Explicaciones, soluciones y comentarios.

Este ejercicio es para identificar la variable de inters, ac algunos comentarios: en prcticamente todos los casos
en el que uno tenga una cierta cantidad de unidades de observacin (como el nmero de artculos), y adems en el
enunciado del ejercicio mencionan un cierta probabilidad de xito o fracaso (por ejemplo si el xito es encontrarse
con un artculo defectuoso) se piensa que la variable es Binomial.
En el caso de que mencione un cierto conteo, con algn tipo de tasa (por ejemplo, la tasa de personas que entran a
un banco cada da), se piensa en una distribucin Poisson.
En el caso de que se tenga slo la probabilidad de xito o fracaso y se piense en una unidad de observacin (n = 1),
se piensa que la variable podra ser distribuida Bernoulli.


Recordar que: P(X = x) siempre debe dar entre 0 y 1, adems la suma de todos los P(X = x) debe sumar uno, en este
caso: P(X = 0) + P(X = 1) + + P(X = 10) = 1.


Se interpreta de la siguiente forma:
De cada 100 veces que se analicen 10 piezas de forma independientes, cerca de 26 de esas 100 veces se obtendr
que el nmero de piezas defectuosas es mayor al valor esperado de stas.


Interpretacin: Existe aproximadamente un 55,07% de posibilidades que se registren uno o ms accidentes
laborales en dos semanas.


Finalmente, si se selecciona un cliente al azar, la probabilidad de el cliente supere al valor esperado en el monto en
compras es 4/9 = 0.4445.

Para la mediana, se interpreta como el valor en el que acumula el 50% de los datos. Para este caso, los valores de X
van entre 0 y 1, entonces en 0.2929 se acumula el 50% de los datos.

El numero esperado puede ser interpretado directamente desde el nmero decimal, es decir para el caso se
interpreta como:

El nmero esperado de clientes que ganen el cupn es de 0.5925 clientes.






Primero: en general, si se quiere calcular la esperanza de otra funcin (como en este caso, que se calcula la
esperanza de Y^2) se tiene lo siguiente:

Sea g(x) una funcin continua y diferenciable, entonces

E[()]

() () o E[()] ( )

() para el caso discreto.

Y para el caso continuo:

E[()]

() () donde a y b son los lmites de integracin (la regin en donde vive x).

Segundo: Por qu calculamos la desviacin estndar?, la respuesta es porque los valores de la varianza estn al
cuadrado, para este caso queda que la Var(y) = 0.601 y se interpreta como la variabilidad de los clientes al
cuadrado que recibirn el cupn y no existen las personas al cuadrado, entonces hay que eliminar el cuadrado,
sacndole la raz a la varianza.

Entonces, la desviacin estndar se puede interpretar como la variabilidad de los datos en su unidad. La
variabilidad de clientes que reciben el cupon es de 0.77.

La varianza y la desviacin estndar son medidas de dispersin y su interpretacin general es: Qu tan dispersos
estn los valores de la variable con respecto a su media.