Ejercicios de Probabilidad y Estad

stica B

Entrega 1, marzo del 2000

Los enunciados de los ejercicios son inspirados en ejercicios de coloquios recientes de

la materia . La redaccion, interpretacion, y propuesta de solucion, es responsabilidad de
J.R. Busch. La redaccion de las respuestas es orientativa y desde un docente, no pretende
ser modelo de redaccion para los alumnos.
Las crticas, amables y de las otras, son bienvenidas, sobre todo si denuncian errores.
Pueden hacerse llegar personalmente o por mail a jbusch@.uba.ar

Ejercicio 1 (con suma de una cantidad aleatoria de variables independientes equidistribudas) Supongamos que una se~nal requiere para ser transmitida un tiempo que
es una variable aleatoria T de comportamiento exponencial con media E (T ) = 1=,
y que la probabilidad de que una se~nal transmitida sea interpretada es p. Cual
es el tiempo medio necesario para transmitir n mensajes, es decir transmitir cada
mensaje la cantidad de veces que se requieran hasta que sea interpretado?
Solucion 1. Sea N la cantidad de transmisiones necesarias para transmitir los n
mensajes. N es una Pascal, y E (N ) = n=p. El tiempo total para transmitir los n
mensajes sera entonces

S=

N
X
i=1

Ti

donde las Ti son N replicas independientes de T . S es por lo tanto la suma de una

cantidad aleatoria (N ) de variables independientes equidistribudas (Ti ), y por lo
tanto
E (S ) = E (N )E (T ) = (n=p)(1=)

Ejercicio 2 (condicionales) En una carrera de automoviles, supongamos que el

tiempo en pista hasta entrar a boxes es una variable aleatoria T con comportamiento
exponencial, de la que se sabe que P (T  t0 ) = p0 . i) Si el corredor circula con
velocidad constante v0 , cual es el espacio medio recorrido hasta entrar en boxes?
ii) Fijado un tiempo en pista ST , cual es la probabilidad de que el corredor se
detenga n veces en boxes? iii) Si el tiempo de una detencion en boxes es una
variable aleatoria D con comportamiento normal con media D y desvo D , cual
es la funcion de densidad del tiempo total de detencion en boxes dado un tiempo en
pista ST ? iv) Si se sabe que el tiempo de detencion total ha sido d0 en una carrera
con tiempo en pista ST , cual es la probabilidad de que haya habido n detenciones?

Solucion 2. i) Como dato tenemos que P (T  t0 ) = p0 y que T es exponencial.

Notando 0 = E (T ), tenemos entonces
FT (t0 ) = 1 e t0 =0 = p0
de donde deducimos que 0 = t0 = ln(1 p0 ). 0 es el tiempo medio de carrera
hasta entrar en boxes, y por lo tanto el espacio medio recorrido a velocidad constante
v0 sera
e0 = v0 0 = v0 t0 = ln(1 p0 )
ii) Como el tiempo en pista entre detenciones es exponencial con media 0 , la
cantidad N de detenciones para un tiempo dado en pista ST es una variable de tipo
Poisson con media 0 = ST =0 . Por lo tanto
P (N = n) = (n0 =n!)e 0
iii) El tiempo total SD de detencion en boxes es

SD =

N
X
i=1

Di

siendo Di los tiempos de cada detencion. Como la cantidad de sumandos es aleatoria, hallamos la funcion de densidad usando una expresion de probabilidades totales
condicionando a la cantidad de sumandos, es decir el valor de N , para obtener

fSD (d) =

1
X

n=0

fSD =N =n (d)P (N = n)

SD =N = n es el tiempo total de n detenciones, y por ser suma de n replicas independientes

la variable D, que es normal, sera normal con media nD y desvo
pn . Lasdeprobabilidades
P (N = n) para un tiempo dado ST en pista fueron calD

culadas anteriormente. Tenemos, pues, todos los elementos para reemplazar en la

expresion anterior y hallar fSD . iv) Se trata de hallar P (N = n=SD = d). Por la
formula de Bayes, tenemos
f
(d)P (N = n)
P (N = n=SD = d) = (SD =N =n)
fSD (d)
y cada uno de los componentes de esta ultima expresion fue calculado anteriormente.

Ejercicio 3 Sean X e Y dos variables aleatorias continuas. Dado un subconjunto

A de los reales, hallar una expresion en terminos de las funciones de densidad de X
e Y para la funcion de densidad fZ de la variable aleatoria Z denida por

X2A
Z= X
X +Y
X 62 A
Solucion 3. Por probabilidades totales, obtenemos
fZ (z ) = f(X=X 2A) (z )P (X 2 A) + f(X +Y=X 62A) (z )P (X 62 A)
R
En el primer sumando, tenemos el factor P (X 2 A) = A fX (x) dx, y el factor

z2A
f(X=X 2A) (z ) = f0X (z )=P (X 2 A)
z 62 A
En el segundo sumando, observamos en primer lugar que por ser X e Y independientes, (X + Y=X 62 A) = (X=X 62 A)+ Y , y por lo tanto obtendremos la funcion de
densidad convolucionando f(X=X 62A) con fY . Notemos H = (X=X 62 A). Tenemos
entonces

z 62 A
fH (z ) = f0X (z )=P (X 62 A)
z2A
y por lo tanto

fH +Y (z ) =

fH (h)fY (z h) dh =

con lo que obtenemos nalmente

fZ (z ) =

R

h62A

fX (h)fY (z h) dh=P (X 62 A)

h62A fX (Rh)fY (z h) dh
fX (z ) + h62A fX (h)fY (z

z 62 A
h) dh z 2 A

Ejercicio 4 (acerca de la densidad conjunta del mnimo y el maximo de dos

variables independientes) Sean X e Y dos variables aleatorias continuas e independientes. Hallar una expresion en terminos de las densidades de X y de Y para
:
:
la funcion de densidad conjunta de U = max(X; Y ), V = min(X; Y ). Son estas
variables independientes?
Solucion 4. Daremos en primer lugar una solucion sencilla, de caracter geometrico.
Consideremos en el plano u; v un rectangulito diferencial, entre las verticales en posicion u y u + du y las horizontales en posicion v y v + dv , y supongamos que
el rectangulito esta contenido en la region u > v . Este rectangulito proviene, por
la transformacion (x; y ) 7! (max(x; y ); min(x; y )), de dos rectangulitos en el plano
x; y, simetricos respecto de la recta y = x. (ver Figura 1)
2

dP2

u
dP

dP1

Figura 1.

El diferencial dP de probabilidad asociado al rectangulito en u; v sera entonces

dP = dP1 + dP2 , donde los diferenciales dP1 y dP2 son los asociados a los rectangulitos en el plano x; y . Luego
(1)
dP  fUV (u; v) dudv
(2)
 dP1 + dP2
(3)
 fXY (u; v) dudv + fXY (v; u) dvdu
(4)
= (fXY (u; v ) + fXY (v; u)) dudv
con lo que, usando la independencia de X e Y , y pasando al lmite con du y dv
tendiendo a 0, obtenemos

fUV (u; v) = (fX (u)fY (v) + fX (v)fY (u)); u > v

Por otra parte, es claro que el mnimo no puede ser mayor que el maximo, es decir
que fUV (u; v ) = 0; u < v . Obviamente, las variables U y V no son independientes,
dado que U > V .
Otra manera de encarar la solucion, mas analtica, es a partir del calculo de la
distribucion conjunta FUV . Por denicion, tenemos

FUV (u; v) = P (U  u; V  v)
Observamos que, cuando u > v , U  u y V  v equivale a X
u  X > v y Y  v o X  v y u  Y > v (ver Figura 2).

vyY v

Usando la independencia para expresar la probabilidad en cada rectangulo, obtenemos

FUV (u; v) = FX (v)FY (v) + (FX (u) FX (v))FY (v) + FX (v)(FY (u) FY (v)); u > v
2

@ F ) obtenemos nuevamente
y derivando (f = @u@v
fUV (u; v) = fX (u)fY (v) + fX (v)fY (u);

u>v

Ejercicio 5 Se trata de dise~nar un examen de multiple choice con r0 (dato)

respuestas por pregunta, es decir determinar el numero n de preguntas, y el nmero

c de respuestas correctas necesarias para aprobar, con las dos condiciones siguientes:
1. Que un mal alumno que contesta al azar cada pregunta, tenga probabilidad
menor que p1 de aprobar.
2. Que un buen alumno, con probabilidad p0 de responder correctamente a cada
pregunta, tenga probabilidad mayor que p2 de aprobar.
3

y
1
0
0
1
000000
111111
0
1
0
1
000000
111111
0
1
0
1
000000
111111
0
1
0
1
000000
111111
0
0 1
1
000000
111111
0
1
0
1
000000
111111
0
1
0
1
000000
111111
0
1
0
1
000000
111111
0
1
0
1
000000
111111
0
0 1
1
000000
111111
0
1
0
1
000000
111111
0
v 1
0
1
000000
111111
0
1
0
1
000000000
111111111
000000
111111
0
1
0
1
000000000
111111111
000000
111111
0
1
0
1
000000000
111111111
000000
111111
0
1
0
1
000000000
111111111
11111111111
00000000000
000000
111111
0
1
v
x
000000000
111111111
000000
111111
0
1
000000000
111111111
000000
111111
0
1
000000000
111111111
000000
111111
0
1
000000000
111111111
000000
111111
0
1
000000000
111111111
V  v
000000
111111
0
1
000000000
111111111
000000
111111
0
1
000000000
111111111
000000
111111
0
1
000000000
111111111
111111
000000
0
1
000000000
111111111
111111
000000
0
1

1
0
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
x1
0
1
0
1

111111111
000000000
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000 u
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
U  u
000000000
111111111
000000000
111111111
111111111
000000000
111111111
000000000
y

11111111
00000000
00000000
11111111
00
11
00000000
11111111
00
0000000011
11111111
00
11
00000000
11111111
00
11
00000000
11111111
00
1111111111
00000000
00
11
00000000
1111111100
11
u

11111111
00000000

u; V

Figura 2.

Soluci
on 5. Llamemos C a la variable aleatoria cantidad de respuestas correctas
de un alumno que tiene probabilidad p de responder correctamente a cada pregunta,
y llamemos A al evento de que este alumno apruebe. C es una variable binomial, y
la probabilidad de que el alumno apruebe es P (C  c), por lo tanto

P (A) =

n  
X
n
j =c

pj (1 p)n

En el caso planteado, el mal alumno tendra p = 1=r0 de acertar la respuesta correcta

a una pregunta, y por lo tanto las condiciones planteadas pueden escribirse
n  
X
n

(1)

j =c

(2)

(1=r0 )j (1

n  
X
n
j =c

1=r0 )n j

 p

p0 )n

 p

(p0 )j (1

Se puede resolver aproximadamente estas ecuaciones aproximando la distribucion

binomial con la normal. Las dos ecuaciones planteadas resultarian en tal caso
p c n(1=r0 )
(3)
 z1 p1
n(1=r0 )(1 1=r0)
p c n(p0 )
(4)
 z1 p2
n(p0 )(1 p0 )
Es una cuenta simple la que muestra que para resolver estas dos ecuaciones basta
elegir n de manera que

pn  (z

p1

(1=r0 )(1

1=r0 )

z1

p2

p0 (1 p0 ))=(p0

1=r0 )

y luego elegir c = np0 + np0 (1 p0 ) (observar que esta cuenta es analoga a la

eleccion del n en un test de hipotesis de proporciones dado el  y el  , y explicar
la analoga). Por supuesto que tanto n como c deben ser redondeados a entero para
arriba!
Supongamos por ejemplo que r0 = 5; p0 = 0:8; p1 = 0:05; p2 = 0:95. Haciendo el
calculo aproximado indicado, resulta n = 3,c = 2. Si se calculan las probabilidades
binomiales indicadas, se comprueba que estos valores no satisfacen las condiciones
exigidas. Es claro que para n = 3 la aproximacion normal de la binomial no es muy
adecuada! Incrementando de a uno en uno el n, y recalculando para cada n el c con
la misma formula, se encuentra que n = 7, c = 4 satisface las condiciones exigidas.
Mostramos a continuacion un script de Matlab con el que hicimos la cuenta.
r0=5;p0=0.8;p1=0.05;p2=0.95;
z1=dnoi(1-p1);
%dnoi es la inversa de la distribuci
on normal
z2=dnoi(1-p2);
g0=1/r0;
r=z1*sqrt(g0*(1-g0))-z2*sqrt(p0*(1-p0));
n=ceil(r/(p0-g0))
c=ceil(n*p0+ z2*sqrt(n*p0*(1-p0)))
%corregimos la estimacion de n y c usando la binomial
while( 1-dbi(c-1,n,g0)>p1 || 1-dbi(c-1,n,p0)<p2)
%dbi es la funci
on de distribucion binomial
n=n+1
c=ceil(n*p0+ z2*sqrt(n*p0*(1-p0)))
end