1.

Generalidades

1. Sea X una variable aleatoria continua con función densidad dada por:
(
kx2 −1 ≤ x ≤ 0
f (x) =
0 en otro caso

Determine:
a ) El valor de la constante k .
b ) E (X) y V (X).
c ) La función de distribución acumulada F .
d ) El valor x∗ tal que F (x∗ ) = 12 . El valor x∗ se denomina mediana
de la variable aleatoria X .

Soluciones
ˆ0 0
a) = 1 ⇐⇒ k = 3.
3 3 3
kx2 dx = k x3  = k 03 − k −13 = k
3
−1
−1

b)
ˆ0 0
= − 34 .
4
E (X) = x·3x2 dx = 3 x4  = 0 − 3
4
−1
−1
ˆ0 0
= 35 .
5
2
E (X ) = x2 · 3x2 dx = 3 x5  = 0 + 3
5
−1
−1

2
V (X) = E (X 2 ) − [E (X)]2 = 53 − − 43 = 3
5
− 9
16
= 3
80
.

 0 x < −1
ˆ

x



x
c ) F (x) = 3y 2 dy = y 3 |−1 = x3 + 1 −1 ≤ x ≤ 0

−1




1 x>0
d ) F (x∗ ) = (x∗ )3 + 1 = 1
2 3 .
⇐⇒ x∗ = − √
1
2

1
2. El tiempo de funcionamiento (en horas) hasta que se produzca la pri-
mera falla en ciertas componentes, es una variable aleatoria Y , con
función de distribución acumulada dada por
(
0 y<0
F (y) = 2
1 − e−y y≥0

a ) Determine la función densidad para la variable aleatoria Y .

b ) Calcule la probabilidad de que una componente funcione por lo
menos 200 horas.

Soluciones
1

0.8

0.6 F (y)
f (y)
0.4 1 − F (y)

0.2

0.5 1 1.5 2 2.5 3

a)

 0 y<0
ˆy


F (y) = 2

 1 − e−y = f (x) dx y ≥ 0

0

0 y<0
f (y) = d  2
 2
 dy 1 − e−y = 2ye−y y≥0
 
b ) P (Y ≥ 200) = 1 − F (200) = 1 − 1 − e−200 = e−40000 ≈ 0.
2

2
3. La duración en horas de un cierto tipo de tubos es una variable aleatoria
con función densidad dada por
(
100
t2
t ≥ 100
f (t) =
0 t < 100

a ) Calcule la probabilidad de que un tubo dure menos de 200 horas

cuando se sabe que aún funciona después de 150 horas.
b ) Si se instalan tres de tales tubos, calcule la probabilidad de que
uno de ellos dure a lo sumo 150 horas.
c ) ¾Cuál es el número mínimo de tubos que hay que colocar en con-
junto para que la probabilidad de que todos funcionen más de 150
horas sea menor o igual que 12 ?.

Soluciones
1
0.9 F (t)
0.8 f (t)
0.7 1 − F (t)
0.6
0.5
0.4
0.3
0.2
0.1

125 150 175 200

T : Duración en horas de un cierto tipo de tubo.

ˆt

0 + f (x) dx = − 100 t = t − 100 t ≥ 100


x 100
F (t) = t

 100
0 t < 100


3
 1
− 13
a ) P (T ≤ 200|T ≥ 150) = P (150≤T ≤200)
P (T ≥150)
= F (200)−F (150)
1−F (150)
= 2
1− 13
= 14 .
b)
Y : Cantidad de tubos que duran al lo sumo 150 horas, de
un total de 3. Y ∼ Bi (3, F (150)).


1 2
2 4
p (1) = 31 13 3
= 9.
c)
Z : Cantidad de tubos que duran al menos 150 horas, de un
total de n. Z ∼ Bi (n, 1 − F (150)).


n 1
0
n
p (n) = nn 32 = 23 ≤ 12 ⇐⇒ n > log 2 12 ≈ 1, 7095.


3 3
Deben colocarse al menos 2 tubos.

4. Un proceso químico puede producir un organismo de tipo A o B difíciles

de distinguir. Un organismo de tipo A contiene una proporción x de
una sustancia química que varía aleatoriamente con función densidad
(
4 (1 − x)3 0≤x≤1
f (x) =
0 en otro caso

Para un organismo de tipo B , la correspondiente función densidad es

(
6x (1 − x) 0 ≤ x ≤ 1
g (x) =
0 en otro caso

Se propone clasicar el tipo de un organismo, en función de la pro-

porción x de la sustancia química, con el siguiente criterio: si x ≤ 13
el organismo es clasicado de tipo A, y en otro caso, es clasicado de
tipo B . Calcule la probabilidad de que un organismo de tipo A sea
clasicado de tipo B .

4
 Solución
1.5
f (x)
g(x)

0.5

0.2 0.4 0.6 0.8 1

X : Proporción de la sustancia química presente en el organis-

mo.
ˆ1
1
P X > 31 /el organismo es de tipo A = 4 (1 − x)3 dx = − (x − 1)4  1 = 16
.


3
81
1
3

2. Distribución Uniforme

5. Se sabe que una variable aleatoria continua X tiene distribución uni-

forme en el intervalo [1, 4].
a ) Determine sus funciones densidad de probabilidades y de distri-
bución acumulada.
b ) Halle P (X > 2).
c ) Halle P (2 < X < 3).
d ) Halle P X < 32 .

5
 Soluciones
a)
ˆ4
k dx = kx|41 = 4k − k = 3k = 1 ⇐⇒ k = 31 .
1
(
1
3
1≤x≤4
f (x) =
0 en otro caso

 0 x<1
ˆx



x x−1
F (x) = f (y) dy = 31 y 1 = 13 x − 1
3
= 1≤x≤4

 3
1


1 x>4
b ) P (X > 2) = 1 − P (X ≤ 2) = 1 − F (2) = 1 − 2−1
3
= 32 .
c ) P (2 < X < 3) = F (3) − F (2) = 3−1
3
− 1
3
= 31 .
1
d ) P X < 32 = F 23 = 32 = 16 .

6. El tiempo en minutos que una persona demora en ir de su casa a una

estación de tren es una variable aleatoria T con distribución uniforme
en el intervalo [20, 25].
a ) Calcule la probabilidad de que si la persona deja su casa a las
07:05:00, alcance el tren que parte a las 07:28:00.
b ) Calcule el tiempo promedio que la persona demora en realizar el
trayecto desde su casa a la estación de tren.

Soluciones
T : Tiempo en minutos para ir desde la casa a la estación.

0 t < 20
(
1

20 ≤ t ≤ 25
T ∼ U [20, 25]. f (t) = 5 . F (t) = t−20 20 ≤ t ≤ 25 .
0 en otro caso  5
1 t > 25


a ) P (T ≤ 23) = F (23) = 23−20

5
= 35 .
b ) E (T ) = 20+25
2
= 45
2
.

6
3. Distribución Exponencial y Erlang

7. La duración en horas de cierta componente electrónica es una variable

aleatoria X con distribución exponencial de parámetro α = 100
1
.
a ) Calcule P (X ≤ E (X)).
b ) Calcule la mediana y la esperanza de X y compárelas.
c ) Un equipo está formado por tres de dichas componentes que fun-
cionan independientemente. El equipo falla cuando fallan al menos
dos componentes. Calcule la probabilidad de que el equipo funcio-
ne por lo menos 200 horas.

Soluciones
0.6

0.5

0.4
f (x)
0.3 F (x)

0.2

0.1

10 20 30 40 50 60 70 80 90 100

a ) P (X ≤ E (X)) = P (X ≤ 100) = F (100) = 1 − e−1 ≈ 0, 6321.

b)
1 ∗ 1 ∗
F (x∗ ) = 1 − e− 100 x = 12 ⇐⇒ e− 100 x = 12 ⇐⇒ − 100
1
x∗ = ln 12 =


1
= ln (1) − ln (2) = − ln (2) ⇐⇒ 100 x∗ = ln (2) ⇐⇒ x∗ = ln (2) · 100.
x∗ ≈ 69, 3147 < 100 = E (X).
c)
Y : Cantidad de componentes que fallan antes de 200 horas
de un total de tres. Y ∼ Bi (3; P (X < 200)) ≈ Bi (3; 0, 865).
1 − P (Y ≥ 2) = COMPLETAR.

7
8. El número de accidentes en una fábrica se puede representar por un
proceso de Poisson con promedio dos accidentes por semana.
a ) Calcule la probabilidad de que el tiempo entre dos accidentes sea
mayor que 3 días.
b ) Calcule la probabilidad de que el tiempo hasta el tercer accidente
sea mayor que 12 días.

Soluciones
Xt : Cantidad de accidentes en una fábrica en t días.
λ= 2 accidentes
7 dias
. Xt ∼ P o (λt).

a)
Y : Tiempo en días entre dos accidentes.
( (
0 y ≤ 0 0 y≤0
Y ∼ Ex 27 . f (y) = 2 − 2 y . F (y) = .


2
7
e 7 y>0 1 − e− 7 y y>0

1
0.9
0.8
0.7
0.6 f (x)
0.5 F (x)
0.4 1 − F (x)
0.3
0.2
0.1

3 6 12 9 15


P (Y > 3) = 1 − F (3) = 1 − 1 − e− 7 3 = e− 7 ≈ 0, 42437.
2 6

8
 b)
Z : Tiempo en días hasta el tercer accidente. Z ∼ Er 72 , 3 .


3−1
 
2 3−1
 2 − 2 z ( 7 z)
n
X 2
e− 7 z 27 z n!1 z > 0

1 −
e 7 z > 0
f (z) = 7 (3−1)! F (z) = n=0
0 z≤0 
0 z≤0

n h 2 io
P (Z > 12) = 1 − F (12) = 1 − 1 − e− 7 12 1 + 27 12 + 49 4
144 12 ≈ 0, 33426.

9. El número de diarios que vende un canillita es una variable aleatoria

X con distribución de Poisson con tasa 50 diarios/hora.

a ) Calcule la probabilidad de que transcurran más de dos minutos

entre dos ventas.
b) Si el canillita tarda 5 minutos en preparar y tomar un café, calcule
la probabilidad de que realice esas acciones sin ser interrumpido
por un cliente.
c) Calcule el tiempo promedio que transcurre entre dos ventas.
d) Calcule la probabilidad de que transcurran en total más de siete
minutos para la siguiente venta, dado que ya han transcurrido
cinco minutos desde la última.
e) Calcule la probabilidad de que transcurran más de ocho minutos
hasta la quinta venta.
f) Calcule el tiempo promedio que transcurre hasta la quinta venta.

Soluciones
Xt : Numero de diarios vendidos en t minutos.
e−λt (λt)k
λ= 50 diarios
60 minuto
= . Xt ∼ P o (λt). P (Xt = k) =
5 diarios
6 minutos k!
.
Y : Tiempo en minutos entre dos ventas sucesivas.
( (
0 y≤0 0 y≤0
5
. f (y) = . F (y) = .


Y ∼ Ex 6 5 − 56 y 5
6
e y>0 1 − e− 6 y y>0

9
 1
0.9
0.8
0.7
0.6 f (y)
0.5 F (y)
0.4 1 − F (y)
0.3
0.2
0.1

1 2 3 4 5 6

a ) P (Y ≥ 2) = 1 − F (2) ≈ 1 − 0, 8111 = 0, 1889.

b ) P (Y ≥ 5) = 1 − F (5) ≈ 1 − 0, 9845 = 0, 0155.
c ) E (Y ) = 56 .
d ) P (Y ≥ 7|Y ≥ 5) = P (Y ≥ 2) ≈ 0, 1889.
e)
Z : Tiempo en minutos hasta la quinta venta. Z ∼ Er 65 , 5 .



 5 − 5 z ( 56 z)5−1
e 6 (5−1)! z > 0
f (z) = 6
0 z≤0
5−1

X 5
n
e− 6 z 65 z n!1 z > 0

1 −
F (z) = n=0

0 z≤0

" 4
#
n
X 5
e− 6 8 65 8 n!1 =


P (Z ≥ 8) = 1 − F (8) = 1 − 1 −
" 4 n=0 #
4
X 40
n 1 40
X
40 n 1
e− 6 40 = e− 6


= 6 n! 6 n!
=
n=0 h n=0
− 40 40 2 1 40 3 1

i
40 4 1 40
1 + 6 + 6 2 + 6 6 + 6 24 ≈ e− 6 ·161, 576
40



=e 6

f ) E (Z) = 5
5 = 6.
6

10
4. Distribución Normal

10. Pruebe que si Z es una variable aleatoria con distribución normal con
media 0 y desvío estándar 1, entonces P (−a < Z < a) = 2P (Z < a) − 1.

Solución COMPLETAR.
11. El tiempo de duración de cierta pila es una variable aleatoria X normal-
mente distribuida con media µ = 500hs y desvío estándar σ = 50hs.
a ) ¾Qué porcentaje de pilas duran más de 580 hs?
b ) ¾Qué porcentaje de pilas duran menos de 450 hs?

Soluciones
f (x)

400 450 500 550 600 650

a)
P (X ≥ 580) = 1 − P (X < 580).
• Z = X−500
50
. X < 580 ⇐⇒ Z = X−500
50
< 580−500
50
= 85 .
• P (X ≥ 580) = 1 − P Z < 85 ≈ 1 − 0, 9452 = 0, 0548.

b)
P (X < 450).
• X < 450 ⇐⇒ Z = X−50050
< 450−500
50
= −1.
• P (X < 450) = P (Z < −1) ≈ 0, 15866.

11
12. Los alambres que se utilizan en cierta computadora deben tener una
resistencia entre 0,12 y 0,14 ohms. Las resistencias de los alambres
producidos por una empresa tienen una distribución normal con media
µ = 0, 13 ohms y desviación estándar σ = 0, 005 ohms. Si se utilizan
cuatro de estos alambres, ¾cuál es la probabilidad de que los cuatro
cumplan con las especicaciones?

Solución
X : Resistencia en ohms de los alambres producidos por la em-
presa. X ∼ N (0, 13; 0, 005).
P (0, 12 ≤ X ≤ 0, 14) = F (0, 14) − F (0, 12).
• 0, 12 ≤ X ≤ 0, 14 ⇐⇒ −2 = 0,01
0,005
≤Z= X−0,13
0,005
≤ 0,01
0,005
= 2.
• P (−2 ≤ Z ≤ 2) = F (2) − F (−2) ≈ 0, 97725 − 0, 02275 = 0, 9545.
Y : Cantidad de alambres que cumplen la especicación de un
total de 4. Y ≈ B (4; 0, 9545).
P (Y = 4) ≈ 1 · 0, 95454 · 1 ≈ 0.83.

13. Supongamos que la duración de dos instrumentos electrónicos D1 y D2

tienen distribuciones normales con medias µ1 = 40hs, µ2 = 45hs y
desvíos estándares σ1 = 36hs y σ2 = 9hs respectivamente.
a ) ¾Cuál debería preferirse para ser usado durante un período de 45
hs?
b ) ¾Cuál debería preferirse para ser usado durante un período de 48
hs?

Soluciones
Di : Duración en horas del instrumento i.
D1 ∼ N (40hs, 36hs). D2 ∼ N (45hs, 9hs).

12
a)

f (d1 )
f (d2 )

20 40 60 80 100 120 140

P (D1 ≥ 45) = 1 − P (D1 < 45).
• Z1 = D136−40
. D1 < 45 ⇐⇒ Z1 = D136−40 < 45−40
36
5
= 36 .
• P (D1 ≥ 45) = 1 − P Z1 < 36 ≈ 1 − 0, 55567 = 0, 44433 .
5

P (D2 > 45) = 1 − P (D2 < 45).

• Z2 = D2 9−45 D2 < 45 ⇐⇒ Z2 < 0.
1
• P (D2 ≥ 45) = 1 − P (Z2 < 0) = 1 − 1
2
= .
2
Es preferible usar D2 .
b)

f (d1 )
f (d2 )

20 40 60 80 100 120 140

P (D1 ≥ 48) = 1 − P (D1 < 48).
• Z1 = D136−40
. D1 < 48 ⇐⇒ Z1 = D136−40 < 48−40
36
8
= 36 .
• P (D1 ≥ 48) = 1 − P Z1 < 36 ≈ 1 − 0, 58706 = 0, 41294 .
8

P (D2 > 48) = 1 − P (D2 < 48).

• Z2 = D2 9−45 . D2 < 48 ⇐⇒ Z2 < 48−45
9
= 13 .
• P (D2 ≥ 48) = 1 − P Z2 < 13 ≈ 1 − 0, 6293 = 0, 3707 .

Es preferible usar D1 .

13
14. El tiempo de duración de una batería tiene una distribución normal
con media 280 hs. Determine el máximo valor admisible para el des-
vío estándar si se desea que la batería funcione menos de 320 hs. con
probabilidad 100
90
.

Solución
σ = 20
σ = 31
σ = 45

200 220 240 260 280 300 320 340 360 380

P (X < 320).
• Z = X−280
σ
. X < 320 ⇐⇒ Z = X−280
σ
< 320−280
σ
= 40
σ
.
• P (X < 320) = P Z < σ = 100 ⇐⇒ σ ≈ 31.
40 90

15. La venta semanal de nafta (en toneladas) de una estación de servicio

es una variable aleatoria X con distribución normal con media 100
y desvío estándar 10. Suponiendo que el camión de suministro viene
una vez por semana, calcule la capacidad que debe tener la cisterna
de la estación para poder satisfacer la demanda de sus clientes con
probabilidad 100
99
.

Solución
f (x)

75 80 85 90 95 100 105 110 115 120 125 130

14
 99
P (X < x) = 100 .
• Z = 10 . X < x ⇐⇒ Z = X−100
X−100
10
< x−100
10
.
• P (X < x) = P Z < 10 = 100 ⇐⇒ 10 ≈ 2, 33 ⇐⇒ x ≈ 123, 3.
x−100 99 x−100

Debe tener una capacidad superior a 123,3 toneladas.

16. La producción anual en una fábrica es una variable aleatoria X con
distribución normal con media µ y desvío estándar σ . El 90 % de los
años la producción es inferior a 1300 y el 40 % de los años es superior
a 1100. Halle la probabilidad de que la producción durante un año sea
superior a 1000.

Solución
P (X ≤ 1300) = . P (X ≥ 1100) = 100
90
100
40
. Z = X−µ σ
.
• X ≤ 1300 ⇐⇒ Z ≤ 1300−µ . P Z ≤ 1300−µ 90
⇐⇒ 1300−µ ≈ 1, 29.


σ σ
= 100 σ
• X ≥ 1100 ⇐⇒ Z ≥ σ . P
Z ≥ σ
1100−µ 1100−µ 1100−µ



= 1−P Z ≤ σ =
40
100
60
⇐⇒ 100 = P Z ≤ σ 1100−µ
⇐⇒ 1100−µ
σ
≈ 0, 26.
(
1, 29σ + µ = 1300
• ⇐⇒ µ ≈ 1049, 514 ∧ σ ≈ 194, 175.
0, 26σ + µ = 1100

f (x)

µ 1300

f (x)

µ1100

15
  
P (X ≥ 1000) = 1 − P Z ≤ 1000−1049,514
194,175
≈ −0, 255 ≈ 1 − 0, 44038 = 0, 55962.

f (x)

1000µ

17. Se desea ajustar una máquina para envasar café en frascos de 180 grs.
Se conoce que el envasado de café varía aleatoriamente con distribución
normal y desvío estándar σ = 5grs. Determine el máximo valor posible
para el ajuste (µ), de modo que la probabilidad de volcar café en el
proceso de envasado sea a lo sumo 1002
.

Solución
µ = 169
µ = 150
µ = 190

140 150 160 170 180 190 200

X : Envasado de café en gramos.

X ∼ N (µ, 5).
P (X ≥ 180) = 1 −
P (X ≤ 180) = 1 − P Z ≤ 180−µ 2


5
≤ 100 ⇐⇒
98 180−µ 180−µ
100
≤ P Z ≤ 5
⇐⇒ 2, 06 > 5
⇐⇒ µ > 169, 7

16
18. La bebida Delicia Jamaiquina se vende en latas de 315 ml. El vo-
lumen promedio que vierte la máquina llenadora en una lata es 300
ml, con desvío estándar 6 ml. Si se supone que el volumen de bebida
vertido por la llenadora sigue una distribución normal.
a ) ¾Cuál es la probabilidad que la máquina llenadora provoque un
derrame en una lata?
b ) Las especicaciones del contenido son 300 ± 20 ml. ¾Qué propor-
ción de latas cumple con el requisito?

Soluciones
X : Volumen vertido por la llenadora en ml. X ∼ N (300ml, 6ml).

f (x)

302 304 306 308 310 312 314 316 318

a)
P (X > 315) = 1 − F (315).
• Z = X−300
6
. X < 315 ⇒ Z < 315−300
6
= 15
6
= 2, 5.
• P (X > 315) = 1−P (Z < 2, 5) ≈ 1−0, 99379 = 0, 00621.
b)
P (X > 280) = 1 − P (X < 280).
• X < 280 ⇐⇒ Z < 280−300
6
= − 10 .

3
• P (X > 280) = 1 − P Z < − 3 ≈ 1 − 0, 99957.
10

17
5. Función de variable aleatoria

19. El número de días necesarios para concluir cierto proyecto de construc-

ción es una v. a. X con distribución:

x 10 11 12 13 14
p (x) 0, 2 0, 3 0, 3 0, 1 0, 1

y la ganancia del contratista es Y = 1000 (12 − X).

a ) Determine la distribución de probabilidad de Y .
b ) Calcule E (X), V (X), E (Y ) y V (Y ).

Soluciones
a)
y 2000 1000 0 −1000 −2000
p (y) 0, 2 0, 3 0, 3 0, 1 0, 1
b)
E (X) = 10 · 0, 2 + 11 · 0, 3 + 12 · 0, 3 + 13 · 0, 1 + 14 · 0, 1 = 11, 6.
E (X 2 ) = 102 ·0, 2+112 ·0, 3+122 ·0, 3+132 ·0, 1+142 ·0, 1 = 136.
V (X) = E (X 2 ) − [E (X)]2 = 136 − 11, 62 = 1, 44.
E (Y ) = COM P LET AR.
E (Y 2 ) = COM P LET AR.
V (Y ) = E (Y 2 ) − [E (Y )]2 = COM P LET AR.

20. Sea X una variable aleatoria con distribución de probabilidad p (x) = x6 ,

donde x = 1, 2, 3 e Y = (X − 2)2 .
a ) Determine la distribución de probabilidad de Y .
b ) Calcule E (Y ) y V (Y ).

18
 Soluciones
a)
y = 0 ⇐⇒ x = 2.
y = 1 ⇐⇒ x = 1 ∨ x = 3.
y 0 1 2 3
2 1 3 4
p (y) 6 6
+ 6
= 6
0 0

b)
E (Y ) = 0 + 46 = 46 .
E (Y 2 ) = 0 + 46 = 64 .
V (Y ) = 46 − 16
36
= 368
.
21. El contenido de magnesio en una aleación es una v. a. con función de
densidad fX (x) = 18x
, 0 ≤ x ≤ 6. La ganancia que se obtiene de la
aleación es G = 10 + 2X .
a ) Determine la distribución de densidad de G.
b ) Calcule E (G).

Soluciones
a)
0 ≤ x ≤ 6 ⇐⇒ 0 ≤ 2x ≤ 12 ⇐⇒ 10 ≤ g ≤ 22.
g−10
ˆ2
g−10 x


P (G ≤ g) = P (10 + 2X ≤ g) = P X ≤ 2
= 18
dx =
0
 g−10
x2
(g 2 − 20g + 100).
 2 1
= 36  = 144
0

0
 g < 10
1 2
FG (g) = 144 (g − 20g + 100) 10 ≤ g ≤ 22

1 g > 22


 d 1 (g 2 − 20g + 100) = 1 (g − 10)

10 ≤ g ≤ 22
fG (g) = dg 144 72
en otro caso

0

19
 Alternativa
     
g − 10  d g − 10  g − 10  1 
  = 1 (g − 10)
fG (g) = fX  =
2  dg 2  36  2  72

b)
ˆ6 6
E (X) = x· x
18
dx = x3 
54 
= 4.
0
0
E (G) = E (10 + 2X) = 10 + 2E (X) = 10 + 8 = 18
22. Determine la función densidad de la variable aleatoria Y , siendo Y = 4 − X 2
y X ∼ U [−1, 1].

Solución

(
1 0
 x < −1
2
−1 ≤ x ≤ 1 x−1
fX (x) = FX (x) = −1 ≤ x ≤ 1
0 en otro caso  2
1 x>1


0 ≤ X ≤ 1 ⇐⇒ 0 ≤ X 2 ≤ 1 ⇐⇒ 0 ≥ −X 2 ≥ −1 ⇐⇒ 4 ≥ Y ≥ 3.
−1 ≤ X ≤ 0 ⇐⇒ 1 ≥ X 2 ≥ 0 ⇐⇒ −1 ≤ −X 2 ≤ 0 ⇐⇒ 3 ≤ Y ≤ 4.
∴ RX = [−1, 1] ⇐⇒ RY = [3, 4].
FY (y) = P (Y ≤ y) = P (4 − X 2 ≤ y) = P (X 2 ≥ 4 − y) =
√
√
√

= P |X| ≥ 4 − y = P X ≥ 4 − y + P X ≤ − 4 − y =
√ √ √ √
4 − y = − 4−y−1 2 4−y−1



= FX − 4 − y + 1 − FX 2 √
+ 2
− 2
=
√ √
= 2 · − 4 − y − 1 + 2 − 4 − y + 1 = 1 − 4 − y.
1



0 √
 y<3
FY (y) = 1 − 4 − y 3 ≤ y ≤ 4

1 y>4


23. Un cierto tipo de instrumento electrónico tiene una duración X (en

unidades de 1.000 hs.) que varía aleatoriamente con función densidad
f (x) = e−x , x > 0. El costo de fabricar tal instrumento es de $2. El
fabricante vende el instrumento por $5, pero garantiza un reembolso
total si X ≤ 0, 9. Determine la esperanza matemática de la utilidad
por instrumento.

20
 Solución
1
0.9
0.8
0.7
0.6 f (y)
0.5 F (y)
0.4 1 − F (y)
0.3
0.2
0.1

1 2 3 4 5 6

X : Duración de un instrumento electrónico en unidades de 1000

horas. X ∼ Ex (1).
R: Reembolso en pesos si la duración es menor a 900 horas.
(
5 x ≤ 0, 9
• R= .
0 x > 0, 9
U : Utilidad por instrumento en pesos.
( (
−2 r = 5 −2 x ≤ 0, 9
• U =5−2−R= =
3 r=0 3 x > 0, 9
• P (U = −2) = P (X ≤ 0, 9) = P (X ≤ 0, 9) = 1 − e−0.9 .
• P (U = 3) = P (X > 0, 9) = 1 − P (X ≤ 0, 9) = e−0.9 .
• E (U ) = −2 · (1 − e−0.9 ) + 3 · (e−0.9 ) ≈ 0, 0328.

24. Un lote de 10 motores eléctricos es vendido o rechazado según el resul-

tado del siguiente proceso de inspección. Se eligen al azar dos motores
y se inspeccionan. Si al menos uno es defectuoso el lote es rechazado,
de lo contrario se acepta. El costo de fabricar un motor es de $75 y
se vende por $100. Si el lote contiene 1 motor defectuoso, calcule la
esperanza matemática de la utilidad por lote.

21
 Solución COMPLETAR.
25. Considere una v. a. X ∼ U [0, 1]. Halle la función de densidad de la v.
a. Y cuando:
a ) Y = a + (b − a) X , b > a.
b ) Y = − λ1 ln (X), λ > 0.

Soluciones
a ) COMPLETAR.
b ) COMPLETAR.

26. Sea X una variable aleatoria con distribución binomial con parámetros
n y p. Hallar la distribución de la variable aleatoria Y = n − X .

Solución
n
px q n−x . RX = {0, . . . , n}.


P (X = x) = x
n

n−y n−(n−y)
P (Y = y) = P (n − X = y) = P (X = n − y) = n−y
p q =
n
p q . RY = {n, . . . , 0}.

n−y y
= n−y

27. En una empresa embotelladora de jugos, la cantidad de líquido por

botella es una v. a. X ∼ N (500ml, 30ml).
a ) Calcule la probabilidad de que una botella contenga menos de 430
ml.
b ) Las botellas se venden en pack de 12 de ellas. Calcule la probabi-
lidad de que, en un pack, por lo menos 3 de ellas contengan menos
de 430 ml.
c ) El costo de producción de cada botella es $0,20 y cada pack se
vende al supermercadista a $4,80. Si en el pack se detectan 3 o más
unidades con menos de 430 ml, el pack se considera defectuoso y la
empresa reembolsa al supermercadista el doble del dinero recibido
por el pack. Calcule la ganancia promedio por cada pack.

22
 Soluciones
a ) COMPLETAR.
b ) COMPLETAR.
c ) COMPLETAR.

28. El intervalo de tiempo empleado en determinado trabajo en la cons-

trucción de una casa es una variable aleatoria X cuya distribución es
exponencial con un promedio de 10 horas. El costo de ese trabajo es
C = 100 + 40X + 3X 2 . Calcule la esperanza matemática de C . ¾Espera
que el valor de C sea mayor que $2000 con mucha frecuencia?

Solución
X : Intervalo de tiempo empleado en el trabajo en la construcción
de una casa.
. f (x) = . E (X) = 10.
1

1
1 − 10
X ∼ Ex 10 10
e x
ˆ∞ ˆ∞ ˆu
1
1 − 10 1
1 − 10 x
E (X ) = x2 f (x) dx =
2
x2 10 e x dx = lı́m x2 10 e dx =
u→∞
0 0 0
u
u 2000−(10u2 +200u+2000)e− 10
= 200.
x
2 − 10
= lı́m − (x + 20x + 200) e  = lı́m
0 10
u→∞ u→∞

E (C) = E (100) + 40E (X) + 3E (X 2 ) = 100 + 40 · 10 + 3 · 200 = 1100.

 

20 2

100
  20
 q 2000+ 100
P (C ≥ 2000) = P 3 X + 3 − 3 ≥ 2000 = P X + 3  ≥ 3
3
=
 q   q 
20 2000+ 100 20 2000+ 100
=P X+ 3 ≤− 3
3
+P X + 3 ≥ 3
3
≈
 
= e− 10 ·19,3675 ≈ 0, 144.
1 1
− 10 ·19,3675
≈ 0 + P (X ≥ 19, 3675) = 0 + 1 − 1 − e

23