Hallar la función de probabilidad y la esperanza matemática de 𝑌 = | 𝑋 − 1| + 𝑋, para X una variable aleatoria discreta tal que:

Función Pr
x 0 1 2 3 Y=ǀ X-1 ǀ+ X y
f(x) 0.25 0.375 0.125 0.25 f(y)

->Encontramos la esperanza matemática de Y

E(Y)=∑y*f(y)=1*0.625+3*0.125+5*0.25
E(Y)=0.625+0.375+1.25= 2.25
able aleatoria discreta tal que:

Función Probabilidad
1 1 3 5
0.25 0.375 0.125 0.25
0.625
 3. La distribución de probabilidad de X, el número de defectos por cada 10 metros de una
tela sintética en rollos continuos de ancho uniforme es:

x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01

a. Grafique la distribución acumulada de X b. Encuentre la esperanza y varianza matemática

0 Si x<0 E(X)=∑x*f(x)=0*0.41+1*0.37+2*0.16+3*0.05+4*0.01=
0.41 Si 0≤x<1
0.78 Si 1≤x<2 V[X]=E[X]^2-(E[X])^2=[0*0.41+1*0.37+4*0.16+9*0.05+16
F(x) 0.94 Si 2≤x<3
0.99 Si 3≤x<4 e. A partir de la función generatriz de momentos halle lo pe
1 Si x≥4
(d/dt)M(t)=(d/dt)(0.41+0.37e^t+0.16e^2t+0.05e^3t+0.01e^
(d/dt)M(t)=(d/dt)*(0.41)+(d/dt)*(0.37e^t)+(d/dt)*(0.16e^2t
(d/dt)M(t)=0.37e^t+0.32e^2t+0.15e^3t+0.04e^4t

->Reemplamos t=0 para encontrar E(X) (Esperanza matemá

E(X)=0.37e^0+0.32e^(2*0)+0.15e^(3*0)+0.04e^(4*0)
E(X)=0.37*1+0.32*1+0.15*1+0.04*1
E(X)= 0.88

->Reemplamos en la fórmula de la varianza

σ²=E[X]^2-(E[X])^2=1.62-0.88^2=
varianza matemática c. Calcule la desviación estándar

1*0.37+2*0.16+3*0.05+4*0.01= 0.88 σ²=+(V[X])^0.5=+(0.8456)^0.5= 0.9196

0.41+1*0.37+4*0.16+9*0.05+16*0.01]-(0.88)^2= 0.8456

eratriz de momentos halle lo pedido en b.

e^t+0.16e^2t+0.05e^3t+0.01e^4t) (d^2/d^2*t)M(t)=(d/dt)(0.37e^t+0.32e^2t+0.1
/dt)*(0.37e^t)+(d/dt)*(0.16e^2t)+(d/dt)*(0.05e^3t)+(d/dt)*(0.01e^4t) (d^2/d^2*t)M(t)=(d/dt)*(0.37e^t)+(d/dt)*(0.3
2t+0.15e^3t+0.04e^4t (d^2/d^2*t)M(t)=0.37e^t+0.64e^2t+0.45e^3t+

contrar E(X) (Esperanza matemática) ->Reemplamos t=0 para encontrar E(X^2)

0.15e^(3*0)+0.04e^(4*0) E(X^2)=0.37e^0+0.64e^(2*0)+0.45e^(3*0)+0.1
E(X^2)=0.37*1+0.64*1+0.45*1+0.16*1
E(X^2)= 1.62

a de la varianza

0.8456
 d. Calcule la función generatriz de momentos

M(t)=E[e^tx]=e^(t*0)*0.41+e^(t*1)*0.37+e^(t*2)*0.16+e^(t*3)*0.05+e^(t*4)*0.01
M(t)=0.41+0.37e^t+0.16e^2t+0.05e^3t+0.01e^4t

t)=(d/dt)(0.37e^t+0.32e^2t+0.15e^3t+0.04e^4t)
t)=(d/dt)*(0.37e^t)+(d/dt)*(0.32e^2t)+(d/dt)*(0.15e^3t)+(d/dt)*(0.04e^4t)
t)=0.37e^t+0.64e^2t+0.45e^3t+0.16e^4t

s t=0 para encontrar E(X^2)

0+0.64e^(2*0)+0.45e^(3*0)+0.16e^(4*0)
+0.64*1+0.45*1+0.16*1
 t 1 3 5 7
F(t) 1/4 1/4 1/4 1/4

a) P(T=5)= f(5)= 1/4

b) P(T>3)= P(T=5)+P(T=7)= 1/2

c) P(1.4<T<6)= P(T=3)+P(T=5)= 1/2

 Y para la compañía B:
7. Sea X la variable aleatoria que representa el número de automóviles que se
utilizan para propósitos de negocios en un día cualquiera de trabajo. La
distribución de probabilidad para la compañía A está dada por: x
f(x)
x 1 2 3
f(x) 0.3 0.4 0.3 Demuestre que la varianza
para la compañía B es m

Para la compañía A

V[X]=E[X]^2-(E[X])^2=(1*0.3+4*0.4+9*0.3)-(1*0.3+2*0.4+3*0.3)^2
V[X]=4.6-2^2= 0.6

Para la compañía B

V[X]=E[X]^2-(E[X])^2=[0*0.2+1*0.1+4*0.3+9*0.3+16*0.1]-(0*0.2+1*0.1+2*0.3+3*0.3+4*0.1)^2
V[X]=5.6-2^2= 1.6
Y para la compañía B:

0 1 2 3 4
0.2 0.1 0.3 0.3 0.1

Demuestre que la varianza de la distribución de probabilidad

para la compañía B es mayor que la de la compañía A.

->Comparamos las varianzas de las compañias A y B

V[A]=0.6 Efectivamente, la varianza de la ccompañía

1.6>0.6 B es mayor al de la compañía A
V[B]=1.6