1

Modelos triangular y parablico

ClassPad 330 Prof. Jean-Pierre Marcaillou


INTRODUCCIN
La calculadora CASIO ClassPad 330 dispone de la Aplicacin Principal para realizar los clculos correspondientes
a los modelos triangular y parablico. El material presentado a continuacin reposa sobre el Captulo 5.- Modelacin
probabilstica: parte I del libro Probabilidad: Elementos para modelar situaciones con incertidumbre Edgar Elas
Osuna (obra actualmente en prensa Ediciones IESA).

CONCEPTOS, SIMBOLOGA Y FRMULAS

Experimento aleatorio e : Es un proceso que genera resultados bien definidos.

Espacio descriptivo S: Es el conjunto de todos los resultados posibles de un experimento aleatorioe .

Evento: Cualquier subconjunto del espacio descriptivo S.

Variable aleatoria: Es una funcin X(a) que asigna un nmero real x(a) a cada elemento a de S; es decir, es una
funcin que toma valores en un espacio de probabilidades S. En general, las variables aleatorias se representan por
las ltimas letras del alfabeto, en maysculas, mientras que las minsculas se reservan para el valor que toma la
variable aleatoria.

Clasificacin

Variable aleatoria discreta: Es aquella cuando el conjunto de llegada es finito o infinito numerable.

Variable aleatoria continua: Es aquella cuando el conjunto de llegada es infinito no numerable.

Recorrido R
X
: Es el conjunto de valores reales que puede tomar la funcin X(a).

Funciones que definen el comportamiento de una variable aleatoria unidimensional discreta:

Funcin de masa de probabilidades: Sean x
1
, x
2
, x
3
,..., x
n
los valores que puede tomar la variable aleatoria
X. Se define la funcin de probabilidad de la variable aleatoria X como = = =
i i
p( x ) P( X x ) (i 1,2,3,...,n) .

Propiedades:

1)
i
0 p(x ) 1 s s
2)
n
i
i 1
p(x ) 1
=
=

3)
< s
< s =

i
i :a x b
i
P(a X b) p( x )
Funcin de distribucin acumulativa:
s
= s =

i
i : x x
i
F( x) P( X x) p( x )
Propiedades:

1) 0 1 s s F( x) para todo x.

2) F(x) es no decreciente


2
3) 1

=
x
lim F( x)

4) 0

=
x
lim F( x)

5) Si < < s = a b, P(a X b) F(b) F(a)

Funciones que definen el comportamiento de una variable aleatoria unidimensional discreta:

Funcin de densidad de una variable aleatoria continua: Es una funcin f(x) tal que

a) 0 > f ( x)

b) 1
+

=
}
f ( x)dx

c) Para < < s =
}
b
a
a b, P(a X b) f ( x)dx
Funcin de distribucin acumulativa:

= s =
}
x
F( x) P( X x) f ( x)dx
Propiedades:

1) = dF( x) / dx f ( x)

2) F(x) es no decreciente

3) 1

=
x
lim F( x)

4) 0

=
x
lim F( x)

5) Si < < s = a b, P(a X b) F(b) F(a)

Esperanza matemtica E(X): La esperanza matemtica de una variable aleatoria X se define como:
Variable aleatoria discreta: ( ) ( )
i i
i
E X x p x =

Variable aleatoria continua: ( ) ( ) E X xf x dx
+

=
}

Propiedades de la esperanza matemtica:

1) Si X C = , siendo C una constante, ( ) E X C =

2) Si C es una constante, ( ) ( ) E CX CE X =

3) | | | | | | | |
1 2 1 2
( ) ( ) ... ( ) ( ) ( ) ... ( ) + + + = + + +
n n
E H X H X H X E H X E H X E H X

4) Para A y B constantes, ( ) ( ) E AX B AE X B + = +

5) Desigualdad de Jensen: Si H(X) es una funcin convexa y si E(X) existe, | | | | ( ) ( ) E H X H E X >

6) Interpretacin geomtrica: | |
0
0
( ) 1 ( ) ( ) E X F X dx F X dx
+

=
} }


3
Varianza V(X): La varianza de una variable aleatoria X, se define como la esperanza matemtica del cuadrado de su
desviacin con respecto a la media, es decir,
| |
{ }
| |
2 2
2
( ) ( ) ( ) ( ) V X E X E X E X E X = =
Variable aleatoria discreta:
( )
2
( ) ( ) ( )
i i
i
V X x E X p x =

Variable aleatoria continua: ( )
2
( ) ( ) ( ) V X x E X f x dx
+

=
}


Propiedades de la varianza:


1) Si X C = , siendo C una constante, ( ) 0 V X =


2) Si C es una constante, ( ) ( ) V X C V X + =


3) Si C es una constante,
2
( ) ( ) V CX C V X =


4) Para A y B constantes,
2
( ) ( ) V AX B A V X + =


Desviacin estndar o : La desviacin estndar de una variable aleatoria X se define como la raz cuadrada de su
varianza.


Desigualdad de Tchebyshev: Si X es una variable aleatoria con una distribucin cualquiera cuya esperanza
matemtica y varianza y o son finitas, entonces:

{ }
2
2
( 0) P X h h
h
o
> s >

Modelos triangular y parablico: Describen situaciones en las cuales sabemos que la variable toma valores entre un
mnimo y un mximo conocidos, y que cierto valor en ese intervalo tiene mayor probabilidad de ocurrencia que los
dems (un mnimo, un mximo y un valor ms probable).


Modelo triangular: Sea X una variable aleatoria continua con funcin de densidad triangular en la cual el valor mnimo
posible es a, el mximo posible es b y el ms probable es c, donde a < c < b.


Funciones de densidad de probabilidad y de distribucin acumulativa de la distribucin uniforme:

Presentaremos a continuacin los diferentes casos que suelen ocurrir:


Caso I: Tringulo cualquiera.


Caso II: Tringulo issceles.


Caso III: Tringulo rectngulo.


Para cada caso se presentan las funciones de densidad de probabilidad con sus correspondientes ilustraciones
grficas, la esperanza matemtica, la varianza y la funcin de distribucin acumulativa.

4
0
2( )
( )( )
( )
2( )
( )( )
0
<

s s

< s

>

para x a
x a
para a x c
b a c a
f x
b x
para c x b
b a b c
para x b










+ +
=
a b c
E( X )
3



+
=
2
( b c) ( b a)(c a)
V( X)
18


2
2
0
( )
( )( )
( ) ( )
( )
1
( )( )
1
<

s s

= s =

< s

>

para x a
x a
para a x c
b a c a
F x P X x
b x
para c x b
b a b c
para x b


( ) 1 ( ) 1 ( ) > = s = P X x P X x F x



2
2
0
4( )
2
( )
( )
4( )
2
( )
0
<

s s

+
< s

>

para x a
x a a b
para a x
b a
f x
b x a b
para x b
b a
para x b










( )
2
+
=
a b
E X



2
( )
( )
24

=
b a
V X

2
2
2
2
0
2( )
2
( )
( ) ( )
2( )
1
2
( )
1
<

s s

= s =

+
< s

>

para x a
x a a b
para a x
b a
F x P X x
b x a b
para x b
b a
para x b


( ) 1 ( ) 1 ( ) > = s = P X x P X x F x


2
=

h
b a

( ) f x
0 a c b x
2
=

h
b a

( ) f x
0 a c b x

5
2
0
2( )
( )
( )
0

<

= s s

>

para x a
b x
f x para a x b
b a
para x b












2
( )
3 3
+
= = +
a b b a
E X a




2
( )
( )
18

=
b a
V X

2
2
0
( )
( ) ( ) 1
( )
1
<

= s = s s

>

para x a
b x
F x P X x para a x b
b a
para x b

( ) 1 ( ) 1 ( ) > = s = P X x P X x F x


2
0
2( )
( )
( )
0

<

= s s

>

para x a
x a
f x para a x b
b a
para x b












2( ) 2
( )
3 3
+
= = +
b a a b
E X a




2
( )
( )
18

=
b a
V X

2
2
0
( )
( ) ( )
( )
1
<

= s = s s

>

para x a
x a
F x P X x para a x b
b a
para x b

( ) 1 ( ) 1 ( ) > = s = P X x P X x F x


( ) f x
0 a b x

2
=

h
b a

2
=

h
b a

( ) f x

0 a b x

6
Modelo parablico simtrico: Sea X una variable aleatoria continua con funcin de densidad en forma de parbola
simtrica, en la cual el valor mnimo posible es a, el valor mximo posible es b, y el ms probable es el punto medio
del intervalo (a,b), m = (a+b)/2

2
3
0
6( ( ) )
( )
( )
0
para x a
x a b x ab
f x para a x b
b a
para x b
<

+ +
= s s

>

o
2 2 2
3
0
3 6 3 12
( )
4
0
<

+ +
= s s +

>

para x a
x mx m h
f x para m h x m h
h
para x b








+
= =
a b
E( X ) m
2

=
2
( b c)
V( X )
20


2
3
0
(3 2 )( )
( ) ( )
( )
1
para x a
b a x x a
F x P X x para a x b
b a
para x b
<

= s = s s

>

( ) 1 ( ) 1 ( ) > = s = P X x P X x F x



Aplicaciones de los modelos triangular y parablico:

Estos modelos constituyen una buena aproximacin para modelar variables aleatorias de las cuales conocemos el
rango finito de valores entre los cuales puede variar (mnimo y mximo), as como su valor ms probable. Su
utilizacin es frecuente en la simulacin probabilstica Nos permite estimar las duraciones de las actividades de un
proyecto usando las tres estimaciones: optimista, muy pesimista, y pesimista.

Ley del estadstico inconsciente:

Sea ( ) = Y H X una funcin cualquiera de la variable aleatoria X; sea ( ) f x la funcin de densidad de X (o ( )
i
p x su
funcin de masa de probabilidades si X es discreta). La esperanza matemtica de Y es:

( ) ( )
( )
( ) ( )

}
i i
i
H x f x dx cuando x es continua
E Y
H x p x cuando x es discreta

Lo cual significa que no se necesita encontrar la distribucin de probabilidades de Y a fin de evaluar E(Y); es suficiente
conocer la distribucin de X.
( ) f x
0 a m b x
m h m m + h
3
2( )
h
b a
=

7
Teorema del lmite central:

Sean X
1
, X
2
, X
3
,..., X
n
variables aleatorias independientes e idnticamente distribuidas, con cualquier distribucin para
la cual existen
i
E( X ) = y
2
i
V( X ) o = . Sea la suma
n n
S X X X ... X = + + + +
1 2 3
. Entonces:

n
n
S n
lim P z ( z)
n

u
o

| |
s =
|
\ .
para z < < , donde u denota la funcin de distribucin acumulativa de una normal
estndar. Si queremos una interpretacin intuitiva del teorema, podramos decir que, cuando n , la distribucin S
n

tiende a una normal de parmetros
2
( n ; n ) o

El promedio
n
X ( X X ... X ) / n = + + +
1 2
tendr una distribucin aproximadamente normal cuando n es grande, o
una distribucin que tiende a normal cuando n . Sus parmetros son
X
E( X) = = ;
X
V( X )
n
o
o = =
2
2
y su
funcin de densidad es
x
n
X
f ( x) e
n

o
o
t
| |
|
|
\ .
=
| |
|
\ .
2
1
2
para z < <


CALCULADORA: APLICACIN PRINCIPAL

1. Cmo acceder, limpiar y configurar la Aplicacin Principal?


(1) Presione la tecla [ON/OFF] y toque del panel de iconos para mostrar las
diferentes Aplicaciones.

(2) Utilice la barra (botn) de desplazamiento e identifique la Aplicacin Principal.







(3) Toque y se activa la pantalla de la Aplicacin Principal donde aparecen:
Barra de mens:
Barra de herramientas:
Barra de estado:
(4) Toque en la barra de mens [Edit] / [Borrar todo] / [Acep.] con la finalidad de limpiar
el rea de trabajo de la Aplicacin Principal y aparece la pantalla inicial de dicha
Aplicacin.


8
(5) Toque en la barra de mens, seguidamente [Formato bsico] y realice la siguiente
configuracin.
(6) Toque el botn de flecha hacia abajo de Formato nmero, y luego toque Fijo 4 en
la lista desplegable que aparece con la finalidad de presentar los resultados numricos
con 4 cifras decimales.
(7) Toque el cuadro de marcacin de Clculo decimal para activarlo y luego toque,
si es necesario, los restantes cuadros de marcacin activados para desactivarlos .


(8) Toque [Def.] para validar la configuracin, y se regresa a la ventana inicial de la
Aplicacin Principal.




Ejemplo 5.3.21

Un vendedor es contratado por una empresa con la siguiente remuneracin: Bs. 300.000 ms 10% de lo que venda en
el mes. Supongamos que lo que vende en el mes es una cantidad aleatoria sobre la cual se sabe (por informacin
histrica) que nunca es menor que Bs. 2.000.000 ni mayor que Bs. 5.000.000. Se sabe, asimismo, que casi siempre la
cantidad vendida est cerca de los Bs. 2.000.000, y rara vez cerca de Bs. 5.000.000. El vendedor tiene compromisos
financieros para los que necesita ingresos del orden de Bs. 600.000 al mes, por lo que quisiera tener una estimacin
de la probabilidad de que en un mes reciba menos de esa cantidad.

Con la informacin anterior, cul sera para Ud. Una razonable estimacin de esa probabilidad?


Solucin analtica:

En primer lugar plantearemos una aproximacin (aunque gruesa) a la descripcin del comportamiento aleatorio de su
ingreso mensual. Plantearemos una distribucin triangular, como en la figura siguiente:







( ) f x
0 1 2 3 4 5 6 x
en millones de Bs.

9
Utilizando la formulacin para tringulos rectngulos, podemos escribir para la funcin de densidad de la venta
mensual X:

2
0 2
2( ) 2(5 )
( ) 2 5
9
( )
0 5

<

= = s s

>

para x
b x x
f x para x
b a
para x


Sea Y el ingreso mensual del vendedor. Tenemos 0,3 0,1 = + + Y X .

3
3
2
2 2
2(5 ) (5 ) 0, 6 0,3 2
( 0, 6) (0,3 0,1 0, 6) ( 3)
0,1 9 9 2
(
| |
< = + < = < = < = = (
|
\ .
(

}
x x
P Y P X P X P X dx


2 2
(5 3) (5 2) 2 2 4 9 2 5 5
9 2 2 9 2 2 9 2 9
(
(
= = + = = (
(

(



Se verifica tambin que
2 2
2 2
( ) (5 3) 4 5
( 3) 1 1 1
9 9
( ) (5 2)

< = = = =

b x
P X
b a


Solucin calculadora:

En este Procedimiento se muestra el uso del teclado 2D del teclado virtual de la Aplicacin Principal para evaluar
una integral definida en vista de que se tiene la ventaja de registrar el integrando, el diferencial, y los lmites inferior y
superior de integracin de la misma manera que se escribe la integral definida con lpiz y papel.

PROCEDIMIENTO: APLICACIN PRINCIPAL
(1) Presione la tecla [ON/OFF] y toque del panel de iconos para mostrar las
diferentes Aplicaciones.
(2) Utilice la barra (botn) de desplazamiento e identifique la Aplicacin Principal.
(3) Toque y se activa la pantalla de la Aplicacin Principal.

(4) Toque en la barra de mens [Edit] / [Borrar todo] / [Acep.] con la finalidad de limpiar
el rea de trabajo de la Aplicacin Principal y aparece la pantalla inicial de dicha
Aplicacin.



(5) Presione el teclado virtual , toque y se activa el teclado plantilla, luego
toque e identifique el smbolo .
(6) Toque para introducirlo en la pantalla.



10
(7) Registre en el recuadro claro inferior el valor 2, y luego registre en el recuadro claro
superior el valor 5.
(8) Toque , identifique el smbolo y luego toque para introducirlo en la
pantalla.
(9) Registre en el recuadro oscuro el numerador 2(5 x) .
(10) Registre en el recuadro claro el denominador 9 .
(11) Registre en el recuadro claro del diferencial la variable x .

(12) Toque [Ejec] y verifica que
5
( 3)
9
P X < = .




1.- Una empresa que funciona con tres tipos de mquina sabe que X = Nmero de horas que la mquina A est
parada debido a una avera sigue una distribucin triangular de parmetros (1,2,6), que Y = Nmero de horas que la
mquina B est parada debido a una avera sigue una distribucin triangular de parmetros (3,4,5), y Z = Nmero
de horas que la mquina C est parada debido a una avera sigue una distribucin triangular de parmetros (2,5,6).

a) Calcule el nmero medio de horas en las que no funciona la empresa y su desviacin estndar.

Suponga que el costo asociado en miles de bolvares de la mquina A es
2
1
C ( X) 5X 10X 2 = + , de la mquina B
es
2
2
C (Y ) 6Y 1 = y de la C es
3
C (Z) 12Z 5 = + .

b) Determine el costo medio total.

2.- En un proyecto se sabe que el camino crtico est formado por 100 actividades, tal que la duracin de cada una de
ellas es aleatoria y sigue una distribucin triangular con tiempo optimista 3, pesimista 13 y habitual 5. Calcule:

a) La duracin media del proyecto.

b) La desviacin estndar de la duracin media del proyecto.

c) La probabilidad de que el proyecto se termine antes de 250 das.