Vous êtes sur la page 1sur 33

Econom a Estad stica II

Carlos J. Chavarr a Loor

Apuntes de ayudant a
Fecha: Mayo 2007

1.

Variables aleatorias

Los eventos de mayor inter es para cualquier profesional se identican mediante n umeros y reciben el nombre de eventos num ericos. A un Economista investigador, por ejemplo, le podr a interesar el evento de que pa ses en v a de desarrollo con menor renta per c apita, experimenten un menor ndice de natalidad. Cualquier experimento realizado necesita una variable medible, cuyo valor cambiar a dependiendo del resultado del experimento, esta variable recibe el nombre de variable aleatoria. Denici on 1.0.1 Una variable aleatoria es una funci on de valores reales cuyo dominio es un espacio muestral.

1.1.

Variables aleatorias discretas y sus distribuciones de probabilidad

Denici on 1.1.1 Una variable aleatoria Y se denomina discreta si puede adoptar s olo una cantidad nita o innita contable de valores distintos. Ejemplos 1.1.1 Cantidad de televisores defectuosos en un cargamento. N umero de electores a favor de determinado candidato o propuesta. Ahora nos preguntamos: Por qu e estudiar la distribuci on de probabilidades de estas variables? La respuesta es que necesitamos conocer la probabilidad de un evento observado para hacer inferencias respecto a una poblaci on. Los eventos de nuestro inter es por lo general ser an eventos num ericos.

1.2.

Distribuci on de probabilidad de una variable aleatoria discreta

Para denotar las v.a. emplearemos may usculas, como Y , y min usculas, como y , para representar valores particulares que puede tomar una variable aleatoria. A la probabilidad respectiva de que Y adopte el valor y , la denotaremos mediante P (Y = y ). Denici on 1.2.1 La distribuci on de probabilidad para una variable discreta Y puede representarse mediante una f ormula, una tabla o una gr aca, que proporcionan p(y ) = P (Y = y ). Una distribuci on de probabilidad de una variable aleatoria discreta debe cumplir las siguientes propiedades:

A1-1

Teorema 1.2.1 Cualquier distribuci on de probabilidades discreta debe satisfacer lo siguiente: 1. 0 p(y ) 1 para toda y . 2. p(y ) = 1 donde la sumatoria es superior a todos los valores de y con una probabilidad diferente de cero.
y

Ejercicios
1. El ministerio de salud analiz o los pozos de un pa s para detectar dos clases de impurezas que, por lo com un, contiene el agua potable (A y B). En 20 % de ellos no encontr o impurezas de ninguna clase, en 40 % detect o la impureza A y en 50 % la B. (Es obvio que algunos conten an los dos tipos). Determine la distribuci on de probabilidad de Y , es decir, la cantidad de impurezas que contiene un pozo elegido al azar. Soluci on: Sea Y la v.a que dene a la cantidad de impurezas contenidas en un pozo. La v.a. Y , puede tomar los valores de 0 (no se encontr o impurezas); 1 (se encontr o la impureza A o B pero no ambas); y, 2 (se encontaron ambas impurezas en un mismo pozo). Ahora debemos determinar cu al es la probabilidad de que se encuentren 0, 1 y 2 impurezas, respectivamente. Esta claro que P (Y = 0) = 20 % (tal como lo indica el ejercicio). Denamos los eventos A y B , como: A: se encontr o la impureza tipo A B: se encontr o la impureza tipo B Utilizando la ley aditiva de la probabilidad, tenemos:

P(A B ) = P (A) + P (B ) P (A B ) = 0,8 = 0,4 + 0,5 P (A B ) P(A B ) = 0,1


Distribuci on de probabilidades para el ejemplo 1.

y 0 1 2

P (Y = y ) 0.2 0.7 0.1

A1-2

2. Se sabe que en un grupo de cuatro componentes hay dos que tienen defecto. Una inspectora los prueba de uno en uno hasta encontrar las dos piezas defectuosas. Una vez que las localiza interrumpe las pruebas, pero prueba la segunda pieza defectuosa por seguridad. Si Y es el n umero de pruebas en la que se detecta la segunda pieza defectuosa, determine la distribuci on de probabilidad para Y . Soluci on: Para detectar la segunda pieza defectuosa, se debe al menos realizar 2, 3 o 4 pruebas; por tanto, esos son los valores que adopta la v.a. Y . Denamos los siguientes eventos: y = 2 E1 : D1 D2 , las dos primeras piezas probadas estaban defectuosas. y = 3 E2 : (BD1 D2 ) (D1 BD2 ) y = 4 E3 : (B1 B2 D1 D2 ) (D1 B1 B2 D2 ) (B1 D1 B2 D2 ) Las probabilidades respectivas, son: P(E1 ) = P(D1 )P(D2 |D1 ) = (2/4)(1/3) = 1/6. P(E2 ) = 2 [P(B )P(D1 |B )P(D2 |B D1 )] = 2(2/4)(2/3)(1/2) = 1/3. P(E3 ) = 3 [P(B1 )P(B2 |B1 )P(D1 |B1 B2 )P(D2 |B1 B2 D1 )] = 3(2/4)(1/3)1 = 1/2.
Distribuci on de probabilidades para el ejemplo 2.

y 2 3 4

P (Y = y ) 1/6 1/3 1/2

3. Para vericar la exactidud de sus estados nancieros, las empresas a menudo emplean auditores que veriquen sus ingresos. Los empleados de la empresa se equivocan al registrar los ingresos 5 % de las veces. Suponga que un auditor revisa aleatoriamente tres ingresos. a) Determine la distribuci on de probabilidad de Y , el n umero de errores detectados por el auditor. b) Determine la probabilidad de que el auditor detecte m as de un error. Soluci on: Designemos los estados nancieros correctos e incorrectos, con las letras C y D, respectivamente. Si se revisan tres estados nancieros, puede ocurrir que: los dos primeros est en correctos pero el tercero no (E1 = {C, C, I }), o todos est en correctos (E2 = {C, C, C }), etc. La pr. de que un estado nanciero est e incorrecto es del 5 %, caso contrario 95 %.

A1-3

Cada punto muestral que represente que dos estados nancieros est en correctos, y el tercero no, tiene una probabilidad de: (0,95)2 (0,05). Como cada evento est a conforn puntos muestrales, la expresi mado por Cy on probabil stica viene dada por:
n p(Y = y ) = Cy (0,05)y (0,95)ny

donde p y q son las probabilidades correspondientes a que se encuentre correcto o incorrecto un estado nanciero. Empleando la f ormula anterior para Y = 0, 1, 2 o 3 estados nancieros incorrectos, la distribuci on de probabilidades de la v.a Y es: y 0 1 2 3 P (Y = y ) 0.857375 0.135375 0.007125 0.000125

4. De las personas que llegan a un banco de sangre, 1 de cada 3 tiene sangre O+ , y 1 de cada 15 tiene sangre O . Supongamos que se elige aleatoriamente a tres donadores. Si X es la cantidad de donadores con sangre tipo O+ y Y la de los que tienen tipo O , determine la distribuci on de probabilidad de X y Y . Encuentre tambi en la distribuci on de probabilidad de X + Y , el n umero de donadores con sangre tipo O. Soluci on: Siguiendo el m etodo del ejercicio anterior para cada uno de los casos, tenemos:
3 P(X = x) = Cx (1/3)x (2/3)3x ;

x = 0, 1, 2, 3

(1)

x 0 1 2 3

P (X = x) 8/27 12/27 6/27 1/27 y = 0, 1, 2, 3 (2)

3 P(Y = y ) = Cy (1/15)y (14/15)3y ;

y 0 1 2 3

P (Y = y ) 2744/3375 388/3375 42/3375 1/3375

A1-4

La probabilidad de que un donador tenga sangre tipo O, es: P(O+ O ) = P(O+ ) + P(O ) = (1/3) + (1/15) = 2/5.

por tanto la expresi on probab listica para el n umero de donadores con tipo O, viene dada por:
3 P(X + Y = z ) = Cz (2/5)z (3/5)3z ;

z = 0, 1, 2, 3

(3)

z 0 1 2 3 1.2.1.

P (Z = z ) 0.216 0.432 0.288 0.064

Distribuci on de probabilidad binomial

Denici on 1.2.2 Algunos experimentos consisten en la observaci on de una serie de experimentos id enticos e independientes, cada uno de los cuales puede generar uno de dos resultados. Estos experimentos reciben el nombre de experimentos binomiales y tienen las siguientes propiedades: 1. El experimento consta de un n umero determinado, n, de ensayos id enticos. 2. Cada ensayo tiene dos resultados posibles. Llamaremos S a cada resultado exitoso y F a cada fracaso. 3. La probabilidad de tener exito en un ensayo es igual a alg un valor p, y permanece constante de un ensayo a otro. La probabilidad de un fracaso es igual a q = (1 p). 4. Los ensayos son independientes. 5. La variable aleatoria bajo estudio es Y , el n umero de exitos observados en n ensayos. Denici on 1.2.3 Se dice que una variable aleatoria Y tiene una distribuci on binomial basada en n ensayos con probabilidad de un exito p en un ensayo si y s olo si:
n y ny p(y ) = Cy p q ;

y = 0, 1, 2, . . . , n

0 p 1.

Ejercicios
1. Considere una poblaci on de N = 5000 electores registrados, de los cuales 40 % son partidarios del candidato P erez. Identique el evento apoya a P erez como un exito S . Es evidente que la probabilidad de S en el ensayo 1 es de 0,40. Considere el evento B que indica que S ocurre en el segundo ensayo. As , B puede ocurrir de dos maneras: los primeros dos ensayos son exitos, o el primer ensayo es un fracaso y el segundo un exito. Demuestre que P (B ) = 0,4. Determine P (B | el primer ensayo es S ). Diere esta probabilidad condicional en forma considerable de P (B )?. A1-5

Soluci on: Denamos los eventos: A : El primer ensayo es un exito S . B : El segundo ensayo es un exito S . P(B ) = P(A B ) + P(A B ) 2000 1999 3000 2000 = + 5000 4999 5000 4999 = 0,40.

P(B |A) =

P(A B ) = P(A)

2000 1999 5000 4999 2000 5000

= 0,399.

Observaci on 1.2.1 A partir de las demostraciones que se han realizado podemos observar que: La probabilidad incondicional de que la segunda persona sea partidaria de P erez es de 0,40, lo que demuestra que la probabilidad de un exito S permanece igual de un ensayo a otro. La probabilidad condicional de un exito en ensayos posteriores depende del n umero de exitos en los anteriores. Sin embargo, si la poblaci on es numerosa, la eliminaci on de una persona no modicar a de forma sustancial la fracci on de votantes que apoyan a P erez, y la probabilidad condicional de que la segunda persona apoye a P erez se aproximar a a 0,4 (Como lo indica el segundo c alculo). En general, si una poblaci on es numerosa y la muestra es m as o menos peque na, la probabilidad condicional de exito en un ensayo posterior dado el n umero de exitos en ensayos anteriores, ser a la misma, aproximadamente, sin importar los resultados de los ensayos anteriores. 2. Se dise na un complicado sistema electr onico con cierta cantidad de componentes de seguridad en sus subsisemas. Uno de ellos cuenta con cuatro componentes id enticos, cada uno con una probabilidad de fallar de 0.2 en menos de 1000 horas. El subsistema funcionar a si dos de los cuatro componentes est an trabajando. Suponga que cada uno opera de manera independiente. a) Determine la probabilidad de que dos de los cuatro componentes rindan m as de 1000 horas. b) Encuentre la probabilidad de que el subsitema funcione m as de 1000 horas.

A1-6

Soluci on: Sea: X : N umero de componentes que rinden m as de 1000 horas.


4 (0,8)2 (0,2)2 = 0,15369. a) P(X = 2) = C2

El subsitema funcionanar a si dos o m as de cuatro componentes est an trabajando. Por tanto: b) P(X 2) =
4 4 x 4 x x=2 Cx (0,8) (0,2)

= 0,9708.

3. Un examen de opci on m ultiple tiene 15 preguntas, cada una con cinco respuestas posibles, de las cuales s olo una es correcta. Suponga que uno de los alumnos que lo presenta contesta cada una de las preguntas mediante aleatoriedad independiente. Cu al es la probabilidad de que por lo menos 10 de sus respuestas sean correctas? Soluci on: Sea: X : N umero de respuestas correctas. P(X 10) =
15 15 x 15x x=10 Cx (1/5) (4/5)

0.

4. Muchas compa n as de servicios p ublicos promueven el ahorro de energ a ofreciendo descuentos a los consumidores que mantengan el consumo de energ a por debajo de ciertas normas de subsidio establecidas. Un informe reciente de la EPA (Enviromental Protection Agency) destaca que 70 % de los residentes de la isla de Puerto Rico redujo el consumo de energ a lo suciente como para obtener el descuento. Si se eligen aleatoriamente cinco suscriptores residentes en San Juan, Puerto Rico, determine la probabilidad de cada uno de los siguientes eventos: a) Los cinco re unen los requisitos para recibir el descuento. b) Por lo menos cuatro se hacen merecedores de la rebaja. Soluci on: Sea: X : N umero de suscriptores que re unen los requisitos para recibir el descuento.
5 (0,70)5 (0,3)0 = 0,1681. a) P(X = 5) = C5

b) P(X 4) =

5 5 x 5x x=4 Cx (0,7) (0,3)

= 0,5282.

A1-7

5. Una alarma contra incendios emplea tres celdas sensibles a la temperatura que operan de manera independiente, de tal forma que una o varias pueden activarla. La probabilidd de que cada celda active la alarme cuando la temperatura alcanza los 100 C o m as es de p = 0,8, Si Y es el n umero de celdas que activan la alarma cuando la temperatura alcanza los 100 C, determine su distribuci on de probabilidades. Calcule la probabilidad de que la alarma funcione cuando la temperatura alcance los 100 C. Soluci on: La variable aleatoria Y puede tomar los valores de 1, 2 y 3. Por tanto, la distribuci on de probabilidades de Y es:
3 (0,80)0 (0,20)3 = 0,008. * P(Y = 0) = C0 3 (0,80)1 (0,20)2 = 0,096. * P(Y = 1) = C1 3 (0,80)2 (0,20)1 = 0,384. * P(Y = 2) = C2 3 (0,80)3 (0,20)0 = 0,512. * P(Y = 3) = C3 Distribuci on de probabilidades para el ejemplo 5.

y 0 1 2 3

P (Y = y ) 0.008 0.096 0.384 0.512

Cuando la temperatura alcance los 100 C, la alarma funcionar a siempre y cuando una o varias celdas puedan activarla. P(Y 1) =
3 3 y 3 y y =1 Cy (0,80) (0,20)

= 0,096 + 0,384 + 0,512 = 0,992.

6. Un fabricante de cera para pisos produce dos nuevas marcas, A y B , las cuales desea someter a la evaluaci on de las amas de casa para determinar cu al es mejor. Los dos tipos de cera, A y B , se aplican a la supercie de piso de 15 casas. Suponga que en realidad los dos tipos de cera son de la misma calidad. a) Cu al es la probabilidad de que 10 o m as amas de casa preeran la marca A? b) Cu al es la probabilidad de que 10 o m as preeran la marca A o la B ? Soluci on: Sea: X : Amas de casa que preeren la marca A. Y : Amas de casa que preeren la marca B . Si los dos tipos de cera son de la misma calidad, la probabilidad de que una ama de casa elija uno de los dos tipos es igual a 0.5. a) P(X 10) =
15 15 x 15x x=10 Cx (0,5) (0,5)

= 1 0,849 = 0,151.

Puesto que los tipos de cera son de la misma calidad, la probabilidad de que 10 o m as amas de casas preeren la tipo A es igual a la probabilidad de que 10 o m as elijan la A1-8

tipo B . Por tanto: b) P[(X Y ) 10] = P(X 10) + P(Y 10) = 0,151 + 0,151 = 0,302. 7. Al probar cierta clase de neum atico para cami on en un terreno escabroso, se encuentra que 20 % de los camiones no completaban la prueba sin ponchaduras. De los siguientes 15 camiones probados, encuentre la probabilidad de que: a) de tres a seis tengan ponchaduras. b) menos de cuatro tengan ponchaduras. c) m as de cinco tengan ponchaduras. Soluci on: Sea: X : N umero de camiones con ponchaduras. a) P(3 X 6) = b) P(X < 4) = c) P(X > 5) = 1
6 15 x 15x = 0,982 0,398 x=3 Cx (0,20) (0,80) 3 15 x 15x = 0,648. x=0 Cx (0,20) (0,80) x 15x 15 P(X 5) = 1 5 x=0 Cx (0,20) (0,80)

= 0,584. = 1 0,939 = 0,061.

8. Un estudio examin o las actitudes nacionales acerca de los antidepresivos. El estudio revel o que aproximadamente 70 % de las personas cree que los antidepresivos en realidad no curan, s olo encubren el problema real. De acuerdo con este estudio, Cu al es la probabilidad de que al menos tres de las siguientes cinco personas seleccionadas al azar compartan esta opini on? Soluci on Sea: X : N umero de personas que comparten la misma opini on. P(X 3) = 1 P(X < 3) = 1
2 x 5x 5 x=0 Cx (0,70) (0,30)

= 1 0,1631 = 0,8369.

9. Considere el siguiente juego: un jugador lanza un dado varias veces hasta que aparezca un 2, 3, 4, 5 o 6; es decir, continuar a lanz andolo siempre y cuando aparezca el n umero 1. Cuando obtenga un n umero diferente de 1, se detendr a Qu e probabilidad hay de que el jugador lance el dado exactamente tres veces?.

A1-9

Soluci on: Sean: X1 : N umero obtenido en el primer lanzamiento. X2 : N umero obtenido en el segundo lanzamiento. X3 : N umero obtenido en el tercer lanzamiento. El jugador lanzar a el dado hasta tres veces, si en los dos primeros lanzamientos aparece el 1 y, en el tercero aparece un n umero diferente de 1. Entonces: P(X1 = 1 X2 = 1 X3 = 1) = (1/6)(1/6)(5/6) = 0,023.
1

10. Si Y es una variable aleatoria binomial basada en n ensayos y probabilidad de exito p, demuestre que: P(Y > 1|Y 1) = Soluci on: Utilicemos la siguiente denici on: Denici on 1.2.4 (Probabilidad condicional de eventos) La probabilidad condicional de un evento A, suponiendo que ocurri o el evento B , es igual a P(A|B ) =
P(AB ) P(B ) 1(1p)n np(1p)n1 1(1p)n

P(Y = 0 Y = 1) P(Y > 1 Y 1) = P(Y 1) P(Y 1) n p(1 p)n1 C n p0 (1 p)n 1 C1 0 = n p0 (1 p)n 1 C0 1 np(1 p)n1 (1 p)n // = QED 1 (1 p)n

puesto que los lanzamientos son independientes uno del otro, la ley multiplicativa de la probabilidad se ha calculado como el producto de las probabilidades marginales.

A1-10

1.2.2.

Distribuci on de probabilidad geom etrica

A continuaci on se presenta una tabla con las semejanzas y diferencias entre un experimento binomial y un geom etrico : experimento binomial id enticos e independientes exitos y fracasos p constante de un ensayo a otro n umero de exitos, que se presentan en n ensayos experimento geom etrico id enticos e independientes. exitos y fracasos. p. constante de un ensayo a otro. n umero de ensayos en que ocurre el primer exito.

experimentos: tipo de resultados: xito: probabilidad de e caracter stica de p : variable aleatoria Y :

Como se puede observar en la tabla la principal diferencia que existe entre un experimento binomial y uno geom etrico, es con respecto a la variable aleatoria Y . Denici on 1.2.5 Una variable aleatoria Y tiene una distribuci on de probabilidad geom etrica si y s olo si p(y ) = q y1 p;

y = 1, 2, 3, . . . , n

y 0 p 1.

Ejercicios
1. Suponga que 30 % de solicitantes de empleo en una industria est an capacitados en programaci on de computadoras. Los candidatos son elegidos al azar entre la poblaci on y entrevistados en forma sucesiva. Determine la probabilidad de encontrar en la quinta entrevista el primer aspirante con conocimientos en programaci on. Soluci on: Sea: X : N umero de entrevistas realizadas hasta encontrar el primer aspirante con conocimientos en programaci on. P(X = 5) = (0,3)(0,7)4 = 0,072. 2. Sea Y una variable aleatoria geom etrica con una probabilidad de exito p. a) Demuestre que para un entero positivo a, P(Y > a) = q a .

A1-11

b) Demuestre que para los enteros positivos a y b, P(Y > a + b|Y > a) = q b = P(Y > b).

Soluci on: a) P(Y > a) = pq (a+1)1 + pq (a+2)1 + . . . + pq (a+n1)1 + pq (a+n)1 = p q a + q a+1 + . . . + q a+n2 + q a+n1 =p b) P(Y > a + b|Y > a) = P(Y > a + b Y > a) P(Y > a + b) qaqb = = a = q b . // QED P(Y > a) P(Y > a) q qa = q a . // QED 1q

donde; P(Y > a + b) = pq (a+b+1)1 + pq (a+b+2)1 + . . . + pq (a+b+n1)1 + pq (a+b+n)1 = p q a+b + q a+b+1 + . . . + q a+b+n2 + q a+b+n1 ; =p q a+b = qaqb. 1q r= q a+b+1 = q < 1. q a+b

3. Un contador p ublico halla que en nueve de diez auditor as empresariales se cometieron errores de importancia. Si, en consecuencia, revisa una serie de compa n as, cu al es la probabilidad de que: a) La primera cuenta que contiene errores serios sea la tercera contabilidad revisada? b) La primera cuenta con errores serios se encontrar a despu es de revisar la tercera? Soluci on: Sea: X : N umero de cuentas revisadas hasta encontrar la primera que contiene errores. a) P(X = 3) = (9/10)(1/10)2 = 0,009. b) P(X 3) = P(X = 3) + P(X > 3) = 0,009 + (1/10)3 = 0,01.
2

El c alculo P(X > 3) es muy sencillo obtenerlo aplicando la demostraci on del ejercio 2, inciso a.

A1-12

4. La probabilidad de que un cliente llegue al mostrador de una tienda de abarrotes en cualquier periodo de un segundo es de 0.1. Suponga que los compradores se presentan aleatoriamente en grupo, por lo que la llegada de uno de ellos en un segundo en particular es independiente de la llegada de los otros. a) Determine la probabilidad de que el primer comprador se presente durante el tercer intervalo de un segundo. b) Determine la probabilidad de que el primer cliente no se presente en el mostrador hasta al menos el tercer intervalo de un segundo. Soluci on: Sea: X : Intervalo de un segundo en el que se presenta el primer cliente. a) P(X = 3) = (0,1)(0,9)2 = 0,081. b) P(X 3) = 1 P(X < 3) = 1 (0,1)(0,9)0 (0,1)(0,9) = 0,81. 5. En una encuesta sobre un tema controversial se pregunta, por ejemplo, Alguna vez ha fumado marihuana?, mucha gente preere responder que no. Deduzca la distribuci on de probabilidad para Y , que es el n umero de personas que se necesitar a entrevistar para obtener una sola respuesta armativa, sabiendo que 80 % de la poblaci on responder a ver dicamente no a la pregunta y que de 20 % que deber a contestar armativamente, 70 % miente. Soluci on: Lo primero que debemos encontrar es la probabilidad de exito p, la probabilidad de entrevistar a una persona para obtener una sola respuesta armativa, entonces: p = 0,8 + 0,2(0,7) = 0,94; y q = 1 p = 0,06

Por tanto, la distribuci on de probabilidad para Y es: P(Y = y ) = (0,94)(0,06)y1 ; para y = 1, 2, 3, . . . , n.

6. A una secretaria se le proporcionaron n claves de acceso de usuario, las cuales teclea aleatoriamente. Una de ellas le permite acceder a los archivos de la computadora. Suponga que ahora elige una clave de acceso, la teclea y si no funciona la pone con las dem as antes de elegir al azar la siguiente que va a teclear (no es una secretaria muy lista!). Qu e probabilidad hay de que localice la clave correcta en su sexto intento?

A1-13

Soluci on: Sea: X : N umero de intentos hasta encontrar la clave de acceso. 1 n 1 n 1 n


5

P(X = 6) = =

n1 n

(n 1)5 . n6

7. Suponga que poco antes de las elecciones presidenciales de enero del 2007, en Ecuador, se realiza una encuesta telef onica preguntando aleatoriamente a la gente si se siente satisfecha con la forma en que marchan las cosas. Debido a sucesos aparentemente violentos de los que ha sido v ctima el pa s, todo parece indicar que un porcentaje sin precedentes de la poblaci on se siente insatisfecha con el estado del pa s; es as que si el cuarto individuo entrevistado es el primer insatisfecho, termina la encuesta. Determine un valor para p, el verdadero porcentaje de entrevistados, cuyo valor desconocemos, que se sienten insatisfechos. Soluci on: Sea: X : N umero de individuos entrevistados hasta dar con la primera persona insatisfecha. Cualquiera que sea el verdadero valor de p, la probabilidad de encontrar la primera persona insatisfecha en el cuarto ensayo es: P(X = 4) = p(1 p)3 . Se tomar a como valor de p el valor que maximiza P(X = 4), para determinarlo, observamos que el valor de p que maximiza P(X = 3) = p(1 p)3 es el mismo que maximiza ln[p(1 p)3 ] = ln(p) + 3 ln(1 p). Tomando la derivada en funci on de p 3 obtenemos :

d[ln(p) + 3 ln(1 p)] 3 1 = + dp 1p p

Igualando a cero y despejando p, se obtiene p = 1/2.

Recuerde que el ln no es m as que una transformaci on mon otona de una funci on.

A1-14

Para estar seguros que ln(p) + 3 ln(1 p) alcanza su m aximo valor cuando p = 1/2, debemos obtener la segunda derivada y evaluarla en p = 1/2: d2 [ln(p) + 3 ln(1 p)] 3 1 = 2 < 0. 2 2 dp (1 p) p Esto es un ejemplo de c omo se usa el m etodo de m axima verosimilitud que se estudiar a con mayor detalle en pr oximos cap tulos. 1.2.3. Distribuci on de probabilidad hipergeom etrica

En el ejemplo 1 de la p agina A1-5, se concluy o que si el tama no de la muestra , n, era peque no respecto al tama no de la poblaci on, N ; la distribuci on de Y podr a ser una distribuci on casi binomial. Ahora, necesitamos generar la distribuci on de probabilidades de Y cuando n es grande respecto a N . Suponga que la poblaci on de electores en el Ecuador es de N individuos, de los cuales r est an a favor del candidato Correa y b = N r a favor de Noboa. Se elige aleatoriamente una muestra de n personas, en la que la variable de inter es es Y , el n umero de personas a favor del candidato Correa. Esta variable aleatoria tiene lo que se conoce como distribuci on de probabilidad hipergeom etrica. Denici on 1.2.6 Se dice que una variable aleatoria Y tiene una distribuci on de probabilidad hipergeom etrica si y s olo si r y r y N r ny

P(y ) =

donde y es el entero 0, 1, 2,...,n, sujeto a las restricciones y r y n y N r; as : r : n umero de exitos en la poblaci on, N . y : n umero de exitos en la muestra, n.

Ejercicios
1. Si se reparten siete cartas de una baraja ordinaria de 52 cartas, Cu al es la probabilidad de que: a) exactamente dos de ellas sean mayores? b) al menos una de ellas sea una reina? Soluci on: Sea: N : 52 cartas n:7 Y : n umero de cartas que son una reina.


a) P(dos sean mayores)=

12 2


52 7

40 5


= 0,3246.

A1-15


b) P(Y 1) =

4 1


52 7

48 6


+

4 2


52 7

48 5


+

4 3


52 7

48 4


+

4 4


52 7

48 3


= 0,4496.

2. Una compa n a fabricante utiliza un esquema de aceptaci on de producci on de art culos antes de que se embarquen. El plan tiene dos etapas. Se preparan cajas de 25 art culos para su embarque y se prueba una muestra en busca de defectuosos. Si se encuentre alguno defectuoso, toda la caja se regresa para vericar el 100 %. Si no se encuentran defectuosos, la caja se embarca. a) Cu al es la probabilidad de que una caja que contenga tres defectuosos se embarque? b) Cu al es la probabilidad de que una caja que contenga s olo un art culo defectuoso se regrese para su revisi on? Soluci on: Sea: N : 25 art culos n:3 Y : n umero de articulos defectuosos encontrados en una caja.


a) P(Y = 0) =

3 0

 
25 3

22 3


= 0,6696.


b) P(Y = 1) =

1 1

24 2


= 0,12.

25 3

3. Ante una falta disciplinaria de un estudiante de raza negra, se decide en una Universidad americana; donde ha existido racismo, conformar un comit e entre 30 profesores de raza negra y 10 de raza blanca. El comit e estar a conformado por tres personas y se lo seleccionar a al azar, como resultado de la selecci on tres miembros del comit e eran blancos. Ante esto los estudiantes y profesores argumentaron que no era posible este resultado y por tanto que no hubo aleatoriedad. Demu estrelo. Soluci on: Sea: N : 40 profesores (30 de raza negra y 10 blancos) n : 3 integrantes del comit e, y Y : n umero de profesores de raza negra que integran el comit e.


P(Y = 0) =

30 0


40 3

10 3


= 0,0121 = 1,21 %.

El resultado demuestra que al realizar una selecci on aleatoria es muy poco probable que no se eliga a un profesor de raza negra; por tanto, lo argumentado por estudiantes y profesores es correcto.

A1-16

4. En un comit e de 50 miembros se decide conformar una directiva de tres miembros, en el que se incluya dos de los m as antiguos. Cu al es la probabilidad de que seleccionando al azar se cumple con este prop osito? Soluci on: Sea: N : 50 miembros n : 3 integrantes del comit e, y Y : n umero de miembros m as antiguos que integrar an el comit e.

P(Y = 2) =

30 2


50 3

20 1

= 0,4438.

5. En un almac en hay diez impresoras, de las cuales cuatro est an defectuosas. Una empresa escoge cinco m aquinas al azar, suponiendo que todas funcionan. Cu al es la probabilidad de que las cinco est en en buen estado? Soluci on: Sea: N : 10 impresoras n : 5 m aquinas elegidas al azar, y Y : n umero de m aquinas que est an funcionando en buen estado.


P(Y = 5) =

6 5


10 5

4 0


= 0,0238.

6. Las especicaciones exigen que se someta a prueba a una resistencia t ermica entre los 9000 y los 10000 ohms a 25 C. Se dispone de diez resistencias, entre las cuales se van a elegir tres para utilizarse. Si Y es la cantidad de resistencias de tres elegidas que no se ajustan a las especi caciones, determine la distribuci on de probabilidad de Y con las siguientes condiciones: a) hay dos resistencias entre las disponibles que no cumplen las especicaciones. b) entre las diez resistencias de que se dispone, hay cuatro que no se ajustan a las especicaciones. Soluci on: Sea: N : 10 resistencias n : 3 resistencias elegidas.

A1-17

a) La variable aleatoria Y , solamente puede tomar los valores de 0, 1 y 2; debido a que dos de las diez resistencias no cumplen con las especicaciones.

P(Y = y ) =

2 y

 

10 2 3y  10 3

para

y = 0, 1, 2.

b) La variable aleatoria Y , ahora puede tomar los valores de 0, 1, 2 y 3; debido a que entre las resistencias disponibles hay cuatro que no cumplen con las especicaciones.

P(Y = y ) =

4 y

 

10 4 3y  10 3

para

y = 0, 1, 2, 3.

7. En una l nea de producci on de robots industriales se ensamblan cajas de engranajes en un minuto cada una, cuando existen las perforaciones adecuadas, y en 10 minutos si es necesario volver a perforarlas. En el almac en hay 20 cajas de engranajes: 2 con perforaciones mal hechas, entre las que se tienen que elegir cinco para instalarlas en los siguientes cinco robots. Calcule la probabilidad de que 5 cajas de engranajes ajusten correctamente. Soluci on: Sea: N : 20 cajas de engranajes n : 5 cajas que se deber an elegir, y Y : n umero de cajas ajustadas correctamente.


P(Y = 5) =

18 5

 

20 18 55  20 5


= 0,553.

8. Los tama nos de las poblaciones de animales a menudo se calculan con el m etodo de capturamarcajerecaptura. Con este m etodo se capturan k animales, se marcan y se liberan entre la poblaci on. M as tarde se capturan n animales y se denota Y , el n umero de animales en la poblaci on; as , el valor observado de Y contiene informaci on respecto al valor desconocido de N. Suponga que se marcan k = 4 animales y se liberan. En seguida se elige en forma aleatoria una muestra de n = 3 animales de la misma poblaci on. Determine P (Y = 1) como una funci on de N . Qu e valor de N maximiza P (Y = 1)? Soluci on: Sea: k = 4 animales capturados por primera ocasi on para ser marcados y liberados. n = 3 animales capturados por segunda ocasi on. Y : n umero de animales en la poblaci on.


P(Y = 1) =

4 1

 

N 4 31  N 3


.

A1-18

Ahora debemos encontrar el valor de N que maximiza P (Y = 1). En la siguiente tabla se muestran las probabilidades correspondientes a distintos valores de N : N 6 7 8 9 10 11 12 13 P (Y = 1) 0.20 0.3429 0.4286 0.4762 0.50 0.5091 0.5091 0.5035

Como se puede notar, los valores de N que maximizan P (Y = 1) son 11 y 12; por tanto, se inere que en esta poblaci on podemos encontrar 11 o 12 animales 4 . 1.2.4. Distribuci on de probabilidad de Poisson

Suponga que se desea determinar la distribuci on de probabilidad de Y , el n umero de pacientes que llegan a un hospital en un d a cualquiera, suponga que dividimos el per odo de un d a en n subintervalos muy cortos que a lo mucho podr a llegar un paciente, con una probabilidad p. As , el n umero total de pacientes que llegan al hospital en un d a es igual al n umero de subintervalos en que llega un paciente. Si la llegada de un paciente es independiente de subintervalo en subintervalo, parace l ogico que Y sigue una distribuci on binomial con probabilidad de exito p. Qu e pasar a si dividimos el d a en una mayor cantidad de n subintervalos? A medida que dividimos el intervalo en subintervalos cada vez m as peque nos, es menos probable la presencia de un paciente en el hospital; es decir, disminuye p a medida que aumenta n, el n umero de subintervalos. Por tanto, las variables aleatorias que siguen este comportamiento se denominan variables aleatorias de Poisson. Denici on 1.2.7 Se dice que una variable aleatoria Y tiene una distribuci on de probabilidad de Poisson si y s olo si y e , y!

p(y ) =

y = 0, 1, 2, . . . ,

> 0.

Donde es el valor promedio de la variable aleatoria Y .

Ejercicios
1. La cantidad de veces que se equ voca una mecan ografa tiene una distribuci on de Poisson con un promedio de cuatro errores por cuartilla; si excede este n umero, debe volver a mecanograar la p agina completa. Qu e probabilidad hay de que no necesite repetirla?

El m etodo que se ha aplicado para encontrar N es conocido como el m etodo de m axima verosimilitud, el cual se profundizar a posteriormente.

A1-19

Soluci on: Sea: = 4 errores por cuartilla. Y : n umero de errores por cuartilla
4

P(Y 4) =
y =0

4y 4 e = 0,629. y!

2. Una secretaria comete dos errores por p agina, en promedio. Cu al es la probabilidad de que en la siguiente p agina cometa a) cuatro o m as errores? b) ning un error Soluci on: Sea: = 2 errores por p agina. Y : n umero de errores por p agina. a)
3

P(Y 4) = 1 P(Y < 4) = 1


y =0

2y 2 e = 1 0,8571 = 0,1429. y!

b) P(Y = 0) = e2 = 0,1353. 3. Cierta area del este de Estados Unidos resulta, en promedio, afectada por seis huracanes al a no. Encuentre la probabilidad de que para cierto a no esta area resulte afectada por a) menos de cuatro huracanes. b) cualquier cantidad entre seis a ocho huracanes. Soluci on: Sea: = 6 huracanes al a no. Y : n umero de huracanes que afectan a cierta area del este de Estados Unidos. a)
3

P(Y < 4) =
y =0

6y 6 e = 0,1512. y!

b)
8

P(6 Y 8) =
y =6

6y 6 e = 0,8472 0,4457 = 0,4015. y!

A1-20

4. El chef de un restaurante prepara una ensalada revuelta que contiene, en promedio, cinco vegetales. Encuentre la probabilidad de que la ensalada contenga m as de cinco vegetales a) en un d a dado b) en tres de los siguientes cuatro d as Soluci on: Sea: = 5 vegetales. Y : n umero de vegetales que contiene la ensalada. a)
5

P(Y > 5) = 1 P(Y 5) = 1


y =0

5y 5 e = 0,3840. y!

b) 4 3 p3 q 4 3 = 4 3 (0,384)3 (0,616) = 0,1395.

5. Suponga que, en promedio, una persona en 1000 comete un error num erico al preparar su declaraci on de impuestos, Si se seleccionan 10,000 formas al azar y se examinan, encuentre la probabilidad de que 6, 7 u 8 formularios contengan un error. Soluci on: Como se puede observar este es un caso especial de la distribuci on de probabilidad binomial, n tiende al innito y p es muy cercana a cero; cuando esto ocurre, la funci on de probabilidad binomial converge hacia la distribuci on de Poisson. Sea: Y : n umero de formularios con un error. = np = (10000)(1/1000) = 10 errores en la declaraci on de impuestos 5 . As :
8

b(10000; 0,001; y ) p(10; y ) =


y =6

10y 10 e = 0,3328 0,0671 = 0,2657. y!

6. Se sabe que la probabilidad de que un estudiante de una preparatoria local presente escoliosis (curvatura de la espina dorsal) es 0.004. De los siguientes 1,875 estudiantes que se revisen en b usqueda de escoliosis, encuentre la probabilidad de que a) menos de cinco presenten el problema; b) ocho, nueve o 10 presenten el problema Soluci on: Sea:
El hecho de utilizar = np, es porque si representa el promedio de Y y la v.a. Y sigue una distribuci on binomial, entonces: = E (Y ) = np.
5

A1-21

Y : n umero de estudiantes con escoliosis. = np = (1875)(0,004) = 7, 5 estudiantes con el problema. a)


4

b(1875; 0,004; y ) p(7,5; y ) = P(Y < 5) =


y =0

7,5y 7,5 e = 0,1321. y!

a)
10

b(1875; 0,004; y ) p(7,5; y ) = P(8 Y 10) =


y =8

7,5y 7,5 e = 0,3376. y!

7. En un aeropuerto la probabilidad de un accidente al d a es de 0.001 %, y cada d a despegan 100 aviones Cu al es la probabilidad de que en una semana se observe un accidente? a) Resuelva el problema utilizando la distribuci on de probabilidad binomial. b) Resu elvalo utilizando la distribuci on de Poisson. Soluci on: Sea: X : N umero de accidentes que ocurren en una semana. a) P(X = 1) = 700 (0,001 %)(0,99999)699 = 0,006951. 1

b) = npt = (100)(0,001 %)(7) = 0,007 P(X = 1) = (0,007)e0,007 = 0,006951. 1!

A partir de este ejemplo podemos notar que una distribuci on de probabilidad binomial solamente modica el tama no de la muestra, m as no el tiempo; mientras que la distribuci on de Poisson si modica el tiempo. 8. En un sal on de clases entra un grillo al d a Cu al es la probabilidad que en los pr oximos 10 minutos entre el grillo? Soluci on: Sea: X : N umero de grillos que entran al d a a un sal on clases. : 1 grillo al d a t = (1)(10/1440) = 0,006944 P(X = 1) = (0,00694)e0,00694 = 0,006892. 1!

A1-22

1.3.

Variables aleatorias continuas y sus distribuciones de probabilidad

La variable aleatoria que adopte cualquier valor de un intervalo se conoce como variable continua. Cuando establec amos la distribuci on de probabilidad de una variable aletoria discreta, asignabamos una probabildad a cada uno de los valores que pod a tomar la variable, Se podr a establecer la distribuci on de probabilidad de una variable aleatoria continua, como se lo hace con las discretas? Desafortunadamente no, ya que es imposible desde un punto de vista matem atico asignar probabilidades diferentes de cero a todos los puntos de un intervalo de recta. Ejemplos 1.3.1 Rendimiento de un antibi otico en un proceso de fermentaci on. Tiempo de duraci on en a nos de un electrodom estico.

1.4.

Distribuci on de probabilidad de una variable aleatoria continua

Antes de denir la variable aleatoria continua, denamos qu e es una funci on de distribuci on (o funci on de distribuci on acumulativa ) relacionada con cualquier variable aleatoria. Denici on 1.4.1 Si Y es cualquier variable aletoria, la funci on de distribuci on de Y , que se denota F (y ), se expresa mediante F (y ) = P (Y y ) para < y < . Teorema 1.4.1 (Propiedades de una funci on de distribuci on) Si F (y ) es una funci on de distribuci on, entonces 1. F () l my F (y ) = 0. 2. F () l my F (y ) = 1. 3. F (y ) es una funci on no decreciente de y . Si y1 y y2 son valores cualesquiera tales que y1 < y2 , entonces F (y1 ) < F (y2 ). Denici on 1.4.2 Si Y es una variable aleatoria con funci on de distribuci on F (y ), se dice que es continua si la funci on de distribuci on F (y ) es continua para < y < . En el caso de una variable continua Y , debemos tener, para cualquier n umero real y , P(Y = y ) = 0. Si esto no fuera cierto, y P(Y = y0 ) = p0 > 0., entonces F (y ) tendr a una discontinuidad de tama no p0 en el punto y0 . Denici on 1.4.3 Si F (y ) es l funci on de distribuci on de una variable aleatoria continua Y , entonces f (y ), dada por dF (y ) f (y ) = = F (y ) dy siempre y cuando exista la derivada, se conoce como funci on de densidad de probabilidad para la variable aleatoria Y . Teorema 1.4.2 (Propiedades de una funci on de densidad.) Si f (y ) es una funci on de densidad, entonces 1. f (y ) 0 para cualquier valor de y. A1-23

2.

f (y )dy

= 1.

Ejercicios
1. Suponga que Y es una variable aleatoria que adopta valores enteros: 1, 2,... y tiene una funci on de distribuci on F (y ). Demuestre que la funci on de probabilidad p(y ) = P (Y = y ) est a dada por p(y ) = Soluci on: F (1) y=1 F (y ) F (y 1) y = 2, 3, . . .

f (y ) =

F (y ) F (y ) F (y 1) = = F (y ) F (y 1). y y (y 1)

Si, y=1 F (1) F (1 1) = F (1) P (Y 0) = F (1). y = 2, 3, . . . F (y ) F (y 1). 2. Suponga que Y tiene la funci on de densidad f (y ) = cy 0 y 2 0 en cualquier otro punto.

a) Calcule el valor de c que convierte f (y ) en una funci on de densidad probabil stica. b) Determine F (y ). c) Trace una gr aca de f (y ) y F (y ). d) Utilice F (y ) para determinar P(1 Y 2). e) Por medio de f (y ) determine P(1 Y 2). Soluci on: a) haciendo uso del teorema 1.3.2:
2

cy dy = 1
0

cy 2 2

2 0

= 2c 0 = 1 = c = 1/2.

b) F (y ) = d) P(1 Y 2) = F (2) F (1) = 1 1 3 = . 4 4


0 0 dt = 0 y y 1 y2 t2 0 2 t dt = 4 0 = 4 2 0+ 0 1 2 t d t + 2 0 dt

y<0 0y2 =1 y>2

A1-24

e)
2 1

1 y2 1 y2 y dy = = 2 2 2 4

2 1

3 = . 4

3. La duraci on de un transitor hasta que falla (en cientos de horas) es una variable aleatoria Y que tiene una funci on de distribuci on dada por: F (y ) = 0 2 1 ey y<0 y 0.

a) Demuestre que F (y ) tiene las propiedades de una funci on de distribuci on. b) Determine p(y ). c) Calcule la probabilidad de que un transitor funcione por lo menos 200 horas. d) Estime P (Y > 100|Y 200). Soluci on: a) Utilizando las propiedades de una funci on de distribuci on, tenemos: F () l m 0 = 0.
y

F () l m 1 ey = 1
y

1 = 1. e

F (y ) es no decreciente. dF (y ) 2 2 = (2y )ey = 2yey . dy b) p(y ) = dF (y ) 2 2 = (2y )ey = 2yey . dy f (y ) = c) P(Y 200) = 1 P(Y < 200) = 1 F (200) = 1 1 = 0. d) P(Y > 100|Y 200) = P(100 < Y 200) F (200) F (100) 11 = = = 0. P(Y 200 F (200) 1 0 2 2yey y<0 y0

A1-25

4. Para medir la inteligencia de ratones se toma el tiempo que les lleva reconocer un laberinto tratando de obtener una recompensa. El tiempo (en segundos) que hace cualquier rat on es una variable aleatoria Y con una funci on de densidad dada por f (y ) =
b y2

yb en cualquier otro punto.

donde b es el m nimo tiempo posible necesario para recorrer el laberinto. a) Demuestre que f (y ) tiene las propiedades de una funci on de densidad. b) Determine F (y ). c) Calcule P(Y > b + c) para una constante positiva c. d) Si c y d son constantes positivas tales que d > c, determine P(Y > b + d|Y > b + c). Soluci on: a) Utilizando las propiedades de una funci on de densidad, tenemos: Si b representa tiempo, b > 0; por tanto, f (y ) siempre ser a positivo para cualquier valor de y .
b b y2

dy = b

1 b y2

1 dy = b y

= 1.

b) F (y ) =
b 0 dt = 0 y y b b b t2 dt = t b

y<b =1
b y

yb

c) P(Y > b + c) = 1 P(Y b + c) = 1 + b b 1= . b+c b+c

d) P(Y > b + d|Y > b + c) = = P(Y > b + d) P(Y > b + c) 1 P(Y b + d) = 1 P(Y b + c)
b b+d b b+c

b+c . b+d

5. Si Y posee una funci on de densidad f (y ) = c(2 y ) 0 y 2 0 en cualquier otro punto.

a) Calcule c. b) Determine F (y ). c) Trace una gr aca de f (y ) y F (y ). d) Utilice F (y ) en el inciso b) para calcular P(1 Y 2).

A1-26

a) haciendo uso del teorema 1.3.2:


2

c(2 y ) dy = 1
0

= c 2y

y2 2

2 0

= 2c = 1 = c = 1/2.

b) F (y ) = d) P(1 Y 2) = F (2) F (1) = 1 (3/4) = 1/4. 6. Sea la funci on de distribuci on de una variable 0 (y/8) F (y ) = (y 2 /16) 1 a) Determine la funci on de densidad de Y. b) Calcule P(1 Y 3). c) Estime P(Y 1,5). d) Estime P(Y 1|Y 3). a) 0 dF (y ) (1/8) = (1/8)y dy 0 y0 0<y<2 2y4 y4 aleatoria Y y0 0<y<2 2y4 y4
0 dt = 0 y t 0 1 2 dt 2 t 0+ 0 1 2

y<0 =t dt +
y y2 t2 4 0 =y 4 2 0 dt = 1

0y2 y>2

b) P(1 Y 3) = F (3) F (1) = c) P(Y 1,5) = 1 P(Y 1,5) = 1 d) P (Y 1|Y 3) = P (1 Y 3) 7/16 7 = = . P (Y 3) 9/16 9 32 9 = . 16 16 1,5 13 = . 8 16 9 1 7 = . 16 8 16

P(Y 3) = F (3) =

A1-27

1.4.1.

Distribuci on de probabilidad uniforme

La probabilidad de que la variable aleatoria Y , con distribuci on uniforme caiga dentro de un intervalo denido entre (1 , 2 ) es proporcional s olo a la longitud de dicho intervalo. As por ejemplo, la probabilidad de que un autob us que llega a una parada entre las 8:00 y las 8:10, pase un d a cualquiera entre las 8:00 y las 8:02 es proporcional a la distancia del subintervalo (de 8:00 a 8:02), esto es 1/2. Denici on 1.4.4 Si 1 < 2 , se dice que una variable aleatoria Y tiene una distribuci on de probabilidad uniforme continua en el intervalo (1 , 2 ) si y s olo si la funci on de densidad de Y es la siguiente: 1 1 y 2 1 2 f (y ) = 0 en cualquier otro punto. Las cantidades 1 y 2 son par ametros de la funci on de densidad uniforme, que denen tanto la amplitud como la probabilidad de que Y caiga en cualquier intervalo determinado por estos dos par ametros.

Ejercicios
1. Supongamos que Y tiene una distribuci on uniforme en el intervalo (0,1). a) Determine F(y) b) Demuestre que P(a Y a + b) para a 0, b 0, y que a + b 1 depende s olo del valor de b. Soluci on: a) b)
a+b 0 0 dt = 0 y y 0 1 dt = t 0 = y 1 0 + 0 1 d t + 1 0 dt

y<0 0y1 =1 y>1


a+b

F (y ) =

P(a Y a + b) =
a

1 dy = x

= b.

2. Si un paracaidista aterriza en un punto aleatorio sobre una l nea entre los indicadores A y B , calule la probabilidad de que caiga m as cerca de A que de B . Calcule la probabilidad de que la distancia entre el indicador A y el paracaidista sea el triple de su distancia a B . Soluci on: Sea: X : punto en el que aterriza un paracaidista entre los indicadores A y B . A+B P AX 2 = 1 dx BA A A+B 1 1 2 = x = . BA A 2
A+ B 2

A1-28

3. Al estudiar licitaciones de embarque, una empresa dedicada a la fabricaci on de microcomputadoras encuentra que los contratos nacionales tienen licitaciones bajas distribuidas uniformemente entre 20 y 25 unidades (en miles de d olares). Calcule la probabilidad de que la baja licitaci on de embarque del pr oximo contrato nacional: a) sea inferior a 22 000 d olares. b) rebase los 24 000 d olares. Soluci on: Sea: X : Licitaci on de embarque para el pr oximo contrato nacional. a)
22

P(X 22) =
20

1 1 dx = x 25 20 5 1 1 dx = x 25 20 5

22 20

2 = . 5 1 = . 5

b)
24

P(X 24) =
24

25 24

4. Un commutador recibe una llamada telef onica al azar en un intervalo de 1 minuto. El conmutador se satura por completo durante 15 segundos en este periodo de 1 minuto. Cu al es la probabilidad de que la llamada entre cuando el conmutador no est e completamente saturado? Soluci on: Sea: X : tiempo en segundos en que el conmutador no est a completamente saturado.
60

P(X 15) =
15

1 1 dx = x 60 0 60

60 15

3 = . 4

5. El tiempo que tardan en ir y volver unos camiones que transportan concreto a un lugar donde se construye una autopista est a distribuido uniformemente en el intervalo de 55 a 70 minutos. Cu al es la probabilidad de que el tiempo del viaje redonde rebase los 65 minutos si se sabe que hacerlo toma m as de 55 minutos? Soluci on:

X : tiempo que tardan en ir y volver unos camiones transportadores de concreto.


70

P(X 65) =
65

1 1 dx = x 70 55 15

70 65

1 = . 3

1.4.2.

Distribuci on de probabilidad gamma

Denici on 1.4.5 Se dice que una variable aleatoria Y tiene una distribuci on gamma con par ametros > 0 y > 0 si y s olo si la funci on de densidad de Y es: 1 ey/ y . 0y () f (y ) = 0 en cualquier otro punto. A1-29

donde () = ( 1)! Hay dos casos especiales de variables aleatorias con distribuci on gamma que merecen particular atenci on. Denici on 1.4.6 Sea v un entero positivo. Se dice que una variable aleatoria Y tiene una distribuci on jicuadrada con v grados de libertad si y s olo si Y es una variable aleatoria con una distribuci on gamma y par ametros = v/2 y = 2. La funci on de densidad gamma en la que = 1 se llama funci on de densidad exponencial. Denici on 1.4.7 Se dice que una variable aleatoria Y tiene una distribuci on exponencial con par ametro > 0 si y s olo si la funci on de densidad Y es la siguiente: 1 ey/ , 0 y f (y ) = 0 en cualquier otro punto.

Ejercicios
1. Suponga que un sistema contiene cierto tipo de componentes cuya duraci on (en a nos) est a dada por la variable aleatoria T , esta variable aleatoria sigue una distribuci on exponencial con un tiempo medio de duraci on de cinco a nos. Si se instalan cinco de estos componentes en diferentes sistemas Cu al es la probabilidad de que al menos 2 a un funcionen al nal de 8 a nos? Soluci on: Primero encontraremos la probabilidad de que un componente a un funcione al nal de los ocho a nos, entonces:
8

P(0 T 8) =
0

1 et/5 dt = et/5 5

8 0

= 1 e8/5 = 0,7981.

Si denimos a la variable aleatoria X como el n umero de componentes que contin uan funcionando al nal de los ocho a nos, tenemos: P(X 2) = 1 P(X < 2) = 1 5 5 (0,7981)0 (0,2019)5 + (0,7981)1 (0,2019)4 0 1 = 0,9930.

2. La magnitud de los terremotos registrados en una regi on de Estados Unidos puede representarse mediante una distribuci on exponencial con media 2.4, de acuerdo con la escala de Richter. Calcule la probabilidad de que un terremoto que azota esta regi on: a) rebase los 3.0 grados en la escala de Richter. b) este entre los 2.0 y 3.0 en la escala de Richter. Soluci on: Sea: X : grados de un terremoto en la escala de Richter. A1-30

a)

P(X > 3) =
3

1 y/2,4 e dy = ey/2,4 24

= 0 + e3/2,4 = 0,2865.

b)
3

P(2 < X < 3) =


2

1 y/2,4 e dy = e3/2,4 + e2/2,4 = 0,1481. 24

3. El operador de una estaci on de bombeo observa que la demanda de agua durante las primeras horas de la tarde tiene aproximadamente una distribuci on exponencial con una media de 100 pcs (pies c ubicos por segundo). a) Calcule la probabilidad de que la demanda sea superior a los 200 pcs durante las primeras horas de la tarde de un d a seleccionado al azar. b) Qu e capacidad de bombeo de agua debe mantener la estaci on durante las primeras horas de la tarde para que la demanda sea mayor a la capacidad de bombeo con una probabilidad de 0.01? Soluci on: Sea: X : demanda de agua durante las primeras horas de la tarde. b : capacidad de bombeo que debe mantener la estaci on. a)

P(X > 200) =


200

1 y/100 e dy = ey/100 100


a

200

= 0 + e2 = 0,1353.

b) P(X > a) = ey/100 Despejando a tenemos:

= 0 + ea/100 = 0,01.

a = ln 0,01 = a = 460,52 pcs 100

4. Se descubri o que los tiempos entre un accidente y otro en los vuelos nacionales de Estados Unidos programados durante los a nos de 1984 a 1961 tienen una distribuci on aproximadamente exponencial con media de 44 d as. Si uno de los accidentes ocurri o el 1 de julio de un a no elegido aleatoriamente en el periodo de estudio, Cu al es la probabilidad de que ocurriera otro accidente el mismo mes? Soluci on: Sea: X : tiempo transcurrido desde la fecha en que ocurri o el accidente.
31

P(X < 31) =


0

1 y/44 e dy = ey/44 44

31 1

= e31/44 + e0/44 = 0,5057.

A1-31

5. Sea Y una variable aleatoria con distribuci on exponencial con una media de Dena una variable aleatoria X de la siguiente forma: X = k si k 1 Y < k, para k = 1, 2, . . . a) Calcule P(X = k ) para toda k = 1, 2, . . . b) Demuestre que su respuesta al inciso a) puede expresarse de la siguiente manera: P(X = k ) = (e1/ )(1 e1/ ) Soluci on: a) P(X = k ) = P(k 1 Y k ) = 1 ey/ dy = ey/ k 1
k k k 1

k = 1, 2, . . .

= ek/ +e(k1)/ .

b) factorizando la expresi on anterior tenemos: ek/ + e(k1)/ = e(k1)/ (1 e1/ ). 6. La cantidad de clientes que llega a la caja registradora de un supermercado en el intervalo de 0 a t se rige por una distribuci on de Poisson con media t. Suponga que T denota el tiempo que transcurre hasta que el primer cliente llega a la caja registradora. Determine la funci on de densidad de T . [Nota: P(T > t0 ) = P(N = 0 en t = t0 )]. Soluci on: Sea: X : Cantidad de clientes que llegan a la caja registradora de un supermercado en el intervalo de 0 a t. Determinemos la funci on de densidad de la variable aleatoria continua T , el tiempo de espera hasta que llega el primer cliente (primer exito).

F (t0 ) = P(T t0 ) = 1 P(T > t0 ) = 1 P(0 exitos en t = t0 ) = 1 p (0; t0 ) et0 (t0 )0 0! = 1 et0 para y > 0. =1 Por tanto la funci on de densidad de T es: f (t0 ) = et0 0 para y > 0 en cualquier otra parte.

si observamos detenidamente f (t0 ), se puede notar que es la distribuci on exponencial 1 con = . Observaci on 1.4.1: La distribuci on exponencial se aplica no s olo a la ocurrencia del primer exito en un proceso de Poisson, se aplica tambi en a los tiempos de espera entre exitos, tal y como se muestra en el siguiente ejercicio.

A1-32

7. Se puede emplear un argumento semejante al del ejercicio anterior para demostrar que si la sucesi on de eventos en el tiempo ocurre de acuerdo con una distribuci on de Poisson con media t, entonces los intervalos de llegadas entre eventos possen una distribuci on exponencial con media 1/. Si una estaci on de polic a recibe 10 llamadas por hora, cu al es la probabilidad de que pase m as de 15 minutos entre las dos llamadas siguientes? Soluci on: Sea: X : Tiempo que transcurre entre dos llamadas. : 10(1 hora)=10 llamadas por hora. t0 : 10(1/60 minutos)=1/6 llamadas por minuto.
60

P(X > 15) =


15

1 e1/6x dx = e1/6x 6

60 15

= e10 + e15/6 = 0,0820.

A1-33