4.
1 Dada la tabla siguiente:
X P(X)
0 0.8574
1 0.1354
2 0.0071
3 0.0001
Calcular las sumas:
1
a) ∑ P (x)
x=0
¿ P ( 0 ) + P (1 ) =0.8574+ 0.1354=0.9928
2 1
b) ∑ P ( x)−∑ P(x)
x=0 x=0
¿ [ P ( 0 ) + P ( 1 ) + P ( 2 ) ]−[ P ( 0 ) + P ( 1 ) ]
¿ 0.8574+ 0.1354+0.0071−0.8574−0.1354=0.007 1
4.2 Con referencia al ejercicio 4.1, calcular:
3
c) ∑ P (x)
x=0
¿ P ( 0 ) + P (1 ) + P ( 2 ) + P ( 3 )=0.8574 +0.1354+0.0071+0.0001=1
4.12 La vida promedio de un pesticida organoclorado (pesticida muy tóxico y persistente que
todavía se usa en países en desarrollo) depositado en la Tierra es una variable aleatoria con
función de densidad:
−x
1
f ( x )= e 60 para x ≥ 0
60
a) Dar el promedio del tiempo de degradación del pesticida.
∞ ∞ −x
1
μ=∫ xf ( x ) dx=¿ ∫ x e 60 dx ¿
0 0 60
∞ −x
1
μ= ∫ x e 60 dx
60 0
−x −x
μ=
1
60
[
−60 e 60 x−3600 e 60 ∞
0
]|
Reemplazamos los límites de integración
μ=60
b) Calcular la probabilidad de que el pesticida, sobreviva a los 100 días.
∞ −x −x
P ( X >100 )= ∫
1 60 1
60
e = [−60 e 60 ] ∞
60 100
|
100
Reemplazamos los límites de integración:
P ( X >100 )=0.1888756
4.7 Supóngase que la función de densidad de cierto experimento de mediciones de oxígeno
disuelto (OD) es exponencial con λ=1. Encontrar las siguientes probabilidades:
a) P(0< X <4 )
4
−x
P ( 0< X < 4 )=∫ e =−¿ e
−x
|4 ¿
0 0
Reemplazamos los límites de integración:
P ( 0< X < 4 )=0.98168
b) P( X < 4)
P ( X < 4 )=P ( 0< X <4 )
P ( X < 4 )=0.98168
c) P(2< X< 5)
5
P ( 2< X <5 ) =∫ e−x =−¿ e− x|5 ¿
2 2
P ( 2< X <5 ) =0 .128597
d) P(0< X <3)
3
P ( 0< X <3 )=∫ e− x =−¿ e−x|3 ¿
0 0
P ( 0< X <3 )=0 .95021
4.13 Supóngase que el tiempo en horas requeridas para reparar una bomba de calor es una
variable aleatoria X que tiene una distribución gamma con parámetros históricos de α=2 y
β=0.5.
a) Encontrar el promedio, la varianza y la desviación estándar de la variable X.
μ=αβ=( 2 ) ( 0.5 ) =1
σ 2=α β 2=( 2 ) ( 0.52 )=0.5
σ =0.7071
b) ¿Cuál es la probabilidad de que el siguiente servicio requiera más que 4 horas para
reparar la bomba?
P ( X > 4 )=1−P ( X ≤ 4 )=1−F ( 4 ; 0.5,2 )
Resultados de la función Gamma en geogebra
P ( X > 4 )=1−0.99698=0.00302
c) La probabilidad de que se requieran entre 3 y 4 horas para reparar la bomba.
P ( 3≤ X ≤ 4 )=F ( 4 ; 0.5,2 )−F (3 ; 0.5,2 )
Resultados de la función Gamma en geogebra y del inciso b
P ( 3≤ X ≤ 4 )=0.99698−0.98265=0.01433
4.14 Suponiendo que un estudio relacionado con la producción de cierta sustancia química
siga a una distribución gamma con α=3; entonces, encontrar las siguientes probabilidades:
a) P( X > 5)
P ( X >5 ) =1−P( X ≤ 5)
Resultados de la función Gamma en geogebra con β=1 ya que es una distribución estándar
P ( X >5 ) =1−0.87535=0.12465
b) P(3 ≤ X ≤5)
P ( 3≤ X ≤ 5 )=F ( 5 ; 3,1 )−F ( 3; 3,1 )
Resultados de la función Gamma en geogebra con β=1 ya que es una distribución estándar
P ( 3≤ X ≤ 5 )=0.87535−0.57681=0.29854
4.15 Éste es un problema que involucra el uso de la distribución gamma en donde aparecen
distribuciones que no son estándares. (Devore 2001, p. 171.) Supóngase que el tiempo X de
supervivencia, en semanas, de un ratón macho, seleccionado al azar y expuesto a 240 rads de
radiación gamma tiene una distribución gamma con α=8 y β=15.
a) Calcular la media y la varianza de X. Encontrar la probabilidad de que un ratón
sobreviva:
μ=αβ=( 8 )( 15 ) =120 semanas
σ 2=α β 2=( 8 ) ( 152 ) =1800 semanas
b) Entre 60 y 120 semanas.
P ( 60 ≤ X ≤ 120 )=F ( 120 ; 8,15 ) −F ( 60 ; 8,15 )
Resultados de la función Gamma en geogebra
P ( 60 ≤ X ≤ 120 )=0.54704−0.05113=0.49591
c) A lo más 30 semanas
P ( X ≤30 )=F(30; 8,15)
Resultados de la función Gamma en geogebra
P ( X ≤30 )=0.001097
4.16 Sea X la resistencia final a la tensión (ksi) a −200 °F de un tipo de metal que presenta
problemas de resistencia a temperaturas bajas. Supóngase que X tiene una distribución
Weibull con parámetros α=20 y β=100. Calcular lo siguiente:
a) La probabilidad de que la resistencia final a la tensión (ksi) a −200 °F se dé 105 a lo
más.
P ( X ≤10 5 ) =F ( 105; 20,100 )
20
− (105
100 )
P ( X ≤10 5 ) =1−e =1−0.070
P ( X ≤10 5 ) =0.93
b) Entre 98 y 102
P ( 98 ≤ X ≤ 102 )=F ( 98; 20,100 )−F ( 102 ; 20,100 )
20 20
98
− ( 100 ) − ( 102
100 )
P ( 98 ≤ X ≤ 102 )=e −e =0.513−0.226
P ( 98 ≤ X ≤ 102 )=0.287
4.17 La duración de cierta refacción (en meses) para automóviles sigue a una distribución
Weibull con α=25 y β=105. Calcular:
a) P( X ≤ 110)
P ( X ≤110 )=F ( 110; 25,105 )
25
− ( 110
105 )
P ( X ≤110 )=1−e =1−0.04078
P ( X ≤110 )=0.95922
b) P(90 ≤ X ≤115 )
P ( 90 ≤ X ≤ 115 )=F ( 90 ; 25,105 )−F (115 ; 25,105)
25 25
90
− (105 ) − ( 115
105 )
P ( 90 ≤ X ≤ 115 )=e −e
P ( 90 ≤ X ≤ 115 )=0.97902−0.00006
P ( 90 ≤ X ≤ 115 )=0.97896
c) La probabilidad de que la refacción se desgaste después de 60 meses
P ( X >60 ) =1−P ( X ≤6 0 )
25
60
( 105
− )
P ( X >60 ) =e
P ( X >60 ) =0.999
4.18 Se sabe que la distribución de Weibull se usa ampliamente en problemas de estadística
relacionados con el envejecimiento y deterioro de materiales sólidos aislantes sujetos a
voltajes de CA. Los valores de los parámetros dependen del voltaje y de la temperatura;
considere que se tiene un aparato cuya vida útil (en horas) sigue una distribución Weibull con
parámetros de densidad α=2.5 y β=200.
a) ¿Cuál es la probabilidad de que la vida de uno de estos aparatos sea a lo más de
200?
P ( X >200 ) =1−P ( X ≤12 0 )
2.5
( 200
−
200 )
P ( X >200 ) =e
P ( X >200 ) =0.36788
b) Menos que 200 horas.
2.5
− ( 200
200 )
P ( X ≤20 0 )=1−e
P ( X ≤200 )=0. 63212
c) Más de 300 horas.
P ( X >3 00 ) =1−P ( X ≤30 0 )
2.5
( 320000 )
−
P ( X >3 00 ) =e
P ( X >3 00 ) =0. 06356
d) Entre 100 y 200 horas
P ( 100≤ X ≤ 200 )=F ( 10 0 ; 2 .5 , 200 ) −F (200 ; 2 .5 , 200)
2 .5 2 .5
− ( 100
200 ) ( 200
−
200 )
P ( 100≤ X ≤ 200 )=e −e
P ( 100≤ X ≤ 200 )=0.837967−0.367879
P ( 100≤ X ≤ 200 )=0 .47009
