Evaluaciones Resueltas 2009-2010

Universidad Tecnica Federico Santa Mara
Departamento de Matematica/ Campus Vitacura

Recopilaci on Evaluaciones
Ejercicios resueltos del curso:
Probabilidad y Estadstica 2009-2010
Recopilado por: Francisca Gonz alez Lopez
Santiago, August 26, 2011
Departamento de Matematica
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
(a) Determine la media y la mediana de la variable consumo.
(b) Calcule el percentil 25 y 75 para la variable consumo.
(c) Calcule la desviaci on est andar de la variable consumo.
(d) Que porcentaje de usuarios consumen m as de 90 Kwh ?
Soluci on:
Ya que los datos est an agrupados los c alculos son como sigue:
(a) La media del consumo de energa es
x =
1
n
MC
i
n
i
=
1
80
(15 4 + 35 6 + 55 14 + 75 26 + 95 14 + 115 8 + 135 6 + 155 2)
= 79.5
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:
Me = l
Me
+
n/2 N
Me
n
Me
I
= 65 +
80/2 24
26
20
= 77.3
(b) Calculamos P
25
y P
75
. La clase 3 acumula un 30% por lo que en ella se encunetra el
primer cuartil.
Probabilidad y Estadstica 1
P
25
= l
q
+
n q/100 N
q
n
q
I
= 45 +
80 25/100 10
14
20
= 45 + 14.28
= 59.28
y el tercer cuartil esta en la clase 5, 85-105, por lo tanto
P
75
= l
q
+
n q/100 N
q
n
q
I
= 85 +
80 75/100 50
14
20
= 85 + 14.28
= 99.28
(c) Calculamos la varianza:
s
2
=
1
n
n
i
MC
2
i
x
2
=
1
n
(4 15
2
+ 6 35
2
+ 14 55
2
+ 26 75
2
+ 14 95
2
+ 8 115
2
+ 6 135
2
+ 2 155
2
) 79.5
2
= 7330 6320.25
= 1009.75
Por lo tanto la desviaci on est andar es 31.77.
(d) Lo que queremos es el valor tal que P
q
= 90, por lo tanto en la ecuaci on
P
q
= 90 = l
q
+
n q/100 N
q
n
q
I
debemos encontrar el valor de q. La clase a la que corresponde es la C
5
, por lo tanto
P
q
= 85 +
80 q/100 50
14
20 = 90
80 q/100 50
14
=
90 85
20
80 q/100 50 = 0.25 14
q = (3.5 + 50)
100
80
q = 66.87
Es decir, alrededor del 67% consume menos de 90 Kwh, y por lo tanto, el 33% consume
m as de 90 Kwh.
2. El departamento de personal de una cierta rma realizo un estudio sobre los salarios, en
unidades monetarias(u.m.) de 120 funcionarios del sector administrativo, con los siguientes
resultados :
Salario / Salario Mnimo Frecuencia Relativa
0 - 2 0.25
2 - 4 0.40
4 - 6 0.20
6-10 0.15
(a) Calcule la media, mediana, varianza y desviaci on estandar.
(b) Que ocurre con la media si se aumentan los salarios en 100%?, y con la varianza?.
Justique.
(c) Que ocurre con la varianza si se aumentan los salarios en 0.8 u.m.? Justique.
Soluci on:
(a) Completamos la tabla
Salario / Salario Mnimo MC
i
n
i
f
i
N
i
F
i
0 - 2 1 30 0.25 30 0.25
2 - 4 3 48 0.40 78 0.65
4 - 6 5 24 0.20 102 0.85
6-10 8 18 0.15 120 1
Aplicando las f ormulas tenemos que:
X =
1
n
k
i=1
n
i
MC
i
= 3.65
M
e
= l
Me
+
n
2
N
Me
n
Me
I = 2 +
120
2
30
48
2 = 3.25
s
2
=
k
i=1
n
i
(MC
i
X)
2
n
= 5.12
Por lo tanto, s = 2.264
(b) Si los salarios aumentan en un 100% quiere decir que el salario se aumenta al doble, por
lo que ahora en vez de contar con MC
i
contamos con MC
i
= 2MC
i
. As, la media ser a
x
=
1
n
k
i=1
n
i
MC
i
=
1
n
k
i=1
n
i
2MC
i
= 2
1
n
k
i=1
n
i
MC
i
= 2 x
= 2 3.65
= 7.3
Por lo tanto la media aumenta al doble.
Para la varianza,
s
2
T
=
1
n
k
i=1
n
i
(MC
i
X
)
2
=
1
n
k
i=1
n
i
(2 MC
i
2 X)
2
=
1
n
k
i=1
n
i
4 (MC
i
X)
2
= 4
1
n
k
i=1
n
i
(MC
i
X)
2
= 4 s
2
Por lo tanto, si los sueldos se duplican, el sueldo promedio se duplica y la varianza se
cuadriplica.
(c) El el punto anterior vimos que si multiplicamos todas las observaciones por una con-
stante a, entonces, la media aumenta a veces y la varianza de los datos transformados
es
2
T
= a
2
2
, donde
2
es la varianza de los datos originales.
En este caso, lo que hacemos es sumar a todas las observaciones una constante, con esto
media y varianza quedan de la siguiente manera:
x
=
1
n
k
i=1
n
i
(MC
i
+a)
=
1
n
(
k
i=1
n
i
MC
i
+
k
i=1
n
i
a)
=
1
n
(
k
i=1
n
i
MC
i
+
n a
n
)
= x +a
s
2
T
=
1
n
k
i=1
n
i
(MC
i
+a (X
+a))
2
=
1
n
k
i=1
n
i
(MC
i
X)
2
= s
2
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 mantendr a igual a
la de los datos originales.
3. Demuestre que:
a) El valor que minimiza la funci on
f(a) =
1
n
n
i=1
(x
i
a)
2
es a = x
b) La varianza s
2
satisface:
s
2
=
1
n
n
i=1
x
2
i
x
2
Soluci on:
a) Sea la funci on:
f(a) =
1
n
n
i=1
(x
i
a)
2
Si minimizamos esta funci on para a
df(a)
da
=
1
n
n
i=1
2(x
i
a) (1) = 0
(x
i
)
a = 0
x
i
= n a
x = a
Para comprobar que es mnimo calculamos la segunda derivada:
d
2
f(a)
da
2
=
d
da
1
n
n
i=1
2(x
i
a) (1)
=
d
da
_
2
n
x
i
+
2
n
a
_
= 2 > 0
Por lo tanto, la varianza se minimiza con a = x
b) Desarrollamos el cuadrado
1
n
(x
i
x)
2
=
1
n
(x
2
i
2x
i
x +x
2
)
=
1
n
x
2
i

1
n
2x
x
i
+
1
n
x
2
=
1
n
x
2
i
2x
1
n
x
i
+
1
n
n x
2
=
1
n
x
2
i
2x x +x
2
=
1
n
x
2
i
2x
2
+x
2
=
1
n
x
2
i
x
2
4. Que ocurre con la mediana, media y desviaci on estandar de una secuencia de datos , cuando:
i) cada observacion es multiplicada por 2?
ii) se le suma 10 a cada observaci on?
Soluci on:
i) Supongamos que nuestros datos son x
1
, x
2
, . . . , x
n
. Si multiplicamos todos los datos por
2, la nueva secuencia ser a 2x
1
, 2x
2
, . . . , 2x
n
. La mediana ser a el doble del valor anterior,
y la media:
x
=
1
n
n
i=1
2 x
i
=
1
n
2
n
i=1
x
i
= 2
1
n
n
i=1
x
i
= 2 x
Por lo tanto la mediana y la media aumentar an al doble, mientras que la varianza s
2
aumentar a 4 veces s
2
T
= 4 s
2
, esto ya que
s
2
T
=
1
n
n
i=1
(2 x
i
+ 2 x)
2
=
1
n
n
i=1
4 (x
i
x)
2
= 4 s
2
Si multiplicamos todas las observaciones por una constante, la media y la mediana
aumentar an en la misma magnitud de la constante, mientras que la varianza aumentara
en el cuadrado de la constante utilizada.
ii) Si sumamos 10 unidades a cada observaci on, la nueva secuencia sera (x
1
+ 10), (x
2
+
10), . . . , (x
n
+ 10). Al aumentar todos los valores en la misma magnitud, la nueva me-
diana sera la mediana anterior m as 10 unidades.
x
=
1
n
n
i=1
(x
i
+ 10)
=
1
n
n
i=1
x
i
+
1
n
n
i=1
10
= x + 10
La media y la mediana aumentaran en 10 unidades.
La varianza
s
2
T
=
1
n
n
i=1
[(x
i
+ 10) (x + 10)]
2
=
1
n
n
i=1
(x
i
x)
2
= s
2
por lo que la varianza no cambiara.
Si sumamos igual cantidad a todas las observaciones, las medidas de localizacion (media,
mediana) se ver an alteradas, aumentando en la misma cantidad sumada, mientras que
la dispersion se mantendra.
5. Se quiere explicar la respuesta a un estmulo a lo largo del tiempo. Sean X, el tiempo de
respuesta e Y , el estmulo entregado. A continuacion se muestran medidas de resumen para
las 14 observaciones:
x
i
= 82
y
i
= 20.97
log(y
i
) = 3.72
x
2
i
= 662.5
y
2
i
= 64.26
(log y
i
)
2
= 22.70
x
i
y
i
= 54.43
x
i
log(y
i
) = 82.48
e
i
= 7.187
i
= 1.523
En clases vimos gr acamente que el ajuste exponencial era mejor que el ajuste lineal.
Calcule correlaci on entre X e Y y entre X y log(Y ). Calcule ademas el coeciente de de-
terminaci on de ambos ajustes. Son consistentes estos resultados con lo comentado en clases?
Soluci on:
De las cantidades entregadas calculamos los siguientes estadsticos:
x = 5.857 s
2
x
= 13.015
y = 1.497 s
2
y
= 2.347
log(y) = 0.266 s
2
log(y)
= 1.551
Cov(x, y) = 4.885 Cov(x, log(y)) = 4.332
Con esto,
Corr(x, y) =
4.885
13.015 2.347
= 0.883
y
Corr(x, log(y)) =
4.332
13.015 1.551
= 0.964
El modelo lineal ajustado es
y = 3.70 0.375 x
y el R
2
es
R
2
= 1
e
2
i
(y
i
y)
2
= 1
e
2
i
n s
2
y
= 1
7.187
14 2.347
= 1 0.218
= 0.781
Por lo que X explica un 78% de la variabilidad de Y .
El modelo exponencial ajustado es
log(y) = 1.684 0.332 x
El coeciente R
2
es
R
2
= 1
(e
i
)
2
(log(y
i
) log(y))
2
= 1
(e
i
)
2
n s
2
log(y)
= 1
1.523
14 1.551
= 1 0.070
= 0.929
y la variable X explica un 92.9% de la variabilidad de log(Y ), con lo que comprobamos que
el ajuste exponencial es mejor que el ajuste lineal.
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:
Y
X 0-100 100-200 200-800
600-1500 13 9 4
1500-2000 9 12 23
2000-5000 6 9 15
a) Calcule el gasto mensual promedio en ocio y el ingreso mensual promedio.
Consideramos n = 100 observaciones y construimos las tablas univariadas de frecuencia
para X e Y sumando por las y columnas, respectivamente, y queda:
X
MC
i
n
i
1050 26
1750 44
3500 30
Y
MC
j
n
j
50 28
150 30
500 42
Con esto, aplicando la f orumla para el c alculo de la media para variables agrupadas
queda
x =
1
100
(1050 26 + 1750 44 + 3500 30) = 2093
an alogamente,
y =
1
100
(50 28 + 150 30 + 500 42) = 269
b) Calcule la varianza de cada variable. Cual le parece mas homogenea?
Para X:
s
2
x
=
1
100
(1050
2
26 + 1750
2
44 + 3500
2
30) 2093
2
= 928501
Para Y :
s
2
y
=
1
100
(50
2
28 + 150
2
30 + 500
2
42) 269
2
= 40089
La mas homogenea es X, ya que la desviacion est andar de Y , el gasto en ocio, es muy
similar a la media, lo que indica una mayor variabilidad.
(Tambien es posible concluir a partir del coeciente de variacion y ver que el de X es
menor, CV
x
= 0.46, que el de Y , CV
y
= 0.74)
c) Quienes gastan mas en ocio: las familias con ingresos entre 1500 y 2000 o los que ganan
m as de 2000?
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:
MC
j
f
j/i=15002000
50 20.5
150 27.3
500 52.3
MC
j
f
j/i=20005000
50 20.0
150 30.0
500 50.0
Estos porcentajes son practicamente iguales, de hecho, al calcular el promedio para cada
nivel de ingreso mensual es 312.5 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.
Aplicamos la f ormula percentil para el percentil 50:
Me = l
Me
+
n q/100 N
Me
n
Me
I = 100 +
50 28
30
100 = 173.3
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 relaci on entre ellas?
Para realizar este calculo debemos considerar una modicaci on de la f ormula usual,
ya que no tenemos las observaciones, sino que la informacion tabulada. Para esto
consideremos, cada variable ser a 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 n
ij
veces, con i,j=1,2,3. Entonces, la f ormula de covarianza queda
Cov(X, Y ) =
1
n
x
i
y
i
x y
=
1
n
n
ij
MC
x
i
MC
y
j
x y
=
1
100
(13 1050 50 + 9 1050 150 +. . . + 9 3500 150 + 15 3500 500)
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 correlaci on lineal, conrma o desestima lo obtenido en (e)?
Para el c alculo de este coeciente, utilizamos los valores antes obtenidos y reemplazamos
=
Cov(X, Y )
_
s
2
x
s
2
y
=
39858
928501 40089
= 0.2065
Es concordante ya que es positivo, pero es un valor bajo como para asegurar que la
relaci on entre las variables es lineal.
g) Calcule los coecientes del ajuste lineal e interpretelos.
Los coecientes son
b =
Cov(X, Y )
s
2
x
=
39858
928501
= 0.042
a = y
b x = 269 0.085 2093 = 179.15

Por lo que el modelo queda
y = 179.15 + 0.042 x
donde la interpretaci on del intercepto no tiene sentido, ya que supone que el ingreso
mensual es cero, valor que no est a en nuestro analisis. El otro valor se interpreta como
el incremento en 0.042 euros el gasto en ocio que se produce al incrementar en un euro
el ingreso mensual por familia.
h) Le parece que este modelo es adecuado? Justique.
No parece adecuado, por el bajo valor de la correlacion ( = 0.21) que implica que
R
2
= 0.04, es decir, m as 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 costos
semanales por publicidad y las ventas. Sean
X: costos de publicidad($)
Y: ventas ($)
Se registran los siguientes datos:
X Y X
2
Y
2
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
a) Calcule los valores estimados de a y b del modelo Y = a +bX.
b) Estime las ventas semanales cuando los costos de publicidad son $20, $25, $30, $40 y
$50.
c) El coeciente de determinacion R
2
se puede calcular como
R
2
= 1
(y
i
y
i
)
2
(y
i
y)
2
Calcule este valor y determine si el ajuste es conable.
d) A que se debe que la estimaci on sea o no able?
Soluci on:
a) Calculamos
b =
Cov(X, Y )
s
2
x
=
1
n
x
i
y
i
x y
1
n
x
2
i
x
2
=
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
bx
=
1
12
y
i
3.22
1
12
x
i
=
1
12
5445 3.22
1
12
410
= 343.73
Por lo que el modelo que da

venta = 343.73 + 3.22 costo
b) Con el modelo antes calculado obtenemos
Costo

V enta
20 408.13
25 424.23
30 440.33
40 472.53
50 504.73
c) El coeciente de determinacion R
2
se puede calcular como
R
2
=
(y
i
y)
2
(y
i
y)
2
Calcule este valor y determine si el ajuste es conable.
Y

Y Y Y Y

Y
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
R
2
= 1
25226.21
42256.25
= 1 0.596
= 0.403
d) Depende del valor del coeciente de determinaci on que en este caso es inferior al 70%
lo que genera un estimacion poco conable.
8. Se desarroll o un experiemento para estudiar las propiedades de fragilidad del hidrogeno con
base en mediciones de presi on electroltica de hidr ogeno. Se controlo la densidad de corriente
de carga catodica y se vario en cuatro niveles. Se observ o la presion efectiva del hidrogeno
como la respuesta. Sean
X: densidad de corriente de carga (mA/cm
2
),
Y: presion efectiva de hidrogeno (atm).
Los datos son los siguientes:
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
a) Calcule media, mediana, varianza y desviaci on estandar de Y. Que puede decir de la
distribuci on de esta variable?
b) Calcule la correlaci on entre X e Y. Cu al es el R
2
del modelo Y = a +bX?
c) Existe alguna transformacion de las variables que aumente el valor de la correlacion
antes caculada?
d) Determine cu al es el mejor modelo de regresi on lineal utlizando el valor del coeciente
de determinacion.
Soluci on:
a) Los valores pedidos son
y = 282.7
Me = 231.5
s
2
= 29937.5
s = 173.02
La alta variabilidad s=173.02 respecto de la media y la diferencia de esta y la mediana
nos indican que los datos se encuentran altamente dispersos (respecto de la media).
b) Corr(X, Y ) = 0.84 lo que nos indica que el valor de R
2
del modelo Y = a + bX es
R
2
0.70
c) Si transformamos x
= log(x) obtenemos que Corr(X
, Y ) = 0.93 y el R
2
del modelo
Y = a
+b
es 0.85.
d) El mejor modelo es el que tiene mayor R
2
, por lo tanto el mejor modelo es Y = a
+
b
log(X).
9. El crecimiento de una colonia de abejas est a determinado por la siguiente ecuacion:
y =
230
1 + e
t
Donde y representa el n umero de abejas y t el tiempo medido en meses. Se obtuvieron los
siguientes datos.
t 1 13 23 33 53 63
y 5,746 157,496 227,412 229,935 235,000 235,000
Determine una estimacion de y .
Soluci on:
y =
230
1 + e
t
depejando en terminos de y
e
t
=
230 y
y
aplicando logaritmo natural para linealizar
ln () t = ln
_
230 y
y
_
que es una representaci on lineal
Realizando el cambio de variable pertinente:
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
Coeciente de correlacion m ultiple 0,602143
Coeciente de determinacion R
2
0,362576
R
2
ajustado 0,203221
Error tpico 3,563255
Observaciones 6
Coecientes
Intercepci on 0,238998
Variable X
1
-0,101574
= 0, 101574,
ln () = 0, 238998,
= 1, 269976
Por lo que el modelo a ajustar es:
y =
230
1 + 1, 269976 e
0,101574t
10. Los datos a continuaci on representan el tama no y precio de 6 terrenos de una determinada
localidad.
Tama no, X (cien m
2
) 4.4 8.2 10.3 15.3 19 30.2
Precio, Y (millones) 0.3 0.57 0.93 1.48 2.42 4.07
El Principio de Parsimonia establece que si hay m as de una solucion posible a un problema,
se debe escoger la mas simple.
Bajo este criterio y el an alisis de los estadsticos que se presentan, determine que modelo
representa mejor la relaci on entre las variables. Interprete el modelo escogido.
corr(X,Y) a

b R
2
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 justica el ajuste de los tres modelos. De los tres, el de menor correlaci on es el
modelo esponencial, por lo que decidiremos entre los otros dos modelos.
Tanto el modelo lineal como el modelo polinomial presentan un 99% de correlaci on y un
R
2
superior al 98%, siendo mayor el del modelo polinomial. Como ambos indicadores son
similares, y aun cuando el modelo polinomial parece m as adecuado, por parsimonia el mejor
ajuste ser a el lineal, ya es m as simple y explica lo mismo que el modelo polinomial.
El modelo ajsutado es
y
i
= 0.583 + 0.151 x
i
lo que quiere decir que cuando el tama no del terreno aumenta en 100 m
2
el precio aumenta
en 0.151 millones. El intercepto no tiene una interpretaci on en el contexto de las variables.
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:
3 hombres: Felipe, Gonzalo y Joaqun.
5 mujeres: Alicia, B arbara, Evelyn, Claudia y Natalia.
Suponga que si una persona pertenece a esta directiva, esta persona puede ocupar s olo 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.
Soluci on:
(a) Usando el Principio Multiplicativo, el n umero de directivas diferentes que pueden for-
marse es: 8 7 6 5 4. )
(b) Defina el evento A : Gonzalo y Felipe no estan simultaneamente en la directiva.
Alternativa 1: Note que P(A) = 1 P(A
).
Para saber cu antos elementos tiene A
, considere lo siguiente:
(i). Hay
_
5
2
_
2! = 20 formas de Felipe y Gonzalo ocupen un cargo en la directiva
(pues, cargos son diferentes).
(ii). Una vez asignados los cargos de Felipe y Gonzalo, hay 6 5 4 formas de llenar
los cargos restantes.
Luego, A
tiene 20 6 5 4 elementos (Principio Multiplicativo).

Por tanto, dada la equiprobabilidad entre todas las directivas posibles, la probabil-
idad pedida es:
P(A) = 1 P
_
A
_
= 1
20 6 5 4
8 7 6 5 4
Alternativa 2: Defina los eventos:
G : Gonzalo esta en la directiva, pero Felipe no lo esta.
F : Felipe esta en la directiva, pero Gonzalo no lo esta.
N : Ni Gonzalo ni Felipe estan en la directiva.
Note que A = G F N y adem as los eventos G, F y N son disjuntos dos a dos.
Por tanto, P(A) = P(G) +P(F) +P(N).
Para saber cu antos elementos tiene G, considere lo siguiente:
(i). Hay 5 formas de elegir el cargo que ocupar a Gonzalo (pues, cargos son difer-
entes).
(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).
Luego, el n umero de elementos de G es: 5 6 5 4 3.
Por tanto, dada la equiprobabilidad entre todas las directivas posibles,
P(G) =
5 6 5 4 3
8 7 6 5 4
=
15
56
An alogamente, 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,
P(N) =
6 5 4 3 2
8 7 6 5 4
=
6
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 M
j
: En la directiva hay exactamente j
mujeres.
Para calcular el n umero de elementos que tiene M
3
considere lo siguiente:
(i). Hay
_
5
3
_
formas de elegir los cargos que ocupar an 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, M
3
tiene
_
5
3
_
5 4 3 3 2 = 3600 elementos (Principio Multiplicativo).
Usando argumentos similares, se tiene que:
M
4
tiene
_
5
4
_
5 4 3 2 3 = 1800 elementos.
M
5
tiene 5 4 3 2 1 = 120 elementos.
Por tanto, la probabilidad pedida en esta parte es:
P(M
3
) +P(M
4
) +P(M
5
) =
3600 + 1800 + 120
8 7 6 5 4
2. Sea un espacio muestral y P() una medida de probabilidad. Sean A, B, C . Determine
si la siguiente proposici on es verdadera o falsa.
Si P(A | C) P(B | C) y P(A | C
) P(B | C
), entonces P(A) P(B).

Si la proposicion es verdadera, demuestrela. Si es falsa, provea un contraejemplo. Con-
traejemplos deben incluir: el espacio muestral , los eventos A, B y C, y la medida de
probabilidad P().
Soluci on:
La proposicion es verdadera.
Demostraci on: Seg un la denicion de probabilidad condicional
P(A | C) P(B | C)
P(A C)
P(C)

P(B C)
P(C)
P(A C) P(B C)
P
_
A | C
_
P
_
B | C
P
_
A C
_
P
_
C
_
P
_
B C
_
P
_
C
_
P
_
A C
_
P
_
B C
_
Luego,
P(A C) +P
_
A C
_
P(B C) +P
_
B C
_
P(A) P(B)
lo que completa la demostraci on.
3. Sean A, B y C tres eventos tales que A C = , demostrar que:
P((A C) | B) = P(A | B) +P(C | B)
Soluci on:
P((A C) | B) =
P((A B) B)
P(B)
=
P((A B) (C B))
P(B)
=
P(A B)
P(B)
+
P(C B)
P(B)
= P(A | B) +P(C | B)
Como A C = entonces A B y C B son disjuntos.
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.
e) P(A
| B
) = 1/2
f) P(A | B) +P(A
| B
) = 1
Soluci on:
a) Si A B, entonces A B = A, y por lo tanto se cumplira que
P(B/A) =
P(A B)
P(A)
=
P(A)
P(A)
= 1 =
1
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
P(A B) = P(B | A) P(A) =
1
2
1
4
=
1
8
= P(A) P(B)
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
)
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
)
Por lo tanto, A
y B
tambien son independientes.

d) A y B no pueden ser disjuntos, ya que son independientes. En efecto, si son disjuntos,
A B = y como son independientes se tiene que
P(A | B) =
P(A B)
P(B)
, si son disjuntos
=
P()
P(B)
= 0 = P(A)
e) En (c) calculamos lo pedido, que es claramente distinto a 1/2.
f) Es claro que no se cumple, ya que
P(A/B) = 1/4 y P(A
/B
) = 1/4
entonces
P(A/B) +P(A
| B
) = 1/2 = 1
5. Un ingeniero desea escoger, entre los dos dise nos de circuitos que se muestran en la gura,
aquel que brinda una mayor probabilidad de que la corriente circule entre el punto A y el
punto B. Si las componentes (resistencias) funcionan de forma independiente y cada una
tiene una probabilidad q de fallar. Cu al de los dos dise nos debiera escoger el ingeniero?.
Justique su respuesta.
Soluci on:
Sean los eventos:
SD: La componente Superior Derecha funciona.
SI: La componente Superior Izquierda funciona.
ID: La componente Inferior Derecha funciona.
II: La componente Inferior Izquierda funciona.
F
i
: El circuito i funciona (i = 1, 2).
Entonces de que cada componente funcione es p = 1 q y
P(F
1
) = P((SI II) (SD ID))
= [P(SI II)]
2
(por independencia e igualdad de las componentes)
= [P(SI) +P(II) P(SI II)]
2
= [p +p p
2
]
2
= p
2
(2 p)
2
P(F
2
) = P((SI SD) (II ID))
= P(SI SD) +P(II ID) P((SI SD) (II ID))
= p
2
+p
2
p
4
(por independencia e igualdad de las componentes)
= p
2
(2 p
2
)
Comparando, tenemos que (2 p)
2
2 p
2
ya que:
4 4p +p
2
2 p
2
2 4p + 2p
2
0
1 2p +p
2
0
(p 1)
2
0 0 p 1
Por tanto, el primer dise no debe ser el elegido pues tiene una mayor probabilidad de funcionar
cualquiera sea el valor de p.
6. Un banco revisa su poltica de tarjetas de credito, con el objetivo de cancelar algunas de ellas.
En el pasado, el 5% de los clientes con tarjeta ha pasado a ser moroso, esto es ha dejado de
pagar sin que el banco pudiera recuperar la deuda. Adem as, el banco ha comprobado que
la probabilidad de que un cliente normal se atrase en un pago es de 0,2. Naturalmente, la
probabilidad de que un cliente moroso se atrase en un pago es 1.
(a) Identica y da nombre a los sucesos que aparecen en el enunciado.
(b) Elegido un cliente al azar, que probabilidad hay de que el cliente se atrase en un pago
mensual?
(c) Si un cliente se atrasa en un pago mensual, calcular la probabilidad de que el cliente se
convierta en moroso.
(d) Al banco le gustara cancelar la lnea de credito de un cliente si la probabilidad de que
este acabe convirtiendose en moroso es mayor de 0,25. De acuerdo con los resultados
anteriores, debe cancelar una lnea si un cliente se atrasa en un pago? Por que?
Soluci on:
(a) Sean los eventos:
M: Clientes Morosos.
M
: Clientes no Morosos.
A: Clientes atrasado en un pago.
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
(c)
P(M | A) =
PP (A | M) P(M)
P(A)
=
1 0, 05
0, 24
= 0, 2083
(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 expansi on 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 funci on de la evoluci on 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:
ALTERNATIVAS VENTAS ALTAS VENTAS MEDIAS VENTAS BAJAS
25% 45% 35%
FUSION 350000 140000 60000
COMPRAR 300000 180000 50000
AMPLIACION 275000 160000 80000
Determinar las ganancias esperadas y decidir por cual alternativa optar.
Soluci on:
F = 350000 0, 25 + 140000 0, 45 + 60000 0, 3 = 168500
C = 300000 0, 25 + 180000 0, 45 + 50000 0, 3 = 171000
A = 275000 0, 25 + 160000 0, 45 + 80000 0, 3 = 164750
Por lo tanto la alternativa es comprar.
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 se nor B o a la se nora C, las
correspondientes probabilidades de que haya un incremento en la cuota son de 0.1 y 0.4.
(a) Cual es la probabilidad de que haya un incremento en la cuota de membresa?
(b) Dado que la cuota se ha incrementado, cu al es el candidato con mayor probabilidad
de haber sido electo presidente?
Tena este candidato la mayor probabilidad de ser electo inicialmente? Comente.
Soluci on:
(a) Denamos 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 denir 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(A | E) =
P(E | A)P(A)
P(E)
=
0.3 0.8
0.37
= 0.65
P(B | E) =
P(E | B)P(B)
P(E)
=
0.5 0.1
0.37
= 0.14
P(C | E) =
P(E | C)P(C)
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 benecio para la candidatura del se nor A.
9. Un inversionista tiene tres opciones de inversi on que le presenta el mercado, I
1
, I
2
e I
3
.

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 D
i
, el cliente decide la opci on de
inversi on i, i = 1, 2, 3
La tabla adjunta presenta la probabilidad de que el cliente decida por la opci on D
j
dado que
el inversionista le presenta la inversion I
k
.
D
1
D
2
D
3
I
1
0.7 0.1 0.2
I
2
0.1 0.8 0.1
I
3
0.0 0.1 0.9
Suponga que la probabilidad de que el inversionista escoja cada una de las tres opciones es:
P(I
1
) = 0.10
P(I
2
) = 0.40
P(I
3
) = 0.50
a) Calcule la probabilidad de que el cliente decida por la segunda opcion de inversi on D
2
.
b) Dado que el cliente escogio la segunda opci on de inversion, calcule la probabilidad de
que el inversionista le sugiri o esa opci on.
c) Para cada k por separado, calcule la probabilidad de que el inversionista decida por la
opcion k y el cliente la acepte.
d) En terminos de los eventos I y los eventos D dena el evento:
C: la decision del inversionista y el cliente es la misma.
e) Calcule la probabilidad del evento C.
Soluci on:
a) Por teorema de probabilidad total,
P(D
2
) = P(D
2
| I
1
)P(I
1
) +P(D
2
| I
2
)P(I
2
) +P(D
2
| I
3
)P(I
3
)
Con los datos de la tabla y las probabilidades de I
k
, obtenemos
P(D
2
) = P(D
2
| I
1
)P(I
1
) +P(D
2
| I
2
)P(I
2
) +P(D
2
| I
3
)P(I
3
)
= 0.1 0.1 + 0.8 0.4 + 0.1 0.5
= 0.38
Por lo tanto, la probabilidad de que el cliente escoja la segunda opci on de opci on de
inversi on, sin importar lo que sugiere el inversionista es 0.38.
b) Se pide calcular
P(I
2
| D
2
)
Aplicando el teorema de Bayes, nos queda
P(I
2
| D
2
) =
P(D
2
| I
2
) P(I
2
)
P(D
2
)
=
0.8 0.40
0.38
= 0.842
Por lo tanto, dado que el cliente escogi o la segunda opci on, la probabilidad que el
inversionista la haya sugerido es 0.84.
c) Para cada k = 1,
P(D
1
I
1
) = P(D
1
| I
1
)P(I
1
) = 0.7 0.1 = 0.07
Para cada k = 2,
P(D
2
I
2
) = P(D
2
| I
2
)P(I
2
) = 0.8 0.4 = 0.32
Para cada k = 3,
P(D
3
I
3
) = P(D
3
| I
3
)P(I
3
) = 0.9 0.5 = 0.45
d) Sea C: la decision del inversionista y el cliente es la misma. Entonces
C = (D
1
I
1
) (D
2
I
2
) (D
3
I
3
)
e) Como los eventos son independientes, entonces
P(C) = P((D
1
I
1
) (D
2
I
2
) (D
3
I
3
))
= P(D
1
I
1
) +P(D
2
I
2
) +P(D
3
I
3
)
= 0.07 + 0.45 + 0.32
= 0.84
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 funci on de probabilidad
legitima para X, Por que no se permiten las otras 2?
(b) Para la funci on de probabilidad legitima de la parte anterior. Calcule P(2 X 4),
P(X 2) y P(X = 0)
(c) Escriba la funci on de probabilidad acumulada.
Soluci on:
(a) Para que una funcion p(x) sea funci on distribucion de una variable aleatoria debe
cumplir que:
i)
p(x) 0 x R
ii)
xR
p(x) = 1
Es claro que la primera funci on no cumple la condicion (i) y la tercera, no cumple la
primera (p(2) < 0). Por lo tanto la unica funci on de probabilidad legtima es la segunda.
(b)
P(2 X 4) = P(X = 2) +P(X = 3) +P(X = 4)
= 0.1 + 0.1 + 0.3
= 0.5
P(X 2) = P(X = 0) +P(X = 1) +P(X = 2)
= 0.4 + 0.1 + 0.1
= 0.6
P(X = 0) = P(X > 0)
= 1 P(X 0)
= 1 0.4
= 0.6
(c) Recordemos que la funcion distribuci on acumulada (f.d.a) se dene como
F(x) = P(X x), x R
Por lo tanto la f.d.a para la funci on elegida es
x 0 1 2 3 4
F(x) 0.4 0.5 0.6 0.7 1
11. Si p(x) = c (5 x) para x = 0, 1, 2, 3. Cual es el valor de c?
Soluci on:
Recordemos que la si p(x) es funci on de probabilidad debe cumplir que
p(x) = 1, por lo
tanto para calcular c debemos vericar que cumpla esta propiedad. As,
3
i=0
p(x) =
3
i=0
c (5 x)
= c (5 0) +c (5 1) +c (5 2) +c (5 3)
= c (5 + 4 + 3 + 2)
= c 14
Por lo tanto 14c = 1 y el valor de c que hace que p(x) sea funcion de probabilidad es c =
1
14
.
12. Una multinacional produce determinado artculo electronico que se emplea en el area medica,
y las especicaciones dicen que solo un 2% de los artculos producidos presentan fallas. Dos
ingenieros, expertos en control de calidad, realizan su propio plan de inspecci on: el ingeniero
A comienza a inspeccionar los artculos de uno a la vez hasta detectar el primer defectuoso
y acepta las especicaciones si realiza mas de dos extracciones; el ingeniero B toma una
muestra de tama no 5 y acepta las especicaciones del fabricante si no encuentra defectuosos.
Cu al de los dos ingenieros tiene mayor probabilidad de rechazar las especicaciones dadas
por el fabricante?
Soluci on:
Calculemos la probabilidad de rechazar las especicaciones de cada ingeniero, y noteos que
p = P(encontrar un artculo defectuoso) = 0.02.
Ingeniero A: el experimento que realiza es inspeccionar artculos de uno a la vez de manera
independiente hasta detectar el primer defectuoso, lo que corresponde a la realizaci on de una
v.a. Geometrica de par ametro p.
Acepta las especicaciones si realiza m as de dos extracciones (X > 2), por lo que las rechaza
cuando realiza a lo mas dos extracciones (X 2).
Entonces, sea
X: n umero artculos inspeccionados hasta detectar el primero defectuoso,
X Geom(p = 0.02)
y la probabilidad pedida es
P(X 2) = P(X = 1) +P(X = 2)
= (1 0.02)
11
0.02 + (1 0.02)
21
0.02
= 0.02 + 0.0196
= 0.0396
Ingeniero B: el experimento que realiza es tomar una muestra de tama no 5 e inspeccionarla.
Acepta las especicaciones del fabricante si no encuentra defectuosos, esto es, no encuentra
exitos en su muestra, lo que corresponde a una v.a. Binomial de par ametros n y p.
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
P(Y > 0) = 1 P(Y = 0)
= 1
_
5
0
_
(1 0.02)
50
(0.02)
0
= 0.096
Como el ingeniero A rechaza las especicaciones el 4% de las veces, mientras que el ingeniero
B, un 9%, es este ingeniero quien tiene mayor probabilidad de rechazar las especicaciones.
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.
a) Calcule la probabilidad que un avi on ligero tenga localizador de emergencia.
En las partes (b), (c) y (d), suponga que la probabilidad que un avion ligero tenga localizador
de emergencia es del 45%.
b) Considere 10 aviones ligeros desaparecidos. Cu al es la probabilidad que exactamente
2 de ellos tengan localizador de emergencia?
c) Ud. observa independientemente aviones ligeros hasta obtener el primer avi on con
localizador de emergencia. Cual es la probabilidad que el proceso nalice en a lo m as
10 observaciones?
d) Ud. observa independientemente aviones ligeros hasta obtener el tercer avi on con lo-
calizador de emergencia. Cu al es la probabilidad que el proceso nalice al menos 4
observaciones?
Soluci on:
(a) Dena los siguientes eventos:
D : Avion ligero descubierto
L : Avion ligero tiene localizador de emergencia
Seg un enunciado, P(L | D) = 6/10, P(L
| D
) = 9/10 y P(D) = 7/10.

Usando la Ley de Probabilidades Totales, la probabilidad pedida es:
P(L) = P(L | D) P(D) +P(L | D
) P(D
)
=
6
10

7
10
+
1
10

3
10
=
45
100
(b) Dena la variable aleatoria X : N umero de aviones con localizador de emergencia,
de entre los 10 aviones disponibles. Claramente, Rec(X) = {0, 1, . . . , 10} y ademas
X Bin(n = 10; p = 0.45). Por tanto, la probabilidad pedida es:
P(X = 2) =
_
10
2
_
(0.45)
2
(0.55)
8
(c) Dena 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:
P(Y 10) =
10
y=1
(1 0.45)
y1
(0.45)
(d) Dena 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)
= 1
_
3 1
3 1
_
(0.45)
3
(0.55)
33
14. En una determinada regi on la distribucion de ingresos por familia en unidades monetarias
(u.m) es una variable aleatoria X con funcion de densidad de probabilidad dada por:
f(x) =
_
_
x
10
+
1
10
, si 0 x 2;
3x
40
+
9
20
, si 2 < x 6;
0, en otro caso.
(a) Verique que f(x) es funci on densidad.
(b) Determine la funci on de distribuci on acumulada de la variable aleatoria X.
(c) Se seleccionan familias al azar hasta encontrar 3 con ingreso superior a 3 u.m. Haciendo
los supuestos que sean necesarios, determine la probabilidad de que sea necesario entre-
vistar a m as de 5 familias.
(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.
Soluci on:
(a) Para mostrar que es funci on densidad debemos mostrar dos propiedades:
(i) f
X
(x) 0 x R
Es claro que f(x) =
x+1
10
0, cuando 0 x 2 y f(x) =
183x
40
0 cuando
2 < x 6.
(ii)
_
f
X
(x)dx = 1 x R.
_
6
0
f
X
(x)dx =
_
2
0
x + 1
10
dx +
_
6
2
18 3x
40
dx
=
_
x
2
20
+
x
10
_
x=2
x=0
+
_
18x
40

3x
2
80
_
x=6
x=2
=
4
20
+
2
10
+
18 6
40

3 18
40

2 18
40
+
6
40
= 1
(b) Debemos hacerlo por tramos:
Si 0 x 2,
F(x) =
1
10
_
x
u=0
(u + 1)du
=
1
10
_
u
2
2
+u
_
x
u=0
=
x
2
20
+
x
10
Si 2 < x 6,
F(x) =
1
10
_
2
u=0
(u + 1)du +
1
40
_
x
u=2
(3u + 18) du
= F(2) +
1
40
_
3u
2
2
+ 18u
_
x
u=2
=
2
5

3x
2
80
+
9x
20

3
4
Entonces la funcion de distribucion acumulada queda:
F
X
(x) =
_
_
0, si x < 0;
x
2
20
+
x
10
, si 0 x 2;
3x
2
80
+
9x
20

7
20
, si 2 < x 6;
1, si x > 6.
(c) Denir Y como el n umero de familias seleccionadas hasta encontrar 3 con ingreso su-
perior a 3 u.m. Con esto, Y BN(3, P(X > 3)), donde
p = P(X > 3) = 1 P(X 3)
= 1
_
27
80
+
27
20

7
20
_
0, 3375 .
Entonces,
P(Y > 5) = 1 P(Y 5)
= 1
5
y=3
_
y 1
2
_
(1 p)
y3
p
3
.
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
q = P(X < 1) =
1
20
+
1
10
=
3
20
= 0.15 .
Entonces,
P(Z 3) = 1 P(Z < 3)
= 1
2
z=0
_
50
z
_
q
z
(1 q)
50z
.
15. Demuestre que si X es una variable aleatoria con distribuci on geometrica, entonces cumple
que
P(X > n +k | X > n) = P(X > k)
Interprete esta propiedad.
Soluci on:
16.
P(X > n +k | X > n) =
P(X > n +k, X > n)
P(X > n)
=
P(X > n +k)
P(X > n)
= (
x=n+k+1
(1 p)
x1
p)/(
x=n+1
(1 p)
x1
p)
=
(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 inuyen en que se realicen k ensayos m as.
(*) se deduce de
x=k
a
x
= a
k
+a
k+1
+. . . (1)
a
x=k
a
x
= a
k+1
+a
k+2
+. . . (2)
Restando (1) y (2)
x=k
(1 a)a
x
= a
k
, o bien
x=k
a
x
=
a
k
1 a
17. La funci on distribucion acumulada de una variable aleatoria Rayleigh es
F(x) = 1 exp
_
x
2
2
2
_
, x > 0
a) Muestre que esta funcion es efectivamente una funcion de distribucion acumulada.
Mostramos cumpla dos propiedades:
i) lim
x
F(x) = 1
Calculamos dicho lmite:
lim
x
_
1 exp
_
x
2
2
2
__
= 1 lim
x
exp
_
x
2
2
2
_
= 1 0
= 1
por lo tanto cumple esta propiedad.
ii) lim
x
F(x) = 0
En este caso, calculamos el lmite de x tendiendo a cero, que es el menor valor
que puede tomar y a lo que hace referencia la expresion anterior (hacer tender x al
menor valor que puede tomar).
lim
x
_
1 exp
_
x
2
2
2
__
= 1 lim
x0
exp
_
x
2
2
2
_
= 1 e
0
= 1 1
= 0
Como tambien se cumple esta propiedad, F(x) es funcion distribuci on acumulada.
b) Encuentre la funci on densidad Rayleigh.
Derivamos la f.d.a y queda
f(x) =
d
dx
F(x)
= 0 exp
_
x
2
2
2
_

2x
2
2
f(x) =
x
2
exp
_
x
2
2
2
_
, x > 0
c) Encuentre el percentil 25, de esta distribuci on.
P
25
corresponde al valor de x que satisface que F(x) = 0.25. despejamos esta ecuacion
y obtenemos
1 exp
_
x
2
2
2
_
= 0.25
exp
_
x
2
2
2
_
= 0.75
x
2
2
2
= ln(0.75)
x
2
= 2
2
ln(0.75)
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 X
i
el tiempo
de falla de la i-esima componente, expresado en miles de horas. Suponga que su densidad de
probabilidad es
f(x) =
_
0.8e
x
+ 0.4e
2x
, x 0;
0, e.o.c.
para cualquier i = 1, 2, . . . , 10
(a) Determine la funci on distribuci on acumulada de X
3
(b) Calcule la probabilidad de que a lo m as 3 componentes fallen antes de 1.5 horas.
Soluci on:
(a) La funci on distribucion de la variable X
3
viene dada por:
F
X
3
(x) =
_
_
0, si x 0
_
x
0
0.8e
t
+ 0.4e
2t
dx, si x >0
=
_
_
0, si x 0
0.8
_
x
0
e
t
d + 0.4
_
x
0
e
2t
dx, si x >0
=
_
_
_
0, si x 0
0.8(1 e
x
) 0.2e
2x
, si x >0
=
_
_
_
0, si x 0
1 0.8e
x
0.2e
2x
, si x >0
(b) La probabilidad de que una componente cualquiera falle antes de las 1.5 horas, viene
dada por:
P(X
j
< 1, 5) = F
X
j
(1, 5) = 1 0, 8e
1,5
0, 2e
21,5
Denotemos esta probabilidad por p, o sea,
p = 1 0, 8e
1,5
0, 2e
21,5
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
P(Y 3) =
3
x=0
_
10
x
_
p
x
(1 p)
10x
19. Se efectuaron 10 mediciones independientes X
1
, X
2
, . . . , X
10
en una poblacion donde cada
una de ellas sigue una distribucion N(,
2
).
(a) Cual es la probabilidad que la tercera medici on realizada se encuentre entre ( ) y
( +)?
(b) Para cualquier distribuci on de probabilidad se dene el Rango intercuantil como la
distancia que hay entre los percentiles 25 y 75.
Calcule el Rango intercuantil para una distribuci on N(,
2
).
Soluci on:
a) Se pide la probabilidad que la tercera medici on efectuada se encuentre entre ( ) y
( +), luego se tiene que
( < X
3
< +) =
_
1 <
X
3
< 1
_
= (1) (1)
= (1) (1 (1))
= 2(1) 1
= 2 0.8413 1
= 0.6826
b) Si X N(, ), se tiene entonces que el percentil 25, x
25
, cumple con que
(X x
25
) = 0.25
_
X

x
25
_
= 0.25
(
x
25
) = 0.25
1 (
x
25
) = 1 0.25
(
x
25
) = 0.75
x
25
= 0.675
x
25
= 0.675
Por otra parte el percentil 75, x
75
, cumple con que
(X x
75
) = 0, 75
_
X

x
75
_
= 0.75
_
x
75
_
= 0.75
x
75
= 0.675
x
75
= + 0.675
Luego, el Rango intercuantil (RI) es igual a:
RI = x
75
x
25
= + 0, 675 + 0, 675 = 1, 35
20. Un analista nanciero se nala que la rentabilidad Y de los bonos del gobierno a largo plazo,
tendr a al cabo de un a no una distribuci on normal con valor esperado de 70 d olares 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?
Soluci on:
(a) Sea la variable aleatoria
Y : rentabilidad de los bonos del gobierno a largo plazo
donde Y N(70, 9)
Se pide calcular P(67 < Y < 75), por lo que debemos estandarizar.
P(67 < Y < 75) = P(Y < 75) P(Y < 67)
= P
_
Y 70
3
<
75 70
3
_
P
_
Y 70
3
<
67 70
3
_
= P(Z < 1.66) P(Z < 1)
= P(Z < 1.66) (1 P(Z < 1))
(por simetra de la distribuci on normal)
= (1.66) + (1) 1
= 0.9515 + 0.8413 1
= 0.7928
Por lo tanto, existe un 79% de probabilidad de que se destine el porcentaje extra.
(b) Al igual que en (a) debemos estandarizar.
0.95 = P(70 c < Y < 70 +c)
= P
_
70 c 70
3
<
Y 70
3
<
70 +c 70
3
_
= P(Z < c/3) P(Z < c/3)
= P(Z < c/3) (1 P(Z < c/3))
(por simetra de la distribuci on normal)
= 2 P(Z < c/3) 1
(0.95 + 1)/2 = P(Z < c/3)
0.975 = P(Z < c/3)
1.96 = c/3
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 d olares
por lo que X Bin(10, P(Y < 73.84)), y se pide P(X 8)
Calculemos la probabilidad de exito utilizando la variable Y antes denida.
P(Y < 73.84) = P
_
Y 70
3
<
73.84 70
3
_
= P(Z < 1.28)
= 0.8997
As, la probabilidad pedida queda
P(X 8) = 1 P(X > 8)
= 1
10
x=9
_
10
x
_
(0.8997)
x
(1 0.8897)
10x
= 0.7349
21. Se desean rodamientos de un centmetro de radio, con tolerancia de 0.05 centmetros. El
fabricante gana US$0.10 por cada rodamiento aceptado. Si el radio es menor de lo permi-
tido, el rodamiento se debe refundir, produciendo una perdida de US$0.05; por otra parte,
si el radio es mayor de lo aceptado, se debe rebajar el rodamiento, con una perdida de
US$0.03. Suponga que el radio de los rodamientos tiene una distribucion normal con media
1.01 centmetro y una varianza de 0.0009 cm
2
. Cu al es la ganancia esperada?
Soluci on:
Sean los eventos:
A: el rodamiento es aceptado.
B: el rodamiento debe ser refundido.
C: el rodamiento debe ser rebajado.
Sea la variable aleatoria X : radio del rodamiento
X N(1.01; 0.03
2
)
Luego
P(A) = P(1 0.05 < X < 1 + 0.05)
= (1.33) (2)
= 0.9082 0.0228
= 0.8854
P(B) = P(X < 1 0.05)
= (2)
= 0.0228
P(C) = P(X > 1 + 0.05)
= 1 (1.33)
= 1 0.9082
= 0.0918
Sea la variable aleatoria U : utilidad de un rodamiento. Esta variable es discreta, ya que solo
toma 3 valores y su funcion de cuanta est a dada por:
u 0.10 -0.05 -0.03
P(U = u) 0.8854 0.0228 0.0918
Luego, la utilidad esperada es
E(U) = 0.1 0.8854 + (0.05) 0.0228 + (0.03) 0.0918
= 0.0846
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 modicacion. 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. Dena Y como el n umero de veces que falla un
equipo seleccionado al azar.
a) Especique los posibles valores de Y . Que tipo de variable es Y ?
Soluci on:
Y : n umero de veces que falla un equipo
Si el equipo pasa la primera prueba, entonces falla cero veces y Y = 0.
Si no pasa la primera prueba, entonces Y = 1, s olo si pasa la segunda prueba. Si no,
entonces Y = 2 si pasa la tercera prueba. Si no pasa la tercera prueba, entonces Y = 3
y no hay m as opciones de ue vuelva a fallar, ya que el equipo se desarma.
Y = {0, 1, 2, 3}.
= Y es una variable discreta
b) Calcule la distribuci on de probabilidad de Y .
Puede serle util desarrollar un arbol de probabilidad.
Soluci on:
P(Y =0) = P(F
c
) = 0.84
P(Y =1) = P(FF
c
) = 0.16 0.75 = 0.12
P(Y =2) = P(FFF
c
) = 0.16 0.25 0.9 = 0.036
P(Y =3) = P(FFF) = 0.16 0.25 0.1 = 0.004
y se cumple que
3
y=0
P(Y = y) = 1
c) Determine la funci on generadora de momentos de Y .
Soluci on:
M
y
(t) =
3
y=0
e
yt
P(Y = y)
= e
0t
0.84 +e
1t
0.12 +e
2t
0.036 +e
3t
0.004
= 0.84 + 0.12 e
t
+ 0.036 e
2t
+ 0.004 e
3t
d) Determine esperanza y varianza de Y . Interprete estas cantidades.
Soluci on:
M
y
(t) = 0 + 0.12 e
t
+ 2 0.036 e
2t
+ 3 0.004 e
3t
entonces
E(Y ) = 0 0.84 + 1 0.12 + 2 0.036 + 3 0.004
= 0.204
M
y
(t) = 0.12 e
t
+ 4 0.036 e
2t
+ 9 0.004 e
3t
t=0
V (Y ) = 0.12 0.12 + (2 0.204)
2
0.036 + (3 0.204)
2
0.004
= 0.258
e) 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 d olares; si falla en la segunda prueba,
pierde 40 d olares, y as sucesivamente.
Determine la perdida esperada por falla en un equipo.
Soluci on:
Sea X: perdida por fallas en un equipo.
Los posibles valores de X son:
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
La perdida esperada por falla en un equipo esta dada por:
E(X) =
x
x P(X = x)
= 0 + 20 0.12 + 40 0.036 + 60 0.004
= 4.08
23. Sea Y U(0, 1) y sea F
X
una funcion distribuci on continua y estrictamente creciente.
(a) Encontrar la funci on distribucion de Y .
(b) Demostrar que F
1
X
(Y ) tiene distribuci on F
X
.
Soluci on:
a) Si Y U(0, 1), entonces F
Y
(t) = t.
b) Sea Z = F
1
X
(Y ), entonces,
F
Z
(z) = P(Z z)
= P(F
1
X
(Y ) z)
= P(Y F
X
(z))
= F
Y
(F
X
(z))
= F
X
(z)
Luego Z tiene distribuci on F
X
24. Suponga que X tiene distribucion F
X
. Demostrar que si Y = F
X
, entonces
(a) 0 Y 1
(b) Y U(0, 1)
(Recuerde que F es creciente y por tanto invertible y F(F
1
(x)) = x)
Soluci on:
a) Por denici on, sabemos que si F es funcion distribuci on acumulada, debe cumplir que
0 F
X
1,
por lo tanto, se cumple que 0 Y 1.
b) Por demostrar, f(y) = 1.
F
Y
(y) = P(Y y)
= P(F
X
y), F
1
X
= P(X F
1
X
(y))
= F
X
(F
1
X
(y))
= y (ya que F es invertible)
Por lo tanto, para obtener la funcion densidad calculamos
f
Y
(y) =
d
dy
F
Y
(y)
=
d
dy
y
= 1
As, Y U(0, 1)
25. Una compa na de seguros recibe informes mensuales de agentes independientes. Sea X,
la variable aleatoria que modela la proporci on de informes que requieren un estudio de
actualizaci on, con funci on densidad dada por
f(x) = c
_
x
1
2
_
2
, 0 < x < 1
a) Determine varianza y curtosis de la variable aleatoria X.
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
f(x) = c
_
x
1
2
_
2
La funci on 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
_
1
0
f(x)dx = 1
_
1
0
_
x
1
2
_
2
dx =
1
c
_
1
0
_
x
2
x +
1
4
_
dx =
1
c
_
x
3
3

x
2
2
+
x
4
_
1
0
=
1
c
1
12
=
1
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
E(X) =
_
1
0
x 12
_
x
2
x +
1
4
_
dx
= 12
_
1
0
_
x
3
x
2
+
x
4
_
dx
= 12
_
x
4
4

x
3
3
+
x
2
8
_
1
0
= E(X) =
1
2
= E
2
(X) =
1
4
Ahora se calcula el otro termino de la varianza
E(X
2
) =
_
1
0
x
2
12
_
x
2
x +
1
4
_
dx
= 12
_
1
0
_
x
4
x
3
+
x
2
4
_
dx
= 12
_
x
5
5

x
4
4
+
x
3
12
_
1
0
= E(X
2
) =
2
5
Por lo tanto, la varianza de la variable X es:
V (X) =
2
5

1
4
=
8 5
20
=V (X) =
3
20
b) Encuentre la funci on distribucion acumulada de X.
Soluci on:
F(x) =
_
x
0
12
_
t
2
t +
1
4
_
dt
= 12
_
t
3
3

t
2
2
+
t
4
_
x
0
=
x
3
4

x
2
6
+
x
3
F(x) =
_
_
0 ; x 1
x
3
4

x
2
6
+
x
3
; 0 < x < 1
1 ; x > 1
c) Calcule la probabilidad que m as de un 50% de los informes mensuales requieran estudio
de actualizacion.
Soluci on:
P(X > 0.5) = 1 P(X 0.5)
= 1 F(0.5)
= 1
1
2

_
1
16

1
12
+
1
3
_
= 0.84375
d) Durante un a no (12 meses) se observa la proporci on de informes que requieren estudio
de actualizacion. Calule la probabilidad que en 6 meses del a no se requieran estudios
de actualizacion de mas del 50% de los informes.
Soluci on:
Sea Y: n umero de meses donde mas del 50% de los informes requiere estudios de actu-
alizaci on
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
Se pide P(Y = 6) =
_
12
6
_
p
6
(1 p)
6
26. Sea X una variable aleatoria con funci on de distribucion acumulada F(x) denida por:
F(x) =
_
ae
x
, x 0;
1
2
e
x
+b, x > 0.
siendo a y b constantes.
a) Determine el(los) valor(es) de a y b para que X tenga funcion densidad.
b) Determine a traves de M
X
(t), E(X) y V(X)
Soluci on:
a) Como F(x) es f.d.a. debe cumplirse que
lim
x
F(x) = 1
en este caso,
lim
x
1
2
e
x
+b =
1
2
lim
x
e
x
+b = 0 +b = 1
Por lo tanto b = 1.
Por otro lado, podemos calcular f(x), derivando F(x)
f(x) =
_
ae
x
, x 0;
1
2
e
x
, x > 0.
y debe cumplirse que
_

f(x) = 1
entonces
_
0
ae
x
+
_

0
1
2
e
x
= 1
y de aqu se obtiene que a = 1/2.
y entonces las funciones distribuci on y densidad, respectivamente, son,
F(x) =
_
_
1
2
e
x
, x 0;
1
2
e
x
+ 1, x > 0.
f(x) =
_
_
1
2
e
x
, x 0;
1
2
e
x
, x > 0.
b) Se pide encontrar la funcion generadora de moemntos que queda
M
X
(t) = E(e
Xt
)
=
_

e
xt
f(x)d x
=
_
0
e
xt
1
2
e
x
d x +
_

0
e
xt
1
2
e
x
d x
=
1
2
_
0
e
x(t+1)
d x +
_

0
e
x(1t)
d x
=
1
2(t + 1)

1
2(t 1)
=
1
1 t
2
, | t | = 1
y entonces
M
X
(t) =
d
1
1t
2
d x
=
1(t
2
1) + 2t
(t
2
1)
2
t=0
= 1
y
M
X
(t) =
(2t 2)(t
2
1)
2
+ (t
2
2t 1)2(t
2
1)2t
(t
2
1)
4
t=0
= 2
Entonces E(X) = 1 y V(X) = 2 1
2
= 1
27. Demuestre que si X es una variable aleatoria con funci on generadora de momentos M
X
(t), e
Y = aX +b entonces
M
Y
(t) = e
bt
M
X
(at)
Ya que X puede ser continua o discreta, trabajamos con la denicon de funcion generadora
de momentos:
M
Y
(t) = E(e
Y t
)
= E(e
(aX+b)t
)
= E(e
aXt
e
bt
)
= e
bt
E(e
Xat
) (ya que la esperanza es un operador lineal)
= e
bt
M
X
(at) (por denici on de fgm)
28. Sea la funcion
p
X
(x) = ke
|x|
, < x <
(a) Determinar la constante k tal que p
X
sea funcion densidad.
(b) Si X tiene funcion densidad p
X
, determinar su f.g.m.
(c) Si X tiene funcion densidad p
X
e Y = 25X
2
, encontrar E(X) y V (X).
Soluci on:
a)
1 =
_

ke
|x|
dx = 2
_

0
ke
x
dx
Luego k =
1
2
b)
M
X
(t) =
_

e
xt
1
2
e
|x|
dx
=
1
2
_
0
e
xt
e
x
dx +
1
2
_

0
e
xt
e
x
dx
=
1
1 t
2
c) Utilizando lo obtenido en (b),
E(X) = M
X
(0) =
2t
(1 t
2
)
2
t=0
= 0
E(X
2
) =
2 + 6t
2
(1 t
2
)3
t=0
= 2
E(X
3
) =
24t 24t
3
(1 t
2
)
4
t=0
= 0
E(X
4
) = 24
Adem as,
E(Y ) = E(25X
2
) = 25E(X
2
) = 25 2 = 50
E(Y
2
) = E(625X
4
) = 625E(X
4
) = 625 24 = 15000
Por lo tanto, V (X) = 15000 2500 = 12500.
29. Suponga que la duraci on (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:
I Se hacen funcionar 10 reproductores MP3 eligidos al azar, y se cuenta el n umero (X) de
reproductores que fallaron antes de los 10 meses.
II Se hacen funcionar tantos reproductores como sea necesario hasta obtener 10 fallas, y se
cuenta el n umero (Y) de reproductores que no fallaron.
Entonces
(a) Determine la distribuci on de X e Y en (I) y (II), respectivamente, y calcule la proba-
bilidad de encontrar m as de 5 reproductores MP3 aceptables en cada experimento.
(b) Calcule la esperanza y la varianza de X e Y usando sus funciones generadoreas de
momentos.
Soluci on:
(a) Sea T la duracion del dispositivo. Entonces, la probabilidad de que el dispositivo se
considere aceptable es
P(T > 10) = 1 P(T 10)
= 1
_
10
0
0.1e
0.1t
dt
= 1 (1 e
0.110
)
= 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).
La probabilidad de encontrar mas de 5 dispositivos aceptables es equivalente a encontrar
5 o menos dispositivos que fallen,
P(X 5) =
5
x=0
_
10
x
_
0.632
x
0.368
10x
Ahora, si Y es el n umero de dispositvos que se utilizaron hasta obtener 10 fallas, siendo
q = P(T 10) = 0.632
se tiene que Y BN(10, 0.632).
La probabilidad de encontrar m as de 5 dispositivos aceptables se traduce como
P(Y 15) =
y=10
_
9
y 1
_
0.632
y
0.368
10y
(b) En el caso binomial se tiene que M
X
(t) = (1 p +pe
t
)
n
. Entonces:
M
X
(t) = npe
t
(1 p +pe
t
)
n1
M
X
(t) = npe
t
(1 p +pe
t
)
n1
+n(n 1)p
2
e
2t
(1 p +pe
t
)
n2
Evaluando en t=0, M
X
(0) = np y M
X
(0) = np +n(n 1)p
2
, por lo tanto,
E(X) = np
V(X) = np +n(n 1)p
2
n
2
p
2
= np(1 p)
Para el caso Binomial Negativo, M
X
(t) =
_
p
1(1p)e
t
_
r
.
Luego,
M
X
(t) = r(1 p)e
t
_
p
1(1p)e
t
_
r
1 + (p 1)e
t
M
X
(t) = r(1 p)(e
t
r(p 1) 1)e
t
_
p
1(1p)e
t
_
r
(1 + (p 1)e
t
)
2
Evaluando en t=0, M
X
(t) =
r(1p)
p
) y M
X
(t) = r(r(p 1) 1)
1p
p
2
). Por lo tanto:
E(X) =
r(1 p)
p
V(X) = r(r(p 1) 1)
1 p
p
2
)
r
2
(1 p)
2
p
2
= r
1 p
p
2
30. Sea la variable aleatoria X Gama(, ), es decir,
f(x) =

()
x
1
e
x
, x > 0
a) Determine la f.g.m. de X.
Por denici on de f.g.m
M
X
(t) =
_

0
e
tx
()
x
1
e
x
dx
Que se puede resolver por partes, pero puede que se demore un poco mas de la
cuenta.
La otra opcion es identicar los parametros para completar una distribucion Gama
dentro de la integral como sigue:
M
X
(t) =
_

0
e
tx
()
x
1
e
x
dx
=
_

0
()
x
1
e
x+tx
dx
=

()
_

0
x
1
e
(t)x
dx
=
( t)
( t)
()
_

0
x
1
e
(t)x
dx
=

( t)
_

0
( t)
()
x
1
e
(t)x
. .
Gama(, t)
dx
. .
=1
Por lo tanto,
M
X
(t) =
_

t
_
, = t
b) Determine E(X).
Utilizando la parte (a), calculamos su primera derivada:
d
dt
M
X
(t) =

( t)
+1
1
t=0
=

( 0)
+1
E(X) =

c) Determine V(X)
Buscamos la segunda derivada de la f.g.m.:
d
2
dt
2
M
X
(t) = ( + 1)

( t)
+2
1
t=0
= ( + 1)

( 0)
+2
E(X
2
) =
( + 1)
2
y con esto,
V(X) = E(X
2
) E
2
(X)
=
( + 1)
2

2
2
V(X) =

2
d) Determine la f.g.m. de Y = X, e identique su distribuci on.
Recordando el teorema de clases: Si Y = cX + d, entonces M
Y
(t) = e
td
M
X
(ct)
Con esto, haciendo c = y d = 0,
M
Y
(t) = M
X
(t)
=
_

t
_
=
_
1
1 t
_
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)
31. Una partcula de masa m tiene velocidad aleatoria que se distribuye de forma normal, con
velocidad media 0 y desviacion est andar . Encuentre la funcion densidad de la energa
cinetica,
E =
1
2
mV
2
Soluci on:
Primero obtenemos la funci on distribucion acumulada de Y
P(Y y) = P
_
1
2
mV
2
y
_
= P
_
V
2
2
y
m
_
= P
_
|V |
_
2
y
m
_
= P
_
_
2
y
m
V
_
2
y
m
_
= P
_
V
_
2
y
m
_
P(V
_
2
y
m
_
= 2P
_
0 V
_
2
y
m
_
(ya que tiene media 0)
= 2P
_
0

_
2
y
m
_
= 2
__
2
y
m
2
_
1 (ya que V/ N(0, 1))
Adem as sabemos que f(x) =
dFx
dx
, por lo tanto
f(y) =
dP(Y y)
dy
= 2
__
2
y
m
2
_
_
2
1
m
2

1
2
y
1/2
En resumen,
f(y) =
_
2
my
2

__
2
y
m
2
_
, y 0
32. Sea X una variable aleatoria con distribucion normal de par ametros y
2
. Sea Y =| X |.
Determine:
a) La funci on distribucion acumulada de Y .
b) La funci on densidad de Y .
Soluci on:
a) Calculamos la f.d.a por denici on:
F(y) = P(Y y)
= P(| X | y)
= P(y X y)
= P(X y) P(X y)
Como X tiene distribucion normal, es simetrica y P(X y) = 1 P(X y)
Por lo tanto
F(y) = P(X y) (1 P(X y))
= 2P(X y) 1
= 2 F
X
(y) 1
b)
f(y) = 2 f
X
(y)
=
2
2
2
exp
_
1
2
2
(y )
2
_
, y 0
33. Considere una variable aleatoria Z con funci on distribucion densidad dada por:
f
Z
(z) =
_
c
z
+1
, z , >1, >0;
0, e.o.c.
(a) Calcule el valor de c.
(b) Calcule E(Z).
(c) Sea X = ln(Z), calcule f
X
(x).
Soluci on:
(a) Por denici on se tiene que
_

f
Z
(z)dz = 1
z
+1
dz = 1
c
1
z
= 1
c
= 1
c =
(b) Por denici on se tiene que
E(Z) =
_

zf
Z
(z)dz
=
_

z
+1
dz
=
_

dz
=
1
( 1)z
1
_
= 0

1
( 1)
1
=

1
(c) Se tiene que X = ln(Z) Z = e
X
, luego por teorema de cambio de variable se tiene
que
f
X
(x) = f
Z
(e
x
)
de
x
dx
e
x(1)
|e
x
|, (x ln())
=
e
x
, (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:
P(T > t) = ae
t
+ (1 a)e
t
, t 0
donde 0 a 1, , > 0.
La produccion G se determina por
G(T) = ln(T)
a) Determine una expresi on para la esperanza de la produccion.
b) Determine una expresi on para la variablidad de la producci on.
c) Determine la f.g.m. de la variable aleatoria T.
35. Sean Z
1
, Z
2
, . . . , Z
k
variables aleatorias independientes tales que siguen una distribucion
N(0, 1). La variable aleatoria
Y = Z
2
1
+Z
2
2
+. . . +Z
2
k
sigue una distribucion
2
k
donde k representa los grados de libertad de la distribucion Ji-
cuadrado, que tiene funci on densidad dada por
f(y) =
2
k/2
(k/2)
y
(k/2)1
e
y/2
, y > 0
Para k = 1, demuestre que Y
2
1
, utilizando que (1/2) =
36. El n umero de accidentes en una autoruta sigue una distribucion de Poisson cuyo par ametro
depende de una variable aleatoria X que mide condiciones climaticas, cuya densidad est a
dada por
f(x) =
3
x
4
, x 1
M as precisamente, Y |X = x Poisson(ax)
(a) Calcule E(Y )
(b) Calcule V(Y )
Soluci on
Recordemos que si X Poisson(), entonces E(X) = y V(X) = .
(a) Utilizando esperanza condicional tenemos que
E(Y ) = E(E(Y |X))
pero como E(Y |X = x) = ax E(Y |X) = aX
Luego, se tiene que
E(Y ) = E(E(Y |X))
= E(aX)
= aE(X)
= a
_

1
x
3
x
4
dx
= a
_

1
3
x
3
dx
= a
_
3
2
1
x
2
1
_
=
3a
2
(b) Ocupando el mismo argumento que en (a), pero ahora bajo varianza condicional se tiene
que
V(Y ) = V(E(Y |X)) + E(V(Y |X))
pero como V(Y |X = x) = ax V(Y |X) = aX
Luego tenemos
V(Y ) = V(E(Y |X)) + E(V(Y |X))
= V(aX) + E(aX)
= a
2
V(X) +aE(X)
pero V(X) = E(X
2
) E
2
(X), donde
E(X
2
) =
_

1
x
2
3
x
4
dx =
_

1
3
x
2
dx =
_
3
x
1
_
= 3
lo que implica que
V(X) = 3
_
3
2
_
2
=
3
4
luego, reemplazando se tiene que
V(Y ) =
3a
2
4
+
3a
2
a
=
3a
2
4
+
3a
2
2
=
9
4
a
2
37. Sea X e Y variables aleatorias independientes con funciones densidades marginales
f(x) = xe
x
, x > 0 y f(y) = e
y
y > 0
Sean
Z = X +Y, y W =
X
X +Y
(a) Determine las respectivas densidades marginales de Z y W.
(b) Son Z y W variables aleatorias independientes?
Soluci on:
(a) Por independencia se tiene que
f
X,Y
(x, y) = xe
(x+y)
, x > 0, y > 0
Usando el cambio de variable propuesto
Z = X +Y W =
X
X +Y
X = ZW Y = Z(1 W)
Calculamos el Jacobiano
|J| =
(x, y)
(z, w)
_
w z
1 w z
_
= | z| = z
Luego, por el teorema de cambio de variables la funcion de distribuci on densidad con-
junta de Z y W es:
f
Z,W
(z, w) = f
X,Y
(zw, z(1 w))|J|
= (zw)e
z
|z|
= z
2
e
z
w, z > 0, 0 < w < 1
Para obtener las marginales de Z y W procedemos de la siguiente manera:
f
Z
(z) = z
2
e
z
_
1
0
wdw
=
z
2
2
e
z
, z > 0
f
W
(w) = w
_

0
z
2
e
z
dz
= w(3)
= 2w, 0 < w < 1
(b) Como el producto de las marginales
f
Z
(z)f
W
(w) =
z
2
2
e
z
2w
= z
2
e
z
w
= f
Z,W
(z, w)
es igual a la conjunta, se tiene entonces que Z y W son variables aleatorias independi-
entes.
38. Sea X
1
, X
2
, . . . , X
n
una muestra aleatoria con funci on densidad f, es decir,
X
i
iid
f(x), i = 1, . . . , n
Determine la densidad de X
(1)
= mn{X
1
, . . . X
n
}
Soluci on:
Calculamos primero F
X
(1)
(x)
F
X
(1)
(x) = P(X
(1)
x)
= 1 P(X
(1)
> x)
= 1 P(X
1
> x, X
2
> x, . . . , X
n
> x)
= 1 P(X
1
> x)P(X
2
> x) P(X
n
> x) (por independencia de las v.a.)
= 1 (1 P(X
1
x))(1 P(X
2
x)) (1 P(X
n
x))
= 1
n
i=1
(1 P(X
i
x))
= 1
_
1 F
X
(x)
n
(ya que todas tienen la misma distribuci on)
Por lo tanto, la funci on densidad de X
(1)
es
f
X
(
1)
(x) =
dF
X
(1)
(x)
dx
= 0 n[1 F
X
(x)
n1
d(1 F(x))
dx
= n[1 F
X
(x)
n1
f(x)
= n[1 F
X
(x)
n1
f(x)
39. Sea (X, Y ) un vector aleatorio con funcion de densidad conjunta
f
X,Y
(x, y) = c|y|e
x
, 0 x ; x y x
(a) Encuentre la densidad marginal de X en termino de la constante c. Demuestre que c =
1/2.
(b) Encuentre la densidad marginal de Y y obtenga E(Y ).
(c) Encuentre la densidad condicional de Y dado X = 1.
Soluci on:
(a) La densidad marginal de X se obtiene de la siguiente manera
f
X
(x) = c
_
x
x
|y|e
x
dy, x > 0
= ce
x
2
_
x
0
ydy, x > 0
= ce
x
_
y
2
_
x
0
, x > 0
= cx
2
e
x
, x > 0
Para demostrar que c = 1/2, por comparacion con la densidad de Gamma(3,1) y por
denici on de (3) se deduce c = 1/2.
(b) La densidad de Y se obtiene de la siguiente manera
f
Y
(y) =
1
2
|y|
_

|y|
e
x
dx
=
1
2
|y|e
|y|
, < y <
Luego, por simetra de la densidad se tiene que E(Y ) = 0.
(c)
f
Y |X
(y|x) =
f
X,Y
(x, y)
f
X
(x)
=
|y|e
x
x
2
e
x
, x y x
f
Y |X
(y|1) = |y|, 1 y 1
40. Dada una variable aleatoria bidimensional (X, Y ) , con funci on densidad conjunta
f(x, y) = k (cos(x) + cos(y)) I
[0,
2
][0,
2
]
(x, y)
a) Determine k.
b) Encuentre la marginal de Y
c) Determine la distribuci on condicional de X | Y = y
d) Son X e Y independientes?
41. Un grupo de empresas destina sus benecios 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:
f(x, y) = k, 0 < x < 1, 0 < y < x
a) Determinar la constante k, para que sea funcion desidad conjunta.
b) Determinar las funciones densidad marginales.
c) Vericar si X e Y son independientes.
d) Supongamos que el porcentaje dedicado a dividendos sea de 45%. Cu al sera la proba-
bilidad de que el porcentaje para nuevas inversiones sea superior al 50%?
Soluci on:
a) Sean
X: porcentaje destinado a nuevas inversiones
Y: porcentaje destinado a pago de dividendos.
Para que sea funci on distribucion debe cumplirse que
_ _
f
XY
(x, y)dydx = 1
El area de integraci on es el area en gris
Entonces
1 =
_
1
0
_
x
0
k dy dx
= k
_
1
0
y
x
0
dx
= k
_
1
0
x dx
= k
x
2
2
1
0
=
k
2
Por lo tanto, k = 2 y f(x, y) = 2, 0 < y < x < 1.
b) Calculamos las distribuciones marginales a partir de la distribuci on conjunta antes de-
terminada
f(x) =
_
x
0
2 dy = 2x, 0 x 1
y
f(y) =
_
1
y
2 dx = 2(1 y), 0 y 1
c) Para vericar independencia se debe cumplir que
f
XY
(x, y) = f
X
(x)f
Y
(y)
En este caso
f
X
(x)f
Y
(y) = 2x 2(1 y) = 2
Por lo tanto, X e Y no son independientes.
d) Debemos determinar f
X|Y
(x)
Por denici on
f
X|Y
(x) =
f
XY
(x, y)
f
Y
(y)
=
2
2(1 y)
=
1
1 y
, 0 x 1, 0 y x.
As, con f
X|Y =0.45
= 1/(1 0.45)
P(X 0.5|Y = 0.45) =
_
1
0.5
1
1 0.45
dx
=
20
11
x
1
0.5
=
20
11

1
2
=
10
11
= 0.91
42. Una compa na que ofrece servicios telefonicos transoce anicos 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 , n umero 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 xe
0.5yx/y
, 0 < x < , 0 < y <
a) Encuentre la funci on de densidad de Y .
Puede asumir que
_
0
xe
kx
= 1/k
2
Soluci on:
f(y) =
_

0
0.0625 x e
0.5yx/y
dx
= 0.0625 e
0.5y
_

0
x e
x/y
dx
= 0.0625 e
0.5y
y
2
; y > 0
b) Encuentre la densidad condicionada de X dado que Y = y.
Soluci on:
f(y) =
f(x, y)
f(y)
=
0.0625 x e
0.5yx/y
0.0625 e
0.5y
y
2
=
x e
x/y
y
2
; x > 0 ; y > 0
c) (8 ptos) Calcule la probabilidad de que dado que la operadora se demora 5 minutos
en ingresar la llamada, el sistema la ingrese en menos de 2 minutos.
Soluci on:
Sea Y=5
P(X < 2/Y = 5) =
_
2
0
x e
x/y
y
2
dx ; y = 5
=
1
25
_
2
0
xe
x/5
dx
Integrando por partes con los cambios de variable se tiene:
x = u dv = e
x/5
dx
dx = du v = 5e
x/5
=
1
25
_
xe
x/5
5
2
0
+ 5
_
2
0
xe
x/5
dx
_
=
1
25
_
10e
2/5
+ 5 5e
2/5
+ 5 5e
0
_
=
1
25
_
35e
2/5
+ 25
_
=
1
5
_
7e
2/5
+ 5
_
d) (8 ptos) En la practica, deberan ser independientes X e Y ?, lo son en esta densidad
conjunta?
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 e
x/y
no es posible
descomponerlo como un producto entre funciones de x y de y.
e) (8 ptos) Calcule la distribucion de Z = e
Y
.
Soluci on:
Z = e
Y
ln(Z) = Y
1
Z
= Y
f(z) = f
y
(ln(z)) 1/z
= 0.0625 [ln(z)]
2
e
0.5ln(z)
1/z
= 0.0625 [ln(z)]
2
e
ln(z
0.5
)
1/z ; z > 0
=f(z) = 0.0625 [ln(z)]
2
1
z
3/2
; z > 0
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 distribuci on 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
(a) Obtener las funciones marginales de X e Y .
(b) Calcule P(1 <X 2, 0 <Y< 2).
Soluci on:
(a) Recordemos que P(X = x) =
y
P(X = x, Y = y), por lo tanto
P(X = 0) = 0 + 0.04 + 0.12 + 0.09 = 0.25
P(X = 1) = 0.02 + 0.14 + 0.21 + 0.14 = 0.51
P(X = 2) = 0.07 + 0.06 + 0.06 + 0.05 = 0.24
As, la distribuci on marginal de X est a dada por
x 0 1 2
P(X = x) 0.25 0.51 0.24
An alogamente para Y
P(Y = 0) = 0 + 0.02 + 0.07 = 0.09
P(Y = 1) = 0.04 + 0.14 + 0.06 = 0.24
P(Y = 2) = 0.12 + 0.21 + 0.06 = 0.39
P(Y = 3) = 0.09 + 0.14 + 0.05 = 0.28
Por lo tanto,
y 0 1 2 3
P(Y = y) 0.09 0.24 0.39 0.28
(b)
P(1 < X 2, 0 < Y < 2) = P(X = 2, Y = 1)
= 0.06
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
funci on densidad conjunta siguiente:
f
XY
(x, y) = k x y, , 5 < x < 20, 2 < y < 6
(a) Obtener el valor de k
(b) Obtener la probabilidad que las exportaciones crezcan por encima del 8%.
(c) Obtener el crecimiento esperado de las exportaciones.
Soluci on:
(a) Recordemos que
_ _
f
XY
dxdy = 1
Entonces
_
20
5
_
6
2
k x y dy dx =
_
20
5
k x
y
2
2
6
2
dx
= k
36 4
2
_
20
5
x dx
= 16k
x
2
2
20
5
= 16k
400 25
2
= 3000k = 1
Por lo tanto, k = 1/3000
(b) Debemos encontrar la distribucion marginal de X.
f
X
(x) =
_
y
k x y dy
= k x
_
6
2
y dy
= k x
y
2
2
6
2
= k x
36 4
2
=
16x
3000
, 5 < x < 20
Con esto
P(X > 8) =
_
20
8
16x
3000
dx
=
16
3000

x
2
2
20
8
=
16
3000

400 64
2
= 0.896
(c) Calculamos el valor esperado de X
E(X) =
_
20
5
x
16x
3000
dx
=
16
3000

x
3
3
20
5
=
16
3000

20
3
5
3
3
= 14
Por lo tanto, en promedio, el crecimiento de las exportaciones es de un 14%.
45. Considere una placa rectangular, cuyo largo (X) y ancho (Y) son variables aleatorias con
funci on de densidad conjunta:
f(x, y) =
_
k(x +y), 0 < x < 1 0 < y < 2;
0, e.o.c.
(a) Determine k para que f sea funcion densidad.
(b) Son el largo y el ancho variables aleatorias independientes? Justique.
(c) Calcule la probabilidad de que el largo de la placa no exceda la mitad de su ancho.
Soluci on:
(a) Sabemos que
_ _
f(x, y) dx dy = 1
Entonces
1 =
_
1
0
_
2
0
k(x +y) dy dx
= k
_
1
0
(xy +
y
2
2
2
0
) dx
= k
_
1
0
(2x + 2) dx
= k(x
2
+ 2x)
1
0
= k(1 + 2)
Por lo tanto k = 1/3.
(b) Las distribuciones marginales son:
f(x) =
_
2
0
1
3
(x +y) dy
=
1
3
(xy +
y
2
2
2
0
)
=
1
3
(2x +
2
2
2
)
=
2
3
(x + 1), 0 < x < 1
f(y) =
_
1
0
1
3
(x +y) dx
=
1
3
(xy +
x
2
2
)
1
0
=
1
3
(y +
1
2
)
=
y
3
+
1
6
, 0 < y < 2
(c) Nos piden calcular P(X Y/2) que gr acamente es
Por lo tanto,
P(X Y/2) =
_
2
0
_
y/2
0
1
3
(x +y) dx dy
=
1
3
_
2
0
_
x
2
2
+xy
_
y/2
0
dy
=
1
3
_
2
0
_
y
2
8
+
y
2
2
_
dy
=
1
3
_
y
3
24
+
y
3
6
_
2
0
=
1
3
_
2
3
24
+
2
3
6
_
=
5
9
3 Inferencia Estadstica
1. Sea X
1
, . . . , X
n
una muestra aleatoria de la distribucion Pareto, con funcion densidad dada
por
f
X
(x) =
x
(+1)
, x , 1.
Asuma que es conocido y encuentre el EMV de .
Soluci on:
Siguiendo los pasos vistos en clases:
L(x, ) =
n
i=1
f(x
i
)
=
n
i=1
x
(+1)
i
=
n
n
_
n
i=1
x
i
_
(+1)
As, la log-verosimilitud queda
logL(x, ) = nlog +nlog ( + 1)
n
i=1
logx
i
logL =
n
+nlog
n
i=1
logx
i
= 0

=
n
n
i=1
logx
i
nlog
2. Sea X
1
y X
2
una muestra aleatoria de tama no 2 proveniente de una poblaci on X con media
y varianza
2
. Si disponemos de dos estimadores para ,

1
=
X
1
+X
2
2
y
2
=
X
1
+ 2X
2
3
Cu al de los dos es el mejor?
Soluci on:
Calculemos el sesgo de los dos estimadores
E(
1
) = E
_
X
1
+X
2
2
_
=
1
2
( +)
=
y
E(
2
) = E
_
X
1
+ 2X
2
3
_
=
1
3
( + 2)
=
Como los dos son insesgados, calculemos sus varianzas
V(
1
) = V
_
X
1
+X
2
2
_
=
1
4
(
2
+
2
)
=
1
2
2
V(
2
) = V
_
X
1
+ 2X
2
3
_
=
1
9
(
2
+ 4
2
)
=
5
9
2
Dado que
1
tiene menor varianza que
2
, entonces
1
es mejor estimador que
2
.
3. Sea X una variable aleatoria con densidad
f(x) =

3
2
x
2
e
x
, x > 0
donde > 0 es desconocido.
a) Muestre que = 2/X es un estimador insesgado para
b) Encuentre la varianza de
c) Encuentre la Informaci on de Fisher para el par ametro .
d) Alcanza el estimador la cota de Cramer- Rao?
Soluci on:
a) Para mostrar que es insesgado debe cumplirse que E() = , por lo tanto
E() = E
_
2
X
_
=
_

0
2
x
3
2
x
2
e
x
dx
=
_

0
3
xe
x
dx
= (2)
_

0
2
(2)
x
21
e
x
dx
= 1
Por lo tanto es insesgado para .
b) Para calcular la varianza, recordemos que
V(X) = E(X
2
) E
2
(X)
Entonces s olo nos falta calcular E(
2
)
E(
2
) = E
_
4
X
2
_
=
_

0
4
x
2
3
2
x
2
e
x
dx
=
_

0
2
3
e
x
dx
= 2
3
e
x
= 2
2
y con esto
V() = 2
2
2
=
2
c) Sabemos que la Informaci on de Fisher est a dada por
I() = E
_
d
2
logL(x, )
d
2
_
En este caso, como solo contamos con una observacion, L(x, ) = f(x), por lo tanto
L(x, ) =

3
2
x
2
e
x
log(L) = 3 log() log(2) 2 log(x) x
d log(L)
d
=
3
x
d
2
log(L)
d
2
=
3
2
Por lo tanto
I() = E(
3
2
) =
3
2
d) Un estimador insesgado alcanza la cota si V() = I
1
(). En este caso
V() =
2
>

2
3
= I
1
()
por lo tanto, no alcanza la cota de Cramer- Rao.
4. Considere una muestra aleatoria X
1
, . . . , X
n
con funcion distribuci on densidad dada por:
f(x) =
_
x
1
exp{
x
}, x 0, >0, >0, conocido;

0, e.o.c.
(a) Demuestre la distribuci on de Y = X
es exponencial de par ametro 1/. (Y exp(1/))

(b) Calcule el EMV de .
(c) Muestre que es insesgado y calcule su varianza.
(d) Calcule la cota de Cramer-Rao de

y determine si el estimador es eciente.
Soluci on:
(a) Usando teorema de cambio de variable,
Y = g(X) = X
, g
1
(y) = y
1/
|J| =
dg
1
dy
=
1
y
1/1
as,
f
Y
(y) = f
X
(y
1/
) |J|
=

(y
1/
)
1
exp{
y
}
1
y
1/1
=

y
11/
exp{
y
}
1
y
1/1
=
1/
e
y/
Por lo tanto, Y exp(1/).
(b) Para encontrar el EMV:
L(x, ) =
n
i=1
x
1
i
exp{
x
}
=
_
_
n
i=1
x
1
i
exp{
}
log L(x, ) = nlog nlog + ( 1)
n
i=1
log x
i
i
d log L
d
=
n
+
1
i
= 0
Por lo tanto,
=
1
n
n
i=1
x
i
(c) Para mostrar que es insesgado, debe cumplirse que E(
) = . Recordemos que si
Y exp(1/), entonces E(Y ) = y V(Y ) =
2
.
E(
) = E(
1
n
n
i=1
x
i
)
=
1
n
n
i=1
E(x
i
)
=
1
n
n
i=1
=
Por lo tanto, el estimador encontrado es insesgado.
Calculamos su varianza:
V(
) = V(
1
n
n
i=1
x
i
)
=
1
n
2
n
i=1
V(x
i
)
=
1
n
2
n
i=1
2
=

2
n
(d) Calculamos la cota de Cramer- Rao I()
1
I() = E
_
d
2
L(x, )
d
2
_
= E
_
n
2

2
3
n
i=1
x
i
_
=
2
(E(x
i
)
)
n
2
=
2
()
n
2
=
2
3
n
n
2
=
n
2
Por lo tanto, la cota es I()
1
=
2
/n, por lo tanto, como la varianza del estimador es
igual a la cota, el estimador es eciente.
5. (a) Sean X
1
, X
2
iid
exp(). Determinar la funci on densidad de Y = X
1
+X
2
(b) Sea Y
1
, . . . , Y
n
una muestra aleatoria con funci on densidad
f
Y
(y) =
2
y e
y
, y > 0, > 0
Determinar un estimador insesgado y eciente para = 1/. Determinar la cota de
Cramer- Rao para el estimador encontrado.
(c) Verique que Q = e
x
es un pivote, es decir, su distribuci on no depende de . Use lo

hecho en la parte anterior.
Soluci on:
(a) Sea Y = X
1
+X
2
y Z = X
1
. Con esto, las funciones inversas son X
1
= Z y X
2
= Y Z,
por lo que
|J| =
1 0
1 1
= 1
Como 0 < X
1
< X
1
+X
2
, entonces 0 < Z < Y
As, la distribuci on conjunta de Y, Z queda
f
Y Z
(y, z) = f
X
1
x
2
(z, y z)|J|
= f
X
2
(z) f
X
1
(y z)|1| (por independencia de X
1
y X
2
)
= e
z
e
(yz)
=
2
e
y
, 0 < z < y
Por lo tanto, la funci on densidad marginal de Y es
f
Y
(y) =
_
y
0
2
e
y
dz
=
2
e
y
z
y
0
=
2
ye
y
, y > 0
Es decir, Y Gamma(2, )
(b) Por m axima verosimilitud, determinemos un EMV para .
L(y, ) =
n
i=1
2
y
i
e
y
i
/
=
2n
n
i=1
(y
i
)e
y
i
/
_
log
log(L) = 2nlog() +
log(y
i
)
y
i
/
_
d
d
d log(L)
d
=
2n
+
1
y
i
= 0
=
Por lo tanto,
=
1
2n
n
i=1
y
i
Para comprobar que sea insesgado, recordemos que si Y Gamma(2, ) entonces,
E(Y ) = 2/ y V(Y ) = 2/
2
E( ) = E(
1
2n
y
i
)
=
1
2n
E(y
i
)
=
1
2n
2/
=
1
2n
2
=
1
2n
n 2
=
Por lo tanto, es insesgado.
Calculemos su varianza y comparemosla con la cota de Cramer-Rao.
V( ) = V(
1
2n
y
i
)
=
1
4n
2
V(y
i
)
=
1
4n
2
2/
2
=
1
4n
2
2
2
=
1
4n
2
n 2
2
=

2
2n
La cota est a dada por I()
1
donde
I() = E(
d
2
L
d
2
)
= E(
2n
2

2
y
i
)
=
2
E(y
i
)
2n
2
=
2
3
2n
2n
2
=
4n
2

2n
2
=
2n
2
Entonces
I()
1
=

2
2n
= V( )
Por lo tanto, el estimador alcanza la cota, por lo que es eciente.
6. Sea X
1
, . . . , X
n
una muestra aleatoria de la distribucion Rayleigh, es decir,
f(x) =
x
2
exp
_
x
2
2
2
_
, x > 0, > 0.
(a) Determine el estimador de m axima verosimilitud de
2
,

2
.
(b) Determine si

2
es insesgado
(c) Calcule la varianza de

2
.
(d) Determine si

2
es consistente en error cuadr atico medio.
Hint: Si X Raileigh(), entonces X
2
distribuye exponencial de media 2
2
)
Soluci on:
(a) Planteamos la funci on de verosimilitud para resolverla en funcion de

2
.
L(x,
2
) =
n
i=1
x
i
2
exp
_
x
2
i
2
2
_
=
(x
i
)
1
2n
exp
_
x
2
i
2
2
_
log L =
log(x
i
) 2nlog()
x
2
i
2
2
d log L
d
=
2n
x
2
i
3
= 0
Por lo tanto
2
=
1
2n
x
2
i
(b) Para ver si

2
es insesgado
E(
2
) = E
_
1
2n
x
2
i
_
=
1
2n
E(x
2
i
)
=
1
2n
2
2
=
2
2
es insesgado
(c) Calculamos su varianza
V(
2
) = V
_
1
2n
x
2
i
_
=
1
4n
2
V(x
2
i
)
=
1
4n
2
4
4
=

4
n
(d) En este caso, ECM(
) = V(
), ya que es insesgado. Como

lim
n
ECM(
) = lim
n
4
n
= 0
entonces el estimador encontrado es consistente en error cuadr atico medio.
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 clasiquen 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, hip otesis
que quieren probar bajo dos criterios:
Criterio 1 La diferencia ser a evaluada de acuerdo a la nota promedio que entreguen las
personas seleccionadas.
Criterio 2 La diferencia sera evaluada de acuerdo a la proporci on de personas que evaluo
la bebida con nota mayor a 4.
Los datos del estudio se presentan a continuacion:
n x s x>4
Bebida A 25 6.0 2.41 9
Bebida B 25 3.84 2.01 10
(a) Determine si hay diferencias entre las bebidas seg un el Criterio 1, con un nivel de
signicancia del 5%.
(b) Determine si hay diferencias entre las bebidas seg un el Criterio 2, con un nivel de
signicancia del 5%.
(c) Los investigadores concluir an a favor de su hipotesis s olo si los dos criterios concluyen
que hay diferencias. De acuerdo a lo anterior, podemos armar que las bebidas obtienen
una evaluaci on distinta?
Soluci on:
(a) Las hip otesis de interes son
H
0
:
1
=
2
H
1
:
1
=
2
Pero primero debemos saber si las varianzas poblacionales son iguales o no. Planteamos
las hipotesis:
H
0
:

2
1
2
2
= 1
H
1
:

2
1
2
2
= 1
El estadstico de prueba es
s
2
1
s
2
2
=
_
2.41
2
2.01
2
_
= 1.437
Los valores crticos son F
24,24,0.025
= 0.44 y F
24,24,0.975
= 2.269
En esta caso, no podemos rechazar H
0
, por lo tanto, no podemos rechazar que las
varianzas poblacionales son iguales con 5% de signicancia.
Como no podemos asumir que las varianzas poblacionales son distintas (ya que la evi-
dencia no nos permiti o 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.
La regla es rechazar H
0
si |T
0
| > t
,1/2
, donde = n
1
+n
2
2.
Para calcular T
0
, primero calculamos s
2
p
s
2
p
=
(n
1
1)s
2
1
+ (n
2
1)s
2
2
n
1
+n
2
2
=
24 2.41
2
+ 24 2.01
2
25 + 25 2
= 4.92
Entonces
T
0
=
6.0 3.84
2.219
_
2
50
= 4.867
y la regi on crtica con = 0.05 es
t
,1/2
= t
25+252,10.025
= t
48,0.975
= 2.01
Comparando el valor crtico con el estadstico de prueba vemos que los datos nos entre-
gan evidencia en contra de H
0
(rechazamos H
0
), por lo que podemos armar con 5%
de signicancia que las calicaciones de las bebidas son distintas.
(b) Bajo el segundo criterio, debemos realizar una comparaci on de proporciones. Las
hip otesis son
H
0
: p
1
= p
2
H
1
: p
1
= p
2
La regla es rechazar H
0
si |z
0
| > z
1/2
la region de rechazo con = 0.05 esta dada por
z
1/2
= z
10.025
= z
0.975
= 1.96
y el estadstico de prueba
z
0
=
0.36 0.40
_
0.360.64
25
+
0.40.6
25
= 0.291
En consecuencia, y con una signicancia del 5%, no podemos rechazar H
0
, es decir, no
podemos armar que la cantidad de notas mayores a 4 sea distinta para cada bebida.
(c) Bajo el criterio 1, las bebidas obtienen una evaluaci on distinta, mientras que bajo el
criterio 2 no podemos armar que la proporcion de notas mayores a 4 sea distinta
dependiendo de la bebida, por lo que para efectos de las hip otesis planteadas en este
estudio, no podemos concluir que las bebidas obtienen una evaluaci on distinta.
8. Se toman dos muestras independientes para comparar las medias de dos poblaciones.
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) Verique con que valor de (1 )% tales valores de n son aceptables.
Soluci on:
(a) Primero, necesitamos saber si las varianzas poblacionales son iguales o distintas. Para
eso, necesitamos testear las hipotesis
H
0
:
2
1
=
2
2
H
1
:
2
1
=
2
2
con = 0.05. El estadstico para la comparacion de varianzas es F
0
= s
1
1
/s
2
2
el cual se
compara con los percentiles /2 y 1
/2 de la distribuci on F de Fisher.
F
0
=
(6.2)
2
(10.6)
2
= 0.34
Rechazamos H
0
si F
0
< F
(
n
1
1, n
2
1, /2) o F
0
> F
(
n
1
1, n
2
1, 1 /2), es decir,
basta que se cumpla una de las dos desigualdades para que rechazemos la hipotesis nula.
En este caso
F
(49,59,0.01)
= 0.52 > 0.34
F
(49,59,0.99)
= 1.88
As, se rechaza H
0
y las varianzas poblacionales son distintas.
Ahora testeamos las hip otesis de interes
H
0
:
A

B

A
B
0
H
1
:
A
>
B

A
B
> 0
Rechazamos H
0
cuando
T
0
=
(x
A
x
B
) 0
_
s
2
A
n
A
+
s
2
B
n
B
t
y rechazo H
0
si T
0
t
,1
donde
=
_
s
2
A
n
A
+
s
2
B
n
B
_
2
(s
2
A
/n
A
)
2
n
A
1
+
(s
2
B
/n
B
)
2
n
B
1
s
2
A
n
A
=
(6.2)
2
50
= 0.768,
s
2
A
n
A
=
(10.6)
2
60
= 1.872
_
s
2
A
n
A
_
2
=
_
(6.2)
2
50
_
2
= 0.589,
_
s
2
A
n
A
_
2
=
_
(10.6)
2
60
_
2
= 3.506
As,
=
(0.768 + 1.872)
2
0.589/49 + 3.506/59
=
6.969
0.0714
= 97.55
Con > 30, ocupamos la aproximaci on al percentil normal.
As,
T
0
=
57.5 54.4
0.768 + 1.872
= 1.907
El percentil es z
1/2
= -2.326, y como T
0
> z
1/2
, no rechazamos H
0
y no podemos
armar que la media de A sea mayor a la de B.
(b) Debemos encontrar el mnimo tal que
T
0
= z
1/2
Entonces
P(Z < 1.907) = 0.9717
es decir, con (1 )% 0.9717 aceptamos la hip otesis nula. ( = 0.028)
9. Muchos estudiantes se han quejado de que la maquina vendedora de refrescos A despacha
menos bebidas que la maquina B. Los siguientes son los datos de las muestras:
M aquina A n
1
= 10 x
1
=4.38 s
2
1
=1.59
M aquina B n
1
= 12 x
2
=5.92 s
2
2
=0.83
(a) Construya un intervalo de conanza para la diferencia de despacho medio de cada
m aquina, asumiendo que
2
1
=
2
2
.
(b) Con = 0.05, Respalda la evidencia la hip otesis de que la cantidad media despachada
por la m aquina A es menor que la despachada por la maquina B? Asuma que las
varianzas poblacionales son iguales.
(c) Que sucedera con el intervalo de conanza en (a) si aumentamos la conanza con que
lo construimos?
Que suceder a si s olo hubieramos tomado dos muestras de tama no 5? Comente
(d) Determine con 95% de conanza si las varianzas poblacionales son efectivamente iguales.
Soluci on:
(a) Un IC para la diferencia de medias con 95% de conanza, suponiendo varianzas iguales
est a dado por
(
A
B
)
_
(x
A
x
B
) z
1/2
s
p
_
1
n
A
+
1
n
B
_
Entonces,
s
2
p
=
(n
A
1)s
2
A
+ (n
B
1)s
2
B
nA +n
B
2
=
9 1.59 + 11 0.83
10 + 12 2
=
23.44
20
= 1.172
s
p
= 1.082
El IC queda
_
(4.38 5.92) z
0.975
1.082
_
1
10
+
1
12
_
_
1.54 1.96 1.082 0.428
_
_
1.54 0.907
_
_
1.54 0.907
_
_
2.447; 0.633
_
(b) Planteamos las hip otesis de acuerdo a la pregunta
H
0
:
A

B

A
B
0
H
1
:
A
<
B

A
B
< 0
Rechazamos H
0
si
T
0
=
x
A
y
B
s
p
_
1/n
A
+ 1/n
B
t
(n
A
+n
B
2),1
Con = 0.05, t
(n
A
+n
B
2),1
= t
20,0.95
= 1.724
y T
0
= 1.54/(1.082 0.428) = 3.324, por lo tanto, rechazamos H
0
y se respalda la
evidencia de que la maquina A despacha menos refrescos que la m aquina B, con 95%
de conanza.
(c) Al aumentar la conanza, aumenta el ancho del intervalo, ya que cometemos un er-
ror menor en la estimaci on. Por otro lado, si dismonuimos los tama nos muestrales,
aumentamos el error de estimaci on y el intervalo tambien aumenta su ancho.
(d) Construyamos un IC de 95% para el cuociente entre las varianzas. Este intervalo est a
dado por
2
2
/
2
1
(
2
B
2
A
F
n
A
1,n
B
1,/2
,

2
B
2
A
F
n
A
1,n
B
1,1/2
)
Entonces
2
2
/
2
1
= 0.83/1.59 = 0.522
y
F
n
A
1,n
B
1,/2
= F
9,11,0.025
= 0.255
F
n
A
1,n
B
1,1/2
= F
9,11,0.975
= 3.587
Por lo tanto,
2
2
/
2
1
(1.915 0.255, 1.915 3.587)
Entonces el intervalo es (0.133, 3.587), por lo que concluimos que con 95% de conanza
las varianzas son iguales, ya que el 1 pertenece al intervalo.

Evaluaciones Resueltas 2009-2010

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Evaluaciones Resueltas 2009-2010

Enviado por

Direitos autorais:

Formatos disponíveis

Universidad Tecnica Federico Santa Mara

Departamento de Matematica/ Campus Vitacura

b x = 269 0.085 2093 = 179.15

= log(x) obtenemos que Corr(X

tiene 20 6 5 4 elementos (Principio Multiplicativo).

), entonces P(A) P(B).

). Notemos por (b) que P(B) = P(B | A) = 1/2

tambien son independientes.

) = 9/10 y P(D) = 7/10.

}, x 0, >0, >0, conocido;

es exponencial de par ametro 1/. (Y exp(1/))

es un pivote, es decir, su distribuci on no depende de . Use lo

), ya que es insesgado. Como

Você também pode gostar