Está en la página 1de 21

2.

FUNCION DE VARIABLES ALEATORIAS

Sea X una variable aleatoria definida sobre un espacio de probabilidad S, sea


Y  H  X  una función real de X, de modo que es evidente que Y es también una
variable aleatoria. La descripción de la función de una variable aleatoria puede
hacerse por intermedio de las funciones de probabilidad o densidad, digamos g  y  .
Estas pueden ser obtenidas conociendo las funciones equivalentes de la variable
original X. Usamos para ello los llamados sucesos equivalente.

Nuevamente, sea X una variable aleatoria definida en S, supongamos que y  H  x 


es una función real de X, Y  H  X  es una variable aleatoria puesto que para cada s
 S , se determina un valor de Y, sea y  H   s   . Consideremos la figura 2. 11. ,
R x , R y son los recorridos o conjunto posibles de valores de las funciones X e Y,
respectivamente. Sea B un suceso definido en R x , es decir B  R x . Se define el
evento o suceso A, como todos los elementos en S, para los cuales X  s   B , por lo
cual A y B son sucesos equivalentes, resaltando que cuando A ocurre, ocurre B, y
viceversa, es decir, ocurren juntos y asociados a espacios muestrales o recorridos
diferentes. Se define el evento A,

A   s  S / X  s   B

Si A y B son equivalentes, entonces P  A  P  B 

Se extiende ahora el concepto, sea C un suceso asociado a R y , se mencionó que


B  R x , se define B,

B   x  R x / H  x   C , de manera análoga el suceso B es el conjunto de valores de X


tales que H  x   C , entonces B y C son equivalentes, como en la relación A y B ,
tenemos que B y C suceden juntos, y asociados a recorridos diferentes, y por supuesto
también se cumplirá que P  B   P C  , es decir la probabilidad de un suceso asociado
a Y está definida como la probabilidad de su suceso equivalente en X, conocida la
distribución de probabilidad de X . Por supuesto si A y B son equivalentes, y B y C,
también lo son, entonces A y C son equivalentes.

P C    x  Rx / H  x   C  P s  S / H  X  s    C  , se pretende entonces, a partir del


conocimiento de la relación de dos variables aleatorias, es decir de la función de
variable aleatoria Y  H  X  , de la función de probabilidad de X y determinación del
suceso equivalente, la obtención de la función de probabilidad de Y. Se presentan
entonces tres casos a continuación.

55
CASO 1: Sea X una variable aleatoria discreta, entonces se deduce que Y  H  X  es
también una variable aleatoria discreta. Para x1 , x 2 ,...x n ... , tenemos
y1  H  x1  , y 2  H  x 2  ,.... , puede que algunos valores de Y sean iguales, pero
ciertamente pueden enumerarse. La función de probabilidad de Y , P Y  y i  , se
obtiene mediante la búsqueda del suceso equivalente A en la función X , más en su
recorrido, R x : P Y  y i    P  X  xi 
A

RX
X Y  H X  RY
B
S X(s)  B C
A
H(x)  C
sA
H(X(s))  C

Figura 2.1. Sucesos equivalentes.

Ejercicio 2.1. Una persona gana determinada cantidad Y de dinero según el número
de puntos obtenidos al lanzar un dado no balanceado, variable aleatoria X, la
probabilidad de una cara impar es tres veces la probabilidad de una cara par. Sea
Y  H  X   3 x  10 . Obtenga la distribución de probabilidad de Y.

Solución: Sea X: v.a. número de puntos obtenidos al lanzar el dado.

56
Obtenemos entonces la distribución de probabilidad X:

A: resulta una cara impar al lanzar el dado.

B: resulta una cara par del dado.

P  Ai   3P  B j 
P  A1   P A3   P A5   P B2   P B4   P B6   1
3 x3P  B j   3P  B j   1
P B j   1
12
P  Ai   3
12

R x  1,2,3,4,5,6

Y: v.a. dinero obtenido por lanzamiento del dado.

Y  H  X   3 x  10

Tenemos los posibles valores de Y, y1  H  x1  , y 2  H  x 2  ,....

R y    7,4,1,2,5,8 , buscando el evento equivalente en R x , tenemos:

P Y  7   P X  1  3
12
P Y  4  P X  2  1
12
P Y  1  P X  3  3
12
P Y  2  P  X  4   1
12
P  Y  5  P  X  5  3
12
P  Y  8  P  X  6   1
12
Ejercicio 2.2. Sea una variable aleatoria X que toma valores enteros en [-5, 6] con
igual probabilidad. Obtener la distribución de probabilidad de Y, Y  H  X   x  2 .

57
Solución: R x    5,4,3,2,1,0,1,2,3,4,5,6 , la función de probabilidad de X

es entonces: P X  xi   1  H X   x  2,
12 ; Luego de acuerdo a tenemos:
Y

 X  2; para : x  5, 4, 3  2, 1


Y  H  X   
 X  2; para : x  0,1, 2,3, 4,5,6

Por lo que : R y   2,3,4,5,6,7,8

P  Y  2  P X  0  1
12
P Y  3  P X  1  P X  1  2
12
P Y  4  P X  2   P X  2  2
12
P Y  5  P X  3  P X  3  2
12
P Y  6  P X  4  P X  4  2
12
P Y  7   P X  5  P X  5  2
12
P Y  8  P X  6   1
12
CASO 2: X es una variable aleatoria continua, mientras que Y es discreta. Para
obtener la función de probabilidad de Y, P Y  y i  , se determina el suceso
equivalente A en la función de densidad de X, más en el recorrido R x :

P Y  yi    f  x dx
A

Ejercicio 2.3. Considere la variable aleatoria X del ejercicio 1.6, cuya función de
densidad y función de distribución acumulada son:

 0 para x0
  7 x 17 
 24  24 para 0  x  2 2
  7 x  17 x
 para 0  x  2
 x x2  48 24
f (x)    F(x)  
para 2  x  4 3 2
 8 32  x x 2
 0 para otrocaso  96  16  3 para 2  x  4
  1 para x4
 

58
Suponga que la variable aleatoria X representa la cantidad de material usado en la
fabricación de cierto compuesto. El precio de venta del compuesto depende del
contenido de material y se vende a en $6 el galón si es mayor a 3,5, en $5 el galón sí
está entre 1,5 y 3,5, de otro modo se vende a $ 2. El costo de producción es de $1.6.
Encuentre la función de probabilidad de la utilidad, Y.

Solución: Como sabemos X es una variable aleatoria continua, pero aún cuando la
variable aleatoria U es función de X, la misma es discreta. Ubicamos entonces el
evento equivalente A correspondiente en X para hallar la distribución de probabilidad
de Y:

P Y  yi    f  x dx
A

R y   0,4;3,4;4,4

1, 5
P  Y  0,4    f  x dx  P X  1,5  F 1,5  0,7344
0
2 3, 5
P  Y  3,4    f  x dx   f  x dx  P1,5  X  3,5  F  3,5  F 1,5  0,7388  0,7344
1, 5 2

P  Y  3,4   0,0044
4
P  Y  4,4    f  x  dx  P X  3,5  1  P  X  3,5  1  0,7388  0,2612
3, 5

Encontramos otro ejemplo del caso 2, aplicado en la solución de la parte de “d” del
ejercicio 1.7, específicamente en la obtención de la distribución de probabilidad de la
variable Yi , bonificación del gerente en el mes i.}

CASO 3: El caso mas frecuentemente encontrado y por consiguiente más importante


se presenta cuando se tiene una variable aleatoria continua X con función de densidad
de probabilidad f  x  , y Y  H  X  , es también continua. Nos centramos entonces en
hallar la función de densidad de Y, digamos g  y  . Recordemos que f  x  y F  x 
son respectivamente, la función de densidad de probabilidad y la función de
distribución acumulada de X, por lo que para Y estas funciones serán g  y  y G  y  ,
respectivamente. El procedimiento general es:

a.- Obtenga G  y  , en donde G  y   P Y  y  , al encontrar el suceso A en el


recorrido R x , que es equivalente al suceso  Y  y  .

b.- Diferenciar G  y  con respecto a y para obtener g  y  .

59
c.- Determinar estos valores de y en el recorrido de Y para los cuales g  y   0

Ejercicio 2.4. Sea X una variable aleatoria con función de densidad uniformemente
distribuida en el intervalo   4;2  . Sea Y  H  X   X 2  1 . Halle la función de
densidad de probabilidad de y, g  y  .

Solución:

Tenemos para la variable aleatoria X:


0; x  4
1
 ;4  X  2   X  4
f  x  6 F  x

 
6
;4  X  2
 
0; otrocaso 
1 ; X  2

Determinamos entonces G  y  , encontrando el suceso equivalente:

G  y   P Y  y   P  X 2  1  y   P  X 2  y  1  P   y 1  X  
y 1 

G y   P X   
y 1  P X   y 1  F   
y 1  F   y 1 

Ahora procedemos a obtener g  y 

dG y       
G  y  
dy
 f  
y  1 .
1    f 
 2 y  1  
 
y  1 . 
1 
 2 y  1 
     

dG  y       
G  y  
dy
 f  
y  1 .
1    f 
 2 y  1  
 y  1 .  1 
 2 y  1 
     

Observemos la figura 2.2

60
15 f(x) / Y

1/6

-4 1 2 X
-1

Figura 2.2 Ejercicio 2.4. Función de densidad de probabilidad de X, f  x  ,

y Función de variable aleatoria Y  H  X  .

Aclaramos que el eje de las ordenadas del gráfico anterior, figura 2.2, representa a
f  x  , pero también a la variable aleatoria Y, de forma independiente, por cuanto
tenemos dos funciones superpuestas. Se pudo haber elaborado dos gráficos separados
 X ; f  x   y otro  X ; Y  .

61
Este gráfico nos ayuda a determinar el recorrido de la variable aleatoria Y; tenemos
por un lado la función de densidad de X, f  x  , uniformemente distribuida en el
intervalo   4  X  2  , representada con una línea delgada. Encontramos también
representada la relación Y  H  X  , señalada con una línea gruesa. A grandes rasgos,
observamos que mientras la variable aleatoria X existe en el mencionado intervalo, la
variable aleatoria Y, lo hace en el tramo   1  Y  15 . Sin embargo, en el intervalo
  2  X  2 , para el cual Y está en   1  Y  3 , resalta la relación 2: 1, entre las
dos variables, mientras que en el intervalo   4  X  2 , para el cual Y está en
 3  Y  15 , la relación entre ellas es 1:1. Esta diferencia de comportamientos
arrojará dos tramos diferentes para la función de densidad de Y, g  y  . También se
puede identificar la diferencia en el recorrido al intentar hallar G  y  , formada por la
suma de dos términos. Observamos que para el tramo   1  Y  3 ambos términos
están presentes, pues resulta que f   y  1  y f  y  1  , son mayores a cero.
Mientras que en el tramo  3  Y  15 , solo un término está presente, pues solo
f   y  1  resulta ser mayor a cero.

Partiendo de la ecuación G  y  y para el tramo  1  Y  3 , donde  2  X  2 ,


tenemos:

dG  y       
G  y  
dy
f  y  1 .  1    f 
 2 y  1  
 y  1 .  1 
 2 y  1 
     

1  1   1  1  1  1  1  y 1 
G  y    .    .   .   . 
 6  2 y  1   6  2 y  1  6  y  1  6   y  1 

Tenemos: 3  Y  15 , donde  4  X  2

dG  y       
G  y  
dy
f  
y  1 .
1

   f 
 2 y  1  

y  1 .
1 
 2 y  1 
     

1  1   1  1  y  1 
G  y   0   .   1 .  .
 
 6  2 y  1  12 
 y  1  12   y  1 

Finalmente hemos obtenido la función d densidad de Y, g  y  :

62
 1  y  1 
 . ; 1  y  3
 6 
  y  1 


 1  y  1 
g  y    . ;3  y  15
12 
  y  1 

0; otrocaso


Ejercicio 2.5. Sea X una variable aleatoria con función de densidad de probabilidad
y su correspondiente función de distribución acumulada. a.- Sea
Y  H  X    X  3 . Halle la función de densidad de probabilidad de Y, g  y  . b.-
2


Halle P
 0  X  2 
 Y  3 
 2
11 ; 2  x  2

 

x  4
;2  x  4
f  x    11
 2 x  8
 ;4  x  5
 11
o; otroca so

0; x  2
 2 x  4
 ; 2  x  2
 11
 
 x 2  8 x  4
F  x    ;2  x  4
 22
 x 2  8 x  26
 ;4  x  5
 11

1; x  5

Solución:

Primero procedemos a la determinación de G  y  , encontrando el suceso equivalente:

  
G  y   P  Y  y   P   X  3  y  P  X  3   y  1  P  X  3   y
2 2
  2


G  y   1  P   y   X  3   y   1  P  3   y   X  3  y 
G  y   1   P  X   3   y    P  X  3   y   
G  y   1  F 3   y   F 3   y 

Ahora procedemos a obtener g  y 

dG  y      1
   f 3   y .   1  1 
   
G  y  
dy
  f 3    y .
2  y  
 
 2  y 
     

  1    1 
G  y    f 3   
 y .    f 3 
 2  y  
 
 y . 
 2  y 
     

Considere la figura 2.3., en ella observamos que mientras la variable aleatoria X está
definida en el intervalo   2  X  5 , el recorrido de la variable aleatoria Y queda
determinado en el intervalo   25  Y  0  . El recorrido de Y presenta un
comportamiento en el tramo   25  Y  4  , determinado por la relación 1:1 entre

63
las dos variables, y otro distinto en el tramo   4  Y  0  , donde la relación entre las
mismas es 2:1, lo que determinaría una función de densidad para Y con mas de un
tramo. Por otra parte, en este último tramo de Y, tenemos la variante que el evento
equivalente está relacionado con dos tramos distintos de X, lo cual obliga a dividirlo.
Otra forma de determinarlo, por ejemplo, es percatarse en el tramo   4  Y  0  de la
imposibilidad de evaluar f 3   y  , ya que su equivalente se encuentra asociado al
segundo y tercer tramo de X, específicamente en el intervalo  3  X  4   4  X  5 .
Lo mismo sucedería al intentar evaluar f 3   y  , en el mismo tramo   4  Y  0  ,
aquí el equivalente lo encontramos en 1  X  2   2  X  3 asociado a primer y
segundo tramo de X, por lo que finalmente la función de densidad de Y estará
conformada por tres tramos, como se muestra:

Para  25  Y  4 ; donde  2  X  1

  1   1 

G  y    f 3   y .  
   f 3   y
 2  y  
. 2 
 y 
    
2  1  1 y
G  y   0  .  
 
11  2  y  11 .  y 11 y

Para  4  Y  1 ; donde 1  X  2   4  X  5

  1    1 

G  y    f 3  
 y . 
   f 3 
 2  y  

 y . 
 2  y 
     

G  y   
 .

 2 3   y  8   1   2  1 
   . 
 11   2  y  11  2  y 
    
6  2.  y  8  2 2 y 1
G  y    
22  y 22  y 11

Para  1  Y  0 ; donde 2  X  4

64
  1    

G  y    f 3   y .


 

    f 3   y . 1 


  2  y     2  y 

G  y   
 .

  3   y  4   1     3   y  4   1  
    .
 

 11   2  y   
    11   2  y 
 
3  y  43  y 4 2 y
G  y    
22  y 22  y 11 y

Finalmente:

  y
 ; 25  y  4
 11 y
 1
 ; 4  y  1
g  y   11
  y
 ; 1  y  0
 11 y

0; otroc aso


b.- Halle P
 0  X  2 
 Y  3 
Puesto que desconocemos la función de densidad conjunta f  x, y  , debemos buscar
el evento equivalente de  0  X  2 en el recorrido de Y, o el evento equivalente de
 Y  3 en el recorrido de X, a fin de trabajar con eventos asociados a una sola
variable aleatoria. En este caso particular puesto que conocemos la función de
densidad de X y además su función de distribución acumulada, resultará menos
laborioso trabajar con eventos asociados con el recorrido de X.

Procedemos a encontrar el evento equivalente de  Y  3 en el recorrido de X, el


cual podrá obtenerse con la ayuda de la figura 2.3, o bien haciendo el planteamiento
correspondiente.

Calculando   X  3 2  3  X  3  3  X 1  1,27; X 2  4,73 y Observando la


figura 2.3, tenemos que para  Y  3 , resulta equivalente que
 2  X  1,27    4,73  X  5   X  1,27    X  4,73

Haciendo el planteamiento del evento equivalente obtendremos igual resultado:

65
    
P  Y  3  P   X  3  3  P  X  3  3  1  P  X  3  3
2 2 2


P  Y   3  1  P  3   X  3   
3  1 P 3  3  X  3  3 
P  Y  3  1   P  X  4,73  P X  1,27    1  P X  4,73  P X  1,27 
P  Y  3  P X  4,73  P X  1,27 

Obteniendo entonces el mismo resultado: Y  3 es equivalente a


  X  1,27    X  4,73 

66
67
f(x) / Y

2/11

-2 1 4 5
-1 X
1,27 4,73
-3

-4

-9

-25

Figura 2.3 Ejercicio 2.5. f.d.p. de X, f  x  , y Función de variable aleatoria


Y  H X  .

68
Volviendo al planteamiento original:

P  0  X  2   P  0  X  2 
  Y  3     X  1,27   X   4,23  
P  0  X  2    X  1,27    X  4,23   P 0  X  1,27 
 
P  X  1,27    X  4,23  P X  1,27   P X  4,73
P X  1,27   P X  0 F 1,27   F  0
 
P X  1,27   1  P X  4,73  F 1,27   1  F  4,73

Luego ubicando los puntos en el recorrido de X y utilizando las ecuaciones


correspondientes de la Función de Distribución Acumulada, obtenemos:

P  0  X  2    0,5942  0,3636  0,2306  0,3622


 Y  3  0,5942  1  0,9575 0,6367

Ejercicio 2.6. Sea X una variable aleatoria con la siguiente función e densidad de
probabilidad. a.- Y  H  X   X  3  3 . Halle la función de densidad de
4
   2,75  Y  2,5
probabilidad de y, g  y  . b.- Halle P

  X  0,5 
0; x  0,5

 4 x
2
 4 x  1
; 0,5  x  0
 4

  2 x 2
 4 x  1
F  x    ;0  x  1
 4
 4 x 2  8 x  7
 ;1  x  1,5
 4

1; x  1 ,5

2 x  1; 0,5  x  0

 x  1 ;0  x  1
f  x   
2 x  2; 1  x  1 ,5
0; otroca s o

Planteamos el evento equivalente:

   
G  y   P Y  y   P X  3  3  y  P X  3  y  3
4 4

     
G y   P  y  3  3  X  y  3  3  P X  y  15  P X   y  9
4 4 4 4
   
69
  
G  y   F y  15  F  y  9
4 4

Ahora procedemos a obtener g  y  :

dG  y 
G  y  
dy
  
 f y  15  f  y  9 .  1
4 4


G  y   f y  15
4
  f  y  9 4 

Observemos la figura 2.4.

Podemos observar que del intervalo  0  X  1,5 , equivalente a   3  Y  2,25 la


relación entre las dos variables es 2:1, mientras que en el intervalo   0,5  X  0 ,
equivalente a   2,25  Y  1,75 , la relación entre las misma es 1:1.

En el intervalo   3  Y  2,25 , observamos que para la recta con pendiente


positiva Y  X  15 4 , el evento equivalente en el recorrido de X está asociado a
dos tramos de la función de densidad de X, por lo que es necesario dividir el recorrido
de Y, con lo cual finalmente tendremos tres tramos para g  y  .

Determinación de g  y  :

Para :   3  Y  2,75 ;  0,5  X  1


G  y   f y  15
4
  f  y  9 4 

 
G  y    y  15
4
  1    y  9 4   1    y  154  1   y  94  1
1
G  y  
2

70
f(x) / Y
1

-0,5 0,25 0,5 3/4 1 1,25 1,5


X

-1

-1,75

-2

-2,25

-2,5

-2,75

-3

Figura 2.4. Ejercicio 2.6. Función de densidad de probabilidad de X, f  x  ,

y Función de variable aleatoria Y  H  X  .

Para :   2,75  Y  2,25 ;  0  X  0,5  1  X  1,5

71

G  y   f y  15
4
  f  y  9 4 
  4
  
G  y   2. y  15  1    y  9  1  3 y 
4 4
  
35 12 y  35
4

Para :   2,25  Y  1,75 ;   0,5  X  0


G  y   f y  15
4
  f  y  9 4 

  9  14  8 y  14
G  y    2.  y    1  2 y  
  4  4 4

Finalmente:
 1
 2 ; 3  y  2,7 5

12 y  35
 ;2,75  y  2, 2 5
g  y    4
  8 y  14
 ; 2, 2 5  y  1,75
 4
0; otroc as o


b.- Halle P
  2,75  Y  2,5 
  X  0,5 
Hallamos el evento equivalente de   2,75  Y  2,25 , en el recorrido de X.
Utilizando la figura 2.6, observamos con la ayuda de las líneas punteadas y las
flechas que el evento equivalente en x resulta ser:  0,25  X  0,5  1  X  1,25 .

Otra forma de hallarlo es:

P  2,75  Y  2,5  P Y  2,5  P Y  2,75


   
 P X  3  3  2,5  P X  3  3  2,75
4 4

 P  2,5  3  0,75  X    2,5  3  0,75   P  2,75  3  0,75   X    2,75  3  0,75
 P 0,25  X  1,25  P 0,5  X  1  P X  1,25  P X  0,25   P X  1  P X  0,5 
 P X  1,25  P X  1  P X  0,5  P X  0,25
 P1  X  1,25  P 0,25  X  0,5

72
Retomando el ejercicio original y utilizando la función de distribución acumulada de
X, tenemos:

P   2,75  Y  2,5   P   0,25  X  0,5  1  X  1,25  


  X  0,5     X  0,5  

    0,25  X  0,5  1  X  1,25    X  0,5   P1  X  1,25


 P  
 P  X  0,5  P X  0,5
P X  1,25  P  X  1 0,8125  0,75 0,0625
    0,1667
1  P  X  0,5 1  0,625 0,375

EJERCICIOS PROPUESTOS

2.1.- Sea X una V.A. que describe el comportamiento de la demanda en litros de


suero en una farmacia de ayuda social que ofrece medicamentos gratuitos. La F.D.A.
de la V.A. X es:
0; X  6 50

 h

 X 2  1.15 0 X  3 25.0 00
 

 h   X  1.4 00 X 
2
F ( X ) 5 40.0 00
h    X 2
 5.00 0 X  3.3 00.

1 : X  20 00

a.- Sea Y  ( X  800) 2 , halle la f.d.p de Y.

b.- Halle la probabilidad de que Y esté entre (-10.000) y (- 1.000.0000)

2.2.- Sea X una V.A. con la siguiente f.d.p.


  2 X
 ;2  X  0
9

 2 X
f ( x)   ;0  X  5
 45
0; otro / caso

a.- Sea Y 
 ( X  1)  3 
2
 determine la f.d.p. de Y
 

b.- Halle P10  Y  15

c.- Si cada observación superior a cero (0) genera una ganancia Bs. 8 y cada
observación inferior a cero (0) genera una pérdida de Bs. 4, determine al cabo de tres
(3) observaciones independientes de X, la distribución de probabilidad del beneficio.
2.3.- La temperatura de los moldes que se usan para la fabricación de cierta pieza
debe ser llevada a 0°C antes de poder ser vaciados y por eso son introducidos en un
congelador. La temperatura de estos moldes al salir del congelador puede ser

73
modelada mediante una variable aleatoria con función de densidad de probabilidades
como la que se muestra en la figura.

a.- Hallar F(X) .


b.- Calcule la probabilidad de que la temperatura de un molde al salir del congelador
se encuentre entre -3°C y 0°C si es conocido que la temperatura es superior a -1°C
pero inferior a 2°C.

c.- Se mide la temperatura de 5 de estos moldes al salir del congelador, ¿cuál es la


probabilidad de que solo uno de estos moldes este bajo 0°C y al menos 2 estén sobre
3°C?

d.- Sea Y  X 2  2 , halle la f.d.p. de Y.

2.4.- Sea X, una variable aleatoria con la Función de Distribución Acumulada que se
muestra a continuación.

0; X  0
 2
2 X 1 50 ;0  X  5

 1
F ( x)   ;5  X  10
3

 

 X 2
1 50
 4 X
15
     5
3
;1 0  X  20

1; X  20

a.- Sea Y   X  8 2  12 , obtenga la función de densidad de probabilidad de Y.

b.- Determine la probabilidad de que X sea mayor que 12 si es conocido que Y esta
comprendido entre -2 y 45.

2.5.- La cantidad de pasajeros que asiste a comprar boletos en cierta ruta es Uniforme
en el intervalo entre 85 y 145 pasajeros.

74
a.- Indique cuántos boletos debe poner a la venta la aerolínea, si por cada boleto que
sobre se tiene un costo de Bs. 75.000y por cada boleto que haga falta se tiene costo de
Bs. 90.000.

b.- Con la cantidad de boletos vendidos en la parte anterior, determine la probabilidad


de que el costo se encuentre entre 2.000.000 y 3.000.000 Bs.

2.6.- Sea X una variable aleatoria con la siguiente f.d.p.





 4 X
350
; 10   X  0

f ( x) 




2 X
175
;0  X   5


235
;5  X 
 10
0; otro / caso

a.- Sea Y   X  2  2  10 , obtenga la f.d.p. de Y

b.- Determine la probabilidad de que Y esté entre -150 y 5, si X es al menos 0.

c.- Considere que el experimento aleatorio se realiza tres veces, por cada vez que Y
resulte mayor a 0 se tiene un ingreso de Bs. 1.000, en caso contrario se tiene un costo
de 700 Bs. Determine el valor esperado del beneficio al cabo de la tercera vez que se
realiza el experimento.

75

También podría gustarte