Académique Documents
Professionnel Documents
Culture Documents
1.1 CONCEPTO:
X(w)
w1 x1
w2 x2
.. ..
.. ..
xm
wk
1
1.3.FUNCIN DE PROBABILIDAD: f(x)
Sea X una variable aleatoria discreta que tiene como rango RX ; luego
una funcin f(x) es llamada funcin de probabilidad de la variable
aleatoria X si tiene como dominio a RX, y como rango a un conjunto de
nmeros reales P[X= xi ] = f(xi) que cumplen con las siguientes
condiciones,llamadas Propiedades de f(x)
Propiedades de f(x) (1.3)
1. P[X=xi] = f (xi) 0 , xi RX
2. 0 f (xi) 1 , xi RX
3. f (x ) 1
xi R X
i
Ejemplo1.3:
Solucin:
Tabla de probabilidades
X 0 1 2 3
f(x) 1/6 1/2 3/10 1/30
2
La funcin es:
1/6 si: x = 0
1/2 si: x = 1
1/30 si: x = 3
0 de otro modo
1. f (x) 0 , x R
2. f ( x)dx 1
b
PA Px A Pa x b f ( x)dx
a
Ejemplo1.4:
K(x 1) , si: 1 x 5
f(x)=
0 , de otro modo
Halle el valor de k que hace que f(x) sea una funcin de densidad, y luego
halle la probabilidad que un cliente elegido al azar espere ms de tres
minutos para ser atendido.
Solucin:
f ( x ) dx
f ( x ) dx
1
f ( x ) dx
x 5
f ( x ) dx
5
0 k ( x 1) dx 0
1
5
k ( x 1) dx
1
x 5
( x 1) 2
k 8k 1
2 x 1
1
k
8
x 5 5
x 1
P x 3
x 3
f ( x)dx
x 3
f ( x)dx
x 5
f ( x)dx
x 3
8
dx 0
x 5
( x 1) 2 1
(5 1) 2 (5 3) 2 0.75
16 x 3
16
F ( x) P X x
..
f ( w) dw (1.5)
1. F () 0 F () 1
2. 0 F ( x) 1, xR
d F ( x)
3. f ( x)
dx
(x 1)/8 , si: 1 x 5
f(x)=
0 , de otro modo
Solucin:
1 5
x x
1 x
w 1 ( w 1) 2 ( x 1) 2
x
x
0 dw
1 8 16 1 16
1 5 x
Para x > 5 : F (x
: )
f ( w)dw 1
f ( w)dw f ( w)dw
w5
F (5) 0
(4 1) 2
1
16
0 , si x 1
F(x) = ( x 1) 2
, si 1 x 5
16
1 , si x 5
5
b) Por la propiedad 6 de (1.5a),se sabe que:
P(x>3) = 1 F(3)
Reemplazando:
F(3) = (3-1)2/16
Se obtiene:
F(3) = 1/4 = 0.25
Reemplazando:
P(x>3) = 1-0.25 = 0.75
EX x f ( xi ) ..... (1.6.1)
xi R X
EX x f ( x)dx (1.6.2)
Sea X una variable aleatoria con funcin de probabilidad f(x), y sea Y=g(x)
una funcin de la variable aleatoria X, luego,
EY E g (X) g ( x) f ( xi ) .. (1.6.3)
xi RX
6
1.7. MEDIDAS ESTADSTICAS
2. Variancia : X2 Var X E X X E X2 X2
2
.. (1.7.2)
1. () =
100
2. () =
100
1) E(a)=a
2) E(aX )= a.E(X)
7
3) E( a X + b )= a.E(X) + b
4) E( a X + b Y )= a.E(X) + b.E(Y)
5) Var(a) = 0
6) Var( a X )= a2.Var( X )
7) Si X, Y son variables aleatorias independientes:
Ejemplo 1.7:
Suponga que, para los habitantes del distrito TOP, los gastossemanales
en bebidas gaseosas (X, en nuevos soles) tiene como funcin de
densidad:
Solucin:
1. Media:
4
7 26
= () = ( ) =
20 15
0
2. Variancia:
4
7 64
( 2 ) = 2 ( ) =
20 15
0
De (1.72) :
2
64 26 2 284
= ( ) =
15 15 225
3. Mediana:
8
7 50 1
( ) = =
20 100 2
0
7 2 1
Integrando: =
20 40 2
De donde: 2 14 + 20 = 0
Rpta: Me = 7 29
4. Reemplazando:
26
3( (7 29))
15
= 284
( )
225
0
7 7 2
() = () = 0 + ( ) =
20 20 400
Clculos:
7 2 75 3
e) Cuartil 3: = = entonces: Q3=x=7 19
20 40 100 4
7 2 25 1
d) Cuartil 1: = = entonces: Q1=x= 7 39
20 40 100 4
7 2 90 9
c) Decil9 : = = entonces: D9=x= 7 13
20 40 100 10
7 2 10 1
b) Decil1 : = = entonces: D1=x= 7 35
20 40 100 10
9
1.8. DISTRIBUCIONES DISCRETAS : RESUMEN
DISTRIBUCIONES ATRIBUTOS
10
Ejemplo 1.8 :
0 , de otro modo
Solucin:
W 7
X > 1.5
n= 8, N= X: Tiempo de vida
W: Binomial
Clculos:
2 3 2 5 204
1. = Prob(x>1.5) = 1.5( ) + 2 ( )
26 26
27 9
= + =
208 13
8 171 37 8
g(w) =()( ) ( ) ; w=0,1,2,..,8
208 208
3. Nos piden:
= 0.36121 + 0.20867
W 3
X < 3.5
W: Hipergeomtrica
Clculos:
2 3 2 3.5 204
1. = Prob(x<3.5) = (
1.5 26
) + 2 ( )
26
27 27
= + =
208 52
#
2. Pero: w = = entonces:
12
A = Nw = 100( ) = 65
(65 35
).(8)
g(w) = ; w=0,1,2,..,8
(100
8 )
4. Nos piden:
artculo excelente
W> 22
X-> 0.46
W :Geomtrica
Clculos:
2 3 2 5 204 6 27
1. = 0 ( ) + 2 ( ) = + = = 2.54
26 26 13 13
4 9
g(w) = ( ).( )1 , w=1,2,3,..,
13 13
4 9 4 9
= ( ).( )22 + ( ).( )23 +
13 13 13 13
4 9 9 9
Factorizando: = ( ).(13)22 [1 + (13)1 + (13)2 . ]
13
4 9 1
Por frmula: = ( ).( )22 . [ 9 ]
13 13 (1 13)
13
4 9 13
= ( ).(13)22 . [ ]
13 4
Rpta : ( )
1. Distribucin Binomial:
DISTRIBUCIN BINOMIAL: n = 10
0.30 Prob(E)
=0.25
=0.5
0.25 =0.75
0.20
Probabilidad
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
N de xitos
Grfica 1
. .
= 2 = ( )
2 1
0.3
Probabilidad
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8 9 10
N de xitos en la muestra
Grfica 2
d) Se aproxima a la Distribucin Binomial cuando n es muy pequea
respecto a N (fm = n/N 0.05)
1
Si: < entonces A <B ; Presentan Asimetra a la Derecha
2
1
Si: > entonces A >B ; Presentan Asimetra a la Izquierda
2
15
Se sabe que : = , con = + entonces: =
+
Si: = = ,entonces: 2. = + ,de donde: =
+
.
= = . ( ) = . =
0.25
Probabilidad
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
N de xitos en la muestra
Grfica 3
16
b) La Distribucin Binomial presenta mayor variabilidad tanto
absoluta como relativa que la Distribucin Hipergeomtrica.
2
Entonces: = ( )( ) (1)
Pero se cumple: 1> (2)
1
2 2
Multiplico (1) por (2): > (1 ) (3)
2
Reemplazo (1) en (3): > ( )( )( )(4)
1
Por lo tanto :
>
0.35 =0.5
Binomial
Hiper. N=20
0.30
Hiper. N=50
Hiper. N=100
0.25
Probabilidades
0.20
0.15
0.10
0.05
0.00
0 2 4 6 8 10
N de xitos en la muestra
Grfica 4
Supuestos:
Caractersticas:
2
= ; =
e) Su moda es igual a :
Mo = parte entera de , Si: no es un # entero
Mo1 = y Mo2 = -1 , Si: es un # entero
4. Distribucin Geomtrica:
18
Grfica 5
DISTRIBUCIN DE POISSON
Parmetros: = 2.5 , 5 y 10
=2.5
0.25 =5
=10
0.20
Probabilidad
0.15
0.10
0.05
0.00
0 1 2 4 5 9 10 15 20 25 30
N de xitos por Intervalo
Observamos que:
Para =2.5, La moda es 2
Para =5 , Las 2 Modas son: Mo1=4 y Mo2=5
La Asimetra es hacia la Derecha y esta tiende a ser Simtrica cuando aumenta .
Grfica 6
DISTRIBUCIN GEOMTRICA
= 0.1 , 0.5 y 0.75
0.8 G1
G2
0.7 G3
0.6
Probabilidad
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8 9 10 15 20 25 30 35 40
N de ensayos
1. DISTRIBUCIN UNIFORME
1
f ( x) , si a x b
ba
0 , de otro modo
DISTRIBUCIN UNIFORME
Parmetros: a=2 y b=10
2 10
0.200
0.175
0.150
0.125 0.125
f(x)
0.100
0.075
0.050
0.025
0.000
2 4 6 8 10
x
Grfica 7
Caractersticas:
1. Distribucin Simtrica
2. Distribucin CERO Modal
3. Presenta:
Media: X EX (a b) / 2
2 Var X (b a)
2
Variancia: X 12
Solucin:
2.DISTRIBUCIN EXPONENCIAL
f ( x) 1 e x / , si x0
0 , si x0
Grfica
DISTRIBUCIN EXPONENCIAL
=10
0.10
0.08
Densidad: f(x)
0.06
0.04
0.02
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24 26 30 35 40 45 50
x
21
Caractersticas:
Ejemplo 1.9-2:
Solucin:
x
Por lo tanto: F ( x) , si 0 x 10
10
Entonces la Prob(x < 3) = F(3) = 0.3 =
Sea Y tiempo de vida de la publicidad en el medio B: Y Exp(5)
Por lo tanto: () = 1 /5 , si y 0
Entonces la Prob(y< 3) = F(3) = 0.4512 =
W A 4
X<3
n= 5, N= X: Tiempo de vida
W: Binomial
22
Clculos:
2. Nos piden:
= 0.36121 + 0.20867
WB 4
Y< 3
n= 5, N= Y: Tiempo de vida
WB: Binomial
Clculos:
2. Nos piden:
= 0.1137 + 0.0187
e , si x
x 2
1 1
f ( x) 2
= 20
0.10 Desv.Est.
s= 4
s =6
Densidad de Probabilidad
0.08 s =10
0.06
0.04
0.02
0.00 X
-10 0 10 20 30 40 50
24
Caractersticas
Si X es una variable aleatoria que tiene una distribucin normal con una
media x y una variancia 2x ; luego, la variable aleatoria
Z = (X - x )/ x
1 z2
f ( z) e 2
, si z
2
Grfica de distribucin
Normal, Media=0, Desv.Est.=1
0.4 =0
Densidad de Probabilidad
0.3
0.2
0.1
0.0
-3 -2 -1 0 1 2 3
X
Donde : Z EZ 0 y 2Z VarZ 1
25
Clculo de Probabilidades : Uso de la Tabla Z
Rpta: 0.7611
Restando se obtiene:
Rpta: 0.5336
26
Estandarizacin :
Entonces:
Ejemplo 1.9-4:
Sol
= [49,144], = 49, = 12
0 9
= 0.3 + [ < < ] = 0.3 + [0 < < 0.75]
144 144 144
= 0.5734
Rpta: 0.5734
27
1.b) Si se eligen a lazar y con reemplazo 5 clientes, halle la probabilidad
de que para no ms de 4 de ellos se tenga un monto de compra que
supera a la moda de la distribucin en al menos 5 nuevos soles.(3.0 p)
= [ 5] = 1 [ < 5 ]
5
= 1 [ < ] = 1 [ < 0.42]
144
= 1 [ < 0.42] = 1 0.6628
= 0.3372
Pero La distribucin de Y ser una Binomial, donde:
5
() = ( ) (0.3372) (0.6628)5 , = 0,1, ,5
= 0,
[ 4] = 1 [ > 4] = 1 (5)
5
= 1 ( ) (0.3372)5 (0.6628)0 = 0.995640
5
28
DISTRIBUCIONES BIVARIADAS
f ( x, y ) 0 ( x, y ) R ( X , Y )
f ( x, y) dy dx 1
P xa X xb , ya Y yb f ( x, y )dydx
xa y a
29
1.5. funciones de densidad de probabilidad marginal de dos variables
continuas:
f X ( x) f ( x, y )dy funcin de densidad marginal de x
f y ( y)
f ( x, y ) dx funcin de densidad marginal de y
/ ff( x(,yy)) ,
f (x / y ) P X x Y y para f Y ( y ) 0
Y
f ( y / x ) PY y / X x
f ( x, y )
, para f X ( x) 0
f ( x) X
f ( x, y )
f (x / y ) , para f Y ( y) 0 ;
f Y ( y)
f ( x, y )
f (y / x ) , para f X ( x) 0
f X ( x)
n
f ( x1, x2 ,, xn ) f1 ( x1 ) f 2 ( x2 ) f n ( xn ) f i ( xi )
i =1
1) Si C es una constante: E[ C ]= C
2
E C h ( x , x )
i = 1 i i 1 2
2
Ci E h i ( x1 , x2 )
i = 1
1. Media o Promedio : Xi E X i
2. Variancia :
X2 i = E Xi2 X2 i
3. Covariancia : Cov X1 , X2 X ,X
1 2
E X1 X2 1 2
5. Correlacin :
Cov X , X
1 2 =
X ,X
1 2 ,
X ,X
1 2
1,2
X X X X
1 2 1 2
donde : 1 X1 ,X2 1
31
EJEMPLO:
Solucin
2
0 f ( x, y )dy 0
x
6 x y
2
1 y2 2
dy (6 y xy )
x
8 8 2 x
1 1 x2
(12 2 x 2) (6 x x 2
)
8 8 2
1 3x 2 3 x 2 16 x 20
(10 8 x )
8 2 16
Por lo tanto:
32
3x 2 16 x 20
, si 0 x2
16
() =
0 , de otro modo
La frmula es:
0 y
f Y ( y) f ( x, y)dx f ( x, y)dx f ( x, y)dx f ( x, y)dx
0 y
6 x y
y
1 x2 y
dx (6 x xy)
0
8 8 2 0
1 y2
(6 y y2 )
8 2
1 12 y 3 y 2
(12 y 3 y 2 )
16 16
12 y 3 y 2
, si 0 y2
() = 16
0 , de otro modo
3x 2 16 x 20
2
2. E[X ] x f X ( x) dx x
2 2 2
dx
0
16
1 3x 5 16 x 4 20 x 3 2
8
16 5 4 3 0 15
2
8 7 139
3. Variancia de X: E X
2 2 2
X X
15 12 720
12 y 3 y 2
2
5
4. Media de Y : E[Y] y f Y ( y) dy y
0
16
dy =
4
12 y 3 y 2
2
5. E[Y ] y f Y ( y) dy y dy = 9
2 2 2
0
16 5
2
9 5 19
6. Variancia de Y: E Y
2 2 2
Y Y
5 4 80
7. E[XY ] x y
f ( x, y )dy dx
34
y 2 x y
E[XY ] x y f ( x, y)dx dy
y 0 x 0
y 2 x y y 2 y
6 x y 1 2 x3 x 2 y
E[XY ] x y
y 0 x 0
8
dx dy =
8
y 0
y 3x
3 2
dy
x 0
2
1 9 y4 5
2
1 5
48 0
y (18 y 2
5 y 3
) dy y
48 2
0 6
8. Covariancia: X, Y E[XY ] X Y
5 7 5 5
6 12 4 48
9. Correlacin:
CovX, Y (5 / 48)
2
X
2
Y
(139 / 720) (19/80)
Rpta : 0.4864697
35
EJERCICIOS RESUELTOS
1. Suponga que el tiempo que dura la carga de una batera (X, en minutos) tiene
un comportamiento aleatorio definido por la siguiente funcin:
() = , 10 < < 16
= 0,
Halle el valor de la constante k para que f(x) sea una funcin de densidad.
Sol.
+ =16 16
2
() = = | = [256 100] = 78 = 1
0 =10 2 10 2
1
Por tanto: =
78
2. Suponga que, para los habitantes del distrito TOP, los gastos semanales en
bebidas gaseosas (X, en nuevos soles) tiene como funcin de densidad:
(7 )
() = , 0 < 4
20
0,
= () = 0, 0 < < 1
= 5, 1 0.5
= 10, 0.5 0.9
= 15, 0.9
c.1) Determine la funcin de probabilidad acumulativa de la variable Y.
Solucin:
a) Si 0 < 4 36
7 1 2 14 2
() = () = 0 20 = (7 )| =
20 2 0 40
= 0, , < 0
(14 2 )
() = 40 , 0 < 4
=1 , > 4
Clculos:
4
4 7 1 7 2 3 1 64 26
[] = 0 ( 20 ) = ( )| = 20 (56 ) = 15 = 2.73333
20 2 3 0 3
4
4 7 1 7 3 4 1 448 64
2 = 0 2 ( ) = 20 ( )| = 20 ( 64) = = 4.266667
20 3 4 0 3 15
26
= [] = = 1.733333
15
64 26 2
2 = [ 2 ] 2 = ( ) = 1.262222
15 15
14 2
() = = 0.5 2 14 + 20 = 0
40
3( ) 3(1.7333331.614835)
= = = 0.31642
1.262222
= () = 0, 0 < < 1
= 5, 1 < 0.5
= 15, 0.9
(14 1)
(0) = [ = 0] = [ < 1] = (1) = 40 = 1340 = 0.325
(5) = [ = 5] = [1 < 0.5 ] = (0.5 ) (1) = 0.5 0.325 = 0.175
(10) = [ = 10] = [0.5 < 0.9 ] = (0.9 ) (0.5 ) = 0.9 0.5 = 0.4
0 5 10 15
() 0.325 0.175 0.4 0.1
0, < 0
0.325, 0 < 5
0.9, 10 < 15
1, 15
Solucin:
[] = [1 = 5, 2 = 5, 3 = 15, 4 = 15, 5 = 0] +
5 (0.175)2 (0.1)2 (0.325)1 (0.4)0
= 2,2,1
5!
= (0.175)2 (0.1)2 (0.325)1 (0.4)0
2!2!1!0!
P(B)= .
3. Suponga que los montos de las compras, de los clientes de un establecimiento,
tiene una distribucin normal con una media de 49 nuevos soles y una
desviacin estndar de 12 nuevos soles. Para el establecimiento, un cliente es
considerado Cliente VIP si su monto de compra es mayor que 60 nuevos
soles. 38
a) Si se elige al azar un cliente, halle la probabilidad de que su monto de
compra sea menor que el Decil 3 de los montos de compra, o que su
monto de compra supere a la media de su distribucin en menos de 9
nuevos soles.
Solucin:
Rpta = .
3.b) Si se eligen a lazar y con reemplazo 5 clientes, halle la probabilidad
de que para no ms de 4 de ellos se tenga un monto de compra que
supera a la moda de la distribucin en al menos 5 nuevos soles. (3.0 p)
Solucin:
= [ 5] = 1 [ < 5 ]
5
= 1 [ < ] = 1 [ < 0.42]
144
= 1 [ < 0.42] = 1 0.6628 = 0.3372
Pero Y tiene una distribucin Binomial, donde:
39
5
() = ( ) (0.3372) (0.6628)5 , = 0,1, ,5
= 0,
Nos piden:
[ 4] = 1 [ > 4] = 1 (5)
5
= 1 ( ) (0.3372)5 (0.6628)0
5
Rpta = .
4. Suponga que la empresa JASA produce el artculo XLT25 en dos lneas de
produccin independientes. Suponga adems que los tiempos de vida del
artculo XLT25 (en decenas de horas) tienen las siguientes distribuciones: En
la lnea A tienen una distribucin exponencial con un parmetro 3; mientras
que en la Lnea B tiene una distribucin normal con media 3.2 y una variancia
0.25.
a) Si de cada lnea se eligen al azar y con reemplazo, uno tras otro, dos artculos,
halle la probabilidad de que el segundo artculo elegido de cada lnea tenga un
tiempo de vida menor de 28 horas.
b) Si de cada lnea se eligen al azar y con reemplazo 4 artculos, halle la
probabilidad de que en total se elijan menos de dos artculos con un tiempo
de vida menor la media de su distribucin.
Solucin:
4.a) = [3], = 3, = 3 ( ) = 1 3, > 0
2.8
= [ < 2.8] = 1 3 = 0.606759
[4,0.5]
40
Sea Y=WA + WB = { Nmero de total de artculos elegidos donde: < }
[ < 2] = [ = 0] + [ = 1]
= [ = 0, = 0] + [ = 1, = 0] + [ = 0, = 1]
4 4
= ( ) (0.632121)0 (1 0.632121)4 ( ) (0.5)0 (1 0.5)5
0 0
4
+ ( ) (0.632121)1 (1 0.632121)3 (0.5)0 (1 0.5)4
1
4
+ ( ) (0.632121)0 (1 0.632121)4 (0.5)1 (1 0.5)3
0
= 0.01359144
5. Suponga que los tiempos de atencin de los clientes del establecimiento PAYSA
tienen una distribucin normal con una media de 6 minutos y una
desviacin estndar de 0.9 minutos. Suponga adems que la utilidad generada
por un cliente es: 14 soles si el tiempo de atencin es menor de 4.5 minutos;
es de 7 soles si el tiempo de atencin es no menor de 4 minutos pero no mayor
de 6.5 minutos, y es de 2 soles si el tiempo de atencin es mayor de 6.5
minutos. Halle la variancia de las utilidades obtenidas por cada cliente.
Estandarizando:
6.56.0
= 1 [ < ] = 1 [ < 0.56] = 1 0.7123 = .
0.9
Adems:
2
Pero: = [ 2 ]
2
= 43.036 (5.894)2 = .
2
( ) = 49 , : 0 < 7
= 0,
El tiempo de vida de de los equipos Tipo B tiene una distribucin normal con
una media de 4 aos y una desviacin estndar de 1.2 aos; y que el tiempo
de vida de de los equipos Tipo C tiene una distribucin exponencial con una
media de 5 aos.
c) Suponga que la utilidad generada por cada equipo Tipo A (en cientos de
dlares) es una variable tal que:
20, 1
= 30, 1 < 5
50, > 5
Si se eligen al azar y con reemplazo tres equipos, halle la probabilidad de
que por lo menos dos de ellos generen una utilidad no menor de 3500
dlares.
d) Si se elige al azar un equipo Tipo B, del cual se conoce que ya tiene 2.8 aos
de uso, halle la probabilidad de que su tiempo de vida no supere los 5 aos.
Solucin
3 7
7 2 2 14
a) [ ] = ( ) = 0 [ 49 ] = | = = 4.666667
147 0 3
7 7
2 24 49
[2 ] = 2 ( ) = 2 [ ] = | = = 24.5
0 49 196 0 2
La variancia es:
14 2 49
2 = [2 ] 2 = 24.5 ( ) = = 2.722222
3 18
2.722222
= 100 = 35.3553%
4.666667
Interpretacin:
b) S: < 0 :
() = 0
0 < 7:
2
( ) = ( ) =
49
0
2 2
= | =
49 0 49
43
> 7 = 1,
El Percentil 90 ser:
2
0.90
[0.90 ] = [ 0.90 ] = = 0.90
49
2
0.90 = (0.90)(49)
0.90 = (0.90)(49) = 6.640783
c) La variable aleatoria y:
20, 1
= 30, 1 < 5
50, > 5
-20 30 50
( ) 0.25 0.260204 0.489796
3
() = ( ) (0. 489769) (0.510204)3 , = 0,1,2,3
3 3
= ( ) (0.489796)2 (0.510204)1 + ( ) (0.489796)3 (0.510204)0
2 3
= 0.7967 0.1587
= 0.638
2.8 4
[ 2.8] = 1 [ < 2.8] = 1 [ < ]
1.2
0.638
[ < 5 2.8] = ) = 0.75835
0.8413
e)
1
( ) = 5 , > 0
5
= 0, 0
6.5 5 5 6.5
= {1 5} {1 5} = 5 5
= 0.095348
4
() = ( ) (0.095348) (0.904652)3 , = 0, 1, 2, 3, 4
[ 2] = 1 (0) (1)
4 4
= 1 ( ) (0.095348)0 (0.904652)4 ( ) (0.095348)1 (0.904652)3
0 1
f) = [0.8 < 4.666667 < 0] = [3.866667 < < 4.666667]
= 0.139320
= [ < 4] [ 3.2]
44 3.2 4
= [ < ] [ ]
1.2 1.2
= [ < 0] [ 0.67]
= 0.5 0.2514
= 0.2486
5 4.2 4.2 5
= {1 5} {1 5} = 5 5
= 0.063831
= [ ]
= 1 [ ]
= 1 [ . , ]
= 1 [ ][ ][ ]
Solucin:
[250, ], = 250
276 250 276 250
[ < 276] = P [ < ] = 0.8508 = Z(0.8508) = 1.04
276 250
= = 25 X N[250, (25)2 ]
1.04
[6, ]
= [| | ] = [ ]
= [1 ] = [1 1] = [ 1] [ < 1]
= 0.8413 0.1587 = 0.6826
6
() = ( ) (0.6826) (0.3174)6 , = 0, 1, 2, 3, 4, 5, 6
0,
Nos Piden:
[ > 2] = 1 (0) (1) (2)
6 6
= 1 ( ) (0.6826)0 (0.3174)6 ( ) (0.6826)1 (0.3174)5
0 1
6 (0.6826)2 (0.3174)4
( )
2
Solucin:
a)
X = Demanda semanal de un producto TM. X ~ N[20,5]
25 20 27 20
[25 < < 27] = [ < < ] = [1.0 < < 1.4]
5 5
= [ < 1.4] [ 1.0] = 0.9192 0.8413 = 0.0779
27 20
[ < 27] = [ < ] = [ < 1.4] = 0.9192
5
b)
[] = [ > 2 ] = [ > 2] = 1 [ 2.0]
= 1 0.9772 = 0.0228
[] = [| | 2 ] = [| | 2] = [2.0 2.0]
= [ 2.0] [ < 2.0] = 0.9772 0.0228 = 0.9544
[] = [ < 2 ] = [ 2] = [ 2.0] = 0.0228
1
(, ) = , 0 , + 6
9
= 0, . 48
[] = 3, [ 2 ] = 10.5, [] = 1
Solucin
1
a) (, ) = , 0 , + 6
9
= 0, .
=6
1 6 2
() = (, ) = = , 0 < < 3
9 9
=
= 0,
3
3
2]
6 2
2
1 2
[ = [ ] = (6 )| = 1.5
9 9 0
0
=3 =6 =3
1
[] = = [(6 )2 2 ]
9 18
=0 = =0
=3 =3
3
1 6 2
= 6[6 2] = (3 2 ) =3
18 18 3
=0 =0
(, ) = [] [][] = 3 (1)(3) = 0
b)
y=2 x=6y y=2 2
2
1 2y 1 y 1
= P[y > 1 X > 4] = dxdy = d y = (2y )| =
9 9 9 2 18
y=1 x=4 y=1 1
3 3
() = ( ) (118) (1718) , = 0, 1, 2,
= 0, 49
3 1 2
[ = 1] = (1) = ( ) (118) (1718) = 0.148662551
1
10. Suponga que los pesos de los artculos producidos por una empresa (X)
tienen una distribucin normal con una media de 200 gramos y una desviacin
estndar de 10 gramos.
Solucin:
b) = [ > = 0.5]
W= Nmero de artculos en los que: X>Mo
2
() = ( ) (0.5) (0.5)2 , = 0, 1, 2
= 0,
2
[ 1] = (1) = ( ) (0.5)1 (0.5)1 = 0.5
1
Solucin:
3+8
[3,8] = = 5.5
2
63 2
= [ > 0.5] = [ 5.5 > 0.5] = 1 [ 6.0] = 1 = = 0.4
83 5
Y= Nmero de naranjas en las que X>6
[2, 0.4]
2
[ = 2] = ( ) (0.4)2 (1 0.4)22 = 0.16
2
Solucin
0.24411483
-1 0 2
0 4/25 4/25 3/25
1 3/25 3/25 2/25
2 2/25 2/25 0
3 2/25 0 0
Sol.
-1 0 2 ()
0 4/25 4/25 3/25 11/25
1 3/25 3/25 2/25 8/25
2 2/25 2/25 0 4/25
3 2/25 0 0 2/25
() 11/25 9/25 5/25 1
8 9 3
a. (1) = , (0) = , (1,0) =
25 25 25
3 72
(1,0) = (1) (0) =
25 625
b.
0 1 2
(/ = 0) 4/9 3/9 2/9
4 3 2 8
[ = 0] = (0) [ ] + (1) [ ] + (2) [ ] =
9 9 9 9
4 3 2 11
[ 2 = 0] = (0)2 [ ] + (1)2 [ ] + (2)2 [ ] =
9 9 9 9
2
11 8 35
2=0 = ( ) = = 0.432098765
9 9 81