SOLUCIONES C1. n = 25; Se trata de contrastar: H 0 : µ1 − µ2 = 0 H 1 : µ1 − µ2 > 0 Llamando Y a la diferencia de tiempo, tenemos Sy2 = y = 2; 25 2 .3 = 9.375 24 y √ = 3.266 Sy / n = t24,0.05 = 1.711 t = tn−1,α Como t > tn−1,α , rechazamos la hipótesis nula; se puede concluir que el aprendizaje disminuye el tiempo necesario para completar el laberinto. C2. a) Si X es el número de delitos al mes, y sigue una P(0.33), el número de delitos anuales, Y, será una P(12*0.33), es decir, P(3.96). Se tiene entonces: P {Y = 0} = 0.019 P {Y = 1} = 0.075 P {Y = 2} = 0.149 P {Y = 3} = 0.197 P {Y = 4} = 0.195 P {Y = 5} = 0.155 etc., y el número más probable de delitos es k=3. b) Suponiendo que el mes consta de 4 semanas, el no Z de delitos en una semana sigue una P(0.0825). La probabilidad de que haya dos delitos en una semana es: P {Z = 2} = e−0.0825 0.08252 = 0.0031 2! C3. Usamos la siguiente notación: R0 R1 T0 T1 : : : : 0 1 0 1 5 recibido recibido transmitido transmitido Conocemos las siguientes probabilidades: P {R0 |T0 } = 0.94; P {R1 |T0 } = 0.06; P {R1 |T1 } = 0.91; P {R0 |T1 } = 0.09; P {T0 } = 0.45; P {T1 } = 0.55; a) P {T1 |R1 } = P {R1 |T1 }P {T1 } = 0.9488; P {R1 |T1 }P {T1 } + P {R1 |T0 }P {T0 } b) P {T1 |R0 } = P {R0 |T1 }P {T1 } = 0.1048; P {R0 |T1 }P {T1 } + P {R0 |T0 }P {T0 } C4. a) Se sabe que E[X] = Z ∞ xλe−λx dx = 0 1 = 2.5 min . λ y el coste medio de una llamada es por tanto: Z ∞ 10 E[X] = 10 xλe−λx dx = = 25pts. λ 0 b) Se calcula la probabilidad de que una llamada dure más de 10 minutos: Z P {X > 10} = ∞ 10 λe−λx dx = e−λ.10 = e− 2.5 = 0.0183, 10 Por tanto afecta al 1.83% de las llamadas. c) Queremos calcular el α tal que P {X > α} = 0.05 Resulta: Z ∞ λe−λx dx = e−αλ = 0.05 α luego e−αλ = 0.05 ⇒ α = 7.4893 Luego la duración mı́nima de las llamadas especiales será de 7.4893 minutos. d) Si llamamos X a la duración de una llamada (que sigue una distribución exponencial de parámetro λ), tenemos que el coste (con el plan de ahorro) es una v.a. dada por: 6 C= 10X, X < 10 50 + 5X, X ≥ 10 Luego su esperanza es: E[C] = Z 10 10xλe −λx dx + Z 0 ∞ (50 + 5x)λe−λx dx = 10 (integrando por partes, y usando las propiedades de la integral gamma de Euler) = 25 − 12.5e−4 P1. 1 1 2 f (x) = √ exp − 2 (log x − log m) 2σ 2π σx x≥0 (a) Dada la muestra x1 , x2 , ..., xn la función de verosimilitud es 1 −1 Xn 2 Q exp (log xi − log m) f (x1 , ..., xn ) = i=1 (2π)n/2 σ n ni=1 xi 2σ 2 Calculamos la función soporte tomando el logaritmo de la función de verosimilitud Xn −n L = log(f (x1 , ..., xn )) = log(2π) − n log σ − log xi i=1 2 1 Xn − 2 (log xi − log m)2 i=1 2σ y derivamos respecto al parametro en cuestión, m ∂L −1 Xn −1 = 2 (log x − log m) = i i=1 ∂m 2σ 2 m 1 Xn log xi n log m = − i=1 σ2 m m Para obtener el estimador máximo-verosı́mil igualamos a cero la derivada ∂L 1 Xn log xi n log m = 0 ⇐⇒ 0 = 2 − ⇐⇒ i=1 ∂m σ m m Xn ⇐⇒ 0 = log xi − n log m ⇐⇒ i=1 Xn ⇐⇒ n log m = log xi ⇐⇒ i=1 X n 1 ⇐⇒ log m = log xi ⇐⇒ n i=1 1 Xn log xi ⇐⇒ m b = exp i=1 n 7 Para ver si se trata de un máximo o un mı́nimo, calculamos la derivada segunda P 1 m − log m ∂2L 1 − ni=1 log xi m = −n = ∂m2 σ2 m2 m2 Pn 1 − i=1 log xi 1 − log m = −n 2 2 σ m m2 y la evaluamos en el punto m b P P 1 − n1 ni=1 log xi ∂ 2 L 1 − ni=1 log xi = −n = ∂m2 m=m σ2 m b2 m b2 b P P 1 − ni=1 log xi n − ni=1 log xi = − = σ2 m b2 m b2 1 −n −n = <0 = σ2 m b2 σ2m b2 con lo que m b es un máximo. Por tanto, el estimador de máxima verosimilitud es P m b = exp n1 ni=1 log xi Para estimar la varianza de m, b calculamos −1 ∂ 2 L σ2m b2 m b2 var[m] b = − = = ∂m2 m=m n 100n b y la desviación tı́pica es DT [m] b = m b √ 10 n La distribución aproximada de m b será b √ ) m b ∼ N (m, 10m n • (b) Para una muestra disponemos de los siguientes datos n = 100 P100 P100 2 log xi = 501 i=1 i=1 (log xi ) = 2512 P100 P100 2 i=1 xi = 15190 i=1 xi = 2330646 y se sabe que E[X] = m exp 8 σ2 2 =µ Debido a la propiedad de invarianza de los estimadores máximo-verosı́miles, el estimador de máxima verosimilitud de µ será 2 σ µ b=m b exp 2 Para este caso particular, tenemos X n 1 1 m b = exp log xi = exp 501 = exp (5.01) i=1 n 100 y ası́ σ2 1 = exp (5.01) exp = exp (5.01) exp (0.005) = µ b = m b exp 2 200 µ = exp (5.015)=b La desviación tı́pica de µ b será 2 2 σ σ = exp DT [m] b = DT [b µ] = DT m b exp 2 2 m b exp(5.01) = exp(0.005) √ = exp(0.005) √ = 10 n 10 100 exp(5.015) = = DT [b µ] 100 • (c) Debemos hacer el contraste H0 : µ = 140 H1 : µ > 140 Sabemos que la distribución aproximada de µ b es exp(5.015) µ b ∼ N µ, 100 o lo que es lo mismo µ b−µ exp(5.015) 100 ∼ N (0, 1) Bajo H0 cierta, se tiene que z= µ b − 140 exp(5.015) 100 9 ∼ N (0, 1) Para la muestra obtenida el valor de z es z= exp(5.015) − 140 exp(5.015) 100 = 7.0732 Se rechazará H0 si z > zα .Tomando α = 0.05, zα = 1.64, por lo que como z = 7.0732 > zα = 1.64 se rechaza H0 : µ = 140 y sı́ se cumple la garantı́a. P2. (a) Los lı́mites de control vienen dados por la expresión s pb(1 − pb) pb ± 3 ni siendo pb = 0.04 y ni = 208, 196, 400, 90, 230. q Hora 1 : 0.04 ± 3 0.04(1−0.04) = 0.04 ± 0.0408 = (−0.0008 , 0.0808) 208 q Hora 2 : 0.04 ± 3 0.04(1−0.04) = 0.04 ± 0.0420) = (−0.0020 , 0.0820) 196 Hora 3 : q 0.04 ± 3 0.04(1−0.04) = 0.04 ± 0.0294 = (0.0106 , 0.0694) 400 Hora 4 : q 0.04 ± 3 0.04(1−0.04) = 0.04 ± 0.0620 = (−0.0220 , 0.1020) 90 Hora 5 : q 0.04 ± 3 0.04(1−0.04) = 0.04 ± 0.0388 = (0.0012 , 0.0788) 230 • (b) Como se puede apreciar, el dato observado para la tercera hora no se encuentra dentro de los lı́mites de control, por lo que el proceso no se encontraba bajo control. • (c) Sabemos que pb1 ∼ N 0.04, 10 r 0.04(1 − 0.04) 208 ! por lo que al producirse la perturbación pb01 = pb1 + ∆p se tendrá ! r 0.07(1 − 0.07) 0 pb1 ∼ N 0.07, 208 La probabilidad de detectar el cambio en la primera hora será P (detectar cambio) = 1 − P (no detectar cambio) = = 1 − P (−0.0008 ≤ pb01 ≤ 0.0808) = 0.0808 − 0.07 −0.0008 − 0.07 ≤Z≤ q = = 1−P q 0.07(1−0.07) 208 0.07(1−0.07) 208 = 1 − P (−4.002 ≤ Z ≤ 0.6105) = = 2 − P (Z ≤ 0.6105) − P (Z ≤ 4.002) = = 2 − 0.7291 − 0.9999 = = 0.2710 = P (detectar cambio en primera hora) La probabilidad de que no se detecte el cambio ni en la primera ni en la segunda hora es P (no detectar cambio) = P (no detectar cambio en 1a hora y no detectar cambio en 2a hora) = P (no detectar cambio en 1a hora) P (no detectar cambio en 2a hora De los cálculos anteriores sabemos que P (no detectar cambio en 1a hora) = = = = P (−4.0020 ≤ Z ≤ 0.6105) = P (Z ≤ 0.6105) + P (Z ≤ 4.0020) − 1 = 0.7291 + 0.9999 − 1 = 0.7290 Por otra parte, sabemos que pb02 = pb2 + ∆p ∼ N 0.07, r 0.07(1 − 0.07) 196 ! con lo que P (no detectar cambio en 2a hora) = P (−0.002 ≤ pb02 ≤ 0.0820) = −0.002 − 0.07 0.0820 − 0.07 = P q ≤Z≤ q = 0.07(1−0.07) 196 = = = = 0.07(1−0.07) 196 P (−3.9507 ≤ Z ≤ 0.6584) = P (Z ≤ 0.6584) + P (Z ≤ 3.9507) − 1 = 0.7454 + 0.9999 − 1 = 0.7453 11 y ası́ P (no detectar cambio) = P (no detectar cambio en 1a hora) P (no detectar cambio en 2a hora = 0.7290 0.7453 = 0.5433 12