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:
𝑃𝑃𝑃𝑃 (𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) ....................................... ( V )
1.3. Si P(A) = 0, no necesariamente se cumple A = Ø .................................. ( V )
1.4. Fenómenos Aleatorios o no determinístico son aquellos cuyo estado final
se puede predecir con exactitud a partir del estado inicial… .......................
(V)
1.5. Si 𝑃𝑃𝑃𝑃 , los eventos A y B son mutuamente
independientes ............................................................................................... ( V )
1.6. Si 𝑃𝑃𝑃𝑃 ), 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: Distribución
Uniforme, Distribución exponencial, Distribución Normal y Distribución
Estándar……(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
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = ; 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = ; 𝑦𝑦𝑦𝑦 𝑃𝑃𝑃𝑃

2 3 4
Hallar:

2.1) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐵𝐵𝐵𝐵) 2.5) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶)

2.2) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐵𝐵𝐵𝐵) 2.6) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶)

2.3) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵) 2.7) 𝑃𝑃𝑃𝑃 𝐶𝐶𝐶𝐶

Página | 2
 2.4) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶/𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) 2.8) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴
𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶

Solución:
2.1) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐵𝐵𝐵𝐵)

𝑃𝑃𝑃𝑃
𝑃𝑃𝑃𝑃 )
𝐴𝐴𝐴𝐴
𝑃𝑃𝑃𝑃 ( ) =
1
4=3
𝐵𝐵𝐵𝐵 1 4
3
2.2) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐵𝐵𝐵𝐵)

𝑃𝑃𝑃𝑃
𝑃𝑃𝑃𝑃 )
𝐵𝐵𝐵𝐵 1⁄4 1

2.3) 𝑃𝑃𝑃𝑃 (𝐴𝐴𝐴𝐴) = 1 ⁄2 = 2

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵)

𝑃𝑃𝑃𝑃( 𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵

12
2.4) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶/𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 ∩ 𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) 1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴

𝑃𝑃𝑃𝑃(̅𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) 𝐵𝐵𝐵𝐵)
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 /𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) = =
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) 1 − 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵)
𝐶𝐶𝐶𝐶 𝐶𝐶𝐶𝐶 1 − 7⁄12 5
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 /𝐵𝐵𝐵𝐵 ) =
1−
2.5) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) 1⁄3 = 8

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶 ∩ 𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) 𝑃𝑃𝑃𝑃(̅𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵 ̅𝐴𝐴𝐴𝐴𝐴) 1 − 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴)

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶 /𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) =

Página | 3
 𝑃𝑃𝑃𝑃 𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) =
1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) (𝐴𝐴𝐴𝐴

𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶 1 − 7⁄12 5

𝑃𝑃𝑃𝑃 (𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 ) = 1⁄2 = 6

1−
2.6) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶)

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵 ∩ 𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵)𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶/𝐵𝐵𝐵𝐵) 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵)(1 −

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐵𝐵𝐵𝐵))
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) =
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) = 1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = 1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴)

1 (1 − 1⁄2) 1

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵/𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) = 3(1 − 1⁄2) = 3

2.7) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶 = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) 𝖴𝖴𝖴𝖴 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶) = (1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴)) + (1 − 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵))

𝐶𝐶𝐶𝐶 1 1 1
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵)

2.8) 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶 = 1 − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵)

7 5
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵)𝐶𝐶𝐶𝐶 = 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, ¿Cuál es la probabilidad de que se haya

desmatriculado en Análisis Matemático?

Página | 4
 3.2. Si se ha desmatriculado en Análisis Matemático, ¿Cuál es la probabilidad de
que se haya desmatriculado en Física II?
3.3. ¿Cuál es la probabilidad de que se haya desmatriculado en Análisis
Matemático o Física II?

Solución: Datos:
Sea el espacio muestral Ω = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑i𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈} = 𝐹𝐹𝐹𝐹 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 (𝐹𝐹𝐹𝐹 ∩ 𝐴𝐴𝐴𝐴)

F = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝐹𝐹𝐹𝐹í𝑑𝑑𝑑𝑑i𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐} A = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴á𝑐𝑐𝑐𝑐i𝑑𝑑𝑑𝑑i𝑑𝑑𝑑𝑑 𝑀𝑀𝑀𝑀. } D = {𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝐹𝐹𝐹𝐹í𝑑𝑑𝑑𝑑i𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑦𝑦𝑦𝑦
𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴á𝑐𝑐𝑐𝑐i𝑑𝑑𝑑𝑑i𝑑𝑑𝑑𝑑 𝑀𝑀𝑀𝑀. }

Probabilidades: A F
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = 0.25 𝑃𝑃𝑃𝑃(𝐹𝐹𝐹𝐹) = 0.15
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐹𝐹𝐹𝐹) = 0.10

0.25 0.10 0.15

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

desmatriculado en Análisis Matemático?

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐹𝐹𝐹𝐹) 0.10 2

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝐹𝐹𝐹𝐹) = = =
𝑃𝑃𝑃𝑃(𝐹𝐹𝐹𝐹) 0.15 3

3.2. Si se ha desmatriculado en Análisis Matemático, ¿Cuál es la probabilidad de

que se haya desmatriculado en Física II?

𝑃𝑃𝑃𝑃(𝐹𝐹𝐹𝐹 ∩ 𝐴𝐴𝐴𝐴) 0.10 2

𝑃𝑃𝑃𝑃(𝐹𝐹𝐹𝐹/𝐴𝐴𝐴𝐴) = = =
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) 0.25 5

3.3. ¿Cuál es la probabilidad de que se haya desmatriculado en Análisis

Matemático o Física II?

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐹𝐹𝐹𝐹) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐹𝐹𝐹𝐹) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐹𝐹𝐹𝐹)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐹𝐹𝐹𝐹) = 0.25 + 0.15 − 0.10 = 0.30

Página | 5
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 población lee al menos uno de los periódicos A, B y

C?
4.2. ¿Cuál es la probabilidad que una persona seleccionada aleatoriamente de
esta población sea lector de “El Comercio” (A) y no lo sea de los periódicos “La
industria” (B) y “La República” (C). Sugerencia: Teorema Generalizado de la Adición

Solución:
Datos:
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = 0.098
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 0.229
𝑃𝑃𝑃𝑃(𝐶𝐶𝐶𝐶) = 0.121
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵) = 0.051
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐶𝐶𝐶𝐶) = 0.037
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶) = 0.06
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶) = 0.024

4.1. ¿Qué porcentaje de la población lee al menos uno de los periódicos A, B y C?

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵 𝖴𝖴𝖴𝖴 𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) + 𝑃𝑃𝑃𝑃(𝐶𝐶𝐶𝐶) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵) −
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐶𝐶𝐶𝐶) − 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶) +
+𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶)
= 0.098 + 0.229 + 0.121 − 0.051 − 0.037 − 0.06 + 0.024 = 0.324 Lee
al menos uno de los periódicos el 32.4% de la población.

4.2. 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝐵𝐵𝐵𝐵𝐶𝐶𝐶𝐶 ∩ 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) =

A B

𝐴𝐴 ∩ 𝐵𝐵𝐶𝐶 ∩ 𝐶𝐶𝐶𝐶 𝐴𝐴 ∩ 𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶 𝐴𝐴𝐶𝐶 ∩ 𝐵𝐵 ∩ 𝐶𝐶𝐶𝐶

𝐴𝐴 ∩ 𝐵𝐵 ∩ 𝐶𝐶

𝐴𝐴 ∩ 𝐵𝐵 𝐶𝐶 ∩ 𝐶𝐶 𝐴𝐴 𝐶𝐶 ∩ 𝐵𝐵 ∩ 𝐶𝐶

𝐴𝐴𝐶𝐶 ∩ 𝐵𝐵𝐶𝐶 ∩ 𝐶𝐶

C
Observando los diagramas de Venn:

Página | 6
 𝐴𝐴𝐴𝐴 = 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) +
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶)

→ 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) −

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶)
Análogamente:
𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 ; 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝖴𝖴𝖴𝖴 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) → 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶) =

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃( 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) → 𝑃𝑃𝑃𝑃( 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) =

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴)

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

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴)

− 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) −

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) = 0.98 − 0.051 − 0.037 + 0.024

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶) = 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 Multiplicación de eventos.

Solución:

(X+1) (Z)
Blancas Blancas

𝐵𝐵𝐵𝐵 = 𝑅𝑅𝑅𝑅1𝐵𝐵𝐵𝐵2 𝖴𝖴𝖴𝖴 𝐵𝐵𝐵𝐵1𝐵𝐵𝐵𝐵2

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝑅𝑅𝑅𝑅1 ∩ 𝐵𝐵𝐵𝐵2) 𝖴𝖴𝖴𝖴 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵1 ∩ 𝐵𝐵𝐵𝐵2)

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝛼𝛼𝛼𝛼) 𝖴𝖴𝖴𝖴 𝛽𝛽𝛽𝛽)

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝛼𝛼𝛼𝛼) + 𝑃𝑃𝑃𝑃(𝛽𝛽𝛽𝛽) − 𝑃𝑃𝑃𝑃(𝛼𝛼𝛼𝛼 ∩ 𝛽𝛽𝛽𝛽)

Página | 7
 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝑅𝑅𝑅𝑅1 ∩ 𝐵𝐵𝐵𝐵2) + 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵1 ∩ 𝐵𝐵𝐵𝐵2) − 𝑃𝑃𝑃𝑃(0)

𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) = 𝑃𝑃𝑃𝑃(𝑅𝑅𝑅𝑅1)𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥(𝐵𝐵𝐵𝐵2/𝑅𝑅𝑅𝑅1) +
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵1)𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥(𝐵𝐵𝐵𝐵2/𝐵𝐵𝐵𝐵1)

𝑃𝑃𝑃𝑃( 𝐵𝐵𝐵𝐵) = ( 𝑌𝑌𝑌𝑌 − 1 ) ( 𝑍𝑍𝑍𝑍 ) + ( X + 1 ) ( 𝑍𝑍𝑍𝑍 + 1 )

X + 𝑌𝑌𝑌𝑌 𝑍𝑍𝑍𝑍 + (W + 1) X + 𝑌𝑌𝑌𝑌 (𝑍𝑍𝑍𝑍 + 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 partición de Ω, teoremas de Probabilidad Total y de Bayes.

Solución:

Definamos los eventos:

𝐴𝐴𝐴𝐴 = {f𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐ió𝐴𝐴𝐴𝐴 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑇𝑇𝑇𝑇} 𝐵𝐵𝐵𝐵 = {f𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐ió𝐴𝐴𝐴𝐴 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇} 𝐶𝐶𝐶𝐶 = {f𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐ió𝐴𝐴𝐴𝐴 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇}

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

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴) = 0.45
𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵) =
0.30 𝑃𝑃𝑃𝑃(𝐶𝐶𝐶𝐶)
= 0.25
𝑃𝑃𝑃𝑃(𝑈𝑈𝑈𝑈) =?

El petróleo se encuentra:

𝑃𝑃𝑃𝑃(𝐸𝐸𝐸𝐸/𝐴𝐴𝐴𝐴) = 0.30
𝑃𝑃𝑃𝑃(𝐸𝐸𝐸𝐸/𝐵𝐵𝐵𝐵) = 0.40
𝑃𝑃𝑃𝑃(𝐸𝐸𝐸𝐸/𝐶𝐶𝐶𝐶) = 0.20

El petróleo no se encontró:

𝑃𝑃𝑃𝑃(𝑈𝑈𝑈𝑈/𝐴𝐴𝐴𝐴) = 0.70
𝑃𝑃𝑃𝑃(𝑈𝑈𝑈𝑈/𝐵𝐵𝐵𝐵) = 0.60
𝑃𝑃𝑃𝑃(𝑈𝑈𝑈𝑈/𝐶𝐶𝐶𝐶) = 0.80

Página | 8
 ( 𝐴𝐴𝐴𝐴 /𝑈𝑈𝑈𝑈) = 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴)𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥(𝑈𝑈𝑈𝑈⁄𝐴𝐴𝐴𝐴)
𝑃𝑃𝑃𝑃
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴 ∩ 𝑈𝑈𝑈𝑈) + 𝑃𝑃𝑃𝑃(𝐵𝐵𝐵𝐵 ∩ 𝑈𝑈𝑈𝑈) + 𝑃𝑃𝑃𝑃(𝐶𝐶𝐶𝐶 ∩ 𝑈𝑈𝑈𝑈)

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴/𝑈𝑈𝑈𝑈) = 0.45𝑥𝑥𝑥𝑥0.70 = 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
𝐴𝐴1𝐴𝐴2 ; 𝐴𝐴3𝐴𝐴2 ; 𝐴𝐴4 ; 𝐴𝐴5𝐴𝐴6

𝛼𝛼𝛼𝛼 ; 𝛽𝛽𝛽𝛽 ; Ø; 𝜃𝜃𝜃𝜃

P(𝘢𝘢𝘢𝘢 𝖴𝖴𝖴𝖴 𝛽𝛽𝛽𝛽 𝖴𝖴𝖴𝖴 Ø

P(𝘢𝘢𝘢𝘢 𝖴𝖴𝖴𝖴 𝛽𝛽𝛽𝛽 𝖴𝖴𝖴𝖴 Ø 𝖴𝖴𝖴𝖴 𝜃𝜃𝜃𝜃) = P(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴4) +

𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2) − −𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6)
− 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) +
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) +
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6)

Página | 9
 P(𝘢𝘢𝘢𝘢 𝖴𝖴𝖴𝖴 𝛽𝛽𝛽𝛽 𝖴𝖴𝖴𝖴 Ø 𝖴𝖴𝖴𝖴 𝜃𝜃𝜃𝜃) = P(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴4) +
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3) − −𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) −
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) − 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) +
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴4) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) + 𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6) −
𝑃𝑃𝑃𝑃(𝐴𝐴𝐴𝐴1𝐴𝐴𝐴𝐴2𝐴𝐴𝐴𝐴3𝐴𝐴𝐴𝐴4𝐴𝐴𝐴𝐴5𝐴𝐴𝐴𝐴6)

Reemplazamos con “p” a cada probabilidad:

𝑃𝑃𝑃𝑃(𝑑𝑑𝑑𝑑 𝖴𝖴𝖴𝖴 𝖰𝖰𝖰𝖰 𝖴𝖴𝖴𝖴 Ø 𝖴𝖴𝖴𝖴 𝜃𝜃𝜃𝜃) = 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 − 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝.
−𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 − 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝
−𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 − 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 − 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 +
𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝 − 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝. 𝑝𝑝𝑝𝑝

𝑃𝑃𝑃𝑃(𝑑𝑑𝑑𝑑 𝖴𝖴𝖴𝖴 𝖰𝖰𝖰𝖰 𝖴𝖴𝖴𝖴 Ø 𝖴𝖴𝖴𝖴 𝜃𝜃𝜃𝜃) = 𝑝𝑝𝑝𝑝2 + 𝑝𝑝𝑝𝑝2 + 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝2 − 𝑝𝑝𝑝𝑝3 − 𝑝𝑝𝑝𝑝3 − 𝑝𝑝𝑝𝑝4 − 𝑝𝑝𝑝𝑝3
− 𝑝𝑝𝑝𝑝4 − 𝑝𝑝𝑝𝑝3 +
+𝑝𝑝𝑝𝑝4 + 𝑝𝑝𝑝𝑝5 + 𝑝𝑝𝑝𝑝5 − 𝑝𝑝𝑝𝑝6

𝑃𝑃𝑃𝑃(𝑑𝑑𝑑𝑑 𝖴𝖴𝖴𝖴 𝖰𝖰𝖰𝖰 𝖴𝖴𝖴𝖴 Ø 𝖴𝖴𝖴𝖴 𝜃𝜃𝜃𝜃) = 𝑝𝑝𝑝𝑝 + 3𝑝𝑝𝑝𝑝2 − 4𝑝𝑝𝑝𝑝3 − 𝑝𝑝𝑝𝑝4 + 2𝑝𝑝𝑝𝑝5 −
𝑝𝑝𝑝𝑝6

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 Matemática E(x);
8.2. Variancia o Varianza V(x);
8.3. Momento cero alrededor del origen (𝑣𝑣𝑣𝑣0). Además, 𝑣𝑣𝑣𝑣1, 𝑣𝑣𝑣𝑣2, 𝑣𝑣𝑣𝑣3, 𝑣𝑣𝑣𝑣4
8.4. Momento cero alrededor de la media (𝑐𝑐𝑐𝑐0). Además, 𝑐𝑐𝑐𝑐1, 𝑐𝑐𝑐𝑐2, 𝑐𝑐𝑐𝑐3, 𝑐𝑐𝑐𝑐4
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 número real:

𝑑𝑑𝑑𝑑𝑘𝑘𝑘𝑘 = 𝐸𝐸𝐸𝐸[𝑥𝑥𝑥𝑥(𝑥𝑥𝑥𝑥 − 1)(𝑥𝑥𝑥𝑥 − 2) … (𝑥𝑥𝑥𝑥 − 𝑘𝑘𝑘𝑘 + 1)] , 𝑘𝑘𝑘𝑘 ∈ 𝑍𝑍𝑍𝑍+0

Calcular: m0, m1, m2, m3

Solución:

Página | 10
 𝑥𝑥𝑥𝑥 f(𝑥𝑥𝑥𝑥) 𝑥𝑥𝑥𝑥f(𝑥𝑥𝑥𝑥) 𝑥𝑥𝑥𝑥2f(𝑥𝑥𝑥𝑥) 𝑥𝑥𝑥𝑥3f(𝑥𝑥𝑥𝑥) 𝑥𝑥𝑥𝑥4f(𝑥𝑥𝑥𝑥) (𝑥𝑥𝑥𝑥 − (𝑥𝑥𝑥𝑥 − (𝑥𝑥𝑥𝑥 −
1.6)2f(𝑥𝑥𝑥𝑥) 1.6)3f(𝑥𝑥𝑥𝑥) 1.6)4f(𝑥𝑥𝑥𝑥)
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
𝑑𝑑𝑑𝑑

8.1. Esperanza Matemática E(x);

𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = ∑ 𝑥𝑥𝑥𝑥f(𝑥𝑥𝑥𝑥)
✯𝑥𝑥𝑥𝑥∈𝑑𝑑𝑑𝑑ƒ
𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = 0𝑥𝑥𝑥𝑥0.1 + 1𝑥𝑥𝑥𝑥0.3 + 2𝑥𝑥𝑥𝑥0.5 + 3𝑥𝑥𝑥𝑥0.1 = 1.6 = 𝑐𝑐𝑐𝑐
8.2. Variancia o Varianza V(x);

𝑉𝑉𝑉𝑉(𝑥𝑥𝑥𝑥) = 𝐸𝐸𝐸𝐸[(𝑥𝑥𝑥𝑥 − 𝑐𝑐𝑐𝑐)2] = ∑ (𝑥𝑥𝑥𝑥 − 𝑐𝑐𝑐𝑐)2f(𝑥𝑥𝑥𝑥)

✯𝑥𝑥𝑥𝑥∈𝑑𝑑𝑑𝑑ƒ

𝑉𝑉𝑉𝑉(𝑥𝑥𝑥𝑥) = (0 − 1.6)2𝑥𝑥𝑥𝑥0.1 + (1 − 1.6)2𝑥𝑥𝑥𝑥0.3 + (2 − 1.6)2𝑥𝑥𝑥𝑥0.5 + (3 −

1.6)2𝑥𝑥𝑥𝑥0.1

𝑉𝑉𝑉𝑉(𝑥𝑥𝑥𝑥) = 0.64
8.3. Momento cero alrededor del origen (𝑣𝑣𝑣𝑣0). Además, 𝑣𝑣𝑣𝑣1, 𝑣𝑣𝑣𝑣2, 𝑣𝑣𝑣𝑣3, 𝑣𝑣𝑣𝑣4
• Momento cero 𝑣𝑣𝑣𝑣0: 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥0) = 1
• Primer Momento 𝑣𝑣𝑣𝑣1: 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥1) = 1.6 = 𝑐𝑐𝑐𝑐
• Segundo Momento 𝑣𝑣𝑣𝑣2: 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) = 3.2
• Tercer Momento 𝑣𝑣𝑣𝑣3: 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3) = 7
• Cuarto Momento 𝑣𝑣𝑣𝑣4: 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥4) = 16.4

8.4. Momento cero alrededor de la media (𝑐𝑐𝑐𝑐0). Además, 𝑐𝑐𝑐𝑐1, 𝑐𝑐𝑐𝑐2, 𝑐𝑐𝑐𝑐3, 𝑐𝑐𝑐𝑐4

• Momento cero 𝑐𝑐𝑐𝑐0: 𝐸𝐸𝐸𝐸[(x − u)0] = 1

• Primer Momento 𝑐𝑐𝑐𝑐1: 𝐸𝐸𝐸𝐸[(x − u)1] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥1) − 𝐸𝐸𝐸𝐸(𝑐𝑐𝑐𝑐) = 1.6 − 1.6 = 0
• Segundo Momento 𝑐𝑐𝑐𝑐2: 𝐸𝐸𝐸𝐸[(x − u)2] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2 − 2𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 + 𝑐𝑐𝑐𝑐2)
= 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) − 𝑐𝑐𝑐𝑐2 = 3.2 − (1.6)2 = 0.64
• Tercer Momento 𝑐𝑐𝑐𝑐3: 𝐸𝐸𝐸𝐸[(x − u)3] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3 − 3𝑥𝑥𝑥𝑥2𝑐𝑐𝑐𝑐 + 3𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥2 − 𝑐𝑐𝑐𝑐3)
= 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3) − 𝑐𝑐𝑐𝑐3 − 3𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2)𝑐𝑐𝑐𝑐 + 3𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥1)𝑐𝑐𝑐𝑐2
= 7 − 1.63 − 3(3.2)(1.6) + 3(1.6)(1.6)2 = −0.168

• Cuarto Momento 𝑐𝑐𝑐𝑐4: 𝐸𝐸𝐸𝐸[(x − u)4] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥4) − 4𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3)𝑐𝑐𝑐𝑐 + 6𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2)𝑐𝑐𝑐𝑐2

− 3𝑐𝑐𝑐𝑐4)

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

Página | 11
 8.5. Momentos factoriales: m0, m1, m2, m3

𝑑𝑑𝑑𝑑𝑘𝑘𝑘𝑘 = 𝐸𝐸𝐸𝐸[𝑥𝑥𝑥𝑥(𝑥𝑥𝑥𝑥 − 1)(𝑥𝑥𝑥𝑥 − 2) … (𝑥𝑥𝑥𝑥 − 𝑘𝑘𝑘𝑘 + 1)] , 𝑘𝑘𝑘𝑘 ∈ 𝑍𝑍𝑍𝑍+0

𝑑𝑑𝑑𝑑𝑘𝑘𝑘𝑘 = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥!)
𝑑𝑑𝑑𝑑0 = 𝐸𝐸𝐸𝐸[1] = 1
𝑑𝑑𝑑𝑑1 = 𝐸𝐸𝐸𝐸[𝑥𝑥𝑥𝑥] = 1.6
𝑑𝑑𝑑𝑑2 = 𝐸𝐸𝐸𝐸[𝑥𝑥𝑥𝑥(𝑥𝑥𝑥𝑥 − 1)] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) − 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = 3.2 − 1.6 = 1.6
𝑑𝑑𝑑𝑑3 = 𝐸𝐸𝐸𝐸[𝑥𝑥𝑥𝑥(𝑥𝑥𝑥𝑥 − 1)(𝑥𝑥𝑥𝑥 − 2)] = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3) − 3𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) + 2𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = 7 − 3(3.2) +
2(1.6)
= −6.648

IX. Sea X una variable aleatoria continua con función de densidad dado
por:
f(𝗑𝗑𝗑𝗑) = { 𝑘𝑘𝑘𝑘(6𝗑𝗑𝗑𝗑 − 2𝗑𝗑𝗑𝗑2) ; 𝑑𝑑𝑑𝑑i 0 < 𝑥𝑥𝑥𝑥 < 2
0 ; 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

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

9.2. Graficar f y F
9.3. Hallar la Función de Distribución Acumulada F(X).
9.4. Calcular: 𝑃𝑃𝑃𝑃(−1 ≤ 𝑥𝑥𝑥𝑥 ≤ 2) ;
9.5. Calcular la Esperanza Matemática 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

𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 6𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘 − 2𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘2𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 1

0 2

𝑥𝑥𝑥𝑥3 2
𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = (3𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘2 − 2𝑘𝑘𝑘𝑘 ) | = 1
3 0

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

Página | 12
 9 𝑥𝑥𝑥𝑥 − 3 𝑥𝑥𝑥𝑥2 ; 𝑑𝑑𝑑𝑑i 0 < 𝑥𝑥𝑥𝑥 < 2
f(𝑥𝑥𝑥𝑥) = { 10
0 ; 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

0 2

𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 +

0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
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).

𝑑𝑑𝑑𝑑 0 𝑑𝑑𝑑𝑑

𝐹𝐹𝐹𝐹 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

0
9
= 20 𝑥𝑥𝑥𝑥2 − 𝑥𝑥𝑥𝑥3 |𝑑𝑑𝑑𝑑 = 9 𝑑𝑑𝑑𝑑2 − 𝑑𝑑𝑑𝑑3

10 0 20 10
9()
𝑑𝑑𝑑𝑑3
2

Página | 13
 𝐹𝐹𝐹𝐹 𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑑𝑑
− Luego: 20 10

𝐹𝐹𝐹𝐹(𝑑𝑑𝑑𝑑) = { 9 2 0 𝑑𝑑𝑑𝑑 3 ; 𝑑𝑑𝑑𝑑 < 0

𝑑𝑑𝑑𝑑 − ; 𝑑𝑑𝑑𝑑i 0 < 𝑑𝑑𝑑𝑑 < 2
20 10
1 ; 𝑑𝑑𝑑𝑑 2

Reemplazamos t por x, se tiene:

0 ; 𝑥𝑥𝑥𝑥 < 0
9 𝑥𝑥𝑥𝑥 3
𝐹𝐹𝐹𝐹(𝑥𝑥𝑥𝑥) = { 𝑥𝑥𝑥𝑥 −
2 ; 𝑑𝑑𝑑𝑑i 0 < 𝑥𝑥𝑥𝑥 < 2
20 10
1 ; 𝑥𝑥𝑥𝑥 2

9.4. Calcular: 2) ;

𝑃𝑃𝑃𝑃 𝑥𝑥𝑥𝑥 < 3) = 𝑃𝑃𝑃𝑃(3) − 𝑃𝑃𝑃𝑃(−1) = 0 − 0 = 0

9.5. Calcular la Esperanza Matemática E(x)

0 2

𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

0 2

𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 6
𝑥𝑥𝑥𝑥 3
− 4
10 10 𝑥𝑥𝑥𝑥 |0 = − = = 𝑐𝑐𝑐𝑐
5 5 5
10 40
Es convergente por lo tanto existe.

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

𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉
2

𝑉𝑉𝑉𝑉 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 +

𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 5

Página | 14
 0 2

162 324 81 3

𝑉𝑉𝑉𝑉 ) 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

𝑉𝑉𝑉𝑉

)|
0
𝑉𝑉𝑉𝑉
25
X. Para la función de cuantía de la TABLA Nº 02 Sea 𝑦𝑦𝑦𝑦 = 𝗑𝗑𝗑𝗑2 + 2𝗑𝗑𝗑𝗑; calcular:

10.1 La media teórica de la v.a.d. “y” 𝜇𝜇𝜇𝜇𝑦𝑦𝑦𝑦 (Esperanza Matemática 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. 𝐸𝐸𝐸𝐸(𝑦𝑦𝑦𝑦) = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2 + 2𝑥𝑥𝑥𝑥) = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) + 2𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = 3.2 + 2(1.6) = 6.4

10.2. 𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 𝑉𝑉𝑉𝑉(𝑥𝑥𝑥𝑥2 + 2𝑥𝑥𝑥𝑥) = 𝐸𝐸𝐸𝐸(𝑦𝑦𝑦𝑦2) + (𝐸𝐸𝐸𝐸(𝑦𝑦𝑦𝑦))2
𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 𝐸𝐸𝐸𝐸((𝑥𝑥𝑥𝑥2 + 2𝑥𝑥𝑥𝑥)2) − (𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2 + 2𝑥𝑥𝑥𝑥))2
𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2 + 4𝑥𝑥𝑥𝑥3 + 4𝑥𝑥𝑥𝑥2) - (𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) + 2𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥))2
𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥4) + 4𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥3) + 4𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥2) − (3.2 + 2(1.6))2
𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 116.4 + 4 * 7 + 4 * 3.2 + (6.4)2
𝑉𝑉𝑉𝑉(𝑦𝑦𝑦𝑦) = 16.24

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

acumulada F(x) expresada por:

0 ; 𝗑𝗑𝗑𝗑 < 0

F(X) = 𝗑𝗑𝗑𝗑2⁄4 ; 0 ≤ 𝗑𝗑𝗑𝗑 ≤ 1

(𝑥𝑥𝑥𝑥⁄2)−1/4 ; 1 < 𝑥𝑥𝑥𝑥 < 2

1 − (1⁄2𝑥𝑥𝑥𝑥 ) ; 𝑥𝑥𝑥𝑥 ≥ 2

Página | 15
 Hallar:

11.1. 𝑃𝑃𝑃𝑃(X < 2);

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

11.4. la esperanza matemática E(x).

Solución: 11.1. P(X < 2) = F(2) = 1

− 1⁄4 = 3

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 función F(x) quedaría de la siguiente manera

0 ; 𝗑𝗑𝗑𝗑 < 0

f(x) = 𝗑𝗑𝗑𝗑⁄4 ; 0 ≤ 𝗑𝗑𝗑𝗑 ≤ 1

½ ; 1<x<2

-1/2 ; x≥2

11.4. La Media teórica: 𝜇𝜇𝜇𝜇 o la esperanza lmatematica E(x).

+∞
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸f(𝑥𝑥𝑥𝑥)𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

0 1∞
𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = ∫𝑥𝑥𝑥𝑥0𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + ∫ 𝑥𝑥𝑥𝑥 𝑥𝑥𝑥𝑥 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 + ∫𝑥𝑥𝑥𝑥 1 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

−∞ 0 4 2

𝐸𝐸𝐸𝐸(𝑥𝑥𝑥𝑥) = 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:

F(x) = 3 (8x2 − x3 − 12x)

128

Página | 16
Determinar la producción esperada

Solución:

Sea X la producción esperada

Además el límite de producción está comprendido así: 2 < 𝑥𝑥𝑥𝑥f(𝑥𝑥𝑥𝑥) < 6

6 3𝑥𝑥𝑥𝑥 2 3 )
Entonces () (
𝐸𝐸𝐸𝐸 𝑥𝑥𝑥𝑥 8𝑥𝑥𝑥𝑥 − 𝑥𝑥𝑥𝑥 − 12𝑥𝑥𝑥𝑥 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = 4.2 =
∫2 128

Página | 17