Mathematics">
Primer Parcial Primera Fecha Tema 2
Primer Parcial Primera Fecha Tema 2
Primer Parcial Primera Fecha Tema 2
TEMA 2
Ejercicio 1
La función de distribución acumulada asociada a la producción de una máquina, en miles de unida-
des, es del tipo:
k si x<0
x2
F (x) = x − si 0≤x≤2
4
1 si x > 2.
a) Determinar el valor de k. Dado que para cualquier función de distribución F , se cumplen las siguientes
propiedades:
0 ≤ F (x) = P (X ≤ x) ≤ 1
F es no decreciente (creciente o constante)
lı́mx→−∞ F (x) = 0
lı́mx→+∞ F (x) = 1
Luego debe verificarse que lı́mx→−∞ F (x) = 0. Dado que lı́mx→−∞ F (x) = k entonces k = 0.
Ejercicio 2
En un laboratorio el aparato encargado de examinar si un árbol está afectado por un hongo saza tiene
un 97 % de exactitud tanto en los que tienen el hongo como en los que no lo tienen. Elegido un individuo de
una determinada especie arborea, de un determinado bosque, la prueba de laboratorio dio positivo para
el hongo saza. La probabildad de que en la población de la que se elegió el individuo, uno de ellos
esté afectado por saza es de 0,01. Qué podemos decir acerca de la probabilidad de acierto del laboratorio
para el individuo que hemos elegido?
tivas probabilidades son mayores a cero. Podemos aplicar el Teorema de Bayes enunciado anteriormente.
P (B|A)P (A) 0, 97 × 0, 01 0,0097
P (A|B) = C C
= = ≈ 0, 246.
P (B|A)P (A) + P (B|A )P (A ) 0, 97 × 0, 01 + 0, 03 × 0, 99 0,0394
Ejercicio 3
El contenido de un tipo de garrafas de gas se distribuye normalmente con media 23 kg y desviación típica
0,5 kg. Cuál es la probabilidad de que si se extraen dos garrafas al azar de este tipo ambas tengan mas de 23,5kg?
Comencemos definiendo las v.a. que utilizaremos para resolver el ejercicio.
Xi =“contenido en kg de la i-ésima garrafa”. i = 1, 2
Xi ∼ N (23, 0, 52 ) para i = 1, 2.
Observemos
que X1 y X2 son v.a independientes y que P ({Xi >23, 5} = 1 − P (Xi ≤ 23, 5)) estandari-
Xi − 23 Xi − 23 23, 5 − 23
zando ∼ N (0, 1) tenemos que P ({Xi > 23, 5}) = 1 − P ≤ = 1 − Φ(1) =
0,5 0,5 0,5
1 − 0, 8413 = 0, 1587
Nos piden P ({X1 > 23, 5} ∩ {X2 > 23, 5})P ({X1 > 23, 5} × P ({X2 > 23, 5} = 0, 1587 × 0, 1587 ≈ 0, 025
Ejercicio 4
Los mensajes que llegan a una computadora utilizada como servidor lo hacen de acuerdo con una
distribución de Poisson con una tasa promedio de 0,1 mensajes por minuto.
e−6 62
P (X60 = 2) = = (ó F (2) − F (1) = 0,0620 − 0,0174) = 0, 0446
2!
b) Determinar el intervalo de tiempo necesario para que la probabilidad de que no llegue ningún mensaje
durante ese lapso de tiempo sea 0,8.
Xt =“cantidad de mensajes que llegan a una computadora en t minutos”, Xt ∼ P (0,1 × t)
Nos piden hallar t que verifique: P (Xt = 0) = 0, 8.
3
e(0,1×t) (0,1 × t)0
Como P (Xt = 0) = = e−(0,1×t) = 0, 8 despejamos t de está última ecuación.
0!
Primero aplicamos a ambos lados de la igualdad la función ln, es decir ln e−(0,1×t) = ln(0, 8), de
1. Ejercicio 5
El peso de un artículo (medido en gramos) es una v.a con media 10 y desviación típica 1,1; este pro-
ducto se vende en cajas de 50 unidades, y el peso de la caja vacía es 6 gramos. Cuál es la probabilidad de
que el peso total de una caja llena sea a lo sumo 526 grs.?
Sea Xi =“peso (en gramos) del i-ésimo artículo” i = 1, . . . , 50
E(Xi ) = 10 y V ar(Xi ) = 1, 12 para todo i = 1, . . . , 50. P50
El peso total de la caja llena es una variable
P50aleatoria Y = X1 + · · · + X
P50 50 + 6 = Xi + 6.
i=1
Tenemos que encontrar P (Y ≤ 526) =P i=1 X i + 6 ≤ 526 = P i=1 X i ≤ 526 − 6 .
Como n = 50 > 30 podemos aplicar TCL para calcular lo P pedido.
Dado que el Teorema Central del Límite indica que si Sn = ni=1 Xi es la suma de n variables aleatorias,
independientes, idénticamente distribuidas,
Pn con media µ y varianza σ 2 finitas (σ 2 6= 0): Entonces si n es
grande (n ≥ 30) √entonces Sn = i=1 Xi tiene distribución aproximadamente normal con media nµ y
desviación típica nσ . 2
P50 !
P50 i=1 X i − 50 × 10 520 − 50 × 10
P (Y ≤ 526) =P i=1 Xi ≤ 526 − 6 = P p ≤ p
50 × 1, 12 50 × 1, 12
P50
Xi − 50 × 10
Como Z = i=1 p ≈ N (0, 1)
50 × 1,12
P (Y ≤ 526) = P (Z ≤ 2, 57) ≈ Φ(2, 57) = 0,9949