Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de probabilidad
3. DISTRUBUCIONES DE PROBABILIDAD
VARIABLES ALEATORIAS
Una variable aleatoria, es una variable que sirve para cuantificar el resultado de un
experimento. El valor de la variable dependerá de cada experimento en particular ya
que no se puede predecir su valor con exactitud, pero si se puede calcular la
probabilidad de que la variable tome un valor determinado.
Si S es un espacio muestral, sea X una variable aleatoria, entonces X tendrá un valor
numérico para cada punto muestral en S, dependiendo de la definición de X en el
experimento.
Solución
Definimos a la variable
X = 2, 3, …, 12
Solución
X = 0, 1, 2
P(X=0) = 3/28
P(X=2) = 10/28
EJEMPLO Se selecciona al azar un estudiante de entre todos los alumnos que llevan
la materia de Cálculo Integral. Representar este experimento para la calificación final
obtenida.
Solución
X = 0, 1, 2, …, 100
P(X=0) = 1/101
P(X=27) = 1/101
Solución
Observamos que la variable peso, ya no toma valores discretos… sino valores dentro
de un intervalo determinado, como por ejemplo, (45;130)… por lo que ya no se puede
representar como en los casos anteriores.
Definición. Cuando los valores que puede tomar una variable aleatoria X son una
cantidad finita, entonces decimos que X es una variable aleatoria discreta. (x=x1,
…,xk)
Si los valores posibles para una variable aleatoria X son infinitos, debido a que toma
todos los valores dentro de un intervalo, entonces X es una variable aleatoria
continua. (x1<x<x2)
Todo sería más sencillo, si para calcular la 𝑃(𝑋 = 𝑥) tuviéramos una regla o fórmula.
Definición. Si 𝑋 es una variable aleatoria discreta, la función dada por 𝑓(𝑥) = 𝑃(𝑋 =
𝑥) para 𝑥 dentro de los valores posibles de 𝑋, se llama distribución de probabilidad
de 𝑋.
La función 𝑓(𝑥) sirve para calcular probabilidades de una variable aleatoria discreta,
sí y sólo sí cumple con las siguientes propiedades derivadas de los Axiomas.
a) 𝑓(𝑥) ≥ 0 ∀𝑥
b) ∑ 𝑓(𝑥) = 1
𝑥+2
𝑓 (𝑥 ) = 25
para 𝑥 = 1, 2, 3, 4, 5
Solución
𝑓(1) = 3/25
𝑓(2) = 4/25
𝑓(3) = 5/25
𝑓(4) = 6/25
𝑓(5) = 7/25
Solución
Distribución de
probabilidad
Histograma de
probabilidad
Distribución
acumulada
1) 𝐹(−∞) = 0 y 𝐹(+∞) = 1
2) Si 𝑎 < 𝑏, entonces 𝐹(𝑎) ≤ 𝐹(𝑏) para cualesquier 𝑎, 𝑏 ∈ ℝ
Solución
0 𝑥<2
1⁄ 2≤𝑥<3
36
1⁄ 3≤𝑥<4
12
1⁄ 4≤𝑥<5
6
5⁄ 5≤𝑥<6
18
5⁄ 6≤𝑥<7
𝐹(𝑥) = 12
7⁄ 7≤𝑥<8
12
13⁄ 8≤𝑥<9
18
5⁄ 9 ≤ 𝑥 < 10
6
11⁄ 10 ≤ 𝑥 < 11
12
35⁄ 11 ≤ 𝑥 < 12
36
{ 1 𝑥 ≥ 12
a) 𝑓(𝑥1 ) = 𝐹(𝑥1 )
b) 𝑓(𝑥𝑖 ) = 𝐹(𝑥𝑖 ) - 𝐹(𝑥𝑖−1 )
Para 𝑖 = 1, 2, …, 𝑛
EJERCICIOS
3) Determina si los valores dados pueden servir como los valores de una función
de probabilidad acumulada de una variable aleatoria X = 1, 2, 3, 4
Encuentra
a) P(x = 4)
b) P(2 < x ≤ 6)
c) P(1< x < 7)
d) P(3 < x < 9)
e) P(2 ≤ x ≤ 8)
f) P(x ≤ 6)
g) P(x > 5)
Solución
1) Para que los valores dados puedan servir como valores de una distribución de
probabilidad, se debe cumplir que:
4
∑ 𝑓(𝑥𝑖 ) = 1
𝑖=1
1 10 2 5 18
c) 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4) = 19 + 19 + 19 + 19 = 19 ≈ 0.9474 ≠ 1
∴ 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑛𝑜 𝑠𝑖𝑟𝑣𝑒𝑛 𝑐𝑜𝑚𝑜 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
1
a) Como 𝑓(1) = − 5 => 𝑓(1) < 0
∴ 𝐿𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑛𝑜 𝑠𝑖𝑟𝑣𝑒 𝑐𝑜𝑚𝑜 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
0 1 4 9 16 30
b) Como 𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4) = + + + + = =1
30 30 30 30 30 30
∴ 𝐿𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖𝑟𝑣𝑒 𝑐𝑜𝑚𝑜 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
1 1 1 1 1 1 6
c) Como 𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) + 𝑓(4) + 𝑓(5) = 5
+ 5
+ 5
+ 5
+ 5
+ 5
= 5
≠ 1
∴ 𝐿𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑛𝑜 𝑠𝑖𝑟𝑣𝑒 𝑐𝑜𝑚𝑜 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
d)
𝑘 𝑘 𝑘
2𝑥 2 2 𝑘(𝑘 + 1)
∑ 𝑓(𝑥) = ∑ = ∑𝑥 = [ ]=1
𝑘(𝑘 + 1) 𝑘(𝑘 + 1) 𝑘(𝑘 + 1) 2
𝑥=1 𝑥=1 𝑥=1
𝑦 𝑐𝑜𝑚𝑜 𝑐𝑎𝑑𝑎 𝑡é𝑟𝑚𝑖𝑛𝑜 𝑒𝑠 > 𝑜
∴ 𝐿𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖𝑟𝑣𝑒 𝑐𝑜𝑚𝑜 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
3) Para que los valores dados puedan servir como valores de una función de
distribución se debe cumplir que:
𝐹(4) = 1 , ya que es la acumulada de todos los valores de x
Si 𝑥1 < 𝑥2 , => 𝐹(𝑥1 ) < 𝐹(𝑥2 )
a) Como 𝐹(4) = 1.2 ≠ 1
∴ 𝐿𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑎𝑑𝑜𝑠 𝑛𝑜 𝑠𝑖𝑟𝑣𝑒𝑛 𝑐𝑜𝑚𝑜 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛.
4)
x f (x) F(x)
1 1/15 1/15
5)
1 1 2
a) P(x = 4)=𝑓(4) = 𝐹(4) − 𝐹(3) = 2 − 3 = 3
b) P(2 < x ≤ 6)= 𝑓(3) + 𝑓(4) + 𝑓(5) + 𝑓(6)
= 𝐹(3) − 𝐹(2) + 𝐹(4) − 𝐹(3) + 𝐹(5) − 𝐹(4) + 𝐹(6) − 𝐹(5)
5 1 1
= 𝐹(6) − 𝐹(2) = − =
6 3 2
5 1 1
c) P(1< x < 7)= 𝐹(6) − 𝐹(1) = 6 − 3 = 2
5 1 1
d) P(3 < x < 9) = 𝐹(8) − 𝐹(3) = 6 − 3 = 2
5 1 1
e) P(2 ≤ x ≤ 8) = 𝐹(8) − 𝐹(1) = 6 − 3 = 2
5
f) P(x ≤ 6) = 𝐹(6) = 6
1 1
g) P(x > 5) = 1 − 𝑃(𝑥 ≤ 5) = 1 − 𝐹(5) = 1 − 2 = 2
2
1.5
1
0.5
0
15 16 17
1.5
0.5
0
15 15.5 16 16.5 17
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3
X : variable aleatoria oz. Situación extrema con una cantidad infinita de decimales
(continua)
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Si la probabilidad en cada intervalo está dada por el área del rectangulito (barra)
entonces, a medida que aumenta el número de rectángulos (tiende al infinito), el área
de cada rectángulo tiende a cero, por lo que no hay área “encima” de un número en
particular, es decir, la probabilidad de que la variable aleatoria tome un valor
específico es 0, eso implica que sólo se pueden calcular probabilidades de que la
variable aleatoria esté en un intervalo determinado, y esa probabilidad será el área
bajo la curva.
Ahora, esa curva, que es la representación geométrica de una función, servirá para
el cálculo de probabilidades.
Definición Una función real 𝑓(𝑥), definida para una variable aleatoria continua X,
se llama densidad de probabilidad de X, sí y sólo sí:
𝑏
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑎
Para cualesquier 𝑎, 𝑏 ∈ ℝ, tales que 𝑎 ≤ 𝑏
La función f(x) sirve para calcular probabilidades de una variable aleatoria continua,
sí y sólo sí cumple con las siguientes propiedades derivadas de los Axiomas.
a) 𝑓(𝑥) ≥ 0 ∀𝑥 ∈ ℝ, −∞ < 𝑥 < ∞
+∞
b) ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
a) 𝑘
b) 𝑃(0.5 ≤ 𝑥 ≤ 1)
Solución
Como se sabe que f(x) es densidad de probabilidad, eso implica que debe cumplir
con los Axiomas.
+∞ −𝑘 𝑘
a) ∫∀𝑥 𝑓(𝑥)𝑑𝑥 = ∫0 𝑘𝑒 −3𝑥 𝑑𝑥 = 𝑒 −3𝑥 / +∞
0
= =1 de donde 𝑘 = 3
3 3
1 1 1
b) 𝑃(0.5 ≤ 𝑥 ≤ 1) = ∫0.5 𝑓(𝑥)𝑑𝑥 = ∫0.5 3𝑒 −3𝑥 𝑑𝑥 = −𝑒 −3𝑥 / 0.5 = −𝑒 −3 + 𝑒 −1.5 ≈
0.1733
Solución
𝑥 𝑥 0, 𝑥 ≤ 0
𝐹(𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡 = ∫0 3𝑒 −3𝑡 𝑑𝑡 = −𝑒 −3𝑡 |0𝑥 = 1 − 𝑒 −3𝑥 𝐹(𝑥) = {
1 − 𝑒 −3𝑥 , 𝑥 > 0
0, 𝑥≤0
𝐹(𝑥) = {𝑥, 0 < 𝑥 < 1
1, 𝑥≥1
Solución
𝑑𝐹(𝑥) 𝑑(𝑥)
𝑓(𝑥) = = =1
𝑑𝑥 𝑑𝑥
Entonces 𝑓(𝑥) = 1 0<𝑥<1
20000
𝑓(𝑥) = , 𝑥>0
(𝑥 + 100)3
Encontrar las probabilidades de que uno de estos paquetes tendrá una vida en el
anaquel de
a) Al menos 200 hrs.
b) Cuando mucho 100 hrs.
c) Cualquier tiempo entre 80 y 120 hrs.
0 , 𝑥≤0
𝐹(𝑥) = {1 − (1 + 𝑥)𝑒 −𝑥 , 𝑥 > 0
Calcula:
a) 𝑃(𝑋 ≤ 2)
b) 𝑃(1 < 𝑋 < 3)
c) 𝑃(𝑥 > 4)
DISTRIBUCIONES MULTIVARIADAS
X: número de aspirinas X = 0, 1, 2
Y: número de sedantes Y = 0, 1, 2
X /Y 0 1 2
0 (0,0) (0,1) (0,2)
1 (1,0) (1,1) -
2 (2,0) - -
Si hay 9 y se seleccionan 2:
9 9! (9)(8)
( )= = = 36
2 2! 7! 2
4 3 12 6 1
𝑃(0,0) = (𝑙𝑎𝑥𝑎𝑛𝑡𝑒, 𝑙𝑎𝑥𝑎𝑛𝑡𝑒) = ∙ = = =
9 8 72 36 6
4 2 ?
𝑃(0,1) = (𝑙𝑎𝑥𝑎𝑛𝑡𝑒 𝑜 𝑠𝑒𝑑𝑎𝑛𝑡𝑒, 𝑠𝑒𝑑𝑎𝑛𝑡𝑒) = [ + ] ∙
9 9 8
𝑥 = 0,1,2
𝑦 = 0,1,2
0≤ 𝑥+𝑦 ≤ 2
Propiedades:
a) 𝑓(𝑥, 𝑦) ≥ 0, ∀(𝑥, 𝑦) ∈ 𝐷𝑜𝑚
b) ∑∀𝑥 ∑∀𝑦 𝑓(𝑥, 𝑦) = 1
EJEMPLO Determinar el valor de 𝑘 para que la función dada sirva como distribución
de probabilidad conjunta
𝑓(𝑥, 𝑦) = 𝑘𝑥𝑦, 𝑥 = 1, 2, 3; 𝑦 = 1, 2, 3
Solución
Observamos que para que 𝑓(𝑥, 𝑦) = 𝑘𝑥𝑦 ≥ 0 tiene que cumplirse que 𝑘 ≥ 0, ya que
por definición los valores de 𝑥 y de 𝑦, son positivos.
1
∑ ∑ 𝑓(𝑥, 𝑦) = 36𝑘 = 1 → 𝑘 =
36
1
Entonces 𝑓(𝑥, 𝑦) = 36 𝑥𝑦, 𝑥 = 1, 2, 3; 𝑦 = 1, 2, 3
𝑃((𝑥, 𝑦) ∈ 𝐴) = ∫ ∫ 𝑓(𝑥, 𝑦) 𝑑𝑥 𝑑𝑦
𝐴
Propiedades:
a) 𝑓(𝑥, 𝑦) ≥ 0, ∀𝑥 ∈ ℝ, 𝑦 ∈ ℝ
+∞ +∞
b) ∫−∞ ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 1
𝑑𝐹(𝑥)
Observación Así como 𝑓(𝑥) = , se tiene que:
𝑑𝑥
𝜕 2 𝐹(𝑥, 𝑦)
𝑓(𝑥, 𝑦) =
𝜕𝑥𝜕𝑦
1
Determinar 𝑃(0 < 𝑥 < 2 , 1 < 𝑦 < 2)
Solución
2 1/2 2 1/2
1 3 3
𝑃 (0 < 𝑥 < , 1 < 𝑦 < 2) = ∫ ∫ 𝑥(𝑦 + 𝑥)𝑑𝑥𝑑𝑦 = ∫ ∫ (𝑥𝑦 + 𝑥 2 )𝑑𝑥𝑑𝑦
2 5 5
1 0 1 0
2
3 𝑥 2 𝑦 𝑥 3 1/2
= ∫[ + ] 𝑑𝑦
5 2 3 0
1
2
3 𝑦 1 3 𝑦2 𝑦 2 3 2 1 1
= ∫ ( + ) 𝑑𝑦 = [ + ] = (2 + − − )
5 8 24 5 16 24 1 40 3 2 3
1
3 12 + 4 − 3 − 2 3 11 11
= ( )= ( )=
40 6 40 6 80
3 1 2
Calcular 𝑃 (0 < 𝑥 < 5 , < 𝑦 < 3).
3
Solución
2 3 2 3
2 3 2
3
= ∫ ∫ 𝑒 −𝑥 𝑒 −𝑦 𝑑𝑥𝑑𝑦 = ∫ 𝑒 −𝑦 [𝑒 −𝑥 ] 𝑑𝑦
1
1 1 1
2
2
= ∫ 𝑒 −𝑦 (𝑒 −1 − 𝑒 −3 )𝑑𝑦 = (𝑒 −1 − 𝑒 −3 )[−𝑒 −𝑦 ]
1
1
= (𝑒 −1 − 𝑒 −3 )(𝑒 −1 − 𝑒 −2 ) ≈ 0.074
DISTRIBUCIONES MARGINALES
2
𝑓(𝑥, 𝑦) = (𝑥 + 2𝑦) 0 < 𝑥 < 1, 0 < 𝑦 < 1
3
Solución
1
2 2 2
𝑓(𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ (𝑥 + 2𝑦) 𝑑𝑦 = [𝑥𝑦 + 𝑦 2 ]10 = (𝑥 + 1)
3 3 3
∀𝑦 0
2
𝑓(𝑥) = 3 (𝑥 + 1) 0<𝑥<1
1 1
2 2 𝑥2 2 1 2 1 + 4𝑦
𝑓(𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ (𝑥 + 2𝑦) 𝑑𝑥 = [ + 2𝑥𝑦] = ( + 2𝑦) = ( )
3 3 2 0
3 2 3 2
∀𝑥 0
1
𝑓(𝑦) = 3 (1 + 4𝑦) 0<𝑦<1
Solución
3 3
1 1 1 𝑥
𝑓(𝑥) = ∑ 𝑓(𝑥, 𝑦) = ∑ 𝑥𝑦 = 𝑥∑𝑦 = 𝑥(1 + 2 + 3) =
36 36 36 6
∀𝑦 𝑦=1 𝑦=1
𝑥
𝑓(𝑥) = 6 𝑥 = 1,2,3
3 3
1 1 1 𝑦
𝑓(𝑦) = ∑ 𝑓(𝑥, 𝑦) = ∑ 𝑥𝑦 = 𝑦∑𝑥 = 𝑦(1 + 2 + 3) =
36 36 36 6
∀𝑥 𝑥=1 𝑥=1
𝑦
𝑓(𝑦) = 𝑦 = 1,2,3
6
Cuando se tienen más de dos variables aleatorias, se puede hablar no sólo de las
marginales de las variables aleatorias individuales, sino de marginales conjuntas.
𝑓(𝑋1 , 𝑋2 ) = ∑ ∑ … . ∑ 𝑓(𝑋1 , 𝑋2 , … , 𝑋𝑛 )
𝑋3 𝑋4 𝑋𝑛
Solución
1 1
−𝑧 −𝑧
𝑦2
𝑓(𝑥, 𝑧) = ∫ 𝑓(𝑥, 𝑦, 𝑧)𝑑𝑥2 = ∫(𝑥 + 𝑦)𝑒 𝑑𝑦 = 𝑒 [𝑥𝑦 + ]
2 0
∀𝑦 0
−𝑧
1 𝑒 1
= 𝑒 −𝑧 [𝑥 + ] = (2𝑥 + 1) = 𝑒 −𝑧 (𝑥 + )
2 2 2
1
𝑓(𝑥, 𝑧) = 𝑒 −𝑧 (𝑥 + 2) 0 < 𝑥 < 1, 𝑧 > 0
1 +∞
1 1
∞ 𝑦2 1 1
= ∫(𝑥 + 𝑦)[−𝑒 −𝑧 ] 𝑑𝑦 = ∫(𝑥 + 𝑦)(1)𝑑𝑦 = 𝑥𝑦 + | = 𝑥 +
0 2 0 2
0 0
1
𝑓(𝑥) = 𝑥 + 2 0<𝑥<1
DISTRIBUCIÓN CONDICIONAL
Solo que ahora las probabilidades se encuentran a través de funciones, esto es,
𝑓(𝑥, 𝑦)
𝑓(𝑥/𝑦) = , 𝑓(𝑦) ≠ 0
𝑓(𝑦)
𝑓(𝑥, 𝑦)
𝑓(𝑦/𝑥) = , 𝑓(𝑥) ≠ 0
𝑓(𝑥)
2
𝑓(𝑥, 𝑦) = (𝑥 + 2𝑦) 0 < 𝑥 < 1, 0<𝑦<1
3
1
𝑓(𝑦) = ∫ 𝑓(𝑥, 𝑦) 𝑑𝑥 = ⋯ = (1 + 4𝑦)
3
∀𝑥
De la definición de función de probabilidad condicional tenemos que
2(𝑥 + 2𝑦)
𝑓(𝑥, 𝑦) 3 2(𝑥 + 2𝑦)
𝑓(𝑥/𝑦) = = =
𝑓(𝑦) 1 1 + 4𝑦
3 (1 + 4𝑦)
2(𝑥+2𝑦)
𝑓(𝑥/𝑦) = 1+4𝑦
1
1 2(𝑥 + 2𝑦) 2 [𝑥 + 2 (2)] 2𝑥 + 2
𝑓 (𝑥/𝑦 = ) = ] = =
2 1 + 4𝑦 𝑦=1 1 3
2
1 + 4 (2 )
Entonces, ya podemos calcular la probabilidad condicional solicitada
1/2
1 1 1 2𝑥 + 2
𝑃(𝑥 ≤ /𝑦 = ) = ∫ 𝑓 (𝑥/𝑦 = ) 𝑑𝑥 = ∫ 𝑑𝑥
2 2 2 3
1 0
𝑥≤
2
1/2 1
2 2 𝑥2 2 2 1 1 2 5 5
= ∫ (𝑥 + 1)𝑑𝑥 = [ + 𝑥] = [ + ] = ( ) =
3 3 2 0
3 8 2 3 8 12
0
𝑓1 (𝑥) = 𝑒 −𝑥 , 𝑥>0
𝑓2 (𝑦) = 2𝑒 −2𝑦 , 𝑦>0
𝑓3 (𝑧) = 3𝑒 −3𝑧 , 𝑧>0
Solución
Lo primero que hay que hacer es encontrar la conjunta, sabiendo que son variables
aleatorias independientes. Entonces
Para poder calcular la probabilidad solicitada 𝑃(𝑥 + 𝑦 ≤ 1, 𝑧 > 1) hay que verificar
los límites de integración.
∞ 1 1−𝑥
−1 −2
−1 −3𝑧 𝑏
= −3(2𝑒 − 𝑒 − 1) lim [ 𝑒 ]
𝑏→+∞ 3 1
−1
= −3 ( ) (2𝑒 −1 − 𝑒 −2 − 1) lim [𝑒 −3𝑧 ]1𝑏
3 𝑏→+∞