Colecci

on adicional de problemas
Estadstica e Investigaci
on Operativa
Verano 2014

Problema 1 El tiempo que tarda un autom

ovil de F
ormula 1 en dar una vuelta a un determinado
circuito se asume que se distribuye seg
un una exponencial que no depende del tiempo que haya
tardado en dar la vuelta anterior. Al realizar varias series de entrenamiento de 4 vueltas cada
una, se tiene que la vuelta m
as r
apida es superior a 2 minutos en el 10 % de las series. Se pide:
as r
apida de una serie. Y en
1. Probabilidad de que tarde entre 1 y 2 minutos en la vuelta m
una vuelta cualquiera?.
2. Probabilidad de que, en una serie, la vuelta m
as r
apida sea la u
ltima de la serie.
3. Probabilidad de que haya tardado m
as de 2 minutos en dos de las cuatro vueltas de una
serie.
ovil da vueltas al circuito durante 5 minutos seguidos, la probabilidad de que
4. Si el autom
haya dado las cuatro vueltas de la serie.
5. N
umero mnimo de vueltas que tendra que dar el autom
ovil para que haya al menos un
90 % de probabilidad de que la vuelta m
as r
apida de todas sea menor de 1.5 minutos.
Soluci
on
1. 0.1875
2. 0.25
3. 0.3634
4. 0.0423
5. 6


Problema 2 El n
umero de billetes de AVE que se venden al da por Internet se distribuye como
una Poisson cuya media es de 270 billetes/da.
1. Sabiendo que la probabilidad de que un pasajero con billete pierda su tren es del 1 %, se
pide:
a) Si un da se venden N billetes, calcular en funci
on de N la probabilidad de que 2
pasajeros de los que compraron dichos billetes pierdan sus trenes.
b) Probabilidad de que en un da se hayan vendido N billetes y un pasajero de los que
compraron dichos billetes pierda su tren, en funci
on de N .
1

c) Calcular la probabilidad de que, en un da, ninguno de los pasajeros pierda su tren.

Nota:

xi
= ex
i!
i=0

2. Calcular la probabilidad de que entre las 8:00 y las 16:00 horas, el n

umero de billetes vendidos por Internet sea menor que b. Adem
as, teniendo en cuenta la reproductividad de la
Poisson, calcular usando el TCL dicha probabilidad para b = 100.
3. Para la siguiente m.a.s. correspondiente a los billetes comprados al da por Internet durante una determinada semana (268, 270, 272, 269, 261, 270, 264), calcular un intervalo de
confianza de nivel de confianza 0.98 para la media de billetes comprados al da por Internet,
demostrando que se puede asumir normalidad.
umero medio de billetes de clase turista que se vende consecutivamente es
4. Sabiendo que el n
de 2.8, calcular el valor esperado y la varianza del n
umero de viajeros de clase turista si se
han vendido 200 billetes.
Soluci
on
(N )
1. a) 2 0.012 (1 0.01)N 2
N

(270)
270
b) 0.01(0.99)N 1 (N
1)! e

c) 0.0672
2. 0.85304
3. [263.12, 272.3001]
4. Esperanza: 147.368; Varianza: 38.77


Problema 3
1. Sea f (x) = Ke

|x|
a

, x (, ), con a > 0. Se pide:

a) Determinar K para que la funci

on anterior sea funci
on de densidad de una variable
aleatoria X.
b) Determinar la funci
on generatriz de momentos de X.
c) Determinar la probabilidad de que X [a, a]
d) Demostrar que |X| Exp( a1 )
e) Demostrar que si Z1 y Z2 son independientes y exponenciales de par
ametro , entonces
Z1 Z2 sigue la distribuci
on de X con a = 1
2. Sea el siguiente problema de programaci
on lineal:

M in 3x1 2x2 + 3x3

s.a. x1 2x2
x2 +
x2
x1 , x2 , x3 0

x3

8
1
3

Se pide:
a) Forma est
andar.
b) Forma can
onica en la que x1 y x2 son variables no b
asicas. Costes relativos de dicha
forma can
onica.
onica anterior. Es
optimo? En caso contrario, dec) Hallar V1 vertice de la forma can
terminar una soluci
on mejor V2 por el metodo de exploraci
on de las aristas.
optimo por el metodo de exploraci
on de las aristas, justificando
d) Hallar V3 el vertice
por que es
optimo.
Soluci
on
1. a) K =

1
2a

b) (t) =
c) 1

1
a2
1
t2
a2

1
,
1(at)2

t<

1
a

(en caso contrario no existe (t))

1
e

d ) |X| (t) =

1/a
1
t
a

e) Z1 Z2 (t) =

,t<

1
a

1
2,
1( t )

X con a = 1
2. a) Forma estandar

(en caso contrario no existe), por lo que |X| Exp

(1)
a

por lo que Z1 Z2 sigue la funcion de distribucion de

M in 3x1 2x2 + 3x3

s.a.
x2 +
x1 2x2
x2
x1 , x2 , x3 , h1 , h2 0

x3
+

h1
+

h2

b) Forma canonica
M in 3x1 2x2 + 3x3
s.a.
x2 + x3
=
x1 2x2
+ h1
=
x2
+ h2 =
x 1 , x 2 , x3 , h1 , h2 0
xB = (x3 , h1 , h2 ). Costes relativos (3, 5).
c) V1 = (0, 0, 1, 8, 3) con Z0 = 3. V2 = (0, 1, 0, 10, 2) con Z0 = 2.
d ) V3 = (10, 1, 0, 0, 2) con Z0 = 32 (vertice optimo).

=
=
=

1
8
3

1
8
3

Problema 4 Se sabe que cada cierto tiempo (X meses) la intensidad de corriente de una instalaci
on electrica supera un determinado valor que hace que se funda el fusible instalado. Cuando esto
sucede, el fusible es reemplazado por otro nuevo en un tiempo que puede considerarse despreciable.
Si la media de fusibles reemplazados al mes es constante (c), se pide
3

1. Modelar la variable Y = {n
umero de fusibles reemplazados al a
no}. Calcular la probabilidad
de que el n
umero de fusibles reemplazados al a
no sea 3, en funci
on de c.
2. Determine la funci
on generatriz de momentos de W = {tiempo en a
nos transcurrido hasta
fundir el fusible de la instalaci
on electrica} en funci
on de c. Modelar W en funci
on de la
variable X.
3. Modele la variable Z = {tiempo en a
nos transcurridos hasta fundir el k-esimo fusible} en
funci
on de la variable X. Determine la funci
on de densidad de Z en funci
on de c. Calcular
la probabilidad de que transcurran menos de 2.5 meses en reemplazar el segundo fusible en
funci
on de c.
Soluci
on
1.

(12c)3 12c
3! e
X

2. W (t) = X (t/12) E[eW t ] = E[e 12 t ] W =

X
12 .

3. 1 (1 + 2.5c)e2.5c


Problema 5 La demanda diaria de leche fresca (miles de litros) en un supermercado se distribuye seg
un una normal de esperanza 100 y varianza 4. La leche fresca no vendida al final del da
debe tirarse, por lo que cada da debe reponerse leche fresca nueva. Se pide:
1. Cantidad mnima de leche fresca a reponer diariamente para que no falte leche en al menos
el 99 % de los das.
umero de das (en % sobre das del a
no) en los que sobrar
a leche si se reponen 101 miles
2. N
de litros diarios.
3. Si se reponen 102 miles de litros diarios, probabilidad de que falte leche en m
as de un da
de la semana (6 das laborables).
4. Si se reponen 101 miles de litros diarios, probabilidad de que al menos sobren 1000 litros
en un da en el que ha sobrado leche.
5. Si se reponen 101 miles de litros diarios, probabilidad de que al menos sobren 1000 litros
en un da cualquiera.
6. Se ha registrado la demanda de leche los das anteriores a un festivo, obteniendo los siguientes valores: (102, 95, 104, 98, 95, 102, 100, 103). Con una confianza del 99 %, podra
afirmarse que los par
ametros de la distribuci
on normal de la demanda son distintos para
estos das de los que se han considerado en el enunciado?
Soluci
on
1. 104660 litros
2. 69.146 %
4

3. 0.2441
4. 0.7231
5. 0.5
6. IC99 % () = [95.5039, 104.2461], IC99 % ( 2 ) = [4.28, 87.87].


Problema 6
1. Sean X e Y dos variables aleatorias independientes con X Exp() e Y
Exp(1/), con > 1.
a) Hallar la funci
on generatriz de momentos de la variable aleatoria X + Y , E[X + Y ] y
V [X + Y ].
b) Hallar E[(X + Y )2 ]
c) Hallar Cov[X, XY ]
d) Dados x, y > 0, demostrar que P [X > x + y|X > x] = P [X > x].
e) Dados x, y > 0, hallar P [X + Y > x + y|Y < y]
f) Dado x > 0, hallar P [min{X, Y } > x]
on generatriz de momentos de la variable aleatoria X Y ,
g) Si = 1, hallar la funci
E[X Y ] y V [X Y ].
2. Sea el siguiente modelo de programaci
on lineal.
M ax 3x1 + 2x2
s.a. 4x1
+
2x1
x1 0; x2 0

x2
x2

16
12

a) Escribir la forma est

andar del modelo dado.
b) Escribir la forma can
onica del modelo con x1 y x2 como variables no b
asicas.
c) Escribir los costes relativos, el vertice V1 y el valor de la funci
on objetivo en dicho
vertice de la forma can
onica del apartado anterior. Es
optimo? Razonar la respuesta.
d) Por el metodo de exploraci
on de las aristas buscar otro vertice V2 que mejore la funci
on
objetivo.
e) Hallar el vertice
optimo.
Soluci
on
1
, t < 1 .
2
1 +1 t+t2
E[(X + Y )2 ] = 22 + 22 + 2
Cov[X, XY ] = 1

1. a) X+Y (t) =

E[X + Y ] = + 1 , V [X + Y ] = 2 +

b)
c)
d ) Demostrar usando que si x, y > 0, entonces si X > x + y X > x.
e) P [X + Y > x + y|Y < y] = P [X < x] = 1 ex
5

1
.
2

1
f ) P [min{X, Y } > x] = e(+ )x
1
g) XY (t) = 1t
2 con t < 1; E[X Y ] = 0, V [X Y ] = 2.

2. Modelo de PL

b)
c)
d)
e)

M in 3x1 2x2
s.a. 4x1 + x2 + h1
= 16
a)
2x1 + x2
+ h2 = 12
x1 0; x2 0; h1 0; h2 0
Forma canonica:
Coincide con el modelo en forma estandar, con xD = (x1 , x2 ) y xB = (h1 , h2 )
Z = 3x1 2x2 , rD = (3, 2), V1 = (0, 0, 16, 12), Z0 = 0
V2 = (4, 0, 0, 4), con Z0 = 12.
V3 = (2, 8, 0, 0), con Z0 = 22.
V4 = (0, 12, 4, 0) con Z0 = 24 (vertice optimo).


Problema 7 Sea (X, Y ) una variable aleatoria bidimensional continua.

on f (x, y) sea funci
on de densidad conjunta de (X, Y ).
1. Hallar k para que la funci
{
0
(x, y) A
f (x, y) =
2
kx y (x, y) A
Con A = {(x, y) : 1 x 1, 0 x2 < y < 1}
2. Hallar las funciones de densidad marginales de X y de Y .
3. Hallar las funciones de distribuci
on marginales de X e Y .
4. Hallar E[X] y V [Y ].
5. Hallar E[X n ].

6. Hallar E[ Y ].
7. Hallar E[XY ] y Cov[X, Y ]. Son X e Y independientes? Razonar la respuesta.
8. Hallar E[X n Y ].
9. Hallar P [X x; Y y] con 1 x 1, 0 x2 < y < 1.
10. Hallar F (x, y).
11. Hallar P [X x|Y y] con 1 x 1, 0 x2 < y < 1.
Soluci
on
1. k =

21
4

Figura 1: Region de definicion de la funcion de densidad conjunta A = {(x, y) : 1 x 1, 0

x2 < y}

2. fX (x) =

{
0
{

fY (y) =

21 2
8 x (1

0
7 5/2
2y

0
3. FX (x) =

x < 1 o x > 1
1 x 1

y 0 o y 1
0<y<1

7x3 3x7
8

0
FY (y) = y 7/2

x4 )

1
2

x < 1
1 x 1
x>1

y0
0<y<1
y1
( )2
7
4. E[X] = 0, V [Y ] = 11
97
{
0
n impar
n
5. E[X ] =
21
n par
2(n+3)(n+5)

6. E[ Y ] = 78
7. E[XY ] = 0, Cov[X, Y ] = 0, fX (x) fY (y) =
f (x, y) X e Y no son independientes.
{
0
n impar
n
8. E[X Y ] =
21
n par
(n+3)(n+9)

21 2
8 x (1

x4 ) 27 y 5/2 =

9. P [X x; Y y] = 78 (y 2 x4 )(x3 + y 3/2 )

0
x < 0 y < x2

7 2
4
3
3/2

8 (y x )(x + y ) (x, y) A
10. F (x, y) = 78 (y 2 x4 )2y 3/2
x > 0, 0 < y < x2 , y < 1

7 2
3
3/2 )

y x2 , y > 1

8 (y 1)(x + y

1
x > 1, y > 1
7

21 2
4 x y

11. P [X x|Y y] =

7 2
(y x4 )(x3 +y 3/2 )
8
y 7/2

Problema 8 Sea X variable aleatoria con la funci

on de densidad:
f (x) = aebx , x [0, 1], a, b > 0
La funci
on generatriz de momentos de X es
(t) =

e(t+1) 1
(e 1)(t + 1)

Se extrae una m.a.s de tama

no 30 de X, (X1 , X2 , ..., X30 ). Se pide:
1. Calcular la varianza de la variable Y = X12 X15 + 3X20 .
2. Calcular la probabilidad de que la media muestral de la m.a.s. sea menor que 0.6.
3. Determinar los par
ametros a y b de la funci
on de densidad dada.
4. Probabilidad de que X4 sea menor que 0.5 sabiendo que X2 ha tomado el valor 0.8.
5. Probabilidad de que los u
nicos resultados muestrales de la m.a.s. mayores que 0.5 sean los
cuatro primeros.
6. Probabilidad de que cuatro resultados muestrales de la m.a.s. sean mayores que 0.5.
7. Si todos los das se confeccionara un intervalo de confianza de forma independiente para
estimar el par
ametro a de nivel de confianza (1 ), calcular dicho nivel de confianza para
que el n
umero medio de das consecutivos en los que el intervalo contenga al par
ametro sea
49.
Soluci
on
1. V [Y ] = 0.8726
2. 0.63683
3. a =

1
e1 ,

b=1

4. P [X4 < 0.5|X2 = 0.8] = 0.3775

5. 1.5 1012
6. 4.11 108
7. 0.98


Problema 9 El n
umero de ingresos en un determinado hospital se distribuye como una Poisson
cuya media es ingresos/a
no. Si la probabilidad de que un ingresado fallezca es 0.05:
1. Determinar, en funci
on de , la funci
on de distribuci
on de la variable aleatoria que mide
el tiempo que transcurre sin que haya ning
un ingreso en el hospital en a
nos.
2. Determinar, en funci
on de , la funci
on de densidad de la variable aleatoria que mide el
tiempo medio que transcurre en producirse cinco ingresos en a
nos.
3. Calcular de forma aproximada , usando de forma justificada el TCL, si la probabilidad de
que el n
umero de ingresos al mes sea mayor que 96 es 0.121.
on sigue la variable aleatoria W ={n
umero de fallecimientos al
4. Determinar que distribuci
a
no en el hospital, sabiendo que ha habido N ingresos en el a
no}.
on de probabilidad de la variable aleatoria M ={n
umero de fallecimientos
5. Determinar la funci
al a
no en el hospital}. Que distribuci
on sigue M ?
Nota: Para este apartado use

xi
i=0

i!

= ex

Soluci
on
1. F (x) = 1 ex
2. f (y) =

(5)5 4 5y
,
4! y e

y>0

3. = 1022.31

( )
m
N m
4. W Bi(N, 0.05), P [W = m] = P [M = m|I = N ] = N
m 0.05 0.95

e0.05
m M
5. P [M = m] =
N =m P [M = m|I = N ]P [I = N ] =
m! (0.05)
Po(0.05)


Problema 10 En un centro medico que abre 10 horas al da hay cuatro consultas de distintas
especialidades. Se asume que el n
umero medio de pacientes por unidad de tiempo que llegan a
cada consulta es constante y el mismo para cada consulta. Sabiendo que la probabilidad de que
no llegue ning
un paciente en una hora al centro medico es de 0.005, se pide:
1. Probabilidad de que en una hora hayan llegado 4 pacientes al centro medico (a cualquiera
de las especialidades).
2. Probabilidad de que el n
umero de pacientes que han llegado a una de las consultas en un
da sea de 12.
3. Probabilidad de que en una consulta pasen 2 horas sin que llegue ning
un paciente.
4. Probabilidad de que en al menos dos de las consultas hayan llegado 10 pacientes en un da.
9

5. Se intentan validar los datos del enunciado mediante una muestra de 6 das en la que se ha
contabilizado el n
umero de pacientes que llegan al centro medico, obteniendose los siguientes valores: (56, 53, 56, 64, 51, 59). De acuerdo a los datos de la muestra, con que nivel de
confianza se puede asumir el n
umero medio de pacientes a la hora que se deduce del enunciado? Justificar que se puede asumir normalidad para aplicar el intervalo de confianza
correspondiente.
Soluci
on
1. 0.164
2. 0.1081
3. 0.071
4. 0.0353
5. 89 %


Problema 11 Una m
aquina procesa una pieza tras otra sin interrupci
on. El tiempo que tarda
en procesar cada pieza se considera distribuido seg
un una exponencial de media 25 segundos. Se
pide:
as piezas en un minuto.
1. Probabilidad de que se puedan procesar tres o m
2. Probabilidad de que se tarde m
as de un minuto en procesar dos piezas.
3. Probabilidad de que, en un conjunto de cuatro piezas, ninguna de ellas haya tardado m
as
de 22 segundos en procesarse.
4. Probabilidad de que, en un conjunto de cuatro piezas, haya dos piezas en las que se haya
tardado m
as de 28 segundos en procesarse cada una.
5. Probabilidad aproximada de que se tarde menos de una hora en procesar 150 piezas.
Soluci
on
1. 0.4303
2. 0.3084
3. 0.1173
4. 0.2900
5. 0.3121


10

Problema 12 Se asume que el error de los radares (medido en ciertas unidades) se distribuye
como una normal N (, 40), donde depende de la antig
uedad del radar. Para radares instalados
en 2005 o antes se puede asumir = 30, mientras que para averiguar el valor de para los
instalados con posterioridad se ha tomado la siguiente m.a.s.: (35.2, 23.6, 39.2, 19.4,27.4,12.4)
Se pide:
1. Estimaci
on del error medio de los radares instalados con posterioridad a 2005 y su intervalo
de confianza al 95 %.
2. Nivel de confianza mnimo con el que puede asumirse que 2 40 para estos radares.
Asumiendo la estimaci
on de la esperanza dada por la muestra anterior:
3. Si se sabe que en una determinada zona hay una probabilidad del 50 % de que un radar
cualquiera tenga un error menor que 28, determinar el porcentaje de radares de cada tipo
(de 2005 y anteriores, o posteriores a 2005) que hay instalados en dicha zona.
4. Si un radar tiene un error menor que 25, determinar la probabilidad de que haya sido
instalado en la zona con posterioridad a 2005.
Soluci
on
1. IC0.95 () = [21.1393, 31.2607]
2. 90 %
3. 53.24 % de radares de tipo moderno, y un 46.76 % de radares antiguos.
4. 0.6924


Problema 13
1. Sea f (x) = Ke|xa| , x (, ), con a en R. Se pide:
on anterior sea funci
on de densidad de una variable
a) Determinar K para que la funci
aleatoria X.
b) Determinar la funci
on generatriz de momentos de X.
c) Demostrar que |X a| Exp(1)
d) Demostrar que si Z1 y Z2 son independientes y exponenciales de par
ametro 1, entonces
Z1 Z2 sigue la distribuci
on de X con a = 0
2. Sea el siguiente problema de programaci
on lineal:
M in 3x1 2x2 + 2x3
s.a. x1 2x2
x2 +
x2
x1 , x2 , x3 0
11

x3

6
1
2

Se pide:
a) Forma est
andar.
b) Forma can
onica en la que x1 y x2 son variables no b
asicas. Costes relativos de dicha
forma can
onica.
c) Hallar el vertice V1 de la forma can
onica. Es el vertice anterior
optimo? En caso
contrario, determinar un vertice mejor V2 por el metodo de exploraci
on de las aristas.
Soluci
on
1. a) K =

1
2

b) (t) =

eat
1t2

para |t| < 1 (en caso contrario no existe (t))

1
c) |Xa| (t) = 1t
, para t < 1 (en caso contrario no existe |Xa| (t)), |X a|
Exp(1).
1
d ) Z1 Z2 (t) = 1t
on gene2 Tal y como se puede ver del apartado b), la funci
ratriz de momentos anterior es identica a la de la variable X con a = 0. Por
lo tanto, ambas variables siguen la misma distribucion.

2. a) Forma estandar
M in 3x1 2x2 + 2x3
s.a.
x2 +
x1 2x2
x2
x1 , x2 , x3 , h1 , h2 0

x3
+

b) Forma canonica
M in 3x1 2x2 + 2(1 x2 ) = 2 3x1 4x2
s.a.
x2 + x3
x1 2x2
+ h1
x2
+ h2
x 1 , x 2 , x3 , h1 , h2 0
Costes relativos: (3, 4).
c) V1 = (0, 0, 1, 6, 2), con Z0 = 2. V2 = (0, 1, 0, 8, 1) con Z0 = 2.


Problema 14
Sea el siguiente modelo de programaci
on lineal.
M in 2x1 + 3x2
s.a. x1 +
3x1
x1 0; x2 0

3x2
3x2

1. Escribir la forma est

andar del modelo dado.

12

6
2

h2

=
=
=

=
=
=

1
6
2

h1

1
6
2

2. Razonar si la forma can

onica del modelo donde x1 = 0 y x2 = 0 corresponde al
optimo del
problema.
3. Razonar si el punto donde las variables de holgura de la forma est
andar del modelo son nulas
es un vertice de la regi
on de admisibilidad del problema. Debe usarse la forma matricial.
4. Escriba la forma can
onica del vertice donde x1 = h2 = 0. Razone si dicha forma can
onica
corresponde al
optimo del problema. Debe usarse la forma matricial.
Soluci
on
1. Forma estandar:
M in 2x1 3u2
s.a. x1 3u2 + h1
3x1 + 3u2
x1 0; u2 0; h1 0; h2 0

h2

=
=

6
2

2. La forma canonica coincide con el modelo en forma estandar, con xD = (x1 , u2 )

y xB = (h1 , h2 ). rD = (2, 3)
3. No lo es, ya que
B

(
b=

2
4/3

4. Forma canonica:
M in 2 + 5u2 + h2
s.a. x1 + u2 +
4x1 +
+ h1 +
x1 0; u2 0; h1 0; h2 0

1/3h2
h2

=
=

2/3
8

Es la forma canonica del optimo.



Problema 15 Una persona accede todas las ma

nanas al ascensor de un edificio de 10 plantas
(Bajo, 1, 2, . . . , 9) desde la planta baja.
Cuando el ascensor no est
a ocupado (lo que ocurre con probabilidad p), tiene igual probabilidad
de estar en cualquier planta. En este caso, el tiempo que tarda el ascensor en ir de una planta a
la siguiente es 10 segundos (se considera despreciable el tiempo de apertura de puertas).
Si el ascensor est
a ocupado, el tiempo de espera se distribuye seg
un una exponencial de media 45
segundos.
1. Hallar la probabilidad de que la persona espere menos de un minuto cuando el ascensor
est
a ocupado.
2. Hallar la funci
on de distribuci
on del tiempo de espera cuando el ascensor no est
a ocupado.
3. En una semana (7 das) en la que el ascensor estuvo ocupado todos los das, hallar la
probabilidad de que el tiempo de espera m
aximo haya sido mayor de 45 segundos.
13

En el 60 % de las ma
nanas, la persona espera menos de 50 segundos en subir al ascensor.
4. Hallar la probabilidad de que el ascensor este ocupado (p).
5. Dado el valor de p anterior, hallar la probabilidad de que el ascensor estuviera ocupado si
la persona ha esperado menos de un minuto.
umero de das en los que la persona espera menos de 50 segundos
6. Hallar la varianza del n
en una semana (7 das).
Soluci
on
1. 0.7364

2. FTL (t) =

10

t<0
0 t < 10
10 t < 20

...

10

80 t < 90
t 90

10

3. 0.9597
4. 0.4145
5. 0.6342
6. 1.68


Problema 16 En un dep
osito de agua al aire libre la evaporaci
on semanal de agua en m3 , X,
sigue una distribuci
on N (1 , 12 ). La cantidad de agua de lluvia que cae en el dep
osito, Y , en m3
2
sigue una distribuci
on N (2 , 2 ).
Se han tomado los siguientes datos:
Semanas
X
Y

1
40.67
41.24

2
40.31
40.84

3
44.06
44.96

4
40.15
40.66

5
39.20
39.62

6
39.35
39.78

7
39.28
39.71

8
41.19
41.80

9
37.75
38.02

10
36.73
36.90

Utilizando estimaci
on puntual para los par
ametros de las variables dadas:
1. Calcular la probabilidad de que al final de una semana el dep
osito tenga menos de N0 m3
3
de agua si al principio de la semana tena N0 m .
2. Calcular la probabilidad de que el dep
osito tenga m
as de 120 m3 de agua tras 10 semanas
3
si al principio de ese perodo tiene 100 m .

14

3. Si el agua evaporada en una semana es superior a 40 m3 es preciso cubrir el dep

osito para
evitar la evaporaci
on. Calcular de forma aproximada la probabilidad de que haya que cubrir
el dep
osito en m
as de la mitad de las semanas al a
no (52 semanas).
4. Se puede aceptar la hip
otesis al 95 % de confianza de que las distribuciones de X e Y son
identicas?
Soluci
on
1. 0.56356
2. 0.00402
3. 0.63307
4. IC0.95 ( 12 ) = [0.2053, 3.3273] IC1 (1 2 ) = [2.4519, 1.4786]


Problema 17
1. Sean X1 N (1 , 12 ), X2 N (2 , 22 ) independientes, y sean Z1 y Z2 las
variables aleatorias obtenidas al tipificar X1 y X2 .
a) Demostrar que Z1 N (0, 1).
b) Que distribuci
on sigue la variable aleatoria Z1 Z2 ? Demostrarlo.
Teniendo en cuenta las distribuciones asociadas a la normal:
c) Que distribuci
on sigue la variable aleatoria Z12 + Z22 ? Hallar P [Z12 + Z22 0.01].
d) Sean Z3 , Z4 N (0, 1) variables aleatorias independientes entre s, e independientes de
Z 2 +Z 2
Z1 y Z2 . Que distribuci
on sigue la variable aleatoria Z12 +Z22 ? Hallar
3

P [Z12 + Z22 > 9(Z32 + Z42 )].

2. Sea el siguiente problema de programaci
on lineal:
M in 2x1 + 3x2
s.a. x1 +
3x1
x1 0, x2 0

3x2
3x2

6
2

Se pide:
a) Definici
on de la forma est
andar de un modelo de programaci
on lineal.
b) Escribir la forma est
andar del modelo del enunciado.
c) Escribir la forma can
onica del vertice donde x1 y x2 son cero.
d) A partir de la forma can
onica del apartado anterior, realizar una iteraci
on del metodo
de exploraci
on de las aristas donde la funci
on objetivo mejore, escribiendo explcitamente:
Ecuaci
on parametrica de la arista seleccionada.
15

Vertices extremos de la arista.

Valor de la funci
on objetivo en los extremos.
e) Razone si en el apartado anterior se ha llegado al
optimo del problema.
Soluci
on
1. a) Usar la funcion generatriz de momentos.
b) Usar la funcion generatriz de momentos.
c) Z12 + Z22 22 . P [Z12 + Z22 0.01] = 0.005
d)

Z12 +Z22
Z32 +Z42

F2,2 . P [Z12 + Z22 > 9(Z32 + Z42 )] = 0.1

2. Modelo de programacion lineal.

a) Ver teora.
b) Forma estandar:
M in 2x1 3u2
s.a. x1 3u2 +
3x1 + 3u2
x1 , u2 , h1 , h2 0
c) La forma canonica coincide con la estandar.
d)
x1 = 0
u2 = > 0
h1 = 6 + 3
h2 = 2 3
V1 = (0, 0, 6, 2) y V2 = (0, 2/3, 8, 0).
0 y -2.
e) rD = (5, 1), V2 es optimo.

h1
+

h2

=
=

6
2

Problema 18 El n
umero medio de personas que llegan a un hipermercado por minuto es tres.
1. Probabilidad de que lleguen menos de 3 personas en un minuto.
2. Probabilidad de que lleguen menos de 3 personas en dos minutos.
3. Probabilidad de que hayan pasado treinta segundos entre la llegada de dos personas.
4. Probabilidad de que hayan pasado menos de tres minutos si han llegado 4 personas a la
tienda.
El 65 % de personas coge un carrito, y el resto coge un cesto para hacer la compra. Hallar:
5. Probabilidad de que exactamente dos de las cuatro personas que han llegado en un minuto
cojan carrito.

16

6. Probabilidad de que hayan llegado 3 personas en un minuto y exactamente una de ellas coja
un carrito.
7. Probabilidad de que no se haya cogido ning
un carrito en un minuto.
8. Probabilidad de que hayan llegado dos personas en un minuto si no se ha cogido ning
un
carrito en ese minuto.
Soluci
on
1. 0.4232
2. 0.062
3. 0.22
4. 0.9787
5. 0.31
6. 0.05352
7. 0.14227
8. 0.1929


Problema 19 La aceleraci
on de un cuerpo en un medio se distribuye seg
un una normal. En
un laboratorio se ha medido la aceleraci
on en dicho medio de dos cuerpos A y B en distintos
instantes de tiempo, obteniendose los siguientes resultados:
Cuerpo A
Cuerpo B

2.50
-5.19

-1.06
4.25

-2.52
-2.51

0.29
0.01

-0.01
1.78

1.18
1.83

5.89
-2.61

-3.07
-1.21

3.21
0.21

0.41
-5.35

2.03

-3.14

1. Empleando los datos de las muestras, hallar la probabilidad de que en un instante de tiempo
la aceleraci
on del cuerpo A sea mayor que la del cuerpo B.
2. Hallar la probabilidad de que la aceleraci
on media del cuerpo A de 100 mediciones sea menor
que cero.
3. Se hacen mediciones sucesivas de la aceleraci
on del cuerpo A en distintos instantes de tiempo hasta comprobar que est
a frenando (su aceleraci
on es negativa). Hallar la probabilidad
de haber hecho tres mediciones.
4. Se hacen 100 mediciones de la aceleraci
on del cuerpo A. Hallar la probabilidad aproximada
de que en menos de 30 ocasiones el cuerpo estaba frenando.
5. Con un nivel de confianza del 80 %, comprobar si se puede suponer que la aceleraci
on de
ambos cuerpos est
an identicamente distribuidas.
Soluci
on
1. 0.6293
17

2. 0.04
3. 0.1397
4. 0.00427
( 2 2)
5. IC0.8 A
/B = [0.3180, 1.7327]
IC1 (A B ) = [0.2902, 2.999]


Problema 20

1. Resolver la siguientes cuestiones te

oricas:

a) Sean X e Y dos variables aleatorias. Demostrar que Cov[X + k, aY ] = aCov[X, Y ] k

a = 0.
b) Sean X e Y dos variables aleatorias. Demostrar que V [aX bY ] = a2 V [X] + b2 V [Y ]
2abCov[X, Y ]
c) Sean X e Y dos variables aleatorias independientes con funci
on de distribuci
on FX (x)
y FY (y). Hallar la funci
on de distribuci
on de W1 = max{X, Y } y de W2 = mn{X, Y }
en funci
on de FX y FY .
on lineal siguiente:
2. Dado el modelo de programaci
M ax x1 2x2 + x3
s.a. 2x1 x2 +
x1 3x2
x1

x1 libre, x2 0, x3 0

x3
x3

5
7
4

a) Hallar la forma est

andar del modelo dado.
onica del modelo, las ecuaciones parametricas de dicha forma
b) Hallar una forma can
can
onica, el primer vertice V1 y el valor de la funci
on objetivo en dicho vertice.
c) Demostrar que V1 no es
optimo y hallar un vertice V2 mejor que V1 por el metodo de
exploraci
on de las aristas.
optimo.
d) Demostrar que V2 es
Soluci
on
1. Cuestiones teoricas:
a) A partir de la definicion de covarianza.
b) A partir de la definicion de varianza.
c) Usar que P [max{X, Y } w] = P [X w; Y w] y que P [mn{X, Y } >
w] = P [X > w; Y > w].
2. Programacion Lineal:
a) Forma estandar:

18

M in u1 + v1 + 2x2 + y3
s.a. 2u1 2v1 x2 y3 + h1
u1 + v1 + 3x2
+ h2
u1
v1
+ y3
+ h3
u1 , v1 , x2 , y3 , h1 , h2 , h3 0
b) Forma canonica: Coincide con la forma estandar, xB = (h1 , h2 , h3 ) y xD
(u1 , v1 , x2 , y3 ). V1 = (0, 0, 0, 0, 5, 4, 7), con Z0 = 0
3
5
c) V2 = ( 25 , 0, 0, 0, 0, 19
2 , 2 ), con Z0 = 2 .
d ) rD = ( 32 , 12 , 12 ). V2 es optimo.

=
=
=

5
7
4

Problema 21 Los alumnos se acercan a la m

aquina de cafe de los laboratorios de la ETSI
siguiendo una Poisson de media 4 alumnos/minuto. Si la m
aquina est
a ocupada, no esperan y se
van sin cafe. La m
aquina tarda 10 segundos en servir un cafe. Se pide:
1. Probabilidad de que al menos se acerquen 2 alumnos en 15 segundos.
2. Probabilidad de que pasen 20 segundos sin que se acerque ning
un alumno.
aquina este libre.
3. Probabilidad de que se acerque un alumno y la m
4. Probabilidad de que, si 5 alumnos han ido a la m
aquina, 2 o m
as se hayan tenido que ir
sin cafe.
5. Si la probabilidad de que un alumno que va a la m
aquina sea de m
aster es de 0.1, calcular la
probabilidad de que ning
un alumno de m
aster se haya acercado a la m
aquina en 1 minuto.
Nota:

xi
ex =
i!
i=0

Soluci
on
1. 0.2642
2. 0.2636
3. 0.5134
4. 0.7953
5. 0.6703


Problema 22 Una compa

na aerea realiza 8 vuelos diarios en la ruta Sevilla-Barcelona. El tiempo en cubrir la ruta depende de si hay o no incidencias en el vuelo: si no las hay, sigue una
N (150, 4), y si las hay, sigue una N (152, 9). En el 55 % de los vuelos, el tiempo en cubrir la
ruta es superior a los 151 minutos. Asumiendo que el n
umero medio de incidencias por vuelo es
constante y no depende de las del resto de vuelos, se pide:
19

1. Probabilidad de que no haya ninguna incidencia en un vuelo.

2. Porcentaje de vuelos que tardan m
as de 153 minutos en cubrir la ruta.
3. Porcentaje de das en los que al menos un vuelo tarda m
as de 153 minutos en cubrir la
ruta.
4. N
umero mnimo de incidencias que suceden en un vuelo con al menos una probabilidad del
70 %
5. Probabilidad de que en al menos alg
un vuelo del da no se haya producido ninguna incidencia.
Se pretende averiguar si efectivamente las incidencias durante el vuelo determinan el tiempo
en cubrir la ruta, por lo que se han medido los tiempos de 18 vuelos:
Vuelo
Tiempo(min)
No. incidencias

1
150.4
3

2
150.9
2

3
150.9
0

4
150.4
0

5
152.2
1

6
150.2
0

7
152.9
2

8
150.8
0

9
150.4
0

Vuelo
Tiempo(min)
No. incidencias

10
151.1
2

11
148.6
0

12
149.9
0

13
150.4
0

14
150.7
0

15
149.7
0

16
149.6
1

17
150.9
1

18
152.5
2

6. A la vista de los datos de la muestra, determinar con un nivel de confianza del 90 % si el

que haya incidencias en el vuelo influye en su duraci
on.
Soluci
on
1. 0.2472
2. 0.2956
3. 0.9394
4. 2
5. 0.8968(
)
2
X
si
6. IC0.9 2
= [0.0983, 1.1898]
Xci

IC0.9 (Xsi Xci ) = [1.8587, 0.3663]



Problema 23

1. Considere la siguiente funci

on:
f (x) = bxea

2 x2
2

Con x > 0. Se pide:

a) Determinar b para que la funci
on anterior sea funci
on de densidad de una variable
aleatoria X.
b) Calcular la funci
on de distribuci
on de X.
20

c) Demostrar que si Y Exp(), entonces X =

anterior. Determinar la relaci
on entre y a.

Y sigue la distribuci
on del apartado

2. Obtenga una forma est

andar del siguiente modelo de programaci
on lineal:
Max. 3x1 2x2 + 6x3
s.a. x1 + 3x2 5
x2 x3 = 12
x1 0, x2 libre, x3 0
3. A partir de la forma can
onica del siguiente modelo de programaci
on lineal, obtenga un
nuevo vertice V1 aplicando el metodo de exploraci
on de aristas. Razone si el nuevo vertice
es la soluci
on
optima.
Min. 3x1 + 2x5
s.a. x1 2x4 3x5 = 15
x2 + 3x4 = 12
x3 + 2x5 = 8
x 1 , x2 , x3 , x 4 , x5 0
Soluci
on
1. a) b = a2
b) F (x) = 1 ea
2
c) = a2
2. Forma estandar:

2 x2
2

Min.
s.a.

3y1 + 2u2 2v2 6x3

y1 3u2 + 3v2 + h1 = 5
u2 v2 x3 = 12
y1 , u 2 , v 2 , x 3 , h 1 0

3. V1 = (27, 12, 0, 0, 4). rD = (6, 72 ). V1 no es optimo.



Problema 24 Los alumnos de una autoescuela suspenden el examen pr

actico 2.5 veces en promedio antes de aprobarlo. Si se asume que la probabilidad de que un alumno apruebe es independiente
del n
umero de veces que se presenta, se pide:
1. Probabilidad de que un alumno apruebe el examen la primera vez que se presenta.
2. N
umero de alumnos n que deben realizar el examen para que, en valor esperado, aprueben
6 de ellos. Probabilidad de que aprueben exactamente 6 si se han presentado n.
3. Probabilidad de que 4 alumnos se hayan examinado en total 14 veces antes de que todos
aprueben.
4. Se conocen los datos mensuales de aprobados de los alumnos de otra autoescuela que presenta 60 alumnos cada mes (ver tabla). A la vista de estos datos y con un nivel de confianza
del 95 %, comprobar si se puede considerar que el exito de ambas autoescuelas es similar.
Mes
1
2
3
4
5
6
7
8
9 10 11 12
Num. Aprobados 21 18 17 18 17 19 25 14 22 18 20 15
21

Soluci
on
1. 0.2875
2. n = 21, 0.1887
3. 0.066
4. IC1 (B ) = [16.7445, 20.5887]


Problema 25 En epoca de ex
amenes, la copistera de la ETSI tiene una afluencia m
axima y
siempre hay alumnos esperando para ser atendidos. En este caso puede asumirse que el n
umero
medio de alumnos atendidos por unidad de tiempo es constante. Sabiendo que el 50 % de los
alumnos son atendidos en menos de dos minutos, se pide:
as de 5 minutos en ser atendido.
1. Probabilidad de que un alumno tarde m
2. Probabilidad de que se atiendan menos de 3 alumnos en 5 minutos.
3. Probabilidad de que, de 5 alumnos, a dos de ellos se les haya atendido en menos de dos
minutos cada uno.
Si un alumno llega a la copistera y se encuentra con que se est
a empezando a atender al primer
alumno de una cola de 5 alumnos, hallar:
as de 3 minutos en ser
4. Probabilidad de que ninguno de los alumnos en la cola tarde m
atendido.
5. Probabilidad de que lo empiecen a atender antes de 10 minutos.
6. Probabilidad de que, si vuelve dentro de un minuto, haya de nuevo 5 alumnos en la cola.
Para ello, suponga que el n
umero de alumnos que llegan a copistera en un minuto sigue
una distribuci
on geometrica con p = 0.5. Nota:
ex =

xi
i=0

Soluci
on
1. 0.1768
2. 0.7486
3. 0.3125
4. 0.1128
5. 0.2679
6. 0.4204
22

i!

Problema 26

1. Sean X1 ,. . . , Xn variables aleatorias iid siguiendo una distribuci

on Be(p).

a) Hallar la funci
on de probabilidad de M AX = max{X1 , . . . , Xn }, E[M AX] y V [M AX].
b) Hallar M AX (t) y decir la distribuci
on que sigue M AX.
2. Sea X U (3), y sea Y variable aleatoria tal que P [Y = k|X = n] =

(n )
k

pk q nk con p = 12 .

a) Hallar la funci
on de probabilidad de Y , E[Y ] y V [Y ].
b) Hallar P [X = 3|Y = 3].
c) Hallar Cov[X, Y ].
Soluci
on
1. a) P [M AX = 0] = (1 p)n , P [M AX = 1] = 1 P [M AX = 0] = 1 q n ,
E[M AX] = 1 q n , V [M AX] = q n (1 q 2 )
b) (t) = q n + (1 q n )et , M AX Be(1 q n )
7
2. a) P [Y = 0] = 24
, P [Y = 1] =
2
V [Y ] = 3
b) 1
c) Cov[X, Y ] = 13

11
24 ,

P [Y = 2] =

5
24 ,

P [Y = 3] =

1
24 .

E[Y ] = 1,

Problema 27 Una empresa de envasado de aceitunas tiene una m

aquina que procesa las aceitunas separ
andolas en tres tipos: aceitunas de tama
no grande, tama
no peque
no, y deterioradas
que se desechan.
Las cantidades de aceituna (en Kg) de cada tipo obtenidas por hora por la m
aquina son independientes y siguen una distribuci
on normal, todas ellas con varianza 2 = 25 Kg 2 .
1. Hallar la cantidad esperada (en Kg) de aceitunas de cada tipo obtenidas en una hora, si la
probabilidad de que la m
aquina obtenga menos de las siguientes cantidades de cada tipo es
del 94.5 %.

Kg/h

Grandes
200

Peque
nas
150

Desecho
20

2. Hallar la probabilidad de que la cantidad total de aceitunas obtenidas en una hora sea mayor
de 350 Kg.
3. Hallar la probabilidad de que, en una hora, la m
aquina separe m
as aceitunas grandes que
peque
nas.
23

4. Hallar la probabilidad de que en total se hayan obtenido menos de 1000 Kg de aceitunas

en tres horas.
5. Se ha tomado la siguiente muestra de las u
ltimas 12 horas de cantidades de cada tipo de
aceitunas. Comprobar con un nivel de confianza del 90 % si la suposici
on del enunciado
sobre las varianzas es adecuada.
Grandes
Peque
nas

195.12
199.37
135.51
138.72

190.67
188.15
147.32
140.47

188.84
196.02
138.85
142.26

192.36
192.51
142
135.31

191.98
194.53
144.23
151.39

193.48
188.06
144.28
143.38

Soluci
on
1. XC N (192, 25), XS N (142, 25), XD N (12, 25).
2. 0.32276
3. 0
4. 0.0057
2 / 2 ) = [0.2708, 2.1512]
5. Primera forma: IC0.9 (C
S
2 ) = [6.4602, 27.7836], IC ( 2 ) = [12.1223, 52.1354]
Segunda forma: IC0.9 (C
0.9 S

Problema 28 El n
umero de siniestros en carretera a la semana se distribuye seg
un una Poisson.
Sabiendo que no hay siniestros en el 20 % de las semanas, se pide:
umero de siniestros sea menor que 2.
1. Probabilidad de que en dos semanas el n
2. Probabilidad de que el n
umero m
aximo de siniestros por semana producidos en 4 semanas
sea al menos 5.
3. Probabilidad de que el n
umero m
aximo de siniestros por semana producidos en 4 semanas
sea exactamente 4 .
4. Probabilidad de que en 4 semanas, el n
umero m
aximo de siniestros se produzca en la segunda
semana.
5. Calcular la probabilidad de que en menos de 200 das haya 30 siniestros.
Los siniestros pueden dividirse en los que hay motos involucradas y los que no. Si el n
umero de
siniestros en ambos casos se consideran tambien Poisson, se pide:
6. Calcular la tasa media de siniestros en los que hay motos involucrados en un da, si en el
70 % de las ocasiones el tiempo que transcurre hasta el siniestro de este tipo n
umero 30 es
de menos de 200 das.

24

7. Calcular la tasa media de siniestros en los que no hay motos involucradas en un da.
Soluci
on
1. 0.1687
2. 0.0944
3. 0.1906
4. 0.25
5. 0.99825
6. 0.1645
7. 0.0655


Problema 29

oricas:
1. Resolver las siguientes cuestiones te

a) De las distribuciones continuas del formulario, demostrar cu

ales verifican que W =
X sigue la misma distribuci
on que X, con > 0. Indicar c
omo afecta a el/los
par
ametro/s.
b) Sea X N (, 2 ) y X1 , . . . , Xn mas de X. Sabiendo que E[X 2 ] = = 2 + 2 ,
demostrar cu
al de los siguientes estimadores de es insesgado:
2
1 = X
n
X2

2 = i=1 i
n

2. Dado el modelo de programaci

on lineal siguiente:
M ax 3x1 + 2x2 2x3 + x4
s.a. 3x1
+ x3
3x1 x2
2x1
+ 3x3
x1 0, x2 0, x3 0, x4 0

+
+
+

x4
3x4
5x4

1
6
3

a) Hallar la forma est

andar del modelo dado.
b) Comprobar que la forma est
andar del modelo est
a en forma can
onica, dando las variables b
asicas y las variables no b
asicas. Razonar si es
optimo el vertice de la forma
can
onica V1 .
c) Hallar un vertice V2 mejor que V1 por el metodo de exploraci
on de las aristas.
d) Razonar si V2 es
optimo o no.
e) Decir cu
anto ha mejorado la funci
on objetivo de ir de V1 a V2 .
Soluci
on
25

1. Cuestiones teoricas:
a) Usando que W (t) = E[etW ] = E[etX ] = X (t)
X U [a, b] W U [a, b]
X Exp() W Exp(/)
X Ga(p, a) W Ga(p, a/)
X N (, 2 ) W N (, ()2 )
b) 2
2. Programacion Lineal:
a) Forma estandar:
M in 3y1 2x2 + 2x3 x4
s.a. 3y1
+ x3 + x4 + h1
= 1
3y1 + x2
3x4
= 6
2y1
3x3 5x4
+ h3 = 3
y1 , x 2 , x 3 , x 4 , h 1 , h 3 0
b) Forma canonica: Coincide con la forma estandar, xB = (x2 , h1 , h3 ), xD =
(y1 , x3 , x4 ), V1 = (0, 6, 0, 0, 1, 3) con Z0 = 12. rD = (3, 2, 7). V1 no es
optimo.
c) V2 = (0, 9, 0, 1, 0, 8) con Z0 = 19
d ) rD = (24, 9, 7). V2 no es optimo.
e) -7


Problema 30 Una estaci

on e
olica genera diariamente energa electrica siguiendo una distribuci
on normal. En los das de viento la energa media que genera es de 3 Gigavatios, con una
desviaci
on tpica de 1 Gigavatio. Sin embargo, en los dias sin viento, la energa media generada
disminuye a 1.5 Gigavatios, con desviaci
on tpica de 0.5.
1. Hallar la probabilidad de que se hayan generado m
as de 10 Gigavatios de energa en total
en cuatro das con viento.
2. En un da cualquiera, la probabilidad de que se generen menos de 2 Gigavatios es 0.4. Hallar
el porcentaje de das que hace viento.
3. Hallar la probabilidad de que en una semana haya tres das en los que se generen m
as de 3
Gigavatios.
El consumo de energa de la zona que es abastecida por la estaci
on sigue una distribuci
on normal
de media 2.8 Gigavatios y desviaci
on tpica 2 Gigavatios.
4. Hallar la probabilidad de que el generador sea suficiente para abastecer el consumo en un
da sin viento.
5. El generador se para cuando la energa no es consumida. Hallar el porcentaje de das con
viento en los que se para.
26

Soluci
on
1. 0.84134
2. 0.6465
3. 0.3237
4. 0.442
5. 0.53586


Problema 31 En la hamburguesera de un centro comercial tienen tres men

us con alta demanda
y el n
umero medio de pedidos por minutos es constante para cada uno de ellos seg
un se indica en
la tabla:
Men
u
BigBurger
PolloBurger
Infantil

Num. medio por minuto

2
3
1

Precio
4.95 e
3.95 e
2.95 e

us en un minuto.
1. Hallar la probabilidad de que se pidan 4 men
2. Hallar el n
umero mnimo de men
us BigBurger que hay que tener preparados para que el
90 % de los clientes que los soliciten en un minuto no tengan que esperar.
3. Hallar la probabilidad de que pasen menos de treinta segundos entre un pedido y el siguiente.
4. Hallar la probabilidad de que se hayan vendido 3 men
us PolloBurger en menos de dos
minutos.
5. Hallar la probabilidad de que se vendan exactamente 3 men
us PolloBurger durante dos
minutos.
6. Hallar la probabilidad de que, si se ha pedido un men
u en un minuto, este sea BigBurger.
7. Hallar la probabilidad de que se facturen m
as de 1500 e en una hora.
Soluci
on
1. 0.1338
2. 4
3. 0.95
4. 0.938
5. 0.089
6.

1
3

7. 0.41 (Tener en cuenta que una variable Poisson multiplicada por un n

umero no
es una variable Poisson).
27

Problema 32
1. La funci
on de probabilidad conjunta de la variable bidimensional (X, Y )
viene dada en la siguiente tabla:
X
Y
pkl

-1
-2
1/6

-0.5
-1
1/6

0.5
1
1/3

1
2
k

a) Hallar el valor de k para que la funci

on dada sea funci
on de probabilidad conjunta.
Hallar las funciones de probabilidad marginal de X y de Y
b) Hallar P [X < 0.5]; P [Y < 1.5]; P [X > 0.25; Y < 2]
c) Hallar E[X], E[Y ], V [X], V [Y ]
d) Hallar la funci
on de probabilidad de X condicionada a Y = 2.
e) Hallar la Cov[X, Y ]. Decir de forma justificada si X e Y son o no independientes.
2. Dado el modelo de programaci
on lineal siguiente:
M ax 3x1 x2 + x3
s.a. x1

x1 + x2
2x1
+
x1 libre, x2 0, x3 0

x3
x3

1
3
2

a) Hallar la forma est

andar del modelo dado.
andar del modelo est
a en forma can
onica, dando las vab) Comprobar que la forma est
riables b
asicas y las variables no b
asicas.
c) Escribir las ecuaciones parametricas de la forma can
onica, dar el primer vertice V1 y
el valor de la funci
on objetivo en dicho vertice.
d) Demostrar que V1 no es
optimo y hallar un vertice V2 mejor que V1 por el metodo de
exploraci
on de las aristas.
e) Razonar si V2 es
optimo o no.
Soluci
on
1. Cuestiones teoricas:
a) k = 13 . P [X = 1] = 61 , P [X = 0.5] = 61 , P [X = 0.5] = 13 , P [X = 1] = 13 .
P [Y = 2] = 16 , P [Y = 1] = 16 , P [Y = 1] = 31 , P [Y = 2] = 13 .
b) P [X < 0.5] = 13 , P [Y < 1.5] = 32 , P [X > 0.25; Y < 2] = 13
9
c) E[X] = 14 , E[Y ] = 12 , V [X] = 16
, V [Y ] = 11
4
d ) Se tiene que el u
nico caso en el que no es cero es para P [X = 1|Y = 2] =
1/3
1/3 = 1
e) Cov[X, Y ] = 98 . No (ver teora).
2. Programacion Lineal:
28

a) Forma estandar:
M in 3u1 + 3v1 + x2 + y3
s.a.
u1
v1
+ y3 + h 1
=
u1 + v1 + x2
=
2u1 + 2v1
+ y3
+ h3 =
u1 , v1 , x2 , y3 , h1 , h3 0
b) Forma canonica: Coincide con la forma estandar, xB = (h1 , x2 , h3 ), xD
(u1 , v1 , y3 )
c) V1 = (0, 0, 3, 0, 1, 2) con Z0 = 3
d ) rD = (2, 2, 1). V1 no es optimo. V2 = (1, 0, 4, 0, 0, 4) con Z0 = 3 2 = 1
e) rD = (0, 3, 2). V2 es optimo.


29

1
3
2
=