Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Notas De Clase
July 5, 2011
ii
Contenido
iii
cápitulo 5 Distribuciones Página 183
5.1Algunas distribuciones discretas importantes 184
5.1.1Distribución uniforme 184
5.1.2Distribución de Bernoulli 185
5.1.3Distribución binomial 185
5.1.4Distribución geométrica 187
5.1.5Distribución hipergeométrica 188
5.1.6Distribucción de Poisson 189
5.1.7Distribucción Multinomial 192
5.2Algunas distribuciones continuas 193
5.2.1Distribución uniforme 193
5.2.2Distribución exponencial 194
5.2.3Distribución normal o Gaussiana 196
5.3Distribución Gamma 200
5.3.1Propiedades de la función Gamma 200
5.4Distribución Gamma 204
5.4.1Propiedades de la función Gamma 205
5.5Problemas 209
iv
Antalcides Olivo B. Probabilidad y Estadística
116
4
Variables
aleatorias
4.1 Introducción
P :A → [0, 1] ⊂ IR
A ∈ A 7→ 1 ≥ P (A) ≥ 0
117
Antalcides Olivo B. Probabilidad y Estadística
ahora si definimos una función, por decir X tal que a cada evento fun-
damental le asignamos un número de la siguiente forma
X : S −→ IR
e 7−→ X (e ) = x
X ≡ número de caras
de la siguiente forma
X :−→ IR
X (CCC ) = 3
X (CCS ) = X (CSC ) = X (SCC ) = 2
X (CSS ) = X (SSC ) = X (SCS ) = 1
X (SSS ) = 0
118
Antalcides Olivo B. Probabilidad y Estadística
fig 4.3
X :−→ IN
X :−→ IR
PX ( B ) = P ( A )
donde A = {e ∈ S : X (e ) ∈ B}
119
Antalcides Olivo B. Probabilidad y Estadística
fig 4
donde
A = {e ∈ S : X (e ) ∈ B}
−1
X (B) = {e ∈ S : X (e ) ∈ B}
PX (X = x ) = P ({e ∈ S : X (e ) = x})
PX (X ∈ (a, b )) = P ({e ∈ S : X (e ) ∈ (a, b )})
120
Antalcides Olivo B. Probabilidad y Estadística
6 3>$@ 3≡3;
$ ;>DE@
3>D;%@
;
D E
f (xi ) = P (X = xi )
f : IN −→ [0, 1]
xi 7−→ f (xi ) = P (X = xi )
121
Antalcides Olivo B. Probabilidad y Estadística
0.35
0.3
0.25
0.2
f
0.15
0.1
0.05
0
0 1 2 3 4 5 6
x
Función de probabilidad
122
Antalcides Olivo B. Probabilidad y Estadística
0.8
0.6
F
0.4
0.2
0 1 2 3 4 5
x
Función de distribución
Ejemplo 4.2 Supóngase que tenemos una variable aleatoria X con una dis-
tribución de probabiliadad dada por la relación
Ejemplo 4.3 Supóngase que hay 100 artículos de los cuales hay 5 defectu-
osos. Se toma una muestra de de 4 artículos sin reemplazo Determine la
distribución de probabilidad para los artículos defectuosos
(5x )(100−5
4−x )
f (x ) = P (X = x ) = si x = 0, 1, 2, 3, 4
(100
4 )
123
Antalcides Olivo B. Probabilidad y Estadística
x f (x )
0 0.805
1 0.178
2 0.014
3 0.003
4 0.00
0.8
0.6
0.4
f
0.2
0
0 1 2 3 4 5 6
x
Ejemplo 4.4 Supóngase que una variable aleatoria X tiene una distribu-
ción discreta con la siguiente función de probabilidad
(
cx para x = 1, 2, 3, 4, 5
f (x ) =
0 en otro caso
124
Antalcides Olivo B. Probabilidad y Estadística
5
X
f (xi ) = 1 =⇒
i =1
15c = 1 =⇒
1
c=
15
∞
X ∞
X
f (xi ) = P ( X = xi ) = 1
i =1 i =1
f (x ) ≥ 0
Z +∞
f (x ) dx = 1
−∞
Z b
P (a ≤ x ≤ b ) = f (x ) dx
a
125
Antalcides Olivo B. Probabilidad y Estadística
126
Antalcides Olivo B. Probabilidad y Estadística
127
Antalcides Olivo B. Probabilidad y Estadística
0.8
0.6
0.4
0.2
-4 -2 0 2 4
x
Rx
1
• Si x > 0 entonces F (x ) = 0 (1+t )2
dt = 1 − 1+1 x entonces
(
0 si x ≤ 0
F (x ) = 1
1 − 1+ x si x > 0
0.8
0.6
0.4
0.2
-4 -2 0 2 4
x
128
Antalcides Olivo B. Probabilidad y Estadística
4
1 − x3 si 0 < x < 1
3
f (x ) =
0 si x≥1
0 si 0≤x
1.2
0.8
0.6
0.4
0.2
-4 -2 0 2 4
x
f.d.p de 43 (1 − x3 )
Z 1
4 4 1
F (x ) = 1 − 1 − t 3 dt = 1 − x − x4
x 3 3 3
0 si x≤0
4
1 4
F (x ) =
3 x − 3 x si 0 < x<1
1 si x≥1
129
Antalcides Olivo B. Probabilidad y Estadística
0.8
0.6
0.4
0.2
-4 -2 0 2 4
x
130
Antalcides Olivo B. Probabilidad y Estadística
y
XX
f x1i , x2j = 1
i∈I j∈J
Los valores x1i , x2j , f x1i , x2j para todo i ∈ I y j ∈ J forman la
distribución de probabilidad de (X1 , X2 )
f ( x1 , x2 ) ≥ 0 ∀ ( x1 , x2 ) ∈ R
y
Z Z
f (x1 , x2 ) dx1 dx2 = 1
R
f (x ) = P (X = x ) ∀x ∈ A
131
Antalcides Olivo B. Probabilidad y Estadística
P ((X1 , X2 , X3 , · · · , Xk ) ∈ A)
Z Z
= · · · f (x1 , x2 , x3 , · · · , xk ) dx1 dx2 · · · dxk
A
F (x1 , x2 , x3 , · · · , xk ) = P (X1 ≤ x1 , · · · Xk ≤ xk )
Nota 4.8 Ésta f.d satisface todas las propiedades de la f.d univariada.
∂ k F ( x1 , x2 , x3 , · · · , xk )
f (x1 , x2 , x3 , · · · , xk ) =
∂x1 ∂x2 · · · ∂xk
∂2 F (x, y )
f (x, y ) =
∂x∂y
132
Antalcides Olivo B. Probabilidad y Estadística
• P (X ≥ Y )
133
Antalcides Olivo B. Probabilidad y Estadística
Solución 4.8.1 Sea el conjunto S de puntos (x, y ) para los que f(x, y ) > 0
está representado en la figura 4.8 . puesto que f (x, y ) = 0 fuera de S, resulta
que
Z Z Z 1Z 1
4
f (x, y ) dxdy = cx2 ydydx = c
s −1 x2 21
y como esta integral debe ser 1, entonces c= 21
4
134
Antalcides Olivo B. Probabilidad y Estadística
∂2 F (x, y ) 1
= (x + y )
∂x∂y 8
Mientras que si x < 0, y < 0, x > 2, y > 2, entonces
∂2 F (x, y )
=0
∂x∂y
135
Antalcides Olivo B. Probabilidad y Estadística
136
Antalcides Olivo B. Probabilidad y Estadística
n
Llamaremos frecuencia relativa fij = nij
las frecuencia relativas marginales serían
p
X ni·
fi· = fij =
n
j =1
p
X n·j
f·j = fij =
n
j =1
f·· = 1
Ejemplo 4.10 Supóngase que X e Y tienen la f.p conjunta dada por la tabla
del ejemplo 4.7. La f.p marginal fx de X se puede determinar sumando los
valores de cada fila de esta tabla . De esta manera se obtiene que
fx (1) = 0.2
fx (2) = 0.6
fx (3) = 0.2
fx (x ) = 0 para los restantes valores de x
137
Antalcides Olivo B. Probabilidad y Estadística
Solución 4.11.1 Se puede observar en la figura (a) del ej. 4.8 que X no
puede tomar ningún valor fuera del intervalo −1 ≤ X ≤ 1 Por tanto, fx (x ) =
0 para x < −1 o x > 1. Además, para −1 ≤ x ≤ 1, se observa en la misma
figura que f (x, y ) = 0, a menos que x2 ≤ y ≤ 1.Por tanto, para −1 ≤ x ≤ 1
Z∞
fx (x ) = f (x, y ) dy =
−∞
Z 1
21 2 21 2
x ydy = x (1 − x ) (1 + x ) x 2 + 1
x2 4 8
Se puede obsservar en la figura (a) del ej. 4.8 que Y no pede tomar ningún
valor fuera del intervalo 0 ≤ Y ≤ 1. Por tanto, fy (y ) = 0 para y < 0 o y > 1.
√ √
Además, para 0 ≤ y ≤ 1, se observa en la misma fig. Que − y ≤ x ≤ y.Por
tanto, para 0 ≤ y ≤ 1
Z∞
fy (y ) = f (x, y ) dx =
−∞
√
Z y
21 2 7 5/2
= √
x ydx = y
− y 4 2
P (X ∈ A, Y ∈ B) = P (X ∈ A) P (Y ∈ B)
Es decir si
P (x ≥ X, y ≥ Y ) = P (x ≥ X ) P (y ≥ Y )
F (x, y ) = Fx (x ) Fy (y )
f (x, y ) = fx (x ) fy (y )
138
Antalcides Olivo B. Probabilidad y Estadística
Se determinará el valor de P (X + Y ≤ 1)
\
1
0.8
0.6
s0
0.4
0.2
139
Antalcides Olivo B. Probabilidad y Estadística
P (X = x, Y = y )
P (X = x|Y = y ) =
P (Y = y )
f (x, y )
=
fy (y )
F (x|y ) = P (x ≥ X, Y = y )
para un valor fijo de y
F (y|x ) = P (y ≥ Y , X = x )
Para un valor fijo de x
140
Antalcides Olivo B. Probabilidad y Estadística
De manera analoga
f (x,y )
fx ( x )
si fx (x ) > 0
f (y|x ) =
0 en otro caso
0.8
0.6
0.4
0.2
-2 -1 0 1 2
x
Fig 4.14
141
Antalcides Olivo B. Probabilidad y Estadística
( 2y
1−x4
si x2 ≤ y ≤ 1
f (y|x ) =
0 y>1
En particular si X=0.5 entonces
P (Y ≥ 0.75|X = 0.5)
R1
7
= 0.75 f (y|0.5)dy =
15
g (y ) = P (Y = y ) =
X
P (h (X ) = y ) = f (x )
{x:h(x )=y}
G (y ) = P (y ≥ Y )
Z
P (y ≥ h (X )) = f (x ) dx
{x:y =h(x )}
142
Antalcides Olivo B. Probabilidad y Estadística
modo que su f.d.p es f y P(a < x < b ) = 1 y además supóngase que r(x ) es
continua y estrictamente creciente o estrictamente decreciente en a < X < b
si y sólo si α < Y < β y sea X = h−1 (Y ) la función inversa de h para
α < Y < β, entonces la f.d.p de g está dada por la relación
dx
g (y ) = f h−1 (y ) dy si α < Y < β
g (y ) =
0 en otro caso
n
X dx
g (y ) = f (xi ) i
dy
i =1
donde
dxi 1
= 0
dy h ( xi )
√ 1 √ 1
g (y ) = f ( y ) √ + f (− y ) √
2 y 2 y
(
0.5 si −1 < x < 1
f (x ) =
0 si x ≥ 1, −1 ≥ x
143
Antalcides Olivo B. Probabilidad y Estadística
0.5
0.4
0.3
0.2
0.1
-2 -1 0 1 2
x
Distribución uniforme
Determine la f.d.p para la variable Y=X2
Solución 4.17.1 Como Y=X2 entonces Y debe pertenecer a [0, 1], entonces
para todo y ∈ (0, 1) la f.d G(y ) de Y es
G (y ) = P (y ≥ Y )
P y ≥ X 2 = P −y 0.5 ≤ X ≤ y 0.5 =
Z y 0.5
√
0.5dx = y para y ∈ (0, 1)
−y 0.5
1
Ahora la f.d.p g(y ) de Y es g(y ) = √
2 y para y ∈ (0, 1)
2.5
1.5
0.5
-1 0 1 2 3
x
Ejemplo 4.18
144
Antalcides Olivo B. Probabilidad y Estadística
X
0.5 1 1.5 2
0
-1
-2
-3
y = 1 − x2
Solución 4.18.1 En este ejemplo observamos de la gráfica que Y = 1−X 2 es
continua y estrictamente decreciente para 0 < x < 1 y además
Z1
3x2 dx = 1
0
145
Antalcides Olivo B. Probabilidad y Estadística
T = {(y1 , y2 , y3 , · · · , yn ) :
(x1 , x2 , x3 , · · · , xn ) = h−1
1 (y1 , y2 , y3 , · · · , yn )}
146
Antalcides Olivo B. Probabilidad y Estadística
X1
Y1 = (a)
X2
Y2 = X1 X2 (b)
X1 = (Y1 Y2 )0.5
!0.5
Y2
X2 =
Y1
y2
y1y 2 1 =1
y1
fig 4.19 a
X1
X2
ej 4.19 b
147
Antalcides Olivo B. Probabilidad y Estadística
entonces
0.5
x1 = h−1
1 ( y1 , y2 ) = ( y1 , y2 )
!0.5
−1 y1
x2 = h2 (y1 , y2 ) =
y2
entonces
1 y2 0.5 1 y1 0.5
J =
2
y1 0.5 2 y2 = 1
− 12 y23 1 0.5 2y1
1
y1 2 y1 y2
por tanto y
( 2
2 y1 si (y1 , y2 ) ∈ T
g (y1 , y2 ) =
0 en otro caso
Definición 4.11 Supóngase que una variable aleatoria X tiene una dis-
tribución de probabilidad discreta f. la esperanza matemática de X, se de-
nota E(X ) y se define
X
E (X ) = xi f (xi ) ∀i ∈ I (*)
I
148
Antalcides Olivo B. Probabilidad y Estadística
x f(x )
1
3 8
5
4 8
2
5 8
x>5 0
1 5 2 33
E (X ) = 3 ∗ +4∗ +5∗ =
8 8 8 8
Definición 4.12 Sea f(x ) la f.d.p de una variable aleatoria continua, en-
tonces la esperanza matemática se define
Z ∞
E (X ) = xf (x ) dx
−∞
Se dice que esta integral existe, siempre que existan números a y b tales que
∞ < a < b < ∞ y P(a ≤ x ≤ b ) = 1 en este caso se dice que E(X ) existe
Determine su esperanza
R1
Solución 4.21.1 E(X ) = 0
cx3 dx = 14 c
1
f (x ) = si − ∞ < x < ∞
π (1 + x 2 )
149
Antalcides Olivo B. Probabilidad y Estadística
0.3
0.25
0.2
0.15
0.1
0.05
-4 -2 0 2 4
x
Distribución de Cauchy
analicemos que
Z ∞ Z ∞
1
f (x ) dx = dx = 1
−∞ −∞ π ( 1 + x2 )
pero
Z ∞ Z ∞
x
|x| f (x ) dx = dx = ∞ (+) +
−∞ 0 π (1 + x 2 )
De la gráfica se observa que la media debería ser cero, pero en la ecuación
(+) observamos que E(X ) no existe, por lo tanto esta distribución llama da
de Cauchy no tiene media
0.15
0.1
0.05
-4 -2 0 2 4
x
-0.05
-0.1
-0.15
xf (x )
150
Antalcides Olivo B. Probabilidad y Estadística
E (Y ) = aE (X ) + b
E (Y ) = E (aX + b ) =
Z ∞ Z∞ Z ∞
(ax + b ) f (x ) dx = a xf (x ) dx + bf (x ) dx =
−∞ −∞ −∞
aE (X ) + b
P ( Xi = 1 ) = p
P ( Xi ) = 0 ) = 1 − p
entonces
E (Xi ) = 1p + 0 (1 − p ) = p
Si el experimento se repite n veces tenemos que
n n n
X X X
E (Xi ) = E ( Xi ) = p = np
i =1 i =1 i =1
151
Antalcides Olivo B. Probabilidad y Estadística
n n
Y Y
E
Xi =
E ( Xi )
i =1 i =1
Solución 4.24.1
Z ∞ Z ∞
E (h (x )) = E (Y ) = yg (y ) dy = h (x ) f (x ) dx
−∞ −∞
152
Antalcides Olivo B. Probabilidad y Estadística
4.6 Varianza
V (X ) = E [(X − E (X ))2 ]
X
V (X ) = (xi − µ)2 f (xi ) X es discreta
i∈I
Z ∞
V (X ) = (x − µ)2 f (x ) dx X es continua
−∞
V (aX + b ) = a2 X
V (X ) = E X 2 − (E (X ))2
153
Antalcides Olivo B. Probabilidad y Estadística
3 P3
2. P (X = 3) = =3
43 64
y P (3 ≥ X ) = 3
x =1 4x = 0.987
P∞ 3x P∞ 3(x− 43 )2 4
3. E (X ) = x = 1 4x = 43 , V (X ) = x =1 4x =9
1. La media
2. La varianza
R1
1. E (X ) = 0 xdx = 21
R1
2. V (X ) = 0 (x − 0.5)2 dx = 8. 333 3 × 10−2
V (Xi ) = p − p2 = p (1 − p )
n
X
V (Xi ) = npq
i =1
154
Antalcides Olivo B. Probabilidad y Estadística
m
=
X
x= fi· xi
i =1
k
=
X
y= f·j yj
j =1
m
=
X
VX = fi· (xi − x )2
i =1
k
=
X
VY = f·j (yj − y )2
j =1
m
= 1 X
x= ni· xi
n··
i =1
k
= 1 X
y= n·j yj
n··
j =1
m
1 X =
VX = ni· (xi − x )2
n··
i =1
k
1 X =
VY = n·j (yj − y )2
n··
j =1
155
Antalcides Olivo B. Probabilidad y Estadística
cov (X, Y )
ρ (X, Y ) = si σY2 , σX2 , 0
σX2 σY2
-
Ev _ Ev
+ _ +
- -
- - - -
- - - - --
- -
- -
- - - -
- - - -
- _
- + -_
- +
uEj uEj
SXY >0 SXY <0
fig a
156
Antalcides Olivo B. Probabilidad y Estadística
Ev Ev
- - - - - - - - -
- - - -
- - - - - --
- - -
- - - -
- - - -
- - - - -
- - - - -
- - - --
- - -
4.7.3 Propiedades
1. −1 < ρ < 1
(a).
cov (X, Y ) = E (XY ) − E (X ) E (Y )
(b). Si las variables X e Y son independientes
157
Antalcides Olivo B. Probabilidad y Estadística
Ejemplo 4.28 Dos piezas, como indica la figura ej.4.29, se pueden ensam-
blar. Si consideramos que las cotas X1 , X2 son v.a. independientes y además
consideramos que el espacio que queda libre entre las dos es Y = X1 − X2 ,
donde la función de distribución conjunta para X1 , X2 es
(
8 exp (−2x1 + x2 ) si x1 ≥ 0, x2 ≥ 0
f (x1 , x2 ) =
0 en otro caso
X1 X2
ej.4.28 Ej 4.28
158
Antalcides Olivo B. Probabilidad y Estadística
Por lo tanto
V (X1 ) = E X12 − E 2 (X1 ) =
Z∞ 2
1 1
= 2x12 exp (− (2x1 )) dx1 − =
0 2 4
Z∞ 2
1 15
V ( X2 ) = 4x22 exp (− (2x2 )) dx2 − =
0 4 16
Ahora tenemos que X1 Y X2 son independientes entonces
V ( Y ) = V ( X1 ) + V ( X2 )
1 15 19
= + =
4 16 16
Ejemplo 4.29 Suponga que X1 y X2 son calificaciones codificadas en dos
pruebas de inteligencia, y la f.d.p conjunta está dada por
6x12 x2 si 1 ≥ x1 ≥ 0, 1 ≥ x2 ≥ 0
(
f ( x1 , x2 ) =
0 en otro caso
Encuentre E(X2 |X1 ), E(X1 |X2 ) y V(X1 |X2 )
Solución 4.29.1 La región S está representada en la fig 4.19 . Ahora deter-
minaremos fx1 y fx2
Z1
fx1 (x1 ) = 6x12 x2 dx2 = 3x12
0
Z 1
fx2 (x2 ) = 6x12 x2 dx1 = 2x2
0
entonces
3x12 si 0 ≤ x1 ≤ 1, 0 ≤ x2 ≤ 1
(
f (x1 |x2 ) =
0 en otro caso
y (
2x2 si 0 ≤ x1 ≤ 1, 0 ≤ x2 ≤ 1
f (x2 |x1 ) =
0 en otro caso
Por lo cual
Z 1
2
E (X2 |X1 ) = 2x22 dx2 =
0 3
Z 1
3
E (X1 |X2 ) = 3x13 dx1 =
0 4
Z 1 2
3 3
V (X1 |X2 ) = 3x14 dx1 − =
0 4 80
159
Antalcides Olivo B. Probabilidad y Estadística
determinar cov(X1 , X2 )
x2 x1
1 − x1 si 0 < x1 < 1
f ( x1 ) = 1 + x1 si −1 < x1 < 0
0 en otro caso
(
2x2 si 0 < x2 < 1
f ( x2 ) =
0 en otro caso
160
Antalcides Olivo B. Probabilidad y Estadística
Por tanto
Z 1 Z 0
E ( X1 ) = x1 (1 − x1 ) dx1 + x1 (1 + x1 ) dx1 = 0
0 −1
Z1
2
E ( X2 ) = x2 (2x2 ) dx2 =
0 3
Z 1Z x2
cov (X1 , X2 ) = x1 x2 dx1 dx2 − 0 = 0
0 −x2
Tarea 1
161
Antalcides Olivo B. Probabilidad y Estadística
Precio
$ 1000 1050 1100 1150 1200 1350
A 0.2 0.3 0.1 0.3 0.05 0.05
B 0.1 0.1 0.3 0.3 0.1 0.1
162
Antalcides Olivo B. Probabilidad y Estadística
(a) P (X = 2)
(b) P (X > 3)
(c) P (2 < X < 5)
(d) P (2 ≤ X ≤ 5)
163
Antalcides Olivo B. Probabilidad y Estadística
17. El voltaje de una batería nueva puede ser aceptable (A) o no acept-
able (I). Cierta linterna de mano necesita dos baterías, así que
éstas han de seleccionarse y probarse independientemente hasta
encontrar dos aceptables. Supongamos que el 80% de todas las
baterías tiene voltaje aceptable y denotemos por Y el número de
baterías que deben ser probadas.
164
Antalcides Olivo B. Probabilidad y Estadística
x 0 1 2 3 4
f (x ) 0.41 0.37 0.16 0.05 0.01
Encuentre
(a) P (T = 5)
(b) P (T > 3)
(c) P (1.4 < T < 6).
22. Una variable aleatoria continua X que puede asumir valores entre
x = 2 y x = 3 tiene una función de densidad f (x ) = 1/2
165
Antalcides Olivo B. Probabilidad y Estadística
23. Una variable aleatoria continua X que puede tomar valores entre
x = 2 y x = 5 tiene una función de densidad f (x ) = 2(1 + x )/27.
Encuentre
(a) P (X < 4)
(b) P (3 < X < 4).
166
Antalcides Olivo B. Probabilidad y Estadística
34. Determine si las dos variables aleatorias del , ejercicio 31 son de-
pendientes o independientes.
167
Antalcides Olivo B. Probabilidad y Estadística
36. Una vinatería cuenta con instalaciones para atender a clientes que
llegan en automóvil y a quienes llegan caminando. En un día se-
leccionado aleatoriamente, sean X y Y , respectivamente, los pe-
riodos de tiempo que se utilizan para cada caso y suponga que la
función de densidad conjunta para estas dos variables aleatorias
es ( 2
( x + 2y ) , 0 < x < 1, 0 < y < 1
f (x, y ) = 3
0, en otro caso
37. Una compañía dulcera distribuye cajas de chocolates con una mez-
cla de tres tipos de chocolate: cremas, de chiclosos y envinados.
Suponga que el peso de cada caja es de 1 kilogramo, pero los pe-
sos individuales de las cremas, de los chiclosos y de los envinados
varían de una caja a otra. Para una caja seleccionada aleatoria-
mente, X y Y representan los pesos de las cremas y de los chi-
closos, respectivamente, y suponga que la función de densidad
conjunta de estas variables es
(
24xy, 0 < x < 1, x + y ≤ 1, 0 < y < 1
f (x, y ) =
0, en otro caso
168
Antalcides Olivo B. Probabilidad y Estadística
(a) Calcule E (X ), E (X 2 ) y
(b) Si el precio de un congelador que tiene una capacidad de X
pies cúbicos es 25X − 8.5, ¿cuál es el precio esperado pagado
por el siguiente cliente que va a comprar un congelador?
(c) ¿Cuál es la varianza del precio 25X − 8.5 pagado por el sigu-
iente cliente?
(d) Suponga que mientras la capacidad nominal de un conge-
lador es X, la capacidad real es h(X ) = X − 0.01X 2 . ¿Cuál es
la capacidad real esperada del congelador comprado por el
siguiente comprador?
169
Antalcides Olivo B. Probabilidad y Estadística
170
Antalcides Olivo B. Probabilidad y Estadística
171
Antalcides Olivo B. Probabilidad y Estadística
Determínese
172
Antalcides Olivo B. Probabilidad y Estadística
Determínese
173
Antalcides Olivo B. Probabilidad y Estadística
(a) P (l < X ≤ 2, 1 ≤ Y ≤ 2)
(b) P (2 ≤ X < 4, 2 < Y < 4)
(c) La f.d. de Y
(d) La f.d.p. conjunta de X e Y
(e) P (Y < X ).
174
Antalcides Olivo B. Probabilidad y Estadística
Determínese
csen x, 0 ≤ x ≤ π2 ,
(
0≤y≤3
f (x, y ) =
0 , en otro caso
Determínese
175
Antalcides Olivo B. Probabilidad y Estadística
Determínese
67. Supóngase que una variable aleatoria X puede tomar cada uno
de los siete valores −3, −2, −1, 0, 1, 2, 3 con la misma probabilidad.
Determínese la f.p. de Y = X 2 − X.
Además,
176
Antalcides Olivo B. Probabilidad y Estadística
Determínese
(a) la f.d.p. de Y = X1 X2 .
X1
(b) la f.d.p. conjunta de Z = X2
Determínese la f.d.p. de Z = X + Y .
e−x si
(
x > 0,
f (x ) =
0 , en otro caso
Determínese la f.d.p. de Y = X1 − X2 .
177
Antalcides Olivo B. Probabilidad y Estadística
12y 2 , 0 ≤ y ≤ x ≤ 1
(
f (x, y ) =
0 , en otro caso
178
Antalcides Olivo B. Probabilidad y Estadística
E [(X − c )2 ] = (µ − c )2 + σ 2
E [(X − Y )2 ] = V (X ) + V ar (Y ).
(a) V (X − Y ),
(b) V (2X − 3Y + 1).
(a) E [(X − d )2 ] y
(b) E (|X − d|).
179
Antalcides Olivo B. Probabilidad y Estadística
x + 21 ,
(
0≤x≤1
f (x ) =
0 en otro caso
(a) E [(X − d )2 ] y
(b) E (|X − d|).
180
Antalcides Olivo B. Probabilidad y Estadística
1
| (X − µX ) (Y − µY ) | ≤ [(X − µX )2 + (Y − µY )2 ].
2
95. Sean X e Y variables aleatorias tales que 0 < σX2 < ∞ y 0 < σY2 <
∞. Supóngase que U = aX + b y V = cY + d donde a , 0 y c ,
0. Demuéstrese que ρ (U , V )= ρ (X, Y ) si ac > 0 y que ρ (U , V ) =
−ρ (X, Y ) si ac < 0.
96. Sean X, Y y Z tres variables aleatorias tales que Cov (X, Z ) y Cov (Y , Z )
existen y sean a, b y c constantes cualesquiera. Demuéstrese que
181
Antalcides Olivo B. Probabilidad y Estadística
101. Supóngase que una persona debe aceptar un juego X con la forma
siguiente: P (X = a) = p y P (X = 1 − a) = 1 − p, donde p es un
número tal que 0 < p < 1. Supóngase también que la persona
puede elegir y fijar el valor de a (0 ≤ a ≤ 1) utilizado en este juego.
Determínese el valor de a que la persona elegiría si su función de
utilidad es U (x ) = log x para x > 0
182
5
Distribuciones
5.0 Introducción
183
Antalcides Olivo B. Probabilidad y Estadística
184
Antalcides Olivo B. Probabilidad y Estadística
y su función de probabilidad
q si x=0
f (x, p ) = p si x=1
0
en otro caso
y su función de distribucción es
0 si x<0
F (x, p ) = q si 1 > x≥0
1 si
x≥1
(nx)px qn−x si x = 0, 1, 2, · · · , n
(
f (x ) =
0 en otro caso
185
Antalcides Olivo B. Probabilidad y Estadística
0 si x<0
P[x] n k n−k
F (x ) = ( )p q si n ≥ x ≥ 0
k =0 k1
si x≥n
E (X ) = np, V (X ) = npq
Solución 5.2.1 Tenemos que X tiene una distribución binomial con p=0.4
y n=15 por tanto se busca en la tabla estos paramétros y se suman los valores
entre 6 y 9
186
Antalcides Olivo B. Probabilidad y Estadística
ya que es una serie geométrica por ser 1≥ q ≥ 0, por lo que nos queda
determinar su esperanza y su varianza
∞
X p pq q
E (X ) = p kqk = 2
= 2
=
(p − 1) (q − 1) p
k =0
∞
X q2 + q q (q + 1)
E X2 = p k 2 qk = p 3
=
(1 − q ) p2
k =0
!2
q (q + 1) q q
V (X ) = 2
− = 2
p p p
187
Antalcides Olivo B. Probabilidad y Estadística
Ejemplo 5.4 Un matrimonio quiere tener una hija, y por ello deciden tener
hijos hasta el nacimiento de una hija. Calcular la probabilidad de que una
pareja acabe teniendo tres hijos o más
P (X ≥ 2) = 1 − P (X < 2)
= 1 − p − qp
2 2 1
= 1− − =
3 9 9
188
Antalcides Olivo B. Probabilidad y Estadística
189
Antalcides Olivo B. Probabilidad y Estadística
V(X ) = λ
Se denota X { P (λ, λ)
Ejemplo 5.6 Cierta enfermedad tiene una probabilidad muy baja de ocur-
rir, p = 10−6 . Calcular la probabilidad de que en una ciudad con 500000
habitantes haya más de 3 personas con dicha enfermedad. Calcular el número
de habitantes que la padecen.
P (X > 3) = 1 − P (3 ≥ X )
3
X exp (−5) 5i 118 −5
= 1− = 1− e
i! 3
i =0
= 0. 734 97
190
Antalcides Olivo B. Probabilidad y Estadística
por lo tanto
∞
X e−λ λx
0.5 ≥
x!
x =(a+1)
P (X ≥ 1) = 1 − P (X < 1) = 0.63
191
Antalcides Olivo B. Probabilidad y Estadística
Donde ki=1 xi = n
P
Ejemplo 5.9 Se fabican lápices mecánicos por medio de un proceso que im-
plica una gran cantidad de mano de obra en las operaciones de ensamble.
Éste es un trabajo altamente repetitivo y hay un pago de incentivo. La in-
spección final ha revelado que el 85% del producto es bueno y el 10% de-
fectuoso pero que puede reelaborarse, y el 5% es defectuoso y se desecha.
Estos porsentajes se mantienen constantes todo el tiempo. Se selecciona una
muestra aleatoria de 20 artículos . Si se designa
X1 = número de artículos buenos
X2 = número de artículos defectuosos que se pueden rescatar
X3 = número de artículos que se desechan
Determinar la probabilidad que 18 sean buenos y que 2 se puedan rescatar
192
Antalcides Olivo B. Probabilidad y Estadística
193
Antalcides Olivo B. Probabilidad y Estadística
Distribución uniforme
1
(
10 si x ∈ [0, 10]
f (x ) =
0 si no
Tenemos que
2
P (3, 5 ≥ X ≥ 1, 5) =
10
Y su función de distribución es
(
1 − e−λx si x > 0
F (x ) =
0 si no
1
E (X ) =
λ
1
V (X ) = 2
λ
194
Antalcides Olivo B. Probabilidad y Estadística
Distribución exponencial
Ejemplo 5.11 Se sabe que un componente electrónico tiene una vida útil
representada por una densidad exponencial con tasa de falla de 10−5 fallas
por hora.Determinar la fracción de tales componentes que podrían fallar
antes de la vida media
Solución 5.11.1 Sea T el tiempo que tarda en dañarse el componente, en-
tonces λ = 105
Z λ1
1
P ≥T = λe−λx dx = 1 − e−1
λ 0
195
Antalcides Olivo B. Probabilidad y Estadística
1 x−µ 2
f (x ) = √1 e− 2 ( σ) si x ∈ IR
σ 2π
Z x
F (x ) = P (x ≥ X ) = f (x ) dx
−∞
E (X ) = µ
V (X ) = σ 2
•
lim f (x ) = 0 y lim f (x ) = 0
x−→+∞ x−→−∞
196
Antalcides Olivo B. Probabilidad y Estadística
Este resultado
loutilizaremos para estandarizar una variable normal
2 X−µ
Si X { N µ, σ entonces Z = σ { N (0, 1)
197
Antalcides Olivo B. Probabilidad y Estadística
Figure 5.2: Distribuciones Normales con igual media pero diferente varianza
Solución 5.13.1 Para resolver este problema debemos usar la tabla que
aparece al final del capítulo, pero antes hay que estándarizar la variable
de tal manera que
X −µ
Z=
σ
X − 45
= √
81
de modo que si
48 ≥ X ≥ 39 ⇐⇒ 31 ≥ X−45 ≥ −2
3 , entonces
9
1
P (48 ≥ X ≥ 39) = Φ 3 ≥ Z ≥ −2
3 = 0, 378
Cola de la derecha
Z ≤ 13
198
Antalcides Olivo B. Probabilidad y Estadística
fig 5.07
X ≥ x0.5 y que x0.75 ≥ X ≥ x0.25 en los dos casos hay que estandarizar
las variables, en el primer caso es obvio que el intervalo es (−∞, 175] en el
segundo caso usaremos la tabla para determinar
z0.75 = 0, 675
x − 175
= 0.75 =⇒
10
x0.75 = 181.75
z0.25 = −0.675
x − 175
= 0.25 =⇒
10
x0.25 = 168, 25
199
Antalcides Olivo B. Probabilidad y Estadística
200
Antalcides Olivo B. Probabilidad y Estadística
es decir
α α (α + 1)
E (X ) = , E X2 = (5.7)
β β2
!2
α (α + 1) α α
V (X ) = 2
− = 2
β β β
!
α α
Si X tiene una distribución Gamma se denota X { Γ ,
β β2
201
Antalcides Olivo B. Probabilidad y Estadística
R∞ λ
(λt )α−1 e−λt dt x > 0
1− x
F (x ) =
Γ ( α ) (5.8)
0 x≤0
1
0.5
0.8
0.4
0.6
0.3
0.2 0.4
0.1 0.2
0 0
2 4 6 x8 10 12 14 2 4 6 x8 10 12 14
que es la suma de los términos de Poisson con media λx con lo que nos
queda que podemos utilizar la distribución de Poisson para calcular la
distribución Gamma f (y ) haciendo y = λx, β = λ−1
1 1
Ejemplo 5.15 Sea X una variable aleatoria tal que X { Exp , 2 , esta
λ λ
variable se puede representar con una Gamma haciendo α = 1, β = λ−1
202
Antalcides Olivo B. Probabilidad y Estadística
por lo que la vida del sistema puede representarse como la suma de las vi-
das de los subsistemas. Así X = X1 + X2 + X3 + X4 . Si la vidas de los
subsistemas son independientes entre sí, y cada subsistema tiene una vida
Xj, j = 1, 2, 3, 4, con f .d.p
xj
1 e− 1000
xj ≥ 0
g xj = (5.10)
1000 0
xj < 0
unidad 1
Unidad 2
Unidad 3
Unidad 4
203
Antalcides Olivo B. Probabilidad y Estadística
x2
v
1 −1 −
v v!x2 e 2 x > 0
f X2 =
Γ
(5.15)
2 2
2
0 x≤0
0.2 1
0.8
0.15
0.6
0.1
0.4
0.05 0.2
0 0 5 10 15 20 25
5 10 15 20 25 x
u
204
Antalcides Olivo B. Probabilidad y Estadística
1
Lema 5.3 Si n es un entero positivo se tiene que Γ (n) = (n − 1)! , Γ n + =
2
1 3 5 1 1
n− n− n − ··· Γ
2 2 2 2 2
√
1
Lema 5.4 Γ = π
2
β α α−1 −βx
x e para x > 0
f (x ) = Γ (α ) (5.17)
0 para x ≤ 0
205
Antalcides Olivo B. Probabilidad y Estadística
d n tX
" #
(n)
ψ (0) = E e = E (X n ) (5.19)
dt n t =0
Determinemos
∞ Z∞
βα
Z
n
E (X ) = n
x f (x ) dx = xα +n−1 e−βx dx (5.21)
0 Γ ( α ) 0
β α Γ (α + n) Γ (α + n)
= = n
Γ (α ) β α +n β Γ (α )
α (α + 1) (α + 2) · · · (α + n − 1)
βn
es decir
α α (α + 1)
E (X ) = , E X2 = (5.22)
β β2
!2
α (α + 1) α α
V (X ) = − = 2
β2 β β
!
α α
Si X tiene una distribución Gamma se denota X { Γ ,
β β2
206
Antalcides Olivo B. Probabilidad y Estadística
R∞ λ
(λt )α−1 e−λt dt x > 0
1− x
F (x ) =
Γ ( α ) (5.23)
0 x≤0
1
0.5
0.8
0.4
0.6
0.3
0.2 0.4
0.1 0.2
0 0
2 4 6 x8 10 12 14 2 4 6 x8 10 12 14
que es la suma de los términos de Poisson con media λx con lo que nos
queda que podemos utilizar la distribución de Poisson para calcular la
distribución Gamma f (y ) haciendo y = λx, β = λ−1
1 1
Ejemplo 5.18 Sea X una variable aleatoria tal que X { Exp , 2 , esta
λ λ
variable se puede representar con una Gamma haciendo α = 1, β = λ−1
207
Antalcides Olivo B. Probabilidad y Estadística
subsistemas son independientes entre sí, y cada subsistema tiene una vida
Xj, j = 1, 2, 3, 4, con f .d.p
xj
1 −
e 1000 xj ≥ 0
g xj = (5.25)
1000
0 xj < 0
0.001
(0.001x )3 e−0.01x x > 0
f (x ) = (5.26)
3!
0 x≤0
3
X
P (∞ > x ) = e.0.001x (0.001x )k /k! (5.27)
k =0
unidad 1
Unidad 2
Unidad 3
Unidad 4
1
X e−4 (4)k
P (X > 4) = = 5e−4 = 9. 157 8 × 10−2 (5.28)
k!
k =0
208
Antalcides Olivo B. Probabilidad y Estadística
v
Ejercicios 4 para una distribución gamma con β = 2 y α = , donde v es
2
un entero positivo está distribución así definida se le denomina chi-cuadrada
y se denota χ2 , y su f .d.p es
x2
v
1 −1 −
v v!x2 e 2
x>0
f X2 =
Γ
(5.30)
2 2 2
0 x≤0
0.2 1
0.8
0.15
0.6
0.1
0.4
0.05 0.2
0 0 5 10 15 20 25
5 10 15 20 25 x
u
5.5 Problemas
209
Antalcides Olivo B. Probabilidad y Estadística
210
Antalcides Olivo B. Probabilidad y Estadística
211
Antalcides Olivo B. Probabilidad y Estadística
212
Antalcides Olivo B. Probabilidad y Estadística
213
Antalcides Olivo B. Probabilidad y Estadística
214
Antalcides Olivo B. Probabilidad y Estadística
215
Antalcides Olivo B. Probabilidad y Estadística
216
Antalcides Olivo B. Probabilidad y Estadística
217
Antalcides Olivo B. Probabilidad y Estadística
218
Antalcides Olivo B. Probabilidad y Estadística
219
Antalcides Olivo B. Probabilidad y Estadística
220
Antalcides Olivo B. Probabilidad y Estadística
221
Antalcides Olivo B. Probabilidad y Estadística
dos horas se toma del pro- las primeras tres visita cual
ceso una muestra aleatoria es la probabilidad de que su
de tamaño 50. Si la muestra cuarta visita no sea exitosa?
contiene más de dos piezas
defectuosas el proceso debe 50. Suponga que se van a re-
interrumpirse. Determine alizar cinco experimentos
la probabilidad de que el de laboratorio idénticos in-
proceso será interrumpido dependientes Cada experi-
por medio del esquema de mento es en extremo sensi-
muestreo indicado. ble a las condiciones ambi-
entales, y solo hay una prob-
47. Se sabe que el proceso de abilidad p de que se ten-
producción de luces de un mnará con éxito Grafique,
tablero de automóvil de in- como una función de la
dicador giratorio produce probabilidad de que el
uno por ciento de luces de- quinto experimento sea el
fectuosas. Si este valor per- primero que falle. Obtenga
manece invariable, y se se- matemáticamente el valor de
lecciona al azar una mues- p que maximice la probabil-
tra de 100 luces, encuentre idad de que el quinto ensayo
P(p≤ 0 .03), donde p es la sea el primer experimento
fracción de defectos de la no exitoso.
muestra.
51. La probabilidad de que un
48. Suponga que una muestra submarino hunda un barco
aleatoria de tamaño 200 se enemigo con un disparo de
toma de un proceso que sin torpedos es 8 Si los dis-
tiene una fracción de defec- paros son independientes,
tos de 0.07. Cuál es la prob- determine la probabilidad
abilidad de que p exceda la de hundimiento dentro de
fracción verdadera de defec- los primeros dos disparos, y
tos en una desviación están- dentro de los primeros tres ,
dar?, ¿En dos desviaciones
estándar? y ¿,En tres desvia- 52. En Atlanta la probabili-
ciones estándar? dad de que ocurra una tor-
menta en cualquier dia du-
49. Un agente de bienes raíces rante la primavera es 050
estima que la probabilidad Suponiendo independencia,
de vender una casa es .10.1 ¿cual es la probabilidad de
día de hoy tiene que ver cu- que la primera tormenta
atro clientes Si tiene éxito en ocurra el cinco de abril
222
Antalcides Olivo B. Probabilidad y Estadística
223
Antalcides Olivo B. Probabilidad y Estadística
224
Antalcides Olivo B. Probabilidad y Estadística
225
Antalcides Olivo B. Probabilidad y Estadística
226
Contenido
227
Antalcides Olivo B. Probabilidad y Estadística
228