Cuestionario de probabilidad y estadísticas I

Nota : en este documento se encuentran reunidos los 6 talleres realizados

durante la duración del curso para el examen q será el dia martes 13 de
septiembre de 2016 a las 2 de la tarde

Taller 1
Probabilidad y Estadística I
Distribución de Probabilidad Conjunta

1) Determine los valores de c, tales que las siguientes funciones representen

distribuciones de probabilidad conjunta de las variables aleatorias X y Y:
a) f (x, y) = cxy, para x = 1, 2, 3; y = 1, 2, 3;

C (1)(1) + (1)(2) + (1)(3) + (2)(1) + (2)(2) + (2)(3) + (3)(1) + (3)(2) + (3)(3) = 1

C (1+2+3+2+4+6+3+6+9) = 1
C (36) = 1 .:. C=1/36 R//.

b) f (x, y) = c |x - y|, para x = -2, 0, 2; y = -2, 3.

C| (-2-(-2)) + (0-(-2)) + (2-(-2)) + (-2-3) + (0-3) + (2-3) |=1

C| (2+4-5-3-1) |
C|-3|=1
C (3) = 1
C=1/3 R//.

2) Si la distribución de probabilidad conjunta de X y Y está dada por

x+ y
f ( x , y )= , para x = 0, 1, 2, 3; y = 0, 1, 2; calcule
30

a) P (X ≤ 2, Y = 1);

0 1 2

0 1+1 2+ 1 1
( x , y )= + = R//.
30 30 6
 1 (1,1
)
2 (2,1
)
3

b) P(X > 2, Y ≤ 1);

0 1 2

0 3+ 0 3+1 7
( x , y )= + = R//.
1 30 30 30

2
3 (3,0) (3,1
)
c) P(X > Y )
0 1 2
1+0 2+ 0 3+0 2+ 1 3+1 3+2 3
0 ( x , y )= + 30 + 30 + 30 + 30 + 30 = R//.
30 5
1 (1,0)

2 (2,0) (2,1
)
3 (3,0) (3,1 (3,2)
)

d) P(X +Y = 4)

0 1 2 2+2 3+1 8
( x , y )= + = R//.
30 30 30
0
1

2 (2,2)
3 (3,1
)

3) De un saco de frutas que contiene 3 naranjas, 2 manzanas y 3 plátanos se

selecciona una muestra aleatoria de 4 frutas. Si X es el número de naranjas y Y
el de manzanas en la muestra, calcule a) la distribución de probabilidad
conjunta de X y Y;
b) P [(X, Y) ∈ A], donde A es la región dada por {(x, y) | x + y ≤ 2}.

3 2 3 0 1 2 3
( )( )(
x y 3−x − y ) 0 (0,0) (0,1) (0,2
8
4() 1 (1,0) (1,1)
)

2 (2,0)

( 30 )( 20 )( 3−0−03
) + ( 30 )( 21 )( 3−0−1
3
) + ( 30 )( 22 )( 3−0−2
3
) + ( 31 )( 20 )( 3−1−0
3
) + ( 31 )( 21 )( 3−1−1
3
) + ( 32 )( 20
( 84 ) ( 84 ) ( 84 ) ( 84 ) ( 84 )
R//.

4) Sea X el tiempo de reacción, en segundos, ante cierto estímulo, y Y la

temperatura (en °F) a la cual inicia cierta reacción. Suponga que dos variables
aleatorias, X y Y, tienen la densidad conjunta

f ( x , y )= {40xy, , 0< x<1 , 0< y <1

en otro caso .

a) P (0 ≤ X ≤ 1 y ¼ 4 ≤ Y ≤ ½ )
b) P(X < Y).
3
x
 Taller 2
Probabilidad y Estadística I
Esperanza Matemática

1) se presenta la siguiente distribución de probabilidad de X, el número de

imperfecciones que hay en cada 10 metros de una tela sintética, en rollos continuos de
ancho uniforme
____________________________________
x 0 1 2 3 4
____________________________________
f(x) 0.41 0.37 0.16 0.05 0.01
____________________________________

Calcule el número promedio de imperfecciones que hay en cada 10 metros de esta

tela.

∪=∈ ( x )=∑ x f (x )
x

∪=0 f ( 0 ) +1 f ( 1 ) +…+ 4 f (4 )

∪=0 ( 0.41 ) +1 ( 0.37 ) +2 ( 0.16 ) +3 ( 0.05 ) +4 (0.01)

∪=0.88 R//.

2) La distribución de probabilidad de la variable aleatoria discreta X es

x −x
1 3
f ( x )= 3 ( )( ) ( ) , x=0,1,2,3,4
x 4 4

Calcule la media de X.

Xi 0 1 2 3 4
F(xi 3 1 x
3 −x
3 1
( ) ( )
) x 4 4 x 4
m=∈ ( x ) =a ° Xi f ( Xi )

1 x −x
m=∈ ( x ) =0 ( ) ( ) ( ) +3( 3x )+ 4 ( 14 )
3
x
+1
4
+2
3
4

m=11.75 R//.

3) Si la utilidad para un distribuidor de un automóvil nuevo, en unidades de $5000, se

puede ver como una variable aleatoria X que tiene la siguiente función de densidad

f ( x )= 2(1−x), 0< x <1 ,

{ 0, en otro caso .

Calcule la utilidad promedio por automóvil.

∞
∪=∈ ( x )= ∫ x f ( x ) dx
−∞

1
∪=∫ x ( 2 ( 1−x ) ) dx
0

1 1
∪=∫ 2 x dx−∫ 2 x2 dx
0 0

2 x3 1
∪=x 2− ¿
3 0

1
∪=
3

1
5000 ( ) = 1.666 R//.
3
4) Calcule la proporción X de personas que se podría esperar que respondieran a
cierta encuesta que se envía por correo, si X tiene la siguiente función de densidad

2( x+ 2)
f ( x )=
{ 5
0,
, 0< x <1 ,
en otro caso .

∞
∪=∈ ( x )= ∫ x f ( x ) dx
−∞

1
2 ( x+ 2 )
∪=∫ x( ) dx
0 5

1 1
2 x2
∪=∫ −∫ 4 x dx
0 5 0

2 x3 1
∪= −4 x ¿
4 0
2
∪=
4

∪=0.5 R//.
 Taller 3
Probabilidad y estadisticas
Varianza y Covarianza

1) Sea X una variable aleatoria con la siguiente distribución

de probabilidad:
____________________________________
x -2 3 5
____________________________________
f(x) 0.3 0.2 0.5
____________________________________

Calcule la desviación estándar de X.

∈
μ=∈ ( x )= x F ( x )
x

μ= ( 2 )( 0.3 ) + ( 3 )( 0.2 ) + ( 5 ) ( 0.5 )

μ=3.70 R//.

σ 2=∈ ( x )−μ2
σ 2=(2)2 ( 0.3 )+(3)2 ( 0.2 ) +(5)2 ( 0.5 ) −(3.70)2
σ 2=1.81→ σ =1.34 R//.

2) La variable aleatoria X, que representa el número de errores por 100 líneas de

código de programación, tiene la siguiente distribución de probabilidad:
____________________________________
 x 2 3 4 5 6
____________________________________
f(x) 0.01 0.25 0.4 0.3 0.04
____________________________________

Calcule la desviación estándar de X, mediante el siguiente teorema:

σ2 = ∑x 2 f (x) −μ2 = E (X 2) −μ2

∈
μ=∈ ( x )= x F ( x )
x

μ= ( 2 )( 0.01 ) + ( 3 ) ( 0.25 ) + ( 4 ) ( 0.4 ) + ( 5 )( 0.3 ) +(6)(0.4)

μ=4.11 R//.

σ 2=∈ ( x )−μ2
σ 2=(2)2 ( 0.01 ) +(3)2 ( 0.25 ) +(4)2 ( 0.4 )+(5)2 ( 0.3 ) +(6)2 ( 0.4 )−(4.11)2
σ 2=0.73 →σ =0.86 R//.

3) En una tarea de laboratorio, si el equipo esta funcionando, la función de densidad

del resultado observado X es

f ( x )= 2(1−x), 0< x <1 ,

{ 0, en otro caso .

Calcule la varianza y la desviación estándar de X

σ 2=∈ ( x )−μ2 σ 2=2 ( 13 − 14 )− 19
1 1 1
σ 2= −
σ 2=2∫ x 2 (1−x ) dx −μ 2 6 9
0
1
1 σ 2=
1 18
σ 2=2∫ x 2 (1−x ) dx −
0 9

x3 1 x 4 1 1 1
σ 2=2
( ¿− ¿ −
3 0 40 9 ) σ=
√ 18
→σ =0.24 R//.
μ=∫ x f ( x ) dx
1
μ=2∫ x (1−x ) dx
0

1 1
μ=2
(∫ 0
x dx ∫ x 2 dx
0
)
x 2 1 x3 1
μ=2
( ¿− ¿
20 2 0 )
μ=2 ( 12 − 13 )
1
μ= R//.
3
4) Determine la covarianza de la siguiente función acumulada de probabilidad.

f(x,y x h(y)
) 0 1 2
y 0 3/28 9/28 5/28 17/28
1 6/28 4/28 0 10/28
2 1/28 0 0 1/28
g(x) 10/28 13/28 5/28 1

Taller 4
 Probabilidad y Estadística I
Medias y varianzas de combinaciones lineales de variables aleatorias

1) Suponga que una tienda de abarrotes compra 5 envases de leche descremada al

precio de mayoreo de $1.20 por envase y la vende a $1.65 por envase. Después de la
fecha de caducidad, la leche que no se vende se retira de los anaqueles y el tendero
recibe un crédito del distribuidor igual a tres cuartas partes del precio de mayoreo. Si la
distribución de probabilidad de la variable aleatoria es X y el número de envases que
se venden de este lote es
___________________________________________
x 0 1 2 3 4 5
___________________________________________
f(x) 1/15 2/15 2/15 3/15 4/15 3/15
___________________________________________
calcule la utilidad esperada

g (x) = 7.25 x – 1.50

∈ ( x )=0 ( 151 )+1( 152 )+2 ( 152 )+3 ( 153 )+ 4 ( 154 )+5 ( 153 )
54
∈ ( x )=
15

∈ ( g ( x ) )=7.25 ∈ ( x ) −1,50

∈ ( g ( x ) )=7.25 ( 5415 )−1,50

∈ ( g ( x ) )=$ 24.60 R//.

2) Sea X una variable aleatoria con la siguiente distribución de probabilidad:

______________________
x -3 6 9
______________________
f(x) 1/6 1/2 1/3
______________________
Calcule E(X) y E(X ) y luego utilice estos valores para evaluar E[(2X + 1)2].
2

∈ 1 1 1
μ=∈ ( x )= x f ( x)
x μ= (−3 ) () ()
6
+( 6 )
2
+ ( 9) ( )
3
μ=5.50
μ=∈ ( x 2 )=∈ x2 f ( x)
μ=(−3)2 ( 16 )+(6) ( 12 )+(9) ( 13 )
2 2

x μ=46.50
σ 2=∈(2 x +1)2

σ 2=2 (−3 )2 ( 61 )+2 ( 6 ) ( 12 )+2 ( 9 ) ( 13 )−5.50−46.50

2 2

σ 2=41
σ =6.40 R//.

3) El tiempo total que una adolescente utiliza su secadora de pelo durante un año,
medido en unidades de 100 horas, es una variable aleatoria continua X que tiene la
siguiente función de densidad

f ( x )= 2(1−x), 0< x <1 ,

{ 0, en otro caso .
Determine la media de la variable aleatoria Y = 60X 2 + 39X, donde Y es igual al
número de kilowatts-hora que gasta al año.

μ=∫ y f ( y ) dy
0
μ=2∫ y ( 1−x ) dy
1

0 0
μ=2(∫ yx dy −∫ y dx)
1 1

0 0
μ=2(∫ yx dy −∫ 60 x2 +39 x dx)
1 1

xy 60 x 2+ 39 x 0
μ=2 ( )(2
−
2
¿
1
)
xy 60+39
μ=2 (( ) ( 2
−
2 ))
μ=2 ( xy2 )+( 992 )
49
μ= R/¿ .
2
4) Si X y Y son variables aleatorias independientes con varianzas σ2X= 5 y σ2Y=
3, σxY =0, calcule la varianza de la variable aleatoria Z = –2X + 4Y – 3.

σ 2 aX +bY + c=a2 σ 2X +b2 σ 2Y +ab σ XY

σ 2−2 X +4 Y −3

σ 2 aX +bY + c=22 σ 2X + 42 σ 2Y +0 ( 2 ) (−4) σ XY

σ 2 aX +bY + c=4 ( 5 ) +16(3)+(−8)
σ 2 aX +bY + c=60 R//.
 Taller 5
Probabilidad y Estadística I
Teorema de Chebyshev

1) Una variable aleatoria X tiene una media μ = 10 y una varianza σ2 = 4. Utilice el

teorema de Chebyshev para calcular

a) P(|X −10| ≥3);

-3>= x-10 >= 3 7 = U-Ko 13 = u+ko

P(7>= X >= 13) 7 = 10 -2k 13 = 10+2k
K1= 3/2 k2 = 3/2

P(7>=x>=13)>=1-1/k^2
1-1/(3/2) R//: P(7 >=x >= 13)>= 0.33
1-2/3 = 1/3 = 0.33

b) P(|X −10| < 3);

-3< x-10 < 3 7 = u- ko k = 3/2

P(7 < x < 13) k = 3/2

P(7 < X < 13)

1-1/(3/2) = 0.33 R//: P(7 < x < 13) > 0.33

c) P(5 < X < 15);

5 = 10-2k 15 = 10+2k 1-1/(3/2) = 3/2

K = 5/2 k = 5/2
R//: P(5 < x < 15) < 1.5

2) Calcule P(μ – 2σ < X < μ + 2σ), donde X tiene la siguiente función de densidad
f ( x )= 6 (1−x), 0< x< 1,
{ 0, en otro caso .

y compare con el resultado dado por el teorema de Chebyshev.

800 = 1000 - k(70)

-200/70 = k
K = 20/7

P(u – ko < x < u+ko) >= 1-1/k^2

P(1000 –(20/7) (70) < x < 1000 +(20/7)(70) >=1 - (1/1)/(20/7) ^2
P(<x<1000-200<x<1000+200)>=1-49/400
P(800 < x < 1200) >= 0.8775

3) En una planta de ensamble automotriz se crean 70 nuevos puestos de trabajo

y se presentan 1000 aspirantes. Para seleccionar entre los aspirantes a los 70
mejores la armadora aplica un examen que abarca habilidad mecánica, destreza
manual y capacidad matemática. La calificación media de este examen resulta
ser 70 y las calificaciones tienen una desviación estándar de 5. ¿Una persona
que obtiene una calificación de 84 puede obtener uno de los

puestos? [Sugerencia: Utilice el teorema de Chebyshev]. Suponga que la

distribución es simétrica alrededor de la media.

Como se escojen los 70 mejores de 1000 aspirantes solo ingresan 70/1000 = 0.07 =
7%
¿Una persona que obtiene una calificación de 84 puede obtener uno de los puestos?

P(u-ko<x<u+ko)>=0.86
1-1/k^2 = 0.86 1-0.8601/k^2 0.14= 1/k^2
k^2 = 1/0.14 k^2 = 7.143 k^2 = 2.67

Recuerda que u=70 o=5

P(70-2.65(5) < x < 70+2.57(5)) >= 0.86

P(56.65 < x < 83.35) >= 0.86 R//.
4) Una empresa eléctrica fabrica una bombilla de luz de 100 watts que, de
acuerdo con las especificaciones escritas en la caja, tiene una vida media de
1000 horas con una desviación estándar de 70 horas. A lo sumo, ¿qué
porcentaje de las bombillas no duran al menos 800 horas? Suponga que la
distribución es simétrica alrededor de la media.

P(x < 800) = ?

800 = 1000 – (2.9)(70)
P(u-ko < X < u+ko) >= 1-1/k^2
P(1000 – (2.9)(70)) < x < 1000+2.9(70) >= 1-1/(2.9) ^2
P(800 < x < 1203) >= 0.88
 Taller 6
Probabilidad y Estadística I
Distribución Uniforme Discreta

1) Determine el valor c de modo que cada una de las siguientes funciones

sirva como distribución uniforme probabilidad de la variable aleatoria
discreta X:

a) f(x) = c, para para x = 0, 1, 2, 3;

P ( x> c )=f ( o )+ f ( 1 ) +f ( 2 ) + f ( 3 )
P ( x> c )=4 c R//.

b) f(x) = c, para x = 0, 1, 2.
P ( x>C )=f ( 0 ) + f ( 1 ) + f (2)
P ( x>C )=3 C R//.

2) La distribución de probabilidad de X, el número de imperfecciones que se

encuentran en cada 10 metros de una tela sintética que viene en rollos
continuos de ancho uniforme, está dada por

x 0 1 2 3 4
__________________________________________
f (x) 0.20 0.20 0.20 0.20 0.20
Encuentre la probabilidad de que cuando se tome aleatoriamente una muestra
de 10 metros de mencionada tela sintética, se encuentren:
a) 3 imperfecciones
P ( x> g )=f ( 3 ) =0.20
b) al menos 3 imperfecciones
P ( x> o )=f ( 0 )=0.20
P ( x>1 ) =f ( 1 )=0.20
P ( x>2 )=f ( 2 )=0.20
P ( x>3 )=f ( 3 )=0.20
P ( x> 4 )=f ( 4 )=0.20
c) a lo mucho 3 imperfecciones
P ( x> o )=0.20
P ( x>1 ) =0.20
P ( x>2 )=0.20
P ( x>3 )=0.20
P ( x ) ≥ 0.80
d) ninguna imperfección
P ( x ) =0
e) 5 imperfecciones
P ( x ) ≤ 3imperfecciones

3) De la siguiente Distribución uniforme discreta

f ( y ) = 0.25 x =2,3,4,6
{ 0 en otro caso
calcule

a) Media
μ=ϵx=2 ( 0.25 ) +3 ( 0.25 ) + 4 ( 0.25 ) +6 ( 0.25 )
μ=ϵx=3.75
 b) Varianza
σ 2=ϵ ( x−μ )2=2 ( x−μ )2 f ( x )
2 2 2 2 2 2
σ =( x−3.75 ) =( 2−3.75 ) ( 0.25 ) + ( 3−3.75 ) ( 0.25 )+ ( 4−3.75 ) ( 0.25 ) + ( 6−3.75 ) ( 0.25 )
σ 2=0.76+0.14 +0.015+1.26
σ 2=2.17
σ =1.47