PARTE SEGUNDA MAGNITUDES ALEATORIAS CAPITULO CUARTO Magnitudes aleatorias : discretas § 1. Ley de distribucién de las probabilidades de una magnitud aleatoria discreta. Leyes binomial y de Poisson Se llama discreta (discontinua) la magi itud alcatoria, cuyos valores posibles son algunos udimeros aislados (es decir, entre dos valores posi- bles contiguos no hay valores posibles) que esta magnitud adquiere con probabilidades determinadas. En utras palabras, los valores posi- bles de una magnitud aleatoria discreta se pueden numerar. El nimero de valores posibles de una magnilud aleatoria discontinua puede ser finito o infinito (en el filtimo caso, el conjunto de todos fos valores posibles se Hama de calcul). Se llama fey de distribuctén (serie de distribucién) de una magnitud aleatoria discreta la enumeracién de sus valores posibles y las proba- pilidades correspondientes. La ley de distribucion de una magnitud aleatoria discreta X puede ser prefijada en forma de tabla, cuya pri- mera linea contienc los valores posibles de xj, y !a segunda, las pro- babilidades p;: X M4 Xp vee Mn PoP, Dawe Ba n donde >} yal. = La ley de distribucién de la magnitud aleatoria discreta X tam- bién puede ser prefijada analHicamente (como formula): P(X = x)= 9 () o bien mediante una funcién integral (cap. VI, § 1). La ley de distribucion de la magnitud alcatoria discreta X se puede representar grdficamente, pata que en el sistema de cuordenadas cartesianas se marcan los puntos M, {x py), Ma hee Bales ones «ss Ma Uns, Pr) (4; son los valores posibles de X; pj, las correspon- dientes probabilidades) que se unen por segmentos de rectas. La figura obtenida se Slama poligono de distribucidn. 7Se llama binomial la ley de distribucién de una magnitud aleatoria discreta X, o sea, del nimneto de apariciones de un suceso cnn pruebas independientes, en cada usa de las cuales la probabilidad de que ocurra el suceso es igual a p; la probabilidad det valor posible de X = & (el nitmero & es e! de apari¢iones del suceso) s¢ caleula por la formula de Bernoulli: P, (Ry =ek phgn—*. Si el utimero de prueba es muy grande, y la probabilidad de que aparezca cl suceso, pen cada prucha es neuy pequefia, se utiliza la formula apcoximada -4 ko? donde & es el ndmera de aparigiones del suceso enn pruchas indepeti- dientes, 2 == ap (promedio de apariciones del suceso en a pruebas) y se dite que, la magnilad alealoria estd distribuida por fa ley de Poisson. 164. La magnitud aleatoria diserela X esta prefijada por la fey (serie) de distribucién: xX 1 3 6 8 7 0.2 02 04 63, ’(h= Construir el poligono de distribucién. SOLUCION. Trazanios el sistema de coordenadas rectangula- tes asimismo, por cl eje de abscisas llevaremos los valores Fig. 5 posibles de x;, y por el eje de ordenadas Jas respectivas pro- babilidades p;. Marcamos los puntos M, (i; 0,2), Ms (3; 0,1), Ms; (6; 0,4) y Ms, (8; 0,3). Uniendo estos puntos mediante segmentos de rectas, obtenemos el poligono de distribucién buscado (fig. 5). 78165. Una magnitud aleatoria discreta X esti dada por ta ley de distribucién: a) X 2 4 5 6 P 0,8 0,1 0,2 0,4; b) X 10 15 20 P Ol 0,7 0,2. Construir el poligono de distribucion. 166. Un dispositive esta compuesto de ires elemcrilos que trabajan independientemente. La probabilidad de fallo de cada elemento en una prueba es igual a 0,t. Formar la ley de distribucién del udimero de elementos que fallan en una prueba. so.ucion. La magnitud aleatoria discrela X (niimero de elementos que fallan en un experimento) tiene los siguientes valores posibles; x, = 0 (ninguno de los elementos del dispositivo fallé), Xx, = 1 (fall6 un sdio elemento), x, == 2 (fallaron dos elementos) y x, = 3 (fallaron los tres elementos). Puesto que los fallos de los elementos son independientes entre si, las probabilidades de fallo de cada elemento son iguales entre si, es aplicable la formula de Bernoulli. Teniendo en cuenta que por los datos x = 3; p = 9,1 (por lo tanto, q=1—0,! — 0,9), obtenemos: P,Q) = F = 0,9% = 0,729; P3(1) = Chpg* = 3-0,1-0,9? = 0,243; P2(2) = C2 ptg = 3-0,12-0,9 = 0,027; P, (3) = p* = 0,1° = 0,001. VERIPICACION: 0,729 + 0,243 + 0,027 + 0,001 = 1. Escribimos fa ley de distribucién binomial buseada de X: xX 0 1 2 3 p 0,729 0,243 0,027 0,001. 167. En la partida de piezas ei 10% son no esldndares. Se escogen al azar 4 piezas. Eseribir la ley de distribucidn binc- mial de la magnitud aleatoria disereta X, 0 sea, cl niimero de piezas no estandares entre las cuatro escogidas y construir el poligono de la distribucién obtenida Respuesta xX 0 I 2 3 4 p 0.6561 0,2916 0,0486 06,0036 4,0001, 79168. Escribir la ley de distribucién binomial de una magni- tud aleatoria discrela X, es decir, del niimero de apariciones de la cruz al arrojar dos veces una moneda. Respuesta xO Tb 2 fa ods 42 9 169. Se tiran simultaneamente 2 veces dos dados. Escribir la ley binomial de distribucién de la magnitud aleatoria dis- creta X, o sea, dc la cantidad de cafdas de un nimero par de puntos en los dos dados. Respuesta xo 1 2 9 6 1 ? oe Te Te" 170. En una partida de 10 piezas hay 8 estandares. Se tomar al azar 2 piczas. Formar la ley de distribucién del niime- ro de piezas estandares entre las escogidas, sotccion. La magnitud aleatoria X, es, decir, el ni&imero de piezas estandares entre las dos escogidas tiene los siguientes valores posibles: x, = 0; x2 = 1; x, = 2 Hallamos las probabilidades de los valores posibles de X, Utilizando la formula (problema 17, cap. |, § I} ie one Cy ote n P(X--B= (Nes ef nd mero de piezas dela partida, nes el ndmero de piezas estandares en la parlida, m2 es el niimero de piezas escogidas, f£ es el numero de piezas estandares entre las escogidas), obte- nemos: 8)Formemos !a ley de distribucién buscadu: x Oo 1 2 1 16 j28 ° 45% a" siguaraertin. fh 16, 28 Verificacion: gtatg=! 171. En una partida de seis piezas hay 4 estandares. Se toman al azar 3 piezas. Formar }a ley de distribucién de la magnitud aleatoria discreta X, o sea, del nimero de piezas estandares entre Jas escogidas. Respuesta xO 1 2 8 1 3 1 Oe oe ee 172, Ei examinador da al estudiante preguntas suplemen- tarias. La probabilidad de que ei estudiante responda a cual- quier pregunta dada, es igual a 0,9. El profesor interrumpe el examen apenas el estudiante manifiesta el desconocimiento de la pregunta hecha. Se requiere: a) formar la ley de distri- bucién de la magnitud aleatoria discreta X, es decir, del nu- mero de preguntas suplementarias que da et profesor al estudiante; b) hallar el niimero mas probable ky de preguntas suplementarias hechas ai estudiante. soLucion. a) La magnitud aleatoria discreta X, 0 sea, el niimero de preguntas adicionales tiene los siguientes valores posibles: x, = |, x, = 2, x, =3,...,%,= 2... Hallamos las probabitidades de estos valores posibles. La magnitud X toma el valor posible x, == 1 {el examina- dor da solamente una pregunta), si el estudiante no responde a ja primera pregunta, La probabilidad de esta valor posible es igual a 1 — 0,9 = 0,1. Por consiguiente, P (X = I) = 0,1. La magnitud X toma el valor posible x, = 2 (el examina- dor da solamente 2 preguntas), si el estudiante responde a ja primera pregunta (la probabilidad de este suceso es igual a 0,9) y no contesta a la segunda (la probabilidad de esle suceso es igual a 0,1). De este modo, P (X = 2) = 0,9-0,1 = 0,09. Andlogamente hallamos P(X = 3) = 0,9-0,9-0,1 = 0,081, ..., P(X =h)=0,08"'.0, 1, ... 60540 81Eseribimos la ley de distribucién buscada xt z a . k p U1 U9 GARE... ORO! b) El niimero inas probable &, de preguntas dadas (el valor inas probable de X), es decir, el numero de pregunias dadas por el profesor que tierie la inayor probabilidad, como se aprecia de la ley de distribucién, es igual a la unidad. 173. La probabilidad de que un tirador haga blanco en un sélo disparo es igual a 0,8. Al tirador se le entregan cartuchos hasta tanto no yerre el tiro. Se requiere: a) formar la ley de distribucién de la magnitud aleatoria discreta X, es decir, el ndmero de cartuchos entregados al tirador; b) hallar el nimero mas probable &) de cartuchos dados al tirador. Respuesta a)X | 2 3 ave & ane p 0,2 0,16 0,128 ... O,8R-0,2 ... b) ky = L. 174. De dos caiiones se tira al blanco alternativamente has- ta el primer impacto por uno de los cafiones. La probabilidad de impacto en el bianco por el primer cafién es igual a 0,3, y por el segundo, 0,7. Primero comienza a tirar el primer cafién. Formar las leyes de distribucion de las magnitudes aleatorias discretas X e Y, 0 sea, el ntimero de proyectiles utilizados respectivamente por los cafiones primero y segundo. Respuesta xX il 2 a Ke Kk a p 0,3 0,7:0,3% 0,77-0,87 ... 0,78-*0,5% iE 1 2 3 — k p 0,7? 0,3-0,7 0,37-0,79 2.2. 0,g8-2-0,788 175. Dos boinbarderos lanzan alternativamente bombas al blanco hasta el primer impacto. La probabilidad de impacto en el blanco por el primer bombardero es igual a 0,7, y la det segundo, 0,8. La primera bomba Ja lanza el primer bombarde- ro. Formar los primeros cuatro términos de ja ley de distri- bucién de la magnitud aleatoria discreta X, es decir, del né- mero de bombas lanzadas por ambos bombarderos (0 sea, se limita a los valores posibles de X, iguales a 1, 2, 3 y 4). Respuesta xd 2 4 p 0,7 0,3-0,8 0,3-0,2-0,7 0,2+0,3%-0,8, 82176. Un manual se edita con un tiraje de LUU 000 ejempla- res. La probabilidad de que un manual este gncuadernado en tela incorrectameite es igual a 0,000, Hallar la probabilidad de que el tiraje contenga exactamente 5 libros defectuosos. seuucion Por los datos del problema n -- 100000, p = +=0,0001, &=5. Puesto que los sucesos consistentes en que los libros estan encuadernados incorrectainenie son inde- pendientes, el niimero # es muy grande, y la probabilidad p es pequefa, utilizamos la distribucidn de Poisson Be a” Hallamos 4: 4 = np = 100 000-0,0001 — 10 La probabilidad buscada aproximadamente es igual a 103-e-10 105-0,000045 | P i99 eo0 = R= gg 00878. Palky= 177. Un dispositive esta compuesto de 1000 elementos que trabajan independientemente uno del otro. La probabilidad de fallo de cualquier elemento durante el tiempo T ¢s iguat a 0,002. Hallar la probabilidad de que durante el tiempo T fallen exactamente 3 elementos. opsERVACION Admitase e? = 0.13534, Respuesta Pyogg (3) = 0,18 178. Una maquina automatica estampa piezas. La probabi- lidad de que ia pieza elaborada resulie defectuosa es igual a 0,01. Haltar la probabilidad de que entre 200 piezas resulten exactamente 4 defectuosas. Respuesta Poo (4) = 0,09 179. Una fabrica envia al depésito 500 articulos. La pro- babilidad de deterioro de un articulo en el camino es igual a 0,002. Hallar la probabilidad de que en el camino se deterio- ten: a) exactamente 3 articulos, b) menos de tres, ¢) mas de tres, d) por lo menos un articulo. soLucion, Puesto que el niimero n — 500 es muy grande la probabilidad p = 0,002 es pequefia y los sucesos considera dos son independientes, es aplicable ja férmula de Poisson Roh Pate) = 4S Rl 6 83a) Hallamos 4 4, —— np = 500-0,002 = 1. Hatlamos la probabilidad de que se deterioren exacta mente 3 (k = 3) articulos: 0, 86788 Pry (8) = Sp = — 09,0618. b) Hallamos la probabilidad de que se deterioren menos de tres articulos: Proo (0) + Psion fl) Prog (2) =e et + -= 5.0,36788 = 0,9197. c) Hallamos la probabilidad P de que se deterioren mas de tres articulos, Los sucesos «se deterioraron mas de tres arti- culos» y «se deterioraron no mas de tres articulos» (designemos la probabilidad de este suceso por Q) son opuestos, por eso, P+Q=1. De donde P=1—Q= 1—[Ps00 0) + Pron (1) + Pon (2) + Poo (3)1- Utilizando los resultados obtenidos antes, tendremos P.. 1—|0,9197 + 6,0613] = 0,019. d) Hallamos la probabilidad P, de que se deteriore por lo menos un articulo, Los sucesos «se deteriord por lo menos un articulo» y «ninguno de los articulos no se deterioré» (designe- mos la probabilidad de este suceso por Q,) son opuestos, por lo cual Py -+ Q = 1. De aqui, la probabilidad buscada de que se deteriore aunque sea un articulo, es igual a Py= 1—Qi~: 1 Pog (0) = 1 —e74 = 1 — 0,36788 = 0,632. 180. Un almacen recibié 1000 botellas de agua mineral. La probabilidad de que al transportar las botellas resulte una rota es igual a 0,003. Hallar la probabilidad de que el alma- cen reciba rotas: a) exactamente dos botelfas, b) menos de dos, c) mas de dos, d) por lo menos una. a4OBSERVACION. Tomese e-* = 0,04979. Respuesta a) Poo (2) = 0,224; b) Peoon (0) + Prono (1) = 0.1992; ¢) Pinoo (2 D> 2) = 0,5768; d) P= 1 — Pygog (0) = 0.95. 181. Un dispositive esta compuesto de un gran nimero de elementos que trabajan independientemente con igual pro- babilidad (may pequeria) de fallo de cada elemento durante el tiempo 7. Hallar el promedio de elementos que fallan en el tiempo 7, si la probabilidad de que en ese tiempo falle por lo menos un elemento es igual a 0,98 sotucion. De los datos del problema se deduce que (el ni- mero de elementos es muy grande, los elementos trabajan inde- pendientemente, la probabilidad de fallo de cada elemento es pequefia) el nimero de fallos esta distribuido por la ley de Poisson; asimismo se necesita hallar el parametro 4 (prome- dio de fallos). La probabilidad de que falle por lo menos un elemento, por los datos es igual a 0,98, en consecuencia (problema 179, d), 1—e-4=0,98 De donde em = | — 0,98 = 0,02 Por la tabla de la funcidén e~* hallamos que 4 — 3,9. Asi pues, en el tiempo T de trabajo del dispositive fallan aproximada- mente 4 elementos. 182. Hallar el promedio & de articulos defectuosos en una partida de} mercancias, si la probabilidad de que en esta partida haya por lo menos un articulo defectuoso, es igual a 0,95. Se supone que el namero de articulos defectuosos en la partida examinada esta distribuido por la iey de Poisson opservaclon. Témese e* = 0,05. Respuesta 4 = 3. 183. Demostrar que la suma de las probabilidades del ntimero de apariciones de un suceso en pruebas independientes, calculadas por ta ley de Poisson, es igual a la unidad. Se supo- ne que los experimentos se realizan infinidad de veces. 8sotucion. En virtud de la ley de Poisson phe ® el Py (k= Utilizamos la descomposicién de la funcién e* en Ja serie de Mactlaurin: Fly, Sabemos que esta serie cottverge para cualquier valor de x, por eso, poniendo x = %, obtenemos Hallamos la suma buscada de las prohabilidades 3S) P,, (k), ft hs teniendo en cuenta que e* no depende de &, vy, por lo tanto, puede sacarse fuera del signo de sumatoria: nota El problema queda demostrado inmediatamente gracias a que ta suma de las probabilidades de Jos sucesos que forman un grupo completo es igual a la unidad. La demostra- cidn expuesta tiene un fin instructivo. § 2. Flujo elemental de sucesos Se Hama flujo de sucesos la sucesion de sucesos que ocurren en instanies aleatorios de tiempo. El flujo de sucesos que pusee las tres propiedades siguientes: calidad de estacionario, causencia de efecto posterior» v caracter de ordinario se Ilama simple o elemental (de Poisson). La propiedad de cabdad de estacjonario consiste en que la pro- babilidad de» que ecurran & sucesos en cada intervalo de tiempo depende solamente del uumero & y de la duracion ¢ del intervalo de tiempo y no dependy det comienza de su cuenta. En otras palabras, la probabilidad de aparici de & sucesos en un intervalo de tiempo de duracidn f es una funewm depundiente sélo de & y de f. La propiedad de sausentia de efecto posteriors se ¢aratteriza por la probabilidad de que ceurran & suceses en cualquier iutervalo de tiempo no depends de que hayan ocurride o no los sucesos en los instantes de liemipo que precedia al vonsienzs del intervalo considerado. En otras palabras, la pechistaria del flujo na influye en la probabilidad de que Jos sucesos neursan el) un future proximo, RALa propiedad de ordinario se caracteriza pot lo que la aparicion de dos o mas sucesos en un interyalo dc trempo pequefin practicamente cs imposible. En otras palabras, la prohabilidadde que ocurra mas de un suceso en un pequefio intervalo de tiemppc es despreciable en comparacién con la probabilidad de que ccurta solamente un suceso. El promedio de sucesos que ocurren en la unidad de tiempo se llarna intensidad del flujo i. Si la intensidad constante del {[luju 4 es comocida, la probabilidad de que ocurran & sucesos de un flujo elemental ets ul tiempo f se deter- mina por la farmula de Poissou ay P= nora. El flujo que posee la propiedad de caracter de estacionarin se lama estacionario: en caso contrario, no estacionario. 184. Demostrar que la formula de Poisson que determina la probabilidad de aparicién de & sucesos en el tiempo de du- racion ¢ hogwht P, (= (8 se puede considerar como el modelo matematico de un flujo elemental de sucesos; en otras palabras, demostrar que la férmula de Poisson refleja todas las propiedades de un flujo elemental. so.ucion. De" la férmula (*) se aparecia que la probabili- dad de aparicion de & sucesos en el tiempo ¢, para una intensi- dad dada 4, es funcién sélo de & y 4, fo que refleja ia propiedad de caracter de estacionario del flujo elemental. La formula (*) no utiliza la informacion sobre la aparicién de los sucesos hasta el comienzo del intervalo de tiempo con- siderado, lo que refleja la propiedad de ausencia de efecto posterior. Demostremos que la formula examinada refleja la pro- piedad de caracter ordinario. Poniendo k=0 y k= 1, hallamos respectivamente las probabilidades de que no ocu- rran los sucesos y de que ocurra un solo suceso: P,(O)= 0-4, Py (1) = Ater?*, Por lo tanto, !a probabilidad de que ocurra mas de un suceso es Py (A> 1)=- 1—1P2 (0) + Pi (H]-= b— fore pao, Utilizando la descomposicién de la funcién e™ en !a serie de Maclaurin, después de transformaciones elementales, obte- 87negios P(e>na=Bey.... Comparando P, (1) y P; (2 > 1), deducimos que para pe- quefios valores de ¢ la probabilidad de que ocurra mas de un suceso es despreciable en comparacién con la probabilidad de que ocurra un suceso, io que caracteriza la propiedad de ordinario. De esta manera, la férmula de Poisson refleja las tres pro- piedades de un fiujo elemental, por eso se la puede considerar como modelo matematico de este flujo. 185. El promedio de pedidos de taxi, hechos al centro de despacho en un minuto es exactamente de tres. Hallar la probabilidad de que en 2 minutos se hagan: a) 4 pedidos, b) menos de 4 pedidos, c) no menos de cuatro pedidos. so.ucion Por los datos: 4 = 3, f=2 y k= 2. Utilizamos la formula de Poisson _ (yee Pr(ky= a a) La probabilidad buscada de que en 2 minutos se hagan 4 \lamadas es G4eB _ 1296-0,0025 __ 4 14 P2 he =a 0,135. b) El suceso «se hicieron menos de 4 Ilamadas (pedidos)» acurrira si se produce uno de les siguientes sucesos mutuamente excluyentes: 1) se hicieron 3 tlamadas, 2) se hicieron 2 Ila- madas, 3) se hizo una llamada, 4} no se hizo ninguna jlamada. Puesto que estos sucesos se excluyen mutuamente, es aplicable el teoreina de la adicién de probabilidades de sucesos mutua- mente excluyentes: Po (R<4) = Py (3) + Pe (2) + Pe (1) + Pe (0) = be8 | Bek | Be “oF et a ee —e" (86-4 184-64 1)= 0,0025-6] = 0,1525 d) Los sucesos «se hicieron menos de cuatro Hamadas» y «se lucieron no nienos de cuatro Ilamadas» son opuestos, por eso la probabitidad hiscada de que en 2 minutos se hicieron no 88menos de cuatro llamadas es Py (k= 4) = 1— P(& <4) = 1 — 01595 — 0,8475. 186. El promedio de llamadas recibidas por una CTA en un minuto es igual a 2. Hallar la probabilidad de que en 4 minutos se reciban: a) 3 llamadas, b}) menos de 3 Ilamadas, c) no menos de tres llamadas. E) flujo de llamadas se supone elemental. Respuesta a) P, (2) = 0,256; b) P, (k < 3) = 0,0123; c) Pa (k = 3) = 0,9877. 187, Demostrar que para un flujo estacionario elemental de sucesos 5 a koh Im Fae ~ | OpsERVACION. 1, Apliquese el teorema de la adicién de probabilidades de sucesos opuestos: P; (k = 0) |. Pi(k > I)= =1. 2. Al buscar el limite desconocido apliquese la regia de L'Hospital. § 3. Caracteristicas numéricas de magnitudes aleatorias discretas Como caracterislica del valor medio de une magnitud aleatoria sirve la esperanza matematica. Se Nama esperanza matemdtica de una magnitudl aleatoria discreta X la suma de fos preductos de tados sus valcres postbles por sus pro babilidades- M (X) == yp, -+ eepa tt - + AnPn Si la magnitud alcatoria toma un conjunte contado de valores pusi- bles, eritonces oa M(iX)= XiPis ademas se supone que la serie del segundo tuicmbre de la ignaldad, es abselutamente cunvergente y la suma de tidas las probabilidades 2, es igual a la unidad La esperanza matemAtica posee las siguientes propiedades: 1, La esperanza matematica de una maynilud constante es igual a la misma conslante Mic) -— © 2. La esperanza matematica de la suima de maguilydes aleatorias es igual a Ja suma de las esperanzas matematicas de tos sumandas M(Xi+ Nat 7A X= MIMI MX Ft + MIX, 1 Kg3. La esperanza matematica del producto de magnitudes aleatorias mutuamente indeperdientes es igual al producto de las esperanzas matematicas de los factores: M (XX Ky) = M (XM (Xa)s ME (Xp La esperanza matematica de una distribucién binomial es igual al producto de! numero de pruebas respecto de la probabilidad de apa- ricién del suceso cn una prueba: M {X) = np. Como caracteristicas de la dispersién de los valores posibles de una magnitud aleatersa alrededor de la esperanza matematica sirven, en particular, la dispersian y la desviaciém cuadrdtica media. Se llama dispersién de una magnitud aleatoria X Ja esperanza matematica del cuadrada de la desviacian: DOO= MIX — M OOF La dispersién conyiere calcularla por la férmula D(X) = M (X*) — LM (XyP. La dispersién posce las sigurentes propiedades 1) La dispersién de una constante es ignal a cero D(C) = 0. 2} Un factur cunstante se puede sacar fuera del signo de disper- sion, elevandolo al cuadrado: D (CX) = CD (X). 3) La dispersidii de Ja summa de magnitudes aleatorias independien- tes es igual a la suma de Jas dispersiones de los sumandos: D(Ky+ Xat ot Xn) = D(X) + D (Xa) +o + DO (Xp) La dispersidn de una distribucién binomial es igual al producto dei niimero de prucbas por Jas probabilidades de aparicién y no apari-~ cin del suceso en una tentativa D(X) = npq. Se llama desvtacton cuadrdtica media de una magnitud afeateria la taiz cuadrada de Ja dispersion: o(X)= VD R)- #88. Hallar la esperanza matematica de la magnitud alea- toria discreta X dada por la ley de distribucién: a)X —4 6 10 Pp G2 Ys OS by X 0,21 0,54 0,61 p 0) 0,5 04 SOLUCION, a) La esperanza matematica es igual a ia suma de los productos de todos los valores posibles de X por sus onprobabilidades: M (X) — —4-0,2 4 6-0.3 - 19-1, = 6. Respuesta b) M (X} = 0,535 189. Hallar la esperanza matematica de la magnitud alea- toria Z, conocidas las esperanzas matematicas de X e Y a)Z=X+2¥, M(X)=5, MY =3, b) Z7=3X | 4¥, M(Xp=2, M(M=6. sotucion, a) Aplicando las propiedades de la esperanza matematica (la esperanza matematica de una summa es igual a la suma de las esperanzas matematicas de los sumandos; el factor constante se puede sacar fuera del signo de esperanza matematica), oblenemas M (2) = M(X | 2¥) = M (X) 4- M BY) - = M{(X) -2M(¥) =54 2-3= 11 Respuesta b) M (Z) = 30. 190. Aplicando las propiedades de la esperanza matematica demostrar que: a) M (X — Y) — M (X) — M (Y), b) fa es- peranza matematica de la desviacién X — M (X) es igual a cero, 191. La magnitud aleatoria discreta X toma tres valores posibles: x, = 4 con probabilidad py = 0,5, +. = 6 con pro- babilidad p. = 0,3 y x, con probabilidad p,. Hallar x, y p.. sabiendo que Af (X) = 8 Respuesta x, - 21: py == 0,2 192. Se da la lista de los valores posibies de la magnitud aleatoria discrela X- 4 ——l x, - 0, ry 1, asi como se dan las esperanzas matemalicas de esta magnitud y sui cuadrade: MX) = 0,1, M(X*)— 09. Hallar las probabilidades p,, ps, ps, Tespectivamente de los valores posibles de a4, %4 y *3- so.ucton Aprovechando de que Ja suma de las probabili- dades de todos los valores posibles de X es igual a la unidad, asi como teniendo en cuenta que M (X) -= 0,1, M (X*¥) — 09, otformamos el siguiente sistema de tres ecuaciones lineales con respecto a las probabilidades desconocidas: Pit Po t+ Pa = 1, (~ TN) py + O-p, + 1+p, = 0,1, (-i)? py + Ope + [+p = 0,9. Resolviendo este sistema hallamos las probabilidades: Pre 4, po = 0,1, pa = 0,5 193. Se da la lista de los valores posibles de ia magnitud aleatoria discrela X: SS 1 Up yess asimismo se dan las esperanzas matematicas de esta magnitud y si cuadrado- M (X) = 2,3, Mt (X%) = 5,9. {Wallar las probabilidades, correspondientes a los valores posibles de X Respuesta py» 0,2; py = 0,3; py = 0,5. 194. En una partida de 10 piezas hay 3 no estandares. Se escogen al azar 2 piezas. Hallar la esperanza matematica de Ja magnitud aleatoria discreta X, es decir, el niimerode piezas no estandar entre las dos escogidas. ORseRVAcION Vialgase del problema 17, cap. 1, § I. Respuesta M(X)= 195. a) Demostrar que la esperanza imatematica del nime- ro de apariciones del suceso A en una prueba es igual a la probabilidad p de aparicién del suceso A. ORSERVACION, J.a magnitud aleatoria discreta X, o sea, el nimero de apariciones del suceso en una prueba tiene sola- mente dos valores posibles: x, = 1 (el suceso A ocurrid) y x, == 0 (el suceso A fio ocurrid}. b) Deimostrar que la esperanza matematica de la magnitud aleatoria discreta X, es decir, def n&imero de apariciones del suceso A en rt pruebas independientes, en cada una de las cua- Jes la probabilidad de que aparezea el suceso es igual a p, 2es igual al producto del ndimero cle pruebas por la probabilidad de aparicion del suceso en una prueba, o sea, demostrar que ja esperanza matemdatica de la cistribucién binomial M {X) — = 1p. 196. Hallar la esperanza matematica de la magnitud alea- toria discreta X, es decir, del niimero de tales tiradas de cinco dados, en cada una de las cuales en dos dados aparezca un punto, si el niimero total de liradas es de veinie. so.ucion. Utilizamos fa formula M (X) = #P, donde # es el nimero total de pruebas (tiradas de cinco dades}; X es el ntimero de apariciones del suceso que nos inte- resa (de cinco dados en dos aparece un punto) en # pruebas; P es la probabiltidad de aparicion del suceso considera- do en una prueba. Por los datos a = 20. Hay que hallar P, es decir, la proba- bilidad de que en las caras de dos, de los cinco dados, aparezea un punto. Esta probabilidad la calculamos por la iérmula de Bernoulli, tomando en consideracién que la probabilidad de er = i aparicién de un punto en la cara de un dado es iguala p = =, y, por lo tanto, la probabilidad de no aparicién es g = ib 5 elf adh, tl 6 b'* . P=P,() =Ci(4)"(4 a 5-4-5 ot Tre "5er: La esperanza matematica buscada es igual a M(X) =nP— 20-2. ~ 3. 354 197, Un dispositivo esta compuesto de 2 elementos. La probabilidad de que falle cualquier elemento durante la prueba es igual a p. Hallar la esperanza matematica del niime- ro de tales experimentos, en cada uno de los cuales fallan exactamente m elementos, si en total se han realizado N pruebas. Se supone que las pruebas sen independientes entre si sorucion. Designemos por X el niimero de pruebas, er las que fallan exactamente m elementos. Puesto que tas pruebas son independientes y las probabilidades del sucesc 92que nos inleresa (en una prueba fallan exactamente 7 ele- mentos) en estos eaperimentos son idénticas, es aplicable la lormula M (X) = NP, (*) donde A es el suwero total de pruebas; P es ja probabilidad de que en una prueba fallen exaciamente m elementos. Hallamos la probabilidad P mediante la formula de Bernoulli Pot", (++) Sustituyende ta (**) en {*), obtenemos la esperanza mate- imatica buscada MEX) = NCEP”. 198. Se tiran 2 dados. Hallar la esperanza matematica del numero de tales tiradas, en cada una de las cuales caen exacta- mente m de seis, s1 el ntimero total de tiradas es igual a N. Respuesta M(Xj~ NCH ()" (gy: 199. Se tiran n dados. Hallar la esperanza matematica de ia suma del ntiimero de puntos que caen en todas las caras. so.ucion. Designemos por X la suma del na&imero de pun- Les que caen en todas las caras, por b= 12) soagt)y el ndmero de puntos que cae en la cara del i-simo dado. Entorices, es evidente que Xa Xt Xa t+--. + Xu Por lo tanto, M(X) = M (Ay le Xp ee An) = = MIX) + MUX) $e $M OG) CY Indudablemente, todas las magnitudes X, tienen igual distribucién, y, por consiguiente, idénticas caracteristicas numéricas y, en particular, iguales esperanzas matematicas, es decir, MiAy = M (Xp =... = MX). En virtud de la (*) obtenemos M (X) = nM (X). (**) “4De este modo, es suficiente calcular la esperanza matema- tica de la magnitud X,, o sea, la esperanza malematica del nimero de puntos que pueden aparceer en el «primers dado. Para ello escribimos la ley de distribucion de X, Yq 2 38 4 5 4 Lol Hallamos M (X,): 1 i 1 pd MX )= PVE Seep deetSek | Ok ! rol -2 Poniendo (***) en (**), finalmente obtenemos M(x) 200. La seccién de control técnico verifica el estandar de los articulos. La probabilidad de que un articulo sea estandar es igual a 0,9. En cada partida hay 5 articulos. Hallar la espe- tanza matematica de la magnitud aleatoria discreta X, es decir, del nimero de partidas, en cada una de las cuales resulten exactamente 4 articuios estandares; si se verifican 50 partidas. Respuesta M(X) -~ 50+Ci+0,99-0,1 ~ 16. 201. Demostrar que: 1) M (¥) = aM (X) 4-6, si Y= = aX +b; 2) M(¥)= DaM(X)+8, si ¥— Ma tX)+b wl 202, Demostrar que la esperanza matematica de la magni- tud aleatoria discreta X, 0 sea, las probabilidades de los suce- sos mutuamente excluyentes A,, As, .- , 4, que forman un grupo completo, tiene un valor minimo, si las probabil idades de todos los sucesos son idénticas. sotucion. Los valores posibles de Ja inaguitud X segtin los datos son iguales a las probabilidades p; de los sucesos Aj} ia probabilidad del valor posible p;, evideritemente, también es igual a p;. Por consiguiente, X tiene la siguiente distri- bucién: X py Po vee ty P Ps Pa oe Po 95Hallamos !a esperanza matematica de X: M(X) =p +Pit+ --- + pn ) Puesto que los sucesos examinados forman un grupo completo, entonces Pr -l Pe +e +s +P = 1. Del calculo diferencial se sabe que si la suma de variables independientes es constante, la suma de los cuadrados de estas variables tiene un valor minimo en el caso de igualdad de las variables. En nuestro caso esto significa que: ta suma (*), es decir, la esperanza matematica M (X), tiene un valor minimo, si las probabilidades de todos los sucesos que forman un grupo completo, son iguales entre si, lo que se queria demostrar. 203. Demostrar que la esperanza matematica de una magnitud aleatoria discreta esta comprendida entre sus valo- tes posibles minimo y taximo. sotucion. Supongamos que X es la magnitud aleatoria discreta prefijada por ta ley de distribucién: X xy %2 Me POOPY Paves Bn Designemos los valores posibles minimo y maximo de X respectivamente por m y M. Entonces M (X) = py + t—Pe tes + Pn SG < Mp, + Mp, +. -- + Mp = = M (py + Ps t+ + Pn) = M- Asi pues, M(X) m. (**) Uniendo (*) y (**), finalmente obtenemos m} Me =e, finalmente mao M+ obtenemos M{(X)=heeh- eh =), De este modo, M (X)=4, es decir, la esperanza matematica de la distribucién de Pois- son es igual al parametro de esta distribucién A. 208. Las magnitudes aleatorias X e Y son independientes. Hallar la dispersién de la magnilud aleatoria Z = 8X +2Y, si se sabe que D (X) = 5, D (Y) = 6. soLucion. Como las magnitudes X e Y son independientes, también son independientes las magniludes 3X y 2Y. Utili- zando las propiedades de la dispersion (la dispersién de la sama de magnitudes aleatorias independientes es igual a ja suma de las dispersiones de los sumandos; el factor constante 7* 99se puede sacar fuera del signo de dispersién, elevandolo al cuadrado}, obtenemos D (Z) =D (8X +2¥) =D (8X) +D (2¥) = = 9D (X) 44D (¥) = 9-5 44-6 = 69. 209. Las magnitudes aleatorias X e Y son independientes. Hallar la dispersion de la magnitud aleatoria Z = 2X +-3Y, si se sabe que D (X) = 4, D(Y) =5. Respuesta D (Z) = 61. 210. Hallar la dispersién y la desviacién cuadratica media de la magniiud aleatoria discreta X dada por la ley distri- bucidn: X-5 2 3 4 p 0,4 0,3 0,1 0,2 sa.ucion. La dispersién se puede calcular partiendo de la definicién de dispersién, empero utilizaremos 1a iérmula D (X) = M (X*) — LM (X)P, que nos conduce mas r4pidamente a nuestro propésito. Hallamos la esperanza matematica de X: M {X) = —5-0,4 +2-0,3 + 3-0,1 +4-0,2 = —0,3. Escribimos la ley de distribucién de X*: X825 4 9 16 p 04 0,3 0,1 0,2 Hallamos ia esperanza matematica de X*: M (X*} = 25-0,4 + 4-0,3 + 9-0,1 + 16-0,2 = 15,3. Hallamos la dispersion buscada: D (X) = M (X7)— [M (X)}? = 15,3 — (0,3)? = 15,21. Encontramos la desviacién cuadrdtica media buscada: o(X)=V D(X) =V 15,21 =3,9 211. Hallar ja dispersién y la desviacion cuadratica media de la magnitud aleatoria discreta X dada por la ley de dis- tribucién: ap X 4,3 p 0,2 it 9,3 0,5; 400