APUNTE22 V 1

Universidad Tcnica Federico Santa Mara versin 1 Pg.
____________________________________________________________________________________________
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*
____________________________________________________________________________________________
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
____________________________________________________________________________________________
11
____________________________________________________________________________________________
( )

_
,
+
+,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
,
_
Sustitu(endo p- /n3 tomando el l"mite cuando n se obtiene

____________________________________________________________________________________________
110
____________________________________________________________________________________________
Se dice que la v.a.d. , se distribu(e como una 7oisson su #uncin de
cuant"a es +
*********************************
Aeremos si cumple con la condicin de ser una #uncin de cuant"a.
8) #(x) C C (por simple inspeccin)
2 1 .
3 x
e
1)
, . x
0 . x
x

pues

3 x
e
. x
0 . x
x

(desarrollo de serie de DacLaurin de e
)
3.7.&.- ' Espern( es
[ ] n . p
____________________________________________________________________________________________
( )
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
____________________________________________________________________________________________
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
3.-&espus de una prueba de laboratorio mu( rigurosa con cierto

componente elctrico3 el #abricante determina que en promedio3 slo
#allarn dos componentes antes de tener 8CCC *oras de operacin. F 9ul
es la probabilidad que #allen cinco componentes en 8CCC *oras de
operacin H
____________________________________________________________________________________________
111
____________________________________________________________________________________________
Solucin+ X p(5;2) J7(pedida) 0!91 - 0
3 :
1 e
: 1

+-"./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 X v.a.d. y
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
de all" el nombre de #uncin generadora de momentos.(=lgunas #.g.m.

#ueron conocidas mientras se estudiaban las distribuciones discretas).
3.6.- Ejercicios Propuestos
8. Supngase que la mquina 8 produce en #orma diaria el doble de
art"culos que la mquina ;. Sin embargo3 cerca del E! de los
art"culos de la mquina 8 tienden a ser de#ectuosos3 mientras que la
mquina ; produce slo un ;! de de#ectuosos. Supongamos que se
combina la produccin diaria de ambas mquinas3 ( se toma una
____________________________________________________________________________________________
11!
____________________________________________________________________________________________
muestra aleatoria de tamaBo 8C de ella. F9ual es la probabilidad de
que esta muestra contenga ; art"culos de#ectuososH.
;. @n art"culo es producido por operaciones independientes de una
mquina. La probabilidad de encontrar un art"culo de#ectuoso es de
C.;.
a) Si se eligen al a)ar K de estos art"culos3 encontrar +
i) La probabilidad de obtener exactamente un art"culo
de#ectuoso. (Sol + C.66II)
ii) La probabilidad de que ning>n art"culo sea de#ectuoso.
(Sol + C.8G;)
iii) La probabilidad de obtener no ms de dos art"culos
de#ectuosos. (Sol+ C.5G5)
iv) La probabilidad de obtener no menos de dos art"culos
de#ectuosos. (Sol+ C.IC66)
b) Si se elige la variable aleatoria , - LM>mero de art"culos
de#ectuosos elegidos entre KN3 encontrar +
i) 1O,P3 Aar(,). (Sol + 1O,P-8.G'Aar(,)-8.;K)
ii) La probabilidad de que la ma(or"a sean de#ectuosos.
(Sol + C.C8CE)
c) Si la utilidad esperada al vender K art"culos es tal que por cada
art"culo no de#ectuoso que se venda se gana Q8;C.-3 ( por cada
de#ectuoso se pierde Q5C.-. F9ul es la utilidad esperadaH.
(Sol + G;E)
d) Si se va extra(endo uno por uno los art"culos3 entonces +
i) F9ul es la probabilidad de obtener un art"culo de#ectuoso
slo en la cuarta extraccinH. (Sol + C.8C;E)
ii) F9ul es la probabilidad de obtener un art"culo de#ectuoso
precedido de 6 no de#ectuososH. (Sol + C.8C;E)
____________________________________________________________________________________________
11;
____________________________________________________________________________________________
iii) 9alcular la esperan)a ( varian)a al extraer un art"culo
de#ectuoso slo en la r-sima extraccin.
(Sol + 1O,P-I'A(,)-;C)
e) Si se *acen extracciones *asta obtener 6 art"culos de#ectuosos3
entonces +
i) F9ul es la probabilidad de que sean necesarios G
extraccionesH. (Sol + C.CEC5G)
ii) F9ul es la probabilidad de que sean necesarias menos
de G extraccionesH. (Sol + C.CI;)
iii) F9ul es la probabilidad de que ocurran 6 extracciones
consecutivas exitosas ( obtener 6 art"culos de#ectuosos ) (
ning>n #racasoH. (Sol + C.CCK)
iv) F9ul es el n>mero esperado de repeticiones
necesariasH. (Sol + 8I)
v) Supngase que el costo de cada una de las extracciones
es Q;CC.-. =dems3 por cada extraccin que se #racase
( se obtiene art"culo de#ectuoso ) se produce un costo
adicional de Q6C.-. F9ul es el costo esperado del
procedimiento completoH. (Sol + 66GC)
6. @n lote de produccin de KC unidades tiene K art"culos de#ectuosos.
Se extrae una muestra aleatoria de 8C unidades ( se quiere saber +
a) La probabilidad de que la muestra contenga 8 art"culo
de#ectuoso. (Sol + C.E86I)
b) La probabilidad de que la muestra contenga a lo menos 6
art"culos de#ectuosos. (Sol + C.)
c) La probabilidad de que la muestra contenga no ms de ;
art"culos de#ectuosos. (Sol + C.5E;K)
d) 1O,P ( Aar(,). (Sol + 1O,P-8'Aar(,)-C.5I)
E. @na caRa contiene 6 art"culos de#ectuosos3 dos regulares ( cuatro
buenos. 1ncontrar la probabilidad de que3 en una muestra aleatoria
de I art"culos sin reposicion3 se seleccionan dos regulares ( al menos
uno bueno. (Sol + C.;G5K)
____________________________________________________________________________________________
11:
____________________________________________________________________________________________
I. Jdem a problema E3 pero la extraccin es con reposicin.
(Sol + C.;8E8)
G. Se supone que un promedio de E automviles llegan para ser
reparados a un taller durante las K *oras diarias de trabaRo. F9ul es
la probabilidad de que lleguen uno o ms automviles durante el
periodo de una *oraH. (Sol + C.656I)
. 1n promedio3 8; personas por *ora consultan a un especialista en
decoracin en un almacn de telas. 9alcular la probabilidad de que
tres o ms personas se acercasen al especialista durante un periodo
de 8C minutos. (Sol + C.6;6;)
K. Si el 6! de los platillos para ensalada #abricadas por una empresa de
lo)as son de#ectuosos3 *allar la probabilidad de que en una muestra
de 8CC platillos se encuentren +
a) C de#ectuosos. (Sol + C.CE55)
b) 8 de#ectuoso. (Sol + C.8E5E)
c) ; de#ectuosos. (Sol + C.;;E8)
d) 6 de#ectuosos. (Sol + C.;;E8)
e) E de#ectuosos. (Sol + C.8GKC)
#) I de#ectuosos. (Sol + C.8CCK)
g) Ds de I de#ectuosos. (Sol + C.CK6K)
*) 1ntre 8 ( 6 de#ectuosos. (Sol + C.I5G)
i) ; platillos o menos sean de#ectuosos. (Sol + C.E;6;)
5. 1ntre las ; ( las E de la tarde el promedio de colectivos que van de
AiBa del Dar al 9erro 7laceres por minuto es de ;.I. Sallar la
probabilidad de que en un determinado minuto *a(a +
a) C colectivos. (Sol + C.CK;CK)
b) 8 colectivo. (Sol + C.;CI;)
c) ; colectivos. (Sol +C.;IGI)
d) 6 colectivos (Sol + C.;86K)
e) E o menos colectivos. (Sol + C.K588)
#) Ds de G colectivos. (Sol + C.C8E;)
____________________________________________________________________________________________
119
____________________________________________________________________________________________
8C. @n ba>l contiene un gran n>mero de caRetillas de cigarrillos Tent3
Luc?(3 %elmont ( Silton3 en la proporcin E+6+;+8 respectivamente.
Sallar la probabilidad de que en 8C extracciones se extraigan +
a) E Tent3 6 Luc?(3 ; %elmont ( 8 Silton. (Sol + C.C6EK)
b) K Tent ( ; Silton. (Sol + C.CCC;5I)
,.- Ejercicios Desrroll%os
8.- O412 *E78 '2 3O"ED2.
Se lan)a una moneda insesgada3 determinar la probabilidad de que en el
8;U lan)amiento apare)ca cara por I
ta
ve).
Solucin+
p(cara) - p(sello) - C3I
7(,-8;) - (
88
9
E
) x C3I
I
x C3I
7(,-8;) - 66C x C3C686 x C3CCK - C3CKCG

;.- 49P/.O8 -" D2DO.
Se lan)a un dado insesgado3 determine la probabilidad de que en el 8IU
lan)amiento apare)ca el n>mero E por 6V ve).
Solucin+
p(E) - 8/G - C38GG q - 8- p - 8- C38GG - C3K666
7(,-8I) - (
8E
9
;
) x C38GG
6
x C3K666
8;
- 58 x C3CCEG x C388;8 - C3CEG5
6.- .2'.E4/"E5 ('/3P/O5).
Se tiene un caRn con ;C calcetines I roRos3 6 verdes3 G amarillos ( G
a)ules3 determine la probabilidad de que en el 8CU calcet"n extra"do (con
devolucin) apare)ca por IU ve) un calcet"n amarillo.
Solucin+
____________________________________________________________________________________________
11"
____________________________________________________________________________________________
p(amarillo) - G/;C - C36 q - 8- p - 8- C36 - C3
7(,-8C) - (
5
9
E
) x C36
I
x C3
I
- 8;G x C3CC;E x C38GK8- C3CICK
E.- 2../O"E5 -"/:2:.
La probabilidad de que las acciones de la 1mpresa de Servicios
9omputacionales @ni?a? LW&=. aumenten en un d"a es de C3EI. Se
observa el comportamiento de las acciones durante 8 d"as. F9ul es la
probabilidad de que en el 8IU d"a *a(an aumentado por GV ve) H.
Solucin+
p(aumento) - C3EI q - 8- p - 8- C3EI - C3II
7(,-8I) - (
8E
9
I
) x C3EI
G
x C3II
5
- ;CC; x C3CCK6 x C3CCEG- C3CGE
I.- P1O;E.4O +O"DE+.
1n un pro(ecto de investigacin F4M&1F de alta importancia3 se investiga
acerca de la inmortalidad del cangreRo3 para ello los investigadores *an
acudido a biblioteca ( encontraron una memoria a cerca del tema. 1l
investigador abre al a)ar la memoria de ECC pginas para ver su contenido3
F9ul es la probabilidad que en la GV apertura de la memoria se abra por EV
ve) sobre la pgina 6;IH
Solucin+
p(sobre la pgina 6;I) - (8/ECC) -C.CC;I
q - 8- p - 8- C3CC;I - C355I
7(,-G) - (
I
9
6
) x C3CC;I
E
x C355I
;
- 6.KKG*1-8C
G.- 4AMJ DE5P2.<-112DO.
Se sabe que las naves extraterrestres (4AMJ) son extremadamente
resistentes a los c*oques3 (a que despus de atravesar el *iperespacio se
____________________________________________________________________________________________
11*
____________________________________________________________________________________________
encuentran repentinamente con acumulaciones de meteoritos. Si la
probabilidad de colisionar con un meteorito al salir del *iperespacio es de
C353 determine la probabilidad de que al cru)ar el *iperespacio por ;.;IIV
ve) colisionen con un meteorito por ;;CCV ve).
Solucin+
p(colisionar) - C35 q - 8- p - 8- C35 - C3C6
7(,-;.;II) - (
;.;IE
9
;.855
) x C35
;.;CC
x C3C6
II
7(,-;.;II) - 8381
888
x 35C6E1
-6C
x 83EEE1
-KE
- C3C8EKCKE
.- ...; D2'E .O" E' PE'-.<E.
@n enamorado regala todos los meses el d"a que celebra el inicio de su
pololeo un osito de peluc*e a su polola3 lo que este enamorado no sabe es
que su polola es alrgica al peluc*e3 la probabilidad de que se lo lance a la
cara o lo bote a la basura es de C3;. &etermine la probabilidad de que al 8KU
mes la polola se lo tire por la cabe)a *abiendo (a botado a la basura 8E de
ellos.
Solucin+
p(tirar por la cabe)a) - C3; q - 8- p - 8- C3; - C3K
7(,-8K) - (
8
9
8E
) x C3;
8I
x C3K
6
- GKC x 63;GK1
-88
x C3I8; - 838EC51
-CK
K.- 3-.<O 'O*E.12+4.
Sace muc*o milenios3 antes de la presencia de la ra)a *umana sobre la
tierra3 se adoraba a los dioses primordiales3 Mugganot*3 dios primordial del
viento. 1l tiene una probabilidad de escuc*ar un ruego de C3CC8 de sus
adoradores3 ellos le piden que calme la terrible ventolera de la milenaria (
____________________________________________________________________________________________
11
____________________________________________________________________________________________
*o( extinta ciudad de XYl(e* (*o( en d"a 7la(a =nc*a). &etermine la
probabilidad de que en el 6U ruego *a(a aplacado el viento por 6V ve).
Solucin+
p(escuc*ar ruego) - C3CC8 q - 8- p - 8- C3CC8 - C3555
7(,- 6) - (
6G
9
;
) x C3CC8
6
x C3555
6E
- G6C x 81
-C5
x C35GGG- G3CK5G1
-C
5.- E' 52"52"O.
@n lac*ito (entindase como piropero o *alagador) tiene una probabilidad
de xito con las muReres de C38. 1l sbado pasado un amigo lo invito a su
#iesta de cumpleaBos3 en ella *ab"an 56 muReres todas mu( buenas mo)as3
lac*"n alcan) a corteRar durante la noc*e a ;6 de ellas3 obteniendo buenos
resultados con sta >ltima ( otra anterior. 9alcule la probabilidad de la
*istoria de lac*ito.
Solucin+
p(xito) - C38 q - 8- p - 8- C38 - C35
7(,- ;6) - (
;;
9
8
) x C38
;
x C35
;8
- ;; x C3C8 x C38C5E - C3C;E8
8C.- 2 ' / E "
,
.
Los tripulantes de la nave Mostromo *an abordado una nave extraterrestre
in#estada de *uevos de =liens3 rpidamente la teniente Xiple( orden
destruirlos organi)ando un equipo de asalto dirigido por la sargento
A)que) de G soldados3 se sabe gracias a ancestrales escrituras
encontradas en la nave que la probabilidad de encontrar una cr"a mac*o en
____________________________________________________________________________________________
1!0
____________________________________________________________________________________________
un *uevo es de C3G3 determinar la probabilidad de que al destruir el 8ICU
*uevo se encuentre la IV *embra.
Solucin+
p(*embra) - 8 - C3G - C3;E q(mac*o) - C3G
7(,- 8IC) - (
8E5
9
E
) x C3;E
I
x C3G
8EI
- 85;CCC8 x 35G;G1
-CE
x I3;;6G1
-8K
7(,- 8IC) - K3;C;;1
-8E

____________________________________________________________________________________________
1!1
____________________________________________________________________________________________
5.- Ejercicios Propuestos
8.- 2../DE"4E5 .211E4E1O5.
Las estad"sticas de accidentes de este aBo indican que la probabilidad de
quedar un auto con prdida total (totalmente inservible e irrecuperable) es
de C36I. 9alcule la probabilidad de que en el 8;GU accidente el auto quede
inservible Runto con otros 86 autos c*ocados anteriormente. (X+ 3CI1-88)
;.- +/" DE 5E32"2 E" */=2.
=l viaRar desde Santiago a AiBa un automovilista se encuentra con el
sem#oro que se ubica en el cruce de las calles =gua Santa con =lvare). La
probabilidad de encontrar una lu) verde es de C36K ( la de amarilla es de
C38;. 9alcule la probabilidad de que en el U viaRe se encuentre por IV ve)
con lu) roRa. (X + C3888KK)
6.- *O'E;!2'' D-P'25.
1n la #inal del 9ampeonato de &uplas de Aole(ball en las pla(as de %rasil.
se en#rentan representando a 9*ile los *ermanos Zrimaldi con el equipo de
=rgentina representado por la &upla Dortenson-7once. Seg>n las
estad"sticas la probabilidad de *acer un punto por parte de cualquiera de
los equipos es de C3. 1l n>mero total de lan)amientos correspondiente
ambas partes #ue de G6C ( se sabe que el GC! de ellos #ue de nuestros
compatriotas3 determinar la probabilidad de que el partido *a(a terminado
#avorable para 9*ile 88-C. (X + 63G1-8I)
E.- 5-E=O PO1 -" D92.
____________________________________________________________________________________________
1!1
____________________________________________________________________________________________
1n el laboratorio de in#ormtica de la @niversidad Santa Dar"a existen 8CC
computadores disponibles para los alumnos de EU ( IU aBo3 de ellos+
8I son estaciones Xis? GCCC
;I son 7cYs EKG&,E
8I son 7cYs 6KG &L9
;C son 7cYs EKG&,;
8I son 7cYs KC;KG
8C son 7cYs KCKK
&etermine la probabilidad de que en la KV sesin de trabaRo le sea asignada
por 6V ve) una estacin Xis? GCCC o por ;V ve) un EKG &,E. (X+
C38C5686;8).
I.- '2D1O"E5 52P/E"4E5.
@n equipo de ladrones mu( instruido sabe que la probabilidad de activacin
de una alarma de automvil es de C33 determinar la probabilidad de que al
robar el 8IU automvil la alarma no suene3 al igual que en otros 6 casos
anteriores. (X+ C3CIK6)
G.- >-2"/4O DE P25EO.
1l pap de [uanito3 de slo E aBos3 lo *a sacado a pasear a la calle
Aalpara"so en AiBa del Dar3 [uanito insiste en que quiere comer un *elado
de barquillo doble de c*ocolate con naranRa3 el pap dice LSi lo botas esta
ve)3 ser la >ltima ve) que te compro un *elado porque (a *as botado E de
stosN3 el pap sabe que es mu( probable que a [uanito se le caiga3 (a que3
en los >ltimos 8C paseos se le *an ca"do E veces con una probabilidad de
C33 pero como [uanito es un *iRo regaln ( siempre le dan en el gusto le
compran esta ve) otro *elado. F9ul es la probabilidad de que a [uanito no
le compren nunca ms un *eladoH. (X+ C3CI8EG)
.- .23P23E"4O 5.O-4.
1n un campamento Scout en el 9erro la 9ampana3 la probabilidad de ser
picado por un )ancudo es de C3I. 1ste es el KU campamento que se reali)a
____________________________________________________________________________________________
1!!
____________________________________________________________________________________________
en dic*o lugar ( [os (a *a sido picado en dos campamentos anteriores3 se
*a prometido a s" mismo que si es picado esta ve) no saldr nunca ms de
campamento. F9ual es la 7robabilidad de que no vuelva a ir a acamparH.
(X+ C3CCKGI;)
K.- 3212DO"2 <2 *-E'4O 2 '25 .2".<25.
=unque nadie lo sabe3 este Rugador es mu( asiduo a los res#r"os ( como le
gusta autorecetarse3 siempre toma Masti)ol3 la FJF= lo sabe pero pre#iere
*acer Lvista gordaN a esta #alta que tiene una probabilidad de C35. Sin
embargo se le *a dic*o que si en el prximo partido (el n>mero 8;)
nuevamente es sorprendido al igual que las otras veces anteriores ser
multado. F9ual es la probabilidad de que sea multadoH. (X+ C3C8E;CI)
*rible letori continu ($..c.)8
9omencemos por de#inir el concepto de variable aleatoria continua+
____________________________________________________________________________________________
1!;
____________________________________________________________________________________________
DE+/"/./0"8
Sea D un espacio muestral continuo3 se dice que X es variable
aleatoria continua a la #uncin+
X : M IR
tal que X
-1
( ]- ,x]) = AM xIR
.
DE+/"/./0" 8
Sea X un v.a.c. se de#ine la ?uncin %e %ensi%% probbil@stic
(#.d.p.) denotada por
X
f
a
@ - 0 @ = IR R D f
X X
x
X
f
satis#aciendo las siguientes condiciones+
1)
0
X
f
x D
1) 1 ) ( ) (

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.
____________________________________________________________________________________________
1!:
____________________________________________________________________________________________
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
) ( ) (
<
____________________________________________________________________________________________
1!9
____________________________________________________________________________________________
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
se conoce como la desviacin t"pica o estndar e indica el grado

de dispersin que tendr"a la v.a.c. ,
DE+/"/./0"8
Se de#ine el coe#iciente de variacin como+
) ( 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
____________________________________________________________________________________________
1!"
____________________________________________________________________________________________
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
################
____________________________________________________________________________________________
1!*
____________________________________________________________________________________________
+-"./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
____________________________________________________________________________________________
1!
____________________________________________________________________________________________
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
____________________________________________________________________________________________
1;0
____________________________________________________________________________________________
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
)
+
,
_
5e sbe Bue el costo %e ?briccin por rt@culo es C).000 D el

?bricnte lo $en%e en C5.000E pero #rnti( su reempl(o totl si su
tiempo %e %urcin es menor o i#ul 0EF.
) Determinr l ?uncin %e utili%% por rt@culo.
b) G.uHl es l utili%% esper% por rt@culoI
____________________________________________________________________________________________
1;1
____________________________________________________________________________________________
c) GPr BuJ $lor mHAimo %el tiempo KcLE el ?bricnte po%r@
#rnti(r un reempl(o totl (pr el primer rt@culo) %e
mo%o Bue Mubiese un utili%% esper% %e C&.000 por
rt@culoI
5olucin8
1n este eRercicio la v.a.c parece que est distribuida normalmente3
pero su dominio est cortado3 pues no son todos los reales3 (a que el
tiempo slo puede ser ma(or que C. Wenemos que encontrar la constante ?3
para que la #uncin dada sea una #uncin de densidad de probabilidad.
dt e
k
t
1
1
1
0
1 ;
1

,
_
,
_

,
_
;
; 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 Î.CCC*?* (C3;858 ^C38IK)
1 [ @ ]- 6.CCC Î.CCC *8.8KKG * (C3CGCI8)-;.GEC365.
1 [ @ ] ;.GE8 Q/art"culo
9) 8.CCC - 6.CCC ^ I.CCC *? *( ( c-E / E ) - (-8) )
____________________________________________________________________________________________
1;1
____________________________________________________________________________________________
I.CCC *?*( ( c-E/ E) - (-8)) -;.CCC
( c-E/ E) - (-8)- ;/(I ?)

( c-E/ E)- C366GI6 : C38IKGG -C.E5I85
(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+
____________________________________________________________________________________________
1;!
____________________________________________________________________________________________
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 )
;
con J7 ( 6< x <G)
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)
____________________________________________________________________________________________
1;;
____________________________________________________________________________________________
- (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:
____________________________________________________________________________________________
1;:
____________________________________________________________________________________________
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
____________________________________________________________________________________________
1;9
____________________________________________________________________________________________
' 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
____________________________________________________________________________________________
1;"
____________________________________________________________________________________________
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

donde -, > 0 (constantes)

La cual tiene 1speran)a igual a+ 1OxP -b : ( una Aarian)a
A(x) -
;
E>E1././O5 1E5-E'4O5 P212 D/541/!-./0" EXPO"E"./2'
& El tiempo Bue se %emorn en ten%er un person en un
c?eter@ es un $rible letori Bue tiene un Distribucin
eAponencil con me%i %e , min.
G.uHl es l probbili%% %e Bue un person se ser$i% en
menos %e 3 minutos l menos en , %@s %e un totl %e 6I
5olucin8
Sea t la variable asociada al tiempo3 por lo tanto t e (-C.;I)
) (
;
1
) (
@ - 0 @
;
t I e t f
t
)
,
_
____________________________________________________________________________________________
1;*
____________________________________________________________________________________________
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
)
5i l pJr%i% %e %inero es i#ul l cu%r%o %el nNmero

necesrio %e Mors pr lle$r cbo l reprcinE se %ebe
%eterminr el $lor esper%o %e ls pJr%i%s por reprcin.
5olucin8
1n este caso es necesario calcular el valor esperado de una #uncin
que se encuentra relacionada con la variable tiempo3 esta #uncin es+
4( t ) = t
'
7or lo tanto el valor esperado de las prdidas es+
____________________________________________________________________________________________
1;
____________________________________________________________________________________________
dt e t t IE t & IE
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+
____________________________________________________________________________________________
1:0
____________________________________________________________________________________________
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:;.
____________________________________________________________________________________________
1:1
____________________________________________________________________________________________
b+ 4 ( ! ' ) = 1 7 e (-' 8 )
= 1 7 e (-') = 0,;93.
Distribucin Gmm

Funcin Zamma (n) -

C
x
n-8
e
-x
dx
Propie%%8
1., ."+ / .",1+0.",1+ " * , 1
2., .2+ / .1+ / 1
3., 1i " * ."+ / .",1+2
Se dice que la v.a.c. , se distribu(e como una Zamma ssi su #.d.p.
es+
x
.x+ /
"
x
,1
e
,x
I
+
.x+ donde 3
4
.+
esto se anota 0 (-)
luego3 obtenemos la esperan)a ( varian)a de Zamma+
____________________________________________________________________________________________
1:1
____________________________________________________________________________________________
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+
____________________________________________________________________________________________
1:!
____________________________________________________________________________________________
&.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 $.. continu D se conoce su EPXQ D
su *PXQ. X
c
es tl Bue EPX
c
Q D *PX
c
Q se conocen8
& . a < X
8
< b + & .a < X
d
< b + donde X
d
* .E5X
8
63 V5X
8
6+
luego & .a < X
8
< b + / b , E5X
8
6 , a , E5X
8
6
V5X86
172
V5X86
172
____________________________________________________________________________________________
1:;
____________________________________________________________________________________________
*ectores letorios bi%imensionles continuos (
. . . . 8 b a %
)8
9omencemos por de#inir el concepto de vector aleatorio bidimensional
continuo+
DE+/"/./0"8
Sea D un espacio muestral continuo3 se dice que
X es un vector
aleatorio bidimensional ( bivariado) continuo a la #uncin+
X
+ M JXxJX
tal que
X
-1
( ]- ,!] ! ]- , y] ) = ?@ (!,y)JXxJX.
1l vector aleatorio
X puede representarse como+
X
+-(,3$) + M JXxJX , es dec"%
X (m) - ( ,(m) 3 $(m) ) mD

4bs.+
X . . . . 8 b a %
ss" , e $ son v.a.c. unidimensionales.

DE+/"/./0"8
Sea
X un . . . . 8 b a %
se de#ine la #uncin de densidad probabil"stica

conRunta (#.d.p.c.) denotada por
f
X
a

@ - 0 @ = RxR R D f
X X

(x3()
X
f

8)
0
X
f

(x3 () D
;)
1 ) - ( ) - (

d9dx 9 x I 9 x f
D X
@na ve) de#inida la #uncin de densidad conRunta del

. . . . 8 b a %

X
podemos de#inir otras #unciones importantes.
&1FJMJ9J_M+
____________________________________________________________________________________________
1::
____________________________________________________________________________________________
Sea
X un . . . . 8 b a %
3 con #uncin de densidad probabil"stica conRunta

f
X
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 %

f
X
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
) ( ) (

____________________________________________________________________________________________
1:9
____________________________________________________________________________________________
;) 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 ) - (
____________________________________________________________________________________________
1:"
____________________________________________________________________________________________
.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 %

f x 9
X
( - )
(
sea g + & JX
;
JX3 una #uncin continua tal que
) (M X
& 3
entonces si
____________________________________________________________________________________________
1:*
____________________________________________________________________________________________

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
____________________________________________________________________________________________
1:
____________________________________________________________________________________________
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
con "=1,'......n constantes.
( ) ) - ( 1
1 1
# i #
# i
i i
"
i
i i
"
i
i
X X C$% X V X V

<
+
1
]
1
DE+/"/./0"8
____________________________________________________________________________________________
190
____________________________________________________________________________________________
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
____________________________________________________________________________________________
191
____________________________________________________________________________________________
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
____________________________________________________________________________________________
191
____________________________________________________________________________________________
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%)
____________________________________________________________________________________________
19!
____________________________________________________________________________________________
=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
____________________________________________________________________________________________
19;
____________________________________________________________________________________________
=
( ) ( ) ( )
( ) ( )
+ 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
1sta >ltima matri) se conoce como matri) de varian)as ( covarian)as3 ella

resulta simtrica pues la 9ov( ,
i
3 ,
R
)- 9ov( ,
R
3 ,
i
).
Obser$cin8
Wodas las #.d.p. marginales son normales de dimensiones menores.
Lo interesante de esta distribucin es el poder encontrar las distintas
marginales de la distribucin normal ?-variada .
Ejemplo8
8.8.-1ncontrar las #.d.p. marginales
( )
; ! 1
- -
1
x x x f
x
3
( )
9 : 1
- -
1
x x x f
x

provenientes de una normal ?-variada con ?-G con vector de medias
( ) 9 - ; - 1 - 1 - ! - 1
( cu(a matri) de varian)as ( covarian)as es+

____________________________________________________________________________________________
19:
____________________________________________________________________________________________
1
1
1
1
1
1
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
____________________________________________________________________________________________
199
____________________________________________________________________________________________
( ) ( )
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
____________________________________________________________________________________________
19"
____________________________________________________________________________________________
( ) 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
,
_
____________________________________________________________________________________________
19*
____________________________________________________________________________________________
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
____________________________________________________________________________________________
19
____________________________________________________________________________________________
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
?
____________________________________________________________________________________________
1"0
____________________________________________________________________________________________
[ ] [ ] 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 ;
____________________________________________________________________________________________
1"1
____________________________________________________________________________________________
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

4o% lo que $5X

'
+X
D
+X
9
6=
'
+
D
+
9
=1'+1D+11 = (:
V5X
'
+X
D
+X
9
6= V(X
'
)+V(X
D
)+V(X
9
)+' 5cov(X
'
,X
D
)+cov(X
'
,X
9
)+ cov(X
D
,X
9
)6
=3+9+9+'#'+'#1+'#0 ='(
( ) 1! - !" G S
entonces para el clculo de la probabilidad tenemos lo
siguiente+
( ) ( ) 0;! . 1 1
1!
!" !1
1!
!"
!1 <
,
_

>
> ( &
1
& 1 &
= 1-(-1.0D'9) = 0.;313
____________________________________________________________________________________________
1"1
____________________________________________________________________________________________
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 <
____________________________________________________________________________________________
1"!
____________________________________________________________________________________________
=
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.
____________________________________________________________________________________________
1";
____________________________________________________________________________________________

( ) ( )

,
_
,
_
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
en OcmP ( matri) de varian)as ( covarian)as

____________________________________________________________________________________________
1":
____________________________________________________________________________________________
1
]
1

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

( ) ( )

,
_

< <
< < < >

: . 0
10 " . 10
J
: . 0
10 ! .
P 1 " . 10 0 ! . P 1 ! . 0 " - 10 0 P
=
( ) ( ) ( ) ( ) !1199 . 0 * . 0 * . 0 1 * . 0 J * . 0 P 1 < <
( ) 1 - 1: G I

____________________________________________________________________________________________
1"9
____________________________________________________________________________________________
( ) ( )
,
_

< <
< < < >

1
1: 19
J
1
1: 1;
P 1 19 I 1; P 1 1; I 19 I P
=
( ) ( ) ( ) ( ) 9*19* . 0 1 1 1 1 J 1 P 1 < <
( ) 1101"!: . 0 9*19* . 0 !1199 . 0 s de%ectLosa P
( ) """19: . 0 1101"!: . 0 1 s de%ectLosa sean no P
9omo las vigas son reempla)adas3 la probabilidad pedida sigue una
distribucin *ipergeomtrica pero esta es #actible aproximarla a una
distribucin binomial.
( ) "" - 0 < !0 Min M
)45!=116 =
10*"; . 0 ) 111 . 0 ( ) "" . 0 (
11
1:
11 1: 11
,
_

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.
____________________________________________________________________________________________
1""
____________________________________________________________________________________________
( ) ( )
( ) ( )
( ) ( ) 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
____________________________________________________________________________________________
1"*
____________________________________________________________________________________________
G.-Sea
[ ]
! 1 1
x - x - x 0
.a.6-normal con vector de medias

( ) 1 - 1 - 1
( 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
____________________________________________________________________________________________
1"
____________________________________________________________________________________________
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

,
_
,
_
+ +
,
_

____________________________________________________________________________________________
1*0
____________________________________________________________________________________________
"")
( ) ( )
( ) ( )
,
_
,
_
,
_
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.-
____________________________________________________________________________________________
1*1
____________________________________________________________________________________________
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
vector normal bivariado. Se conoce+

a)P(,Ì)-C.I
b)P(,`G) - C3KE86- P($`8I)
c)P($Ì) - C.8IK - 8-P(,`G)
d)POE ` $

` 8G / , - ;P
e)Si , aumenta entonces $ aumenta
.alcule la )P((IXI(.98,=3).
Respuesta:0.1(
(.-Sea
( ) I - 0 0
.a. n. -"va%"ado tal que :

") [ ] 1
1
!

x
x X
:
____________________________________________________________________________________________
1*1
____________________________________________________________________________________________
"") ! 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
____________________________________________________________________________________________
1*!
____________________________________________________________________________________________
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 es un vector aleatorio bidimensional ( bivariado)

discreto a la #uncin+

X
+ M JXxJX
tal 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 puede representarse por+
X +-(,3$) + M JXxJX 3 es decir3
X (m) - ( ,(m) 3 $(m) ) mD.

DE+/"/./0" 8
Sea
X un . . . . d b a %
3 se de#ine la #uncin de cuant"a conRunta (#.c.c.)

denotada por
f
X
(x
i3
(
R
) a

[ ] 1 - 0 = RxR R D f
X X

(x
i
3(
R
)
X
f

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 #
Obs.8 usulmente se us l notcin

p
i# pr notr el $lor %e
f
X
(A
iE
D
j
) en Bue
p
i# O P(X(3) O A
i
;(3) O D
j
) O P(XOA
i
R ;OD
j
) D por
lo tnto ls con%iciones Bue%n8
1
@" 8$"#?"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=.
____________________________________________________________________________________________
1*;
____________________________________________________________________________________________
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
X vector aleatorio bivariado discreto3 con #uncin de cuant"a

conRunta
) - (
# i
X
9 x f

-
p
i# 3 se de#inen las #unciones de cuant"a marginales
como siguen+
8) la de , como

#
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
X vector aleatorio bivariado discreto con #uncin de cuant"a

conRunta
) - (
# i
X
9 x f

-
p
i# 3 se de#ine la #uncin de distribucin conRunta la
relacin+

F
X
+ JXxJX [C38]
(x3()
F
X
(x3( )- 7( , x' $ ()

9 9
i#
x x
# i
p
____________________________________________________________________________________________
1*:
____________________________________________________________________________________________
Sea
X -(,3$) v.a.b.d. con #uncin de cuant"a conRunta

p
i# ( #uncin
de cuant"a marginal
p
i &
p
# respectivamente. Se de#ine la #uncin de
distribucin marginal de , e $ como sigue+
[ ]
F R
X X
= - 0 1
x
( )

x x
i X
i
p x X & x F ) (
[ ]
F R
: :
= - 0 1
(
( ) ( )

9 9
# :
#
p 9 : & 9 F
con
( ) ( )
F x F x p
X
X
i#
9
#

-
(
( ) ( )
F 9 F 9 p
:
X
i#
x
i

-
Sea
X -(,3$) v.a.b.d. ( sean

f
X
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+
____________________________________________________________________________________________
1*9
____________________________________________________________________________________________
( )
) (
) - (
i X
# i
X
i
x f
9 x f
x X : f

si
0 ) ( >
i X
x f
4eorem8
Sea
X -(,3$) v.a.b.d.3 consideremos

f
X
+ 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
X -(,3$) v.a.b.d.3 con #uncin de cuant"a conRunta

) - (
# i X
9 x f

(
sea g+ &JX
;
JX3 #uncin continua ( tal que ,(D) & 3 entonces se
de#ine como espe%an&a de g(x3() ( se denota por 1[g(x3()] al n>mero dado
por+
[ ]

# 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
____________________________________________________________________________________________
1*"
____________________________________________________________________________________________
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

f x 9
X
( - )
(
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+
____________________________________________________________________________________________
1**
____________________________________________________________________________________________
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
____________________________________________________________________________________________
1*
____________________________________________________________________________________________
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
____________________________________________________________________________________________
10
____________________________________________________________________________________________
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.
____________________________________________________________________________________________
si ( - C
si ( - 8
si ( - ;
11
____________________________________________________________________________________________
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

f x 9
X
( - )
dada por+
{ } { } f x 9
x 9
x 9
X
( - ) ( - ) - - - -
+

1 1
!1
0 1 1 ! 0 1
9alcular+
____________________________________________________________________________________________
11
____________________________________________________________________________________________
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
)
( )
____________________________________________________________________________________________
1!

APUNTE22 V 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

APUNTE22 V 1

Uploaded by

Copyright:

Available Formats

Universidad Tcnica Federico Santa Mara versin 1 Pg.

Sustitu(endo p- /n3 tomando el l"mite cuando n se obtiene

(desarrollo de serie de DacLaurin de e

3.-&espus de una prueba de laboratorio mu( rigurosa con cierto

+-"./0" GE"E12DO12 DE 3O3E"4O5

de all" el nombre de #uncin generadora de momentos.(=lgunas #.g.m.

7(,-8;) - 66C x C3C686 x C3CCK - C3CKCG

se conoce como la desviacin t"pica o estndar e indica el grado

5e sbe Bue el costo %e ?briccin por rt@culo es C).000 D el

( c-E/ E) - (-8)- ;/(I ?)

donde -, > 0 (constantes)

5i l pJr%i% %e %inero es i#ul l cu%r%o %el nNmero

Funcin Zamma (n) -

X puede representarse como+

X (m) - ( ,(m) 3 $(m) ) mD

ss" , e $ son v.a.c. unidimensionales.

se de#ine la #uncin de densidad probabil"stica

@na ve) de#inida la #uncin de densidad conRunta del

3 con #uncin de densidad probabil"stica conRunta

3 con #uncin de densidad probabil"stica conRunta

3 con #uncin de densidad probabil"stica conRunta

con "=1,'......n constantes.

1sta >ltima matri) se conoce como matri) de varian)as ( covarian)as3 ella

( cu(a matri) de varian)as ( covarian)as es+

4o% lo que $5X

en OcmP ( matri) de varian)as ( covarian)as

< < < >

< < < >

.a.6-normal con vector de medias

vector normal bivariado. Se conoce+

.a. n. -"va%"ado tal que :

X es un vector aleatorio bidimensional ( bivariado)

X puede representarse por+

X +-(,3$) + M JXxJX 3 es decir3

X (m) - ( ,(m) 3 $(m) ) mD.

3 se de#ine la #uncin de cuant"a conRunta (#.c.c.)

Obs.8 usulmente se us l notcin

X vector aleatorio bivariado discreto3 con #uncin de cuant"a

X vector aleatorio bivariado discreto con #uncin de cuant"a

X -(,3$) v.a.b.d. con #uncin de cuant"a conRunta

X -(,3$) v.a.b.d. ( sean

X -(,3$) v.a.b.d.3 consideremos

X -(,3$) v.a.b.d.3 con #uncin de cuant"a conRunta

X -(,3$) v.a.b.d.3 con #uncin de cuant"a conRunta

X -(,3$) v.a.b.d.3 con #uncin de cuant"a conRunta

You might also like