Capitulo V. Elementos de la teoria § 1, Suceso aleatorio, su frecuencia y probabilidad Se lama suceso aleatorfo al que puede tener lugar o no, cuando se cumple un conjunto de condiciones, ligadas con la posibilidad do la aparicién de los sucesos dados. ‘Los sucesos aleatorios se desiguan por medio de las letras A, B,C, .... Cada realizacién del conjunto de condicionss que se examina se denomina prueba, El nfimero de pruebas puede crecer infinitamente. La rolaciou entre él numero m de realizacién del suceso aleatorio dado A an wna serie determi- nada de pruebas y el nimero total n de pruebas de esta serie se Hama frecuencia relativa de manifestacién del suceso A en esta serie de pruebas (o simplemente frecuencia relativa del suceso A) y se designa mediante P (4). De tal modo, P bey In. frecuencia relativa de un suceso aleatorio siempre estd comprendida entre el cero y la unidad: 0 << P(A) <1. Los sucesos aleatorios masivos poseen la propiedad da la estabilidad de la freqnencia: los valores do la frecuencia del suceso aleatorio dado que se obser- van en diferentes series de pruebas homogéneas (siempre que el ntimero de prue~ has en cada serie es suficientemente grande) varian poco de una serie a otra. Al estudiar sucesos aleatorios, e8 precisamento esta circunstancia la que permite emplear los métodos matemiticos asignande a cada sucoso aleatorio masivo su probabtlidad por la cual se toma el namero (hablando ¢n general, de antemano desconccido) alrededor del cual escila la frecuencia observada del. sucesso. La probabilidad de un suceso aleatorio 4 se designa por ¥ (A). La pro- babilidad de un suceso aleatorio, al igual que su frecuencia relative, esté com- prendida entre el cero y la unidad: 0< P (A) < A un suceso cterto (o sea, wl suceso que debe producirse on cada prueba) se lo atribuye la probabilidad P (A) = 4. A un suceso imposible (0 sea, al suceso qué no goede producirse en ninguna procba) se le atribuye In probabllidad P (A) = 0. ‘En algunos casos elementales la probabilidad de un suceso aleatorio grade ser determinada de antemanc. Esto se puede hacer, por ejemplo, cuando los resultados posibles de cada una de pruc homogénéas pueden representarse en forma da n resultados (scasoss) imicamente posibles, incompatibles entre si ¥ eauiporthloe (o sea, adams do estos n sucesos no pueden haber ningunos otros, ‘sucess cuall no pueden ccurrir simulténeamente y hay razones para suponor que la realizacién de cualquiera de ellos no es mas posible quo Ja de los restantes}. Si entre estos n casos tinicamente posibles, insompetibles Yy equi- posibles hay m ligados a la manifestacién del suceso A (0, como ee dice en la 131220 199teorfa do las probabilidades, «favorecens 4}, entonces como probabilidad dol suceso A se toma la relncién entre m yn: P (AV = min. 768. En una cajita hay 10 bolas numeradas del 1 al 40. Se ha sacado una bola. ¢Cudl es ta probabilidad de que el namezo de la bola oxtraida no exceda de 10? Aewluctén. Como el némero de cualquier hola que se hella eo la cajita no supera 40, ef mimero de casos davorables al suceso A es igual 61 nimero de Acct Joa cases posibles, o sca, m =n = 10 y P (A) = 1. Bn este caso e] suco- 80 A es cierto. 709. urna contiene 15 bolas: 5 blancas y 10 negras. ¢Cudl es Ja probabilidad de que de Ja urna se extraiga wna bola azul? Resoluclun. Fin Ja urna no hay bolas azules, o sca, m = Oy n= 15. Por consiguicute, P (A) = 0/45 = 0. Kw el cxyo dado el suceso A es imposible. 770. Una urna contione 12 bolas: 3 blancas, 4 negras y 5 rojas. gCudl es la probabilidad de que de la urna se saque una bola negra? Retoluetin. Aqui m= 4, n= 42 y P(A) = 442 = 4/3. 771. Una urna contiene 10 bolas: 6 blancas y 4 negras. Se han sacado dos bolas, ?Cual es la probabilidad de que ambas bolas sali- das sean blaucas? Resoluetén. Ayuf al nimero de todos Jos casos n = C}y = (10-9)/(1-2) = = 45, F] nimero de los casos que favorecen cl suceso A se determina por Ia igusidad m= Ch, 0-sea, m = (6-5)(1-2) = 15, De sorte que P (4) = 15/465 = 772. En una loleria hay 2000 billotes. Un billete se premia con 100 rnblos, enatro hilletes con 50 rublos, diez billetes con 20 rubles, veinio billetes con 10 rubles, 165 billetes con 5 rubles y 400 bille- tes con 4 rublo cada uno. Los demés billetes no sa premian. gCudl es Ja probabilidad de ganar con un billete 10 rublos por lo menos? Resolucién. Aqu = i+ 4-} 10+ 20 = 35, n = 2000, o sea, P = =nihe AS Soret ane ss “) 773. Una urna contiens 20 bolas numeradas del 1 al 20. gCuél Ja probabilidad de sacar la bola que lleva el ntimero 37? 774 Una moneda se arroja dos veces. {Cudl es la probabilidad de que ella ambas veces caiga de cara? 75. La primora cajita contiene bolas numeradas del 4 al 5,yla segunda, bolas numeradas del 6 al 10. De cada cajita se ha sacado una bola. gCudl es la probabilidad de que la suma de los nimoros salidos a no toenos de 7; 2} igual a 14; 3) no m&s de 14? . En wna loteria hay 1000 billotes. Entre ellos 500 billetes se Peale y 500 no se premian. Se han comparado dos billetes. ¢Cudl es la probabilidad de que ambos billetes resulten premiados? 777. En un grupo de 30 alumnos, en un examen escrito 6 alumnos han obtenido calificacién sobresaliente, 10 alumnos, calificacién 194buena y 9 alumnos, regular. gCudl es la probabilidad de que todos Jos tres alumnos Iamados a la pizarra hallan obtenido calificacién de insuficiente en el examen? § 2, Axiomas de la suma y multiplicacion Se llama unién (0 ane) de algunos sucesos aléatorios al sucosd consistents en la realizacién de uno de los sucesos dados, por Jo menos. La unién de sucesos Ay, Ag... ., Ay 8¢ designs por Ay+ 4, +... + An. . Si los sucesos que se asocian son incompatibles (no pueden producirse dos sucesos cOnjuntamenta), entonces la probabilidad de unir algunes sucesos es igual a la suma de probabilidades de los sucesos que se arocian (artoma de ia sumo de probabilidades): P(Ay+ Agt ot Ag) = PAA) + P(A +--+ P tan). Un suceso consistente en Ja no realizacién del suceso aleatorio A 80 deno- mina suceso contrario al A y se designa por A. La unién de los sucesos A y A da un suceso cierto y puesto que los sucesos: Ay @ son incompatibles, entonces P(4)+P@)=1, obion P@)=1—P (A). Si como resultado de In prusba dada puede producirse sdlo uno de les suce- sos incompatibles A,, Ag, -.., Ag, entonces Ay, Aq, .-., Aq forman el Hamado grupo completo de suceses. Como la unién de los sdcesos de un grupo completo es un succse cierto, para tales sucesos tiene Iugor Ja igualdad P (Ay) + P(A)... + PEA) = 1. Se Tama cotneldencia (0 producte) de dos sucesos aleatorios A, y Ay aun sueeso compuesto consistente en la realizacion simultdnea 0 sucesiva de aml sucesos. La coincidencia de los acontccimientos A, y Az #¢ designa por AyAq- Por probabilidad condtctonal del sucego Ay respecto al suceso A, [se designa por P (A,/A,)] se entiende la probabilidad de produceién del sucesa A, supo- niende de quo el suceso A, tuvo lugar. La probabtlidad de coincidencta de dus sucescs Ay y Ay es igual al producto de la probabilidad de uno de ellos por la probabilidad condtcunnl del segundo respecto al primero {azioma de multpiteacién de probabildades) P (Ay+Ag) = P (Aq)-P (AglAy) = P (Aq)-P (Ag/Ag). Nas sucveos alentorios A, y Ay se Maman independientes si la probabilidad condicianal de uno de ellos Tene al otro es igual a Ja probabilidad incon- dicional de este mismo suecso: P (Aq/A,) = P (Az) En sto caso tienen lugar Jas igualdades: P (AgAY) = P (AglAy) = P (Ag —P (Ayla) = P (Ay/Ag) = P (A). Para los sucesos independientes la probabitidad de su coincidencia os igual al producto de sus probabilidades: P (4yAg) = P (ADP a) La coincidencia de m sucesos Ay. Ag... «1 An (que se define andlogamente) se designa por A;4,... An. La probabilidad condicional del suceso A; determinada en la suposicién de que se han producido los sucesos Ay, 49, .., Aj. se designa por ae 195P (Ag/Agdg «.-» Ana) La probabilidad de coincidencia de n sucesos segin el ‘oxloma da multiplicacién de probabilidades se determina por la formula P (Ags Ag oes Ap) = P(Ag)*P (Ag/Ag)«P (Ag /AyAy) ©. - =P (AnlAL ae iy So dice que a sucosos Ay, Ay, ..-, Ap 90m independientes en su conjunto, sien la probabilidad de realizacién de cada uno de ‘ollos no ejéres intluencia 1a manifostacién de cualesquiera otros, tomados en wna combinacién cualquiera. La probabllidad de ceincidencta de m sucesos tndependtentes en su conjunto es igual al producto de sus probabtltdades: P (Aga .- Ag) = P CADP (Ag) oP Ande 778. Una urna coutiene 10 bolas blancas, 15 negras, 20 azules y 25 rojas. Se ha sacado una bola. Hallar la probabilidad de que la bola salida sea: blanca; negra; azul; roja, blanca o negra; azul o roja; blanca, negra o azul. Resoluctén. Tonemos n= 10 + 15-- 20+ 25= 70, P (B) = 10/70 = = 4/7, P oy) = 15/70 = 3/14, P(A) = 20/70 = 2/7, P (Ry = 25/70 = 5/14. Utilizando ol axioma de la soma de probabilidades, obtenomos P (BN) = P (B) + P(N) = 4/7 + 3/44 = 54; P(A = A) = P(A) + P (R) = 27 + 5/4 = OG, P(B+ N+ A)=1— P(R) = 1—5M4 = 94, 779. La primera cajita contiene 2 bolas blancas y 10 negras; la segunda cajita, 8 bolas blancas y 4 negras. De cada cajita se ha sacado una bola. :Cu4l es la probabilidad de que ambas bolas sean blancas? Resolucién. Ed el cago dado g¢ trata de la colncidencia de los sucesos A y B, donde el suceso A es Ja salida de wna hola blanca de la primera cajita y e) suceso B 03 la salida de una bola blanca de la segunda cajita. Con ello A y B son. sucesos independientes. Tenomos P(A) = 242 = 1/6, P (B) = 8/12 = = 2/3. Aplicando el axioma de multiplicacién de probabilidades, encontramos P (AB) = P {A)-P (B) = (1/6)-(2/3) = 4/9. 780. Con las condiciones del problema precedente, determinar la probabilidad de que una de las bolas sacadas sea blanca y Ja otra negra. Resolucién. Sean: el suceso A, la salida de una bola blanca de Ja primera caji el suceso B, la salida de una bola blanca do la segunda cajita; = _ él suceso C, la salida do una bola negra de Ia primera cajita (C = A) el suceso D, la salida de una bola negra do Ja segunda cajita (D = B). Entonces P (A) = 1/6, P (B) = 2/3, P (C) = P (dj = 1 — 4/8 = 5/6, P (D) = = PB) =1— 2/3 = 183. Determinemos la probabilidad de que la bole sacada de Ia primers cajita sea blanca y Ia secada de la segunda cajita sea negra. Aplicamos el axioma dela suma de probabilidades: P (AD) = P (A}-P (D) = (4/6) (4/8) = 1/48. Determinemos la probabilidad de que la bola sacada de la primera cajita sea negra y 1a sacada de Ia segunda cajita sea blanca: P (BC) = P (B)-P (C) = (2/3).(5/8) = 5/9. 196Determinamos ahora Ja probabilidad de que la hola sacada de una cajita (ao importa si de le primera o de la segunda) resulte blanoa y la sacada de la otra cajita, negra. Aplicamos el axioma de multiplicacion de probabilidades: P= P (AD) + P (BC) = 148 + 5/0 = 14/18. 781. Una cajita contiene 6 bolas blancas y 8 negras. De Ja cajita se han sacado des bolas (sin reposicién), Hallar la probabilidad de que ambas bolas sean blancas. Resolucién. Sean ¢] suceso A la salida de una bola blanca en la primera extraccién, y el B, la salida de ua bola blanca en la segunda extracci6a. Sein el axioma de multiplicacién de probabilidades para el caso de sucesos depen- dientes tenemos P (AB) = P (4)-P (B/A). Pero P (A) = 6/(6 + 8) = G/14 = = 3/7 (la probabilidad de que la primera bola sacada sea blanca); P (BiA) = = @—1)6+38—1) = Tis (le probabilidad de salir una segunda bola banca saponlends ate 86 extrajo la primera). Por consiguiente, P (4B) = = (3/7)-(5/13) = 15/91. 782. Tres tiradores disparan contra un blanco. La probabilidad de que el primer tirador dé en el blanco es igual a 0,75, para el se- gundo tirador esta probabilidad es de 0,8 y para el tercero, de 0,9. Determinar la probabilidad da que los tres tiradores den simulté- neamente en el blanco. Rescluctén. Tenemos P(A) = 0,75, P(B)= 08, P(C)= 08: P (ABC) = P (A)-P (B)-P (C) = 0,75-0,8-0,9 = 0,54. 783. Con los datos del problema precedente, determinar la pro- babilidad de que dé en el blanco al menos wn tirador. Resolucién. Aqui P (A) = 1 — 0,75 = 0,25 (la probabilidad de que yerre el blanco el primer tirador); P (B) = 1 — 0,8 = 0,2 (la probabilidad de que yerre el blanco el segunde tirador); P (¢)= 1 — 0,9 = 0,4 (la probabilidad de que yerre el blanco el tercer tizador); entonces P (2BC) — 0 sea, la proba- hilidad de que yerren el blanco simulténeamente todos los tres tiradores se determina por e] modo siguiente: P (ABC) = P (A)-P @)-P (2) = 0,25-0,2-0,1 = 0,005. Pero el suceso contrario del suceso ABC os el consistente en que al menos un solo tirador dé en el blanca. Por consiguiente, la prohabilidad huscada P = =1—P (ABC), © sea, P = 1 — 0,005 = 0,995. 784. La probabilidad de que una maquina herramienta se estropee en el transcurso de un dia de trabajo es igual a (a es un miimero posi- tivo pequefio cuyo cuadrado se puede despreciar). ¢Cudl es la proba- bilidad de que Ja maquina herramienta no se estropee ninguna ver durante 5 dias? Resolver el problema para « = 0,04. Resolucién. Puesto que 1 — a es la probabilidad de que la maquina herra- mienta no s¢ estropee on ¢) transcurso de un dja, entonees, segiin el axioma de multiplicacion de prababilidades, (1 — a)* ¢s la probabilidad do que la méqui- na no se deteriore durante 5 dias. 1a?Valiéndonos del desarrollo binomial y despreciando los términos que con- Henen a?, a8, o* ¥ a, obtenemos 1a Igualdad aproximada (1a) 4 - fer, 0 sea, Pv 1 — Sc. Para @ = 0,01, tencmos P ~ 0,95. 785. Una cajita contiene @ bolas blancas y } negras. {Cu4l es Ja probabilidad de que de dos bolas sacadas una sea blanca y ja otra negra? (La bola sacada no vuelve a meterse en la cajita.) Resoluctén. Sean: el suceso A, la salida de wna bola blanea en la primera extracciin; el suceso 8, ba salida de wna bola negra on la nda extraccién; el suceso , la salida de una bola negra en la primera extraccién; el suceso D, la salida de una bola blanca en la segunda extraccidn. Calculamos Ja probabilidad de que la primera bola salida sea blanca y la Segunda negra: ee ee a+b a-fb—t (a+) (a+o—1) * Hallamos Ia probabilidad de que la primera bola salida sea negra y la segunda blanca: Ppa P (AP (Bl) b @ ab a+b ato—t~ (2h) (apo—h * De este modo, la probabilidad de que una de las bolas sacadas sea blanca y la otra sea negra se determinerA por el axioma de la suma: P = P, + Py, @ sea, Py=P (C):P (DIC) Lab °=ePh@re=1* 786. Una cajita contiene a bolas blancas, b negras y ¢ azules. Se ha sacado una bola, Determinar la probabilidad de que la bola extrai- da sea: 1) blanca; 2) negra; 3) azul; 4) blanca o negra; 5) blanca o azul; 6) negra o azul. 787. La primera cajita contiene @ bolas blancas y b negras; la segunda, ¢ blancas y d¢ negras. De cada cajita se ha sacado una bola. ¢Cudl es la probabilidad de que ambas bolas sean negras? 788, La probabilidad de que el primer tirador dé en el blanco es igual a p, y para el segundo es igual a p,. Los tiradores disparan si- multéneamente. gCudl es la probabilidad de que uno de ellos dé en el blanco y el otro falle el tiro? 789. La probabilidad de que en una ciudad meridional N Ja tem- peratura en un dia cualquiera del julio sea menor de 5 °C es igual aa (@ es un némero pequefio cuyo cuadrado se puede despreciar). ¢Cudl es la probabilidad de que durante los primeros tres dias del julio la temperatura no descienda a menos de & °C? 790. La primera cajita contiene 1 bola blanca, 2 rojas y 3 azules: Ja segunda cajita contiene 2 bolas blancas, 6 rojas y 4 azules. De cada cajita se ha sacado una bola. :Cudl es la probabilidad de que entra Jas bolas salidas no hayan bolas azules? 791. La probabilidad de quo en ol transcurso de un dia no se estro- pee un torno sea igual a 0,03. zCu4l es la probabilidad de que durante cuatro dias seguidas no tenga lugar ningin deteriora? 198792. En un aula hay 12 nifios y 18 nifies. Hace falte elegir una delegacién de dos personas. gCudl es lo probabilidad (si la eleccién 30 efectiia al azar) de quo tesulten escogidos: 1) dos nifios; 2) dos ni- fias; 3) una nifia y un niiio? 793. Una urna contiene 9 bolas blancas y 1 negra. Se extraen tres bolas conjuntamente, {Cudl es la probabilidad de que todas sean blancas? 794. Se efectian tres disparos contra un blanco. La probabilidad de hacer el impacto en cada disparo es igual a 0,5. Hallar la probabi- lidad de que como resultado de estos disparos se logre un solo impacto. § 3. Férmula de Bernoulli, El nimero més probable de realizacién de un evento Si se efectian n pruebas independientes en cada una de las cuales la babiijdad de realizacion del eventa (suceso) A oe la misma a igual a p, entonees ja probabilidad de que el suceso A tenga lugar on estas n pruebas m veces 56 expresa por la formula de Bernoullt Pan=CRP™™, donds g=1—p. De este modo, Poona Panne, Py, nee) PRG toe Payne E] nimero m, se lama ndimero més probable de reabizacién del evento A en n pruebas, sie) valor de Py, , para m = my no es manor de los demas valores 0 Prasny © 869; Prem 2 Pmjn Cuando mys Mo. Si p « 0-y po 1, entonces e] mimero my sa puede determinar de la desi- qualdad doble ap — 4S my Kap +p. En esta desigualdad doble la diferenoia de los valores de frontera ce igual a 1. Simp -— pmo 68 un numero entero, la desigualdad dobie define tinicamente un solo valor més probable de m,. Pero ei ap -} p 03. un nimero entero, entonces hay dos valores més probabies: mj = np —q ¥ m= np + p. 795. Una urna contiene 20 bolillas blancas y 10 nogras. Se han sacado seguidamente 4 bolas, con ello cada bolilla salida se repono y se mezclan las bolillas en la wna antes de extraer la siguiente. {Cudl s la prohabilidad de que entre las cuatro bolillas salidas dos sean jancas? Resoluctén. La probabilidad de extraer una bolilla blanca p = 20/30 = 2/3 se puede considérar igual para las cuatro pruebas; q = 1— p = 1/3. Utili- sandy Ta formule ae Berheull, ‘Shtnenae 4 ’ 437 2\2/1)2 8B Pa C= te (F) (F)=a- 796. La probabilidad de que se produzca él evento A es igual a 0,4. eCual es la probabilidad de que en 10 pruebas el suceso A se realice no mds de tres veces? isResoluciin. Aqui p= 0,4, ¢ = 0,8. Tenemos: la probabilidad de que el evento A se preduzca: 0 veces es Py1o = 9%; fiver es Php = 10 pqs 2 veces €8 Payy = 45ptgh B veces 8 Py.yq = 120p%?; no mas de tres voces es igual a P=Po. tot Pr. to +Po, 10+ Pa. 0 0 sea, P = gl 4 10pq? + 45p¥g + 120p%7?, «bien P= Qig + arp + 45qp* + 120p%. Suponicnda p = 0,4, ¢ = 0,6, obtenemos P = 0,67 (0,216 + 1,44 - 4.82 + 7,68) ~ 0,38. 797. Determinar la probabilidad de que en una familia que tiene cinco hijos haya tres nifias y dos nifios. Las probabilidades de naci- miento de un nifio y de una nifia se suponen iguales. Resolucién. La probabilidad de nacimiento de una nifia p= O55. entonces rt lo q=t aif, = 0,5 (probabilidad do macimiento de un nifio}. Po tanto, la Probabilidad buscada 5-43 Py e=Cbpat= T5 798. Dejando vigentes los dates dol problema precedente, hallar la probabilidad de que entre los hijos no haya mds de tres nifias. 5. (0.5)? O.SP= Fe . Resolucién. Tenemos Prom ()mage Pao (4) reeain (Sms tanio($) a 13 PePostPy st Pact Psa ae 799. Una moneda se arroja 8 veces. :Cudl es Ja probabilidad de que. ella caiga de cara 6 veces? Ina moneda se arroja 6 veces. {Cudl es la probabilidad de que caiga de cara no mas de tres veces? 801. En un aula hay 20 nifios y 10 nifias. A cada una de tres pre- tas hechas por e] maestro ha respuesto un alumno. Cudl es la probabilidad de que entre quienes respondieron haya dos nifios y una nifia? 802. En cada wna de cuatro cajitas hay 5 bolillas blancas y 15 negras. De cada cajita han sacado una. jCudl es la probabilidad de que salgan dos bolillas blances y dos negras? 803. Una urna contiene 10 bolillas blancas y 40 negras. Se sacan seguidamente 14 bolillas, con ello el color de cada wna se registra y 200luego la bolilla se repone en la urna. Determinar el niimero mas pro- hable de salidas de una bolilla blanca. Resoluctén. Agui n= 44, p= 10/50 = 1/5, g= { — p= 4/5. Utilizando a) Ja desigualdad doble np — 9 = mo < np + p para los valores indicados de 7, PY q, obtenemos 14/5 — AIS < my AMIS 4 1/5, 0 sea, 2 mg <3. Por lo tanto, el problema tione dos soluciones: my = 2, mg = 3. 804. La probabilidad de que un tirador dé en el blanco es iguab a 0,7. Se han efectuado 25 disparos. Determinar el numero més pro- hable de impactos. Resoluciin, Aqui n= 25, p= 0,7, ¢ = 0,3. Por comsiguiente, 25-0,7 — 0,8 < mp < 25-0,74+0,7, osea, 17,2 < my < 18,2, Como m es un nimero entero, my = 18. 805. Como resultado de observaciones hechas durante muchos afios, ha sido establecido que la probabilidad de que lluevael 1 de octubre en una ciudad dada es igual a 1/7. Determinar el nimero mas probable de dias lluviosos el 1 de octubre en esta ciudad durante 40 afios. Resoluelén. Tenemos n= 40, p = 4/7, 9 = 6/7. De este modo, 1 6 i f£ 6 oti fe mx byt, spams Fe 2868. mynd 806. Hay 20 cajones de piezas homogéneas. La probabilidad de que en un cajén tomado al azar Jas piezas sean esténdares es igual a 0,75. Haller el niimero mas probable de cajones en Jos cuales todas las piezas son estdéndares. 807. Una urna contiene 100 bolillas blancas y 80 negras. De la uta se sacan 7” holillas (reponiendo en Ja urna cada bolilla salida}. El nimero m4s probable de salidas de una bolilla negra es igual a 41. Hallar n. Resolueién. Do la desigualdad doble np — 9 2. uPara qué valor de 4 la funcién f (z) puede ser tomada por densidad de probabilidad de una magnitud sleatoria X? Determinar este va- lorde 1, hallar la esperanza matematica y la desviacién tipica de la variable aleatoria respectiva X. § 7. Moda y meciana Se Hama moda de una variable aleaforia discreta X a su valor més probable. ‘So Hama moda de una variable aleatoria continua X a su valor con densidad do digtribucide méxima. Designamos Ia moda con ol stmbolo m. denomina mediana de una variable aleatoria continua X 2 su valor ptal, para A ates igualmente probable que la variable aleatoria resulte menor © mayor que pL, 0 sea, P(X< p= P(X > p= 05. 212En lo que conciorne a 1a interprotacién geométrica, la modaes la abscisa de aquel punto do la curva (poligonc) de distribucién con ordenada maxima. La ordenada trazada en el punto con abseisa z = p divide por la mitad el érea aco- fla) $$$ o mM x mM Fig. 39 tada por la curva de distribucién. Sila recta s = a es ol eje de simetria de la curva de distribucién y = j (z), entonces M = p= M (X) = a (fig. 39). 832. Se da la densidad de probabilidad de la variable aleatoria continua f (z) = ue*-** (a > 0). Hallar la moda de esta variable, Resolueién, Hallamos e] maximo de la funcién y = / (2). Para esto encon- tramos las derivades de primer y segundo orden: f° (2p 2a (t—a) eet, 7 (x)= Dae 28 da (Lay ot, De 1a scuacién j’ (2) = 0 obtenemos z = 1. Gome j (1) = — 2ae< 0, entonces en z — 4 Ja fumcién f (2) presenta él maximo, 0 sea, Af = 4. No hemos determinado los valores de la constante a, puesto que el m4ximo de la funcién J (@) = ae**-* no depende del valor numérico de a. 833. Se dala densidad de probabilidad de la variable aleatoria X: QQ si 20; f(z)= { z—2/4, si OSr <2; 0, si z>2. Hallar la mediana de esta variable aleatoria. Resoluctén. Hallamos la mediana p partiendo de la condicién P (X < p) = = 0,5. En este caso vercn=| (—fe)ene Asi, pues, Hogamos a la ecuacién p/2 = u416 = 0,5, 0 bien pt — 8p" 4 B= = 0, de donde p = + V4 + 8. Entro las cuatro raices de esta ecuacién es necesatio escoger la que esta comprendida entre 0 y 2. Por Jo tanto, p = =Vi_ Vt & 1,09. 834. Se da la serie de distribucién de Ja variable aleatoria: a 10 | 20 | 30 | 40 | 50 Pt 0,24 | 0,36 | 0,20 | 0,15Haller la moda. 835. Se da ia densidad de distribucién de la variable aleatoria: 0, si 24, Determinar el valor de 2, la moda y la mediana. $6. Disinbuciés unilorme Se dice uniforme a la distribucién de tales variables aleatorias an las cuales todos los valores estiin sobre cierto segmento [a, b] y tienen una densidad cons- ‘tante de probabiHidad sobre este segmento (fig. 40). De este modo, 0, si z — a) = 1, entonces A= 15 — a) y, por consiguiente, 0, sl sb 836. Determinar la esperanza matematica de una variable aleato- tia con distribucién uniforme. Resoluctén, Tenemos 8 b + wetimf ensen § dale tet, [sma | © son, M (X) = (e+ b)/2 quo os lo quo debe ser on virtud de In simetria ds Sisenbuciga. © * DM que os te quo 837. Calcular la dispersién y la desviacién tipica para una varia- ble aleatoria con distribucién uniforme. 24Revoluctén. Utilizamos ia {érmula D @ = M (X%)— [Mf (X)]" teniendo @a cuenta él valor de M (X) = (a+ 5)/2, do en el problema precedente. Por lo tanto, queda calcular M (X*); tevomos ba? abba? ja Sap SCSCSS bexya hatchet fet oor : Por consiguiente & Ee! 4 aw xy=f "=o" 3 De donde =ypuj=25% a= VD) aye" 838, Todos los valores de una variable aleatoria distribuida cuniformemente estén sobre el segmento [2, 8]. Hallar la probabilidad de me, Ja enable aleatoria tome un valor perteneciente al inter- valo J3, ‘ 839, Los tranvias de la linea urbana dada pasen con intervalo de 5 minutos. Un pasajero se acerca a la parada del tranvia en un momento determinado. :Cudles la probabilidad de que el pasajero aparezca no antes que pase un minuto después de la partida del tranvia precedente y no mds tarde que dos minutos antes que salga el tranvia siguiente? 89% Lay de distributicr tiromial, Ley de Poisson Si la probabilidad de se produzca un evento aleatoria en cada pruoba esigual a Prentonces, amines sabido, ln probabilidad de que durante n pruebas al evento se produzca m veces ce determina por la férmula de Bernoulli: Pron = CRp™g2-™ (donde g = 1 — p). Le ley de distribucién de una variable aleatoria que pusde tomar m -+ 1 va- «+ 2), descrita por la férmula de Bernoulli, se lama binomial. 0.4, La ley de distribucién de una variable alestoria X' que puede tomar cuales- quiera valores enteros no negatives (0, 1, 2,..., n), descrita por la formula PK =m) os, ha recibido ¢l nombre de ley de Poisson. La ley da Poisson es Ja de distribucién da lag probabilidades para las varia- bles aleatorias siguiontes. a) Supongamos que sobre el intervalo }0, N[ del eje Oz oe sittian aleatoria- mente n puntos, ademas, los eventos consiatentes en que uo punto Hegue a parar ado, de longitud conatante (por 6jem- aun segmento cualquiera, anteriormenta plo, de lovgitud unitaria) son equiprob SiN-+ 0, n+ oy o = lim 7 entonces una variable alestoria X, igual al nimero de puntos que Ilegan a pararal segmento prefijado de Jongi- tud unitaria (qué puede tomar velores 0, 1, ..., m, .. -), 3¢ distribuye 2 la ley de Poisson. adb) Si» es igual al némero medio de Hamades de los abonados quo Megan durante woa hora a ta central telefénica dada, entonces él mimero de ll que Hegan durante un minuto se distribuye aproximadamente por la ley de ‘oisson, con ello a= n/60. La esperanza matemStic y Ia dispersién de variables aleatoriasdistribui- das por la ley binomial y le ley de Poisson se determinan por las férmulas siguientes: para la Jey binomial: M (X) = ap; D(X) = npg: para la ley de Poisson: M (X) = a; D(X) = a. 840. Una central telefénica antomatica recibe, por término medio durante una hora 300 lamadas. {Cual es la probabilidad da que ella durante un minuto dado reciba exactamente dos lamadas? Resolucién. Durante un minuto la CTA recibe, por término medio, 300/60 = = 5 llamadas, o sea, a = 5, Se requiere hallar P,. Utilizando la Sérmula de Poisson, ballamos : Pedy ag 0,09, 841. En un libro de 1000 paginas hay 100 erratas. :Cudl es la probabilidad de que en una pagina aleatoriamente escogida haya no menos de cuatro erratas? Resolucién, La cantidad media do erratas i one paging esa = 1006/1000 = je = 0,1, En el caso dado conviene aplicar la [érmula ‘oisson: Paella, Aqui P,, ¢8 la probabilidad de que se tengan m erratas en una pagina. Si m=, entonces Pp =e" 3, st m= 1, Py = Ole, si m= 2, Py = 0,005-¢-5,3: oj m = 3, Py = 0,000167-2-%1. La suma Pp + Py + Pat ++ Py es la probabilidad de aus en una pégina resulte no més de tres erratas. Esta suma es igual a 1,105167-e-°'. Entonces la probabilidad de que en una pégina escogida al azar haya cuatro erratas, como minimo, es igual a 1—1,105167 et = 1—1,105167-0,904937 = 1—0,999996 = 0,000004. 842, Entre las semillas de centeno hay 0,4% de semillas de hier- bas malas. {Cudl es Ja prohabilidad de que al seleccionar al azar 5000 semillas se descubran 5 semillas de hierbas malas? 843. Determinar la espreranza matematica y la dispersién de la frecuencia de m/n llegadas de un evento aleatorio durante n pruebas, sila probabilidad de que el sucego se produzca durante una prueba es igual a p. 844. Mostrar que la distribucion binomial se convierte, pasando al Ifmite, en distribucién de Poisson si n> oo, p— 0, pero np = a, Indteacién: valerse de la igualdad on (s8) (1-2) (54) mt em Cop a U—py? y pasar al limite. 24845. Una variable aleatoria X esté subordinada a la ley de dis- tribucién binomial P(X =m) = Cm p™g"-™, Determinar la es- peranza matemdtica de esta variable aleatoria. Resoiucién. Tenemos 2 * MXp= Sy momp™gh—Mar Sy meMpyt map Sy LS cmpmm tyne mao A Pero 2k 7 Binh ea faam+h) _ pms non ~ (im Por consiguiente, a M (Xp=np Y) Omrppm tlm ND np (peg, et © sea, M(X)=mp, 846. Determinar la varianza de una variable aleatoria X subor- dinada a la ley de distribucién binomial. Resoluetén. Hallemos previamente la esperanza matematica de la variable aleatoria X*; 2 * AXA = Sh bcm ap Si m- LE cmp igh m=i met =r 3» memzi pmo! piimta(=4) Lap (2 3 dm—1y CRE! x git Bama 1) mi CMa mnt ghm—1 Um), La primera de lag eumas entre paréntesis ea Ia apes matemitica de le variable aleatoria X subordinada a la ley binomial P (X = m— 1) = = CRep™ 1 gin--U™-1), por eso alla e el a (a — 4)p {véaso el problema pecs). La unda summa es 4 gts 1. je suerte que M (X2) = np Eat pen np. bab ary ar oy — LaF GOP, Por 880) D (X) = nip! — np + np — nip* = np (i — p) = npg. 847. Haller le esperanza matemiatica de una variable aleatoria X subordinada a la ley de Poisson P(X =m) =% me Retolucton. ‘Tene aM (X= 3 mat amt oF art Pa wor o Pero a =a por consiguiente, M(X)=a.848. Hallar la dispersién de una variable aleatoria X subordi- nada a la ley de Poisson. Resoluctén. Primeramente encontramos = = 2 8, M (x)= Ji nt T= ne mat met es mena ey ae = Bens mot 2 Gn o « ammiena amt =a 5) 9 ar tet mo ‘ m=! amt La primera suma es la esperanza matemAtica de la variable aleatoria X subor- dinada a la ley de Poisson y la segunda suma oa igual a <*. De aqui obtene- mos M (X3) =a? + a, Por Jo tanto, D (x)= o?+a—at=a. 849. La probabilidad de que un tirador dé en el blanco es i al, a 2/3. El tirador ha efectuado 15 disparos. La variable aleatoria . el nimero de impactos. Hallar la esperanza matematica y la varianza de la variable aleatoria X. Atesolucién. Aqui conviene utilizar los valores de la esperanza matemitica y de Ia varianza para la ley do distribucién binomial: M (X) = mp = 15-2/3 = 10, D(X) = npg = 15-2/3-1/3 = 10/3, § 10. Distribucién exponencial, Focicin de fiabiliciacd De Analoga de ta ley de Poisson para variables aleatorias continuas sirve la ley exponencial, cuya funcién de densidad de distribucién es monoparamétsi- ca y tiene la forma 0, si 2<0; Ja) = i + si a>Q, donde 4>0 es un parémetro constante. La funeién de distribucién (Guneién integral) de Le ley exponenelal serd Fie j 1a) dom | Werte, Sow 0 Por consiguiente, 0. si 2<0; Ftm{ ine a cee, La probabilidad de que Ia variable sleatoria y tome los valores pertenecientes. al interval (a, B) ford - = Pe0. La funcién de distribucién determina la probabilidad de fallo de un elemento durante el tiempo ¢. Se lama funcién de jiabilided R (t) a la que determina Ja probabilidad del buen funcionamiento de un elemento durante un tiempo f: R (c) = em! 849a. :Para qué valor de & la funcién f (z) = ke (x> 0), f (x) = 0, si x <0, seré la funcién de densidad de la ley expe- nencial? Resolucién. Es sabida que S Na) dz=1, Entonces « J eae. 0 De ello eo) 100 & So ak ose k=. 849b. La variable aloatoria X esta distribuida segin la ley expo- nencial f (z) = 4e* para z>O0 y f(z) = 0 para r<0. Hallar la probabilidad de que, como resultado de pruebas, X toma valores pertenecientes al intervalo (0,2; 0,5). Resolucién. Utilizamos la formula P(a 0}. Hallar la probabilidad de que el elemento funciona sin fallas 50 h. Resoluetén. La probabilidad de que el elemento funcione bien durante 50 h se determing or la funcién defisbilidad R (4) = eM, o sea, R (50) = e~2,0tlae = et = 0,3679. 849e. La variable aleatoria continua X esté distribuida por la ley exponencial f (z) = 2,5 es si c>O0 y f(z} =0 siz<0. Hallar Ja esperanza matemética, la vatianza y la desviacién tipica. 849%. La variable aleatoria continua X est4 distribuida por la Jey exponencial con funcién de densidad 0, si #<0; Ha=| Te, si x0. Hallar la probabilidad de que, como resultado de las pruebas, X toma los valores pertenecientes al intervalo (0,15; 0,6). 849g. Hallar la esperanza matemdtica de la distribucién exponen- cial definida por la funcién de distribucién F -{ 0, si z<0; =|4_ om, si 2p0. 849h. El tiempo de descomposién ¢ de un tren con ayuda de la albardilla es una variable aleatoria subordinada a la ley exponencial . Designemos por A= 5 la cantidad media de trenes que la albar- 220dilla puede descomponer durante una hora. Determinar la pro- pabiltoed de que el tiempo de descomposicién del tren sea mayor eo 0,3 h. 849i. La duracién del buen funcionamiento de un elemento tiene la distribucién exponencial F(z)—1—e-°.02 t, t>0, Haller la probabilidad de que durante el tiempo t=24 h: 4) ol elemento falle, b) el elemento no falle. 849j. La probabilidad de buen funcionamiento de un televi- sor esti distribuida por la ley exponencial f(t) =0,002 ¢-%.02t, t>0. Hallar la probabilidad de que el televisor funcione bien durante 1000 horas. § 11. Ley de distribucidén normal. Funcién de Laplace La ley de distrtbuclén normal 96 caracteriza por Ia densidad f= 4 __ te =mpf(2er) Vin No os dificil ver quo la funci6m / (2) sutisface dos condiciones quo debs reu- nir la densidad de distribucién: 4) f (2) > 0; 2) 5 fe)dr=4. La curva y = / (2) tione 1a forma represontada en la fig. 44. Ella es simé- trica con respecto a la recta z = m, la ordenada m&xima de la curva (para z = ffx) i at oven Fig. 44 = m) es igual a 1/(0}/"2n) y el eje de abscisas sirve deasintola de esta curva. +80 Puesto que Sar (e) de = m, ol parémotzo m es Ja esperanza matomética de In too variable aleatoria X. Por otro lado, J (c — m) / (2) de =o, de donde D (2) = ots o ane, 0 60 In dasviacién tipica de la variable x. introduzeamos la designacién D (z)=- a7 Par, Je] ts i =La funcién ® (2) se Hama funcién de Laplace o integrat de probabilldades. Eeta funcidn so donomina también junctén de erroresy sedesigna por ert x. A veces 0 utilizan también otras formas de Ja funcién de Laplace, por ejemplo, ® (2) = = vEe | e-!at Gunetén normada de Leptace) que esté enlazada con Ie fun- oO 5 cidn de errores © (2) =" Feat por larelacién’® (2) = 0,5 © @//2), 3 o bien ® (z1/ Fj = 0,5 © (2). Para calcular jos valores de Ia funcidn de Laplace se utiliza una tabla especial (véase Ia tabla II en la pag. 449), La probabilidad de que uta variable aleatoria ¥ subordinada a la ley nor- mal vaya a parar a] segmento Ja, b[ a6 determina por les valores de Ja funcién de Laplace, valiéndose de la férmula b—m a—m \7 Po 0,8. Cop ayuda de Ja tabla II determinamos que 1,77 # > 0,91. Queda por hallar ei valor minimo de e que satistaga esta desigualdad, de dondo e = 0,52. 852. El tiro se ejecuta desde el punto O a lo largo de la recta Oz. El alcance medio de vuelo del proyectil es igual a m. Suponiendo que el alcance de vuelo X esta distribuido por la ley normal, con disviaci6n tipica o = 80 m, hallar qué porcentaje de proyectiles disparados ofrecer& un tiro largo de 120 a 160 m. 858. Una variable aleatoria X esté subordinada a la ley normal, con esperanza matematica m y desviacién tfipica ¢. Caleular con una precisién de 0,01 Jas probabilidades de que X tome valores pertene- cientes a los intervalos Im, m+ ol, Im +, m-+ 2ol, Jw + 2c, m + 3al. 854. Mostrar que la probabilidad de que una variable aleatoria X, con Ja esperanza matemaética m y desviacién tipica a, subordinada ala ley normal, tome un valor perteneciente ai intervalo Ja, al que no soublert. si cada uno de los nimeros a, 6, m y ¢ aumenta 4 veces (> 0). 854a. La masa de un vagén es una variable aleatoria distribuida segin la ley exponencial con esperanza matemAtica de 65 t y desvia- cién tipica o = 9 t. Hallar la probabilidad de que el tren de turno tenga una masa que no exceda de 70 t, pero no sea menos de 60 t. 854b. Una variable aleatoria X esta distribuida segin la ley normal con esperanza matemadtica a = 6 y desviacién tipica ¢ = = 1. aCudl es la probabilidad de que, como resultado de pruebas, X tome un valor perteneciente al intervalo [4, 7]. 854. El taller fabrica varillas cuya longitud ? es una variable aleatoria distribuida segin la ley normal con esperanza matematica y desviacién tipica iguales a 25 y 0,1 cm, respectivamente. Hallar la probabilidad de que la desviacién de la longitud de la varilla en uno u otro sentido a partir de la esperanza matemdtica no rebase los 0,25 em. 854d. Al pesar un cuerpo se ha obtenido un peso medio a = = 12,3 N; la desviaci6n tipica del peso distribuido segin la ley normal ¢ = 0,03 N. 2Qué desviacidn del peso del cuerpo a partir del peso medio se puede garantizar con una probabilidad de 90%? 854e. El tren se compone de 100 vagones. La masa de cada vagén es una variable aleatoria distribuida segiin Ia ley normal con esperan- 29 matematica a = 65 t y desviacién tipica ¢ = 0,9 t. La locomoto- va puede tirar un tren cuya masa sea de 6600 t, como maximo, en 224otro caso es necesario enganchar una segunda locomotora. Hallar la probabilidad de que no haga falta enganchar la segunda locomotora. 8541. El didémetro da una pieza que se fabrica en un torno es una variable aleatoria distribuida segiin la ley normal con esperanza matematica a = 25 cm y desviacidén tipica o = 0,4 cm. Hallar la probabilidad de que dos piezas tomadas al azar tengan una desvia- cién, en valor absoluto, con respecto a la esperanza matemAtica, que no excede de 0,16 cm. Resoluctin. Es sabido que la probabilidad de que una pieza, tomada al azar, ‘onga Ja desviacién 6 en uno u otro sentido con respecto a la esperanza matemitica, ea igual a P(a—b Oy <0. Se llama exceso de una variable aleatoria X a ta magnitud £,, determinada por Ja igualdad £, = j.4/of — 3. Para la ley de distribucion normal £,.= 0. ‘Lag curves de creatag mas agudas en comparacién con Ja normal (la llamada ‘eurva de Gauss) joseen un excesa positivo: para las curvas de crestas mas planas ). By <0 (Lig. 855. Se da la serie de distribucién de la variable aleatoria X: 226Hallar los momentos iniciales y ceutrales de los primeros cuatro érde- nes de esta magnitud aleatoria, determinar también la asimetria y el excess. Resoluetén, El momento inicial de primer orden my = 1-01 + 3-04 $ 5-02 + 70,2 + 9-04 = 4,6. tx) Fig, 44 £1] momento inicial de primer orden es Ja esperanza motematica, por eso M (X} = 4,6. Hallamos el momento micial de segundo orden: Gig = £-0,4 + 9-044 + 25-0,2 + 49-0,2 + 81-01 = 26,6. El momento inicial de tercer orden es ety = 1-0/1 + 27-0,4 + 125-0,2 + 348-0,2 + 720-04 = 1774, £1 momento inicial de cuarte orden tty = 1-0,1 + 81-0,4 + 625-0,2 + 2401+0.2 + 6564-01 = 1203.8, Determinamos ahora los momentes cectrales. Es sabido que p, = 0. El moniento central de segundo orden s¢ encuentra por Ja formula Pa = a — of = 26,6—4,6 = 26,6—21,18 = 5,44. Bete momento central es la dispersién de la variable aleatoria, o sea, D (X) = De aqui es faci} determinar la desviacién tipica: o,=) DX) = VSM =? 33. El momento central de tercer orden s¢ hallard por Ja (oruula Ms = Gy — Foye + Zot = 17,4 — 3-4,6-26.0 4 24,09 = = 177,4 — 367,08 + 194,672 = 4,992, Ahora no es dificil determinar Ja asimetria: sin 4,992 4,992, Sn FED ga ToT Para el momento central de cuarto orden utilizamos Ja férmula Bg = 4g — Aeyty + Galery — Sah = 1203,8—4-4,0-177,4 + 6-4,69-26,0— —3-4,64 = 1298,8 — 9264,16 + 337,136 — 1343,227 = 64,55, 15* 227Ahora se puede encontzar el exceso: ae ee ee {8—3— —0,82. 856. Se da le funcién 0, si r<0; az, si O 1-8 En esta desigueldad ae puede tomar 0<6 <2), donde DCX) esa va vatianza de Ja variable aleatoria X. E] teorema de Chébishev es una de aquellas leyes de los grandes niimeros que girven de base para todas las aplicaciones practicas dele teoria de las probabi- ades. 2. Teorema de Bernoulli. 2] teorema de Ja. Bernoulli 6s otra ley, més simple, de los grandes nimeros (que ha sido descubierta antes que las demés). El teorema de Bernoulit enuncia que pare un aumento iimitado del nimero de pruebas la frecuencia de un suceso ateatorio converge en probabilidad hacia la. probabilidad de? evento, o sea, ?(|4-2|1—s (ndeenés so puede tomar que 0.<5 <2), si In probabilidad del eventono cambia de una prueba a otra y es igual a p (g = 1— p). 860. Una moneda se arroja 1000 veces. Evaluar superiormente la probabilidad de que la frecuencia de aparicién de la cara se desvie da laiprobabilidad de su aparicién menos que en 0,1. Resoluctén. Aqui n= 1000, p= q= 1/2, = 0,1, Utilizando Ia desl- qualdad (1), obtenemog} mt 424/239 ”(lam—a1<* )> tea Como la desigualdad | o0—3]< 0,4 es equivalente a Ia desigualdad doble 4000 < m < 600, se pusde decir que la Propebilcad de que el niimero de sali- das de la cara se encuentre en el intervalo ]400, 600{ es mds de 39/40. 861. En una urna hay 1000 holillas blancas y 2000 negras. Se han sacado (con reposicién) 3000 bolillas. Estimar superiormente la probabilidad de que el mimero m de bolillas blancas extraidas satis faga la desigualdad doble 80 <_m < 120. 230Resoluctén. La desigualdad doble dada se puede escribir en la forma 1 7 4 {om 20 < m—100-< 20, o bien—Fe <3 —--a- < az - probabilidad de la desigualdad y 1/32/35 De suarte que se requiore ovaluar | m * = |a-+ i— 862. Supongamos qua como resultado de 100 prusbas independien- tes han sido determinados los valores de la variable aleatoria X: Zy, Ze, -- +, Tigo Sea la esperanza matemAtica Af (X) = 10 y la varianza D (X) = 1. Estimar superiormente la probabilidad de que el valor absolute de la diferencia entre la media aritmética de los 100 valores observados de la variable aleatoria (>}2,)/100 y la esperan- za matematica sea menor que 1/2. Resolucién. Valgémonoa de la desigualdad : »(|(2 =)fe-wan| 10, la suma de Jog mimeros que Hevan dos bolillas extreidas puede sen igual a &-+ 4 en los casos equiposibles siguientes (cuya cantided ¢s igual a — kK): Ja primera bolilla est# mareada con el mimero k—9; la segunda, con el 10; Ja primera holilla esté marcada eon el némnero k—3; la segunda, con el 9; la primera bolilla est marcada con el nitmero 10; la segunda, con e] k—9. Pesto que la probabilidad de cada una de ostes combinaciones 8, como antes, igual 2 1/100, entonces para & > 10 tenemos p, = (20 — W100. Para determinar Mf (X) y D (X) confeccionamos Ja tabla: [y-M CO | ay bey Mt he in Lp ~~ bas ® 1 3 0,04 a at 0,81 2 3 002 | a 64 4,28 3 4 0.03 | 0 49 1.47 4 5 0,04 Bk 36. 1.44 3 6 0,05 0.30 25 4.25 6 7 0,06 0,42 16 0.96 7 8 6,07 0,58 9 0,63 8 9 0,08 0,72 4 0,32 g 10 0,09 9,90 1 0,09 10 i 0.10 1,10 0 o 4 12 0,09 1,08. 1 9.00 12 13 0,08 1,04 4 9,32 43 4 0.07 0,98 9 0.63 44 13 0,96 9,90 46 0,98 15 18 0,05 | 0,80 25 1.45, 16 47 0,04 0,68. 36 4,44 IT 18 0,03 0,54 49 147 18 19 0.02 | 0,38 84 4,28 419 20 0,01 0,20 Bt 0,81 De este modo, 49 M (X) J) pate = 11, D(X) =16,5. iat Es evidente que 100 100 (800 << 5} 1 < 1400) <=> (—200-< J) 2;—1100-< 300) <> & 1 100 100 —8<(P 1) /100—11 <3. |(F) x) /t00-14 |< 3 <1 ta au?Asi, pues, 8=3, Por consiguiente, r(|(Sa ) fs00—11| <3) > 1S 20,902, 864. Un dado de seis caras se lanza 10000 veces. Estimar la probabilidad de que la frecuencia de salida de seis puntos se desvié de la probabilidad de salida del mismo néimero de puntos menos que en 0,01. 865. La urna contiene 100 bolillas blancas y {00 negras. Se han sacado con reposicién 50 bolillas. Evaluar superiormente la proba- Dilidad de que la cantidad de bolillas blancas entre el namero de las sacadas satisfaga la desigualdad doble 15.< m <_ 35, 866. Como resultado de 200 pruebas independientes han sido hallados los valores de la variable aleatoria z;, %,.. +. 209, ademds. M (X) =D (X) =2. Estimar superiormente la probabilidad de que ei valor absoluto de la diferencia entre la media aritmética de 200 valores de la variable aleatoria (3)2,)/200 y la esperanza matemd- 1 tica sea menor que 1/5. § 14, Teorema de Moivre-Laplace Si ge realizan x pruebas, en cada una de las cuales Is probabilidad de que 80 produzca cl evento A eg igual a p, entonces la frecuencia m/n de produccio- nes del evento eg una variable aleatoria distribuida por la ley binomial, la esperanza matemAtica y la varianza de esta variable son iguales a p yVagn, in — respectivamente. Lu variable aleatoria t, = aaa? con esperanza matema- tica igual a cero y varianza unitaria, ha recibido el uombre de frecuencia nor- mada de) suceso aleatorio (su distribucién es también binomial). El teoroma de Molvre-Laplace enuncia que para un crecimiento ilimitado- del mimora de n pruebas la ley binomial de distribucién de la frecuencia mor- mada se convierlé, pasando al limite, en distribucién normal con la misma esperanza matematica (iqual a 6) y la misma varianza (igual a 1), En virtud deesto, cuando hay grandes valores den, para las probabilidades de las desigual- dades a Jas cuales debe satisfacer la frecuencia (o el mimero de salidas) del even- to, se Fuade wtilizar una estimacién aproximada con ayuda de la integral de- robed idades (funcién de Laplace), es decir son vilidas los formulas oproxima- jas siguientes: P(a 1 b a \' =+[e(sa)-9 (ya) |: 867, ¢Cu4l es la probabilidad de que durante n pruebas e] even- to A se produzca de a a fi veces? La probabilidad de producirse el evento A es igual a p. 233Resolucién, Es evidente que ( ox = (np ba npg <2

) Dd) a—mx) Ym— mp) Prams mn y para variables aleatorias continuas, por la férmula $00 $0 Cay | J ema u—mgi fe, dara, E] momento de correlacién se puede hallar también por Ja férmula Cay = M (XY) — MX) AEF). Aqui M(XY)= 5) 3 zadmPmn mn 25th‘para variables aleatorias discretas X e ¥ y $08 00 wxy= | j sul (x, pd dy para variables continuas. Las variables aleatorias X © Y 30 llaman tndependientes ai la probabilidad de tomar una de ellas un valor perteneciente a un intervalo cualquiera del campo de sus valores no depende del hecho de qué valor haya tomado le segunda variable. En este caso M(XY)= M(X)-MOYR Cy, = 0. Para caracterizar el enlace existente entre las variables X e ¥ se examina e] Hamado cocfictente de correlaciin —Exy Oxy * Fey que es una magnitud adimensional. Si las variables aleatorias X « ¥ son Independiontes, entonces ry» = 0. Sin embargo, si las variables aleatorias Xo ¥ estén onlatedas por una dependen- eia lineal exacta Y = aX + 6, ontonces Tay = Sign. a, 0 sea, r.4 = 1 cuando @>0, ¥ ry = —4 cuando «<0. En_genéral, ¢) coeficiente de correlacién satisface la condicién —1< » U2)» » > AX3—8; > > 2 (73) 2 » » 1X4—4; + 3 » Gs) oe om > 2¥2e4 » > » @% > » » 2X3=6 » @ » (2; 3) s > » 2xi=2; > + » (4) > » >» 3xX2=6: > + 2 2 » » » 8X3=9: > * » 83) » ® % axX1=3. En total hay 6 x 6 = 36 puntos aleatorios (el punto de multiplicidad n to- mamos por n puntos). yanPuesto que Ja relacién entre la multiplicidad de un punto y toda Ja cantidad de puntos es igual a la probabilidad de aparicién de este punto, la tabla de la ley de distribucién del sistema de las variables aleatorias tiene la forma s | 18 | 4/12 | 1/38 2 | 19 | 1/0 | EAS 3 | 1/6 | W& | 142 La suma de todas las probabilidades indicadasen la tabla es igual a la unidad. 872. Hallar las esperanzas matematicas de las variabls aleatorias X e Y segiin los datos del problema precadente. Resolucién. Tenemos t 1 1 —_ ae th Gte pe thay te 1 +3 ts my ee be pg +4 $ep +o Bl punto (7/3; 14/0) es el contro de dispersion para el sistema dade (X,Y). ‘Como les variables aleatorias X @ Y son independentes {véanse Jos datos del problema 874), las esperanzas mateméticas m, y m, se pueden caleular més sencillamente, utilizando las series de distribucién: De agui, enconizamos mim aie tt gtsad, y= em agit gaz. 233873, Hallar las dispersiones de las variables aleatorias X ¢ Y segin los datos del problema 871. Resolucién. Pasawos del sistema de variables (X, Y) al de variables centra— das (normalizadas) (X, ¥), donde X = X —m, = X — 73, ¥=¥—m,= = Y — 11/6, Componemos la tabla t Y 5/6 116 We 4/3 | 18 {12 1/36 1/3 | 49 | 1/6 | 118 23 | 16 | WA | 1/92 Tenemos B(X)= De aqui, 6.= 5/8, a, = | 17/6. Notemos que D ie y D (Y) se pueden determinar por las formulas D(X) = = M(X3—(M (XP, DY) = MY) — (af (YP. 874. Hallar e) coeficiente de correlacién segiin los datos del pro- blema 874. Resolucién. Utilicemos la tabla de distribvcién dol sistema (X, ¥) de varia- bles alcatorias entradas adeDeterminemos ta covarianza: eu=(—$)-(—$) HF) be+(—$ 5 4 z 4 4 ‘(gtaty) age pet gee Como G,,, = 0, también ol cooficiente de correlacién r,, = 0. Este mismo resultado podriamos obtener sin determinar la covariancin C,y- En efecto, suponiando Y = 1, obtenemos que el valor de X = 4 se repite 2 ve- cos, el valor de X = 2, 4 veces y el valor de X = 3, 6 veces. Por lo tanto, para ¥ = 1 obtonomos la serie de distribucion do la variable aleatoria X: = © |e | os Pe | 410 | 13 | 4/2 Si Y = 2, entoncesel valordeX = 1 se repite 3 veces: el valor deX = 2, veces y ol valor de X = 3, 9 veoes. Por consiguiento, para ¥ = 2 se obtiene la serie de distribucién dela variable aleatoria X: aE ym | 4/6 4/3 | 1/2 Por dltimo, si ¥ = 3, entonoes el valor de X = 1 se repite 1 ver; ol valor do X = 2, 2 voces y el valor de X = 3, 3 veces. La sorio de distribucién de la variable aleatoria X para Y = 3 tiene Ja forma a a a De suerte quo {para diferentes valores de Y obtenemos la misma serie do distribucién de ln variable aleatoria X. Puesto que la serie de distribucion dé la variable aloatoria X no depende de los valores de la variable aleatoria ¥\, eatonces Jas magnitudes X e Y son independientes. De ello resulta que el coeft- ciente de correlaciom es igual a cero. 240875. El sistema de variables aleatorias (X, ¥) estA subordinado a ja ley de distribucién con Ja densidad a(t ey), si 2 yecrt, He w= i att yt 0, siz? 4 ype, Hallar el coeficiente a. Resolucién, Determinamos el cooficiente a de Ja ecuacién ef [tte aaa, D donde 2) es e] circulo limitado por la circunferencia 2° +- y* = r?. Pasando a las coordenadas polares, obtenemos Qn r “i [aeank --tna 2 4, 0 sea, 1 876, El sistema de variables aleatorias (X, Y) esta subordinado a la ley de distribucién con la densidad { a(z+y) en el fominio D; ia a= 0 fuera de este dominio. El dominio D es el cuadrado limitado por las rectas z = 0, x = 3, y = 0, y = 3. Se exige: 1) determinar el coeficiente a; 2) calcular la Probabilidad de que el punto aleatorio (X; Y) sa encuontre en el cuadrado @ limitado por las rectas = 1, ¢=2, y=4, y = 2; 3) hallar las esperanzas mateméticas m, y m,; 4) Hallar las desviacio Nes tipicas o, y dy. Resolucién. 1) El cooficiente « se determina de la ecuacién a3 a\ | @+dedy—, 33 ee donde ‘| 3 (e+y)eeayoa i [aw +f Jia “| (a+) ‘ie 0 o ctw 2) = 210, 2a=1, 0 sea, a3) Hallomos jas esperanzas matemiticas my y my ; tenemos al [stn scorn dy { [ore Ca ' “4 | (ede Por consiguiente, también my=7/4. 4) Hallamos las desviaciones tipicas ox y ay: = | fas os x 3 or i (e—ms) Fe, dardy= pe \ o De suerte que ¢x=oy= TM. 877, El sistema de variables aleatorias (X, Y) esté subordinado a la Jey de distribueién con la densidad __f esente+y) en el dominic D; ts. v|{ 0 fuera do este dominio. El dominio D esta definido por las desigualdades 0< e< n/2, O< y< n/2. Hallar: 4) el coeficiente a; 2) las esperanzas matemiti- CAS my y my; 3) las desviaciones tpicas o, y oy: 4} ol coeficiente de corrélacion Fy. Ressiucién. 1) El coeficiente a se determina de la ecuacién mt a j t son (z+y)dydz=t, a0De donde FY2 nf my2 a} { seme+u)ayare—e J coste-tyy | ae— an) 0 nj2 ma \ (sen z-+-cos 2) dr—a (oon sco 2)" = 2a, o De suerte que ¢ = 1/2, o sea / (z, y) = (4/2) sen (x -}- y) en el dominio D, 1 mp2 fz 2) mem | J zeon(e-+y) dyde= o =} j za | mapeinien—t. | encetn pM eee o 0 = $F Lone borat a at =t J 2 (sen 203 2) drape (sen s—cos i 4 8 a2 om i _ att 4 ye ow =| (gen s—cosa) da—=—Z 4 (eon 2 + son) =+ De igual modo my=*/4, 1 ay2 m/z 3 of wey —Urcope] st | | stsenc +) ever = o 0 mf =-+ 5 x7 cos (2+y) as dzr— at f 9 (sen.-+cos 2) x 0 0 a i ye (sen. s-+coe} oa =) ae 3 SPT Et oo sos 2) aaqte. Por consiguiento, of = 6) = o,0y = (n?-+ Sx — 32y/t86, 16% 2434) Determinamos Ja covarianza: wa wit Cy =e YM XM => | | sven ete) dyes—F B= 3 3 mee sa => \ zdz J ysen (=-+e)de — Fe= 3 ny2 ala =-t 5 [veosse + i j cos (e+u) dy |2de—Fe = 3 i wt made fo [feos (24-$) —noa (oH) 4omne Jar m2 wnt. | o(—mvsseaetorns) as ~ So + = : (+ sen z+ eoss—sen s)do— Se a 1 {2 n ns! =fs (ez —F cos2+00s 2} | = wy ao (sonz—> cosz+cosz) de — Sh 2 2 16 2 5 1 x pu2 oat —_— (son 2—$ son s—cos 2) i —y- —16—at 16 De donde eT Sat oot LO TT "Gig, spond ~~ 0); i(m y= 0, si zt yt at Hallar: 4) el coeficiente a; 2) Jas esperanzas mateméaticas m, y my; 3) Jas varianzas o} y oj; 4) el coeficiente de correlacién ry, Boe ‘ refan¢ Se da un sistema de variables aleatorias (X,Y). Supongamos que como resul- lado de n pruebas se han obtenido x puntos (3 Ys). (tas Vado «+ v+ (2p3,¥n) (entre ellos pueden haberlos coincidentes). Se exige calcular el coeficienté de correla cién do este sistema de variables aleatori Tomando en consideracién la ley de los grandes niimeros, cuando n es sufi- cientemente grande, en las {6rmulss para determinar of, 2%, y zy eo pueden reemplazar las esperanzas mateméticas M (X)y y Af (¥) por los valores medios aritmeéticos de las variables aleatorias correspondientes. Con edlo tienen lugar jaa igualdades aproximadas siguientes: n a MOO~ F—(Sa)in at = 7=( 3 vain, ‘St =i abn (3 si)in—2; of = (& ¥i)in— py, n Cay (a syi)in—ay- De aqui se puede hallar cl coeficiente de correlaciOn con ayuda de la formula =e four Oxy” Si|rz, | Ym — 1> 3, entonces el enlace (vincvlacién) entre las variables alea- torias X @ ¥ es bastante probable. Si el enlace entre X e Y esta determin: gntonees Ja apreximacién lines] y, de z se da por la formula de la regresion ineal arta EH, o bien ye=ar+),La aproximacién lineal 3, de y se de por la férmuln de ln regresién lineal Fy Ferrey 2 UH), obien zy=ey+d. y Hay que tener on cuenta que y,— az -+ > y ay = cy +d son rectas diferentes (fig, 46). La primera recta se obtienc como Tesultade de la solucién del problema sobre la minimizacién de la suma de cuadrados de las desviaciones Fig. 46 por Ja vertical y la segunda, al resolver el problema sobre Ja minimizacidn de la suma de cuadrados de las desviaciones por la horizontal. Para construir Jas ecuaciones de la rogresién lineal es necosario: 1) con ayuda de Iq tabla inicial de valores (X, ¥) caleular Z, ¥, Op, Oy, Py Hoy Boraprobar In hip6tosis acerca do la existencia del enlace (vinculo) entre X e ¥; 3) escribir las ecuaciomes de ambas Lineas de regresién y ropresentar los grficos do estas ecunciones. 881. Se da la tabla: 0,25 | 0,37 | 0,44 | 0,55 2.01 | 2,12 [| 4,75 | 1.71 1,60 | 1,54 | 1,50 ¥ | 2,57Determinar el coeficiente de correlaciénr,, y las ecuaciones de las lineas de regresién. Resolucién. Componemos la tabla de célculo: 4 0,25 2,87 0,0825 68,6049 0, 8425, 2 0,37 2,81 0, 1368 5,3361 0.8547 3 0,44 242 0, 1936 44944 0, 9328, 4 0,55 1/92. 0, 3025 36864 41,0560 5 0.60 4,75 9, 3800 38,0825 4,0500 8 0,62 4,74 0, 3844 22,9241 41,0602 7 0,68 4,60 04624 22,5600 41,0880 8 0,70 1,54 49,4900 2.2801 41,0570 9 0,73 4,50 0,5329 2/2500 4,0950 10 0,75 4,44 0, 5625 41,9884 41,0575 it 0,82 41,83 0.6724 4,7889 41,0906 42 0,84 1,84 0, 7056 41,7184 41,1004 413 0,87 4,25 07569 41,5825 4 ,0875 4 0,88 4,20 0, 7744 4/4400: 41,0580 45 0,90 4.49 0,8100 41,4164 40740 18 0,95 4,15 0,9025, $9225 41,0825, 17 1,00 1,00 1,000 41,0000 41,0000 3 14,95 | 26,83 | 9, 1095 | 45,4427 | 47,3817 17 17 A? Do 1a tabla obtenemos; 5) zy=11,95, yi = 26,88, 5) 2f=9,1095, 1 imi i= “1 1" Dy vp 45,4027, 3) ay = 17,2017. dwt i=t Ahora hellemos F = 14,95/17 =0,7029, 7 = 26,83/17 = 1,5782; 03 = 9,4095/47 — (0,7020) = 0,0448, 0, = 0,2042; of = 45,4277 — (1,5782)* = 0,1808, a, = 0,4250; Oxy = 17,3077 — 0,7029-1,8782—= — 0,0863; Tyg = (—0,0863)/(0,2042-0,4250) = — 0,09943. Determinamos 61 valor del producto | ray +n — 1; puesto que | rey |X X Vn— = 0,9943-4 = 3,9772 > 3, la vineulacién estA suficientemente ‘Las ecuaciones de las lineas do regresién son: Ba—= ray Sh -(s—3),0 sea, 0,9948-0,4250 0, 20aE {z—0,7029); yx = —2,00952+ 3,0329; ¥2—1,5782=—- = oy = ty t=Tap “a, ee a = (y— 41,5782); = —0,ATT6y+- 14566, Una vez construidos los puntos determinados por la tabla y las lineas de regresién, vemos que ambas lineas pasan por el punto Jf (0,7029; 15782). La primera linea corta sobre el eje de les ordenadas el segment 3,0329 y la segunda, sobre el eje de las abscisas, el segmento 14,4566. Los puntos (zy; y)) estan préxi- mos a las Incas de regresién. 882. Como resultado de 79 pruebas se obtuvo la siguiente tabla de correlacién delas variables X = og/t, @ ¥: Por os se designa el limite de fluencia del acero y por og, el limite de rotura del mismo; Y¥ es el porcentaje del carbono contenido en el acero. Los némeros enteros citades an la tabla son multiplicadades de los valores de puntos aleatorios respectivos. Asi, por ejemplo, el punto para el cual z = 0,8, y = 0,6 tiene la multiplicidad 14, 0 sea, en 14 prue- bas al valor de z = 0,8 le ha correspondido el valor de y = 0,6. Se requiere determinar el coeficiente de correlacién y las ecuacio- nes de las lineas de regresién. 248Resolucién. Encontramos 8,5(2-48)-+0,0 Ger 24 +007 GEIFOH 0.8 CIE) $0004 sa 8 = 55:5 20,708; jn ASAE OO CHE FO7 EEO +0.8CH04) = 4B! 0,022, Doterminemos Jos valores rmedios aritméticos de las voriables 2%, y* y zy: Belt 1(0,5)*- (248) 4 (0,6). 4-+2+0) ++ (0, 71842424 8-4) -+ $00.8) 21444) +-(0,99°-1= 9% 20,505; ae 4 [(0.5)2-(0,5)?- (24-24 el) + (0,6)8 (2-4-F 124-14) (0,7) (249) 4 140,828} =e 0,08, yo Be =f 10,5-0,6-24-0,5-0,8-8+0,8-0,0-44-0,6-0,7-240,6-0,8-944 +0,7-0,5-24-0,7-0,6-42-+40,7-0,7-3+-0,7-0,8-14-0,8-0,5-21-+ $9,8-0,6-144.0,0:0,5-1| = S74 0,407, Jeterminamos les dispersiones y la covarjanza: o& = 0,505 — (0,708)? = 0,505 — 6,493 = 0,012; 6, = 0,14; of = 0,398 — (0,622)* = 0,398 — 0,387 = 0,011; oy = 0,41 yy = 0,427 — 0,708-0,622 = 0,427 — 0,437 = — 0,04. Jeterminamos 6] coeficiente de correlaci6n: _ Cy raw =—g 35 — Wye TOs 88 Caleulamos el valor del producto IrxylVn—4; tenemos {rxylV7—1= 0,867 78—=0,867-8,84—= 7,66, Pussto que Irey]-/n—1>-3, la vinculacién es bastante probable. Las ecuaciones de lag I{neas de regresidn son: Be Fm rey Gee0 sea, 0,105 O,ft Ve —0,6222 —0,887- =(t—0,703), Ye = —0,8282-+1, 204; ee «. “9 yea ray is 5y—0,103= — 0,867 + Ott (v—0,622), 7= —0,908y-1 4,268. 883. Se da la tabla de correlacién para ias variables X ¢ Y, don- de X es la duracién de servicio de una rueda de vagon en afios a Y es el valor medio del desgaste refarente al espesor de Ja Ianta de la rueda, en milimetros: Determinar el cosficionte de correlacién y las ecuaciones de las lineas de regresién. 884, Se da la tabla de correlacion para las variables X e Y, donde % os la flecha de curvatura del carril, on centimetros, e Y la cantidad de defectos del carril (en centimetros para un riel de 25 m): 250ae 0 5 40 | 15 | 20 x 70 | 2 | 7,3 | 4 4 | 4 | 4 8,0 4 4 35 2 | 90 2 | « [ 4 3 38 Lt 10,0 3 2 4 3 | 3 14,0 * mn} wl] ow { 3 2 ws [= ts | 13,0 | 1 4 13,5 14,0 + __|___ 14,5 15,0 15,5 epeje ‘| 1 1 3 8 11.5 | 5 1 | | 2 12,5 1 3 | 10 8 5 6 Fo 4 16,0 | 3 Determinar el cosficiente de correlacién y las ecuaciones de las lineas de regresién.SU? Pater onan de has cor © iat varehles aleater syoermenties 1. Poblacionss ase ¥ abseil eatral. _ Se lai, onic muestra (0 muestray a un conjunte de objetos hom un modo aleatorio. $4 denomina poblacién madre al conjunte do todos los objetos homegénecs entre Jos cuales se Neve a cabo al musst Ha recibide el nombre de volumen de una poblacién (muestral o madre) el. nimero de objetos de esta poblacién. La muestra se dice representative si representa suficientemente bien tas Selariends uanitiya dol pa : poblacién matt. i , Frecuencia a frecuencia relativa. mgamos ay una muestra cnyo yolumen eg n. Colocamos lps resultados ay Thuestreo en in tabla donde E,, $y, -« ++ 8, 20m los valores de Ja variable alentoria X en las pruebas i, 2a By oe oa Me ‘iespoctivamente, Algumos de los valores citados de la ‘variable aleatoria X pueden ser iguales entre sf. Uniendo los valores iguales de la varia- ble aleatoria, obtendromos la tabla dond al ot a jones del valor x; (i = 1, 2. U i- badas ™ im nee Taman star een vias fanealins) de los vee respect ect FOS iy ae + + «y #1 40 le variable alestoria X. Es ovidente que 1 ny =n, 0 sea, Ja sume de frecuencias de todos los valores de la variable lostoria es igual al volumen do Ja mugstra. La relacién entre Ja frecuencia n, y al volumen de una muestra nse denomina frecuencta'relativa del valor 2, y 0 designa por w, (I= 1,2... ., f}. Es evidente que : 3 BerBet3 mm tenet, o.sea, para la variable aleatoria X 1a guma de frecuoncias relativas de todos los ‘valorea de la mieme ea igual a la unidad. 252La tabla que establece la correspondencia entre los valores de una variable aleatoria y las uencias relativas de los mismos se llama distribucién estad{stica de la variable aleatoria X: ‘Conviene sefialar ae, muy a menudo se denomina también distribucién estadisti- aa la tabla que determina la correspondencia entze los valores de una variable aleatoria y las frecuencias absolutas de los mismos. es una variable alestoria continua, entonces es conveniente representar su distribucion estadistica en Je forma ! | ite. bt VB Bel ie to | vee | Bea Bd w [ow [ow [os | m Aqui «; es la frecuencia relativa con que la variable aleatoria toma un valor pertencciente a] intervale Jy, Gl, i= 1, 2,-5.5, Si la variable aleatoria toma} valores sigusles Az), entonces, en caso de que Acs par, una mitad de estos valores se puods Lievaral intervalo JE), Eyl ¥ la segunda mitad, al intervalo Jf, Eyal, {<< i 14 El grifico de la funcién F* (c} se muestra on Ja fig. 5f. WU RBM ee Fig. 54 4, Determinaciéa del valor medio de una variable aleatoria. Se llama va- Tor medio de una variable aleatoria X, definida por la distribucidn estadistica, ala expresién i Seer mat cote with 1 0 bien i e Reto t+... 4 po ee tt 3m, a) fot ‘Ln jgualdad (1) determina el valor medio de X para la nuestra, ‘So un modo anélogo se determina eh valor mediodeuna variable aleatoria X para la poblaciéu madre: gematmet.tavew = ’ (2 donde N es el volumen de la poblacién madre. Dado que n/N = ee Ja pros babilidad con la cual X toma el valor z, (1<1< ie igualdad % ) 6 puede ir en la forma “= apy type t eet typ = MEX) De acuerdo con la Isy de los grandes nimeros de Bernoulli se puede consi- derar qu para la poblacién muestral z ~ af (X). En adelante, suponiendo n suficientemente grande, escribiremos z= M (X). 17-1220 9 ie a =Si todos los valores de una variable aleatoria X son préximos & vp ndmero constante a, el céloulo de 2 se simplifica: i i i i i e= Seeie S}uy (e—a+a)= 3) wi (z1—a)+e 3) wi z—at+ay) wr 1 dot int ms im © sea, ¥=a+7—a, (3) donda 7—< es el valor medio de la variable alostoria X — a. Ahora bien, evando n es sulicientemente grande, se cumple la igualdad M @)=a+ M(X —a). ay 888, Hallar ol valor medio de la variable aleatoria definida por la distribucién: Resolucin. Tados los valores de X gon priximos a a= 14, Caleulamos las frecuencias relativas y construimos la tabla: X—414 —0.2 —0,f 0 | Od 0,2 w | 0,16 | 0,12 0,28 | 0,24 | 0,2 Ahora encontramos 5 a3) we (zy — 14) = —0,16-0,2—0,12-0,1-4-0,28-0- fat + 0,24-0,4 + 0,2-0,2 = — 0,082 — 0,012 + 0,024 + 0,04 = 0,02. Por consiguiente, z= 14 -+ 0,02 = 14,02. 5, Varianza y desviacién tipica. Se llama varianza estadfsttea de una variable aleatoria, definida por una distribucién estadistica, a la expresién D(X) = wy (zy — F)P + yy (zg — FP $e ty by — 3 w De La igualdad (1) se despronde que la dispersién estadistica os ol valor modio do la variable aloatoria (X — 3}*. Al crecor n ol valor medio z tiende en pro- babilidad hacia Af (X) y lasfrecuencias w,, wa... -» #1, hacia las probabilidades respectivas. Asi, pues, cuando el volumen do Ja muestra es grande, tiene lugar la iguaidad aproximada D* (X) ax D (X). La magnitud o* (X) = YD* (X) se denomina desvtacién tfptea (eatdndar). Tie- ne ia uisma Taba Ge la variable aleatoria X. ‘ s 258A continuacion, estimando el volumen' de la muestra 7 suficientomente gran- de, en vez de D* (X} y o* (X) escribiremos D(X) Y 6 (X), respectivamente. ‘Si los valores de Ia variable aleatoria X son préximes a una constante c, en- tonces el calculo de 1x dispersion estadistica se simplifica: i i De Xj= y 6; (z¢— 2 = 9) wy Mz, —a)— a m1 i i —E-at= 9) wy (ya)? 2 (@—a) 9} ws (22-1) + a1 a = t i = i Po +(e—a}? zed wy (2 ~a}¥—2 (2a) (5a) + @—a)* Es 1 De la ecuacién (8), del punto 4, so deduce que ¥— a = F—a, por ceo D+ (X)=(@—a}!— (ea), donde (2 — a}? es el valor medio de la variable aléatoria (X — aj? y @—a)® es el enadrado del valor medio de ja variable aleatoria X — a. Puesto que el primer miombro de la igualdad (2} no depende de a, en el sogundo miembro de In igualdad, efectuadas las simplificaciones, a debe eliminaree. En particular, si a= 0, se obtiene la formula D(X) =F Gy. a ii ise formula andloga se utiliza frecuentemento en le teorfa de Jas probabi- idades. Si las variables aleatorins X © ¥ estén vinculadas por la dependencia linea] Y = kX +b, loe valores medios de estas variables estén onlazados por la misma depondeneia Sineal: ¥= Ke- bo bien M (¥) = kM (X)-+ 6. 43) hi la variauza de Ja variable ¥ se expresa por la de 4a variable X, entonces. D (¥) = D (KX - b) = D (kX) + PD (6) = WD (X), puesto que D (b) = 0. Por consiguiente, vy) = i Hy. a) 889, Caleular D (X) yo {X) para la distribuctén estadistica dada en el ejemplo 888, Resolucién. Congtruimos Ja tabla (X—14)* 0,04 | 0,01 | Q 0,01 | 0,04 w 046 | 0,12 0,28 0,24 | 0,2 Luego tenemos 7— 14 = 0,02, (2 — 14)" = 0,0064 + 0.0012 + 0,0024 + + 0,008 = 0,018. aunt consiguente, D(X) = 0,018—0,0004 = 0,176; 0 (x) = Y O,0176 = ve 0,483. 17" 209890. Determinar 7 y D (Y) para la distribucién estadistica Resoluct6n. Los valores de Y forman wa progresién aritmética con el término 3 y la diferoncia 4, Por eso F = 3+ 4(X — 4), 0 sea, Y= k= 4, b= —4,Si X toma sucesivamente los valores 1, 2, 3,5, 9, entonces Y tomar& los valores 3, 7, 11, 15, 19 y 23, jectivamente. De este modo, 86 pueden escribir las varianzas de las variables X y X*: De dende hallamos | = 0,02 + 0,36 + 1,05 + 4,2 + 0,5 + 0,3 = 3,43; Fm 0,02 + 0,72 + 3,15 + 4,8 + 2,5 + 1,8 = 12,99. Utilizando la formula (3), obtendremos y= 4 343 — 1 — 12,72, y por la formula (4) D (¥) = 44(12,09--41,76) = 16-1,23 = 19,68, 891, Hallar el valor medio, la varianza y la desviacién tipica de la variable aleatoria definida por Ja distribucién:892, Determinar § y D(¥) para ia distribucién estadistica: 20 23 r[als|e[a a | a Ww 25 0,05 | 012 0,08 6. Determinacién de los momentos de una variable aleatoria por los datos del muestreo. Asimetria y exceso. Se llama momento inicial de s-ésimo orden de una variable aleatoria X a la magnitud a, (X) = M (X*) y se ama momento central a la magnitud p,(X)—= af ((X —‘m,)'l, donde my es la esporanza matematica de la variable aleatoria ... Si la muestra se considera represeptaliva y es de un volumen. suficiente- mente grande, entonces para determinar «, (X) y p, (X) sirven las {érmules aprorimadas t wy (71 — FF. I cg (X) re) wits oe (X) iat El momento central de primer orden da una variable aleatoria cualquera es idénticamente iguala cero. En efecto, p, = M (X — mz) = M (X)— mz =0. En caso de una distribucién simétrien de la variable alentoria X respecto ala separates matematica son también iguales a cero los otros momentos cen- wale aviene tamieee XX) = M (X) yay) = DEX). viene también tener en cuenta que a, (X) = y = 5 Si loa valores de Ya variable aleateria con primes a Ze mimeo a, eutonces para calcular los momentos centrales de los primeros cuatro érdenes es conveniente utilizar las formulas: 4) =0, —F=a, )- ah +2 ays, He (2) =a}! —4 (2a) (a P+ 0 — a)? (F— aP'—3 Gap. Con ayuda de Ja designacién vy, = (= — a)* estas férmulas se transforman obte- aiendo la forma Hy 0, Hy Ye — VB ty = Vg Bu gvy sp OVE Ha = Vy Av9y + - + Buy} — 3vf. ay Eu particular, si a = 0, se obtienen las igualdades que determinan Jas depen- dencias entre los momentos centrales p, © iniciales a, de los primeros cuatro jenes: Ha = Op Aa = Oe — OB, Hy = oy — Seigtty + Qf. pay = ta — Sarre + + Gate, — Bar. @ Los momentos inicial y central de s-ésimo orden lienen una dimension. igual a la del s-ésimo grado de Ja variable aleatoria. Si las variables aleatorias X © ¥ estan vinculadas por la dependencia lineal. ¥ = kX + 4, entonces el momento central de s-ésimo orden de la variable aleatoria ¥ se determina del modo siguiente: Be (YY = ps (EX +b) = hep, (X + 0) = key (XD. (3) PhtEs féeil demostrar que py, (X + €)= p, (X), donde C es una constante arbitraria. La desviacién tipica se determina asi: 9 (Y= V ie = V By C= IK] Be OR) = 1k (X). @ Sea X una variable aloatoria continua. Para determinar sns carncter{sticas numéricas construimos la tabla donde 2, e¢ un nimero cualquiera pertencciente al intervale |E)y. il. i= 4, 2,..., t. Generalmente s¢ supone x; = (6), 4- 8))/2. Expresando la asimetria is exceso de la variable aleatoria AX + } por Ja asimetria y el exceso de ja variable alestoria X cuyas férmulas se citan en la pag. 226, obtenemos ie () By (X) Sp M=iy = Tpat (xy eens (x) (3) ¥) £21) =) 3 NI 3m E ~ () Es evidente que si k> 0, entonces S, (kX 4-b)= Sy (X); pero si k <0 entonces Sy (kX + 6} = — Sy (X). 893. Calcular los momentos centrales de los primeros cuatro érdenes de la variable aleatoria que tiene [a distribucién estadistica siguiente: Resoluetén, Tomemos a = 40. Para determinar v,, vq, ¥3, Vg Commponemos Ja tabla de célculo: X-a w wixsa | Worm a| wx | WEL ah 202De suerte que vy = 2,3; vp = 6,7; vp = 22,4; vy = 80,5, Por laa [érmu- las (4) hallamos my (X) = 0; pay (X) = 8,7 — 2,99 = 14h: iy (X) = 22,4 — 3-6,7-2,3 + 22,99 = 0,504; hy (X) = 80,5 — 4-22,4-2,8 + 6-6,7-2,38 — 3.2.3 = 93,1257. 894. Calcular los momentos centrales de los primeros cuatro érdenes de la variable aleatoria que tiene la distribucién estadistica siguiente: peattarith Los nameros 4, 9, 14, 19 forman una progiediin! pera ed, por eso Y= 44+5(X —1), 0 sea, Y= 5X —f, k= 5 Construimos la tabla =z | Ww | wx | wxe wae wx 1 04 04 04 04 0.4 2 0,2 04 0.8 1.8 3.2 3 03 08 27 Bit 243 4 On 04 1.6 64 25,6 | 24 5,5 16,5 53,5 Por consiguiente, a = 2,4; og = 5,5; as = 16,5; ay = 53,5. Por les formulas (2) encontramnes: Br (X) = 0; py (X) = 5,5 — 441 = 1,08; He (X} = 16,5—6,3-5,5 + 2-219 = 0,972; Ba (X) = 53,5 — 8,4-46,5 + 6-4,44-5,5 — 9-4,41% = 2,0857, Ahora, utilizando Ia formula (8) obtenemos py (¥) = 5 py (X), O eea, pu {¥) = 0; py (Y) = 25-409 — 27,25; Bs (¥) = 125-0,372 = 46,5; ag (F) = 625-2,0857 = 1903,5625. 895. Valiéndose de los datos del muestreo, determinar los momen- tos iniciales y centrales de los primeros cuatro é6rdenes, la asimetria y el exceso si la variable aleatoria X estd definida por la tabla. 263i | 10, 24 | 12, 41 | 14, 8 18, 81 18, 40[ ns Fors consiguiente, cm = 5,08; oc, = 31,08; ag = 210,52; a, = 1530, 60, MF ) = 5,08: n= 0, 7 “Utilissndo Inv férsnulas (2), encontramos: ly = 34,08 — 25,8084 = 5,1786, 0 sea, D(X) = 5,1786; Hy = 210,52—3-5,08-21,08 + 2-5,08 = — 0,9462; hg = 1580,60—4-5,08 -210,52 + 6-5,08?-31,09--3-5,08" — 67,3004, De allo obtenemos O(X)= VS 118 — 2,275; ) _0,0882 oso 84 Ot) BD = — SAE oe 0.08085 By = 1 0,488, 896. Valiéndose de los dates del muastreo, determinar los momen- tos iniciales y contrales de los primeros cuatro Srdenes, la asimetrie y el exceso para la variable aleatoria definida por la tabla. | y4, 84 14, 5 | 34, TL 17, 9[ 19, 110 ns | 2 4 | 40 6 3 264§ 18. Determinacion de las leyes de distribucién de variables aleatorias basandose en datos experimentales 1, Distribuelén eon densidad uniforme. Sea dada la distribucién estadiatica: VEaets Erk i 1%o. til | VBrs Sal w | wy | ws axe | wy Silos ndmeros »,, w,, . . -» 2; $0n préximos unos a otros, entonces para la elpbo— racién de las obsorvaciones eg cémodo valerse de la lay de distribucién cen densidad uniforme. Como se sabe (véase la p&g. 214), en este cago la densidad de distribucién se determina del modo siguiente: 0, aia 190{ub—o. si acre: 0, si ab La esperanza matemAtica, la varianza y la desviacién tipica para la diatri- bucién con densidad uniforme se determinan por las férmulas M{(X)— (a+ 6/2, D(X) = (e— a2, 9 (X}= (b— ayeayd, Asi, pues, resolviendo el sistema de ecuaciones {o--b)/2=M (X), (@—a)i(2 Y 3) =a (X), se puede hallar a y 6 y luego la densidad de distribucién buscada, 897. Igualar los datos experimentales, aplicando la ley de distri- bucién con densidad uniforme: 110, 20 | 120, 30] | 130, 404 | 140, 50, | 150, 60¢Suponiendo X = 57, obtendromos Ia tabla siguiente: Luego tenemos M (X) = SM (T) = 5-(25/4) = 31,25; M (X34) = 58M (74) = 25-(509/10) = 1272,5; D (X) = 1272,5 — 976,5625 = 205,0375; (a+ d)/2== 31,25, (—a)i2 V 3)= Y Bs yaa, Resolviendo e) dtimo sistema, hallamos a = 1,46, 6 = 61,04 do donde 4/6 — a) = 11(61,04—1,46) = 0,017. Por lo tanto, 0, si 21,465 fea{ 0am. St 1,46 <= re 61,04; 0 si z> 61,04. Para coustruir el histograma componemes la tabla (donde h = 10): r 350, 60} Jo, 40, | }10, 20 | 120, 30, | 130, 40[ | 40, 50 Wik 0,0138 0.0175 0,018 0.0125 | 00175 | 0,02 En la Hg. 52 so muestra ej. histograma de frecuencias relativas de la distri- bugidn estadistica dada y el wratico je densidad de distribucién. Puesto que la distribucion con densidad uniforme es simétrica con respecto ala esperanza matemética, ts (X)=9 ¥ Sy oo = 0. Se sabe también ™ ata ayd, tal distribucién el axceso vale —4,2 independientemente de los valores 898. Efectuar Ia igualacién de los datos exporimentales con ayuda de la ley de distribacién con densidad uniforme: I-14, MI i, 8 13, SL i 7 17, 9f2. Distribucién de Poisson. La distribucién de Poisson determina la co- ‘erespondencia entre los valores de una variable aleatoria X y las probabilidades de estos valores con ayuda de la igualdad Poca Par, (a) donde z toma los valores 0, 1, 2, 3, ++ Fig. 52 De este modo, Ia serie de distribuciin de una variable aleatoria X tieno la forma En Ja préctica la variable aleatoria X toma un nimero limitado ae yaares i 0,4, 2, +44 ya quo, ol sor suficiontemente grande 4, 1a magnitud £7¥ 95 uefia, Recordemos que para la distribucién de Poisson M (X) = D(X) =A. Sea dada Ja distribucién estadi: iSEsta distribucién puede escribirse también en la forma “1 x 0 | 4 2 w wo if «| Si para la distribucién dade las magnitudes M (X) y D (X) no son proxi- mas entre si, entonces ella no es una distribuciin de Poisson. Pero si AM (X) = 3 ky D (x) oe i, entonces para resolver la cuestién acerca del cnvicter de Ja distribucion conviene sustituir el valor de 4 en 1a expresion (1) y caleular los valores de esta expresién para z= 0, 1,2... .. 2, En el caso en que los valores de P regultan. proximos a los respectivos valores de W, se puede considerar que la variable aleatoria esté distribuida por la ley de Poisson. 899. Se da la distribucién estadistica: Mostrar que ella es préxima a la distribucién de Poisson y deter- minar la dependencia entre los valores de ja variable aleatoria y las probabilidades de estos valores. z Resolucién, Hallamos n=) ny &o 424-2842 4 1847434 2—100, | # | 4 lL 2 5 | 6 0,26 | 0,24 | ous | oo | os | oe oria: Ona Componemes Ia tabla efef el Ww | 0,07 | 0,28 eg] Determinemos la esperanza matemética de la variable aleatari BM () = O24 + 0.52 + 0.68 + 0.52 + 0,85 + O48 + 14 = 2,55, Ahora construimos tabla xe 0 dh 4 9 16 [ale 0,07 | 0,24 | 0,26 013 | ow Por consiguiente, M (X*) = 0,24 + 1,04 + 4,89 + 2,08 + 1,75 + 1.08 + 0,98 = 9,03, de donde D(X) = M no Lat (X)F = 9,03—6,503 = 2,527, Hacemos A= = 2,52; entonces la dependencia entre los valores de Ja variable aleatoria y las 26S