Académique Documents
Professionnel Documents
Culture Documents
(x - 0.7) / a
(0.8-x)/ a
en otro caso
a. Determine la constante a.
b. Establezca la funcin generadora de momentos.
c. Calcule E(X) y V(X)
d. P(0,74 < X < 0.85) =?
6. Suponga que la duracin de cierto tubo de radio es una variable aleatoria continua con funcin de
densidad
gx(k)=
l00/k2
k>100
[0
enotrocaso
a. Cul es la probabilidad de que un tubo dure menos de 200 horas si se sabe que el tubo todava
funciona despus de 150 horas de servicio?
b. Cul es la probabilidad de que si se instalan tres de esos tubos en un conjunto, exactamente
uno tenga que ser substituido despus de 150 de horas servicio?
c. Cul es el nmero mximo de tubos que se pueden poner en un conjunto de modo que
haya una probabilidad de 0.5 de que despus de 150 horas de servicio funcionen todava?
7. Una compaa generadora de energa elctrica enfrenta la opcin de construir una planta de reactor
hidroelctrico (RHE) o una planta de energa de combustibles fsiles (CF). La construccin de la
planta de RHE constar US$300 por kilovatio; y la planta de CF, US$150 por kilovatio. Debido
a la incertidumbre en cuanto a la disponibilidad de combustible y del impacto de reglamentos
futuros sobre calidad de aire y agua, se desconoce el periodo de vida til de operacin de cada
planta, pero se han estimado las siguientes probabilidades
10
20
30
40
.05
.25
.50
.20
Probabilidad de la planta CF
.10
.50
.30
.10
Calcule la vida til de operacin esperada de cada planta, y la razn del costo de construccin
respecto a la vida til. Que le sugieren los resultados obtenidos?
73
8.
Cierta aleacin se forma al combinar la mezcla fundida de dos metales. Su resultado contiene
cierto porcentaje de plomo (X), el cual se comporta en forma aleatoria con funcin de densidad
g x (x) = K * (1 - x2)
0 < x < 1
a. Para que valor de K, g x (x) es funcin de densidad.
b. Obtenga F x (x).
c. S el precio de venta del compuesto, V, depende del contenido de plomo y se vende segn
la funcin:
V=
12 + 5 * X
2 + X
en otro caso
0<y<4
N cos(mx)
x(x)=]n
[0
a.
b.
c.
d.
-E <x <E
en otro caso
11. Las velocidades de molculas de gas, V, se pueden modelar mediante la funcin de densidad
gv(V) = 4 n (m / 2 n k T)3/2 v2 exp(-v 2 (m / 2kT))
v>0
Conocida como distribucin de Maxwell, donde m es la masa de la molcula, k la constante
de Boltzmann y T la temperatura absoluta.
a. Calcular la velocidad media de una molcula.
b. La energa cintica esta dada por E= mv2/2. Determine la energa promedio para una partcula.
74
El alcalde tiene dos alternativas de accin: puede instalar semforos adicionales en las calles de la
ciudad o puede aumentar el nmero de carriles para bicicleta. Las respectivas distribuciones de
probabilidad revisadas de las dos opciones son las siguientes:
Nmero de accidentes:
Probabilidad(semforos):
0.10
Probabilidad(carriles):
0.20
Que plan de accin debe aprobar el alcalde s desea producir la mayor reduccin posible en:
a. El nmero esperado de accidentes por semana?
b. La probabilidad de ms de tres accidentes por semana?
c. La probabilidad de tres o ms accidentes por semana?
d. La variacin del nmero de accidentes por semana?.
75
15. Se supone que la temperatura, en grados Fahrenheit, a la que ocurre una determinada reaccin es
una variable aleatoria X con funcin de distribucin:
x <170
0
Fx(x)=
(x -170) 1/2 /2
76
19. El espacio muestral de un experimento aleatorio v los valores de una determinada variable aleatoria
asociada, se presentan a continuacin:
Q = a b c
d
e f
X = 0 0 1.5 1.5 2 3
a. Encuentre: f x (x), F x (x), E(X), V(X) y M(t).
b. Calcular: P(X = 1.5), P(X>3), P(0.5 < X < 2.7), P(0 < X < 2), P(X=0 U X=2)
x <-2
0
20. Sea
FXx ( x ) H
0.2
-2 <x <0
0.7
0<x<2
2<x
21. Suponga que un fabricante ha decidido exportar un cierto producto. La demanda anual (en miles
de artculos) puede representarse por la funcin de densidad:
g D (d) = ( d - 30 ) / 450
30 < d < 60
a. S se obtiene una utilidad neta de $50 por unidad, cual es la utilidad neta total?
b. Cul es la probabilidad de que queden en el inventario por lo menos 10.000 unidades al
finalizar el ao?
c. Cul es la demanda mnima en el 90% de los casos?
d. Encuentre la variacin y la funcin generadora de momentos de D.
22. Un fabricante puede enviar 4.000 12.000 cajas de bujas a una firma automovilstica de Alemania.
Si la funcin de probabilidad es:
f x (x) = 3/x
x = 4, 12
Supongan que por cada caja vendida se obtiene una utilidad neta de $10.
a. Cul es la ganancia total esperada?
b. Cul es la desviacin estndar de la ganancia total?
c. Obtener la funcin de distribucin de la variable X.
d. Hallar la varianza y la funcin generadora de momentos de X.
77
k = 0 1,2,3,4
0
Fx(x)=
0.25
-2<x<2
2<x
25. El ancho del entre- hierro, en unidades codificadas, es una propiedad importante de una cabeza de
grabacin magntica. S el ancho es una variable aleatoria continua sobre el rango 0 < x < 2 con
g x (x) = 0.5x.
a. Calcule la funcin de distribucin acumulada del ancho del entre- hierro.
b. Cul es el valor de: E(X), a x ?
c. Determine k s P(0.5 < X < k) = 0.3.
d. Encuentre P(X < 1, U, X > 0.7)
26. Sea la corriente elctrica medida en miliamperios, utilizando un conductor delgado de cobre,
considerada como una variable aleatoria con funcin de densidad:
g x (x) = 0.05
0 < x < 20
a.
b.
Hallar F x (x),M(t).
27. Sea V, la velocidad (en cm/seg.) de un objeto de un kilogramo de masa, de una variable aleatoria
con distribucin normal de parmetros cero y 25. Y sea
W = 500 V2 su energa cintica. Calcular:
a. La probabilidad de que la energa sea menor que 200 ergios
b. La funcin generadora de momentos de W.
c. El valor esperado y la varianza de la energa.
78
1. MODELOS DISCRETOS
Entre los modelos discretos se cuenta con: Uniforme, Bernoulli, Binomial, Geomtrico, Binomial
Negativo, Pascal, Hipergeomtrico, Poisson y Multinomial, entre otros.
X = l,2,3,...n
=>
f x (x) =
n
M(t)=E(e) = t e i
M ^ . - l i . - l f i i f i s . - i i - , .
n X=1
n X=1
n
2
2
79
1
- 2 tx . . v . r\\ 1 ^ 2
n(n+l)(2n+l)
M"(t) = X x 2 e , x => M"(t = 0) = x 2 n
x=l
(n + 1) (2n + l)
V(x) = -
(n + 1) (2n+l)
6n
x=l
( n +1Y _ (n + 1) (n - 1 ) _ n 2 - 1 _ 2
- c
12
Ejemplo 7
Suponga el experimento lanzar un dado. Sea la variable aleatoria X: Nmero de puntos al lanzar
el dado una vez.
_ , ^ [1/6
* ( x ) = <L
[0
x = l,2,3,4,5,6
t
en otro
caso
|u = 3.5
^
ct2
= 35 / 12
Ejemplo 2
Se tienen cinco artculos uno de los cuales es defectuoso. Se observan aleatoriamente uno por
uno hasta encontrar el defectuoso. Suponga que la variable aleatoria X indica la posicin del artculo
defectuoso entre los 5.
Entonces:
fx(x) =
[1/5
ln
!0
l
x = 1,2,3,4,5
* caso
en otro
5
M xx v( t ') = Y e l A / 5
x=0
(i=
^ 3
a2 = 2
si A ocurre
c
siA ocurre
P(X = l) = 1p
*
'
=> P(X = x) = f Xx (x) = p x (1 - p)1_X
P(X = 0) = 1 - P ;
80
X = 0,1
4.
fx(x) =
p x ( l - p ) n x x = 0,1,2,...n
v /
Vanse a continuacin, las grficas correspondientes a cuatro variables aleatorias con distribucin
Binomial y diferentes parmetros.
ALGUNAS DISTRIBUCIONES
BINOMIALES
PARAMETROS
0.5
0.2,10
O
fe
0.3
0.5,10
4,5
-El
0.1 O
j?
ir
S
PX q"'X etx =
Cu
6
M(t) = t i l
0.2
5.
0.2,5
0.4
QpY
3 l
10
qn x = (P + q) = M(t)
81
n
AYUDA. Para resolver la serie M(t), tngase en cuenta (A + B) =
x=o
6.
7.
Bn-x
V(X) = np np (1 + (n - 1 ) p) - (np)2 =
"y
NOTACION: X ~ B ( n , P )
Indica que la variable X tiene distribucin Binomial con parmetros n y P.
Ejemplo 3
El movimiento de la partcula permite definir la variable aleatoria X que indica el nmero de
movimientos a la izquierda en las tres observaciones.
P(X=X) =
0.5X 0.53"x
X =0,1,2,3
v y
E (X) = M'(t = 0) = 3 = 1.5
V(X) = M"(t = 0) - [M'(t = 0)] 2 = 3 ^ * - = 0.75
Ejemplo 4
En una sucesin de 30 aos interesa la ocurrencia o no de un caudal mayor que la capacidad de
un vertedero, si las magnitudes del caudal son independientes ao tras ao y la probabilidad de una
ocurrencia no cambia a travs de los 30 aos, suponiendo p = 0.02.
82
Solucin:
X: Nmero de aos en los cuales ocurren grandes inundaciones, en la sucesin de 30 aos.
X = 0, 1,2, 30
Durante un ao cualquiera pueden ocurrir no, grandes inundaciones independientemente una
de la otra, con probabilidad fija de 0.02.
Por lo tanto, X ~ B (n=30, P =0.02)
a.
Cul es la probabilidad de que ocurra al menos una gran inundacin durante los 30 aos, de
un sistema propuesto de control de inundaciones?
(0.02) (0.98)30 0 = 0.4545
P ( X > 1 ) = 1 - P ( X = 0) = 1
v0 ,
Si se considera, muy grande el riesgo de tener al menos una gran inundacin, el ingeniero
debe incrementar la capacidad de diseo, de modo que la magnitud de la inundacin crtica
sea slo excedida con la probabilidad 0,01 en un ao cualquiera. De sta manera
P(X > 1) = 1 -
'30^
v y
NOTA. Tambin se pueden utilizar Tablas de Probabilidades en las cuales se encuentra tabulados
de la Distribucin Binomial.
4. P(X = x) = f x (x) =
M
v*,
/'tvA
N
N-M
vn-x
x = 0, l,...inf (n, M)
M<N
vn y
83
,V,
._,.
5. E(X) = nN
N- N
N - M
V(X)= n * *
N N-l
N
NOTA 1
N-M '
S Y = X - 1
vn-l-y,
'N-0
y=0
n-l,
m (\t
AYUDA. Lo anterior con base a: 2
i=0
a+b
v
Ejemplo 5
Se capturan M animales de la misma especie se les marca y se les suelta nuevamente. Cierto
tiempo despus se capturan n animales y se registra el nmero de animales marcados entre los n, X.
Las probabilidades asociadas a X son una funcin de N. Suponga M = 4 animales marcados y despus
soltados, se toma una muestra de tres de la misma poblacin. Calcular: a. P(X=1) b. Suponga N=8,
N=9, N=10, N = l l , N=12. Qu valor de N maximiza P(X= 1)?
Solucin
Se distinguen dos poblaciones, los marcados y los no marcados, la muestra capturada es sin
repeticin, por lo tanto X ~ H(N, M=4, n=3)
a. p(X=l)=
V 'N-4
V K ,3-1 ,
84
8.
M'(t = 0) =
9.
e
2
e
M"(t) P '(l~' q) P ' 2(1-6* q)(-e' q)
(l-e'q/
(1-q) 2
= p"1 = E(X)
>M"(t = 0) =
p p 2 - p e ' 2 p p ( - q ) p+2q
1+q
10. V(x) = i + q2 - i = q2
P
P
NOTA 1. S Y es la variable que indica nmero de fracasos antes de obtener el nico xito
Y = 0,1,2,
M' Y (t)=
P(Qet
>2
(1-Qe 1 )-
MV(0) = - J ^ = g = E(X)
(1-Qr
P
85
My(t) =
m"x(O
d-Qe')4
m:
) =
CT
DISTRIBUCION GEOMETRICA
0.5
PROBABILIDAD(P)
_P
0.4
01
0.5
0.3
fe
0.2
0.1
10
DL---*^*.
m ^J.AJ4. A . . A . i i j
20
30V
NOTA 2. La probabilidad condicional P(X > s +1 / X > s )=P(X > t) indica que la variable X
"No tiene memoria".
Ejemplo 6
Vulvase a considerar el jugador de baloncesto quien lanza a la cesta con probabilidad de encestar
igual a 0.8.
a.
Encontrar la probabilidad de que tenga que realizar 6 lanzamientos para obtener su primera
cesta.
b.
Solucin:
Sea X: la variable aleatoria que indica el nmero de ensayos que debe hacer el jugador para
obtener su primera cesta.
X~ G (P=0.8) => f x (x) = 0.2X 1 * 0.8
86
x = 1, 2, 3,
a.
P(X=6)=0.2
*0.8=0.000256
b.
Sea X: La variable aleatoria que indica el nmero de ensayos necesarios para obtener K
resultados A.
DISTRIBUCION DE PASCAL
0.5
2. f v(n)=
p q
x ' vk-ly
n _ k
p; tOBAI ILIDA D ( P , k
0.6,3
n: k, k+1, k+2,
0.4
0.3
fe
n es el nmero de ensayos.
0.2
0.3,3
0.8,3
b p
c3
LJ
iC .
12
00
3.
Mx(t)=e
n=k
tx
(n-1
vk-ly
P q""
v^y
txk
4.
Mx(t)
_k
p ' -
n=k
fn-1^'
k-ir
tk
15
18
21'
k tk
P- ~e
(l-qet)k
-k
tk.
pK e lK k
(l-qel)k+1
(l-qel)2k
Mx(0) = ^ = - = kp-1=E(X)
P" +1 P
.(t)
k ^ V ^ d - q e ^ ^ - k p V ^ k + Dd-qe^^-qe')
(l-qe1)2^
kp k e t k k(l - qe' ) k |k( 1 - qe 1 ) - (k +1) ( - q e l ) ] = kp k e t k (k + qe 1 )
(l-qe1)2^
(l-qe1)0^
M"(0) =
87
6.
V(X) =
k'+kq
P
Ejemplo 7
En el caso del jugador de bsquetbol, calcular: a. la probabilidad de que tenga que realizar 6
ensayos para encestar 3 veces, b. Encontrar el valor esperado, la varianza de X y la desviacin
estndar.
^5
P(X=6)=
v y
E(X)=
0.8
V(X)
3.75
0.8
Ejemplo 8
Un estudiante responde un examen de escogencia mltiple (cinco alternativas de respuesta una
de las cuales es correcta); hasta obtener cinco respuestas correctas, a. Cul es la probabilidad de que
las obtenga al terminar de contestar 25 preguntas? b. Calcular el valor esperado y la varianza de X.
Solucin
Sea X la variable aleatoria: nmero de ensayos necesarios para obtener 5 respuestas correctas
P(X=25)=
E(X)=
5
0.2
24l
=25
)
5
,5
f4l
V(X)=
20
0.0392
5*0.8
T =100
(0.2)
=> O=10
88
^r + k - 1 ^
fx 00 =
n =r+k
fr +
k-
1
(l-p)rpk
k = 1,2,...
r = 0;i,2,.
V(X)=kq
P"
E(X) =
P
Ifx(x)=l=>l=
x+k-l A k x - k
k.. ,-k
A
q.-k
p q
= p (i-q)
=(---)
x=0 V
r=0V
MX(T)=P
AYUDA.
I
r=0
~r k1=(-D r fr+k-l>
=>
v ,
v. r V
Y
x=0 v
00
r+k-1
i
M x (t)=E(e t x )=E
^
^
(-B) r = (1-B)a
-k
1 (l-p)en
VP
l-(l-p)e r
Ejemplo 9
Otra alternativa de respuesta en el ejercicio 10, el examen de escogencia mltiple, puede ser
como sigue:
89
Sea Y la variable aleatoria: nmero de preguntas mal contestadas antes de la quinta respondida
correctamente.
P(Y=20)
20
E(Y)= 5*= 20
0.2
YL
0.0392 haciendo
x-f
y+k-1
V y y
V(X)= 5 * - ^ = 100
0.2
k->0
lim 0 (K) = 0
k->0
fx{x)= e
{lk)x/
x=0,l,2...
6.
M(t) = e t x e ^ k a k ) x / x ! = e ^ k
x=o
x=o
00
Z
7.
8.
M"(t) = Xke1 e ^ J - v
9.
^^(e'-i)
ket
M(0) =
"
POISSON
xr
_ a
+ (?lk)2 = E ( x ) 2
NOTACION. X ~ P(,): La variable aleatoria X tiene distribucin Poisson con parmetro X, k=l.
NOTA 1. Tambin se pueden utilizar Tablas de Probabilidades en las cuales se encuentran
tabulados de la Distribucin Poisson.
Eiemplo 10
Un conmutador de telfonos maneja 300 llamadas en promedio por hora y el tablero puede hacer
a lo ms 10 conexiones por minuto. Estime la probabilidad de que el tablero est sobrecargado en un
momento dado.
Solucin
Y, : nmero de llamadas por hora.
Yj ~ P (A,! = 300) k= 1
Y 2 ~ P Ck2 = 5)
10
k= 1 / 60
- S
1 )
n oo
"
X + 1 )
x!
nx
-X
i
>
92
( n
n ( n - l ) . . . ( n - x + l ) iif i /^ V,
Lim
- e_>'
x ;Ax
5^ *)*(.
x!
_/Vi
A
*1_" C
\ x!'
Ejemplo 7 7
El 0.005% de la poblacin de un pas muere debido a cierta clase de accidentes cada ao. Una
compaa de seguros tiene 10.000 asegurados contra este tipo de accidente. Encuentre la probabilidad
de que la compaa deba pagar ms de 3 plizas en un ao dado.
Solucin: Sea Y: nmero de accidentes cada ao.
P(Y = y) =
flOOOO)
, (0.00005)y (0.9999) n-y
>e"0'5 (0.5)y / y!
Se puede verificar que la variable Y es Binomial con parmetros n=10.000 y P =.00005, entonces
se aproxima a la Poisson as:
X = n * p = 10.000 *0.00005 = 0.5
P(Y > 3) = 1 - P(Y < 3) = 1 - 0.998 = 0.002
As como se observ en el caso discreto, existen para el caso continuo un sin nmero de modelos
probabilsticos de los cuales se estudiaran aqu los mas importantes con nombre propio, tales son las
distribuciones: Uniforme, Normal, Gamma, Beta, Exponencial, Weibull, entre otros.
a <X<b
1-
gx(x)Hb_a
0
0
2.
F x (x)=-
x-a
en otro caso
X< b
a<x<b
b-a
b<X
93
E(X)= [ k x dx = ^
Ja
b-a
b-a
c,v2s
V(X)=
b-a
b2+ab+a2
b b2-a2
(a-b)(a+b)
a 2(b-a)
2(a-b)
b b3-a3
fb 2 1 "x =
E(X ) = iJ a x
4.
3 (b-a)
(a+b) 2
a+b
~ 2
(b-a)(b2+ab+a2)
3 (b-a)
b2+ab+a2
3 (b-a)
4 b 2 + 4 a b + 4 a 2 - 3 a 2 - 3 b 6ab
b2-2ab+a2
(b-a)2
12
12
12
Ejemplo 12
El tiempo en minutos requerido por una persona para recorrer el camino de su hogar a una
estacin de trenes es un fenmeno aleatorio que obedece a una distribucin uniforme en [20 , 25],
a. Cul es la probabilidad de que tome el tren que sale a las 7:28 de la maana, s la persona sale
de su hogar a las 7:05 A.M.
b. Cul es E(X)?
c. Cul es V(X)?
Solucin:
Sea la variable aleatoria X que indica el tiempo requerido para ir de la casa a la estacin.
1
8x00= 5
0
o
20<x< 25
x - 20
Fx00=
en otro caso
94
= Q 6
20<x< 25
2 5 - 20
x<25
25 <x
En el 60% de los das la persona llega a la estacin a las 7.23 a.m. antes, habiendo salido a las 7.05.
b. E(X)=>=> = 22.5
2
2
Se espera que la persona se demore en ir de su casa a la estacin 22.5 minutos.
La variacin del tiempo que gasta la persona a la estacin respecto al promedio es de 1.4422
minutos.
Ejemplo 13
El valor de una divisin de la escala de un aparato de medida es 0.2. La indicacin del aparato se
redondea hasta la divisin entera prxima. Hallar la probabilidad de que al leer se cometa un error.
a. Menor que 0.04
b. Mayor que 0.07
Solucin: Sea X la variable aleatoria que indica el resultado de la medicin
0
0<x< 0.2
g x ( )= 0.2
o
En otro caso
FxW=-
0.2
1
x <0
0 < x < 0.2
x > 0.2
DISTRIBUCION UNIFORME
6
5
4
P(X<0.04)+P( 0.16< X<0.2 )
0-04
0.2
+ 1
.M
0.2
O.4
Intervalo
0,0.2
1
0
0 0.050.10.150.20.250.3 X
b. P(0.07< X < 0.13) = P ( X< 0.13 ) - P ( X < 0.07 ) = 0.65 - 0.35 = 0.3
En el 30 % de las lecturas se puede cometer un error mayor a 0.07.