Está en la página 1de 4

Ejercicios de Variables Aleatorias y Modelos de Probabilidad

Elisa M. Molanes-Lopez, Depto. Estadstica, UC3M

Funcion Q y funcion Gamma


Ejercicio 1. El tiempo de lectura en segundos de un registro de una base de datos es una v.a. X
que se distribuye seg
un un modelo trapezoidal continuo con funcion de distribucion dada por:

si x < 0,
0

4
si x [0, 1),

1
1
F (x) =
x

si x [1, 2),
2
4

1 2
3
5

4 x + 2 x 4 si x [2, 3),

1
si x 3,
y que verifica que E[X] =

3
2

y E[X 2 ] = 83 .

a) Si se leen 60 registros de forma independiente y consecutiva, cual es la probabilidad de que


el tiempo total de lectura sobrepase los 95 segundos?
Utilice alguno de los siguientes valores de la funcion Q. Notese que Q(x) = Pr(Z > x), donde
Z denota la v.a. Normal est
andar, es decir, con media 0 y desviacion tpica 1.
x
Q(x)

2
0.0228

-2
0.9772

1
0.1587

-1
0.8413

1.96
0.025

-1.96
0.975

5
0

-5
1

b) Rellene la segunda lnea del siguiente codigo en MATLAB/Octave para que el valor de a sea
aproximadamente el calculado en el apartado anterior.
u=rand(60,1000);
x1=( __________ ).*( __________ & __________ );
x2=(2*u+1/2).*(1/4<=u & u<3/4);
x3=(3-2*sqrt(1-u)).*(3/4<=u);
x=x1+x2+x3;
s=sum(x);
a=sum(s>95)/1000

Soluci
on: Sea X la v.a. que contabiliza el tiempo de lectura en segundos de un registro de esa base
de datos.
a) Sea T la v.a. que contabiliza el tiempo total de lectura en segundos de 60 registros de esa
base de datos, de tal forma que la lectura de cada registro se hace de forma independiente del
resto y con un tiempo de lectura dado por la v.a. X. Es decir, T = X1 + . . . + X60 , siendo
X1 , . . . , X60 , el tiempo de lectura de cada uno de los 60 registros, respectivamente, de modo
que las v.a. Xi s son independientes entre s y todas ellas se distribuyen seg
un la v.a. X de
partida.

Dado que estamos sumando m


as de 30 v.a. independientes con medias finitas y varianzas
finitas, el Teorema Central del Lmite nos permite afirmar que la v.a. T se puede aproximar
mediante la v.a. Normal con media = E[T ] y varianza 2 = Var(T ).
Calculemos E[T ] y Var(T ) para conocer los parametros de dicha Normal.
Teniendo en cuenta que la esperanza es un operador lineal, la esperanza se puede intercambiar
con el sumatorio, es decir:
E[T ] = E[X1 ] + . . . + E[X60 ] = 60 E[X] = 60

3
= 90 seg.
2

Teniendo en cuenta que las v.a. Xi s son independientes entre s, el operador Var se puede
intercambiar con el sumatorio, es decir:
Var[T ] = Var[X1 ] + . . . + Var[X60 ] = 60 Var[X] = 60
Por lo tanto T Normal( = 90, =

5
= 25 seg2 .
12

25 = 5).

Nos piden Pr(T > 95 seg). Estandarizando (o tipificando) para expresar el suceso de interes
en terminos de la N(0,1) se obtiene que:
Pr(T > 95 seg) = Pr(N (0, 1) > (95 90)/5) = Pr(N (0, 1) > 1) = Q(1) = 0,1587.
N
otese que por la simetra de la funcion de densidad de la N(0,1) en torno al cero sucede que
Q(1) = 1 Q(1).
b) Debemos utilizar el metodo de la transformacion inversa para buscar la expresion que me
permite generar valores de X en el intervalo [0, 1).
Para ello planteamos la ecuaci
on F (x) = u, siendo x [0, 1) y resolvemos dicha ecuacion en x
(para as tener una expresi
on en funcion de u). Notese que si x [0, 1) entonces F (x) = 14 x2

1
1 2
y u [0, 4 ). Por lo tanto, 4 x = u u = 4u = 2 u.
De modo que la lnea de c
odigo que falta sera:
x1=(2*sqrt(u)).*(u>0 & u<1/4);

Ejercicio 2. Se sabe que X se distribuye seg


un una distribucion Normal. Determine los valores de
su media y su desviaci
on tpica sabiendo que:
a) Pr(X 0) = 0,3336 y Pr(X <= 1) = 0,6664.
b) Pr(X 0) = 0,3336 y Pr(X <= 1) = 0,7486.
Manejo de la tabla Normal(0,1) o funci
on Q. Notese que Q(x) = Pr(Z > x), donde Z denota la v.a.
Normal est
andar, es decir, con media 0 y desviacion tpica 1.
x
Q(x)

1.64
0.0505

-1.64
0.9495

0.43
0.3336

Soluci
on: Sea Z la v.a. Normal(0,1).

-0.43
0.6664

-0.67
0.7486

0.67
0.2514

a) Estandarizando se tiene que:


0,3336 = Pr(X 0) = Pr(Z /) / = 0,43,
0,6664 = Pr(X 1) = Pr(Z (1 )/) (1 )/ = 0,43.
Resolviendo el sistema que se obtiene:
(

/ = 0,43
(1 )/ = 0,43

se concluye que: = 1/0,86 = 1,1628 y = 0,43 = 0,5.


b) Estandarizando se tiene que:
0,3336 = Pr(X 0) = Pr(Z /) / = 0,43,
0,7486 = Pr(X 1) = Pr(Z (1 )/) (1 )/ = 0,67.
Resolviendo el sistema que se obtiene:
(

/ = 0,43
(1 )/ = 0,67

se concluye que: = 1/1,10 = 0,9091 y = 0,43 = 0,3909.

Ejercicio 3. Dada una variable aleatoria Rayleigh de parametro > 0 con funcion de densidad
dada por f (x) = x exp(x2 /2), si x > 0:
a) Utilice la funci
on Gamma y sus propiedades para calcular su media.
b) Utilice la funci
on Gamma y sus propiedades para calcular su varianza.
Soluci
on: Para resolver este ejercicio sera necesario tener en cuenta la definicion de la funcion
Gamma y sus propiedades principales.
Definici
on de la funci
on Gamma: Se denota por (z) y se define para cualquier valor z < mediante
la expresi
on:
Z
(z) =
tz1 et dt.
0

Propiedades principales de la funci


on Gamma:
* Para n entero positivo, se verifica que (n) = (n 1)!
* Integrando por partes se obtiene la siguiente formula recursiva: (z + 1) = z(z).

* Se verifica que (1/2) = .


Utilidad : La funci
on Gamma es u
til a la hora de resolver integrales. En este ejercicio veremos su
aplicaci
on en el c
alculo de la media y la varianza de una v.a. continua.
a) Para una v.a. continua X con funci
on de densidad f , sabemos que su media o esperanza se
calcula mediante la expresi
on:
Z
E[X] =
xf (x)dx.

En este caso concreto se verifica que:


Z
Z
2
E[X] =
xx exp(x /2)dx =
0

x2 exp(x2 /2)dx.

Dado que queremos utilizar la funcion Gamma para resolveer esta integral, nos conviene
realizar el siguiente cambio de variable:
(
p
x = 2t/
2
t = x /2
1
dx = 2t
dt.
Adem
as, si x (0, ) t (0, ), de modo que:

Z
2t
2
2
2
1/2
exp(t)dt =
E[X] =
t exp(t)dt = (3/2) = (1/2)(1/2)

0
0
r
2 1

=
=
.
2
2
b) La varianza de una v.a. X es Var[X] = E[X 2 ] (E[X])2 . De modo que nos faltara calcular
E[X 2 ]. Teniendo en cuenta que X es una v.a. continua, se verifica que:
Z
Z
x2 x exp(x2 /2)dx =
x3 exp(x2 /2)dx.
E[X 2 ] =
0

Utilizando el mismo cambio de variable que hemos utilizado en el apartado anterior, se obtiene
que:
Z
Z
2t
2 1
2
2
2
2
exp(t)dt =
t exp(t)dt = (2) = 1! = .
E[X ] =

0
0
Se concluye que:
2
Var[X] = E[X ] (E[X]) =

r

2
=

4
.
2