You are on page 1of 8

c4_p130-183.

qxd 3/12/08 4:04 AM Page 135

4.1 Funciones de densidad de probabilidad 135

Exactamente como en el caso discreto, a menudo es til pensar en la poblacin de inters


como compuesta de valores X en lugar de individuos u objetos. La funcin de densidad de pro-
babilidad es entonces un modelo de la distribucin de valores en esta poblacin numrica y con
base en este modelo se pueden calcular varias caractersticas de la poblacin (tal como la media).

EJERCICIOS Seccin 4.1 (1-10)


1. Sea X la cantidad de tiempo durante la cual un libro puesto entre el final de la hora y el final de la disertacin y supon-
en reserva durante dos horas en la biblioteca de una univer- ga que la funcin de densidad de probabilidad de X es
sidad es solicitado en prstamo por un estudiante seleccio-
nado y suponga que X tiene la funcin de densidad kx2 0x2
f(x) 
0.5x 0 de lo contrario
0x2
f(x) 
0 de lo contrario a. Determine el valor de k y trace la curva de densidad co-
Calcule las siguientes probabilidades: rrespondiente. [Sugerencia: El rea total bajo la grfica
a. P(X  1) de f(x) es 1.]
b. P(0.5  X  1.5) b. Cul es la probabilidad de que la disertacin termine
c. P(1.5  X) dentro de un minuto del final de la hora?
c. Cul es la probabilidad de que la disertacin contine
2. Suponga que la temperatura de reaccin X (en C) en cier-
despus de la hora durante entre 60 y 90 segundos.
to proceso qumico tiene una distribucin uniforme con
d. Cul es la probabilidad de que la disertacin contine
A  5 y B  5.
durante por lo menos 90 segundos despus del final de
a. Calcule P(X  0).
la hora?
b. Calcule P( 2.5  X  2.5).
c. Calcule P( 2  X  3). 6. El peso de lectura real de una pastilla de estreo ajustado a
d. Para que k satisfaga 5  k  k  4  5, calcule 3 gramos en un tocadiscos particular puede ser considerado
P(k  X  k  4). como una variable aleatoria continua X con funcin de den-
sidad de probabilidad
3. El error implicado al hacer una medicin es una variable
aleatoria continua X con funcin de densidad de probabilidad k[1  (x  3)2] 2x4
f(x) 
0.09375(4  x ) 2  x  2
2 0 de lo contrario
f(x) 
0 de lo contrario
a. Trace la grfica de f(x).
a. Bosqueje la grfica de f(x). b. Determine el valor de k.
b. Calcule P(X  0). c. Cul es la probabilidad de que el peso real de lectura
c. Calcule P( 1  X  1). sea mayor que el peso prescrito?
d. Calcule P(X  0.5 o X  0.5). d. Cul es la probabilidad de que el peso real de lectura
4. Sea X el esfuerzo vibratorio (lb/pulg2) en el aspa de una tur- est dentro de 0.25 gramos del peso prescrito?
bina de viento a una velocidad del viento particular en un e. Cul es la probabilidad de que el peso real difiera del
tnel aerodinmico. El artculo Blade Fatigue Life Assess- peso prescrito por ms de 0.5 gramos?
ment with Application to VAWTS (J. Solar Energy Engr. 7. Se cree que el tiempo X (min) para que un ayudante de la-
1982: 107-111) propone la distribucin Rayleigh, con fun- boratorio prepare el equipo para cierto experimento tiene
cin de densidad de probabilidad una distribucin uniforme con A  25 y B  35.
x 2 2 a. Determine la funcin de densidad de probabilidad de X


 e x /(2
) x0 y trace la curva de densidad de correspondiente.
f(x;
) 
2
b. Cul es la probabilidad de que el tiempo de preparacin
0 de lo contrario
exceda de 33 min?
como modelo de la distribucin X. c. Cul es la probabilidad de que el tiempo de preparacin
a. Verifique que f(x;
) es una funcin de densidad de pro- est dentro de dos min del tiempo medio? [Sugerencia:
babilidad legtima. Identifique  en la grfica de f(x).]
b. Suponga que
 100 (un valor sugerido por una grfica d. Con cualquier a de modo que 25  a  a  2  35,
en el artculo). Cul es la probabilidad de que X es cuan- cul es la probabilidad de que el tiempo de preparacin
do mucho de 200? Menos de 200? Por lo menos de 200? est entre a y a  2 min?
c. Cul es la probabilidad de que X est entre 100 y 200 8. Para ir al trabajo, primero tengo que tomar un camin cerca
(de nuevo con
 100)? de mi casa y luego tomar un segundo camin. Si el tiempo de
d. D una expresin para P(X  x). espera (en minutos) en cada parada tiene una distribucin
5. Un profesor universitario nunca termina su disertacin an- uniforme con A  0 y B  5, entonces se puede demostrar
tes del final de la hora y siempre termina dentro de 2 minu- que el tiempo de espera total Y tiene la funcin de densidad
tos despus de la hora. Sea X  el tiempo que transcurre de probabilidad
c4_p130-183.qxd 3/12/08 4:04 AM Page 154

154 CAPTULO 4 Variables aleatorias continuas y distribuciones de probabilidad

p  0.25. Entonces   12.5 y   3.06. Como np  50(0.25)  12.5


10 y nq  37.5

10, la aproximacin puede ser aplicada con seguridad:
10  0.5  12.5
P(X  10)  B(10; 50, 0.25)  

3.0 6 
 ( 0.65)  0.2578
Asimismo, la probabilidad de que entre 5 y 15 (inclusive) de los conductores seleccionados
no estn asegurados es
P(5  X  15)  B(15; 50, 0.25)  B(4; 50, 0.25)
15.5  12.5 4.5  12.5
 
     0.8320
3.06 3.06  
Las probabilidades exactas son 0.2622 y 0.8348, respectivamente, as que las aproximacio-
nes son bastante buenas. En el ltimo clculo, la probabilidad P(5  X  15) est siendo
aproximada por el rea bajo la curva normal entre 4.5 y 15.5, se utiliza la correccin de con-
tinuidad tanto para el lmite superior como para el inferior.

Cuando el objetivo de la investigacin es hacer una inferencia sobre una proporcin


de poblacin p, el inters se enfocar en la proporcin muestral de X/n xitos y no en X. Como
esta proporcin es exactamente X multiplicada por la constante 1/n, tambin tendr apro-
ximadamente una distribucin normal (con media   p y desviacin estndar
  p q),
/n siempre que tanto np
10 como nq
10. Esta aproximacin normal es la base
de varios procedimientos inferenciales que se discutirn en captulos posteriores.

EJERCICIOS Seccin 4.3 (28-58)

28. Sea Z una variable aleatoria normal estndar y calcule las 31. Determine z para lo siguiente:
siguientes probabilidades, trace las figuras siempre que sea a.   0.0055 b.   0.09
apropiado. c.   0.663
a. P(0  Z  2.17) 32. Si X es una variable aleatoria normal con media 80 y des-
b. P(0  Z  1) viacin estndar 10, calcule las siguientes probabilidades
c. P( 2.50  Z  0) mediante estandarizacin:
d. P( 2.50  Z  2.50) a. P(X  100) b. P(X  80)
e. P(Z  1.37) c. P(65  X  100) d. P(70  X)
f. P( 1.75  Z) e. P(85  X  95) f. P(X  80  10)
g. P( 1.50  Z  2.00) 33. Suponga que la fuerza que acta en una columna que ayu-
h. P(1.37  Z  2.50) da a soportar un edificio est normalmente distribuida con
i. P(1.50  Z) media de 15.0 kips y desviacin estndar de 1.25 kips.
j. P(Z  2.50) Cul es la probabilidad de que la fuerza
a. sea de ms de 18 kips?
29. En cada caso, determine el valor de la constante c que hace b. est entre 10 y 12 kips?
que el enunciado de probabilidad sea correcto. c. Difiera de 15.0 kips en cuando mucho 1.5 desviaciones
a. (c)  0.9838 estndar?
b. P(0  Z  c)  0.291 34. El artculo Reliability of Domestic-Waste Biofilm Reactors
c. P(c  Z)  0.121 (J. of Envir. Engr., 1995: 785-790) sugiere que la concentra-
d. P( c  Z  c)  0.668 cin de sustrato (mg/cm3) del afluente que llega a un reactor
e. P(c  Z)  0.016 est normalmente distribuida con   0.30 y   0.06.
a. Cul es la probabilidad de que la concentracin exceda
30. Encuentre los siguientes percentiles de la distribucin de 0.25?
normal estndar. Interpole en los casos en que sea apro- b. Cul es la probabilidad de que la concentracin sea
piado. cuando mucho de 0.10?
a. 91o b. 9o c. 75o c. Cmo caracterizara el 5% ms grande de todos los va-
d. 25o e. 6o lores de concentracin?
c4_p130-183.qxd 3/12/08 4:04 AM Page 155

4.3 Distribucin normal 155

35. Suponga que el dimetro a la altura del pecho (pulg) de r- chos aceptables tienen dimetros entre 2.9 y 3.1 cm. Cul
boles de un tipo est normalmente distribuido con   8.8 mquina es ms probable que produzca un corcho aceptable?
y   2.8 como se sugiere en el artculo Simulating a Har- 39. a. Si una distribucin normal tiene   30 y   5, cul
vester-Forwarder Softwood Thinning (Forest Products J. es el 91o percentil de la distribucin?
mayo de 1997; 36-41). b. Cul es el 6o percentil de la distribucin?
a. Cul es la probabilidad de que el dimetro de un rbol c. El ancho de una lnea grabada en un chip de circuito in-
seleccionado al azar sea por lo menos de 10 pulg? tegrado normalmente est distribuida con media de 3.000
Mayor de 10 pulg? m y desviacin estndar de 0.140. Qu valor de ancho
b. Cul es la probabilidad de que el dimetro de un rbol separa 10% de las lneas ms anchas del 90% restante?
seleccionado al azar sea de ms de 20 pulg? 40. El artculo Monte Carlo Simulation-Tool for Better Un-
c. Cul es la probabilidad de que el dimetro de un rbol derstanding of LRFD (J. Structural Engr., 1993: 1586-
seleccionado al azar est entre 5 y 10 pulg? 1599) sugiere que la resistencia a ceder (lb/pulg2) de un
d. Qu valor c es tal que el intervalo (8.8  c, 8.8  c) in- acero grado A36 est normalmente distribuida con   43
cluya 98% de todos los valores de dimetro? y   4.5.
e. Si se seleccionan cuatro rboles al azar, cul es la pro- a. Cul es la probabilidad de que la resistencia a ceder sea
babilidad de que por lo menos uno tenga un dimetro de cuando mucho de 40? De ms de 60?
ms de 10 pulg? b. Qu valor de resistencia a ceder separa al 75% ms re-
36. La deriva de las atomizaciones de pesticidas es una preocu- sistente del resto?
pacin constante de los fumigadores y productores agrcolas. 41. El dispositivo de apertura automtica de un paracadas de
La relacin inversa entre el tamao de gota y el potencial de carga militar se dise para que abriera el paracadas a 200 m
deriva es bien conocida. El artculo Effects of 2,4-D Formu- sobre el suelo. Suponga que la altitud de abertura en realidad
lation and Quinclorac on Spray Droplet Size and Deposition tiene una distribucin normal con valor medio de 200 m y
(Weed Technology, 2005: 1030-1036) investig los efectos de desviacin estndar de 30 m. La carga til se daar si el
formulaciones de herbicidas en atomizaciones. Una figura en paracadas se abre a menos de 100 m. Cul es la probabi-
el artculo sugiri que la distribucin normal con media de lidad de que se dae la carga til de cuando menos uno de
1050 m y desviacin estndar de 150 m fue un modelo ra- cinco paracadas lanzados en forma independiente?
zonable de tamao de gotas de agua (el tratamiento de con-
42. La lectura de temperatura tomada con un termopar colocado
trol) pulverizada a travs de una boquilla de 760 ml/min.
en un medio a temperatura constante normalmente est dis-
a. Cul es la probabilidad de que el tamao de una sola go-
tribuida con media , la temperatura real del medio y la des-
ta sea de menos de 1500 m? Por lo menos de 1000 m?
viacin estndar . Qu valor tendra  para asegurarse de
b. Cul es la probabilidad de que el tamao de una sola
que el 95% de todas las lecturas estn dentro de 0.1 de ?
gota est entre 1000 y 1500 m?
c. Cmo caracterizara el 2% ms pequeo de todas las 43. Se sabe que la distribucin de resistencia de resistores de un
gotas? tipo es normal y la resistencia del 10% de ellos es mayor de
d. Si se miden los tamaos de cinco gotas independiente- 10.256 ohms y la del 5% es de una resistencia menor de 9.671
mente seleccionadas, cul es la probabilidad de que por ohms. Cules son el valor medio y la desviacin estndar de
lo menos una exceda de 1500 m? la distribucin de resistencia?
37. Suponga que la concentracin de cloruro en sangre (mmol/L) 44. Si la longitud roscada de un perno est normalmente distri-
tiene una distribucin normal con media de 104 y desvia- buida, cul es la probabilidad de que la longitud roscada de
cin estndar de 5 (informacin en el artculo Matemathi- un perno seleccionado al azar est
cal Model of Chloride Concentration in Human Blood, a. dentro de 1.5 desviaciones estndar de su valor medio?
J. of Med. Engr. and Tech., 2006; 25-30, incluida una grfica b. a ms de 2.5 desviaciones estndar de su valor medio?
de probabilidad normal como se describe en la seccin 4.6, c. entre una y dos desviaciones estndar de su valor medio?
apoyando esta suposicin). 45. Una mquina que produce cojinetes de bolas inicialmente se
a. Cul es la probabilidad de que la concentracin de clo- ajust de modo que el dimetro promedio verdadero de los
ruro sea igual a 105? Sea menor que 105? Sea cuando cojinetes que produce sea de 0.500 pulg. Un cojinete es
mucho de 105? aceptable si su dimetro est dentro de 0.004 pulg de su va-
b. Cul es la probabilidad de que la concentracin de clo- lor objetivo. Suponga, sin embargo, que el ajuste cambia du-
ruro difiera de la media por ms de una desviacin estn- rante el curso de la produccin, de modo que los cojinetes
dar? Depende esta probabilidad de los valores de  y ? tengan dimetros normalmente distribuidos con valor medio
c. Cmo caracterizara el 0.1% ms extremo de los valores de 0.499 pulg y desviacin estndar de 0.002 pulg. Qu
de concentracin de cloruro? porcentaje de los cojinetes producidos no ser aceptable?
38. Hay dos mquinas disponibles para cortar corchos para usarse 46. La dureza Rockwell de un metal se determina hincando una
en botellas de vino. La primera produce corchos con dime- punta endurecida en la superficie del metal y luego midien-
tros que estn normalmente distribuidos con media de 3 cm y do la profundidad de penetracin de la punta. Suponga que
desviacin estndar de 0.1 cm. La segunda mquina produce la dureza Rockwell de una aleacin particular est normal-
corchos con dimetros que tienen una distribucin normal con mente distribuida con media de 70 y desviacin estndar de
media de 3.04 cm y desviacin estndar de 0.02 cm. Los cor- 3. (La dureza Rockwell se mide en una escala continua.)
c4_p130-183.qxd 3/12/08 4:04 AM Page 156

156 CAPTULO 4 Variables aleatorias continuas y distribuciones de probabilidad

a. Una probeta es aceptable slo si su dureza oscila entre dar) y luego calcule otra vez la probabilidad del inciso c)
67 y 75, cul es la probabilidad de que una probeta se- Cmo se compara sta con su respuesta previa?
leccionada al azar tenga una dureza aceptable? 50. En respuesta a preocupaciones sobre el contenido nutricional
b. Si el rango de dureza aceptable es (70  c, 70  c), con de las comidas rpidas. McDonalds ha anunciado que utili-
qu valor de c tendra 95% de todas las probetas una du- zar un nuevo aceite de cocinar para sus papas a la francesa
reza aceptable? que reducir sustancialmente los niveles de cidos grasos e
c. Si el rango de dureza aceptable es como el del inciso a) incrementar la cantidad de grasa poliinsaturada ms benfi-
y la dureza de cada una de diez probetas seleccionadas ca. La compaa afirma que 97 de 100 personas no son capa-
al azar se determina de forma independiente, cul es el ces de detectar una diferencia de sabor entre los nuevos y los
valor esperado de probetas aceptables entre las diez? viejos aceites. Suponiendo que esta cifra es correcta (como
d. Cul es la probabilidad de que cuando mucho ocho de proporcin de largo plazo) cul es la probabilidad aproxi-
diez probetas independientemente seleccionadas tengan mada de que en una muestra aleatoria de 1000 individuos que
una dureza de menos de 73.84? [Sugerencia: Y  el n- han comprado papas a la francesa en McDonalds:
mero de entre las diez probetas con dureza de menos de a. Por lo menos 40 puedan notar la diferencia de sabor en-
73.84 es una variable binomial; cul es p?] tre los dos aceites?
47. La distribucin de peso de paquetes enviados de cierta ma- b. Cuando mucho 5% pueda notar la diferencia de sabor
nera es normal con valor medio de 12 lb y desviacin estn- entre los dos aceites?
dar de 3.5 lb. El servicio de paquetera desea establecer 51. La desigualdad de Chebyshev (vase el ejercicio 44 del
un valor de peso c ms all del cual habr un cargo extra. captulo 3), es vlida para distribuciones continuas y dis-
Qu valor de c es tal que 99% de todos los paquetes estn cretas. Estipula que para cualquier nmero k que satisfaga
por lo menos 1 lb por debajo del peso de cargo extra? k
1, P(X  
k)  1/k2 (vase el ejercicio 44 en
48. Suponga que la tabla A.3 del apndice contiene (z) slo el captulo 3 para una interpretacin). Obtenga esta proba-
para z
0. Explique cmo an as podra calcular bilidad en el caso de una distribucin normal con k  1, 2,
a. P( 1.72  Z  0.55) 3 y compare con el lmite superior.
b. P( 1.72  Z  0.55) 52. Sea X el nmero de defectos en un carrete de cinta magn-
Es necesario tabular (z) para z negativo? Qu propiedad tica de 100 m (una variable de valor entero). Suponga que
de la curva normal estndar justifica su respuesta? X tiene aproximadamente una distribucin normal con  
25 y   5. Use la correccin por continuidad para calcu-
49. Considere los bebs nacidos en el rango normal de 37-43 lar la probabilidad de que el nmero de defectos sea:
semanas de gestacin. Datos extensos sustentan la suposi- a. Entre 20 y 30, inclusive.
cin de que el peso de nacimiento de estos bebs nacidos en b. Cuando mucho 30. Menos de 30.
Estados Unidos est normalmente distribuido con media de
53. Si X tiene una distribucin binomial con parmetros n  25 y
3432 g y desviacin estndar de 482 g. [El artculo Are Ba-
p, calcule cada una de las siguientes probabilidades mediante
bies Normal? (The American Statistician (1999): 298-302)
la aproximacin normal (con la correccin por continuidad)
analiz datos de un ao particular; con una seleccin sensi-
en los casos p  0.5, 0.6, y 0.8 y compare con las probabili-
ble de intervalos de clase, un histograma no pareca del todo
dades exactas calculadas con la tabla A.1 del apndice.
normal pero despus de una investigacin se determin que
a. P(15  X  20)
esto se deba a que en algunos hospitales medan el peso en
b. P(X  15)
gramos, en otros lo medan a la onza ms cercana y luego lo
c. P(20  X)
convertan en gramos. Una seleccin modificada de interva-
los de clase que permita esto produjo un histograma que era 54. Suponga que 10% de todas las flechas de acero producidas
descrito muy bien por una distribucin normal.] por medio de un proceso no cumplen con las especificacio-
a. Cul es la probabilidad de que el peso de nacimiento de nes pero pueden ser retrabajadas (en lugar de ser desecha-
un beb seleccionado al azar de este tipo exceda de 4 000 das). Considere una muestra aleatoria de 200 flechas y sea
gramos? Est entre 3 000 y 4 000 gramos? X el nmero entre stas que no cumplen con las especifica-
b. Cul es la probabilidad de que el peso de nacimiento de ciones y pueden ser retrabajadas. Cul es la probabilidad
un beb seleccionado al azar de este tipo sea de menos aproximada de que X sea
de 2 000 gramos o de ms de 5 000 gramos? a. Cuando mucho 30?
c. Cul es la probabilidad de que el peso de nacimiento b. Menos que 30?
de un beb seleccionado al azar de este tipo exceda de c. Entre 15 y 25 (inclusive)?
7 libras? 55. Suponga que slo 75% de todos los conductores en un esta-
d. Cmo caracterizara el 0.1% ms extremo de todos los do usan con regularidad el cinturn de seguridad. Se selec-
pesos de nacimiento? ciona una muestra aleatoria de 500 conductores. Cul es la
e. Si X es una variable aleatoria con una distribucin nor- probabilidad de que
mal y a es una constante numrica (a  0), entonces a. Entre 360 y 400 (inclusive) de los conductores en la
Y  aX tambin tiene una distribucin normal. Use esto muestra usen con regularidad el cinturn de seguridad?
para determinar la distribucin de pesos de nacimiento b. Menos de 400 de aquellos en la muestra usen con regu-
expresados en libras (forma, media y desviacin estn- laridad el cinturn de seguridad?
c4_p130-183.qxd 3/12/08 4:04 AM Page 157

4.4 Distribuciones exponencial y gama 157

56. Demuestre que la relacin entre un percentil normal gene- 58. No existe una frmula exacta para funcin de distribucin
ral y el percentil z correspondiente es como se estipul en acumulativa normal estndar (z), aunque se han publicado
esta seccin. varias aproximaciones en artculos. La siguiente se tom de
57. a. Demuestre que si X tiene una distribucin normal con Approximations for Hand Calculators Using Small Integer
parmetros  y , entonces Y  aX  b (una funcin li- Coefficients (Mathematics of Computation, 1977: 214-
neal de X) tambin tiene una distribucin normal. Cu- 222). Con 0  z  5.5,
les son los parmetros de la distribucin de Y [es decir, P(Z
z)  1  (z)
E(Y) y V(Y)]? [Sugerencia: Escriba la funcin de distri-
(83z  351)z  562
bucin acumulativa de Y, P(Y  y), como una integral
que implique la funcin de densidad de probabilidad de 
 0.5 exp 
703/z  165 
X y luego derive con respecto a y para obtener la funcin El error relativo de esta aproximacin es de menos de 0.042%.
de densidad de probabilidad de Y.] sela para calcular aproximaciones a las siguientes probabi-
b. Si cuando se mide en C, la temperatura est normal- lidades y compare siempre que sea posible con las probabili-
mente distribuida con media de 115 y desviacin estn- dades obtenidas con la tabla A.3 del apndice.
dar de dos, qu se puede decir sobre la distribucin de a. P(Z
1) b. P(Z  3)
temperatura medida en F? c. P( 4  Z  4) d. P(Z  5)

4.4 Distribuciones exponencial y gama


La curva de densidad correspondiente a cualquier distribucin normal tiene forma de campa-
na y por consiguiente es simtrica. Existen muchas situaciones prcticas en las cuales la va-
riable de inters para un investigador podra tener una distribucin asimtrica. Una familia de
distribuciones que tiene esta propiedad es la familia gama. Primero se considera un caso es-
pecial, la distribucin exponencial y luego se le generaliza ms adelante en esta seccin.

Distribucin exponencial
La familia de distribuciones exponenciales proporciona modelos de probabilidad que son
muy utilizados en disciplinas de ingeniera y ciencias.

DEFINICIN Se dice que X tiene una distribucin exponencial con parmetro  (  0) si la fun-
cin de densidad de probabilidad de X es
elx x
0
f(x; )  0 de lo contrario (4.5)

Algunas fuentes escriben la funcin de densidad de probabilidad exponencial en la forma


(1/b)ex/b, de modo que   1/. El valor esperado de una variable aleatoria exponencial-
mente distribuida X es

E(X) 
0

x ex dx

Para obtener este valor esperado se requiere integrar por partes. La varianza de X se calcula
utilizando el hecho de que V(X)  E(X2)  [E(X)]2. La determinacin de E(X2) requiere inte-
grar por partes dos veces en sucesin. Los resultados de estas integraciones son los siguientes:
1 1
m5 s2 5
l l2
Tanto la media como la desviacin estndar de la distribucin exponencial son iguales a 1/.
En la figura 4.26 aparecen algunas grficas de varias funciones de densidad de probabilidad
exponenciales.
c4_p130-183.qxd 3/12/08 4:04 AM Page 162

162 CAPTULO 4 Variables aleatorias continuas y distribuciones de probabilidad

DEFINICIN Sea un entero positivo. Se dice entonces que una variable aleatoria X tiene una dis-
tribucin ji cuadrada con parmetro si la funcin de densidad de probabilidad de
X es la densidad gama con   /2 y   2. La funcin de densidad de probabilidad
de una variable aleatoria ji cuadrada es por lo tanto
1

x ( /2)1 ex/2
f(x; )  2 /2( /2)
0
x
0
x0
(4.10)

El parmetro se llama nmero de grados de libertad (gl) de X. A menudo se uti-


liza el smbolo 2 en lugar de ji cuadrada.

EJERCICIOS Seccin 4.4 (59-71)

59. Sea X  el tiempo entre dos llegadas sucesivas a la ventanilla a. Cul es el valor del parmetro ?
de autopago de un banco local. Si X tiene una distribucin ex- b. Cul es la probabilidad de que la extensin del cambio
ponencial con   1 (la cual es idntica a una distribucin del hielo marino est dentro de una desviacin estndar del
gama estndar con   1), calcule lo siguiente: valor medio?
a. El tiempo esperado entre dos llegadas sucesivas. 63. Un consumidor est tratando de decidir entre dos planes de
b. La desviacin estndar del tiempo entre dos llegadas su- llamadas de larga distancia. El primero aplica una sola tari-
cesivas. fa de 10 por minuto, en tanto que el segundo cobra una ta-
c. P(X  4) rifa de 99 por llamadas hasta de 20 minutos y luego 10
d. P(2  X  5) por cada minuto adicional que exceda de 20 (suponga que
las llamadas que duran un nmero no entero de minutos son
60. Sea X la distancia (m) que un animal recorre desde el sitio de
cobradas proporcionalmente a un cargo por minuto entero).
su nacimiento hasta el primer territorio vacante que encuen-
Suponga que la distribucin de duracin de llamadas del
tra. Suponga que ratas canguro con etiqueta en la cola, X tie-
consumidor es exponencial con parmetro .
ne una distribucin exponencial con parmetro   0.01386
a. Explique intuitivamente cmo la seleccin del plan de llama-
(como lo sugiere el artculo Competition and Dispersal from
das deber depender de cul sea la duracin de las llamadas.
Multiple Nests, Ecology, 1997: 873-883).
b. Cul plan es mejor si la duracin esperada de las llama-
a. Cul es la probabilidad de que la distancia sea cuando
das es de 10 minutos? Y de 15 minutos? [Sugerencia:
mucho de 100 m? Cundo mucho de 200? Entre 100
Sea h1(x) el costo del primer plan cuando la duracin
y 200 m?
de las llamadas es de x minutos y sea h2(x) la funcin de
b. Cul es la probabilidad de que la distancia exceda la
costo del segundo plan. D expresiones para estas dos
distancia media por ms de dos desviaciones estndar?
funciones de costo y luego determine el costo esperado
c. Cul es el valor de la distancia mediana?
de cada plan.]
61. La amplia experiencia con ventiladores de un tipo utiliza-
64. Evale lo siguiente:
dos en motores diesel ha sugerido que la distribucin ex-
a. (6) b. (5/2)
ponencial proporciona un buen modelo del tiempo hasta
c. F(4; 5) (la funcin gama incompleta)
la falla. Suponga que el tiempo medio hasta la falla es de
d. F(5; 4) e. F(0; 4)
25 000 horas. Cul es la probabilidad de que
a. Un ventilador seleccionado al azar dure por lo menos 65. Si X tiene una distribucin gama estndar con   7 evale
20 000 horas? Cundo mucho 30 000 horas? Entre lo siguiente:
20 000 y 30 000 horas? a. P(X  5) b. P(X  5) c. P(X  8)
b. Exceda la duracin de un ventilador el valor medio por d. P(3  X  8) e. P(3  X  8)
ms de dos desviaciones estndar? Ms de tres desvia- f. P(X  4 o X  6)
ciones estndar?
66. Suponga que el tiempo empleado por un estudiante seleccio-
62. El artculo Microwave Observations of Daily Antarctic Sea- nado al azar que utiliza una terminal conectada a un sistema
Ice Edge Expansion and Contribution Rates (IEEE Geosci. de computadoras de tiempo compartido tiene una distribu-
and Remote Sensing Letters, 2006: 54-58) establece que la cin gama con media de 20 min y varianza de 80 min2.
distribucin del avance/retroceso diarios del hielo marino con a. Cules son los valores de  y ?
respecto a cada sensor es similar y es aproximadamente una b. Cul es la probabilidad de que un estudiante utilice la
exponencial doble. La distribucin exponencial doble pro- terminal durante cuando mucho 24 min?
puesta tiene una funcin de densidad f(x)  0.5e|x| para c. Cul es la probabilidad de que un estudiante utilice la
  x  . La desviacin estndar se da como 40.9 km. terminal durante entre 20 y 40 min?
c4_p130-183.qxd 3/12/08 4:04 AM Page 163

4.5 Otras distribuciones continuas 163

67. Suponga que cuando un transistor de cierto tipo se somete una expresin (que implique probabilidades de Poisson)
a una prueba de duracin acelerada, la duracin X (en sema- para la funcin de distribucin acumulativa de Erlang
nas) tiene una distribucin gama acelerada con media de 24 F(t; , n)  P(X  t).
semanas y desviacin estndar de 12 semanas.
69. Un sistema consta de cinco componentes idnticos conecta-
a. Cul es la probabilidad de que un transistor dure entre
dos en serie como se muestra:
12 y 24 semanas?
b. Cul es la probabilidad de que un transistor dure cuan- 1 2 3 4 5
do mucho 24 semanas? Es la mediana de la distribu-
cin de duracin menor que 24? Por qu si o por qu En cuanto un componente falla, todo el sistema lo hace. Su-
no? ponga que cada componente tiene una duracin que est ex-
c. Cul es el 99o percentil de la distribucin de duracin? ponencialmente distribuida con   0.01 y que los
d. Suponga que la prueba termina en realidad despus de t componentes fallan de manera independiente uno de otro.
semanas. Qu valor de t es tal que slo el 0.5% de todos Defina los eventos Ai  {el componente i-simo dura por lo
los transistores continuarn funcionando al trmino de la menos t horas}, i  1, . . . , 5, de modo que los Ai son even-
prueba? tos independientes. Sea X  el tiempo al cual el sistema fa-
lla, es decir, la duracin ms corta (mnima) entre los cinco
68. El caso especial de la distribucin gama en la cual  es un
componentes.
entero positivo n se llama distribucin Erlang. Si se reem-
a. A qu evento equivale el evento {X
t} que implique
plaza  por 1/ en la expresin (4.8), la funcin de densi-
A1, . . . , A5?
dad de probabilidad Erlang es
b. Utilizando la independencia de los eventos Ai, calcule
(x )n1ex P(X
t). Luego obtenga F(t)  P(X  t) y la funcin
f(x; , n) 
(n  1 ) !
0
x
0
x0
de densidad de probabilidad de X. Qu tipo de distribu-
cin tiene X?
c. Suponga que existen n componentes y cada uno tiene
Se puede demostrar que si los tiempos entre eventos sucesi- una duracin exponencial con parmetro . Qu tipo de
vos son independientes, cada uno con distribucin exponen- distribucin tiene X?
cial con parmetro , entonces el tiempo total que transcurre
antes de que ocurran los siguientes n eventos tiene una fun- 70. Si X tiene una distribucin exponencial con parmetro ,
cin de densidad de probabilidad f(x; , n). derive una expresin general para el (100p)o percentil de la
a. Cul es el valor esperado de X? Si el tiempo (en minu- distribucin. Luego especifique cmo obtener la mediana.
tos) entre llegadas de clientes sucesivos est exponen- 71. a. A qu evento equivale el evento {X2  y} que implique
cialmente distribuido con   0.5, cunto tiempo se a X misma?
puede esperar que transcurra antes de que llegue el dci- b. Si X tiene una distribucin normal estndar, use el inciso
mo cliente? a) para escribir la integral que es igual a P(X2  y). Lue-
b. Si el tiempo entre llegadas de clientes est exponencial- go derive con respecto a y para obtener la funcin de den-
mente distribuido con   0.5, cul es la probabilidad sidad de probabilidad de X2 [el cuadrado de una variable
de que el dcimo cliente (despus del que acaba de lle- N(0, 1)]. Por ltimo, demuestre que X2 tiene una
gar) llegue dentro de los siguientes 30 min? distribucin ji cuadrada con  1 grados de libertad
c. El evento {X  t} ocurre si y slo si ocurren n eventos [vase (4.10)]. [Sugerencia: Use la siguiente identidad.]
en el siguiente t. Use el hecho de que el nmero de even-


d b(y)
tos que ocurren en un intervalo de duracin t tiene una f(x) dx  f [b(y)]  b(y)  f [a(y)]  a(y)

distribucin de Poisson con parmetro t para escribir dy a(y)

4.5 Otras distribuciones continuas


Las familias de distribuciones normal, gama (incluida la exponencial) y uniforme propor-
cionan una amplia variedad de modelos de probabilidad de variables continuas, pero exis-
ten muchas situaciones prcticas en las cuales ningn miembro de estas familias se adapta
bien a un conjunto de datos observados. Los estadsticos y otros investigadores han desarro-
llado otras familias de distribuciones que a menudo son apropiadas en la prctica.

Distribucin Weibull
El fsico sueco Waloddi Weibull introdujo la familia de distribuciones Weibull en 1939; su
artculo de 1951 A Statistical Distribution Function of Wide Applicability (J. Applied Me-
chanics, vol. 18: 293-297) discute varias aplicaciones.