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

.

y para el d´ siguiente consideramos s´lo a ıa o esos. la respuesta “´xito en la inversi´n” si se levanta con el pie derecho. a cada ıas. ¡Este ser´ el mono al que esas personas le dar´ su dinero! ıa ıan Este libro contiene 139 ejercicios resueltos de Probabilidades. ¿Se dejar´ asesorar por ´l para que le rentabilizase sus ahorros? Sin ıa e duda. ıa Consideremos 1000 monos durante diez d´ Cada d´ le asociamos. 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. algunos tomados de a a libros mencionados en la bibliograf´ con distinto grado de dificultad. 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.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. Por el contrario. el primer d´ 500 monos acertar´n la operaci´n justa. Transcurridos e a los diez d´ es muy probable que tengamos un mono que haya acertado todas ıas las operaciones. y e o “fracaso en la inversi´n” si se levanta con el pie izquierdo. cada d´ o ıa aproximadamente la mitad acertar´. y de ellos 125 la tercera. Entonces. algunos conceptos se o presentan de forma simplificada (como los referentes a la Ley Fuerte de los 9 i i i i . No se trata de una colecci´n exclusiva de problemas dif´ o ıciles de resolver. de configurar una gama de problemas apropiados para un primer curso de Probabilidades. ıa uno. tratando ıa. desafiantes y s´lo o aptos para alumnos brillantes. etc. de los que ıa a o 250 tambi´n acertar´n la segunda. mucha gente responder´ afirmativamente. Es decir. Dado que o a o no ha sido objetivo el extendernos en la parte te´rica. En ella hay ejercicios cl´sicos.

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

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

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

si ´stos son diferentes. 2.3 = 10 · 9 · 8/6 = 120 maneras.2 − 8 = 8! 8·7 −8= − 8 = 28 − 8 = 20 diagonales.2 = 6 uniones posibles de dos v´rtices diferentes cualesquiera. Comenzamos calculando el n´mero de diagonales del cuadrado. en el caso de que los premios sean iguales. en el caso del oct´gono. 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. si una misma persona puede recibir m´s de un premio: a 1. 2! · 6! 2 Finalmente.3 = 220 maneras de distribuir los premios si ´stos son e iguales. e 2. COMBINATORIA 1. de V R10.2 − n = 2.2 − 6 = 6! − 6 = 15 − 6 = 9 diagonales. hay CR10. Calcularlo para el caso general de un pol´ o ıgono de n lados. a Procediendo del mismo modo con el hex´gono. 13 hay V10. se obtienen a C6. 2 i i i i .3 = 10 · 9 · 8 = 720 maneras de distribuir los premios si ´stos son diferentes. Hay u C4. ¿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. se obtienen a o C8. el n´mero u de diagonales es: Cn.i i i “libroult” 2001/8/30 page 13 i CAP´ ITULO 1.3 e =103 = 1000 maneras. P1. el hex´gono y el u a oct´gono. 2! · 4! An´logamente. n! n · (n − 1) n2 − 3n −n= −n= . Si de estas 6 parejas eliminamos las que corresponden a v´rtices adyacentes (tantas como el n´mero de lados del e u cuadrado). se pueden distribuir los premios. para el caso general de un pol´ ıgono de n lados.3] Las diagonales de un pol´ ıgono se obtienen uniendo pares de v´rtices no e adyacentes. e adyacentes o no. quedar´n 6 − 4 = 2 diagonales. pueden distribuirse de C10. Obtener el n´mero de diagonales del cuadrado. 1. Igualando el n´mero de lados y el n´mero u u u de diagonales se obtiene: n= n2 − 3n .

el primero de ´stos no puede ser cero. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. u 3. . hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito.10 = 36510 . Fijamos el ultimo d´ ´ ıgito y.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. i i i i . sin repeticiones. P1. 1. 2. el n´mero de maneras u distintas es V R365. Por lo tanto. . EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0.1. Como n ≥ 1 .9 1. Como adem´s no se permiten repeticiones. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres).4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. el primer d´ ıgito no puede ser cero. La soluci´n es n = 5 a o (el pent´gono).i i i “libroult” 2001/8/30 page 14 i 14 es decir.6] En un grupo de 10 amigos. ¿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. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. el resultado n = 0 no es v´lido. u P1. 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. Al igual que en el apartado anterior. a P1.. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. e u 2. . Puesto que debe formarse un n´mero de 4 d´ u ıgitos. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. se pueden formar 92 · 8 · 7 = 4536 n´meros. Por tanto. Por lo tanto. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. permitiendo repeticiones. como no puede haber repeticiones. 3.

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

existen 9! = 362880 maneras de ordenar estas 9 unidades. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. 1. si las 4 primeras son obligatorias. maneras. respectivamente. P1. e 1. As´ puede elegir las preguntas de C10. P1.11] 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 .3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas. Por lo tanto. 2. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y. resultando un total de C6. Supongamos que los libros de cada materia son id´nticos. ı Consideremos los cuatro libros de matem´ticas como una unia dad. que adem´s no podr´n repetirse. hay 3! = 6 ordenaciones posibles de las materias. Entonces. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas. En este caso tendremos una unica unidad de matem´ticas. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. que pueden ordenarse de 3! = 6 formas distintas. Consideramos cada conjunto de libros de una misma materia como una unidad. Por a lo tanto. 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). Consideremos cada conjunto de libros de una misma materia como una unidad. puesto que los libros de cada materia son indistinguibles. N´tese que entonces se tendr´ un total de 3 o ıa unidades. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas.i i i “libroult” 2001/8/30 page 16 i 16 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.7 = 10·9·8/ (3 · 2) = 120 ı. que consideraremos diferentes para este c´lculo inicial. as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. Por otra parte. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. es a a irrelevante. y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matem´ticas. 2.

a o Adem´s hay C7.2 = 15 grupos de 3 f´ a ısicos.2 = 25 · 24 = 600 billetes diferentes. es importante saber si corresponden al principio o al final del trayecto. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. y C6. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. y C7. existen C5. P1.13] 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. todos son elegibles. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. entonces s´lo hay 1 posibilidad. luego existen C5. 3.12] Una l´ ınea de ferrocarril tiene 25 estaciones.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1.3 = 10 grupos de 3 vocales distintas.2 = 10 grupos de 2 matem´ticos.2 = 10 grupos de 2 matem´ticos. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7.4 = 35 grupos de 4 consonantes distintas y C5. ¿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. por lo que hay C5. ¿De cu´ntas formas podr´ hacerse si: a a 1. Puesto que todos son elegibles.3 = 35 grupos de 3 f´ a ısicos. 10 · 15 = 150 comisiones. Por otra parte. As´ se pueden formar ı. 2.14] Tres atletas toman parte en una competici´n. P1. 2. un f´ ısico particular ha de estar en esa comisi´n.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. P1. y adem´s. o i i i i . Se fija uno de los f´ ısicos. Luego hay un total de 10 · 35 = 350 comisiones posibles. a dadas dos estaciones.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. 3. ¿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. hay un total de V25.

si no puede haber ninguna urna vac´ ıa.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. el resultado ı. Aplicando lo anterior. Por lo tanto.n = distribuciones posibles. tres bolas en la tercera. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. si ninguna urna puede quedar vac´ fijamos n bolas. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . Sin embargo.15] Se tienen n urnas diferentes. ıa. 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). Si llegan los tres por separado. una de las urnas que tendr´n alg´n elemento. Por ejemplo. ı es m+n−1 (m + n − 1)! CRn.m = = . ninguna en la cuarta y dos en la quinta. se obtiene un total de CRm−n. existen C3. dado que las barras son indistinguibles entre s´ as´ como las estrellas. 3. ninguna bola en la segunda. P1. o u 2.2 = 3 grupos de dos que llegan juntos. En particular. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. Hay Cn. por lo que el problema se reduce a distribuir m−n bolas en n urnas. una en cada urna. n−1 m! · (n − 1)! 2. se fija una bola en cada ıas. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. por lo que existen 3 · 2 = 6 posibilidades. si n = 5 y m = 6. existen 3! = 6 posibilidades. pueden llegar a la meta de 13 maneras distintas. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna. 3. 1.

2.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. P1. se observa que. 600 posibilidades para las letras.m−r = maneras de distribuir las bolas. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. la posici´n relativa de todos los individuos ser´ la miso a ma. no hay restricciones. dos personas particulares no pueden sentarse juntas? Soluci´n o 1.2 = 25·24 = ı. y V R10. u Sin embargo.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. El total de historias cl´ ınicas que pueden hacerse es. Por lo tanto. El n´mero de permutaciones de las siete personas en la mesa es 7!. por lo tanto. 2. por ejemplo. ıa ıa P1. Suponiendo que hay 25 letras. no hay restricciones sobre letras y n´meros.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes.2 = a e 252 = 625 posibilidades para las letras. N´tese que. hay: Cn. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. Por tanto. Se procede de forma similar al caso anterior. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. dada una de estas posibles distribuciones. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. 625 · 1000 = 625000. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. con la unica diferencia ´ de que ahora las letras no pueden repetirse. COMBINATORIA 19 de CRn−r. como no se hacen distinciones entre los asientos en la i i i i . resulta que hay V R25.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. si cada individuo se traslada al asiento situado a su derecha.3 = 103 = 1000 posibilidades para los d´ ıgitos. 2. en el caso de que las urnas no fueran distinguibles.3 = 1000 posibilidades para los d´ ıgitos.r · CRn−r. As´ hay V25.

Consideremos a esas dos personas como una sola. hay 6! = 720 formas de sentarse. que puede ser A (adenina). As´ el n´mero total de formas ı. 2. 3. 2. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. entonces existen V R4. ¿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. 4 ´ 5 flores. a 3. hay 120 · 2 = 240 formas de sentarse. no m´s de tres nombres? a Soluci´n o 1. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. se concluye que hay 720 − 240 = 480 formas de sentarse. P1.3 = 43 = 64 secuencias distintas. P1. y adem´s ´stos o a e pueden repetirse. u de sentarse es 7!/7 = 6! = 720. se obtiene que hay 6!/6 = 5! = 120 distribuciones. 2. 2. Si tiene dos nombres como m´ximo. hay V R27. Si tiene dos nombres. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. estando juntas las dos personas particulares. exactamente dos nombres.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. P1.i = 25 − 1 = 31 i=1 ramilletes distintos. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. Por otra parte. sin restricciones. no m´s de dos nombres. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. a a tenemos: 5 C5. C (citosina) y T (timina). Procediendo igual que en el apartado (a). Por tanto. Finalmente.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. por 7. hay dos posibilidades: a i i i i .19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1.3 = 273 = 19683 conjuntos de iniciales. o u G (guanina). es decir.20] Suponiendo que hay 27 letras distintas. Por tanto. Adem´s.

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

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

es decir. A1 . ∅ ∈ A. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. Dado que es una imagen matem´tica (abstracta) de un problema (real) no es necesariamente unico para a ´ un experimento dado.) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A.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. A2 ∈ A entonces A1 ∪ A2 ∈ A. pudiendo por tanto existir diferentes espacios muestrales para un mismo problema. Sobre una pareja (Ω. etc. ω ∈ A. que reciben el nombre de sucesos. A) se define una probabilidad como una funci´n o P : A −→ [0. 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. 1] 23 i i i i . T´ ıpicamente se desea estudiar caracter´ ısticas de algunos subconjuntos de sucesos elementales. Se dice que un suceso A ocurre cuando el resultado del experimento ω est´ asociado a uno de sus a sucesos elementales. Para garantizar rigor en el uso de operaciones algebraicas como la uni´n y o la intersecci´n de conjuntos.

i i i “libroult” 2001/8/30 page 24 i 24 EJERCICIOS RESUELTOS DE PROBABILIDAD con las siguientes propiedades: P (Ω) = 1.1] Describir el espacio muestral para cada uno de los siguientes experimentos aleatorios: 1. 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) = . A la terna (Ω. 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) . P (A ∩ B) = P (A)P (B). 3. A. i i i i . 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. Intuitivamente: o P (A) = casos favorables a A . P (B) Se dice que A y B son independientes si. P ) con Ω ⊂ A. si A1 . A. Dado (Ω. a 4. Cuatro objetos se envasan en paquetes de dos. P ) con P (B) > 0. el espacio muestral Ω se llama equiprobable cuando la probabilidad de todos sus sucesos elementales es la misma. y s´lo si. 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. o Ejercicios Resueltos P2. |Ω| Dados dos sucesos A y B de un mismo espacio probabil´ ıstico (Ω. 2. P ) se le llama espacio probabil´ ıstico. Un dado es lanzado cinco veces consecutivas. 5. A. Cinco dados son lanzados simult´neamente. Se representa por P (A | B). Una moneda es lanzada hasta que salen dos caras o dos cruces consecutivas. A2 ∈ A: A1 ∩ A2 = ∅ entonces P (A1 ∪ A2 ) = P (A1 ) + P (A2 ).

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

2. S´lo el n´mero de caras es de inter´s. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. un posible espacio muestral es Ω = {w = (w1 . que puede ser C =“cara” y X =“cruz” (i = 1.2] Una moneda es lanzada cinco veces. pero que la afirmaci´n rec´ e o ıproca no es cierta. X}} . 2. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. 2. w4 ) : wi ∈ {B. P2. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). Un posible espacio muestral es: Ω = {w = (w1 . Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. P2. si A. 3. 4} . e 3. tral es: Ω = {0. As´ un posible espacio muesı. 2. i i i i . a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. si A. Soluci´n o 1. 3.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. A. 3. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. 3. A} . B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). si A ∈ A: P (Ac ) = 1 − P (A). 3. w4 . w3 . demostrar: 1. 1. 4. w3 . siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. 4. P (∅) = 0. 5. P ) un espacio probabil´ ıstico. si A. 2. B ∈ A: A ⊆ B entonces P (A) ≤ P (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)). 2. w5 ) : wi ∈ {C. o u e 2.3] Dado (Ω. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). 5) . 4. 4). Sin embargo. 5} . w2 . 3. i = 1. w2 . El resultado de cada lanzamiento individual es de inter´s.

2. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 4)})] 3 + · [P ({(1. 4. 225. i = 1. 6)}) + P ({(2. 5. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. 27 Basta tener presente las dos condiciones que cumple P por definici´n. 3. Basta tener presente las dos condiciones que cumple P por definici´n. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 2 8 i i i i . 6)}) + P ({(1. 6} . 5)}) + P 3 + · [P ({(2.4] Un jugador italiano expres´ su sorpresa a Galileo. 3. 3. 2. 4)}) + P ({(2. Basta tener presente las dos condiciones que cumple P por definici´n. la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. o considerando A1 := A y A2 := Ac . 3} . = 3 · 6·3+ 6 2 216 Por otra parte. 234 y 333. Basta tener presente las dos condiciones que cumple P por definici´n. 2. 3)}) 2 1 3 25 ·2+1 = . por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 5)})] + P ({(3. 5)}) + P ({(2. 3. w2 . 3. o considerando A1 := A \ B y A2 := A ∩ B. 3. 2. 2. 244 y 334. 6)}) + P ({(1. N´tese que este espacio es equiprobable y |Ω| = 63 . o considerando A1 := A ∩ B = A y A2 := B \ A. 4)})] 3 1 ·3 = . w3 ) : wi ∈ {1. 3. y al 10: 136. 226. FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. 4. 3. 2.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. Explicar por qu´ y calcular e las correspondientes probabilidades. 145. o considerando A1 := Ω y A2 := ∅. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. ({(2. 5. 144. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. 5)})] ({(3. 135. 4. 3). 235. 4. P2. Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . 2. 4. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B).

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

A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 . Soluci´n o Sabemos que P (Ω) = 1.6] Sean A1 .i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2. 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos. = 4· −6· 4 12 24 24 8 − 2. Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). 4 2 = usando. FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . P2. 4 12 12 An´logamente. 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 · − = . para la ultima igualdad. que: ´ P (A1 ∩ (A2 ∩ A3 )) = P (A1 ∩ (A1 ∩ A2 )) = P (A1 ∩ A2 ). 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· − = = . 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 ). As´ desarroo ı. y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . 12 24 24 24 3. llando esta expresi´n y sustituyendo los datos que nos da el problema. 4 12 24 24 4. i i i i .

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

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

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

6. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. 7. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . por lo que se concluye que los dos sucesos no son independientes. Entonces. A = {1. 2. FUNDAMENTOS DE PROBABILIDADES 35 P2. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 9} . Soluci´n o A1 . P (B|A) = 1/3. e ı 3. 5. Soluci´n o 1. P (A) 1/3 1/3 3 P (B) = P (B|A). Por lo tanto. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. A ⊆ B. 6. . En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. un espacio muestral es Ω = {1. para todo i = 1. 2. i i i i . 3. es decir. 2. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. . 8.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. 4. A ∩ B = ∅. 7.12] Dado que P (A) = 1/3. 9} . 2. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. 5. 4. A y B son independientes. P (Ac |B c ) = 2/3. . es decir. B = {3. 3. 8. determinar si se cumple que: 1. . A ∩ B = ∅. 9. 3} . Por definici´n de probabilidad condicionada. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. Dicho espacio es equiprobable y P ({i}) = 1/9. 4.

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

A y B son independientes. A ⊂ B. P (A|B) = 37 P2. 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 ) . e ı P2. A y B son incompatibles. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. 6}) 1 2/6 = . c concluy´ndose as´ que Ac y B c son independientes. 5. i i i i . FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. 3. N´tese que si A ⊂ B entonces A ∩ B = A.14] Demostrar que si dos sucesos A y B son independientes. 2. P (B|A) = 1/2 y P (A|B) = 1/4. entonces Ac y B c son independientes. P (A) P (A) 2 por lo que no es posible que A ⊂ B. 6. Decir si son ciertas o falsas las siguientes relaciones: 1. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). Soluci´n o 1. P (Ac |B c ) = 1/2. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. Ac y B c son independientes. 5. 2. 4. En efecto.15] Sean A y B dos sucesos tales que P (A) = 1/4.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. P (A|B) + P (Ac |B c ) = 1. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= .

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

2. 1.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. i = k. como m´ximo ocurren r sucesos. entonces Ac . A2 y A3 son independientes. 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. al menos ocurren r sucesos. 2. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. para todo i. j = k. i i i i . k = 1. a Soluci´n o 1. 2.17] Supuesto que los sucesos A1 . Adem´s. Ac y Ac son independientes”. A2 y A3 son independientes y asumiendo que r = 0. a e Si r = 2. FUNDAMENTOS DE PROBABILIDADES 39 P2. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. por el ejercicio 10: “Si A1 . que est´ expresado en t´rminos de las probabilidades pedidas.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . 3. 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 ) . ocurren exactamente r sucesos. i = j. a por el ejercicio P2. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. j. 3. 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. = 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 ) . obtener expresiones en t´rminos de P (A1 ).

La probabilidad de que ocurran al menos r sucesos es: Si r = 0. entonces: P (A1 ∪ A2 ∪ A3 ) = 1 − P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = 1 − (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . 1 2 3 i i i i . A2 y A3 son independientes. esta probabilidad es P (Ω) = 1. Calculemos la probabilidad de que al m´ximo ocurran r sucesos. Si r = 3. por ser sucesos independientes. donde la segunda igualdad se verifica por ser A1 . a Si r = 0. la probabilidad es: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) . Si r = 2. a entonces A1 . 2. se tiene que P (Ac ∩ Ac ∩ Ac ) = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . 3. A2 y A3 sucesos independientes. A2 y A3 son independientes por pares”.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. luego. A2 y A3 sucesos indepena dientes. por el ejercicio 10: “Si A1 . 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 ) . 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 = 1. Adem´s. Si r = 3. se tiene que: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) . verific´ndose esta igualdad por ser A1 .

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

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

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. Ahora obtengamos el menor valor n natural tal que: 1− es decir. propia de jugadores m´s cautelosos. propia de jugadores m´s arriesgados. 364 365 n ≥ 1 . ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. o P2. a Soluci´n o Recurriendo a la primera opci´n.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. Analizar matem´ticamente ambas alternativas. 2 i i i i . Es decir.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. 2. = Sin embargo. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. 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 .652. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. −n · (ln364 − ln365) ≥ ln1 − ln2. 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 . luego la clase debe tener al menos 253 ı alumnos.474. concluyendo as´ que n ≥ 252. con la segunda opci´n. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. FUNDAMENTOS DE PROBABILIDADES 43 P2. 1084. apostar los 20 euros sobre “pares” en una unica jugada. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1.

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

adem´s de las cuatro cartas ya escogidas. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. . Luego. pues se formar´ un full. FUNDAMENTOS DE PROBABILIDADES 6. 45 escaleras (incluyendo las de color. 10. finalmente. puesto que se restan.1 ·C4. Por lo tanto se eliminan. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). una vez o ıa fijadas las 3 primeras. y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. i i i i . quedan 45 −4 = 4·(44 −1) o escaleras y. o De este modo se evita obtener un full. Hay C13. Definamos el suceso H =“Se obtienen dobles parejas”. 47 Sea el suceso F =“Se obtiene una escalera”. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. con i = 1. . 8. i + 3.2 formas distintas de elegir los palos con los que se forman las dos parejas. 9+1=10 corresponden a escaleras de color y a escaleras de color reales. 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). P (I) = 52 |Ω| 5 9. dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 .3 comıo”. Adem´s. As´ la probabilidad buscada ı. i + 4. i + 2. dado que hay 10 numeraciones posibles. como vimos en los apartados (a) y (b). binaciones posibles de tres cartas con la misma numeraci´n. para o cada valor de i. Representemos por G al suceso “Se obtiene color”. tendremos. ya que se obtendr´ un p´ker.2 de crear la pareja para cada uno de esos palos. 52 |Ω| 5 7. 9. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final. Para cada palo. . De ellas.5 combinaciones posibles de 5 cartas. . resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . Si fijamos una numeraci´n i. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. hay C13. 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. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). y las de color real si i = 10). es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . i + 1. y para la ultima quedan. y C4.

1 = 0.001. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. Sea J el suceso “Se obtiene una pareja”. formar´ un tr´ un p´ker o un full. equiv}).25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. w2 ) .i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 1.999.2 parejas posibles. 0. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. Se recibe hoy en caja un cheque con fecha equivocada. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 .1. 0.9 i i i i .001.1 + 0. 0. P2. y procediendo de forma similar al caso del tr´ fijadas ıo. 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. En cambio.001 · 0. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. todo cliente sin fondos pone una fecha err´nea en sus cheques. junto a las dos primeras cartas. Para las tres que faltan deben descartarse aquellas combinaciones que. 1 · 0. An´logamente ´ a al apartado anterior. El espacio Ω no es equiprobable y tiene 4 elementos. ya que no importa el orden en que ´ ´stas se elijan. 0. ıan ıo. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. El 90 % o de los clientes del banco tienen fondos.9. 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. o Por lo tanto. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 .99108. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6.

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

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

wr ) : wi ∈ {0. Claramente este espacio es equiprobable. u z ∈ {D. . . n} . yi ∈ {1. . . . Entonces. w1 = 0. para todo i = j}. 2. Sea el suceso B = “El rumor pasa r veces sin repetirse a ninguna persona”= {w ∈ Ω : wi = wj . 3. . . y |Ω| = 1. 1.i i i “libroult” 2001/8/30 page 51 i CAP´ ITULO 2. Si se escogen al azar 2r zapatos (con 2r < n) ¿Cu´l es la probabilidad de que: a 1. 2.30] Un ropero contiene n pares de zapatos. . . . . n} . . Entonces. Sea el suceso A = “El rumor pasa r veces sin regresar al habitante 0”= {w ∈ Ω : wi = 0. n}) y z representa el pie (es decir. para todo i = j. I}). w2r } : wi = (yi . . · (n − r + 1) n! = = . . para todo i = j} . Este espacio es equiprobable y |Ω| = nr . . zi ∈ {D. . . entonces P (A) = 0). donde y representa el n´mero del par (es decir. (Si 2r > n. . w2 . . . i = 0. Por lo tanto: P (B) = |B| n · (n − 1) · (n − 2) · . I} . j = 1. . haya exactamente dos pares completos? Soluci´n o Representemos cada zapato mediante un par (y. i i i i . 2n . u haya exactamente un par completo. y ∈ {1. . . Entonces: P (A) = 2. 1. . |A| n · (n − 1) = |Ω| nr r−1 = n−1 n r−1 . 2r Definimos el suceso A = “No hay ning´n par completo”: u A = {w ∈ Ω : yi = yj . wi = wj . un espacio muestral es: Ω = {w = {w1 . As´ ı: Ω = {w = (w1 . FUNDAMENTOS DE PROBABILIDADES 51 donde wi . i. . |Ω| nr (n − r)! · nr P2. . n} . no haya ning´n par completo. wi = wi−1 } . . P (A) = |A| = |Ω| n 2r · 22r 2n 2r . zi ) . para todo i}. . . . n son las personas por las que pasa el rumor tras transmitirlo el habitante 0. z).

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

Igualando: 1− 1− n= 1 36 n = 1 . A = {w ∈ Ω : ∃k ∈ {1.i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. 2. ¿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 . 2 −ln2 = 24. . 2. . . 6}} . i = 1. se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . . w2n ) : wi ∈ {1. luego Ac = {w ∈ Ω : (w2k−1 . 3. FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . w2 . 6) . . n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. se concluye que necesitamos jugar 25 partidas. . .605. . w2k ) = (6. 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. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . donde w2i−1 y w2i .32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. . w2k ) = (6. . w3 . w2k−1 = w2k = 6} . tras aproximar el resultado. n} . . 4. . n}} . w2n−1 . P2. . w4 . para todo k ∈ {1. . Entonces. 5. 2. la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. sea el suceso A = “se obtiene e al menos un 6 doble”. . i i i i . . 6)}] = 1− 1 − 1 36 n Por ultimo. ln35/36 Por tanto. 2. Luego. 14 · 13 2 53 1− Efectuando las operaciones correspondientes. a es 1/62 = 1/36.

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

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

Supongamos que descubre la caja vac´ cuando por primera vez la ıa saca y no hay ya f´sforos. |Ω| = 22N −r+1 . . se define como espacio muestral: a ıa. 2N − r − 1.     i = 1. En este caso. .N /22N −r+1 . De este modo.N /22N −r+1 . 2N − r} . 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. . . 2N − r) se definen igual que en el apartado anterior. w2N −r . . 1) : 2N −r . . . . . . 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. . se obtiene finalmente ıa o que la probabilidad pedida es 2 · C2N −r−1. .N −1 /22N −r . i = 1. w = (w1 . w2N −r−1 . w2N −r+1 ) : wi ∈ {0. Hallar la probabilidad de que la aguja corte a alguna l´ ınea si a ≤ b. Soluci´n o Un suceso elemental de este problema puede describirse mediante un par de n´meros. . 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. P2. . . Sea el suceso B =“la caja A queda vac´ y en la B quedan r f´sforos”. . 1} . .N −1 /22N −r . w2 . Por lo tanto. . . . 2N − r   B = w = (w1 . w2 ). . el profesor coge una ultima caja antes de parar: o ´ la caja que est´ vac´ Por lo tanto. w2N −r . De este modo. 2. 1) : wi ∈ {0. se obtiene finalmente que o la probabilidad pedida es 2 · C2N −r. 2N −r−1     wi = N − 1   i=1 Por lo tanto. donde los wi (i = 1. . 1} . wi = N   i=1 Por lo tanto.  A= . 2. . Ω = {w = (w1 . Se tiene una mesa rayada con l´ ıneas paralelas separadas una distancia 2b. i = 1. Se lanza una aguja de longitud 2a para que caiga sobre la mesa. . la probabilidad de que la caja A quede vac´ y en ıa la B queden r f´sforos es |M | / |Ω| = C2N −r−1. o    w = (w1 .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”. a o 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. 1} .37] Problema de Buffon. . . ıa o   wi ∈ {0. . 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. .

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. dado el objetivo que se persigue en el problema. ya que el ´rea del total es la unidad. 1]. Calcular la probabilidad de que su diferencia sea mayor que 1/6. b[ y que o w2 ∈ [0. 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). 2. 1. Por ello. π[}. Calcular la probabilidad de que su producto sea mayor que 1/7. es decir. N´tese que por tanto w1 ∈ [0. i i i i . 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. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. P (A) = (5/6)2 = 0. a 1.69444. 3. Sea A el suceso “su diferencia es mayor que 1/6”. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. asumiendo que a ≤ b. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 .38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. En concreto.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. Consecuentemente. entonces A := {w ∈ Ω : w1 ∈ [0. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. si A es el suceso que representa “la aguja toca una l´ ınea” y. En efecto. b[×[0. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. π[. π[ claramente equiprobable. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. Calcular la probabilidad de que su suma sea mayor que 1. Seg´n la hip´tesis del enunciado.

es decir: 1 P (B) = . Por lo tanto. sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas. 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”. 7 P2. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. sea [x. 9 P2. x + 1/12] el intervalo de tiempo. 2 3.39] Problema de encuentro. no es relevante la hora en que acuden las personas a al punto de encuentro. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas. o ¿Qu´ probabilidad hay de que efectivamente coincidan? e Soluci´n: o A efectos pr´cticos. x + 5/60] = [x.i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. y de forma an´loga a como se hizo en el problema anterior: a P (A) = 5 . un o espacio muestral equiprobable es Ω = {w = (w1 . En efecto. Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. es decir: B = {w ∈ Ω : w1 + w2 > 1}. y considerando que las 18:00 horas son el origen. ¿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. es decir: C = {w ∈ Ω : w1 · w2 > 1/7}. que una de las personas permanece en el i i i i . entre las 18:00 y 19:00 horas. Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. Sea C el suceso “su producto es mayor que 1/7”. pero s´lo permanecen en dicho punto 5 minutos. Sea B el suceso “su suma es mayor que 1”. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7.

.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. wa+b ) : wi ∈ {D. Determinar la probabilidad de que el punto pase por la posici´n (a. .40. Cuando est´ en la posici´n (m. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. o punto de encuentro. Por lo tanto. por lo a o que para pasar por (a. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. por ejemplo. La figura 2.1: Regi´n de casos favorables sobre casos posibles del problema P2. es ps · a+b−s (1 − p) . wa+b ).41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. . un e espacio muestral ser´ ıa Ω = {w = (w1 . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. w2 . con wi ∈ {D. . . Este espacio no es equiprobable si p = 1/2. i = 1. . a + b} . b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. b). Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. tiene una probabilidad p de pasar a la posici´n (m+1. La probabilidad de un suceso elemental con s movimientos a la derecha. . N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. i i i i . . n). Podemos representar cada suceso elemental como w = (w1 . 0). . . para cualesquiera n´meros a o u enteros m y n. a + b. e igualmente [y. es decir. n) y o una probabilidad 1−p de pasar a la (m. un total de a + b desplazamientos. P2. A} . . i = 1. . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. . . . A} .1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . n+1). y + 1/12] el correspondiente a la otra persona. .

Como consecuencia de esto ultimo. sea A el suceso “todas las personas se bajan antes del quinto piso”. . entre el 1 y el 11. . . .. finalmente se tiene que P (A) = a+b b · pa · (1 − p) . con igual probabilidad. Es decir. . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. 8}.10. . . Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. . es decir. Continuando con el espacio muestral Ω. .11). Cada persona selecciona el piso en el que se bajar´n. Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. . i i i i . N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. y adem´s a todos ellos son igualmente probables. . Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. por ejemplo. a a a 1. 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. .2. y esta probabilidad es pa · (1 − p) .42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. . Este espacio muestral tiene |Ω| = 118 sucesos elementales. . ı ´ 2. ya que hay Ca+b. ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. . Nadie m´s se subir´. Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. . . Ω = {w = (w1 . w8 ) : wi ∈ {1. 8} . 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. Sin embargo. que todas las personas son distinguibles. 11} para cada i = 1.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”.a combinaciones posibles de estos a + b movimientos. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. ıa 1. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. Por lo tanto. . .1. a P2.

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

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

B.1 · P ({(A. w2 . Soluci´n: o Representemos cada suceso elemental como w = (w1 . Cada una de cuatro personas.1 · P ({(A. donde cada wi . X. sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. V } . El primero que la saque blanca gana. 8 72 24 216 27 P2. As´ un espacio muestral ser´ ı. w2 .i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. X)}) − P ({(X. X. tienen la misma probabilidad de ocurrir. Representemos por T el suceso “B gana al menos una partida”. 4. A. X)}) 1 1 1 1 19 = 1− +3· +3· + = . 4} . w4 ) /wi ∈ {U. A. B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . ıa Ω = {w = (w1 . C y D. Por otra parte. i = 1. A. 2. X)}) =3· 3. B. A)})+P ({(B. que no es equiprobable. As´ como cada ı. Determinar las probabilidades de ganar de A. 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. saca una bola y no la repone. Por lo tanto: P (N ) = 3 · P ({(A. por a tanto: P (A1 ) = P (A2 ) = 2 . 4 es el color de la bola que extrae la i-´sima persona. para i = 1. en ese orden. Supondremos que las e personas est´n ordenadas de A a D. 36 4. X)}) + 3 · P ({(B. X. A. w3 . w3 . 3.44] Una bolsa contiene dos bolas blancas y tres bolas negras. C y D. e siendo wi = U si la bola es blanca y wi = V si es negra. 3. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales. torneo consta de 3 partidas. 72 Sea el suceso S = “A y B ganan alternadamente”. A)}) − C3. X. 5 3 2 3 · = . 5 4 10 i i i i . 3. Las probabilidades de ganar son. se obtiene que P (S) = P ({(A. 2. B. i = 1. X)}) −C3. w4 ). 2.

3. 3}.3 1140 3. se obtiene: P (C) = 7 C8. 2. i = 1.45] Una caja contiene ocho bolas rojas. 6. Sin embargo. blanca. Se tiene que: 1 C3. Este espacio no es equiprobable. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. y podremos usar la regla de Laplace. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. las tres sean blancas. .3 .3 285 2.2 · C3. donde wi . determinar la probabilidad de que: 1. . salgan en el orden roja. i = 1. .3 14 = . C20. consideremos a el espacio muestral Ω = {w = {w1 . 5. a}} . Representemos por B al suceso “Se extraen tres bolas blancas”. 5 2 1 = . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . b.3 95 i i i i . las tres sean rojas. 1. s´ se ı tendr´ un espacio equiprobable. Si se sacan tres bolas al azar. 3 representa el color de cada bola que se extrae. w2 . tres blancas y nueve azules. w3 } : wi = 1. 2 10 P2. C20.3 = . La probabilidad pedida es entonces: P (A) = C8. P (B) = C20. 20. w2 . b si es blanca y a si es azul. si se numeran las bolas del 1 al 20 (es decir. azul. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. w3 } : wi ∈ {r. 4. Sea el suceso A = “Se extraen tres bolas rojas”. dos sean rojas y una blanca. . 2. sean una de cada color.1 = . 2.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 . a siendo|Ω| = C20. 2. al menos una sea blanca. siendo r si la bola es roja.

No obstante. con Ω = V20. Definamos el suceso E = “Se extraen 3 bolas de diferente color”. Por lo tanto.3 95 i i i i . w2 .1 · C3.3 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. 3 blancas y 9 azules.3 95 Para calcular la probabilidad pedida. 2.1 formas de tomar las bolas blancas.3 = . al igual que se hizo al comienzo del ejercicio). y V3. azul”. Se tiene entonces. . manteniendo las dos bolas rojas en su posici´n relativa.3 285 1 V3.1 18 P (E) = = . P (D) = 1 − P (Dc ) = 1 − 23 C17.1 · C9. . que: 8·3·9 3 P (F ) = = . V20.3 57 57 5. C20.3 . que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. FUNDAMENTOS DE PROBABILIDADES 4. 6. 20 wi = wj i = 1. P (B) = V20.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. blanca.3 14 = . Sin embargo. se tiene que un espacio muestral es: Ω = w = (w1 .1 = . 2. hay. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. obteni´ndose que: o e P (C) = 7 C3.2 · V3. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. V20. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. 3 para todo i = j . Sea el suceso F = “Las tres bolas se extraen en el orden roja. para ello se recurri´ al espacio muestral Ω. C3. C8. para cada distribuci´n de ´stas.3 1140 P (A) = Teniendo en cuenta que hay V8. V20. dado que hay 8 bolas rojas. Este espacio es claramente equiprobable. w3 ) : wi = 1. . debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. =1− C20.1 · V8. .1 formas de combinar o e esas 3 bolas de forma ordenada. dado que las bolas se extraen una a una y sin reemplazamiento. Entonces.3 34 = .2 formas de ordenar dos bolas rojas tomadas de las 8 que existen.

D}). D}}. V20. salgan Nueve. se debe tener en cuenta que. Sota. 4. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. Aplicando la regla de Laplace. Hallar la probabilidad de que: 1. cuatro sean Ases y uno Rey. 1. 3. donde n representa el n´mero en la carta (es decir. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. tres sean de un palo y dos de otro. 13}) y l representa el palo (es decir. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. P (E) = 3! · V8. 2. w2 . 5.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. C. B. si han de ser de tres colores diferentes. l) . 2. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n.46] De una baraja de 52 naipes se sacan 5. . 2. w3 . w5 } : wi = wj . . Entonces el espacio muestral es: Ω = {w = {w1 . .1 18 = . . y 6. n ∈ {1.1 · V3. Por lo tanto. hay 3! maneras posibles de ordenarlas. 54145 i i i i . w4 . . 13} . cuatro sean Ases. tres sean Dieces y dos Sotas. Diez. B. wi = (n. .1 · V9. Caballo y Rey en cualquier orden. C. . u u n ∈ {1.3 95 P2. se obtiene que: P (A) = 1 · 48 52 5 = 1 . al menos uno sea un As. l ∈ {A. Una vez fijados los 4 Ases. . Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960.3 57 57 Finalmente. para todo i = j. fijadas las tres bolas. V20. l ∈ {A. l).3 34 23 =1− = .

108290 4. una vez fijados los 4 Ases. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. respectivamente.5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. N´tese que hay 4 Ases e a o en la baraja. Caballo y Rey en cualquier orden”. 162435 5. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . N´tese que no importa el orden en que aparezcan o las cartas. 649740 3. se e tiene un total de C13. de cada uno de los dos palos. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . Sea el suceso F = “Al menos una de las cartas es un As”.47] En una urna que contiene n bolas se echa una bola roja. por lo hay C52−4. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = .i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2.2 posibilidades para elegir las tres y dos cartas. 54145 54145 P2. extrayendo posteriormente una bola. Hallar la probabilidad de que la bola extra´ ıda sea roja. Sota. hay 4 posibilidades para la quinta carta: los 4 Reyes.2 formas de elegir las dos Sotas. Se tienen C4. ya que cada palo consta de 13 cartas.3 formas de escoger tres Dieces.2 formas de escoger los dos palos. As´ el ı. Definamos el suceso D = “Salen Nueve. suceso F c = “Ninguna carta es un As”. i i i i . que han de combinarse con el total de C4. Para cada una de ´stas. En este caso. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. FUNDAMENTOS DE PROBABILIDADES 2. P (B) = 1·4 52 5 = 1 . por lo que hay C4. As´ se tiene que ı. Diez. Sea el suceso C = “Hay tres Dieces y dos Sotas”. Sea E el suceso “Tres cartas son de un palo y dos de otro”.3 y C13. 8330 6. La baraja tiene 4 palos.

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

i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. Sin embargo. aplicando la ley de Laplace. se tiene que b/a > a. ya que los n´meros se eligen de forma u uniforme e independiente. para la segunda dea bemos calcular la correspondiente integral. a obtener el ´rea A. se deben distinguir dos casos: a Si b ≤ a2 . }. y ≤ a. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. Paa ra la primera de ellas el ´rea es inmediata. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . sabiendo que su suma es mayor que b. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0.38. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. Si b > a2 . por lo que el c´lculo de a P (A) se reduce. P (A ∩ B) = = 16 i i i i . Por lo tanto. por lo que P (A) = a2 /a2 = 1. y) : 0 ≤ x. debemos dividir el ´rea deseada en dos partes. 2. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} .26. e 1. para b = 2 y a = a o 4. 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.2 ayuda a ello. 1. 2. a] con a > 0. El ´rea deseada es la intersecci´n de A y B. N´tese que o el espacio muestral tomado es equiprobable. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. a que es una parte de la superficie de un cuadrado de lado a. Este u espacio es claramente equiprobable. a Adem´s.48] Consid´rese el intervalo de la recta real [0. y la figura 2. puesto que es un a rect´ngulo de lados b/a y a. para dividirla por el ´rea de este cuadrado. Para los valores de a y b del apartado anterior. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. que corresponde al espacio Ω. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. a]. FUNDAMENTOS DE PROBABILIDADES P2. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. a] es menor que b”= {w ∈ Ω : x · y < b}. donde x e y son dos n´meros tomados al azar sobre el intervalo [0.

con a < b. donde w1 y w2 son las distancias del primero y segundo punto. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. cada uno de ellos tenga una longitud mayor o igual que 1/4. Hallar la probabilidad de que 1. w2 ∈ [0. w2 ) : w1 . Para dos valores de a y b (dentro de los posibles). resultando dividido en tres nuevos segmentos. 2. pues los puntos se eligen de forma aleatoria e independiente. 2 32 2 2. Adem´s. w2 ) ∈ Ω : w1 ≥ 1/4. a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 .2: Regi´n para integrar en el problema P2. 1. 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. 1]}. o P2. Por lo tanto. respectivamente.i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. w2 − w1 ≥ 1/4.48. los segmentos que se forman tienen longitudes w1 . este espacio a es claramente equiprobable. al extremo inferior del segmento. Por lo tanto: P (A) = 1 (1/4) = . n´tese que s´lo con un o o i i i i . w2 − w1 y 1 − w2 . que es el conjunto A = {w = (w1 . Procediendo an´logamente al ejercicio anterior. 1 − w2 ≥ 1/4} . Representemos por a. 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.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad.

1]}. y wi2 el resultado de esa inversi´n.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . que corresponde al caso a ≤ b. V2 } . w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . B1 ∩ B2 = ∅. Adem´s. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. Si invierte en V1 tiene una probabilidad de 0. wi2 ) . w2 ∈ [0. 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. el a a resultado es P (B) = 1/8.6 de obtener 16 millones de beneficio. a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. wi1 ∈ {V1 . para a > b. y B2 = {w = (w1 . wi2 ∈ B. que ser´ B si obtiene beneficios o B si no los o a i i i i . En cambio. est´ dispuesto a volver o a a invertir en el mismo tipo de valor. a P2. FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. ¿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 . y si invierte en V2 tiene una probabilidad de 0. 2 . Por lo tanto. 2. 1]}. w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . w1 . la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. w2 − 2 · w1 ≥ 0. Si en tal inversi´n obtiene beneficios. Teniendo en cuenta lo anterior. i = 1. a Procediendo an´logamente al primer apartado de este ejercicio. B . invertir´ en el otro tipo. w1 . a 1. w2 ) : wi = (wi1 .8 de conseguir 12 millones. w2 − 2 · w1 < 0. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. w2 ∈ [0. se tiene que B = B1 ∪ B2 . con: B1 = {w = (w1 . ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. An´logamente.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. cuando a ≥ b. si no obtiene beneficios.

48. y NkB = {w ∈ Ω : w21 = Vk . Por tanto. entonces repite con el tipo de valor. por el contrario. con w1 = V1 . y MkB = {w ∈ Ω : w11 = Vk . w12 = B} .5 − 0. Si. 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. w12 = B .5 · 0. w22 = B} . con k = 1. 2.5 · 0. 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. w22 = B . De esta forma.5 · 0. con k = 1. obtiene beneficios. Estos sucesos constituyen una partici´n del espacio Ω. P (M2B ) = 0. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. el espacio Ω no es equiprobable.1. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.4 = 0. P (M1B ) = 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. B . 1. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . Se procede de forma an´loga con los dos sucesos restantes.3 = 0. respectivamente.2 = 0. w2 = (V1 .6 · 0. 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 ”. un suceso elemental del e ıa tipo w = (w1 .8 + 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. Adem´s. B).3.5 = 0. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. w2 ). 2. Se tiene que MkB = w ∈ Ω : w11 = Vk .6 + 0. por ejemplo.6 · 0. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0.24.5 − 0.4 = 0. obtea ni´ndose que e P (M2B ) = 0.8 · 0. i i i i .8 · 0. respectivamente.2.6 · 0.4. tendr´ probabilidad cero.

Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. La cuant´ (no acumulable) de los ıa premios es de: 2.2/0.000 ptas.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 + 0.000 ptas. seg´n el experimento previo. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.72. 200. 3. ıda a El n´mero que se forma con las bolas acaba en 380.000 ptas.8) · 0.6 + 0) · 0. 20.3/0. u El n´mero que se forma con las bolas es mayor que 3571. La primera bola extra´ est´ numerada con 3 y la segunda con 0.472. si coinciden s´lo las tres ultimas cifras. 2. sorteo consiste en extraer 4 bolas. 2. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . si coinciden las 4 cifras. cuyo ıa. 73 Utilizando los sucesos definidos en el apartado anterior. = 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. si coinciden las 2 ultimas o ´ ´ i i i i .2222. 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. Se extraen 4 bolas una a una con reemplazamiento. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.72 ∼ 0.000.72 = 0.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. 3..25. u Supongamos una loter´ en la que cada boleto cuesta 1. calcular la probabilidad de los siguientes sucesos: 1. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. P2.51] Una urna contiene 10 bolas numeradas del 0 al 9.

w2 = 5. Finalmente se obtiene que P (C) = 6428/104 = 0. 9. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. 4. 3. Para ello. w2 . w4 = 0} . si coincide la ultima cifra. 2. donde los sucesos Ci son disjuntos. y consta de las cifras siguientes: y1 . 3. para i = 1. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. equiprobable y tiene un total de |Ω| = 104 elementos. w2 > 5} ∪ {w ∈ Ω : w1 = 3. w2 = 5. 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. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w3 > 7} ∪ {w ∈ Ω : w1 = 3. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . . 3. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . 2. . necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. para todo i = j} . y3 e y4 . w3 = 7. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n.001. w3 . A = {w ∈ Ω : w1 = 3. w2 = 0} . 4.01. 1. w4 ) : wi = 0. 2. B = {w ∈ Ω : w2 = 3. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. y2 .6428. i = 1. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. w4 > 1} . Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. . w3 = 8. supongamos que y es el n´mero del boleto comprau do. 1. y 2. .000 ptas.

Se extraen dos bolas una a una sin reemplazamiento. ∀k = j}. con i = 1. . ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . wk = yk .52] Una urna contiene cinco bolas numeradas del 1 al 5. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. . no es rentable jugar a esta loter´ puesto que el dinero que ıa. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. 2.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. u Se seleccionan las dos bolas con n´mero impar. i i i i . con |Ω| = 20. |Ω| 104 = P (Ai ) = para i = 1. y se supone que existe aleatoriedad uniforme. para u e o i = 1. para el n´mero premiado en el sorteo. . definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. ∀j = 4 − i + 1. numeradas de 1 a n. w1 = w2 } . se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 3. 5} . P2. donde wi representa el n´mero de la bola de la i-´sima extracci´n. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 3. 104 Por lo tanto. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0.8. 2.918. con el boleto que ha comprado. 4. Por otra parte. 2. . 2. 2. 4. u Se selecciona una bola con n´mero impar la segunda vez. u Generalizar el problema al caso de que la urna contenga n bolas. Se selecciona una bola con n´mero impar la primera vez. 104 Finalmente. 3. Este espacio es equiprobable. 4. w2 ) : wi ∈ {1. 3. 4. Hallar la probabilidad de los siguientes sucesos: 1.

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

finalmente. para todo i = 1. La probabilidad pedida es P (C) = Si n es impar: 1. n · (n − 1) 4 · (n − 1) · (n − 1) n+1 = . 2·n · n+1 − 1 n+1 2 = . 2. se obtiene que ´ P (C) = (n+1) 2 n+1 2 n 2 77 · n −1 n−2 2 = . n/2} . obteni´ndose por lo tanto que e P (A) = 2. . . n · (n − 1) 2·n n+1 . Por ultimo. el suceso A = {w ∈ Ω : w1 = 2 · i − 1. w2 = 2 · i − 1.i i i “libroult” 2001/8/30 page 77 i CAP´ ITULO 2.53] Se dispone de tres cajas id´nticas y cada caja contiene dos cajones. nos encontramos con una moneda de oro. . y una moneda de plata en el otro caj´n. se puede concluir que para calcular estas probabilidades se ha de distinguir si el n´mero de bolas es par o u impar. las monedas de i i i i . otra contiene una o moneda de plata en cada caj´n. ¿cu´l es la probabilidad de a que la caja seleccionada contenga monedas de diferentes metales? Se selecciona aleatoriamente una caja. n · (n − 1) 4·n A la vista de los resultados obtenidos. la 2 es la que tiene 2 monedas de plata y. An´logamente a P (B) = 3. y al abrir aleatoriamente un caj´n. . Se selecciona aleatoriamente una caja. o o 1. (n + 1) /2} . ¿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. y la tercera una moneda de oro en un o caj´n. Definamos el suceso C = {w ∈ Ω : w1 . . En este caso. para todo i = 1. . FUNDAMENTOS DE PROBABILIDADES 3. e Una caja contiene una moneda de oro en cada caj´n. P2. . puesto que de un caso a otro las probabilidades difieren. .

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

3 = P ({(n.i i i “libroult” 2001/8/30 page 79 i CAP´ ITULO 2. se calculan las probabilidades correspondientes. Ac ∩ B c = B c = {(n. Se tiene que: A ∩ B = A = {(b. pero P ({(b. b)}) = = 1 . A ∩ B c = ∅. por ejemplo. b)}) = (8/12) . P (A) P (Ac ∩ B) 2 = . n)}) = 8/12 · 4/12. b)} . P (B c ) P (A ∩ B) = 1. 2 . las probabilidades condicionadas son: P (A|B) P (A|B c ) P (B|A) P (B|Ac ) = = = = P (A ∩ B) P (A ∩ B) 3 = = . Ac ∩ B = {(n. c) P (A 3 P2. ya que. ¿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. n)} . si es que u se obtiene alguna. (b.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)}) + P ({(b. b) . 9 Una vez visto esto. 9 2 3 2 + 2 1 · 3 3 = 2 . FUNDAMENTOS DE PROBABILIDADES 79 2 espacio no es equiprobable. y resulta: P (A ∩ B) P (A ∩ B c ) P (Ac ∩ B) P (Ac ∩ B c ) = P ({(b. P ({(b. ¿cu´l es la probabilidad a de que la urna quede vac´ ıa? 2. ¿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. 1. Por lo tanto. n)}) = = 0. n)} . Soluci´n: o i i i i .

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

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

Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. 4}. 4.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2. 2. 3. w3 . 2794 · 10−3 i=1 1− i i i i . 2. 4.8 + 0.8. 3. y wi2 es el resultado que ha obtenido. w2 . 5. 4 y j = 0.8. 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. o 2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . w4 ) : wi = (wi1 . 3. f } . que ser´ a si acierta y f si falla.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. wi2 ∈ {a. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 5. a sea cual sea el resultado para esta ultima. cada uno sobre uno. 3. N´tese que si a un a o tirador le sobra alguna bala. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. Sin embargo.25 · 0. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. para todo i = 1. e para i = 1. Probabilidad de que alguno de los tiradores consuma toda su munici´n. Calcular la probabilidad de que sobren dos balas en total. para todo i = 1. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. 1.25 = 1. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. ´ 1. La probabilidad de acertar en el objetivo con cada tiro es de 0. Si todos los tiradores consumen la munici´n. wi1 = 0.2 1 − 0. 2. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 1. Un tirador deja de disparar al alcanzar el blanco. 2. ya no le sobrar´ ninguna bala. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. si no le sobra ninguna. 3. wi2 ) . 4. Cada tirador dispone de seis balas. significa que ha acertado. 1.25 · 0.

2) 3 5 3 = (0.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes. 8455 · 10−12 . entonces.2) · 0.2) · 0.4096. = 0.2 · (0.2) 4 2 5 2 = (0. resulta: P (C) = C4. 4.8 0. por lo que si vemos estos dos casos para dos tiradores concretos. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.8. como siempre.2) 18 18 · (0. 4 4 = = 3.2) 18 18 · 0. 3. teniendo en cuenta todos los casos posibles. Los tiradores disparan de manera independiente.8) = 2 2 · 0. para i = 1.8 · (0.2) ·(0. Todos los tiradores tienen la misma probabilidad de acertar.8 · (0.8) = 1. que disparan de forma independiente. podemos luego extenderlo a todos.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.8 + C4. i i i i . Por lo tanto.84 = 0.2) = 4 · (0.2) · (0.25 · 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. 2.2) 18 · 0.1 · (0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.8 + 6 · (0. FUNDAMENTOS DE PROBABILIDADES 2.8) . y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0. 83 Definamos los sucesos Bi = “El tirador i acierta”. y teniendo en cuenta.

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

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. lim F (x) = 1. P ). 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 . 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→+∞ F no decreciente. dada una funci´n real F cualquiera tal que: o 1. las variables aleatorias o o reales pueden ser clasificadas en tres tipos: 85 i i i i . x→−∞ lim F (x) = 0. tal que: e Fξ : IR −→ IR x −→ Fξ (x) = P ({w ∈ Ω : ξ (w) ≤ x}) En general. se dice funci´n de distribuci´n. ahora con dominio o o o tambi´n real. A. 3. 2. F continua por la derecha.

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

. 4. haya al menos 8 matr´ ıculas en Ciencias.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.9790. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. . el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades.11714. no haya m´s de 12 matr´ a ıculas en Ciencias. 2. Si las cinco primeras matr´ ıculas son de Humanidades. 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. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 3. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. 10 2.6 = 0. para todo k = 0. Si un determinado d´ se realizan ıa 20 matr´ ıculas. 5. . DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.410 · (1 − 0. i i i i . 20 20−k · 0.1275.4) = 0. siendo: a P (ξ = k) = 1. 3. mientras que el otro 40 % lo hacen en carreras de Humanidades. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.8725 = 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.4. 20. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos.4k · (1 − 0. en total haya al menos 6 en Ciencias m´s que en Humanidades.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. calcular la probabilidad de que: 1.4. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. 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. 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. .4) .

P3. en o o ese caso. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. 1]) = P ([1/2. 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) = 0.4159 = 0.0271. 0 ≤ x < k F (x) =  1. 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. podemos definir una nueva variable η. para todo x.4. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. tambi´n binomial. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. por lo que se tiene que. pero con par´metros n = 20 − 5 = 15 e a y p = 0. 1] ∩ [1/2. Sin embaro o go. o o Bajo la condici´n 0 < k ≤ 1. 1] | [1/2. las cinco primeras son en Humanidades. 5. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . 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. En particular. ∂x Adem´s. calculemos la probabilidad pedida: o P ([1/2.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. 0 ≤ x < k cuando k ≤ 1. 1 − k(1 − x). Ya que k > 0. 2].i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 2]) P ([1/2. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. debe verificarse que F (x) ≥ 0. 1 − a k (1 − x) ≥ 0. 0 ≤ x < k. 2]) P ([1/2.5851. 2]) = = P ([1/2. k≤ x Calcular la probabilidad de [1/2. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1.4032. 1] condicionada por [1/2. se tiene que ∂F (x) = k > 0.

0)) = P ((−∞. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. excepto en el punto o o Teniendo eso en cuenta. 8]) − P ((−∞. 1]. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. [ 2.   (x + 4)/16. {1. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. [−2.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. {0}. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. 4])−P ((−∞. P3. P (I ∩ [0. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. DISTRIBUCIONES DE PROBABILIDAD P3. 2. calculemos las probabilidades que se piden: √ 2. √ √ √ P ( 2. 1}. 5])−P ((−∞. 2] − Q. 4). 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. IN. [0. 8]) = P ((−∞. 1 − e−x /2. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 5)) = P ((−∞. 4]. 1]) = 0. 3}. √ P ((−∞. √ √ √ √ P [ 2. 0)) = 5/16 − 4/16 = 1/16. 3]. {4 + 2}. P ([0. 1]) − P ((−∞. {0. √ √ P [0. 1]. Q ∩ [0. 5). 2]. P ({0. [2. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 2]) − P ((−∞. [−2. 8]. Soluci´n o Las probabilidades que se piden son: i i i i .4] Sea la probabilidad en IR dada por P ((−∞. √ P ([2. 2] −P (−∞. P ([0.   1. 4)) − P ((−∞. x]) = ex /2. 2). 1]) = P ((−∞. [0. [1. 4) = P ((−∞. 2)) = 1 − 6 − 2 /8. x]) =  (x − 2 + 4)/8. 1}) = 0.3] Sea la probabilidad en IR dada por   0. 0)) = 4/8 − 4/16 = 1/4. Q P ([−2. 2] = P ((−∞. { 2}. los √ √ ( 2. 4] = P ((−∞. P (IN) = 0. 1]. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. 5))−P √ ((−∞.

3 · 0. 1) .8] × {0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .8] × {0. 0.4 · 0. x] × (−∞.3.4 · (1 + 0.4) /2 = .5) /2 + 0. [0.5] Sea la probabilidad en IR2 : P ((−∞. a] × (−∞.4) × [0. P ({0}) = P ((−∞. 0]) − P ((−∞. d]) − P ((−∞.5. . d]) + P ((−∞.5. b] × (−∞. (0.5 · (0.3 + 0. teniendo en cuenta que: P ([a. 0)) = 1/2 − 1/2 = 0.4 + 0. 2)) = P ((−∞. b] × [c.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.2.4) × [0. De esta forma se obtiene que: P ((0. x] × (−∞.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. [0. 0. y) : x + y ≤ 1}. puesto que: a P ((−∞.2. 0.3 + 0.5) /2 −0.4) /2 = 0.4 · (0. c]) −P ((−∞.4) /2] + 0. 3]) = P ((−∞.5 · 0. 0. 0.4·0. P ([−2. 2. 1)) = 0. P ((0.6]2 ∪ [0. P [0.5) × (0.2. x] × (−∞.00 8. d]) = P ((−∞.4. x) × (−∞.5}) = 0.4 + 0. .4) /2− 0. 0. 1]) = P ((−∞. P3. y ≤ 1. y)) . [0.4 · (0. 3]) − P ((−∞.8]2 En caso de que el intervalo sea abierto o semiabierto.5) /2 − 0 = . estas probabilidades se calculan de manera an´loga. y]) = xy(x + y)/2 si 0 ≤ x. 1]2 {(x.5 · 1 · (0. P ([0. 0.4. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.504.5·(0.5} . i i i i . 1]) − P ((−∞. P ({1. 0. 2)) − P ((−∞. x) × (−∞. y]) = P ((−∞.4.5) × (0.25. 0.4. Calcular las probabilidades de (0. a] × (−∞. c]). P ([1.3 · 0.5]) = 0.3.4 + 0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. y]) = P ((−∞.5 · (0.5 + 1) /2 − 0.5 + 0. b] × (−∞. y)) = P ((−∞. 0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 3}) = 0.42 ·(0.4.

0.22 · (0.8) /2 − 0. se tiene que:   0. P3. representada o en la figura 3. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3.4.4) /2 + 0. 0. si 0 ≤ t < 1/2 Fξ (t) =  0.8]2 = P [0.2 + 0.8]2 = P [0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.6]2 ∪ [0.4. 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. 0.4 · 0. entonces Fξ (t) = P (φ) = 0.2. entonces Fξ (t) = 1 Por lo tanto.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.42 · (0.62 · (0.4.4 + 0.4 · 0. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4 + 0.4. t].6 + 0. a e P [0.1.6) +0. 0. Si 0 ≤ t < 1/2.2 + 0.2. 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. i i i i . 0. si t ≥ 1/2. t] ∪ [1/2. si t < 0 2t.6) + 0.6 + 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. 1] con im´genes a trav´s de ξ en (−∞.6]2 = 0.6 · (0. 0. conviene distinguir varios casos: Si t < 0. 0.82 · (0. Si t ≥ 1/2.1: Puntos de [0.8]2 −P [0.42 · (0.2) /2 + 0.8]2 −P [0.62 · (0. entonces Fξ (t) = P ([0. 1] : ξ (x) ≤ t}) .4) /2 = 0.6]2 + P [0.6]2 + P [0.4 + 0.6 · (0.6) /2 − 0.8 · (0. t + 1/2]) = 2t. P ({(x.4 + 0.2.4.8) + 0.2.6) /2 − 0. y) : x + y ≤ 1}) = P [0.2 · 0.8 + 0. 0.6]2 ∩ [0.28.

{w : ξ(w) = 30}. 3. 6. i i i i . k = 1. w3 . w3 . definida como: 5 ξ (w) = i=1 wi . . Sea ξ la variable aleatoria que nos indica la suma de los valores de sus caras. 6. Soluci´n o Antes de hallar los conjuntos que se piden. w2 . w2 . . w4 . . w2 . 5. w4 . w2 . 4. k son aquellos elementos de Ω tales que wi = 1. w5 . 5} \ {k} y wk = 5.i i i “libroult” 2001/8/30 page 92 i 92 y por lo tanto: EJERCICIOS RESUELTOS DE PROBABILIDAD   0. Hallar los siguientes conjuntos: {w : ξ(w) = 4}. donde los elementos k k k k k wk = w1 . Sobre dicho espacio se considera la variable ξ. {w : ξ(w) = 4} = φ. w4 . 2. 5. 2. cuyos sucesos elementales son equiprobables. 5. 6)} . es conveniente definir un espacio para la variable que se va a utilizar.7] Un dado es lanzado 5 veces. 6} . P . donde cada wi representa el resultado del i-´simo lanzamiento del dado. . {w : ξ(w) = 30} = {(6. w5 . w5 . . 5} \ {k} y wk = 2. Los elementos k k k k k wk = w1 . Hallemos los conjuntos que se piden: Evidentemente. {w : ξ(w) ≥ 29}. . w3 . 5. . 2. donde {w : ξ(w) = 30} = {(6. w5 ) : wi ∈ {1. para todo i ∈ k {1. . {w : ξ(w) ≥ 29} = {w : ξ(w) = 29} ∪ {w : ξ(w) = 30}. 6)} y {w : ξ(w) = 29} = w1 . w3 . 6. . si t < 0 si 0 ≤ t < 1/2 si t ≥ 1/2 P3. para todo w ∈ Ω. {w : ξ(w) = 6} = w1 . 6. para todo i ∈ k {1. . 6. 6. 4. . {w : ξ(w) = 6}. Definamos: Ω = {w = (w1 . 2Ω . 2. ∀i = 1. w2 . w5 . 3. 3. 5} . 4. k son aquellos elementos de Ω tales que: wi = 6. . Sea el espacio de probabilidad Ω. w3 . e con i = 1. w4 . fξ (t) =  1. . . . k = 1. . w4 .

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 + + = . Se supone. 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 .i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. o Soluci´n o n=1 1/2n . i i i i . Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. 2 2 2 = 1 − e−2 − l´ ım x P3. 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. 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. igual a 6 minutos. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. para todo x ≥ 1. por lo que l´ ım F (x) = 0. superior a 6 minutos. 2. x→−∞ x 2. ya que no se indica nada al respecto. para todo x ≥ 0. que F (x) = 0 para todo x < 1.8] 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 . DISTRIBUCIONES DE PROBABILIDAD 93 P3.

P3. lo que es uno si k = 1. 1. o 1. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). la funci´n de densidad es una recta con pendiente o positiva. a ya que F (x) = 0. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. Calcular la esperanza. o 2. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . Adem´s. para todo x < 1. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. +∞ −∞ P3.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. k ≤ 1/2. lo que es 1 si k = 1/π. para todo x.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. 3. para todo x ∈ (0. Por lo tanto. se concluye que F es mon´tona. para todo x ≥ n 1. f (x) = k/(1 + x2 ). 2. o 5. para todo x ∈ [−1. i i i i . o Comprobemos en cada caso la segunda condici´n. 0898. 2/2) 3. Se han de distinguir dos casos: a) Si k > 0. f (x) = kxe−kx . para todo x > 0 √ √ 2. es decir. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. F es continua por la derecha en todo punto de la recta real. la moda y la mediana de ξ. 1/2 3. f (x) = k/ 1 − x. 4. 1]. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. Por lo tanto.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. para todo 1 ≤ x1 ≤ x2 . 1]. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. lo que es 1 si k = 1. Debe verificarse que fξ (x) ≥ 0. Es claro que F (x) ≥ 0. para todo x ∈ [−1.

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

3 Calcular: 1. E [ξ] = E ξ2 0. Determinar la funci´n generatriz de momentos de ξ. para cualquier otro valor 1.6092 − (0. 2.3 2x2 · ∂x + 0.8 < x ≤ 1.12] 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. Teniendo en cuenta las propiedades de la esperanza. 0 0. 3.72x2 · ∂x = 0. Utilizar (1) para encontrar la media y la varianza de ξ.8 0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. Los tres primeros momentos ordinarios son E [ξ] . 6092. esperanza matem´tica y varianza. o 2.8 1. 2 2 E ξ3 2. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3. 1764 · 10−2 . Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0.3  0.8 fξ (x) = 0.8 0. Soluci´n o 1. 57144.8 0. x > 0 fξ (x) =  0.3 = 0 2x4 · ∂x + 0. 71933.8 1.72   0 x > 1.3 = 0 2x3 · ∂x + 0.72x · ∂x = 0.8 1.9132. 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. i i i i . E ξ 2 y E ξ 3 . 71933) = 9. los tres primeros momentos ordinarios. Soluci´n o 1. E[2ξ + 5ξ 2 − ξ 3 ]. P3. 0. a 3.72x3 · ∂x = 0.

Por lo tanto. Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno). . Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. . la media y la varianza de la variable ξ son: V (ξ) = P3. 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 + . Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8. hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. este n´mero es u 1 + 1/ (5/6) = 1 + 6/5. y. . en general. t=0 Por lo tanto. En el caso de dos. .14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos. . = E ξ2 . el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1. Bajo cada tapa hay exactamente uno. . . . y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1.7 yogures para conseguir los seis s´ ımbolos distintos. E ξ 2 − (E [ξ]) = 96 − 64 = 32. volvamos a nuestro problema original. el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. p y por tanto m = 1/p. 2 97 | | t=0 = E [ξ] . i i i i . DISTRIBUCIONES DE PROBABILIDAD 2. Dicho esto. 6) es n 1 6−i+1 6 k=1 . si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n. . Evidentemente.i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3. ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general.

4 . 3.´simo lanzamiento. ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. w4 ) : m ∈ {l1 . 3. 4. w2 . w3 . 2. para i = 1. X}. Si se lanza la moneda y sale cara.15] Una caja contiene dos monedas legales y una con dos caras. para i = 1. 2. Si se e lanza una moneda escogida al azar y sale cara. l2 . Por otra parte. 4. 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 = . donde m representa la moneda escogida al azar. 3. 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 lanza y se devuelve a la caja. 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. w1 . e siendo C si es “cara”y X si es “cruz”. Se selecciona una moneda. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. es. Se selecciona una moneda al azar. ¿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. 1. 2. l} wi ∈ {C.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. cada wi es el resultado del i. 1. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. para todo i = 1.

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

Adem´s. para n = 2 y m = 3. la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). x2 . xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. la figura 3. Por ejemplo.2 muestra una recta con 3 saltos. x1 ) . x2 ) . 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: Ejemplo para el ejercicio P3. . o salto de 1 a 0. donde los valores x1 . . el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = . el primero es n m m n · + · . xn+m ) . (n + m.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. y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. . entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. P3. 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. la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). luego. Mientras que el segundo valor es claramente n + m − 1. y de que haya un 0 en el segundo es n/ (n + m − 1). ¿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. Como conclusi´n. .16] Consideremos l´ ıneas que unen n + m puntos del plano (1. (2. n+m n+m−1 n+m n+m−1 m+n i i i i . . .16 con n = 2 y m = 3. . An´logamente.

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

que se o o resuelve aplicando la regla de L’Hospital. 2· n+m 1 − [(1 − p) /p] 1 − [(1 − p) /p] m+n . i i i i . esta ultima probabilidad es simplemente la probabilidad de que el primer ´ voto sea de M . si Qm representa la probabilidad que tiene A a de pasar de m a Q. 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. existe otra secuencia que lleva tambi´n e a empate y comienza con el otro candidato. O. ya que luego es seguro que habr´ empate porque n > m.i i i “libroult” 2001/8/30 page 102 i 102 EJERCICIOS RESUELTOS DE PROBABILIDAD Cuando n es finito. la expresi´n anterior es la indeterminaci´n 0/0.19] En una elecci´n hay dos candidatos. En efecto. Cuando p = 1/2. dicho en otras palabras. pero el problema se puede resolver o de forma an´loga porque. Por tanto. sin haber alcanzado nunca n + m. y en la urna de votaci´n hay n o o papeletas a favor de uno y m a favor del otro. entonces: 1−p p m = Qm + (1 − Qm ) · 1−p p m m+n . con 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 . la probabilidad pedida es: Qm = 1 − siempre que p > 1/2. si representamos por N y M a los dos candidatos. Si se asume que los votos en la urna han sido suficientemente mezclados. P3. por cada sucesi´n que produzca un empate o comenzando con un candidato. obteni´ndose e Qm = n/ (n + m) . ¿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. la situaci´n cambia. La correspondencia consiste s´lo en cambiar las letras. a Consecuentemente la probabilidad buscada es: m . Ahora bien. 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.

P3.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. e o plo. a Dada la simetr´ concentr´monos en una secci´n de la esfera. la fuerza y direcci´n con o que se lanza. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales.4). Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado.5).20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 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. el grueso de la moneda debe ser 35. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. Sin embargo. Por ejemıa.354r. 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.. arctan (π/3) En otras palabras.3). es decir. 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. para dar una respuesta con esta segunda herramienta.3: Esfera que circunscribe los bordes de la moneda. la elasticidad de la moneda. i i i i . etc. entonces g= r = 0. las caracter´ ısticas de la superficie sobre la que cae. debe cumplirse que α = 2π/6. en su secci´n central (figura 3. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.

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

conociendo el ´ngulo x entre los dos lados de tri´ngulo w.i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. o P3. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 .6): u o e η=g ◦ ξ= L2 senξ . 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) = = . π/2) 0. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. = 1. para todo x. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. En efecto. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). Esta variable es claramente obtenible a partir de la variable ξ. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. x ∈ (0. Por tanto.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. Sea ξ la variable que mide dicho ´ngulo. y se distinguen por el ´ngulo que ambos forman. 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). Sobre el espacio a muestral Ω se asume una probabilidad P . π/2). DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. 2 2 2 Es decir. para cualquier otro valor.6: Transformaci´n de variables aleatorias. 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. 2 i i i i .

para y ∈ 0. La venta de una cantidad o i i i i . se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . y 0 en otro caso. si y ≤ 0 entonces Fη (y) = 0. π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. mientras que si y ≥ L2 /2 entonces Fη (y) = 1. 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. 2 π π3 P3. L2 /2 . 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. 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 = . 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. S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2. cuando x > 0.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 .22] En funci´n de un estudio realizado en varios establecimientos. 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 .

.. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n).23] Se dispone de 7 huchas. i = 1. Adem´s. Soluci´n o Sea c la cantidad de aprovisionamiento.. b = 2 se tiene que c = ln (3/2) . 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. uno procedente de cada urna. ¿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). a Apl´ ıquese al caso particular de a = 1 y b = 2.´sima. . Para una demanda x. 1.uplas de billetes. respectivamente. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. Esta variable puede tomar los valores 1. 2. P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. o En el caso particular a = 1. Nos dan 7 billetes. P3. 7. cada una con 10 billetes de 1000 pts. resultando que c = ln (1 + a/b) . . 5 y 10 con e probabilidades P (ξi = 1) = 10/21. 6 billetes de 2000 pts. .i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. y 1 billete de 10000 pts. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac .x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. 4 billetes de 5000 pts. con a y b constantes positivas.6). o Soluci´n o Consideremos como espacio muestral el conjunto de 7. extra´ ıdos aleatoriamente uno de cada hucha. . sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . 2. P (ξi = 2) = 6/21.0 ≤ x < c . DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by.

Para calcular P (η = 17) usando la funci´n generatriz de probabilio dades φη (t) = E [tη ] . 21 2. 333. 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 . i i i i . sucede que: φ(k) (t) η t=0 = k! · P (η = k) .i i i “libroult” 2001/8/30 page 108 i 108 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. En el caso de este problema. evaluarla en t = 0 y e dividirla por 17!. 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. Queda pendiente calcular la derivada 17-´sima.

resto k ∈ {1. se llama variable aleatoria de Bernoulli de par´metro p a una variable aleatoria que a 109 i i i i . Es decir. n}. 2. cada uno con igual probabilidad. se llama u variable aleatoria uniforme ξ y se denota por ξ ∼ U [n] a una variable que toma valores en {1. . 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. . 1]. es una variable aleatoria discreta con funci´n de o probabilidad: Pξ (k) = 1/n . .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. . . 2. si 0 . . . .

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

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

respectivamente. . 1. . es a su vez una Poisson de par´metro λ1 +λ2 . a una variable aleatoria ξ con funci´n de densidad o fξ (x) = 1 . b ∈ IR.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 → ∞. b−a i i i i . a Variable Aleatoria Geom´trica: Dado p ∈ [0. 1 − (1 − p) · t 1−p p . para |t| < . Adem´s: a E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = 1−p p 1−p p2 p 1 . 1]. La funci´n de probabilidad de esta variable es: o Pξ (k) = p · (1 − p) . 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. b]. y e a e se denota ξ ∼ G (p). Adem´s. 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. . o a a la suma de dos variables de Poisson independientes de par´metros λ1 a y λ2 . b]. donde p es la probabilidad de ´xito. con k = 0. con a ≤ b y a. y se denota por ξ ∼ U [a. Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a. para a ≤ x ≤ b.

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

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. et·µ+ 2 ·σ e 1 2 ·t2 . a p . a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media µ y varianza σ 2 y se denota por ξ ∼ N µ. 2 i i i i . 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. . Se dice que d (d > 0) es el o n´mero de grados de libertad. para t < 1 . y la variable se denota ξ ∼ χ2 . a una variable aleatoria ξ con funci´n de densidad: o fξ (x) = √ 1 2·π· σ2 · e− (x−µ)2 2·σ 2 . 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”.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 . para |t| < a. 1). 1 i·t·µ− 2 ·σ 2 ·t2 Es importante destacar la importancia de la variable aleatoria con distribuci´n N (0. 1). a2 ϕξ (t) = a . σ2 . Por ello. a−t p a . Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = µ. a−i·t p Adem´s. Su media es d y su varianza es 2d. 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. La funci´n o generatriz de momentos es: Gξ (t) = (1 − 2t) −d/2 . σ 2 .

y se denota ξ ∼ Td .1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 .05. para m > 2. Su media es 0 y la varianza d/ (d − 2). Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. 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. PRINCIPALES VARIABLES ALEATORIAS 115 Variable Aleatoria t de Student: La variable aleatoria ξ tiene distribuci´n t de Student con d grados de libertad. el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td . La funci´n generatriz de momentos no existe. Se denota ξ ∼ Fn. para m > 4. 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). Ejercicios Resueltos P4. 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. 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. respectivamente. ¿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 . La funci´n generatriz de momentos no existe. Adem´s. Adem´s. 2. 3. y su media es: m . es una Fn. o con n y m grados de libertad.m .m .

¿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.0746.05) = 0 = 1 − 0. Hechas estas consideraciones iniciales. que el 20 % de las personas que reservan una mesa no asistir´n. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. de un ı. o por experiencia. ξn ). ηn.2. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.4013. . .05.05i · (1 − 0.052 · (1 − 0.9884. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . .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. Se tiene que: 2 i=1 10 8 · 0.050 · (1 − 0. Adem´s. . procedea mos a resolver el problema. sigue una distribuci´n binomial de o par´metros n y p = 0.5987 = 0.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. i 3. 2 P (η10. .05 ≥ 1) = 1 − P (η10. esto es.05 = 2) = 2.0. ξn ).05.0. .0. total de n reservas (ξ1 .05) = 0.05 ≤ 2) = i=0 10 10−i · 0.05 = 0) = 10 10−0 = 1− · 0. de acuerdo con el enunciado del ejercicio. .05) = 0. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.0. Procedemos a calcular: P (η10. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.p = ξi . . de acuerdo con el dato o a inicial del problema. Por ultimo: ´ P (η10. 1. P4. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. con distribuci´n o i i i i .

2381.2. o a Por lo tanto.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. 27067. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. 3. 21 −2 · e = 0. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. i P4. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. i! 3.41696. i! i i i i . De la misma forma. 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. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. 1. As´ se tiene que: ı.5799. Entonces. 2. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. u 1. la probabilidad deseada es la siguiente: P (η = 1) = 2.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4.2) = 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. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8.2i · (1 − 0. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. Si el n´mero promedio de estos fallos es ocho. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. En el caso particular del problema. Considerando que se cumplen ciertas condiciones de regularidad. 1! An´logamente. a n = 25. debe ocurrir que acudan 20 o menos.

s´lo es posible vender este ultimo u o ´ n´mero de tostadores.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. o u i i i i . Definamos tambi´n un e conjunto B formado por los (k1 . que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. . si 0 ≤ ξ < 10 η= 5000 . 10}.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. un lunes se encuentran con que s´lo les quedan 10 tostadores. . u La distribuci´n de las ganancias totales en pesetas es.6) para una simple o a e funci´n real g. de una baraja espa˜ola (4 palos de 10 cartas cada uno). . Determinar la a e distribuci´n de las ganancias totales (en ptas. si t ≥ 5000. si ξ ≥ 10 En el segundo caso. La ganancia de cada tostador vendido es de 500 ptas.2. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. . a partir de la variable ξ: 500 · ξ . siendo ıda P (η = k) = 1/10. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . 2. no el palo. Sin embargo. .5] Se extraen n cartas.) en concepto de tostadores o de pan a lo largo de esa semana. hallar la funci´n generatriz de probabilidades de ξ. para todo k ∈ A = {1. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces. o P4. . . o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja.10. Soluci´n o Teniendo en cuenta los datos del problema. . por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . . a si supera al n´mero de existencias. u 1. es decir. si la demanda ξ es de m´s de 10 tostadores. una a una con reemplazamiento. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. podemos definir una variable aleatoria η. y que a lo o largo de esa semana no van a poder traer m´s del almac´n.. . calcular P (ξ = k) y E[ξ] . . 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. con valores equiprobables 1. si t < 0  0   t/500 t = P (ξ = i) .

u Supuesta la independencia de las extracciones..kn )∈B n P ... i= 10 i=1 2 10 2. a n n E [ξ] = E i=1 ηi = i=1 E [ηi ] = n · E [η] = n 11 · · n. . Suponiendo que en el primer lanzamiento no hemos obtenido un as. N´tese que ξ = o 1.6] Se lanza consecutivamente un dado hasta que aparece por primera vez un as. n i=1 ηi .. .. 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.kn )∈B n P P (ηi = ki ) = i=1 (k1 . . 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 . : u n P (ξ = k) = P i=1 n ηi = k 1 10 n = (k1 .. ki =k ki =k i=1 i=1 Adem´s.i i i “libroult” 2001/8/30 page 119 i CAP´ ITULO 4. . dado un n´mero n = 1. . Las probabilidades deseadas son. P4. calcular la probabilidad de que sean necesarios m´s de tres lanzamientos. 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 ]) . ηn un conjunto de n variables aleatorias independientes con la misma distribuci´n que η. n 1 1 t − tn+1 · ti = · . 10 i=1 10 1−t 1 t − tn+1 · 10 1−t n n φξ (t) = . o que miden el resultado en cada una de las n extracciones con reemplazamiento.. 2. . sea η1 .. .

2. entonces P (ξ2 = j | ξ1 = i) = 0. 36 P4. . 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. n. El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . supuestas ciertas condiciones de regularidad. Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. . 3. Esta variable es una geom´trica de e par´metro p = 1/6. Si est´ marcada con a k. .i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. n j=1 i j=1 i=j i i i i . Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 . 2. n se selecciona aleatoriamente una tarjeta. P (ξ1 = k|ξ2 = j). . 6944. 2. o 1. o puede tomar los valores 1. para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. n i=1 n = Obs´rvese que si j > i. . i 2.7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. . . n. Calcular: 1. Sin embargo. E[ξ1 ]. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . 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. siendo p la probabilidad de obtener un as en un lana zamiento del dado. P (ξ2 = j). Soluci´n o N´tese que la variable ξ1 . para todo k = 1. . . se selecciona una segunda tarjeta entre las k primeras. por lo tanto. . 4. E[ξ2 ]. . . con P (ξ1 = k) = 1/n.

u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. . Se asume que las visitas realizadas son independientes entre s´ Entonces. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. a y por tanto E [ξ] = n (1 − p) /p. . PRINCIPALES VARIABLES ALEATORIAS 3. 333.7i i = = 0. ξ30 independientes e id´nticamene te distribuidas seg´n ξ.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. si j ≤ k . . Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. definamos un conjunto de variables aleatorias ξ1 . . 9597730 = 0. i i i i . a lo largo de un mes.7 + 10 = 10 · + 10 = 33. 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). el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . p 0.3.3 Por otra parte. si j > k Por ultimo.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . . . que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes.3. n i=1 2 i=1 P4. se calcula: P (ξ1 = k|ξ2 = j) =    = 4. 29175. 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. Procediendo de forma similar al primer apartado. Se ıas tiene que: 30 P (ξ1 ≤ 40. ¿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. .8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. de acuerdo con los datos del problema.310 · 0. . el n´mero medio de visitas diarias que ı.

P (ξn = 0) ≤ 0. .1. (k + 1)(1 − p) λ 2. Pξ (k + 1) = · Pξ (k). B). k+1 (n + k)(1 − p) 3. p). . Pξ (k + 1) = · Pξ (k). k+1 (A − k)(n − k) 4. p). A. 6 desigualdad que se verifica para todo n ≥ 13. p). Considerando que la probabilidad de obtener un as con este dado es 1/6. Pξ (k + 1) = Soluci´n o 1. 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).9. (k + 1)(1 − p) n−k = i i i i . si ξ ∼ BiNeg(n. (k + 1)(B − (n − k) + 1) 1.1.10] 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 ∼ Hip(n. . k para todo k = 0. Si ξ ∼ Bi(n. P4. entonces Pξ (k) = n n−k · pk · (1 − p) . es decir. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. si ξ ∼ Bi(n. si ξ ∼ Poiss(λ). se tiene que: n 5 ≤ 0. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. sea mayor o igual que 0. .9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos.9. n. Pξ (k + 1) = · Pξ (k).i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.

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

2. 0 3.2 · elnt + 0.2k · 0.8 4 · et t=0 = 1.2 · et − 1 = 0.85−k . 1. 2. 5. 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. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.2k · 0.2 · t + 0. 5 = (0. PRINCIPALES VARIABLES ALEATORIAS 3. para todo k = 0. 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. 3. ∂tk t=0 En concreto.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4.2 · et + 0. (5 − k)! · k! 2. k 4. Teniendo esto en cuenta. 4.85 = 0.2.8) . 4. Esperanza y varianza. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . Si G (t) es derivable en un entorno del origen k veces.20 · 0.8 i i i i . De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. 1.6 + 0. 5. k = 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0.2 · et + 0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . en este caso. 5 Se verifica que.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . si φξ es derivable k veces en un entorno del origen.85−k = 0. 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 .8 1. t=0 = 0. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. 3.6656. 67232. As´ ı: P (ξ = k) = 5! · 0. −1 t=0 · 1.

. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. a 2. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . Por ultimo. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. 1 · 2k · e−2 . −1)+t t=0 P4. . Soluci´n o Procediendo de forma an´loga al ejercicio anterior. P (ξ > 1) y P (ξ > 2). 1. o 1. k! 3. Esperanza y desviaci´n t´ o ıpica. 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. t=0 −1 − 4 = 2. . con media 22 minutos. i i i i . N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2.32332. 3. o 2.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . Funci´n de probabilidad. Se pide: 1.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. k! para todo k = 0.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0.59399. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos.

la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . = i i i i . 2.? a o Para efectuar una programaci´n. este ultimo inclusive. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. x > 0. 129 El costo de reparaci´n es de 2000 pts. De acuerdo con el enunciado.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. Debe verificarse: P (ξ > t) = 0. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). por cada media hora o fracci´n.1.1 = 50.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. 22 1. 22 3. inferiores a 30. ¿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. Por lo tanto. 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 . 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. se cobran a 2000 pesetas). PRINCIPALES VARIABLES ALEATORIAS 2. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . para un tiempo de reparaci´n dado. 657 ∼ 51 minutos.1 y esto se cumple para t = −22 · ln0. (Todos. 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). o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. 3. Te´ niendo esto en cuenta.

Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. es decir. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. 2 λ P4. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio.i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Este es el suceso complementario de “en un c´ ırculo de radio x. Para cualquier k = 0. si x ≥ 0. hay al ´ menos una planta”. 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.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. si x < 0 . si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x. Fξ (x) = 0 2 1 − e−λ·π·x . o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. descontado el punto central. si x < 0 . no hay ninguna planta”. descontado el punto central. Claramente Fξ (x) = 0 cuando x ≤ 0.17] 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. cuando o x > 0. entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. Consecuentemente. 2 1 2λπx2 e−λ·π·x ∂x = √ . 1. Elegida a a una planta al azar. 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. . 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 . 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 ∞ . y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . Encontrar p en t´rminos de λ. si x ≥ 0. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . . . En cambio. sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. i i i i .

2. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . podremos obtener dos ecuaciones lineales en µ y σ. 1]. 3 de donde se deduce que −µ/σ = z0. (1 − µ) /σ = z0. en [−1.19] Sup´ngase que ξ se distribuye como N (µ. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. 1]. para todo u ∈ [a. a P (ξ ≤ 1) = FZ 1−µ σ = 3 .6745.3333 = −0. A partir de estas dos condiciones.4307 y. P4.3333 = −0.4307. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) .4307. 4 es decir. las ecuaciones ser´ −µ/σ = z0. 1. ıan procediendo de modo an´logo. En este caso. σ). 2. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. en [−1. PRINCIPALES VARIABLES ALEATORIAS es decir.6667 = 0. σ 3 luego (1 − µ) /σ = z0.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4.5 y σ = 1.75 = 0.obteni´ndose finalmente que µ = e 0. de lo que se obtiene que µ = 0. 2.39 y σ = 0. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. o o i i i i . en el intervalo [0. a < b.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. b] . k 131 P4.16. b] . Soluci´n o Si ξ es una variable uniforme en un intervalo [a. 2]. 3.9.

i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2. P4. a entonces fξ (y) = [π(1 + y 2 )]−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 . Si [a. Fη (c) = 2 · c. o que denominaremos η. donde c es una constante positiva y ξ o una exponencial de media θ. π/2). La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . b] = [−1. su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e . √ 2. Fη (c) = c. x > 0. 1]. Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. Si [a. Ver que es sim´trica respecto al cero pero que no tiene esperanza. b−a b−a b−a obteni´ndose. Si [a. Esta distribuci´n se llama distribuci´n de o o Cauchy. Fη (c) = 2 c/3.21] Encontrar la distribuci´n de cξ. en cada caso particular: e √ 1. 2]. 1]. b] = [0. √ 3. si se quiere ver la distribuci´n del cuadrado de esta variable. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. P4. 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 − = . b] = [−1. θ y su funci´n de distribuci´n ser´. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i .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. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ.

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

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

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

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

6) 1/2 · 1/3 · 1/6 10 2 1. a 1. 18) 1/3 · (1/6) 26 2 3. 8) (1/3) 14 2 2. 4 P (η > 8|ξ ≤ 1) = = 7 . 6. o Si k = 4 y m = 1. 9. 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 . 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 4) 1/2 · (1/3) 7 1. 18) 1/3 · (1/6) 30 3 3. 4. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.3 (2.2. Se capturan k lagartos.2 (2.2. 2. 2. 12) (1/3) · 1/6 18 2 2. Obtener una expresi´n para la probabilidad de que ξ = m. 9.3 (3.3 (1.3.3 (2. 3. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.3 (3. 6. ¿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 . 6) 1/2 · 1/3 · 1/6 9 1. 12) (1/3) · 1/6 20 2 2. 9 P4.2. 3. 18) 1/3 · (1/6) 27 2 3.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4.3 (1. 12) (1/3) · 1/6 21 2 3.3.2. 3. 6.2. k = 4 y n = 3. 4.2 (1.2 (3.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 9) 1/2 · (1/6) 13 3 2. demostrar que la probabilidad es m´xima cuando a N = 4n.3. 6. Si N = 12. 2. e se les marca y se les reincorpora a su poblaci´n.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.3.2 (1.3.3.2.2 (3.

. m = 0.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. . Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . 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. ¿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. o e 1. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. . 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. . Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . n. 1. 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. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. 3. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. 2.. Si N = 12. P4. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. ξ ≥ 1) P (ξ = 3) 1 = = .i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. k = 4 y n = 3.

para todo k = 0. a lo largo de los cinco d´ de una n ıas semana. PRINCIPALES VARIABLES ALEATORIAS 4. esta variable aleatoria sigue una distribuci´n de Poisson de o par´metro t. se tiene que. Soluci´n o 1. ocasiones. ¿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. Se pretende demostrar que: fη1 (x) = e−x . Sea ζ5 la variable aleatoria que mide la longitud de la tableta restante tras un intervalo de tiempo de 5 horas. Claramente: ζ5 = y por lo tanto lo solicitado es: E [ζ5 ] = E 16 2ζ5 ∞ 16 . sea ξt la variable aleatoria que mide el n´mero u de mordiscos que se producen en dicho intervalo. es decir: a P (ξt = k) = tk −t · e . para todo x > 0. Fijado cualquier intervalo temporal de amplitud t horas.i i i “libroult” 2001/8/30 page 139 i CAP´ ITULO 4. para cualquier x > 0 : Fη1 (x) = P (η1 ≤ x) = 1 − P (η1 > x) = 1 − P (ξx = 0) = x0 = 1 − e−x · = 1 − e−x . 1. . . 5. la ha mordido en cuatro ıa. o a 2. 0! luego el tiempo que transcurre hasta que aparece la primera mordida sigue una distribuci´n exponencial de par´metro 1. En efecto. para t > 0 arbitrario pero fijo. 2ζ5 = k=0 16 · P (ζ5 = k) 2k i i i i . ¿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. 139 Si un d´ entre las 9:00 y las 14:00 horas. 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. utilizando la informaci´n disponible para ξt y la relaci´n o o entre ambas variables aleatorias. 6. 2. .

∂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 . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. η1 . y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 .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 . que denotaremos η1 . 5. 3. η1 . 2 i i i i . 0! e 4. 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 + . 1296. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. 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. 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 . z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) .η1 . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . ξ5 = 4) P (ξ3 = 4.η1 (x. y. sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. 2 y por lo tanto: ∂Fη3 (t) t2 e−t = .

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

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

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

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

x2 ) ∈ IR2 . Por o ejemplo. 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. 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. x2 ) = fξ1 (x1 ) · f˙ξ2 (x2 ). 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. Dado un vector aleatorio bidimensional ξ = (ξ1 . Se llama funci´n de distribuci´n marginal de una o o componente del vector aleatorio. los vectores aleatorios son funciones de un espacio probabil´ ıstico sobre IRn . En este cap´ u ıtulo se presentan problemas donde aparecen vectores aleatorios con n = 2. para alg´n natural n. x2 ) = P ({w ∈ Ω : ξ1 (w) ≤ x1 . Fξ1 (x1 ) = l´ ım Fξ (x1 . x2 ). Por ejemplo: o +∞ fξ1 (x1 ) = fξ (x1 . ξ2 (w) ≤ x2 }) para todo (x1 . ξ2 ).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. x2 )∂x2 . 145 i i i i . se llama funci´n de o distribuci´n conjunta a la funci´n definida sobre IR2 como: o o Fξ (x1 . P ) sobre IR. A. −∞ Cuando adem´s las componentes son variables aleatorias independientes entona ces: fξ (x1 .

Ejercicios Resueltos P5. 2 ≤ y < 3  1/6 2 ≤ x. 3)} = 2/6. Calcular la funci´n de probabilidad conjunta. Hallar las funciones de distribuci´n marginales. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . Soluci´n o 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. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. y) = si  1/3  1 ≤ x < 2.2] Sea una urna con 15 bolas rojas.1] Sea la funci´n de masa P {(1. 2)} = P {(2. 3) y (2. 2)}) = 1/3. P {(x. o 2. 3)} = o 1/6. k2 ). la funci´n de distribuci´n bivariante asociada. y) ∈ IR2 : x + y = 4}. 2 ≤ y < 3 F (x. Calcular: 1. 3)} = P {(2. 2)} = P {(1. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ).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. Considerando los distintos casos posibles. y ≥ 3 2. 3)}) + P ({(2. 10 negras y 25 blancas. P {(3. o o 2. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. Por lo tanto: P (x. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. y ≥ 3  2/3   1 si x ≥ 3. o i i i i . Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . u u 1. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. eno tonces cada componente es una variable aleatoria discreta. y) ∈ IR2 : x + y = 4 = P ({(1. P5. y ≥ 3     si 2 ≤ x < 3. 2).

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

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

1. para x = 0. 1. 2. El valor de k es aqu´l para el que se verifica: e 2 2 k(x + 1)(y + 1) = 36k = 1. 5. La distribuci´n de ξ condicionada a η = y (y = 0. 3. 2. η) tiene la distribuci´n de probabilidad conjunta o dada por P (ξ = x. Soluci´n o 1. 2. 6. Calcular el valor de k. 4. se puede afirmar que las variables ξ y η son independientes. k = 1/36. ¿Son independientes ξ y η? Calcular P (ξ + η > 2) y P (ξ 2 + η 2 ≤ 1). y = 0. 1. si 3/10 . x=1 x=0 . P (η = y) 6 i i i i . 2) es: o P (ξ = x | η = y) = x+1 P (ξ = x. Distribuciones de ξ condicionada a η = y (y = 0. 1. VARIABLES ALEATORIAS BIDIMENSIONALES y adem´s: a P (ξ = x | η = 0) = P (ξ = x | η = 1) = 7/10 . para y = 0. 2. P5. puesto que P (ξ = x. η = y) = . η = y) = k(x + 1)(y + 1) donde x. si 7/10 . 1. 2. 36 6 x=0 2 2 P (η = y) = 3. 1. y = 0. x=0 y=0 es decir. 2). 1.6] El vector aleatorio (ξ. si x=0 . η = y) = P (ξ = x) · P (η = y) . 36 6 y=0 y+1 (x + 1)(y + 1) = . 2. 1. x=1 149 Finalmente. Calcular las distribuciones marginales. para x = 0. para todo x. Las distribuciones marginales son: P (ξ = x) = (x + 1)(y + 1) x+1 = . Distribuciones de Z = ξ + η y de ϕ = ξ 2 + η 2 .i i i “libroult” 2001/8/30 page 149 i CAP´ ITULO 5. si 3/10 .

pues P (ξ = x. η = 1) +P (ξ = 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 . 12 P (ξ 2 + η 2 ≤ 1) = P (ξ = 0. Se tiene que P (ξ + η > 2) = P (ξ = 1. 2. η = 2) + P (ξ = 2. porque P (ξ = x | η = y) = P (ξ = x) . η = y) = P (ξ = x) · P (η = y) . η = 0) = 5 . A partir de la funci´n de probabilidad conjunta del vector aleatorio o (ξ. y = 0. 1. y = 0.i i i “libroult” 2001/8/30 page 150 i 150 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. O. 36 6. η = 1) + P (ξ = 1. η = 0) +P (ξ = 0. para todo x. 5. para todo x. Las variables ξ y η son independientes. 2. alternativamente. η = 2) = 7 . 1.

10. . si 10−y x = 1. Soluci´n o 1. 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. . η = y) ser´ nua la si la otra variable toma un valor distinto de 1. 3.. 4. si 2. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. 1. 10 x = 0. si . . η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 2 blancas y 1 roja. . Calcular la funci´n de probabilidad conjunta. 2. si · 10−x j = 1/2x . y = 0 x = 1. Calcular la distribuci´n de probabilidad o o conjunta. .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)”. y = 1 x = 2. Las correspondientes distribuciones marginales son: i i i i . o Calcular las distribuciones marginales. la probabilidad P (ξ = x. y = 2. . 5. Extraemos 3 bolas sin reemplazamiento. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz).10). . y = 1 · i=0 10−x j=0 10−y i = 1/2y .7] Consideremos una urna con 3 bolas azules. Por lo tanto P (ξ = x.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. . 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. N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero.

si 3. si y=0 y=1 y = 2. i i i i . si y = 2. . . . η = 0) = 1. . . . . si x=0 x=1 x = 2. 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. si . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. 10 + 10 y=2 1/2y = 1/2 . si x=0 x = 2.3. La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. P5. . . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . . η = y) = .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. . si . por ejemplo: P (ξ = 2. . P (η = 0) 2x−1 . . . 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . Las variables aleatorias ξ y η no son independientes.9] En una jaula hay un rat´n y dos pollitos. 10 + 10 x=2 1/2x = 1/2 . Esperamos o una hora y observamos lo que queda en la jaula. η = i) = 1. pues. si P (η = y) =     =    P (ξ = x. si . . 10 4. η = 1) = 5. . 1 9 2 1 P (ξ = x. η = y) = .

η). y = 0. 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) = 2.063 0.126 0 0 0.343 0. Calcular las funciones de densidad condicionadas. x = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. η) o es: η|ξ 0 1 2 3 0 0.21 6 0 0 0.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5.33−x · 0. η = 0)+P (ξ = 1. 2.027 0. y) pertenece al recinto limitado por las rectas x + y = 1.7x .343 0. VARIABLES ALEATORIAS BIDIMENSIONALES 1. 3.1. 3.189 0. si (x. 3 · 0.294 8 0 0 0 0. 2.294 0 0. 1.126 4 0 0. 2. Calcular las funciones de densidad marginales. ¿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 1.441 0. Esto puede observarse en la figura 5. para x = 0. y) = 24y (1 − x − y). x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ.33 = P (ξ = 0) · P (η = 0) = 0.343 1 Adem´s. 1. u dar la distribuci´n conjunta de (ξ.027 2 0 0. i i i i . η = 4) = 0.36 . P5. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. 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. las variables ξ y η no son independientes.10] Sea (ξ.147 0 0. η = 0) = 0. pues: a P (ξ = 0. η = 2)+P (ξ = 2. 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 = 0.3. 3.027 0 0 0 0. η) . 3.

10.1: 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. i i i i .2: Regiones del plano para el problema P5. y R4 R3 R2 R1 R6 R5 x Figura 5.9.

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

o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1.η (x. la funci´n de distribuci´n es: o o si (x.3. y fη|ξ=x (y) = f (x. Calcular o la funci´n de distribuci´n. x = 2. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. es decir. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas.11.11] Sea (ξ. i i i i . Dado que la funci´n de distribuci´n es uniforme. 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. P5. 0 ≤ y ≤ 1 − x. 0 ≤ x ≤ 1 − y. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. y) ∈ R1 : F (x.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. Por ultimo. y) = xy − y 2 . entonces o o fξ. y) ∈ R2 : F (x. y) = 0. y = 0.3: Regiones del plano para el problema P5. k = 1. si (x. Por tanto.

y) ∈ R3 : F (x. Consideremos las zonas del plano indicadas en la figura 5. 1. P5. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. y) est´ fuera de R2 . y o a f (x. y) est´ en R2 .4. Calcular las funciones de densidad condicionadas. considerando un punto (x. Calcular la funci´n de distribuci´n conjunta.12] Sea (ξ. y) = 1. Soluci´n o 1. x ≥ 0. si (x. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. y) = 0 cuando (x. y) ∈ IR2 : x2 + y 2 < 1. y) ∈ R4 : x2 . y) arbitrario pero fijo: i i i i .12.4: Regiones del plano para el problema P5. La funci´n de densidad es f (x. y ≥ 0 . y) = si (x. y) = y(2 − y). 3. y) = 4/π cuando (x. De este modo. si (x. o o Calcular las funciones de densidad marginales. y) ∈ R5 : 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. 4 F (x.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. 2.

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

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

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

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

6: Plano del teatro del ejercicio P5.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. e−2 + 2e−1 − 1 Por lo tanto. As´ se obtiene que: ı.16. 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. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. 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 . e−2 + 2e−1 − 1 yey − ye−2−y . y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. 2.16. i i i i . a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. o 1. y) y el centro del escenario (el origen 0). Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). Fη|ξ+η+2≥0 (y) = = P (η ≤ y. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. 3. Por ultimo. 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. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. esto es.

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

El ladr´n. se encontrar´ en un punto aleatorio de la finca (ξ.7: Plano de la finca del ejercicio P5. en menos de 15 segundos. η).17. Cuando el perro se a despierta. 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. En la esquina 0 duerme el perro guardi´n. Hallar la funci´n de distribuci´n de la coordenada η. 15646. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. y por lo tanto. 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 5.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. y cero en otro caso. o o 2. 1. 3. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. una con frutales y otra con hortalizas. a un ladr´n que se encuentra en los o frutales. tal como muestra la figura 5. que queda inm´vil al e o o o despertarse el perro.7. la probabilidad que se pide es: 2236. i i i i .5 π(1002 −302 ) 2 = 0. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. P5. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. Hallar la primera coordenada de la posici´n media en que se da o caza.5. El perro corre a 10 m/s.

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

200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. Concretamente.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. La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. η). i i i i . η ≥ 100. ξ + η ≤ 150) P (η ≥ 100. 10t − s). s) = 10 · fξ. S). 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 . teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. 3. dado que ξ = S y η = 10T − S entonces fT.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. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. donde T := (ξ + η)/10 y S := ξ. 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.η (s.

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

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

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

FX(n) (t) = 0 si t < 0. esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . .. . se verifica: FX(n) (t) = P (X1 ≤ t. θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t.n} y. si t < 1  0   1/3 . a cuando n tiende a infinito. P6.. Se observa que. n tienen como funci´n de distribuci´n o o a: t FXi (x) = . . por su parte. si t ≥ 3 i i i i . θ La variable X(n) .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 . .. para o o t ∈ [0. si t<θ . θ] . Esta sucesi´n converge en ley a la variable aleatoria X.  2/3 . Adem´s. si 2 ≤ t < 3   1 .. 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 . i∈{1. tiene como funci´n de distribuci´n. i = 1. .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. si . . pues: o  . Xn ≤ t) . y es igual a 1 si t ≥ θ. . . . si 1 ≤ t < 2 FXn (t) = .. para x ∈ [0. ya que estas variables son independientes.

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

. de acuerdo con la Ley D´bil de los Grandes N´meros. . y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. ım 2 Sin embargo. a i i i i . Si uno de los dos empleados contestara al azar a todas las preguntas. 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.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. 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. i=1 ξi /n es la proporci´n de aciertos. Sean ξ1 . ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. ξ2 . Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. siendo p = 2/3 su probabilidad de encestar en cada tiro. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. . ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. n´tese que E |ξn | = 1. Realizados n e n o tiros. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. 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). esta proporci´n converge en probabie u o lidad a 2/3. ¿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. a P6. Entonces. del total de u 30 que responde al azar. . por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. 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. a 2.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. que acierta el primer empleado. P6. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo.

X = n 104 i=1 Xi . . en el caso de que ´ste responda las 80 pregune tas al azar. n2 · p2 · (1 − p2 ) = 15) .5 − 30 √ 15 = 0. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. n1 · p1 · (1 − p1 ) = 7. Z> 30 − 0. a 100 + 0.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. CONVERGENCIA 1. Z> 10 + 0.5438 P6. a una normal de par´metros µ = 104 y σ 2 = 104. y aplicando el Teorema Central del L´ ımite. . . ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.5) . 175 Aproximemos.5 = 0.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0.5 − 15 √ 7. mediante el Teorema Central del L´ ımite.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. Teniendo en a cuenta lo anterior. 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. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi .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 = 1.9495 De forma similar al apartado anterior. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).5 − 40 √ 20 = 0.6331 i i i i . . 2. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. i = 1. Procediendo de forma an´loga a los casos anteriores.

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

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

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 . P7. y se concluye as´ que ambas variables est´n inı a correladas. la distribuci´n de probabilidad conjunta de las variables aleatorias X e o Y. siendo: E X· 1 −X 2 1 1 −X 2 =E X· 1 −X 2 − E [X] · E 1 −X 2 . 8 2 4 Por lo tanto. Y ) = E [XY ]−E [X] E [Y ] = E U 2 − V 2 − E [U ] − E [V ] y por lo tanto ρXY = 0. Utilizando estas variables. 1). 2 8 E [X] = E 1 −X 2 = 1 − x · fX (x) · ∂x = 2 1 −X 2 1 0 1 1 − x · ∂x = .1 0. ρXY = 0. Soluci´n o Definamos X = U + V e Y = U − V .2] Sean U y V variables aleatorias con igual media e igual varianza.5 2 2 = 0. 2 1 0 x· 1/2 1 1 − x · ∂x = .3] Sea X|Y 1 2 0 3 0. cov (X. Se tiene que: o cov X. Entonces. i i i i . obtenga dos variables aleatorias incorreladas.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0.i i i “libroult” 2001/8/30 page 178 i 178 EJERCICIOS RESUELTOS DE PROBABILIDAD Ejercicios Resueltos P7. = 0 x· 1/2 1 − x · fX (x) · ∂x = 2 1 − x · ∂x − 2 1 = 0 x· 1 .3 0.1 0. = 1 1 1 − · = 0. 2 4 por lo que: cov X.

o 179 Soluci´n o 1.62 ) · (5.4 0.4] Sean: y= x + 2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . 58333.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. Y = yj ) = 3.6 · 1.8 i yj P (Y = yj ) = 1.75 · (x − 1.6) . o Determinar la recta de regresi´n de Y sobre X. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.8.8 (2. E Y 2 j=1 2 2 yj P (Y = yj ) = 5. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2. 2.4 − 1.3.4 j=1 E [Y ] = = Finalmente: ρXY = 2. 3.4 0.82 ) = 0.6. REGRESION Y CORRELACION 1. La recta de regresi´n de Y sobre X es: o y − 1. Obtener el coeficiente de correlaci´n de estas variables. xi P (X = xi ) = 1. 9 i i i i .6 P (Y = yi ) 0.8 − 1.8 = 1. 15 x y = + 1.3 − 1. P7.

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

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

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

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

Sign up to vote on this title
UsefulNot useful