Beruflich Dokumente
Kultur Dokumente
io. Suponga X, la resistencia a la ruptura de una cuerda (en libras) con distribución normal de
parámetros(40, 36). El fabricante tendrá utilidad neta así:
$10 por c/100 pies de alambre si 37<x<45
T(X) = $50 por c/100 pies de alambre si 45<x<51
$25 por c/100 pies de alambre si 51 < x
Halle el valor esperado de la utilidad y su desviación estándar.
17. La probabilidad de que un satélite, después de colocarlo en órbita, funcione de manera adecuada
es de 0.9. Suponga que cinco de estos se colocan en órbita y operan de manera independiente.
18. Las averías de máquinas en un taller siguen una distribución de Poisson de media 2 averías por
semana. Calcular la probabilidad de:
19. Un vendedor de seguros sabe que la oportunidad de vender una póliza es mayor mientras más
contactos realice con clientes potenciales. Si la probabilidad de que una persona compre una
póliza de seguro después de la visita es constante e igual 0.25, y si el conjunto de visitas constituye
un conjunto independiente de ensayos:
a. ¿Cuántos compradores potenciales debe visitar el vendedor para que la probabilidad de vender
por lo menos una póliza sea de 0.80?.
b. ¿Cuál es la probabilidad de que tenga que reunir 8 clientes para vender 5 pólizas?
20. La proporción de unidades defectuosas en un proceso de fabricación es una variable aleatoria que
se encuentra aproximada por una distribución beta con a =1, 0=20:
119
21. Para armar un artículo se necesitan 4 etapas. Si el tiempo total necesario para armar un artículo
(en horas), es una variable aleatoria con distribución gama y parámetro A=2,
12. Al encargado de un servicio de automóviles, entre los que se tiene el de lavado, se le paga de
acuerdo al numero de vehículos que se atienden para lavado. Suponga que por vehículo se le
reconocen $5000, colocando él algunos materiales que para un día de trabajo le cuestan $3500.
a. Obtenga las ganancias esperadas por día, suponiendo que: llegan cada día 5 autos, y la
probabilidad de que uno cualquiera llegue para ser lavado es de 0.8.
b. El operario que no lava, pero se encarga de los demás servicios, recibe $15000 por día mas
una comisión del 15% según la ganancia del operario que lava. Cuales son las ganancias
esperadas de este trabajador?
13. Se especifica que el diámetro exterior de un elemento debe ser de 4 pulgadas. Suponga normalidad
del diámetro con parámetros 4 y 0.81 pulgadas; si el diámetro real se diferencia del valor especificado
por mas de 0,05 pulgadas pero con menos de 0.08, la perdida del fabricante es de US $50; si el
diámetro se diferencia en mas de 0.08 pulgadas del real, la perdida es de US $100. La pieza es
vendida en US $300.. Encuentre el valor esperado de la perdida, que es una variable aleatoria.
'.4. Suponga que la temperatura mas alta diaria durante el mes de enero en una aldea rural ha variado
uniformemente entre 0o y 5.0°C, según registros anteriores.
a. Que porcentaje de días se puede esperar que alcance una temperatura máxima de 3.5°C?
b. No exceda de 1°C?
!5. Suponga que el caudal de un río esta normalmente distribuido con media 7.6m3/seg y desviación
estándar 1.5m3/seg
a. Si el 10% del tiempo el caudal no fue suficiente para atender las demandas de irrigación y
suministro de agua para consumo público e industrial, establecer ¿cuál fue el caudal mínimo
necesario?.
b. Sí las demandas se pueden satisfacer a partir de caudales mayores a 4 m3/seg pero inferiores
a 8.5 m3/seg con que probabilidad se pueden cumplir?
a. Encuentre los límites del 90% en los cuales se podrá tener el diámetro de un determinado
agujero.
b. A partir de cuantos milímetros se tendrán el 5% de agujeros defectuosos por ser pequeños ó
más grandes.
120
27. En la producción de resistores de 50 ohms, los artículos no defectuosos son aquellos que tienen
resistencias entre 45 y 55 ohms, la probabilidad de que un resistor sea defectuoso es de 0.2%. Los
resistores se venden en cajas de 100, con la garantía de que ninguno es defectuoso.
28. Sea X la variable aleatoria número de llamadas que ocurren en una central telefónica hasta que se
sobrecarga el sistema, el cual puede recibir un máximo de 10 llamadas. La distribución probabilística
de X es Geométrica con parámetro P=0.2.
a. ¿Cuántas llamadas se pueden esperar que sucedan, si se presentan tres fallas del sistema?
b. Determine la variabilidad del evento descrito en a.
121
IV. VECTORES ALEATORIOS
í VARIABLES ALEATORIAS N - DIMENSIONALES)
DEFINICIÓN
( X i , X 2 , . . . , X n) = X : Q > ÍRn
Ejemplo 7
X puede ser:
• (X|, X2,) = (tiempo para fallar circuito 1, tiempo para fallar circuito 2)
• (Xj, X2, X3 X4) = (cantidad de lluvia, temperatura, duración, hora del día)
• (X h X2, X3, X4 X5) = (grosor, color, resistencia, peso, contenido de potasio en un pedazo de vidrio)
123
1. CLASES DE VECTORES ALEATORIOS
Al igual que las variables aleatorias, los vectores pueden ser Discretos, conformados por variables
aleatorias que toman valores enteros, Continuos si cada una de las n variables toman valores reales, y
Mixtos cuando constituyen una mezcla de variables continuas y discretas.
Cuando X toma valores finitos o infinitos enumerables (número contable de valores) se denomina
vector aleatorio discreto.
Ejemplo 2
x fx(x)
124
Con fx(x) = f Xl X2...Xn (X1 x 2 - - - x n ) = P
( X
l =
X
1a X
2 = x2 a A
=xn)
= P ( ñ (Xi=Xi))
1. f x ( x ) > 0 2. H......Ifx(x) =l
— Vx
Ejemplo 3
Sea un vector aleatorio n-dimensional X de clase discreta con función de probabilidad conjunta
fxOO.
f
X1X2---Xm(xl>x2>---xm)= S I I f x ( x ) = fx(D ( x 0 )
)
Vx n Vx n _] Vxm+1
125
Ejemplo 7 7
1 X = 1
0 1/4 1/4 2/4 Z fxri^y)
y=0
[0 en otro caso
Ejemplo 5
Dos lineas de producción manufacturan cierto tipo de artículos. Suponga que la capacidad (en
cualquier día dado) es dos artículos para la línea I y 3 para la línea II. Con base en la tabla adjunta que
muestra la distribución de probabilidad conjunta:
X = I / Y=II 0 1 2 3 fx
0 0 0.04 0.12 0.09 0.25
1 0.02 0.14 0.21 0.14 0.51
2 0.07 0.06 0.06 0.05 0.24
/Y 0.09 0.24 0.39 0.28 1.0
%
Solución:
a. Se observa en la tabla anterior como las sumas de los valores de las filas generan las
probabilidades de la variable X, lo propio sucede con los valores de las columnas para obtener
la función de probabilidad de la variable aleatoria Y.
126
b. P(1 < X < 2; O <Y < 2)=f xy ( 1,0) + f x y (1,1 )=0.04 + 0.14= 0.18
El 18% de la producción fluctúa en la Línea I entre uno y dos artículos y en la Línea II no más
de dos artículos.
Sea un vector aleatorio n dimensional de clase discreta con función de probabilidad conjunta
f x (x), y con vectores aleatorios X (1) = (X, , X 2 , ... , Xm) y X(2) = (Xm+1 , X m + 2 ,... , X m ), (m< n), la
función de probabilidad de X f l ) dado el vector X ; : ; se define por:
PFÑ(Xi=x)
(1) (2) x x x x x Vi-1 ¿
f"x(l)/x(2) (x /x ) -fx1>X2...Xm/Xm+lj...Xn ( l' 2'--- m / m+l, ••• n) ~
pf ñ (X,=x)
/
fx(2L) fx(x)
r
xnl ,X n ( X m + l » - - - » X m ) fx(2)(x2)
Ejercicio 6
127
Solución:
0.12
= 0.30769 x=0
0.39
0.06
0.15385 x=2
0.39
La interpretación de cualquier valor resultante se puede hacer diciendo por ejemplo en caso del
0.53846 que si se producen 2 unidades en la línea II entonces la probabilidad de que se produzca una
sola en la línea I es 0.53846. Equivalente a indicar que en el 53.8% de los días en que se producen dos
unidades en la línea II, se produce una en la línea I.
El vector aleatorio (Xl5 X2,... ,Xn)= X es absolutamente continuo sí existe la función g x (x)
valorada en los reales tal que cumple:
x
1- 8 x ( ) 2 . J J J gx(x)dx = l
-00 —00 —00
Ejemplo 7
128
a. Encontrar k
K - 2
1= £ fi, Kdx2dx1=Kj¡ (1-xOdx^K
v 2y
b. Calcular P(X 2 - X, < 0.2) . A partir de la figura de al lado 0.2 0.4 0.6 0.8 T xi
P(X 2 <0.2 + X l )=f t 2 + X ' 2dx 2 dx, + {Q8 ¡lX{ 2dx 2 dx,
Ejemplo 8
Sean X, Y las proporciones del tiempo en un día de trabajo, que los empleados A y B,
respectivamente, se ocupan realmente en hacer sus tareas asignadas. El comportamiento de las
frecuencias relativas conjuntas se representan por:
¡ , íx + y 0<x<1 0<y<l
g íx,y) =
10 en otro caso
Calcular:
Y=-X+1
2
a. P(X< 1/2,Y> 1/4) = J n ' L (x + y ) d y d x = | i
a. El 32.8% de los días trabajados por los dos empleados se caracterizan por que A trabajo
menos de la mitad del tiempo, mientras que B lo hizo durante más de la cuarta parte del
tiempo.
b. En uno de cada tres días el tiempo trabajado por A más el trabajado por B corresponde a un
día laboral completo.
129
1.2.1 Función de Densidad Marginal
Sea X un vector aleatorio continuo con función de densidad conjunta g x (x); X(1^=(X1,X2,...,Xn) y
X'2 =(Xm+1,Xm+2,...,Xn). La función de densidad marginal de Xm+1 X n se define por:
Sea X un vector aleatorio continuo con función de densidad conjunta g x (x) con x e R .
Ejemplo 9
Solución
1 1
a. gY(y) = J0 (x + y)dx = y + — 0<y<l gxW=J0 (x + y)dy= X H 2 0<X<1
= 0.325
P(Y > 0.5) f1 (1 / 2 + y) dy
J J. 5
130
2W(x,y) x+ y
c. g ^ ( v + x)= --- — = f 0<x<l 0<y<l
gx(x) x+ i
X, X2 Xn
x
"1 2
J J |gx(x)dx X vector aleatorio continuo
-00 —00 —00
1. Lim Fx(x) = 0
Algún x—>oo
anFx(x)
4. XV _
8x]x2...xnrxi'X2'---xn) X vector aleatorio continuo
O Ai CVv2
lll
5. Sea X vector aleatorio tal que X', < X/', X'2 < X2", , X'n < Xn"
=> F x (X',, X'2 ,... ,X'n) < F x (X"! , X"2 ,..., X'n) la función de distribución conjunta es
creciente.
Ejemplo 10
0 x< 0 y<0
0.04 0<x<l 1<y<2
0.16 0<x4l 2<y<3
0.25 0< x < 1 3<y
0.02 1<x<2 0< y< 1
0.2 1 < x< 2 1<y<2
F XY (x,y) =
0.53 1<x<2 2<y<3
0.76 1<x<2 3<y
0.09 2<x 0<y<l
0.33 2<x 1<y<2
0.72 2<x 2<y<3
1.0 2<x 3<y
Ejemplo 11
0 Xj <0 x2 < 0
f
2 X2
F x
X!X2 ( 1,* 2 ) = ío1 JxT 2 dx 2 dxj = 2 XIXN 0 < x , <1 0 < x? < 1
2
1 < x, 1 < x-
Sea X un vector aleatorio n- dimensional continuo (ó discreto) con función de densidad (ó función
de probabilidad) condicional. La función de distribución condicional del vector X ( l ) m- dimensional
respecto a X(2> (n - m)-dimensional se define por:
132
x x x
/i\ m+l m+2 n
FX(I)/X(2)(X(1)/X(2))= E E (x ( 1 ) /x ( 2 ) ) X ( 1 ) ,X ( 2 ) discretos
X x ••x £ f x«/x( 2 >
m+1=0 m+2=0 n=0
x
m+l xm+2
j J j g x(I ) /x (2)(x (1 Vx (2 >)dxW X ( 1 ) ,X ( 2 ) continuos
-00 -00
i (2)
f x (i) /x(2) ( x w / x ): Función de probabilidad condicional m-dimensional
Ejemplo 12
0 x <0
0 ^_0.16 P(X<0,Y<2)
0<x<1
0.72 P(Y < 2)
Ejemplo 13
133
d. Determine la función de distribución conjunta de X y Y.
e. Determine gx/yí^Y)-
f. Encuentre F x/Y (x/y).
Solución:
a 3 x d
- ío Jo ydx=1
3
Y=X
d. F x y ( x , y ) = JQy | 3x dy dx = - x 2 y y- 1 "T
0.5-
o íw \r\ ^v 1 % — -
e. v/A) = CAI ' J ' = — - = — 0<y<x
gx(x) 3x" x
1
y<0
f F y 0<y<x
- Y/x(y/x)=í'gY/x(y/x)dy = f ~dy =
1 x<y
Ejemplo 14
,2 , xy
x"+— 0<x<l
3
gxv( x >y) : 0<y<2
en otro caso
Calcular:
134
Solución:
2
a. g x ( x ) = j ; i x + f dy = 2x 2 + - X 0<x<l
ó J i
1 ^ Í2X 2 + 2 ^ dx =0.833
l 3
r 3\
b. P(Y <X) = ¡1 J0X ( x 2 + x y / 3 ) ) d y d x = jJ 3 X dX:
X + —
24
1 2
c. P Y < — // vX < —
O | = ío íoJo 2 gxv(x,y)dydx
2 / 2J 1 / 2 _ ? 2x
í' 2x + — d x
JO T
1/2 1
Z' A
f 1/2 f l/2 [ 2 X V I . , ff li / 2 2 xy x x
ío ío x +
T dydx =
ío dx = -
v2 2 4y, 192
Sea un vector aleatorio n- dimensional, se dice que las variables aleatorias (continuas o discretas)
que lo conforman son estocásticamente independientes si y sólo si:
K
f x ( x ) = n fXi(*i) V x , , x 2 , . . . x n discretas
i=l
K
gx(x) = n g X j ( x i ) V x , , x 2 , . . . x n continuas
i=l
K
Fx(x) = n F Xi (Xi) V x l , x 2 , . . . x n discretas o continuas
i=l
NOTA 1. De lo anterior, se pueden verificar para el caso bidimensional los siguientes resultados
de funciones de probabilidad, densidad y distribución condicionales y extensivos a n - dimensiones:
f
- x/Y (x ! Y) = fx(x)
135
- gx/y( x >y) =
gx(x)
- FX/Y(x / y) = F x (x)
Ejemplo 15
Un experimento tiene K resultados mutuamente excluyentes, cada uno con probabilidades Pi,
i = 1,2,...., K ; X Pi = 1. El experimento se repite n veces, en forma independiente una de otra.
Solución:
Sea X¡: variable aleatoria que indica el número de veces que ocurre el resultado i, en las n
repeticiones.
X¡ = 0,1,2,..., n ¿X,=l
i=l
f
x,x2...xk(xiv-xk)--^ n p¡x'
1=0
[ x .i (Modelo Multinomial)
i=o
Las variables aleatorias X¡ pueden ser categorías de estaturas, clases de elementos reconocidos
por determinada modalidad, etc. Lea el siguiente ejemplo.
Ejemplo 16
El número de llamadas telefónicas que se realizan diariamente entre las 7 y las 8am en una
empresa es una variable aleatoria con distribución Poisson con parámetros A,k = 8.
136
Solución:
ni-l ( o
i=l i=l x,:
-40/on5
b. P(X, = 2,X 2 = 2,X 3 = 22, X 4 = 4 , X 5 =5) = — ^
J
= 6.35*10~9
(2!) *4!*5!
' 15 ^
c. P(X, = 2,X 2 = 2,X 3 = 22,X 4 =4, X 5 = 5) = *0.12 *0.7 2 *0.12 *0.7 4 *0.45
v 2 2 2 4 5y
15!
3
(O.l)4 0.76 0.45 =0.00372
(2!) 4! 5!
Ejemplo 17
Como f X Y (l, 1) = f x (1) f Y (1) 0.14 ^ 0.51 * 0.24 = 0.1224 por lo tanto X, Y no son
independientes.
Ejemplo 18
Un dispositivo electrónico está formado por 2 circuitos integrados. Para que el dispositivo funcione
exitosamente es necesario que cada uno de los circuitos funcione correctamente durante 2 minutos.
Los dos circuitos funcionan independientemente.
Sean:
137
Ejemplo 7 7
2 2x z + 2x z y— +2x
— +xy
-—
gXY (x,y) = x + y * g 2
x (x) g Y (y) : 2x H— X
3 6 3 6 9 9
x 2 + d y =
Siendo g Y ( y ) = J o "Y 3+f
DEFINICIÓN
Dadas X[ , X2 ,..., Xn sucesión de variables aleatorias (X) y siendo las funciones de variables
ileatorias (Y, , Y 2 ,...,Yk)=H(X)=Y. Entonces, Y es un vector aleatorio k-dimensional ó función
deatoria de k particiones de X, tal que
H(X)=Y:
donde x (1) , x ( 2 ) , ,x ( k ) son valores de las particiones X (1) ,X (2) , ,X (k) tal que
Ejemplo 20
138
b. X ( 1 ) = ( X 1 ; X 2 , X n ,)talqueH(X ( 1 ) ) = I X¡
i=l
X(2) = ( X 1 , X 2 , X n J t a l q u e H ( X ( 2 ) ) = £ X,
i=l
Ejemplo 21
Un jugador gana dos puntos si sale en un lanzamiento el resultado 5 o el 6, de otra manera pierde
un punto. El resultado de los lanzamientos del dado puede ser par o impar, Y p y los puntos ganados al
tener en cuenta los dos lanzamientos, Y . Las anteriores características se pueden expresar como
funciones aleatorias de X¡ tal que:
(w1,w2)^-(x1,x2) -> (y 1 ; y 2 )
(1,1) ->(1,1) (1,-2)
0 si (x, + x 2 ) es impar [
1 si(x,+x2)espar
Ejemplo 22
H(X) = Y : n3
x ^ - ( x , x 2 , x 3 ) = (y!,y 2 ,y 3 )
139
4.1 Función de Probabilidad Conjunta de Funciones de Variables
Aleatorias
Sea H(X) una función aleatoria discreta. La función conjunta de probabilidad de H(X) esta dada por:
f H ( x ) ( H ( x ) ) = f x ( y ) = P(Y! = y l f Y 2 = y 2 > Yk = y k ) =
f
HCx(1))(H^(I)» = f
Yi(yi)=S £ f Y (y)
Vy 2 Vy k
Ejemplo 23
H(X) = H ( X „ X 2 ) : 9 í 2
P(YI= YI, Y2= y2)=fYiY2(yi, y?)
( l , l ) - > (1,-2)->1/36 Y2
Yi -2 1 4 fvi
Obsérvese que como en el caso univariado, las funciones de probabilidad marginales de H(X n ) )
y H(X<2') son los valores que aparecen en la última fila y columna respectivamente.
Ejemplo77
TEOREMA 1
Sea X un vector aleatorio n-dimensional continuo con función de densidad g x (x) y sea
Y=H(X) : R n - » R n tal que:
- Existe J = 5 H
^, tal que para J^Q entonces g H ( x ) (H(x)) = g x (H~* (x)) | j| 1
es la función
H(X)
de densidad de H(X).
NOTA 1. Sea una función de un vector aleatorio H(X) = (H(X(1)), H(X(1))). La función de
densidad marginal de H(X(1)) dada H(X(2)) se escribe como:
iMi..(1)W/TI,„(2K_ gHCX)(H(x))
S (H(x )
H(X<2))
NOTA 2. Se desea encontrar la Función de Distribución de Y_= H (X) = (Y! , Y 2 ,..., Yk) •
141
Ejemplo77
Sea el vector aleatorio continuo X=(X b X2, X3), con función de densidad
Y 1 = X 1 + X 2 + X 3 de donde Xj = Y j - ( X 2 + X 3 ) = Y t - ( Y 2 + Y 3 )
Y2 = x 2 ó X 2 =Y 2
Y3 = x 3 ó x 3 = Y3
densidad de H(X) es
DEFINICION
142