#========= VARIABLE ALEATORIA DISCRETA ====

#1. Una variable aleatoria discreta toma todos los valores enteros entre 0 y 4 con la siguiente

#función de densidad.

#X01234

# f(x) 0.3 0.25 0.25 0.1 0.1

#a) Calcular la media

(u=0*0.3+1*0.25+2*0.25+3*0.1+4*0.1)

#u=1.45

#b) Calcular la varianza

E_x_2=0*0.3+1*0.25+4*0.25+9*0.1+16*0.1

(var=E_x_2-u^2)

#var=1.6475

#c) Encontrar el valor esperado de 3X2+3X

(U_x=(3*0+3*0)*0.3+(3*1+3*1)*0.25+(3*4+3*2)*0.25+(3*9+3*3)*0.1+(3*16+3*4)*0.1)

# 15.6

#d) Construir F (x)

# X 0 1 2 3 4

# F(x) 0.3 0.55 0.80 0.90 1

#e) Determinar F(3), F(6), F(-1), f(3)

#F(3)=0.90

#F(6)=1

#F(-1)=0

#f(3)=0.1

#2. Para que la siguiente función sea definida como una distribución de probabilidades para

#una variable aleatoria discreta cuyo soporte se especifica a continuación:

# 𝑓(𝑥) = 𝑘𝑥^2; 𝑆 = {1; 2; 3; 4}

#a) Determine el valor de k

(k=1/(1+4+9+16))
#k=0.03333333

#b) Determine la probabilidad de que ocurra cada uno de los valores del soporte

f1=k*1#0.03333333

f2=k*4#0.1333333

f3=k*9#0.3

f4=k*16#=0.5333333

#c) Encuentre la media y varianza

(media=1*f1+2*f2+3*f3+4*f4)#3.333333

E_x_2=1*f1+4*f2+9*f3+16*f4

(var<-E_x_2-media^2)#0.6888889

#d) Construya el histograma

#e) Encuentre el valor esperado de 4X^2 + 5

((4*1) + 5)*f1+((4*4) + 5)*f2+((4*9) + 5)*f3+((4*16) + 5)*f4

#52.2

#3.

dnbinom(x-r,r,p)#0.09261

#4

p=0.5

n=8

n*p# media=4

dbinom(4,n,p)#0.2734375

#5

p=5/10

n=7

#media

np

#var
np(1-p)

#6

p=1/3

dgeom(5,p)

#7

b=1/1000

ppois(4,b)

#b

#c

1-ppois(2,b)

#d

dpois(12,b)

#8

p=0.001

n=700

dbinom(1,n,p)

#9

#a)

p=6/10

n=10

dbinom(6,n,p)

#b)

n*p

#10

p=0.6

dgeom(1,0.6)

dgeom(3,0.6)

dgeom(4,0.6)
#==================== Variables Aleatorias Continuas ===========================

#1. Una variable aleatoria X tiene distribución uniforme sobre [-3, 1]. Calcule:

# a) Pr(X=0).

#Pr(X=0)=0 ya que X es continua

# b) Pr (X < 0).

punif(0,-3,1) #Pr (X < 0)=0.75

# c) Pr (|X| < 1).

# P(-1<x<1)

punif(1,-3,1)-punif(-1,-3,1)#Pr (|X| < 1)=0.5

# d) Pr (|X| > 0.5).

# P(X<-0.5 o X>0.5)=0.75

punif(-0.5,-3,1)+punif(0.5,-3,1,lower.tail = F)

# e) Halle el valor de t tal que Pr (X > t)= 1/3.

qunif(1/3,-3,1,lower.tail = F) #t= -0.3333333

#comprobación:

punif(-0.3333333,-3,1,lower.tail = F)

#------------------------------------------------------------

#2. Realice el ejercicio anterior considerando que X ~ U [-3, 2].

# a) Pr(X=0).

#Pr(X=0)=0 ya que X es continua

# b) Pr (X < 0).

punif(0,-3,2) #Pr (X < 0)=0.6

# c) Pr (|X| < 1).

# P(-1<x<1)

punif(1,-3,2)-punif(-1,-3,2)#Pr (|X| < 1)=0.4

# d) Pr (|X| > 0.5).

# P(X<-0.5 o X>0.5)=0.8

punif(-0.5,-3,2)+punif(0.5,-3,2,lower.tail = F)

# e) Halle el valor de t tal que Pr (X > t)= 1/3.

qunif(1/3,-3,2,lower.tail = F) #t= 0.3333333

#comprobación:

punif(0.3333333,-3,2,lower.tail = F)

#------------------------------------------------------------

#3. Una llamada telefónica llegó a un conmutador en un tiempo, al azar, dentro de un

#período de un minuto. El conmutador estuvo ocupado durante 15 segundos en ese

#minuto. Calcule la probabilidad de que la llamada haya llegado mientras el conmutador

#no estuvo ocupado.

# Solución: un minuto tiene 60 segundos, la llegada de la llamada al conmutador es al azar,

# es decir, hay la misma probabilidad de que llegue en los primeros segundos, en los últimos
segundos, etc.

# por lo tanto X es una variable aleatoria uniforme que mide el momento en que llega la
llamada durante ese minuto.

#x~U(0,60) segundos

#P(X>15)= 0.75

punif(15,0,60,lower.tail = F)

#------------------------------------------------------------

#4. Escriba las funciones de densidad y distribución y los valores de la esperanza y la

#varianza para las variables aleatorias que siguen una ley exponencial:
#a) ε (6).

#b) ε (3).

#c) ε (0.5)

#d) ε (0.5).

# solución:

# Una Variable Aleatoria Exponencial con parámetro B tiene la función de densidad:

# f(X)=(1/B)*exp(-x/B)

# Además, B=1/λ siendo λ el parámetro de una distribución Poisson, em ese caso:

# f(X)= λ*exp(-λ*x)

# Si ε=λ entonces:

#a) ε=6

#f(X)=6*e^-6*x

#F(x)=1-e^-6*x

# E[X]= 1/6= 0.1666667. Var[X]= (1/6)^2= 0.02777778

#b) ε=3

#f(X)=3*e^-3*x

#F(x)=1-e^-3*x

# E[X]= 1/3= 0.3333333. Var[X]= (1/3)^2= 0.1111111

#c) ε=0.5

#f(X)=6*e^-0.5*x

#F(x)=1-e^-0.5*x

# E[X]= 1/0.5= 2. Var[X]= (1/0.5)^2= 4

#d) ε=0.5

#f(X)=6*e^-0.5*x

#F(x)=1-e^-0.5*x

# E[X]= 1/0.5= 2. Var[X]= (1/0.5)^2= 4

#_______________________________-

# Si ε=B entonces:

#a) ε=6

#f(X)=1/6*e^-x/6

#F(x)=1- e^-x/6

# E[X]= 6. Var[X]= (6)^2= 36

#b) ε=3

#f(X)=1/3*e^-x/3

#F(x)=1- e^-x/3

# E[X]= 3. Var[X]= 9

#c) ε=0.5

#f(X)=2*e^-2*x

#F(x)=1-e^-2*x

# E[X]=0.5. Var[X]= 0.25

#------------------------------------------------------------

#5. Se prueban dos elementos que trabajan independientemente. El tiempo de trabajo del

#primer elemento tiene distribución ε (0.02) y el segundo elemento ε (0.05). Halle la

#probabilidad de que en t=6 horas:

#a) ambos elementos fallen.

pexp(0.02,1/0.02)*pexp(0.05,0.05)

#b) ambos elementos no fallen.

pexp(0.02,1/0.02,lower.tail = F)*pexp(0.05,0.05,lower.tail = F)

#c) solo un elemento falle.

pexp(0.02,1/0.02)*pexp(0.05,0.05,lower.tail =F )+pexp(0.02,1/0.02,lower.tail =F
)*pexp(0.05,0.05)

#d) falle por lo menos un elemento.

pexp(0.02,1/0.02)*pexp(0,0.05,lower.tail =F )+pexp(0.02,1/0.02,lower.tail =F
)*pexp(0.05,0.05)+pexp(0.02,1/0.02)*pexp(0.05,0.05)

#------------------------------------------------------------

#6. La duración (en minutos) de las llamadas telefónicas de larga distancia desde Quito es

#una variable aleatoria con densidad

#𝑓(𝑡) = 0, si 𝑡 ≤ 0

#𝑓(𝑡) = 𝑐𝑒^-t/3 𝑡 > 0

#Determine el valor de c y calcule la probabilidad de que una llamada dure: a) menos de

#3 minutos. b) más de 6 minutos. c) entre 3 y 6 minutos. d) Calcule la esperanza de la

#variable aleatoria e interprete su significado. e) Si el costo del minuto de las llamadas

#telefónicas es de $20 000, ¿cuánto esperaría un usuario pagar por una llamada?

#c[-3exp(-inf/3)+3exp(0)]=1

#3c=1 => c=1/3

#P(X<3)= 0.6321

pexp(3,1/3)

#P(X>6)=1-P(X<6)=0.1353353

pexp(6,1/3,lower.tail = F)

#P(3<x<6)=0.2325442

pexp(6,1/3)-pexp(3,1/3)

#E[X]=B=3

integrate(function(x) x*(1/3)*exp(-x/3) ,

lower = -0,

upper = Inf)

# La duración media de una llamada telefónica de larga distancia desde Quito es de 3 minutos.

#20000*E[X]=$60000

20000*3

#------------------------------------------------------------
# 7. Los tiempos de servicio en una ventanilla de cajero de un banco siguen una distribución

#exponencial 𝜆 =1/3.2 𝑚𝑖𝑛. Un cliente llega a la ventanilla a las 10:00 horas. a) Encuentre

#la probabilidad de que todavía esté allí a las 10:02.

pexp(2,1/3.2,lower.tail = F)#0.5352614

#b) Calcule la probabilidad de que esté

#en la ventanilla a las 10:04, dado que estaba a las 10:02.

(1-pexp(4,1/3.2))/(1-pexp(2,1/3.2))#0.5352614

#------------------------------------------------------------

#8. Una variable Z está distribuida normalmente, Z~N (1,16). Calcule:

# media=1, varianza=16, sd=4

#a) Pr (Z<0)=0.4012937

pnorm(0,1,4)

# b) Pr (Z>=3)=

pnorm(3,1,4,lower.tail = F)

#c) Pr (|z| < 3)=P(-3<z<3)=0.5328072

pnorm(3,1,4)-pnorm(-3,1,4)

#d) Pr (|z|>2)=P(z>2)+P(z<-2)= 0.1746663

pnorm(2,1,4,lower.tail = F)-pnorm(-2,1,4)

#------------------------------------------------------------

#9. Los errores de la medición de peso de una balanza obedecen a una ley normal con

#desviación Estándar 𝜎 =20 mg y esperanza 𝜇 = 0 mg. Halle la probabilidad de que de

#tres mediciones independientes, el error de por lo menos una de ellas no sea mayor, en

#valor absoluto, que 4 mg.

n=3

#p=1-P(|z|>4)

p=1-pnorm(4,0,20,lower.tail = F)-pnorm(-4,0,20)
#X~Binomial(n=3,p)-> P(X>=1)=1-P(X<1)=0.4041564

1-pbinom(0,n,p)

1-dbinom(0,n,p)

#------------------------------------------------------------

#10. Se sabe que el gasto en cigarrillos es, para los fumadores, de 5000 sucres diarios por

#término medio, y que la desviación estándar es de 800 sucres. Suponiendo que el gasto

#sigue una distribución normal, ¿qué proporción de los fumadores gastan entre $5000 y

#$6200 diarios?.

sd=800

u=5000

# P(500<z<6200)=0.433

pnorm(6200,5000,800)-pnorm(5000,5000,800)

# el 43.3193% e los fumadores gastan entre 5000 y 6200 diarios

#------------------------------------------------------------

#11. Tenemos láminas de vidrio con un espesor de 2.51 mm y una desviación estándar de

#0.02. Admitido que la distribución de cada una de las medidas sea de tipo normal, ¿cuál

#es el espesor del 10% de las láminas más finas?.

u=2.51

sd=0.02

qnorm(0.1,u,sd)

# espesor de 2.484369 mm

#------------------------------------------------------------

#12. La empresa IDEMSA realizó un estudio sobre el número de horas que la población ve un

#determinado canal de televisión. En los resultados entregados indica que un 20% de la

#población ve más de cuatro horas diarias ese canal. Los directivos del canal tienen dudas

#sobre la fiabilidad del estudio, por lo que contratan una empresa auditora, la cual

#determinó que el número de horas que la población ve el canal sigue una distribución
#normal N (2, 1). ¿Se puede decir que el estudio presentado por IDEMSA es fiable?.

#P(Z>4)=0.20

u=2

sd=1

qnorm(0.2,u,sd,lower.tail = F)

qnorm(0.8,u,sd)

# el 20% ve más de 2.84 horas diarias, no es fiable lo dicho por IDEMSA pues:

pnorm(4,u,sd)# el 2.3% ve más de 4 horas diarias

#------------------------------------------------------------

#13. Los pesos de las fundas de papas fritas producidas por una fábrica siguen una

#distribución normal con media 12.8 onzas y desviación estándar 0.6 onzas.

#a) ¿Qué proporción de las fundas pesan más de 12 onzas?

u=12.8

sd=0.6

#P(Z>12)=0.9087888

pnorm(12,u,sd,lower.tail = F)

#90.8%

# b) ¿Qué proporción de las fundas pesan entre 13 y 14 onzas?

pnorm(14,u,sd)-pnorm(13,u,sd)

#34.67%

# c) Determine el peso tal que el 12.5% de las fundas pese más que ese peso.

#P(Z>a)=0.125=>Z=13.49021

qnorm(0.125,u,sd,lower.tail = F)

#d) Si el fabricante desea mantener la media en 12.8 onzas, pero ajusta la desviación

# estándar tal que solo el 1% de las fundas pese menos de 12 onzas, ¿cuál debe ser el valor

#de la desviación estándar?

(sd=(12-u)/qnorm(0.01))
#sd=0.34389

#------------------------------------------------------------

#14. Los conductores que se fabrican por utilizarse en microcomputadoras deben tener

#resistencias que varían entre 0.12 y 0.14 ohm. Las medidas de las resistencias que

#produce la Compañía A tienen una distribución normal de media 0.13 ohm y desviación

#estándar 0.005 ohm.

#A) Cual es la probabilidad de que un conductor seleccionado al azar de la producción

#de la Compañía A cumpla con las especificaciones.

u=0.13

sd=0.005

pnorm(0.14,u,sd)-pnorm(0.12,u,sd)

#0.9544997 de prob.

#B) Si se usan cuatro #de esos conductores en un microcomputador,

#cual es la probabilidad de que los cuatro

#cumplan con las especificaciones.

n=4

p=pnorm(0.14,u,sd)-pnorm(0.12,u,sd)

dbinom(4,n,p)

#0.8300481 de prob.

#------------------------------------------------------------

#15. El promedio de las calificaciones de los estudiantes universitarios se distribuye

#normalmente con media 5.4 y desviación estándar igual a 0.5 puntos.

#a) Que porcentaje de los estudiantes tiene un promedio de calificaciones superior a 6.

u=5.4

sd=0.5

#P(Z>6)= 0.1150697

pnorm(6,u,sd,lower.tail = F)

#11.5% aprox.
#b) si los estudiantes que tienen un promedio inferior o igual a 4.9 abandonan la

#universidad, ¿que porcentaje de alumnos desertara?

pnorm(4.9,u,sd)

#15.86% aprox.

# c) se seleccionan al azar tres estudiantes, ¿Cuál es la probabilidad de que los tres tengan

#un promedio de calificaciones superior a 6?

n=6

p=pnorm(6,u,sd,lower.tail = F)

dbinom(3,n,p)

#0.158 de prob.