Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadística
Deber N. 5: Modelos de Distribuciones Continuas de Probabilidad
(Uniforme. Exponencial, Normal, etc.)
Enrique Celi
27/07/2022
1. Sea la v.a. continua X: tiempo de viaje de camiones que transportan concreto, siguiendo
1
la ley uniforme en el intervalo de 50 a 70 minutos. Es decir, tenemos que 𝑓 (𝑥 ) = 70−50 =
0 𝑠𝑖 𝑥 < 50
1 𝑥−50
para todo 𝑥 ∈ [50, 70] y 𝐹 (𝑥 ) = { 20 𝑠𝑖 50 ≤ 𝑥 < 70. Hay que calcular
20
1 𝑠𝑖 𝑥 ≥ 70
( |
𝑃 𝑋 > 65 𝑋 > 55 . )
𝑃(𝑋 > 65 ∩ 𝑋 > 55)
𝑃(𝑋 > 65|𝑋 > 55) =
𝑃 (𝑋 > 55)
𝑃 (𝑋 > 65)
𝑃(𝑋 > 65|𝑋 > 55) =
1 − 𝐹 (55)
1 − 𝐹 (65)
𝑃(𝑋 > 65|𝑋 > 55) =
55 − 50
1 − 20
65 − 50
1 − 20
𝑃(𝑋 > 65|𝑋 > 55) =
3
4
1
1
𝑃(𝑋 > 65|𝑋 > 55) = 4 = = 0.3333
3 3
4
2. Sea la v.a. continua X: tiempo de utilización de una computadora para realizar un cierto
1 1
trabajo, que sigue la ley uniforma tal que, para 𝑥 ∈ [30, 90], 𝑓 (𝑥 ) = = y
90−30 60
0 𝑠𝑖 𝑥 < 30
𝑥−30
𝐹 (𝑥 ) = { 60 𝑠𝑖 30 ≤ 𝑥 < 90.
1 𝑠𝑖 𝑥 ≥ 90
70−30 45−30 25 5
a. 𝑃 (45 < 𝑋 < 70) = 𝐹 (70) − 𝐹 (45) = 60 − 60 = 60 = 12 = 0.4167
𝑃(𝑋>60∩𝑋>30) 𝑃(𝑋>60) 1−𝐹(60) 60−30 1
b. 𝑃 (𝑋 > 60|𝑋 > 30) = = = =1− = 2 = 0.5
𝑃(𝑋>30) 1−𝐹(30) 1−0 60
c. Para hallar el costo esperado, tenemos que usar 𝑋 = 𝜇. Ya que es una v.a. que
90+30
sigue la ley uniforme, tenemos que 𝜇 = 2 = 60. Entonces, tenemos que
𝐶𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 = 1000 − 30(60) + 2(60)2 = 6400
3. Sea X una v.a. con distribución exponencial:
a. 𝑃 (𝑋 > 𝜇 ) = 1 − 𝐹 (𝜇 ). Ya que es una distribución exponencial, tenemos que 𝜇 =
𝜃, por lo que:
𝜃 1
𝑃(𝑋 > 𝜇 ) = 1 − 𝐹 (𝜇 ) = 1 − (1 − 𝑒 −𝜃 ) =
𝑒
b. 𝑃(|𝑋 − 𝜇| ≤ 2𝜎). Tenemos que 𝜎 2 = 𝜃 2 ⇒ 𝜎 = 𝜃. Es decir, vamos a calcular
𝑃(|𝑋 − 𝜃 | ≤ 2𝜃 ) = 𝑃(−2𝜃 ≤ 𝑋 − 𝜃 ≤ 2𝜃 ) = 𝑃(−𝜃 ≤ 𝑋 ≤ 𝜃 )
Ya que −𝜃 < 0, tenemos que
𝜃 1
𝑃 (|𝑋 − 𝜃 | ≤ 2𝜃 ) = 𝑃 (−𝜃 ≤ 𝑋 ≤ 𝜃 ) = 𝑃 (𝑋 ≤ 𝜃 ) = 𝐹 (𝜃 ) = 1 − 𝑒 −𝜗 = 1 −
𝑒
c. Hallar c para que 𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃(𝑋 > 𝑐𝜇 )
𝑐𝜃
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ −ln (4) = − ln (𝑒)
𝜃
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ − ln(4) = −𝑐
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ c = ln (4)
Por lo tanto, se tiene c = ln (4).
4. Sea la v.a. continua X: tiempo de vida de una válvula de radio, con una distribución
exponencial tal que 𝑋 ≥ 0. Se tiene que la vida media de una válvula es 𝜇 = 𝜃 = 1000
horas. Definimos la v.a. Y: número de válvulas de radio que duran más de 1200 horas,
1200
entre 4 seleccionadas, tal que 𝑝 = 𝑃(𝑥 > 1200) = 1 − 𝐹 (1200) = 1 − 𝑒 −1000 = 0.6988
y 𝑌~Binomial. Calculamos:
𝑃 (𝑌 ≤ 2) = 𝐵(2; 4; 0.6988) = 0.2658
5. Sea la v.a. X: tiempo de atención a cualquier cliente, tal que X tiene distribución
exponencial, y 𝜎 2 = 𝜃 2 = 400 minutos al cuadrado.
a. Tenemos que, por definición:
𝜇 = 𝐸 [𝑋] = 𝜃 = 20
Ahora, calculamos 𝑃(𝑋 ≤ 𝜇 ):
𝜇 20 1
𝑃(𝑋 ≤ 𝜇 ) = 1 − 𝑒 −20 = 1 − 𝑒 −20 = 1 − = 0.6321
𝑒
b. 𝑃 (30 ≤ 𝑋 ≤ 40) = 𝐹 (40) − 𝐹 (30)
40 30
𝑃 (30 ≤ 𝑋 ≤ 40) = (1 − 𝑒 −20 ) − (1 − 𝑒 −200 )
30 40
𝑃(30 ≤ 𝑋 ≤ 40) = 𝑒 −20 − 𝑒 −20 = 0.0878
𝑃(25≤𝑋≤50)
c. 𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) = 𝑃 (𝑋≥25)
𝐹 (50) − 𝐹 (25)
𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) =
1 − 𝐹 (25)
50 25
(1 − 𝑒 −20 ) − (1 − 𝑒 −20 )
𝑃(𝑋 ≤ 50|𝑋 ≥ 25) = 25
1 − (1 − 𝑒 −20 )
0.0569
𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) = = 0.7135
0.9394
d. Definimos la v.a. Y: número de personas que deben esperar al menos 15 minutos
15
para ser atendidos, de 5 seleccionados, tal que 𝑝 = 1 − 𝐹 (15) = 𝑒 −20 = 0.4724 y
𝑌~Binomial. Calculamos 𝐵(3; 5; 0.4724):
𝐵(3; 5; 0.4724) = 0.8451
6. Sea X una v.a. con distribución uniforme en (0, 1). Vamos a hallar 𝑃(|𝑋 − 𝜇| ≤ 𝜎).
1 1 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = 𝑃 (−𝜎 ≤ 𝑋 − 𝜇 ≤ 𝜎) = 𝑃 (− ≤𝑋− ≤ )
2√3 2 2√3
1 1 1 1
𝑃 (|𝑋 − 𝜇 | ≤ 𝜎) = 𝑃 ( − ≤𝑋≤ + )
2 2√3 2 2√3
1 1 1 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = 𝐹 ( + )−𝐹( − )
2 2√3 2 2√3
1 1 1 1
2 + 2√3 − 0 2 − 2√3 − 0 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = − = = 0.5774
1 1 √3
7. Sea la v.a. X: temperatura de destilación en grados centígrados, con distribución
uniforme entre [150°C, 300°C]. Para encontrar la utilidad neta esperada por galón,
primero encontramos 𝑃(𝑋 ≤ 200) y 𝑃(𝑋 ≥ 200).
200−150
𝑃(𝑋 ≤ 200) = 𝐹 (200) = = 0.3333 y 𝑃 (𝑋 ≥ 200) = 1 − 𝐹 (200) = 0.6667
150
𝑠+𝑡
1 − (1 − 𝑒 − 𝜃 )
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 𝑡
𝑒 −𝜃
𝑠+𝑡
𝑒− 𝜃
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 𝑡
𝑒 −𝜃
𝑠
𝑃 (𝑋 > 𝑠 + 𝑡|𝑋 > 𝑡) = 𝑒 −𝜃
𝑠
𝑃(𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡) = 1 − (1 − 𝑒 −𝜃 )
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 1 − 𝐹 (𝑠 )
𝑃 (𝑋 > 𝑠 + 𝑡|𝑋 > 𝑡 ) = 𝑃(𝑋 > 𝑠)
Que es lo que se quería demostrar.
9. Sea X una v.a. aleatoria con distribución normal con una media 𝜇 = 71.8 y una varianza
𝑋−𝜇
𝜎 2 = 31.36. Definimos la v.a. 𝑍 = 𝜎
78.8−𝜇
a. 𝑃 (𝑋 < 78.8) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < 1.25) = Φ(1.25) = 0.8944
𝜎
60.6−𝜇
b. 𝑃 (𝑋 > 60.6) = 𝑃 (𝑍 > 𝜎
) = 𝑃(𝑍 > −2) = 1 − Φ(−2) = Φ(2) = 0.9772
74.6−𝜇 80.2−𝜇
c. 𝑃 (74.6 ≤ 𝑋 ≤ 80.2) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
𝑃(74.6 ≤ 𝑋 ≤ 80.2) = 𝑃 (0.5 ≤ 𝑍 ≤ 1.5)
𝑃 (74.6 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − Φ(0.5)
𝑃(74.6 ≤ 𝑋 ≤ 80.2) = 0.9332 − 0.6915 = 0.2417
63.4−𝜇 80.2−𝜇
d. 𝑃 (63.4 ≤ 𝑋 ≤ 80.2) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = 𝑃 (−1.5 ≤ 𝑍 ≤ 1.5)
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − Φ(−1.5)
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − (1 − Φ(1.5)) = 0.8664
𝑋−𝜇
10. Sea X una v.a. con una media 𝜇 = 9 y una varianza 𝜎 2 = 25. Definimos la v.a. 𝑍 = .
𝜎
Se va a hallar c tal que 𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 0.95. Tenemos que
9−𝑐−𝜇 9+𝑐−𝜇
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
𝑐 𝑐
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 𝑃 (− ≤ 𝑍 ≤ )
5 5
𝑐 𝑐
𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = Φ ( ) − Φ (− )
5 5
𝑐 𝑐
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = Φ ( ) − (1 − Φ ( ))
5 5
𝑐
𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 2Φ ( ) − 1
5
Además, tenemos que que 𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 0.95, entonces
𝑐 𝑐 𝑐
2Φ ( ) − 1 = 0.95 ⟺ 2Φ ( ) = 1.95 ⇔ Φ ( ) = 0.975
5 5 5
Usando los valores de la tabla de distribución normal, se tiene que
𝑐
Φ(1.96) = 0.975 ⇔ = 1.96 ⇔ 𝑐 = 9.8
5
𝑋−𝜇
11. Sea 𝑋~(𝜇, 𝜎 2 ), se va a hallar c tal que 𝑃(𝑋 ≤ 𝑐 ) = 2𝑃(𝑋 > 𝑐). Sea la v.a. 𝑍 = 𝜎
. Se
tiene que
12. Sea 𝑡𝑝 un número tal que 𝑃(𝑍 ≤ 𝑡𝑝 ) = 𝑝, con 0 < 𝑝 < 1 y Z distribuida normalmente
con media 0 y varianza 1. Si X es normal con media 𝑚 y varianza 𝑠 2 , se va a demostrar
que para 0 < 𝑝1 < 𝑝2 < 1, se tiene que 𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑝2 − 𝑝1 .
Partimos de:
𝑚 + 𝑡𝑝1 𝑠 − 𝑚 𝑚 + 𝑡𝑝2 𝑠 − 𝑚
𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑃 ( ≤𝑍≤ )
𝑠 𝑠
𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑃(𝑡𝑝1 ≤ 𝑍 ≤ 𝑡𝑝2 )
2.98 − 3 3.02 − 3
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 𝑃 ( ≤𝑍≤ )
0.01 0.01
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 𝑃 (−2 ≤ 𝑍 ≤ 2)
𝑃 (2.98 ≤ 𝑋 ≤ 3.02) = Φ(2) − Φ(−2)
𝑃 (2.98 ≤ 𝑋 ≤ 3.02) = Φ(2) − 1 + Φ(2)
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 0.9544
Es decir, en promedio, si se producen 10000 rodamientos al año, se tiene que 10000 ∗
0.9544 = 9544 rodamientos se venden al año. Es decir, se tiene que, para que la utilidad sea
50% del costo de producción:
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⟺ 0.5 ∗ 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 = 9544𝑃𝑉𝑃−𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 0.6 ∗ 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
2.1 ∗ 5 ∗ 10000
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⟺ 𝑃𝑉𝑃 =
9544
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⇔ 𝑃𝑉𝑃 = 1.10 𝑑ó𝑙𝑎𝑟𝑒𝑠
c. ¿Cuál debe ser la desviación estándar para que se desechen 100 pernos? Tenemos
que
100 1.97 − 2
𝑃 (𝑋 < 1.97) = = 0.01 ⟹ 𝑃 (𝑍 < ) = 0.01
10000 𝜎
100 −0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ Φ ( ) = 0.01
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ 1 − Φ ( ) = 0.01
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ Φ ( ) = 0.99
10000 𝜎
100 0.03
𝑃 (𝑋 < 1.97) = = 0.01 ⇒ = 𝑍0.99
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⇒ = 2.33
10000 𝜎
100
𝑃(𝑋 < 1.97) = = 0.01 ⇒ 𝜎 = 0.013
10000
Entonces, se tiene que la cantidad de pernos que se van a retrabajar es de
2.05−2
10000 (1 − Φ ( 0.013 )) = 0.6 pernos.
d. Si se acepta desechar 150 pernos y retrabajar 150 pernos, ¿cuáles deberían ser la
media y la desviación estándar? Tenemos que:
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⟹ 𝑃 (𝑍 < ) = 0.015
10000 𝜎
150 1.97 − 𝜇
𝑃 (𝑋 < 1.97) = = 0.015 ⟹ Φ ( ) = 0.015
10000 𝜎
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ = 𝑍0.015
10000 𝜎
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ = −2.17009
10000 𝜎
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ =𝜎 (1)
10000 −2.17009
Y se tiene que:
150 2.05 − 𝜇
𝑃(𝑋 > 2.05) = = 0.015 ⟹ 𝑃 (𝑍 > ) = 0.015
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⟹ 1 − Φ ( ) = 0.015
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⟹ Φ ( ) = 0.985
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⇒ = 𝑍0.985
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⇒ = 2.17009
10000 𝜎
150 2.05 − 𝜇
𝑃(𝑋 > 2.05) = = 0.015 ⇒ =𝜎 (2)
10000 2.17009
2.05−𝜇 1.97−𝜇
De (1) y (2) tenemos que 2.17009 = −2.17009 ⟹ 𝜇 = 2.01 𝑐𝑚 y 𝜎 = 0.0184 𝑐𝑚
19. Sea la v.a. X: resistencia de un cierto tipo de cuerda, tal que 𝑋~𝑁(100, 16). Definiendo
𝑋−100
una v.a. 𝑍 = , tenemos que la utilidad esperada por cuerda es de:
4
𝐶 − 400
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ 1 − Φ ( ) = 0.1
20
𝐶 − 400
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ Φ ( ) = 0.9
20
𝐶 − 400
𝑃(𝑋 ≥ 𝐶 ) = 0.1 ⟹ = 1.28
20
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ 𝐶 = 425.6 𝑑ó𝑙𝑎𝑟𝑒𝑠