Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 4 PDF
Clase 4 PDF
Esta función resulta ser continua en R. Si existe una función f (x), tal que
d F (x)
= f (x), para todo x donde dicha derivada exista, entonces f (x) es
dx
llamada Función de Densidad de Probabilidad o p.d.f.
Propiedades de f
1. f (x) ≥ 0 ; ∀x ∈ R
+∞
2. f (x) dx = 1
−∞
3. P (X ∈ A) = f (x) dx.
A
b
Si A = [a, b] con a < b, entonces P (a ≤ X ≤ b) = f (x) dx .
a
Propiedades de F(x)
1. 0 ≤ F (x) ≤ 1 , ∀x ∈ R
2. lı́m F (x) = 0 y lı́m F (x) = 1
x→−∞ x→+∞
3. P (X > x) = 1 − F (x)
4. Si x < y ⇒ F (x) ≤ F (y)
5. Si a, b ∈ R, con a < b, entonces
P (a ≤ X ≤ b) = P (X ≤ b) − P (X ≤ a) = F (b) − F (a) .
a) P (X < 1)
b) P 12 < X < 1 .
d) Halle f (x)
Solución
a) P (X < 1) = F (1) = 14
b) P 12 < X < 1 = F (1) − F 12 = 1
4
− 1
6
= 3
16
2x x
d) f (x) = F (x) = = ; 0 < x < 2. Observe que F (0) = 0 y F (2)
4 2
no existe. De esta manera se tiene que:
x
2
, 0<x<2
f (x) = .
0 , otro caso
Ejemplo
Sea X la duración en horas de cierto tipo de bombilla eléctrica. La p.d.f para
X esta dada por:
a
, 1500 ≤ x ≤ 2500
f (x) = x3 .
0 , otro caso
Calcule:
a) P (X ≤ 2000)
b) P (X ≤ 2000 | X ≥ 1800)
34
Solución
Primero es necesario hallar el valor de a. Como
∞
+
f (x) dx = 1
−∞
entonces
1500
2500 ∞
+
a 2500
2500
a
⇔ dx = 1 ⇔ − =1 ⇒ a = 7031250 .
x3 2 x 2 1500
1500
a)
2500
a a 1 1 ∼
P (X ≤ 2000) = dx = − = 0.68359 .
x3 2 1500 2 2000 2
1500
b)
P (1800 ≤ X ≤ 2000)
P (X ≤ 2000 | X ≥ 1800) =
P (X ≥ 1800)
2000
a
x3
dx
P (X ≤ 2000 | X ≥ 1800) = 1800 ≈ 0.39452 .
2500
a
x3
dx
1800
Ejemplo
El tiempo de espera de un cliente hasta ser atendido es una variable aleatoria
continua con p.d.f dada por
−x
e , x>0
f (x) = .
0 , otro caso
a) Halle F (x)
35
b) Calcule P (X < 1)
c) Calcule P (1 < X < 2)
d) Halle el valor de k tal que P (X < k) = 0.95
Solución
x
a) Si x ≤ 0 entonces FX (x) = 0. Si x > 0 entonces FX (x) = fx (t)dt .
−∞
x
FX (x) = e− t dt = −e− t |x0 = 1 − e− x .
0
0 ; x≤0
FX (x) = −x .
1−e ; x>0
b)
1 e−1 ∼
P (X < 1) = P (X ≤ 1) = FX (1) = 1−e− 1 = 1− = = 0.63212 .
e e
c)
P (1 < X < 2) = FX (2) − FX (1) = 1 − e− 2 − 1 − e− 1
1 1 e−1 ∼
P (1 < X < 2) = − 2 = = 0.23254 .
e e e2
d)
P (X < k) = FX (k) = 1−e− k = 0.95 ⇔ e− k = 0.05 ⇒ k = 2.99573 .
1. E [a] = a
2. E [a X + b] = a E [X] + b
3. Si g(X) es una función de X, entonces
⎧
⎪
⎨ g(x) p(x) ; Si X es discreta
x
E [g(X)] = ∞ .
⎪
⎩ g(x) f (x) dx ; Si X es continua
−∞
Propiedades de la Varianza
Sean a, b números reales y sea X una variable aleatoria (Discreta o Continua).
1. V ar[X] = E [X 2 ] − (E [X])2
2. V ar[a] = 0
3. V ar[a X + b] = a2 V ar[X]
Ejemplo
La demanda semanal de gas propano (en miles de galones) de una distribui-
dora en particular es una variable aleatoria X con p.d.f dada por:
⎧
⎨ 1
2 1 − 2 ; 1≤x≤2
f (x) = x .
⎩
0 ; otro caso
37
Solución
a)
Si X < 1 ⇒ F (x) = 0
1
Si 1 ≤ X ≤ 2 ⇒ F (x) = 2 x + + 2
x
Si X > 2 ⇒ F (x) = 1
b)
2 2
E [X] = 2 x 1 − x12 dx = 2 x − x2 dx
1 2 1
x2
= 2 2 − ln x = 3 − 2 ln 2 ≈ 1.61
1
2 2
E [X 2 ] = 2 x2 1 − 1
x2
dx = (2 x 2 − 2) dx
1 1
2
= 2
3
[x 3 − 2 x]1 = 83
8
V ar [X] = E X 2 − μ2X = − (3 − 2 ln 2)2 ∼
= 0.0626
3
c) E [H (X)] = 1.5 − E [X] = 1.5 − 1.61 = − 0.11 ”no se puede cubrir
la demanda”.
Ejemplo
Se lanzan cuatro monedas no cargadas. Sea X la variable aleatoria definida
por el número de caras, entonces AX = {0, 1, 2, 3, 4}. Halle la p.m.f de X y
E [X].
4
4 1
p(x) = , x = 0, 1, 2, 3, 4
x 2
4 4 4
4 1 1 4 4 4 4 4
E [X] = x = 0 +1 +2 +3 +4
x 2 2 0 1 2 3 4
x=0
38
1 32
E [X] = [0(1) + 1(4) + 2(6) + 3(4) + 4(1)] = =2.
16 16
En general, si se lanzan n monedas y X: # caras en los n lanzamientos,
entonces 4
n
4 1 n
E [X] = x = .
x=0
x 2 2
Ejemplo
Una máquina de llenado de latas es revisada cada hora. Cada lata es someti-
da a un proceso para determinar el volumen de llenado y verificar si cumple
o no los requisitos exigidos. Este proceso se continúa hasta encontrar la pri-
mera lata que no cumple con los requisitos. Sea X: # latas revisadas hasta
encontrar la primera que no cumple. Suponga que la proporción de latas que
no cumplen las especificaciones es p. Halle E [X].
Solución
Defina los eventos:
N : La lata no cumple los requisitos S : La lata si cumple los requisitos
El espacio muestral para este experimento esté dado por
P (X = 1) = P (N ) = p
P (X = 2) = P (S N ) = P (S) P (N ) = (1 − p) p
2
P (X = 3) = P (S P (S) P (N ) = (1 − p) p
S N ) = P (S)
P (X = x) = P S · · · S N
S = P (S)x−1 p = (1 − p)x−1 p
x−1 veces
P (x) = p (1 − p)x−1 ; x = 1, 2, 3, · · ·
∞
∞
E [X] = x p (x) = x p (1 − p)x−1 = 1
p
x=1 x=1
Entonces
∞
f (t) = x p tx−1 , para |t| < 1
x=1
p p
f (t) = y f (t) =
1−t (1 − t)2
Ası́,
p ∞
2 = x p tx−1 .
(1 − t) x=1
1
∞
p
= = x p (1 − p)x−1 .
p2 p x=1
Ejemplo
Sea X una variable aleatoria con p.d.f. dada por:
k x (1 − x) ; 0 < x < 1
f (x) = .
0 ; otro caso
Ası́,
1 1 k
k − =1 ⇔ =1 ⇒ k=6.
2 3 6
Con esto
f (x) = 6 x (1 − x) ; 0 < x < 1 .
Luego,
1 1
x3 x4 1 1
E[X] = x 6 x (1 − x) dx = 6 (x − x ) dx = 6
2 3
− 0 = .
0 0 3 4 2
40
1 1
x4 x5 1 3
E[X ] = 2
x 6 x (1 − x) dx =
2
6 (x − x ) dx = 6
3 4
− 0 = .
0 0 4 5 10
Finalmente,
2
3 2 1 1
V ar[X] = E[X ] − (E[X]) =
2
− = .
10 2 20
p(0) = P (X = 0) = 1 − p y p(1) = P (X = 1) = p .
Ası́,
p(x) = px (1 − p)1−x ; x = 0, 1 .
Esta distribución se conoce como Bernoulli y es usualmente denotada
X ∼ Ber(p). Es fácil mostrar que:
E[X] = p y V ar[X] = p (1 − p) .