Documentos de Académico
Documentos de Profesional
Documentos de Cultura
386. El tiempo medido en horas para reparar una máquina es una variable
aleatoria exponencial de parámetro λ “ 1{2. ¿Cuál es la probabilidad
de que un tiempo de reparación
a) exceda 2 horas?
b) tome a lo sumo 4 horas?
c) tome a lo sumo 4 horas dado que no se ha logrado la reparación
en las primeras 2 horas?
a) Γpα ` 1q “ α Γpαq.
b) Γpα ` 1q “ α! si α es un entero positivo.
c) Γp2q “ Γp1q “ 1.
?
d) Γp1{2q “ π.
f pxq f pxq
λ“5
λ“4
λ“3 α“5
1/2 1/2 α“7
α “ 10
x x
1 2 3 4 5 6 1 2 3 4 5 6
(a) α “ 5 (b) λ “ 3
Figura 3.15
a) EpXq “ α{λ.
b) VarpXq “ α{λ2 .
X1 ` ¨ ¨ ¨ ` Xn „ gammapn, λq.
exppλq
exppλq
exppλq
exppλq
` ` ` ¨¨¨ `
gammapn, λq
Figura 3.16
Ejercicios
387. Use la definición de la función gamma para demostrar que la función
de densidad gamma efectivamente lo es.
388. Sea X una variable aleatoria con distribución gammapα, λq con α “ 2
y λ “ 3. Encuentre
a) P pX ă 1q c) P pX ă 1 | X ă 2q.
b) P pX ě 2q d ) P p1 ď X ď 2 | X ą 0q.
389. Sea X una variable aleatoria con distribución gammapα, λq. Use la
definición de esperanza para demostrar que
390. Moda. Sea X una variable aleatoria con distribución gammapα, λq.
Demuestre que si α ą 1 entonces X tiene una única moda dada por
α´1
x˚ “ .
λ
391. Momentos. Sea X una variable aleatoria con distribución gammapα, λq.
Demuestre que el n-ésimo momento de X es
αpα ` 1q ¨ ¨ ¨ pα ` n ´ 1q
EpX n q “ .
λn
392. Sea X una variable aleatoria con distribución gammapα, λq y sea c ą 0
una constante. Demuestre que
cX „ gammapα, λ{cq.
393. F.g.m. Sea X una variable aleatoria con distribución gammapα, λq.
Demuestre que la función generadora de momentos de X es la fun-
ción M ptq que aparece abajo. Usando esta función y sus propiedades
encuentre nuevamente la esperanza y la varianza de esta distribución.
ˆ ˙α
λ
M ptq “ para t ă λ.
λ´t
274 3. Distribuciones de probabilidad
394. Suma. Utilice la f.g.m. para demostrar que si X y Y son dos variables
aleatorias independientes con distribución gammapα1 , λq y gammapα2 , λq,
respectivamente, entonces
X ` Y „ gammapα1 ` α2 , λq.
Γpaq Γpbq
Bpa, bq “ .
Γpa ` bq
f pxq
x
(6) a “ 1, b “ 1
1
Figura 3.17
a
a) EpXq “ .
a`b
ab
b) VarpXq “ .
pa ` b ` 1qpa ` bq2
X
„ betapa, bq.
X `Y
Ejercicios
398. Propiedades de la función beta. Demuestre las siguientes propie-
dades de la función beta. La identidad peq será particularmente útil.
1 ´ X „ betapb, aq.
400. Sea X una variable aleatoria con distribución betapa, bq. Demuestre
que
a
a) EpXq “ .
a`b
apa ` 1q
b) EpX 2 q “ .
pa ` bqpa ` b ` 1q
278 3. Distribuciones de probabilidad
apa ` 1qpa ` 2q
c) EpX 3 q “ .
pa ` bqpa ` b ` 1qpa ` b ` 2q
ab
d ) VarpXq “ .
pa ` b ` 1qpa ` bq2
401. Momentos. Sea X una variable aleatoria con distribución betapa, bq.
Demuestre que el n-ésimo momento de X es
Bpa ` n, bq apa ` 1q ¨ ¨ ¨ pa ` n ´ 1q
EpX n q “ “ .
Bpa, bq pa ` bqpa ` b ` 1q ¨ ¨ ¨ pa ` b ` n ´ 1q
a) a ą 0, b “ 1.
b) a “ 1, b ą 0.
403. Moda. Sea X una variable aleatoria con distribución betapa, bq. De-
muestre que si a ą 1 y b ą 1, entonces X tiene una única moda dada
por
a´1
x˚ “ .
a`b´2
f pxq f pxq
α“4
α“8
α“3
1
α“5
α“2
α“1 α“2
x x
λ“1 λ“2
Figura 3.18
1
a) EpXq “ Γp1 ` 1{αq.
λ
1
b) VarpXq “ r Γp1 ` 2{αq ´ Γ2 p1 ` 1{αq s.
λ2
Ejercicios
404. Demuestre que la función de densidad Weibull efectivamente lo es.
405. Sea X una variable aleatoria con distribución Weibullpα, λq. Demues-
tre que la función de distribución es, para x ą 0,
# α
1 ´ e´pλxq si x ą 0,
F pxq “
0 en otro caso.
406. Sea X una variable aleatoria con distribución Weibullpα, λq. Demues-
tre que
3.12 Distribución Weibull 281
1
a) EpXq “ Γp1 ` 1{αq.
λ
1
b) EpX 2 q “ 2 Γp1 ` 2{αq.
λ
1
c) EpX 3 q “ 3 Γp1 ` 3{αq.
λ
1
d ) VarpXq “ 2 pΓp1 ` 2{αq ´ Γ2 p1 ` 1{αqq.
λ
407. Moda. Sea X una variable aleatoria con distribución Weibullpα, λq.
Demuestre que si α ą 1 entonces X tiene una única moda dada por
ˆ ˙1{α
1 α´1
x˚ “ .
λ α
1
EpX n q “ Γp1 ` n{αq.
λn
En consecuencia, la f.g.m. se puede expresar como
8 n
ÿ t 1
M ptq “ Γp1 ` n{αq.
n“0
n! λn
1 2 {2σ 2
f pxq “ ? e´px´µq , ´8 ă x ă 8,
2πσ 2
f pxq
x
µ
Figura 3.19
5
Carl Friedrich Gauss (1777-1855), matemático alemán.
3.13 Distribución normal 283
Por otro lado, usando integración por partes, es posible demostrar que para
una variable aleatoria X con distribución Npµ, σ 2 q,
a) EpXq “ µ.
b) VarpXq “ σ 2 .
Esto significa que, como hemos señalado antes, la campana está centrada en
el valor del parámetro µ, el cual puede ser negativo, positivo o cero, y que
la campana se abre o se cierra de acuerdo a la magnitud del parámetro σ 2 .
El siguiente caso particular de la distribución normal es muy importante.
X ´µ
Z“ „ Np0, 1q. (3.6)
σ
Ppa ă X ă bq “ Ppa ´ µ ă X ´ µ ă b ´ µq
a´µ X ´µ b´µ
“ Pp ă ă q
σ σ σ
a´µ b´µ
“ Pp ăZă q.
σ σ
Notación.
żx
1 2
φpxq “ ? e´x {2 , Φpxq “ φpuq du, ´8 ă x ă 8.
2π ´8
Por otro lado, a partir del hecho de que si X tiene distribución normal
estándar, entonces la variable ´X también tiene distribución normal estándar,
puede demostrarse que
Φp´xq “ 1 ´ Φpxq.
x zα
Figura 3.20
1. Φp1.65q “ 0.9505 .
2. Φp´1.65q “ 0.0495 .
3. Φp´1q “ 0.1587 .
‚
3.13 Distribución normal 287
1. Φpxq “ 0.3 .
2. Φpxq “ 0.75 .
#
1. x “ ´0.53 .
Respuestas:
2. x “ 0.68 .
‚
Ejemplo 3.17 Sea X una variable aleatoria con distribución Np5, 10q. Use
el proceso de estandarización y la tabla de la distribución normal estándar
para comprobar que
1. P pX ď 7q “ 0.7357 .
2. P p0 ă X ă 5q “ 0.2357 .
3. P pX ą 10q “ 0.0571 .
a) z0.1 “ 1.285 .
288 3. Distribuciones de probabilidad
b) z0.2 “ 0.845 .
Ejercicios
411. Demuestre que la función de densidad normal con parámetros µ y σ 2
P pµ ´ cσ ă X ă µ ` cσq “ 0.99 .
414. Sea X una variable aleatoria con distribución Npµ, σ 2 q. Demuestre que
a) EpXq “ µ.
b) EpX 2 q “ µ2 ` σ 2 .
3.13 Distribución normal 289
c) VarpXq “ σ 2 .
416. F.g.m. Sea X una variable aleatoria con distribución Npµ, σ 2 q. De-
muestre que la función generadora de momentos de X es la función
que aparece abajo. Usando esta función y sus propiedades encuentre
nuevamente la media y la varianza de esta distribución.
1
M ptq “ expt µt ` σ 2 t2 u.
2
420. Sean a ă b dos constantes positivas y sea Z una variable aleatoria con
distribución normal estándar. Demuestre que
? ?
P pa ă Z 2 ă bq “ 2 pΦp bq ´ Φp aqq.
421. Sea X una variable aleatoria con distribución Np5, 10q. Obtenga las
siguientes probabilidades en términos de la función Φpxq.
290 3. Distribuciones de probabilidad
422. Sea X una variable aleatoria con distribución Np10, 36q. Calcule
a) P pX ą 5q. d ) P pX ě 16q.
b) P p4 ă X ă 16q. e) P p|X ´ 4| ď 6q.
c) P pX ď 8q. f ) P p|X ´ 6| ą 3q.
424. Suponga que el tiempo promedio que le toma a una persona cual-
quiera terminar un cierto examen de inglés es de 30 minutos, con una
desviación estándar de 5 minutos. Suponiendo una distribución apro-
ximada normal con estos parámetros, determine el tiempo que debe
asignarse al examen para que el 95 % de las personas puedan terminar
el examen.
426. Sea X una variable aleatoria con distribución Npµ, σ 2 q. Demuestre que
la variable Y “ eX tiene como función de densidad la expresión que
3.14 Distribución ji-cuadrada 291
pln y ´ µq2
$
1
’
& ? expr´ s si y ą 0,
f pyq “ y 2πσ 2 2σ 2
’
0 en otro caso.
%
f pxq
1{2 n“1
n“2
n“3
n“4
x
1 2 3 4 5 6 7 8 9
Figura 3.21
a) EpXq “ n.
b) VarpXq “ 2n.
X 2 „ χ2 p1q.
X ` Y „ χ2 pn ` mq.
pn ´ 1q S 2
„ χ2 pn ´ 1q,
σ2
n n
1 ÿ 2 1ÿ
en donde S2 “ pXi ´ X̄q y X̄ “ Xi .
n ´ 1 i“1 n i“1
Para concluir esta sección mencionaremos que a través del siguiente coman-
do en R se pueden obtener valores seudoaleatorios de la distribución χ2 pnq.
Ejercicios
427. Compruebe que la función de densidad de la distribución χ2 pnq efec-
tivamente lo es.
429. Sea X una variable aleatoria con distribución χ2 pnq y sea c ą 0 una
constante. Defina los parámetros α “ n{2 y λ “ 1{p2cq. Demuestre
que
cX „ gammapα, λq.
431. Sea X una variable aleatoria con distribución χ2 pnq. Demuestre que
3.14 Distribución ji-cuadrada 295
432. Moda. Sea X una variable aleatoria con distribución χ2 pnq. Demues-
tre que si n ą 2 entonces X tiene una única moda dada por
x˚ “ n ´ 2.
433. Momentos. Sea X una variable aleatoria con distribución χ2 pnq. De-
muestre que el k-ésimo momento de X es
2k Γpn{2 ` kq
EpX k q “ “ npn ` 2q ¨ ¨ ¨ pn ` 2k ´ 2q.
Γpn{2q
434. F.g.m. Sea X una variable aleatoria con distribución χ2 pnq. Demues-
tre que la función generadora de momentos de X es la función que
aparece abajo. Use esta función y sus propiedades para encontrar nue-
vamente la esperanza y la varianza de esta distribución.
ˆ ˙n{2
1
M ptq “ para t ă 1{2.
1 ´ 2t
435. Suma. Use la f.g.m. para demostrar que si X y Y son variables aleato-
rias independientes con distribución χ2 pnq y χ2 pmq, respectivamente,
entonces
X ` Y „ χ2 pn ` mq.
436. Sea U una variable aleatoria con distribución unifp0, 1q. Demuestre
que
´2 lnpU q „ χ2 pnq, con n “ 2.