Ejercicios Resueltos de Probabilidad

Juan Jos´ Salazar Gonz´lez e a
Marta L´pez Yurda o

´ Indice general

Pr´logo o 1. Combinatoria 2. Fundamentos de probabilidades 3. Distribuciones de probabilidad 4. Principales variables aleatorias 5. Variables aleatorias bidimensionales 6. Convergencia 7. Regresi´n y correlaci´n o o Bibliograf´ ıa

9 11 23 85 109 145 169 177 183

7

.

a cada ıas. mucha gente responder´ afirmativamente. Entonces. y de ellos 125 la tercera. Es decir. ¡Este ser´ el mono al que esas personas le dar´ su dinero! ıa ıan Este libro contiene 139 ejercicios resueltos de Probabilidades. ıa Consideremos 1000 monos durante diez d´ Cada d´ le asociamos. algunos tomados de a a libros mencionados en la bibliograf´ con distinto grado de dificultad. la respuesta “´xito en la inversi´n” si se levanta con el pie derecho. Por el contrario. y e o “fracaso en la inversi´n” si se levanta con el pie izquierdo. el primer d´ 500 monos acertar´n la operaci´n justa. En ella hay ejercicios cl´sicos. Dado que o a o no ha sido objetivo el extendernos en la parte te´rica. tratando ıa. cada d´ o ıa aproximadamente la mitad acertar´. desafiantes y s´lo o aptos para alumnos brillantes.i i i “libroult” 2001/8/30 page 9 i Pr´logo o Un d´ sale en el peri´dico que un inversor ha logrado preveer el ´xito ıa o e o fracaso de ciertas operaciones complejas de bolsa durante las ultimas 10 ´ jornadas. y para el d´ siguiente consideramos s´lo a ıa o esos. Transcurridos e a los diez d´ es muy probable que tengamos un mono que haya acertado todas ıas las operaciones. No se trata de una colecci´n exclusiva de problemas dif´ o ıciles de resolver. se trata de una lista de ejercicios de dificultad variada que pretende ayudar a cualquier alumno que se inicie en el C´lculo de Probabilidades. ıa uno. Cada cap´ ıtulo inicia con un resumen te´rico que pretende establecer la o notaci´n b´sica que luego se usa en la resoluci´n de sus ejercicios. etc. ¿Se dejar´ asesorar por ´l para que le rentabilizase sus ahorros? Sin ıa e duda. de los que ıa a o 250 tambi´n acertar´n la segunda. de configurar una gama de problemas apropiados para un primer curso de Probabilidades. algunos conceptos se o presentan de forma simplificada (como los referentes a la Ley Fuerte de los 9 i i i i .

a o (Departamento de Estad´ ıstica. El cap´ ıtulo sexto presenta ejercicios de convergencia.i i i “libroult” 2001/8/30 page 10 i 10 EJERCICIOS RESUELTOS DE PROBABILIDAD Grandes N´meros o al de regresi´n). o ´ ´ ´ Juan Jose Salazar Gonzalez y Marta Lopez Yurda. El primer cap´ ıtulo se dedica a la Combinatoria y el segundo la utiliza para el c´lculo elemental de probabilidades. etc. quien previamente ha debido trabajarlos por su cuenta. Tenerife. a 14 de agosto de 2001. han sido varias las personas que han realizado aportaciones a este libro. tanto discretas como continuas. De forma especial queremos destacar las valiosas sugerencias que hemos recibido de Jos´ Juan C´ceres Hern´ndez (Departamento de Econom´ de las Institucioe a a ıa nes. o o Esta colecci´n se ha desarrollado impartiendo durante varios cursos la asigo natura Probabilidades I. y el s´ptimo e ejercicios sencillos de regresi´n y correlaci´n. funci´n o de distribuci´n y esperanza matem´tica. o o Tambi´n agradecemos al Gobierno de Canarias que.. la resoluci´n de varios problemas subraya conceptos abso tractos como el de espacio muestral. pero nunca como libro de texto en s´ mismo. Creemos que este rigor matem´tico a (nunca excesivo) es aconsejable tambi´n para alumnos de facultades de Ingee nier´ Econ´micas. Por ello. resoluci´n en este libro le puedan tambi´n ser de ayuda. Los ejercicios del cuarto o a cap´ ıtulo tratan sobre variables aleatorias tradicionales. Estad´ ıstica Econ´mica y Econometr´ ULL) y de Carlos Gonz´lez Alc´n o ıa. y en este sentido deseamos que el estilo de ıas. Biolog´ etc. y a´n menos como libro de teor´ ı u ıa. Por ello. en la Facultad de Matem´ticas de la Universidad de a La Laguna. o ıa. i i i i . ULL). o e Aunque los errores que aparecen son responsabilidad exclusiva de los autores. entre otros. incluyendo la probabilidad condicionaa da. recomendamos que este material u o sirva s´lo para controlar que sus ejercicios han sido correctamente resueltos por o el lector. El tercer cap´ ıtulo introduce los conceptos de variable aleatoria. Las variables aleatorias bidimensionales se afrontan en el cap´ ıtulo quinto. Investigaci´n Operativa y Computaci´n. a trav´s del proyecto de e e investigaci´n PI2000/116. ha financiado parcialmente el trabajo realizado.

. con ni repeticiones del io ´simo elemento. de los cuales hay s´lo k e o diferentes (n1 iguales. · nk ! Variaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. k: Dados n elementos. .. (n − m)! i i i i . teniendo especial cuidado en no olvidar ning´n elemento ni en contarlo m´s de u a una vez. . A continuaci´n resaltamos seis casos t´ o ıpicos: Permutaciones de n elementos: Dados n elementos distintos. .. u e Permutaciones con repetici´n de n elementos. Este n´mero tambi´n se denota como n!. n2 iguales. .+nk = n).. el n´mero de secuencias ordenadas de estos elementos es u n P Rn1 . .nk iguales. el n´mero de selecciones ordenadas de m de ellos es u Vn.. con n1 +n2 +.i i i “libroult” 2001/8/30 page 11 i CAP´ ITULO 1 Combinatoria La Combinatoria es el arte de contar los posibles elementos de un conjunto.. . n1 ! · . el n´mero de u secuencias ordenadas de ´stos es e Pn = n · (n − 1) · · · · · 2 · 1.nk = n! .m = 11 n! . . .. . i = 1.

2. Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos. hay V10.m = n! .m = . m! · (n − m)! n m Este n´mero tambi´n se denota como u e .i i i “libroult” 2001/8/30 page 12 i 12 EJERCICIOS RESUELTOS DE PROBABILIDAD Variaciones con repetici´n de n elementos tomados de m en m: Dados n o elementos distintos. es o V Rn.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras. m Ejercicios Resueltos P1.1] ¿De cu´ntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Soluci´n o N´tese que importa el orden en que se sienten las personas. los premios son diferentes. Averiguar de cu´ntos modos puede hacerse si: a 1.m = nm . el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn. sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´n. Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. los premios son iguales. el n´mero de selecciones de m de ellos. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n.2] En una clase de 10 alumnos van a distribuirse 3 premios. ya que los o cuatro sitios son diferentes. y que una persona no puede ocupar m´s de a un sitio a la vez. Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . o es n+m−1 CRn. el n´mero de selecciones ordenadas de m de ellos. Por lo tanto. P1.

el n´mero u de diagonales es: Cn. e 2. P1. Comenzamos calculando el n´mero de diagonales del cuadrado. se obtienen a o C8.2 − n = 2. a Procediendo del mismo modo con el hex´gono.3 = 10 · 9 · 8/6 = 120 maneras. 2 i i i i . en el caso de que los premios sean iguales.i i i “libroult” 2001/8/30 page 13 i CAP´ ITULO 1. 2. se obtienen a C6. 2! · (n − 2)! 2 2 Veamos si existe alg´n pol´ u ıgono donde el n´mero de lados sea igual u al n´mero de diagonales. quedar´n 6 − 4 = 2 diagonales. si ´stos son diferentes. e adyacentes o no.2 − 6 = 6! − 6 = 15 − 6 = 9 diagonales.3 = 220 maneras de distribuir los premios si ´stos son e iguales. en el caso del oct´gono. se pueden distribuir los premios. 1. 13 hay V10.3 = 10 · 9 · 8 = 720 maneras de distribuir los premios si ´stos son diferentes. el hex´gono y el u a oct´gono. si una misma persona puede recibir m´s de un premio: a 1. ¿Existe alg´n pol´ u ıgono en el que el n´mero de lados sea igual al de u diagonales? Soluci´n o 1. 2! · 6! 2 Finalmente. Igualando el n´mero de lados y el n´mero u u u de diagonales se obtiene: n= n2 − 3n . n! n · (n − 1) n2 − 3n −n= −n= . Obtener el n´mero de diagonales del cuadrado.2 = 6 uniones posibles de dos v´rtices diferentes cualesquiera.2 − 8 = 8! 8·7 −8= − 8 = 28 − 8 = 20 diagonales. para el caso general de un pol´ ıgono de n lados.3 e =103 = 1000 maneras. 2! · 4! An´logamente. Calcularlo para el caso general de un pol´ o ıgono de n lados. pueden distribuirse de C10. 2. Si de estas 6 parejas eliminamos las que corresponden a v´rtices adyacentes (tantas como el n´mero de lados del e u cuadrado). de V R10. hay CR10.3] Las diagonales de un pol´ ıgono se obtienen uniendo pares de v´rtices no e adyacentes. COMBINATORIA 1. Hay u C4.

Como n ≥ 1 .6] En un grupo de 10 amigos. P1. a P1. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. sin repeticiones.9 1. Al igual que en el apartado anterior.. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. el resultado n = 0 no es v´lido. se pueden formar 92 · 8 · 7 = 4536 n´meros. si el ultimo d´ ´ ıgito ha de ser 0 y no se permiten repeticiones? Soluci´n o Asumamos que para que un n´mero sea de 4 d´ u ıgitos su primer d´ ıgito debe ser distinto de cero. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total.1. u P1. .i i i “libroult” 2001/8/30 page 14 i 14 es decir. Por tanto. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. . Como adem´s no se permiten repeticiones. 1. el primero de ´stos no puede ser cero. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. 2. 3. como no puede haber repeticiones. Por lo tanto. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres).10 = 36510 . ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. i i i i .4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. permitiendo repeticiones. . el primer d´ ıgito no puede ser cero. e u 2. u 3. el n´mero de maneras u distintas es V R365. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. Fijamos el ultimo d´ ´ ıgito y. La soluci´n es n = 5 a o (el pent´gono). obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. Por lo tanto.

respectivamente. cruz”. cara. “2 caras y 2 cruces”. hay C4.7] ¿Cu´ntas letras de 5 signos con 3 rayas y 2 puntos podr´ tener el alfabeto a ıa Morse? Soluci´n o Si se consideran como cinco s´ ımbolos diferentes entonces. cruz. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. cara. 2. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. a 1. “3 caras y 1 cruz”. “1 cara y 3 cruces”.2 ). y adem´s coincide con el n´mero de posiciones para los puntos (C5. etc. Suponiendo que las monedas son distintas: 1. i i i i .9] Cuatro libros de matem´ticas.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. obteniendo as´ un total de ı C5. cara.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1.2 = 6 ı resultados de dos caras y dos cruces. y que las monedas no pueden distinguirse entre s´ existen CR2.4 = 5 resultados posiı.8] Cuando se arrojan simult´neamente 4 monedas. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. y “0 caras y 4 cruces”. cara”. Estos casos son: “cara. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. ¿cu´les son los resultados posibles que se pueden obtener? a ¿cu´ntos casos hay en que salgan 2 caras y 2 cruces? a Soluci´n o Suponiendo que las monedas son iguales: 1. Pero. cara”. bles. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. hay un total de V R2. COMBINATORIA 15 P1. cruz. dividiremos por las posibles permutaciones de cada uno de ellos. “cara. P1. Estos casos son: “4 caras y 0 cruces”. los libros de cada materia han de estar juntos. cara. “cara. “cara. 2.4 = 24 = 16 resultados posibles. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). es decir. cara. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. cruz”. 2. se tendr´ un total de P5 = 5! posibles ordenaciones. Como las monedas se arrojan simult´neamente. a u P1. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. cara. seis de f´ a ısica y dos de qu´ ımica han de ser colocados en una estanter´ ¿Cu´ntas colocaciones distintas admiten si: ıa a 1. En este caso.

7 = 10·9·8/ (3 · 2) = 120 ı. P1. que consideraremos diferentes para este c´lculo inicial. s´lo los de matem´ticas tienen que estar juntos? o a Soluci´n o Supongamos que los libros de cada materia tambi´n son diferentes e (de distintos autores). N´tese que entonces se tendr´ un total de 3 o ıa unidades. Entonces. hay 3! = 6 ordenaciones posibles de las materias. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. P1. Por a lo tanto. que adem´s no podr´n repetirse. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. As´ puede elegir las preguntas de C10. es a a irrelevante. y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matem´ticas.3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. e 1. Por otra parte. si las 4 primeras son obligatorias. puesto que los libros de cada materia son indistinguibles. En este caso tendremos una unica unidad de matem´ticas. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. Consideramos cada conjunto de libros de una misma materia como una unidad. respectivamente.i i i “libroult” 2001/8/30 page 16 i 16 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. Consideremos cada conjunto de libros de una misma materia como una unidad. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. resultando un total de C6.11] Con 7 consonantes y 5 vocales ¿cu´ntas palabras se pueden formar que a tengan 4 consonantes distintas y 3 vocales distintas? i i i i . ı Consideremos los cuatro libros de matem´ticas como una unia dad. maneras. Supongamos que los libros de cada materia son id´nticos. 2. existen 9! = 362880 maneras de ordenar estas 9 unidades. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas. que pueden ordenarse de 3! = 6 formas distintas. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas. Por lo tanto. 2. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas. 1.

y adem´s. P1.12] Una l´ ınea de ferrocarril tiene 25 estaciones. As´ se pueden formar ı. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. por lo que hay C5. todos son elegibles. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. es importante saber si corresponden al principio o al final del trayecto. o i i i i . 3. P1. Puesto que todos son elegibles. 10 · 15 = 150 comisiones.13] A partir de 5 matem´ticos y 7 f´ a ısicos hay que constituir una comisi´n o de 2 matem´ticos y 3 f´ a ısicos. un f´ ısico particular ha de estar en esa comisi´n. 2. ¿De cu´ntas formas podr´ hacerse si: a a 1. a o Adem´s hay C7. existen C5. Por otra parte. y C7.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. hay un total de V25. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. a dadas dos estaciones. Se fija uno de los f´ ısicos.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. 3.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1.2 = 15 grupos de 3 f´ a ısicos.4 = 35 grupos de 4 consonantes distintas y C5. ¿Cu´ntos billetes diferentes a habr´ que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Soluci´n o Dado que las estaciones de origen y destino no pueden coincidir. luego existen C5.14] Tres atletas toman parte en una competici´n. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. P1.2 = 10 grupos de 2 matem´ticos. 2.3 = 35 grupos de 3 f´ a ısicos. entonces s´lo hay 1 posibilidad.2 = 25 · 24 = 600 billetes diferentes.3 = 10 grupos de 3 vocales distintas.2 = 10 grupos de 2 matem´ticos. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. Luego hay un total de 10 · 35 = 350 comisiones posibles. ¿De cu´ntas maneras o a podr´n llegar a la meta? (Pueden llegar juntos) a Soluci´n o Hay varias posibilidades: Si llegan los tres juntos. y C6.

r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. existen 3! = 6 posibilidades. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. si no puede haber ninguna urna vac´ ıa. Por ejemplo. existen C3.n = distribuciones posibles. ninguna bola en la segunda. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles.2 = 3 grupos de dos que llegan juntos. por lo que existen 3 · 2 = 6 posibilidades. o u 2. En particular. pueden llegar a la meta de 13 maneras distintas. plantear este problema es equivalente a calcular de cu´ntas maneras pueden distribuirse m estrellas a (‘ ’) y n − 1 barras (‘| ’) entre dos barras fijas (puesto que los elementos de los extremos deben ser necesariamente barras). tres bolas en la tercera. Si llegan los tres por separado. el resultado ı. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i .15] Se tienen n urnas diferentes. si n = 5 y m = 6. se obtiene un total de CRm−n. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. 3. una en cada urna. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. Aplicando lo anterior. 1. Por lo tanto. ninguna en la cuarta y dos en la quinta. P1. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. n−1 m! · (n − 1)! 2. Sin embargo. una de las urnas que tendr´n alg´n elemento.m = = . una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna. 3. ı es m+n−1 (m + n − 1)! CRn.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. ıa. por lo que el problema se reduce a distribuir m−n bolas en n urnas. se fija una bola en cada ıas. Hay Cn. si ninguna urna puede quedar vac´ fijamos n bolas. dado que las barras son indistinguibles entre s´ as´ como las estrellas.

Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. P1.3 = 1000 posibilidades para los d´ ıgitos. por ejemplo. N´tese que. si cada individuo se traslada al asiento situado a su derecha. ıa ıa P1. u Sin embargo.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. hay: Cn. no hay restricciones sobre letras y n´meros.m−r = maneras de distribuir las bolas. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. 625 · 1000 = 625000. 2.r · CRn−r. no hay restricciones. en el caso de que las urnas no fueran distinguibles. COMBINATORIA 19 de CRn−r.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. Por lo tanto. 2. por lo tanto. Suponiendo que hay 25 letras. dada una de estas posibles distribuciones. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. El n´mero de permutaciones de las siete personas en la mesa es 7!. 2. resulta que hay V R25. Por tanto.2 = 25·24 = ı. As´ hay V25. Se procede de forma similar al caso anterior.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. la posici´n relativa de todos los individuos ser´ la miso a ma. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. como no se hacen distinciones entre los asientos en la i i i i . con la unica diferencia ´ de que ahora las letras no pueden repetirse. y V R10.3 = 103 = 1000 posibilidades para los d´ ıgitos.2 = a e 252 = 625 posibilidades para las letras. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. 600 posibilidades para las letras. se observa que. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. El total de historias cl´ ınicas que pueden hacerse es.

Existen cuatro a a tipos distintos de nucle´tidos seg´n la base.20] Suponiendo que hay 27 letras distintas. no m´s de dos nombres. P1.18] En la s´ ıntesis de prote´ ınas hay una secuencia de tres nucle´tidos sobre o el ADN que decide cu´l es el amino´cido a incorporar. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. Adem´s. y adem´s ´stos o a e pueden repetirse.i = 25 − 1 = 31 i=1 ramilletes distintos. 2. se concluye que hay 720 − 240 = 480 formas de sentarse. Por otra parte. estando juntas las dos personas particulares. 2. hay 120 · 2 = 240 formas de sentarse.3 = 273 = 19683 conjuntos de iniciales. no m´s de tres nombres? a Soluci´n o 1. por 7. hay dos posibilidades: a i i i i . Por tanto. entonces existen V R4. Consideremos a esas dos personas como una sola. 4 ´ 5 flores. o u G (guanina). Si tiene dos nombres como m´ximo.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. a a tenemos: 5 C5. Finalmente. P1. hay 6! = 720 formas de sentarse. es decir. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. C (citosina) y T (timina).i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. Si tiene dos nombres. ¿Cu´ntas secuencias distintas se a podr´n formar si se pueden repetir nucle´tidos? a o Soluci´n o Ya que importa el orden de los nucle´tidos en la secuencia. Procediendo igual que en el apartado (a). 2. que puede ser A (adenina). As´ el n´mero total de formas ı. 3. sin restricciones. hay V R27. a 3. exactamente dos nombres. P1. 2. u de sentarse es 7!/7 = 6! = 720. Por tanto. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. se obtiene que hay 6!/6 = 5! = 120 distribuciones.3 = 43 = 64 secuencias distintas.

COMBINATORIA 21 del tipo “nombre apellido” hay V R27. hay un total de CR2.2 = 272 posibilidades.3 = 273 posibilidades. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales. Por lo tanto. se obtienen a V R2. hay Cd+5. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. es CR6.d .d = C6+d−1. ¿cu´ntos resultados diferentes se a pueden distinguir? Soluci´n o Suponiendo que los dados son distintos y las monedas son distintas: Para el caso de los d dados (un dado tiene 6 resultados posibles).m = a Cm+1. ı Suponiendo que los dados son iguales y las monedas son iguales: El n´mero de resultados que se pueden obtener al arrojar los d dados. para las m monedas. puesto que se distinguen los dados entre s´ y en una tirada pueı. Procediendo de forma an´loga para las m monedas. i i i i . Adem´s.m = 2m resultados distintos para las monedas.d = Cd+5. de obtenerse el mismo resultado en varios dados. del que hay V R27.d = 6d resultados distintos para los dados. P1. del tipo “nombre1 nombre2 apellido” hay V R27.4 = 274 posibilidades.21] Si se arrojan d dados y m monedas.m = C2+m−1.m = m + 1 resultados. Se concluye as´ que hay un total de 6d · 2m resultados diferentes.d · (m + 1) resultados diferentes. 3. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. hay un total de V R6.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1. Si tiene tres nombres como m´ximo.

i i i “libroult” 2001/8/30 page 22 i i i i i .

Se dice que un suceso A ocurre cuando el resultado del experimento ω est´ asociado a uno de sus a sucesos elementales. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. A2 ∈ A entonces A1 ∪ A2 ∈ A. A cada elemento del espacio muestral se le llama suceso elemental ya que se consideran como los resultados m´s simples que interesan de un experimena to. que reciben el nombre de sucesos. 1] 23 i i i i . Para garantizar rigor en el uso de operaciones algebraicas como la uni´n y o la intersecci´n de conjuntos. Sobre una pareja (Ω. Dado que es una imagen matem´tica (abstracta) de un problema (real) no es necesariamente unico para a ´ un experimento dado. ω ∈ A. pudiendo por tanto existir diferentes espacios muestrales para un mismo problema. T´ ıpicamente se desea estudiar caracter´ ısticas de algunos subconjuntos de sucesos elementales. es decir. A1 . ∅ ∈ A. A) se define una probabilidad como una funci´n o P : A −→ [0.i i i “libroult” 2001/8/30 page 23 i CAP´ ITULO 2 Fundamentos de probabilidades Se llama espacio muestral Ω a un conjunto matem´tico donde cada elemento a representa un resultado (concreto) de un experimento.) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A. etc.

A. P (B) Se dice que A y B son independientes si. P ) con Ω ⊂ A. i i i i . si A1 . el espacio muestral Ω se llama equiprobable cuando la probabilidad de todos sus sucesos elementales es la misma. y s´lo si. Se representa por P (A | B). a 4.i i i “libroult” 2001/8/30 page 24 i 24 EJERCICIOS RESUELTOS DE PROBABILIDAD con las siguientes propiedades: P (Ω) = 1. 5. Cinco dados son lanzados simult´neamente. A. Cuatro objetos se envasan en paquetes de dos.1] Describir el espacio muestral para cada uno de los siguientes experimentos aleatorios: 1. P ) se le llama espacio probabil´ ıstico. o Ejercicios Resueltos P2. Dado (Ω. casos posibles de Ω Cuando Ω sea un conjunto finito esta ultima idea consiste en un c´lculo de ´ a cardinales ya que: |A| P (A) = . se llama probabilidad condicionada de A dado B a la probabilidad de que ocurra un suceso elemental en A supuesto que ha ocurrido alg´n suceso u elemental de B. 250 personas son seleccionadas en La Laguna y se les pregunta si van a votar al candidato A o al B. y sucede que: P (A | B) := P (A ∩ B) . A2 ∈ A: A1 ∩ A2 = ∅ entonces P (A1 ∪ A2 ) = P (A1 ) + P (A2 ). Una importante caracter´ ıstica de los espacios muestrales equiprobables es que la probabilidad de cualquier suceso suyo se calcula determinando la proporci´n de sus elementos sobre el total. Una moneda es lanzada hasta que salen dos caras o dos cruces consecutivas. A. P (A ∩ B) = P (A)P (B). A la terna (Ω. |Ω| Dados dos sucesos A y B de un mismo espacio probabil´ ıstico (Ω. 3. 2. Intuitivamente: o P (A) = casos favorables a A . P ) con P (B) > 0. Un dado es lanzado cinco veces consecutivas.

2. 4. . . . Si wi representa la opci´n del i-´simo encuestado (i = 1. desde que se conozca la composici´n de un paquete ya se conoce la del otro. 4. . Representando por w1 el n´mero de lanzamientos hasta conseguir u dos caras o dos cruces consecutivas. 5}. Representando por wi el resultado del i-´simo lanzamiento del dado e (i = 1. i=1 wi = 5 donde cada wi representa el n´mero de veces que sale el n´mero i u u en un lanzamiento (i = 1. B. y por w2 el resultado de los dos ultimos lanzamientos. . B. . 2. 5). 3. 250} = {(A. . . B. 3. Los dados se lanzan de forma simult´nea. . Teniendo esto en cuenta. 5. w4 . . Por lo tanto. . A.i i i “libroult” 2001/8/30 page 25 i CAP´ ITULO 2. Hay 4 objetos. B)} . A) . . 4. 2. 1. . .} . otro espacio muestral v´lido ser´ a ıa: Ω = {0. A) basta saber qui´n va a e con ´l en el paquete. 6 Ω= w = (w1 . 2. . . i i i i . . . elegido un objeto (por ejemplo. . w2 . C y D. A. por lo que de cada lana zamiento tendremos en cuenta tan s´lo el n´mero de veces que ha o u salido cada cara. . 6) . . 1. 2. podemos definir como espacio muestral: ´ Ω = {w = (w1 . o Adem´s. donde cada suceso elemental representa el n´mero de encuestados u que optan por el candidato A. w3 . . . . . (A. que representaremos por A. 5. 250} . w3 . . w2 . . B} . . A) . Si no interesa conocer lo que vota cada persona. w5 . 6}} . As´ un posible espacio muestral es: ı. w2 ∈ {C. 25 Cuatro bolas son extra´ ıdas aleatoriamente y sin reeplazamiento de una urna que contiene ocho bolas blancas y seis azules. w4 . w2 ) : w1 ∈ {2. . w2 . podemos definir como e espacio muestral para este experimento: Ω = {B. 3. . FUNDAMENTOS DE PROBABILIDADES 6. y se envasan en dos paquetes de dos objetos cada uno. . i = 1. 3. . 5. D} . C. B. (B. 250) o e entonces un posible espacio muestral es Ω = = {w = (w1 . X}} . Soluci´n o 1. . 4. . w250 ) : wi ∈ {A. . . podemos definir el espacio muestral como Ω = {w = (w1 . w5 ) : wi ∈ {1. . . . w6 ) : wi ∈ {0. 3.

3. P (∅) = 0. 2. P2. 2. si A. Soluci´n o 1. S´lo el n´mero de caras es de inter´s. i = 1. 4} . 4. 5. tral es: Ω = {0. w2 . 2.2] Una moneda es lanzada cinco veces. 3.3] Dado (Ω. w5 ) : wi ∈ {C. w4 ) : wi ∈ {B. 5} . w4 . si A. 1. P ) un espacio probabil´ ıstico. 4. i i i i . A} . 3. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. si A. 4). 3. e 3. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. que puede ser C =“cara” y X =“cruz” (i = 1. 2. si A ∈ A: P (Ac ) = 1 − P (A). 3. 2. un posible espacio muestral es Ω = {w = (w1 . A.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. P2. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. w2 . 4. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el n´mero de caras que han salido (espacio muestral del u apartado (a)). 5) . Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. demostrar: 1. X}} . w3 . 2. 3. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). El resultado de cada lanzamiento individual es de inter´s. As´ un posible espacio muesı. B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). Un posible espacio muestral es: Ω = {w = (w1 . Sin embargo. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. w3 . pero que la afirmaci´n rec´ e o ıproca no es cierta. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). o u e 2.

i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. = 3 · 6·3+ 6 2 216 Por otra parte. 244 y 334. 3). 5)}) + P ({(2. 225. 3)}) 2 1 3 25 ·2+1 = . 2. 2. 5)})] ({(3.4] Un jugador italiano expres´ su sorpresa a Galileo. 4)})] 3 1 ·3 = . 3. Basta tener presente las dos condiciones que cumple P por definici´n. 6)}) + P ({(1. Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . 2. 5)}) + P 3 + · [P ({(2. Explicar por qu´ y calcular e las correspondientes probabilidades. 4. 6)}) + P ({(1. 135. P2. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. o considerando A1 := A \ B y A2 := A ∩ B. 3. la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 2. i = 1. 6} . 5. o considerando A1 := Ω y A2 := ∅. w3 ) : wi ∈ {1. 5. o considerando A1 := A y A2 := Ac . o considerando A1 := A ∩ B = A y A2 := B \ A. 145. N´tese que este espacio es equiprobable y |Ω| = 63 . Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). Basta tener presente las dos condiciones que cumple P por definici´n. 234 y 333. 5)})] + P ({(3. w2 . 4. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. 226. 4)})] 3 + · [P ({(1. 4. 3. Basta tener presente las dos condiciones que cumple P por definici´n. 3. y al 10: 136. 144. 3. 4. 3. 27 Basta tener presente las dos condiciones que cumple P por definici´n. 3. 2. 2 8 i i i i . 4. ({(2. 2. 3. 235. 2. 4)}) + P ({(2. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 3} . 6)}) + P ({(2.

Calcular: u e 1. 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . . |Ω| 24 24 12 para todo i. . P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2. |Ω| 24 para todo i. procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . Ak = A3 . todas equiprobables. k = 1. . . fijados por ejemplo Ai = A1 . . . . 2. se tiene que la probabilidad pedida es: P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 4 4 · P (Ai0 ) − · P (Ai0 ∩ Aj0 ) 1 2 4 + · P (Ai0 ∩ Aj0 ∩ Ak0 ) 3 i i i i . |Ω| 24 24 4 para todo i = 1. j = 1. . |Ω| 24 P (Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) = P (A1 ∩ A2 ∩ A3 ∩ A4 ) = Luego. . . P (A1 ∪ A3 ) 4. . j. Dado que P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1≤i≤4 P (Ai ) − 1≤i<j≤4 P (Ai ∩ Aj ) + 1≤i<j<k≤4 P (Ai ∩ Aj ∩ Ak ) −P (A1 ∩ A2 ∩ A3 ∩ A4 ). 3 y 4.5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1. Definimos Ai = {w ∈ Ω/en u w aparece el n´mero i en el lugar i-´simo}. . 4 |Ai ∩ Aj ∩ Ak | 1 = .i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Aj = A2 . P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. 4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = .

se o tiene que: P (Ω) = 1 = P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 ) −P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 ) +P (A1 ∩ A2 ∩ A3 ) = 1 1 + + P (A3 ) − 2 · P (A1 ∩ A2 ). 12 24 24 24 3. Utilizando la propiedad de la probabilidad de la uni´n de dos sucesos o se obtiene: 1 1 5 P (A1 ∪ A3 ) = P (A1 ) + P (A3 ) − P (A1 ∩ A3 ) = 2 · − = . Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ).i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2. y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. Soluci´n o Sabemos que P (Ω) = 1. A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 . FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . 4 12 24 24 4. llando esta expresi´n y sustituyendo los datos que nos da el problema.6] Sean A1 . se obtiene el resultado: P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) = P (A1 ∪ A2 ) + P (A3 ∪ A4 ) −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = {P (A1 ) + P (A2 ) − P (A1 ∩ A2 )} + {P (A3 ) + P (A4 ) − P (A3 ∩ A4 )} −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1 15 24 − 4 − 15 5 = 1−2· − = = . = 4· −6· 4 12 24 24 8 − 2. 4 12 12 An´logamente. 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos. se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . i i i i . para la ultima igualdad. P2. que: ´ P (A1 ∩ (A2 ∩ A3 )) = P (A1 ∩ (A1 ∩ A2 )) = P (A1 ∩ A2 ). 4 2 = usando. As´ desarroo ı.

Adem´s: a AB = {ABC. los sucesos elementales son las permutaciones de las letras A. Calcular P (A venza). Por ello. BCA. obtenemos: 1 P (A3 ) = 2 · P (A1 ∩ A2 ) + . CAB. BAC. ¿Son AB. |Ω| = 3! = 6 Dicho espacio tiene |Ω| = 3! = 6 elementos. BCA} . pero no es necesariamente equiprobable. las probaı bilidades que pide el problema son: P (A venza) = P ({ABC}) + P ({ACB}) = 2 · p1 = 5/9 P (B venza) = P ({BAC}) + P ({BCA}) = 2 · p2 = 2/9 P (C venza) = P ({CAB}) + P ({CBA}) = 2 · p3 = 2/9. Se sabe que P (AB) = 2/3. B y C. BAC. Por tanto. BAC} BC = {ABC. CBA} . Adem´s P (ABC) = P (ACB). B y C participan en una carrera. i i i i . despejando. p2 = 1/9 y p3 = 1/9. P ({BAC}) = P ({BCA}) = p2 . ACB. ACB. 4 P2. el cual vence a C” como ABC. y as´ sucesivamente. P ({CAB}) = P ({CBA}) = p3 . Denotemos las probabilidades de los sucesos elementales: P ({ABC}) = P ({ACB}) = p1 . El suceso “A vence a B” se designa por AB. P (B venza). P (BAC) = P (BCA) a y P (CAB) = P (CBA). CAB} AC = {ABC. P (C venza).i i i “libroult” 2001/8/30 page 30 i 30 EJERCICIOS RESUELTOS DE PROBABILIDAD Finalmente.7] Tres caballos A. P (AC) = 2/3 ı y P (BC) = 1/2. ACB. y resolvamos:  P (AB) = 2/3 ⇒ 2 · p1 + p3 = 2/3  P (AC) = 2/3 ⇒ 2 · p1 + p2 = 2/3  P (BC) = 1/2 ⇒ p1 + 2 · p2 = 1/2 Se obtiene as´ que p1 = 5/18. y un simple espacio muestral es: Ω = {ABC. AC y CB independientes? Soluci´n o En este problema se asume que no existen los empates. el suceso “A vence a B.

i i

i

“libroult” 2001/8/30 page 31 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES Por ultimo, para ver si AB, AC y CB son independientes, calculemos: ´ P (AB ∩ AC) = P ({ABC, ACB}) = P ({ABC}) + P ({ACB}) = P (AB) · P (AC) = 4 2 2 · = . 3 3 9 5 9

31

Dado que P (AB ∩ AC) = P (AB) · P (AC), se concluye que no son independientes. P2.8] Siendo A, B y C tres sucesos pertenecientes a un determinado espacio muestral, se consideran los dos sucesos M = A∩B c ∩C c y N = A∩(B∪C). Calcular las probabilidades de M y N sabiendo que P (A) = 0,7, P (B) = 0,6, P (C) = 0,5, P (A ∩ B) = 0,45, P (A ∩ C) = 0,35, P (B ∩ C) = 0,25 y P (A ∩ B ∩ C) = 0,15. Soluci´n o Se puede usar la diferencia de sucesos, y as´ ı: P (M ) = = = = = P (A ∩ B c ∩ C c ) = P (A ∩ (B ∪ C) ) P (A| (B ∪ C)) = P (A) − P (A ∩ (B ∪ C)) P (A) − P ((A ∩ B) ∪ (A ∩ C)) P (A) − P (A ∩ B) − P (A ∩ C) + P ((A ∩ B) ∩ (A ∩ C)) 0,7 − 0,45 − 0,35 + 0,15 = 0,05.
c

Otro modo de calcular P (M ) consiste en usar la expresi´n equivao lente a la uni´n de los sucesos A, B y C: o A ∪ B ∪ C = (A ∩ (B ∪ C)c ) ∪ B ∪ C = (A ∩ B c ∩ C c ) ∪ B ∪ C. Se tiene entonces que: P (A ∪ B ∪ C) = P ((A ∩ B c ∩ C c ) ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) −P (A ∩ B c ∩ C c ∩ B) − P (A ∩ B c ∩ C c ∩ C) −P (B ∩ C) + P ((A ∩ B c ∩ C c ) ∩ B ∩ C),

siendo A ∩ Bc ∩ C c ∩ B = A ∩ Bc ∩ C c ∩ C = ∅ y (A∩B c ∩C c )∩(B ∪ C) = (A ∩ B c ∩ C c ∩ B)∪(A ∩ B c ∩ C c ∩ C) = ∅.

i i i

i

i i

i

“libroult” 2001/8/30 page 32 i

32 Por tanto:

EJERCICIOS RESUELTOS DE PROBABILIDAD

P (A ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) − P (B ∩ C). (1) Hemos logrado expresar la probabilidad pedida en funci´n de las o probabilidades conocidas P (B), P (C), P (B ∩ C) y P (A ∪ B ∪ C), siendo el valor de esta ultima: ´ P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) −P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C) = = 0,7 + 0,6 + 0,5 − 0,45 − 0,35 − 0,25 + 0,15 = 0,9

Finalmente, despejamos en 2.1 el resultado: P (M ) = P (A ∩ B c ∩ C c ) = 0,05 Para calcular P (N ), expresamos N como uni´n de sucesos disjuntos, o utilizando la diferencia de sucesos: P (N ) = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ ((A ∩ C) | (A ∩ B ∩ C))) = P (A ∩ B) + P ((A ∩ C) | (A ∩ B ∩ C)) = P (A ∩ B) + P (A ∩ C) − P ((A ∩ C) ∩ (A ∩ B ∩ C)) = = P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) 0,45 + 0,35 − 0,15 = 0,65,

verific´ndose la tercera igualdad debido a que los sucesos A ∩ B y a (A ∩ C) | (A ∩ B ∩ C) son disjuntos. Otra forma de obtener la probabilidad pedida ser´ directamente: ıa, P (N ) = = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ (A ∩ C)) P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) .

P2.9] Siendo A1 , A2 y B tres sucesos tales que A1 ∩ A2 = ∅, demostrar que P (A1 ∪ A2 |B) = P (A1 |B) + P (A2 |B). Soluci´n o Aplicamos la definici´n de probabilidad condicionada y se obtiene: o P (A1 ∪ A2 |B) = = = = P ((A1 ∩ B) ∪ (A2 ∩ B)) P ((A1 ∪ A2 ) ∩ B) = = P (B) P (B) P (A1 ∩ B) + P (A2 ∩ B) − P (A1 ∩ A2 ∩ B) = P (B) P (A1 ∩ B) P (A2 ∩ B) + P (B) P (B) P (A1 |B) + P (A2 |B).

i i i

i

i i

i

“libroult” 2001/8/30 page 33 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

33

La tercera igualdad se verifica debido a que P (A1 ∩ A2 ∩ B) = P (∅ ∩ B) = P (∅) = 0. P2.10] Demostrar que si A1 , A2 y A3 son independientes, entonces tambi´n lo e son Ac , Ac y Ac . Y que si A1 , A2 y A3 son independientes, entonces son 1 2 3 independientes por pares, pero que lo rec´ ıproco no es cierto. Soluci´n o “Si A1 , A2 y A3 son independientes, entonces Ac , Ac y Ac son 1 2 3 independientes”. Supongamos A1 , A2 y A3 independientes. Esto quiere decir que: P (A1 ∩ A2 ) P (A1 ∩ A3 ) P (A2 ∩ A3 ) P (A1 ∩ A2 ∩ A3 ) = = = = P P P P (A1 ) · P (A1 ) · P (A2 ) · P (A1 ) · P (A2 ) (A3 ) (A3 ) (A2 ) · P (A3 )

Veamos que esto se verifica tambi´n para Ac , Ac y Ac , pues: e 3 2 1 P (Ac ∩ Ac ) 1 2 = = = = P ((A1 ∪ A2 ) ) = 1 − P (A1 ∪ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ∩ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ) · P (A2 ) = (1 − P (A1 )) · (1 − P (A2 )) = P (Ac ) · P (Ac ) . 1 2
c

An´logamente: a P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) 1 3 1 3 P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) . 2 3 2 3 Por ultimo, tenemos que: ´ P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = P ((A1 ∪ A2 ∪ A3 ) ) = 1 − P (A1 ∪ A2 ∪ A3 ) 1−
1≤i≤3 c

P (Ai ) +
1≤i<j≤3

P (Ai ∩ Aj )

−P (A1 ∩ A2 ∩ A3 ) = 1−
1≤i≤3

P (Ai ) +
1≤i<j≤3

P (Ai ) · P (Aj )

=

−P (A1 ) · P (A2 ) · P (A3 ) P (Ac ) · P (Ac ) · P (Ac ) . 1 2 3

“Si A1 , A2 y A3 son independientes, entonces son independientes por pares”. El resultado es consecuencia de la definici´n. o

i i i

i

B = “El resultado del dado 2 es un no par”. 36 4 1 3 = = P (A) · P (C) . j)) = 1 6 2 = 1 . j = 1. sin embargo. Por tanto. 36 para todo i. 4. Supongamos que se realiza un experimento aleatorio que consiste en lanzar dos dados distinguibles (1 y 2). j = 1. Un espacio muestral es Ω = {(i. 3. 36 12 3 1 = = P (B) · P (C) . C = “Los dos dados dan el mismo resultado”. Entonces: P (A) = 18 1 1 6 1 = P (B) = P (C) = = . 4. 2. 36 12 pero. no se cumple la ultima condici´n para la inde´ o pendencia. 36 2 2 36 6 Son independientes por pares ya que P (A ∩ B) = P (A ∩ C) = P (B ∩ C) = 9 1 = = P (A) · P (B) . ya que las probabilidades: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) = son diferentes: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) 6·3 1 = . y su cardinal es |Ω| = 62 = 36. 2. donde i representa el resultado del dado 1 y j el resultado del dado 2 (i. 5. esto no implica que necesariamente sean independientes”. 5. Este espacio es equiprobable. 6. A2 y A3 son independientes por pares. Definamos los sucesos: A = “El resultado del dado 1 es un no par”. 4. 2. 6) . P ((i. 36 12 1 24 i i i i . 5.i i i “libroult” 2001/8/30 page 34 i 34 EJERCICIOS RESUELTOS DE PROBABILIDAD “Si A1 . 6} . j = 1. 3. 3. j) : i.

8. Soluci´n o 1. e ı 3. . Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 7. P (Ac |B c ) = 2/3. Soluci´n o A1 . A = {1. 4. 6. 2.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. 7. para todo i = 1. Por definici´n de probabilidad condicionada. P (A) 1/3 1/3 3 P (B) = P (B|A). por lo que se concluye que los dos sucesos no son independientes. 9} . 3. A ∩ B = ∅. 9. . Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. Por lo tanto. 5. A ⊆ B. Entonces. . 4. es decir. P (B|A) = 1/3. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. . y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. B = {3. es decir. 6. 2. 3. A ∩ B = ∅.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. i i i i . 9} . Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. 2. A y B son independientes. FUNDAMENTOS DE PROBABILIDADES 35 P2. 5. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . un espacio muestral es Ω = {1. 2. 4. Dicho espacio es equiprobable y P ({i}) = 1/9. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9.12] Dado que P (A) = 1/3. 3} . 8. determinar si se cumple que: 1. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3.

con P ({i}) = 1/6. c Sustituyendo en las correspondientes expresiones. 3. 4. . La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. 2. 6}) 2/6 1 = = . P ({1. 3. . pues. 4}. . Definimos tambi´n los sucesos A = {1. B = {1. 2. 6} . c c c A ∩ B = (A ∪ B) = {5. 5. 6}. 6} . P (A|B) + P (Ac |B c ) = 1. Obs´rvese. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. 2} . se obtiene: P (A|B) = P (Ac |B c ) = = P (A ∩ B) P (∅) = =0 P (B) P (B) P (Ac ∩ B c ) = P (B c ) P ({5. P (A|B) = P (Ac |B c ). i i i i . utilizando nuevamente el ejemplo del primer apartado. 3. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 6. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. se obtiene: A ∩ B c = {1. definimos un espacio muestral Ω = {1. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. pues. para todo i = 1.13] ¿Son ciertas las igualdades: 1. 2. 2} y B = {3. 5. si utilizamos los datos del ejemplo del apartado anterior. P (B c ) P ({1.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 2. P (A|B) + P (A|B c ) = 1? Soluci´n o 1. en el contraejemplo del apartado (a). 2}) P2. . que verifican: e A ∩ B = ∅. 5. 2. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa.

e ı P2. c concluy´ndose as´ que Ac y B c son independientes. P (Ac |B c ) = 1/2. En efecto. P (A) P (A) 2 por lo que no es posible que A ⊂ B. N´tese que si A ⊂ B entonces A ∩ B = A. P (Ac ∩ B c ) = = = = P ((A ∪ B) ) = 1 − P (A ∪ B) 1 − P (A) − P (B) + P (A ∩ B) 1 − P (A) − P (B) + P (A) · P (B) (1 − P (A)) · (1 − P (B)) = P (Ac ) · P (B c ) .15] Sean A y B dos sucesos tales que P (A) = 1/4. P (B|A) = 1/2 y P (A|B) = 1/4. i i i i . Ac y B c son independientes. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. 4. Decir si son ciertas o falsas las siguientes relaciones: 1. 2. A ⊂ B. Soluci´n o 1. entonces Ac y B c son independientes. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. A y B son independientes. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. P (A|B) + P (Ac |B c ) = 1. 6}) 1 2/6 = . 2. 3. A y B son incompatibles. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). 5.14] Demostrar que si dos sucesos A y B son independientes. 6.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. 5. P (A|B) = 37 P2.

En efecto. Teorema de Bayes: para cada j ∈ {1. pues: P (A ∩ B) = P (B|A) · P (A) = y P (A) · P (B) = Luego P (A ∩ B) = P (A) · P (B) . Habiendo demostrado ya la independencia de A y B. P (A|B) + P (Ac |B c ) = 1 3 + = 1. Dado que B es la uni´n disjunta de los conjuntos B ∩Ai . pues: P (Ac |B c ) = P (Ac ∩ B c ) P (Ac ) · P (B c ) 3 = = . P (B|Aj )P (Aj ) k i=1 P (B|Ai )P (Ai ) . 2. P ) un espacio probabil´ ıstico.i i i “libroult” 2001/8/30 page 38 i 38 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. . 2. i i i i . 3. . y teniendo en cuenta el ejercicio 14. 2 4 8 1 1 1 · = 2 4 8 1 1 1 · = . el resultado o es trivial. P (B c ) P (B c ) 4 6. P (Aj |B) = Soluci´n: o 1. Tampoco se cumple que P (Ac |B c ) = 1/2. 4 4 P2. y otro suceso B tal que B ⊆ ∪k Ai . k}. se concluye que Ac y B c son independientes. ya que: P (A ∩ B) = P (B|A) · P (A) = 1 1 1 · = = 0. Es cierto.16] Demostrar los siguientes resultados: Dado (Ω. . . . un subconjunto de sucesos A1 . . Se verifica que P (A|B) + P (Ac |B c ) = 1. . Consecuencia inmediata de aplicar la definici´n de probabilidad cono dicionada y del apartado anterior. i=1 1. No es cierto que A y B sean incompatibles. 4 2 8 5. A. A y B son independientes. Ak disjuntos dos a dos. . Teorema de la probabilidad total: k P (B) = i=1 P (B|Ai )P (Ai ). 4. En efecto.

A2 y A3 son independientes y asumiendo que r = 0. a Soluci´n o 1. i i i i . P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. i = k. 2. que est´ expresado en t´rminos de las probabilidades pedidas. 3. 3. a por el ejercicio P2. por el ejercicio 10: “Si A1 .17] Supuesto que los sucesos A1 . entonces: P ((A1 ∩ A2 ∩ Ac ) ∪ (A1 ∩ Ac ∩ A3 ) ∪ (Ac ∩ A2 ∩ A3 )) = 3 2 1 = P ((A1 ∩ A2 ) ∩ Ac ) + P ((A1 ∩ A3 ) ∩ Ac ) + P (Ac ∩ (A2 ∩ A3 )) 3 2 1 = P (A1 ∩ A2 ) − P (A1 ∩ A2 ∩ A3 ) + P (A1 ∩ A3 ) −P (A1 ∩ A2 ∩ A3 ) + P (A2 ∩ A3 ) − P (A1 ∩ A2 ∩ A3 ) . Ac y Ac son independientes”.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . entonces Ac . ocurren exactamente r sucesos. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) .8: P Ai ∩ Ac ∩ Ac k j = = P (Ai ) − P (Ai ∩ Aj ) − P (Ai ∩ Ak ) +P (Ai ∩ Aj ∩ Ak ) P (Ai ) − P (Ai ) · P (Aj ) − P (Ai ) · P (Ak ) +P (Ai ) · P (Aj ) · P (Ak ) . 1. FUNDAMENTOS DE PROBABILIDADES 39 P2. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. luego 1 2 3 P (Ac ∩ Ac ∩ Ac ) 1 2 3 Si r = 1 entonces P ((A1 ∩ Ac ∩ Ac ) ∪ (Ac ∩ A2 ∩ Ac ) ∪ (Ac ∩ Ac ∩ A3 )) 2 3 1 3 1 2 = P (A1 ∩ Ac ∩ Ac ) + P (Ac ∩ A2 ∩ Ac ) + P (Ac ∩ Ac ∩ A3 ) . 3. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. j.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. a e Si r = 2. obtener expresiones en t´rminos de P (A1 ). 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. al menos ocurren r sucesos. k = 1. 2. 2. i = j. A2 y A3 son independientes. j = k. como m´ximo ocurren r sucesos. Adem´s. para todo i.

Calculemos la probabilidad de que al m´ximo ocurran r sucesos. el ultimo t´rmino de esta ultima expresi´n es equivalente a: ´ e ´ o P (A1 ) · P (A2 ) + P (A1 ) · P (A3 ) + P (A2 ) · P (A3 ) −3 · P (A1 ) · P (A2 ) · P (A3 ) . La probabilidad de que ocurran al menos r sucesos es: Si r = 0. donde la segunda igualdad se verifica por ser A1 . Si r = 3. se tiene que P (Ac ∩ Ac ∩ Ac ) = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . la probabilidad es: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) . tenemos P ((A1 ∩ A2 ) ∪ (A1 ∩ A3 ) ∪ (A2 ∩ A3 )) = P (A1 ∩ A2 ) + P (A1 ∩ A3 ) + P (A2 ∩ A3 ) −2 · P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) + P (A1 ) · P (A3 ) + P (A2 ) · P (A3 ) −2 · P (A1 ) · P (A2 ) · P (A3 ) . Si r = 2. esta probabilidad es P (Ω) = 1. a Si r = 0. por ser sucesos independientes. A2 y A3 son independientes. Si r = 3. 3. verific´ndose esta igualdad por ser A1 .i i i “libroult” 2001/8/30 page 40 i 40 EJERCICIOS RESUELTOS DE PROBABILIDAD donde la primera igualdad se verifica por ser sucesos disjuntos. se tiene que: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) . Si r = 1. entonces: P (A1 ∪ A2 ∪ A3 ) = 1 − P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = 1 − (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . luego. a entonces A1 . A2 y A3 sucesos indepena dientes. Adem´s. A2 y A3 sucesos independientes. por el ejercicio 10: “Si A1 . 1 2 3 i i i i . 2. A2 y A3 son independientes por pares”.

tras decirlo. es evidente que la probabilidad de que escoja la puerta tras la que o se oculta el regalo es igual a 1/3. o Por tanto. el concursante s´ deber´ cambiar su elecci´n original. Si r = 3. mientras que las otras dos est´n vac´ El concursante opta por una y a ıas. se encuentra con que el presentador le ofrece una nueva informaci´n: le reduce las tres o posibilidades iniciales a dos. ¿Qu´ debe hacer el o u e concursante? Es decir. el presentador (que conoce exactamente d´nde est´ el regalo) o a le abre una de las otras dos puertas no elegidas por el concursante donde no est´ el regalo. A2 y A3 sucesos independientes. o o i i i i . B.i i i “libroult” 2001/8/30 page 41 i CAP´ ITULO 2. C) para quedarse lo que hay tras ella. puesto que la puerta e elegida por el concursante sigue teniendo probabilidad 1/3 y la otra que no abri´ el presentador pasa a tener probabilidad 2/3. ¿de qu´ manera? Desde luego. Luego le ofrece al concursante la opci´n de cambiar su a o decisi´n inicial eligiendo la otra puerta a´n no abierta. el resultado es P (Ω) = 1. En un concurso de televisi´n se le ofrece o al concursante la posibilidad de elegir una entre 3 puertas (A. FUNDAMENTOS DE PROBABILIDADES Si r = 1. ya que ı ıa o con ello duplica la probabilidad de obtener el regalo. Obviamente. o no? o Soluci´n o En el momento original donde el concursante debe tomar su primera decisi´n. la probabilidad que nos interesa obtener es 1 − P (A1 ∩ A2 ∩ A3 ) = 1 − P (A1 ) · P (A2 ) · P (A3 ) . no equitativamente. ya que la puerta abierta por el presentador pasa a tener probabilidad 0. El presentador le informa de que s´lo una o de ellas tiene un buen regalo (un apartamento en Torrevieja. 41 P2. Pero. entonces 1 − P ((A1 ∩ A2 ) ∪ (A1 ∩ A3 ) ∪ (A2 ∩ A3 )) = 1 − P (A1 ) · P (A2 ) − P (A1 ) · P (A3 ) − P (A2 ) · P (A3 ) +2 · P (A1 ) · P (A2 ) · P (A3 ) . Si r = 2. por ser A1 . ¿debe el concursante aceptar la nueva posibilidad cambiando la puerta que eligi´ originalmente. Supuesto que opta por una. A2 y A3 sucesos independientes. mientras que las otras dos se reparten el 1/3 que esa puerta pierde.18] Dilema del concurso televisivo. Esto cambia por tanto las probabilidades. Alicante). por ser A1 . este consejo se basa unicamente en consideraciones matem´ticas y no tiene ´ a presente de ninguna forma la afici´n o aversi´n al riesgo del concursante.

Pensando un poco e e concluye que si no hace tal pregunta. C} . B} .i i i “libroult” 2001/8/30 page 42 i 42 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. y por tanto ese c´lculo del prisionero es correcto. donde w1 y w2 representan los dos presos indultados. C} . w2 } : wi ∈ {A. si hace la pregunta. C) con a historiales similares. a ¿D´nde est´ el error de su razonamiento? o a Soluci´n o Si no hace la pregunta. a Sin embargo. En una c´rcel hay 3 prisioneros (A. Dado que el suceso “A es indultado” coincide con {{A. En un momento dado. concluye que es mejor no hacer tal pregunta. B} . s´lo o le servir´ para disminuir la probabilidad de ser uno de los dos indultados. w2 } . C)) = 1 . ({A. B. pero s´ puede pedir que le den el nombre e ı de uno de los otros dos (nunca ´l) que est´ indultado. entonces un espacio muestral es Ω = {w = {w1 . En efecto. B)) = P (({B. i i i i . C)} y por tanto la probabilidad sigue siendo 2/3. que es un espacio equiprobable. Por ello. El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informaci´n. En consecuencia el o suceso “A es indultado” coincide con {({A. porque sea cual sea la respuesta. los tres solicitan el indulto a un tribunal. Sabe que no puede preguntar o si ´l es uno de los dos indultados. w3 ∈ {w1 . B)) = P (({A. Aqu´ est´ su error.19] Dilema del prisionero. un espacio muestral ser´ ıa Ω = {w = ({w1 . 3 1 P (({B. B} . B. w3 ) : wi ∈ {A. entonces la probabilidad de ser uno de los dos indultados es 2/3. N´tese o que: P (({A. w2 } \ {A}} . B) . {A. C}}. w1 = w2 } = {{A. C}} . {B. B} . debido al propio e enunciado de la pregunta. y sin conocerse m´s detalles llega la informaci´n al prisionero a o A de que han concedido el indulto a 2 de los 3 prisioneros. 6 donde se asume que A no es indultado con probabilidad 1/3 y en tal caso la respuesta puede ser B ´ C con igual probabilidad. {A. mientras que si la hace obtendr´ respuesta y a entonces la probabilidad de ser el otro indultado es 1/2. C} . era ı a de esperar que conocer la respuesta a su pregunta no le diera informaci´n o sobre la probabilidad de que ´l mismo fuera indultado. B. C} . w1 = w2 . C} . entonces su probabilidad es 2/3. C} . C} . C)) = .

propia de jugadores m´s cautelosos. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. 2 i i i i . y por tanto la probabilidad ıa n de que en una clase con n alumnos haya al menos uno con el cumplea˜os n deseado es 1 − 364n /365n .5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. = Sin embargo. con la segunda opci´n. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n . o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. a Soluci´n o Recurriendo a la primera opci´n.652. o P2. FUNDAMENTOS DE PROBABILIDADES 43 P2. Es decir. luego la clase debe tener al menos 253 ı alumnos. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. apostar los 20 euros sobre “pares” en una unica jugada.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. propia de jugadores m´s arriesgados. Analizar matem´ticamente ambas alternativas. 364 365 n ≥ 1 . 1084. Ahora obtengamos el menor valor n natural tal que: 1− es decir. −n · (ln364 − ln365) ≥ ln1 − ln2. concluyendo as´ que n ≥ 252.474.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. 2.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.22] ¿Cu´l es el menor n´mero de alumnos que debe tener una clase para a u garantizar con probabilidad 0.5 que haya al menos dos alumnos con igual d´ de cumplea˜os? ıa n Soluci´n o Sea n el n´mero de alumnos de una clase. Claramente, si n > 365, entonu ces seguro que hay alguna coincidencia. Asumamos por tanto que n ≤ 365. La probabilidad de que en el aula no haya ninguna coincidencia es: 365 · 364 · . . . · (365 − n + 1) 365! = . n 365 (365 − n)! · 365n Por tanto, se trata de encontrar el menor n tal que: 1− es decir: ln365! − ln (365 − n)! − nln365 ≤ ln2. Si n = 22 la probabilidad de que haya al menos una coincidencia es 0,4757, es decir, no cumple lo deseado. Sin embargo, para n = 23 tal probabilidad es 0,5073, es decir, s´ cumple la desigualdad anterior, y por ı lo tanto el menor n´mero de alumnos es 23. u P2.23] Un joven tiene un pleito sobre el que cree firmemente que ´l tiene la e raz´n. Sabe que hay dos tribunales: o 1. Tribunal A: formado por 3 personas que, con independencia, tienen probabilidad p, p, 1/2 respectivamente de emitir un informe individual correcto. El informe colectivo se obtiene mediante la regla de la mayor´ entre los tres informes individuales. ıa 2. Tribunal B: formado por 1 persona que tiene probabilidad p de emitir un informe correcto. ¿Por cu´l de los dos tribunales deber´ optar el joven? Razonar la resa ıa puesta matem´ticamente. a Soluci´n o El tribunal A emite un informe conjunto acertado cuando se da uno de los siguientes sucesos: A1 ≡ “los dos miembros con probabilidad p aciertan”. (Esto ocurre debido a que por la regla de la mayor´ esto implica ıa que el informe conjunto ser´ acertado, sin importar el informe del a miembro con probabilidad 1/2.) 365! 1 ≥ , n (365 − n)! · 365 2

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

A2 ≡ “uno de los dos miembros de probabilidad p acierta y el otro no, y el miembro con probabilidad 1/2 acierta”. Puesto que ambos sucesos son disjuntos, la probabilidad de que el tribunal acierte es: P (A1 ) + P (A2 ) = p2 + 2 · p · (1 − p) · 1 = p. 2

Es decir, los dos tribunales tienen la misma probabilidad de emitir un informe acertado sobre un pleito. P2.24] Una mano de p´ker consiste en cinco cartas seleccionadas sin reemplazao miento de una baraja de 52 (sin comodines). Determinar la probabilidad de obtener las siguientes combinaciones: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Escalera de color: las cinco cartas consecutivas y del mismo palo. Escalera de color real: escalera de color con el As como carta mayor, detr´s de la K. a P´ker: cuatro cartas con la misma numeraci´n. o o P´ker de ases. o Full: tres cartas con una numeraci´n y las otras dos con otra. o Escalera: las cinco cartas consecutivas (el As puede ir al comienzo o al final). Color: las cinco cartas del mismo palo. Dobles parejas. Tr´ ıo. Pareja.

Soluci´n o Para introducir un espacio muestral denotemos cada carta mediante un par (n, e), donde n representa el n´mero en la carta (es decir, n ∈ u {1, 2, . . . , 13}) y l representa el palo (es decir, l ∈ {A, B, C, D}). Entonces el espacio muestral es: Ω = {w = {w1 , w2 , w3 , w4 , w5 } : para todo i = j; wi = (n, e) , n ∈ {1, 2, . . . , 13} , e ∈ {A, B, C, D} , wi = wj }. Claramente este espacio es equiprobable y: |Ω| = C52,5 = 52 . 5

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Definamos el suceso A = “Se obtiene una escalera de color”. Cada palo de la baraja tiene 52/4 = 13 cartas, con las que se pueden formar 13 − 5 + 1 = 9 escaleras de color. Por tanto, ya que hay cuatro palos distintos, se tiene que: |A| = Luego: P (A) = 4 · 9 = 4 · 9 = 36. 1 |A| 36 = 52 . |Ω| 5

2. Sea el suceso B = “Se obtiene una escalera de color real”. Por cada palo de la baraja s´lo hay una escalera de color real posible. Por o tanto: 4 |B| 1 P (B) = = 52 . |Ω| 5 3. Sea C el suceso “Se obtiene un p´ker”. Hay 13 numeraciones difeo rentes. Una vez escogidas 4 cartas con la misma numeraci´n se elige o entre las 52 − 4 = 48 restantes la que falta para completar la mano, obteni´ndose que e P (C) = |C| = |Ω|
13 1

· 48
52 5

.

4. Definamos el suceso D =“Se obtiene un p´ker de ases”. Hay 52−4 = o 48 cartas posibles para a˜adir a los 4 ases y completar la mano, por n lo que la probabilidad deseada es: P (D) = |D| 48 = 52 . |Ω| 5

5. Sea el suceso E = “Se obtiene un full”. Fijada una numeraci´n, o pueden formarse C4,3 = 4 conjuntos de tres cartas, ya que hay 4 palos distintos. Por lo tanto, como hay 13 posibles numeraciones distintas, en total se tienen 13 · 4 = 52 posibilidades para escoger las tres cartas iguales del full. Para las dos cartas restantes hay que tener en cuenta que no pueden ser de la misma numeraci´n anterior, luego, procediendo an´logao a mente al caso anterior, hay en total 12 · C4,2 = 12 · 6 = 72 combinaciones posibles. Finalmente, se calcula: P (E) = 13 · |E| = |Ω|
4 3

· 12 ·
52 5

4 2

.

i i i

i

binaciones posibles de tres cartas con la misma numeraci´n. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). y C4.5 combinaciones posibles de 5 cartas. . P (I) = 52 |Ω| 5 9. Definamos el suceso H =“Se obtienen dobles parejas”. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . quedan 45 −4 = 4·(44 −1) o escaleras y. 9. i + 4. o De este modo se evita obtener un full. y las de color real si i = 10). dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . tendremos.3 comıo”. 45 escaleras (incluyendo las de color. ya que se obtendr´ un p´ker. i + 2. Luego. 9+1=10 corresponden a escaleras de color y a escaleras de color reales.2 de crear la pareja para cada uno de esos palos. para o cada valor de i. . Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. Por lo tanto se eliminan. Para cada palo. dado que hay 10 numeraciones posibles. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). . con i = 1.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. como vimos en los apartados (a) y (b). i i i i . y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. i + 3. FUNDAMENTOS DE PROBABILIDADES 6. Adem´s. Representemos por G al suceso “Se obtiene color”. Hay C13. 47 Sea el suceso F =“Se obtiene una escalera”. una vez o ıa fijadas las 3 primeras. Si fijamos una numeraci´n i. adem´s de las cuatro cartas ya escogidas. 52 |Ω| 5 7. i + 1. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. hay C13. y para la ultima quedan. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. De ellas. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . 8. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13.2 formas distintas de elegir los palos con los que se forman las dos parejas. As´ la probabilidad buscada ı. finalmente. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. se escoge la cuarta carta de un conjunto de 52 − 4 = 48 cartas (se descartan las 4 cartas que hay con la numeraci´n de las tres ya elegidas).1 ·C4. puesto que se restan. Para las o dos que completan la mano se debe tener en cuenta que ninguna de ellas puede tener la misma numeraci´n que las tres cartas anterioo res. 10. . pues se formar´ un full.

todo cliente sin fondos pone una fecha err´nea en sus cheques. 1 · 0.1 + 0. o Por lo tanto. y procediendo de forma similar al caso del tr´ fijadas ıo.1.001. P (w1 = sin ∩ w2 = equiv) = P (w2 = equiv) P (w2 = equiv|w1 = sin) · P (w1 = sin) = P (w2 = equiv|w1 = sin) · P (w1 = sin) + P (w2 = equiv|w1 = con) · P (w1 = con) = 1 · 0. En cambio. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . P2. junto a las dos primeras cartas. ya que no importa el orden en que ´ ´stas se elijan. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. 0. 0. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.999. El 90 % o de los clientes del banco tienen fondos.001.9.99108. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. ıan ıo. Para las tres que faltan deben descartarse aquellas combinaciones que. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. 0. Sea J el suceso “Se obtiene una pareja”. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.1 = 0. 0.9 i i i i . equiv}).2 parejas posibles. An´logamente ´ a al apartado anterior. 1.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . formar´ un tr´ un p´ker o un full. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. El espacio Ω no es equiprobable y tiene 4 elementos. Los datos que se dan son: P (w2 = equiv|w1 = con) P (w2 = corr|w1 = con) P (w2 = equiv|w1 = sin) P (w2 = corr|w1 = sin) P (w1 = con) P (w1 = sin) La probabilidad pedida es: P (w1 = sin|w2 = equiv) = = = = = = = = 0. Se recibe hoy en caja un cheque con fecha equivocada. w2 ) .001 · 0.

w6 ) .27] Una urna contiene cinco dados con sus caras de color blanco o rojo. Se extrae una bola y es blanca. y w2 u u es el color que se obtiene al lanzar el dado.26] En una bolsa hay cinco bolas. Soluci´n o Representemos un suceso elemental como: w = (w1 . 3. El dado n´mero i (i = 1. Entonces el problema se resuelve mediante los siguientes c´lculos: a P (C2 |B) = P (C2 ∩ B) = P (B) 2 5 5 i=0 P (B|C2 ) · P (C2 ) 5 i=0 = P (B|Ci ) · P (Ci ) 4 1 5 i=1 = · i 5 5 2 · 5 i 1 5 2 · · 1 5 2 = 0+ 4 4 i−1 = 4 5 i=0 4 i = 4 (1 + 1) = 1 . Adicionale o mente. es decir. 2. w3 . 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. donde w1 . w4 . 3. As´ ı: Ω = {w = (w1 . w2 ) : w1 ∈ {1. FUNDAMENTOS DE PROBABILIDADES 49 P2. w3 . Este espacio muestral no es equiprobable. y por tanto tambi´n la composici´n de la urna. w4 y w5 representan los resultados de los lanzamientos de la moneda. Se selecciona al azar un dado de la urna. 2. blancas o negras. La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . w2 ) . que la urna contenga i bolas blancas y 5 − i bolas negras. 5) tiene i de sus caras blancas y el resto u rojas.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. H´llese la probabilidad de que en la bolsa haya dos blancas y a tres negras si para formar la urna se tiraron cinco monedas y se metieron tantas blancas como caras resultaron y tantas negras como cruces. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). y sea B el suceso “extraer una bola blanca de la urna”. w5 . ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . Denotemos ıda por Ci (i = 0. R)}) = P ({(5. 1. 3. 2. w6 representa el color de la bola extra´ de la urna. pues P ({(1. R)}) . se lanza y sale cara roja. 4 P2. w2 ∈ {B. 5} . 4. w2 . 4. 4. R}} . w2 .

w2 . . k = 0. P2. ¿Cu´l es la probaa bilidad de que obtengan el mismo n´mero de caras? u Soluci´n o Representemos un suceso elemental como w = (w1 . wn . . n al suceso “ambas obtienen exactamente k caras”.i i i “libroult” 2001/8/30 page 50 i 50 EJERCICIOS RESUELTOS DE PROBABILIDAD P (w2 = R|w1 = i) · P (w1 = i) 5 j=1 = = P (w2 = R|w1 = j) · P (w1 = j) · 1 5 = 6−i 6 5 j=1 = 1 5 6−i 6 6−j 6 · 5− 1 6 · 5 j=1 = j 5 6−i 6 − 1 · 5·6 6 2 = 6−i 6 5 2 6−i = . . . la probabilidad de obtener el mismo n´mero de caras viene dada por: u n P (C0 ∪ C1 . quien lo repite a una tercera. i i i i . y wn+1 . . . repet´ ırsele a una persona. . . . w2n ) . . con wi ∈ {C. .28] Dos personas lanzan una moneda n veces cada una. 15 P2. . . . . . wr ) . . . En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. X}. i = 1. Encontrar la probabilidad de que el rumor pase r veces sin: 1. . 5. . . 1. etc. . una persona le rumorea algo a una segunda persona. Soluci´n o Numeremos a los habitantes desde 0 hasta n. regresar al que lo origin´. . . ∪ Cn ) = k=0 n P (Ck ) n = k=0 n · k 1 2 k · n · k 1 2 k = k=0 n k 2 · 1 2 2k . w2n los resultados de la otra. . o 2. Para introducir un espacio muestral.29] En un pueblo de n + 1 habitantes. . Dado que estos sucesos son disjuntos. donde w1 . wn son los resultados de los n lanzamientos de una de las dos personas. vamos a representar cada suceso elemental como w = (w1 . . Denotamos por Ck . y supongamos que el rumor parte inicialmente del habitante 0. . . wn+1 . .

u haya exactamente un par completo. Por lo tanto: P (B) = |B| n · (n − 1) · (n − 2) · . zi ) . wi = wj . . P (A) = |A| = |Ω| n 2r · 22r 2n 2r . . . u z ∈ {D. wi = wi−1 } . I} . . Si se escogen al azar 2r zapatos (con 2r < n) ¿Cu´l es la probabilidad de que: a 1. n} . Sea el suceso B = “El rumor pasa r veces sin repetirse a ninguna persona”= {w ∈ Ω : wi = wj . Este espacio es equiprobable y |Ω| = nr . n}) y z representa el pie (es decir. . n} . . wr ) : wi ∈ {0. 2r Definimos el suceso A = “No hay ning´n par completo”: u A = {w ∈ Ω : yi = yj . i. Entonces: P (A) = 2. n son las personas por las que pasa el rumor tras transmitirlo el habitante 0. yi ∈ {1. i = 0. j = 1. haya exactamente dos pares completos? Soluci´n o Representemos cada zapato mediante un par (y. . donde y representa el n´mero del par (es decir. . 3. zi ∈ {D. As´ ı: Ω = {w = (w1 . . . w2r } : wi = (yi . un espacio muestral es: Ω = {w = {w1 . z). FUNDAMENTOS DE PROBABILIDADES 51 donde wi . |Ω| nr (n − r)! · nr P2. w1 = 0. · (n − r + 1) n! = = . . 1. . . . . . Entonces. . . para todo i = j. 2. . para todo i = j} .30] Un ropero contiene n pares de zapatos. . n} . Claramente este espacio es equiprobable. . para todo i = j}. . . . y |Ω| = 1. 2. entonces P (A) = 0). y ∈ {1. no haya ning´n par completo. . |A| n · (n − 1) = |Ω| nr r−1 = n−1 n r−1 . . para todo i}. 1. . w2 . i i i i . 2n . Sea el suceso A = “El rumor pasa r veces sin regresar al habitante 0”= {w ∈ Ω : wi = 0. Entonces. I}). .i i i “libroult” 2001/8/30 page 51 i CAP´ ITULO 2. (Si 2r > n. . .

w1 . . . j : yk = yl . 3. . Definimos el suceso A = “Le toca al menos un tema que ha preparado”. Entonces: P (A) = 1 − P (Ac ) = 1 − 14−5 2 14 2 =1− 36 55 = . ∀l = k} . Finalmente. As´ se tiene que ı. . . . Se debe escoger un teo ma de entre dos tomados al azar. que es claramente un espacio muestral equiprobable. donde w1 . 91 91 que es la probabilidad que se pide calcular. 2 i i i i . w2 } . w2 ∈ {1. 14} . 2. P (B) = |B| = |Ω| n 1 · n−1 2r−2 2n 2r · 22r−2 .31] Un examen de oposici´n consta de 14 temas. supongamos que i = “n´mero de temas preparados por el u alumno”. w2 ∈ {1. 2. la probabilidad de aprobar el examen ser´ ıa P (A). e imponiendo la condici´n del enunciado: o P (A) = 1 − P (Ac ) = 1 − 14 − i 14 / 2 2 > 1 . Definimos el suceso B = “Hay exactamente un par completo”: B = {w ∈ Ω : ∃i = j/yi = yj ∧ ∀k = i. Calcular la probabilidad de que a un alumno que ha preparado 5 temas le toque al menos uno que sabe. . P (C) = |C| = |Ω| n 2 · n−2 2r−4 2n 2r · 22r−4 . Definimos el suceso C = “Hay exactamente dos pares completos”: C = {w ∈ Ω : ∃i = j/yi = yj ∧ ∀k = i. j : yk = yl . ∀l = k} . 14}. Por lo tanto. luego.i i i “libroult” 2001/8/30 page 52 i 52 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. P2. . As´ ı Ω = {w = {w1 . ¿Cu´l a es el n´mero m´ u ınimo de temas que debe preparar para que tenga una probabilidad superior a 1/2 de superar el examen? Soluci´n o Representemos cada suceso elemental como w = {w1 . Para superar el examen le debe tocar al menos un tema que haya preparado. w2 }. w1 = w2 } .

. w2k ) = (6. . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . w2n ) : wi ∈ {1. . . . w2k ) = (6. . FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . w2 . para todo k ∈ {1. . 6)}] = 1− 1 − 1 36 n Por ultimo. i i i i . . n}} . . la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . 5. 2. donde w2i−1 y w2i . ln35/36 Por tanto. 2. 2.605. . luego Ac = {w ∈ Ω : (w2k−1 . Luego. Igualando: 1− 1− n= 1 36 n = 1 . P2. tras aproximar el resultado. . sea el suceso A = “se obtiene e al menos un 6 doble”. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas.32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. . n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. 3. w2n−1 . i = 1. Entonces. A = {w ∈ Ω : ∃k ∈ {1. 6) . w3 . . w4 . se concluye que necesitamos jugar 25 partidas. . ¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. 2. 4. w2k−1 = w2k = 6} . n} . 14 · 13 2 53 1− Efectuando las operaciones correspondientes. dado que los resultados de los lanzamientos del par de dados son independientes entre s´ y adem´s la probabilidad de obtener un 6 doble ı. 6}} . a es 1/62 = 1/36. 2 −ln2 = 24.

35] Una loter´ vende n2 boletos y da n premios.33] Problema de Bertrand. i = 1. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. Dos arqueros de la misma destreza tiran al blanco. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. del primer arquero. X} . se tiene que la probabilidad de obtener tres caras o tres cruces es 3 3 P (A ∪ B) = P (A) + P (B) = (1/2) + (1/2) = 1/4. Entonces. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales. entonces P (A) = 2/6 + 2/6 = 2/3. w3 es el unico lanzamiento del segundo arquero. 2. el primero dos flechas y el segundo una. w3 ) : wi ∈ {C. i = 1.i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. Si gana el que tire la flecha m´s cercana al centro de la diana. Adem´s. sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. Si cada elemento de dicho espacio se representa por w = (w1 . 2. Puesto que estos sucesos son disjuntos. P2. 3} donde wi . 3 son los resultados respectivos de las tres monedas. Si una persona compra n ıa boletos.34] Problema de Galton. entonces ´ el suceso que nos interesa es A = {w : w1 = “m´s cercano”} ∪ {w : w2 = “m´s cercano”} a a Dado que estos sucesos son disjuntos y contienen dos sucesos elementales cada uno de ellos. w3 ) . As´ por ejemplo. P2. ¿cu´l es la probaa bilidad de que las tres sean caras o las tres cruces? Soluci´n o Asumiendo que las monedas son distintas. ¿cu´l es la probabilidad de que gane a a el primero? Soluci´n o Un espacio muestral para este problema consiste en considerar cada suceso elemental como la posici´n en proximidad al centro que ocupa cada o lanzamiento. “intermedio” y “m´s alejado” entre los tres lanzamientos. todos ellos equiprobables. se puede considerar que los dos primeros ı. siendo w1 y w2 el primer y segundo lanzamiento. w2 . representemos el espacio muestral como: Ω = {w = (w1 . respectivamente. Se lanzan tres monedas al aire. w2 . siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. ¿cu´l es la probabilidad de que gane al menos un premio? a i i i i .

Si definimos el suceso A = “se extrae al menos una bola negra”. w2 . j = 1.36] Cierto profesor lleva siempre en el bolsillo dos cajas de N f´sforos. ∀i = j. al extraer n bolas diferentes simult´neamente de una urna con n2 bolas a (numeradas de 1 a n). Un espacio muestral es: Ω = w = {w1 . a ıa ´ o descubre la caja vac´ cuando por primera vez la saca y no hay ya ıa f´sforos. n2 . . que es claramente equiprobable. . . P2. wn } : wi ∈ 1. con |Ω| = 22N −r . Este espacio es claramente equiprobable. . podemos definir como ıa espacio muestral: Ω = {w = (w1 . 1. . la caja est´ vac´ al tomar el ultimo f´sforo. . . 2. 2N − r} . i = 1. . que deja vac´ una caja. . entonces la probabilidad pedida ser´ ıa: P (A) = 1 − P (Ac ) = 1 − n2 −n n n2 n . . o Soluci´n o Supongamos que las dos cajas.i i i “libroult” 2001/8/30 page 55 i CAP´ ITULO 2. N f´sforos suponiendo que: o 1. . . 2N − r) representa la caja que se escoge en i−´simo lugar (pudi´ndose tomar o no f´sforos de ella. Para cada apartado del problema se definir´ un espacio muestral. Al cabo de o cierto tiempo una de las cajas est´ vac´ Calcular las correspondientes a ıa. . Por lo tanto. . Esto a ıa ´ o significa que el profesor ha tomado 2N − r f´sforos en total: N − r o de una de las cajas y N de la otra (la que queda vac´ y una vez ıa). que representaremos por A y B. . wi = 0 si se escoge la B. . al menos una de las bolas que se saquen sea negra. 2. probabilidades de que en ese momento la otra contenga r = 0. i. para cada valor de i (i = 1. donde cada wi . . n . para. . cada o vez que necesita un f´sforo toma al azar una de las cajas. tienen la misma probabilidad de ser tomadas. de las cuales n son negras y el resto blancas. w2N −r ) : wi ∈ {0. . . . . . . a 1. 1} . . . 2N − r) . (i = 1. . wi = wj . . . . FUNDAMENTOS DE PROBABILIDADES Soluci´n o 55 Resolver este problema es equivalente a calcular la probabilidad de que. Supongamos que la caja est´ vac´ al tomar el ultimo f´sforo. ya que e e o puede estar vac´ Se supone que wi = 1 si se escoge la caja A y ıa). i i i i . . .

la probabilidad de que la caja A quede vac´ y en la B ıa queden r f´sforos es |M | / |Ω| = C2N −r. 2N − r} . 1} . 2N − r   B = w = (w1 . se obtiene finalmente que o la probabilidad pedida es 2 · C2N −r. . P2. w2 ). De este modo. 1} . Por lo tanto. tras coger 2N − r f´sforos o o (de los que N corresponden a la caja que queda vac´ y N − r a la ıa otra) mediante el procedimiento de tomar una caja al azar y tomar un f´sforo de ella. En este caso. i = 1. Supongamos que descubre la caja vac´ cuando por primera vez la ıa saca y no hay ya f´sforos. Ω = {w = (w1 .N /22N −r+1 . Esta probabilio dad es igual a la del otro caso posible: que la caja B quede vac´ y ıa en la A queden r f´sforos. . |Ω| = 22N −r+1 . Se lanza una aguja de longitud 2a para que caiga sobre la mesa. Soluci´n o Un suceso elemental de este problema puede describirse mediante un par de n´meros. 2N − r) se definen igual que en el apartado anterior. Hallar la probabilidad de que la aguja corte a alguna l´ ınea si a ≤ b. donde los wi (i = 1. .N /22N −r+1 . w2N −r+1 ) : wi ∈ {0. . . wi = N   i=1 Por lo tanto. w2N −r . . . . . 2N −r−1     wi = N − 1   i=1 Por lo tanto. . Esta o probabilidad es igual a la del otro caso posible: que la caja B quede vac´ y en la A queden r f´sforos. se obtiene finalmente ıa o que la probabilidad pedida es 2 · C2N −r−1. . w2N −r . 1) : 2N −r . . . . 2N − r − 1. 1} . . .     i = 1. a o i i i i . donde el primero w1 representa la distancia u del centro de la aguja (tras caer sobre la mesa) a la l´ ınea m´s pr´xima. ıa o   wi ∈ {0.N −1 /22N −r . . 2. . . w = (w1 . . se define como espacio muestral: a ıa. i = 1. De este modo. .37] Problema de Buffon.i i i “libroult” 2001/8/30 page 56 i 56 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“la caja A queda vac´ y en la B quedan r ıa f´sforos”. . . la probabilidad de que la caja A quede vac´ y en ıa la B queden r f´sforos es |M | / |Ω| = C2N −r−1.  A= . w2N −r−1 . w2 . . .N −1 /22N −r . 1) : wi ∈ {0. el profesor coge una ultima caja antes de parar: o ´ la caja que est´ vac´ Por lo tanto. Sea el suceso B =“la caja A queda vac´ y en la B quedan r f´sforos”. . . . 2. Se tiene una mesa rayada con l´ ıneas paralelas separadas una distancia 2b. o    w = (w1 .

N´tese que por tanto w1 ∈ [0. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . ya que el ´rea del total es la unidad. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. b[ y que o w2 ∈ [0. asumiendo que a ≤ b. Consecuentemente. 1]. En concreto. Seg´n la hip´tesis del enunciado. a cos(w2 )[ para cada w2 ∈ [0. FUNDAMENTOS DE PROBABILIDADES 57 y el segundo w2 representa el ´ngulo que la inclinaci´n de la aguja tiene a o respecto de las l´ ıneas en la mesa.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. Sea A el suceso “su diferencia es mayor que 1/6”.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. π[ claramente equiprobable. es decir. i i i i . 2. si A es el suceso que representa “la aguja toca una l´ ınea” y. entonces A := {w ∈ Ω : w1 ∈ [0. 1. dado el objetivo que se persigue en el problema. Calcular la probabilidad de que su suma sea mayor que 1. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. π[}.69444. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. a 1. P (A) = (5/6)2 = 0. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. 3. π[. b[×[0. Por ello. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. es suficiente mirar s´lo la posici´n respecto a la l´ o o ınea en la mesa m´s a pr´xima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). es decir: A = {w ∈ Ω : w1 − w2 > 1/6 o w2 − w1 > 1/6} Gr´ficamente es f´cil ver que el ´rea de A es la de un cuadrado con a a a lado 5/6. En efecto. Calcular la probabilidad de que su producto sea mayor que 1/7. Calcular la probabilidad de que su diferencia sea mayor que 1/6.

entre las 18:00 y 19:00 horas. Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. pero s´lo permanecen en dicho punto 5 minutos. 2 3. que una de las personas permanece en el i i i i . es decir: C = {w ∈ Ω : w1 · w2 > 1/7}. Si A representa los sucesos en los que “el encuentro sucede despu´s de 10 minutos de espera por parte de algunas de las personas”. Por lo tanto.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas.39] Problema de encuentro. sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. x + 5/60] = [x. ¿Qu´ probabilidad existe de que una de las personas espere por e la otra al menos 10 minutos? Soluci´n: o Este cl´sico problema en cualquier asignatura relacionada con las Probaa bilidades es una mera reformulaci´n del problema anterior. En efecto. Sea B el suceso “su suma es mayor que 1”. un o espacio muestral equiprobable es Ω = {w = (w1 . 9 P2. sea [x. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}. y de forma an´loga a como se hizo en el problema anterior: a P (A) = 5 .i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. es decir: 1 P (B) = . y considerando que las 18:00 horas son el origen. Sea C el suceso “su producto es mayor que 1/7”. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7. Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. no es relevante la hora en que acuden las personas a al punto de encuentro. 7 P2. es decir: B = {w ∈ Ω : w1 + w2 > 1}. x + 1/12] el intervalo de tiempo. o ¿Qu´ probabilidad hay de que efectivamente coincidan? e Soluci´n: o A efectos pr´cticos.

. luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. i = 1. . . por ejemplo. . . . o punto de encuentro. a + b. . e igualmente [y. La probabilidad de un suceso elemental con s movimientos a la derecha. w2 .40. a + b} . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . n). un e espacio muestral ser´ ıa Ω = {w = (w1 . .1: Regi´n de casos favorables sobre casos posibles del problema P2.41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. b). . P2. es decir. Podemos representar cada suceso elemental como w = (w1 . es ps · a+b−s (1 − p) . por lo a o que para pasar por (a. A} . n+1). La figura 2. . para cualesquiera n´meros a o u enteros m y n. con wi ∈ {D. . Este espacio no es equiprobable si p = 1/2. y + 1/12] el correspondiente a la otra persona.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. un total de a + b desplazamientos. 0). n) y o una probabilidad 1−p de pasar a la (m. . Por lo tanto. i i i i . tiene una probabilidad p de pasar a la posici´n (m+1. . Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. wa+b ). i = 1. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. . . A} . Cuando est´ en la posici´n (m. wa+b ) : wi ∈ {D. Determinar la probabilidad de que el punto pase por la posici´n (a. . b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2.

a a a 1. Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. a P2. 8}. . Es decir. Continuando con el espacio muestral Ω. . . N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. Nadie m´s se subir´. . . ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. es decir. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1.11). . i i i i . w8 ) : wi ∈ {1.10. Cada persona selecciona el piso en el que se bajar´n.a combinaciones posibles de estos a + b movimientos. . 11} para cada i = 1. ya que hay Ca+b.42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. . ıa 1. . . finalmente se tiene que P (A) = a+b b · pa · (1 − p) . . con igual probabilidad. Ω = {w = (w1 . Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. u en este caso el c´lculo de la probabilidad de un suceso no se reduce a cona tar cu´ntos sucesos elementales contiene ya que el nuevo espacio muestral a no ser´ equiprobable. . que todas las personas son distinguibles.2. entre el 1 y el 11. sea A el suceso “todas las personas se bajan antes del quinto piso”. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. . .i i i “libroult” 2001/8/30 page 60 i 60 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“el punto realiza a desplazamientos hacia la derecha y b hacia la izquierda”. . ı ´ 2.1. 8} . y adem´s a todos ellos son igualmente probables. . Este espacio muestral tiene |Ω| = 118 sucesos elementales. Por lo tanto. . y esta probabilidad es pa · (1 − p) . Como consecuencia de esto ultimo. . Sin embargo. . e Soluci´n: o Un modelo matem´tico para este problema puede consistir en considerar a cada suceso elemental como la planta donde decide bajarse cada persona asumiendo. por ejemplo..

es decir: e D= w∈Ω: wi ∈ {1. si Sk representa el suceso “todas las personas se bajan antes del k-´simo piso”. .i i i “libroult” 2001/8/30 page 61 i CAP´ ITULO 2. 88 − 78 P (B) = = 0. 118 Sea C el suceso “en ning´n piso se baja m´s de una persona”. y wj ∈ {7. es u a decir: C = {w ∈ Ω : wi = wj para todo i =j}. Sea D el suceso “s´lo dos personas viajan entre el piso sexto y el o s´ptimo”. . En general. 5. El primer factor son las distintas formas de elegir las 8 plantas diferentes donde se bajar´n las personas. k −1}. . . . 0513. . 6} para seis ´ ındices i. es ı ´ decir: B = {w ∈ Ω : wi < 9 para cada i = 1. 2. 11. . 4}. . . 9. . . 4. 3. . . y el segundo las distintas a asignaciones porque estamos trabajando con un espacio muestral donde distinguimos entre personas. . . Entonces B = S9 \ S8 y |B| = |S9 \ S8 | = |S9 | − |S8 |. 8 2. es decir: e Sk = {w ∈ Ω : wi < k para cada i = 1. 11. . donde |Sk | = (k−1)8 ya que cada componente de un suceso en Sk s´lo puede asumir valores en {1. . 8. . 10. . Entonces P (C) = |C|/|Ω| donde |C| = 11 · 8!. FUNDAMENTOS DE PROBABILIDADES 61 Entonces P (A) = |A|/|Ω| donde |A| = 48 . o a Consideremos ahora el suceso B definido por “el ascensor llega hasta el piso octavo y all´ se bajan las ultimas personas que quedan”. . 8 y existe un j : wj = 8}. 0003. 8}. 2. o N´tese que adem´s Sk−1 ⊆ Sk para todo k = 1. entonces P (Sk ) = |Sk |/|Ω|. Por tanto. o P (A) = 4 11 8 = 0. 3. ya que cada componente de un suceso en A s´lo puede asumir valores en {1. 11} para los otros ´ ındices j Entonces P (D) = |D|/|Ω| donde |D| = 8 · 66 · 52 6 i i i i . para k = 1. Consecuentemente.

2. en dos partidas queden en tablas. 2. o bien X si quedan en tablas. i = 1. 3. Otro d´ acuerdan jugar un torneo de 3 partidas.i i i “libroult” 2001/8/30 page 62 i 62 EJERCICIOS RESUELTOS DE PROBABILIDAD El primer factor son las posibilidades de elegir las 6 personas que se bajar´n antes de la planta s´ptima. 2. B gane al menos una partida. Luego. P ({(A. Sea M el suceso “A gana las tres partidas”. wj = X. 2. Adem´s. e P2. j = i}. ıa Hallar la probabilidad de que 1. A gana seis. 2. 1/3 y 1/6. 1. w2 . B. respectivamente. w3 ) : wi ∈ {A. B gana cuatro y en dos quedan en tablas. A y B ganen alternadamente. y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. M = {(A. w2 . B. A)}) = 1/12. i = 1. A. 4. 3. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. Por otra parte. ejemplo. para todo j = 1. los rea sultados de las partidas son independientes. w3 ) : wi ∈ {A. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. a la vista de los resultados obtenidos en 12 partidas. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. B} . siendo este resultado A o B si la partida la gana el jugador A o el B. pero P ({(A. B. i i i i . A gane las tres. por ı.43] A y B juegan 12 partidas de ajedrez. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . 2. B)}) = 1/18. X} . donde cada wi (i = 1. 3. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. siendo Ni = {w = (w1 . quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. Se tiene entonces que N = N1 ∪ N2 ∪ N3 . 3) representa el resultado de la i-´sima partida e del torneo. 3} . As´ el espacio muestral dado no es equiprobable. puesto que.

sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. torneo consta de 3 partidas. donde cada wi . X. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales. 3.1 · P ({(A. w4 ) /wi ∈ {U. 2. 72 Sea el suceso S = “A y B ganan alternadamente”. 2. B. 3. 3. w2 . saca una bola y no la repone. X)}) − P ({(X. 36 4. X. en ese orden. para i = 1. Representemos por T el suceso “B gana al menos una partida”. X)}) 1 1 1 1 19 = 1− +3· +3· + = . 8 72 24 216 27 P2. X)}) =3· 3. 4 es el color de la bola que extrae la i-´sima persona. C y D. por a tanto: P (A1 ) = P (A2 ) = 2 . Por otra parte. 5 4 10 i i i i . As´ un espacio muestral ser´ ı. 4. Supondremos que las e personas est´n ordenadas de A a D. ıa Ω = {w = (w1 . Soluci´n: o Representemos cada suceso elemental como w = (w1 . w4 ). 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . 2. Cada una de cuatro personas. X)}) + 3 · P ({(B. Las probabilidades de ganar son. B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . w3 . X. e siendo wi = U si la bola es blanca y wi = V si es negra. A. w3 . 4} . Por lo tanto: P (N ) = 3 · P ({(A. B. Determinar las probabilidades de ganar de A. 5 3 2 3 · = . que no es equiprobable.i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. se obtiene que P (S) = P ({(A. La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. X. A)})+P ({(B. i = 1. El primero que la saque blanca gana.1 · P ({(A. A. A. w2 . X)}) −C3. B. As´ como cada ı. tienen la misma probabilidad de ocurrir. A)}) − C3. C y D. V } . i = 1. A.44] Una bolsa contiene dos bolas blancas y tres bolas negras.

3. Se tiene que: 1 C3. Este espacio no es equiprobable. consideremos a el espacio muestral Ω = {w = {w1 . . determinar la probabilidad de que: 1. w2 . si se numeran las bolas del 1 al 20 (es decir. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. dos sean rojas y una blanca. i = 1. Representemos por B al suceso “Se extraen tres bolas blancas”. azul. P (B) = C20. w3 } : wi = 1. . 6. C20. . b si es blanca y a si es azul. 5 2 1 = .1 = . Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. w3 } : wi ∈ {r. b. i = 1.45] Una caja contiene ocho bolas rojas. 2. 1.2 · C3. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . a}} .3 95 i i i i . Sea el suceso A = “Se extraen tres bolas rojas”. 3 representa el color de cada bola que se extrae. 4. las tres sean rojas.i i i “libroult” 2001/8/30 page 64 i 64 EJERCICIOS RESUELTOS DE PROBABILIDAD P (A3 ) = P (A4 ) = 3 5 3 5 2 4 2 · 4 · 2 3 1 · 3 · = · 1 . blanca. 2. tres blancas y nueve azules. 2. w2 . sean una de cada color.3 285 2. C20. 2 10 P2. donde wi . al menos una sea blanca. Sin embargo.3 14 = . se obtiene: P (C) = 7 C8. las tres sean blancas.3 = . 20.3 1140 3. a siendo|Ω| = C20. 2. y podremos usar la regla de Laplace. s´ se ı tendr´ un espacio equiprobable. siendo r si la bola es roja. 3}.3 . . La probabilidad pedida es entonces: P (A) = C8. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. Si se sacan tres bolas al azar. salgan en el orden roja. 5.

Por lo tanto. w2 . . FUNDAMENTOS DE PROBABILIDADES 4. 3 blancas y 9 azules. P (D) = 1 − P (Dc ) = 1 − 23 C17. Se tiene entonces.3 . para cada distribuci´n de ´stas. con Ω = V20. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. y V3.3 95 Para calcular la probabilidad pedida. 2.3 34 = . . al igual que se hizo al comienzo del ejercicio). azul”. 3 para todo i = j . 20 wi = wj i = 1. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. Sea el suceso F = “Las tres bolas se extraen en el orden roja.3 = .2 · V3.3 285 1 V3.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2.1 formas de combinar o e esas 3 bolas de forma ordenada. V20.3 95 Obs´rvese que este nuevo espacio muestral Ω podr´ haberse usado e ıa desde el comienzo del problema para calcular tambi´n las probabie lidades de los cinco primeros apartados. Sin embargo.3 14 = . Entonces. 6.1 = .1 18 P (E) = = . blanca. C8. que: 8·3·9 3 P (F ) = = . w3 ) : wi = 1.3 95 i i i i .1 · V8. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. Este espacio es claramente equiprobable. Definamos el suceso E = “Se extraen 3 bolas de diferente color”. obteni´ndose que: o e P (C) = 7 C3. hay.1 · C9. No obstante. =1− C20. dado que las bolas se extraen una a una y sin reemplazamiento. . 2. V20. . manteniendo las dos bolas rojas en su posici´n relativa.3 1140 P (A) = Teniendo en cuenta que hay V8.1 · C3.1 formas de tomar las bolas blancas. se tiene que un espacio muestral es: Ω = w = (w1 . C20. dado que hay 8 bolas rojas. P (B) = V20.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. V20. C3.3 57 57 5. para ello se recurri´ al espacio muestral Ω. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”.

al menos uno sea un As. fijadas las tres bolas.1 18 = . se obtiene que: P (A) = 1 · 48 52 5 = 1 . D}). l) . cuatro sean Ases. l). C. Sota. wi = (n. . 54145 i i i i . 3. l ∈ {A. . 1.3 57 57 Finalmente. 2. n ∈ {1. y 6. B. donde n representa el n´mero en la carta (es decir.3 34 23 =1− = . P (E) = 3! · V8.3 95 P2. Hallar la probabilidad de que: 1. . tres sean Dieces y dos Sotas. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. w4 . hay 3! maneras posibles de ordenarlas. . C. . 2. si han de ser de tres colores diferentes. 5. Diez. cuatro sean Ases y uno Rey. se debe tener en cuenta que. Entonces el espacio muestral es: Ω = {w = {w1 . 13} . . . B.1 · V3.46] De una baraja de 52 naipes se sacan 5. Aplicando la regla de Laplace. V20. 2. V20.1 · V9. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. 13}) y l representa el palo (es decir. u u n ∈ {1. w2 . D}}. salgan Nueve. Una vez fijados los 4 Ases. para todo i = j. w5 } : wi = wj . 4. Caballo y Rey en cualquier orden.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. Por lo tanto. l ∈ {A. tres sean de un palo y dos de otro. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. w3 . .

Definamos el suceso D = “Salen Nueve.3 formas de escoger tres Dieces. 54145 54145 P2. N´tese que hay 4 Ases e a o en la baraja. Sea el suceso F = “Al menos una de las cartas es un As”. respectivamente. extrayendo posteriormente una bola. Sea el suceso C = “Hay tres Dieces y dos Sotas”. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . As´ el ı. Sea E el suceso “Tres cartas son de un palo y dos de otro”. FUNDAMENTOS DE PROBABILIDADES 2. hay 4 posibilidades para la quinta carta: los 4 Reyes. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . Se obtiene que: P (D) = 4 5 1 52 5 = 64 . 8330 6.2 posibilidades para elegir las tres y dos cartas. Sota.3 y C13. 108290 4. suceso F c = “Ninguna carta es un As”. de cada uno de los dos palos. se e tiene un total de C13.47] En una urna que contiene n bolas se echa una bola roja. Para cada una de ´stas. por lo hay C52−4. por lo que hay C4. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”.2 formas de elegir las dos Sotas. Caballo y Rey en cualquier orden”. As´ se tiene que ı. Se tienen C4. Hallar la probabilidad de que la bola extra´ ıda sea roja. 649740 3. que han de combinarse con el total de C4. En este caso. i i i i .2 formas de escoger los dos palos. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. N´tese que no importa el orden en que aparezcan o las cartas. Diez. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = .5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. ya que cada palo consta de 13 cartas. una vez fijados los 4 Ases. P (B) = 1·4 52 5 = 1 . La baraja tiene 4 palos. 162435 5.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2.

i + j = n + 1) constituyen una partici´n de Ω. . Por lo tanto. n + 1 : r = 0. como se ver´ a continuaci´n. n. . Para calcular P (A). por lo que el espacio muestral definido no es equiprobable. Este espacio no es equiprobable. r. 2 · 2 2 · (n + 1) (n + 1) = = i i i i . . R con i = 1. con i + j = n + 1. . . j = 0. para todo i = 1. . . . Se comprueba que. . . .n−1 ) + . . r = 0. . n+1 n+1 (n + 1) 1 1 1 · = 2. . a o Definamos el suceso A = “Se extrae una bola roja”. . . r. . . + n+1 n+1 n+1 n+1 (n + 1) · (n + 2) n+2 1 = .n ) · P (B1. . . j) / c ∈ R. n. n − 1)}) = P (A|B2. . . r + r = n + 1} . ya que se tiene un total n de n + 1 urnas posibles. Sean tambi´n los sucesos Bij = “Despu´s de introducir una bola roja. . . 2. Por el enunciado del problema. aplio cando el teorema de la probabilidad total. . que hay en la urna despu´s de introducir una e bola roja en la urna inicial. j = 0.n ) + P (A|B2.i i i “libroult” 2001/8/30 page 68 i 68 Soluci´n: o EJERCICIOS RESUELTOS DE PROBABILIDAD Representemos cada suceso elemental como w = (c. . se verifica que P (Bij ) = 1/ (n + 1) . n+1 n+1 (n + 1) . r) : c ∈ R. r). . por lo que tambi´n lo ser´n las urnas que resultan de e a a˜adir una bola roja a las iniciales. 1.n−1 ) · P (B2.n ) = pero P ({(R. n + 1. . . . y r y r son el n´mero de bolas rojas y u no rojas. r + r = n + 1 . Los sucesos Bij (con i = 1. . n + 1. . la e e urna tiene i bolas rojas y j bolas de otro color”= w = (c. r = 1. . + P (A|Bn+1.. . n. . i + j = n + 1. que es el conjunto de sucesos elementales: A = {w = (R. . donde el color de la bola que se saca. respectivamente.n ) · P (B1. R .n−1 )·P (B2. .0 ) · P (Bn+1. Un espacio muestral viene dado por Ω = w = (c. es R si la bola es roja y R si es de otro color. n)}) = P (A|B1.n−1 ) = 2 1 1 · = 2. r) : r = 1. n´tese que se han de tener en cuenta todas las posio bles combinaciones para la urna. r. se tiene que: P (A) = P (A|B1. i. n+1. . donde c representa el color de la bola extra´ ıda. Por lo tanto. las suposiciones para los colores de las n bolas de la urna inicial son equiprobables. . n + 1. por ejemplo: P ({(R. j = 0. .. . n.0 ) = 1 1 2 n+1 · + + . . c. n.

1. Sin embargo. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. debemos dividir el ´rea deseada en dos partes. se deben distinguir dos casos: a Si b ≤ a2 . por lo que P (A) = a2 /a2 = 1.38.2 ayuda a ello. a que es una parte de la superficie de un cuadrado de lado a. puesto que es un a rect´ngulo de lados b/a y a. e 1. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0.26. y) : 0 ≤ x. Si b > a2 . 2. para la segunda dea bemos calcular la correspondiente integral. y la figura 2. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. a obtener el ´rea A. para b = 2 y a = a o 4. N´tese que o el espacio muestral tomado es equiprobable. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. a] con a > 0. 2. Para los valores de a y b del apartado anterior. P (A ∩ B) = = 16 i i i i . sabiendo que su suma es mayor que b. se tiene que b/a > a. ya que los n´meros se eligen de forma u uniforme e independiente. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. a] es menor que b”= {w ∈ Ω : x · y < b}. 69 Calcular la probabilidad de que el producto de dos n´meros tomados u al azar sobre tal intervalo sea menor que una constante b. El ´rea deseada es la intersecci´n de A y B. }. aplicando la ley de Laplace. FUNDAMENTOS DE PROBABILIDADES P2. Por lo tanto. y ≤ a. Este u espacio es claramente equiprobable. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . a Adem´s. que corresponde al espacio Ω. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. a]. por lo que el c´lculo de a P (A) se reduce.48] Consid´rese el intervalo de la recta real [0. para dividirla por el ´rea de este cuadrado. Paa ra la primera de ellas el ´rea es inmediata. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2.

n´tese que s´lo con un o o i i i i . 1 − w2 ≥ 1/4} . Adem´s. w2 ∈ [0. a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . w2 − w1 ≥ 1/4. Por lo tanto: P (A) = 1 (1/4) = . que es el conjunto A = {w = (w1 . 1. donde w1 y w2 son las distancias del primero y segundo punto. al extremo inferior del segmento. o P2.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad. w2 ) ∈ Ω : w1 ≥ 1/4. pues los puntos se eligen de forma aleatoria e independiente. 2 32 2 2. los segmentos que se forman tienen longitudes w1 . cada uno de ellos tenga una longitud mayor o igual que 1/4. Procediendo an´logamente al ejercicio anterior.48. el c´lculo de P (A) a a se reduce a obtener el ´rea del tri´ngulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. respectivamente. Para dos valores de a y b (dentro de los posibles). 2. con a < b. w2 ) : w1 . resultando dividido en tres nuevos segmentos.2: Regi´n para integrar en el problema P2.i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. Representemos por a. Hallar la probabilidad de que 1. este espacio a es claramente equiprobable. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. w2 − w1 y 1 − w2 . Por lo tanto. se pueda formar un tri´ngulo con ellos como lados. b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. 1]}.

wi2 ) . con: B1 = {w = (w1 . a Procediendo an´logamente al primer apartado de este ejercicio. 2. a P2. que ser´ B si obtiene beneficios o B si no los o a i i i i . a 1. y wi2 el resultado de esa inversi´n. si no obtiene beneficios. a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. En cambio. ¿cu´l es la probabilidad de que la a primera inversi´n la hubiera efectuado en V1 ? o Soluci´n: o Un espacio muestral para este problema viene dado por Ω = w = (w1 . wi2 ∈ B. que corresponde al caso a ≤ b. 2 . ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. invertir´ en el otro tipo. para a > b. FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. w2 ) : wi = (wi1 . B1 ∩ B2 = ∅. Si en tal inversi´n obtiene beneficios. 1]}. y si invierte en V2 tiene una probabilidad de 0. w2 ∈ [0.8 de conseguir 12 millones. Teniendo en cuenta lo anterior. An´logamente. est´ dispuesto a volver o a a invertir en el mismo tipo de valor. cuando a ≥ b. V2 } . w2 − 2 · w1 < 0. se tiene que B = B1 ∪ B2 .6 de obtener 16 millones de beneficio. y B2 = {w = (w1 . B . w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . w1 . 1]}.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. Adem´s. wi1 ∈ {V1 . w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . Si invierte en V1 tiene una probabilidad de 0. el a a resultado es P (B) = 1/8. w1 . se a tiene que el ´rea deseada corresponde a dos tri´ngulos que forman a a un tri´ngulo rect´ngulo de base 1/2 y altura 1/2. i = 1. w2 ∈ [0. Por lo tanto. w2 − 2 · w1 ≥ 0.

6 · 0. un suceso elemental del e ıa tipo w = (w1 . entonces repite con el tipo de valor. Estos sucesos constituyen una partici´n del espacio Ω. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.8 · 0.4 = 0. w22 = B . 1. Por tanto. B . Si.5 − 0. el espacio Ω no es equiprobable.5 − 0.8 · 0. con k = 1.4. Se procede de forma an´loga con los dos sucesos restantes. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0.6 · 0. con k = 1. obtea ni´ndose que e P (M2B ) = 0. P (M2B ) = 0. 2.5 = 0. P (M1B ) = 0.5 = 0. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0.6 · 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables.8 · 0. por ejemplo. w12 = B} . o Definamos tambi´n los sucesos NkB = “No obtiene beneficios con e una segunda inversi´n en Vk ” y NkB = “Obtiene beneficios con una o segunda inversi´n en Vk ”.8 + 0.5 · 0. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo.5 · 0.5 · 0. con w1 = V1 . 2. y MkB = {w ∈ Ω : w11 = Vk . que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . w22 = B} . w2 ).4 = 0. Se tiene que MkB = w ∈ Ω : w11 = Vk . respectivamente.24. y NkB = {w ∈ Ω : w21 = Vk . B).i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. tendr´ probabilidad cero. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”.2.3.5 · 0.6 + 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. De esta forma. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. Adem´s.3 = 0.1.48. obtiene beneficios. i i i i .2 = 0. w12 = B . respectivamente. por el contrario. w2 = (V1 .

000 ptas.8) · 0. si coinciden las 4 cifras. 2.472.2/0.3/0.000. ıda a El n´mero que se forma con las bolas acaba en 380. con P (M1B |N1B ∪ N2B ) = P (N1B ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0. cuyo ıa.6 + 0) · 0. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . 3. 3. seg´n el experimento previo. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. La cuant´ (no acumulable) de los ıa premios es de: 2. 200. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0.72.000 ptas.51] Una urna contiene 10 bolas numeradas del 0 al 9. Se extraen 4 bolas una a una con reemplazamiento.2222.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. 2.000 ptas. y tambi´n e P (M1B |N1B ∪ N2B ) ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = = P (N1B = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0 + 0. si coinciden las 2 ultimas o ´ ´ i i i i . La primera bola extra´ est´ numerada con 3 y la segunda con 0. sorteo consiste en extraer 4 bolas. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo..000 ptas. 73 Utilizando los sucesos definidos en el apartado anterior. calcular la probabilidad de los siguientes sucesos: 1. u El n´mero que se forma con las bolas es mayor que 3571. 20. si coinciden s´lo las tres ultimas cifras.72 = 0. u Supongamos una loter´ en la que cada boleto cuesta 1. P2.25.72 ∼ 0. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.

i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w2 = 5. supongamos que y es el n´mero del boleto comprau do. 2. equiprobable y tiene un total de |Ω| = 104 elementos. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w4 > 1} . para i = 1. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . y2 . . 4. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. Si suponemos una loter´ con boletos de 1000 pesetas en la que se obtieıa nen premios de diferente cuant´ seg´n el n´mero de cifras que coinciden ıa u u con el n´mero extra´ en el sorteo. w2 . w4 = 0} . . . 2. si coincide la ultima cifra. y3 e y4 . Para ello. 1. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. A = {w ∈ Ω : w1 = 3. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. 3. 3. y consta de las cifras siguientes: y1 . 4. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3.6428. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. w4 ) : wi = 0. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. donde los sucesos Ci son disjuntos.01. 9. B = {w ∈ Ω : w2 = 3. w2 > 5} ∪ {w ∈ Ω : w1 = 3. i = 1. w3 . y 2. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı.000 ptas. w2 = 0} . para todo i = j} . Finalmente se obtiene que P (C) = 6428/104 = 0. 3. 2. w3 > 7} ∪ {w ∈ Ω : w1 = 3. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . 1.001. w3 = 8. w3 = 7. w2 = 5. .

con el boleto que ha comprado. 5} . donde wi representa el n´mero de la bola de la i-´sima extracci´n. Hallar la probabilidad de los siguientes sucesos: 1. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. Este espacio es equiprobable. . ∀j = 4 − i + 1. . u Se selecciona una bola con n´mero impar la segunda vez. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 3. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. no es rentable jugar a esta loter´ puesto que el dinero que ıa. Se selecciona una bola con n´mero impar la primera vez. y se supone que existe aleatoriedad uniforme. 3. 2.8. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . 3.52] Una urna contiene cinco bolas numeradas del 1 al 5. 3. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. con i = 1. 104 Finalmente. i i i i . ∀k = j}. . Se extraen dos bolas una a una sin reemplazamiento. 2. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. Por otra parte. w1 = w2 } . w2 ) : wi ∈ {1. |Ω| 104 = P (Ai ) = para i = 1. P2. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 4. u Generalizar el problema al caso de que la urna contenga n bolas. para el n´mero premiado en el sorteo. para u e o i = 1. 4. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. con |Ω| = 20. u Se seleccionan las dos bolas con n´mero impar. 2. 104 Por lo tanto. 2. 4. wk = yk .918. 4. 2. numeradas de 1 a n. .

An´logamente al apartado anterior. w2 ∈ {1. 2 2. 3. w2 ) : wi ∈ {1. para todo i = 1. resulta a P (B) = 3·2+2·3 3 = . numeradas de 1 a n. w1 = w2 } . y se han de distinguir dos casos: Si n es par: 1. n} . 20 5 3. De forma an´loga resulta a P (B) = 1 . n · (n − 1) 2 n 2 n . . Se tiene por tanto: 3·2 3 P (C) = = . . Definamos el suceso C = {w ∈ Ω : w1 . 5}}. 5}} . w2 ∈ {1. Aplicando la regla de Laplace se obtiene que P (A) = 3·4 3 = . 5}} ∪ {w ∈ Ω : w1 ∈ {2. . 3. Aplicando la regla de Laplace se obtiene que P (A) = · (n − 1) 1 = . 20 10 En el caso general de que la urna contenga n bolas. 2 i i i i .i i i “libroult” 2001/8/30 page 76 i 76 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. 5}} . 5}} = {w ∈ Ω : w1 . Representemos por B al suceso “Se selecciona una bola con n´mero u impar la segunda vez”. Sea el suceso A = “Se selecciona una bola con n´mero impar la u primera vez”: A = w ∈ Ω : w1 = 2 · i − 1. w2 ∈ {1. utilizaremos el espacio muestral Ω = {w = (w1 . 3. 3. 3. . . . Sea el suceso A = “Se selecciona una bola con n´mero impar la u primera vez”: A = {w ∈ Ω : w1 ∈ {1. con |Ω| = n · (n − 1). Representemos por B al suceso “Se selecciona una bola con n´mero u impar la segunda vez”: B = {w ∈ Ω : w2 ∈ {1. . . 4} . 20 5 2.

se puede concluir que para calcular estas probabilidades se ha de distinguir si el n´mero de bolas es par o u impar. w2 = 2 · i − 1. otra contiene una o moneda de plata en cada caj´n. finalmente. . ¿Cu´l es la probao a bilidad de que el otro caj´n contenga una moneda de plata? o Soluci´n: o Numeremos las cajas: la caja 1 es aquella caja con 2 monedas de oro. FUNDAMENTOS DE PROBABILIDADES 3. puesto que de un caso a otro las probabilidades difieren. n · (n − 1) 4·n A la vista de los resultados obtenidos. . y al abrir aleatoriamente un caj´n. 2·n · n+1 − 1 n+1 2 = . 2. An´logamente a P (B) = 3. . y una moneda de plata en el otro caj´n. las monedas de i i i i . ¿cu´l es la probabilidad de a que la caja seleccionada contenga monedas de diferentes metales? Se selecciona aleatoriamente una caja. . . (n + 1) /2} . el suceso A = {w ∈ Ω : w1 = 2 · i − 1. se obtiene que ´ P (C) = (n+1) 2 n+1 2 n 2 77 · n −1 n−2 2 = . Por ultimo. En este caso. P2. Se selecciona aleatoriamente una caja. obteni´ndose por lo tanto que e P (A) = 2. Definamos el suceso C = {w ∈ Ω : w1 . . nos encontramos con una moneda de oro. n · (n − 1) 4 · (n − 1) · (n − 1) n+1 = . La probabilidad pedida es P (C) = Si n es impar: 1. e Una caja contiene una moneda de oro en cada caj´n. y la tercera una moneda de oro en un o caj´n. . n · (n − 1) 2·n n+1 .53] Se dispone de tres cajas id´nticas y cada caja contiene dos cajones. para todo i = 1. o o 1. para todo i = 1. la 2 es la que tiene 2 monedas de plata y. . n/2} .i i i “libroult” 2001/8/30 page 77 i CAP´ ITULO 2.

i = 1. por lo que el suceso A3 es equivalente a “La caja seleccionada tiene monedas de diferentes metales”. O)}) + P ({(3. i = 3. P (Ac ∩ B). En nuestro caso. Se sacan dos bolas una a una con reemplazamiento. P )}) = P (Bo |A3 ) · P (A3 ) + P (Bp |A3 ) · P (A3 ) = 1 1 1 = 2· · = . por ejemplo. P )}) = 0. es: P (A3 |Bo ) = = P (Bo |A3 ) · P (A3 ) = P (Bo ) P (Bo |A3 ) · P (A3 ) 3 i=1 = P (Bo |Ai ) · P (Ai ) 1· 1 3 ·1 3 +0· 1 + 3 1 2 1 2 · 1 3 = 1 . 3} . Sean tambi´n los e o sucesos Bo = “La moneda en el caj´n escogido de forma aleatoria en la caja seleccionada es de oro”y Bp el correspondiente a una moneda de plata. n} . ıda e con i = 1. pues. pero P ({(1. P (Ac ∩ B c ) y las probabilidades condicionadas P (A|B). P ({(1. 1. P (A ∩ B c ). siendo igual a b si la bola es blanca y n si es negra. Este espacio o muestral no es equiprobable. 2. Sea A el suceso: “la primera bola extra´ ıda es blanca”. w2 ∈ {O. 2} . Calcular P (A ∩ B). la caja en la que se encuentran es la B. 2 3 3 2. Por lo tanto. w2 ) : wi ∈ {b. y B el suceso: “al menos una de las dos bolas extra´ ıdas es blanca”. 3 P2. Sea entonces el espacio muestral Ω = {w = (w1 .´simo lugar. donde cada wi representa el color de la bola extra´ en i.54] Una urna contiene 8 bolas blancas y 4 bolas negras. 2. 2. donde w1 representa la caja escogida y w2 el metal de la moneda que contiene un caj´n de esa caja escogido de forma aleatoria. Se tiene entonces que: P (A3 ) = P ({(3. P (A|B c ). P (B|A) y P (B|Ac ). Si uno de los cajones contiene una moneda de oro y el otro una de plata. Sea el suceso Ai = “Se selecciona la caja i”. i = 1.i i i “libroult” 2001/8/30 page 78 i 78 EJERCICIOS RESUELTOS DE PROBABILIDAD diferente metal (una de oro y otra de plata) se encuentran en la caja 3. w2 ) : w1 ∈ {1. Este i i i i . P }} . O)}) = 1/3. la probabilidad pedida. 3. Soluci´n: o Un espacio muestral para este problema es Ω = {w = (w1 .

b)} . Ac ∩ B = {(n. 3 = P ({(n.55] Se lanza una moneda tres veces y en una urna vac´ se ponen tantas ıa bolas blancas como n´mero de caras obtenidas y tantas negras como el u n´mero de lanzamiento en que se obtiene cruz por primera vez. (b. ya que. si es que u se obtiene alguna. Por lo tanto. ¿Cu´l es la probabilidad de que sean a de distinto color? Si son de distinto color. P (B) 1 − P (B c ) 4 P (A ∩ B c ) = 0. las probabilidades condicionadas son: P (A|B) P (A|B c ) P (B|A) P (B|Ac ) = = = = P (A ∩ B) P (A ∩ B) 3 = = . Se tiene que: A ∩ B = A = {(b. b)}) = (8/12) . b)}) + P ({(b. c) P (A 3 P2. n)} . P (B c ) P (A ∩ B) = 1. Soluci´n: o i i i i . P ({(b. ¿Son independientes el n´mero de bolas blancas y el n´mero de bolas u u negras? ¿Son condicionalmente independientes dado que en la urna hay m´s de tres bolas? a Se sacan dos bolas de la urna. por ejemplo. b) . 2 . A ∩ B c = ∅. 9 Una vez visto esto.i i i “libroult” 2001/8/30 page 79 i CAP´ ITULO 2. n)}) = = 0. P (A) P (Ac ∩ B) 2 = . se calculan las probabilidades correspondientes. b)}) = = 1 . 1. y resulta: P (A ∩ B) P (A ∩ B c ) P (Ac ∩ B) P (Ac ∩ B c ) = P ({(b. Ac ∩ B c = B c = {(n. ¿cu´l es la probabilidad a de que la urna quede vac´ ıa? 2. 9 2 3 2 + 2 1 · 3 3 = 2 . pero P ({(b. n)} . n)}) = 8/12 · 4/12. FUNDAMENTOS DE PROBABILIDADES 79 2 espacio no es equiprobable.

w3 ) : wi ∈ {C. A21 = {(X. En el caso de que j = 2. Se tiene. para cualquier valor de k = 0. 3 y A·m = “En la urna hay m bolas negras”. C. C) . 3. Por otra parte. X)} . 3} . para i = 1. 2. sea el suceso B = “La urna tiene m´s de 3 bolas”= a A22 ∪ A23 . 1. con k = 0. k = 0. 2. X. (X. X)} . 1. 1. X. 2. X} . Definamos tambi´n los sucesos Al· = “En la urna hay l bolas blancas”. 2. 3 . A11 = {(X. Supongamos que j = 2. 1. por lo que P (A2· ∩ A·3 ) = P (A2· ) · P (A·3 ). 3. Veamos todos los casos posibles. se tiene que P (A2· ∩ A·k |B) = P (A2k |B) = y adem´s P (A2· |B) = 1 y a P (A·k |B) = 1 = 1/2 0 si k = 2. por ejemplo. i = 1. w2 . X. para m = 0. X. 3. para cualquier valor de k.i i i “libroult” 2001/8/30 page 80 i 80 EJERCICIOS RESUELTOS DE PROBABILIDAD Un espacio muestral para este problema es Ω = {w = (w1 . 3. donde wi representa el resultado del i-´simo lanzamiento de la moneda: C e si es “cara”y X si es “cruz”. 2. X)} . Se tiene as´ que los unicos ı ´ sucesos distintos del vac´ ser´n: ıo a A30 = {(C. Se concluye as´ que el n´mero de bolas blancas y el n´mero ı u u de bolas negras no son independientes. para j. De esto y de lo obtenido anteriormente para j = 2 se tiene que el n´mero de bolas blancas y el n´mero de bolas u u negras en la urna son condicionalmente independientes dado que en la urna hay m´s de tres bolas. C)} . que P (A2· ∩ A·3 ) = P (A23 ) = 1/8. A22 = {(C. y adem´s P (Aj· |B) = a 0. con |Ω| = 23 = 8. Definamos los sucesos Ajk = “En la urna hay j bolas blancas y k negras”. P (A2· ∩ A·k |B) = P (A2· |B)·P (A·k |B) . C. a i i i i . 2. 2. luego P (Aj· ∩ A·k |B) = P (Ajk |B) = 0. A12 = {(C. por lo que P (Aj· ∩ A·k |B) = P (Aj· |B) · P (A·k |B) = 0. C. 3 . A23 = {(C. Este espacio es equiprobable. 1. C. en caso contrario Por lo tanto. 3. C)} . pero P (A2· ) = 3/8 y P (A·3 ) = 1/8. X)} . C)} . A01 = {(X. en caso contrario 1/2 0 si k = 2. 1. e para l = 0.

i = 1. Sean tambi´n los sucesos Bi = “De las dos bolas extra´ e ıdas. se tiene que la probabilidad de que la urna quede vac´ despu´s de extraer una ıa e bola blanca y una negra es: P (A11 |B1 ) = 1· 1 10 P (B1 |A11 ) · P (A11 ) = 234 = . resultando una probabilidad P (B0 ) = 1 · 8 2 2 4 2 + 3 2 5 2 + 2 2 3 2 = 1 . y dado que no importa el orden en que ´stas se extraigan. w2 . 2} . 2. x = 0. X} . se tiene que: P (B0 ) = P (B0 |A30 ) · P (A30 ) + P (B0 |A21 ) · P (A21 ) +P (B0 |A22 ) · P (A22 ) + P (B0 |A23 ) · P (A23 ) +P (B0 |A11 ) · P (A11 ) + P (B0 |A12 ) · P (A12 ) +P (B0 |A01 ) · P (A01 ) . 1. podemos definir e el espacio muestral Ω = {w = (w1 . donde x representa el n´mero de bolas blancas en una extracci´n de u o dos bolas de una urna formada seg´n el resultado de las 3 tiradas. 1. 10 Procediendo de manera an´loga se llega a que P (B2 ) = 1/5. w3 .i i i “libroult” 2001/8/30 page 81 i CAP´ ITULO 2. para i = 0. 3. Sea el suceso A = “Las dos bolas extra´ ıdas son de distinto color”. 10 Si las dos bolas extra´ ıdas son de distinto color. P (B1 ) 23 40 donde P (B1 ) se ha calculado de forma an´loga a P (B0 ) . u Este espacio no es equiprobable. 81 Suponiendo que las dos bolas se extraen sin reemplazamiento. y utilizando los sucesos definidos en el apartado anterior para aplicar el teorema de las probabilidades totales. la urna quedar´ vac´ a ıa s´lo si antes de las extracciones ten´ 1 bola blanca y 1 negra. x) : wi ∈ {C. y usando los sucesos definidos anteriormente. Por lo tanto: P (A) = 1 − P (Ac ) = 1 − [P (B0 ) + P (B2 )] . Por o ıa lo tanto. 2. a i i i i . FUNDAMENTOS DE PROBABILIDADES 2. De este a modo 7 P (A) = 1 − [P (B0 ) + P (B2 )] = . i son blancas”.

1. 2. 4 y j = 0. 4.2 1 − 0.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. ya no le sobrar´ ninguna bala. Sin embargo. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. 2. 1. f } . Calcular la probabilidad de que sobren dos balas en total. N´tese que si a un a o tirador le sobra alguna bala.25 = 1. Probabilidad de que alguno de los tiradores consuma toda su munici´n. La probabilidad de acertar en el objetivo con cada tiro es de 0. 5. 2. o 2.8. 2. significa que ha acertado.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. wi2 ) . se tiene que 4 4 P (A) = = = 1− i=1 4 P (Ac ) = 1 − i0 i=1 [1 − P (Ai0 )] = 1− i=1 4 1 − 0. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . que ser´ a si acierta y f si falla. Cada tirador dispone de seis balas. w4 ) : wi = (wi1 . ´ 1. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. w2 . 3. para todo i = 1. e para i = 1. 2794 · 10−3 i=1 1− i i i i . 3. a sea cual sea el resultado para esta ultima. 1. Un tirador deja de disparar al alcanzar el blanco.8. 4. 3. Si todos los tiradores consumen la munici´n. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 5. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3.8 + 0. 2. y wi2 es el resultado que ha obtenido. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. wi2 ∈ {a. 3. 4}.25 · 0.25 · 0. para todo i = 1. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . w3 . cada uno sobre uno. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. 4. si no le sobra ninguna. 3. wi1 = 0.

por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0. 83 Definamos los sucesos Bi = “El tirador i acierta”. para i = 1. 2.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.2) · 0. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.2) 3 5 3 = (0.8 0. que disparan de forma independiente.2) · (0.2 · (0. 4 4 = = 3. entonces.8.2) = 4 · (0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.84 = 0.8 + 6 · (0. 8455 · 10−12 .8 · (0.8) = 1.8 + C4.2) 18 · 0. resulta: P (C) = C4.2) 4 2 5 2 = (0. y teniendo en cuenta.1 · (0.2) 18 18 · (0.2) · 0. FUNDAMENTOS DE PROBABILIDADES 2. i i i i . por lo que si vemos estos dos casos para dos tiradores concretos. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. teniendo en cuenta todos los casos posibles. 3. Todos los tiradores tienen la misma probabilidad de acertar.8) . y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.2) 18 18 · 0.8) = 2 2 · 0.8 · (0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.25 · 0. como siempre.4096. Por lo tanto. Los tiradores disparan de manera independiente. = 0.2) ·(0. podemos luego extenderlo a todos. 4.

i i i “libroult” 2001/8/30 page 84 i i i i i .

ahora con dominio o o o tambi´n real. P ). 2. 3. ya que siempre es posible dise˜ar un espacio o o n muestral con una probabilidad y una variable aleatoria cuya funci´n de distrio buci´n sea F . dada una funci´n real F cualquiera tal que: o 1. una variable aleatoria ξ sobre Ω es una funci´n real que act´a como un “aparato de medida” sobre los sucesos o u elementales: ξ : Ω −→ IR w −→ ξ (w) Se llama funci´n de distribuci´n de ξ a otra funci´n real. tal que: e Fξ : IR −→ IR x −→ Fξ (x) = P ({w ∈ Ω : ξ (w) ≤ x}) En general. A. F continua por la derecha. o Atendiendo a la forma de su funci´n de distribuci´n.i i i “libroult” 2001/8/30 page 85 i CAP´ ITULO 3 Distribuciones de probabilidad Dado un espacio probabil´ ıstico (Ω. x→−∞ lim F (x) = 0. x→+∞ F no decreciente. lim F (x) = 1. se dice funci´n de distribuci´n. las variables aleatorias o o reales pueden ser clasificadas en tres tipos: 85 i i i i .

i i i “libroult” 2001/8/30 page 86 i 86 EJERCICIOS RESUELTOS DE PROBABILIDAD Discretas: Pueden tomar un n´mero discreto (finito o numerable) de valores u reales. 2. t∈ξ(Ω) E [ξ] = t · fξ (t) · ∂t. Denotaremos por F (y − ) al l´ ımite de F (x) cuando x se aproxima a y por la derecha. para todo x ∈ IR. que pueden ser acotados o no acotados. se llama funci´n de densidad a: o x fξ (x) tal que Fξ (x) = −∞ fξ (t) · ∂t. si la variable aleatoria es continua. Dada una variable aleatoria discreta ξ. Funci´n generatriz de momentos de ξ: o Gξ (t) = E etξ . se define: 1. Funci´n caracter´ o ıstica de ξ (esta funci´n siempre existe): o ϕξ (t) = E eitξ . Se llama esperanza de una variable aleatoria ξ a: E [ξ] = k∈ξ(Ω) k · Pξ (k). se llama funci´n de probabilidad a: o Pξ (k) = P ({w ∈ Ω : ξ (w) = k}) . Funci´n generatriz de probabilidades (o funci´n generatriz de momentos o o factoriales) de ξ discreta: φξ (t) = E tξ . 2 Dada una variable aleatoria ξ. para todo k ∈ IN. si la variable aleatoria es discreta. Dada una variable aleatoria continua ξ. Mixtas: Son combinaciones de las dos anteriores. 3. Se llama varianza de una variable aleatoria ξ a: V [ξ] = E (ξ − E [ξ]) 2 = E ξ 2 − (E [ξ]) . i i i i . Continuas: Pueden tomar todos los valores de uno o varios intervalos de la recta real.

4. Si un determinado d´ se realizan ıa 20 matr´ ıculas. mientras que el otro 40 % lo hacen en carreras de Humanidades. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. . DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. 5. haya al menos 8 matr´ ıculas en Ciencias.8725 = 0. 3.410 · (1 − 0. 3. 4. no haya m´s de 12 matr´ a ıculas en Ciencias. . se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0.4) . La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. en total haya al menos 6 en Ciencias m´s que en Humanidades.4) = 0. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. . 10 2. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades.4.4k · (1 − 0. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 20 20−k · 0.11714. siendo: a P (ξ = k) = 1. Si las cinco primeras matr´ ıculas son de Humanidades.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. 20. i i i i . 2.6 = 0.9790. .1275. para todo k = 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. calcular la probabilidad de que: 1. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0.

Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k. 1 − a k (1 − x) ≥ 0. P3.4. 2]. en o o ese caso. podemos definir una nueva variable η.5851. 1]) = P ([1/2. 2]) = = P ([1/2. Ya que k > 0. F es funci´n de distribuci´n. b) La probabilidad de que en total haya al menos 6 matr´ ıculas en Ciencias m´s que en Humanidades es: a P (η ≤ 2) = Fη (2) = 0. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. ∂x Adem´s.4159 = 0. se tiene que ∂F (x) = k > 0.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. tambi´n binomial. 1] ∩ [1/2. k≤ x Calcular la probabilidad de [1/2. 2]) P ([1/2. 0 ≤ x < k cuando k ≤ 1.4032. pero con par´metros n = 20 − 5 = 15 e a y p = 0. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. calculemos la probabilidad pedida: o P ([1/2. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . por lo que se tiene que. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. 2]) P ([1/2. 5. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. 1] condicionada por [1/2. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. De esta forma: a) La probabilidad de que en total haya igual n´mero de matr´ u ıculas en Ciencias que de matr´ ıculas en Humanidades es: P (η = 5) = Fη (5) − Fη 5− = 0. 1 − k(1 − x).i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. o o Bajo la condici´n 0 < k ≤ 1. las cinco primeras son en Humanidades.0271. En particular. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. Sin embaro o go. debe verificarse que F (x) ≥ 0. 0 ≤ x < k. 0 ≤ x < k F (x) =  1. para todo x. 1] | [1/2.

4])−P ((−∞. 5])−P ((−∞. [−2. 1]. [−2. 2] = P ((−∞. calculemos las probabilidades que se piden: √ 2. 0)) = 5/16 − 4/16 = 1/16. IN. 4)) − P ((−∞. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. √ √ √ P ( 2. 4] = P ((−∞. 1]. P ([0. [ 2. { 2}.   1. P (IN) = 0. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. P ([0. √ P ((−∞. √ √ √ √ P [ 2. Q ∩ [0. [1. Soluci´n o Las probabilidades que se piden son: i i i i . 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. 1]) − P ((−∞. P3. [0. 3}. 2] −P (−∞. [2. 2. P (I ∩ [0. 2). √ P ([2. 3].4] Sea la probabilidad en IR dada por P ((−∞. 5). 1]) = 0. 2]) − P ((−∞. {0}.   (x + 4)/16. [0. {4 + 2}. 5))−P √ ((−∞. 2]. {1. Q P ([−2. 8]) − P ((−∞. x]) = ex /2. 1 − e−x /2. 1}.3] Sea la probabilidad en IR dada por   0. 0)) = P ((−∞. 8]) = P ((−∞. 1]) = P ((−∞.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. 2] − Q. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 4) = P ((−∞. 8]. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. x]) =  (x − 2 + 4)/8. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 1}) = 0. 4). excepto en el punto o o Teniendo eso en cuenta. 0)) = 4/8 − 4/16 = 1/4. P ({0. 1]. DISTRIBUCIONES DE PROBABILIDAD P3. {0. 5)) = P ((−∞. √ √ P [0. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 2)) = 1 − 6 − 2 /8. 4]. los √ √ ( 2.

P ({0}) = P ((−∞.504. P ({1.4. i i i i . [0. y]) = xy(x + y)/2 si 0 ≤ x. y]) = P ((−∞. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 1]) − P ((−∞. 0. 0.3 + 0. a] × (−∞. 0]) − P ((−∞.4. (0.5} . 0.5) × (0. [0. Calcular las probabilidades de (0. x] × (−∞. 0. P ([0.6]2 ∪ [0.4 · (0. x] × (−∞.4·0. 3]) − P ((−∞. 3}) = 0.5 · (0. 0. c]). 1) .4. 0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .4 + 0. .5) /2 −0. P [0.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.4) /2] + 0. 2)) = P ((−∞. 0. b] × (−∞.4) × [0.5}) = 0. d]) + P ((−∞.42 ·(0. y]) = P ((−∞. P ([−2.8] × {0. x) × (−∞.5 + 0.4) × [0. puesto que: a P ((−∞.4 + 0.25. 2)) − P ((−∞.4 · (0. P ((0.3. .5 · (0.5) /2 + 0. a] × (−∞.4.4. c]) −P ((−∞. De esta forma se obtiene que: P ((0. 3]) = P ((−∞. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2.2.2.4) /2− 0. 1)) = 0. x] × (−∞. 0.5.3. b] × (−∞.4) /2 = .5·(0.5. y ≤ 1.3 · 0. 2. d]) − P ((−∞. b] × [c. y)) .5 · 1 · (0. 1]) = P ((−∞. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. estas probabilidades se calculan de manera an´loga.5) /2 − 0 = .4 + 0.5] Sea la probabilidad en IR2 : P ((−∞.4 · 0. teniendo en cuenta que: P ([a.00 8.8] × {0. 1]2 {(x. P3. y) : x + y ≤ 1}. 0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. P ([1.2.5]) = 0.4) /2 = 0.5) × (0. d]) = P ((−∞. 0)) = 1/2 − 1/2 = 0.5 · 0.4 · (1 + 0.3 · 0. 0. [0.5 + 1) /2 − 0. x) × (−∞.3 + 0. y)) = P ((−∞.8]2 En caso de que el intervalo sea abierto o semiabierto.

i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.2 + 0.6) /2 − 0.4 + 0.6 · (0.4. P ({(x. 1] con im´genes a trav´s de ξ en (−∞.22 · (0.28. t + 1/2]) = 2t.8]2 −P [0. si t < 0 2t. Si 0 ≤ t < 1/2.42 · (0. 0.6) +0.42 · (0. 0.8) /2 − 0.1.6]2 ∪ [0. y) : x + y ≤ 1}) = P [0. entonces Fξ (t) = P (φ) = 0.2) /2 + 0.4 · 0. i i i i . entonces Fξ (t) = P ([0.6]2 + P [0. t] ∪ [1/2. P3. a e P [0.4 + 0. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4. 0. 1] : ξ (x) ≤ t}) .6]2 ∩ [0. entonces Fξ (t) = 1 Por lo tanto.6]2 + P [0.2 + 0.8 · (0.4) /2 = 0.6]2 = 0. 0.4. 0.4. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3.8) + 0.2.6) /2 − 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad.6) + 0.8 + 0.2.6 + 0. 0.2.4 + 0.62 · (0. 0.4 · 0. conviene distinguir varios casos: Si t < 0.8]2 = P [0. si 0 ≤ t < 1/2 Fξ (t) =  0.8]2 = P [0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2. representada o en la figura 3.8]2 −P [0.1: Puntos de [0. 0. t]. Si t ≥ 1/2.2 · 0.2. 0. se tiene que:   0.4) /2 + 0.6 + 0. si t ≥ 1/2.4 + 0. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0.6 · (0.4.62 · (0.82 · (0.

w5 . 2. w2 . 5} \ {k} y wk = 5. 5} \ {k} y wk = 2. i i i i . k son aquellos elementos de Ω tales que wi = 1. donde {w : ξ(w) = 30} = {(6. 3. w5 ) : wi ∈ {1. 6. . Definamos: Ω = {w = (w1 . 5. cuyos sucesos elementales son equiprobables. 5} . definida como: 5 ξ (w) = i=1 wi . w5 . 5. 6. {w : ξ(w) ≥ 29} = {w : ξ(w) = 29} ∪ {w : ξ(w) = 30}. 2Ω . 4. 6. w2 . Sea ξ la variable aleatoria que nos indica la suma de los valores de sus caras. . 4. 5. ∀i = 1. w3 . 2. w3 . 6. 6)} . . para todo w ∈ Ω. {w : ξ(w) = 4} = φ. donde cada wi representa el resultado del i-´simo lanzamiento del dado. w2 . {w : ξ(w) = 30} = {(6. 4. es conveniente definir un espacio para la variable que se va a utilizar. . e con i = 1. . w4 .i i i “libroult” 2001/8/30 page 92 i 92 y por lo tanto: EJERCICIOS RESUELTOS DE PROBABILIDAD   0. w4 . . 3. . w3 . k son aquellos elementos de Ω tales que: wi = 6. 6} . si t < 0 si 0 ≤ t < 1/2 si t ≥ 1/2 P3. w5 . {w : ξ(w) = 30}. 6. . P . k = 1.7] Un dado es lanzado 5 veces. . donde los elementos k k k k k wk = w1 . Soluci´n o Antes de hallar los conjuntos que se piden. Hallemos los conjuntos que se piden: Evidentemente. . 6. w3 . k = 1. w2 . para todo i ∈ k {1. 2. w4 . para todo i ∈ k {1. {w : ξ(w) = 6} = w1 . 3. . . Los elementos k k k k k wk = w1 . 6)} y {w : ξ(w) = 29} = w1 . Hallar los siguientes conjuntos: {w : ξ(w) = 4}. {w : ξ(w) ≥ 29}. Sobre dicho espacio se considera la variable ξ. w5 . w3 . . w2 . . Sea el espacio de probabilidad Ω. {w : ξ(w) = 6}. w4 . . w4 . . fξ (t) =  1. 5. 2.

igual a 6 minutos. para todo x ≥ 0. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. o o 1.9] Demostrar que F (x) = buci´n.8] Supongamos que la duraci´n en minutos de las llamadas telef´nicas sigue o o una distribuci´n dada por la funci´n o o Fξ (x) = 1 − e−x/3 2 − e− x/3 2 . Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. superior a 6 minutos. 2. Por otra parte: P (ξ = 6) = P (ξ ≤ 6) − P (ξ < 6) = Fξ (6) − Fξ 6− = 1− e−6/3 e− 6/3 e−2 + =2· = e−2 . Soluci´n o Sea ξ una variable aleatoria con la distribuci´n indicada en el enunciado o que mide la duraci´n (en minutos) de una llamada telef´nica. 2 2 2 = 1 − e−2 − l´ ım x P3. por lo que l´ ım F (x) = 0. que F (x) = 0 para todo x < 1. 2 2 2 e− x/3 e−x/3 − = 2 2 x→6− e−2 e−1 e−1 − e−2 = 1 − e−2 − 1 + + = . para todo x ≥ 1. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. o Soluci´n o n=1 1/2n . DISTRIBUCIONES DE PROBABILIDAD 93 P3. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. ya que no se indica nada al respecto. i i i i . Se supone. x→−∞ x 2.

Por lo tanto. 2/2) 3. para todo x ∈ (0. Se han de distinguir dos casos: a) Si k > 0. 2. f (x) = kxe−kx . es decir. para todo 1 ≤ x1 ≤ x2 . k ≤ 1/2. lo que es 1 si k = 1/π.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. se concluye que F es mon´tona. lo que es uno si k = 1. para todo x. para todo x ≥ n 1. Calcular la esperanza. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. 3. Es claro que F (x) ≥ 0. Adem´s. 0898. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. la funci´n de densidad es una recta con pendiente o positiva. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . 4. +∞ −∞ P3. la moda y la mediana de ξ. 1]. para todo x ∈ [−1. Debe verificarse que fξ (x) ≥ 0. P3. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . o Comprobemos en cada caso la segunda condici´n. o 1. o 5. 1]. f (x) = k/ 1 − x. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. 1/2 3. para todo x < 1. a ya que F (x) = 0.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. F es continua por la derecha en todo punto de la recta real. para todo x ∈ [−1. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. lo que es 1 si k = 1. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). para todo x > 0 √ √ 2. Por lo tanto. f (x) = k/(1 + x2 ).i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. i i i i . f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. 1. o 2.

Ya que ´sta o e es una funci´n derivable en el intervalo [−1. en el caso de que k = 0. la recta tiene ahora pendiente negativa. se obtiene que: a) b) c) Si k > 0.i i i “libroult” 2001/8/30 page 95 i CAP´ ITULO 3. as´ que. 2. 3 9 y se comprueba que esto se maximiza cuando k = 0. 1/2]. k debe pertenecer al intervalo o [−1/2. y conociendo. para cualquier valor a de k. luego k ≥ −1/2. por el segundo apartado del problema. Calculemos la esperanza de la variable ξ: 1 1 E [ξ] = −1 x · fξ (x) · ∂x = −1 x · (kx + 1/2) · ∂x = 2k . 3 De este modo. En el caso que nos ocupa: 1 1 P (ξ ≥ Me) = Me fξ (x) · ∂x = Me 2 (kx + 1/2) · ∂x = √ y esta probabilidad es igual a 1/2 si Me = −1 + 1 + 4k 2 /2k. Por otra parte. por lo que es necesario que fξ (1) = k + 1/2 ≥ 0. Si k = 0. la mediana es un valor Me tal que P (ξ ≥ Me) ≥ 1/2 y P (ξ ≤ M e) ≤ 1/2. obtenemos que: V (ξ) = 1 − 3 2k 3 2 = 1 4k 2 − . Si k < 0. 1] . que E [ξ] = 2k/3. entonces Me = 0. la moda es cualquier punto en el intervalo [−1. La moda es el valor que maximiza la funci´n de densidad fξ (x). entonces la moda de la variable ξ es 1. i i i i . 1 Se comprueba adem´s que −1 fξ (x) · ∂x = 1. el signo de la constante k. La varianza de la variable ξ es V (ξ) = E ξ 2 − (E [ξ]) . de acuerdo con esto y lo visto anteriormente. para calcular la moda debemos tener en cuenta. al igual que en el primer apartado. para ı que fξ (x) sea funci´n de densidad. la moda es −1. 3 Por otra parte. Se tiene que E ξ2 = 1 −1 2 k 1 (Me) Me + −k· − . N´tese que si k = 0. 1]. y adem´s su derivada o a es igual a k. o 3. 2 2 2 2 x2 · fξ (x) · ∂x = 1 −1 x2 · kx + 1 2 · ∂x = 1 . DISTRIBUCIONES DE PROBABILIDAD b) 95 Si k < 0.

72x · ∂x = 0. E[2ξ + 5ξ 2 − ξ 3 ]. 0 0.3 = 0 2x4 · ∂x + 0. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3. E ξ 2 y E ξ 3 . Soluci´n o 1. 57144. para cualquier otro valor 1.8 0. Determinar la funci´n generatriz de momentos de ξ.8 0. i i i i .8 1. 2. 71933.8 1. los tres primeros momentos ordinarios. La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2. E [ξ] = E ξ2 0.3  0. Utilizar (1) para encontrar la media y la varianza de ξ. Los tres primeros momentos ordinarios son E [ξ] . 1764 · 10−2 . 3.8 < x ≤ 1.6092 − (0.3 2x2 · ∂x + 0. 6092. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. 71933) = 9.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .3 Calcular: 1.3 = 0 2x3 · ∂x + 0.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0.72   0 x > 1. Teniendo en cuenta las propiedades de la esperanza. a 3.8 1.72x3 · ∂x = 0. 2 2 E ξ3 2. o 2.8 fξ (x) = 0.8 0.72x2 · ∂x = 0. 0.9132.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. P3. Soluci´n o 1. x > 0 fξ (x) =  0. esperanza matem´tica y varianza.

. . Evidentemente. hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general. . i i i i . Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . en general. Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno). volvamos a nuestro problema original. y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1. si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n. la media y la varianza de la variable ξ son: V (ξ) = P3. Bajo cada tapa hay exactamente uno. p y por tanto m = 1/p. Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8.14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos.7 yogures para conseguir los seis s´ ımbolos distintos. Dicho esto. . . DISTRIBUCIONES DE PROBABILIDAD 2.i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3. . En el caso de dos. el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. 2 97 | | t=0 = E [ξ] . y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. . y. 6) es n 1 6−i+1 6 k=1 . . E ξ 2 − (E [ξ]) = 96 − 64 = 32. este n´mero es u 1 + 1/ (5/6) = 1 + 6/5. entonces el n´mero medio de extracciones necesario o u hasta que aparece por primera vez ese s´ ımbolo es: m = 1 · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . t=0 Por lo tanto. = E ξ2 . el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1. Por lo tanto. .

Se selecciona una moneda al azar. 4 . X}. es. w3 . para todo i = 1. l} wi ∈ {C.´simo lanzamiento. a teniendo en cuenta que todos los lanzamientos efectuados con la moneda son independientes entre s´ ı: 4 P Bi = 4 i=1 Bi |A · P (A) 4 i=1 P A| i=1 = Bi 4 P = P i=1 4 i=1 P (Bi |A) · P (A) 4 i=1 = Bi |Ac · P (Ac ) Bi |A · P (A) + P i i i i . Se selecciona una moneda. e siendo C si es “cara”y X si es “cruz”. para i = 1. ¿Cu´l a ser´ el n´mero medio de veces que tendremos que repetir el proceso a u hasta que se obtenga una cruz? Soluci´n: o Un espacio muestral para este problema es Ω= w = (m. 3. w1 . se lanza y se devuelve a la caja. Por otra parte. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. 3. l2 . w2 . 2 · 3 +1· 3 2 La probabilidad de que la moneda sea legal conociendo lo anterior y que adem´s en otros tres lanzamientos vuelve a salir cara. w4 ) : m ∈ {l1 . 1. Si se lanza la moneda y sale cara.15] Una caja contiene dos monedas legales y una con dos caras. 3. 1. la probabilidad de que la moneda sea legal es: P (A|B1 ) = P (B1 |A) · P (A) /P (B1 ) = P (B1 |A) · P (A) = = P (B1 |A) · P (A) + P (B1 |Ac ) · P (Ac ) 1 2 1 2 · = 1 2 3 1 = . 2. donde m representa la moneda escogida al azar. 2. cada wi es el resultado del i. 2. Si se e lanza una moneda escogida al azar y sale cara. para i = 1. 4. 4. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3.

2. . . l2 . por otra parte. incluyendo el ultimo lanzamiento. donde wi1 es la moneda escogida al repetir el proceso por i. . . . . las k − 1 primeras tiradas deben ser cara.i i i “libroult” 2001/8/30 page 99 i CAP´ ITULO 3. donde P (Di ) = P (Di |Li ) · P (Li ) + P Di |Li · P Li = para todo i = 1. . . wk ) : wi1 ∈ l1 . DISTRIBUCIONES DE PROBABILIDAD 4 99 = i=1 4 i=1 P (Bi |A) · P (A) 4 i=1 = P (Bi |Ac ) ·P (Ac ) P (Bi |A) · P (A) + = 1 . 3. l2 } . 2. .     wi = (wi1 . . k − 1. 9 = 2. para i = 1. k − 1    wk1 ∈ {l1 . Sobre este espacio definimos la variable aleatoria ξ que representa el n´mero de veces que hay que repetir el proceso hasta u que sale cruz. 2 3 3 1 2 1 2 · +1· = . . 3 i i i i . k. . . Usando los e sucesos definidos en el apartado anterior. y que. 1 4 2 ·3 2 1 4 2 · 3 + 14 2 · 1 3 Definimos el espacio muestral  k = 1. wi2 )  Ω = w = (w1 . . pues debe dar una cruz. wk2 = X            . se tiene que: k−1 P (ξ = k) = P ({w ∈ Ω : ξ (w) = k}) = i=1 P (Di ) · P (Ek ) . . N´tese que esta ultima moneda o ´ debe ser legal. 2. . l . para i = k y wk1 es la moneda con la que sale una cruz y detenemos el proceso. 2. e Sean tambi´n Li = “La moneda del i. .´simo lanzamiento sale una cara”y Ei = e “En el i. 2 3 3 3 pues la moneda del ultimo lanzamiento debe ser legal para que pueda ´ salir una cruz. . wi2 = C   para todo i = 1.´sima e vez. . y P (Ek ) = P (Ek |Lk ) · P (Lk ) + P Ek |Lk · P Lk = 1 2 1 · = . . para que se necesite continuar el proceso.´simo lanzamiento es legal”y e e Li = “La moneda del i -´simo lanzamiento no es legal”. k. . ´ Sean Di los sucesos “En el i.´simo lanzamiento sale una cruz”. para i = 1. . . Por lo tanto: P (ξ = k) = 2 3 k−1 1 · .

xn+m ) . la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). luego.2: Ejemplo para el ejercicio P3. An´logamente. n+m n+m−1 n+m n+m−1 Para calcular este ultimo valor se ha tenido presente que hay dos probabi´ lidades disjuntas: o salto de 0 a 1. . Adem´s. x1 ) .2 muestra una recta con 3 saltos.16 con n = 2 y m = 3. Mientras que el segundo valor es claramente n + m − 1. . P3. Como conclusi´n. donde los valores x1 . el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = . y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. (n + m. el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3. (2. o salto de 1 a 0. . x2 . .16] Consideremos l´ ıneas que unen n + m puntos del plano (1. . . el primero es n m m n · + · . . n+m n+m−1 n+m n+m−1 m+n i i i i . x2 ) . la figura 3. la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). y de que haya un 0 en el segundo es n/ (n + m − 1). entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. para n = 2 y m = 3. ¿Cu´l es el n´mero medio de saltos a u de una l´ ınea? Soluci´n o Dado que la media de una suma es siempre la suma de las medias.i i i “libroult” 2001/8/30 page 100 i 100 EJERCICIOS RESUELTOS DE PROBABILIDAD T 1 d 1 2  d   4 d d d  3   d d d 5 E Figura 3. . Por ejemplo.

El juego contin´a u hasta que uno pierda todo. i i i i . hasta que no tenga nada. P1 = 1 − p + pP2 .18] Un jugador A tiene m euros y otro B tiene n euros. por lo que. ¿Qu´ probabilidad hay de que e lo pierda todo alguna vez? Soluci´n o Si Pk representa la probabilidad buscada. As´ por ejemplo: ı. La probabilidad de que A gane una partida es p y la de que gane B es 1 − p. Ahora bien. si p > 1/2 p ≤ 1/2 P3. ya que perder 2 euros es perder primero uno y luego otro de forma independiente. mientras que la e o ıcil media es f´cil. si p > 1/2. si p < 1/2 o a entonces P1 = 1 y si p ≥ 1/2 entonces P1 = (1 − p) /p. ¿Qu´ probabilidad tiene A de perder? e Soluci´n o Observemos que plantear este problema es equivalente al problema anterior cuando uno de los jugadores (B) tiene un enorme capital (n → +∞). no siempre el mejor camino para calcular la media de una variable aleatoria consiste en pasar primero por el c´lculo de su distribuci´n de probabilidad. independientemente de lo que tenga. En cada partida el juego le permite ganar o perder 1 euro.17] Un jugador comienza un juego de azar con k euros.i i i “libroult” 2001/8/30 page 101 i CAP´ ITULO 3. ya que en algunos problemas a o (como ´ste) tal distribuci´n puede ser dif´ de obtener. ya que ´stas son las dos o e soluciones de la ecuaci´n cuadr´tica anterior. si . m y que en tal caso la probabilidad de que A pierda es [(1 − p) /p] . a P3. 2 y puesto que P2 = P1 . La probabilidad de ganar el euro de cada partida es p y la de perder el euro es 1 − p. donde se asume P0 = 1. entonces: 2 P1 = 1 − p + pP1 . En cada partida un jugador gana 1 euro y el otro pierde 1 euro. De igual forma se concluye que Pk = 1−p p Pk = 1 m . o bien P1 = 1. DISTRIBUCIONES DE PROBABILIDAD 101 Como se observa en este ejemplo. entonces Pk = (1 − p) Pk−1 + pPk+1 . ´ P1 = (1 − p) /p.

Si se asume que los votos en la urna han sido suficientemente mezclados. existe otra secuencia que lleva tambi´n e a empate y comienza con el otro candidato. P3. la expresi´n anterior es la indeterminaci´n 0/0. obteni´ndose e Qm = n/ (n + m) . que la probabilidad de que exista al menos un empate es el doble de la probabilidad de que haya empate empezando por el candidato M . O. si representamos por N y M a los dos candidatos.19] En una elecci´n hay dos candidatos. pero el problema se puede resolver o de forma an´loga porque. o Esta importante observaci´n demuestra que el n´mero de casos favorables o u que comienzan con un candidato es igual al n´mero de casos favorables u que comienzan con el otro candidato. Por tanto. sin haber alcanzado nunca n + m. que se o o resuelve aplicando la regla de L’Hospital. con n > m. la situaci´n cambia. por cada sucesi´n que produzca un empate o comenzando con un candidato. Ahora bien. entonces: 1−p p m = Qm + (1 − Qm ) · 1−p p m m+n . la probabilidad pedida es: Qm = 1 − siempre que p > 1/2. esta ultima probabilidad es simplemente la probabilidad de que el primer ´ voto sea de M . dicho en otras palabras.i i i “libroult” 2001/8/30 page 102 i 102 EJERCICIOS RESUELTOS DE PROBABILIDAD Cuando n es finito. a Consecuentemente la probabilidad buscada es: m . entonces una secuencia tal como NNMNNMMM tiene asociada otra secuencia que da empate y que comienza en M : M M N M M N N N. si Qm representa la probabilidad que tiene A a de pasar de m a Q. i i i i . ya que luego es seguro que habr´ empate porque n > m. 2· n+m 1 − [(1 − p) /p] 1 − [(1 − p) /p] m+n . ¿qu´ probae bilidad hay de de que al menos suceda un empate durante el conteo de los votos? Soluci´n o Es importante observar que. Cuando p = 1/2. y en la urna de votaci´n hay n o o papeletas a favor de uno y m a favor del otro. En efecto. La correspondencia consiste s´lo en cambiar las letras.

las caracter´ ısticas de la superficie sobre la que cae. la fuerza y direcci´n con o que se lanza. P3. es decir.5). entonces este problema no est´ matem´ticamente bien definido y su resa a puesta debe proceder m´s de experimentos f´ a ısicos que de la Teor´ de ıa Probabilidades. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales.3: Esfera que circunscribe los bordes de la moneda. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. Con esta notaci´n es e o claro que el problema pide la distancia que debe separar a los dos c´ ırculos para que el ´rea sobre la esfera que limitan sus dos c´ a ırculos sea la mitad del ´rea restante.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. e o plo. i i i i . Por ejemıa.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. la elasticidad de la moneda. entonces g= r = 0. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. etc.4). en su secci´n central (figura 3.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente. para dar una respuesta con esta segunda herramienta.. debe cumplirse que α = 2π/6. arctan (π/3) En otras palabras.3). a Dada la simetr´ concentr´monos en una secci´n de la esfera. el grueso de la moneda debe ser 35.354r. Sin embargo. y e entendamos que la moneda “cae de canto” cuando el polo inferior de la esfera est´ entre los dos c´ a ırculos (v´ase figura 3.

i i i “libroult” 2001/8/30 page 104 i 104 EJERCICIOS RESUELTOS DE PROBABILIDAD suelo Figura 3.5: Secci´n central de la esfera. r α g Figura 3. o i i i i .4: Moneda cayendo de canto.

π/2). el a ´rea y de un tri´ngulo con ´ngulo x es a a y = g(x) = L2 sen(2x/2) L2 senx 2Lsen (x/2) · Lcos (x/2) = = . o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. y se distinguen por el ´ngulo que ambos forman.i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω.6: Transformaci´n de variables aleatorias. 2 i i i i . Sea ξ la variable que mide dicho ´ngulo. para todo x. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). conociendo el ´ngulo x entre los dos lados de tri´ngulo w. Esta variable es claramente obtenible a partir de la variable ξ. En efecto. = 1. o a a Soluci´n o Consideremos un espacio muestral Ω donde los sucesos elementales w que lo configuran son los tri´ngulos is´celes cuyos dos lados iguales miden a o L. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 .21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x). donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0.6): u o e η=g ◦ ξ= L2 senξ . x ∈ (0. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. o P3. π/2) 0. 2 2 2 Es decir. para cualquier otro valor. Sobre el espacio a muestral Ω se asume una probabilidad P . Por tanto.

π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. y 0 en otro caso. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . mientras que si y ≥ L2 /2 entonces Fη (y) = 1. La venta de una cantidad o i i i i . Luego o o derivando en y se concluye su funci´n de densidad: o fη (y) = 12 · arcsen π3 2y L2 · π − arcsen 2y L2 · 2 L4 − 4y 2 . la esperanza de la variable η se puede calcular o bien directamente aprovechando que hemos calculado su funci´n de densidad: o L2 /2 E[η] = 0 fη (y)∂y o indirectamente usando que η = g ◦ ξ: π/2 π/2 E[η] = 0 g(x) · fξ (x) · ∂x = 0 12L2 L2 senx 12 · 3 · x · (π − x) · ∂x = . S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2.22] En funci´n de un estudio realizado en varios establecimientos. 2 π π3 P3. y para ello sustituyamos el valor de la funci´n g en la expresi´n o o anterior: Fη (y) = P L2 sen(ξ(w)) ≤y 2 2y = P w ∈ Ω : ξ(w) ≤ arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 fξ (x)∂x = = x(π − x)∂x. Obviamente. Para esto consio o deremos cualquier valor y ∈ IR: Fη (y) = P {w ∈ Ω : η(w) ≤ y} = P {w ∈ Ω : g(ξ(w)) ≤ y} Claramente. L2 /2 .i i i “libroult” 2001/8/30 page 106 i 106 EJERCICIOS RESUELTOS DE PROBABILIDAD Una primera idea para calcular la funci´n de densidad del ´rea fη es la o a de comenzar calculando su funci´n de distribuci´n Fη . tambi´n es posible realizar un c´lculo directo de la funci´n e a o de densidad de η = g ◦ ξ conociendo la f´rmula general que acorta el o proceso: hη (y) = fξ (g −1 (y)) · g −1 (y) Finalmente. para y ∈ 0. cuando x > 0. si y ≤ 0 entonces Fη (y) = 0.

extra´ ıdos aleatoriamente uno de cada hucha. Soluci´n o Sea c la cantidad de aprovisionamiento. resultando: +∞ E[η] = = E[g ◦ ξ] = −∞ c 0 g(x)fξ (x)∂x = ∞ c (ax − b (c − x)) e−x ∂x + ace−x ∂x = = − (a + b) ce−c + (a + b − bc) 1 − e−c + ace−c El valor de c que maximiza la ganancia esperada se obtiene derivando la expresi´n anterior respecto de c.uplas de billetes.´sima. sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . . Nos dan 7 billetes. Esta variable puede tomar los valores 1.0 ≤ x < c . P (ξi = 2) = 6/21. P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. con a y b constantes positivas. . la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . y 1 billete de 10000 pts. Para una demanda x. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). o En el caso particular a = 1. .6).. 4 billetes de 5000 pts. . a Apl´ ıquese al caso particular de a = 1 y b = 2.23] Se dispone de 7 huchas.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. 7. 2. Adem´s.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. 1. P3. o Soluci´n o Consideremos como espacio muestral el conjunto de 7. ¿Cu´l es el n´mero esperado de pesetas que recibimos? a u ¿Qu´ probabilidad hay de recibir 17000 pesetas? (Ayuda: calcular e la funci´n generatriz de probabilidades). Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. 5 y 10 con e probabilidades P (ξi = 1) = 10/21. i = 1. 6 billetes de 2000 pts. uno procedente de cada urna. . DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. resultando que c = ln (1 + a/b) . respectivamente. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. 2.. b = 2 se tiene que c = ln (3/2) . cada una con 10 billetes de 1000 pts.

Para calcular P (η = 17) usando la funci´n generatriz de probabilio dades φη (t) = E [tη ] . esta funci´n es: o   7 P φη (t) = E ti=1  = i=1 ξi 7 E tξi = E tξ 7 = 1 21 7 · t1 · 10 + t2 · 6 + t5 · 4 + t10 · 1 7 . 21 2. El n´mero esperado de pesetas (en miles) recibidas es: u 7 7 E [η] = E i=1 ξi = i=1 E [ξi ] = 7 · (10 · 1 + 6 · 2 + 4 · 5 + 1 · 10) = 17. En el caso de este problema. Queda pendiente calcular la derivada 17-´sima. 333. evaluarla en t = 0 y e dividirla por 17!. i i i i .i i i “libroult” 2001/8/30 page 108 i 108 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. sucede que: φ(k) (t) η t=0 = k! · P (η = k) .

resto k ∈ {1. se llama variable aleatoria de Bernoulli de par´metro p a una variable aleatoria que a 109 i i i i . 1]. . 2. .i i i “libroult” 2001/8/30 page 109 i CAP´ ITULO 4 Principales variables aleatorias Entre las variables aleatorias discretas destacan: Variable Aleatoria Uniforme: Dado un n´mero natural n. n}. Es decir. cada uno con igual probabilidad. . n} Algunas caracter´ ısticas son: E [ξ] = (n + 1) /2 V (ξ) = n2 − 1 /12 φξ (t) Gξ (t) ϕξ (t) = = = 1 · n 1 n 1 n · n tk k=1 tn e −1 1 − e−t eitn − 1 · 1 − e−it Variable Aleatoria de Bernoulli: Dado p ∈ [0. . si 0 . . se llama u variable aleatoria uniforme ξ y se denota por ξ ∼ U [n] a una variable que toma valores en {1. es una variable aleatoria discreta con funci´n de o probabilidad: Pξ (k) = 1/n . . . 2. .

Los experimentos de este tipo se llaman “pruebas de Bernoulli”. La funci´n de probabilidad de esta o variable es: p . . de las que A son azules y el resto blancas. 1. 1]. Esta distribuci´n es o i i i i . ... . se llama variable aleatoria Binomial de par´metros n y p a una variable aleatoria que toma a valores en {0. uno con probabilidad p y el otro con o probabilidad 1 − p. n} y tiene como funci´n de probabilidad: o Pξ (k) = n n−k · pk · (1 − p) . n} . por ejemplo) cuando se extrae una muestra de tama˜o n sin reemplazamiento. con n natuu ral y p perteneciente al intervalo [0. sus dos resultados se suelen denominar “´xito” e y “fracaso” (o “blanco” y “negro”. se llama variable aleatoria Hipergeom´trica de par´metros e a (n. . si k = 0 Se denota por ξ ∼ B (p). de una urna con N = A + B bon las. 1.). . k Se denota por ξ ∼ Bi (n. A.. . y algunas caracter´ ısticas suyas son: E [ξ] = p V (ξ) = p · (1 − p) φξ (t) Gξ (t) ϕξ (t) = (1 − p) + p · t = (1 − p) + p · et = (1 − p) + p · ei·t Variable Aleatoria Binomial: Dados dos n´meros n y p. y representa una variable aleatoria que mide el n´mero de veces que ocurre el suceso “´xito” en n pruebas de u e Bernoulli de par´metro p e independientes. si k = 1 Pξ (k) = 1 − p . y la variable les asocia los valores 1 y 0. B) a una variable que trata de medir el n´mero de “´xiu e tos”(bolas azules. .i i i “libroult” 2001/8/30 page 110 i 110 EJERCICIOS RESUELTOS DE PROBABILIDAD toma s´lo dos valores posibles. Algunas caracter´ a ısticas de esta distribuci´n son: o E [ξ] V (ξ) φξ (t) Gξ (t) = n·p = n · p · (1 − p) n = (1 − p + p · t) n = 1 − p + p · et 1 − p + p · ei·t n ϕξ (t) = Variable Aleatoria Hipergeom´trica: Dados N . p). para todo k ∈ {0. . respectivamente. A y B n´meros nae u turales.

. . u con n natural y p perteneciente al intervalo [0. se llama variable aleatoria Binomial Negativa de par´metros n y p a una variable a aleatoria que toma valores k = 0. para k = 0. y se denota por ξ ∼ H (n. 1 − (1 − p) · et n p 1 − (1 − p) · eit Variable Aleatoria de Poisson: Consideremos la variable que mide el n´mero de sucesos que ocurren en un intervalo de amplitud fija. 1. n. . . Su funci´n de probabilidad es: o Pξ (k) = λk −λ · e . para todo k = 0. y representa una variable aleatoria que mide el n´mero de fracasos que ocurren antes de obtener n u ´xitos con una secuencia de pruebas independientes de Bernoulli con e probabilidad de ´xito p. 1. Su funci´n de probabilidad es: o Pξ (k) = A k · N n B n−k . 1]. Algunas caracter´ e ısticas de esta distribuci´n o son: E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = n · (1 − p) p n · (1 − p) p2 n p 1 . para (1 − p) et < 1. p). . y tiene como funci´n de o probabilidad: Pξ (k) = n+k−1 k · pn · (1 − p) . y se denota ξ ∼ o a P (λ). PRINCIPALES VARIABLES ALEATORIAS 111 an´loga a la Binomial. A. Esta variable sigue una distribuci´n de Poisson de par´metro λ. con λ > 0. Se tiene que: E [ξ] = A N A B N −n n· · · . N N N −1 n· V (ξ) = Variable Aleatoria Binomial Negativa: Dados dos n´meros n y p. k! i i i i .i i i “libroult” 2001/8/30 page 111 i CAP´ ITULO 4. . 1. k Se denota por ξ ∼ BN (n. pero se basa en un muestreo realizado sin a reemplazamiento. para todo k = 0. . u siendo λ el promedio de sucesos en dicho intervalo. para |t| < . . B). . 1 − (1 − p) · t 1−p n p . . . 1. . .

y se denota por ξ ∼ U [a. y e a e se denota ξ ∼ G (p). para |t| < . La funci´n de probabilidad de esta variable es: o Pξ (k) = p · (1 − p) . Adem´s. b−a i i i i . respectivamente. Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a. con k = 0. para (1 − p) · et < 1 1 − (1 − p) · et p 1 − (1 − p) · eit k Es importante destacar que la suma de variables independientes e id´nticamente distribuidas seg´n una Geom´trica de par´metro p es e u e a una Binomial Negativa. con a ≤ b y a. . . donde p es la probabilidad de ´xito. 1]. . la variable aleatoria e que cuenta el n´mero de fracasos que preceden al primer ´xito en u e una sucesi´n infinita de pruebas de Bernoulli sigue una distribuci´n o o Geom´trica de par´metro p. b ∈ IR. es a su vez una Poisson de par´metro λ1 +λ2 .i i i “libroult” 2001/8/30 page 112 i 112 EJERCICIOS RESUELTOS DE PROBABILIDAD Las principales caracter´ ısticas de esta distribuci´n son: o E [ξ] = λ V (ξ) = λ φξ (t) = eλ·(t−1) t G (t) = eλ·(e −1) ξ ϕξ (t) = eλ·(e it −1) La distribuci´n de Poisson se obtiene tambi´n como l´ o e ımite de la distribuci´n Binomial de par´metros n y λ/n cuando n → ∞. o a a la suma de dos variables de Poisson independientes de par´metros λ1 a y λ2 . a Variable Aleatoria Geom´trica: Dado p ∈ [0. b]. b]. 1 − (1 − p) · t 1−p p . a una variable aleatoria ξ con funci´n de densidad o fξ (x) = 1 . para a ≤ x ≤ b. 1. Adem´s: a E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = 1−p p 1−p p2 p 1 .

si a ≤ x < a+b  2 4(b−x) fξ (x) = . para t = 0. en el resto Claramente E [ξ] = (a + b) /2. para t < λ. para x ≥ 0. λ2 λ . a una variable aleatoria ξ cuya funci´n de o densidad viene descrita por:  4(x−a)  (b−a)2 . con λ > 0. 2 2 (b − a) . b). para t = 0. p > 0. se llama variable aleatoria Triangular de par´metros a y b a y se denota por T (a. Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = 1 . o Variable Aleatoria Gamma: Se llama variable aleatoria Gamma de par´metros a y p. t · (b − a) eit·b − eit·a . λ−i·t Esta variable aparece. Variable Aleatoria Exponencial: Se llama variable aleatoria Exponencial con par´metro λ. a a una variable aleatoria ξ con funci´n de densidad o fξ (x) = λ · e−λ·x . p). cuando se estudia la distancia entre dos sucesos consecutivos que sigan una distribuci´n de Poisson. con a. para x > 0. λ 1 . a una a variable aleatoria ξ con funci´n de densidad o fξ (x) = ap · e−a·x · xp−1 .i i i “libroult” 2001/8/30 page 113 i CAP´ ITULO 4. y se denota por ξ ∼ Γ (a. λ−t λ . si a+b ≤ x < b 2 2   (b−a) 0 . Γ (p) i i i i . 12 et·b − et·a . PRINCIPALES VARIABLES ALEATORIAS Sus principales caracter´ ısticas son: E [ξ] V (ξ) Gξ (t) ϕξ (t) = = = = a+b . y se denota por ξ ∼ Exp (λ). i · t · (b − a) 113 Variable Aleatoria Triangular: Dados dos par´metros a y b tales que a a < b. por ejemplo.

σ2 . o o Variable Aleatoria χ2 de Pearson: Se llama as´ a la variable aleatoı ria resultante de sumar los cuadrados de d variables aleatorias independientes con distribuci´n N (0. σ 2 . Se dice que d (d > 0) es el o n´mero de grados de libertad.i i i “libroult” 2001/8/30 page 114 i 114 EJERCICIOS RESUELTOS DE PROBABILIDAD Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = p . a−t p a . et·µ+ 2 ·σ e 1 2 ·t2 . 2 i i i i . Su media es d y su varianza es 2d. para t < 1 . a−i·t p Adem´s. Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = µ. y la variable se denota ξ ∼ χ2 . a p . para |t| < a. la distribuci´n Gamma es la que apao o rece cuando se estudia la distancia entre p sucesos que sigan una variable de Poisson de par´metro a. a2 ϕξ (t) = a . Por ello. Su u d funci´n de densidad es: o fξ (x) = 2−d/2 · xd/2−1 · e−x/2 Γ (d/2) para todo x > 0. se verifica que la suma de variables aleatorias independiena tes e id´nticamente distribuidas seg´n una Exponencial sigue una e u distribuci´n Gamma. denominada “distribuci´n normal tipificada”. 1). . La funci´n o generatriz de momentos es: Gξ (t) = (1 − 2t) −d/2 . a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media µ y varianza σ 2 y se denota por ξ ∼ N µ. 1 i·t·µ− 2 ·σ 2 ·t2 Es importante destacar la importancia de la variable aleatoria con distribuci´n N (0. a una variable aleatoria ξ con funci´n de densidad: o fξ (x) = √ 1 2·π· σ2 · e− (x−µ)2 2·σ 2 . 1).

Ejercicios Resueltos P4. es una Fn. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. respectivamente. Su media es 0 y la varianza d/ (d − 2).1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td .m . La funci´n generatriz de momentos no existe. Adem´s. (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 . si su funci´n de densidad es: u o fξ (x) = Γ n+m 2 Γ n 2 nn/2 mm/2 n/2−1 −(n+m)/2 x (m + nx) Γ m 2 para todo x real. y se denota ξ ∼ Td . o con n y m grados de libertad. La funci´n generatriz de momentos no existe.05. y su media es: m . Se denota ξ ∼ Fn. el cociente o a entre dos variables aleatorias independientes con distribuci´n χ2 .i i i “libroult” 2001/8/30 page 115 i CAP´ ITULO 4. 2. o Variable Aleatoria F de Fisher-Snedecor: La variable aleatoria ξ tiene distribuci´n F de Fisher-Snedecor con n y m grados de libertad o (n y m n´meros naturales). si o su funci´n de densidad es: o Γ d+1 2 fξ (x) = √ dπΓ d 2 x2 1+ d − d+1 2 para todo x real. 3. Adem´s. para m > 2. PRINCIPALES VARIABLES ALEATORIAS 115 Variable Aleatoria t de Student: La variable aleatoria ξ tiene distribuci´n t de Student con d grados de libertad. para m > 4. ¿cu´l es la probabilidad de que entre diez unidades dos se encuentren a defectuosas? ¿y de que a lo sumo dos se encuentren defectuosas? ¿cu´l es la probabilidad de que por lo menos una se encuentre dea fectuosa? i i i i .m .

P4. ξn ). procedea mos a resolver el problema. . .05i · (1 − 0. ¿cu´l es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Soluci´n o Representemos por la variable aleatoria ξ la decisi´n de asistir (ξ = 0) o o no (ξ = 1) finalmente al restaurante por parte de una persona que ha hecho una reserva. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.05) = 0 = 1 − 0. ξn ).5987 = 0.0.0. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.05 ≥ 1) = 1 − P (η10.p = ξi .05) = 0.0.052 · (1 − 0. de acuerdo con el dato o a inicial del problema.05 ≤ 2) = i=0 10 10−i · 0. sigue una distribuci´n binomial de o par´metros n y p = 0.0.05. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.i i i “libroult” 2001/8/30 page 116 i 116 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Sea ξi una variable aleatoria que representa el estado de una unidad terminada en la l´ ınea de ensamblaje en el momento i.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe.2. Hechas estas consideraciones iniciales. 1. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. que el 20 % de las personas que reservan una mesa no asistir´n. total de n reservas (ξ1 .05) = 0. . i 3. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . de acuerdo con el enunciado del ejercicio. de un ı. . o por experiencia.05 = 2) = 2. Adem´s. . ηn. . con distribuci´n o i i i i .4013. esto es. Procedemos a calcular: P (η10.05 = 0) = 10 10−0 = 1− · 0.0746. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. Por ultimo: ´ P (η10. 2 P (η10. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.05. . .050 · (1 − 0.9884. Se tiene que: 2 i=1 10 8 · 0.

1.2i · (1 − 0. De la misma forma. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. As´ se tiene que: ı. 27067. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. i! i i i i .2) = 0. ¿cu´l es la probabilidad de que falle un componente en 25 horas? a ¿y de que fallen no m´s de dos componentes en 50 horas? a ¿cu´l es la probabilidad de que fallen por lo menos diez en 125 horas? a Soluci´n o Sea la variable aleatoria ξ. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. debe ocurrir que acudan 20 o menos. 1! An´logamente. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. i! 3. 3. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento.2. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 2381. Entonces. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. a n = 25. la probabilidad deseada es la siguiente: P (η = 1) = 2. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. Si el n´mero promedio de estos fallos es ocho. 21 −2 · e = 0. En el caso particular del problema. 2. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0.41696. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4.3] Una empresa electr´nica observa que el n´mero de componentes que o u fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Considerando que se cumplen ciertas condiciones de regularidad. u 1. o a Por lo tanto.5799. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. i P4.

o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja.. Soluci´n o Teniendo en cuenta los datos del problema. o u i i i i .10.6) para una simple o a e funci´n real g. u 1. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. . podemos definir una variable aleatoria η. es decir. . . si la demanda ξ es de m´s de 10 tostadores. La ganancia de cada tostador vendido es de 500 ptas. una a una con reemplazamiento. si t ≥ 5000. y que a lo o largo de esa semana no van a poder traer m´s del almac´n. o P4. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. N´tese adem´s que el unico dato a u a o a ´ tener en cuenta en cada extracci´n es el n´mero de la carta. .5] Se extraen n cartas. que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. 2. si ξ ≥ 10 En el segundo caso. para todo k ∈ A = {1. . . calcular P (ξ = k) y E[ξ] .i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. u La distribuci´n de las ganancias totales en pesetas es. no el palo. a si supera al n´mero de existencias. . si t < 0  0   t/500 t = P (ξ = i) . un lunes se encuentran con que s´lo les quedan 10 tostadores. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. hallar la funci´n generatriz de probabilidades de ξ. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces.2. 10}.4] Una gran tienda de art´ ıculos el´ctricos descubre que el n´mero ξ de e u tostadores vendidos por semana obedece a una ley de Poisson de media 10. Determinar la a e distribuci´n de las ganancias totales (en ptas. si 0 ≤ ξ < 10 η= 5000 . . con valores equiprobables 1. Sin embargo. de una baraja espa˜ola (4 palos de 10 cartas cada uno). a partir de la variable ξ: 500 · ξ .) en concepto de tostadores o de pan a lo largo de esa semana. . por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . . . Definamos tambi´n un e conjunto B formado por los (k1 . siendo ıda P (η = k) = 1/10.

a n n E [ξ] = E i=1 ηi = i=1 E [ηi ] = n · E [η] = n 11 · · n.. .kn )∈B n P P (ηi = ki ) = i=1 (k1 . 10 i=1 10 1−t 1 t − tn+1 · 10 1−t n n φξ (t) = . u Supuesta la independencia de las extracciones.. P4...i i i “libroult” 2001/8/30 page 119 i CAP´ ITULO 4. . . o que miden el resultado en cada una de las n extracciones con reemplazamiento. N´tese que ξ = o 1. PRINCIPALES VARIABLES ALEATORIAS 119 puesto que en el problema se utilizar´ una variable ξ que da la suma de a los n´meros de un total de n extracciones con reemplazamiento. . i= 10 i=1 2 10 2.kn )∈B n P . dado un n´mero n = 1. a Soluci´n o Sea ξ una variable aleatoria que representa el n´mero de lanzamientos u consecutivos (e independientes) que hay que efectuar con un dado hasta i i i i . .. . La funci´n generatriz de probabilidades es: o n P φξ (t) = E t Se obtiene que: E [tη ] = y por lo tanto: ηi n i=1 = i=1 E [tηi ] = (E [tη ]) . ki =k ki =k i=1 i=1 Adem´s. calcular la probabilidad de que sean necesarios m´s de tres lanzamientos. Suponiendo que en el primer lanzamiento no hemos obtenido un as. n i=1 ηi . Las probabilidades deseadas son. : u n P (ξ = k) = P i=1 n ηi = k 1 10 n = (k1 . . 2.6] Se lanza consecutivamente un dado hasta que aparece por primera vez un as. ηn un conjunto de n variables aleatorias independientes con la misma distribuci´n que η. sea η1 .. n 1 1 t − tn+1 · ti = · ...

por lo tanto. . i 2. n j=1 i j=1 i=j i i i i . . Soluci´n o N´tese que la variable ξ1 . En el enunciado del problema se a˜ade la suposici´n n o de que el as no se obtiene en el primer lanzamiento y. supuestas ciertas condiciones de regularidad. 6944. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . Calcular: 1. 3. siendo p la probabilidad de obtener un as en un lana zamiento del dado. Si est´ marcada con a k. n i=1 n = Obs´rvese que si j > i. . P (ξ1 = k|ξ2 = j).7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. 2. n. . para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. 4. n. Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 .i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. o 1. o puede tomar los valores 1. Sin embargo. con P (ξ1 = k) = 1/n. 2. El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . entonces P (ξ2 = j | ξ1 = i) = 0. la probabilidad que se pide calcular es: P (ξ > 3) = P (ξ > 1) 1− 3 i=1 5 i−1 6 5 0 6 · 1 1 6 P (ξ > 3 | ξ > 1) = 1− · 1 1 6 = 25 = 0. . E[ξ2 ]. Esta variable es una geom´trica de e par´metro p = 1/6. E[ξ1 ]. . . 36 P4. . . P (ξ2 = j). para todo k = 1. . 2. se selecciona una segunda tarjeta entre las k primeras. . . n se selecciona aleatoriamente una tarjeta.

definamos un conjunto de variables aleatorias ξ1 . el n´mero medio de visitas diarias que ı. p 0. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= .7 + 10 = 10 · + 10 = 33. . .8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. Se asume que las visitas realizadas son independientes entre s´ Entonces. n i=1 2 i=1 P4. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0.7i i = = 0. 333.3. a lo largo de un mes. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. . 29175. ξ30 independientes e id´nticamene te distribuidas seg´n ξ.3 Por otra parte. de acuerdo con los datos del problema. Se ıas tiene que: 30 P (ξ1 ≤ 40. i i i i .i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. si j > k Por ultimo. se calcula: P (ξ1 = k|ξ2 = j) =    = 4.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· .3. Procediendo de forma similar al primer apartado. . a y por tanto E [ξ] = n (1 − p) /p. si j ≤ k . para calcular la probabilidad de que no tenga que hacer m´s de 50 visitas diarias a lo largo de un mes (de 30 d´ a ıas). . 9597730 = 0. . PRINCIPALES VARIABLES ALEATORIAS 3. . no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias.310 · 0. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. . ¿Cu´l es el n´mero medio de visitas diarias a u si cada d´ vende exactamente 10 enciclopedias? ¿Cu´l es la probabilidad ıa a de que.

entonces Pξ (k) = n n−k · pk · (1 − p) . k+1 (A − k)(n − k) 4. p).1. B). Pξ (k + 1) = · Pξ (k). Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). P4. . Pξ (k + 1) = · Pξ (k). (k + 1)(1 − p) n−k = i i i i . (k + 1)(B − (n − k) + 1) 1. P (ξn = 0) ≤ 0. p).10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). si ξ ∼ BiNeg(n. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. se tiene que: n 5 ≤ 0. si ξ ∼ Poiss(λ). Pξ (k + 1) = · Pξ (k). (k + 1)(1 − p) λ 2.9. si ξ ∼ Bi(n. sea mayor o igual que 0. A.9. Considerando que la probabilidad de obtener un as con este dado es 1/6.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. k+1 (n + k)(1 − p) 3. Pξ (k + 1) = Soluci´n o 1. si ξ ∼ Hip(n. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. 6 desigualdad que se verifica para todo n ≥ 13.1. p). k para todo k = 0. . n.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Si ξ ∼ Bi(n. es decir. . .

i i

i

“libroult” 2001/8/30 page 123 i

CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 2. Si ξ ∼ Poiss(λ), entonces Pξ (k) = λk −λ ·e , k!

123

para todo k = 0, 1, . . . Se verifica que: Pξ (k + 1) = 3. λk+1 λ · e−λ = · Pξ (k). (k + 1)! k+1

Si ξ ∼ BiNeg(n; p), entonces Pξ (k) = n+k−1 k · pn · (1 − p) , k

para todo k = n, n + 1, . . . Se verifica que: Pξ (k + 1) = = = 4. n+k k+1 · pn · (1 − p) = k+1 n+k−1 n+k k · · pn · (1 − p) · (1 − p) = k k+1 (n + k)(1 − p) · Pξ (k). k+1

Si ξ ∼ Hip(n, A, B), entonces Pξ (k) =
A k B n−k A+B n

·

,

para todo k = 0, . . . , n. Se verifica que: Pξ (k + 1) =
A k+1 B n−k−1 A+B n

·

=
n−k B−n+k+1

= =

A−k k+1

·

A k

·

·

B n−k

A+B n

=

(A − k)(n − k) · Pξ (k). (k + 1)(B − (n − k) + 1)

P4.11] Sean ξ y η las variables aleatorias que cuentan el n´mero de veces que u sale 1 y 6, respectivamente, en 5 lanzamientos de un dado. ¿Son ξ y η independientes? Soluci´n o

i i i

i

i i

i

“libroult” 2001/8/30 page 124 i

124

EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables ξ y η siguen ambas una distribuci´n binomial de par´metros o a n = 5 y p = 1/6. Veamos, mediante un contraejemplo, que ξ y η no son independientes. Por un lado se tiene que: P (ξ = 0, η = 0) = pero P (ξ = 0) = y por lo tanto P (ξ = 0, η = 0) = 2 3
5

2 3

5

,

5 6

5

= P (η = 0) ,

= P (ξ = 0) · P (η = 0) =

5 6

10

,

concluy´ndose as´ que las variables no son independientes. e ı P4.12] En la teor´ de los rayos c´smicos se presenta la distribuci´n de Pascalıa o o Furry, dada por los valores i = 0, 1, 2, . . ., con probabilidades respectivas: µ 1 pi = 1+µ ( 1+µ )i , µ > 0. Determinar el par´metro µ. a Soluci´n o Se verifica que
∞ ∞

pi =
i=0 i=0

1 · 1+µ

µ µ+1

i

=

1 1 · = 1, 1 + µ 1 − [µ/ (µ + 1)]
i

para cualquier µ > 0. Adem´s, 1/ (1 + µ) < 1 y [µ/ (1 + µ)] < 1, para a todo µ > 0. P4.13] Pedro y Juan dividen al azar una barra de chocolate con 4n porciones (n > 0) en dos trozos de modo que el trozo de Pedro siempre es mayor que el de Juan, al que siempre le toca algo. 1. Calcular el n´mero esperado de porciones de Pedro. u 2. Calcular la varianza de tal n´mero. u 3. Probar que si en tres ocasiones sucesivas el trozo de Pedro es mayor que tres veces el de Juan, es razonable pensar que la partici´n no se o ha hecho de un modo aleatorio.

i i i

i

i i

i

“libroult” 2001/8/30 page 125 i

CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS Soluci´n o 1.

125

Consideremos el espacio muestral Ω formado por todas las posibles divisiones de la tableta. Numerando las porciones podemos caracterizar cada divisi´n mediante un n´mero entre 1 y 4n − 1, donde no o u vale el 2n. Es decir, cada suceso elemental w ∈ Ω puede identificarse como la cantidad de porciones que quedan a un lado (por ejemplo a la derecha) tras la divisi´n, lo que a la vez determina el n´mero de o u porciones que quedan al otro lado. As´ ı: Ω = {1, 2, . . . , 4n − 2, 4n − 1} − {2n} . Para cada w ∈ Ω, no confundamos su valor con la cantidad de porciones que le damos a Juan y a Pedro, ya que esto se calcula mediante un m´ ınimo y un m´ximo de {w, 4n − w}, respectivamente. a Asumamos por hip´tesis que Ω es equiprobable, es decir, que: o P (w) = 1 , 4n − 2

para todo w ∈ Ω, o dicho en otras palabras, que la tableta se parte en dos trozos de forma aleatoria y uniforme, pero descartando la probabilidad de que los dos trozos sean iguales o alguno vac´ ıo. Definamos ahora las variables aleatorias: ξ: Ω w y η: Ω w → → IR η (w) = m´ {w, 4n − w} ın → IR → ξ (w) = m´x {w, 4n − w} a

representando la primera a Pedro y la segunda a Juan. Antes de sumergirnos en el c´lculo de E [ξ] y V (ξ), como pide el enunciado, a conozcamos algo de estas variables. Claramente son discretas y η = 4n−ξ. Adem´s, ξ toma valores en {2n + 1, 2n + 2, . . . , 4n − 2, 4n − 1}, a todos con igual probabilidad: P (ξ = k) = P ({w ∈ Ω : ξ (w) = k}) = 2 1 = , 4n − 2 2n − 1

cualquiera que sea k ∈ {2n + 1, . . . , 4n − 1}. Por tanto:
4n−1

E [ξ]

=
k=2n+1

k · P (ξ = k) = 2n + n (2n − 1) = 3n. 2n − 1

1 2n − 1

2n−1

k=
k=1

= 2n +

i i i

i

Funci´n de probabilidad. es decir: ξ > 3n. respectivamente. ξ2 y ξ3 independientes. o P4. o 2. por ξ1 . De la misma forma. se verifica que: o ξ > 3 · (4n − ξ) . 3 3. P (ξ > 0) y P (1 ≤ ξ ≤ 3). Se pide: 1. supongamos que se realizan 3 particiones (independientes) y representemos. Por lo tanto.8)5 . que es una probabilidad muy peque˜a. se obtiene que: 4n−1 V (ξ) = E ξ 2 − (E [ξ]) = k=2n+1 2 k 2 · P (ξ = k) − 9n2 = 2n−1 = = = 1 2n − 1 2n−1 1 2n − 1 (k + 2n) − 9n2 = k=1 2 2n−1 k 2 + 4n k=1 3 k=1 2 k + 4n2 (2n − 1) − 9n2 = 2 (2n − 1) + 3 (2n − 1) + (2n − 1) 1 + 8n2 (2n − 1) 2n − 1 6 −9n2 = n (n − 1) . Por lo tanto.14] Una variable aleatoria ξ tiene la funci´n generatriz Gξ (t) = (0. se tiene que: 3 4n−1 3 P (ξi > 3n) = i=1 [P (ξ > 3n)] = i=3n+1 3 P (ξ = i) 1 2n − 1 3 = = = = (4n − 1 − (3n + 1) + 1) · n−1 2n − 1 3 . Siendo las variables ξ1 . i i i i . es razonable n pensar que la partici´n no se ha hecho de un modo aleatorio. Si el trozo de Pedro es mayor que tres veces el de Juan en una partici´n.i i i “libroult” 2001/8/30 page 126 i 126 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.2et + o 0. ξ2 y ξ3 al n´mero de u trozos que corresponden a Pedro en cada una.

entonces: ∂φξ (k) (t) = k! · P (ξ = k) . 2.2k · 0.8 4 · et t=0 = 1.2 · et − 1 = 0.8) .2 · elnt + 0.2 · et + 0.2 · t + 0.8 i i i i . en este caso. −1 t=0 · 1. Si G (t) es derivable en un entorno del origen k veces. 5. 5. Teniendo esto en cuenta. (5 − k)! · k! 2.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .85−k = 0. 4.2k · 0. 2. k = 0. 67232. 0 3. 4.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 5 = (0. 1. PRINCIPALES VARIABLES ALEATORIAS 3. Por lo tanto: φξ (t) = Gξ (lnt) = 0.20 · 0. 5 Se verifica que. si φξ es derivable k veces en un entorno del origen. As´ ı: P (ξ = k) = 5! · 0.6656. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ . se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. ∂tk t=0 En concreto. 3. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos.8 1. para todo k = 0. Esperanza y varianza. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.85 = 0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . t=0 = 0. 3.2 · et + 0.85−k . 1. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0.6 + 0.2. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0. k 4.

Por ultimo. N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. .59399. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. i i i i . a 2. 1. . t=0 −1 − 4 = 2. k! 3. con media 22 minutos. y de forma similar al anterior ejercicio: ´ E [ξ] = m1 = Gξ (t) y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = 2 · 2 · et + 1 · e2·(e t t=0 = 2 · e2·(e t −1)+t t=0 = 2. o 1. . k! para todo k = 0. Esperanza y desviaci´n t´ o ıpica.32332.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. −1)+t t=0 P4. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . Se pide: 1.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. 1 · 2k · e−2 . P (ξ > 1) y P (ξ > 2). Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. 3.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . Funci´n de probabilidad. o 2.

22 3. De acuerdo con el enunciado.1 y esto se cumple para t = −22 · ln0. 3. ¿cu´nto tiempo se debe asignar a o a cada reparaci´n para que la probabilidad de que cualquier tiempo o de reparaci´n mayor que el tiempo asignado sea s´lo de 0. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. se cobran a 2000 pesetas). 129 El costo de reparaci´n es de 2000 pts. = i i i i . o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. por cada media hora o fracci´n.? a o Para efectuar una programaci´n. inferiores a 30.1 = 50. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . Te´ niendo esto en cuenta. 22 1. este ultimo inclusive. se observa que una reparaci´n costar´ 4000 o a pesetas siempre que su duraci´n sea superior a 30 minutos e inferior o o igual a 60 minutos (y as´ cada fracci´n de la segunda media hora ı o se cobrar´ como una media hora entera). La probabilidad de que un tiempo de reparaci´n sea menor que diez o minutos es: 10 P (ξ < 10) = 0 1 · e−x/22 ∂x = −e−x/22 22 10 0 = 1 − e−5/11 .1? o o Soluci´n o Definamos una variable aleatoria ξ que representa el tiempo de reparaci´n o (en minutos) de las m´quinas y sigue una distribuci´n exponencial de a o −1 par´metro λ = (E [ξ]) = 1/22. x > 0. 2. Debe verificarse: P (ξ > t) = 0. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. PRINCIPALES VARIABLES ALEATORIAS 2. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 .i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4.1. 657 ∼ 51 minutos. para un tiempo de reparaci´n dado. Por lo tanto. (Todos.

descontado el punto central. que el n´mero de plantas en una regi´n con o u o ´rea A es una variable aleatoria de Poisson de par´metro λ · A. si x ≥ 0. Ahora podemos f´cilmente conocer la funci´n de densidad de ξ : a o fξ (x) = y su media: E [ξ] = 0 0 2 2λπxe−λ·π·x ∞ . Encontrar p en t´rminos de λ. hay al ´ menos una planta”.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. Claramente Fξ (x) = 0 cuando x ≤ 0. Este es el suceso complementario de “en un c´ ırculo de radio x. si x < 0 .i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x. cuando o x > 0.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. En cambio. i i i i . Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. . 2 λ P4. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. no hay ninguna planta”. entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. Para cualquier k = 0. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . descontado el punto central. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. 2. es decir. . si x ≥ 0. y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . Consecuentemente. Elegida a a una planta al azar. Fξ (x) = 0 2 1 − e−λ·π·x . 1. 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 . si x < 0 . se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ . es decir. . 2 1 2λπx2 e−λ·π·x ∂x = √ .

b] . b] . k 131 P4.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. 3 de donde se deduce que −µ/σ = z0.4307. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. PRINCIPALES VARIABLES ALEATORIAS es decir. ıan procediendo de modo an´logo. σ 3 luego (1 − µ) /σ = z0. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . P (η = k) = p · (1 − p) con p = 1 − e−1/λ . se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . 1]. 1].39 y σ = 0.6745. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.75 = 0. a < b. en [−1.obteni´ndose finalmente que µ = e 0.5 y σ = 1. (1 − µ) /σ = z0. σ).16.19] Sup´ngase que ξ se distribuye como N (µ. o o i i i i .4307 y. en [−1. P4. En este caso. podremos obtener dos ecuaciones lineales en µ y σ. 2. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. a P (ξ ≤ 1) = FZ 1−µ σ = 3 .3333 = −0. 2.4307. las ecuaciones ser´ −µ/σ = z0. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1.6667 = 0.9. para todo u ∈ [a. en el intervalo [0. 2. 4 es decir. A partir de estas dos condiciones. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . 1. 2]. de lo que se obtiene que µ = 0.3333 = −0. 3.

donde c es una constante positiva y ξ o una exponencial de media θ. Fη (c) = 2 · c. b] = [0. π/2). que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. θ y su funci´n de distribuci´n ser´. a entonces fξ (y) = [π(1 + y 2 )]−1 .22] Supongamos que una part´ ıcula es lanzada desde el origen del plano xy en l´ ınea recta que forma un ´ngulo θ con el eje x. Si [a.21] Encontrar la distribuci´n de cξ. en cada caso particular: e √ 1. por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . P4. 2]. si se quiere ver la distribuci´n del cuadrado de esta variable. La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. Fη (c) = c. o que denominaremos η. Si [a. Fη (c) = 2 c/3. 1]. √ 2. la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . x > 0. P4. 1]. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2.i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. b] = [−1. b−a b−a b−a obteni´ndose. b] = [−1. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. Esta distribuci´n se llama distribuci´n de o o Cauchy. se proceder´ del siguiente modo: a Fη (t) = = = P (η ≤ c) = P ξ 2 ≤ c √ √ √ √ P − c ≤ ξ ≤ c = Fξ c − Fξ − c = √ √ √ 2· c c−a − c−a − = . √ 3. su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e . Ver que es sim´trica respecto al cero pero que no tiene esperanza. Si [a.

fθ (t) = a o 1/π. para todo x ∈ IR. di cu´l es el a valor adecuado de la constante c de manera que c · h(x) sea funci´n de o densidad. Adem´s. (g) e−ax x5 . para todo x ∈ A. la variable ξ = tanθ. Teniendo en cuenta que.23] A partir de las expresiones de las distribuciones notables. (b) x. PRINCIPALES VARIABLES ALEATORIAS 133 con la tangente de θ. para todo x ∈ IR. −(x−a)2 (e) e . (f) e−(x−a) /b . para todo x ∈ IR. 0 < x < b. 2 2π i i i i . √ √ +∞ Se verifica que −∞ c · exp(−x2 /2) · ∂x = c · 2π = 1 si c = 1/ 2π. x > 0. o calculamos la esperanza y la varianza de la variable. para todo t ∈ (−π/2. θ sigue una distribuci´n uniforme en (−π/2. por lo a o que es una funci´n de densidad. = 1. 0 < x ≤ 2. donde a y b son par´metros positivos: a (a) exp(−x2 /2). x > 0. Se obtiene que: fξ (y) = fθ (arctan (y)) · (arctan(y)) = 1 · 1 + y2 π −1 . Adem´s. (i) x7 (1 − x)9 . 1. puesto a e que 0 −∞ 1/π · y · 1 + y 2 −1 · ∂y = −∞ pero +∞ 0 1/π · y · 1 + y 2 −1 · ∂y = +∞. π/2). resultando: +∞ E [X] = −∞ √ −x2 ) · ∂x = 0. Una vez determinado el valor de c. (d) exp(−5x). 0 < x < 1. Soluci´n o La constante c debe verificar que: f (x) f (x) ∂x A 2 2 ≥ 0. (c) 1. para todo x ∈ IR. 1 < x < 10. π/2).i i i “libroult” 2001/8/30 page 133 i CAP´ ITULO 4. aunque es sim´trica respecto al cero no tiene esperanza. (h) e−a|x| . P4. esta funci´n es positiva para cualquier valor real. e indica su esperanza y varianza para las siguientes funciones h(x). adem´s. x · 1/ 2π · exp( 2 2 +∞ −∞ V (X) = E X 2 − (E [X]) = −x2 1 x2 · √ · exp( ) · ∂x = 1. (j) x7 (b − x)9 . es decir.

Se verifica que −∞ c · e−(x−a) N´tese que c > 0. 5 2 V (X) = 0 2 5x2 · e−5x · ∂x − = +∞ 1 . Se tiene entonces que: o +∞ E [X] = −∞ +∞ e−(x−a) x· √ · ∂x = a. 25 2 5. condici´n que se cumple para c = 1/ π.i i i “libroult” 2001/8/30 page 134 i 134 2. Para que sea funci´n de densidad. 9 10 3. b π i i i i . La funci´n c·e−(x−a) es funci´n de densidad si −∞ c·e−(x−a) ·∂x = o o √ 1. Adem´s: o a +∞ √ −1 √ · ∂x = cb π = 1 si c = (b π) . 4 4 4. 2 3 4 3 2 V (X) = 0 x3 · ∂x − 2 = 2 . Adem´s: a 2 E [X] = 0 2 x2 4 · ∂x = . Se verifica que ∞ 0 c · exp(−5x) · ∂x = c/5 = 1 si c = 5. b π V (X) = −∞ 2 2 1 √ · x2 · e−(x−a) /b · ∂x − a2 = b2 /2. se ha de cumplir que 1 c·∂x = 1. La esperanza y la varianza de la variable son: 10 11 x E [X] = · ∂x = . o para lo cual c debe ser igual a 1/9. 2 π /b2 2 2 V (X) = −∞ +∞ x2 · 2 6. Se tiene que 2 0 EJERCICIOS RESUELTOS DE PROBABILIDAD cx · ∂x = 2c = 1 si c = 1/2. E [X] = −∞ +∞ 2 2 1 √ · x · e−(x−a) /b · ∂x = a. Por lo tanto: ∞ E [X] = 0 ∞ 5x · e−5x · ∂x = 1 5 1 . 9 2 1 10 V (X) = 1 x2 · ∂x − 9 11 2 2 = 37 − 121 27 = . π e−(x−a) 1 √ · ∂x − a2 = .

La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b. resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . i i i i . a para lo cual c debe ser igual a a/2 . Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. Para que sea funci´n de densidad.24] Consideremos un dado que tiene en tres de sus caras un 1. se ha de cumplir que o b 0 c · x7 · (b − x)9 · ∂x = 1. 120 a 8. 19 81 1539 10.i i i “libroult” 2001/8/30 page 135 i CAP´ ITULO 4. para lo cual c debe ser igual a 194480/b17 . el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. 42 36 6 − 2 = 2. 2 a a a Para que sea funci´n de densidad. igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . 17 b 81 19 81 1539 P4. calculamos la esperanza y la varianza de la variable. La integral ∞ 0 135 c · e−ax · x5 · ∂x = 1 si c = a6 /120. La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . Una vez determinado el valor de c. PRINCIPALES VARIABLES ALEATORIAS 7. 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1. en dos tiene un 2 y en una de ellas un 3. 2 a 9. Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = .

Sea tambi´n A la σ. Hallar E[η|ξ = 2]. P ). 2. La tabla siguiente muestra las distintas posibilidades: i i i i . 2)) + P ((3. 1/3 para un 2 y 1/6 para un 3. que se define teniendo en cuenta que los tres lanzamientos son independientes. 3. y. son 1. Sea Ω el espacio formado por las posibles puntuaciones de los tres jugadores. 3))] = 1− 1 2 3 + 1 · 3 1 2 2 + 1 · 6 1 2 2 = 3 . P (ξ ≤ 1) P (ξ = 1) Para que las puntuaciones de los tres jugadores sean distintas. siendo 1/2 la probabilidad de obtener un 1. . Las variables ξ y η est´n definidas sobre el espacio probabil´ a ıstico definido en el apartado anterior del problema. respectivamente. los resultados de los tres lanzamientos deben de haber sido 1. ξ = 1) P (η > 8. 2. 6)) = (1/2) · (1/6) · (1/3) = 1/36. ∈ {1. As´ por ejemplo. Calcular P (ξ < 3) y P (η > 8|ξ ≤ 1). A.i i i “libroult” 2001/8/30 page 136 i 136 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Soluci´n o 1. respectivamente. ning´n u resultado del dado puede ser igual a 1 para el segundo o tercer jugador. 1. 4 Por otra parte: P (η > 8|ξ ≤ 1) = P (η > 8. Teniendo en cuenta c´mo se obtienen. z) : x. 2. 3 y 2 para cada jugador. x y donde x. si las puntuaciones ı. 2. 1)) + P ((2. por lo que P ((1. 3 y 6. P (ξ < = = 3) = 1 − P (ξ = 3) = 1 − P ({w ∈ Ω : x = y = z}) = 1 − [P ((1. 3. y. 3} . seg´n las reglas del o u juego: Ω= y z w = (x.´lgebra fore a mada por todos los subconjuntos de Ω y la funci´n de probabilio dad P . z son las puntuaciones obtenidas por cada uno de los tres jugadores. Sea ξ el n´mero de jugadores con igual puntuaci´n y η la suma de u o las tres puntuaciones. 3. ξ ≤ 1) = . Describir el espacio probabil´ ıstico asociado a esta experiencia aleatoria: (Ω.

3 (2. 2. demostrar que la probabilidad es m´xima cuando a N = 4n. 6.3 (3.3. 18) 1/3 · (1/6) 30 3 3.3 (1.3.2 (3.2.2. 12) (1/3) · 1/6 18 2 2. 12) (1/3) · 1/6 21 2 3.2. 4.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura.3.3.3. Se capturan k lagartos. 3. 6. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. 9.2 (1. 4 P (η > 8|ξ ≤ 1) = = 7 .2.2 (3. 3.2. 3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. 2. 6. 6) 1/2 · 1/3 · 1/6 10 2 1. ξ = 1) = 2· 1 1 1 1 · · + · 2 3 6 2 1 · 3 1 6 2 1 6 1 6 2 + 3 1 3 3 +3· 1 3 2 · 1 6 +3· = y adem´s: a 7 . 12) (1/3) · 1/6 20 2 2. 4. e se les marca y se les reincorpora a su poblaci´n. 2. 8) (1/3) 14 2 2. 4) 1/2 · (1/3) 7 1.2 (2. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. Obtener una expresi´n para la probabilidad de que ξ = m. 9. 6) 1/2 · 1/3 · 1/6 9 1.3.2 (2.3 (3.3 (2.2. a 1.3 (1. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . o Si k = 4 y m = 1. 18) 1/3 · (1/6) 26 2 3. Si N = 12. 9) 1/2 · (1/6) 13 3 2. 9 P4. k = 4 y n = 3.2 (1. 6. 18) 1/3 · (1/6) 27 2 3.

ξ ≥ 1) P (ξ = 3) 1 = = . · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . .i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. 3. la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. . ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i .26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. 1. Si N = 12. ¿Cu´l es el n´mero medio de observaciones que habr´ que hacer a u ıa para que en dos de ellas el lagarto est´ marcado? e Soluci´n o Teniendo en cuenta que los n avistamientos que se realizan son independientes. m = 0. . n. Derivando en la anterior expresi´n respecto de N e igualando a cero o se obtiene que: N n−1 · (N − 4) por lo que N = 4n. Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1. P4. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. . o e 1. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0.. 2. k = 4 y n = 3. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado.

utilizando la informaci´n disponible para ξt y la relaci´n o o entre ambas variables aleatorias. k! Consideremos otra variable aleatoria η1 que mide el tiempo que transcurre hasta que se produce el primer mordisco en un intervalo de amplitud ilimitada. Seg´n el enunu ciado. 139 Si un d´ entre las 9:00 y las 14:00 horas. se tiene que. para todo x > 0. . Claramente: ζ5 = y por lo tanto lo solicitado es: E [ζ5 ] = E 16 2ζ5 ∞ 16 . PRINCIPALES VARIABLES ALEATORIAS 4. . 2. para todo k = 0. esta variable aleatoria sigue una distribuci´n de Poisson de o par´metro t. ¿qu´ probabilidad hay de que lo haya hecho durante las e tres primeras horas de clase? Calcular la distribuci´n del tiempo transcurrido hasta que toma el o tercer trozo de chocolate. para t > 0 arbitrario pero fijo. 6. es decir: a P (ξt = k) = tk −t · e . a lo largo de los cinco d´ de una n ıas semana.i i i “libroult” 2001/8/30 page 139 i CAP´ ITULO 4. 2ζ5 = k=0 16 · P (ζ5 = k) 2k i i i i . para cualquier x > 0 : Fη1 (x) = P (η1 ≤ x) = 1 − P (η1 > x) = 1 − P (ξx = 0) = x0 = 1 − e−x · = 1 − e−x . o a 2. En efecto. 5. Se pretende demostrar que: fη1 (x) = e−x . la ha mordido en cuatro ıa. . ¿Cu´les son los supuestos necesarios para a que esa respuesta sea correcta? Calcular la funci´n de distribuci´n del m´ o o ınimo tiempo hasta su primera mordida en la ma˜ana. Sea ζ5 la variable aleatoria que mide la longitud de la tableta restante tras un intervalo de tiempo de 5 horas. ocasiones. sea ξt la variable aleatoria que mide el n´mero u de mordiscos que se producen en dicho intervalo. Fijado cualquier intervalo temporal de amplitud t horas. 1. 0! luego el tiempo que transcurre hasta que aparece la primera mordida sigue una distribuci´n exponencial de par´metro 1. Soluci´n o 1.

η1 (x. 0! e 4. z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. η1 . 3.i i i “libroult” 2001/8/30 page 140 i 140 EJERCICIOS RESUELTOS DE PROBABILIDAD ∞ = 16 · e−5 · k=0 1 · k! 5 2 k = 16e−5/2 . η1 . ξ5 = 4) P (ξ3 = 4. sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. que denotaremos η1 . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . ∂t 2 Otra alternativa consiste en razonar pensando que η3 es suma de 3 variables aleatorias independientes e id´nticamente distribuidas del e 1 2 3 tipo η1 . Se obtiene entonces: 1 2 3 Fη3 (t) = P η1 + η1 + η1 ≤ t t t−x 0 0 t−x = 0 e−(x+y+z) · ∂z · ∂y · ∂x = t2 e−t . ξ2 = 0) = = P (ξ5 = 4) P (ξ5 = 4) P (ξ3 = 4) · P (ξ2 = 0) = P (ξ5 = 4) 34 4! · e−3 · 54 4! 20 0! · e−2 · e−5 = 0. y. 1296.η1 . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . 5. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. 2 i i i i . Se tiene que: Fη3 (t) = P (η3 ≤ t) = 1 − P (η3 > t) = = 1 − [P (ξt = 0) + P (ξt = 1) + P (ξt = 2)] = t0 −t t1 −t t2 −t = 1− ·e + ·e + ·e = 0! 1! 2! t2 = 1 − e−t 1 + t + . y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 .

wi = B significa que “A pierde” y wi = X significa que “A empata”. B. X}} . En cada partida el jugador A tiene probabilidad p de ganar. con p+q < 1. a calcular la probabilidad de que gane A. P4. . η1 independientes e id´nticamente distribuidas seg´n la variable η1 introducida en el e u primer apartado de este mismo problema. 141 1 2 3 4 5 Consideremos 5 variables aleatorias η1 . η1 . . η1 . Se asume que las partidas son independientes. η1 . η1 . η1 > x = ın 1 2 3 4 5 = 1 − [P (η1 > x)] = 1 − [1 − Fη1 (x)] = 1 − e−5x . donde cada wi representa el resultado de la partida i−´sima: wi = A e significa que “A gana”. 3. Se desea calcular la distribuci´n de: a o η = m´ η1 . Dejando indicados los resultados. η1 . resultando t partidas en tablas y ganando b partidas el otro jugador. Para calcular la probabilidad de que el torneo consista en: i i i i . PRINCIPALES VARIABLES ALEATORIAS 6. η1 . q. η1 . η1 .i i i “libroult” 2001/8/30 page 141 i CAP´ ITULO 4. η1 . w2 . η1 . ın 1 2 3 4 5 La distribuci´n de esta variable es: o Fη (x) = P m´ η1 . η1 . y B probabilidad q. 1 − p − q. nos enteramos de que B lleva ganadas b partidas y se han producido t tablas. p. Soluci´n o Consideremos el espacio muestral: Ω = {w = (w1 . Probabilidad de que A gane el torneo. sucediendo que: P (A) = P (B) = P (X) = 1. o u en un momento dado.27] A y B disputan un torneo de ajedrez. probabilidad de que A gane el torneo. η1 ≤ x ın 1 2 3 4 5 = 1 − P m´ η1 . cuando el torneo no ha finalizado. η1 . η1 . con distribuci´n exponeno cial de par´metro 1. Asumamos que 0 ≤ w < v. .) : wi ∈ {A. pero no sabemos cu´ntas haya podido ganar A hasta el momento. 5 5 2. se pide: 1. funci´n de probabilidad del n´mero total de partidas disputadas. que concluye cuando uno de ellos alcanza v victorias.

e 3. .} sucede: m´ ın{v−1. entonces la probabilidad del suceso solicitada es: A P SvA+wB+tX = v+w+t−1 · v+t−1 w t (v+w+t−1)! = w!·t!·(v−1)! · pv · pv · q w · (1 − p − q) · q w · (1 − p − q) . para todo k ∈ {v. Dado adem´s que cualquiera de a t estas distribuciones posibles tiene probabilidad pv · q w · (1 − p − q) . en otro caso. . t t Finalmente la probabilidad de que gane A es: ∞ v−1 P SA = t=0 w=0 ∞ v−1 A P SvA+wB+tX = (v + w + t − 1)! v w t · p · q · (1 − p − q) . y hay v+t−1 formas t de situar las t partidas tipo tabla. ´ observemos que hay v+w+t−1 formas de situar las w partidas tipo w B entre las v + w + t − 1 primeras partidas. Sea la variable aleatoria η : Ω → IR donde η (w) es el n´mero de la u partida donde aparece la v−´sima partida tipo A. si antes hay menos e de v de tipo B. . Entonces.k−v} Fη (k) = w=1 A B P SvA+wB+(k−v−w)X +P SwA+vB+(k−v−w)X . w partidas tipo B.i i i “libroult” 2001/8/30 page 142 i 142 EJERCICIOS RESUELTOS DE PROBABILIDAD v partidas tipo A. Entonces: v−1 P (A gana) = k=0 P (A gana | ha ganado k) · P (ha ganado k) . i i i i . despu´s de perder w partidas y empatar k −v −w. A donde SvA+wB+(k−v−w)X es el conjunto de todos los posibles torneos en los que gana A. y el n´mero de la partida donde aparece la v−´sima u e partida tipo B. Asumimos que w < v. v + 1. e B y donde SwA+vB+(k−v−w)X es el conjunto de todos los torneos en los que gana B despu´s de perder w partidas y empatar k − v − w. es decir wv+w+t = A. w! · t! · (v − 1)! t=0 w=0 2. t partidas tipo X. la ultima partida es tipo A.

s! · u! · (v − k − 1)! w+t+k t+u t · · pk · q w · (1 − p − q) . si 0 ≤ y < π . 2. π2 i i i i . 1.i i i “libroult” 2001/8/30 page 143 i CAP´ ITULO 4. o Soluci´n o 1. 3. Dados dos puntos elegidos uniformemente en una semicircunferencia de radio R. si − π ≤ y < 0 .28] Sean x1 y x2 dos puntos aleatorios elegidos uniformemente en el intervalo [0. no m´s de v − w − 1 derrotas. s! · u! · (v − k − 1)! · w! · t! · k! P4. fY (y) = (π + y) /π 2 (π − y) /π 2 . si 0 ≤ y < π π − |y| . PRINCIPALES VARIABLES ALEATORIAS 143 donde P (A gana | ha ganado k) equivale a la probabilidad de que A obtenga las otras v − k victorias. si − π ≤ y < 0 . . y a cualquier n´mero adicional de tablas. As´ u ı: P (A gana | ha ganado k) ∞ v−w−1 = s=0 u=0 (v − k + s + u − 1)! v−k u s ·p · q · (1 − p − q) . o Calcular la esperanza de Y y de |Y |. w t v−1 ∞ v−w−1 Por otro lado: P (ha ganado k) = Como conclusi´n: o P (A gana) = k=0 s=0 u=0 (v − k + s + u − 1)! · (w + t + k)! v u+w s+t ·p ·q · (1 − p − q) . π]. π]. Se deben distinguir dos casos posibles: FY (y) = P (Y ≤ y) = P (X1 − X2 ≤ y) = (π + y) / 2π 2 π − (π − y) /2 /π 2 2 2 2 . π] . hallar la distribuci´n de la distancia entre ellos. El rango de la variable aleatoria Y = X1 − X2 es el conjunto de valores comprendidos en el intervalo [−π. Hallar la funci´n de densidad de la variable aleatoria Y = X1 − X2 . y ∈ [−π. de lo que se obtiene que: fY (y) = es decir.

se obtiene: E [|Y |] = 2 · 0 πy · π−y π · ∂y = . π2 3 i i i i . La esperanza de la variable Y es: E [Y ] = −π 0 πy · π − |y| · ∂y π2 π+y π−y y· = · ∂y + πy · · ∂y = π2 π2 −π 0 π−y π−y = πy · · ∂y − πy · · ∂y = 0.i i i “libroult” 2001/8/30 page 144 i 144 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. π2 π2 0 0 Por otra parte. para la variable |Y |.

los vectores aleatorios son funciones de un espacio probabil´ ıstico sobre IRn . Se llama funci´n de distribuci´n marginal de una o o componente del vector aleatorio. Dado un vector aleatorio bidimensional ξ = (ξ1 . P ) sobre IR. Fξ1 (x1 ) = l´ ım Fξ (x1 . se llama funci´n de o distribuci´n conjunta a la funci´n definida sobre IR2 como: o o Fξ (x1 . En este cap´ u ıtulo se presentan problemas donde aparecen vectores aleatorios con n = 2. a la proyecci´n de la funci´n de distribuci´n o o o conjunta cuando las otras componentes toman valores pr´ximos a infinito. ξ2 ). x2 ) = P ({w ∈ Ω : ξ1 (w) ≤ x1 . −∞ Cuando adem´s las componentes son variables aleatorias independientes entona ces: fξ (x1 . x2 →+∞ Si la funci´n de distribuci´n conjunta del vector aleatorio es continua entono o ces cada componente del vector es una variable aleatoria continua. x2 ). x2 ) ∈ IR2 . Por ejemplo: o +∞ fξ1 (x1 ) = fξ (x1 .i i i “libroult” 2001/8/30 page 145 i CAP´ ITULO 5 Variables aleatorias bidimensionales Si bien las variables aleatorias son funciones de un espacio probabil´ ıstico (Ω. Por o ejemplo. x2 ) = fξ1 (x1 ) · f˙ξ2 (x2 ). sucediendo que la funci´n de densidad de una componente coincide con la integral de la o funci´n de densidad conjunta sobre la otra componente. ξ2 (w) ≤ x2 }) para todo (x1 . A. 145 i i i i . para alg´n natural n. x2 )∂x2 .

u u 1. o o 2. 3)} = o 1/6. P5. 10 negras y 25 blancas. P {(3. 2)} = P {(1.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. y) = si  1/3  1 ≤ x < 2. y ≥ 3  2/3   1 si x ≥ 3. Por lo tanto: P (x. 3) y (2. o 2. P {(x. y) ∈ IR2 : x + y = 4 = P ({(1. y ≥ 3 2. k2 ). k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). Considerando los distintos casos posibles. 3)} = 2/6. 2 ≤ y < 3 F (x. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . 3)} = P {(2. Calcular la funci´n de probabilidad conjunta. y) ∈ IR2 : x + y = 4}. eno tonces cada componente es una variable aleatoria discreta. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. Calcular: 1. sucediendo que la funci´n de probabilidad de una componente coincide con la suma de la funci´n o o de probabilidad conjunta sobre la otra componente. Soluci´n o 1. 2)}) = 1/3. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 .2] Sea una urna con 15 bolas rojas. y ≥ 3     si 2 ≤ x < 3. 2). η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. Ejercicios Resueltos P5. 2 ≤ y < 3  1/6 2 ≤ x. 2)} = P {(2. Hallar las funciones de distribuci´n marginales. o i i i i . 3)}) + P ({(2. la funci´n de distribuci´n bivariante asociada.1] Sea la funci´n de masa P {(1.

i. η = j) = 4 3−j 17 . 10} . 147 La funci´n de probabilidad conjunta viene dada. 3 y i + j ≤ 3. . Por lo tanto: P (0 < ξ ≤ 2. 1.4] Una urna contiene tres bolas rojas. Las funciones de distribuci´n de estas dos variables discretas son: o P (ξ = x) = 10 · x 10 · y 15 50 10 50 x 10−x · y 35 50 40 50 . sin reemplazamiento. . 2. j = 0. η = 3) + P (ξ = 2. η = 3) y P (ξ ≥ 1). Soluci´n o N´tese que esta funci´n de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i. Sean las variables ξ y η definidas como ξ = 1 si la bola extra´ en primer lugar es roja y 0 si ıda no lo es. para x. . tres blancas y cuatro negras. η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . 1. . η = j) = 3 i 3 j 4 3−i−j 120 . j)tales que i.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5. j = 0. Se extraen dos bolas de la urna. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. η) con funci´n de probabilidad conjunta: o P (ξ = i. Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0. y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . 2. por: P (ξ = x. 10−y P (η = y) = · . 3 i+j ≤3 Calcular P (0 < ξ ≤ 2.3] Sea el vector aleatorio (ξ. y ∈ {0. η = 3) = P (ξ = 1. 2. teniendo en cuenta o que las bolas se extraen con reemplazamiento. 24 = 1− j=0 1 3 120 0 3 j = P5. P5. η = 3) = 0.

si x=0 . 1. se puede afirmar que las variables ξ y η no son independientes. puesto que P (ξ = x. as´ como las funciones de probabio ı lidad marginales. η).5] Repetir el problema anterior suponiendo que las extracciones se hacen con reemplazamiento. Calcular las distribuciones conjuntas. marginales y condicionadas de (ξ.i i i “libroult” 2001/8/30 page 148 i 148 EJERCICIOS RESUELTOS DE PROBABILIDAD es. y ∈ {0. x=1 x=0 . Soluci´n o De forma similar al caso anterior: η|ξ 0 1 7 10 7 10 0 · · 7 10 7 10 3 10 3 10 3 10 1 · · 3 10 7 10 3 10 7 10 3 10 1 i i i i . si 1/3 . y = 0. η = y) . 1} . η = y) = P (ξ = x) · P (η = y) . P (η = y) 2/3 . x=1 P (ξ = x | η = 0) = P (ξ = x | η = 1) = Finalmente. ¿Son ξ y η independientes? Soluci´n o La funci´n de probabilidad conjunta. para todo x. si 2/9 . P5. si 7/9 . est´n expresadas en la siguiente tabla: a η|ξ 0 1 7 10 7 10 0 · · 6 9 3 9 3 10 3 10 1 · · 7 9 2 9 7 10 3 10 7 10 3 10 1 Adem´s: a P (ξ = x | η = y) = por lo que: P (ξ = x.

El valor de k es aqu´l para el que se verifica: e 2 2 k(x + 1)(y + 1) = 36k = 1. para x = 0. 36 6 y=0 y+1 (x + 1)(y + 1) = . 1. x=0 y=0 es decir. η) tiene la distribuci´n de probabilidad conjunta o dada por P (ξ = x. 2. x=1 149 Finalmente. Calcular el valor de k. Calcular las distribuciones marginales. 2. P5. 2. VARIABLES ALEATORIAS BIDIMENSIONALES y adem´s: a P (ξ = x | η = 0) = P (ξ = x | η = 1) = 7/10 . para todo x. 5. La distribuci´n de ξ condicionada a η = y (y = 0. 4. k = 1/36. y = 0. para x = 0. Distribuciones de Z = ξ + η y de ϕ = ξ 2 + η 2 . ¿Son independientes ξ y η? Calcular P (ξ + η > 2) y P (ξ 2 + η 2 ≤ 1). y = 0. Las distribuciones marginales son: P (ξ = x) = (x + 1)(y + 1) x+1 = . para y = 0. 1. se puede afirmar que las variables ξ y η son independientes. x=1 x=0 . 1. si 7/10 . η = y) = k(x + 1)(y + 1) donde x. 2). si 3/10 . η = y) = . 1. Distribuciones de ξ condicionada a η = y (y = 0. 2) es: o P (ξ = x | η = y) = x+1 P (ξ = x.6] El vector aleatorio (ξ. si 3/10 . Soluci´n o 1. 1.i i i “libroult” 2001/8/30 page 149 i CAP´ ITULO 5. 2. 6. 36 6 x=0 2 2 P (η = y) = 3. 2. η = y) = P (ξ = x) · P (η = y) . 1. 1. 1. P (η = y) 6 i i i i . 3. puesto que P (ξ = x. 2. si x=0 .

porque P (ξ = x | η = y) = P (ξ = x) . para todo x. 2. y = 0. η = 1) + P (ξ = 1. alternativamente. 1. para todo x. 2. η) se concluye que la variable Z = ξ + η tiene distribuci´n: o z 0 1 2 3 4 y ϕ = ξ 2 + η2 : w 0 1 2 3 4 5 6 7 8 P (ϕ = w) 1/36 1/19 1/14 0 1/16 1/13 0 0 1/14 P (Z = z) 1/36 1/19 5/18 1/13 1/14 i i i i .i i i “libroult” 2001/8/30 page 150 i 150 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. y = 0. 5. η = y) = P (ξ = x) · P (η = y) . 36 6. 12 P (ξ 2 + η 2 ≤ 1) = P (ξ = 0. η = 2) = 7 . A partir de la funci´n de probabilidad conjunta del vector aleatorio o (ξ. 1. η = 2) + P (ξ = 2. η = 0) = 5 . Se tiene que P (ξ + η > 2) = P (ξ = 1. η = 0) +P (ξ = 0. η = 1) +P (ξ = 2. pues P (ξ = x. Las variables ξ y η son independientes. O.

N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 5. 3. . Por lo tanto P (ξ = x.8] Definimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias ξ como el “n´mero de lanzamiento en el que aparece u la primera cara (si no aparece cara ξ = 0)”. 2 blancas y 1 roja. y = 1 x = 2. si 10−y x = 1. y = 2. Calcular la distribuci´n de probabilidad o o conjunta. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). 4. 10 x = 0. si . si 2. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. . y = 1 · i=0 10−x j=0 10−y i = 1/2y . y = 0 x = 1. 1.7] Consideremos una urna con 3 bolas azules. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. . 2. Las correspondientes distribuciones marginales son: i i i i .10). Distribuciones de ξ condicionada a η = y (y = 0. y consideremos las variables aleatorias que nos dan el n´mero ξ de bolas azules y el n´mero η de bolas blancas u u que aparecen en la extracci´n. . . Calcular la funci´n de probabilidad conjunta. . . si · 10−x j = 1/2x . la probabilidad P (ξ = x. 10. Extraemos 3 bolas sin reemplazamiento. Soluci´n o ξ=0 0 0 1/20 ξ=1 0 6/20 3/20 ξ=2 3/20 6/20 0 ξ=3 1/20 0 0 η=0 η=1 η=2 P5. .. Soluci´n o 1. o Calcular las distribuciones marginales.

2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. si x=0 x=1 x = 2. i i i i . por ejemplo: P (ξ = 2. Esperamos o una hora y observamos lo que queda en la jaula. La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. .9] En una jaula hay un rat´n y dos pollitos. . . si . si .3. . si y = 2. η = 0) = 1.i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. η = 1) = 5. . . . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. P5. si . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . 10 + 10 y=2 1/2y = 1/2 . η = y) = . si y=0 y=1 y = 2. pues. . si x=0 x = 2. . Las variables aleatorias ξ y η no son independientes. si P (η = y) =     =    P (ξ = x. 10 + 10 x=2 1/2x = 1/2 . . . . si 3. . . P (η = 0) 2x−1 . 1 9 2 1 P (ξ = x. η = y) = . 10 4. . η = i) = 1. .

027 0 0 0 0.10] Sea (ξ. η) . P5. u dar la distribuci´n conjunta de (ξ.7x . x = 0. pues: a P (ξ = 0. para x = 0. 2. y) pertenece al recinto limitado por las rectas x + y = 1. η). si (x.147 0 0. η = 4) = 0. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1.343 0.294 0 0.126 4 0 0.1. Esto puede observarse en la figura 5. 3. 3 · 0.126 0 0 0. 1.441 0.21 6 0 0 0.33 = P (ξ = 0) · P (η = 0) = 0.3. y) = 24y (1 − x − y).294 8 0 0 0 0. 2.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. η = 0)+P (ξ = 1.33−x · 0.027 0. VARIABLES ALEATORIAS BIDIMENSIONALES 1. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. i i i i . las variables ξ y η no son independientes.36 . x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. 3. y = 0. 3. La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2. 3. Calcular las funciones de densidad condicionadas. 1.063 0.343 1 Adem´s. η) o es: η|ξ 0 1 2 3 0 0. η = 2)+P (ξ = 2. 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula.189 0.343 0. 2. η = 0) = 0.027 2 0 0. Calcular las funciones de densidad marginales. La probabilidad de que el n´mero de patas no supere al doble del u n´mero de animales viene dada por: u P (η ≤ 2ξ) = P (ξ = 0.

i i i i .2: Regiones del plano para el problema P5. y R4 R3 R2 R1 R6 R5 x Figura 5.10.9.1: Diagrama para el ejercicio P5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.

y) ∈ R1 : F (x.2.i i i “libroult” 2001/8/30 page 155 i CAP´ ITULO 5. y) ∈ R4 : x 1−s 0 1−y 2 2 0 24t (1 − s − t) ∂t ∂s y (2y − 8y + 6) − (1 − x)4 + y 4 . y) = 0 24t (1 − s − t) ∂t ∂s = 12y 2 x − 6y 2 x2 − 8y 3 x. si (x. si (x. si (x. y en cada u una se obtiene: si (x. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 155 Dividimos IR2 en distintas regiones seg´n muestra la figura 5. y) ∈ R2 : x y 0 F (x. F (x. y) = 0 24t (1 − s − t) ∂t ∂s = 1 − (1 − x)4 . y) = 0 x 0 24t (1 − s − t) ∂t ∂s 1−s + = si (x. y) = 0. para 0 ≤ x ≤ 1. y) ∈ R5 : y 1−t 0 F (x. y) = 1. 1−y x=1−y fη (y) = 0 24y (1 − x − y) ∂x = 24y (1 − y) x − 12yx2 x=0 2 2 2 = = 24y (1 − y) − 12y (1 − y) = 12y (1 − y) . y) = 0 24t (1 − s − t) ∂s ∂t = y 2 (3y 2 − 8y + 6). Las correspondientes funciones de densidad marginales son: 1−x fξ (x) = 0 24y (1 − x − y) ∂y = 3 3 24y 2 24y 3 (1 − x) − 2 3 3 y=1−x = y=0 = 12 (1 − x) − 8 (1 − x) = 4 (1 − x) . y) ∈ R6 : F (x. para 0 ≤ y ≤ 1. y) ∈ R3 : 1−y y F (x. si (x. i i i i .

3: Regiones del plano para el problema P5.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5.11. Calcular o la funci´n de distribuci´n. y fη|ξ=x (y) = f (x. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. 0 ≤ x ≤ 1 − y. y) ∈ R2 : F (x. P5. k = 1. i i i i . Dado que la funci´n de distribuci´n es uniforme. 0 ≤ y ≤ 1 − x. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x.η (x. es decir. Por tanto. entonces o o fξ. y) ∈ R1 : F (x.3. y) = 0. Por ultimo. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. x = 2. y = 0.11] Sea (ξ. la funci´n de distribuci´n es: o o si (x. y) = xy − y 2 . As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. si (x. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5.

12. o o Calcular las funciones de densidad marginales.4. Calcular las funciones de densidad condicionadas. y) = 0 cuando (x. Consideremos las zonas del plano indicadas en la figura 5. De este modo. Soluci´n o 1. y ≥ 0 . 1. y) est´ en R2 . 2.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. y) = 1. x ≥ 0. Calcular la funci´n de distribuci´n conjunta. 4 F (x. considerando un punto (x. si (x. y) = y(2 − y).4: Regiones del plano para el problema P5. y) arbitrario pero fijo: i i i i . La funci´n de densidad es f (x. y) ∈ R5 : F (x. si (x. y) = si (x. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. y o a f (x. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x.12] Sea (ξ. y) ∈ R3 : F (x. Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c. y) est´ fuera de R2 . y) ∈ R4 : x2 . y) = 4/π cuando (x. 3. y) ∈ IR2 : x2 + y 2 < 1. P5.

π π si (x. si (x. 1 − y2 . y) = 0 2 4 ∂t ∂s = arcsenx + x 1 − x2 . y) ∈ R4 : x √ 1−s2 0 1 − y2 − y F (x. si (x. y) ∈ R5 : y √ 1−t2 0 F (x. y) = 0 4 ∂s ∂t = xy π √ 1−s2 0 si (x.i i i “libroult” 2001/8/30 page 158 i 158 EJERCICIOS RESUELTOS DE PROBABILIDAD si (x. Para todo x ∈ [0. 1]. De forma similar la variable ξ condicionada a η = y sigue una distribuci´n uniforme en o [0. y) ∈ R1 : F (x. y) = 0 1−y 2 0 y x 4 ∂t ∂s+ √ π 1−y 2 4 ∂t ∂s = π 1 − y2 . su distribuci´n ha o resultado uniforme en el intervalo [0. y fη (y) = 0 en el resto. y) = 0 2 4 ∂s ∂t = arcseny + y π π F (x. 1 − y 2 ] cuando y ∈ [0. y fξ (x) = 0 en el resto. y) = 0. y) ∈ R3 : √ F (x. y) =√ fξ (x) 1 − x2 i i i i . y) ∈ R2 : y x 0 F (x. y) = 1. 4 π y 1 − y2 + 1 arcsenx + x 1 − x2 − arcsen 2 si (x. 1] : fη|ξ=x (y) = 1 − y2 √ si 0 ≤ y ≤ 1 − x2 y cero en el resto. y) ∈ R6 : 2. 3. Dado que para la variable condicionada el valor de x es un par´√ ametro fijo. y √ 2 1−y 4 4 fη (y) = ∂x = π π 0 si 0 < y < 1. 1 f (x. 1 − x2 ]. Las funciones de densidad marginales son: √ 1−x2 fξ (x) = 0 4 4 ∂y = π π 1 − x2 si 0 < x < 1.

i i i i . . VARIABLES ALEATORIAS BIDIMENSIONALES 159 P5. . ya que la funci´n de densidad se obtiene derivando en o o esa zona. o a ın Se pide: 1. . ξn } y ζ = m´ {ξ1 . i i n Como se verifica que 0 ≤m´ ξi ≤m´x ξi ≤ 1. La funci´n de distribuci´n conjunta es: o o Fη. . 4. z) = = = P m´x ξi ≤ w. Soluci´n o 1. el vector (η. . Para w ∈ [0. η 2 y varianza de η. 1]. . . Esperanza condicionada de η dada ζ. . o Esperanza de η. 1] se tiene: Fη (w) = P m´x ξi ≤ w = P (ξ1 ≤ w. . por lo que se puede afirmar que: a e P (ξ1 ≤ w. de ζ y de la conjunta. m´ ξi ≤ z a ın i i P m´x ξi ≤ w − P m´x ξi ≤ w. ξn > z) = 1 − [P (ξ > z)] n = 1 − (1 − z) . 6. ζ 2 y varianza de ζ. .i i i “libroult” 2001/8/30 page 159 i CAP´ ITULO 5. Esperanza de ζ. . 2. . Por otra parte. obtenida de una distribun ci´n uniforme en [0. . z ≤ w. ξn son independientes y o est´n id´nticamente distribuidas. . o Funci´n de densidad condicionada de ζ dado η.ζ (w. . i n i n n para 0 ≤ w ≤ 1. a i N´tese que las variables aleatorias ξ1 . . se a obtiene que: Fζ (z) = P m´ ξi ≤ z = 1 − P m´ ξi > z = ın ın i i n = 1 − P (ξ1 > z. . ξn }. Vamos a hallar la funci´n de distribuci´n en el interior de o o esta regi´n. o z = 0. obteni´ndose as´ que e ı Fη (w) = wn . Funci´n de densidad condicionada de η dado ζ. ζ) se ın a distribuye en la regi´n comprendida entre las rectas z = w. . . .13] Sea una muestra aleatoria simple de tama˜o n. 3. m´ ξi > z a a ın i Fη (w) − [P (z < ξ ≤ w)] = w − (w − z) . para 0 ≤ z ≤ 1. . para 0 ≤ w ≤ 1. . Sean η = m´x {ξ1 . . Calcular las distribuciones de η. y procediendo de forma an´loga al caso anterior. 5. ξn ≤ w) = [P (ξ ≤ w)] . . ξn ≤ w) . w = 1.

Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . z ≤ w ≤ 1. De la misma forma. n−2 fη. E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5. para 0 ≤ z ≤ 1.ζ (w. 0 ≤ w ≤ 1. n P5. n+1 n . z) y por lo tanto: fη|ζ=z (w) = 3. se obtiene: 1 2 (n + 1) (n + 2) 1 . = n (1 − z) n−1 . E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . = · w (w − z) n−2 i i i i .14] Dado el intervalo [0. 1]. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. n+1 2 E [ζ] = 0 zn (1 − z) 1 n−1 ∂z = E ζ 2 = 0 z 2 n (1 − z) n−1 ∂z = 2 . Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 .ζ (w. se eligen al azar tres n´meros a. n+2 −n . 0 ≤ z ≤ 1. Calcular la o probabilidad de que tenga soluciones reales. z ≤ w. 0 ≤ z ≤ w. An´logamente. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . .ζ (w.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. 4. n−2 = n (n − 1) (w − z) . 0 ≤ w ≤ 1. (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. a fζ|η=w (z) = fη.

i i

i

“libroult” 2001/8/30 page 161 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o

161

Para que esta ecuaci´n tenga soluciones reales, el discriminante, b2 − 4ac, o ha de ser mayor o igual que cero. Por lo tanto, la probabilidad deseada es P B 2 − 4AC ≥ 0 , donde A, B y C son variables aleatorias con distribuci´n uniforme sobre el intervalo [0, 1]. Para ello, vamos a considerar o una nueva variable aleatoria ξ = AC, con funci´n de densidad fξ (x). Se o tiene entonces que: P B 2 − 4AC ≥ 0 = 1 − P B 2 − 4AC < 0 = 1 − P B <
1/4 √ 2 x 1 1

4AC =

= 1−
0 0

fB (b) · ∂b ·fξ (x)·∂x−
1/4 0

fB (b) · ∂b ·fξ (x)·∂x.

Ahora bien, la funci´n de densidad de la variable aleatoria ξ se obtiene a o partir de: Fξ (x) = P (ξ ≤ x) = P (AC ≤ x) =
x 1

=
0 1 0

fC (c) · ∂c · fA (a) · ∂a
x/a

+
x 0

fC (c) · ∂c

· fA (a) · ∂a =

= x − xlnx, y por lo tanto: fξ (x) = ∂Fξ (x) = −lnx, para x ∈ [0, 1] . ∂x

Sustituyendo en el desarrollo anterior se tiene que: 1 1 3 1 5 1 P B 2 − 4AC ≥ 0 = 1 − ln2 − − + ln2 = + ln2 = 0, 2544. 3 9 4 2 36 6 Antes de terminar conviene observar que, aunque a sea distinto de cero con probabilidad 1, no conviene dividir por a y estudiar la ecuaci´n o x2 + (b/a)x + (c/a) = 0, ya que, aunque A, B, C sean independientes, las variables B/A y C/A no lo son. P5.15] Sea f (x, y) = cyex , x ≤ y ≤ 0; f (x, y) = 0 en el resto. 1. Calcular c y obtener las funciones de distribuci´n conjunta, maro ginales y condicionadas. Expresar y comprobar la relaci´n que hay o entre ellas.

i i i

i

i i

i

“libroult” 2001/8/30 page 162 i

162

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R4

R3 x R2

R1

Figura 5.5: Regiones del plano para el problema P5.15.

2. Calcular la esperanza de η dado ξ + 2 = 0, la funci´n caracter´ o ıstica de η dado η + 2 ≤ 0; la funci´n de distribuci´n de η dado ξ + 2 ≤ o o 0 ≤ η + 2; y la funci´n de densidad de η dado ξ + η + 2 ≥ 0. o Soluci´n o 1. La funci´n f (x, y) = cyex debe verificar: o
0 −∞ 0 x

cyex ∂y ∂x = 1,

y esto se cumple si c = −1. Para obtener la funci´n de distribuci´n conjunta, debemos dividir o o el plano en diferentes regiones y estudiar el valor de la probabilidad F (x, y) = P (ξ ≤ x, η ≤ y) en cada una. Se tiene: si x ≤ y ≤ 0:
x y s

F (x, y) =
−∞

−tes ∂t ∂s =

x2 y2 −x+1− 2 2

ex ,

si y ≤ x:
y y s

F (x, y) =
−∞

−tes ∂t ∂s = (1 − y) ey ,

si x ≤ 0, y ≥ 0:
x 0 t

F (x, y) =
−∞

−tes ∂t ∂s =

x2 − x + 1 ex , 2

i i i

i

i i

i

“libroult” 2001/8/30 page 163 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES en otro caso: F (x, y) = 1.

163

Por otra parte, las correspondientes funciones de distribuci´n maro ginales son:
x 0 s y s

Fξ (x) Fη (y)

=
−∞ y

−tes ∂t ∂s =

x2 − x + 1 ex , para x ≤ 0. 2

=
−∞

−tes ∂t ∂s = (1 − y) ey , para y ≤ 0.

Las funciones de distribuci´n condicionadas son: o Si y ≤ 0: Fξ|η=y (x) = Si x ≤ 0: Fη|ξ=x (y) = 2. Se obtiene que: E [η | ξ + 2 = 0] = E [η | ξ = −2] = 4 yfη|ξ=−2 (y) ∂y = − . 3 −2 1 P (η ≤ −2)
0 −2 0

Rx −yes ∂s R−∞ y s
−∞

−ye ∂s

= ex−y

si x ≤ y si y < x.

1

  

Ry −tex ∂t Rx 0 x
x

−te ∂t

=1−

y 2 x

si x ≤ y ≤ 0 si y ≥ 0 si y < x.

 1  0

Adem´s, la funci´n caracter´ a o ıstica de η dado η + 2 ≤ 0 es: ϕη|η≤−2 (t) = E eitη | η ≤ −2 = = = 1 Fη (−2) −e2 + e 3
0 −2 −it

eity fη (y) ∂y

eity (−ey + (1 − y) ey ) ∂y 1 it + 1 − 2 e−it . 3 it + 1

Y la funci´n de distribuci´n de η dado ξ + η + 2 ≥ 0 es: o o Fη|ξ+η+2≥0 (y) = Fη|ξ≤−2≤η (y) = = Pη|ξ≤−2≤η (η ≤ y) = P (ξ ≤ −2 ≤ y) P (ξ ≤ −2 ≤ η) F (−2, y) − F (−2, −2) = = F (−2, 0) − F (−2, −2) y2 = 1 − , para − 2 ≤ y ≤ 0. 4 =

i i i

i

tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. i i i i . calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. y) y el centro del escenario (el origen 0). ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. 2.6: Plano del teatro del ejercicio P5. 3.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. ξ + η ≥ −2) = P (ξ + η ≥ −2) y −1 0 −1 t −2−t t −2−t −tes ∂s ∂t −tes ∂s ∂t = = ey (y − 1) + e−2−y (y + 1) + 2e−1 . para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). Calcular la funci´n de densidad de la variable aleatoria T que mide o la distancia entre el lugar al que corresponde una entrada (el punto (x. Por ultimo. a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. As´ se obtiene que: ı. esto es. e−2 + 2e−1 − 1 yey − ye−2−y .16. y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5.16. o 1. e−2 + 2e−1 − 1 Por lo tanto.

4550 N´tese que la funci´n de distribuci´n de la variable se ha obtenido o o o a partir de las ´reas de los correspondientes semianillos circulares. i i i i . ∂sk se obtiene: V (T ) = m2 − m2 = 1 ∂ 2) ϕT (s) |s=0 − ∂s2 ∂ϕT (s) |s=0 ∂s 2 . 2 − 302 100 9100 para 30 ≤ t ≤ 100. y) pertenece a las gradas . 4550 s2 Se obtiene finalmente que: E [cos (sT )] = cos (st) ϕT (s) = is 100eis100 − 30eis30 − eis100 + eis30 . donde: t ∂t = 4550 30 1 cos (100s) + 100ssen (100s) − cos (30s) − 30ssen (30s) . obteno gamos primero: FT (t) = P (distancia al centro < t) = = π (t2 −302 ) 2 π(1002 −302 ) 2 = 2. teniendo en cuenta que: a ∂ k) ϕT (s) |s=0 = mk . y) = 2 π(1002 −302 ) 165 0 . k = 1. El ´rea de las gradas es π 1002 − 302 /2. si el punto (x. . s2 100 Adem´s. .i i i “libroult” 2001/8/30 page 165 i CAP´ ITULO 5. y derivando en la anterior expresi´n se concluye o que: t fT (t) = para 30 ≤ t ≤ 100. en otro caso Para hallar la funci´n de densidad de la distancia al origen. = 4550 s2 mientras que: E [sen (sT )] = 1 −sen (100s) + 100scos (100s) + sen (30s) − 30scos (30s) − . 2. t2 − 302 t2 − 900 = . VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. a La funci´n caracter´ o ıstica de la variable aleatoria T es: ϕT (s) = E eisT = E [cos (sT )] + iE [sen (sT )] . . y por tanto: a f (x.

o o 2. tal como muestra la figura 5. Hallar la funci´n de distribuci´n de la coordenada η. 1. P5. una con frutales y otra con hortalizas. 15646. y cero en otro caso. se encontrar´ en un punto aleatorio de la finca (ξ.7. a un ladr´n que se encuentra en los o frutales. El ladr´n.5. 3.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso.5 π(1002 −302 ) 2 = 0. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. la probabilidad que se pide es: 2236. que queda inm´vil al e o o o despertarse el perro. En la esquina 0 duerme el perro guardi´n. El perro corre a 10 m/s. i i i i . Para obtener la probabilidad de estar a la sombra se calcula el ´rea a de la zona a la sombra: 100 60 0 √ 1002 −x2 100 ∂y ∂x = 60 1002 − x2 ∂x = 2236. η). Cuando el perro se a despierta.7: Plano de la finca del ejercicio P5. en menos de 15 segundos. 3. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas.17.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. y por lo tanto. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. Hallar la primera coordenada de la posici´n media en que se da o caza.

En primer lugar calculemos la probabilidad de que tarde menos de t segundos en coger al intruso. la funci´n de distribuci´n de o o la variable T en el punto t.η (x. por lo tanto. debe verificarse: a 100 0 1 · ∂y + a 200 100 2 · ∂y = 1. 0 ≤ x ≤ 200. es decir. entonces dicha probabilidad es equivalente a la de que el intruso se encuentre en un punto (x. y) que verifique (x + y) /10 ≤ t. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. se tiene: fξ. Dado que para llegar a un punto (x. Hay que distinguir varios casos: Si 0 ≤ t ≤ 10: 10t 10t−y 0 FT (t) = 0 x t3 ∂x∂y = 5 6 · 10 3600 Si 10 < t ≤ 20: 100 10t−y 0 FT (t) = 0 x ∂x∂y + 6 · 105 10t 100 0 10t−y x ∂x∂y 3 · 105 Si 20 < t ≤ 30: 100 10t−y 0 FT (t) = 0 x ∂x∂y + 6 · 105 200 100 0 10t−y x ∂x∂y 3 · 105 i i i i . 0 < x ≤ 200. y) el perro debe recorrer x + y metros.i i i “libroult” 2001/8/30 page 167 i CAP´ ITULO 5. y) = fξ (x) · fη (y) = 1 x 300 2000 2 x 300 2000 = = x 600000 x 300000 si 0 ≤ y ≤ 100. la funci´n de densidad de la o variable η es de la forma:  1  a . la distribuci´n marginal es x/(3 · 105 ) en los frutales y o x/(6 · 105 ) en las hortalizas. a Efectuando los c´lculos correspondientes se obtiene: a fη (y) = 1/300 2/300 si 0 ≤ y ≤ 100 si 100 < y ≤ 200 y. 2. si 0 ≤ y ≤ 100 fη (y) =  2 . si 100 < y ≤ 200. Es decir. si 100 < y ≤ 200 a Adem´s. 167 De acuerdo con los datos del problema. ya que ξ y η son variables aleatorias independientes.

i i i i . 125000 La funci´n de densidad es: o fZ (z) = 300z − 6z 2 125000 y por tanto la esperanza solicitada es: 50 E[Z] = 0 zfZ (z)∂z = 25. y para cada uno: FZ (z) = z 150−x (x/300000)∂y∂x 0 100 50 150−x (x/300000)∂y∂x 0 100 = 150z 2 − 2z 3 . 10t − s). S). La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50.i i i “libroult” 2001/8/30 page 168 i 168 EJERCICIOS RESUELTOS DE PROBABILIDAD Si 30 < t ≤ 40: 100 200 0 FT (t) = 0 x ∂x∂y + 6 · 105 FT (t) = 1. dado que ξ = S y η = 10T − S entonces fT. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. donde T := (ξ + η)/10 y S := ξ. Concretamente. ξ + η ≤ 150) P (η ≥ 100. η). Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. η ≥ 100.η (s. 3.S (t. Otra o alternativa m´s propia de este cap´ a ıtulo consiste en calcular la funci´n o de densidad conjunta de la variable (T. teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. s) = 10 · fξ.

Si r = 2. Se dice que la sucesi´n converge en probabilidad o a una variable aleatoria ξ si. Sea {ξn } una sucesi´n de variables aleatorias definidas sobre el espacio de o probabilidad (Ω. ξn → ξ. ım r y se denota ξn → ξ. ım Se denota ξn → ξ. Si existe una funci´n o o o de distribuci´n Fξ tal que: o n→∞ l´ Fξn (x) = Fξ (x). para cualquier > 0: n→∞ L L l´ P ({w ∈ Ω : |ξn (w) − ξ(w)| > }) = 0. equivalentemente. a 169 i i i i . P ). y se denota Fξn → Fξ . para o alg´n r > 0. se dice que la sucesi´n converge en media o cuadr´tica hacia la variable ξ. Se dice que ξn converge en media r hacia una variable u aleatoria ξ si E [ξ r ] < ∞ y adem´s: a P n→∞ r l´ E[|ξn − ξ| ] = 0. diremos que Fξn converge en ley a Fξ . r Sea {ξn } una sucesi´n de variables aleatorias tales que E [ξn ] < ∞. ım en todo punto x en el que Fξ sea continua. o. ϕ.i i i “libroult” 2001/8/30 page 169 i CAP´ ITULO 6 Convergencia Sea {Fξn } una sucesi´n de funciones de distribuci´n.

. dada una u sucesi´n de variables aleatorias ξ1 . ξn . . . El teorema de Tchebyshev afirma que. Se verifica. con media µ y varianza σ 2 finitas. . por el Teorema Central del L´ ımite. . a u Una secuencia de variables aleatorias ξ1 . u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge en probabilidad a 0. . ım n→∞ r P c. . A continuaci´n se observan las relaciones que existen entre los distintos o tipos de convergencia: ξn → ξ ⇒ ξn → ξ ⇒ ξn → ξ Adem´s. con media y varianzas finitas. para alg´n r > 0.s. . . ξn . P ). . . La Ley Fuerte de los Grandes N´meros de Kolmogorov afirma que. n i=1 ξi − nµ L √ → Z. Una secuencia de variables aleatorias ξ1 . . . . . . entonces {ξn } cumple la Ley Fuerte de los ım Grandes N´meros. . . . . u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge casi seguro a 0. . o P ({w ∈ Ω : l´ ξn (w) = ξ(w)}) = 1. . . ϕ. ξn . . . P L c. σ/ n donde Z es una variable aleatoria normal con media cero y varianza 1. . cumple la Ley D´bil e de los Grandes N´meros si la sucesi´n de variables aleatorias η1 .s. ηn . . . . y tal que l´ n→∞ V [ξn ] = 0. . ım n→∞ y se denota ξn → ξ.i i i “libroult” 2001/8/30 page 170 i 170 EJERCICIOS RESUELTOS DE PROBABILIDAD Sea {ξn } una sucesi´n de variables aleatorias definidas sobre el espacio o de probabilidad (Ω. . . . con media y varianzas finitas. Diremos que esta sucesi´n converge casi seguro o hacia una variable aleatoria ξ si y s´lo si. . cumple la Ley Fuerte de los Grandes N´meros si la sucesi´n de variables aleatorias η1 . . y o n tal que l´ n→∞ i=1 V [ξi ]/i2 < ∞. ξn . si ξn → ξ. . . ηn . u Sea {ξn } una secuencia de variables aleatorias independientes e id´nticamene te distribuidas. dada una sucesi´n de variables aleao torias ξ1 . . . . Ejercicios Resueltos P6. . ım entonces ξn − E[ξn ] converge en probabilidad a 0 si y s´lo si para cualquier o > 0: l´ P ({w ∈ Ω : |ξn (w) − E[ξn (w)]| > }) = 0. . se verifica ξn → ξ.1] Sea {Xn }n∈N una sucesi´n de variables aleatorias con distribuci´n: o o k 0 1 − 1/n 1 P (Xn = k) 1 − 1/n 1/ (2n) 1/ (2n) i i i i .

. Finalmente. Estudiar la convergencia en ley de la variable aleatoria X(n) = m´x Xi . CONVERGENCIA 171 Estudiar la convergencia en probabilidad. se analizar´ la convergencia en media cuadr´tica de la sucea a si´n. de lo que se sigue que la sucesi´n converge en media cuadr´tica a la o a variable aleatoria degenerada X ≡ 0. si ε < 1 − 1/n P (Xn = 1) = 1/ (2n) . Para estudiar la convergencia en ley. si t<0 . 2n 2n 2n3 l´ E |Xn | ım 2 = 0. n´tese que la funci´n de distribuci´n o o o de la variable Xn .2] Sean {Xi }i=1 variables aleatorias independientes distribuidas uniformemente en el intervalo [0. Para ello es necesario calcular: o E |Xn − 0| Se observa que: n→∞ 2 = 1− 1 n 2 · 1 1 2n2 − n + 1 + 12 · = . dado un ε > 0. en ley y en media cuadr´tica a de esta sucesi´n a la variable X ≡ 0.i i i “libroult” 2001/8/30 page 171 i CAP´ ITULO 6. Para ello. si 0 ≤ t < 1 − n 1− n FXn (t) = 1 1 2n−1 1 . t≥0 que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. Por lo tanto. si t ≥ 1 y se verifica: n→∞ l´ FXn (t) = ım 0 1 . n ∈ N es:  . si . P6. si 1 − 1/n ≤ ε < 1 .. θ > 0... se concluye que la sucesi´n converge en ley a esta ultima o ´ variable. a i∈{1.n} n i i i i . o Soluci´n o Estudiemos en primer lugar si la sucesi´n {Xn }n∈N converge en probao bilidad a la variable X ≡ 0. =  0 . si t < 0  0   1 1 . si 1 − n ≤ t < 1  1 − n + 2n = 2n   1 . si ε ≥ 1 prob´ndose as´ que esta sucesi´n converge en probabilidad a la variable a ı o X. se tiene que: P (|Xn − X| > ε)   P (Xn = 1 − 1/n) + P (Xn = 1) = 1/n . θ] .

para o o t ∈ [0.. . si . .3] Dar un ejemplo de una sucesi´n de variables aleatorias {Xn }n∈N que o converja a una variable aleatoria X en ley pero no en probabilidad. Xn ≤ t) = [P (X1 ≤ t)] = n t θ n . si 2 ≤ t < 3   1 . a cuando n tiende a infinito. . por su parte. Esta sucesi´n converge en ley a la variable aleatoria X. . i = 1. θ] . tiene como funci´n de distribuci´n. para x ∈ [0.i i i “libroult” 2001/8/30 page 172 i 172 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables aleatorias Xi . t≥θ que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. Adem´s. .. si t<θ . . FX(n) (t) = 0 si t < 0. .. n tienen como funci´n de distribuci´n o o a: t FXi (x) = .  2/3 . si t ≥ 3 i i i i . Se observa que. . si 1 ≤ t < 2 FXn (t) = . se verifica: FX(n) (t) = P (X1 ≤ t. θ La variable X(n) . pues: o  . ya que estas variables son independientes. P6. .. θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t. Xn ≤ t) . y es igual a 1 si t ≥ θ. i∈{1...n} y. Soluci´n o Sea una sucesi´n de variables aleatorias {Xn }n∈N y una variable aleatoria o X con la siguiente distribuci´n conjunta: o Xn | X 1 2 3 1 0 0 1/3 2 1/3 0 0 3 0 1/3 0 . esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . si t < 1  0   1/3 .

t≥0 que es la funci´n de distribuci´n de la variable aleatoria ξ ≡ 0. P6. si distribuci´n definidas de la sio t<0 0≤t<n . n≤t Estudiar la convergencia en ley de esta sucesi´n. . Se observa que: P (|ξn − 0| > ) = 0 1 n2 . . ≥n i i i i . P6. si Fξn (t) =  1 . .. si <n . si . si ε ≥ 2 que no converge a cero cuando n → ∞. si  0 1 1 − n . si 0 < ε < 1  1 1/3 . pero sin embargo no converge en media cuadr´tica. si t<0 . Por lo o o tanto: L ξn → 0. a Soluci´n o Para estudiar la convergencia en probabilidad es necesario ver. CONVERGENCIA y se verifica que: n→∞ 173 l´ FXn (t) = FX (t) . para todo > 0. P (|Xn − X| > ε) =  0 .4] Sea {Fξn } una sucesi´n de funciones de o guiente forma:  . o Soluci´n o Esta sucesi´n converge de forma clara a: o F (t) = 0 1 . 2.5] Sea la sucesi´n de variables aleatorias {ξn } tales que: o P (ξn = 0) = 1 − 1 n2 1 P (ξn = n) = 2 n para n = 1. si . ım Sin embargo. Demostrar que esta sucesi´n converge en probabilidad o a la variable aleatoria degenerada ξ ≡ 0. si 1 ≤ ε < 2 .i i i “libroult” 2001/8/30 page 173 i CAP´ ITULO 6. dado un ε > 0 :  . la convergencia en el l´ ımite de P (|ξn − 0| > ). por lo que la sucesi´n {Xn }n∈N o no converge en probabilidad a la variable X.

a P6. Sean ξ1 . n´tese que E |ξn | = 1. ξ2 . de acuerdo con la Ley D´bil de los Grandes N´meros. Entonces. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. que acierta el primer empleado. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. sino que la probabilidad de que la diferencia entre esta proporci´n y 2/3 sea mayor que una cierta cantidad ε > 0 tiende a o cero. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. . del total de u 30 que responde al azar. siendo p = 2/3 su probabilidad de encestar en cada tiro. . . . a 2. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. sea X1 una variable aleatoria con distribuci´n binomial de par´metros o a n1 = 30 y p1 = 1/2 que representa el n´mero de preguntas. por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. esta proporci´n converge en probabie u o lidad a 2/3. i=1 ξi /n es la proporci´n de aciertos. Realizados n e n o tiros. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. a i i i i . de las que s´lo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que s´lo hay una plaza o vacante. P6. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar).i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. ¿cu´l ser´ la probabilidad de que acertara al menos 40? a ıa Soluci´n o Suponiendo la independencia entre preguntas en el caso de cada empleado. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. ım 2 Sin embargo.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. Si uno de los dos empleados contestara al azar a todas las preguntas.

¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. X = n 104 i=1 Xi . . podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). i = 1. y aplicando el Teorema Central del L´ ımite. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. 175 Aproximemos.8] El n´mero de personas que acuden un banco en una semana para abrir u una cuenta sigue una distribuci´n de Poisson de par´metro λ = 1. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. Teniendo en a cuenta lo anterior. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2.5) . Z> 30 − 0.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6.6331 i i i i .9495 De forma similar al apartado anterior. a una normal de par´metros µ = 104 y σ 2 = 104. Procediendo de forma an´loga a los casos anteriores. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. mediante el Teorema Central del L´ ımite. a 100 + 0. n1 · p1 · (1 − p1 ) = 7. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. . aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. . n2 · p2 · (1 − p2 ) = 15) . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.5438 P6. en el caso de que ´ste responda las 80 pregune tas al azar.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi .5 = 0.5 − 40 √ 20 = 0. Z> 10 + 0. 2. CONVERGENCIA 1. .5 − 30 √ 15 = 0.5 − 15 √ 7.

i i i “libroult” 2001/8/30 page 176 i i i i i .

Se dice que dos variables aleatorias X e Y est´n incorreladas si y s´lo si a o se verifica ρXY = 0. denominada “regresi´n de Y soo o bre X”. por lo que si X e Y son o o independientes. Un caso particular consiste en aproximar la relaci´n entre ambas o variables por una recta: y = ax + b. V (X) · V (Y ) El coeficiente de correlaci´n entre dos variables aleatorias X e Y verifica: o |ρXY | ≤ 1. Y ) · (x − E [X]) . entonces tambi´n est´n incorreladas. Calculando los valores de a y b que minimizan E (Y − aX − b) obtiene la denominada “recta de regresi´n de Y sobre X”: o y − E [Y ] = cov (X. Y ) = 0. entre las que existe una relaci´n funcional del tipo y = E [Y | x]. N´tese que ρXY = 0 si y s´lo si cov (X. Y ) ρXY = ρ = . V (X) 2 se Si existen E X 2 y E Y 2 .i i i “libroult” 2001/8/30 page 177 i CAP´ ITULO 7 Regresi´n y correlaci´n o o Sean X e Y variables aleatorias dependientes. e a 177 i i i i . se define el “coeficiente de correlaci´n entre o X e Y ” como: cov (X.

ρXY = 0. 1). P7. Soluci´n o Definamos X = U + V e Y = U − V .i i i “libroult” 2001/8/30 page 178 i 178 EJERCICIOS RESUELTOS DE PROBABILIDAD Ejercicios Resueltos P7. i i i i . obtenga dos variables aleatorias incorreladas. = 1 1 1 − · = 0. 2 4 por lo que: cov X. Se tiene que: o cov X.1 0.2] Sean U y V variables aleatorias con igual media e igual varianza.3] Sea X|Y 1 2 0 3 0. Entonces. cov (X. 8 2 4 Por lo tanto. 2 1 0 x· 1/2 1 1 − x · ∂x = . P7. ¿Est´n las variables aleatorias X y |1/2 − X| incorreladas? a Soluci´n o Para estudiar si estas variables est´n incorreladas obtengamos el coefia ciente de correlaci´n ρXY .1 0. 2 8 E [X] = E 1 −X 2 = 1 − x · fX (x) · ∂x = 2 1 −X 2 1 0 1 1 − x · ∂x = . Utilizando estas variables. y se concluye as´ que ambas variables est´n inı a correladas. Y ) = E [XY ]−E [X] E [Y ] = E U 2 − V 2 − E [U ] − E [V ] y por lo tanto ρXY = 0.3 0.5 2 2 = 0. siendo: E X· 1 −X 2 1 1 −X 2 =E X· 1 −X 2 − E [X] · E 1 −X 2 . = 0 x· 1/2 1 − x · fX (x) · ∂x = 2 1 − x · ∂x − 2 1 = 0 x· 1 . la distribuci´n de probabilidad conjunta de las variables aleatorias X e o Y.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0.

Obtener el coeficiente de correlaci´n de estas variables.8 − 1. o Determinar la recta de regresi´n de Y sobre X.3 − 1. o 179 Soluci´n o 1. 3. 2. P7.82 ) = 0. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.62 ) · (5.75 · (x − 1.8 (2. xi P (X = xi ) = 1.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .4 0.4 − 1.6) .8 i yj P (Y = yj ) = 1.8. 9 i i i i .4 j=1 E [Y ] = = Finalmente: ρXY = 2. REGRESION Y CORRELACION 1.4] Sean: y= x + 2. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. E Y 2 j=1 2 2 yj P (Y = yj ) = 5. 15 x y = + 1.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.6 · 1. 58333.4 0.8 = 1.6 P (Y = yi ) 0.3. Y = yj ) = 3. La recta de regresi´n de Y sobre X es: o y − 1.6.

o Soluci´n o Las rectas de regresi´n de Y sobre X y de X sobre Y son.5] Sea (X. Deo terminar el coeficiente de correlaci´n entre X e Y. y) = 1 . V (Y ) Por lo tanto. V (X) V (Y ) 15 9/15. respectivamente: o y − E [Y ] = cov (X. se observa que 1 cov (X. Y ) una variable aleatoria bidimensional con la siguiente distribuci´n conjunta: o f (x. V (X) 15 cov (X. Y ). V (X) cov (X. en otro caso si 0 < y < 1 si − 1 < y ≤ 0 en otro caso xyf (x. Y )] 9 = . Y ) x − E [X] = · (y − E [Y ]) . en otro caso Determinar el coeficiente de correlaci´n entre X e Y. i i i i . luego ρXY = 0. por lo que se obtiene que: cov (X. V (Y ) Se obtiene entonces que: ρ2 = XY por lo que finalmente ρXY = [cov (X. fY (y) =  0 . 1+y . 0 < x < 1 0 . o Soluci´n o Las funciones de densidad marginales de estas dos variables son: 2x fX (x) = 0   1−y . si 0 < x < 1 . Y ) = . Y ) · (x − E [X]) . 2 P7. Y ) = 9. y) ∂y ∂x = xy∂y ∂x = 0.i i i “libroult” 2001/8/30 page 180 i 180 EJERCICIOS RESUELTOS DE PROBABILIDAD las rectas de regresi´n de la variable aleatoria bidimensional (X. si |y| < x. Y ) = E [XY ] − E [X] E [Y ] = 1 0 x −x 1 0 x −x .

Obtenga la recta de regresi´n de Y sobre X y calcule el coeficiente de o correlaci´n entre ambas variables. Y ) una variable aleatoria bidimensional con funci´n de densidad o conjunta: f (x. y) · ∂x = Se obtiene entonces: 1 E [X] = 0 x · fX (x) · ∂x = 1 1 = E [Y ] . 6 1 1 = · x− 6 7 6 .6] Sea (X. 72 1 . REGRESION Y CORRELACION 181 P7. 7 i i i i . y) = xy. por lo tanto: o y− es decir: y− 1 = 6 1 9 − 7 72 1 36 · x− 1 6 . y) · ∂y = 0 1 xy · ∂y = xy · ∂x = 0 x . el coeficiente de correlaci´n entre las variables X e Y es: o ρXY = 1 12 7 72 = 6 . 2 y . si 0 ≤ x ≤ 1. 8 7 . 0 ≤ y ≤ 1. o Soluci´n o Las correspondientes funciones de densidad marginales son: 1 1 fX (x) = 0 1 f (x. 9 y por lo tanto V (X) = V (Y ) = Adem´s: a E [XY ] = 0 0 1 1 xyf (x. Finalmente. 2 fY (y) = 0 f (x.i i i “libroult” 2001/8/30 page 181 i ´ ´ CAP´ ITULO 7. 6 E X2 = 0 x2 · fX (x) · ∂x = 1 =E Y2 . y) ∂y∂x = La recta de regresi´n de Y sobre X es.

i i i “libroult” 2001/8/30 page 182 i i i i i .

probabilidad e inferencia. Alhambra. Garc´ L. Descriptiva. Isidoro. Pir´mide. Ed. Morales. a 1998. Mart´ Pliego. AC. 1988. Rohatgi: An Introduction to Probability Theory and Mathematical Statistics. Montero. [4] J. Pardo. Ed.M. Montero. Ed. D´ de Santos. L. Madrid. Zamora: Problemas de ıa. 1984. Estad´ ıstica.A. L. 183 i i i i . [2] C. V. Quesada: Ejercicios y Problemas de C´lculo de Probabilidades. Madrid.i i i “libroult” 2001/8/30 page 183 i Bibliograf´ ıa [1] J. A. D. 1998. Ed. Quesada. Ed. Rivera. J. Madrid. Cuadras: Problemas de Probabilidades y Estad´ ıstica.J. Vol 1: Probabilidades. a ıaz ´ [5] V. Lopez: Curso y Ejercicios de Estad´ ıstica. Barcelona.M. PPU. [3] F.M. C. 1976. A. Nueva York. Ru´ Maya: Problemas de ın ız Probabilidad. Ed. John Wiley & Sons. [6] V. 1985.F.I. Casas. L.J.