Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejer
Ejer
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
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
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
g (x)g p (x) dx =
g p+1 (x)
p+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
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
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
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
X2 =
2
1
1
1
=
6
3
18
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.
dx
= ln x
x
P(X 1.75) =
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
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
sen x = cos x
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
/2
/2
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
/2
/2
Z /2
/2
cos2 x dx
/2
(sen2 x + cos2 x) dx =
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
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
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)
11
0.5
1.5
Figura 1.3
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
X
> 1) = P(Z > 1)
13
14
UNED. I. Inform
atica/I. en Tecnologas de la Informaci
on, Curso 2010-2011
P(Z > z) = (Z z)
Figura 1.4
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)
= 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
= 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
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
0 si x 0
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.
0
si x < 0
1
2
F (x) = x +
si 0 x < 1/2
1
si x 1/2
17
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
19
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
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.
cx
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
21
ese conjunto.
Z 1 Z 1x
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
+
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
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
f (x, y) = f (x) f (y | x) = 1 x
0
si 0 < x y < 1
en otro caso
Z +
f (x, y) dx
23
(A)
(B)
1
b
(x, x)
(y, y)
0
x
Figura 1.10
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
1
si 0 < x y < 1
f (x, y)
f (x | y) =
= (1 x) log(1 y)
f (y)
0
en otro caso
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
25
X
X
b
0.
5
0.5
Figura 1.11
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
2
75