Professional Documents
Culture Documents
____________________________________________________________________________________________
Fgm********************
3.5.3.- Ejemplo
La distribucin geomtrica se puede asociar al experimento (con
devolucin) de obtener el primer xito en la n-sima repeticin.
Suponga una mquina que produce un ! de art"culos de#ectuosos. $
la l"nea de produccin de esta mquina se revisa si los art"culos son no
de#ectuosos (%) o de#ectuosos (&)' el experimento conclu(e una ve) que
se *a encontrado el primer art"culo de#ectuoso.
Los casos posibles son +
&
%&
%%&
%%%&
%%%%&
...
%%%...%%%%&
&e#inamos nuestra v.a.d. , - .x
i
/ 01l art"culo i es de#ectuoso02.
&ebido a que ser bueno o de#ectuoso son sucesos independientes3
cada uno con probabilidades 4.56 ( 4.4 respectivamente3 la #uncin
de cuant"a queda de#inida por+
p(x
i
x x
i i
) . .
q p
1 1
0 ! 0 0"
7or lo tanto se puede decir que , se distribu(e como una geomtrica3
esto se anota como+
XGEO (0.07)
3.6.- Distribucin Pscl (o !inomil "e#ti$)
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
11*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
7ara una %istribucin %e Pscl3 se tiene en general+
7(x) - 7(,-x) -
x-8
9
r-8
p
r
q
x-r
' x - r3 r:83r:;3 r:63 <
&onde+
p es la probabilidad de que ocurra un suceso =
q es (8-p)
, - x s" ( slo s" = ocurre en la x-sima repeticin ( precisamente =
ocurri (r -8) veces en las (x-8) repeticiones previas.
1s posible obtener una generali)acin obvia de la distribucin geomtrica.
Supongamos que un proceso se contin>a *asta que un evento = ocurre por
r-sima ve)3 en la n-sima ve) que se reali)a el experimento. Si de#inimos+
7(=) - p , 7(=
c
) - q - 8-p
en cada una de las repeticiones3 de#inimos la variable aleatoria , como
sigue+
, es el n>mero de repeticiones necesarias para que = ocurra por
r-sima ve) en la n-sima ve) que se reali)a el experimento. %uscamos la
distribucin de probabilidades de ,.
=*ora ,-? s" ( slo s" = ocurre en la ?-sima repeticin ( precisamente =
ocurri (r-8) veces en las (?-8) repeticiones previas. La probabilidad de este
evento es simplemente+
+,1
r ,1
r,1 +,r
_
,
p q
(a que lo que sucede en las primeras (?-8) repeticiones son independientes
de lo que sucede en la ?-sima repeticin3 se obtiene
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
11
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( )
_
,
+
+,1
r ,1
- + .r- r /1- ...
r +,r
p q
1s mu( sencillo ver que para r-83 lo anterior se reduce a la distribucin
geomtrica. @na variable aleatoria que tenga una distribucin dada por la
ecuacin anterior3 se conoce como &istribucin de 7ascal.
Si , tiene una &istribucin de 7ascal entonces3
3.6.&.- ' Espern( es
1(,)-r/p.
3.6.).- ' *rin( es
A(,)-rq/p
;.
*********************************************************
3.7.- Distribucin %e Poisson.
1sta distribucin es un caso l"mite de la binomial. Suponemos p pequeBo (
n grande3 de modo que el producto np tienda a un valor #inito.
@sualmente se asocia a una &istribucin de 7oisson cuando se conoce un
promedio por unidad de tiempo.
&e la binomial se tiene+
( )
i i
x , n x
i
i i
, 1
x
n
. ) x . P(0 . ) p(x p p
,
_
pues
3 x
e
. x
0 . x
x
)
3.7.&.- ' Espern( es
[ ] n . p
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
( )
3 x
e
. ) , 1
x
n
p( $ i '
i
, x
n
x , n x
i
i
i i
,
_
p p
) ( 4
3 x
e
. ) p(x
n5 ..- 60-1-1-!-.
i
, x
i
i
i
x
0 7 - 1 . e e .
3 x
e
,
. x
0 . x
x
,
111
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
3.7.).- ' *rin( es
( ) 8
3.7.3.- +uncin #enertri( %e momentos
) 1 (
) (
t
e
x
e t
3.7.,.- Ejemplos
&.-1l n>mero promedio de part"culas radiactivas que pasan a travs de un
contador durante un milisegundo en un experimento de laboratorio es E.
F9ul es la probabilidad de que entren G part"culas al contador en un
milisegundo determinadoH
Solucin: @tili)ando la distribucin de 7oisson con x-G ( -E3 se tiene+
9
0 x
:
0 x
9 ;
10;1 - 0 "*:1 - 0 **! - 0 ) ; < x ( p ) ; < x ( p
3 9
; e
) ; < 9 ( p
).- Se sabe que 8C es el n>mero promedio de camiones-tanque de aceite
que llegan por d"a a una cierta ciudad portuaria. Las instalaciones del
puerto pueden atender cuando muc*o a 8I camiones tanque en un d"a.
F9ul es la probabilidad de que en un determinado d"a se tengan que
regresar los camiones-tanqueH
Solucin+ Sea , + el n>mero de camiones-tanques que llegan por d"a.
7(x>8I) =
) 1: x ( P 1
1:
0 x i
x 10
3 x
10 e
1
i
0;*" - 0
:1! - 0 1
0
= # 4> 4>
t
0
( t ) . ? @ e
t0
A. e
tx
i
%
x
(x
i
)
i
nota:
1. t D :
d (t)
dt
+
0
+
2.
X
( t=0 )=1
3. Vemos que la f.g.m.
X
cumple con:
B
r
. ? @ 0
r
A .
d (t)
dt
r
0
r
t.0
dx x I x f
D X
DE+/"/./0"8
Se de#ine la #uncin de &istribucin como la #uncin
X
F = 4> [0- 1CCCCCCCCCCCCCCCCCC
que satis#ace las siguientes condiciones+
i .-
0 ) ( X F
ii.-
1 ) ( X F
iii.-
x
(!) es una #uncin no decreciente x JX
iv .-
x
(!) es una #uncin continua por la derec*a.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!:
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
4eorem8
Sea , una v.a.c. con #.d.p. #
A
(x) ( sea F
A
la #uncin dada por
!
(!) =
x
D X
dx x I x f ) ( ) (
entonces F
A
es una #uncin de &istribucin.
4eorem8
Sea , una v.a.c. con #.d.p. #
A
(x) ( sea F
A
la #uncin dada por
F
x
(x) - J7 (, x) entonces F
A
es una #uncin de &istribucin
.orolrio8
Sea X una v.a.c. con f.d.p. f
x
(!) entonces:
F
x
(x) . 4P (0 x) .
x
D X
dx x I x f ) ( ) (
4P (0 D) .
b
D X
dx x I x f ) ( ) (
4P (0 a) .
+
a
D X
dx x I x f ) ( ) (
4P (a 0 D) . 4P (a E 0 D) . 4P (a 0 E D)
4P (a 0 D) . 4P (a E 0 E D) .
b
a
D X
dx x I x f ) ( ) (
4P ( 0 . D) .
b
b
D X
dx x I x f ) ( ) (
.0 D 4>
3O3E"4O5 PO!'2./O"2'E5
Los momentos sirven para caracteri)ar una &istribucin3 (a que por
medio de estos se obtienen valores representativos de ella3 se destacan la
1speran)a ( la Aarian)a.
DE+/"/./0"8
Se de#ine el momento de orden r ( r ) como el n>mero dado por+
\
r
- J1O,
r
P-
+
dx x I x f x
D X
r
) ( ) (
<
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!9
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
DE+/"/./0"8
1l momento de orden uno se conoce como la 1speran)a
Datemtica (o simplemente 1speran)a) de la variable aleatoria continua
,3 al valor de#inido como+ J1O,P - \
8
"ot8 la 1speran)a es un promedio que se espera que suceda.
DE+/"/./0"8
Se de#ine momento centrado en la 1speran)a de orden r ( r )
como el n>mero dado por+
r
-J1O(,- J1O,P )
r
P-
+
dx x I x f X IE x
D X
r
) ( ) ( )) ( (
<
DE+/"/./0"8
Se de#ine la Aarian)a de la variable aleatoria continua X como el
n>mero positivo+
)
-Aar O,P -
;
- 1O,
;
P - (1O,P)
;
- \
;
- (\
8
)
;
"ot8
) ( X C
V
Obs.8
Wambin se puede de#inir la 1speran)a de una #uncin g(x) de la
siguiente #orma+ sea , un v.a.c. con #uncin de densidad probabil"stica
X
f
( sea
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
g + & JX JX3 una #uncin continua tal que
) (M X
& 3
entonces s"
dx x I x f x g
D X
) ( ) ( ) (
E-
se de#ine la 1speran)a de g(x) como el n>mero dado por+
[ ] dx x I x f x g x g IE
D X
) ( ) ( ) ( ) (
(CC)
Nota:
1. S" g(!)=X
(##) da la $spe%an&a de X :
[ ] X IE
'. S" g(!)=X
1
(##) da la $spe%an&a de X
1
: [ ]
1
X IE
(. S" g(!)=(X -)$
[ ] X
)
1
(##) da la va%"an&a de X :
[ ] X V
P1OP/ED2DE5
1. )$[*X] = *)$[X]
k
constante.
2. )$[*] = *
k
constante.
3. )$[X+,] = )$[X]+)$[,] X e , v.a.
4. )$[aX+-,] = a)$[X]+-)$[,] X e , v.a. y a,-
constantes.
5. )$[X,] = )$[X])$[,] s" X e , son v.a. "ndepend"entes.
6. V[*X] = *
1
V[X]
k
constante.
7. V[*] = 0
k
constante.
8. V[X+,] = V[X]+V[,]+'./V(X,,) X e , v.a.
. V[X+,] = V[X]+V[,] s" X e , son v.a. "ndepend"entes.
1!. V[aX+-,] =a
1
V[X]+-
1
V[,]+'a-.ov(X,,) X e , v.a. y
a,- ctes.
11. ( )
i
"
i
i i
"
i
i
X IE X IE
1
]
1
1 1
X
i
v.a. y
i
con "=1,'......n
constantes.
1'. ( ) ) - ( 1
1 1
# i #
# i
i i
"
i
i i
"
i
i
X X C$% X V X V
<
+
1
]
1
################
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
+-"./0" GE"E12DO12 DE 3O3E"4O5
&ebido a la importancia de obtener rpidamente los valores
caracter"sticos de una distribucin3 se utili)a la #uncin generadora de
momentos. Se de#ine la #uncin generadora de momentos ( #.g.m.)
,
(t)
como+
Sea , v.a.c. (
0
= # 4> 4>
t
0
( t ) . 4? @ e
t0
A.
+
< dx x I x f e
D X
tX
) ( ) (
nota:
1. t D :
d (t)
dt
+
0
+
1.
X
( t=0)=1
2. Vemos que la f.g.m.
X
cumple con:
0 . t
r
0
r
dt
(t) d
) (
r
r
X IE
de all" el nombre de #uncin generadora de momentos.
'2 D/541/!-./0" "O132'
Se dice que una variable aleatoria , se distribu(e normalmente si su
#uncin de densidad de probabilidad est dada por+
) (
1
1
) (
1
1
1
) (
x I e x f
IR
x
X
donde ( IR ) ( ( IR
:
) son constantes.
Los parmetros de la distribucin normal son ( 3 que pertenecen a
la media ( la desviacin estndar de la v.a.c. ,. La distribucin normal es
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
simtrica con respecto a 3 ( tiene #orma de campana para cualquier valor
de ( . 7ara que #
,
(x) sea una #uncin de densidad de probabilidad3
debe cumplir lo siguiente+
1 ) ( dx x f
X
' Espern( ( l *rin( de la distribucin normal se de#inen
como+
,
_
dx e
x
x IE
x
1
1
1
1
) (
( )
1 1 1 1 1 1
) ( ) ( ) ( + X IE X IE x V
7ara denotar que una variable aleatoria , se distribu(e normalmente con
parmetros ( 3 se anota + , M( '
;
). La probabilidad de que una
variable aleatoria continua distribuida normalmente sea menor o igual a un
valor especi#ico x
C
3 sta determinado por la #uncin de &istribucin
acumulada+
,
_
0
1
1
1
0 0
1
1
) ( ) (
x t
X
dt e x F x X I&
1ste valor ser"a imposible de calcular3 (a que existen in#initos valores
para el par ( 3 para ello se recurre a la trans#ormacin ]-( x - )/3
donde ] es una variable aleatoria estandari)ada con - C ( - 8' con lo
cual queda+
) 1 - 0 (
1
1
) ( ) (
1
1
1
0
x
'
d' e
x
( I& x X I&
7ero esta variable aleatoria estandari)ada con - C ( - 83 no
permite calcular la J7robabilidad directamente pues la antiderivada no
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;0
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
existe3 pero existen tablas que permiten calcularla (ver la tabla Mormal en el
apndice).
E>E1././O5 1E5-E'4O5 DE '2 D/541/!-./0" "O132'
1. 1n el proceso de elaboracin supngase que el dimetro externo de
cierto tipo de coRinetes se encuentra aproximadamente distribuido
normal con - 63I cm. ( - C3C; cm. Si el dimetro de estos coRinetes
no debe ser menor de 63E cm. ni ma(or de 63I6 cm. F9ul es el
porcentaRe de coRinetes que debe desec*arse durante el proceso de
manu#acturaH
5olucin8
Sea , la v.a.c. asociada al dimetro3 donde ,M (63I'C3CCCE)
La probabilidad de que no se rec*asen los coRinetes es cuando x est entre
63E ( 63I6.
J7 (63E x 63I6) - J7( , 63I6) ^J7(, 63E)
1standari)ando ( usando la tabla se obtiene que
J7 (63E x 63I6) - ( 83I) - ( -83I) - C3566; ^ C3CGGK - C3KGGE
Xesp.+ @n KG3GE! de los coRinetes cumple con las indicaciones3 entonces3
el 8636G! debe desec*arse.
). 5upon# Bue un instrumento tiene un %urcin 4 (en uni%%es %e
tiempo) Bue pue%e socirse un $..c. Bue tiene ?uncin:
) (
1 ;
) (
1
;
;
1
1
t I e
k
t f
IR
t
)
+
,
_
,
_
,
_
;
; 0
1
1 ;
1
1
1
1
1
0
1
dt e k
t
( ) *;1! - 0 1 1 1
1
k
1**9 - 1 k
=) La #uncin de utilidad es la siguiente+
@(t)- 6.CCC s" t C35
@(t)- -;.CCC s" t < C35 donde t
)
* (E38G)
%) 1 [ @ ] - 6.CCC*J7[ t C35] - ;.CCC*J7[ t C35 ]
1 [ @ ] - 6.CCC ( 8- J7[ t C35 ]) - ;.CCC J7[ t C35 ]
1 [ @ ] - 6.CCC ^ I.CCC*7[ t C35 ]
1 [ @ ] - 6.CCC ^ I.CCC* ?*( ( -C3I) - (-8) )
1 [ @ ] - 6.CCC ^I.CCC*?* (C3;858 ^C38IK)
1 [ @ ]- 6.CCC ^I.CCC *8.8KKG * (C3CGCI8)-;.GEC365.
1 [ @ ] ;.GE8 Q/art"culo
9) 8.CCC - 6.CCC ^ I.CCC *? *( ( c-E / E ) - (-8) )
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
I.CCC *?*( ( c-E/ E) - (-8)) -;.CCC
(c-E) / E -
-8
(C3E5I85) -C3C8CI
c - 635I;.
! Supngase que , es la resistencia a la ruptura de un cable en Tg. Se
tiene que ,M (8CC'8G). 9ada 8CC m. &e cable producen una utilidad
de Q8CC si x > 5I ( si , 5I el cable puede usarse para otros #ines (
produce utilidad de Q;C cada 8CC m. 1ncuentre la utilidad esperada
por cada metro de cable.
5olucin8
La #uncin de utilidad por cada 8CC metros de cable es+
0 (!) = 100 S1 ! > 23
0 (!) = '0 S1 ! 23
1n este eRercicio3 el dominio de la #uncin de densidad no son todos
los reales3 pues la variable , es ma(or que C3 se tiene que encontrar
una constante ? para que se cumpla la condicin de ser una #uncin
de densidad.
1
;
100 0
1
1 ;
1
1
1
;
100
1
1
0
1
,
_
,
_
dt e k
t
1 k
7or lo tanto3 la #uncin de utilidad por cada metro es+
u (!) = 1 s1 X > 23
u (!) = 0,' s1 X 23.
La utilidad esperada por metro de cable es+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
1 [ u] - 8 ^ J7 [ x 5I] : C3; *J7[ x 5I]
- 8 - ? (-I/E) : C3; ? (-I/E)
- 8 ^ C3K * (C38CIGI)
- 8 ^ C3CKEI; - C3 58IEK.
E Se tienen 6 caRas 9
8
3 9
;
3 9
6
3 con bolitas blancas ( negras.
9
8
+ 6C bolitas blancas ( 8C bolitas negras.
9
;
+ 8I bolitas blancas ( ;I bolitas negras.
9
6
+ 8; bolitas blancas ( ;K negras.
1l mtodo de eleccin de las caRas se puede aproximar a una
v.a.c. normalmente distribuida M (G3;I) ' este mtodo se detalla a
continuacin+
, Se saca una bolita de 9
8
con J7 ( x <6 )
, Se saca una bolita de 9
;
con J7 ( 6< x <G)
, Se saca una bolita de 9
6
con J7 ( x G).
&eterminar la probabilidad de extraer una bolita blanca.
5olucin8
, es la variable asociada al mtodo de eleccin de las caRas3
entonces , M (G3 ;I) 3 se procede a estandari)ar para M (C38).
7ara la 983 la J7 ( x < 6) - ( -6/ I) - C3;E6.
7ara la 9;3 la J7 ( 6 < x <G ) - (C) - (-6/ I) - C3I ^ C3;E6 - C3;;I.
7ara la 963 la J7 ( x G) - 8 - ( C) - C3I.
Las probabilidades de sacar una bolita blanca de cada caRa3 son las
siguientes+
&e la 98 es + 6/E.
&e la 9; es +6/K.
&e la 96 es +6/8C.
7or lo tanto3 la probabilidad de sacar una bolita blanca est suReta la
condicionalidad de la eleccin de las caRas+
J7 (blanca) - 7 (%/98)*J7( 98) : J7(%/9;)*7(9;) : J7(%/96)*7(96)
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;;
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
- (C3;E6 * 6/E) : (C3;;I * 6/ K) : (C3I * 6/8C)
- C3EEC6G;I
Xesp.+ la Jprobabilidad de extraer una bolita blanca es de un EE3CE!
: @na universidad espera recibir para el prximo aBo 8G.CCC solicitudes
de ingreso al primer aBo de licenciatura. Se supone que las
cali#icaciones obtenidas por los aspirantes de la prueba S=W se
pueden calcular de manera adecuada por una distribucin normal
con - 5IC ( - 8CC. Si la universidad decide admitir al ;I! de
todos los aspirantes que obtengan la cali#icacin ms alta en la
prueba S=W F9ul es la m"nima cali#icacin que es necesario obtener
en sta prueba3 para ser admitida por la universidadH.
5olucin8
Sea , la variable asociada a las cali#icaciones3 por lo que ,M(5IC'8CCCC) .
Si slo el ;I! ser admitido3 existe un I! que no lo ser ( en donde se
encuentra la nota mxima de no aprobacin3 por lo tanto+
7 (, x) - 8 ^ 7 (, x) - 8 ^ C3I - C3;I.
,
_
100
:0
": . 0
x
( ) 9";; . 0
100
:0
": . 0
1
x- 8C8.EE5
7or lo tanto3 la m"nima cali#icacin con la que puede ser admitido un
estudiante es 8C8K puntos.
G La demanda mensual de cierto producto = tiene una distribucin
normal con - ;CC ( -EC unidades3 la demanda de otro producto %
tiene una distribucin normal de - ICC ( - KC.@n comerciante que
vende estos productos tiene ;KC unidades de = ( GIC unidades de %
al comien)o del mes. F9ul es la probabilidad de que al trmino del
mes venda todos los productosH 7uede suponer independencia.
Solucin:
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;:
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Sea = la variable aleatoria asociada a la demanda del producto =3
entonces =M (;CC38GCC).
Sea % la variable aleatoria asociada a la demanda del producto %3
entonces %M (ICC3GECC) .
J7 (= ;KC ) - 8 ^ J7 (= ;KC )
- 8 - ( (;KC ^ ;CC)/EC) - 8 - ( ; )
- 8 ^ C35;I - C3C;;I.
J7 (% GIC) - 8 ^ J7(% GIC)
- 8 - ((GICICC)/KC) - 8 - (83KI)
- 8 ^ C35G5GCE - C3C6C65G.
7or lo tanto como son *ec*os independientes3 entonces la
J7( = %) - 7(=)*7(%) - C3C;;I * C3C6C65G - C3CCCG5.
'2 D/541/!-./0" EXPO"E"./2'
Si una variable aleatoria , se distribu(e como una exponencial3 su #uncin
de densidad de probabilidad est dada por+
) (
1
) ( x I e x f
IR
x
X
+
donde 0
1l parmetro indica un lapso de tiempo entre dos eventos
independientes de 7oisson (&istribucin discreta)3 recibe el nombre de
promedio de #alla ( 8/ es la #recuencia de #alla.
Si una variable , se distribu(e exponencialmente3 se anota , exp()
La #uncin de distribucin acumulada de la distribucin exponencial3 es la
siguiente+
x
x
x x x
X
e e dx e x F x X I&
,
_
1
1
) ( ) (
0
0
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;9
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
' Espern( + 1s el primer momento ( est determinada por+
dx e
x
X IE
x
0
) (
7ara calcular sta integral se puede ocupar la #uncin Zamma.
) 1 (
1
) (
1
0
dx e
x
X IE
x
' *rin( + 1st de#inida como la di#erencia entre el segundo momento (
el cuadrado del primer momento3 ci#ra que siempre es positiva. 7ara
calcularla debemos sacar el momento segundo orden+
1 !
0
1
1
1 ) ! (
1
) (
dx e
x
X IE
x
por lo tanto3 la Aarian)a queda
( )
1 1 1 1 1
1 ) ( ) ( ) ( X IE X IE X V
' ?uncin Gener%or %e momentos8
dx e e e IE
x
tX tX
0
1
) (
( )
t
dx e e IE
t
x
tX
1
1 1
) (
1
0
7or lo tanto+
( )
,
_
0 1 0
1 1
1
) (
t t
t t dt
d
X IE
( )
( )
1
0 ;
1
0 1
1
1
1
1
1 1
1
1
) (
,
_
t t
t
t
t dt
d
X IE
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
1 1 1 1 1
1 )) ( ( ) ( ) ( X IE X IE X V
'2 D/541/!-./0" EXPO"E"./2' "EG24/*2
Si una variable tiene una &istribucin exponencial negativa3 su #uncin de
densidad est dada por+
( )
( )
) (
@ - @
1
x I e x f
b
b x
X
,
_
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1;*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Este ejercicio es un combincin %e %istribucin eAponencil
con binomil. 7ara encontrar la probabilidad de que la persona sea
atendida en menos de 6 minutos3 se calcula con la distribucin
exponencial.
:1"9! . 0 1
;
1
) ! (
;
!
;
!
0
<
,
_
e dt e ) I&
t
1sta probabilidad se considera para encontrar la probabilidad pedida3
que est relacionada con el n>mero de d"as3 variable distribuida
binomialmente3 & %( G' C3I;G6).
,
_
9
;
9
9
) :1"9! . 0 1 ( :1"9! . 0 ) ; (
k
k k
k
D I&
!9 . 0 011:"9 . 0 11:* . 0 1:;0 . 0 ) ; ( + + D I&
& El tiempo necesrio pr reprr un pie( %e eBuipoE en un
proceso %e mnu?cturE es un $rible letori cuD ?uncin
%e %ensi%% %e probbili%% es8
) (
:
1
) (
@ - 0 @
:
t I e t f
t
)
0
:
1 1
:
1
) ( )) ( (
7ara calcular esta integral3 usaremos la #uncin ()
dx e x
x
+
0
) 1 (
7or lo tanto
:0 ) ! ( :
:
1
) (
! 1
t IE
Luego el valor esperado de las prdidas es de QIC.
E>E1././O5 P1OP-E54O P212 '2 D/541/!-./0" EXPO"E"./2'
& 5e X l $rible letori Bue represent el inter$lo %e tiempo
entre %os lle#%s consecuti$s un tien%E con ?uncin %e %ensi%%
%% por8
) Encontrr l ?uncin %e %istribucin cumulti$.
b) Determinr l probbili%% %e Bue ocurrn menos %e 6 minutos
entre %os lle#%s.
c) .lcule l probbili%% %e Bue lo mHs 3 %@s en el mes (30)E el
tiempo entre %os lle#%s este entre los , D los 6 minutos.
5olucin8
a) La #uncin de distribucin esta representada por+
b b) 1sta probabilidad se obtiene+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:0
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
c c) 1sta probabilidad se calcula mediante dos distribuciones+
exponencial ( binomial.
,+ variable asociada al tiempo3 , e (8/; )
&+ variable asociada a los d"as3 & % (6C'p - 7(E x K) )
7 (E x K) - F (K) ^ F (E)
- 8 ^ e (-E ) ^ 8 : e (-;)
- e (-;) ^ e (-E) - C388.
La probabilidad pedida es+
) 5e X un $rible letori %istribui% eAponencilmente.
) G.uHl es l probbili%% %e Bue X tiene $lor mDor Bue l
me%i I
b) G.uHl es l probbili%% %e Bue X tome un $lor Bue se
encuentre en un inter$lo i#ul un %es$icin estHn%rI
Solucin:
a+ p ( ! >$ 5!6 ) = 1 7 4 ( ! $5!6 )
= 1 7 4 ( ! )
= 1 7 1 + e (- 8 )
= 0,(9:;.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
b+ 4 ( ! ' ) = 1 7 e (-' 8 )
= 1 7 e (-') = 0,;93.
Distribucin Gmm
x
.x+ /
"
x
,1
e
,x
I
+
.x+ donde 3
4
.+
esto se anota 0 (-)
luego3 obtenemos la esperan)a ( varian)a de Zamma+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
E5x6 / 7 V5x6 / 7
2
2proAimcin %e culBuier %istribucin un norml
&.- 5uponien%o X !in (nEp) en l cul Bueremos clculr el cso
pr n O ,00 E p O 0E& D se Buiere clculr P(AO,5)
.omo n >>> p se proAim un "ormlE %e l si#uiente mner8
P(X
p
=x
0
) P(x
0
-1/2 X x
0
+1/2) %on%e X
p
N (E[X
D
],V[X
D
])
E5X
D
6 / "0p V5X
D
6 / "0p0q
1n el problema tenemos+
E5X6 / 4!!0!31 / 4! V5X6 / 4!!0!310!3 / 36
X * .4!336+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
&.X
p
/ 15+ / .x
!
4172+, - .x
!
,172+,
/
.454172+,4! ,.45,172+,4!
6 6
/ .!317+ , .!375+ / !382!4 , !37734 / !3!47 437%
Nota: <o ante%"o% es v=l"do pa%a cualqu"e% v.a.d"sc%eta en que se cono&ca
su d"spe%s">n y su va%"an&a.
).- 5uponien%o X como un $.. continu D se conoce su EPXQ D
su *PXQ. X
c
es tl Bue EPX
c
Q D *PX
c
Q se conocen8
& . a < X
8
< b + & .a < X
d
< b + donde X
d
* .E5X
8
63 V5X
8
6+
luego & .a < X
8
< b + / b , E5X
8
6 , a , E5X
8
6
V5X86
172
V5X86
172
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:;
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
*ectores letorios bi%imensionles continuos (
. . . . 8 b a %
)8
9omencemos por de#inir el concepto de vector aleatorio bidimensional
continuo+
DE+/"/./0"8
Sea D un espacio muestral continuo3 se dice que
X es un vector
aleatorio bidimensional ( bivariado) continuo a la #uncin+
X
+ M JXxJX
tal que
X
-1
( ]- ,!] ! ]- , y] ) = ?@ (!,y)JXxJX.
1l vector aleatorio
X
+-(,3$) + M JXxJX , es dec"%
X . . . . 8 b a %
X un . . . . 8 b a %
a
@ - 0 @ = RxR R D f
X X
(x3()
X
f
satis#aciendo las siguientes condiciones+
8)
0
X
f
(x3 () D
;)
1 ) - ( ) - (
d9dx 9 x I 9 x f
D X
X un . . . . 8 b a %
3
se de#inen las #unciones de densidad marginales como+
8) la de , como
d9 9 I 9 x f x f
: D X X
) ( ) - ( ) (
X
D x
;) la de $ como
dx x I 9 x f 9 f
X D X :
) ( ) - ( ) (
:
D 9
1stas #unciones deben cumplir las siguientes condiciones+
i )
1 ) ( ) (
dx x I x f
X
D X
ii)
1 ) ( ) (
d9 9 I 9 f
: D :
DE+/"/./0"8
Sea
X un . . . . 8 b a %
3
se de#ine la #uncin de distribucin conRunta como+
X
F
+ JXxJX [C3 O
(x3()
F
X
-
d9dx 9 x I 9 x f
D
x 9
X
) - ( ) - (
DE+/"/./0"8
Sea
X un . . . . 8 b a %
3 con
f
X
3
) (x f
X ( ) ( 9 f
:
#unciones
de densidad probabil"stica conRunta ( de densidad marginal de , ( de $
respectivamente3 se de#inen las #unciones de distribucin marginal+
8) de , como X
F
+ JX [C3 O
x
X
F
-
dx x I x f
X D
X
x
) ( ) (
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:9
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
;) de , como
:
F
+ JX
[C3
O
( :
F
-
d9 9 I 9 f
:
D
:
9
) ( ) (
DE+/"/./0"8
Sea
X
un
. . . . 8 b a %
3 con
f
X
3 ) (x f
X
(
) ( 9 f
:
#unciones de densidad probabil"stica conRunta ( de
densidad marginal de , ( de $ respectivamente. Se de#ine la #uncin de
densidad condicional de , dado ,= y a:
( )
) (
) - (
F
9 f
9 x f
x f
:
X
9 : X
si
0 ) ( > 9 f
:
anlogamente se de#ine la #uncin de densidad condicional de $ dado ,- x
como+
) (
) - (
) (
F
x f
9 x f
9 f
X
X
x X :
si
0 ) ( > x f
X
4EO1E328
Sea
X
un . . . . 8 b a %
3 con
f
X
3
) (x f
X
(
) ( 9 f
:
#unciones de densidad
probabil"stica conRunta ( de densidad marginal de , ( de $
respectivamente.
1ntonces las v.a.c. , e $ son independientes ssi
f x 9 f x f 9
X
X :
( - ) ( ) ( )
D 9 x ) - (
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
.O1O'21/O8
Si , e $ son v.a.c. independientes
) ( ) F ( x f 9 : X f
X
) ( ) F ( 9 f x X : f
:
4bs+ todas las de#iniciones ( teoremas dados para el caso bidimensional
pueden generali)arse a ms dimensiones en #orma natural.
Espern( %e $ectores letorios bi$ri%os continuos D sus
propie%%es.
DE+/"/./0"8
Sea
X un . . . . 8 b a %
( - )
(
sea g + & JX
;
JX3 una #uncin continua tal que
) (M X
& 3
entonces si
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
d9dx 9 x I 9 x f 9 x g
D X
) - ( ) - ( ) - (
3
se de#ine la esperan)a de g(x3() como n>mero dado por+
[ ] d9dx 9 x I 9 x f 9 x g 9 x g E
D X
) - ( ) - ( ) - ( ) - (
(**)
Aota:
Si g(x3()-,
(**) da la esperan)a de , +
[ ] X E
Si g(x3()-$
(**) da la esperan)a de $ +
[ ] : E
Si g(x3()-,
1
(**) da la esperan)a de ,
1
+
[ ]
1
X E
Si g(x3()-$
1
(**) da la esperan)a de $
1
+
[ ]
1
: E
Si g(x3()-(, - 1
[ ] X
)
1
(**) da la varian)a de , +
[ ] X V
Si g(x3()-($- 1
[] :
)
;
(**) da la varian)a de $ +
[ ] : V
Si g(x3()-,$
(**) da la
esperan)a de ,$ +
[ ] X: E
DE+/"/./0"8
Sea
X
un
. . . . 8 b a %
3 con #uncin de
densidad probabil"stica conRunta
f x 9
X
( - )
.Sea , e $ variables aleatorias
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1:
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
continuas tal que existe la esperan)a de cada una de ellas3 se llama
covarian)a de , e $ al n>mero denotado por+
9ov(,3$) -
[ ] ( ) ( ) ( ) [ ] : E : X E X E
1[,$] - 1[,]1[$]
P1OP/ED2DE5
$[*X] = *$[X] k constante.
$[*] = *
k
constante.
$[X+,] = $[X]+$[,]
X e , v.a.
$[aX+-,] = a$[X]+-$[,] X, , v.a. y
a,- constantes.
$[X,] = $[X]$[,] s" X,, son v.a "ndepend"entes.
V[*X] = *
1
V[X]
k
constante.
V[*] = 0
k
constante.
V[X+,] = V[X]+V[,]+'./V(X,,)
X,, v.a.
V[X+,] = V[X]+V[,] s" X e , son v.a. "ndepend"entes.
V[aX+-,] =a
1
V[X]+-
1
V[,]+'a-.ov(X,,)
X,, v.a. y ,-
constantes.
.ov(X
1
,X
'
) = .ov(X
'
,X
1
)
.ov(X,X) = V[X]
S" X
1
, X
'
son "ndepend"entes, entonces .ov(X
1
,X
'
) = 0
( )
i
"
i
i i
"
i
i
X E X E
1
]
1
1 1
X
i
v.a. y
( ) ) - ( 1
1 1
# i #
# i
i i
"
i
i i
"
i
i
X X C$% X V X V
<
+
1
]
1
DE+/"/./0"8
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
190
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Sea
X
un
. . . . 8 b a %
3 con #uncin de
densidad probabil"stica conRunta
f x 9
X
( - )
( covarian)a
de , e $. Se de#ine el coe#iciente de correlacin al n>mero+
[ ] [ ] ( ) : V X V
: X C$%
X:
)(
) - (
"ot8
8. 1l coe#iciente de correlacin mide el grado de asociacin que
tienen las variables aleatorias , e $.
;. Si , e $ son independientes entonces la correlacin es cero.
!. @na propiedad es que su valor est en el intervalo [-838].
E. Si ]-a,:b ( a-c$:d donde a3b3c3d son constantes
entonces
X: (;
a8
a8
Espern(s .on%icionles
DE+/"/./0"8
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
191
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Sea
X
-(,3$)
. . . . 8 b a %
con #.d.p.c.
f x 9
X
( - ) ( sea
9 : X
f
F
(x) la #uncin de densidad
condicional de , dado $ - (3 se de#ine la esperan)a condicional de , dado
$ - ( como el n>mero+
<
1
]
1
dx x I x xf
9 :
X
E
D 9 : X
) ( ) (
F
DE+/"/./0"8
Sea
X -(,3$) . . . . 8 b a %
con #.d.p.c.
f x 9
X
( - )
( sea x X :
f
F (() la #uncin de densidad condicional de $ dado , - x3 se
de#ine la esperan)a condicional de $ dado , -x como el n>mero+
[ ] <
d9 9 I 9 9f
x X
:
E
D x X :
) ( ) (
F
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
191
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
DE+/"/./0"8
Sea
X -(,3$) . . . . 8 b a %
con #.d.p.c.
f x 9
X
( - )
( sea 9 : X
f
F (x) la
#uncin de densidad condicional de , dado $ - (3 se de#ine la varian)a
condicional de , dado $ - ( como el n>mero positivo+
1
1
,
_
1
]
1
1
]
1
1
]
1
9 :
X
E
9 :
X
E
9 :
X
V
en que
<
1
]
1
dx x I x f x
9 :
X
E
D 9 : X
) ( ) (
F
1
1
DE+/"/./0"8
Sea
X -(,3$) . . . . 8 b a %
con #.d.p.c.
f x 9
X
( - )
( sea x X :
f
F (() la
#uncin de densidad condicional de $ dado , - x3 se de#ine la varian)a
condicional de $ dado , -x como el n>mero positivo+
1
1
,
_
1
]
1
1
]
1
1
]
1
x X
:
E
x X
:
E
x X
:
V
en que
<
1
]
1
d9 9 I 9 f 9
x X
:
E
D x X :
) ( ) (
F
1
1
Distribucin 3ultinorml. ("orml :-$ri%)
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
19!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
=nteriormente se estudi la distribucin normal de una variable
aleatoria. 1l concepto de distribucin normal puede extenderse para incluir
variables aleatorias ( en particular la distribucin normal ?-variada se
emplea de manera extensa para describir el comportamiento probabil"stico
de dos o ms variables.
De?inicin8
Se dice que el vector x
(x
8
3x
;
3x
6
3.....x
?
) se distribu(e como una normal ?-
variante ssi su #.d.p.c. se distribu(e de la siguiente #orma+
( )
( ) ( )
B
! !
* !
e ! ! ! f
1
1
1
1 1
1
1
-... -
donde
[ ]
+ 1 1
x -........ x - x x
[ ]
+ 1 1
-......- -
( ) ( ) [ ]
x x IE
F
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
19;
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
=
( ) ( ) ( )
( ) ( )
+ C +
1
+
+ 1 ! 1
1
1
+ 1 ! 1 1 1
1
1
x - x cov ....... x - x cov
x - x cov ........ x - x cov x - x cov
1
1
1
1
1
]
1
3
( )
9 : 1
- -
1
x x x f
x
provenientes de una normal ?-variada con ?-G con vector de medias
( ) 9 - ; - 1 - 1 - ! - 1
1
1 ;
0 1 !
1 ! 0 1
0 1 ; 1 :
1 0 ! 9 0 1
7ara encontrar estas marginales cabe recordar que como estas
tambin se distribu(en en #orma normal3 solo se debe buscar en los
sub"ndices pedidos en el vector de medias ( deRar las #ilas ( columnas
relacionadas de la matri) de varian)as ( covarian)as de acuerdo a las
marginales pedidas.
1ntonces tenemos que la distribucin para el primer caso ser+
( ) ( )
1 1 ; ! 1
- - -
1
* x x x f
x
donde
[ ] 1 - 1 - 1
1
y
1
1
1
]
1
!
0 1
! 9 1
( para el segundo
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
199
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( ) ( )
1 1 9 : 1
- - -
1
* x x x f
x
donde
[ ] 9 - ; - !
1
y
1
1
1
]
1
1
1 ;
1 0 1
@n caso particular en normales ?-variadas es la normal bivariada la cual se
representa de la siguiente #orma+
( ) ( )
- G x - x %
1 1 1 H
donde [ ]
1 1
-
( )
1
1
]
1
1
1
1 1
1
1
x - x cov
o -"en
( )
( )
'
1
1
]
1
,
_
,
_
,
_
,
_
1
1
1
1
1 1
1
1
1 1
1
-
y
y
y
y
!
!
!
!
! !
! !
!y
y !
,
e y ! f
donde
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
19"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( ) 0
x
3
(
-1($) 3
x
;
-Aar(,) 3
(
;
-Aar($) ( es el
coe#iciente de correlacin entre las variables , e $ de#inido con anterioridad
(
1 <
).
=*ora bien3 si *acemos -C logramos obtener las condiciones necesarias
de independencia entre las variables , e $ en la distribucin normal
bivariada3 sta adems de ser necesaria3 es una condicin su#iciente por lo
siguiente+
( )
1
1
1
]
1
,
_
,
_
1 1
1
1
1
1
1
1
-
9
9
x
x
x x
9 x
X
e 9 x f
=
1
1
1
]
1
,
_
1
1
]
1
,
_
1
1
1
1
1
1
1
1
1
1 9
9
x
x
x
9
x
x
e e
#
X
(x3()-#
x
*#
(
en donde #
x
( #
(
son las densidades normales univariadas de ,
e $ respectivamente.
Propie%%es.
1.-
( ) 0
x
,
y
=$(,) $spe%an&as ma%g"nales
'.-
( )
1
-
x x
* X
( )
1
-
9 9
* :
(.-
( ) ( )
,
_
,
_
1 1
1
1 <
x 9
9
x
x
9 *
9 :
X
f
C
( ) ( ) ( )
,
_
1 1
1
1 <
9 x
x
9
9
x *
x X
:
f
D.-
( ) [ ] ( )
x
x
9
9 9
9
x
x
x
x X
:
E 9
9 :
X
E
+
1
]
1
1 1
-
3.-
( ) ( ) ( )
1 1 1 1
1 - 1
9 x
x X
:
V
9 :
X
V
,
_
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
19*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Obser$cin8
Si sabemos que , se distribu(e en #orma Mormal con parmetros
M(
8
3
8
;
) ( la variable $ tambin se distribu(e Mormal con parmetros
M(
;
3
;
;
) entonces la variable ]- ,:$ tambin se distribuir normal con
parmetros ]
( ) ( ) I - 0 cov 1 < G
1
1
1
1 H x
+ + +
.
@n caso especial es cuando las variables son independientes lo que
implicar"a que la covarian)a es C por lo tanto ]
( )
1
1
1
1 H x
< G + +
.
Ejercicio 1esueltos.
8.-Sea
( ) ( ) - G x - x - x - x %
; ! 1 1 x
con
( ) 1 - ! - 1 - 1
(
1
1
1
1
]
1
;
" 19
; !
1 1 0 ;
1ncontrar la distribucin de ]-6x
8
:x
;
:x
6
-;x
E
.
Desrrollo.-
i)Dtodo 8.-
( )
1
- G J
1O]P- - 61Ox
8
P:1Ox
;
P:1Ox
6
P-; 1Ox
E
P - 6*8:;-6-;*8 -C
AO]P- 5A(,
8
): A(,
;
): A(,
6
):EA(,
E
):;Ocov(6,
8
3,
;
) : 6cov(,
8
3,
6
) : cov(6,
8
3-
;,
E
) : cov(,
;
3,
6
) : cov(,
;
3-;,
E
) : cov(,
6
3-;,
E
)P
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
19
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
AO]P- 5*E:5:8G:E*E:;( 6*C:6*(-8)-G*;:6-;*E-;*(-))- GI
( ) 9: - 0 * (
"") @Etodo '. $n fo%ma mat%"c"al.
F=
[ ]
; !
- - - ! ! ! !
' 1
1
1
1
1
]
1
1
1
1
!
[ ] [ ]
; ! 1 1
x - x - x - x J
1
1
1
1
]
1
1
1
1
!
[ ] [ ] 1 - ! - 1 - 1 J ?
1
1
1
1
]
1
1
1
1
!
=(+'-(-'=0
V5F6= $5(F-$5F6)G(F-$5F6)6= $5(X?-
?)G(X?-
?)6= $5?G(XG-
G)(X-
)?6
= ?G $5(X-
)G(X-
)6? =?G
?
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"0
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
[ ] [ ] 1 - ! - 1 - 1 J 8
1
1
1
1
]
1
; " ; 1
" 19 ! 1
; ! 0
1 1 0 ;
1
1
1
1
]
1
1
1
1
!
[ ] [ ] 1 - 1 - 1 - ! ( V
1
1
1
1
1
]
1
:
!0
;
"
V5F6='1+D+(0+10=93
;.-&urante aBos en un test de conocimiento se e#ect>an dos evaluaciones
con 6 preguntas cada una. Los rendimientos en las G preguntas se pueden
asociar a un
( ) - G 0 . c . a . v
9
donde
[ ]
9 : ; ! 1 1
x - x - x - x - x - x 0
en que x
i
se
asocia al resultado de la pregunta i con i-83;3...3G
La evaluacin 8 corresponde a la suma de las preguntas impares ( la
evaluacin ; corresponde a la suma de las preguntas pares.
Datos:
[ ] 11 - 1! - 1; - - 11 - 10
1
1
1
1
1
1
1
1
]
1
9
1 :
0 0 9
1 ; 0 ;
1 0 1 1 :
0 ! 1 0 1 ;
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
a) &eterminar la probabilidad que la evaluacin ; sea ma(or que 6;.
b) &eterminar la probabilidad que la evaluacin ; sea ma(or que la
evaluacin 8.
c) Si 6C alumnos rinden las ; evaluaciones3 F9ul es la probabilidad que al
menos G alumnos tengan una evaluacin 8 menor que la ;H.
&esarrollo.-
) Se sabe que la evaluacin ; est compuesta por la suma de las
respuestas pares3 por lo tanto3 si de#inimos a ( S como+
a - la evaluacin 8 ( S - la evaluacin ;
7regunta;
( ) ( )
1
1 1 1
-
1
* x f
x
7reguntaE
( ) ( )
1
; ; ;
-
;
* x f
x
7reguntaG
( ) ( )
1
9 9 9
-
9
* x f
x
,
_
>
> ( &
1
& 1 &
= 1-(-1.0D'9) = 0.;313
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
b)Si *acemos X - S-a entonces tenemos que encontrar la probabilidad de
que XbC ( como sabemos que X se distribu(e en #orma Mormal slo #alta
encontrar sus parmetros.
( ) 1! - !" G S
y
( ) 1: - !1 G K
H
( ) ( ) ; 1 V V *
< = < =
- cov 1 < +
7ara el clculo de la varian)a de S con a tenemos lo siguiente+
9ovO,
;
:,
E
:,
G
3 ,
8
:,
6
:,
I
P- Ocov(,
;
3,
8
) : cov(,
;
3,
6
) : cov(,
;
3,
I
) :
cov(,
E
3,
8
) : cov(,
E
3,
6
) : cov(,
E
3,
I
) : cov(,
G
3,
8
) :cov(,
G
3,
6
) : cov(,
G
3,
I
)P
9ovOS 3a P- (8-8:C-;:C:C:C:;-;)- -;
A(X)-E;
( ) ;1 - : G >
( ) ( ) ""1 . 0 1
;1
: 0
;1
:
0 <
,
_
>
> ( &
R
& R & = 1-(-0.::') = 0.::22
c)&ebido a que en general una persona no puede dar dos veces la misma
evaluacin es que el mtodo para resolverlo ser"a una *ipergeomtrica3por
ello sta probabilidad se puede aproximar a una distribucin binomial con
los siguientes parmetros+
( ) "" - 0 < !0 >i" >
)45!96 =
[ ] 9 x P 1 <
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
=
x x
x
x
,
_
!0
:
0
) 1101 . 0 ( ) "" . 0 (
!0
1
= 1
6.- Sea X - (,
8
3 ,
;
) un vector aleatorio bidimensional distribu"do como una
normal bivariada tal que ,
8
( ,
;
estn correlacionados positivamente ( tal
que veri#ican las siguientes condiciones+
1. /PO,
8
`8P - C3KE86 ,cM (u 3 ) ( bC
1. /PO,
;
bGP - C3C;;K
!. AO,
8
P-8 ( AO,
;
P-;
;. AO,
8
/,
;
-x
;
P - C3I
a) 9alcule JPOC ` ,
;
` E / ,
8
- ;P.
D) 1ncuentre la matri) de varian)as ( covarian)as.
Desrrollo.-
a) AO,
8
P-
8
;
-8 AO,
;
P-
;
;
-;
AO,
8
/,
;
-x
;
P -
8
;
(8-
;
)-C3I
-C.I
JPOC ` ,
;
` E / ,
8
- ;P - JPO ,
;
` E / ,
8
- ;P J7 O,
;
` C / ,
8
- ;P.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1";
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( ) ( )
,
_
,
_
1
1
1
1 1
1
1
1
1 1
1
1 <
x x
x
x
x
x *
x x
x
f
= A(u
'
+ 1 8'
(' u
1
) C 1.3 )
4a%a calcula%
1
y
1
:
[ ]
0
*;1 - 0
1
1
1
1
1
1
1 1
1
1
]
1
<
<
x
& x &
[ ]
1"19 - ! 1 1 9
01! - 0
9
1 9
1
11
11
1
1 1
1
1
]
1
<
>
?
? ? x
& x &
)4 5X
'
ID 8 X
1
= ' 6 = 0.(19(
)4 5X
'
I 0 8 X
1
= '6 = 0
0-!19! 0 , 0.!19! 1A 0 F ; 0 P@0
1 1
< <
-)
1
'
'
1
1 1 8'
= =
'
'
'
E.-9iertas vigas tienen secciones rectangulares cu(as dimensiones3 largo (
anc*o se pueden representar mediante una distribucin normal bivariada
con vector de media
( ) 1: - 10
1
0 : . 0
Los limites de tolerancia para el largo de la viga son (5.6' 8C.) ( para
el anc*o son (8E38G). @na viga se considera de#ectuosa si el largo o el
anc*o est #uera de los l"mites de tolerancia. Se tomo una muestra de
tamaBo n-8I. Fcul es la JP de que 88 de estas vigas no sean
de#ectuosasH.
Desrrollo.-
Se aprecia claramente que existe independencia entre el largo ( el anc*o
por lo que la probabilidad de que las vigas no cumplan los
requerimientos ser la multiplicacin de las marginales las cuales
tambin se distribu(en en #orma normal.
Sea ,-Largo ( $-anc*o #(x3()-#
x
*#
(
Si son de#ectuosas tenemos
( ) : . 0 - 10 G 0
( ) ( )
,
_
< <
< <
,
_
I.- Sea (,3$) 8
.a.n.b. con
( ) 10 - :
(
8
;
-83
;
;
-;I ( bC. Si la
/P(E`$`8G/,-I)-C.5IE3 encuentre la matri) de varian)as ( covarian)as.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1""
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( ) ( )
( ) ( )
( ) ( ) 1: 1 < 10 G
1: 1 < : :
1
:
: G
1 < x G
: x
H
%
1
1
1
H
1
x
x
H
H
,
_
,
_
,
_
:
;
1
1 :
9
:; . 1
1 :
9
1
:; . 0
1 :
9
1 :
9
:; . 0
1 :
10 19
J
1 :
10 ;
P
1 1
1 1 1 1
,
_
,
_
,
_
,
_
< <
<uego
1
]
1
1:
; 1
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
G.-Sea
[ ]
! 1 1
x - x - x 0
( matri)
de varian)as ( covarian)as
-diag(8353E). Si $
8
- 6,
8
:;,
;
-,
6
e
$
;
-;,
8
-,
;
. 1ncuentre 1O$
8
/$
;
P ( AO$
8
/$
;
P
Desrrollo.-
Si $
8
- 6,
8
:;,
;
-,
6
(8
-1O$
8
P - 1O6,
8
P : 1O;,
;
P - 1O,
6
P -I
$ si $
;
- ;,
8
-,
;
(;
- 1O$
;
P - 1O;,
8
P - 1O,
;
PP -C
AO$
8
P- 5A(,
8
): EA(,
;
): A(,
6
) - 5:6G:E-E5
AO$
;
P- EA(,
8
): A(,
;
) - E:5-86
( )
( ) 0
1!
"
:
1
1 1
1
1
1 1 1
1 1
1
+
+
1
]
1
9
9
9 :
:
9
9
9
9 9 9
( )
1 1
1 1
1 1
- cov
9 9
9 9
9 9
cov(y
1
,y
'
)=cov((X
1
,'X
1
)+cov((X
1
,-X
'
)+cov('X
'
,'X
1
)+cov('X
'
,-X
'
)+
cov(-X
(
,'X
1
) + cov(-X
(
,-X
'
) = 9cov(X
1
,X
1
) 7 '(X
'
,X
'
)= 9-1; = -1'
( )
;": . 0
1! "
11 - cov
1 1
1 1
1 1
9 9
9 9
9 9
( )
1
1 1
1
1!
11
: 9
9 :
:
1
]
1
( )
1!
;!
;
1! ;
1;;
1 1
1 1
1 1
1
1 1 1
,
_
1
]
1
9 9 9
9 :
:
V
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
D 0 -9 0 0
D 0 ' 0
:.- Sea
( ) -
:
* X
donde
( ) 1 - 1 - ! - ; - 1
y = 2 0 0
D -1
2
Sean
: ; ! 1 !
1
!
1
;
1
1
0 0 0 1 0 ! I e
1 0
0
I <
1 0
0
I + +
a) 1ncuentre la distribucin de $
8
3 $
;
3 $
6
respectivamente.
b) F$
8
e $
;
son independientesH.
c) &etermine la JP ($
8
b ;$
;
).
Desrrollo.-
a) i)7ara desarrollar estos eRercicios lo primero que *a( que *acer es
calcular las marginales respectivas ( luego usar las propiedades de la
normal bivariada.
( ) ( )
( ) ( )
,
_
+ +
,
_
,
_
; 1 < 1 1
1
1
; G
1 < x G
1 x
x
%
1
1; 1;
1
1 x
1
1; ; x ;
; x
1 x
1; 1 x
;
1
( )
1
1
1 1
1 x - x cov
; x 1 x
; 1
1;
( ) ( ) ! - 1 G ;
;
1
1 < 1 1
1
1
1
1
; G
1 x
x
%
;
1
,
_
,
_
+ +
,
_
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*0
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
"")
( ) ( )
( ) ( )
,
_
,
_
,
_
1 < 1 1
1
!
! G
1 < x G
1 x
x
%
1
!1 !1
1
! x
1
!1 1 x 1
1 x
! x
!1 ! x
1
!
( )
1
1 !
9 x - x cov
1 x ! x
1 !
!1
( ) ( )
,
_
,
_
,
_
0 -
1
!
G ; 1 1 < 1 1
1
!
1 ! G
1 x
x
%
1
!
""") [ ] ( )
1
! ! : ; ! 1 !
- G 0 0 0 1 0 ! I + +
y(
=$5,
(
6 = $5(X
1
6 - $5'X
(
6 + $5X
D
6 + $5X
3
6=(-9-'+1 = -D
AO$
6
P- 5A(,
8
): EA(,
6
): A(,
E
): A(,
I
): ;Ocov(6,
8
3-;,
6
) : cov(6,
8
3,
E
) :
cov(6,
8
3,
I
) : cov(-;,
6
3,
E
) : cov(-;,
6
3,
I
) : cov(,
E
3,
I
)P-
- 6G:6G:E:5:;(6G-8) - 8II
( ) 1:: - ; G I
!
b) $
8
e $
;
son independientes (a que se aprecia claramente en la matri) de
varian)as ( covarian)as que ,
;
no est relacionado ni con ,
6
ni con ,
8
(
lo mismo pasa con ,
E
.
c) JP($
8
b;$
;
) - JP(XbC) con X -$
8
^ ;$
;
I
1
G (,1-!) I
1
G (!F1-0) ( como de la pregunta b) sabemos que son
independientes3 tenemos que+
( ) ! - : G >
( ) ( ) **9": . 1 J P 1
!
: 0
!
: >
P 0 > P <
,
_
+
>
+
>
- 8-(;.KKGI) - C.CC85EG;
Ejercicios Propuestos.-
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
8.-Sean , e $ las desviaciones *ori)ontal ( vertical (sobre un plano)
respectivamente3 de un ve*"culo espacial tripulado3 con respecto al
aterri)aRe de ste en el mar. Supngase que , e $ son ; variables
aleatorias que se distribu(en en #orma normal e independientes con medias
x
-
(
-C ( varian)as iguales. F 9ul es la mxima desviacin estndar
permitible de , e $3 que cumplir"a con los requerimientos de la Masa de
tener una probabilidad de C.553 de que el ve*"culo aterrice a no ms de ICC
#t del punto elegido3 tanto en direccin vertical como *ori)ontalH.
1espuest8
x
-
(
`8K pies.
;.-Sea
( ) I - 0 0
x
x X
:
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*1
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
"") ! H
:
!
H I
0
1
]
1
a) Demuest%e que [ ] [ ] [ ] :
x X
:
-) .alcule $5X6, $5,6, xH
.
1espuest.-
!
=
-1;
y
= '3
xH
= -0.23
*ectores 2letorios bi$ri%os %iscretos
/ntro%uccin8
La necesidad de estudiar este tipo de vectores se debe a que son
muc*as las situaciones en que el resultado de un suceso aleatorio puede
clasi#icarse en ms de una #orma3 generalmente nuestro inters est
en#ocado a anali)ar ms de una categor"a3 por eRemplo si ,(t) es la potencia
consumida por un determinado circuito en un tiempo t3 la cual es una
variable aleatoria unidimensional3 pero si necesitamos anali)ar la potencia
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*!
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
consumida en ; tiempos espec"#icos3 estudiaremos la distribucin del vector
(,
8
(t)3 ,
;
(t)).
*ectores letorios bi%imensionles %iscretos ( . %
.b.%)8
9omencemos por de#inir el concepto de vector aleatorio bidimensional
discreto+ Se dice que
X
-8
( ]- 3x
i
] x ]- 3 (
R
] ) - =D (x
i
3(
R
)JXxJX
siendo D un espacio muestral3 #inito in#inito contable
8
.
1l vector aleatorio
X un . . . . d b a %
(x
i3
(
R
) a
[ ] 1 - 0 = RxR R D f
X X
(x
i
3(
R
)
X
f
satis#aciendo las siguientes condiciones+
8) C
f
X
(x
i3
(
R
) 8 (x
i3
(
R
) D
;)
1 ) - ( ) - (
# i D # i
x 9
X
9 x I 9 x f
i #
(A
iE
D
j
) en Bue
p
i# O P(X(3) O A
i
;(3) O D
j
) O P(XOA
i
R ;OD
j
) D por
lo tnto ls con%iciones Bue%n8
1
@" 8$"#?"t$ C e= i"fi"it$ 8$"tabAe ==i p$deB$= e"8$"trar ?"a f?"8iC" bi9e8ti%a e"tre C 9 A$=
"at?raAe=.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*;
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
8) C
p
i# 8 i3R
;)
x
i#
9
i #
p 1
@na ve) de#inida la #uncin de cuant"a conRunta del vector
X
podemos de#inir otras #unciones importantes+
Sea
#
i# i i X
p p x f ) (
;) la de $ como
i
i# # # :
p p 9 f ) (
1stas #unciones deben cumplir las siguientes condiciones+
i )
) ( 1
i
x
X
i
i
x f p
i
ii)
) ( 1
#
9
:
#
#
9 f p
#
Sea
+ JXxJX [C38]
(x3()
F
X
(x3( )- 7( , x' $ ()
9 9
i#
x x
# i
p
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*:
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Sea
-
(
( ) ( )
F 9 F 9 p
:
X
i#
x
i
-
Sea
3
f
X 3
f
: #unciones de cuant"a
conRunta ( marginales respectivamente. Se llama #uncin de cuant"a
condicional de , dado $- ( a+
( )
) (
) - (
# :
# i
X
#
9 f
9 x f
9 : X f
si
0 ) ( >
# :
9 f
Se llama #uncin de cuant"a condicional de $ dado ,- x como+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*9
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
( )
) (
) - (
i X
# i
X
i
x f
9 x f
x X : f
si
0 ) ( >
i X
x f
4eorem8
Sea
+ 9
8
x9
;
JX la #uncin
de cuant"a conRunta de
X 3 (
f
X
+ 9
8
JX (
f
:
+ 9
;
JX
#unciones de cuant"a marginales de , e $ respectivamente. 1ntonces , e
$ son independientes ssi
) ( ) ( ) - (
# : i X # i X
9 f x f 9 x f
# i
9 x
Espern( %e $ectores letorios bi$ri%os %iscretos D sus
propie%%es.
Sea
# i
# i
9
# i X # i
x
9 x
# i X # i
9 x f 9 x g
9 x f 9 x g 9 x g E
) - ( ) - (
) - ( ) - ( ) - (
) - (
Sea ,
8
3 ,
;
variables aleatorias cualesquiera tal que existe la
esperan)a de cada una de ellas3 se llama covarian)a de ,
8
( ,
;
al n>mero
denotado por+
94A(,
8
3,
;
) - 1[,
8
,
;
]-1[,
8
]1[,
;
]
Propiedades:
8) A[,
8
:,
;
] - A[,
8
]:A[,
;
]:;94A(,
8
3,
;
)
;) 94A(,
8
3,
;
) - 94A(,
;
3,
8
)
6) Si ,
8
3 ,
;
son independientes3 entonces 94A(,
8
3,
;
) - C
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*"
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
Se de#ine el coe#iciente de correlacin al n>mero+
[ ] [ ] { }
X X
CDV X X
V X V X
1 1
1 1
1 1
1
1
( - )
el cual mide el grado de asociacin entre ,
8
( ,
;
. Si ,
8
( ,
;
son
independientes este coe#iciente es cero. @na propiedad es que su valor
est en el intervalo [-838].
Espern(s con%icionles
Sea
( - )
(
sea
( )
#
9 : X f
la #uncin de cuant"a condicional de , dado $ - (
R
.
1ntonces se de#ine la esperan)a condicional de , dado $ - (
J
al n>mero+
,
_
1
]
1
i
x
#
i
#
9 :
X
f x
9 :
X
E
anlogamente para $ dado , - x
i
se de#ine+
,
_
1
]
1
#
9
i
#
i
x X
:
f :
x X
:
E
7or otro lado se de#ine la varian)a condicional de , dado $ - ( como+
1
1
,
_
1
]
1
1
]
1
1
]
1
# # #
9 :
X
E
9 :
X
E
9 :
X
V
donde la
,
_
1
]
1
i
x
#
i
#
9 :
X
f x
9 :
X
E
1
1
anlogamente se de#ine la varian)a condicional de $ dado , - x como+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1**
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
1
1
,
_
1
]
1
1
]
1
1
]
1
i i i
x X
:
E
x X
:
E
x X
:
V
donde la
,
_
1
]
1
#
9
i
#
i
x X
:
f 9
x X
:
E
1
1
Ejemplos8
&) Sea (,3$) vector aleatorio discreto con #uncin de probabilidad conRunta
dada por+
{ }
{ }
'
e.t.o.c.
0-1-1 H si
0-1-1-! x si
10
!
;
) ! (
1 ;
0
) - (
C
C C C
9 x f
9 x 9 x
a) 1ncuentre las distribuciones marginales.
b) 9alcule 7( 8 , 6 / $-;).
c) 9alcule 1[$ / ,-8].
Solucin+
a)
f x
X
( )
(
f 9
:
( )
*aciendo una tabla de valores tendremos
f x 9
X : -
( - )
X 0 & ) 3
) (
# :
9 f
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1*
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
D
0
;
110
1;
110
1;
110
;
110
:9
110
&
11
110
!1
110
11
110
C
:9
110
)
;
110
;
110
C C
*
110
) (
i X
x f 10
110
90
110
!9
110
;
110
8
) (
i X
x f
(
) (
# :
9 f
pueden escribirse como+
i )
! . x si
1 . x si
1 . x si
0 . x si
110
;
110
!9
110
90
110
10
) ( ) (
'
i i X
x X & x f
ii )
1 . H si
1 . H si
0 . H si
110
*
110
:9
110
:9
) ( ) (
'
# # :
9 : & 9 f
b) ( ) ( )
&
X
:
f
X
:
1 !
1 1
1
!
#,3$-;
E si x - 83;36
( # (x/(-;) - #$(;) - K
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
10
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
C
e.t.o.c.
reali)ando la suma se obtiene+
( )
&
X
:
1 !
1
1
1
c)se sabe que la esperan)a condicional est dada por+
[ ] ( ) ( ) ( )
E
:
X
9 f
:
X
f
:
X
f
:
X
1 1
1
1
1
1
1
1
0
1
pero
( )
'
90
;
90
!1
90
1;
) 1 (
1
- 1
X
: X
f
f
X
:
f
( reempla)ando estos valores en la sumatoria se tiene+
[ ]
[ ]
E
:
X
E
:
X
1
1
!1
90
1
;
90
1
1
!
)) @n #abricante de circuitos integrados utili)ados para controlar la
temperatura en contenedores #rigor"#icos3 determina a partir de numerosas
revisiones3 que el 63I! de una remesa de estos circuitos no #uncionan al
ser instalados' el vende los circuitos en paquetes de EC unidades3
garanti)ando el correcto #uncionamiento del 5C! de ellos.
F 9ul es la probabilidad de un paquete no cumpla la garant"a H
F9ul es la probabilidad de que #uncionen al menos 8I H
5olucin8
Sea ,+ n>mero de circuitos que #uncionan incorrectamente
en un paquete determinado.
F+ el paquete no cumple la garant"a.
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
si ( - C
si ( - 8
si ( - ;
11
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
entonces la probabilidad de que el paquete no cumpla la garant"a est
dada por+
7(F)- 7(,bE) - 8-7(, E)
del enunciado se deduce que si n - EC ( p - C.C6I tendremos que
, %(n-EC3p-C.C6I)
luego ( )( ) & X k
k
k
" k
( ) . .
_
,
;0
0 0!: 1 0 0!:
por lo que la probabilidad de que un paquete no cumpla la garant"a es+
( ) ( ) & F
k
k
k " k
( ) . .
. . .
_
,
1
;0
0 0!: 1 0 0!:
1 0 *": 0 011: 11:N
0
;
La probabilidad de que #uncionen al menos 8K est dada por+
( ) ( ) & X
k
k
k " k
( ) . .
. .
<
_
,
!
;0
0 0!: 1 0 0!:
0*!91 *!91N
0
1
Ejercicios propuestos.
&) &ado que la distribucin binomial corresponde a un vector aleatorio
discreto bivariado3 demuestre que+
a) La 1speran)a de la binomial es np n(8-q)
b) La Aarian)a es npq.
)) Sea
( - )
dada por+
{ } { } f x 9
x 9
x 9
X
( - ) ( - ) - - - -
+
1 1
!1
0 1 1 ! 0 1
9alcular+
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
11
Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
f
X
F - ?@0A - ?@0 IA
I
-
.
Xesp+
f
9
X
.
1x
!1
F "
H E 0
0 H 1
H 1
?@0A .
"*
!1
?@0 IA . !
(9 / H
1
I
1
+
'
+
1
0
19
1
" 1
1
)
( )
____________________________________________________________________________________________
#eparta$ento de Mate$ticas Pro%esor &'e(andro Fernnde)
1!