Ejercicios Probabilidad Resueltos

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

.

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

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

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

m Ejercicios Resueltos P1.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras.m = nm . es o V Rn. Por lo tanto. el n´mero de selecciones de m de ellos.m = n! . o es n+m−1 CRn. P1. Averiguar de cu´ntos modos puede hacerse si: a 1.1] ¿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. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n. sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´n.m = . Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn. los premios son diferentes. y que una persona no puede ocupar m´s de a un sitio a la vez.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. hay V10. 2. el n´mero de selecciones ordenadas de m de ellos. ya que los o cuatro sitios son diferentes. m! · (n − m)! n m Este n´mero tambi´n se denota como u e . Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos.2] En una clase de 10 alumnos van a distribuirse 3 premios. los premios son iguales. Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos.

3] Las diagonales de un pol´ ıgono se obtienen uniendo pares de v´rtices no e adyacentes. Si de estas 6 parejas eliminamos las que corresponden a v´rtices adyacentes (tantas como el n´mero de lados del e u cuadrado). hay CR10.2 − 8 = 8! 8·7 −8= − 8 = 28 − 8 = 20 diagonales. si una misma persona puede recibir m´s de un premio: a 1.2 − 6 = 6! − 6 = 15 − 6 = 9 diagonales. n! n · (n − 1) n2 − 3n −n= −n= . si ´stos son diferentes. a Procediendo del mismo modo con el hex´gono. se obtienen a o C8. el n´mero u de diagonales es: Cn. 2! · 6! 2 Finalmente. para el caso general de un pol´ ıgono de n lados. de V R10. 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. P1. se obtienen a C6. 2! · 4! An´logamente. Hay u C4. Calcularlo para el caso general de un pol´ o ıgono de n lados.i i i “libroult” 2001/8/30 page 13 i CAP´ ITULO 1.3 e =103 = 1000 maneras. Comenzamos calculando el n´mero de diagonales del cuadrado. en el caso de que los premios sean iguales.3 = 220 maneras de distribuir los premios si ´stos son e iguales. 2. quedar´n 6 − 4 = 2 diagonales. 1. 2. 13 hay V10. en el caso del oct´gono. e adyacentes o no.2 = 6 uniones posibles de dos v´rtices diferentes cualesquiera.3 = 10 · 9 · 8 = 720 maneras de distribuir los premios si ´stos son diferentes. e 2. el hex´gono y el u a oct´gono. pueden distribuirse de C10. Igualando el n´mero de lados y el n´mero u u u de diagonales se obtiene: n= n2 − 3n .3 = 10 · 9 · 8/6 = 120 maneras. Obtener el n´mero de diagonales del cuadrado.2 − n = 2. 2 i i i i . COMBINATORIA 1. ¿Existe alg´n pol´ u ıgono en el que el n´mero de lados sea igual al de u diagonales? Soluci´n o 1. se pueden distribuir los premios.

Como adem´s no se permiten repeticiones. Por tanto. el resultado n = 0 no es v´lido.9 1. a P1. . 3. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). . P1. i i i i . permitiendo repeticiones..1. el primer d´ ıgito no puede ser cero. 2. 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. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. el n´mero de maneras u distintas es V R365.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. sin repeticiones. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. u 3. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. Como n ≥ 1 . se pueden formar 92 · 8 · 7 = 4536 n´meros. 1.i i i “libroult” 2001/8/30 page 14 i 14 es decir. como no puede haber repeticiones. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. e u 2.10 = 36510 . Por lo tanto. La soluci´n es n = 5 a o (el pent´gono). Por lo tanto. Fijamos el ultimo d´ ´ ıgito y. . se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. Al igual que en el apartado anterior. u P1.6] En un grupo de 10 amigos.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. el primero de ´stos no puede ser cero. ¿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. Puesto que debe formarse un n´mero de 4 d´ u ıgitos.

que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). 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. “1 cara y 3 cruces”. i i i i . Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. 2. Como las monedas se arrojan simult´neamente. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones.4 = 5 resultados posiı. cruz”. cruz”. cara”. Suponiendo que las monedas son distintas: 1. obteniendo as´ un total de ı C5. cara. “2 caras y 2 cruces”. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. cruz.9] Cuatro libros de matem´ticas.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. “cara. cara”.8] Cuando se arrojan simult´neamente 4 monedas.4 = 24 = 16 resultados posibles. cara. “cara. cara. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas.2 = 6 ı resultados de dos caras y dos cruces. cara. cruz. COMBINATORIA 15 P1. respectivamente. a 1. y “0 caras y 4 cruces”. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. En este caso. 2. “cara. cara. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. hay un total de V R2. los libros de cada materia han de estar juntos. “3 caras y 1 cruz”.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. P1. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. 2.2 ). Estos casos son: “4 caras y 0 cruces”. cara. se tendr´ un total de P5 = 5! posibles ordenaciones. bles. y adem´s coincide con el n´mero de posiciones para los puntos (C5. Estos casos son: “cara. dividiremos por las posibles permutaciones de cada uno de ellos. ¿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. es decir. etc. y que las monedas no pueden distinguirse entre s´ existen CR2. hay C4.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. a u P1. Pero.

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

Puesto que todos son elegibles. Luego hay un total de 10 · 35 = 350 comisiones posibles. un f´ ısico particular ha de estar en esa comisi´n. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. 2. existen C5. ¿De cu´ntas formas podr´ hacerse si: a a 1.14] Tres atletas toman parte en una competici´n. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. ¿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.3 = 10 grupos de 3 vocales distintas. por lo que hay C5. es importante saber si corresponden al principio o al final del trayecto. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. entonces s´lo hay 1 posibilidad. todos son elegibles. ¿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. Por otra parte.2 = 10 grupos de 2 matem´ticos.2 = 15 grupos de 3 f´ a ısicos.12] Una l´ ınea de ferrocarril tiene 25 estaciones.2 = 10 grupos de 2 matem´ticos. 2. Se fija uno de los f´ ısicos. P1. P1. 3. 10 · 15 = 150 comisiones.2 = 25 · 24 = 600 billetes diferentes. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. y C6.3 = 35 grupos de 3 f´ a ısicos.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. As´ se pueden formar ı.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. y adem´s. a o Adem´s hay C7. P1. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. a dadas dos estaciones.4 = 35 grupos de 4 consonantes distintas y C5. luego existen C5. hay un total de V25. 3. y C7. o i i i i . o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos.

3. Por ejemplo. Sin embargo.2 = 3 grupos de dos que llegan juntos. n−1 m! · (n − 1)! 2. ninguna en la cuarta y dos en la quinta. tres bolas en la tercera.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. se obtiene un total de CRm−n. 1. una de las urnas que tendr´n alg´n elemento. si ninguna urna puede quedar vac´ fijamos n bolas. por lo que existen 3 · 2 = 6 posibilidades. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . ıa. o u 2.15] Se tienen n urnas diferentes. P1. una en cada urna.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. si n = 5 y m = 6. Aplicando lo anterior. el resultado ı.n = distribuciones posibles. Hay Cn. si no puede haber ninguna urna vac´ ıa. ı es m+n−1 (m + n − 1)! CRn.m = = . 3. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. se fija una bola en cada ıas. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. 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). una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. por lo que el problema se reduce a distribuir m−n bolas en n urnas. ninguna bola en la segunda. pueden llegar a la meta de 13 maneras distintas. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. existen C3. En particular. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. Por lo tanto. dado que las barras son indistinguibles entre s´ as´ como las estrellas. Si llegan los tres por separado. existen 3! = 6 posibilidades.

N´tese que. si cada individuo se traslada al asiento situado a su derecha.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. COMBINATORIA 19 de CRn−r. dada una de estas posibles distribuciones. 600 posibilidades para las letras. ıa ıa P1.r · CRn−r. se observa que. El total de historias cl´ ınicas que pueden hacerse es. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. Por tanto. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. Por lo tanto. con la unica diferencia ´ de que ahora las letras no pueden repetirse. en el caso de que las urnas no fueran distinguibles. por lo tanto. no hay restricciones. 625 · 1000 = 625000. 2. El n´mero de permutaciones de las siete personas en la mesa es 7!.2 = 25·24 = ı.m−r = maneras de distribuir las bolas.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. Se procede de forma similar al caso anterior. como no se hacen distinciones entre los asientos en la i i i i . Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. dos personas particulares no pueden sentarse juntas? Soluci´n o 1.3 = 1000 posibilidades para los d´ ıgitos. u Sin embargo. por ejemplo. 2. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. y V R10. Suponiendo que hay 25 letras. 2. no hay restricciones sobre letras y n´meros. la posici´n relativa de todos los individuos ser´ la miso a ma. P1.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. As´ hay V25.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes.2 = a e 252 = 625 posibilidades para las letras. resulta que hay V R25.3 = 103 = 1000 posibilidades para los d´ ıgitos. hay: Cn.

Si tiene dos nombres como m´ximo. o u G (guanina). hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular.i = 25 − 1 = 31 i=1 ramilletes distintos.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. estando juntas las dos personas particulares. 4 ´ 5 flores. que puede ser A (adenina). Adem´s. 2. hay V R27. exactamente dos nombres. no m´s de tres nombres? a Soluci´n o 1. Procediendo igual que en el apartado (a). hay 120 · 2 = 240 formas de sentarse. a 3.3 = 273 = 19683 conjuntos de iniciales. hay 6! = 720 formas de sentarse.20] Suponiendo que hay 27 letras distintas. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. a a tenemos: 5 C5. se concluye que hay 720 − 240 = 480 formas de sentarse. hay dos posibilidades: a i i i i . As´ el n´mero total de formas ı. por 7. Por tanto. se obtiene que hay 6!/6 = 5! = 120 distribuciones. entonces existen V R4. Si tiene dos nombres. Consideremos a esas dos personas como una sola. Finalmente. u de sentarse es 7!/7 = 6! = 720. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. 2. P1. 2. 2. P1. sin restricciones. Por tanto. es decir.3 = 43 = 64 secuencias distintas. ¿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. y adem´s ´stos o a e pueden repetirse. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. P1. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. 3. no m´s de dos nombres. Por otra parte. C (citosina) y T (timina).

m = a Cm+1. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. del que hay V R27.2 = 272 posibilidades.m = m + 1 resultados. Por lo tanto. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. es CR6. P1.d = C6+d−1.m = 2m resultados distintos para las monedas. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. Adem´s. COMBINATORIA 21 del tipo “nombre apellido” hay V R27.d .i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1. ı Suponiendo que los dados son iguales y las monedas son iguales: El n´mero de resultados que se pueden obtener al arrojar los d dados.3 = 273 posibilidades. Si tiene tres nombres como m´ximo. de obtenerse el mismo resultado en varios dados. para las m monedas.d = 6d resultados distintos para los dados. del tipo “nombre1 nombre2 apellido” hay V R27. puesto que se distinguen los dados entre s´ y en una tirada pueı. hay Cd+5.d = Cd+5.21] Si se arrojan d dados y m monedas. se obtienen a V R2. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales. Procediendo de forma an´loga para las m monedas. 3. ¿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). i i i i .d · (m + 1) resultados diferentes.4 = 274 posibilidades. hay un total de CR2.m = C2+m−1. hay un total de V R6. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos.

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

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

A la terna (Ω. Una moneda es lanzada hasta que salen dos caras o dos cruces consecutivas. P ) con Ω ⊂ A. P (A ∩ B) = P (A)P (B). 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) = . y s´lo si. i i i i . Un dado es lanzado cinco veces consecutivas. 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. el espacio muestral Ω se llama equiprobable cuando la probabilidad de todos sus sucesos elementales es la misma. si A1 . Se representa por P (A | B). P ) con P (B) > 0. 250 personas son seleccionadas en La Laguna y se les pregunta si van a votar al candidato A o al B. P (B) Se dice que A y B son independientes si. Dado (Ω. A. A. |Ω| Dados dos sucesos A y B de un mismo espacio probabil´ ıstico (Ω.1] Describir el espacio muestral para cada uno de los siguientes experimentos aleatorios: 1. Intuitivamente: o P (A) = casos favorables a A . A. A2 ∈ A: A1 ∩ A2 = ∅ entonces P (A1 ∪ A2 ) = P (A1 ) + P (A2 ). 5. y sucede que: P (A | B) := P (A ∩ B) . P ) se le llama espacio probabil´ ıstico. 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. 3.i i i “libroult” 2001/8/30 page 24 i 24 EJERCICIOS RESUELTOS DE PROBABILIDAD con las siguientes propiedades: P (Ω) = 1. 2. Cinco dados son lanzados simult´neamente. a 4. Cuatro objetos se envasan en paquetes de dos. o Ejercicios Resueltos P2.

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

w2 . tral es: Ω = {0. 3. 2. e 3. 1. Un posible espacio muestral es: Ω = {w = (w1 . 3. Sin embargo.2] Una moneda es lanzada cinco veces. w2 . 3. 5} . w3 . que puede ser C =“cara” y X =“cruz” (i = 1. 2. 3. 2. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. X}} . 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 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)). un posible espacio muestral es Ω = {w = (w1 . Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1.3] Dado (Ω. 5. 4} . Soluci´n o 1. P2. si A. 4. 2. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. 2.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. As´ un posible espacio muesı. P (∅) = 0. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. 5) . S´lo el n´mero de caras es de inter´s. demostrar: 1. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. P2. i i i i . 4). 3. 4. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). w5 ) : wi ∈ {C. w4 . 3. El resultado de cada lanzamiento individual es de inter´s. P ) un espacio probabil´ ıstico. w4 ) : wi ∈ {B. o u e 2. i = 1. 2. 4. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). si A. A} . B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). si A. w3 . pero que la afirmaci´n rec´ e o ıproca no es cierta. A. si A ∈ A: P (Ac ) = 1 − P (A).

135. 4. 226. 145. 2. 3. 4)})] 3 1 ·3 = . Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . 6)}) + P ({(1. 234 y 333. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). = 3 · 6·3+ 6 2 216 Por otra parte. Basta tener presente las dos condiciones que cumple P por definici´n. 3. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 4)}) + P ({(2. 2. Basta tener presente las dos condiciones que cumple P por definici´n. 5. w2 . o considerando A1 := A \ B y A2 := A ∩ B. 2. 2. 4. 3)}) 2 1 3 25 ·2+1 = . la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. 244 y 334. o considerando A1 := A ∩ B = A y A2 := B \ A. 3} . Explicar por qu´ y calcular e las correspondientes probabilidades. 4. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 2. 235. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 2 8 i i i i . 3. 4)})] 3 + · [P ({(1. w3 ) : wi ∈ {1. FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. 2. 27 Basta tener presente las dos condiciones que cumple P por definici´n. 3.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. ({(2. 5)})] ({(3. 4. N´tese que este espacio es equiprobable y |Ω| = 63 . 144.4] Un jugador italiano expres´ su sorpresa a Galileo. 6)}) + P ({(1. 6)}) + P ({(2. P2. 3). 5. 5)})] + P ({(3. 3. Basta tener presente las dos condiciones que cumple P por definici´n. 5)}) + P 3 + · [P ({(2. o considerando A1 := Ω y A2 := ∅. 3. 3. i = 1. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. y al 10: 136. 5)}) + P ({(2. 6} . 4. 225. 3. o considerando A1 := A y A2 := Ac . 2.

. fijados por ejemplo Ai = A1 . todas equiprobables. Calcular: u e 1. P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2.5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1. |Ω| 24 24 12 para todo i. 2.i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. k = 1. 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . j = 1. . 4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = . . . P (A1 ∪ A3 ) 4. P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. Aj = A2 . . . Definimos Ai = {w ∈ Ω/en u w aparece el n´mero i en el lugar i-´simo}. . Ak = A3 . |Ω| 24 para todo i. 4 |Ai ∩ Aj ∩ Ak | 1 = . . j. |Ω| 24 24 4 para todo i = 1. |Ω| 24 P (Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) = P (A1 ∩ A2 ∩ A3 ∩ A4 ) = Luego. . P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . 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 ). . 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 . . 3 y 4. .

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

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

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

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

7. Soluci´n o A1 . determinar si se cumple que: 1. B = {3. . 2. P (Ac |B c ) = 2/3. Entonces. es decir. . por lo que se concluye que los dos sucesos no son independientes. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. 7. 2. A ∩ B = ∅. 3} . 5. 6. un espacio muestral es Ω = {1. i i i i . Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. A ∩ B = ∅. Dicho espacio es equiprobable y P ({i}) = 1/9. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. para todo i = 1. A y B son independientes. FUNDAMENTOS DE PROBABILIDADES 35 P2. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. P (B|A) = 1/3. .11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. e ı 3. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 2. Por lo tanto.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. 3. 9. es decir.12] Dado que P (A) = 1/3. 2. 4. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. 8. Soluci´n o 1. 9} . 8. 6. 9} . se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. A ⊆ B. P (A) 1/3 1/3 3 P (B) = P (B|A). 3. Por definici´n de probabilidad condicionada. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. 4. 4. 5. A = {1. .

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. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. con P ({i}) = 1/6.13] ¿Son ciertas las igualdades: 1. 5. 2} . que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. 2. 3. 6} . resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. 2. Obs´rvese. i i i i . que verifican: e A ∩ B = ∅. . P ({1. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. 6. 6}) 2/6 1 = = . 2. 2. . P (A|B) + P (A|B c ) = 1? Soluci´n o 1. utilizando nuevamente el ejemplo del primer apartado. P (A|B) = P (Ac |B c ). pues. 2} y B = {3. 5. . si utilizamos los datos del ejemplo del apartado anterior. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. 2}) P2. 5. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. 4}. 3. . 6}. pues. 6} . pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. para todo i = 1. 4. Definimos tambi´n los sucesos A = {1. 2. P (B c ) P ({1. c c c A ∩ B = (A ∪ B) = {5. P (A|B) + P (Ac |B c ) = 1. B = {1. en el contraejemplo del apartado (a). se obtiene: A ∩ B c = {1.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 3. c Sustituyendo en las correspondientes expresiones. definimos un espacio muestral Ω = {1.

P (Ac |B c ) = 1/2. c concluy´ndose as´ que Ac y B c son independientes. En efecto. P (A|B) = 37 P2. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. i i i i . Ac y B c son independientes. 2. P (B|A) = 1/2 y P (A|B) = 1/4. 5. A y B son incompatibles.14] Demostrar que si dos sucesos A y B son independientes. e ı P2. 6}) 1 2/6 = . Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). A ⊂ B. Soluci´n o 1. 3.15] Sean A y B dos sucesos tales que P (A) = 1/4. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. 6. Decir si son ciertas o falsas las siguientes relaciones: 1. 4. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. A y B son independientes. entonces Ac y B c son independientes. N´tese que si A ⊂ B entonces A ∩ B = A. P (A|B) + P (Ac |B c ) = 1. P (A) P (A) 2 por lo que no es posible que A ⊂ B. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . 2. 5. 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 ) .

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

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

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

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

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

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

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. Definamos el suceso H =“Se obtienen dobles parejas”. FUNDAMENTOS DE PROBABILIDADES 6. hay C13. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . i i i i .5 combinaciones posibles de 5 cartas. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). pues se formar´ un full. tendremos. 8. 45 escaleras (incluyendo las de color. P (I) = 52 |Ω| 5 9. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. Para cada palo.3 comıo”. 10. adem´s de las cuatro cartas ya escogidas. dado que hay 10 numeraciones posibles. 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. Luego. finalmente. As´ la probabilidad buscada ı. Si fijamos una numeraci´n i. . Hay C13.2 formas distintas de elegir los palos con los que se forman las dos parejas. y C4. Representemos por G al suceso “Se obtiene color”. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. como vimos en los apartados (a) y (b). para o cada valor de i. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . ya que se obtendr´ un p´ker. con i = 1. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). Por lo tanto se eliminan.2 de crear la pareja para cada uno de esos palos. y las de color real si i = 10).i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . y para la ultima quedan. 9. dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . . una vez o ıa fijadas las 3 primeras. . i + 2. 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). o De este modo se evita obtener un full. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. i + 1.1 ·C4. 47 Sea el suceso F =“Se obtiene una escalera”. puesto que se restan. quedan 45 −4 = 4·(44 −1) o escaleras y. . y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. De ellas. i + 4. binaciones posibles de tres cartas con la misma numeraci´n. i + 3. 52 |Ω| 5 7. 9+1=10 corresponden a escaleras de color y a escaleras de color reales.

9 i i i i .25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. El 90 % o de los clientes del banco tienen fondos. El espacio Ω no es equiprobable y tiene 4 elementos. P2.001 · 0.001. w2 ) . ıan ıo. Para las tres que faltan deben descartarse aquellas combinaciones que.1 = 0.99108. 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. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . junto a las dos primeras cartas. 0.9. Sea J el suceso “Se obtiene una pareja”.1. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6.2 parejas posibles. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. An´logamente ´ a al apartado anterior. o Por lo tanto. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . 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. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. y procediendo de forma similar al caso del tr´ fijadas ıo. Se recibe hoy en caja un cheque con fecha equivocada. 1.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10.1 + 0. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. 0.001. 0.999. 0. En cambio. 1 · 0. formar´ un tr´ un p´ker o un full. equiv}). las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. ya que no importa el orden en que ´ ´stas se elijan. todo cliente sin fondos pone una fecha err´nea en sus cheques. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.

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

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

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

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

w2k ) = (6. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. 2. 2. 2. . w2k−1 = w2k = 6} . . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . . . donde w2i−1 y w2i . Igualando: 1− 1− n= 1 36 n = 1 . . 6)}] = 1− 1 − 1 36 n Por ultimo. la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. . . sea el suceso A = “se obtiene e al menos un 6 doble”. a es 1/62 = 1/36. 14 · 13 2 53 1− Efectuando las operaciones correspondientes. . n} .32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. n}} . . luego Ac = {w ∈ Ω : (w2k−1 . tras aproximar el resultado. . ln35/36 Por tanto. se concluye que necesitamos jugar 25 partidas. ¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . w2k ) = (6. 6}} . Luego. A = {w ∈ Ω : ∃k ∈ {1. . 5. 2. w2n ) : wi ∈ {1. . 3. n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. 4. 2 −ln2 = 24. P2. . 6) . Entonces. FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . i = 1. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . w2 .605. w4 . . para todo k ∈ {1. w3 . 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. . i i i i .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. w2n−1 .

¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. respectivamente. As´ por ejemplo. Puesto que estos sucesos son disjuntos. 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. siendo w1 y w2 el primer y segundo lanzamiento. Si cada elemento de dicho espacio se representa por w = (w1 . se puede considerar que los dos primeros ı. i = 1. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. ¿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. 2.35] Una loter´ vende n2 boletos y da n premios. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. X} . P2. Dos arqueros de la misma destreza tiran al blanco. w2 . w2 . 2.34] Problema de Galton. del primer arquero. “intermedio” y “m´s alejado” entre los tres lanzamientos. 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. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. i = 1.33] Problema de Bertrand. Si una persona compra n ıa boletos. entonces P (A) = 2/6 + 2/6 = 2/3. P2. 3 son los resultados respectivos de las tres monedas. Se lanzan tres monedas al aire. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales. Adem´s. representemos el espacio muestral como: Ω = {w = (w1 . 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. w3 ) : wi ∈ {C. w3 es el unico lanzamiento del segundo arquero. Entonces. todos ellos equiprobables. sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. w3 ) . Si gana el que tire la flecha m´s cercana al centro de la diana. 3} donde wi .i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2.

2. . Para cada apartado del problema se definir´ un espacio muestral. . podemos definir como ıa espacio muestral: Ω = {w = (w1 . P2. . Si definimos el suceso A = “se extrae al menos una bola negra”. tienen la misma probabilidad de ser tomadas. . que representaremos por A y B. Supongamos que la caja est´ vac´ al tomar el ultimo f´sforo. Un espacio muestral es: Ω = w = {w1 . de las cuales n son negras y el resto blancas. con |Ω| = 22N −r . entonces la probabilidad pedida ser´ ıa: P (A) = 1 − P (Ac ) = 1 − n2 −n n n2 n . o Soluci´n o Supongamos que las dos cajas. . a ıa ´ o descubre la caja vac´ cuando por primera vez la saca y no hay ya ıa f´sforos. w2 . Al cabo de o cierto tiempo una de las cajas est´ vac´ Calcular las correspondientes a ıa. 2. . Este espacio es claramente equiprobable. . 2N − r} . . . i = 1. (i = 1. . para. cada o vez que necesita un f´sforo toma al azar una de las cajas. donde cada wi . 1. probabilidades de que en ese momento la otra contenga r = 0.36] Cierto profesor lleva siempre en el bolsillo dos cajas de N f´sforos. . 1} . ∀i = j. FUNDAMENTOS DE PROBABILIDADES Soluci´n o 55 Resolver este problema es equivalente a calcular la probabilidad de que. N f´sforos suponiendo que: o 1. . wi = wj . 2N − r) representa la caja que se escoge en i−´simo lugar (pudi´ndose tomar o no f´sforos de ella. 2N − r) . que es claramente equiprobable. . . que deja vac´ una caja. . . . . . wn } : wi ∈ 1. . . i. . . n . w2N −r ) : wi ∈ {0. 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). . n2 .i i i “libroult” 2001/8/30 page 55 i CAP´ ITULO 2. . para cada valor de i (i = 1. . . wi = 0 si se escoge la B. . . al menos una de las bolas que se saquen sea negra. . a 1. ya que e e o puede estar vac´ Se supone que wi = 1 si se escoge la caja A y ıa). . . j = 1. al extraer n bolas diferentes simult´neamente de una urna con n2 bolas a (numeradas de 1 a n). la caja est´ vac´ al tomar el ultimo f´sforo. Por lo tanto. i i i i .

. w2N −r−1 . o    w = (w1 . 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−1     wi = N − 1   i=1 Por lo tanto. 1) : wi ∈ {0. 2N − r − 1. w2N −r . . 2N − r} . Soluci´n o Un suceso elemental de este problema puede describirse mediante un par de n´meros. donde los wi (i = 1.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”. . . Supongamos que descubre la caja vac´ cuando por primera vez la ıa saca y no hay ya f´sforos. |Ω| = 22N −r+1 . . se obtiene finalmente que o la probabilidad pedida es 2 · C2N −r. . 2. 1} . De este modo. se obtiene finalmente ıa o que la probabilidad pedida es 2 · C2N −r−1. Esta probabilio dad es igual a la del otro caso posible: que la caja B quede vac´ y ıa en la A queden r f´sforos.     i = 1. w2 ). P2. . 2. . . 1} . . Hallar la probabilidad de que la aguja corte a alguna l´ ınea si a ≤ b. la probabilidad de que la caja A quede vac´ y en la B ıa queden r f´sforos es |M | / |Ω| = C2N −r. . 2N − r) se definen igual que en el apartado anterior. i = 1. . wi = N   i=1 Por lo tanto. w2 . el profesor coge una ultima caja antes de parar: o ´ la caja que est´ vac´ Por lo tanto. 2N − r   B = w = (w1 .N /22N −r+1 . . Ω = {w = (w1 .N /22N −r+1 . w2N −r+1 ) : wi ∈ {0. la probabilidad de que la caja A quede vac´ y en ıa la B queden r f´sforos es |M | / |Ω| = C2N −r−1. a o i i i i . . . . De este modo. 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.  A= . Se tiene una mesa rayada con l´ ıneas paralelas separadas una distancia 2b. . se define como espacio muestral: a ıa. . . . Sea el suceso B =“la caja A queda vac´ y en la B quedan r f´sforos”. . i = 1. Por lo tanto. w2N −r . .N −1 /22N −r . 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. . w = (w1 . ıa o   wi ∈ {0.37] Problema de Buffon.N −1 /22N −r . . . En este caso. Se lanza una aguja de longitud 2a para que caiga sobre la mesa. . 1) : 2N −r . 1} . .

Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. 3. es decir. 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. 1]. 1. a cos(w2 )[ para cada w2 ∈ [0. N´tese que por tanto w1 ∈ [0. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. dado el objetivo que se persigue en el problema. a 1. 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. b[ y que o w2 ∈ [0. Calcular la probabilidad de que su suma sea mayor que 1. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. π[ claramente equiprobable. En efecto. si A es el suceso que representa “la aguja toca una l´ ınea” y.69444.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. Seg´n la hip´tesis del enunciado. Calcular la probabilidad de que su diferencia sea mayor que 1/6. ya que el ´rea del total es la unidad. P (A) = (5/6)2 = 0.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. b[×[0. 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. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . Sea A el suceso “su diferencia es mayor que 1/6”. i i i i . π[. π[}. Consecuentemente. Calcular la probabilidad de que su producto sea mayor que 1/7. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. En concreto. entonces A := {w ∈ Ω : w1 ∈ [0. asumiendo que a ≤ b. Por ello. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω.

Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. x + 5/60] = [x. y considerando que las 18:00 horas son el origen. es decir: C = {w ∈ Ω : w1 · w2 > 1/7}. Sea C el suceso “su producto es mayor que 1/7”.i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. no es relevante la hora en que acuden las personas a al punto de encuentro. entre las 18:00 y 19:00 horas. Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. Sea B el suceso “su suma es mayor que 1”. 9 P2. y de forma an´loga a como se hizo en el problema anterior: a P (A) = 5 . sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}. es decir: B = {w ∈ Ω : w1 + w2 > 1}. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. un o espacio muestral equiprobable es Ω = {w = (w1 . es decir: 1 P (B) = . 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”. que una de las personas permanece en el i i i i . En efecto. 2 3. Por lo tanto. ¿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. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7. x + 1/12] el intervalo de tiempo. 7 P2. pero s´lo permanecen en dicho punto 5 minutos. sea [x.39] Problema de encuentro.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.

1: Regi´n de casos favorables sobre casos posibles del problema P2. Cuando est´ en la posici´n (m. La probabilidad de un suceso elemental con s movimientos a la derecha. . A} . i = 1. Determinar la probabilidad de que el punto pase por la posici´n (a. . y + 1/12] el correspondiente a la otra persona. un total de a + b desplazamientos. tiene una probabilidad p de pasar a la posici´n (m+1. . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. n) y o una probabilidad 1−p de pasar a la (m. por lo a o que para pasar por (a. un e espacio muestral ser´ ıa Ω = {w = (w1 . N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12.40. . Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. . con wi ∈ {D.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. es ps · a+b−s (1 − p) . n). para cualesquiera n´meros a o u enteros m y n. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. por ejemplo. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. . a + b} . n+1). Por lo tanto. i = 1.41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. . . 0). Este espacio no es equiprobable si p = 1/2. .1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . . Podemos representar cada suceso elemental como w = (w1 . . . P2. wa+b ) : wi ∈ {D. . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. a + b. A} . wa+b ). i i i i . . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. es decir. . b). w2 . e igualmente [y. La figura 2. o punto de encuentro. .

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

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

3. a la vista de los resultados obtenidos en 12 partidas. 2. los rea sultados de las partidas son independientes. siendo Ni = {w = (w1 . i = 1. Otro d´ acuerdan jugar un torneo de 3 partidas. 3. B} . y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. e P2. A y B ganen alternadamente. 3. A gane las tres. As´ el espacio muestral dado no es equiprobable. B. A gana seis. i i i i . X} . 3} . j = i}. M = {(A. en dos partidas queden en tablas. o bien X si quedan en tablas. B gane al menos una partida. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. 2. ejemplo.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. para todo j = 1. pero P ({(A. donde cada wi (i = 1. 4. B. Adem´s. ıa Hallar la probabilidad de que 1. quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. P ({(A. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. puesto que. w2 . A. 3) representa el resultado de la i-´sima partida e del torneo. w2 . Por otra parte. siendo este resultado A o B si la partida la gana el jugador A o el B. wj = X. Luego. respectivamente. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . 2. 2. 2. 1. i = 1.43] A y B juegan 12 partidas de ajedrez. 2. Se tiene entonces que N = N1 ∪ N2 ∪ N3 . B gana cuatro y en dos quedan en tablas. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. B)}) = 1/18. 1/3 y 1/6. w3 ) : wi ∈ {A. A)}) = 1/12. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. Sea M el suceso “A gana las tres partidas”. por ı. B. w3 ) : wi ∈ {A.

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

. i = 1.3 285 2.2 · C3.45] Una caja contiene ocho bolas rojas. 1. 2. b. 5. s´ se ı tendr´ un espacio equiprobable. Representemos por B al suceso “Se extraen tres bolas blancas”. blanca. azul. al menos una sea blanca. 2. . 3 representa el color de cada bola que se extrae.3 95 i i i i . w2 . Se tiene que: 1 C3. tres blancas y nueve azules. w3 } : wi ∈ {r. 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 . se obtiene: P (C) = 7 C8. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. 3. w2 . salgan en el orden roja. 20.1 = . Este espacio no es equiprobable. P (B) = C20. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. a}} . determinar la probabilidad de que: 1. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. Sea el suceso A = “Se extraen tres bolas rojas”.3 . . 3}. 4. 2. C20. sean una de cada color.3 14 = . 5 2 1 = . a siendo|Ω| = C20. w3 } : wi = 1. siendo r si la bola es roja. i = 1. Sin embargo. 2 10 P2. dos sean rojas y una blanca. . y podremos usar la regla de Laplace.3 = . donde wi . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . las tres sean blancas. las tres sean rojas.3 1140 3. b si es blanca y a si es azul. Si se sacan tres bolas al azar. 6. si se numeran las bolas del 1 al 20 (es decir. La probabilidad pedida es entonces: P (A) = C8. consideremos a el espacio muestral Ω = {w = {w1 . C20.

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

fijadas las tres bolas. w3 . cuatro sean Ases. Una vez fijados los 4 Ases. 2. si han de ser de tres colores diferentes. se obtiene que: P (A) = 1 · 48 52 5 = 1 . tres sean de un palo y dos de otro. C. w2 . u u n ∈ {1. l). Hallar la probabilidad de que: 1. . B. 3. tres sean Dieces y dos Sotas. donde n representa el n´mero en la carta (es decir. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. l ∈ {A. . Aplicando la regla de Laplace. C. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. V20.3 34 23 =1− = . al menos uno sea un As. 13} . salgan Nueve. wi = (n. B. w5 } : wi = wj . Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. l ∈ {A. 2. . y 6.3 57 57 Finalmente. cuatro sean Ases y uno Rey. 1. w4 .46] De una baraja de 52 naipes se sacan 5. 13}) y l representa el palo (es decir.1 · V3. Entonces el espacio muestral es: Ω = {w = {w1 . 4. 54145 i i i i . 2. .1 18 = .i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes.3 95 P2. para todo i = j. P (E) = 3! · V8. 5. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. Diez. . Por lo tanto. . l) . Sota. D}). n ∈ {1. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. hay 3! maneras posibles de ordenarlas. Caballo y Rey en cualquier orden. se debe tener en cuenta que. V20.1 · V9. D}}. . .

67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. Definamos el suceso D = “Salen Nueve. por lo que hay C4. 162435 5. Sota. ya que cada palo consta de 13 cartas. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . de cada uno de los dos palos. Hallar la probabilidad de que la bola extra´ ıda sea roja. por lo hay C52−4.47] En una urna que contiene n bolas se echa una bola roja.3 formas de escoger tres Dieces. La baraja tiene 4 palos. hay 4 posibilidades para la quinta carta: los 4 Reyes. En este caso. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . que han de combinarse con el total de C4. P (B) = 1·4 52 5 = 1 . 649740 3.2 formas de escoger los dos palos. N´tese que hay 4 Ases e a o en la baraja. As´ se tiene que ı. Para cada una de ´stas. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. extrayendo posteriormente una bola. respectivamente. Caballo y Rey en cualquier orden”. se e tiene un total de C13. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = . suceso F c = “Ninguna carta es un As”. una vez fijados los 4 Ases. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 .5 formas de escoger cinco cartas sin que ninguna de ellas sea un As.2 formas de elegir las dos Sotas. i i i i . Sea el suceso F = “Al menos una de las cartas es un As”. 8330 6. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F .3 y C13. Se tienen C4. As´ el ı. Sea el suceso C = “Hay tres Dieces y dos Sotas”. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. FUNDAMENTOS DE PROBABILIDADES 2. Diez. 108290 4. Sea E el suceso “Tres cartas son de un palo y dos de otro”.2 posibilidades para elegir las tres y dos cartas.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. 54145 54145 P2. N´tese que no importa el orden en que aparezcan o las cartas.

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

a obtener el ´rea A.38. por lo que P (A) = a2 /a2 = 1. 1. se deben distinguir dos casos: a Si b ≤ a2 . todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. a]. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. para b = 2 y a = a o 4. N´tese que o el espacio muestral tomado es equiprobable. El ´rea deseada es la intersecci´n de A y B.48] Consid´rese el intervalo de la recta real [0. sabiendo que su suma es mayor que b.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . a que es una parte de la superficie de un cuadrado de lado a. 2. debemos dividir el ´rea deseada en dos partes. que corresponde al espacio Ω. y ≤ a. a Adem´s. }. y la figura 2.2 ayuda a ello. Si b > a2 . Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. Sin embargo. e 1. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. Este u espacio es claramente equiprobable. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. a] es menor que b”= {w ∈ Ω : x · y < b}.26. ya que los n´meros se eligen de forma u uniforme e independiente. P (A ∩ B) = = 16 i i i i . Para los valores de a y b del apartado anterior. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. 2. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. Paa ra la primera de ellas el ´rea es inmediata. por lo que el c´lculo de a P (A) se reduce. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. y) : 0 ≤ x. 69 Calcular la probabilidad de que el producto de dos n´meros tomados u al azar sobre tal intervalo sea menor que una constante b. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. para la segunda dea bemos calcular la correspondiente integral. Por lo tanto. para dividirla por el ´rea de este cuadrado. aplicando la ley de Laplace. FUNDAMENTOS DE PROBABILIDADES P2. a] con a > 0. se tiene que b/a > a. puesto que es un a rect´ngulo de lados b/a y a.

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

2 . a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. Teniendo en cuenta lo anterior. 1]}. w2 − 2 · w1 ≥ 0. w2 ∈ [0. ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. w2 ) : wi = (wi1 . 2. y si invierte en V2 tiene una probabilidad de 0. Adem´s. w2 ∈ [0. w2 − 2 · w1 < 0. V2 } . con: B1 = {w = (w1 . wi2 ∈ B. Por lo tanto. i = 1. En cambio.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . An´logamente. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. w1 . cuando a ≥ b. y B2 = {w = (w1 . para a > b. w1 . B . a P2.8 de conseguir 12 millones. 1]}. a Procediendo an´logamente al primer apartado de este ejercicio. por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. wi2 ) . que corresponde al caso a ≤ b. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente.6 de obtener 16 millones de beneficio. ¿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 wi2 el resultado de esa inversi´n. Si invierte en V1 tiene una probabilidad de 0. a 1. que ser´ B si obtiene beneficios o B si no los o a i i i i . 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. FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. el a a resultado es P (B) = 1/8.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . est´ dispuesto a volver o a a invertir en el mismo tipo de valor. wi1 ∈ {V1 . invertir´ en el otro tipo. w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . si no obtiene beneficios. se tiene que B = B1 ∪ B2 . B1 ∩ B2 = ∅. Si en tal inversi´n obtiene beneficios.

tendr´ probabilidad cero.3.4 = 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.48.4. y NkB = {w ∈ Ω : w21 = Vk .5 · 0. B .8 · 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 ”.8 · 0. con k = 1. P (M2B ) = 0.6 · 0. Estos sucesos constituyen una partici´n del espacio Ω. De esta forma. Por tanto. w22 = B .5 = 0. obtea ni´ndose que e P (M2B ) = 0. w2 = (V1 . y MkB = {w ∈ Ω : w11 = Vk . con w1 = V1 . obtiene beneficios. w12 = B . un suceso elemental del e ıa tipo w = (w1 . Se tiene que MkB = w ∈ Ω : w11 = Vk .5 · 0. Adem´s. w22 = B} .6 · 0. 2. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. Se procede de forma an´loga con los dos sucesos restantes. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. respectivamente.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene.8 · 0.4 = 0.2.24.5 = 0.6 · 0.8 + 0. i i i i .1. w2 ). respectivamente.5 − 0.2 = 0. por ejemplo. por el contrario. el espacio Ω no es equiprobable. B).3 = 0. P (M1B ) = 0. 2. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. entonces repite con el tipo de valor. 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.6 + 0. Si.5 · 0. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk .5 · 0. w12 = B} . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. con k = 1. 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 ”. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. 1.

la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .472.6 + 0) · 0. si coinciden las 4 cifras. sorteo consiste en extraer 4 bolas. ıda a El n´mero que se forma con las bolas acaba en 380.72 = 0. 2. 3.3/0. Se extraen 4 bolas una a una con reemplazamiento.2222. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. La cuant´ (no acumulable) de los ıa premios es de: 2. 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. 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 + 0.8) · 0.72.72 ∼ 0. 3.000 ptas. 20.25.000 ptas. calcular la probabilidad de los siguientes sucesos: 1.51] Una urna contiene 10 bolas numeradas del 0 al 9.000 ptas. u El n´mero que se forma con las bolas es mayor que 3571. = 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. 200. si coinciden las 2 ultimas o ´ ´ i i i i .2/0.000 ptas. si coinciden s´lo las tres ultimas cifras. P2. La primera bola extra´ est´ numerada con 3 y la segunda con 0. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. 73 Utilizando los sucesos definidos en el apartado anterior. seg´n el experimento previo. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace..i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2.000. 2. cuyo ıa. u Supongamos una loter´ en la que cada boleto cuesta 1.

Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. w2 > 5} ∪ {w ∈ Ω : w1 = 3. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. y3 e y4 . B = {w ∈ Ω : w2 = 3. 2. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. . Finalmente se obtiene que P (C) = 6428/104 = 0. 4. 4. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. para todo i = j} . si coincide la ultima cifra. w4 > 1} . 2. . 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. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. supongamos que y es el n´mero del boleto comprau do. w3 . equiprobable y tiene un total de |Ω| = 104 elementos. 2. 3. w2 . i = 1. y consta de las cifras siguientes: y1 . . Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. 3. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . 1. Para ello. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. w3 = 7. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . w3 > 7} ∪ {w ∈ Ω : w1 = 3. 3. y 2. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. A = {w ∈ Ω : w1 = 3.6428. 9. w2 = 0} . w3 = 8. w4 = 0} .001.01. w4 ) : wi = 0. w2 = 5. para i = 1. donde los sucesos Ci son disjuntos. .000 ptas. y2 . w2 = 5. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. 1.

para u e o i = 1. 3. w2 ) : wi ∈ {1. Por otra parte. 104 Por lo tanto. Se selecciona una bola con n´mero impar la primera vez. . 2. wk = yk . FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 2. 3. 4. con el boleto que ha comprado. 4. |Ω| 104 = P (Ai ) = para i = 1. Este espacio es equiprobable. para el n´mero premiado en el sorteo. u Se selecciona una bola con n´mero impar la segunda vez. Se extraen dos bolas una a una sin reemplazamiento. 2. numeradas de 1 a n. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. 3. 2. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . w1 = w2 } . ∀j = 4 − i + 1. 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 = . ∀k = j}. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. . 4. con |Ω| = 20. 4. con i = 1. i i i i . u Generalizar el problema al caso de que la urna contenga n bolas.52] Una urna contiene cinco bolas numeradas del 1 al 5. no es rentable jugar a esta loter´ puesto que el dinero que ıa. Hallar la probabilidad de los siguientes sucesos: 1.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. . P2. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0.8. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. 104 Finalmente. 3. y se supone que existe aleatoriedad uniforme. 5} . se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. 2. u Se seleccionan las dos bolas con n´mero impar.918. .

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

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

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. Sea A el suceso: “la primera bola extra´ ıda es blanca”. Por lo tanto. 2. 3 P2. i = 1. donde cada wi representa el color de la bola extra´ en i. 3} . w2 ) : wi ∈ {b. pues. O)}) + P ({(3. y B el suceso: “al menos una de las dos bolas extra´ ıdas es blanca”. P (Ac ∩ B c ) y las probabilidades condicionadas P (A|B). 1. Soluci´n: o Un espacio muestral para este problema es Ω = {w = (w1 . 2} . Se sacan dos bolas una a una con reemplazamiento. 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 . por ejemplo. Se tiene entonces que: P (A3 ) = P ({(3.54] Una urna contiene 8 bolas blancas y 4 bolas negras. P (A|B c ). 2. Sea el suceso Ai = “Se selecciona la caja i”. w2 ) : w1 ∈ {1. pero P ({(1. 2 3 3 2. P )}) = P (Bo |A3 ) · P (A3 ) + P (Bp |A3 ) · P (A3 ) = 1 1 1 = 2· · = . Este espacio o muestral no es equiprobable. la probabilidad pedida. O)}) = 1/3. n} . 2. Este i i i i . P (B|A) y P (B|Ac ). Si uno de los cajones contiene una moneda de oro y el otro una de plata.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. P }} . Sea entonces el espacio muestral Ω = {w = (w1 . i = 1. por lo que el suceso A3 es equivalente a “La caja seleccionada tiene monedas de diferentes metales”. 3. Sean tambi´n los e o sucesos Bo = “La moneda en el caj´n escogido de forma aleatoria en la caja seleccionada es de oro”y Bp el correspondiente a una moneda de plata. siendo igual a b si la bola es blanca y n si es negra. P (Ac ∩ B). P )}) = 0. w2 ∈ {O. Calcular P (A ∩ B). P (A ∩ B c ). ıda e con i = 1. la caja en la que se encuentran es la B. En nuestro caso.´simo lugar. i = 3. P ({(1.

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

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

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

o 2. 1. 2. wi2 ) . significa que ha acertado. Probabilidad de que alguno de los tiradores consuma toda su munici´n. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 1. 3. La probabilidad de acertar en el objetivo con cada tiro es de 0. wi2 ∈ {a.8. si no le sobra ninguna. 5. Calcular la probabilidad de que sobren dos balas en total. f } . a sea cual sea el resultado para esta ultima. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”.8. 3. Cada tirador dispone de seis balas. 4}. ya no le sobrar´ ninguna bala. 1.25 · 0. 4. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. wi1 = 0. Un tirador deja de disparar al alcanzar el blanco. w4 ) : wi = (wi1 . 3. ´ 1. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. para todo i = 1. 5.8 + 0. Si todos los tiradores consumen la munici´n. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 2. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3.25 = 1. N´tese que si a un a o tirador le sobra alguna bala. 4 y j = 0. 4. 2.2 1 − 0.25 · 0.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. w2 . Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 4. w3 . y wi2 es el resultado que ha obtenido. 2. cada uno sobre uno. Sin embargo. para todo i = 1. 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. 3. e para i = 1. 3. que ser´ a si acierta y f si falla. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 2794 · 10−3 i=1 1− i i i i . 2. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros.

teniendo en cuenta todos los casos posibles. por lo que si vemos estos dos casos para dos tiradores concretos.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.1 · (0.2) 4 2 5 2 = (0.25 · 0.8) = 2 2 · 0. 2. que disparan de forma independiente.84 = 0.2) · 0. Todos los tiradores tienen la misma probabilidad de acertar. Los tiradores disparan de manera independiente. i i i i .2) 18 · 0. como siempre.8. entonces.8 + C4. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.2) 3 5 3 = (0.8 · (0.8) = 1. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.2) 18 18 · (0. 3.2) · (0.8) .8 + 6 · (0. podemos luego extenderlo a todos.8 · (0.2) = 4 · (0. = 0. FUNDAMENTOS DE PROBABILIDADES 2. resulta: P (C) = C4.2) · 0. Por lo tanto. 4.4096.2) 18 18 · 0. 4 4 = = 3.2 · (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. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0. y teniendo en cuenta. 83 Definamos los sucesos Bi = “El tirador i acierta”. 8455 · 10−12 .25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.2) ·(0.8 0. para i = 1.

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

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

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

410 · (1 − 0.1275. 3. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. 5.4) = 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. Si las cinco primeras matr´ ıculas son de Humanidades.4k · (1 − 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. para todo k = 0. en total haya al menos 6 en Ciencias m´s que en Humanidades.4. . haya al menos 8 matr´ ıculas en Ciencias. mientras que el otro 40 % lo hacen en carreras de Humanidades. siendo: a P (ξ = k) = 1. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. 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. 3. Si un determinado d´ se realizan ıa 20 matr´ ıculas. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. 20 20−k · 0.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. . Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. . 20. calcular la probabilidad de que: 1. 2. 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.8725 = 0.4.11714. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0.9790.6 = 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. 4. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. . 10 2.4) . i i i i . no haya m´s de 12 matr´ a ıculas en Ciencias.

podemos definir una nueva variable η. se tiene que ∂F (x) = k > 0. tambi´n binomial.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4.4159 = 0. 0 ≤ x < k. por lo que se tiene que. 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. k≤ x Calcular la probabilidad de [1/2. Sin embaro o go.4032. 0 ≤ x < k F (x) =  1. debe verificarse que F (x) ≥ 0. P3. 0 ≤ x < k cuando k ≤ 1. 2]) P ([1/2. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1.4. pero con par´metros n = 20 − 5 = 15 e a y p = 0.0271. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. 5. 1] condicionada por [1/2. 2]. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. 1] | [1/2. Ya que k > 0.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. para todo x. en o o ese caso. F es funci´n de distribuci´n. 2]) = = P ([1/2. 1] ∩ [1/2.5851. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. ∂x Adem´s. o o Bajo la condici´n 0 < k ≤ 1. 1 − a k (1 − x) ≥ 0. 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. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. 1 − k(1 − x). En particular. 2]) P ([1/2. las cinco primeras son en Humanidades. 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. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 1]) = P ([1/2. calculemos la probabilidad pedida: o P ([1/2. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i .

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

0. P ({1.4) /2 = 0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.4) /2− 0. [0. 2)) = P ((−∞. y]) = P ((−∞.6]2 ∪ [0. P [0. x] × (−∞. y)) .5 · 0. P ((0. 0. 1]) = P ((−∞.5·(0.2. 0)) = 1/2 − 1/2 = 0.4) /2] + 0. b] × [c. puesto que: a P ((−∞.5.504. y) : x + y ≤ 1}. P ({0}) = P ((−∞.4 + 0.5} .5 · 1 · (0.5 · (0. 0.3 · 0. 3]) − P ((−∞. d]) = P ((−∞.2. (0. d]) + P ((−∞. De esta forma se obtiene que: P ((0.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0. P3. i i i i .25. c]) −P ((−∞. 0.4 + 0.4 + 0.4) × [0.5. 0. estas probabilidades se calculan de manera an´loga. 1)) = 0.5 + 1) /2 − 0. Calcular las probabilidades de (0.5) /2 −0.5]) = 0. . d]) − P ((−∞.3 · 0. y]) = xy(x + y)/2 si 0 ≤ x.5) × (0. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. x] × (−∞. 3]) = P ((−∞.5 · (0.00 8.5}) = 0.2.4) × [0. c]). 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. 1) .4·0.4 · (1 + 0.3.5) /2 + 0. P ([0.4. 0. 0]) − P ((−∞. P ([−2.4 · (0. 0.5 + 0.5) /2 − 0 = . [0. 2)) − P ((−∞. x) × (−∞. 0.4. y)) = P ((−∞.4. 1]2 {(x. 2.4. 1]) − P ((−∞.3 + 0.8] × {0.4 · 0.3 + 0.42 ·(0. y ≤ 1.8]2 En caso de que el intervalo sea abierto o semiabierto. x] × (−∞.8] × {0. y]) = P ((−∞. [0. x) × (−∞.5) × (0. teniendo en cuenta que: P ([a. 0. a] × (−∞. 3}) = 0. b] × (−∞.5] Sea la probabilidad en IR2 : P ((−∞. a] × (−∞. . −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. P ([1.4 · (0. 0.4) /2 = .3. b] × (−∞.4.

4 · 0.2.42 · (0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.4.2 + 0.1: Puntos de [0.4 · 0. se tiene que:   0. Teniendo en cuenta la definici´n de la variable aleatoria ξ. 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. 0.6 · (0.6]2 ∩ [0.8]2 = P [0.6) +0. a e P [0. entonces Fξ (t) = P ([0.4 + 0.6) /2 − 0. 0.4. t] ∪ [1/2.6]2 = 0.8]2 −P [0. i i i i .6 · (0.2.8) + 0.4 + 0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. si t ≥ 1/2.4 + 0. t + 1/2]) = 2t. 0. 1] con im´genes a trav´s de ξ en (−∞.4.42 · (0. 0. 1] : ξ (x) ≤ t}) .2) /2 + 0.82 · (0.22 · (0. si 0 ≤ t < 1/2 Fξ (t) =  0. entonces Fξ (t) = P (φ) = 0.62 · (0.6]2 + P [0. 0. representada o en la figura 3. Si t ≥ 1/2.8) /2 − 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.4.1.4.4) /2 + 0.2 · 0. entonces Fξ (t) = 1 Por lo tanto.62 · (0.8 + 0. 0.6) + 0. Si 0 ≤ t < 1/2.4) /2 = 0.6 + 0.6 + 0.6]2 + P [0. 0. P3. 0. conviene distinguir varios casos: Si t < 0.8 · (0.2. P ({(x.8]2 = P [0.8]2 −P [0.6]2 ∪ [0. t]. si t < 0 2t.4 + 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.28.6) /2 − 0. 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.2 + 0. y) : x + y ≤ 1}) = P [0.

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

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. Se supone. para todo x ≥ 0.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. que F (x) = 0 para todo x < 1. 2 2 2 e− x/3 e−x/3 − = 2 2 x→6− e−2 e−1 e−1 − e−2 = 1 − e−2 − 1 + + = . o o 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 . para todo x ≥ 1. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. 2. superior a 6 minutos. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. x→−∞ x 2. igual a 6 minutos. i i i i . 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 . Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. o Soluci´n o n=1 1/2n . 2 2 2 = 1 − e−2 − l´ ım x P3. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. DISTRIBUCIONES DE PROBABILIDAD 93 P3.9] Demostrar que F (x) = buci´n. por lo que l´ ım F (x) = 0. ya que no se indica nada al respecto.

1/2 3. lo que es uno si k = 1. i i i i . para todo x ∈ [−1. k ≤ 1/2. para todo 1 ≤ x1 ≤ x2 . para todo x ∈ (0. +∞ −∞ P3. 2/2) 3. la moda y la mediana de ξ. f (x) = kxe−kx . f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. se concluye que F es mon´tona. para todo x > 0 √ √ 2. la funci´n de densidad es una recta con pendiente o positiva. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. o Comprobemos en cada caso la segunda condici´n. o 5. lo que es 1 si k = 1/π. 1. es decir. Adem´s. o 2. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . f (x) = k/(1 + x2 ). h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). para todo x. Es claro que F (x) ≥ 0. para todo x < 1. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. P3. 0898. a ya que F (x) = 0. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. Debe verificarse que fξ (x) ≥ 0. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. para todo x ∈ [−1. Por lo tanto. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. 4. 2. Por lo tanto.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. 1]. lo que es 1 si k = 1. o 1. 3. Se han de distinguir dos casos: a) Si k > 0. para todo x ≥ n 1. f (x) = k/ 1 − x. Calcular la esperanza. F es continua por la derecha en todo punto de la recta real. 1].

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

3 2x2 · ∂x + 0. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .72x3 · ∂x = 0.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0.8 0. Soluci´n o 1. Determinar la funci´n generatriz de momentos de ξ. esperanza matem´tica y varianza.3 = 0 2x3 · ∂x + 0. 71933) = 9.6092 − (0. P3.9132. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. 3.72x · ∂x = 0.8 0.3 Calcular: 1. E [ξ] = E ξ2 0. Utilizar (1) para encontrar la media y la varianza de ξ. 71933.72   0 x > 1. Los tres primeros momentos ordinarios son E [ξ] . x > 0 fξ (x) =  0. 2.8 1.8 < x ≤ 1. a 3.8 0.8 fξ (x) = 0. 0 0.72x2 · ∂x = 0. los tres primeros momentos ordinarios. para cualquier otro valor 1.8 1. 57144. Teniendo en cuenta las propiedades de la esperanza. 2 2 E ξ3 2.3  0.8 1. i i i i . E ξ 2 y E ξ 3 . 6092. 0.3 = 0 2x4 · ∂x + 0. Soluci´n o 1. o 2. E[2ξ + 5ξ 2 − ξ 3 ]. 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 “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 1764 · 10−2 .

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

l2 . w2 . 4. 2. se lanza y se devuelve a la caja. ¿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 . 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 . 3. 2. para todo i = 1. 3.15] Una caja contiene dos monedas legales y una con dos caras. para i = 1. w3 . Se selecciona una moneda. e siendo C si es “cara”y X si es “cruz”. Si se lanza la moneda y sale cara. es. X}. ¿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.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. Se selecciona una moneda al azar. para i = 1. Si se e lanza una moneda escogida al azar y sale cara. 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 = . l} wi ∈ {C. Por otra parte. 2. 3. cada wi es el resultado del i. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. 4.´simo lanzamiento. 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. 4 . w1 . 1. donde m representa la moneda escogida al azar.

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

Adem´s. la figura 3. 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. Por ejemplo. luego. y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). . xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria.16] Consideremos l´ ıneas que unen n + m puntos del plano (1. (n + m. .2: Ejemplo para el ejercicio P3. . . donde los valores x1 . x1 ) . el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3.16 con n = 2 y m = 3. . x2 . para n = 2 y m = 3.2 muestra una recta con 3 saltos. y de que haya un 0 en el segundo es n/ (n + m − 1). Como conclusi´n. Mientras que el segundo valor es claramente n + m − 1. el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = . ¿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. la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). . la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). o salto de 1 a 0. (2. n+m n+m−1 n+m n+m−1 m+n i i i i . el primero es n m m n · + · . . xn+m ) . entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. x2 ) . . y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. P3.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. An´logamente.

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

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

i i i i .354r.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto.5). Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. la fuerza y direcci´n con o que se lanza. a Dada la simetr´ concentr´monos en una secci´n de la esfera.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. Por ejemıa. P3. es decir. Sin embargo.3: Esfera que circunscribe los bordes de la moneda. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. para dar una respuesta con esta segunda herramienta. 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. entonces g= r = 0. e o plo. arctan (π/3) En otras palabras. en su secci´n central (figura 3.3). 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 3.4). el grueso de la moneda debe ser 35. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. etc.. las caracter´ ısticas de la superficie sobre la que cae.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente. 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. la elasticidad de la moneda. debe cumplirse que α = 2π/6.

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

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

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

.6). . extra´ ıdos aleatoriamente uno de cada hucha. P (ξi = 2) = 6/21. Para una demanda x. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. Adem´s.uplas de billetes. Nos dan 7 billetes. ¿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). P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. . 4 billetes de 5000 pts.´sima.. Esta variable puede tomar los valores 1. 2. 5 y 10 con e probabilidades P (ξi = 1) = 10/21. i = 1.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. . y 1 billete de 10000 pts. P3. uno procedente de cada urna. cada una con 10 billetes de 1000 pts. 6 billetes de 2000 pts. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . 1. sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . o Soluci´n o Consideremos como espacio muestral el conjunto de 7. con a y b constantes positivas. 2. . resultando que c = ln (1 + a/b) .. respectivamente. a Apl´ ıquese al caso particular de a = 1 y b = 2.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3.23] Se dispone de 7 huchas.0 ≤ x < c . o En el caso particular a = 1. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). 7. b = 2 se tiene que c = ln (3/2) . DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. Soluci´n o Sea c la cantidad de aprovisionamiento. resultando: +∞ E[η] = = E[g ◦ ξ] = −∞ c 0 g(x)fξ (x)∂x = ∞ c (ax − b (c − x)) e−x ∂x + ace−x ∂x = = − (a + b) ce−c + (a + b − bc) 1 − e−c + ace−c El valor de c que maximiza la ganancia esperada se obtiene derivando la expresi´n anterior respecto de c. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i.

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

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

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

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

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

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

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

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. 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. es una Fn. La funci´n generatriz de momentos no existe. Adem´s. Adem´s. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 . para m > 4. Se denota ξ ∼ Fn. La funci´n generatriz de momentos no existe.m .i i i “libroult” 2001/8/30 page 115 i CAP´ ITULO 4.1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. respectivamente. el cociente o a entre dos variables aleatorias independientes con distribuci´n χ2 . y su media es: m . o con n y m grados de libertad. para m > 2. Ejercicios Resueltos P4.05. y se denota ξ ∼ Td . Su media es 0 y la varianza d/ (d − 2). 3.m . 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). 2. PRINCIPALES VARIABLES ALEATORIAS 115 Variable Aleatoria t de Student: La variable aleatoria ξ tiene distribuci´n t de Student con d grados de libertad. el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td . ¿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 .

2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe.05 ≥ 1) = 1 − P (η10. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. ηn.05 = 0) = 10 10−0 = 1− · 0. esto es. ¿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. 2 P (η10. Procedemos a calcular: P (η10. Por ultimo: ´ P (η10.0746. Hechas estas consideraciones iniciales.05 ≤ 2) = i=0 10 10−i · 0.05) = 0. ξn ). Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.0. P4. procedea mos a resolver el problema.05) = 0 = 1 − 0.05. con distribuci´n o i i i i . i 3.4013. .05. .0. de acuerdo con el enunciado del ejercicio. . por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . Se tiene que: 2 i=1 10 8 · 0.050 · (1 − 0.052 · (1 − 0.0. . sigue una distribuci´n binomial de o par´metros n y p = 0. ξn ).05 = 2) = 2. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. .0.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. que el 20 % de las personas que reservan una mesa no asistir´n. . el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . de acuerdo con el dato o a inicial del problema.2. total de n reservas (ξ1 . . Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.5987 = 0. . 1. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. o por experiencia.05i · (1 − 0.05) = 0. Adem´s.p = ξi .9884. de un ı.

2. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0.41696. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. 1. 2. Entonces. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8.2) = 0. i! i i i i . u 1. En el caso particular del problema. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. debe ocurrir que acudan 20 o menos. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. Si el n´mero promedio de estos fallos es ocho. 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. 2381. i P4. la probabilidad deseada es la siguiente: P (η = 1) = 2. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. 1! An´logamente. 27067. 3. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. As´ se tiene que: ı.2i · (1 − 0. 21 −2 · e = 0. a n = 25. ¿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.5799. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. Considerando que se cumplen ciertas condiciones de regularidad. i! 3. De la misma forma.

a partir de la variable ξ: 500 · ξ . 2.2. si t < 0  0   t/500 t = P (ξ = i) . o P4. . podemos definir una variable aleatoria η. si 0 ≤ ξ < 10 η= 5000 . que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada.5] Se extraen n cartas. Sin embargo. no el palo.6) para una simple o a e funci´n real g. La ganancia de cada tostador vendido es de 500 ptas. y que a lo o largo de esa semana no van a poder traer m´s del almac´n. si t ≥ 5000. 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. a si supera al n´mero de existencias. para todo k ∈ A = {1. hallar la funci´n generatriz de probabilidades de ξ. . s´lo es posible vender este ultimo u o ´ n´mero de tostadores. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. u 1. un lunes se encuentran con que s´lo les quedan 10 tostadores. . o u i i i i .. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . una a una con reemplazamiento. 10}.4] Una gran tienda de art´ ıculos el´ctricos descubre que el n´mero ξ de e u tostadores vendidos por semana obedece a una ley de Poisson de media 10. u La distribuci´n de las ganancias totales en pesetas es. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces.10. es decir. . . si ξ ≥ 10 En el segundo caso. . . . siendo ıda P (η = k) = 1/10. si la demanda ξ es de m´s de 10 tostadores. Definamos tambi´n un e conjunto B formado por los (k1 . con valores equiprobables 1. Soluci´n o Teniendo en cuenta los datos del problema. . . Determinar la a e distribuci´n de las ganancias totales (en ptas. calcular P (ξ = k) y E[ξ] . .) en concepto de tostadores o de pan a lo largo de esa semana. de una baraja espa˜ola (4 palos de 10 cartas cada uno).i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.

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

Si est´ marcada con a k. E[ξ1 ]. con P (ξ1 = k) = 1/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. se selecciona una segunda tarjeta entre las k primeras. . . n. Soluci´n o N´tese que la variable ξ1 . entonces P (ξ2 = j | ξ1 = i) = 0. .7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. E[ξ2 ]. 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. Sin embargo. . . 36 P4. 2. . por lo tanto. n.i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. 4. Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. P (ξ1 = k|ξ2 = j). . . n se selecciona aleatoriamente una tarjeta. . . 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. Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 . para todo k = 1. Esta variable es una geom´trica de e par´metro p = 1/6. siendo p la probabilidad de obtener un as en un lana zamiento del dado. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . 2. n j=1 i j=1 i=j i i i i . P (ξ2 = j). 3. para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. 6944. i 2. 2. . Calcular: 1. o puede tomar los valores 1. n i=1 n = Obs´rvese que si j > i. o 1.

.3. definamos un conjunto de variables aleatorias ξ1 . PRINCIPALES VARIABLES ALEATORIAS 3. 333. el n´mero medio de visitas diarias que ı. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. si j ≤ k . 9597730 = 0. Se asume que las visitas realizadas son independientes entre s´ Entonces. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. . p 0. . si j > k Por ultimo.3.3 Por otra parte. . el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= .8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. . se calcula: P (ξ1 = k|ξ2 = j) =    = 4.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. Se ıas tiene que: 30 P (ξ1 ≤ 40.7 + 10 = 10 · + 10 = 33.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. n i=1 2 i=1 P4. 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. 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). .310 · 0. a y por tanto E [ξ] = n (1 − p) /p. de acuerdo con los datos del problema. 29175. ¿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.7i i = = 0. . a lo largo de un mes. i i i i . que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. Procediendo de forma similar al primer apartado. .

si ξ ∼ Bi(n. . si ξ ∼ Poiss(λ). B). 6 desigualdad que se verifica para todo n ≥ 13. . entonces Pξ (k) = n n−k · pk · (1 − p) . k+1 (n + k)(1 − p) 3. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. p).1. p). k para todo k = 0. k+1 (A − k)(n − k) 4. Si ξ ∼ Bi(n. si ξ ∼ Hip(n. P (ξn = 0) ≤ 0. si ξ ∼ BiNeg(n. se tiene que: n 5 ≤ 0.9. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. Pξ (k + 1) = Soluci´n o 1.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. sea mayor o igual que 0. Pξ (k + 1) = · Pξ (k). n.9. 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). (k + 1)(1 − p) n−k = i i i i .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). Pξ (k + 1) = · Pξ (k). Considerando que la probabilidad de obtener un as con este dado es 1/6. es decir. A. p). . .i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.1. Pξ (k + 1) = · Pξ (k). (k + 1)(B − (n − k) + 1) 1. P4. (k + 1)(1 − p) λ 2.

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

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

8 i i i i .8 4 · et t=0 = 1. 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. (5 − k)! · k! 2. en este caso. para todo k = 0.2 · t + 0.85−k = 0. Esperanza y varianza. 2. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. 2. 3.2 · et + 0.2 · et + 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. Por lo tanto: φξ (t) = Gξ (lnt) = 0.85 = 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 . 5 = (0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.2 · et − 1 = 0. 5. 5 Se verifica que.2. Si G (t) es derivable en un entorno del origen k veces.20 · 0.2k · 0. k = 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . Teniendo esto en cuenta. si φξ es derivable k veces en un entorno del origen. PRINCIPALES VARIABLES ALEATORIAS 3.2k · 0. 0 3.8) . 4. 3. 4. 1.2 · elnt + 0. 5. t=0 = 0. 67232. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0. k 4.6656. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. −1 t=0 · 1. 1.6 + 0.85−k .8 1. ∂tk t=0 En concreto. As´ ı: P (ξ = k) = 5! · 0.

16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. . t=0 −1 − 4 = 2. Se pide: 1. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. a 2.32332. o 1.59399. con media 22 minutos. 1. 3. o 2. . 1 · 2k · e−2 . Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . . k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. k! 3.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. P (ξ > 1) y P (ξ > 2). i i i i . Esperanza y desviaci´n t´ o ıpica. Funci´n de probabilidad. 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. Por ultimo. −1)+t t=0 P4. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. k! para todo k = 0.

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. x > 0. ¿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. inferiores a 30.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. Por lo tanto. Debe verificarse: P (ξ > t) = 0. 657 ∼ 51 minutos. = i i i i . As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . De acuerdo con el enunciado. 22 1. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . 129 El costo de reparaci´n es de 2000 pts.1. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). por cada media hora o fracci´n.1 y esto se cumple para t = −22 · ln0. 2. este ultimo inclusive.? a o Para efectuar una programaci´n. 22 3. 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). 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 . para un tiempo de reparaci´n dado. PRINCIPALES VARIABLES ALEATORIAS 2.1 = 50. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. 3.1? 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. Te´ niendo esto en cuenta. (Todos.

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

2. a < b. o o i i i i .20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. 3. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar.16. en [−1. En este caso. 1]. 3 de donde se deduce que −µ/σ = z0. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. 2. k 131 P4. A partir de estas dos condiciones.9. (1 − µ) /σ = z0. b] .4307. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. 1. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . podremos obtener dos ecuaciones lineales en µ y σ.39 y σ = 0. PRINCIPALES VARIABLES ALEATORIAS es decir.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. en el intervalo [0. en [−1. P (η = k) = p · (1 − p) con p = 1 − e−1/λ .75 = 0. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . 4 es decir. σ 3 luego (1 − µ) /σ = z0. P4. de lo que se obtiene que µ = 0.3333 = −0. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . 2]. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) .4307 y.obteni´ndose finalmente que µ = e 0. 2. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3.6667 = 0. b] .5 y σ = 1.6745.3333 = −0. Soluci´n o Si ξ es una variable uniforme en un intervalo [a. ıan procediendo de modo an´logo. σ).19] Sup´ngase que ξ se distribuye como N (µ. 1]. las ecuaciones ser´ −µ/σ = z0. para todo u ∈ [a.4307.

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

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

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

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

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

2 (2. Se capturan k lagartos. 4. 9. 3.3 (2.2. 6) 1/2 · 1/3 · 1/6 10 2 1. Si N = 12. 18) 1/3 · (1/6) 27 2 3. 4.3 (1.3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.2. 6) 1/2 · 1/3 · 1/6 9 1. 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. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura.2 (3.2. demostrar que la probabilidad es m´xima cuando a N = 4n.3. 2.3 (2.3. e se les marca y se les reincorpora a su poblaci´n. 3.3.3 (3. 18) 1/3 · (1/6) 26 2 3.2. 3. 12) (1/3) · 1/6 20 2 2.3. 9) 1/2 · (1/6) 13 3 2. Obtener una expresi´n para la probabilidad de que ξ = m.2. 18) 1/3 · (1/6) 30 3 3.2. k = 4 y n = 3.3 (1.2 (1.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 9.2 (3. 2. 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 . 4) 1/2 · (1/3) 7 1. 9 P4.3. ¿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 . 12) (1/3) · 1/6 21 2 3. 12) (1/3) · 1/6 18 2 2. 6. a 1. 6. o Si k = 4 y m = 1. 6. 4 P (η > 8|ξ ≤ 1) = = 7 . 8) (1/3) 14 2 2.2 (2. 6. 2.3 (3.2 (1. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .

Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. .. . n. 1. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. 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 N = 12. ξ ≥ 1) P (ξ = 3) 1 = = . ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. . . P4. ¿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. 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. o e 1. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. k = 4 y n = 3.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N .i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . 3. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . m = 0. 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. 2.

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

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

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

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

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

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

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

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

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

y ∈ {0. marginales y condicionadas de (ξ. Calcular las distribuciones conjuntas. puesto que P (ξ = x. si 7/9 . si x=0 . η = y) = P (ξ = x) · P (η = y) . 1. 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 1/3 . η = y) . ¿Son ξ y η independientes? Soluci´n o La funci´n de probabilidad conjunta. para todo x. si 2/9 . x=1 x=0 . se puede afirmar que las variables ξ y η no son independientes. as´ como las funciones de probabio ı lidad marginales. 1} . P5.i i i “libroult” 2001/8/30 page 148 i 148 EJERCICIOS RESUELTOS DE PROBABILIDAD es. y = 0.5] Repetir el problema anterior suponiendo que las extracciones se hacen con reemplazamiento. η). P (η = y) 2/3 . 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 . x=1 P (ξ = x | η = 0) = P (ξ = x | η = 1) = Finalmente.

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

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

. . 2.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. la probabilidad P (ξ = x. 4.. 10. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero. 1. Soluci´n o 1. Las correspondientes distribuciones marginales son: i i i i . y = 1 · i=0 10−x j=0 10−y i = 1/2y . y = 2. si · 10−x j = 1/2x . y = 1 x = 2. y = 0 x = 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. Por lo tanto P (ξ = x. si 2. 3. Calcular la funci´n de probabilidad conjunta. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. 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.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)”. . Extraemos 3 bolas sin reemplazamiento. . η = y) ser´ nua la si la otra variable toma un valor distinto de 1. . . si . si 10−y x = 1. . Calcular la distribuci´n de probabilidad o o conjunta. . η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 5.7] Consideremos una urna con 3 bolas azules. 10 x = 0.10). Distribuciones de ξ condicionada a η = y (y = 0. o Calcular las distribuciones marginales. 2 blancas y 1 roja. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1.

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

343 1 Adem´s. 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. 3. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. Calcular las funciones de densidad marginales.027 0 0 0 0.33 = P (ξ = 0) · P (η = 0) = 0.294 0 0. Esto puede observarse en la figura 5.343 0. 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. 3.343 0.33−x · 0. y) pertenece al recinto limitado por las rectas x + y = 1.10] Sea (ξ. 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) = 2.294 8 0 0 0 0. η) . η) una variable aleatoria bidimensional con funci´n de densidad o f (x.441 0. η) o es: η|ξ 0 1 2 3 0 0. η).36 .147 0 0. y) = 24y (1 − x − y). y = 0. Calcular las funciones de densidad condicionadas. η = 4) = 0. P5.027 0. 2.21 6 0 0 0. η = 2)+P (ξ = 2. las variables ξ y η no son independientes. 3. η = 0) = 0. 1.063 0. pues: a P (ξ = 0. u dar la distribuci´n conjunta de (ξ.7x .126 0 0 0. η = 0)+P (ξ = 1. 1.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. si (x.1.126 4 0 0. x = 0. para x = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.027 2 0 0. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1.3. 3 · 0. i i i i .189 0. 2. 3. 2. VARIABLES ALEATORIAS BIDIMENSIONALES 1.

10.1: Diagrama para el ejercicio P5. i i i i .9.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 5.2: Regiones del plano para el problema P5. y R4 R3 R2 R1 R6 R5 x Figura 5.

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

y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. y fη|ξ=x (y) = f (x. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. Calcular o la funci´n de distribuci´n. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. si (x. Por ultimo.11.η (x.3: Regiones del plano para el problema P5. k = 1. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. y) ∈ R2 : 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. Dado que la funci´n de distribuci´n es uniforme. la funci´n de distribuci´n es: o o si (x. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. y = 0. y) = 0. y) = xy − y 2 . 0 ≤ y ≤ 1 − x. 0 ≤ x ≤ 1 − y. x = 2.3.11] Sea (ξ. P5. es decir. entonces o o fξ. i i i i . Por tanto. 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.

y) ∈ IR2 : x2 + y 2 < 1. y o a f (x. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. si (x. Consideremos las zonas del plano indicadas en la figura 5.4. 4 F (x.12] Sea (ξ. y) est´ en R2 . La funci´n de densidad es f (x. y) = 4/π cuando (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. Soluci´n o 1. y) = y(2 − y). 2. y) ∈ R5 : F (x. Calcular las funciones de densidad condicionadas. Calcular la funci´n de distribuci´n conjunta. y) arbitrario pero fijo: i i i i . y) = si (x. considerando un punto (x. 3. y) ∈ R3 : F (x. x ≥ 0. y) = 0 cuando (x. P5. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. y) = 1.12.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. y) ∈ R4 : x2 . o o Calcular las funciones de densidad marginales. 1. y ≥ 0 . y) est´ fuera de R2 .4: Regiones del plano para el problema P5. si (x. De este modo.

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

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

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

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

a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso.16. 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 . y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. i i i i . o 1. As´ se obtiene que: ı. e−2 + 2e−1 − 1 yey − ye−2−y . 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. 3. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). e−2 + 2e−1 − 1 Por lo tanto.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.16. y) y el centro del escenario (el origen 0). esto es.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5.6: Plano del teatro del ejercicio P5. Por ultimo. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. 2.

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

o o 2. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo.7. P5. a un ladr´n que se encuentra en los o frutales. 3. En la esquina 0 duerme el perro guardi´n.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. tal como muestra la figura 5. 3.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5. 1. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. El perro corre a 10 m/s.7: Plano de la finca del ejercicio P5. Hallar la funci´n de distribuci´n de la coordenada η. i i i i . se encontrar´ en un punto aleatorio de la finca (ξ. una con frutales y otra con hortalizas. η). y cero en otro caso. que queda inm´vil al e o o o despertarse el perro.5 π(1002 −302 ) 2 = 0. El ladr´n. 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. 15646. y por lo tanto.17. Hallar la primera coordenada de la posici´n media en que se da o caza.5. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. la probabilidad que se pide es: 2236. en menos de 15 segundos. Cuando el perro se a despierta.

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

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

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

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

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

. . Adem´s.. para o o t ∈ [0. 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 .. Xn ≤ t) . . si 2 ≤ t < 3   1 .  2/3 . . esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . se verifica: FX(n) (t) = P (X1 ≤ t. i = 1. . . P6. pues: o  . si t<θ . . a cuando n tiende a infinito. si t ≥ 3 i i i i . θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t.n} y. y es igual a 1 si t ≥ θ. si t < 1  0   1/3 . si . . Se observa que. θ La variable X(n) . Xn ≤ t) = [P (X1 ≤ t)] = n t θ n .. ya que estas variables son independientes.. por su parte. θ] . i∈{1. FX(n) (t) = 0 si t < 0.i i i “libroult” 2001/8/30 page 172 i 172 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables aleatorias Xi . para x ∈ [0.. Esta sucesi´n converge en ley a la variable aleatoria X. tiene como funci´n de distribuci´n. n tienen como funci´n de distribuci´n o o a: t FXi (x) = . t≥θ que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. .. si 1 ≤ t < 2 FXn (t) = .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.

CONVERGENCIA y se verifica que: n→∞ 173 l´ FXn (t) = FX (t) . si distribuci´n definidas de la sio t<0 0≤t<n .. . P6. P6.5] 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. P (|Xn − X| > ε) =  0 . dado un ε > 0 :  . pero sin embargo no converge en media cuadr´tica. o Soluci´n o Esta sucesi´n converge de forma clara a: o F (t) = 0 1 . la convergencia en el l´ ımite de P (|ξn − 0| > ). si t<0 .4] Sea {Fξn } una sucesi´n de funciones de o guiente forma:  . para todo > 0. si 1 ≤ ε < 2 . 2. . si ε ≥ 2 que no converge a cero cuando n → ∞. si Fξn (t) =  1 . ≥n i i i i . si .i i i “libroult” 2001/8/30 page 173 i CAP´ ITULO 6. t≥0 que es la funci´n de distribuci´n de la variable aleatoria ξ ≡ 0. Por lo o o tanto: L ξn → 0. si <n . si  0 1 1 − n . n≤t Estudiar la convergencia en ley de esta sucesi´n. por lo que la sucesi´n {Xn }n∈N o no converge en probabilidad a la variable X. si 0 < ε < 1  1 1/3 . Se observa que: P (|ξn − 0| > ) = 0 1 n2 . . a Soluci´n o Para estudiar la convergencia en probabilidad es necesario ver. si . Demostrar que esta sucesi´n converge en probabilidad o a la variable aleatoria degenerada ξ ≡ 0. ım Sin embargo.

por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. . 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). a 2. ım 2 Sin embargo. 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. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. ξ2 . e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. de acuerdo con la Ley D´bil de los Grandes N´meros. 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. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. 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. a i i i i . Si uno de los dos empleados contestara al azar a todas las preguntas. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. . n´tese que E |ξn | = 1. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. del total de u 30 que responde al azar. Entonces. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. Realizados n e n o tiros. P6. que acierta el primer empleado. .7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. . siendo p = 2/3 su probabilidad de encestar en cada tiro. esta proporci´n converge en probabie u o lidad a 2/3.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. Sean ξ1 . i=1 ξi /n es la proporci´n de aciertos. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. ¿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.

que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. 2.5 − 30 √ 15 = 0. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. a una normal de par´metros µ = 104 y σ 2 = 104. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi .5 − 40 √ 20 = 0. mediante el Teorema Central del L´ ımite. a 100 + 0.5 − 15 √ 7.5438 P6. X = n 104 i=1 Xi .6331 i i i i . en el caso de que ´ste responda las 80 pregune tas al azar. . n1 · p1 · (1 − p1 ) = 7. Z> 30 − 0. Procediendo de forma an´loga a los casos anteriores. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. i = 1. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6.5) . 175 Aproximemos. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.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. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. Z> 10 + 0. Teniendo en a cuenta lo anterior. . CONVERGENCIA 1. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2.9495 De forma similar al apartado anterior. n2 · p2 · (1 − p2 ) = 15) . . y aplicando el Teorema Central del L´ ımite.5 = 0.

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

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

3] Sea X|Y 1 2 0 3 0.3 0. y se concluye as´ que ambas variables est´n inı a correladas. ρXY = 0.i i i “libroult” 2001/8/30 page 178 i 178 EJERCICIOS RESUELTOS DE PROBABILIDAD Ejercicios Resueltos P7. la distribuci´n de probabilidad conjunta de las variables aleatorias X e o Y. Y ) = E [XY ]−E [X] E [Y ] = E U 2 − V 2 − E [U ] − E [V ] y por lo tanto ρXY = 0.2] Sean U y V variables aleatorias con igual media e igual varianza. = 0 x· 1/2 1 − x · fX (x) · ∂x = 2 1 − x · ∂x − 2 1 = 0 x· 1 . ¿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 . obtenga dos variables aleatorias incorreladas. Utilizando estas variables. Entonces. i i i i . 2 4 por lo que: cov X. 1). Soluci´n o Definamos X = U + V e Y = U − V . 2 8 E [X] = E 1 −X 2 = 1 − x · fX (x) · ∂x = 2 1 −X 2 1 0 1 1 − x · ∂x = . P7.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0.1 0. Se tiene que: o cov X.5 2 2 = 0.1 0. P7. 8 2 4 Por lo tanto. cov (X. 2 1 0 x· 1/2 1 1 − x · ∂x = . siendo: E X· 1 −X 2 1 1 −X 2 =E X· 1 −X 2 − E [X] · E 1 −X 2 . = 1 1 1 − · = 0.

6 · 1. La recta de regresi´n de Y sobre X es: o y − 1. 58333.8 i yj P (Y = yj ) = 1.4 j=1 E [Y ] = = Finalmente: ρXY = 2.6 P (Y = yi ) 0. 2. Y = yj ) = 3. 15 x y = + 1.6) .4 − 1.82 ) = 0. o 179 Soluci´n o 1.62 ) · (5. REGRESION Y CORRELACION 1. 3.4] Sean: y= x + 2.8 = 1.75 · (x − 1.4 0. 9 i i i i . E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2. o Determinar la recta de regresi´n de Y sobre X.8. Obtener el coeficiente de correlaci´n de estas variables. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.3 − 1.4 0.8 (2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .8 − 1.3. P7. xi P (X = xi ) = 1.6.

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

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

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

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

Sign up to vote on this title
UsefulNot useful