Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Tarea 3. Variables Aleatorias Discretas Ejercicios 1, 14, 28, 29, 42, 43,56, 57 1. Una caja tiene 10 bolas numeradas de la 1, a la 10. Se seleccionan al azar una por una con reemplazo dos bolas, registrando sus números. Sea 𝑋 el menor de los números de las bolas seleccionadas. Calcular la función de probabilidad de 𝑋 y su valor medio. Sol. Debido a como se define el evento 𝑋, es decir, es el menor de los números de las bolas seleccionadas en este experimento lo que se busca es 𝑃(𝑋 ≥ 𝑥), sean 𝑋1 y 𝑋2 los eventos en el que se saca la primera bola y la segunda respectivamente entonces podemos escribir a 𝑋 como 𝑋 = min(𝑋1, 𝑋2), entonces se puede reescribir. 𝑃(𝑋 ≥ 𝑥) = 𝑃(min(𝑋1, 𝑋2) ≥ 𝑥) = 𝑃(𝑋1 ≥ 𝑥, 𝑋2 ≥ 𝑥) = 𝑃(𝑋1 ≥ 𝑥)𝑃(𝑋2 ≥ 𝑥) Esta última igualdad se debe a que la selección de las bolas fue con reemplazo, es decir, ambos eventos son independientes, más aun, cada uno tiene una distribución uniforme y sus funciones de distribución están dadas como 𝑓1(𝑥1) = { 10−1 = 1 10 𝑠𝑖 𝑥1 = 1, … ,10. 0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜. 𝑓2(𝑥2) = { 10−1 = 1 10 𝑠𝑖 𝑥2 = 1, … ,10. 0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜. Pero para poder conocer su función de probabilidad ponemos lo siguiente: 𝑃(𝑋 ≥ 𝑥) = 1 − 𝑃(𝑋 < 𝑥) = 1 − 𝑃(𝑋 ≤ 𝑥 − 1) = 1 − 𝑃(𝑋1 ≤ 𝑥 − 1)𝑃(𝑋2 ≤ 𝑥 − 1) Donde la segunda igualdad resulta de que al 𝑋 < 𝑥 y al ser una distribución discreta entonces 𝑋 ≤ 𝑥 − 1, ahora procedemos a calcular estas funciones de probabilidad como: 𝑃(𝑋1 ≤ 𝑥 − 1) = 𝐹1(𝑥 − 1) = ∑ 𝑓(𝑥1) [𝑥−1] 𝑥1=1 = ∑ 𝑓(𝑥1) 𝑥−1 𝑥1=1 = ∑ 1 10 𝑥−1 𝑥1=1 = 𝑥 − 1 10 , 𝑥 = 1, … ,10 𝑃(𝑋2 ≤ 𝑥 − 1) = 𝐹2(𝑥 − 1) ∑ 𝑓(𝑥2) [𝑥−1] 𝑥2=1 = ∑ 𝑓(𝑥2) 𝑥−1 𝑥2=1 = ∑ 1 10 𝑥−1 𝑥1=1 = 𝑥 − 1 10 , 𝑥 = 1, … ,10 Puesto que 𝑥 sólo toma valores enteros positivos, de esta forma 𝐹1(𝑥 − 1) y 𝐹2(𝑥 − 1) serán igual a cero para valores de 𝑥 < 0 y serán igual a 1 para valores 𝑥 > 10. Así entonces 𝑃(𝑋 ≥ 𝑥) = 1 − ( 𝑥 − 1 10 ) ( 𝑥 − 1 10 ) = 1 − ( 𝑥 − 1 10 ) 2 = 100 − (𝑥 − 1)2 100 , 𝑥 = 1,2, … ,10. Pero nos interesa saber cuándo exactamente es el mínimo, es decir 𝑃(𝑋 = 𝑥), para esto escribimos lo siguiente: 𝑃(𝑋 = 𝑥) = 𝑃(𝑋 ≥ 𝑥) − 𝑃(𝑋 ≥ 𝑥 + 1) = 100 − (𝑥 − 1)2 100 − 100 − 𝑥2 100 = 2𝑥 − 1 100 Reacomodando tenemos entonces que la función de probabilidad será: 𝒇(𝒙) = 𝑷(𝑿 = 𝒙) = 𝟐𝒙 − 𝟏 𝟏𝟎𝟎 , 𝒙 = 𝟏, 𝟐, … , 𝟏𝟎. Ahora para encontrar su media necesitamos hacer una sumatoria como: 𝐸𝑋 = ∑ 𝑥𝑖𝑓(𝑥𝑖) 10 𝑖=1 = 1𝑓(1) + ⋯ + 10𝑓(10) = ∑(𝑥𝑖) ( 2𝑥𝑖 − 1 100 ) 10 𝑖=1 = 143 20 = 7.15 ≈ 7 Donde sin pérdida de generalidad reemplazamos cada 𝑥 por 𝑥𝑖 donde 𝑥𝑖 = 𝑖, 𝑖 = 1,2, … . ,10. 𝑬𝑿 ≈ 𝟕 15. Una compañía que fabrica tornillos sabe que el 3% de su producción es defectuosa. En sus lotes de 10000 tornillos la compañía ofrece una garantía del importe pagado si este tiene más de k tornillos defectuosos. ¿Qué tan pequeño debe escoger k la compañía para asegurarse de que no pague devoluciones en más de 1% de sus lotes? Definimos X como el número de tornillos defectuosos en 10000 del lote que se produce. Dado que la parte defectuosa tiene una probabilidad de 0.03 independientemente una de las otras, tenemos 𝑋~𝐵𝑖𝑛𝑜𝑚 (10000,0.03) Por lo tanto 𝜇 = 𝑛𝑝 = 300 y 𝜎2 = 𝑛𝑝(1 − 𝑝) = 291 Por la desigualdad de Chebyshev tenemos: 𝑃(|𝑋 − 𝜇| ≥ 𝑘) ≤ 𝜎2 𝑘2 Ahora el límite a esta dado por 𝜎2 𝑘2 = 0.01 → 291 𝑘2 = 0.01 → 𝑘2 = 29100 Así 𝑘 = 170.5872 Comprobando tenemos: 𝑃(|𝑋 − 𝜇| ≥ 170.5872) ≤ 0.01 Por lo que el fabricante de tornillos se asegurará de que el número de artículos defectuosos no exceda 300+170.5872= 470.5872 con una probabilidad de 0.01 28. (a) Demostrar que si 𝑋1 y 𝑋2 son variables aleatorias independientes con valores enteros no negativos y definidas en el mismo espacio de probabilidad, y si 𝑆1 = 𝑋1 + 𝑋2, entonces la función generadora de probabilidad de 𝑆1 es 𝐺𝑆1(𝑡) = 𝐺𝑋1(𝑡) 𝐺𝑋2(𝑡) para todo |𝑡| ≤ 1 (b) Usando el inciso (a) y el problema 27 demuestre que si 𝑋1 y 𝑋2 son variables aleatorias independientes de Poisson con parámetros 𝜆1 y 𝜆2 respectivamente, entonces 𝑋1 + 𝑋2 es una variable aleatoria de Poisson con parámetro 𝜆1 + 𝜆2 (c) Formule y demuestre resultados análogos al dado en (b), para parejas de variables aleatorias independientes binomiales, geométricas y binomiales negativas. SOL. (a) Utilizando la definición 6, la función generadora de probabilidad 𝐺𝑋1(𝑡) de 𝑋1 es definida como 𝐺𝑋1(𝑡) = ∑ 𝑃(𝑋1 = 𝑥)𝑡 𝑥 ∞ 𝑥=0 = ∑ 𝑓𝑋1(𝑥)𝑡 𝑥 ∞ 𝑥=0 , |𝑡| ≤ 1 Y para 𝑋2, la función generadora de probabilidad 𝐺𝑋2(𝑡) es definida como 𝐺𝑋2(𝑡) = ∑ 𝑃(𝑋2 = 𝑥)𝑡 𝑥 ∞ 𝑥=0 = ∑ 𝑓𝑋2(𝑥)𝑡 𝑥 ∞ 𝑥=0 , |𝑡| ≤ 1 Ahora dado que 𝑋1 y 𝑋2 son variables aleatorias independientes con valores enteros no negativos y definidas en el mismo espacio de probabilidad, la función generadora de probabilidad de 𝑋1 + 𝑋2 se define por 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡), |𝑡| ≤ 1 … (∗) Definiendo a 𝑆1 como 𝑆1 = 𝑋1 + 𝑋2, y utilizado (∗) la función generadora de probabilidad de 𝑆1 es 𝐺𝑆1(𝑡) = 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡), |𝑡| ≤ 1 (b) Sean 𝑋1 y 𝑋2 variables aleatorias independientes de Poisson con parámetros 𝜆1 y 𝜆2, con funciones generadoras de probabilidad 𝐺𝑋1(𝑡) = 𝑒 𝜆1(𝑡−1) y 𝐺𝑋2(𝑡) = 𝑒𝜆2(𝑡−1) respectivamente, entonces la función generadora de probabilidad de 𝑋1 + 𝑋2, se define como 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡) = 𝑒𝜆1(𝑡−1)𝑒𝜆2(𝑡−1) = 𝑒(𝜆1+𝜆2)(𝑡−1) así la función generadora de probabilidad de 𝑋1 + 𝑋2, es la misma que la de una variable aleatoria de Poisson con parámetro 𝜆1 + 𝜆2. Esto implica que 𝑋1 + 𝑋2 debe ser de Poisson. (c) Sean 𝑋1 y 𝑋2 variables aleatorias independientes binomiales con parámetros 𝑛1, 𝑛2 y 𝑝, con funciones generadoras de probabilidad 𝐺𝑋1(𝑡) = (𝑝𝑡 + 1 − 𝑝) 𝑛1 y 𝐺𝑋2(𝑡) = (𝑝𝑡 + 1 − 𝑝) 𝑛2 respectivamente, entonces la función generadora de probabilidad de 𝑋1 + 𝑋2, se define como 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡) = (𝑝𝑡 + 1 − 𝑝)𝑛1(𝑝𝑡 + 1 − 𝑝)𝑛2 = (𝑝𝑡 + 1 − 𝑝)𝑛1+𝑛2 así la función generadora de probabilidad de 𝑋1 + 𝑋2, es la misma que la de una variable aleatoria binomial con parámetros 𝑛1 + 𝑛2 y 𝑝. Esto implica que 𝑋1 + 𝑋2 debe ser binomial. Sean 𝑋1 y 𝑋2 variables aleatorias independientes binomiales negativas con parámetros 𝑟1, 𝑟2 y 𝑝, con funciones generadoras de probabilidad 𝐺𝑋1(𝑡) = ( 𝑝 1−𝑡(1−𝑝) ) 𝑟1 y 𝐺𝑋2(𝑡) = ( 𝑝 1−𝑡(1−𝑝) ) 𝑟2 respectivamente, entonces la función generadora de probabilidad de 𝑋1 + 𝑋2, se define como 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡) = ( 𝑝 1 − 𝑡(1 − 𝑝) ) 𝑟1 ( 𝑝 1 − 𝑡(1 − 𝑝) ) 𝑟2 = ( 𝑝 1 − 𝑡(1 − 𝑝) ) 𝑟1+𝑟2 así la función generadora de probabilidad de 𝑋1 + 𝑋2, es la misma que la de una variable aleatoria binomial negativa con parámetros 𝑟1 + 𝑟2 y 𝑝. Esto implica que 𝑋1 + 𝑋2 debe ser binomial negativa. Sean 𝑋1 y 𝑋2 variables aleatorias independientes geométricas con parámetro 𝑝, con funciones generadoras de probabilidad 𝐺𝑋1(𝑡) = 𝑝 1−𝑡(1−𝑝) y 𝐺𝑋2(𝑡) = 𝑝 1−𝑡(1−𝑝) respectivamente, entonces la función generadora de probabilidad de 𝑋1 + 𝑋2, se define como 𝐺𝑋1+𝑋2(𝑡) = 𝐺𝑋1(𝑡)𝐺𝑋2(𝑡) = ( 𝑝 1 − 𝑡(1 − 𝑝) ) ( 𝑝 1− 𝑡(1 − 𝑝) ) = ( 𝑝 1 − 𝑡(1 − 𝑝) ) 2 = ( 𝑝 1 − 𝑡(1 − 𝑝) ) 𝑟 así la función generadora de probabilidad de 𝑋1 + 𝑋2, es la misma que la de una variable aleatoria binomial negativa con parámetros 𝑟 y 𝑝. Esto implica que 𝑋1 + 𝑋2 debe ser binomial negativa. 42. ¿Cuántas veces se debe lanzar un dado legal para que la probabilidad de obtener al menos un 5 sea mayor que 1 2 ?. Sol. En este caso consideremos un experimento en el que tendremos un éxito si el dado cae 5 y un fracaso en cualquier otro caso, por lo que será una distribución de Bernoulli, entonces si 𝑛 son las veces que se ha tirado el dado, lo que buscamos es un 𝑛 tal que 𝑃(𝑋 ≤ 𝑛) > 1 2 (1) Siendo 𝑋 es el evento que indica el número de tiros del dado. Pero por otra parte nosotros sabemos que esa función de probabilidad es igual a 𝑃(𝑋 ≤ 𝑛) = 1 − 𝑃(𝑋 > 𝑛) Donde 𝑋 > 𝑛 es el evento en el que no se ha obtenido un 5 en el dado tirado en los primeros 𝑛 intentos y por la teoría tenemos que esta probabilidad es igual a: 𝑃(𝑋 > 𝑛) = (1 − 𝑝)𝑛 Pero 𝑝 es la probabilidad de tirar 5 en el dado, al ser un dado legal esta 𝑝 es igual a 𝑝 = 1 6 , ahora sólo basta resolver (1) para 𝑛 y saber cuántas veces se necesita tirar el dado para que obtengamos una probabilidad mayor a 1 2 de obtener un 5 1 2 < 𝑃(𝑋 ≤ 𝑛) = 1 − 𝑃(𝑋 > 𝑛) = 1 − (1 − 1 6 ) 𝑛 = 1 − ( 5 6 ) 𝑛 Lo que nos lleva a la siguiente desigualdad ( 5 6 ) 𝑛 < 1 2 Aplicamos logaritmo natural a la desigualdad para despejar a 𝑛 ln ( 5 6 ) 𝑛 = 𝑛 ∙ ln ( 5 6 ) < ln ( 1 2 ) Pero ambos logaritmos naturales son negativos, y 𝑛 es positivo, pues es el numero de veces que se tira el dado, por lo que se invierte la desigualdad y obtenemos: 𝑛 > ln ( 1 2) ln ( 5 6) = 3.80 Por lo tanto, 𝒏 debe ser igual a 4. (𝒏 = 𝟒) 56. Supongamos que cierto tipo de cinta adhesiva contiene en promedio 3 defectos por cada 1000 metros. ¿Cuál es la probabilidad de que una cinta de 1500 metros de longitud de la misma clase, contenga dos defectos? Sea X el número de imperfecciones en 1500 metros de cinta. Entonces, X tiene una distribución de Poisson con E(X)= (1500m) (3 defectos/1000m) =4.5 defectos Por lo tanto, 𝑃(𝑋 = 2) = 𝑒−4.5 ∗ 4.52 2! = 0.1124 57. Para cierto salón de fiestas se sabe que el 1% de las personas que hacen reservación de una mesa no asisten. Para cierto evento se aceptan para el salón 202 reservaciones, pero el salón tiene sólo 200 mesas. Calcular la probabilidad de que a todas las personas que asistan al salón (con reservación) se les asigne una mesa. SOL. Sea A el suceso en el que una persona con reservación, NO acude al salón, la 𝑃(𝐴) = 0,01, y sea B el suceso en el que una persona con reservación, acude al salón, entonces la probabilidad de B será: 𝑃(𝐵) = 1 − 𝑃(𝐴) = 1 − 0,01 = 0,99. Ahora sea la variable aleatoria 𝑋 = el número de personas con reservación que acuden al salón. 𝑋 posee una distribución binomial con parámetros 𝑛 = 202 y 𝑝 = 0,99, 𝑋~𝐵𝑖𝑛(202,0.99). Nos piden: 𝑃(𝑋 ≤ 200), entonces 𝑃(𝑋 ≤ 200) = ∑ ( 202 𝑥 ) (0.99)𝑥 200 𝑥=0 (1 − 0.99)202−𝑥 = 0.6007 O bien 𝑃(𝑋 ≤ 200) = 1 − 𝑃(𝑋 > 200) = 1 − 𝑃(𝑋 ≥ 201) = 1 − ∑ ( 202 𝑥 ) (0.99)𝑥 202 𝑥=201 (1 − 0.99)202−𝑥 = 1 − 0.39924 = 0.6007
Compartir