Problemario ProbEstadistica
Problemario ProbEstadistica
Problemario ProbEstadistica
1
Justificación:
Con base en la experiencia, se ha observado que muchos de los estudiantes tienen dificultades a la hora
de leer, interpretar y plantear problemas de probabilidad y estadística. Por esta razón se considero
pertinente elaborar este trabajo, el cual incluye problemas ilustrativos de las cinco unidades temáticas
consideradas en la unidad de aprendizaje de Probabilidad y Estadística, según el rediseño del año 2009.
I Elementos de probabilidad.
II Variables aleatorias discretas y continuas.
III Distribuciones de probabilidad para variables discretas y continuas.
IV Distribución de varias variables aleatorias.
V Estadística paramétrica usando estimación y prueba de hipótesis.
El grado de dificultad de los problemas va de lo simple a lo complejo, cuidando mucho el nivel que un
Ingeniero en Sistemas Computacionales egresado de ESCOM debe tener en una unidad de aprendizaje
como esta.
Objetivos:
Servir de guía para los estudiantes que cursan probabilidad y estadística.
Servir como material de apoyo para los profesores que imparten esta unidad de aprendizaje.
Notación.
Solución
a) Los que estudian su licenciatura son 36 más los que viven fuera del reciento que son 9 hacen un total
de 45 pero hay que restar los 3 que cumplen ambas condiciones quedando únicamente 42 alumnos.
b) Del cuadro se observa a simple vista que 33 alumnos estudian su licenciatura y viven en el recinto.
c) También se observa directamente del cuadro que son 18 los estudiantes que ya tienen su licenciatura
terminada y habitan dentro del recinto.
Problema 2._ Una instalación consta de dos calderas y un motor. Sea A el evento de que el motor está
en buenas condiciones, mientras que los eventos Bk , k 1,2 son los eventos de que la k-ésima caldera
esté en buenas condiciones. El evento C es que la instalación pueda funcionar. Si la instalación
funciona cada vez que el motor y al menos una caldera funciona, expresa C y C’ en términos de A y de
los eventos Bk.
Solución
La instalación funciona cada vez que el motor y (intersección) al menos una (unión) caldera funciona
es decir, el evento C es la intersección del evento A con la unión de los eventos Bk
C AB1 B2
Solución
a) Sea mi el mecanismo i-ésimo, i =1, 2, 3, 4, 5, 6, 7, 8. Cada uno de los mecanismos puede colocarse
en cuatro posiciones así el sistema puede instalarse como sigue:
= 484maneras
4 de··· 4 el sistema.
instalar
m1 m2 ··· m
8
O bien, con el método de las casitas en la primer casita se coloca el número 4 que representa el número
de maneras en que se puede instalar el mecanismo 1, en la segunda casita se coloca un 3 ya que el
segundo mecanismo se puede instalar sólo de tres maneras, en la tercer casita se coloca un 3 por la
misma razón y así hasta llegar a la casita número 8 correspondiente a las posiciones disponibles del
mecanismo ocho.
4 3 3 ··· 3 = (4)37
d) Para que una posición aparezca tres veces más que la otra, se tiene que una aparece 2 veces y la otra
aparece 6 veces ( 2 6 8 mecanismos).
8 8!
7(8)
¿De cuántas maneras puedo tomar 6 de 8 que tengo? 6 6!2! 2 28
Por ejemplo, si salen los números 1, 2, 3, 4, 5, 6 entonces a los mecanismos correspondientes los
coloco en la posición x (a, b, c ó d) y los mecanismos que faltan los coloco en la posición y.
Pero por cada una de estas maneras de poner 6 mecanismos en la posición x y 2 en la posición y, hay
una más, poner los 6 mecanismos en la posición y y dos en la posición x, entonces, necesitamos
multiplicar por (2).
Además ¿de cuántas maneras puedo tomar 2 posiciones de 4 que tengo?
4 4! 3(4)
2
2! 2 6
2!
También puede hacerse con permutaciones, quiero tomar 2 posiciones de 4 que tengo y el orden
importa porque la primera posición será puesta en 6 mecanismos y la segunda en sólo 2 mecanismos y
no es lo mismo poner 6 mecanismos en la posición a y 2 en b que poner 6 mecanismos en la posición b y
2 en la posición a.
4!
P 4 3(4) Número total de maneras = 28(12) = 336
12
2
2!
Problema 4._ En una habitación 10 personas tienen insignias numeradas del 1 al 10. Se eligen tres
personas al azar y se les pide que dejen la habitación simultáneamente y se anotan los números de las
insignias. ¿Cuál es la probabilidad de que el número
a) menor de las insignias sea 5?
b) mayor de las insignias sea 5?
Solución
El espacio muestral consta de todas las triadas que se pueden formar de los 10 números, no importa el
orden por lo tanto la cardinalidad del espacio muestral es:
10
#(S ) 120
3
a) El 5 será el número más pequeño de las insignias sólo si él está en la triada y los otros dos son
números tomados del 6 al 10, es decir necesitamos saber de cuántas manera se pueden sacar dos de los
cinco números 6, 7, 8, 9, 10.
Sea el evento A: Conjunto de triadas donde 5 es el número más pequeño
5
#( A) 2 10 1
entonces P( A)
#(S ) 120 120 12
b) Para que 5 sea el mayor número, debo incluirlo en la triada y tomar los otros 2 de entre los números
1, 2, 3, 4.
4
#( A) 2 1
Se tiene que P( A)
#(S) 120 20
Problema 5._ Supón que A, B y C son eventos tales que P( A) P(B) P(C ) 1/ 4 ,
P( AB) P(BC ) y P( AC) 1 / 8 . Calcula la probabilidad de que al menos uno de los eventos A, B
0
o C ocurra.
Solución
Problema 6._ De 6 números positivos y 8 números negativos se eligen 4 números al azar sin
sustitución y se multiplican. ¿Cuál es la probabilidad de que el producto sea un número positivo?
Solución
En el cuadro siguiente se presentan todas las opciones al elegir 4 números de los 14 que tenemos. Me
interesa sólo el signo entonces no importa el orden.
y el espacio muestral S es el conjunto de todas las cuartetas de números de entre los disponibles.
14
Entonces la cardinalidad del espacio muestral es #(S ) 1001
4
Finalmente la probabilidad de que el producto de los cuatro números elegidos sea positivo es:
#( A) 505
P( A) 0.504
#(S ) 1001
Problema 7._ Se eligen sin reemplazo dos dígitos al azar del 1 al 9. Si la suma de los dígitos es par,
encuentra la probabilidad de que ambos dígitos sean impares.
Solución
Se trata de una probabilidad condicional donde el espacio muestral reducido es el conjunto de parejas
que al ser sumadas resultan en un número par y el evento de interés es que ambos números sean impares.
1 3 5 7 9 5 números impares
2 4 6 8 4 números pares
para que la suma sea par se necesita que ambos sean pares o ambos impares
4
2 6
ambos pares
16 maneras de que la sea par
suma
5
10 ambos impares
2
10 5
P(ambos impares suma par)
16 8
Problema 8._ Se ha observado que los hombres y las mujeres reaccionan de una manera diferente en
ciertas circunstancias; el 70% de las mujeres reacciona positivamente en dichas circunstancias,
mientras que el porcentaje en los hombres es solamente del 40%. Se sometió a prueba un grupo de 20
personas, 15 mujeres y 5 hombres, y se les pidió llenar un cuestionario para descubrir sus reacciones.
Una respuesta escogida al azar de las 20 resultó negativa. ¿Cuál es la probabilidad de que haya sido
contestada por un hombre?
Solución
Pm p ?
P p 40 10 40 8
3
8
Usando la definición de probabilidad condicional se tiene que la probabilidad de que haya contestado
un hombre dado que la respuesta fue negativa es:
1
0.6
Pmp P pm Pm 4 0.4
Pm p P 3
P p
p
8
Problema 9._ La probabilidad de que un doctor diagnostique de manera correcta una enfermedad
particular es 0.7. Dado que el Dr. Hace un diagnóstico incorrecto, la probabilidad de que el paciente
presente una demanda es 0.9. ¿Cuál es la probabilidad de que el Dr. haga un diagnóstico incorrecto y el
paciente lo demande?
Solución
Problema 10._ Se dio a una nueva secretaria n contraseñas para la computadora, pero solamente una
de ellas dará acceso a un archivo. La secretaria no sabe cuál es la contraseña correcta y por tanto,
escoge una al azar y la prueba. Si la contraseña es incorrecta, la quita y selecciona aleatoriamente otra
de las que quedan, continuando de esta manera hasta encontrar la contraseña correcta.
a) ¿Cuál es la probabilidad de que obtenga la contraseña correcta en el primer intento?
b) ¿Cuál es la probabilidad de que obtenga la contraseña correcta en el segundo intento? y ¿en el
tercero?
c) Se estableció un sistema de seguridad de tal manera que si se intentan 3 contraseñas incorrectas antes
de encontrar la buena se cierra el archivo y se niega el acceso. Si n 7 ¿Cuál es la probabilidad de que
la secretaria tenga acceso al archivo?
Solución
C
P
C PC C PC P C C
n 1 n 2 1 1
PC C C
12
1 n n 1 n 2 n
3
1 2 3
3 1 2
c) La secretaria tendrá acceso al archivo si logra encontrar la contraseña correcta en cualquiera de los
tres primeros intentos y como son eventos disjuntos la probabilidad de la unión de los eventos
C1 C2 C3 es la suma de las probabilidades individuales. Usando n 7 se tiene que la probabilidad
de que la secretaria tenga acceso al archivo es:
Problema 11._ La urna 1 contiene x esferas blancas y y rojas. La urna 2 contiene z blancas y v rojas. Se
escoge una esfera al azar de la urna 1 y se pone en la urna 2. Entonces se escoge una esfera al azar de la
urna 2. ¿Cuál es la probabilidad de que esta esfera sea blanca?
Solución
La bola que se extrae de la urna 2 puede ser blanca bajo dos situaciones diferentes y excluyentes; la
bola que se extrae de la urna 1 es blanca y la bola que se extrae de la urna 2 también es blanca o la bola
que se extrae de la urna 1 es roja y la bola que se extrae de la urna 2 es blanca. Usando el hecho de que
la probabilidad de unión de eventos disjuntos es la suma de las probabilidades individuales y la Regla
de la multiplicación se tienen que la probabilidad de interés está dada por:
P b1b2 P r1b2
x z 1 y z
x y z v 1 x y z v 1
Problema 12._ Un prisionero político será enviado a Siberia o a los Urales. Las probabilidades de que
lo envíen a estos dos lugares son 0.6 y 0.4 respectivamente. Se sabe además que si un residente de
Siberia se elige al azar hay una probabilidad de 0.5 de que lleve un abrigo de piel, en tanto que la
probabilidad para lo mismo es de 0.7 en los Urales. Al llegar al exilio, la primera persona que ve el
prisionero no lleva un abrigo de piel ¿Cuál es la probabilidad de que esté en Siberia?
Solución
PSA'
PS A'
P A'
PS PA' S
PS PA' S PU PA' U
0.6(0.5)
0.6(0.5) 0.4(0.3) 0.714
Problema 13._ Una ciudad tiene dos carros de bomberos que operan de forma independiente. La
probabilidad de que un carro específico esté disponible cuando se le necesite es 0.96. ¿Cuál es la
probabilidad de que:
a) ninguno esté disponible cuando se le necesite?
b) un carro de bomberos esté disponible cuando se le necesite?
Solución
Solución
PA b 1 PA b
1 P( A) P(B) P( A)P(B)
1 P(B) P( A)1 P(B) a
Despejando P( A)
1 P(B) a 1 b a
P( A)
1 P(B) 1 b
Problema 15._ Un detector de mentiras muestra una lectura positiva (es decir, indica una mentira) en
10% de los casos cuando la persona dice la verdad y en 95% de los casos cuando la persona miente.
Supón que se sospecha de dos personas de haber cometido un delito, que fue ejecutado por una sola
persona, y de hecho sólo una de ellas es la culpable. ¿Cuál es la probabilidad de que el detector:
a) muestre una lectura positiva para los dos sospechosos?
b) muestre una lectura positiva para el sospechoso culpable y una lectura negativa para el inocente?
c) esté completamente equivocado, es decir, que indique una lectura positiva para el inocente y una
negativa para el culpable?
d) dé una lectura positiva para cualquiera de los dos o para ambos sospechosos?
Solución
PM V
V 0.9
0.1
PM
P M V
V 0.05
0.95 PM
a) Una lectura positiva para los dos sospechosos significa lectura positiva para el que miente y lectura
positiva para el que dice la verdad, es decir se trata de una intersección de eventos y dado que hay
independencia entre los sospechosos la probabilidad de la intersección es el producto de las
probabilidades:
PM V PM V 0.95(0.1) 0.095
b) Probabilidad de la intersección de los eventos lectura positiva para el que miente y lectura negativa
para el que dice la verdad, dado que hay independencia entre los sospechosos nuevamente es el
producto de las probabilidades:
c) Lectura positiva para el que dice la verdad y lectura negativa para el que miente.
d) Lectura positiva para el que dice la verdad, lectura positiva para el que miente o lectura positiva para
el que miente y para el que dice la verdad.
PM V PM V PM V PM V PM V PM V 0.1(0.05) 0.9(0.95) 0.95(0.1) 0.955.
Problema 16._ La víctima de un accidente morirá a menos de que reciba en los próximos 10 minutos
una cantidad de sangre tipo A, Rh positivo, que sea suministrada por un solo donante. Se tarda 2 minutos
en definir el tipo de sangre de un posible donante y 2 minutos en realizar la transfusión. Hay una gran
cantidad de donantes diferentes cuyo tipo de sangre se desconoce y 40% de ellos tienen el tipo de sangre
A, Rh positivo. ¿Cuál es la probabilidad de que sobreviva la víctima si solamente se dispone de un
equipo para determinar el tipo de sangre?
Solución
La víctima sobrevive si entre los primeros cuatro donantes hay uno con el tipo de sangre A, Rh
positivo. Usando el complemento del evento de interés la víctima muere si ninguno de los cuatro
primeros donantes tiene el tipo de sangre A, Rh positivo. Usando el hecho de que hay independencia
entre los donantes y que la probabilidad de que no tenga el tipo de sangre de interés es 0.6 se tiene que:
Solución
P d
i P d' 1p
p i
Problema 18._ Considera el diagrama de un sistema electrónico que muestra las probabilidades de que
los componentes del sistema operen de modo apropiado. ¿Cuál es la probabilidad de que el sistema
opere si el ensamble III y al menos uno de los componentes en los ensambles I y II deben operar para
que funcione el ensamble? Supón que los componentes de cada ensamble operan independientemente y
que la operación de cada ensamble también es independiente.
I II III
0.8
0.8
0.9 0.99
0.9
0.9
Solución
I) CASO DISCRETO.
Problema 1._ Considera un sistema de agua que fluye a través de unas válvulas de A a B. Las válvulas
1, 2 y 3 funcionan independientemente y cada una se abre correctamente mediante una señal con una
probabilidad de 0.8. Encuentra la distribución de probabilidad para Y, el número de vías abiertas de A a
B después de haber enviado la señal.
A B
2 3
Solución
La vía 1 está abierta si la válvula 1 abre correctamente, lo cual ocurre con una probabilidad de 0.8.
PV Pv 0.8 0.2
P V'
1 1 1
P V
2 P v 2 P v (0.8) 2
2
P V ' 0.36
v3 P v 2 0.64
3
Las dos vías están cerradas con una probabilidad de: P V 'V ' P V ' P V ' 0.2(0.36) 0.072
1 2 1 2
P(Y 0) 0.072
La función de probabilidad puede representarse en una tabla que incluya los valores posibles de la v.a y
las probabilidades asociadas.
Problema 2._ De las personas que llegan a un banco de sangre, 1 de 3 tiene tipo sanguíneo O+, y 1 de 15
tipo O-. Considera 3 donantes, seleccionados aleatoriamente del banco de sangre. Sea X el número de
donantes con sangre tipo O+ y Y el número de donantes con sangre tipo O-. Obtén las distribuciones
de probabilidad para X y Y. Determina también la distribución de probabilidad para X Y el número de
donantes con sangre tipo O.
Solución
La probabilidad de que un donante tenga sangre tipo O+ es
P O entonces la probabilidad de
1
3
2
que no tenga tipo O+ es
P O
3
Sea la variable aleatoria X : Número de donantes con sangre tipo O .
La probabilidad de que ninguno de los tres donantes tenga el tipo de sangre deseado es igual a la
probabilidad de que los tres donantes tengan otro tipo de sangre, suponiendo independencia entre los
donantes se tiene que la probabilidad de que los tres donantes no tengan sangre O positiva es igual al
producto de las probabilidades de que cada uno de ellos no tenga el tipo de sangre O positiva. Es decir:
P( X 0) P O
2 3 8
P O P O
3 27
La probabilidad de que sólo un donante tenga el tipo de sangre de interés es igual a la probabilidad de
que uno de ellos tenga el tipo de sangre deseado y los otros dos tengan otro tipo de sangre. Se deben
contar todas las posibilidades, es decir ¿De cuántas maneras dos de los tres donantes tienen otro tipo de
sangre?
3 3!
2 2!1! 3
Por lo que se debe multiplicar por 3 la probabilidad de que un donante tenga el tipo de sangre de interés
y los otros dos no lo tengan, asumiendo independencia entre los donantes se tiene que la probabilidad
de que un donante tenga tipo de sangre O positiva está dada por:
1 2 2 12
P( X 1) 3P O P O P O 3
3 3 27
La probabilidad de que dos donantes tengan tipo de sangre O positiva está dada por:
P(
X 2) 3P O 2 P O 21 2 6
3 3 3 27
Xx P( X x)
2 3 8
0
3 27
3
2 2 1 12
1
3 3 27
3
2 1 2 6
2
3 3 27
1 3 1
3
3 27
Para la variable aleatoria Y : Número de donantes con sangre tipo O se tiene que:
1
P O
14
15 y P O 15
Función de probabilidad del número
de donantes con sangre tipo O-.
Yy P(Y y)
14 3 2744
0 0.813
15 3375
1 14 2 588
1 3 0.174
15 15 3375
1 2 14 42
2 3 0.0124
15 15 3375
1 3 1
3 0.00029
15 3375
XY P( X Y )
3 3 27
0 0.216
5 125
3 2 2 54
1 3 0.432
5 5 125
3 2 2 36
2 3 0.288
5 5 125
2 3 8
3 0.064
5 125
FX (0) P( X 0) 1
3
1 1 1
F (1) P( X 0) P( X 1)
X
3 6 2
F (2) P( X 0) P( X 1) P( X 2) 1 1 1 1
X
3 6 2
Observa que:
1
F (0.5) P( X 0.5) P( X 0) P( X 0)
X
3
FX (1.9) P( X 1.9) P( X 0) P( X 1
1)
2
FX (1) P( X 1) 0
0 si x 0
1 si 0 x 1
3
FX (x)
1 si 1 x 2
2
1 si x 2
Y su gráfica es:
F X (x)
1/2
1/3
0 1 2 x
Función de probabilidad acumulada para la v.a X
Problema 4._ La demanda de un producto es –1, 0, 1, 2 por día con las probabilidades respectivas de
2 3
1 1 , . Una demanda de –1 implica que se regresa una unidad. Encuentra la demanda esperada
5 , 10 , 5 10
y la varianza.
Solución
Sea la v. a X la demanda por día del producto, con valores posibles x 1, 0, 1, 2.
El valor esperado o esperanza de la variable está dado por:
E( X ) xP( X x)
x
(1)P(
1 2 X 1)
3 0P(
1 X 2 0)61p( X 1) 2P( X 2)
3 24 E( X ) 0.8
6
5 5 10 5 5 10 10
La varianza de la variable aleatoria está dada por el segundo momento menos el cuadrado del primero, es
decir: V ( X ) EX 2 E( X ) .
2
1 2
x
Con E X 2
3
2
P( X x) (1)2 (1)2 1 2 12 2 4 12 18 9
1.8
(2)2
x 5 5 10 5 5 10 10 10 5
f X (x) k1 x 1, 2, 3 .
x
2
a) Determina el valor de k.
b) Encuentra la media y la varianza de X.
c) Encuentra la función de distribución acumulada FX (x) .
Solución
1 x
a) Para que la función x 1, 2, 3 sea una f.d.p tiene que cumplir que
f X ( x) k con f X ( x) 0, 1
E( X ) 4 2 1 11
x f (x)
X 1 2 3
x 7 7 7 7
El cálculo de la varianza es como sigue:2
4 1 11 2 26
V 2
( X ) E X E X 1
2
22 3 2
0.53
7
7 7 7 49
0 x1
4
1x2
7
F X (x)
6 2x3
7
1 x3
Solución
f 1
1
r n k
kr k
(n) k1r
n
N 1r
n n0
n0
1
Problema 7._ Supón que la v.a J tiene valores posibles 1, 2, 3 ,... y P(J j) ,
2 j j 1, 2,...
a) Verifica que es una función de probabilidad.
b) Calcula P(J sea par).
c) Calcula P(J 5) .
d) Calcular P(J sea divisible entre 3).
Solución
a) Para que la función sea una f.d.p debe cumplir las dos propiedades:
Propiedad_1 La P(J j) 0,1
P(J j) 1
2j Siempre es positiva para j 1, 2,...
Propiedad_2 La suma de las probabilidades para todos los valores posibles de la variable aleatoria debe
ser uno.
1 1 j 12
f
j
J ( j)
j1
2 j j 1 2 1 1
1
2
b) P( X sea par) P( 2) P( X 4) P( X 6) L
X
1 1 1 1 2 1 2 1 2 3
1 2
2 4 6 L L
2 2 2 2 2 2
1 2
1 2 i 2 1 4 1
1
4 4
i1 2 1 2 1 3 3(4) 3
1 2 1 4
4
c) P( X 5) 1 P( X 4)
1 1
21 31 1 4 1 1 1 1
1 2 2 2 2 1
2 4 8 16
8421 15 1
1 16 116
16
1
1 1 1 12
3
6
9 2 L
2
2 2
1 3 1 1 3 1 3 1 3 4
2 3 L
2 2 2 2
1 3 1
1 3 2 8 1
8
i 1 2 1 3 7 7(8) 7
1 2 8
Problema 8._ Sea X una v.a con resultados posibles 0, 1, 2,... Supón que
P( X x) (1 a)ax .
a) ¿Para qué valores de a es significativo el modelo anterior?
b) Demuestra que para dos enteros positivos cualesquiera s y t, P( s t | t) P( s)
X X X
Solución
a) La función de probabilidad debe cumplir que la suma de las probabilidades sobre todos los valores
x0
Esta igualdad tiene sentido sólo si a 1, entonces el modelo es significativo para valores de a entre
(0, 1).
b) Usando la definición de probabilidad condicional:
P X t s, X t PX t s 1 PX t s
PX s t X t
PX t PX t 1 PX t
ts
1 (1
ts
a)a j 1 (1 a) a
j 0 j
t
1 (1 a)a j 0
t
j
j 0
1 (1 a)
aj
j 0
a t s 1
1 (1 a)1
1a
at s 1
as
1 at1 t
a
1
1 (1 a)
1a
Por otro lado se tiene que:
s1
j 1 a s11 s
P( X s) 1 P( X s 1) 1 (1
a)1 (1 a
a) a 1
j 0
a
P( X s t X t) P( X s)
Problema 9._ Determina la media y la varianza de la v.a X si se sabe que su función generadora de
momentos (f.g.m) está dada por X (t) 1 3et et 4
para
Solución
t.
3
V ( X )
X
2
4
2
Problema 10._ Sea X una v.a con media y varianza y sea (t) su f.g.m para t . Si c
X
Solución
Y 'Y (t 0)
c[ X (t )1]
e c ' X(t) t 0
ec(11) c
Y c
Ya que (t)
X E e
tX
(0) Ee E(1) 1 0
'Y (t) e
c[ X (t )1]
c ' (t)
(t)
c c (t )
(t) ce e X
'Y '
''Y (t) cec e c X
(t )
X'' (t) X ' (t)ec X
(t )
cX ' (t)
t0
''Y
(0) ce c ec X
(0)
(0) 2 e c X
(0)
c
'' X
cec ec ''X(0) c 2 ec
c '' X(0) c2 2
V(X)E
Pero '' X(0) E X 2 2
( X ) 2 2
Entonces '' Y(0) c 2 2 c2 2
Por lo tanto V (Y ) E Y 2 E 2 (Y )
c 2 c 2 c 2 2 c 2 2
Y c
2
2 2
Problema 11._ Cinco pelotas numeradas del 1 al 5 se encuentran en una urna. Se sacan 2 pelotas al
azar y se anotan sus números. Para el mayor número seleccionado encuentra:
a) La función de probabilidad.
b) Valor esperado y varianza.
c) Función generadora de momentos.
d) Función de probabilidad acumulada.
Solución
a) Sea la v.a de interés X , el mayor de los dos números seleccionados. En el cuadro siguiente se
presentan todos los resultados posibles del experimento y el valor que en cada caso toma la v.a.
Xx f X (x) P( X x)
2 0.1
3 0.2
4 0.3
5 0.4
x 1
La f.d.p también se puede expresar con la fórmula f X(x) para
x 2, 3, 4.
10
b) Para el cálculo de la media y la varianza es bueno crear un cuadro auxiliar que será de gran ayuda.
E X2 x 2 f (x) 0.4 1.8 4.8 10 17
5 x 2
X
Por la tanto la varianza es V ( X ) E X 2 E 2 ( X ) 17 (4)2 1
5 x2
O equivalentemente X (t) 1 5
10 (x 1)e
tx
x2
FX (2) P( 2) P( 2) 0.1
X X
2) P( 3) 0.1 0.2 0.3
FX (3) P( 3) P( X
X X
FX (4) P( X 4) P( X 2) P( X 3) P( X 4) 0.1 0.2 0.3 0.6
FX (5) P( X
5) P( X 2) P( 3) P( 4) P( 5) 1
X X X
Finalmente podemos escribir la función de distribución acumulada como sigue:
0
x2
0.1
2x3
FX (x) 0.3
0.6 3x4
4x5
1
x5
Problema 1._ La variación en la profundidad de un río de un día al otro, medida (en pies) en un sitio
específico, es una variable aleatoria Y con la siguiente función de densidad
fY ( y) k -2 y 2
a) Determina el valor de k.
b) Encuentra la función de probabilidad acumulada para la v. a Y.
Solución
a) Se debe cumplir la propiedad de que la integral de la f.d.p en todo el rango de la v.a debe ser uno.
2
2 1
k
kdy 1 ky 2 k(2 2) 4k
2 4
y
1 1 y y2
b) FY ( y) 4 dt 4 y
2
2
4
0
si
y2 y 2
FY ( y) y (2, 2)
4
1 si y2
Problema 2._ Un maestro de ESCOM nunca termina su clase antes que suene la campana, y siempre
termina su clase a menos de 1 min después que suena la campana. Sea X el tiempo que transcurre
entre la campana y el término de la clase y supón que la f.d.p de X es f X(x) kx2 con 0 x 1 .
a) Encuentra el valor de k .
b) ¿Cuál es la probabilidad de que la clase termine a menos de medio minuto de que suene la campana?
c) ¿Cuál es la probabilidad de que la clase continúe entre 15 y 30 segundos después que suene la
campana?
d) ¿Cuál es la probabilidad de que la clase continúe por lo menos 40 segundos después que suene la
campana?
Solución
a) Sea la variable aleatoria X el tiempo que transcurre entre el sonido de la campana y el término de
la clase.
Se sabe que la integral de la f.d.p en todo el rango de la v.a debe ser uno así que:
1 1 1
1 kx 2dx kx3 k k 3
0
3 0 3
0.5 0.5
x 3
P( X 0.5) 3 x 2dx 3
b) 0 3
0
0
x3 0.5 0.53 0.125
c) 15 segundos es la cuarta parte de un minuto así que la probabilidad pedida está dada por:
0.5
0.5
P(0.25 X 0.5) 3 x 2dx x3 0.53 0.253 0.125 0.015625 0.1094
0.25
0.25
d) 40 segundos son dos tercios de un minuto por lo que la probabilidad de interés es:
2 1 1
2 32 8 19
xP X 3 dx x
3
2/3
1 3 1 27 27 0.7037
3 2/ 3
Problema 3._ Para la siguiente función:
41 x3
0x1
f X (x) 3
o.c
0
a) Demuestra que es una función de densidad de probabilidad.
b) Encuentra la media y la varianza.
c) Encuentra la FX ( x) .
Solución
a) Hay que verificar que se cumplen las dos condiciones de una f.d.p.
0
3 3
0 0 3 4 34
0
Por estas dos propiedades se concluye que esta función es una f.d.p.
41 x 3
1 1
4
1 1
b) E( X ) xf X (x)dx dx
xdx x dx
4
x 0 0
3 30 0
4x 2
x
5
41 1 2
1
5
3 2 0 3 2 5 5
Para la varianza se necesita el segundo momento:
EX 41 x
1 1
1
dx 43 x 2 dx
2
f X (x)dx dx
2
2
1
x
3
0 5
x
x 3 0 0
0
4 x 3 x 6 4 1 1
1
4 1 2
3 3 6 3 3 6 3 6 9
0
2 2 2 50 36 14
V ( X ) E X 2 2
9(25)
225
X
9 5
4 1 t 3
x x
4 t4x 4
x 4 4x x4
4 3 3
c) FX (x) f X (t)dt dt t x
0 0 3 3 4 0 3
0
x0
FX (x)
1
4x
0x1
3
x4 x1
1
Problema 4._ Si la función de densidad de la variable aleatoria X está dada por
x
para 0 x 1
2
1
f X (x) 2 para 1 x 2
3
x para 2 x 3
2
0 en otra parte
Solución
x
1µ 2 3
E g( X ) E X 2 5X 3 E X 2 5E X -------------- (1)
3
Se necesita la esperanza y el segundo momento de la v. a X para sustituir en la ecuación (1).
E( X )
xf (x)dx y E X x
2 2
fX (x)dx
X
1
x 2
1 3
3x
E( X ) x dx x dx x dx
2
2 2
0 1 2
1 2
dx
2
x dx 1 xdx 3 3x x
12
0
2 21 2
1 x
31 2
x 2 3x 2 3 x3 3
2 2 3
2 3 0 2 2
1
1 1 1 3 8
2 9 4 9
2 3 2 2
3
1 1 3 15 19 1 2 9 45 38 1 3
18 E( X )
2 3 2 2 3 2
6 2 6 2
El cálculo del segundo momento es como sigue:
E 2
x
2 1 2 3 x
1 2 2
3
X x dx x dx x dx
0 2 1 2 2 2
1
x3 1
2
1
3
1x41
2
3
3
3x
dx
x3 dx
x
2
2
dx x3
2 4 0 2
0
2
21 x3 1 x4 2
22 3 4
11 8 1 81 16
27 8
2 4 3 3 4 4
1 1 7 65 1 3 28 228 195
19
2 4 3 4 28 12
1 64 E X 2
2 12 3
Finalmente se tiene que: Eg( X ) E X 2 5EX 3
8
E g( X )
3 16 45 18 11
3
5
3 2 6 6
Problema 5._ Determina el primer y segundo momento al origen así como la desviación estándar para
una variable aleatoria que tenga la densidad de probabilidad siguiente:
x
f (x) para 0 x 2
2X
0 en otra parte
Solución
o E X 2 2 x 2 x dx 1 x 42 2
2
2 2 4
0 0
4 2
16 2
La varianza de la v.a está dada por: V ( X ) E X 2 2 2 2
3 9 9
2 2
Finalmente la desviación estándar de la v.a es V(X)
9 3
Problema 6._ Supón que el tiempo que tardan en atender a un individuo en una cafetería es una
variable aleatoria con la densidad de probabilidad dada por:
1 -x/ 4
fX e
para x 0
(x) 4
0 en otra parte
Encuentra la media y la varianza de esta distribución.
Solución
E( X ) 1 e x / 4
4 dx
x
0
x 4 4 dx xe 0 0 e dx
x / 4
x/4 x/
1
e
0
xe
4
x/ 4 ex / xe x/
x/ 4
4dx 4 4e
4
0
0 4 0 0
1
Segundo momento:
E X2 4
e x / 4 dx
x2
0 1
Tomando u x 2 , du 2xdx , dv ex / 4 dx , v ex / 4 y usando la fórmula udv uv vdu
4
1
0 e
x/4 2 x/4 x
e dx x e / 4
2xdx
x 4
0
2
0
2 --------------- (2)
xex/4dx 0
4 e
x / 4
dx 4(4)ex / 16
4
0
0
cx 2
x f X ( x) 0x1
0
en otra parte
a) Determina el valor de c .
b) Obtén la función de distribución acumulada F (x).
X
Solución
a) La integral de la f.d.p en todo el rango de la v.a debe ser la unidad así que:
x2 1 1 3
cx xdx c
1
c c
1 f X (x)dx 1 x 1
2
3
3 2 2
0
0 3 2
0
x t
3 3 3t t2x 1
b) F (x) f (t)dt t 2 t dt x3 x 2
X
X
0 2 2
2 2 3
0
La función de densidad acumulada se representa mediante
0 la función por partes siguiente:
0
x0
FX (x) 1 x2
2 x 0x1
3
x1
1
P( X 0.5)
P( X 0.25)
1 F (0.5)
1 FX (0.25)
X
1 0.1875
1 0.0390625
0.8125
0.9609375 0.8455
I) CASO DISCRETO.
Problema 1._ Un fabricante de válvulas admite que su control de calidad ha decaído, de modo que
actualmente la probabilidad de producir una válvula defectuosa es 0.5. Si se fabrican un millón de
válvulas al mes y eliges al azar entre estas válvulas 10,000 muestras cada una formada por 15 válvulas.
¿En cuántas muestras esperas encontrar
a) Exactamente 13 válvulas buenas?
b) Menos de 13 válvulas buenas?
Solución
Sea la variable aleatoria Y: Número de válvulas buenas en una muestra de tamaño 15.
La cual tiene una distribución binomial con parámetros 15 y 0.5, lo cual se escribe como:
Y ~ bin( y; nY pY 0.5).
15,
Con ayuda de las tablas de distribución binomial se encuentran las probabilidades que se usarán en los
incisos a) y b) respectivamente.
X ~ bin(x; nX
pX 0.0032)
10,000,
E( X ) nX pX 10,000(0.0032) 32 Muestras con exactamente 13 válvulas buenas.
Z ~ bin(z; nZ
10,000, pZ 0.9963)
E(Z ) nZ pZ 10,000(0.9963) 9963 Muestras con menos de 13 válvulas buenas.
Problema 2._ Un puente de cuota cobra $1.00 por cada autobús de pasajeros y $2.50 por otros
vehículos. Supón que durante las horas diurnas, el 60% de todos los vehículos son autobuses de
pasajeros. Si 25 vehículos cruzan el puente durante un periodo particular diurno, ¿Cuál es el ingreso
resultante de cuotas esperado?
Solución
Problema 3._ Dada una distribución binomial con un valor fijo de n, ¿cuál es el valor de p en el que el
valor de 2 es mayor?
Solución
Si X ~ bin(x; n, p)
y V(X) npq np(1 p) n p p 2
Para maximizar el valor de la varianza hay que derivar respecto a p e igualar a cero:
V ( X ) n(1 2 p) 0
p
1-2p = 0
Entonces la varianza alcanza su valor máximo cuando p 1 .
2
Problema 4._ Un fabricante sabe que en promedio 20% de los tostadores eléctricos que fabrica
requerirán de reparaciones dentro de un año después de su venta. Cuando se seleccionan al azar 20
tostadores, encuentra los números x y y apropiados tales que:
a) La probabilidad de que al menos x de ellos requieran reparaciones sea menor que 0.5.
b) La probabilidad de que al menos y de ellos no requieran reparaciones sea mayor de 0.8.
Solución
a) La probabilidad de que al menos x de ellos requieran reparaciones sea menor que 0.5 se escribe
como:
P( X x) 0.5
1 FX ( x 1) 0.5
1 0.5 FX ( x 1)
0.5 FX ( x 1) Se busca en tablas acumuladas para la binomial con n 20 y p 0.2 y se observa que
esta condición se cumple cuando x 1 x5.
4
Observa que el éxito del experimento ha cambiado, ahora son de interés los tostadores que no requieren
reparaciones.
Problema 5._ Un agente de bienes raíces estima que la probabilidad de vender una casa es 0.1. El día
de hoy tiene que ver 4 clientes. Si tiene éxito en las primeras tres visitas ¿Cuál es la probabilidad de
que su cuarta visita no sea exitosa?
Solución
X ~ G(x; p 0.9)
PX 4 X 3 P( X 4) 0.13 0.9 0.0009
Problema 6._ Al responder una pregunta con respecto a un tema controversial (como ”¿Alguna vez ha
fumado mariguana?”), muchas veces la gente no quiere contestar afirmativamente. Obtén la
distribución de probabilidad para Y, el número de personas que se necesitaría entrevistar hasta obtener
una sola respuesta afirmativa, sabiendo que el 80% de la población contestaría verídicamente “no” a la
pregunta y que del 20% que deberían contestar verídicamente “sí”, un 70% miente.
Solución
Sí
6%
Mienten dicendo
14%
"No"
No
80%
La v.a Y tiene una distribución geométrica con probabilidad de éxito igual a 0.06, lo cual se escribe
como Y ~ G( y; p 0.06).
La distribución de la v.a es de la forma f Y( y) PY y 0.94 y1 (0.06) con y = 1, 2, 3,…
Problema 7._ Supón que el costo de efectuar un experimento es $1,000. Si el experimento falla, se
incurre en un costo adicional de $300 debido a ciertos cambios que deben efectuarse antes de que se
intente un nuevo experimento. Si la probabilidad de éxito en cualquiera de los ensayos es 0.2, si los
ensayos aislados son independientes y si los experimentos continúan hasta que se obtiene el primer
resultado exitoso, ¿Cuál es el costo esperado del procedimiento completo?
Solución
X ~ G(x; p 0.2)
Problema 8._ De acuerdo con un estudio publicado por un grupo de sociólogos de la Universidad de
Massachusetts, cerca de dos tercios de los 20 millones de personas que en este país consumen Valium
son mujeres. Supón que esta cifra es una estimación válida, encuentra la probabilidad de que en un día
dado la quinta prescripción de Valium que escribe un doctor es la primera que prescribe Valium para
una mujer.
Solución
X: Número
de2 prescripciones
de Valium hasta que se prescribe a una mujer.
X~G x, p
3
1 4 2 1
P( X 5) q 4 p
3 3 54
Problema 9._ Estudios de biología y el ambiente a menudo etiquetan y sueltan a sujetos a fin de
estimar el tamaño y el grado de ciertas características en la población. Se capturan 10 animales de
cierta población que se piensa extinta o cerca de la extinción, se etiquetan y se liberan en cierta región.
Después de un período se selecciona en la región una muestra aleatoria (m.a) de 15 animales del tipo.
¿Cuál es la probabilidad de que cinco de estos seleccionados sean animales etiquetados si hay 25
animales de este tipo en la región?
Solución
X~H
r1 10, r2 15, n 15
x;
1015
5
10 0.2315
P( X 5)
25
15
Problema 10._ Una fuerza de tarea gubernamental sospecha que algunas fábricas violan los
reglamentos contra la contaminación ambiental con respecto a la descarga de cierto tipo de producto,
20 empresas están bajo sospecha pero no todas se pueden inspeccionar. Supón que tres de las empresas
violan los reglamentos. ¿Cuál es la probabilidad de que
a) en la inspección de 5 empresas no se encuentre ninguna violación?
b) el plan anterior encuentre 2 que violan el reglamento?
Solución
X~H x; r1 3,
r2 n 5
17,
17 !
3 17
05 5!12
a) P( X 0) 17 !15 ! 0.3991
20 !
20 ! 5!
20
! !12 !5
5 5!15 !
3 17
3! 17 !
2 3 2 !1! 3!14 !
b) P( X 2) 17 !5 !15 0.1315
20 20 !
!
2!14
! ! 20
5 5!15 !
Problema 11._ Para evitar la detección en la aduana un viajero coloca 6 tabletas de narcótico en una
botella que contiene 9 píldoras de vitamina similares en apariencia. Si el oficial de la aduana selecciona
3 de las tabletas al azar para su análisis, ¿Cuál es la probabilidad de que el viajero sea arrestado por
posesión ilegal de narcóticos?
Solución
El viajero será arrestado si el oficial encuentra al menos una pastilla de narcótico en la muestra
seleccionada.
9
3
P( X 0) 0.1846
15
0
Solución
2
P( X 2) P( X 1)
3
2 2 e
e
2 3
4
1.33
3
1.33
P( X 0) e 1.330 0.264
0!
P( X 3) 1.33
e 1.333 0.104
6
Problema 13._ Una fuente radiactiva se observa durante 7 intervalos cada uno de 10 segundos de
duración y se cuenta el número de partículas emitidas durante cada periodo. Supón que el número de
partículas emitidas, digamos X, durante cada periodo observado tiene una distribución de Poisson con
parámetro 5 . ¿Cuál es la probabilidad de que:
a) en cada uno de los 7 intervalos de tiempo, se emitan 4 o más partículas?
b) Al menos en uno de los 7 intervalos de tiempo se emitan 4 o más partículas?
Solución
Solución
P( X 1)
e
ln(3)
ln( 31 ln(3)
1
ln( 3)
3) 1 3
1
PX 2 1 P X 1
1 1 2 1 2 ln(3)
1 PX 0 P X 1 1 ln(3) ln(3)
3 3
3 3 3
Problema 15._ El dueño de una tienda tiene existencias de cierto artículo y decide utilizar la siguiente
promoción para disminuir la existencia. El artículo tiene un precio de $100. El dueño reducirá el precio
a la mitad por cada cliente que compre el artículo durante un día en particular. Así el primer cliente
pagará $50 por el artículo, el segundo pagará $25, y así sucesivamente. Supón que el número de
clientes que compra el artículo durante el día tiene una distribución de Poisson con media 2. Encuentra
el costo esperado del artículo al final de día.
Solución
E(g(Y ) g( y)P(Y y)
y0
1 y y
E C(Y ) 100
e
y 0 2
y!
1y 2y
100
2
e
y0
2 y!
1y
2
100 e 2 2
y0 y!
y
100 e 21
y0 y!
100 e 2 e 100 e 1
xi
Recuerda que : e x
x0 i!
Problema 16._ Un estacionamiento tiene dos entradas. Los coches llegan a la entrada 1 de acuerdo con
una distribución de Poisson con una media de tres por hora, y a la entrada 2 de acuerdo con una
distribución de Poisson con una media de 4 por hora. ¿Cuál es la probabilidad de que tres coches
lleguen al estacionamiento durante una hora dada?
Solución
La suma de variables aleatorias Poisson es una Poisson con parámetro igual a la suma de los
parámetros individuales. Es decir:
X ~ G x; 1 2 7
x!
P( X 3) e
e7 73
3!
x
0.0521
Problema 17._ Se sabe que el proceso de producción de luces de un tablero de automóvil de indicador
giratorio produce uno por ciento de luces defectuosas. Si este valor permanece invariable, y se
selecciona al azar una muestra de 100 luces, encuentre P pˆ 0.03 , donde pˆ es la fracción de
de la muestra. defectos
Solución
Si no se cuenta con las tablas de la distribución de Poisson se puede calcular directamente de la fórmula
de la f.d.p Poisson:
PX 3
3
e
i0
x
x!
3
e11x
i 0
x!
1
e1
3
i0 x!
1 1 1
e 11
2! 3!
1 6 6 3 1
e
6
16 1 8
e1 e 0.981
6 3
Problema 18._ La probabilidad de que un ratón inoculado con un suero contraiga cierta enfermedad es
0.2. Encuentra la probabilidad de que a lo más tres de 30 ratones inoculados contraigan la enfermedad,
utilizando una aproximación de Poisson.
Solución
x!
e
x0
0
3 63
1 2 60
6
61 62
e
0! 1! 2! 3! 0! 1! 2! 3!
e
e 6 1 6 18 36 61 e6 0.151
Problema 19._ En promedio una persona en 1000 comete un error numérico al preparar su declaración
de impuestos. Si se seleccionan 10,000 formas al azar y se examinan, ¿cuál es la probabilidad de que 6,
7 u 8 de las formas contengan un error?
Solución
P(6 X 8) e
x6
x
x!
10 106
107 108
e 0.2657
6! 7! 8!
Problema 20._ El chef de un restaurante prepara una ensalada revuelta que contiene, en promedio,
cinco vegetales. Encuentra la probabilidad de que la ensalada contenga más de 5 vegetales:
a) en un día dado.
b) en tres de los siguientes 4 días.
c) por primera vez en abril el día 5.
Solución
La variable aleatoria X: Número de vegetales en 1 ensalada, tiene una distribución de Poisson con
parámetro cinco. X ~ P(x; 5)
b) Sea la v.a Y: Número de días en que la ensalada tuvo más de 5 vegetales. Esta v.a tiene una
distribución binomial con 4 ensayos independientes y probabilidad de éxito igual a la probabilidad de
que la ensalada tenga más de cinco vegetales un día cualquiera. Y ~ bin( y; n 4, p 0.385)
4 3 3
PY 3 3 0.385 (0.615) 40.385 (0.615) 0.1404.
c) Dado que se cuentan los días hasta una ensalada con la característica de interés se necesita una nueva
v.a con distribución geométrica.
Z: Número de días hasta una ensalada con más de 5 vegetales. Z ~ G(z; p 0.385)
Problema 21._ Supón que un libro con n páginas contiene, en promedio erratas por página. ¿Cuál es
la probabilidad de que al menos haya m páginas que contengan más de k erratas?
Solución
P( X k)
e
x
xk
1
x!
e x p
xk x!
1
Entonces Y ~ b( y; n, p) y la probabilidad de que al menos haya m páginas con el éxito está dada por:
n
n e x y
k x n y
e
P(Y m) x!
y x!
y m xk 1 x0
Problema 22._ El número promedio de ratas de campo por acre en un campo de cinco acres de trigo se
estima en 12. Encuentre la probabilidad de que se encuentren menos de siete ratas de campo
a) En un acre dado.
b) En dos de los siguientes tres acres que se inspeccionan.
Solución
II)CASO CONTINUO.
Problema 1._ Si un paracaidista cae en un sitio aleatorio de la línea recta entre los marcadores A y B
a) Encuentra la probabilidad de que esté más cerca de A que de B.
b) Calcula la probabilidad de que la distancia con respecto a A sea más de tres veces la distancia con
respecto a B.
c) Si tres paracaidistas actúan independientemente, ¿cuál es la probabilidad de que exactamente uno de
los tres caiga después del punto medio entre A y B?
Solución
A A B B
2
Región de aterrizaje del paracaidista.
A C B
1 3 1
3 B 1 B A 4 (B A) 1
B
x B 4 4
P X A 4 (B A)
BA
dx
BA 1 3
BA
BA
4
1 A 3 B 4
A B
4
4 4
c) Se supone independencia entre los tres paracaidistas y se construye una nueva v.a con distribución
binomial.
Problema 2._ El tiempo de un viaje (ida y vuelta) de los camiones que transportan concreto hacia una
obra de construcción en una carretera, está distribuido uniformemente en un intervalo de 50 a 70
minutos. ¿Cuál es la probabilidad de que la duración del viaje sea mayor a 65 minutos si se sabe que la
duración del viaje es mayor a 55 minutos?
Solución
P( X 55) P( X 55) 70 55 15 3
Problema 3._ Un corredor de bienes raíces carga comisión fija de $50 más el 6% a las ganancias de los
propietarios. Si la ganancia se distribuye de modo uniforme entre $0 y $2000, obtén la distribución de
probabilidad de las remuneraciones totales del corredor.
Solución
X U (0, 2000 )
La remuneración total del corredor puede expresarse mediante la fórmula: R 50 0.6 X
Para encontrar la función de probabilidad de esta variable aleatoria primero se encuentra la función de
distribución acumulada y después se deriva ya que F ' (x) f X (x) .
r 50
X
r 50
0.06
1 r 50
dx
FR (r ) P(R r ) P50 0.06 X r P X
2000 2000(0.06)
0.06 0
r
F (r) 1
f R (r) F (r)
50 120
R
120 R
Cuando x 0
R 50 y cuando x 2000 R 170 .
Así que R ~ U (50,170) , las remuneraciones del corredor también se distribuyen uniformemente en el
intervalo 50 a 170.
Problema 4._ Supón que cinco estudiantes van a realizar un examen independientemente unos de otros
y que el número de minutos que cualquier estudiante necesita para terminar el examen tiene una
distribución exponencial con media 80. Supón que el examen empieza a las nueve de la mañana,
determina la probabilidad de que al menos uno de los estudiantes termine el examen antes de las diez
menos veinte de la mañana.
Solución
Se necesita otra variable aleatoria que sea Y: Número de estudiantes que terminan el examen antes de
los 40 minutos.
Y ~ bin( y; n 5, p 0.3935)
Solución
t
b) P( X t) 0.5 1 e 20
Despejando se tiene que:
t
e 20 1 0.5 0.5
Problema 6._ Un transistor tiene una distribución de tiempo de falla exponencial con tiempo medio de
falla de 20,000 hrs. El transistor ha durado 20,000 hrs. En una aplicación particular. ¿Cuál es la
probabilidad de que el transistor falle a las 30,000hrs?
Solución
1
La v.a X : Tiempo de falla del transistor. X exp x;
20,000 .
La probabilidad de interés es una probabilidad condicional
30000
20000
1 e 20000 1 e 20000
e e 0.144
1 1.5 0.3935
e 1
e1 0.367
Solución
Primero se debe construir la función de costo para cada uno de los procesos, en función del tiempo de
falla. Si CI es el costo para el proceso I y CII el costo para el proceso II , tenemos que:
Proceso I Proceso II
C 3C
X 15 X 15
CI
C CII
3C
X 15 X 15
Z Z
1 1
I II
25 35
El proceso a recomendar es aquel que tenga un menor costo esperado de producción, así que
necesitamos encontrar el costo esperado para cada uno de los procesos. Observa que el costo es una
variable aleatoria discreta con dos valores posibles así que la esperanza está dada por:
1e
25
15
CZ C 0.451Z
1e
35
(3C Z )1 35 3Ce 7 3C Z 7
Ze 7
3C Z 1 7 3C 0.348Z
3Ce e 3Ce e
C 0.451Z 3C 0.348Z
(0.451 0.348)Z 2C
0.103Z 2C
Solución 1
Y: Tiempo que tarda la tarea. Y exp y;
10
E(Y ) 10hrs
C 100 40Y 3Y 2
Recuerda que V (Y ) E X 2 2
E X 2 V (Y )
2
1
Y que la varianza para la exponencial es 2
Problema 9._ Si la v. a X tiene una distribución exponencial con parámetro , encuentra la expresión
para el k-ésimo momento al origen.
Solución
X expx;
t
1
La f.d.p de la variable aleatoria exponencial es f X(x) ex (t)
y su f.g.m: X
t
El k-ésimo momento al origen es la k-ésima derivada de la f.g.m evaluada en cero.
(t 0) t 1
X
2 t 0
0) 2 t
X (t 3 2
t 0
2 2(3)
X (t 0) 2(3) t 4
t 0 3
( IV )
(t 0) 2(3)(4) t 2(3)(4)
5X
4
t
0
Procediendo de la misma manera se llega a que el k-ésimo momento al origen está dado por la
expresión X (k ) k!
(t 0)
k
Problema 10._ En cierta Ciudad el consumo diario de agua (en millones de litros) sigue
aproximadamente una distribución gamma con parámetros 1
2 y . Si la capacidad diaria de
3
dicha ciudad es 9 millones de litros de agua
a) ¿Cuál es la probabilidad de que en cualquier día dado el suministro de agua sea inadecuado?
b) Encuentra la media y la varianza del consumo diario de agua.
Solución
a) El suministro de agua será inadecuado si el consumo de agua es mayor a los 9 millones de lts.
1 x
e ( x) k
Recuerda que para la distribución Gamma se tiene que
P( X x) , es decir la
k!
k 0
probabilidad de que la v.a sea mayor que el valor x es la distribución acumulada para una Poisson en
( 1) con parámetro x . Entonces:
P( X x) F P ( 1)
X
1
PX 9 FXP (1) con x (9) 3
0.1991 3
El valor se puede obtener de tablas o directamente de la fórmula de la f.d.p de la Poisson.
x 30 31
1 1
3 3
0.1991
PX 9 P( X x) e
e x! 4e 0! 1!
x0 x0
b) E( X ) 2
6 V(X) 2 9(2) 18
1 1
3 2
2
3
Problema 11._ Se sabe que la duración de cierto tipo de transistor sigue una distribución gamma con
media de 10 semanas y desviación estándar de 50 semanas. ¿Cuál es la probabilidad de que el
transistor:
a) dure a lo más 50 semanas?
b) No sobreviva las primeras 10 semanas?
Solución
semanas
50 V ( X ) 50 semanas2
1
50 1 10 1 2 1
10 50 5 y 10 5 10 2
1 2 2x 1- e 2 1 2
x!
e x0
1 3e 2 0.594
Problema 12._ Supón que cuando un transistor de cierto tipo se somete a una prueba acelerada de vida
útil, la duración X (en semanas) tiene una distribución gamma con media de 24 semanas y desviación
estándar de 12 semanas.
a) ¿Cuál es la probabilidad de que un transistor dure entre 12 y 24 semanas?
b) ¿Cuál es la probabilidad de que un transistor dure a lo sumo 24 semanas?
c) Si la prueba en realidad termina después de t semanas. ¿Qué valor de t es tal que sólo la mitad de
1% de todos los transistores estén todavía funcionando al terminar la prueba?
Solución
Se busca en las tablas de probabilidad acumulada para la Poisson una que se aproxime al valor 0.005
observando que:
FX (3) 0.0049 co 11 t 6 66
n
Problema 13._ Supón que la resistencia a la ruptura de una cuerda, en libras, se distribuye normalmente
con media de 100 y varianza 16. Cada 100 pies de alambre para cuerda produce una utilidad de $25 si la
resistencia a la ruptura es mayor de 95. Si la resistencia es menor o igual a 95, la cuerda puede utilizarse
con un propósito diferente y se obtiene una utilidad de $10 por alambre. Encuentra la utilidad esperada
por alambre.
Solución
25 X 95
U(X)
10
X 95
Utilizando la definición del valor esperado de una función de una variable aleatoria tenemos que:
Problema 14._ Se especifica que el diámetro exterior de un árbol de transmisión (flecha), llamémoslo
D , debe ser de 4 pulgadas. Supón que D es una variable aleatoria distribuida normalmente con media
de 4 pulgadas y varianza 0.01 pulgadas cuadradas. Si el diámetro real se diferencia del valor
especificado por más de 0.05 pulgadas, pero en menos de 0.08 pulgadas, la pérdida del fabricante es de
$0.5, si el diámetro real se diferencia del diámetro especificado en más de 0.08 pulgadas, la pérdida es
de $1.00. La pérdida L , es una variable aleatoria, encuentra la distribución de probabilidad de L y
calcula el valor esperado de la pérdida.
Solución
4, 2 0.01
D: diámetro exterior del árbol de transmisión. D~N
d ;
Primero se debe encontrar la función de pérdida en función del diámetro exterior del árbol de
transmisión.
$0.5 si 0.05 D 4 0.08
Pérdida L(D)
$1.00 si D 4 0.08
Para encontrar la función de probabilidad de la pérdida es necesario encontrar los valores posibles de la
variable aleatoria y sus probabilidades correspondientes.
Para la condición 0.05 D 4 se debe cumplir que D 4 0.05 o D 4 0.05 y
0.08
0.08 D 4 0.08 es decir D 3.95 o D 4.05 y 3.92 D 4.08 graficando estas desigualdades
en una recta numérica se obtiene que la solución a la condición se da en el intervalo 3.92 D 3.95 o
en el intervalo 4.05 D 4.08 .
P(L 1) P( D 4 0.08)
Observa que sólo hay pérdida en esos casos, entonces la pérdida será nula si
D 4 0.05. Esto lo
podemos resumir en cuadro siguiente:
Función de probabilidad de la
pérdida del fabricante.
Ll P L l
0 0.383
0.5 0.1932
1.0 0.4238
suma 1.000
y varianza
2
Problema 15._ Supón que X tiene una distribución Normal con media . Determina c,
como función de la media y la varianza, tal que P( X c) 2P( X c) .
Solución
X ~ N x; , 2
PX c 2
PX
c 21 c
P X
PX c 2PX c 2
2
PX c
3
Estandarizando ambos lados de la desigualdad
X c 2
P
3
c
P Z 0.66
Buscando en las tablas de distribución Normal el valor en el cual se acumula 0.6666 de la distribución
se obtiene que c
0.43 c 0.43
Problema 16._ El diámetro de un cable eléctrico está distribuido normalmente con media 0.8 y
varianza 0.0004. El cable se considera defectuoso si el diámetro se diferencia de su promedio en más
de 0.025 ¿Cuál es la probabilidad de obtener un cable defectuoso?
Solución
Solución
c 11
De tablas tenemos que c 15.66
=2.33
2
Problema 18._ Se sabe que la distribución de resistencia para resistores de cierto tipo es normal, 10%
de todos los resistores tiene una resistencia que excede 10.256 y 5% tienen una resistencia menor de
9.671 . ¿Cuáles son el valor de la media y de la desviación estándar de la distribución de la resistencia?
Solución
9.671 10.256
y
P Z 0.05 P Z 0.10
Buscando en la tabla de distribución normal estándar se obtienen los valores de la v.a que cumplen las
condiciones siguientes:
9.671
1.645 y 10.256
1.28
De estas ecuaciones se forma el sistema de dos ecuaciones con dos incógnitas:
Problema 19._ Si una población de datos crudos posee una distribución normal, con media de 80 y una
desviación estándar de 8, determina la media y la desviación estándar de la distribución muestral de la
media para los siguientes tamaños de muestra; n = 16, n = 35 y n = 50. ¿Qué pasa cuando n crece?
Solución
La distribución de la población es:
X ~ N x; 80, 2 82
El Teorema Central del Límite (T.C.L) garantiza que la media muestral tiene una distribución
aproximadamente normal, con media igual a la media de la población de donde salió y varianza igual a
la varianza de la población de donde salió divida por el tamaño de la muestra. Lo cual se denota de la
manera siguiente: 2
2
X N x; ,
x x
n
Para encontrar la varianza de la media muestral tenemos que dividir 64 entre el tamaño de la muestra,
para cada uno de los tres tamaños de muestra se tiene que:
Solución
a) Para encontrar la distribución de la media muestral necesitamos encontrar los valores posibles de la
media muestral y sus probabilidades asociadas. Para ello obtenemos todas las posibles muestras con
reemplazo de tamaño dos que se pueden sacar de la población de interés {3, 4, 5, 6, 7} y encontramos
la media muestral para cada una de estas muestras.
Posible
x
muestra
1 (3,3) 3
2 (4,4) 4
3 (5,5) 5
4 (6,6) 6
5 (7,7) 7
6 (3,4) 3.5
7 (3,5) 4
8 (3,6) 4.5
9 (3,7) 5
10 (4,5) 4.5
11 (4,6) 5
12 (4,7) 5.5
13 (5,6) 5.5
14 (5,7) 6
15 (6,7) 6.5
Función de probabilidad de
la media muestral.
Xx PX x
3.0 1/15
3.5 1/15
4.0 2/15
4.5 2/15
5.0 3/15
5.5 2/15
6.0 2/15
6.5 1/15
7.0 1/15
Suma 15/15 = 1
Al graficar esta distribución observamos que tiene la forma acampanada de una distribución Normal.
La varianza de la media muestral es V X E X 2 E 2 X 26.167 52 1.167
Solución
La longitud del ensamble se puede ver como la suma de las longitudes de los tres componentes, es
decir: X X 1 X 2 X 3
Sabemos que la suma de variables aleatorias normales se distribuye como una normal con media igual
a la suma de las medias de las variables que se están sumando y varianza igual a la suma de las
varianzas de las variables que se están sumando, entonces:
X ~ N x; 3(2) 6, 2 3 0.22 0.12
La proporción de ensambles que cumplirán los requerimientos es igual a la probabilidad de que un
ensamble cumpla con los requerimientos.
5.7 6 6.3 6
P(5.7 X 6.3) P Z P 0.86 Z 0.86 0.6102
0.12 0.12
Solución
100
X
X
i i1
N x; X np 20, X2 npq 16
La probabilidadpedida 20
15sin corrección
por finitud es:
P( X 15) P(Z 1.25) 0.1056
4
Problema 23._ Un encuestador considera que el 20% de los votantes en cierta área está a favor de una
emisión de valores bursátiles. Si se seleccionan 64 votantes al azar de un gran número de votantes en
esta área, aproxima la probabilidad de que la fracción de votantes en la muestra a favor de la emisión
de los valores no difiera en más de 0.06 de la fracción que él supone es la correcta.
Solución
Solución
X i : Condición del i ésimo pasajero. Si la persona llega vale uno y si no llega vale cero.
Se trata de una población Bernoulli, siendo el éxito que la persona sí llegue al vuelo, entonces la media
2
es p 0.95 y la varianza pq 0.05(0.95) 0.0475 .
La variable aleatoria X : Número de personas que sí llegan, se puede ver como la suma de 160
160
Dado que p 0.95, q 0.05 y n 160 se tiene que la v.a X tienen una distribución
aproximadamente normal con parámetros 152 y 7.6 , lo cual se denota como:
X ~ N x;
n 152,
2
n 2 7.6
X X
Entonces la probabilidad de que haya un asiento disponible para cada persona con reservación que se
presenta para el vuelo está dada por:
X X 155 152
P( X 155) P P(Z 1.088) 0.8559
X
7.6
Problema 25._ Como un control de la abundancia relativa de cierta especie de pez en dos lagos, se
hacen 50 observaciones con respecto a los resultados de la captura mediante trampas para cada lago.
Para cada observación el experimento solamente anota si está o no la especie deseada. La experiencia
previa ha mostrado que ésta especie aparecerá en las trampas del lago A aproximadamente 10% de las
veces y en las trampas del lago B en aproximadamente 20% de las veces. Utiliza estos resultados para
aproximar la probabilidad de que la diferencia entre las proporciones de las muestras difiera en a lo
más 0.1 de la diferencia de las proporciones reales.
Solución
A N x A ; 0.1, x
x 50
A
A
X B N x B ; 0.2, 2 0.2(0.8)
x
xB B 50
Suma de distribuciones normales también es normal con media igual a la suma de las medias de las
variables que se están sumando y varianza igual a la suma de las varianzas de las variables aleatorias
que se están sumando.
XXAXB
X ~ ; 0.1(0.9) 0.2(0.8)
2
Solución
X : tiempo para completar el trabajo.
X ~ f X x; 14, 2 2
k2
1
1
0.75 k 2 yk2
k2 4
El intervalo pedido está dado por la expresión k 14 2 2 . El intervalo es [11, 17] días.
Problema 27._ El servicio postal requiere, en promedio, 2 días para entregar una carta en una ciudad.
La varianza se estima como 0.4 (días)2. Si un ejecutivo desea que el 99% de sus cartas se entreguen a
tiempo, ¿Con cuánta anticipación las debe depositar en el correo?
Solución
m k 2 m 0.4 [4.3,8.3]
10
Para garantizar que las cartas lleguen a tiempo debe mandarlas con 8 días de anticipación.
UNIDAD IV Distribución de varias variables aleatorias.
I) CASO DISCRETO.
Problema 1._ Sea X el número de caras y Y el número de caras menos el número de cruces cuando
se lanzan 3 monedas. Encuentra la distribución de probabilidad conjunta de X y Y .
Solución
Para resolver este problema podemos hacer un cuadro indicando todos los resultados posibles del
experimento e identificando el valor de las variables aleatorias X y Y .
Posible X Y
resultado. No. de caras No. Caras - No. De cruces
ccc 3 3
ccx 2 1
cxc 2 1
xcc 2 1
xxc 1 -1
xcx 1 -1
cxx 1 -1
xxx 0 -3
La variable aleatoria X tiene una distribución binomial con parámetros 3 y 0.5, es decir:
1
X ~ bin x; n 3, p
2
1
PX 0 = p 0 q 3
3 0 8
3
pq 1 2
PX 1= 8
3 1
3
P X 2 = p1q 2
3
2 8
1
3 p q
3 0
P X 3= 8
3
La función de distribución de probabilidad conjunta o bidimensional, se expresa mediante el cuadro
siguiente:
Función de probabilidad conjunta de ( X ,Y ).
Y
X
0 1/8 0 0 0
1 0 3/8 0 0
2 0 0 3/8 0
3 0 0 0 1/8
Problema 2._ Dos líneas de producción fabrican cierto tipo de artículos. Supón que la capacidad (en
cualquier día dado) es de 5 artículos para la línea I y de 3 artículos para la línea II y que él número
verdadero de artículos producidos por cada una de las líneas es una v. a.
Sea ( X ,Y la representación de la v.a bidimensional que proporciona el número de artículos
)
producidos por la línea I y por la línea II respectivamente.
Solución
P( X 2,Y 3) 0.04
b) P( X Y ) P( X x,Y y)
xy
0.01 (0.03 0.04) (0.05)3 (0.07 0.06 0.05 0.06) (0.09 0.08 0.06 0.05) 0.75
c) P( X 4) P( X 4,Y y)
y0
a) Verifica que la función satisface las condiciones necesarias para ser una f.d.p discreta.
b) Calcula las densidades marginales X y Y .
c) ¿Son independientes X y Y ?
Solución
a) Para que la función sea una f.d.p conjunta debe cumplir dos propiedades; la primera es que sea una
función no negativa lo cual se cumple ya que n2 es un número positivo.
La segunda propiedad es que la suma sobre todos los valores posibles de las variables ( X ,Y ) sea uno.
n n
1 n
1 1 n2
f X ,Y (x, y) 2 n 2 n(n) 2 2 1
y1 x1 n y1
n n n
b) La f.d.p marginal para X se obtiene sumando la f.d.p conjunta sobre todos los valores posibles de la
v.a Y y la f.d.p marginal para Y se obtiene sumando la f.d.p conjunta sobre todos los valores posibles
de la v.a X .
1 1 1 Para x 1,2,..., n.
f (x) n n
X 2
ny1
n n
2
1 1 1 Para y 1,2,..., n.
f ( y) n n
Y 2
nx1
n n
2
c) X y Y sí son independientes cuando el producto de las marginales coincide con la f.d.p conjunta.
f X (x) f X (x, y)
fY 1 1
(1 y) 2 ,Y
n n n
Solución
a) Para averiguar la independencia de las variables aleatorias se debe verificar que para todos los
valores de ambas variables se cumple que la probabilidad de la intersección es igual al producto de las
probabilidades, es decir:
P( X x,Y y) P( X x)P(Y y)
a)
Función de probabilidad conjunta de ( X ,Y ) .
X/Y 0 1 2 3 Suma
0 0.400 0.100 0.020 0.005 0.525
1 0.300 0.040 0.010 0.004 0.354
2 0.040 0.010 0.009 0.003 0.062
3 0.009 0.008 0.007 0.003 0.027
4 0.008 0.007 0.005 0.002 0.022
5 0.005 0.002 0.002 0.001 0.010
Suma 0.762 0.167 0.053 0.018 1.000
P(
0, Y 1) 0.10 0.087675 (0.525)(0.167) P( X 0)P(Y 1)
X
Por lo tanto las variables X y Y no son independientes.
3 5
b) La
E( XY ) xyP( X x,Y y)
y0 x0
Problema 5._ Cuando un automóvil es detenido por una patrulla, se revisa el desgaste de cada
neumático y cada faro delantero se verifica para ver si está correctamente alineado. Denotemos por X el
número de faros delanteros que necesitan ajuste y por Y el numero de neumáticos defectuosos.
a) Si X y Y son independientes con f X (0) 0.5, f X (1) 0.1 , f X (2) 0.4 y
fY (0) 0.6 , fY (1) 0.1. fY (2) fY (3) 0.05 , fY (4) 0.2. Escribe la función de probabilidad conjunta
de la v. a. bidimensional (X, Y) mediante una tabla.
b) Calcula P( X 1,Y 1) y verifica que es igual al producto P( X 1)P(Y 1) .
c) ¿Cuál es la probabilidad de no violaciones P( X Y 0)?
Solución
a) Primero escribimos la f.d.p marginal para cada una de las variables aleatorias X y Y .
Problema 6._ Un maestro acaba de entregar un largo artículo a una mecanógrafa y otro, un poco más
corto a otra. Sea X el número de errores de mecanografía del primer artículo y Y el número de errores
de mecanografía del segundo artículo. Supón que X tiene una distribución de Poisson con parámetro
y Y tiene una distribución de Poisson con parámetro y que X y Y son independientes.
a) ¿Cuál es la función de probabilidad conjunta para la v. a. bidimensional (X, Y)?
b) ¿Cuál es la probabilidad de que a lo sumo se cometa un error en ambos artículos combinados?
c) Obtén una expresión general para la probabilidad de que el número total de errores de los dos
artículos sea m , donde m es un entero no negativo.
Sugerencia: A x, y x y m m,0, m 1,1,..., 1, m 1, 0, m
Ahora suma la f.d.p conjunta sobre (x, y) A y utiliza el Teorema del binomio que dice
m
m
k mk m
Solución
a) f X ,Y (x, y) f X (x) fY ( y) y x y
e x
e
e x! y!
x y!
!
0
e 0! e e e e e
e
e e
(1 )e
c) Para calcular la probabilidad de que el número total de errores de los dos artículos sea m es necesario
conocer todas las combinaciones de valores para las variables X y Y , para tal propósito resulta de gran
ayuda el cuadro siguiente.
i m
e
m
e ( ) m!
e ( )
i i mi
mi
mi
i0
i! (m i0 i!(m m! i0 i!(m i)!
i)! i)!
e( ) m i
m
( ) ( )m
m ) (
e
i
m!
i0 i ( ) m e
m! m!
Problema 7._ Supón que una máquina se usa para un trabajo especifico en la mañana y para otro
diferente en la tarde. X es el número de veces que la máquina falla en la mañana y Y el número de
veces que la máquina falla en la tarde. En la tabla se muestra la distribución de probabilidad conjunta.
¿Son independientes las variables aleatorias X y Y ?
Función de probabilidad conjunta P( X , Y ).
Suma
Y X 0 1 2 P(Y y)
0 0.10 0.20 0.20 0.5
1 0.04 0.08 0.08 0.2
2 0.06 0.12 0.12 0.3
Suma
P( X x) 0.20 0.40 0.40 1.00
Solución
Para que sean independientes se debe cumplir que la conjunta sea el producto de las marginales,
entonces:
P( X 0,Y 0) P( X 0)P(Y 0)
0.1 0.5(0.2)
P( X 0,Y 1) P( X 0)P(Y 1)
0.04 0.2(0.2)
P( X 0,Y 2) P( X 0)P(Y 2)
0.06 0.2(0.3)
Continuando así por columnas se tiene que:
y1
De la tabla se tiene que P Y 0 y de la fórmula se tiene que
1
4
9
4 n0n
9 0 p q con n2
4
4 9 2 3
q 2 entonces q y por lo tanto
9
1
p
3
1
Si Y ~ bin y ; n 2, p tendremos que:
1 1
3
2
PY 1=
pq 1 2 4
1
1 2
3 31 92 1
2
PY 2= 2 p 2q 0 p 2
1 3 9
2 2
b) E Y1 Y2 y 1 y 2 P Y1 y1 , Y2 y 2
y2 0 y1 0
21 1 2 2
(0 0) (1 0) (2 0) (0 1) (1 1)
9 9 9 9 9
1
(2 1)0 (0 2) (1 2)0 (2 2)0
9
2 2 2 2
0
9 9 9 9
Problema 1._ Supón que un fabricante de bombillas está interesado en el número de éstas que le han
sido pedidas durante los meses de Enero y Febrero. X y Y indican el número de bombillas ordenadas
durante esos dos meses, respectivamente. Supón que ( X ,Y ) es una v. a. bidimensional con la siguiente
f.d.p conjunta f ( x, y) , 5000 x 10,000 y 4000 y 9000 .
X ,Y
C
a) Encuentra el valor de la constante C.
b) Calcula P( X Y ) .
Solución
y yx
12
11
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12
a) Sabemos que:
f
X ,Y (x, y)dxdy 1
9mil 10mil
Cdxdy 1
4mil 5mil
10 mil
9mil
Cx 5mi
y C (5mil)(5mil) 1
l 4mil
C 1
25,000,000
b) Se tiene que integrar en la parte inferior de la recta y x , para ello se divide la región de interés en
dos partes R1 y R2 debido a que los límites de integración cambian en estas dos regiones. Tomando el
elemento diferencial vertical se tiene que en la primera región y corre de 4,000 a la recta a 45 grados
y x mientras que x corre libremente de 5,000 a 9,000. Dado que y queda en términos de x ,
primero se integra respecto a y y luego respecto a x . En la región 2 la variable x corre de 9,000 a
10,000 y la variable y toma valores de 4,000 a 9,000, como se indica en la figura.
12
11
10
9
8
7
6
5
4
3 R1 R2
2
1
0
x
1 2 3 4 5 6 7 8 9 10 11 12
9,000
x
10,000
9,000
c y dx 9,000
y 4,000
x
x5,000
4,000
9,000
c x 4,000dx 5,000,000
x5,0
00
9,000
x2
c 4,000x
2
5,000
5,000,000
1 81,000,000 25,000,000
16,000,000 5,000,000
25,000,000 2
17
0.68
25
Problema 2._ Si la v. a. bidimensional continua ( X ,Y ) tiene una f.d.p conjunta dada por
xy
f X ,Y (x, y) x
2
0 x 1, 0 y 2
3
Solución
y
0 x
1
y1x
2 1 y
a) f X ,Y (x, y)dxdy (x 2 x)dxdy
00
3
2
x yx 2 1
3
3 dy
0 60
1
1
2
y dy
3
0
6
2
1 1
y 2
y
3 12 0
2 1
1
3 3
b) xy1 y1x
Si
x1 2
y
P( X Y 1) x2 x dydx
x0 y1
3
x
x y2 2
x1 dx
x y 2
x0 32
y1 x
x1 4 x
2x 2 (1 x)x
2 x (1 x)2 dx
x0 6 6
dx
x1 2 2 3
2
2 x x 1 2x
2x xx
x
x0 3 6
x1
2x x x x3
2x x 1 x 2 dx
x0
6 3
2 2 3
6
3
x1
5 4 2 1
x 3 x x dx
6
x0
2
3 1
x
5x
4 1x 5 4 4 2
4 x3 x x3 1 2
1
64 3 3 2 20 9 4 0
24
45 96 54 195 65
216 216 72
c) Calcula 3 1
P Y ,Y .
1 2
4 2
Solución
y2
1
1
y1
1 1
1 1 2 2
y1 y2
a) k y1 y 2 dy1dy2 k k k4
1
0 0
2 0
2 0
4
y2
y1 y2
2 2
y1
b) FY ,Y ( y1 , ) 4 y1 y2 dy1dy2 4 y 12 y 2 2 dentro del cuadrado 0 y 1 , 0 y2 1
12
y2 2 2
1
0 0
c)
y2
1/2
y1
3/4
3
3 1 4
1
PY1 ,Y2 4 y1dy1 y2dy2
4 2
0 1
2
4
2 2 1
y 3y 2
4 1
2 0 2 1
2
4 2 4 21
3
y y
1 2 1
4 0 2
3 2 1 2
1
4 2
9 3 27
0.422
16 4 64
Problema 4._ Supón que la v. a. bidimensional (X, Y) tienen f.d. p conjunta dada por
f X ,Y (x, y) (x y) 0x2 y xyx
kx
a) Encuentra el valor de k.
b) Encuentra las f. d. p marginales.
Solución
a) De las condiciones para x y y se tiene que la región en donde existe la f.d.p conjunta es:
x2 y x
1 k (x2 xy)dydx
x0 y x
x2
k x 2 y y 2 y x dx
x
x0
2
y x
2
3
k x3 x x3 x dx
3
0 2 2
2 4
k 2x3dx k 2 x 1 kx4 1
2
k
0 4 2
8
0 8k
b) Marginal para X ._ Para encontrar la marginal de X se tiene que integrar la distribución conjunta
respecto a la variable Y .
1 1
f (x)
(x, y)dy
x
x 2
xy dy x 2 y xy2 x
f
X
X ,Y x
8 y
8
2 x
1 x3 1
x3 1 x3 1
x x 1 x3
3
x3 x
3
8 2 2 8 4
x3
2
2
Entonces la función de densidad marginal para X está dada por:
1
f (x) x3
X para 0 x 2
4
Marginal para Y ._ Para encontrar la marginal de Y se tiene que integrar la conjunta respecto a la
variable X . Observa que para valores positivos de Y los valores de X corren de y a 2 y para valores
negativos de Y los valores de X corren de y a 2. Por lo tanto la función de densidad marginal para
Y es una función por partes.
i) Para 0 y 2
1
2
1 x3 x22 18 y3 y 3
8 x y
fY ( y) f X ,Y (x, x xy dx
2
82 3 x 8 3
y)dx
y y
2y
3 2
1 8 y3 1 1 y3
8 3 2
0y2
y 6 3 4 y 48
ii) Para 2 y 0
fY ( y) f X ,Y (x, y)dx1 2 x2 xydx 1
2
x2
y
x3
2
8 x y 8 3
1 8 x y
y 3
y 3
1 y 5y 3
2 y para 2y0
8 3 3 2 3 4 48
Finalmente la densidad marginal para Y se expresa como la siguiente función por partes:
1 y y 3
0y2
3 4 48
fY ( y)
1 y 5y 2y0
3
3
4 48
Solución
Por propiedades de función de densidad conjunta la integral de la función en la región donde existe
debe ser uno. Es decir:
11
x y
1k e dxdy
00
1 1
k e dxeydy
x
0 0
k e 1 e 1 1
k 1
x y
0 0 k 1
e
1
2
e1 2
Problema 6._ Supón que la v. a. bidimensional (X, Y) está distribuida uniformemente en el cuadrado
cuyos vértices son (1,0), (0,1), (-1,0), (0,-1). Encuentra las densidades marginales f X ( y f y ( y).
x)
Solución
Observa que el área de la región donde existe la conjunta es cuatro veces el área del triángulo (T).
Primero se calcula el área en T y luego se multiplica por 4 para sacar el área de la región total.
1 1 y 1 1 y 1 y2 1 1 1
Area de T
dxdy x dy
(1 y)dy y
2
1 2 2
y0 x0
y0 0 y0 0
1
Area de la región 4
2 1
2 k2
La distribución uniforme bidimensional es igual al inverso del área de la región en donde está definida
así que la distribución que estamos buscando es:
f X (x, y) 1
,Y
2
Marginal para X ._ Para encontrar la marginal de X se tiene que integrar la distribución conjunta
respecto a la variable Y .
y 1 x
1 1 1 x
dy 1 x 1, 0
y 2 x
si
y 1x 2
f X (x)
1 x 1 x
y 1 x
y 1 dy 1
1
x si x 0,1
y 1 x
2
2 1 x
f X (x) 1 si x 1,1
Esta función también se puede escribir como
x
1 si x [0,1]
Ya que 1 x
x si x [1, 0]
1
x
Marginal para Y ._ Para encontrar la marginal de Y se tiene que integrar la conjunta respecto a la
variable X .
x 1 y
1 1 y
1
dx x 1
2 y
si y 0,1
x y-1 2
y-1
fY ( y) y1
x y1
1 dx 1x 1 y 1, 0
x -1 y
2 y si
2 1 y
La densidad marginal para la v.a Y se puede escribir como fY ( y) 1 y para 1 y 1.
Problema 7._ Sean X y Y la duración de dos dispositivos electrónicos, con f. d. p conjunta dada por:
Solución
Si la f.d.p conjunta se puede escribir como el producto de las marginales entonces sí son
independientes, es decir si f X ,Y (x, y) f X (x) fY ( y) entonces X Y .
e0
f (y) ex e y dx e y e x
y
e
Y 0
0
Solución
La región
en donde
existe la
densidad
conjunta es
la parte que
está por
arriba de la
recta a 45
grados en
la gráfica
siguiente:
a) La
densidad
marginal
para X se
obtiene
integrando
la conjunta
respecto a
Y y la
marginal
para Y
se obtiene
integrando la
conjunta
respecto a X .
fy
x0
d
ey
e
y
x
x
ye
x
y
f e dx
85
ey x y yey yx0
0
x0
x y y
y4
PX 2, Y 4 e dxdy
y2 x2
y4
y
e x dy
2
y2
y4
y 2eydy
y2
y
y4
y
ye dy 2 e y dy
y
y2
86
La primera integral se hace por partes tomando
uy du dy
dv e v e y
y
dy
Se tiene que:
y4
y4
y4
yeydy y2
eydy
yey y2 y2
ey y2
y4 4 2
y4 e e
e
y
dy y2
y
e y2
PY 4 fY ( y)dy
ye
y
dy
0
0
dv e v e y
y
4 dy
PY 4
4
eyd
yey y
0
0
yey e y 4 4e 4
e4 e0
0
4
1 5e
4 e 3e 4
2 4
PX 2
Y 1 5e
Problema 9._ El empuje X y la razón de la mezcla Y son dos características del funcionamiento de
un motor a reacción. Si ( X ,Y ) es una v. a. bidimensional con f. d. p f X ,Y ( x, y) 2(x y 2xy)
en 0 x 1, 0 y 1 . Encuentra las distribuciones marginales para X y Y.
Solución
1
f X (x) con 0 x 1
f X ,Y (x,
1 y)dy
y0
2(x y 2xy)dy
0
y2 2xy 2 1
1
2xy 2 x x 1
2 2 2
0
Gráfica de la v.a
X U (0,1)
f X ( x)
1 x
Por lo tanto Y también tiene una f.d.p uniforme de 0 a 1, lo cual se escribe Y ~ U (0,1) con fY ( y) 1.
Su representación gráfica es:
fY y
1
y
Problema 10._ Supón que la v. a. bidimensional ( X ,Y ) está distribuida uniformemente en la región R
comprendida entre la recta y x y la curva y x 2 encuentra su f. d. p y las marginales.
1.2
0.8
yx
0.6
0.4
yx2
0.2
0
0 0.5 1
Solución
x0 y x2 x
2 0
1 x
2 x3 1 1 1 1
x x dx
3 2 3 6
0 2 0
fY ( y) xy
y
0y1
y
y 6 x 6 y
6dx y
La representación gráfica de las f.d.p marginales para las variables X y Y respectivamente es:
f X (x) fY ( y)
1.5 1.6
1.4
1.2 1.2
1
0.9
0.8
0.6 0.6
0.4
0.3
0.2
0 0
0 0.5 1 1.5
0 0.2 0.4 0.6 0.8 1 1.2
Problema 11._Supón que ( X ,Y ) se distribuye de manera uniforme sobre el semicírculo del diagrama.
y
y 1x2
x
1y2
x
-1 1
Región donde existe la f.d.p conjunta.
Solución
1 x2 2 2 1 x2
2
a) f x dy y 1x2 1 x 1
X
y 0 0
1 y 2
4 1 y 2
2
fY y dx x 4 1y2 0y1
2 0
x0
2
b) f x y f X ,Y (x, y) 1 para -1 x 1
Xy
4
1y2
fY ( y) 21y2
fY x
2
y x f X ,Y (x, y) 1 para 0 y 1
f X (x) 2 1 x 2 1 x 2
c) EX 1 y 1
y xf X 1
x ydx x
1
1 1 x2 1
0
1
1
21y2
1
2
1
1 y
y
2
2
1 2
1
1x2 2
E Y x 0 yfY x y x dy 0 y
1x2 dy
0 21 x 2
Problema 12._ Supón que X y X son calificaciones codificadas en dos pruebas de inteligencia y la
1 2
función de densidad de probabilidad conjunta está dada por
fX 1, X2
x1 , 6x 2 0 x1 0 x2 1
x2 x 1 2
1,
Solución
f X,X
(x1 , x2 ) 6x 2 x
fX 2 x1
1 2
1 2 2x
f (x1 ) 3x1 2
2
X1
1 2
1 1 1 1
1 1
X x 3x 2dx 3 x 3dx
1 1 3x1 4 3
a) E x 4
0 0
4 0
1
x2
1 2 3
1
2
b) E X 2 x1 x 2 f X x1
(x 2 | x1 )dx2 2 x2 dx2 2 3
0 2
0 0 3
UNIDAD V Estadística paramétrica usando estimación y prueba de
hipótesis.
I) ESTIMACIÓN PUNTUAL
Problema 1._ Si X es una v.a con media y varianza 2 y X , X ,K, es una m.a de tamaño n de
1 2
Xn
X, se tiene que la media muestral x y la varianza muestral S 2 son estimadores puntuales de la media y
la varianza poblacional respectivamente. ¿Son insesgados estos estimadores?
Solución
1
Recordemos que la media muestral está dada por la expresión x
n X .
n i1 i
n 1 i1
n
1
2
2
n1 xi 2x i x x
i 1
1
n n
n
n 1 2
2
xi x
x
i 1
2x
i
i1
1
n n
2
n 1
2
x 2xnx
i x
i 1
1
n
x 2 2nx 2 nx 2
n 1 i
i1
1 x 2 nx 2
n
n 1 i1
i
Entonces: S
E 2
1
E x 2 nE x 2
n
i
n 1 i1
2
2 2
X ()X ) E X E(
que x ~ N x; , x V 2 y por lo tanto el segundo
Recuerda y que
x
n
momento de la v.a está dado por: E X 2 V ( X ) E X 2 .
Utilizando toda esta información tenemos que:
E S2 1
2
n 2
2
n
2
n1 n
1
n 1 n 2 n 2 2 n 2
2
(n 2
E(S 2 )
1)
n1
Entonces S 2 estima de manera insesgada a la varianza poblacional.
Problema 2._ Demuestra que la media muestral es el estimador de varianza mínima para la media
poblacional de una distribución normal con media y varianza 2 .
Solución
Para ver si x es el estimador de varianza mínima utilizaremos la Cota de Cramér-Rao que dice que:
V (ˆ) 1
nE ln fX (x; )
2
2
ln 2
ln f x; ,
2
1 2(x ) x
X
2 2
2
1 1 1
2 1 2
4
2
2 4 2 2
E ln f X x; , E (x E(x V(X)
) )
2
2
Entonces CCR V x por lo tanto x es el estimador insesgado de varianza mínima para .
n
Problema 3._ Sea X ~ N x; , 2 estima , 2 en base a una muestra aleatoria de tamaño n
usando el método de los momentos.
Solución
Tenemos dos parámetros a estimar por lo tanto necesitamos los dos primeros momentos muestrales y
los dos primeros momentos poblacionales.
1 E X
y m2 n x i x
1 n 2
i1
n
n
i 2
i1
1
~ 2 x 2 xni 2
n i 1
1
~ 2
xi2 x
2
n 2
n i1 x 2 nx
1 n i
ni1
1
~ 2
n i x 2
x
n i 1
Problema 4._ Determina los estimadores por momentos para los parámetros
, de la distribución
gamma, en base a una m.a de tamaño n.
Solución
Igualando los dos primeros momentos poblacionales con los muestrales tenemos un sistema de dos
ecuaciones con dos incógnitas que se tiene que resolver.
~
1 xm
1
~
~ x2 m
1
~ 2
i 2
2 ~2
n i1
~2
~
Despejando de la primera ecuación y sustituyendo en la segunda tenemos que:
~
~ x
~ ~
x 2x 2 1 n
~ ~
n x 2i
2 2 i1
n
x 1
x
2 2
~ x
i1
i
2
n
x
n
1 x x x x
~
i
2 2 1
n
i n i1
i1
n
Finalmente se tiene que los estimadores por el método de los momentos para los parámetros de la
distribución Gamma son:
2
y ~ ~ x nx
~ nx 2
n n
2
x
i
x x
xi i1
i1
Problema 5._ Encuentra el estimador máximo verosímil de p en base a una m.a de tamaño n de una
población Bernoulli.
Solución
L( p) f xi , p p x (1 p (1 p) i
i
i 1
1
1xi
p)
i1 i1
p p 1p
iv) Igualamos a cero y resolvemos la ecuación ln L( p) 0 . En el momento en que se iguala a cero
p
se le pone un “gorrito” al parámetro para indicar que se trata de su estimador máximo verosímil.
n
n xi
xi
n
i 1
i1 0
pˆ 1 pˆ
n n
xi n xi
i 1
i1
pˆ 1 pˆ
n
n xi
1
i 1
x
pˆ n
pˆ
i
i1
1 n
1
n x 1
pˆ
i
i 1
1 n
n
pˆ x
pˆ
xi
i1
Problema 6._ Se toma una muestra aleatoria de tamaño n de una población con f.d.p de Poisson con
media .
a) Encuentra el estimador máximo verosímil para .
b) Encuentra el valor esperado y la varianza del estimador.
c) ¿Es un estimador consistente?
Solución
x e e n n
n i 1
i
L()
xi !
i1
xi ! i1
n n
por lo tanto limV x lim 0 y entonces el estimador sí es consistente.
n
n n
Problema 7._ Sea Y ,Y ,K,Y una m.a de una distribución uniforme con función de densidad de
1 2 n
probabilidad 1
fY ( y) 0 y 2 1 . Encuentra el estimador máximo verosímil para .
2
1
Solución
ln L( ) n ln(2 1)
1
ln L( )
2n
2 1
Y1 2 1
... Yn
Y2
Problema 8._ Cierto tipo de componente electrónico tiene una duración Y en horas, con f.d.p.
1
ye y / con y 0 . Sea el estimador máximo verosímil de . Supón que tres
fY ( y; ) ˆ
2
componentes al probarlos de manera independiente presentan duración de 120, 130 y 128 hrs.
a) ¿Cuál es la estimación máximo verosímil de ?
b) ¿Cuánto valen la esperanza y la varianza del estimador?
c) ¿Es un estimador consistente?
Solución
L( ) ye yi e
i1 2 i
i 1
2n i1
n
1 n
ln L( ) 2n ln ln yi yi
i1 i1
2n 1
ln L( ) yn
i
2 i1
ii) Igualando a cero y resolviendo encontramos el estimador máximo verosímil.
ˆ i
2n 1 n y
y0 i i 1
ˆ i 1 2n
ˆ 2
Ahora sean
y1 120, y2 130 y y3 128 .
b) Para calcular la esperanza y la varianza del estimador primero debemos obtener la media y la
varianza de la f.d.p.
Para la esperanza se tiene:
E(Y ) 1
y22 e y / dy
0
1
E(Y )
Integrando por partes:
y 2e y / 2 ye y / 2 e
y /
E (Y ) 2
0
Para la varianza: E(Y 2 ) 1
y23e y / dy
0
1
E(Y 2 ) 3 y / 2 y / y / 2 y / E(Y 2 ) 6
2
y e 3y e 6 ye 6 e
0
Finalmente tenemos que la media y la varianza del estimador están dados por:
n
yi
ˆ
E E i 1
1
E y
1
2 ˆ
por lo tanto E
2n 2n i 1n i 1 n
i
n
V yi 1
ˆ
V 1 n
y 2
2
V i
i1 n
2n 4n i1 4n i1 2n
2 2
por lo tanto V ˆ 2
2n
c) lim ECM ˆ ˆ lim
2
0 entonces sí es un estimador consistente para .
ˆ
limV
n n n 2n
2
II) INTERVALOS DE CONFIANZA.
Problema 1._ Se desea un intervalo de confianza (IC) para el promedio verdadero de pérdida de carga
(watts) para cierto tipo de motor de inducción cuando la corriente de línea se mantiene en 10 Amps. Para
una velocidad de 1500 rpm. Supón que la pérdida de carga está normalmente distribuida con
30.
a) Calcula un IC de 95% para cuando n 25 y x 58.3.
b) Calcula un IC de 95% para cuando n 100 y x 58.3.
c) Calcula un IC de 99% para cuando n 100 y x 58.3.
d) Calcula un IC de 82% para cuando n 100 y x 58.3.
Solución
a) La confianza es del 95%, es decir, 1 0.95 por lo tanto 0.05 y / 2 0.025 , buscando en la
tabla de la distribución normal tenemos que z0.025 1.96 . Sustituyendo los datos en la expresión del IC
se tiene que:
30
58.3 (1.96) 30 , 58.3 (1.96) [46.54, 70.06]
25 25
Podemos asegurar con una confianza del 95% que el promedio de pérdida de carga para cierto tipo de
motor de inducción cuando la corriente de línea se mantiene en 10 Amps está entre 46.54 y 70.06
watts.
30
58.3 (2.575) 30 , 58.3 (2.575) [50.575, 66.025]
100 100
Calcula un intervalo de confianza al 98% para el verdadero promedio de cantidad de saturación de gas
residual.
Solución
1
x 18 x 1 (695.9) 38.66
18 i
i1
18
2 1 n 2 2
s nx
x
n i1
i
11
1220.52 18(38.66)2
17
s 2 71.795
s 8.47
Solución
Si la variable aleatoria Y es el número entre los 1000 intervalos que contienen a , con probabilidad de
contenerla igual a 0.95 sabiendo que hay independencia podemos asegurar que la distribución de esta
v.a es binomial con parámetros 1000 y 0.95, es decir, Y ~ bin( y; n 1000, p 0.95).
El número de intervalos que esperamos capturen el valor de es el valor esperado de la v.a, es decir:
E(Y ) np 1000(0.95) 950
Para encontrar la probabilidad de que entre 940 y 960 de los intervalos contengan el valor de la media
poblacional, usamos el Teorema Central del límite que garantiza que:
Y ~ N y;
np, 2 npq
y Y
Y ~ N x;
y
1000(0.95), 1000(0.95)(0.05)
2
Y
Y ~ N x; y 950, 2Y 47.5
Solución
a) Los datos disponibles para el problema son 0.75 , x 4.85 , n 20 , confianza del 95%, es decir,
1 0.95 entonces z / 2 z0.025 1.96 . El intervalo de confianza es de la forma:
x
, x
/
n z / 2 n
z 2
0.75
Sustituyendo tenemos que: 4.85 0.75 4.85 [4.52, 5.18]
20 , (1.96)
(1.96) 20
c) Para saber cual estimación es más precisa tenemos que encontrar la longitud de cada intervalo y
compararlas, cuanto más angosto sea el intervalo más precisa es la estimación.
c) Sabemos que 0.75 y que para una confianza de 95% z / 2 z0.025 1.96
Por otra parte, si el ancho del intervalo es de 0.40 entonces podemos considerar un error máximo de
0.20 y el tamaño de la muestra estará dado por:
z 2
/2
n
0.75(1.96) 2
n
0.20
n 54.02
En caso de no ser exacto el cociente se acostumbra tomar el entero inmediato en este caso el tamaño de
muestra recomendado sería de 55 observaciones.
Problema 5._ Supón que
1 y 2 son las verdaderas distancias medias de parada a 50 mph para
automóviles de cierto tipo equipados con dos tipos diferentes de sistemas de frenos. Si se sabe que
n1 6 , x1 =115.7, s1 5 n2 6 , x 2 129.3 y s2 5.38 . Calcular un intervalo de confianza de 95%
para la diferencia entre el verdadero promedio de distancia de parada para automóviles equipados con
el sistema 1 y automóviles equipados con el sistema 2.
Solución
Dado que no se conocen las varianzas poblacionales primero necesitamos averiguar si éstas son
estadísticamente diferentes o no. Para ello construimos el intervalo de confianza para el cociente de las
varianzas poblacionales, si tal intervalo contiene al 1 se concluye que las varianzas aunque
desconocidas se pueden considerar estadísticamente iguales.
1 2 s 2 s 2
La forma del IC para es 1 F , 1 F
2
s 1 ,n 1,n s
2
2 1 2
2 ,n 1,n
2 1
1
2 1
2
El intervalo de confianza para una diferencia de medias con varianzas iguales pero desconocidas es de
la forma: x1 x2 S t / 2,n n 2 , x x S 1 1 t / 2,n n 2
11 1 2
n1n2 1 2
p p
n 1n2 1 2
Con S 2 n 1s1
2
2 1s2
5 52 5 5.382 26.9722
n
p 2
1
n1 n2 2 662
Entonces S p 26.9722 5.19 y t / 2,n n 2 t0.025,10 2.228 .
1 2
Sustituyendo valores: 1 1
66 115.7 129.3 5.19
1 1 (2.228) [20.28,6.92]
66
(2.228) , 115.7
129.3 5.19
Dado que el IC contiene sólo números negativos se concluye que la diferencia entre las distancias
medias de parada es menor cuando se usa el sistema de frenos tipo 1 que cuando se usa el sistema de
frenos tipo 2.
Problema 6._ En un estudio de 277 compradoras adultas seleccionadas al azar, 69 dijeron que siempre
que un artículo anunciado no se encontraba en su supermercado local, solicitaban vale. Obtén un
intervalo de confianza de 99% para la verdadera proporción de compradoras adultas que solicitan vale
en tales situaciones.
Solución
69
El estimador puntual para la proporción de compradoras adultas que solicitan vale es p 0.249
277
y z / 2 z0.005 2.575.
Utilizamos la expresión:
zp p (1 p)
p (1 p) 0.249 0.249(0.751) 0.249(0.751)
,p 2.575 ,0.249
z 2.575
/2 /2
n
n 277 277
El intervalo de confianza es [0.18, 0.32] . Se puede asegurar con una confianza del 99% que la
verdadera proporción de compradoras adultas que solicitan vale está entre 0.18 y 0.32.
Problema 7._ Un artículo de Los Angeles Times reporta que la técnica gráfica de teletermometría de
esfuerzo (GST) detectó con precisión 23 de 29 casos conocidos de cáncer de pecho. Construye un
intervalo de confianza de 90% para la verdadera proporción de cánceres de pecho que serían detectados
por la técnica GST (como n es pequeña, el intervalo será muy amplio).
Solución
p (1 p)
p (1 p)
El intervalo de confianza es de la forma p z / 2 , p z / 2
n
n
Con p 23 0.793 y
z / z0.05 1.645. Sustituyendo valores se tiene que:
29 2
Es decir, podemos estar seguros en un 90% de que la verdadera proporción de cánceres de pecho que
serían detectados por la técnica GST está entre el 67 % y el 92%.
Problema 8._ Se determinó la cantidad de expansión lateral (mils) para una muestra de 9 soldaduras de
arco de metal y gas accionado por pulsos, que se emplean en tanques contenedores de gas licuado
natural en barcos. La desviación estándar muestral resultante fue s 2.81 mils. Si se supone
normalidad, deriva un intervalo de confianza de 95% para y para .
2
Solución
Sustituyendo los valores de n 9 s 2.81 junto con los valores de la tabla de la distribución 2
,
2 2 2 2
/ 2,n1 0.025,8 17.534 y 1 / 2,n1 0.975,8 2.18 en la expresión obtenemos:
El intervalo de confianza para la desviación estándar se calcula sacando la raíz cuadrada de los
extremos del IC para la varianza. Entonces el intervalo de confianza de 95% para es [1.9, 5.38] .
Problema 9._ Se hicieron las siguientes 22 observaciones de resistencia a la fractura de placas base
18% de acero marginizado al níquel:
Solución
Suponiendo que las observaciones anteriores son una muestra aleatoria de una distribución normal, el
intervalo de confianza para la varianza tiene la forma:
(n 1)s2 (n 1)s 2
2
/ 2,n1 , 1
/ 2,n1
2
Los valores críticos de la distribución ji-cuadrada para una confianza del 99% son:
2 2 2 2
/ 2,n1 0.005,21 41.399 y 1 / 2,n1 0.995,21 8.033.
Sustituyendo valores tenemos que el intervalo de confianza para la varianza poblacional es:
(22 1)(25.36) 2 (22 1)(25.36)
[12.86, 66.30]
41.399
8.033
Sacando raíz cuadrada a los extremos del IC anterior se encuentra el intervalo de confianza para la
desviación estándar, [3.59, 8.14].
Para que este intervalo sea válido debe tratarse de una muestra aleatoria de una distribución normal de
cualquier tamaño o de una distribución cualquiera pero con tamaño de muestra suficientemente grande.
Por lo tanto dado que la muestra es pequeña este intervalo es válido solo si la población de donde se
saco la muestra tiene una distribución normal.
Problema 1._ Una tienda departamental tiene un vendedor de quien sospecha comete más errores que
el promedio de todos sus vendedores.
a) Si la tienda decide retirar al vendedor si se confirma la sospecha, ¿Qué hipótesis nula y qué hipótesis
alternativa deberá utilizar?
b) Si la tienda decide retirar al vendedor a menos que en realidad comenta menos errores que el
promedio de todos sus vendedores, ¿Qué hipótesis nula y qué hipótesis alternativa deberá emplear?
Solución
H 0 : 0
H a : 0
Si la evidencia muestral nos lleva a rechazar la hipótesis nula entonces la tienda retirará al vendedor.
Solución
Las proporciones muestrales de quienes cambian a una cierta marca con y sin inducción,
respectivamente, y que posteriormente repiten una compra están dadas por:
pˆ 1 30 180
0.15 p 0.3
200 , ˆ2 600
Contraste de hipótesis:
H 0 : p1 p2 0
H a : p1 p2 0
Estadístico de prueba:
z pˆ 1 pˆ 2 0.15 0.3
4.77
pˆ 1 qˆ1 pˆ 2 qˆ 2 0.15(0.85) 0.3(0.7)
n1 n2 200 600
El estadístico de prueba cae en la región de rechazo y por lo tanto se rechaza la hipótesis nula.
Lo cual apoya la hipótesis de que es menos probable que alguien que cambia de marcas por inducción
financiera permanezca leal que alguien que cambia sin inducción.
Problema 3._ Una muestra aleatoria de 5,726 números telefónicos de cierta región tomada en marzo de
1992 dio 1,105 que no estaban en el directorio y, un año después, una muestra de 5,384 dio 980
números que no estaban en el directorio. Prueba un nivel de 0.10 para ver si hay una diferencia en las
verdaderas proporciones de números que no aparecen en el directorio entre los dos años.
Solución
pˆ 1 1105 0.193 ,
pˆ 980 0.182
5726 5384
2
Aplicando el Teorema Central de Límite (TCL) para la diferencia de proporciones muestrales tenemos
2 p1q1 p2 q2
que: P P ~ N p p ; p p ,
1 2 1 2 1 2
n1 n2
Contraste de hipótesis:
H0 : p1 p2 0
Ha : p1 p2 0
Estadístico de prueba:
z pˆ1 pˆ 2 0.193 0.182
1.48
pˆ1qˆ1 pˆ 2qˆ2 0.193(0.807) 0.182(0.818)
n1n2 5726 5384
Valor crítico:
z / 2 z0.05 1.645
Por lo tanto se concluye con base a la muestra que no existe una diferencia significativa entre las
proporciones de números que no aparecen en el directorio en los dos años considerados.
Problema 4._ En su incansable búsqueda de un sistema de llenado adecuado, cierta empresa prueba
dos máquinas. Automat -fill se usa para llenar 21 frascos que dan una desviación estándar de 2.1 onzas.
Con Robo-fill se llenan 16 frascos y da una desviación estándar de 1.9 onzas en el llenado. Si la
empresa tiene que elegir uno de estos sistemas en función de la uniformidad de llenado. ¿Cuál deberá
seleccionar? Usa 0.10 .
Solución
Datos: n1 21 , n2 16
s1 2.1, s2 1.9
Contraste de hipótesis: 2 2
H 0 : 1 2
2 2
H a : 1 2
O equivalentemente: 2 2
H 0 : 1 2 0
2 2
H a : 1 2 0
Estadístico de prueba:
2 (2.1)
F 1s2 2 1.22
s2
(1.9)
2
No se rechaza la hipótesis nula. Por lo que se concluye con un nivel de significancia del 10% que no
existe diferencia significativa entre la variación de llenado de la máquina Automat-Fill y de la máquina
Robo-Fill, por lo que se puede seleccionar cualquiera de las dos máquinas.
Problema 5._ ¿Los estudiantes universitarios hombres se aburren más fácilmente que sus compañeras
mujeres? Esta pregunta se examino en el artículo “Boredom in Young Adult – Gender and cultural
Comparisons”. Los autores aplicaron la escala de propensión al aburrimiento a 97 estudiantes hombres
y 148 mujeres de universidades de Estados Unidos. ¿La siguiente información apoya la hipótesis de
investigación de que la tasa de aburrimiento es más alta para hombres que para mujeres? Prueba las
hipótesis apropiadas usando un nivel de significancia de 0.05.
Solución
Datos: n1 97 , n2 148
x1 10.40 , s1 4.83
x2 9.26 , s2 4.68
Contraste de hipótesis:
H 0 : 1 2
H a : 1 2
Estadístico de prueba:
t x1 x2 10.40 9.26
1.82
s2 s2
1 2 (4.83) 2 (4.68)2
n1n2 97 148
s2 s2 (4.83)2 (4.68)2 2
2
1
2
gl n1 n2
97 148 200.83 201
s 2 2 s 2 (4.83)2 2 (4.68)2 2
2
1 2
n
1 2 n 97 148
n1 n2 1 97 1 148 1
1
Entonces se debe rechazar la hipótesis nula. Por lo tanto se concluye que no hay condiciones para
afirmar que los estudiantes universitarios hombres se aburren más fácilmente que sus compañeras
mujeres.
Problema 6._ El artículo “Statistical Evidence of Discrimination” (J. Amer. Star. Assoc. 1982, pp, 773-
783) analiza el caso judicial Swain vs Alabama (1965), en el cual se dijo que había discriminación contra
negros en la selección del gran jurado. Los datos de un censo sugirieron que 25% de los elegibles para
prestar servicio como gran jurado eran negros, pero una muestra aleatoria del 1,050 llamados para
presentarse para un posible servicio dio por resultado solo 177 negros. Mediante el uso de una prueba
con un nivel de significancia de 0.01, ¿se concluye que hay discriminación?
Solución
Datos: n 1050
p 0.25 177
p0 0.168 .
, 1050
Contraste de hipótesis:
H 0 : p p0 H 0 : p p0 0
H a : p p0 H a : p p0 0
Estadístico de prueba:
z pˆ pˆ 0 0.25 0.168 7.10
pˆ 0 qˆ 0 0.168(0.832)
n 1050
Valor crítico:
z z0.01 2.33
Tenemos que
z 7.10 2.33 z entonces se debe rechazar la hipótesis nula y se concluye con un
nivel de significancia de 0.01 que sí existe discriminación contra los negros para la selección del
gran jurado.
Problema 7._ El Instituto Eléctrico Edison publica cifras del número anual de Kilowatt-hora que gastan
varios aparatos electrodomésticos. Se afirma que una aspiradora gasta un promedio de 46 kilowatt-hora
al año. Si una muestra aleatoria de 12 hogares que se incluye en un estudio planeado indica que las
aspiradoras gastan un promedio de 42 kilowatt-hora al año con una desviación estándar de11.9 kilowatt-
hora, ¿esto sugiere con un nivel de significancia de 0.05 que las aspiradoras gastan, en promedio, menos
de 46 kilowatt-hora anualmente? Supón que la población de kilowatt-hora es normal.
Solución
Datos: n 12
0 46 , x 42 , s 11.9
Contraste de hipótesis:
H 0 : 0 H 0 : 0 0
H a : 0 H a : 0 0
Estadístico de prueba:
x 0 42 46 1.16
t
s 11.9
n 12
Valor crítico:
t ,n1 t0.05,121 t0.05,11 1.796
Se tiene que
t 1.16 1.796 t ,n1 por lo tanto no se rechaza la hipótesis nula.
Se concluye con un nivel de significancia de 0.05 que el número promedio de kilowatt-hora
gastadas al año por las aspiradoras no es significativamente menor que 46.
Problema 8._ Una empresa empacadora de azúcar está considerando una máquina nueva para
reemplazar su máquina actual. Los pesos de una muestra de 21 paquetes de 5 libras empacados por la
máquina vieja producen una varianza de 0.16, mientras que los pesos de 20 paquetes de 5 libras
empacados por la máquina nueva dan una varianza de 0.09. En base a estos datos, ¿aconsejaría usted al
gerente comprar la máquina nueva? Use un = 0.05.
Solución
Datos: n1 21 , n2 20
Contraste de hipótesis:
2 2
H 0 : 1 2 2
H 0 : 1 2 0
2
2 2
H a : 1 2 2
H a : 1 2 0
2
Estadístico de prueba:
2 0.16
F 1s2 1.77
s2 0.09
Como 1.77 2.16 no se rechaza H 0 y se concluye que no es conveniente comprar la máquina nueva.
Bibliografía.
2) Devore, Jay L. Probabilidad y estadística para ingeniería y ciencias. 5ª edición. México, D.F:
Thomson, Learning, 2001. 762 p. ISBN 0-534-37281-3
4) Mendenhall, William; et al. Estadística matemática con aplicaciones. 2ª edición, México, D.F: Gpo.
Editorial Iberoamérica, 1991. 772 p. ISBN 0-87150-939-3
5) Meyer. Probabilidad y aplicaciones estadísticas. Edición revisada. México, D.F: Addison Wesley
Longman, 480 p. ISBN 968-4444-2211
6) Milton, J.S; Arnold, J.C. Probabilidad y estadística con aplicaciones para ingeniería y ciencias
computacionales. México, D.F: McGraw Hill, 2004. 804 p. ISBN 0-07-246836-X
7) Navidi, Willian. Estadística para ingenieros y científicos. México, D.F: McGraw Hill, 2006. 868 p.
ISBN 970-10-5629-9
8) Quevedo, Héctor; Pérez Blanca R. Estadística para ingeniería y ciencias. México, D.F: Grupo
Editorial Patria, 2008. 440 p. ISBN 978-970-817-232-5
9) Velasco, Gabriel; Wisniewski, P.M. Probabilidad y estadística para ingeniería y ciencias. Edición.
México, D.F: Thomson, 2001. 326 p. ISBN 970-686-136-X
10) Walpole, Myers & Myers. Probabilidad y estadística para ingeniería y ciencias. 8ª edición.
México, D.F: Pearson, Prentice Hall, 2007. 816 p. ISBN 10: 970-26-0936-4
11) Weimer, Richard C. Estadística. 4 ª reimpresión. México, D.F: CECSA, 2002. 839 p. ISBN 968- 26-
1261-6