Datos del alumno Fecha

Nombres: Diana Denisse

Apellidos: Bohorquez Vivas

Desarrollo de la Actividad
Distribución discreta y continua de probabilidad

Un profesor universitario nunca termina su disertación antes del final de la hora y siempre termina
dentro de dos minutos después de la hora. Sea X= el tiempo que transcurre entre el final de la hora y el
final de la disertación y suponga que la función de densidad de probabilidad de X es:
𝟐
𝒇(𝒙) = { 𝒌𝒙 𝟎≤𝒙≤𝟐
𝟎 𝒅𝒆 𝒍𝒐 𝒄𝒐𝒏𝒕𝒓𝒂𝒓𝒊𝒐
a. Determine el valor de k y trace la curva de densidad correspondiente. [Sugerencia: el área total
bajo la gráfica de f(x) es 1.]
∞
∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞
2
∫ 𝑘𝑥 2 𝑑𝑥
0
2
𝑥3 2 3 03
𝑘 ∫ 𝑥 2 𝑑𝑥 = 𝑘 [ ] = 𝑘 [ − ]
0 3 3 3
2
8
𝑘 ∫ 𝑥 2 𝑑𝑥 = 𝑘 [ ] = 𝑘(2.666)
0 3

𝑘(2.666) = 1
1
𝑘= = 0.375009
2.6666
b. ¿Cuál es la probabilidad de que la disertación termine dentro de 1 minuto del final de la hora?
1
𝑃(0 ≤ 𝑥 ≤ 1) = ∫ 𝑘𝑥 2 𝑑𝑥
0
1 1
∫ 𝑘𝑥 𝑑𝑥 = ∫ 0.375𝑥 2 𝑑𝑥
2
0 0
1 1
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375 ∫ 𝑥 2 𝑑𝑥
0 0
1
𝑥3
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375 [ ]
0 3
Universidad Politécnica Salesiana- Sede Cuenca

Reemplazando
1
2
13
∫ 𝑘𝑥 𝑑𝑥 = 0.375 [ ] = 0.125
0 3

c. ¿Cuál es la probabilidad de que la disertación continúe después de la hora durante entre 60 y 90

segundos?

60 minutos = 1 hora

90 minutos = 1.5 horas

1.5
𝑃(1 ≤ 𝑥 ≤ 1.5) = ∫ 𝑘𝑥 2 𝑑𝑥
1
1.5 1.5
∫ 𝑘𝑥 𝑑𝑥 = ∫ 0.375𝑥 2 𝑑𝑥
2
1 1
1.5 1.5
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375 ∫ 𝑥 2 𝑑𝑥
1 1
1.5
𝑥2
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375 [ ]
1 3
1.5
(1.5)2 (1)2
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375 [ − ]
1 3 3
1.5
∫ 𝑘𝑥 2 𝑑𝑥 = 0.375(1.125 − 0.3333) = 0.375(0.7916) = 0.2968
1

d. ¿Cuál es la probabilidad de que la disertación continúe durante por lo menos 90 segundos

después del final de la hora? 90 minutos = 1.5 horas
1.5
𝑃(𝑋 ≥ 1.5) = 1 − ∫ 𝑘𝑥 2 𝑑𝑥
0
1.5
𝑃(𝑋 ≥ 1.5) = 1 − [∫ 0.375𝑥 2 𝑑𝑥]
0

1.5
𝑃(𝑋 ≥ 1.5) = 1 − (0.375 ∫ 𝑥 2 𝑑𝑥 )
0

𝑋3
𝑃(𝑋 ≥ 1.5) = 1 − (0.375 ( ))
3

1.53
𝑃(𝑋 ≥ 1.5) = 1 − (0.375 ( ))
3

𝑃(𝑋 ≥ 1.5) = 1 − (0.375(1.125)) = 1 − (0.4218) = 0.2782

Universidad Politécnica Salesiana

2
Universidad Politécnica Salesiana- Sede Cuenca

Distribución discreta y continua de probabilidad

Una pizzería que atiende pedidos por correo tiene cinco líneas telefónicas. Sea X la variable aleatoria
que representa al número de líneas en uso en un momento especifico. Supongamos que la función de
probabilidad f de X esta dad en la siguiente tabla:

Calcule la probabilidad de cada uno de los siguientes eventos:

(a) A=” a lo sumo 2 líneas están en uso”

𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)

𝑃(𝑋 ≤ 2) = 0.20 + 0.25 + 0.10 = 0.55
(b) B= “menos de 4 líneas están en uso”

𝑃(𝑋 < 4) = 𝑃(𝑋 ≤ 3)

𝑃(𝑋 < 4) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)
𝑃(𝑋 < 4) = 0.20 + 0.25 + 0.10 + 0.15 = 0.70

(c) C= “por lo menos 3 líneas están en uso”

𝑃(𝑋 ≥ 3) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)

𝑃(𝑋 ≥ 3) = 0.15 + 0.09 + 0.21 = 0.45
(d) D= “entre 2 y 4 (ambos inclusive) líneas están en uso”

𝑃(2 ≤ 𝑋 ≤ 4) = 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)

𝑃(2 ≤ 𝑋 ≤ 4) = 0.10 + 0.15 + 0.09 = 0.34
(e) E= “entre 2 y 5(ambos inclusive) líneas no están en uso”

𝑃(2 ≤ 𝑋 ≤ 5) = 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)

𝑃(2 ≤ 𝑋 ≤ 5) = 0.10 + 0.15 + 0.09 + 0.21 = 0.55
(f) F= “por lo menos 3 líneas no están en uso”

𝑃(𝐹) = 1 − 𝑃(𝑋 ≥ 3)
𝑃(𝐹) = 1 − 0.45 = 0.55

Universidad Politécnica Salesiana

3
Universidad Politécnica Salesiana- Sede Cuenca

Media y varianza de una variable aleatoria discreta

Un instructor aplico un corto examen compuesto de dos partes. Para un estudiante seleccionado al azar,
sea X= el número de puntos obtenidos en la segunda parte. Suponga que la función de masa de
probabilidad conjunta de X y Y se da en la tabla adjunta:

a. Si la calificación anotada en la libreta de calificaciones es el número total de puntos obtenidos

en las dos partes, ¿Cuál es la calificación anotada esperada E(X+Y)?

𝐸(𝑋 + 𝑌) = ∑ ∑(𝑥 + 𝑦). 𝑝(𝑥, 𝑦)

𝑥 𝑦

𝐸(𝑋 + 𝑌) = (0 + 0)(0.02) + (0 + 5)(0.06) + (0 + 10)(0.02) + (0 + 15)(0.10) + (5 + 0)(0.04)

+ (5 + 5)(0.15) + (5 + 10)(0.20) + (5 + 15)(0.10) + (10 + 0)(0.01)
+ (10 + 5)(0.15) + (10 + 10)(0.14) + (10 + 15)(0.01)
𝐸(𝑋 + 𝑌) = 14.10

b. Si se anota la máxima de las dos calificaciones, ¿Cuál es la calificación anotada esperada?

𝐸[𝑚𝑎𝑥(𝑋, 𝑌)] = ∑ ∑ 𝑚𝑎𝑥(𝑥 + 𝑦). 𝑝(𝑥, 𝑦)

𝑥 𝑦

𝐸[𝑚𝑎𝑥(𝑋, 𝑌)] = (0)(0.02) + (5)(0.06) + (10)(0.02) + (15)(0.10) + (0)(0.04) + (5)(0.15)

+ (10)(0.20) + (15)(0.10) + (0)(0.01) + (5)(0.15) + (10)(0.14) + (15)(0.01)
= 8.55

Universidad Politécnica Salesiana

4
Universidad Politécnica Salesiana- Sede Cuenca

Medidas de variabilidad

La demanda semanal de gas propano (en miles de galones) de una instalación particular es una variable
aleatoria X con función de densidad de probabilidad
𝟏
𝒇(𝒙) = { 𝟐 (𝟏 − ) 𝟏≤𝒙≤𝟐
𝒙𝟐
𝟎 𝒅𝒆 𝒍𝒐 𝒄𝒐𝒏𝒕𝒓𝒂𝒓𝒊𝒐

a. Calcule la función de distribución acumulativa de X.

𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫ 𝑓(𝑥) 𝑑𝑥
𝑎
𝑥
1
𝒇(𝒙) = ∫ 2 (1 − ) 𝑑𝑦
1 𝑦2
𝑥
2
𝒇(𝒙) = ∫ (2 − ) 𝑑𝑦
1 𝑦2
𝑥
1
𝒇(𝒙) = 2 ∫ (− ) 𝑑𝑦
1 𝑦2
1 𝑥
𝒇(𝒙) = 2 (𝑦 + )|
𝑦 1
1
𝒇(𝒙) = 2 (𝑥 + ) − 4
𝑥
0 ; 𝑥<1
1
𝒇(𝒙) = { 2 (𝑥 + ) − 4 ; 𝟏≤𝒙≤𝟐
𝑥
1 ;𝑥 > 2

b. Obtenga una expresión para el (𝟏𝟎𝟎𝒑)𝟎 percentil. ¿Cuál es el valor de 𝝁

̃?
𝜂(𝑝)
𝑝 = 𝐹(𝜂(𝑝)) = ∫ 𝑓(𝑦)𝑑𝑦
−=

1
𝑝 = 2 (𝑥𝑝 + )−4
𝑥𝑝

2𝑋𝑝2 − (4 − 𝑝)𝑋𝑝 + 2 = 0

𝑋𝑝 = 1/4[4 + 𝑝 + √𝑝2 + 8𝑝]

Universidad Politécnica Salesiana

5
Universidad Politécnica Salesiana- Sede Cuenca

̃ = 0.5 → 𝑝 = 0.5
𝝁
1
𝑋𝑝 = [4 + 0.5 + √(0.5)2 + 8(0.5)]
4
𝑋𝑝 = 1.6403

c. Calcule E(X) y V(X).

∞
𝐸(𝑋) = ∫ 𝑥. 𝑓(𝑥)𝑑𝑥
−∞
2
1
𝐸(𝑋) = ∫ 𝑥. 2. (1 − ) 𝑑𝑥
1 𝑥2
2
1 𝑥2 2
𝐸(𝑋) = 2 ∫ 𝑥. (𝑥 − ) 𝑑𝑥 = 2 ( − ln(𝑥))|
1 𝑥 2 1

𝐸(𝑋) = 1.614
∞
𝑉(𝑋) = ∫ (𝑥 − 𝜇)2 . 𝑓(𝑥)𝑑𝑥 = 𝐸[(𝑋 − 𝜇)2 ]
−∞

La desviación estándar (DE) de X es𝜎𝑋 = √𝑉(𝑋)

𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

2
𝐸(𝑋 2 ) = 2 ∫1 (𝑥 2 − 1)𝑑𝑥

𝑥3 2
𝐸(𝑋 2 ) = 2 ( − 𝑥)|
3 1
8
𝐸(𝑋 2 ) = = 𝑉(𝑋)
3
𝑉(𝑋) = 2.66 = 0.0626
d. Si 1500 galones están en existencia al principio de la semana y no se espera ningún nuevo
suministro durante la semana, ¿Cuántos de los 1500 galones se espera que queden al final de la
semana? [Sugerencia: sea h(x)= cantidad que queda cuando la demanda= x.]

(1.5-x,0)
∞
𝐸(𝑋) = ∫ 𝑥. 𝑓(𝑥)𝑑𝑥
−∞
2
𝐸(𝑋) = ∫ (1.5 − 𝑥, 0)𝑓(𝑥)𝑑𝑥
1
1.5
1
𝐸(𝑋) = 2 ∫ (1.5 − 𝑥) (1 − ) 𝑑𝑥 = 0.6
1 𝑥2

Universidad Politécnica Salesiana

6