Está en la página 1de 4

Tarea - 3 - Procesos Estocásticos

Josue Nicolas Gonzalez Camelo - 1032479030


Octubre 2019

1 Desarrollo
1. La función de distribución acumulada de la variable aleatoria es V

0
 v < −5
Fv (v) = c(v + 5)2 −5 < v < 10

1 C.C.

(a) Cual debe ser el valor de c?

c ∗ (10 + 5)2 = 1; c = 1/225


(b) Calcule P[V > 4]

P [V > 4] = 1 − P [V ≤ 4] = 1 − FV (4) = 1 − 81/225 = 144/225

(c) Calcule P[-3 < V ≤ 0]

P [−3 < V ≤ 0] = FV (0) − FV (−3) = 25/225 − 4/225 = 24/225

(d) Cual es el valor de a tal que P[V > a] = 2/3

P [V > a] = 11 − FV (a) = 1 − (a + 5)2 /225 = 2/3

a = 3.6602
(e) Encuentre la PDF fX (x)deX

0
 ≤ −5
fv (v) = 2/225 ∗ (v + 5) −5 < v < 10

0 ≥ 10

(f) Calcule E[V] y Var[V]


Z 10
E[V ] = v(v + 5) ∗ 2/225dv = 4.4117
−5

V ar[V ] = E[V 2 ] − E[V ]2 = 33.08 − 19.463 = 13.625


(g) Calcule E[V 3 ]
Z 10
E[V ] = v 3 (v + 5) ∗ 2/225dv = 253.67
−5

(h) Sea B el evento B = V ≥ 0. Encuentre E[V | B]

2. Un fabricante de teléfonos celulares ofrece una garantı́a de un año. Si el teléfono falla, por cualquier
razón atribuible al fabricante, se remplaza el teléfono por uno nuevo. Un buen número de ensayos
muestran que el tiempo hasta la falla (T) esté bien representado por la siguiente función de densidad
de probabilidad: (
0.0125 ∗ e−0.0125t t > 0
fT (t) =
0 C.C.

1
(a) Qué porcentaje de los teléfonos tendrán que ser remplazados durante el perı́odo de garantı́a?
(b) El costo de fabricación de cada teléfono es de US 150 y la ganancia que obtiene el fabricante
por cada uno es US 50. Qué tan buen negocio es éste? Considere una variable aleatoria U que
represente la utilidad recibida por cada teléfono.
3. Y es una variable aleatoria exponencial, con varianza Var[Y ] = 15,

(a) Cuál es la PDF de Y ? (


λ ∗ e−λy y≤0
fy (y) =
0 C.C.

V ar[Y ] = 1/λ2
(b) Calcule E[Y 2 ].
E[Y ] = 1/λ = 3.8729

(c) Calcule P[Y > 5]. Z ∞


P [Y > 5] = 0.2582 ∗ e−y∗0.2582 dy = e− 1
3.872

4. La temperatura máxima diaria T, en grados Celsius, en un dı́a de enero en Bogotá, está dada por una
variable aleatoria Gaussiana (21, 2.5). Lo cual significa media de 21 y desviacion estandar de 2.5.

(a) Cual es P[T>26]


26 − 21
P [T > 26] = 1 − P [T ≤ 26] = 1 − FT (26) = 1 − Fg ( ) = 1 − Fg (2) = 0.02275
2.5

(b) Calcule P[T<18]


18 − 21
P [T < 18] = Fg ( ) = Fg (−1.2) = 1 − Fg (1.2) = 0.1151
2.5

(c) Calcule P[21<T ≤27]

P [21 < T ≤ 27] = FT (2.4) − FT (0) = 0.49266


(d) Cual es la temperatura T0 tal que el P[T≤ T0 ] = 0.8

T o = 23.125

5. La señal de entrada X de un sistema de control digital es uniforme en el intervalo [0, a], donde a es
constante. La señal es cuantizada en un convertidor análogo digital con la caracterı́stica siguiente:
(a) El valor esperado de la señal cuantizada, E[Y ].
(b) fY (y)
(c) FY (y)

6. Suponga que un nuevo bombillo LED se quemará después de T horas, donde T ∈ [0,∝), tiene una
distribución exponencial con

(a) Se ha estimado que = 0.000125. Encuentre la probabilidad de que el bombillo no se quemará


antes de T horas. Esta probabilidad a veces se llama la confiabilidad de un componente.
(b) Para qué valor de T la confiabilidad del bombillo es 1/2?
(c) Dado que la lámpara ha durado 2000 horas, halle la probabilidad de que dure otras 200 horas.
(d) Encuentre la probabilidad de que el bombillo se queme en la hora 5001, es decir, 5000 ¡ T 5001,
dado que ya duró 5000.

2
7. Una senal aleatoria X tiene una pdf
(
1 − x/2 0≤ x ≤ 2
fx =
0 C.C.

Pero existe un limitador “duro” que produce,


(
X X≤ 1
Y =
1 X¿1

(a) Cual es la FDA Fx (x)?


Z x
FX (x) = (1 − y/2)dy = x − x2 /4
0

0
 X¡1
CDF FX (x) = x−x2 /4 0≤ x ≤ 2

1 X¿2

(b) Calcule P[Y = 1]


P [Y = 1] = P [x ≥ 1] = 1 − Fx (1) = 1 − 3/4 = 1/4
(c) Cual es FY (Y )

FY (y) = P [Y ≤ y] = P [X ≤ y] = FX (y)
• Desde que X no sea negativo Y no es negativo. Por lo tanto FY (y = 0) para y < 0.
• FY (y) = 1 para todo y ≥ 1.

0
 y<0
CDF FY (y) = y−y2 /4 0≤ y ¡ 1

1 y>1

(d) Cual es fY (y) 


0
 y<0
FY (y) = 1−y/2 0≤ y ¡ 1

0 y>1

8. W es una variable aleatoria Gaussiana con valor esperado µ = 0 y varianza σ 2 = 16. Dado el evento
C = [W > 0]

(a) Cuál es la PDF condicional, FW |C (w)?

1 −w2
fW (w) = √ e 32
2π16
Sabiendo que P [W > 0] = 1/2 .

(
fW (w)/P [C] w > 0
FW |C (w)(y) =
0 C.C

 2e− w322
√ w>0
FW |C (w)(y) = 32π
0 C.C

3
(b) Encuentre el valor esperado condicional, E[W |C]..
Z ∞ Z ∞
2 −w2 32
E[W |C] = wFW |C (w)dw = √ w∗e 32 dw = √
−∞ 32π 0 32π
(c) Calcule la varianza condicional, V ar[W |C].

V ar[W |C] = E[W 2 |C] − (E[W |C])2


Z ∞
2
E[W |C] = w2 FW |C (w)dw = 16
−∞

32
V ar[W |C] = 16 − = 5.8141
π
9.
10.

11. Un médico tienen programados dos pacientes, uno a la 1 PM y el otro a las 1:30 PM. El tiempo que dura
cada cita es una variable aleatoria exponencialmente distribuida con media 30 minutos. Suponiendo
que ambos pacientes llegaron a la hora exacta, encuentre el valor esperado de la cantidad de tiempo
que el paciente citado a la 1:30 gasta en esa EPS.

P [P 1 < 30min] = 1 − e(−1/30)∗30 = 1 − e− 1


E[T ] = E[T |A]P (A) + E[T |Ac ]P (Ac ) = 30(1 − (e− 1)) + (60)(e− 1) = 30 + 30e− 1 = 41min