Apuntes de Ayudanta # 1

Por Carlos Chavarra

Noviembre del 2007

Indice
1. Variables aleatorias 2
1.1. Distribucion de probabilidad de una variable aleatoria discreta . . . . . . . 2
1.1.1. Distribucion de probabilidad binomial . . . . . . . . . . . . . . . . . 6
1.1.2. Distribucion de probabilidad geometrica . . . . . . . . . . . . . . . . 11
1.1.3. Distribucion de probabilidad hipergeometrica . . . . . . . . . . . . . 15
1.1.4. Distribucion de probabilidad de Poisson . . . . . . . . . . . . . . . . 19
1.2. Distribucion de probabilidad de una variable aleatoria continua . . . . . . . 22
1.2.1. Distribucion de probabilidad uniforme . . . . . . . . . . . . . . . . . 27
1.2.2. Distribucion de probabilidad gamma . . . . . . . . . . . . . . . . . . 29
1. Variables aleatorias
Cuando hablamos de una variable economica nos referimos a una variable aleatoria. As,
cuando decimos que el PIB ecuatoriano en un determinado a no ha sido de 135.3 millones de
dolares, entendemos que dicho valor numerico no es sino uno de los posiblemente muchos
valores que el PIB pudo haber tomado en dicho a no. A priori no podemos saber con exactitud
el valor futuro del PIB, y esa incertidumbre es, precisamente, el reejo de su naturaleza
aleatoria.
Denicion 1.0.1 Una variable aleatoria es una funcion de valores reales cuyo dominio es
un espacio muestral.
Otros ejemplos de variables aleatorias son:
Ejemplo 1.0.1 (Variables aleatorias)
En una encuesta de opinion sobre las preferencias de los electores, la variable aleatoria
es Y = n umero de electores a favor de determinado candidato.
En un estudio de control de farmacos, la cantidad de bacterias que han crecido por
unidad de area.
1.1. Distribucion de probabilidad de una variable aleatoria discreta
Denicion 1.1.1 Una variable aleatoria Y se denomina discreta si puede adoptar solo una
cantidad nita o innita contable de valores distintos.
Ejemplo 1.1.1 (Variables aleatorias discretas)
Cantidad de televisores defectuosos en un cargamento.
N umero de electores a favor de determinado candidato o propuesta.
N umero de mujeres elegidas en una seleccion de personal de un total de tres hombres
y tres mujeres.
Para denotar las v.a. emplearemos may usculas, como Y , y min usculas, como y, para re-
presentar valores particulares que puede tomar una variable aleatoria. A la probabilidad
respectiva de que Y adopte el valor y, la denotaremos mediante P(Y = y).
Ahora nos preguntamos: Por que estudiar la distribucion de probabilidades de estas varia-
bles? La respuesta es que necesitamos conocer la probabilidad de un evento observado para
hacer inferencias respecto a una poblacion. Los eventos de nuestro interes por lo general
seran eventos numericos.
Denicion 1.1.2 La distribucion de probabilidad para una variable discreta Y puede repre-
sentarse mediante una formula, una tabla o una graca, que proporcionan p(y) = P(Y = y)
para toda y.
Una distribucion de probabilidad de una variable aleatoria discreta debe cumplir las si-
guientes propiedades:
Teorema 1.1.1 Cualquier distribucion de probabilidades discreta debe satisfacer lo si-
guiente:
2
1. 0 p(y) 1 para toda y.
2.

y
p(y) = 1 donde la sumatoria es superior a todos los valores de y con una probabi-
lidad diferente de cero.
Ejercicios
1. El ministerio de salud analizo los pozos de un pas para detectar dos clases de im-
purezas que, por lo com un, contiene el agua potable (A y B). En 20 % de ellos no
encontro impurezas de ninguna clase, en 40 % detecto la impureza A y en 50 % la
B. (Es obvio que algunos contenan los dos tipos). Determine la distribucion de pro-
babilidad de Y , es decir, la cantidad de impurezas que contiene un pozo elegido al
azar.
Solucion:
Sea Y la v.a que dene a la cantidad de impurezas contenidas en un pozo.
La v.a. Y , puede tomar los valores de 0 (no se encontro impurezas); 1 (se encontro la
impureza A o B pero no ambas); y, 2 (se encontaron ambas impurezas en un mismo
pozo).
Ahora debemos determinar cual es la probabilidad de que se encuentren 0, 1 y 2
impurezas, respectivamente. Esta claro que P(Y = 0) = 20 % (tal como lo indica el
ejercicio).
Denamos los eventos A y B, como:
A: se encontro la impureza tipo A
B: se encontro la impureza tipo B
Utilizando la ley aditiva de la probabilidad, tenemos:
P(A B) = P(A) +P(B) P(A B)
0,8 = 0,4 + 0,5 P(A B)
P(A B) = 0,1.
Distribucion
de probabilidades.
y P(Y = y)
0 0.2
1 0.7
2 0.1
2. Se sabe que en un grupo de cuatro componentes hay dos que tienen defecto. Una
inspectora los prueba de uno en uno hasta encontrar las dos piezas defectuosas. Una
vez que las localiza interrumpe las pruebas, pero prueba la segunda pieza defectuosa
por seguridad. Si Y es el n umero de pruebas en la que se detecta la segunda pieza
defectuosa, determine la distribucion de probabilidad para Y .
Solucion:
3
Para detectar la segunda pieza defectuosa, se debe al menos realizar 2, 3 o 4 pruebas;
por tanto, esos son los valores que adopta la v.a. Y .
Denamos los siguientes eventos compuestos:
Y = 2 A : D
1
D
2
Y = 3 B : (BD
1
D
2
) (D
1
BD
2
)
Y = 4 C : (B
1
B
2
D
1
D
2
) (D
1
B
1
B
2
D
2
) (B
1
D
1
B
2
D
2
)
Donde D
1
D
2
indican que las dos primeras piezas probadas estaban defectuosas;
BD
1
D
2
indica que la primera pieza se encontro en buen estado y las dos restan-
tes defectuosas; y as sucesivamente.
Las probabilidades respectivas, son:
P(A) = P(D
1
)P(D
2
|D
1
) = (2/4)(1/3) = 1/6.
P(B) = 2 [P(B)P(D
1
|B)P(D
2
|B D
1
)] = 2(2/4)(2/3)(1/2) = 1/3.
P(C) = 3 [P(B
1
)P(B
2
|B
1
)P(D
1
|B
1
B
2
)P(D
2
|B
1
B
2
D
1
)] = 3(2/4)(1/3)1 = 1/2.
Distribucion
de probabilidades.
y P(Y = y)
2 1/6
3 1/3
4 1/2
3. Para vericar la exactidud de sus estados nancieros, las empresas a menudo emplean
auditores que veriquen sus ingresos. Los empleados de la empresa se equivocan al
registrar los ingresos 5 % de las veces. Suponga que un auditor revisa aleatoriamente
tres ingresos.
a) Determine la distribucion de probabilidad de Y , el n umero de errores detectados
por el auditor.
b) Determine la probabilidad de que el auditor detecte mas de un error.
Solucion:
Designemos los estados nancieros correctos e incorrectos con las letras C y D, res-
pectivamente. Los cuatro posibles eventos son:
A : los tres estados nancieros estan correctos (Y = 0).
B : Dos estados nancieros son correctos (Y = 1).
C : Solo un estado nanciero es correcto (Y = 2).
D : los tres estados nancieros estan incorrectos (Y = 3).
Cada evento esta conformado por
_
n
y
_
puntos muestrales y cada punto muestral tiene
una probabilidad de ocurrencia de (0,05)
y
(0,95)
ny
. Por tanto la expresion proba-
bilstica viene dada por:
p(Y = y) =
_
n
y
_
(0,05)
y
(0,95)
ny
4
donde p y q son las probabilidades correspondientes a que se encuentre correcto o
incorrecto un estado nanciero.
Empleando la formula anterior para Y = 0, 1, 2 o 3 estados nancieros incorrectos, la
distribucion de probabilidades de la v.a Y es:
Distribucion
de probabilidades.
y P(Y = y)
0 0.857375
1 0.135375
2 0.007125
3 0.000125
4. De las personas que llegan a un banco de sangre, 1 de cada 3 tiene sangre O
+
, y 1 de
cada 15 tiene sangre O

. Supongamos que se elige aleatoriamente a tres donadores. Si

X es la cantidad de donadores con sangre tipo O
+
y Y la de los que tienen tipo O

,
determine la distribucion de probabilidad de X y Y . Encuentre tambien la distribucion
de probabilidad de X +Y , el n umero de donadores con sangre tipo O.
Solucion:
Siguiendo el metodo del ejercicio anterior para cada uno de los casos, tenemos:
P(X = x) =
_
3
x
_
(1/3)
x
(2/3)
3x
; x = 0, 1, 2, 3 (1)
Distribucion
de probabilidades de X.
X P(X = x)
0 8/27
1 12/27
2 6/27
3 1/27
P(Y = y) =
_
3
y
_
(1/15)
y
(14/15)
3y
; y = 0, 1, 2, 3 (2)
Distribucion
de probabilidades de Y .
Y P(Y = y)
0 2744/3375
1 388/3375
2 42/3375
3 1/3375
La probabilidad de que un donador tenga sangre tipo O, es:
P(O
+
O

) = P(O
+
) + P(O

)
= (1/3) + (1/15)
= 2/5.
5
por tanto la expresion probablistica para el n umero de donadores con tipo O, viene
dada por:
P(X +Y = z) =
_
3
z
_
(2/5)
z
(3/5)
3z
; z = 0, 1, 2, 3 (3)
Distribucion
de probabilidades de Z.
Z P(Z = z)
0 0.216
1 0.432
2 0.288
3 0.064
1.1.1. Distribucion de probabilidad binomial
Denicion 1.1.3 Algunos experimentos consisten en la observacion de una serie de ex-
perimentos identicos e independientes, cada uno de los cuales puede generar uno de dos
resultados. Estos experimentos reciben el nombre de experimentos binomiales y tienen las
siguientes propiedades:
1. El experimento consta de un n umero determinado, n, de ensayos identicos.
2. Cada ensayo tiene dos resultados posibles. Llamaremos S a cada resultado exitoso y
F a cada fracaso.
3. La probabilidad de tener exito en un ensayo es igual a alg un valor p, y permanece
constante de un ensayo a otro. La probabilidad de un fracaso es igual a q = (1 p).
4. Los ensayos son independientes.
5. La variable aleatoria bajo estudio es Y , el n umero de exitos observados en n ensayos.
Si un experimento re une las propiedades anteriores entonces estamos hablando de un ex-
perimento binomial. Cuando hablamos de exito no es necesariamente

lo mejor

, tal como se
usa coloquialmente la palabra. En nuestro estudio, exito es solo el nombre de uno de los dos
resultados posibles de un ensayo en un experimento.
Denicion 1.1.4 Se dice que una variable aleatoria Y tiene una distribucion binomial
basada en n ensayos con probabilidad de un exito p en un ensayo si y solo si:
p(y) =
_
n
y
_
p
y
q
ny
; y = 0, 1, 2, . . . , n y 0 p 1.
Ejercicios
1. Considere una poblacion de N = 5000 electores registrados, de los cuales 40 % son
partidarios del candidato Perez. Identique el evento apoya a Perez como un exito S.
Es evidente que la probabilidad de S en el ensayo 1 es de 0,40. Considere el evento B
que indica que S ocurre en el segundo ensayo. As, B puede ocurrir de dos maneras:
los primeros dos ensayos son exitos, o el primer ensayo es un fracaso y el segundo un
exito. Demuestre que P(B) = 0,4. Determine P(B| el primer ensayo es S). Diere
esta probabilidad condicional en forma considerable de P(B)?.
6
Solucion:
Denamos los eventos:
A : El primer ensayo es un exito S.
B : El segundo ensayo es un exito S.
P(B) = P(A B) + P(A B)
=
2000
5000
1999
4999
+
3000
5000
2000
4999
= 0,40.
P(B|A) =
P(A B)
P(A)
=
2000
5000
1999
4999
2000
5000
= 0,399.
Observacion 1.1.1 A partir de las demostraciones que se han realizado podemos
observar que:
La probabilidad incondicional de que la segunda persona sea partidaria de Perez
es de 0,40, lo que demuestra que la probabilidad de un exito S permanece igual
de un ensayo a otro.
La probabilidad condicional de un exito en ensayos posteriores depende del n ume-
ro de exitos en los anteriores. Sin embargo, si la poblacion es numerosa, la elimi-
nacion de una persona no modicara de forma sustancial la fraccion de votantes
que apoyan a Perez, y la probabilidad condicional de que la segunda persona
apoye a Perez se aproximara a 0,4 (Como lo indica el segundo calculo).
En general, si una poblacion es numerosa y la muestra es mas o menos peque na,
la probabilidad condicional de exito en un ensayo posterior dado el n umero de
exitos en ensayos anteriores, sera la misma, aproximadamente, sin importar los
resultados de los ensayos anteriores.
2. Se dise na un complicado sistema electronico con cierta cantidad de componentes de
seguridad en sus subsisemas. Uno de ellos cuenta con cuatro componentes identicos,
cada uno con una probabilidad de fallar de 0.2 en menos de 1000 horas. El subsistema
funcionara si dos de los cuatro componentes estan trabajando. Suponga que cada uno
opera de manera independiente.
a) Determine la probabilidad de que dos de los cuatro componentes rindan mas de
1000 horas.
b) Encuentre la probabilidad de que el subsitema funcione mas de 1000 horas.
Solucion:
Sea:
X : N umero de componentes que rinden mas de 1000 horas.
7
a) P(X = 2) =
_
4
2
_
(0,8)
2
(0,2)
2
= 0,15369.
El subsitema funcionanara si dos o mas de cuatro componentes estan trabajando. Por
tanto:
b) P(X 2) =
4

x=2
_
4
x
_
(0,8)
x
(0,2)
4x
= 0,9708.
3. Un examen de opcion m ultiple tiene 15 preguntas, cada una con cinco respuestas
posibles, de las cuales solo una es correcta. Suponga que uno de los alumnos que
lo presenta contesta cada una de las preguntas mediante aleatoriedad independiente.
Cual es la probabilidad de que por lo menos 10 de sus respuestas sean correctas?
Solucion:
Sea:
X : N umero de respuestas correctas.
P(X 10) =
15

x=10
_
15
x
_
(1/5)
x
(4/5)
15x
0.
4. Muchas compa nas de servicios p ublicos promueven el ahorro de energa ofreciendo
descuentos a los consumidores que mantengan el consumo de energa por debajo de
ciertas normas de subsidio establecidas. Un informe reciente de la EPA (Enviromen-
tal Protection Agency) destaca que 70 % de los residentes de la isla de Puerto Rico
redujo el consumo de energa lo suciente como para obtener el descuento. Si se eligen
aleatoriamente cinco suscriptores residentes en San Juan, Puerto Rico, determine la
probabilidad de cada uno de los siguientes eventos:
a) Los cinco re unen los requisitos para recibir el descuento.
b) Por lo menos cuatro se hacen merecedores de la rebaja.
Solucion:
Sea:
X : N umero de suscriptores que re unen los requisitos para recibir el descuento.
a) P(X = 5) =
_
5
5
_
(0,70)
5
(0,3)
0
= 0,1681.
b) P(X 4) =
5

x=4
_
5
x
_
(0,7)
x
(0,3)
5x
= 0,5282.
5. Una alarma contra incendios emplea tres celdas sensibles a la temperatura que operan
de manera independiente, de tal forma que una o varias pueden activarla. La proba-
bilidd de que cada celda active la alarme cuando la temperatura alcanza los 100

C
o mas es de p = 0,8, Si Y es el n umero de celdas que activan la alarma cuando la
temperatura alcanza los 100

C, determine su distribucion de probabilidades. Calcule

la probabilidad de que la alarma funcione cuando la temperatura alcance los 100

C.
8
Solucion:
La variable aleatoria Y puede tomar los valores de 1, 2 y 3. Por tanto, la distribucion
de probabilidades de Y es:
P(Y = 0) =
_
3
0
_
(0,80)
0
(0,20)
3
= 0,008.
P(Y = 1) =
_
3
1
_
(0,80)
1
(0,20)
2
= 0,096.
P(Y = 2) =
_
3
2
_
(0,80)
2
(0,20)
1
= 0,384.
P(Y = 3) =
_
3
3
_
(0,80)
3
(0,20)
0
= 0,512.
Distribucion de probabilidades
para el ejemplo 5.
y P(Y = y)
0 0.008
1 0.096
2 0.384
3 0.512
Cuando la temperatura alcance los 100

C, la alarma funcionara siempre y cuando

una o varias celdas puedan activarla.
P(Y 1) =
3

y=1
_
3
y
_
(0,80)
y
(0,20)
3y
= 0,096 + 0,384 + 0,512 = 0,992.
6. Un fabricante de cera para pisos produce dos nuevas marcas, A y B, las cuales desea
someter a la evaluacion de las amas de casa para determinar cual es mejor. Los dos
tipos de cera, A y B, se aplican a la supercie de piso de 15 casas. Suponga que en
realidad los dos tipos de cera son de la misma calidad.
a) Cual es la probabilidad de que 10 o mas amas de casa preeran la marca A?
b) Cual es la probabilidad de que 10 o mas preeran la marca A o la B?
Solucion:
Sea:
X : Amas de casa que preeren la marca A.
Y : Amas de casa que preeren la marca B.
Si los dos tipos de cera son de la misma calidad, la probabilidad de que una ama de
casa elija uno de los dos tipos es igual a 0.5.
a) P(X 10) =
15

x=10
_
15
x
_
(0,5)
x
(0,5)
15x
= 1 0,849 = 0,151.
9
Puesto que los tipos de cera son de la misma calidad, la probabilidad de que 10 o mas
amas de casas preeren la tipo A es igual a la probabilidad de que 10 o mas elijan la
tipo B. Por tanto:
b) P[(X Y ) 10] = P(X 10) + P(Y 10) = 0,151 + 0,151 = 0,302.
7. Al probar cierta clase de neumatico para camion en un terreno escabroso, se encuentra
que 20 % de los camiones no completaban la prueba sin ponchaduras. De los siguientes
15 camiones probados, encuentre la probabilidad de que:
a) de tres a seis tengan ponchaduras.
b) menos de cuatro tengan ponchaduras.
c) mas de cinco tengan ponchaduras.
Solucion:
Sea:
X : N umero de camiones con ponchaduras.
a) P(3 X 6) =
6

x=3
_
15
x
_
(0,20)
x
(0,80)
15x
= 0,982 0,398 = 0,584.
b) P(X < 4) =
3

x=0
_
15
x
_
(0,20)
x
(0,80)
15x
= 0,648.
c) P(X > 5) = 1P(X 5) = 1
5

x=0
_
15
x
_
(0,20)
x
(0,80)
15x
= 10,939 = 0,061.
8. Un estudio examino las actitudes nacionales acerca de los antidepresivos. El estudio
revelo que aproximadamente 70 % de las personas cree que los antidepresivos en
realidad no curan, solo encubren el problema real. De acuerdo con este estudio, Cual
es la probabilidad de que al menos tres de las siguientes cinco personas seleccionadas
al azar compartan esta opinion?
Solucion
Sea:
X : N umero de personas que comparten la misma opinion.
P(X 3) = 1 P(X < 3) = 1
2

x=0
_
5
x
_
(0,70)
x
(0,30)
5x
= 1 0,1631 = 0,8369.
9. Considere el siguiente juego: un jugador lanza un dado varias veces hasta que aparezca
un 2, 3, 4, 5 o 6; es decir, continuara lanzandolo siempre y cuando aparezca el n umero
1. Cuando obtenga un n umero diferente de 1, se detendra Que probabilidad hay de
que el jugador lance el dado exactamente tres veces?.
Solucion:
Sean:
10
X
1
: N umero obtenido en el primer lanzamiento.
X
2
: N umero obtenido en el segundo lanzamiento.
X
3
: N umero obtenido en el tercer lanzamiento.
El jugador lanzara el dado hasta tres veces, si en los dos primeros lanzamientos apa-
rece el 1 y, en el tercero aparece un n umero diferente de 1. Entonces:
P(X
1
= 1 X
2
= 1 X
3
= 1) = (1/6)(1/6)(5/6) = 0,023.
1
10. Si Y es una variable aleatoria binomial basada en n ensayos y probabilidad de exito
p, demuestre que:
P(Y > 1|Y 1) =
1 (1 p)
n
np(1 p)
n1
1 (1 p)
n
Solucion:
Utilicemos la siguiente denicion:
Denicion 1.1.5 (Probabilidad condicional de eventos) La probabilidad condi-
cional de un evento A, suponiendo que ocurrio el evento B, es igual a
P(A|B) =
P(A B)
P(B)
.
Aplicando esta propiedad, tenemos:
P(Y > 1 Y 1)
P(Y 1)
=
P(Y = 0 Y = 1)
P(Y 1)
=
1
_
n
1
_
p (1 p)
n1

_
n
0
_
p
0
(1 p)
n
1
_
n
0
_
p
0
(1 p)
n
=
1 np (1 p)
n1
(1 p)
n
1 (1 p)
n
.
1.1.2. Distribucion de probabilidad geometrica
A continuacion se presenta una tabla con las semejanzas y diferencias entre un experimento
binomial y un geometrico:
experimento binomial experimento geometrico
experimentos: identicos e independientes identicos e independientes.
tipo de resultados: exitos y fracasos exitos y fracasos.
probabilidad de exito: p p.
caracterstica de p : constante de un ensayo a otro constante de un ensayo a otro.
variable aleatoria Y : n umero de exitos, que se n umero de ensayos en que
presentan en n ensayos ocurre el primer exito.
1
puesto que los lanzamientos son independientes uno del otro, la ley multiplicativa de la probabilidad se
ha calculado como el producto de las probabilidades marginales.
11
Como se puede observar en la tabla la principal diferencia que existe entre un experimento
binomial y uno geometrico, es con respecto a la variable aleatoria Y .
Denicion 1.1.6 Una variable aleatoria Y tiene una distribucion de probabilidad geometri-
ca si y solo si
p(y) = q
y1
p; y = 1, 2, 3, . . . , n y 0 p 1.
Ejercicios
1. Suponga que 30 % de solicitantes de empleo en una industria estan capacitados en
programacion de computadoras. Los candidatos son elegidos al azar entre la poblacion
y entrevistados en forma sucesiva. Determine la probabilidad de encontrar en la quinta
entrevista el primer aspirante con conocimientos en programacion.
Solucion:
Sea:
X : N umero de entrevistas realizadas hasta encontrar el primer aspirante con
conocimientos en programacion.
P(X = 5) = (0,3)(0,7)
4
= 0,072.
2. Sea Y una variable aleatoria geometrica con una probabilidad de exito p.
a) Demuestre que para un entero positivo a,
P(Y > a) = q
a
.
b) Demuestre que para los enteros positivos a y b,
P(Y > a +b|Y > a) = q
b
= P(Y > b).
Solucion:
a)
P(Y > a) = p q
(a+1)1
+p q
(a+2)1
+. . . +p q
(a+n1)1
+p q
(a+n)1
= p
_
q
a
+q
a+1
+. . . +q
a+n2
+q
a+n1

= p
_
q
a
1 q
_
= q
a
.
b)
P(Y > a +b|Y > a) =
P(Y > a +b Y > a)
P(Y > a)
=
P(Y > a +b)
P(Y > a)
=
q
a
q
b
q
a
= q
b
.
donde;
P(Y > a +b) = p q
(a+b+1)1
+p q
(a+b+2)1
+. . . +p q
(a+b+n1)1
+p q
(a+b+n)1
= p
_
q
a+b
+q
a+b+1
+. . . +q
a+b+n2
+q
a+b+n1
_
; r =
q
a+b+1
q
a+b
= q < 1.
= p
_
q
a+b
1 q
_
= q
a
q
b
.
12
3. Un contador p ublico halla que en nueve de diez auditoras empresariales se cometieron
errores de importancia. Si, en consecuencia, revisa una serie de compa nas, cual es
la probabilidad de que:
a) La primera cuenta que contiene errores serios sea la tercera contabilidad revisada?
b) La primera cuenta con errores serios se encontrara despues de revisar la tercera?
Solucion:
Sea:
X : N umero de cuentas revisadas hasta encontrar la primera que contiene errores.
a) P(X = 3) = (9/10)(1/10)
2
= 0,009.
b) P(X 3) = P(X = 3) + P(X > 3) = 0,009 + (1/10)
3
= 0,01.
2
4. La probabilidad de que un cliente llegue al mostrador de una tienda de abarrotes en
cualquier periodo de un segundo es de 0.1. Suponga que los compradores se presentan
aleatoriamente en grupo, por lo que la llegada de uno de ellos en un segundo en
particular es independiente de la llegada de los otros.
a) Determine la probabilidad de que el primer comprador se presente durante el tercer
intervalo de un segundo.
b) Determine la probabilidad de que el primer cliente no se presente en el mostrador
hasta al menos el tercer intervalo de un segundo.
Solucion:
Sea:
X : Intervalo de un segundo en el que se presenta el primer cliente.
a) P(X = 3) = (0,1)(0,9)
2
= 0,081.
b) P(X 3) = 1 P(X < 3) = 1 (0,1)(0,9)
0
(0,1)(0,9) = 0,81.
5. En una encuesta sobre un tema controversial se pregunta, por ejemplo, Alguna vez ha
fumado marihuana?, mucha gente preere responder que no. Deduzca la distribucion
de probabilidad para Y , que es el n umero de personas que se necesitara entrevis-
tar para obtener una sola respuesta armativa, sabiendo que 80 % de la poblacion
respondera verdicamente no a la pregunta y que de 20 % que debera contestar
armativamente, 70 % miente.
Solucion:
Lo primero que debemos encontrar es la probabilidad de exito p, la probabilidad de
entrevistar a una persona para obtener una sola respuesta armativa, entonces:
p = 0,8 + 0,2(0,7) = 0,94; y q = 1 p = 0,06
Por tanto, la distribucion de probabilidad para Y es:
P(Y = y) = (0,94)(0,06)
y1
; para y = 1, 2, 3, . . . , n.
2
El calculo P(X > 3) es muy sencillo obtenerlo aplicando la demostracion del ejercio 2, inciso a.
13
6. A una secretaria se le proporcionaron n claves de acceso de usuario, las cuales teclea
aleatoriamente. Una de ellas le permite acceder a los archivos de la computadora.
Suponga que ahora elige una clave de acceso, la teclea y si no funciona la pone con
las demas antes de elegir al azar la siguiente que va a teclear (no es una secretaria muy
lista!). Que probabilidad hay de que localice la clave correcta en su sexto intento?
Solucion:
Sea:
X : N umero de intentos hasta encontrar la clave de acceso.
P(X = 6) =
_
1
n
__
1
1
n
_
5
=
_
1
n
__
n 1
n
_
5
=
(n 1)
5
n
6
.
7. Suponga que poco antes de las elecciones presidenciales de enero del 2007, en Ecuador,
se realiza una encuesta telefonica preguntando aleatoriamente a la gente si se siente
satisfecha con la forma en que marchan las cosas. Debido a sucesos aparentemente
violentos de los que ha sido vctima el pas, todo parece indicar que un porcentaje sin
precedentes de la poblacion se siente insatisfecha con el estado del pas; es as que si el
cuarto individuo entrevistado es el primer insatisfecho, termina la encuesta. Determine
un valor para p, el verdadero porcentaje de entrevistados, cuyo valor desconocemos,
que se sienten insatisfechos.
Solucion:
Sea:
X : N umero de individuos entrevistados hasta dar con la primera persona insa-
tisfecha.
Cualquiera que sea el verdadero valor de p, la probabilidad de encontrar la primera
persona insatisfecha en el cuarto ensayo es:
P(X = 4) = p (1 p)
3
.
Se tomara como valor de p el valor que maximiza P(X = 4), para determinarlo,
observamos que el valor de p que maximiza P(X = 3) = p(1 p)
3
es el mismo que
maximiza ln[p(1 p)
3
] = ln(p) + 3 ln(1 p). Tomando la derivada en funcion de p
obtenemos
3
:
d[ln(p) + 3 ln(1 p)]
dp
=
3
1 p
+
1
p
Igualando a cero y despejando p, se obtiene p = 1/2.
3
Recuerde que el ln no es mas que una transformacion monotona de una funcion.
14
Para estar seguros que ln(p) + 3 ln(1 p) alcanza su maximo valor cuando p = 1/2,
debemos obtener la segunda derivada y evaluarla en p = 1/2:
d
2
[ln(p) + 3 ln(1 p)]
dp
2
=
3
(1 p)
2

1
p
2
< 0.
Esto es un ejemplo de como se usa el metodo de maxima verosimilitud que se estu-
diara con mayor detalle en proximos captulos.
1.1.3. Distribucion de probabilidad hipergeometrica
En el ejemplo 1 de la seccion 1.1.1 en la pagina 6, se concluyo que si el tama no de la muestra,
n, era peque no respecto al tama no de la poblacion, N; la distribucion de Y podra ser una
distribucion casi binomial. Ahora, necesitamos generar la distribucion de probabilidades de
Y cuando n es grande respecto a N.
Suponga que la poblacion de electores en el Ecuador es de N individuos, de los cuales r
estan a favor del candidato Correa y b = N r a favor de Noboa. Se elige aleatoriamente
una muestra de n personas, en la que la variable de interes es Y , el n umero de personas a
favor del candidato Correa. Esta variable aleatoria tiene lo que se conoce como distribucion
de probabilidad hipergeometrica.
Denicion 1.1.7 Se dice que una variable aleatoria Y tiene una distribucion de probabi-
lidad hipergeometrica si y solo si
P(y) =
_
r
y
__
Nr
ny
_
_
N
n
_
donde y es el entero 0, 1, 2,...,n, sujeto a las restricciones y r y n y N r; as:
r : n umero de exitos en la poblacion, N.
y : n umero de exitos en la muestra, n.
Ejercicios
1. Si se reparten siete cartas de una baraja ordinaria de 52 cartas, Cual es la probabi-
lidad de que:
a) exactamente dos de ellas sean mayores?
b) al menos una de ellas sea una reina?
Solucion:
Sea:
N : 52 cartas
n : 7
Y : n umero de cartas que son una reina.
a) P(dos sean mayores)=
_
12
2
__
40
5
_
_
52
7
_ = 0,3246.
b) P(Y 1) =
_
4
1
__
48
6
_
_
52
7
_ +
_
4
2
__
48
5
_
_
52
7
_ +
_
4
3
__
48
4
_
_
52
7
_ +
_
4
4
__
48
3
_
_
52
7
_ + = 0,4496.
15
2. Una compa na fabricante utiliza un esquema de aceptacion de produccion de artculos
antes de que se embarquen. El plan tiene dos etapas. Se preparan cajas de 25 artculos
para su embarque y se prueba una muestra en busca de defectuosos. Si se encuentre
alguno defectuoso, toda la caja se regresa para vericar el 100 %. Si no se encuentran
defectuosos, la caja se embarca.
a) Cual es la probabilidad de que una caja que contenga tres defectuosos se embarque?
b) Cual es la probabilidad de que una caja que contenga solo un artculo defectuoso
se regrese para su revision?
Solucion:
Sea:
N : 25 artculos
n : 3
Y : n umero de articulos defectuosos encontrados en una caja.
a) P(Y = 0) =
_
3
0
__
22
3
_
_
25
3
_ = 0,6696.
b) P(Y = 1) =
_
1
1
__
24
2
_
_
25
3
_ = 0,12.
3. Ante una falta disciplinaria de un estudiante de raza negra, se decide en una Univer-
sidad americana; donde ha existido racismo, conformar un comite entre 30 profesores
de raza negra y 10 de raza blanca. El comite estara conformado por tres personas y se
lo seleccionara al azar, como resultado de la seleccion tres miembros del comite eran
blancos. Ante esto los estudiantes y profesores argumentaron que no era posible este
resultado y por tanto que no hubo aleatoriedad. Demuestrelo.
Solucion:
Sea:
N : 40 profesores (30 de raza negra y 10 blancos)
n : 3 integrantes del comite, y
Y : n umero de profesores de raza negra que integran el comite.
P(Y = 0) =
_
30
0
__
10
3
_
_
40
3
_ = 0,0121 = 1,21 %.
El resultado demuestra que al realizar una seleccion aleatoria es muy poco probable
que no se eliga a un profesor de raza negra; por tanto, lo argumentado por estudiantes
y profesores es correcto.
4. En un comite de 50 miembros se decide conformar una directiva de tres miembros, en
el que se incluya dos de los mas antiguos. Cual es la probabilidad de que seleccionando
al azar se cumple con este proposito?
Solucion:
Sea:
16
N : 50 miembros
n : 3 integrantes del comite, y
Y : n umero de miembros mas antiguos que integraran el comite.
P(Y = 2) =
_
30
2
__
20
1
_
_
50
3
_ = 0,4438.
5. En un almacen hay diez impresoras, de las cuales cuatro estan defectuosas. Una em-
presa escoge cinco maquinas al azar, suponiendo que todas funcionan. Cual es la
probabilidad de que las cinco esten en buen estado?
Solucion:
Sea:
N : 10 impresoras
n : 5 maquinas elegidas al azar, y
Y : n umero de maquinas que estan funcionando en buen estado.
P(Y = 5) =
_
6
5
__
4
0
_
_
10
5
_ = 0,0238.
6. Las especicaciones exigen que se someta a prueba a una resistencia termica entre los
9000 y los 10000 ohms a 25

C. Se dispone de diez resistencias, entre las cuales se van

a elegir tres para utilizarse. Si Y es la cantidad de resistencias de tres elegidas que no
se ajustan a las especi caciones, determine la distribucion de probabilidad de Y con
las siguientes condiciones:
a) hay dos resistencias entre las disponibles que no cumplen las especicaciones.
b) entre las diez resistencias de que se dispone, hay cuatro que no se ajustan a las
especicaciones.
Solucion:
Sea:
N : 10 resistencias
n : 3 resistencias elegidas.
a) La variable aleatoria Y , solamente puede tomar los valores de 0, 1 y 2; debido a
que dos de las diez resistencias no cumplen con las especicaciones.
P(Y = y) =
_
2
y
__
102
3y
_
_
10
3
_ ; para y = 0, 1, 2.
b) La variable aleatoria Y , ahora puede tomar los valores de 0, 1, 2 y 3; debido a que
entre las resistencias disponibles hay cuatro que no cumplen con las especicaciones.
P(Y = y) =
_
4
y
__
104
3y
_
_
10
3
_ ; para y = 0, 1, 2, 3.
7. En una lnea de produccion de robots industriales se ensamblan cajas de engranajes
en un minuto cada una, cuando existen las perforaciones adecuadas, y en 10 minutos
si es necesario volver a perforarlas. En el almacen hay 20 cajas de engranajes: 2 con
perforaciones mal hechas, entre las que se tienen que elegir cinco para instalarlas en los
17
siguientes cinco robots. Calcule la probabilidad de que 5 cajas de engranajes ajusten
correctamente.
Solucion:
Sea:
N : 20 cajas de engranajes
n : 5 cajas que se deberan elegir, y
Y : n umero de cajas ajustadas correctamente.
P(Y = 5) =
_
18
5
__
2018
55
_
_
20
5
_ = 0,553.
8. Los tama nos de las poblaciones de animales a menudo se calculan con el metodo de
capturamarcajerecaptura. Con este metodo se capturan k animales, se marcan y
se liberan entre la poblacion. Mas tarde se capturan n animales y se denota Y , el
n umero de animales en la poblacion; as, el valor observado de Y contiene informacion
respecto al valor desconocido de N. Suponga que se marcan k = 4 animales y se
liberan. En seguida se elige en forma aleatoria una muestra de n = 3 animales de la
misma poblacion. Determine P(Y = 1) como una funcion de N. Que valor de N
maximiza P(Y = 1)?
Solucion:
Sea:
k = 4 animales capturados por primera ocasion para ser marcados y liberados.
n = 3 animales capturados por segunda ocasion.
Y : n umero de animales en la poblacion.
P(Y = 1) =
_
4
1
__
N4
31
_
_
N
3
_ .
Ahora debemos encontrar el valor de N que maximiza P(Y = 1). En la siguiente tabla
se muestran las probabilidades correspondientes a distintos valores de N:
N P(Y = 1)
6 0.2000
7 0.3429
8 0.4286
9 0.4762
10 0.5000
11 0.5091
12 0.5091
13 0.5035
14 0.4945
Como se puede notar, los valores de N que maximizan P(Y = 1) son 11 y 12; por
tanto, se inere que en esta poblacion podemos encontrar 11 o 12 animales
4
.
4
El metodo que se ha aplicado para encontrar N es conocido como el metodo de maxima verosimilitud,
el cual se profundizara posteriormente.
18
1.1.4. Distribucion de probabilidad de Poisson
Suponga que se desea determinar la distribucion de probabilidad de Y , el n umero de pa-
cientes que llegan a un hospital en un da cualquiera, suponga que dividimos el perodo
de un da en n subintervalos muy cortos que a lo mucho podra llegar un paciente, con
una probabilidad p. As, el n umero total de pacientes que llegan al hospital en un da es
igual al n umero de subintervalos en que llega un paciente. Si la llegada de un paciente es
independiente de subintervalo en subintervalo, parace logico que Y sigue una distribucion
binomial con probabilidad de exito p.
Que pasara si dividimos el da en una mayor cantidad de n subintervalos? A medida
que dividimos el intervalo en subintervalos cada vez mas peque nos, es menos probable la
presencia de un paciente en el hospital; es decir, disminuye p a medida que aumenta n, el
n umero de subintervalos. Por tanto, las variables aleatorias que siguen este comportamiento
se denominan variables aleatorias de Poisson.
Denicion 1.1.8 Se dice que una variable aleatoria Y tiene una distribucion de probabi-
lidad de Poisson si y solo si
p(y) =

y
y!
e

, y = 0, 1, 2, . . . , > 0.
Donde es el valor promedio de la variable aleatoria Y .
Ejercicios
1. La cantidad de veces que se equvoca una mecanografa tiene una distribucion de
Poisson con un promedio de cuatro errores por cuartilla; si excede este n umero, debe
volver a mecanograar la pagina completa. Que probabilidad hay de que no necesite
repetirla?
Solucion:
Sea:
= 4 errores por cuartilla.
Y : n umero de errores por cuartilla
P(Y 4) =
4

y=0
4
y
y!
e
4
= 0,629.
2. Una secretaria comete dos errores por pagina, en promedio. Cual es la probabilidad
de que en la siguiente pagina cometa
a) cuatro o mas errores?
b) ning un error
Solucion:
Sea:
= 2 errores por pagina.
Y : n umero de errores por pagina.
19
a)
P(Y 4) = 1 P(Y < 4) = 1
3

y=0
2
y
y!
e
2
= 1 0,8571 = 0,1429.
b)
P(Y = 0) = e
2
= 0,1353.
3. Cierta area del este de Estados Unidos resulta, en promedio, afectada por seis huraca-
nes al a no. Encuentre la probabilidad de que para cierto a no esta area resulte afectada
por
a) menos de cuatro huracanes.
b) cualquier cantidad entre seis a ocho huracanes.
Solucion:
Sea:
= 6 huracanes al a no.
Y : n umero de huracanes que afectan a cierta area del este de Estados Unidos.
a)
P(Y < 4) =
3

y=0
6
y
y!
e
6
= 0,1512.
b)
P(6 Y 8) =
8

y=6
6
y
y!
e
6
= 0,8472 0,4457 = 0,4015.
4. El chef de un restaurante prepara una ensalada revuelta que contiene, en promedio,
cinco vegetales. Encuentre la probabilidad de que la ensalada contenga mas de cinco
vegetales
a) en un da dado
b) en tres de los siguientes cuatro das
Solucion:
Sea:
= 5 vegetales.
Y : n umero de vegetales que contiene la ensalada.
a)
P(Y > 5) = 1 P(Y 5) = 1
5

y=0
5
y
y!
e
5
= 0,3840.
b)
_
4
3
_
p
3
q
43
=
_
4
3
_
(0,384)
3
(0,616) = 0,1395.
20
5. Suponga que, en promedio, una persona en 1000 comete un error numerico al preparar
su declaracion de impuestos, Si se seleccionan 10,000 formas al azar y se examinan,
encuentre la probabilidad de que 6, 7 u 8 formularios contengan un error.
Solucion:
Como se puede observar este es un caso especial de la distribucion de probabilidad
binomial, n tiende al innito y p es muy cercana a cero; cuando esto ocurre, la funcion
de probabilidad binomial converge hacia la distribucion de Poisson.
Sea:
Y : n umero de formularios con un error.
= np = (10000)(1/1000) = 10 errores en la declaracion de impuestos
5
.
As:
b (10000; 0,001; y) p (10; y) =
8

y=6
10
y
y!
e
10
= 0,3328 0,0671 = 0,2657.
6. Se sabe que la probabilidad de que un estudiante de una preparatoria local presente
escoliosis (curvatura de la espina dorsal) es 0.004. De los siguientes 1,875 estudiantes
que se revisen en b usqueda de escoliosis, encuentre la probabilidad de que
a) menos de cinco presenten el problema;
b) ocho, nueve o 10 presenten el problema
Solucion:
Sea:
Y : n umero de estudiantes con escoliosis.
= np = (1875)(0,004) = 7, 5 estudiantes con el problema.
a)
b (1875; 0,004; y) p (7,5; y) = P(Y < 5) =
4

y=0
7,5
y
y!
e
7,5
= 0,1321.
a)
b (1875; 0,004; y) p (7,5; y) = P(8 Y 10) =
10

y=8
7,5
y
y!
e
7,5
= 0,3376.
7. En un aeropuerto la probabilidad de un accidente al da es de 0.001 %, y cada da
despegan 100 aviones Cual es la probabilidad de que en una semana se observe un
accidente?
a) Resuelva el problema utilizando la distribucion de probabilidad binomial.
b) Resuelvalo utilizando la distribucion de Poisson.
5
El hecho de utilizar = np, es porque si representa el promedio de Y y la v.a. Y sigue una distribucion
binomial, entonces: = E(Y ) = np.
21
Solucion:
Sea:
X : N umero de accidentes que ocurren en una semana.
a)
P(X = 1) =
_
700
1
_
(0,001 %)(0,99999)
699
= 0,006951.
b) = npt = (100)(0,001 %)(7) = 0,007
P(X = 1) =
(0,007) e
0,007
1!
= 0,006951.
A partir de este ejemplo podemos notar que una distribucion de probabilidad bino-
mial solamente modica el tama no de la muestra, mas no el tiempo; mientras que la
distribucion de Poisson si modica el tiempo.
8. En un salon de clases entra un grillo al da Cual es la probabilidad que en los proximos
10 minutos entre el grillo?
Solucion:
Sea:
X : N umero de grillos que entran al da a un salon clases.
: 1 grillo al da
t = (1)(10/1440) = 0,006944
P(X = 1) =
(0,00694) e
0,00694
1!
= 0,006892.
1.2. Distribucion de probabilidad de una variable aleatoria continua
La variable aleatoria que adopte cualquier valor de un intervalo se conoce como variable
continua. Cuando establecamos la distribucion de probabilidad de una variable aletoria
discreta, asignabamos una probabildad a cada uno de los valores que poda tomar la varia-
ble, Se podra establecer la distribucion de probabilidad de una variable aleatoria continua,
como se lo hace con las discretas? Desafortunadamente no, ya que es imposible desde un
punto de vista matematico asignar probabilidades diferentes de cero a todos los puntos de
un intervalo de recta.
Ejemplo 1.2.1 (Variables aleatorias continuas)
Rendimiento de un antibiotico en un proceso de fermentacion.
Tiempo de duracion en a nos de un electrodomestico.
Antes de denir la variable aleatoria continua, denamos que es una funcion de distribucion
(o funcion de distribucion acumulativa) relacionada con cualquier variable aleatoria.
Denicion 1.2.1 Si Y es cualquier variable aletoria, la funcion de distribucion de Y , que
se denota F(y), se expresa mediante F(y) = P(Y y) para < y < .
22
Teorema 1.2.1 (Propiedades de una funcion de distribucion) Si F(y) es una funcion
de distribucion, entonces:
1. F() lm
y
F(y) = 0.
2. F() lm
y
F(y) = 1.
3. F(y) es una funcion no decreciente de y. Si y
1
y y
2
son valores cualesquiera tales que
y
1
< y
2
, entonces F(y
1
) < F(y
2
).
Denicion 1.2.2 Si Y es una variable aleatoria con funcion de distribucion F(y), se dice
que es continua si la funcion de distribucion F(y) es continua para < y < .
En el caso de una variable continua Y , debemos tener, para cualquier n umero real y,
P(Y = y) = 0.
Si esto no fuera cierto, y P(Y = y
0
) = p
0
> 0., entonces F(y) tendra una discontinuidad
de tama no p
0
en el punto y
0
.
Denicion 1.2.3 Si F(y) es l funcion de distribucion de una variable aleatoria continua
Y , entonces f(y), dada por
f(y) =
dF(y)
dy
= F

(y)
siempre y cuando exista la derivada, se conoce como funcion de densidad de probabilidad
para la variable aleatoria Y .
Teorema 1.2.2 (Propiedades de una funcion de densidad.) Si f(y) es una funcion
de densidad, entonces
1. f(y) 0 para cualquier valor de y.
2.
_

f(y)dy = 1.
Ejercicios
1. Suponga que Y es una variable aleatoria que adopta valores enteros: 1, 2,... y tiene
una funcion de distribucion F(y). Demuestre que la funcion de probabilidad p(y) =
P(Y = y) esta dada por
p(y) =
_
F(1) y = 1
F(y) F(y 1) y = 2, 3, . . .
Solucion:
f(y) =
F(y)
y
=
F(y) F(y 1)
y (y 1)
= F(y) F(y 1).
Si,
y = 1 F(1) F(1 1) = F(1) P(Y 0) = F(1).
y = 2, 3, . . . F(y) F(y 1).
23
2. Suponga que Y tiene la funcion de densidad
f(y) =
_
c y 0 y 2
0 en cualquier otro punto.
a) Calcule el valor de c que convierte f(y) en una funcion de densidad probabilstica.
b) Determine F(y).
c) Trace una graca de f(y) y F(y).
d) Utilice F(y) para determinar P(1 Y 2).
e) Por medio de f(y) determine P(1 Y 2).
Solucion:
a) haciendo uso del teorema 1.2.2:
_
2
0
cy dy =
cy
2
2

2
0
= 2c 0 = 1 =c = 1/2.
b)
F(y) =
_

_
_
0

0 dt = 0 y < 0
_
y
0
1
2
t dt =
t
2
4

y
0
=
y
2
4
0 y 2
0 +
_
2
0
1
2
t dt +
_

2
0 dt = 1 y > 2
d)
P(1 Y 2) = F(2) F(1) = 1
1
4
=
3
4
.
e)
_
2
1
1
2
y dy =
y
2
2
1
2
=
y
2
4

2
1
=
3
4
.
3. La duracion de un transitor hasta que falla (en cientos de horas) es una variable alea-
toria Y que tiene una funcion de distribucion dada por:
F(y) =
_
0 y < 0
1 e
y
2
y 0.
a) Demuestre que F(y) tiene las propiedades de una funcion de distribucion.
b) Determine p(y).
c) Calcule la probabilidad de que un transitor funcione por lo menos 200 horas.
d) Estime P(Y > 100|Y 200).
Solucion:
a) Utilizando las propiedades de una funcion de distribucion, teorema 1.2.1, tenemos:
1. F() lm
y
0 = 0.
2. F() lm
y
1 e
y
2
= 1
1
e

= 1.
24
3. F(y) es no decreciente.
dF(y)
dy
= (2y)e
y
2
= 2ye
y
2
> 0.
b)
p(y) =
dF(y)
dy
= (2y)e
y
2
= 2ye
y
2
.
f(y) =
_
0 y < 0
2 y e
y
2
y 0
c)
P(Y 200) = 1 P(Y < 200) = 1 F(200) = 1 1 = 0.
d)
P(Y > 100|Y 200) =
P(100 < Y 200)
P(Y 200
=
F(200) F(100)
F(200)
=
1 1
1
= 0.
4. Para medir la inteligencia de ratones se toma el tiempo que les lleva reconocer un
laberinto tratando de obtener una recompensa. El tiempo (en segundos) que hace
cualquier raton es una variable aleatoria Y con una funcion de densidad dada por
f(y) =
_
_
_
b
y
2
y b
0 en cualquier otro punto.
donde b es el mnimo tiempo posible necesario para recorrer el laberinto.
a) Demuestre que f(y) tiene las propiedades de una funcion de densidad.
b) Determine F(y).
c) Calcule P(Y > b +c) para una constante positiva c.
d) Si c y d son constantes positivas tales que d > c, determine P(Y > b+d|Y > b+c).
Solucion:
a) Utilizando las propiedades de una funcion de densidad, teorema 1.2.2, tenemos:
Si b representa tiempo, b > 0; por tanto, f(y) siempre sera positivo para cualquier
valor de y.
_

b
b
y
2
dy = b
_

b
1
y
2
dy = b
_

1
y
_

b
= 1.
b)
F(y) =
_

_
_
b

0 dt = 0 y < b
_
y
b
b
t
2
dt =
b
t

y
b
= 1
b
y
y b
c)
P(Y > b +c) = 1 P(Y b +c) = 1 +
b
b +c
1 =
b
b +c
.
25
d)
P(Y > b +d|Y > b +c) =
P(Y > b +d)
P(Y > b +c)
=
1 P(Y b +d)
1 P(Y b +c)
=
b
b+d
b
b+c
=
b +c
b +d
.
5. Si Y posee una funcion de densidad
f(y) =
_
c (2 y) 0 y 2
0 en cualquier otro punto.
a) Calcule c.
b) Determine F(y).
c) Trace una graca de f(y) y F(y).
d) Utilice F(y) en el inciso b) para calcular P(1 Y 2).
a) haciendo uso del teorema 1.2.2:
_
2
0
c(2 y) dy = c
_
2y
y
2
2
_

2
0
= 2c = 1 =c = 1/2.
b)
F(y) =
_

_
_
0

dt = 0 y < 0
_
y
0
_
1
t
2
_
dt = t
t
2
4

y
0
= y
y
2
4
0 y 2
0 +
_
2
0
_
1
t
2
_
dt +
_

2
0 dt = 1 y > 2
d)
P(1 Y 2) = F(2) F(1) = 1 (3/4) = 1/4.
6. Sea la funcion de distribucion de una variable aleatoria Y
F(y) =
_

_
0 y 0
(y/8) 0 < y < 2
(y
2
/16) 2 y 4
1 y 4
a) Determine la funcion de densidad de Y.
b) Calcule P(1 Y 3).
c) Estime P(Y 1,5).
d) Estime P(Y 1|Y 3).
Solucion:
26
a)
dF(y)
dy
=
_

_
0 y 0
(1/8) 0 < y < 2
(1/8)y 2 y 4
0 y 4
b)
P(1 Y 3) = F(3) F(1) =
9
16

1
8
=
7
16
.
c)
P(Y 1,5) = 1 P(Y 1,5) = 1
1,5
8
=
13
16
.
d)
P(Y 1|Y 3) =
P(1 Y 3)
P(Y 3)
=
7/16
9/16
=
7
9
.
donde;
P(Y 3) = F(3) =
3
2
16
=
9
16
.
1.2.1. Distribucion de probabilidad uniforme
La probabilidad de que la variable aleatoria Y , con distribucion uniforme caiga dentro de
un intervalo denido entre (
1
,
2
) es proporcional solo a la longitud de dicho intervalo.
As por ejemplo, la probabilidad de que un autob us que llega a una parada entre las 8:00 y
las 8:10, pase un da cualquiera entre las 8:00 y las 8:02 es proporcional a la distancia del
subintervalo (de 8:00 a 8:02), esto es 1/2.
Denicion 1.2.4 Si
1
<
2
, se dice que una variable aleatoria Y tiene una distribucion
de probabilidad uniforme continua en el intervalo (
1
,
2
) si y solo si la funcion de densidad
de Y es la siguiente:
f(y) =
_
_
_
1

1
y
2
0 en cualquier otro punto.
Las cantidades
1
y
2
son parametros de la funcion de densidad uniforme, que denen
tanto la amplitud como la probabilidad de que Y caiga en cualquier intervalo determinado
por estos dos parametros.
Ejercicios
1. Supongamos que Y tiene una distribucion uniforme en el intervalo (0,1).
a) Determine F(y)
b) Demuestre que P(a Y a +b) para a 0, b 0, y que a +b 1 depende solo
del valor de b.
Solucion:
a)
27
F(y) =
_

_
_
0

0 dt = 0 y < 0
_
y
0
1 dt = t

y
0
= y 0 y 1
0 +
_
1
0
1 dt +
_

1
0 dt = 1 y > 1
b)
P(a Y a +b) =
_
a+b
a
1 dy = x

a+b
a
= b.
2. Si un paracaidista aterriza en un punto aleatorio sobre una lnea entre los indicadores
A y B, calule la probabilidad de que caiga mas cerca de A que de B. Calcule la
probabilidad de que la distancia entre el indicador A y el paracaidista sea el triple de
su distancia a B.
Solucion:
Sea:
X : punto en el que aterriza un paracaidista entre los indicadores A y B.
P
_
A X
A+B
2
_
=
_ A+B
2
A
1
B A
dx =
1
B A
x

A+B
2
A
=
1
2
.
3. Al estudiar licitaciones de embarque, una empresa dedicada a la fabricacion de mi-
crocomputadoras encuentra que los contratos nacionales tienen licitaciones bajas dis-
tribuidas uniformemente entre 20 y 25 unidades (en miles de dolares). Calcule la
probabilidad de que la baja licitacion de embarque del proximo contrato nacional:
a) sea inferior a 22 000 dolares.
b) rebase los 24 000 dolares.
Solucion:
Sea:
X : Licitacion de embarque para el proximo contrato nacional.
a)
P(X 22) =
_
22
20
1
25 20
dx =
1
5
x

22
20
=
2
5
.
b)
P(X 24) =
_
24
24
1
25 20
dx =
1
5
x

25
24
=
1
5
.
4. Un commutador recibe una llamada telefonica al azar en un intervalo de 1 minuto.
El conmutador se satura por completo durante 15 segundos en este periodo de 1
minuto. Cual es la probabilidad de que la llamada entre cuando el conmutador no
este completamente saturado?
28
Solucion:
Sea:
X : tiempo en segundos en que el conmutador no esta completamente saturado.
P(X 15) =
_
60
15
1
60 0
dx =
1
60
x

60
15
=
3
4
.
5. El tiempo que tardan en ir y volver unos camiones que transportan concreto a un
lugar donde se construye una autopista esta distribuido uniformemente en el intervalo
de 55 a 70 minutos. Cual es la probabilidad de que el tiempo del viaje redonde rebase
los 65 minutos si se sabe que hacerlo toma mas de 55 minutos?
Solucion:
X : tiempo que tardan en ir y volver unos camiones transportadores de concreto.
P(X 65) =
_
70
65
1
70 55
dx =
1
15
x

70
65
=
1
3
.
1.2.2. Distribucion de probabilidad gamma
Denicion 1.2.5 Se dice que una variable aleatoria Y tiene una distribucion gamma con
parametros > 0 y > 0 si y solo si la funcion de densidad de Y es:
f(y) =
_

_
y
1
e
y/

()
. 0 y
0 en cualquier otro punto.
donde
() = ( 1)!
Hay dos casos especiales de variables aleatorias con distribucion gamma que merecen par-
ticular atencion.
Denicion 1.2.6 Sea v un entero positivo. Se dice que una variable aleatoria Y tiene una
distribucion jicuadrada con v grados de libertad si y solo si Y es una variable aleatoria con
una distribucion gamma y parametros = v/2 y = 2.
La funcion de densidad gamma en la que = 1 se llama funcion de densidad exponencial.
Denicion 1.2.7 Se dice que una variable aleatoria Y tiene una distribucion exponencial
con parametro > 0 si y solo si la funcion de densidad Y es la siguiente:
f(y) =
_
_
_
1

e
y/
, 0 y
0 en cualquier otro punto.
Ejercicios
29
1. Suponga que un sistema contiene cierto tipo de componentes cuya duracion (en a nos)
esta dada por la variable aleatoria T, esta variable aleatoria sigue una distribucion
exponencial con un tiempo medio de duracion de cinco a nos. Si se instalan cinco de
estos componentes en diferentes sistemas Cual es la probabilidad de que al menos 2
a un funcionen al nal de 8 a nos?
Solucion:
Primero encontraremos la probabilidad de que un componente a un funcione al nal
de los ocho a nos, entonces:
P(0 T 8) =
_
8
0

1
5
e
t/5
dt = e
t/5

8
0
= 1 e
8/5
= 0,7981.
Si denimos a la variable aleatoria X como el n umero de componentes que contin uan
funcionando al nal de los ocho a nos, tenemos:
P(X 2) = 1 P(X < 2) = 1
__
5
0
_
(0,7981)
0
(0,2019)
5
+
_
5
1
_
(0,7981)
1
(0,2019)
4
_
= 0,9930.
2. La magnitud de los terremotos registrados en una region de Estados Unidos puede
representarse mediante una distribucion exponencial con media 2.4, de acuerdo con la
escala de Richter. Calcule la probabilidad de que un terremoto que azota esta region:
a) rebase los 3.0 grados en la escala de Richter.
b) este entre los 2.0 y 3.0 en la escala de Richter.
Solucion:
Sea:
X : grados de un terremoto en la escala de Richter.
a)
P(X > 3) =
_

3

1
24
e
y/2,4
dy = e
y/2,4

3
= 0 +e
3/2,4
= 0,2865.
b)
P(2 < X < 3) =
_
3
2

1
24
e
y/2,4
dy = e
3/2,4
+e
2/2,4
= 0,1481.
3. El operador de una estacion de bombeo observa que la demanda de agua durante las
primeras horas de la tarde tiene aproximadamente una distribucion exponencial con
una media de 100 pcs (pies c ubicos por segundo).
a) Calcule la probabilidad de que la demanda sea superior a los 200 pcs durante las
primeras horas de la tarde de un da seleccionado al azar.
b) Que capacidad de bombeo de agua debe mantener la estacion durante las primeras
horas de la tarde para que la demanda sea mayor a la capacidad de bombeo con una
probabilidad de 0.01?
Solucion:
Sea:
30
X : demanda de agua durante las primeras horas de la tarde.
b : capacidad de bombeo que debe mantener la estacion.
a)
P(X > 200) =
_

200

1
100
e
y/100
dy = e
y/100

200
= 0 +e
2
= 0,1353.
b)
P(X > a) = e
y/100

a
= 0 +e
a/100
= 0,01.
Despejando a tenemos:

a
100
= ln 0,01 =a = 460,52 pcs.
4. Se descubrio que los tiempos entre un accidente y otro en los vuelos nacionales de
Estados Unidos programados durante los a nos de 1984 a 1961 tienen una distribucion
aproximadamente exponencial con media de 44 das. Si uno de los accidentes ocurrio el
1 de julio de un a no elegido aleatoriamente en el periodo de estudio, Cual es la
probabilidad de que ocurriera otro accidente el mismo mes?
Solucion:
Sea:
X : tiempo transcurrido desde la fecha en que ocurrio el accidente.
P(X < 31) =
_
31
0

1
44
e
y/44
dy = e
y/44

31
1
= e
31/44
+e
0/44
= 0,5057.
5. Sea Y una variable aleatoria con distribucion exponencial con una media de Dena
una variable aleatoria X de la siguiente forma: X = k si k 1 Y < k, para
k = 1, 2, . . .
a) Calcule P(X = k) para toda k = 1, 2, . . .
b) Demuestre que su respuesta al inciso a) puede expresarse de la siguiente manera:
P(X = k) = (e
1/
)(1 e
1/
) k = 1, 2, . . .
Solucion:
a)
P(X = k) = P(k1 Y k) =
_
k
k1

e
y/
dy = e
y/

k
k1
= e
k/
+e
(k1)/
.
b) factorizando la expresion anterior tenemos:
e
k/
+e
(k1)/
= e
(k1)/
(1 e
1/
).
6. La cantidad de clientes que llega a la caja registradora de un supermercado en el
intervalo de 0 a t se rige por una distribucion de Poisson con media t. Suponga que T
denota el tiempo que transcurre hasta que el primer cliente llega a la caja registradora.
Determine la funcion de densidad de T. [Nota: P(T > t
0
) = P(N = 0 ent = t
0
)].
Solucion:
Sea:
31
X : Cantidad de clientes que llegan a la caja registradora de un supermercado
en el intervalo de 0 a t.
Determinemos la funcion de densidad de la variable aleatoria continua T, el tiempo
de espera hasta que llega el primer cliente (primer exito).
F(t
0
) = P(T t
0
) = 1 P(T > t
0
)
= 1 P(0 exitos en t = t
0
)
= 1 p (0; t
0
)
= 1
e
t
0
(t
0
)
0
0!
= 1 e
t
0
para y > 0.
Por tanto la funcion de densidad de T es:
f(t
0
) =
_
e
t
0
para y > 0
0 en cualquier otra parte.
si observamos detenidamente f(t
0
), se puede notar que es la distribucion exponencial
con =
1

.
Observacion 1.4.1:
La distribucion exponencial se aplica no solo a la ocurrencia del primer exito en un
proceso de Poisson, se aplica tambien a los tiempos de espera entre exitos, tal y
como se muestra en el siguiente ejercicio.
7. Se puede emplear un argumento semejante al del ejercicio anterior para demostrar
que si la sucesion de eventos en el tiempo ocurre de acuerdo con una distribucion de
Poisson con media t, entonces los intervalos de llegadas entre eventos possen una
distribucion exponencial con media 1/. Si una estacion de polica recibe 10 llamadas
por hora, cual es la probabilidad de que pase mas de 15 minutos entre las dos llamadas
siguientes?
Solucion:
Sea:
X : Tiempo que transcurre entre dos llamadas.
: 10(1 hora)=10 llamadas por hora.
t
0
: 10(1/60 minutos)=1/6 llamadas por minuto.
P(X > 15) =
_
60
15

1
6
e
1/6x
dx = e
1/6x

60
15
= e
10
+e
15/6
= 0,0820.
32