Variables aleatorias (1)
Variables aleatorias (1)
Variables aleatorias (1)
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Sea X el tiempo de llegada de Lucas a la estación del subte, X ∼ U[7:10, 7:30]. Sea Y<br />
el tiempo de espera. Consideramos los eventos A = {7:10 ≤ X ≤ 7:15} = ”Lucas sube en<br />
el subte de las 7:15”; B = {7:15 < X ≤ 7:30} = ”Lucas sube en el subte de las 7:30”.<br />
Condicionado al evento A, el tiempo de llegada de Lucas a la estación del subte es<br />
uniforme entre las 7:10 y las 7:15. En en ese caso, el tiempo de espera Y también es<br />
uniforme entre 0 y 5 minutos. Análogamente, condicionado al evento B, Y es uniforme<br />
entre 0 y 15 minutos. La densidad de probabilidades de Y se obtiene usando la fórmula de<br />
probabilidad total<br />
fY (y) =<br />
3.2. Memoria<br />
<br />
5 1<br />
1{0 ≤ y ≤ 5} +<br />
20 5<br />
<br />
15 1<br />
1{0 ≤ y ≤ 15}<br />
20 15<br />
= 1<br />
1<br />
1{0 ≤ y ≤ 5} + 1{5 ≤ y ≤ 15}.<br />
10 20<br />
Ejemplo 3.4 (La exponencial no tiene memoria). Lucas camina hacia la parada del colectivo<br />
donde el tiempo, T, entre llegadas de colectivos tiene distribución exponencial de<br />
intensidad λ. Supongamos que Lucas llega t minutos después de la llegada de un colectivo.<br />
Sea X el tiempo que Lucas tendrá que esperar hasta que llegue el próximo colectivo. Cuál<br />
es la distribución del tiempo de espera X?<br />
Designamos mediante A = {T > t} el evento “Lucas llegó t minutos después de la<br />
llegada de un colectivo”. Tenemos que<br />
P(X > x|A) = P(T > t + x|T > t) =<br />
= P(T > t + x)<br />
P(T > t)<br />
= e−λ(t+x)<br />
e −λt<br />
P(T > t + x,T > t)<br />
P(T > t)<br />
= e−λx .<br />
Nota Bene. En general, si modelamos el tiempo para completar cierta operación por<br />
una variable aleatoria T con distribución exponencial, la propiedad de pérdida de memoria<br />
implica que mientras la operación no haya sido completada, el tiempo restante para<br />
completarla tiene la misma función de distribución, no importa cuando haya empezado la<br />
operación.<br />
Ejemplo 3.5 (Exponencial truncada a la derecha). Sea T una variable aleatoria con distribución<br />
exponencial de intensidad λ > 0 y sea t0 > 0. Según la fórmula (53) la variable<br />
aleatoria T truncada a la semirecta (t, +∞), T |{T > t0}, tiene la siguiente densidad de<br />
probabilidades<br />
fT |{T>t0}(t) = λe−λt<br />
e −λt0 1{t > t0} = e −λ(t−t0) 1{t − t0 > 0} = fT(t − t0).<br />
En otros términos, si T ∼ Exp(λ), entonces T |{T > t0} ∼ t0+Exp(λ).<br />
33