Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Evaluaciones - Resueltas - Estadistica PDF
Evaluaciones - Resueltas - Estadistica PDF
Probabilidad y Estadı́stica
Evaluaciones resueltas
Recopilado por Francisca González López
1. Estadı́stica Descriptiva 2
1.1. Estadı́stica univariada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Estadı́stica bivariada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2. Probabilidades 23
2.1. Probabilidad básica y condicionada. Independencia. . . . . . . . . . . . . . . . . . . 23
2.2. Variables Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3. Esperanza, varianza y funciones de variables aleatorias . . . . . . . . . . . . . . . . 47
2.4. Vectores Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.5. Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3. Inferencia Estadı́stica 80
3.1. Estimación puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2. Estimación intervalar y Pruebas de Hipótesis . . . . . . . . . . . . . . . . . . . . . . 89
3.3. Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
1
Capı́tulo 1
Estadı́stica Descriptiva
Solución:
Ya que los datos están agrupados los cálculos son como sigue:
2
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
La mediana debe ubicarse en la clase 4, 65-85, ya que esta clase es la primera en obtener
una frecuencia relativa acumalada mayor al 50 % (62.5 %) y su valor se calcula:
−
n/2 − NM e
M e = lM e + ·I
nM e
80/2 − 24
= 65 + · 20
26
= 77,3
n · q/100 − Nq−
P25 = lq + ·I
nq
80 · 25/100 − 10
= 45 + · 20
14
= 45 + 14,28
= 59,28
n · q/100 − Nq−
P75 = lq + ·I
nq
80 · 75/100 − 50
= 85 + · 20
14
= 85 + 14,28
= 99,28
c) Calculamos la varianza:
1X
s2 = ni · M Ci2 − x2
n
1
= · (4 · 152 + 6 · 352 + 14 · 552 + 26 · 752 + 14 · 952 + 8 · 1152 + 6 · 1352 + 2 · 1552 ) − 79,52
80
= 7330 − 6320,25
= 1009,75
n · q/100 − Nq−
Pq = 90 = lq + ·I
nq
Probabilidad y Estadı́stica 3
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
80 · q/100 − 50
Pq = 85 + · 20 = 90
14
80 · q/100 − 50 90 − 85
=
14 20
80 · q/100 − 50 = 0,25 · 14
100
q = (3,5 + 50) ·
80
q = 66,87
2. El departamento de personal de una cierta firma realizó un estudio sobre los salarios, en
unidades monetarias(u.m.) de 120 funcionarios del sector administrativo, con los siguientes
resultados :
Solución:
a) Completamos la tabla
Salario / Salario Mı́nimo M Ci ni fi Ni Fi
0-2 1 30 0.25 30 0.25
2-4 3 48 0.40 78 0.65
4-6 5 24 0.20 102 0.85
6-10 8 18 0.15 120 1
Aplicando las fórmulas tenemos que:
k
1X
x= ni · M Ci = 3,65
n i=1
Probabilidad y Estadı́stica 4
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
n − 120
2
− NM e 2
− 30
Me = lMe + I =2+ 2 = 3,25
nM e 48
k
2 1 X
s = · ni · (M Ci − x)2 = 5,12
n i=1
Para la varianza,
k
1X ∗
s2T = ni · (M Ci∗ − X )2
n i=1
k
1X
= ni · (2 · M Ci − 2 · X)2
n i=1
k
1X
= 4 · ni · (M Ci − X)2
n i=1
k
1X
=4· ni · (M Ci − X)2
n i=1
= 4 · s2
Probabilidad y Estadı́stica 5
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) El el punto anterior vimos que si multiplicamos todas las observaciones por una cons-
tante a, entonces, la media aumenta a veces y la varianza de los datos transformados
es σT2 = a2 σ 2 , donde σ 2 es la varianza de los datos originales.
En este caso, lo que hacemos es sumar a todas las observaciones una constante, con esto
media y varianza quedan de la siguiente manera:
k
∗ 1X
x = ni · (M Ci + a)
n i=1
k k
1 X X
= ( ni · M C i + a · ni )
n i=1 i=1
k
1 X a·n
= ( ni · M C i + )
n i=1 n
=x+a
k
1X
s2T = ni · (M Ci + a − (x∗ + a))2
n i=1
k
1X
= ni · (M Ci − x)2
n i=1
= s2
Por lo tanto, si aumentamos en 0.8 u.m. los sueldos, la varianza media aumentará en
(0,8) u.m con respecto al valor original, mientras que la varianza se mantendrá igual a
la de los datos originales.
3. ¿Qué ocurre con la mediana, media y desviación estándar de una secuencia de datos , cuando:
Solución:
i) Supongamos que nuestros datos son x1 , x2 , . . . , xn . Si multiplicamos todos los datos por
2, la nueva secuencia será 2x1 , 2x2 , . . . , 2xn . La mediana será el doble del valor anterior,
y la media:
Probabilidad y Estadı́stica 6
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
n
∗ 1X
x = 2 · xi
n i=1
n
2 X
= · xi
n i=1
n
1X
=2· xi
n i=1
=2·x
n
1X
s2T = (2 · xi + 2 · x)2
n i=1
n
1X
= 4 · (xi − x)2
n i=1
= 4 · s2
Si multiplicamos todas las observaciones por una constante, la media y la mediana au-
mentarán en la misma magnitud de la constante, mientras que la varianza aumentará en
el cuadrado de la constante utilizada.
ii) Si sumamos 10 unidades a cada observación, la nueva secuencia será (x1 + 10), (x2 +
10), . . . , (xn + 10). Al aumentar todos los valores en la misma magnitud, la nueva me-
diana será la mediana anterior más 10 unidades.
n
∗ 1X
x = (xi + 10)
n i=1
n n
1X 1X
= xi + 10
n i=1 n i=1
= x + 10
Probabilidad y Estadı́stica 7
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
La varianza
n
1X
s2T = [(xi + 10) − (x + 10)]2
n i=1
n
1X
= (xi − x)2
n i=1
= s2
por lo que la varianza no cambiará.
Si sumamos igual cantidad a todas las observaciones, las medidas de localización (media,
mediana) se verán alteradas, aumentando en la misma cantidad sumada, mientras que
la dispersión se mantendrá.
4. Demuestre que:
a) El valor que minimiza la función
n
1X
f (a) = (xi − a)2
n i=1
es a = x
b) La varianza s2 satisface:
n
2 1X 2
s = xi − x2
n i=1
Solución:
a) Sea la función:
n
1X
f (a) = (xi − a)2
n i=1
Si minimizamos esta función para a
n
df (a) 1X
= 2(xi − a) · (−1) = 0
da n i=1
X X
(xi ) − a=0
X
xi = n · a
x=a
Para comprobar que es mı́nimo calculamos la segunda derivada:
n
d2 f (a)
d 1X
= 2(xi − a) · (−1)
da2 da n i=1
d 2X 2X
= − xi + a
da n n
=2>0
Probabilidad y Estadı́stica 8
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Probabilidad y Estadı́stica 9
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Corrida X Y
1 1.65 86.1
2 1.65 92.1
3 1.65 64.7
4 1.65 74.7
5 1.65 223.6
6 4.48 202.1
7 4.48 132.9
8 4.48 413.5
9 12.2 231.5
10 12.2 466.7
11 12.2 365.3
12 12.2 493.7
13 33.1 382.3
14 33.1 447.2
15 33.1 563.8
a) Calcule media, mediana, varianza y desviación estándar de Y. ¿Qué puede decir de la
distribución de esta variable?
b) Calcule la correlación entre X e Y. ¿Cuál es el R2 del modelo Y = a + bX?
c) ¿Existe alguna transformación de las variables que aumente el valor de la correlación
antes caculada?
d) Determine cuál es el mejor modelo de regresión lineal utlizando el valor del coeficiente
de determinacion.
Solución:
a) Los valores pedidos son
y = 282,7
M e = 231,5
s2 = 29937,5
s = 173,02
Probabilidad y Estadı́stica 10
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
2. Se ha encuestado a 100 familias en una ciudad sobre su gasto mensual en ocio, Y , y sus
ingresos mensuales, X. En la siguiente tabla se presentan los resultados obtenidos, donde las
variables vienen expresadas en euros:
Y
X 0-100 100-200 200-800
600-1500 13 9 4
1500-2000 9 12 23
2000-5000 6 9 15
Solución:
X Y
M Ci ni M Cj nj
1050 26 50 28
1750 44 150 30
3500 30 500 42
Probabilidad y Estadı́stica 11
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Con esto, aplicando la fórumla para el cálculo de la media para variables agrupadas
queda
1
x= (1050 · 26 + 1750 · 44 + 3500 · 30) = 2093
100
análogamente,
1
y= (50 · 28 + 150 · 30 + 500 · 42) = 269
100
b) Para X:
1
s2x = · (10502 · 26 + 17502 · 44 + 35002 · 30) − 20932 = 928501
100
Para Y :
1
s2y = · (502 · 28 + 1502 · 30 + 5002 · 42) − 2692 = 40089
100
La más homogénea es X, ya que la desviación estándar de Y , el gasto en ocio, es muy
similar a la media, lo que indica una mayor variabilidad.
El 50 % de las familias tiene un gasto mensual en ocio menor o igual a 173.3 euros.
e) Para realizar este cálculo debemos considerar una modificación de la fórmula usual,
ya que no tenemos las observaciones, sino que la información tabulada. Para esto con-
sideremos, cada variable será representada por su marca de clase, y cada una de las
combinaciones de éstas (3 clases de X y 3 clases de Y , 9 en total) está repetida nij
veces, con i,j=1,2,3. Entonces, la fórmula de covarianza queda
Probabilidad y Estadı́stica 12
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
1X
Cov(X, Y ) = xi y i − x · y
n
1X
= nij · M Cxi · M Cyj − x · y
n
1
= · (13 · 1050 · 50 + 9 · 1050 · 150 + . . . + 9 · 3500 · 150 + 15 · 3500 · 500)
100
− 2093 · 269
= 602875 − 563017
= 39858
Ya que esta cantidad es positiva, sugiere que las variables se relaicionan de manera
directa, es decir, en la medida que una crece, la otra también lo harı́a.
f) Para el cálculo de este coeficiente, utilizamos los valores antes obtenidos y reemplazamos
Cov(X, Y ) 39858
ρ= p 2 2 = √ = 0,2065
sx · sy 928501 · 40089
Es concordante ya que es positivo, pero es un valor bajo como para asegurar que la
relación entre las variables es lineal.
g) Los coeficientes son
X: costos de publicidad($)
Y: ventas ($)
Probabilidad y Estadı́stica 13
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
X Y X2 Y2 XY Y −Y
40 385 1600 148225 15400 -68.7
20 400 400 160000 8000 -53.7
25 395 625 156025 9875 -58.7
20 365 400 133225 7300 -88.7
30 475 900 225625 14250 21.2
50 440 2500 193600 22000 -13.7
40 490 1600 240100 19600 36.3
20 420 400 176400 8400 -33.8
50 560 2500 313600 28000 106.3
40 525 1600 275625 21000 71.3
25 480 625 230400 12000 26.3
50 510 2500 260100 25500 56.3
a) Calcule los valores estimados de a y b del modelo Y = a + bX.
b) Estime las ventas semanales cuando los costos de publicidad son $20, $25, $30, $40 y
$50.
c) El coeficiente de determinación R2 se puede calcular como
(yi − ybi )2
P
2
R =1− P
(yi − y)2
Calcule este valor y determine si el ajuste es confiable.
d) ¿A qué se debe que la estimación sea o no fiable?
Solución:
a) Calculamos
bb = Cov(X, Y )
s2x
1
P
xi yi − x y
= n1P 2
n
x i − x2
1
· 191325 − 15503,12
12
= 1
· 15650 − 1167,4
12
440,63
=
136,77
= 3,22
Con esto el valor ajustado de a es
a = y − bbx
b
1 X 1 X
= yi − 3,22 · xi
12 12
1 1
= · 5445 − 3,22 · · 410
12 12
= 343,73
Probabilidad y Estadı́stica 14
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Costo V\enta
20 408.13
25 424.23
30 440.33
40 472.53
50 504.73
c) El coeficiente de determinación R2 se puede calcular como
(yi − yb)2
P
2
R =P
(yi − y)2
d) Depende del valor del coeficiente de determinación que en este caso es inferior al 70 %
lo que genera un estimación poco confiable.
Probabilidad y Estadı́stica 15
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
X X X X
xi = 82 x2i = 662,5 yi = 20,97 yi2 = 64,26
X X X
log(yi ) = −3,72 (log yi )2 = 22,70 xi yi = 54,43
X X X
xi log(yi ) = −82,48 ei = 7,187 e0i = 1,523
En clases vimos gráficamente que el ajuste exponencial era “mejor” que el ajuste lineal.
Solución:
Con esto,
−4,885
Corr(x, y) = √ = −0,883
13,015 · 2,347
y
−4,332
Corr(x, log(y)) = √ = −0,964
13,015 · 1,551
Probabilidad y Estadı́stica 16
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
El coeficiente R2 es
P 0 2
2 (ei )
R =1− P
(log(y ) − log(y))2
P 0 2i
(ei )
=1−
n · s2log(y)
1,523
=1−
14 · 1,551
= 1 − 0,070
= 0,929
El Principio de Parsimonia establece que si hay más de una solución posible a un problema,
se debe escoger la más simple.
Bajo este criterio y el análisis de los estadı́sticos que se presentan, determine qué modelo
representa mejor la relación entre las variables. Interprete el modelo escogido.
corr(X,Y) a
b bb R2
Lineal 0.992 -0.583 0.151 0.985
Exponencial 0.958 -1.303 0.099 0.919
Polinomial 0.994 -3.363 1.401 0.989
Solución:
Las variables y sus transformaciones presentan una correlación mayor al 95 %, lo que nos
indica que se justifica el ajuste de los tres modelos. De los tres, el de menor correlación es el
modelo esponencial, por lo que decidiremos entre los otros dos modelos.
Probabilidad y Estadı́stica 17
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
El modelo ajustado es
ybi = −0,583 + 0,151 · xi
lo que quiere decir que cuando el tamaño del terreno aumenta en 100 m2 el precio aumenta
en 0.151 millones. El intercepto no tiene una interpretación en el contexto de las variables.
6. El crecimiento de una colonia de abejas está determinado por la siguiente ecuación:
230
y=
1 + α · e−β·t
Donde y representa el número de abejas y t el tiempo medido en meses. Se obtuvieron los
siguientes datos.
t 1 13 23 33 53 63
y 5,746 157,496 227,412 229,935 235,000 235,000
Solución:
230
y= depejando en términos de y
1 + α · e−β·t
230 − y
α · e−β·t = aplicando logaritmo natural para linealizar
y
230 − y
ln (α) − β · t = ln que es una representación lineal
y
t y ln((230 − y)/y)
1 5,746 3,664
13 157,496 0,776
23 227,412 4,476
33 229,935 8,171
53 235,000 -3,850
63 235,000 -3,850
Se obtiene:
Probabilidad y Estadı́stica 18
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Coeficientes
Intercepto 0,238998
Variable X1 -0,101574
β = −0, 101574,
ln (α) = 0, 238998,
α = 1, 269976
230
y=
1 + 1, 269976 · e0,101574·t
Probabilidad y Estadı́stica 19
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
1.3. Propuestos
1. Los datos a continuación presentan el precio medio por factor de carga en tarifas no horarias
de uso general.
Donde,
Probabilidad y Estadı́stica 20
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Y
X 17.12 18.76 20.4 22.04 23.68
60.69 0 0 0 2 4
61.82 0 0 0 6 1
62.95 0 1 2 8 9
64.08 0 6 34 5 1
65.21 2 2 12 0 0
66.34 15 9 0 0 0
67.47 0 1 0 0 0
Si X: % de permeabilidad e Y : % de poliéster.
a) ¿Qué usarı́a para decidir (considerando los distintos niveles de poliéster) qué telas tienen
un % de permeabilidad más homogéneo? Determı́nelo.
b) Determine la covarianza Cov(X,Y)
c) ¿Está sustentada, en los datos obtenidos, la sospecha del fabricante?
3. Considere los siguientes datos de la variable salario actual (en cientos de dólares) de 474
trabajadores de una empresa
Comente las estadı́sticas de resumen y esboce una gráfica adecuada para dicha variable. La
paradoja de Simpson o efecto Yule-Simpson describe el cambio en el sentido de una aso-
ciación entre dos variables cuando se controla el efecto de una tercera variable.
4. Considere el siguiente estudio en que interesa el efecto de una campaña para crear conciencia
en conductores de los peligros de conducir bajo la influencia del alcohol. Previo a la campaña
se le realizó alcoholemia a 550 conductores y posterior a la campaña, a 650. Los datos se
presentan a continuación:
Probabilidad y Estadı́stica 21
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Campaña
Previo Posterior
Alcoholemia Positiva 126 150
Negativa 424 500
Total 550 650
Los mismos datos fueron disgregados por sexo del conductor (H:hombre; M:mujer) como se
muestra a continuación.
Campaña
Previo Posterior
H M H M
Alcoholemia Positiva 45 81 120 30
Negativa 100 324 335 165
Total 145 405 455 195
¿Qué podemos decir acerca del éxito de la campaña? ¿Disminuye el número de alcoholemias
positivas? Analice los datos conjuntos y separados por sexo.
5. En un proceso de destilación quı́mico, el porcentaje Y de pureza de oxı́geno producido está re-
lacionado con el porcentaje X de hidrocarburo, presente en el condensador principal de la
unidad de destilación. Se efectuaron 55 mediciones, en las cuales se observaron conjuntamente
las variables X e Y , cuyos resultados se incluyen en la siguiente tabla:
Calcule el porcentaje de variabilidad del nivel de pureza del oxı́geno para los casos en que se
observa en el condensador principal un nivel de hidrocarburo inferior a 1.27 %
6. Se determinaron las siguientes mediciones del pulso a 40 personas saludables, de edad similar,
de sexo masculino, al serles inoculado un antibiótico que se estima provoca cierta alteración
en el ritmo del pulso. Se determinaron 4 medidas distintas 0.1 ml, 0.2ml, 0.3ml, 0.4ml y los
resultados fueron (el ritmo normal es de 60 pulsaciones por minuto)
0.1: 53 65 54 55 60 65 58 59 60 63
0.2: 51 67 68 58 59 54 57 65 68 69
0.3: 56 52 57 59 60 66 65 64 53 58
0.4: 54 65 66 68 69 70 52 51 50 69
Probabilidad y Estadı́stica 22
Capı́tulo 2
Probabilidades
Suponga que si una persona pertenece a esta directiva, esta persona puede ocupar sólo un
cargo y suponga que todas las posibles directivas que pueden formarse tienen la misma
probabilidad de ocurrir.
Solución:
23
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
diferentes).
(ii) Una vez hecho lo anterior, estos cargos pueden ser llenados de 5 · 4 · 3 formas.
(iii) Una vez hecho (i) y (ii), hay 3 · 2 formas de llenar los cargos compuestos por
hombres.
Luego, M3 tiene 53 · 5 · 4 · 3 · 3 · 2 = 3600 elementos (Principio Multiplicativo).
Probabilidad y Estadı́stica 24
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
La proposición es verdadera.
P (A ∩ C) P (B ∩ C)
P (A | C) ≥ P (B | C) ⇒ ≥
P (C) P (C)
⇒ P (A ∩ C) ≥ P (B ∩ C)
{
{
P A ∩ C{ P B ∩ C{
P A|C ≥P B|C ⇒ ≥
P C{ P C{
⇒ P A ∩ C{ ≥ P B ∩ C{
Luego,
{ {
P (A ∩ C) + P A ∩ C ≥ P (B ∩ C) + P B ∩ C
⇒ P (A) ≥ P (B)
P ((A ∪ C) | B) = P (A | B) + P (C | B)
Probabilidad y Estadı́stica 25
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
P ((A ∪ C) ∩ B)
P ((A ∪ C) | B) =
P (B)
P ((A ∩ B) ∪ (C ∩ B))
=
P (B)
P (A ∩ B) P (C ∩ B)
= + (2.1)
P (B) P (B)
= P (A | B) + P (C | B)
4. Sean A y B dos eventos tales que P(A) = 1/4, P(B | A) = 1/2, y P(A | B) = 1/4. Decir si
son ciertas o falsas las siguientes relaciones:
a) A ⊂ B
b) A y B son independientes
c) A{ y B { son independientes.
d) A y B son disjuntos.
e) P(A{ | B { ) = 1/2
f) P(A | B) + P(A{ | B { ) = 1
Solución:
P(A ∩ B) P(A) 1
P(B/A) = = = 1 6=
P(A) P(A) 2
P(A | B) = P(A)
c) Basta probar que P(B { | A{ ) = P(B { ). Notemos por (b) que P(B) = P(B | A) = 1/2
Entonces,
Probabilidad y Estadı́stica 26
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
P(A{ ∩ B { )
P(A{ | B { ) =
P(B { )
P((A ∪ B){ )
=
P(B { )
1 − P(A ∪ B)
=
P(B { )
1 − (P(A) + P(B) − P(A ∩ B))
=
P(B { )
1 − (P(A) + P(B) − P(A) · P(B))
=
1 − P(B)
1 − (1/4 + 1/2 − 1/4 · 1/2)
=
1 − 1/2
1 − 5/8
=
1/2
3/8
=
1/2
= 1/4 = P(A{ )
P(A ∩ B)
P(A | B) = , si son disjuntos
P(B)
P(∅)
=
P(B)
= 0 6= P(A)
entonces
P(A/B) + P(A{ | B { ) = 1/2 6= 1
5. Un ingeniero desea escoger, entre los dos diseños de circuitos que se muestran en la figura,
aquel que brinda una mayor probabilidad de que la corriente circule entre el punto A y el
punto B. Si las componentes (resistencias) funcionan de forma independiente y cada una
tiene una probabilidad q de fallar. ¿Cuál de los dos diseños debiera escoger el ingeniero?.
Justifique su respuesta.
Probabilidad y Estadı́stica 27
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
Probabilidad y Estadı́stica 28
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
6. Un banco revisa su polı́tica de tarjetas de crédito, con el objetivo de cancelar algunas de ellas.
En el pasado, el 5 % de los clientes con tarjeta ha pasado a ser moroso, esto es ha dejado de
pagar sin que el banco pudiera recuperar la deuda. Además, el banco ha comprobado que
la probabilidad de que un cliente normal se atrase en un pago es de 0,2. Naturalmente, la
probabilidad de que un cliente moroso se atrase en un pago es 1.
Solución:
P (M ) = 0, 05 , P M { = 0, 95 , P (A | M ) = 1 , P A | M { = 0, 2
P (A) = P (A | M ) · P (M ) + P A | M { · P M { = 1 · 0, 05 + 0, 2 · 0, 95 = 0, 24
P (A | M ) · P (M ) 1 · 0, 05
P (M | A) = = = 0, 208
P (A) 0, 24
d ) Para cancelar la lı́nea de crédito se debe cumplir que P (M | A) > 0, 25, dado que se
tiene que: 0, 208 > 0, 25, entonces no existe posibilidad de cerrarla.
7. Los directivos de la agencia de viajes de Barcelona Cabarna S.A. quieren plantear una es-
trategia de expansión hacia el resto de comarcas, por lo que se plantea si fusionarse con la
empresa Sol S.A., compran la empresa de la competencia o bien ampliar sus instalaciones. La
decisión se tomará en función de la evolución futura de las ventas. El departamento comercial
prevé que las ventas pueden ser altas, medias o bajas, con una probabilidad del 25 %, 45 % y
30 % respectivamente. Por otra parte, las ganancias de acuerdo con la estrategia seleccionada
con las siguientes:
Probabilidad y Estadı́stica 29
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
Por lo tanto la alternativa es comprar, ya que es la que tiene la mayor ganancia esperada.
8. Se ha nominado a tres miembros de un club privado para ocupar la presidencia del mismo.
La probabilidad de que se elija al señor A es de 0.3; la que se haga lo propio con el señor B,
de 0.5, y la de que gane la señora C, de 0.2. En caso que se elija al señor A, la probabilidad
de que la cuota de ingreso incremente es de 0.8, si se elije al señor B o a la señora C, las
correspondientes probabilidades de que haya un incremento en la cuota son de 0.1 y 0.4.
Solución:
Probabilidad y Estadı́stica 30
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Por lo tanto,
Ası́,
P(E | A)P(A)
P(A | E) =
P(E)
0,3 · 0,8
=
0,37
= 0,65
P(E | B)P(B)
P(B | E) =
P(E)
0,5 · 0,1
=
0,37
= 0,14
P(E | C)P(C)
P(C | E) =
P(E)
0,2 · 0,4
=
0,37
= 0,21
Dado que la cuota se incrementa, el candidato con mayor probabilidad de ser electo es
el señor A. Aun cuando a priori sabı́amos que el señor B tenı́a mayor probabilidad de
ser electo, el aumento de cuota resulta ser un beneficio para la candidatura del señor A.
La tabla adjunta presenta la probabilidad de que el cliente decida por la opción Dj dado que
el inversionista le presenta la inversión Ik .
Probabilidad y Estadı́stica 31
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
D1 D2 D3
I1 0.7 0.1 0.2
I2 0.1 0.8 0.1
I3 0.0 0.1 0.9
Suponga que la probabilidad de que el inversionista escoja cada una de las tres opciones es:
P(I1 ) = 0,10
P(I2 ) = 0,40
P(I3 ) = 0,50
Solución:
Por lo tanto, dado que el cliente escogió la segunda opción, la probabilidad que el
inversionista la haya sugerido es 0.84.
Probabilidad y Estadı́stica 32
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Para cada k = 1,
Para cada k = 2,
Para cada k = 3,
Probabilidad y Estadı́stica 33
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
a) Para que una función p(x) sea función distribución de una variable aleatoria debe cum-
plir que:
i) p(x) ≥ 0 ∀ x ∈ R
X
ii) p(x) = 1
x∈R
Probabilidad y Estadı́stica 34
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
P
Recordemos que la si p(x) es función de probabilidad debe cumplir que p(x) = 1, por lo
tanto para calcular c debemos verificar que cumpla esta propiedad. Ası́,
3
X 3
X
p(x) = c · (5 − x)
x=0 x=0
= c · (5 − 0) + c · (5 − 1) + c · (5 − 2) + c · (5 − 3)
= c · (5 + 4 + 3 + 2)
= c · 14
1
Por lo tanto 14 · c = 1 y el valor de c que hace que p(x) sea función de probabilidad es c = 14
.
3. Una multinacional produce determinado artı́culo electrónico que se emplea en el área médica,
y las especificaciones dicen que solo un 2 % de los artı́culos producidos presentan fallas. Dos
ingenieros, expertos en control de calidad, realizan su propio plan de inspección: el ingeniero
A comienza a inspeccionar los artı́culos de uno a la vez hasta detectar el primer defectuoso
y acepta las especificaciones si realiza más de dos extracciones; el ingeniero B toma una
muestra de tamaño 5 y acepta las especificaciones del fabricante si no encuentra defectuosos.
¿Cuál de los dos ingenieros tiene mayor probabilidad de rechazar las especificaciones dadas
por el fabricante?
Solución:
Probabilidad y Estadı́stica 35
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Entonces, sea
X: número artı́culos inspeccionados hasta detectar el primero defectuoso,
X ∼ Geom(p = 0.02)
y la probabilidad pedida es
Entonces, sea
Y: número artı́culos defectuosos en la muestra de tamaño 5,
Y ∼ Bin(n=5,p=0.02)
y la probabilidad pedida es
Como el ingeniero A rechaza las especificaciones el 4 % de las veces, mientras que el ingeniero
B, un 9 %, es éste ingeniero quien tiene mayor probabilidad de rechazar las especificaciones.
4. El 70 % de los aviones ligeros que desaparecen en vuelo en cierto paı́s son descubiertos
posteriormente. De las naves descubiertas, el 60 % tiene localizador de emergencia, en tanto
que el 90 % de las naves no descubiertas no tiene ese localizador.
En las partes (b), (c) y (d), suponga que la probabilidad que un avión ligero tenga localizador
de emergencia es del 45 %.
Probabilidad y Estadı́stica 36
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Ud. observa independientemente aviones ligeros hasta obtener el primer avión con lo-
calizador de emergencia. ¿Cuál es la probabilidad que el proceso finalice en a lo más 10
observaciones?
d) Ud. observa independientemente aviones ligeros hasta obtener el tercer avión con lo-
calizador de emergencia. ¿Cuál es la probabilidad que el proceso finalice al menos 4
observaciones?
Solución:
a) Defina los siguientes eventos:
D : “Avión ligero descubierto”
L : “Avión ligero tiene localizador de emergencia”
Según enunciado, P(L | D) = 6/10, P(L{ | D{ ) = 9/10 y P(D) = 7/10.
Usando la probabilidades totales, la probabilidad pedida es:
P(L) = P(L | D) · P(D) + P(L | D{ ) · P(D{ )
6 7 1 3 45
= · + · =
10 10 10 10 100
b) Sea X : número de aviones con localizador de emergencia, de entre los 10 aviones
disponibles. Claramente, Rec(X) = {0, 1, . . . , 10} y además X ∼ Bin(n = 10; p =
0,45). Por tanto, la probabilidad pedida es:
10
P(X = 2) = · (0,45)2 · (0,55)8
2
c) Sea Y : Número de aviones que es necesario observar hasta obtener el primer avión
con localizador de emergencia. Claramente, Rec(Y ) = {1, 2, 3, . . .} y además Y ∼
Geom(p = 0,45). Por tanto, la probabilidad pedida es:
10
X
P(Y ≤ 10) = (1 − 0,45)y−1 · (0,45)
y=1
d ) Sea Z : Número de aviones que es necesario observar hasta obtener el tercer avión
con localizador de emergencia. Claramente, Rec(Z) = {3, 4, 5, . . .} y además Z ∼
BinNeg(r = 3; p = 0,45). Por tanto, la probabilidad pedida es:
P(Z ≥ 4) = 1 − P(Z = 3)
3−1
=1− · (0,45)3 · (0,55)3−3
3−1
5. En una determinada región la distribución de ingresos por familia en unidades monetarias
(u.m) es una variable aleatoria X con función de densidad de probabilidad dada por:
x 1
+ , si 0 ≤ x ≤ 2;
10 10
f (x) = 3x 9
− + , si 2 < x ≤ 6;
40 20
0, en otro caso.
Probabilidad y Estadı́stica 37
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
x+1 18−3x
Es claro que f (x) = 10
≥ 0, cuando 0 ≤ x ≤ 2 y f (x) = 40
≥ 0 cuando
2 < x ≤ 6.
R
(ii) f (x)dx = 1 ∀ x ∈ R.
Z 6 2 Z 6
18 − 3x
Z
x+1
f (x)dx = dx + dx
0 0 10 2 40
2 x=2 x=6
x x 18x 3x2
= + + −
20 10 x=0 40 80 x=2
4 2 18 · 6 3 · 18 2 · 18 6
= + + − − +
20 10 40 40 40 40
=1
b) Debemos hacerlo por tramos:
Si 0 ≤ x ≤ 2,
Z x
1
F (x) = (t + 1)dt
10 0
x
t2
1
= +t
10 2 0
x2 x
= +
20 10
Si 2 < x ≤ 6,
Z 2 Z x
1 1
F (x) = (t + 1)dt + (−3t + 18) dt
10 0 40 2
x
3t2
1
= F (2) + − + 18t
40 2 2
2 3x2 9x 3
= − + −
5 80 20 4
Probabilidad y Estadı́stica 38
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Definir Y como el número de familias seleccionadas hasta encontrar 3 con ingreso su-
perior a 3 u.m. Con esto, Y ∼ BinNeg(3, p), donde
p = P (X > 3) = 1 − P (X ≤ 3)
−27 27 7
=1− + −
80 20 20
≈ 0, 3375 .
Entonces,
P (Y > 5) = 1 − P (Y ≤ 5)
5
X y−1
=1− (1 − p)y−3 p3 = 0,925
y=3
2
Notar que y = 3, 4, . . .
d ) Sea Z el número de familias que tienen ingreso inferior a 1 u.m. de un total de 50. Con
esto, Z ∼ Bin(50, q), donde
1 1 3
q = P (X < 1) = + = = 0,15 .
20 10 20
Entonces,
P (Z ≥ 3) = 1 − P (Z < 3)
2
X 50 z
=1− q (1 − q)50−z = 0,98.
z=0
z
6. Demuestre que si X es una variable aleatoria con distribución geométrica, entonces cumple
que
P(X > n + k | X > n) = P(X > k)
Interprete esta propiedad.
Probabilidad y Estadı́stica 39
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
P(X > n + k)
=
P(X > n)
∞
p · (1 − p)x−1
P
x=n+k+1
= P∞
p · (1 − p)x−1
x=n+1
(1 − p)n+k+1
= (∗)
(1 − p)n+1
= (1 − p)k
= P(X > k)
Lo que se interpreta como que el número de ensayos Bernoulli que ya se han realizado bus-
cando el primer éxito no influyen en que se realicen k ensayos más.
(*) se deduce de
∞
X
ax = ak + ak+1 + . . . (2.2)
x=k
∞
X
a ax = ak+1 + ak+2 + . . . (2.3)
x=k
x2
F (x) = 1 − exp − 2 , x>0
2σ
Probabilidad y Estadı́stica 40
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
x2 x2
lı́m 1 − exp − 2 = 1 − lı́m exp − 2
x→−∞ 2σ x→0 2σ
0
=1−e =1−1
=0
d
f (x) = F (x)
dx
x2
2x
= 0 − exp − 2 · − 2
2σ 2σ
x2
x
→ f (x) = 2 exp − 2 , x>0
σ 2σ
c) P25 corresponde al valor de x que satisface que F (x) = 0,25. despejamos esta ecuación
y obtenemos
Probabilidad y Estadı́stica 41
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
x2
→ 1 − exp − 2 = 0,25
2σ
2
x
→ exp − 2 = 0,75
2σ
2
x
→ − 2 = ln(0,75)
2σ
→ x = −2σ 2 ln(0,75)
2
p
→ x = σ 0,575
→ x = 0,75σ
0,8e−x + 0,4e−2x , x ≥ 0;
f (x) =
0, e.o.c.
para cualquier i = 1, 2, . . . , 10
Solución:
Probabilidad y Estadı́stica 42
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
b) La probabilidad de que una componente cualquiera falle antes de las 1.5 horas, viene
dada por:
P(Xj < 1, 5) = FXj (1, 5) = 1 − 0, 8e−1,5 − 0, 2e−2·1,5
Denotemos esta probabilidad por p, o sea,
Sea ahora
Y: número de componentes que fallan antes de 1.5 horas.
Entonces, Y ∼ Bin(10, p) y lo que se pide es
3
X 10
P(Y ≤ 3) = · px · (1 − p)10−x = 0,00001
x=0
x
Solución:
b) Si X ∼ N(µ, σ), se tiene entonces que el percentil 25, x25 , cumple con que
Probabilidad y Estadı́stica 43
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
P(X ≤ x75 ) = 0, 75
X −µ x75 − µ
⇒P ≤ = 0,75
σ σ
x75 − µ
⇒Φ = 0,75
σ
x75 − µ
⇒ = 0,675
σ
x75 = µ + 0,675σ
10. Un analista financiero señala que la rentabilidad Y de los bonos del gobierno a largo plazo,
tendrá al cabo de un año una distribución normal con valor esperado de 70 dólares y varianza
de 9.
a) Si el gobierno destina un porcentaje extra a polı́ticas públicas cuando cualquiera de
los bonos tiene rentabilidad entre 67 y 75, ¿Cuál es la probabilidad que se destine este
porcentaje extra?
b) Si la rentabilidad aceptable de un bono es (70−c; 70+c) ¿Para qué valores de c tendrı́an
el 95 % de los bonos con rentabilidad aceptable?
c) ¿Cuál es la probabilidad de que a lo sumo ocho de diez bonos, seleccionados indepen-
dientemente, tengan una rentabilidad menor a 73,84?
Solución:
Probabilidad y Estadı́stica 44
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Se pide calcular P(67 < Y < 75), por lo que debemos estandarizar.
P(67 < Y < 75) = P(Y < 75) − P(Y < 67)
Y − 70 75 − 70 Y − 70 67 − 70
=P < −P <
3 3 3 3
= P(Z < 1,66) − P(Z < −1)
= P(Z < 1,66) − (1 − P(Z < 1))
(por simetrı́a de la distribución normal)
= Φ(1,66) + Φ(1) − 1
= 0,9515 + 0,8413 − 1
= 0,7928
Por lo tanto con c = 5,88 se tendrı́a el 95 % de los bonos con rentabilidad aceptable.
c) Sea la variable aleatoria
X: número de bonos de un total de 10 con rentabilidad menor a 73.84 dólares
por lo que X ∼ Bin(10, P(Y < 73,84)), y se pide P(X ≤ 8)
Probabilidad y Estadı́stica 45
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Y − 70 73,84 − 70
P(Y < 73,84) = P <
3 3
= P(Z < 1,28)
= 0,8997
Probabilidad y Estadı́stica 46
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
A: el rodamiento es aceptado.
B: el rodamiento debe ser refundido.
C: el rodamiento debe ser rebajado.
X ∼ N (1,01; 0,032 )
Luego
Sea la variable aleatoria U : utilidad de un rodamiento. Esta variable es discreta, ya que sólo
toma 3 valores y su función de cuantı́a está dada por:
Probabilidad y Estadı́stica 47
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
2. Un fabricante de equipos electrónicos somete cada unidad a una prueba muy rigurosa. De los
equipos recién ensamblados, el 84 % pasa la prueba sin ninguna modificación. Los que fallan
en la prueba inicial son reelaborados; de éstos, el 75 % pasa la prueba. Aquellos equipos que
fallan en la segunda prueba se rehacen por segunda vez y se vuelven a probar; el 90 % de
ellos pasan la prueba y el resto se desarman. Defina Y como el número de veces que falla un
equipo seleccionado al azar.
Solución:
Probabilidad y Estadı́stica 48
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
y se cumple que
3
X
P (Y = y) = 1
y=0
c)
3
X
My (t) = eyt · P (Y = y)
y=0
d) Utilizamos la f.g.m. de Y
entonces
E(Y ) = 0,12 · 1 + 2 · 0,036 · 1 + 3 · 0,004 · 1
= 0,204
Probabilidad y Estadı́stica 49
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
My00 (t) t 2·t 3·t
= 0,12 · e + 4 · 0,036 · e + 9 · 0,004 · e
= E(Y 2 )
t=0
V (Y ) = E(Y 2 ) − E2 (Y )
= 0,12 · 1 + 4 · 0,036 1 + 9 · 0,004 · 1 − 0,2042
= 0,258
Si Y =0 → X=0
Si Y =1 → X=20
Si Y =2 → X=40
Si Y =3 → X=60
Para calcular E(X) debemos calcular su distribución de probabilidad, que corresponde
a las probabilidades de Y
x 0 20 40 60
P(X = x) 0 0.12 0.036 0.004
X
E(X) = x · P (X = x)
x
= 0 + 20 · 0,12 + 40 · 0,036 + 60 · 0,004
= 4,08
Solución:
Probabilidad y Estadı́stica 50
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
a) Por definición, sabemos que si F es función distribución acumulada, debe cumplir que
0 ≤ FX ≤ 1,
por lo tanto, se cumple que 0 ≤ Y ≤ 1.
b) Por demostrar, f (y) = 1.
FY (y) = P(Y ≤ y)
= P(FX ≤ y), FX−1
= P(X ≤ FX−1 (y))
= FX (FX−1 (y))
=y (ya que F es invertible)
Por lo tanto, para obtener la función densidad calculamos
d
fY (y) = FY (y)
dy
d
= y
dy
=1
Ası́, Y ∼ U (0, 1)
5. Una compañı́a de seguros recibe informes mensuales de agentes independientes. Sea X, la
variable aleatoria que modela la proporción de informes que requieren un estudio de actua-
lización, con función densidad dada por
2
1
f (x) = c · x − , 0<x<1
2
Probabilidad y Estadı́stica 51
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
a) Primero que todo, es necesario obtener el valor de c para luego proseguir con el resto
de cálculos.
Sea X: proporción de informes que requieren estudio
2
1
f (x) = c · x −
2
La función en estudio se tiene que integrar en todo el recorrido de la variable y luego
igualarla a 1 para poder despejar el valor de c
Z 1
f (x)dx = 1
0
Z 1 2
1 1
x− dx =
0 2 c
Z 1
1
2 1
x −x+ dx =
0 4 c
3 1
x x2 x 1
− + =
3 2 4 0 c
1 1
=
12 c
→ c = 12
Se sabe que V (X) = E(X 2 ) − E 2 (X), por lo tanto se calcula cada uno de los términos
de la varianza por separado
Probabilidad y Estadı́stica 52
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Z 1
2 1
E(X) = x · 12 · x − x + dx
0 4
Z 1
3 2 x
= 12 x −x + dx
0 4
4 1
x x3 x2
= 12 − +
4 3 8 0
1
→ E(X) =
2
1
→ E 2 (X) =
4
Z 1
2 2 2 1
E(X ) = x · 12 · x − x + dx
0 4
Z 1
x2
4 3
= 12 x −x + dx
0 4
5 1
x x4 x3
= 12 − +
5 4 12 0
2
=⇒ E(X 2 ) =
5
Por lo tanto, la varianza de la variable X es:
2 1 8−5
− =
V (X) =
5 4 20
3
=⇒ V (X) =
20
b) Por definición
Z x
2 1
F (x) = 12 t − t + dt
0 4
3 x
t t2 t
= 12 − +
3 2 4 0
x3 x2 x
= − +
4 6 3
Probabilidad y Estadı́stica 53
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
0 , x≤1
x3 x2 x
F (x) = 4
− 6
+ 3
, 0<x<1
1 , x>1
c) El cálculo pedido es
d) Sea Y : número de meses donde más del 50 % de los informes requiere estudios de ac-
tualización
Por lo tanto, Y ∼ Bin(12, p). El parámetro p se obtiene del item anterior, es decir,
p = 0,84375
12
Se pide P (Y = 6) = · p6 · (1 − p)6
6
6. Sea X una variable aleatoria con función de distribución acumulada F (x) definida por:
x
ae , x ≤ 0;
F (x) =
− 12 e−x + b, x > 0.
siendo a y b constantes.
a) Determine el(los) valor(es) de a y b para que X tenga función densidad.
b) Determine a través de MX (t), E(X) y V(X)
Solución:
a) Como F (x) es f.d.a. debe cumplirse que
lı́m F (x) = 1
x→∞
en este caso,
1 1
lı́m − e−x + b = − lı́m e−x + b = 0 + b = 1
x→∞ 2 2 x→∞
Por lo tanto b = 1.
Probabilidad y Estadı́stica 54
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
1 x
2 e , x ≤ 0;
f (x) = 1 −x
e , x > 0.
2
MX (t) = E(eXt )
Z ∞
= ext f (x)d x
−∞
Z 0 Z ∞
xt 1 x 1
= e e d x+ ext e−x d x
−∞ 2 0 2
Z 0 Z ∞
1
= e x(t+1)
d x+ e−x(1−t) d x
2 −∞ 0
1 1
= −
2(t + 1) 2(t − 1)
1
= , | t |6= 1
1 − t2
y entonces
1
0 d 1−t2
MX (t) =
dx
−1(t2 − 1) + 2t
=
(t2 − 1)2
t=0
=1
Probabilidad y Estadı́stica 55
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
=2
MY (t) = E(eY t )
= E(e(aX+b)t )
= E(eaXt · ebt )
= ebt E(eXat ) (ya que la esperanza es un operador lineal)
= ebt MX (at) (por definición de fgm)
8. Sea la función
pX (x) = ke−|x| , −∞ < x < ∞
Solución:
a) Z ∞ Z ∞
−|x|
1= ke dx = 2 ke−x dx
−∞ 0
1
Luego k = 2
b)
Z ∞
1
MX (t) = ext e−|x| dx
−∞ 2
1 0 xt x 1 ∞ xt −x
Z Z
= e e dx + e e dx
2 −∞ 2 0
1
=
1 − t2
Probabilidad y Estadı́stica 56
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Además,
λα α−1 −λx
f (x) = x e , x>0
Γ(α)
a) Determine la f.g.m. de X.
b) Determine E(X).
c) Determine V(X)
d) Determine la f.g.m. de Y = λX, e identifique su distribución.
Solución:
Que se puede resolver por partes, pero puede que se demore “un poco”más de la cuenta.
La otra opción es identificar los parámetros para completar una distribución Gama
Probabilidad y Estadı́stica 57
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Por lo tanto,
λ
MX (t) = , λ 6= t
λ−t
λα
d
MX (t) = −α · α+1
· −1
dt (λ − t) t=0
λα
=α·
(λ − 0)α+1
α
→ E(X) =
λ
d2 λα
MX (t) = −α(α + 1) · · −1
dt2 (λ − t)α+2
t=0
λα
= α(α + 1) ·
(λ − 0)α+2
α(α + 1)
→ E(X 2 ) =
λ2
y con esto,
Probabilidad y Estadı́stica 58
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
MY (t) = MX (λt)
α
λ
=
λ − λt
α
1
=
1−t
Esta f.g.m. tiene la misma estructura de la f.g.m. de X en la parte (a), con λ = 1, por
lo tanto, Y ∼ Gama(α, 1)
10. Una partı́cula de masa m tiene velocidad aleatoria que se distribuye de forma normal, con
velocidad media 0 y desviación estándar σ. Encuentre la función densidad de la energı́a
cinética,
1
E = mV 2
2
Solución:
Probabilidad y Estadı́stica 59
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
dF x
Además sabemos que f (x) = dx
, por lo tanto
dP(Y ≤ y)
f (y) =
dy
r r
y 1 1
= 2φ 2 2
· 2 2
· y −1/2
mσ mσ 2
En resumen, r r
2 y
f (y) = ·φ 2 , y≥0
myσ 2 mσ 2
11. Sea X una variable aleatoria con distribución normal de parámetros µ y σ 2 . Sea Y =| X |.
Determine:
Solución:
F (y) = P(Y ≤ y)
= P(| X |≤ y)
= P(−y ≤ X ≤ y)
= P(X ≤ y) − P(X ≤ −y)
Por lo tanto
b)
f (y) = 2 · fX (y)
2 1 2
=√ exp − 2 (y − µ) , y≥0
2πσ 2 2σ
12. Considere una variable aleatoria Z con función distribución densidad dada por:
cαβ
z β+1
, z ≥ α, β >1, α >0;
fZ (z) =
0, e.o.c.
a) Calcule el valor de c.
Probabilidad y Estadı́stica 60
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
b) Calcule E(Z).
c) Sea X = ln(Z), calcule fX (x).
Solución:
Probabilidad y Estadı́stica 61
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Luego tenemos
V(Y ) = V(E(Y |X)) + E(V(Y |X))
= V(aX) + E(aX)
= a2 V(X) + aE(X)
Probabilidad y Estadı́stica 62
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
a) Por independencia se tiene que
fX,Y (x, y) = xe−(x+y) , x > 0, y>0
Probabilidad y Estadı́stica 63
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
= 1 − P(X(1) > x)
= 1 − P(X1 > x)P(X2 > x) · · · P(Xn > x) (por independencia de las v.a.)
Probabilidad y Estadı́stica 64
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
dFX(1) (x)
fX( 1) (x) =
dx
n−1 d(1 − F (x))
= 0 − n[1 − FX (x) ·
dx
n−1
= −n[1 − FX (x) · −f (x)
n−1
= n[1 − FX (x) · f (x)
Solución:
Para demostrar que c = 1/2, por comparación con la densidad de Gamma(3,1) y por
definición de Γ(3) se deduce c = 1/2.
b) La densidad de Y se obtiene de la siguiente manera
Z ∞
1
fY (y) = |y| e−x dx
2 |y|
1
= |y|e−|y| , −∞ < y < ∞
2
Luego, por simetrı́a de la densidad se tiene que E(Y ) = 0.
Probabilidad y Estadı́stica 65
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c)
fX,Y (x, y)
fY |X (y|x) =
fX (x)
|y|e−x
= 2 −x , −x ≤ y ≤ x
xe
fY |X (y|1) = |y|, −1 ≤ y ≤ 1
5. Un grupo de empresas destina sus beneficios a una inversión y a pago de dividendos a sus
accionistas. Sean X e Y variables aleatorias que representan porcentajes destinados a nuevas
inversiones y a pagos de dividendos respectivamente, con función densidad conjunta:
Solución:
a) Sean
X: porcentaje destinado a nuevas inversiones
Y: porcentaje destinado a pago de dividendos.
Probabilidad y Estadı́stica 66
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
En este caso
fX (x)fY (y) = 2x · 2(1 − y) 6= 2
Por lo tanto, X e Y no son independientes.
d) Debemos determinar fX|Y (x)
Por definición
fXY (x, y)
fX|Y (x) =
fY (y)
2
=
2(1 − y)
1
= , 0 ≤ x ≤ 1, 0 ≤ y ≤ x.
1−y
6. Una compañı́a que ofrece servicios telefónicos transoceánicos cree que los factores clave del
costo variable de una llamada son X, número de segundos que tarda el sistema en ingresar
la llamada e Y , número de minutos que tarda una operadora en ingresar una llamada. La
estructura de las probabilidades puede representarse por medio de la siguiente densidad
conjunta:
f (x, y) = 0,0625 · xe−0,5y−x/y , 0 < x < ∞, 0 < y < ∞
Probabilidad y Estadı́stica 67
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
a) Encuentre la función
R ∞de densidad de Y .
Puede asumir que 0 xe−kx = 1/k 2
Solución:
Z ∞
f (y) = 0,0625 · x · e−0,5·y−x/y dx
0
Z ∞
−0,5·y
= 0,0625 · e x · e−x/y dx
0
= 0,0625 · e−0,5·y · y 2 ;y > 0
Solución:
f (x, y)
f (y) =
f (y)
0,0625 · x · e−0,5·y−x/y
=
0,0625 · e−0,5·y · y 2
x · e−x/y
= ;x > 0 ;y > 0
y2
Solución:
Sea Y=5
2
x · e−x/y
Z
P (X < 2/Y = 5) = dx ;y = 5
0 y2
Z 2
1
= xe−x/5 dx
25 0
Probabilidad y Estadı́stica 68
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
2 Z 2
1 −x/5
−x/5
= xe · −5 + 5 xe dx
25 0 0
1 −2/5 −2/5 0
= − 10e + 5 · −5e + 5 · 5e
25
1 −2/5
= − 35e + 25
25
1 −2/5
= − 7e +5
5
Para comprobar independencia se tiene que cumplir que f (x) · f (y) = f (x, y)
En este caso no son independientes ya que es claro que el término e−x/y no es posible
descomponerlo como un producto entre funciones de x y de y.
e) Calcule la distribución de Z = eY .
Solución:
Z = eY ⇔ ln(Z) = Y ⇒ 1
Z
=Y0
1
=⇒ f (z) = 0,0625 · [ln(z)]2 · ; z>0
z 3/2
7. Dos lı́neas de producción manufacturan cierto tipo de artı́culos. Suponga que la capacidad
(en cualquier dı́a dado) es dos artı́culos para la lı́nea I y 3 para la lı́nea II. Con base en la
tabla adjunta que muestra la distribución de probabilidades conjunta:
X=I— Y=II 0 1 2 3
0 0 0.04 0.12 0.09
1 0.02 0.14 0.21 0.14
2 0.07 0.06 0.06 0.05
Solución:
Probabilidad y Estadı́stica 69
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
P
a) Recordemos que P(X = x) = y P(X = x, Y = y), por lo tanto
Por lo tanto,
y 0 1 2 3
P(Y = y) 0.09 0.24 0.39 0.28
b)
a) Obtener el valor de k
b) Obtener la probabilidad que las exportaciones crezcan por encima del 8 %.
c) Obtener el crecimiento esperado de las exportaciones.
Solución:
RR
a) Recordemos que fXY dxdy = 1
Probabilidad y Estadı́stica 70
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Entonces
20 6 20
6
y 2
Z Z Z
k · x · y dy dx = k · x · dx
5 2 5 2
Z 202
36 − 4
=k· x dx
2 5
20
x2
= 16k ·
2 5
400 − 25
= 16k ·
2
= 3000k = 1
Por lo tanto, k = 1/3000
b) Debemos encontrar la distribución marginal de X.
Z
fX (x) = k · x · y dy
y
Z 6
=k·x· y dy
2
2 6
y
=k·x·
2 2
36 − 4
=k·x·
2
16x
= , 5 < x < 20
3000
Con esto
Z 20
16x
P(X > 8) = dx
8 3000
20
16 x2
= ·
3000 2 8
16 400 − 64
= ·
3000 2
= 0,896
c) Calculamos el valor esperado de X
Z 20
16x
E(X) = dx
x
5 3000
20
16 x3
= ·
3000 3 5
16 203 − 53
= ·
3000 3
= 14
Por lo tanto, en promedio, el crecimiento de las exportaciones es de un 14 %.
Probabilidad y Estadı́stica 71
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
9. Considere una placa rectangular, cuyo largo (X) y ancho (Y) son variables aleatorias con
función de densidad conjunta:
k(x + y), 0 < x < 1 0 < y < 2;
f (x, y) =
0, e.o.c.
Solución:
a) Sabemos que Z Z
f (x, y) dx dy = 1
Entonces
Z 1 Z 2
1 = k(x + y) dy dx
0 0
1
2
y 2
Z
= k (xy + ) dx
0 2 0
Z 1
= k (2x + 2) dx
0
1
2
= k(x + 2x)
0
= k(1 + 2)
1 22
= (2x + )
3 2
2
= (x + 1), 0<x<1
3
Probabilidad y Estadı́stica 72
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Z 1
1
f (y) = (x + y) dx
0 3
1
1 x2
= (xy + )
3 2 0
1 1
= (y + )
3 2
y 1
= + , 0<y<2
3 6
1 2 y2 y2
Z
= + dy
3 0 8 2
2
1 y 3 y 3
= +
3 24 6 0
1 23 23
= +
3 24 6
5
=
9
Probabilidad y Estadı́stica 73
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
2.5. Propuestos
1. a) Cuatro libros distintos de matemáticas, seis diferentes de fı́sica y dos diferentes de
quı́mica se colocan en un estante. De cuántas formas distintas es posible ordenarlos si:
1) Los libros de cada asignatura deben estar todos juntos.
2) Solamente los libros de matemáticas deben estar juntos.
b) Se tienen 5 urnas distintas, todas vacı́as. Si se tienen 8 bolas idénticas, ¿de cuántas
maneras diferentes se pueden colocar éstas si no puede haber ninguna urna vacı́a?
2. La contaminación en los rı́os es un problema que genera daños tanto en la salud de las
personas como en el ecosistema. Considere los siguientes eventos:
Suponga que:
P(C | A{ ∩ B { ) = 0,9
3. Para un juego de tenis se tiene un canasto con seis pelotas usadas y ocho nuevas. Un jugador
selecciona tres pelotas al azar, juega y luego devuelve las pelotas al canasto. En ese instante
ingresa un nuevo jugador que seleccona tres pelotas al azar del mismo canasto.
4. Suponga que usted puede acceder al registro de un sismógrafo cada una hora y que por
motivos de seguridad no le pueden decir cuántos terremotos ha registrado, pero le reportan
el evento terremoto, que indica si ha ocurrido un terremoto o no en esa hora. Suponga
además que la ocurrencia de terremoto en una hora es independiente de lo ocurrido en la
hora anterior. Si la probabilidad de que ocurra terremoto en una hora es p y X es la variable
aleatoria “número de horas transcurridas hasta que ocurre terremoto”.
Probabilidad y Estadı́stica 74
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Hint: ∞
X ak
ar =
r=k
1−a
6. Usted decide gastar su primer sueldo apostando en el casino en un juego que consite en dos
etapas.
Etapa I: lanzar dos dados y observar la variable aleatoria X, la suma de los números. Si esta
suma es mayor o igual a 7 usted pasa a la segunda etapa.
Etapa II: hay dos urnas, U1 con 3 bolitas rojas y 5 blancas y U2 con 4 bolitas rojas y 5
blancas. Usted es asignado a una urna al azar y extrae dos bolitas sin reposición. Gana
el juego si son del mismo color.
d ) Si usted fue asignado a U1 , determine la probabilidad de ganar el juego.
e) Si ganó el juego con dos bolitas blancas, ¿cuál es la probabilidad de que lo hayan
asignado a U2 ?
Probabilidad y Estadı́stica 75
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
7. Suponga que la duración (medida en meses y fracciones) de un cierto reproductor MP3, es una
variable aleatoria con distribución exponencial con parámetro β = 10. Si la duración de dicho
reproductor supera los 10 meses, éste es considerado aceptable, y es considerado inaceptable
en caso contrario. Durante un control de calidad, se realizan los siguientes experimentos:
Entonces
9. El tiempo T de CPU requerido para realizar un trabajo, elegido aleatoriamente entre los que
llegan a un centro de cálculo siguen una distribución hiperexponencial, dada por:
donde 0 ≤ a ≤ 1, λ, ξ > 0.
G(T ) = ln(T )
a) Encuentre el valor de k.
b) Determine F (x).
Probabilidad y Estadı́stica 76
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
11. Supongamos que cierta prueba para detectar la presencia de una enfermedad en un individuo,
da resultado positivo (detecta la presencia de la enfermedad) en un individuo enfermo con
probabilidad 0.99 y en un individuo sano con probabilidad 0.02 (falso positivo). Se supone,
en base a estudios previos, que la incidencia de esa enfermedad en cierta población es 0.001.
Se selecciona al azar un individuo de esa población, se le aplica la prueba y el resultado es
positivo, ¿cuál es la probabilidad de que en efecto padezca la enfermedad?
12. Se sabe que en una empresa el 23 % de los trabajadores gana menos de 4.8 dólares por hora
y el 90 % gana menos de 5.6 dólares por hora.
a) Suponiendo que la distribución de los salarios es normal, ¿cuál es la media de pago por
hora de los trabajadores de esta empresa?, ¿cuál es la desviación estándar?
b) Usted selecciona trabajadores hasta encontrar uno que gane más de 5.3 dólares por
hora, ¿cuál es la probabilidad de que tenga que seleccionar más de 6 trabajadores?
c) ¿Cuál es la probabilidad que de mil trabajadores seleccionados 200 ganen menos de 4.5
dólares por hora?
d ) Para desincentivar el trabajo fuera de horario, la empresa acordó autorizar sólo una hora
extra y pagarla de acuerdo al salario del empleado. Si gana más de 6 dólares por hora,
se le pagan 6.5 dólares; si gana entre 5.1 y 6.0 dólares por hora se le paga 5 dólares; al
resto le pagan sólo 3 dólares. Considere la variable Z,“gasto esperado por horas extra
para un trabajador”.
1) ¿Cuál es el valor esperado de Z? Interprete.
2) Determine la función generadora de momentos de Z.
14. Suponga que los errores de un procedimiento de medición tienen distribución normal con
media 0 y desviación estándar 2, en milı́metros. Usted toma 10 mediciones independientes.
a) Calcule la probabilidad que una medición tenga un error de medición menor o igual a
2 mm (error de categorı́a 1), entre 2 y 3 mm (error de categorı́a 2) y mayor o igual a 3
mm (error de categorı́a 3).
b) Sean X1 , X2 y X3 las variables aleatorias que cuentan el número de errores, de un total
de 10 mediciones, que pertenecen a las categorı́as 1, 2 y 3, respectivamente. Obtenga la
distribución conjunta de X1 , X2 y X3
Probabilidad y Estadı́stica 77
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Calcule la probabilidad que por lo menos 9 mediciones tengan errores menores que 2
mm y que no más de una medición tenga error mayor que 3 mm.
15. Suponga que X, el gasto en publicidad semanal (en millones de pesos) e Y , la ganacia semanal
(en millones de pesos), son variables aleatorias que conjuntamente siguen una distribución
normal bivariada, con parámetros µX = 15, µY = 18, σX = 3, σY = 2.
16. Suponga que usted lanza dos dados y considere las variables aleatorias
X: número de puntos del primer dado
Y : número máximo de los dos obtenidos
17. Sean Z1 , Z2 , . . . , Zk variables aleatorias independientes tales que siguen una distribución
N (0, 1). La variable aleatoria
sigue una distribución χ2k donde k representa los grados de libertad de la distribución Ji-
cuadrado, que tiene función densidad dada por
18. Dada una variable aleatoria bidimensional (X, Y ) , con función densidad conjunta
a) Determine k.
b) Encuentre la marginal de Y
Probabilidad y Estadı́stica 78
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
19. Sea (X, Y ) el resultado de escoger un punto en el plano al azar de la región de dos dimensiones
acotada por las rectas x = −1, x = 2, y = 1 − x, y y = −1 − x. Calcule:
Probabilidad y Estadı́stica 79
Capı́tulo 3
Inferencia Estadı́stica
Solución:
n
Y
L(x, θ) = f (xi )
i=1
n
−(θ+1)
Y
= θαθ xi
i=1
n
Y −(θ+1)
n nθ
=θ α xi
i=1
80
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
2. Sea X1 y X2 una muestra aleatoria de tamaño 2 proveniente de una población X con media
µ y varianza σ 2 . Si disponemos de dos estimadores para µ,
X1 + X2 X1 + 2X2
µ
b1 = y µ
b2 =
2 3
Solución:
X1 + 2X2
E(b
µ2 ) = E
3
1
= (µ + 2µ)
3
=µ
X1 + 2X2
V(b
µ2 ) = V
3
1 2
= (σ + 4σ 2 )
9
5
= σ2
9
Dado que µ
b1 tiene menor varianza que µ
b2 , entonces µ
b1 es mejor estimador que µ
b2 .
Probabilidad y Estadı́stica 81
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
∞
θ2 2−1 −θx
Z
= θ · Γ(2) x e dx
0 Γ(2)
= θ·1
Por lo tanto es insesgado para θ.
b) Para calcular la varianza, recordemos que
V(X) = E(X 2 ) − E2 (X)
Entonces sólo nos falta calcular E(2 )
b2 4
E(θ ) = E
X2
Z ∞
4 θ3 2 −θx
= xe dx
0 x2 2
Z ∞
= 2θ3 e−θx dx
0
−1 θx
= 2θ3 · e
θ
= 2θ2
Probabilidad y Estadı́stica 82
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
y con esto
b = 2θ2 − θ2 = θ2
V(θ)
c) Sabemos que la Información de Fisher está dada por
2
d logL(x, θ)
I(θ) = −E
dθ2
En este caso, como sólo contamos con una observación, L(x, θ) = f (x), por lo tanto
θ3 2 −θx
L(x, θ) = xe
2
log(L) = 3 log(θ) − log(2) − 2 log(x) − θx
d log(L) 3
= −x
dθ θ
d2 log(L) 3
= −
dθ2 θ2
Por lo tanto
3 3
I(θ) = −E(− 2
)= 2
θ θ
b = I −1 (θ). En este caso
d) Un estimador insesgado alcanza la cota si V(θ)
θ2
b = θ2 >
V(θ) = I −1 (θ)
3
por lo tanto, no alcanza la cota de Cramér- Rao.
4. Considere una muestra aleatoria X1 , . . . , Xn con función distribución densidad dada por:
α α−1 −xα
x exp{ }, x ≥ 0, θ >0, α >0, conocido;
θ
θ
f (x) =
0, e.o.c.
Solución:
Probabilidad y Estadı́stica 83
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
dg −1 1
Y = g(X) = X α , g −1 (y) = y 1/α |J| = = y 1/α−1
dy α
ası́,
n
X 1X α
log L(x, θ) = n log α − n log θ + (α − 1) log xi − xi
i=1
θ
d log L n 1 X α
=− + 2 xi = 0
dθ θ θ θ=θb
Por lo tanto,
n
1X α
θb = x
n i=1 i
b = θ. Recordemos que si Y ∼
c) Para mostrar que es insesgado, debe cumplirse que E(θ)
exp(1/θ), entonces E(Y ) = θ y V(Y ) = θ2 .
Probabilidad y Estadı́stica 84
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
n
b = E( 1
X
E(θ) xαi )
n i=1
n
1 X
= E(xαi )
n i=1
n
1X
= θ
n i=1
=θ
Calculamos su varianza:
n
b = V( 1
X
V(θ) xαi )
n i=1
n
1 X
= 2 V(xαi )
n i=1
n
1 X 2
= θ
n2 i=1
θ2
=
n
Probabilidad y Estadı́stica 85
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Es decir, Y ∼ Gamma(2, λ)
b) Por máxima verosimilitud, determinemos un EMV para µ.
n
Y
L(y, µ) = µ−2 yi e−yi /µ
i=1
n
Y
P
−2n
=µ (yi )e− yi /µ log
i=1
X X d
log(L) = −2n log(µ) + log(yi ) − yi /µ
dµ
d log(L) −2n 1 X
= + 2 yi = 0
dµ µ µ µ=b
µ
Probabilidad y Estadı́stica 86
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Por lo tanto,
n
1 X
µ
b= yi
2n i=1
Para comprobar que sea insesgado, recordemos que si Y ∼ Gamma(2, λ) entonces,
E(Y ) = 2/λ y V(Y ) = 2/λ2
1 X
E(b
µ) = E( yi )
2n
1 X
= E(yi )
2n
1 X
= 2/λ
2n
1 X
= 2µ
2n
1
= · n · 2µ
2n
=µ
Por lo tanto, µ
b es insesgado.
1 X
V(b
µ) = V( yi )
2n
1 X
= V(yi )
4n2
1 X
= 2
2/λ2
4n
1 X 2
= 2µ
4n2
1
= 2
· n · 2µ2
4n
µ2
=
2n
Probabilidad y Estadı́stica 87
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Solución:
a) Planteamos la función de verosimilitud para resolverla en función de θb2 .
n
x2
Y xi
2
L(x, θ ) = exp − i2
i=1
θ2 2θ
P 2
Y 1 xi
= (xi ) 2n exp −
θ 2θ2
P 2
X xi
log L = log(xi ) − 2n log(θ) −
2θ2
P 2
d log L 2n x
= − + 3i =0
dθ θ θ
Probabilidad y Estadı́stica 88
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Por lo tanto
1 X 2
θb2 = xi
2n
b) Para ver si θb2 es insesgado
X
b2 1
E(θ ) = E x2i
2n
1 X
= E(x2i )
2n
1 X 2
= 2θ
2n
= θ2
∴ θb2 es insesgado
c) Calculamos su varianza
1 X 2
V(θb2 ) = V xi
2n
1 X
= V(x2i )
4n2
1 X 4
= 4θ
4n2
θ4
=
n
θ4
lı́m ECM(θ)
b = lı́m =0
n→∞ n→∞ n
Criterio 1 La diferencia será evaluada de acuerdo a la nota promedio que entreguen las
personas seleccionadas.
Probabilidad y Estadı́stica 89
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
n x s x>4
Bebida A 25 6.0 2.41 9
Bebida B 25 3.84 2.01 10
a) Determine si hay diferencias entre las bebidas según el Criterio 1, con un nivel de
significancia del 5 %.
b) Determine si hay diferencias entre las bebidas según el Criterio 2, con un nivel de
significancia del 5 %.
c) Los investigadores concluirán a favor de su hipótesis sólo si los dos criterios concluyen
que hay diferencias. De acuerdo a lo anterior, ¿podemos afirmar que las bebidas obtienen
una evaluación distinta?
Solución:
En esta caso, no podemos rechazar H0 , por lo tanto, no podemos rechazar que las
varianzas poblacionales son iguales con 5 % de significancia.
Como no podemos asumir que las varianzas poblacionales son distintas (ya que la evi-
dencia no nos permitió rechazar la igualdad), entonces realizaremos la comparación de
medias utilizando varianzas poblacionales iguales. Usamos la prueba para diferencia de
medias con varianzas desconocidas pero iguales.
Probabilidad y Estadı́stica 90
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Entonces
6,0 − 3,84
T0 = q = 4,867
2
2,219 50
y la región crı́tica con α = 0,05 es
Comparando el valor crı́tico con el estadı́stico de prueba vemos que los datos nos entre-
gan evidencia en contra de H0 (rechazamos H0 ), por lo que podemos afirmar con 5 %
de significancia que las calificaciones de las bebidas son distintas.
b) Bajo el segundo criterio, debemos realizar una comparación de proporciones. Las hipóte-
sis son
H0 : p1 = p2
H1 : p1 6= p2
La regla es rechazar H0 si |z0 | > z1−α/2
y el estadı́stico de prueba
0,36 − 0,40
z0 = q = −0,291
0,36·0,64 0,4·0,6
25
+ 25
2. Se toman dos muestras independientes para comparar las medias de dos poblaciones.
Muestra n X s
A 50 57.5 6.2
B 50 54.4 10.6
a) ¿Se puede concluir que, al nivel del 0.02, la media de la población A ha de ser mayor
que la de B?
b) Verifique con qué valor de (1 − α) % tales valores de n son aceptables.
Solución:
Probabilidad y Estadı́stica 91
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
a) Primero, necesitamos saber si las varianzas poblacionales son iguales o distintas. Para
eso, necesitamos testear las hipótesis
H0 : σ12 = σ22
6 σ22
H1 : σ12 =
con α = 0,05. El estadı́stico para la comparación de varianzas es F0 = s11 /s22 el cual se
compara con los percentiles α/2 y 1 − α/2 de la distribución F de Fisher.
(6,2)2
F0 = = 0,34
(10,6)2
Rechazamos H0 si F0 < F( n1 − 1, n2 − 1, α/2) ó F0 > F( n1 − 1, n2 − 1, 1 − α/2), es decir,
basta que se cumpla una de las dos desigualdades para que rechazemos la hipótesis nula.
En este caso
F(49,59,0,01) = 0,52 > 0,34
F(49,59,0,99) = 1,88
Ası́, se rechaza H0 y las varianzas poblacionales son distintas.
s2A s2B 2
nA
+ nB
ν= (s2A /nA )2 (s2 /nB )2
nA −1
+ nBB −1
(0,768 + 1,872)2
ν=
0,589/49 + 3,506/59
6,969
=
0,0714
= 97,55
Probabilidad y Estadı́stica 92
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
57,5 − 54,4
T0 = √
0,768 + 1,872
= 1,907
T0 = −z1−α/2
Entonces
Solución:
Probabilidad y Estadı́stica 93
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
Entonces,
El IC queda
r
1 1
→ (4,38 − 5,92) ± z0,975 · 1,082 · +
10 12
→ − 1,54 ± 1,96 · 1,082 · 0,428
→ − 1,54 ± 0,907
→ − 1,54 ± 0,907
→ − 2,447; −0,633
Probabilidad y Estadı́stica 94
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
σB2 σB2
σ22 /σ12 ∈ ( · F nA −1,nB −1,α/2 , · FnA −1,nB −1,1−α/2 )
σA2 σA2
Entonces
Por lo tanto,
σ22 /σ12 ∈ (1,915 · 0,255, 1,915 · 3,587)
Entonces el intervalo es (0.133, 3.587), por lo que concluimos que con 95 % de confianza
las varianzas son iguales, ya que el 1 pertenece al intervalo.
Probabilidad y Estadı́stica 95
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
3.3. Propuestos
1. Sea X1 , . . . , Xn una muestra aleatoria con densidad
a) ¿Cuántas piezas decide examinar para que con un nivel de confianza del 95 %, el error
que cometa en la estimación de la proporción poblacional de piezas defectuosas no sea
mayor que 0.05? Suponga que la proporción estimada fuera la más desfavorable.
b) El fabricante dice que, en este lote, no hay más de 100 piezas defectuosas, ¿cuál serı́a el
tamaño de la muestra para que la estimación de la verdadera proporción de defectuosas
tenga un error de estimación de 0.05? Use una confianza del 95 %.
c) Si decide tomar una muestra de 100 artı́culos escogidos al azar del lote y realiza el
recuento de piezas defectuosas en la muestra, encontrando 4 artı́culos defectuosos, cons-
truya un intervalo de confianza del 95 % para la proporción de defectuosas. ¿Contradice
esto lo afirmado por el fabricante?
Probabilidad y Estadı́stica 96
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Un banco decide estudiar las caracterı́sticas de los clientes que llevan más de 3 meses sin
pagar. Para esto, estudia la relación entre el historial del cliente y algunos indicadores,
como se muestra en la siguiente tabla, la distribución del nivel educacional y el historial
de impagos anteriores
1) El banco quiere determinar si dichas variables están asociadas. Plantee las hipótesis,
la regla de rechazo y concluya con los datos entregados.
2) Realice una prueba de hipótesis que le permita determinar si el porcentaje de clien-
tes con impagos anteriores es mayor entre quienes no completaron el bachillerato
que entre los que alcanzaron estudios superiores.
3) Calcule el valor-p de la prueba realizada en (b). ¿Es posible cambiar el valor de la
significancia para poder rechazar H0 ?
Utilice α = 5 %
4. Sean X1 , . . . , Xn una muestra aleatoria de uns distribución de Rayleight con función densidad
dada por:
x x2
f (x) = e− 2θ , x>0
θ
a) Muestre que E(X 2 ) = 2θ. Sugerencia: use la sustitución u = x2 .
b) Construya un estimador insesgado para θ basándose en ni=1 Xi2 .
P
c) Encuentre el EMV de θ.
d ) Calcule la cota de Cramer-Rao para θ, ¿es eficiente?
Probabilidad y Estadı́stica 97
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática
c) Verificar si λ
b es insesgado o no.
d ) Determinar si λb es eficiente.
No fumadoras Fumadoras
0.97 1.16 0.48
0.72 0.86 0.71
1.00 0.85 0.98
0.81 0.58 0.68
0.62 0.57 1.18
1.32 0.64 1.36
1.24 0.98 0.78
0.99 1.09 1.64
0.90 0.92
0.74 0.78
0.88 1.24
0.94 1.18
Antes 35 56 72 43 67 54 46 48 68 66
Después 42 58 75 55 64 61 48 48 71 86
a) Calcule la correlación entre los puntajes, ¿le parece que las muestras son independientes?
b) Determine si al tomar el medicamento A aumenta el puntaje promedio obtenido en el
test.
c) Un grupo de investigadores plantea que para considerar el medicamento como efectivo,
el puntaje debe aumentar en al menos 10 puntos. Verifique esta hipótesis con un 5 % de
significancia.
d ) ¿Cuál es el menor valor de α para el cual rechaza la hipótesis planteada en (c)?
Probabilidad y Estadı́stica 98