Soluciones de los ejercicios de la segunda

Unidad
Dr. Vctor Hernandez
Dr. Jorge Martn
Dr. Jose Antonio Carrillo
21 de marzo de 2011

Indice general
Ejercicio 2.1. Funciones de densidad
Ejercicio 2.2 . . . . . . . . . . . . .
Ejercicio 2.3 . . . . . . . . . . . . .
Ejercicio 2.4 . . . . . . . . . . . . .
Ejercicio 2.5 . . . . . . . . . . . . .
Ejercicio 2.6 . . . . . . . . . . . . .
Ejercicio 2.7 . . . . . . . . . . . . .
Ejercicio 2.8 . . . . . . . . . . . . .
Ejercicio 2.9 . . . . . . . . . . . . .
Ejercicio 2.10 . . . . . . . . . . . .
Ejercicio 2.11 . . . . . . . . . . . .
Ejercicio 2.12 . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

5
7
8
10
12
13
15
16
18
19
22
23

Estadstica. Segunda unidad did

actica

Ejercicio 2.1. Funciones de densidad [2.1.2][2.1.4][2.1.5]

Sea f la funcion definida por
(
f (x) =

2(1 x) si 0 x 1
0
si x < 0 o x > 1

comprobar que cumple las condiciones para ser una funcion de densidad de probabilidad. Si X es una variable aleatoria cuya funcion densidad es f , calcular
1. P(X > 0.5).
2. P(0.5 < X < 0.75).

3. P(X > 0.75  X > 0.5).
4. E{X} y X2 .
Soluci
on.
Las condiciones que debe cumplir una funcion para ser una densidad de probabilidad se muestran en el resultado 2.2 del libro, comprobaremos que f (x) las cumple;
primero, si 0 x 1, se tiene 2(1 x) 0 luego se tiene f (x) 0 para todo x R;
segundo, unos pocos calculos nos muestran que la integral de f (x) es igual a uno.
Z

f (x) dx =

Z 0

Z 1

0 dx +

Z 1

2(1 x) dx +

0 dx

2(1 x) dx

Ahora, una funcion primitiva de 2(1 x) es (1 x)2, ya que se tiene

Z

2(1 x) dx = 2

= 2

(1 x) dx

(1 x)2
= (1 x)2
2

y resulta
Z 1
0

1

2(1 x) dx = (1 x)2 = (0) (1) = 1
0

1. La formula 2.7 del libro es fundamental en todo el calculo de probabilidades

Recuerdese el modelo para calcular

una funcion primitiva de una funcion potencial: si p 6= 1, se tiene
Z

g (x)g p (x) dx =

g p+1 (x)
p+1

en nuestro caso, el factor 2 sale

fuera de la integral y pondramos
g(x) = (1 x) y g (x) = 1.

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
continuas, en virtud de ella tenemos
P(X > 0.5) =

f (x) dx

0.5
Z 1

2(1 x) dx
1

2
= (1 x)  = 0.52 = 0.25
0.5

0.5

2. Tambien por la formula 2.7, resulta

P(0.5 < X < 0.75) =

Z 0.75

f (x) dx

0.5

Z 0.75

2(1 x) dx
0.75

2
= (1 x) 
= 0.52 0.752 = 0.1875
0.5

0.5

3. Como consecuencia
de la definicion de probabilidad condicionada, para calcu
lar P(X > 0.75  X > 0.5) necesitamos conocer P(X > 0.5), que ya calculamos en el
apartado 1. y
P({X > 0.75} {X > 0.5}) = P(X > 0.75)
que se calcula de manera similar
P(X > 0.75) =

f (x) dx

0.75

Z 1

2(1 x) dx
1

= (1 x)2
= 0.752 = 0.0625

0.75

0.75

se sigue


P(X > 0.75)
0.0625
P(X > 0.75  X > 0.5) =
=
= 0.25
P(X > 0.5)
0.25

4. El concepto y calculo del valor esperado de una variable continua X se explica

en el apartado 2.1.4; en este caso, el valor a calcular es
E{X} =

Z 1

x 2(1 x) dx = 2
0

1
1
x2 
2x3 
= 
2 0
3 0
2
1
= 1 =
3
3

Z 1
0

(x x2 ) dx

Estadstica. Segunda unidad did

actica

Para calcular la varianza lo mejor es emplear la formula 2.14, para ello calculamos el
momento de segundo orden;
E{X 2} =

Z 1

x2 2(1 x) dx = 2
0
1
1
2x3 
2x4 
=

3 0
4 0
2 1
1
= =
3 2
6

Z 1

(x2 x3 ) dx

ahora, el calculo de la varianza es igual a

X2 =

 2
1
1
1

=
6
3
18

Ejercicio 2.2. [2.1.2][2.1.4][2.1.5]

Sea X una variable aleatoria con la funcion de densidad que se muestra en la
figura 1.1. Calcular
2

1
f (x) = x ln 2
0

si 1 x 2

f X ( x)
1

en otro caso

Figura 1.1

1. P(X 1.75)

2. P(X < 1.25  X 1.75)
3. E{X}.

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
Soluci
on.

Recuerdese que una funcion primitiva de la funcion 1/x es ln x.

Z

1. De acuerdo con la formula 2.7 del libro, se tiene

dx
= ln x
x

P(X 1.75) =

El modelo general de esta clase de

primitivas es
Z

Z 1.75

1
dx
x ln 2

1.75
ln 1.75
ln x 
=
=

ln 2 1
ln 2

g (x)
= ln g(x)
g( x)


2. Para calcular P(X < 1.25  X 1.75) hallamos la probabilidad de la interseccion.
P({X 1.25} {X 1.75}) = P(X 1.25, X 1.75)
= P(X 1.25)

Z 1.25
1

1
dx
x ln 2

1.25
ln x 
ln 1.25
=
=

ln 2 1
ln 2

Se sigue que la probabilidad condicionada es igual a


P(X 1.25, X 1.75)
ln 1.25
P(X < 1.25  X 1.75) =
=
0.399
P(X 1.75)
ln 1.75

3. De acuerdo con lo expuesto en el apartado 2.1.4, se tiene

Recuerdese que una funcion primitiva de la funcion g(x) = sen x es
G(x) = cos x.
Z

sen x = cos x

El modelo general de esta clase de

primitivas es
Z

g (x) seng(x) = cos g(x)

Ejercicio 2.3. [2.1.5]

Z 2
Z 2

dx
1
E{X } =
x
=
dx
x ln 2
1
1 ln 2
2
1
x 
=
=
ln 2 1 ln 2

Consideremos una variable aleatoria, X, con distribucion uniforme en el intervalo

( , ) y sea Z = sen X. Calcular E{Z} y Z2 .
Soluci
on.
El valor esperado de una funcion se explica en el apartado 2.1.5.
 /2

dx
1
E{Z} =
sen x
= ( cosx)
=0

/2
/2
Z /2

Estadstica. Segunda unidad did

actica

Para calcular la varianza de Z emplearemos la formula 2.14;

E{Z 2 } =

Z /2

/2

sen2 x

dx

Esta u ltima integral se puede calcular de varias maneras bastante elementales; por
ejemplo, si integramos por partes, tomando las partes u = sen x y v = sen x, resulta
u = cos x, v = cosx, de donde se sigue
 /2
Z /2
Z /2

2

sen x dx = sen x cos x

cos2 x dx
/2

/2

/2

Z /2

/2

cos2 x dx

Ahora bien, si recordamos que sen2 x + cos2 x = 1, resulta

Z /2

/2

(sen2 x + cos2 x) dx =

pero, puesto que

Z /2

Z /2

/2

/2

resulta

Z /2

/2

sen2 x dx +

sen2 x dx =

Z /2

/2

(sen2 x + cos2 x) dx = 2

lo que implica
E{Z } =

Z /2

Z /2

sen2 x

Z /2

/2

cos2 x dx =

Z /2

/2

dx =

cos2 x dx

Z /2

/2

sen2 x dx =

dx
1
=

2
Otro metodo muy clasico para calcular esta integral es mediante la formula de paso al
a ngulo doble
1 cos2x
sen2 x =
2
Se tiene
2

/2

sen2 x

dx

/2
Z /2
1 cos2x dx
=
2

/2
Z /2
Z /2
1
1
=
dx
cos 2x dx
/2 2
/2 2
 /2

1
1
1
= ( sen 2x)
=
2
4
2

E{Z 2 } =

/2

Puesto que E{Z} = 0, resulta Z2 = E{Z 2 } = 1/2.

10

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
Ejercicio 2.4. [2.2.4]
Consideremos una variable aleatoria Z con distribucion N (0, 1); calcular
1. P(Z > 0.6).
2. P(Z > 0.5).
3. P(0.5 < Z 1.5).
4. P(1 < Z 0.5).
5. P(0.5 < Z 1.5).
1. La probabilidad con que una variable Z, con distribucion N (0, 1), toma valores
mayores que 0.6
P(Z > 0.6)
es igual al a rea de la region coloreada que aparece en la figura 1.2, ese valor se halla
directamente en la tabla y es igual a 0.2743.

0.6

P(Z > 0.6)

Figura 1.2

2. Primero, se cumple
P(Z > 0.5) = 1 P(Z 0.5)
pero, por ser una distribucion simetrica respecto del origen, se tiene
P(Z 0.5) = P(Z 0.5)

Estadstica. Segunda unidad did

actica

11

y por ser una distribucion continua P(Z = 0.5) = 0 y se tiene

P(Z 0.5) = P(Z > 0.5)
este valor see calcula directamente en la tabla y es igual a 0.3085; se sigue
P(Z > 0.5) = 1 P(Z 0.5) = 1 P(Z > 0.5) = 1 0.3085 = 0.6915
3. La probabilidad con que una variable Z, con distribucion N (0, 1), toma valores
comprendidos entre 0.5 y 1.5
P(0.5 < Z 1.5)
es igual al a rea de la region coloreada que aparece en la figura 1.3.

0.5

1.5

P(0.5 < Z 1.5)

Figura 1.3

4. De nuevo, por la simetra, tenemos

P(1 < Z 0.5) = P(0.5 Z < 1)
luego es un calculo similar al del apartado 3;
P(0.5 Z < 1) = P(Z 0.5) P(Z > 1)
por ser continua, se tiene P(Z 0.5) = P(Z > 0.5) y
P(0.5 Z < 1) = P(Z 0.5) P(Z > 1)

12

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
probabilidades que se calculan directamente en la tabla
P(0.5 Z < 1) = 0.3085 0.1587 = 0.1498
5. Para calcular P(0.5 < Z 1.5) basta poner
P(0.5 < Z 1.5) = 1 P(Z > 1.5) P(Z 0.5)
pero
P(Z 0.5) = P(Z < 0.5) = P(Z > 0.5)
luego
P(0.5 < Z 1.5) = 1 P(Z > 1.5) P(Z > 0.5)
donde las dos u ltimas probabilidades se calculan directamente en la tabla, as resulta
P(0.5 < Z 1.5) = 1 0.0668 0.3085 = 0.6247
Ejercicio 2.5. [2.2.4]
1. Consideremos una variable X que se distribuye segun una normal N (2.5, 0.5);
calcular la probabilidad
P(2 < X < 3)
2. Si X es una variable aleatoria con distribucion normal, N ( , ), calcular
P(X > + )
Soluci
on.
1. Transformaremos el problema en otro en que haya que calcular una probabilidad
expresada en terminos de una variable normal de media cero y varianza uno, esa transformacion de denomina tipificar la variable. El primer paso es restar la media 2.5,
transformacion que se aplica a cada termino de la desigualdad 2 < X < 3 con el fin de
obtener otra desigualdad equivalente; as, 2 < X < 3 equivale a
2 2.5 < X 2.5 < 3 2.5
o bien, equivale a 0.5 < X 2.5 < 0.5. El segundo paso es dividir por la desviacion
tpica; resulta
0.5 X 2.5 0.5
<
<
0.5
0.5
0.5
Con estos dos pasos, hemos obtenido la equivalencia:


X 2.5
P(2 < X < 3) = P 1 <
<1
0.5

Estadstica. Segunda unidad did

actica
Ahora, de acuerdo con el resultado fundamental 2.4, Z = X2.5
un
0.5 se distribuye seg
una normal N (0, 1), y se cumple


X 2.5
< 1 = P(1 < Z < 1)
P 1 <
0.5
probabilidad que se calcula mediante la tabla de la normal N (0, 1).
P(1 < Z < 1) = P(Z 1) P(Z 1) = 1 0.1587 0.1587 = 0.6826
2. Otra vez tipificamos la variable y resulta
P(X > + ) = P(

X
> 1) = P(Z > 1)

valor que encontramos en la tabla de la normal.

P(X > + ) = P(Z > 1) = 0.1587
Ejercicio 2.6. [2.2.4]
1. Si Z tiene una distribucion normal N (0, 1), cual es el valor z que verifica la
condicion P(Z z) = 0.9904?
2. Si Z es una variable con distribucion normal N (0, 1), cual es el valor z que
verifica la condicion P(Z > z) = 0.9515?
3. Si X tiene una distribucion normal N (1, 2), cual es el valor a que verifica la
condicion P(a < X < a) = 0.95?
Soluci
on.
1. Esta condicion equivale a resolver la ecuacion
P(Z z) = 0.9904
En la tabla, encontramos el valor que cumple esta condicion z = 2.34.
2. Dado que la probabilidad de que Z sea mayor que el valor buscado es mayor que
0.5, debe tratarse de un numero negativo y lo designaremos por z. Resolver esta
cuestion equivale a resolver la ecuacion
P(Z > z) = 0.9515
Ahora, por la simetra de la curva normal, se debe cumplir
P(Z z) = P(Z > z) = 0.9515
En la tabla, encontramos que z = 1.66, luego el valor buscado es 1.66.

13

14

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011

P(Z > z) = (Z z)

Figura 1.4

3. Primero tipificamos la variable X.

El teorema del valor intermedio establece que si g(x) es una funcion
continua en el intervalo [ a, b ] tal
que g(a) < 0 y g(b) > 0, debe existir al menos un punto intermedio ,
a < < b, tal que g( ) = 0. Esta propiedad parece muy intuitiva,
pero esconde la propiedad esencial
de los numeros reales: su completitud. Con palabras simples pero imprecisas, diramos que los numeros
reales forman un continuo, es decir no dejan huecos entre s. Pensemos que si existiera algun hueco entre a y b la funcion g podra
colarse por ese hueco y pasar de
tomar valores negativos a positivos
sin alcanzar nunca el cero. La existencia de ese valor intermedio en el
que la funcion se anula se origina en
la inexistencia de huecos. El teorema del valor intermedio es clave en
cualquier aproximacion numerica.

P(a < X < a) = P(

a 1 X 1 a 1
a 1
a1
<
<
) = P(
<Z<
)
2
2
2
2
2

donde Z es una variable normal de media cero y varianza uno. De esta manera, el
problema es equivalente a resolver una ecuacion probabilstica: encontrar el valor de
a que satisface la igualdad
P(

a 1
a1
<Z<
) = 0.95,
2
2

(1.1)

Primero, razonaremos que ese valor existe y es u nico, luego lo aproximaremos. La

igualdad 1.1 se puede poner
a
a
a
a
1P(Z 0.5) P(Z 0.5) = 1P(Z > 0.5) P(Z > + 0.5) = 0.95
2
2
2
2
pongamos h(a) = 1 P(Z a2 0.5) P(Z 2a 0.5) donde a 0; por las propiedades de la probabilidad, se sigue que tanto P(Z a2 0.5) como P(Z 2a 0.5)
son funciones decrecientes de a, en consecuencia, h(a) es una funcion creciente de a;
ademas, se tiene h(0) = 0 y lima h(a) = 1. Puesto que la funcion h(a) es continua,
debe existir un valor tal que h( ) = 0.95 (teorema del valor intermedio) y, por ser
creciente, ese valor es u nico. Podemos aproximar ese valor tanto como queramos si
disponemos de los valores normales calculados con suficiente precision; por ejemplo,
si a = 4, tenemos
h(4) = 1 P(Z > 1.5) P(Z > 2.5)

= 1 0.0668 0.0062
= 0.927 < 0.95
mientras que si ponemos a = 5, resulta
h(5) = 1 P(Z > 2) P(Z > 3)

= 1 0.0228 0.0013
= 0.9759 > 0.95

Estadstica. Segunda unidad did

actica
As, puesto que h(4) < 0.95 < h(5), debe haber un valor (unico) , 4 < < 5, tal que
h( ) = 0.95. En otro paso mas de aproximacion, si ponemos a = 4.3, resulta
h(4.3) = 1 P(Z > 1.65) P(Z > 2.65)

= 1 0.0495 0.0040
= 0.9465 < 0.95
mientras que si a = 4.4, tenemos
h(4.4) = 1 P(Z > 1.7) P(Z > 2.7)

= 1 0.0446 0.0035
= 0.9519 > 0.95
por lo que h(4.3) < 0.95 < h(4.4) y el valor buscado cumple 4.3 < < 4.4. Para proseguir en nuestra aproximacion y calcular con dos decimales exactos, deberamos
tener una tabla de la normal aproximada hasta las milesimas, por el momento podemos
poner 4.35 con un error menor que 0.05.
Ejercicio 2.7. [2.3.1][2.3.2]
Una variable aleatoria X tiene funcion de distribucion definida por

0 si x < 0
F (x) = x2 si 0 x < 1

1 si x 1

1. Representar graficamente F (x).

2. Comprobar que es una funcion de distribucion.

3. Calcular P(0 X 1/4).
4. Tiene funcion de densidad esta funcion de distribucion?
Soluci
on.
1. La grafica de F (x) se muestra en la figura 1.6;
2. Resulta casi inmediato verificar que cumple las tres condiciones de la caracterizacion de las funciones de distribucion (punto 2.7), es una funcion no decreciente,
continua por la derecha y F (x) 0 cuando x y F (x) 1 cuando x .
3. Para calcular P(0 X 1/4), comenzaremos por expresarla en unos terminos que
sean adecuados para introducir la funcion de distribucion; as, ponemos
P(0 X 1/4) = P(X = 0) + P(0 < X 1/4)

15

16

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011

F (x)

1
Figura 1.5

La probabilidad P(X = 0) es igual al tamano del salto en x = 0 que, por ser continua
en ese punto, sera igual a cero P(X = 0) = F (0) F (0) = 0 0; por otra parte, por
la expresion 2.20 del libro, se tiene
P(0 < X 1/4) = F (1/4) F (0) =

1
16

En resumen, se tiene P(0 X 1/4) = 1/16.

4. La candidata a ser funcion de densidad es la derivada F (x) que existe en todos los
puntos salvo en x = 1; se tiene

0 si x 0

F (x) = 2x si 0 < x < 1

0 si x > 1

La condicion para que esta candidata sea efectivamente una densidad se da en el punto
2.8; facilmente verificamos que se cumple tal condicion
1
Z
Z 1

F (x) dx =
2x dx = x2  = 1

luego

es la densidad de F.

Ejercicio 2.8. [2.3.1][2.3.2]

Una variable aleatoria X tiene funcion de distribucion definida por

0
si x < 0

1
2
F (x) = x +
si 0 x < 1/2

1
si x 1/2

Estadstica. Segunda unidad did

actica

17

1. Representar graficamente F (x).

2. Comprobar que es una funcion de distribucion.
3. Calcular P(0 X 1/4).
4. Tiene funcion de densidad esta funcion de distribucion?
Soluci
on.
1. La grafica de F (x) se muestra en la figura 1.6. La presencia de discontinuidades en
la grafica indica que la distribucion es mixta. Los puntos x = 0 y x = 0.5 acumulan
probabilidad, igual al salto de la grafica en cada punto.
P(X = 0) = F (0) F (0) =

1
3

1 1
5
P(X = 0.5) = F (0.5) lim F (0.5 h) = 1 ( + ) =
h0
4 3
12
1
b

F (x)

Figura 1.6

2. Resulta casi inmediato verificar que cumple las tres condiciones de la caracterizacion de las funciones de distribucion (punto 2.7), es una funcion no decreciente,
continua por la derecha y F (x) 0 cuando x y F (x) 1 cuando x .
3. Por la definicion de funcion de distribucion, se tiene
3
3
P(0 X ) = P(X = 0) + P(0 < X )
4
4
1
= + F (3/4) F (0)
3
1
1
= +1 = 1
3
3

18

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
4. La candidata a ser funcion de densidad es la derivada F (x) que existe en todos los
puntos salvo en x = 0 y x = 1/2; se tiene

0 si x < 0
F (x) = 2x si 0 < x < 1/2

0 si x > 1/2

La condicion para que esta candidata sea efectivamente una densidad se da en el punto
2.8; facilmente verificamos que se no cumple tal condicion
1/2
Z
Z 1/2

1
F (x) dx =
2x dx = x2  =
4

0
0
luego F no tiene funcion de densidad.
Ejercicio 2.9. [2.4.1][2.4.2][2.4.4]
Sea (X,Y ) un vector con funcion de densidad conjunta:
(
c(x + y) si x + y < 1, x > 0, y > 0
f (x, y) =
0
en otro caso
Se pide:
1. Calcular la constante c.
2. Hallar las funciones de densidad marginal de X y de Y .
3. Son independientes X e Y ?
Soluci
on.
1. Para calcular la constante, imponemos la condicion
Z Z

f (x, y) dy dx = 1.

Ahora, f (x, y) vale 0 en todos los puntos salvo en los del triangulo
Q = {(x, y) ; x + y < 1, x > 0, y > 0},
lo que implica
Z Z

f (x, y) dy dx =

Z 1 Z 1x

c(x + y) dy dx
0


Z 1
(1 x)2
=
c x(1 x) +
dx
2
0
c
=
3
0

Estadstica. Segunda unidad did

actica

19

Del calculo anterior, se sigue c = 3.

2. La funcion de densidad marginal de X en el punto x es igual a
f X (x) =

f (x, y) dy.

Por la manera en que f (x, y) esta definida, hay que distinguir dos casos, si x 6 (0, 1),
la integral anterior es igual a 0, mientras que si x (0, 1), es igual a
f X (x) =

Z 1x
0

3
3(x + y) dy = (1 x2 ).
2

En resumen, hemos obtenido que fX es igual a

3
(1 x2) si x (0, 1)
f X (x) = 2
0
si x 6 (0, 1)

Puesto que la funcion de densidad conjunta es simetrica en x e y, la funcion de densidad marginal de Y sera igual a la de X cambiando x por y.

3
(1 y2 ) si y (0, 1)
fY (y) = 2
0
si y 6 (0, 1)
3. Es claro que f (x, y) 6= fX (x) fY (y), luego las variables no son independientes.

Ejercicio 2.10. [2.4.1][2.4.3]

Sea (X,Y ) un vector con funcion de densidad conjunta:
f (x, y) =

cx

si x > 0, y > 0, x + y < 1

en otro caso

Se pide:
1. Calcular la constante c.
2. Calcular P(X > 0.5).
3. Calcular P(Y > X ).
4. Hallar la funcion de densidad condicionada f (y | x).

20

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
1

(x, 1 x)
b

+
Y

=
1

Figura 1.7

Soluci
on.
1. Se tiene:
Z Z

f (x, y) dy dx =

Z 1 Z 1x
0

Z 1

cx dy dx

cx(1 x) dx =

c
6

Luego c = 6.
En la figura 1.7 se representa el dominio en el que la funcion de densidad conjunta
toma valores distintos de cero. Se observa que x vara entre 0 y 1 y que, fijo x, 0 <
x < 1, la ordenada y vara entre 0 y 1 x. Estas variaciones justifican los lmites de la
integral doble anterior y los de la funcion de densidad condicionada que calcularemos
a continuacion.
1

1
b

(0.5, 0.5)

0.5

Figura 1.8

2. El suceso {X > 0.5} aparece representado en la figura 1.8, para calcular su

probabilidad debemos calcular la integral doble de la funcion de densidad extendida a

Estadstica. Segunda unidad did

actica

21

ese conjunto.
Z 1 Z 1x

P(X > 0.5) =

6x dy dx

Z 1
1x
=
6xy dx
0.5
0.5 0

Z 1

6x(1 x) dx =
0.5
1
1


= 3x2  2x3
0.5

Z 1

6(x x2) dx

0.5

0.5

= 3 0.75 2 + 0.25 = 0.5

+
b

(0.5, 0.5)

0.5

Figura 1.9

3. El suceso {Y > X} aparece representado en la figura 1.9, para calcular su probabilidad debemos calcular la integral doble de la funcion de densidad extendida a ese
conjunto.
P(Y > X ) =

Z 0.5 Z 1x
0

Z 0.5
0

Z 0

6x dy dx

1x
Z

6xy dx =

0.5

6x(1 2x) dx

6(x 2x2 ) dx
0.5
0.5


2
3
= 3x  4x 

= 0.75 0.5 = 0.25

4. Primero calculamos la funcion de densidad marginal de X. Si x 6 (0, 1), entonces

22

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
fX (x) = 0; mientras que, si x (0, 1), se tiene:
f X (x) =

f (x, y) dy

Z 1x

6x dy

= 6x(1 x)
La funcion de densidad condicionada f (y | x) es igual a:

1
si 0 < x < 1, 0 < y < 1 x
f (y | x) = 1 x
0
en otro caso
Ejercicio 2.11. [2.4.2][2.4.3][2.4.5]

El valor que toma el vector aleatorio (X,Y ) se elige mediante dos sorteos sucesivos. Primero elegimos el valor x de X sorteando un numero segun la ley de probabilidad uniforme entre 0 y 1 y, luego, elegimos el valor de Y , sorteando un numero con
funcion de densidad

1
si x < y < 1
f (y | x) = 1 x
0
en otro caso

Se pregunta:

1. Hallar la funcion de densidad conjunta f (x, y).

2. Hallar la funcion de densidad marginal de Y .
3. Calcular la funcion de densidad f (x | y).
Soluci
on.
1. La funcion de densidad conjunta es

1
f (x, y) = f (x) f (y | x) = 1 x
0

si 0 < x y < 1
en otro caso

El grafico A de la figura 1.10 nuestra el dominio donde la funcion de densidad toma

valores no nulos. La lnea vertical muestra la genesis dinamica del vector, primero se
elige x uniformemente entre 0 y 1 y, despues, y uniformemente entre x y 1.
2. La funcion de densidad marginal de Y se calcula:
fY (y) =

Z +

f (x, y) dx

Estadstica. Segunda unidad did

actica

23

(A)

(B)

1
b

(x, x)

(y, y)

0
x

Figura 1.10

Fijemos un valor y, 0 < y < 1, como se muestra en el grafico B de la figura 1.10, la

funcion de densidad conjunta f (x, y) es siempre igual a 0 salvo cuando 0 < x y, que
vale 1/(1 x). Se sigue
fY (y) =
Se tiene

Z +

f (x, y) dx =

Z y
0

1
dx = log(1 y)
1x

1
f (x, y) = f (x) f (y | x) = 1 x
0

si 0 < x y < 1
en otro caso

3. La funcion de densidad condicionada f (x | y) es igual a:

1
si 0 < x y < 1
f (x, y)
f (x | y) =
= (1 x) log(1 y)

f (y)
0
en otro caso

Ejercicio 2.12. [2.4.1][2.4.3][2.4.6][2.4.7]

Sea (X,Y ) un vector con funcion de densidad conjunta:

(
cxy si x > 0, y > 0, x + y < 1
f (x, y) =
0 en otro caso
Se pide:
1. Calcular la constante c.
2. Calcular P(X + Y < 0.5).
3. Calcular X,Y .

24

UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
Soluci
on.
La representacion grafica del dominio donde la funcion de densidad toma valores
no nulos es identica al ejercicio 2.10, tan solo cambia la definicion de la funcion.
1. Se tiene:
Z Z

f (x, y) dy dx =

Z 1 Z 1x
0

=c

cxy dy dx

1x
Z 1
1 
x y2  dx
0

2 0

c 1
x(1 x)2 dx
2 0
Z
c 1
=
(x 2x2 + x3 ) dx
2 0
1
1
1 

2 3 
1 4 
c 1 2 
=
x x  + x 
2 2 
3
4
Z

c 1 2 1
= ( + )
6 2 3 4
c
=
24

(1.2)

Puesto que la integral de la funcion de densidad debe ser igual a 1, se tiene c/24 = 1,
es decir c = 24.
2. El suceso A = {X + Y < 0.5} aparece representado en la figura 1.11; para calcular su probabilidad, tenemos que hallar la integral doble de la funcion de densidad
extendida a A;
ZZ
P(A) =
f (x, y) dy dx
A

este calculo es sencillo, la variable x puede variar entre 0 y 0.5 y, fijado una valor de
x, la variable y vara entre 0 y 0.5 x.
P(X > 0.5) =

Z 0.5 Z 0.5x
0

Z 0.5
0

Z 0.5

24xy dy dx

0.5x

12xy 
dx
2

Z 0.5

12x(0.5 x)2 dx =
0
0
0.5
0.5
0.5


3 2 
= x  4x3  + 3x4 
2

= 0.0625

(3x 12x2 + 12x3 ) dx

Estadstica. Segunda unidad did

actica

25

X
X
b

0.
5

0.5

Figura 1.11

3. Para calcular la covarianza entre X e Y aplicaremos la formula 2.41, para ello

necesitamos calcular E{XY }, E{X} y E{Y }.
Z 1 Z 1x

Z 1 Z 1x

24x2 y2 dy dx
xy 24xy dy dx =
0 0
0 0
1x
Z 1
Z 1

2 3
=
8x y  dx =
(8x2 24x3 + 24x4 8x5 ) dx

E{XY } =

24 4
2
8
= 6+ =
3
5
3
15
Z 1 Z 1x

Z 1 Z 1x

x 24xy dy dx =
24x2 y dy dx
0 0
1x
Z 1
Z 1

2 2
=
12x y  dx =
(12x2 24x3 + 12x4 ) dx

E{X} =

12
2
= 46+
=
5
5

Puesto que la funcion de densidad es simetrica en x e y, se debe tener

E{Y } = E{X} = 2/5
y resulta

X,Y = E{XY } E{X}E{Y} =

2
75