Universidad Abierta y a Distancia de México

Probabilidad II

Unidad 1
Actividad 2

Alumno: Alexis Saúl Álvarez Soto

Docente: Orlando Fabián Echeverría Alonso
Matrícula: ES202102217

11 Octubre 2021
1. Considere el ejemplo 1.1.7, muestre que las variables aleatorias no son estadísticamente independientes, considerando;

a ¿ ( 1,1 ) , b ¿(0,2)

Solución:
Tenemos que la función de distribución está dada por
3 2 3
f ( x , y )=
( x y 2−x− y )
)( )(
(82 )
Ω={ ( 0,0 ) , ( 0,1 ) , ( 1,0 ) , ( 1,1 ) , ( 0,2 ) , ( 2,0 ) }
a ¿ ( 1,1 )
Obtenemos las marginales

3 2 3
f ( 1,1 ) =
( 1 )( 1 )( 0 ) 6
=
(2) 28
8

3 2 3 3 2 3 3 2 3
2
g ( 1 ) =∑ f ( 1 , y ) =
( )( )(
1 0 2−1−0 ) +
( )( )(
1 1 2−1−1 ) +
( 1 2 2−1−2 ) 9 3
)( )( = + +0=
15
28 14 28
y=0
(82 ) ( 82 ) ( 82 )
3 2 3 3 2 3 3 2 3
2
h ( 1 )=∑ f ( x ,1 )=
( )( )(
0 1 2−0−1 ) +
( )( )(
1 1 2−1−1 ) +
( 2 1 2−2−1 ) 3 3
)( )( = + +0=
3
14 14 7
x=0
(82) ( 82 ) ( 82 )
45 6
g ( 1 ) h ( 1 )=≠ =f ( 1,1 )
195 28
∴ X ,Y no son estadísticamente independientes
a ¿ ( 0 , 2)
Obtenemos las marginales

3 2 3
f ( 0,2 )=
( 0 )( 2 )( 0 ) 1
=
8 28
(2 )
3 2 3 3 2 3 3 2 3
2
g ( 0 ) = ∑ f ( 0 , y )=
( 0)( 0 )( 2−0−0 ) ( 0 )( 1 )( 2−0−1 ) ( 0)( 2)( 2−0−2) 5
+ + =
8 8 8 14
y=0
(2 ) (2 ) (2 )
 3 2 3 3 2 3 3 2 3
2
h ( 2 )=∑ f ( x ,2 ) =
( )( )(
0 2 2−0−2 ) +
( )( )(
1 2 2−1−2 ) +
( 2 2 2−2−2) 1
)( )( =
8 8 8 28
x=0
( 2) (2 ) (2 )
5 1 1
⋅ ≠ =f ( 0 , 2 )
g ( 0 ) h ( 2 )=
14 28 28
∴ X ,Y no son estadísticamente independientes

2. Sea X el número de veces que falla cierta máquina de control numérico: 1, 2 o 3 veces en un día dado. Sea
Y el número de veces que se llama a un técnico para una emergencia. Su distribución de probabilidad conjunta
está como

f (x , y ) x 1 2 3
1 0.05 0.05 0.1
y 2 0.05 0.1 0.35
3 0 0.2 0.1

(a) Evalúe la distribución marginal de X . Realizar tabla

x 1 2 3
P X ( x) 0.1 0.35 0.55

(b) Evalúe la distribución marginal de Y . Realizar tabla.

y 1 2 3
PY ( y) 0.2 0.5 0.3

(c) Encuentre P ¿
P ( 3,3 ) 0.1
P ( Y =3| X=3 ) = = =0.1818
P X ( 3 ) 0.55

3. Considere el ejercicio anterior (2). Determine si las dos variables aleatorias son dependientes o independientes.
Considere f (1,1) . Realizar proceso (desarrollo matemático) de solución.

f ( 1,1 ) =g ( 1 )∗h ( 1 )
f =g ( .10 )∗h (.20 )
f =0.02
4. La función de densidad conjunta de las variables aleatorias X y Y es;

f ( x , y )= 6 x , 0< x <1 ; 0< y <1−x

{ 0 en cualquier otro caso

(a) Muestre que X y Y no son independientes.

Solución:

Obtenemos las marginales de X , Y

1−x
f X ( x )= ∫ 6 x dy=6 x (1−x−0)=6 x ( 1−x )
0

1− y
( 1− y )2 02
f Y ( y )= ∫ 6 x dx=6
0
( 2 )
− =3 ¿
2

Entonces sabemos que X , Y son independientes si y solo si:

f x ( x ) f y ( y )=f ( x , y )

f x ( x ) f y ( y )=6 x ( 1−x ) ⋅3¿

∴ no son independientes
(b) Determine P ¿

f (x , y)
f ( x| y ) =
f y ( y)

f (x , 0.5) 6x
⇒ f ( x| y =0.5 )= = =8 x
f Y (0.5) 3 ( 1−0.5 )2

⇒ f ( x| y =0.5 )= {0 de8 xotramanera

0 ≤ x <0.5

0.5
.52 .32
⇒ P ( x> 0.3| y=0.5 )=∫ 8 xdx=8
0.3
( 2
−
2) =0.64

∴ P ( x >0.3| y =0.5 )=0.64

5. Sean [ X , Y ] un vector bivariado cuya densidad de probabilidad conjunta es

f ( x , y )= kxy , 0< x <1 ; 0< y <1

{0 en cualquier otro caso

(a) Determine el valor para k , para lograr una función de probabilidad.

Solución:

Tenemos que
1 1 1 1
12 0 2 k k 12 02 k
∫∫ kxy dx dy=1 ⇒ k ∫ x
0 0 0
( −
2 2 ) 20 (
dx= ∫ xdx= )
− = =1
2 2 2 4

∴ k=4
(c) Determine las densidades marginales.
1
12 02
0
( )
f X ( x )=∫ 4 xydy =4 x − =2 x
2 2
1 2 2
1 0
f ( y )=∫ 4 xydx=4 y ( − )=2 y
Y
0 2 2

(d) Muestre que X y Y son independientes.

f X ( x ) f Y ( y )=2 x ⋅2 y=4 xy=f ( x , y )

8 xy 2 x
(e) Determine las densidades condicionales. f ( x| y )= =
4 y3 y2
 12
6. Detalle el ejemplo 1.2.1, es decir, desarrollar el proceso matemático para mostrar que μ= E ( X )=
7
Solución:

Tenemos que la distribución de probabilidad está dada por

4 3
f ( x )=
( x 3−x )
)( , x ∈ ( 1,2,3 )
7
( 3)
3
⇒ E ( X )=∑ xf ( x )=0 f ( 0 )+1 f ( 1 ) +2 f ( 2 ) +3 f ( 3 )
0

4 3 4 3 4 3 4 3
⇒ E ( X )=0+1
( 1 )( 3−1 ) ( 2 )(3−2) ( 3 )( 3−3 )
+2 +3 +4
( 4 )( 3−4 )
7 7 7
( 3) (3 ) ( 3) (73 )
12 18 4
⇒ E ( X )=0+ +2 +3
35 35 35
12
⇒ E ( X )=
7

7. Concluya y muestre que μ= E ( X )=200 hrs del ejemplo 1.2.2.

Solución:

Tenemos que

20000
f ( x )=
{ x3
, x> 100

0 , en otro caso
∞
E ( x )=20000 ∫ x −2 dx
−∞

Por lo que el límite de integración es x ∈(100 , ∞ )

∞
x−1 1 1 1 20000
⇒ E ( X )=20000
−1 |100
(
=−20,000 lim
x→ ∞
−
x 100 )
=−20,000 0−
100
= (100
=200 )
8. Suponga que dos variables ( X , Y ) se distribuyen de manera uniforme en un círculo de radio a . La función densidad de
probabilidad conjunta

{
f ( x , y )= πa 2
, x2 + y2 ≤ a2

0 en cualquier otro caso

Calcule el valor esperado de X , μ X

Solución:

Tenemos que μ está dada por

μ=∫ ∫ g ( x , y ) f ( x , y ) dxd y
x y

Obtenemos el área de integración

x 2+ y 2 ≤ a2

⇒ x2≤ a2
⇒−a ≤ x ≤ a
Y tenemos que

x 2+ y 2 ≤ a2

⇒ y 2 ≤ a2−x 2

⇒−√ a2−x 2 ≤ y ≤ √ a2−x 2

Entonces
a √ a2−x 2 a √ a2−x 2
1
μ X =E ( X ) =∫ ∫ xf ( x , y ) dxdy =∫ ∫ x dxdy
−a − √a2− x2 −a − √a2− x 2 π a2
a a
1 1
μ X = 2 ∫ x ( √ a2−x 2−( −√ a2−x 2 ) ) dx= 2 ∫ 2 x √ a2−x 2 dx
π a −a π a −a
a
2 2 2
μ X = 2 ∫ x √ a2−x 2 dx =¿ u=a −x ¿
π a −a du=−2 xdx
μ X =¿Dada la simetría de x √a 2−x 2 \\
a a
2 4
μ X = 2 ⋅2∫ x √ a2−x 2 dx= 2 ∫ x √ a2−x 2 dx
πa 0 πa 0
2 2
μ X =¿ u=a −x ⇒ a 2 ≤ u ≤0 ¿
du=−2 xdx
 0 0
4 −1 −2 2 3/ 2
μX = ( )
π a2 2
∫ √u du=
a
2 π a2 3
u
|a 2

3 3

μX =
−4 2
3π a 2
0 − (
−4 2 2
3 π a2
(a ) )
4 √a 2
μX =
3 π
9. Sea X una variable aleatoria con la siguiente distribución de probabilidad

x −3 6 9
f (x) 1 1 1
6 2 3
g( x ) 25 169 361

Calcule μ g ( X ) , donde g ( x )=¿

Solución:

E [ g(x) ] =∑ g ( x ) f ( x)=g (−3 ) f (−3 )+ g ( 6 ) f ( 6 ) + g ( 9 ) f ( 9 ) =( 25 )

x
( 16 )+( 169) ( 12 )+( 361 ) ( 13 )=209
10. Calcule la desviación estándar de la variable aleatoria g ( X )=¿ del ejercicio anterior (9).

Solución:
2
Tenemos que la varianza está dada por σ g
2 2
σ 2g=E [ g ( x ) ]−E [ g ( x ) ]

E [ g ( x )2 ] =∑ g ( x )2 f ( x )=g (−3 )2 f (−3 ) + g ( 6 )2 f ( 6 ) + g ( 9 )2 f ( 9 )

x

E [ g ( x )2 ] =( 25 )2 ( 16 )+( 169 ) ( 12 )+( 361) ( 13 )=57825

2 2

σ 2g=57825−20 92=14144

∴ σ g =√ 14144=118.92
11. Demostrar el Teorema 1.2.5.

Teorema: Sean X y Y dos variables aleatorias independientes, entonces:

E ( XY )=E ( X ) E (Y )

Demostración:
∞
E ( XY )= ∫ f XY ( x , y ) xydxdy
−∞

∞
E ( XY )= ∫ f X ( x ) f Y ( y ) xydxdy ¿ por hipótesis son indepientes ¿
−∞

∞ ∞
E ( XY )= ∫ f X ( x ) xdx ∫ f Y ( y ) ydy
−∞ −∞

E ( XY )=E ( X ) E ( Y ) ∎

*Análogo para casos discretos

12. Si una variable X se define de modo que

E [( x −1)2 ]=10 , E [(x −2)2 ]=6

Determine μ y σ 2

Solución:

E [ ( x−1 )2 ]=E [ x 2−2 x+ 1 ] =E [ x2 ] + E [ −2 x ] + E [ 1 ] =E [ x 2 ]−2 E [ x ] +1=10

E [ ( x−2 )2 ]=E [ x 2−2 x+ 4 ]=E [ x 2 ] + E [ −4 x ] + E [ 4 ] =E [ x 2 ]−4 E [ x ] +4=6

Entonces

E [ x 2 ]−2 E [ x ] =9

E [ x 2 ] −4 E [ x ] =2

⇒ 2 E [ x ]=7
7
⇒ E [ x ] = =3.5
2

⇒ E [ x 2 ]−2 ( 3.5 )=9 ⇒ E [ x 2 ] =16

Entonces

μ=3.5
 2
σ 2=E [ x2 ]−E [ x ] =16−3.52=3.75

13. Se crean setenta nuevos empleos en una ensambladora de autos, pero 1000 aspirantes solicitan 70 puestos. Para
seleccionar a los 70 mejores entre los aspirantes, la armadora aplica un examen que cubre habilidad matemática. La
calificación media del examen resulta 60, y las calificaciones tienen una desviación estándar de seis. ¿Una persona que
tiene una calificación de 84 puede obtener uno de los trabajos? Utilizar teorema de Chebyshev.

Solución:

Tenemos los siguientes datos

μ=60 , σ=6
⇒ μ+ kσ=84 ⇒60+6 k =84
∴ k=4

Si aplicamos el teorema de Chebyshev tenemos que

1 15
P ( μ−kσ < X < μ+ kσ )=P ( 60−6 ( 4 ) < X <60+6 (4 ) ) ≥ 1− =
4 2 16
15
⇒ P ( 36< X < 84 ) ≥ =93.75 %
16
Sabemos que solo se aceptan 70 de 1000 puestos, es decir se busca a los mejores

70
=.07 %
1000
Con una calificación de 84, dado el teorema de Chebyshev obtenemos una probabilidad de 93.75 % de que la
persona sea de los mejores, es decir que sí es aceptable.