Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA INDUSTRIAL
TEORÍA DE PROBABILIDAD
MATERIAL COMPLEMENTARIO DE LA
ASIGNATURA PROBABILIDADES, DEPARTAMENTO DE
INVESTIGACIÓN DE OPERACIONES
TEORÍA DE PROBABILIDAD
2
TABLA DE CONTENIDO
3
Teorema Central del Límite 157
Distribución Exponencial 160
Distribución Uniforme 166
EJERCICIOS VARIOS 169
EJERCICIOS PROPUESTOS 202
BIBLIOGRAFÍA 206
4
1.-VARIABLES ALEATORIAS UNIDIMENSIONALES
al experimento de lanzar dos dados y registrar la suma de los puntos que aparecen
en sus caras superiores. Vemos que si la función asociada al experimento de
lanzar dos dados es X, quien es el valor que resulta de sumar los puntos de ambas
caras superiores, resulta que el conjunto posible de valores de X o el recorrido de
dicha función es :
R X 2,3,4,5,6,7,8,9,10,11,12
5
En otros casos requerimos de la relación de los elementos del espacio muestral S,
denotados por s, con la función de valor real de interés X, es decir X s ,
tenemos: s : X s x , para todo x .
Por ejemplo se seleccionan al azar y de forma sucesiva dos esferas de una caja que
contiene cinco rojas y tres blancas. Citamos los elementos de espacio muestral
correspondiente al registro de las esferas extraídas, así tenemos:
S RR, RB, BR, BB ahora citamos los valores de la variable aleatoria X, donde
ésta asume todos los valores posibles al número de esferas rojas extraídas,
tendremos para el recorrido de X:
R X 0,1,2 , X RR 2; X RB X RRB 1; X BB 0
Veamos ejemplos de variables aleatorias con el correspondiente recorrido:
Número de caras obtenidas al lanzar una moneda tres veces
R X 0,1,2,3
Diferencia obtenida entre los puntos del primer lanzamiento de un dado con
los del segundo lanzamiento.
R X 5,4,3,2,1,0,1,2,3,4,5
6
Número de personas encuestadas hasta encontrar la tercera persona con título
universitario.
R X 3,4,5,6...
Sea x una variable aleatoria discreta. Su distribución viene dada por los valores
que puede tomar, x1, x2, x3, …, xk, y las probabilidades de que aparezcan p1, p2, p3,
7
…, pk. Estas cantidades pi P X xi reciben el nombre de función de
probabilidad o función de masa.
Con base en los postulados de probabilidad:
Una función puede ser función de probabilidad de una variable aleatoria discreta
si y sólo si cumple con las siguientes condiciones:
p i P X xi 0
k k
p i P ( X xi ) 1
i i
4
0 x1x1x1x1
P X 0
2 x2 x 2 x 2
4
x1x1x1x1
1
P X 1
2 x2 x2 x2
4
x1x1x1x1
2
P X 2
2 x2 x 2 x2
8
4
3 x1x1x1x1
P X 3
2 x 2 x2 x2
4
4 x1x1x1x1 , en muy sencillo pensar en que la función de probabilidad
P X 4
2 x2x2x2
de X es:
4
x
P X x
x1x1x1x1 para X 0,1,2,3,4
16
Solución:
4 4
x
2 2 36
P X 0 0,01778
10 10 2.025
x
2 2
6 4 2 6 4 3 6 4 2 3
x x x x x x x
1 1 2 1 1 2 1 1 1 1
4 x 6 x 2 4 x 6 x 2
2 1 1 2 1 1
P X 1
10 10
2 x 2
384
0,18963
2.025
6 4 4 6 2 4 6 4 5
2 x1 x1 2 x1 x1 1 x1 x 2
P X 3
10 10
2 x 2
600
0, 29630
2.025
6 4
x
2 2 90
P X 4 0,04444
10 10 2.025
x
2 2
9
Podemos graficar la función de probabilidad, como observamos en la figura 1.1:
0,5
0,45
0,4
0,35
0,3
P(X=x)
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4 X
Solución:
La observación del número de piezas se hace durante una jornada de trabajo de 6
horas, pensemos en el peor escenario, es decir cada vez que la máquina termina de
hacer una pieza, es decir después de una hora de trabajo, queda desajustada para
lo cual se requiere una hora a fin de repararla, en este caso tendríamos que el
menor número de piezas fabricadas es tres, así también podríamos pensar en lo
mejor que podría ocurrir, finalizada cada pieza la máquina queda ajustada, de esta
10
manera tendríamos el mayor número de piezas que se pueden fabricar en 6 horas,
veamos la figura 1.1:
HORA HORA HORA HORA HORA HORA
1 2 3 4 5 6
11
(1) (0,90) (0,10) (1) (0,90) (0,90)
PIEZA PIEZA REPA PIEZA PIEZA PIEZA
1 2 RAR 3 4 5
12
Ai : la máquina produce una pieza en la hora i, recordando que el evento
P X 4 0,10 x 0,90 x3 0,10 x 0,90 x3 0,0513
2 2 2
P X 5 0,10 x 0,90 x 4 0,10 x 0,90 0,35721
3 4
P X 6 0,90 0,5949
5
Ejemplo 1.4 La cantidad de defectos que tiene una pieza elaborada por la línea A
es 0, 1 o 2; con probabilidades 0.25, 0.45 y 0.30 respectivamente; en el caso de
una pieza de la línea B es 1 o 2 defectos, con probabilidades 0.70 y 0.30,
respectivamente. El 70% de la producción corresponde a la línea A y el resto a la
B. Obtenga la función de probabilidades de X: Número de piezas que se deben
observar hasta encontrar la tercera con algún defecto.
Solución:
P (C i ) P ( A) * P ( D1 / A) P ( A) * P ( D2 / A) P ( B )
P (C i ) 0,825
13
P ( A D0 )
P(DO/ A)=0,25 D0
P(D1/ A)=0,45 P ( A D1 )
A D1
P ( A D2 )
P(A)=0,70 P(D2/ A)=0,30 D2
P ( B D1 )
P(B)=0,30
P(D1/ B)=0,70 D1
B
P( B D2 )
P(D2/ B)=0,30 D2
2
p i P ( X xi ) 1
i i
14
La función de distribución o de probabilidad acumulada representa en cada punto
x0 la probabilidad de que la variable tome un valor menor o igual que dicho punto,
es decir,. P ( X x 0 ) F ( x0 )
Volvamos al ejemplo 1.2
P ( X 0) F (0) P( X 0) 0,01778
P ( X 1) P( X 0) P ( X 1) F (0) P ( X 1) F (1) 0,20741
P ( X 2) P ( X 0) P( X 1) P( X 2) F (1) P( X 2)
F (2) 0,65926
P ( X 3) P ( X 0) P ( X 1) P ( X 2) P ( X 3) F ( 2) P ( X 3)
F (3) 0,95556
P ( X 4) P ( X 0) P ( X 1) P ( X 2) P ( X 3) P ( X 4)
F (3) P ( X 4) F (4) 1
0 ;
0,01778 ;
0, 207 41
;
F x 0
0,65926 ;
0,95556 ;
1;
x0
0 x 1
1 x 2
2 x3
3 x4
x4
F ( x) P( X x) P( X
xi x
xi )
15
1
0,9
0,8
0,7
0,6
F(x0)
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 x
F ( ) 1;
16
Solución:
El recorrido de X será R X 1,2,3,4,5,6,7,8
Cada punto muestral que señale la ubicación de cada uno de los 8 negocios es
igualmente probable, pues la selección de dicha ubicación se realiza eligiendo
para cada negocio al azar entre los diez centros comerciales señalados. Así
tenemos que la distribución de probabilidad de X se calcula de acuerdo a la
definición clásica, casos favorables entre casos totales.
Un posible resultado sería (C1 , C 3 , C 3 , C 7 , C 5 , C 7 , C10 , C 4 ) , donde se indica que
el negocio uno será ubicado en el centro comercial uno, el negocio dos y tres en el
centro comercial tres, el negocio cuatro y seis en el centro comercial siete, el
negocio cinco en el centro comercial cinco, el negocio siete en el centro comercial
diez y finalmente el negocio ocho en el centro comercial cuatro. Como se
mencionó cualquier otra disposición de los negocios es igualmente probable. Cabe
destacar que dicho experimento es realizado con reemplazo admitiendo entonces
repetición de elementos en el arreglo.
Tenemos entonces la distribución de probabilidades de la variable aleatoria X:
10
1
P ( X 1)
108
P ( X 1) 10 0,0000001
108
10 8 8 8 8
* P * 2! P * 2! P * 2! P
2 1,7 2,6 3,5 4,4
P ( X 2)
108
P( X 2) 11 .420 0,0001142
108
8 3 8 8
P 1,1,6
* P 1, 2
P 1, 2,5
* 3! * 3!
P 1,3, 4
10
*
3
8 3 8 3
P *P P *P
2, 2, 4
1,2 2,3,3 1, 2
P ( X 3)
108
17
P ( X 3) 695.520 0,0069552
108
8 4 8 4 8 4
P 1,1,1,5
*
P 1,3
P 1,1,2,4
*
P 1,1,2
P 1,1,3,3
*
P 2, 2
10
*
4
8 4 8
P * P P
1, 2,2,3 1,1, 2 2, 2,2,2
P ( X 4)
108
P( X 4) 8.573.040 0,0857304
108
10 8 5 8 5 8 5
* P * P P * P P * P
5 1,1,1,14 1, 4 1,1,1 , 2,3 1,1,3 1,1, 2, 2, 2 2,3
P ( X 5)
108
P( X 5) 31.752.000 0,31752
108
10 8 6 8 6
* P * P P * P
6 1,1,1,1,1,3 1,5 1,1,1,1,2,2 2,4
P ( X 6)
108
P( X 6) 40.219.200 0,402192
108
10 8 7
* P * P
7 1,1,1,1,1,1,2 1,6
P ( X 7)
108
P( X 7) 16.934.400 0,169344
108 10
* 8!
8
P ( X 8)
108
P( X 8) 1.814.400 0,018144
108
18
Recordemos que:
F ( x) P( X x) P( X
xi x
xi )
Entonces:
P( X 1) F (1) P( X 1) 0,0000001
P( X 2) P( X 1) P ( X 2) F (1) P( X 2) F ( 2) 0,0001143
P( X 3) P ( X 1) P ( X 2) P( X 3) F ( 2) P ( X 3) F (3)
0,0070695
P ( X 4) P ( X 1) P ( X 2) P ( X 3) P ( X 4) F (3) P ( X 4)
F (4) 0,0927999
P( X 5) P( X 1) P( X 2) P( X 3) P( X 4) P( X 5) F (4) P( X 5)
F (5) 0,4103199
P ( X 6) P ( X 1) P ( X 2) P ( X 3) P ( X 4) P ( X 5) P ( X 6)
P ( X 6) F (5) P ( X 6) F (6) 0,8125119
P ( X 7) P( X 1) P( X 2) P( X 3) P ( X 4) P ( X 5) P( X 6)
P( X 7) P ( X 7) F (6) P( X 7) F (7) 0,9818559
P ( X 8) P ( X 1) P ( X 2) P ( X 3) P ( X 4) P ( X 5) P ( X 6)
P ( X 7) P ( X 8) P ( X 8) F (7) P ( X 8) F (8) 1
x 1
0 ;
0 ,0000001 ;
0 ,0001143 ;
0 ,0070695 ;
F ( x 0 ) 0 ,0927999 ;
0 , 4103199 ;
0 ,81251 19 ;
0 ,981 8559 ;
1 x 2
1;
2 x3
3 x 4
4 x5
5 x6
6 x7
7 x8
x8
19
1
0,9
0,8
0,7
0,6
F(X)
0,5
0,4
0,3
0,2
0,1
0
1 2 3 4 5 6 7 8
X
P ( X 3) P ( X 2) F ( 2) 0,0001143
5
P(2 X 5) P(3 X 5) P( X xi)
xi3
20
En el caso siguiente, donde las variables aleatorias pueden tomar valores en una
escala continua, es imposible limitar el conjunto de posibles valores de la variable
aleatoria a un conjunto finito o a uno infinito contable. La variable se mide de
manera continua y es concebible que tome cualquier valor en un intervalo. Por
añadidura si nos preguntamos cuál es la probabilidad de que la variable en
cuestión resulte en el valor real c, la respuesta será cero (0). Es casi imposible
que el experimento resulte en esa fracción específica c, no un poco más ni un
poco menos. Estas dos propiedades, valores posibles que ocurren a intervalos y
que la probabilidad a priori de asumir cualquier valor específico sea cero (0), son
las características que identifican como continua a una variable aleatoria. Por lo
que definiéndola, diríamos que una variable aleatoria es continua si puede asumir
cualquier valor en uno o más intervalos de números reales y la probabilidad de
que resulte un valor específico dado es cero (0). Por ello, en el caso continuo las
probabilidades se calculan de manera distinta que el caso discreto. Si queremos
conocer su distribución de probabilidad no nos servirá la función de probabilidad
empleada con las variables aleatorias discretas (cada valor con su probabilidad
asociada) puesto que ahora tratamos con un recorrido infinito. En realidad, la
definición de probabilidad en el caso continuo supone, para cada variable
aleatoria, la existencia de una función, llamada función de densidad de
probabilidad, de manera que las áreas situadas debajo de la curva proporcionen
las probabilidades relacionadas con los intervalos correspondientes situados en el
eje horizontal. Es decir, una función de densidad de probabilidad integrada de a a
b ( con a b), proporciona la probabilidad de que la variable correspondiente
tome un valor en intervalo a a b.
f ( x ) dx 1
21
b
P( X
xi
xi ) 1
f ( x ) dx 1
P( xi A) P X
xi A
xi
22
Las funciones de densidad de probabilidad reciben también el nombre de
densidades de probabilidad, funciones de densidad, densidades y funciones de
densidad de probabilidad, que se abrevia como (f.d.p.).
constante real c.
Debido a esta propiedad, no importa si incluimos los extremos del intervalo de a a
b, el valor de la función de densidad de probabilidad se puede modificar para
algunos de los valores de la variable aleatoria sin cambiar ninguna de las
probabilidades:
P ( a X b) P ( a X b) P ( a X b ) P ( a X b )
Tal como en el caso discreto, existen muchos casos en los que nos interesa
conocer la probabilidad de que el valor de una variable aleatoria continua sea
menor o igual a algún número real. Definimos la función de distribución
acumulada exactamente como en el caso discreto, si bien se calcula con la
integración, no con suma.
Sea X una variable aleatoria continua, la función dada por:
x
F ( x) P ( X x)
f ( s ) ds para X
23
F ( ) 0;
F ( ) 1;
Ejercicio 1.6 Sea X una v.a. con f.d.p. como la mostrada en la figura.
b.- Determine
P X 2
1 X 3
c.- Considere 6 observaciones de X, determine la probabilidad de que al menos 2
sean menores que 2 ó que la tercera y la cuarta sean mayores que 3.
Solución:
24
a.- Determine la F.D.A. de X y su gráfica: Lo primero que haremos será encontrar
el valor de h, para posteriormente hallar la ecuación de la recta que describe la
función de densidad de X en el intervalo 0 X 2 .
1 1 1 4x x2
2 h 2 dx 1
8 8 2 2 8 32
4
1 1 x2 x 3
h 1
4 8 16 96
2
1 1 2 1 1
h 1 1
4 8 3 4 12
1 2 1
h
8 3 12
17
h 0,7083
24
x 0 20
y
7 x 17
y 17 24 18 17 24 24 24
La f.d.p es entonces:
7 x 17
24 24 para 0 x 2
x x2
f (x) para 2x4
8 32
0 para otrocaso
25
la variable aleatoria continua sea menor o igual a algún número real en dicho
intervalo.
F ( x) 0 para x0
F ( x) ? para 0 x2
x
x 7s 17 7 s2 17 s 7 x2 17 x
F(x) ds
24 24 48 24 48 24
0 0
7 x 2 17 x 5
F(2)
48 24 6
x2
F ( x) ? para 2x4
x
xs s2 5 s2 17 s 3 x3 x2 2
F(x) F (2) ds
28 32 6
16 96
2
96 16 3
x3 x2 2
F(4) 1
96 16 3
x 4
F ( x) 1 para x4
0 para x0
2
7 x 17 x para 0 x 2
48 24
F(x)
3 2
x x 2
96 16 3 para 2 x 4
1 para x4
26
Figura 1.7. Función de Distribución Acumulada. Ejercicio 1.6
b.- Determine
P X 2
1 X 3
P X 2 1 X 3 P 1 X 2
P( X 2 / 1 X 3)
P(1 X 3) P 1 X 3
5 9
F(2) F(1) 26
6 16 0,7027
F(3) F(1) 91 9 37
96 16
7(1) 2 17(1) 7 17 9
F(1)
48 24 48 24 16
7(2) 2 17(2) 28 34 5
F(2)
48 24 48 24 6
(3) 3 (3) 2 2 27 9 2 91
F(3)
96 16 3 96 16 3 96
27
c.- Considere 6 observaciones de X, determine la probabilidad de que al menos 2
sean menores que 2 ó que la tercera y la cuarta sean mayores que 3.
A: al menos dos menores a 2
B: la tercera y la cuarta mayores a 3
6 5
1 5 1 46.625
P(A) 1 P( A) 1 6 0,9993
6 6 6 46.656
5
P(X 2) F(2)
6
2
5 25
P(B) 0,0027
96 9.216
91 5
P(X 3) 1 P(X 3) 1 F(3) 1
96 96
5
2
4 1 2 5 2 4 1 5 3 5 4
P(A B)
96 2 6 6 3 6 6 6
31.875
0,002669
11 .943.936
28
c.- Considere un semestre. Determine la probabilidad de que al menos dos meses
tengan ganancias de mas de 3,5 millones, o que en solo dos de los meses hayan
ganancias de menores a 1,5 millones.
d.- El gerente de la compañía recibe una bonificación de 2000 Bs. cuando la
ganancia mensual es superior a 1,5 millones de Bs., si la ganancia es mayor a 3,5
recibe un bono adicional de 5000 Bs. , en otro caso no hay bonificación. Halle la
distribución de probabilidad de la bonificación obtenida por el gerente al cabo de
dos meses independientes.
f(X)
2h
h
h
-5 -2 10 X
MILLONES
Solución:
a.- Halle la F(X) y grafíquela.
Al igual que en el ejercicio anterior lo primero que haremos será encontrar el
valor de h, para posteriormente hallar las ecuaciones de las rectas que describe la
función de densidad de X
5 xh 10 x 2h 2
1 por lo que h
2 2 25
29
Hallamos ahora las ecuaciones de las rectas:
X 5 2 5 X 5 3
5 X 2 :
Y 0 2 0 : Y 2 :
25 25
2 X 10
Y
75
X 0 20
2 X 0 :
Y 0 2 0
25
X
Y
25
X 0 10 0 4X
0 X 10 : : 10Y
40
Y 4 0 4 25 25
25 25
4 X 40
Y
250
2 x 10
;
5 x 2
75
x
;
f ( x) 25
4 x 40
;
250
0;
2 x0
0 x 10
otrocaso
F ( x) 0 para x 5
F ( x) ? para 5 x 2
x
x 2s 10 s2 10 s x2 10 x 25 50 x 2 10 x 25
F(x) ds
5 75 75 75 75
5
75 75 75 75 75
30
x 2 10 x 25 4 20 25 9 3
F(2)
75 75 75 25
x 2
F ( x) ? para 2 x 0
x
3 s2
x
3 s 3 x2 4 x 2 10
F ( x) ds
25 2 25 25 50 2 25 50 50 50
x 2 10 10 5
F(0)
50 50 25
x0
F ( x) ? para 0 x 10
x
5 2 s 2 40s
x
5 4 s 40 5 2 x 2 40 x
F ( x) ds
25 0 250 25 250 0 25 250 250
2 x 2 40 x 50
F x
250
2 x 2 40 x 50 200 400 50
F (10) 1
250 x 10 250
0
x 5
x
2
10 x 25
;
75
F ( x) x 2
10
;
5 x 2
50
2 x 2 40 x 50
;
25 0
1;
2 x 0
0 x 10
x 10
31
Figura 1.9. Función de Distribución Acumulada. Ejemplo 1.7
PB A PPA(A)B
Primero hallaremos la probabilidad de Ci:
P (Ci ) P( X 3) 1 P ( X 3) 1 F (3)
2 X 2 40 X 50 152 98
1 1 0,392
250 x 3 250 250
6 4
P( A) P(Ci ) 2 xP(C i ) 0,315
2
4
P ( A B ) 5 xP(C i ) 2 xP (C i ) 0,105
32
PB A PPA(A)B 00,,105
315
0,3333
2 x 2 40 x 50
P Gi P X 1,5 P X 1,5 F 1,5
250 X 1,5
P Gi 0,422
5
6 6
P D E P D P E P D E
P D 1 P D 1 P Fi xP Fi xP Fi 1 0,08417 0,25785
1
P D 1 0,3420 0,658
6
P E xP Gi xP Gi 0,2981
2 4
2
P X 3,5 xP X 1,5 xP1,5 X 3,5 xP26; 2;1 P X 3,5 xP X 1,5 xP46; 2
3 2 4 2
Finalmente:
P D E 0,658 0,2981 0,4375 0,5186
33
recibe un bono adicional de 5000 Bs. , en otro caso no hay bonificación. Halle la
distribución de probabilidad de la bonificación obtenida por el gerente al cabo de
dos meses independientes.
Yi: v.a. bonificación recibida por el gerente en el mes i
RYi 0;2.000;7.000
Ejercicio 1.8: Sea X una variable aleatoria con la siguiente función de densidad
de probabilidad.
f(X)
34
-5 5 10 X
Figura 1.10. Función de Densidad de Probabilidad. Ejemplo 1.8
b.- Halle
P X 2
X 2
Solución: Lo primero que haremos será encontrar el valor de h, para
posteriormente hallar las ecuaciones de las rectas que describen la función de
densidad de X .
5 xh 5 xh 1
1 por lo que h
2 2 5
Hallamos ahora las ecuaciones de las rectas:
X 5 0 5 X 5 5
5 x 0 : :
Y 0 1 0 Y 1 :
5 5
X 5
Y
25
X 5 10 5
5 x 10 : 25
Y1 0 1
5 5
X 10
Y
25
Hallamos ahora La F(X):
Ahora encontraremos una función de distribución acumulada en cada intervalo
para el cual existe la v.a. X, de modo que podamos obtener la probabilidad de que
la variable aleatoria continua sea menor o igual a algún número real en dicho
intervalo.
F ( x) 0 para x 5
F ( x) ? para 5 x 0
35
x
x s 5 s2 5s x2 5x 1 x 2 10 x 25
F(x) ds 1
5 25 50 25 50 25 2 50
5
x 2 10 x 25 1
F 0
50 x 0 2
F ( x) ? para 0 x5
x 2 10 x 25 1
F 5 F 0
50 x0 2
F ( x) ? para 5 x 10
x
1 x s 10 s2 10 s 1 x2 10 x 1
F(x) ds 2
2 5 25 50 25 2 50 25 2
5
x 2 20 x 50 x 2 20 x 50
50 50
x 2 20 x 50
F 10 1
50
x 10
Finalmente:
0
x 5
x
2
10 x 25
;
50
1
F ( x) ;
2
x 2
5 x 0
20 x
50
50
;
1;
0 x5
5 x 10
x 10
36
F(X)
1/2
-5 5 10 X
b.- Halle
P X 2
X 2
P X 2 X 2 P X 2 X 0
P X 2
X 2
P X 2
P X 0
P 2 X 0
P X 0
1 x 10 x 25
2
F 0 F 2
2 50
P X 2 x 2
X 2 F 0 1
2
1 9 16
2 50 50
1 1
2 2
P X 2
32 16
0,64
X 2 50 25
37
MEDIDAS DE TENDENCIA CENTRAL O DE LOCALIZACIÓN Y
MEDIDAS DE VARIABILIDAD O DISPERSIÓN DE UNA VARIABLE
ALEATORIA.
38
registrando el valor promedio teórico a medida de X, a medida que el número de
observaciones se acerca a infinito. Respecto al valor que podría tomar este
parámetro diremos que:
Si X está delimitada por dos números reales, a y b, tal que: a X b ,
entonces también lo está su media: a E X b
E X x x. p x
Rx
E h X h x . p x
Rx
E X x x. f x dx
E h X h x g x . f x dx
39
E aX b ax b . p x a x. p x b p x aE X b
Rx Rx Rx
Ejercicio 1.9: a.- Calcule el valor esperado para la variable aleatoria X definida
en el ejercicio 1.2. b.- Halle el valor esperado de h(x) siendo h( x) Y 3 X 4
Solución:
a.- Cálculo del valor esperado de X:
4 x 0,04444 2,1599
Inspectores especializados
Solución:
40
E X x x. f x dx
2
2 7x 17 4 x x2 3 2
E X x dx x dx 7 x 17 x
0 24 24 2 8 32
72 48
0
4
x3 x4 119
1,1019
24 128 108
2
P Yi 0 P X 1,5 0,422
41
E Yi YxP Y y 0 x0,422 2.000 x0,24 7.000 x0,338 2.846Bs.
RYi
E M 12 X 2.846 34.152Bs.
b.- Se desea ahora conocer cuál debe ser el valor del segundo bono (b) , de modo
que el valor esperado del bono total anual del gerente sea de 40.000 Bs.
De la parte anterior conocemos que
E M E Y1 Y2 ... Y12 E Y1 E Y2 ... E Y12 12 E Yi ,
42
En el ejemplo 1.7 parte d, la mediana de la variable aleatoria Y ( bonificación
mensual del gerente) , se determina una vez conocida la distribución acumulada
de la variable en cuestión :
x0
0 :
0, 42 2;
F Y
0,6 6 1;
0 x 2.000
1;
0
x
2
10 x 25
;
x 5
75
x 2
10
F ( x) ;
50
2 x 2 40 x 50
5 x 2
;
250
1;
2 x 0
0 x 10
x 10
3 5
F(2) 0,12 ; F(0) 0,20 ; F (10) 1
25 25
Vemos que en el primer intervalo tenemos acumulado el 12% de la distribución, y
para el segundo que termina en el punto 0 (cero) tenemos entonces el 20%, lo cual
indica que la mediana estará en el tercer intervalo. Para hallarla realizamos en
proceso inverso a la búsqueda de una probabilidad, donde conocido el valor de X,
43
es decir x, el mismo es ubicado en el intervalo para ser evaluado en la función
correspondiente, y obtener así la probabilidad asociada. Para efecto de la
búsqueda de la mediana, el porcentaje o distribución acumulada es conocido
(50%) , no así el valor donde se acumula tal porcentaje. Así tenemos en este
ejemplo:
2
P X X 0,5 0,5 ;
2 X 0,5 40 X 0,5 50
0,50
250
X 1 17,9063
La solución de esta ecuación es:
X 2 2,0938
Solución:
44
P X a ) 0,15
P X a 0,15
P X X 0,15 0,15
3 5
Puesto que : F(2) 0,12 ; F(0) 0,20 , se concluye que el fractal
25 25
15% se encuentra en el segundo tramo del recorrido de X.
Solución:
P X a 0, ,85
P X a ) 0,15
P X X 0,15 0,15
7 x 2 17 x 5
F(2)
48 24 6
x 2
45
Figura 1.12. Función de Densidad de Probabilidad. Ejemplo 1.6. Fractil 15%, X15%
F X 0 ,15 0,15
2 2
7 X 0,15 17 X 0,15 7 X 0,15 17 X 0,15 3
0,15 ; 0
48 24 48 24 20
X 1 0,2219
La solución de esta ecuación es:
X 2 4,6352
La definición es la siguiente:
V X 2 E X E X
2
46
Es, por tanto, el promedio teórico de las desviaciones cuadráticas de los diferentes
valores que puede tomar la variable respecto de su valor medio teórico o
esperanza.
V X 2 x E X P X x
2
Rx
x E X
r E X r r
f x dx , para el caso continuo
V X 2 E X E X E X 2 2 XE X E X E X 2 2 X 2
2 2
V X 2 E X 2 2 E X 2 E X 2 2 2 2 E X 2 2
E X
r
x r
P X x , para el caso discreto,
Rx
x
E X f x dx
r r
, para el caso continuo
47
V X E X E X
2
Propiedades de la varianza
V(X) ≥ 0
Solución:
2 4
2 7 x 17 4 x x2 7 x 3 17 x 2 x3 x4
E X x
dx x dx
0 24 24 2 8 32 72 48
0
24 128
2
119
E X 1,1019
108
2 4 2 4 3 2
E 2 x 2 7 x 17 dx x 2 x x dx 7 x 17 x
X
24 24 8 32 96 72
0 2 0
4
x4 x5
E 2 686 15,2444
X
32 160 45
2
V X 2 E X 2 E X
2
2
686 119 818251
V X 14,0304 3,7457
45 108 58320
48
RW 0;2.000;4.000;7.000;9.000;14.000
P Yi 0 P X 1,5 0,422
La distribución de probabilidad de W:
PW 0 P Yi 0 0,1781
2
V W 2 E W 2 E W
2
E W w w. p w
Rx
E W 2 w PW w
2
Rw
Rx
V W 2 E W 2 E W 51.244.180 5.692,22 18.842.811,47 Bs. 2
2 2
EJERCICIOS PROPUESTOS
49
mes de estudio donde llegaron 50 clientes, halle el valor esperado del ingreso
obtenido por el centro dermatológico en ese mes.
1.3.- De cada una de las 5 mejores universidades del país se escoge la mejor tesis
del área social y la mejor tesis del área científica, tenemos así dos tesis de cada
universidad, una social y otra científica, es decir tenemos 10 tesis. Ahora se
seleccionan al azar 4 tesis. Sea X: v.a. número de universidades con presencia de
ambas tesis en la muestra. Halle la F.D.A y su gráfica.
1.4.- En una ciudad se hace un estudio respecto a las parejas de 3 estratos sociales,
A, B y C. En el estrato A el 80% de las mujeres son profesionales, el 90% de los
hombres son profesionales. En el estrato B estas probabilidades son 70% y 85% ,
respectivamente, en el estrato C estas probabilidades son 35% y 60% . La
proporción de la población de esta ciudad es : el estrato B es el doble de
habitantes del estrato A, y a su vez el estrato C, tiene el triple de habitantes del
estrato B. Sea X la variable aleatoria número de personas profesionales en una
pareja escogida al azar.
a.- Halle F X
50
son viales, 10 hidrológicas y el resto civiles. Una gran contratista debe seleccionar
al azar 4 obras de cada una de las zonas. Sea X la variable aleatoria que registra el
número total de obras viales seleccionadas.
a.- Halle F X y grafíquela
b.- Halle la mediana de X
c.- Cada obra vial seleccionada genera un ingreso de 7000 Bs. y cada obra de otro
tipo un ingreso de 2500 Bs. Determine el valor esperado y la varianza del ingreso
percibido por el contratista.
1.6.- El tiempo que tarda una empresa en días para procesar un pedido es una v.a.
continua con f.d.p. como se muestra en la figura.
51