ESTADSTICA Y PROBABILIDADES (ES-241)

UNIVERSIDAD NACIONAL DE SAN CRISTBAL DE HUAMANGA

FACULTAD DE INGENIERA DE MINAS GEOLOGIA Y CIVIL

ESCUELA DE FORMACIN PROFESIONAL DE INGENIERA CIVIL

TRABAJO ENCARGADO N4

II EXAMEN PARCIAL CASA- DE ESTADISTICA Y PROBABILIDADES (ES-

241)

ASIGNATURA : ESTADISTICA Y PROBABILIDADES ES 241

DOCENTE : M.Sc.UNI Ing. CIP Estadstico e informtico UNALM

TAPIA CALDERN, Guillermo B.
ALUMNO : CCOLLANA MEDINA, Miguel Angel

CODIGO : 16120614

CORREO : leugim2794@gmail.com

AYACUCHO-PERU

2013

1
 ESTADSTICA Y PROBABILIDADES (ES-241)

I. Respecto a las siguientes proposiciones de la teora de probabilidad,

complete en forma apropiada entre parntesis con (V) si es VERDADERO y
con (F) si es FALSO.
1.1 La probabilidad de un evento imposible es siempre cero.... (V)
1.2 Para dos eventos mutuamente excluyentes A y B se cumple:
( ) = () + () ..(V)
1.3 Si () = , no necesariamente se cumple = ....(F)
1.4 Fenmenos aleatorios o no determinsticos son aquellos cuyo estado final se
puede predecir con exactitud a partir del estado
inicial,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,.(F)
1.5 Si ( ) = () (), los eventos A y B son mutuamente
independientes(V)
1.6 Si ( ) = () (), los eventos A y B son
dependientes.(V)
1.7 Los modelos especiales de probabilidad discretos son: Bernoulli, Binomial,
Poisson, Hipergeomtrica, Geomtrica, Binomial Negativa o
Pascal.(V)
1.8 Los modelos especiales de probabilidad continuos son: Distribucin uniforme,
Distribucin exponencial, Distribucin Normal y Distribucin Normal
Estndar..(V)
1.9 El Teorema de Bayes compara la probabilidad previa(a priori) () con la
probabilidad posterior o postteriori
( )..(V)
1.10 Probabilidad de que ocurra un evento, sabiendo que otro evento ha ocurrido
se llama probabilidad condicional o condicionada(V)
1.11 Si el rango de la funcin X es contable, entonces X es una v.a
continua(F)
1.12 Los modelos especiales de probabilidad discretos son: Bernoulli, Binomial,
Poisson, Hipergeomtrica, Geomtrica, Binomial
Negativa.(V)

2
 ESTADSTICA Y PROBABILIDADES (ES-241)

1.13 Los modelos especiales de probabilidad continuos son: Distribucin uniforme,

Distribucin exponencial, Distribucin Normal y Distribucin Normal
Estndar(V)
1.14 Un problema de lotera electrnica es una aplicacin de () > . (F)
1.15 Si el juego al azar es equitativo, entonces () = .........(V)

II Sean A y B eventos o sucesos tales que: () = ; () = y

( ) = . Hallar:
1.16 P(AB)
1.17 P(BA)
1.18 P(A B)
1.19 P(Ac B c )
1.20 P(Bc Ac )
1.21 P(BAc )
1.22 P(A B)c
1.23 P(A B)c
SOLUCIN:
P(A B )
2.1 P(AB) = ; P(B) > 0
P(B)

1
P(AB) = 4
1
3
P(AB) = 0.75
P(B A )
2.2 P(BA) = P(A)

1
P( A) = 4
B
1
2
P(BA) = 0.50

3
 ESTADSTICA Y PROBABILIDADES (ES-241)

2.3 P(A B) = P(A) + P(B) P(A B)

P(A B) = 0.50 + 0.33 0.25

P(A B) = 0.58

C P(AC BC )
2.4 P (A C ) =
B P(BC )

AC P((A B)C )
P ( C) =
B 1 P(B)
C 1 P(A B)
P (A C ) =
B 1 P(B)
C 1 0.58
P (A C ) =
B 1 0.33
C
P (A C ) = 0.63
B
C P(BC AC )
2.5 P (B C ) =
A P(AC )

C
C P((B A) )
P (B C ) =
A 1 P(A)
C 1 P(B A)
P (B C ) =
A 1 P(A)
C 1 0.58
P (B C ) =
A 1 0.50
C
P (B C ) = 0.84
A
P(B AC )
2.6 P (B C ) =
A P(AC )

P(B) P(B A)
P (B C ) =
A P(AC )
0.33 0.25
P (B C ) =
A 1 0.50

P (B C ) = 0.16
A

4
 ESTADSTICA Y PROBABILIDADES (ES-241)

2.7 P(A B)c = 1 P(A B)

P(A B)c = 1 P(A B)

P(A B)c = 1 0.25

P(A B)c = 0.75

2.8 P(A B)c = 1 P(A B)

P(A B)c = 1 P(A B)

P(A B)c = 1 0.58

P(A B)c = 0.42

III En la escuela de Ingeniera Civil UNSCH, el 25% de los estudiantes se
han desmatriculado en Anlisis Matemtico, el 15% se ha desmatriculado
en Fsica II y el 10% se han desmatriculado en Anlisis Matemtico y Fsica
II. Se elige un estudiante al azar y se pide:
3.1 Si se ha desmatriculado en Fsica II, Cul es la probabilidad de que se haya
desmatriculado en Anlisis Matemtico?.
3.2 Si se ha desmatriculado en Anlisis Matemtico Cul es la probabilidad de
que se haya desmatriculado en Fsica II?.
3.3 Cul es la probabilidad de que se haya desmatriculado en Anlisis
Matemtico o Fsica II?
SOLUCIN
Sean los eventos:
A = {desmatriculado en Anlisis Matemtico}
F = {desmatriculado en Fsica II}

A F = {desmatriculado en Anlisis Matemtico y en Fsica II}

Expresando las cantidades dadas en porcentaje, mediante probabilidad:
P(A) = 0.25

P (F) = 0.15

P(A F) = 0.10
La probabilidad solo de A es igual a 0.25 0.10 = 0.15

5
 ESTADSTICA Y PROBABILIDADES (ES-241)

La probabilidad solo de F es igual a 0.15 0.10 = 0.05

Representacin en un diagrama de Venn -Euler
F A

0.05 0.10 0.15

La probabilidad solo de A es igual a 0.25 0.10 = 0.15

La probabilidad solo de F es igual a 0.15 0.10 = 0.05
3.1 Si se ha desmatriculado en Fsica II, Cul es la probabilidad de que se haya
desmatriculado en Anlisis Matemtico?

P(A F )
P(AF) =
P(F)

1
A
P( F) = 10
3
20
P(AF) = 0.66

I.E. La probabilidad de ocurrencia del evento (AF) es 0.66 el cual es la probabilidad

de que se haya desmatriculado en Anlisis Matemtico?

3.2 Si se ha desmatriculado en Anlisis Matemtico, Cul es la probabilidad de

que se haya desmatriculado en Fsica II?

P(F A )
P(FA) =
P(A)

1
F
P( A) = 10
1
4
P(FA) = 0.4

I.E. La probabilidad de ocurrencia del evento (FA) es 0.4 el cual es la probabilidad

de que se haya desmatriculado en Fsica II?

6
 ESTADSTICA Y PROBABILIDADES (ES-241)

3.3 Cul es la probabilidad de que se haya des matriculado en Anlisis

Matemtico o Fsica II?

P(A F) = P(A F) = P(A) + P(F) P(A F)

P(A F) = 0.25 + 0.15 0.10

P(A B) = 0.30
I.E. La probabilidad de ocurrencia del evento (A B) es 0.30 el cual es la
probabilidad de que se haya desmatriculado en Fsica II?

IV.-En la ciudad de Trujillo, el porcentaje de personas que leen los peridicos:

El Comercio(A)=9,8%; La industria(B)=22,9%; La Repblica(C)=12,1%;
A y B=5,1%; A y C=3,7%; B y C=6.0%; A, B y C=2,4%.

a.- Cul es la probabilidad de que la poblacin lea al menos uno de los peridicos
A, B y C?

b.- Cul es la probabilidad que una persona seleccionada aleatoriamente de esta

poblacin sea lector de El Comercio(A) y no lo sea de los peridicos la
industria(B) y La Repblica(C)

Solucin

Sean los eventos:

A: { }
B: { }
C: { }

se tiene el siguiente diagrama

7
 ESTADSTICA Y PROBABILIDADES (ES-241)

9.8 6
() = = 0.098 ( ) = = 0.06
100 100
22.9
() = = 0.229 3.7
100 ( ) = = 0.037
12.1 100
() = = 0.121
100
5.1 2.4
( ) = = 0.051 ( ) = = 0.024
100 100

a.- Qu porcentaje de la poblacin lee al menos uno de los peridicos A, B y C?

a) ( ) = () + () + () ( ) ( ) ( ) + ( )

( ) = . + . + . . . . + .

( ) = .

I.E: la probabilidad de ocurrencia del evento ( ) es . el cual es la

probabilidad de que la poblacin lea al menos uno de los peridicos A, B y C

Dado que cumple con los requisitos 0 . 1

b.- Cul es la probabilidad que una persona seleccionada aleatoriamente de esta

poblacin sea lector de El Comercio(A) y no lo sea de los peridicos la
industria(B) y La Repblica(C)

= ( )

= [( ) )]

= ( ) (( ) )

= ( ) (( ) )

= () ( ) (( ) )

= () ( ) (( ) )

= () ( ) [( ) ( )]

= () ( ) ( ) + ( )

= 0.098 0.051 0.037 + 0.024 = 0.034

8
 ESTADSTICA Y PROBABILIDADES (ES-241)

I.E: La probabilidad de ocurrencia del evento ( ) es 0.034 el cual es la

probabilidad de que la poblacin lean el peridico El comercio y no lean los peridicos la
industria y La Repblica.

Dado que cumple con los requisitos 0 . 1

V.- La urna 1 contiene (x+1) esferas blancas e (y-1) rojas. La urna 2 contiene z
esferas blancas y w rojas. Se escoge al azar una esfera de la urna 1 y se pone en
la urna 2. Entonces. Se escoge una esfera al azar de la urna 2. Cul es la
probabilidad de que esta esfera sea blanca?

Solucin:
Sean los eventos:

= { }

= { }

= { }
Entonces el evento de que en la segunda extraccin la bola sea blanca es:

= ( ) ( )
Entonces la probabilidad de que la esfera sea blanca en la segunda extraccin (de la urna
2) ser

() = [( ) ( )]

() = ( ) + ( ) Pues ( ) ( ) = son m.e

() = () () + () ( )

+ +
P() = (+) (++) + (+) (++)

I.E. la probabilidad de que la esfera escogida en la urna 2 sea blanca es :

9
 ESTADSTICA Y PROBABILIDADES (ES-241)

VI. Una ca. Perforada de petrleo debe decidir si taladra o no un lugar determinado
que la compaa tiene bajo contrata. Por investigaciones geolgicas practicadas se
sabe que existe una probabilidad de 0.45 que una formacin de TIPO I se extienda
debajo del lugar prefijado para taladrar, 0.30 de probabilidad que exista una
formacin de TIPO II y de 0.25 de TIPO III. Estudios anteriores indican que el petrleo
se encuentra en un 30% de las veces en la formacin de TIPO I, en un 40% en la
formacin de TIPO II, en un 20% en la de TIPO III. Determinar la probabilidad que si
no se encontr petrleo, la perforacin fue hecha en la formacin TIPO I.

Solucin

Sean los eventos

A:{ }

B:{ }

C:{ }

N:{ }

N:{ }

N:{ }

Se tiene el siguiente diagrama

la probabilidad que si no se encontr petrleo, la perforacin fue hecha en la

formacin TIPO I ser:
( ) Por probabilidad condicional
( )=
()

10
 ESTADSTICA Y PROBABILIDADES (ES-241)

Por el teorema de bayes:

() ( )
( ) = (1)
1 2 3
(A)P ( ) + (B)P ( ) + (C)P ( )

La probabilidad de que no halla petrleo es:

() = (A)P ( ) + (B)P ( ) + (C)P ( ) por particin del espacio muestral

() = (. )(. ) + (. )(. ) + (. )(. )

() = .
De (1):

() ( )
( ) =
1 2 3
(A)P ( ) + (B)P ( ) + (C)P ( )

(0.45)(0.70)
( )=
(0.695)

( ) = 0.453

A
I E: La probabilidad de ocurrencia del evento P (NP) es 0.453 el cual refiere a la
probabilidad de que si no se encontr petrleo, se hizo la perforacin en la formacin del
tipo I
VII.- En la figura n 7.1 se supone que la probabilidad de que cada rel este cerrado
es p y que cada rel o se abre o se cierra independientemente de cualquier orto.
Encontrar la probabilidad de que la corriente pase de I a D.

Figura n 7.1

11
 ESTADSTICA Y PROBABILIDADES (ES-241)

Sea E y F la corriente que pasa respectivamente, entonces:

1 E = (E1 UE3 ) E2

P(E) = P[(E1 UE3 ) E2 ]

P(E) = P(E1 UE3 ) P(E2 )

P(E) = [P(E1 ) + P(E3 ) P (E1 E3 )] P(E7)

P(E) = [P(E1 ) + P(E2 ) P (E1 ) P(E2 )] P(E2)

P(E) = [p + p p p] p

P(E) = [2p p2 ] p

P(E) = 2 p2 p3

2 F = E4 [E5 E6 ]

P(F) = P(E4 ) + P(E5 E6 ) P(E4 ) P(E5 ) P(E6 )

P(F) = P(E4 ) + P(E5 ) P(E6 ) P(E4 ) P(E5 ) P(E6 )

P(F) = p + p p p p p

P(F) = p + p2 p3
3 Sea ID la corriente que pasa de I a D:

ID = EUF

P(ID) = P(EUF)

P(ID) = P(E) + P(F) P(E F)

P(ID) = P(E) + P(F) P(E) P(F)

P(ID) = (2p2 p3 ) + (p + p2 p3 ) (2p2 p3 )(p + p2 p3 )

P(ID) = 2p2 p3 + p + p2 p3 (2p3 p4 + 2p4 p5 2p5 + p6 )

P(ID) = 2p2 p3 + p + p2 p3 2p3 + p4 2p4 + p5 + 2p5 p6

P(ID) = p + 3p2 4p3 p4 + 3p5 p6

Interpretacin estocstica: la probabilidad del evento que la corriente pase de I a D
Es: p + 3p2 4p3 p4 + 3p5 p6

12
 ESTADSTICA Y PROBABILIDADES (ES-241)

VARIABLES ALEATORIAS UNIDIMENSIONALES:

VIII.- Dada la funcin de cuanta f :

x 0 1 2 3
TABLA 02 f (x) 0.1 0.3 0.5 0.1

Solucin:-

De la tabla tenemos:

x f(x) x f(x) X2 f(x) X3 f(x) X4 f(x)

0 0.1 0 0 0 0
1 0.3 0.3 0.3 0.3 0.3
2 0.5 1 2 4 8
3 0.1 0.3 0.9 2.7 8.1
1.0 1.6 3.2 7 16.4

Calcular:

VII-a) E(x), V(x), y el tercer momento central.

4
Como la esperanza matemtica de una v.a.d. es E ( x) xi f ( xi ) entonces
i 1
reemplazando los valores dados en la tabla N 2:
4
E ( x) xi f ( xi ) = (0)(0.1) + (1)(0.3) + (2)(0.5) + 3(0.1)
i 1
= 0 + 0.3 + 1.0 + 0.3
4
E ( x) xi f ( xi ) =1.6
i 1

* La Esperanza Matemtica es igual a 1.6

Como la la Varianza de una v.a.d es igual a:

4 2

V ( x) E[( x ) ] ( xi ) f ( xi ) E ( x 2 ) E ( x)
2 2

i 1
 ESTADSTICA Y PROBABILIDADES (ES-241)

V ( x) E ( x 2 ) E ( x)
2

Luego reemplazando con los datos de la tabla N 2:

4
V(x) = (x )
i 1
i
2
f ( xi ) 2

V(x) = (0)2(0.1) + (1)2(0.3) + (2)2(0.5) + (3)2(0.1) - (1.6)2

V(x) = 0 + 0.3 + 2.0 + 0.9 2.56

V(x) = 0.64

* La varianza es igual a 0.64

VII-b) Momento cero alrededor del origen (0). Adems: 1 ,2 , 3, 4. r (x
xeR x
r
) f ( x)

Luego desarrollando mediante tablas:

0 No existe

xi f(x) (x1)f(x) (x2)f(x) (x3)f(x) (x4)f(x)

0 0.1 0.0 0.0 0.0 0.0
1 0.3 0.3 0.3 0.3 0.3
2 0.5 1.0 2.0 4.0 8.0
3 0.1 0.3 0.9 2.7 8.1

f ( x) 1.6 xf ( x) 3.2 x
xRx xRx xRx
2
f ( x) 7 x
xRx
3
f ( x) 1.64

1 = 1.6
2 = 3.2
3 = 7
4 = 1.64

VII-c) Momento cero alrededor dela media (0). Adems: 1 ,2 , 3 , 4

4
r ( xi ) r f ( xi )
i 1
 ESTADSTICA Y PROBABILIDADES (ES-241)

Luego desarrollando mediante tablas:

0 No existe

1 = 0
2 = 0.64
3 = 1.09
4 = -0.17

VII-d) Momento factoriales: m0,m1,m2, m3

Sea X una v.a.d o v.a.c Se define el K esimo momento factorial de la variable x, y se
denota por:
mK E x( x 1)( x 2)...( x k 1) , Z 0
m3 E[ x(x 1)(x 2)] E( x).E ( x 1).E(x 2) E(x).[E(x) 1].[E(x) 2] 0.6144

Calcular: m0, m1, m2, m3,

m0 E[0] 0

m1 E[X] 1.6

m2 E[ x(x 1)] E( x).E( x 1) E(x).[E(x) 1] 0.96

m3 E[ x(x 1)(x 2)] E( x).E( x 1).E(x 2) E(x).[E(x) 1].[E(x) 2] 0.6144

IX. Sea X una variable aleatoria continua con funcin de densidad dado por:
f(x) = k(6x 2x2) ; si 0<x<2
0 ; en otro caso
IX-a) Calcular el valor de la constante k y la funcin de densidad especfica.
Dado que es una funcin de densidad entonces:

f ( x)dx 1

0 2
0dx k (6 x 2 x 2 )dx 0dx 1
0 2
2
0 k (6 x 2 x 2 )dx 0 1
0
2
2
0 k 3x 2 x 3 0 1
3 0
 ESTADSTICA Y PROBABILIDADES (ES-241)

Evaluando:

2
k 3(2) 2 (2) 3 0 0 1
3
20 3
k 1 k
3 20

Por lo tanto la funcin de densidad especfica es:

3
f(x) = (6x 2x2) ; si 0<x<2
20
0 ; en otro caso
1
IX-b) Graficar f y F.

Hallar la Funcin de Distribucin Acumulada F(x)

0
a) En el intervalo: x<0: F(x) = 0dx 0

b) En el intervalo 0<x<2

x
3 9 2 x3
F ( x) 20' x
2
6 x 2 x dx F ( x )

20 10

De lo anterior la Funcin de distribucin acumulada es:

0 ; si x<0

9 2 x3
F(x) = x ; si 0<x<2
20 10
1 ; si x>2
 ESTADSTICA Y PROBABILIDADES (ES-241)

IX-c) Calcular: P(-1x2)

Solucin:

2
P(-1x2) = f ( x)dx
1

0 2
3
= 0dx 6 x 2 x 2 dx
1 0
20
2
3 2 2 3
= 0 3x x
20 3 0
3 2 3 20
P(-1x2) = 0 3(2) 2 (2) 3 0 0 P(-1x2) = 0 1
20 3 20 3

IX-d) Calcular la Esperanza Matemtica E(x).

Como la esperanza matemtica de una v.a.c es:

E(x) = xf ( x)dx


3 2

0 2
= x(0)dx 0 x 20 6 x 2 x dx x(0)dx
2

2
3
E(x) = 0
20 0
6 x 2 2 x 3 dx 0
2
3 3 x4 3 (2) 4
0 0 E ( x) 8 1.2
3
E(x) = 2 x 2( 2) 3

20 2 0 20 2 20

IX-e) Hallar la variancia o varianza V(x).

Como la varianza de una v.a.c es:

V(x) = E(x2) [E(x)]2 = x 2 f ( x)dx 2


2 3
dx x
0 2

x (0)dx 0 x 20 6 x 2 x (0)dx 2
2 2 2
=
2

2
3
V(x) = 0
20 0
6 x 3 2 x 4 dx 0 2
2
3 3 4 2 5 3 56
V(x) = x x 2 2 V ( x) 1.68 1.44 0.24
20 2 5 0 20 5
 ESTADSTICA Y PROBABILIDADES (ES-241)

X. Para la funcin de cuanta de la TABLA N 02, sea = +

Calcule:
X-a) La media teorica de la v.a.d. y

(o esperanza matemtica de la v.cd.:E(y))

X-b) La media teorica de la v.a.d. y

Solucin:
De la abla tenemos:

x f(x) x f(x) X2 f(x) X3 f(x) X4 f(x)

0 0.1 0 0 0 0
1 0.3 0.3 0.3 0.3 0.3
2 0.5 1 2 4 8
3 0.1 0.3 0.9 2.7 8.1
1.0 1.6 3.2 7 16.4

Y=x2 +2x=x(x+2)

X-a) La media terica de la v.a.d. y

(o esperanza matemtica de la v.cd.:E(y))

() = (( + 2))

() = ()(() + 2))

() = (1.6)(1.6 + 2)

() = 5.76

X-b) La media teorica de la v.a.d. y

() = (( + 2))

() = ()(() + 2))

() = (3.2)(3.2 + 2)

() = 16.64
 ESTADSTICA Y PROBABILIDADES (ES-241)

XI. Si la variable aleatoria continua X tiene la funcin de acumulacin expresada

por:

0 ...; x<0
F (x) x / 4 ..; 0 x 1
2

x/2 -1/4 .; 1< x < 2

1-1/2x ....; x2

XI.a) P (IxI<2)

Por formula del valor absoluto:

P(-2< < 2)

( < < ) = () ()

Reemplazando:

(1 < < 1) = (1) (1)

1 1
=( )0
2 4

1
=
4

XI.b) P(X 1.5)

P(X 1.5)=F(a)

Reemplazando:
( 1.5) = (1.5)

1
=1
2 1.5
2
=
3
 ESTADSTICA Y PROBABILIDADES (ES-241)

()
XI.c) calcular la densidad F(x)= .

()
Sea la funcin f(x)=0 ; entonces =0

()
Sea la funcin f(x)= x 2 / 4 ; entonces = 1/2

()
sea la funcin f(x)= x/2 -1/4 ; entonces = 1/2

() 1
sea la funcin f(x)= 1-1/2x ; entonces = ( 2) ln()

XI.d) La esperanza matemtica E(x)

x 1 1
1 2 2
x
J f ( x)dx 0dx dx dx 1 x dx 1
1
0
4 2 4 1
2

3
x x2 1
x x ln x
1 2
= 0 1 2 2 2
12 4 2

1 3 1
= 1 ( 2) ( 2) (ln ln 2)
12 4 2

E(x) no existe, entonces V(x) tampoco existe el valor esperado de la variable aleatoria X
no existe puesto que la integral ltima no es convergente.

XII. La produccin mnima de una maquina es de 2,000 tornillos y la mxima es de

6,000. Si la funcin de densidad del nmero de miles de tornillos producidos se
puede representar por:

() = ( )

Determinar la produccin esperada.

Solucin:
Sea la produccin esperada
Adems el lmite de produccin est comprendido as 2 < () < 6
Es decir cunto 2.35 < < 4.13 -2.35<x<-4.13
4.13
3
() = (8 2 3 12) = 22 892.08
2.35 128
ESTADSTICA Y PROBABILIDADES (ES-241)