P. 1
Ejercicios Probabilidad Resueltos

Ejercicios Probabilidad Resueltos

|Views: 169|Likes:
Publicado pormadpitbull995411

More info:

Published by: madpitbull995411 on Aug 29, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/21/2014

pdf

text

original

Sections

  • Fundamentos de probabilidades
  • Distribuciones de probabilidad
  • Principales variables aleatorias
  • Variables aleatorias bidimensionales
  • Regresi´on y correlaci´on
  • Bibliograf´ıa

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

.

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

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

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

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

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

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

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

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

o i i i i .3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. entonces s´lo hay 1 posibilidad. ¿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. P1.3 = 10 grupos de 3 vocales distintas. P1.4 = 35 grupos de 4 consonantes distintas y C5. a dadas dos estaciones. As´ se pueden formar ı. todos son elegibles. 10 · 15 = 150 comisiones. a o Adem´s hay C7. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. Se fija uno de los f´ ısicos.2 = 15 grupos de 3 f´ a ısicos. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1.12] Una l´ ınea de ferrocarril tiene 25 estaciones. P1. 3.14] Tres atletas toman parte en una competici´n. y C7.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. hay un total de V25.2 = 10 grupos de 2 matem´ticos. ¿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. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7.2 = 25 · 24 = 600 billetes diferentes. Luego hay un total de 10 · 35 = 350 comisiones posibles. 2. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. es importante saber si corresponden al principio o al final del trayecto.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. por lo que hay C5. y adem´s. luego existen C5. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000.13] A partir de 5 matem´ticos y 7 f´ a ısicos hay que constituir una comisi´n o de 2 matem´ticos y 3 f´ a ısicos. un f´ ısico particular ha de estar en esa comisi´n.2 = 10 grupos de 2 matem´ticos. existen C5. ¿De cu´ntas formas podr´ hacerse si: a a 1.3 = 35 grupos de 3 f´ a ısicos. 2. Puesto que todos son elegibles. y C6. Por otra parte. 3.

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

u Sin embargo. la posici´n relativa de todos los individuos ser´ la miso a ma.m−r = maneras de distribuir las bolas. 600 posibilidades para las letras. El total de historias cl´ ınicas que pueden hacerse es. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. no hay restricciones sobre letras y n´meros. Por tanto. dada una de estas posibles distribuciones. Se procede de forma similar al caso anterior.2 = 25·24 = ı. 2.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. por ejemplo. si cada individuo se traslada al asiento situado a su derecha. Por lo tanto.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. COMBINATORIA 19 de CRn−r. resulta que hay V R25. hay: Cn.3 = 103 = 1000 posibilidades para los d´ ıgitos. y V R10. por lo tanto. 2. As´ hay V25. Suponiendo que hay 25 letras. en el caso de que las urnas no fueran distinguibles. El n´mero de permutaciones de las siete personas en la mesa es 7!. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. se observa que. como no se hacen distinciones entre los asientos en la i i i i . 2. ıa ıa P1. dos personas particulares no pueden sentarse juntas? Soluci´n o 1.r · CRn−r.3 = 1000 posibilidades para los d´ ıgitos. P1. el problema o se complicar´ y habr´ que recurrir a otros procedimientos.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. N´tese que. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. no hay restricciones. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. con la unica diferencia ´ de que ahora las letras no pueden repetirse. 625 · 1000 = 625000.2 = a e 252 = 625 posibilidades para las letras. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes.

a 3. entonces existen V R4. Por tanto. se obtiene que hay 6!/6 = 5! = 120 distribuciones. es decir. 3. 2. que puede ser A (adenina). ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1.18] 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. 2. Si tiene dos nombres. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. Por otra parte.20] Suponiendo que hay 27 letras distintas. u de sentarse es 7!/7 = 6! = 720. Finalmente. P1. exactamente dos nombres. 2. por 7. hay dos posibilidades: a i i i i . se concluye que hay 720 − 240 = 480 formas de sentarse. estando juntas las dos personas particulares. no m´s de dos nombres. no m´s de tres nombres? a Soluci´n o 1. a a tenemos: 5 C5. Procediendo igual que en el apartado (a). 2. P1. hay 120 · 2 = 240 formas de sentarse. o u G (guanina). Existen cuatro a a tipos distintos de nucle´tidos seg´n la base.i = 25 − 1 = 31 i=1 ramilletes distintos. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. sin restricciones. 4 ´ 5 flores. hay V R27. ¿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. Adem´s. P1. hay 6! = 720 formas de sentarse.3 = 273 = 19683 conjuntos de iniciales. Si tiene dos nombres como m´ximo. Consideremos a esas dos personas como una sola. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular.3 = 43 = 64 secuencias distintas. y adem´s ´stos o a e pueden repetirse. As´ el n´mero total de formas ı. C (citosina) y T (timina). Por tanto.

m = a Cm+1. Por lo tanto. es CR6. Adem´s.4 = 274 posibilidades. puesto que se distinguen los dados entre s´ y en una tirada pueı.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1.m = C2+m−1.3 = 273 posibilidades. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. se obtienen a V R2. hay un total de V R6.21] Si se arrojan d dados y m monedas. 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.m = m + 1 resultados.2 = 272 posibilidades. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales.d = C6+d−1. hay un total de CR2.m = 2m resultados distintos para las monedas. COMBINATORIA 21 del tipo “nombre apellido” hay V R27.d = 6d resultados distintos para los dados. de obtenerse el mismo resultado en varios dados. para las m monedas. del que hay V R27.d · (m + 1) resultados diferentes. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos.d = Cd+5. Procediendo de forma an´loga para las m monedas. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. i i i i . P1.d . hay Cd+5. ¿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). Si tiene tres nombres como m´ximo. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales. del tipo “nombre1 nombre2 apellido” hay V R27.

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

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

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

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

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

= 3 · 6·3+ 6 2 216 Por otra parte. i = 1. 4. la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. 2. 6)}) + P ({(2. o considerando A1 := A y A2 := Ac . 4)})] 3 + · [P ({(1. o considerando A1 := Ω y A2 := ∅. 4.4] Un jugador italiano expres´ su sorpresa a Galileo. 5. 5. 3)}) 2 1 3 25 ·2+1 = . FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. ({(2. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 5)})] ({(3. 6} . 145. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 244 y 334. 2. 4. 3). N´tese que este espacio es equiprobable y |Ω| = 63 . Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . 144. 3. 3. 2 8 i i i i . 3. Basta tener presente las dos condiciones que cumple P por definici´n. 4)})] 3 1 ·3 = . o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. 4. 2. y al 10: 136. 2.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 2. w3 ) : wi ∈ {1. 235. 135. 225. 5)}) + P ({(2. 4)}) + P ({(2. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). o considerando A1 := A \ B y A2 := A ∩ B. 4. w2 . 6)}) + P ({(1. 226. 3. Basta tener presente las dos condiciones que cumple P por definici´n. 2. 3} . 3. 5)}) + P 3 + · [P ({(2. 3. Explicar por qu´ y calcular e las correspondientes probabilidades. 234 y 333. Basta tener presente las dos condiciones que cumple P por definici´n. 3. 2. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. 27 Basta tener presente las dos condiciones que cumple P por definici´n. 6)}) + P ({(1. 3. P2. o considerando A1 := A ∩ B = A y A2 := B \ A. 5)})] + P ({(3. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables.

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

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

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

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

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

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

4}. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. i i i i . 2. pues. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. 6} . La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. 2. c Sustituyendo en las correspondientes expresiones. 6}. definimos un espacio muestral Ω = {1.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. para todo i = 1. 2}) P2. 2} y B = {3. 2. con P ({i}) = 1/6. c c c A ∩ B = (A ∪ B) = {5. 5. B = {1. 2} . 2. P (A|B) + P (A|B c ) = 1? Soluci´n o 1. si utilizamos los datos del ejemplo del apartado anterior. P (A|B) = P (Ac |B c ). se obtiene: A ∩ B c = {1. P ({1. 4. 6. 3. . Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 5. 6} . .13] ¿Son ciertas las igualdades: 1. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. . utilizando nuevamente el ejemplo del primer apartado. Definimos tambi´n los sucesos A = {1. . 2. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. en el contraejemplo del apartado (a). 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. 3. 6}) 2/6 1 = = . 3. pues. 5. Obs´rvese. P (A|B) + P (Ac |B c ) = 1. que verifican: e A ∩ B = ∅. P (B c ) P ({1.

P (A|B) + P (Ac |B c ) = 1. Decir si son ciertas o falsas las siguientes relaciones: 1. 2.15] Sean A y B dos sucesos tales que P (A) = 1/4. A y B son independientes. Ac y B c son independientes. 2. 5. 4. A y B son incompatibles. N´tese que si A ⊂ B entonces A ∩ B = A. Soluci´n o 1. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . 6. entonces Ac y B c son independientes. En efecto. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ).i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. P (B|A) = 1/2 y P (A|B) = 1/4. P (Ac |B c ) = 1/2. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1.14] Demostrar que si dos sucesos A y B son independientes. i i i i . 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. 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 ) . 3. P (A|B) = 37 P2. P (A) P (A) 2 por lo que no es posible que A ⊂ B. e ı P2. 5. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. c concluy´ndose as´ que Ac y B c son independientes. A ⊂ B. 6}) 1 2/6 = .

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

por el ejercicio 10: “Si A1 . 2. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. a e Si r = 2. 2. al menos ocurren r sucesos. 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 ) . i i i i . ocurren exactamente r sucesos. A2 y A3 son independientes. Adem´s. j = k. 2. FUNDAMENTOS DE PROBABILIDADES 39 P2.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) .8: P Ai ∩ Ac ∩ Ac k j = = P (Ai ) − P (Ai ∩ Aj ) − P (Ai ∩ Ak ) +P (Ai ∩ Aj ∩ Ak ) P (Ai ) − P (Ai ) · P (Aj ) − P (Ai ) · P (Ak ) +P (Ai ) · P (Aj ) · P (Ak ) . 1. 3. como m´ximo ocurren r sucesos. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0.17] Supuesto que los sucesos A1 . A2 y A3 son independientes y asumiendo que r = 0. i = k. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. entonces Ac . 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. j. i = j. 3. obtener expresiones en t´rminos de P (A1 ). a por el ejercicio P2. que est´ expresado en t´rminos de las probabilidades pedidas. 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 ) . 3. Ac y Ac son independientes”. a Soluci´n o 1. para todo i. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . k = 1.

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

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

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

21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. o P2.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. = Sin embargo. con la segunda opci´n. propia de jugadores m´s cautelosos. apostar los 20 euros sobre “pares” en una unica jugada. Ahora obtengamos el menor valor n natural tal que: 1− es decir. concluyendo as´ que n ≥ 252. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. FUNDAMENTOS DE PROBABILIDADES 43 P2. propia de jugadores m´s arriesgados.652. 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 .474. a Soluci´n o Recurriendo a la primera opci´n. −n · (ln364 − ln365) ≥ ln1 − ln2. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n . 2 i i i i . Es decir.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. 364 365 n ≥ 1 . con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. luego la clase debe tener al menos 253 ı alumnos. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. Analizar matem´ticamente ambas alternativas.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. 1084. 2.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

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

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

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

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

· 48
52 5

.

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

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

· 12 ·
52 5

4 2

.

i i i

i

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

ıan ıo. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. Para las tres que faltan deben descartarse aquellas combinaciones que. El espacio Ω no es equiprobable y tiene 4 elementos. todo cliente sin fondos pone una fecha err´nea en sus cheques. junto a las dos primeras cartas. ya que no importa el orden en que ´ ´stas se elijan.1. o Por lo tanto. 0. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 0. El 90 % o de los clientes del banco tienen fondos. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.999. formar´ un tr´ un p´ker o un full. 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. y procediendo de forma similar al caso del tr´ fijadas ıo.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.001.001.9 i i i i . las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.9. P2. Sea J el suceso “Se obtiene una pareja”. Se recibe hoy en caja un cheque con fecha equivocada. 1.1 = 0. w2 ) . 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. An´logamente ´ a al apartado anterior.1 + 0. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.2 parejas posibles. En cambio. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . 1 · 0. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . equiv}). 0.001 · 0.99108. 0. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6.

se lanza y sale cara roja. 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. 3. 3. 5} . 2. w6 ) . w6 representa el color de la bola extra´ de la urna. es decir. y w2 u u es el color que se obtiene al lanzar el dado. ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . 2. 4. w2 ∈ {B. 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. FUNDAMENTOS DE PROBABILIDADES 49 P2. 5) tiene i de sus caras blancas y el resto u rojas.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. Denotemos ıda por Ci (i = 0. w2 . w2 ) : w1 ∈ {1. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). y sea B el suceso “extraer una bola blanca de la urna”. w3 . Este espacio muestral no es equiprobable. w3 . w4 y w5 representan los resultados de los lanzamientos de la moneda. As´ ı: Ω = {w = (w1 . 2. La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i .27] Una urna contiene cinco dados con sus caras de color blanco o rojo. Se extrae una bola y es blanca. 4 P2. Adicionale o mente. y por tanto tambi´n la composici´n de la urna. R}} . 4. que la urna contenga i bolas blancas y 5 − i bolas negras. 3. R)}) = P ({(5. pues P ({(1. w2 ) . w2 . Se selecciona al azar un dado de la urna. donde w1 . Soluci´n o Representemos un suceso elemental como: w = (w1 . w4 . El dado n´mero i (i = 1. R)}) . w5 . 4.26] En una bolsa hay cinco bolas. 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 . 1. blancas o negras.

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

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

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

¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . 2 −ln2 = 24. Entonces. 3. a es 1/62 = 1/36. Luego. . y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. donde w2i−1 y w2i . Igualando: 1− 1− n= 1 36 n = 1 . 4. 6)}] = 1− 1 − 1 36 n Por ultimo. . ln35/36 Por tanto. se concluye que necesitamos jugar 25 partidas. 6) . 2. n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. i i i i . w2n−1 . P2. luego Ac = {w ∈ Ω : (w2k−1 . veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . . 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. 2. w2k−1 = w2k = 6} . A = {w ∈ Ω : ∃k ∈ {1. . . w2k ) = (6. sea el suceso A = “se obtiene e al menos un 6 doble”. . 2. . . 2. FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . para todo k ∈ {1. w4 .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. w2k ) = (6. . 5.605. i = 1. w3 . 6}} . . n} . tras aproximar el resultado. . la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. . 14 · 13 2 53 1− Efectuando las operaciones correspondientes. .32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. n}} . . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . w2 . . w2n ) : wi ∈ {1.

3 son los resultados respectivos de las tres monedas. Dos arqueros de la misma destreza tiran al blanco.i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Si cada elemento de dicho espacio se representa por w = (w1 . Si gana el que tire la flecha m´s cercana al centro de la diana. w3 ) : wi ∈ {C. ¿cu´l es la probaa bilidad de que las tres sean caras o las tres cruces? Soluci´n o Asumiendo que las monedas son distintas. 2. lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. “intermedio” y “m´s alejado” entre los tres lanzamientos. P2. Se lanzan tres monedas al aire. Puesto que estos sucesos son disjuntos. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. Adem´s. todos ellos equiprobables.34] Problema de Galton. siendo w1 y w2 el primer y segundo lanzamiento. ¿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. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales. se puede considerar que los dos primeros ı. i = 1. Si una persona compra n ıa boletos. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. w2 . entonces ´ el suceso que nos interesa es A = {w : w1 = “m´s cercano”} ∪ {w : w2 = “m´s cercano”} a a Dado que estos sucesos son disjuntos y contienen dos sucesos elementales cada uno de ellos. w3 es el unico lanzamiento del segundo arquero. P2. 2. 3} donde wi . sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. representemos el espacio muestral como: Ω = {w = (w1 . el primero dos flechas y el segundo una. ¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . i = 1. X} . entonces P (A) = 2/6 + 2/6 = 2/3.33] Problema de Bertrand.35] Una loter´ vende n2 boletos y da n premios. respectivamente. As´ por ejemplo. w3 ) . se tiene que la probabilidad de obtener tres caras o tres cruces es 3 3 P (A ∪ B) = P (A) + P (B) = (1/2) + (1/2) = 1/4. Entonces. w2 . del primer arquero.

. 1. . i = 1.i i i “libroult” 2001/8/30 page 55 i CAP´ ITULO 2. ∀i = j. de las cuales n son negras y el resto blancas. j = 1. . ya que e e o puede estar vac´ Se supone que wi = 1 si se escoge la caja A y ıa). . . wi = 0 si se escoge la B. Supongamos que la caja est´ vac´ al tomar el ultimo f´sforo. 2. . . w2N −r ) : wi ∈ {0. . . . . . tienen la misma probabilidad de ser tomadas. . . Para cada apartado del problema se definir´ un espacio muestral. wn } : wi ∈ 1. . podemos definir como ıa espacio muestral: Ω = {w = (w1 . que representaremos por A y B. . 1} . Al cabo de o cierto tiempo una de las cajas est´ vac´ Calcular las correspondientes a ıa. 2N − r) . . cada o vez que necesita un f´sforo toma al azar una de las cajas. . n2 . . w2 . o Soluci´n o Supongamos que las dos cajas. . P2. . N f´sforos suponiendo que: o 1. 2. . donde cada wi . al extraer n bolas diferentes simult´neamente de una urna con n2 bolas a (numeradas de 1 a n). para cada valor de i (i = 1. con |Ω| = 22N −r . Esto a ıa ´ o significa que el profesor ha tomado 2N − r f´sforos en total: N − r o de una de las cajas y N de la otra (la que queda vac´ y una vez ıa). que es claramente equiprobable. Un espacio muestral es: Ω = w = {w1 . . Si definimos el suceso A = “se extrae al menos una bola negra”. a 1. probabilidades de que en ese momento la otra contenga r = 0. al menos una de las bolas que se saquen sea negra. . a ıa ´ o descubre la caja vac´ cuando por primera vez la saca y no hay ya ıa f´sforos. . . que deja vac´ una caja. i i i i . FUNDAMENTOS DE PROBABILIDADES Soluci´n o 55 Resolver este problema es equivalente a calcular la probabilidad de que. 2N − r} . . . para. . wi = wj . . (i = 1. Por lo tanto. i. la caja est´ vac´ al tomar el ultimo f´sforo.36] Cierto profesor lleva siempre en el bolsillo dos cajas de N f´sforos. entonces la probabilidad pedida ser´ ıa: P (A) = 1 − P (Ac ) = 1 − n2 −n n n2 n . n . . 2N − r) representa la caja que se escoge en i−´simo lugar (pudi´ndose tomar o no f´sforos de ella. Este espacio es claramente equiprobable. .

2N −r−1     wi = N − 1   i=1 Por lo tanto. . se obtiene finalmente ıa o que la probabilidad pedida es 2 · C2N −r−1. . 1} . En este caso. . se define como espacio muestral: a ıa. . . . Esta probabilio dad es igual a la del otro caso posible: que la caja B quede vac´ y ıa en la A queden r f´sforos. Se tiene una mesa rayada con l´ ıneas paralelas separadas una distancia 2b. 1) : 2N −r . . . 1) : wi ∈ {0. 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. la probabilidad de que la caja A quede vac´ y en la B ıa queden r f´sforos es |M | / |Ω| = C2N −r.     i = 1. De este modo. w = (w1 . w2 . 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. 2. donde los wi (i = 1. w2N −r+1 ) : wi ∈ {0. 2N − r} . 2. . . ıa o   wi ∈ {0. i = 1. o    w = (w1 .N /22N −r+1 . De este modo. 2N − r   B = w = (w1 . 2N − r − 1. . Se lanza una aguja de longitud 2a para que caiga sobre la mesa. . Ω = {w = (w1 . Hallar la probabilidad de que la aguja corte a alguna l´ ınea si a ≤ b.N −1 /22N −r . . a o i i i i . w2N −r . la probabilidad de que la caja A quede vac´ y en ıa la B queden r f´sforos es |M | / |Ω| = C2N −r−1.37] Problema de Buffon. . .N −1 /22N −r .i i i “libroult” 2001/8/30 page 56 i 56 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“la caja A queda vac´ y en la B quedan r ıa f´sforos”.  A= . P2. . Soluci´n o Un suceso elemental de este problema puede describirse mediante un par de n´meros. . Supongamos que descubre la caja vac´ cuando por primera vez la ıa saca y no hay ya f´sforos. . |Ω| = 22N −r+1 . 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.N /22N −r+1 . . w2N −r . Por lo tanto. el profesor coge una ultima caja antes de parar: o ´ la caja que est´ vac´ Por lo tanto. 2N − r) se definen igual que en el apartado anterior. . w2N −r−1 . . i = 1. . Sea el suceso B =“la caja A queda vac´ y en la B quedan r f´sforos”. . wi = N   i=1 Por lo tanto. . w2 ). . . se obtiene finalmente que o la probabilidad pedida es 2 · C2N −r. 1} . . 1} . .

1]. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. π[ claramente equiprobable.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. En concreto. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. dado el objetivo que se persigue en el problema. b[ y que o w2 ∈ [0. ya que el ´rea del total es la unidad. i i i i . En efecto. Por ello. b[×[0. asumiendo que a ≤ b. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. es decir. entonces A := {w ∈ Ω : w1 ∈ [0. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. N´tese que por tanto w1 ∈ [0. a 1. Calcular la probabilidad de que su suma sea mayor que 1. 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. Calcular la probabilidad de que su producto sea mayor que 1/7.69444. Calcular la probabilidad de que su diferencia sea mayor que 1/6. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. Sea A el suceso “su diferencia es mayor que 1/6”. si A es el suceso que representa “la aguja toca una l´ ınea” y. a cos(w2 )[ para cada w2 ∈ [0. Seg´n la hip´tesis del enunciado. Consecuentemente. π[. π[}. 3. 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. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. P (A) = (5/6)2 = 0. es suficiente mirar s´lo la posici´n respecto a la l´ o o ınea en la mesa m´s a pr´xima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). 2.

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

Podemos representar cada suceso elemental como w = (w1 . y + 1/12] el correspondiente a la otra persona. un total de a + b desplazamientos. A} . n+1). por lo a o que para pasar por (a. n). . Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. . A} . para cualesquiera n´meros a o u enteros m y n. n) y o una probabilidad 1−p de pasar a la (m. Determinar la probabilidad de que el punto pase por la posici´n (a. b). o punto de encuentro. wa+b ) : wi ∈ {D. . Este espacio no es equiprobable si p = 1/2. 0). i = 1. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. . i i i i .1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . Por lo tanto. es decir. P2. . . .41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. . es ps · a+b−s (1 − p) . w2 . wa+b ). tiene una probabilidad p de pasar a la posici´n (m+1. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. . b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. con wi ∈ {D. .i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. por ejemplo. i = 1. La figura 2.40. a + b. .1: Regi´n de casos favorables sobre casos posibles del problema P2. e igualmente [y. . un e espacio muestral ser´ ıa Ω = {w = (w1 . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. a + b} . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. . . La probabilidad de un suceso elemental con s movimientos a la derecha. . Cuando est´ en la posici´n (m. .

1. y adem´s a todos ellos son igualmente probables. 8} . . . finalmente se tiene que P (A) = a+b b · pa · (1 − p) . N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. . . Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. . ı ´ 2.10. Como consecuencia de esto ultimo. . Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. Nadie m´s se subir´. entre el 1 y el 11. a a a 1. . . . . Ω = {w = (w1 . . Sin embargo. sea A el suceso “todas las personas se bajan antes del quinto piso”. 11} para cada i = 1. . ıa 1. a P2. w8 ) : wi ∈ {1.11). Este espacio muestral tiene |Ω| = 118 sucesos elementales. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. . 8}. Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. . con igual probabilidad. ya que hay Ca+b.. es decir. . . Continuando con el espacio muestral Ω. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. Es decir. que todas las personas son distinguibles. . . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo.42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. y esta probabilidad es pa · (1 − p) . 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. ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. Cada persona selecciona el piso en el que se bajar´n.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”. i i i i .2. por ejemplo. 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. .a combinaciones posibles de estos a + b movimientos. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. Por lo tanto.

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

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. A. A)}) = 1/12. w3 ) : wi ∈ {A. B. Adem´s. Luego. siendo este resultado A o B si la partida la gana el jugador A o el B. B. 2. respectivamente. e P2. o bien X si quedan en tablas. wj = X. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. donde cada wi (i = 1. ejemplo. Por otra parte. B. 3} . M = {(A. en dos partidas queden en tablas. w2 . 4. w3 ) : wi ∈ {A. i = 1. 1/3 y 1/6. w2 . puesto que. B)}) = 1/18. por ı. B gane al menos una partida. A gane las tres. j = i}. pero P ({(A. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. 2. 2. los rea sultados de las partidas son independientes. 3.43] A y B juegan 12 partidas de ajedrez. B} . Se tiene entonces que N = N1 ∪ N2 ∪ N3 . Otro d´ acuerdan jugar un torneo de 3 partidas. A gana seis. i = 1. siendo Ni = {w = (w1 . quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. 2. a la vista de los resultados obtenidos en 12 partidas. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. 3. i i i i . ıa Hallar la probabilidad de que 1. 2. Sea M el suceso “A gana las tres partidas”. 2. X} . B gana cuatro y en dos quedan en tablas. para todo j = 1. A y B ganen alternadamente. y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. 3. 3) representa el resultado de la i-´sima partida e del torneo. 1. As´ el espacio muestral dado no es equiprobable. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. P ({(A.

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

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

y V3.1 · C3.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES 4. C8.3 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. w2 . con Ω = V20. P (D) = 1 − P (Dc ) = 1 − 23 C17. azul”. . debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. . para cada distribuci´n de ´stas.1 18 P (E) = = . P (B) = V20. Entonces. Este espacio es claramente equiprobable.3 = . Definamos el suceso E = “Se extraen 3 bolas de diferente color”. al igual que se hizo al comienzo del ejercicio). 6. V20.3 34 = . No obstante. Sin embargo. se tiene que un espacio muestral es: Ω = w = (w1 . o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. dado que hay 8 bolas rojas.2 · V3.3 .1 formas de tomar las bolas blancas.1 · V8. blanca.3 14 = . . para ello se recurri´ al espacio muestral Ω. 20 wi = wj i = 1.1 = .1 formas de combinar o e esas 3 bolas de forma ordenada. . 3 para todo i = j . que: 8·3·9 3 P (F ) = = . Sea el suceso F = “Las tres bolas se extraen en el orden roja. 2.3 95 Para calcular la probabilidad pedida.3 285 1 V3. manteniendo las dos bolas rojas en su posici´n relativa.3 1140 P (A) = Teniendo en cuenta que hay V8. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”.3 57 57 5. V20. w3 ) : wi = 1.3 95 i i i i .1 · C9.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. =1− C20. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. hay. Por lo tanto. C3. C20. dado que las bolas se extraen una a una y sin reemplazamiento. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. V20. 2. 3 blancas y 9 azules. Se tiene entonces. obteni´ndose que: o e P (C) = 7 C3.

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

5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . hay 4 posibilidades para la quinta carta: los 4 Reyes. En este caso. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. Caballo y Rey en cualquier orden”.2 formas de elegir las dos Sotas. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . Definamos el suceso D = “Salen Nueve. La baraja tiene 4 palos. una vez fijados los 4 Ases. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. Sea el suceso C = “Hay tres Dieces y dos Sotas”.3 formas de escoger tres Dieces. Hallar la probabilidad de que la bola extra´ ıda sea roja. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . 162435 5.3 y C13. suceso F c = “Ninguna carta es un As”. N´tese que hay 4 Ases e a o en la baraja. Diez.2 formas de escoger los dos palos. que han de combinarse con el total de C4. 649740 3. N´tese que no importa el orden en que aparezcan o las cartas.2 posibilidades para elegir las tres y dos cartas. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. FUNDAMENTOS DE PROBABILIDADES 2. Sota. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = . y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F .47] En una urna que contiene n bolas se echa una bola roja. Sea E el suceso “Tres cartas son de un palo y dos de otro”. 8330 6. se e tiene un total de C13. de cada uno de los dos palos. P (B) = 1·4 52 5 = 1 . As´ se tiene que ı. ya que cada palo consta de 13 cartas. Sea el suceso F = “Al menos una de las cartas es un As”. As´ el ı. respectivamente. 108290 4. por lo hay C52−4. por lo que hay C4. Se tienen C4. i i i i .i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. 54145 54145 P2. Para cada una de ´stas. extrayendo posteriormente una bola.

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

En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. por lo que el c´lculo de a P (A) se reduce. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. para la segunda dea bemos calcular la correspondiente integral. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. a que es una parte de la superficie de un cuadrado de lado a.48] Consid´rese el intervalo de la recta real [0. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. aplicando la ley de Laplace.38. puesto que es un a rect´ngulo de lados b/a y a. a Adem´s. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. Este u espacio es claramente equiprobable. Si b > a2 . a]. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. sabiendo que su suma es mayor que b. 2. 1. y ≤ a. }. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. Para los valores de a y b del apartado anterior. por lo que P (A) = a2 /a2 = 1. 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. y la figura 2. N´tese que o el espacio muestral tomado es equiprobable. a] es menor que b”= {w ∈ Ω : x · y < b}. P (A ∩ B) = = 16 i i i i . FUNDAMENTOS DE PROBABILIDADES P2. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . 2. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0.2 ayuda a ello. a] con a > 0.26. debemos dividir el ´rea deseada en dos partes. que corresponde al espacio Ω. Paa ra la primera de ellas el ´rea es inmediata. Sin embargo. se deben distinguir dos casos: a Si b ≤ a2 . a obtener el ´rea A. para dividirla por el ´rea de este cuadrado. Por lo tanto. El ´rea deseada es la intersecci´n de A y 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 . para b = 2 y a = a o 4. y) : 0 ≤ x. e 1. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. se tiene que b/a > a. ya que los n´meros se eligen de forma u uniforme e independiente.

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

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

Si. el espacio Ω no es equiprobable.8 + 0.3.4 = 0. un suceso elemental del e ıa tipo w = (w1 . Se tiene que MkB = w ∈ Ω : w11 = Vk . 1. P (M2B ) = 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables.2 = 0. w12 = B . B).5 · 0. w22 = B . respectivamente. tendr´ probabilidad cero.6 + 0.1. respectivamente. 2. y NkB = {w ∈ Ω : w21 = Vk . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. i i i i . w2 ). por ejemplo. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk .5 · 0.5 − 0. y MkB = {w ∈ Ω : w11 = Vk .24.8 · 0.2. Adem´s. w22 = B} . Por tanto.5 = 0.5 · 0. Estos sucesos constituyen una partici´n del espacio Ω. con k = 1. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. entonces repite con el tipo de valor. obtiene beneficios.6 · 0. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo.5 − 0.48. 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 ”. De esta forma. Se procede de forma an´loga con los dos sucesos restantes. 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 ”. w12 = B} . con k = 1. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. con w1 = V1 . se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. P (M1B ) = 0. B .8 · 0. obtea ni´ndose que e P (M2B ) = 0. 2.6 · 0.5 · 0.4 = 0.4.3 = 0. w2 = (V1 .6 · 0. por el contrario.5 = 0.8 · 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene.

3/0. P2. u Supongamos una loter´ en la que cada boleto cuesta 1.25. calcular la probabilidad de los siguientes sucesos: 1. si coinciden las 4 cifras. 200. Se extraen 4 bolas una a una con reemplazamiento.72 = 0.51] Una urna contiene 10 bolas numeradas del 0 al 9. 20. si coinciden s´lo las tres ultimas cifras.72. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. cuyo ıa.8) · 0.000 ptas. ıda a El n´mero que se forma con las bolas acaba en 380. sorteo consiste en extraer 4 bolas.000 ptas. y tambi´n e P (M1B |N1B ∪ N2B ) ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = = P (N1B = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0 + 0.2222. La cuant´ (no acumulable) de los ıa premios es de: 2.. seg´n el experimento previo. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. 3.000 ptas.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 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. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. = 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. 2. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.2/0.72 ∼ 0.000 ptas. 2. 73 Utilizando los sucesos definidos en el apartado anterior.472. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .6 + 0) · 0.000. si coinciden las 2 ultimas o ´ ´ i i i i . 3. La primera bola extra´ est´ numerada con 3 y la segunda con 0. u El n´mero que se forma con las bolas es mayor que 3571.

6428. w2 > 5} ∪ {w ∈ Ω : w1 = 3. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. 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. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . y3 e y4 . w4 ) : wi = 0. si coincide la ultima cifra. w2 = 5. 4. supongamos que y es el n´mero del boleto comprau do.001. 4. 2. w4 = 0} . 1. 1. . . . B = {w ∈ Ω : w2 = 3. para todo i = j} . 3. w2 = 5. w3 . 3. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. 9. 2. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. Para ello. para i = 1. 2. equiprobable y tiene un total de |Ω| = 104 elementos. . donde los sucesos Ci son disjuntos. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. w3 = 8. w3 > 7} ∪ {w ∈ Ω : w1 = 3. w4 > 1} . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. w2 .i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. Finalmente se obtiene que P (C) = 6428/104 = 0. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w2 = 0} .000 ptas. A = {w ∈ Ω : w1 = 3. w3 = 7. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. y consta de las cifras siguientes: y1 .01. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. i = 1. y 2. y2 . 3.

Hallar la probabilidad de los siguientes sucesos: 1. con |Ω| = 20. 104 Por lo tanto. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 2. 3. para u e o i = 1. 4. ∀j = 4 − i + 1. donde wi representa el n´mero de la bola de la i-´sima extracci´n. . 3. 104 Finalmente.918. con i = 1. con el boleto que ha comprado. 5} . ∀k = j}. . . obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. u Se seleccionan las dos bolas con n´mero impar. 2. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. w1 = w2 } . 4. wk = yk . Por otra parte. 2. u Generalizar el problema al caso de que la urna contenga n bolas. y se supone que existe aleatoriedad uniforme. 2. w2 ) : wi ∈ {1. no es rentable jugar a esta loter´ puesto que el dinero que ıa.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador.8. 2.52] Una urna contiene cinco bolas numeradas del 1 al 5. Se extraen dos bolas una a una sin reemplazamiento. u Se selecciona una bola con n´mero impar la segunda vez. Este espacio es equiprobable. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . para el n´mero premiado en el sorteo. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. P2. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. Se selecciona una bola con n´mero impar la primera vez. i i i i . 4. 3. 4. . |Ω| 104 = P (Ai ) = para i = 1. 3. numeradas de 1 a n.

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

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

w2 ) : w1 ∈ {1.54] Una urna contiene 8 bolas blancas y 4 bolas negras. P (Ac ∩ B c ) y las probabilidades condicionadas P (A|B). 3} . donde cada wi representa el color de la bola extra´ en i. y B el suceso: “al menos una de las dos bolas extra´ ıdas es blanca”. En nuestro caso. i = 1. donde w1 representa la caja escogida y w2 el metal de la moneda que contiene un caj´n de esa caja escogido de forma aleatoria. P (Ac ∩ B). 2. siendo igual a b si la bola es blanca y n si es negra. la caja en la que se encuentran es la B. 1. la probabilidad pedida. 2 3 3 2. Sea A el suceso: “la primera bola extra´ ıda es blanca”. ıda e con i = 1. 2. P (A ∩ B c ). 2. 3 P2. pero P ({(1. Este espacio o muestral no es equiprobable. Sea entonces el espacio muestral Ω = {w = (w1 . O)}) = 1/3. P )}) = P (Bo |A3 ) · P (A3 ) + P (Bp |A3 ) · P (A3 ) = 1 1 1 = 2· · = . Soluci´n: o Un espacio muestral para este problema es Ω = {w = (w1 . Este i i i i . w2 ∈ {O. O)}) + P ({(3. P }} . pues. por lo que el suceso A3 es equivalente a “La caja seleccionada tiene monedas de diferentes metales”. P (B|A) y P (B|Ac ). Sea el suceso Ai = “Se selecciona la caja i”. por ejemplo. w2 ) : wi ∈ {b.´simo lugar. 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. P ({(1. n} . Se sacan dos bolas una a una con reemplazamiento.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. Si uno de los cajones contiene una moneda de oro y el otro una de plata. P (A|B c ). i = 1. es: P (A3 |Bo ) = = P (Bo |A3 ) · P (A3 ) = P (Bo ) P (Bo |A3 ) · P (A3 ) 3 i=1 = P (Bo |Ai ) · P (Ai ) 1· 1 3 ·1 3 +0· 1 + 3 1 2 1 2 · 1 3 = 1 . 3. Se tiene entonces que: P (A3 ) = P ({(3. Calcular P (A ∩ B). 2} . Por lo tanto. P )}) = 0. i = 3.

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

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

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

´ 1. o 2. 3. 1. 1. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 2794 · 10−3 i=1 1− i i i i . La probabilidad de acertar en el objetivo con cada tiro es de 0. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. para todo i = 1. para todo i = 1. cada uno sobre uno.25 · 0. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. 2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 3.25 = 1. wi1 = 0. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. que ser´ a si acierta y f si falla. 4.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 4.8 + 0. f } . 3. y wi2 es el resultado que ha obtenido. 4 y j = 0.8.8. w2 . 2. Si todos los tiradores consumen la munici´n. Sin embargo. 5. 3. a sea cual sea el resultado para esta ultima. Cada tirador dispone de seis balas.25 · 0. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 5. 2. 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. wi2 ∈ {a. 3. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. N´tese que si a un a o tirador le sobra alguna bala. Un tirador deja de disparar al alcanzar el blanco. 4. Probabilidad de que alguno de los tiradores consuma toda su munici´n. significa que ha acertado. 2. ya no le sobrar´ ninguna bala. w4 ) : wi = (wi1 . o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. Calcular la probabilidad de que sobren dos balas en total. 2. si no le sobra ninguna.2 1 − 0. e para i = 1. w3 .i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 4}. 1. wi2 ) .

= 0. teniendo en cuenta todos los casos posibles. y teniendo en cuenta. Por lo tanto. FUNDAMENTOS DE PROBABILIDADES 2.2) 3 5 3 = (0.8 + 6 · (0. por lo que si vemos estos dos casos para dos tiradores concretos. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.2) · 0. 4. como siempre.2) = 4 · (0.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.2) 18 · 0.2) · 0.8 · (0. 3. Los tiradores disparan de manera independiente. entonces.8) .2) 18 18 · (0.2) 18 18 · 0. para i = 1.84 = 0. 4 4 = = 3.2) · (0. podemos luego extenderlo a todos. 2. 8455 · 10−12 . i i i i . que disparan de forma independiente.1 · (0.8 + C4.8) = 2 2 · 0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.8 · (0.2 · (0.8 0.8. 83 Definamos los sucesos Bi = “El tirador i acierta”. resulta: P (C) = C4.25 · 0.2) 4 2 5 2 = (0.4096. 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 ) 0.8) = 1.2) ·(0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. Todos los tiradores tienen la misma probabilidad de acertar.

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

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

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

Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos.4) . La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. Si las cinco primeras matr´ ıculas son de Humanidades.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. . 4.11714. calcular la probabilidad de que: 1. siendo: a P (ξ = k) = 1. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.4. 5.9790. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. i i i i . 2.4.8725 = 0. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas. en total haya al menos 6 en Ciencias m´s que en Humanidades. 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 − 0.410 · (1 − 0. para todo k = 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. 20.1275. . mientras que el otro 40 % lo hacen en carreras de Humanidades. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.6 = 0. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. 3. . a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. 3.4k · (1 − 0. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. haya al menos 8 matr´ ıculas en Ciencias. no haya m´s de 12 matr´ a ıculas en Ciencias. 20 20−k · 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. 10 2.4) = 0. . Si un determinado d´ se realizan ıa 20 matr´ ıculas.

pero con par´metros n = 20 − 5 = 15 e a y p = 0. 2]. En particular. en o o ese caso. 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. 0 ≤ x < k. 2]) P ([1/2. podemos definir una nueva variable η. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . las cinco primeras son en Humanidades. 1] condicionada por [1/2. 1]) = P ([1/2. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. se tiene que ∂F (x) = k > 0. 1 − k(1 − x).4. 2]) P ([1/2.4159 = 0. ∂x Adem´s. F es funci´n de distribuci´n. para todo x. 5. 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. P3.5851. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. k≤ x Calcular la probabilidad de [1/2. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. 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. Sin embaro o go. o o Bajo la condici´n 0 < k ≤ 1. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. calculemos la probabilidad pedida: o P ([1/2.0271. debe verificarse que F (x) ≥ 0. 1] | [1/2. 0 ≤ x < k cuando k ≤ 1. Ya que k > 0. 1 − a k (1 − x) ≥ 0. 2]) = = P ([1/2. por lo que se tiene que.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 0 ≤ x < k F (x) =  1. 1] ∩ [1/2.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0.4032. tambi´n binomial.

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

d]) = P ((−∞.2.4) /2 = .5 · 1 · (0.5 · (0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. b] × (−∞.4) × [0.5 · 0. 3]) − P ((−∞.5) /2 − 0 = .4. [0.8] × {0.4 + 0. c]) −P ((−∞. P ((0.4 + 0. 3}) = 0. 1)) = 0. 0. puesto que: a P ((−∞. 1) .5}) = 0. y]) = P ((−∞. d]) + P ((−∞.5. a] × (−∞.25. P3. 0]) − P ((−∞.4. 1]) = P ((−∞. 2)) = P ((−∞. 2)) − P ((−∞.5 + 0. . P ({1. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. x] × (−∞. De esta forma se obtiene que: P ((0.00 8. 0.3. a] × (−∞. .3.3 + 0.2. [0.5] Sea la probabilidad en IR2 : P ((−∞. estas probabilidades se calculan de manera an´loga.5·(0. [0. 0. y]) = P ((−∞. y]) = xy(x + y)/2 si 0 ≤ x.4 · (0. 1]2 {(x. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.5 · (0. x] × (−∞. teniendo en cuenta que: P ([a.4 · (1 + 0.42 ·(0.4) /2 = 0. P ([0.4. Calcular las probabilidades de (0.5) /2 + 0. 0. P [0. i i i i .504.3 · 0.2.4) × [0. P ([1. 0. 1]) − P ((−∞.3 + 0.5) /2 −0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. 0.5) × (0. 0)) = 1/2 − 1/2 = 0.8]2 En caso de que el intervalo sea abierto o semiabierto. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .4 + 0. 2. b] × (−∞.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0. 0. P ([−2. x] × (−∞. y)) .4. c]). b] × [c. y) : x + y ≤ 1}.4 · (0. (0.5.8] × {0.4) /2− 0.3 · 0. 0.5) × (0. d]) − P ((−∞. x) × (−∞.4 · 0.4·0.5 + 1) /2 − 0.5} .4) /2] + 0. P ({0}) = P ((−∞.5]) = 0. 0. x) × (−∞. 0. y ≤ 1.6]2 ∪ [0. y)) = P ((−∞. 3]) = P ((−∞.4.

8 + 0.1: Puntos de [0.28. P3.4. entonces Fξ (t) = P ([0.6]2 + P [0. 0. entonces Fξ (t) = P (φ) = 0.8) + 0.2. 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 ∈ [0.4) /2 = 0.1.2 + 0.4.4.4 · 0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad.8) /2 − 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2. 0.6]2 ∩ [0.4 + 0. y) : x + y ≤ 1}) = P [0.6]2 ∪ [0.8]2 −P [0.62 · (0.2. P ({(x. a e P [0. 1] : ξ (x) ≤ t}) . t + 1/2]) = 2t. 0.6) /2 − 0. i i i i .2 + 0. 1] con im´genes a trav´s de ξ en (−∞.6) +0. si t ≥ 1/2.6]2 + P [0. t] ∪ [1/2. Si t ≥ 1/2.2.6 + 0. si 0 ≤ t < 1/2 Fξ (t) =  0. 0. 0.8 · (0. entonces Fξ (t) = 1 Por lo tanto.62 · (0. se tiene que:   0.4) /2 + 0.2 · 0.42 · (0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. si t < 0 2t. 0.2) /2 + 0. 0. Teniendo en cuenta la definici´n de la variable aleatoria ξ.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.6 + 0.6]2 = 0.4 + 0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. 0.22 · (0.8]2 = P [0. Si 0 ≤ t < 1/2.8]2 −P [0.8]2 = P [0. 0.82 · (0. representada o en la figura 3.6 · (0.4.2. conviene distinguir varios casos: Si t < 0.6) + 0.4.42 · (0.6 · (0.4 · 0.4 + 0.6) /2 − 0. t].4 + 0.

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

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

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

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

los tres primeros momentos ordinarios. La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2. 6092. E ξ 2 y E ξ 3 .6092 − (0.72x · ∂x = 0.72x3 · ∂x = 0. E [ξ] = E ξ2 0.3  0.9132. i i i i . Soluci´n o 1.8 0.8 1. esperanza matem´tica y varianza.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 . 71933. 2. 1764 · 10−2 . el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.72x2 · ∂x = 0. 57144.8 < x ≤ 1.3 Calcular: 1. 71933) = 9. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. 0 0.8 0. Utilizar (1) para encontrar la media y la varianza de ξ. Los tres primeros momentos ordinarios son E [ξ] .8 0. o 2.8 fξ (x) = 0. Soluci´n o 1. Teniendo en cuenta las propiedades de la esperanza.8 1. x > 0 fξ (x) =  0. P3. 0.8 1. a 3.3 2x2 · ∂x + 0.72   0 x > 1. para cualquier otro valor 1.3 = 0 2x3 · ∂x + 0.3 = 0 2x4 · ∂x + 0. Determinar la funci´n generatriz de momentos de ξ.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 2 2 E ξ3 2. E[2ξ + 5ξ 2 − ξ 3 ].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. 3.

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

Se selecciona una moneda. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. w3 . 4.15] Una caja contiene dos monedas legales y una con dos caras. l} wi ∈ {C. para i = 1. w1 . ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. donde m representa la moneda escogida al azar. 2. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. 1. la probabilidad de que la moneda sea legal es: P (A|B1 ) = P (B1 |A) · P (A) /P (B1 ) = P (B1 |A) · P (A) = = P (B1 |A) · P (A) + P (B1 |Ac ) · P (Ac ) 1 2 1 2 · = 1 2 3 1 = . se lanza y se devuelve a la caja. Se selecciona una moneda al azar. para todo i = 1. 2. 1.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 3. 3. 3. 4 . X}. l2 . Si se e lanza una moneda escogida al azar y sale cara. cada wi es el resultado del i. e siendo C si es “cara”y X si es “cruz”. w2 . 2 · 3 +1· 3 2 La probabilidad de que la moneda sea legal conociendo lo anterior y que adem´s en otros tres lanzamientos vuelve a salir cara. 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 . 2. 4. para i = 1. Por otra parte. w4 ) : m ∈ {l1 . es.´simo lanzamiento. ¿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. Si se lanza la moneda y sale cara.

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

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

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

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

Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. etc.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. es decir. Por ejemıa. e o plo. 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. el grueso de la moneda debe ser 35. las caracter´ ısticas de la superficie sobre la que cae. entonces g= r = 0. P3. la elasticidad de la moneda. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.3). Con esta notaci´n es e o claro que el problema pide la distancia que debe separar a los dos c´ ırculos para que el ´rea sobre la esfera que limitan sus dos c´ a ırculos sea la mitad del ´rea restante. 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 di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3.354r. i i i i . debe cumplirse que α = 2π/6. para dar una respuesta con esta segunda herramienta. arctan (π/3) En otras palabras. la fuerza y direcci´n con o que se lanza. a Dada la simetr´ concentr´monos en una secci´n de la esfera.4). si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. en su secci´n central (figura 3..20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.5). Sin embargo.3: Esfera que circunscribe los bordes de la moneda.

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

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

se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . si y ≤ 0 entonces Fη (y) = 0. 2 π π3 P3. cuando x > 0. mientras que si y ≥ L2 /2 entonces Fη (y) = 1. La venta de una cantidad o i i i i . Luego o o derivando en y se concluye su funci´n de densidad: o fη (y) = 12 · arcsen π3 2y L2 · π − arcsen 2y L2 · 2 L4 − 4y 2 .22] En funci´n de un estudio realizado en varios establecimientos. L2 /2 .i i i “libroult” 2001/8/30 page 106 i 106 EJERCICIOS RESUELTOS DE PROBABILIDAD Una primera idea para calcular la funci´n de densidad del ´rea fη es la o a de comenzar calculando su funci´n de distribuci´n Fη . 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. π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. 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. S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2. 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. y para ello sustituyamos el valor de la funci´n g en la expresi´n o o anterior: Fη (y) = P L2 sen(ξ(w)) ≤y 2 2y = P w ∈ Ω : ξ(w) ≤ arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 fξ (x)∂x = = x(π − x)∂x. Obviamente. para y ∈ 0.

2.6). resultando que c = ln (1 + a/b) . i = 1. P (ξi = 2) = 6/21. 6 billetes de 2000 pts. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). y 1 billete de 10000 pts. o En el caso particular a = 1. o Soluci´n o Consideremos como espacio muestral el conjunto de 7. 2. 7. . extra´ ıdos aleatoriamente uno de cada hucha. . DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. b = 2 se tiene que c = ln (3/2) . sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i .23] Se dispone de 7 huchas. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. ¿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). uno procedente de cada urna... P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac .0 ≤ x < c . .uplas de billetes. 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. respectivamente. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. con a y b constantes positivas. P3. 1. Nos dan 7 billetes. Adem´s.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3.´sima. Soluci´n o Sea c la cantidad de aprovisionamiento. . . 4 billetes de 5000 pts. a Apl´ ıquese al caso particular de a = 1 y b = 2.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. 5 y 10 con e probabilidades P (ξi = 1) = 10/21. Esta variable puede tomar los valores 1. Para una demanda x. cada una con 10 billetes de 1000 pts.

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

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

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

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

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

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

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

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

0. 1. total de n reservas (ξ1 .05) = 0.05i · (1 − 0. . i 3.05 = 2) = 2. Procedemos a calcular: P (η10. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.05) = 0. procedea mos a resolver el problema. ¿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.05) = 0 = 1 − 0. . con distribuci´n o i i i i . de acuerdo con el enunciado del ejercicio.05. .0.9884.0. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . . de un ı.2.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.05 ≥ 1) = 1 − P (η10. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario.p = ξi . n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. sigue una distribuci´n binomial de o par´metros n y p = 0. esto es. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.4013.052 · (1 − 0. . que el 20 % de las personas que reservan una mesa no asistir´n. Adem´s. ξn ). por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . Por ultimo: ´ P (η10. o por experiencia. de acuerdo con el dato o a inicial del problema.050 · (1 − 0. .0. ηn. Hechas estas consideraciones iniciales.05 ≤ 2) = i=0 10 10−i · 0.05 = 0) = 10 10−0 = 1− · 0. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. ξn ). .05. Se tiene que: 2 i=1 10 8 · 0. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.0746. 2 P (η10.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe.5987 = 0. . P4.

41696. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10.5799. 2381. 1! An´logamente. 21 −2 · e = 0. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. a n = 25. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0.2) = 0. 3. i P4. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. Entonces. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. Considerando que se cumplen ciertas condiciones de regularidad. Si el n´mero promedio de estos fallos es ocho. debe ocurrir que acudan 20 o menos. En el caso particular del problema.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. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. la probabilidad deseada es la siguiente: P (η = 1) = 2.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. 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. u 1. As´ se tiene que: ı. 2.2i · (1 − 0. i! i i i i . ¿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.2. 27067. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. De la misma forma. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. i! 3. o a Por lo tanto. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. 1.

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

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

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

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).7i i = = 0.3 Por otra parte. si j > k Por ultimo. n i=1 2 i=1 P4. . p 0. 333. . definamos un conjunto de variables aleatorias ξ1 . a lo largo de un mes. Se ıas tiene que: 30 P (ξ1 ≤ 40. el n´mero medio de visitas diarias que ı. Se asume que las visitas realizadas son independientes entre s´ Entonces.3. ¿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. . . el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . 29175. PRINCIPALES VARIABLES ALEATORIAS 3.7 + 10 = 10 · + 10 = 33. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0.310 · 0.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . 9597730 = 0. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. i i i i . Procediendo de forma similar al primer apartado. si j ≤ k . . ξ30 independientes e id´nticamene te distribuidas seg´n ξ. . .3. de acuerdo con los datos del problema. a y por tanto E [ξ] = n (1 − p) /p. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. 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. . se calcula: P (ξ1 = k|ξ2 = j) =    = 4.

6 desigualdad que se verifica para todo n ≥ 13.1. B).9. Pξ (k + 1) = · Pξ (k). (k + 1)(B − (n − k) + 1) 1.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. si ξ ∼ Poiss(λ). p).1. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. Si ξ ∼ Bi(n. entonces Pξ (k) = n n−k · pk · (1 − p) . es decir.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. A. (k + 1)(1 − p) n−k = i i i i . Pξ (k + 1) = Soluci´n o 1. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. sea mayor o igual que 0. si ξ ∼ BiNeg(n. Considerando que la probabilidad de obtener un as con este dado es 1/6. . . p). si ξ ∼ Hip(n. k+1 (A − k)(n − k) 4. se tiene que: n 5 ≤ 0. si ξ ∼ Bi(n. 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) λ 2. . P4. p). k para todo k = 0. P (ξn = 0) ≤ 0. n. k+1 (n + k)(1 − p) 3. .9.10] 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). Pξ (k + 1) = · Pξ (k).

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

Siendo las variables ξ1 . Por lo tanto.14] Una variable aleatoria ξ tiene la funci´n generatriz Gξ (t) = (0. Funci´n de probabilidad. 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 . Se pide: 1.i i i “libroult” 2001/8/30 page 126 i 126 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.8)5 . 3 3. o 2. respectivamente. De la misma forma. ξ2 y ξ3 al n´mero de u trozos que corresponden a Pedro en cada una. o P4. P (ξ > 0) y P (1 ≤ ξ ≤ 3). por ξ1 . se verifica que: o ξ > 3 · (4n − ξ) . Si el trozo de Pedro es mayor que tres veces el de Juan en una partici´n. es razonable n pensar que la partici´n no se ha hecho de un modo aleatorio. ξ2 y ξ3 independientes. i i i i . supongamos que se realizan 3 particiones (independientes) y representemos. es decir: ξ > 3n. 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) .2et + o 0. que es una probabilidad muy peque˜a. Por lo tanto.

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 . 2. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0.85 = 0. 67232. As´ ı: P (ξ = k) = 5! · 0.8) .85−k . 0 3.2k · 0. 2. en este caso.8 1.6 + 0. t=0 = 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0. ∂tk t=0 En concreto. Esperanza y varianza. 4. 1. si φξ es derivable k veces en un entorno del origen. 3. para todo k = 0. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. 4.2 · et + 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) .2k · 0.85−k = 0. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.8 i i i i . 5 = (0. k = 0. 1. Si G (t) es derivable en un entorno del origen k veces.2 · elnt + 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .2 · et − 1 = 0.2 · t + 0.6656. Teniendo esto en cuenta. PRINCIPALES VARIABLES ALEATORIAS 3.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 5 Se verifica que. 5. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .2.2 · et + 0. k 4. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.8 4 · et t=0 = 1.20 · 0. 3. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. −1 t=0 · 1. 5. (5 − k)! · k! 2.

3. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. k! 3. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. P (ξ > 1) y P (ξ > 2). o 1. Se pide: 1. k! para todo k = 0.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. 1. . Soluci´n o Procediendo de forma an´loga al ejercicio anterior. . −1)+t t=0 P4. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos.59399. . con media 22 minutos. Funci´n de probabilidad.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. a 2. Por ultimo. 1 · 2k · e−2 . Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . 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. Esperanza y desviaci´n t´ o ıpica. t=0 −1 − 4 = 2. o 2. i i i i .32332.

1 = 50. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . 3. De acuerdo con el enunciado. 22 3. Por lo tanto. = i i i i . se cobran a 2000 pesetas). Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). (Todos.? a o Para efectuar una programaci´n.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]) = 1/22.1. por cada media hora o fracci´n. x > 0. inferiores a 30. Te´ niendo esto en cuenta. para un tiempo de reparaci´n dado.1 y esto se cumple para t = −22 · ln0. ¿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. este ultimo inclusive. La probabilidad de que un tiempo de reparaci´n sea menor que diez o minutos es: 10 P (ξ < 10) = 0 1 · e−x/22 ∂x = −e−x/22 22 10 0 = 1 − e−5/11 . o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. 2. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . 657 ∼ 51 minutos. Debe verificarse: P (ξ > t) = 0. PRINCIPALES VARIABLES ALEATORIAS 2. 129 El costo de reparaci´n es de 2000 pts.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. 22 1. 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.

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

b] . En este caso. 2.16. 3 de donde se deduce que −µ/σ = z0. 2.4307. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.5 y σ = 1.6745. k 131 P4. PRINCIPALES VARIABLES ALEATORIAS es decir. (1 − µ) /σ = z0.3333 = −0.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1.75 = 0. P4.4307 y. 3.6667 = 0. b] . σ 3 luego (1 − µ) /σ = z0.19] Sup´ngase que ξ se distribuye como N (µ. podremos obtener dos ecuaciones lineales en µ y σ. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. 1.39 y σ = 0.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. σ).9. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . 2. o o i i i i . Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . en [−1. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . 4 es decir. en [−1. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . ıan procediendo de modo an´logo. A partir de estas dos condiciones. para todo u ∈ [a. las ecuaciones ser´ −µ/σ = z0. 1]. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. 1]. de lo que se obtiene que µ = 0. en el intervalo [0.3333 = −0. 2]. a < b.4307.obteni´ndose finalmente que µ = e 0.

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

i i i “libroult” 2001/8/30 page 133 i CAP´ ITULO 4. di cu´l es el a valor adecuado de la constante c de manera que c · h(x) sea funci´n de o densidad. puesto a e que 0 −∞ 1/π · y · 1 + y 2 −1 · ∂y = −∞ pero +∞ 0 1/π · y · 1 + y 2 −1 · ∂y = +∞. (c) 1. = 1. para todo x ∈ A. Se obtiene que: fξ (y) = fθ (arctan (y)) · (arctan(y)) = 1 · 1 + y2 π −1 . (b) x. x · 1/ 2π · exp( 2 2 +∞ −∞ V (X) = E X 2 − (E [X]) = −x2 1 x2 · √ · exp( ) · ∂x = 1. 1 < x < 10. Adem´s. por lo a o que es una funci´n de densidad. para todo x ∈ IR. 0 < x ≤ 2. la variable ξ = tanθ. (i) x7 (1 − x)9 . PRINCIPALES VARIABLES ALEATORIAS 133 con la tangente de θ. Una vez determinado el valor de c. (d) exp(−5x). θ sigue una distribuci´n uniforme en (−π/2. Adem´s. (j) x7 (b − x)9 . π/2). fθ (t) = a o 1/π. resultando: +∞ E [X] = −∞ √ −x2 ) · ∂x = 0. donde a y b son par´metros positivos: a (a) exp(−x2 /2). (g) e−ax x5 . x > 0. P4. aunque es sim´trica respecto al cero no tiene esperanza. o calculamos la esperanza y la varianza de la variable. esta funci´n es positiva para cualquier valor real. para todo x ∈ IR. π/2). 2 2π i i i i . e indica su esperanza y varianza para las siguientes funciones h(x). para todo x ∈ IR. 1. 0 < x < 1.23] A partir de las expresiones de las distribuciones notables. adem´s. Soluci´n o La constante c debe verificar que: f (x) f (x) ∂x A 2 2 ≥ 0. −(x−a)2 (e) e . x > 0. (h) e−a|x| . √ √ +∞ Se verifica que −∞ c · exp(−x2 /2) · ∂x = c · 2π = 1 si c = 1/ 2π. es decir. Teniendo en cuenta que. 0 < x < b. (f) e−(x−a) /b . para todo x ∈ IR. para todo t ∈ (−π/2.

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

Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1. 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. La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b. 2 a a a Para que sea funci´n de densidad. calculamos la esperanza y la varianza de la variable. 42 36 6 − 2 = 2. se ha de cumplir que o b 0 c · x7 · (b − x)9 · ∂x = 1. el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. PRINCIPALES VARIABLES ALEATORIAS 7. para lo cual c debe ser igual a 194480/b17 . en dos tiene un 2 y en una de ellas un 3. Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = . igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . Una vez determinado el valor de c. 120 a 8.24] Consideremos un dado que tiene en tres de sus caras un 1. Para que sea funci´n de densidad. resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . 17 b 81 19 81 1539 P4. 2 a 9. Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. 19 81 1539 10. i i i i . a para lo cual c debe ser igual a a/2 .

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

2 (2. 18) 1/3 · (1/6) 26 2 3.3. 3. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 18) 1/3 · (1/6) 27 2 3.3. 4 P (η > 8|ξ ≤ 1) = = 7 . 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 . 6. 6.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 12) (1/3) · 1/6 21 2 3.2 (3. k = 4 y n = 3. 6.2. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados.3. 6) 1/2 · 1/3 · 1/6 10 2 1.3 (2. 4) 1/2 · (1/3) 7 1.3 (3. 9) 1/2 · (1/6) 13 3 2.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 9. o Si k = 4 y m = 1.2 (3. 8) (1/3) 14 2 2.3 (3. demostrar que la probabilidad es m´xima cuando a N = 4n. 2.3.2. 9 P4. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.2. 12) (1/3) · 1/6 20 2 2. Obtener una expresi´n para la probabilidad de que ξ = m.3 (2. 9.2 (1.2.2 (2. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.2. Si N = 12. 3.2.2 (1.3 (1. e se les marca y se les reincorpora a su poblaci´n. Se capturan k lagartos. 3. 2. 18) 1/3 · (1/6) 30 3 3.3. 4. 6. 4.3.3 (1. 12) (1/3) · 1/6 18 2 2. 6) 1/2 · 1/3 · 1/6 9 1. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . a 1.

i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. ¿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. 3. la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. . 1. m = 0. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . 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. . ξ ≥ 1) P (ξ = 3) 1 = = . o e 1. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i .. 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. P4.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. 2. k = 4 y n = 3. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. . . donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . n.

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

La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . 3. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. 2 i i i i . 1296.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 . 0! e 4. y. que denotaremos η1 . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . ∂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 .η1 . 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. ξ5 = 4) P (ξ3 = 4. 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 . Se tiene que: Fη3 (t) = P (η3 ≤ t) = 1 − P (η3 > t) = = 1 − [P (ξt = 0) + P (ξt = 1) + P (ξt = 2)] = t0 −t t1 −t t2 −t = 1− ·e + ·e + ·e = 0! 1! 2! t2 = 1 − e−t 1 + t + . y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 . η1 . sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4.η1 (x. 5. η1 . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco.

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

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

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

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

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

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

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

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

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

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

N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero. Extraemos 3 bolas sin reemplazamiento. 2. y = 1 · i=0 10−x j=0 10−y i = 1/2y . Por lo tanto P (ξ = x. Calcular la distribuci´n de probabilidad o o conjunta. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. 1.8] 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)”. la probabilidad P (ξ = x. si · 10−x j = 1/2x . Soluci´n o 1. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz).10). si 2. Distribuciones de ξ condicionada a η = y (y = 0. si . . y = 2. 5. y = 1 x = 2.. 2 blancas y 1 roja. o Calcular las distribuciones marginales. . 10 x = 0. si 10−y x = 1. 10. Las correspondientes distribuciones marginales son: i i i i .i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. . 4. 3. 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 P5.7] Consideremos una urna con 3 bolas azules. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. y consideremos las variables aleatorias que nos dan el n´mero ξ de bolas azules y el n´mero η de bolas blancas u u que aparecen en la extracci´n. . Calcular la funci´n de probabilidad conjunta. . . y = 0 x = 1. . . η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5.

. La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. si . si x=0 x=1 x = 2. η = y) = .i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. . . por ejemplo: P (ξ = 2. . si . . . . . 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. . η = i) = 1. Las variables aleatorias ξ y η no son independientes. si . 1 9 2 1 P (ξ = x. . η = 1) = 5. Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. P (η = 0) 2x−1 . si y = 2. . si P (η = y) =     =    P (ξ = x. 10 + 10 y=2 1/2y = 1/2 . si y=0 y=1 y = 2. Esperamos o una hora y observamos lo que queda en la jaula. η = y) = . 10 4. i i i i . P5. si 3. . pues.3.9] En una jaula hay un rat´n y dos pollitos. si x=0 x = 2. . . η = 0) = 1. 10 + 10 x=2 1/2x = 1/2 . . . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · .

¿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. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. las variables ξ y η no son independientes. 3. η). y) pertenece al recinto limitado por las rectas x + y = 1. 2.343 0.36 . pues: a P (ξ = 0.027 0 0 0 0. para x = 0. 3.027 0. 2. y = 0.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5.3. 1. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. 3. x = 0. La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2.027 2 0 0. η = 4) = 0. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. η = 2)+P (ξ = 2. η) o es: η|ξ 0 1 2 3 0 0.1. 1.21 6 0 0 0. η) .126 0 0 0.126 4 0 0. 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.10] Sea (ξ. y) = 24y (1 − x − y).343 1 Adem´s. i i i i . 3 · 0.294 0 0.147 0 0. si (x.189 0.33−x · 0.294 8 0 0 0 0. u dar la distribuci´n conjunta de (ξ. Esto puede observarse en la figura 5.063 0.343 0.7x . Calcular las funciones de densidad marginales. P5.33 = P (ξ = 0) · P (η = 0) = 0. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η = 0) = 0. η = 0)+P (ξ = 1.441 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. 2. Calcular las funciones de densidad condicionadas.

i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5. i i i i .1: Diagrama para el ejercicio P5.9.10.2: Regiones del plano para el problema P5. y R4 R3 R2 R1 R6 R5 x Figura 5.

y) ∈ R6 : F (x. 1−y x=1−y fη (y) = 0 24y (1 − x − y) ∂x = 24y (1 − y) x − 12yx2 x=0 2 2 2 = = 24y (1 − y) − 12y (1 − y) = 12y (1 − y) . y) ∈ R5 : y 1−t 0 F (x.i i i “libroult” 2001/8/30 page 155 i CAP´ ITULO 5.2. si (x. y) = 0 24t (1 − s − t) ∂t ∂s = 1 − (1 − x)4 . VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 155 Dividimos IR2 en distintas regiones seg´n muestra la figura 5. y en cada u una se obtiene: si (x. y) ∈ R2 : x y 0 F (x. y) ∈ R4 : x 1−s 0 1−y 2 2 0 24t (1 − s − t) ∂t ∂s y (2y − 8y + 6) − (1 − x)4 + y 4 . si (x. y) ∈ R1 : F (x. si (x. 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) . i i i i . para 0 ≤ y ≤ 1. y) = 0 24t (1 − s − t) ∂t ∂s = 12y 2 x − 6y 2 x2 − 8y 3 x. y) = 0 24t (1 − s − t) ∂s ∂t = y 2 (3y 2 − 8y + 6). y) ∈ R3 : 1−y y F (x. y) = 0. si (x. y) = 0 x 0 24t (1 − s − t) ∂t ∂s 1−s + = si (x. para 0 ≤ x ≤ 1. F (x. y) = 1.

0 ≤ x ≤ 1 − y. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. y) ∈ R1 : F (x. Dado que la funci´n de distribuci´n es uniforme. y = 0. i i i i . y fη|ξ=x (y) = f (x. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. Calcular o la funci´n de distribuci´n. y) = xy − y 2 . si (x. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. la funci´n de distribuci´n es: o o si (x. x = 2.3: Regiones del plano para el problema P5. y) ∈ R2 : F (x. entonces o o fξ. es decir.11] Sea (ξ.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas.11. Por tanto.3. Por ultimo. 0 ≤ y ≤ 1 − x. P5. k = 1. y) = 0.η (x.

x ≥ 0.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. y) est´ en R2 . y) = y(2 − y). Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c. y) arbitrario pero fijo: i i i i .12] Sea (ξ. Soluci´n o 1. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. considerando un punto (x. Consideremos las zonas del plano indicadas en la figura 5. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. 4 F (x. y) est´ fuera de R2 . Calcular la funci´n de distribuci´n conjunta. y ≥ 0 .4: Regiones del plano para el problema P5. Calcular las funciones de densidad condicionadas. y) = 4/π cuando (x. o o Calcular las funciones de densidad marginales. y) = 1. P5. y) ∈ IR2 : x2 + y 2 < 1. y) ∈ R4 : x2 . 1. y) = 0 cuando (x. y o a f (x. si (x. y) ∈ R3 : F (x. 2.12. y) = si (x.4. si (x. La funci´n de densidad es f (x. y) ∈ R5 : F (x. De este modo. 3.

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

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

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

i i

i

“libroult” 2001/8/30 page 161 i

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

161

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

4AC =

= 1−
0 0

fB (b) · ∂b ·fξ (x)·∂x−
1/4 0

fB (b) · ∂b ·fξ (x)·∂x.

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

=
0 1 0

fC (c) · ∂c · fA (a) · ∂a
x/a

+
x 0

fC (c) · ∂c

· fA (a) · ∂a =

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 162 i

162

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R4

R3 x R2

R1

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

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

cyex ∂y ∂x = 1,

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

F (x, y) =
−∞

−tes ∂t ∂s =

x2 y2 −x+1− 2 2

ex ,

si y ≤ x:
y y s

F (x, y) =
−∞

−tes ∂t ∂s = (1 − y) ey ,

si x ≤ 0, y ≥ 0:
x 0 t

F (x, y) =
−∞

−tes ∂t ∂s =

x2 − x + 1 ex , 2

i i i

i

i i

i

“libroult” 2001/8/30 page 163 i

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

163

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

Fξ (x) Fη (y)

=
−∞ y

−tes ∂t ∂s =

x2 − x + 1 ex , para x ≤ 0. 2

=
−∞

−tes ∂t ∂s = (1 − y) ey , para y ≤ 0.

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

Rx −yes ∂s R−∞ y s
−∞

−ye ∂s

= ex−y

si x ≤ y si y < x.

1

  

Ry −tex ∂t Rx 0 x
x

−te ∂t

=1−

y 2 x

si x ≤ y ≤ 0 si y ≥ 0 si y < x.

 1  0

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

eity fη (y) ∂y

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

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

i i i

i

e−2 + 2e−1 − 1 yey − ye−2−y . a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. ξ + η ≥ −2) = P (ξ + η ≥ −2) y −1 0 −1 t −2−t t −2−t −tes ∂s ∂t −tes ∂s ∂t = = ey (y − 1) + e−2−y (y + 1) + 2e−1 . para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0.6: Plano del teatro del ejercicio P5. 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. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. e−2 + 2e−1 − 1 Por lo tanto. i i i i .16. o 1.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. 2. y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. Por ultimo.16. esto es. 3. As´ se obtiene que: ı. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. y) y el centro del escenario (el origen 0). Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x.

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

P5. 1. y por lo tanto. o o 2. 3. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes.17. El perro corre a 10 m/s. Hallar la funci´n de distribuci´n de la coordenada η. a un ladr´n que se encuentra en los o frutales.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. Para obtener la probabilidad de estar a la sombra se calcula el ´rea a de la zona a la sombra: 100 60 0 √ 1002 −x2 100 ∂y ∂x = 60 1002 − x2 ∂x = 2236. η). que queda inm´vil al e o o o despertarse el perro.7: Plano de la finca del ejercicio P5. 15646. y cero en otro caso. El ladr´n. en menos de 15 segundos. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. 3. i i i i .5 π(1002 −302 ) 2 = 0. se encontrar´ en un punto aleatorio de la finca (ξ.7. Hallar la primera coordenada de la posici´n media en que se da o caza. tal como muestra la figura 5. En la esquina 0 duerme el perro guardi´n. Cuando el perro se a despierta. la probabilidad que se pide es: 2236.5. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. una con frutales y otra con hortalizas.

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

3.i i i “libroult” 2001/8/30 page 168 i 168 EJERCICIOS RESUELTOS DE PROBABILIDAD Si 30 < t ≤ 40: 100 200 0 FT (t) = 0 x ∂x∂y + 6 · 105 FT (t) = 1. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. 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. dado que ξ = S y η = 10T − S entonces fT. S). teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. 10t − s). 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. Concretamente.η (s. i i i i .S (t. η). s) = 10 · fξ. 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 . donde T := (ξ + η)/10 y S := ξ. η ≥ 100. ξ + η ≤ 150) P (η ≥ 100. 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.

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

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

de lo que se sigue que la sucesi´n converge en media cuadr´tica a la o a variable aleatoria degenerada X ≡ 0. 2n 2n 2n3 l´ E |Xn | ım 2 = 0. si 1 − n ≤ t < 1  1 − n + 2n = 2n   1 .. se analizar´ la convergencia en media cuadr´tica de la sucea a si´n. θ > 0.2] Sean {Xi }i=1 variables aleatorias independientes distribuidas uniformemente en el intervalo [0.n} n i i i i . Estudiar la convergencia en ley de la variable aleatoria X(n) = m´x Xi . n´tese que la funci´n de distribuci´n o o o de la variable Xn . si 1 − 1/n ≤ ε < 1 . si 0 ≤ t < 1 − n 1− n FXn (t) = 1 1 2n−1 1 . se concluye que la sucesi´n converge en ley a esta ultima o ´ variable. si t < 0  0   1 1 . 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. si . Para ello. o Soluci´n o Estudiemos en primer lugar si la sucesi´n {Xn }n∈N converge en probao bilidad a la variable X ≡ 0. Para estudiar la convergencia en ley. θ] .. n ∈ N es:  .i i i “libroult” 2001/8/30 page 171 i CAP´ ITULO 6. a i∈{1. se tiene que: P (|Xn − X| > ε)   P (Xn = 1 − 1/n) + P (Xn = 1) = 1/n . si ε < 1 − 1/n P (Xn = 1) = 1/ (2n) . en ley y en media cuadr´tica a de esta sucesi´n a la variable X ≡ 0. =  0 . t≥0 que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. si ε ≥ 1 prob´ndose as´ que esta sucesi´n converge en probabilidad a la variable a ı o X. P6. si t ≥ 1 y se verifica: n→∞ l´ FXn (t) = ım 0 1 .. Finalmente. si t<0 . dado un ε > 0. CONVERGENCIA 171 Estudiar la convergencia en probabilidad.

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

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

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. Sean ξ1 . Realizados n e n o tiros. esta proporci´n converge en probabie u o lidad a 2/3. . Si uno de los dos empleados contestara al azar a todas las preguntas. que acierta el primer empleado. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. .7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. del total de u 30 que responde al azar. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. Entonces. siendo p = 2/3 su probabilidad de encestar en cada tiro. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. i=1 ξi /n es la proporci´n de aciertos. ξ2 . ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. de acuerdo con la Ley D´bil de los Grandes N´meros. a P6. n´tese que E |ξn | = 1. 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. . de las que s´lo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que s´lo hay una plaza o vacante.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. a i i i i . ¿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 2.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. P6. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar). 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. ım 2 Sin embargo.

n2 · p2 · (1 − p2 ) = 15) . la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. n1 · p1 · (1 − p1 ) = 7.9495 De forma similar al apartado anterior. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).5 − 15 √ 7. .6331 i i i i . 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi .5 = 0. CONVERGENCIA 1. . X = n 104 i=1 Xi . 175 Aproximemos.5) . . mediante el Teorema Central del L´ ımite. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. Z> 10 + 0. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. en el caso de que ´ste responda las 80 pregune tas al azar. a 100 + 0. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.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. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2.5 − 30 √ 15 = 0. i = 1. y aplicando el Teorema Central del L´ ımite.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado.5438 P6. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. Procediendo de forma an´loga a los casos anteriores. 2. Teniendo en a cuenta lo anterior. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. Z> 30 − 0. a una normal de par´metros µ = 104 y σ 2 = 104. .5 − 40 √ 20 = 0.

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

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

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

9 i i i i .6.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.4] Sean: y= x + 2. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . REGRESION Y CORRELACION 1.3 − 1.4 − 1.6 P (Y = yi ) 0.3. o 179 Soluci´n o 1. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.75 · (x − 1. Obtener el coeficiente de correlaci´n de estas variables.62 ) · (5. P7. La recta de regresi´n de Y sobre X es: o y − 1. 3. Y = yj ) = 3.8 i yj P (Y = yj ) = 1.6) . E Y 2 j=1 2 2 yj P (Y = yj ) = 5. 58333. o Determinar la recta de regresi´n de Y sobre X.8. 2.4 0. 15 x y = + 1.8 (2. xi P (X = xi ) = 1.4 j=1 E [Y ] = = Finalmente: ρXY = 2.8 − 1.82 ) = 0.4 0.8 = 1.6 · 1.

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

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

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

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

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->