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

.

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

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

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

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

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

2. si el ultimo d´ ´ ıgito ha de ser 0 y no se permiten repeticiones? Soluci´n o Asumamos que para que un n´mero sea de 4 d´ u ıgitos su primer d´ ıgito debe ser distinto de cero. . 1. el resultado n = 0 no es v´lido. P1. u P1. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). i i i i . . Por lo tanto. Por tanto. se pueden formar 92 · 8 · 7 = 4536 n´meros.6] En un grupo de 10 amigos. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. Por lo tanto.i i i “libroult” 2001/8/30 page 14 i 14 es decir. Como n ≥ 1 . Al igual que en el apartado anterior. Como adem´s no se permiten repeticiones. .1.9 1. La soluci´n es n = 5 a o (el pent´gono).4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. e u 2. sin repeticiones.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. u 3. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. el n´mero de maneras u distintas es V R365. permitiendo repeticiones.10 = 36510 .. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. 3. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. el primero de ´stos no puede ser cero. el primer d´ ıgito no puede ser cero. Fijamos el ultimo d´ ´ ıgito y. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. a P1. como no puede haber repeticiones.

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

En este caso tendremos una unica unidad de matem´ticas. P1.11] Con 7 consonantes y 5 vocales ¿cu´ntas palabras se pueden formar que a tengan 4 consonantes distintas y 3 vocales distintas? i i i i . 1. Por otra parte. respectivamente. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. Supongamos que los libros de cada materia son id´nticos. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas.3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. Consideramos cada conjunto de libros de una misma materia como una unidad. existen 9! = 362880 maneras de ordenar estas 9 unidades. y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matem´ticas. maneras. Entonces. P1. hay 3! = 6 ordenaciones posibles de las materias. Por a lo tanto. as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros. que consideraremos diferentes para este c´lculo inicial. s´lo los de matem´ticas tienen que estar juntos? o a Soluci´n o Supongamos que los libros de cada materia tambi´n son diferentes e (de distintos autores). si las 4 primeras son obligatorias. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. que pueden ordenarse de 3! = 6 formas distintas. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. N´tese que entonces se tendr´ un total de 3 o ıa unidades. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y. resultando un total de C6. 2. e 1. Por lo tanto. Consideremos cada conjunto de libros de una misma materia como una unidad. As´ puede elegir las preguntas de C10.7 = 10·9·8/ (3 · 2) = 120 ı. puesto que los libros de cada materia son indistinguibles. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. 2.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. es a a irrelevante. ı Consideremos los cuatro libros de matem´ticas como una unia dad.i i i “libroult” 2001/8/30 page 16 i 16 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. que adem´s no podr´n repetirse.

para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas.2 = 10 grupos de 2 matem´ticos.4 = 35 grupos de 4 consonantes distintas y C5.2 = 15 grupos de 3 f´ a ısicos.2 = 25 · 24 = 600 billetes diferentes. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. hay un total de V25. P1. 2. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. ¿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. Luego hay un total de 10 · 35 = 350 comisiones posibles. ¿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. entonces s´lo hay 1 posibilidad. un f´ ısico particular ha de estar en esa comisi´n. Por otra parte. 10 · 15 = 150 comisiones. luego existen C5. Puesto que todos son elegibles. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. 3. y adem´s.3 = 35 grupos de 3 f´ a ısicos. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. y C6.13] 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. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. 3. As´ se pueden formar ı. Se fija uno de los f´ ısicos.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos.3 = 10 grupos de 3 vocales distintas.2 = 10 grupos de 2 matem´ticos.12] Una l´ ınea de ferrocarril tiene 25 estaciones. a dadas dos estaciones. o i i i i .2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. todos son elegibles. a o Adem´s hay C7. 2. ¿De cu´ntas formas podr´ hacerse si: a a 1.14] Tres atletas toman parte en una competici´n.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. P1. existen C5. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. es importante saber si corresponden al principio o al final del trayecto. y C7. por lo que hay C5.

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

m−r = maneras de distribuir las bolas. P1. hay: Cn. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. no hay restricciones. dada una de estas posibles distribuciones. por ejemplo. 2. COMBINATORIA 19 de CRn−r.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. u Sin embargo. Por lo tanto.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. 625 · 1000 = 625000. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. por lo tanto. 2. As´ hay V25. Se procede de forma similar al caso anterior. El n´mero de permutaciones de las siete personas en la mesa es 7!. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. 2.2 = 25·24 = ı.3 = 1000 posibilidades para los d´ ıgitos. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. N´tese que.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. la posici´n relativa de todos los individuos ser´ la miso a ma. 600 posibilidades para las letras. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. si cada individuo se traslada al asiento situado a su derecha. en el caso de que las urnas no fueran distinguibles. con la unica diferencia ´ de que ahora las letras no pueden repetirse. como no se hacen distinciones entre los asientos en la i i i i . El total de historias cl´ ınicas que pueden hacerse es. y V R10. Por tanto. no hay restricciones sobre letras y n´meros. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. 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. ıa ıa P1.r · CRn−r. dos personas particulares no pueden sentarse juntas? Soluci´n o 1.3 = 103 = 1000 posibilidades para los d´ ıgitos.2 = a e 252 = 625 posibilidades para las letras. Suponiendo que hay 25 letras. se observa que. resulta que hay V R25.

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

4 = 274 posibilidades. Por lo tanto.m = 2m resultados distintos para las monedas.d · (m + 1) resultados diferentes. i i i i .d . Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. Procediendo de forma an´loga para las m monedas.2 = 272 posibilidades.21] Si se arrojan d dados y m monedas. de obtenerse el mismo resultado en varios dados. 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. puesto que se distinguen los dados entre s´ y en una tirada pueı. COMBINATORIA 21 del tipo “nombre apellido” hay V R27.d = C6+d−1.3 = 273 posibilidades. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. Si tiene tres nombres como m´ximo.m = a Cm+1. P1.d = 6d resultados distintos para los dados. 3.m = m + 1 resultados. del tipo “nombre1 nombre2 apellido” hay V R27. hay un total de V R6. hay un total de CR2.d = Cd+5. Adem´s.m = C2+m−1. para las m monedas. es CR6.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1. ¿cu´ntos resultados diferentes se a pueden distinguir? Soluci´n o Suponiendo que los dados son distintos y las monedas son distintas: Para el caso de los d dados (un dado tiene 6 resultados posibles). hay Cd+5. del que hay V R27. se obtienen a V R2. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales.

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

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

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

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

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

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

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

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

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

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

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

. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. 2. Por lo tanto. 6. es decir. para todo i = 1. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. 7. . 9} . 4. Entonces. 2. 5. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. P (Ac |B c ) = 2/3. i i i i . FUNDAMENTOS DE PROBABILIDADES 35 P2. es decir. A ∩ B = ∅. 6. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . Soluci´n o 1. un espacio muestral es Ω = {1. . Dicho espacio es equiprobable y P ({i}) = 1/9. determinar si se cumple que: 1. 7. e ı 3. 2.12] Dado que P (A) = 1/3. 5. por lo que se concluye que los dos sucesos no son independientes. .i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. 9} . Soluci´n o A1 . P (B|A) = 1/3. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. 3. A ∩ B = ∅. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. 9. 8. 2. Por definici´n de probabilidad condicionada. B = {3. 3} . P (A) 1/3 1/3 3 P (B) = P (B|A). A = {1. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 8. A ⊆ B. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 3. A y B son independientes.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 4. 4.

2}) P2. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. 2. pues. 2. P (B c ) P ({1. para todo i = 1. con P ({i}) = 1/6. definimos un espacio muestral Ω = {1. 2. 6. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. 2} . 3. 5. 2. 3. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. 5. 6}. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. pues. 6} . La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. 4. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 5. en el contraejemplo del apartado (a). 2} y B = {3.13] ¿Son ciertas las igualdades: 1. P ({1. 6}) 2/6 1 = = . Definimos tambi´n los sucesos A = {1. Obs´rvese.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. . 4}. 3. 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. c Sustituyendo en las correspondientes expresiones. i i i i . que verifican: e A ∩ B = ∅. . c c c A ∩ B = (A ∪ B) = {5. P (A|B) + P (Ac |B c ) = 1. P (A|B) = P (Ac |B c ). B = {1. 2. 6} . utilizando nuevamente el ejemplo del primer apartado. si utilizamos los datos del ejemplo del apartado anterior. P (A|B) + P (A|B c ) = 1? Soluci´n o 1. se obtiene: A ∩ B c = {1. . . que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0.

4. 2. entonces Ac y B c son independientes. Ac y B c son independientes. P (Ac |B c ) = 1/2. P (A) P (A) 2 por lo que no es posible que A ⊂ B. P (B|A) = 1/2 y P (A|B) = 1/4. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . i i i i . 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 ) . 2.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. A y B son incompatibles. 5. A y B son independientes.15] Sean A y B dos sucesos tales que P (A) = 1/4. N´tese que si A ⊂ B entonces A ∩ B = A. P (A|B) + P (Ac |B c ) = 1. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. 3. Soluci´n o 1. c concluy´ndose as´ que Ac y B c son independientes. Decir si son ciertas o falsas las siguientes relaciones: 1. 6}) 1 2/6 = . FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. 6.14] Demostrar que si dos sucesos A y B son independientes. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). 5. e ı P2. P (A|B) = 37 P2. A ⊂ B. En efecto. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1.

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

a e Si r = 2. entonces Ac .i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. 3. 2. i = k. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. 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 ) . por el ejercicio 10: “Si A1 . Ac y Ac son independientes”. FUNDAMENTOS DE PROBABILIDADES 39 P2. 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. que est´ expresado en t´rminos de las probabilidades pedidas. 2. a Soluci´n o 1. 2. i = j. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . 3. k = 1.8: 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 ) . para todo i. j. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. j = k. a por el ejercicio P2.17] Supuesto que los sucesos A1 . entonces: P ((A1 ∩ A2 ∩ Ac ) ∪ (A1 ∩ Ac ∩ A3 ) ∪ (Ac ∩ A2 ∩ A3 )) = 3 2 1 = P ((A1 ∩ A2 ) ∩ Ac ) + P ((A1 ∩ A3 ) ∩ Ac ) + P (Ac ∩ (A2 ∩ A3 )) 3 2 1 = P (A1 ∩ A2 ) − P (A1 ∩ A2 ∩ A3 ) + P (A1 ∩ A3 ) −P (A1 ∩ A2 ∩ A3 ) + P (A2 ∩ A3 ) − P (A1 ∩ A2 ∩ A3 ) . ocurren exactamente r sucesos. A2 y A3 son independientes y asumiendo que r = 0. i i i i . 1. como m´ximo ocurren r sucesos.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . obtener expresiones en t´rminos de P (A1 ). al menos ocurren r sucesos. A2 y A3 son independientes. Adem´s. 3.

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

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

Por ello.i i i “libroult” 2001/8/30 page 42 i 42 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informaci´n. w3 ∈ {w1 . w1 = w2 . C} . En un momento dado. C} . B. C}} . C)) = 1 . C)} y por tanto la probabilidad sigue siendo 2/3. B)) = P (({B. C) con a historiales similares. 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. entonces su probabilidad es 2/3. si hace la pregunta. que es un espacio equiprobable. w3 ) : wi ∈ {A. entonces la probabilidad de ser uno de los dos indultados es 2/3. Dado que el suceso “A es indultado” coincide con {{A. mientras que si la hace obtendr´ respuesta y a entonces la probabilidad de ser el otro indultado es 1/2.19] Dilema del prisionero. B) . {B. C)) = . a Sin embargo. y por tanto ese c´lculo del prisionero es correcto. ({A. B} . w2 } \ {A}} . C} . C} . {A. w2 } : wi ∈ {A. B} . Aqu´ est´ su error. C} . En una c´rcel hay 3 prisioneros (A. B} . 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. 3 1 P (({B. s´lo o le servir´ para disminuir la probabilidad de ser uno de los dos indultados. B. i i i i . B. 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. B} . debido al propio e enunciado de la pregunta. C} . pero s´ puede pedir que le den el nombre e ı de uno de los otros dos (nunca ´l) que est´ indultado. los tres solicitan el indulto a un tribunal. un espacio muestral ser´ ıa Ω = {w = ({w1 . w2 } . porque sea cual sea la respuesta. donde w1 y w2 representan los dos presos indultados. N´tese o que: P (({A. C} . concluye que es mejor no hacer tal pregunta. B)) = P (({A. En consecuencia el o suceso “A es indultado” coincide con {({A. Sabe que no puede preguntar o si ´l es uno de los dos indultados. En efecto. y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. w1 = w2 } = {{A. a ¿D´nde est´ el error de su razonamiento? o a Soluci´n o Si no hace la pregunta. {A. C}}. entonces un espacio muestral es Ω = {w = {w1 . Pensando un poco e e concluye que si no hace tal pregunta.

Analizar matem´ticamente ambas alternativas. −n · (ln364 − ln365) ≥ ln1 − ln2.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. concluyendo as´ que n ≥ 252. con la segunda opci´n. = Sin embargo. 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 .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 . ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. 2 i i i i . con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n.5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. o P2. 2. propia de jugadores m´s cautelosos. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0.474. 1084. apostar los 20 euros sobre “pares” en una unica jugada. Ahora obtengamos el menor valor n natural tal que: 1− es decir. a Soluci´n o Recurriendo a la primera opci´n. propia de jugadores m´s arriesgados. FUNDAMENTOS DE PROBABILIDADES 43 P2. luego la clase debe tener al menos 253 ı alumnos.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. Es decir. 364 365 n ≥ 1 . Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

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

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

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

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

· 48
52 5

.

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

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

· 12 ·
52 5

4 2

.

i i i

i

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

An´logamente ´ a al apartado anterior. Sea J el suceso “Se obtiene una pareja”. 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. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. Para las tres que faltan deben descartarse aquellas combinaciones que.999. todo cliente sin fondos pone una fecha err´nea en sus cheques. 0. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . El 90 % o de los clientes del banco tienen fondos. 1. P2. Se recibe hoy en caja un cheque con fecha equivocada. 0. ya que no importa el orden en que ´ ´stas se elijan. 1 · 0. 0.001. w2 ) .2 parejas posibles. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.001 · 0. o Por lo tanto. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. 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) = = = = = = = = 0.001. junto a las dos primeras cartas.1. En cambio. formar´ un tr´ un p´ker o un full. 0. ıan ıo.9.1 + 0. El espacio Ω no es equiprobable y tiene 4 elementos. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 .1 = 0. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. y procediendo de forma similar al caso del tr´ fijadas ıo.9 i i i i . equiv}).99108. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6.

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

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

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

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

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

todos ellos equiprobables. i = 1.34] Problema de Galton. i = 1. lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. P2. 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) = 1/4.33] Problema de Bertrand. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. entonces P (A) = 2/6 + 2/6 = 2/3. Entonces. Puesto que estos sucesos son disjuntos. 2. Dos arqueros de la misma destreza tiran al blanco. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. 2. Si cada elemento de dicho espacio se representa por w = (w1 . sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. w2 . w3 ) : wi ∈ {C. Adem´s. X} . “intermedio” y “m´s alejado” entre los tres lanzamientos. 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. ¿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. del primer arquero. Si gana el que tire la flecha m´s cercana al centro de la diana. el primero dos flechas y el segundo una. Si una persona compra n ıa boletos. ¿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. P2. Se lanzan tres monedas al aire. As´ por ejemplo. 3} donde wi . a a Claramente se trata de un espacio con 3! = 6 sucesos elementales.35] Una loter´ vende n2 boletos y da n premios. w2 . se puede considerar que los dos primeros ı. respectivamente. representemos el espacio muestral como: Ω = {w = (w1 . w3 es el unico lanzamiento del segundo arquero. 3 son los resultados respectivos de las tres monedas. ¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . w3 ) .i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. siendo w1 y w2 el primer y segundo lanzamiento.

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

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

3. Calcular la probabilidad de que su diferencia sea mayor que 1/6. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. es decir. entonces A := {w ∈ Ω : w1 ∈ [0. Calcular la probabilidad de que su producto sea mayor que 1/7. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. 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. ya que el ´rea del total es la unidad. Seg´n la hip´tesis del enunciado. i i i i . 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). N´tese que por tanto w1 ∈ [0. Sea A el suceso “su diferencia es mayor que 1/6”. a 1. π[. 1]. b[ y que o w2 ∈ [0. En efecto. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. Calcular la probabilidad de que su suma sea mayor que 1. P (A) = (5/6)2 = 0. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . asumiendo que a ≤ b. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. 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. Consecuentemente. b[×[0. π[}. π[ claramente equiprobable. si A es el suceso que representa “la aguja toca una l´ ınea” y. 2. a cos(w2 )[ para cada w2 ∈ [0. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace.69444. dado el objetivo que se persigue en el problema. 1.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. En concreto. Por ello.

i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas. Sea C el suceso “su producto es mayor que 1/7”. es decir: 1 P (B) = . no es relevante la hora en que acuden las personas a al punto de encuentro. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}.39] Problema de encuentro. ¿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. Por lo tanto. pero s´lo permanecen en dicho punto 5 minutos. 7 P2. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. 2 3. Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. 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”. Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. En efecto. 9 P2. un o espacio muestral equiprobable es Ω = {w = (w1 . y considerando que las 18:00 horas son el origen. x + 5/60] = [x. x + 1/12] el intervalo de tiempo. que una de las personas permanece en el i i i i . o ¿Qu´ probabilidad hay de que efectivamente coincidan? e Soluci´n: o A efectos pr´cticos. sea [x. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7. Sea B el suceso “su suma es mayor que 1”. es decir: C = {w ∈ Ω : w1 · w2 > 1/7}. 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 . sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas. es decir: B = {w ∈ Ω : w1 + w2 > 1}.

. n).41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . . un e espacio muestral ser´ ıa Ω = {w = (w1 . e igualmente [y. o punto de encuentro. con wi ∈ {D. i = 1. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. b). . Por lo tanto. . i i i i . para cualesquiera n´meros a o u enteros m y n. un total de a + b desplazamientos. pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. La figura 2. a + b} .1: Regi´n de casos favorables sobre casos posibles del problema P2. luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. a + b. es ps · a+b−s (1 − p) . es decir. . Podemos representar cada suceso elemental como w = (w1 . Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. . La probabilidad de un suceso elemental con s movimientos a la derecha. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. . por ejemplo. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12.40. n) y o una probabilidad 1−p de pasar a la (m. . . Este espacio no es equiprobable si p = 1/2. . i = 1. . por lo a o que para pasar por (a. A} . . y + 1/12] el correspondiente a la otra persona. A} . o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. w2 . Cuando est´ en la posici´n (m. n+1). . . wa+b ). 0). . P2. wa+b ) : wi ∈ {D. . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. Determinar la probabilidad de que el punto pase por la posici´n (a. tiene una probabilidad p de pasar a la posici´n (m+1.

Nadie m´s se subir´. .1. Ω = {w = (w1 . . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. . entre el 1 y el 11.11). ı ´ 2. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. 8}. Cada persona selecciona el piso en el que se bajar´n. . . . y esta probabilidad es pa · (1 − p) . . Continuando con el espacio muestral Ω. 11} para cada i = 1. ıa 1.10. . i i i i . Este espacio muestral tiene |Ω| = 118 sucesos elementales. . es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. es decir. . y adem´s a todos ellos son igualmente probables.42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. sea A el suceso “todas las personas se bajan antes del quinto piso”.i i i “libroult” 2001/8/30 page 60 i 60 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“el punto realiza a desplazamientos hacia la derecha y b hacia la izquierda”. . Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. por ejemplo. Es decir. Como consecuencia de esto ultimo. finalmente se tiene que P (A) = a+b b · pa · (1 − p) . . . a a a 1. . Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden.2. u en este caso el c´lculo de la probabilidad de un suceso no se reduce a cona tar cu´ntos sucesos elementales contiene ya que el nuevo espacio muestral a no ser´ equiprobable. . 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. 8} . ya que hay Ca+b. que todas las personas son distinguibles. Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. a P2. Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. con igual probabilidad. Por lo tanto. . . .. Sin embargo. w8 ) : wi ∈ {1. .

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

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

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

a siendo|Ω| = C20. a}} . salgan en el orden roja.45] Una caja contiene ocho bolas rojas. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . 3 representa el color de cada bola que se extrae. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. . . 3.1 = . w2 . 2. P (B) = C20. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. 2 10 P2. Este espacio no es equiprobable. .3 . sean una de cada color. i = 1.3 = . w3 } : wi ∈ {r. Si se sacan tres bolas al azar. determinar la probabilidad de que: 1. siendo r si la bola es roja.2 · C3. 2. 1. w2 . consideremos a el espacio muestral Ω = {w = {w1 . Representemos por B al suceso “Se extraen tres bolas blancas”. si se numeran las bolas del 1 al 20 (es decir. Sea el suceso A = “Se extraen tres bolas rojas”. Sin embargo. las tres sean blancas. 20. al menos una sea blanca.3 14 = .3 95 i i i i . 2. blanca. C20. donde wi . tres blancas y nueve azules. 2. dos sean rojas y una blanca. y podremos usar la regla de Laplace.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 . b. Se tiene que: 1 C3. i = 1.3 285 2. La probabilidad pedida es entonces: P (A) = C8. azul. las tres sean rojas. s´ se ı tendr´ un espacio equiprobable. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. 3}. C20. 4. 5 2 1 = . . b si es blanca y a si es azul. se obtiene: P (C) = 7 C8. 6.3 1140 3. 5. w3 } : wi = 1.

Sin embargo.3 57 57 5.1 formas de combinar o e esas 3 bolas de forma ordenada.1 18 P (E) = = . Se tiene entonces.2 · V3. obteni´ndose que: o e P (C) = 7 C3. C20. Por lo tanto.1 · V8. dado que hay 8 bolas rojas. . . blanca.3 = .1 · C3.1 formas de tomar las bolas blancas. C3. No obstante.3 95 i i i i . .3 1140 P (A) = Teniendo en cuenta que hay V8. 2. . 3 blancas y 9 azules.3 285 1 V3. se tiene que un espacio muestral es: Ω = w = (w1 . w2 . V20. P (D) = 1 − P (Dc ) = 1 − 23 C17.1 = . 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. que: 8·3·9 3 P (F ) = = . para ello se recurri´ al espacio muestral Ω. FUNDAMENTOS DE PROBABILIDADES 4.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. azul”.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. hay. Sea el suceso F = “Las tres bolas se extraen en el orden roja. manteniendo las dos bolas rojas en su posici´n relativa.1 · C9.3 34 = . 20 wi = wj i = 1. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. al igual que se hizo al comienzo del ejercicio). Entonces. dado que las bolas se extraen una a una y sin reemplazamiento. con Ω = V20.3 14 = . que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. V20. y V3. Definamos el suceso E = “Se extraen 3 bolas de diferente color”. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. w3 ) : wi = 1.3 . 6. C8. =1− C20. 2. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. V20. 3 para todo i = j . P (B) = V20.3 95 Para calcular la probabilidad pedida. Este espacio es claramente equiprobable. para cada distribuci´n de ´stas.

n ∈ {1. 5. . al menos uno sea un As. . tres sean de un palo y dos de otro. V20.3 34 23 =1− = . se obtiene que: P (A) = 1 · 48 52 5 = 1 . . w4 . Hallar la probabilidad de que: 1. l) .1 · V9. donde n representa el n´mero en la carta (es decir. y 6. P (E) = 3! · V8. w3 . 2. u u n ∈ {1. D}). l). B. fijadas las tres bolas. . 13} . Por lo tanto. 4. D}}. 1. salgan Nueve. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. Aplicando la regla de Laplace.3 95 P2. si han de ser de tres colores diferentes. cuatro sean Ases y uno Rey. w5 } : wi = wj . V20. 13}) y l representa el palo (es decir. . Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”.46] De una baraja de 52 naipes se sacan 5. Diez. Caballo y Rey en cualquier orden.3 57 57 Finalmente. 3. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. C. para todo i = j. wi = (n. w2 . l ∈ {A. Una vez fijados los 4 Ases. C. . hay un total de 52 − 4 = 48 posibilidades para la quinta carta. 2.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. l ∈ {A. Sota. se debe tener en cuenta que. 2.1 18 = . B. tres sean Dieces y dos Sotas. . Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. 54145 i i i i . Entonces el espacio muestral es: Ω = {w = {w1 .1 · V3. . hay 3! maneras posibles de ordenarlas. cuatro sean Ases.

54145 54145 P2. suceso F c = “Ninguna carta es un As”. Hallar la probabilidad de que la bola extra´ ıda sea roja. 108290 4.2 formas de elegir las dos Sotas. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. N´tese que no importa el orden en que aparezcan o las cartas. i i i i . respectivamente.2 formas de escoger los dos palos. 8330 6. La baraja tiene 4 palos. Sota. Caballo y Rey en cualquier orden”. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . Diez. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . de cada uno de los dos palos. por lo que hay C4.2 posibilidades para elegir las tres y dos cartas. As´ el ı. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 .5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. N´tese que hay 4 Ases e a o en la baraja. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. Sea el suceso C = “Hay tres Dieces y dos Sotas”. hay 4 posibilidades para la quinta carta: los 4 Reyes. Sea E el suceso “Tres cartas son de un palo y dos de otro”. una vez fijados los 4 Ases. P (B) = 1·4 52 5 = 1 .3 formas de escoger tres Dieces. por lo hay C52−4. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. que han de combinarse con el total de C4. 162435 5. Definamos el suceso D = “Salen Nueve. FUNDAMENTOS DE PROBABILIDADES 2. En este caso. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = .47] En una urna que contiene n bolas se echa una bola roja. se e tiene un total de C13. Sea el suceso F = “Al menos una de las cartas es un As”. Se tienen C4. Para cada una de ´stas. ya que cada palo consta de 13 cartas. As´ se tiene que ı. 649740 3. extrayendo posteriormente una bola.3 y C13.

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

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

w2 ∈ [0. al extremo inferior del segmento. 1 − w2 ≥ 1/4} . w2 − w1 y 1 − w2 . Hallar la probabilidad de que 1.48. 2 32 2 2. Procediendo an´logamente al ejercicio anterior. Por lo tanto. Para dos valores de a y b (dentro de los posibles). cada uno de ellos tenga una longitud mayor o igual que 1/4. con a < b. w2 ) : w1 . resultando dividido en tres nuevos segmentos. w2 − 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.i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. que es el conjunto A = {w = (w1 . respectivamente. este espacio a es claramente equiprobable. se pueda formar un tri´ngulo con ellos como lados. o P2.2: Regi´n para integrar en el problema P2. 1. a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . donde w1 y w2 son las distancias del primero y segundo punto. los segmentos que se forman tienen longitudes w1 . Representemos por a. 1]}. w2 ) ∈ Ω : w1 ≥ 1/4. 2. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. Adem´s. b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. Por lo tanto: P (A) = 1 (1/4) = . pues los puntos se eligen de forma aleatoria e independiente. n´tese que s´lo con un o o i i i i .49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad.

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

4 = 0. por el contrario. obtiene beneficios. P (M2B ) = 0.5 · 0. 1. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. B). Si. w2 = (V1 .5 − 0. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . un suceso elemental del e ıa tipo w = (w1 . 2. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.2.3. por ejemplo.5 = 0. tendr´ probabilidad cero.4 = 0.8 + 0. 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.6 + 0. w12 = B} .24.2 = 0. P (M1B ) = 0. B . con w1 = V1 .8 · 0. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”. i i i i . entonces repite con el tipo de valor.5 = 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. respectivamente. De esta forma.48. y MkB = {w ∈ Ω : w11 = Vk .6 · 0.5 · 0. respectivamente.8 · 0.5 − 0.3 = 0.4. Se procede de forma an´loga con los dos sucesos restantes.1. w22 = B} . obtea ni´ndose que e P (M2B ) = 0. o Definamos tambi´n los sucesos NkB = “No obtiene beneficios con e una segunda inversi´n en Vk ” y NkB = “Obtiene beneficios con una o segunda inversi´n en Vk ”. con k = 1. y NkB = {w ∈ Ω : w21 = Vk . w12 = B .6 · 0. Se tiene que MkB = w ∈ Ω : w11 = Vk .5 · 0. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo. Estos sucesos constituyen una partici´n del espacio Ω. w2 ). 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. 2.5 · 0. Por tanto. con k = 1. el espacio Ω no es equiprobable.6 · 0. Adem´s. w22 = B .8 · 0.

472. 2. La cuant´ (no acumulable) de los ıa premios es de: 2.25.8) · 0. 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 ) = = (0.000 ptas. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. ıda a El n´mero que se forma con las bolas acaba en 380.000 ptas. cuyo ıa. si coinciden s´lo las tres ultimas cifras.51] Una urna contiene 10 bolas numeradas del 0 al 9.000 ptas. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. 2. 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. calcular la probabilidad de los siguientes sucesos: 1. P2. seg´n el experimento previo.72. u El n´mero que se forma con las bolas es mayor que 3571. Se extraen 4 bolas una a una con reemplazamiento. si coinciden las 2 ultimas o ´ ´ i i i i .6 + 0) · 0. 73 Utilizando los sucesos definidos en el apartado anterior. 200. si coinciden las 4 cifras. 3.3/0.2/0.000. 20.2222.72 = 0.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. sorteo consiste en extraer 4 bolas.72 ∼ 0. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.000 ptas. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .. 3. u Supongamos una loter´ en la que cada boleto cuesta 1. La primera bola extra´ est´ numerada con 3 y la segunda con 0. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0.

Si suponemos una loter´ con boletos de 1000 pesetas en la que se obtieıa nen premios de diferente cuant´ seg´n el n´mero de cifras que coinciden ıa u u con el n´mero extra´ en el sorteo. w2 = 5. . Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w3 . . 4.000 ptas. 1. si coincide la ultima cifra. donde los sucesos Ci son disjuntos. y2 . w4 ) : wi = 0. A = {w ∈ Ω : w1 = 3. Para ello. . para i = 1. 2. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. w4 = 0} . ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . y 2. w3 = 8. y3 e y4 . w2 = 0} . 3. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . para todo i = j} . 4. B = {w ∈ Ω : w2 = 3. w2 = 5. w4 > 1} . 9.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. 1. w2 . La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0.6428.001. 2. w3 > 7} ∪ {w ∈ Ω : w1 = 3. 3. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. . equiprobable y tiene un total de |Ω| = 104 elementos. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. w2 > 5} ∪ {w ∈ Ω : w1 = 3. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. supongamos que y es el n´mero del boleto comprau do. Finalmente se obtiene que P (C) = 6428/104 = 0. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. i = 1. 2. 3.01. w3 = 7. y consta de las cifras siguientes: y1 .

2. u Generalizar el problema al caso de que la urna contenga n bolas. Este espacio es equiprobable. y se supone que existe aleatoriedad uniforme. 5} . 2. |Ω| 104 = P (Ai ) = para i = 1. 2. i i i i . 104 Finalmente. Hallar la probabilidad de los siguientes sucesos: 1. con |Ω| = 20. w1 = w2 } . Se selecciona una bola con n´mero impar la primera vez. para u e o i = 1. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . wk = yk . 2. para el n´mero premiado en el sorteo. 4. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. 4. . 3. 4. 4. w2 ) : wi ∈ {1. numeradas de 1 a n. con el boleto que ha comprado. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. 3.8. . donde wi representa el n´mero de la bola de la i-´sima extracci´n. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. . 2. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. ∀j = 4 − i + 1. Se extraen dos bolas una a una sin reemplazamiento. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 .52] Una urna contiene cinco bolas numeradas del 1 al 5. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . u Se selecciona una bola con n´mero impar la segunda vez. P2. . se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. 3. 3. u Se seleccionan las dos bolas con n´mero impar. ∀k = j}. no es rentable jugar a esta loter´ puesto que el dinero que ıa. con i = 1.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. Por otra parte. 104 Por lo tanto.918.

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

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

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

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

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

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

4}. 5.25 · 0. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. 3. cada uno sobre uno. y wi2 es el resultado que ha obtenido. 4. 2. 1. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. Calcular la probabilidad de que sobren dos balas en total. 2.8. 5. f } . ya no le sobrar´ ninguna bala. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. 4 y j = 0. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. a sea cual sea el resultado para esta ultima.25 = 1. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 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.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. para todo i = 1. wi2 ) . w4 ) : wi = (wi1 . 1. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 3. 3.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. Soluci´n: o Un espacio muestral es Ω = {w = (w1 .8 + 0. 3.8. 2. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. 2. para todo i = 1. 3. w3 . Si todos los tiradores consumen la munici´n. Sin embargo. Un tirador deja de disparar al alcanzar el blanco. o 2. w2 .25 · 0. 2. 1. N´tese que si a un a o tirador le sobra alguna bala. que ser´ a si acierta y f si falla.2 1 − 0. 2794 · 10−3 i=1 1− i i i i . 4. Cada tirador dispone de seis balas. wi1 = 0. si no le sobra ninguna. Probabilidad de que alguno de los tiradores consuma toda su munici´n. significa que ha acertado. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. 4. La probabilidad de acertar en el objetivo con cada tiro es de 0. e para i = 1. ´ 1. wi2 ∈ {a.

como siempre. i i i i . o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes. 4 4 = = 3.8) . entonces.4096.2 · (0.2) 18 18 · 0.8) = 2 2 · 0. por lo que si vemos estos dos casos para dos tiradores concretos. 2.8) = 1. y teniendo en cuenta. Por lo tanto.2) ·(0. 4.8 · (0. teniendo en cuenta todos los casos posibles.1 · (0.8 + C4.8 + 6 · (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.2) 4 2 5 2 = (0. Todos los tiradores tienen la misma probabilidad de acertar.2) 18 18 · (0.8 0. Los tiradores disparan de manera independiente. para i = 1. que disparan de forma independiente.25 · 0.2) 18 · 0.84 = 0. 8455 · 10−12 .8. podemos luego extenderlo a todos. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.2) = 4 · (0. = 0.8 · (0.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. 3. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.2) · 0. FUNDAMENTOS DE PROBABILIDADES 2. resulta: P (C) = C4.2) 3 5 3 = (0.2) · (0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. 83 Definamos los sucesos Bi = “El tirador i acierta”.2) · 0.

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

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

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

siendo: a P (ξ = k) = 1. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. 5.9790. Si las cinco primeras matr´ ıculas son de Humanidades. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.11714.4k · (1 − 0. para todo k = 0.4) = 0. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.8725 = 0. 2. 20 20−k · 0. . mientras que el otro 40 % lo hacen en carreras de Humanidades. Si un determinado d´ se realizan ıa 20 matr´ ıculas.4. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.4. en total haya al menos 6 en Ciencias m´s que en Humanidades.6 = 0. 10 2. 3. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. calcular la probabilidad de que: 1. no haya m´s de 12 matr´ a ıculas en Ciencias. 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. i i i i . Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.1275. 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. . 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.4) . . . 20. 4. haya al menos 8 matr´ ıculas en Ciencias. 3.410 · (1 − 0.

se tiene que ∂F (x) = k > 0. 2]) P ([1/2. 5. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. 1 − k(1 − x). tambi´n binomial. k≤ x Calcular la probabilidad de [1/2. 1] | [1/2. en o o ese caso. 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. o o Bajo la condici´n 0 < k ≤ 1. Ya que k > 0. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. 2].i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4.4032. 0 ≤ x < k. 2]) P ([1/2. 0 ≤ x < k F (x) =  1. por lo que se tiene que. 0 ≤ x < k cuando k ≤ 1. F es funci´n de distribuci´n.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. pero con par´metros n = 20 − 5 = 15 e a y p = 0. Sin embaro o go. P3. 1] ∩ [1/2. debe verificarse que F (x) ≥ 0. 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. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva.0271. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k.4159 = 0.4. las cinco primeras son en Humanidades. En particular. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. 2]) = = P ([1/2. 1 − a k (1 − x) ≥ 0.5851. 1]) = P ([1/2. podemos definir una nueva variable η. calculemos la probabilidad pedida: o P ([1/2. para todo x. Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k. 1] condicionada por [1/2. ∂x Adem´s.

−∞ < x 0< x ≤0 Calcular las probabilidades de: [0. Q ∩ [0. {0. {0}. √ √ P [0. { 2}. [ 2. 1]) = 0. 0)) = 5/16 − 4/16 = 1/16. 5)) = P ((−∞. [−2. 1}) = 0. calculemos las probabilidades que se piden: √ 2. 2] = P ((−∞. 2]) − P ((−∞. [0. 4]. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. 1]. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. Soluci´n o Las probabilidades que se piden son: i i i i . 5))−P √ ((−∞. 5). IN. 0)) = 4/8 − 4/16 = 1/4. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. √ √ √ P ( 2. [2. 8]) − P ((−∞. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. P ([0. √ P ((−∞. P ({0. 4] = P ((−∞. 1]) − P ((−∞. 4) = P ((−∞. 8]. 0)) = P ((−∞.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 1]. {4 + 2}. x]) = ex /2.4] Sea la probabilidad en IR dada por P ((−∞. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. los √ √ ( 2.   (x + 4)/16. 8]) = P ((−∞. 2] − Q. 1]. 1 − e−x /2. P ([0. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 2] −P (−∞. P (IN) = 0. √ P ([2. excepto en el punto o o Teniendo eso en cuenta. 3].   1. 4)) − P ((−∞. Q P ([−2. 3}. 5])−P ((−∞. 4). P (I ∩ [0. [0. DISTRIBUCIONES DE PROBABILIDAD P3. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 2. 2].3] Sea la probabilidad en IR dada por   0. {1. 1}. 1]) = P ((−∞. P3. √ √ √ √ P [ 2. x]) =  (x − 2 + 4)/8. [1. [−2. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. 2)) = 1 − 6 − 2 /8. 4])−P ((−∞. 2).

5 · (0. b] × [c. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2.5] Sea la probabilidad en IR2 : P ((−∞.4.42 ·(0. P ([0. De esta forma se obtiene que: P ((0. 0. i i i i .i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.8]2 En caso de que el intervalo sea abierto o semiabierto. 0. [0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 . 2.4) /2− 0. . 1)) = 0. 1]) = P ((−∞. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.4. c]).8] × {0.4·0.5) /2 − 0 = . 1]) − P ((−∞.2.5) /2 + 0.5·(0.5}) = 0. y]) = xy(x + y)/2 si 0 ≤ x.5. y ≤ 1. b] × (−∞.4. P ({1. x) × (−∞.2. a] × (−∞. P ({0}) = P ((−∞. [0. 0. 3]) = P ((−∞.5 · 0.3.5 + 1) /2 − 0. teniendo en cuenta que: P ([a. y) : x + y ≤ 1}.4 · (0. puesto que: a P ((−∞. P ([1.4) × [0. 0. (0.5 · (0.3 · 0. y]) = P ((−∞. y]) = P ((−∞. 1) . a] × (−∞. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.3 + 0. 2)) = P ((−∞.4 + 0. d]) + P ((−∞.4 · (0. 0.4) /2 = .4) /2] + 0. 2)) − P ((−∞.3 · 0.4 · 0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes.4) /2 = 0. x) × (−∞. 0. estas probabilidades se calculan de manera an´loga. c]) −P ((−∞. y)) . 1]2 {(x. b] × (−∞. P [0.504. P ((0. [0.3. 0. x] × (−∞.5) /2 −0. d]) − P ((−∞.4 + 0.3 + 0.5) × (0.4) × [0.4 · (1 + 0. 0.6]2 ∪ [0.4. P3.5) × (0. x] × (−∞.5.25. .8] × {0.4.5 · 1 · (0.5} . 0. 3]) − P ((−∞. d]) = P ((−∞. P ([−2. Calcular las probabilidades de (0. 0. 0]) − P ((−∞.5]) = 0. 3}) = 0. y)) = P ((−∞.00 8.4 + 0.2. 0)) = 1/2 − 1/2 = 0. x] × (−∞.5 + 0.

82 · (0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2. P3. se tiene que:   0.8]2 = P [0. representada o en la figura 3.2) /2 + 0.6]2 + P [0. si 0 ≤ t < 1/2 Fξ (t) =  0.4) /2 = 0.2.6) /2 − 0. entonces Fξ (t) = P ([0. 0.2. 0. 0. 0.8]2 −P [0.4.2. y) : x + y ≤ 1}) = P [0.4.4.6]2 ∩ [0.6]2 ∪ [0.42 · (0. 1] : ξ (x) ≤ t}) .6 · (0.6) /2 − 0. Si 0 ≤ t < 1/2. 0.4 + 0.22 · (0.8) /2 − 0. 0.6 · (0.4.8]2 −P [0. t].4 · 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.1: Puntos de [0. P ({(x. t + 1/2]) = 2t. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4 · 0.2 · 0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. t] ∪ [1/2.8) + 0.28. 0.4) /2 + 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. 0.6 + 0. entonces Fξ (t) = P (φ) = 0.2.8]2 = P [0.42 · (0.8 + 0.6 + 0. i i i i .4. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0. 0.2 + 0.1.6) +0.4 + 0.6) + 0. Si t ≥ 1/2.6]2 + P [0.62 · (0.6]2 = 0.4 + 0. a e P [0. conviene distinguir varios casos: Si t < 0.8 · (0. 1] con im´genes a trav´s de ξ en (−∞. entonces Fξ (t) = 1 Por lo tanto. si t ≥ 1/2.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.4 + 0.2 + 0. si t < 0 2t.62 · (0.

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

o Soluci´n o n=1 1/2n . superior a 6 minutos. x→−∞ x 2. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. Se supone. para todo x ≥ 0. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. 2 2 2 e− x/3 e−x/3 − = 2 2 x→6− e−2 e−1 e−1 − e−2 = 1 − e−2 − 1 + + = . 2.8] 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 .9] Demostrar que F (x) = buci´n. 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 . 2 2 2 = 1 − e−2 − l´ ım x P3. ya que no se indica nada al respecto. i i i i . Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. que F (x) = 0 para todo x < 1. o o 1. 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. Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. DISTRIBUCIONES DE PROBABILIDAD 93 P3. igual a 6 minutos. por lo que l´ ım F (x) = 0.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. para todo x ≥ 1.

¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. 2. para todo x > 0 √ √ 2. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. a ya que F (x) = 0. para todo x. para todo x ∈ [−1. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. para todo 1 ≤ x1 ≤ x2 . Calcular la esperanza. o 5. 3. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . para todo x ≥ n 1. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. Por lo tanto. f (x) = kxe−kx . lo que es uno si k = 1. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). P3. la funci´n de densidad es una recta con pendiente o positiva.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. +∞ −∞ P3. o Comprobemos en cada caso la segunda condici´n. 1]. 0898. o 2.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. f (x) = k/ 1 − x. F es continua por la derecha en todo punto de la recta real. 2/2) 3. lo que es 1 si k = 1. Se han de distinguir dos casos: a) Si k > 0. 1/2 3. Debe verificarse que fξ (x) ≥ 0. i i i i . 1]. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. Adem´s. se concluye que F es mon´tona. Es claro que F (x) ≥ 0. f (x) = k/(1 + x2 ). para todo x ∈ [−1. es decir. o 1. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. para todo x < 1. 1. la moda y la mediana de ξ. k ≤ 1/2. 4. Por lo tanto. lo que es 1 si k = 1/π. para todo x ∈ (0.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2.

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

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. Determinar la funci´n generatriz de momentos de ξ. Soluci´n o 1.8 0.72x3 · ∂x = 0. 0. 71933) = 9.72   0 x > 1.8 1. para cualquier otro valor 1. 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 ≤ 0.72x · ∂x = 0.3 = 0 2x3 · ∂x + 0. Utilizar (1) para encontrar la media y la varianza de ξ.9132. x > 0 fξ (x) =  0. 71933.6092 − (0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 . o 2.8 0. a 3. 2 2 E ξ3 2.72x2 · ∂x = 0.3 2x2 · ∂x + 0. 3.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. P3.3 Calcular: 1. 6092. Los tres primeros momentos ordinarios son E [ξ] . Soluci´n o 1. Teniendo en cuenta las propiedades de la esperanza.8 fξ (x) = 0.8 1. los tres primeros momentos ordinarios. i i i i .3  0.8 1.8 0. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. E [ξ] = E ξ2 0. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3. 2.8 < x ≤ 1. E ξ 2 y E ξ 3 . 1764 · 10−2 . 0 0. esperanza matem´tica y varianza. 57144.3 = 0 2x4 · ∂x + 0.

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

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

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

Adem´s. An´logamente. (n + m. donde los valores x1 . el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3. . la figura 3. . Por ejemplo. n+m n+m−1 n+m n+m−1 Para calcular este ultimo valor se ha tenido presente que hay dos probabi´ lidades disjuntas: o salto de 0 a 1. la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). . ¿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.16 con n = 2 y m = 3. o salto de 1 a 0.2 muestra una recta con 3 saltos. . y de que haya un 0 en el segundo es n/ (n + m − 1). xn+m ) . . x1 ) . el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = . la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). .16] Consideremos l´ ıneas que unen n + m puntos del plano (1.2: Ejemplo para el ejercicio P3. para n = 2 y m = 3. el primero es n m m n · + · . n+m n+m−1 n+m n+m−1 m+n i i i i . x2 ) . . P3. y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. (2. Mientras que el segundo valor es claramente n + m − 1. y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. . luego. Como conclusi´n.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 p ≤ 1/2 P3. La probabilidad de ganar el euro de cada partida es p y la de perder el euro es 1 − p. La probabilidad de que A gane una partida es p y la de que gane B es 1 − p. ya que en algunos problemas a o (como ´ste) tal distribuci´n puede ser dif´ de obtener. o bien P1 = 1. DISTRIBUCIONES DE PROBABILIDAD 101 Como se observa en este ejemplo. donde se asume P0 = 1. P1 = 1 − p + pP2 . si . mientras que la e o ıcil media es f´cil. As´ por ejemplo: ı.18] Un jugador A tiene m euros y otro B tiene n euros. ¿Qu´ probabilidad hay de que e lo pierda todo alguna vez? Soluci´n o Si Pk representa la probabilidad buscada. no siempre el mejor camino para calcular la media de una variable aleatoria consiste en pasar primero por el c´lculo de su distribuci´n de probabilidad. ya que perder 2 euros es perder primero uno y luego otro de forma independiente. ´ P1 = (1 − p) /p. si p < 1/2 o a entonces P1 = 1 y si p ≥ 1/2 entonces P1 = (1 − p) /p. si p > 1/2. El juego contin´a u hasta que uno pierda todo. Ahora bien. a P3. ¿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 → +∞). entonces: 2 P1 = 1 − p + pP1 . 2 y puesto que P2 = P1 . En cada partida el juego le permite ganar o perder 1 euro.17] Un jugador comienza un juego de azar con k euros.i i i “libroult” 2001/8/30 page 101 i CAP´ ITULO 3. En cada partida un jugador gana 1 euro y el otro pierde 1 euro. independientemente de lo que tenga. entonces Pk = (1 − p) Pk−1 + pPk+1 . ya que ´stas son las dos o e soluciones de la ecuaci´n cuadr´tica anterior. De igual forma se concluye que Pk = 1−p p Pk = 1 m . hasta que no tenga nada. i i i i . por lo que. m y que en tal caso la probabilidad de que A pierda es [(1 − p) /p] .

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

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

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

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

si y ≤ 0 entonces Fη (y) = 0. y 0 en otro caso. La venta de una cantidad o i i i i . 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. 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. Obviamente. 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 = . mientras que si y ≥ L2 /2 entonces Fη (y) = 1. Luego o o derivando en y se concluye su funci´n de densidad: o fη (y) = 12 · arcsen π3 2y L2 · π − arcsen 2y L2 · 2 L4 − 4y 2 .22] En funci´n de un estudio realizado en varios establecimientos. π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. para y ∈ 0. 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. 2 π π3 P3. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ 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 . cuando x > 0. L2 /2 .

o En el caso particular a = 1.´sima.6).. a Apl´ ıquese al caso particular de a = 1 y b = 2. P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. cada una con 10 billetes de 1000 pts. Nos dan 7 billetes. ¿Cu´l es el n´mero esperado de pesetas que recibimos? a u ¿Qu´ probabilidad hay de recibir 17000 pesetas? (Ayuda: calcular e la funci´n generatriz de probabilidades). 5 y 10 con e probabilidades P (ξi = 1) = 10/21. . Soluci´n o Sea c la cantidad de aprovisionamiento. 2. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. 7. sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. . P (ξi = 2) = 6/21. resultando que c = ln (1 + a/b) . i = 1. y 1 billete de 10000 pts.23] Se dispone de 7 huchas.uplas de billetes. Esta variable puede tomar los valores 1.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. . o Soluci´n o Consideremos como espacio muestral el conjunto de 7.. 6 billetes de 2000 pts. 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. 2. .0 ≤ x < c . P3. respectivamente. 1. uno procedente de cada urna. Para una demanda x. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. 4 billetes de 5000 pts. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). Adem´s. extra´ ıdos aleatoriamente uno de cada hucha. con a y b constantes positivas. b = 2 se tiene que c = ln (3/2) . .

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

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

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

k Se denota por ξ ∼ BN (n. . para |t| < . Su funci´n de probabilidad es: o Pξ (k) = A k · N n B n−k . N N N −1 n· V (ξ) = Variable Aleatoria Binomial Negativa: Dados dos n´meros n y p. 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 . con λ > 0. Se tiene que: E [ξ] = A N A B N −n n· · · . n. . . y se denota ξ ∼ o a P (λ). 1. Su funci´n de probabilidad es: o Pξ (k) = λk −λ · e . k! i i i i . para k = 0. 1. . . para todo k = 0.i i i “libroult” 2001/8/30 page 111 i CAP´ ITULO 4. pero se basa en un muestreo realizado sin a reemplazamiento. . . . 1]. B). se llama variable aleatoria Binomial Negativa de par´metros n y p a una variable a aleatoria que toma valores k = 0. y tiene como funci´n de o probabilidad: Pξ (k) = n+k−1 k · pn · (1 − p) . u siendo λ el promedio de sucesos en dicho intervalo. . 1. p). A. . . para todo k = 0. 1. . PRINCIPALES VARIABLES ALEATORIAS 111 an´loga a la Binomial. 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 − (1 − p) · et n p 1 − (1 − p) · eit Variable Aleatoria de Poisson: Consideremos la variable que mide el n´mero de sucesos que ocurren en un intervalo de amplitud fija. 1 − (1 − p) · t 1−p n p . Esta variable sigue una distribuci´n de Poisson de par´metro λ. u con n natural y p perteneciente al intervalo [0. y se denota por ξ ∼ H (n. . para (1 − p) et < 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. donde p es la probabilidad de ´xito. b]. para |t| < . 1. a una variable aleatoria ξ con funci´n de densidad o fξ (x) = 1 . 1 − (1 − p) · t 1−p p . la variable aleatoria e que cuenta el n´mero de fracasos que preceden al primer ´xito en u e una sucesi´n infinita de pruebas de Bernoulli sigue una distribuci´n o o Geom´trica de par´metro p. b ∈ IR. . . a Variable Aleatoria Geom´trica: Dado p ∈ [0. Adem´s. es a su vez una Poisson de par´metro λ1 +λ2 . b−a i i i i . 1]. b]. Adem´s: a E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = 1−p p 1−p p2 p 1 . para a ≤ x ≤ b. La funci´n de probabilidad de esta variable es: o Pξ (k) = p · (1 − p) . con a ≤ b y a. respectivamente. con k = 0. y se denota por ξ ∼ U [a. Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a. .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 → ∞. y e a e se denota ξ ∼ G (p). o a a la suma de dos variables de Poisson independientes de par´metros λ1 a y λ2 .

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

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

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

Se tiene que: 2 i=1 10 8 · 0. P4.052 · (1 − 0. Adem´s.5987 = 0.0.2.05 = 0) = 10 10−0 = 1− · 0. Procedemos a calcular: P (η10. . . o por experiencia. 1. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi .05i · (1 − 0. ηn. ξn ). . Suponiendo a que las distintas reservas son independientes entre s´ se tiene que. Hechas estas consideraciones iniciales.05) = 0 = 1 − 0.05) = 0.05 ≤ 2) = i=0 10 10−i · 0.p = ξi . ¿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. procedea mos a resolver el problema. . con distribuci´n o i i i i . .2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe.0.05) = 0. de acuerdo con el enunciado del ejercicio. . ξn ). Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.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.0.05 = 2) = 2.0. . siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario.05 ≥ 1) = 1 − P (η10.0746. Por ultimo: ´ P (η10.05. total de n reservas (ξ1 . . Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. de un ı. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . que el 20 % de las personas que reservan una mesa no asistir´n. sigue una distribuci´n binomial de o par´metros n y p = 0. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.050 · (1 − 0.05. de acuerdo con el dato o a inicial del problema.9884. i 3. esto es.4013. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. 2 P (η10.

o a Por lo tanto. De la misma forma.2i · (1 − 0. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. la probabilidad deseada es la siguiente: P (η = 1) = 2. 3. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. Considerando que se cumplen ciertas condiciones de regularidad. As´ se tiene que: ı. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. 1. debe ocurrir que acudan 20 o menos. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. u 1. i! i i i i . 27067.3] 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. Si el n´mero promedio de estos fallos es ocho. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. ¿cu´l es la probabilidad de que falle un componente en 25 horas? a ¿y de que fallen no m´s de dos componentes en 50 horas? a ¿cu´l es la probabilidad de que fallen por lo menos diez en 125 horas? a Soluci´n o Sea la variable aleatoria ξ.5799.2.41696. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2. 21 −2 · e = 0. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. 2. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. 2381. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. En el caso particular del problema.2) = 0. Entonces.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. i! 3. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. a n = 25. i P4. 1! An´logamente.

si la demanda ξ es de m´s de 10 tostadores. y que a lo o largo de esa semana no van a poder traer m´s del almac´n. Soluci´n o Teniendo en cuenta los datos del problema. calcular P (ξ = k) y E[ξ] . una a una con reemplazamiento. es decir.2.4] 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. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. . . u 1. podemos definir una variable aleatoria η.10. si t < 0  0   t/500 t = P (ξ = i) . si ξ ≥ 10 En el segundo caso. que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. para todo k ∈ A = {1. no el palo. un lunes se encuentran con que s´lo les quedan 10 tostadores. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . 2. siendo ıda P (η = k) = 1/10.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. . 10}. . . por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  .6) para una simple o a e funci´n real g. . hallar la funci´n generatriz de probabilidades de ξ. o u i i i i .) en concepto de tostadores o de pan a lo largo de esa semana. . . La ganancia de cada tostador vendido es de 500 ptas. . si t ≥ 5000. si 0 ≤ ξ < 10 η= 5000 . N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3.5] Se extraen n cartas. . . a partir de la variable ξ: 500 · ξ . Sin embargo. 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. Definamos tambi´n un e conjunto B formado por los (k1 . o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. de una baraja espa˜ola (4 palos de 10 cartas cada uno). u La distribuci´n de las ganancias totales en pesetas es. con valores equiprobables 1. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces. a si supera al n´mero de existencias. o P4.. Determinar la a e distribuci´n de las ganancias totales (en ptas.

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

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

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

si ξ ∼ Poiss(λ). k para todo k = 0.1.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. si ξ ∼ BiNeg(n.9. P (ξn = 0) ≤ 0. Pξ (k + 1) = · Pξ (k). 6 desigualdad que se verifica para todo n ≥ 13. Pξ (k + 1) = · Pξ (k). si ξ ∼ Bi(n. Considerando que la probabilidad de obtener un as con este dado es 1/6.10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. Pξ (k + 1) = Soluci´n o 1. (k + 1)(B − (n − k) + 1) 1. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. . . B). entonces Pξ (k) = n n−k · pk · (1 − p) . (k + 1)(1 − p) n−k = i i i i . Pξ (k + 1) = · Pξ (k). k+1 (n + k)(1 − p) 3.9. A. p). p). . 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). p). si ξ ∼ Hip(n. sea mayor o igual que 0. n. (k + 1)(1 − p) λ 2. se tiene que: n 5 ≤ 0. . k+1 (A − k)(n − k) 4. Si ξ ∼ Bi(n. es decir. P4.1.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos.

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

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

mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .8 i i i i .85−k = 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .2k · 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. 5.2 · elnt + 0.20 · 0.85 = 0. 5.2 · et − 1 = 0. 2. en este caso. 1. 0 3. As´ ı: P (ξ = k) = 5! · 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) .2k · 0. 1. Teniendo esto en cuenta. para todo k = 0.6656. 3. (5 − k)! · k! 2.2 · t + 0. Si G (t) es derivable en un entorno del origen k veces. 4.8 4 · et t=0 = 1.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. si φξ es derivable k veces en un entorno del origen. Esperanza y varianza.8) . se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. 5 = (0. 2.2. k 4. 3. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0.6 + 0.8 1.2 · et + 0. −1 t=0 · 1.85−k . PRINCIPALES VARIABLES ALEATORIAS 3. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.2 · et + 0. ∂tk t=0 En concreto. 67232. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. 5 Se verifica que. k = 0. 4. 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 . t=0 = 0.

t=0 −1 − 4 = 2. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . i i i i . k! para todo k = 0.59399. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. o 2. 3. 1 · 2k · e−2 . Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. . Soluci´n o Procediendo de forma an´loga al ejercicio anterior.32332. . con media 22 minutos. Esperanza y desviaci´n t´ o ıpica.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. 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. Funci´n de probabilidad. o 1. . k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. −1)+t t=0 P4. a 2. P (ξ > 1) y P (ξ > 2). Por ultimo. 1. Se pide: 1. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. k! 3.

o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. 3. 22 3. 657 ∼ 51 minutos. se observa que una reparaci´n costar´ 4000 o a pesetas siempre que su duraci´n sea superior a 30 minutos e inferior o o igual a 60 minutos (y as´ cada fracci´n de la segunda media hora ı o se cobrar´ como una media hora entera). la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 .? a o Para efectuar una programaci´n. (Todos. = i i i i . Te´ niendo esto en cuenta. 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 . por cada media hora o fracci´n. para un tiempo de reparaci´n dado. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). este ultimo inclusive. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. De acuerdo con el enunciado.1 = 50. Por lo tanto.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. ¿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. x > 0. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. 22 1. PRINCIPALES VARIABLES ALEATORIAS 2. se cobran a 2000 pesetas). 2.1. 129 El costo de reparaci´n es de 2000 pts. Debe verificarse: P (ξ > t) = 0.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. inferiores a 30.1 y esto se cumple para t = −22 · ln0.

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

4307.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4.4307. 1. en [−1. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . a < b. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar.39 y σ = 0.5 y σ = 1. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . 4 es decir.obteni´ndose finalmente que µ = e 0.6667 = 0. b] . en [−1. ıan procediendo de modo an´logo.6745.3333 = −0. b] . o o i i i i .19] Sup´ngase que ξ se distribuye como N (µ. 1]. En este caso. de lo que se obtiene que µ = 0.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. PRINCIPALES VARIABLES ALEATORIAS es decir. P4. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . A partir de estas dos condiciones. 2.4307 y. las ecuaciones ser´ −µ/σ = z0. en el intervalo [0. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. (1 − µ) /σ = z0. σ). k 131 P4.16.75 = 0. para todo u ∈ [a.9. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. 3. Soluci´n o Si ξ es una variable uniforme en un intervalo [a. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. 1]. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . 2. 3 de donde se deduce que −µ/σ = z0.3333 = −0. podremos obtener dos ecuaciones lineales en µ y σ. σ 3 luego (1 − µ) /σ = z0. 2. 2].

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

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

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

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

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

6) 1/2 · 1/3 · 1/6 10 2 1.2 (3.3 (2. 9.2. 3. Obtener una expresi´n para la probabilidad de que ξ = m.3 (1. 4 P (η > 8|ξ ≤ 1) = = 7 . Si N = 12.2 (3. 3.2 (2. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. 12) (1/3) · 1/6 21 2 3. Se capturan k lagartos.3. 2.3 (2. 4. 2.2.3. k = 4 y n = 3.2 (1. 12) (1/3) · 1/6 18 2 2. 18) 1/3 · (1/6) 26 2 3.2 (2. e se les marca y se les reincorpora a su poblaci´n. 6. a 1.2. 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 . o Si k = 4 y m = 1. 2. 18) 1/3 · (1/6) 27 2 3. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .3 (3.3 (1.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 9.2. 9 P4.3.2 (1. 3. 6) 1/2 · 1/3 · 1/6 9 1. 6. 6. 4) 1/2 · (1/3) 7 1.3 (3.3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. 9) 1/2 · (1/6) 13 3 2. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. 4. demostrar que la probabilidad es m´xima cuando a N = 4n.3. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 6. 12) (1/3) · 1/6 20 2 2.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 8) (1/3) 14 2 2. 18) 1/3 · (1/6) 30 3 3.2.2.3.

donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. . 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. m = 0. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. k = 4 y n = 3. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . . y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. ξ ≥ 1) P (ξ = 3) 1 = = . n. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . 2. ¿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. . P4. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . Si N = 12. . 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. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. o e 1. 1. ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i .26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. 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.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0.. 3.

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

2 y por lo tanto: ∂Fη3 (t) t2 e−t = . 2 i i i i . z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . 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 + . 0! e 4. y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 . y. 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. 5. η1 .η1 . sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. ∂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 (x. ξ5 = 4) P (ξ3 = 4. que denotaremos η1 . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . 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 . La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. 1296. η1 .i i i “libroult” 2001/8/30 page 140 i 140 EJERCICIOS RESUELTOS DE PROBABILIDAD ∞ = 16 · e−5 · k=0 1 · k! 5 2 k = 16e−5/2 . 3.

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

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

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

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

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

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

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

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

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

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

10). y = 1 x = 2.7] Consideremos una urna con 3 bolas azules. . 3. Las correspondientes distribuciones marginales son: i i i i . si · 10−x j = 1/2x . η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 10 x = 0. Calcular la funci´n de probabilidad conjunta. . 2. 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. y = 1 · i=0 10−x j=0 10−y i = 1/2y . . 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. 10. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). Calcular la distribuci´n de probabilidad o o conjunta. Soluci´n o 1.. . 2 blancas y 1 roja. o Calcular las distribuciones marginales. si 2.8] Definimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias ξ como el “n´mero de lanzamiento en el que aparece u la primera cara (si no aparece cara ξ = 0)”. . y = 2. 4. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. Por lo tanto P (ξ = x. 1. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. si 10−y x = 1. 5. Distribuciones de ξ condicionada a η = y (y = 0. si . . y = 0 x = 1.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. . ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. . la probabilidad P (ξ = x. 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.

3. . si y = 2. . . i i i i . 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. por ejemplo: P (ξ = 2. . 10 + 10 y=2 1/2y = 1/2 . P5. . . . si . η = y) = . . 10 4. . . η = y) = . si P (η = y) =     =    P (ξ = x. Las variables aleatorias ξ y η no son independientes. . . si x=0 x = 2.9] En una jaula hay un rat´n y dos pollitos. . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. P (η = 0) 2x−1 . η = 1) = 5. η = 0) = 1.i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. . si . η = i) = 1. Esperamos o una hora y observamos lo que queda en la jaula. 10 + 10 x=2 1/2x = 1/2 . si x=0 x=1 x = 2. Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . si . . 1 9 2 1 P (ξ = x. . pues. si y=0 y=1 y = 2. si 3.

η = 2)+P (ξ = 2.343 0. 2. 1. η). 1. 2.189 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. Calcular las funciones de densidad condicionadas.027 0. y = 0.36 .027 2 0 0. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. 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 = 0.343 1 Adem´s. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ.294 0 0.441 0.147 0 0.21 6 0 0 0. Calcular las funciones de densidad marginales.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. i i i i . 2. si (x. x = 0. 3.027 0 0 0 0. η = 0)+P (ξ = 1. η = 0) = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.126 4 0 0. las variables ξ y η no son independientes.33 = P (ξ = 0) · P (η = 0) = 0. y) = 24y (1 − x − y). u dar la distribuci´n conjunta de (ξ.7x . Esto puede observarse en la figura 5. 3 · 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.126 0 0 0. para x = 0. y) pertenece al recinto limitado por las rectas x + y = 1. η) o es: η|ξ 0 1 2 3 0 0.33−x · 0.3. 3. η = 4) = 0.294 8 0 0 0 0.10] Sea (ξ. VARIABLES ALEATORIAS BIDIMENSIONALES 1.063 0. 3. P5. 3. pues: a P (ξ = 0. η) . ¿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 1.1.343 0.

2: Regiones del plano para el problema P5.10.9.1: Diagrama para el ejercicio P5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5. i i i i . y R4 R3 R2 R1 R6 R5 x Figura 5.

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

y fη|ξ=x (y) = f (x. k = 1. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. y) = xy − y 2 . Por ultimo. 0 ≤ x ≤ 1 − y. i i i i . y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. y = 0. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5.11] Sea (ξ. es decir. P5. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. Por tanto.3: Regiones del plano para el problema P5.11. y) = 0. y) ∈ R1 : F (x.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. Calcular o la funci´n de distribuci´n. la funci´n de distribuci´n es: o o si (x. entonces o o fξ. 0 ≤ y ≤ 1 − x. y) ∈ R2 : F (x. si (x. x = 2. Dado que la funci´n de distribuci´n es uniforme.3.η (x.

x ≥ 0.4. y ≥ 0 . y) ∈ R4 : x2 . 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: Regiones del plano para el problema P5. y) ∈ R5 : F (x. 3. y o a f (x. y) ∈ R3 : F (x. Calcular la funci´n de distribuci´n conjunta. y) = si (x. P5. y) = 1. y) = 4/π cuando (x. La funci´n de densidad es f (x. Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c. y) ∈ IR2 : x2 + y 2 < 1. y) arbitrario pero fijo: i i i i .12] Sea (ξ. y) = y(2 − y).12. 4 F (x. Calcular las funciones de densidad condicionadas. y) = 0 cuando (x. o o Calcular las funciones de densidad marginales. y) est´ fuera de R2 . y) est´ en R2 . η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. si (x. 1. si (x. De este modo. 2.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. considerando un punto (x. Soluci´n o 1.

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

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

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

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

As´ se obtiene que: ı. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. Por ultimo. i i i i .16.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. y) y el centro del escenario (el origen 0). e−2 + 2e−1 − 1 Por lo tanto. 3. 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 . a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso.16. 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. e−2 + 2e−1 − 1 yey − ye−2−y . y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. 2. 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. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra.6: Plano del teatro del ejercicio P5. o 1. esto es. Fη|ξ+η+2≥0 (y) = = P (η ≤ y.

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

7: Plano de la finca del ejercicio P5. P5. 3.17. Hallar la primera coordenada de la posici´n media en que se da o caza.7. Cuando el perro se a despierta. que queda inm´vil al e o o o despertarse el perro. en menos de 15 segundos. η). a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. En la esquina 0 duerme el perro guardi´n. El ladr´n. Para obtener la probabilidad de estar a la sombra se calcula el ´rea a de la zona a la sombra: 100 60 0 √ 1002 −x2 100 ∂y ∂x = 60 1002 − x2 ∂x = 2236. la probabilidad que se pide es: 2236. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. o o 2. tal como muestra la 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. y cero en otro caso. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso.5 π(1002 −302 ) 2 = 0. i i i i . 3. a un ladr´n que se encuentra en los o frutales. y por lo tanto. 15646. El perro corre a 10 m/s. se encontrar´ en un punto aleatorio de la finca (ξ.5. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo.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. Hallar la funci´n de distribuci´n de la coordenada η. 1. una con frutales y otra con hortalizas.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales.

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

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

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

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

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

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

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

. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar). esta proporci´n converge en probabie u o lidad a 2/3. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. que acierta el primer empleado. de acuerdo con la Ley D´bil de los Grandes N´meros. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. ξ2 . . Realizados n e n o tiros. 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. por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. siendo p = 2/3 su probabilidad de encestar en cada tiro. .i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. ¿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. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. P6. a i i i i . ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. de las que s´lo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que s´lo hay una plaza o vacante. a P6.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. Sean ξ1 . y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. Entonces. Si uno de los dos empleados contestara al azar a todas las preguntas. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. n´tese que E |ξn | = 1. . 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. a 2. ım 2 Sin embargo. i=1 ξi /n es la proporci´n de aciertos. del total de u 30 que responde al azar. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta.

5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. n1 · p1 · (1 − p1 ) = 7.8] 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. . y aplicando el Teorema Central del L´ ımite. a una normal de par´metros µ = 104 y σ 2 = 104.5 − 30 √ 15 = 0. X = n 104 i=1 Xi . n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. Procediendo de forma an´loga a los casos anteriores. 175 Aproximemos. Z> 30 − 0. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).9495 De forma similar al apartado anterior. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.5 − 15 √ 7.5) . en el caso de que ´ste responda las 80 pregune tas al azar. 2. . Z> 10 + 0.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. CONVERGENCIA 1. .5 − 40 √ 20 = 0. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. Teniendo en a cuenta lo anterior. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. i = 1.6331 i i i i . mediante el Teorema Central del L´ ımite. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. n2 · p2 · (1 − p2 ) = 15) .5438 P6. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. .5 = 0. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. a 100 + 0. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3.

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

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

ρXY = 0.3] Sea X|Y 1 2 0 3 0.5 2 2 = 0. P7. Soluci´n o Definamos X = U + V e Y = U − V . Entonces. 1).2] Sean U y V variables aleatorias con igual media e igual varianza. = 0 x· 1/2 1 − x · fX (x) · ∂x = 2 1 − x · ∂x − 2 1 = 0 x· 1 .1 0.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0.1 0. 2 1 0 x· 1/2 1 1 − x · ∂x = . Se tiene que: o cov X. la distribuci´n de probabilidad conjunta de las variables aleatorias X e o Y. 2 8 E [X] = E 1 −X 2 = 1 − x · fX (x) · ∂x = 2 1 −X 2 1 0 1 1 − x · ∂x = . = 1 1 1 − · = 0. i i i i . cov (X. y se concluye as´ que ambas variables est´n inı a correladas. Y ) = E [XY ]−E [X] E [Y ] = E U 2 − V 2 − E [U ] − E [V ] y por lo tanto ρXY = 0. Utilizando estas variables.i i i “libroult” 2001/8/30 page 178 i 178 EJERCICIOS RESUELTOS DE PROBABILIDAD Ejercicios Resueltos P7. 2 4 por lo que: cov X. siendo: E X· 1 −X 2 1 1 −X 2 =E X· 1 −X 2 − E [X] · E 1 −X 2 . ¿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 .3 0. obtenga dos variables aleatorias incorreladas. 8 2 4 Por lo tanto. P7.

P7.4 j=1 E [Y ] = = Finalmente: ρXY = 2. Y = yj ) = 3.75 · (x − 1.62 ) · (5. REGRESION Y CORRELACION 1.8 i yj P (Y = yj ) = 1. 2.8. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.4 0.4 0.8 = 1.6) .6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . 58333.4 − 1.6 · 1.82 ) = 0. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.6.8 (2. 9 i i i i . La recta de regresi´n de Y sobre X es: o y − 1.3. o Determinar la recta de regresi´n de Y sobre X. o 179 Soluci´n o 1.4] Sean: y= x + 2. 15 x y = + 1. 3. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.3 − 1.8 − 1.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. xi P (X = xi ) = 1. Obtener el coeficiente de correlaci´n de estas variables.6 P (Y = yi ) 0.

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

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

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

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