Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE INGENIERÍA ECONÓMICA, INGENIERÍA ESTADÍSTICA Y CIENCIAS SOCIALES Escuela Profesional de Ingeniería Estadística Tiempo 2 horas FST31.Introducción a la probabilidad: SOLUCIONARIO DEL EXAMEN PARCIAL: 12/01/2021 Puntaje: 20 puntos 1. (5.0 Puntos) Un arma apunta a un punto determinado (origen del sistema de coordenadas). Debido a los factores aleatorios, el punto de impacto real puede ser cualquier punto (X, Y ) en un círculo de radio R alrededor del origen. Suponga que la densidad conjunta de X e Y es constante en este círculo dado por: f(x, y) = { k, si x2 + y2 ≤ R2 0, si caso contario (a) (1.0 Puntos) Hallar la constante k (b) (2.0 Puntos) Hallar las funciones de densidades marginales fX y fY . (c) (2.0 Puntos) ¿Son las variables aleatorias X y Y independientes? Solution: (a) La constante k se calcula a partir de la consideración que la probabilidad total es 1, es decir, ∫ ∞ −∞ ∫ ∞ −∞ f(x, y)dxdy = ∫∫ x2+y2≤R2 kf(x, y) dx dy = 1⇒ 4 ∫∫ B f(x, y) dx dy = 1 donde la región B es el primer cuadrante del círculo x2 + y2 = R2 ⇒ 4k ∫ R 0 (∫ √R2−x2 0 1dy ) dx ⇒ 4k [ x √ R2 − x2 + R 2 2 sen−1 ( x R )]∣∣∣∣R 0 = 1 ⇒ 4k ( R2 2 · π 2 ) = 1⇒ k = 1 πR2 Por lo tanto la función de densidad conjunta de X y Y es f(x, y) = { 1 πR2 , si x2 + y2 ≤ R2 0, si caso contario (b) fX(x) = ∫ ∞ −∞ f(x, y)dy = 1 πR2 ∫ √R2−x2 − √ R2−x2 dy = 2 πR [ 1− ( x R )2] 12 ;−R ≤ x ≤ R análogamente fY (y) = ∫ ∞ −∞ f(x, y)dx = 1 πR2 ∫ √R2−y2 − √ R2−x2 dx = 2 πR [ 1− ( y R )2] 12 ;−R ≤ y ≤ R (c) f(x, Y ) 6= fX(x)fY (y) por lo tanto X y Y no son independientes. 2. (5.0 Puntos) Dado f(x, y) = e−x−yI(0,∞)(x)I(0,∞)(y) (a) (1.0 Puntos) hallar P (X > 1) (b) (2.0 Puntos) hallar P (X < Y |X < 2Y ) (c) (2.0 Puntos) hallar P (1 < X + Y < 2) Solution: Se da: f(x, y) = e−(x+y); 0 < x <∞, 0 < y <∞ (1) = (−x) (e−y) = fX(x) · fY (y) ⇒X y y son independientes y fX(x) = e −x;x > 0 y fY (y) = e−y; y > 0 (2) Page 2 (a) P (X > 1) = ∫ ∞ 1 fX(x)dx = ∫ ∞ 1 e−x dx = 1 e (b) P (X < Y |X < 2Y ) = P [(X < Y ) ∩ (X < 2Y )] P (X < 2Y ) = P (X < Y ) P (X < 2Y ) (3) P (X < Y ) = ∫ ∞ 0 [∫ y 0 f(x, y)dx ] dy = 1 2 P (x < 2Y ) = ∫ ∞ 0 [∫ 2y 0 f(x, y)dx ] dy = 2 3 sustituyendo en la rela ción 3 P (X < Y |X < 2Y ) = 1/2 2/3 = 3 4 (c) P (1 < X + Y < 2) = ∫∫ A f(x, y) dx dy + ∫∫ B f(x, y) dx dy = ∫ 1 0 (∫ 2−x 1−x f(x, y)dy ) dx+ ∫ 2 1 (∫ 2−x 2−x f(x, y)dy ) dx = 2 e − 3 e2 3. (5.0 Puntos) Si X e Y son dos variables aleatorias que tienen función de densidad conjunta f(x, y) = { 1 8 (6− x− y); si 0 < x < 2, 2 < y < 4 0, si caso contario (a) (2.0 Puntos) Hallar V ar(X|Y ) (b) (3.0 Puntos) Hallar el coeficiente de correlación: ρX,Y Page 3 Solution: (a) V ar(X|y) = E(X2|y)− {E(X|y)}2 Primero calculamos las densidades marginales fX(x) = ∫ ∞ −∞ f(x, y)dx = ∫ 4 2 1 8 (6− x− y)dy = 1 4 (3− x); 0 < x < 2. fY (y) = ∫ ∞ −∞ f(x, y)dx = ∫ 2 0 1 8 (6− x− y)dx = 1 4 (5− y); 2 < y < 4. luego, la densidad condicionale es f(x|y) = 1 2 ( 6− x− y 5− y ) ; 0 < x < 2, 2 < y < 4. La esperanza condicional de X dada Y = y es E(X|y) = ∫ 2 0 xf(x|y)dx = ∫ 2 0 x 1 2 ( 6− x− y 5− y ) dx = 14− 3y 3(5− y) ; 2 < y < 4. El segundo momento condicional de X dada Y = y es E(X2|y) = ∫ 2 0 x2f(x|y)dx = ∫ 2 0 x2 1 2 ( 6− x− y 5− y ) dx = 2(9− 2y) 3(5− y) ; 2 < y < 4. Luego la varianza condicional de X dada Y = y es V ar(X|y) = E(X2|y)− {E(X|y)}2 = 2(9− 2y) 3(5− y) − { 14− 3y 3(5− y) }2 . (b) El coeficiente de correlación es por definición ρX,Y = Cov(X, Y )√ V ar(X)V ar(Y ) Page 4 Primero calculemos las esperanzas y varianzas para cada variable. E(X) = ∫ 2 0 xfX(x)dx = ∫ 2 0 x 1 4 (3− x)dx = 5 6 E(Y ) = ∫ 4 2 yfY (y)dy = ∫ 4 2 y 1 4 (5− y)dy = 17 6 E(X2) = ∫ 2 0 x2fX(x)dx = ∫ 2 0 x2 1 4 (3− x)dx = 1 E(Y 2) = ∫ 4 2 y2fY (y)dy = ∫ 4 2 y2 1 4 (5− y)dy = 25 3 luego obtenemos las varianzas V ar(X) = E(X2)− {E(X)}2 = 1− { 5 6 }2 = 11 36 . V ar(Y ) = E(Y 2)− {E(Y )}2 = 25 3 − { 17 6 }2 = 11 36 . Ahora calculamos la E(XY ) E(XY ) = ∫ 2 0 ∫ 4 2 xyf(x, y)dy dx = ∫ 2 0 ∫ 4 2 xy 1 8 (6− x− y)dy dx = 7 3 luego la covarianza entre las variables X y Y es Cov(X, Y ) = E(XY )− E(X)E(Y ) = 7 3 5 6 17 6 = − 1 36 luego el coeficiente de correlación entre X y Y es ρX,Y = Cov(X, Y )√ V ar(X)V ar(Y ) = − 1 36√ 11 36 × 11 36 = − 1 11 4. (5.0 Puntos) Suponga que se extraen 4 bolas de una urna que contiene 5 bolas negras, 6 blancas y 7 rojas. Sea X el número de bolas blancas extraídas y Y el de número de bolas Page 5 rojas. La función de probabilidad de la variable bidimensional (X, Y ) es P (X = x, Y = y) = ( 6 x )( 7 y )( 5 4−x−y )( 18 4 ) ; 0 ≤ x+ y ≤ 4 Se pide: (a) (1.0 Puntos) hallar P (X|Y = y) (b) (1.0 Puntos) Hallar E(X|Y ) (c) (3.0 Puntos) hallar Cov(X, Y ) Solution: (a) Previamente calculamos la función de probabilidad marginal de Y , así se tiene PY (y) = P (Y = y) = 4−y∑ x=0 P (X = x, Y = y) = 4−y∑ x=0 ( 6 x )( 7 y )( 5 4−x−y )( 18 4 ) = ( 7 y )( 18 4 ) 4−y∑ x=0 ( 6 x )( 5 4− x− y ) = ( 7 y )( 11 4−y )( 18 4 ) ; y = 0, 1, 2, 3, 4. luego, la función de probabilidad condicional de X dada Y = y resulta P (x|y) = P (X = x|Y = y) = P (X = x, Y = y) PY (y) = ( 6 x )( 5 4−y )( 11 4−y ) ; 0 ≤ x ≤ 4− y, y = 0,1,2,3,4. De lo anterior se deduce X dada Y = y se distribuye con una distribución hipergeométrica con parámetros M = 6, N = 5 y 4y; esto es, X|Y = y ∼ HY(6, 5, 4− y), por consiguiente loa es condicional será: E(X|Y = y) = 6(4− y) 11 ; 0 ≤ y ≤ 4 (b) Para calculara la covarianza entre X y Y , analicemos previamente las funciones de probabilidades marginales de X y de Y . PX(x) = P (X = x) = 4−x∑ y=0 P (X = x, Y = y) = ( 6 x )( 12 4−x )( 18 4 ) ; 0 ≤ x ≤ 4 PY (y) = P (Y = y) = 4−y∑ x=0 P (X = x, Y = y) = ( 7 y )( 11 4−y )( 18 4 ) ; 0 ≤ y ≤ 4 Page 6 Se obseva que,X ∼ HY(6, 12, 4), Y ∼ HY(7, 11, 4); por consiguiente esparanza y varianza de Y resultan inmediatas. E(X) = 6× 4 18 = 4 3 , y V ar(X) = 112 153 E(Y ) = 7× 4 18 = 14 9 , y V ar(Y ) = 1078 1377 luego por definición la covarianza es igual a Cov(X, Y ) = E(XY )− E(X)E(Y ) Para calcular E(XY ) utilizamos la propiedad de esperanza iterativa condicionando en la variable Y , asi E(XY ) = EY [ E(XY |Y ) ] = EY [ YE(X|Y ) ] = EY [ Y 6 11 (4− Y ) ] = 6 11 [ 4E(Y )− E(Y 2) ] Para calcular el segundo momento de Y se procede como sigue E(Y 2) = V ar(Y ) + [E(Y )]2 = 1078 1377 + [ 14 9 ]2 = 490 153 luego, E(XY ) es igual a E(XY ) = 6 11 [ 4 ( 14 9 ) − 490 153 ] = 28 17 Luego, la covarianza es Cov(X, Y ) = E(XY )− E(X)E(Y ) = 28 17 − 4 3 × 14 9 = −196 459 Page 7
Compartir