Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Estocastica1
Manual Estocastica1
FACULTAD DE INGENIERIA
ESCUELA DE SISTEMAS
DEPARTAMENTO DE INVESTIGACION DE OPERACIONES
Mayo de 2009
Indice
general
0.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1. Estadstica Descriptiva
1
3
54
INDICE GENERAL
ii
91
145
208
INDICE GENERAL
iii
6. Vector Aleatorio
227
283
0.1. Introduccion
Dentro del programa curricular de la carrera de Ingeniera de Sistemas de la Universidad
de Los Andes, esta contemplado estudiar el a rea de Estocastica con el fin de poder analizar,
representar, evaluar y controlar sistemas ya sean naturales o artificiales.
Si bien cuando se habla de estocastica automaticamente se relaciona con todo lo concerniente al azar, esta es una teora estadstica que estudia los procesos cuya evolucion
es completamente aleatoria, y de all se desprenden leyes, modelos y tecnicas de representacion de los fenomenos aleatorios del mundo.
El presente manual tiene como finalidad ser una gua de apoyo para los estudiantes de
Estocastica 1, para las tres opciones de la carrera, aqu encontrara una serie de ejercicios
completamente resueltos y algunos propuestos.
El manual esta dividido en seis captulos segun el programa de la materia de Estocastica
1, de la siguiente manera:
En el Captulo 1, estudiaremos una parte de la Estadstica Descriptiva, los ejercicios
estan enfocados en recoleccion, representacion y analisis de datos cualitativos y cuantitativos.
En el Captulo 2, se comienza a dar las nociones de Probabilidades, la cual es el componente principal de la materia. Se estudiara las propiedades y principios basicos de la
probabilidad.
En el Captulo 3, se analizaran las variables aleatorias unidimensionales, como tambien
sus distribuciones de probabilidad y sus propiedades.
Una vez estudiadas las distribuciones de probabilidad de las variables aleatorias, en el
INDICE GENERAL
Captulo 4 se presentaran algunas distribuciones que por sus atributos, ya se les consideran
clasicas y que se adaptan a la mayora de los fenomenos aleatorios del mundo.
En el Captulo 5, hablaremos de algunos Teoremas Lmites que son fundamentales en
el estudio probabilstico y estadstico en la ciencia moderna.
Por u ltimo, en el Captulo 6 se estudiaran las variables aleatorias bidimensionales, su
distribucion de probabilidad y sus relaciones entre s.
Es importante aclarar que este manual esta basado en la solucion de varios problemas
formulados por el Profesor Oswaldo Ramrez de la Escuela de Ingeniera de Sistemas,
del Profesor Armas del Departamento de Estadstica y de algunos otros autores. Ademas
esta basado en algunos problemas de la autora del manual.
Captulo 1
Estadstica Descriptiva
La Estadstica Descriptiva es un a rea de la Estadstica que se encarga de los metodos
de recoleccion, organizacion, descripcion y presentacion de datos que son tomados de un
fenomeno bajo estudio; e sta representacion puede ser en forma de cuadros o en forma de
graficos, como tambien pueden ser presentados de forma numerica (Armas, 2002).
Las aplicaciones de la estadstica descriptiva dentro de la Ingeniera de Sistemas abarca
varios campos, alguno de ellos son: el control estadstico de la calidad, teora de colas,
diseno de encuestas, diseno de sistemas dinamicos, modelado y simulacion de sistemas y
en la toma de decisiones, entre otros.
En este captulo se presenta una introduccion a la estadstica descriptiva, donde estudiaremos la representacion tabular y grafica de los datos por medio de las tablas de distribucion de frecuencia, histogramas y polgonos de frecuencia; seguidamente estudiaremos la representacion numerica, la cual se realizara por medio de las medidas numericas
de tendencia central y de dispersion. Por u ltimo estudiaremos algunos metodos de muestreo
aleatorio de datos.
1. Suponga que en la ciudad de Merida un hotel tiene 25 habitaciones, y todas se encuentran ocupadas para cierta fecha de temporada alta. El numero de personas alojadas por habitacion se muestra en la Tabla 1.1.
1
2
4
1
3
4
6
5
2
4
3
2
3
2
5
1
2
2
2
2
5
2
1
1
3
Frecuencia Abosulta
( fi )
5
9
4
3
3
1
Frecuencia Acumulada
(Fi )
5
14
18
21
24
25
1
0
25
20
15
10
30,7
28,2
31,7
27,6
26,0
29,8
29,7
30,3
27,6
28,6
28,9
29,2
30,0
28,7
30,8
31,3
30,2
30,7
29,4
30,7
27,2
27,3
26,4
29,7
29,3
26,9
30,3
Elabore la Distribucion de Frecuencia con intervalos de clases que contenga: Marca de la Clase, Frecuencia Absoluta, Frecuencia Acumulada, Frecuencia Relativa y
Frecuencia Relativa Acumulada.
Dibuje el Histograma y Polgono de Frecuencia.
Solucion:
Para construir la Distribucion de Frecuencia, organizaremos los datos en 6 intervalos.
Para calcular la amplitud de la clase utilizaremos la siguiente formula1 :
Valor Maximo - Valor Mnimo
k
Ci =
Donde:
Ci = Amplitud de la clase
k = Numero de clases
Esta ecuacion es recomendada por el Profesor Armas en su publicacion Estadstica Sencilla Descriptivade la Escuela de Estadstica de la ULA
31,3 26,0
= 0,88333 1
6
LIi LS i
2
tenidos en la clase.
f ri =
k
X
fi
n
f ri = 1
i=1
Por u ltimo, la frecuencia relativa acumulada (Fri ) se obtiene dividiendo la correspondiente frecuencia acumulada (Fi ) entre el numero total de datos. Este valor representa
la proporcion de datos que son menores que el lmite superior de la clase i.
Fri =
Fi
n
Marca de
la Clase
(mi )
26.5
27.5
28.5
29.5
30.5
31.5
Frecuencia
Absoluta
( fi )
3
4
6
6
8
3
Frecuencia
Acumulada
(Fi )
3
7
13
19
27
30
Frecuencia
Relativa
( f ri )
0.100
0.133
0.200
0.200
0.267
0.100
Frecuencia
Relativa
Acum. (Fri )
0.100
0.233
0.433
0.633
0.900
1.000
Para dibujar el histograma con la frecuencia divida por clases, se elabora de igual
manera solo que los lmites del intervalo son los extremos de la barra y la marca de
la clase sera entonces el centro de la misma.
Ahora, para el polgono de frecuencia se crea una clase ficticia anterior a la primera
clase, con su misma amplitud, y una clase ficticia al final; la primera clase ficticia
sera entonces [25 26) y su marca es 25,5; la u ltima clase ficticia sera [32 33) y su
marca es 32,5.
10
Aclaramos que como dichas clases no exiten en el problema original, la altura de las
barras son iguales a cero.
Una vez hecho esto, prolongamos la lnea hasta las dos marcas ficticias, cerrando
as el polgono de frecuencia como se observa en la Figura 1.3 .
7
6
5
4
3
2
1
0
25.5
26.5
27.5
28.5
29.5
30.5
31.5
32.5
Pesos (Kilogramos)
11
0.25
0.2
0.15
0.1
0.05
26.5
27.5
28.5
29.5
30.5
31.5
Pesos (Kilogramos)
B
O
O
B
O
A
O
O
A
B
A
O
A
A
O
A
O
A
O
O
O
O
A
O
O
B
O
A
A
O
O
A
O
O
O
A
Elabore:
a) La distribucion de frecuencia de los 40 datos.
b) Un histograma con la frecuencia relativa.
c) Un histograma con la frecuencia relativa acumulada.
Solucion:
12
Frecuencia
Absoluta
( fi )
14
4
22
A
B
O
Frecuencia
Acumulada
(Fi )
14
18
40
Frecuencia
Relativa
( f ri )
0.35
0.10
0.55
Frecuencia
Relativa
Acum. (Fri )
0.35
0.45
1.00
0.5
0.4
0.3
0.2
0.1
Grupo Sanguneo
13
0.8
0.6
0.4
0.2
Grupo Sanguneo
9
1
10
2
12
1
13
2
14
2
15
2
16
1
17
7
18
2
19
6
20
4
14
10
11
12
13
14
15
16
17
18
19
20
21
Calificacin
Los datos del numero de accidentes diarios para este ejercicio no son reales
2
1
2
0
0
0
3
2
1
2
1
6
3
3
2
1
2
1
0
1
15
3
0
4
4
4
6
1
2
2
2
1
2
2
0
3
4
Solucion:
Si observamos los datos, el numero de accidentes diarios oscilan entre 0 y 6 accidentes, como son pocos valores dejamos los datos individuales.
La Distribucion de Frecuencia del problema con la fi y la Fi la podemos ver en la
Tabla 1.10.
Numero
de
Accidentes
0
1
2
3
4
5
6
Frecuencia Absoluta
( fi )
7
9
12
5
5
0
2
Frecuencia Acumulada
(Fi )
7
16
28
33
38
38
40
La Ojiva es un grafico curvilneo que se utiliza para representar las frecuencias acumuladas, se dibuja de forma similar que el polgono de frecuencia, solo que no se
crea una clase ficticia al final (Ver Figura 1.8).
Si se desea se puede colocar en el eje de las ordenadas la frecuencia relativa acumulada (Fri ) multiplicada por 100 y de esta manera se obtiene la ojiva porcentual.
16
40
35
30
25
20
15
10
Medidas de Tendencia Central: Son los valores centrales o promedios de la coleccion de datos. Los mas conocidos y que estudiaremos en este manual son: la media
aritmetica, la mediana y la moda.
Medidas de Dispersion Absoluta: Son los valores que miden la variabilidad de los
datos con respecto a un valor central especfico, es decir, a las medidas de tendencia
17
EJERCICIOS
Pn
i=1
Xi
Frecuencia Absoluta
( fi )
4
6
3
1
Frecuencia Acumulada
(Fi )
4
10
13
14
18
(n
+
1)
si n es impar
Termino
2
e=
X
Frecuencia Absoluta
( fi )
4
6
3
1
Frecuencia Acumulada
(Fi )
4
10
13
14
19
Como uno de los sueldos cambio debemos calcular una nueva media aritmetica:
X=
En nuevo promedio del sueldo anual de las 14 personas que trabajan en la empresa es de Bs. F 12.555,43 aumento es un 7,33 %.
La nueva mediana de los datos es:
e = Termino(14/2) + Termino(14/2 + 1) = Termino(7) + Termino(8)
X
2
2
e = 12000 + 12000 = 12000
X
2
Observamos que la mediana no es afectada por el incremento del sueldo del gerente
como lo es la media aritmetica, esto es debido a que la media se ve afectada por la
magnitud de los valores y en cambio la mediana se ve afectada por la cantidad de los
datos alrededor de ella.
2. Demostrar las propiedades de la media aritmetica.
Solucion:
Para demostrar las propiedades, utilizaremos los datos de una encuesta realizada a un
grupo de 80 estudiantes preguntandole su peso corporal en kilogramos.
43
45
45
45
48
48
48
48
49
50
50
50
50
50
51
51
51
51
52
52
52
52
53
53
54
54
54
55
55
55
55
55
55
55
56
56
57
57
57
57
58
58
58
59
59
60
60
61
61
61
62
62
64
65
65
66
66
67
68
68
68
69
69
70
72
72
75
75
75
76
76
78
79
80
80
80
84
84
85
85
Propiedad 1: La suma de las diferencias de cada uno de los datos con respecto a su
media es igual a cero.
n
X
i=1
Xi X = 0
20
Calculamos la media:
P80
i=1
X=
Xi
80
4854
= 60, 675
80
i=1
Propiedad 2: La suma de las diferencias de cada uno de los datos con respecto a su
media elevada al cuadrado es mnima.
n
X
(Xi X)2
es un valor mnimo
i=1
Tenemos:
80
X
i=1
i=1
80
X
i=1
3+3+3+3+3+3+3+3
=3
8
21
Propiedad 4: Si a cada uno de los datos se les suma un mismo numero real k, se
obtiene X1 + k, X2 + k, . . . , Xn + k, entonces la nueva media sera X + k:
Considere el siguiente conjunto de datos:
5, 6, 8, 4, 6, 8, 9, 5, 6
La media es:
X=
5+6+8+4+6+8+9+5+6
= 6,333
9
8 + 9 + 11 + 7 + 9 + 11 + 12 + 8 + 9
= 9,333
9
O que es lo mismo:
X N = X + k = 6,333 + 3 = 9,333
Propiedad 5: Si a cada uno de los datos se les multiplica por un mismo numero real
k, se genera un nuevo conjunto de datos X1 k, X2 k, . . ., Xn k, entonces la nueva media
sera kX
Considere los datos anteriores, si multiplicamos el conjunto de datos por k = 0,1
obtenemos:
0,5; 0,6; 0,8; 0,4; 0,6; 0,8; 0,9; 0,5; 0,6
La nueva media aritmetica sera entonces:
XN =
22
O que es lo mismo:
X N = X k = 6,333 0,1 = 0,6333
Propiedad 6: Si se tienen k diferentes grupos de datos de diferentes tamanos n1 , n2 ,
. . ., nk , con medias X 1 , X 2 , . . ., X k , respectivamente, entonces la media de todos esos
datos juntos es:
X=
n1 X 1 + n2 X 2 + ... + nk X k
n1 + n2 + ... + nk
5+6+5+8+4+3+9+7
= 5,875
8
12 + 10 + 9 + 15 + 8
= 10,8
5
54 + 60 + 50 + 52 + 58 + 65 + 57
= 56,571
7
5 + 6 + 5 + 8 + 4 + 3 + 9 + 7 + 12 + 10 + 9 + 15 + 8 + 54 + 60 + 50 + 52 + 58 + 65 + 57
20
X = 24,85
Ahora bien, con la propiedad podemos calcularlo directamente con la formula:
X=
n1 X 1 + n2 X 2 + n3 X 3
n1 + n2 + n3
X=
23
Marca de la
Clase
(mi )
12
13
14
15
16
17
18
Frecuencia
Absoluta
( fi )
2
1
6
16
9
5
1
mi f i
24
13
84
240
144
85
18
Frecuencia
Acumulada
(Fi )
2
3
9
25
34
39
40
24
n
2
Fam
Cm
fm
Donde:
LI = Lmite inferior de la clase medianal
n = Numero total de datos
Fam = Frecuencia acumulada de la clase anterior a la clase medianal
fm = Frecuencia absoluta de la clase medianal
Cm = Amplitud de la clase medianal
Entonces tenemos que:
e = 14,5 +
X
40
2
9
1 = 15,1875
16
Numero
de
Materias
1
2
3
4
5
6
Frencuencia
Absoluta
15
16
30
25
9
5
25
Frecuencia
Acumulada
15
31
61
86
95
100
Solucion:
Calculamos la media aritmetica:
X=
1 15 + 2 16 + 3 30 + 4 25 + 5 9 + 6 5
= 3,12
100
26
Solucion:
Calculamos la media:
X=
5 + 4 + 7 + 8 + 3 + 5 + 8 + 10 + 6 + 7
= 6,3
10
X)2
N1
i=1 (Xi
S =
X)2
n1
i=1 (Xi
(3 6,3)2 + (4 6,3)2 + 2(5 6,3)2 + (6 6,3)2 + 2(7 6,3)2 + 2(8 6,3)2 + (10 6,3)2
10 1
2 =
3
40,1
= 4,4556
9
27
Como la varianza viene dada en unidades al cuadrado, para obtener el valor numerico
de la variacion promedio utilizamos la Desviacion Estandar, la cual es la raz cuadrada de la varianza:
=
S =
S2
O si se trata de la muestral:
p
2 = 4,456 = 2,1108
Esto significa que en promedio, todos los valores estan alejados de su promedio con
una distancia de 2,1108.
6. En cierto poblado merideno, 20 estudiantes presentaron la prueba de la OPSU. Las
calificaciones obtenidas por este grupo se muestran en la Tabla 1.16. Clasifique las
notas en 4 clases. Hallar la media, la mediana, la varianza y la desviacion estandar.
74
75
80
75
65
60
85
74
95
75
72
63
76
78
72
87
93
90
84
70
Solucion:
La distribucion de frecuencia la podemos ver en la Tabla 1.17.
P4
X=
i=1 mi fi
P4
i=1 fi
Marca de la
Clase
(mi )
65
75
85
95
28
Frecuencia
Absoluta
( fi )
3
10
4
3
Frecuencia
Acumulada
(Fi )
3
13
17
20
mi fi
195
750
390
285
2 3
e = 70 +
10 = 77
X
10
Aproximadamente el 50 % de los 20 alumnos sacaron mas de 77 puntos en la prueba
de la OPSU.
Dado que los datos estan agrupados, calculamos la varianza utilizando la siguiente
ecuacion:
P
2
S =
124900 (1570)
20
2
S =
= 87,10
20 1
La varianza o promedio de las desviaciones de los datos con respecto a su media
elevada al cuadrado es igual a 87,10 puntos2 .
Calculamos la desviacion estandar:
S =
S2 =
87,10 = 9,33
29
X = 50
P12
2
50)2
=0
12 1
i=1 (50
Si bien sabemos que la varianza es el promedio de los desvo de los datos con respecto
a su media elevada al cuadrado, si todos los datos son iguales, no existe tal desvo,
en tal sentido la varianza y la desviacion estandar son cero.
Propiedad 3: Si a cada uno de los datos originales se le suma un mismo numero real k,
(positivo o negativo), entonces la nueva coleccion de datos tienen la misma varianza
y desviacion estandar que los datos originales.
Para demostrar esta propiedad tenemos el siguiente conjunto de datos:
5, 6, 8, 4, 6, 8, 9, 5, 6
X=
5+6+8+4+6+8+9+5+6
= 6,3
9
2 =
30
2 = 2,75
p
= 2 = 2,75 = 1,6583
Si le sumamos la constante k = 3, obtenemos el nuevo conjunto:
8, 9, 11, 7, 9, 11, 12, 8, 9
La nueva media aritmetica sera:
X=
2 =
8 + 9 + 11 + 7 + 9 + 11 + 12 + 8 + 9
= 9,3
9
(8 9,3)2 + (9 9,3)2 + (11 9,3)2 + (7 9,3)2 + (9 9,3)2 + (11 9,3)2 + (12 9,3)2 + (8 9,3)2 + (9 9,3)2
91
2 = 2,75
p
= S 2 = 2,75 = 1,6583
De esta manera se demuestra que si se suma una misma constante a todos los datos
la varianza y la desviacion estandar son la misma, esto es debido a que al sumar o
restar un mismo numero lo que se hace es desplazar los datos a la izquierda o a la
derecha, pero la distancia entre ellos sigue siendo la misma.
Propiedad 4: Si cada uno de los datos originales se multiplica por un mismo numero
real k, la varianza y la desviacion estandar de los nuevos datos vienen dados por
k2 2 y |k| , respectivamente.
Si consideramos los datos de la propiedad anterior y tomamos k = 10, tenemos que:
50, 60, 80, 40, 60, 80, 90, 50, 60
X=
31
50 + 60 + 80 + 40 + 60 + 80 + 90 + 50 + 60
= 63,33
9
P9
(Xi 63,333)2
2
= i=1
= 275
91
= 2 = 275 = 16,583
O que es lo mismo:
2N = k2 2 = (10)2 + (2,75) = 275
N = |k| = |10| (1,6583) = 16,583
8. Se mide la estatura, en metros, a diez mujeres y se obtienen los siguientes datos:
1.62
1.68
1.56
1.66
1.62
1.55
1.69
1.6
1.59
1.63
1,62 + 1,68 + 1,56 + 1,66 + 1,62 + 1,55 + 1,69 + 1,6 + 1,59 + 1,63
= 1,62
10
p
S = S 2 = 0,0022 = 0,0471 metros
La distancia promedio de las estaturas con respecto a la media (1,62 metros) es de
0,0471 metros.
32
33
S 2N = S 2
SN = S
10. Una investigacion realizada en una fabrica sobre los costos de 4 tipos de productos,
arrojo como resultados que la fabrica gastaba en costos fijos un promedio de 100 Bs.
F por unidad, con una desviacion estandar de 20 Bs. F.
Si se produce un aumento del 100 % de los costos fijos. Cuanto sera el gasto promedio por unidad? y cual sera la varianza?
Solucion:
Si se aumenta los costos fijos en un 100 % quiere decir que ahora cada unidad gasta
el doble de lo que gastaba originalmente, por medio de las propiedades de la media
aritmetica tenemos que la nueva media es:
X N = 2 X = 2 100 = 200
Entonces el costo fijo por unidad es de 200 Bs. F.
Con respecto a la varianza tenemos que:
S 2 = (20)2 = 400 (Bs. F)2
Por propiedades, la varianza despues del aumento sera entonces:
S 2N = k2 S 2 = (2)2 (400) = 1600 (Bs. F)2
11. Las ventas diarias de una tienda durante 30 das, se presentan en la Distribucion de
Frecuencia de la Tabla 1.19.
a) Construir el histograma, polgono de frecuencias, ojiva y ojiva porcentual.
b) Calcular la media, la moda, la varianza y la desviacion estandar de los datos.
c) Determinar entre cuales cantidades de Bs. F estuvieron las ventas por lo menos
el 60 % de los das.
34
Numero
de das
3
5
6
6
10
Marca de la
Clase (mi )
65
75
85
95
105
Frecuencia
Acumulada (Fi )
3
8
14
20
30
Fri 100
10
26.7
46.7
66.7
100
Solucion:
a) Graficamos y obtenemos el histograma y polgono de frecuencia con la frecuencia absoluta en la Figura 1.9.
10
9
8
7
6
5
4
3
2
1
0
55
65
75
85
95
105
115
Ventas (Bs. F)
35
30
25
20
15
10
0
55
65
75
85
95
105
Ventas (Bs. F)
100
90
80
70
60
50
40
30
20
10
0
55
65
75
85
95
105
Ventas (Bs. F)
3 65 + 5 75 + 6 85 + 6 95 + 10 105
= 90
3 + 5 + 6 + 6 + 10
36
Calculamos la moda:
Clase modal: [100-110)
Mo = 105 Bs. F
El monto de las ventas mas comun de la tienda es de 105 Bs. F.
Calculamos la varianza:
P
2
P
fi Xi2 ( Pfi Xfii )
248580 7290000
30
2
P
S =
=
= 191,3793
( fi ) 1
30 1
Calculamos la desviacion estandar:
S =
p
S 2 = 191,3793 = 13,8339
100
90
80
70
60
50
40
30
20
10
0
55
65
75
85
95
Ventas (Bs. F)
105
37
30
28
26
24
M
22
20
A
95
96
97
98
99
100
101
102
103
104
105
AP
AB
PQ
BC
M 20
98 95
=
105 95 30 20
Despejamos a M y tenemos:
M = 23
30 27 = 7 das
Aproximadamente 7 das se vendieron mas de 98 Bs. F.
106
38
39
EJERCICIOS
1. Una poblacion esta conformada por el siguiente conjunto S = {4, 7, 10}, siendo un
espacio equiprobable. Las muestras aleatorias de tamano 2 son elegidas con reemplazo.
a) Calcular la media poblacional y la desvacion estandar .
b) Hallar la distribucion de muestreo para la media muestral.
c) Calcular la media X y la desviacion X de X y comparlas con y .
Solucion:
a) Un espacio equiprobable significa que todos los elementos de S tienen la misma
probabilidad de ser seleccionados, para este caso cada uno tiene una probabilidad de 13 .
Calculamos la media poblacional:
=
3
X
Xi P(xi ) = 4
i=1
1
1
1
+ 7 + 10 = 7
3
3
3
r
=
(4 7)2
1
1
1
+ (7 7)2 + (10 7)2
3
3
3
= 2,4495
b) Calculamos las medias muestrales, para ello primero seleccionamos las posibles
muestras y calculamos su media muestral, ver Tabla 1.20.
La Distribucion de la media muestral la podemos ver en la Tabla 1.21.
40
X=
X1 +X2
2
4
5,5
7
5,5
7
8,5
7
8,5
10
P(X)
1/9
2/9
3/9
2/9
1/9
5
X
X P(X)
i=1
X = 4
1
2
3
2
1
+ 5,5 + 7 + 8,5 + 10 = 7
9
9
9
9
9
v
t
5
X
(X X )2 P(X)
i=1
r
=
(4 7)2
2
3
2
1
1
+ (5,5 7)2 + (7 7)2 + (8,5 7)2 + (10 7)2
9
9
9
9
9
= 1,7321
41
X =
n
Entonces tenemos que:
= X = 7
2,449
X = = 1,732
2
2. Las muestras aleatorias de tamano 2 se obtienen sin reemplazo de la poblacion S =
{4, 7, 10}, siendo un espacio equiprobable.
a) Calcular la media poblacional y la desvacion estandar .
b) Hallar la distribucion de muestreo para la media muestral.
c) Calcular la media X y la desviacion X de X y comparlas con y .
Solucion:
a) Para este ejemplo, la media y desviacion estandar poblacional son iguales a las
del ejercicio anterior.
=4
r
=
(4 7)2
1
1
1
+ 7 + 10 = 7
3
3
3
1
1
1
+ (7 7)2 + (10 7)2 = 2,4495
3
3
3
42
2
X = X1 +X
2
5,5
7
5,5
8,5
7
8,5
P(X)
2/9
3/9
2/9
(5,5 7)2
2
2
2
+ 7 + 8,5 = 7
6
6
6
2
2
2
+ (7 7)2 + (8,5 7)2 = 1,2247
6
6
6
Nn
X =
N1
n
Entonces tenemos que:
= X = 7
r
2,449
32
X =
= 1,224
31
2
3. Cuantos comites de 6 personas se pueden formar de un grupo de 30 personas, de los
cuales 10 son profesores y 20 son estudiantes de Sistemas? cual sera la composicion
mas probable, solo alumnos, solo profesores o 3 alumnos y 3 profesores?
43
Solucion:
Para conocer la cantidad de comites de 6 personas que se pueden formar de un total
de 30 personas, utilizaremos Combinatoria, ya que el muestreo es sin reemplazo y
no importa el orden en que son seleccionados los miembros.
Por lo tanto tenemos que:
Comite de seis personas:
!
30
= 593775
6
!
20
= 38760
6
!
10
= 210
6
44
=4
X = = 25
X = = = 1,6330
n
6
Sin reemplazo: = 25
=4
N = 100
X = = 25
r
r
Nn
4
100 6
X =
=
= 1,5912
N1
100 1
n
6
N
n
45
1. Sean las unidades U(i) = i con i = 1, 2, ..., N, y N = 12. Por medio del muestreo
sistematico seleccione una muestra de tamano 4.
Solucion:
k=
N 12
=
= 3 periodos
n
4
Grupo 2
Grupo 1
z }| {
4 5 6
z }| {
1 2 3
Grupo 3
Grupo 4
z }| { z }| {
7 8 9 10 11 12
U(2) = 2
U(2+k) = U(2+3) = U(5) = 5
U(2+2k) = U(2+23) = U(8) = 8
U(2+3k) = U(2+33) = U(11) = 11
2. Se desea obtener una muestra de 10 suscriptores telefonicos en una poblacion de
1000 habitantes. Realice la recoleccion por medio del muestreo sistematico.
Solucion:
k=
N 1000
=
= 100 periodos
n
10
46
solo algunos de esos grupos o conglomerados para realizar el estudio, y dentro de cada
conglomerado, se selecciona al azar una muestra de sus individuos.
EJERCICIOS
1. Se desea realizar una encuesta a los duenos de restaurantes. Como zona de estudio se
toma el centro de la ciudad, la cual posee 7 calles. Si en total hay 55 restaurantes en
la zona, como se realizara el muestro por medio del muestreo por conglomerados?
Solucion:
La zona de estudio se divide en 7 conglomerados que son las 7 calles, luego por
medio del muestreo aleatorio simple se seleccionan 4 calles:
S = {1, 4, 5, 7}
Luego de escoger las calles se procede a realizar las encuentas a la totalidad de restaurantes que se encuentran en las calles mencionadas.
2. Se quiere estudiar el tiempo que los estudiantes de secundaria de todos los liceos
de la ciudad de Merida dedican a navegar por Internet, y se desea seleccionar una
muestra de trescientos estudiantes.
Solucion:
Primero seleccionamos al azar unas cuantas parroquias de la ciudad de Merida (conglomerado = parroquias).
Dentro de cada parroquia seleccionamos al azar algunos liceos de secundaria (conglomerados = liceos).
Ahora dentro de cada liceo seleccionamos al azar algunas secciones de clases (conglomerados = secciones de clases).
Ya dentro de las secciones seleccionadas, y a partir de la lista de clases, seleccionamos una muestra (por medio del muestreo aleatorio simple sin reemplazo) de
estudiantes.
47
Por u ltimo, unimos las muestras obtenidas en cada seccion de clases, y de esta manera
obtenemos la muestra global.
n
X
Yi j
j=1
ni
N i=1 i
Ni
ni
P
S i2 =
Donde:
N = Tamano de la muestra
L = Numero de estratos
Yi2j
P
( Yi j )2
ni
ni 1
48
1. La produccion de lechoza por a rbol en cierta region estan mostrados en la Tabla 1.24.
Los a rboles de las tres u ltimas filas son mas jovenes que los otros. Estime la cosecha
media de la poblacion por a rbol, basado en muestras estratificadas de tamano 6 para
el estrato de las primeras 5 filas y de tamano 2 de el estrato de las u ltimas 3 filas.
7
5
4
6
6
6
5
4
8
4
7
4
3
3
3
5
5
4
8
6
9
4
3
4
6
7
10
4
9
3
4
3
6
6
8
8
7
5
5
3
10
6
4
7
8
2
4
4
7
3
6
9
11
4
3
3
6
8
6
8
9
3
4
6
Solucion:
Tenemos que:
El tamano poblacional del estrato 1 es N1 = 40, y el tamano poblacional del estrato 2
es N2 = 24; los tamanos muestrales de los estratos 1 y 2 son 6 y 2, respectivamente.
Para seleccionar los 6 y 2 a rboles necesarios, utilizamos el muestreo aleatorio simple
sin reemplazo, lo que nos da:
Estrato 1 = {11, 3, 9, 10, 8, 7 }
Estrato 2 = {6, 2 }
La media muestral de los estratos 1 y 2 son:
X1 =
11 + 3 + 9 + 10 + 8 + 7
=8
6
X2 =
49
6+2
=4
2
Por lo tanto tenemos que la media poblacional de produccion de lechozas por a rbol
es:
=
L
1X
40
24
Ni yi =
8+
4 = 6,5
N
64
64
Edad (Anos)
[0 - 4)
[4 - 9)
[9 - 14)
[14 - 19)
[19 - 24)
[24 - 29)
[29 - 34)
[34 - 39)
[39 - 44)
[44 - 49)
[49 - 54)
[54 - 59)
[59 - 64)
64 y mas
Frecuencia Absoluta
12
12
12
10
10
8
8
6
5
3
4
3
2
5
2. La duena de una pequena fabrica de dulces andinos, quiere saber como se comportan
las ventas diarias durante algunos meses de temporada alta (Julio, Agosto y Septiembre).
Para lograr esto, ella tomo nota de las ventas diarias duranete esos meses y obtuvo
los siguientes datos:
50
Frecuencia Absoluta
7
6
10
22
12
8
12
15
20
18
16
14
12
10
8
6
4
2
0
12 13 14 15 16 17 18 19 20 21 22 23 24 25
Temperatura en C
51
1
28
5
14
15
9
3
24
11
44
40
47
24
35
32
8
14
65
57
8
71
2
11
9
24
21
14
19
31
30
30
0
5
61
28
54
56
53
6
25
16
17
44
3
5
25
59
13
64
29
7
32
7
20
50
18
16
21
43
13
19
22
35
33
12
15
89
39
35
26
41
10
48
10
14
32
2
37
7
4
0
4
6
39
85
20
3
30
5
20
52
90
80
70
60
50
40
30
20
10
0
10
Nmero de hijos
Frecuencia Absoluta
3
5
5
22
14
1
53
195,8
101,4
140,7
186,3
113,8
124,5
104,5
103,2
116,4
121,9
101,7
128,5
134,3
155,3
135,7
137,1
135,5
191,0
146,6
142,6
130,3
197,5
180,6
199,1
125,6
8. Suponga que se quiere obtener una lista de 12 estudiantes entre los 1400 de cierta
facultad utilizando muestreo sistematico. Seleccione la muestra.
9. Una poblacion esta conformada por el conjunto S = {3, 4, 6, 7, 9}, siendo un espacio
equiprobable. Se toman muestras aleatorias de tamano 2 sin reemplazo, determine:
a) La media y desviacion estandar poblacional.
b) La distribucion muestral para la media muestral.
c) Calcular la media y la desviacion estandar muestral y compararlas con la poblacional.
Captulo 2
Teora de la Probabilidad
La Teora de probabilidad son leyes matematicas que modelan la aleatoriedad; en este
captulo estudiaremos las nociones basicas de la probabilidad, sus axiomas, sus teoremas,
probabilidad condicional e independiencia.
1. Se lanza un dado y una moneda (ambos son correctos) al mismo tiempo y escribimos
el resultado.
54
55
56
2. Sean los sucesos A, B y C, experimentos aleatorios. Exprese las siguientes proposiciones verbales en notacion de conjuntos.
a) Exactamente uno de los 3 ocurre.
b) Al menos dos ocurren.
c) No ocurre mas de 2 sucesos juntos.
d) Exactamente dos ocurren
Solucion:
Para realizar la notacion en conjunto hacemos uso de las intersecciones, uniones y
complementos de los eventos1 .
a) Exactamente uno de los 3 ocurre:
(ABcC c ) (Ac BC c ) (Ac BcC)
b) Al menos uno ocurre:
A BC
c) No ocurre mas de 2 sucesos juntos:
[(ABcC c ) (Ac BC c ) (Ac BcC)] [(ABC c ) (ABcC) (Ac BC)]
d) Exactamente dos ocurren:
(ABC c ) (ABcC) (Ac BC)
3. Sean los sucesos A y B. Hallar una expresion y dibujar un Diagrama de Venn para
los dos sucesos:
Que ocurra A pero no B;
Que ocurra B;
Que ocurra A y B;
Ninguno de los 2.
Solucion:
1
Debemos aclarar que las expresiones desarrolladas para este ejemplo y los siguientes no son las unicas existentes, el estudiante debe tratar de desarrollar otras expresiones que representen estas proposiciones
verbales.
57
Los Diagramas de Venn se utilizan para representar conjuntos y las relaciones entre ellos, estos son de gran utilidad al momento de representar la ocurrencia de los
sucesos, ya que de una forma visual facilitan la compresion de la teora de conjuntos.
Para este ejercicio realizamos el diagrama de la siguiente manera: los dos eventos
se representan por medio de elipses dentro de una caja que representa el espacio
muestral S , una vez representados se rellena de color verde (para este ejemplo) el
suceso solicitado.
Ocurra A pero no B:
A Bc
Ocurra B:
B
Ocurre A y B:
AB
58
Ninguno de los 2:
(A B)c
4. Se lanzan dos dados al mismo tiempo y se anotan los resultados. Hallar el numero de
elementos de cada uno de los siguientes sucesos.
a) A = {los dos numeros son iguales}
b) B = {la suma es 8 o mas}
c) C = {sale 1 en el segundo dado}
Solucion:
El espacio muestral (S ) del lanzamiento de dos dados simultaneamente esta mostrado
en la Figura 2.1.
Segundo dado
7
6
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
3
4
Primer dado
59
A partir de este espacio muestral se crean los elementos que pertenecen a cada suceso
pedido, por lo tanto tenemos:
a) Definimos el suceso A:
A = {los dos numeros son iguales}
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5)}
b) Definimos el suceso B:
B = {la suma es 8 o mas}
B = {(2, 6), (3, 5), (3, 6), (4, 4), (4, 5), (4, 6), (5, 3), (5, 4), (5, 5), (5, 6), (6, 2), (6, 3)}
{(6, 4), (6, 5), (6, 6)}
c) Definimos el suceso C:
C = {sale 1 en el segundo dado}
C = {(1, 1), (2, 1), (3, 1), (4, 1), (5, 1), (6, 1)}
5. Un ingeniero contrato a un grupo de estudiantes para realizar una encuesta entre 1000
suscriptores de un periodico, preguntando por su estado civil, sexo, y nivel educativo.
Los alumnos entregaron los siguientes resultados:
312 hombres
470 casados
525 bachilleres
42 hombres bachilleres
147 bachilleres casados
86 hombres casados
25 bachilles hombres casados
El ingeniero reviso los resultados y lo devolvio a los estudiantes diciendoles que ellos
haban inventado los datos, pues no eran consistentes. Se equivoco el ingeniero?.
Solucion:
Para sacar conclusiones sobre el informe, se utiliza el Diagrama de Venn. Definimos
los siguientes sucesos:
Hombre = H
Casados = C
60
Bachilleres = B
Para identificar los eventos y la cantidad de elementos que tiene que cada uno, se
comienza por el evento donde ocurren los 3 sucesos es decir, bachilleres hombres y
casados, los cuales son 25; a partir de aca se rellena los espacio donde ocurren dos
eventos, por ejemplo, el evento hombre-bachiller tiene 42 elementos, si le restamos
los 25 que estan en los 3 eventos nos queda entonces 17, y asi sucesivamente con el
resto de los eventos; el diagrama queda como muestra la Figura 2.2.
H
209
61
17
25
C
262
122
61
61
Solucion:
Establecemos los eventos A y B para demostrar las leyes y su respectivo diagrama
de Venn lo podemos observar en la Figura 2.3.
A = {100, 200}
B = {200, 300}
100
200
300
400
1
(A B) = 400
(Ac Bc ) = 400
1
(A B)c =
100 + 300 + 400 = 800
(Ac Bc ) =
(300 + 400) (100 + 400)
= 800
62
# Estudiantes de Estocastica 1 30
=
Total de Estudiantes
80
# Estudiantes de Programacion 3 20
=
Total de Estudiantes
80
63
30 20 10
+
= 0,5
80 80 80
1
7
4
7
P(B) =
2
7
P(C) =
1
7
64
3. Suponga que A y B son 2 sucesos para los cuales P(A) = X; P(B) = Y y P(AB) = Z.
Exprese las siguientes probabilidades en terminos de X, Y y Z.
a) P(Ac Bc )
b) P(Ac B)
c) P(Ac B)
d) P(Ac Bc )
Solucion:
Sabemos que: P(A) = X
P(B) = Y
P(A B) = Z.
(Ac Bc ) = (A B)c
P(Ac Bc ) = P(A B)c
P(Ac Bc ) = 1 P(A B)
P(Ac Bc ) = 1 Z
b) P(Ac B):
A
c
65
c) P(Ac B):
d) P(Ac Bc ):
(Ac Bc ) = (A B)c
P(Ac Bc ) = P(A B)c
P(Ac Bc ) = 1 P(A)
P(B) + P(A B)
P(Ac Bc ) = 1 X Y + Z
1
;
4
P(A B) =
1
,
8
66
A
B
1/8
1/4
1/8
1/8
C
Sustituimos y tenemos:
P(A B C) =
1 1 1 1
1
5
+ + + 0 00=
4 4 4 4
8
8
67
S = {1111, 1112, 1121, 1211, 2111, 1122, 2211, 2121, 1212, 1221, 2112, 1222,
2122, 2212, 2221, 2222}
b) P(cada punto muestral) =
1
16
1
16
1
16
1
8
68
69
70
2.3.3. Permutaciones
Consideremos n objetos diferentes, una permutacion de los n elementos es cualquier
arreglo diferente que se puede obtener de ellos intercambiando su orden.
nPn = n (n 1) (n 2) . . . (2) (1) = n!
Ahora bien, si se quiere ordenar k de los n objetos en lnea, se tiene que hay n maneras
de escoger el primnero, n 1 maneras de escoger el segundo,. . ., y finalmente n k + 1
maneras de escoger el k-esimo; por lo tanto el numero de arreglos es:
nPk = n (n 1) (n 2) . . . (n k + 1) =
n!
(n k)!
EJERCICIOS
n!
5!
= 5 P3 =
= 60
(n k)!
(5 3)!
71
n = 12 :
n1 = 2
n2 = 3
n3 = 3
n4 = 1
n5 = 1
n6 = 2
12!
= 3326400 permutaciones
2! 3! 3! 1! 1! 2!
3. Cuantas secuencias pueden obtenerse al lanzar 20 veces una moneda, que tengan 6
caras y 14 sellos?
Solucion:
En este caso tambien tenemos repeticiones, por lo tanto tenemos:
20!
= 38760
6! 14!
Existen 38760 secuencias con 6 caras y 14 sellos.
72
2.3.4. Combinaciones
Se define como combinacion de tamana k a todo subconjunto de k elementos que
pueden formarse de un conjunto de n elementos diferentes. Para este caso no se tomara en
cuenta el orden de los elementos.
El numero de subconjuntos de k elementos, escogidos de un conjunto de n elementos
se calcula de la siguiente manera:
!
n
n!
=
k
k!(n k)!
EJERCICIOS
73
= 27720 comisiones
3
1
Conformado por 2 mujeres y 2 hombres:
!
!
22
18
= 35343 comisiones
2
2
Conformado por 1 mujer y 3 hombres:
!
!
22
18
= 17952 comisiones
1
3
Conformado por 4 hombres:
!
18
= 3060 comisiones
4
Segun los resultados obtenidos, es mas probable formar una comision de 2 mujeres
y 2 hombres.
P(A/B) =
EJERCICIOS
P(A B)
P(B)
74
1. Se arroja un par de dados y se suman los numeros que aparecen. Si se sabe que la
suma de ambos numeros fue 6, cual es la probabilidad de que un dado haya caido
en 2?
Solucion:
El espacio muestral (S ) esta conformado por 36 elementos, que son los resultados
del lanzamiento de dos dados. Ahora definimos los sucesos:
A = un dado cayo por 2.
A = {(1,2),(2,1),(2,2),(2,3),(3,2),(2,4),(4,2),(2,5),(5,2),(2,6),(6,2)}
P(A) =
11
36
B = la suma fue 6.
B = {(1,5),(5,1),(3,3),(2,4),(4,2)}
P(B) =
5
36
2
36
2
36
5
36
2
5
2. En una caja hay 2 bolas azules y 3 bolas rojas. Se va a sacar al azar una bola, la cual
sera dejada fuera de la caja. Despues se sacara al azar otra bola de la caja. Calcular:
a) P(A R)
b) P(A A)
c) P(R A)
d) P(R R)
75
Solucion:
A = {la bola es azul}
Podemos utilizar los diagramas de a rbol para este problema, el cual lo podemos ver
en la Figura 2.5.
1/4
3/4
A
2/5
2 azules
3 rojas
3/5
2/4
R
2/4
2
5
3
5
3
4
2
fue R) = P(A/R) =
4
2
fue R) = P(R/R) =
4
1
4
76
a) P(A R):
P(A R) = P(A) P(R/A) =
2 3
6
=
5 4 20
2 1
2
=
5 4 20
3 2
6
=
5 4 20
3 2
6
=
5 4 20
b) P(A A):
c) P(R A):
d) P(R R):
3. Una encuesta entre los consumidores en una comunidad particular mostro que el
10 % quedaron inconformes con los trabajos de plomera efectuado en sus casas. La
mitad de las quejas se referan al plomero A. Encuentre las siguientes probabilidades
si el plomero A realiza el 40 % de los trabajos de plomera en la ciudad:
a) De que el consumidor reciba un trabajo de plomera que no le satisfaga dado
que se trata del plomero A.
b) De que el consumidor reciba un trabajo de plomera satisfactorio, dado que se
trata del plomero A.
Solucion:
Definimos los siguientes eventos y sus probabilidades:
I = Inconformes P(I) = 0,10
I c = Satisfechos P(I c ) = 0,90
A = El plomero A realiza el trabajo P(A) = 0,40
Ac = El plomero A no realiza el trabajo P(Ac ) = 0,60
0,10
P(I A) = 2 = 0.05
a) El consumidor reciba un trabajo de plomera que no le satisfaga:
P(I/A) =
P(I A) 0,05
=
= 0,125
P(A)
0,4
77
P(I c A) 0,35
=
= 0,875
P(A)
0,4
Por el contrario, la probabilidad de que un cliente si este satisfecho con el trabajo hecho, dado que lo realizo el plomero A es del 87,5 %.
4. En la Facultad de Ingeniera el 25 % de los alumnos retiro Calculo 10, el 15 % Sistemas de Representaciones 10 y el 10 % retiro ambas. Se elige un alumno al azar.
a) Si el alumno retiro Sistemas de Representaciones 10, cual es la probabilidad
de que retiro Calculo 10?
b) Si retiro Calculo 10, cual es la probabilidad de que retiro Sistemas de Representaciones 10?
c) Cual es la probabilidad de que retiro Calculo o Sistemas de Representaciones?
d) Cual es la probabilidad de que el alumno no hubiera retirado ninguna?
Solucion:
C = {Retiro de Calculo 10}
P(C) = 0,25
S = {Retiro de Sistemas de Representaciones 10}
P(S ) = 0,15
C S = {Retiro Calculo y Sistemas de Representaciones}
P(C S ) = 0,10
a) La probabilidad de que retiro Calculo 10, dado que retiro Sistemas de Representaciones es:
P(C/S ) =
P(C S ) 0,10
=
= 0,6667
P(Q)
0,15
78
P(Q C) 0,10
=
= 0,4
P(C)
0,25
1/2
1/2
X
1/3
1/3
1/3
1/3
Z
2/3
79
1 1 1
1 1 11
+ 1+ =
3 2 3
3 3 18
1
3
11
18
1
2
3
11
2 blancas
4 rojas
8 blancas
4 rojas
1 blanca
3 rojas
II
III
P(B) = 2/6
P(R) = 4/6
P(B) = 8/12
P(R) = 4/12
P(B) = 1/4
P(R) = 3/4
80
P(A) =
2 8 3 2 4 1 4 8 1 11
+
+
=
6 12 4 6 12 4 6 12 4 36
5
2 8 3 4 8 1
+
=
6 12 4 6 12 4 18
P(B/A) =
P(A B)
5/18
10
=
=
P(B)
11/36 11
La probabilidad de que la bola de la segunda caja sea blanca dado que se sabe que
salieron dos blancas es del 90,90 %.
81
AB
= P(A)
P(B)
AB
= P(B)
P(A)
Tambien se puede comprobar la independencia para mas de dos sucesos, por ejemplo,
tres sucesos son independiente si se cumplen todas las condiciones siguientes:
P(A B) = P(A) P(B)
P(A C) = P(A) P(C)
P(B C) = P(B) P(C)
P(A B C) = P(A) P(B) P(C)
EJERCICIOS
1. En una caja hay 2 bolas azules y 3 bolas rojas. Se va a sacar 1 bola al azar, la cual
sera metida nuevamente a la caja antes de sacar una segunda bola de la caja. Calcular:
a) P(A R).
b) P(A A).
c) P(R A).
d) P(R R).
Solucion:
Desarrollamos el diagrama de a rbol del problema:
82
2/5
A
3/5
R
2/5
2 azules
3 rojas
2/5
3/5
R
3/5
R
a) P(A R):
6
2 3
=
5 5 25
2 3
6
P(A R) = P(A) P(R) = =
5 5 25
b) P(A A):
4
2 2
=
5 5 25
2 2
4
P(A A) = P(A) P(A) = =
5 5 25
c) P(R A):
P(R A) = P(R) P(A) =
3 2
6
=
5 5 25
9
3 3
=
5 5 25
d) P(R R):
83
Solucion:
Definimos los eventos:
C = {pase corriente por 1 y 2 }
D = {pase corriente por 3 y 4 }
Por lo tanto tenemos:
P(C D) = P(C) + P(D) P(C D)
P(C D) = P(1 2) + P(3 4) P(1 2 3 4)
P(C D) = P(1) P(2) + P(3) P(4) P(1) P(2) P(3) P(4)
P(C D) = p p + p p p p p p = 2p2 p4
84
P(A Bi )
P(Bi )P(A/Bi )
=
P(A)
P(B1 )P(A/B1 ) + P(B2 )P(A/B2 ) + . . .
EJERICICIOS
1. Con respecto al Ejercicio 5 de la seccion anterior, resuelva los tems b) y c) por medio
del Teorema de Bayes.
Solucion:
P(X/C) =
P(X) P(C/X)
=
P(X) P(C/X) + P(Y) P(C/Y) + P(Z) P(C/Z)
P(X/C) =
P(Z/S ) =
1
2
12 + 1 + 13
1
3
3
11
1
3
1
3
1
3
1
3
1
3
1
3
2
3
12 + 0 + 13
2
3
4
7
Observamos que los resultados son exactamente iguales a los obtenidos anteriormente por meido de probabilidad condicional.
2. Una empresa de manufactura emplea 3 planes analticos para el diseno y desarrollo de
un producto especfico. Por razones de costos, los 3 planes se utilizan en momentos
diferentes, de hecho, los planes 1, 2 y 3 se utilizan respectivamente, para el 30, 20 y
50 % de los productos. La tasa de defectuosos es diferente para los 3 procedimientos,
es decir:
P(D/P1 ) = 0,01
P(D/P2) = 0,03
P(D/P3) = 0,02
85
Si se observa un producto al azar y esta defectuoso cual fue el plan que se uso con
mayor probabilidad y fue el responsable?
Solucion:
Para resolver este problema debemos calcular la probabilidad de que dado que el
producto esta defectuoso, cual fue el plan responsable, para ello calculamos las tres
probabilidades condicionales:
P(P1 /D) =
P(P1 ) P(D/P1 )
P(P1 ) P(D/P1 ) + P(P2 ) P(D/P2 ) + P(P3 ) P(D/P3 )
P(P1 /D) =
P(P2 /D) =
P(P2 ) P(D/P2 )
P(P1 ) P(D/P1 ) + P(P2 ) P(D/P2 ) + P(P3 ) P(D/P3 )
P(P2 /D) =
P(P3 /D) =
0,003
= 0,1579
0,019
0,06
= 0,3158
0,019
P(P3 ) P(D/P3 )
P(P1 ) P(D/P1 ) + P(P2 ) P(D/P2 ) + P(P3 ) P(D/P3 )
P(P3 /D) =
0,01
= 0,5263
0,019
86
P(A) P(C/A)
P(B) P(C/B) + P(A) P(C/A)
P(A/C) =
3
5
2
5
4
8
3
8
2
5
3
8
1
3
La probabilidad de que la bola pasada de I a II, dado que se sabe que la bola sacada
posteriormente de II es negro, es del 33,33 %.
4. En una tienda trabajan 3 cajeras: Mara, Ana y Gabriela. Mara atiende el 40 % de
los clientes, Ana el 35 % y Gabriela el 25 %.
Cuando atiende Mara hay un 2 % de probabilidad de que cobre mal, cuando lo hace
Ana hay un 1 % y si cobra Gabriela hay un 3 % de probabilidad de que se equivoque.
Un cliente se quejo diciendo que le cobraron mal.
Cual es la probabilidad de que lo atendiera Gabriela?
Solucion:
Definimos los eventos y el diagrama de a rbol del problema (Figura 2.10):
C = {se realizo un mal cobro}
M = {fue atendido por Mara}
A = {fue atendido por Ana}
G = {fue atendido por Gabriela}
Utilizando el Teorema de Bayes:
P(G/C) =
P(G) P(C/G)
P(M) P(C/M) + P(A) P(C/A) + P(G) P(C/G)
P(G/C) =
0,25 0,03
= 0,3947
0,4 0,02 + 0,35 0,01 + 0,25 0,03
P(C/M) = 0,02
87
M
C
0,4
P(C/A) = 0,01
0,35
A
C
0,25
P(C/G) = 0,03
G
C
La probabilidad de que el cliente fuera atendido por Gabriela dado que le cobraron
mal, es del 39,47 %.
88
no.
a) Cual es el espacio muestral?
b) Defina los siguiente sucesos:
A = {el alumno tiene por lo menos quince puntos}
B = {el alumno es reprobado en el examen}
C = {el alumno tiene como maximo 16 puntos}
4. Considere el espacio muestral S = {cobre, sodio, nitrogeno, potasio, uranio, oxgeno,
zinc}, y los eventos:
A = {cobre, sodio, zinc}
B = {sodio, nitrogeno, potasio}
C = {oxgeno}
Liste los elementos y dibuje el diagrama de Venn de los conjuntos que corresponden
a los siguientes eventos:
a) Ac
b) (A Bc ) C c
c) (Ac Bc ) (Ac C)
5. Una caja contiene A bolas numeradas del 1 a A. Designe N como el numero de
bolas de cierto color, donde N A. Sea una muestra de tamano n extrada con o
sin reemplazo (en cuyo caso n A). Encuentre la probabilidad de que la muestra
contenga exactamente k bolas de ese color para cada caso.
6. Cual es la probabilidad de sacar dos bolas azules de una caja que contiene 15 bolas
blancas y 12 azules, sin reemplazar la bola extrada?
7. Una bolsa contiene 12 bolas blancas y 8 negras. Si se sacan dos bolas al azar. Cual
es la probabilidad de que sean del mismo color?
8. Un inspector visita 6 maquinas diferentes durante el da. A fin de impedir que los
operadores sepan cuando inspecionara, vara el orden de las visitas. De cuantas
89
90
Captulo 3
Variable Aleatoria Unidimensional
Una Variable Aleatoria de un espacio muestral S es la regla que asigna un valor numeri siempre es denotada con letras mayusculas.
co a cada resultado de S . Esta
Las variables aleatorias pueden ser discretas o continuas.
Una variable aleatoria es discreta si su conjunto de valores posibles es un conjunto
discreto, es decir, toma un numero finito de valores numerables.
Una variable aleatoria continua toma un valor infinito de valores no numerables, es
decir, su conjunto de posibles valores es todo un intervalo de numeros.
91
92
1. Suponga que se lanza una moneda 2 veces, y el espacio muestral es S = { CC, CS,
SC, SS}. Siendo X el numero de caras que pueden salir. Encuentre la distribucion de
probabilidad correspondiente a la variable aleatoria X.
Solucion:
Lo primero que debemos hacer es asociar los puntos muestrales de S a numeros,
siendo X el numero de caras que pueden salir:
Punto muestral
X
CC
2
CS
1
SC
1
SS
0
1 1 1
=
2 2 4
1 1 1
=
2 2 4
1 1 1
P(S C) = =
2 2 4
1 1 1
P(S S ) = =
2 2 4
P(CS ) =
P(X = 2) =
1
4
1
4
1
P(X = 1) =
4
1
P(X = 0) =
4
P(X = 1) =
Con estos datos construimos la distribucion de probabilidad, la cual esta conformada por la variable aleatoria discreta X y su respectiva probabilidad, ya calculadas
previamente:
1
4
2
4
1
4
93
0
0,2
1
0,6
94
2
0,2
1
8
1
8
3
8
4
8
3
8
7
8
1
8
7 1
=
8 8
95
b) P(2 X 3):
P(2 X 3) = F(3) F(2) + p(2)
P(2 X 3) = 1
7 3 1
+ =
8 8 2
7 1
=0
8 8
7 3 1 3
+ =
8 8 8 8
si X < 2
F(x) =
1
2
si 2 X < 0
F(x) =
3
4
si 0 X < 2
F(x) = 1
si X 2
Calcule:
a) P(X 2)
b) P(X < 0)
c) P(0 < X 2)
d) P(1 X 2)
Solucion:
Graficamos la distribucion de probabilidad (Figura 3.1) y la funcion de distribucion
(Figura 3.2):
96
p(x)
0.8
0.6
0.4
0.2
F(x)
1.0
0.75
0.5
a) P(X 2) = 1
3
b) P(X < 0) = 4
3 1
c) P(0 < X 2) = F(2) F(0) = 1 - 4 = 4
3
1
d) P(1 X 2) = F(2) F(1) + p(1) = 1 4 + 0 = 4
97
P
2
3
4
5
6
7
Par
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
P
3
4
5
6
7
8
Par
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
P
4
5
6
7
8
9
Par
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
Par
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
5
6
7
8
9
10
P
6
7
8
9
10
11
Par
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
P
7
8
9
10
11
12
10
11
12
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
98
0
para X < 2
para 2 X < 3
36
para 3 X < 4
36
para 4 X < 6
36
10
para 5 X < 6
36
15
36 para 6 X < 7
F(x) =
21
para 7 X < 8
36
26
para 8 X < 9
36
30
para 9 X < 10
36
33
para 10 X < 11
36
35
para 11 X < 12
36
1
para X 12
c) La grafica de la funcion de distribucion (F(x)) se muestra en la Figura 3.3:
1
0.9
0.8
0.7
F(x)
0.6
0.5
0.4
0.3
0.2
0.1
0
10
11
12
99
3x si 0 X 1
f (x) =
0
en cualquier otro punto
100
F(x) =
f (t)dt
3t2 dt = x3
F(x) =
0
Por lo tanto podemos observar la funcion de distribucion junto con su grafica a continuacion:
x si 0 < X < 1
F(x) =
1 si X 1
F(x)
cx si 0 < X < 3
f (x) =
0
en cualquier otro punto
a) Encuentre la constante c.
b) Calcule P(1 < X < 3).
c) Encuentre la funcion de distribucion.
Solucion:
101
F(x) =
f (x)dx = 1
F(x) =
ct2 dt = 1
1
9
9 si 0 < X < 3
f (x) =
102
0 si X < 0
x3
F(x) =
si 0 X < 3
27
1 si X 3
3. La vida de cierto dispositivo electronico, medida en unidades de 1000 horas, esta dada por la ley:
f (x) = ex
paraX > 0
El costo de producir el dispositivo es 5 UM y el precio de venta es 15 UM. El vendedor promete devolver el dinero si el dispositivo dura funcionando menos de 600
horas.
Sea G la ganancia obtenida por el fabricante cuando vende un dispositivo. Obtenga
la distribucion de G.
Solucion:
Si el dispositivo dura menos de 600 horas la ganancia sera entonces de -5,
definimos a la variable X:
X=
600 horas
= 0,6
1000 horas
0,6
ex dx = 0,45
-5
0.45
103
10
0.55
6 + k si 0 X 3
f (x) =
0
por otra parte
a) Evaluar k.
b) Hallar P(1 X 2).
Solucion:
a) Otra manera de calcular el valor de k, diferente al caso anterior, es por medio de
a reas, en la Figura 3.6 observamos la grafica de la distribucion de probabilidad
y se trata de un trapecio, el a rea de total de ese trapecio debe ser igual a 1.
f(x)
k + 0.5
bm
k
bn
(bm + bn) h
=1
2
104
Sustituimos y despejamos a k:
( 12 + k + k) 3
1
=1k=
2
12
Por lo tanto tenemos que la distribucion es la siguiente:
x
1
6 + 12 si 0 X 3
f (x) =
0
por otra parte
b) P(1 X 2):
Z
P(1 X 2) =
f (x)dx =
1
!
1
x
1
+
dx =
6 12
3
ax
0X1
a
1<X2
f (x) =
ax + 3a
2<X3
0
cualquier otro valor
a) Encuentre el valor de la constante a.
b) Determine F(x) y grafiquela. Grafique tambien f (x).
c) Si se hacen 3 observaciones independientes de la variable X, cual es la probabilidad de que exactamente una de ellas sea mayor que 1,5?
Solucion:
a) Calculamos el valor de la constante a igualando a uno, ya que es el a rea total
bajo la curva:
Z
(ax)dx +
0
(a)dx +
(ax + 3a)dx = 1
a=
1
2
2
f (x) =
2 +
0X1
1<X2
3
2
2<X3
cualquier otro valor
x
2
Z
F(x) = F(0) +
f (t)dt
0
x
F(x) = 0 +
0
F(x) =
x2
4
f (x) =
1
2
Z
t
dt
2
Para (1 ; 2]:
F(x) = F(1) +
f (t)dt
1
Z x
(1)2
1
F(x) =
+
dt
4
1 2
x 1
F(x) =
2 4
Para (2 ; 3]:
x 3
f (x) = +
2 2
Z x
F(x) = F(2) +
f (t)dt
2
105
106
! Z x
!
1 2 1
t 3
F(x) =
+
+
+ dt
4 2 2
2 2
2
F(x) =
x2 3x 5
+
4
2
4
Para (3 ; +):
f (x) = 0
Z
F(x) = F(3) +
f (t)dt
F(x) =
(3)2 3 3 5
+
4
2
4
F(x) = 1
Por lo tanto tenemos que la funcion de distribucion es:
0
X<0
x2
0X1
x
F(x) =
14
1<X2
x4 + 3x2 45 2 < X 3
1
X>3
c) Calculamos la probabilidad de que una observacion sea mayor que 1,5:
!
Z 3
Z 2 !
Z 3
1
x 3
P(X > 1,5) =
f (x)dx =
dx +
+ dx
2 2
1,5
1,5 2
2
P(X > 1,5) =
1
2
107
6. El diametro X de cierto cable electrico, es una variable aleatoria continua con densidad f (x) = kx(1 x) para 0 X 1.
a) Obtenga el valor de k.
b) Obtenga F(x).
c) Determine el valor de b tal que P(X < b) = 2P(X > b).
d) Calcule P(X <
1
2
1
3
< X < 23 ).
Solucion:
a) Calculamos el valor de k:
Z
kx(1 x)dx = 1
0
k=6
Por lo tanto tenemos que la funcion de probabilidad es:
f (x) = 6x(1 x)
0X1
F(x) = 0 + 6
(x x2 )dt
108
Para (1 ; +):
f (x) = 0
Z
F(x) = F(1) +
f (t)dt
0
X<0
2
F(x) =
3x 2x3 0 X 1
1
X>1
c) P(X < b) = 2P(X > b):
P(X < b) = 2P(X > b)
P(X < b) = 2(1 P(X < b))
P(X < b) = 2 2P(X < b)
3P(X < b) = 2
P(X < b) =
Z
P(X < b) =
2
3
6(x x2 )dx =
2b3 + 3b2
2
3
2
=0
3
b1 = 0,4169
3
2
2b + 3b =
b2 = 0,613
b3 = 1,3039
Como X esta definida en el intervalo (0; 1), el valor de b debe estar en ese
intervalo, por lo que podemos concluir que b = 0,613.
1
2
1
3
109
< X < 23 )
f(x)
X
1
Obtenga f (x) y F(x), y cual es la probabilidad de que X sea mayor que 0,5?
Solucion:
Se calcula la distribucion de probabilidad de la variable a partir de la figura, sabemos
que el a rea total de la figura, en este caso el a rea del triangulo, debe ser igual a 1, de
esta manera se calcula la altura del mismo:
base altura
=1
Area
Total =
2
3h
2
= 1 h =
2
3
Una vez obtenida la altura del triangulo se procede a calcular las ecuaciones de las
rectas:
2X
3
2
3
Para (0;2):
f (x) = X3 +
2
3
2x
2
3 + 3 1 < X 0
f (x) =
x + 2 0 < X < 2
3
110
111
x2
2x
1
3 + 3 +3
F(x) =
x6 + 2x3 +
X 1
1 < X 0
1
3
0<X<2
X2
!
x 2
+ dx = 0,3750
3 3
-3
-2
-1
1
16
2
16
3
16
4
16
3
16
2
16
1
16
Hallar la distribucion de Y = X 2 1
Solucion:
Se sustituye el valor de X en Y; y se obtiene:
Y(3) = 8
Y(1) = 0
Y(2) = 3
Y(2) = 3
Y(1) = 0
Y(3) = 8
Y(0) = -1
112
4
16
3
16
3
16
6
16
2
16
2
16
4
16
1
16
1
16
2
16
-1
4
16
6
16
4
16
2
16
-1
1
3
1
2
1
6
P(Y = 2) = P(X = 1) =
P(Y = 1) = P(X = 0) = 12
P(Y = 4) = P(X = 1) = 16
1
3
b) Para Z = X 2 :
Z(1) = 1
Z(0) = 0
Z(1) = 1
P(Z = 2) = P(X = 1) =
P(Z = 0) = P(X = 0) = 12
P(Z = 1) = P(X = 1) = 16
1
3
-2
1
3
1
2
1
6
113
1
2
1
2
y 13
1 y 3
w (y) =
24 8
Sustituimos en la ecuacion:
g(y) = f [w(y)] |w0 (y)|
g(y) = 2
y 13
8
1 y 3
24 8
114
1 y 3
12 8
g(y) =
0<Y<8
para otro valor de Y
4. Un proceso para refinar azucar pura produce diariamente hasta una tonelada de
azucar, pero la produccion real (X), es una variable aleatoria debido a descomposturas de la maquinaria y otros retrasos. Suponga que X tiene una distribucion de
probabilidad dada por:
0X1
2x
f (x) =
U +1
3
w0 (u) =
1
3
1 U 2
9 (u + 1)
g(u) =
0
para otro valor de U
Calculamos la funcion de distribucion:
Para ( ; -1):
g(u) = 0
G(u) = 0
Para [-1 ; 2]:
2
g(u) = (u + 1)
9
Z u
2
1
G(u) = G(1) +
(t + 1)dt = (u2 + 2u + 1)
9
1 9
Para (2 ; +):
g(u) = 0
G(u) = G(2) = 1
Por lo tanto tenemos:
0
U < 1
1 2
G(u) =
(u + 2u + 1) 1 U 2
1
U>2
115
116
y2
2
w0 (y) =
1
2
Sustituimos en la ecuacion:
g(y) = f [w(y)] |w0 (y)|
y2 1
g(y) = e 2
2
Calculamos los lmites de variacion de Y:
= h(a) = Y(0) = 2
Tenemos que la distribucion de probabilidad de Y es:
2y
Y>2
2e 2
g(y) =
0
para otro valor de Y
6. La distribucion de probabilidad de X esta dado por f (x) = 5(1 x)4 para 0 < X < 1.
Compruebe que si Y = F(x), su distribucion sera uniforme en el intervalo unitario,
es decir, que g(y) = 1 para Y perteneciente al intervalo (0;1).
Solucion:
Calculamos Y:
Y = F(x) =
w(y) = Y
= 1 (1 y)
1
5
(1 y) 5
w (y) =
5
0
117
Sustituimos en la ecuacion:
g(y) = f [w(y)] |w0 (y)|
h
i4
(1 y) 5
g(y) = 5 1 (1 (1 y) )
=1
5
1
5
f(x)
1/15
10
Segun el Teorema presentado en esta seccion, la funcion Y debe ser monotona, para
este caso y como observamos en la Figura 3.9 se trata de una parabola, por tal motivo
se debe dividir la curva en dos secciones, una parte decrediente y la otra creciente,
por tal motivo se debe trabajar con dos w(y), segun los valors de X.
118
Y
300
75
10
Figura 3.9: Y = 3X 2
g(y) =
+
=
15 6 3 15 6 3 45 3
Para Y (75;300) si X (5;10):
g(y) = f [w2 (y)] |w02 (y)|
1
1
1 1 y 2
1 y 2
g(y) =
=
15 6 3 90 3
119
g(y) =
1
45
1
90
y 12
3
0 Y 75
y 12
f(x)
0.5
0.5
Solucion:
Para calcular la distribucion de Y se necesita primero f (x), para ello se calcula las
ecuaciones que rigen cierta distribucion a partir de la Figura ??.
Para calcular las ecuaciones se necesita la altura del triangulo; sabemos que el a rea
total bajo la curva (para este ejercicio un triangulo) debe ser igual a 1, por lo que
tenemos:
Area
del triangulo = 1
base altura 2 h
=
=1
2
2
h=1
120
x + 1 1 < X 0
f (x) =
x + 1 0 < X < 1
Graficamos Y = 2X 2 (Figura 3.11) y observamos que no es monotona, por lo que
dividimos la funcion en dos partes:
Y
2
0.5
0.5
Figura 3.11: Y = 2X 2
121
1 y 2
2 2
g(y) =
1
2
0Y2
en cualquier otro punto
1
2
0.5
0.5
0.5
0.5
0.5
Figura 3.13: Y = e x
Calculamos w(y) y w0 (y):
w(y) = ln Y
w0 (y) =
1
y
e1 < Y < e
2y
g(y) =
122
123
g(y)
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0.3
0.6
0.9
1.2
1.5
1.8
2.1
2.4
2.7
0.5
0.5
Figura 3.15: Z = 2X 2 + 1
124
1 z1 2
1<Z<3
4 2
g(z) =
0
en cualquier otro punto
g(z)
0.5
0.5
1.5
2.5
10. Dada la distribucion de probabilidad f (x) = 2x para 0 < X < 1. Encuentre la densidad de Y = (3X 1)2 .
125
Solucion:
f(x)
1.5
0.5
0.5
3.5
3
2.5
2
1.5
1
0.5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
y+1
3
0.9
1
3
126
< X < 12 :
y+1
3
1
y + 1 1 1
y + 1 1 1
g(y) = 2
(y) 2 + 2
(y) 2
3
6
3
6
g(y) =
Para Y [1;4) si X
2
;1
3
9 y
:
y + 1 1 1
g(y) = 2
(y) 2
3
6
1
(y) 2 + 1
g(y) =
9
Por lo tanto tenemos que la distribucion de probabilidad g(y) es:
g(y) =
2
9 y
12
(y)
0<Y<1
+1
1Y<4
11. Supongase que el radio de una esfera es una variable aleatoria con distribucion f (r) =
6r(1 r) para 0 < r < 1. Diga como se distribuyen el volumen y la superficie de la
esfera.
Solucion:
127
a) Volumen de la esfera:
La grafica de la distribucion de probabilidad ( f (r) = 6r(1 r)) la podemos
observar en la Figura 3.19, ademas tenemos que la ecuacion del volumen de la
esfera y su grafica (Figura 3.20) son:
V=
4r3
3
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
4
3.5
3
2.5
2
1.5
1
0.5
0
0.2
0.4
0.6
0.8
3V
w(v) =
4
g(v) = 6
! 13
128
1 3V
w (v) =
4 4
0
! 23
! 1
3 3V 3
g(v) =
1
4 4
g(v) =
3
4
1
3
3V
4
1
0<V<
4
3
b) Superficie de la esfera:
La ecuacion del a rea de la esfera y su grafica (Figura 3.21) son:
a = 4r2
12
10
8
6
4
2
0
0.2
0.4
0.6
0.8
129
1 a 2
w (a) =
8 4
a
3
0 < A < 4
4 1 4
g(a) =
0
en cualquier otro punto
12. La variable aleatoria continua X esta distribuida como indica la Figura 3.22. Compruebe que si:
Y = F(x),
entonces
g(y) = 1
para
0<Y<1
f(x)
Solucion:
130
>
h=1
1
X1
2
w(y) = 2 y + 2
1
w0 (y) = (y) 2
Calculamos g(y):
g(y) = f [w(y)] |w0 (y)|
#
"
1
1
2 y + 2 1 (y) 2 = 1
g(y) =
2
Buscamos los lmites de variacion de y:
= h(2) = 0
= h(4) = 1
Por lo tanto tenemos que:
g(y) = 1
131
a. Sea X una variable aleatoria discreta distribuida p(x). El valor esperado de X es:
E(x) =
xp(x)
b. Sea X una variable aleatoria continua con densidad f (x). El valor esperado de X es:
Z
E(x) =
x f (x)dx
EJERCICIOS
1. Se tiran 2 dados. Sea X el mayor de los numero que aparecen, es decir, X(a, b) =
max(a, b); y sea Y la suma de los numeros que salen, es decir, Y(a, b) = a + b.
Calcular E(x) y E(y).
Solucion:
a) Calculamos E(x):
El espacio muestral para el caso en que X(a, b) = max(a, b) se muestra en las
Tablas 3.13 y 3.14:
1
2
3
4
5
6
1
1
2
3
4
5
6
2
2
2
3
4
5
6
3
3
3
3
4
5
6
4
4
4
4
4
5
6
5
5
5
5
5
5
6
6
6
6
6
6
6
6
Numero
Frecuencia
1
1
2
3
3
5
4
7
5
9
6
11
E(x) = 1
132
1
3
5
7
9
11
+2
+3
+4
+5
+6
= 4,472
36
36
36
36
36
36
1
2
3
4
5
6
7
2
3
4
5
6
7
8
3 4
4 5
5 6
6 7
7 8
8 9
9 10
5
6
7
8
9
10
11
6
7
8
9
10
11
12
Numero
Frecuencia
2
1
3
2
4
3
5
4
6
5
7
6
8
5
9
4
10
3
11
2
12
1
E(y) = 2
1
2
3
4
5
6
5
4
3
2
1
+3 +4 +5 +6 +7 +8 +9 +10 +11 +12
36
36
36
36
36
36
36
36
36
36
36
E(y) = 7
Se esperar que al lanzar dos dados la suma sea 7.
2. Se lanza un dado equilibrado. Si sale el 2, 3 o 5, el jugador gana ese numero en Bs.
F , pero si sale el 1, 4 o 6, pierde ese numero en Bs. F. Calcule el valor esperado del
juego.
Solucion:
-1
-4
-6
1
6
1
6
1
6
1
6
1
6
1
6
133
1
1
1
1
1
1
1
+2 +3 4 +5 6 =
6
6
6
6
6
6
6
Como la esperanza es negativa, se espera que el jugador pierda dinero en ese juego.
3. Si X esta distribuida f (x) = 2X para 0 < X < 1, encuentre la esperanza de Y = 3X.
Solucion:
Z
E(x) =
x f (x)dx
2
3
0
2
E(y) = E(3X) = 3E(x) = 3 = 2
3
E(x) =
(X 2X)dx =
0<X<2
2
f (x) =
E(x) =
0
4
x
x dx =
2
3
E(3x 2x) =
0
10
x
(3x2 2x) dx =
2
3
134
5. Una rifa vende 1000 tickets y ofrece los siguientes premios: 4 primeros premios de
200000 Bs. F; 10 segundos premios de 100000 Bs. F y 20 terceros premios de 10000
Bs. F. Una persona que compra un ticket, cuanto debe pagar por el si se considera
que este es un juego justo?
Solucion:
Denotamos el precio del ticket con X y establecemos la distribucion de probabilidad
de la ganancia en la Tabla 3.18:
g
p(g)
200000 X
100000 X
10000 X
4
1000
10
1000
20
1000
966
1000
Para que el juego sea justo la esperanza de la ganancia debe ser igual a cero, esto es
debido a que no debe existir ningun sesgo ni para los vendedores de la rifa, ni para
que los que la compran, por lo tanto tenemos que:
E(g) = 0
10
20
4
+ (100000 X)
+ (10000 X)
=0
1000
1000
1000
4X
10X
20X 966X
800
+ 1000
+ 200
=0
1000
1000
1000 1000
E(g) = (200000 X)
a1
b
a+b
a
a+b
135
E(x) = a
b
a
+ (a 1)
a+b
a+b
E(x) =
a2 + ab a
a+b
1
2
3
136
A(zona 1) A(zona 2)
P(cae zona 2) =
A(total)
A(zona 2) A(zona 1)
A(total)
A(zona 3)
P(cae zona 3) =
A(total)
(3)2 (2)2 5
=
(3)2
9
(2)2 3
=
(3)2
9
1
=
(3)2 9
5
9
3
9
1
9
E(g) = 1
5
3
1 14
+2 +3 =
9
9
9
9
paraX > 0
137
Si el fabricante quiere ganarle en promedio 10 Bs. F a cada artculo que venda, cual
debera ser el valor de h?
Solucion:
Graficamos la funcion f (x)
f(x)
P(X h) =
2e2X dx = 1 e2h
-20
1 e2h
30
e2h
138
Xir f (xi )
-2
1
2
1
4
1
4
Solucion:
Momento 1: Media
M1 = E(x) =
M1 = (2)
xi f (xi )
1
1
1
+ (1) + (3) = 0
2
4
4
139
Momento 2: Varianza
M2 = E(x2 ) =
xi2 f (xi )
1
1
1
+ (1)2 + (3)2 = 4,5
2
4
4
M2 = (2)2
Momento 3:
M3 = E(x3 ) =
M3 = (2)3
xi3 f (xi )
1
1
1
+ (1)3 + (3)3 = 3
2
4
4
Momento 4:
M4 = E(x4 ) =
M4 = (2)4
xi4 f (xi )
1
1
1
+ (1)4 + (3)4 = 28,5
2
4
4
Momento 5:
M5 = E(x5 ) =
M5 = (2)5
xi5 f (xi )
1
1
1
+ (1)5 + (3)5 = 45
2
4
4
2X
X>0
2e
f (x) =
0
X0
Encuentre la media, la varianza y la desviacion estandar.
Solucion:
Para calcular la Media de una variable aleatoria continua, debemos calcular el primer
momento, es decir, E(x):
Z
E(x) =
x f (x)dx =
x2e2X dx =
1
2
E(x ) =
x2 2e2X dx =
140
1
2
" #2
1
1
1
V(x) =
=
2
2
4
Como sabemos la Desviacion Estandar, es la raz cubica de la varianza:
r
p
1 1
= V(x) =
=
4 2
3. Sea X una variable aleatoria cuya funcion de densidad es:
x
0X1
f (x) =
2x 1< X 2
0
en otro caso
Encontrar la Media y la Varianza.
Solucion:
Calculamos la media:
Z
E(x) =
x dx +
x(2 x)dx = 1
Calculamos la varianza:
Z
E(x ) =
x dx +
0
x2 (2 x)dx =
7
1
1=
6
6
4. Demuestre que:
E[(x )2 ] = E(x2 ) [E(x)]2
7
6
141
Solucion:
E[(x )2 ] = E(x2 2x + 2 )
= E(x2 ) 2E(x) + 2
= E(x2 ) 22 + 2
= E(x2 ) 2
= E(x2 ) [E(x)]2
5. La variable aleatoria X esta distribuida como muestra la Figura 3.25. Obtenga la
media y la varianza de X.
f(x)
Solucion:
Calculamos la ecuacion de f (x) siendo la altura h =
1
2
curva):
x 3
f (x) = +
8 8
Calculamos la media:
!
x 3
1
E(x) =
x + dx =
8 8
3
1
Z
142
Calculamos la varianza:
!
x 3
E(x ) =
x + dx = 1
8 8
1
Z
1
V(x) = 1
3
!2
=
8
9
0
X < 1
1 2
F(x) =
+ 3 (x + 1)2 1 X 0
1
X>0
Obtenga las siguientes probabilidades:
a) P X > 13
b) P(|X| 1)
3. El tiempo T (en minutos) que realiza cierta maquina un proceso cualquiera, es una
variable aleatoria con la siguiente distribucion de probabilidad:
T
p(t)
1
10
1
10
3
10
2
10
2
10
1
10
143
b) Por cada unidad procesada por la maquina, la empresa gana 4 Bs. F fijo y si
se procesa una unidad en menos de 6 minutos gana 1 Bs. F por cada minuto
ahorrado.
Encuentre la distribucion de la variable aleatoria G (cantidad ganada por
unidad) y su esperanza.
4. Determine el valor de c de modo que cada una de las siguientes funciones sirva como
distribucion de probabilidad de la variable aleatoria discreta X.
a) p(x) = c(x2 + 4) para X = 0, 1, 2, 3
3
b) p(x) = c 2x 3x
para X = 0, 1, 2
Calcule F(x) para a) y b) y grafique.
5. La variable aleatoria X esta distribuida f (x) = X + 2 para 2 < X < 5. Si Y = 2X 2 ,
encuentre la densidad de Y.
6. Suponga que una empresa de procesamiento de datos esta tan especializada que algunos tienen dificultades para obtener utilidades en el primer ano. La distribucion de
probabilidad que caracteriza la proporcion X que obtiene utilidades esta dada por:
4
3
0X1
kx (1 x)
f (x) =
0
en otro punto
a) Cual es el valor de k que hace que f (x) sea valida?
b) Encuentre la probabilidad de que al menos el 50 % de las empresas tenga utilidades durante el primer ano.
c) Encuentre la probabilidad de que como maximo el 20 % de las empresas no
tenga utilidades durante el primer ano.
7. Considere la variable aleatoria X con distribucion de probabilidad:
f (x) =
1
1
ln(2) x
para 25 X 50
144
para
2<X<1
f (x) =
para x = 1, 2, 3, 4, 5
para x = 0 o 6
Captulo 4
Distribuciones Clasicas Discretas y
Continuas
Como se dijo en el captulo anterior, la distribucion de probabilidad f (x) es la funcion
que asigna a cada evento de X una probabilidad.
En tal sentido, en el mundo existen varias distribuciones de probabilidad que son ampliamente conocidas y utilizadas, es por esto que se les denomina Distribuciones Clasicas,
y su objetivo principal es construir un modelo simplificado de la realidad (donde exista
incertidumbre), que servira como ayuda en la toma de decisiones.
En este captulo se estudiaran las distribuciones de variables aleatorias discretas, tales
como: La Distribucion Binomial, la Poisson, la Pascal, la Geometrica, la Hipergeometrica
y la Multinomial.
Dentro de las continuas principales veremos: la Distribucion Uniforme, la Exponencial
y la Normal.
145
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
146
Bernoulli, independientes todos entre si, y que solo tiene dos posibles resultados: EXITO
o FRACASO.
La distribucion se denota por: X B(n; p), donde la variable aleatoria X representa el
numero de e xitos en n ensayos de un experimento binomial.
La distribucion de probabilidad esta dada por:
!
n x
P(X = x) =
p (1 p)nx
x
con
x = 0, 1, 2, . . .
= n pq
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
147
0.4
p(x)
n = 15 ; p = 0.1
0.2
12
15
x
0.2
p(x)
n = 15 ; p = 0.5
0.1
12
15
x
0.4
p(x)
n = 15 ; p = 0.9
0.2
12
15
EJERCICIOS
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
148
n = 6
X B(6; 0,5)
x = 2
p = 12
!
6
P(X = 2) =
(0,5)2 (0,5)4 = 0,2343
2
La probabilidad de obtener exactamente 2 caras en 6 lanzamientos es del 23,43 %.
!
6
P(X = 3) =
(0,5)3 (0,5)3 = 0,3125
3
La probabilidad de obtener exactamente 3 caras es del 31,25 %.
2. Al lanzar un dado, se gana si sale el 1. Si se lanza el dado 5 veces. cual es la
probabilidad de obtener 3 unos?
Solucion:
n = 5
X B 5;
x = 3
p = 1
6
5
P(X = 3) =
3
1
6
!3
5
6
!2
= 0,0322
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
149
a) Exactamente 2 veces:
n = 6
X B 6;
x = 2
p = 4
! !2 !4
3
6 1
= 0,2966
P(X = 2) =
4
2 4
b) Mas de 4 veces:
X B 6;
x = 5, 6
p = 4
n = 6
X B 6;
x = 1, 2, 3, 4, 5, 6
p = 4
n = 6
n = 100
3
X B 100;
3
4
p =
4
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
Calculamos la media:
= n p = 100
3
= 75
4
r
n pq=
100
31
= 4,33
44
n = 4
X B 4;
x = 1, 2, 3, 4
p = 1
2
150
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
b) Con 2 ninos:
n = 4
X B 4;
x = 2
p = 2
4
P(X = 2) =
2
1
2
!2
1
2
!2
= 0,375
X B 4;
x = 2, 3
p = 2
n = 4
n = 4
X B 4;
x = 4
p = 1
2
! !4 !0
4 1
1
P(X = 4) =
= 0,0625
4 2
2
151
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
152
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
153
Con b = 5:
F(9) = 0,1256
Con b = 6:
F(10) = 0,25
Por lo tanto b = 5, ya que se cumple que sea menor que 0,2.
e x
x!
para x = 0, 1, 2, . . . y > 0
Media:
E(x) =
Varianza1 :
V(x) =
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
p(x)
0.4
154
P(2)
0.2
10
15
10
15
10
15
p(x)
0.2
P(8)
0.1
5
X
p(x)
0.1
P(16)
0.05
5
X
EJERCICIOS
1. A la caja de un supermercado llegan en promedio 2 clientes por minuto. Calcular la
probabilidad de que:
a) No lleguen clientes en un minuto.
b) Llegue mas de un cliente en un minuto.
c) Lleguen 5 clientes en 2 minutos.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
155
Solucion:
a) No lleguen clientes en un minuto:
Definimos los parametros:
X = numero de clientes que llegan a la caja en un minuto.
= numero de ocurrencias del fenomeno poissoniano por unidad de tiempo.
x = 0
X P(2)
= 2
P(X = 0) =
e2 (2)0
= 0,1353
0!
x = 2, 3, 4, . . .
X P(2)
= 2
e2 (2)0 e2 (2)1
+
= 0,594
0!
1!
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
156
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
157
3. Un libro de 520 paginas contiene 390 errores tipograficos. Suponiendo que el numero
de errores por pagina es una variable de Poisson, encuentre la probabilidad de que 4
paginas seleccionadas al azar esten libres de errores.
Solucion:
Definimos la variable aleatoria X:
X = numero de errores por pagina
390 errores
= 0,75 errores / pag.
520 paginas
= 4 0,75 = 3
X P(3)
P(X = 0) =
e3 (3)0
= 0,0498
0!
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
158
5. El 10 % de las herramientas producidas en cierto proceso de fabricacion son defectuosas. Encuentre a probabilidad de que en una muestra de 10 herramientas, seleccionadas al azar, exactamente 2 sean defectuosas usando:
a) La Distribucion Binomial
b) La aproximacion de Poisson a la Binomial
Solucion:
a) Por la Binomial:
n = 10
X B(10; 0,1)
x = 2
p = 0,1
!
10
P(X = 2) =
(0,1)2 (0,9)8 = 0,1937
2
b) Por Poisson:
X P(1)
= 10 0,1 = 1
= n p
P(X = 2) = 0,1839
Si observamos los dos resultados, la aproximacion no es lo suficientemente
buena, esto es debido a que no se cumple la regla de que n 50.
6. Si la probabilidad de que una persona tenga una mala reaccion a la inyeccion de un
determinado suero es 0,001, determine la probabilidad de que de cada 2000 individuos:
a) Exactamente 3 tengan una mala reaccion.
b) Mas de 2 individuos tengan una reaccion mala.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
Solucion:
159
n = 2000
X B(2000; 0,001)
p = 0,001
= n p
X P(2)
= 2
a) Exactamente 3:
P(X = 3) = 0,1804
b) Mas de 2:
P(X > 2) = 1 P(X 2) = 1 0,6767 = 0,3233
7. Una compana de seguros encuentra que el 0.005 % de la poblacion fallece cada ano
de cierto tipo de accidente. Cual es la probabilidad de que tengan que pagar a mas
de 3 de los 10000 asegurados contra tal riesgo en un ano dado?
Solucion:
X = Numero de asegurados a pagar
X B(10000; 0,00005)
x = 4, 5, 6, . . .
p = 0,00005
n = 10000
X P(0,5)
1
556
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
160
con
x = 1, 2, 3, . . .
Media:
=
1
p
Varianza:
2 =
(1p)
p
Propiedad de no memoria:
P(X = s + t/ X > s) = P(X = t)
EJERCICIOS
1. Se sabe que 5 de cada 100 carros que circulan en una ciudad, presentan fallas que
ocasionan contaminacion del aire. Si se seleccionan carros aleatoriamente uno tras
otro, cual es la probabilidad de que el decimo carro revisado sea el que presente este
tipo de falla?
Solucion:
p = 0,05
X G(0,05)
x = 10
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
161
1
1
=
=5
p 0,2
X G(0,4)
x = 4, 5, ...
p = 0,4
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
162
5
6
!4
= 0,0804
5. Sabemos que la probabilidad de lanzar un dado 8 veces para sacar el 4 por primera
vez es de (5/ 6)7 (1/ 6). Si el dado ya se lanzo 4 veces y no ha salido el 4, cual es la
probabilidad de tener que lanzar el dado otras 8 veces mas para sacar el 4 por primera
vez?
Solucion:
Segun la propiedad de no memoria de la distribucion geometrica:
!7 !
5
1
P(X = 12/ X > 4) = P(X = 8) =
6
6
Para demostrar esta propiedad tenemos:
P(X = s + t/ X > s) = P(X = t)
P(X = 4 + 8/ X > 4) = P(X = 8)
P(X = 12/ X > 4) = P(X = 8)
!7 !
5
1
(1/ 6)(5/ 6)11
=
4
(5/ 6)
6
6
!7 !
!7 !
5
1
5
1
=
6
6
6
6
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
dada por:
!
x 1 r xr
P(X = x) =
pq
r1
163
para x = r, r + 1, r + 2, . . .
Media:
r
E(x) = p
Varianza:
rq
2 = 2
p
Observamos que cuando r = 1 en la Distribucion de Pascal, se trata en si de la distribucion del numero de ensayos de Bernoulli hasta que ocurre el primer e xito y como sabemos
esta distribucion es la Geometrica.
EJERCICIOS
1. Cual es la probabilidad de que haya que lanzar 5 veces un dado para obtener 2
cuatros?
Solucion:
p = 1/ 6
X BN 2,
x = 5
r = 2
51
P(X = 5) =
21
1
6
!2
5
6
!52
= 0,0643
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
E(x) =
164
r
4
=
=8
p 0,5
p = 0,8
X BN(10, 0,8)
x = 12
r = 10
!
12 1
P(X = 12) =
(0,8)10 (0,2)1210 = 0,2362
10 1
4. En una poblacion las personas que padecen fobia son hombres en un 51 %. Suponiendo que se extraen aleatoriamente individuos de la poblacion con reemplazo, Cual es
la probabilidad de que, antes de que se haya obtenido una cantidad igual a 10 hombres, se hayan extraido exactamente 10 mujeres?
Solucion:
p = 0,51
X BN(10; 0,51)
x = 20
r = 10
!
20 1
P(X = 20) =
(0,51)10 (0,49)2010 = 0,0877
10 1
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
165
nx
N
para x = 0, 1, 2, . . .
r
p= N
Varianza:
Nn
2 = npq N1
EJERCICIOS
1. Una fabrica de pequenos motores, los empaca en cajas de 50. Antes de ser aceptados,
un inspector elige 5 motores al azar y los examina. Si todos estan perfectos, acepta la
caja, de lo contrario examina todos los motores de la misma. Suponga que en una caja
hay 3 motores defectuosos. Cual es la probabilidad de que haya que inspeccionar
todos los motores de la caja?
Solucion:
= 5
X H(50; 3; 5)
= 3
= 1, 2, 3
N = 50
n
r
x
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
166
50
50
= 0,2760
N = 10
n = 5
X H(10; 6; 5)
r = 6
x = 3
6106
P(X = 3) =
53
10
= 0,4762
N = 12
X H(12; 9; 2)
n = 2
r = 9
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
167
20
12
= 0,0455
21
12
= 0,4091
22
12
= 0,5455
N = 16
X H(16; 5; 3)
n = 3
r = 5
a) No encuentre ningun embarque con contrabando:
5165
P(X = 0) =
30
16
3
= 0,2946
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
168
31
16
= 0,4911
32
16
= 0,1964
33
16
= 0,0179
n!
Pn1 Pn22 . . . Pnk k
n1 ! n2 ! . . . nk ! 1
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
169
1. Se lanza un dado 18 veces, cual es la probabilidad de que cada uno de los 6 numeros
haya salido 3 veces?
Solucion:
18!
1
P(x1 = 3; x2 = 3; . . . ; x5 = 3; x6 = 3) =
3!3!3!3!3!3! 6
!3
1
6
!3
1
6
!3
1
6
!3
1
6
!3
1
6
!3
= 0,0013
2. El 80 % de los artculos que fabrica una maquina resultan ser de primera calidad, el
15 % de calidad aceptable, y el 5 % resulta ser defectuosos. Si de la produccion de
un da cualquiera, sacamos 20 artculos de esta maquina, cual es la probabilidad de
que se obtengan 2 defectuosos, uno aceptable y 17 de primera calidad?
Solucion:
Definimos las variables y sus probabilidades:
X1 = primera calidad ; p1 = 0,8
X2 = calidad aceptable ; p2 = 0,15
X3 = defectuoso ; p3 = 0,05
P(x1 = 17; x2 = 1; x3 = 2) =
20!
(0,8)17 (0,15)1 (0,05)2 = 0,089
17!1!2!
3. Una caja contiene 5 bolas rojas, 4 bolas blancas y 3 bolas azules. Se seleccionan
al azar una bola de la caja, se anota su color y se devuelve a la caja. Encuentre la
probabilidad de que de 6 bolas seleccionadas de esta manera, 3 sean rojas, 2 sean
blancas y 1 sea azul.
Solucion:
Definimos las variables y sus probabilidades:
X1 = bolas rojas ; p1 =
5
12
X2 = bolas blancas ; p2 =
X3 = bolas azules ; p3 =
4
12
3
12
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
6!
5
P(x1 = 3; x2 = 2; x3 = 1) =
3!2!1! 12
!3
4
12
!2
170
!
3
= 0,1207
12
1
6
X2 = 2 ; p2 =
1
6
X3 = 3 ; p3 =
1
6
x4 = 4, 5, 6 ; p4 =
3
6
1
4!
P(x1 = 0; x2 = 0; x3 = 0; x4 = 4) =
0!0!0!4! 6
!0
1
6
!0
1
6
!0
3
6
!4
= 0,0625
aXb
ba
f (x) =
0
de otra manera
Su grafica se muestra en la Figura 4.3.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
171
f(x)
0
X<a
xa
F(x) =
aX<b
ba
1
Xb
F(x)
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
172
1
1
=
42 2
2X4
2
f (x) =
0 de otra manera
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
173
(2 + 4)
=3
2
2 =
(4 2)2 1
=
12
3
1
dx = 0,4
2
A+B
2
A+B
2
P(mas cerca de A) =
A
1
1
dx =
BA
2
3 veces
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
174
C=
B C = 3C 3A
B+3A
4
B+3A
4
P=
A
1
1
dx =
BA
4
3. Una barra de 50 centmetros de longitud puede partirse por cualquier punto en forma
aleatoria. Cual es la probabilidad de que se parta a menos de 5 cm de cualquiera de
los extremos?
Solucion:
Dibujamos la barra de 50 cm y definimos los puntos de corte: Buscamos la distribu-
3 veces
1
1
1
=
=
b a 50 0 50
para 0 X 50
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
175
Solucion:
Dibujamos la distribucion de probabilidad para este ejercicio y calculamos la funcion:
f(x)
45
50
f (x) =
55
60
1
1
=
70 50 20
65
70
75
para 50 X 70
1
dx
20
1
dx
55 20
1
3
a + b 50 + 70
=
= 60 minutos
2
2
1
3
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
b) P(X > 1) =
1
2
1
1
=
a (a) 2a
a) P(X > 1) = 13 :
f(x)
1/3
X
a
a
a
1
P(X > 1) =
3
x a 1
=
2a 1 3
a
1
1
1
dx =
2a
3
a1 1
=
2a
3
a=3
b) P(X > 1) = 12 :
1
P(X > 1) =
2
=
1
1
1
dx =
2a
2
176
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
177
f(x)
1/2
X
a
x a 1
=
2a 1 2
a1 1
=
2a
2
a
a
2a 2 , 2a
x si x < 0
|x| =
x si x 0
x < 1 = x > 1
|x| < 1 =
x<1
Para P(|X| > 1): (Ver Figura 4.7)
x > 1 = x < 1
|x| > 1 =
x>1
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
f(x)
X
a
f(x)
X
a
1
1
178
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
179
a=2
d) P X < 12 = 0,7:
f(x)
0.7
X
a
!
1
P X<
= 0,7
2
x 0,5
= 0,7
2a a
0.5
0,5
=
a
0,5 + a
= 0,7
2a
1
dx = 0,7
2a
=
a = 1,25
6. Demuestre que la media y la varianza de la distribucion uniforme estan dadas respectivamente por:
a) = (a + b)/2
b) 2 = (b a)2 /12
Solucion:
a) = (a + b)/2
Sabemos que la media de una distribucion de probabilidad debe ser igual a la
esperanza matematica, por lo tanto tenemos:
Z
E(x) =
a
b
x2
1
a+b
dx =
x
=
ba
2(b a) a
2
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
180
b) 2 = (b a)2 /12
Tenemos que la varianza es V(x) = E(x2 ) [E(x)]2 :
Z
E(x ) =
a
b
1
x3
b2 + ab + a2
x
dx =
=
ba
3(b a) a
3
2
"
#2
b2 + ab + a2
a+b
(b a)2
V(x) =
=
3
2
12
para X > 0
Media:
= 1/
Varianza2 :
2 = 1/ 2
No memoria:
P(X > s + t/ X > s) = P(X > t)
2
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
181
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
182
P(X > 2)
= P(X > 1)
P(X > 1)
e6
= e3 = e3 = e3
3
e
3. Considere el componente C del ejercicio numero 1. Si C aun esta trabajando despues
de 100 das, encuentre la probabilidad de que este dure mas de 340 das.
Solucion:
Utilizamos la propiedad de no memoria:
P(X > s + t/ X > s) = P(X > t)
P(X > 340/ X > 100) = P(X > 240) = 1 P(X 240)
P(X > 340/ X > 100) = 0,1353
4. La duracion en horas de cierto dispositivo electronico puede ser modelada por la
distribucion exponencial con un promedio de 100 horas. El vendedor da al comprador
la siguiente garanta: si el dispositivo que compra le dura menos de 20 horas, le
devolvera el dinero. El costo de fabricacion de cada dispositivo es de 100 y el precio
de venta es 200.
a) Obtenga la ganancia esperada.
b) Si el vendedor quiere incrementar la ganancia esperada en un 20 % modificando
la garantia como quedara esta entonces?
Solucion:
Tenemos que:
= 100
= 0,01
a) Ganancia Esperada (E(G)):
La ganancia puede tomar 2 valores, ver Tabla 4.1:
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
G
P(G)
-100
P(X < 20)
183
100
P(X 20)
-100
P(X < x)
1 e0,01x
100
P(X x)
e0,01x
Tenemos entonces:
E(G) = 100 (1 e0,01x ) + 100 e0,01x = 76,488
Despejamos a x y tenemos:
x = 12,51
Esto quiere decir que la nueva garanta debe ser de 12,51 das para aumentar la
ganancia en un 20 %.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
184
Media = 2
Media = 2
En la Figura 4.9 se observa como la curva se abre a medida que aumenta la desviacion
estandar, esto confirma como este parametro cumple su funcion como un coeficiente de
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
185
elasticidad.
Desviacin = 0.5
Desviacin = 1
Desviacin = 2
t 2
e 2 ( ) dt
1
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
186
El calculo de la probabilidad:
Z
P(a X b) =
2
Se convierte en:
P(a X b) =
2
e 2 (
1
x 2
) dx
(b)/
Z2
e 2 dx
(a)/
!
a
b
P(a X b) =
34.1%
34.1%
13.6%
13.6%
2.15%
2.15%
2
EJERCICIOS
1. Supongamos que la estatura (en centmetros) de los hombres de la Facultad de Ingeniera esta distribuida en forma normal con media = 172,72 cm y desviacion
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
187
estandar = 6,35 cm. Encuentre el porcentaje de hombres que estan entre 167,64 y
180,34 centmetros.
Solucion:
Como dice el enunciado del ejercicio, la variable aleatoria X esta distribuida como
una normal:
X N(172,72; 40,3225)
Se desea encontrar:
P(167,64 X 180,34)
Estandarizamos la variable aleatoria X, restandole su media y dividiendo entre la
desviacion estandar:
167,64 172,72 X 180,34 172,72
P(167,64 X 180,34) = P
6,35
6,35
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
188
0.2119
0.8
1.2
0.8849
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
189
1,625
Para este caso le restamos al a rea total de la curva (igual a 1) la probabilidad acumulada hasta 1,625, de esta manera obtenemos la probabilidad pedida; entonces tenemos
que:
P(Z > 1,625) = 1 P(Z 1,625)
Ahora bien, dado que el valor de la variable estandarizada 1,625, no se encuentra
en la tabla, pero si se encuentra los valores 1,62 y 1,63, lo mas recomendable es
interpolar para hallar dicha probabilidad, para ello se asume que el segmento de la
curva tomado entre 1,62 y 1,63 es tan pequeno que se toma como una recta y por lo
tanto podemos utilizar la siguiente ecuacion, que no es mas que la ecuacion de una
recta:
f (x) = Y0 +
Y1 Y0
(X X0 )
X1 X0
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
X0 = 1,62
X = 1,625
X1 = 1,63
190
Y0 = 0,9474
Y
Y1 = 0,9484
Y = 0,9479
Por lo tanto tenemos:
P(Z > 1,625) = 1 0,9479 = 0,0521
La probabilidad de que una persona pese mas de 85 kilogramos es de 0,0521; ahora
bien, cuantas personas del grupo se espera que tengan esa condicion?
0,0521 2400 = 125,04
Se espera que 125 personas de ese grupo pesen mas de 85 kilogramos.
Como se dijo en un principio de esta seccion, la curva de la distribucion normal es
simetrica con respecto a su media, esta propiedad nos permite facilitar los calculos
de probabilidad utilizando la simetra.
En la Figura 4.12 podemos observar que el a rea donde Z > 1,625 es exactamente
igual al a rea donde Z < 1,625, lo que quiere decir que, la probabilidad P(Z >
1,625) es exactamente igual a la probabilidad P(Z 1,625), por lo que simplemente
buscamos directamente en la tabla de la normal estadarizada la probabilidad P(Z <
1,625).
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
1.625
191
1.625
3. Una empresa metalmecanica produce rodamientos con diametros que tienen una distribucion normal con una media de 3,0005 y una desviacion estandar de 0,001.
Las especificaciones requieren que los diametros esten en el intervalo 30,002. Se
rechazan los rodamientos con diametros que quedan fuera del intervalo y deben volverse a maquinar. Con la maquinaria actual, que fraccion de la produccion total
sera rechazada?
Solucion:
X = diametro en centmetros de los rodamientos
X N(3, 0005; 0,000001)
Tenemos que:
P(rechazados) = 1 P(aprobados)
P(aprobados) = P(2,998 X 3,002)
3,002 3,0005
2,998 3,0005
Z
P(aprobados) = P
0,001
0,001
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
192
Rechazados
2.5
Aprobados
92.7%
Rechazados
1.5
En la Figura 4.13 se puede observar el intervalo con las especificaciones en que los
rodamientos son aceptados (color rojo) y a los lados la proporcion que es rechazada,
es decir, tenemos que aproximadamente un 92,7 % de la produccion es aceptada, y
por lo tanto le restamos a la unidad esta probabilidad y obtenemos que un 7,3 %
sera rechazada aproximadamente.
4. Se observo durante un perodo que la cantidad semanal gastada en el mantenimiento
y en las repaciones en cierta fabrica tiene aproximadamente una distribucion normal
con una media de 400 Bs. F y una desviacion estandar de 20 Bs. F. Si el presupuesto
para la proxima semana es de Bs. F 450, cual es la probabilidad de que los costos reales sean mayores que la cantidad presupuestada? de cuanto tendra que ser
el presupuesto para reparaciones semanales y mantenimiento, para que la cantidad
presupuestada solamente se rebasara con una probabilidad de 0,1?
Solucion:
X = presupuesto semanal en Bs. F
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
193
X N(400; 400)
P(X > 450) = 1 P(X 450)
!
450 400
P(X > 450) = 1
= 1 (2,5)
20
P(X > 450) = 1 0,9938 = 0,0062
La probabilidad de que los costos reales se sobrepasen de 450 Bs. F para esa semana
es de 0,0062.
Ahora bien, si se desea saber de cuanto debera ser el presupuesto (valor de X),
planteamos el siguiente caso:
!
X X 400
P
= 0,1
20
!
X 400
P Z
= 0,1
20
!
X 400
1P Z
= 0,1
20
!
X 400
P Z
= 0,9
20
Buscamos una probabilidad igual a 0,9 en la tabla de la normal estandarizada para
saber que a valor de Z pertenece esa probabilidad.
La probabilidad exacta de 0,9 no aparece en la tabla, debemos interpolar.
f (x) = Y0 +
Y1 Y0
(X X0 )
X1 X0
Y0 = 1,28
Y
Y1 = 1,29
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
194
X
X 400
= Z
20
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
195
P(2 Z 2) = 0,9544
La probabilidad de que un alambre satisfaga las especificaciones con respecto
a la resistencia es del 95,44 %.
b) Probabilidad de que 4 alambres satisfagan las necesidades:
P(4 satisfagan las especificaciones) = (0,6544)4 = 0,8297
La probabilidad de que 4 alambres seleccionados al azar de la compana A y
que satisfagan las especificaciones del 82,97 %.
6. Una variable aleatoria X obedece la distribucion normal estandarizada. Demuestre
que:
a) P(|X| < k) = 2(k) 1
b) P(|X| > k) = 2(1 (k))
Solucion:
a) P(|X| < k) = 2(k) 1:
Desarrollamos la primera parte de la igualdad, es decir, P(|X| < k).
Segun la definicion del valor absoluto tenemos:
x < k = x > k
|x| < k =
x<k
A partir de esto tenemos que:
P(|X| < k) = P(k < X < k)
Si observamos la Figura 4.14, el a rea sombreada representa el a rea del intervalo
(k ; k), recordemos que la variable aleatoria X ya esta estandarizada, por lo
que podemos trabajarla directamente.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
1.625
K
1.625
K
x > k = x < k
|x| > k =
x>k
A partir de esto tenemos que:
P(|X| > k) = P( < X < k) + P(k < X < +)
196
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
1.625
K
197
1.625
K
1
2
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
198
Solucion:
a) Media y desviacion estandar:
Se sabe que la distribucion normal es simetrica con respecto a su media, por lo
tanto la probabilidad de que un valor sea menor o igual a su media es exactamente igual a 0.5; dentro de los datos dados tenemos que P(X 160) = 12 , por
lo tanto = 160.
Para calcular la desviacion estandar utilizamos la P(X < 140) = 14 .
!
X 140 160
1
P
<
=
4
Dado que en la tabla de la distribucion normal estandarizada no se encuentra la
probabilidad exacta de 0.25, interpolamos.
Definiendo los valores de las X y las Y tenemos:
X0 = 0,2514 Y0 = 0,67
X = 0,25
Y
X1 = 0,2483 Y1 = 0,68
140 160
140 160
= 0,6745 =
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
199
P(X > 200) = P(Z > 1,35) = P(Z < 1,35) = 0,0885
La probabilidad de que una persona tomada al azar pese mas de 200 libras es
del 8,85 %.
c) El porcentaje de personas que pesara mas de 220 libras dado que se sabe que
pesan mas de 200 libras es:
P(X > 220/ X > 200) =
P(X > 220/ X > 200) =
El 24,52 % de las personas (de la poblacion que pesa mas de 200 libras), pesa
mas 220 libras.
8. Una variable aleatoria es normal con media y desviacion estandar = 21 . Encuentre
la constante c tal que P(|X | < c) = 0,9.
Solucion:
P(|X | < c) = 0,9
P(c < X < c) = 0,9 = P(c + < X < c + )
P(X < c + ) P(X < c + ) = 0,9
!
!
c+
c +
P Z<
P Z <
= 0,9
0,5
0,5
(2c) (2c) = 0,9
(2c) [1 (2c)] = 0,9
(2c) = 0,95
El valor de Z correspondiente a una probabilidad igual a 0,95, es Z = 1, 645; por lo
tanto tenemos que:
2c = 1,645 = c = 0,8225
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
200
E(|x |) =
|x | f (x)dx
E(|x |) =
|x |
e 2 (
1
x 2
) dx
Utilizando la definicion de valor absoluto; segun el a rea en que esta definida la duncion, X puede tomar valores negativos si X < 0 y valores positivos si X 0, por lo
tanto tenemos:
Z
E(|x |) =
x
e
12 ( x
)
dx +
x
0
e 2 (
1
x 2
) dx
1 x
2
du =
x
dx
2
Tenemos entonces:
Z
E(|x |) =
eu du +
2
eu du
2
2
E(|x |) =
2
10. Supongamos que la vida en horas de 2 dispositivos electronicos similares D1 y D2
tienen distribuciones N(40;36) y N(45;9) respectivamente. Si se requiere uno de los
2 dispositivos para una operacion que tarda 45 horas, cual de los 2 dispositivos es
preferible? Si se requiere para una operacion de 48 horas, cual es preferible?
Solucion:
Para saber cual de los dos dispositivos es mas confiable en una operacion que tarda 45
horas calculamos la probabilidad de que cada uno de ellos dure mas de ese perodo.
Para el dispositivo D1 :
P(X > 45) = P(Z > 0,83)
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
201
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
f (x) = 1
2
202
x 2
12
e
Y = ex
w(y) = ln(y)
w0(y) = 1/ y
Por lo tanto tenemos:
1
g(y) =
e
2
12
ln(y) 2
1
y
para Y > 0
9
5
Tenemos entoces:
2
9
1
1 9
g(y) = e 4 ( 5 y+3298,6)
5
2 2
9
1 81
2
g(y) = e 2 ( 50 (y37) )
2 50
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
203
Calculamos E(y):
!
5
160
5
160
E(y) = E x
= E(x)
= 37
9
9
9
9
Calculamos V(y):
!
!2
5
5
160
50
V(y) = V x
=
V(x) =
9
9
9
81
13. Suponga que X N(0; 25). Calcule P(1 < x2 < 4).
Solucion:
|x | > 1 = (; 1) (1; )
P(1 < x2 < 4) = P(1 < |x| < 2) =
|x | < 2 = (2; 2)
En la Figura 4.16 podemos observar el a rea de la probabilidad deseada, es decir, el
a rea que conforman las dos intersecciones.
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
204
2,31
1,08
2,35
2,32
2,19 2,09
2,25 2,1
1,76 2,91
2,59 2,42
2,48
3,3
1,84
2,04
3. Un lote de tamano N = 30 contiene 4 unidades defectuosas. Cual es la probabilidad de que una muestra de 5 unidades seleccionadas al azar contenga exactamente
una unidad defectuosa? Cual es la probabilidad de que contega 3 o mas unidades
defectuosas?
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
205
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
206
CAPITULO 4. DISTRIBUCIONES CLASICAS
DISCRETAS Y CONTINUAS
207
Captulo 5
El Teorema del Lmite Central
1
k2
EJERCICIOS:
209
1
22
1
32
8
9
1
42
15
16
210
c) P(a X b) 0,09:
Tenemos que:
1
1
= 0,09
k2
k = 1,05
a = 75 1,05 5 = 69,75
b = 75 + 1,05 5 = 80, 75
Por lo tanto:
P(69,75 X 80,75) 0,09
2. Supongamos que una variable aleatoria X tiene como media = 25 y desviacion
estandar = 2. Usar la desigualdad de Chebyshev para calcular:
a) P(X 35)
b) P(X 20)
Solucion:
a) P(X 35)
+ k = 35
25 + k2 = 35
k=5
1
52
24
25
25 k2 = 20
k = 2,5
1
2,52
211
1
= 0,95
k2
b=k
k = 4,47
b = 5 4,47 = 22,36
1
= 0,9
k2
k = 3,16
75 = k
75 = 80 3,06
= 1,58
85 = + k
85 = 80 + 3,06
= 1,58
212
!
1
1
P(X < 5 o X > 15) = 1 1 2 =
2
4
La probabilidad de que la variable se aleje mas de 2 es como maximo del 25 %.
6. La casa de la moneda de Venezuela produce monedas de 20 centimos con un diametro
promedio de 0,5 pulgadas y una desviacion estandar de 0,01 pulgadas. Encuentre un
lmite inferior para el numero de monedas de un lote de 400 con un diamtero entre
0,48 y 0,52 pulgadas, utilizando el Teorema de Chebyshev.
Solucion:
Debemos calcular la probabilidad de que una moneda este entre el rando de 0,48 y
0,52 pulgadas, es decir, calculamos la P(0,48 X 0,52)
k = 0,48
k=2
P(0,48 X 0,52) 1
1
22
213
Es importante acotar que mientras mas grande sea el valor de n, mejor sera la aproximacion, por esto adoptaremos que el teorema se puede usar cuando n 30.
Un ejemplo clasico donde podemos observar como una distribucion discreta puede
aproximarse a una distribucion normal cuando n crece, es a traves del lanzamiento de dados, para este caso veremos como la distribucion de probabilidad del lanzamiento de n
dados tiende a formar una campana.
Veamos el ejemplo con n = 1, 2, 3, 4 y 5 dados.
214
X
p(x)
1
6
1
6
1
6
1
6
1
6
1
6
p(x)
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
215
X
p(x)
10
11
12
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
p(x)
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
10
11
12
216
X
p(x)
X
p(x)
10
1
216
3
216
6
216
10
216
15
216
21
216
25
216
27
216
11
12
13
14
15
16
17
18
27
216
25
216
21
216
15
216
10
216
6
216
3
216
1
216
p(x)
0.12
0.1
0.08
0.06
0.04
0.02
10 11 12 13 14 15 16 17 18
217
X
p(x)
10
1
1296
4
1296
10
216
20
1296
35
1296
56
1296
80
1296
X
p(x)
11
12
13
14
15
16
17
104
1296
125
1296
140
1296
146
1296
140
1296
125
1296
104
216
18
19
20
21
22
23
24
80
216
56
216
35
216
20
1296
10
1296
4
1296
1
1296
X
p(x)
p(x)
0.1
0.08
0.06
0.04
0.02
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
218
10
11
12
13
1
7776
5
7776
15
7776
35
7776
70
7776
126
7776
205
7776
305
7776
420
7776
X
p(x)
14
15
16
17
18
19
20
21
22
540
7776
651
7776
735
7776
780
7776
780
7776
735
7776
651
7776
540
7776
420
7776
X
p(x)
23
24
25
26
27
28
29
30
305
7776
205
7776
126
7776
70
7776
35
7776
15
7776
5
7776
1
7776
p(x)
0.1
0.08
0.06
0.04
0.02
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
En conclusion podemos ver que, a medida que se aumento el numero de dados (n) la
grafica de la distribucion de probabilidad fue tomando la forma de la campana de la distribucion normal, esto confirma que la sumatoria de las variables aleatorias independientes
tienden a comportarse como una normal a medida que n tienda a infinito.
219
EJERCICIOS
1. Los resultados de las pruebas finales de todos los alumnos del u ltimo ano de
bachillerato de cierto estado, tienen una media de 60 puntos y una varianza de 64
puntos2 . Una generacion especfica de cierto Liceo con n = 100 alumnos tuvo una
media de 58 puntos. Puede afirmarse que este liceo es inferior?
Solucion:
Definimos los parametros:
n = 100
= 60 puntos
2 = 64 puntos2
Si definimos la variable aleatoria Z como la suma de las 100 notas tenemos:
Z = X1 + X2 + ... + X100 = nX = 100 58 = 5800
!
5800 6000
P Z<
= P(Z < 2,5) = 0,0062
100 64
Es poco probable que los alumnos saquen menos de 58 puntos (del 0,6 %), por lo que
se puede dudar de la calidad del liceo.
2. Los tiempos de espera para los clientes que pasan por una caja registradora a la salida
de una tienda son variables aleatorias independientes con una media de 1,5 minutos
y una varianza de 1 minuto2 . Aproxime la probabilidad de que se pueda atender a
100 clientes en menos de 2 horas.
Solucion:
Definimos los parametros:
n = 100
= 1,5 minutos
2 = 1 minuto2
220
221
254
La probabilidad de que un foco de luz infrarroja este encendidido despues de 1300
horas es de 0,62 %.
!
b
X
b np +
a x nx
p q
b
npq
x=a
a np
npq
222
= npq = 6000 16
5
6
= 28,8675
1030 1000 +
P(980 X 1030) =
28,8675
1
2
980 1000
28,8675
223
= npq = 180 16
5
6
=5
32 30 +
P(29 X 32) =
5
1
2
29 30
5
1
2
P(31 X 35) =
5
5
P(31 X 35) = (1,1) (0,1) = 0,3245
c) Menos de 22 veces:
!
21,5 30
P(X 22) =
= (1,7) = 0,0446
5
4. Asumimos que el 4 % de la poblacion mayor de 65 anos tiene la enfermedad de
Alzheimer. Supongamos que se toma una muestra aeatoria de 9600 personas mayores
de 65 anos. Hallar la probabilidad de que menos de 400 de ellas tengan a enfermedad.
Solucion:
= np = 9600 0,04 = 384
224
!
399,5 384
P(X < 400) = P(X 399) =
= (0,81)
19,2
P(X < 400) = 0,7910
Existe un 79,10 % de probabilidad de que menos de 400 personas del grupo de 9600,
tengan la enfermedad.
5. Una agencia de encuestas quiere tomar una muestra lo suficientemente grande para
que sea solo 0,01 la probabilidad de que el candidato resulte perdedor, cuando en
realidad posee el 52 % de favoritismo entre el electorado. Que tan grande debera ser
la muestra?
Solucion:
= np = n 0,52
225
0,2496n
n = 3388
La muestra debe ser de 3388 electores para que la probabilidad de que el candidato
resulte perdedor sea de 0,01.
226
Captulo 6
Vector Aleatorio
En el Captulo 3 se estudio las variables aleatorias unidimensionales, para este captulo
estudiaremos el vector aleatoria para variables aleatorias bi-dimensionales.
P P
j=1
i=1
p(xi , y j ) = 1
HH Y
X
HH
228
P
Y1
Y2
...
Yn
X1
X2
..
.
f (x1 , y1 )
f (x2 , y1 )
..
.
f (x1 , y2 )
f (x2 , y2 )
..
.
...
...
f (x1 , yn )
f (x2 , yn )
..
.
p(x1 )
p(x2 )
..
.
Xm
P
f (xm , y1 )
q(y1 )
f (xm , y2 )
q(y2 )
...
...
f (xm , yn )
q(yn )
p(xm )
1
CASO CONTINUO
Sea (X, Y) una variable bi-dimensional continua que puede asumir todos los valores en
una region R del plano.
La funcion de densidad conjunta f (x, y) es una funcion que cumple las condiciones:
R R
R
f (x, y)dy dx = 1
EJERCICIOS
1. Dos lneas de produccion fabrican cierto tipo de artculo. Supongase que la capacidad (en cualquier da dado) es de 3 artculos para la lnea I y de 5 artculo para la
lnea II, pero el numero que realmente se produce con cada lnea de produccion es
una variable aleatoria. Llamemos (X, Y) la variable aleatoria bi-dimensional discreta
que indica el numero de artculos fabricados por la lnea I y por la lnea II, respectivamente.
a) Calcular la probabilidad de que se fabriquen igual cantidad de artculos en ambas lneas.
HH Y
X
HH
0
1
2
3
229
0
0,01
0,01
0,01
0,01
0,02
0,03
0,02
0,03
0,04
0,05
0,04
0,05
0,05
0,05
0,06
0,07
0,06
0,05
0,06
0,09
0,08
0,06
0,06
230
c(2X + Y) 0 X 2 ; 0 Y 3
p(x, y) =
0
de otra manera
a) Encuentre el valor de la constante c.
b) Encuentre P(2, 1).
c) Encuentre P(X 1, Y 2).
Solucion:
Sustituyendo los valores de X y Y en p(x, y), tenemos:
HH
0
HH
H
0
1
2
P
0
2c
4c
6c
c
3c
5c
9c
2c
4c
6c
12c
3c
5c
7c
15c
6c
14c
12c
42c
a) Constante c:
La sumatoria total de las probabilidad de X o Y debe ser igual a 1, por lo que
tenemos que:
42c = 1
c=
1
42
b) P(2, 1):
P(2, 1) = 5c =
5
42
c) P(X 1, Y 2):
P(X 1, Y 2) = P(1, 0) + P(1, 1) + P(1, 2) + P(2, 0) + P(2, 1) + P(2, 2)
P(X 1, Y 2) =
2+3+4+4+5+6 4
=
42
7
231
3. Dado que p(x, y) = cxy en los puntos (1,1), (2,1), (2,2) y (3,1).
a) Dibuje la distribucion de probabilidad conjunta p(x, y) = cxy.
b) Calcule la constante c.
c) Hallar p(x).
Solucion:
a) Grafica de p(x, y) = cxy:
La grafica de la distribucion de probabilidad para este problema la podemos ver
a continuacion en la Figura 6.1:
4c
3c
2c
c
1
1
2
X
1
2
1
3
b) Constante c:
Para calcular la constante c elaboramos la tabla de distribucion de probabilidad
conjunta (Tabla 6.4):
232
HH
HH Y 1
X
HH
1
2
P
c
0
c
2c
4c
6c
3c
0
3c
6c
4c
10c
1
10
c) p(x):
Sustituyendo el valor de c en 6.4, tenemos la nueva tabla:
HH
HH Y 1
X
HH
1
2
P
1
10
1
10
2
10
4
10
6
10
3
10
3
10
P
6
10
4
10
Por lo que p(x) la podemos ver en la u ltima fila de la Tabla 6.5, y de manera
individual tenemos:
X
p(x)
1
10
6
10
3
10
233
1 0X1; 0Y1
f (x, y) =
0
de otra manera
0
1
234
Z
0,2
0,4
dy dx = 0,08
0
xy
3
para 0 X 1 ; 0 Y 2
f(x,y)
1.5
0.5
X
1
235
Y
2
X
0
Y
2
X+Y>1
1
X+Y=1
X
0
236
Por lo tanto, el a rea sombreada en la Figura 6.5 es el a rea que debemos calcular, y
as conseguir la P(X + Y > 1).
Para desarrollar este calculo, debemos calcular la integral doble de la funcion de
densidad, primero observamos de donde a donde se mueven X y Y; X se mueve desde
0 hasta 2, y Y desde la recta Y = 1 X hasta 2; por lo tanto desarrollando
la doble integral tenemos:
Z 1Z
P(X + Y > 1) =
x
1x
2 xy
dydx
!
5 3 4 21
P(X + Y > 1) =
x + x x dx
6
3 2
0
65
P(X + Y > 1) =
72
Z
6. Un fabricante de lamparas esta interesado en los pedidos que ha tenido en los meses
de Enero y Febrero, por lo que llamaremos X y Y los pedidos realizados en esos dos
meses, respectivamente. Supongamos que la densidad conjunta de esas variables es:
f (x, y) = c
4000
c=
1
(5000)2
1
(5000)2
237
9000
X<Y
X>Y
4000
Y=X
X
0
5000
10000
dx
(5000)2 (5000)2
5000
238
a) P(X > 1)
b) P(X < Y/X < 2Y)
c) P(X + Y < 4)
d) Encuentre el valor de k para que se cumpla P(X + Y < k) =
1
2
1
0.8
0.6
0.4
0.2
0
2
2
4
239
X>1
2
240
P(X > 1) =
1
e(X+Y) dydx
x<y
x < 2y
El a rea delimitada por la interseccion entre las rectas es igual al a rea marcada
por X < Y como se observa en la Figura 6.10, por lo tanto tenemos:
P(X < Y)
P(X < 2Y)
RR
e(X+Y) dydx
0
x
P(X < Y/X < 2Y) = R R
e(X+Y) dydx
0
x/2
P(X < Y/X < 2Y) =
1
2
2
3
3
4
241
y < 4x
4x
P(X + Y < 4) =
0
e(X+Y) dydx
k1 = 0,76803
k2 = 1,67834
242
n<X+Y<m
0
n
Z 1Z
P(cuadrado unitario) =
0
e(X+Y) dydx
243
p(x) =
p(x, y)
q(y) =
p(x, y)
CASO CONTINUO:
Sea (X, Y) una variable aleatoria bi-dimensional continua distribuida f (x, y). Las distribuciones marginales de X y de Y se definen as:
Z
g(x) =
f (x, y)dy
h(y) =
f (x, y)dx
244
EJERCICIOS
CCC
3
1
CCS
2
2
CSC
2
3
SCC
2
2
CSS
1
2
SCS
1
3
SSC
1
2
SSS
0
1
HH X 0
HH
1
1
8
2
3
P
0
0
1
8
2
8
1
8
3
8
2
8
1
8
3
8
1
8
0
0
1
8
P
2
8
4
8
2
8
1
8
3
8
3
8
1
8
245
1
2
8
4
8
2
8
2. Sea:
2X 0 X 1 ; 0 Y 1
f (x, y) =
0
de otra manera
0
0
1
para 0 X 1
246
para 0 Y 1
3. La variable aleatoria (X, Y) esta distribuida uniformemente en el triangulo de la Figura 6.14. Encuentre las distribuciones marginales de X y Y.
Y
0
Solucion:
Si X y Y estan distribuidas uniformemente en la figura entonces, f (x, y) es:
f (x, y) =
Area
del triangulo
1
6
para 2 X 2 ; 3 Y 0
Ahora bien, para calcular las distribuciones marginales primero debemos definir los
lmites de integracion, para ello observamos la Figura 6.14 y delimitamos dentro de
que lmites se mueven X y Y. Para calcular la marginal de Y necesitamos el dx por
lo que en la Figura 6.15, se observa que X se mueve desde la recta Y = 1,5X hasta la
recta Y = 1,5X.
247
Y
0
Y = 1.5X
Y = 1.5X
para 3 Y 0
248
Y
0
Y = 1.5X
Y = 1.5X
Para 2 X 0:
1,5x
g(x) =
3
Para 0 < X 2:
1,5x
g(x) =
3
1
x 1
dy = +
6
4 2
1
x 1
dy = +
6
4 2
En resumen tenemos:
x
1
4+2
g(x) =
x +
4
2 X 0
1
2
0<X2
249
k=
1
8
g(x) =
x
!
x3
x2 xy
dy =
8
8
4
h(y) =
y
!
x2 xy
5y3 y 1
+
dy =
8
8
48 4 3
250
Y=X
1
Y= X
h(y) =
y
!
x2 xy
y3 y 1
dy =
+
8
8
48 4 3
h(y) =
5y3
4y + 13
48
y3
4y + 13
48
2 Y 0
0<Y2
p(xi , y j )
q(y j )
si q(y j ) > 0
q(y j /xi ) =
p(xi , y j )
p(xi )
si p(xi ) > 0
251
CASO CONTINUO:
Sean (X, Y) variables aleatorias continuas con funcion de probabilidad f (x, y) y funciones de probabilidad marginales g(x) y h(y) respectivamente, entonces las funciones de
probabilidad condicional continua son:
g(x/y) =
f (x, y)
h(y)
si h(y) > 0
h(y/x) =
f (x, y)
g(x)
si g(x) > 0
EJERCICIOS
1. De un grupo de profesores, 2 alumnos y 1 profesora, debe seleccionarse al azar un
comite de 2 personas. Sea X el numero de profesores y Y el numero de alumnos en
el comite. Encuentre:
a) La distribucion conjunta de X y Y.
b) La distribucion marginal de X y Y.
c) La distribucion condicional de X dado Y = 1.
Solucion:
a) Como se trata de un caso discreto la distribucion conjunta de X y Y la obtenemos
a traves de la tabla de probabilidad conjunta. Definamos las variables y sus
valores:
X = numero de profesores en el comite = {0, 1, 2}
Y = numero de alumnos en el comite = {0, 1, 2}
Para calcular cada una de las p(xi , y j ) utilizamos Teora Combinatoria, por
ejemplo, para calcular la probabilidad de que el comite este conformado por
1 profesor y ningun alumno (p(X = 1, Y = 0)) tenemos:
32
3
1 0
p(1, 0) = 6 =
15
2
252
HH X
0
Y
HH
1
2
P
2
15
1
15
3
15
3
15
6
15
3
15
0
0
9
15
3
15
P
6
15
8
15
1
15
3
15
9
15
3
15
Y
q(y)
6
15
8
15
1
15
p(0, 1) 1
=
q(1)
4
253
p(X = 1/Y = 1) =
p(1, 1) 3
=
q(1)
4
p(X = 2/Y = 1) =
p(2, 1)
=0
q(1)
2. Sea f (x, y) = 2 para 0 < X < Y < 1. Encuentre las distribuciones marginales y
condicionales correspondientes.
solucion:
Calculamos las distribuciones marginales:
Z 1
g(x) =
2dy = 2 2x
h(y) =
2dx = 2y
2
1
=
2y y
2
1
=
2 2x 1 x
254
h(y/x = 4)dy =
0
1
1
dy =
4
4
2 0XY; 0Y2
f (x, y) =
0
de otra manera
Encuentre:
a) La densidad condicional de X dado Y = y.
b) La probabilidad de que se venda menos de medio galon, dado que la maquina
contiene 1 galon al inicio del da.
Solucion:
a) Calculamos la distribucion de Y:
Z
h(y) =
0
y
1
dx =
2
2
255
1
2
y
2
1
y
0,5
0,5
g(x/y = 1)dx =
0
dx =
0
1
2
Por lo tanto la probabilidad de que se venda menos de medio galon, dado que
la maquina contiene 1 galon al inicio del da es del 50 %.
5. Sea:
4xy 0 X 1 ; 0 Y 1
f (x, y) =
0
de otra manera
Encuentre:
a) Las distribuciones marginales.
b) Las distribuciones condicionales.
c) P(X 0,5/Y 0,75).
d) P(X 0,75/Y = 0,5).
Solucion:
a) La distribucion marginal de X es:
Z 1
g(x) =
4xydy = 2x
para 0 X 1
para 0 Y 1
f (x, y) 4xy
=
= 2x
h(y)
2y
256
f (x, y) 4xy
=
= 2y
g(x)
2x
c) P (X 0,5/Y 0,75):
R 12 R 1
P(X 0,5/Y 0,75) =
3
4
R1
3
4
f (x, y)dydx
h(y)dy
1
4
3
4
g(x/y = 0,5)dx =
9
16
2(x + 6y)
7
para 0 X 1 ; 0 Y 1
Calcular:
a) P(X 0,3/y).
b) P(X 0,3/y = 0,8)
Solucion:
a) Para calcular la P(X 0,3/y) debemos calcular primero la distribucion
marginal de Y, luego la distribucion condicional de X dado Y:
Z 1
1 12y
2
(x = 6y)dx = +
h(y) =
7
7
0 7
g(x/y) =
0,5
P(X 0,3/y) =
g(x/y)dx =
0
0,09 + 3,6y
1 + 12y
257
b) Para calcular esta probabilidad sustituimos el valor de Y = 0,8) en la distribucion condicional g(x/y = 0,8) para obtener la P(X 0,3/y = 0,8):
Z 0,3
Z 0,3
10
P(X 0,3/y = 0,8) =
g(x/y = 0,8) =
(x + 4,8)dx
53
0
0
P(X 0,3/y = 0,8) = 0,2801
y i j
CASO CONTINUO:
Sea (X, Y) una variable aleatoria bidimensional continua. Las variables X y Y son independientes ssi:
f (x, y) = g(x) h(y)
EJERCICIOS
258
1. Se asignan aleatoriamente los contratos para 2 construcciones a una o mas de 3 empresas A, B y C. Sea X el numero de contratos asignados a la empresa A, y Y el
numero de contratos asignados a B.
a) Encuentre la funcion de probabilidad conjunta X y Y.
b) Encuentre las distribuciones marginales X y Y.
c) Son X y Y independientes?
Solucion:
a) La funcion de probabilidad conjunta la podemos ver en la Tabla 6.13
HH
HH X 0
Y
HH
1
0
9
2
1
9
1
2
9
2
9
2
9
1
9
0
0
4
9
4
9
1
9
Y
q(y)
4
9
4
9
1
9
259
Por lo tanto:
p(x = 1, y1) = p(x = 1) q(y = 1)
2 4 4
=
9 9 9
2 16
,
9 81
Como son diferentes, entonces X y Y no son independientes.
2. Sea
4xy 0 X 1 ; 0 Y 1
f (x, y) =
0
de otra manera
g(x) =
4xydy = 2x
0
h(y) =
4xydx = 2y
0
Tenemos:
f (x, y) = g(x) h(y)
4xy = 2x 2y
La multiplicacion de las marginales es exactamente igual a la distribucion conjunta,
por lo tanto las variables X y Y si son independientes.
260
CASO DISCRETO:
E[X n1 Y n2 ] =
XX
CASO CONTINUO:
Z Z
n1
n2
E[X Y ] =
EJERCICIOS
2x 0 X 1 ; 0 Y 1
f (x, y) =
0
de otra manera
Obtenga E(XY) y V(X).
Solucion:
Para calcular E(XY) observamos que n1 = 1 y n2 = 2, es decir, calculamos el momento de orden 2, o tambien llamado la esperanza producto:
Z 1Z 1
E(XY) =
x y f (x, y)dydx
0
Z 1Z
E(XY) =
x y 2xdydx =
0
1
3
V(X) =
2
1
2
3
!2
1
18
261
6(1 y) 0 X Y 1
f (x, y) =
0
de otra manera
Encuentre:
a) E(X) y E(Y).
b) V(X) y V(Y).
c) E(X 3Y).
Solucion:
a) Calculamos E(X):
Z 1Z
E(X) =
0
x 6(1 y)dydx =
1
4
y 6(1 y)dydx =
1
2
Calculamos E(Y):
Z 1Z
E(Y) =
0
b) Calculamos la V(X):
V(X) = E(X 2 ) [E(X)]2
"Z 1 Z 1
#
Z 1Z 1
2
V(X) =
x 6(1 y)dydx
x 6(1 y)dydx
0
V(X) =
1
1
10
4
!2
3
80
Calculamos V(Y):
V(Y) = E(Y 2 ) [E(Y)]2
"Z 1 Z 1
#
Z 1Z 1
2
V(Y) =
y 6(1 y)dydx
y 6(1 y)dydx
0
V(Y) =
1
3
10
2
!2
1
20
262
1
1
5
3 =
4
2
4
HH X 3
HH
5
7
9
Totales
4
2
2
8
Totales
2
1
2
5
3
2
4
9
0
2
3
5
9
7
11
27
3
HH
H
5
7
9
P
4
27
2
27
2
27
8
27
2
27
1
27
2
27
5
27
3
27
2
27
4
27
9
27
0
2
27
3
27
5
27
P
9
27
7
27
11
27
E(XY) = 53
4
2
3
2
1
2
2
2
+54 +57 +73 +74 +77 +78 +93 +
27
27
27
27
27
27
27
27
+9 4
4
3
1079
2
+97
+98
=
27
27
27
27
E(X) = 3
263
8
5
9
5
49
+4
+7
+8
=
27
27
27
27
9
E(Y 2 ) = (5)2
9
7
11 1459
+ (7)2
+ (9)2
=
27
27
27
27
6.6. La Covarianza
La Covarianza de X y Y mide el grado de relacion o de dependencia entre las variables
X y Y. Se mide en las unidades de X multiplicadas por las unidades de Y.
Si la Covarianza de dos variables aleatorias es igual a cero, entonces las variables son
independientes.
A diferencia de la varianza que es extrictamente positiva, la Covarianza puede tomar
valores negativos y positivos.
La Covarianza sera positiva cuando los valores de X aumentan con los valores de Y, es
decir se mueven en la misma direccion; y sera negativa cuando los valores de X disminuyen
al aumentar los valores de Y.
EJERCICIOS
264
X = Numero de caras
Y = Numero del dado
De antemano sabemos que el resultado de la moneda es independiente del lanzamiento del dado (las variables X y Y son independientes), por lo que la covarianza
debe ser igual a cero, sin embargo vamos a comprobarlo.
La tabla de probabilidad conjunta del problema la podemos ver en la Tabla 6.18:
HH
HH Y 1
X
HH
0
1
P
1
12
1
12
2
12
1
12
1
12
2
12
1
12
1
12
2
12
1
12
1
12
2
12
1
12
1
12
2
12
1
12
1
12
2
12
P
6
12
6
12
E(XY) =
1 + 1 2 + 1 3 + 1 4 + 1 5 + 1 6 21
=
12
12
E(X) = 0
E(Y) =
6
6
6
+1
=
12
12 12
2 + 4 + 6 + 8 + 10 + 12 42
=
12
12
Por lo tanto:
x,y =
6 42
21
=0
12 12 12
Como se dijo desde un principio la covarianza es igual a cero, lo que ratifica que el
numero de cara que salga es el lanzamiento de una moneda es totalmente independiente del numero que salga en el dado.
265
3x 0 Y X 1
f (x, y) =
0 de otra manera
Encuentre la covarianza.
Solucion:
Z 1Z
E(XY) =
x y 3xdydx =
0
Z 1Z
E(X) =
0
3
4
y 3xdydx =
3
8
Z 1Z
E(Y) =
0
x 3xdydx =
3
10
Por lo tanto:
x,y =
3
3 3
= 0,0188
10 4 8
10
200
20
180
30
150
40
120
50
100
266
HH X 10
Y
HH
1
5
200
180
150
120
100
P
20
30
40
50
0
0
0
0
0
0
0
0
0
1
5
0
0
0
0
0
0
0
0
0
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
5
P
1
5
1
5
1
5
1
5
1
5
E(XY) =
E(X) =
E(Y) =
10 + 20 + 30 + 40 + 50
= 30
5
267
x,y
x y
1 1
Si = -1, existe una correlacion lineal negativa perfecta, es decir hay una relacion
inversa, cuando una de ellas aumenta la otra disminuye en identica proporcion.
Si esta entre (-1,0), existe una correlacion lineal negativa entre las variables.
Si = 0, significa que no existe una correlacion lineal entre las variables, es decir, son
independientes.
Si esta entre (0,1), significa que existe una correlacion lineal positiva.
Por u ltimo, si = 1, significa que existe una correlacion lineal positiva perfecta, por lo
que hay una dependencia total entre las dos variables, cuando una de ellas aumenta la otra
tambien aumenta en identica proporcion.
EJERCICIOS
1. Una variable aleatoria bidimensional discreta tiene como distribucion de probabilidad cojunta la mostrada en la Tabla 6.20.
Calcule el coeficiente de correlacion.
268
HH
HH X 1
Y
HH
1
1
4
4
P
-1
-2
1
4
1
4
1
4
1
4
1
4
1
4
1
4
P
2
42
2
4
Solucion:
E(XY) =
1+(1)+8+(8)
=0
4
1+(1)
=0
4
E(X 2 ) =
2+8 10
E(Y) = 4 = 4
1+1+4+4 10
= 4
4
E(Y 2 ) =
10
V(X) = 4
2+32 34
4 = 4
34
V(Y) = 4
2
10
4
9
=4
Tenemos:
=
x,y
E(XY) E(X) E(Y)
= p
p
x y
E(X 2 ) [E(X)]2 E(Y 2 ) [E(Y)]2
0 0 10
= q q4 = 0
10
4
9
4
Por lo tanto entre las variables (X, Y) no existe una dependencia lineal.
2. La variable aleatoria (X, Y) esta distribuida uniformemente sobre el triangulo de la
Figura 6.19. Encuentre .
269
X
2
Solucion:
Como la variable aleatoria bidimensional esta distribuida uniformemente, tenemos
que la distribucion conjunta es:
f (x, y) =
1
1
=
Area 2
para 2 X 2 ; 0 Y 1
Y=
Tenemos entonces:
Z 2Z
X 1
4 +2
E(XY) =
0
Z 2Z
X 1
4 +2
E(X) =
2
Z 2Z
X 1
4 +2
E(Y) =
2
xy
1
dydx =
2
3
2
x
dydx =
2
3
y
1
dydx =
2
3
270
Z 2Z
E(X ) =
2
E(Y ) =
2
4
3
X 1
4 +2
y2
4
dydx =
2
3
1
3
= q
x2
4
dydx =
2
3
Z 2Z
X 1
4 +2
23
2 q
2
3
1
3
1
6
1
2 = 2
1
3
271
X > 0
X
> 0
X > 0
ZX > 0
Z > X
Y > 0
Por lo tanto tenemos el a rea bajo estudio se muestra en la Figura 6.20:
Z
Z=X
Z>X
X
0
272
para 0 X 1 ; 0 Y 1
f (x, z x) = 1
0 <X< 1
<X<
1
0
0 <ZX < 1
0 <Y< 1
0 <X< 1
Z = 1+X
1.5
Z=X
0.5
X
0
0.5
Para este caso observamos en la grafica que X se mueve desde dos puntos diferentes,
uno va desde 0 hasta la recta Z = X (zona roja) y otra toma valores desde la recta
273
g(z) =
dx = Z
0
Para 1 < Z 2:
g(z) =
dx = 2 Z
Z1
En resumen tenemos:
0<Z1
Z
g(z) =
2Z 1Z 2
3x 0 Y X 1
f (x, y) =
0
en otra parte
Hallar la funcion de densidad de probabilidad para Z = X Y y graficarla.
Solucion:
En este ejercicio se trata de la resta de dos variables aleatorias, sin embargo se puede
tratar como los casos anteriores donde se trataba de una suma de variables.
f (x, y) = 3x
para 0 Y X 1
f (x, x z) = 3x
Los lmites para los cuales Z esta definida son:
0 <X< 1
0
<
X
<
1
0
<
X
<
1
274
Z=X
0.5
Z<X
X
0
0.5
g(z) =
Z
3
3xdx = (1 Z 2 )
2
para 0 Z 1
1.5
0.5
Z
0
0.2
0.4
0.6
0.8
275
8
x3
h(y) = 2y
para X > 2
para 0 < Y < 1
g(z) =
g(z) =
1 z
f x, dx
x
x
1 z
f x, dx
|x|
x
para Z > 0
16y
x3
Si Y = XZ , entonces:
z 2Z
f x,
=
x
X
Los lmites en que esta definida Z sera entonces:
X
>
2
X
>
2
X
>
2
ca 1
Estas metodologas son las recomendadas por el Profesor Oswaldo Ramrez en su publicacion Estocasti-
276
Z=X
4
Z>2
Z<2
X
0
g(z) =
2
Para Z 2:
g(z) =
Z
!
!
1
8
2Z
Z
3
dx =
X
X
x
4
!
!
1
8
2Z
4
3
dx = 3
X
X
x
Z
g(z) =
Z
4
0Z<2
4
Z3
Z2
xy
96
277
z
Z
f x,
=
x
96X
0 <X< 4
0
<
X
<
4
0 <X< 4
X 2 < Z < 5X 2
1 < Z2 < 5
1 <Y< 5
X
Z
80
Z=5X2
70
60
50
40
30
20
Z=X2
10
X
0
1 5
1 Z
Z X 96X dx = Z 96
5
1 Z
Z
dx
=
4
5
Z
Z X
96X
96
5
4
1 5
0 Z 16
Z 96
g(z) =
Z 4 5 Z 16 < Z 80
96
278
Y
0
0.5
1.5
2.5
3.5
g(x)
0.6
0.5
0.4
0.3
0.2
0.1
X
0
0.5
1.5
2.5
3.5
4.5
279
Para este caso se trata de la division de dos variables aleatorias, para poder hallar la
distribucion de probabilidad de Z realizamos lo siguiente:
Si Z = YX :
x f (x, zx)dx
g(z) =
para Z > 0
g(z) =
Como X y Y estan distribuidas segun las figuras dadas, buscamos las ecuaciones de
las rectas, que seran las distibuciones marginales:
2
h(y) = y
9
1
g(x) = (x 5)
8
y
(5 x)
36
para 0 Y 3 ; 1 X 5
Si Y = ZX, entonces:
f (x, zx) =
zx
(5 x)
36
1 <X> 5
1
<
X
>
5
1
<
X
>
5
Z
g(z) =
x
1
38Z
zx
(5 x)dx =
36
27
280
Z
3
Z=3/X
2.5
1.5
0.5
X
0
0.5
1.5
2.5
3.5
4.5
3
Z
g(z) =
zx
5
9
17Z
(5 x)dx = 2 3
36
4Z
4Z
432
g(z) =
38Z
27
5
4Z 2
0 Z 0,6
9
4Z 3
17Z
432
0,6 < Z 3
281
X
1
0
en otro caso
282
Bibliografa
[1] Armas, J. Estadstica Descriptiva Sencilla. Universidad de Los Andes. Venezuela,
2002.
[2] Armas, J.
Venezuela, 2004.
[3] Gutierrez, H. Control Estadstico de Calidad y Seis Sigma. Editorial McGraw Hill.
Mexico, 2004.
[4] Lipschutz, S. Probabilidad. Serie Shaum. Editorial McGraw Hill. USA, 2001.
[5] Mendenhall, W.
Grupo Editorial
283
BIBLIOGRAFIA
284
[11] Spiegel, M. Probabilidad y Estadstica. Serie Shaum. Editorial McGraw Hill. USA,
2003.
[12] Torres, E. Probabilidades. Universidad de Los Andes. Venezuela, 2004.
[13] Walpole, R. Probabilidad y Estadstica para ingeniera y Ciencias. Editorial Pearson.
USA, 2007.