II EXAMEN PARCIAL - DE ESTADÍSTICA Y PROBABILIDADES

(ES142)
I. Respecto a las siguientes proposiciones del cálculo de probabilidades,
complete en forma apropiada entre paréntesis con (v) si es VERDADERO
y con (F) si es FALSO:
1.1. La probabilidad de un evento imposible es siempre cero ........................ ( F ) 1.2.
Para dos eventos mutuamente excluyentes A y B se cumple:
𝑃𝑃 (𝐴𝐴 𝖴𝖴 𝐵𝐵) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) ....................................... ( V )
1.3. Si P(A) = 0, no necesariamente se cumple A = Ø .................................. ( V )
1.4. Fenó menos Aleatorios o no determinístico son aquellos cuyo estado final
se puede predecir con exactitud a partir del estado inicial… .......................
(V)
1.5. Si 𝑃𝑃 , los eventos A y B son mutuamente
independientes ............................................................................................... ( V )
1.6. Si 𝑃𝑃 ), los eventos A y B son dependientes… ........
(V )
1.7. Los modelos especiales de probabilidad discretos son: Bernoulli,
Binomial, Poisson Hipergeométrica, geométrica, Binomial Negativa o
Pascal… (V)
1.8. Los modelos especiales de probabilidad continuos son: Distribució n
Uniforme, Distribució n exponencial, Distribució n Normal y Distribució n
Está ndar……(V)
1.9. El teorema de Bayes compara la probabilidad previa (a priori) P(A) con la
probabilidad posterior o posteriori P (Ai/B) ....................................... ( V )
1.10. Probabilidad de que ocurra un evento, sabiendo que otro evento ha
ocurrido se llama Probabilidad Condicional o Condicionada… .................
( V)

II. Sean A y B eventos o sucesos tales que:

1 1
𝑃𝑃(𝐴𝐴) = ; 𝑃𝑃(𝐵𝐵) = ; 𝑦𝑦 𝑃𝑃

2 3 4
Hallar:

2.1) 𝑃𝑃(𝐴𝐴/𝐵𝐵) 2.5) 𝑃𝑃(𝐵𝐵𝐶𝐶/𝐴𝐴𝐶𝐶)

2.2) 𝑃𝑃(𝐴𝐴/𝐵𝐵) 2.6) 𝑃𝑃(𝐵𝐵/𝐴𝐴𝐶𝐶)

𝐶𝐶
2.3) 𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵) 2.7) 𝑃𝑃
2.4) 𝑃𝑃(𝐴𝐴 /𝐵𝐵 )
𝐶𝐶 𝐶𝐶
2.8) 𝑃𝑃(𝐴𝐴 𝖴𝖴
𝐵𝐵)𝐶𝐶

Página | 2
Solución: 𝑃𝑃(𝐴𝐴/𝐵𝐵)
2.1)
𝑃𝑃
𝑃𝑃 )
𝐴𝐴
𝑃𝑃 ( ) =
1
4=3
𝐵𝐵 1 4
3
2.2) 𝑃𝑃(𝐴𝐴/𝐵𝐵)

𝑃𝑃
𝑃𝑃 )
1
𝐵𝐵 ⁄4 1

2.3) 𝑃𝑃 (𝐴𝐴) = 1 ⁄2 = 2
𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵)

𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)

𝑃𝑃( 𝐴𝐴 𝖴𝖴 𝐵𝐵
12
2.4) 𝑃𝑃(𝐴𝐴 /𝐵𝐵𝐶𝐶)
𝐶𝐶

𝑃𝑃(𝐴𝐴𝐶𝐶 ∩ 𝐵𝐵𝐶𝐶) 1 − 𝑃𝑃(𝐴𝐴

𝑃𝑃(̅𝐴𝐴𝖴𝖴̅̅𝐵𝐵̅) 𝖴𝖴 𝐵𝐵)
𝑃𝑃(𝐴𝐴𝐶𝐶 /𝐵𝐵𝐶𝐶) = 𝑃𝑃(𝐵𝐵𝐶𝐶) = =
𝑃𝑃(𝐵𝐵𝐶𝐶) 1 − 𝑃𝑃(𝐵𝐵)
𝐶𝐶 𝐶𝐶 1 − 7⁄12 5
𝑃𝑃(𝐴𝐴 /𝐵𝐵 ) =
1−
2.5) 𝑃𝑃(𝐵𝐵 /𝐴𝐴 )
𝐶𝐶 𝐶𝐶
1⁄3 = 8

𝑃𝑃(𝐵𝐵𝐶𝐶 ∩ 𝐴𝐴𝐶𝐶) 𝑃𝑃(̅𝐵𝐵𝖴𝖴̅ ̅𝐴𝐴̅) 1 − 𝑃𝑃(𝐵𝐵 𝖴𝖴 𝐴𝐴)

𝑃𝑃(𝐵𝐵𝐶𝐶 /𝐴𝐴𝐶𝐶) =

𝑃𝑃 𝐶𝐶) = 𝑃𝑃(𝐴𝐴𝐶𝐶) =
1 − 𝑃𝑃(𝐴𝐴) (𝐴𝐴

Página | 3
 7
𝐵𝐵𝐶𝐶 1 − ⁄12 5
𝐴𝐴 1 2
𝑃𝑃 ( 𝐶𝐶 )= ⁄ =6
1−
2.6) 𝑃𝑃(𝐵𝐵/𝐴𝐴𝐶𝐶)

𝑃𝑃(𝐵𝐵 ∩ 𝐴𝐴𝐶𝐶) 𝑃𝑃(𝐵𝐵)𝑃𝑃(𝐴𝐴𝐶𝐶/𝐵𝐵) 𝑃𝑃(𝐵𝐵)(1 −

𝑃𝑃(𝐴𝐴/𝐵𝐵))
𝑃𝑃(𝐵𝐵/𝐴𝐴𝐶𝐶) =
𝑃𝑃(𝐴𝐴𝐶𝐶) = 1 − 𝑃𝑃(𝐴𝐴) = 1 − 𝑃𝑃(𝐴𝐴)

1 1
(1 − ⁄2) 1

3 =
𝑃𝑃(𝐵𝐵/𝐴𝐴𝐶𝐶) = (1 − 1⁄2) 3
2.7) 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)𝐶𝐶

𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)𝐶𝐶 = 𝑃𝑃(𝐴𝐴𝐶𝐶) 𝖴𝖴 𝑃𝑃(𝐵𝐵𝐶𝐶) = (1 − 𝑃𝑃(𝐴𝐴)) + (1 − 𝑃𝑃(𝐵𝐵))

𝐶𝐶 1 1 1
𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)

2.8) 𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵)𝐶𝐶

𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵)𝐶𝐶 = 1 − 𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵)

7 5
𝐶𝐶
𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵) = 1 − =
12 12
III. En la escuela de Ingeniería Civil – UNSCH, el 25% de los estudiantes se han
desmatriculado en Análisis matemático, el 15% se ha desmatriculado en
Física II y el 10% se han desmatriculado en Análisis matemático y en Física
II. Se elige un estudiante al azar y se pide:

3.1. Si se ha desmatriculado en Física II, ¿Cuá l es la probabilidad de que se haya

desmatriculado en Aná lisis Matemá tico?
3.2. Si se ha desmatriculado en Aná lisis Matemá tico, ¿Cuá l es la probabilidad de
que se haya desmatriculado en Física II?
3.3. ¿Cuá l es la probabilidad de que se haya desmatriculado en Aná lisis
Matemá tico o Física II?

Solución: Datos:

Página | 4
Sea el espacio muestral Ω = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑i𝑐𝑐𝑐𝑐𝑐𝑐𝑑𝑑𝑑𝑑𝑐𝑐𝑑𝑑 𝑑𝑑𝑑𝑑
𝑈𝑈𝑈𝑈𝑈𝑈𝐶𝐶𝑈𝑈} = 𝐹𝐹 𝖴𝖴 𝐴𝐴 𝖴𝖴 (𝐹𝐹 ∩ 𝐴𝐴)

F = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑 𝑑𝑑𝑑𝑑 𝐹𝐹í𝑑𝑑i𝑐𝑐𝑑𝑑} A = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑 𝑑𝑑𝑑𝑑

𝐴𝐴𝐴𝐴á𝑐𝑐i𝑑𝑑i𝑑𝑑 𝑀𝑀. } D = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑 𝑑𝑑𝐴𝐴 𝐹𝐹í𝑑𝑑i𝑐𝑐𝑑𝑑 𝑦𝑦
𝐴𝐴𝐴𝐴á𝑐𝑐i𝑑𝑑i𝑑𝑑 𝑀𝑀. }

Probabilidades: A F
𝑃𝑃(𝐴𝐴) = 0.25 𝑃𝑃(𝐹𝐹) = 0.15
𝑃𝑃(𝐴𝐴 ∩ 𝐹𝐹) = 0.10

0.25 0.10 0.15

3.1. Si se ha desmatriculado en Física II, ¿Cuá l es la probabilidad de que se haya

desmatriculado en Aná lisis Matemá tico?

𝑃𝑃(𝐴𝐴 ∩ 𝐹𝐹) 0.10 2

𝑃𝑃(𝐴𝐴/𝐹𝐹) = = =
𝑃𝑃(𝐹𝐹) 0.15 3

3.2. Si se ha desmatriculado en Aná lisis Matemá tico, ¿Cuá l es la probabilidad de

que se haya desmatriculado en Física II?

𝑃𝑃(𝐹𝐹 ∩ 𝐴𝐴) 0.10 2

𝑃𝑃(𝐹𝐹/𝐴𝐴) = = =
𝑃𝑃(𝐴𝐴) 0.25 5

3.3. ¿Cuá l es la probabilidad de que se haya desmatriculado en Aná lisis

Matemá tico o Física II?

𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐹𝐹) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐹𝐹) − 𝑃𝑃(𝐴𝐴 ∩ 𝐹𝐹)

𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐹𝐹) = 0.25 + 0.15 − 0.10 = 0.30

IV. En la ciudad de Trujillo, el porcentaje de personas que leen los
periódicos: “El Comercio” (A) =9.8%; “La industria” (B) = 22.9%; “La
Republica” (C) = 12.1%; A y B = 5.1% ; A y C = 3.7% ; B y C = 6.0 % ; A, B
y C = 2.4 %

4.1. ¿Qué porcentaje de la població n lee al menos uno de los perió dicos A, B y
C?

Página | 5
 4.2. ¿Cuá l es la probabilidad que una persona seleccionada aleatoriamente de
esta població n sea lector de “El Comercio” (A) y no lo sea de los perió dicos “La
industria” (B) y “La Repú blica” (C). Sugerencia: Teorema Generalizado de la
Adició n

Solución:
Datos:
𝑃𝑃(𝐴𝐴) = 0.098
𝑃𝑃(𝐵𝐵) = 0.229
𝑃𝑃(𝐶𝐶) = 0.121
𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) = 0.051
𝑃𝑃(𝐴𝐴 ∩ 𝐶𝐶) = 0.037
𝑃𝑃(𝐵𝐵 ∩ 𝐶𝐶) = 0.06
𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵 ∩ 𝐶𝐶) = 0.024

4.1. ¿Qué porcentaje de la població n lee al menos uno de los perió dicos A, B y
C?

𝑃𝑃(𝐴𝐴 𝖴𝖴 𝐵𝐵 𝖴𝖴 𝐶𝐶) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) + 𝑃𝑃(𝐶𝐶) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) −

𝑃𝑃(𝐴𝐴 ∩ 𝐶𝐶) − 𝑃𝑃(𝐵𝐵 ∩ 𝐶𝐶) +
+𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵 ∩ 𝐶𝐶)
= 0.098 + 0.229 + 0.121 − 0.051 − 0.037 − 0.06 + 0.024 = 0.324 Lee
al menos uno de los perió dicos el 32.4% de la població n.

4.2. 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵𝐶𝐶 ∩ 𝐶𝐶𝐶𝐶) =

A B

𝐴 ∩ 𝐵𝐶𝐶 ∩ 𝐶𝐶𝐶 𝐴 ∩ 𝐵 ∩ 𝐶𝐶𝐶 𝐴𝐶𝐶 ∩ 𝐵 ∩ 𝐶𝐶𝐶

𝐴 𝐵 𝐶 𝐴 𝐵 𝐶
𝐴 𝐵 𝐶
𝐴∩𝐵∩𝐶
𝐴 𝐵 𝐶
𝐴 ∩ 𝐵 𝐶𝐶 ∩ 𝐶 𝐴 𝐶𝐶 ∩ 𝐵 ∩ 𝐶
𝐴 𝐵 𝐶 𝐴 𝐵 𝐶

𝐴𝐶𝐶 ∩ 𝐵𝐶𝐶 ∩ 𝐶
𝐴 𝐵 𝐶

C
Observando los diagramas de Venn:

𝐴𝐴 = 𝐴𝐴𝐵𝐵𝐶𝐶 𝖴𝖴 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶 𝖴𝖴 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶 𝖴𝖴 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶

𝑃𝑃(𝐴𝐴) = 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) +
𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶)

Página | 6
 → 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃(𝐴𝐴) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) −
𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶)
Aná logamente:
𝐴𝐴𝐵𝐵 = 𝐴𝐴𝐵𝐵𝐶𝐶 𝖴𝖴 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶 ; 𝐴𝐴𝐶𝐶 = 𝐴𝐴𝐵𝐵𝐶𝐶 𝖴𝖴 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶

𝑃𝑃(𝐴𝐴𝐵𝐵) = 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) → 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) =

𝑃𝑃(𝐴𝐴𝐵𝐵) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶)

𝑃𝑃(𝐴𝐴𝐶𝐶) = 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) + 𝑃𝑃( 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) → 𝑃𝑃( 𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶) =

𝑃𝑃(𝐴𝐴𝐶𝐶) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶)

Reemplazando (2) y (3) en (1), se tiene:

𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃(𝐴𝐴) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) − 𝑃𝑃(𝐴𝐴𝐵𝐵) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶)

− 𝑃𝑃(𝐴𝐴𝐶𝐶) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶)

𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃(𝐴𝐴) − 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶) − 𝑃𝑃(𝐴𝐴𝐵𝐵) −

𝑃𝑃(𝐴𝐴𝐶𝐶) + 𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶

𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶) = 0.98 − 0.051 − 0.037 + 0.024

𝑃𝑃(𝐴𝐴𝐵𝐵𝐶𝐶𝐶𝐶𝐶𝐶) = 0.034

V. La urna 1 contiene (X+1) esferas blancas e (Y-1) rojas. La urna 2 contiene

“z” esferas blancas y “w” rojas. Se escoge al azar de la urna 2. ¿Cuál es la
probabilidad de que esta esfera sea blanca?
Sugerencia: Probabilidad Condicional y Teorema de la Multiplicació n de eventos.

Solución:

(X+1) (Z)
Blancas Blancas

𝐵𝐵 = 𝑅𝑅1𝐵𝐵2 𝖴𝖴 𝐵𝐵1𝐵𝐵2

𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝑅𝑅1 ∩ 𝐵𝐵2) 𝖴𝖴 𝑃𝑃(𝐵𝐵1 ∩ 𝐵𝐵2)

𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝛼𝛼) 𝖴𝖴 𝛽𝛽)

𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝛼𝛼) + 𝑃𝑃(𝛽𝛽) − 𝑃𝑃(𝛼𝛼 ∩ 𝛽𝛽)

𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝑅𝑅1 ∩ 𝐵𝐵2) + 𝑃𝑃(𝐵𝐵1 ∩ 𝐵𝐵2) − 𝑃𝑃(0)

Página | 7
 𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝑅𝑅1)𝑥𝑥𝑃𝑃(𝐵𝐵2/𝑅𝑅1) +
𝑃𝑃(𝐵𝐵1)𝑥𝑥𝑃𝑃(𝐵𝐵2/𝐵𝐵1)

𝑃𝑃( 𝐵𝐵) = ( 𝑌𝑌 − 1 ) ( 𝑍𝑍 ) + ( X + 1 ) ( 𝑍𝑍 + 1 )
X + 𝑌𝑌 𝑍𝑍 + (W + 1) X + 𝑌𝑌 (𝑍𝑍 + 1) + W
VI. Una Cía. Perforadora de petróleo debe decidir si taladra o no un lugar
determinado que la compañía tiene bajo contrata. Por investigaciones
geológicas practicadas se sabe que existe una probabilidad de 0.45 que
una formación de TIPO I se extienda debajo del lugar prefijado para
taladrar, 0.30 de probabilidad que exista una formación de TIPO II y de
0.25 de TIPO III. Estudios anteriores indican que el petróleo se encuentra
en un 30% de las veces en la formación de TIPO I, en un 40% en la
formación de TIPO II, en un 20% en la de TIPO III. Determinar la
probabilidad que si no se encontró petróleo, la perforación fue hecha en la
formación de TIPO I.

Sugerencia: Aplicar partició n de Ω, teoremas de Probabilidad Total y de Bayes.

Solución:

Definamos los eventos:

𝐴𝐴 = {f𝑐𝑐𝑑𝑑𝑑𝑑𝑑𝑑𝑐𝑐ió𝐴𝐴 𝑑𝑑𝑑𝑑 𝑇𝑇𝑇𝑇𝑃𝑃𝑇𝑇 𝑇𝑇} 𝐵𝐵 = {f𝑐𝑐𝑑𝑑𝑑𝑑𝑑𝑑𝑐𝑐ió𝐴𝐴 𝑑𝑑𝑑𝑑

𝑇𝑇𝑇𝑇𝑃𝑃𝑇𝑇 𝑇𝑇𝑇𝑇} 𝐶𝐶 = {f𝑐𝑐𝑑𝑑𝑑𝑑𝑑𝑑𝑐𝑐ió𝐴𝐴 𝑑𝑑𝑑𝑑 𝑇𝑇𝑇𝑇𝑃𝑃𝑇𝑇 𝑇𝑇𝑇𝑇𝑇𝑇}

Probabilidad que una formació n se extienda debajo del lugar prefijado para
taladrar:

𝑃𝑃(𝐴𝐴) = 0.45
𝑃𝑃(𝐵𝐵) =
0.30
𝑃𝑃(𝐶𝐶) =
0.25
𝑃𝑃(𝑈𝑈) =?

El petró leo se encuentra:

𝑃𝑃(𝐸𝐸/𝐴𝐴) = 0.30
𝑃𝑃(𝐸𝐸/𝐵𝐵) = 0.40
𝑃𝑃(𝐸𝐸/𝐶𝐶) = 0.20

El petró leo no se encontró :

𝑃𝑃(𝑈𝑈/𝐴𝐴) = 0.70
𝑃𝑃(𝑈𝑈/𝐵𝐵) = 0.60
𝑃𝑃(𝑈𝑈/𝐶𝐶) = 0.80

Página | 8
 𝑈𝑈
( 𝐴𝐴 /𝑈𝑈) = 𝑃𝑃(𝐴𝐴)𝑥𝑥𝑃𝑃( ⁄𝐴𝐴)
𝑃𝑃
𝑃𝑃(𝐴𝐴 ∩ 𝑈𝑈) + 𝑃𝑃(𝐵𝐵 ∩ 𝑈𝑈) + 𝑃𝑃(𝐶𝐶 ∩ 𝑈𝑈)

𝑃𝑃(𝐴𝐴/𝑈𝑈) = 0.45𝑥𝑥0.70 = 0.315

315 63 = 0.453
= =
0.45 0.80 0.695 695 139
VII. En la figura Nº 7.1 se supone que la probabilidad de cada relé (llave) esté
cerrado es “p” y que cada relé se abre o se cierra independientemente
de cualquier otro. Encontrar la probabilidad de que la corriente pase
de I a D:

Sugerencia: Aplicar probabilidad de eventos independientes.

1
2
3
I D

5 6
𝐴 1𝐴 2 ; 𝐴 3 𝐴2 ; 𝐴4 ; 𝐴 5𝐴 6
𝐴 𝐴 𝐴 𝐴 𝐴 𝐴 𝐴
𝛼𝛼 ; 𝛽𝛽 ; Ø; 𝜃𝜃

P(𝘢𝘢 𝖴𝖴 𝛽𝛽 𝖴𝖴 Ø

P(𝘢𝘢 𝖴𝖴 𝛽𝛽 𝖴𝖴 Ø 𝖴𝖴 𝜃𝜃) = P(𝐴𝐴1𝐴𝐴2) + 𝑃𝑃(𝐴𝐴3𝐴𝐴2) + 𝑃𝑃(𝐴𝐴4) + 𝑃𝑃(𝐴𝐴5𝐴𝐴6)

− 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴2) − −𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴4) − 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴5𝐴𝐴6) −
𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴4) − 𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴5𝐴𝐴6) − 𝑃𝑃(𝐴𝐴4𝐴𝐴5𝐴𝐴6) +
𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴2𝐴𝐴4) + 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴2𝐴𝐴5𝐴𝐴6) + 𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴4𝐴𝐴5𝐴𝐴6)
− 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴2𝐴𝐴4𝐴𝐴5𝐴𝐴6)

Página | 9
 P(𝘢𝘢 𝖴𝖴 𝛽𝛽 𝖴𝖴 Ø 𝖴𝖴 𝜃𝜃) = P(𝐴𝐴1𝐴𝐴2) + 𝑃𝑃(𝐴𝐴3𝐴𝐴2) + 𝑃𝑃(𝐴𝐴4) +
𝑃𝑃(𝐴𝐴5𝐴𝐴6) − 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3) − −𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴4) − 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴5𝐴𝐴6) −
𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴4) − 𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴5𝐴𝐴6) − 𝑃𝑃(𝐴𝐴4𝐴𝐴5𝐴𝐴6) +
𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴4) + 𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴5𝐴𝐴6) + 𝑃𝑃(𝐴𝐴3𝐴𝐴2𝐴𝐴4𝐴𝐴5𝐴𝐴6) −
𝑃𝑃(𝐴𝐴1𝐴𝐴2𝐴𝐴3𝐴𝐴4𝐴𝐴5𝐴𝐴6)

Reemplazamos con “p” a cada probabilidad:

𝑃𝑃(𝑑𝑑 𝖴𝖴 𝖰𝖰 𝖴𝖴 Ø 𝖴𝖴 𝜃𝜃) = 𝑝𝑝. 𝑝𝑝 + 𝑝𝑝. 𝑝𝑝 + 𝑝𝑝 + 𝑝𝑝. 𝑝𝑝 − 𝑝𝑝. 𝑝𝑝. 𝑝𝑝.

−𝑝𝑝. 𝑝𝑝. 𝑝𝑝 − 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝
−𝑝𝑝. 𝑝𝑝. 𝑝𝑝 − 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝 − 𝑝𝑝. 𝑝𝑝. 𝑝𝑝 + 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝 + 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝 +
𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝 − 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝. 𝑝𝑝

𝑃𝑃(𝑑𝑑 𝖴𝖴 𝖰𝖰 𝖴𝖴 Ø 𝖴𝖴 𝜃𝜃) = 𝑝𝑝2 + 𝑝𝑝2 + 𝑝𝑝 + 𝑝𝑝2 − 𝑝𝑝3 − 𝑝𝑝3 − 𝑝𝑝4 − 𝑝𝑝3

− 𝑝𝑝4 − 𝑝𝑝3 +
+𝑝𝑝4 + 𝑝𝑝5 + 𝑝𝑝5 − 𝑝𝑝6

𝑃𝑃(𝑑𝑑 𝖴𝖴 𝖰𝖰 𝖴𝖴 Ø 𝖴𝖴 𝜃𝜃) = 𝑝𝑝 + 3𝑝𝑝2 − 4𝑝𝑝3 − 𝑝𝑝4 + 2𝑝𝑝5 − 𝑝𝑝6

VARIABLES ALEATORIAS UNIDIMENSIONALES

VIII. Dada la función de cuantía f:

TABLA Nº 02
x 0 1 2 3
f(x) 0.1 0.3 0.5 0.1

Calcular:
8.1. Esperanza Matemá tica E(x);
8.2. Variancia o Varianza V(x);
8.3. Momento cero alrededor del origen (𝑣𝑣0). Ademá s, 𝑣𝑣1, 𝑣𝑣2, 𝑣𝑣3, 𝑣𝑣4
8.4. Momento cero alrededor de la media (𝑐𝑐0). Ademá s, 𝑐𝑐1, 𝑐𝑐2, 𝑐𝑐3, 𝑐𝑐4
8.5. Momentos factoriales: m0, m1, m2, m3
Sea X una v.a.d o v.a.c. se define el K-ésimo momento factorial de la variable
X, y se denota por mk, al nú mero real:

𝑑𝑑𝑘𝑘 = 𝐸𝐸[𝑥𝑥(𝑥𝑥 − 1)(𝑥𝑥 − 2) … (𝑥𝑥 − 𝑘𝑘 + 1)] , 𝑘𝑘 ∈ 𝑍𝑍+0

Calcular: m0, m1, m2, m3

Solución:

𝑥𝑥 f(𝑥𝑥) 𝑥𝑥f(𝑥𝑥) 𝑥𝑥2f(𝑥𝑥) 𝑥𝑥3f(𝑥𝑥) 𝑥𝑥4f(𝑥𝑥) (𝑥𝑥 − (𝑥𝑥 − (𝑥𝑥 −

1.6)2f(𝑥𝑥) 1.6)3f(𝑥𝑥) 1.6)4f(𝑥𝑥)

Página | 10
 0 0.1 0 0 0 0 0.256 -0.4096 0.655
1 0.3 0.3 0.3 0.3 0.3 0.108 -0.0648 0.039
2 0.5 1.0 2.0 4.0 8.0 0.08 0.032 0.013
3 0.1 0.3 0.9 2.7 8.1 0.198 0.2744 0.384
∑
1.0 1.6 3.2 7.0 16.4 0.64 -0.168 1.091
𝑑𝑑

8.1. Esperanza Matemá tica E(x);

𝐸𝐸(𝑥𝑥) = ∑ 𝑥𝑥f(𝑥𝑥)
✯𝑥𝑥∈𝑑𝑑ƒ
𝐸𝐸(𝑥𝑥) = 0𝑥𝑥0.1 + 1𝑥𝑥0.3 + 2𝑥𝑥0.5 + 3𝑥𝑥0.1 = 1.6 = 𝑐𝑐
8.2. Variancia o Varianza V(x);

𝑉𝑉(𝑥𝑥) = 𝐸𝐸[(𝑥𝑥 − 𝑐𝑐)2] = ∑ (𝑥𝑥 − 𝑐𝑐)2f(𝑥𝑥)

✯𝑥𝑥∈𝑑𝑑ƒ

𝑉𝑉(𝑥𝑥) = (0 − 1.6)2𝑥𝑥0.1 + (1 − 1.6)2𝑥𝑥0.3 + (2 − 1.6)2𝑥𝑥0.5 + (3 −

1.6)2𝑥𝑥0.1

𝑉𝑉(𝑥𝑥) = 0.64
8.3. Momento cero alrededor del origen (𝑣𝑣0). Ademá s, 𝑣𝑣1, 𝑣𝑣2, 𝑣𝑣3, 𝑣𝑣4
• Momento cero 𝑣𝑣0: 𝐸𝐸(𝑥𝑥0) = 1
• Primer Momento 𝑣𝑣1: 𝐸𝐸(𝑥𝑥1) = 1.6 = 𝑐𝑐
• Segundo Momento 𝑣𝑣2: 𝐸𝐸(𝑥𝑥2) = 3.2
• Tercer Momento 𝑣𝑣3: 𝐸𝐸(𝑥𝑥3) = 7
• Cuarto Momento 𝑣𝑣4: 𝐸𝐸(𝑥𝑥4) = 16.4

8.4. Momento cero alrededor de la media (𝑐𝑐0). Ademá s, 𝑐𝑐1, 𝑐𝑐2, 𝑐𝑐3, 𝑐𝑐4

• Momento cero 𝑐𝑐0: 𝐸𝐸[(x − u)0] = 1

• Primer Momento 𝑐𝑐1: 𝐸𝐸[(x − u)1] = 𝐸𝐸(𝑥𝑥1) − 𝐸𝐸(𝑐𝑐) = 1.6 − 1.6 = 0
• Segundo Momento 𝑐𝑐2: 𝐸𝐸[(x − u)2] = 𝐸𝐸(𝑥𝑥2 − 2𝑥𝑥𝑐𝑐 + 𝑐𝑐2)
= 𝐸𝐸(𝑥𝑥2) − 𝑐𝑐2 = 3.2 − (1.6)2 = 0.64
• Tercer Momento 𝑐𝑐3: 𝐸𝐸[(x − u)3] = 𝐸𝐸(𝑥𝑥3 − 3𝑥𝑥2𝑐𝑐 + 3𝑥𝑥𝑐𝑐2 − 𝑐𝑐3)
= 𝐸𝐸(𝑥𝑥3) − 𝑐𝑐3 − 3𝐸𝐸(𝑥𝑥2)𝑐𝑐 + 3𝐸𝐸(𝑥𝑥1)𝑐𝑐2
= 7 − 1.63 − 3(3.2)(1.6) + 3(1.6)(1.6)2 = −0.168

• Cuarto Momento 𝑐𝑐4: 𝐸𝐸[(x − u)4] = 𝐸𝐸(𝑥𝑥4) − 4𝐸𝐸(𝑥𝑥3)𝑐𝑐 + 6𝐸𝐸(𝑥𝑥2)𝑐𝑐2

− 3𝑐𝑐4)

= 16.4 − 4(7)1.6 + 6(3.2)(1.6)2 − 3(1.6)4 = 1.0912

8.5. Momentos factoriales: m0, m1, m2, m3

𝑑𝑑𝑘𝑘 = 𝐸𝐸[𝑥𝑥(𝑥𝑥 − 1)(𝑥𝑥 − 2) … (𝑥𝑥 − 𝑘𝑘 + 1)] , 𝑘𝑘 ∈ 𝑍𝑍+0

Página | 11
 𝑑𝑑𝑘𝑘 = 𝐸𝐸(𝑥𝑥!)
𝑑𝑑0 = 𝐸𝐸[1] = 1
𝑑𝑑1 = 𝐸𝐸[𝑥𝑥] = 1.6
𝑑𝑑2 = 𝐸𝐸[𝑥𝑥(𝑥𝑥 − 1)] = 𝐸𝐸(𝑥𝑥2) − 𝐸𝐸(𝑥𝑥) = 3.2 − 1.6 = 1.6
𝑑𝑑3 = 𝐸𝐸[𝑥𝑥(𝑥𝑥 − 1)(𝑥𝑥 − 2)] = 𝐸𝐸(𝑥𝑥 3) − 3𝐸𝐸(𝑥𝑥2) + 2𝐸𝐸(𝑥𝑥) = 7 − 3(3.2) +
2(1.6)
= −6.648

IX. Sea X una variable aleatoria continua con función de densidad dado
por:
f(𝗑𝗑) = { 𝑘𝑘(6𝗑𝗑 − 2𝗑𝗑2) ; 𝑑𝑑i 0 < 𝑥𝑥 < 2
0 ; 𝑑𝑑𝐴𝐴 𝑐𝑐𝑑𝑑𝑑𝑑𝑐𝑐 𝑐𝑐𝑑𝑑𝑑𝑑𝑐𝑐

9.1. Calcular el valor de la constante k y la funció n de densidad específica.

9.2. Graficar f y F
9.3. Hallar la Funció n de Distribució n Acumulada F(X).
9.4. Calcular: 𝑃𝑃(−1 ≤ 𝑥𝑥 ≤ 2) ;
9.5. Calcular la Esperanza Matemá tica E(x)
9.6. Hallar la variancia o varianza V(x).

Solución:

9.1. Calcular el valor de la constante k y la función de densidad específica.

0 2

𝑑𝑑𝑥𝑥 = 0𝑑𝑑𝑥𝑥 + 6𝑘𝑘𝑥𝑥 − 2𝑘𝑘𝑥𝑥2𝑑𝑑𝑥𝑥 + 0𝑑𝑑𝑥𝑥 = 1

0 2

𝑥𝑥3 2
𝑑𝑑𝑥𝑥 = (3𝑘𝑘𝑥𝑥2 − 2𝑘𝑘 ) | = 1
3 0

16𝑘𝑘
12𝑘𝑘 − =1
3
3
𝑘𝑘 =
20 Entonces, la Densidad resultante es:

9 𝑥𝑥 − 3 𝑥𝑥2 ; 𝑑𝑑i 0 < 𝑥𝑥 < 2

f(𝑥𝑥) = { 10

Página | 12
 0 ; 𝑑𝑑𝐴𝐴 𝑐𝑐𝑑𝑑𝑑𝑑𝑐𝑐 𝑐𝑐𝑑𝑑𝑑𝑑𝑐𝑐

0 2

𝑑𝑑𝑥𝑥 = 0𝑑𝑑𝑥𝑥 + 𝑑𝑑𝑥𝑥 +

0𝑑𝑑𝑥𝑥
0 2

2
)| =1
2 0

9.2. Graficar f y F

f(x)
F(x)
0.6

0 0.35
2 X
0 1 2 X

9.3. Hallar la Función de Distribución Acumulada F(X).

𝑑𝑑 0 𝑑𝑑

𝐹𝐹 𝑑𝑑𝑥𝑥 = 0𝑑𝑑𝑥𝑥 + 𝑑𝑑𝑥𝑥

0

9
= 20 𝑥𝑥2 − 𝑥𝑥3 |𝑑𝑑 = 9 𝑑𝑑2 − 𝑑𝑑3

10 0 20 10
9()
𝑑𝑑3
2

Página | 13
 𝐹𝐹 𝑑𝑑 = 𝑑𝑑
− Luego: 20 10

𝐹𝐹(𝑑𝑑) = { 9 2 0 𝑑𝑑 3 ; 𝑑𝑑 < 0
𝑑𝑑 − ; 𝑑𝑑i 0 < 𝑑𝑑 < 2
20 10
1 ; 𝑑𝑑 2

Reemplazamos t por x, se tiene:

0 ; 𝑥𝑥 < 0
9 𝑥𝑥 3
2
𝐹𝐹(𝑥𝑥) = { 𝑥𝑥 − ; 𝑑𝑑i 0 < 𝑥𝑥 < 2
20 10
1 ; 𝑥𝑥 2

9.4. Calcular: 2) ;

𝑃𝑃 𝑥𝑥 < 3) = 𝑃𝑃(3) − 𝑃𝑃(−1) = 0 − 0 = 0

9.5. Calcular la Esperanza Matemática E(x)

0 2

𝐸𝐸 𝑑𝑑𝑥𝑥 = 𝑑𝑑𝑥𝑥 + 𝑑𝑑𝑥𝑥 +

𝑑𝑑𝑥𝑥
0 2

𝐸𝐸 𝑑𝑑𝑥𝑥 =
6
𝑥𝑥 3
− 4
10 10 𝑥𝑥 |0 = 5 − 5 = 5 = 𝑐𝑐
10 40
Es convergente por lo tanto existe.

9.6. Hallar la variancia o varianza V(x).

𝑉𝑉𝑑𝑑𝑥𝑥
2

Página | 14
 𝑉𝑉 𝑑𝑑𝑥𝑥 + 𝑑𝑑𝑥𝑥 + 𝑑𝑑𝑥𝑥 5
0 2

162 324 81 3
𝑉𝑉

) 𝑑𝑑𝑥𝑥 = 𝑑𝑑𝑥𝑥
𝑉𝑉

)|
0
𝑉𝑉
25
X. Para la función de cuantía de la TABLA Nº 02 Sea 𝑦𝑦 = 𝗑𝗑2 + 2𝗑𝗑; calcular:

10.1 La media teó rica de la v.a.d. “y” 𝜇𝜇𝑦𝑦 (Esperanza Matemá tica de la v.a.d. E(y))
10.2 La variancia o varianza de la v.a.d. “y” V (y)

De la tabla tenemos
x f(x) x f(x) x2 f(x) x3 f(x) x4 f(x)
0 0.1 0 0 0 0
1 0.3 0.3 0.3 0.3 0.3
2 0.5 1.0 2.0 4.0 8.0
3 0.1 0.3 0.9 2.7 8.1
1 1.6 3.2 7.0 16.4

10.1. 𝐸𝐸(𝑦𝑦) = 𝐸𝐸(𝑥𝑥2 + 2𝑥𝑥) = 𝐸𝐸(𝑥𝑥) + 2𝐸𝐸(𝑥𝑥) = 3.2 + 2(1.6) = 6.4

10.2. 𝑉𝑉(𝑦𝑦) = 𝑉𝑉(𝑥𝑥2 + 2𝑥𝑥) = 𝐸𝐸(𝑦𝑦2) + (𝐸𝐸(𝑦𝑦))2
𝑉𝑉(𝑦𝑦) = 𝐸𝐸((𝑥𝑥2 + 2𝑥𝑥)2) − (𝐸𝐸(𝑥𝑥2 + 2𝑥𝑥))2
𝑉𝑉(𝑦𝑦) = 𝐸𝐸(𝑥𝑥2 + 4𝑥𝑥3 + 4𝑥𝑥2) - (𝐸𝐸(𝑥𝑥2) + 2𝐸𝐸(𝑥𝑥))2
𝑉𝑉(𝑦𝑦) = 𝐸𝐸(𝑥𝑥4) + 4𝐸𝐸(𝑥𝑥3) + 4𝐸𝐸(𝑥𝑥2) − (3.2 + 2(1.6))2
𝑉𝑉(𝑦𝑦) = 116.4 + 4 * 7 + 4 * 3.2 + (6.4)2
𝑉𝑉(𝑦𝑦) = 16.24

XI. Si la variable aleatoria continua X tiene la función de distribución

acumulada F(x) expresada por:

0 ; 𝗑𝗑 < 0

F(X) = 𝗑𝗑2⁄4 ; 0 ≤ 𝗑𝗑 ≤ 1

(𝑥𝑥⁄2)−1/4 ; 1 < 𝑥𝑥 < 2

Página | 15
 1 − (1⁄2𝑥𝑥 ) ; 𝑥𝑥 ≥ 2

Hallar:

11.1. 𝑃𝑃(X < 2);

11.2. 𝑃𝑃(X ≥ 1.5);
11.3. Determine su funció n de cuantía f por: f(x) = Df(X)
dX

11.4. la esperanza matemá tica E(x).

Solución: 11.1. P(X < 2) = F(2) = 1

− 1⁄4 = 3
4

11.2. P(X ≥ 1.5) = 1 − P(X < 1.5) = 1 − F(1.5) = 1 − (1.5|2)−1/4 = −0.7

11.3. Después de derivar la funció n F(x) quedaría de la siguiente manera

0 ; 𝗑𝗑 < 0

f(x) = 𝗑𝗑⁄4 ; 0 ≤ 𝗑𝗑 ≤ 1

½ ; 1<x<2

-1/2 ; x≥2

11.4. La Media teó rica: 𝜇𝜇 o la esperanza lmatematica E(x).

+∞

𝐸𝐸𝑥𝑥f(𝑥𝑥)𝑑𝑑𝑥𝑥

0 1∞
𝐸𝐸(𝑥𝑥) = ∫𝑥𝑥0𝑑𝑑𝑥𝑥 + ∫ 𝑥𝑥 𝑥𝑥 𝑑𝑑𝑥𝑥 𝑑𝑑𝑥𝑥 + ∫𝑥𝑥 1 𝑑𝑑𝑥𝑥

−∞ 0 4 2

𝐸𝐸(𝑥𝑥) = 1.833

XII. La producción mínima de una maquina es de 2.000 tornillos y la máxima es de 6.000.

si la función de densidad del número de miles de tornillos producidos se pueden
representar por:

Página | 16
 F(x) = 3 (8x2 − x3 − 12x)
128

Determinar la producción esperada

Solución:

Sea X la producción esperada

Además el límite de producción está comprendido así: 2 < 𝑥𝑥f(𝑥𝑥) < 6

6 3𝑥𝑥 2 3 )
Entonces () (
𝐸𝐸 𝑥𝑥 8𝑥𝑥 − 𝑥𝑥 − 12𝑥𝑥 𝑑𝑑𝑥𝑥 = 4.2
= ∫2 128

Página | 17