Sie sind auf Seite 1von 7

Prof.

Jos Luis Quintero 79


ELEMENTOS DE ESTADSTICA
SEMANA 11 CLASE 16 MARTES 19/06/12

1. Modelo Uniforme Continuo. El modelo Uniforme Continuo es una variable
aleatoria donde la probabilidad de que un evento ocurra en un intervalo de ancho t
es proporcional a ese intervalo.

2. Observaciones de inters:
El modelo Uniforme Continuo se denotar como UC(MIN,MAX), donde MIN es el
menor valor que puede tomar la variable y MAX es el mayor valor que puede
tomar la variable
La funcin de distribucin acumulativa de probabilidades viene dada como:
X
0 x MIN
x MIN
F (x) MIN x MAX
MAX MIN
1 x MAX
<


= <


La funcin de densidad de probabilidades viene dada como:

X
1
x MIN,MAX
f (x)
MAX MIN
0 otro caso

(

=


El valor esperado viene dado como:
MIN MAX
E(X)
2
+
=
La varianza viene dada como:
2
(MAX MIN)
V(X)
12

=
La funcin generadora de momentos viene dada como:
MAXt MINt
x
e e
m (t)
t(MAX MIN)


La funcin caracterstica viene dada como:
MAXjw MINjw
x
e e
(w)
jw(MAX MIN)



3. Problema 1. Considere una variable aleatoria uniformemente distribuida en el
intervalo (5,10). Cul es la probabilidad de que el valor de la variable se
encuentre en el intervalo (7,9)?
Solucin.


9
9
7
7
dx x 2
p
10 5 5 5
= = =



Prof. Jos Luis Quintero 80
4. Problema 2. Sea X una variable aleatoria con distribucin uniforme sobre el
intervalo (a,b). Si E(x) 10 = y V(X) 12 = , calcule la probabilidad de que X se
encuentre entre 5 y 12.
Solucin.
2
E(x) a b 20 , V(x) (b a) 144 = + = = = .
2
4b 80b 400 144 + = . a 4 , b 16 = = .
12
5
dx 7
P(5 x 12)
12 12
= =

.

5. Modelo Triangular. El modelo Triangular es una variable aleatoria donde la
funcin de densidad obedece a una forma triangular dependiente de tres
parmetros importantes.

6. Observaciones de inters:
El modelo Triangular se denotar como T(MIN,MODA,MAX), donde MIN es el
menor valor que puede tomar la variable, MODA es el valor para el cual la
funcin de densidad tiene un mximo y MAX es el mayor valor que puede tomar
la variable
La funcin de distribucin acumulativa de probabilidades viene dada como:
2
X
2
0 x MIN
(x MIN)
x MIN,MODA
(MAX MIN)(MAX MODA)
F (x)
(MAX x)
1 x MODA,MAX
(MAX MIN)(MAX MODA)
1 x MAX
<


La funcin de densidad de probabilidades viene dada como:

X
2(x MIN)
x MIN,MODA
(MAX MIN)(MODA MIN)
2(x MAX)
f (x) x MODA,MAX
(MAX MIN)(MODA MAX)
0 otro caso

(


= (


El valor esperado viene dado como:
MIN MODA MAX
E(X)
3
+ +
=
La varianza viene dada como:
MIN(MIN MODA) MAX(MAX MIN) MODA(MODA MAX)
V(X)
18
+ +
=

7. Problema 3. Considere una variable aleatoria distribuida en forma triangular en el
intervalo (0,10) y con moda igual a 5. Cul es la probabilidad de que el valor de la
variable se encuentre en el intervalo (7,9)?
Solucin.
Prof. Jos Luis Quintero 81



9 9
2
7 7
2 2 x
P(7 x 9) (x 10)dx 10x
50 50 2
2 81 49 2 8 4
90 70 (16 20)
50 2 2 50 50 25
| |
< < = = |
|
\
| |
= + = = =
|
\



8. Modelo Exponencial. El modelo Exponencial es una variable aleatoria donde se
mide el tiempo de ocurrencia entre dos eventos consecutivos relacionados con el
modelo Poisson.

9. Observaciones de inters:
La variable aleatoria se define para valores mayores que cero
El modelo Exponencial se denotar como EXPON( ) , donde es un parmetro
que representa el inverso del tiempo promedio entre la ocurrencia de dos
eventos consecutivos
La funcin de distribucin acumulativa de probabilidades viene dada como:
X
x
0 x 0
F (x)
1 e x 0

<


La funcin de densidad de probabilidades viene dada como:
X
x
0 x 0
f (x)
e x 0

<


El valor esperado viene dado como:
1
E(X) =


La varianza viene dada como:
2
1
V(X) =


La funcin generadora de momentos viene dada como:

x
m (t) , t
t

= <


La funcin caracterstica viene dada como:
x
(w)
jw

=



10. Problema 4. El tiempo de atencin al cliente en la taquilla de un banco sigue una
variable aleatoria exponencial con parmetro 2 = . Calcule la probabilidad de que
ese tiempo sea mayor a su valor esperado.
Solucin.
1
E(X) 0.5 = =

,


2x 1
0.5
P 2e dx e


= =



11. Modelo Normal. El modelo Normal es una variable aleatoria de amplia utilidad
con un conjunto de caractersticas descritas en prximos puntos.

Prof. Jos Luis Quintero 82
12. Observaciones de inters:
La variable aleatoria se define para todos los reales
El modelo Normal se denotar como N( , ) , donde es el valor esperado y
es su desviacin estndar
La funcin de densidad de probabilidades viene dada como:
2
x
1
2
X
1
f (x) e
2
| |

\
=


El valor esperado viene dado como: E(X) =
La varianza viene dada como:
2
V(X) =
La funcin generadora de momentos viene dada como:
2 2
t
t
2
x
m (t) e

+
=
La funcin caracterstica viene dada como:
2 2
w
jw
2
x
(w) e


=
La funcin de densidad
X
f (x) alcanza un mximo global en x = igual a
1
2

La funcin de densidad
X
f (x) tiene dos puntos de inflexin para x = con
ordenada igual a
1
2
e
2




13. Modelo Normal Estndar. El modelo Normal Estandar es una variable aleatoria
Normal con parmetros 0 = y 1 = .

14. Observaciones de inters:
Para la variable Normal estndar se reserva la letra Z
El modelo Normal Estandar se denotar como
Z
N
El modelo Normal se puede expresar en trminos del modelo Normal Estndar
Z
N mediante el cambio de variable
X
Z

=


La funcin de densidad de probabilidades viene dada como:
2
z
2
Z
1
f (z) e
2

=


El valor esperado viene dado como: E(Z) 0 =
La varianza viene dada como: V(Z) 1 =
La funcin generadora de momentos viene dada como:
2
t
2
Z
m (t) e =
La funcin caracterstica viene dada como:
2
w
2
Z
(w) e

=


Prof. Jos Luis Quintero 83
15. Propiedades de la funcin de densidad de probabilidades
Z
f (z) de una variable
Normal Estndar:

Z
f (z) es una funcin par

Z
F (0) 0.5 =

Z Z
F (z) 1 F ( z) =

Z Z Z
P( z Z z) F (z) F ( z) 2F (z) 1 < < = =

16. Problema 5. Sea X una variable aleatoria Normal con parmetros 1 = y 1 = .
Calcule la probabilidad de que la variable tome valores en el intervalo ( 2,2) .
Solucin.
Usando los valores de la tabla 1 y el cambio de variable definido anteriormente:
Z Z
P( 2 X 2) P( 3 Z 1) F (1) (1 F (3)) 0.84134 (1 0.99865) 0.83999 < < = < < = = =

17. Problema 6. El tiempo requerido para reparar una mquina automtica en un
proceso de produccin es X minutos. Ya se ha demostrado en investigaciones
previas que la aproximacin X N(120, 4) ajusta bien al proceso. Si el proceso se
interrumpe por ms de 125 minutos, se pierden todos los productos en el proceso.
Determine la probabilidad de esta ocurrencia.
Solucin.
125 120
P(X 125) P Z P(Z 1.25) 1 F(1.25) 1 0.8944 0.1056
4
| |
> = > = > = = =
|
\
.

18. Problema 7. El tiempo de incapacidad por enfermedad de los empleados de una
compaa en un mes tiene una distribucin normal con media 100 horas y
desviacin estndar de 20 horas.
a. Cul es la probabilidad de que el tiempo por incapacidad del siguiente mes se
encuentre entre 50 y 80 horas?
Solucin.

Z Z
50 100 80 100
P(50 X 80) P Z P( 2.5 Z 1)
20 20
F ( 1) F ( 2.5) 0.1587 0.0062 0.1525
| |
< < = < < = < <
|
\
= = =

b. Cunto tiempo de incapacidad deber planearse para que la probabilidad de
excederlo sea slo de 0.0985?
Solucin.
M 100
P(X M) 0.0985 P Z 0.0985 1 F(Z) 0.0985
20
F(Z) 0.9015 Z 1.29 M 1.29 20 100 125.8
| |
> = > = =
|
\
= = = + =








Prof. Jos Luis Quintero 84

Tabla 1. Funcin de distribucin acumulativa de probabilidades
del modelo Normal Estndar
Prof. Jos Luis Quintero 85
19. Problema 8. Suponga que X se distribuye como N( , ) , de manera que
1
3
P(X 0) = y
2
3
P(X 1) = .
a. Halle los valores de y .
Solucin.

0
1 1 2
3 3 3
P(X 0) P(Z ) P(Z ) 1 P(Z ) P(Z )
0.43 0.43

= = = = =



1 1
2 1
3 2
0.50
0.43
P(X 1) P(Z ) 0.43 1 0.43 1
1.163


= =


b. Calcule P(0 X 1) .
Solucin.
2 1 1
3 3 3
P(0 X 1) P(X 1) P(X 0) = = = .