Professional Documents
Culture Documents
on adicional de problemas
Estadstica e Investigaci
on Operativa
Verano 2014
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
xi
= ex
i!
i=0
(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
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
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
(1)
a
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
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
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).
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
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
e(t+1) 1
(e 1)(t + 1)
1
e1 ,
b=1
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
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
12
6
2
h2
=
=
=
=
=
=
1
6
2
h1
1
6
2
h2
=
=
6
2
(
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
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
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
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
Z12 +Z22
Z32 +Z42
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
x1 libre, x2 0, x3 0
x3
x3
5
7
4
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
xi
ex =
i!
i=0
Soluci
on
1. 0.2642
2. 0.2636
3. 0.5134
4. 0.7953
5. 0.6703
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
Problema 23
2 x2
2
Y sigue la distribuci
on del apartado
2 x2
2
Min.
s.a.
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
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,
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
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
2 = i=1 i
n
+
+
+
x4
3x4
5x4
1
6
3
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
Soluci
on
1. 0.84134
2. 0.6465
3. 0.3237
4. 0.442
5. 0.53586
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
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
x1 + x2
2x1
+
x1 libre, x2 0, x3 0
x3
x3
1
3
2
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
=