M 005

MODEL PAPER
B.Tech. DEGREE EXAMINATION.
Fourth Semester
Chemical Engineering
MA 036 — STATISTICS AND LINEAR PROGRAMMING
(Common to Textile Technology, Leather Technology and Textile Chemistry)
Time : Three hours Maximum : 100 marks
Answer ALL questions.
PART A — (10  2 = 20 marks)

1. The   random   variable   X   is  exponentially  distributed  with   mean   100.   Find   the
probability that  X  90.

2. The probability density function of X is given by
2 x , 0  x  1

f (x )  

 0, elsewhere

Find the p.d.f. of  Y  g ( X )  3 X  1.

3. Define Covariance. Prove that  Cov ( aX , bY )  ab Cov ( X , Y ).

4. State Central limit theorem and explain its significance.

5. A  process  of  manufacturing  a  certain  engine part   has   a  mean  of   50  mm   and

standard deviation of .01 mm. Groups of five are sampled every hour and the
values of sample mean  X  are recorded and plotted. Find the upper and lower
control limits for  X .

6. Explain what is meant by randomised block design.

7. Formulate the following problem as a linear programming problem.

An   animal   feed   company   must   product   200   kg   of   a   mixture   consisting   of

ingredients  X 1   and   X 2   daily.   X 1   costs Rs. 3 per kg and   X 2   Rs. 8 per kg.
Not more than 80 kg of  X 1  can be used and atleast 60 kg of  X 2  must be used.
Find how  much of  each ingredient  should  be used if the company  wants  to
minimise the cost.

8. How   are   the   alternative   optima   and   unbounded   solutions   indicated   in   the
simplex procedure for a LPP?
9. What are the necessary and sufficient conditions for the existence of a feasible
solution for a transportation problem? If it has no such solution, how will you
solve the problem? 

10. Write down the dual of the following LPP :

Max  z  5x1  6x 2

subject to  x1  2x 2  5

       x1  5x 2  3

          x1 , x 2  0 .

PART B — (5  16 = 80 marks)

11. (i) The   following   is   the   data   on   the   number   of   defective   electronic
components in 20 samples each of size 50. Establish the control limits for 
p–charts and find whether the process is under control.

Sample : 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Number of defective 

components : 8 6 5 7 2 5 3 8 4 4 3 1 5 4 4 2 3 5 6 3

(ii) Carry out the analysis of the following Latin square design using 0.05 level of
significance for each test :

A B C D

48 38 42 53

B C D A

39 43 50 54

C D A B

42 50 47 44

D A B C

46 48 46 52

2 M 005
12. (a) (i) Obtain the moment generating function of X whose p.d.f. is given by
 x, 0  x  1


f ( x )  2  x , 1  x  2


 0, elsewhere

(ii) Use Chebyshev inequality to show that, if X is the number scored in a
throw of a fair die,  P  X  3.5  2.5  0.47.

(iii) If X has geometric distribution, show that for any two positive integers s
and t  P  X  s  t |X  s   P ( X  t ).

Or

(b) (i) In a component manufacturing industry, there is a small probability of

1
  for   any   component   to   be   defective.   The   components   are
500
supplied in packets of 10. Use Poisson distribution to calculate the
approximate   number   of   packets   containing  
(1) atleast one defective (2) atmost one defective.

(ii) The probability that an experiment will succeed is 0.8. If the experiment
is repeated until four successful outcomes have occured, what is the
expected number of repetitions required?

(iii) X 1 , X 2 , ......... X n  are independent, identically distributed exponential

random   variables   each   with   paramter    .   Prove   that
X 1  X 2  ......  X n  is a Gamma variable with parameters    and r.

13. (a) (i) Let  X  and  Y  have  joint   density  function   f ( x , y )  2, 0  x  y  1 .
Check whether X and Y are independent.

(ii) The fraction X of male runners and the fraction Y of female runners who
complete   marathon   races   can   be   described   by   the   joint   density
function :

8 x y, 0  x  1, 0  y  x

f ( x , y)  

 0, otherwise

Find the covariance of X and Y.

Or

(b) (i) The joint density function of  X and Y is

3 M 005
 ( x  y )
e
 , 0  x  , 0  y  
f ( x , y)  

 0, otherwise

X
Find the density function of the random variable  Z  .
Y

(ii) Let (X, Y) be two–dimensional random variable with joint pdf

2, 0  x  y  1

f ( x , y)  

 0, elsewhere

Find the correlation coefficient between X and Y.

14. (a) (i) Solve graphically :

Minimise  z  2x1  8x 2

subject to
5x1  10x 2  150
x1  20
x 2  14
x1 , x 2  0.

(ii) Using artificial variable technique, solve :

Minimise  z  3x1  2x 2

subject to
x1  x 2  2
x1  3x 2  3
x1  x 2  1
x 1 , x 2  0.

Or

(b) (i) Solve graphically :

Maximise  z  x1  x 2

subject to

 2 x1  x 2  1
x1  2
x1  x 2  3
x 1 , x 2  0.

(ii) Use Simplex method, to solve the following LPP :

4 M 005
 Maximise  z  2x1  3x 2

subject to

 x1  2x 2  4
x1  x 2  6
x1  3x 2  9
x 1 , x 2  0.

15. (a) (i) A   company   is   sending   a   certain   commodity   from   its   factories   to
different   warehouses.   The   details   of   the   capacities,   requirements
and   unit   shipping   cost   are  given   below.   Solve  the   transportation
problem,   starting   with   the   solution   obtained   by   Vogel's
approximation method. If an alternate optimal solution exists, find
it also.

Warehouses Capacities

12 5 23 9 2100

Factories 7 10 11 13 1750

8 12 4 14 1150

Requirements 1200 2250 850 700

(ii) Solve   the   following   assignment   problem,   to   minimise   the   total   time
needed for all the four jobs.

Job

J1 J2 J3 J4

Operator O1 12 10 10 8

O2 14 12 15 11

O3 6 10 16 4

O4 8 10 9 7

Or

5 M 005
(b) (i) State  duality   theorem   of   a   LPP.   What   can  you  say   about   the   optimal
solution of the dual problem of the primal problem does not have a
feasible solution?

(ii) Solve the following LPP, using duality theory :

Minimise  z  300 x1  300 x 2  240 x 3

subject to

2x 1  x 2  x 3  2
3x1  x 2  3x 3  2
x1  3x 2  x 3  4
x 1 , x 2 , x 3  0.

———————

6 M 005