Está en la página 1de 6

Pontificia Universidad Catolica de Chile

Facultad de Matem aticas


Departamento de Estadstica
Primer Semestre de 2017

Curso : Probabilidad y Estadstica


Sigla : EYP1113
Ayudantia Virtual : Resumen I1
Profesores : Ricardo Olea y Ricardo Aravena
Ayudantes : Ana Mara Mujica, Matas Castro, Nicol
as Godoy y Frane Sazunic

Problema 1

Considere dos eventos cualquiera, A y B, tal que P(A) = 1/4, P(B|A) = 1/2 y P(A|B) = 1/4, indique si las siguientes
aseveraciones son verdaderas o falsas. Justifique en ambos casos:

1. Los eventos A y B son mutuamente excluyentes.


2. Los eventos A y B son mutuamente independientes.
3. El evento A est
a contenido (subconjunto) en B.

4. P(A|B)
= 3/4.
= 1.
5. P(A|B) + P(A|B)

Soluci
on:

1. FALSO: Tenemos que P(A B) = P(B|A)P(A) = 1/8 6= 0 = P().


2. VERDADERO: P(A) = P(A|B).
= 1/8 6= 0.
3. FALSO: Tenemos que P(A B)
B)
4. VERDADERO: Por (b) se tiene que P(A| = P(A)
= 1 1/4 = 3/4.
= P(A) + P(A) = 1/2.
5. FALSO: Por (b) se tiene que P(A|B) + P(A|B)

Problema 2

Sea Z el tiempo transcurrido entre sismos que afectan a una zona. Una distribucion que se ajusta muy bien en la pr actica
a este tipo de datos es la llamada distribuci
on Gaussiana - Inversa(, ), la que esta determinada por la siguiente funcion
de densidad:
r  
3/2
fZ (z) = z exp 2 (z )2
2 2 z

con z R+ , R+ y R+ .

A continuaci on usted analizar


a el comportamiento de sus momentos teoricos, para ello se recomienda trabajar con la
siguiente re - parametrizaci
on de la densidad propuesta anteriormente:
r  
3/2 1/2
fZ (z) = z exp z + (2)
2 2z
1
donde = .
22

1
1. Muestre que la funci
on generadora de momentos de Z es
" r !#
22 t
MZ (t) = exp 1 1 , t<
22

3
2. Muestre que la varianza de Z es .

 1/2
3. Muestre que el coeficiente de asimetra de Z es 3 .

Soluci
on:

1. Tenemos que

MZ (t) = E(etZ )
Z + r  
tz 3/2 1/2
= e z exp z + (2) dz
0 2 2z
Z + r  
3/2 1/2
= z exp tz z + (2) dz
0 2 2z
(   )
1/2 Z + r "     1/2 #
1/2 t 3/2 t t
= exp (2) 2 z exp z + 2 dz
0 2 2z
(   1/2 )
t
= exp (2)1/2 2 1, si t < (convergencia para la integral).

Reemplazando el valor de concluimos que


" r !#
22 t
MZ (t) = exp 1 1 . si, t <
22

2. La varianza depende de los primeros dos momentos:

2 2
Z = E(Z 2 ) [E(Z)]

Para obtener los momentos usamos la funcion generadora de momentos pues como se vio en clases cumple:

(r)
E(Z r ) = MZ (0)

Teniendo mucho cuidado con que no se suelte la cadena y aprovechando la funcion exponencial en medio, tenemos
"  1/2 #
(1) 22 t
MZ (t) = MZ (t) 1

(1)
MZ (0) =

La segunda derivada respecto a t queda


"  1/2 # "  3/2 #
(2) (1) 22 t 3 22 t
MZ (t) = MZ (t) 1 + MZ (t) 1

(2) 3
MZ (0) = 2 +

2
As,

2 3 3
Z = 2 + 2 = .

3. El coeficiente de asimetra (Skewness) est
a dado por la siguiente expresion del formulario

 3 !
Z Z 1 
E(Z 3 ) 3E(Z 2 )Z + 3E(Z)2Z 3Z ,

E = 3
Z Z

donde necesitamos el tercer momento de Z, entonces derivamos sin que se suelte la cadena
"  1/2 # "  3/2 #
(2) 22 t (1) 3 22 t
MZ3 (t) = MZ (t) 1 + MZ (t) 1

3/2 5/2 #
"  # "
3 22 t 35 22 t
 
(1)
+ MZ (t) 1 + MZ (t) 1
2
(3) 34 35
MZ (0) = 3 + + 2

Reemplazando con cuidado nos queda finalmente

3 !
3/2 3 34 35 3
    
Z Z 2 3 3
E = + + 3 + + 3
Z 9/2 2
 1/2
=3 .

Problema 3

Como se sabe, el juego de poker utiliza una baraja de naipes ingleses de 52 cartas. Determine cual es la probabilidad que
una mano inicial de cinco cartas contenga:

(a) Poker (4 cartas del mismo n


umero)
(b) Escala (5 cartas en secuencia numerica donde no todas son de la misma pinta, Nota: las escalas solo pueden partir
o terminar en as)
(c) Full House (tres cartas de un mismo n
umero y otras dos de un n
umero distinto)

Soluci
on:

(a) Tenemos un total de 13 posibles pokers y de las cartas restantes de los set de 4 podemos tener cualquiera de las 48
restantes para combinarlas, por lo que la probabilidad pedida es:
13 48 13 48 13 48 47! 5! 1
P= 52
 = 52! = = 0.00004
5 47!5!
52! 49 10 51

(b) Consideramos que hay 10 escalas en total y que debido a que hay 4 pintas distintas distintas tenemos (45 4)
distintas combinaciones para las escalas con las pintas, los 4 restados corresponden a cuando la escala es de la misma
pinta y pasa a llamarse straight flush y no corresponde solamente a straight o escala. Por lo que dividiendo en el
total de formas que podemos elegir las 5 cartas de entre las 52 totales tenemos que la probabilidad pedida es:

10 45 4 10 1020 47! 5! 1020
P= 52
 = = 0.00392
5
52! 8 49 51 13

3
(c) El full house elegimos una carta de entre los 13 tipos y luego 3 de entre las 4 del mismo tipo pero de distintas pintas.
Igualmente con las 12 restantes de las que elegimos una y 2 de entre las distintas pintas as que la probabilidad
pedida viene dada por:

13 4 12 4
   
1 3 3
P= 52
1 2
= 0.00012
5
49 10 51

4
Problema 4

Como es sabido el Metro (y cualquier otro sistema de transporte) esta sujeto a sufrir fallas asociadas a m ultiples razones. Al
analizar las causas, la m
as crtica es la fatiga de material. Las otras causas son muy variadas (desde humanas - negligencias,
hasta externas, por ej: energa, lluvia, sismos, etc). Da a da, el Metro de Santiago efectua pruebas con objeto de detectar
fallas tempranamente y realizar acciones paliativas. As, se ha podido detectar el 90 % de las fallas atribuidas a fatiga de
material y solo el 20 % de las otras. A su vez, no siempre es posible evitar el efecto sobre los pasajeros (desde suspensi on
del servicio, puertas inhabilitadas o retrasos en los tiempos). Afortunadamente, el 80 % de las veces las acciones paliativas
han hecho que las fallas pasen inadvertidas para los usuarios, independiente del tipo de falla. Mientras que al no realizar
actividades paliativas, el 50 % de las veces los pasajeros han sufrido alg un efecto. Si la causa fatiga de material esta en
relaci
on 1:3 respecto a las otras causas, determine, dado que hay una falla, la probabilidad que:

(a) Los usuarios se vean afectados.


(b) Sea por Fatiga de material, puesto que los usuarios no se ven afectados.

Soluci
on:

Definamos los siguientes eventos:

A: Falla por fatiga de materla

B: Falla detectada
C: Usuarios sufren efectos por falla

Del enunciado se tiene que


= 0.75
P(A) = 0.25 P(A)

P(B|A) = 0.90 P(B|A) = 0.10
= 0.20 P(B|
P(B|A) A)
= 0.80
B) = 0.80
P(C|A B) = 0.20 P(C|A
= 0.50 P(C|A
P(C|A B) B) = 0.50

P(C|A B) = 0.20 P(C|A B) = 0.80
P(C|A B)
= 0.50 P(C|
A B)
= 0.50

(a) Por teorema de probabilidades totales, se tiene que

P(C) = P(A B C) + P(A B C) + P(A B C) + P(A B


C)
= P(C|A B) P(B|A) P(A) + P(C|A B) P(B|A)
P(A) + P(C|A B) P(B|A)
P(A)

+ P(C|A B)
P(B|
A)
P(A)

= 0.20 0.90 0.25 + 0.50 0.10 0.25 + 0.20 0.20 0.75 + 0.50 0.80 0.75
= 0.3875

(b) Se pide

5
P(A C)
=
P(A|C) (Probabilidad condicional)

P(C)
P(A C )
= (Por ley del complemento)
1 P(C)
P(A C [B B])
=
1 P(C)
P([A C B] [A C B])
= (por ley distributiva)
1 P(C)
P(A C B) + P(A C B)

= (Axioma 3)
1 P(C)

P(C|A B) P(B|A) P(A) + P(C|A B)
P(B|A)
P(A)
=
1 P(C)
0.80 0.90 0.25 + 0.50 0.10 0.25
1 0.3875
= 0.3142857