Professional Documents
Culture Documents
FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
x1
x2
P(X x1 )
P(X x 2 )
xi
P(X x i )
P(X x ) 1
n
siendo
i 1
xn
P(X xn )
P(X x ) P(X x )
x
F(x) P(X x)
xi x
xi x1
Se tiene que,
P(X x) 1 P(X x) 1 F(x)
P(x1 X x 2 ) P(X x 2 ) P(X x1 ) F(x 2 ) F(x1 )
n
xi . P(X xi ) Si X es discreta finita
X E(X) i 1
x . P(X x ) Si X es discreta finita numerable
i
i
i 1
En el caso de ser discreta numerable hay que suponer que la serie es absolutamente
convergente, es decir,
x . P(X x )
i
i 1
Si X k constante
X E(k) k
n
2
(xi X ) . P(X xi ) Si X es discreta finita
2X E(X X )2 i 1
(x )2 . P(X x ) Si X es discreta finita numerable
i
X
i
i 1
Si X k constante
2X E(k k) E(0) 0
2X
(x
i
i 1
(x
i
i 1
n
k
(xi c) . P(X xi ) Si X es discreta finita
Mk E(X c)k i 1
(x c)k . P(X x ) Si X es discreta finita numerable
i
i
i 1
x . P(X x )
k
i
xi0 . P(X xi ) 1
0
i 1
xi . P(X xi ) X
1
i 1
i 1
k E(X X )k
(x
i
)k . P(X xi )
i 1
(x
i
)0 . P(X xi ) 1
)1 . P(X xi ) 0
)2 . P(X xi ) 2X
i 1
(x
i
i 1
(x
i
i 1
Los momentos centrales y los momentos respecto al origen estn relacionados por la
expresin:
k
i .( ) .
i
k i
i0
En particular:
2
i .( ) .
i
i0
2 i
2
2
2
.( 1 )0 . 2 0 .( 1 )1 . 2 1 .( 1 )2 . 2 2
0
1
2
2 2. 12 12 2 12
2 2X 2 12
MEDIANA Y CUARTILES
Sea una variable aleatoria discreta X, con funcin de distribucin F(x) , se define la
Mediana como el punto mnimo M donde F(M) 0,5
Anlogamente para los cuartiles Q1 y Q3 :
El primer cuartil Q1 es el punto mnimo donde F(Q1 ) 0,25
El tercer cuartil Q3 es el punto mnimo donde F(Q3 ) 0,75
El rango o recorrido intercuartlico es RC Q3 Q1
La Moda representa el valor de la variable aleatoria que ms se repite el ms
probable, es decir, el que maximiza la funcin de probabilidad.
F(x) P(X x)
F( ) 0
f(t) dt
F( ) 1
FUNCIN de DENSIDAD: Dada una variable aleatoria X, una funcin real f(x) no
negativa es una funcin de densidad de probabilidad de X (o simplemente funcin de
densidad) si el rea encerrada entre su curva y el eje OX es igual a la unidad y si,
adems, la probabilidad de que X se encuentre entre dos valores a y b con a b , es
igual al rea comprendida entre estos dos valores, es decir:
f(x) dx 1
P(a X b)
f(x) dx
f(x) dx 0
P(X
a)
1
P(X
a)
1
F(a)
f(x) dx
b
P(a X b) F(b) F(a) f(x) dx
a
f(x)
f(t) dt
dF(x)
dx
F(x)
f(x) dx 1 y
xa
f(t) dt a x b
xb
Sea X una variable aleatoria continua con funcin de densidad o cuanta fX (x) , al realizar
una transformacin montona (creciente o decreciente) Y = g(X) , se calcula la funcin
de densidad de la variable Y mediante:
fY (y) fX g1(y) .
dx
dy
ya
b
dx 1
dy b
y a 1
Funcin de densidad de la transformada: fY (y) fX
.
b b
y a
s b 0
FX b
b
E(Y) a bE(X)
Var(Y) b2 Var(X)
Media o esperanza matemtica: La media o esperanza matemtica de una variable
aleatoria continua X viene dada por la expresin:
X E(X)
x f(x) dx
X ,
x f(x) dx
X a, b
x f(x) dx
2X E(X X )2
x f(x) dx
x f(x) dx
X ,
X a, b
2X
k
Mk E(X c)
x c
x c
a
f(x) dx
f(x) dx
X ,
X a, b
(x c)k f(x) dx
k E(Xk )
X ,
xk f(x) dx
X a, b
x f(x) dx
0 1 1 X
k
k E(X X )
x X
x X
a
f(x) dx
f(x) dx
X ,
X a, b
0 1 1 0
2 2X
La relacin entre los momentos centrales y los momentos respecto al origen es la misma
que para las variables aleatorias discretas, teniendo:
k
i .( ) .
i
i0
en particular, 2 2X 2 12 E(X2 ) 2X
k i
gX (t) E et X
P(x ) e
t xi
et x f(x) dx
gX (0) E e0 E (1) 0
Utilizando el desarrollo de una serie de Taylor para et X , se tiene:
et X 1 t X
(t X)2
(t X)3
(t X)4
2!
3!
4!
i0
(t X)i
i!
i0
ti
1 2
1 3
E (Xi ) 1 t E (X)
t E (X2 )
t E (X3 )
i!
2!
3!
1 2
1 3
t E (X3 )
t E (X 4 )
2!
3!
t2
E (X 4 )
2!
dk gX (t)
k g(kX ) (0)
k
dt t 0
FUNCIN CARACTERSTICA
La funcin caracterstica de una variable aleatoria X es una funcin de variable real
que toma valores complejos: :
tal que (t) E eitX
Teniendo en cuenta que eitX cos(tX) i sen(tX)
eitX
itx j
j 1
. P X x j
eitX . f(x) dx
(k ) (0) 1 dk
k k (t)
ik
i dt
t 0
con k 0,1,2,,r
j0
(it) j
j
j!
t
M(t)
i
(t) M it
una variable
i 1
S (t)
i 1
Xi
(t)
6. Sea X una variable aleatoria simtrica respecto al origen, tal que X X , entonces
X (t) X (t) X ( t)
7. X es una variable aleatoria simtrica respecto al origen, s y slo s, la funcin
caracterstica X (t) es real.
PROPIEDADES DE LA MEDIA
E k . X k .E X
Sea v.a. X:
E k X E k E X k E X
10
PROPIEDADES DE LA VARIANZA
2
2
E k 2 X E(X) k 2 . E X E(X) k 2 . Var (X)
es decir, Y X c
S e 1
11
es decir,
1
. X
e
COEFICIENTE DE VARIACIN
Es una medida relativa a la dispersin, se define como: CVX
X
E X X
Expresa la dispersin de una variable aleatoria X respecto a su media. Es muy til para
comparar dos distribuciones de probabilidad.
El CV no tendra sentido cuando la variable X tome valores positivos y negativos, pues
en este caso la media podra quedar compensada por los valores positivos y negativos y
no reflejara el tamao de X. Es decir, el coeficiente de variacin CV slo tendr sentido
cuando X sea una variable aleatoria que toma solo valores positivos.
CAMBIO DE ORIGEN DEL CV: Sea la transformacin Y X c
CVY Y
Y
2X
Var (X c)
X
CVX
E (X c)
X c X c
CVY
X
Var
e
X
E
e
1 2
1
. X
. X
2
e
e
X CVX
1
1
. X
. X X
e
e
12
Xc
e
CVY
Xc
1 2
1
Var
. X
. X
2
X
e
e
e
CVX
1
1
c
Xc
X
.( c)
.( c)
E
e X
e X
e
f(x) dx
1
1
tambin donde F(M)
2
2
Q1
Primer Cuartil Q1 :
Q3
Tercer Cuartil Q3 :
f(x) dx
1
1
tambin donde F(Q1 )
4
4
f(x) dx
3
3
tambin donde F(Q3 )
4
4
2
k 1 2
k
P x k X x k 1 2
k
13
GestinAeronutica:EstadsticaTerica
FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
a)
b)
c)
d)
e)
Distribucin de probabilidad de X
Funcin de distribucin de X. Representacin grfica
Media, varianza y desviacin tpica de X
Probabilidad de que salgan a lo sumo dos caras
Probabilidad de que salgan al menos dos caras
Solucin:
a) Espacio muestral: (c,c,c),(c,c,e),(c,e,c),(e,c,c),(c,e,e),(e,c,e),(e,e,c),(e,e,e)
X(c,c,c) 3
P(X 3) 1 8
P(X 2) 3 8
P(X 1) 3 8
X(e,e,e) 0
P(X 0) 1 8
P(X xi ) pi
xi . pi
xi2
xi2 . pi
x1 0
18
x2 1
38
38
38
x3 2
38
68
12 8
x4 3
18
38
98
12 8 1,5
24 8 3
P(X x ) p
i
xi x
xi x
x0
0 x 1
1 x 2
2x3
x3
x3
F(x) P(X x) P( ) 1
14
X xi
P(X xi )
18
38
38
18
F(x) P(X x)
18
48
78
x0
0
1 8 0 x 1
F(x) 4 8 1 x 2
7 8 2 x 3
x3
1
Media: 1 X E(X)
xi .P(X xi )
i 1
2 E(X )
i 1
x . p
x .P(X x ) x . p
2
i 1
Varianza: 2x E X X
2
2
i
i 1
12
1,5
8
24
3
8
x . P(X x )
2
i 1
2x 2 12 3 1,52 0,75
Desviacin tpica: x
0,75 0,87
1 3 3 7
8 8 8 8
7
8
3 1 4 1
8 8 8 2
4 1
8 2
15
12
Ejercicio 2.- La variable aleatoria: X ="nmero de hijos por familia de una ciudad" tiene
la siguiente distribucin de probabilidad:
X
P(X xi )
0
0,47
1
0,3
2
0,1
3
0,06
4
0,04
5
0,02
6
0,01
Se pide:
a) Media o esperanza matemtica. Significado
b) Varianza y desviacin tpica
c) Si el Ayuntamiento de la ciudad paga 2000 euros por hijo e Y 2000. X , cul es la
distribucin de probabilidad?
d) Media, varianza y desviacin tpica de Y
Solucin:
a)
X xi
P(X xi ) pi
xi . pi
xi2
xi2 . pi
x1 0
0,47
x2 1
0,3
0,3
0,3
x3 2
0,1
0,2
0,4
x4 3
0,06
0,18
0,54
x5 4
0,04
0,16
16
0,64
x6 5
0,02
0,10
25
0,5
x7 6
0,01
0,06
36
0,36
2,74
Media: 1 X E(X)
x .P(X x ) x . p 1
i
i 1
i 1
Si se toma al azar una familia de la ciudad, el nmero de hijos que se espera que tenga
por trmino medio es uno.
b) Varianza y desviacin tpica
Varianza: 2x E X X
2
x . P(X x )
2
i 1
2 E(X )
2
x .P(X x ) x . p 2,74
2
i 1
2
i
i 1
2x 2 12 2,74 12 1,74
Desviacin tpica: x
1,74 1,32
16
12
P(Y y j ) p j
y1 0
0,47
y 2 2.000
0,3
y 3 4.000
0,1
x 4 6.000
0,06
y 5 8.000
0,04
y 6 10.000
0,02
y 7 12.000
0,01
1
6.960.000 2638,18
X
P(X xi ) pi
0
0,2
1
a
2
b
Solucin:
p 0,2 a b 0,3 1
4
a b 0,5
i 1
x . p a 2b 0,9 1,8
4
a 2b 0,9
i 1
a b 0,5
Resolviendo el sistema:
a 2b 0,9
b 0, 4
a 0,1
17
3
0,3
(e,e,e,e),(e,e,e,c),(e,e,c,e),(e,e,c,c),(e,c,e,e),(e,c,e,c),(c,e,e,e),(c,e,e,c)
X(c,c,c,c) 0
P(X 0) 1 16
P(X 1) 4 16
P(X 2) 6 16
P(X 3) 4 16
X(e,e,e,e) 4
P(X 4) 1 16
P(X xi )
1 16
4 16
6 16
4 16
1 16
b) Funcin de distribucin:
X xi
P(X xi )
1 16
4 16
6 16
4 16
1 16
F(x) P(X x)
1 16
5 16
11 16
15 16
0
1 16
5 16
F(x)
11 16
15 16
x0
0 x 1
1 x 2
2x3
3x4
x4
18
Ley de Probabilidad
Funcin de distribucin
P(X xi )
1 16
4 16
6 16
4 16
1 16
x .P(X x ) 2
5
xi .P(X xi )
4 16
12 16
12 16
4 16
i 1
x .P(X x ) 5
5
xi2 .P(X xi )
4 16
24 16
36 16
16 16
2
i
i 1
x .P(X x ) 2
5
Media: 1 X E(X)
i 1
x .P(X x ) 5
5
2 E(X )
2
2
i
i 1
Varianza: 2X Var(X) 2 12 5 22 1
d) Observando la ley de probabilidad la moda Md 2
Observando la funcin de distribucin la mediana Me 2 por ser F(x 2) 11 16 el
primer valor que iguala o deja por debajo a 0,5
e) P(1 X 3) P(X 2)
6
11 5
6
0,375 o bien P(1 X 3) F(2) F(1)
16
16 16 16
19
x2
0
0,2 2 x 4
F(x) 0,55 4 x 6
0,85 6 x 8
x8
1
Solucin:
La ley de probabilidad o funcin de cuanta:
X xi
P(X xi )
0,2
0,35
0,30
0,15
Advirtase que la funcin de distribucin F(x) es una funcin acumulativa, por tanto:
P(X 2) F(2) F(0) 0,2
P(X xi )
0,2
0,35
0,30
0,15
x .P(X x ) 4,8
4
xi .P(X xi )
0,4
1,4
1,8
1,2
i 1
x .P(X x ) 26,8
4
x .P(X xi )
2
i
0, 8
5,6
10,8
9,6
2
i
i 1
x .P(X x ) 4,8
4
Media: 1 X E(X)
i 1
x .P(X x ) 26,8
4
2 E(X )
2
2
i
i 1
3,76 1,94
Coeficiente variacin: CV
x 1,94
0, 40
x
4,8
20
X
P(X xi )
1
0,30
2
0,25
3
0,10
4
0,35
P(X xi ) pi
xi . pi
xi2
xi2 . pi
x1 1
0,30
0,30
0,30
x2 2
0,25
0,50
1,00
x3 3
0,10
0,30
0,90
x4 4
0,35
1,40
16
5,60
2,5
7,8
Media: 1 X E(X)
x .P(X x ) x . p 2,5
i
i 1
2 E(X2 )
i 1
i 1
x 2i .P(X xi )
x . p 7,8
2
i
i 1
1,55 1,245
X 1,245
0, 498
X
2,5
21
2Y 1,55
1,55 1,245
Y
X
1,245
0,28 CVx
Y X 2
4,5
1 2
X 1
Varianza: 2Y Var . Var(X)
. X
9
3 9
Desviacin tpica: Y
X
3
1
2,5
. X
3
3
2Y
1
1,55
.1,55
9
9
1,55 1
1
. 1,55 . X
9
3
3
1
.
Y 3 X X
CVX 0, 498
Coeficiente de variacin: CVY
Y 1 .
X
3 X
El cambio de escala afecta a la media y a la desviacin tpica de la misma forma, en
consecuencia deja invariante al coeficiente de variacin.
Resultados que se observan en la tabla, donde Y
X
3
Y yj
P(Y y j ) p j
y j . pj
y 2j
y 2j . p j
x1 1 3
0,30
0,1
19
0,3 9
x2 2 3
0,25
0,5 3
49
19
x3 1
0,10
0,1
0,1
x4 4 3
0,35
1, 4 3
16 9
5,6 9
2,5 3
7,8 9
Media: 1 Y E(Y)
y .P(Y y ) y . p
j
j 1
j 1
2 E(Y )
2
y .P(Y y ) y . p
2
j
j 1
2
j
j 1
22
2,5 1
. X
3
3
7,8 1
. E(Y 2 )
9
9
Varianza: 2Y 2 12
7,8 2,5
1
1,55
. 2X
9 3
9
9
Desviacin tpica: Y
1,55 1
1
. 1,55 . X
9
3
3
1
.
Y 3 X X
CVX 0, 498
Coeficiente de variacin: CVY
Y 1 .
X
3 X
d) Al realizar simultneamente un cambio de origen de 2 unidades a la izquierda y un
X2
cambio de escala de 3 unidades, la variable transformada es Y
3
1
2
X 2 1
. E(X 2) . E(X)
Media: Y E(Y) E
3
3
3 3
con lo que, Y E(Y)
1
2 1
2 4,5
. E(X) . 2,5
1,5
3
3 3
3
3
1
1 2
X 2 1
.
Var(X
2)
.
Var(X)
. X
Varianza: 2Y Var(Y) Var
9
9
3 9
Desviacin tpica: Y
1,55 1
1
. 1,55 . X
9
3
3
1
. X
3
Y
X
1,245
0,28 CVx
1
2
Y
X 2
4,5
.X
3
3
P(Y y j ) p j
y j . pj
y 2j
y 2j . p j
x1 1
0,30
0,30
0,30
x2 4 3
0,25
13
16 9
49
x3 5 3
0,10
0,5 3
25 9
2,5 9
x4 2
0,35
0,70
1,4
4,5 3
21,8 9
23
Media: 1 Y E(Y)
y j .P(Y y j )
j 1
j 1
2 E(Y 2 )
y . p
y 2j .P(Y y j )
j 1
y . p
2
j
j 1
4,5
1,5
3
21,8
9
21,8 4,5
1
1,55
. 2X
Varianza: 2
9
9
9
3
2
Y
2
1
Desviacin tpica: Y
1,55 1
1
. 1,55 . X
9
3
3
1
. X
Y
1,245
3
Coeficiente de variacin: CVY
X
0,28 CVx
Y 1 . 4,5 4,5
4,5
3
Ejercicio 7.- En un cine de verano hay instaladas 800 sillas, sabiendo que el nmero de
asistentes es una variable aleatoria de media 600 y desviacin tpica 100.
Qu probabilidad existe de que el nmero de personas que vaya al cine un da
cualquiera sea superior al nmero de sillas instaladas?
Solucin:
Sea la variable aleatoria X = "nmero de sillas del cine", donde 600 , 100
2
P X 800 P X x k 2
k
x k 800
P X 800
1002 1
0,25
2002 4
24
1
10
siendo k 2, 3, , 11
Se pide:
a)
b)
c)
d)
Funcin de distribucin
P(X 7)
P(X 5)
P(3 X 7)
Solucin:
a) F(x) P(X x)
x 1
10
siendo x 2, 3, , 11
6
4
0, 4
10 10
c) P(X 5) F(5)
4
0, 4
10
4
0, 4
10
4
0, 4
10
6
2
4
0, 4
10 10 10
4
0, 4
10
Solucin:
Sea la variable aleatoria X = "nmero de automviles a la venta"
300 , 100
Segn Chebyshev:
P X x
2
k 1 2
k
P x k X x k 1 2
k
25
0,75
1002
P 300 k X 300 k 1 2
k
0,75 1
1002
k2
1002
0,25
k2
k2
1002
0,25
1002
200
0,25
Solucin:
100 , 40
Segn Chebyshev:
2
P X x k 1 2
k
P x k X x k 1 2
k
0,80
402
P 100 k X 100 k 1 2
k
0,80 1
402
k2
402
0,20
k2
k2
402
0,20
26
402
89, 44
0,20
Ejercicio 11.- La variable X ="nmero de centmetros a que un dardo queda del centro
de la diana" al ser tirado por una persona tiene como funcin de densidad:
k 0 x 10
f(x)
0 en otros casos
Se pide:
a) Hallar k para que f(x) sea funcin de densidad. Representarla
b) Hallar la funcin de distribucin. Representarla
c) Media, varianza y desviacin tpica
d) P(X 1)
e) Probabilidad de acertar en la diana
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1
f(x) dx
f(x) dx
10
f(x) dx
f(x) dx
10
10
f(x) dx
10
k dx k
10
dx 10 x 0 10 k
10
En consecuencia, f(x) 10
0
1
10
0 x 10
en otros casos
f(t) dt
x0
0 x 10
x 10
F(x)
F(x)
F(x)
f(t) dt 0
f(t) dt
f(t) dt
f(t) dt
f(t) dt
0
10
f(t) dt
f(t) dt
1
x
dt
10
10
10
27
f(t) dt
10
1
dt 1
10
En consecuencia,
0 x0
x
F(x)
0 x 10
10
1 x 10
c) Media
1 X E(X)
x f(x) dx
10
1
1
x . . dx
10
10
10
10
1 x2
x dx
5 cm
10 2 0
Varianza: 2X 2 12
2 E(X )
2
x f(x) dx
2
2X 2 12
10
1
1
x . . dx
10
10
2
10
10
1 x3
1 1000
100
x dx
0
3
10 3 0 10 3
100
25
52
cm2
3
3
25
2,9 cm
3
Desviacin tpica: X
d) P(X 1) F(1)
1
10
o tambin, P(X 1)
1
1
dx
10
10
dx
1
1
1
x 0
10
10
f(x) dx
0
1
1
dx
10
10
dx 0
0
28
Ejercicio 12.- Se ha verificado que la variable X ="peso en kilos de los nios al nacer"
es una variable aleatoria continua con funcin de densidad
k x 2 x 4
f(x)
0 en otros casos
Se pide:
a) Hallar k para que f(x) sea funcin de densidad. Representarla
b) Hallar la funcin de distribucin. Representarla
c) Media, varianza y desviacin tpica
d) Probabilidad de que un nio elegido al azar pese ms de 3 kilos
e) Probabilidad de que pese entre 2 y 3,5 kilos
f) Qu debe pesar un nio para tener un peso igual o inferior al 90% de los nios
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1
f(x) dx
f(x) dx
f(x) dx
f(x) dx
f(x) dx
f(x) dx
f(x) 6
0
k x dx k
x2
16 4
x dx k k 6 k
2 2
2 2
1
6
2x4
en otros casos
f(t) dt
x2
F(x)
F(x)
f(t) dt 0
2x4
f(t) dt
x4
F(x)
f(t) dt
f(t) dt
f(t) dt
t
1 t2
1 x2 4 x2 4
dt
6
6 2 2 6 2
12
f(t) dt
29
t
1 t2
1
dt
6
6 2 2 6
16 4
2 1
x2
0
2
x 4
F(x)
12
1
2x4
x4
c) Media
1 X E(X)
x f(x) dx
x
1
x . . dx
6
6
1 x3
1 64 8 56
3,1 kilos
x dx
6 3 2 6 3 3 18
2
Varianza: 2X 2 12
2 E(X )
2
x f(x) dx
2
x
1
x . . dx
6
6
2
1 x4
1 256 16
x dx
10 kilos2
6 4 2 6 4
4
3
32 4
5
7
d) P(X 3) 1 P(X 3) 1 F(3) 1
1
0,58
12
12 12
o tambin, P(X 3)
f(x) dx
P(2 X 3,5)
3,5
f(x) dx
3,5
x
1 x2
1
9 7
dx 8
0,58
6
6 2 3 6
2 12
3,52 4
0 0,6875
12
3,5
x
1 x2
1 12,25 4 8,25
dx
0,6875
6
6 2 2
6 2
2
12
k2 4
0,9
12
k 2 4 10,8
k 2 14,8
k 14,8 3,85 , es decir, el nio debe pesar 3,85 kilos para tener para tener al 90%
de los nios con un peso igual o inferior.
30
Ejercicio 13.- Gran nmero de fenmenos aeronuticos tienen asociada una variable
aleatoria con ley de probabilidad:
k e k x
f(x)
0
0x
k0
en otros casos
Se pide:
a) Puede tomar k cualquier valor?
b) Para k 0,1 representar la funcin de densidad, la funcin de distribucin y su grfica
c) Siendo k 0,1 hallar P(X 10)
d) Para k 0,1 calcular P(50 X 100)
Solucin:
a) Para que f(x) sea funcin de densidad debe verificar:
1
f(x) dx
f(x) dx
f(x) dx
ke
k x
dx
ke
k x
dx e
k x
La funcin de densidad no depende del valor del parmetro k, pudiendo tomar ste
cualquier valor positivo.
b) La funcin de densidad para k 0,1 ser:
0,1 . e 0,1 x
f(x)
0
x0
otros casos
f(t) dt
x0
F(x)
f(t) dt 0
F(x)
x0
f(t) dt
f(t) dt
0,1 . e
0,1t
dt
0,1 . e 0,1t dt
x
1
1
31
1
k x 1
0
e 0
0
F(x)
0,1 x
1 e
x0
x0
1 e
0,1.50
1
e
10
e 5
1
1
10
5
e
e
Ejercicio 14.- Una variable aleatoria continua X tiene por funcin de densidad
1 x 0 x 1
f(x) x 1 1 x 2
0
otros casos
Se pide:
a) Representa la funcin de densidad
b) Hallar la funcin de distribucin y su grfica
c) P(0 X 1)
P X
2
P( 2 X 2)
Solucin:
a)
f(t) dt
x0
F(x)
F(x)
f(t) dt 0
0 x 1
1 x 2
F(x)
f(t) dt
f(t) dt
f(t) dt
f(t) dt
t2
x2
(1 t) dt t x
2
2 0
f(t) dt
32
(1 t) dt
(t 1) dt
x
2
t2 t2
1 x2
1 x
t t 1 x 1
x 1
2 0 2 1 2 2
2 2
x2
F(x)
(1 t) dt
1
2
x x
2
F(x) 2
x x 1
2
c)
P(0 X 1)
t2 t2
(t 1) dt t t 1
2 0 2 1
x0
0 x 1
1 x 2
x2
P( 2 X 2)
P X
2
1
1
P( 2 X 2) F(2) F( 2) 2 1 0 1
2
1
1 14 5
P X F( ) F 1
2
2 2 8
Ejercicio 15.- Una variable aleatoria continua X tiene por funcin de distribucin:
0
2
x
2
F(x)
2
2 x x 1
x0
0 x 1
1 x 2
x2
Se pide:
a) Hallar la funcin de distribucin y representarla
b) Media, varianza, desviacin tpica y coeficiente de variacin
3
1
c) P X
2
2
Solucin:
33
f(x)
dx
2 x 1 x 2
0
x2
0 x 1
x
f(x) 2 x 1 x 2
0
otros valores
b) Media
1 X E(X)
x f(x) dx
x. x. dx
x.(2 x). dx
x 2 dx
(2 x x ).dx
2
x3 2 x3
1
8 1
x 4 1 1
3 1 3
3 3
3 0
Varianza: 2X 2 12
2 E(X )
2
x f(x) dx
2
x . x. dx
2
x .(2 x). dx
2
x dx
3
x 4 2 x3 x 4
1 16 16 2 1 14 7
4 1 4 3
4 3 4 12 6
4 o 3
2X 2 12
7 2 1
1
6
6
Desviacin tpica: X
1
0, 41
6
X 0, 41
0, 41
X
1
34
(2 x 2 x 3 ).dx
2
(1 2)2
3
9
1 3
1
3
1 3 (3 2)
c) P X F F 2.
1
3 1 0,75
2
2
8
8 4
2
2
2 2
2
Ejercicio 16.- Una variable aleatoria continua X tiene por funcin de distribucin:
x 1
0
F(x) x 1 1 x 2
1
x2
b) Media: 1 X E(X)
1 1 x 2
f(x)
0 en otro caso
x f(x) dx
x2
1 3
x dx 2 1,5
2 2
2 1
Me
Me
M
f(x) 0,5
dx 0,5 x 1 e 0,5
1
1
2 E(X )
2
x f(x) dx
2
x3
8 1 7
x dx
3 1 3 3 3
2
CVX
2
1
Me 1 0,5
X
X
7 3
7 9
1
2
3 2
3 4 12
2
X
X 0,08
0,05
X
1,5
35
1
0,08
12
Me 1,5
Determinar a y b.
Solucin:
Hay que calcular dos parmetros (a y b), por lo que se necesitan dos ecuaciones:
f(x) dx
2
P x 1
2
x3
8a
2b
(a x b) dx a b x
3
3
0
8a 6b 3
x3
f(x) dx
(a x b) dx a b x 0,1666 , con lo que:
1/ 2
1/ 2
3
1/ 2
x3
a
a b 7a b
0,1666
a b x b
24 2 24 2
3
1/ 2 3
7a 12b 4
en consecuencia,
8a 6b 3
7a 12b 4
16 a 12b 6
7a 12b 4
36
2
0,22
9
6b 3
16 11
9
9
11
0,20
54
F(x) x (2 x) 0 x k
1
xk
xk
lim x (x 2) k (k 2) 1
x k
k 2 2k 1 0
k 1
x0
0
2 2 x 0 x 1
f(x)
en otro caso
0
c) Media:
1
2 x3
2 1
x f(x) dx x (2 2 x) dx (2 x 2 x ) dx x 2
1 X E(X)
1
3 0
3 3
0
0
Para calcular la Moda hay que ver el valor que hace mnima la funcin de densidad o
de cuanta, es decir:
2 2 x 0 x 1
f(x)
en otro caso
0
2 0 x 1
f '(x)
0 en otro caso
37
Me 2 Me 0,5
2M2e 4Me 1 0
Me
2Me2 4Me 1 0
16 8 4 2 2
2
1
4
4
2
De las dos soluciones se rechaza aquella que es mayor que 1, por lo que la Mediana es:
Me 1
2
2
La Varianza de la produccin: 2X 2 12
1
2 x3 x 4
2 1 1
x f(x) dx x (2 2 x)dx
2 E(X )
2 0 3 2 6
0
3
2
1 1
1
6 3
18
2X 2 12
x0
0
0,5
f(x) dx
P(X 0,25)
0,5
0,25
f(x) dx
0,5
(2 2 x) dx 2 x x 2 1 0,25 0,75
0
(2 2 x) dx 2 x x 2
1 (0,5 0,0625) 0,5625
0,25
0,25
e) Funcin de densidad de Y 6 X 3
Frmula del cambio de variable en la funcin de densidad: g(y) f(x).
38
dx
dy
y3
6
dx
d y3 1
dy
dy 6 6
x 0 y 3
Dominio de definicin de la nueva variable Y: Y 6 X 3
x 1 y 3
resultando:
y 3 1
dx 2 2
.
g(y) f(x).
6 6
dy
0
3 y 3
3 y
g(y) 18
0
en otro caso
3 y 3
en otro caso
Funcin de distribucin:
F(y)
y 3
1
(3 t) dt
3 18
1
3 y 3
2
y 6 y 27
F(y)
36
y3
y 3
3 y 3
y3
L e2x L 0
2x
x es positiva
1
1
1
es de densidad en el intervalo.
2 x
ke
2 x
dx k
2 x
k
1
1 k 2
d x k e 2 x
2
2
0
k (x 2) 0 x 4
f(x)
en el resto
0
Hallar:
a) El valor de k para que sea realmente una funcin de densidad
b) La funcin de distribucin
c) La varianza
d) P (2 X 3)
Solucin:
f(x) d x 1
4
a)
k (x 2) d x k
4
x2
1
(x 2) d x k 2x 16 k 1 k
16
2
0
1
(x 2) 0 x 4
f(x) 16
0
en el resto
b) Funcin de distribucin: F(x)
x0
F(x)
f(t) dt
0x4
F(x)
x4
F(x)
0 dt 0
f(t) dt
0 dt
1
1
(t 2) dt
16
16
1 t2
(t 2) dt
2 t
16 2
0
x 2 4x
32
f(t) dt
0
2
x 4x
F(x)
32
1
0 dt
1
(t 2) dt
16
x0
0x4
x4
40
1 t2
0 dt
2 t 1
16 2
0
1
(x 2) 0 x 4
c) Para calcular la varianza: f(x) 16
0
en el resto
1 E X
x f(x) dx
1
1
x (x 2) dx
16
16
1
1
x (x 2) dx
16
16
1 x3
2
(x 2x) dx
x
16 3
0
2
1 112 7
16 3 3
2 E X
2
x f(x) dx
2
1 x 4 2 x3
(x 2x ) dx
16 4
3 0
3
1
128 20
64
16
3 3
Var(X) 2 1
2
X
0
2
x 4 x
d) F(x)
32
1
x0
0x4
x4
20 7
11
3 3
9
2
X
1
(x 2) 0 x 4
f(x) 16
0
en el resto
9 12 4 8 21 12 9
P (2 X 3) F(3) F(2)
32 32
32 32
P (2 X 3)
1
1 x2
1 9
9
(x 2) dx
2 x
16
16 2
2 16 2 32
41
2(x 1) 1 x 2
f(x)
en el resto
0
X3
5
a)
X3
5
donde g(x)
X 5Y 3
x3
5
x 5y 3
dx
dy 5
x 1 y 4 5 0,8
x 2 y 1
g1 (y) 5 y 3
dy
0
g(y) fX g1(y) .
0,8 y 1
en el resto
2(x 1) 1 x 2
f(x)
en el resto
0
50 y 40 0,8 y 1
0
en el resto
50 y 40 0,8 y 1
g(y)
0
en el resto
1 X E X
x f(x) dx
x 2(x 1) dx
2 x3
x2
(2 x 2x) dx
3
1
2
16
2 5
4 1
3
3 3
2 E X
2
x f(x) dx
2
x 2(x 1) dx
2
16 1 2 17
8
3 2 3 6
Var(X) 2
2
X
2
1
17 5
1
6 3
18
2
X
42
x 4 2 x3
(2 x 2x ) dx
3 1
2
3
1 Y E Y
y f(y) dy
0,8
y 50 y 40 dy
0,8
(50 y 2 40 y) dy
0,8
50 y 3
14
20 y 2
3
0,8 15
2 E Y 2
y f(y) dy
2
0,8
y 50 y 40 dy
2
0,8
(50 y 3 40 y 2 ) dy
0,8
50 y 4 40 y 3
131
3 0,8 150
4
2
Var(Y) 2
2
Y
2
1
131 14
1
150 15
450
2
Y
43
1
8
12 x
f(x)
64
0
0x4
4 x 12
otro caso
B
10
15
x2
2 x4
4x8
8 x 12
si
si
si
si
Calcular:
a)
b)
c)
d)
e)
f)
Solucin:
a) P X 10
12
f(x) dx
10
b) P X 3
1
1
3
3
dx x 0 0,375
8
8
8
12 x
1
dx
64
64
10
f(x) dx
12
x2
1
12
x
0,03125
2 10 32
12
c) Media o Esperanza
1 x E (X)
x . f(x) dx
= 1+
x . f(x) dx
1
x dx
64
12
12
x . f(x) dx
x.
1
dx
8
12
x.
12
4
1
1 2 x3
2
(12 x x ) dx
x
6 x
16 0 64
3 4
2
1
1728
64 13
864 - 96 +
=
= 4,33
64
3
3 3
44
12 x
dx
64
Varianza:
2 E (X )
2
x . f(x) dx
2
8
=
12
x . f(x) dx
2
1
x dx
64
2
12
x . f(x) dx
2
1
x . dx
8
2
12
x 2.
12 x
dx
64
12
4
1
1 3 x4
x 3
(12 x x ) dx
4 x
0
24
64
4 4
2
64 1
5120 80
+
=
= 26,67
6912 - 5184 - 256 + 64 =
24 64
192
3
2
2x Var (X) 2 12
80 13
71
7,89
3 3
9
f(t) dt
si x 0
si 0 x 4
F(x)
si 4 x 12
si x 12
0 dx 0
1
x
f(x) dx
0 dx
dx
8 8
1
12 x
1 1 x
f(x) dx
dx
dx
12 x 40
8 64 2 64 2
1
12 x
f(x) dx
0 dx
dx
8 64 dx 0 dx 1
x
f(x) dx
12
12
En resumen,
si x 0
0
x
si 0 x 4
8
F(x)
1
1 x 2
12 x 40 si 4 x 12
2 64 2
1
si x 12
B
10
15
si
si
si
si
1
8
12 x
f(x)
64
0
x2
2 x4
4x8
8 x 12
45
0x4
4 x 12
otro caso
bi
-5
f(x) dx
f(x) dx
f(x) dx
10
15
12
f(x) dx
1
1
dx 0,25
8
4
1
1
dx 0,25
8
4
8
12 x
1
x2
dx
12
x
0,375
64
64
2 4
12
12
12 x
1
x2
dx
12
x
0,125
64
64
2 8
P (B bi )
F(B) = P (B bi )
bi . P B bi
bi2 . P B bi
-5
5
10
15
0,25
0,25
0,375
0,125
0,25
0,50
0,875
1
-1,25
1,25
3,75
1,875
6,25
6,25
37,5
28,125
b . P B b 5,625
4
i 1
i 1
b . P B b 5,625
4
i 1
Varianza beneficios:
b . P B b 78,125
4
E B
2
2
i
i 1
bi2 . P B bi 78,125
46, 48 6,817
46
Ejercicio 23.- Sea X una variable aleatoria continua con funcin de densidad tal que
f(x) 7 x 2
0
1 x 8
otro caso
f(t) dt
8
8 1
8 (x 1)
dt
2
7t
7 t 1
7x
1 x 8
sustituyendo, queda:
F(Q1 )
1 8 (Q1 1)
4
7 Q1
7 Q1 32(Q1 1)
F(Q3 )
3 8 (Q3 1)
4
7 Q3
21Q3 32(Q3 1)
Q3
32
2,91 Q3 D5 P75 2,91
11
F(D7 )
7 8 (D7 1)
10
7D7
49D7 80 (D7 1)
D7
80
2,58
31
F(P85 )
85 8 (P85 1)
100
7P85
P85
Q1
32
1,28
25
Q1 P25 1,28
800
3,90
205
b) Me Q2 D5 P50
F(Me )
1 8 (Me 1)
2
7Me
7Me 16 (Me 1)
Me
16
1,78
9
8
7 x2
f '(x)
16
0
7 x3
La funcin es decreciente
47
Ejercicio 24.- Sea X una variable aleatoria continua con funcin de densidad tal que
e x
f(x)
0
x0
otro caso
e . f(x). dx
tx
e x (t 1) dx
1
1
e x (t 1)
si t 1
0
t 1
1 t
dM(t)
d 1
1
dt t 0 dt 1 t t 0 (1 t)2
1
t 0
d2 M(t)
d d 1
d 1
2
2
2
dt
dt dt 1 t t 0 dt (1 t) t 0 (1 t)3
t 0
2
t 0
Var (X) 2 12 2 1 1
c) La funcin caracterstica se puede calcular utilizando la relacin entre funcin
caracterstica y los momentos:
(it)2
(it)3
(it)k
(t) 1 (it) 1
2
3
k
2!
3!
k!
48
j0
(it) j
j si t 1
j!
Ejercicio 25.- Sea X una variable aleatoria continua, cuya funcin de densidad es
3 x 2
fX (x)
0
0 x 1
en otro caso
Y 1 X
1
dx
dy 2 1 y
1
g (y) 1 y
1 y
fY (y) fX g1(y) .
1 y
2 1 y
3
2
1 y
3
1 y
fY (y) 2
0
0 y 1
en otro caso
b) Funcin de distribucin:
y 0 FY (y)
0 y 1 FY (y)
y 1 FY (y)
f(t) dt 0
f(y) dy
f(y) dy
f(t) dt
f(t) dt
3
2
f(t) dt
1 t dt (1 t)3 1
f(t) dt
49
3
2
1 t dt 1
y0
(1 y)3
0 y 1
y 1
(1 y)3
Ejercicio 26.- Sea X una variable aleatoria continua, cuya funcin de densidad es
fX (x) 2
0
1 x 1
en otro caso
y P
y X
1
1
y
dx x y
2
y 2
1
dFY (y)
a) La funcin de densidad fY (y)
2 y
dy
0
Portal Fuenterrebollo
50
y0
0 y 1
y 1
0 y 1
en otro caso
f(x) dx