1. VARIABLE ALEATORIA : V.

1.1 CONCEPTO:

Es una funcin cuyo dominio es un espacio muestral, y cuyo rango es

Un subconjunto de los Nmeros Reales. Es decir, le asocia a cada
elemento del espacio muestral (wi) un nico nmero (xi).

X(w)

w1 x1
w2 x2
.. ..
.. ..
xm
wk

DomX(w) =={w , w , ..., w } RanX(w)={x , x , ..., x }

1 2 k 1 2 m

1.2 TIPO DE VARIABLES ALEATORIAS:

Segn el conjunto numrico asociado con su Rango, estas pueden ser:

Variable aleatoria Discretas o continuas.

Un Conjunto Numrico puede ser: Numerable, si sus elementos pueden ser

contados,sean finitos infinitos y siempre estn asociados a los conjuntos de
los nmeros enteros o naturales; o No Numerables, si sus elementos no se
pueden contar porque entre dos posiciones consecutivas siempre existe otro
nmero real; siempre son infinitos y estn asociados con los intervalos

1. Variables aleatorias discretas:

Son aquellas cuyos rangos forman conjuntos numerables.

Ejemplos: 1. Nmero de fallas por cada metro de un tejido.

2. Nmero de artculos defectuosos producidos.

2. Variables aleatorias continuas:

Son aquellas cuyos rangos forman conjuntos no numerables.

Ejemplos: 1. Tiempo de espera para ser atendido.

2. Peso de un producto.

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:

Una ONG ha propuesto 10 nuevos proyectos, de los cuales 4 son proyectos

educativos y 6 son proyectos sociales. Para realizar un anlisis de factibilidad
de los proyectos se eligen al azar 3 de ellos para que sean analizados la
prxima semana. Si se define X= Nmero de proyectos educativos que sern
evaluados la prxima semana,halle la funcin de probabilidad de la V.A X.

Solucin:

Exp. Aleatorio: Se eligen al azar 3 proyectos para ser analizados.

El muestreo es sin reemplazo y uno tras otro para analizar su factibilidad

4 P.Educativos MSRCO de 3 n() = 103 = 720

6 P.Sociales

E: El Proyecto elegido es educativo

S: El Proyecto elegido es social
En el siguiente cuadro se resume los resultados

xi Eventos asociados Probabilidad f(xi)

0 SSS (6/10)(5/9)(4/8) 120/720
1 ESS,SES,SSE (4x6x5/720)x3 360/720
2 EES,ESE,SEE (4x3x6/720)x3 216/720
3 EEE (4x3x2/720) 24/720

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

f(x) = 3/10 si: x = 2

1/30 si: x = 3

0 de otro modo

Ejercicio1: Halle e interprete el coeficiente de variabilidad de la v.a. X

1.4 FUNCIN DE DENSIDAD DE PROBABILIDAD

Una funcin f(x) es llamada funcin de probabilidad (o funcin de densidad)

de la variable aleatoria continua X si cumple con las siguientes
condiciones:

Propiedades de f(x) : (1.4)

1. f (x) 0 , x R

2. f ( x)dx 1

3. Sea el evento A={x / a x b}, luego:

b
PA Px A Pa x b f ( x)dx
a

Ejemplo1.4:

El tiempo de espera en una cola de servicios, en minutos, es una variable

cuyo comportamiento aleatorio es definido por la siguiente funcin:

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:

a) De (1.4) por la propiedad 2 de f(x), Hallamos k

3
 x 1 5

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

b) Calculamos la Probx 3 De (1.4) , propiedad 3 se tiene:

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

1.5. FUNCIN DE DISTRIBUCIN DE PROBABILIDAD ACUMULATIVA: F(x)

Sea X una variable aleatoria continua que tiene como funcin de

densidad f(x); luego, la funcin de probabilidad acumulativa de la
variable aleatoria X se define como:

F ( x) P X x


..
f ( w) dw (1.5)

Propiedades de F(x) . (1.5a)

1. F () 0 F () 1

2. 0 F ( x) 1, xR

d F ( x)
3. f ( x)
dx

4. F(x) es una funcin no decreciente.

5. P(xa) = F(a) , de donde se deducen:

a. P(x>a) = 1 F(a) y b.P(axb) = F(b) F(a)

4
Ejemplo 1.5:

El tiempo de espera en una cola de servicios, en minutos, es una

variable aleatoria cuya funcin de densidad es:

(x 1)/8 , si: 1 x 5
f(x)=
0 , de otro modo

Halle la funcin de distribucin acumulativa de probabilidades de la

variable. Luego halle la probabilidad que un cliente elegido al azar
espere ms de tres minutos para ser atendido.

Solucin:

a) Para el dominio de f(x) (rango de la variable aleatoria X),sobre una

recta numrica real,se construyen las zonas y puntos crticos:

1 5

x x

Para x < 1: F ( x) f (w)dw (0)dw 0

. De (1.5)

1 x

Para 1x5: F (:x) f ( w)dw f ( w)dw

w 1

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

Luego la Funcin de distribucin acumulativa de probabilidades es:

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)

Hallamos F(3): en F(x) se reemplaza x = 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

Rpta : P(x>3) = 0.75

1.6 ESPERANZA MATEMTICA

A. Valor esperado o esperanza matemtica

Es el valor promedio que esperaramos encontrar por la observacin repetida

de una variable aleatoria.

Si X es una variable aleatoria con funcin de probabilidad f(x), el valor

esperado de la variable X se define como:

1. Si X es una variable aleatoria discreta

EX x f ( xi ) ..... (1.6.1)
xi R X

2. Si X es una variable aleatoria continua

EX x f ( x)dx (1.6.2)

B. Esperanza Matemtica de una funcin de la variable aleatoria x

Sea X una variable aleatoria con funcin de probabilidad f(x), y sea Y=g(x)
una funcin de la variable aleatoria X, luego,

1. Si X es una variable aleatoria discreta

EY E g (X) g ( x) f ( xi ) .. (1.6.3)
xi RX

2. Si X es una variable aleatoria continua

EY E g (X) g ( x) f ( x)dx ... (1.6.4)

6
1.7. MEDIDAS ESTADSTICAS

Sea X una variable aleatoria con funcin de probabilidad f(x) ; entonces,

la media X y la variancia de la variable aleatoria X se definen como:

1. Media : X E X .... (1.7.1)

2. Variancia : X2 Var X E X X E X2 X2
2
.. (1.7.2)

3. Coeficiente de variabilidad : CV = (/)100% . (1.7.3)

4. Percentil Pk% : Al resolver una de las dos ecuaciones:

1. () =
100

2. () =
100

Se obtiene el valor de x=Pk%

Casos Frecuentes: .. (1.7.4)

a) Mediana , se reemplaza: k=50, entonces: Me = x

b) Decil 1 , se reemplaza: k=10, entonces: D1 = x
c) Decil 9 , se reemplaza: k=90, entonces: D9 = x
d) Cuartil 1 , se reemplaza: k=25, entonces: Q1 = x
e) Cuartil 3 , se reemplaza: k=75, entonces: Q3 = x
f) Cuantil 1 ,se reemplaza: k=1 , entonces: P1 = x
g) Cuantil99,se reemplaza: k=99, entonces: P99 = x

5. Coeficiente de Pearson: Skp= 3(-Me)/ .. (1.7.5)

6. Coeficiente de Curtosis: Ku = 0.5(RIQ/RID) .. (1.7.6)

Donde: RIQ = Q3 Q1 y RID = D9 D1

7. Moda :Mo = valor de x* tal que f(x*) es el mximo absoluto.

Propiedades de valores esperados . (1.7.7)

Si X, Y son dos variables aleatorias, y a, b son dos constantes:

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:

Var aX bY a 2 Var X b 2 Var Y

8) Skp(a.X + b ) = Skp( X )
9) Ku(a.X + b ) = Ku( X )
10) CV(a.X) = CV(X)

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:

(7 x)/20 , si: 0x<4

f(x) =
0 , de otro modo

a) Halle e interprete el Coeficiente de Asimetra de Pearson.

b) Halle e interprete el Coeficiente de curtosis: ku.

Solucin:

a) De la frmula (1.75) tenemos: Skp= 3(-Me)/

Clculos: Usando las frmulas (1.7_), tenemos

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:

De (1.74) para k=50, se resuelve:

8

7 50 1
( ) = =
20 100 2
0

7 2 1
Integrando: =
20 40 2

De donde: 2 14 + 20 = 0

Resolviendo: = 7 29 , donde [0; 4]

Rpta: Me = 7 29

4. Reemplazando:
26
3( (7 29))
15
= 284
( )
225

Por lo tanto : Skp = 0.3164

b) De (1.76) se sabe: Ku = 0.5(RIQ/RID)

Para ello necesitamos a F(x) que se obtiene de (1.5)

0
7 7 2
() = () = 0 + ( ) =

20 20 400

Clculos:

Usando las frmulas de (1.74) tenemos:

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

Pero: RIQ = Q3 Q1 = (7 19) (7 39) entonces: RIQ = 1.8861

RID = D9 D1 = (7 13) ( 7 35) entonces:RID =3.10265

Reemplazando en: Ku = 0.5(1.8861/3.10265)

Se Tiene que: Ku = 0.304

9
 1.8. DISTRIBUCIONES DISCRETAS : RESUMEN
DISTRIBUCIONES ATRIBUTOS

BINOMIAL Es Generada: Al realizar n pruebas de Bernoulli.

por un Muestreo con reemplazo.
n
f(x) x (1 )n x X = Nmero de xitos obtenidos en la muestra
x
Ran X : 0,1,2,n
X EX n
2= n (1 ) Aplicable a una muestra extraida de una poblacin .
Esto se debe a que para N= el MSR se aprox. al MCR

HIPERGEOMTRICA Es Generada: Al realizar un muestreo sin reemplazo

de tamao n y extraida de una pobla-
cin finita de Bernoulli y de tamao N.
A B

x n x X = Nmero de xitos obtenidos en la muestra
f(x)
N
Ran X : 0,1,2,n
n
En La Poblacin: A : Nmero de xitos
nA B : Nmero de fracasos
= E(X) =
N
n A B N - n Ojo : Si no se conoce A, lo determinamos a partir de:
2=
N2 N - 1
A = N.

POISSON Es Generada: Por una variable de razn

X = Nmero de xitos / Intervalo de medida

e x
f(x) RanX :0,1,2, .. ,
x!
Caractersticas de los Intervalos de Medida
X EX
2X VarX

GEOMTRICA Es Generada: Por la realizacin de ensayos de Ber-

noulli hasta la ocurrencia de un xito.

f(x) (1 )x 1 X = Nmero de pruebas de Bernoulli realizadas hasta

que ocurra el xito buscado.
X EX 1
RanX :1,2, .. ,
VarX (1 )
2
X
2 Propiedad: P(x>a) = (1-)a , a es # natural

10
Ejemplo 1.8 :

El tiempo de vida de un artculo (en decenas de horas) es una variable

aleatoria que tiene como funcin de densidad:

3x2/26 , si: 0<x<2

f(x) = (20-4x)/26 , si: 2x5

0 , de otro modo

a) Si se eligen al azar 8 artculos, halle la probabilidad que para al

menos 7 de ellos se tenga un tiempo de vida mayor a 15 horas.
b) De un lote de 100 artculos producidos, se eligen al azar 8 artculos,
halle la probabilidad que a lo ms en 3 de ellos se tenga un tiempo
de vida menor a 35 horas.
c) Un artculo es considerado de excelente calidad si su tiempo de vida
excede a la media de su distribucin en por lo menos 4.6 horas.Si se
eligen al azar y con reemplazo artculos hasta encontrar uno de
Excelente calidad,determine la probabilidad de que esto ocurra
despus del vigsimo segundo artculo elegido.

Solucin:

a) Sabemos que: x es el tiempo de vida del artculo

Nos interesa elegir aquellos artculos cuyo tiempo de vida sea

mayor a 15/10 horas (decenas), o sea x>1.5 ..(xito)
Tambien nos interesa elegir al menos 7 artculos con dicha
caracterstica,en otras palabras, queremos elegir al menos 7
xitos ,esto implica tener a w7, siendo w: el nmero de xitos
en la muestra sin reemplazo,cuyapoblacin es infinita,porque
no especifican el tamao del lote.
Por lo tanto segn el cuadro resumen, w se distribuye como una
BINOMIAL cuyos parmetros son:
n = 8 (tamao de la muestra=#de artculos elegidos) y
= Prob(1xito) entonces: = Prob(x>1.5)

Nos piden calcular la Prob(w7)

MTODO DEL DIAGRAMA DE BLOQUES

Todo este procedimiento se podra graficar en un Diagrama de

Bloques,donde cada bloque se enlaza con el siguiente mediante
su probabilidad de xito o valor . Las variables aleatorias que se
mencionan en la pregunta van ocupando los bloques uno a uno
comenzando de izquierda a derecha. Para resolver se empieza del
ltimo bloque ocupado.
11
Para el ejemplo, el diagrama de bloques sera:

W: # de artculos elegidos cuyo tiempo de vida es mas de 15 horas

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

2. W tiene una distribucin Binomial

8 171 37 8
g(w) =()( ) ( ) ; w=0,1,2,..,8
208 208

3. Nos piden:

Prob(w7) = Prob(w=7) + Prob(w=8)

= 0.36121 + 0.20867

Rpta: Prob(w7) = 0.56986

b) El diagrama de bloques es:

W: # de artculos elegidos cuyo tiempo de vida es menor a 35 horas

W 3
X < 3.5

n= 8, N=100 X: Tiempo de vida

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

3. W tiene una distribucin Hipergeomtrica, donde:

(65 35
).(8)
g(w) = ; w=0,1,2,..,8
(100
8 )

4. Nos piden:

Prob(w3) = Prob(w=0) + + Prob(w=3)

0.0001265 + ..+ 0.0762

Rpta: Prob(w3) = 0.09682

c) El diagrama de bloques es:

W: # de artculos elegidos cuyo tiempo de vida es menor a 35 horas

artculo excelente

W> 22

X-> 0.46

n= 8, N=100 X: Tiempo de vida

W :Geomtrica

Clculos:

2 3 2 5 204 6 27
1. = 0 ( ) + 2 ( ) = + = = 2.54
26 26 13 13

2. = Prob(x->0.46) = Prob( x> +0.46 )

5 204
= Prob(x>2.54+0.46 =3) = 3 ( ) =
26
3. W Tiene una Distribucin Geomtrica,donde:

4 9
g(w) = ( ).( )1 , w=1,2,3,..,
13 13

4. Nos piden: Prob(w>22) = Prob(w=23) +Prob(w=24) +.

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 : ( )

PROPIEDADES DE LAS DISTRIBUCIONES DISCRETAS

A continuacin presentaremos las principales propiedades que presentan

1. Distribucin Binomial:

a) Distribucin discreta, con Rango finito

b) Su media y su variancia son:

X EX n 2= n (1 )

c) Cuando n=1, la distribucin recibe el nombre de Distribucin

Bernoulli o Binomial Puntual.

d) La distribucin es simtrica cuando: =0.5, es asimtrica a la

derecha cuando: <0.5, y asimtrica a la izquierda cuando:>0.5.
Estos resultados se muestran en la grfica 1.

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

e) Se aproxima a la Distribucin Poisson bajo ciertas condiciones.

f) Asociado al MCR con n definido.
14
 2. Distribucin Hipergeomtrica:

a) Distribucin discreta, con Rx finito

b) Su media y su variancia son:

. .
= 2 = ( )
2 1

c) La distribucin es simtrica cuando A=B, Si: A<B, es asimtrica

a la derecha y asimtrica a la izquierda cuando A>B.
Estos resultados se observan en la grfica 2.

DISTRIBUCIN HIPERGEOMTRICA : N=100 , n=10

0.4 N xitos
A 1=15
A 2=50
A 3=85

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)

e) Esta asociado al Muestreo Sin Reemplazo: MSR

Distribucin Binomial e Hipergeomtrica:

1. Para las distribuciones Binomial e Hipergeomtrica se cumple:

1
Si: = entonces A = B ; La Distribucin es Simtrica
2

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: =
+

2. Bajo las mismas condiciones de Muestreo:

a) Presentan medias o promedios iguales.

Esto se debe a que:

.
= = . ( ) = . =

DISTRIBUCIN: BINOMIAL VS HIPERGEOMTRICA, CON N=20 y n=10

0.35 =0.5
Binomial
Hipergeo
0.30

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

Del Grfico podemos observar que de la misma Poblacin. N=20 :

Se han tomado 2 muestras del mismo tamao: n=10 y con la misma

probabilidad de xito: = 0.5
1 MCR ,que genera la distribucin Binomial

1 MSR ,que genera la distribucin Hipergeomtrica.

Se han generado distribuciones simtricas, con iguales valores

promedios,cuyo valor comn es = 5

Adems se observa una mayor dispersin de los datos en la distribucin

Binomial,esto se debe a su menor concentracin alrededor de su valor
central.Por ello establecemos lo siguiente:

16
b) La Distribucin Binomial presenta mayor variabilidad tanto
absoluta como relativa que la Distribucin Hipergeomtrica.

Esto se debe a que:

2

= . (1 ) = ( ) ( ) = ( ) ( )

2
Entonces: = ( )( ) (1)

Pero se cumple: 1> (2)
1

2 2
Multiplico (1) por (2): > (1 ) (3)

2
Reemplazo (1) en (3): > ( )( )( )(4)
1

Pero el lado derecho de (4) es = 2

Por lo tanto :
>

3. Cuando la Poblacin es infinita o dicho de otro modo, n es muy

pequeo respecto a N, El MSR se aproxima al MCR;

DISTRIBUCIN: BINOMIAL VS HIPERGEOMTRICA

Con: n=10 ; N=20,50 y 100

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

A medida que N aumenta Las Distribucin Hipergeomtrica se

Aproxima a la Distribucin Binomial: n/N < 0.05.
17
3. Distribucin de Poisson:

Supuestos:

a) El intervalo de tiempo se puede dividir en subintervalos no superpuestos,

no necesariamente de tamaos iguales.
b) Las ocurrencias se distribuyen de manera homognea en todo el intervalo
de tiempo.
c) Tericamente, en un subintervalo, es posible tener una cantidad infinita
de ocurrencias.
d) Las ocurrencias en un subintervalo es independiente de las ocurrencias en
Otros subintervalos.
e) La probabilidad de un nmero determinado de ocurrencias en un
subintervalo , es directamente proporcional a la longitud del subintervalo.
f) La probabilidad de un nmero de ocurrencias en un subintervalo depende
de la longitud del mismo, y no del inicio y final del subintervalo.

Caractersticas:

a) Distribucin discreta, cuyo Rango es infinito numerable

b) Su media y su variancia son:

2
= ; =

c) Es la distribucin lmite de la Distribucin Binomial, cuando:

n es muy grande y es muy pequea.
Se recomienda usar la aproximacin de la Binomial a la Poisson,
Cuando: n 50, 0.1, (n. 5).

d) Su Distribucin es Bimodal,slo para valores enteros del parmetro

Siendo Unimodal en cualquier otro caso.

e) Su moda es igual a :
Mo = parte entera de , Si: no es un # entero
Mo1 = y Mo2 = -1 , Si: es un # entero

f) Presenta una Distribucin Asimtrica hacia la derecha,cuyo sesgo se

va reduciendo a medida que se incrementa el valor de su parmetro
,siendo casi simtrica cuando: .

4. Distribucin Geomtrica:

a) Su Distribucin es Asimtrica hacia la Derecha.

b) Presenta una Distribucin estrictamente Decreciente.
c) Su Funcin de Distribucin acumulada es: F(x) = 1 (1-)x
1 1
d) Su Media es: = , Su Variancia es: 2 = 2 .

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

Se Observa que la Distribucin siempre es decreciente y presenta

asimetra a la Derecha.
La Asmetra disminuye, a medida que aumenta.
19
1.9. DISTRIBUCIONES CONTINUAS
Son las funciones de probabilidad asociadas a variables aleatorias continuas;
es decir, para aquellas variables cuyo rango es un conjunto infinito no
numerable.En estos casos el valor de la funcin de probabilidad no expresa la
probabilidad de ocurrencia de un valor especfico de la variable aleatoria.

1. DISTRIBUCIN UNIFORME

X tiene una distribucin Uniforme si su funcin de probabilidad es:

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

Funcin de probabilidad acumulada :

0 , si x a
xa
F ( x) , si a x b
ba
1 , si x b
20
 Ejemplo 1.9:
Un comerciante vende cierto tipo de grano, la demanda diaria de este
tipo de grano (en kilogramos) se comporta segn una distribucin
Uniforme en el intervalo [4,9]. Si en un da determinado se vende al
menos 6 kilogramos, se obtiene una utilidad neta de 60 soles; si la venta
es inferior a 6 kilogramos, la utilidad neta es de 20 soles. Halle la utilidad
neta esperada, por da.

Solucin:

Sea X: demanda diaria (en Kg), entoncesXse distribuye:U(4;9)

x4
Por lo tanto: F ( x) , si 4 x 9
5
SeaY: La utilidad neta diaria en soles

y = 20 ; si: x<6 entonces La Prob(x<6) = F(6) = 2/5

y = 60 ; si: x6 entonces la Prob(x6) = 1-2/5 =3/5

La Utilidad neta esperada ser la Esperanza matemtica de Y

Se sabe por (1.61) que: E(y) = 20(2/5) + 60(3/5) = 44 soles

Rpta: E(y) = S/. 44

2.DISTRIBUCIN EXPONENCIAL

X tiene una distribucin Exponencial si su funcin de Densidad es:

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:

1. Esta definida para X positivo

2. Es asinttica al eje X positivo
3. Es montona decreciente.
4. Su Media = Desviacin standart : = =
5. Mediana = *ln2
6. Es muy variable: Cv = 100%

Ejemplo 1.9-2:

Los tiempos de vida (en das) de la publicidad de un producto en dos

medios de publicidad distintos, A y B, se distribuyen, respectivamente
como una U(0;10) y Exp(5).

a) Suponga que la publicidad de un producto tiene 5 versiones de una

publicidad. Las 5 versiones se colocan en los medios A y B. Cul es
la probabilidad de que, en ambos medios, al menos 4 versiones duren
menos de 3 das?
b) Suponga que una publicidad de un producto se colocar en uno de los
dos medios publicitarios. Si la probabilidad de colocar la publicidad en
el medio A es igual a la probabilidad de colocar la publicidad en el
medio B, cul es la probabilidad de que la publicidad dure ms de 3
das?

Solucin:

a) Sea X tiempo de vida de la publicidad en el medio A: X U(0;10)

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 =

El Diagrama de bloque para el Medio A ser:

WA: # de versiones publicitarias en el medio A,cuyo tiempo de vida

es menor a 3 dias

W A 4
X<3

n= 5, N= X: Tiempo de vida
W: Binomial

22
 Clculos:

1. W tiene una distribucin Binomial

g(w) = (5 )(0.3) (0.7)5 ; w=0,1,2,..,5

2. Nos piden:

Prob(w4) = Prob(w=4) + Prob(w=5)

= 0.36121 + 0.20867

Por lo tanto: Prob(wA4) = 0.56986

El Diagrama de bloque para el Medio B ser:

WB: # de versiones publicitarias en el medio B,cuyo tiempo

de vida es menor a 3 dias

WB 4
Y< 3

n= 5, N= Y: Tiempo de vida

WB: Binomial

Clculos:

1. WB tiene una distribucin Binomial

g(w) = (5 )(0.4512) (0.5488)5 ; w=0,1,2,..,5

2. Nos piden:

Prob(w4) = Prob(w=4) + Prob(w=5)

= 0.1137 + 0.0187

Por lo tanto: Prob(wB4) = 0.1324

En ambos medios :A y B ( se distribuyen independientemente)

Entonces :P(wA4 wB4) = P(wA4).P(wB4)

Reemplazo: P(wA4 wB4) = 0.56986x0.1324

Rpta: P(wA4 wB4) = 0.07545

b) La Publicidad se har slo en uno de los dos medios,hay que elegir:

Por lo tanto aplicaremos el Diagrama de rbol para mostrarlo:
23
 DIAGRAMA DE RBOL

0.56986 E = 0.5(0.56986) = 0.28493

A
0.5 0.43014 F = 0.5(0.43014) = 0.21507

0.5 0.07545E = 0.5(0.07545) = 0.037725

B

0.2455F = 0.5(0.2455) = 12275

Donde: E es el evento La Publicidad dura mas de 3 dias

Para el Medio A: E = 0.56986

Para el Medio B: E = 0.07545

Nos Piden La Prob(E) , para el cual hay dos caminos(sumar)

Entonces: LaProb(E) = Prob(AE) + Prob(BE)

= 0.28493 + 0.037725

Rpta b): Prob(E) = 0.322655

3.DISTRIBUCIN NORMAL : N(,2)

X tiene una distribucin Normal si su funcin de densidad es:

e , si x
x 2
1 1
f ( x) 2

Curva de distribucin Normal

Normal, Media=20

= 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

1. Tiene una forma acampanada.

2. Es simtrica con respecto a su media.
3. Es asinttica respecto al ejehorizontal.

Para realizar clculos de Probabilidad,se necesita Estandarizarla.

O Transformarla a una distribucin Normal Standart, para luego
hacer uso de la tabla Z.

4.DISTRIBUCIN NORMAL ESTNDAR : Z = N(0,1)

Aquella variable con distribucin Normal de media=0 y desviacin=1

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

tiene una distribucin normal con media 0 y variancia 1, y su funcin de

densidad es:

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

Para hallar la Prob(Z Z0) se usa la tabla Z cuyo valor de Z0 se expresa

como a,bc .En la columna Z se ubica la fila que corresponde al nmero
a,b y enseguida la intersectamos con la columna 0,0c lo que nos
determina la celda cuyo valor corresponde a la Prob(Z Z0) = F(Z0).

1. Prob (ZZ0) = F(Z0)

2. Prob (Z>Z0) = 1-F(Z0)

3. Prob (a <Z0<b) = F(b)-F(a)

Ejm1: Halle la Prob(Z<5/7)

Se aproxima 5/7 a dos decimales , 5/7 = 0.71,luego

En La Tabla Z, se ubica la Fila 0.7 y se la intersecta con la columna que

corresponde a 0.01,resultando 0.7611

Rpta: 0.7611

Ejm 2: Halle La Prob( |z-1.2|<1.3)

Por valor absoluto: -1.3 < z 1.2 <1.3

Despejandoz : 1.2-1.3 < z <1.2 + 1.3

Efectuando: -0.1 < z < 2.5

Por laPropiedad 3: La Prob (-0.1 < z < 2.5) = F(2.5) F(-0.1)

De la Tabla z: F(2.5) = 0.9938 y F(-0.1) = 0.4602.

Restando se obtiene:

Rpta: 0.5336

Ejm3 : Si la Prob(x>k) = 0.1635 .Determine el valor de k

A diferencia de lo 2 ejmsanteriores, aqunosindicancuantoes

laProbabilidad, pore so, se procede de modoinverso.

1. El complementoesProb(x k)= 1 0.1635 = 0.8365

2. En el sector interior de la tablaZ seubica el # 0.8365, el

Cual corresponde a un valor tabular exacto z =

26
Estandarizacin :

Si X se distribuye como una Normal :N(,2)

Entonces:

La Prob(Xx) = Prob(Z Z0) = F(Z0) , donde: Z0 = (x-)/.

Ejemplo 1.9-4:

1. 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.

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.

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.

Sol

= Monto de compra , La Distribucin de la v.a X ser Normal:

= [49,144], = 49, = 12

1.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. (3.0 p)

= [ < 3 0 < < 9] = [ < 3 ] + [0 < < 9]

0 9
= 0.3 + [ < < ] = 0.3 + [0 < < 0.75]
144 144 144

= 0.3 + [ < 0.75] [ 0] = 0.3 + 0.7734 0.5

= 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)

Sea: = Nmero de clientes para los cuales 5

= [ 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,

Nos piden la[ 4],cuyo clculo es:

[ 4] = 1 [ > 4] = 1 (5)
5
= 1 ( ) (0.3372)5 (0.6628)0 = 0.995640
5

Rpta b): 0.995640

28
DISTRIBUCIONES BIVARIADAS

Las funciones de probabilidad generadas por el comportamiento aleatorio

conjunto de dos o ms variables son llamadas distribuciones
multivariadas y se utilizan en el estudio de las relaciones existentes
entre varias variables.

1.1. Variable aleatoria bidimensional ( X, Y ).

Dado un experimento aleatorio y su espacio muestralasociado , las

funciones X, Y que asignan a cada elemento wi de , los valores X(wi),
Y(wi), respectivamente,forman la variable aleatoria bidimensional(X, Y).

1.2. Rango de una variable aleatoria bidimensional ( X, Y )

Dado un experimento aleatorio y su espacio muestralasociado , el
rango de la variable aleatoria bidimensional es el conjunto de valores
posibles de la variable aleatoria (X,Y), y es denotada por:R(X,Y)
Si R(X,Y) es un conjunto finito o infinito numerable, la variable aleatoria
bidimensional es discreta; pero, si es un conjunto no numerable, la
variable aleatoria es continua.

1.3. funcin de densidad conjunta:f(x,y)

La funcin f es una densidad conjunta de probabilidad de dos variables

aleatorias continuas si cumple con las siguientes condiciones:

f ( x, y ) 0 ( x, y ) R ( X , Y )

f ( x, y) dy dx 1

PA P (x, y) A f (x, y)dydx

A
xb y b

P xa X xb , ya Y yb f ( x, y )dydx
xa y a

1.4. funciones de probabilidad marginales de dos variables discretas :

Si f (x, y) es la funcin de probabilidad conjunta de las variables

aleatorias X, Y; luego:

f X ( x) PX x f ( x, y ) funcin de probabildad marginal de x

y RY

f y ( y) PY y f ( x, y) funcin de probabildad marginal de y

x Rx

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

1.6. funciones de probabilidad condicional de dos variables discretas:

/ 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

7. 1.7. funciones de densidades condicionales de dos variables continuas:

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)

1.8. Independencia estocstica de n variables aleatorias

Las variables aleatorias: X1 , X2 , . . . , Xn son mutuamente y

probabilsticamente independientes si y solo si la funcin de probabilidad
conjunta de las n variables es igual al producto de las funciones de
probabilidad marginal de dichas variables. es decir Si se verifica:

n
f ( x1, x2 ,, xn ) f1 ( x1 ) f 2 ( x2 ) f n ( xn ) f i ( xi )
i =1

1.9. Esperanza matemtica

Sean X1 , X2 variables aleatorias que tienen como funcin de probabilidad

conjunta f(x1 , x2 ); luego, el valor esperado o esperanza matemtica de la
variable aleatoria Xi es:

a) Si X Y son Discretas b)Si X Y son continuas

EX i xi f ( x1 , x2 ) EX i x i f ( x1 , x2 )dx1dx2 30
x1 x2


EXi = xi f x ( xi ) EXi x i f x ( xi ) dxi

xi

Propiedades de los valores esperados:

Si: X1,X2 son variables aleatorias con funcin de probabilidad conjunta

f(x1,x2); luego, se cumple:

1) Si C es una constante: E[ C ]= C

2) Si C es una constante y h(x1 ,x2) es una funcin de las

variables aleatorias: E[C.h(x1,x2) ]= C.E[h(x1,x2)]

3) Si C1, C2 son constantes y h1, h2 son 2 funciones de

las variables aleatorias X1 y X2:

2
E C h ( x , x )
i = 1 i i 1 2
2

Ci E h i ( x1 , x2 )
i = 1

1.10. MEDIDAS ESTADSTICAS

Sean X1, X2 dos variables aleatorias que tienen como funcin de

probabilidad conjunta a f(x1, x2); luego, la media y variancia de la variable
aleatoria Xi es:

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

4. Var(aX + bY + c) = a2VarX + b2VarY + 2abCov(X,Y)

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:

El precio de dos artculos X, Y ( en decenas de nuevos soles), son variables

aleatorias cuyo comportamiento conjunto esta definido por la siguiente funcin
de densidad:

(6 x y) /8 si: 0<x<y , 0<y<2

f(x,y) =
0 de otro modo

Halle el valor del coeficiente de correlacin entre las variables X e Y.

Solucin

1 . Las funciones de densidad marginales de X, y de Y son

a) Para hallar la densidad marginal de X se debe obtener:

f X ( x) f ( x, y )dy

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

b) Para hallar la densidad marginal de Y

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

Pero La regin del espacio muestral es:

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

Obteniendo el resultado siguiente:

12 y 3 y 2
, si 0 y2
() = 16
0 , de otro modo

2. Clculo de las Medidas Estadsticas:

33

3x 2 16 x 20
2
7
1. Media de X: E[X] x f

X ( x) dx
0
x
16
dx
12

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,

a) Halle la funcin de probabilidad acumulativa. (3p)

b) Halle e interprete el valor del coeficiente de asimetra de Pearson.(3p)

c) Suponga que el aumento de peso (en gramos) por ingestin de bebidas

gaseosas es una variable aleatoria definida por:

= () = 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.

c.2) Si se eligen al azar y con reemplazo 5 habitantes del distrito TOP,

halle la probabilidad de que dos de ellos muestren un aumento de
peso de 5 gramos; que dos de los restantes muestren un aumento de
peso 15 gramos, y que la otra persona no aumente de peso.

Solucin:

a) Si 0 < 4 36

7 1 2 14 2
() = () = 0 20 = (7 )| =
20 2 0 40

Por lo tanto; F(x) es:

= 0, , < 0

(14 2 )
() = 40 , 0 < 4
=1 , > 4

b) Halle e interprete el coeficiente de asimetra de Pearson. (3.0p)

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

14(14)2 (4)(1)(20) 14116 14116

= = = = 1.614835
2 2 2

3( ) 3(1.7333331.614835)
= = = 0.31642
1.262222

c) Suponga que el aumento de peso (en gramos) por ingestin de bebidas

gaseosas es una variable aleatoria definida por:

= () = 0, 0 < < 1

= 5, 1 < 0.5

= 10, 0.5 < 0.9

= 15, 0.9

Determine la funcin de probabilidad acumulativa de la variable Y. (2.5 p)

(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

(15) = [ = 15] = [ 0.9 ] = 0.1

La tabla de Probabilidad ser

0 5 10 15
() 0.325 0.175 0.4 0.1

La Funcin acumulativa es:

0, < 0

0.325, 0 < 5

H(y) = 0.5, 5 < 10

0.9, 10 < 15

1, 15

c.2) Si se eligen al azar y con reemplazo 5 habitantes del distrito TOP,

halle la probabilidad de que dos de ellos muestren un aumento de peso de
5 gramos; que dos de los restantes muestren un aumento de peso 15
gramos, y que la otra persona no aumente de peso. (2.5 p)

Solucin:

Sea B={dos personas tienen un aumento de peso de 5 gramos, 2

personas tienen un aumento de peso de 15 gramos, y una persona no
aumenta de peso}

[] = [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.

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.

Solucin:

= Monto de compra = [49,144], = 49, = 12

3.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 s
soles.(3.0 p)

= [ < 3 0 < < 9] = [ < 3 ] + [0 < < 9]

0 9
= 0.3 + [ < < ] = 0.3 + [0 < < 0.75]
144 144 144
= 0.3 + [ < 0.75] [ 0] = 0.3 + 0.7734 0.5

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:

Sea: = Nmero de clientes para los cuales: 5

Clculo de la probabilidad de xito:

= [ 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

[3.2, 0.25], = 3.2, = 0.5

2.83.2
= [ < 2.8] = [ < ] = [ < 0.8] = .
0.5

4.b) Sea ={ Nmero de artculos en los que < }

3
= [ < ] = [ < 3] = 1 3 = 0.632121
[4, 0.632121]
Sea = { Nmero de artculos en los que <
[3.2.0.25], = 3.2, = 0.5

= [ < ] = [ < 3.2] = 0.5

[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.

Sol. = , [6, (0.9)2 ], = 6, = 0.9

Sea W = {Utilidad obtenida con la atencin de un cliente}

La Tabla de Probabilidad para W ser:

X < 4.5 4.5 6.5 > 6.5

W 14 7 2
h(w) 0.0475 0.6648 0.2877

Pero: (14) = [ = 14] = [ < 4.5]

Estandarizando:
4.55.0
= [ < ] = [ < 1.67] = .
0.9

Tambin: (2) = [ = 2] = [ > 6.5]

Estandarizando:

6.56.0
= 1 [ < ] = 1 [ < 0.56] = 1 0.7123 = .
0.9
Adems:

(7) = 1 (14) (2) = 1 0.0475 0.2877 = .

Se sabe que: 41
 [] = () = (14)(0.0475) + (7)(0.6648) + (2)(0.2877) = 5.894
Tambin:

[ 2 ] = 2 () = (14)2 (0.0475) + (7)2 (0.6648) + (2)2 (0.2877 = 43.36

2
Pero: = [ 2 ]
2
= 43.036 (5.894)2 = .

6. En un estudio realizado en una universidad, sobre el tiempo de vida (en aos)

de 3 tipos de equipo de comunicacin de datos (Tipo A, Tipo B, Tipo C) se
determin que el tiempo de vida de de los equipos Tipo A tiene como funcin
de probabilidad:

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.

a) Determine el coeficiente de variabilidad de los tiempos de vida de los equipos

Tipo A. Interprete el valor obtenido.

b) Halle el valor del percentil 90 de la distribucin de los tiempos vida de los

equipos Tipo A. Interprete el valor obtenido.

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.

e) Si se eligen al azar y con reemplazo cuatro equipos Tipo C halle la probabilidad

de que al menos dos de ellos superen a la media de su distribucin en menos
de 1.5 aos.
42
f) Si se eligen al azar y con reemplazo dos equipos, de cada tipo, halle la
probabilidad de que al menos uno de ellos tenga un tiempo de viada que es
inferior a la media de su distribucin en menos de 0.8 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 media se calcula como:

14
= [ ] = = 4.666667
3

La variancia es:
14 2 49
2 = [2 ] 2 = 24.5 ( ) = = 2.722222
3 18

El coeficiente de variacin es:

2.722222
= 100 = 35.3553%
4.666667

Interpretacin:

El tiempo de vida de los equipos tipo A, tiene una distribucin muy

Variable.

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) = [ 20] = [ 1 ] = 0.25

52 24
(50) = [ = 50] = [ > 5] = 1 [ 5] = 1 = = 0.489796
49 49
24
(30) = 1 (20) (50) = 1 0.25 = 0.260204
49
Su Tabla de Probabilidades ser:

-20 30 50
( ) 0.25 0.260204 0.489796

Sea: W=Nmero de equipos en los que: 35

W tiene una distribucin Binomial, donde:

3
() = ( ) (0. 489769) (0.510204)3 , = 0,1,2,3

Nos piden: [ 2] = (2) + (3)

3 3
= ( ) (0.489796)2 (0.510204)1 + ( ) (0.489796)3 (0.510204)0
2 3

d) [4, (1.2)2 ], = 4, = 1.2

[ < 5 2.8] [2.8 < 5]

[ < 5 2.8] = =
[ 2.8] [ 2.8]
[2.8 < 5] = [ < 5] [ < 2.8] 44
 54 2.8 4
= [ < ] [ < ]
1.2 1.2

= [ < 0.83] [ < 1.0]

= 0.7967 0.1587

= 0.638

2.8 4
[ 2.8] = 1 [ < 2.8] = 1 [ < ]
1.2

= 1 [ < 1.0] = 1 0.1587 = 0.8413

0.638
[ < 5 2.8] = ) = 0.75835
0.8413

e)
1
( ) = 5 , > 0
5

= 0, 0

Sea W=Nmero de equipos en los que 0 < 5 < 1.5

= [0 < 5 < 1.5] = [5 < < 6.5] = [ < 6.5] [ 5]

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]

= [ < 4.666667] [ 3.866667] 45

 (4.666667)2 (3.866667)2
=
49 49

= 0.139320

= [0.8 < 4 < 0] = [3.2 < < 4]

= [ < 4] [ 3.2]

44 3.2 4
= [ < ] [ ]
1.2 1.2

= [ < 0] [ 0.67]

= 0.5 0.2514

= 0.2486

= [0.8 < 5 < 0] = [4.2 < < 5] = [ < 5] [ 4.2]

5 4.2 4.2 5
= {1 5} {1 5} = 5 5

= 0.063831

= [ ]

= 1 [ ]

= 1 [ . , ]

= 1 [ ][ ][ ]

1 (1 0.13932)2 (1 0.2486)2 (1 0.063831)2

7. El gasto mensual (en soles) por mantenimiento de un equipo es una variable

aleatoria con distribucin Normal con una media de 250 soles; adems el
85.08% de las veces este gasto es a lo ms 276 soles. Se pide hallar:

a) La probabilidad de que el gasto en un determinado mes sea de a lo ms

230 soles o por lo menos 260 soles. 46
 b) Si se eligen al azar 6 meses, halle la probabilidad de que en ms de dos de
ellos se tenga un gasto que difiera de la moda de su distribucin en no ms
de una desviacin estndar.

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

a) = [ < 230 260] = [ < 230] + [ 260]

230 250 260 250
= [ < ] + 1 [ < ]
25 25
= [ < 0.8] + 1 [ < 0.4]
= 0.2119 + 1 0.6554
= 05 .5565

b) W= Nmero de meses en los que: | | <

[6, ]

= [| | ] = [ ]

= [1 ] = [1 1] = [ 1] [ < 1]

= 0.8413 0.1587 = 0.6826

La funcin de probabilidad Binomial ser:

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

8. Suponga que la demanda semanal de un producto (en TM) se distribuye

normalmente con una media de 20 TM y una desviacin estndar de 5 TM.
47
a) Cul es el porcentaje de semanas, en las que la demanda ser mayor a 25 TM
si se sabe que ser menor a 27 TM?

b) Suponga que la demanda semanal es de categora A, si sta es mayor que su

media en ms de dos desviaciones estndares. Es de categora B, si la demanda
semanal difiere de su media en dos desviaciones estndares o menos; y es de
categora C, en otro caso. Para las prximas 5 semanas, cul es la probabilidad
de que 4 de ellas sean de categora A y una de categora B?

Solucin:
a)
X = Demanda semanal de un producto TM. X ~ N[20,5]

[ > 25 < 27] [25 < < 27]

[ > 25 < 27] = =
[ < 27] [ < 27]

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

Q={ En 5 semanas, 4 son de categora A, y en una es de categora B}

5
[] = 4,1 []4 []1 = (5)(0. 0228)4 (0.9544) = 0.00000129

9. Suponga que se realiza un estudio sobre el tiempo de atencin de los clientes

de un establecimiento (X, en minutos), y el costo de atencin delos clientes
(Y, en decenas de nuevos soles). Si las antes mencionadas variables se
distribuyen conjuntamente segn:

1
(, ) = , 0 , + 6
9
= 0, . 48
 [] = 3, [ 2 ] = 10.5, [] = 1

a) Cul es el valor de la covariancia? Justifique su respuesta. Qu nos indica el

valor de la covariancia?

b) Si se seleccionan al azar y con reemplazo tres clientes, halle la probabilidad de

que uno de ellos tenga un costo de atencin mayor que 10 nuevos soles, y un
tiempo de atencin mayor que 4 minutos.

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

W= Nmero de clientes en los que Y>1 y X>4

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.

a) Si se selecciona al azar un artculo, halle la probabilidad de que su peso supere

al segundo decil de la distribucin, y que sea no mayor de 210 gramos.

b) Si el costo de produccin del artculo est determinado por Y= 4 + 0.25 X (en

nuevos soles). Halle la probabilidad que al elegir al azar y con reemplazo dos
artculos, solamente uno de ellos tenga un costo de produccin superior a la moda
de la distribucin de los costos.

Solucin:

a) X= Peso de un artculo [200, 100]

210 200
[2 < 210] = [ 210] [ 2 ] = [ ] 0.2
10
= [ 1] 0.2 = 0.8413 0.2 = 0.6413

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

11. En un supermercado, se realiza un estudio sobre la cantidad de jugo (X, en

decenas de mililitros), que es obtenido, de naranjas con similares
caractersticas en cuanto a tamao, cosecha, etc. Los resultados del estudio
se utilizarn para determinar las naranjas ms apropiadas para vender su jugo
fresco, que sern envasadas, inmediatamente, en botellas plsticas. Si la
variable en estudio, se distribuye segn la Uniforme con parmetros 3 y 8;
determine la probabilidad de que, si se eligen al azar dos naranjas, las dos
produzcan una cantidad de jugo que supere a la media de su distribucin en
ms de 5 mililitros.

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

12. Suponga que la cantidad diaria de lenguado que se utiliza en un

establecimiento venta de comida marina (X, en Kgs.) se distribuye
normalmente con media 30 y desviacin estndar 10; mientras que la cantidad
diaria de corvina (Y, en Kgs.), que se utiliza en el mismo establecimiento, se
distribuye segn la exponencial con parmetro 20. Ambas variables se
consideran independientes.

a) Si se selecciona al azar un da, halle la probabilidad de que la cantidad de

lenguado que se utilice en el establecimiento difiera de la mediana de su
distribucin en menos de 1 Kg., o que la cantidad de corvina que se utilice en el
establecimiento sea inferior a la media de su distribucin en ms de 0.5 Kgs.

b) Suponga que la utilidad neta diaria est en funcin de la cantidad de lenguado

utilizado est expresada por G = 80 X 27. Determine los valores de la media y
el coeficiente de variabilidad de la distribucin de la utilidad neta diaria por la
cantidad de lenguado utilizado.

Solucin

X=Cantidad de lenguado [30, (10)2 ]

Y= Cantidad de corvina [20]

a. [| | < 1 < 0.5] = [| | < 1] + [ < 0.5]

[| |1 < 0.5]

[| | < 1] = [| | < 1] = [1 < < 1]

1 1
= [ < < =] [0.1 < < 0.1]
10 10
= [ < 0.1] [ +0.1] = 0.5398 0.4602 = 0.0796
[ < 0.5] = [ < 0.5] = [ < 20 0.5] = [ < 19.5]
= 1 19.5/20 = 0.622808
[| | < 1 < 0.5]
= 0.0796 + 0.622808 (0.0796)(0.622808) = 0.652832

b. [] = [80 27] = 80[] 27 = (80)(30) 27 = 2373 51

 [] = [80 27] = (80)2 [] = (80)2 (100) = 640,000
640,00 800
= 100 = 100 = 33.71%
2373 2373

0.24411483

13. Se proporciona la siguiente tabla de probabilidad conjunta de las variables

aleatorias X e Y.

-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

a) Probar si son independientes las variables X e Y.

b) Halle la variancia de la distribucin condicional de X cuando Y=0.
c) Halle el valor del coeficiente de correlacin.

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

52 Prof:Mile Len Meza