Documentos de Académico
Documentos de Profesional
Documentos de Cultura
06 Probabilidad y Estadstica A
Gua 1
1.1. En una universidad se obtuvo la siguiente informacion: el 74 % de las chicas tienen cabello
oscuro, ojos marrones o ambas cosas; el 60 % tiene ojos marrones; y el 70 % tiene cabello oscuro.
Que porcentaje de chicas tiene
(a) cabello oscuro y ojos marrones?
(b) solo cabello oscuro?
(c) solo ojos marrones?
(d) ninguna de las dos caractersticas mencionadas?
1.2. Se hace una encuesta con un grupo de 1000 suscriptores a una revista. De la misma resultan:
312 varones, 470 casados, 525 graduados universitarios, 42 varones graduados universitarios, 147
graduados universitarios casados, 86 varones casados graduados universitarios. Mostrar que estos
datos no son consistentes.
1.3. ! [DeGroot, p
ag. 42] En una ciudad se publican los periodicos A, B y C. El 22 % de la
poblacion lee el peri
odico A, el 25 % lee el B y el 28 % lee el C. El 11 % de la poblacion lee los
periodicos A y B, el 5 % lee los peri
odicos A y C, y el 7 % de la poblacion lee los periodicos B y
C. Solo el 1 % lee los tres peri
odicos. Hallar la probabilidad de que una persona de la poblacion
(para cada caso representar los eventos en un diagrama de Venn)
(a) lea alguno de los peri
odicos A o B.
(b) no lea ni el peri
odico A ni el B.
(c) lea alguno de los tres peri
odicos.
(d) lea solo el peri
odico C.
(e) no lea ni el peri
odico A, ni el B, o lea el C.
1.4. [Maronna, p
ag. 10]
(a) Una canasta roja contiene 5 botellas de champagne y 6 de vino com
un, mientras que una
canasta blanca contiene 3 de champagne y 4 de vino. Se le ofrece a Ud. elegir una canasta y
extraer al azar una botella de ella. Cual canasta le conviene elegir si desea tomar champagne y
no vino?
(b) Otra canasta roja contiene 6 botellas de champagne de primera y 3 de vino de cuarta, mientras
que otra canasta blanca tiene 9 de champagne y 5 de vino. De cual le conviene extraer?
(c) Los contenidos de las dos canastas blancas se unen y lo mismo se hace con los de las dos
rojas. De cu
al le conviene extraer ahora? (el resultado es un ejemplo de la llamada paradoja de
Simpson)
1.5. ! P
Sea = {1, 2, 3, 4, 5}. Definimos en los subconjuntos A una probabilidad P mediante
P(A) = iA pi , donde p1 = 0, 1, p2 = 0, 2, p3 = 0, 3, p4 = 0, 05, p5 = 0, 35. Sea A = {1, 5}.
(a) Calcular P(A).
(b) Hallar, si existe, un evento B tal que A B y P(B) = 0, 65.
(c) Hallar todos los eventos C tales que P(A C) = 0 y P(C) = 0, 3.
(d) Hallar todos los eventos D tales que A D = y P(A D) 0, 6.
(e) Repetir los incisos anteriores si = {1, 2, 3, 4, 5, 6}, con p6 = 0, y A = {1, 5, 6}.
1.6. ! Sea = [0, 1] [0, 1] el cuadrado unitario. Consideraremos eventos a los subconjuntos
que admiten
area ||, y definimos P() = ||.
Ingeniera Industrial
Ingeniera Industrial
Ingeniera Industrial
(e) Suponiendo ahora que en a hay 2000 bolas rojas y 1000 blancas, en b hay 100 rojas y 200
blancas, y en c 9 rojas y 12 blancas, resolver en estas nuevas condiciones los incisos anteriores. Si
se obtienen los mismos resultados, explicar por que.
1.17. Se elige al azar una permutaci
on de las letras C, H, Q, P . Mostrar que
(a) Los eventos C precede a H y Q precede a P son independientes.
(b) Los eventos C precede inmediatamente a H y Q precede inmediatamente a P no son
independientes.
1.18. Se transmiten tres bits por un canal de comunicacion binario (ver Ejercicio 1.15). Asumir
que las ternas de bits son equiprobables. A1 es el evento el primer bit es un 0, A2 es la suma
de los tres bits es menor o igual a 1 y A3 es se transmite (0, 0, 0) o (1, 0, 1) o (1, 1, 0) o (1, 1, 1).
Mostrar que la probabilidad de que la interseccion A1 A2 A3 es el producto de las probabilidades
de cada evento, pero los eventos no son independientes.
Ver m
as en 1.34
1.19. ! La urna a contiene 3 bolas blancas y 7 rojas. La urna b contiene 12 blancas y 8 rojas. Se
elige una urna al azar y se extrae una bola; esta bola se reintegra a la misma urna y se vuelve a
extraer una bola de ella.
(a) Si la primera bola extrada fue blanca, cual es la probabilidad de que la segunda tambien lo
sea?
(b) Son independientes los sucesos primera bola es blanca y segunda bola blanca aun cuando
hay reposici
on?
1.20. [Feller, p
ag. 56] La encargada del edificio donde viven otras 40 personas echa a rodar un
rumor. A la ma
nana temprano se lo dice a una vecina, quien a su vez lo repite a una tercera, etc.
En cada paso el emisor del rumor elige al azar el receptor entre los restantes 40 habitantes del
edificio.
(a) Hallar la probabilidad de que el rumor se transmita 15 veces sin retornar a la encargada que
lo origino.
(b) Hallar la probabilidad de que el rumor se transmita 15 veces sin que ninguna persona lo reciba
mas de una vez.
1.21. Sacando cartas de un mazo espa
nol de 40, calcular la probabilidad de que el primer basto
aparezca a partir de la tercera extraccion, sabiendo que en las dos primeras salio por lo menos un
oro.
1.22. Una planta de ensamblaje recibe una partida de 100 piezas de precision que incluye exactamente k defectuosas. La divisi
on de control de calidad elige 10 piezas al azar para controlarlas
y rechaza la partida si encuentra al menos 2 defectuosas.
(a) Si k = 8, cu
al es la probabilidad de que la partida pase la inspeccion?
(b) Como se comporta la probabilidad p(k) de que la partida pase la inspeccion?
(c) Cual es la m
axima probabilidad de aceptar una partida que contenga mas de 20 piezas
defectuosas?
1.23. Rodrguez y Rivas juegan una partida de truco. Se asume que el mazo se encuentra bien
mezclado. Se reparte una mano de cartas (tres a cada uno).
(a) Hallar la probabilidad de que Rodrguez tenga flor (tres cartas del mismo palo).
(b) Mostrar que el resultado anterior no se ve afectado por la forma de repartir las cartas (una y
una por vez, o tres para uno y luego tres para el otro).
(c) Cual es la probabilidad de que Rivas tenga flor?
Ingeniera Industrial
Ejercicios Complementarios
1.27. Cada noche despues de cenar, el matrimonio Galndez tira 4 dados. Si no sale ning
un 6, le
toca al Sr. Galndez lavar los platos. En caso contrario, a su esposo. En promedio, quien lava los
platos mas seguido?
1.28. ! [Feller, p
ag. 18 y 24] Juan, Pedro y Mara juegan al ping-pong. El que gana un partido
sigue jugando, mientras que el que lo pierse es reemplazado por el que no jugaba. El primer
Ingeniera Industrial
partido es entre Juan y Mara. Se gana una cerveza el primero que gana dos partidos seguidos,
completando as un juego.
Para cada k, asignamos a cada juego posible que dura exactamente k partidos, la probabilidad
1
.
Si describimos un juego indicando la secuencia de ganadores mediante la de sus iniciales,
2k
1
el juego JP M M tendr
a probabilidad 16
, el juego (M P J)6 M P P (dejamos a cargo del lector la
interpretaci
on de la notaci
on) probabilidad 2121 .
(a) Describir un espacio muestral para los resultados del juego. (sugerencia: analizar las secuencias
posibles usando la notaci
on ya introducida)
(b) Hallar las probabilidades de que cada uno de los jugadores Juan, Mara o Pedro, se tome la
cerveza.
(c) Hallar la probabilidad de que el juego dure para siempre sin que nadie se gane la cerveza.
1.29. Se sortea un n
umero al azar dentro del intervalo [0, 1].
(a) Hallar la probabilidad de que los primeros tres dgitos sean 1, 2, 2 (es decir, 0, 122 . . .).
(b) Hallar la probabilidad de que el 8 no este entre los primeros 5 dgitos.
(c) Hallar la probabilidad de que el 7 no sea uno de sus dgitos.
1.30. ! [Feller, p
ag. 38-42 ] Se arrojaran 17 bolas en 20 urnas.
(a) [Maxwell-Boltzmann] Suponiendo que las bolas son distinguibles y que todas las configuraciones diferentes son equiprobables.
Calcular la probabilidad de que las 17 bolas caigan en la primer urna. Calcular la probabilidad
de que 10 bolas caigan en la primer urna y 7 en la segunda. Son iguales las probabilidades
calculadas?
Calcular la probabilidad de que 5 bolas caigan en la primer urna, 3 en la segunda y 9 en la
tercera.
Calcular la probabilidad de que no caigan bolas en las tres u
ltimas urnas.
(b) [Fermi-Dirac] Suponiendo que las bolas son indistinguibles, que ninguna urna puede contener
mas de una bola y que todas las configuraciones distintas son equiprobables.
Calcular la probabilidad de que las 17 bolas caigan en la primer urna. Calcular la probabilidad
de que 10 bolas caigan en la primer urna y 7 en la segunda. Son iguales las probabilidades
calculadas?
Calcular la probabilidad de que no caigan bolas en las tres u
ltimas urnas.
1.31. Un canal de comunicaci
on binario simple transporta mensajes usando solo dos se
nales (bits):
0 y 1. Supongamos que en un canal de comunicacion binario dado: el 40 % de las se
nales emitidas
son 1; que si se emiti
o un 0 la probabilidad de que se reciba un 0 es 0, 9; y que si se emitio un 1
la probabilidad de que se reciba un 1 es 0, 958. Calcular
(a) la probabilidad de que una se
nal recibida sea 1.
(b) dado que se recibi
o un 1, la probabilidad de que se haya emitido un 1.
1.32. Se elige un n
umero al azar en el intervalo (0, 1).
(a) Probar que los eventos el primer dgito es 1 y el segundo dgito es 2 son independientes.
(b) Probar que los eventos el primer dgito es 1 y el segundo dgito no es 2 son independientes.
Ingeniera Industrial
1.33. Existen dos caminos de A hasta B y dos caminos de B hasta C. Cada uno de estos caminos
esta bloqueado con probablidad 0, 2 independientemente de los demas. Hallar la probabilidad de
que exista un camino abierto desde A hasta B sabiendo que no hay ning
un camino abierto desde
A hasta C. Figura 2
Ingeniera Industrial
1 1
1
y
2
2 3
1
1
1
B = (x, y) : max x , y
2
2
3
2
C = (x, y) : x
3
2
D = (x, y) : y
3
(a) Dado A, son C y D independientes?
(b) Dado B, son C y D independientes?
Ejercicios Suplementarios
1.39. Se hace un estudio sobre 900 graduados, despues de 25 a
nos de graduados, resultando que
300 se han destacado, 300 haban estudiado probabilidades en la Universidad, y 100 cumplan
ambas condiciones. Hallar, para k = 0, 1, 2, el n
umero de personas en el grupo que tiene, de esas
condiciones,
(a) exactamente k.
(b) al menos k.
(c) a lo sumo k.
1.40. [Abramson] Dado un experimento aleatorio E con r1 , r2 , . . . , rn resultados posibles, que
tienen probabilidades respectivas p1 , p2 , . . . , pn , se llama entropa del experimento E al valor
H(E) =
n
X
pi log (pi )
i=1
(a) Si n = 2 mostrar que la entropa es maxima cuando los resultados son equiprobables, es decir,
cuando p1 = p2 = 1/2.
(b) Como generalizara este resultado para cualquier n > 2? Puede usted probarlo?
1.41. Sea = [0, 100] [0, 100]. Supongamos que P es una probabilidad definida en una familia
de subconjuntos de que incluye todos los rectangulos R, y satisface que si R es un rectangulo:
6|R|
30000
|R|
5|R|
30000
0
si R [50, 100] [50, 100]
(a) Comprobar que P() = 1.
Ingeniera Industrial
Ingeniera Industrial
Ingeniera Industrial
10
Rb
(c) Obtener un metodo que permita estimar el valor de la integral a f (x) dx en base a los resultados de n simulaciones del experimento descrito en Inciso (a).
R2
2
(d) Estimar el valor de la integral 0 ex dx utilizando el metodo obtenido en Inciso (c) basandose en los resultados de 10000 simulaciones.
Ingeniera Industrial
11
Gua 2
2.1. Halle la funci
on de probabilidad y de distribucion de probabilidad de las siguientes variables
aleatorias
(a) Cantidad de ases obtenidos al tirar un dado.
(b) Cantidad de caras obtenidas al arrojar dos monedas.
(c) Cantidad de espadas obtenidas al extraer 4 cartas de un mazo de barajas espa
nolas (40 cartas).
(d) Suma de puntos obtenidos al tirar 2 dados.
2.2. Una variable aleatoria tiene funcion de densidad fX (x) = ax2 +
1
2
1
5
11
15
1{0 x < 1} +
1{1 x < 2} +
1{2 x < 3} +
1{3 x < 4} + 1{4 x}
16
16
16
16
(b)
FX (x) = x3 1{0 x < 1} + 1{1 x}
(c)
1
1
FX (x) = x 1 0 x <
x
+1
2
2
3
2.4. ! Sea X una variable aleatoria cuya funcion de distribucion FX (x) = P(X x) tiene grafico
de la forma que se presenta en la figura 3.
Ingeniera Industrial
12
x
x2
1{0 x < 2} +
1{2 x < 4} + 1{x 4}
8
16
1
64 ?
2x + 1
1{1 x 1}
2
(a) Describir los posibles valor de para que la densidad este bien definida.
Ingeniera Industrial
13
(b) En cada uno de los siguientes casos hallar la mediana de X: = 1/2, = 0, = 1/4.
(c) Hallar la mediana de X como funcion de para los valores de obtenidos en Inciso (a).
(d) Calcular P(X < 1), P(0 < X 1) y P(X < 0|
1
2
< X < 12 ).
2.11. Se elige un n
umero al azar X en el intervalo (2, 10). Hallar la probabilidad del evento
X 2 12X + 35 > 0.
2.12. Se quiebra una vara en un punto al azar. Calcular la probabilidad de que la longitud de la
pieza mas larga sea mayor que el doble de la longitud de la pieza mas corta.
2.13. ! El di
ametro X (en mm.) de las arandelas fabricadas por una maquina tiene como funcion
de densidad a
fX (x) = cx(20 x) 1{0 < x < 20}
Un sistema de control descarta las arandelas cuyo diametro es inferior a 3 o superior a 17.
(a) Hallar la densidad del di
ametro de las arandelas no descartadas.
(b) Hallar al densidad del di
ametro de las arandelas descartadas.
2.14. Sea X la distancia (en decmetros) a la que impacta un proyectil, medida desde el centro
de un blanco circular. X es una variable aleatoria continua con funcion de densidad
10 2x
2
1{2 x < 5}
fX (x) = 1{0 x < 2} +
7
21
(a) Hallar la funci
on de densidad de las distancias de impacto menores que 30 cm.
(b) Hallar la funci
on de densidad de las distnacias de impacto mayores que 30 cm.
2.15. Dos tornos cortan varillas cuyas longitudes (en metros) tienen las respectivas funciones de
densidad de probabilidad
3
2x
1{2 x < 3}
;
fX2 (x) = (x 1)(x 3) 1{1 x < 3}
5
4
El torno 1 corta el 60 % de las varillas de la produccion total y el resto lo hace el torno 2. Cual
es la funci
on de densidad de probabilidades de la longitud de las varillas de la produccion total?
Cual es la media y la varianza de la longitud de las varillas de la produccion total?
fX1 (x) =
2.16. ! El di
ametro de las ciruelas (en cm) tiene una funcion de densidad
x
4x
1{0 x < 2} +
1{2 x 4}
4
4
Las mismas son clasificadas pasando por un tamiz de modo que
fX (x) =
Calidad I
Calidad II
si
si
x<1
x1
Sin embargo, el 10 % de las ciruelas caen por el costado del tamiz y resultan clasificadas de Calidad
I independientemente de su di
ametro. Graficar la funcion de densidad de las ciruelas clasificadas
como de Calidad I.
2.17. ! Un viajante tiene tres alternativas de viaje a su trabajo: A, B y C. Se sabe que los
porcentajes de veces que usa estos medios son respectivamente: 50 %, 30 % y 20 %. El tiempo de
viaje con el transporte i es una variable aleatoria Ti (en horas). Las leyes que rigen los medios son
Para el A:
Ingeniera Industrial
fTA = 2t 1{0 t 1}
Para el B: fTB =
1
t 1{0 t 2}
2
Para el C:
1
t 1{0 t 4}
8
fTC =
14
k
1{x > 0}, hallar k. Hallar E[X].
(x + 1)3
(c) Hallar E[X|X > 1/2] con los datos del Inciso (a).
(d) Si E[X|X < 7] = 4, P(X < 7) = 0, 2, E[X|X > 7] = 8, hallar E[X].
2.20. !
(a) Sea X una variable aleatoria discreta, descripta por la siguiente funcion de probabilidad
P(X = 0) = 1/6
P(X = 1) = 1/3
P(X = 2) = 1/3
P(X = 3) = 1/6
(c) Con los mismos datos del Inciso (a), es X|X > 1 una variable aleatoria continua? En tal
caso, hallar su funci
on de densidad.
2.22. Sea X una variable aleatoria a valores en {1, 2, 3} tal que P(X = i) = pi , i {1, 2, 3}, de
media 2.
(a) Hallar p1 , p2 , p3 para que Var(X) sea la maxima posible.
(b) Hallar p1 , p2 , p3 para que Var(X) sea la mnima posible.
2.23. El tiempo en minutos que una se
norita habla por telefono es una variable aleatoria con la
siguiente funci
on de densidad de probabilidades:
fX (x) = kex/5 1{x > 0}
(a) Halle k para que fX (x) sea funci
on de densidad.
Ingeniera Industrial
15
Ingeniera Industrial
16
2.28. En el contexto del Ejercicio 2.24, Inciso (b), hallar al funcion de distribucion y la funcion
de densidad del permetro del crculo.
2.29. Todas las ma
nanas Lucas llega a la estacion del subte entre las 7:10 y las 7:30 (con distribucion uniforme en dicho intervalo). El subte llega a la estacion cada quince minutos comenzando
a las 6:00. Cu
al es la densidad de probabilidades del tiempo que tiene que esperar Lucas hasta
subirse al subte?
2.30. ! Una tensi
on aleatoria V1 -medida en volt- con distribucion uniforme sobre el intervalo
[180, 220] pasa por un limitador no lineal de la forma
g(v1 ) =
v1 190
1{190 v1 210} + 1{210 < v1 }
20
Hallar la funci
on de distribuci
on de la tension de salida V2 = g(V1 ).
2.31. [ver Ejercicio 2.41] Sea T la duracion de una llamada telefonica (en minutos), con funcion
de densidad fT (t) = e t 1{t > 0}, para cierto > 0. Si se factura un pulso por minuto o fraccion,
hallar la funci
on de probabilidad de la cantidad de pulsos facturados por llamada (la misma puede
quedar en forma parametrica, dependiendo del valor de .)
2.32. Una m
aquina produce una pieza cuyo peso (en gramos) tiene una funcion de densidad de
x
probabilidad dada por fX (x) = 32
1{0 x < 8}. Se descartan las piezas de peso menor a 2; y las
de peso mayor a 4 se cortan en dos piezas de igual peso que son reintegradas a la poblacion. Halle
la funcion de densidad de probabilidad del peso de las piezas resultantes.
2.33. Un artefacto electr
onico tiene una duracion que se considera aleatoria con funcion de
1
densidad fX (x) = 500
ex/500 1{x > 0} en hs. El costo de fabricacion del artefacto es $30, el
fabricante lo vende a $45 y garantiza un reembolso del 60 % del pago del comprador si el artefacto
no supera las x0 hs de duraci
on. El fabricante desea hacer el reembolso solo en el 15 % de los casos.
(a) Calcule el valor de x0 .
(b) Calcule la distribuci
on de la utilidad del artefacto, la esperanza y la varianza de la utilidad.
2.34. ! Sea Y U(0, 1/2). Sea X una variable aleatoria continua con funcion de densidad
fX (x) = ex 1{x > 0}. Encuentre la funcion g : R R tal que Y = g(X).
Ejercicios Complementarios
2.35. [Maronna, p
ag. 56 y 57] Para cada variable aleatoria X con funcion de distribucion FX (x) =
P(X x) dada en el Ejercicio 2.3 hacer lo siguiente:
(a) Para cada (0, 1) hallar todos los valores de x R tales que
P(X < x )
P(X x )
(b) Para cada (0, 1) hallar todos los valores de x R tales que
FX (x ) =
2.36. ! Sea X una variable aleatoria con la funcion densidad del Ejercicio 2.10. Hallar E[X] y
compararla con la mediana.
2.37. Sea la fase de un generador electrico, la cual vara aleatoriamente seg
un una distribucion
U(, ). Se define el factor de potencia del generador como C = cos().
Ingeniera Industrial
17
d
1
.
recordar que
(arc cos(x)) =
dx
1 x2
Ejercicios Suplementarios
2.38. Mostrar que existe una variable aleatoria X tal que su funcion de distribucion es de la
forma
Z x
2
1
et /2 dt
(x) =
2
|x|
e
2
xR
400 x
x 150
1{150 x < 275} +
1{275 x < 400}
1252
1252
Un cierto impuesto s
olo debe pagarse si X > 170, debiendo abonarse el 10 % del excedente y
siendo $18000 el monto m
aximo a pagar. Hallar
(a) la probabilidad de que no se abone el impuesto, as como la de que se abone el monto maximo.
(b) la funci
on de distribuci
on del monto del impuesto abonado.
(c) la funci
on de distribuci
on de la ganancia final.
Ingeniera Industrial
18
Gua 3
3.1. Una urna contiene 3 bolas blancas, 2 rojas y 3 negras.
(a) Se seleccionan 4 bolas al azar (sin reposicion). Sean X la cantidad de bolas blancas observadas e
Y la cantidad de bolas rojas observadas. Hallar la funcion de probabilidad conjunta y las funciones
de probabilidad marginales. Cu
al es la probabilidad de que la cantidad total de bolas blancas y
rojas observadas no supere a 2?
(b) Repetir el inciso anterior para extracciones con reposicion.
3.2. ! Sea (X, Y ) un punto uniformemente distribuido sobre el semicrculo superior de radio 1
centrado en el origen = {(x, y) R2 : x2 + y 2 1, y 0}.
(a) Calcular P(|X| < Y ).
(b) Hallar las densidades marginales de X y de Y .
(c) X e Y son variables aleatorias independientes?
3.3. Sean X e Y dos variables aleatorias con funcion de densidad conjunta
fX,Y (x, y) = kxy 1{0 x y 1}
(a) Calcular P(X + 1 > 2Y ).
(b) Hallar las densidades marginales de X y de Y .
(c) X e Y son variables aleatorias independientes?
3.4. Se eligen al azar dos puntos: P en el segmento (0; 15) del eje x y Q en el segmento (0; 10)
en el eje y. Calcular la probabilidad de que la superficie del triangulo OP Q sea mayor que 30.
3.5. Se considera la par
abola y = x2 + Bx + C donde B y C son variables aleatorias uniformes en
el intervalo [4, 4]. Hallar la probabilidad de que los ceros de la parabola sean reales y distintos.
Ver m
as en 3.33
3.6. ! Juan y Carlos quedaron en encontrarse en un lugar a las 12 del medioda. La hora de
llegada de Juan, J, es uniforme entre las 12 y las 12:15. Juan espera 15 minutos a Carlos y si
no llega, se va. La hora de llegada de Carlos, C, es independiente de la de Juan y se distribuye
uniformemente entre las 12:05 y 12:20. Sin embargo, Carlos es mas impaciente y solo espera 5
minutos antes de irse. Calcular la probabilidad de encuentro.
3.7. ! Para ir todos los das al trabajo, Dana se dirige en auto hasta la estacion de tren y luego
sigue su camino en tren. Dana sale de su casa en un intervalo distribuido uniformemente entre las
7:30 y las 7:50. El tiempo de viaje hasta la estacion es tambien uniforme entre 20 y 40 minutos.
Hay un tren que sale a las 8:12 y otro que sale a las 8:26.
(a) Cual es la probabilidad de que Dana pierda ambos trenes?
(b) Cual es la probabilidad de que tenga que esperar mas de 8 minutos en la estacion hasta que
sale el tren?
(c) Si se sabe que sali
o de su casa despues de las 7:38 y que no llego a tomar el tren de las 8:12,
cual es la probabilidad de que haya llegado al otro tren?
(d) Si se sabe que sali
o de su casa despues de las 7:38 y que logro tomar el tren de las 8:26, hallar
y graficar la funci
on densidad del tiempo de viaje hasta la estacion.
3.8. La cantidad de querosene, en miles de litros, en un tanque al principio del da es una variable
aleatoria X, de la cual una cantidad aleatoria Y se vende durante el da. Suponga que el tanque
Ingeniera Industrial
19
no se rellena durante el da, de tal forma que Y X, y que la funcion de densidad conjunta es
fX,Y (x, y) = 2 1{0 < y < x}1{0 < x < 1}.
(a) Hallar fY |X=0,75 (y) y fY |X=0,4 (y).
(b) Que puede decirse respecto a la independencia de X e Y ?
(c) Calcular P(1/4 < Y < 1/2|X = 0, 75) y P(1/4 < Y < 1/2|X = 0, 4).
(d) Hallar la cantidad media de querosene que queda al final del da.
3.9. Supongamos que una urna contiene 3 bolitas verdes, 2 rojas y 2 blancas. Se extraen sin
reposicion 3 bolitas de la urna y se definen las variables aleatorias X := n
umero de bolitas verdes
en la muestra, Y := n
umero de bolitas rojas en la muestra.
(a) Encontrar la distribuci
on conjunta de probabilidades de la variable aleatoria bidimensional
(X, Y ) y las distribuciones marginales de X e Y , son estas variables independientes?
(b) Hallar la distribucion de la variable Y |X = 2.
(c) Hallar la Cov(Y, 7Y ).
3.10. Sea (X, Y ) una variable bidimensional con la densidad del Ejercicio 3.19.
(a) Hallar fY (y) y fY |X=x (y) para todos los posibles valores de x. Que puede decir respecto de
la independencia de X e Y ?
(b) Calcular P(3 < 16XY < 9|X = 0, 75).
(c) Hallar E[X] y E[Y ].
(d) Hallar Cov(X, Y ).
3.11. Sean X e Y variables aleatorias independientes con distribucion uniforme sobre (0, 2) y
(1, 3), respectivamente. Si h(x, y) = x 1{x > 1, 5} + (x2 y) 1{x 1, 5}, hallar la media de
Z = h(X, Y ).
3.12. [ver Ejercicio 3.48] Se colocan 3 bolas en 3 urna c1 , c2 , c3 eligiendo al azar, para cada
bola, la urna en que se coloca. Sea Xi la cantidad de bolas en ci y sea N la cantidad de urnas que
contienen alguna bola.
(a) Calcular E[N ], Var(N ) y Cov(N, X1 ).
(b) Mostrar que N y X1 no son independientes.
(c) Calcular Cov(Xi , Xj ), 1 i j 3.
3.13. [ver Ejercicio 3.45] Sean X1 y X2 variables de Bernoulli, de parametro p1 y p2 .
(a) Mostrar que si Cov(X1 , X2 ) = 0, entonces X1 y X2 son independientes.
(b) Si p1 = p2 = 0, 7 y Cov(X1 , X2 ) = 0, 1, hallar (Y1 , Y2 ), siendo Y1 = X1 (1 X2 ), Y2 =
X2 (1 X1 ).
3.14. ! En cada uno de los casos que se ilustran en la figura 5 se define una distribucion conjunta
para las variables X e Y .
Hallar en cada caso el signo de la covarianza sin escribir cuentas.
3.15. ! Sea (X, Y ) una variable aleatoria bidimensional, uniforme en el triangulo de vertices
(0, 0), (2, 2), (0, 2).
(a) Calcular Cov(X, Y ).
(b) Calcular Var(X + Y ).
(c) Clacular Cov(3X Y + 2, X + Y ).
Ingeniera Industrial
20
Figura 5: Figura correspondiente al ejercicio 3.14. (a) La densidad vale 1 en la region blanca, 1/2
en la regi
on gris clara y 3/2 en la region gris oscura. (b) y (c) La distribucion es uniforme en la
region grisada.
3.16. Suponga que tiene dos n
umeros reales X1 y X2 que deben ser sumados por una computador
digital. Como la m
aquina tiene precisi
on finita representa los n
umeros redondeados como Y1 y Y2 .
Luego, cada n
umero tiene un error Ui = Xi Yi . Si las Ui son independientes y uniformes sobre
el intervalo (1/2, 1/2), hallar la funcion de densidad del error generado al sumar X1 + X2 .
3.17. Se tienen dos variables aleatorias independientes X e Y cuyas funciones de densidad son
fX (x) = 3x2 1{0 < x < 1} y fY (y) = 1{1 < y < 2}. Hallar la funcion de densidad de la variable
Z = X/Y .
3.18. La distribuci
on de (X, Y ) es uniforme sobre el recinto que se muestra en la figura 6.
21
Ingeniera Industrial
22
Ingeniera Industrial
23
Ver m
as en 3.39
3.32. ! Un fabricante de ca
nos posee una maquina que produce piezas de longitud aleatoria X (en
metros) con densidad fX (x) = ex 1{x 0}. Un cliente esta dispuesto a pagar una gran suma de
dinero por 100000 ca
nos, pero impone como condicion que la longitud Y (en metros) de los mismos
debe estar distribuida de acuerdo con la densidad fY (y) = 3 1{0 y 1/4}+1/3 1{1/4 < y < 1}.
El costo que supondra apagar la m
aquina, recalibrarla, hacer los 100000 ca
nos, y luego volverla
al estado original, es excesivo. Sin embargo, justo cuando estaba por rechazar el trabajo, uno
de sus empleados le dice: Podemos hacerlo. Solo consiga una maquina de precision para cortar
100000 ca
nos de la producci
on original. As lo hicieron y el jefe le dijo al empleado: Todava no
entiendo c
omo hiciste para satisfacer las especificaciones del cliente. Hallar la funcion utilizada
por el empleado para cortar los ca
nos.
Ejercicios Complementarios
3.33. ! Sean A, B y C tres variables aleatorias independientes con distribucion com
un uniforme
sobre el intervalo (0, 1).
(a) Hallar la probabilidad de que la ecuacion Ax2 + Bx + (A + B) = 0 tenga races reales.
(b) Hallar la probabilidad de que la ecuacion Ax2 + 2Bx + C = 0 no tenga races reales.
(c) Hallar la probabilidad de que la ecuacion Ax2 + Bx + C = 0 tenga races reales.
3.34. ! Sea (X, Y ) un punto aleatorio con distribucion uniforme sobre el recinto que aparece en
la figura 8.
Ingeniera Industrial
24
Ejercicios Suplementarios
3.41. Sea T la variable aleatoria definida en el Ejercicio 3.36. Calcular E[T ] y Var(T ).
3.42. Sea (X, Y ) un vector aleatorio con funcion de densidad conjunta
fX,Y (x, y) = kx(x y) 1{0 < x < 2; |y| < x}
Ingeniera Industrial
25
Ingeniera Industrial
26
(a) Sean X e Y dos variables aleatorias independientes con funciones densidad fX (x) =
de la suma X + Y .
3.54. La duraci
on (en horas) de ciertos componentes electricos sigue una distribucion exponencial
de intensidad = 0, 01. Si los componentes se conectan en serie, la duracion del circuito es la del
elemento de menor duraci
on; mientras que si se conectan en paralelo, es la de mayor duracion. Dado
el circuito de 5 componentes conectados seg
un el esquema de la figura 11, calcular la probabilidad
de que el circuito dure m
as de 80 horas.
3.55. Curly, Larry y Moe haban quedado en encontrarse a ensayar un cierto da a las 10 AM.
Moe, llega al azar entre las 9:55 y 10:10. Larry es un poco mas descuidado y arriba al azar entre
las 10 y 10:15. Curly, por su parte, aparece una cantidad de minutos TC luego de las 10, con
fTC (t) = 2(t 5)/225 1{5 < t < 20}. Si cada uno arriba en forma independiente y el ensayo no
Ingeniera Industrial
27
Ingeniera Industrial
28
Gua 4
4.1. Sea X una variable aleatoria con distribucion normal estandar.
(a) Usando una tabla, calcular P(0, 43 < X < 1, 32), P(1, 28 < X < 1, 64) y P(|X| < 1, 64).
(b) Usando una tabla, encontrar las constantes que satisfacen las siguientes ecuaciones P(X <
a) = 0, 1, P(X > b) = 0, 2, P(|X| < c) = 0,95.
4.2. ! Un distribuidor de arandelas cuenta con dos proveedores. De acuerdo a las especificaciones
provistas, el proveedor A ofrece arandelas cuyo diametro (en mm.) se rige por una distribucion
normal de media 15 y varianza 9; mientras que las del proveedor B tambien son normales con
media 23 y desvo 3. Lamentablemente las cajas de los proveedores se colocaron en el deposito sin
ser etiquetadas. Para decidir cada caja de que proveedor proviene, se mide una arandela y si su
diametro es inferior a 19 mm se decide que esa caja es del proveedor A.
Calcular la probabilidad asociada a los dos errores que pueden cometerse por usar dicha regla.
4.3. La vida en horas de una l
ampara tiene una distribucion normal de media 100 horas. Si un
comprador exige que, por lo menos, el 90 % de ellas tenga una vida superior a las 80 horas, cual
es el valor m
aximo que puede tomar la varianza manteniendo siempre satisfecho al cliente?
4.4. En un establecimiento agropecuario, el 10 % de los novillos que salen a la venta pesan mas
de 500 kg y el 7 % pesa menos de 410 kg. Si la distribucion es normal, calcular
(a) el peso superado por el 15 % de los novillos.
(b) Los valores de a y b tales que P(a < X < b) = 0, 95 donde X es el peso de los novillos. Como
deben ser a y b para que ese intervalo tenga longitud mnima?
(c) la probabilidad de que en una jaula de 25 novillos haya alguno con un peso inferior a 400 kg.
4.5. En una lnea de montaje se arma un mecanismo que tiene un eje que gira dentro de un
buje. Un eje y un buje ajustan satisfactoriamente si el diametro del segundo excede al del primero
en no menos de 0, 005 y no m
as de 0, 035. Los diametros de los ejes y los bujes son variables
aleatorias con distribuciones unifformes independientes en el intervalo (0, 74; 0, 76) para los ejes y
(0, 76; 0, 78) para los bujes.
(a) Cual es la probabilidad de que un eje y un buje tomados al azar ajusten satisfactoriamente?
(b) Considere ahora que las variables son normales con las mismas medias y desvos que en el
inciso anterior y recalcule la misma probabilidad.
4.6. ! Una conserva se vender
a envasada en latas. Las distribuciones de los pesos (en gr.) y sus
costos (en $ por gr.) son los siguientes
Peso neto
X N (49, 8 , 1, 2)
Peso del envase
Y N (8, 2 , 0, 6)
Costo de la conserva
CC = 0, 06
Costo del envase
CE = 0, 008
(a) Calcular la probabilidad de que una unidad terminada tenga un costo inferior a $3.
(b) Hallar la probabilidad de que el costo del producto terminado supere en mas del 2 % al costo
del peso neto.
4.7. Una carpintera recibe igual cantidad de tablas de dos aserraderos A y B. En el primero, la
longitud (en m.) de las mismas tiene distribucion normal con media 3, 8 y desvo estandar 0, 3; en
el segundo, la distribuci
on tambien es normal, pero con parametros 3, 9 y 0, 35 respectivamente.
Una vez guardadas en dep
osito, no es posible saber de que aserradero proviene cada tabla. Si se
toma una tabla del dep
osito cuya longitud es de 3, 7 m, cual es la probabilidad de que la misma
provenga del aserradero B?
Ingeniera Industrial
29
4.8. En una lata se envasan 6 sardinas de peso N (30 , 4) gramos cada una. Se completa el envase
con aceite hasta un peso total de 240 g.
(a) Cual es la distribuci
on de la variable aleatoria peso del aceite incorporado?
(b) La reglamentaci
on vigente exige que se indique, en las latas, el valor c correspondiente al peso
escurrido de las sardinas (el peso de las sardinas sin el aceite). Encuentre dicho valor c de modo
tal que, en el 98 % de las latas, el peso escurrido de las sardinas supere el valor indicado.
4.9. En una regata participan s
olo dos barcos. La misma consta de tres etapas. Los tiempos para
recorrer cada una de ellas son normales de media 3, 4, 5 horas para el primer barco y un 2 %
mayores para el segundo. En todos los casos el desvo es el 10 % de la media.
(a) Calcular la probabilidad de que el primer barco gane la primera etapa.
(b) Calcular la probabilidad de que el primer barco gane la carrera.
(c) Calcular la probabilidad de que el primer barco gane dos de las tres etapas.
(d) Si el primer barco emple
o 7, 3 horas para las dos primeras etapas, cual es la probabilidad de
que gane la carrera?
4.10. Una m
aquina arma bandejas con 4 frutas. La maquina falla, dejando una posicion vaca,
con probabilidad 4 %. Si el peso de cada fruta es una variable aleatoria normal de media 110 g y
desvo 15 g,
(a) Cual es el peso medio neto de las bandejas? (esten completas o no)
(b) Cual es la probabilidad de que una bandeja tenga menos de 4 frutas si su peso neto fue menor
a 370 g? Y si pes
o exactamente 370 g?
(c) Cual es la funci
on de densidad del peso de las bandejas con peso menor a 370 g? Y de las
que superaron los 370 g?
4.11. Para una obra en construcci
on se cargan y transportan en un camion, lajas y baldosas de
cemento. El peso de una laja es una variable aleatoria normal de media 15 kg y desvo 0, 8 kg y
el de una bolsa de cemento es una variable aleatoria N (70 , 0, 6). Se han cargado 20 bolsas en el
camion. Cu
antas lajas podr
an cargarse en el camion si se desea que el peso de la carga no supere
los 1875 kg en el 97 % de las veces?
4.12. Una empresa tiene 3 vendedores, A, B y C. Las ventas diarias de cada uno son sumamente
variables y se conocen sus medias y desvos pero no sus leyes de distribucion. Dichos parametros
valen 100 y 45 para A, 120 y 30 para B, y 94 y 15 para C. Calcular
(a) la probabilidad de que, en 60 das habiles, las ventas de A superen los 6500.
(b) la probabilidad de que, en 60 das habiles, B venda al menos un 30 % mas que C.
4.13. Tres n
umeros se redondean al entero mas cercano y se suman. Se asume que los errores
individuales de redondeo se distribuyen uniformemente sobre el intervalo (0, 5; 0, 5).
(a) Calcular en forma aproximada la probabilidad de que la suma de los n
umeros redondeados
difiera de la suma exacta en m
as de 1.
(b) Simular la probabilidad pedida y compararla con el resultado analtico aproximado.
4.14. Una m
aquina selecciona ciruelas y las separa de acuerdo con el diametro x (medido en cm)
de cada una. Las de di
ametro superior a 4 cm se consideran de clase A y las otras de clase B. El
diametro de cada ciruela es una variable aleatoria uniforme entre 3 y 5 cm. El peso (medido en
gramos) de cada ciruela depende de su diametro y es x3 . Si las cajas vacas pesan 100 gramos,
hallar en forma aproximada la probabilidad de que una caja con 100 ciruelas de tipo A pese mas
de 9, 6 kg.
Ingeniera Industrial
30
Ejercicios Complementarios
4.21. Sea X U(3, 4) e Y |X = x N (x, 1). Usando la tabla de la fucnion de distribucion de la
variable normal, calcular fY (5) y P(X > 3, 5|Y = 5).
4.22. ! [ver Ejercicio 3.56] Sean X e Y variables aleatorias N (0, 1) independientes. Hallar la
funcion densidad conjunta y las funciones densidad marginales de W = X Y y Z = X + Y .
Que se puede concluir sobre la covarianza y la independencia entre W y Z?
4.23. En un experimento de tiro al blanco, sean X e Y las coordenadas cartesianas del punto
de impacto. Si dichas variables tienen distribucion N (0, 1) y son independientes, por lo que su
Ingeniera Industrial
31
1 1 (x2 +y2 )
e 2
2
Ejercicios Suplementarios
4.27. Sea X una variable normal est
andar, su funcion de densidad (ver Ejercicio 2.38), y sea
x0 > 0.
(a) Hallar la media de X|X > x0 (en funcion de x0 ).
(b) Deducir que 1 (x0 )
(x0 )
.
x0
32
las probabilidades de recibir piezas cortas y largas. Si se denomina X a la longitud de una pieza
cualquiera, calcular P(cometer error) en cada uno de los siguientes casos:
2
2
(a) L = 35, L
= 25, C = 25, C
= 25, pL = pC . Regla: Si X > 30, la pieza se clasifica como
larga.
2
2
(b) L = 30, L
= 4, C = 25, C
= 25, pL = 3pC . Regla: Si 25, 97 < X < 35, 94, la pieza se
clasifica como larga.
4.29. En una m
aquina se bobinar
an carreteles con hilo de ttulo 40g/1000m. El carretel lleno no
debe pesar m
as de 500 g y se quiere que la probabilidad de que supere esta valor sea, a lo sumo,
0, 01. En el carretel se bobinar
an, en promedio, 10000 m de hilo, pero debido a la variabilidad
en el frenado de la m
aquina, dicha longitud variara en 2, 5 % con probabilidad 0, 99. Especificar
el peso promedio de los carreteles vacos de la maquina, sabiendo que por razones de olerancias
constructivas tendr
a un desvo est
andar de 3 g. COnsiderar que la longitud del hilo bobinada y el
peso del carretele vaco siguen distribuciones normales independientes.
4.30. Chi-cuadrado. Sea Y = X 2 con X N (0, 1).
(a) Hallar la funci
on de densidad de Y .
(b) Probar que X e Y est
an descorrelacionadas pero no son independientes.
4.31. h [ver Ejercicio 4.22]Sean X e Y variables aleatorias independientes con distribucion
com
un N (0, 1). Calcular P(X 0|X Y = 1).
4.32. En el contexto del Ejercicio 4.2, si la regla fuese decidir por el proveedor A cuando el
promedio de 9 arandelas independientes de una caja sea inferior a 19mm, hallar la probabilidad
asociada a los errores con esta nueva regla.
4.33. Sea n la cantidad de experimentos Bernoulli que se realizan para obtener una estimacion
del parametro p. Si se quiere que el error de la estimacion sea menor que 0, 01 con probabilidad
por lo menos igual a 0, 95, hallar una condicion sobre los posibles valores de n utilizando
(a) la cota de Chebyshev.
(b) el TCL.
(c) Comparar los resultados y las hip
otesis utilizadas.
4.34. Se lanza un dado hasta que la suma de los resultados observados sea mayor que 300.
Calcular aproximadamente la probabilidad de que se necesiten al menos 80 lanzamientos. Simular
la probabilidad pedida y compararla con el resultado analtico aproximado.
4.35. Un cami
on transporta cajas cargadas de artculos varios. El peso de estas cajas es una
variable muy asimetrica y dispersa con un valor medio de 25kg y un desvo estandar de 18kg. De
acuerdo con las reglamentaciones vigentes, la carga maxima que puede llevar el camion es de 4000
kg, sin embargo, como el sitio de carga no dispone de bascula, existe el riesgo de superarla en caso
de colocar demasiadas cajas. Calcular el n
umero maximo de cajas a cargar en el camion para que
la probabilidad de dicho evento sea, a lo sumo, del 5 %.
4.36. Una persona usa diariamente su radio portatil un tiempo variable da a da con media
2, 4 horas y desvo 0, 8 horas. La radio usa una pila especial cuya duracion es tambien variable con
media 8 horas y desvo 1, 2 horas. Esta persona va a efectuar un viaje de 30 das y si se le agotan
las pilas no est
a seguro de conseguirlas. Calcular cuantas pilas debe llevar para que la probabilidad
de dicho evento valga 0, 05.
Ingeniera Industrial
33
Gua 5
5.1. La probabilidad de acertar a un blanco es 1/5. Se disparan 10 tiros independientemente.
(a) Calcular la probabilidad de que el blanco reciba al menos dos impactos.
(b) Calcular la probabilidad condicional de que el blanco reciba al menos dos impactos, suponiendo
que recibi
o al menos uno.
5.2. Se tira un dado 6 veces. Calcular la probabilidad de obtener
(a) al menos un as.
(b) exactamente un as.
(c) exactamente dos ases.
5.3. La probabilidad de acertar a un blanco es 1/5.
(a) Se disparan 9 tiros independientemente. Hallar la cantidad mas probable de impactos recibidos
por el blanco.
(b) Repetir el inciso anterior si se disparan 10 tiros.
(c) Repetir el inciso anterior si se disparan n tiros.
5.4. El di
ametro de las arandelas (en mm.) producidas por una maquina es una variable aleatoria
cuya funci
on de densidad es fX (x) = (x 6)/41{6 x < 8} + (10 x)/41{8 x 10}. Si se
revisan 100 arandelas, cu
al es la probabilidad de que mas de una tenga un diametro inferior a
6, 5 mm?
5.5. El peso de una bolsa de cemento (en kg.) es una variable aleatoria uniforme en el intervalo
(20, 30). Si los pesos de las bolsas son independientes, calcular
(a) la probabilidad de que la primera bolsa con peso superior a 29 kg sea la septima bolsa revisada.
(b) la probabilidad de necesitar revisar mas de 5 bolsas hasta encontrar una que sea inferior a
22, 5 kg.
5.6. ! Chocolatines Jack lanza una coleccion de mu
nequitos con las figuras de los personajes de
Kung Fu Panda: Panda, Tigre, Mono, Grulla y Mantis. Cada vez que Lucas compra un chocolatn
es igualmente probable que obtenga alguno de los personajes. Sea N la cantidad de chocolatines
que Lucas debe comprar hasta completar la coleccion, hallar E[N ] y Var(N ). Interpretar los
resultados.
5.7. ! Se arroja repetidamente un dado. Calcular la probabilidad de que el tercer as salga en el
septimo tiro.
5.8. Obtener la funci
on de probabilidad del n
umero de tiradas de un dado hasta que se sume 4
puntos.
5.9. Monk y Lucas disputan la final de un Campeonato de Ajedrez. El primero que gane 6 partidas
(no hay tablas) resulta ganador. La duracion de cada partida (medida en horas) es una variable
aleatoria cuya funci
on de densidad es fT (t) = (t 1)/21{1 t 3}. La probabilidad de que
Lucas gane cada partida depende de la duracion de la misma. Si dura menos de 2 horas, gana con
probabilidad 3/4; sino, gana con probabilidad 1/2. Cual es la probabilidad de que Lucas gane el
Campeonato en la octava partida?
5.10. De los 25 jugadores de f
utbol de un club se elige al azar un equipo de 11. Si 8 de los
jugadores del club son federados, hallar la probabilidad de encontrar
(a) ning
un jugador federado en el equipo.
(b) exactamente 2 jugadores federados en el equipo.
Ingeniera Industrial
34
Ejercicios Complementarios
5.16. Que tan larga debe ser una sucesion de dgitos aleatorios para que la probabilidad de que
aparezca el dgito 7 sea por lo menos 9/10?
5.17. Sean N1 y N2 dos variables geometricas independientes donde P(Ni = 1) = p. Sean N = N1
y S = N1 + N2 . Hallar
Ingeniera Industrial
35
(a) la funci
on de probabilidad conjunta de N y S. Son N y S independientes?
(b) la distribuci
on de N |S = k y calcular P(2 N 4|S = 7).
5.18. Una cadena de supermercados compra un lote de 50000 bombitas electricas. Un lote se
considera bueno cuando a lo sumo 500 bombitas estan quemadas, y se considera malo cuando al
menos 1500 bombitas lo est
an. Se elige nua muestra de n bombitas para ensayar. Si c o menos de
ellas estan quemadas, se acepta el lote. En caso contrario, se lo devuelve al proveedor. Se proponen
tres planes de muestreo:
n = 200; c = 4.
n = 100; c = 2.
n = 100; c = 1.
(a) Expresar en palabras los riesgos del proveedor y del comprador.
(b) Graficar las curvas caractersticas (ver Ejercicio 1.36) de los tres planes de muestreo.
(c) El plan 2 protege similarmente al proveedor que el plan 1? Y al comprador? Justificar.
(d) El plan 3 protege m
as al comprador que el plan 1? Y al proveedor? Justificar.
5.19. Se tienen siete dados equilibrados: uno normal y seis con seis ases. Se realizan los siguientes
tres experimentos:
E1 : Se elige al azar uno de los siete dados y se lo arroja tres veces.
E2 : Tres veces se elige al azar uno de los siete dados, y se lo arroja (reponiendolo luego entre
los otros).
E3 : Se eligen al azar tres de los siete dados, y se los arroja.
Sea Ai el evento: En el experimento Ei no se obtuvo ning
un as.
(a) Sin usar l
apiz ni papel, podra usted determinar cual es la maxima de las probabilidades
P(Ai )? Y la mnima?
(b) Calcular las tres probabilidades P(Ai ). Si sus respuestas en el inciso anterior fueron incorrectas,
trate de entender por que.
5.20. ! Sup
ongase que Sn tiene distribucion binomial(n, p), cuyos parametros n y p se describen m
as abajo. Calcular P(Sn = k), k = 1, 2, . . . , 25 por la formula exacta y por las siguientes
aproximaciones.
1. Aproximaci
on por la densidad normal
1
P(Sn = k) p
np(1 p)
k np
p
np(1 p)
2. Correcci
on por continuidad
1
1
P(Sn = k) = P k < Sn < k +
2
2
k np + 1/2
p
np(1 p)
k np 1/2
p
np(1 p)
Comparar (por gr
aficos) cu
an buenas son las aproximaciones y cuan necesaria es la correccion por
continuidad de acuerdo con los valores de n y p.
Utilizar n = 5, 8, 10, 15, 20, 25, 50, 100, 200 y p = (0, 05)s, s = 1, 2, . . . , 10.
Ejercicios Suplementarios
Ingeniera Industrial
36
5.21. Se trata de que un proceso de fabricacion no produzca mas del 5 % de artculos defectuosos.
A tal efecto se lo controla peri
odicamente examinando n artculos y si alguno de ellos es defectuoso,
se detiene el proceso para revisarlo.
(a) Si el proceso de fabricaci
on realmente esta trabajando al 5 % de artculos defectuosos y se
examinan n = 20 artculos, cu
al es la probabilidad de detener el proceso innecesariamente?
(b) Hallar la cantidad mnima de artculos que deberan examinarse si se desea que la probabilidad
de detener el proceso cuando realmente esta trabajando al 6 % de defectuosos sea por lo menos
0, 99. Con ese tama
no de muestra, cu
al es la probabilidad de detener el proceso innecesariamente?
5.22. En un tramo de una lnea de montaje se realizan las operaciones 1, a cargo de Luis, y 2,
a cargo de Jose. Ambos son especialistas producen un 5 % de defectos cada uno. Cuando falta
alguno de ellos, y lo hacen aleatoria e independientemente el 8 % de los das, son reemplazados
por auxiliares no especializados que trabajan con un 20 % de defectos cada uno. Cada unidad es
defectuosa si existe defecto en cualquiera de las operaciones del montaje, que son independientes.
Si un da se toma una muestra de 20 unidades y resultan 2 defectuosas, cual es la probabilidad
de que ese da haya faltado alguno de los especialistas?
5.23. La probabilidad de dar en el blanco de dos tiradores A y B es, respectivamente, 0, 4 y 0, 7.
Cada uno hace cinco disparos. Si se sabe que juntos acertaron 6 tiros, cual es la probabilidad de
que A haya acertado dos?
5.24. En el contexto del Ejercicio 5.5, si se acumulan bolsas hasta encontrar una con peso
superior a 29 kg (incluyendo la u
ltima), hallar en forma aproximada la probabilidad de que el
peso total acumulado supere los 165 kg. Mediante simulaciones, estime la probabilidad pedida y
compararla con el resultado analtico aproximado.
Ingeniera Industrial
37
Gua 6
6.1. El n
umero de buques tanque que llegan en un da a una refinera tiene una distribucion de
Poisson de media = 2. Si m
as de tres buques llegan en un da, los que estan en exceso deben
enviarse a otro puerto, pues las actuales instalaciones portuarias pueden despachar a lo sumo tres
buques al da.
(a) Cual es la probabilidad de tener que hacer salir buques en un da determinado?
(b) Cual es el n
umero m
as probable de buques que llegan en un da?
(c) Cual es el n
umero esperado de buques atendidos diariamente?
(d) Cual es el n
umero esperado de buques rechazados diariamente?
(e) En cu
anto deben aumentarse las instalaciones actuales para permitir la atencion a todos los
buques el 90 % de los das?
6.2. ! La cantidad de insectos que arriban a la mesa de un asado responda a una distribucion
Poisson de media = 60. Cada insecto puede ser una mosca con probabilidad p = 2/3. La cantidad
de insectos y la naturaleza de cada uno de ellos son independientes.
(a) Dado que arribaron 60 insectos, cual es la distribucion de la cantidad de moscas en la mesa?
(b) Hallar la probabilidad de que arriben 50 insectos y 35 de ellos sean moscas.
(c) Cual es la distribuci
on de la cantidad de moscas que arriban a la mesa?
6.3. Una f
abrica textil produce rollos de tela con dos tipos de fallas: de tejido y de te
nido. En cada
rollo, la cantidad de fallas de tejido tiene distribucion Poisson de media 1 = 2 y la cantidad de
fallas de te
nido tiene distribuci
on Poisson de media 2 = 4. Ambas cantidades son independientes.
(a) Cual es la probabilidad de que un rollo de tela no tenga fallas?
(b) Cual es la probabilidad de que un rollo de tela tenga exactamente una falla?
(c) Dado que un rollo de tela tiene exactamente una falla, cual es la probabilidad de que esta sea
una falla de tejido?
6.4. La cantidad de rel
ampagos durante una tormenta tiene una distribucion Poisson de media
, donde es una variable aleatoria con distribucion uniforme sobre el intervalo [3, 8]. Calcular la
probabilidad de que en un da de tormeta, se observe al menos un relampago.
6.5. ! La duraci
on de un cierto componente electrico es una variable aleatoria exponencial de
media 1000 hrs.
(a) Cual es la probabilidad de que dicho componente dure mas de 200 horas?
(b) Si se sabe que luego de 1200 horas estaba funcionando, cual es la probabilidad de que dure
mas de 1400 horas?
(c) Comparar las probabilidades obtenidas en ambos incisos y obtener una conclusion.
(d) Repetir los c
alculos si la duraci
on del componente fue una variable con distribucion gamma
de media 4000 horas y desvo 2000 horas.
6.6. La cantidad de clientes que recibe un servidor en una hora obedece una distribucion Poisson
de media = 4. El tiempo de trabajo (en minutos) consumido en cada servicio es una variable
aleatoria con distribuci
on exponencial de media 5. Sabiendo que durante la primer hora el servidor
recibio menos de 3 clientes, hallar la funcion de distribucion del tiempo de trabajo consumido por
el servidor y el valor medio de dicho tiempo.
6.7. La cantidad de rel
ampagos durante una tormenta tiene una distribucion de Poisson de media
, donde es una variable aleatoria con distribucion exponencial de intensidad 3.
Ingeniera Industrial
38
39
Ejercicios Complementarios
6.16. Sean X1 y X2 variables exponenciales independientes con intensidad . Sean X = X1 y
S = X1 + X2
(a) Hallar la densidad conjunta de X y S. Son X y S independientes?
(b) Calcular P(X [0, 1]|S = 3).
6.17. Los errores en un libro aparecen seg
un un proceso Poisson. Se sabe que en las primeras 500
paginas hay un total de 500 errores. Hallar la probabilidad de que la pagina 1 contenga al menos
tres errores.
6.18. ! [ver Ejercicio 3.20]
(a) Sean A y B dos procesos de Poisson independientes de tasa 1. Cual es la probabilidad de que
al superponerlos, los dos primeros eventos observados provengan del proceso A?
(b) Sean X1 , X2 , X3 variables aleatorias independientes exponenciales de media 1. Calcular la
probabilidad de que X1 supere a X2 + X3 . (sugerencia: utilizando correctamente el resultado del
inciso anteriores, no es necesario hacer ninguna cuenta).
Ver m
as en 7.33
Ejercicios Suplementarios
6.19. Una f
abrica textil produce rollos de tela para una camisera. La tela se teje en una maquina
que produce fallas de tejido de acuerdo con un proceso de Poisson de intensidad 2 cada 300 metros.
La tela se corta en piezas de 100 metros de largo y cada pieza pasa a la maquina de te
nido. Cuando
una pieza de tela no tiene fallas de tejido la cantidad de fallas de te
nido es una variable aleatoria
con distribuci
on Poisson de media 1. En cambio, si la pieza tiene fallas de tejido, la cantidad de
fallas de te
nido una variable aleatoria con distribucion Poisson de media 2. Hallar la distribucion
de la cantidad de fallas en una pieza enrollada.
6.20. La llegada de aviones a un aeropuerto de una determinada ciudad responde a un proceso
Poisson con una media de 12 aviones por hora. Un oficial de control llega cada da de la semana y
permanece en el aeropuerto el tiempo necesario hasta que llega el decimo avion. Si al cabo de una
semana (5 das h
abiles) el tiempo que permanecio el oficial en el aeropuerto supero las 4 horas,
Cual es la probabilidad de que dicho tiempo haya excedido las 5 horas? Suponer que los tiempos
de permanencia de dos das diferentes son independientes.
6.21. Un proceso de arribos comienza en t = 0 y los tiempos entre arribos T1 , T2 , . . . son variables
aleatorias independientes, cada una con funcion densidad dada por fTi (t) = (2et + 3tet )/51{t >
0}.
(a) Calcular la media de T1 .
(b) Calcular la probabilidad de que no ocurran arribos entre t = 0 y t = 2.
Ingeniera Industrial
40
Ingeniera Industrial
41
Gua 7
7.1. La cantidad de querosene, en miles de litros, en un tanque al principio del da es una variable
aleatoria X, de la cual una cantidad aleatoria Y se vende durante el da. Suponga que el tanque
no se rellena durante el da, de tal forma que Y X, y que la funcion de densidad conjunta es
fX,Y (x, y) = 2 1{0 < y < x}1{0 < x < 1}.
(a) Hallar fY |X=0,75 (y) y fY |X=0,4 (y).
(b) Que puede decirse respecto a la independencia de X e Y ?
(c) Calcular P(1/4 < Y < 1/2|X = 0, 75) y P(1/4 < Y < 1/2|X = 0, 4).
(d) Hallar la cantidad media de querosene que queda al final del da.
7.2. Supongamos que una urna contiene 3 bolitas verdes, 2 rojas y 2 blancas. Se extraen sin
reposicion 3 bolitas de la urna y se definen las variables aleatorias X := n
umero de bolitas verdes
en la muestra, Y := n
umero de bolitas rojas en la muestra.
(a) Encontrar la distribuci
on conjunta de probabilidades de la variable aleatoria bidimensional
(X, Y ) y las distribuciones marginales de X e Y , son estas variables independientes?
(b) Hallar la distribucion de la variable Y |X = 2.
7.3. Sea (X, Y ) una variable bidimensional con la densidad del Ejercicio 3.19.
(a) Hallar fY (y) y fY |X=x (y) para todos los posibles valores de x. Que puede decir respecto de
la independencia de X e Y ?
(b) Calcular P(3 < 16XY < 9|X = 0, 75).
Ver m
as en 7.30
7.4. Sean X e Y variables aleatorias con densidad conjunta
fX,Y (x, y) = xex(1+y) 1{x > 0, y > 0}
(a) Hallar la distribuci
on de las variables condicionales Y |X = x.
(b) Hallar y graficar la funci
on de regresion (x) = E[Y |X = x].
(c) Hallar la esperanza condicional de Y dada X.
(d) Hallar y graficar la funci
on de distribucion de la esperanza condicional de Y dada X.
(e) Calcular P(1/2 < E[Y |X] 3).
7.5. ! Sean X e Y variables aleatorias definidas en el Ejercicio 7.1.
(a) Hallar la distribuci
on de las variables condicionales Y |X = x.
(b) Hallar y graficar la funci
on de regresion (x) = E[Y |X = x] y la funcion (x) = Var(Y |X = x).
(c) Hallar la esperanza y la varianza condicional de Y dada X.
(d) Calcular P(E[Y |X] 1/4) y P(Var(Y |X) > 3/64).
7.6. Sean X e Y variables aleatorias con distribucion uniforme sobre la region {(x, y) R2 : 0 <
x < 3/4, 0 < y < 3/4} {(x, y) R2 : 3/4 < x < 1, 3/4 < y < 1}. Hallar la funcion de distribucion
de E[Y |X] y Var(Y |X). Cu
al es la probabilidad de que la varianza condicional tome un valor
inferior a 1/32?
7.7. En una urna hay 6 bolas rojas, 4 azules y 2 negras. Se extraen tres. Sean X la cantidd de
bolas rojas extradas e Y la cantidad de azules.
(a) Hallar las funciones de probabilidad de las variables condicionales Y |X = x.
Ingeniera Industrial
42
(b) es el cuadrado de vertices ( 2, 0), (0, 2), ( 2, 0) y (0, 2). Hallar E[X|Y ]. X e Y son
independientes?
7.9. ! Una rata est
a atrapada en un laberinto. Inicialmente puede elegir una de tres direcciones. Si
elige la primera se perder
a en el laberinto y luego de 4 minutos volvera a su posicion inicial; Si elige
la segunda volver
a a su posici
on inicial luego de 7 minutos; si elige la tercer asaldra del laberinto
luego de 3 minutos. Suponiendo que en cada intento, la rata elige con igual probabilidad cualquiera
de las tres direcciones, cu
al es la esperanza del tiempo que demora en salir del laberinto?
7.10. ! Sea X una variable aleatoria con distribucion uniforme sobre el intervalo (0, ) y sea Y
una variable aleatoria tal que E[Y |X] = X. Calcular Cov(sin(X), Y ).
7.11. ! Se arroja un dado 100 veces. Sean X e Y las cantidades de resultados pares e impares
respectivamente. Hallar la esperanza condicional E[Y |X] y el valor de Cov(X, Y ).
7.12. ! Sea (X, Y ) un vector aleatorio tal que X tiene distribucion exponencial de media 1,
E[Y |X] = X y Var(Y |X) = X. Usando el Teorema de Pitagoras, calcular el valor de Var(Y ).
7.13. Una partcula suspendida en agua es bombardeada por moleculas en movimiento termico y
recibe (por segundo) una cantidad de impactos cuya distribucion es Poisson de media 10. Por cada
impacto la partcula se mueve un milmetro hacia la derecha con probabilidad 3/4 o un milmetro
hacia la izquierda con probabilidad 1/4. Hallar la posicion media de la partcula al cabo de un
segundo.
Ver m
as en 7.32
7.14. Un jugador de generala se tira a sacar generala de ases. Tira sus 5 dados, separa los ases,
vuelve a tirar los restantes, vuelve a separar los ases, y vuelve a tirar los restantes. Calcular el
n
umero esperado de ases obtenidos en el tercer tiro.
7.15. ! El peso de ciertas bolsas de naranjas esuna variable aleatoria uniforme entre 3 y 6 kilos.
Se van agregando bolsas en una balanza hasta que el peso supere 5kilos. Hallar la media y la
varianza del peso final as obtenido.
7.16. Hallar la media y la varianza del tiempo de viaje al trabajo del Ejercicio 2.17.
7.17. ! La variable aleatoria bidimensional (X, Y ) tiene distribucion uniforme en la region descrita por 0 < x < 2, 0 < y < x2 .
(a) Hallar la funci
on de regresi
on de Y dada X.
(b) Hallar una ecuaci
on para la recta de regresion de Y dada X.
7.18. La variable aleatoria bidimensional (X, Y ) se describe por: X es exponencial con media 5,
Y = X 2.
(a) Hallar la funci
on de regresion de Y dada X.
(b) Hallar una ecuaci
on para la recta de regresion de Y dada X.
7.19. ! La longitud de los rollos de tela producidos por cierta maquina sigue una distribucion
uniforme entre 20 y 30 (en metros). Un buen da un cliente requiere un rollo con por lo menos 28
metros, de los que no hay ninguno en stock.
Ingeniera Industrial
43
(a) Calcular la cantidd media de rollos que sera necesario producir para satisfacer la demanda del
cliente.
(b) Calcular la longitud total media de tela producida para satisfacer esa demanda.
(c) Calcular la longitud total media de tela de rollos que iran a stock (es decir, sin incluir el
vendido al cliente).
7.20. [ver Ejercicio 2.31] Una l
ampara tiene una vida (en horas) con distribucion exponencial
de parametro 1. Un jugador enciende la lampara y, mientras la lampara esta encendida, lanza un
dado quilibrado de quince en quince segundos. Hallar el n
umero esperado de 3s observados hasta
que la lampara se apague.
7.21. ! Se tirar
a un dado equilibrado hasta que salga el as. Sea N la cantidad de tiradas necesarias
y sea M la cantidad de cuatros obtenidos. Calcular E[M ] y Cov(N, M ).
7.22. ! Un motoquero transita por una avenida. Las probabilidades de que al momento de llegar
a un sem
aforo se encuentre en rojo, amarillo o verde son 0, 45, 0, 05 y 0, 5 respectivamente. Los
estados de los sem
aforos son independientes entre s y el motoquero solo se detiene al encontrar
un semaforo en rojo. Sea X la cantidad de luces amarillas que atraveso hasta detenerse. Calcular
la media y la varianza de X.
7.23. ! Un juego consiste en arrojar una moneda legal 5 veces y contar el n
umero de caras
obtenidas (Fase I del juego). Luego, la Fase II consiste en
arrojar la moneda tantas vecs como cantidad de caras obtenidas en la Fase I, si el n
umero
de caras obtenidas en la Fase I es mayor que 3
arrojar la moneda hasta obtener un total de 4 caras (incluyendo las obtenidas en la fase I),
si el n
umero de caras obtenido en la Fase I es a lo sumo 3.
Calcular el valor esperado de la cantidad de tiros efectuados en la Fase II.
7.24. ! Una m
aquina produce rollos de alambre. El alambre tiene fallas distribuidas como un
proceso de Poisson de intensidad 1 cada 25 metros. La maquina detecta cada falla con probabilidad
0, 9 y corta el alambre en la primer falla detectada antes de los 25 metros o a los 25 metros si no
se detectan fallas antes.
(a) Hallar la media de la longitud de los rollos de alambre.
(b) Hallar la cantidad media de fallas en los rollos.
7.25. Familias de argentinos migran a Italia de acuerdo con un proceso de Poisson de tasa 4 por
semana. Si el n
umero de integrantes de cada familia es independiente y puede ser 2, 3, 4, 5 con
probabilidades respectivas 0, 1, 0, 2, 0, 3, 0, 4, cual es el valor esperado del n
umero de argentinos
que migran a Italia durante un perodo fijo de 15 semanas?
7.26. ! En un puesto de peaje se sabe que los vehculos arriban de acuerdo a un proceso de
Poisson con una tasa de 10 por minuto. El 70 % de las veces es un auto, el 10 % de las veces es
una moto y el 20 % de las veces es un camion. Los coches transportan, en media, una carga de
400 kg, las motos de 120 kg y los camiones de 1300 kg.
(a) Encontrar la probabilidad de que en media hora crucen por el peaje a lo sumo 2 autos.
(b) Hallar la probabilidad de que en 1 minutos pasen 7 autos, 2 camiones y 1 moto.
(c) Hallar la carga media que transporta un vehculo que pasa por el peaje.
(d) Hallar la carga media total que atraviesa el peaje durante 1 hora.
(e) Comparar con el Ejercicio 6.13. Extraer conclusiones.
Ingeniera Industrial
44
Ejercicios Complementarios
7.29. [Grimmett, p
ag. 111] Sean X1 y X2 variables exponenciales independientes con intensidad
. Sean Y1 = X1 + X2 , Y2 = X1 /X2 e Y3 = X1 X2 .
(a) Hallar la densidad conjunta de Y1 e Y2 y mostrar que son independientes.
(b) Hallar la densidad conjunta de Y1 e Y3 . Son Y1 e Y3 independientes?
(c) Hallar las densidades condicionales de fY1 |Y2 =1 (y1 ), fY1 |Y3 =0 (y1 ).
(d) Suponiendo que = 1, calcular A = P(Y1 > 1|Y2 = 1) y B = P(Y1 > 1|Y3 = 0). Observe que
Y2 = 1 e Y3 = 0 son eventos equivalentes. Como puede explicarse entonces que A > B?
(e) Estimar por simulaci
on las probabilidades del inciso anterior. Para ello tomar h = 0, 01,
simular 100000 pares (X1 , X2 ) y usarlos para estimar las probabilidades P(Y1 > 1||Y2 1| < h) y
P(Y1 > 1||Y3 | < h). Hacer un gr
afico representando las diversas zonas de integracion involucradas,
y explicar por que la primer probabilidad es aproximadamente el doble de la segunda.
7.30. ! Sea (X, Y ) una variable bidimensional con la densidad conjunta del Ejercicio 3.14.
Hallar y graficar la funci
on de densidad de Y |X = x.
Ver m
as en 7.56
7.31. En el contexto del Ejercicio 4.25, explicar como hace el receptor para reconstruir la
se
nal original Y a partir de la se
nal observada (corrupta) X. Hallar la expresion de la se
nal
as reconstruida.
7.32. Ocurren choques de acuerdo a un proceso de Poisson de intensidad 1 por segundo. Independientemente, cada choque hace que un sistema falle con probabilidad 1/2. Sea T el tiempo en
que falla el sistema. Hallar la distribucion de T , E[T ] y Var(T ).
7.33. ! A una lnea de embalaje arriban en forma independiente piezas producidas por las
maquinas A y B. Las piezas de la m
aquina A lo hacen seg
un un proceso Poisson de tasa 2 por
minuto, mientras que las de la m
aquina B tambien lo hacen en forma Poisson pero con tasa 3 por
minuto. Las piezas de ambas m
aquinas llegan a la lnea de embalaje y por orden de arribo son
embaladas de a pares. Hallar la media y la varianza del tiempo transcurrido hasta que la aparicion
de un par embalado formado por una pieza proveniente de cada maquina.
Ingeniera Industrial
45
Ejercicios Suplementarios
7.34. Sea (X, Y ) una variable bidimensional con la densidad conjunta del Ejercicio 3.34. Encuentre la densidad de Z = XY sabeindo que Y = 0, 25.
7.35. Sean X e Y variables aleatorias independientes tal que X U(0, 1) y fY (y) = 2y 1{0 <
y < 1}. Se desea calcular P(X + Y < 1|X = Y ). Jekyll propone:
P(X + Y < 1|X = Y ) = P (2X < 1) = P (X < 1/2) = 1/2
Pero Hyde no est
a de acuerdo y dice:
P(X + Y < 1|X = Y ) = P(2Y < 1) = P(Y < 1/2) = 1/4
Si ambos hubieran razonado correctamente, convenimos que 1/2 = 1/4? Explicar lo sucedido.
7.36. En una urna hay 3 bolas rojas y 2 negras. Se extraen dos bolas sin reposicion. Sean X e
Y la cantidad de bolas rojas y negras extradas, respectivamente. Hallar una funcion de X, (X),
tal que E[(X)h(X)] = E[Y h(X)] para toda funcion acotada h : R R. (sugerencia: Para cada
i {0, 1, 2} considerar la funci
on hi : R R definida por hi (x) = 1{x = i}. Usar la ecuacion
E[(X)hi (X)] = E[Y hi (X)] para deducir la expresion de (i) para cada i {0, 1, 2}).
7.37. Sea U una variable aleatoria con distribucion uniforme sobre el intervalo (0, 1). Sean X =
[3U ] (parte entera de 3U ) e Y = U 2 . Encontrar una funcion de X, (X), que satisfaga la igualdad
E[(X)h(X)] = E[Y h(X)], para toda funcion acotada h : R R.
7.38. Sean Xi las variables definidas en el Ejercicio 3.48. Hallar E[X2 |X1 ].
7.39. Se arroja un dardo sobre el blanco circular = {(x, y) R2 : x2 + y 2 1}.
(a) El dardo se clava en un punto de coordenadas (X, Y ) uniformemente distribuido sobre
{(x, y) R2 : x 0}. Hallar la esperanza y la varianza condicional de Y dada X.
(b) El dardo se clava en un punto de coordenadas (X, Y ) uniformemente distribuido sobre .
Hallar la esperanza y la varianza condicional de Y dada X.
7.40. Sean las vairables aleatorias X, con media y desvo , e Y , discreta con P(Y = 1) = p
yP(Y = 2) = 1 p. Si X e Y son independientes, hallar E[X Y ].
7.41. [ver Ejercicio MISC.9 y Ejercicio 7.9] Se arroja sucesivas veces un dado equilibrado.
Sea K el n
umero de tiradas hasta obtener por primera vez un resultado distinto de as, y sea, para
cada entero m > 1, Xm el n
umero de tiradas hasta obtener por primera vez m ases seguidos (por
ejemplo si las primeras 9 tiradas resultan 1, 1, 2, 1, 4, 5, 1, 1, 1 sera K = 3, X2 = 2 y X3 = 9).
(a) Que distribuci
on tiene K? Hallar E[K].
(b) Se sabe que E[X2 ] = 42. Describir la variable aleatoria E[X2 |K]. Comprar la consistencia de
esta descripci
on con el dato E[X2 ] = 42.
(c) Describir la expresi
on general de E[Xm |K] en terminos de E[Xm ]. Deducir una expresion
general para E[Xm ].
(d) Calcular E[X5 ].
(e) Si cada tirada del dado insumiera un segundo, estimar (en a
nos) el tiempo medio necesario
para obtener 20 ases seguidos.
7.42. Juan y Roberto concursan por un trabajo en IBM. Mientras esperan a ser atendidos por
el Examinador, Juan descubre desesperado que olvido su calculadora. Cuando el Examinador los
Ingeniera Industrial
46
atiende, Juan le pide una, pero el Examinador (que no curso esta materia ni leyo la columna de
Adrian Penza en la contratapa de P
agina 12 del domingo 18 de julio del 2010), se la niega y le
dice que piensa que no le ser
a necesaria.
Uno de los enunciados de la prueba dice: Escriba una secuencia de 200 bits elegidos al azar
en {0, 1}.
El examinador saca copia de los examenes, identificando las copias y los entrega al corrector
(que curs
o esta materia el primer cuatrimestre de 2010) que no puede identificarlos, pero sabe que
su amigo Juan olvid
o la calculadora. El corrector mira las pruebas y sin dudarlo sabe cual es la
de su amigo Juan.
Uno:
01001110111001000011101010110010011110110101101110011010011001010110
00010011100001010111011010110001010010001100001110101011000011101100
0100010000101001101101110011110101010111001100001010001000101100
Otro:
01111001011010100110110111000011101110110010100001011001101011001101
10001001100011010111001101111011110111111101000111000101001000000000
1110110000010001001110101111010001011011010100001110011110110001
Podra, a luz del Ejercicio 7.41, explicar como hizo, y cual de las dos secuencias perteneca
a Juan?
7.43. Sea (X, Y ) una variable aleatoria bidimensional. Sabiendo que X N (0, 2) y E[Y |X] =
2X 2 + 1.
(a) Hallar E[Y ] y Cov(X, Y ).
(b) Hallar una ecuaci
on de la recta de regresion de Y dado X.
7.44. Para la variable aleatoria bidimensional (X, Y ) del Ejercicio 3.14,
(a) hallar la funci
on de regresi
on de Y dado X.
(b) hallar una ecuaci
on para la recta de regresion de Y dado X.
7.45. h Dado un vector ~x = [x1 . . . xn ]t Rn , sea T (~x) la variable aleatoria discreta con rango {x1 , . . . , xn } definida por P(T = xi ) = 1/n. Consideramos, ademas, n replicas independientes
X1 , . . . , Xn de una variable aleatoria X con media y varianza 2 .
(a) Hallar E[T ].
(b) Hallar Var(T ).
~ X].
~ Comparar con Ejercicio MISC.10. Hallar E[T (X)]
~
(c) Describir la variable aleatoria E[T (X)|
(en terminos de ).
~ X).
~ Comparar con Ejercicio MISC.10.
(d) Describir la variable aleatoria Var(T (X)|
2
~
Hallar E[Var(T (X))] (en terminos de ).
7.46. En un proceso de producci
on en serie las piezas tienen dos tipos de defectos: de forma o de
color. La probabilidad de que una pieza tenga un defecto de forma es 0, 1; la probabilidad de que
tenga un defecto de color es de 0, 72 si tiene defecto de forma, y de 0, 08 cuando no tiene defecto de
forma. Cuando se detecta una pieza con ambos defectos se suspende la produccion formando un
lote con las piezas producidas hasta ese momento, incluyendo la pieza con ambos defectos. Cual
es la cantidad media de piezas defectuosas por lote?
7.47. h Sea X1 , X2 , . . . una secuencia de variables aleatorias, todas de media 2, y N una variable
geometrica con p = 2/3, independiente de las Xi . Calcular E[X1 + . . . + XN |N 2].
7.48. Sea un dado de 4 caras a, b, c, d con probabilidades pa , pb , pc , pd respectivamente. El dado
se lanza n veces, en forma independiente.
Ingeniera Industrial
47
48
S(t) = S(0)
Xi
i=1
Q0
donde si N (t) = 0, se define i=1 Xi = 1. Suponer que los factores son variables exponenciales
independientes de tasa 1/2, que {N (t), t 0} es un proceso de Poisson de tasa 1, independiente
de los Xi , y que S(0) = 1.
(a) Hallar E[S(t)] (sugerencia: usar la formula de probabilidad total condicionando a los posibles
valores de N (t) y el desarrollo en serie de Taylor de la exponencial.)
(b) Hallar E[S 2 (t)].
7.56. ! Sea (X, Y ) una variable bidimensional con la densidad conjunta del Ejercicio 3.14.
(a) Simular 100000 valores de (X, Y ), utilizarlas para estimar Cov(X, Y ) (ver Ej. MISC.12) y
comparar con el resultado analtico.
(b) Utilizar los valores simulados en el inciso anterior para obtener 100000 valores de la variable
X + Y . Con ellos estimar la media y varianza de la suma (ver Ejercicio MISC.10) y comparar
con los resultados analticos.
Ingeniera Industrial
49
Miscelanea
Un vistazo a temas futuros
Secci
on Confiabilidad
MISC.1. ! Sea T el tiempo hasta que ocurre la primera falla en un producto industrial, con
funcion intensidad de fallas (t) de la forma
(t) =
1
t
1{t > 0}
donde , > 0.
(a) Hallar la funci
on de distribuci
on y la funcion densidad de T .
(b) Si < 1 se dice que el producto tiene fallas tempranas, si = 1 se dice que tiene fallas
casuales o con falta de memoria, y si > 1 se dice que tiene fallas por desgaste. Indiciar en cual
de estas tres categoras clasificara usted a los siguientes productos seg
un su modo de falla.
Producto: un neum
atico; T : tiempo hasta una pinchadura causada por objetos punzantes en
las calles.
Producto: un neum
atico; T : tiempo hasta que se desgasta el surco y pierde agarre.
Producto: un neum
atico; T : tiempo hasta que reviente como consecuencia de una falla de
fabrica.
Producto: una heladera; T : tiempo hasta que el usuario se da cuenta que salio fallada de
fabrica.
Producto: una heladera; T : tiempo hasta que falla el sistema de enfriamiento.
Producto: una heladera; T : tiempo hasta que el motor se quema por un brusco cambio de
tensi
on.
(c) Comparar e interpretar probabilsticamente los graficos de las densidades que se obtienen
cuando = 1 y = 0, 5, 1, 1, 5.
(d) Para cada caso del Inciso (c), calcular P(T > 1) y P(T > 4|T > 3).
(e) Para cada caso del Inciso (c), simular 1000 valores de la variable aleatoria T . Graficar la
funcion de distribuci
on emprica y construir un histograma.
MISC.2. [ver Ejercicio MISC.1] Sea t0 > 0. Mostrar que si (t) es la funcion de intensidad de
fallas de la variable aleatoria T , la variable aleatoria T = (T |T > t0 ) t0 tendra una funcion de
= (t + t0 ), para t > 0.
intensidad de fallas (t)
MISC.3. [ver Ejercicio MISC.1] La cantidad de llamadas que llegan a un call center en una
hora es una variable aleatoria N . Calcular la funcion de probabilidad de la cantidad de llamadas
recibidas si se sabe que llegaron al menos 2 llamadas, cuando N esta descrita seg
un
(a) pN (n) = 0, 35(0, 65)n , n = 0, 1, . . .
(b) pN (n) = (1, 25)n e1,25 /n!, n = 0, 1, . . .
(c) En cada caso, determinar si hay perdida de memoria.
Ingeniera Industrial
50
Secci
on Estadstica
2
MISC.6. Sea X una variable aleatoria, X = 2, X
= 9.
PnSea X1 , X2 , . . . una secuencia independiente de replicas de X, y definamos, para n N, Sn = m=1 Xm .
W2 =
n
1 X
(Xm )2
n m=1
T2 =
n
1 X
2
(Xm X)
n m=1
y Var(X),
en funci
(a) Hallar E[X]
on de y 2 .
(b) Hallar E[W 2 ], en funci
on de y 2 .
)2 .
(c) Mostrar que T 2 = W 2 (X
(d) Usar los incisos anteriores para mostrar que E[S 2 ] = 2 donde S 2 =
Ingeniera Industrial
n
2
n1 T .
51
MISC.11. Sea X una variable aleatoria que representa la relacion de nquel al resto de los metales
en una aleaci
on. Los siguientes datos corresponden a 18 muestras de una aleacion: 1, 75, 1, 80, 1, 29,
1, 58, 0, 95, 1, 87, 1, 99, 1, 49, 1, 12, 0, 39, 1, 62, 1, 41, 1, 35, 0, 83, 0, 71, 0, 51, 1, 19, 1, 95.
y S 2 . (Ver Ejercicio MISC.10).
(a) Calcular X
(b) Seg
un una publicaci
on, la concentracion de nquel en dicha aleacion puede ser modelada a
traves de la distribuci
on fX (x) = x/2 1{0 < x < 2}. Comparar los resultados obtenidos en el
inciso anterior con los valores te
oricos de media y varianza asociados al modelo propuesto.
(c) Construir un histograma y explorar informalmente si el modelo propuesto podra considerarse
correcto.
MISC.12. Sea (X, Y ) una variable aleatoria bidimensional, tal que X e Y tienen media y varianzas finitas, y sea c = Cov(X, Y ).
(a) Si (X1 , Y1 ), . . . , (Xn , Yn ) son n replicas independientes de (X, Y ) y definimos
n
A=
1X
(Xi E[X])(Y E[Y ])
n i=1
n
B=
1X
i Y )
(Xi X)(Y
n i=1
1
n
Pn
i=1
xi . Notamos e
Secci
on Control Estadstico de Procesos
MISC.14. [Control Estadstico de Procesos] Sea X una variable observable de un proceso industrial. Se dice que el proceso funciona bajo control cuando es estable, es decir, cuando la variacion
aleatoria de X se corresponde con los valores historicos de su media y desvo en todo momento.
En caso contrario, se dice que el proceso esta fuera de control.
Para evaluar si se descontrola el proceso, se toman mediciones de la variable cada 15 minutos y
se definen las siguientes se
nales de descontrol, es decir, eventos muy improbables cuando el proceso
esta bajo control. De producirse alguno de estos eventos, se concluira que el proceso dejo de estar
bajo control:
Un valor que satisfaga |X | > 3 un valor muestral esta fuertemente fuera de control.
Ingeniera Industrial
52
Ingeniera Industrial
53
(b) De un proceso centrado con lmites LIE = 10, 9 mm y LSE = 11, 1 mm se midieron
n = 15 piezas, obteniendo (en mm.): 10, 98, 10, 92, 11, 01, 11, 08, 11, 07, 11, 1, 10,
87, 10, 99, 11, 07,
10, 93, 10, 96, 10, 9, 10, 89, 10, 94, 10, 95. Estimar con esta muestra X como S 2 (ver Ejercicio
MISC.10). Luego, estimar Cp y el procentaje de productos defectuosos.
(c) Calcular el porcentaje de piezas no conformes para procesos centrados con Cp iguales a 2/3, 1
y 4/3.
(d) Un proceso centrado trabaja con un 0, 5 % de piezas no conformes. Cuanto vale su Cp ?
Ingeniera Industrial
54
1.1. (a) 56 %
(b) 14 %
(c) 4 %
1.3. (a) 0, 36
(b) 0, 64
(c) 0, 53
(b) Roja
(d) 26 %
;
(d) 0, 17
(e) 0, 75
(c) Blanca
1
(b)
; (c) P(Ck ) =
4
2
2
1
; P(D) = 0
(d) P(Dk ) =
2
1.6 (a)
1 1
+
2 k
2
para k 2 ; P(C) =
1.7. (a)
10
35
(b)
16
35
(c)
19
35
(d)
14
35
1.8. (a)
6
36
(b)
26
36
(c)
3
36
(d)
9
36
(c) 0, 000625
(c) 0
1.9.
Con reposici
on:
(a) 0, 0156 ; (b) 0, 0625
Sin reposici
on:
(a) 0, 0121 ; (b) 0, 0485
1.10. (a)
1
6
1.11. (a) 0, 56
(f ) 0, 2
(b)
;
3
18
1
3
(b)
1
2
1.13. (a)
3
4
(b)
1
2
(c) 0
(b) 0, 1785
1.12. (a)
1.14. (a) 0, 28
(b) 0, 3
1
3
(c) 0, 42
(e)
(d) 0, 4048
(d)
3
6
(d)
;
;
10
36
(d) 0, 375
(c) 0, 145
(c)
1
8
(e)
2
10
(d) 0, 6071
(e) 0, 2187
1
5
1.15. 0, 9998
1.16. (a)
1
3
Ingeniera Industrial
(b)
40
63
(c)
9
23
(d)
17
21
55
1.19. (a)
1
2
(b) 0, 0489
49
69
(b)
;
;
(c) 0, 04858
(d) 0, 00246
(e) 0, 0508
(b) 0, 4166
(c) 0, 1357
7
99
Gua 2
2.2. (a) a = 3/2
;
(b) FX (x) =
1 3 1
x + x 1{0 < x < 1} + 1{x 1}
2
2
(c) 0, 3125
(d) 0, 6023
1
2.4. (a) en X = 2 y X = 2 donde P(X = 2) = P(X = 2) =
3
2
2 1
1
2
1
(b) ; 1; ;
; (c) 0; ; 0 ; (d) 1;
; (e)
3
3 3
3
3
2
2.5. (a) a = 0
(b) a = 0, 8
(c) a = 2
1
(2x2 + x)1{0 x < 1} + 1{x 1}
3
(d) a = 2, 82
;
(b)
1 4
;
3 9
(e) 4
;
(c) 0, 1
2.8.
(a)
k
0
1
2
3
4
5
P(X = k)
0, 0609
0, 2284
0, 3427
0, 2570
0, 0963
0, 0144
k
1
2
3
P(X = k)
0, 1428
0, 5714
0, 2857
(b)
Ingeniera Industrial
56
1
1
1 + (1 + 42 ) 2
(c) Mediana =
2
1
(1 + )
1
1
(d) P(X < 1) = 1 ; P(0 < X 1) =
; P X < 0 < X <
=
2
2
2
2 4
2.10. (a)
2.11.
3
4
2.12.
2
3
(b) 0, 4 ; 0 ; 0, 23
20 x
2.13. (a) fX (x) = 3x
1{3 x 17}
3514
20 x
(b) fX (x) = x
(1{0 < x < 3} + 1{17 < x < 20})
162
1
2.14. (a) fX (x) = 0, 3529 1{0 x < 2} + (10 2x) 1{2 x < 3}
17
1
(b) fX (x) = (10 2x) 1{3 x < 5}
4
2.15.
2
3
;
;
2.21. (a) 1, 05
E[X] = 2, 32
(b) 40/47 = 0, 851 . . .
(b) p3 = 0, 6 ; x3 = 0
(b) k = 2 ; E[X] = 1
;
2.23. (a) k =
(e) 0, 1215
2.24. (a)
1
5
;
1800
1
; p2 = 0
2
;
;
(c) 1, 625
(c)
7
9
(d) 2, 2
(d) 7, 2
2
5
; E[X|X 1] =
3
6
(b) p1 = p3 = 0 ; p2 = 1
(c) 0, 6703
(d) 0, 4512
(f ) 5
;
(b)
15
Ingeniera Industrial
6
3
x (x 1)(x 3) 1{2 < x < 3}
25
10
(c) Y = 16
(d) c = 2
57
2.26.
2
1 yb
1{b a < y < 2a + b}
(a) fY (y) =
+1
9
a
1/3
2
((y) + 1)
(b) fY (y) =
1{8 < y < 1, y 6= 0}
27(y)2/3
2
2
3
3
9 + 4y +
+ 9 + 4y
2
2
(c) fY (y) =
1{0 < y < 1, 25}
18 9 + 4y
2
2
1 y + 1+ y
(1 + y)2
(d) fY (y) =
1{0 < y < 1} +
1{1 < y < 4}
18 y
18 y
1
(e) FY (y) =
(y + 1)2 1{1 < y < 1} + 1{y 1}
27
2.27. fX (x) =
1
1{x R} (Distribucion de Cauchy.)
(1 + x2 )
2.28. fL (l) =
2l l2
e 60 1{l > 0}
60
2.29. fT (t) =
1
1
1{0 < t < 5} +
1{5 < t < 15}
10
20
1
v2
+
2
4
2.31. P(X = x) = e
2.32. fY (y) =
1{0 v2 < 1} + 1{v2 1}
x1
1 e ; X geom(1 e )
y
1{2 < y < 4}
6
Gua 3
P(X = 0) = 0, 0714 ,
P(X = 1) = 0, 4285 ,
P(Y = 0) = 0, 2142 ,
Ingeniera Industrial
P(X = 2) = 0, 4285 ,
P(Y = 1) = 0, 5714 ,
P(X = 3) = 0, 0714
P(Y = 2) = 0, 2142
58
0
0, 0197
0, 0791
0, 1186
0, 0791
0, 0197
0, 3164
1
0, 0527
0, 1582
0, 1582
0, 0527
0
0, 4218
2
3
4
P(X = x)
0, 0527 0, 0234 0, 0039
0, 1524
0, 1054 0, 0234
0
0, 3661
0, 0527
0
0
0, 3295
0
0
0
0, 1318
0
0
0
0, 0197
0, 2108 0, 0468 0, 0039
P(X + Y 2) = 0, 4812
4p
2
1 x2 1{x [1, 1]}, fY (y) =
1 y 2 1{y [0, 1]}
5
; (b) fX (x) = (4x 4x3 ) 1{0 x 1}, fY (y) = 4y 3 1{0 y 1}
12
(c) No son independientes.
3.3. (a)
3.4. 0, 2335
3.5.
2
3
3.6.
8
9
47
17
1
; (b)
; (c)
50
100
18
t 22
12
48 t
(d) fT (t) =
1{22 < t < 34} +
1{34 < t < 36} +
1{36 < t < 40}
136
136
136
3.7. (a)
4
5
1{0 < y < 0, 75}, fY |X=0,4 (y) = 1{0 < y < 0, 4}
3
2
1
1
(b) No son independientes ; (c) , 0, 375 ; (d)
3
3
4
2
3.10. (a) fY |X=x (y) = 1 1{0 < y < 1; 0 < x < 0, 5}+ 1{0 < y < 0, 5; 0, 5 < x < 1}+ 1{0, 5 <
3
3
y < 1; 0, 5 < x < 1} ; (b) 0, 5
3.11. 0, 5
19
, Var(N ) = 0, 3209, Cov(N, X1 ) = 0
9
2
1
(c) Cov(Xi , Xi ) = Var(Xi ) = , Cov(Xi , Xj ) =
3
3
1
9
Ingeniera Industrial
(b)
(b) Cov = 0
6
9
(c)
2
3
59
3
3
z2
2
4z
4
3.17. fZ (z) =
45 2
z 1{0 < z < 1/2} +
4
3.18. fZ (z) =
1
1{1 < z < 1}, Z U(1, 1).
2
1{1/2 < z < 1}
3.19. (a) fU (u) = 1, 6(1 u) 1{0 < u < 0, 5} + 3, 2(1 u) 1{0, 5 < u < 1}
3.20. (a) fU (u) = (1 + 2 )e(1 +2 )u 1{u > 0}, U exp(1 + 2 )
1
2
(b) P(J = 1) =
, P(J = 2) =
1 + 2
1 + 2
3.21. (a) E[Z] =
2
1
1
1
, Var(Z) =
, E[W ] = , Var(W ) =
3
18
3
18
1
3
(g) 0, 7135
(f ) 0, 7135
(b)
(c) 0, 3407
(d) 0, 4313
(b)
7
18
(c)
1
36
(e) 0, 5095
3.23. 0, 2314
3.24. fZ|Z<1/4 (z) = 4 1{0 < z < 41 }
2(1 z)
1
1/36
1/36
1/36
1/36
1/36
1/36
6/36
2
0
2/36
1/36
1/36
1/36
1/36
6/36
3
0
0
3/36
1/36
1/36
1/36
6/36
4
5
6
P(U = u)
0
0
0
1/36
0
0
0
3/36
0
0
0
5/36
4/36
0
0
7/36
1/36 5/36
0
9/36
1/36 1/36 6/36
11/36
6/36 6/36 6/36
1
(c)
Ingeniera Industrial
60
U |V
1
1
1/36
2
2/36
3
2/36
4
2/36
5
2/36
6
2/36
P(V = v) 11/36
2
0
1/36
2/36
2/36
2/36
2/36
9/36
3
0
0
1/36
2/36
2/36
2/36
7/36
4
5
6
P(U = u)
0
0
0
1/36
0
0
0
3/36
0
0
0
5/36
1/36
0
0
7/36
2/36 1/36
0
9/36
2/36 2/36 1/36
11/36
5/36 3/36 1/36
1
1 eX
1{0 < x < ln(4)} + 1 3eX 1{x > ln(4)}
3
Gua 4
4.2. 0, 0917
4.3. 243, 53
4.4. (a) 491, 95
(b) 0, 9327
(c) 0, 6157
(b) 0, 878
4.7. 0, 4348
4.8. (a) Y N (60; 9, 8)gr
4.9. (a) 0, 5557
4.12. (a) 0, 0764
(b) c = 159, 9
(b) 0, 593
;
(b) 0, 318
4.13. 0, 0455
4.14. 0, 05918
4.17. 103
4.18. 1684
4.19. 64
Ingeniera Industrial
61
Gua 5
(b) 0, 6992
(b) 0, 4018
5.3. (a) 1 y 2
(c) 0, 2009
(b) 2
5.4. 0, 8233
5.5. (a) 0, 05314
(b) 0, 2373
(b) 0, 1527
(c) 0, 5042
5.11.
5/15
10/21
15/28
P(R = 1) =
20/36
25/45
26/55
si
si
si
si
si
si
si
k
k
k
k
k
k
k
=0
=1
=2
=3
=4
=5
=6
(b) 0, 3589
(c) 0, 9896
(b)P(X = 0) = 217/270,
(d) 0, 2969
(e) 0, 9999
5.14. 0, 303
Gua 6
(b) 1 y 2
(c) 1, 7817
Ingeniera Industrial
(d) 0, 3833
(b) 0, 0025
(e) +1
62
6.3. (a) e6
(b) 0, 0148
(c) 1/3
(b) e0,2
6.4. 0, 9901
6.5. (a) e0,2
(b) P (X = x) =
x+1
3
para x = 1, 2, 3, . . .
4
6.8. 0, 1429
6.9. (a) 0, 0107
6.10. (a) 0, 1024
(b) 0, 0286
;
(b) 0, 2873
(c) 3 107
(d)1/2
(e) 5/4
6.11. e1
6.12. (a) 1/9
6.13. (a) 0
;
;
(b) 5/9
(b) 0, 0148
(c) 552 kg
(d) 331200 kg
Gua 7
1
7.4. (a) FY |X (y|x) = 1 exy 1{y > o} 1{x > 0} ; (b) E[Y |X = x] =
x
1
E[Y |X] =
; (d) FZ (z) = e1/z 1{z > 0} ; (e) 0, 5811
X
7.5. (a) FY |X (y|x) =
Var(Y |X = x) =
y
1{0 < y < x} 1{0 < x < 1}
x
x2
1{0 < x < 1}
12
(c)
x
1{0 < x < 1};
2
1 7
; (d) ;
4 16
(b) E[Y |X = x] =
X
X2
; Var(Y |X) =
2
12
7.6. E[Y |X] = Z, Var(Y |X) = W ; P(Z = 3/8) = 9/10; P(Z = 1/10) = 1/10; P(W = 3/64) =
9/10; P(W = 1/192) = 1/10; P(W < 1/32) = 9/10
7.7. E[Y |X = x] =
7.8. (a) 0
4
2
(3 x) , x = 0, 1, 2; Var(Y |X = x) =
(9 x2 ) , x = 0, 1, 2
6
45
(b) 0; No
7.9. 14
7.10. 0
7.11. E[Y |X] = 100 X; Cov(X, Y ) = 25
Ingeniera Industrial
63
7.12. 2
7.13. 5 mm a la derecha
7.16. E[T ] = 7, 5
7.17. (a) E[Y |X] = X 2
(b) Y = 20X 50
7.20. 40, 08
7.21. E[M ] = 1, Cov(N, M ) = 6
7.22. E[X] = 1/9, Var(X) = 0, 1133
7.24. (a) 16, 4
(b) 0, 0656
7.25. 240
7.28. 0, 85
Ingeniera Industrial
64