2009.2 - Control 2 Pauta MAT-042

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA
FACULTAD DE MATEMATICAS
PROBABILIDAD Y ESTADISTICA
CONTROL 2
5 de octubre 2009
1. Los procesos de falla de cada una de 10 componentes se comportan de manera probabilsticamente
independientes y siguiendo un mismo modelo probabilstico. Sea Xi el tiempo de falla de la i-esima
componente, expresado en miles de horas. Suponga que su densidad de probabilidad es

fX (x) =
0,8ex + 0,4e2x , x 0;
0,
e.o.c.
para cualquier i = 1, 2, . . . , 10
a) Determine la funcion distribucion acumulada de X3
b) Calcule la probabilidad de que a lo mas 3 componentes fallen antes de 1.5 horas.
Solucion:
a) La funcion distribucion de la variable X3 viene dada por:
0,
si x 0
Z
x
FX3 (x) =
t
2t
0 0,8e + 0,4e dx, si x >0
si x 0
0, Z
Z x
x
=
t
2t
0,8 0 e d + 0,4 0 e dx, si x >0
0,
si x 0
=
0,8(1 ex ) 0,2e2x , si x >0
0,
si x 0
=
1 0,8ex 0,2e2x , 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) = FX j (1, 5) = 1 0, 8e1,5 0, 2e21,5
Denotemos esta probabilidad por p, o sea,
p = 1 0, 8e1,5 0, 2e21,5
Sea ahora
Y: numero de componentes que fallan antes de 1.5 horas.
Entonces, Y Bin(10, p) y lo que se pide es
3
P(Y 3) =
x=0

10
px (1 p)10x
x
2. 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 permitido, 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 cm2 . Cual es la ganancia
esperada?
Solucion:
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; 0,032 )
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, cuya funcion de cuanta esta dada por:
u
0.10
P(U = u) 0.8854
-0.05
0.0228
-0.03
0.0918
Luego, la utilidad esperada es

E(U) = 0,1 0,8854 + (0,05) 0,0228 + (0,03) 0,0918
= 0,0846
Universidad T
ecnica Federico Santa Mara
Departamento de Matematica
Campus Santiago
a
Ayudanta 8 MAT-042 S1 2010

Pauta
Profesores : Francisca Gonzalez, Enzo Hernandez
Ayudantes : Javier Poseck, Hugo Salazar
Ejercicios
1. Si Y sigue una distribucion uniforme en [0, 5], Cual es la probabilidad de que ambas races
de la ecuacion
4x2 + 4xY + Y = 0
sean reales?
Desarrollo:
La funcion densidad asociada a Y es
1
fY (y) = I[0,5] (y)
5
O mas rigurosamente
5
fY (y) =
,
,
0y5
en otro caso
Dado que Y es una funcion medible, definida en cierto espacio de probabiliadd y con
valores en R, se tiene que dado la ecuacion queda de la forma:
4x2 + 4xY () + Y () = 0
La cual tiene ambas races reales si y solo si:
b2 4ac 0
Es decir:
[4Y ()]2 4 4Y () 0
16Y () [Y () 1] 0
Y () [Y () 1] 0
LATEX
HSR
Universidad T
Campus Santiago
De lo anterior definimos en el suceso:

A = : la ecuacion 4x2 + 4xY () + Y () = 0 tiene ambas races reales
es decir:
A = { : Y () [Y () 1] 0}
= { : Y () 0 Y () 1} { : Y () 0 Y () 1}
Notar que:
P(A) = P ({ : Y () 0 Y () 1})
= P ({ : Y () 0})
Z 0
fY (y) dy
=
= 0
(Ya que Y U [0, 5])
Por otro lado tenemos:
P(A) = P ({ : Y () 0 Y () 1})
= P ({ : Y () 1})
Z
=
fY (y) dy
1
Z
1
I[0,5] (y) dy
=
1 5
Z 5
1
dy
=
1 5
4
=
5
P(A) = 80%
LATEX
HSR
Universidad T
Campus Santiago
2. Sea X N (, 2 ), si = 0 y 2 = 1, demuestre que Y = X 2 se distribuye (, ). Ademas

identifique los parametros y
Desarrollo:
sea:
FY (y) =
=
=
=
=
=
P (Y y)

P X2 y
P (| X | y)
P ( y X y)
P (X y) P (X y)
FX ( y) FX ( y)
derivando tenemos
dFY (y)
= FX0 ( y) FX0 ( y)
dy

1
1
= fX ( y) fX ( y)
2 y
2 y
1
1
= fX ( y) + fX ( y)
2 y
2 y
2
2 1
1
1
1
1
1
= e 2 ( y) + e 2 ( y)
2 y
2 y
2
2
y
y
1
1
e 2 +
e 2
=
2 2y
2 2y
y
1
= e 2 IR+ (y)
2 y
fY (y) =
1
y
e 2 IR+ (y)
2 y
funcion Gamma es de la forma:

1 x
fX (x) =
x e
()
si x > 0 y , > 0
por lo que escribiremos la funcion densidad de Y de dicha forma.

1
1 2
1
2
fY (y) =
y 2 1 e 2 y IR+ (y)
1
2
12
fY (y) = y 2 1 e 2 y IR+ (y)
LATEX
HSR
Universidad T
Campus Santiago
con: =
1
1
, =
y () =
2
2
NOTA:
Z
() =
t1 et dt
Z0
1
=
t 2 1 et dt
Z0
1
=
t 2 et dt
1
2
haciendo:
u2 = t 2u du = dt
Z
2
eu du
= 2
| 0 {z }
Aparte
=
Aparte, sea:
u2
Z
du = I =
u2
2
du
= I2
Resolvamos I 2 :
Z
u2
e
0

Z
Z
2
u2
u2
du
du
e
=
du
e
0
0

Z
Z
z 2
u2
e dz
e
du
=
0
0
Z Z
2
2
=
eu ez du dz
Z0 Z0
2
2
=
eu z du dz
Z0 Z0
2
2
=
e(u +z ) du dz
0
Haciendo el siguiente cambio de variables:

u = r cos
z = r sin con 0
y 0r
2
y calculando:

J
z, y
r,
z z

r

= y
y
r
cos r sin
=
sin r cos
= r cos2 r sin2

= r sin2 + cos2
= r
LATEX
HSR
Universidad T
Campus Santiago
por lo que:
Z
(u2 +z 2 )
e
0
du dz =
0
=
=
=
=
=
=
=
+(r sin )2 ]
r dr d
=
Z
e[(r cos )
2
2
2
e[r (cos +sin )] r dr d
er r dr d
0
0
Z r2 r=
2 e

d

2
0
r=0
!
Z
0
1
*

1 2
*

2
0
2
e
e
d

2 0
Z
1 2
(1) d
2 0
Z
1 2
d
2 0

1 2
2 0
I = = I =
, es decir:
4
2

1
u2
=2
=
e
du =
2
2
2
0
2

=
2
LATEX
HSR
Universidad T
Campus Santiago
3. Sea X N (, 2 ), si Y = aX + b, donde a, b R, demuestre que Y N (a + b, a2 2 )

Desarrollo:
Sea FY (y) = P (Y y), sabiendo esto desarrollamos:

P (Y y) = P (aX + b y)

yb
= P X
a

yb
= FX
a
derivando se tiene:

yb
a

yb 1
= fX
a
a
dFY (y)
= FX0
dy
Reemplazando en la funcion densidad de X tenemos:

1 (yb)a 2 1
1
e 2 ( a ) IR (y)
a
2
1 y(a+b) 2
1
e 2 ( a ) IR (x)
=
2a
Y N (a + b, a2 2 )
LATEX
HSR
Universidad T
Campus Santiago
4. Un circuito transfiere corriente desde A a B mediante los nodos 1, 2, 3 y 4. Estos nodos se

encuentran actualmente operativos y desde que el sistema comienza a funcionar los tiempos
de vida u
til de cada nodo se comportan de manera independiente seg
un la distribucion
determinada por la siguiente funcion densidad:

( )
1
t
t
exp
,
si t 0 , > 0 y > 0
f (t) =
0
, en otro caso
Determine la funcion de distribucion de probabilidad acumulada y la funcion de densidad
del Tiempo de funcionamiento del sistema seg
un el siguiente circuito.
Desarrollo:
Para el circuito propuesto el tiempo T de funcionamiento del sistema esta determinado por:
T = max {T1 , T2 , T3 , T4 }
donde Ti (i = 1, 2, 3, 4) son variables aleatorias independientes e identicamente distribuidas
con funcion de densidad

( )
1
t
t
,
exp
f (t) =
0
,
si t 0 , > 0 y > 0
en otro caso
Luego, su funcion de distribucion de probabilidad acumulada esta dada por:
( )
,
1 exp
F (t) =
0
,
LATEX
HSR
si t 0
t<0
7
Universidad T
Campus Santiago
para > 0 y > 0

Se pide la funcion de distribucion de probabilidad acumulada de T , la cual se obtiene como
sigue:
FT (t) = P (T t)
= P (max {Ti } t)
(i {1, 2, 3, 4})
= P (T1 t, T2 t, T3 t, T4 t)
4
Y
=
P (Ti t)
(por independencia de los Ti )
=
i=1
4
Y
FTi (t)
i=1
= [FT (t)]4
"
( )#4
t
= 1 exp
( )#4
t
FT (t) = 1 exp
"
A partir de este resultado, podemos obtener su fucion densidad, derivando:

d
FT (t)
dt
= 4FT (t)3 fT (t)
( )!3
( )
t
t
t
= 4 1 exp
exp
fT (t) =
para t 0, > 0, > 0

( )!3
( )
t
t
t
fT (t) = 4 1 exp
exp
LATEX
HSR
Universidad T
Campus Santiago
5. Considere una variable aleatoria Z con funcion densidad dada por:
+1 , z , > 1 , > 0
z
fZ (z) =
0
, en otro caso
(a) Calcule el valor de c.
(b) Calcule E(Z).
(c) Sea X = ln(Z), calcule fX (x)
Desarrollo:
(a) De acuerdo a la definicion de funcion densidad, tenemos:
Z
fZ (z) dz = 1
Z
c
= 1
=
+1
z

1
= c
= 1
z
c

=
= 1

c=
(b) Por definicion:

Z
E(Z) =
zfZ (z) dz
=
=
=
=
=
dz
+1
z
Z
dz
z

1

( 1) z 1

1
0
( 1) 1
1
z
E(Z) =
LATEX
HSR
Universidad T
Campus Santiago
(c) Ocuparemos la definicion de cambio de variable:

FX (x) =
=
=
=
P (X x)
P (ln Z x)
P (Z ex )
FZ (ex )
derivando tenemos que:

d
FX (x) = FZ0 (ex )
dx
= fZ (ex )ex
= x(+1) ex
e
= ex
fX (x) = ex I[ln(),[ (x)
LATEX
HSR
10
Universidad Tcnica Federico Santa Mara

Departamento de Matemticas
Campus Santiago
Pauta
Profesores : Francisca Gonzlez, Enzo Hernndez
Variables Aleatorias Continuas

1. Sea la funcin:
e 2
fX (x) = k I[0,[ (x)
x
Calcule la constante k para que sea funcin densidad.

Hint:
x2
2
dx = (t)
1
2
Donde es la funcin distribucin normal (0, 1)
Desarrollo:
Para encontrar k debemos calcular:
x
e 2
k I[0,[ (x) dx = 1
x
interceptando el recorrido de x con los lmites de la integral se tiene que:

Z
e 2
k dx = 1
x
Luego:
Z
k
0
x2
e
dx = 1
x
k = Z
0
1
e
dx
x
x2
Aparte:
x2
x x=
e
dx = 2 xe 2 x=0 +
x
xe 2 dx
lo anterior se obtiene haciendo integracin por partes y deniendo:
x
1 x
1
u = e 2 du = e 2 dx ; dv = dx v = 2 x
2
x
cuando
notar que cuando x = 0 no hay problemas en ver que el trmino 2 xe 2 =
0, pero
x
2.
x = tenemos algo de la forma
xe
,
por
lo
que
es
necesario
calcular
lim
2
x
lim 2 xe 2 =
2 x
lim x
x e 2
aplicando L'H se tiene:
1
x
x
x 1 e 2
2
lim
0
1
= 2 lim x
x
xe 2
= 0
por lo que tenemos:

Z
x2
xe
Z
dx =
0
z2
ze 2 2z dz ; Haciendo z =
Z
= 2
|0
x dz =
dx
2 x
dx = 2zdz
z2
z 2 e 2 dz
{z
}
aparte
Aparte:
Z
2 z2
z e
dz = ze
z2
z= Z

+

z=0
z2
e 2 dz
lo anterior se obtiene haciendo integracin por parte y deniendo:

z2
z2
u = z du = dz ; dv = ze 2 dz v = e 2
z2
notar que cuando z = 0 no hay problemas en ver que el trmino ze 2 = 0, pero cuando
z = tenemos algo de la forma

z2
lim ze 2
z2
, por lo que es necesario calcular lim ze 2 .

z
= lim
= lim
z2
e2
1
z2
ze 2
0
1
= (1) lim
z2
ze 2
= 0
por lo que tenemos:
z2
dz =
e
{z
Aplicar Hint.
luego:
=
xe
x2
dx = 2
2
2
1
k=
2
x
e 2
I[0,[ (x)
fX (x) =
2x
Por lo que nalmente tenemos que:
y la funcin queda:
dz
1
=
2 ()
2

1
=
2 1
2
2
=
2
Z
z2
2. Se ha comprobado que el tiempo de vida de cierto marcapasos sigue una distribucin exponencial con media 16 aos.
(a) Determine la probabilidad de que a una persona, a la que se le ha implantado este
marcapasos, se le deba reimplantar otro antes de los 20 aos.
(b) Si el marcapasos lleva funcionando correctamente ms de 5 aos, cul es la probabilidad
de que haya que cambiarlo antes de los 25 aos?
Desarrollo:
(a) Sea:
X : Vida del marcapasos.
1
=
X exp () con = E(x)
1
16
20
1 1x
e 16 dx
0 16

1 x=20
= e 16 x
P (X < 20) =
x=0
20
16
= e
= 1
1
*

e
0
16
1
5
e4
= 0, 7135
P (X < 20) = 0, 7135
(b) Sea:
X : Vida del marcapasos.
X exp () con = E1 =
1
16
25
1 1x
e 16 dx
16
5
P (X < 25 | X > 5) = Z
1 1x
e 16 dx
5 16

1 x=25
e 16 x
x=5
=
1 x=
e 16 x
=
5
16
x=5
25
16
e
5
16
e
= 0, 7135
P (X < 25 | X > 5) = 0, 7135
3. Los procesos de falla de cada una de 10 componentes se comportan de manera probabilsticamente independientes y siguiendo un mismo modelo probabilstico. Sea Xi el tiempo de
falla de la isima componente, expresado en miles de horas. Suponga que su densidad de
probabilidad es:

0, 8ex + 0, 4e2x , x 0
0
, e.o.c.
fXi (x) =
para cualquier i = 1, 2, . . . , 10
(a) La funcin distribucin acumulada de X3 .
(b) Calcule la probabilidad de que a lo ms 3 componentes fallen en 1,5 horas.
Desarrollo:
(a) La funcin distribucin de la variable X3 viene dada por:
FX3 (x) =
X3
0
Z X
3

0, 8ex + 0, 4e2x dx , x 0
0
, e.o.c.
0, 8ex dx +
0, 4e2x dx , x 0
X3
0
Z
0, 8
X3
ex dx + 0, 4
, e.o.c.
X3
e2x dx , x 0
, e.o.c.

x=X3
2x
x=X
0, 8 (ex )|x=0 3 + 0, 4 e2
, x0

=
x=0
0
, e.o.c.
2X
(

0, 8 1 eX3 + 0, 4 1e 2 3
, x0
=
0
, e.o.c.

0, 8 0, 8eX3 + 0, 2 0, 2e2X3 , x 0
=
0
, e.o.c.

1 0, 8eX3 0, 2e2X3 , x 0
=
0
, e.o.c.

FX3 (x) =
1 0, 8eX3 0, 2e2X3 , x 0
0
, e.o.c.
(b) La probabilidad de que una componente cualquiera falle antes de 1.5 horas, viene dada
por:
P (Xi < 1, 5) = FXi (1, 5) = 1 0, 8e1,5 0, 2e21,5 = 0, 8115
Sea ahora:
Y : Nmero de componentes que fallan antes de 1, 5 horas.
Y Bin (10; 0, 8115).
y lo que se pide es:

3
X
10
P (Y 3) =
0, 8115y (1 0, 8115)10y
y
y=0
= 0, 000591241
la probabilidad pedida es 0, 059%
P (Y 3) = 0, 059%
4. Sea x una V.A.C. con funcin densidad:

2
fX (x) = 2xex I[0,[ (x)
(a) Determinar la funcin densidad de Y = X 2 , donde X tiene funcin densidad fX (x).

(b) Demostrar que fY (y) (encontrada en a ), es funcin densidad.
(c) Determinar E (y) y V (y).
Desarrollo:
(a) Sea FY (y) = P (Y y), relacin entre la funcin distribucin y probabilidad, por lo
que se tiene:
FY (y) = P (Y y) =
=
=
=

P X2 y
P (|X| y)
P (X y)
P ( y X y)
+
: X R0

(X
y)
= P (X y) P

= FX ( y)
FY (y) = FX

y , por lo que al derivar encontraremos la funcin densidad de y .
1
dFY (y)
= FX0 ( y)
dy
2 y

y
fX
=
2 y
(y)2
ye
2
=
I[0,[ (y)
2 y

= ey I[0,[ (y)
fY (y) = ey I[0,[ (y)
(b) Por demostrar que:

fZY (y) 0x R+
0 , lo cul es obvio.
fX (x) dx = 1:
e IR+0 (y) dy =
(c)
y=
ey y=0
dy =
!
1
0
>
0

e
=1

=
e
se demuestra que fY (y) es funcin densidad.

E (y): se dene la esperanza como sigue:
Z
yfY (y) dy
E (y) =
por lo que debemos calcular:

Z
ye IR+0 dy =
yey dy
0
y=
yey y=0
Z
+
|0
ey dy
{z }
1
(La integracin por partes realizada es: u = y du = dy y dv = ey dy v =

ey )
Es claro que cuando y = 0 se tiene que yey = 0, pero cuando y = entonces
tenemos algo de la forma

, por lo que es necesario calcular lim yey
y
lim yey
y
= lim y
y e
0
1
= lim y
y e
= 0
E (y) = 1
V (y), se dene la varianza como: V (y) = E (y 2 ) (E (y))2 . Por lo que debemos

calcular E (y 2 ).
Z

2
E y =
y 2 ey dy
0
haciendo:
u = y 2 du = 2ydy
dv = ey dy v = ey
se tiene:
=
y=
y 2 ey y=0
Z
+2
0
yey dy
{z }
1
notar que cuando y = 0 no hay problemas en ver que y 2 ey = 0, pero cuando

y = tenemos algo de la forma
, por lo que es necesario calcular lim y 2 ey .
y2
y ey
2y
= lim y
y e
lim y 2 ey = lim

0
1
= 2 lim y
y e
= 0
E (y 2 ) = 2 y se tiene que V (y) = 2 (1)2
V (y) = 1
5. El nmero de barcos que llegan al Puerto de Valparaso sigue un proceso de Poisson con tasa
de llegada cinco por da.
(a) Cul es la probabilidad de que transcurran ms de seis horas sin que arribe ninguno?
(b) Si el costo de operacin "C " es una funcin del tiempo ocioso X (entre llegadas), donde
C = 1 e5x , encuentre el costo medio, donde C se mide en millones de pesos.
Desarrollo:
(a) Sea N1 : cantidad de barcos que llegan al puerto de Valparaso en un da.
N1 P ( 1) = 5
Sea X : tiempo (das) entre llegadas consecutivas. X exp () con = 5
fX (x) = 5e5x I[0,[ (x)
Se pide calcular P (X > 0, 25) (un da tiene 24 horas, por lo que si queremos calcular la
probabilidad que no lleguen barcos en ms de seis horas debemos hacer 246 = 0, 25)
Z
P (X > 0, 25) =
=
5e5x dx
0,25
e5x |x=
x=0,25

: 0 50,25

5

e
e
=
= 0, 2865
P (X > 0, 25) = 28, 65%
(b) Se pide el costo medio de "C ", es decir E (C), por lo que se tiene:

E (C) = E 1 e5x
Z

1 e5x 5e5x dx
=
Z
Z0
1 10x
5x
10e
dx
=
5e
dx
2 0
0
{z
}
|
{z
}
|
1
1
= 1
2
1
=
2
Es decir, el costo medio es de 500000 pesos

9
6. Demuestre que Z =
tiene distribucin N (0, 1) si X N (, 2 )
Desarrollo:
Primer mtodo, cambio de variable:
Sea FZ (z) = P (Z z)

X
P (Z z) = P
z
= P (X z + )
= FX (z + )
FZ (z) = FX (z + ), derivando tenemos:
dFZ (z)
0
= FX
dz
= fX (z + )
1 (z+) 2
1
e 2 ( )
IR (z)
=
2
z2
1
fZ (z) = e 2 IR (z)
2
Z N (0, 1)
Segundo mtodo, Funcin generadora de momentos:
denicin de f.g.m.
xt
X (t) = E e
ext fX (x) dx
Funcin generadora de momentos para la funcin densidad normal (, 2 ):

X (t) = et+
10
t2 2
2
Ocuparemos esta denicin para desmotrar lo pedido.

E eZt
X
= E e( )t
Xt t
= E e
Xt
t
= E e
E e

t

t
= E eX ( ) E e

2 2
t
t + t 2 2
=
e
e
t
t2
= e+2
t2
= e2
Z N (0, 1)
7. Sea x una V.A.C con funcin distribucin FX . Demostrar que Y = F X tiene funcin
densidad U [0, 1]
Desarrollo:
Sea:
FY (y) =
=
=
=
=
=
FY (y) =
P (Y y)
P (F X y)
P (FX (X) y)

P FX1 (FX (X)) FX1 (y)

P X FX1 (y)

FX FX1 (y)
y
Derivando se tiene:
dFY (y)
= 1 = fY (y) = 1
dy
Y U [0, 1]
Nota: F debe ser creciente en [0, 1] para que exista FX
11

FX1 (X) = X
Anexos
Variables Aleatorias Continuas
Para que X sea un V.A.C. debe cumplir que:

Su recorrido debe ser innito no numerable.
a)
fX (x) 0 x Rec (x)

Z
b)
fX (x) dx = 1
Algunas funciones de densidad importantes son:
Uniforme: X U [a, b]
1
fX (x) =
I[a,b] (x)
ba
Por Demostar:
B fX (x) 0 x Rec (x). Es claro que fX (x) es mayor a cero x Rec(x).
Z
fX (x) dx = 1. Es decir:
B
fX (x) dx =
=
=
=
=
1
I[a,b] (x) dx
b a
Z b
1
dx
a ba
x=b
x
b a x=a
1
b a
ba
1
Con los dos puntos anteriores se demuestra que fX (x) es funcin densidad.
12
Exponencial: X exp ()
fX (x) = exI[0,[ (x)

Por Demostar:
Z
B
fX (x) dx =
ex I[0,[ (x) dx
=
ex dx
0
x=
= ex x=0
!
1
0
*

:

e

e0
=
= (1)
= 1
Con los dos puntos anteriores se demuestra que fX (x) es funcin densidad.
Normal: X N (, 2)
2
1
21 ( x
)
IR (x)
fX (x) =
e
2
Por Demostrar:
13
Z
B
1 x 2
1
e 2 ( ) IR (x) dx
2
Z
1 x 2
1
e 2 ( ) dx Haciendo z =
=
2
Z
1 z2
e 2 dz
=
2
Z
z2
1
=
e 2 dz
2
|
{z
}
fX (x) dx =
dz = 1 dx
Aparte
Aparte, sea:
Z
z2
dz = I =
2
z2
dz
= I2
Resolvamos I 2 :
Z
2
z2
Z
dz
Z

2
z2
dz
dz
e
Z

2
y2
e
dz
dy
z2
e
Z
=
Z
z2
e 2
2
z2
=
Z
Z
Z
z2
2
y2
dz dy
y2
e 2 2 dz dy
1
e 2 (z
2 +y 2
) dz dy
Recordatorio cambio de variables:

ZZ
ZZ
af (x, y) dA =
af (x (u, v) , y (u, v)) J

A0
Donde:

J
x, y
u, v
x
u
y
u
x
v
y
v
x, y
u, v
dA0

x y x y
=
u v v u
Haciendo el siguiente cambio de variables:

z = r cos
y = r sin con 0 2 y 0 r <
14
y calculando:

J
z, y
r,
z z

r

= y
y
r
cos r sin
=
sin r cos
= r cos2 r sin2

= r sin2 + cos2
= r
por lo que:
Z
21 (z 2 +y 2 )
dz dy =
+(r sin )2 ]
=
Z0 2 Z0
1 2
2
2
e 2 [r (cos +sin )] r dr d
r2
e 2 r dr d
0
0
r=
Z 2
2
r2
e
=
d
0
r=0
1
Z 2
0
>

*

2
2

0

=
e 2 d
e 2
=
(1) d
=
0
Z 2
d
=
0
= |2
0
= 2
I 2 = 2 = I =
2 , es decir:
Z
1 x 2
1
1
e 2 ( ) IR (x) dx =
2
2
2
= 1
se demuestra que fX (x) es funcin densidad.
15
r dr d
e 2 [(r cos )
Gamma: X Gamma (, ) con X = {Tiempo que transcurre hasta la sima ocurrencia.}
1 x
fX (x) =
x e
()
con
() =
si
x>0
x1 ex dx
( 1) ( 1) = ( 1)!
, > 0
si
si
Beta: X Beta (, )
fX (x) =
( + ) 1
x
(1 x)1
() ()
si
x [0, 1]
, > 0
con
( + ) =
si
, R
(( + ) 1) (( + ) 1) = (( + ) 1)! si
Z
x1 ex dx
si R
() =
0
( 1) ( 1) = ( 1)! si N
, N
x(+)1 ex dx
() =
x1 ex dx
(0 1) ( 1) = ( 1)!
16
si
si
Universidad T
Campus Santiago
a

Pauta
Cambio de Variable
1. Si X se distribuye N (0, 1) determinar la funcion densidad de Y = 3X + 4
Desarrollo:
Sea:
FY (y) = P (Y y)
= P (3X + 4 y)

y4
= P X
3

y4
= FX
3
derivando se tiene que:

y4
1
3
3

1
y4
= fX
3
3
1 y4 2
1
e 2 ( 3 ) IR (y)
=
23
dFY (y)
= FX0
dy
fY (y) =
1 y4 2
1
e 2 ( 3 ) IR (y)
23
es decir, Y N (4, 32 )
2. Sea X una variable aleatoria continua con funcion densidad uniforme U [1, 2]. Se define la
variable Y = 20X 2 , encontrar E(Y ) y V(Y )
Desarrollo:
LATEX
HSR
Universidad T
Campus Santiago
Sea:
FY (y) = P (Y y)

= P 20X 2 y

y
= P X2
20
r

y
= P | X |
20
r
r
y
y
= P
X
20
20
r
r

: X U [1, 2] (positivo)

y
y

= P X
P X

20
20
r

y
= P X
20
r
y
= FX
20
derivando tenemos:
r
1
1
py
2 20 20

r
*1

y
5
I[20,80] (y)
= fX

20
20 y

5
fY (y) = I[20,80] (y)
20 y
dFY (y)
= FX0
dy
Z
E(Y ) =
y
20
5
I[20,80] (y) dy
20 y
Z
Z 80
5
5
y I[20,80] (y) dy =
y dy
20 y
20 20 y
Z 80
5
=
y dy
20 20

y=80
5 2 3
=
y2

20 3
y=20

2 5
803/2 203/2
=
60
140
=
3
E(Y ) =
LATEX
HSR
140
3
Universidad T
Campus Santiago
V(Y ) = E(Y 2 ) (E(Y ))2 Sea:

Z
5
I[20,80] (y) dy
20 y
Z 80
5
y 2 dy
20 y
20
Z 80
5
y 3/2 dy
20 20

y=80
5 2 5/2
y

20 5
y=20

2 5
805/2 205/2
100
2480
E(Y ) =
=
=
=
=
=
E(Y 2 ) = 2480
Por lo que la varianza sera:

V(Y ) = 2480
140
3
V(Y ) = 299, 11
2
3. Sea X ex IR+0 (x). Se define T = I (x)

T = I (x) : = {X R : X k}
con k > 0
Encontrar E(T )
Desarrollo:
Sea:
Z
E(T ) = E (I (x)) =
I (x)ex IR+0 (x) dx
=
ex dx
k
x=
= ex x=k

: 0 k

e
e
=
= ek
E(T ) =
LATEX
HSR
1
ek
Universidad T
Campus Santiago
4. Una partcula de masa m tiene velocidad aleatoria que se distribuye de forma normal, con
velocidad media 0 y desviacion estandar . Encuentre la funcion densidad de la energa
cinetica,
1
E = mV 2
2
Desarrollo:
Sea:
FE (e) = P(E e)

1
2
= P
mV e
2

e
= P V2 2
m
r

e
= P | V | 2
m
r
r

e
e
= P 2 V 2
m
m
r
r

e
e
= P V 2
+P V 2
m
m

r
r
e
e
FE (e) = FV
2
FV 2
m
m
Derivando se tenemos que:

r
1
e
1
2
2
0
r
FV 2
r
m
e m
e m
2 2
2 2
m
m
r
r

e
1
e
1
fV
+ fV 2
2
m
m
2em
2em
2
2
2e
1
1
1
1
1
1
2e
m
m
2
2
e
+
e
2
2em
2
2em
2e
2e
1
1
1
1
e m2
+
e m2
2
2em
2
2em
2e
1
e m2
em
dFE (e)
= FV0
de
=
=
=
=
r
e
2
m
2e
1
fE (e) =
e m2 I]0,[ (e)
em
LATEX
HSR
Universidad T
Campus Santiago
1
5. Sea X una variable aleatoria continua con funcion densidad fX (x) y sea W =
demuestre
X
que:

1
1
con w R {0}
fW (w) = 2 fX
w
w
Desarrollo:
Sea:
FW (w) = P (W w)

1
= P
w
X

1
= P
X
w

1
= 1P X
w

1
FW (w) = 1 FX
w
por lo que derivando tenemos:

1
1
dFW (w)
0
= FW
2
dw
w
w

1
1
= fX
w w2
1
fW (w) = 2 fX
w

1
IR{0} (w)
w
Funci
on Generadora de Momentos
1. Encontrar la funcion generadora de momentos de las distribuciones:
(a) Poisson
(b) Uniforme
(c) Exponencial
Desarrollo:
LATEX
HSR
Universidad T
Campus Santiago
(a)
xt
E e
n
X
ext
x=0
= e
x e
x!
n
x
X
(et )
x!
x=0
et
= e
X (t) = e(e 1)
t
(b)
E e
xt
1
dx
ba
a
xt x=b

1
e

=
ba
t x=a

1
ebt eat
=
(b a)t
=
ext
ebt eat
X (t) =
(b a)t

t 6= 0
(c)
xt
ext ex dx
E(e ) =
0
Z
=
0
ex(t) dx
(notar que converge solo si t < )
ex(t) dx
x(t) x=

e

=
( t) x=0

: 0 0(t)

:1

(t)

e
e

=

t
=
t
=
X (t) =
LATEX
HSR
t<
Universidad T
Campus Santiago
2. Sea X una V.A. con funcion generadora de momentos X (t), entonces si Y = aX + b,

demostrar que Y (t) = ebt X (at)
Desarrollo:
Sea:
E(eY t )
E(e(aX+b)t )
E(eaXt ebt )
E(ebt )E(eaXt )
ebt E(eXat )
Y (t) =
=
=
=
=
Y (t) = ebt X (at)
3. Sea X una variable aleatoria, con funcion generadora de momentos:

1
1
X (t) = et +
2
2
Sean X1 , X2 , . . ., Xn variables
aleatorias independientes distribuidas de igual forma que X,

encontrar E X y V X
Desarrollo:
Sea: X =
n
X
Xi
i=1
n

X = E eXt
Pn Xi
= E e( i=1 n )t
!
n
Y
Xi
= E
ent
i=1
n
t
Y
=
E eXi n
(por independencia de las variables)
i=1
n
Y
1
LATEX
1
=
e +
2
2
i=1
n

1
1 t
=
e n+
2
2
nt
HSR
Universidad T
Campus Santiago

0
(t)t=0 , por lo que calcularemos:
E X = X

0
X
(t)t=0 = n
1 t
1
e n+
2
2
n1
1 !n1
>

0
1
1
e n+

2
2
= n
=

1

n
t=0

!
1
>

0
1
1
e n

2
n
1 t
e n
2
1
2

1
E X =
2
2

2
V X =E X E X
2

E X = 00X (t)t=0

00X (t)t=0
n2

2
1
1
1 t
1 t

n(n 1)
e n+
e n

2
2
2
n
t=0

n1
1
1 t
1 t 1

+n
e n+
e n

2
2
2
n2

=
=
t=0
=
=
=
=
evaluando
t = 0 se
en
tiene

1
1
n(n 1)
+n
4n2
2n2
n2 n + 2n
4n2
n+1
4n
Luego la varianza es:

V X
2
n+1
1
=

4n
2
1
1
1
=
+
4 4n 4

1
V X =
4n
LATEX
HSR
Universidad T
Campus Santiago
4. Determinar la funcion generadora de momentos de

T =
n
X
Xi
i=1
Si X1 , X2 , . . . , Xn son iid con distribucion exponencial.

Desarrollo:
Tt
E e
Pn Xi
= E e i=1 ( n )t
!
n
Y
Xi
t
= E
e( n )
i=1
n
Y
t
E eXi n
i=1
n
Y
=
t
n
i=1

n
Y
n
=
nt
i=1

n
n
=
nt

T (t) =
LATEX
HSR
n
nt
n
Universidad T
Campus Santiago
5. Si X1 , X2 , . . . , Xn son variables aleatorias independientes y distribuidas N (, 2 ), demostrar

que
n
X
Xi
Y =
n
i=1

2
tiene distribucion N , n .
Desarrollo:

Y (t) = E eY t
P n Xi
= E e( i=1 n )t
!
n
Y
t
= E
eXi n
i=1
n
t
Y
=
E eXi n
i=1
n
Y
nt + 2
( nt )
i=1

=
= e
2 2
n
t+ t2

2
t+ t2
2
n
1
n
!n

Y N
LATEX
HSR
2
,
n

10
Universidad T
Campus Santiago
a

Pauta
Vectores Aleatorios Discretos

1. En un experimento se necesitan dos Scanners. De los cinco disponibles, dos tienen desperfectos electronicos, otro tiene un defecto de memoria y dos se hallan en buenas condiciones
de operacion. Si se seleccionan dos unidades al azar, determinar:
(a) La funcion de cuanta conjunta de las variables aleatorias X e Y , en donde:
X: N
umero de unidades con defectos electronicos.
Y : N
umero de unidades con defecto de memoria.
(b) Determine la probabilidad de que entre las dos unidades seleccionadas, se produzcan 0
o 1 defectos en total.
(c) Determine la esperanza y la varianza condicional de X dado Y = 0.
(d) Son X e Y variables aleatorias independientes? Justifique!.
Desarrollo:
(a) Sea:
X: N
umero de unidades con defectos electronicos; x = 0, 1, 2.
Y : N
umero de unidades con un defecto en la memoria; y = 0, 1.
Se pide calcular:

fXY (x, y) =
LATEX
2
x

1
y

HSR
5
2
2
2xy

; x+y 2
Universidad T
Campus Santiago
1
10
2
10
3
10
4
10
2
10
3
5
1
10
1
5
3
5
2
5

(b) Se pide calcular: fXY (0, 0) + fXY (1, 0) + fXY (0, 1) =
P(0, 1 o 2 defectos) =
4
2
7
1
+
+
=
10 10 10
10
7
10
(c)
E (X | Y = 0) =
=
2
X
x=0
2
X
xfX|Y =0 (x, y)
x
x=0
= 0
1
10
3
5
= 0+
fXY (x,0)
fY (0)
+1
4
10
3
5
+2
1
10
3
5
2 1
+
3 3
E (X | Y = 0) = 1
LATEX
HSR
Universidad T
Campus Santiago
2
X

E X2 | Y = 0 =
x2 fX|Y =0 (x, y)
x=0
2
X
x2
x=0
fXY (x,0)
fY (0)
= 0
1
10
3
5
= 0+
2 2
+
3 3
+1
4
10
3
5
+2
1
10
3
5
4
3
finalmente la varianza sera:

V(X | Y = 0) = E X 2 | Y = 0 [E (X | Y = 0)]2
4
=
(1)2
3
V (X | Y = 0) =
1
3
(d) Las variables no son independientes, pues:

fXY (0, 0) 6= fX (0)fY (0)
3 3
1
6=
10
10 5
LATEX
HSR
Universidad T
Campus Santiago
Vectores Aleatorios Continuos

1. Sea fXY (x, y) = kxy IR (x, y), donde:

R = (x, y) R2 : 0 2x y , y 3x 6
(a) Encontrar la constante k, para que sea funcion densidad conjunta.
(b) Determinar las funciones mariginales de X e Y .
(c) Calcule E(X) y E(Y ).
(d) Calcule V (X | Y = 1).

1
(e) Calcule P
<x+y <1 .
2
(f) Calcule cov(X, Y ). Que se puede concluir de ella?
Desarrollo:
Para tener una mejor vision de los lmites de integracion, primero, graficamos R.
LATEX
HSR
Universidad T
Campus Santiago
ZZ
(a) Para encontrar k, se debe cumplir que
fXY (x, y) dR = 1
R
kxy IR (x, y) dy dx
Z 2 Z 3x
kxy dy dx
2x
0
Z 2 2 3x
y
dx
x
k
2 2x
0
Z 2

x
k
9x2 4x2 dx
0 2
Z 2
5 3
x dx
k
0 2

2
5 4
k
x
8
0

5 16
k
8
10k
= 1
k=
= 1
= 1
= 1
= 1
= 1
= 1
= 1
1
10
(b) Funcion densidad marginal de X:

Z
Z
fXY (x, y) dy =
3x
1
xy dy
2x 10
y=3x
1 y 2
=
x
10 2 y=2x

1
=
x 9x2 4x2
20
1 3
x
=
4
Rec(y)
1
fX (x) = x3 I[0,2] (x)
4
LATEX
HSR
Universidad T
Campus Santiago
Funcion densidad marginal de Y :

Z
Z
fXY (x, y) dx =
Z 2
1
1
xy dx +
xy dx
y 10
y 10
3
3
x= y
x=2
2

1 2
1 2
+
yx
yx
20
20
x= y3
x= y3
2

y
y2
y2
1
1
y
+ y 4
20
4
9
20
9

2

2
9y 4y
1
36 y 2
1
+ y
y
20
36
20
9

1
1 3
y +
y 36 y 2
144
180
Rec(x)
=
=
=
=
fY (y) =
y
2

1
1 3
y I[0,4] (y) +
y 36 y 2 I]4,6] (y)
144
180
Z
(c) E(X) =
xfX (x) dx, donde fX (x) es la funcion densidad marginal de X.

Rec(x)
1
x x3 dx
0 4
Z
1 2 4
x dx
=
4 0
2
1 x5
=
4 5 0
1
(2)5
=
20
xfX (x) dx =
Rec(x)
E(X) = 1, 6
Z
E(Y ) =
yfY (y) dy, donde fY (y) es la funcion densidad marginal de Y .

Rec(y)
Z
yfY (y) dy =
Rec(y)
=
=
=
=
LATEX
Z 6

1 3
1
y
y dy + y
y 36 y 2 dy
0 144
4 180
Z 4
Z 6

1
1
4
y dy +
36y 2 y 4 dy
144 0
180 4
5 4

6
1
y
y 5
1
3
12y
+
144 5 0 180
5 4

65
45
1024
3
3
+ 12(6)
12(4)
720
5
5
1, 422 + 2, 631
Z
HSR
Universidad T
Campus Santiago
E(Y ) = 4, 05

(d) Se pide V (X | Y = 1), por lo que primero calcularemos fX|Y =1 (x).
fXY (x, y = 1)
fY (y = 1)
1
x (1)
10

1
1
(1)3 +
(1) 36 (1)2
144
180
x

5 + 4 35
10
720
x

145
10
720
x
1450
720
72
x
145
fX|Y =1 =
=
=
fX|Y =1 (x) =
72
x I[0,2] (x)
145
Ahora calculamos E(X | Y = 1) y E(X 2 | Y = 1)

Z 2
72
x
E(X | Y = 1) =
x dx
0 145
2
72 x3
=
145 3 0
576
=
435
E(X | Y = 1) = 1, 324
Z
72
x2
x dx
145
0
2
72 x4
=
145 4 0
1152
=
580
E(X | Y = 1) =
E(X 2 | Y = 1) = 1, 986
LATEX
HSR
Universidad T
Campus Santiago
Finalmente tenemos que V(X | Y = 1) es:

V(X | Y = 1) = E(X 2 | Y = 1) (E(X | Y = 1))2
= 1, 986 (1, 324)2
= 1, 986 1, 753
V(X | Y = 1) = 0, 233

1
(e) Se pide calcular P
y < x < 1 y , para calcular los lmites de integracion, es mas
2
facil graficar la region de la probabilidad pedida, es decir:

Debemos calcular los puntos

de interseccion, de acuerdo al
grafico:
3x =
1
1
x = x =
2
8
2x =
1
1
x = x =
2
6
3x = 1 x = x =
1
4
2x = 1 x = x =
1
3
Luego:

Z 1 Z 3x
Z 1 Z 3x
Z 1 Z 1x
6
4
3
1
xy
xy
xy
P
=
y <x<1y
dy dx +
dy dx +
dy dx
1
1
1
1
2
10
x 10
2x 10
2x
8
2
6
4
= 0, 000402

1
P
y < x < 1 y = 0, 0402%
2

LATEX
HSR
Universidad T
Campus Santiago
(f) Se define cov(X, Y ) = E(XY ) E(X)E(Y ), por lo que solo debemos calcular E(XY ).
Z 2 Z 3x
1
xy xy dy dx
E(XY ) =
10
0
Z 2x
2 Z 3x
1
x2 y 2 dy dx
=
10 0 2x
Z 2 3 3x
1
y
dx
=
x2
10 0
3 2x
Z 2 2

1
x
=
27x3 8x3 dx
10 0 3
Z
19 2 5
=
x dx
30 0
2
19 x6
=
30 6 0
19
64
=
180
E(XY ) = 6, 756
Finalmente la cov(X, Y ) esta dada por:
cov(X, Y ) = E(XY ) E(X)E(Y )
= 6, 756 1, 6 4, 05
= 6, 756 6, 48
cov(X, Y ) = 0, 276
Por lo que se puede decir que las variables son dependientes (cov(X, Y ) 6= 0) y existe
un relacion directamente proporcional entre ellas (cov(X, Y ) > 0).
LATEX
HSR
Universidad T
Campus Santiago
Extras, Vectores
Un vector aleatorio se define como

X:
R2
(X(), Y ())
los sucesos seran de la forma (X, Y ) A con A R2 .

Distribuci
on conjunta
a) Caso Discreto: X e Y dos variables aleatorias discretas, se define la funcion de probabilidad conjunta de X e Y como
F (X, Y ) :
R2
(X, Y )
[0, 1]
F (X, Y )
debe cumplir que:

i ) F (X, Y ) 0
(x Rec(x)) (y Rec(y))
X
X
ii )
F (X, Y ) = 1
xRec(x) yRec(y)
b) Caso Continuo: X e Y variables aleatorias continuas, si existe una funcion fXY no

negativa e integrable tal que:
ZZ
P ((X, Y ) A) =
fXY (x, y) dA
A
A R2 .
Dicha funcion se llama funcion densidad conjunta de X e Y , y cumple que.
i ) fXY 0
Z Z
ii )
fXY (x, y) dA = 1
| {z }
(x,y)Rec(x,y)
para este caso se tiene que:

2 FXY
fXY (x, y) =
xy
LATEX
HSR
10
Universidad T
Campus Santiago
c) Distribuciones marginales:
i ) de X:
Z
fXY (x, y) dy
F (X, Y ) o
yRec(y)
|{z}
yRec(y)
ii ) de Y :
Z
fXY (x, y) dx
F (X, Y ) o
xRec(x)
|{z}
xRec(x)
Diremos que X e Y son independientes ssi:

fXY (x, y) = fX (x)fY (y)
d ) Funciones condicionales:
i ) de X dado Y
fX|Y =
fXY (x, y)
fY (y)
fX|Y =a =
fXY (x, a)
fY (a)
ii ) de Y dado X
fY |X =
fXY (x, y)
fX (x)
fY |X=a =
fXY (a, y)
fX (a)
e) Esperanza condicional:
Z
fXY (x, a)
dx
fY (a)
Z
fXY (a, y)
ii ) E (Y /X = a) =
y
dy
fX (a)
i ) E (X/Y = a) =
f ) Varianza condicional:
i ) V (X/Y = a) = E (X 2 /Y = a) (E (X/Y = a))2
Z

fXY (x, a)
2
E X /Y = a =
x2
dx
fY (a)
ii ) V (Y /X = a) = E (Y 2 /X = a) (E (Y /X = a))2
Z

fXY (a, y)
2
E Y /X = a =
y2
dy
fX (a)
LATEX
HSR
11
Universidad T
Campus Santiago
g) Algunas propiedades:
i)
ii )
iii )
iv )
E(X, Y ) = (E(X), E(Y ))

E(aX + bY ) = aE(X) + bE(Y )
V(aX + bY ) = a2 V(X) + b2 V(Y ) ; ssi X e Y son independientes.
V(aX + bY ) = a2 V(X) + b2 V(Y ) 2ab cov(X, Y ) ; ssi X e Y son dependientes. y
Z
v ) E(X) =
(x) dx
xf
X
vi ) E(Y ) =
(y) dy
yf
X
Z Z
(x, y) dx dy
vii ) E(XY ) =
xyf
X
LATEX
HSR
12
DEPARTAMENTO DE MATEMATICAS
MAT042 - PROBABILIDAD Y ESTADISTICA
Certamen 2
04 de junio 2010
Profesores : F. Gonzalez, E. Hernandez
Ayudante : J. Poseck, H. Salazar
Nombre:
Rol:
Pregunta 1:
Pregunta 2:
Pregunta 3:
- La duracion del certamen es de 1 hora y 30 minutos.

- No arranque hojas de su prueba, ni saque el corchete que las une.
- Escriba con lapiz pasta, de hacerlo con lapiz mina perdera la posibilidad de recorreccion.
Nota
Problema 1
Cierta aleacion se forma con la mezcla fundida de dos metales. La aleacion que resulta contiene cierto porcentaje de plomo X, que puede considerarse como una variable aleatoria. Suponiendo que X tiene la siguiente
funcion de densidad de probabilidad:
f (x) = k x (100 x)I[0,100] (x)
a) (5 ptos) Determinar el valor de k.
Desarrollo:
Z 100
k x (100 x) dx = 1
Z 100

100x x2 dx
0
100

x3
2
k 50x
3 0

1000000
k 500000
3

1500000 1000000
k
3

500000
k
3
k
k=
= 1
= 1
= 1
= 1
= 1
3
500000
b) Si el beneficio neto G obtenido al vender esta aleacion, es una funcion del porcentaje de plomo X y es
dada por:
100
G(X) =
X +1
i) (23 ptos) Encontrar la funcion densidad de G(x)
Desarrollo:
Sea G(X) = Y
FY (y) = P (Y y)

100
= P
y
X +1

100
X +1
= P
y

100
= P
1 X
y

100
= 1P X
1
y

100
1
= 1 FX
y

100 y
= 1 FX
y
Derivando tenemos:

dFY (y)
100
100 y
= fX
dy
y
y2

3
100 100 y
100 y
=
100
500000 y2
y
y

3
(100 y) (101y 100)
FY (y) =
I[ 100 ,100] (y)
101
5000
y4
ii) (5 ptos) Cual sera el beneficio esperado?
Desarrollo:
Se debe calcular E (Y )
Z 100
E (Y ) =
=
=
=
=
=

(100 y) (101y 100)
3
dy
y
4
100
5000
y
101

Z 100
3
(100 y) (101y 100)
dy
5000 100
y3
101

Z 100
3
10200y 10000 101y2
dy
5000 100
y3
101

Z 100
10200 10000 101
3
dy
5000 100
y2
y3
y
101
100

3
10200 5000
+ 2 101 ln (y)
5000
y
y
100
101
"

!#

100
3
10200 5000
5000
10200
+
101 ln (100) 100 +
101 ln 101
100 2
5000
100
1002
101
101
3
=
[566, 622 (5250, 995)]
5000
3
(4684, 372)
=
5000
E (Y ) = 2, 811
Problema 2
a) (11 ptos) Sea X una v.a. con funcion densidad U[0, 1]. Se define la v.a. Y = 2 ln(X). Determinar su
f.g.m.
Desarrollo:
Sea Y (t) = E eY t
E eY t

= E e2 ln(X)t

2t
= E eln(X )

= E X 2t
Z 1
x2t dx
0
2t+1 1

x

=
2t + 1 0
1
=
1 2t
=

1
Notar que solo converge si 2t + 1 > 0 = t <
2
Y (t) =
1
1 2t
Con t <
1
2
b) (11 ptos) Si T1 , T2 , . . . , T8 son los tiempos entre solicitudes de trabajo que llegan a una cada una de 8
impresoras, y todas ellas siguen una distribucion exponencial con tasa media de llegada 2.5 minutos.
Calcule la probabilidad de que 5 de ellas no reciban solicitudes por al menos 1 minuto.
Desarrollo:
Sea Ti exp
1
2,5
i = {1, 2, . . . , 8}
Sea Y : Cantidad de impresoras Zque no reciben solicitudes. Y en minutos.

2
2
Y Bin (n, p) con n = 8 y p =
e 5 x dx
1 5
Z
2 2x
e 5 dx =
1
h
i
2

e 5 x
1
"
#
*0 2

2
=
e5 e 5 1
= e 5
p = 0, 67
5
Por lo que finalmente debemos calcular:

8
P (Y = 5) =
5
= 0, 27
0, 675 (1 0, 67)85
Por lo tanto la probabilidad de que 5 de ellas no reciban solicitudes en al menos 1 minuto es del 27 % .
c) (11 ptos) Supongamos que una partcula es lanzada desde el origen del plano xy en lnea recta que forma
un a ngulo con el eje x. Sea Y la segunda coordenada del punto cuando la partcula choca con la recta
x = 1. Mostrar que si el a ngulo se distribuye uniformemente en el intervalo [ 2 , 2 ] entonces:

1
f (y) = (1 + y2 ) ,
< y <
Desarrollo:

Sea U 2 , 2 , cuya funcion distribucion esta dada por:
F ( ) =
< <
2
2
se tiene la relacion Y = tan (), con la que calcularemos la funcion densidad de Y .

P (Y y)
P (tan () y)
P ( arctan (y))
F (arctan (y))
arctan (y)
=
FY (y) =
=
=
=
Derivando tenemos que:

dFY (y)
1
=
dy
1
1 + y2
los limites de y se obtienen de la relacion Y = tan (), de la cual se tiene que:
arctan (y) = = y
2
2
si =
arctan (y) = = y
2
2
si =
1

,
f (y) = 1 + y2
< y <
Problema 3
Sea la funcion
f (x) = k e|x| ,
< x <
a) (11 ptos) Determinar la constante k para que f sea funcion densidad.

Desarrollo:
Z
1=
ke|x| x = 2
kex x
k=
1
2
b) (11 ptos) Si X tiene funcion densidad f , determinar su funcion generadora de momentos.

Desarrollo:
1
ext e|x| x
2
Z 0
Z
1
1 xt x
xt x
=
e e x+
e e x
2
2 0
1
=
1 t2
Z
X (t) =
X (t) =
1
1 t2
t 6= 1
c) (11 ptos) Si X tiene funcion densidad f , e Y = 25X 2 , encontrar E(Y ) y V(Y )

Desarrollo:
Utilizando lo obtenido en (b),

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

2 + 6t 2
2
00
E(X ) = X (0) =
=2
(1 t 2 )3 t=0

24t 24t 3
3
000
E(X ) = X (0) =
=0
(1 t 2 )4 t=0
E(X) = X0 (0) =
(4)
E(X 4 ) = X (0) = 24
Ademas,
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.
C3-MAT042
Universidad Tecnica Federico Santa Mara

Departamento de Matematicas
Campus Santiago
PAUTA Control 2 MAT032
1. Sea X = n
umero de sustancias nocivas en un material de trabajo escogido al azar.
x
p(x)
p(x)
p(x)
0
0.3
0.4
0.4
1
0.2
0.1
0.2
2
0.1
0.1
-0.3
3
0.05
0.1
0.5
4
0.05
0.3
0.2
a) Cual de las siguientes tres funciones de probabilidad es una funcion de probabilidad legitima
para X, Por que no se permiten las otras 2?
b) Para la funcion de probabilidad legitima de la parte anterior. Calcule P(2 X 4), P(X 2)
y P(X 6= 0)
c) Escriba la funcion de probabilidad acumulada.
d ) Si p(x) = c (5 x) para x = 0, 1, 2, 3. Cual es el valor de c?
Solucion:
a) Para que una funcion p(x) sea funcion distribucion de una variable aleatoria debe cumplir que:
i)
pX (x) 0 x R
ii)
X
pX (x) = 1
xR
Es claro que la primera funcion no cumple la condicion (i) y la tercera, no cumple la primera
(pX (2) < 0). Por lo tanto la u
nica funcion de probabilidad legtima es la segunda.(10 ptos.)
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 6= 0) = P(X > 0)

= 1 P(X 0)
= 1 0,4
= 0,6
(15 ptos.)
1
c) Recordemos que la funcion distribucion acumulada (f.d.a) se define como

FX (x) = P(X x),
xR
Por lo tanto la f.d.a para la funcion elegida es

x
F(x)
0
0.4
1
0.5
2
0.6
3
0.7
4
1
(10 ptos.)
d ) Recordemos que la si p(x) es funcion de probabilidad debe cumplir que
para calcular c debemos verificar que cumpla esta propiedad. As,
3
X
i=1
p(x) =
3
X
p(x) = 1, por lo tanto
c (5 x)
i=1
= 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 cumple las condiciones para que p(x) sea funci
on de
1
probabilidad es c = 14 .
(15 ptos.)
2. Una multinacional produce determinado artculo electronico que se emplea en el area medica, y las
especificaciones dicen que solo un 2 % de los artculos producidos presentan fallas. Dos ingenieros,
expertos en control de calidad, realizan su propio plan de inspeccion: el ingeniero A comienza a
inspeccionar los artculos de uno a la vez hasta detectar el primer defectuoso y acepta las especificaciones si realiza mas de dos extracciones; el ingeniero B toma una muestra de tama
no 5 y acepta las
especificaciones del fabricante si no encuentra defectuosos. Cual de los dos ingenieros tiene mayor
probabilidad de rechazar las especificaciones dadas por el fabricante?
Solucion:
Calculemos la probabilidad de rechazar las especificaciones 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 hasta detectar el
primer defectuoso, lo que corresponde a la realizacion de una v.a. Geometrica(p).
Acepta las especificaciones si realiza mas de dos extracciones, por lo que las rechaza cuando realiza
a lo mas dos extracciones.
Entonces, sea
X: n
umero artculos inspeccionados hasta detectar el primero defectuoso,
X Geom(p = 0.02)(10 ptos.)
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
(10 ptos.)
Ingeniero B: el experimento que realiza es tomar una muestra de tama

no 5 e inspeccionarla.
Acepta las especificaciones del fabricante si no encuentra defectuosos, esto es, no encuentra exitos
en su muestra, lo que corresponde a una v.a. Binomial(n, p)
Entonces, sea
Y: n
umero artculos defectuosos en la muestra de tama
no 5,
X Bin(n=5,p=0.02)(10 ptos.)
y la probabilidad pedida es
P(Y > 0) = 1 P(Y = 0)

5
=1
(1 0,02)50 (0,02)0
0
= 0,096(10 ptos.)
Como el ingeniero A rechaza las especificaciones el 4 % de las veces, mientras que el ingeniero B, un
9 %, es este ingeniero quien tiene mayor probabilidad de rechazar las especificaciones.(10 ptos.)
Pauta Control 2 MAT042

El 70 % de los aviones ligeros que desaparecen en vuelo en cierto pas son descubiertos posteriormente.
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). [25 ptos.] Calcule la probabilidad que un avion 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). [25 ptos.] Considere 10 aviones ligeros desaparecidos. Cual es la probabilidad que exactamente 2
de ellos tengan localizador de emergencia?
(c). [25 ptos.] Ud. observa independientemente aviones ligeros hasta obtener el primer avion con localizador de emergencia. Cual es la probabilidad que el proceso finalice en a lo mas 10 observaciones?
(d). [25 ptos.] Ud. observa independientemente aviones ligeros hasta obtener el tercer avion con localizador de emergencia. Cual es la probabilidad que el proceso finalice al menos 4 observaciones?
Solucion:
a.- Defina los siguientes eventos:
D : Avi
on ligero descubierto
L : Avi
on 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{ )(25 ptos.)
6 7
1 3
45
=
=
10 10 10 10
100
b.- Defina 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:

10
P(X = 2) =
(0,45)2 (0,55)8 (25 ptos.)
2
c.- Defina la variable aleatoria Y : N
umero de aviones que es necesario observar hasta obtener el primer
avi
on 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
X
(1 0,45)y1 (0,45)(25 ptos.)
y=1
d.- Defina la variable aleatoria Z : N

umero de aviones que es necesario observar hasta obtener el tercer
avi
on con localizador de emergencia. Claramente, Rec(Z) = {3, 4, 5, . . .} y ademas Z BinNeg(r =
3; p = 0,45). Por tanto, la probabilidad pedida es:
P(Z 4) = 1 P(Z = 3)

31
=1
(0,45)3 (0,55)33 (25 ptos.)
31
Certamen 2- PAUTA
16 de octubre 2009
Profesora
Ayudante
: F. Gonzalez
: D. De la Carrera
1. Suponga que la duracion (medida en meses y fracciones) de un cierto reproductor MP3, es una variable
aleatoria con distribucion exponencial con parametro = 10. Si la duracion de dicho reproductor supera
los 10 meses, e ste 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 numero (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
numero (Y) de reproductores que no fallaron.
Entonces
a) (20 ptos) Determine la distribucion de X e Y en (I) y (II), respectivamente, y calcule la probabilidad
de encontrar mas de 5 reproductores MP3 aceptables en cada experimento.
b) (15 ptos) Calcule la esperanza y la varianza de X e Y usando sus funciones generadoreas de momentos.
Solucion:
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
Z 10
0,1e0,1t dt
= 1 (1 e0,110 )
= 0,368
Entonces X, es el numero 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,
5
10
P(X 5) =
0,632x 0,36810x
x=0 x
Ahora, si Y es el numero 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 mas de 5 dispositivos aceptables se traduce como

9
P(Y 15) =
0,632y 0,36810y
y
1
y=10
b) En el caso binomial se tiene que MX (t) = (1 p + pet )n . Entonces:
0
MX (t) = npet (1 p + pet )n1

00
MX (t) = npet (1 p + pet )n1 + n(n 1)p2 e2t (1 p + pet )n2

0
00
Evaluando en t=0, MX (0) = np y MX (0) = np + n(n 1)p2 , por lo tanto,

E(X) = np
V(X) = np + n(n 1)p2 n2 p2
= np(1 p)
r
p
Para el caso Binomial Negativo, MX (t) = 1(1p)
et .
Luego,

0
MX (t) = r(1 p)et
p
1(1p)et
r
1 + (p 1)et

00
MX (t) = r(1 p)(et r(p 1) 1)et

0
Evaluando en t=0, MX (t) =
r(1p)
p )
E(X) =
p
1(1p)et
r
(1 + (p 1)et )2
00
). Por lo tanto:
y MX (t) = r(r(p 1) 1) 1p
p2
r(1 p)
p
r2 (1 p)2
1 p
V(X) = r(r(p 1) 1) 2 )
p
p2
1 p
= r 2
p
2
2. Demuestre que:
a) (25 ptos) Si X es una variable aleatoria con distribucion geometrica, entonces cumple que
P(X > n + k | X > n) = P(X > k)
Interprete esta propiedad.
b) (10 ptos) Si X es una variable aleatoria con funcion generadora de momentos MX (t), e Y = aX + b
entonces
MY (t) = ebt MX (at)
Solucion:
a)
P(X > n + k, X > n)
P(X > n)
P(X > n + k | X > n) =
P(X > n + k)
P(X > n)
= (
(1 p)x1 p)/(
(1 p)x1 p)
x=n+1
x=n+k+1
(1 p)n+k+1
(1 p)n+1
()
= (1 p)k
= P(X > k)
Lo que se interpreta como que el numero de ensayos Bernoulli que ya se han realizado buscando el
primer e xito no influyen en que se realicen k ensayos mas.
(*) se deduce de
ax
= ak + ak+1 + . . .
(1)
x=k
a ax = ak+1 + ak+2 + . . .
x=k
Restando (1) y (2)
(1 a)ax
= ak
x=k
ax
x=k
ak
1a
, o bien
(2)
b) Ya que X puede ser continua o discreta, trabajamos con la definicon de funcion generadora de
momentos:
MY (t) = E(eY t )
=
=
=
=
E(e(aX+b)t )
E(eaXt ebt )
ebt E(eXat )
ebt MX (at)
(ya que la esperanza es un operador lineal)

(por definicion de fgm)
3. (30 ptos) Una partcula de masa m tiene velocidad aleatoria que se distribuye de forma normal, con
velocidad media 0 y desviacion estandar . Encuentre la funcion densidad de la energa cinetica,
1
E = mV 2
2
Solucion:
Primero obtenemos la funcion distribucion acumulada de Y

1
2
P(Y y) = P mV y
2

y
2
= P V 2
m
r

y
= P |V | 2
m
r
r
y
y
= P 2 V 2
m
m
r
r

y
y
= P V 2
P(V 2
m
m
r

y
(ya que tiene media 0)
= 2P 0 V 2
m
q

2 my
0 V
= 2P

r

y
= 2
2
1
(ya que V / N(0, 1))
m 2
Ademas sabemos que f (x) =
dFx
dx ,
por lo tanto
dP(Y y)
dy
r
r
y
1 1 1/2
= 2
2
2
y
2
m
m 2 2
f (y) =
En resumen,
s
f (y) =
my 2
r

y
2
,
m 2
y0

Campus Santiago
Certamen 2 MAT032
1. Un analista financiero se
nala que la rentabilidad Y de los bonos del gobierno a largo plazo, tendr
a al
cabo de un a
no una distribucion normal con valor esperado de 70 dolares y varianza de 9.
a) Si el gobierno destina un porcentaje extra a polticas p
ublicas cuando cualquiera de los bonos
tiene rentabilidad entre 67 y 75, Cual es la probabilidad que se destine este porcentaje extra?
b) Si la rentabilidad aceptable de un bono es (70 c; 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 independientemente,
tengan una rentabilidad menor a 73,84?
Solucion:
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)

75 70
67 70
Y 70
Y 70
=P
<
P
<
3
3
3
3
= P(Z < 1,66) P(Z < 1)
= P(Z < 1,66) (1 P(Z < 1))
(por simetra de la distribucion normal)
= (1,66) + (1) 1
= 0,9515 + 0,8413 1
= 0,7928
Por lo tanto, existe un 79 % de probabilidad de que se destine el porcentaje extra.
(15 ptos.)
b) Al igual que en (a) debemos estandarizar.
0,95 = P(70 c < Y < 70 + c)

Y 70
70 + c 70
70 c 70
<
<
=P
3
3
3
= P(Z < c/3) P(Z < c/3)
= P(Z < c/3) (1 P(Z < c/3))
= 2 P(Z < c/3) 1
(0,95 + 1)/2 = P(Z < c/3)
0,975 = P(Z < c/3)
1,96 = c/3
1
(por simetra de la distribucion normal)
Por lo tanto con c = 5,88 se tendra el 95 % de los bonos con rentabilidad aceptable. (10 ptos.)
c) Sea la variable aleatoria
X: n
umero de bonos de un total de 10 con rentabilidad menor a 73.84 dolares
por lo que X Bin(10, P(Y < 73,84)), y se pide P(X 8)
Calculemos la probabilidad de exito utilizando la variable Y antes definida.
Y 70
73,84 70
P(Y < 73,84) = P
<
3
3
= P(Z < 1,28)
= 0,8997
As, la probabilidad pedida queda

P(X 8) = 1 P(X > 8)
10
X
10
=1
(0,8997)x (1 0,8897)10x
x
x=9
= 0,7349
(10 ptos.)
2. Considere una variable aleatoria Z con funcion distribucion densidad dada por:
(
c
, z , >1, >0;
z +1
fZ (z) =
0,
e.o.c.
a) Calcule el valor de c.
b) Calcule E(Z).
c) Sea X = ln(Z), calcule fX (x).
Solucion:
a) Por definicion se tiene que
Z
fZ (z)dz = 1
c
dz = 1
+1
z

1
=1
c
z
1
c = 1
c=
(15 ptos.)
b) Por definicion se tiene que
Z
zfZ (z)dz
E(Z) =
dz
z +1
=
dz
z

1
=
( 1)z 1
1
= 0
( 1)1
=
1
z
(10 ptos.)
c) Se tiene que X = ln(Z) Z = eX , luego por teorema de cambio de variable se tiene que
x

x de
fX (x) = fZ (e )
dx
(x ln())
= x(1) |ex |,
e
= ex ,
(x ln())
(10 ptos.)
3
3. La f.g.m de X, el n
umero de transacciones que se realizan en un supermercado en un da, es
MX (t) = e(e
t 1)
a) Identifique la funcion distrbucion de X.

b) Encuentre una expresion para P( 2 < X n < + 2)
c) Sea Y = 3X - 2. Determine E(Y) y V(Y).
Solucion:
a) Si X cuenta el n
umero de eventos en un perodo de tiempo, entonces X P oisson()
(10 ptos.)
b)
c) Ya que X n es un promedio, podemos aplicar el teorema del lmite central como sigue

+ 2
Xn
2
<
P( 2 < X n < + 2) = P
<
/ n
/ n
/ n
= P(2 n < Z < 2 n)
= 2P(0 < Z < 2 n)
= 2P(Z < 2 n) 1
(10 ptos.)
d ) Dado que en (a) determinamos que X tiene distribucion Poisson y conocemos su f.g.m., podemos
calcular E(X) y E(X 2

dMX (t)
E(X) =
dt t=0

t (et 1)
= e e

t=0
=

d2 MX (t)
E(X ) =
dt2 t=0

d
t
= (et e(e 1) )
dt
t=0
2
t (et 1)
= e e
+ (e ) e
= + 2
As, V (X) = E(X 2 ) E 2 (X) = + 2 2 =
Por lo tanto,
E(Y ) = E(3X 2)
= 3E(X) 2
= 3 2
4
t 2 (et 1)
t=0
y
V (Y ) = V (3X 2)
= 9V (X)
= 92
(10 ptos.)
Universidad T
CERTAMEN 2
2do Semestre de 2010
Profesor
: E. Hernandez
Ayudantes : H. Salazar, A. Mu
noz
Nombre:
Rol:
Pregunta 1:
Pregunta 2:
Pregunta 3:
- La duracion del certamen es de 1 hora y 30 minutos.

- No arranque hojas de su prueba, ni saque el corchete que las une.
- Escriba con lapiz pasta, de hacerlo con lapiz mina perdera la posibilidad de recorreccion.
Nota
Certamen 2 - MAT042
Universidad T
Problema 1

1
I{1,2,...,9} (d)
Dada la funcion fD (d) = log 1 +
d
a) Demuestre que fD (d) es funcion de cuanta.
b) Demuestre que P (D k) = log (1 + k) ; k {1, 2, . . . , 9}
c) Si E = 10D encontrar la funcion de distribucion de E.
Desarrollo:

1
a) Es claro que fD (d) = log 1 +
d
que:

0 d {1, 2, . . . , 9}, por lo que solo debemos demostrar
9
X

1
=1
log 1 +
d
d=1
Resolvemos:
9
X

9
X
1
d+1
log 1 +
=
log
d
d
d=1
d=1

3
10
= log (2) + log
+ . . . + log
2
9

3 4 5 6 7 8 9 10
= log 2
2 3 4 5 6 7 8 9
= log (10)
= 1
Con lo que se demuestra que es funcion de cuanta.

b) Se pide P (D k), lo que no es mas que la funcion distribucion de la variable D y viene dada
por:

k
X
1
P (D k) =
log 1 +
d
d=1

k
X
d+1
=
log
d
d=1

3
k
k+1
= log (2) + log
+ . . . + log
+ log
2
k1
k

k
3
k+1

= log 2 . . .

k
2
k1

= log (k + 1)
Certamen 2 - MAT042
Universidad T
Note que k {1, 2, . . . , 9}.

P (D k) = log (1 + k) ; k {1, 2, . . . , 9}

c) De relacion E = 10D obtenemos el recorrido de la variable E, E {10, 102 , 103 , . . . , 109 },
luego hacemos:
FE (e) = P (E e)

= P 10D e
= P (D log(e))
lo que no es mas que la funcion distribucion de la variable D evaluada en log(e). Finalmente
se tiene que:

P (E e) = log (1 + log(e)) ; e 10, 102 , 103 , . . . , 109
Certamen 2 - MAT042
Universidad T
Problema 2
El n
umero de barcos que llegan al Puerto de Valparaso sigue un proceso de Poisson con tasa de
llegada cinco por da.
a) Cual es la probabilidad de que transcurran mas de seis horas sin que arribe ninguno?
b) Si el costo de operacion C es una funcion del tiempo ocioso X (entre llegadas), donde
C = 1 e5x , encuentre el costo medio, donde C se mide en millones de pesos.
Desarrollo:
a) Sea N1 : cantidad de barcos que llegan al puerto de Valparaso en un da.
N1 P ( 1) = 5
Sea X: tiempo (das) entre llegadas consecutivas. X exp () con = 5
fX (x) = 5e5x I[0,[ (x)
Se pide calcular P (X > 0, 25) (un da tiene 24 horas, por lo que si queremos calcular la
6
probabilidad que no lleguen barcos en mas de seis horas debemos hacer 24
= 0, 25)
Z
5e5x dx
P (X > 0, 25) =
=
0,25
e5x |x=
x=0,25

: 0 50,25

5

e
e
=
= 0, 2865
P (X > 0, 25) = 28, 65%

b) Se pide el costo medio de C, es decir E (C), por lo que se tiene:

E (C) = E 1 e5x
Z

=
1 e5x 5e5x dx
Z
Z0
1 10x
5x
10e
dx
=
5e
dx
2 0
0
{z
}
|
{z
}
|
1
1
= 1
2
1
=
2
Es decir, el costo medio es de 500000

Certamen 2 - MAT042
Universidad T
Problema 3
a) Sea X P (). Demostrar que:
X
X
x2k
xj
ex + ex
x
i ) cosh(x) =
. (Recuerde que: cosh(x) =
y que e =
)
(2k)!
2
j!
j=0
k=0
ii ) La probabilidad de que X tome alg

un valor par es e cosh()
b) Sea X ex I[0,[ (x) determinar su funcion generadora de momentos.
c) Sea X1 , X2 , . . . , Xn n variables aleatorias independientes ex I[0,[ (x). Determinar la funcion
X
Xi
generadora de momentos de T =
n
i=1
Desarrollo:
a)
i ) de la relacion dada, hacemos:

"
#
1 X xk X (x)k
ex + ex
=
+
cosh(x) =
2
2 k=0 k! k=0 k!
notar que se tiene:
"
#
1 X 1 + (1)k xk
1 X xk + (1)k xk
=
cosh(x) =
2 k=0
k!
2 k=0
k!
por lo que tenemos los siguientes casos:
si k es impar
0
2k
X
x
cosh(x) =
si k es par
(2k)!
k=0
y se demuestra lo pedido.

ii ) La probabilidad pedida viene dada por:
P (X sea par) =
X
2x e
x=0
= e
(2x)!
(Solo interesan los pares, por eso escribimos 2x)
X
2x
(2x)!
|x=0 {z }
cosh()
= e
cosh()
Certamen 2 - MAT042
Universidad T
b) Recordar que X (t) = E (ext ), por lo que calculamos:

Z
xt
E(e ) =
ext ex dx
0
Z
ex(t) dx (notar que converge solo si t < )
=
Z0
=
ex(t) dx
0 x(t) x=

e

=
( t) x=0

: 0 0(t)

:1

(t)

=
e
e

t
=
t
X (t) =
t
c) Usando la definicion, tenemos:

Pn Xi

E eT t = E e i=1 n t
!
n
Y
Xi
= E
e( n )t
i=1
=
=
=
n
Y
E e
i=1
n
Y
i=1
n
Y
i=1

Xi t
n
!
t
n
n
nt
n
n
nt

T (t) =
n
nt
n
Certamen 2 - MAT042
Universidad T
PAUTA CERTAMEN 2 MAT032

1. Un formulario de declaracion de impuesto a la renta se llenara correctamente en el 60 % de los

casos. Del resto, es decir, de los que se llenan de manera incorrecta, el 80 % corresponde a errores
a favor del contribuyente, mientras que el 20 % restante son errores a favor del estado. Usted toma
una muestra, con remplazo, de 25 formularios.
I.- Suponga que solo le interesa si el formulario fue llenado de manera correcta o no.
a) Calcule la probabilidad de obtener a lo mas 3 declaraciones correctas.
X: n de declaraciones correctas de un total de 25
X Bin(25; 0,6)
P (X 3) =

3
X
25
x=0
0, 6x 0, 425x = 9, 5 107
b) Determine si es posible utilizar aproximaciones (a traves de alguna distribucion de probabilidad) para calcular la probabilidad de encontrar 13 declaraciones correctas.
Verificamos si es posible aproximar a la distribucion normal ya que p = 0, 6 0, 5
np = 25 0, 6 = 15 > 5
n(1 p) = 25 0, 4 = 10 > 5
X N (np, np(1 p) X N (15, 6)
El calculo pedido es:
P (X = 13) = P (12 < X < 14)

=P
14 15
12 15
<Z<
6
6
= (0, 41) (1, 22)

Profesora: Francisca Gonzalez Ayudante:Pablo Hidalgo - MAT032
Universidad T
= 0, 340, 11 = 0, 23
II. Suponga ahora que le interesan los tres posibles resultados de declaracion.
a) Determine la probabilidad de los siguientes eventos:
A: llenado correcto del formulario
B: llenado incorrecto y a favor del contribuyente
C: llenado incorrecto y a favor del estado
Desarrollo: Sean los eventos
A : Llenado correcto
D : a favor del contribuyente
Dc : a favor del estado
Construimos un arbol de probabilidades como sigue:
Las u
ltimas probabilidades son condicionales, es decir,
P (D|Ac ) = 0, 8 y P (Dc |Ac ) = 0, 2 con P (Ac ) = 0, 4, por lo tanto las probabilidades pedidas son:
P (B) = P (D Ac ) =P (D|Ac ) P (Ac ) = 0, 32
P (C) = P (Dc Ac ) =P (Dc |Ac ) P (Ac ) = 0, 08

b) Determine la probabilidad de que la muestra tenga 20 formularios correctos y a lo mas dos con
errores a favor del contribuyente.
Definamos las variables aleatorias:
X1 : N formularios llenados correctamente
X2 : N formularios erroneos a favor del contribuyente
X3 : N formularios erroneos a favordel estado
(X1 , X2 , X3 ) M ult (25, p1 , p2 , p3 )
donde:
p1 = P (A) =0, 6
p2 = P (B) =0, 32
Universidad T
p3 = P (C) =0, 08
La probabilidad pedida es:
P (X1 = 20, X2 2) = P (X1 = 20, X2 = 2, X3 = 3) + P (X1 = 20, X2 = 1, X3 = 4) + P (X1 = 20, X2 =

=
25
20, 2, 3
20
0, 6 0, 32 0, 08 +
25
20,1,4
20
0, 6 0, 32 0, 08 +
25
20, 0, 5
0, 620 0, 320 0, 085
Universidad T
2. a) Una compa
na gasolinera recibe bencina una vez por semana. Si su volumen de ventas en miles
de litros se distribuye con funcion de densidad:
2
f (x) = kxex ,
0x<
i) Encuentre la funcion distribucion acumulada de X.

Solucion:
Zx
F (x) =
ktet dt
Zx
= k
1 u
e du
2
k
= eu |x0
2
k
k
2
= ex +
2
2

k
2
1 ex
2
=
Notamos que
lmx F (x) = 1 lmx
k
2
1 ex
k
2

2
lmx 1 ex =
k
2
1=1k =2
As, 0
F (x) =
1ex ,
0
x0
x<0
ii) Si la compana como mnimo vende 10 mil litros, cual es la probabilidad de que venda mas de
50 mil litros?
P (X > 50|X > 10) =
P (X > 50, X > 10)

P (X > 10)
Universidad T
P (X > 50)
e50
=
= 102
P (X > 10)
e
b) Una tienda de artculos electricos para el hogar vende tres diferentes marcas de refrigeradores.
Sean X1, X2, X3 variables aleatorias las cuales representan el volumen de ventas mensual para
cada una de las tres marcas de refrigeradores. Si estas variables son independientes normalmente
distribuidas con media $8000, $15000 y $12000, y desviaciones standard $2000, $5000 y $3000,
respectivamente.
X1 N (8000, 20002 )
X2 N (15000, 50002 )
X3 N (12000, 30002 )
i) Calcule la probabilidad de que el volumen de venta de cada marca sea menor a $5000.

P (X1 < 5000) =P
X1 8000
5000 8000
<
2000
2000

P (X2 < 5000) =P
5000 15000
Z<
5000

= (1, 5)

= (2)

5000 12000
P (X3 < 5000) =P Z <
= (2, 5)
3000
ii) Si al menos 2 de las marcas tienen un volumen de venta menor a $5000 cada una, la tienda deja
de importar refrigeradores, cual es la probabilidad de que esto ocurra?
Como las variables aleatorias son independientes:
P (X1 = x1 , X2 = x2 , X3 = x3 ) = P (X1 = x1 ) P (X2 = x2 ) P (X3 = x3 )
Si al menos dos obtienen vol
umenes de venta menores a $5000 entonces debemos considerar 4
casos:
X1 > 5000, X2 < 5000, X3 < 5000
X1 < 5000, X2 < 5000, X3 > 5000
X1 < 5000, X2 > 5000, X3 < 5000
X1 < 5000, X2 < 5000, X3 < 5000
Sean p1 , p2 y p3 las probabilidades de que las marcas 1,2 y 3 vendan menos de $5000, respectivamente. Entonces
P(dejar importaciones)= p1 p2 (1 p3 ) + p1 (1 p2 ) p3 + (1 p1 ) p2 p3 + p1 p2 p3
Universidad T
3. a) Se dice que una variable aleatoria X tiene una distribucion de Pareto con parametros > 0 y
> 0 si X tiene una distribucion continua con funcion de densidad dada por:

f (x) = +1 ,
x
Demuestre que si X tiene una distribucion de Pareto, entonces la variable aleatoria Y = ln (X/)
tiene una distribucion exponencial de parametro .
Solucion:
Utilizando teorema de cambio de variable:
eY =
X
eY = X
Ademas X = eY , entonces:
f (y) = fX (ey ) ey
=
1
ey
(ey )+1
ey
ey ey
= ey ,
y0
Y exp()
b) Sea Z = 1 ey , con Y Exp (). Determine la distribucion de Z, indicando el recorrido de

esta variable aleatoria.
Desarrollo: Nuevamente aplicamos cambio de variable:
Z = 1 ey
1 Z = ey
|ln
ln(1 Z) = y
1
ln(1 Z) = y
Universidad T
Ademas,
y =
1
1
1
(1) =
1Z
(1 Z)
Entonces

1
1
f (z) = fY ln (1 Z)
(1 Z)
1
= e ln(1Z)
1
(1 Z)
eln(1Z)
1Z
=1
Cuando y 0 , z 0 , y cuando y , z 1 Z [0, 1]
f (z) =
1
0
0<z<1
e.o.c
Z U (0, 1)
Universidad T
CONTROL 2
Profesor
:
Ayudante :
F. Gonzalez
P. Hidalgo, F. Moraga
1. (65 ptos) Sea la variable aleatoria X Gama(, ), es decir,

1 x
x e ,
f (x) =
()
x>0
a) Determine la f.g.m. de X.
Por definicion de f.g.m
Z
etx
MX (t) =
0
1 x
x e
dx
()
Que se puede resolver por partes, pero puede que se demore un poco mas de la
cuenta.
La otra opcion es identificar los parametros para completar una distribucion Gama
dentro de la integral como sigue:
Z
1 x
tx
e
MX (t) =
x e
dx
()
Z0
x1 ex+tx dx
=
()
0
Z
x1 e(t)x dx
=
() 0
Z
( t)
=
x1 e(t)x dx
( t) () 0
Z
( t) 1 (t)x
=
x e
dx
( t) 0
()
|
{z
}
Gama(, t)
{z
=1
Por lo tanto,

MX (t) =

,
6= t
b) Determine E(X).
Control 2 - MAT032
Universidad T
Utilizando la parte (a), calculamos su primera derivada:

d
MX (t) =
1
+1
dt
( t)
t=0
=
( 0)+1
E(X) =
c) Determine V(X)
Buscamos la segunda derivada de la f.g.m.:

d2
MX (t) = ( + 1)
1
2
+2
dt
( t)
t=0
= ( + 1)
( 0)+2
E(X 2 ) =
( + 1)
2
y con esto,
V(X) = E(X 2 ) E2 (X)
( + 1) 2
2 V(X) = 2
=
2
d) Determine la f.g.m. de Y = X, e identifique su distribucion.

Recordando el teorema de clases: Si Y = cX + d, entonces MY (t) = etd MX (ct)
Con esto, haciendo c = y d = 0,
MY (t) = MX (t)

=
t

1
=
1t
Esta f.g.m. tiene la misma estructura de la f.g.m. de X en la parte (a), con = 1, por
lo tanto, Y Gama(, 1)
Control 2 - MAT032
Universidad T
2. (35 ptos) La funcion distribucion acumulada de una variable aleatoria Rayleigh es

x2
F (x) = 1 exp 2 ,
x>0
2
a) Muestre que esta funcion es efectivamente una funcion de distribuci
on acumulada.
Mostramos cumpla dos propiedades:
i) limx F (x) = 1
Calculamos dicho lmite:

x2
x2
= 1 lim exp 2
lim 1 exp 2
x
x
2
2
=10
=1
por lo tanto cumple esta propiedad.
ii) limx 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).

x2
x2
= 1 lim exp 2
lim 1 exp 2
x0
x
2
2
0
=1e =11
=0
Como tambien se cumple esta propiedad, F(x) es funcion distribucion acumulada.
b) Encuentre la funcion densidad Rayleigh.
Derivamos la f.d.a y queda
f (x) =
d
F (x)
dx

x2
2x
= 0 exp 2 2
2
2

x2
x
f (x) = 2 exp 2 ,
x>0
c) Encuentre el percentil 25, de esta distribucion.

P25 corresponde al valor de x que satisface que F (x) = 0.25. despejamos esta ecuacion
y obtenemos
Control 2 - MAT032
Universidad T

x2
1 exp 2 = 0.25
2

2
x
exp 2 = 0.75
2
2
x
2 = ln(0.75)
2
2
x = 2 2 ln(0.75)
x = 0.575

x = 0.75
Control 2 - MAT032
PAUTA CONTROL 3
30 de octubre 2009
1. Sea X1 , X2 , . . . , Xn una muestra aleatoria con funcion densidad f , es decir,
iid
Xi f (x),
i = 1, . . . , n
Determine la densidad de X(1) = mn{X1 , . . . Xn }

Solucion:
Calculamos primero FX(1) (x)
FX(1) (x) = P(X(1) x)
= 1 P(X(1) > x)
= 1 P(X1 > x, X2 > x, . . . , Xn > x)
= 1 P(X1 > x)P(X2 > x) P(Xn > x)
(por independencia de las v.a.)
= 1 (1 P(X1 x))(1 P(X2 x)) (1 P(Xn x))

n
= 1 (1 P(Xi x))
i=1

n
= 1 1 FX (x)
(ya que todas tienen la misma distribucion)
Por lo tanto, la funcion densidad de X(1) es

fX( 1) (x) =
dFX(1) (x)
dx
n1 d(1 F(x))

= 0 n[1 FX (x)
dx
n1
= n[1 FX (x)
f (x)
n1
= n[1 FX (x)
f (x)
2. Sea (X,Y ) un vector aleatorio con funcion de densidad conjunta

fX,Y (x, y) = c|y|ex ,
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.
Solucion:
a) La densidad marginal de X se obtiene de la siguiente manera
Z x
fX (x) = c
|y|ex dy,
x>0
Z x
= cex 2 ydy, x > 0

0x
= cex y2 , x > 0
0
2 x
= cx e ,
x>0
Para demostrar que c = 1/2, por comparacion con la densidad de Gamma(3,1) y por definicion de
(3) se deduce c = 1/2.
b) La densidad de Y se obtiene de la siguiente manera
1
fY (y) = |y|
ex dx
2
|y|
1
= |y|e|y| , < y <
2
Luego, por simetra de la densidad se tiene que E(Y ) = 0.

c)
fX,Y (x, y)
fX (x)
|y|ex
= 2 x , x y x
x e
fY |X (y|1) = |y|, 1 y 1
fY |X (y|x) =
UniversidadTcnicaFedericoSantaMara
DepartamentodeMatemtica
CONTROL 3

Profesor
Ayudante
: F. Gonzlez
: P. Hidalgo, F. Moraga
Nombre:
Sea X1 , . . . , Xn una muestra aleatoria de una v.a. X con densidad exponencial de parmetro , es decir,
f (x) = ex ,
x>0
a) (10 ptos) Determine la f.g.m. de X1 , especicando el recorrido de t.

b) (15 ptos) Determine la f.g.m. de Y = X1 + . . . + Xn .
c) (10 ptos) Determine la f.g.m. de X .
d) (20 ptos) Sea = 1/. Determine el estimador de mxima verosimilitud de .
e) (20 ptos) Determine el sesgo y varianza de .
f) (25 ptos) Alcanza la cota de Cramer-Rao?
a) 10 puntos.
Mx1 (t) = 0 ext ex dx
= 0 ex(t} dx
, > t para que converja
=
1 x(t)
e
|0
t
=0+
0(t)
e
t
Mx1 (t) =
6 [pts] > t 4 [pts]
b) 15 puntos.
Control3-MAT032
Sea Y =
xi , por independencia de las variables aleatorias :
My (t) = (Mx1 (t))n 10 [pts]
c) 10 putnos.
Ocupamos el teorema visto en clases
Mx (t) = My (t/n) 6 [pts]

=
t/n
n
d) 20 puntos.
L(x, ) =
1
1
e
n
xi
1 xi/
e
[5pts]
/log [5 pts]
log (L)=-n log

d log L = n +
d
Control3-MAT032
1
2
d
xi / d
[5pts]
xi |== 0
e) 20 puntos
E(x) =
1
n
E(xi ) [5 pts] =
n
n
= [5 pts] es insesgado
f) 25 puntos
d2 logL
d 2
n
2
d2 logL
d 2
= n2 +
2n
2
Control3-MAT032
2
3
xi [10 pts]
= n2 +
=
n
2
2n
3
[10pts]
CONTROL 4
13 de noviembre 2009
Profesora
Ayudante
Nombre:
Sea X una variable aleatoria con densidad
f (x) =
3 2 x
x e ,
2
x>0
donde > 0 es desconocido.

(a) Muestre que e = 2/X es un estimador insesgado para
(b) Encuentre la varianza de e
(c) Encuentre la Informacion de Fisher para el parametro .
(d) Alcanza el estimador e la cota de Cramer- Rao?
Solucion:
(a) Para mostrar que es insesgado debe cumplirse que E(e) = , por lo tanto

2
e
E( ) = E
X
=
Z
2 3
x 2
x2 e x dx
3 xe x dx
= (2)
Z 2
= 1
Por lo tanto e es insesgado para .
(2)
x21 e x dx
: F. Gonzalez
: D. de la Carrera
(b) Para calcular la varianza, recordemos que

V(X) = E(X 2 ) E2 (X)
Entonces solo nos falta calcular E(e2 )

4
E( ) = E
X2
e2
Z
4 3 2 x
=
x e
dx
2
0
x 2
2 3 e x dx
= 2 3
1 x
e
= 2 2
y con esto
V(e) = 2 2 2 = 2
(c) Sabemos que la Informacion de Fisher esta dada por
2

d logL(x, )
I( ) = E
d 2
En este caso, como solo contamos con una observacion, L(x, ) = f (x), por lo tanto
L(x, ) =
3 2 x
x e
2
log(L) = 3 log( ) log(2) 2 log(x) x

3
d log(L)
=
x
d
d2 log(L)
3
= 2
2
d
Por lo tanto
I( ) = E(
3
3
)= 2
2
(d) Un estimador insesgado alcanza la cota si V(e) = I 1 ( ). En este caso

V(e) = 2 >
por lo tanto, e no alcanza la cota de Cramer- Rao.
2
2
= I 1 ( )
3

Campus Santiago

Profesores : Francisca Gonzlez, Enzo Hernandez
( )
1. Sea X una v.a. tal que
. Calcule la funcin generadora de momentos,
determine si existen todos los momentos y luego calcule M(1), M(2) y la varianza de X.
Solucin
Se define la f.g.m. como M(t) = E(etx) {momento t}. Adems se tiene que M(t) existe para
todo t [-, ] para algn > 0, entonces M(0) existe.
Luego se cumple que M(n)(0) {derivada n del momento cero} =
)|
1, por lo tanto
se tiene lo siguiente:
M(n)(0)=
= ,
)|
)|
1
-
= E(Xn)
Por lo tanto,
M(0)
= E(X)
M(0)
= E(X2)
M(0)
= E(X3)
.
.
.
(k)
M (0) = E(Xk)
Entones, para el ejercicio se tiene que:
M(t) =E(etx)=
donde la integral es finita si t < 1. Por lo tanto M(t)
existe slo para t < 1. Por lo que se calcula la integral:

M(t) =
Dado que M(t) existe para todo t [-, ] con = 1 > 0, existen todos los momentos de X.
Luego,
M(1) = E(X1) = M(0) = (
M(2) = E(X2) = M(0) = (
=1
)
)
=2
VAR(X) = E(X2) [E(X)]2 = M(0) [M(0)]2=2 12 = 1
2. Encontrar la f.g.m. de las distribuciones

a)Poisson
b) Uniforme
c) Exponencial
Solucin
a) Poisson
)
( )
b) Uniforme
)
)
( )
)|
(
)
(
c) Exponencial
(
|
)
(
(
( )
3. Determinar la f.g.m. de
si X1, X2, X3, , Xn son distribuciones independientes
con distribucin exponencial.

Solucin
)
(
(
por independencia de las variables

(
)
. /
/
( )
4. Si X N(0,1) determinar la funcin de densidad de Y = 3X + 4

Solucin
( )
(
)
)
)
(
(
Luego derivando se tiene

( )
)
.
Por lo tanto, Y
( )
5. Sea X una v.a.c. con funcin de densidad uniforme U[1,2]. Se define la variable Y = 20X 2,
encuentre E[Y] y V[Y].
Solucin
(
)
(
)
(
(| |
Luego derivando se tiene

( )
-( )
La esperanza de Y se calcula:
E(Y) =
-( )
)|
(
-( )
( )
V(Y) =E(Y2) - (E(Y))2
(
-( )
)|
( )
V(Y) = 2480 (140/3)2 = 299,11
6. Se X una variable aleatoria continua con funcin de densidad
que:
( )
Solucin
Sea: ( )
( )
* +
)
(
)
(
( )
( )
Por lo que derivando se tiene:

( )
( )
* +(
( ) y sea
, demuestre
Universidad Tcnica Federico Santa Mara

Departamento de Matemticas
Probabilidad y Estadstica
Pauta Taller 3
Primer Semestre de 2010
1. Una variable aleatoria X toma valores en el conjunto {0,1,2,}. Demostrar que
Si es que la suma converge

Solucin
2. Un estadstico subdivide una piscina, en la cual hay salmones, por reas, donde no entra ni
sale salmn alguno dentro de tales reas y tampoco hay muertes ni nacimientos. Si el
nmero de reas fue de 1600 y supone que ha asignado un nmero a cada salmn (e
forma abstracta, no real) del 1 a N
a) Defina una v.a. que defina que el salmn j est en el rea.
b) Defina una v.a. que defina e nmero de salmones en el rea k.
c) Qu distribuciones tienen las v.a. definidas en a y b? Explique.
d) Si se sabe que hay 400 sectores sin salmn alguno. Determine el nmero de salmones en
la piscina.
Solucin
1 si el salmn j est en el rea k
a) Xjk=
0 se el salmn j no est n el rea K
b) Yrk =cantidad r de salmones en el rea
c)
d)
3. Una v.a. est distribuida normal con media y varianza. Si P(X<0,5)=0,6 y P(X<1) = 0,67. Es
posible encontrar la media y varianza? De poderse hacer, determnelas.
Solucin
Resolviendo el sistema de ecuaciones se obtiene que = 0,178 y = 2,678
4. La v.a. X tiene densidad

Calcular P(X<0), hallar el valor de la constante c, y calcular P(0X1).
Solucin
5. Las alturas de una poblacin H se distribuyen N(,1). Se toma una muestra de tamao n y
se desea determinar qu valor debe tener n para que
Solucin
Por lo que la muestra debe ser de tamao 273.
6. Demuestre que la distribucin geomtrica cumple con la propiedad
Solucin
Propiedad de sumatorias:
Universidad T
Campus Santiago
a
Taller 4 MAT042
Pauta
Problema 1
25 puntos
Sea X una v.a. continua con funcion densidad

f (x) =
k k
,
xk+1
x>
con k una constante.

a) Determinar E(X) , cuando k > 1.
b) Determinar V(X), si k > 2.
c) Que valor debe tener k para que E(X r ) exista?
Desarrollo:
Z
a) E(X) =
k k
xk+1

dx
Z
1
dx
k
x
k+1

x
k

= k
k + 1

kk
: 0 k+1

k+1

=
()

1k
k
=
k1
= k
E(X) =
k
k1
(10 puntos)
LATEX
Universidad T
Campus Santiago
b) V(X) = E(X ) (E(X)) =
k k
xk+1
k k
xk+1
Z
dx
k k
xk+1
2

dx
dx
xk1
k+2

x
k

= k
k + 2

kk
: 0 k+2

k+2

=
()

2k
k2
=
k2
dx = k
(7,5 puntos)

2
k2
k
V(X) =
k2
k1

k
1
2
= k
k 2 (k 1)2

(k 1)2 k(k 2)
2
= k
(k 2)(k 1)2

+ 1 k2 +

k2
2k
2k
(k 2)(k 1)2
= k2
k2
(k 2)(k 1)2
V(X) =
(7,5 puntos)
c) E(X r ) =
xr

k
k
xk+1
dx
= k
xr(k+1) dx

xr(k+1)+1

= k
r (k + 1) + 1

kk
rk
x
=

rk
k
Notar que solo converge si r k < 0.

k>r
(10 puntos)
LATEX
Universidad T
Campus Santiago
Problema 2
25 puntos
La funcion densidad de la v.a. X viene dada por :

2

x
x
f (x) = k
I[0,2] (x) + e I[2,[ (x)
2
a) Determinar la funcion generadora de momentos de X.
b) Encontrar V(X)
Desarrollo:
Z
Xt
a) E(e ) = k
xt x
e
0
dx +
xt x
e e

dx
"
# Z

Z 2 xt
xt 2
e
e
1
x2 2
x dx +
ex(1t) dx
=
2
t 0
t
0
2
!#
"

Z
2
2
2 xt
xt
xt
ex(1t)
e
1
e
e
2

dx
+
x
=
2 x 2
2
2
t 0
t 0
t 1 2
0 t
"

!#

xt 2
xt 2
xt 2
ex(1t)
e
e
e
1
2

+
x
2 x 2 3
=
2
t 0
t 0
t 0
t 1 2
2t

2t

2t
1
e2(1t)
e
1
4e
2e
0 3 3
+ 0
=
0 2
2
t
t2
t
t
t1
1
e2(1t)
2e2t 2e2t e2t
=
2 + 3 3+
t
t
t
t
1t
ke2t
X (t) =
t

2
1
1
t
2 + 2 2 2t +
t t
te
(1 t)e2
(10 puntos)
b) V(X) = E(X 2 ) (E(X))2

E(X)

Z
x2
x
xe dx
x dx +
2
2
0

!
Z
4 2

x
+ xex 2 +
ex dx

8 0
2
!

4 2

x
xex 2 ex 2

8 0

2 + 3e2
Z
= k
= k
= k
= k
LATEX
Universidad T
Campus Santiago
E(X) = k 2 + 3e2

(5 puntos)
E(X )
2
Z
= k
x
0
= k
= k
= k
2x
Z
dx +
2 x
xe

dx
2
!
Z

x5
+ x2 ex 2 + 2
xex dx
10 0
2

!
Z
2

x5
+ x2 ex 2 + 2 xex 2 +
ex dx
10 0
2
!

2

x5
x2 ex 2 2xex 2 2 ex 2

10 0
2
E(X ) = k
16
+ 10e2
5
(5 puntos)
V(X)

2

16
2
k 2 + 3e2
+ 10e
= k
5

16
2
2
4
= k
+ 10e k(4 + 12e + 9e )
5

4
2
4
k + 2e (5 6k) 9ke
V(X) = k 4
5
(5 puntos)
Aparte: k =
3e2
4e2 + 3
E(X) = 1, 638
y
V(X) = 0, 417
LATEX
Universidad T
Campus Santiago
Problema 3
25 puntos
Suponga que el radio de un cojinete de esferas esta distribuido normalmente con media 1 y
varianza 0.04.
a) Encontrar la funcion densidad de la variable aleatoria volumen.
b) Encontrar la esperanza y varianza del volumen.
Desarrollo:
1
a) V = R3 .
3
FV (v) = P (V v)

1 3
= P
R v
3

3v
3
= P R
r !
3 3v
= P R
r !
3 3v
= FR
derivando tenemos:
dFV (v)
= F0
dv
r
3
r
= fV
r
= fV
3v
3v
3v
1
q
33
9v 2
2
9v 2
q 2
2
3
9v
1
1
1
1
2
exp
=
IR{0} (v)
3
0, 2
20, 2
2
9v 2
q 2
2
3 9v
1 2 1 1
1
exp
IR{0} (v)
fV (v) =
3
0, 2
20, 2
2
9v 2
(10 puntos)
LATEX
Universidad T
Campus Santiago
1
b) Conocemos la relacion: V = R3 , de donde obtenemos:
3

1 3
R = E R3
E(V ) = E
3
3
y

2
1 2 6
2
R = E R6
E(V ) = E
9
9
Por lo que tenemos:
2 t2
R (t) = et+ 2

(t)
E(V ) = 000

3 R
t=0
y

2 (6)
V(V ) =
(t)
9 R
t=0
E(V ).
t+
000
R (t) = e
2 t2
2
3

2 t2
2 t2
+ 2 t + 2 2 et+ 2 + 2 t + 2 et+ 2 + 2 t
evaluando en t = 0 tenemos:
3
2
000
R (t)|t=0 = + 3
por lo que

3
+ 3 2
3
=
(1 + 3 0, 04 1)
3
E(V ) =
E(V ) =
28
75
(5 puntos)
V(V ), primero debemos encontrar E(V )

(6)
6
4
2 t2
+ 2 t + 15 2 et+ 2 + 2 t
2
2 t2
2 t2
= + 45 4 et+ 2 + 2 t + 15 6 et+ 2
R (t) = et+
evaluando en t = 0 tenemos:

(6)
R (t)
2 t2
2
= 6 + 15 2 4 + 45 4 2 + 15 6
t=0
por lo que

2 6
E(V ) =
+ 15 2 4 + 45 4 2 + 15 6
9

2
=
1 + 15 0, 04 1 + 45 0, 042 1 + 15 0, 043
9
2
LATEX
Universidad T
Campus Santiago
E(V 2 ) =
5228 2
28125
(5 puntos)
finalmente la varianza es:

5228 2
V(V ) =
28125
28
75
2
V(V ) = 0, 463 2
(5 puntos)
Problema 4
25 puntos
Considere una circunferencia de radio r = 1 y centro O. Un angulo es elegido al azar en

el primer cuadrante. Sea A el punto sobre la circunferencia que forma un angulo con la
horizontal. Desde A se traza una recta perpendicular al eje horizontal. Esta recta corta la
circunferencia en el punto B. Sea Q el punto medio del segmento AB.
Encuentre la funcion densidad del largo del segmento AQ.
Desarrollo:
M
, por lo que la relacion existente entre el angulo y el
1

segmento es: M = sen . Ademas notar que U 0, 2 (primer cuadrante), cuya funcion
distribucion es:
Z
1
F () =
d
0 2 0
Del grafico, tenemos que: sen =
(5 puntos)
LATEX
Universidad T
Campus Santiago
Sea m [0, 1], entonces:

FM (m) =
=
=
=
=
P (M m)
P (sin m)
P ( arcsin(m))
F (arcsin(m))
arcsin(m)
(5 puntos)
derivando se tiene:
dFM (m)
2
=
(arcsin(m))0
dm

2
1
1 m2
(5 puntos)
2
fM (m) =
1 m2
0m<1
(10 puntos)
LATEX
Universidad T
Campus Santiago
a

Pauta
Profesor : Enzo Hernandez
Ayudante : Hugo Salazar Riquero
1. Determine los valores de a y b para que la siguiente tabla represente una funcion de cuanta,
si se sabe que su esperanza matematica es igual a 1,8:
x
0 1 2 3
P (X = x) 0, 2 a b 0, 3
Desarrollo:
Dado que X
es funcion de cuanta debe cumplir que: F (x) 0 x Rec(x) es decir a, b 0 y
ademas
F (x) = 1,
xRec(x)
= 0, 2 + a + b + 0, 3 = 1 = a + b = 0, 5
Por otro lado sabemos que E(x) = 1, 8,
= 0 0, 2 + 1 a + 2 b + 3 0, 3 = 1, 8 = a + 2b = 0, 9
luego, al resolver el sistema tenemos que a = 0, 1 y b = 0, 4 .

2. Determine la funcion de distribucion acumulada, esperanza matematica, varianza y desviacion
tpica de la variable aleatoria definida por la siguiente funcion de densidad:
x
2
f (x) 0, 05
0
2
4
A 0, 15 A
6
8
0, 2 2A
Desarrollo:
Primero debemos calcular A,
0, 05 + A + 0, 15 + A + 0, 2 + 2A = 1 = 4A = 0, 6 = A = 0, 15
LATEX
Universidad T
Campus Santiago
Luego la funcion de distribucion acumulada esta
0
si
0, 05 si
0, 2 si
0, 35 si
F (X) =
0, 5 si
0,
7 si
1
si
dada por:
x < 2
2 x < 0
0x<2
2x<4
4x<6
6x<8
8x
La esperanza matematica esta dada por:

X
E (x) =
xP (X = x)
xRec(x)
= 2 0, 05 + 0 0, 15 + 2 0, 15 + 4 0, 15 + 6 0, 2 + 8 0, 3
E (x) = 4, 4
Para el calculo de la varianza debemos obtener hacer: V (x) = E (x2 ) (E (x))2 ,
X

E x2 =
x2 P (X = x)
xRec(x)
= (2)2 0, 05 + (0)2 0, 15 + (2)2 0, 15 + (4)2 0, 15 + (6)2 0, 2 + (8)2 0, 3
luego,
V (x) = 29, 6 (4, 4)2 = V (x) = 10, 24
Finalmente la desviacion tpica viene dada por:
p
p
= V (x) = 10, 24 = = 3, 2

3. El n
umero de buques tanques, N , que llegan cada da a cierta refineria tiene una distribucion
de Poisson con parametro = 2. Las actuales instalaciones portuarias pueden despachar
tres buques al da. Si mas de tres buques llegan en un da, los que estan en exceso deben
enviarse a otro puerto.
(a) En un da determinado, Cual es la probabilidad de tener que hacer salir buques tanques?
(b) En cuanto deben aumentarse las instalaciones actuales para asegurar con una probabilidad del 90% la atencion de los buques tanques que lleguen?
(c) Cual es el n
umero esperado de buques atendidos diariamente?
LATEX
Universidad T
Campus Santiago
Desarrollo:
(a) Notar que se hacen salir buques tanques si llegan mas de 3. Definamos X: Buques
tanques que llega al puerto en un da. Notar que as X P oisson( = 2). Ahora
calculamos:
P (X 4) = 1 P (X 3)
3
X
2x e2
= 1
x!
x=0
= 1 0, 857
= 0, 143
P (X 4) = 14, 3%

(b) Ahora debemos buscar a partir de que valor de X la probabilidad es superior a 0, 9.
= P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4)
= 0, 857 + P (X = 4)
= 0, 857 + 0, 09 = 0, 947 > 0, 9
por lo que las instalaciones se deben aumentar a 4.

(c) El n
umero de buques atendidos diariamente viene dado por E (x), el cual es igual a 2.
n
X
x e
E (x) =
x
x!
x=0
=
=
=
=
=
n
X
x
e
x
x!
x=0

2
3
e
0+1 +2
+3
+ ...
1!
2!
3!

2 3
e
+
+
+ ...
1!
2!

2
e 1+ +
+ ...
1!
2!
n
X
x
e
x!
x=0
= e e
= e(+)
=
LATEX
Universidad T
Campus Santiago
Lo que quiere decir que E (x) = si X P oisson() (X se distribuye Poisson de

parametro )

4. El lanzamiento de un cohete se considera seguro despues de que se han realizado tres pruebas
exitosas. La probabilidad de una prueba exitosa es de 0, 8.
(a) Que probabilidad hay de obtener 3 exitos en 6 pruebas del cohete?
(b) Cual es la probabilidad de que el primer exito se obtenga en la tercera prueba?
(c) Al completar tres pruebas con exito, el cohete es lanzado. Este lanzamiento proporciona
una informacion que obtiene ingresos por US$ 200000 y para cada prueba se invierten
US$ 10000. Cual es la ganancia esperada en cada lanzamiento de un cohete?
Desarrollo:
(a) Sea X: cantidad de exitos al realizar pruebas con cohetes. X Bin(n = 6; p = 0, 8).
Se pide calcular:

6
P (X = 3) =
0, 83 (1 0, 8)63 = P (X = 3) = 0, 08192
3

(b) Sea Y : Se obtiene el primer exito en la tercera prueba. Y Geom
etrica(p = 0, 8). Se
pide:
P (Y = 3) = 0, 8 (1 0, 8)31 = P (Y = 3) = 0, 032

(c) Primero debemos encontrar una funcion que defina la ganacia, la que viene dada por:
G(Z) = 200000 10000 Z
es facil notar que Z: Se completaron 3 pruebas con exito. Z BinN eg(r = 3, p = 0, 8).
Como se pide la ganancia esperada, debemos encontrar E (G(Z)),
E (G(Z)) = E (200000 10000 Z)
= 200000 10000 E (Z)

3
= 200000 10000
0, 8
E (Z) = 162500
Es la ganancia esperada.

LATEX
Universidad T
Campus Santiago
5. Sea A M22 (R), a R y
n
Y
A=
i=1
(Y i) + a a Y
1
Y
Calcular la probabilidad de que A sea invertible si Y Geom

etrica(p)
Desarrollo:
Para que una matriz sea invertible, su determinante tiene que ser distinto de cero, por lo que
tenemos:
!
n
n
Y
Y
det (A) =
(Y i) + a Y a Y = Y
(Y i) 6= 0
i=1
i=1
notar que Y {1, 2, 3, . . .}, ya que se distribuye Geometrica y ademas i {1, 2, 3, . . . , n},
por lo que el determinante es cero s y solo si Y = i para alg
un i {1, 2, 3, . . . , n}. Es decir
det(A) 6= 0 ocurre solo si Y {n + 1, n + 2, . . .}, por lo que la probabilidad esta dada por:
P (Y n + 1) =
y=n+1
p (1 p)y1 |{z}
= (1 p)n
()
(*): Hacer,
rj = rk + rk+1 + rk+2 + rk+3 + . . .
(1)
j=k
r rj = rk+1 + rk+2 + rk+3 + . . .
(2)
j=k
Restando (1) con (2) tenemos:
rj
j=k
r rj = rk
j=k
(1 r) rj = rk
j=k
(1 r)
X
j=k
X
j=k
LATEX
rj = rk
rj =
rk
1r
Universidad T
Campus Santiago
de donde tenemos que para nuestro ejercicio, k = n + 1 y r = 1 p, reemplazando:
X
y=n+1
y1
p (1 p)
X
p
=
(1 p)y
1 p y=n+1
p
(1 p)n+1
(1 p) 1 (1 p)
p (1 p)n+1
=
1p
p
n
= (1 p)
=
LATEX
Universidad T
Campus Santiago
a

Pauta
1. Una variable de tipo uniforme U [a, b] tiene por media = 200 y por varianza 2 = 12.
Calcular la probabilidad de que X sea menor a 196.
Desarrollo:
Primero, debemos encontrar los parametros de la distribucion. Se sabe que E (x) = 200 y
V (x) = 12
Z b
x
dx
E (x) =
a ba
b
x2
=
2(b a)
a
b 2 a2
=
2(b a)
b + a = 400
Por otro lado, V (x) = E (x2 ) (E (x))2
E (x2) =
=
x2
dx
a ba
b
x3
3(b a)
b a
3(a b)

1 2
=
b + ab + a2
3
Luego,

1 2
b + ab + a2 = 120036 = b2 + ab + a2
3
de la primera se obtiene que a = 400 b, reemplazando en la segunda tenemos:
12 + (200)2 =
120036 = b2 + (400 b)b + (400 b)2

120036 = (400)2 400b + b2
0 = b2 400b + 39964
LATEX
Universidad T
Campus Santiago
por lo que debemos resolver la ecuacion de segundo grado,
b1 = 206
2
400 (400) 4 39964
400 144
400 12
b=
=
=
2
2
2
b2 = 194
por lo que los parametros de la distribucion son: U [194, 206]. La probabilidad pedida es:
Z 196
1
P (X < 196) =
dx
194 206 194
196
1
=
x
12 194
2
=
12
P (X < 196) =
1
6
2. El porcentaje de nicotina en la composicion de un nuevo cigarrillo se puede considerar

como una variable aleatoria X, cuya funcion de distribucion de probabilidad acumulada
esta definida por:
0
,x<0
x2 x3
F (x) =
,0x<1
6
2
3
1
,x1
(a) Determine la funcion de densidad de probabilidad de X.
Desarrollo:
La obtenemos de la relacion:
dF (x)
= fX (x)
dx
es decir, la funcion de densidad de probabilidad viene dada por:
fX (x) = 6x (1 x) I[0,1[ (x)

(b) Determine el porcentaje esperado y el porcentaje mediano de nicotina por cigarrillo.
Desarrollo:
LATEX
Universidad T
Campus Santiago
El porcentaje esperado esta dado por E (x):

Z 1

x 6x 6x2 dx
E (x) =
0
1

3 4
3
=
2x x
2
0
E(x) =
1
2
El porcentaje mediano viene dado por M e(x) = F (x0 ) = 0, 5, para ello hacemos:
fX (0) = fX (1) = 0
1
1
0
= fX (x) es simetrica en torno a x0 =
fX (x) = 6 12x = 0 x0 =
2
2
fX00 (x) = 12 < 0 x0 es maximo

Por lo tanto tenemos que M e(x) =
1
2
(c) Determine la probabilidad de que el porcentaje de nicotina por cigarrillo tome valores
dentro de una desviacion estandar del porcentaje de nicotina esperado por cigarrillo.
Desarrollo:

p
Se pide determinar P | X E (x) | V (x) . Para ello debemos realizar calculos
previos:
Z 1

2
E x
= 6
x3 x4 dx
0
1
4
x5
x
= 6
4
5 0
3
=
10
Por lo que la varianza viene dada por:
V (x) = 0, 3 (0, 5)2 = V (x) = 0, 05
LATEX
Universidad T
Campus Santiago
Por lo que reemplazamos:

p

p
p
P | X 0, 5 | 0, 05 = P 0, 05 X 0, 5 0, 05
p

p
= P 0, 05 + 0, 5 X 0, 05 + 0, 5
= P (0, 2764 X 0, 7236)
= P (X 0, 7236) P (X 0, 2764)
= F (0, 7236) F (0, 2764)

(0, 7236)2 (0, 7236)3
(0, 2764)2 (0, 2764)3
= 6
6
2
3
2
3

p
P | X 0, 5 | 0, 05 = 0, 6258

(d) Suponga que se toma una muestra aleatoria de 20 cigarrillos de este tipo. Determine:
i ) La probabilidad de que aparezcan a lo menos 5 cigarrillos con un porcentaje de
nicotina inferior al porcentaje esperado de nicotina por cigarrillo.
Desarrollo:
Sea Y : cantidad de cigarrillos con un porcentaje de nicotina inferior al porcentaje
esperado. Y Bin (n, p), con n = 20 y p = P (X < E (x)). Previo calculamos:
P (X < E (x)) = P (X < 0, 5)
= F (0, 5)

0, 52 0, 53
= 6
2
3
= 0, 5
= p = 0, 5
Se pide:
P (Y 5) = 1 P (Y 4)

4
X
20
= 1
0, 5y (1 0, 5)20y
y
y=0
= 1 5, 909 103
P (Y 5) = 0, 9941
LATEX
Universidad T
Campus Santiago
ii ) Si se continua con el mismo esquema de muestreo, determine la probabilidad de

que sean necesarios 26 muestreos para obtener 6 muestras que contengan menos
de 5 cigarrillos cuyo porcentaje de nicotina sea superior al porcentaje mediano de
nicotina por cigarrillo.
Desarrollo:
Sea Z: cantidad de muestreos necesarios para obtener 6 muestras que tengan menos
de 5 cigarrillos cuyo porcentaje de nicotina sea superior al porcentaje mediano.
Z BinN eg(r, p), con r = 6 y p = 0, 0059. Se pide:

26 1
P (Z = 26) =
(0, 0059)6 (1 0, 0059)266
61
= 1, 9909 109
P (Z = 26) 0

3. El tiempo que transcurre entre llamadas a una empresa de artculos para plomera tiene una
distribucion exponencial con una media entre llamadas de 10 minutos.
(a) Cual es la probabilidad de que transcurran menos de cinco minutos antes de recibir la
primera llamada?
Desarrollo:
Sea T : tiempo (minutos) entre llamadas. T exp (). Recordar que:
E (T ) =
1
1
E (T ) =
10
Se pide:
Z
1 1x
e 10 dx
0 10

1 5
= e 10 x
P (T < 5) =
P (T < 5) = 0, 3935

(b) Cual es la probabilidad de que el tiempo que transcurre entre la segunda y la tercera
llamada este entre 5 y 15 minutos?
Desarrollo:
LATEX
Universidad T
Campus Santiago
Se pide:
Z
15
1 1x
e 10 dx
5 10

1 15
= e 10 x
P (5 T 15) =
P (5 T 15) = 0, 3834

(c) Determine la longitud de un intervalo de tiempo para que la probabilidad de recibir al
menos una llamada en ese lapso sea 0, 9.
Desarrollo:
Sea X(t): n
umero de llamadas recibidas en t minutos. X(t) P oisson( t). Se desea:
P (X(t) 1) = 0, 9
1 P (X(t) = 0) = 0, 9
P (X(t) = 0) = 0, 1
t
(t/10)0 e 10
0!
t
e 10
t
t
= 0, 1
= 0, 1
= 10 ln(0, 1)
= 23, 026
Por lo tanto la longitud del intervalo debe ser de 23, 026 min

(d) Si no se ha recibido ninguna llamada en 10 minutos, Cual es la probabilidad de que
haya que esperar menos de 5 minutos para recibirla?
Desarrollo:
Se pide P (X < 5), la que ya esta calculada.
P (T < 5) = 0, 3935
LATEX
Universidad T
Campus Santiago
4. El tiempo total, medido en unidades de 100 horas, que un adolecente escucha su estereo
durante un a
no en una variable aleatoria, cuya modelacion esta dada por la siguiente funcion:
fX (x) =
1 ( 1k
)x I
e
]0,[ (x)
>0
(a) Demuestre que fX (x) es funcion de densidad de probabilidad s y solo si k = 1 + 2 .

Desarrollo:
Z
para que sea funcion densidad se debe cumplir que
fX (x) dx = 1
0
Z
0
k1
Z
|0
1 ( 1k
)x dx = 1
e
( k1
)x dx = 1
e
k1
{z
}
k1
= 1
2
= k = 1 + 2
Con Zlo que se demuestra que para que sea funcion densidad k = 1+2 , ya que se cumple
fX (x) dx = 1.
que
0

(b) Considerando = 4, encuentre la probabilidad de que el tiempo total en horas, que un
adolecente escucha su estereo durante un a
no sea:
i ) de exactamente 2, 5 unidades.
Desarrollo:
Dado que = 4 la funcion densidad queda:
1 x
fX (x) = e 4 I]0,[ (x)
4
Se pide encontrar:
1 2,5
P (X = 2, 5) = e 4 = P (X = 2, 5) = 0, 1338
4
LATEX
Universidad T
Campus Santiago
ii ) entre 3 y 8 unidades.
Desarrollo:
Se pide:
Z
1 x
e 4 dx
3 4
x 8
= e 4 3

3
= e2 e 4
P (3 < X < 8) =
P (3 < X < 8) = 0, 337

LATEX
Universidad T
Campus Santiago
a

Pauta
1. Considere la funcion densidad de X como:

2
1
fX (x) = c x
2
Encuentre la funcion densidad de Z, si se define Z =
0<x<1
eX
1 + eX
Desarrollo:
Para encontrar la funcion densidad de Z, encontraremos su funcion distribucion y luego
derivaremos.
FZ (z) = P (Z z)

X
e
z
= P
1 + eX

= P eX z + zeX

= P eX (1 z) z

z
X
= P e
1z

z
= P X ln
1z

z
= FX ln
1z
= FX (ln(z) ln(1 z))
con
z
>0
1z
Derivando a ambos lados de la igualdad tenemos:

1
1
1
0
0
FZ (z) = FX (ln(z) ln(1 z))
+
= FX0 (ln(z) ln(1 z))
z 1z
z(1 z)
Luego debemos encontrar los limites para Z, lo cuales estan dados por:
Z=
LATEX
eX
;
1 + eX
con X = 0 = Z =
1
2
con X = 1 = Z =
e
1+e
Universidad T
Campus Santiago
finalmente la funcion densidad de Z viene dada por

2
z
1
1
fZ (z) = c ln
I 1 e (z)
1z
2 z(1 z) ] 2 , 1+e [

2. Sea Y = mn {Xi : i = 1, 2, . . . , n} donde las variables aleatorias X1 , X2 , . . . , Xn son tales que
t1 , t2 , . . . , tn R
P (X1 > t1 , X2 > t2 , . . . , Xn > tn ) =
n
Y
P (Xi > ti )
i=1
a) Pruebe que FY (t) = 1
n
Y
(1 FXi (t)) t R
i=1
Desarrollo:
P (Y t)
1 P (Y > t)
1 P (mn {X1 , X2 , . . . , Xn } > t)
1 P (X1 > t, X2 > t, . . . , Xn > t)
n
Y
= 1
P (Xi > t)
FY (t) =
=
=
=
i=1
= 1
n
Y
(1 P (Xi t))
i=1
= 1
n
Y
(1 FXi (t))
i=1

b) Suponga que n = 3 y X1 , X2 , X3 U [0, 1] son independientes. Determine la funcion
densidad de Y .
Desarrollo:
Notar que si Xi U [0, 1] entonces FXi (t) = t, con 0 x 1, luego tenemos:
FY (t) = 1
= 1
3
Y
i=1
3
Y
(1 FXi (t))
(1 t)
i=1
= 1 (1 t)3
LATEX
Universidad T
Campus Santiago
Derivando tenemos que la funcion densidad de Y viene dada por:

fY (t) = 3 (1 t)2 I[0,1] (t)

3. La variable aleatoria X tiene por funcion densidad a:

mx
si x [0, 2]
fX (x) =
1 mx si x ]2, 4]
Calcule su funcion generadora de momentos, E (x) y V (x).
Desarrollo:
Su funcion generadora de momentos viene dada por:

X (t) = E eXt
Z 4
Z 2
xt
e mx dx + ext (1 mx) dx
=
0
2 Z 2 2 xy
4 Z 4 xt
xt

e
e
ext
e

mx m
dx +
(1 mx) + m
dx
=
t
t
t
t
0
2
0
2

2
4
xt
xt 2
xt 4

ext
e
e
e
=
mx m 2 +
(1 mx) + m 2
t
t
t
t 2
0
0
2

4t
2t
4t
2t
m
e2t
e
e
e2t
e
e
m 2 +
m 2 m
=
2m
(1 4m)
(1 2m) +
t
t2
t
t
t
t2
t

m
e2t
m
e2t 2t
e2t 1
2t
X (t) = m
e 1 + 2
4
+
4e +
t
t
t
t
t
t
Para el calculo de la esperanza y la varianza, tenemos dos opciones, derivar la funcion generadora de momentos, o hacerlo seg
un la definicion. Usaremos la definicion.
Z 2
Z 4

2
E (x) =
mx dx +
x mx2 dx
0
2

2
4
3 2
x
x3
x
m
= m +
3 0
2
3 2
m
8m 1
+ (16 4) (64 8)
=
3
2
3
E (x) = 6
LATEX
48
m
3
Universidad T
Campus Santiago
Para el calculo de la varianza, previo encontramos:

Z 2
Z 4

2
3
E x
=
mx dx +
x2 mx3 dx
0
2

3
4
4 2
x
x4
x
m
= m +
4 0
3
4 2
1
m
= 4m + (64 8) (256 16)
3
4
56
=
56m
3
Finalmente la varianza viene dada por:

V (x) = E x2 (E (x))2

2
56
48
=
56m 6 m
3
3

2
56
48
V (x) =
56m 6 m
3
3
Para encontrar valores, debemos calcular m, como sigue:
Z 4
Z 2
mx dx + (1 mx) dx
2
0
2
4
x2
x2
m + xm
2 0
2 2
2m + [(4 8m) (2 2m)]
2 4m
= 1
= 1
= 1
= 1
1
m =
4
Por lo que V (x) =
2
y E (x) = 2
3
4. Sean X1 , X2 , . . . , Xn , n variables aleatorias independientes. Se defime Y = X1 +X2 +. . .+Xn .

Demuestre que para t tal que Xi (t) existe, i = 1, 2, . . . , n, se tiene:
Y (t) =
n
Y
Xi (t)
i=1
LATEX
Universidad T
Campus Santiago
Desarrollo:

Y (t) = E eY t

Pn
Xi t
i=1
= E e
= E eX1 t+X2 t+...+Xn t
= E eX1 t eX2 t . . . eXn t

!
n
Y
= E
eXi t
i=1
=
=
n
Y
i=1
n
Y
E eXi t
(Por independencia de los Xi )
Xi (t)
i=1

n
X
Xi
se distribuye N (, 2 /n) si X1 , X2 , . . . , Xn son variables aleaton

i=1
rias independientes y distribuidas N (, 2 ).
5. Demostrar que Y =
Desarrollo:

Y (t) = E eY t
Pn Xi
= E e i=1 n t
!
n
Y
t
= E
eXi n
i=1
n
t
Y
=
E eXi n
i=1
n
Y

t
=
Xi
n
i=1
n

Y
2 t 2
t
=
e n + 2 ( n )
i=1
t 2 t 2 n
= e n + 2 ( n )
t 2
n
= et+ 2
Con lo que se demuestra que Y =
n
X
Xi
i=1

N , 2 /n
LATEX
Universidad T
Campus Santiago
6. Sea X (t) la funcion generadora de momentos de X, y se define S (t) = ln (X (t)). Muestre

que:

2

d
d
= V (x)
y
S (t) = E (x)
S
(t)

2
dt
dt
t=0
t=0
Desarrollo:
Para la primera tenemos:

0X (0)
d
d
0X (t)
E (x)
=
S (t) =
ln (X (t)) =
=
= E (x)

dt
dt
X (t) t=0 X (0)
1
Para la segunda:

d 0X (t)
d2
S (t) =
dt2
dt X (t)
00X (t) X (t) 0X (t) 0X (t)
=
X (t)2

00X (t) X (t) 0X (t)2
=

X (t)2
t=0
00X (0) X (0) 0X (0)2
X (0)2

= E x2 (E (x))2
= V (x)
=
LATEX
Universidad T
Campus Santiago
a

Pauta
1. Sea la funcion de masa P{(1, 2)} = P{(1, 3)} = P{(2, 2)} = P{(2, 3)} = 1/6, P{(3, 3)} = 2/6.
Calcular:
a) La funcion de distribucion bivariante asociada.
b) P{(x, y) R2 : x + y = 4}
Desarrollo:
a) Considerando los distintos casos posibles, la funcion de distribucion bivariante asociada
es:
0
si x < 1
0
si y < 2
1 x < 2, 2 y < 3
1/6 si
2 x, 2 y < 3
F (x, y) =
1/3 si
1 x < 2, y 3
2/3 si 2 x < 3 , y 3
1
si x 3 , y 3

b) Los u
nicos puntos con probabilidad no nula pertenecientes a la recta x + y = 4 son (1, 3)
y (2, 2). Por lo tanto:
P{(x, y) R2 : x + y = 4} = P ({(1, 3)}) + P ({(2, 2)}) =
1
1 1
+ =
6 6
3
2. El vector aleatorio (X, Y ) tiene la funcion de cuanta conjunta dada por

P (X = x, Y = y) = k(x + 1)(y + 1)
donde x = 0, 1, 2 e y = 0, 1, 2.
a) Calcular el valor de k.
b) Calcular las funciones de cuanta marginales.
c) Calcular la funcion de cuanta de X condicionada a Y = y.
LATEX
Universidad T
Campus Santiago
d ) Son independientes X e Y ?
e) Calcular P (X + Y > 2), P (X 2 + Y 2 1) y P (X 2 + Y 2 < 1)
Desarrollo:
a) El valor de k viene dado por:
2
2 X
X
k(x + 1)(y + 1) = 1 = 36k = 1
x=0 y=0
Es decir, k =
1
36
b) Las funciones marginales son:

P (X = x) =
2
X
(x + 1)(y + 1)
36
y=0
x+1
I{0,1,2} (x)
6
y+1
I{0,1,2} (y)
6
y para Y
P (Y = y) =
2
X
(x + 1)(y + 1)
36
x=0

c) La funcion de X condicionada a Y = y es:
P (X = x | Y = y) =
P (X = x, Y = y)
x+1
=
I{0,1,2} (x)
P (Y = y)
6
d ) Las variables son independientes, pues:

P (X = x, Y = y) = P (X = x) P (Y = y)
Para todo x, y = 0, 1, 2.

e) Se tiene que
- P (X + Y > 2) = P (X = 1, Y = 2) + P (X = 2, Y = 1) + P (X = 2, Y = 2) =
7
12
- P (X 2 + Y 2 1) = P (X = 0, Y = 0) + P (X = 1, Y = 0) + P (X = 0, Y = 1) =
- P (X 2 + Y 2 < 1) = P (X = 0, Y = 0) =
5
36
1
36
LATEX
Universidad T
Campus Santiago
3. Sea (X, Y ) una variable aleatoria bidimensional con funcion densidad

fXY (x, y) = 24y (1 x y) I (x, y)
donde = {(x, y) R2 : x + y 1, x = 0, y = 0}
a) Calcular las funciones de densidad marginales.
b) Calcular las funciones de densidad condicionales.

c) Calcular P x + y 34 | x > 21 y P x + y 34 | x 12 .
Desarrollo:
a) Funcion densidad marginal de X:
1x
24y (1 x y) dy
y=1x
12y 2 12y 2 x 8y 3 y=0
y=1x
12y 2 (1 x) 8y 3
fx (x) =
=
=
y=0
3
= 12(1 x) 8(1 x)
fX (x) = 4(1 x)3 I[0,1] (x)

Funcion densidad marginal de Y
1y
Z
fY (y) =
24y (1 x y) dx
x=1y
24xy 12x2 y 24xy 2 x=0
= 12xy (2 x 2y)|x=1y
x=0
= 12(1 y)y (2 (1 y) 2y)
= 12(1 y)y(1 y)
fY (y) = 12y(1 y)2 I[0,1] (x)

b) Funcion de densidad para X | Y = y
fX|Y =y (x) =
fX|Y =y (x) = 2
24y (1 x y)
12y(1 y)2
(1 x y)
I[0,1[ (x)
(1 y)2
Funcion de densidad para Y | X = x

fY |X=x (y) =
LATEX
24y (1 x y)
4(1 x)3
3
Universidad T
Campus Santiago
fY |X=x (y) = 12
y(1 x y)
I[0,1[ (x)
(1 x)3
c) La probabilidad pedida viene dada por:

3
4
Z

3
1
P x+y |x>
4
2

=
1
2
1x
24y(1 x y) dydx +
3
x
4
24y(1 x y) dydx
3
4
1x
1x
24y(1 x y) dydx
1
2
y la otra probabilidad es:

Z
1
2
1x
24y(1 x y) dydx

3
3
1
x
0
4
P x+y |x
= Z 1 Z 1x
4
2
2
24y(1 x y) dydx
0
LATEX
Universidad T
Campus Santiago
a

Pauta
Vectores Aleatorios Discretos

1. En un experimento se necesitan dos Scanners. De los cinco disponibles, dos tienen desperfectos electronicos, otro tiene un defecto de memoria y dos se hallan en buenas condiciones
de operacion. Si se seleccionan dos unidades al azar, determinar:
(a) La funcion de cuanta conjunta de las variables aleatorias X e Y , en donde:
X: N
umero de unidades con defectos electronicos.
Y : N
umero de unidades con defecto de memoria.
(b) Determine la probabilidad de que entre las dos unidades seleccionadas, se produzcan 0
o 1 defectos en total.
(c) Determine la esperanza y la varianza condicional de X dado Y = 0.
(d) Son X e Y variables aleatorias independientes? Justifique!.
Desarrollo:
(a) Sea:
X: N
umero de unidades con defectos electronicos; x = 0, 1, 2.
Y : N
umero de unidades con un defecto en la memoria; y = 0, 1.
Se pide calcular:

fXY (x, y) =
LATEX
2
x

1
y

HSR
5
2
2
2xy

; x+y 2
Universidad T
Campus Santiago
1
10
2
10
3
10
4
10
2
10
3
5
1
10
1
5
3
5
2
5

(b) Se pide calcular: fXY (0, 0) + fXY (1, 0) + fXY (0, 1) =
P(0, 1 o 2 defectos) =
4
2
7
1
+
+
=
10 10 10
10
7
10
(c)
E (X | Y = 0) =
=
2
X
x=0
2
X
xfX|Y =0 (x, y)
x
x=0
= 0
1
10
3
5
= 0+
fXY (x,0)
fY (0)
+1
4
10
3
5
+2
1
10
3
5
2 1
+
3 3
E (X | Y = 0) = 1
LATEX
HSR
Universidad T
Campus Santiago
2
X

E X2 | Y = 0 =
x2 fX|Y =0 (x, y)
x=0
2
X
x2
x=0
fXY (x,0)
fY (0)
= 0
1
10
3
5
= 0+
2 2
+
3 3
+1
4
10
3
5
+2
1
10
3
5
4
3
finalmente la varianza sera:

V(X | Y = 0) = E X 2 | Y = 0 [E (X | Y = 0)]2
4
=
(1)2
3
V (X | Y = 0) =
1
3
(d) Las variables no son independientes, pues:

fXY (0, 0) 6= fX (0)fY (0)
3 3
1
6=
10
10 5
LATEX
HSR
Universidad T
Campus Santiago
Vectores Aleatorios Continuos

1. Sea fXY (x, y) = kxy IR (x, y), donde:

R = (x, y) R2 : 0 2x y , y 3x 6
(a) Encontrar la constante k, para que sea funcion densidad conjunta.
(b) Determinar las funciones mariginales de X e Y .
(c) Calcule E(X) y E(Y ).
(d) Calcule V (X | Y = 1).

1
(e) Calcule P
<x+y <1 .
2
(f) Calcule cov(X, Y ). Que se puede concluir de ella?
Desarrollo:
Para tener una mejor vision de los lmites de integracion, primero, graficamos R.
LATEX
HSR
Universidad T
Campus Santiago
ZZ
(a) Para encontrar k, se debe cumplir que
fXY (x, y) dR = 1
R
kxy IR (x, y) dy dx
Z 2 Z 3x
kxy dy dx
2x
0
Z 2 2 3x
y
dx
x
k
2 2x
0
Z 2

x
k
9x2 4x2 dx
0 2
Z 2
5 3
x dx
k
0 2

2
5 4
k
x
8
0

5 16
k
8
10k
= 1
k=
= 1
= 1
= 1
= 1
= 1
= 1
= 1
1
10
(b) Funcion densidad marginal de X:

Z
Z
fXY (x, y) dy =
3x
1
xy dy
2x 10
y=3x
1 y 2
=
x
10 2 y=2x

1
=
x 9x2 4x2
20
1 3
x
=
4
Rec(y)
1
fX (x) = x3 I[0,2] (x)
4
LATEX
HSR
Universidad T
Campus Santiago
Funcion densidad marginal de Y :

Z
Z
fXY (x, y) dx =
Z 2
1
1
xy dx +
xy dx
y 10
y 10
3
3
x= y
x=2
2

1 2
1 2
+
yx
yx
20
20
x= y3
x= y3
2

y
y2
y2
1
1
y
+ y 4
20
4
9
20
9

2

2
9y 4y
1
36 y 2
1
+ y
y
20
36
20
9

1
1 3
y +
y 36 y 2
144
180
Rec(x)
=
=
=
=
fY (y) =
y
2

1
1 3
y I[0,4] (y) +
y 36 y 2 I]4,6] (y)
144
180
Z
(c) E(X) =
xfX (x) dx, donde fX (x) es la funcion densidad marginal de X.

Rec(x)
1
x x3 dx
0 4
Z
1 2 4
x dx
=
4 0
2
1 x5
=
4 5 0
1
(2)5
=
20
xfX (x) dx =
Rec(x)
E(X) = 1, 6
Z
E(Y ) =
yfY (y) dy, donde fY (y) es la funcion densidad marginal de Y .

Rec(y)
Z
yfY (y) dy =
Rec(y)
=
=
=
=
LATEX
Z 6

1 3
1
y
y dy + y
y 36 y 2 dy
0 144
4 180
Z 4
Z 6

1
1
4
y dy +
36y 2 y 4 dy
144 0
180 4
5 4

6
1
y
y 5
1
3
12y
+
144 5 0 180
5 4

65
45
1024
3
3
+ 12(6)
12(4)
720
5
5
1, 422 + 2, 631
Z
HSR
Universidad T
Campus Santiago
E(Y ) = 4, 05

(d) Se pide V (X | Y = 1), por lo que primero calcularemos fX|Y =1 (x).
fXY (x, y = 1)
fY (y = 1)
1
x (1)
10

1
1
(1)3 +
(1) 36 (1)2
144
180
x

5 + 4 35
10
720
x

145
10
720
x
1450
720
72
x
145
fX|Y =1 =
=
=
fX|Y =1 (x) =
72
x I[0,2] (x)
145
Ahora calculamos E(X | Y = 1) y E(X 2 | Y = 1)

Z 2
72
x
E(X | Y = 1) =
x dx
0 145
2
72 x3
=
145 3 0
576
=
435
E(X | Y = 1) = 1, 324
Z
72
x2
x dx
145
0
2
72 x4
=
145 4 0
1152
=
580
E(X | Y = 1) =
E(X 2 | Y = 1) = 1, 986
LATEX
HSR
Universidad T
Campus Santiago
Finalmente tenemos que V(X | Y = 1) es:

V(X | Y = 1) = E(X 2 | Y = 1) (E(X | Y = 1))2
= 1, 986 (1, 324)2
= 1, 986 1, 753
V(X | Y = 1) = 0, 233

1
(e) Se pide calcular P
y < x < 1 y , para calcular los lmites de integracion, es mas
2
facil graficar la region de la probabilidad pedida, es decir:

Debemos calcular los puntos

de interseccion, de acuerdo al
grafico:
3x =
1
1
x = x =
2
8
2x =
1
1
x = x =
2
6
3x = 1 x = x =
1
4
2x = 1 x = x =
1
3
Luego:

Z 1 Z 3x
Z 1 Z 3x
Z 1 Z 1x
6
4
3
1
xy
xy
xy
P
=
y <x<1y
dy dx +
dy dx +
dy dx
1
1
1
1
2
10
x 10
2x 10
2x
8
2
6
4
= 0, 000402

1
P
y < x < 1 y = 0, 0402%
2

LATEX
HSR
Universidad T
Campus Santiago
(f) Se define cov(X, Y ) = E(XY ) E(X)E(Y ), por lo que solo debemos calcular E(XY ).
Z 2 Z 3x
1
xy xy dy dx
E(XY ) =
10
0
Z 2x
2 Z 3x
1
x2 y 2 dy dx
=
10 0 2x
Z 2 3 3x
1
y
dx
=
x2
10 0
3 2x
Z 2 2

1
x
=
27x3 8x3 dx
10 0 3
Z
19 2 5
=
x dx
30 0
2
19 x6
=
30 6 0
19
64
=
180
E(XY ) = 6, 756
Finalmente la cov(X, Y ) esta dada por:
= 6, 756 1, 6 4, 05
= 6, 756 6, 48
cov(X, Y ) = 0, 276
Por lo que se puede decir que las variables son dependientes (cov(X, Y ) 6= 0) y existe
un relacion directamente proporcional entre ellas (cov(X, Y ) > 0).
LATEX
HSR
Universidad T
Campus Santiago
Extras, Vectores
Un vector aleatorio se define como

X:
R2
(X(), Y ())
los sucesos seran de la forma (X, Y ) A con A R2 .

Distribuci
on conjunta
a) Caso Discreto: X e Y dos variables aleatorias discretas, se define la funcion de probabilidad conjunta de X e Y como
F (X, Y ) :
R2
(X, Y )
[0, 1]
F (X, Y )
debe cumplir que:

i ) F (X, Y ) 0
X
X
ii )
F (X, Y ) = 1
xRec(x) yRec(y)
b) Caso Continuo: X e Y variables aleatorias continuas, si existe una funcion fXY no

negativa e integrable tal que:
ZZ
P ((X, Y ) A) =
fXY (x, y) dA
A
A R2 .
Dicha funcion se llama funcion densidad conjunta de X e Y , y cumple que.
i ) fXY 0
Z Z
ii )
fXY (x, y) dA = 1
| {z }
(x,y)Rec(x,y)
para este caso se tiene que:

2 FXY
fXY (x, y) =
xy
LATEX
HSR
10
Universidad T
Campus Santiago
c) Distribuciones marginales:
i ) de X:
Z
fXY (x, y) dy
F (X, Y ) o
yRec(y)
|{z}
yRec(y)
ii ) de Y :
Z
fXY (x, y) dx
F (X, Y ) o
xRec(x)
|{z}
xRec(x)
Diremos que X e Y son independientes ssi:

fXY (x, y) = fX (x)fY (y)
d ) Funciones condicionales:
i ) de X dado Y
fX|Y =
fXY (x, y)
fY (y)
fX|Y =a =
fXY (x, a)
fY (a)
ii ) de Y dado X
fY |X =
fXY (x, y)
fX (x)
fY |X=a =
fXY (a, y)
fX (a)
e) Esperanza condicional:
Z
fXY (x, a)
dx
fY (a)
Z
fXY (a, y)
ii ) E (Y /X = a) =
y
dy
fX (a)
i ) E (X/Y = a) =
f ) Varianza condicional:
i ) V (X/Y = a) = E (X 2 /Y = a) (E (X/Y = a))2
Z

fXY (x, a)
2
E X /Y = a =
x2
dx
fY (a)
ii ) V (Y /X = a) = E (Y 2 /X = a) (E (Y /X = a))2
Z

fXY (a, y)
2
E Y /X = a =
y2
dy
fX (a)
LATEX
HSR
11
Universidad T
Campus Santiago
g) Algunas propiedades:
i)
ii )
iii )
iv )
E(X, Y ) = (E(X), E(Y ))

E(aX + bY ) = aE(X) + bE(Y )
V(aX + bY ) = a2 V(X) + b2 V(Y ) ; ssi X e Y son independientes.
V(aX + bY ) = a2 V(X) + b2 V(Y ) 2ab cov(X, Y ) ; ssi X e Y son dependientes. y
Z
v ) E(X) =
(x) dx
xf
X
vi ) E(Y ) =
(y) dy
yf
X
Z Z
(x, y) dx dy
vii ) E(XY ) =
xyf
X
LATEX
HSR
12
UniversidadT
ecnicaFedericoSantaMara
DepartamentodeMatematica
do
TALLER 3
Semestre de 2010
Profesor
:
Ayudante :
F. Gonzalez
P. Hidalgo
1. Un experimento consiste en lanzar una moneda cuatro veces, cada lanzamiento es independiente
del otro y con igual probabilidad de exito p. Encuentre la funcion distribucion de frecuencia y la
funcion distribucion acumulada de las variables:
a) N
umero de caras menos n
umero de sellos.(8 puntos)
Resultados posibles:
4C
3C
2C
1C
0C
0S
1S
2S
3S
4S
Respuesta:
X : N de caras menos n de sellos. p =Probabilidad de obtener cara, 1 p =Probabilidad de
obtener sello. Con p = 1 p
X = {4, 2, 0, 2, 4}

4 4
p (1 p)44 = p4
P (X = 4) =
4

4 3
P (X = 2) =
p (1 p)43
3

4 2
P (X = 0) =
p (1 p)42
2

4 1
P (X = 2) =
p (1 p)41
1

4 0
P (X = 4) =
p (1 p)40 = p4
0
x
4
P (X = x) p4
MAT032
4
1
2
p (1 p)41
1
4
2
0
p (1 p)42
2
4
3
2
4
43
p (1 p)
p4
3
UniversidadT
a) N
umero de caras oir n
umero de sellos.(8 puntos)
Y : N de caras por n de sellos.
Y = {0, 3, 4}
P (Y = 0) = P (4C 0C)
P (Y = 0) = p4 + p4
P (Y = 3) = P (3C 1C)

4 3
4 1
43
P (Y = 3) =
p (1 p)
+
p (1 p)41
3
1
P (Y = 4) = P (2C)

4 2
p (1 p)42
P (Y = 4) =
2
y
0
4
P (Y = y) p + p4
MAT032
4
3
43
p (1 p)
3
+
4
1
41
p (1 p)
4
2
4
p (1 p)42
2
UniversidadT
2. Suponga que los motores de un aeroplano operan de forma independiente y fallan con probabilidad
igual a 0, 4. Suponga que un avion tiene un vuelo seguro si al menos la mitad de sus motores
funciona. Determine que avion tiene mas alta probabilidad de un vuelo seguro: uno de cuatro
motores o uno de dos.(12 puntos)
Respuesta:
Si definimos X como el evento donde un avion falla:
Para un avion de 4 motores:
P (X 2) =
x=2
X
4
x=0
0, 4x 0, 64x = 0, 82
Para un avion de 2 motores
P (X 1) =
x=1
X
2
x=0
0, 4x 0, 62x = 0, 84
Por lo tanto, un avion con 2 motores tiene mayor probabilidad de un vuelo seguro.
MAT032
UniversidadT
3. El diametro X de un cable electrico es una v.a. con densidad
f (x) =c (1 x)
con 0 < x < 1.
a) Determine el valor de la constante c. (5 puntos)
Z1
(1 x) dx =1
c
0
c =R 1
0
1
(1 x) dx
1
2
x x2 |10
1
=2
1 21
b) Encuentre F (x).(8 puntos)

Zx
2(1 x)dx
F (x) =
0
x2
F (x) = 2 x
2

F (x) =
0
2x x2
1
= 2x x2
x<0
0<x<1
x1
c) Determine b de modo que P (X < b) = 2P (X b).(7 puntos)

Zb
Zb
(2 2x) dx =2 1
0
MAT032
(2 2x) dx
UniversidadT
Zb
(2 2x) dx =2
3
0

3 2b b2 =2
3b2 6b + 2 = 0
b=
36 24
6
b =0, 42
d ) Calcular P (X < 1/2|1/3 < X < 2/3).(8 puntos)
R 1/2
P (1/3 < X < 1/2) 2 1/3 (1 x)

= R
=
P (1/3 < X < 2/3) 2 2/3 (1 x)
x
1/3
MAT032
x2
2
|1/3
x2
2
|1/3
1/2
2/3
0, 097
= 0, 61
0, 16
UniversidadT
4. La duracion (en horas) de una componente eletronica es una variable aleatoria T [h] cuya distribucion se describe de la siguiente forma, X = lnT , donde la variable aleatoria tiene distribucion
normal con = 2,0 y = 0,5.
a) Calcule la probabilidad que el tiempo de vida de la componente sea inferior a 10 h.(7 puntos)
P (T < 10) =P (lnT < ln10)
=P (X < ln10)
=P (
X 2
ln10 2
<
)
0, 5
0, 5

=
ln10 2
0, 5
=0, 727
b) Calcule la probabilidad que el tiempo de vida de la componente este entre 5 h y 10 h.(7
puntos)
P (5 < T < 10) =P (ln5 < lnT < ln10)

=P
ln10 2
X 2
<
0, 5
0, 5
ln10 2
0, 5
ln5 2
X 2
<
0, 5
0, 5
ln5 2
0, 5
=0, 727 0, 217
=0, 51
MAT032
UniversidadT
c) Encuentre el valor tc de la duracion tal que con probabilidad 0,01 la componente duras mas
de tc [h].(8 puntos)
P (T > tc ) =0, 01 1 P (T tc ) = 0, 01
P (T tc ) =0, 99
P (lnT lntc ) =0, 99

lntc 2
=0, 99
P Z
0, 5

lntc 2
0, 5

=0, 99
lntc 2
=2, 33
0, 5
lntc =2, 33 0, 5 + 2
tc = e3,165 =23, 68
MAT032
UniversidadT
5. Un individuo dispara dardos sobre un blanco circular de radio r > 0. Suponga que la probabilidad
de que el dardo caiga en un circulo concentrico (centrado en el origen) es proporcional al area de
dicho crculo. Sea X la distancia desde la posicion en que el dardo impacta el tablero y su centro.
a) Obtenga la funcion de distribucion acumulada, funcion densidad y valor esperado de X.(8
puntos)
Sea X la distancia desde el impacto al centro.
Definimos su funcion densidad como fX (x) = k x2 con 0 < x < r
1
=
0 x2 dx
k=
1
Rr
k=
fX (x) =
x3
3
|x=r
x=0
3
r3
3
x2 0 < x < r
r3
3
F (x) = 3
r
Zx
x2 dx
3
F (x) = 3
r
3
r3
x3
+a
lm
xr 3
3
F (x) = 3
r
3
E(x) = 3
r

x3
+ a |x=x
x=0 , 0 < x < r
3
Zr
x3
3

=1a=0

=
x3
,0 < x < r
r3
3
x x dx = 3
r
2
x4
4
|x=r
x=0
3
E(x) = 3
r
MAT032
r4
4

=
3r
4
8
UniversidadT
a) Calcule la probabilidad de que el dardo aterrice a una distancia (j 1)r/4 y jr/4 del origen
j = 1, 2, 3, 4.(7 puntos)
Para j = 1 Implica que el dardo aterrice en el centro del tablero y a r/4.
F (x = 0) =0
F (x = r/4) =
1
43
1
43
Para j = 2 Implica que el dardo aterrice en r/4y a r/2
P (0 < x < r/4) =
F (x = r/2) =
1
23
1
1
23 43
Para j = 3 Implica que el dardo aterrice en r/2 y 3r/4
P (r/4 < x < r/2) =
F (x = 3r/4) =
33
43
P (r/2 < x < 3r/4) =
33
1
43 23
Para j = 4Implica que el dardo aterrice en 3r/4 y r

F (x = r) =1
33
43
b) Si se sabe que el dardo aterrizo a una distancia inferior a r/2 del centro Cual es la probabilidad de que haya cado a una distancia menor que d, con 0 < d < r/2?(7 puntos)
P (3r/4 < x < r) =1
P (X < r/2) = F (x = r/2) =

P (0 < d < r/2) =
P (x < d|x < r/2) =
MAT032
1
23
1
23
1/23
=1
1/23
9
do
TALLER 4
Semestre de 2010
Profesor
Ayudante
: F. Gonzlez
: P. Hidalgo
1. Un combustible para clientes va a contener cierto porcentaje X de

un compuesto muy particular. Las especicaciones determinan que X
debe estar entre 30% y 35%. El fabricante tendra una utilidad neta
por galn de combustible que es funcin en trminos de X :
T (x) = U S$0.10 por galn, si 30 < X < 35
T (x) = U S$0.05 por galn, si 35 < X < 40 25 < X < 30
T (x) = U S$ 0.10 por galn para otros porcentajes.
(a) Si X se distribuye N (33, 9), calcular E(T )
(b) Suponga que el fabricante desea aumentar su utilidad esperada
en 50% aumentando su utilidad por galn en aquellas partidas
de combustible que satisfacen las especicaciones de 30 < X <
35 Cul debe ser su utilidad neta por galn que cumple dichas
especicaciones?
Desarrollo:
a)
P (30 < X < 35) = P (X < 35) P (X < 30)

30 33
35 33
P Z <
=P Z<
3
3
= (0, 667) (1) = 0, 74 0, 15 = 0, 59
P (35 < X < 40) = P (X < 40) P (X < 35)

MAT032

40 33
35 33
=P Z<
P Z <
3
3
= (2, 33) (0, 667) = 0, 99 0, 74 = 0, 25
P (25 < X < 30) = P (X < 30) P (X < 25)

30 33
25 33
=P Z<
P Z <
3
3
= (1) (2, 667) = 0, 15 0, 003 = 0, 147
E(T ) = 0, 59 0.10 + 0, 25 0.05 + 0, 147 0.05 + 0, 013 0.10 = U S$0.077
b)
E(T )0 = 1, 5 0.077 = U S$0.116
0.116 = 0, 59 x + 0, 25 0.05 + 0, 147 0.05 + 0, 013 0.10
x =U S$0.165
Aumenta en U S$0.065
MAT032
2. La funcin densidad de la v.a. X viene dada por:

f (x) = k

x2
x
I[0,2] (x) + e I[2,[ (x)
2
(a) Determinar la funcin generadora de momentos de X .

(b) Encontrar V (X)
Desarrollo
a)
ext
E(eXt ) = k
x
dx +
2
xt
ext ex dx
xt
e
xdx +
t
xt
1
e
e
= x2 |20 2 x 2 |20
2
t
t
ex(1t) dx
2
xt
1
e
= x2 |20 2
2
t
x(1t)
e
+ e
dx
|
t2
t1 2
xt

xt

1 2 ext 2
e 2 ext 2
ex(1t)
|0 2 x 2 |0 3 |0
|
= x
+
2
t
t
t
t1 2
1
=
2

2t

2t
4e2t
2e
e2(1t)
1
e
0 2
+ 0
0 3 3
t
t2
t
t
t1
2e2t 2e2t e2t

1
e2(1t)
2 + 3 3+
=
t
t
t
t
1t
MAT032
ke2t
Mx (t) =
t
1
1
t
2
2 + 2 2 2t +
t t
te
(1 t)e2
b) V (X) = E(X 2 ) (E(X))2
E(X) = k
x
dx +
2
= k
xex dx
2
x 2
| + xex |
2 +
8 0
ex dx

=k
x4 2
x
| xex |
2 e |2
8 0
E(X) = k 2 + 3e2
x2
E(X 2 ) = k
x
dx +
2
= k
x2 ex dx
x 2 2 x
| + x e |2 + 2
10 0
xex dx
= k
x 2 2 x
| + x e |2 + 2 xex |
2 +
10 0
ex dx
MAT032

=k
x5 2
x
x
| x2 ex |
2 2xe |2 2e |2
10 0
E(X ) = k
16
+ 10e2
5

4
2
4
k + 2e (5 6k) 9ke
V (X) = k 4
5
k=
3e2
4e2 + 3
3. Considera una circunsferencia de radio r = 1 y centro O. Un ngulo

es elegido al azar en el primer cuadrante. Sea A el punto sobre la
circunsferencia que forma un angulo con la horizontal. Desde A se
traza una recta perpendicular al eje horizontal. Esta recta corta la
circunsferencia en el punto B . Sea Q el punto medio del segmento AB .
Encuentre la funcin densidad del largo del segmento AQ.
MAT032
Desarrollo
Del grco, tenemos que : sen = M1 , por lo que la relacin existente
entre el ngulo y el segmento es: M = sen. Adems notar que
U [0, 2 ] (primer cuadrante), cuya funcin distribucin es:
F () =
1
d
0
Sea m[0, 1],entonces:

FM (m) = P (M m)
= P (sen m)
= P ( arcsin(m))
= F (arcsin(m))
arcsin(m)
Derivando se tiene:
0
dFM (m) 2
= (arcsin(m))
dm
2
=
1 m2
2
fM (m) =
,0 m < 1
1 m2
MAT032
Pauta Taller 4 de Mat 042

Problema 1. (35 Puntos).
Supongamos que
es una variable aleatoria que toma valores en N.
a) Comprobar que
. (15 puntos)
ssi
Solucin:
Recordemos que:
Por lo tanto,
b) Comprobar que
Solucin:
Queda demostrado
ssi
(10 puntos)
ssi (
c) Comprobar que
(10 puntos)
Solucin:
Entonces,

Para completar la coleccin de pegatinas de un lbum de N pegatinas diferentes , vamos cada
maana al Kiosco y compramos un sobre . Al inicio vamos teniendo diferentes pegatinas, pero en
la medida que vamos completando el lbum las pegatinas comienzan a repetirse. Supongamos
que la variable aleatoria
Nmero de sobres a abrir dado que tenemos j-1 primeras pegatinas, para
obtener la pegatina j.
a) Probar que
(20 puntos)
Solucin:
En cada sobre solo hay una pegatina. El nmero de sobres para obtener la primera
pegatina ser
ya que la primera vez que se abre un sobre todas las lminas sern
nuevas.
Luego de obtener la primera pegatina, las siguientes compras de sobres sern ensayos
independientes Bernoulli en donde el xito ser obtener una pegatina distinta a las j
pegatinas anteriores. Entonces la probabilidad de xito es
variable aleatoria
{
Luego para todo j>1, si
(
)
Los ensayos son independientes unos de otros, por lo tanto,
. Definimos una
b)
Simulando la forma de clculo de la media para datos agrupados, encontrar, en promedio,

cuntas compras hemos de realizar. (15 puntos)
Solucin:
{
[ ]
[ ]
[ ]
[ ]
Sea X n una variable aleatoria Bin(n, p). Haciendo p
demuestre que la distribucin de
lim n X n es P( ). (Poisson de parmetro )
Solucin:
( )
(
Haciendo
(
( )
( )
( )
( )
Recordar que,
(
Por otro lado determinamos que,

(
*
)
+
Adems,
*
Por lo tanto,
*
[(
) (
Pauta Taller 3
Problema 1. (20 puntos)
Supongamos que la probabilidad de encontrar una mujer morena
-
P(m / s) 0.7 .
en Centroamrica P(m / c) 0.9 y
en Amrica del Norte P(m / n) 0.4
en Sudamrica sea
Ahora bien; se realiza un concurso de belleza para elegir Mis Amrica. De las participantes el
30% son sudamericanas, el 20% de Centroamrica y el 50% restante del norte.
a) Complete la tabla bivariada (la fila y columna ltima son las probabilidades marginales).
(10 puntos)
(
( )
( )
( )
( )
)
( )
( )
( )
( )
morena
No morena
Pas
(
(
(
)
)
)
Sudamrica
0,21
0,09
0,3
Centroamrica
0,18
0,02
0,2
Norteamrica
0,2
0,3
0,5
tez
0,59
0,41
1
Son dependientes o independientes el color de tez con pas de origen?

Si
En el problema P(sudamericana)*P(morena)=0,177
P(Sudamericana y Morena)=0,21
Por lo tanto el color de tez es independiente al pas de origen ya que 0,177 es diferente
a 0,21
b) De golpe a Ud. le presentan una morena de qu parte del continente es ms probable que
provenga? (10 puntos)
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
Es ms probable que provenga de Sudamrica.
( )

Un inversionista en bienes races quiere elegir entre tres opciones para invertir US$400.000:
a1 : invertir los 400.000 en un complejo de apartamentos de 50 unidades.
a 2 : invertir 200.000 en un complejo de apartamentos de 20 unidades e invertir los otros

200.000 en un fondo monetario que proporcionar un rdito promedio de 14%.
a 3 : invertir los 400.000 en un fondo monetario que tendr un rdito promedio de 14%.
Segn la opinin del inversionista, el xito de la inversin en los apartamentos depende del
estado del mercado del alquiler habitacional, medido por el nmero de personas, por cada
1000 inquilinos con ingresos altos, que quisieran rentar un apartamento en uno de los dos
complejos. El inversionista caracteriz estos estados como sigue:
s1 : 1 por cada 1000
s 2 : 2 por cada 1000

s 3 : 3 por cada 1000
La tabla elaborada por el inversionista muestra las ganancias (en miles de dlares) basadas en
los rditos para un perodo de 5 aos ajustado por impuestos. A partir de un anlisis del
mercado asign esas probabilidades a los tres estados:
a1
a2
a3
s1 P(s1 ) 0.4
s 2 P(s2 ) 0.4
s 3 P( s3 ) 0.2
-170
50
480
-50
110
210
105
105
105
a) Cul ser la ganancia promedio por inversin? Cul ser la mejor inversin?
(6 puntos)
(
(
)
)
La mejor inversin ser la opcin 3.
b) El inversionista insatisfecho encarga realizar un muestreo. El muestreo se hizo

aleatoriamente a 3000 inquilinos con ingresos altos, en el rea, y encontr que 6 de
ellos afirmaron que rentaran uno de los nuevos apartamentos cuando fueran
construidos y determin:
P( X 6 / s1 ) 0.05 ; P( X 6 / s2 ) 0.16 ; P( X 6 / s3 ) 0.09

i)
Determinar P( si / X 6) i 1,2,3 (7 puntos)
Primero determinamos la probabilidad de X=6:

(
(
)
)
Ahora podemos determinar las probabilidades que nos piden:

(
)
( )
(
)
(
)
(
)
( )
(
)
(
)
(
)
( )
(
)
(
)
ii)
Cul ser la ganancia promedio por inversin sabiendo que estos 6 inquilinos
rentar uno de los nuevos apartamentos? (7 puntos)
(
(
)
)

El crecimiento de una colonia de abejas est determinado por la siguiente ecuacin:
230
1 e t
Donde y representa el nmero de abejas y t el tiempo medido en meses. Se obtuvieron los

siguientes datos.
t
y
1
5,746
13
157,496
Determine una estimacin de y .
23
227,412
33
229,935
53
210,000
63
215,000
t
Z
1
229,00
13
16,69
23
9,00
33
5,97
53
3,34
Al introducir los datos a la calculadora:
Por lo tanto el modelo a ajustar es:
Sumas Cuadrado
Regresin
16,269
Residual
60,808
Total
77,077
R Square
,459
,211
63
2,65

n
Demuestre que la varianza residual S e2
S (1 r ) S
2
e
2
Y ;
(y
i 1
yi* ) 2
*
; yi axi b es equivalente a
donde S es la varianza de Y.
2
Y
Determine la varianza residual del problema 3.

(
Sabemos que
((
))
))
)(
y que
(
Queda demostrado.
Determine la varianza residual del problema 3.
Recordar que :
n
R2
( y
y) 2
(y
y) 2
i 1
n
i 1
(
(
(
)
(
(
(
)
)
)
)
En el problema 3
(
)
)

Una compaa de seguros considera que el nmero de vehculos (y) que circulan por una
determinada autopista a ms de 120 km/h , puede ponerse en funcin del nmero de
accidentes (x) que ocurren en ella. Durante 5 das se recab la informacin que se resume:
Determine la ecuacin de la recta ajustada y determine el nmero de vehculos

correspondiente a 7 accidentes.
)
) (
La ecuacin de la recta ajustada ser:
Por lo tanto el nmero de vehculos que circulan por la autopista a ms de 120 km/h
correspondiente a 7 accidentes es:

2009.2 - Control 2 Pauta MAT-042

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

2009.2 - Control 2 Pauta MAT-042

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2009.2 - Control 2 Pauta MAT-042

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

0 0,8e + 0,4e dx, si x >0

0,8 0 e d + 0,4 0 e dx, si x >0

Luego, la utilidad esperada es

Ayudanta 8 MAT-042 S1 2010

De lo anterior definimos en el suceso:

2. Sea X N (, 2 ), si = 0 y 2 = 1, demuestre que Y = X 2 se distribuye (, ). Ademas

funcion Gamma es de la forma:

por lo que escribiremos la funcion densidad de Y de dicha forma.

fY (y) = y 2 1 e 2 y IR+ (y)

Haciendo el siguiente cambio de variables:

3. Sea X N (, 2 ), si Y = aX + b, donde a, b R, demuestre que Y N (a + b, a2 2 )

Sea FY (y) = P (Y y), sabiendo esto desarrollamos:

Reemplazando en la funcion densidad de X tenemos:

4. Un circuito transfiere corriente desde A a B mediante los nodos 1, 2, 3 y 4. Estos nodos se

Luego, su funcion de distribucion de probabilidad acumulada esta dada por:

para > 0 y > 0

A partir de este resultado, podemos obtener su fucion densidad, derivando:

para t 0, > 0, > 0

5. Considere una variable aleatoria Z con funcion densidad dada por:

(b) Por definicion:

(c) Ocuparemos la definicion de cambio de variable:

derivando tenemos que:

Universidad Tcnica Federico Santa Mara

Variables Aleatorias Continuas

Calcule la constante k para que sea funcin densidad.

Donde es la funcin distribucin normal (0, 1)

interceptando el recorrido de x con los lmites de la integral se tiene que:

lo anterior se obtiene haciendo integracin por partes y deniendo:

aplicando L'H se tiene:

por lo que tenemos:

lo anterior se obtiene haciendo integracin por parte y deniendo:

z = tenemos algo de la forma

, por lo que es necesario calcular lim ze 2 .

aplicando L'H se tiene:

por lo que tenemos:

Por lo que nalmente tenemos que:

P (X < 20) = 0, 7135

P (X < 25 | X > 5) = 0, 7135

4. Sea x una V.A.C. con funcin densidad:

fX (x) = 2xex I[0,[ (x)

(a) Determinar la funcin densidad de Y = X 2 , donde X tiene funcin densidad fX (x).

(b) Por demostrar que:

se demuestra que fY (y) es funcin densidad.

por lo que debemos calcular:

(La integracin por partes realizada es: u = y du = dy y dv = ey dy v =

tenemos algo de la forma

aplicando L'H se tiene:

V (y), se dene la varianza como: V (y) = E (y 2 ) (E (y))2 . Por lo que debemos

notar que cuando y = 0 no hay problemas en ver que y 2 ey = 0, pero cuando

aplicando L'H se tiene:

Es decir, el costo medio es de 500000 pesos

tiene distribucin N (0, 1) si X N (, 2 )

Funcin generadora de momentos para la funcin densidad normal (, 2 ):

Ocuparemos esta denicin para desmotrar lo pedido.

Nota: F debe ser creciente en [0, 1] para que exista FX

Variables Aleatorias Continuas

Para que X sea un V.A.C. debe cumplir que:

lo anterior se obtiene haciendo integracin por partes y deniendo:

lo anterior se obtiene haciendo integracin por parte y deniendo:

Por lo que nalmente tenemos que:

V (y), se dene la varianza como: V (y) = E (y 2 ) (E (y))2 . Por lo que debemos

Ocuparemos esta denicin para desmotrar lo pedido.