Matematica Aplicada

2.- VARIABLES ALEATORIAS

Departamento de Matematica Aplicada
Escuela Tecnica Superior de Ingeniera Industrial de Bejar
Universidad de Salamanca
(Curso 2007-08)
Metodos Estadsticos de la Ingeniera 1
Matematica Aplicada
Datos de interes
Se llama funcion de distribucion de una variable aleatoria
X, a la funcion F(x) denida por
F(x) = P(X x).
La funcion que asigna a cada valor x
i
su probabilidad
p
i
= P(X = x
i
), se llama funcion de probabilidad de la
variable X.
Llamamos media aritmetica, valor esperado o esperanza
matematica de la variable X, a la cantidad:
= E[X] =
r

i=1
x
i
p
i
.
Llamamos varianza de la variable X, a la cantidad:

2
= V [X] =
r

i=1
(x
i
)
2
p
i
= E[X
2
]
2
.
Metodos Estadsticos de la Ingeniera 2
Matematica Aplicada
1. Sea X una variable aleatoria que representa el n umero de
clientes de una empresa en un periodo de una hora. Dada la
siguiente informacion:
P(X) 0,05 0,10 0,10 0,10 0,20 0,25 0,10 0,05 0,05
X 0 1 2 3 4 5 6 7 8
(a) Obtener la funcion de distribucion de X.
(b) Determinar las probabilidades P(X > 3) y P(X 4).
(c) Determinar x tal que P(X x) = 0, 55.
(d) Hallar E[X] y V [X]
Metodos Estadsticos de la Ingeniera 3
Matematica Aplicada
(a) La funcion de distribucion de X es F(x) = P(X x), es
decir,
X 0 1 2 3 4 5 6 7 8
f(x) = P(X = x) 0,05 0,10 0,10 0,10 0,20 0,25 0,10 0,05 0,05
F(x) = P(X x) 0,05 0,15 0,25 0,35 0,55 0,80 0,90 0,95 1
(b) P(X > 3) = 1 P(X 3) = 1 0, 35 = 0, 65
P(X 4) = F(4) = 0, 55.
(c) Si P(X x) = F(x) = 0, 55 x = 4.
(d) E[X] = 0 0, 05 + 1 0, 1 + 2 0, 1 + 3 0, 1 + 4 0, 2+
+5 0, 25 + 6 0, 1 + 7 0, 05 + 8 0, 05 = 4
V [X] = E[X
2
]E[X]
2
= 1
2
0, 1+2
2
0, 1+3
2
0, 1+4
2
0, 2+
+5
2
0, 25 + 6
2
0, 1 + 7
2
0, 05 + 8
2
0, 05 E[X]
2
=
20, 1 4
2
= 4,1
Metodos Estadsticos de la Ingeniera 4
Matematica Aplicada
Datos de interes II
Llamamos funcion de densidad a la funcion f denida por
f(x) = lm
x0
F(x +h) F(x h)
2h
= F

(x)
Dada X, variable aleatoria continua de funcion densidad
f(x), se llama media aritmetica, valor esperado o esperanza
matematica de la variable X, a
= E[X] =
_
+

xf(x) dx
Llamamos varianza de la variable X a

2
= V [X] =
_
+

(x)
2
f(x) dx = E[(X)
2
] = E[X
2
]
2
.
Metodos Estadsticos de la Ingeniera 5
Matematica Aplicada
2. Dada la variable aleatoria X con la funcion de distribucion:
F(x) =
_
_
_
0 si x 0
2x x
2
si 0 < x < 1
1 si x 1
Se pide:
(a) Obtener la funcion de densidad.
(b) Encontrar la mediana
(c) Calcular la media y la varianza de X.
(d) Obtener P
_
X <
1
2
_
y P
_
X >
3
4
_
.
Metodos Estadsticos de la Ingeniera 6
Matematica Aplicada
(a) Funcion de densidad:
f(x) = F

(x) =
_
_
_
0 si x 0
2 2x si 0 < x < 1
0 si x 1
(b) Mediana = Me
Por denicion de mediana, es: F(Me) = P(X Me) = 0, 5
En nuestro caso,
2Me Me
2
= 0, 5
Me
2
2Me + 0, 5 = 0 Me =
2

4 2
2
= 1

2
2
Luego: Me = 1

2
2
(0, 1), ya que F
_
1 +

2
2
_
= 1 = 0, 5
Metodos Estadsticos de la Ingeniera 7
Matematica Aplicada
(c) Media y la varianza de X:
E[X] =
_
1
0
x(2 2x) dx =
1
3
V [X] =
_
1
0
x
2
(2 2x) dx E[X]
2
=
1
18
(d) P
_
X <
1
2
_
= F(x
1
2
) = F(
1
2
) = 1
1
4
=
3
4
P
_
X >
3
4
_
= 1 P(x
3
4
) = 1 F(
3
4
) = 1
6
4
+
9
16
=
1
16
.
Metodos Estadsticos de la Ingeniera 8
Matematica Aplicada
3. Una variable aleatoria X tiene como funcion de densidad:
f(x) =
_
kx
2
si 1 x 1
0 en otro caso
Se pide:
(a) Determinar el valor de k.
(b) Determinar la funcion de distribucion de X
(c) Calcular P
_
X
1
2
_
y P
_

1
2
< X
1
2
_
.
(d) Obtener el primer cuartil.
Metodos Estadsticos de la Ingeniera 9
Matematica Aplicada
(a) valor de k:
Una de las propiedades de la funcion densidad es que
_
+

f(x) dx = 1
es decir,
_
1
1
kx
2
dx = 1 1 =
kx
3
3
_
1
1
=
k
3

_

k
3
_
=
2k
3
k =
3
2
(b) Funcion de distribucion de X
F(x) =
_
x

f(x) dx =
_
x
1
3
2
x
2
dx =
3
2
x
3
3
_
x
1
=
1
2
(x
3
+ 1)
Luego: F(x) =
_
_
_
0 si x 1
1
2
(x
3
+ 1) si 1 x 1
1 en otro caso
Metodos Estadsticos de la Ingeniera 10
Matematica Aplicada
(c) P
_
X
1
2
_
= 1P
_
X <
1
2
_
= 1F
_
1
2
_
= 1
_
1
2
4
+
1
2
_
=
7
16
P
_

1
2
< X
1
2
_
= F
_
1
2
_
F
_

1
2
_
=
9
16

_
1
2

1
16
_
=
2
16
.
(d) El primer cuartil es Q
1
tal que:
P(X Q
1
) =
1
4
F(Q
1
) =
1
4

1
2
(x
3
+ 1) =
1
4
x
3
+ 1 =
1
2
Luego: x
3
+ 1 =
1
2
x
3
=
1
2
x =
3
_

1
2
(1, 1)
Metodos Estadsticos de la Ingeniera 11
Matematica Aplicada
Ejemplo
Obtener, para una variable Y = aX +b (a > 0) su funcion de
distribucion, G(y), y su funcion de densidad, g(y), a partir de
las correspondientes para X.
G(y) = P(Y y) = P(aX +b y) = P
_
X
y b
a
_
=
_
+
yb
a

f(x) dx = F
_
y b
a
_
donde F es la funcion de distribucion de X y f su funcion de
densidad. Derivando:
G

(y) = g(y) =
1
a
F
_
y b
a
_
.
Metodos Estadsticos de la Ingeniera 12
Matematica Aplicada
4. Una maquina fabrica ejes cuyos radios se distribuyen con
funcion de densidad:
f(x) =
_
k(x 1)(3 x) si 1 x 3
0 en otro caso
La variable X se mide en metros. Se pide:
(a) Calcular k.
(b) Obtener la funcion de densidad para los radios de los ejes
medidos en centmetros
(c) Obtener la funcion de densidad para los diametros de los
ejes.
(d) Si los ejes se desechan cuando su radio se desva de 2 m.
m as de 80 cm., calcular la proporcion de ejes que seran
rechazados.
Metodos Estadsticos de la Ingeniera 13
Matematica Aplicada
(a) valor de k: (utilizamos la misma propiedad de la densidad
que en el problema 3.)
_
+

f(x) dx = 1
_
3
1
k(x + 1)(3 x) dx = 1
k
_
3
1
(x + 1)(3 x) dx = k
_
x
3
3
+ 2x
2
3x
__
3
1
= k
4
3
= 1
k =
3
4
(b) La funcion de densidad para los radios de los ejes medidos
en centmetros equivale a encontrar la funcion de densidad
para la variable Y = 100 X, lo que equivale a considerar
a = 100 y b = 0, en el ejemplo de la pag. 12.
Se tiene entonces,
g(y) =
1
a
f
_
y b
a
_
=
1
100
f
_
y
100
_
=
1
100
k
_
y
100
1
__
3
y
100
_
Metodos Estadsticos de la Ingeniera 14
Matematica Aplicada
es decir,
g(y) =
_

_
3
400
_
y
100
1
__
3
y
100
_
si 100 y 300
0 en otro caso
(c) Para obtener la funcion de densidad para los diametros de
los ejes, hay que tener en cuenta que los diametros de los
ejes se obtienen con la variable Y = 2X
g(y) =
1
a
f
_
y b
a
_
=
1
2
f
_
y
2
_
=
1
2
3
4
_
y
2
1
__
3
y
2
_
si 2 y 6
Metodos Estadsticos de la Ingeniera 15
Matematica Aplicada
(d) Si los ejes se desechan cuando su radio se desva de los 2 m.
m as de 80 cm., la proporcion de ejes que seran rechazados
son:
1 P(1, 20 < X < 2, 80)
Es decir,
1 [P(X < 2, 80) P(X < 1, 20)] = 1 [F(2, 8) F(1, 2)]
Obtenemos la funcion de distribucion a partir de la
expresion que tenemos de la densidad:
F(x
0
) =
_
x
0
1
f(x) dx =
_
x
0
1
3
4
(x 1)(3 x)dx =
=
3
4
_

x
3
3
+ 2x
2
3x
__
x
0
1
=
=
3
4
_

x
3
0
3
+ 2x
0
3x
0
(
1
3
+ 2 3)
_
Metodos Estadsticos de la Ingeniera 16
Matematica Aplicada
es decir,
F(x) =
x
3
4
+
3
2
x
2

9
4
x + 1 si 1 < x 3
as que:
P(1, 20 < X < 2, 80) = 0, 972 0, 028 = 0, 944
y la proporcion de los desechados es entonces:
(1 0, 944) 100 = 5, 6 %
Metodos Estadsticos de la Ingeniera 17
Matematica Aplicada
5. La duracion en horas de un componente electronico es una
variable aleatoria cuya funcion de distribucion es
F(x) = 1 e

x
100
, si x > 0. Se pide:
(a) Determinar la funcion de probabilidad de X.
(b) Determinar la probabilidad de que el componente trabaje
m as de 200 horas.
(a) f(x) = F

(x) =
1
100
e

x
100
si x > 0, es decir:
f(x) =
_
1
100
e

x
100
si x > 0
0 si x 0
(b) P(X 200) = 1 F(200) = 1 (1 e
2
) = e
2
0, 13534.
Metodos Estadsticos de la Ingeniera 18
Matematica Aplicada
6. Una variable aleatoria, X, viene dada por su funcion
densidad:
f(x) =
_

3
4
x
2
+
9
2
x 6 si 2 x 4
0 en otro caso
Se pide calcular la moda, esperanza matematica y la mediana.
Moda:
f

(x) =
3
2
x +
9
2
= 0 3x + 9 = 0 3x = 9 x = 3.
como f

(3) =
3
2
< 0 hay un maximo en x = 3 moda = 3.
Metodos Estadsticos de la Ingeniera 19
Matematica Aplicada
Esperanza matematica:
E[X] =
_
4
2
xf(x) dx =
_
4
2
_

3
4
x
3
+
9
2
x
2
6x
_
dx =
_

3
16
x
4
+
3
2
x
3
3x
2
__
4
2
= 0 (3) = 3
Mediana:
_
x
0
2
f(x) dx = 0, 5
_
x
0
2
_

3
4
x
2
+
9
2
x 6
_
dx =
=
_

x
3
4
+
9
4
x
2
6x
__
x
0
2
=
x
3
0
4
+
9
4
x
0
2
6x
0
(2 + 9 12) = 0, 5
x
0
3
+9x
0
2
24x
0
+18 = 0 x =
6

36 24
2
=
_
3 +

3 > 4
3

3 < 4
luego la mediana esta en x = 3.
Metodos Estadsticos de la Ingeniera 20
Matematica Aplicada
7. La calicacion promedio en una prueba de estadstica fue de
6,25 con una desviacion tpica de 1. El profesor sospecha que el
examen fue difcil. De acuerdo con lo anterior, desea ajustar las
calicaciones de manera que el promedio sea de 7 y la desviacion
tpica de 0,8. Que ajuste del tipo aX +b debe utilizar?
Si
Y = aX+b
_
E[Y ] = aE[Y ] +b = 7
V [Y ] = a
2
V [X] = 0, 8
2

_
a 6, 25 +b = 7
a
2
= 0, 8
2
Luego: a = 0, 8
_
si a = 0, 8 b = 7 0, 8 6, 25 = 2
si a = 0, 8 b = 7 + 0, 8 6, 25 = 12
1
a
posibilidad:
_
si x = 0 y = 2
si x = 10 y = 10
2
a
posibilidad:
_
si x = 0 y = 12
si x = 10 y = 4
Metodos Estadsticos de la Ingeniera 21
Matematica Aplicada
8. Si una variable aleatoria X se dene de tal forma que:
E
_
(X 1)
2

= 10, E
_
(X 2)
2

= 6
Hallar = E[X] y
2
= V [X]
E[(X 1)
2
] =
_
+

(x
2
2x + 1)f(x)dx =
=
_
+

x
2
f(x)dx 2
_
+

2xf(x)dx +
_
+

f(x)dx =
= E[X
2
] 2 + 1 = 10
E[(X 2)
2
] = E[X
2
] 4 + 4 = 6
E[X
2
] 2 = 9
E[X
2
] 4 = 2
_
2 = 7 = 3, 5 E[X
2
] = 9 + 7 = 16
E[(X )
2
] = E[X
2
]
2
= 16 3, 5
2
= 3, 75 =
2
Metodos Estadsticos de la Ingeniera 22
Matematica Aplicada
9. Se lanzan tres monedas al aire. Consideramos la variable
aleatoria X igual al n umero de caras que se obtienen. Se pide:
(a) Denir, por extension, el espacio muestral.
(b) Distribucion de probabilidad y funcion de distribucion.
(c) Media y varianza de la variable aleatoria X
(d) Probabilidad de que salgan dos caras o menos
(e) Probabilidad de que salgan dos caras o mas.
(f) Probabilidad de que salgan dos caras.
(a) = {ccc, cc+, c +c, c + +, +cc, +c+, + +c, + + +}
Metodos Estadsticos de la Ingeniera 23
Matematica Aplicada
(b) P(X = r) =
_
3
r
_
1
2
2
1
2
3
r =
1
8
3
r
, r = 0, 1, 2, 3
(es la funcion de probabilidad).
Y la funcion de distribucion: F(0) = P(X = 0)
1
8
P(X 1) = P(X = 0) +P(X = 1) =
1
8
+
3
8
=
1
2
P(X 2) = P(X = 0) +P(X 1) +P(X 2) =
1
8
+
3
8
3
8
=
7
8
P(X 3) = 1
(c)
E[X] = np = 3
1
2
=
3
2

2
= V [X] = np(1 p) = 3
1
2
1
2
=
3
4
Metodos Estadsticos de la Ingeniera 24
Matematica Aplicada
(d) P(X 2) = F(2) =
7
8
(e) P(X 2) = 1 P(X 2) = 1
1
2
=
1
2
(f) P(X = 2) =
_
3
2
__
1
2
_
3
Metodos Estadsticos de la Ingeniera 25
Matematica Aplicada
10. Tres personas lanzan al aire dos monedas cada una. Sea X
la variable aleatoria denida por el n umero de personas que
obtienen dos caras. Determinar:
(a) La funcion de densidad.
(b) La tabla completa de probabilidad.
(c) La esperanza matematica y la varianza de X.
El espacio de resultados o espacio muestral asociado al
experimento aleatorio lanzar al aire dos monedas es:
= {cc, c+, +c, ++}.
Consideremos ahora el experimento aleatorio que consiste en
repetir el lanzamiento tres veces, o lo que es lo mismo, que sean
tres personas distintas las que lancen las monedas.
Sea X la variable aleatoria denida por el n umero de personas
que obtienen dos caras.
Metodos Estadsticos de la Ingeniera 26
Matematica Aplicada
X sigue una distribucion binomial, de parametros n = 3 y
p = P(cc) =
1
2

1
2
=
1
4
= 0, 25
Es decir, X B(3, 0, 25)
1
La funcion de densidad es:
f(r) = P(X = r) =
_
3
r
_
0, 25
r
0, 75
3r
2
Seg un lo anterior:
f(0) = P(X = 0) =
_
3
0
_
0, 25
0
0, 75
3
= 0, 4219
f(1) = P(X = 1) =
_
3
1
_
0, 25
1
0, 75
2
= 0, 4219
f(2) = P(X = 2) =
_
3
2
_
0, 25
2
0, 75
1
= 0, 1406
f(3) = P(X = 3) =
_
3
3
_
0, 25
3
0, 75
0
= 0, 0156
Metodos Estadsticos de la Ingeniera 27
Matematica Aplicada
La tabla completa de probabilidad sera:
r 0 1 2 3
P(X=r) 0,4219 0,4219 0,1406 0,0156
E[X] =
3

r=0
r P(X = r) =
0 0, 4219 + 2 0, 1406 + 3 0, 0156 = 0, 7499
Tambien se verica que:
E[X] = np = 3 0, 25 = 0, 75
V [X] = npq = 0, 5625
Metodos Estadsticos de la Ingeniera 28
Matematica Aplicada
Problemas adicionales
A. El tiempo de fabricacion (en horas) de una pieza mecanica
es una variable aleatoria con funcion de densidad:
f(x) =
_
(3x + 1)/8 si 0 x 2
0 en otro caso
1) Obtener la funcion de distribucion de esta variable.
2) Si se eligen tres piezas al azar, cual es la probabilidad de
que todas hayan tardado en fabricarse mas de una hora?
Metodos Estadsticos de la Ingeniera 29
Matematica Aplicada
1) Si X es la var. aleatoria continua (expresa el tiempo en
horas que tarda en fabricarse una pieza), su funcion de
distribucion expresa la probabilidad del suceso X x, y es:
F(x) = P(X x) =
_
x

f(x) dx =
_
0

0 dx +
_
x
0
3x + 1
8
dx =
=
1
8
_
3
2
x
2
+x
__
x
0
=
_
3
2
x
2
+x
_
2) Y la probabilidad de que todas hayan tardado en fabricarse
m as de una hora es entonces:
P(X > 1) = 1P(X 1) = 1F(1) = 1
1
8
_
3
2
+ 1
_
=
11
16
Metodos Estadsticos de la Ingeniera 30