Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 2 2016
Se brinda una de las tantas posibles resoluciones del parcial. Preste especial atención a
las suposiciones y fundamentaciones teóricas que se hacen para resolver los problemas, y a los
caminos seguidos en algunos casos para evitar cálculos innecesarios.
Problema 1.
El tiempo de demora en servir un menú único en una casa de comidas tiene distribución
exponencial con valor medio 3 minutos.
1. Calcular la probabilidad de que entre las 20:00 y las 20:12 sean servidos más de 3
clientes, sabiendo que entre las 20 y las 20:03 se había servido a no más de un cliente.
Si se comienza a atender a partir de las 18:00, calcule la probabilidad de que el cuarto
cliente sea servido antes de las 18:15.
2. La casa tiene una promoción: regala el menú si tarda más de 5 minutos en servir al
cliente. Calcule la probabilidad de regalar a los sumo 2 comidas por cada 6 clientes
atendidos y la de que haya una racha de cinco clientes que pagan su comida.
Ítem 1.
Suponemos que los tiempos de servicio de los clientes son variables aleatorias independientes,
y por el dato, todas exponenciales de parámetro β = 1/3 min−1 pues la media es 1/β = 3 min.
También suponemos que cuando se termina de servir un cliente se comienza inmediatamente
a servir a otro. Con estas suposiciones, los tiempos de servicio forman entonces un proceso de
Poisson de intensidad λ = 1/3 min−1 .
Por la falta de memoria del proceso de Poisson, podemos tomar las 20 : 00 como el instante
0. Consideramos en lo siguiente que la unidad de tiempo es el minuto. Sean J1 = (0, 12)
y J2 = (0, 3) los intervalos sobre los que se plantea la pregunta. Las variables aleatorias
NJ1 y NJ2 que cuentan el numero de cliente servidos en J1 y J2 son variables aleatorias con
distribución de Poisson de parámetros λJ1 = 12×1/3 = 4 y λJ2 = 3×1/3 = 1, respectivamente.
Como J2 está incluido en J1 estas variables no son independientes. Se desea calcular p =
P (NJ1 > 3 | NJ2 ≤ 1). Si J3 = (3, 12) entonces la variable aleatoria NJ3 que cuenta el número
de clientes atendidos en J3 es Poisson de parámetro λJ3 = 9 × 1/3 = 3, independiente de NJ2
y además NJ1 = NJ2 + NJ3 . De esta manera, se tiene
P (NJ2 + NJ3 ≤ 3 ∧ NJ2 ≤ 1)
p=1− .
P (NJ2 ≤ 1)
33 32 32
exp(−4)
p=1− + + +3+3+2 ≈ 0.4648.
2 exp(−1) 3! 2! 2!
Si S4 es la variable continua que mide el tiempo hasta la atención del cuarto cliente desde
que comenzó la atención, entonces su distribución de probabilidades es Gama de parámetros
1
Prob. y Estad. Curso 2 2016
α=4yβ = 1
3 en min−1 . La probabilidad de que S4 sea menor que 15 min puede calcularse con
la integral de la densidad correspondiente (desaconsejado) o sumando valores de probabilidad
de una variable aleatoria con distribución de Poisson, como sigue. Indicando con N15 al
número de clientes atendidos en 15 min (contados desde las 18 : 00), entonces su distribución
de probabilidades es de Poisson con parámetro λ15 = 31 × 15 = 5, y así se tiene:
3
5n
exp(−5) ≈ 0.7350,
X
p4 = P (S4 < 15) = P (N15 ≥ 4) = 1 −
n!
n=0
ya que para que el cuarto cliente sea atendido entre las 18 : 00 y las 18 : 15, en quince minutos
deben haberse atendido 4 o más clientes.
Ítem 2.
Problema 2.
La potencia W disipada por un resistor de resistencia R = 10 conectada a una fuente de
tensión V ∼ U (−8, 10) es W = V 2 /R.
1. Calcule para W , la función de densidad, el valor medio y la desviación estándar.
2. Suponiendo que la resistencia se quema si |V | > 7, halle la probabilidad de que W > 1.
Halle la probabilidad de que W < 2 sabiendo que el circuito está funcionando.
Ítem 1.
Como V tiene distribución uniforme en (−8, 10), su densidad es fV (v) = 1/18 I[−8,10] (v).
Entonces, para w ≥ 0
√ √ √ √
P (− 10 w ≤ V ≤ 10 w) = P (− 10 w ≤ V ≤ 10 w ∧ −8 ≤ V ≤ 10)
Z min{√10 w,10}
1
= √ dv
max{− 10 w,−8} 18
√ √
min{ 10 w, 10} − max{− 10 w, −8}
= .
18
2
Prob. y Estad. Curso 2 2016
√ √ √
Luego, teniendo en cuenta√que max{− √
10 w, −8} = − 10 w si 0 ≤ √
w ≤ 6.4 y max{− 10 w, −8} =
−8 si w > 6.4 y que min{ 10 w, 10} = 10w si 0 ≤ w ≤ 10 y min{ 10 w, 10} = 10 si w > 10,
entonces resulta
√ √
10 w ( 10 w + 8)
FW (w) = I[0,6.4) (w) + I[6.4,10) (w) + I[10,∞) (w).
9 18
La función de densidad de probabilidad se obtiene derivando FW , de manera que
r r
1 10 1 10
fW (w) = I(0,6.4) (w) + I (w).
18 w 36 w (6.4,10)
Esta densidad también puede ser obtenida teniendo en cuenta que W = H(V ), con H(v) =
v 2 /10. Si llamamos I1 = (−8, 0) e I2 = (0, 10), y Hi es la restricción de H a Ii , entonces:
1. I1 ∩ I2 = ∅ y P (V ∈ I1 ∪ I2 ) = 1.
2. H1 : I1 → J1 , con J1 = H(I1 ) = (0, 6.4) es biyectiva y tiene una función inversa
√ dH −1
√
H1−1 (w) = − 10w cuya derivada es dw1 = − 2√10w < 0 para todo w ∈ J1 .
Entonces, teniendo en cuenta que se cumplen las condiciones para la fórmula de la densidad
de una función de una variable aleatoria, queda
dH1−1 dH1−1
−1 −1
fW (w) = fV (H1 (w)) IJ (w)
1 + fV (H2 (w)) IJ (w)
2
dw dw
√ √
10 10
= √ I(0,6.4) (w) + √ I(0,10) (w)
36 w 36 w
que coincide con lo obtenido arriba, luego de un simple cálculo.
Para calcular E(W ) y σ(W ) puede usarse la distribución de W o la de V (aunque es mucho
más simple usar la de la última), o aplicar propiedades y usar valores conocidos.
Por ejemplo, como E(W ) = 10 1 1
E(V 2 ) = 10 (Var(V ) + (E(V ))2 ) y V tiene distribución
uniforme en (−8, 10) resulta E(V ) = 1 y Var(V ) = 1812 . Reemplazando resulta E(W ) = 2.8.
2
Ítem 2.
El resistor se quema si |V | > 7 y no disipa potencia en ese caso. Entonces ahora W = H(V ),
con H(v) = v 2 /10 si |v| ≤ 7 y H(v) = 0 si |v| > 7. La probabilidad de que W > 1 es
P (W > 1 ∧ |V | ≤ 7), que se puede expresar en términos de V como
√ √
q1 = P ({−7 ≤ V < − 10} ∪ { 10 < V ≤ 7}).
3
Prob. y Estad. Curso 2 2016
Problema 3.
En un proceso de producción de componentes electrónicos el control de calidad se realiza de
la siguiente manera:
• Cada componente se somete al control nro. 1;
• si el componente pasa con éxito el control nro. 1 entonces pasa al control nro. 2;
• si el componente pasa con éxito el control nro. 2 entonces pasa al control nro. 3;
La probabilidad de que un componente pase los tres controles con éxito viene dada por
P (A1 ∩ A2 ∩ A3 ) = P (A3 | A2 ∩ A1 ) P (A2 | A1 ) P (A1 ) = 0.98 0.95 0.9.= 0.8379.
Ítem 2.
Sea B el suceso que ocurre cuando el componente debe ser reparado, y p = P (B).
Se tiene que B = A1 ∩ A2 ∩ A3 , con lo cual p = 1−0.8379=0.1621. Otra forma es p =
P (A1 ) + P (A2 ∩ A1 ) + P (A3 ∩ A2 ∩ A1 ) = 0.1 + 0.9 0.05 + 0.9 0.95 0.02 = 0.1621.
Ítem 3.
4
Prob. y Estad. Curso 2 2016
La cantidad Z de componentes que deben ser reparados entre 5 que se prueban es una
variable aleatoria discreta con distribución binomial de parámetros n = 5 y p = P (B) =
0.1621, si suponemos que sucesos que se reeren a distintos componentes son independientes.
La probabilidad pedida es P (X ≤ 1) = (1 − p)5 + 5 p (1 − p)4 ≈ 0.8125.
Problema 4.
La temperatura X (en miles de grados centígrados) de un horno y la dureza Y de un material
luego de hornearlo tienen función de densidad conjunta:
(
k 2≤x≤4 ∧ 2 ≤ y − x/2 ≤ 3
fXY (x, y) =
0 en otro caso.
Ítem 2.
La probabilidad pedida es
P (Y > 4.5 ∧ X > 3)
p2 = P (Y > 4.5 | X > 3) = .
P (X > 3)
Dado que la distribución conjunta es uniforme en R, es sencillo vericar que P (Y > 4.5 ∧ X >
3) = 81 (basta con calcular el área de un triángulo y multiplicarla por 0.5). Como X tiene
distribución uniforme se tiene P (X > 3) = 12 . Con ambas probabilidades resulta p2 = 14 .
5
Prob. y Estad. Curso 2 2016
Ítem 3.