5. Variables aleatorias
Esta funcin se denomina variable
5.1 Introduccin
Cuando se realiza un experimento aleatorio no se est
interesado, generalmente, en sus posibles resultados en
trminos de eventos o sucesos, sino ms bien importan
nmeros asociados a estos resultados.
Por ejemplo al lanzar una moneda dos veces nos interesa
determinar el N de caras que se obtienen como resultado y sus
posibles probabilidades de ocurrencia. El espacio muestral
asociado a este experimento es = {SS , SC , CS , CC}. Como se
ha mencionado, ms que estos resultados de la manera en que
se expresan, se est interesado en una forma de cuantificar los
resultados expuestos. En este caso, puede importar el nmero
de caras que resulta de efectuar el experimento. As, se puede
plantear la siguiente relacin:
Elemento de N de caras
SS 0 dependiendo de los valores numricos que asume, es decir
SC 1 depende del soporte DX de la variable aleatoria.
CS 1
CC 2 5.1.1. Tipos de variables aleatorias
Matemticamente esta tabla define una funcin, ya que se tiene
una regla que asigna a cada elemento de un y slo un
nmero real. El dominio de esta funcin est dado por los
elementos de , mientras que el rango o recorrido de sta
funcin es el conjunto de nmeros asignados a cada elemento
64
de , es decir, {0,1,2} .
aleatoria.
Una variable aleatoria generalmente es denotada con letra
mayscula, por ejemplo X , y su recorrido es llamado el
soporte de la variable aleatoria X el cual se denota por DX .
As, al lanzar dos veces una moneda se tiene:
Elemento de X =N de caras
SS X (SS ) = 0
SC X (SC ) = 1
CS X (CS ) = 1
CC X (CC ) = 2
En conclusin, una variable aleatoria asocia un valor numrico
a cada resultado de un experimento aleatorio y se puede
clasificar como una variable aleatoria discreta continua,
Una variable aleatoria que puede asumir una cantidad
numerable de valores, debe quedar en claro que se hace
referencia a que un conjunto de nmeros es numerable si es
finito es infinito contable, recibe el nombre de variable
aleatoria discreta. Por ejemplo, imagine que un alumno
debe rendir un examen, de estadstica, que consta de 10 Experimento Variable Aleatoria X Soporte DX
preguntas. Se puede definir la variable aleatoria discreta X
como la cantidad de preguntas del examen contestadas Llamar a cinco Cantidad de clientes {0,1,2,3,4,5}
correctamente. Esta variable aleatoria tiene soporte clientes que hacen pedido
DX = {0,1,2,3,K,10} que es un conjunto finito
Inspeccionar un Cantidad de Radios {0,1,2,...,49,50}
Considere, ahora, los vehculos que llegan a una caseta de embarque de defectuosos
peaje, y se define la variable aleatoria discreta X como la 50 radios
cantidad de vehculos que llegan en un da. El soporte de
esta variable aleatoria es DX = {0,1,2,3,K} que es un Funcionamiento Cantidad de Clientes {0,1,2,3,....}
conjunto infinito pero contable. de un restorn
durante un da
Aunque muchos experimentos aleatorios tienen resultados
que se pueden describir naturalmente con valores
numricos, hay otros que no. Por ejemplo, una pregunta de Vender un Sexo del cliente 0 si es hombre;
una encuesta puede pedir al encuestado que recuerde el automvil 1 si es mujer
mensaje de un comercial televisivo reciente. Habr dos
resultados posibles ante esta pregunta, la persona puede No Por otra parte, si una variable aleatoria puede tomar
recordar el mensaje puede S recordar el mensaje. En este cualquier valor numrico en un intervalo o conjuntos de
caso se puede definir la variable aleatoria X como sigue: intervalos, recibe el nombre de variable aleatoria continua.
X toma el valor 0 si el sujeto No recuerda el comercial, y La siguiente tabla muestra algunos ejemplos de variables
X toma el valor 1 si el individuo S recuerda le comercial. aleatorias continuas.
Los valores numricos para esta variable aleatoria son
arbitrarios (podran haber sido 5 y 10), pero se pueden
Experimento Variable Aleatoria X Soporte DX
aceptar en trminos de la definicin de variable aleatoria,
ya que asigna una descripcin numrica al resultado del
Funcionamiento Tiempo (minutos), entre [0,+)
experimento.
de un banco llegadas de clientes
La siguiente tabla muestra algunos ejemplos adicionales de
variables aleatorias discretas. Llenado de una Cantidad de c.c. [0, 350]
lata de bebida

65
 valor de la variable aleatoria y se determina por la
siguiente relacin:
Proyecto para Porcentaje terminado del [0, 100]
construir una proyecto en seis meses
P ( X = x) = P({ / X ( ) = x})
biblioteca
Ejemplo:
Ensayar un Temperatura cuando se [60C, 300C]
nuevo proceso lleva a cabo la reaccin Considere el lanzamiento, en forma independiente, de dos
qumico deseada dados honestos. El espacio muestral asociado a este
experimento aleatorio es:

={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2),

5.2. Variables Aleatorias Discretas. (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5),
(3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2),
Como se mencion anteriormente, una variable aleatoria es (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5),
discreta s DX (soporte) es un conjunto numerable. Ahora se (6,6) }
analizar funciones asociadas a una variable aleatoria discreta,
Sea X =Diferencia absoluta entre los dados,
como la funcin de probabilidad cuanta, valor esperado y
entonces DX = {0,1,2,3,4,5} . Por ejemplo se puede
varianza.
calcular X (3,1), que corresponde a determinar la
diferencia absoluta entre 3 y 1 que es 2. Ahora, si se
5.2.1. Distribucin de probabilidad. quiere calcular la probabilidad de que la diferencia
absoluta de los dados sea 2, es decir, X = 2 se debe
La distribucin de probabilidad de una variable aleatoria usar la relacin mostrada anteriormente:
describe el cmo se comportan las probabilidades de los
diferentes valores de la variable aleatoria. Para una variable P ( X = 2) = P({ / X ( ) = 2})
aleatoria discreta, la distribucin de probabilidad se = P ({(1,3), (3,1), (2,4), (4,2), (3,5), (5,3), (4,6), (6,4)})
describe mediante una funcin de probabilidad o funcin de 8 2
cuanta, representada por P ( X = x) P(x) PX (x) . La = =
36 9
funcin de probabilidad define la probabilidad de cada

66
 La siguiente tabla muestra la distribucin de la variable P (Y = 7) = P({ / Y ( ) = 7})
aleatoria en estudio: = P({(1,6), (6,1), (2,5), (5,2), (3,4), (4,3)})
6 1
= =
X 0 1 2 3 4 5 36 6

P( X = x) 6 10 8 6 4 2 La distribucin de probabilidades de esta variable

36 36 36 36 36 36 aleatoria es:

Y 2 3 4 5 6 7 8 9 10 11 12
Determinemos algunas probabilidades
P(Y = y ) 1 2 3 4 5 6 5 4 3 2 1
P(X 2)= P(X=0) + P(X=1) + P(X=2) 36 36 36 36 36 36 36 36 36 36 36
6 10 8 24
= + + =
36 36 36 36
6 10 16 De los ejemplos anteriores se puede concluir que la
P(X < 2)= P(X=0)+ P(X=1)= + = funcin de cuanta es no negativa, y que a suma de los
36 36 36 valores de la funcin de cuanta aplicada a todos los
4 2 6
P(X 4)= P(X=4)+ P(X=5)= + = valores en el soporte de la variable aleatoria debe dar 1.
36 36 36 Matemticamente se tiene:

x R : P( X = x) 0
Sigamos con el mismo experimento aleatorio, lanzamiento P( X = x) = 1.0
xD X
de los dos dados, y considere la variable aleatoria
Y = Suma de los puntajes de los dados. El soporte de esta
variable aleatoria es el conjunto Por otra parte, tambin puede ser de inters calcular
DY = {2,3,4,5,6,7,8,9,10,11,12} . Imagine que se quiere probabilidades del tipo P ( X b) , P ( X < b) ,
calcular la probabilidad de que Y = 7 . As, la probabilidad P( X a) , P( X > a) y P(a X b) , como en el
buscada es: ejemplo anterior. Estas probabilidades se calculan de la
siguiente manera:

67
 P ( X b) = P( X = x)
xD X : x b
El valor esperado de una variable aleatoria o simplemente
la esperanza representa el promedio o la media de la
variable aleatoria. La esperanza de X tambin es denotada
P ( X < b) = P( X = x)
xD X : x <b
por X .

P( X = x)
Considere la variable aleatoria Y del ejemplo anterior
P( X a) = (recuerde que esta variable aleatoria corresponde a la suma
xD X : x a de los puntajes obtenidos en los dos dados), cuya
P( X > a) = P( X = x)
xD X : x > a
distribucin de probabilidad es:

P ( a X b) = P( X = x)
xD X :a x b
Y 2 3 4 5 6 7 8 9 10 11 12

P (Y = y ) 1 2 3 4 5 6 5 4 3 2 1

Si A es un conjunto de nmeros cualesquiera, entonces la

36 36 36 36 36 36 36 36 36 36 36

probabilidad de que X A se calcula como:

As, la esperanza de Y se calcula como:
P( X A) = P ( X = x)
xD X : x A
12
E (Y ) = y P(Y = y )
y=2

1 2 3 4 5 6
5.2.2. Valor Esperado de una variable aleatoria discreta. = 2 + 3 + 4 + 5 + 6 + 7 +
36 36 36 36 36 36
5 4 3 2 1
Sea X una variable aleatoria discreta con funcin de cuanta + 8 + 9 + 10 + 11 + 12
P( X = x) y soporte DX . Se define el valor esperado de la 36 36 36 36 36
variable aleatoria X, o simplemente la esperanza de X, = 7
como:
E ( X ) = x P( X = x)
xD X
Esta cantidad se interpreta de la siguiente manera: imagine
que repite muchas veces el experimento aleatorio de lanzar

68
 dos dados y sume los puntajes obtenidos, en cada En el ejemplo de la suma de los puntajes de los dados
repeticin, en los dados y luego los promedia. Dicho (variable aleatoria Y), se tiene que la varianza y la
promedio es 7 el que corresponde al valor esperado de la desviacin estndar es:
variable aleatoria Y.
12
E (Y 2 ) = y 2 * P(Y = y )
y =2
5.2.3. Varianza y desviacin estndar de una variable aleatoria
1 2 1
discreta. = 22 + 3 2 + K + 12 2
36 36 36
Sea X una variable aleatoria discreta con funcin de cuanta = 54.8 3
P( X = x) y soporte DX . Se define la varianza y la
desviacin estndar de la variable aleatoria X como: E (Y ) 2 = 7 2 = 49

(
Var ( X ) = E ( X E ( X )) 2 = ) (x E ( X ) )
2
P( X = x) as, la varianza y la desviacin estndar son:
xD X

= E ( X 2 ) E ( X )2 Var (Y ) = 54.8 3 49 = 5.8 3

( ) x
donde E X =
2 2
P( X = x) . La varianza tambin es ( X ) = Var( X ) = 5.8 3 = 2.42
xD X

denotada por: 2 2X 2 ( X ) .
5.3. Variables aleatorias continuas.
Al igual que en estadstica descriptiva, se puede calcular la
desviacin estndar de la variable aleatoria. La desviacin Recuerde que la variable aleatoria X es continua si su soporte
estndar suele ser denotada por X (X ) , y se DX es un intervalo. Ahora se analizar funciones asociadas a
define como: una variable aleatoria continua, como la funcin de densidad,
valor esperado y varianza.
( X ) = Var( X )

69
5.3.1. Distribucin de una variable aleatoria continua. x R : f ( x) 0
+
La distribucin de probabilidades de una variable aleatoria f ( x)dx = f ( x)dx = 1.0
continua X es determinada por una funcin que llamada DX

funcin de densidad la que es denotada por f (x) .

No tiene sentido, en el caso de una variable aleatoria
Si se quiere calcular la probabilidad de que X pertenece a al continua, calcular probabilidades del tipo P( X = x) , ya que
intervalo I R , dicha probabilidad se determina por la como se ha visto, las probabilidades son reas bajo la curva,
expresin: y el rea bajo la curva en un punto determinado es cero. Es
P ( X I ) = f ( x)dx decir x DX : P( X = x) = 0 . Por lo tanto slo tiene
I sentido el clculo de probabilidades del tipo P( X b) ,
es decir, la probabilidad es el rea bajo la curva de la P ( X < b) , P( X a) , P( X > a) , P ( a X b) ,
funcin de densidad sobre el intervalo I. La siguiente figura
P ( a < X b) , P ( a < X < b) , P ( a X < b) , y
representa la probabilidad anterior:
P ( a < X < b) .

Ejemplo:

La demanda diaria de pan especial, en una panadera es

una variable aleatoria X, expresado en Kg, con funcin de
densidad dada por:
1
Si 90 x 100
f ( x ) = 10
0 e.o.c.

a) Se sabe que la panadera ya ha vendido ms de 92 Kg

en el da, Cul es la probabilidad de que venda ms de
La funcin de densidad debe satisfacer las siguientes 98 Kg en el da?.
condiciones: b) Determine el intervalo que contiene el 25% de la mayor
demanda de pan especial.

70
 En ejemplo anterior, suponga que la demanda de pan
especial en das distintos es independiente. Cul es la
Solucin: probabilidad de que por lo menos uno de dos das elegidos
Sea X : Demanda diaria de pan especial (en kgs) al azar, la demanda diaria de pan especial exceda al valor
esperado?.
a)
P( X > 98 X > 92) P( X > 98) Solucin:
P( X > 98 | X > 92) = =
P( X > 92) P( X > 92)
100 100
Luego : P( X > E ( X ) ) =
1 1
10 90 10 dx = 0.5
E( X ) = xdx = 95;
100
1
98 10 dx 10 9.8 95
= 100 = = 0.25
1 10 9.2
92 10 dx Sea Ai = {Demanda en el da i que supera el valor
esperado}, i = 1,2.

P( A1 A2 ) = P( A1 ) + P( A2 ) P( A1 ) P( A2 ) = 0.5 + 0.5 0.52 = 0.75

100
b) P( X > a ) = 0.25
1
a 10 dx = 0,25 a = 97.5
Por lo tanto, el 25% de la mayor demanda de pan 5.3.3. Varianza y desviacin estndar de una variable
especial, se encuentra entre 97,5 kg. y 100 kg. aleatoria. Continua.

Sea X una variable aleatoria continua con funcin de

5.3.2. Valor Esperado de una variable aleatoria continua. densidad f (x) y soporte DX . Se define la varianza de la
variable aleatoria X como:
Sea X una variable aleatoria continua con funcin de
densidad f (x) y soporte DX . Se define el valor esperado Var ( X ) = E (( X E ( X ))2 ) = ( x E ( X ))
2
f ( x)dx
de la variable aleatoria X como: DX

= E ( X 2 ) E ( X )2
E( X ) = xf ( x)dx
DX

71
 E (Y ) = E (a + bX ) = a + bE ( X )
donde E ( X 2 ) = x
2
f ( x)dx . La desviacin estndar es
DX Var(Y ) = Var(a + bX ) = b 2 Var( X )
calculada, al igual que en el caso de una variable (Y ) = (a + bX ) = b ( X ) (Y)
aleatoria discreta, (X) = Var ( X ) .
Ejemplo:
En el ejemplo de la demanda de pan, se quiere
determinar la varianza y desviacin estndar de la Imagine que en el problema de la demanda de pan, se est
demanda diaria: interesado, ahora, en el costo (en pesos) de cada kilo de pan
especial. Para ello se define el costo por C = 250 0.5 X . Se
100
1 quiere determinar el costo esperado y su varianza.
E( X ) = x 2 dx = 9033.3
2

10 90
E (C ) = E (250 0.5 X ) = 250 0.5 E ( X )
la Var( X ) = E ( X 2 ) (E ( X ) ) = 9033.3 (95) = 8.33 , y
2 2

= 250 0.5 95 = 205.5

la desviacin estndar es (X) = 8.33 .
Var (C ) = Var (250 0.5 X ) = ( 0,5) Var ( X )
2

5.4. Transformacin Lineal

= 0.25 8.33 = 2.0833
Sean X una variable aleatoria cualquiera, y sea Y una
combinacin lineal de X, es decir, Y = a + bX con a, b R . El
5.5. Ejercicios resueltos
objetivo de esta seccin, es determinar E(Y), Var(Y) y (Y), sin
determinar la funcin de cuanta o funcin de densidad de Y, 1. El nmero de das requeridos para terminar las auditorias,
dependiendo si la variable aleatoria X es discreta o continua. es una variable aleatoria X, con funcin de cuanta (de
Para determinar estas cantidades usaremos el siguiente probabilidades) dada por:
resultado:
x 10 11 12 13 14
Resultado: Sea X una variable aleatoria con valor esperado
P(X=x) 0.2 0.3 0.3 0.1 0.1
E(X) y varianza Var(X), y sea Y = a + bX con a, b R .
Entonces: a) Determine el nmero esperado de das, para terminar las
auditorias.

72
 b) Cul es la variabilidad del nmero de das requeridos c.2. Se tiene prdida si Utilidad < 0, es decir, si X > 12
para terminar las auditorias?.
c) La utilidad obtenida por la empresa encargada de las P(Prdida ) = P( X > 12) = P( X = 13) + P( X = 14)
auditorias est expresada por la siguiente relacin: = 0 .1 + 0 .1 = 0 .2
Y = $200.000*(12X). c.3. La desviacin estndar de la utilidad:
Var (Y ) = (200000) Var ( X ) = (200.000) 1.44
c.1. Cul es la utilidad esperada por la Empresa Auditora? 2 2
c.2. Cul es la probabilidad de que la Empresa Auditora
obtenga prdida? ( Utilidad) = (200000)2 1.44 = 200000 1.2 = 240000 UM
c.3. Determine la desviacin estndar de la utilidad.

Solucin: 2. El tiempo total medido en cientos de horas, que un

adolescente hacer funcionar su equipo Stereo en un perodo
a) Sea X= N de das requeridos para terminar las auditoras de un ao (en cientos de horas), es una variable aleatoria X,
con la siguiente funcin de densidad:
E ( X ) = 10 0.2 + 11 0.3 + 12 0.3 + 13 0.1 + 14 0.11 = 11.6
x si 0 < x < 1

Luego, se espera tardar entre 11 y 12 das para terminar las f ( x ) = 2 x si 1 x < 2
0 en otro caso
auditoras.

Var ( X ) = E ( X 2 ) - (E ( X ) ) = 136 - 11.62 = 1.44 , donde:

2
b) a) Calcule el tiempo medio que un adolescente hace
funcionar su equipo.
E ( X 2 ) = 102 0.2 + 112 0.3 + 122 0.3 + 132 0.1 + 142 0.11 = 136 b) De los adolescentes que hacen funcionar ms de 60
horas el equipo. Qu porcentaje lo hace funcionar
menos de 150 horas?.
c.1. Y =2400000 - 200000 X c) Empresas Comerciales interesadas en el tiempo (S) que
E (Y ) = E (2400000 - 200000 X ) = 2400000 - 200000 E ( X ) estos adolescentes (potenciales compradores)
sincronizan radioemisoras desde su equipo, obtienen la
= 2400000 200000 11.6 = 80000 X
siguiente variable aleatoria: S = + 0.10
4
La utilidad esperada es de 80000 UM (Unidades Monetarias).

73
 c.1. Calcule la probabilidad de que dos de estos c.1.
adolescentes, elegidos al azar, slo uno sintonice X
radioemisoras ms de 40 horas al ao. P ( S > 4 ) = P + 0.1 > 0.4 = P ( X > 2 )
4
c.2. Calcule el porcentaje de variabilidad del tiempo que 2

(2 x )dx = 1.6 1.28 = 0.32

sintonizan radioemisoras, desde su equipo, estos =
adolescentes. 1, 2

Solucin: Considere el suceso:

Sea X : Tiempo total que un adolescente hace funcionar su Ai = {Que el adolescente i sintonice el radioemisoras
equipo durante un ao.
1 2 por ms de 40 hrs.}
a) E ( X ) = x dx + x(2 x )dx = 1 , Se espera que haga
2

0 1 Entonces:
funcionar su equipo un total de cien horas durante un

b)
ao. [( ) ( )] (
P A1 A2c A2 A1c = P A1 A2c + A2 A1c ) ( )
P( X < 1,5 X > 0,6 ) = P ( A ) P (A ) + P ( A ) P (A )
c c

P( X < 1,5 / X > 0,6 ) =

1 2 2 1

P( X > 0,6 ) = 0.32 x0.68 + 0.32 x0.68

1 1, 5 = 0.4352 43.5%
xdx + (2 x )dx 0.32 + 0.375
= = (S )
CV (S ) =
0.6 1
1 2
0.32 + 1 c.2 ;
xdx + (2 x )dx E (S )

X
E (S ) = E + 0.1 = 0.1 + E ( X ) = 0.1 + 1 = 0.35
0,6 1 1 1
= 0.5265 4 4 4

X 1
Var (S ) = Var + 0.1 = Var ( X ) =
0.5 1
=
4 16 16 32
Var ( X ) = E ( X 2 ) (E ( X ) ) = 1.5 (1) = 0.5
2 2

74
 ( )
1 2 a) Calcule la cantidad esperada y la varianza del nmero
E ( X 2 ) = x 3dx + 2 x 2 x 3 dx = 1.5 de ventas por da.
0 1
b) Suponga que el vendedor obtiene una comisin de
(S ) = Var(S ) =
1 $1500 por venta, determine sus ganancias diarias
= 0.1768
32 esperadas por concepto de comisiones.
(S ) 0.1768
CV (S ) = = = 0.51
E (S ) 0.3500
3. El nmero de funcionarios con operaciones bancarias mal
realizadas, durante una semana, es una variable aleatoria X
con la siguiente distribucin de probabilidades:
a(20 - j )
5.6. Ejercicios propuestos. si j = 0,1,2,3,......,20
P( X = j ) =
1. La demanda diaria de cierto artculo est caracterizada por 0 e.o.c.
la siguiente distribucin de probabilidad:
d2 La prdida ocasionada por este concepto G se puede
k si d = 1,2,3,4,5
P(D = d ) = 16 considerar como:
0 G = 100 X - X 2
e.o.c.
a) Determine la constante k. a) Si en una semana se encuentran menos de 5
b) Calcule la varianza de la demanda funcionarios con operaciones bancarias mal
c) En los das en que la demanda es superior a dos realizadas, Cul es la probabilidad de que slo uno
artculos, Cul es la probabilidad de que la demanda de los funcionarios tenga operaciones bancarias mal
no sobrepase los 4 artculos?. realizadas?.
b) Determine la prdida esperada semanal por este
2. Un vendedor ha descubierto que la probabilidad de hacer concepto.
varias ventas por da, si visita a 10 presuntos compradores
se presenta en la siguiente tabla: 4. La demanda mensual de camiones es una variable aleatoria
discreta con la siguiente ley de probabilidades:
X: nmero 1 2 3 4 5 6 7 8 ( x + 1)(6 - x )
si x = 1,2,3,4,5.
P( X = x ) =
de Ventas
50
P(X=x) 0.04 0.15 0.20 0.25 0.19 0.10 0.05 0.02
0 e.o.c.

75
 Los camiones tienen costo de bodega de 35 U.M. por
camin, y el precio de venta es de 55000 U.M. por camin.
Si los camiones no se venden en el mes se tiene una prdida
total.
Usted al principio de cada mes, tiene que dejar una cantidad
fija de camiones; justificando su respuesta indique, si
conviene dejar 2, 3 4 camiones al principio del mes.
indicacin : Para cada uno de los casos 2, 3 y 4 determinar
la Utilidad y luego calcular el valor esperado
5. El nmero de cigarrillos en mal estado en una cajetilla, es
una variable aleatoria X con la siguiente distribucin de
probabilidades:
a(10 - i ) Si i = 0,1,2,3,...,10
P( X = i ) =
0 e.o.c.
a) Cul es el nmero esperado de cigarrillos en mal
estado por cajetilla?.
b) Cul es la probabilidad de que se encuentren menos de
3 cigarrillos en mal estado, sabiendo que en una cajetilla
se encuentran a lo ms 5 cigarrillos en mal estado?
c) La prdida es proporcional al cuadrado del nmero de
cigarrillos en mal estado por cajetilla, donde la constante
de proporcionalidad es 20. Cul es la prdida esperada?.
76
6. La cantidad de boletos de Lotera que vende un empleado
de cierta agencia, por hora, es una variable aleatoria
caracterizada por:
2ax si x = 1,2,3
P( X = x ) = a (9 x ) si x = 4,5,6
0
en otro caso
a) Si en una hora un vendedor vendi menos de 5 boletos,
calcule la probabilidad que por lo menos haya vendido 2
boletos.
b) Calcular e interpretar E(X).
c) Un empleado recibe un premio de $1000 si en una hora
vende ms de 4 boletos, en caso contrario, no recibe
nada. Calcule el ingreso esperado por ese concepto.
7. El porcentaje de cheques sin fondo que recibe diariamente
un banco, es una variable aleatoria con la siguiente funcin
de densidad:
ax Si 10 x 30
f (x ) =
0 e.o.c.
a) Cul es la probabilidad de que un banco reciba por
lo menos un 20% de cheques sin fondo?
b) Si un da recibe por lo menos un 20% de cheques sin
fondo, deber tramitar una orden judicial, lo que
ocasiona una prdida de 550 pesos por cheque.
Determine la prdida esperada, por este concepto, si
en un da se reciben 1350 cheques.
 b) Si una cajera permanece sin descansar ms de 160
8. El ingreso por concepto de pasajes en un bus del recorrido minutos, recibe como premio 15 minutos de descanso.
Santiago San Bernando, es una variable aleatoria Cul es la probabilidad de que no reciba descanso
continua, con la siguiente funcin de densidad: como premio?.

ax(50 x ) si 0 X 50 10. Un proceso para refinar azcar, con cierta mquina,

f (x ) = produce diariamente hasta una tonelada diaria de azcar,
0 e.o.c
pero la produccin real (Y) es una variable aleatoria
debido a averas en la mquina y otros retrasos, tal que:
a) Determine la constante a y el ingreso esperado por
concepto de pasajes en un viaje.
2 y si 0 y 1
b) En 100 viajes, Cuntos viajes espera Usted que sean de f (y) =
ingresos superiores a $35.000?. 0 en otro caso

9. El tiempo que permanece sin descansar una cajera de a) Se estudia la produccin de tres das elegidos al azar,
Supermercado, es una variable aleatoria X con la siguiente Cul es la probabilidad de que slo el segundo da
funcin de densidad: elegido la produccin sea igual o inferior a 700 kilos?.
b) Calcule la desviacin estndar de la produccin diaria
de azcar refinada.
( x 120) (240 x ) c) La compaa recibe 300 dlares por cada tonelada de
Si 120 x 24
f (x ) = 288000 azcar refinada, pero tambin tiene un gasto fijo diario
0 de 100 dlares por mquina. Por lo tanto, la utilidad
e.o.c.
diaria expresada en cientos de dlares, para esta
mquina es: U = 3Y 1 .
a) Si los ingresos por concepto de ventas, por caja, estn c.1. Qu porcentaje de los das la utilidad de la
dados por: produccin supera el valor esperado ms una desviacin
estndar?.
G = 120 X 9600 c.2. Cul es la mediana de la produccin de azcar?.
Determine cunto es el ingreso esperado por concepto c.3. Cul es la probabilidad que la utilidad diaria
de ventas, si en el Supermercado atienden 12 cajeras. supere los 150 dlares?.

77
 c.4. Cul es la utilidad diaria esperada, en esta
mquina?. 13. El tiempo que demora un cajero bancario en atender a un
cliente, es una variable aleatoria cuya funcin de
11. Sea la variable aleatoria consumo mensual de agua (mt 3 ) densidad est dada por:
por familia, con la siguiente funcin densidad:
kx si 0 < x < 60 kx (2 x ) si 0 < x < 2
f (x ) =
0 en otro caso

( )
f ( x ) = 2 k x 3 1 si 2 x 4
a) Calcule la probabilidad que una familia escogida al azar 0 e.o.c.

( )
consuma ms de 45 mt 3 si se sabe que consume ms
( )
de 20 mt 3 . a) Determine la constante k y la probabilidad que
b) La compaa define como rango normal de consumo demore en atender a un cliente no sobrepase los 3
( ) ( )
aquel que est comprendido entre 20 mt 3 y 45 mt 3 . minutos.
b) Un cajero es considerado como eficiente si el
Cul es la probabilidad de que una familia tenga un tiempo de atencin no sobrepasa los 2 minutos por
consumo normal?. cliente. Indique, Cul es la probabilidad de que en
10 cajeros, se tenga a lo ms 3 cajeros eficientes?.
12. La estacin de servicio ALFA recibe en sus depsitos
gasolina verde de 93 octanos. Las estadsticas anteriores c) En el ejemplo de los cajeros, se sabe que, el ingreso de
sugieren que la funcin de densidad de las ventas un cajero Part-Time depende del tiempo de
semanales de este tipo de gasolina, digamos X, medida en permanencia y cuya relacin est dada por: Y=3*X+5.
miles de litros est dada por: Determine el ingreso esperado de un cajero Part-
x 1 si 1 < x 2 Time.

f ( x ) = 3 x si 2 < x c
0
en otro caso

a) Determine el valor de la constante c, que indica la

capacidad de los depsitos para la gasolina verde de 93
octanos en esa estacin de servicio
b) Encuentre e interprete P( X 2.2 | X 1.8) .

78