1.

Las variables aleatorias x e y representan las proporciones de los mercados, correspondientes

a dos productos distintos fabricados por una misma empresa (A y B) y cuya función de
probabilidad conjunta está dada por:

f ( x , y )= kx ( x + y ) 0 ≤ x ≤1 0 ≤ y ≤ 1
{ ¿ 0 ecd
Determine:

(a) El valor de la constante k

(b) Las funciones marginales de x e y
(c) La fuerza de la relación entre las variables
(d) La probabilidad que el producto B tenga una proporción mayor a 0.5 si la proporción del
producto A es igual a 0.3.-

Respuestas:

(a) Para poder calcular el valor de la constante k, se utiliza la propiedad de la función de densidad
f (x , y ), la cual indica que si calculo la probabilidad de esta función en todo el conjunto de
valores, tanto de x como de y, la probabilidad siempre será 1 (o 100%). Esto se representa
matemáticamente de la siguiente forma:

11

∬ kx ( x + y ) dydx=1
00

Al ser k una variable, puedo sacarla de las integrales. También reordeno la expresión para hacer
más simple el cálculo de las integrales
11
k ∬ ( x 2+ xy) dydx=1
00

1 1 1
x y2 x
k∫
0
( 2
x y+
2 0 ) 0 2 (
dx=k ∫ x2 + dx=1 )
1
x3 x2 1 1 7
k( +
3 4 0 ) ( ) ( )
=k + =k
3 4 12
=1

12
k=
7
(b) Teniendo el valor de k, se pueden calcular las funciones marginales de cada variable. Esto se
realiza al realizar una integral simple por la variable contraria (la función marginal de x se
obtiene al integrar en función de y, y viceversa).

Función marginal de x, f (x)

1
12
f x ( x) =
7 0
∫ x ( x+ y ) dy = 12
7 ( x 6
)
x 2+ = ( 2 x 2 + x )
2 7

Función marginal de y, f ( y )
1
12 12 1 y 2
f y ( y ) = ∫ x ( x+ y ) dx=
7 0 (
+ = (3 y +2 )
7 3 2 7 )
(c) Para poder calcular la fuerza de relación entre las variables, se tiene que calcular el coeficiente
de correlación de Pearson. Este coeficiente (que varía entre -1 y 1) entrega cuál es el tipo de
relación que tienen las variables entre sí, y permite entender si las variables tienen alguna
relación entre ellas. El cálculo de este coeficiente de correlación se calcula de la siguiente
forma:

σ xy donde σ xy es la covarianza
ρ xy =
{
σ x σ y σ x , σ y son las desviaciones estándaresde x ey , respectivamente

Por lo tanto, hay que hacer el cálculo de estos tres valores, para poder obtener una compresión de
cómo se relacionan las variables entre sí.

Esperanza de x:
1 1 1 1
6( 2 ) 6 ( 3 2) 6 x4 x3 6 1 1 5
E x =∫ xf ( x ) dx=∫ x
0 0 7 (7 0 )
2 x + x dx= ∫ 2 x + x dx= + = + =
7 2 3 0 7 2 3 7 ( ) ( )
Varianza de x:
1 1
6 25 6 2 1 25 23
V ( x )=σ x =∫ x f ( x ) dx−E = ∫ ( 2 x 4 + x 3) dx − =
0
2 2
7 0 x
2
+ − =(
49 7 5 4 49 490 )
Desviación estándar de x:

σ x =√ V ( x ) =0.2167
Esperanza de y:
1 1
2 2 1 4
E y =∫ yf ( y ) dy = ∫ y ( 3 y +2 ) dy= ( y 3+ y 2 )0=
0 7 0 7 7

Varianza de y:
1 1
2 ( 3 16 2 3 2 16 23
V ( y )=σ y 2=∫ y 2 f ( y ) dy −E y 2=
0
∫
70
3 y +2 y 2 ) dy− = + − =( )
49 7 4 3 49 294

Desviación estándar de y:

σ y =√ V ( y ) =0.2797
Esperanza de xy:
11 11 11 1
12 12 12 x3 x2 12 1 1 17
E xy =∬ xyf ( x , y ) dydx= ∬ xy ( x ( x+ y ) ) dydx= ∬ ( x 3 y + x 2 y 2) dydx = ∫
00 7 00 7 00
+
7 0 2 3
dx= ( + =
7 8 9 42) ( )
Covarianza:

17 5 4 −1
σ xy =E xy −E x E y = − ∙ = =0.0034
42 7 7 294
Coeficiente de correlación de Pearson:

σ xy 0.0034
ρ xy = = =−0.0561
σ x σ y 0.2167 ∙ 0.2797
Para este caso, el coeficiente de Pearson es negativo, lo cual indica que hay una relación negativa
entre las variables, esto quiere decir que cuando una aumenta, la otra disminuye, y viceversa. Sin
embargo, la fuerza de esta relación es relativamente débil, ya que el valor de coeficiente de
correlación está cercano a 0, por lo que si bien hay una relación negativa entre las variables, esta
no es tan pronunciada.

(d) En este caso ya se está consultando directamente por la probabilidad de un caso en específico.
Ahora bien, hay que tener en consideración que para calcular la probabilidad de un caso
cuando tengo una igualdad, tengo que usar una expresión específica. Primero que todo, se
realiza la notación del cálculo de probabilidad:

12 3 3
f ( P ) =f ( y >0,5 ; x=0.3 ) =
f (0.3 , y )
∙ ∙
7 10 10
=
(
+y ) = 1835 y + 175
27
=
90 y +27 5
= y+
3
f x ( 0.3 ) 6 3 2 3 72 72 4 8
(( ) )
7
2∙
10
+
10 175

1 1
5 3 5 1 3 5 3 15 3 21
F ( P )=∫ f ( P ) dy=∫
0.5 0.5
( 4 8)
y + dy= ( y 2 )0.5 + ( y )10.5 = ( 1−0.25 )+ (1−0.5 )= + = =0.6563
8 8 8 8 32 16 32
La probabilidad es el 65.63%
2. El tiempo total (en horas) que un camión demora en entregar la mercadería, en los galpones
de almacenamiento, considera el tiempo que espera el camión en la fila para entrar al galpón
correspondiente (X) y el tiempo que demora en descargar (Y). El tiempo total se define
mediante la siguiente función de probabilidad conjunta:

1
{
f ( x , y )= 225
x ( 1+ xy ) 0 ≤ x ≤ 5 0 ≤ y ≤ 3
0 eoc

(a) Determine la probabilidad que el camión se demore menos de 2 horas en descargar, si se

sabe que el tiempo de espera en la fila fue mayor a 3 horas.
(b) Si se sabe que el tiempo que demora el camión en descargar es de 1 hora. Calcule el
tiempo promedio que demora el camión en la fila
(c) Pruebe si el tiempo que espera el camión en la fila es independiente al tiempo que
demora en descargar.

(a) Estos ejercicios son bastante lineales, en el sentido que piden el cálculo de la probabilidad
para ciertos casos específicos. Partiendo por el primero caso, lo importante es definir de forma
correcta la función a integrar junto con límites de integración. En este caso, se necesita que el
camión se demore menos de 2 horas en descargar (Y<2), y el tiempo de espera es mayor a 3
horas (X>3).

52 52 5 2 5
y2
F ( P )=F ( x>3 , y <2 )=∬
1
30 225
x ( 1+ xy ) dydx=
1
∬
225 30
( x + x 2 y )dydx =
1
∫
225 3
2
(
xy|0 + x 2 ∙
2 |)
0
dx=
1
∫ ( 2 x +2 x
225 3

Por lo tanto, la probabilidad de que el camión se demore menos de 2 horas en descargar luego de
esperar más de 3 horas es de 31.90%

(b) Para este caso, como se trata de una igualdad ya que nos indican que el camión se demora 1
hora en descargar (Y=1) se utiliza la función de densidad para el cálculo de la probabilidad.
Para ello, es necesario calcular la función marginal de Y, pero para que el próximo ejercicio sea
más fácil se calculará la función marginal de x también.

3
1
f x ( x) = ∫ ( x+ x 2 y ) dy= 1 3 x + 9 x 2 = 1 ( 6 x+ 9 x 2 )= 1 ( 2 x +3 x 2)
( )
225 0 225 2 450 150
5
1
f y ( y )= ∫ ( x+ x 2 y ) dx= 1 25 + 125 y = 1 ( 3+10 y )
( )
225 0 225 2 3 54

Probabilidad con función densidad:

 1
( x + x 2)
225 6
f ( x , y=1 )= = ( x+ x 2 )
1 325
( 13 )
54
Esperanza de x (promedio):
5 5
6 6
E x= ∫ x ( x + x 2 ) dx= ∫ ( x 2+ x 3 ) dx= 6 125 + 625 = 750 1 + 5 = 30 19 = 285 =3.6538[hr ]
( ) ( ) ( )
325 0 325 0 325 3 4 325 3 4 13 12 78

Para este caso en cuestión, el promedio de tiempo de espera es de 3.6538 horas.

(c) Para verificar si las variables son independientes una con otra, la forma más simple es verificar
si se cumple la siguiente propiedad:

f ( x , y )=f x (x) ∙ f y ( y )

1
( x + x 2 y ) = 1 ( 2 x +3 x 2 ) ∙ 1 ( 3+10 y )
225 150 54

1 1 1
∙ ∙ ( 2 x +3 x 2) ( 3+10 y )= ( 6 x+ 20 xy +9 x 2 +30 x2 y )
150 54 8100

Si bien la expresión anterior puede ser reducida para dejarla más acotada, hay una expresión
como tal que no puede ser anulada ( 20 xy ), por lo que no es posible que haya una igualdad entre
las expresiones.

Esto último significa que las variables no son independientes entre sí, y existe alguna relación
entre ellas. Si fuese necesario, es posible calcular la forma de esta relación a través del coeficiente
de correlación de Pearson, pero para este caso no es solicitado.
3. Supóngase que la función de probabilidades conjunta de la variable aleatoria bidimensional (x,
y) está dada por:

xy
f ( x , y )=
{
x2 +
3
0 ≤ x ≤1 0 ≤ y ≤ 2
0 eoc

(a) Encuentra la función de probabilidades marginales

(b) Encuentra la función de probabilidades condicionales
(c) ¿Cuál es la Cov (x , y )?
(d) Calcular P(x<y)

(a) Primero que todo, calcular las probabilidades marginales. Ya se tiene las fórmulas en los casos
anteriores, las probabilidades marginales es solamente realizar la integral simple de la función
original en relación a una de las variables.

2
xy 2x 1
0
(
f x ( x ) =∫ x 2 +
3 )
dy =2 x 2 + = ( 6 x 2+ 2 x )
3 3
1
xy 1 1 1
0
(
f y ( y ) =∫ x 2 +
3 ) ( )
dx = 1+ y = ( 2+ y )
3 2 6

(b) Las funciones condicionales se calculan como la función densidad para el cálculo de
probabilidades con un valor conocido. Esto se conoce como funciones condicionales, porque
implican el conocer la probabilidad de un resultado, pero asumiendo una posibilidad anterior.

1
( 3 x 2+ xY )
f (x ,Y) 3 6 x 2 +2Yx
f ( x| y=Y )= = =
f y (Y ) 1 (Y + 2)
( Y +2 )
6
1
( 3 X 2+ Xy )
f ( X , y) 3 3 X+y
f ( y|x= X )= = =
f x ( X ) 1 ( 6 X 2 +2 X ) 2 ( 3 X +1 )
3
(c) Para el cálculo de la covarianza, es necesario calcular la esperanza de ambas variables, y luego
la esperanza del múltiplo de ambas.
1 1 1
1 1 3 x 4 2 x3 1
E x =∫ x f x ( x ) dx= ∫ ( 6 x3 +2 x 2 ) dx=
0 3 0 3 2( +
3 0 18)
= ( 9+ 4 ) =0.7222

2 2 2
1 ( 2 1 y3 2 1
E y =∫ y f y ( y ) dy =
0
∫
6 0
y +2 y ) dy= (
6 3 0 18 )
+ y = ( 8+12 )=1.1111

12 12 1 2 1
1 1 ( 3 1 3 8x 1 ( 1 9 x 4 8 x3
E xy = ∬
3 00
xy ( 3 x 2
+ xy ) dydx= ∬
3 00
3 x y+ x2 2
y ) dydx=
30
∫ 6(x +
3 )
dx= ∫
9 0
18 x3
+8 x 2
) dx= (
9 2
+
3 )
Cov ( x , y ) =E xy −E x E y =0.0062

(d) Para este caso, se consulta la probabilidad para los números de y cuando son mayor a x (y>x).
Este es un caso de probabilidad en dónde uno de los límites de la expresión no es un valor
numérico, sino que una incógnita. Lo que hay que reconocer bien es la ecuación de igualdad y
si el valor que me están solicitando es para el límite inferior o límite superior.
En este caso, la ecuación de igualdad es y=x , lo que es más complicado es saber si este límite
es un límite inferior o superior. Si bien esto requiere un poco de esfuerzo visual, la forma más
“simple” en mi caso de poder representarlo es hacer el gráfico y=x, pero en dónde y es mi
abscisa y x es mi ordenada. Si el gráfico está en este orden, se puede ver que todo lo que está
por debajo de la curva x=y pertenece a los valores que se necesitan. Esto normalmente
significa que el límite es inferior.
Esto se representa en la fórmula de la forma siguiente:

12 1 1 1
1 1 x 1 1
30 [ 2 ]
F ( P )=F ( x< y )= ∬ ( 3 x 2 + xy ) dydx= ∫ 3 x 2 ( 2−x ) + ( 4−x 2 ) dx= ∫ ( 12 x 2−6 x 3 +4 x−x3 ) dx = ∫ ( 1
3 0x 6 0 6 0

Por lo tanto, la probabilidad de que el valor de y sea mayor al valor de x es de un 62.5%