ¿cuál es la probabilidad de que
al menos uno de ellos está en la muestra, si la elección es: a) sin reposición, b) con
reposición?

12. El peso de cereal que contiene una caja se aproxima a una distribución normal con una
media de 600 grs. El proceso de llenado de las cajas está diseñado para que, de 100 cajas,
el peso de una se encuentre fuera del intervalo 590,610 grs. ¿Cuál es el valor máximo de la
desviación estándar para alcanzar este requerimiento?
46
UNMDP. Facultad de Ingeniería Estadística Básica

13. Sean dos sucesos A y B tales que: P ( A B ) = ( )

r 24 12
, P A B = y P ( A) + P ( B ) = .
35 35 35
Determinar, si existen, r  para que los sucesos A y B sean independientes.

14. La longitud de ciertos dispositivos mecánicos tiene la siguiente tolerancia: ( 58  0,21) mm .

Se han recibido tres partidas de distintos proveedores de 200, 300 y 500 cajas de 6
unidades cada una, que si bien no difieren en su valor medio de 58 mm, presentan
diferentes dispersiones: 0,102 mm; 0,12 mm y 0,146 mm. Se supone que la longitud de
estos dispositivos es una variable aleatoria con distribución normal. En el almacén se han
mezclado las cajas. Si se elige una caja al azar y se comprueba que exactamente 4 de esas
piezas están dentro de los límites de tolerancia, ¿cuál es la probabilidad de que la caja haya
sido entregada por el proveedor número 2?

15. Dada la siguiente función de densidad de probabilidad, que representa el tiempo de

llenado de ciertos recipientes, expresado en horas:
 32 2
 45 x si 0  x  1,5

8
f ( x) =  x si 1,5  x  2
 35
0 en otro caso


Determinar el percentil 85, a. Analíticamente b. Gráficamente c. Interpretar el resultado

16. Una máquina fabrica tornillos cuyas longitudes X se distribuyen normalmente con media
20 mm. Un tornillo se considera defectuoso si su longitud difiere de la media más de 1 mm.
Los tornillos se fabrican de forma independiente.
a) Si la probabilidad de fabricar un tornillo defectuoso es 0,0455. ¿Cuál es el valor de la
varianza de X?
b) Si los envasamos en envases de 15 tornillos, ¿cuál es la probabilidad de que un envase
no tenga más de 2 defectuosos?

17. Una urna contiene cinco dados con sus caras de color blanco o rojo. El dado número
i, ( i = 1, ,5) tiene i caras blancas y el resto rojas. Se selecciona un dado al azar de la urna,
se lanza y se observa el color rojo. ¿Cuál es la probabilidad de que el dado seleccionado
sea el número 2?

18. Un sistema de pesaje de residuos sólidos sólo tiene dos mecanismos de pesada: uno
computacional y otro mecánico. Se estima que la probabilidad de que por lo menos uno de
ellos funcione correctamente es de 0,99. La probabilidad de que funcione el computador es
de 0,96. Si el computador falla, calcular la probabilidad de que el sistema falle.

19. La longitud de cierta pieza se distribuye con función de densidad de probabilidad:

k ( x − 1)( 3 − x )
 x  1,3
f ( x) = 

0 caso contrario
Se consideran válidas las piezas cuya longitud está comprendida entre 1, 7 cm y 2, 4 cm .
a. Calcular el valor de k para que f sea una función de densidad de probabilidad.
b. Calcular la probabilidad de que una determinada pieza sea válida.
c. El fabricante de las piezas posee un lote con 3 de ellas. Este lote puede contener piezas
de los dos tipos, válidas y no válidas, y la aparición de estas piezas es independiente. Si dos

47
UNMDP. Facultad de Ingeniería Estadística Básica
o más son no válidas el comprador rechaza el lote. ¿Cuál es la utilidad esperada del
fabricante si cada pieza tiene un costo de fabricación de $ 40 y se vende por $ 100?

ax + b si x  ( 0, 2 )
 2

20. Sea X una variable aleatoria cuya fdp es: f ( x ) = 


0 si x  ( 0, 2 )

1  1 1 3 1
Sabiendo que P   X  1 = , calcular P   X  X  .
2  8 4 4 2

21. El gerente general de ventas de una compañía, ofrece como premio de incentivo al
mejor vendedor del trimestre anterior las entradas al palco empresarial en la serie final de
básquet de la liga argentina.
De los registros de ventas se tienen los siguientes datos de ventas, expresados en
porcentajes de cumplimiento de las metas fijadas mensualmente:
Vendedor A: 95; 105; 100.
Vendedor B: 100; 90; 110.
El promedio trimestral de cumplimiento de las metas de ventas de ambos vendedores es
igual y equivale al 100%, pero el gerente sólo le puede dar el premio de incentivo a uno de
ellos. ¿Cuál usted escogería? ¿En base a qué criterio? Justificar.

22. En una central telefónica automática la probabilidad de que una llamada cualquiera sea
conectada erróneamente es 10−3 .
a. Para un día cualquiera donde son conectadas 2000 llamadas independientes, hallar el
valor de la probabilidad que se efectúen 4 conexiones erróneas.
b. ¿Cuál es el número de llamadas independientes que se requieren para asegurar con
probabilidad 0.9 que por lo menos una de las llamadas sea conectada erróneamente?

48
UNMDP. Facultad de Ingeniería Estadística Básica
RESPUESTAS
1. 0,513026
2. 0,65517
3. a. n  8 b. 0,91296
4. a. E ( X ) = 1,6 Se espera que la demanda semanal se de 1,6 miles de litros.
b. 1,5
5. a. 0,9082 b. P85 = 10776,12 c. a = 1462,69
6. a. 0.3292 b. 0.0803
1
7. a. c = b. 0,450549
4
0 si x  0
1
 x2 si 0  x  2

c. F ( x ) = 16 d. Representa el primer cuartil
1 x − 1 si 2  x  5
4 4
1 si 5  x


8.  = 8,3429  = 5,7143
47 2
9. a. b.
49 5
10. a. 0,97 b. 0,22 c. 0,1364
11. a. 0,37143 b. 0,346
12.  = 3,846
13. r = 4 o r = 6
14. 0,18664
43
15. P85 = 1,64
4
El 85% de los recipientes mencionados son llenados en 1,64 horas.
16. a.  2 = 0.52 = 0,25 b. 0.97159
17. 4/15
18. 0,25
19. a. k = 3 4 b. 0.50225 c. 31,02
20. 0,625
21. Dado que el vendedor A tiene menor coeficiente de variación, a él le corresponde
recibir el premio de incentivo.
22. a. 0,09 b. n  2303

49
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOSPRÁCTICOS Nº7
UNIDAD V
Suma de variables aleatorias

Resultado de Aprendizaje #3 (RA3):

Analiza e interpreta la distribución de datos para la resolución de problemas reales o simulados
de la ingeniería, mediante la identificación del experimento aleatorio asociado a la variable
estadística discreta o continua del problema y la caracterización de su modelo probabilístico
respectivo, aplicando sus propiedades y sus características numéricas.

1. Al sumar números, un computador aproxima cada número al entero más próximo.

Supongamos que todos los errores de aproximación son independientes y distribuidos
uniformemente en el intervalo (-0,5 ; 0,5). Si se suman 1500 números ¿Cuál es la
probabilidad de que la magnitud del error total exceda 15?

2. Un proceso de fabricación produce lavadoras de las cuales alrededor del 5% son

defectuosos. Si se inspeccionan 100 lavadoras, ¿Cuál es la probabilidad de que menos de 4
sean defectuosas?

3. Tornillos de hierro de 1/2 pulgada fabricados por cierta empresa ocasionalmente no tiene
ranura. Esto ocurre al azar y la probabilidad de este suceso y de que se escape a la
inspección es 0,02. En una remesa de 2500 de tales tornillos, ¿Cuál es la probabilidad de
que:
a. 64 ó más carezcan de ranura.
b. 36 ó menos.
c. Entre 36 y 64 inclusive?

4. Se hacen 10800 extracciones de un mazo de 40 cartas y se considera éxito obtener oros.

¿Cuál es la probabilidad de obtener:
a. Más de 2600 éxitos.
b. Menos de 2825 éxitos.

5. Supongamos que se tiene un cierto número de voltajes Vi i = 1,2,3,……n. que se reciben en

lo que se llama un sumador. Sea V la suma de voltajes recibidos. Cada una de las variables
aleatorias Vi está distribuida uniformemente en el intervalo [0,10]. Calcular P(V > 105) para n
= 20. (que es la probabilidad de que el voltaje total sobrepase los 105 volts).

6. El 30 % de los neumáticos utilizados por una empresa de transporte ha demostrado durar

menos de 100.000 km. Se han adquirido 200 neumáticos y se quiere saber cuál es la
probabilidad de que duren menos de 100.000 km:
a. Entre 65 y 75 neumáticos.
b. Menos de 60 neumáticos.

7. El consumo diario de nafta de un colectivo es una variable aleatoria N(100,100). El litro de

nafta se abona a razón de u$s 0,5. El chofer pasa la factura al propietario en períodos de 30
días para su cobro. Si en dos períodos consecutivos ha presentado una cuenta superior a los
u$s 1582. ¿Es para sospechar de la honradez del conductor?

8. @Una compañía de electrónica fabrica resistores que tienen una resistencia promedio de 100
 y una desviación estándar de 10  . Encuentre la probabilidad de que al tomar una
muestra de n = 25 resistores, la resistencia promedio de éstos sea menor que 95  .

9. Se sabe que el peso de ciertos bombones es una variable aleatoria con distribución uniforme
entre 10 y 12 gramos. ¿Cuál será la probabilidad aproximada de que una caja con 24 bombones
pese más de 320 gramos; si el peso de la caja es una variable aleatoria normal de valor medio 50
grs y dispersión 5 grs?

50
UNMDP. Facultad de Ingeniería Estadística Básica
10. @La demanda de agua por habitante en una determinada población tiene una cierta distribución
cuyo valor medio es 0,4 m3 /día y cuya dispersión es 0,09 m3 /día. La disponibilidad de agua para
el consumo, almacenada diariamente en una represa, tiene una distribución normal de media
4500 m3 y dispersión igual a 450 m3 Si el sistema de provisión de agua ha sido diseñado para
10000 habitantes. ¿Cuál es la probabilidad de que la demanda no sea satisfecha un día
cualquiera?

RESPUESTAS

1. 0,1802

2. 0,2451

3. a) 0,0268 b) 0,0268 c) 0,9616

4. a) 0,9864 b) 0,9972

5. 0,352

6. a) 0,1852 b) 0,4681

7. Se puede sospechar de la honradez del conductor.

8. 0,0062

9. 0,1492

10. 0,134

51
UNMDP. Facultad de Ingeniería Estadística Básica

GUÍA DE TRABAJOS PRÁCTICOS Nº8

UNIDAD Nº VI
Control de calidad de procesos

Resultado de Aprendizaje #4 (RA4):

Utiliza herramientas estadísticas básicas para el análisis del control de calidad de procesos
mediante Gráficos de Control, Diagramas Causa-Efecto, Histogramas, Diagramas de Paretto
y Diagramas de Dispersión.

1. El administrador de servicios de una agencia grande de automóviles desea estudiar la

cantidad de tiempo requerido para efectuar un tipo particular de reparación en su taller
mecánico. Cada día se seleccionó un subgrupo de diez automóviles que necesitaban ese tipo
de reparación durante un período de cuatro semanas. Los resultados (tiempo de servicio en
horas) se registraron en la tabla siguiente:

Día Promedio de Alcance de Día Promedio de Alcance de

subgrupo xi subgrupo Ri subgrupo xi subgrupo Ri
1 3,73 5,23 11 3,64 5,37
2 3,16 4,82 12 3,27 4,42
3 3,56 4,98 13 3,16 4,85
4 3,01 4,28 14 3,39 4,44
5 3,87 5,74 15 3,85 5,06
6 3,9 5,42 16 3,9 4,99
7 3,54 4,08 17 3,72 4,67
8 3,32 4,55 18 3,51 4,37
9 3,29 4,48 19 3,34 4,53
10 3,83 5,09 20 3,99 5,28

Construya los diagramas de control adecuados y determine si el proceso de tiempo de

servicio se encuentra en un estado de control estadístico.

2. Se selecciona un subgrupo de 25 pelotas de una máquina que fabrica pelotas de sofball

durante el proceso de producción. La circunferencia (en pulgadas) de las pelotas se registran
a continuación (de izquierda a derecha):

11.965 11.983 12.058 12.080 12.080

11.985 11.981 11.927 11.969 12.017
11.955 12.012 12.019 12.035 11.983
11.959 12.031 11.969 11.998 11.996
12.008 11.975 11.972 11.989 12.052

a) Construya un diagrama de control para la circunferencia (en pulgadas) de las pelotas.

b) ¿Está la circunferencia de las pelotas bajo control?

52
UNMDP. Facultad de Ingeniería Estadística Básica
3. Una empresa fabricante de ropa deportiva ha establecido una producción automática de una
línea de suéteres. Veinte muestras de tamaño 50 son tomadas aleatoriamente durante la
primera semana de producción para establecer límites de control para el proceso. Los
defectuosos permanecen en el embarque, pero tienen menos valor, porque se pueden vender
como de “segunda”. Los defectuosos detectados en las veinte muestras son los siguientes:

Muestra Número de Porcentaje de Muestra Número de Porcentaje de

número defectuosos defectuosos número defectuosos defectuosos
1 2 0,04 11 0 0,00
2 3 0,06 12 1 0,02
3 4 0,08 13 2 0,04
4 1 0,02 14 1 0,02
5 0 0,00 15 0 0,00
6 2 0,04 16 3 0,06
7 4 0,08 17 7 0,14
8 1 0,02 18 2 0,04
9 1 0,02 19 1 0,02
10 3 0,06 20 2 0,04

a) Calcule los límites del control del proceso.

b) Construya el diagrama.
c) ¿Está bajo control este proceso?

4. Una embotelladora de bebidas gaseosas tiene registros diarios de la presencia de las latas
defectuosas que salen de la máquina de llenado y sellado. Se registran los no cumplimientos
con lo especificado, tales como una cantidad inadecuada de contenido, latas con muecas y
latas que no están adecuadamente selladas. Los datos correspondientes a la producción de
un mes (con semanas de 5 días laborables) se presentan a continuación:

Día Número de Número de Día Número de Número de

latas llenadas latas latas llenadas latas
defectuosas defectuosas
1 5403 47 12 5314 70
2 4852 51 13 5097 64
3 4908 43 14 4932 59
4 4756 37 15 5023 75
5 4901 78 16 5117 71
6 4892 66 17 5099 68
7 5354 51 18 5345 78
8 5321 66 19 5456 88
9 5045 61 20 5554 83
10 5113 72 21 5421 82
11 5247 63 22 5555 87

Construye un diagrama de la porción de latas no aceptadas de la producción mensual. ¿El

proceso muestra alguna señal de que está fuera de control?

5. El sistema de tránsito de una ciudad utiliza el número de quejas recibidas por escrito por día
como una medida de la calidad de su servicio. En 10 días el número de quejas recibido es el
que se muestra en la tabla que sigue:

Día
(muestra 1 2 3 4 5 6 7 8 9 10 total
número)
Número
de 4 8 2 0 6 4 3 9 0 10 46
quejas/día

Calcule los límites de control, realice el diagrama y responda: ¿El proceso está bajo control?
53
UNMDP. Facultad de Ingeniería Estadística Básica

6. Los resultados de la inspección de 20 lotes de un producto se presentan en la tabla siguiente.

Realice la gráfica de control e indique si el proceso está bajo control.

Muestra ni Total de Muestra i ni Total de

i defectos defectos
1 9 17 11 14 25
2 12 14 12 6 5
3 7 6 13 7 8
4 15 23 14 9 11
5 7 5 15 12 18
6 7 7 16 11 13
7 9 10 17 14 22
8 11 19 18 6 6
9 16 29 19 14 23
10 15 18 20 13 22

RESPUESTAS

1. R = 4,8325 LCL = 1.0786 UCL = 8.5864

X = 3.549 LCL = 2.06 UCL = 5.038

Si bien los puntos están dentro de los límites de control, la mayor parte se alínean dentro de
1.5 . Es necesario cambiar la forma de subagrupamientos.

2. X = 11.9998 Rm = 0,03648 LCL = 11.903 UCL = 12.097

Dos de tres puntos aparecen fuera de la línea 2 .

3. np = 2.000 LCL = 0.000 UCL = 6.1569

El proceso está fuera de control.

4. p =0.01288 LCL = 0.00823 UCL = 0.01753

Uno de los puntos está fuera de los límites de control.

5. C = 4.6 LCL = 0.000 UCL = 11.02

El proceso está bajo control.

6. U = 1.329 LCL = 0.271 UCL = 2.386

El proceso no está bajo control.

54
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOSPRÁCTICOS Nº9
UNIDAD VII
Estimación de parámetros

Resultado de Aprendizaje #5 (RA5):

Resuelve problemas de la ingeniería relativos a la inferencia a partir de la información obtenida de
la muestra, del tamaño de la misma, de la confiabilidad pretendida, diferenciando en los casos
necesarios si la varianza poblacional es o no es conocida, utilizando aplicaciones informáticas y
las distribuciones muestrales respectivas de cada estadístico para la estimación de parámetros y
la aplicación de pruebas de hipótesis.

1. En un sistema están conectados 50 dispositivos. La probabilidad de que en el tiempo T un

dispositivo cualquiera falle, es 0,1. Utilizando la desigualdad de Tchebycheff, estime la
probabilidad de que la diferencia en valor absoluto entre el número de dispositivos que fallan y el
promedio de los que fallan, resulte: a) Menor que 5 b) Mayor que 5

2. Se desea estimar la probabilidad de ocurrencia de cierto suceso a partir de la frecuencia relativa

de ocurrencia medida al realizar n repeticiones del experimento en que puede ocurrir el suceso de
interés, sabiendo que la proporción muestral es 0.5. Se pone como condición que la probabilidad
de que el error no supere el valor 0,05, sea mayor que 0,97. ¿Cuántas pruebas deben realizarse
como mínimo?

3. Supongamos que el número de piezas defectuosas de una máquina es una variable aleatoria con
un promedio de 50 piezas defectuosas y varianza igual a 25, ¿qué se puede decir acerca de la
probabilidad de que el número de piezas defectuosas difiera en más de 10 unidades del
promedio?

4. Sea X una variable aleatoria cuya función de probabilidad está dada por:
X 0 1 2 3 4
P(X=k) 0,05 0,2 0,4 0,25 0,1

a) ¿Cuál es la probabilidad que se asocia con valores de x que se diferencian de la media hasta
2 ?
b) Determinar una cota para dicha probabilidad.

5. Para una muestra de 5 medidas del diámetro de una esfera se registraron los siguientes valores
expresados en pulgadas: 6,33; 6,37; 6,36; 6,32; 6,37. Determinar un estimador insesgado y
eficiente o de varianza mínima de:
a. La media poblacional.
b. La varianza poblacional.

6. Sea x1 , x2 , x3 una muestra aleatoria de una población X, con distribución exponencial de

parámetro  ,  > 0. Considere tres estimadores de la media poblacional de X:
x1 + x2
ˆ1 = x ; ˆ2 = x1 y ˆ3 =
2
a. Demostrar que los tres estimadores son insesgados.
b. ¿Cuál de los tres estimadores tiene menor varianza? Justificar.

7. La lectura de un voltímetro conectado a un circuito de prueba tiene una distribución uniforme en el

intervalo (  ;  +1) en donde  es el verdadero pero desconocido voltaje del circuito. Suponga que
x1 , x2 , x3 ....xn es una muestra aleatoria de tales lecturas.
a. Demostrar que x es un estimador sesgado de  .
b. Calcular su sesgo. (Recordar que el sesgo es la diferencia entre la esperanza del estimador y su
parámetro).
c. Utilizando el resultado anterior, determinar un estimador insesgado para  .

55
 UNMDP. Facultad de Ingeniería Estadística Básica
8. Marcar con una X su respuesta.

El peso promedio de alumnas de primer año universitario es 52 kg con desviación estándar 12 kg. Se
toma una muestra aleatoria de 36 alumnas de ingreso a la UNMDP. Si la probabilidad de que la
media de la muestra esté comprendida entre a y b es 0,68 podemos decir que:

I. a= 40 y b= 64 kg. ___
II. a= 50 y b=54 kg ___
III. a= 48 y b= 56 kg ___
IV. a= 51 y b =53 kg ___

9. Se toman tres muestras aleatorias de tamaños n1 = 10, n2 = 8 y n3 = 6 de una población con

media  y varianza  2 . Sean S12 , S 22 y S32 las varianzas de muestra. Demostrar que
l0S12 + 8S22 + 6S32
es un estimador insesgado de  2.
24

10. Un inspector de pesos y medidas visita una planta de empacado para verificar que el peso
neto de las cajas sea el indicado en éstas. Considere la variable aleatoria peso neto de las cajas
que tiene una distribución normal. El gerente de la planta asegura al inspector que el peso
promedio de cada caja es de 750 g con una desviación estándar de 5 g. El inspector selecciona,
al azar, 100 cajas y encuentra que el peso promedio es de 748 g.

a. Bajo estas condiciones, ¿qué tan probable es tener un peso medio de 748 gramos o menos?
¿Qué actitud debe tomar el inspector?
b. ¿Cuál es la probabilidad de que la diferencia entre la media de la muestra y la media verdadera
no exceda de 1 gramo?
c. Calcular la probabilidad de que el peso de una caja, seleccionada al azar de un lote, supere los
754 gramos.
d. Si el inspector selecciona, al azar, 81 cajas, encuentre la probabilidad de que la varianza muestral
sea mayor que 31,84 gr2.

11. Una muestra de una gran partida de cierta componente electrónica contiene 100 unidades. La
duración media de funcionamiento de la componente de la muestra es de 1000 hs. Hallar el
intervalo de confianza del 95 % para la duración media de funcionamiento de la componente de
toda la partida, si se sabe que la dispersión poblacional es de 40 hs. (El tiempo se distribuye en
forma aproximadamente normal).

12. Un fabricante produce anillos de pistón para un motor de automóvil. Se sabe que el diámetro
de los anillos se distribuye aproximadamente normal y con una desviación estándar  = 0,001
mm.
Una muestra aleatoria de 15 anillos tiene un diámetro medio de 74,036 mm. Construir un intervalo de
confianza del 99% para el diámetro medio de los anillos de pistón.

13. Se realizan 5 mediciones de la distancia desde el cañón hasta al blanco, mediante un

aparato, con igual precisión, obteniendo una desviación estándar de 40 m. La variable se
distribuye aproximadamente normal. Hallar el intervalo de confianza para estimar la distancia real
hasta el blanco, con un coeficiente de confianza del 95 %, sabiendo que la media muestral de los
resultados de las mediciones es de 2000 m.

14. Una máquina de bebidas preparadas se ajusta para que agregue cierta cantidad de jarabe en
una cámara donde éste se mezcla con agua carbonatada. Se encuentra que una muestra
aleatoria de 20 bebidas tiene un contenido medio de jarabe de 1,1 onzas líquidas y una
desviación estándar de 0,025 onzas líquidas. Obtener un intervalo de confianza del 90% respecto
a la cantidad media de jarabe mezclado en cada bebida.

56
UNMDP. Facultad de Ingeniería Estadística Básica
15. Por los datos de 9 mediciones independientes de igual precisión de una cierta variable física,
que se distribuye normalmente, se ha hallado la media y la dispersión muestrales: x = 30,1 y S =
6. Estime el valor medio real de la variable aleatoria que se mide mediante un intervalo de
confianza del 99 %.

16. Un ingeniero industrial está interesado en estimar el tiempo medio requerido para ensamblar
una tarjeta de circuito impreso. ¿Qué tan grande debe ser la muestra si el ingeniero desea tener
una confianza del 95 % de que el error en la estimación de la media sea menor que 0,25 minutos?
La desviación estándar del tiempo de ensamble es 0,45 minutos.

17. Hallar el volumen mínimo de la muestra, para el cual, con un coeficiente de confianza del
97,5% la precisión de la estimación de la media poblacional según la media muestral es 0,3. Se
sabe que población se distribuye normalmente y la dispersión es 1,2.

18. Si se quiere determinar las aptitudes mecánicas medias de un gran grupo de trabajadores
¿Cuál ha de ser el tamaño de una muestra de los mismos para asegurar con una probabilidad de
0,95 que la media muestral esté dentro de una distancia de 2 puntos de la media real?
Supóngase conocida  =16, determinada de experiencias anteriores y que la variable se
distribuye normalmente.

19. Si 50 medidas del peso específico del aluminio tienen una media de 2,686 y una dispersión
de 0,042. Construir un intervalo de confianza al nivel del 99 % para la dispersión verdadera de
tales medidas.

20. Se realizaron 10 mediciones de cierta magnitud física con un solo aparato, obteniéndose los
siguientes resultados: 1 ; 1,2 ; 1,3 ; 0,8 ; 0,9 ; 1 ; 1,1 ; 0,9 ; 1,3 ; 1,2 . Determinar el
intervalo de confianza que cubre la dispersión con un coeficiente de confianza del 99 %.

21. Una muestra de 100 votantes al azar indicó que 55 de ellos estaba a favor de un candidato.
Obtener un intervalo de confianza del 95 % para la proporción de votantes que en el total de la
población votan por este candidato.

22. De un proceso productivo de una pieza seriada se tomó una muestra de 300 unidades en la
que se encontraron 18 defectuosas.
a. Calcular los límites de confianza del 90 % para el porcentaje defectuoso del proceso.
b. Calcular el tamaño de muestra adicional para tener un intervalo del mismo nivel de confianza pero
de semiamplitud 0,01.
c. Con la muestra dada de 300 unidades, calcule el porcentaje defectuoso máximo del proceso con
90 % de confianza (o sea un porcentaje tal que la probabilidad de que el verdadero porcentaje
defectuoso lo exceda, sea 0,1).

57
UNMDP. Facultad de Ingeniería Estadística Básica

RESPUESTAS
1. p>0.82 b) p<0.18

2. n>3333

3. 1/4

4. a) 0.95 b) 0.75

5. a) 6,35 b) 0,00055

( )
6. a) Demostración b) V 1 = 1
3 2 ( )
, V 2 = 1
2 ( )
, V 3 = 1
2 2

7. a) Demostración b) 1 c)
2
8. ii
9. Demostración
10. a)  0 b) 0.9544 c) 0.2119 d) 0.05

11. 992,16    1007,84

12. 74,0353    74,0366

13. 1950,34    2049,66

14. 1,0903    1,1092

15. 23,39    36,81

16. 13
17. 81
18. 246
19. 0,032863    0,0554977

20. 0,1095445    0,4024922

21. 0,452  p  0,648

22. a) 0,037  p  0.083 b) 1526 c) 0,0776 (7,76 %)

58
UNMDP. Facultad de Ingeniería Estadística Básica
GUÍA DE TRABAJOSPRÁCTICOS Nº10
UNIDAD VIII
Pruebas de hipótesis

Resultado de Aprendizaje #5 (RA5):

Resuelve problemas de la ingeniería relativos a la inferencia a partir de la información obtenida
de la muestra, del tamaño de la misma, de la confiabilidad pretendida, diferenciando en los casos
necesarios si la varianza poblacional es o no es conocida, utilizando aplicaciones informáticas y
las distribuciones muestrales respectivas de cada estadístico para la estimación de parámetros y
la aplicación de pruebas de hipótesis.

1. Una muestra aleatoria formada por las botas usadas por 50 soldados en una región desértica
muestra una vida promedio de 1,24 años, con una dispersión de 0,55 años. En condiciones
normales se sabe que esas botas tienen una vida promedio de 1,4 años. ¿Hay alguna razón para
asegurar, con un nivel de significación de 0,05 que el uso de esas botas en el desierto causa la
disminución en la vida promedio?

2. Los sistemas de escape de emergencia para tripulaciones de aeronaves son impulsados por un
combustible sólido. Una de las características importantes de este producto, es la rapidez de
combustión. Las especificaciones requieren que la rapidez promedio de combustión sea 50 cm/s.
Se sabe que desviación estándar de esta rapidez es  = 2 cm/s. El experimentador decide
especificar una probabilidad para el error tipo I o nivel de significación, de 0,05. Selecciona una
muestra aleatoria de tamaño 25 y obtiene una rapidez promedio de combustión x = 51,3 cm/s.
¿Existe alguna evidencia de que la rapidez promedio de combustión es la requerida?

3. Un test de funcionamiento de 5 modelos de un motor experimental mostró que funcionaron,

respectivamente, 20 ; 19 ; 22 ; 17 y 18 minutos con un galón de cierta clase de combustible. ¿Es
esto evidencia suficiente, con un nivel de significación de 0,01, de que los modelos no están
funcionando con el promedio normal deseado de 22 minutos por galón?

4. Un fabricante produce una aleación especial de acero con una resistencia a la rotura promedio
de 25,8 psi. Se dice que un cambio en la composición de la aleación aumenta la resistencia. Se
sabe que la dispersión general es 0,3 psi y no se espera que el cambio en la composición cambie
ese valor. Se desea probar con un nivel de significación del 1%, que la resistencia promedio no
está afectada por el cambio en la composición del material. Para esto, se toma una muestra de
19 observaciones y se encuentra una x = 26,1 psi.

5. Según programación, cierta operación debe ejecutarse en 6,4 minutos. Se realiza un estudio para
determinar si un cierto trabajador opera de acuerdo a la norma, es decir, se desea establecer,
con un nivel de significación del 1%, si desviaciones de la norma pueden considerarse como
fluctuaciones aleatorias o si indican que la ejecución lograda se desvía sistemáticamente por
encima o por debajo. Se toma una muestra de 15 tiempos de operación obteniéndose los
siguientes datos: x = 6,873 minutos y S = 0,4008 minutos.

6. Un productor afirma que las longitudes de las partes que él elabora, tienen una desviación
estándar que no excede 0,05 pulg. Usted mide una muestra de 9 partes y encuentra que su
desviación estándar es 0,1 pulg. ¿Puede usted razonablemente, rechazar la afirmación del
productor a un nivel de significación del 5%?

7. Supongamos que una lámina de silicio se va a cortar en pequeños cuadrados o dados,

empleados en la construcción de aparatos semiconductores. Como ciertas características del
aparato terminado dependerán del espesor de los dados, es importante que todos los dados
cortados de una lámina tengan aproximadamente el mismo espesor. Se toma una muestra de 15
dados cortados de una lámina de silicio y se observa que S = 0,64 mils. Si el proceso para dar el
espesor adecuado a las láminas sólo es aceptable si  es a lo sumo 0,5 mils, ¿Es satisfactorio
este proceso? (Utilice  = 0,05)

59
UNMDP. Facultad de Ingeniería Estadística Básica
8. Los datos de experiencias anteriores indican que la varianza de las medidas hechas en
estampados de láminas de metal por un grupo experimentado de inspectores de control de
calidad es 0,16 pulgadas². Tales medidas hechas por un inspector sin experiencia pueden tener
una varianza demasiado grande (por ejemplo, por su falta de habilidad para leer adecuadamente
los instrumentos) o demasiado pequeña, (posiblemente porque las medidas muy grandes o muy
pequeñas se hayan descartado). Si un nuevo inspector mide 100 estampados con una varianza
de 0,11 pulgadas², contrastar don un nivel de significación de 0,05 si el inspector está haciendo
medidas satisfactorias.

9. Se hace un test de eficiencia a 50 ingenieros industriales y a 60 ingenieros civiles, obteniéndose

los siguientes resultados: x = 89; y = 87. Si se sabe que  x = 7;  y = 5, verificar con un nivel
de significación del 5% si la diferencia entre las medidas se puede atribuir a la casualidad o no.

10. Los miembros de un equipo de evaluación de armas quieren evaluar los méritos comparativos de
dos tipos de proyectiles antitanques. Se disparan a una distancia máxima 10 proyectiles del tipo
A con un error medio en el blanco de 24 pies y una varianza de 16. Luego se disparan 8
proyectiles del tipo B con un error medio de 30 pies y una varianza de 25. ¿Hay una diferencia
significativa entre los errores medios respecto del blanco de los dos tipos de proyectiles, con un
nivel de significación del 1 %? Suponer que la desviación estándar de ambas poblaciones es la
misma.

11. Las capas de óxido en las obleas semiconductoras son depositadas en una mezcla de gases
para alcanzar el espesor apropiado. La variabilidad del espesor de las capas de óxido es una
característica crítica de la oblea, y lo deseable para los siguientes pasos de la fabricación es
tener una variabilidad baja. Para ello se estudian dos mezclas diferentes de gases con la
finalidad de determinar con cuál se obtienen mejores resultados en cuanto a la reducción en la
variabilidad del espesor del óxido. Veinte obleas son depositadas en cada gas. Las desviaciones
estándar de cada muestra del espesor del óxido son Sx = 1,96 angstroms y Sy = 2,13 angstroms.
¿Existe alguna evidencia que indique preferencia por alguno de los gases? Utilice  = 0,05.

12. Dos compañías de compuestos químicos pueden surtir materia prima. La concentración de un
elemento en particular en este material es importante. La concentración promedio de ambos
proveedores es la misma, pero se sospecha que la variabilidad en la concentración puede diferir
entre las dos compañías. La desviación estándar de la concentración en una muestra aleatoria
de nx = 15 lotes producidos por la compañía 1 es Sx = 2,17 g/l , mientras que para la compañía 2,
una muestra aleatoria de ny = 20 lotes proporciona una Sy = 2,41 g/l. ¿Existe evidencia suficiente
para concluir que las varianzas de las dos poblaciones son diferentes? Utilice  = 0,05.

13. Se investigan los puntos de fusión de dos aleaciones utilizadas en la fabricación de soldadura.
Para ello, se funden 20 muestras de cada material. La media muestral y la desviación estándar
de la aleación X son x = 421º F y Sx = 4º F, mientras que para la aleación Y, los resultados son
y = 426º F y Sy =3º F. ¿Los datos contenidos en la muestra apoyan la afirmación de que las dos
aleaciones tienen el mismo punto de fusión? Utilice  =0,1.

14. Un diseñador de productos está interesado en reducir el tiempo de secado de una pintura tapa poros.
Se prueban dos fórmulas de pintura, la fórmula 1 tiene el contenido químico estándar y la fórmula 2
tiene un nuevo ingrediente secante que debe reducir el tiempo de secado. De la experiencia se sabe
que la desviación estándar del tiempo de secado es 8 minutos, y esta variabilidad inherente no debe
verse afectada por la adición del nuevo ingrediente. Se pintan 10 especímenes con la fórmula 1 y
otros diez con la fórmula 2. Los dos tiempos medios de secado son x = 121 min e y = 112 min,
respectivamente. ¿A qué conclusiones puede llegar el diseñador del producto sobre la eficacia del
nuevo ingrediente, utilizando  = 0,05?

60
UNMDP. Facultad de Ingeniería Estadística Básica
15. Dos compañías fabrican un material de caucho para su uso en aplicaciones automovilísticas. La
pieza estará sujeta a un desgaste abrasivo en el campo de aplicación, así que se decide
comparar en una prueba el material producido por cada compañía. Para ello se toman 25
muestras de material provenientes de cada compañía y se someten a una prueba de abrasión,
donde se observa el desgaste después de mil ciclos. Para la compañía 1, la media y la
desviación estándar del desgaste son x = 20 mg /1000 ciclos y Sx = 6 mg/ 1000 ciclos, mientras
que para la compañía 2 se tiene que y = 15 mg/1000 ciclos y Sy 8mg/1000 ciclos. ¿Los datos
apoyan la afirmación de que ambas compañías producen material que tienen el mismo desgaste
promedio? Utilice  = 0,02.

16. Una empresa manufacturera ha declarado que el 90 % de los artículos de cierto proceso son no
defectuosos. Se implementa un proceso que se supone que aumentará el porcentaje de no
defectuosos. Una muestra de 100 artículos producidos con el nuevo proceso dio por resultado 7
artículos defectuosos. ¿Apoya esta evidencia muestral que el nuevo proceso es
significativamente mejor? Utilice  = 0,05.

17. Actualmente, en la elaboración occidental de la cerveza artesanal, el aditivo principal que se

utiliza para hacer de contrapeso al dulzor de la malta de cebada, es el lúpulo. Además, el lúpulo
hace que la espuma de la cerveza sea más estable, ayuda a conservar su frescor, causa la
estimulación del apetito que produce la cerveza y le confiere otras propiedades. Preferentemente
se utilizan tres tipos: lúpulos amargos, lúpulos aromáticos o lúpulos mixtos. Se supone que en la
provincia de Chubut, más del 90% de los productores de cerveza artesanal utiliza lúpulo
aromático. De 110 productores de la zona que se encuestaron, 103 lo utilizan. ¿Es evidencia
suficiente esta información para aceptar esta suposición como verdadera? Utilice un nivel de
significación del 5%.

61
UNMDP. Facultad de Ingeniería Estadística Básica
RESPUESTAS

1. Tobs = -2,057 tcr = -1,67  se rechaza H0  hay razón suficiente para sospechar
que el uso de botas en el desierto causa la disminución en la vida promedio.

2. Zobs = 3,25 zcr = 1,96  se rechaza H  existe una evidencia de que la

0
rapidez promedio de combustión es mayor que 50 cm/s.

3. Tobs = -2,91 tcr = 4,604  no se rechaza H0  no es evidencia suficiente.

4. Zobs = 4,359 zcrder = 2,33  se rechaza H  la resistencia promedio está

0
afectada por el cambio en la composición del material.

5. Tobs = 4,57 tcr = 2,977  se rechaza H0  la fluctuación n el tiempo no puede

considerarse aleatoria.

6.  2obs = 32  2crder = 15,507  se rechaza H0  se rechaza la afirmación del

productor.

7.  2obs = 22,9376  2crder = 23,685  no se rechaza H0  este proceso es satisfactorio.

8.  2obs = 68,0625  2crder = 129,56  2izq = 74,22  se rechaza H0  no está

haciendo medidas satisfactorias.

9. Zobs = 1,6923 zcr = 1,96  no se rechaza H  la diferencia entre las medias no

0
es significativa, se puede atribuir a la casualidad.

10. Tobs = -2,833 tcr = 2,921  no se rechaza H0  no hay diferencia significativa

entre los errores medios.

11. Fobs = 1,18 Fc = F(0,05, 20,19) =2,16 ó F(0,05, 15,19) =2,23 (según aproximación en tabla)
 Fobs < Fc . No existe evidencia muestral para rechazar Ho.

12. Fobs = 1,23 fcrder = 2,62 fcrizq = 0,352  no se rechaza H0  no existe

evidencia suficiente para concluir que las varianzas de las dos poblaciones son diferentes.

13. Tobs = -4,47 tcr = 1,684  se rechaza H0  las dos aleaciones no tienen el
mismo punto de fusión.

14. Zobs = 2,52 zcr = 1,64  se rechaza H  la adición del nuevo ingrediente a la
0
pintura disminuye de manera significativa el tiempo de secado.

15. Tobs = 2,49 tcr = 2,42  se rechaza H0  ambas compañías no producen

material que tiene el mismo desgaste promedio.

62
UNMDP. Facultad de Ingeniería Estadística Básica
16. La evidencia muestral no apoya que el nuevo proceso sea significativamente mejor que el
anterior, es decir, no se rechaza H0 . La proporción muestral ( Pobs = 0,93) resulta inferior al
valor crítico Pcr = 0,949.

17.

 H 0 : p = 0.9


 H : p  0.9
 1
103
− 0.9
z obs = 110  1.27 z c = z 0.95 = 1.65  no rechazo H 0
0.9 x01
110

Conclusión, la información proporcionada por la muestra no es evidencia suficiente para aceptar que
la proporción de productores de cerveza en la provincia de Chubut que utiliza lúpulo aromático es
más del 90%.

63
UNMDP. Facultad de Ingeniería Estadística Básica
EJERCICIOS PROPUESTOS DE INTEGRACIÓN

1. Se ha determinado que el 70% de las personas que ingresan a un centro comercial

realizan por lo menos una compra. Para una muestra de 50 personas, ¿cuál es la
probabilidad de que al menos 40 de ellas realicen por lo menos una compra?.

2. La temperatura promedio de una solución en un proceso químico está regulada, pero la

presencia de disturbios aleatorios causa fluctuaciones de la temperatura con el tiempo.
Mediante ciertas medidas se encuentra que la temperatura promedio es de 150º F con una
desviación estándar de 5º F. Hallar la probabilidad de que la desviación de la temperatura
respecto de la temperatura promedio exceda los 10º F.

3. Se analiza una marca particular de margarina dietética para determinar el nivel de ácido
graso (en porcentaje), nivel que se distribuye en forma aproximadamente normal. Se toma
una muestra de seis paquetes y se obtienen los siguientes datos: 16.8; 17.2; 17.4; 16.9;
16.5; y 17.1.
a. Encontrar un intervalo de confianza del 99% para el nivel medio de ácido graso de esta
margarina dietética.
b. ¿Cuál debe ser el tamaño de la muestra con el mismo nivel de confianza, para que el
error cometido en la estimación se encuentre dentro de los 2 centésimos, si la dispersión
poblacional es de 0.29?
c. En otro laboratorio, se afirma que la media del nivel de ácido graso para esta margarina
es de un porcentaje de 17. ¿Contradicen los datos muestrales la afirmación de este último
laboratorio? Justificar la respuesta con un nivel de significación del 1%.

4. La capacidad de litros de vino que envía el pico de llenado de una máquina para llenar
botellas de 0.7 litros, es una variable aleatoria Uniforme U 0,6;0,75 litros.
a. ¿Cuál es la probabilidad de llenar a lo sumo 340 litros en 500 botellas?
b. ¿Cuántas botellas hay que llenar si la probabilidad de llenar al menos 340 litros es 0.52?
c. Un operario que controla el llenado de 50 botellas, detiene la máquina si encuentra por lo
menos 3 botellas con menos de 0.61 litros. ¿Cuál es la probabilidad de que detenga la
máquina? Aproximar dicha probabilidad con la aproximación que corresponda.

5. En un proceso de control de calidad, la tolerancia para el peso de los recipientes es de 8

gramos. Para reunir este requisito, la desviación estándar en el peso debe ser de 2 gramos.
Los pesos de 25 recipientes seleccionados al azar dieron como resultado una desviación
estándar de 2.8 gramos. Si los pesos se encuentran normalmente distribuidos, determinar
con un nivel de significación de 2%, si la varianza de éstos es diferente del valor necesario.

6. Los ingresos diarios, en pesos, de un comerciante se distribuyen uniformemente en el

intervalo  −25,35 .
a. ¿Cuál es la probabilidad de que sus ingresos, en 4 meses, sean mayores que $900?
b. ¿Cuántos días deberá trabajar como mínimo, para que sus ingresos en esos días sean de
al menos $1000, con probabilidad 0.95?

7. Una tienda de donas se interesa en estimar su volumen de ventas diarias. Supóngase que
el valor de la desviación estándar es de $50.
a. Si el volumen de ventas se encuentra aproximado por una distribución normal, ¿cuál debe
ser el tamaño de la muestra para que con una probabilidad de 0.95 la media muestral se
encuentre a no más de $20 del verdadero volumen de ventas promedio?
b. Si no es posible suponer que la distribución es normal, obtener el tamaño necesario de la
muestra para la pregunta a.

64
UNMDP. Facultad de Ingeniería Estadística Básica

8. Un fabricante de monitores prueba dos diseños de microcircuitos para determinar si

producen un flujo de corriente equivalente. El departamento de ingeniería ha obtenido los
siguientes datos.

Diseño 1 n1 = 15 X1 = 24.2 S12 = 10

Diseño 2 n2 = 10 X 2 = 23.9 S22 = 20

Con  = 0.1 se desea determinar si existe alguna diferencia significativa en el flujo de

corriente promedio entre los dos diseños, donde se supone que las dos poblaciones son
normales, y que las varianzas  12 y  22 son iguales.

9. Un camión de reparto transporta cajas de artículos varios. Si el peso de cada caja está
distribuido de la misma forma con media 22.5 kg y desviación estándar 2.25 kg, ¿cuántas
cajas pueden ser transportadas en el camión de forma tal que la probabilidad de que la
carga total exceda una tonelada sea solo 0.01?

10. Un procedimiento analítico, rápido y sin gastos para determinar la cantidad de titanio
acaba de ser desarrollado por un químico. Para demostrar exactitud, el descubridor presentó
20 determinaciones independientes, con una media de 0.0095 ppm y una dispersión de
81x10-1 ppm. El material analizado por el nuevo procedimiento se analizó después por un
método muy exacto, pero muy tedioso, y se llegó al resultado de que el titanio del material
era exactamente 0.0093 ppm. Utilizando un nivel de significación de 0.05, decidir si hay
alguna razón para dudar de la exactitud del nuevo procedimiento.

11. Se tienen que trasladar en una cinta transportadora 20 cajas con 12 libros cada una. Se
sabe que dicha cinta no puede transportar más de 50 kilogramos. El peso de los libros es
una variable aleatoria con distribución uniforme entre 100 y 300 gramos; y el peso de las
cajas es una distribución normal con valor medio 60 gramos y dispersión 4 gramos. ¿Cuál
será la probabilidad de que el total de cajas sea transportado exitosamente?

12. Dos medicamentos A y B que sirven para reducir el tiempo de respuesta a cierto
estímulo son estudiados en un laboratorio. El investigador está inclinado en creer que los
tiempos de respuesta, son iguales.
Como parte de la evaluación de los dos medicamentos, el medicamento A se aplicó a 10
sujetos y el medicamento B se administró a 8 individuos obteniéndose los siguientes tiempos
de respuesta medidos en minutos:

A 4 4 9 6 5 6 7 8 9 7
B 2 5 6 5 8 4 3 7

Con estos resultados, ¿existe alguna evidencia que indique que los tiempos promedios son
iguales? Utilizar  = 0,1 .

13. Sea X es una variable aleatoria tal que E ( X ) = 3 y E ( X 2 ) = 13 . Determinar la cota inferior
para P ( −2  X  8) .

14. Dado los siguientes datos:

65
UNMDP. Facultad de Ingeniería Estadística Básica
X -2 -1 0 3
Y -3 -1 1 7

Estimar yˆ (2) y decidir si dicha estimación es buena, justificar dicha respuesta.

15. Dos componentes que funcionan independientemente se conectan en paralelo. El tiempo

de falla de cada uno de los componentes está distribuido exponencialmente con parámetros
0.1 y 0.2 respectivamente. ¿Cuál es la probabilidad de que el sistema funcione después de
20hs de servicio?

16. Hallar la probabilidad de que la suma de los valores de 1500 tiros de un dado supere un
puntaje de 5300.

17. La pureza de un producto químico se mide cada hora. La siguiente tabla presenta las
determinaciones de pureza de las últimas 24hs.

Observaciones Pureza Observaciones Pureza Observaciones Pureza Observaciones Pureza

1 81 7 83 13 83 19 77
2 83 8 85 14 86 20 82
3 82 9 79 15 84 21 75
4 80 10 82 16 85 22 83
5 84 11 75 17 81 23 85
6 76 12 80 18 83 24 86

a. Construya un gráfico de control para la pureza del producto químico.

b. ¿El proceso se encuentra bajo control? Justificar.

18. La desviación estándar de la dimensión del radio de una pieza estándar es

 = 0.2115 pulgadas. Se quiere mejorar el producto clásico y se está considerando un nuevo
diseño que debería disminuir la variabilidad del radio. Una muestra de 30 productos arrojó
los siguientes resultados: S2 = 0,034 pulgadas cuadradas. Para un nivel de significación de
0,01 realizar una prueba de hipótesis para decidir si se acepta o no el nuevo producto.

19. Una máquina fabrica piezas de precisión y en una caja de 200 piezas, recibida por un
cliente han aparecido 193 piezas no defectuosas, al 99% ¿entre qué valores se puede
esperar que esté la verdadera proporción de piezas defectuosas fabricadas por la máquina?

20. Se sabe que la probabilidad de que un habitante de la ciudad de Mar del Plata y la zona
opte por una determinada compañía que realiza la VTV (Verificación Técnica Vehicular) es
de 0,5. Tomando un grupo de 400 potenciales interesados en realizar la VTV, esta compañía
entrega turnos a cualquiera que se lo solicite mientras que la capacidad de atención es de
230 vehículos por día. Determinar:
a. La probabilidad de que la compañía tenga sobre-turnos.
b. Si existen 10 compañías que realizan la VTV y cuyas condiciones son similares a la
anterior, ¿cuál será la probabilidad de que al menos dos de ellas tengan sobre-turnos?

66
UNMDP. Facultad de Ingeniería Estadística Básica
21. Según cada enunciado indicar qué tipo de gráfico de control es el adecuado aplicar para
decidir si el proceso está dentro o fuera de control. Justificar cada respuesta.

a. En un proceso de producción de un sustrato cerámico se tienen 20 muestras, cada una de

tamaño 100, donde se observa el número de piezas defectuosas en cada muestra.

b. Se inspeccionan unidades de disco para encontrar defectos en ella durante 21 días y

cada día se inspeccionan 200 unidades.

c. Se muestran 20 observaciones de concentración en la salida de un proceso químico. Las

observaciones se toman a intervalos de una hora. Si se toman varias observaciones al
mismo tiempo, la lectura de concentración observada será diferente debido solo al error de
medición. Puesto que éste es pequeño solo se toma una observación cada hora.

d. Se observa el número de defectos por cada 100 pies de alambre con revestimiento.

RESPUESTAS
1. 0,0823
2. 0,25
3. a. 16,458    17,508 b. n 1389
c. Tobs = -0,131 (Tci;Tcd )=( -4,032 ; 4,032) No se rechaza H0.
Existe evidencia suficiente para aceptar la afirmación del laboratorio.
4. a. 0,9951 b. n 504 c. 0,6844
5. izq = 10.85 der = 42.98 obs = 47.04 No se rechaza H0.
2 2 2

La varianza de los pesos es diferente del valor necesario.

6. a. 0,05705 b. 135
7. a. n 25 b. n 125
8. Tobs = 0.197 Tizq = −1.714 Tder = 1.714 No se rechaza H0.
No hay diferencia significativa en el flujo de corriente promedio entre los dos diseños.
9. n 43
10. Tobs = 0,00011 TCrti = 1.729 No se rechaza Ho.
No existe evidencia para dudar de la exactitud del nuevo procedimiento.
11. 0.8133
12. Tobs = 1.654 TCrtiDer = 1.746 TCrtiIzq = −1.746 No se rechaza Ho.
Hay evidencia suficiente para suponer que los tiempos promedios son iguales.
13. 0,84
14. yˆ ( 2 ) = 5 Como r = 1 las variables están fuertemente correlacionadas, con
dependencia directa.
15.
16. 0,33
17.
18. obs
2
= 22.04 crit
2
= 14.256 Existe evidencia suficiente para no aceptar el nuevo
producto.
19. ( 0,035-2,575  0,013;0,035+2,575  0,013) = ( 0,002;0,068)
20. a. 0.00114 b. 0.0000581
21.

67
Página 1 - Tablas

3DUiPHWURD (VWLPDFLyQSXQWXDO\ (VWDGtVWLFRDFRQVLGHUDU\ ([WUHPRVGHOLQWHUYDOR

HVWLPDUR VXGLVWULEXFLyQ GLVWULEXFLyQSDUDORVWHVWGH
SDUD PXHVWUDO +LSyWHVLVHLQWHUYDORVGH
SODQWHDU FRQILDQ]D
+LSyWHVLV
•σHVFRQRFLGD 
x=
¦x i
 x −µ σ
n z= ∼ N (0,1) x ± Zα 2

σ n n
•σHVFRQRFLGD
 
§ σ2 · •σHVGHVFRQRFLGD 
x ∼ N ¨ µ, ¸ 
µ © n ¹ x −µ s
T= ∼7 Q JUDGRVGH x ± t (α , n −1)

•σHVGHVFRQRFLGD s n 2 n

OLEHUWDG
§ S2 · 
x ∼ T ¨ µ , ¸ Q < 30 
© n ¹
2
• σ i FRQRFLGDV σ 12 σ 22
x1 − x 2 ± Z α 2 . + 
x1 − x 2 − (µ 1 − µ 2 ) n1 n2
z= ≈ N (0,1) 
σ 12 σ 22 
+ 
n1 n2 
2
• σ FRQRFLGDV
i
 
2
• σ i GHVFRQRFLGDVSHURLJXDOHV 
x1 - x 2 ∼

µµ
§ x − x 2 − (µ 1 − µ 2 )
¨ σ 12 σ 22 ·¸ T = 1 GRQGH 1 1
N µ1 −µ 2 , +  1 1 x1 − x 2 ± t (α 2, n1 + n2 − 2 ) .Sp + 
¨ n1 n 2 ¸¹ Sp + n1 n 2
© n1 n 2
(n1 − 1)s12 + (n 2 − 1)s 22
Sp 2 = 
n1 + n 2 − 2
7∼ Tn1 +n2 − 2 JUDGRVGHOLEHUWDG

6LQ→’\SHVGHVFRQRFLGD
x pˆ − p
pˆ =  z= ∼ N(0,1) pˆ (1 − pˆ )
n p (1 − p ) pˆ ± zα 2 
S n
§ pˆ (1 − pˆ ) · n
p̂ ∼ N ¨ p, ¸
© n ¹ 

¦ (x
2
σ
2 i − x)
 s =
n −1
 (n − 1)s 2 ∼ χ 2 (n − 1)s 2 <σ 2 <
(n − 1)s 2 
 ( n − 1) S 2 2 χ = 2
( n −1) 
 σ2 ∼ χ ( n −1)  σ2 χ α2 2 χ 12−α 2

 
S 21
 F = ∼)LVKHUFRQQ 1 JUDGRVGHOLEHUWDGHQHOQXPHUDGRU\
S 22
Q 2 JUDGRVGHOLEHUWDGHQHOGHQRPLQDGRU
σ 21 σ 2 2  
1
F(1−α /2;n1 −1;n2 −1) = 
F(α /2;n2 −1;n1 −1)


Página 1 - Tablas
Página 2 - Tablas

Página 1 - Tablas
Página 3 - Tablas
Página 4 - Tablas
Página 5 - Tablas
Página 6 - Tablas
Página 7 - Tablas
Página 8 - Tablas
Página 9 - Tablas
Página 10 - Tablas
Página 11 - Tablas
Página 12 - Tablas
Tabla: Factores para los diagramas de control de calidad

Página 13 - Tablas