Ex 99 00

UNED. ELCHE. e-mail: imozas@elx.uned.
es
TUTORA DE ESTADSTICA EMPRESARIAL (2 A.D.E.) http://telefonica.net/web/imm/
Exmenes 1999 y 2000

1/10
EXMENES RESUELTOS DE LOS CURSOS 98-99 Y 99-00
JUNIO. 1999

PRIMERA PARTE: CUESTIONES TERICO-CONCEPTUALES

1. La estimacin de un parmetro a partir de una muestra se puede comparar al tiro al
blanco con fusil. En este paralelismo:
El centro de la diana representa el verdadero valor del parmetro
Cada disparo representa una estimacin (muestra) concreta
El fusil es el estimador (es decir, la frmula de estimacin)
En el planteamiento de este smil Cuando diremos que el fusil ser eficiente?
Debe ser en primer lugar insesgado, es decir, el valor esperado debe ser el centro de la
diana ( es decir, cuando se apunte al centro se espera que d en el centro) y adems la varianza
del estimador debe ser la mnima, es decir, el fusil no tiene que tener ninguna desviacin.

2. Guarda alguna relacin el concepto de Estimador Eficiente y la Cota de Cramer-
Rao?
La cota de Cramer-Rao proporciona un lmite inferior para la varianza del estimador.
Si un estimador es eficiente, su varianza es la mnima y coincide con la cota de Cramer-Rao

3. Si tenemos tres distribuciones normales: X
1
N(5, 2); X
2
N(3, 1); X
3
N(2, 5);
Cmo se distribuye la variable aleatoria U = X
1
+ X
2
X
3
? Representar grficamente la
funcin de densidad de la variable U.
U se distribuye N(0,
30
). Grfica:

4. Est de acuerdo en que la caracterstica esencial de un Contraste no Paramtrico est
en no requerir el conocimiento de la distribucin de la poblacin de partida? Seale los
Contrastes No Paramtricos ms significativos y que objetivos persiguen
Efectivamente, en los contrastes no paramtricos no se requiere conocer la distribucin de la
poblacin (y por tanto los estadsticos que se utilizan deben tener distribucin independiente de
la distribucin de la poblacin).
Los contrastes no paramtricos ms significativos son: 1) de aleatoriedad, sobre la
aleatoriedad de las muestras; 2) de localizacin, sobre medidas de posicin (cuantiles); 3) de
comparacin de poblaciones, sobre las distribuciones poblacionales.

SEGUNDA PARTE: PROBLEMAS

1. Suponiendo que la cotizacin de cierre diaria de las acciones del Banco Santander
Central Hispano tiene una distribucin uniforme entre los 20 y 21 Euros, se pide:
a) Cul es la probabilidad de que un da la cotizacin de cierre supere los 20,90 Euros?
b) Cul es el porcentaje de das que presentaron una cotizacin de cierre entre 20,40 y 20,60
Euros?
0
0.05
0.1
-20 -10 10 20
x

UNED. ELCHE. e-mail: imozas@elx.uned.es
Exmenes 1999 y 2000

2/10
c) Si sumramos dos distribuciones uniformes U (20;21) y U (22;24) que fuesen
independientes, demuestre si la distribucin resultante presenta o no carcter de distribucin
uniforme
d) Entre los das en los que la cotizacin de cierre ha sido superior a los 20,50 Euros Cual es
el porcentaje de los mismos en que la cotizacin ha oscilado entre 20,80 y 20,90 Euros?
a) P[X > 20,9] = 0,1; b) P[20,4 < X < 20,6] = 0,2 el 20%; c) si X e Y son uniformes (20;
21) y (22; 24) respectivamente, la funcin generatriz de X+Y sera
t 2
e e
t
e e
) t ( g
t 22 t 24 t 20 t 21
Y X

=
+ ,
que no corresponde a la funcin generatriz de una variable aleatoria uniforme.;
d) P[20,8 < X < 20,9/ X> 20,5] =
| |
| |
2 , 0
5 , 0
1 , 0
5 , 20 X P
9 , 20 X 8 , 20 P
= =
>
< <
el 20%;

2. Se desea investigar la demanda de un cierto producto. Para ello se consulta a 30
personas, preguntndoles el nmero de veces que efectan la adquisicin de dicho producto
por semana. Las respuestas obtenidas fueron:
Ninguna vez ................. 9 de los consultados
Una vez ......................... 10 de los consultados
Dos veces ..................... 7 de los consultados
Tres veces ..................... 3 de los consultados
Cuatro veces ................. 1 de los consultados
Se establece la hiptesis de que el modelo de distribucin de probabilidad que
corresponde a la demanda de la que procede la muestra sigue una distribucin de tipo Poisson.
Se pregunta si se acepta, o se rechaza, la hiptesis establecida, contrastndola al nivel de
significacin del 5 %.
Suponiendo la hiptesis, estimemos mediante la media muestral, para la que se obtiene un
valor = 1,23. Construimos la siguiente tabla:

Nmero de
adquisiciones
Frecuencias
observadas
Probabilidades
tericas
Frecuencias
esperadas
Desviaciones

x
i
n
i
p
i
np
i
(n
i
-np
i
)
2
(n
i
-np
i
)
2
/np
i
0 9 0,2913 8,74 0,068 0,0078
1 10 0,3593 10,78 0,607 0,0563
2 7 0,2216 6,65 0,125 0,0188
3 3 0,0911 2,73 0,071 0,0262
4 1 0,0281 0,84 0,025 0,0294
30 29,74 0,1384
La variable aleatoria
( )
=
5
1 i i
2
i i 2
exp
np
np n

se distribuye como una
2
3
, luego la regin
crtica

al nivel de significacin 5% viene dada por la condicin:
2
>7,815. Puesto que
2
exp
=0,1384, se acepta la hiptesis.

Exmenes 1999 y 2000

3/10
JUNIO 1999 RESERVA

1. Los gastos de transporte que realiza una oficina oscilan uniformemente entre 100.000
y 140.000 pesetas al mes. Se pregunta:
a) Cul es la probabilidad de que en un mes determinado el gasto en transporte sea
exactamente 120.000 pesetas?
b) Calcule la desviacin tpica del gasto mensual.
c) Estimndose que el gasto en transporte es excesivo, se pretende llevar a cabo un
control para comprobar la necesidad de dicho gasto. Para ello se observa aleatoriamente el
gasto mensual durante 3 aos Cual es la probabilidad de que el gasto mensual medio, durante
esos 3 aos se superior a 130.000 pesetas?
a) cero; b)
4
10
3
3 2
=
; c) Siendo X
i
el gasto mensual observado, consideramos la variable
=
=
36
1 i
i
X
36
1
X para la que se tiene E( X) = = 120000 y DT( X) =
4
10
9
3
36
=
. Del
teorema central del lmite se deduce que X se distribuye aproximadamente N(12000,
4
10
9
3
)
luego P[ X>130000] = P[Z>
3 3
] 0.

2. Para discutir la conveniencia de aumentar sus instalaciones, una empresa desea
estimar la demanda que espera recibir. Para ello selecciona a 10 de sus clientes habituales, al
azar, observando que el nmero de unidades demandadas en ltimo ao por estos, se distribuye
en la forma siguiente:
N de Unidades N de clientes
1.000 1
1.002 2
1.004 1
1.006 2
1.008 1
1.010 2
1.012 1
Suponiendo que la demanda siga comportndose de manera similar en el siguiente
perodo, se pide:
a) Las estimaciones de la demanda media y de la desviacin tpica.
b) Si se toma como desviacin tpica de la poblacin la obtenida en el apartado anterior,
determinar un intervalo de confianza para la demanda media del 95 % en los siguientes casos:
- Sin efectuar hiptesis sobre la distribucin de la demanda
- Suponiendo que la demanda se comporte con arreglo a una distribucin de tipo
normal,
a) Estimaremos por el mtodo de los momentos, obtenindose: =1006 y 4 , 14 = ;
b) aplicaremos la desigualdad de Chebychev a la variable X, para la cual se tiene E( X) =
= y DT( X) = 2 , 1 44 , 1
n
= =
; as pues, de la desigualdad de Chebychev,

P[ X k
n
X+k
n
] 1
2
k
1
y sustituyendo 1
2
k
1
= 0,95, obtenemos el intervalo
[1000,63, 1011,37]; para la N(0,1) , P[1,96 < Z < 1,96] = 0,95 luego si X es N(, ) X es
N(,
n
) y se obtiene el intervalo [1003,65 , 1008, 35].

Exmenes 1999 y 2000

4/10
SEPTIEMBRE 1999


1. Partiendo de la Funcin Generatriz de Momentos de una distribucin de Poisson
P( ), demostrar cunto vale la media de esta distribucin.
g(t) =
( ) 1 e
t
e

g(t) =
( ) 1 e
t
e

e
t
= g(0) = .

2. Demostrar que si dos variables aleatorias X
1
N(9, 4) y X
2
N(8, 3) son normales e
independientes, la variable aleatoria suma U= X
1
+ X
2
es tambin una distribucin normal de
caractersticas: UN(17, 5)

La funcin generatriz de una v. a. N(, ) es g(t) =
2 2
t
2
1
t
e
+
. La funcin generatriz
de U ser: E(e
tU
) =
( )
( )
2 1
X X t
e E
+

=
( )
1
tX
e E
( )
2
tX
e E
=
16 t
2
1
t 9
2
e
+
9 t
2
1
t 8
2
e
+
=
25 t
2
1
t 17
2
e
+
que
corresponde a una normal N(17, 5).

3. Para qu sirve la Cota de Cramer-Rao en la teora de la estimacin?.
La cota de Cramer-Rao proporciona un lmite inferior para la varianza del
estimador
, es decir:
Var(
)

Si
es insesgado y su varianza coincide con la cota de Cramer-Rao, diremos que es eficiente.

4. Partiendo de muestras obtenidas por muestreo aleatorio simple de tamao n, y con un
nivel de confianza prefijado, obtenga de forma razonada el intervalo de confianza para la
media de una poblacin normal, con varianza poblacional conocida.
La media muestral X se distribuye
|
.
|
\
|
n
, N
, luego Z =
n
X

se distribuye N(0,
1). Dado un nivel de confianza 1, sea
2
z
tal que P(Z >
2
z
) =
2
, luego :
|
|
.
|
\
|
<

<

2 2
z n
X
z P

= 1 , de donde se deduce que
(

2 2
z
n
X , z
n
X con
probabilidad 1


1.- El volumen de agua consumido por una ciudad se puede representar por una variable
aleatoria X y oscila entre 5.000 y 6.000 unidades al mes. La funcin de densidad de
probabilidad del citado consumo toma siempre un valor constante, de valor igual a c en el
intervalo (5.000, 6.000) y valores nulos en el resto. Calcular razonadamente.
a) Cul es el volumen esperado de agua consumida durante un mes?.
b) Significado y valor del coeficiente de variacin del agua mensual consumida.
c) Cul seria el volumen esperado de consumo de agua durante un ao?.
d) Qu probabilidad existe de que el consumo de agua en un mes sea superior a 5.100
unidades e inferior a 5900?
(
(
|
.
|
\
|

2
) , x ( f ln
nE
1

Exmenes 1999 y 2000

5/10
e) Tiene sentido aplicar la Desigualdad de Chebychev para tratar de resolver el punto
anterior?.
Se trata de una variable aleatoria uniforme con funcin de densidad:

=
resto , 0
6000 x 5000 , 001 , 0
) x ( f

Se tiene: a) E(X) =
2
b a +
=5500; b) CV =
5500
67 , 288
) X ( E
) X ( Var
=

= 0,052; c) Si U =
=
12
1 i
i
X es el
consumo durante un ao E(U) = 125500 = 66000; d) P[5100 < X < 5900] = 0,8; e) No
porque conocemos la funcin de densidad.

2.- Supongamos que el Banco de Espaa decide efectuar una investigacin sobre los
rendimientos obtenidos por la Banca espaola con un determinado producto financiero.
Para ello selecciona una muestra aleatoria simple de 9 bancos, y adems dispone de la
informacin de que los rendimientos del producto en cuestin, en todo el conjunto bancario, se
distribuyen segn una distribucin normal de media 6% y desviacin tpica del 3%. En base a
ello se pide:
1) Cual es la probabilidad de que el rendimiento medio muestral se mantenga entre el
5% y el 7% ?.
2) Cul es la probabilidad de que la varianza muestral sea superior a 9 ? .
3) El valor de K tal que P(S
2
> K) = 0,98.
4) Suponiendo, ahora, que la desviacin tpica para todo el conjunto bancario fuera
desconocida, y conocisemos que la desviacin tpica de la muestra de 9 bancos es del 2%, se
pide obtener la probabilidad de que la media muestral sea superior al 8%.
1) X es N(6, 1) y se obtiene que P[5 < X < 7] = 0,6827; 2)
9
S 8 S ) 1 n (
2
2
2
=
es
2
8
, luego
P(S
2
> 9)=
|
|
.
|
\
|
> 9
9
8
9
S 8
P
2
= P(
2
8
>8)=0,4335; 3) 0,98 = P(S

2
> k)=
|
|
.
|
\
|
>
9
k 8
9
S 8
P
2
y de las tablas
se obtiene que
9
k 8
=2,0325 k = 2,2865; 4)
3
2
6 X
n
S
X
=

es t
8

P [ X > 8] = = 0,008

SEPTIEMBRE 1999 (RESERVA)


1.- Puede ser negativa la potencia de un contraste?. Si es la probabilidad de cometer
un error de tipo II, cmo ser la potencia del contraste?
No puede ser negativa por que es la probabilidad de rechazar H
0
. Si = probabilidad
de cometer error de tipo II potencia = 1
2.- Si se tienen dos variables aleatorias independientes X
1
, y X
2
distribuidas segn una
B(3;0,5) y B(6;0,5) respectivamente, calcular la distribucin que seguir Y para Y=3X
1
X
2

La funcin generatriz g
Y
(t) = E[e
Yt
] =
1 2
3X t X t
E e E e
( (

= ( )
1
X
g 3t ( )
2
X
g t =
= (0,5 + 0,5e
3t
)
3
(0,5 + 0,5e
t
)
6
que no corresponde a ninguno de los tipos notables de
distribuciones. La funcin de probabilidad sera: P(Y = n) = ( )
3i j n
9 3 6
0,5
i j
=
| | | |
| |
\ . \ .
| |
|
\ .
,
n = 6, 5, 4, ......, 9. Por ejemplo P(Y=3) = P(X
1
=1;X
2
=0)+P(X
1
=2;X
2
=3)+ P(X
1
=3;X
2
=6)=
(
>
3 3
2
6 X
P

Exmenes 1999 y 2000

6/10
=
( )( ) ( )( )
9 3 6 3 6 3 6
0, 5
3 6
1 0 2 3
| | | |
+ +
| |
\ . \ .
| |
|
\ .
= 640,5
9
. Etc.. Se obtiene la siguiente representacin
grfica:
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9
Y=3X
1
-X
2

3.- Razone que distribucin utilizara para crear un intervalo de confianza para , en una
poblacin normal si se conoce
2
.
La distribucin normal, pues la media muestral X se distribuye
|
.
|
\
|
n
, N
lo cual
nos permite construir un intervalo de confianza para .
4.- Indique, razonndolo, cul es la relacin existente entre las distribuciones Binomial,
Poisson y Normal.
Se demuestra que
( )

=
|
.
|
\
|
e
! x
p 1 p
x
n
lim
x
x n x
n
, donde = np. Se considera que la
aproximacin es adecuada si n 30 y p 0,1. Si X es B(n, p) entonces (T. de Moivre)
npq
np X

tiende a ser N(0, 1) cuando n (se considera adecuada la aproximacin si
2
1
p
y np > 5
si
2
1
p >
y nq > 5. Finalmente, si X es Poisson de parmetro 10,
X
se aproxima a una
N(0, 1)


1. El consumo en bienes de capital de las empresas del sector Industrial, se distribuye
normalmente con una desviacin tpica de 13,3 millones de ptas. La creencia general al
respecto es que el consumo en bienes de capital no es inferior a 30 millones de ptas. Para
contrastar este supuesto, se realiza un estudio; en el cual, tras la obtencin de una muestra
aleatoria de 120 empresas del sector, se observa un consumo medio en bienes de capital de 45
millones de ptas. Sera admisible mantener la creencia general como cierta con un 2% de
significacin?
Consideremos las hiptesis: H
0
: 30 y H
1
: < 30.
n
X
Z

=
es N(0, 1) y se
tiene que 0,02 = P[Z < 2,05] de donde se obtiene que la regin crtica viene dada por la
condicin: X < 27,51, luego debemos admitir H
0
.
2. En una empresa de construccin el nmero mensual medio de das de baja de los
trabajadores debidas a accidentes laborales por obra, se distribuye segn una Poisson con
varianza 15,6. Calcular la probabilidad de que en cuatro obras independientes, se acumulen
ms de 68 das, en total, de baja en el periodo de un mes.

Exmenes 1999 y 2000

7/10

4
i
i 1
Y X
=
=
es de Poisson de parmetro 4 = 62,4

Y 62, 4
62, 4
es N(0,1) y se
obtiene P[Y 68,5] = 0,2200 (se ha efectuado la correccin por continuidad)

JUNIO 2000


1.- Indique el significado de la desigualdad de Chebychev.

| |
2
2
k
k ) X ( E X P

; proporciona una cota superior para la probabilidad de que la
distancia de un valor de la variable a su esperanza supere a cierto nmero k. Una consecuencia
es :
| |
2
k
1
k ) X ( E X P
; por ejemplo,
| |
4
1
2 ) X ( E X P
,
| |
9
1
3 ) X ( E X P
, etc.
2.- Explique el concepto de sesgo en una estimacin, de forma grfica.
Se denomina sesgo de un estimador
a la diferencia
)
( E
. Si esta diferencia es
cero, diremos que el estimador es insesgado. Sea
) x ( f
la funcin de densidad de
.
Grficamente:

3.- Cundo se puede considerar a un contraste de hiptesis como el de mxima
potencia?.
Cuando el tamao del error de tipo II sea cero
4.- Distinga entre Parmetro, Estadstico y Estimador.
Dada una poblacin con una variable aleatoria X y una funcin de probabilidad o de
densidad, se llama parmetro a cualquier constante que caracterice dicha funcin (por
ejemplo, E(X), Var(X), etc.).
Elegida una muestra X
1
, X
2
, ..., X
n
, se llama estadstico, a cualquier variable aleatoria
que sea funcin de la muestra: g(X
1
, X
2
, ..., X
n
).
Si es un parmetro desconocido, un estimador ser un estadstico que elegiremos
para estimar el parmetro (por ejemplo si = E(X) desconocido, podemos elegir como
estimador
=
=
n
1 i
i
X
n
1
X
).


1.- Los resultados obtenidos en una investigacin de mercado han determinado que el
25% de los consumidores son clientes habituales de los productos de la empresa R. Si se
eligiese al azar a 10 consumidores, calcular: a) La probabilidad de que entre los 10
consumidores se encuentren:
- un mximo de 3 clientes.
- Entre 4 y 7 clientes.
b) El nmero esperado de clientes; c) La varianza de la distribucin

a) La variable aleatoria X = n de clientes es B(10; 0,25); puesto que np = 2,5 < 5
no procedera aproximar por una normal. As pues:
P[X 3] = i 10 i
3
0 i
75 , 0 25 , 0
i
10
=
|
.
|
\
|
= 0,7759; P[4 X 7] = P[X7] P[X3] = 0,9996 0,7759 =

= 0,2237; b) E[X] = np = 2,5 ; c) Var[X] = npq = 1,875
) x ( f
E(
)

sesgo

Exmenes 1999 y 2000

8/10

2.- Una aseguradora realiza un anlisis de los costes de tramitacin por accidentes. De
este anlisis se obtiene que los costes son 6.000 ptas de media. Este coste se consider poco
competitivo, para lo cual se rehicieron los procesos de tramitacin. Una vez instaurados los
nuevos procesos y con el objeto de evaluar su eficacia, se eligi una muestra aleatoria de 26
expedientes, y se les realiz un nuevo anlisis de los costes. De este anlisis se obtuvieron los
siguientes resultados: la media muestral de los costes fue de 5.600 ptas y la desviacin tpica
de 1.000 ptas. Para un nivel de significacin del 0,01, se puede aceptar que el nuevo proceso
ha sido eficiente, o no (la reduccin de costes se debe a variaciones muestrales no
significativas)?.
Efectuamos las hiptesis H
0
: 6000 y H
1
: < 6000; la regin crtica viene definida
por la condicin : t
25
< 2,485 ; puesto que
5600 6000
26
1000
= 2,0396, luego no podemos

rechazar H
0
y por tanto, la reduccin de costes se debe a variaciones muestrales no
significativas.
JUNIO 2000 (RESERVA)


1 . Qu se entiende por Potencia del Contraste.
Cuando se efecta el contraste de una hiptesis nula H
0
con una alternativa H
1
, se
llama error de tipo II a la probabilidad de aceptar H
0
siendo falsa, probabilidad que
representaremos por . Se llama potencia del contraste a 1 = probabilidad de rechazar H
0
,
siendo falsa.
2. Qu debe cumplir un estimador insesgado para que se le pueda catalogar como
ptimo?
Que su varianza sea la mnima, es decir, que alcance la cota de Cramer-Rao:
Var () =

3. Si la variable aleatoria U est distribuida uniformemente en 4 u 4, determinar
P(U - 2 < 2).
Ser f(u) = P[U 2< 2] = 4
8
1
= 0,5.
4. Explique qu condiciones debe cumplir una funcin f(x) de una variable aleatoria
continua X para que se la pueda considerar como funcin de densidad.
1) f(x) 0, x; 2)


1.- La media de coches vendidos al da de una determinada marca es de 5. Suponiendo
que las ventas siguen una distribucin de Poisson, calcular la probabilidad de que: a) en un da
se vendan ms de 6 coches; b) en una semana (6 das hbiles) se vendan 20 coches.
(
(
|
.
|
\
|

2
n
dF ln
E
1

resto , 0
4 u 4 ,
8
1
+

=1 dx ) x ( f

Exmenes 1999 y 2000

9/10

P[X = x] = y E[X] = = 5. a) P[X > 6] = 1 = 0,238.
b) la variable Y = es de Poisson con E[Y] = 6 = 30, luego P[Y = y] =

= P[Y = 20] = = 0,01341

2.- Se supone, que al incrementar el precio de un producto por encima de 5 (debido
las elasticidades demanda precio respecto a los bienes sustitutivos) se disminuir su consumo.
Para comprobarlo se realiz un experimento aleatorio en cinco hipermercados y result que el
precio de reaccin (al que empezaron a disminuir las compras) fue de 4,8 con una desviacin
tpica de 0,3 . son los resultados estadsticamente significativos al nivel 0,05?
Suponemos que el precio de reaccin se distribuye N(, ). Pondremos H
0
: 5 y
H
1
: < 5. La regin crtica a un nivel de significacin 0,05, viene dada por la condicin:
t
4
< 2,132 ; como
4, 8 5
5
0, 3
= 1,4907, se acepta H
0
, es decir, la discrepancia no es
estadsticamente significativa.
SEPTIEMBRE 2000


1- Indicar las diferencias entre una funcin de cuanta y una funcin de densidad.
Si X es una variable aleatoria discreta, entonces P[X = x] es la funcin de cuanta. Si
X es una variable continua, y F(x) = P[X x] es su funcin de distribucin, entonces f(x) =
=
dx
) x ( dF
es la funcin de densidad; es decir, P[X x] =

x
dt ) t ( f

2.- Indicar la relacin existente entre una normal N(0; 1) y una normal N(5;2).
Si X es N(5, 2) Z =
2
5 X
es N(0, 1) X = 2Z + 5
3.- Explicar el porqu de la utilizacin del estadstico
2
S ) 1 n (
, para el clculo de un
intervalo de confianza para la varianza poblacional
2
, si la media poblacional es
desconocida.
El estadstico
2
S ) 1 n (
es
2
1 n
y, conocido n, podemos encontrar un intervalo (las dos
colas del mismo tamao) con un nivel de confianza 1 , de

forma que = 1 y de aqu obtener el intervalo para
2
.

4.- Indicar la regin de rechazo, de aceptacin y el valor crtico de una hiptesis H
0

cualesquiera, con un nivel de significacin del 0,05 para una prueba de dos colas en una
normal N(0, 1).
De las tablas P[1,96 < Z < 1,96] = 0,95. Luego:
Regin de rechazo: ], 1,96] [1,96, +[
Regin de aceptacin: [1,96, 1,96]
Valores crticos: 1,96 y 1,96

e
! x
x
| |
=
=
6
0 i
i X P
30
20
e
! 20
30

30
y
e
! y
30

=
6
1 i
i
X
( )
(
<
< b
S 1 n
a P
2
2

Exmenes 1999 y 2000

10/10

1.- Un hipermercado acepta llevar a cabo una poltica de fidelizacin al cliente basada
en admitir todas las devoluciones de los clientes. La media de clientes que devuelven artculos
es de 11,5 y tiene una desviacin tpica de 3.2 clientes al da. Cual es el porcentaje de das en
que hay : a) menos de 8 clientes que devuelven artculos?; b) entre 12 y 14 clientes?;
c) ningn cliente devuelve artculos?
Supondremos que X = n de clientes que devuelven artculos un da se distribuye
N(11,5 ; 3,2), luego, efectuando la correspondiente correccin por continuidad: a) P[X7,5] =
P[Z 1,25] = 0,1056 10,56%; b) P[11,5 < X < 14,5] = 0,3257 32%;
c) P[0,5 < X < 0,5] = 0,0002 0%
2.- Los ingresos anuales medios de los economistas con un ao de experiencia, en las
empresas del sector servicios son de 30.000 con una desviacin tpica de 3.000 . Una
empresa del sector desea saber si en su organizacin esta tipologa de trabajador cobra ms o
menos que los 30.000 de media del sector.
Se utiliza como hiptesis alternativa que la media no es 30.000 y se debe realizar con
un nivel de significacin de 0,10. Se seleccion una muestra de 120 economistas con un ao de
experiencia. Los ingresos medios resultaron ser de 30.500 se debera rechazar la hiptesis
nula?
Supondremos que los ingresos de los economistas se distribuyen de forma normal.
Consideraremos H
0
: = 30000; H
1
: 30000. La variable Z =
X
n

es N(0,1) y
P[|Z|>z
0
] = 0,1 z
0
= 1,64. Como
30500 30000
120
3000
= 1,8257 > 1,64, debe rechazarse

H
0
.

Ex 99 00

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ex 99 00

Uploaded by

Copyright:

Available Formats

UNED. ELCHE. e-mail: imozas@elx.uned.

=0,1384, se acepta la hiptesis.

; as pues, de la desigualdad de Chebychev,

) y se obtiene el intervalo [1003,65 , 1008, 35].

es insesgado y su varianza coincide con la cota de Cramer-Rao, diremos que es eficiente.

>8)=0,4335; 3) 0,98 = P(S

es de Poisson de parmetro 4 = 62,4

= 0,7759; P[4 X 7] = P[X7] P[X3] = 0,9996 0,7759 =

= 2,0396, luego no podemos

= 1,8257 > 1,64, debe rechazarse

You might also like