Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO I
CASO DISCRETO
x
e
f ( x) x=0, 1, 2, 3, …
x!
Entonces Correspondencia 1 a 1
g ( y) P(10 X 2 5X 4 y)
1 185 40 y
4 20
e
g ( y) y= - 4
1 185 40 y
!
4 20
1 185 40 y
4 20
e
g ( y) y=1, 26, 71,..
1 185 40 y
!
4 20
Ejemplo 2: Quince ejemplares de una población animal, de 17 en total, considerados en
vía de extinción en cierta región han sido atrapados, marcados y puestos en libertad para
que se mezclen en la población. Después de que habían tenido oportunidad de
mezclarse se seleccionó una muestra, sin reemplazo, de 15 de estos animales. Se define
como X al número de animales marcados que hay en la segunda muestra. Halle la
( X − 14 )
2
1
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Remplazando
A R x/x 13,14,15
X
(13 − 14 )
2
X 13 Y= = 0.05
20
(14 − 14 )
2
X 14 Y= =0
20
(15 − 14 )
2
X 15 Y= = 0.05
20
B = y / y = 0 , 0.05 → No existe correspondencia 1-1 entre A y B.
Y 0 0,05
P(Y=y) 0,2206 0,7795
2
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
X1
0 1 2 3 4
0 0.02 0.04 0.06 0.04 0.04 0.2
1 0.02 0.04 0.06 0.04 0.04 0.2
X2 2 0.01 0.02 0.03 0.02 0.02 0.1
3 0.04 0.08 0.12 0.08 0.08 0.4
4 0.01 0.02 0.03 0.02 0.02 0.1
0.1 0.2 0.3 0.2 0.2 1
f (0) = h(0, 0) + h(0,1) + h (1, 0 ) + h(0, 2) + h(2, 0) + h(0,3) + h(3, 0) + h(0, 4) + h(4, 0)
f (0) = 0.28
f (1) = h(1,1) + h(1, 2) + h(2,1) + h(1,3) + h(3,1) + h(1, 4) + h(4,1)
f (1) = 0.30
f (2) = h(2, 2) + h(2,3) + h(3, 2) + h(2, 4) + h(4, 2)
f (2) = 0.22
f (3) = h(3,3) + h(3, 4) + h(4,3) = 0.18
f (4) = h(4, 4) = 0.02
Y1 = min( X1 , X 2 )
Y1 0 1 2 3 4
P(Y1=y1) 0.28 0.3 0.22 0.18 0.02
3
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
f (0, 0) = h(0, 0) = 0.02
f (0,1) = h(0,1) + h(1, 0) = 0.06
f (0, 2) = h(0, 2) + h(2, 0) = 0.07
f (0,3) = h(0,3) + h(3, 0) = 0.08
f (0, 4) = h(0, 4) + h(4, 0) = 0.05
f (1,1) = h(1,1) = 0.04
f (1, 2) = h(1, 2) + h(2,1) = 0.08
f (1,3) = h(1,3) + h(3,1) = 0.12
f (1, 4) = h(1, 4) + h(4,1) = 0.06
f (2, 2) = h(2, 2) = 0.03
f (2,3) = h(2,3) + h(3, 2) = 0.14
f (2, 4) = h(2, 4) + h(4, 2) = 0.05
f (3,3) = h(3,3) = 0.08
f (3, 4) = h(3, 4) + h(4,3) = 0.1
f (4, 4) = h(4, 4) = 0.02
Y1
0 1 2 3 4
0 0.02 0 0 0 0 0.02
1 0.06 0.04 0 0 0 0.1
Y2 2 0.07 0.08 0.03 0 0 0.18
3 0.08 0.12 0.14 0.08 0 0.42
4 0.05 0.06 0.05 0.1 0.02 0.28
0.28 0.3 0.22 0.18 0.02 1
a. Resuelva el problema asumiendo que las selecciones son al azar, con reemplazo y sin
considerar el orden de extracción.
Solución
4
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
P ( X = 2, Y = 0 ) = P ( X = 2 ) P (Y = 0 X = 2 ) =
20 + 2 − 118 + 0 − 1 20 + 0 − 1 18 + 2 − 1
=
2 0 0 2 210
=
n () n () 3211
20 + 2 − 118 + 0 − 1 20 + 1 − 118 + 1 − 1
P ( X = 2, Y = 1) =
2 0 1 1 8400
=
n () n () 61009
20 + 2 − 118 + 0 − 1 20 + 2 − 1 18 + 0 − 1
P ( X = 2, Y = 2 ) =
2 0 2 0 4900
=
n () n () 61009
Si primero es seleccionado un río de la cuenca del Amazonas (A) y uno de la cuenca del
Pacífico (P) quedan 20 A y 18 P entonces pueden ocurrir alguno de los siguientes casos:
20 + 1 − 118 + 1 − 1 20 + 0 − 118 + 2 − 1
P ( X = 1, Y = 0 ) =
1 1 0 2 360
=
n () n () 3211
20 + 1 − 118 + 1 − 1 20 + 1 − 118 + 1 − 1
P ( X = 1, Y = 1) =
1 1 1 1 14400
=
n () n () 61009
20 + 1 − 118 + 1 − 1 20 + 2 − 118 + 0 − 1
P ( X = 1, Y = 2 ) =
1 1 2 0 8400
=
n () n () 61009
20 + 0 − 118 + 2 − 1 20 + 0 − 118 + 2 − 1
P ( X = 0, Y = 0 ) =
0 2 0 2 9
=
n () n () 169
20 + 0 − 118 + 2 − 1 20 + 1 − 118 + 1 − 1
P ( X = 0, Y = 1) =
0 2 1 1 360
=
n () n () 3211
20 + 0 − 118 + 2 − 1 20 + 2 − 118 + 0 − 1
P ( X = 0, Y = 2 ) =
0 2 2 0 210
=
n () n () 3211
5
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
X
0 1 2
0 9 360 210
169 3211 3211
1 360 14400 8400
Y
3211 61009 61009
2 210 8400 4900
3211 61009 61009
(X,Y) S = X+ Y P = XY Probabilidad
(0,0) 0 0 9
169
(0,1) 1 0 360
3211
(0,2) 2 0 210
3211
(1,0) 1 0 360
3211
(1,1) 2 1 14400
61009
(1,2) 3 2 8400
61009
(2,0) 2 0 210
3211
(2,1) 3 2 8400
61009
(2,2) 4 4 4900
61009
Respuesta
S
0 1 2 3 4
0 9 720 420 0 0
169 3211 3211
1 0 0 14400 0 0
61009
P
2 0 0 0 16800 0
61009
4 0 0 0 0 4900
61009
b. Resuelva el problema asumiendo que las selecciones son al azar, con reemplazo y
considerando el orden de extracción. (Queda como ejercicio)
6
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
c. Resuelva el problema asumiendo que las selecciones son al azar y sin reemplazo.
(Queda como ejercicio)
CASO CONTINUO
A = x / ( −1 x 0 ) ( 0 x 1)
B = t / ( 2 t 4 ) ( 0 t 2 )
I1 I2
correspondencia 1-1 entre A y B
t t
FT ( t ) = P (T t ) = P ( −2 X + 2 t ) = P X − + 1 = 1 − P X − + 1 =
2 2
− 2t +1 t
− +1
(t − 4) t 2
2
1 2
FT ( t ) = 1 − (1 + x ) dx I1 + + (1 − x ) dx I 2 = 1 − I1 + 1 − 1 − I 2
−1 2 0 8 8
dF ( t ) ( t − 4 ) t
fT ( t ) = T = I1 + I 2
dt 4 4
A = x / ( −1 x 0 ) ( 0 x 1)
B = g/1 g 2
No existe correspondencia 1-1 entre A y B
7
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
FG ( g ) = P ( G g ) = P ( X 2 + 1 g ) = P ( X 2 g − 1) = P − g − 1 X g − 1 = ( )
0 g −1
FG ( g ) = (1 + x ) dxI( ) ( g ) + (1 − x ) dxI( ) ( g ) =
1,2 1,2
− g −1 0
FG ( g ) = 2 g − 1 − ( g − 1) I (1,2) ( g )
dFG ( g ) 1
fG ( g ) = = − 1 I (1,2) ( g )
dg g −1
1
1 y
g ( y) e 2
, y B y X 2 (1)
2 y
Ejemplo 3:
Una empresa vende comida en la modalidad de “delivery” y de acuerdo a la distancia de
pedido la empresa ofrece llevarle la mercadería en determinado tiempo. Los adelantos o
atrasos en minutos de la entrega tienen la siguiente función de densidad.
2x
fx ( x) = I ( x)
125 −5,10
a. Obtenga la densidad de la propina (en u.m) que recibirá la persona que hace la
entrega que es P = 20 − X .
Solución
8
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Gráfico 1
30
25
20
P
15
10
5
-5 0 5 10
A = x / −5 x 10
B = p /10 p 25
G p ( p ) = P ( P p ) = P (20 − x p ) = P ( x 20 − p )
10
2x 10
2x 0
−2 x
G p ( p) = dx = dxI10,20 ( p ) + k + dxI20,25 ( p )
20 − p
125 20 − p
125 20− p 125
4 ( 20 − p )2 4 ( 20 − p )2
G p ( p) = − I10,20 ( p ) + + I20,25 ( p )
5 125
5 125
G p ( p) 2 ( 20 − p ) 2 ( 20 − p )
g p ( p) = =− I20,25 ( p ) + I10,20 ( p )
p 125 125
b. Obtenga el valor del monto de propina esperado por la persona que hace la entrega.
25
2 ( 20 − p ) 20
2 ( 20 − p ) 46
E p = − p dp + p dp = = 15.3u.m
20
125 10
125 3
9
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Teorema
Si Z = FX ( x ) demuestre que f Z ( z ) = I0,1 ( z ) .
Solución
FZ ( z ) = P ( Z z ) = P ( FX ( x ) z ) = P FX−1 FX ( x ) FX−1 ( z ) = P ( X FX−1 ( z ) ) =
= FX FX−1 ( z ) = z
dF ( z )
→ fZ ( z ) = Z = 1 = I0,1 ( z )
dz
X -2 -1 0 1 2
Con los números aleatorios: 0.081, 0.100, 0.350, 0.820 y 0.990, halle una muestra de
tamaño 5.
0.0 , x −2
0.1 , − 2 x −1
0.3 , −1 x 0
F ( x) =
0.5 , 0 x 1
0.8 , 1 x 2
1.0 , 2 x
x f(x) F(x) U
10
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
0.081 F ( −2 ) = 0.1 → X = −2
0.100 = F ( −2 ) 0.1 F ( −1) = 0.3 → X = −1
0.300 = F ( −1) 0.35 F ( 0 ) = 0.5 → X = 0
0.800 = F (1) 0.82 F ( 2 ) = 1 → X = 2
0.800 = F (1) 0.99 F ( 2 ) = 1 → X = 2
Muestra = −2, −1, 0, 2, 2
Sea X una v.a.c con distribución acumulada F y sea la v.a.c U ~ Uniforme ( 0,1) . Hacer
U = F ( x ) , resuelva para x, y asignar X=x.
0 , x −4 U
x
2t 16 x 2 16
F ( x ) = − dt = − , − 4 x 0 0, 41 = 0, 0.390244 )
−4 41 41 41
16
16
x
2t 16 x 2
41 ,1 = 0.390244,1)
+ dt = + , 0 x 5
41 0 41 41 41
16 x 2 16
F ( x ) = − = U → X = − 16 − 41U , 0 U
41 41 41
2
16 x 16
F ( x ) = + = U → X = + 41U − 16 , U 1
41 41 41
X −
Z= → X = + Z = 4 + 3Z
11
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Ejemplo 7: La empresa “PanzaSexy” trabaja en el rubro que se dedica a bajar de peso a
sus clientes. Esta empresa, con ayuda de un Ingeniero Estadístico Informático, ha
establecido que el peso X en Kg que baja un cliente en determinado lapso tiene
x
densidad f ( x ) = I ( x ) . “PanzaSexy” cobra 462 soles por ese lapso y se
200 ( 0,20)
compromete a lo siguiente. Si el cliente baja menos de 5 Kg le devuelve 312 soles, y si
baja entre 5 y 8 Kg le devuelve 512 − 8x2 soles, y si baja más de 8 Kg no le devuelve
nada. Con los números aleatorios 0.048, 0.062, 0.158, 0.162 genere una muestra
aleatoria de la ganancia de la empresa por cliente.
x x2
f ( x) = I ( 0,20) ( x ) → F ( x ) =
200 400
462 , x 8
0 , g 150
P 8 X 2 − 50 g = P − g + 50 X g + 50 =
( ) 8 8
FG ( g ) = P ( G g ) = g + 50
g + 50 8
x g + 50
= P 0 X = dx = , 150 g 462
8 0
200 3200
1 , g 462
Gráfico 2
0.4
0.2
0.0
0 , g 150
g + 50
FG ( g ) = , 150 g 462
3200
1 , g 462
12
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Para la parte continua:
U
g + 50
FG ( g ) = = U → g = 3200U − 50, 0.0625, 0.16 )
3200
Para la parte mixta
1
16 , g = 150
1 , 150 g 462
fG ( g ) = 3200
21
, g = 462
25
0 , de otro modo
200 1
P ( G = 150 ) = −0 =
3200 16
462 + 50 21
P ( G = 462 ) = 1 − =
3200 25
Para la parte discreta
U
0 , g 150, ( −, 0 )
1
FG ( g ) = =0.0625 , 150 g 462, 0, 0.0625)
16
1 462 1 21
+ dg + =1 , g 462, 0.16,1)
16 150 3200 25
0.16
0
, de otro modo
Teorema
13
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Prueba de fV ( v )
Primera manera
FV ( v ) = P (V v ) = P ( X − Y v ) = f X ,Y ( x, y ) dxdy
X −Y v
v+ y
FV ( v ) = f X ,Y ( x, y ) dxdy
− −
Hacemos: x − y = t x = t + y dx = dt
x → − t → −
cuando:
x = v + y t = v
v v
FV ( v ) = f X ,Y ( t + y, y ) dtdy = − − f X ,Y (t + y, y ) dy dt
− −
dFV ( v )
fV ( v ) = = f X ,Y ( v + y, y ) dy
dv −
Segunda manera
FV ( v ) = P (V v ) = P ( X − Y v ) = f X ,Y ( x, y ) dxdy
X −Y v
FV ( v ) = f X ,Y ( x, y ) dydx
− x − v
Hacemos: x − y = t y = x − t dy = −dt
y = x −v t → v
cuando:
y → t = −
− v
FV ( v ) = − f X ,Y ( x, x − t ) dtdx = f X ,Y ( x, x − t ) dtdx
− v − −
v
FV ( v ) = f X ,Y ( x, x − t ) dx dt
− −
dF ( v )
fV ( v ) = V = f X ,Y ( x, x − v ) dx
dv −
Teorema
14
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
1 z 1 z
fZ ( z ) = f X ,Y x, dx = f X ,Y , y dy y
−
x x −
y y
fU ( u ) = y f X ,Y ( uy, y ) dy
−
Prueba de fU ( u )
X
FU ( u ) = P (U u ) = P u = f X ,Y ( x, y ) dxdy
Y X
u
Y
x Si y 0 x uy : R1
u
y Si y 0 x uy : R2
R = R1 R2 f X ,Y ( x, y ) dxdy = f X ,Y ( x, y ) dxdy + f X ,Y ( x, y ) dxdy
R R1 R2
0 uy
FU ( u ) = f ( x, y ) dxdy +
X ,Y f X ,Y ( x, y ) dxdy
− uy 0 −
x
Haciendo: = t x = ty dx = ydt
y
x = uy t = u
y 0
x → t → −
Cuando
y 0 x → − t → −
x = uy t = u
0 − u
FU ( u ) = f X ,Y ( ty, y )( ydt ) dy + f X ,Y ( ty, y )( ydt ) dy =
− u 0 −
0 u u
FU ( u ) = − yf ( ty, y ) dtdy + yf ( ty, y ) dtdy =
X ,Y X ,Y
− − 0 −
u
0
FU ( u ) = − − X ,Y ( ) 0 yf X ,Y ( ty, y ) dy dt
− yf ty , y dy +
u
FU ( u ) = y f X ,Y ( ty, y ) dy dt
− −
dF ( u )
fU ( u ) = U = y f X ,Y ( uy, y ) dy
du −
15
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
f ( x, y ) = k → f ( x, y ) dxdy = kdxdy = 1
− − − −
1 1− y 0 1+ x 1 1− x
f ( x, y ) = 1 0 y 1, y −1 x 1 − y
Determine la densidad de X + Y
u = x+ y x =u− y
y −1 x 1 − y 2 y −1 u 1 , 0 y 1
16
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
fu ( u ) = f x , y ( u − y, y ) dy
−
u +1
2
u +1
fu ( u ) = 1dy = I (u )
0
2 ( −1,1)
Determine la densidad de X – Y
v = x− y x =v+ y
y −1 x 1 − y −1 v 1 − 2 y , 0 y 1
fv ( v ) = f x , y ( v + y, y ) dy
−
1− v
2
1− v
fv ( v ) = 1dy = I (v)
0
2 ( −1,1)
Determine la densidad de X Y
17
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
z = xy
y −1 x 1 − y
( y − 1) y xy (1 − y) y
y2 − y z y − y2 , 0 y 1
1 z
fZ ( z ) = f X ,Y , y dy
−
y y
1+ 1+ 4 z 1+ 1− 4 z
2 2
1 1
fZ ( z ) = .1dyI 1 ( z ) + .1 dyI 1 ( z )
1− 1+ 4 z
y − ,0
4 1− 1− 4 z
y 0,
4
2 2
1+ 1+ 4z 1+ 1− 4z
f Z ( z ) = ln( ) I 1 ( z ) + ln( ) I 1 ( z )
1 − 1 + 4 z 4
− ,0 1 − 1 − 4 z 0, 4
Determine la densidad de X /Y
18
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
U = X /Y − U y − 1 x 1 − y
1 x 1 1 1
1− −1 1 − U −1 , 0 y 1
y y y y y
fU ( u ) = y f X ,Y ( uy, y ) dy
−
1 1
u +1 1−u
fU ( u ) = y.1 dyI ( 0, ) ( u ) + y.1 dyI ( −,0) ( u )
0 0
1 1
fU ( u ) = 2 ( 0, ) ( )
I u + I (u )
2(u + 1) 2(1 − u ) 2 ( −,0)
a = x+ y
20 a 30
x=a− y
a− y 0→a y 0
a
3( a − y ) y a3
g (a) = f ( a − y, y ) dy = dy = I (a)
− 0
81250 162500 ( 20,30)
X 1 X 1 X 1
y1 y 2 y n
X 2 X 2 X 2
J = y1 y 2 y n
X n X n X n
y1 y 2 y n
2x
fx ( x) = I ( x)
125 −5,10
Halle la densidad de Y = 8 ( X + 2 ) .
2
Solución
20
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
y
1000
0.5
x 2
8
800
600
y
400
y
200
0.5
x 2
8
0
-5 0 5 10
Gráf.21
1 1
− −
1 y 2 1 y 2
J1 = − , J2 =
16 8 16 8
1
−
1
1
−
1
y 1 y y 1 y
g ( y ) = f −2 − − I ( 0,72) ( y ) + f −2 + I ( 0,32) ( y ) +
2 2 2 2
8 16 8 8 16 8
1
−
1
y 1 y
+ f −2 + I (32,1152) ( y )
2 2
8 16 8
1
−
1
1
−
1
2 y 2 1 y 2 2 y 2 1 y 2
g ( y) = 2+ I ( y) + 2− I ( y) +
125 8 16 8 ( 0,72) 125 8 16 8 ( 0,32)
1
−
1
2 y 2 1 y 2
+ −2 + I (32,1152) ( y )
125 8 16 8
1
1
1
1 y 2 1 y 2 1 y 2
g ( y) = 1 + 2 I ( 0,72) ( y ) + −1 + 2 I ( 0,32) ( y ) + 1 − 2 I (32,1152 ) ( y )
1000 8 1000 8 1000 8
1
1
1 y 2 1 1 y 2
g ( y) = I ( y ) + I ( y ) + 1 − 2 I ( 72,1152) ( y )
250 8 ( 0,32) 500 (32,72) 1000 8
21
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Ejemplo 2: Sea X la cantidad en mg de una vitamina 1 en 100 gr de tomate e Y la
cantidad en mg de una vitamina 2 en 100 gr de tomate de cierta variedad. La densidad
3xy
conjunta de X e Y es f ( x, y ) = ,I ( x ) I(0,) ( y ) I ( 20,30) ( x + y ) .
81250 ( 0, )
a. Determine la densidad del contenido total de estas dos vitaminas en 100 gr de esa
variedad de tomate.
a = x+ y c= y
¿ h ( k , l ) = h ( m, n ) k = m , l = n ?
k + l = m + n
( k + l , l ) = ( m + n, n ) k +l = m+l k = m y l=n
l = n
La correspondencia es 1 − 1
a = x+ y c= y
dx dx
da dc 1 -1
x = a−c y=c→J = = =1
dy dy 0 1
da dc
A* = ( x, y ) / x 0, y 0, 20 x + y 30
20 a 30 0 a−c c0
ac0
B = ( a, c ) / 20 a 30, a c 0
3( a − c) c 3( a − c ) c
g ( a , c ) = f ( a − c, c ) J = 1= , ( a, c ) B
81250 81250
a
3( a − c) c a3
g (a) = dc = I (a)
0
81250 162500 ( 20,30)
22
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
b. Halle la densidad de A = X − Y .
a = x− y c= y
1 1
x = a+c y=c→J = =1
0 1
A* = ( x, y ) / x 0, y 0, 20 x + y 30
y0 x0 c0
c0 0 a+c
a −c
20 x + y 30 → 20 a + c + c 30 → 20 a + 2c 30,
B = ( a, c ) / 20 a + 2c 30, a −c, c 0
3( a + c ) c 3( a + c ) c
g ( a, c ) = f ( a + c, c ) J = 1= , ( a, c ) B
81250 81250
23
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
30 − a 30 − a 30 − a
2
3( a + c ) c 2
3( a + c ) c 2
3( a + c ) c
g (a) = dcI ( −30,−20) ( a ) + dcI ( −20,20) ( a ) + dcI ( 20,30) ( a ) =
−a
81250 20 − a 81250 0
81250
2
g (a) =
(15 − a )( a + 30 )
2
I ( −30,−20) (a) +
(1900 − 3a ) I 2
(a) +
( a − 30 ) ( a + 15) I
2
(a)
( −20,20 ) ( 20,30)
325000 65000 325000
X
c. Obtenga la densidad de A =
Y
24
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
x
a= c= y
y
c a
x = ac y=c→J = =c
0 1
A* = ( x, y ) / x 0, y 0, 20 x + y 30
x0 y0
ac 0 c0
a0
20 x + y 30
20 ac + c 30
20 30 20 30
a +1 → −1 a −1
c c c c
20 30
B = ( a, c ) / −1 a − 1, a 0, c 0
c c
3 ( ac ) c 3ac3
g ( a, c ) = f ( ac, c ) J = c = , ( a, c ) B
81250 81250
30
a +1
3ac3 6a
g (a) = dc = I 0, ( a )
( a + 1) ( )
4
20 81250
a +1
U = X1 + X 2 X1 = U − Z 1 −1
→ → J = =1
Z = X2 X2 = Z 0 1
A = ( x1 , x2 ) / 0 x1 , x2
0u−z y 0 z
−u − z y 0 z
− z u y 0 z
0 zu y 0 z
B = ( u, z ) / 0 z u, 0 z, 0 u
f ( x1 , x2 ) = 12e − 1x1 e − 2 x2 , ( x1 , x2 ) A
12
g (u ) = e − u − e − u I ( 0, ) ( u )
1 1
2 − 1
n
Nota: Se dice que X ~ Hipoexponencial ( i ) , i = 1, 2, , n si se cumple que X = Yi ,
i =1
1
donde Yi ~ Exponencial con media .
i
26
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
V = X1 + X 2 + X 3 = U + X 3 U = V − Z 1 −1
→ → J = =1
Z = X3 X3 = Z 0 1
A = ( u , x3 ) / 0 u , x3
0v−z y 0 z
−v − z y 0 z
− z v y 0 z
0 zv y 0 z
B = ( v, z ) / 0 z v, 0 z, 0 v
f1 ( u, x3 ) = 1 2 ( e − 1u − e − 2u ) 3e − 3 x3 , ( u , x3 ) A
2 − 1
123 − ( v − z ) − ( v − z ) − z
g ( v, z ) = f1 ( v − z , z ) J = e 1
−e e 1 =
2 1
2 − 1
123 − v −( − ) z − v −( − ) z
g ( v, z ) = e 1
−e 3 1
, ( v, z ) B
2 3 2
2 − 1
e−( 2 −1 ) z
u
v u
g ( v ) = g ( v, z ) dz = 12e − 1u
e
−( 2 − 1 ) z
dz = 12e − 1u
− =
2 − 1 0
1 2
0 0
123 e− v − e− v e− v − e− v
g (v) = (v)
1 3 2 3
− I
2 − 1 3 − 1 3 − 2 ( 0, )
1 e− 3 x − e− 4 x e− 2 x − e− 4 x
−
1234 3 − 2 4 − 3 4 − 2
Respuesta f X ( x ) = I ( 0, ) ( x ) .
2 − 1 1 e− 3 x − e − 4 x e − 1x − e − 4 x
− −
3 − 1 4 − 3 4 − 1
−
w1
−1 −W21
w1 = −2 ln u1 u1 = e 2
J= e
2
w1
− 1 − w21 1
g ( w1 ) = fU1 (e 2
)J = e g ( w1 ) exp( )
2 2
27
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
w2 1
w2 = 2 u2 u2 = J=
2 2
w2 1
g ( w2 ) = fU 2 ( )J = g (w2 ) Unif (0, 2 )
2 2
x x 1
Cos ( w2 ) − w1 Sen ( w2 )
w1 w2 2 w1
J* = =
y y 1
Sen ( w2 ) w1 Cos ( w2 )
w1 w2 2 w1
1 1 1 1
J* = Cos 2 ( w2 ) − (− Sen 2 ( w2 )) = J= =2
2 2 2 J*
y
x 2 + y 2 = w1 arctan = w2
x
y
f ( x, y ) = g x 2 + y 2 , arctan J
x
2
+ y2 )
1 −(x
f ( x, y ) = e 2
2
2 2
1 − x2 1 − y2
f ( x, y ) = e e
2 2
f ( x, y) = f ( x) f ( y) → X N (0,1) e Y N (0,1)
4
− zi
Ejemplo 5: f ( z1 , z2 , z3 , z4 ) = 24 e i =1
, 0 z1 z2 z3 z4 es la densidad conjunta
de Z1 , , Z 4 y D1 = Z1 , D2 = Z2 − Z1 , D3 = Z3 − Z2 , D4 = Z4 − Z3 . Halle la densidad de
D4 .
Z1 Z1 Z1
D1 D2 D4
Z1 = D1
Z 2 Z 2 Z 2
Z 2 = D2 + D1
J = D1 D2 D4 =1
Z 3 = D2 + D1 + D3
Z 4 = D2 + D1 + D3 + D4
Z 4 Z 4 Z 4
D1 D2 Dn
28
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
g ( d1 , d 2 , d3 , d 4 ) = f ( d1 , d 2 + d1 , d 2 + d1 + d 3 , d 2 + d1 + d 3 + d 4 ) J
g ( d1 , d 2 , d3 , d 4 ) = 24 e
−( 4 d1 + 3 d 2 + 2 d3 +1d 4 )
1
(
g ( d1 , d 2 , d3 , d 4 ) = ( 4e −4 d1 )( 3e −3d2 ) 2e −2 d3 (1e −1d4 ) ) , di 0, i = 1, 2,3, 4
g ( d1 , d 2 , d3 , d 4 ) = g (d1 ) g (d 2 ) g (d3 ) g ( d 4 ) D4 exp(1)
W X
1 1 1
f ( x, y ) = = 2 =
Area r 20
R = X 2 +Y 2 X X
R W cos(W ) − Rsen(W )
X = R cos(W ) J= = =R
Y Y sen(W ) R cos(W )
Y = Rsen(W )
R W
R
g (r , w) = f (r cos( w), rsen( w)) J = , 0 r 20, 0 w 2
20
2
R R
g (r ) = 20 dw = 10
0
1
Z = R2 J=
2 Z
29
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
2t
Ejemplo 7: Si T es tal que f ( t ) = I ( t ) y W es independiente de T tal que
15 (1,4)
P (W = 200 ) = 0.8 y P (W = −5 ) = 0.2 .
a. Halle la densidad de X = WT
x 1
X = WT → x = 200t , w = 200 → 200 x 800 → t = → J1 =
200 200
x 1
X = WT → x = −5t , w = −5 → −20 x −5 → t = − → J 2 = −
5 5
Por independencia:
2t 2t
g ( w, t ) = 0.8 I (1,4) ( t ) I200 ( w ) + 0.2 I (1,4) ( t ) I−5 ( w )
15 15
2 x 1 2 x 1
f ( x ) = 0.8 I ( 200,800) ( x ) + 0.2 − − I ( −20,−5) ( x )
15 200 200 15 5 5
x 2x
f ( x) = I ( 200,800) ( x ) − I ( x)
375000 1875 ( −20,−5)
b. Obtenga la densidad de X = W + T
X = W + T → x = 200 + t , w = 200 → t = x − 200 → J1 = 1
X = W + T → x = −5 + t , w = −5 → t = x + 5 → J 2 = 1
Por independencia:
2t 2t
g ( w, t ) = 0.8 I (1,4) ( t ) I200 ( w ) + 0.2 I (1,4) ( t ) I−5 ( w )
15 15
2 2
f ( x ) = 0.8 ( x − 200 ) 1 I ( 201,204) ( x ) + 0.2 ( x + 5 ) 1 I ( −4,−1) ( x )
15 15
8 ( x − 200 ) 2 ( x + 5)
f ( x) = I ( 201,204) ( x ) + I ( −4,−1) ( x )
75 75
Ejemplo 8: Suponga que el número de ríos X de la cuenca del Pacífico que se
desbordan en el mes de marzo tiene la siguiente distribución
f X ( x ) = 0.1I5 ( x ) + 0.3I8 ( x ) + 0.6 I10 ( x ) .
Además, se sabe que la pérdida total Y en marzo, por huaicos, en um es tal que
fY ( y ) =
( y − 80 ) I (150 − y )
[80,100] ( y ) + I[100,150] ( y ) . Si se considera X independiente
700 1750
de Y. Halle la densidad de la pérdida, por río, en marzo.
Solución
Y
Z= →
X
Y
z = , x = 5 → 16 z 20 20 z 30 → y = 5 z → J1 = 5
5
Y
z = , x = 8 → 10 z 12.5 12.5 z 18.75 → y = 8 z → J 2 = 8 30
8
Y
z = , x = 10 → 8 z 10 10 z 15 → y = 10 z → J 3 = 10
10
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Por independencia:
f ( x, y ) = f ( x ) f ( y ) = 0.1 fY ( y ) + 0.3 fY ( y ) + 0.6 fY ( y )
y − 80 150 − y
f ( x, y ) = 0.1 I (80,100) ( y ) + I (100,150) ( y ) I5 ( x ) +
700 1750
y − 80 150 − y
0.3 I (80,100) ( y ) + I (100,150) ( y ) I8 ( x ) +
700 1750
y − 80 150 − y
0.6 I (80,100) ( y ) + I (100,150) ( y ) I10 ( x )
700 1750
Entonces
5 z − 80 150 − 5 z
f Z ( z ) = 0.1 I (16,20) ( z ) + I ( 20,30) ( z ) 5 +
700 1750
8 z − 80 150 − 8 z
0.3 I (10,12.5) ( z ) + I (12.5,18.75) ( z ) 8 +
700 1750
10 z − 80 150 − 10 z
0.6 I (8,10) ( z ) + I (10,15) ( z ) 10
700 1750
X i
demuestre que U = n
i =1
m
Beta ( n, m ) y por lo tanto es un Pivote (Se llama
X
i =1
i + Yi
i =1
n
1
A = Xi Gamma n,
i =1 X
m
1
B = Yi Gamma m,
i =1 Y
n m
1 1 1 1 1 1
fA (a) = a n −1 exp − a y f B (b ) = b m−1 exp − b
X (n) X Y ( m ) Y
1 1
a n−1b m−1 exp − a − b
f A, B ( a, b ) = X Y
I ( 0, ) ( a ) I ( 0, ) ( b )
X Y ( n ) ( m )
n m
a
Sean: u = y v = a + b
a + b
31
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Verificación de si es uno a uno la correspondencia
¿ h ( k , l ) = h ( m, n ) k = m , l = n ?
k m
k m k + l = m + n = k =m
, k + l = , m + n k + l k + l
k + l m + n k + l = k + n l = n l = n
La correspondencia es 1 − 1
v u
v − uv v
a = uv , b = J = v 1− u =
−
m −1
v − uv 1 1 v − uv
( uv )
n −1
exp − uv −
X Y v
fU ,V ( u, v ) =
Xn Ym ( n ) ( m )
X
Como =
Y
u n −1 (1 − u )
m −1
v
fU ,V ( u, v ) = n + m v n + m−1 exp − I ( 0,1) ( u ) I ( 0, ) ( v )
X ( n) ( m) X
Explicación del rango de la variable (U ,V )
v − uv
a = uv b=
0a 0b
v − uv
0 uv 0
0v 0 v − uv
− v −uv
−1 −u − u 1 0 u 1
u n −1 (1 − u ) u n −1 (1 − u )
m −1 m −1
v v
fU ( u ) = n + m v n + m−1 exp − dv = v n + m−1 exp − dv =
0
X ( n) ( m) X X ( n) (m) 0
n+m
X
u n −1 (1 − u ) ( m + n − 1) + 1
m −1
fU ( u ) = n + m
X ( n ) ( m ) 1 ( m+ n −1)+1
X
( m + n ) n −1
fU ( u ) = u (1 − u ) I ( 0,1) ( u ) U ~ Beta ( n, m )
m −1
( n) ( m)
32
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
2 ( x + 2)
Ejemplo 9: Si f ( x ) = I ( −2,3) ( x ) , determine la densidad de Y = X 2 .
25
A = x / −2 x 3
A^ = x / −2 x 2 No uno a uno
A1 = x / −2 x 0 B1 = y / 0 y 4 Uno a uno
A2 = x / 0 x 2 B2 = y / 0 y 4 Uno a uno
A* = A1 A2 = x / −2 x 2, x 0
y −1/2 y −1/2
( ) ( )
2
g ( y) = f wi ( y ) J i = f − y − I ( y) + f y I ( y)
i =1 2 ( 0,4) 2 ( 0,4)
g ( y) =
( )
2 − y + 2 y −1/2
I ( 0,4) ( y ) +
2 ( )
y + 2 y −1/2
2 I ( 0,4) ( y )
25 2 25
4 y −1/2
g ( y) = I ( y)
25 ( 0,4)
De otro lado:
y −1/2
A3 = x / 2 x 3 B3 = y / 4 y 9 Uno a uno. x = w3 ( y ) = y → J 3 =
2
33
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
y −1/2 2 ( )
y + 2 y −1/2
( )
3
g ( y ) = f wi ( y ) J i = f y I ( 4,9) ( y ) = 2 I ( 4,9) ( y )
i =3 2 25
2 y −1/2 + 1
g ( y) = I ( 4,9) ( y )
25
En conclusión:
4 y −1/2 2 y −1/2 + 1
g ( y) = I ( 0,4) ( y ) + I ( 4,9) ( y )
25 25
x
Ejemplo 10: f ( x, y ) = I ( x ) I ( 0,2) ( y ) y sean V = X − Y y U = X + Y .
4 ( 0,2)
¿ h ( a , b ) = h ( c, d ) → a = c , b = d ?
a −b = c −d
( a − b , a + b ) = ( c − d , c + d ) →
a + b = c + d
Probando con: a = 0.4, b = 0.2, c = 0.2 y d = 0.4 se tiene:
( 0.4 − 0.2 , 0.4 + 0.2 ) = ( 0.2 − 0.4 , 0.2 + 0.4 ) → ( 0.2, 0.6 ) = (0.2, 0.6 ) pero a c y b d
Por lo tanto, la correspondencia no es uno a uno.
V = X −Y U = X +Y
0v2 0u4
A = ( x, y ) / 0 x 2, 0 y 2
Si X − Y 0
1 1
−
v = −x + y u+v u −v 2 =1
→ y = ,x= → J1 = 2
u = x+ y 2 2 1 1 2
2 2
A1 = ( x, y ) / x − y 0 , 0 x 2, 0 y 2
u −v u+v
0 2 y 0 2
2 2
0 u −v 4 y 0u+v 4
v u 4+v y −v u 4−v
B1 = ( u, v ) / v u 4 + v , −v u 4 − v, 0 v 2
4 0
34
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Si X − Y 0
1 1
+
v = x− y u −v u+v 2 =−1
→ y = ,x= → J2 = 2
u = x + y 2 2 1 1 2
−
2 2
A2 = ( x, y ) / x − y 0 , 0 x 2, 0 y 2
u+v u −v
0 2 y 0 2
2 2
0u+v 4 y 0 u−v 4
−v u 4 − v y v u 4+v
B2 = ( u, v ) / −v u 4 − v, v u 4 + v , 0 v 2
0 4
Pero B1 = B2 = B
u −v
2 1 u −v
= , ( u , v ) B1
4 2 16
g ( u, v ) =
u +v
2 − 1 = u + v , u, v B
4 ( ) 2
2 16
u
Como B1 = B2 = B → g ( u, v ) = , ( u, v ) B
8
b. Obtenga la densidad de V = X − Y .
4−v
u v
g (v) = du = 1 − I ( 0,2) ( v )
v
8 2
Ejemplo 11:
Pastizales o herbazales: Son aquellos ecosistemas donde predomina
la vegetación herbácea. Estos ecosistemas pueden ser de origen natural constituyendo
extensos biomas, o ser producto de la intervención humana con fines de la crianza de
ganado o recreación. En cierta zona A altoandina de la sierra central peruana se
consideró la variable temperatura que puede explicar la degradación de los pastizales
altoandinos de la sierra central.
35
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Sea X la temperatura en °C, a las 6 am, de un pastizal 1, e Y la temperatura en °C, a las
y
6 am, de un pastizal 2. Considere f ( x, y ) = I ( x ) I(0,4) ( y ) . Obtenga la densidad
64 ( −4,4)
de Z = 5Y − X 2 .
Solución
Sean Z = 5Y − X 2 y V = Y
Hallemos la densidad conjunta de Z y V
−16 z 20 0v4
A = ( x, y ) / −4 x 4, 0 y 4
Si x 0
1 1
1 5
( 5v − z ) 2 − ( 5v − z ) 2
− −
1
x = − 5v − z , y = v → J1 = 2 2 =
0 1 2 5v − z
z 16 + z
−4 − 5v − z 0 → 0 5v − z 16 → v y 0v4
5 5
A1 = ( x, y ) / −4 x 0 , 0 y 4
z 16 + z
B1 = ( z, v ) / −16 z 20 , v , 0 v 4
5 5
36
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
(
g ( z , v ) = f − 5v − z , v J1 = ) v
128 5v − z
, ( z , v ) B1
Si x 0
1 1
1 5
( 5v − z ) 2 ( 5v − z ) 2 = − 1
− −
−
x = 5v − z , y = v → J 2 = 2 2
0 1 2 5v − z
z 16 + z
0 5v − z 4 → 0 5v − z 16 → v y 0v4
5 5
A2 = ( x, y ) / 0 x 4 , 0 y 4
z 16 + z
B2 = ( z , v ) / −16 z 20 , v , 0 v 4
5 5
( )
g ( z , v ) = f 5v − z , v J 2 =
v
128 5v − z
, ( z , v ) B2
Pero B1 = B2 = B
37
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
v
g ( z, v ) = , ( z, v ) B →
64 5v − z
16 + z 16 + z
5 5
v v
g ( z) = dvI ( −16,0) ( z ) + dvI ( 0,4) ( z ) +
0 64 5v − z z 64 5v − z
5
4
v
+ dvI ( 4,20) ( z ) =
z 64 5v − z
5
g ( z) =
32 − 6 z − z − z z
I ( −16,0) ( z ) +
2
+ I ( 0,4) ( z ) +
( z + 10 ) − z + 20 I
( 4,20 ) ( z )
1200 200 75 1200
k
Y ,...,Y (t1 ,, t k ) = E exp yi t i = R
i =1
1 k
−x
2
Y ( t ) = E ( etY ) = E etX ( ) 2 e 1 − 12 x2 (1− 2t )
2
= etx = 2 e dx =
2
dx
− 2 −
2
−
1 x −0
1 1
1
2
1
1
1 2
Y ( t ) = e 1− 2 t
dx = → Y ~ (1)
2
1 − 2t − 2 1 1 − 2t
1 − 2t
1
N 0,
1− 2 t
38
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Ejemplo 2: El número de accidentes de tránsito por día que ocurren en los distritos
peruanos tiene distribución Poisson con media i . Si se seleccionan
n
independientemente n distritos peruanos, halle la función de probabilidad de Y = X i .
i =1
t Xi
n
Y ( t ) = exp 1 ( et − 1)
n
exp n ( et − 1) = exp i ( et − 1)
i =1
n
n
Y = Xi Poisson i
i =1 i =1
j =1
W = − ln (1 − Y ) Y = 1 − e−W J = e−W
g ( w) = fY (1 − e − w ) J = e− w W exp(1)
11
Z = Wi Z Gamma(11,1)
i =1
S = 2(1)Z
22
1 2
S ( t ) = E (e 2(1) Z ) = S X 2 22
1 − 2t
39
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
ln (1 − U i )
F ( xi ) = 1 − e −2 xi → 1 − e −2 xi = U i → xi = F −1 (U i ) = − i = 1, 2,3
2
3 3
ln (1 − U i ) 1 3
→ Y = Xi = − = − ln (1 − U i )
i =1 i =1 2 2 i =1
1
Y = − ln (1 − 0.168 )(1 − 0.457 )(1 − 0.878 ) = 1.4492
2
Ejercicios
y
f(x,y) 0 100 200
x 100 0.08 0.24 0.34
200 0.09 0.21 0.04
Calcule la covariancia de X − Y y X − Y .
4. En la Reserva Nacional Pacaya Samiria con una muestra de 100 lobos de río
madres se contabilizó el número de crías que han tenido en dos partos,
obteniéndose la variable X definida como el número de crías que han tenido en
el primer parto, e Y el número de crías que tuvieron en el segundo parto:
X
1 2 3
1 0 1 2
Y 2 2 20 22
3 3 38 12
40
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
a. Halle la función de probabilidad conjunta del número de crías promedio
de los dos partos y el número de crías máximo de los dos partos.
b. Con los números aleatorios 0.0158, 0.4897 y 0.9878 obtenga una
muestra aleatoria del promedio de crías en dos partos.
5. La Ingeniera Chabuca Granda ha determinado que para el abastecimiento de
lechuga americana de Lima Metropolitana y el Callao, el 19% proviene de
Canta, y el 81% de otras ciudades. Si se consideran los tres próximos camiones
que llegarán independientemente con lechuga americana para abastecer a Lima
Metropolitana y el Callao, y se define la variable aleatoria X como el número de
camiones que llegan de Canta y como Y el número de camiones que llegan de
Canta considerando sólo el primer y el tercer camión.
a. Obtenga la densidad conjunta del min ( X , Y ) y el max ( X , Y ) .
b. Con los números aleatorios 0.531440, 0.905417 y 0.993141 halle una
muestra aleatoria de tamaño 3 para el max ( X , Y ) .
6. El gran mercado mayorista de Lima se abastece de papa, principalmente de las
ciudades de Huánuco, Lima y Junín con el 44%, 35% y 21% respectivamente.
Para los próximos dos camiones que van a llegar aleatoriamente de esas tres
ciudades, con papa, al gran mercado mayorista de Lima se define la variable
aleatoria X como el número de camiones provenientes de Huánuco, e Y el
número de camiones provenientes de Lima.
a. Obtenga la densidad conjunta del min ( X , Y ) y el max ( X , Y ) .
b. Con los números aleatorios 0.531440, 0.905417 y 0.993141 halle una
muestra aleatoria de tamaño 3 para el min ( X , Y ) .
c. Halle la función de probabilidad conjunta del máximo entre hijos
varones e hijas y el total de hijos que tiene una familia.
X +Y
a. Halle la función de probabilidad conjunta Z1 = y Z 2 = min ( X , Y ) .
2
41
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
8. Si el adelanto o retraso, en minutos, de un avión que viaja de Lima a Tarapoto
x + 10
tiene como densidad f ( x ) = I ( x ) obtenga la igualdad que permite
160 ( −8,8)
generar muestras al azar de esa distribución.
9. Si los adelantos o atrasos en minutos del primer bus del día de la UNALM tiene
2x
la siguiente función densidad f ( x ) = I ( x) .
45 −3,6
11. Para determinar el grado de inteligencia se mide el tiempo que tarda un ratón en
recorrer un laberinto para encontrar la comida (estímulo). El tiempo (en
4
segundos) que emplea un ratón es una v.a X con densidad f ( x ) = 2 I ( 4, ) ( x ) ,
x
en donde el tiempo mínimo para recorrer el laberinto es 4 segundos. Obtenga
una muestra aleatoria de 5 observaciones de esa distribución.
13. En los centros de acopio de Lima Metropolitana el precio por día P en soles, y la
cantidad vendida por día Q en miles de kg de pollo en pie tienen la siguiente
p
densidad conjunta f ( p, q ) = , I ( p ) I (120,170) ( q ) . Halle la densidad del
275 (5,6)
ingreso bruto diario A en los centros de acopio de Lima Metropolitana.
Respuesta:
a 1 1 6 a
fA (a) = − I ( 600,720) ( a ) + I ( 720,850) ( a ) + − I (850.1020) ( a )
33000 55 275 275 46750
14. Sea P el precio de un producto (en dólares), y Q, las ventas totales (en unidades
5 pe− pq , 0.2 p 0.4, q 0
de 10000), con densidad conjunta f ( p, q ) = .
0 , o.m
Obtenga la densidad de la cantidad total de dinero que se gasta en ese producto
(en unidades de 10000).
42
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
15. Sea X la cantidad de dinero (en nuevos soles) que un agente de ventas gasta en
gasolina durante un día de trabajo e Y la cantidad de dinero (en nuevos soles)
que la empresa le reembolsa al final de cada día de trabajo. La densidad
conjunta de estas dos variables aleatorias es
4 ( 30 − x ) x
f ( x, y ) = , 15 x 30, y x . Halle la densidad de la cantidad
225 x 2
de dinero (en nuevos soles) que el agente de ventas posee al final de cada día de
trabajo.
16. Una tienda de comida sana provee dos marcas diferentes de cierto tipo de grano.
Sea X la cantidad en kilos de la marca A disponible y la variable Y la cantidad
en kilos de la marca B disponible. Suponga que la densidad conjunta de X e Y
es:
k x y, 0 x, 0 y, 40 x + y 50
f ( x, y ) =
0 , o.m
18. Se estudiaron las variables X definida como los atrasos en minutos para obtener
la cantidad de vitamina 1 en 100 gr de melón, e Y definida como los adelantos o
atrasos en minutos para obtener la cantidad de vitamina 2 en 100 gr de melón.
5x
La densidad conjunta de ( X , Y ) es f ( x, y ) = , I 2 ( x) .
128 y ,4
43
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
19. Suponga que la densidad conjunta de X1 y X 2 es
3
f ( x1 , x2 ) = , x12 x2 1 , 0 x1 1 . Primero determine la densidad de:
2
X
Y = X 1 + X 2 y luego deduzca la densidad de : Y = 2 .
X1
20. Los bancos suelen invertir en dos negocios (I que tiene poco riesgo y II con
mucho riesgo). Si X es la ganancia de un banco, en decenas de miles de dólares,
en el negocio I e Y es la ganancia de un banco, en decenas de miles de dólares,
en el negocio II. La densidad conjunta de X e Y es
24 x 2 y
f ( x, y ) = , I ( x ) I(0,5) ( y ) .
40625 − 2y ,2 y
a. Si el banco “DameTuPlata” invierte en ambos negocios halle la densidad
de la ganancia total de ese banco.
b. Si el banco “AhVienesPorLana” invierte en ambos negocios halle la
densidad del exceso de ganancia en el negocio I con respecto al II.
c. Halle la densidad conjunta de las variables de las preguntas a y b.
21. Suponga que R y U son v.as independientes tales que U Unif ( 0,1) y
x2
f R ( x ) = x exp − I0, ) ( x ) . Si se define como X = R cos ( 2 U ) e
2
Y = R sen ( 2 U ) , determine las densidades marginales de X e Y.
23. Uno de los métodos para generar variables normales de variables uniformes se
basa en el siguiente algoritmo:
Paso 1: Generar U1 y U 2 independientes y uniformes en (0,1)
44
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
Paso 2: Defina V1 = 2U1 − 1 , V2 = 2 U 2 − 1
Paso 3: Si V12 + V22 1 , volver al paso 1 y empezar de nuevo. Si V12 + V22 1 .
Defina:
2 ln (V12 + V22 )
X i = Vi − , i = 1, 2
V12 + V22
1 1
26. Si X Exponencial con media e Y Exponencial con media son
X Y
X 1
independientes, halle la densidad de Z = X . Respuesta: f Z ( z ) = .
Y Y ( z + 1)
2
28. Suponga que entre las 3.00 am y las 3.30 am el número de camiones C
procedentes de Huánuco para abastecer de papa al gran mercado mayorista de
Lima puede ser 2, 3 y 4 con probabilidades 0.7, 0.2 y 0.1 respectivamente. En
ese tiempo el abastecimiento por camión, A, en cientos de toneladas es tal que
40a
f (a) = I ( a ) . Considere que C es independiente de A.
3 ( 0.1,0.4)
a. Halle la densidad del abastecimiento total entre las 3.00 y las 3.30 de un
día.
1
29. Demuestre que si X Exponencial Con media y Y Bernoulli ( 0.5 ) son
independientes entonces X ( 2Y − 1) Laplace ( = 0, −1 ) .
45
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
30. El tiempo en minutos que demora hacer el análisis de 100 gr de melón para
obtener la cantidad de vitamina 3 es X Exponencial ( Con media 10 ) y la
variable Y se define como el número de porciones de 100 gr de melón donde la
cantidad de vitamina 3 es mayor que 30 mg considerándose sólo una porción de
100 gr, y que el 50% de estas porciones tienen un contenido de vitamina 3
mayor que 30 mg. Estas variables son independientes.
31. Con los asegurados a la Clínica San Felipe se estudió lo que ocurre con ciertas
enfermedades que son causa de que un asegurado se interne. Se consideró la
variable Y definida como el número de días que un asegurado estuvo internado y
la variable X definida como el gasto diario, en miles de soles, que tiene que
hacer el asegurado por su internamiento. Con el asesoramiento de un Ingeniero
Estadístico e Informático se determinó que
x
f ( y ) = 0.6 I3 ( y ) + 0.3I4 ( y ) + 0.1I5 ( y ) y f ( x ) = I ( x ) . Calcule el
20 1.5 , 6.5
gasto total esperado de un asegurado que se internará con alguna de las
enfermedades consideradas.
1
32. Demuestre que si las variables aleatorias X 1 Exponencial Con media y
1
1
X2 Exponencial Con media son independientes entonces
2
1 X 1 − 2 X 2 Laplace ( = 0, = 1) .
46
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
34. Sean X e Y variables aleatorias independientes con distribución normal
X
estándar. Demostrar que tiene distribución Cauchy. ¿Cuáles son sus
X +Y
parámetros?
35. Demuestre que si V Exponencial (1) y Z N ( 0,1) son independientes
entonces X = + Z 2V Laplace ( , )
39. Cuando una pareja se separa o se divorcia y tienen hijos menores, por lo general
el hombre hace un pago por alimentos mensual. X representa los adelantos o
atrasos en meses de los pagos de alimentos en Comas, e Y representa los atrasos
en meses de dicho pago en Breña. Si X e Y se distribuyen de acuerdo a la
y
siguiente densidad conjunta f ( x, y ) = I ( −2,2) ( x ) I ( 0,2) ( y ) . Halle la densidad de
8
Z = X +Y .
40. Sea X los adelantos o atrasos, en días, para tener su primer parto una ardilla
grande, e Y los atrasos en días para tener su segundo parto. Considere
y
f ( x, y ) = I ( −8,8) ( x ) I ( 0,8) ( y ) . Obtenga la densidad de Z = X 2 − Y .
512
47
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
41. Sean X 1 y X 2 dos variables aleatorias i.i.d con densidad N ( 0,1) . Si
( X − X 2 ) ; primero obtenga la densidad conjunta de
2
X + X2
U= 1 y V= 1
2 2
U yV y luego las densidades marginales de U y V .
42. Sea la v.a X definida como el tiempo de vida en años de una impresora y la v.a
Y definida como el tiempo de vida de un escáner. Si
x
f ( x, y ) = I ( x ) I ( 0,8) ( y ) .
256 ( 0,8)
a. Obtenga la densidad conjunta de X − Y y ( X + Y ) .
b. Halle las densidades marginales de X − Y y de ( X + Y ) .
43. Los jefes de los Departamentos de Estadística de dos empresas A y B suelen
citarse los lunes entre las 10.00 y 10.20 horas. El tiempo de espera X del Jefe de
la empresa A y el tiempo de espera Y del Jefe de la empresa B tienen como
y
densidad conjunta a f ( x, y ) = I ( x ) I0,20 ( y ) .
4000 0,20
a. Halle la densidad de la diferencia de los tiempos de espera.
b. Si los jefes acuerdan no esperarse más de 10 minutos, calcule la probabilidad
de que el siguiente lunes no se encuentren.
44. Los proyectiles son lanzados al origen de un sistema de coordenadas xy.
Suponga que el punto en el cual cae, digamos (X,Y), consiste de un par de v. as.
independientes N ( 0, 2 ) . Para dos proyectiles lanzados independientemente
uno del otro, ( X 1 , Y1 ) y ( X 2 , Y2 ) representan los puntos en los cuales caen y Z la
distancia entre ellos. Encuentre la densidad de Z 2 .
45. El ingeniero John Graunt estudió que la variable X que es el nivel de pH en el
suelo para el crecimiento óptimo de zanahoria, e Y que es el nivel de pH para el
crecimiento óptimo de cebolla. John halló que X Normal ( = 6.3, 2 = 0.242 )
e Y Normal ( = 6.4, 2 = 0.222 ) son independientes. Si Z1 y Z 2 son las
variables aleatorias anteriores estandarizadas. Haga la deducción de la densidad
Z
de 1 .
Z2
46. Si X e Y son los adelantos o atrasos de aviones, que siguen dos rutas, y son
variables aleatorias independientes e idénticamente distribuidas con densidad
N ( 0, 2 ) . Obtenga la densidad conjunta de R = X 2 + Y 2 , S =
Y
.
X 2 +Y2
1 −x
47. Si X tiene como función densidad f ( x ) = e I ( − , ) ( x ) . Demuestre que
2
( )
−1
Y = X 2 tiene como densidad g ( x ) = 2 y e − y I ( 0, ) ( y ) .
−(1+ )
48. Si la densidad de X es f ( x ) = (1 + x ) I ( 0, ) ( x ) .
48
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
a. Determine la densidad de Yi = ln (1 + X i ) , siendo X1, , X n v.as
independientes e idénticamente distribuidas.
n
b. Halle la densidad de T = 2 Yi .
i =1
Y = ln (1 + X ) X = eY −1 J = eY
g ( y ) = f (eY − 1) J = e−Y Y exp( )
n
Z = Yi Z Gamma( , n)
i =1
T = 2( )Z
2n 2n
2 1 2
T ( t ) = E (e 2( ) Z ) = = T X 2 2n
− 2 t 1 − 2t
49.En cada uno de 43 distritos de Lima ( D1 , , D 43 ) se ha encontrado que el 58%
de las parejas que se casaron se han separado. Si se seleccionan en forma
independiente ni , i = 1, 2, , 43 parejas que se van a casar de cada distrito,
obtenga la función de probabilidad de la variable aleatoria X definida como el
número de parejas total que se divorciarán en los 43 distritos.
50. Suponga que el número de billetes falsos que llegan a cierta agencia bancaria,
durante un periodo de un día, tiene una distribución Poisson con media 4.5. Se
toma una muestra aleatoria de cuatro días. Halle la probabilidad de que la media
muestral tenga un valor de por lo menos 4.25 si se sabe que es menor de 4.75.
52. Si X 1 , , X 9 es una m.a del tiempo de vida (en meses), de pacientes con cáncer
avanzado de cuello uterino, que tiene distribución exponencial con media 5
meses. Halle el valor de k tal que P ( X k ) = 0.95 .
54. Suponga que en 100 g de lima naranja el contenido de sólidos solubles X tiene
distribución Cauchy ( 1 = 7.7, 1 = 0.04 ) , y en 100 g de lima el contenido de
sólidos solubles Y tiene distribución Cauchy ( 2 = 9.8, 2 = 0.06 ) . Si se va a
realizar el análisis a una porción de 100 g de cada fruta, calcule la probabilidad
49
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática
Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
de que el contenido de sólidos solubles en lima exceda al de lima naranja en más
de 1.8. Haga las demostraciones que se necesitan.
k x − x − k
k −1
i =1
Haga las demostraciones necesarias.
−(1+ )
56. La densidad de X es f X ( x ) = (1 + x ) I ( 0, ) ( x ) . Si X 1 , , X n es una m.a de
n
esa distribución encuentre la densidad de T = 2 ln (1 + xi ) .
i =1
57. Sea f ( x ) = e ( ) exp −e ( ) I ( − , ) ( x ) la densidad del costo mínimo, en
x− x−
k
k +1
k −
es un m.a. de f ( x) =
x
x
58. Si X 1 , , X6 e I0, ( x) .Si
6
= 4 y k=2 , halle P X i − k 0.197 . Justifique su respuesta.
i =1
50