Actividad 5

Jhony Alexis Martínez García

Profesor: Johnatan Cardona Jiménez

Institución Universitaria Pascual Bravo

Tecnología En Desarrollo De Software
Estadística
Medellín
2020
 Ejercicios (Página 88)

3.1. Clasifique las siguientes variables aleatorias como discretas o continuas:

X: el número de accidentes automovilísticos por año en Virginia.
Y: el tiempo para jugar 18 hoyos de golf.
M: la cantidad de leche que una vaca específica produce anualmente.
N: el número de huevos que una gallina pone mensualmente.
P: el número de permisos para construcción que emiten cada mes en una
ciudad.
Q: el peso del grano producido por acre.

R/: Es una variable discreta, cuando se pueden contar su conjunto de resultados

posibles.
Es una variable continua cuando se pueden tomar valores en una escala continua.

X = Variable Discreta.
Y = Variable Continua.
M = Variable Continua.
N = Variable Discreta.
P = Variable Discreta.
Q = Variable Continua.

3.2. Un embarque foráneo de cinco automóviles extranjeros contiene 2 que

tienen ligeras manchas de pintura. Si una agencia recibe 3 de estos
automóviles al azar, liste los elementos del espacio muestral S con las letras B
y N para “manchado” y “sin mancha”, respectivamente; luego a cada punto
muestral asigne un valor x de la variable aleatoria X que representa el número
de automóviles que la agencia compra con manchas de pintura.

R/ S = {BBB, BBN, BNB, BNN, NBB, NBN, NNB, NNN}

Espacio Muestral x
NNN 1

BNN 3

BBN 3

BBB 1
3.5. Determine el valor c de modo que cada una de las siguientes funciones
sirva como distribución de probabilidad de la variable aleatoria discreta X:
a) f(x) = c (xˆ2 + 4), para x = 0,1,2,3;
b) f(x) = c(2/x) (3/3-x), para x = 0,1,2.

R/
a)
∑3𝑥=0 𝐶 (xˆ2 + 4) = 1
c [(0)ˆ2 + 4] + c [(1)ˆ2 + 4] + c [(2)ˆ2 + 4] + c [(3)ˆ2 + 4] = 1
1
c=
30

2 3
b) ∑3𝑥=0 𝐶 (𝑥)(3− 𝑥) = 1
c (20) (33)+ c (21) (32)+ (22) (31) = 1
1
c=
10

3.6. La vida útil, en días, para frascos de cierta medicina de prescripción es

una variable aleatoria que tiene la función de densidad

𝟐𝟎𝟎𝟎
, 𝒔𝒊 𝒙 > 𝟎
𝒇(𝒙) = {𝒙 + 𝟏𝟎𝟎𝟑
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐

Encuentre la probabilidad de que un frasco de esta medicina tenga una vida

útil de
a) al menos 200 días;
b) cualquier lapso entre 80 a 120 días.

R/
∞ 20000 10000
a) P (X > 200) = ∫200 (𝑋+100)ˆ𝟑 dx = - (𝑥+100)ˆ𝟑 |∞
200 = 1/9

120 20000 10000

b) P (80 < X < 200) = ∫80 dx = - |120 = 1000/9801 = 0.1020
(𝑋+100)ˆ𝟑 (𝑥+100)ˆ𝟑 80
3.7. El número total de horas, medidas en unidades de 100 horas, que una
familia utiliza una aspiradora en un periodo de un año es una variable aleatoria
continua X que tiene la función de densidad:

𝒙, 𝟎 < 𝒙 < 𝟏
F(x)= { 𝟐 − 𝒙, 𝟏 ≤ 𝒙 𝟐
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐

Encuentre la probabilidad de que, en un periodo de un año, una familia utilice

su aspiradora
a) menos de 120 horas;
b) entre 50 y 100 horas.

R/
1 1.2
a) P (X < 1.2) = ∫0 𝑥𝑑𝑥 + ∫1 (2 − 𝑥)𝑑𝑥
1 1
P (X < 1.2) = 2 𝑥 2 |10 + (2𝑥 − 𝑥 2 ) |1.2
1
2
P (X <1.2) = 0.68

1
b) P (0.5 < X < 1) = ∫0.5 𝑥𝑑𝑥
1
P (0.5 < X < 1) = 2 𝑥 2 |10.5
P (0.5 < X < 1) = 0.37

3.9. La proporción de personas que responden a cierta encuesta enviada por

correo es una variable aleatoria continua X que tiene la función de densidad

2(𝑥 + 2)
f(x) = { 5 0<x<1
0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

a) Muestre que P (0 < X < 1) = 1.

b) Encuentre la probabilidad de que más de 1/4 pero menos de 1/2 de las
personas contactadas respondan a este tipo de encuesta.

R/
a)
1 2(𝑥+2)
P (0 < X < 1) = ∫0 𝑑𝑥
5
2 1 2
P (0 < X < 1) = ( 𝑥 + 2𝑥) |10
5 2
P (0 < X < 1) = 1
 b)
1 1 1/2 2(𝑥+2)
P (4 < X < 2 ) = ∫1/4 𝑑𝑥
5
1 1 2 1 1/2
P (4 < X < 2 ) = 5 (2 𝑥 2 + 2x) |1/4
1 1
P (4 < X < 2) = 0.23

3.21. Considere la función de densidad f(x) = {𝒌√𝒙 𝟎 < 𝒙 < 𝟏,

𝟎, 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
a) Evalué k.
b) Calcule f(x) y utilice el resultado para evaluar P (0.3 < X < 0.6)

R/

1
a) P (0 < X < 1) = ∫0 𝑘√𝑥 𝑑𝑥 = 1
3
𝑘𝑥23 |10 = 1
2
K = 3/2
b)
𝑋
F(x) = P (X ≤ 𝑋) = ∫∞ 𝑓(𝑡)𝑑𝑡
𝑋3
P (X ≤ 𝑋) = ∫0 √𝑡𝑑𝑡
2
3 𝑥
P (X ≤ 𝑋) = 𝑡2 |0
P (X ≤ 𝑋) = 𝑥23
P (0.3 < X < 0.6) = P (X < 0.6) – P (X < 0.3)
P (0.3 < X < 0.6) = (0.6)3/2 - (0.3)3/2
P (0.3 < X < 0.6) = 0.300

3.14. El tiempo de espera, en horas, entre conductores sucesivos que exceden

los limites de velocidad detectados por un radar es una variable aleatoria
continua con distribución acumulada

𝟎, 𝒙 < 𝟎
F(x) = {
𝟏 − 𝒆−𝟖𝒙 , 𝒙 ≥ 𝟎

Encuentre la probabilidad de esperar menos de 12 minutos entre conductores

sucesivos que exceden los límites de velocidad.
a) Usando la función de distribución acumulada de X;
b) Utilizando la función de densidad de probabilidad de X.
R/:
a) P (X < 0.2) = F (0.2) = 1 - 𝑒 −1.6 = 0.79
0.2
b) f(x) = F (x) = 8𝑒 −8𝑥 , P (X < 0.2) = 8 ∫0 𝑒 −8𝑥 dx = −𝑒 −8𝑥 |0.2
0 = 0.79

3.33. Suponga que un tipo especial de empresa de procesamiento de datos

pequeña está tan especializada que algunas tienen dificultades para obtener
utilidades durante su primer año de operación. La función de densidad de
probabilidad que caracteriza la proporción Y que obtiene utilidades está dada
por:

𝒌𝒚 𝟒 (𝟏−𝒚)𝟑, 𝟎 ≤𝒚 ≤𝟏
F(x) = {
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒄𝒂𝒔𝒐

a) cuál es el valor de k que hace de la anterior una función de densidad

valida.
b) Encuentre la probabilidad de que al menos el 50% de las empresas
tenga utilidades durante el primer año.
c) Encuentre la probabilidad de que al menos 80% de las empresas tenga
utilidades durante el primer año.

R/:
1
a) K ∫0 𝑦 4(1 - 𝑦)3 dy = 280
b) 0 ≤ 𝑦 < 1, 𝑓(𝑦) = 56𝑦 5 (1 - 𝑦)3 + 28𝑦 6 (1 - 𝑦)2 + 8𝑦 7 (1 - 𝑦) + 𝑦 8
P (Y ≤ 0.5) = 0.36
c) P (Y > 0.8) = 0.05

Ejercicios (Página 113)

4.2. La distribución de probabilidad de la variable aleatoria discreta X es

𝒙 𝟑−𝒙
F(x) = (𝟑𝒙)(𝟏𝟒) (𝟑𝟒) , x = 0,1,2,3

Encuentre la media de X.

27 27 9 1 3
R/ E(X) = ∑3𝑋=0 𝑥 𝑓(𝑥) = (0) (64) + (1) (64) + (2) (64) + (3) (64) = (4)
4.3. Encuentre la media de la variable aleatoria T que representa el total de las
tres monedas del ejercicio 3.25 de la página 89.

1 3 1
R/: 𝜇 = 𝐸(𝑋) = (20) (5) + (25) (5) + (30) (5) = 25

4.5. La distribución de probabilidad de X, el número de imperfecciones por

cada 10 metros de una tela sintética, en rollos continuos de ancho uniforme,
está dada
en el ejercicio 3.13 de la página 89 como

x 0 1 2 3 4
F(x) 0.41 0.37 0.16 0.05 0.01

Encuentre el número promedio de imperfecciones en 10 metros de esta tela.

R/: 𝜇 = 𝐸(𝑋) = (0)(0.41) + (1)(0.37) + (2)(0.16) + (3)(0.05) + (4)(0.01) = 0.88

4.6. A un dependiente de un autolavado se le paga de acuerdo con el número

de automóviles que lava. Suponga que las probabilidades son 1/12, 1/12, 1/4,
1/4, 1/6, y 1/6, respectivamente, de que el dependiente reciba $7, $9, $11, $13,
$15 o $17 entre 4:00 P.M. y 5:00 P.M. en cualquier viernes soleado. Encuentre
las ganancias que es perada el dependiente para este periodo específico.

R/:
𝜇 = 𝐸(𝑋) = (7)(1/12) + (9)(1/12) + (11)(1/4) + (13)(1/4) + (15)(1/6) +
(17)(1/6) = $12.6

4.12. Si la ganancia de un distribuidor, en unidades de $5000, para un

automóvil nuevo se puede ver como una variable aleatoria X que tiene la
función de densidad

𝟐(𝟏 − 𝒙), 𝟎 < 𝒙 < 𝟏

𝒇(𝒙) = {
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐

encuentre la ganancia promedio por automóvil.

R/:
𝟏 𝟏
E(X) = ∫𝟎 𝟐𝒙(𝟏 − 𝒙)𝒅𝒙 = ( )
𝟑
1
( ) (5000) = $1.667
3
4.13. La función de densidad de las mediciones codificadas del diámetro de
paso de los hilos de un encaje es

(𝟒/𝝅(𝟏 + 𝒙𝟐 ), 𝟎 < 𝒙 < 𝟏

𝒇(𝒙) = {
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐

Encuentre el valor esperado de X.

R/:
1 𝑥 𝑙𝑛 4
E(X) = (4/𝜋) ∫0 (1+ 𝑥2 )𝑑𝑥 = ( )
𝜋

4.17. Sea X una variable aleatoria con la siguiente distribución de

probabilidad:

x -3 6 9
F(x) 1/6 1/2 1/3
G(x) 25 169 361

Encuentre μg (X), donde g(X) = (2X + 𝟏)𝟐 .

R/: g(x) = (2(-3) + 1)2 = 25; g(x) = (2(6) + 1)2 = 169; g(x) = (2(9) + 1)2 = 361
1 1 1
𝜇𝑔(𝑥) = 𝐸(2𝑋 + 1)2 = (25) ( ) + (169) ( ) + (361) ( ) = 209
6 2 3

4.20. Una variable aleatoria continua X tiene la función de densidad

𝒆−𝒙 , 𝒙 > 𝟎,
𝒇(𝒙) = {
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐

Encuentre el valor esperado de g (X) = 𝒆𝟐𝒙/𝟑

R/:
∞ ∞
E g(x) = E (𝑒 2𝑥/3 ) = ∫0 𝑒 2𝑥/3 𝑒 −𝑥 𝑑𝑥 = ∫0 𝑒 −𝑥/3 𝑑𝑥 = 3

4.32. En el ejercicio 3.13 de la página 89, la distribución del número de

imperfecciones por 10 metros de tela sintética está dada por

x 0 1 2 3 4
F(x) 0.41 0.37 0.16 0.05 0.01

a) Grafique la función de probabilidad.

b) Encuentre el número de imperfecciones esperado E(X) = μ.
c) Encuentre E(𝒙𝟐 ).

R/:
a)

Función Probabilidad
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4

b) μ=E(X)= (0) (0.41) +(1) (0.37) +(2) (0.16) +(3) (0.05) +(4) (0.01) = 0.88
c) E (𝑥 2 ) = (0)2 (0.41) + (1)2 (0.37) + (2)2 (0.16) + (3)2 (0.05) + (4)2 (0.01) = 1.62

Ejercicios (Página 122)

4.34. Sea X una variable aleatoria con la siguiente distribución de

probabilidad:

x -2 3 5
F(x) 0.3 0.2 0.5

Encuentre la desviación estándar de X.

R/: 𝜇 = (−2)(0.3) + (3)(0.2) + 5(0.5) = 2.5

E(𝑋)2 = (−2)2 (0.3) + (3)2 (0.2) + (5)2 (0.5) = 15.5
𝜎 2 = 𝐸(𝑋)2 − (𝜇)2 = 15.5 − 6.25 = 9.25
𝜎 = 3.04

4.35. La variable aleatoria X, que representa el número de errores por 100

líneas de código de programación, tiene la siguiente distribución de
probabilidad:
 X 2 3 4 5 6
F(x) 0.01 0.25 0.4 0.3 0.04
Aplique el teorema 4.2 y encuentre la varianza de X.

R/: 𝜇 = (2)(0.01) + (3)(0.25) + (4)(0.4) + (5)(0.3) + (6)(0.04) = 4.11

E(𝑋)2 = (2)2 (0.01) + (3)2 (0.25) + (4)2 (0.4) + (5)2 (0.3) + (6)2 (0.04) = 17.6
𝜎 2 = 17.6 − 4.112 = 0.73

4.37. La ganancia de un distribuidor, en unidades de $5000, para un automóvil

nuevo es una variable aleatoria X que tiene la función de densidad que se
presenta en el ejercicio 4.2 de la página 113. Encuentre la varianza de X.

R/: 𝜇 = 1/3

1 1 1 2 1
E(𝑋)2 = ∫0 2𝑥 2 (1 − 𝑥)𝑑𝑥 = (6) − (3) = (8)

4.40. Refiérase al ejercicio 4.14 de la página 113, y encuentre σ2 g(X) para la

función g(X) = 3X2 + 4.

1 4 1
R/: 𝜇𝑔(𝑥) = 𝐸[𝑔(𝑋)] = ∫0 (3𝑥 2 + 4) (2𝑥 + 5) 𝑑𝑥 = 1/5 ∫0 (6𝑥 3 + 12𝑥 2 + 8𝑥 + 15) =
5.11
1
𝝈𝟐 = 𝐸[𝑔(𝑋)] − 𝝁𝟐 = ∫0 (𝟑𝒙𝟐 + 4 + 5.112 ) + (𝟐𝒙 + 𝟒/𝟓) 𝒅𝒙
1
4
∫ (9𝑥 4 − 6.6𝑥 2 + 1.21) (2𝑥 + ) 𝑑𝑥 = 0.8
0 5

4.49. Considere la situación del ejercicio 4.32 de la página 115. La distribución

del número de imperfecciones por 10 metros de tela sintética está dada por

x 0 1 2 3 4
F(x) 0.41 0.37 0.16 0.05 0.01

Encuentre la varianza y la desviación estándar del número de imperfecciones.

R/: 𝐸(𝑋) = (0)(0.41) + (1)(0.37) + (2)(0.16) + (3)(0.05) + (4)(0.01) = 0.88

E(𝑋)2 = (0)2 (0.41) + (1)2 (0.37) + (2)2 (0.16) + (3)2 (0.05) + (4)2 (0.01) = 1.62
Var(x) = 1.62 - 0.882 = 0.84
𝜎 = √0.84 = 0.91

4.50. En una tarea de laboratorio, si el equipo está funcionando, la función de

densidad del resultado observado, X, es

𝟐(𝟏 − 𝒙), 𝟎<𝒙<𝟏

𝒇(𝒙) = {
𝟎, 𝒆𝒏 𝒄𝒖𝒂𝒍𝒒𝒖𝒊𝒆𝒓 𝒄𝒂𝒔𝒐
Encuentre la varianza y la desviación estándar de X.

1 𝑥2 𝑥3
R/: 𝐸(𝑋) = 2 ∫0 𝑋(1 − 𝑥) 𝑑𝑥 = 2 ( − ) |10 = 1/3
2 3

1
𝑥3 𝑥 4
𝐸(𝑋)2 = 2 ∫ 𝑋(1 − 𝑥) 𝑑𝑥 = 2 ( − ) = 1/6
0 3 4

Var (x) = (1/6) – (1/3)2 = √1/18 = 0.23