Universidad de La Serena. /Octubre 2011.

TRABAJO DE
PROBABILIDAD
Y
ESTADISTICAS
PROFESOR: Ken Matsuda Oteiza.
NOMBRE: Angelo Ramos R.
CARRERA: 2514
AO: 2011.
1)
Muest
ra
Promedi
o
Varianza
muestral Poblacin
Varianza poblacional
del promedio
Varianza muestral del
promedio
39 37 12 33 12,123 12,14117647
42 38 21 48
48 40 57 57
48 40 57 48
Desviacin estndar
poblacional
Desviacin estndar
muestral
48 40 57 51 6,92123 3,464101615
51 41 84 39 4,582575695
51 41 84 42 7,549834435
57 43 156 39 7,549834435
42 38 21 48 7,549834435
48 40 57 51 9,16515139
48 40 57 9,16515139
48 40 57
Varianza
poblacional 12,489996
51 41 84 47,01 4,582575695
51 41 84 7,549834435
57 43 156 7,549834435
48 41 57 7,549834435
48 41 57 9,16515139
48 41 57 9,16515139
51 42 81 12,489996
51 42 81 7,549834435
57 44 147 7,549834435
48 43 75 7,549834435
48 43 75 9
51 44 93 9
51 44 93 12,12435565
57 46 147 8,660254038
48 43 75 8,660254038
51 44 93 9,643650761
51 44 93 9,643650761
57 46 147 12,12435565
51 44 93 8,660254038
51 44 93 9,643650761
57 46 147 9,643650761
51 45 108 12,12435565
57 47 156 9,643650761
57 47 156 9,643650761
42 40 3 12,12435565
48 42 27 10,39230485
48 42 27 12,489996
48 42 27 12,489996
51 43 48 1,732050808
51 43 48 5,196152423
57 45 108 5,196152423
48 43 21 5,196152423
48 43 21 6,92820323
48 43 21 6,92820323
51 44 39 10,39230485
51 44 39 4,582575695
57 46 93 4,582575695
48 45 27 4,582575695
48 45 27 6,244997998
51 46 39 6,244997998
51 46 39 9,643650761
57 48 81 5,196152423
48 45 27 5,196152423
51 46 39 6,244997998
51 46 39 6,244997998
57 48 81 9
51 46 39 5,196152423
51 46 39 6,244997998
57 48 81 6,244997998
51 47 48 9
57 49 84 6,244997998
57 49 84 6,244997998
48 43 21 9
48 43 21 6,92820323
48 43 21 9,16515139
51 44 39 9,16515139
51 44 39 4,582575695
57 46 93 4,582575695
48 45 27 4,582575695
48 45 27 6,244997998
51 46 39 6,244997998
51 46 39 9,643650761
57 48 81 5,196152423
48 45 27 5,196152423
51 46 39 6,244997998
51 46 39 6,244997998
57 48 81 9
51 46 39 5,196152423
51 46 39 6,244997998
57 48 81 6,244997998
51 47 48 9
57 49 84 6,244997998
57 49 84 6,244997998
48 46 12 9
48 46 12 6,92820323
51 47 21 9,16515139
51 47 21 9,16515139
57 49 57 3,464101615
48 46 12 3,464101615
51 47 21 4,582575695
51 47 21 4,582575695
57 49 57 7,549834435
51 47 21 3,464101615
51 47 21 4,582575695
57 49 57 4,582575695
51 48 27 7,549834435
57 50 57 4,582575695
57 50 57 4,582575695
48 48 0 7,549834435
51 49 3 5,196152423
51 49 3 7,549834435
57 51 27 7,549834435
51 49 3 0
51 49 3 1,732050808
57 51 27 1,732050808
51 50 3 5,196152423
57 52 21 1,732050808
57 52 21 1,732050808
51 49 3 5,196152423
51 49 3 1,732050808
57 51 27 4,582575695
51 50 3 4,582575695
57 52 21 1,732050808
57 52 21 1,732050808
51 50 3 5,196152423
57 52 21 1,732050808
57 52 21 4,582575695
57 53 12 4,582575695
45,6 1,732050808
4,582575695
4,582575695
3,464101615
i i i
1 33 48 57 46,0 147 12,124
2 33 48 48 43,0 75 8,660
3 33 48 51 44,0 93 9,644
4 33 48 39 40,0 57 7,550
5 33 48 42 41,0 57 7,550
6 33 48 39 40,0 57 7,550
7 33 48 48 43,0 75 8,660
8 33 48 51 44,0 93 9,644
9 33 57 48 46,0 147 12,124
10 33 57 51 47,0 156 12,490
11 33 57 39 43,0 156 12,490
12 33 57 42 44,0 147 12,124
13 33 57 39 43,0 156 12,490
14 33 57 48 46,0 147 12,124
15 33 57 51 47,0 156 12,490
16 33 48 51 44,0 93 9,644
17 33 48 39 40,0 57 7,550
18 33 48 42 41,0 57 7,550
19 33 48 39 40,0 57 7,550
20 33 48 48 43,0 75 8,660
21 33 48 51 44,0 93 9,644
22 33 51 39 41,0 84 9,165
23 33 51 42 42,0 81 9,000
24 33 51 39 41,0 84 9,165
25 33 51 48 44,0 93 9,644
26 33 51 51 45,0 108 10,392
27 33 39 42 38,0 21 4,583
28 33 39 39 37,0 12 3,464
29 33 39 48 40,0 57 7,550
30 33 39 51 41,0 84 9,165
31 33 42 39 38,0 21 4,583
32 33 42 48 41,0 57 7,550
33 33 42 51 42,0 81 9,000
34 33 39 48 40,0 57 7,550
35 33 39 51 41,0 84 9,165
36 33 48 51 44,0 93 9,644
37 48 57 48 51,0 27 5,196
38 48 57 51 52,0 21 4,583
39 48 57 39 48,0 81 9,000
40 48 57 42 49,0 57 7,550
41 48 57 39 48,0 81 9,000
42 48 57 48 51,0 27 5,196
43 48 57 51 52,0 21 4,583
44 48 48 51 49,0 3 1,732
45 48 48 39 45,0 27 5,196
46 48 48 42 46,0 12 3,464
47 48 48 39 45,0 27 5,196
48 48 48 48 48,0 0 0,000
49 48 48 51 49,0 3 1,732
50 48 51 39 46,0 39 6,245
51 48 51 42 47,0 21 4,583
52 48 51 39 46,0 39 6,245
53 48 51 48 49,0 3 1,732
54 48 51 51 50,0 3 1,732
55 48 39 42 43,0 21 4,583
56 48 39 39 42,0 27 5,196
57 48 39 48 45,0 27 5,196
58 48 39 51 46,0 39 6,245
59 48 42 39 43,0 21 4,583
60 48 42 48 46,0 12 3,464
61 48 42 51 47,0 21 4,583
62 48 39 48 45,0 27 5,196
63 48 39 51 46,0 39 6,245
64 48 48 51 49,0 3 1,732
65 57 48 51 52,0 21 4,583
66 57 48 39 48,0 81 9,000
67 57 48 42 49,0 57 7,550
68 57 48 39 48,0 81 9,000
69 57 48 48 51,0 27 5,196
70 57 48 51 52,0 21 4,583
71 57 51 39 49,0 84 9,165
72 57 51 42 50,0 57 7,550
73 57 51 39 49,0 84 9,165
74 57 51 48 52,0 21 4,583
75 57 51 51 53,0 12 3,464
76 57 39 42 46,0 93 9,644
77 57 39 39 45,0 108 10,392
78 57 39 48 48,0 81 9,000
79 57 39 51 49,0 84 9,165
80 57 42 39 46,0 93 9,644
81 57 42 48 49,0 57 7,550
82 57 42 51 50,0 57 7,550
83 57 39 48 48,0 81 9,000
84 57 39 51 49,0 84 9,165
85 57 48 51 52,0 21 4,583
86 48 51 39 46,0 39 6,245
87 48 51 42 47,0 21 4,583
88 48 51 39 46,0 39 6,245
89 48 51 48 49,0 3 1,732
90 48 51 51 50,0 3 1,732
91 48 39 42 43,0 21 4,583
92 48 39 39 42,0 27 5,196
93 48 39 48 45,0 27 5,196
94 48 39 51 46,0 39 6,245
95 48 42 39 43,0 21 4,583
96 48 42 48 46,0 12 3,464
97 48 42 51 47,0 21 4,583
98 48 39 48 45,0 27 5,196
99 48 39 51 46,0 39 6,245
10 48 48 51 49,0 3 1,732
0
10
1 51 39 42 44,0 39 6,245
10
2 51 39 39 43,0 48 6,928
10
3 51 39 48 46,0 39 6,245
10
4 51 39 51 47,0 48 6,928
10
5 51 42 39 44,0 39 6,245
10
6 51 42 48 47,0 21 4,583
10
7 51 42 51 48,0 27 5,196
10
8 51 39 48 46,0 39 6,245
10
9 51 39 51 47,0 48 6,928
11
0 51 48 51 50,0 3 1,732
11
1 39 42 39 40,0 3 1,732
11
2 39 42 48 43,0 21 4,583
11
3 39 42 51 44,0 39 6,245
11
4 39 39 48 42,0 27 5,196
11
5 39 39 51 43,0 48 6,928
11
6 39 48 51 46,0 39 6,245
11
7 42 39 48 43,0 21 4,583
11
8 42 39 51 44,0 39 6,245
11
9 42 48 51 47,0 21 4,583
12
0 39 48 51 46,0 39 6,245

45,6 52
2,77923565
1

61 48 42 51 47,0
4,58257569
5
62 48 39 48 45,0
5,19615242
3
63 48 39 51 46,0
6,24499799
8
64 48 48 51 49,0
1,73205080
8
65 57 48 51 52,04,58257569
5
66 57 48 39 48,0 9
67 57 48 42 49,0
7,54983443
5
68 57 48 39 48,0 9
69 57 48 48 51,0
5,19615242
3
70 57 48 51 52,0
4,58257569
5
71 57 51 39 49,09,16515139
72 57 51 42 50,0
7,54983443
5
73 57 51 39 49,09,16515139
74 57 51 48 52,0
4,58257569
5
75 57 51 51 53,0
3,46410161
5
76 57 39 42 46,0
9,64365076
1
77 57 39 39 45,0
10,3923048
5
78 57 39 48 48,0 9
79 57 39 51 49,09,16515139
80 57 42 39 46,0
9,64365076
1
81 57 42 48 49,0
7,54983443
5
82 57 42 51 50,0
7,54983443
5
83 57 39 48 48,0 9
84 57 39 51 49,09,16515139
85 57 48 51 52,0
4,58257569
5
86 48 51 39 46,0
6,24499799
8
87 48 51 42 47,0
4,58257569
5
88 48 51 39 46,0
6,24499799
8
89 48 51 48 49,0
1,73205080
8
90 48 51 51 50,0
1,73205080
8
91 48 39 42 43,0
4,58257569
5
92 48 39 39 42,0
5,19615242
3
93 48 39 48 45,0
5,19615242
3
94 48 39 51 46,0
6,24499799
8
95 48 42 39 43,0
4,58257569
5
96 48 42 48 46,0
3,46410161
5
97 48 42 51 47,0
4,58257569
5
98 48 39 48 45,0
5,19615242
3
99 48 39 51 46,0
6,24499799
8
100 48 48 51 49,0
1,73205080
8
101 51 39 42 44,0
6,24499799
8
102 51 39 39 43,06,92820323
103 51 39 48 46,0
6,24499799
8
104 51 39 51 47,06,92820323
105 51 42 39 44,0
6,24499799
8
106 51 42 48 47,0
4,58257569
5
107 51 42 51 48,0
5,19615242
3
108 51 39 48 46,0
6,24499799
8
109 51 39 51 47,06,92820323
110 51 48 51 50,0
1,73205080
8
111 39 42 39 40,0
1,73205080
8
112 39 42 48 43,0
4,58257569
5
113 39 42 51 44,0
6,24499799
8
114 39 39 48 42,0
5,19615242
3
115 39 39 51 43,06,92820323
116 39 48 51 46,0
6,24499799
8
117 42 39 48 43,0
4,58257569
5
118 42 39 51 44,0
6,24499799
8
119 42 48 51 47,0
4,58257569
5
120 39 48 51 46,0
6,24499799
8

46,9
2,19119397
4

2.
a)- La relacin que existe entre la media poblacional y la media de las muestras
es que son casi similares, lo que podemos ver es que su diferencia de dcimas
se debe que para la media poblacional se considero el total de la poblacin
N=10 a diferencia de la media de las muestras puesto que cada una es de
tamao 3 N= 3 dejando un dato no considerado para el calculo de medias y
varianzas.
b) La relacin que existe es: que si se seleccionan muestras aleatorias de
n

observaciones de una poblacin con media
X

y de desviacin estndar
/
X
n
X

, entonces cuando
n
es grande, la distribucin muestral de medias
tendr aproximadamente una distribucin normal con una media igual a
X

y
una desviacin estndar de
/
X
n
. La aproximacin ser cada vez mas
exacta a media de que
n
sea cada vez mayor.
Ejemplo
Para la distribucin muestral de medias del ejercicio pasado, encuentre:
a. El error muestral de cada media
b. La media de los errores mustrales
c. La desviacin estndar de los errores mustrales.
Solucin:
a. En la tabla siguiente se ven las muestras, las medias de las muestras y los errores
mustrales:
Muestra x
Error muestral, e=x-
(0,0) 0 0 - 3 = -3
(0,2) 1 1 - 3 = -2
(0,4) 2 2 - 3 = -1
(0,6) 3 3 3 = 0
(2,0) 1 1 3 = -2
(2,2) 2 2 3 = -1
(2,4) 3 3 3 = 0
(2,6) 4 4 3 = 1
(4,0) 2 2 3 = -1
(4,2) 3 3 3 = 0
(4,4) 4 4 3 = 1
(4,6) 5 5 3 = 2
(6,0) 3 3 3 = 0
(6,2) 4 4 3 = 1
(6,4) 5 5 3 = 2
(6,6) 6 6 3 = 3
b. La media de los errores mustrales es e, es:
c. La desviacin estndar de la distribucin de los errores mustrales
e, es entonces:
La desviacin estndar de la distribucin muestral de un estadstico se conoce como error
estndar del estadstico. Para el ejercicio anterior el error estndar de la media denotado
por x, es 1.58. Con esto se puede demostrar que si de una poblacin se eligen muestras de
tamao n con reemplazo, entonces el error estndar de la media es igual a la desviacin
estndar de la distribucin de los errores mustrales.
En general se tiene:
Cuando las muestras se toman de una poblacin pequea y sin reemplazo, se puede usar la
formula siguiente para encontrar x .
Donde es la desviacin estndar de la poblacin de donde se toman las muestras, n es el
tamao de la muestra y N el de la poblacin.
Como regla de clculo, si el muestreo se hace sin reemplazo y el tamao de la poblacin es al
menos 20 veces el tamao de la muestra (N 20), entonces se puede usar la frmula.
El factor se denomina factor de correccin para una poblacin finita.
3.-
a) FORMULARIO:
Funciones de probabilidad (X):
(i) Funcin de masa de probabilidad- fmp:
Propiedades: a) f ( ) x 0
b)

x
fx
(x) =1
(ii) Funcin de densidad de probabilidad- fdp:
Propiedades: a) f ( ) x 0
b) ( )dx x f

+

=1
Nota: cuando fx (
x
) 0 , al conjunto de valores q puede tomar x se les llamar soporte de
la variable.
(iii) Funcin de distribucin acumulada-fda:
F (
x
)= P (
x
) = ( )
x
f t dt

( )
t x
f t

si es discreta.
En el caso de q sea continua seria ( )
x
f t dt

.
-Percentiles o Cuantil 1-

:
F ( ) x

= P( ) x

= 1 -

-Valor esperado. Esperanza matemtica o valor medio:

E ( ) ( )
h
= ( )
h

en el caso q sea caso directo seria ( ) ( )
h
( ) ( ) h x fx x

, al caso
continuo Quedara as;
( ) ( ) f x fx x dx

.
-Varianza:
V ( ) ( )
h
=
( )
2
h

= E ( ( ) ( )
h
- ( )
h

)
-Desviacin estndar:
( ) h

( ) h

=
( ) ( )
V h X
FUNCION GENERADORA DE MOMENTOS:
M ( )
X
t
= E
t
e

-Momentos de una variable aleatoria:

a) momento con respecto al origen:
k

= E ( )
( )
k
X

b) momento con respecto a la media: M ( )
X
t
= E
t
e

.TEOREMA: Generacin de momentos alrededor del origen
Si M ( )
X
t es una fgm entonces:
( )
0
|
k
t k
d M t
dt

= ( ) 0 , 0,1, 2...
k
x k
M k
ESTADISTICA MULTIVARIADA.
Funciones de probabilidad:
Caso discreto funcin de masa de probabilidad conjunta fmpc
( ) ( ) , ,
XY
P X x Y y f x y
Caso continuo funcin de densidad de probabilidad conjunta fdpc
( ) ( ) ( )
,
, ,
X Y
A
P X Y A f x y dA

NOTA: caso univariado: ( ) ( )

,
, , 0
X Y
f x y P X x Y y
Soporte Conjunto:
Sean , X Y v.a. con fps ( ) ,
XY
f x y , su soporte conjunto, , es el conjunto de valores de
, x y
(subconjunto de
2

) tales que ( ) , 0
XY
f x y > .
TEOREMA: Propiedades de una fpc :
i) ( ) ( )
2
, 0, ,
XY
f x y x y
a)
( )
( ) ,
, 1
XY
x y
f x y

, caso directo.
ii)
b) ( ) , 1
XY
f x y d

, caso continuo.
Funciones de probabilidad marginal:
Sean , X Y v.a. con fpc ( ) ,
XY
f x y .las funciones de probabilidad marginales de X y Y se
definen, respectivamente:
Caso discreto

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

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

Caso continuo

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

( ) ( ) ,
Y XY
y X
f y f x y dx

Funcin de probabilidad condicional:

Sean , X Y v.a ( ) F x . . Con fpc ( ) ,
XY
f x y . Las funciones de probabilidad condicionales de
X , dado Y =
y
;
y
de Y , dado X =
x
, son respectivamente:
( )
( )
( )
,
|
,
|
y
X Y
X
Y
f x y
f x y
f y
( )
( )
( )
,
|
,
|
y
X Y
X
Y
f x y
f x y
f y

Independencia de variables aleatorias:
( ) ( )
|
|
y
X X
f x f x y
( ) ( )
|
|
x
Y Y
f y f y x
Valor esperado, conjunto:
( ) ( ) ( )
( )
( )
,
,
, , ,
X Y
x y
E h X Y h x y f x y

, en el caso de que sea directo

O en el caso contrario continuo quedara as
( ) ( )
,
, ,
X Y
h x y f x y d

.
Propiedades:
i)
aX X Y
b
t
t
ii) si X y Y son independientes:
( )
XY X Y
a
( )
( )
( ) ( )
X Y X Y t
b M M t M t
+

Propiedades del valor esperado conjunto 2:
( )
1 1
i
n n
i i i X
i i
i E a X a

_

,

( )
1
, ,
n
ii X X K Son independientes y
1
n
i i
i
Y a X

entonces: ( ) ( )
1
i
n
Y X
i
M t M at

Covarianza:
( ) ( ) ( ) ( )
,
ov ,
X Y X Y
C X Y E X Y
Propiedades de la Varianza y la Covarianza:
( )
, X Y XY X Y
i
( )
, , aX bY X Y
ii ab
( )
2 2 2 2 2
,
2
aX bY X Y X Y
iii a b ab
t
+ t
( ) iv Si X e Y son independientes entonces
,
0
X Y

.
Propiedades de la Varianza y la Covarianza-2:
,
1
2
1 1 1 1
2
i i j
n n n n
i i X X Y
i i i j i
V a X

+
_
+

,

DISTRIBUCIONES COMUNES:
Proceso Binomial:
Un proceso binomial es aquel que satisface las siguientes condiciones:
(i) Consta de k ensayos independientes, es decir, el resultado de un
ensayo, no afecta a ninguno de los otros.
(ii) En cada ensayo solo hay dos posibles resultados: xito o fracaso; la
probabilidad de xito se denota por , por lo tanto, la probabilidad
de fracaso esta dada por 1-
(iii) La probabilidad de xito, , es constante en todos los ensayos.
Distribucin binomial:
Considere un proceso binomial. Considere la variable aleatoria:
X Nmero de xitos en los k ensayos realizados.
Se dice entonces ( ) , X B k y :
( ) ( ) ( )
1 , 0,1, 2,...,
k x k x
X x
f x x k


Distribucin binominal negativa:
Considere un proceso binomial. Considere la variable aleatoria:
Y Nmeros de ensayos requeridos para obtener r xitos
Se dice entonces que el ( ) ,
N
Y B r y :
( ) ( ) ( )
1
1
1 , , 1,...
y r
y r
Y r
f y y r r

+
Teorema:
Si ( ) ,
N
Y B r : entonces:
Y
r

Distribucin Geomtrica:
Si ( ) 1,
N
Y B : entonces se dice que ( ) Y G : y
1
Y

( )
2
2
1
1
Y

Distribucin Hper Geomtrica:
( ) , , X HG N M n :
( )
( ) ( )
( )
( ) } } { {
.
, max 0, . ,..., min ,
M N M
x n x
X
N
n
f x x n N M n M

Teorema:
Sea ( ) , , X HG N M n : entonces:
X
M
n
N


( )
( )
, , 0,1,...
!
x
t
X
t e
f x y x
x

Distribucin de Poisson:
( )
( )
, , 0,1,...
!
x
t
X
t e
f x y x
x

Teorema: fgm de la Distribucin de Poisson:
( )
( ) ( )
1
,
w
t e
X
M w e w


Media y Varianza de la Distribucin de Poisson:
( )
2
( )
( )
X
X
X
i t
ii t
iii t

Distribucin uniforme continua:

0 1 0 1
1 0
1
( ) , ; ,
X
f x x

< <

Distribucin normal:
2
1
2
1
( ) ,
2
x
X
f x e x

,
< < +
Distribucin normar estndar:
2
/ 2
1
( ) ( ) ,
2
z
z
f z z e x

< < +
Fgm de la Distribucin normal:
2
/ 2
( ) ( ) , .
t
Z
i M t e t
2
/ 2
( ) ( ) , .
t t
X
ii M t e t
+

Aproximacin de la fda normal estndar:
2 3 4 5
1 2 3 4 5
0
( ) ( )( )
1
1
z z b t b t b t b t b t
t
b z
+ + + +

+
b) Ejemplos:
1) suponga que la funcin de masa de probabilidad de X esta dada por
{
1, 2 , 3 , 4
0 m o d
( )
c x x
d e o t r o o
P x

Donde C es una constante. Determine el valor de la

constante C para que P(x) sea una funcin de masa de probabilidad.
SOLUCION:
( ) 1 1 2 3 4 1
10 1
1/10
x
p x c c c c
c
c

+ + +

C=0,1
Dado el valor de c obtenemos los siguientes valores de probabilidades.
( 1) 0,1 0.1 ( 3) 0.3
( 2) 0,1 0.2 ( 4) 0.4
P X x P X
P X x P X


Fuente: http://www.slideshare.net/yaritza_ing/funcin-de-masa-de-probabilidad-mediante-frmula
____________________________________________________________________________
2) Dada la funcin de densidad:
{
0 1
,
( , )
k y x
X Y o e n e l r e s t o
f x y

Obtener k para q
,
( , )
X Y
f x y
sea funcin de densidad.
Solucin:
Para calcular el valor de la constante k que hace que el volumen sea 1:
1
1 1 2
1
0
0 0 0
0 0
[ ] 1
2 2
2
x x
x k
k dydx k y dx k xdx k
k
1

1
]

Fuente: http://www.emp.uva.es/inf_acad/hermer/estad2/material/e2p_resueltos.pdf
_____________________________________________________________________
3) Hallar la funcin de distribucin para la variable aleatoria del Ejemplo 2.5. (b) Emplear el
Resultado de (o) para hallar P(1< 2) x .
Tenemos:
3
2
0 0
3
2 3
3 0 3
0
( ) 1| ( ) ( )
0 ( ) 0. 0 3
1
( ) ( )
9 27
3
1
( ) ( ) 0 1
( ) 9
x
x x
x x
F x P X x f u du
Si x tenemos F x Si x entoces
x
u du
F x f u du
Si X entonces
f u du f u du u du du
F x

< <

+ +

3
tan :
0 0
( ) / 27 3
1 3
por to la funcion de distribucion pedida es
x
F x x o x
x
<

<
'

Obsrvese que ( ) F x aumenta monotnicamente desde 0 hasta 1 como lo requiere una

funcin de distribucin. Tambin debe observarse que ( ) F x en este caso es continua.
Fuente: libro Probabilidad y Estadstica Schaumm, Murray-R Spiegel pagina 50.
____________________________________________________________________________
4) Hallar la distribucin de probabilidad de nios y nias en familias con 3 hijos, suponiendo
iguales probabilidades para nios y nias.
Solucin: son solo dos resultados posibles A y A, con probabilidades p y q =1- p
Respectivamente. Se encontr que la probabilidad de obtener exactamente x veces A en los n
intentos es
3/ 3 1 1
2 1 2 2
1 3/ 3 3/ 3
1 1
1 1 2
1 1
2 3
tan (1) tan
3
2 1
4 6 6
dx dx dx
x x x

+
+ +
1 _

1
1
,
]
_


,

x n x
n x
C p q

.
Este resultado se aplica a este problema bajo la suposicin de que los nacimientos sucesivos
(los intentos) son independientes en cuanto se refiere al sexo del hijo. Por tanto , si A es el
suceso nio, n =3, y p=q=1/2, tenemos:
3 3
3 3
1 1 1
( ) ( )
2 2 2
x x
x x
P exactamente x nios P X x C C

_ _ _


, , ,
Donde la variable aleatoria X representa el nmero de nios en la familia. (Obsrvese que X se
define sobre el espacio muestral de tres intentos). La funcin de probabilidad para X,
3
3
1
( )
2
x
f x C
_

,
Fuente: libro Probabilidad y Estadstica Schaumm, Murray-R Spiegel pagina 50.
____________________________________________________________________________
5) Una variable aleatoria X tiene la funcin de densidad
2
( ) /( 1), f x c x donde x + < < , hallar el valor de la constante c .Hallar la
probabilidad de
2
X
este entre 1/3 y 1.
Solucin:
Debemos tener que ( ) 1, f x dx es decir

1
2
tan 1
1 2 2
cdx
c x c
x

1
_

1
+
,
]

As que 1/ c
(b) Si
2
1 3 3
1, 1 1 , tan :
3 3 3
X entonces X X por to la probabilidad pedida es
3/ 3 1 1
2 1 2 2
1 3/ 3 3/ 3
1 1
1 1 2
1 1
2 3
tan (1) tan
3
2 1
4 6 6
dx dx dx
x x x

+
+ +
1 _

1
1
,
]
_


,

Fuente: libro Probabilidad y Estadstica Schaumm, Murray-R Spiegel pagina 50.
______________________________________________________________________
6) Hallar las funciones de probabilidad marginal (a) de X.
Solucin:
La funcin de probabilidad para X esta dada por
1
( ) ( ) P X x f x
.
1
6 1/ 7 0
( ) ( ) 14 1/ 3 1
22 11/ 21 2
c x
P X x f x c x
c x

'

Verificacin: 1/7+1/3+11/21=1
Fuente: libro Probabilidad y Estadstica Schaumm, Murray-R Spiegel pagina 53
____________________________________________________________________________
7) Sean X e Y variables aleatorias con funcin de densidad conjunta:
,
( , ) ( ) ( ) ,
X Y X y
f x y f x f y x y
a) Comprobar si las variables son o no independientes.
b) Calcular la varianza de X e Y y comprobar que vale cero.
Solucin:
a) las variables X e Y son independientes si:
,
( , ) ( ) ( ) ,
X Y X y
f x y f x f y x y
Calculamos las marginales de X e Y.
,
0 0
( ) ( , ) 0
x y x y x
X X Y
f x f x y dy e e dy e e e x

1 >
]
De igual forma,
,
( , ) ( ) ( ) ,
X Y X y
f x y f x f y x y
las variables X e Y son
independientes.
b) Puestos que son independientes ya sabemos que la covarianza es cero, pero vamos a
demostrarlo:
( , ) ( ) ( ) ( ) Cov X Y E XY E X E Y
0
( ) ( ) 1; ( ) 1 .
x
x
E X xf x dx xe dx E Y de la misma forma

0 0 0 0
( , ) ( , ) 1 1 1
x y x y
xy
E X Y xyf x y dxdy xye e dxdy xe dx ye dy x





De donde; ( , ) 1 1 1 0 Cov X Y x
Fuente: http://www.emp.uva.es/inf_acad/hermer/estad2/material/e2p_resueltos.pdf
______________________________________________________________________
8) Un empresario desea montar una cafetera. En dicho local solo se vendern dos
marcas de cola: Coca-Cola y Pepsi-Cola. Para ello ha realizado un estudio sobre cual es
la demanda de bebidas de cola en el barrio donde va a situar el local.Como resultado del
estudio se deduce que la demanda conjunta semanal de ambas, tiene la siguiente funcin
de densidad:
,
0 2
( , )
0
X Y
kx y x
f x y
en el resto
< < <

'

Siendo X la variable aleatoria que expresa la demanda de Coca-Cola y Y la de Pepsicola

en miles de unidades.
a) Determinar totalmente el modelo, calculando el valor de k
b) Admitiendo el citado modelo, si la demanda de Coca-Cola fueran 1.500 unidades,Cul
seria la demanda esperada de Pepsi-Cola?Que distribucin sigue X/Y?
c) El precio por cada unidad demandada de Coca-Cola y Pepsi es de 150 ptas. obtener el
ingreso esperado por la venta de ambas bebidas en una semana cualquiera.
d) El recibo de la luz llega la segunda semana de cada mes. Determinar cual es la
probabilidad de que admitiendo un importa para el mismo de 60.000 ptas pueda
satisfacerse con la recaudacin por la venta de botellines de Pepsi en la semana
anterior.
Solucin:
X =demanda de Coca-Cola en miles de unidades.
Y =demanda de Pepsi en miles de unidades.
a) Para determinar el valor de la constante k, lo haremos teniendo en cuenta que la
integral, en todo el dominio de definicin de la funcion de densidad conjunta vale uno,
luego
[ ]
)2
2 2 2
2 3
0 0 0 0 0 0
8 3
1
3 3 8
y x
x y X x x x
x x y x x y
k
kxdy dx k xy dx kx dx x k k

1
1

1
1
]
1
]

b) Nos piden calcular la
( / 1.5), E Y X
con los que previamente tenemos qur obtener la
marginal de X y la densidad de / 1.5 Y X .

2
0 0
3 3 3
( )
8 8 8
y x y x
X
y y
f x xdy xy x


1

1
]

,
/
2
3
( , )
1
8
( / ) 0 0 2
3
( )
8
X Y
Y X
X
x
f x y
f y X x y x siempre que x
f x x
x
< < < <
En particular, cuando X = 1.5 tenemos:
/
1
( / 1, 5) 0 1.5
1.5
Y X
f y X y < <
Y la
1.5
2
1.5
,
0
0
1 3
0.75
( / 1.5) ( / 1.5) 1.5
y
y y
x y
y
y y
y
y dy
E Y X yf y X dy

1

1

]
/ Y X x Sigue la distribucin (0, ) U x .
c) El ingreso obtenido de ambas bebidas expresando en miles de pesetas se define
como:
150( ) I X Y +
El ingreso esperado ser:
[ ] [ ]
( ) 150( ) 150 ( ) ( ) E I E X Y E X E Y + +
Para calcular las esperanzas de X e Y se necesitan las distribuciones marginales de ambas
variables. en el apartado anterior se obtuvo la X , obtengamos la de Y .
2
2
2 2
3 3 3
( ) (4 ) 0 2
8 16 16
x
x
y
x y x y
f y xdx x y y

1
< <
1
]

2
2
2 4
0 0
3 3
( ) 1.5
8 32
y
x
y y
E X x x dx x

1

1
]

2
2
4
2 2
0 0
3 3
( ) (4 ) 2 0.75
16 16 4
y
y
y y
y
E Y y y dy y

1

1
]

El ingreso esperado es:

( ) 150(1.5 .75) 337.5 E I miles de pesetas + .
d) var( ) 11.7 3.4
X
X
"
2
3
2
0.4
0.4
3 3
(150 60) ( 0.4) (4 ) 4 0.704
16 16 3
y
y
y
y
y
P P Y y dy y

1

1
]

Fuente: http://www.emp.uva.es/inf_acad/hermer/estad2/material/e2p_resueltos.pdf
______________________________________________________________________
9) Se lanza un dado equilibrado produciendo el espacio equiprobable
S= {1, 2, 3, 4, 5,6}

Sea X el doble del numero q aparece. Encuentre la distribucin de
f
, la media
X

,
la varianza
2
X
, y la desviacin estndar
X

de X.
Solucin:
Aqu
(1) 2, (2) 4, (3) 6, (4) 8, (5) 10, (6) 12 X X X X X X
, tambin cada
numero tiene probabilidad 1/6. Por tanto la siguiente es la distribucin de
f
de X:
X 2 4 6 8 10
( ) f x 1/6 1/6 1/6 1/6 1/6
En consecuencia,
( )
( )
i
x i X
E X x f

=2(1/6)+4(1/6)+6(1/6)+8(1/6)+10(1/6)+12(1/6)=42/6=7
2 2
( ) ( )
i i
E X x f x

= 4(1/6)+16(1/6)+36(1/6)+64(1/6)+100(1/6)+144(1/6)=354/6=60.7
Entonces,
2 2 2 2
var( ) ( ) 60.7 (7) 11.7
X X
X E X
var( ) 11.7 3.4
X
X
Fuente: http://www3.uji.es/~mateu/t4-alumnos.pdf
10) Encuentre la media
( ) E X
, la varianza
2
var( )
X
X y la desviacin estndar
X

i
X 1 3 5 7
i
P 0.3 0.1 0.4 0.2
Solucin:
Aqu la distribucin se presenta utilizando
( )
i
x y f x
. Las siguientes son las formulas
anlogas.
2
( ) ....
i i i m m i i
E X x p x p x p x p + + +

2 2 2 2
2
( ) ....
i i i m m i i
E X x p x p x p x p + + +

Luego,
2 2 2
var( ) ( ) var( )
X
X E X y X
2 2 2 2 2 2
( ) 1(0.3) 3(0.1) 5(0.4) 7(0.2) 4.0
( ) 1 (0.3) 3 (0.1) 5 (0.4) 7 (0.2) 21.0
i i
i i
E X x p
E X x p
+ + +
+ + +

Entonces,
2 2 2 2
var( ) ( ) 21 (4) 5
var( ) 5 2.24
X E X
X

Fuente: http://www3.uji.es/~mateu/t4-aluumnos
11) Una prueba consta de 200 preguntas de verdadero o falso, para un sujeto que respondiese
al azar Cul seria la probabilidad de que acertarse:
a) 50 preguntas o menos
b) Mas de 50 y menos de 100
c) Mas de 120 preguntas
Solucin:
El numero de preguntas acertadas seguir una distribucin Binomial con n=200 y p= 0.5.
Ahora bien, como el nmero de pruebas es elevado esta distribucin se puede aproximar por
una Normal de media 200x0.5=100 y de varianza 200x0.5x0.5=50 o lo que es lo mismo con
desviacin tpica 7.07, luego:
50, 5 100
) ( 50) ( 50, 5) ( 7) 0
7, 07
99, 5 100 50, 5 100
) (50 100) ( 51) ( 51)
7, 07 7, 07
( 0, 07) ( 7) 0, 4721 0 0, 4721
120, 5 100
) ( 120) 1 ( 2
7, 07
a P x P X P Z P Z
b P x P x P x P Z P Z
P Z P Z
c P x P Z P Z
_


,
_ _


, ,

_


,
p p
f f , 9) 1 0, 9981 0, 0019
Fuente: http://www3.uji.es/~mateu/t4-alumnos.pdf
12) si las variables aleatorias X, Y tienen la funcin de densidad conjunta:
1
1
0
3 3
( )
4 4 2
x
f x xy dy
_
+ +

,

/ 96 0 4,1 5
( , )
0
xy x y
f x y
de otra forma
< < < <

'

Hallar la funcin de densidad conjunta

2 2
, . U XY V X Y
Considere
2 2
, u xy v x y . Al dividir estas ecuaciones obtenemos / / y x u v as que

/ y ux v
. Esto nos conduce a la solucin simultnea
2/ 3 1/ 3 2/ 3 1/ 3
, x v u y u v

. La imagen
de 0<x<4, 1<y<5 en el plano
uv
esta dada por
0<
2/ 3 1/ 3
v u

<4 1<
2/ 3 1/ 3
u v

<5
Que son equivalentes a
2 2
64 125 v u v u v < < <
El jacobiano esta dado por
J=
2/ 3 4/ 3 1/ 3 1/ 3
1 2
3 3
v u v u


2/ 3 2/ 3
1
3
u v



1/ 3 1/ 3 2/ 3 4/ 3
2 1
3 3
u v u v

As la funcin de densidad conjunta de U y V es:

2/ 3 1/ 3 2/ 3 1/ 3
2/ 3 2/ 3 2 2
( )( ) 1
64 , 125
( , ) 96 8
0
v u u v
u v v u v u v
g u v
de otra forma

_
< < <

, '

1/ 3 1/ 3 2 2
/ 288 64 , 125
( , )
0
u v v u v u v
g u v
de otra forma

< < <

'

Fuente: http://www3.uji.es/~mateu/t4-alumnos.pdf
13) Si , X Y tienen la funcin de densidad conjunta:
3
0 1 , 0 1
( , )
4
0
xy x y
f x y
de otra forma

+ < < < <

'

Hallar: a) ( | ) f y x
b)
1 1 1
|
2 2 2
P Y X dx
_
> < < +

,
Para 0<x<1
1
1
0
3 3
( )
4 4 2
x
f x xy dy
_
+ +

,

Y
1
3 4
0 1 ( , )
( | )
3 2
( )
0
xy
y f x y
f y x
x
f x
otra y
+

< <

+
'

Para otros valores de x, f (x|y) no esta definida

b)
1
1/ 2 1/ 2
1 1 1 1 3 2 9
|
2 2 2 2 4 16
y
P Y X dx f y dy dy

+
_ _
> < < +

, ,

Fuente: probabilidad y estadsticas Murray spieguel. Pg. 61