ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno.

982-255-153
e-mail: arcrisacademia@mundo-r.com

ESTADSTICA. QUMICA INDUSTRIAL

Examen Junio-2005.
1.- Las normas sobre contaminacin del aire y el agua sealan que los fabricantes de cloruro de vinilo y
compuestos similares deben limitar la cantidad de estos compuestos en las emisiones de aire como
mucho a 6 partes por milln (ppm) al da. Sea X la variable aleatoria discreta emisin diaria de cloruro
de vinilo (ppm) con valores 0, 1, 2, ... y distribucin de Poisson.
a) Supongamos que en una planta la emisin diaria media es de 4. Se elige un da al azar. Con qu
probabilidad se estar cumpliendo la norma?
b) Interpretar el porcentaje representado por la probabilidad calculada en el apartado anterior.
Interpretar del mismo modo la probabilidad complementaria.
c) Si se tomasen de forma independiente muestras de aire durante 50 dias, calcular la probabilidad
de que ninguno de los das se exceda el lmite permitido.
d) En los 50 das a examen, calcular la probabilidad de que en ms de 40 se est cumpliendo la
normativa.
2.- Un fabricante de llantas est investigando la duracin de un nuevo compuesto de caucho. Para ello se
elaboran 30 llantas y se prueban en una carretera hasta alcanzar el fin de la vida til de stas. Los datos,
en miles de km., son:
50
51.4
52.2
55.1
55.1
55.3
55.5
56.3
56.6
56.7
57.5
58.4
59.3
59.5
59.6
59.7
59.8
59.8
60
60
60.1
60.2
60.2
60.2
60.2
60.2
60.3
60.5
60.5
60.6
Para analizar si los datos siguen una distribucin normal, responder a las siguientes cuestiones:
a) Plantear las hiptesis del correspondiente contraste de bondad de ajuste.
b) Indicar la expresin del estadstico de contraste apropiado y su distribucin de probabilidad.
c) Para un nivel de significacin del 1%, determinar la regin de aceptacin y la regin crtica.
d) Podemos decir que los datos tienen distribucin normal?
e) Calcular, representar grficamente e interpretar el p-valor para este contraste de hiptesis.
3.- En un estudio sobre la resistencia a bajas temperaturas del bacilo de la fiebre tifoidea, se expusieron
cultivos del bacilo durante diferentes periodos de tiempo a 5C. Se tienen los siguientes datos para el
tiempo de exposicin (en semanas) y el porcentaje de bacilos supervivientes:
Tiempo (X)
Bacilos (Y)

0
100

0.5
42

1
14

2
7.5

3
0.4

5
0.11

9
0.05

15
0.002

a) Ajustar un modelo de regresin exponencial y = ab a los datos anteriores.

b) Calcula los coeficientes de correlacin y de determinacin . Qu informacin nos aportan?.
c) Estimar, utilizando el modelo de regresin ajustado a estos datos, el porcentaje de bacilos
supervivientes al cabo de 4 semanas.
x

4.- Se desean comparar la calidad de la soldadura de dos mquinas de soldar automticas en un proceso
de fabricacin de tubos de escape. Se considera que a mayor cantidad del material empleado en la
soldadura mayor es la calidad. Para comparar ambas mquinas se han obtenido los pesos (en gramos) de 8
soldaduras realizadas por cada una de las mquinas:
Mquina I
Mquina II

13
14

25
25

11
14

22
21

13
13

21
25

15
11

22
24

a)

Se considera que el peso de las soldaduras de cada mquina se distribuye normalmente con
medias 1 y 2 respectivamente, estimar la diferencia de dichas medias mediante un intervalo de
confianza del 95%.
b) Qu informacin nos proporciona el intervalo obtenido en el apartado anterior?.
Estadstica

Qumica Industrial

Pag. 1

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
c)

Si suponemos que las desviaciones tpicas poblacionales son conocidas, con 1 = 2 =5.5, Qu
tamao debera tener la muestra de soldaduras para cada mquina si se desea estimar la
diferencia entre las medias de los pesos de las soldaduras con un error menor que 3, con una
probabilidad igual a 095? (Se supone que utilizamos el mismo nmero de soldaduras para cada
mquina).

5.- En un centro de investigacin se realiza un estudio para comparar tres tratamientos que al aplicarse
previamente a las alubias crudas reduzcan su tiempo de coccin. Se realizan seis pruebas con cada
tratamiento, siendo la variable respuesta el tiempo de coccin en minutos. A continuacin se muestra una
parte de la tabla del anlisis de la varianza obtenida en el experimento:
Origen de la
variacin
Tratamientos
Residual
Total

Grados de
libertad

Suma de
cuadrados
1517444

Cuadrados
medios

Estadstico

1734944

a) Completa la tabla del anlisis de la varianza.

b) Considerando un nivel de significacin = 005, Se podra aceptar que el tratamiento no
influye en el tiempo de coccin?.
c) En el experimento se obtuvieron las siguientes medias por tratamiento:
y1 = 78'33 , y2 = 61'17 , y3 = 82 '33 En caso de que se hayan detectado diferencias
significativas entre las medias de los tres tratamientos, realizar los clculos necesarios para
comparar los distintos tratamientos y averiguar por qu se ha producido el rechazo de la igualdad
de medias.

Estadstica

Qumica Industrial

Pag. 2

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com

MTODOS ESTADSTICOS DE LA INGENIERA

Resolucin del examen 17-06-2005
Problema 1.
Sea X: emisin diaria de cloruro de vinilo (ppm)

X Poisson ( 4 )

P ( X > 6) = 1 P ( X 6) =
a)

= 1 ( P ( X = 0) + P ( X = 1) + P ( X = 2) + P ( X = 3) + P ( X = 4) + P ( X = 5) + P ( X = 6) ) =
= 1 ( 0'0183 + 0'0733 + 0'1465 + 0'1954 + 01954 + 01563 + 01042) = 00926

b) El 926% de los das se emiten ms de 6 ppm de cloruro de vinilo, es decir, que se incumple la
normativa. El 9074% de los dias la emisin de cloruro de vinilo no supera las 6 ppm, y por lo tanto, se
cumple la normativa.
c) Dado que las muestras de aire son independientes, llamando:

xito: un da se excede el lmite permitido P xito = P ( X > 6 ) = 0 '0926

Se tiene que la variable Y: nmero de das que se excede el lmite permitido sigue una distribucin

( )

binomial: Y Bi ( 50, 0 '0926 ) Poisson 4 '63 (hay que hacer la aproximacin).

n > 30
p < 0'1

la

probabilidad

P ( X = 0) =

de

4'63

que

n p

ninguno

de

los

das

se

exceda

el

lmite

permitido

es:

4 '63
= 00098
0!

d) Para que en ms de 40 dias se cumpla la normativa, el nmero de das en los que no se cumple debe ser
menor que 10. As:

P ( X < 10 ) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 ) + P ( X = 3) + P ( X = 4 ) + P ( X = 5 ) +
e 4'63 4 '630 e 4'63 4 '631 e 4'63 4 '632
+
+
+
0!
1!
2!
e 4'63 4 '633 e 4'63 4 '634 e4'63 4 '635 e4'63 4 '636 e4'63 4 '637 e4'63 4 '638
+
+
+
+
+
+
+
3!
4!
5!
6!
7!
8!
e 4'63 4 '639
= 00098 + 00452 + 01046 + 01614 + 01868 + 01730 + 01335 + 00893 +
+
9!
+00511 + 00263 = 09537
+ P ( X = 6) + P ( X = 7 ) + P ( X = 8) + P ( X = 9 ) =

Problema 2.
X: vida til de las llantas (en miles de km.)

H 0 : X N ( , )
H1 : X N ( , )

a)

Estadstica

Qumica Industrial

Pag. 3

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com

b)

=
2

donde

( ni ei )
ei

k2 r 1 si H 0 es cierta

k: nmero de clases con las que se termina el problema

r: nmero de parmetros poblacionales estimados para calcular las pi

) (

c) El contraste es unilateral, y la regin de aceptacin es: 0, , k r 1 = 0, 0'01,3 = ( 0,11'3)

2

d) Para realizar el contraste, debemos construir la tabla de bondad de ajuste. La variable es continua y
como no est agrupada en intervalos, tenemos que agruparla. El criterio dice que hemos de construir n/5
= 6 intervalos equiprobables. Los construimos en una N(0,1) buscando valores crticos segn se indica en
el siguiente grfico:

A partir de aqu, elaboramos la tabla:

Intervalos
N(0,1)

Intervalos

N ( , )

ni

pi

ei = n pi

ni ei

( ni ei )
ei

( , 0 '97 ) ( ,5519 )

1/6

-1

02

(-097 , -043)
(-043 , 0)
(0 , 043)
(043 , 097)

5
1
1
18
0

1/6
1/6
1/6
1/6
1/6

5
5
5
5
5

0
1
-4
13
-5

0
02
32
338
5

( 0 '97, )

(5519 , 5677)
(5677 , 58027)
(58027 , 5928)
(5928 , 6086)

( 60 '86, )

( ni ei )

ei

= 42 ' 4

Los intervalos en la N ( , ) se calculan siguiendo el proceso inverso a la tipificacin:

Z N ( 0,1) X = Z + N ( , ) ( en nuestro caso, X = 2 '918Z + 58'027 )

Como el valor del estadstico no est en la regin de aceptacin, acepto H1.

Estadstica

Qumica Industrial

Pag. 4

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
e) Calculamos el p-valor:

P 2 > 42 ' 4
p valor = P Estadstico > Valor observado en la muestra
)
H 0 cierta ( 3

De la grfica se deduce que p valor < 0 '005 .

Como el p-valor es menor que 001, acepto H1.
Problema 3.
Tenemos dos variables:
X: tiempo de exposicin (en semanas)
Y: porcentaje de bacilos supervivientes
Si tengo que ajustar un modelo de regresin exponencial y = ab a los datos anteriores, lo primero que
debo hacer es linealizar el modelo:
x

y = ab x

ln y = ln ( ab x ) = ln a + xln b Y = A + Bx

tomando
log aritmos

Por lo tanto, hemos de ajustar una recta de regresin a las variables x e Y = ln(y)
Recalculo los pares de datos:
x
Y=ln(y)

0
46051

05
37377

1
26391

2
20149

3
-09163

5
-22073

9
-29957

15
-62146

Y con estos datos hallo los parmetros de la recta Y = A + B x

n

x =
i =1

xi
= 44375
n

S y2 =
i =1

y =
i =1

yi
y 2 = 12 ' 4318
n

yi
= 0 '0828625
n
S xy =

S x2 =

x y
i

i =1

x 2i
x 2 = 23' 46
n

x y = 16 '0462

y los parmetros a y b que se ajustaran al modelo exponencial y = ae

bx

son:

= 0 '684 a = e A = 22 '6
x
S

y = 22 '6( 0 '505 ) .
B
b = e = 0 '505
A = y bx = 3'118

B=

Estadstica

Sx y
2
x

Qumica Industrial

Pag. 5

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
b) Si calculo el coeficiente de correlacin correspondiente al ajuste lineal:
2

S
S
R = xY = 0 '9386 R 2 = xY = 0 '8828
S x SY
S x SY
El valor del coeficiente de correlacin es negativo, lo que indica que las dos variables crecen en sentido
inverso, y al estar prximo a 1 (tanto el coeficiente de correlacin como el de determinacin lineal R2), es
indicativo de que el ajunte es bueno.
c) El porcentaje de bacilos supervivientes al cabo de 4 semanas ser:

y = 22 '6( 0 '505 ) = 1'47

4

Problema 4.
X: Peso de la soldadura realizada por la mquina I. X N ( 1 , 1 )
Y: Peso de la soldadura realizada por la mquina II. Y N ( 2 , 2 )
X e Y se suponen independientes.
a) Tenemos que construir un intervalo de confianza para la diferencia de medias, pero no sabemos si
podemos suponer iguales las varianzas poblacionales, por lo tanto, contrastaremos previamente la
hiptesis de igualdad de varianzas.

Parmetro del contraste:

Estimador puntual:
n

x =
i =1

12
22

S12 28214
=
= 0 '8386
S22 33463
n

xi
= 17 '75
n

y =
i =1

yi
= 18'25
m

S12 =

( xi x )2
i =1

n 1

= 28'214

S22 =

( y y)
i

i =1

m 1

= 33643

Planteo el contraste:

H 0 : 12 = 22

Estadstico del contraste:

H 1 : 12 22

S12
Fn 1,m 1 si H 0 es cierta
S 2
2

Nivel de significacin: = 005 ( El intervalo de confianza lo hacemos al 95%).

Regin de aceptacin: F

1 , n 1, m 1
2

= ( 0 ' 2004, 4 '99 )

, n 1, m 1
2

, F

S12
Valor del estadstico: 2 = 0 '8386 R. A. Acepto H 0
S2
Por lo tanto, puedo suponer que las varianzas poblacionales son iguales.

Estadstica

Qumica Industrial

Pag. 6

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
Ahora, construyo el intervalo de confianza:
Parmetro a estimar:

1 2

Estimador puntual: x y = 17 '75 18'25 = 0 '5

Nivel de confianza: 1 = 095

Estadstico pivote:

Donde Sn , m =

x y ( 1 2 )
1 1
S n ,m
+
n m

t n+ m2

( n 1)S12 + ( m 1)S22
n+m2

728'214 + 733'463
= 5'56
14

Planteamiento: Busco el valor crtico de nivel

en la distribucin del estadstico t

2

, N k

tal que

x y ( 1 2 )
= 1

P t
< t
<

,n + m 2
,
n
+
m

2
1 1
2

2
S n ,m
+
n m

Transformacin del enunciado probabilstico: Haciendo operaciones aritmticas con la limitacin que nos
permitan aislar en el centro de la limitacin el parmetro 1 2 :

1 1
1 1
P t
S n ,m
S n ,m
+ < x y ( 1 2 ) < t
+ = 1 =
,n+ m 2
,n + m 2
n
m
n
m
2
2

1 1
1 1
S n ,m
S n ,m
= P ( x y ) t
+ < ( 1 2 ) < ( x y ) t
+ =
,n+ m2
,n + m 2
n
m
n
m
2
2

1 1
1 1
S n ,m
S n ,m
= P ( x y ) t
+ < ( 1 2 ) < ( x y ) + t
+
,n+ m2
,n+ m 2
n
m
n
m
2
2

Con lo cual, el I.C. para

1 2

viene dado por.

1 1
1 1
(x y ) t
S n ,m
S n ,m
+ , (x y ) + t
+

,n+ m2
,n + m 2
n m
n m
2
2

Busco el valor crtico en la tabla de la t de Student:

1 = 0 '95 = 0 '05

= 0 '025 t0'025,14 = 2 '145

Sustituyendo en la expresin del intervalo de confianza:

1 1
1 1
0 '5 2 '1455'56 + , 0 '5 + 2 '1455'56 + = ( 3'482 , 2 '482 )
8 8
8 8

Estadstica

Qumica Industrial

Pag. 7

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
b) El verdadero valor de la diferencia de pesos medios

1 2

est entre ( 3' 482 , 2 ' 482 ) con una

probabilidad de 095.
Adems, como los lmites del intervalo son de signos opuestos, con un nivel de significacin del 5%,
aceptaramos la hiptesis de igualdad de medias, es decir, podramos suponer que los pesos medios de las
soldaduras son los mismos para las dos mquinas.
c) Ahora nos dicen que las desviaciones tpicas poblacionales son conocidas, con 1 = 2 =5.5, por lo
tanto, ahora las variables son:
X: Peso de la soldadura realizada por la mquina I. X N ( 1 ,55 )
Y: Peso de la soldadura realizada por la mquina II. Y N ( 2 ,55 )
Las desviaciones tpicas son conocidas.
Se define el error cometido al estimar el parmetro
como.

1 2

por su estimador puntual insesgado x y

= x y 1 2
El problema nos pide el tamao de muestra para que el error sea menor que 3.
Nivel de confianza: 1 = 095

Estadstico pivote:

x y ( 1 2 )

12
n

22

N ( 0,1)

Planteamiento del enunciado probabilstico: Busco el valor crtico de nivel

estadstico z
2

x y ( 1 2 )
< z
tal que: P z <
2
12 22
2
+

n
m

en la distribucin del

= 1

Transformacin del enunciado probabilstico: Haciendo operaciones aritmticas con la limitacin que nos
permitan aislar el parmetro 1 2 en el centro de la limitacin:

multiplicando por
el denominador

12 22
12 22
+
< x y ( 1 2 ) < z
+
P z
=
2 n
m
n
m
2

2 2
P x y ( 1 2 ) < z 1 + 2
tomando

n
m
2
valor absoluto

As, obtengo una cota para el error: x y ( 1 2 ) < z

Busco el valor crtico: 1 = 0 '95 = 0 '05

12
n

22
m

<3

= 0 '025 z0025 = 1'96

Y sustituyendo en la cota para el error:

552 552
552
1'962 2552
2
2
+
< 3 1'96 2
<3
< n n > 25824
1'96
n
n
n
32
Estadstica

Qumica Industrial

Pag. 8

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
Debemos tomar muestras de tamao 26 para que el error sea inferior a 3 gramos en la estimacin de la
diferencia de medias.

Problema 5.
Llamando Yi = Tiempo de coccin del tratamiento i;

X i N ( i , ) i = 1, 2,3

a) Para completar la tabla ANOVA incompleta que nos proporciona el problema, hay que tener en cuenta
las siguientes frmulas:
SSTOT = SSTRAT + SSE. SSE = SSTOT - SSTRAT = 1734944 1517444 = 217504

SS E
217504
=
= 14 '5
15
N k
SS
1517 '44
= 75872
MSTRATt = TRAT =
2
k 1
MSTRAT 758'72
F* =
=
= 52 '32
14 '5
MS E

MS E =

Con lo que se puede completar la tabla, teniendo en cuenta que k = 3 (hay 3 tratamientos) y el tamao de
cada muestra es ni = 6, por tanto N = 18:
Origen de la
variacin
Tratamientos
Residual
Total

Grados de
libertad
k-1=2
N-k=15
N-1=17

Suma de
cuadrados
1517444
SSE = 217504
1734944

Cuadrados
medios
MSTRAT = 78572
MSE = 14,5

Estadstico
F=52-32

H0: 1 = 2 = 3
H1: al menos un par i j. para algn i j.

b) El contraste a realizar es:

Estadstico del contraste :

F* =

MSTRAT
Fk 1, N k si H 0 es cierta
MS E

Nivel de significacin : = 0 '05

Re gion de aceptacion ::

( 0, F

Valor del estadstico : F * =

MSTRAT 758'72
=
= 52 '32 R. A. Acepto H1
14 '5
MS E

, k 1, N k

) = ( 0, 3'68)

Por lo tanto, hay evidencias muestrales que indican que existen diferencias entre los tiempos de coccin
medios de los distintas grupos con un nivel de significacin del 5%.
c) Para hacer las comparaciones de medias solicitadas construimos el intervalo de confianza para la
diferencia de medias:
Nivel de confianza: 1 = 0'95 .

Estadstico pivote:

Estadstica

xi x j ( i j )
1
1
+
MS E
ni n j

t N k

Qumica Industrial

Pag. 9

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com

Planteamiento: Busco el valor crtico de nivel

en la distribucin del estadstico t

2

, N k

tal que

xi x j ( i j )
P t
< t
<
= 1
, N k
, N k
1
1
2

2
MS E
+

n
n
i
j

Transformacin del enunciado probabilstico: Haciendo operaciones aritmticas con la limitacin que nos
permitan aislar en el centro de la limitacin el parmetro i j :

1
1
1
1
+
< xi x j ( i j ) < t
+
P t
MS E
MS E
= 1 =
2 , N k

, N k
n
n
n
n
i
j
i
j
2

1
1
1
1
= P (xi x j ) t
+
< ( i j ) < (xi x j ) t
+
MS E
MS E
=

, N k
, N k
n
n
n
n
i
j
i
j
2
2

1
1
1
1
MS E
MS E
= P (xi x j ) t
+
< ( i j ) < (xi x j ) + t
+

, N k
, N k
ni n j
ni n j
2
2

Con lo cual, el I.C. para

i j

viene dado por.

1
1
1
1
(x x ) t
MS E
, (x i x j ) + t
MS E
+
+
i
j

, N k
, N k
ni n j
ni n j
2
2

Para poder comparar las medias, tendremos en cuenta que el problema nos da las medias muestrales para
cada grupo: y1 = 78'33 , y2 = 61'17 , y3 = 82 '33

1 = 0 '95 = 0 '5
1 comparacin:

= 0 '025 t0.025,15 = 2131

1 2 :

1 1
1 1
( 78'33 61'17 ) 2 '131 14 '5 + , ( 78'33 61'17 ) + 2 '131 14 '5 + = (12 ' 475, 21'845 )
6 6
6 6

Los dos extremos del intervalo son positivos, por lo tanto,

2 comparacin:

1 > 2 .

1 3 :

1 1
1 1
( 78'33 82 '33) 2 '131 14 '5 + , ( 78'33 82 '33) + 2 '131 14 '5 + = ( 8'685, 0 '685 )
6 6
6 6

Los dos extremos del intervalo son de signos opuestos, por lo tanto,

Estadstica

Qumica Industrial

1 = 3 .

Pag. 10

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com
3 comparacin:

2 3 :

1 1
1 1
( 61'17 82 '33) 2 '131 14 '5 + , ( 61'17 82 '33) + 2 '131 14 '5 + = ( 25'845, 16 ' 475 )
6 6
6 6

Los dos extremos del intervalo son negativos, por lo tanto,

2 < 3 .

El rechazo de la hiptesis de igualdad de medias se produce porque no se puede considerar

igual a

ninguna de las otras dos medias.

Estadstica

Qumica Industrial

Pag. 11

ARCRIS ACADEMIA. C. San Roque 125 Entreplanta. Tfno. 982-255-153

e-mail: arcrisacademia@mundo-r.com

Clases de :
- MATEMTICAS II
- ESTADSTICA
- FSICA II.
- INTRODUCCIN A LA
INGENIERA QUMICA
- INGENIERA DE LA
REACCIN QUMICA
- QUMICA ORGNICA
- FSICO QUMICA
Abierto el plazo de inscripcin.
Precio muy asequible, sin gastos
de matrcula y con descuento por
mas de una asignatura.
Flexibilidad de horario.
Fecha de inicio: 1 de Marzo.
INFORMACIN Y RESERVAS:
C. San Roque 125 Entreplanta
Tfno: 982-255-153 y 637-840-697
Estadstica

Qumica Industrial

Pag. 12