UNED. ELCHE.

TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

CUESTIONES Y PROBLEMAS PROPUESTOS EN EXMENES

TEMA 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES.
TEMA 2: CARACTERSTICAS DE LAS VARIABLES ALEATORIAS
1. Cundo podemos decir que una variable aleatoria es discreta? y continua?, ponga
un ejemplo.
Respuesta.Una variable aleatoria X es discreta si su funcin de distribucin F(x) es escalonada, es
decir, es constante salvo en un nmero finito o infinito numerable de puntos de discontinuidad
n

x1 < x2 < x3 < .xn < .. de forma que si xn x < xn+1, entonces F(x) =

P( X = x ) .
i

i =1

Ejemplo: si X es la puntuacin obtenida al lanzar un dado equilibrado, su funcin de

distribucin, representada en la figura adjunta,
verifica, por ejemplo:
F(3) = P(X 3) = P(X = 1) + P(X = 2)+
3
+ P(X = 3) =
6
F(4,5) = P(X 4,5) = P(X = 1) + P(X = 2)+
4
+ P(X = 3) + P(X=4) =
6
F(0,2) = 0. Etc.
Una variable aleatoria X es continua si
existe una funcin no negativa f tal que
distribucin F(x) =

f ( x )dx = 1 , para la que se cumple que la funcin de

f (t)dt . La funcin f se llama funcin de densidad.

Ejemplo.- Sea X el tiempo en minutos entre dos repeticiones consecutivas de cierto

fenmeno cuyo periodo de repeticin oscila entre 5 y 15 minutos, siendo la funcin de
1
, para 5 x 15. Entonces, por ejemplo: F(7) = P(X 7) =
densidad f(x) =
10
7
7
12
1
1
2
1
7
=
dx =
dx =
= 0,2 ; F(12) =
dx =
= 0,7 , etc.
5 10
5 10
10
10
10
2. Por qu es interesante calcular la esperanza y la varianza de una variable aleatoria?.
Respuesta.La esperanza y la varianza son las principales medidas de posicin y de dispersin,
respectivamente. En muchos casos, por ejemplo, si la variable aleatoria es normal, la esperanza
y la desviacin tpica (raz cuadrada de la varianza) caracterizan por completo la distribucin
de la variable.
Otro uso interesante para la esperanza y la varianza es que, mediante la desigualdad de
Chebychev podemos acotar la probabilidad de que la variable aleatoria se aleje ms o menos
de su media (esperanza).
3. En el clculo de probabilidades de una variable discreta y continua existen
diferencias? Razone la respuesta.
Respuesta.Para una variable discreta X = {xi, i=1, 2, 3, }, existe una funcin de probabilidad

1/7

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

P[X = xi], cumplindose que

=

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

P[X = x ]= 1. La funcin de distribucin F(x) = P[X x] =

i

P[X = x ].
i

xi x

Para una variable continua X existe una funcin de densidad f tal que la funcin de
distribucin F(x) = P[X x] =

f (x)dx

4. El Teorema de Chebychev, explique su significado.

Respuesta.Si X es una variable aleatoria, tal que E(X) = y Var(X) = 2, entonces, k>0 se
2
cumple que P[X k] 2 . Significa que la probabilidad de que un valor de la variable
k
2
se aleje de la media de la poblacin una distancia superior a k, est acotada por el cociente 2 ,
k
es decir, es menor cuanto menor sea la varianza o cuanto mayor sea el cuadrado de k.
5.- Por qu es interesante calcular el coeficiente de variacin?. Explique la respuesta.
Respuesta.
El coeficiente de variacin CV = , calculado en poblaciones donde la variable toma

valores positivos, tiene un doble inters:

- Por una parte si CV 1, entonces se considera que la dispersin es grande y, por tanto,
la media de la poblacin no se considera representativa.
- Por otra parte, sirve para comparar las dispersiones de variables X e Y en poblaciones
diferentes, ya que se trata de una medida de dispersin relativa.
6 . Explique para que sirven los momentos de una variable aleatoria.
Respuesta.Permiten cuantificar medidas de dispersin y de forma para comparar distribuciones
7.- Cundo podemos decir que una distribucin de probabilidad es de tipo continuo?
Ponga un ejemplo. (Enero 2010)
Respuesta.La distribucin de probabilidad de una variable aleatoria X es de tipo continuo si existe

una funcin no negativa f tal que

distribucin F(x) =

f ( x )dx = 1 , para la cual se cumple que la funcin de

f (t)dt . La funcin f se llama funcin de densidad.

Ejemplo.- Sea X el tiempo en minutos entre dos repeticiones consecutivas de cierto

fenmeno cuyo periodo de repeticin oscila entre 5 y 15 minutos, siendo la funcin de
1
, para 5 x 15. Entonces, por ejemplo: F(7) = P(X 7) =
densidad f(x) =
10
7
7
12
1
1
2
1
7
=
dx =
dx =
= 0,2 ; F(12) =
dx =
= 0,7 , etc.
5 10
5 10
10
10
10
8. Defina y explique el concepto de valor esperado de una variable aleatoria. (Feb.
2010)

2/7

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

Respuesta.Sea X = {xi, iI} una variable aleatoria discreta con funcin de probabilidad
P(X = xi) = pi. Se define el valor esperado de X:

E(X) =

x p
i

iI

si

x p
i

es absolutamente convergente, es decir si

iI

p i < +.

iI

Si X es una variable aleatoria continua con funcin de densidad f(x), se define el valor
esperado:
E(X) =

xf ( x )dx

si la integral es absolutamente convergente, es decir si

x f ( x )dx < +.

(Septiembre 2010)
Respuesta.Sea P la funcin de probabilidad definida para los sucesos de un determinado
experimento aleatorio, siendo E su espacio muestral. Sea X: E una aplicacin que a cada
suceso elemental le haga corresponder un nmero real y representemos por [X a] el suceso
{xE/X(x) a}. Diremos que X es una variable aleatoria si existe la probabilidad P[Xx] para
todo nmero real x. La funcin F(x) = P [X x] se denomina funcin de distribucin.
Por ejemplo, se lanzan dos monedas equilibradas y definimos X como la variable
aleatoria nmero de caras. entonces X puede tomar los valores 0, 1, 2 y se cumple que:
0, x < 0
1
, 0 x <1

F(x) = P[Xx] = 4
3 , 1 x < 2
4
1, x 2

(Septiembre 2010)
Respuesta.Si X es una variable aleatoria que toma valores positivos, siendo su desviacin tpica
y su media, el coeficiente de variacin es una medida de dispersin que expresa la razn de

la desviacin tpica a la media, es decir CV = .

Si CV 1, entonces se considera que la dispersin es grande y, por tanto, la media de

la poblacin no se considera representativa.
Por otra parte, sirve para comparar las dispersiones de variables X e Y en poblaciones
diferentes, ya que se trata de una medida de dispersin relativa.

3/7

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

PROBLEMAS.-

Solucin.a) Debe cumplirse que 0,25 + K + 0,2 + 0,1 = 1 K = 0,45

b) Teniendo en cuenta que la funcin de
0, x < 0
0,25 0 x < 1

= P[xi x], tendremos: F( x ) = 0,7 1 x < 2

0,9 2 x < 3

1 x 3

distribucin

F(x)

c) E(xi) =

x P(x ) = 00,25 + 10,45 + 20,2 + 30,1 = 1,15

i

i =1

Teniendo en cuenta que Var(xi) = E(xi2) (E(xi))2, calculamos

E(xi2) = 00,25 + 10,45 + 40,2 + 90,1 = 2,15.
Luego Var(xi) = 2,15 1,152 = 0,8275

Solucin.f(x) no puede ser funcin de densidad para ningn valor de K. En efecto, si K>0, f(x)
sera negativa en el intervalo [0, 1[; si K<0, f(x) sera negativa en ]1, 2]; si K = 0, f(x) = 0
x .
Por tanto el problema carece de sentido.

4/7

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

Solucin.a) Debe cumplirse que 1=

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

K(x + y) = K[(1+1)+(1+2)+(2+1)+(2+2)+(3+1)+(3+2)]=

x ,y

= 21K, luego K =

1
.
21

b)
Y
X

Pi = P[X=x]

2
3
5
21 21
21
3
4
7
2
21 21
21
4
5
9
3
21 21
21
9 12
Pj = P[Y=y]
21 21
Las funciones de probabilidad marginales seran:
1
Pi = P[X=x] =
(x + y ) = 1 [(x + 1) + (x + 2)] = 2x + 3
P[X = x , Y = y] =
21
21
21
y
y

Pj = P[Y=y] =

P[X = x, Y = y] = 21 (x + y) = 21 [(1 + y) + (2 + y) + (3 + y)] =

1

3y + 6
21

c) Las funciones de probabilidad condicionadas:

X P[X=x/Y=1]
2
1
9
1
(x + y ) x + y
P[X = x , Y = y] 21
P[X=x/Y=y] =

=
=
1
P[Y = y]
3y + 6
(3y + 6)
21

5/7

P[X=x/Y=2]
3
12

3
9

4
12

4
9

5
12

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

1
2
5

2
3
5

P[X=2/Y=y]

3
7

4
7

P[X=x/Y=y]

4
9

5
9

P[X=1/Y=y]
1
(x + y ) x + y
P[X = x , Y = y] 21
P[Y=y/X=x] =
=
=
1
P[X = x ]
(2x + 3) 2x + 3
21

Solucin.a) Puesto que las desviaciones tpicas son iguales, presentar menor coeficiente de
variacin la variable Y, por tener mayor media. Tenemos:
0,01
0,01
CVX =
= 0,005 ; CVY =
= 0,0025
2
4
b) E(X+Y) = E(X) + E(Y) = 2 + 4 = 6 millones de euros.
c) Como X e Y son independientes, Var(X+Y) = Var(X) + Var(Y) = 0,012 +0,012 =
= 20,012 DT(X+Y) = 20,012 = 0,01 2 0,0141.
Si X e Y no fuesen independientes se cumplira que:
Var(X+Y) = Var(X) + Var(Y) + 2COV(X,Y)

6/7

UNED. ELCHE.
TUTORA DE ESTADSTICA II. DIPLOMADO EN CIENCIAS EMPRESARIALES

e-mail: imozas@elx.uned.es
http://telefonica.net/web/imm/

(Septiembre 2010)
Solucin.a) Al ser las desviaciones tpicas iguales, presenta menor coeficiente de variacin la
variable cuya media es mayor, esto es, la Y.
Dado que las variables son independientes, su covarianza es cero.
b) E(X+Y) = E(X) + E(Y) = 4 + 6 = 10 millones de euros.
c) Var (X+Y) = (por ser independientes) = Var(X) + Var(Y) = 0,022 + 0,022 = 0,0008,
de donde la desviacin tpica de X+Y ser 0,0008 0,0283 millones de euros.
d) DT(X+Y) =

Var (X + Y) = Var( X) + Var( Y) + 2Cov(X, Y )

7/7