P. 1
Ejercicios de Probabilidad

Ejercicios de Probabilidad

|Views: 300|Likes:
Publicado porEduardo DomSig

More info:

Published by: Eduardo DomSig on Aug 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/07/2015

pdf

text

original

DEPARTAMENT D’ESTAD´ ISTICA I ´ INVESTIGACIO OPERATIVA

Ejercicios de C´lculo de Probabilidades a

Curso acad´mico 2004-2005 e

Ejercicios de C´lculo de Probabilidades. Depto. Estad´ a ıstica e I.O.

2

Tema 1: Concepto de Probabilidad y Propiedades. Probabilidad condicional. Independencia
1. Se lanzan al aire dos monedas bien construidas. De las siguientes afirmaciones cual, si alguna, te parece la soluci´n correcta a la pregunta ¿cual es la probabilidad de que aparezcan dos caras? o Razona la respuesta.
1 a) Puesto que o aparecen dos caras o no aparecen dos caras la probabilidad es 2 . 1 b) El n´mero de caras obtenido puede ser 0, 1 ´ 2. La probabilidad de 2 caras es 3 . u o

c) Aunque sean monedas iguales, vamos a considerar que podemos etiquetarlas como ”moneda 1 ”moneda 2”. Teniendo en cuenta ese orden, los posibles resultados son CC, C+, +C y ++. La probabilidad de dos caras, CC, es 1 . 4

2. Tres grupos de amigos eligen al azar entre tres bares para ir a cenar, sin restricci´n en el n´mero o u de grupos por bar. a) Listar los posibles resultados y, considerando que son equiprobables, calcular la probabilidad de los sucesos: A = Primer bar vac´ B = Los dos primeros bares vac´ y C = Cada ıo; ıos bar no tiene m´s de un grupo. a b) Hallar las probabilidades de A, B y C si se distribuyen los tres grupos entre n bares, n ≥ 2. 3. Si se lanzan dos dados, ¿cual es la probabilidad de que los dos n´meros que aparecen sean u distintos? ¿Cual es la probabilidad de que al lanzar 3 dados los 3 sean distintos? ¿Y si se lanzan n dados, n ≤ 6? 4. Una pareja planifica su familia de acuerdo con una de las siguientes estrategias y bajo la hip´tesis o de que el nacimiento de una ni˜a o un ni˜o son igualmente probables. n n a) Tener tres hijos. b) Tener ni˜os hasta que nace la primera hija o hasta que tenga tres, lo que se produzca n antes. Despu´s parar. e c) Tener ni˜os hasta que tenga uno de cada sexo o hasta tener tres, lo que se produzca antes. n Despu´s parar. e Sea Bi el suceso consistente en que han nacido i ni˜os y sea C el suceso consistente en que hay n m´s ni˜as que ni˜os. Determinar P (B1 ) y P (C) en cada uno de las tres estrategias anteriores. a n n 5. Sup´ngase que tres corredores del equipo A y tres del equipo B participan en una carrera. Si o los seis tienen las mismas aptitudes y no hay empates, ¿cual es la probabilidad de que los tres corredores del equipo A lleguen en primero, segundo y tercer lugar, y los tres corredores del equipo B lleguen en cuarto, quinto y sexto lugar? 6. Una urna contiene 100 bolas, de las cuales r son rojas. Sup´ngase que las bolas son seleccionadas o al azar de una en una y sin reemplazo. Determinar: a) La probabilidad de que la primera bola extra´ sea roja. ıda b) La probabilidad de que la quincuag´sima bola extra´ sea roja. e ıda c) La probabilidad de que la ultima bola extra´ sea roja. ´ ıda 7. Muestreos con y sin reemplazamiento a) Muestreo con reemplazamiento. Una moneda bien construida se lanza diez veces. Calcular la probabilidad de los sucesos: A = Se obtienen exactamente tres caras, y B = Se obtienen no m´s de tres caras. a b) En el caso anterior, obtener la probabilidad de observar exactamente r caras en n lanzamientos.

2

Ejercicios de C´lculo de Probabilidades. Depto. Estad´ a ıstica e I.O.

3

c) Muestreo sin reemplazamiento. En una clase a la que asisten 15 chicos y 30 chicas se eligen al azar a 10 estudiantes. Calcular las probabilidades de los sucesos: A = Se eligen exactamente tres chicos, y B = Se eligen no m´s de tres chicos. a d ) En el caso anterior, obtener la probabilidad de elegir exactamente r chicos entre los n estudiantes seleccionados si en la clase hay R chicos y N − R chicas. 8. k personas se sientan aleatoriamente en n asientos (n > k), a) Si los asientos est´n situados en fila ¿cu´l es la probabilidad de que ocupen k asientos a a contiguos en la fila? b) Si los asientos est´n situados en c´ a ırculo, ¿cu´l es la probabilidad de que ocupen k asientos a contiguos del c´ ırculo? c) Si k personas se sientan aleatoriamente en una fila de 2k asientos, ¿cual es la probabilidad de que no haya dos personas sentadas en asientos contiguos? 9. Loter´ Primitiva. En la loter´ primitiva cada boleto consiste en elegir seis n´meros del 1 ıa ıa u al 49. El d´ del sorteo se obtienen los seis n´meros ganadores m´s un s´ptimo conocido como ıa u a e complementario. Obtienen el primer premio los boletos cuyos seis n´meros coinciden con los u seis n´meros ganadores, y obtienen el segundo premio si cinco de los n´meros del boleto son u u n´meros ganadores, y el otro coincide con el complementario. Calcular las probabilidades de u obtener el primer o el segundo premio si jugamos un boleto de la loter´ primitiva. ıa 10. Tres caballos A, B y C intervienen en una carrera. El caballo A tiene doble probabilidad de ganar que el caballo B, y este ultimo tiene doble probabilidad de ganar que C. Calcular las ´ probabilidades que tienen de ganar cada uno de los tres caballos. 11. Se sabe que entre los 120 estudiantes de un colegio mayor hay 60 que estudian Biol´gicas (B), o 50 que estudian Farmacia (F ) y 20 que cursan ambos estudios simult´neamente. Determinar la a probabilidad de que uno de ellos escogido al azar estudie Biol´gicas o Farmacia, y la probabilidad o de que no estudie ambas simult´neamente. a 12. De entre los 96 an´lisis de glucosa en sangre realizados durante un d´ en un laboratorio, se a ıa observ´ que todos los resultados estaban comprendidos entre 50 y 350 mg/ml. En 89 de esos o an´lisis la cantidad de glucosa no era superior a 190 mg/ml y en 21 de ellos era superior a 120 a mg/ml. Determinar: a) La probabilidad de que el resultado de uno de esos an´lisis est´ entre 120 y 190 mg/ml. a e b) La probabilidad de que el resultado de uno de esos an´lisis est´ entre 50 y 120 mg/ml. a e c) La probabilidad de que el resultado de uno de esos an´lisis sea mayor que 190 mg/ml. a 13. Se sabe que la probabilidad de que un matem´tico encuentre trabajo nada mas acabar la carrera a es 0.4, para un ingeniero en inform´tica esa probabilidad es 0.6. Si la probabilidad de que ambos a encuentren trabajo es 0.24, calcular las probabilidades de que: a) S´lo encuentre trabajo el inform´tico. o a b) Al menos uno de los dos encuentre trabajo. c) Ninguno encuentre trabajo. 14. El examen de una asignatura consta de dos partes, una te´rica y otra pr´ctica, y se sabe que el o a 20 % de los estudiantes presentados aprueban ambas, mientras que el 70 % aprueba el examen te´rico y el 40 % el pr´ctico. Determinar la probabilidad de que un estudiante escogido al azar o a entre los presentados: a) Suspenda el te´rico. o a o b) Apruebe el pr´ctico si se sabe que es de los que han aprobado el te´rico.

Se lanza una moneda bien construida tres veces. ¿qu´ porcentaje hay de mujeres diestras? e 16. el 10 % son zurdos. b) La probabilidad condicionada de que hubiera exactamente una cara. Supongamos que P (B | A) = P (B).Ejercicios de C´lculo de Probabilidades. dado que hay al menos dos caras. b) P (B | B c ).55. Se lanza un dado bien construido dos veces (lo cual es probabil´ dos dados bien construidos). Sean {A1 . . donde la mitad son hombres y la otra mitad mujeres. u a a) Calcula la probabilidad de coincidencias para n = 2. sabiendo que hubo exactamente una cara (Trata de adivinar la respuesta primero. b) ¿Cual es el l´ ımite de la probabilidad anterior cuando n tiende a infinito? 19. A2 y A3 } tres sucesos arbitrarios. son corazones o diamantes). o a 4 15. Calcular la probabilidad de que David sea puntual. y entonces usa la definici´n o de probabilidad condicionada). . f ) P (B | A) cuando B es un subconjunto de A. 24. En cierta poblaci´n. Juan (el del ejercicio anterior) ha quedado ahora con su hermano David. con probabilidades P(A1 ). ıan u o a) P (B | B). de una en una y sin reemplazamiento. mientras que la probabilidad de que Marta llegue tarde es 0. ısticamente equivalente a lanzar 20. 22. ¿Cu´l es la a probabilidad condicionada de que la suma de los dos n´meros sea impar ? u 21. esa 1 1 1 probabilidad es 1! − 2! + · · · + (−1)n+1 n! . en general. e) P (B | A) cuando A es un subconjunto de B. sabiendo que en el primer lanzamiento sali´ cara. Demostrar que. c) Apruebe el te´rico si se sabe que es de los que han aprobado el pr´ctico. . P(A2 ) y P(A3 ) respectivamente. d ) P (B | ∅).e. Piensa acerca de lo que significan las probabilidades condicionadas siguientes y decide los valores que deber´ tener. c) P (B | Ω). . Hallar la probabilidad de que: a) Todas sean rojas (i.1 y la de que los dos lleguen tarde es 0. o Si el 6 % son hombres zurdos. 2. En una permutaci´n aleatoria de los enteros 1. Sabiendo que la probabilidad de que al menos uno de los dos llegue a la hora acordada es 0. 18. n se dice que hay coincidencias si al menos o uno de los n´meros est´ en el sitio correcto. d ) La probabilidad condicionada de que salgan tres caras. .2. 23. Entonces calc´lalas usando la definici´n de probabilidad condicionada.O. Cuando quedan juntos a una hora. la probabilidad de que Juan sea puntual es 0.4. Juan y Marta son poco puntuales. Estad´ a ıstica e I. Hallar: a) La probabilidad condicionada de que el primer lanzamiento resulte cara. Calcular la probabilidad de que ocurra exactamente uno de ellos. ¿Debe ser P (A | B) = P (A) ? ¿Por qu´ ? Suponer que las e probabilidades P(A) y P(B) son mayores que cero. calcular la probabilidad de que los dos sean puntuales. Depto. 17. dado que los dos primeros lanzamientos resultaron dos caras. Se extraen tres cartas de una baraja francesa (52 cartas).7. 3 y 4. La probabilidad de que los dos sean puntuales es 0. o c) La probabilidad condicionada de tres caras. Sabiendo que el primer dado ha sacado un 3 o menor.

Depto. g) La primera es un as y la segunda tambi´n. y Bi = la i-´sima extracci´n es blanca. Se extrae una bola. est´n de acuerdo con una determinada decisi´n del Gobierno. Adem´s. La m´quina 1 produce a a a el 35 % de los tornillos. Sean los sucesos Ai = La i-´sima e extracci´n sale bola azul. ( Sugerencia para P (A2 ): A2 es la uni´n de dos sucesos o disjuntos A1 A2 y B1 A2 .Ejercicios de C´lculo de Probabilidades. Estad´ a ıstica e I.5? 28. 3. Similarmente las m´quinas 2. i ) La segunda es un as. el 75 % de los Dem´cratas y el 42 % de los independientes est´n a favor del candidato A. En una f´brica de tornillos hay cuatro m´quinas trabajando en paralelo. se anota su color y entonces se devuelve a la urna y se a˜ade otra bola del mismo color a la urna. c) No defectuoso. el 20 % y el 15 % del total. ¿Que proporci´n de los votantes est´n a favor del candidato A? o a 27. el 35 % de los electores de esa ciudad votaron PSOE y el 40 % votaron PP. a b) Defectuoso.O. Hallar las probabilidades o e o siguientes: a) P (A1 b) P (A1 c) P (B1 A2 B2 A2 B3 ) A3 ). Calcular las probabilidades de que un tornillo elegido al azar entre los fabricados por esas m´quinas sea: a a) Defectuoso y fabricado por la m´quina i (i = 1. y solo el 5 % de ellos son defectuosos. el 45 % de los del PP. e) Exactamente una sea roja. 3 a y 4 producen el 30 %. Comparar con el apartado a. que dice estar de acuerdo con la decisi´n del Gobierno. 2. ) 29. inicialmente. la extracci´n de una bola aumenta n o ligeramente la probabilidad de que la siguiente sea del mismo color. Una urna contiene. ´ . En las ultia a o ´ mas elecciones. sabiendo que la probabilidad a de que falle algo dentro del per´ ıodo de garant´ es p en cada ordenador. el 43 % Dem´cratas a o y el 17 % independientes. De esta forma. ıa a) ¿Cu´l es la probabilidad de que se produzca al menos un fallo durante la garant´ a ıa? b) ¿Para que valor de p esa probabilidad es exactamente 0. y el 55 % de los dem´s. ( No es necesario realizar ning´n c´lculo si se sabe la respuesta u a del apartado e ). e h) La primera no es un as y la segunda s´ ı. b) Las dos primeras sean negras y la tercera sea roja. d ) P (A2 ). 2 % y 2 % respectivamente. Determinar: o a o a) La proporci´n de electores que est´ de acuerdo con la decisi´n del Gobierno. 25. 5 f ) Exactamente una sea negra. c) La primera y la tercera sean negras y la segunda sea roja. En una determinada ciudad. 4). y sus porcentajes de tornillos defectuosos son 4 %. d ) Fabricado por la m´quina 2 y no defectuoso. Supongamos que la urna contiene originalmente tres bolas azules y siete bolas blancas. Compara con P (A1 ). Se compran tres ordenadores iguales para el aula de inform´tica. A3 ). Esquema de urna de P´lya. el 80 % de los votantes del PSOE. Comparar de nuevo. a o a 26. b) La probabilidad de que un elector. El 28 % de los Republicanos. el 40 % de los votantes son Republicanos. o haya votado al PSOE en las ultimas elecciones. d ) La segunda y la tercera sean negras y la primera sea roja. cierta combinaci´n de bolas o o azules y blancas.

SOLUCIONES 1 c 2 (a). si el sistema la se˜ala como defectuosa. Determinar la a probabilidad de que una pieza defectuosa haya sido producida por la m´quina B. determinar la probabilidad de que un estudiante de primero. determinar la probabilidad de que una mujer de esa poblaci´n.2963.02. P(B) = .5 (b). 6 30.n 6−n si n ≤ 6.25 y P(C) = . P(B1 ) = . sea menor que 0. determinar la probabilidad de que haya contestado al azar si su respuesta es correcta.03704 y P(C) =. r 100 (c). Los pacientes de los que se sospecha una enfermedad E son sometidos dos veces consecutivas a un mismo test (pruebas condicionalmente independientes) del que se sabe que da positivo al 98 % de las personas que padecen E y al 6 % de las que no padecen E.05 6 (a). 34. respectivamente. 2 % y 3 %. 33. Si el 25 % de los estudiantes de primero. Depto. Se estima que el 27 % de los estudiantes de la Universitat de Val`ncia est´n en el primer curso e a y que. P(B1 ) = . con las que o a se fabricaron el 20 %.O.5 (c). P(A) = . que no ha nacido en la ciudad. 0 en otro caso.625 y P(C) = . P(B) = ( n−2 )3 y P(C) = n n 3 5 5 6. la probabilidad final de que realmente lo sea resulte n mayor que 0. de ellos. A. 4 (a). (n−1)(n−2) n2 V6. r 100 (b). a quien el test le ha o o dado positivo. Los porcentajes de piezas defectuosas que tales m´quinas producen son. no haya nacido en la ciudad y viva en un piso de estudiantes es 0. Para la fabricaci´n de una partida de piezas se utilizaron 3 m´quinas. viva en un piso de estudiantes. Un test para la detecci´n precoz del c´ncer de mama tiene un 2 % de falsos positivos y un 1 % de falsos negativos. 9. Estad´ a ıstica e I.2222 (b).01. Un sistema de detecci´n de cerraduras de seguridad defectuosas da lugar a un 1 % de falsos o positivos (cerraduras aparentemente defectuosas que resultan funcionar correctamente) y a un 3 % de falsos negativos (cerraduras aparentemente bien fabricadas que resultan no funcionar bien).Ejercicios de C´lculo de Probabilidades. a 32. Determinar la probabilidad inicial m´ ınima de que una cerradura sea defectuosa para que. Si este tipo de c´ncer afecta a una mujer de cada 5. 30 % y 50 % de las piezas respectivamente. P(B1 ) = . B y C. no nacidos en la ciudad y que viven en pisos de estudiantes son de Derecho.000 en una determinada a poblaci´n.375 y P(C) =. 35. si ambas a pruebas resultan negativas. P(A) = ( n−1 )3 .25 5 0. y la probabilidad de que un estudiante de la Universidad elegido al azar sea de primero de Derecho. a o a 31. 1 %. Determinar la probabilidad inicial m´xima de que un paciente tenga E para que su probabilidad final. tenga c´ncer de mama. un 60 % no ha nacido en la ciudad. r 100 .99. Si en un examen de respuesta m´ltiple con k respuestas posibles un alumno conoce la respuesta u correcta con probabilidad p y marca una respuesta al azar con probabilidad 1 − p.

26 0.5. 13 (a). 0. 1 (f ).1719 (b).5597 (d).46. . . 18 (a).7151 × 10−7 y P(Segundo premio) = . .3824 (f ). Sin sentido (e). Estad´ a ıstica e I. n r 7 7 (a).1275 (e).5.1275 (d). 0. 0.1172 y P(B) = .0175. 0. (b). (k + 1)/ 2k k 9 P(Primer premio) = . . (d). 0.1176 (b). 0. 17 0.0030 (b).5. 1 (b). 0.6250 (b). 19 P(A1 )+ P(A2 )+ P(A3 )− −2 P(A1 ∩ A2 ) − 2 P(A1 ∩ A3 ) − 2 P(A2 ∩ A3 )+ +3 P(A1 ∩ A2 ∩ A3 ) 20 1 2 1 3 1 4 1 4 1 2 P (B) P (A) 21 (a). .5059.4686 30 0. . 0.6321. (c). 23 S´ ı 24 (a). 15 0. 22 (a). . 7 y P(B ∩ F ) = 5 .4291 × 10−6 10 P(A) = 4 . 1 − (1 − p)3 (b).0045 (h).286 (c).1459 (b).3824 (g).Ejercicios de C´lculo de Probabilidades. P(B) = 7 11 P(B ∪ F ) = 3 4 2 7 y P(C) = 1 .0040. . P (B) (d). 0. . 0.4938 35 1−p (1−p)+kp 3 10 la misma que P (A1 ) .2904 y P(B) = . 0. 0. 0.0636 (c). 0.0120.2063.24.7812 (c). .5975 (b).0365 (c). 0.3 (b).0724 (i). . 14 (a).5051 33 p ≤ 0. 0. 28 (a).9571 34 0. 16 0. . 29 (a).76 (c).2609 31 0.1275 (c). (n − k + 1)/ n k (b).36 (b). R r     N −R n−r  N  n   8 (a).0729.O. P(A) = .0098 32 p ≥ 0.6667 y 0.9635 (d). 0. 0.0636 (d). Depto. P(A) = . n/ n k (c). 27 (a). 6 12 (a).   2−n (c). 0. 0.0636 (b). 0. 0 (c).0769 25 (a).15.2880. 0.

Estad´ a ıstica e I. adem´s de acabarse el juego. (d) F (−4. Calcula las siguientes probabilidades: x 10 para a) P (1 < X < 3).3069 (= 1 − ln 2). y la presencia de un cromosoma Y .99). El daltonismo est´ causado por un alelo recesivo en el cromosoma X que denotamos por x. P (X = 2. Si F (x) es la funci´n de distribuci´n de una variable aleatoria con distribuci´n de Poisson de o o o par´metro λ = 3.95    1 si si si si si si si x < −2 − 2 ≤ x < −1 −1≤x<1 1≤x<2 2≤x<4 4≤x<5 5≤x<∞ o o a) ¿Es la funci´n de distribuci´n de una variable aleatoria X discreta? b) Calcula y representa gr´ficamente la funci´n de probabilidad de esta variable aleatoria X.99). Comprueba que la probabilidad de que ganes es 0. distingue al individuo como hombre. . a o 4. La concha del caracol de tierra Limocolaria mantersiana puede ser rayada o p´lida. 8 Tema 2: Variables aleatorias o 1.5 < X < 3).20     0. Representa en la gr´fica dibujada todas las proba abilidades del primer apartado del problema y las dos primeras del segundo. por lo que los dos sexos se caracterizan como XX (mujer) y XY (hombre). El 60 % a de estos caracoles de tierra tiene la concha rayada.5 ≤ X ≤ 1. 4 (y 0 en otro caso). ambos inclusive. a El cromosoma Y no tiene conexi´n con la ceguera al color. 2. 2. Calcula la probabilidad de que la proporci´n de caracoles con concha rayada presentes o o en la muestra: (a) sea del 50 %. En funci´n de tal deficiencia. Depto. Sea X una variable aleatoria discreta con funci´n de probabilidad definida como f (x) = x = 1. pero si el resultado es cara. desarrollando en serie de potencias. 7. calcula: (a) F (1).O. 2. (e) l´ F (x) a ım x→2− 3. u o Si es blanca ganas 100 euros. Cada vez que obtienes el resultado cruz colocas una ficha de color blanco en un sombrero. 3. 3. b) P (X ≤ 1). . (c) F (3.35 0.Ejercicios de C´lculo de Probabilidades. P (1. ∞ 1 1 ln( 1−x ) = n=1 n X n . (Recuerda que. P (1. y P (X = x) = 0 en otros casos. 4). Representa gr´ficamente la funci´n F (x):   0     0. De esa forma.2).5 ≤ X < 3). A continuaci´n se elige al azar una ficha del sombrero. 3. Todo individuo tiene un cromosoma X. u d ) P (X ∈ Q) donde Q es el conjunto de los n´meros racionales. Los genetistas han identificado dos cromosomas sexuales X e Y en los seres humanos.70     0. a˜ades una ficha negra en a n el sombrero. . . P (1. P (1 ≤ X < 3). Considera un juego que consiste en lanzar repetidamente una moneda hasta conseguir el resultado cara. 5. c) P (X ∈ N ) donde N es el conjunto de los n´meros enteros positivos. se o o consideran tres genotipos para las mujeres y dos para los hombres. u o o e) Calcula y dibuja la funci´n de distribuci´n F (x) de la variable X. 6. (b) F (0. Repite los dos primeros apartados del problema utilizando F (x). Calcula la funci´n de probabilidad de una variable aleatoria discreta X para la que P (X > o x) = (1/2)x cuando x = 1. P (X = 1. (c) no sea e inferior al 70 %. (b) est´ entre el 50 % y el 60 %. el n´mero de fichas en el sombrero es igual u al n´mero de lanzamientos realizados. pero si es la negra pierdes 100 euros.45 F (x) =   0. Se seleccionan 10 caracoles al azar de esta poblaci´n.5). P (0 ≤ X ≤ 2 | 1 ≤ X ≤ 3).2. 2. cuando finaliza el juego. P (X < 1). 3). (d) sea del 60 %. si |x| < 1). a o c) Calcula la(las) mediana(s) de X.

de los cuales 5 son defectuosos. no se produce ning´n incremento en el peso. Seg´n a u esta informaci´n. Una de las caracter´ ısticas fundamentales de la herencia de caracteres cuantitativos (peso. la presencia de a e al menos un gen + es suficiente para determinar un incremento de +1 Kg. ¿cu´l ser´ la probabilidad de que o o a ıa m´s de la mitad de los encuestados manifestaran una opini´n favorable a la construcci´n de la a o o planta nuclear? Si como resultado de la encuesta s´lo cinco personas se declararon favorables al o citado proyecto. Depto. el peso m´ u ınimo para un individuo con todos los genes − es de 10 kg. Cada uno de u o a estos genes aporta un peque˜o efecto a la expresi´n de dicho car´cter.O. ¿cu´l es la probabilidad de que los tres sean ni˜os todos a n dalt´nicos? o a n c) Si esta pareja tiene cinco hijos. Obt´n la distribuci´n e o de probabilidad de la variable aleatoria X si los art´ ıculos se escogen a) con reemplazamiento. 4 de cada 20 ratas mueren a causa del f´rmaco antes de que el experimento haya concluido. El n´mero de personas X que en una determinada poblaci´n tienen una huella dactilar de tipo u o Amunt@watson es una variable aleatoria Poisson de par´metro λ. Sup´n que el peso de las n o a o ovejas adultas est´ determinado por 10 pares de genes y que en cada par g´nico. De un lote que contiene 25 art´ ıculos. ¿cu´l a a es la probabilidad de que como m´ ınimo la mitad de ellos pese 15 kg o mas? 11. ¿cu´l es la probabilidad de que al menos 8 est´n vivas al finalizar el a a e experimento? 10. Se pretende construir una planta nuclear en una determinada localizaci´n geogr´fica y se desea o a conocer la opini´n de los habitantes de la ciudad m´s cercana al lugar de la construcci´n. Si se trata a a 10 ratas con este f´rmaco. Sea X la variable aleatoria que describe el n´mero de art´ u ıculos defectuosos elegidos. a o ıstico adea) ¿Te parece razonable que la distribuci´n Poisson puede ser un modelo probabil´ cuado para la variable presentada? b) Demuestra que P (X = 1 | X ≥ 1) = λ(eλ − 1)−1 . Por otro lado. . b) sin reemplazamiento. en general. se eligen 4 al azar. altura. ¿cu´l es la probabilidad de que a lo sumo dos sean ni˜os y dalt´nicos? ¿cu´l es la probabilidad de que tres o m´s sean ni˜as? o a a n 8. n o b) Si esta pareja tiene tres hijos. si se seleccionara una muestra aleatoria de 20 individuos de dicha poblaci´n y o o se preguntara a cada individuo su opini´n sobre esta cuesti´n. Estad´ a ıstica e I. ¿dudar´ de la cifra oficial del 60 % dada anteriormente? Explica la respuesta. Los pares g´nicos de sus e e descendientes se forman eligiendo al azar un gen del correspondiente par g´nico de cada uno de e los progenitores. Considera un reba˜o en el que todas las n ovejas tienen los 10 pares g´nicos formados por un gen + y un gen −. Si se elige una oveja al azar de la descendencia del reba˜o mencionado. etc) es que un n´mero elevado de genes contribuye a la expresi´n del car´cter. Se sabe que. Si los dos genes del par son −.Ejercicios de C´lculo de Probabilidades. Mujeres XX (normal) Xx (portadora) xx (dalt´nica) o Hombres XY (normal) xY (dalt´nico) o 9 Si cada hijo hereda un cromosoma sexual de cada progenitor a) Calcula la probabilidad de que un hijo de portadora de ceguera al color y un hombre normal sea ni˜o y dalt´nico. ıas 9. de peso. Calcula tambi´n en ambos casos la mediana de la distribuci´n de X. Para estudiar la regulaci´n hormonal de una ruta metab´lica se inyecta a ratas albinas un o o f´rmaco que inhibe la s´ a ıntesis de prote´ ınas del organismo. ¿cu´l n a es la probabilidad de que pese m´s de 17 kg? Y si ahora se eligen al azar 8 descendientes. e o 12. Los o a o datos oficiales aseguran que el 60 % de los habitantes de la ciudad est´ a favor del proyecto.

El coste del primer lanzamiento es de K miles de euros. P (1.Ejercicios de C´lculo de Probabilidades. a ınua con funci´n de distribuci´n: o o 16. u e) Dibuja la funci´n de densidad f (x) y representa en esa gr´fica las probabilidades del o a apartado del problema. el de cada uno de los restantes (si los hay) es de K/3 miles de euros. P (X = 1. P (X = 2. P (1. 2. b) Calcula la funci´n de distribuci´n de X y repres´ntala gr´ficamente. Se lanza una serie de cohetes pirot´cnicos hasta que se registra el primer lanzamiento correcto. del 50 % y del 75 %. 17. Encuentra una funci´n de densidad de una variable aleatoria cuya funci´n de distribuci´n es: o o o F (x) = 0 1 − (1 + 3x)e−3x si x < 0 en otro caso . 3).5 ≤ X ≤ 1. o o e a c) Calcula P ( 3 ≤ X ≤ 1) y P ( 1 ≤ X < 2 ) y representa gr´ficamente estas dos probabilidades a 4 3 3 en cada una de las dos gr´ficas anteriores. c) P (X ∈ N ) donde N es el conjunto de los n´meros enteros positivos. 3. P (1. calcula su distribuci´n de o probabilidad y repres´ntala gr´ficamente. e a 14. ¿Crees que unicamente con esta informaci´n el detenido es realmente el culpable? ¿Con ´ o qu´ tama˜o de ciudad encontrar´ ese hecho razonable? e n ıas 13. 4). el experimento se detiene y se inspecciona el equipo. c) Calcula el percentil del 25 %. P (0 ≤ X ≤ 2 | 1 ≤ X ≤ 3). Sea X una variable aleatoria absolutamente cont´  si x < 0  0   3x  si 0 ≤ x ≤ 1  4 3 si 1 < x ≤ 2 F (x) = 4  x+1  si 2 < x ≤ 3   4  1 si x > 3 5 a) Calcula P ( 1 ≤ X ≤ 2 ) 2 o e a b) Calcula una funci´n de densidad para X y repres´ntala gr´ficamente.5 < X < 3). b) P (X ≤ 1). En una ciudad con 107 habitantes una persona con las huellas dactilares del tipo Amunt@watson es considerada la culpable del robo anterior. Estad´ a ıstica e I. Repite los dos primeros apartados del problema calculando ahora las correspondientes probabilidades a trav´s de F (x).O. Depto.5 ≤ X < 3). Se sabe o que la probabilidad de que la huella dactilar de una persona elegida aleatoriamente al azar sea de tipo Amunt@watson es 10−6 . Calcula las siguientes probabilidades 4 para 3x2 a) P (1 < X < 3).99). Sea X una variable aleatoria absolutamente cont´ ınua con funci´n de densidad: o  si x < 0  0   2x si 0 ≤ x < 1/2 f (x) =   6(1 − x) si 1/2 ≤ x < 1  0 si x > 1 o a) Dibuja f (x) y comprueba que realmente es una funci´n de densidad de probabilidad. Calcula y dibuja la funci´n de distribuci´n F (x) de la variable o o X. P (1 ≤ X < 3). 10 c) Un descuidado ladr´n deja en el lugar del robo una huella de tipo Amunt@watson. Cuando se consigue un lanzamiento correcto se obtiene una cierta cantidad de informaci´n que se valora como una ganancia de C miles de euros. e 15. e Si esto no se produce en cinco ensayos. u d ) P (X ∈ Q) donde Q es el conjunto de los n´meros racionales. P (X < 1). Sea X una variable aleatoria absolutamente cont´ ınua con funci´n de densidad f (x) = o 1 ≤ x ≤ 4 (y 0 en otro caso). Si T o es la variable aleatoria que describe el coste del experimento total.

O. Si una densidad para la variable aleatoria X es f (x) ∝ (x + 1)2 cuando 0 < x < 2.90 y comenta su significado en relaci´n a la duraci´n de los tubos estudiados. la distribuci´n de la capacidad craneal. n o ıan o 23. Halla las siguientes a probabilidades: a) P (2X + 1 > 3) b) P (X 2 ≤ 7) c) P (X ≤ 2 | X > 0.005.Ejercicios de C´lculo de Probabilidades. calcula la funci´n de distribuci´n de X. Sea X una variable aleatoria con densidad exponencial de par´metro λ = 2.2 < X < 0. Hace a˜os se descubri´ que los faisanes de Montana pose´ una contaminaci´n por mercurio apreciable.4). X. σ 2 ).5) d ) P (X > 0. Sea X la variable aleatoria que describe el nivel de mercurio (en ppm) de un fais´n de Montana. y se pens´ que esto pod´ deberse a que hab´ sido alimentados con semillas de o ıa ıan plantas tratadas con metilo de mercurio. a a) µ=0 y σ 2 =0.3).5 de que despu´s de 150 horas de servicio todos contin´en funcionando? e u 22. b) Calcular P (1000 < X < 1050). a a) Calcula la probabilidad de que un tubo de esas caracter´ ısticas dure menos de 200 horas si se sabe que todav´ funciona despu´s de 150 horas de servicio. ıa e b) Si se instalan tres de esos tubos en un conjunto. Depto. o d ) ¿Cual es el n´mero m´ximo de tubos que se pueden poner en un panel de modo que haya u a una probabilidad 0. o 19. En cierta poblaci´n de primates.5) y la o o mediana de la distribuci´n. La duraci´n (en horas) de cierto tubo de radio es una variable aleatoria con distribuci´n expoo o nencial de par´metro λ = 0. c) µ=0 y σ 2 =4. esboza gr´ficamente su densidad para los siguientes a valores de los par´metros. Representa gr´ficamente la funci´n de distribuci´n siguiente: a o o   0 F (x) =  1 si x < 0 + x2 ) si 0 ≤ x < 1 si x ≥ 1 1 2 (1 20. calcula el percentil del 25 % de su distribuci´n y las a o probabilidades P (X < 0. a a) Calcular la probabilidad de que la capacidad craneal de un miembro de dicha poblaci´n o sea superior a 1400 cm3 .25 ppm y σ=0.25. d ) µ=0 y σ 2 =16 Calcula tambi´n en cada caso las probabilidades P(µ−σ < X < µ+σ). b) µ=0 y σ 2 =1. e P(µ − 3σ < X < µ + 3σ) y comenta los resultados obtenidos. c) ¿Qu´ valor de X superar´ el 20 % de los primates de dicha poblaci´n? e a o . Estad´ a ıstica e I. y cero en otros casos. P (X > 0. P r(X < 1060) y P (X > 920). P(µ−2σ < X < µ+2σ).5 | X ≤ 2) 21. 11 18.08 ppm.17). Suponiendo que la distribuci´n de X es normal a o de par´metros µ=0. la probabilidad P (X > 1 | X < 1. Si X es una variable aleatoria N(µ. puede suponerse normal de par´metros µ=1200 cm3 y σ=140 cm3 . ¿cual es la probabilidad de que exactamente uno deba ser sustituido despu´s de 150 horas de servicio? e o c) Calcula el valor del percentil de orden 0. P (0. o o 24.

λ > 0. Si X es una variable aleatoria con distribuci´n exponencial de par´metro λ.6 micras y σ=0. . o o . Calcula o a el percentil de orden 95 de la distribuci´n del grosor. identifica la distribuci´n de la o o variable aleatoria Y = −λ−1 ln X. y si la c´lula no est´ infectada dicha a e a variable tambi´n se distribuye de forma normal pero ahora con µ=9. Supongamos que un huevo se clasifica o como de c´scara fina si el grosor de su c´scara es a lo sumo de 0.O.0 micras. Considera la variable aleatoria X del problema 4. b) Un gran n´mero de huevos se empaqueta al azar en hueveras de a u 12 huevos cada una. e Calcula: a) Probabilidad de que una c´lula no infectada tenga un di´metro m´ximo superior a 9.1). Calcula la funci´n de probabilidad de las o variables aleatorias Y = X + 2.Ejercicios de C´lculo de Probabilidades. identifica la densidad de probabilidad de su cuadrado.9 micras. 28. o 30. calcula: o a) La funci´n de densidad de Y = tan {π(X − 1 )}. Si X es una variable aleatoria con distribuci´n uniforme en (0. calcula la funci´n o a o de distribuci´n de Y = (X + 1)−1 .4 micras. Z = X 2 . . 1). Si X es un variable aleatoria con distribuci´n uniforme en (0. 12 25. o o 29. 33.03 mm. Probabilidad de que una c´lula no infectada tenga un di´metro m´ximo inferior a e a a 7. y σ=0. . Sea Y una variable o a aleatoria discreta definida como Y = k si k ≤ X < k + 1.0 micras.6 micras y σ=1. Sea X una variable aleatoria con distribuci´n exponencial de par´metro λ.0 micras. El grosor de las c´scaras de los huevos producidos por un cierto grupo numeroso de gallinas sigue a aproximadamente una distribuci´n normal de par´metros µ=0.38 mm. a) ¿Qu´ porcentaje de a a e huevos son de c´scara fina?. U =| X |. 1. c) Realiza un esbozo gr´fico de las dos densidades del problema y sit´a en cada una de ellas a u las probabilidades pedidas. σ 2 = 1).4 e a a micras. a a e micras.. k = 0. Depto. Calcula la funci´n de o probabilidad y la funci´n de distribuci´n de la variable Y .32 mm.. El di´metro m´ximo de los hemat´ de una persona con malaria por Plamodium vivax presenta a a ıes las siguientes caracter´ ısticas: Si la c´lula esta infectada dicha variable se distribuye de forma e normal de par´metros µ=7. ¿qu´ porcentaje de hueveras tendr´n al menos un huevo de c´scara fina? e a a 27. a a e Probabilidad de que el di´metro m´ximo de una c´lula infectada sea superior a 7. 32. Si la distribuci´n de la variable aleatoria X absolutamente cont´ o ınua es exponencial de par´metro a λ. Estad´ a ıstica e I. 31. o 2 b) La funci´n de distribuci´n de Z = ln{X/(1 − X)}. y util´ o o ızala para calcular P (Y > b) con b > 0. Si X es una variable aleatoria normal N(µ = 0. b) Probabilidad de que el di´metro m´ximo de una c´lula infectada sea inferior a 9. 2. a > 0. 26. calcula la funci´n de distribuci´n de Y = aX.

a 31 exp{−λb/a} 1 32 Ga(y| 2 . . .21887 9 9 9 3 (b) 0. 30 Exponencial de par´metro λ. 4 . y F (y) = 1 si y ≥ 1.1712 (b) 0. 1 ) 2 33 (a) Cauchy t´ ıpica.3. 0. 17 9xe−3x para x > 0 y 0 en otro caso. ´ n 4 14 (a) 8 .Ejercicios de C´lculo de Probabilidades.2.1353 1 26 ((x + 1)3 − 1) para 0 ≤ x ≤ 2 y 1 si x > 2. 0 (b) 0. . f (y) = 1 1 π 1+y 2 (b) 1 − (1 + et )−1 .5. 18 0 para x < 0. 0. 0.1.9502 (d) 0. por lo que P(es el unico) ≈ 10(e10 − 1)−1 que es muy peque˜a. 0 (c) 0 (d) 0. Depto.0408 (c) 0. 0.5. 0. 0. t∈ .0. 2 (d) 0 (e) 0.1712 (d) 1 13 12 (a) Si el tipo de huella es poco habitual y la poblaci´n es grande (c) X es Poisson de par´metro o a 19.6025 3 f (x) = ( 1 )x para x = 1. 0. 20 (a) 0. 2. 1 (c) 1 2 (a) 0. (c) 0.9950 29 F (y) = 0 si y ≤ 0. 0. 4 . Estad´ a ıstica e I.2. SOLUCIONES 1 (a) 0. 9 .2. F (y) = exp{λ(1 − (1/y))} si 0 < t < 1.O. 8 . 0.3561 (b) 0.

independientes con la misma funci´n de probabilidad f (k) = pq k para k = 0. . . determinar la probabilidad de que una familia escogida al azar tenga dos o hijas y ning´n hijo. El n´mero total de hijos e hijas de una familia escogida al azar puede describirse como una u variable aleatoria con distribuci´n de Poisson de par´metro λ = 1. . o c) Halla las funciones de probabilidad marginales y comprueba que coinciden con las que has hallado en (a). y repres´ntala o e gr´ficamente. 3 y 4. Y es el n´mero de caras que aparecen en las tiradas 2. .O. para k = 0.5 1 . 5. para ello vamos a completar los siguientes pasos: a) Para n = 0. halla P (Z ≥ n). o o c) La funci´n de probabilidad de R. Esta es la funci´n de probabilidad de la distribuci´n geom´trica de par´metro o o e a p. Y = y) para cada par (x. b) Halla P (X = Y ) c) Halla P (X + Y = 2) d ) Halla la funci´n de probabilidad de la variable aleatoria Z = X + Y . 14 Tema 3: Vectores aleatorios 1. .2 2 . . Depto. (X = 1 e Y = 4). .. d ) La funci´n de probabilidad de M dado R = r. 1. Se tira 4 veces una moneda bien equilibrada: X es el n´mero de caras que aparecen en las tres u primeras tiradas. o b) La funci´n de probabilidad conjunta de R y M .a. 1. Estad´ a ıstica e I. Si la probabilidad de tener o a un hijo var´n es 0. c) Usando el resultado del apartado (b) halla fZ (k) = P (Z = k). Supongamos que X e Y son dos variables aleatorias Poisson independientes cuyos par´metros a son 3 y 4 respectivamente. . Halla la probabilidad de que X + Y = 5. o Adem´s se puede usar la f´rmula binomial para sumar las 6 probabilidades.6 1 . a a Denotamos por R el n´mero de plantas que realmente germinan. . Una planta produce M semillas.51. (Pista : Z ≥ n si y s´lo si tanto X ≥ n como Y ≥ n). 1. o b) Para n = 0. Queremos determinar la funci´n de o probabilidad de Z. . y) de valores posibles.5 y γ = 0. a 2. u 3.3 a) Construye una tabla en la que se muestre P (X = x. Sean X e Y dos v. 1. u a) ¿Cu´l es la distribuci´n de X? ¿Y la de Y ? a o b) Construye la tabla de la funci´n de probabilidad conjunta de X e Y . 2 y 3. etc. Sea Z el m´ ınimo de X e Y . Se pide calcular (y dibujar u para el caso particular de n = 5.3 0 . halla P (X ≥ n).Ejercicios de C´lculo de Probabilidades. donde M se supone que sigue una distribuci´n binomial con o par´metros n y p.8. . Sean X e Y dos variables aleatorias independientes con las siguientes funciones de probabilidad: x: pX (x): y: pY (y): 0 . 0 < p < 1 y q = 1 − p. d ) ¿Son independientes X e Y ? e) Halla la probabilidad condicional de que X = x dado que Y = 2.1 2 . . p = 0. 1. Cada semilla germina con probabilidad γ independientemente de las dem´s. para x= 0. (Pista: Este suceso se puede descomponer como uni´n de 6 sucesos disjuntos:(X = 0 e Y = 5).8) las siguientes funciones: a) La funci´n de probabilidad condicional de R dado M = m.) a o o 6. o 4. .

luego la funci´n de densidad o conjunta es constante e igual a 1. Se eligen al azar dos n´meros reales en el intervalo (0. Xn n variables aleatorias independientes tales que cada una de ellas sigue una distribuci´n geom´trica de par´metro p. Y ) (Pista: Si a es un n´mero positivo. . 1 d ) El valor absoluto de la diferencia entre sus coordenadas es mayor que 2 . y) = λ2 e−λ(x+y) para x > 0. Deriva para obtener una densidad de Z. siendo 0 < p < 1 y q = 1 − p. o a por lo tanto una funci´n de densidad conjunta es f (x. representa gr´ficamente y halla la probabilidad de que el u a m´ximo de X e Y sea menor o igual que a. a b) ¿Cu´l es la probabilidad de que el menor sea mayor que Dibuja la regi´n asociada a ese suceso.1) y (0. X2 . u a) ¿Cu´l es la probabilidad de que el menor sea mayor que a ese suceso. a b) Representa gr´ficamente el suceso 2X ≤ Y y calcula P (2X ≤ Y ). Estad´ a ıstica e I.0). Sean X1 . Depto.0) menos de 1 . ( 2 . . independientes que siguen una distribuci´n exponencial de par´metro λ. 2 c) La suma de sus coordenadas es mayor que 1. 1 ).0).0).1]. o 1 2? 1 4 Dibuja la regi´n asociada a o 3 4? y el mayor sea menor que u n o c) Los dos n´meros elegidos se utilizan para se˜alar dos puntos por donde cortar un bast´n de un metro de longitud. . Se elige al azar un punto dentro del cuadrado de v´rtices (0. U ≤ a si y solo si tanto X ≤ a como u Y ≤ a) b) V =min(X. a) Escribe su densidad conjunta. e) Halla P (X + Y ≤ a) para cualquier n´mero a entre 1 y 2. ¿Cu´l es la probabilidad de que los tres trozos del bast´n constituyan a o un tri´ngulo? Dibuja la regi´n asociada a ese suceso. o u a d ) Halla P (X + Y ≤ a) para cualquier n´mero a entre 0 y 1.1). c) Si a es un n´mero entre 0 y 1. Dibuja las funciones a o de densidad y distribuci´n que acabas de calcular. Calcula su funci´n de probabilidad conjunta. antes representa gr´ficamente el suceso involucrado.1). 1. es decir su funci´n de probabilidad es f (x) = pq x para o e a o x = 0. Sean X e Y dos variables independientes que siguen una distribuci´n uniforme en el intervalo o [0. Halla (y representa gr´ficamente) la funci´n de densidad de las dos variables a o aleatorias siguientes (halla primero la funci´n de distribuci´n y despu´s deriva): o o e a) U =max(X. Dibuja las funciones de densidad y distribuci´n que acabas de calcular.O. Es decir. Y ) (Pista: Si a es un n´mero positivo. Para cada uno de los sucesos siguientes. halla P (V > a) y a partir de ella u determina P (V ≤ a)). o . Deriva para hallar una funci´n de densidad de M . halla la funci´n de distribuci´n de a o o M = m´x(X. Y ). y > 0 (y o 0 en otro caso). . antes representa gr´ficamente u a el suceso involucrado. (1. 15 7. o o f ) Combina los resultados de los apartados (d) y (e) para obtener la funci´n de distribuci´n de Z = X + Y . 11. o e 8. . (1. Para hacer los siguientes c´lculos no necesitas hacer ninguna integral: ten en cuenta que el a conjunto de valores posibles es un cuadrado de lado 1 en el plano. e 2 2 2 b) Dista de (0. a o 10. 1 ) y (0.0).a. .Ejercicios de C´lculo de Probabilidades. . dibuja la regi´n de R2 asociada y calcula su probabilidad: o 1 a) El punto pertenece al cuadrado de v´rtices (0. 9. Sean X e Y dos v.( 1 .

c) Halla P (X ≤ a) para a > 0. a o o 13. Si X e Y son variables aleatorias con funci´n de densidad conjunta f (x. (-1. u b) Halla P (X ≤ a. dibuja esa regi´n y calcula su probabilidad. Depto. deter2 X1 minar la distribuci´n conjunta de Y1 = X1 +X2 e Y2 = X1 + X2 y sus marginales. En ambos casos haz todas las representaciones gr´ficas oportunas. La distribuci´n conjunta de las variables aleatorias X e Y es uniforme en el rombo con v´rtices o e en (1.a.1) y (0. Resuelve este problema a o por dos caminos distintos: mediante la funci´n de distribuci´n de Y . independientes. 2 ).a. independientes y que siguen una distribuci´n exponencial de par´metro λ. obt´n o e y representa gr´ficamente la funci´n de densidad de Y = X1 + X2 . Determinar la distribuci´n de la suma y de la diferencia de dos variables aleatorias normales o t´ ıpicas independientes. y mediante el teorema de o o transformaciones de variables. 1 o 21. Y ≤ b) para cualesquiera a y b n´meros positivos. d ) Calcula la probabilidad de que X + Y ≤ a para a > 0 e) Encuentra una densidad para Z = X + Y . Resuelve este problema o por dos caminos distintos: mediante la funci´n de distribuci´n de Y . a 17. Dib´jala. Resuelve este problema por dos caminos distintos: o mediante la funci´n de distribuci´n de Y . Determina la funci´n de densidad de la suma de dos v. a 18. determina la funci´n de densidad de Z = X + Y . y mediante el teorema de o o transformaciones de variables.-1). u 14. o a Traduce el suceso de inter´s Luis tiene que esperar a que empiecen a cobrarle al menos tres e veces m´s que Marcos a una regi´n del plano. u a b) Escribe la funci´n de densidad conjunta de X e Y .) a) Halla las densidades marginales y demuestra que X e Y son independientes. Representa o gr´ficamente el soporte de las variables originales y el soporte de las variables transformadas. En ambos casos haz todas las representaciones gr´ficas oportunas.O. Si X1 y X2 son variables aleatorias independientes con distribuci´n Gamma Ga( 1 . y mediante el teorema de transformaciones de vario o ables. o a representando gr´ficamente el soporte de las variables originales y el soporte de las variables a transformadas que hayas utilizado. 15.0). a . 16 12. Estad´ a ıstica e I. 16. Queremos saber la probabilidad de que Luis tenga que esperar a que empiecen a cobrarle al menos tres veces m´s que Marcos. La densidad conjunta de X e Y es f (x. cada uno con un carrito. o o u c) Calcula la funci´n de densidad marginal de X y dib´jala. ambas con distribuci´n Gamma de par´metros α = β = 2. decide si X e Y son independientes.0). o 20. En ambos casos haz todas las representaciones gr´ficas oportunas. (Representa gr´fia camente los sucesos involucrados en las apartados siguientes antes de calcular su probabilidad. detero mina la distribuci´n de Y = λ1 X1 + λ2 X2 . y) = 2 en la regi´n o o 0 < x < y < 1. Si X1 y X2 son variables aleatorias independientes con distribuci´n exponencial Ex(λi ).1). Utiliza para ello el teorema de cambio de variables. a) Sin hacer ning´n c´lculo. Representa gr´ficamente esas a funciones. Para a hallarla llama X al tiempo que espera Luis a ser servido e Y al tiempo que espera Marcos. Sean X e Y dos variables aleatorias independientes con las siguientes funciones de densidad: fX (x) = 2(1 − x) para 0 < x < 1 y fY (y) = 2y para 0 < y < 1. y) = λ3 xe−λ(x+y) para x > 0 e y > 0. Luis y Marcos van a hacer su compra semanal a un supermercado. Dibuja el suceso X es mayor que Y y calcula su probabilidad. (0. a 19. Sup´n o que X e Y son v. Terminan a la vez y escogen una caja diferente para pagar. Si X1 y X2 son variables aleatorias independientes con distribuci´n uniforme en (0.Ejercicios de C´lculo de Probabilidades.

la funci´n de densidad del tiempo de vida del sistema. Cada una de las cinco componentes del sistema dibujado m´s abajo tiene un tiempo de vida a 1 que es exponencial de par´metro λ (media λ ). en t´rminos de λ. Estad´ a ıstica e I.O. El sistema deja de a funcionar cuando se estropean al menos una de las componentes que hay en cada uno de sus dos ramales. al final del primer d´ todav´ estaba funcionando? ıa ıa A s B s C s # c # # c c c # s D s E c c # # .Ejercicios de C´lculo de Probabilidades. a) Obt´n. e e o b) Suponiendo que λ = 1: ¿Cu´nto vale la probabilidad de que el sistema tarde en estropearse a m´s de un d´ a ıa? c) ¿Y la probabilidad de que el sistema tarde en estropearse m´s de dos d´ si se sabe que a ıas. todos ellos independientes. 17 22. Depto.

17. 4. 2 − z si 1 ≤ z < 2. con media 0 y varianza 2.26. 1 − (1 + λa + λ2 a2 −λa . . 0 X 1 1/16 3/16 2/16 0 6/16 2 0 2/16 3/16 1/16 6/16 3 0 0 1/16 1/16 2/16 2/16 = 1/8 6/16 = 3/8 6/16 =3/8 2/16 = 1/8 1 18 (c) . . fM (x) = 2x para 0 < x < 1. (d). 0. 2. (c) Bi(n. No (b). 2. f (x) = 1 − |x| si |x| < 1 f (y) = 2 − y. Depto. fX (x) = λ2 xe−λx . 10 fU (u) = 2λ(1 − e−λu )e−λu si u > 0. (y 0 en otro caso). 1 − (1 + λa)e y > 0. 1. . (y 0 en otro caso). 17 f (z) = z. 3. . . xn ) = pn q 8 (a).0643 3 (a) Bi(m. .18. f (x. ) (c). . . (1 − (1 + λa)e (e). 2 2 Y2 ∼ Ex( 1 ) 2 22 (a). pγ). y) = 16 f (y) = y. fT (t) = 1 − 2λ exp(−2λ) − 3λ exp(−3λ) + 5λ exp(−5λ) si t ≥ 0. π 16 1 4 (c). fZ (z) = z si 0 < z < 1. 11 (a). SOLUCIONES 1 (b) . 1) si |x| + |y| < 1 (c). y) = 1 para 0 < x < 1 y 0 < y < 1 (b). . 6 6 (a) q n (b) q 2n (c) q 2n (1 − q 2 ) xi 1 2 1 4 7 f (x1 . 1 4 (b). )(1 − e −λb fY (y) = λe−λy . 2 0. probabilidades . . si 1 ≤ z ≤ 2 19 Normales. (c). 9 (a). . (d) M − r es Bi(n − r.29. f (x. (b). si 0 < z < 1. si 0 < y < 1. . (b).5. 13 (a). 2) 21 Y1 ∼ Be( 1 .O. 20 Ga(4. (d). 1 . 1 4 1 4 si xi = 0. y vale 0 en otro caso. 2 − z. para todo i = 1.06.1784 (c). y 0 en otro caso.33. n. .Ejercicios de C´lculo de Probabilidades. p(1−γ) ) 1−pγ o 4 (a) Cada una de ellas sigue una distribuci´n binomial con n=3 y p=. fV (v) = 2λe−2λv si v > 0. (c). 1 1 1 3. Estad´ a ıstica e I. si 1 < y < 2. γ). −λa (d).1163. 14 1 6 1 2 λ3 z 2 −λz (z 2 e −λa x > 0. . . 4 (e). . 1. (d) valores 0. 2 )e > 0) 15 (a). 1 ). (b) y (c) Y 0 1 2 3 1/16 1/16 0 0 2/16 (d) No 5 75 e−7 5! (e) 0. a2 . (b). 0.26. y 0 en otro caso. 18 f (y) = Ga(y|2. 1 − 12 1 4 (2−a)2 2 a2 2 (f ).

calcula la de la distribuci´n del problema 15 y la esperanza o o de las dos distribuciones considerada. o 2. todos ellos equiprobables. calcula E(X 2 ) y E((X−E(X))2 ). b) Utilizando los resultados anteriores.Ejercicios de C´lculo de Probabilidades. Rescata ahora la mediana de la distribuci´n del problema 16. Si representamos por µ y σ 2 . . 1 y 1 respectivamente. 4 2 4 b) Si X tiene una distribuci´n exponencial con par´metro λ. a) Comprueba que E(X) = λ y E(X(X − 1)) = λ2 . calcula el valor m para el que 1 P (X > m) = 2 . c) f (x) es proporcional a x2 si 0 < x < 1 ( y 0 en otro caso). siendo k > −1 una constante conocida. la esperanza y varianza de una variable aleatoria X. Si u a has acertado en tus previsiones pues ya has acabado el problema. por lo que E((X − a)2 ) se minimiza cuando a = E(X). o a 4. b) El segundo momento de X y el segundo momento de X respecto de a = 1. o a c) Si X tiene una distribuci´n exponencial con par´metro λ. . 1 b) Binomial de par´metros n = 4 y p = 2 . se cumple la relaci´n: u o E((X − a)2 ) = E((X − E(X))2 ) + (a − E(X))2 . a c) La que se presenta en el problema 4 del tema 2. 3. La esperanza de una variable aleatoria X no siempre representa un valor t´ valor medio de su distribuci´n. expresa en t´rminos de estos dos momentos: e a) E(2X − 3) y V(2X − 3).O. d ) E((X − 2)(X + 1)). Antes de empezar a a realizar c´lculos. . 2. o 5. 2 y 1000 con probabilidades 1 . Calcula la esperanza y varianza de una variable aleatoria X con distribuci´n: a) f (x) = 6x(1 − x) si 0 < x < 1 ( y 0 en otro caso). a) Comprueba que E((X−E(X))2 ) =E(X 2 ) − (E(X))2 . Estad´ a ıstica e I. Pero si te has equivocado deber´ reflexionar un poco m´s sobre el significado de los conceptos de esperanza y mediana ıas a de la distribuci´n de una variable aleatoria. Sea X una variable aleatoria con distribuci´n Poisson de par´metro λ. calcula la probabilidad de que o a X sea mayor que su esperanza. n. o ıpico ni tampoco un 7. 19 Tema 4: Esperanza 1. b) f (x) = 3 x4 si x > 1 ( y 0 en otro caso). . respectivamente. b) Demuestra que para cualquier n´mero real a. 6. Calcula la esperanza y varianza de una variable aleatoria X con distribuci´n: a) Discreta cuyos valores con probabilidad no nula son 1. c) V(5 − X). Depto. o a) Calcula la esperanza de una variable aleatoria X cuyos unicos valores posibles (con prob´ abilidad no nula) son 1. . Rescata las gr´ficas de las densidades de los problemas 15 y 16 del tema 2. piensa d´nde (de las gr´ficas anteriores claro) situar´ la esperanza y la a o a ıas mediana de cada una de las variables de estos problemas. d ) f (x) es proporcional a xk si 0 < x < 1 ( y 0 en otro caso). Sit´a todos estos valores en las gr´ficas anteriores. Sea X una variable aleatoria para la que existe E(X) y E(X 2 ).

β).e.13 quilos y una desviaci´n t´ o ıpica σ=0. o c) El percentil 25o de la distribuci´n de X. o 20 9.54 cm.90. 10. Calcula la esperanza y varianza de una variable aleatoria X con distribuci´n: o a) Uniforme en el intervalo (α. la media y la varianza.Ejercicios de C´lculo de Probabilidades. Sea X la variable aleatoria que describe el n´mero de caras obtenidas en 100 lanzamientos de u una moneda equilibrada e a) ¿Que dice la desigualdad de Chebyshev sobre la probabilidad de que X no est´ a menos de un 10 % de su valor esperado? .0 y 77. calcula: a) La probabilidad de que X est´ m´s alejada del 10 % de su media. ¿cu´l ser´ la distribuci´n de la altura de a ıa o los gorilas adultos macho expresados en cm? d ) ¿Variar´ las respuestas de los dos primeros apartados si las alturas viniesen expresadas ıan en otra unidad que no fuesen pulgadas? Justifica tu respuesta. b) Dada por la funci´n de densidad f (x) = λ2 xe−λx si x > 0 ( y 0 en otro caso). de una v.a. Si X es una variable aleatoria con distribuci´n normal: o a) ¿Qu´ porcentaje de valores de la variable se encuentran a un m´ximo de tres desviaciones e a t´ ıpicas de la media? o ıpica es σ = 10. 15. Suponiendo que la desviaa ci´n t´ o ıpica no cambia. 8. Y cuyo logaritmo.0 pulgadas? e a c) Sabiendo que una pulgada equivale a 2. Depto. de hecho. Las envasadoras de az´car no pueden garantizar u u un peso exacto de az´car por bolsa. Si X es una variable aleatoria con distribuci´n Normal de media µ = 86 y desviaci´n t´ o o ıpica σ = 5.: que no est´ entre e a e µ − 0.08 quilos. Calcula E(e5X ) y o demuestra que E(1/X) no existe.4 pulgadas? e a b) ¿Qu´ porcentaje de gorilas adultos macho pasar´ de 80. ¿a qu´ valor deber´ ajustarse µ para que solamente el 1 % de las e ıa bolsas pese menos de 5 quilos? o 13. los pesos se distribuyen normalmente con un peso u medio de µ=5.1µ y µ + 0.5 pulgadas2 .1µ.O. Estad´ a ıstica e I. 1). X = ln Y tiene una distribuci´n normal con funci´n de densidad o o f (x) = N (x|µ. u 12. σ) = 1 (x − µ)2 1 √ exp(− ) 2 σ2 σ 2π 14. ¿qu´ amplitud tiene un intervalo centrado en la media e b) Si la desviaci´n t´ que contenga el 50 % de la poblaci´n de valores de la variable? o 11.2 o pulgadas y varianza σ 2 =8. a) ¿Qu´ porcentaje de gorilas adultos macho medir´ entre 73. Sea X una variable aleatoria con distribuci´n uniforme en el intervalo (0. ¿cu´l es la probabilidad de que 10 o m´s bolsas pesen m´s de 5 a a a quilos? c) La m´quina puede ajustarse para incrementar el peso medio µ. Se pide: a) ¿Qu´ proporci´n de bolsas pesar´ menos de 5 quilos? e o a b) Se van a pesar 12 bolsas. Una empresa vende az´car en bolsas de 5 quilos. i. Determinar la funci´n de densidad. 86 + a] sea 0. b) El percentil 75o de la distribuci´n de X. La altura de un gorila adulto macho sigue una distribuci´n normal con valor esperado µ=75. o d ) El n´mero a de forma que la probabilidad de que X ∈ [86 − a.

(-1. Queremos calcular E(Y ) y V(Y ). calcula la covarianza y el coeficiente de correlaci´n de o ambas variables.39 0.47 y 2 0. halla una cota para P(|X− E(X)| ≥ a). Estad´ a ıstica e I.14 0.07 0. Sea Y el n´mero de fracasos que preceden al segundo ´xito en un proceso de Bernoulli con probau e bilidad de ´xito p. c) Cov(X. cY + d) = acCov(X. Y ) y ρ(X. (0. Z). comprueba que: a) Cov(aX + b. Aunque con frecuencia la desigualdad de Chebyshev no proporciona una buena cota.1) y (0.12 0. b. E(Y ) = 3 y E(Y 2 ) = 13.0). Y y Z son variables aleatorias y a. b) Sin hacer ning´n c´lculo adicional. b) E(X + Y ). Y ) es un vector aleatorio con funci´n de densidad conjunta f (x. su media u a o y su varianza. c) Calcula el valor exacto de P(|X− E(X)| ≥ a) y comp´ralo con el valor de la cota que has a obtenido en el apartado anterior. e siendo X1 el n´mero de fracasos que preceden al primer ´xito. o e 22. Calcula: a) E(X 2 − 3X + 2). y X2 el n´mero de fracasos entre u e u el primer y el segundo ´xito. calcula E(Y ) y V(Y ). E(2XY ). c y d son n´meros reales. e o b) Calcula E(X1 ). Y ). Cov(X. 2 a) Calcula la esperanza y la varianza de X. Z) + Cov(Y.08 0.O. E(X2 ) y V(X2 ). Z) = Cov(X. c) Vuelve a repetir el primer apartado anterior pero ahora con n lanzamientos.08 0. en ocasiones no puede mejorarse. 17.26 0. 21 16. escribe la funci´n de densidad marginal de Y .Ejercicios de C´lculo de Probabilidades. b) Cov(X + Y. u 20. para ello vamos a considerar Y = X1 +X2 . Sea X una variable aleatoria que puede tomar los valores −a. Y ) = Cov(Y. Si (X.27 3 0. . Si X. c) Calcula E(XY ). Y ). X).30 19. Sean X e Y dos variables aleatorias independientes tales que: E(X) = 2. V(X1 ). y) = 6 (x2 + y) si 0 < o 5 x < 1 y 0 < y < 1 ( y 0 en otro caso). E((3X − Y )2 ) y (E(3X − Y ))2 . 0 y a con probabilidades p. donde 0 < p < 1 . b) Utilizando la desigualdad de Chebyshev.0). y) 1 x 2 3 1 0. e a) Obt´n la funci´ de probabilidad de X1 y la de X2 . y siendo a > 0. E((X−E(X))2 ) y E(X 2 ) − (E(X))2 .-1). Calcula la covarianza y el coeficiente de correlaci´n de las variables aleatorias X e Y cuya o funci´n de probabilidad conjunta se muestra en la tabla siguiente: o f (x. E(X 2 ) = 6.18 0. 21. 18.31 0.05 0.17 0. E((X + 1)2 ). Depto. 1 − 2p y p respectivamente.11 0. b) Repite el apartado anterior suponiendo que se realizan 1000 lanzamientos. La distribuci´n conjunta de las variables aleatorias X e Y es uniforme en el rombo con v´rtices en (1. a) Calcula E(X) y V(X). c) A partir de los resultados del apartado anterior.

05 0. Xn es una muestra aleatoria de una distribuci´n con valor esperado 3 y varianza 2. Σn = X1 + . Sea X1 .5 y 6. Un suceso. .5 ? e c) ¿Cu´ntas observaciones ser´ necesarias como m´ a ıan ınimo para que P (5. + Xn .3 < X 45 < 0. . d ) Calcula el valor exacto de P(0. . . calcula una cota para P(0. Estad´ a ıstica e I.20 0. Sea X1 .05 0. a 25. y sea X 100 su media muestral.1). . . Xn una muestra aleatoria de cada una de las distribuciones descritas a continuaci´n. 28. . Depto. o d ) Dos n´meros equidistantes del valor esperado de Σ40 tales que la probabilidad de que Σ40 u est´ entre ellos sea 0.01 ? o 29. El experimento se repite 45 veces.5 y 6. .4 o ¿C´mo de grande debe ser n para que la varianza de X n sea menor que 0. y tambi´n de su media e muestral.4). Sean X1 . a) Distribuci´n exponencial de par´metro λ.O. .75. .10 0.5 ? b) ¿Cual es la probabilidad de que X 25 est´ entre 5. i = 1. X2 .35. . b) Calcula E(X 45 ) y V(X 45 ) siendo X 45 la media muestral de las 45 variables anteriores. encuentra una cota para la probabilidad de que X 100 se diferencie de su media en m´s de 0.5 y sea X 25 su media muestral.95 ? 26.05 0. . .5.02 0. f ) Distribuci´n binomial de par´metros k y p. . .02 0. . o Calcula la esperanza y la varianza de su suma. . e 27. + X45 . .4). . b) La probabilidad de que su suma. Sea X1 . A.36). . .Ejercicios de C´lculo de Probabilidades. X n = Σn /n. . σ 2 ).3 < X 45 < 0. Σ40 . e o a) Obt´n la distribuci´n de Σ45 = X1 + . o a b) Distribuci´n uniforme en (0. 22 23. sea menor que 1940.05) ≥ 0.25. o a a) Calcula la esperanza y la varianza de X 100 . asociado con cierto experimento es tal que P(A) = . X40 es una muestra aleatoria de una distribuci´n N(50.02 3 0. c) Utilizando la desigualdad de Chebyshev.20 0. c) El percentil del 98 % de la distribuci´n de X 40 . o c) Distribuci´n geom´trica de par´metro p.95 ≤ X n ≤ 6. o e a o d ) Distribuci´n N (µ. 45 se define la variable Xi = 1 si ocurre A y o ´ Xi = 0 en otro caso. est´ entre 50 y 51. X 40 .05 0. a) ¿Qu´ probabilidad hay de que una variable cualquiera de la muestra tome valores entre e 5. . b) Utilizando la desigualdad de Chebyshev.02 0. o a g) La distribuci´n con densidad f (x) = o 2 x3 si x > 1 y en otros casos. 24.04 0. . X25 una muestra aleatoria de tama˜o 25 de una poblaci´n normal de media µ = 6 n o y varianza σ 2 = 1. Si X1 . . La funci´n de probabilidad conjunta de dos variables aleatorias discretas es: o y\x 1 2 3 4 1 0.10 . X100 variables aleatorias independientes e id´nticamente distribuidas seg´n e u una distribuci´n exponencial de par´metro λ = 0. . . Calcula: o e a) La probabilidad de que su media muestral.04 4 0. y en la repetici´n i − esima.02 2 0. o a e) Distribuci´n de Poisson de par´metro λ.02 0. .

. o b) E(X | Y = y) y E(Y | X = x). f (x) = 2 − x cuando 1 ≤ x ≤ 2 y f (x) = 0 en el resto de valores reales. media. si 0 ≤ x ≤ y o y 0 en otro caso. En promedio. . i = 1. Calcula: a) El coeficiente de correlaci´n de X e Y . a 35. . 30. 10} una colecci´n de variables aleatorias independientes con distribuci´n o o Poisson de par´metro λi . o 32. Calcula la funci´n generatriz de momentos de una variable aleatoria con distribuci´n: o o a a) Binomial de par´metros n y p. y la funci´n de probabilidad de la variable o aleatoria E(Y | X). Calcula la funci´n de probabilidad. Calcula la funci´n de probabilidad de la variable aleatoria a o 10 Y = i=1 Xi . b) Poisson de par´metro λ. b) Obt´n E(5Y + 1 | X = 3) y V(X | Y = 4). 3. Un edificio tiene dos ascensores. . Sea {Xi . mediana y varianza de una o o o variable aleatoria discreta cuya funci´n generatriz de momentos es ψ(t) = (et + 2e4t + 2e8t )/5. comprobar que V(X) = V(E(X|Y )) + E(V(X|Y )). Sean X e Y dos variables aleatorias con funci´n de densidad conjunta f (x. . funci´n de distribuci´n. Calcular 34. el tiempo que una a persona debe esperar para coger el ascensor lento (r´pido) es de 3 (1) minutos. 38. ¿es tambi´n una variable aleatoria con distribuci´n o e o Gamma? 37. y E(Y |X) = 7 − la correlaci´n entre X e Y . 23 a) Calcula E(Y | X = x) para x = 1. 33. 2. Sean X e Y dos variables aleatorias para las que existen sus medias y varianzas. 36. La suma finita de variables aleatorias o independientes con distribuci´n Gamma. Si X es una variable aleatoria con distribuci´n Gamma de par´metros α y β. c) La distribuci´n de las variables E(X | Y ) y E(Y | X). Depto.Ejercicios de C´lculo de Probabilidades. . y) = e−y . Utilizando que E(X) = E(E(X|Y )) y que V(X|Y )=E(X 2 |Y )-[E(X|Y )]2 . ¿cual es el tiempo a medio que una persona tendr´ que esperar para coger un ascensor del edificio? a 31.O. i = 1. Calcula la funci´n generatriz de momentos de una variable aleatoria con funci´n de densidad o o f (x) = x cuando 0 ≤ x ≤ 1. . obt´n su media y o a e su varianza a partir de su funci´n generatriz de momentos. 4. . e c) Calcula E(X 2 − 3) y E(X 2 − 3 | Y = 2). 39. 10. uno r´pido y otro lento. Estad´ a ıstica e I. Sean X e Y dos variables aleatorias tales que E(X|Y ) = 10 − Y . Utiliza funciones generatrices de momentos para demostrar que si X e Y son variables aleatorias independientes entonces V ar(aX + bY ) = a2 V ar(X) + b2 V ar(Y ). . Si una persona a elige el ascensor r´pido con probabilidad 2/3 y el lento con probabilidad 1/3. o X 4. o −∞ < t < ∞.

3679 (c) 8 (a) b+a 2 ln2 λ 2 λ2 k+1 k+2 y (b−a)2 12 (b) 2 λ y 9 (a) 54.5 (b) 1. 12.V (Sn ) = nq .5.Ejercicios de C´lculo de Probabilidades. La normalidad se mantiene en transformaciones lineales.8386) (d) No. .V (Xn ) = nλ2 (b). (c) Igual a 2p. 11.V (Sn ) = λ2 .3182 (b). E(Sn ) = n . E(y) = eµ+ 2 σ .V (Sn ) no ¯ ¯ existe.95 % (c) N(191. 2305 26 (a). E(Xn ) = λ 2 1 ¯ n ) = 1 (c). 0.0821 y -0.V (X 12n p p2 p np 2 ¯ n ) = b.V (Sn ) = nλ.1306 22 (d) 0 y 1 6 1−p p 1−p p2 .35 y 0.1864 quilos 1 2 2 2 1 √ yσ 2π 1 exp{− 2 ( ln y−µ )2 }. 1−p p 1−p p2 . (b) Menor o igual que . E(X n kpq λ ¯ ¯ n (f ).94 (d).008. 0. f (x2 ) coincide con f (x1 ). E(Sn ) = nλ. E(Xn ) = λ . 54.V (Xn ) = ¯ ¯ ¯ nb.O.75 (d) 7 (a) 251. E(Sn ) = ¯ ¯ 2 . E(Xn ) = kp.V (Sn ) = na . 51. 15 (a) Menor o igual que 1.V (Xn ) = a2 (e). .1269 19 (a) f (x1 ) = p (1 − p)x1 .9787 (c) 82.9586 (c).68 % (b) 4. SOLUCIONES 2 (a) n+1 2 24 y n2 −1 12 (b) 2 y 1 3 (a) 2µ − 3 y 4σ 2 (b) σ 2 + µ2 y σ 2 + (µ − 1)2 (c) σ 2 (d) σ 2 + µ2 − µ − 2 4 (c) λ + λ2 y λ 5 (a) 0. 4 y 0.225 (c) 5. E(Sn ) = n . 0. 17 (a) 2. 10 (a) 99. (b) E(x1 ) = E(x2 ) = 21 -0.005 24 (a). E(Sn ) = 2n.63 (d) 8.64 1 n 1 n ¯ ¯ ¯ 27 (a). 0. E(Xn ) = λ.V (Xn ) = q 2 (d). y V(x1 ) = V(x2 ) = (c) 2 y 2 (f ) todos son 0. .64 25 (a). E(Xn ) = 2.25 (b) 0. si x1 = 0. Depto.5 (c) 0. .74 % (b) 13.V (Sn ) = nkpq. E(Sn ) = nkp. .0854 (b) 89.37 12 (a) 5.V (Xn) no existe 28 241 al menos 33 -0.V (Xn ) = n (g).35 (b) 0. siempre que X e Y no sean variables aleatorias degeneradas.01 y -0. V (y) = e2µ+σ (eσ − 1) σ 100 n . Estad´ a ıstica e I. 31 y 9 respectivamente 18 -0.1 (c) Menor o igual que 16 (a) 0 y 2a2 p (b) Menor o igual que 2p.6 11 (a) 0. Menor o igual que 0.16 (b).16 % 13 f (y) = (b) 0.3531 (b).V (Sn ) = 12 . 2 y 2 respectivamente (b) 5. E(Sn ) = nq . 23 (a) Binomial con n = 45 y p = 0. E(Xn ) = q . 2000 ± 43.0571 (c).

Las Xj son independientes. e d ) ¿Qu´ dice la desigualdad de Chebyshev sobre la probabilidad que aproximas en el apartado e c? u o o ıpica 6.Ejercicios de C´lculo de Probabilidades. ¿Cu´l es la o a probabilidad de que la media de estos 75 dep´sitos sea 170. converge en media cuadr´tica a µ. u 8. 25 Tema 5: Teoremas l´ ımites. Sea {Zn }+∞ una sucesi´n de variables aleatorias tales que Zn solo puede tomar los valores o n=1 1 1 y n con probabilidades 1 − n2 y n2 . Convergencia D´bil. La sucesi´n de variables aleatorias {Xn }+∞ converge n=1 en media cuadr´tica a una constante b si l´ n→∞ E((Xn − b)2 ) = 0. Los clientes de cierto banco efect´an dep´sitos con media 157. Los veh´ ıculos que cruzan un puente tienen pesos cuya media es de 4675 quilos y cuya desviaci´n o est´ndar es de 345 quilos.20 euros. donde o o n=1 n 1 Xi . 1 n . b) ¿Cu´l es el valor esperado y la varianza de S45 ? a c) Aproximar la probabilidad de que S45 est´ a una distancia no superior a 20 de su media. Sea S45 = X1 + . Comprueba que la sucesi´n de o +∞ variables aleatorias {Zn }n=1 converge en probabilidad a 0. y e u e as´ sucesivamente.001 de salir y cantar con el grupo que est´ actuando.36. tales que Zn solo puede tomar los valores o n=1 1 1 0 y n2 con probabilidades 1 − n y n . a ım a) Comprueba que la sucesi´n de variables aleatorias {Xn }+∞ converge en media cuadr´tica o a n=1 a b si y solo si sus medias convergen a b y sus varianzas convergen a 0. Sea S45 el n´mero de fracasos que preceden al 45o ´xito en un proceso de Bernoulli con probau e bilidad de ´xito p=0. ım a) Sea {Zn }+∞ una sucesi´n de variables aleatorias. Convergencia en Media Cuadr´tica. Aparte de esto no se sabe nada m´s acerca de la distribuci´n de estos dep´sitos. e o 1. Sea {Xn }+∞ una sucesi´n de variables aleatorias independientes. o a) ¿Existe alguna constante b a la que esa sucesi´n converja en probabilidad? b) ¿Existe alguna constante b a la que esa sucesi´n converja en media cuadr´tica? o a 5. Comprueba que la sucesi´n {X n }+∞ . respectivamente. Depto. La gente que frecuenta cierto pub tiene una probabilidad de 0. ¿Cu´l es la probabia a lidad de que al menos una persona salga y cante con el grupo ? Suponer que cada persona en el pub toma la decisi´n independientemente del resto. b) Construye una sucesi´n de variables aleatorias cuyas medias converjan a 0.O. pero la sucesi´n de sus valores o esperados diverge. respectivamente. . donde X1 representa el n´mero de fracasos e u que preceden al primer ´xito. obtener tambi´n su media µ y su o ´ e varianza σ 2 . 3. Si hay 40 veh´ a ıculos sobre el puente en un instante dado. l´ n→∞ P(|Xn − b| < ) = 1. Estad´ a ıstica e I. b) Comprueba que si {Xn }+∞ converge en media cuadr´tica a b. pero que no o converja en probabilidad. . se eligieron al azar e independientemente 75 dep´sitos. En una noche determinada hay 150 personas en el pub. X2 es el n´mero de fracasos entre el primer y el segundo ´xito. Hallar el verdadero valor y el aproximado o por la distribuci´n apropiada con una precisi´n de 5 d´ o o ıgitos.92 euros y desviaci´n t´ 30. + X45 . a o o Como parte de un estudio. La sucesi´n de variables aleatorias {Xn }+∞ converge en probabilidad a n=1 una constante b si ∀ > 0. ı a) Dar el nombre de la distribuci´n de una unica Xj . entonces tambi´n converge a e n=1 en probabilidad a b. hallar el n´mero a tal que la probabilidad (aproximada) de que su peso total no supere a a sea del 99 %. a Xn = n i=1 4.00 euros o mayor ? o 7. a o 2. todas ellas con la misma o n=1 distribuci´n cuya media µ y varianza σ 2 existen.

a SOLUCIONES +∞ 1 (b) Por ejemplo. 26 9. es razonable modelizar sus pesos como variables aleatorias independientes.38 y 0. Un borracho camina de forma aleatoria de la siguiente forma: Cada minuto da un paso hacia adelante o hacia atr´s con igual probabilidad y con independencia de los pasos anteriores. El suceso A tiene una probabilidad de 0. que al menos es 0. (b) No. Cada a paso es de 50 cm. Un jugador de baloncesto encesta un lanzamiento de 3 puntos con probabilidad 0. Calcular la probabilidad de que el peso total de 100 paquetes exceda de 1700 kg.42 (inclusive) ? Usar una aproximaci´n adecuada. respece a tivamente (c). 0.13929 aproximado 9 0.0003 7 192083.9383.0985 11 0.4445 o 6 0. aproxima la distribuci´n del n´mero de canastas conseguidas en o u 25 lanzamientos. 1.22.7778 y 4. 0. Esto significa que esperamos que la frecuencia relativa de A est´ cercana a 0. la frecuencia relativa a a est´ entre 0. Una compa˜´ de log´ nıa ıstica env´ paquetes de distintos pesos.36.4 en una larga serie de repeticiones del experimento que se e est´ modelizando. 5.Ejercicios de C´lculo de Probabilidades. Empleando el teorema central del l´ ımite.8132 (con correcci´n por continuidad) o 10 0. ¿Cu´l es la probabilidad de que en 1000 experimentos. Teniendo en cuenta que los paquetes provienen de una gran cantidad de clientes diferentes.3. geom´trica de par´metro p=0. Calcula la probabilidad de encestar m´s de 10 canastas. 4 (a) Si. Utiliza el teorema central del l´ ımite para aproximar la probabilidad de que en una hora avance m´s de 5 metros.99 quilos 8 0. la sucesi´n {Zn }n=1 tal que P(Zn = o 1 n − 1) = 1 2 1 1 y P(Zn = 1 − n ) = 2 . 5 (a). con una media de 15 kg y una ıa desviaci´n t´ o ıpica de 10.1379 .25).0227 12 N(7.8324 (con correcci´n por continuidad) (d). respectivamente (b). e o 10. 12.O.4. a 11. 80 y 222. 0. Estad´ a ıstica e I.5. b = 0.13936 exacto. Depto.

Ejercicios de C´lculo de Probabilidades. Las de tipo B tienen una duraci´n media de 1800 horas y una desviaci´n t´ o o ıpica de 500 horas. b) Calcula el coeficiente de correlaci´n de X e Y . (Febrero del 2000). esto es: P(B|Hm ) = o u a g(m). 27 Anexo 1: Problemas de ex´menes anteriores. Calcular: a) La probabilidad de que la puntuaci´n media de los dos estudiantes de A sea superior a la o media de los tres estudiantes de B. Las de tipo A tienen una duraci´n media de 2000 horas con una desviaci´n t´ o o ıpica de 400 horas. Definimos X = U1 e Y = 2XU2 .2). (Febrero del 2000). (Febrero del 2000). An´logamente. . Las bombillas utilizadas por un aparato pueden ser de dos tipos. a las del colegio B tambi´n son normales pero con media 6 y varianza 1.0) y (1.25 y varianza 1. o c) Obt´n la media y varianza de V = X + Y . Se compran 200 bombillas del tipo A y 150 del B. elegido al azar. b) Obtener las funciones de densidad marginales de X e Y y sus medias. Sea Y la variable aleatoria que representa el o n´mero de bolas A que permanecen en la urna despu´s de las dos extracciones.5). b) La probabilidad de que uno de esos cinco estudiantes. sea Y la variable que mide el ´rea del c´ a ırculo. e n 2. o 5. (Febrero del 2000).5. su esperanza y su varianza. Particularizar el resultado para g(m) = m . A y B. Las puntuaciones que han obtenido los estudiantes del colegio A en las pruebas de selectividad se distribuyen normales de media 6. Consideremos los sucesos Hm = {m an´lisis o a son correctos} y B = {un paciente est´ bien diagnosticado}. u e o a) Construye una tabla que represente la funci´n de probabilidad conjunta de X e Y y las dos marginales. o 7.O. Y < 1) y a e P(Y < 1|X < 1. (Septiembre del 2000). y representa gr´ficamente las funciones de e a probabilidad y distribuci´n de V . a o 4. c) Sea W una variable aleatoria Bernoulli tal que P(W = 1) = P(0 ≤ Y ≤ E(W ). Una urna contiene 3 bolas azules (A) y 5 bolas blancas (B). √ X). o 8. 6. Estad´ a ıstica e I. Se extraen al azar y sin reemplazamiento dos bolas de la urna. La probabilidad de un diagn´stico a o correcto es una funci´n no decreciente del n´mero m de an´lisis correctos. a o a o 1. Sea X una variable aleatoria con funci´n de densidad f (x) = kx2 si o 0 < x < 2. Sea X la variable aleatoria que representa la primera extracci´n (1 si bola A y 0 si bola B). Sean X e Y dos variables aleatorias cuya densidad conjunta es uniforme sobre el interior del tri´ngulo de v´rtices (0. Calcular la probabilidad de que la duraci´n o media de la muestra A no supere en m´s de 100 horas a la duraci´n media de la muestra B. Calcular 3. Calcula la funci´n de densidad de Y y el ´rea esperada de dicho o a c´ ırculo. independientemente de los dem´s. (2. Depto. Sea X el n´mero m´ u ınimo de pruebas Bernoulli (con probabilidad de ´xito e p) que tenemos que realizar hasta que se produzca al menos un ´xito y un fracaso.0). (Febrero del 2000). Cada an´lisis. Encontrar la probabilidad de n a que al menos un paciente est´ mal diagnosticado. En una ma˜ana la m´quina ha diagnosticado a k pacientes.5. Se eligen al azar dos e estudiantes de A y tres de B. Supongamos que se genera un c´ ırculo cuyo radio es de longitud X. 1). Sean √ 1 y U2 dos variables aleatorias independientes y equidistribuidas U U n(0. a) Obtener la densidad conjunta de X e Y . (Septiembre del 2000). Un aparato de diagn´stico autom´tico da un diagn´stico basado en el resultado de n an´lisis de un mismo paciente. a a a puede dar un resultado err´neo con probabilidad p. (Febrero del 2000). haya obtenido una puntuaci´n superior a 6. Calcular P(X < 1. Determinar e la distribuci´n de la variable X.

13. u a) Obt´n la mediana y el percentil del 70 % de la distribuci´n de X. 28 9. o a) Determina los valores de τ ∈ R y de C para los que f (x) es una verdadera funci´n de o probabilidad. y el porcentaje de paquetes de az´car que pesan u menos de 995 gramos. o c) Una part´ ıcula va a realizar varios saltos a lo largo de un eje horizontal. el peso real o de cada paquete es una variable aleatoria X con distribuci´n normal. Si cada d´ se producen 150000 paquetes ¿cu´l es el beneficio medio diario de la f´brica? ıa a a Calcula el porcentaje de d´ en los que la f´brica tiene un beneficio superior a 750000 ıas a pesetas. En un proceso de fabricaci´n de hilados se producen roturas del hilo de o manera aleatoria a lo largo del tiempo. Supongamos que un trabajador controla 800 bobinas de hilo y que la probabilidad de rotura del hilo en cada bobina. primer parcial). debido a fluctuaciones aleatorias en el proceso de producci´n. siendo X una a o o variable aleatoria con funci´n de probabilidad dada por f (x). 11.005. (Septiembre del 2000). El n´mero de saltos. En cambio el o 15 % de los no preparados tambi´n aprueba el examen. a) Calcula la media y desviaci´n t´ o ıpica de X. (Septiembre del 2000). (Septiembre del 2000). primer parcial).99. b) Calcula y representa gr´ficamente la funci´n de distribuci´n de Y = X 2 . 1. Siendo imposible que el hilo de la bobina se rompa dos veces en ese tiempo. −1. . cuando −1 < x ≤ 1. En cada salto se mover´ una unidad a derecha o izquierda seg´n una distribuci´n Bernoulli de par´metro a u o a p = 0. y calcular bajo dichas condiciones P(X ≤ 10). que depende de u la energ´ de la part´ ıa ıcula. de los cuales s´lo aprueba el 90 % por diversos factores.01X pesetas. u 10. Calcula la probabilidad del apartado anterior bajo estas nuevas condiciones. Encuentra el n´mero de roturas m´s probable y la probabilidad de que se produzcan u a a lo sumo 10 roturas en una hora. f (x) = (5 − x)/12. Una f´brica de az´car produce paquetes con un peso nominal de 1000 a u gramos. va a ser 2 + X.Ejercicios de C´lculo de Probabilidades. Depto. Sin embargo. aunque esto afecte tambi´n a los preparados que tienen ahora una e probabilidad de suspender de 0. Una variable aleatoria X toma valores enteros positivos con probabilidades que decrecen en progresi´n geom´trica. e a o o 14. a b) La f´brica tiene un beneficio por paquete producido que es igual a 15 − 0. 12.25. Estad´ a ıstica e I. cuando 1 ≤ x < 5 y f (x) = 0 para el resto de n´meros reales. es p=0. Si observamos el sistema a lo largo de tres d´ (72 horas). En una oposici´n se supone que los candidatos que acuden preparados o al examen son el 90 %.O. (Febrero 2001. siendo X una variable aleatoria con funci´n de o probabilidad dada por f (x). Sea X una variable aleatoria absolutamente continua con funci´n de densidad f (x) = (x + 1)/6. Se sabe que el 6 % de los o paquetes producidos pesan menos de 1000 gramos y que el 5 % sobrepasan los 1020 gramos. 2 o ´ −2 y vale 0 en otro caso. Consideremos la funci´n f (x) = C(1 + τ x) si x = 0. (Febrero 2001. independientemente de los saltos anteriores. Obt´n la probabilidad de que la posici´n final de la part´ e o ıcula est´ a m´s de dos unidades de su posici´n original.5. siendo C una constante positiva. (Septiembre del 2000). Elegir el primer t´rmino y la raz´n de la progresi´n o e e o o para que E(X) = 10. durante un intervalo de tiempo de una hora. e a) ¿Cu´l es la probabilidad que un candidato suspendido estuviese realmente preparado? a b) El tribunal decide cambiar el tipo de examen de modo que los no preparados suspendan con probabilidad 0. e o b) Calcula las probabilidades P (0 < X < 2) y P (0 < X < 2 | X < 3) a o c) Determina y representa gr´ficamente una funci´n de densidad para la variable aleatoria Y = | X | +4. ıas calcula la probabilidad de que el n´mero medio de roturas sea menor que siete.

Calcula la funci´n de probabilidades de G. varianza 1 y su coeficiente de correlaci´n es ρ. Las variables aleatorias X e Y tienen media 0. (Febrero 2001. Un juego consiste en lanzar una moneda. (Febrero 2001). o e b) Calcula el coeficiente de correlaci´n entre X e Y . La empresa Chapuseitor fabrica varillas para las motocicletas de la casa Mamborghini. a) Si se selecciona un lote de conservas del almac´n de Tabernes. sea Y el n´mero total de u caras observado. a]. Depto. o 19. ¿cu´l es la probabilidad de que los dos lotes a enviados desde Tabernes a Ribarroja fueran de alcachofas? c) Si se descubre finalmente que los dos lotes enviados desde Tabernes a Ribarroja son de alcachofas y se selecciona aleatoriamente 2 lotes de cada uno de los almacenes. 29 15. ¿Son independientes? ¿Porqu´? c) Se pagan 3 euros por jugar. Calcula la funci´n de densidad de la variable Z = X + Y . 20. (Febrero 2001). en el intervalo [0. o o a) Calcula la funci´n de probabilidades conjunta. si sale cara se lanzan cuatro monedas m´s pero si sale cruz s´lo se lanzan dos monedas m´s. ¿cu´l es la probabilidad de que al menos uno de ellos a funcione durante m´s de una hora? ¿y durante m´s de dos horas? a a 17. (Febrero 2001. ¿cu´l es la probabilidad de que el sistema siga funcionando o a al finalizar esa primera hora? b) Se dispone de tres de esos sistemas. La ganancia del juego es pues: G = Y − 3. Como consecuencia de un peque˜o l´ se env´ dos lotes del almac´n de Tabernes al de Ribarroja n ıo. La longitud de tales varillas es una variable aleatoria con distribuci´n o normal de par´metros µ = 12 mm y σ 2 = 1. ¿cu´l es la probabilidad de e a que sea de alcachofas? b) Si el lote seleccionado en (a) era de guisantes. El n´mero de subidas de tensi´n o u o en una hora sigue una distribuci´n Poisson de par´metro λ = 3. se considera defectuosa. Encontrar la media y la varianza de Z = X −ρY y sus coeficientes de correlaci´n o o con X e Y . (Febrero 2001). En el de Ribarroja se almacenan 20 lotes de alcachofas y 25 de guisantes.5 mm. Una f´brica de conservas vegetales dispone de dos almacenes.Ejercicios de C´lculo de Probabilidades. ıan e sin ninguna etiqueta identificadora. o a a) Se sabe que durante la primera hora de funcionamiento del sistema ha habido por lo menos una subida de tensi´n. primer parcial). a a a) Si una varilla que mide menos de 8 mm. (Febrero 2001). primer parcial). pero se cobran tantos euros como Y .O. ¿Cual es la probabilidad de que una caja contenga menos de tres defectuosas? 18. a En el almac´n de Tabernes guardan 10 lotes de conservas de alcachofas y 15 lotes de conservas e de guisantes. ¿qu´ porcentaje de varillas defectuosas fabrica la empresa? e b) Las varillas se empaquetan en cajas de 10 unidades. o m´s de 12. Un sistema electr´nico soporta exactamente dos subidas de o tensi´n. o 21. con par´metros a (α. Estad´ a ıstica e I. ¿cu´l es la a probabilidad de que en el total de los 4 lotes seleccionados haya 3 de guisantes? 16. su media y su varianza. al producirse la tercera el sistema deja de funcionar. 1) y (β. X e Y . Calcular la funci´n o de distribuci´n de la distancia entre ellos.25 mm2 . Sea X la variable aleatoria que representa a o a el resultado del primer lanzamiento (X = 0 si cara y X = 1 si cruz). Sean X e Y dos variables aleatorias Gamma independientes. primer parcial). o d ) ¿Interesa jugar? ¿Interesar´ jugar si se pagara solamente un euro por jugar? ¿Cu´l es el ıa a precio justo del juego? . y la o funci´n de densidad condicional de X dado que X + Y = z. 1) respectivamente. (Febrero 2001. las dos marginales y la distribuci´n de Y condicionada a X = 1. Elegimos al azar dos puntos.

(Junio 2001).3 Y =2 0. Calcula la distribuci´n de U = |X − Y | y la covarianza entre X y U . y que est´ enfermo si el test ha sido positivo. o e 29. y obt´n el coeficiente de correlaci´n. Un test diagn´stico da un resultado positivo en el 95 % de las personas enfermas. todas ellas con la misma distribuci´n exponencial de media o 5 horas.O. Un sistema electr´nico est´ formado por dos componentes. Sea X la variable aleatoria definida por la distancia del punto P al origen. Obt´n la funci´n de densidad de Y . el 30 % s´lo por uno de ellos y el 20 % restante vengan solos. al azar en el c´ ırculo de centro el origen y radio uno. que el 50 % de los estudiantes vengan acompa˜ados n de sus padres. o o b) Obt´n. (Septiembre 2001). funciona mientras funcione alguna de las dos componentes. La distribuci´n bivariante de (X. Se ha jugado cinco veces. En un brote epid´mico de esa enfermedad el e 20 % de la poblaci´n se encuentra enferma. Depto. Representa gr´ficamente a la funci´n de densidad de X y obt´n su media y varianza. Sea Y la variable aleatoria que describe el n´mero de ´xitos a u e en las m = 4 primeras pruebas de la serie anterior. ¿y la probabilidad de haber ganado al menos en tres ocasiones si se sabe que se ha ganado al menos una vez?. o Y =0 0. 2 a) ¿Para que valores de α es f (x) una funci´n de densidad?. se gana si y s´lo o si salen dos caras. Calcula las esperanzas y varianzas de las distribuciones marginales.1 0. o y da negativo en el 90 % de las personas sanas. Si en esas circunstancias se va a realizar el test a un o nuevo individuo. Y ) un vector aleatorio con funci´n de densidad conjunta f (x. 0. la funci´n e e o . la esperanza y la varianza de la variable aleatoria X cuya funci´n e o o de densidad es f (x). Estad´ a ıstica e I. Cuando un foco se estropea se sustituye inmediatamente por otro nuevo.1 0. (Junio 2001). por lo ocurrido en otras ocasiones. (Junio 2001). todos ellos puedan sentarse? 23. ¿Cu´l es la probabilidad de que todos los focos se hayan estropeado antes de 550 a horas? 26. Sea (X. 30 22. (Septiembre 2001). e e 28. Calcula la funci´n de probabilidad de Y o condicionada a X = 3. Sea f (x) = 1 (1 + αx) si −1 ≤ x ≤ 1. ¿Cu´l es la a probabilidad de que tengamos luz despu´s de 525 horas? Supongamos que desde que un foco se e estropea hasta que se sustituye por otro pasa un tiempo aleatorio con distribuci´n uniforme en o (0.1) horas. (Junio 2001). (Junio 2001).2 0. Se a o espera. calcula las probabilidades siguientes: Que ese individuo est´ enfermo o el test e de positivo. ¿y la probabilidad de haber ganado al menos en tres ocasiones si se sabe que se gan´ el primer juego? o 30. P . en funci´n de α. Un juego consiste en lanzar dos monedas bien construidas. Y ) viene dada por la tabla de probabilidades o adjunta. ¿Cuantos asientos o hay que disponer para los padres si queremos que. Sea X una variable aleatoria que describe el n´mero de ´xitos en n = 7 pruebas u e de Bernoulli de par´metro p. Obt´n. e o 25. ¿cu´l es la probabilidad de haber ganado al menos a en tres ocasiones?. Representa gr´ficamente la o a funci´n de distribuci´n asociada a f (x) cuando α = 1. y) = 8xy o cuando 0 < y < x < 1 y f (x. y 0 en otro caso. cuyos tiempos o a 1 de vida son independientes y con la misma distribuci´n exponencial de media λ d´ El sistema o ıas. su media y varianza. Se obtiene un punto. Un colegio est´ preparando la fiesta de graduaci´n de sus 500 estudiantes. en t´rminos de λ. que est´ enfermo y el test de positivo. 31.95. e o c) Sea Y = X 2 . y) = 0 en el resto de valores de R2 . 24. Disponemos de 100 focos hal´genos cuyos tiempos de vida se pueden considerar o variables aleatorias independientes. (Junio 2001).2 Y =1 0. (Febrero 2001).1 X=1 X=2 27. Calcula la esperanza de X 2 condicionada a Y = 4.Ejercicios de C´lculo de Probabilidades. (Septiembre 2001). con una probabilidad superior a 0.

Estad´ a ıstica e I. o 33. y 5.9987.Y (x. en consecuencia plantea un experimento e o que consistir´ en tomar una serie de mediciones y elegir´ su media muestral como medida de a a la distancia real δ. 12 (a) Media 1009. y 1 si 4 ≤ y.2.6 si 1 ≤ y < 4. Suponiendo que λ = 1: ¿Cu´nto vale la probabilidad a de que el sistema tarde en estropearse m´s de un d´ ¿Cu´nto valdr´ esa probabilidad si el a ıa? a ıa sistema se estropease en cuanto fallara alguna de las dos componentes? 32. Cada una de las mediciones del astr´nomo son variables aleatorias indepeno dientes e id´nticamente distribuidas con media δ y varianza 1. 0.925 %. o u SOLUCIONES 1 1 − [P(B)]k siendo P(B) = n m=0 g(m) n m pn−m (1 − p)m .3651. sus ´ o marginales y el coeficiente de correlaci´n entre ambas. (c) E(W ) = 31 . (c) 3+4τ . ıp. (b) fX (x) = 2x si 0 < x < 1.5986. Sabe que las condiciones atmosf´ricas y los errores de medici´n n e o afectan a su t´cnica de determinaci´n de la distancia. y) = 1 si 0 < y < 2x < 2.Ejercicios de C´lculo de Probabilidades. 7 (b) -0. (b) Beneficio medio 735421.25 y porcentaje 0. Disponemos de un dado cargado en el que la probabilidad de obtener cualquiera de las caras es proporcional a su n´mero de puntos. a n Justifica las hip´tesis que utilices para determinar el n´mero de medidas. (b) 0. Lanzamos tres veces consecutivas una moneda y definimos las variables aletorias X ={n´mero de caras en los dos primeros lanzamientos} e Y ={n´mero de caras en u u los dos ultimos lanzamientos}.6944. a u e o 10 Primer t´rmino 0. m n. (Septiembre 2001).2 si 0 ≤ y < 1. des.625. ¿Cu´ntas mediciones ha de e a tomar para estar razonablemente seguro de que su error de medida est´ entre ±0.651 11 (a) 0.5]. entre su laboratoo a rio y una estrella en a˜os luz. t´ 6.5143. Un astr´nomo est´ interesado en medir la distancia. raz´n 0. 2 3 48 3 0. E(Y ) = 12 π. 34. 13 (a) C = 0. 5 9 M´ximo en X = 4.875 y porcentaje 6 %. τ ∈ [−0.9. (b) FY (y) = 0 si y < 0. 40 . E(Y ) = 2 . P(B) = 1 − p si g(m) = 2 3. 3√ 3 8 f (y) = 16 π − 2 y si 0 < y < 4π.2343. 0. (Septiembre 2001). 2 (a) fX.6547. V(X) = − 2.5. 7 6 (a) 0.5 a˜os luz?.1. (b) 0. E(X) = 5 3 8 1 p(1−p) 1+3p2 −3p p2 (1−p)2 fY (y) = − 1. Obtener la distribuci´n de probabilidad conjunta de X e Y . probabilidad 0. (Septiembre 2001). Obtener la probabilidad aproximada de ir ganando al cabo de 100 jugadas. Jugamos con ´l pagando 4 u e euros por jugada y recibiendo como premio tantos euros como puntos tiene la cara obtenida al lanzarlo. Depto. 31 de densidad del tiempo de vida del sistema. V(V ) = 0. δ. P(n´mero medio < 7) = 1. (c) E(V ) = 2. 0.022 4 f (x) = p(1 − p)x−1 + px−1 (1 − p) si x ≥ 2.44. E(X) = 1 − y si 0 < y < 2.7187. P(X ≤ 10) = 0.O.

1]. Estad´ a ıstica e I. 0.5 y fU (2) = 0. (c) fG (−3) = 32 . 2 3 y V(X) = 1 18 . 18 35 y 4 35 2 75 . 31 fY (y) = 2λe−λy (1 − e−λy ) si y ≥ 0. 27 0. 23 64 .309 y 0.3. (b) E(X) = 4 2 1 4 V(X) = 3−α . z Γ(α+β) 1 x α−1 (1 Γ(α)Γ(β) z ( z ) 4 9 8 21 (b) -0. Depto. fG (−2) = 32 . 1. (b) 0.704.692. y 1 si 1 ≤ x.600 y 0. fX|Z=z (x) = 1 − ρ2 y Corr(Y. Cov(X. 22 Al menos 679 asientos. fG (−1) = 32 . fG (1) = 32 y fG (2) = 32 . Corr(X. q0. 15 (a) 0.343. Y ) = 24 11 . . y 0 en otro caso.393.135. Z) = 20 fZ (z) = Ga(z|α + β. 0. 9−y 12 si 5 ≤ y ≤ 19 E(Z) = 0.189. Y ) = 33 0. fG (0) = 6 4 1 7 ı. Z) = 0. E(X) = 29 0. Y ) = 0.563. (b) 0. 24 E(X) = 4 .65. (b) 0. 0. 32 . d 18 FD (d) = 0 si d < 0. con 1 s´ precio justo 2 euros. V(X) = 5 25 0. FX (x) = 0 si x < −1. E(Y ) = 8 15 .317.262. (c) 0.5 = 1.3118.767. E(X 2 |Y = 4) = 31. V(Z) = 1 − ρ2 . E(Y ) = 1 y V(Y ) = 45 . (c) fY (y) = √ si 0 ≤ y ≤ −1.136 y 0. − x )β−1 si 0 ≤ x ≤ z. x +2x+1 si − 1 ≤ x ≤ 1.4. Y s´lo puede tomar los valores 0. 14 (a) q0. 17 (a) 32.16.163. no son independientes. 23 Si X = 3.2. 34 n ≥ 23.19 y 0. 9 3 2 (y) 2 1 35 . α 3. 28 fX (x) = 2x si 0 ≤ x ≤ 1. 12 35 .8 %.5417 y 0. 32 Corr(X. 30 (a) α ∈ [−1. 1 − (1 − a )2 si 0 ≤ d < a.104. V(Y ) = 11 225 y Corr(X.O. 1 3 32 si 4 ≤ y ≤ 5. (d) Con 3 euros no. 2 y 3 con probabilidades o respectivamente. y 1 si a ≤ d.Ejercicios de C´lculo de Probabilidades. 16 (a) 0. (c) fY (y) = 9.128. 26 fU (0) = 0.8081 y 0. (b) 0. fU (1) = 0. 1). E(G) = −1 y V(G) = 4 .7 = 2.28.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->