Professional Documents
Culture Documents
Recopilaci
on Evaluaciones
Ejercicios resueltos del curso:
1 Estadstica Descriptiva
1. La tabla presentada a continuacion representa el consumo de energa electrica de 80 usuarios:
Consumo (Kwh) N
umero de usuarios
05 - 25 04
25 - 45 06
45 - 65 14
65 - 85 26
85 - 105 14
105 - 125 08
125 - 145 06
145 - 165 02
Total 80
Solucion:
Ya que los datos estan agrupados los calculos son como sigue:
La mediana debe ubicarse en la clase 4, 65-85, ya que esta clase es la primera en obtener
una frecuencia relativa acumalada mayor al 50% (62.5%) y su valor se calcula:
n/2 NM e
M e = lM e + I
nM e
80/2 24
= 65 + 20
26
= 77.3
(b) Calculamos P25 y P75 . La clase 3 acumula un 30% por lo que en ella se encunetra el
primer cuartil.
Probabilidad y Estadstica 1
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
n q/100 Nq
P25 = lq + I
nq
80 25/100 10
= 45 + 20
14
= 45 + 14.28
= 59.28
y el tercer cuartil esta en la clase 5, 85-105, por lo tanto
n q/100 Nq
P75 = lq + I
nq
80 75/100 50
= 85 + 20
6
= 85 + 14.28
= 99.28
(c) Calculamos la varianza:
1X
s2 = ni M Ci2 x2
n
1 2 ) 79.52
= (4 152 + 6 352 + 14 552 + 26 752 + 14 952 + 8 1152 + 6 1352 + 2155
n
= 7330 6320.25
= 1009.75
Por lo tanto la desviacion estandar es 31.77.
(d) Lo que queremos es el valor tal que Pq = 90, por lo tanto en la ecuacion
n q/100 Nq
Pq = 90 = lq + I
nq
80 q/100 50
Pq = 85 + 20 = 90
14
80 q/100 50 90 85
=
14 20
80 q/100 50 = 0.25 14
100
q = (3.5 + 50)
80
q = 66.87
Es decir, alrededor del 67% consume menos de 90 Kwh, y por lo tanto, el 33% consume
mas de 90 Kwh.
Probabilidad y Estadstica 2
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
2. El departamento de personal de una cierta firma realizo un estudio sobre los salarios, en
unidades monetarias(u.m.) de 120 funcionarios del sector administrativo, con los siguientes
resultados :
Solucion:
n 120
2
NM e 2
30
Me = lMe + I =2+ 2 = 4.5
nMe 48
Pk
2 i=1 ni (M Ci X)2
s = = 5.12
n
Por lo tanto, s = 2.264
(b) Si los salarios aumentan en un 100% quiere decir que el salario se aumenta al doble, por
Probabilidad y Estadstica 3
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
lo que ahora en vez de contar con M Ci contamos con M Ci = 2M Ci . As, la media sera
k
1X
x = ni M Ci
n i=1
k
1X
= ni 2M Ci
n i=1
k
1X
=2 ni M Ci
n i=1
=2x
= 2 3.65
= 7.3
Para la varianza,
k
1X
s2T = ni (M Ci X )2
n i=1
k
1X
= ni (2 M Ci 2 X)2
n i=1
k
1X
= ni 4 (M Ci X)2
n i=1
k
1X
=4 ni (M Ci X)2
n i=1
= 4 s2
Probabilidad y Estadstica 4
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
k
1X
s2T = ni (M Ci + a (X + a))2
n i=1
k
1X
= ni (M Ci X)2
n i=1
= s2
Por lo tanto, si aumentamos en 0.8 u.m. los sueldos, la varianza media aumentara en
(0.8) u.m con respecto al valor original, mientras que la varianza se mantendra igual a
la de los datos originales.
3. Demuestre que:
es a = x
b) La varianza s2 satisface:
n
1X 2
s2 = x x2
n i=1 i
Solucion:
a) Sea la funcion:
n
1X
f (a) = (xi a)2
n i=1
Probabilidad y Estadstica 5
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
i) Supongamos que nuestros datos son x1 , x2 , . . . , xn . Si multiplicamos todos los datos por
2, la nueva secuencia sera 2x1 , 2x2 , . . . , 2xn . La mediana sera el doble del valor anterior,
y la media:
Probabilidad y Estadstica 6
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
n
1X
x = 2 xi
n i=1
n
1 X
= 2 xi
n i=1
n
1X
=2 xi
n i=1
=2x
n
1X
s2T = (2 xi + 2 x)2
n i=1
n
1X
= 4 (xi x)2
n i=1
= 4 s2
n
1X
x = (xi + 10)
n i=1
n n
1X 1X
= xi + 10
n i=1 n i=1
= x + 10
Probabilidad y Estadstica 7
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
La varianza
n
1X
s2T = [(xi + 10) (x + 10)]2
n i=1
n
1X
= (xi x)2
n i=1
= s2
Si sumamos igual cantidad a todas las observaciones, las medidas de localizacion (media,
mediana) se veran alteradas, aumentando en la misma cantidad sumada, mientras que
la dispersion se mantendra.
Solucion:
Con esto,
Probabilidad y Estadstica 8
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
4.885
Corr(x, y) = = 0.883
13.015 2.347
y
4.332
Corr(x, log(y)) = = 0.964
13.015 1.551
e2i
P
2
R =1 P
(y y)2
P 2i
ei
=1
n s2y
7.187
=1
14 2.347
= 1 0.218
= 0.781
El coeficiente R2 es
P 0 2
2 (ei )
R =1 P
(log(y ) log(y))2
P 0 2i
(ei )
=1
n s2log(y)
1.523
=1
14 1.551
= 1 0.070
= 0.929
6. Se ha encuestado a 100 familias en una ciudad sobre su gasto mensual en ocio, Y , y sus
ingresos mensuales, X. En la siguiente tabla se presentan los resultados obtenidos, donde
las variables vienen expresadas en euros:
Probabilidad y Estadstica 9
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Y
X 0-100 100-200 200-800
600-1500 13 9 4
1500-2000 9 12 23
2000-5000 6 9 15
Para X:
1
s2x = (10502 26 + 17502 44 + 35002 30) 20932 = 928501
100
Para Y :
1
s2y = (502 28 + 1502 30 + 5002 42) 2692 = 40089
100
La mas homogenea es X, ya que la desviacion estandar de Y , el gasto en ocio, es muy
similar a la media, lo que indica una mayor variabilidad.
Es posible calcular la distribucion condicional del gasto en ocio para las familias de
ingresos mensuales entre 1500-2000 y 2000-5000 como se muestra en las siguientes tablas:
Probabilidad y Estadstica 10
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
M Cj fj/i=15002000 M Cj fj/i=20005000
50 20.5 50 20.0
150 27.3 150 30.0
500 52.3 500 50.0
Estos porcentajes son practicamente iguales, de hecho, al calcular el promedio para cada
nivel de ingreso mensual es 321.5 y 305, siendo levemente mayor, el gasto en ocio de las
familias que perciben ingresos mensuales entre 1500 y 2000 euros.
d) Calcule la mediana de gasto mensual en ocio.
El 50% de las familias tiene un gasto mensual en ocio menor o igual a 173.3 euros.
e) Calcule la covarianza entre las variables, que sugiere sobre la relacion entre ellas?
Para realizar este calculo debemos considerar una modificacion de la formula usual,
ya que no tenemos las observaciones, sino que la informacion tabulada. Para esto
consideremos, cada variable sera representada por su marca de clase, y cada una de las
combinaciones de estas (3 clases de X y 3 clases de Y , 9 en total) esta repetida nij
veces, con i,j=1,2,3. Entonces, la formula de covarianza queda
1X
Cov(X, Y ) = xi y i x y
n
1X
= nij M Cxi M Cyj x y
n
1
= (13 1050 50 + 9 1050 150 + . . . + 9 3500 150 + 15 3500 500)
100
2093 269
= 602875 563017
= 39858
Ya que esta cantidad es positiva, sugiere que las variables se relaicionan de manera
directa, es decir, en la medida que una crece, la otra tambien lo hara.
f) Calcule la correlacion lineal, confirma o desestima lo obtenido en (e)?
Para el calculo de este coeficiente, utilizamos los valores antes obtenidos y reemplazamos
Cov(X, Y ) 39858
= p 2 2 = = 0.2065
sx sy 928501 40089
Es concordante ya que es positivo, pero es un valor bajo como para asegurar que la
relacion entre las variables es lineal.
Probabilidad y Estadstica 11
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
No parece adecuado, por el bajo valor de la correlacion ( = 0.21) que implica que
R2 = 0.04, es decir, mas de un 90% de la variabilidad del gasto en ocio sera atribuido
al azar.
7. Un comerciante al detalle lleva a cabo un estudio para determinar la relacion entre los gastos
semanales por publicidad y las ventas. Sean
X: costos de publicidad($)
Y: ventas ($)
X Y X2 Y2 XY Y Y
40 385 1600 148225 15400 -68.7
20 400 400 160000 8000 -53.7
25 395 625 156025 9875 -58.7
20 365 400 133225 7300 -88.7
30 475 900 225625 14250 21.2
50 440 2500 193600 22000 -13.7
40 490 1600 240100 19600 36.3
20 420 400 176400 8400 -33.8
50 560 2500 313600 28000 106.3
40 525 1600 275625 21000 71.3
25 480 625 230400 12000 26.3
50 510 2500 260100 25500 56.3
Probabilidad y Estadstica 12
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
b) Estime las ventas semanales cuando los costos de publicidad son $20, $25, $30, $40 y
$50.
c) El coeficiente de determinacion R2 se puede calcular como
(yi ybi )2
P
2
R =1 P
(yi y)2
Calcule este valor y determine si el ajuste es confiable.
d) A que se debe que la estimacion sea o no fiable?
Solucion:
a) Calculamos
bb = Cov(X, Y )
s2x
1
P
x i yi x y
= n1P 2
n
xi x2
1
12
191325 15503.12
= 1
12
15650 1167.4
440.63
=
136.77
= 3.22
Con esto el valor ajustado de a es
a = y bbx
b
1 X 1 X
= yi 3.22 xi
12 12
1 1
= 5445 3.22 410
12 12
= 343.73
Probabilidad y Estadstica 13
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Y Yb Y Y Y Yb
385 472.53 -68.7 -87.5
400 408.13 -53.7 -8.12
395 424.23 -58.7 -29.22
365 408.13 -88.7 -43.12
475 440.33 21.2 34.67
440 504.73 -13.7 -64.74
490 472.53 36.3 17.46
420 408.13 -33.8 11.87
560 504.73 106.3 55.25
525 472.53 71.3 52.46
480 424.23 26.3 55.77
510 504.73 56.3 5.25
Por lo tanto
25226.21
R2 = 1
42256.25
= 1 0.596
= 0.403
d) Depende del valor del coeficiente de determinacion que en este caso es inferior al 70%
lo que genera un estimacion poco confiable.
8. Se desarrollo un experiemento para estudiar las propiedades de fragilidad del hidrogeno con
base en mediciones de presion electroltica de hidrogeno. Se controlo la densidad de corriente
de carga catodica y se vario en cuatro niveles. Se observo la presion efectiva del hidrogeno
como la respuesta. Sean
Probabilidad y Estadstica 14
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Corrida X Y
1 1.65 86.1
2 1.65 92.1
3 1.65 64.7
4 1.65 74.7
5 1.65 223.6
6 4.48 202.1
7 4.48 132.9
8 4.48 413.5
9 12.2 231.5
10 12.2 466.7
11 12.2 365.3
12 12.2 493.7
13 33.1 382.3
14 33.1 447.2
15 33.1 563.8
Solucion:
x = 282.7
M e = 231.5
s2 = 29937.5
s = 173.02
Probabilidad y Estadstica 15
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
t 1 13 23 33 53 63
y 5,746 157,496 227,412 229,935 235,000 235,000
Solucion:
230
y= depejando en terminos de y
1 + et
230 y
et = aplicando logaritmo natural para linealizar
y
230 y
ln () t = ln que es una representacion lineal
y
1 5,746 3,664
13 157,496 0,776
23 227,412 4,476
33 229,935 8,171
53 235,000 -3,850
63 235,000 -3,850
Se obtiene:
Estadsticas de prueba
Coeficiente de correlacion m
ultiple 0,602143
Coeficiente de determinacion R2 0,362576
R2 ajustado 0,203221
Error tpico 3,563255
Observaciones 6
Coeficientes
Intercepcion 0,238998
Variable X1 -0,101574
Probabilidad y Estadstica 16
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
= 0, 101574,
ln () = 0, 238998,
= 1, 269976
230
y=
1 + 1, 269976 e0,101574t
10. Los datos a continuacion representan el tama
no y precio de 6 terrenos de una determinada
localidad.
El Principio de Parsimonia establece que si hay mas de una solucion posible a un problema,
se debe escoger la mas simple.
Bajo este criterio y el analisis de los estadsticos que se presentan, determine que modelo
representa mejor la relacion entre las variables. Interprete el modelo escogido.
corr(X,Y) a
b bb R2
Lineal 0.992 -0.583 0.151 0.985
Exponencial 0.958 -1.303 0.099 0.919
Polinomial 0.994 -3.363 1.401 0.989
Soluci
on:
Las variables y sus transformaciones presentan una correlacion mayor al 95%, lo que nos
indica que se justifica el ajuste de los tres modelos. De los tres, el de menor correlacion es el
modelo esponencial, por lo que decidiremos entre los otros dos modelos.
El modelo ajsutado es
ybi = 0.583 + 0.151 xi
lo que quiere decir que cuando el tama no del terreno aumenta en 100 m2 el precio aumenta
en 0.151 millones. El intercepto no tiene una interpretacion en el contexto de las variables.
Probabilidad y Estadstica 17
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
2 Probabilidades
1. Un banco debe elegir una directiva compuesta por 5 cargos: director, subdirector, interventor,
cajero y cobrador, entre 8 candidatos. Los candidatos son:
Suponga que si una persona pertenece a esta directiva, esta persona puede ocupar solo un
cargo y suponga que todas las posibles directivas que pueden formarse tienen la misma
probabilidad de ocurrir.
(a) Determine el n
umero de directivas diferentes que es posible formar.
(b) Calcule la probabilidad que Felipe y Gonzalo NO esten simultaneamente en la directiva.
(c) Calcule la probabilidad que la directiva este compuesta por al menos 3 mujeres.
Solucion:
Probabilidad y Estadstica 18
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(ii). Una vez asignado el cargo de Gonzalo, hay 6 5 4 3 formas de llenar los cargos
restantes (pues, Felipe no debe estar en la directiva).
umero de elementos de G es: 5 6 5 4 3.
Luego, el n
Por tanto, dada la equiprobabilidad entre todas las directivas posibles,
56543 15
P (G) = =
87654 56
Analogamente, P(F ) = 15/56.
Para obtener el n umero de elementos de N , note que si Gonzalo y Felipe no deben
estar en la directiva, entonces N tiene 6 5 4 3 2 elementos.
Por tanto, dada la equiprobabilidad entre todas las directivas posibles,
65432 6
P (N ) = =
87654 56
Finalmente, la probabilidad pedida es: P(A) = P(G) + P(F ) + P(N ) = 36/56 =
9/14.
(c) Para cada j {3, 4, 5}, defina el evento Mj : En la directiva hay exactamente j
mujeres.
Para calcular el numero de elementos que tiene M3 considere lo siguiente:
5
(i). Hay 3 formas de elegir los cargos que ocuparan mujeres (pues los cargos son
diferentes).
(ii). Una vez hecho lo anterior, estos cargos pueden ser llenados de 5 4 3 formas.
(iii). Una vez hecho (i) y (ii), hay 3 2 formas de llenar los cargos compuestos por
hombres.
Luego, M3 tiene 53 5 4 3 3 2 = 3600 elementos (Principio Multiplicativo).
Probabilidad y Estadstica 19
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
La proposicion es verdadera.
Demostracion: Seg un la definicion de probabilidad condicional
P (A C) P (B C)
P (A | C) P (B | C)
P (C) P (C)
P (A C) P (B C)
P A C{ P B C{
P A | C{ P B | C{
P C{ P C{
{ {
P AC P BC
Luego,
P (A C) + P A C { P (B C) + P B C {
P (A) P (B)
P ((A C) | B) = P (A | B) + P (C | B)
Solucion:
P ((A B) B)
P ((A C) | B) =
P (B)
P ((A B) (C B))
=
P (B)
P (A B) P (C B)
= +
P (B) P (B)
= P (A | B) + P (C | B)
4. Sean A y B dos eventos tales que P(A) = 1/2, P(B | A) = 1/2, y P(A | B) = 1/4. Decir si
son ciertas o falsas las siguientes relaciones:
a) A B
b) A y B son independientes
c) A{ y B { son independientes.
d) A y B son disjuntos.
Probabilidad y Estadstica 20
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
e) P(A{ | B { ) = 1/2
f) P(A | B) + P(A{ | B { ) = 1
Solucion:
a) Si A B, entonces A B = A, y por lo tanto se cumplira que
P(A B) P(A) 1
P(B/A) = = = 1 6=
P(A) P(A) 2
Lo que nos dice que no se cumple A B
b) Si A y B son independientes se debe cumplir que
P(A | B) = P(A)
lo que en este caso se cumple, ya que ambas probabilidades son 1/4.
Tambien se cumple que
11 1
P(A B) = P(B | A) P(A) = = = P(A) P(B)
24 8
c) Basta probar que P(B { | A{ ) = P(B { ). Notemos por (b) que P(B) = P(B | A) = 1/2
Entonces,
P(A{ B { )
P(A{ | B { ) =
P(B { )
P((A B){ )
=
P(B { )
1 P(A B)
=
P(B { )
1 (P(A) + P(B) P(A B))
=
P(B { )
1 (P(A) + P(B) P(A) P(B))
=
1 P(B)
1 (1/4 + 1/2 1/4 1/2)
=
1 1/2
1 5/8
=
1/2
3/8
=
1/2
= 1/4 = P(A{ )
Probabilidad y Estadstica 21
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
P(A B)
P(A | B) = , si son disjuntos
P(B)
P()
=
P(B)
= 0 6= P(A)
entonces
P(A/B) + P(A{ | B { ) = 1/2 6= 1
Probabilidad y Estadstica 22
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
P (M ) = 0, 05 , P M { = 0, 95 , P (A | M ) = 1 , P A | M { = 0, 2
(b)
P (A) = P (A | M ) P (M ) + P A | M { P M { = 1 0, 05 + 0, 2 0, 95 = 0, 24
Probabilidad y Estadstica 23
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(c)
P P (A | M ) P (M ) 1 0, 05
P (M | A) = = = 0, 2083
P (A) 0, 24
(d) Para cancelar la lnea de credito se debe cumplir que P (M | A) > 0, 25, dado que se
tiene que: 0, 2083 > 0, 25, entonces no exste posibilidad de cerrarla.
7. Los directivos de la agencia de viajes de Barcelona Cabarna S.A. quieren plantear una es-
trategia de expansion hacia el resto de comarcas, por lo que se plantea si fusionarse con la
empresa Sol S.A., compran la empresa de la competencia o bien ampliar sus instalaciones.
La decision se tomara en funcion de la evolucion futura de las ventas. El departamento
comercial preve que las ventas pueden ser altas, medias o bajas, con una probabilidad del
25%, 45% y 30% respectivamente. Por otra parte, las ganancias de acuerdo con la estrategia
seleccionada con las siguientes:
Solucion:
8. Se ha nominado a tres miembros de un club privado para ocupar la presidencia del mismo.
La probabilidad de que se elija al se
nor A es de 0.3; la que se haga lo propio con el se
nor B,
de 0.5, y la de que gane la se
nora C, de 0.2. En caso que se elija al se
nor A, la probabilidad
de que la cuota de ingreso incremente es de 0.8, si se elije al senor B o a la senora C, las
correspondientes probabilidades de que haya un incremento en la cuota son de 0.1 y 0.4.
Probabilidad y Estadstica 24
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
(a) Definamos los eventos de interes:
A: el se
nor A es elegido como presidente.
B: el se
nor B es elegido como presidente.
C: el se
nor C es elegido como presidente.
E: el candidato electo incrementa la cuota.
Para esto utilizamos probabilidades totales (equivalentemente, podemos definir un dia-
grama de arbol), ya que necesitamos P(E). Del enunciado tenemos que:
P(A) = 0.3 P(B) = 0.5 P(C) = 0.2
P(E | A) = 0.8 P(E | B) = 0.1 P(E | C) = 0.4
Por lo tanto,
P(E) = P(E | A)P(A) + P(E | B)P(B) + P(E | C)P(C)
= 0.3 0.8 + 0.5 0.1 + 0.2 0.4
= 0.37
La probabilidad de que la couta se incremente es de un 37%.
(b) Necesitamos utilizar el teorema de Bayes para calcular las probabilidades a posteriori
de aumentar la cuota.
As,
P(E | A)P(A)
P(A | E) =
P(E)
0.3 0.8
=
0.37
= 0.65
P(E | B)P(B)
P(B | E) =
P(E)
0.5 0.1
=
0.37
= 0.14
P(E | C)P(C)
P(C | E) =
P(E)
0.2 0.4
=
0.37
= 0.21
Dado que la cuota se incrementa, el candidato con mayor probabilidad de ser electo es
el se
nor A, aun cuando a priori sabamos que el se nor B tena mayor probabilidad de
ser electo, el aumento de cuota resulta ser un beneficio para la candidatura del se
nor A.
Probabilidad y Estadstica 25
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
9. Un inversionista tiene tres opciones de inversion que le presenta el mercado, I1 , I2 e I3 . El
decide por una de estas y le presenta su propuesta al cliente, el cual puede cambiarla o
mantener la sugerida por el inversionista. Sean los eventos Di , el cliente decide la opcion de
inversion i, i = 1, 2, 3
La tabla adjunta presenta la probabilidad de que el cliente decida por la opcion Dj dado que
el inversionista le presenta la inversion Ik .
D1 D2 D3
I1 0.7 0.1 0.2
I2 0.1 0.8 0.1
I3 0.0 0.1 0.9
Suponga que la probabilidad de que el inversionista escoja cada una de las tres opciones es:
P(I1 ) = 0.10
P(I2 ) = 0.40
P(I3 ) = 0.50
Solucion:
Probabilidad y Estadstica 26
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
b) Se pide calcular
P(I2 | D2 )
Aplicando el teorema de Bayes, nos queda
P(D2 | I2 ) P(I2 )
P(I2 | D2 ) =
P(D2 )
0.8 0.40
=
0.38
= 0.842
Por lo tanto, dado que el cliente escogio la segunda opcion, la probabilidad que el
inversionista la haya sugerido es 0.84.
c) Para cada k = 1,
Para cada k = 2,
Para cada k = 3,
10. Sea X = n
umero de sustancias nocivas en un material de trabajo escogido al azar.
x 0 1 2 3 4
p(x) 0.3 0.2 0.1 0.05 0.05
p(x) 0.4 0.1 0.1 0.1 0.3
p(x) 0.4 0.2 -0.3 0.5 0.2
(a) Cual de las siguientes tres funciones de probabilidad es una funcion de probabilidad
legitima para X, Por que no se permiten las otras 2?
(b) Para la funcion de probabilidad legitima de la parte anterior. Calcule P(2 X 4),
P(X 2) y P(X 6= 0)
Probabilidad y Estadstica 27
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
(a) Para que una funcion p(x) sea funcion distribucion de una variable aleatoria debe
cumplir que:
i)
p(x) 0 x R
ii) X
p(x) = 1
xR
Probabilidad y Estadstica 28
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
P
Recordemos que la si p(x) es funcion de probabilidad debe cumplir que p(x) = 1, por lo
tanto para calcular c debemos verificar que cumpla esta propiedad. As,
3
X 3
X
p(x) = c (5 x)
i=0 i=0
= c (5 0) + c (5 1) + c (5 2) + c (5 3)
= c (5 + 4 + 3 + 2)
= c 14
1
Por lo tanto 14c = 1 y el valor de c que hace que p(x) sea funcion de probabilidad es c = 14
.
12. Una multinacional produce determinado artculo electronico que se emplea en el area medica,
y las especificaciones dicen que solo un 2% de los artculos producidos presentan fallas. Dos
ingenieros, expertos en control de calidad, realizan su propio plan de inspeccion: el ingeniero
A comienza a inspeccionar los artculos de uno a la vez hasta detectar el primer defectuoso
y acepta las especificaciones si realiza mas de dos extracciones; el ingeniero B toma una
muestra de tama no 5 y acepta las especificaciones del fabricante si no encuentra defectuosos.
Cual de los dos ingenieros tiene mayor probabilidad de rechazar las especificaciones dadas
por el fabricante?
Solucion:
Entonces, sea
X: n
umero artculos inspeccionados hasta detectar el primero defectuoso,
X Geom(p = 0.02)
Probabilidad y Estadstica 29
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
y la probabilidad pedida es
Entonces, sea
Y: n
umero artculos defectuosos en la muestra de tama
no 5,
X Bin(n=5,p=0.02)
y la probabilidad pedida es
Como el ingeniero A rechaza las especificaciones el 4% de las veces, mientras que el ingeniero
B, un 9%, es este ingeniero quien tiene mayor probabilidad de rechazar las especificaciones.
13. El 70% de los aviones ligeros que desaparecen en vuelo en cierto pas son descubiertos pos-
teriormente. De las naves descubiertas, el 60% tiene localizador de emergencia, en tanto que
el 90% de las naves no descubiertas no tiene ese localizador.
En las partes (b), (c) y (d), suponga que la probabilidad que un avion ligero tenga localizador
de emergencia es del 45%.
Solucion:
Probabilidad y Estadstica 30
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(c) Defina la variable aleatoria Y : N umero de aviones que es necesario observar hasta
obtener el primer avion con localizador de emergencia. Claramente, Rec(Y ) = {1, 2, 3, . . .}
y ademas Y Geom(p = 0.45). Por tanto, la probabilidad pedida es:
10
X
P(Y 10) = (1 0.45)y1 (0.45)
y=1
(d) Defina la variable aleatoria Z : N umero de aviones que es necesario observar hasta
obtener el tercer avion con localizador de emergencia. Claramente, Rec(Z) = {3, 4, 5, . . .}
y ademas Z BinNeg(r = 3; p = 0.45). Por tanto, la probabilidad pedida es:
P(Z 4) = 1 P(Z = 3)
31
=1 (0.45)3 (0.55)33
31
14. En una determinada region la distribucion de ingresos por familia en unidades monetarias
(u.m) es una variable aleatoria X con funcion de densidad de probabilidad dada por:
x 1
+ , si 0 x 2;
10 10
f (x) = 3x 9
+ , si 2 < x 6;
40 20
0, en otro caso.
Probabilidad y Estadstica 31
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(d) Suponga que se seleccionan 50 familias. Haciendo los supuestos que sean necesarios
determine la probabilidad de que al menos 3 tengan ingreso inferior a 1 u.m.
Solucion:
(a) Para mostrar que es funcion densidad debemos mostrar dos propiedades:
(i) fX (x) 0 x R
x+1 183x
Es claro que f (x) = 10
0, cuando 0 x 2 y f (x) = 40
0 cuando
2 < x 6.
R
(ii) fX (x)dx = 1 x R.
Z 6 Z 2 Z 6
x+1 18 3x
fX (x)dx = dx + dx
0 0 10 2 40
2 x=2 x=6
x x 18x 3x2
= + +
20 10 x=0 40 80 x=2
4 2 18 6 3 18 2 18 6
= + + +
20 10 40 40 40 40
=1
(b) Debemos hacerlo por tramos:
Si 0 x 2,
Z x
1
F (x) = (u + 1)du
10 u=0
x
1 u2
= +u
10 2 u=0
x2 x
= +
20 10
Si 2 < x 6,
Z 2 Z x
1 1
F (x) = (u + 1)du + (3u + 18) du
10
u=0 40 u=2
x
3u2
1
= F (2) + + 18u
40 2 u=2
2 3x2 9x 3
= +
5 80 20 4
Entonces la funcion de distribucion acumulada queda:
0, si x < 0;
2
x x
+ , si 0 x 2;
FX (x) = 20 10
2
3x 9x 7
, si 2 < x 6;
+
80 20 20
1, si x > 6.
Probabilidad y Estadstica 32
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
p = P (X > 3) = 1 P (X 3)
27 27 7
=1 +
80 20 20
0, 3375 .
Entonces,
P (Y > 5) = 1 P (Y 5)
5
X y1
=1 (1 p)y3 p3 .
y=3
2
Notar que y = 3, 4, . . .
(d) Sea Z el n
umero de familias que tienen ingreso inferior a 1 u.m. de un total de 50. Con
esto, Z Bin (50, P(X < 1)), donde
1 1 3
q = P (X < 1) = + = = 0.15 .
20 10 20
Entonces,
P (Z 3) = 1 P (Z < 3)
2
X 50 z
=1 q (1 q)50z .
z=0
z
15. Demuestre que si X es una variable aleatoria con distribucion geometrica, entonces cumple
que
P(X > n + k | X > n) = P(X > k)
Interprete esta propiedad.
Solucion:
Probabilidad y Estadstica 33
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
16.
P(X > n + k, X > n)
P(X > n + k | X > n) =
P(X > n)
P(X > n + k)
=
P(X > n)
X
X
= ( (1 p)x1 p)/( (1 p)x1 p)
x=n+k+1 x=n+1
(1 p)n+k+1
= ()
(1 p)n+1
= (1 p)k
= P(X > k)
Lo que se interpreta como que el n umero de ensayos Bernoulli que ya se han realizado bus-
cando el primer exito no influyen en que se realicen k ensayos mas.
(*) se deduce de
X
ax = ak + ak+1 + . . . (1)
x=k
X
a ax = ak+1 + ak+2 + . . . (2)
x=k
x2
F (x) = 1 exp 2 , x>0
2
Probabilidad y Estadstica 34
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
i) limx F (x) = 1
x2 x2
lim 1 exp 2 = 1 lim exp 2
x 2 x0 2
0
=1e =11
=0
P25 corresponde al valor de x que satisface que F (x) = 0.25. despejamos esta ecuacion
y obtenemos
Probabilidad y Estadstica 35
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
x2
1 exp 2 = 0.25
2
2
x
exp 2 = 0.75
2
2
x
2 = ln(0.75)
2
x = 2 2 ln(0.75)
2
x = 0.575
x = 0.75
18. Los procesos de falla de cada una de 10 componentes se comportan de manera proba-
bilsticamente independientes y siguiendo un mismo modelo probabilstico. Sea Xi el tiempo
de falla de la i-esima componente, expresado en miles de horas. Suponga que su densidad de
probabilidad es
0.8ex + 0.4e2x , x 0;
f (x) =
0, e.o.c.
para cualquier i = 1, 2, . . . , 10
Solucion:
Probabilidad y Estadstica 36
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(b) La probabilidad de que una componente cualquiera falle antes de las 1.5 horas, viene
dada por:
P(Xj < 1, 5) = FXj (1, 5) = 1 0, 8e1,5 0, 2e21,5
Denotemos esta probabilidad por p, o sea,
p = 1 0, 8e1,5 0, 2e21,5
Sea ahora
Y: n
umero de componentes que fallan antes de 1.5 horas.
Entonces, Y Bin(10, p) y lo que se pide es
3
X 10
P(Y 3) = px (1 p)10x
x=0
x
Solucion:
b) Si X N(, ), se tiene entonces que el percentil 25, x25 , cumple con que
Probabilidad y Estadstica 37
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(X x25 ) = 0.25
X x25
= 0.25
x25
( ) = 0.25
x25
1 ( ) = 1 0.25
x25
( ) = 0.75
x25
= 0.675
x25 = 0.675
(X x75 ) = 0, 75
X x75
= 0.75
x75
= 0.75
x75
= 0.675
x75 = + 0.675
20. Un analista financiero senala que la rentabilidad Y de los bonos del gobierno a largo plazo,
tendra al cabo de un a
no una distribucion normal con valor esperado de 70 dolares y varianza
de 9.
(a) Si el gobierno destina un porcentaje extra a polticas p ublicas cuando cualquiera de
los bonos tiene rentabilidad entre 67 y 75, Cual es la probabilidad que se destine este
porcentaje extra?
(b) Si la rentabilidad aceptable de un bono es (70c; 70+c) Para que valores de c tendran
el 95% de los bonos con rentabilidad aceptable?
(c) Cual es la probabilidad de que a lo sumo ocho de diez bonos, seleccionados independi-
entemente, tengan una rentabilidad menor a 73.84?
Solucion:
Probabilidad y Estadstica 38
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Se pide calcular P(67 < Y < 75), por lo que debemos estandarizar.
P(67 < Y < 75) = P(Y < 75) P(Y < 67)
Y 70 75 70 Y 70 67 70
=P < P <
3 3 3 3
= P(Z < 1.66) P(Z < 1)
= P(Z < 1.66) (1 P(Z < 1))
(por simetra de la distribucion normal)
= (1.66) + (1) 1
= 0.9515 + 0.8413 1
= 0.7928
Por lo tanto con c = 5.88 se tendra el 95% de los bonos con rentabilidad aceptable.
(c) Sea la variable aleatoria
X: n
umero de bonos de un total de 10 con rentabilidad menor a 73.84 dolares
por lo que X Bin(10, P(Y < 73.84)), y se pide P(X 8)
Probabilidad y Estadstica 39
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Y 70 73.84 70
P(Y < 73.84) = P <
3 3
= P(Z < 1.28)
= 0.8997
A: el rodamiento es aceptado.
B: el rodamiento debe ser refundido.
C: el rodamiento debe ser rebajado.
X N (1.01; 0.032 )
Probabilidad y Estadstica 40
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Luego
Sea la variable aleatoria U : utilidad de un rodamiento. Esta variable es discreta, ya que solo
toma 3 valores y su funcion de cuanta esta dada por:
22. Un fabricante de equipos electronicos somete cada unidad a una prueba muy rigurosa. De los
equipos recien ensamblados, el 84% pasa la prueba sin ninguna modificacion. Los que fallan
en la prueba inicial son reelaborados; de estos, el 75% pasa la prueba. Aquellos equipos que
fallan en la segunda prueba se rehacen por segunda vez y se vuelven a probar; el 90% de
ellos pasan la prueba y el resto se desarman. Defina Y como el n umero de veces que falla un
equipo seleccionado al azar.
Solucion:
Y : n
umero de veces que falla un equipo
Probabilidad y Estadstica 41
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Y = {0, 1, 2, 3}.
Soluci
on:
y se cumple que
3
X
P (Y = y) = 1
y=0
Soluci
on:
3
X
My (t) = eyt P (Y = y)
y=0
Soluci
on:
entonces
Probabilidad y Estadstica 42
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
My00 (t) t 2t 3t
= 0.12 e + 4 0.036 e + 9 0.004 e
t=0
e) (6 ptos) Cada falla de un equipo genera una perdida para el fabricante de 20 dolares, es
decir, si falla en la primera prueba, el fabricante pierde 20 dolares; si falla en la segunda
prueba, pierde 40 dolares, y as sucesivamente.
Determine la perdida esperada por falla en un equipo.
Soluci
on:
Si Y =0 = X=0
Si Y =1 = X=20
Si Y =2 = X=40
Si Y =3 = X=60
Para calcular E(X) debemos calcular su distribucion de probabilidad, que corresponde
a las probabilidades de Y
x 0 20 40 60
P(X=x) 0 0.12 0.036 0.004
X
E(X) = x P (X = x)
x
= 0 + 20 0.12 + 40 0.036 + 60 0.004
= 4.08
23. Sea Y U (0, 1) y sea FX una funcion distribucion continua y estrictamente creciente.
Probabilidad y Estadstica 43
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
a) Por definicion, sabemos que si F es funcion distribucion acumulada, debe cumplir que
0 FX 1,
por lo tanto, se cumple que 0 Y 1.
b) Por demostrar, f (y) = 1.
FY (y) = P(Y y)
= P(FX y), FX1
= P(X FX1 (y))
= FX (FX1 (y))
=y (ya que F es invertible)
Probabilidad y Estadstica 44
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
25. Una compa na de seguros recibe informes mensuales de agentes independientes. Sea X,
la variable aleatoria que modela la proporcion de informes que requieren un estudio de
actualizacion, con funcion densidad dada por
2
1
f (x) = c x , 0<x<1
2
Soluci
on:
Primero que todo, es necesario obtener el valor de c para luego proseguir con el resto
de calculos.
Sea X: proporcion de informes que requieren estudio
2
1
f (x) = c x
2
La funcion en estudio se tiene que integrar en todo el recorrido de la variable y luego
igualarla a 1 para poder despejar el valor de c
Z 1
f (x)dx = 1
0
Z 1 2
1 1
x dx =
0 2 c
Z 1
2 1 1
x x+ dx =
0 4 c
3 1
x x2 x 1
+ =
3 2 4 0 c
1 1
=
12 c
= c = 12
Se sabe que V (X) = E(X 2 ) E 2 (X), por lo tanto se calcula cada uno de los terminos
de la varianza por separado
Probabilidad y Estadstica 45
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Z 1
2 1
E(X) = x 12 x x + dx
0 4
Z 1
3 2 x
= 12 x x + dx
0 4
4 1
x x3 x2
= 12 +
4 3 8 0
1
= E(X) =
2
1
= E 2 (X) =
4
Z 1
2 2 2 1
E(X ) = x 12 x x + dx
0 4
Z 1
x2
4 3
= 12 x x + dx
0 4
5 1
x x4 x3
= 12 +
5 4 12 0
2
= E(X 2 ) =
5
Por lo tanto, la varianza de la variable X es:
2 1 85
=
V (X) =
5 4 20
3
= V (X) =
20
b) Encuentre la funcion distribucion acumulada de X.
Soluci
on:
Z x
2 1
F (x) = 12 t t + dt
0 4
3 x
t t2 t
= 12 +
3 2 4 0
x3 x2 x
= +
4 6 3
Probabilidad y Estadstica 46
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
0 ; x1
x3 x2 x
F (x) = 4
6
+ 3
; 0<x<1
1 ; x>1
c) Calcule la probabilidad que mas de un 50% de los informes mensuales requieran estudio
de actualizacion.
Soluci
on:
Soluci
on:
Sea Y: n umero de meses donde mas del 50% de los informes requiere estudios de actu-
alizacion
Por lo tanto, Y Bin(12, p). El parametro p se obtiene del item anterior ya que se
cumple que p = P (X > 0.5)
Es decir, p = 0.84375
12
Se pide P (Y = 6) = p6 (1 p)6
6
26. Sea X una variable aleatoria con funcion de distribucion acumulada F (x) definida por:
x
ae , x 0;
F (x) = 1 x
2 e + b, x > 0.
siendo a y b constantes.
Solucion:
Probabilidad y Estadstica 47
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
en este caso,
1 1
lim ex + b = lim ex + b = 0 + b = 1
x 2 2 x
Por lo tanto b = 1.
1 x
2 e , x 0;
f (x) =
1 ex , x > 0.
2
Probabilidad y Estadstica 48
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
y entonces
1
0 d 1t2
MX (t) =
dx
1(t2 1) + 2t
=
(t2 1)2
t=0
=1
27. Demuestre que si X es una variable aleatoria con funcion generadora de momentos MX (t), e
Y = aX + b entonces
MY (t) = ebt MX (at)
Ya que X puede ser continua o discreta, trabajamos con la definicon de funcion generadora
de momentos:
MY (t) = E(eY t )
= E(e(aX+b)t )
= E(eaXt ebt )
= ebt E(eXat ) (ya que la esperanza es un operador lineal)
= ebt MX (at) (por definicion de fgm)
Solucion:
a) Z Z
|x|
1= ke dx = 2 kex dx
0
1
Luego k = 2
Probabilidad y Estadstica 49
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
b)
Z
1
MX (t) = ext e|x| dx
2
1 xt x
Z 0 Z
1 xt x
= e e dx + e e dx
2 2 0
1
=
1 t2
Ademas,
29. Suponga que la duracion (medida en meses y fracciones) de un cierto reproductor MP3, es una
variable aleatoria con distribucion exponencial con parametro = 10. Si la duracion de dicho
reproductor supera los 10 meses, este es considerado aceptable, y es considerado inaceptable
en caso contrario. Durante un control de calidad, se realizan los siguientes experimentos:
Entonces
Solucion:
Probabilidad y Estadstica 50
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
= 1 (1 e0.110 )
= 0.368
Entonces X, es el n
umero de dispositivos que fallan de una muestra de 10 dispositivos,
con
p = P (T < 10) = 1 0.368 = 0.632
y por lo tanto X Bin(10, 0.632).
Ahora, si Y es el n
umero de dispositvos que se utilizaron hasta obtener 10 fallas, siendo
q = P (T 10) = 0.632
0 00
Evaluando en t=0, MX (0) = np y MX (0) = np + n(n 1)p2 , por lo tanto,
E(X) = np
V(X) = np + n(n 1)p2 n2 p2
= np(1 p)
Probabilidad y Estadstica 51
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
p
r
Para el caso Binomial Negativo, MX (t) = 1(1p)e t .
Luego,
r
p
1(1p)et
0
MX (t) = r(1 p)et
1 + (p 1)et
r
p
1(1p)et
00
MX (t) = r(1 p)(et r(p 1) 1)et
(1 + (p 1)et )2
0 r(1p) 00
Evaluando en t=0, MX (t) = p
) y MX (t) = r(r(p 1) 1) 1p
p2
). Por lo tanto:
r(1 p)
E(X) =
p
1p r2 (1 p)2
V(X) = r(r(p 1) 1) )
p2 p2
1p
= r
p2
1 x
f (x) = x e , x>0
()
a) Determine la f.g.m. de X.
Que se puede resolver por partes, pero puede que se demore un poco mas de la
cuenta.
La otra opcion es identificar los parametros para completar una distribucion Gama
Probabilidad y Estadstica 52
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Por lo tanto,
MX (t) = , 6= t
t
b) Determine E(X).
Probabilidad y Estadstica 53
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
MY (t) = MX (t)
=
t
1
=
1t
Esta f.g.m. tiene la misma estructura de la f.g.m. de X en la parte (a), con = 1, por
lo tanto, Y Gama(, 1)
Probabilidad y Estadstica 54
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
31. Una partcula de masa m tiene velocidad aleatoria que se distribuye de forma normal, con
velocidad media 0 y desviacion estandar . Encuentre la funcion densidad de la energa
cinetica,
1
E = mV 2
2
Solucion:
dF x
Ademas sabemos que f (x) = dx
, por lo tanto
dP(Y y)
f (y) =
dy
r r
y 1 1
= 2 2 2
2 2
y 1/2
m m 2
En resumen, r r
2 y
f (y) = 2 , y0
my 2 m 2
32. Sea X una variable aleatoria con distribucion normal de parametros y 2 . Sea Y =| X |.
Determine:
Probabilidad y Estadstica 55
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Por lo tanto
F (y) = P(X y) (1 P(X y))
= 2P(X y) 1
= 2 FX (y) 1
b)
f (y) = 2 fX (y)
2 1 2
= exp 2 (y ) , y0
2 2 2
33. Considere una variable aleatoria Z con funcion distribucion densidad dada por:
c
z +1
, z , >1, >0;
fZ (z) =
0, e.o.c.
Solucion:
(a) Por definicion se tiene que
Z
fZ (z)dz = 1
Z
c
dz = 1
z +1
1
c =1
z
1
c = 1
c=
Probabilidad y Estadstica 56
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
(c) Se tiene que X = ln(Z) Z = eX , luego por teorema de cambio de variable se tiene
que
x
x de
fX (x) = fZ (e )
dx
= x(1) |ex |, (x ln())
e
= ex , (x ln())
34. El tiempo T de CPU requerido para realizar un trabajo, elegido aleatoriamente entre los que
llegan a un centro de calculo siguen una distribucion hiperexponencial, dada por:
donde 0 a 1, , > 0.
G(T ) = ln(T )
35. Sean Z1 , Z2 , . . . , Zk variables aleatorias independientes tales que siguen una distribucion
N (0, 1). La variable aleatoria
Probabilidad y Estadstica 57
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
sigue una distribucion 2k donde k representa los grados de libertad de la distribucion Ji-
cuadrado, que tiene funcion densidad dada por
36. El n
umero de accidentes en una autoruta sigue una distribucion de Poisson cuyo parametro
depende de una variable aleatoria X que mide condiciones climaticas, cuya densidad esta
dada por
3
f (x) = 4 , x1
x
Mas precisamente, Y |X = x P oisson(ax)
Solucion
Probabilidad y Estadstica 58
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Luego tenemos
3a2 3a
V(Y ) = + a
4 2
3a2 3a2
= +
4 2
9
= a2
4
37. Sea X e Y variables aleatorias independientes con funciones densidades marginales
Sean
X
Z = X + Y, y W =
X +Y
(a) Determine las respectivas densidades marginales de Z y W .
(b) Son Z y W variables aleatorias independientes?
Solucion:
Probabilidad y Estadstica 59
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Calculamos el Jacobiano
(x, y) w z
|J| = = = | z| = z
(z, w) 1 w z
Z
fW (w) = w z 2 ez dz
0
= w(3)
= 2w, 0 < w < 1
z 2 z
fZ (z)fW (w) = e 2w
2
= z 2 ez w
= fZ,W (z, w)
Probabilidad y Estadstica 60
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
= 1 P(X(1) > x)
= 1 P(X1 > x)P(X2 > x) P(Xn > x) (por independencia de las v.a.)
dFX(1) (x)
fX( 1) (x) =
dx
n1 d(1 F (x))
= 0 n[1 FX (x)
dx
n1
= n[1 FX (x) f (x)
n1
= n[1 FX (x) f (x)
Solucion:
Probabilidad y Estadstica 61
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Para demostrar que c = 1/2, por comparacion con la densidad de Gamma(3,1) y por
definicion de (3) se deduce c = 1/2.
(b) La densidad de Y se obtiene de la siguiente manera
Z
1
fY (y) = |y| ex dx
2 |y|
1
= |y|e|y| , < y <
2
Luego, por simetra de la densidad se tiene que E(Y ) = 0.
(c)
fX,Y (x, y)
fY |X (y|x) =
fX (x)
|y|ex
= 2 x , x y x
xe
fY |X (y|1) = |y|, 1 y 1
40. Dada una variable aleatoria bidimensional (X, Y ) , con funcion densidad conjunta
a) Determine k.
b) Encuentre la marginal de Y
c) Determine la distribucion condicional de X | Y = y
d) Son X e Y independientes?
41. Un grupo de empresas destina sus beneficios a una inversion y a pago de dividendos entre
accionistas. Sean X e Y variables aleatorias que representan porcentajes destinado a nuevas
inversiones y a pagos de dividendos respectivamente, con funcion densidad conjunta:
Probabilidad y Estadstica 62
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
a) Sean
X: porcentaje destinado a nuevas inversiones
Y: porcentaje destinado a pago de dividendos.
En este caso
fX (x)fY (y) = 2x 2(1 y) 6= 2
Por lo tanto, X e Y no son independientes.
Probabilidad y Estadstica 63
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Por definicion
fXY (x, y)
fX|Y (x) =
fY (y)
2
=
2(1 y)
1
= , 0 x 1, 0 y x.
1y
42. Una compa na que ofrece servicios telefonicos transoceanicos cree que los factores clave del
costo variable de una llamada son X, n umero de segundos que tarda el sistema en ingresar
la llamada e Y , numero de minutos que tarda una operadora en ingresar una llamada. La
estructura de las probabilidades puede representarse por medio de la siguiente densidad
conjunta:
f (x, y) = 0.0625 xe0.5yx/y , 0 < x < , 0 < y <
Soluci
on:
Z
f (y) = 0.0625 x e0.5yx/y dx
0
Z
0.5y
= 0.0625 e x ex/y dx
0
= 0.0625 e0.5y y 2 ;y > 0
Probabilidad y Estadstica 64
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Soluci
on:
f (x, y)
f (y) =
f (y)
0.0625 x e0.5yx/y
=
0.0625 e0.5y y 2
x ex/y
= ;x > 0 ;y > 0
y2
Soluci
on:
Sea Y=5
2
x ex/y
Z
P (X < 2/Y = 5) = dx ;y = 5
0 y2
Z 2
1
= xex/5 dx
25 0
2 Z 2
1 x/5
x/5
= xe 5 + 5 xe dx
25 0 0
1 2/5 2/5 0
= 10e + 5 5e + 5 5e
25
1 2/5
= 35e + 25
25
1 2/5
= 7e +5
5
Probabilidad y Estadstica 65
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Soluci
on:
Para comprobar independencia se tiene que cumplir que f (x) f (y) = f (x, y)
En este caso no son independientes ya que es claro que el termino ex/y no es posible
descomponerlo como un producto entre funciones de x y de y.
e) (8 ptos) Calcule la distribucion de Z = eY .
Soluci
on:
Z = eY ln(Z) = Y 1
Z
=Y0
1
= f (z) = 0.0625 [ln(z)]2 ; z>0
z 3/2
43. Dos lneas de produccion manufacturan cierto tipo de artculos. Suponga que la capacidad
(en cualquier da dado) es dos artculos para la lnea I y 3 para la lnea II. Con base en la
tabla adjunta que muestra la distribucion de probabilidades conjunta:
X=I Y=II 0 1 2 3
0 0 0.04 0.12 0.09
1 0.02 0.14 0.21 0.14
2 0.07 0.06 0.06 0.05
Solucion:
P
(a) Recordemos que P(X = x) = y P(X = x, Y = y), por lo tanto
Probabilidad y Estadstica 66
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Analogamente para Y
Por lo tanto,
y 0 1 2 3
P(Y = y) 0.09 0.24 0.39 0.28
(b)
44. El ministerio de economa estudia conjuntamente las tasas de crecimiento de las exportaciones
(X, en porcentajes) y del PIB (Y , en porcentajes). El servicio de estudios del ministerio ha
investigado el comportamiento de probabilstico de ambas variables, que viene dada por la
funcion densidad conjunta siguiente:
Solucion:
RR
(a) Recordemos que fXY dxdy = 1
Entonces
20 6 20
6
y 2
Z Z Z
k x y dy dx = k x dx
5 2 5 2
Z 202
36 4
=k x dx
2 5
20
x2
= 16k
2 5
400 25
= 16k
2
= 3000k = 1
Probabilidad y Estadstica 67
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
45. Considere una placa rectangular, cuyo largo (X) y ancho (Y) son variables aleatorias con
funcion de densidad conjunta:
k(x + y), 0 < x < 1 0 < y < 2;
f (x, y) =
0, e.o.c.
Probabilidad y Estadstica 68
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
(a) Sabemos que Z Z
f (x, y) dx dy = 1
Entonces
Z 1 Z 2
1 = k(x + y) dy dx
0 0
1
2
y 2
Z
= k (xy + ) dx
0 2 0
Z 1
= k (2x + 2) dx
0
1
2
= k(x + 2x)
0
= k(1 + 2)
Por lo tanto k = 1/3.
(b) Las distribuciones marginales son:
Z 2
1
f (x) = (x + y) dy
0 3
2
1 y 2
= (xy + )
3 2 0
1 22
= (2x + )
3 2
2
= (x + 1), 0<x<1
3
Z 1
1
f (y) = (x + y) dx
0 3
1
1 x2
= (xy + )
3 2 0
1 1
= (y + )
3 2
y 1
= + , 0<y<2
3 6
Probabilidad y Estadstica 69
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
1 2 y2 y2
Z
= + dy
3 0 8 2
2
1 y 3 y 3
= +
3 24 6 0
1 23 23
= +
3 24 6
5
=
9
Probabilidad y Estadstica 70
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
3 Inferencia Estadstica
1. Sea X1 , . . . , Xn una muestra aleatoria de la distribucion Pareto, con funcion densidad dada
por
fX (x) = x(+1) , x , 1.
Asuma que es conocido y encuentre el EMV de .
Solucion:
n
Y
L(x, ) = f (xi )
i=1
n
(+1)
Y
= xi
i=1
n
Y (+1)
n n
= xi
i=1
2. Sea X1 y X2 una muestra aleatoria de tama no 2 proveniente de una poblacion X con media
2
y varianza . Si disponemos de dos estimadores para ,
X1 + X2 X1 + 2X2
b1 = y
b2 =
2 3
Solucion:
Probabilidad y Estadstica 71
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
X1 + 2X2
E(b
2 ) = E
3
1
= ( + 2)
3
=
X1 + 2X2
V(b
2 ) = V
3
1 2
= ( + 4 2 )
9
5
= 2
9
Dado que
b1 tiene menor varianza que
b2 , entonces
b1 es mejor estimador que
b2 .
Probabilidad y Estadstica 72
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
a) Para mostrar que es insesgado debe cumplirse que E() = , por lo tanto
2
E() = E
X
Z
2 3 2 x
= xe dx
0 x2
Z
= 3 xex dx
0
2 21 x
Z
= (2) x e dx
0 (2)
= 1
1 x
= 23 e
= 22
y con esto
V() = 22 2 = 2
c) Sabemos que la Informacion de Fisher esta dada por
2
d logL(x, )
I() = E
d2
Probabilidad y Estadstica 73
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
En este caso, como solo contamos con una observacion, L(x, ) = f (x), por lo tanto
3 2 x
L(x, ) = xe
2
log(L) = 3 log() log(2) 2 log(x) x
d log(L) 3
= x
d
d2 log(L) 3
2
= 2
d
Por lo tanto
3 3
I() = E( 2
)= 2
1
d) Un estimador insesgado alcanza la cota si V() = I (). En este caso
2
V() = 2 > = I1 ()
3
por lo tanto, no alcanza la cota de Cramer- Rao.
4. Considere una muestra aleatoria X1 , . . . , Xn con funcion distribucion densidad dada por:
1 x
x exp{ }, x 0, >0, >0, conocido;
f (x) =
0, e.o.c.
fY (y) = fX (y 1/ ) |J|
y 1
= (y 1/ )1 exp{ } y 1/1
11/ y 1 1/1
= y exp{ } y
1/ y/
= e
Probabilidad y Estadstica 74
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
n
X 1X
log L(x, ) = n log n log + ( 1) log xi xi
i=1
d log L n 1 X
= + 2 xi = 0
d =b
Por lo tanto,
n
1X
b = x
n i=1 i
n
b = E( 1
X
E() xi )
n i=1
n
1X
= E(xi )
n i=1
n
1X
=
n i=1
=
Probabilidad y Estadstica 75
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Calculamos su varianza:
n
b = V( 1
X
V() xi )
n i=1
n
1 X
= V(xi )
n2 i=1
n
1 X 2
= 2
n i=1
2
=
n
Probabilidad y Estadstica 76
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Es decir, Y Gamma(2, )
(b) Por maxima verosimilitud, determinemos un EMV para .
n
Y
L(y, ) = 2 yi eyi /
i=1
n
Y
P
2n
= (yi )e yi / log
i=1
X X d
log(L) = 2n log() + log(yi ) yi /
d
d log(L) 2n 1 X
= + 2 yi = 0
d =b
Por lo tanto,
n
1 X
b= yi
2n i=1
Para comprobar que sea insesgado, recordemos que si Y Gamma(2, ) entonces,
E(Y ) = 2/ y V(Y ) = 2/2
Probabilidad y Estadstica 77
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
1 X
E(b
) = E( yi )
2n
1 X
= E(yi )
2n
1 X
= 2/
2n
1 X
= 2
2n
1
= n 2
2n
=
Por lo tanto,
b es insesgado.
1 X
V(b
) = V( yi )
2n
1 X
= V(yi )
4n2
1 X
= 2/2
4n2
1 X 2
= 2
4n2
1
= n 22
4n2
2
=
2n
d2 L
I() = E( 2 )
d
2n 2 X
= E( 2 3 yi )
2 X 2n
= 3 E(yi ) 2
2 2n
= 3 2n 2
4n 2n
= 2 2
2n
= 2
Probabilidad y Estadstica 78
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Entonces
2
I()1 = = V(b )
2n
Por lo tanto, el estimador alcanza la cota, por lo que es eficiente.
6. Sea X1 , . . . , Xn una muestra aleatoria de la distribucion Rayleigh, es decir,
x2
x
f (x) = 2 exp 2 , x > 0, > 0.
2
(a) Determine el estimador de maxima verosimilitud de 2 , b2 .
(b) Determine si b2 es insesgado
(c) Calcule la varianza de b2 .
(d) Determine si b2 es consistente en error cuadratico medio.
Hint: Si X Raileigh(), entonces X 2 exp(22 )
Solucion:
(a) Planteamos la funcion de verosimilitud para resolverla en funcion de b2 .
n
x2
Y xi
2
L(x, ) = exp i2
i=1
2 2
P 2
Y 1 xi
= (xi ) 2n exp
22
P 2
X xi
log L = log(xi ) 2n log()
22
P 2
d log L 2n x
= + 3i =0
d
Por lo tanto
1 X 2
b2 = xi
2n
(b) Para ver si b2 es insesgado
X
b2 1
E( ) = E x2i
2n
1 X
= E(x2i )
2n
1 X 2
= 2
2n
= 2
Probabilidad y Estadstica 79
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
b2 es insesgado
(c) Calculamos su varianza
1 X 2
V(b2 ) = V xi
2n
1 X
= V(x2i )
4n2
1 X 4
= 4
4n2
4
=
n
4
lim ECM()
b = lim =0
n n n
7. En un estudio de mercado se desea analizar la preferencia del consumidor con respecto a dos
marcas de bebidas gaseosas. Se seleccionan al azar 50 personas, se dividen en dos grupos y se
les pide que clasifiquen la bebida que se les asigno mediante una nota (X) en el rango [1,10].
Los encargados del estudio suponen que la evaluacion de las bebidas es distinta, hipotesis
que quieren probar bajo dos criterios:
Criterio 1 La diferencia sera evaluada de acuerdo a la nota promedio que entreguen las
personas seleccionadas.
Criterio 2 La diferencia sera evaluada de acuerdo a la proporcion de personas que evaluo
la bebida con nota mayor a 4.
n x s x>4
Bebida A 25 6.0 2.41 9
Bebida B 25 3.84 2.01 10
Probabilidad y Estadstica 80
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Solucion:
En esta caso, no podemos rechazar H0 , por lo tanto, no podemos rechazar que las
varianzas poblacionales son iguales con 5% de significancia.
Como no podemos asumir que las varianzas poblacionales son distintas (ya que la evi-
dencia no nos permitio rechazar la igualdad), entonces realizaremos la comparacion de
medias utilizando varianzas poblacionales iguales. Usamos la prueba para diferencia de
medias con varianzas desconocidas pero iguales.
Comparando el valor crtico con el estadstico de prueba vemos que los datos nos entre-
gan evidencia en contra de H0 (rechazamos H0 ), por lo que podemos afirmar con 5%
de significancia que las calificaciones de las bebidas son distintas.
(b) Bajo el segundo criterio, debemos realizar una comparacion de proporciones. Las
hipotesis son
H0 : p1 = p2
H1 : p1 6= p2
Probabilidad y Estadstica 81
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
y el estadstico de prueba
0.36 0.40
z0 = q = 0.291
0.360.64 0.40.6
25
+ 25
Muestra n X s
A 50 57.5 6.2
B 50 54.4 10.6
(a) Se puede concluir que, al nivel del 0.02, la media de la poblacion A ha de ser mayor
que la de B?
(b) Verifique con que valor de (1 )% tales valores de n son aceptables.
Solucion:
(a) Primero, necesitamos saber si las varianzas poblacionales son iguales o distintas. Para
eso, necesitamos testear las hipotesis
H0 : 12 = 22
H1 : 12 =
6 22
con = 0.05. El estadstico para la comparacion de varianzas es F0 = s11 /s22 el cual se
compara con los percentiles /2 y 1 /2 de la distribucion F de Fisher.
(6.2)2
F0 = = 0.34
(10.6)2
Rechazamos H0 si F0 < F( n1 1, n2 1, /2) o F0 > F( n1 1, n2 1, 1 /2), es decir,
basta que se cumpla una de las dos desigualdades para que rechazemos la hipotesis nula.
En este caso
Probabilidad y Estadstica 82
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
s2A s2 2
nA
+ nBB
= (s2A /nA )2 (s2 /nB )2
nA 1
+ nBB 1
As,
(0.768 + 1.872)2
=
0.589/49 + 3.506/59
6.969
=
0.0714
= 97.55
57.5 54.4
T0 =
0.768 + 1.872
= 1.907
T0 = z1/2
Probabilidad y Estadstica 83
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Entonces
Solucion:
(a) Un IC para la diferencia de medias con 95% de confianza, suponiendo varianzas iguales
esta dado por
r
1 1
(A B ) (xA xB ) z1/2 sp +
nA nB
Entonces,
Probabilidad y Estadstica 84
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
El IC queda
r
1 1
(4.38 5.92) z0.975 1.082 +
10 12
1.54 1.96 1.082 0.428
1.54 0.907
1.54 0.907
2.447; 0.633
B2 B2
22 /12 ( F n 1,n 1,/2 , FnA 1,nB 1,1/2 )
A2 A B
A2
Entonces
Probabilidad y Estadstica 85
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Por lo tanto,
22 /12 (1.915 0.255, 1.915 3.587)
Entonces el intervalo es (0.133, 3.587), por lo que concluimos que con 95% de confianza
las varianzas son iguales, ya que el 1 pertenece al intervalo.
Probabilidad y Estadstica 86