Estadı́stica-ejercicios

July 2023

1 Actividad 5
1. Si la distribución de probabilidad conjunta de X y Y está dada por
f (x, y) = c(x2 + y 2 ) para x = −1, 0, 1, 3; y y = −1, 2, 3, encuentra el
valor de c.
Resolución
La distribución de probabilidad conjunta de x y y está dada por f (x, y) =
c(x2 + y 2 ) para x = −1, 0, 1, 3 y y = −1, 2, 3.
Se debe cumplir lo siguiente:
1. f (x, y) ≥ 0
PP
2. f (x, y) = 1
3. P (X = x, Y = y) = f (x, y)
Las combinaciones de (x, y) son: (−1, −1), (0, −1), (1, −1), (3, −1), (−1, 2),
(0, 2), (1, 2), (3, 2), (−1, 3), (0, 3), (1, 3), (3, 3).
Para calcular el valor de c, debemos evaluar la suma de f (x, y) y hacerla
igual a 1:

c(1 + 1) + c(0 + 1) + c(1 + 1) + c(9 + 1) + c(1 + 9) + c(0 + 4) + c(1 + 4) + c(9 + 4)

+ c(1 + 9) + c(0 + 9) + c(1 + 9) + c(9 + 9) = 1
⇒ 2c + c + 2c + 10c + 5c + 4c + 5c + 13c + 10c + 9c + 10c + 18c = 1
⇒ 89c = 1
1
⇒c=
89

2. Encuentre la densidad de probabilidad conjunta de las dos variables aleato-

rias X y Y cuya función de distribución conjunta está dada por

(1 − e−x − e−y + e−x−y )


para x > 0, y > 0
F (x, y) =
0 en cualquier otra parte

1
 Resolución
La resolución de la función de distribución conjunta es la siguiente:

∂ 2 F (x, y)
Z
=
(x,y) ∂x∂y

Dada la función de distribución conjunta:

F (x, y) = 1 − e−x − e−y + e−x−y

Calculamos la primera derivada parcial con respecto a x:

∂F (x, y)
= e−x − e−x−y
∂x

Y calculamos la segunda derivada parcial con respecto a x e y:

∂ 2 F (x, y) ∂
e−x − e−x−y = e−x−y


=
∂x∂y ∂y

Por lo tanto, la segunda derivada parcial de la función de distribución

conjunta con respecto a x e y es e−x−y .

3. Dados los valores de la distribución de probabilidad conjunta de X y Y

mostrados en la tabla encuentre

a) la distribución marginal de X;
b) la distribución marginal de Y;
c) la distribución condicional de X dado Y = -1
Resolución
La distribución marginal de X se calcula de la siguiente manera:
Cuando X = −1:
X 1 1 1
P (X = −1) = f (X, y) = +0+ =
y
8 8 4

2
 Cuando X = 1:
X 1 1 3
P (X = 1) = f (X, y) = + =
y
2 4 4

La distribución marginal de Y se calcula de la siguiente manera:

Cuando Y = −1:
X 1 1 5
P (Y = −1) = f (x, y) = + =
x
8 2 8

Cuando Y = 0:
X 1 1
P (Y = 0) = f (x, y) = 0 + =
x
4 4

Cuando Y = 1:
X 1 1
P (Y = 1) = f (x, y) = +0=
x
8 8

La distribución condicionada de X dado Y = −1 se calcula de la siguiente

manera:
Cuando X = −1, dado Y = −1:
1
P (X = −1|Y = −1) =
8

Cuando X = 1, dado Y = −1:

1
P (X = 1|Y = −1) =
2

4. Si la densidad de probabilidad conjunta de X y Y

a) La densidad marginal de X.
b) La densidad marginal de Y .
Resolución
La densidad marginal de X se calcula de la siguiente manera:
Z ∞
fX (x) = f (x, y) dy
−∞
Z 1−x
fX (x) = 24y(1 − x − y) dy
0

3
 Z 1−x
fX (x) = (24y − 24xy − 24y 2 ) dy
0
1−x

2 2 3
fX (x) = 12y − 12xy − 8y 

0
3
fX (x) = 4(1 − x)

La densidad marginal de Y se calcula de la siguiente manera:

Z ∞
fY (y) = f (x, y) dx
−∞
Z 1−y
fY (y) = 24y(1 − x − y) dx
0
Z 1−y
fY (y) = 24y (1 − x − y) dx
0
 1−y
x2

fY (y) = 24y x − − yx 

2 
0
2
 
(1 − y)
fY (y) = 24y 1 − y − − y(1 − y)
2

5. Si F (x, y) es el valor de la función de distribución conjunta de X y Y en

(x, y), demuestre que la función de distribución marginal de X está dada
por:
G(x) = F (x, ∞) para − ∞ < x < ∞
Use este resultado para encontrar la función de distribución marginal de
X para las variables aleatorias con

 2 2
(1 − e−x )(1 − e−y ) para x > 0, y > 0
F (x, y) =
0 en cualquier otra parte

Resolución
La función de distribución conjunta de las variables aleatorias X e Y se
define como F (x, y) = P (X ≤ x, Y ≤ y).
La función de distribución marginal se define como G(x) = P (X ≤ x).
Para demostrar que G(x) = F (x, ∞), verificamos que:

P (X ≤ x) = P (X ≤ x, Y ≤ ∞) (se elimina y porque puede tomar cualquier valor)

4
 P (X ≤ x) = P (X ≤ x)
2 2
La función de distribución conjunta es F (x, y) = (1 − e−x )(1 − e−y ) para
x > 0, y > 0.
Usando la sustitución y = ∞ en G(x) = F (x, ∞), obtenemos:
2 2
G(x) = F (x, ∞) = (1 − e−x )(1 − e−∞ )
2
G(x) = F (x, ∞) = (1 − e−x )

 2
1 − e−x para x > 0
F (x, y) =
0 en cualquier otra parte

6. Si X es el número de caras y Y es el número de caras menos el número

de sellos obtenidos en tres lanzamientos de una moneda balanceada, ela-
bore una table que muestre los valores de la distribución de probabilidad
conjunta de X y Y.
Resolución
X es el número de caras
Y es el número de caras menos el número de sellos obtenidos

X Y P(X,Y)
1
0 0 8
1
1 0 8
1
1 1 8
1
2 0 8
1
2 1 8
1
2 2 8
1
3 0 8
1
3 1 8
1
3 2 8
1
3 3 8

7. Una cierta universidad plica exámenes de aptitud a todos los alumnos de

primer ingreso en ciencias y humanidades. Si X y Y son, respectivamente,
las proporciones de respuestas correctas que un estudiante obtiene en las
pruebas de las dos materias, la distribución de probabilidad conjunta de
estas variables aleatorias se puede aproximar con la densidad de probabil-
idad conjunta.

5
 2

F (x, y) = 5 (2x + 3y) para 0 < x < 1, 0 < y < 1
0 en cualquier otra parte

¿Cuáles son las probabilidades de que un estudiante obtenga

a) menos de 0.40 en ambas pruebas;
b) más de 0.80 en la prueba de ciencias y menos de 0.50 en la prueba de
humanidades?
Resolución
Para el primer caso, calcular la probabilidad de obtener menos de 0.40 en
ambas pruebas P (X < 0.40, Y < 0.40):
Z 0.40 Z 0.40
2
(2x + 3y)dxdy
0 0 5
Z 0.40 Z 0.40
2
(2x + 3y)dxdy
5 0 0

2 0.40 2
Z
|x + 3yx|dy
5 0
2 0.40
Z
(0.16 + 1.2y)dy
5 0
0.40
2  0.16y + (1.2y 2 ) 


5 2 
0
2
(0.064 + 0.096)
5
0.064

Para el segundo caso, calcular la probabilidad de obtener más de 0.80 en

la prueba de ciencias y menos de 0.50 en la prueba de humanidades

0.80 ≤ X ≤ 0 0 ≤ Y ≤ 0.50
Z 0.50 Z 1
2
(2x + 3y)dxdy
0 0.80 5

2 0.50 1
Z Z
(2x + 3y)dxdy
5 0 0.80

2 0.50 2
Z
|x + 3yx|dy
5 0
2 0.50
Z
(1 + 3y − 0.64 − 2.4y)dy
5 0

6
  0.50
2  3 2 2 

y + y − 0.64y − 1.2y 
5  2 0
0.102

8. Se seleccionan al azar dos libros de texto de un anaquel que contiene tres

textos de estadı́stica, dos textos de matemáticas y tres textos de fı́sica.
Si X es el número de textos de estadı́stica y Y el número de textos de
matemáticas realmente escogidos, construya una tabla que muestre los
valores de la distribución de probabilidad conjunta de X y Y.
Resolución
x = 0, 1, 2, 3 y = 0, 1, 2

- 0 1 2 3
3 9 3
0 28 28 18 0
3 3
1 14 14 0 0
1
2 28 0 0 0

3
Espacio muestral: C(8,2) = 28
C(3,2) C(2,1)C(3,1) C(2,2) C(3,1)C(3,1) C(3,2)C(2,1) C(3,2)
C(8,2) + C(8,2) + C(8,2) + C(8,2) + C(8,2) + C(8,2)
3 3 1 9) 3 3
28 + 14 + 28 + 28 + 14 + 28 =1

9. Si se sacan dos cartas aleatoriamente (sin reemplazo) de una baraja común

de 52 cartas de juego, Z es el número de ases obtenidos en la primera carta
y W es el número total de ases obtenidos en las dos cartas, encuentre:
a) la distribución de probabilidad conjunta de Z y W;
Resolución
Z W Resultado
48 47 188
0 0 52 · 51 = 221
4 48 16
1 1 52 · 51 = 221
4 3 1
1 2 52 · 51 = 221
48 4 16
0 1 52 · 51 = 221
b) la distribución marginal de Z;
G(z) = w (z, w) = 188 16 204
P
221 + 221 + 0 = 221
c) la distribución condicional de W dado Z = 1.
P (W ∩Z)
G(W/Z = 1) P (W/Z) = P (Z)
16
G(W/Z = 1) = P (W = 1/Z = 1) = 17
1
P (W = 1/Z = 1) = 17

7
10. La vida útil (en horas) de cierta clase de tubo al vacı́o es una variable
aleatoria que tiene la densidad de probabilidad
 2000
(x+100)3 para x > 0
F (x, y) =
0 en cualquier otra parte
Si tres de estos tubos funcionan independientemente, encuentre:
a) la densidad de probabilidad conjunta de X1, X2 y X3, que representan
las longitudes de sus vidas útiles;
Resolución
La densidad de probabilidad conjunta, considerando que la densidad de
20000
probabilidad de cada tubo es f (x) = (x+100) 3 para x > 0 y 0 en cualquier

otra parte, se puede escribir como (multiplicamos las 3 funciones):

20000 20000 20000

f (x1 , x2 , x3 ) = f (x1 )·f (x2 )·f (x3 ) = · ·
(x1 + 100)3 (x2 + 100)3 (x3 + 100)3
b) P(X1 < 100, X2 < 100, X3 ≥ 200)

∞    ∞
−5000
Z
20000
dx1 =
200 (x1 + 100)3 (x1 + 100)2 200
   
−5000 −5000
= −
(∞ + 100)2 (200 + 100)2
   
−5000 −5000
= −
∞ 3002
 
−5000
=0−
90000
5000
=
90000
1
=
18

100    100
−5000
Z
1 20000 1
· dx2 = ·
−∞ 18 (x2 + 100)3 18 (x2 + 100)2 −∞
   
1 −5000 1 −5000
= · − ·
18 (100 + 100)2 18 ∞
   
1 −5000 1 −5000
= · − ·
18 2002 18 ∞
−5000
=
720000
−1
=
144

8
 100    100
−1 −1 −5000
Z
20000
· dx3 = ·
−∞ 144 (x3 + 100)3 144 (x3 + 100)2 −∞
   
−1 −5000 −1 −5000
= · − ·
144 (100 + 100)2 144 ∞
   
−1 −5000 −1 −5000
= · − ·
144 2002 144 ∞
−5000
=
5760000
−1
=
1152

2 Actividad 9
1. Al usar una forma de la función gamma podemos escribir,

√ Z ∞ − 1 x2
 
1
Γ = 2 e 2 dx
2 0

y por tanto

  2 Z ∞  Z ∞  Z ∞Z ∞
1 − 12 x2 − 12 y 2 1 2 2
Γ =2 e dx e dy = 2 e− 2 (x +y ) dx dy
2 0 0 0 0

Cambie a coordenadas polares para evaluar esta integral doble, y ası́ de-
mostrar que
√
 
1
Γ = π
2

Resolución
Elevando al cuadrado ambos lados de la igualdad:

  2 Z ∞  Z ∞  Z ∞Z ∞
1 − 12 x2 − 12 y 2 1 2 2
Γ =2 e dx e dy = 2 e− 2 (x +y ) dx dy
2 0 0 0 0

Usando integrales dobles:

  2 Z π2 Z ∞
1 1 2
Γ =2 e− 2 r · r dr dθ
2 0 0

Evaluando las integrales, tenemos:

9
   2
1 1 2 ∞
  π
π  π
Γ = 2· −e− 2 r ·(θ)02 = 2·(0 − (−1))· − 0 = 2·1· = π
2 0 2 2

Por lo tanto, tenemos que:

√
 
1
Γ = π
2

2. Una variable aleatoria X tiene la distribución de Rayleigh si y sólo si su

densidad de probaabilidad está dada por
 2
2αxe−αx para 0 < x < 1, 0 < y < 1
F (x, y) =
0 en cualquier otra parte

donde α ¿ 0. Demuestre que para esta distribución

a) µ = 12 α
pπ

b) σ 2 = 21 1 − π4

a) Para calcular la media (µ) de una distribución de Rayleigh, se necesita

la siguiente fórmula:
Z ∞
µ= xf (x)dx
−∞

Donde f (x) es la densidad de probabilidad de la distribución de Rayleigh.

En nuestro caso, la densidad de probabilidad está dada por:

2
f (x) = 2αxe−αx

Por lo tanto, la media se calcula de la siguiente manera:

Z ∞
2
µ= x · 2αxe−αx dx
0

2
Integración por partes: u = x y dv = 2αxe−αx dx. y du = dx y v =
2
−e−αx .
Entonces:
Z ∞ h i∞ Z ∞
−αx2 −αx2 2
x · 2αxe dx = −xe + e−αx dx
0 0 0

10
 Evaluando los lı́mites superior e inferior de la primera parte de la integral,
obtenemos:

2
lim (−xe−αx ) = 0
x→∞
2
−0e−α(0) = 0

Por lo tanto, nos queda la siguiente integral:

Z ∞
2
e−αx dx
0
√
Utilizando el cambio de variable u = αx, obtenemos:
Z ∞ √ √
2 1 π π
e−αx dx = √ · = √
0 α 2 2 α

Sustituyendo este resultado en la expresión de la media, obtenemos:

√ r
π 1 π
µ= √ =
2 α 2 α

b) Para calcular la varianza (σ 2 ) de una distribución de Rayleigh, uti-

lizamos la siguiente fórmula:
Z ∞
σ2 = (x − µ)2 f (x)dx
−∞

Donde f (x) es la densidad de probabilidad de la distribución de Rayleigh

y µ es la media.
Sustituyendo la expresión de la densidad de probabilidad y la media, ten-
emos:

∞
Z r
1 π 2 2
σ2 = (x − ) · 2αxe−αx dx
0 2 α

1 π
σ2 = −
4α 8α2

1 π
σ2 = (1 −
α 4
)
3. Demuestre que la distribución normal tiene:
Resolución

11
a) Un máximo relativo en x = µ

2(x − µ)2
 
1 1 (x−µ)2
f ′′ (x; µ, σ) = √ 4
− 2
e− 2σ2
σ 2π 2σ σ
2
 
1 2(µ − µ) 1 (µ−µ)2
f ′′ (µ; µ, σ) = √ 4
− 2
e− 2σ2
σ 2π 2σ σ
−1
= √
σ 3 2π

Como el resultado es negativo, significa que existe un máximo relativo

cuando x = µ
b) Puntos de inflexión en x = µ − σ y x = µ + σ

 
1 −(x − µ) − (x−µ) 2

f ′′′ (x; µ, σ) = √ 2
e 2σ2
σ 2π σ
 
1 −σ − σ22
f ′′′ (µ − σ; µ, σ) = √ e 2σ
σ 2π σ 2
−1
= √
3
σ 2π
 
1 −σ − σ22
f ′′′ (µ + σ; µ, σ) = √ e 2σ
σ 2π σ 2
−1
= √
σ 3 2π

La tercera derivada evaluada en x = µ − σ y x = µ + σ es negativa.

Esto indica que la curvatura de la función cambia de concavidad
hacia abajo a concavidad hacia arriba (o viceversa), lo cual implica
que hay puntos de inflexión en esos puntos.

r
4. Si hacemos Kx = ln(Mx ) − µ(t), el coeficiente de tr! en la serie de
Maclaurin de Kx (t) se llama el r-ésimo acumulante, y se denota con
κr . Al igualar coeficientes de potenciales iguales, demuestre que:
a) κ2 = µ2
b) κ3 = µ3
c) κ4 = µ4 − 3(µ2 )2

Resolución

La serie de Maclaurin de µ(t) alrededor de t = 0 es:

12
 µ′′ (0)(t2 ) µ′′′ (0)(t3 ) µ′′′′ (0)(t4 )
µ(t) = µ(0) + µ′ (0)t + + + + ...
2! 3! 4!

a) Para κ2 = µ2 , se necesita encontrar el coeficiente correspondiente

a t2 en la serie de Maclaurin de Kx (t) y µ(t).
De acuerdo con la definición de los acumulantes, tenemos:

Kx′′ (0) µ′′ (0)

κ2 = y µ2 =
2! 2!
Para demostrar κ2 = µ2 , se necesita demostrar que Kx′′ (0) = µ′′ (0).

b) Para κ3 = µ3 , se necesita encontrar el coeficiente correspondiente

a t3 en la serie de Maclaurin de Kx (t) y µ(t).
De acuerdo con la definición de los acumulantes, tenemos:

Kx′′′ (0) µ′′′ (0)

κ3 = y µ3 =
3! 3!
Para demostrar κ3 = µ3 , se necesita demostrar que Kx′′′ (0) = µ′′′ (0).

c) Para κ4 = µ4 − 3(µ2 )2 , se necesita encontrar el coeficiente corre-

spondiente a t4 en la serie de Maclaurinr de Kx (t) y µ(t), ası́ como
el coeficiente correspondiente a t2 la serie de Maclaurin de µ(t).
De acuerdo con la definición de los acumulantes, tenemos:

Kx′′′′ (0)
κ4 =
4!
µ′′′′ (0)
µ4 =
4!
 ′′ 2
µ (0) (µ′′ (0))2
(µ2 )2 = =
2! 4!
Para demostrar κ4 = µ4 − 3(µ2 )2 , se necesita demostrar demostrar
que Kx′′′′ (0) = µ′′′′ (0) − 3(µ′′ (0))2 .

5. Si X y Y tienen la distribución normal bivariada con µ1 = 2, µ2 = 5,

σ1 = 3, σ2 = 6 y ρ = 32 , encuentre µY |1 y σY |1 .

Resolución

Fórmula de la distribución condicional de Y dado X = x que sigue

una distribución normal bivariada con media:

13
 σ2
µY |x = µ2 + ρ · σ1 (x − µ1 )
p
y de la desviación estándar: σY |x = σ22 · (1 − ρ2 ).

Reemplazando
µY |1 = 5 + 23 · 63 (x − 2)
q
2
σY |1 = 62 · (1 − 23 )
Simplificando:
µY |1 = 5 + 43 (x − 2)
q
σY |1 = 36 · 1 − 49

Finalmente, nos quedarı́a que los valores de µY |1 y σY |1 en función

de x son:
µY |1 = 43 x + 23
q
σY |1 = 200 9

6. Suponga que X y Y , la altura y el peso de ciertos animales, tienen la

distribución normal bivariada con µ1 = 18 cm, µ2 = 15 kg, σ1 = 3 cm,
σ2 = 2 kg y ρ = 0.75. Encuentre: Resolución a) El peso esperado de

uno de estos animales de 17 cm de alto.

σ2
µY |X = µ2 + ρ · · (x − µ1 )
σ1
Reemplazando:

2
µY |X = 15 + 0.75 · · (17 − 18)
3

µY |X = 15 − 0.5 = 14.5 kg
Por lo tanto, el peso esperado de uno de estos animales de 17 cm de
alto es de 14.5 kg.

b) La altura esperada de uno de estos animales de 20 kg de peso.

σ1
µX|Y = µ1 + ρ · · (y − µ2 )
σ2
Reemplazando:

3
µX|Y = 18 + 0.75 · · (20 − 15)
2

14
 µX|Y = 18 + 0.75 · 3 = 20.25 cm
Por lo tanto, la altura esperada de uno de estos animales de 20 kg de
peso es de 20.25 cm.

7. Encuentre z si el área de la curva normal estándar

a) entre 0 y z es 0.4726
b) a la izquierda de z es 0.9868
c) a la derecha de z es 0.1314
d) entre -z y z es 0.8502

Resolución

Tabla de la distribución normal estándar

z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767

a) Entre 0 y z es 0.4726:

P (z1 ≤ x ≤ z2 ) = P (x ≤ z2 ) − P (x ≤ z1 )
Reemplazando:

0.4726 = P (x ≤ z2 ) − P (x ≤ 0)

15
 0.4726 = P (x ≤ z2 ) − 0

P (x ≤ z2 ) = 0.4726

En la tabla, el resultado 0.4726 corresponde a cuando x toma valores

menores que 1.92:

P (x ≤ z2 ) = P (x ≤ 1.92)
Por lo tanto, z = 1.92.

b) A la izquierda de z es 0.9868:

P (x ≤ z) = 0.9868

P (x ≤ z) = P (x ≤ 2.22)
Por lo tanto, z = 2.22.

c) A la derecha de z es 0.1314:

P (x > z) = 1 − P (x ≤ z)

P (x > z) = 1 − 0.1314

P (x > z) = 0.8686

P (x > z) = P (x > 1.12)

Por lo tanto, z = 1.12.

d) Entre −z y z es 0.8502:

P (−z < x < z) = P (x ≤ z) − P (x ≤ −z)

0.8502 = P (x ≤ z) − P (x > z)

0.8502 = P (x ≤ z) − (1 − P (x < z))

16
 0.8502 = P (x ≤ z) − 1 + P (x < z)

1.8502 = P (x ≤ z) + P (x < z)

1.8502 = 2P (x ≤ z)

0.9251 = P (x ≤ z)

P (x ≤ z) = P (x ≤ 1.44)
Por lo tanto, z = 1.44.

8. En cierta ciudad, el consumo diario de energı́a eléctrica en millones

de kilovatios-hora se puede tratar como una variable aleatoria que
tiene la distribución gamma con α = 3 y β = 2 Si la planta gener-
adora de esta ciudad tiene una capacidad diaria de 12 millones de
kilovatios-hora, ¿cuál es la probabilidad de que esta oferta de energı́a
sea inadecuada cualquier dı́a dado?

Resolución

La función de supervivencia de la distribución gamma se define como:

S(x) = P (X > x) = 1 − F (x)

F (x): distribución acumulativa de la distribución gamma.
La función de supervivencia de la distribución gamma con parámetros
α y β se expresa como:
Z ∞
1
S(x) = tα−1 e−t/β dt
Γ(α) x

En nuestro caso, α = 3 y β = 2, y queremos calcular la probabilidad

de que el consumo diario supere los 12 millones de kilovatios-hora.
Por lo tanto, necesitamos evaluar la función de supervivencia en x =
12.
La probabilidad de que la oferta de energı́a sea inadecuada cualquier
dı́a dado se puede expresar como:
Z ∞
1
P (X > 12) = S(12) = t2 e−t/2 dt
Γ(3) 12

17
 9. Una cierta clase de aparato doméstico requiere una reparación en
promedio una vez cada 2 años. Suponiendo que los tiempos entre
reparaciones están distribuidos exponencialmente, ¿cuál es la proba-
bilidad de que un aparato doméstico tal trabajará al menos 3 años
sin requerir reparaciones?

Resolución

Usando la distribución exponencial: λ. La media de la distribución

exponencial es igual a 1/λ. tasa de llegada de eventos: λ = 1/2
La probabilidad de que un aparato doméstico trabaje al menos 3 años
sin requerir reparaciones se puede calcular utilizando la función de
supervivencia de la distribución exponencial.
La función de supervivencia de la distribución exponencial se define
como:

S(t) = P (T > t) = e−λt

T : tiempo entre reparaciones t: tiempo deseado.
Reemplazando: t=3 λ = 1/2
3
P (T > 3) = S(3) = e− 2

P (T > 3) = S(3) = 0.2231

10. Si 23 por ciento de todos los pacientes con presión arterial alta tiene
efectos colaterales perjudiciales con cierta clase de medicamentos, use
la aproximación normal para encontrar la probabilidad de que entre
120 pacientes con presión arterial alta tratados con este medicamento
más de 32 tendrán efectos colaterales perjudiciales.

Resolución

Para aplicar la aproximación normal, necesitamos verificar que n · p

y n · (1 − p) sean ambos mayores o iguales que 5. En este caso,
n · p = 120 · 0.23 = 27.6 y n · (1 − p) = 120 · (1 − 0.23) = 92.4, por lo
que si cumple la condición
Utilizando la aproximación normal, podemos calcular la probabilidad
de que más de 32 pacientes tengan efectos colaterales perjudiciales
mediante el uso de la distribución normal estándar.
La media de la distribución binomial es µ = n · p = 120 · 0.23 = 27.6
p p
la desviación estándar es σ = n · p · (1 − p) = 120 · 0.23 · (1 − 0.23) ≈
4.91.
La probabilidad quedarı́a como:

18
  
X −µ 32 − 27.6
P (X > 32) = P >
σ 4.91

19