Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad II
Unidad 1
Actividad 2
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
x 1 2 3
P X ( x) 0.1 0.35 0.55
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;
Solución:
1− y
( 1− y )2 02
f Y ( y )= ∫ 6 x dx=6
0
( 2 )
− =3 ¿
2
f x ( x ) f y ( y )=f ( x , y )
∴ 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
0.5
.52 .32
⇒ P ( x> 0.3| y=0.5 )=∫ 8 xdx=8
0.3
( 2
−
2) =0.64
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
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:
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
Solución:
Tenemos que
20000
f ( x )=
{ x3
, x> 100
0 , en otro caso
∞
E ( x )=20000 ∫ x −2 dx
−∞
{
f ( x , y )= πa 2
, x2 + y2 ≤ a2
Solución:
μ=∫ ∫ g ( x , y ) f ( x , y ) dxd y
x y
x 2+ y 2 ≤ a2
⇒ x2≤ a2
⇒−a ≤ x ≤ a
Y tenemos que
x 2+ y 2 ≤ a2
⇒ y 2 ≤ a2−x 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
Solución:
Solución:
2
Tenemos que la varianza está dada por σ g
2 2
σ 2g=E [ g ( x ) ]−E [ g ( x ) ]
σ 2g=57825−20 92=14144
∴ σ g =√ 14144=118.92
11. Demostrar el Teorema 1.2.5.
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 ) ∎
Determine μ y σ 2
Solución:
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
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:
μ=60 , σ=6
⇒ μ+ kσ=84 ⇒60+6 k =84
∴ k=4
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.