Ejercicios Resueltos de Probabilidad

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

´ Indice general

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

9 11 23 85 109 145 169 177 183

7

.

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

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

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

Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. ya que los o cuatro sitios son diferentes. P1. o es n+m−1 CRn. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n. el n´mero de selecciones de m de ellos. m Ejercicios Resueltos P1.2] En una clase de 10 alumnos van a distribuirse 3 premios.m = nm . Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . es o V Rn. hay V10. Por lo tanto. Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos. los premios son iguales. m! · (n − m)! n m Este n´mero tambi´n se denota como u e .m = . los premios son diferentes. 2.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras. y que una persona no puede ocupar m´s de a un sitio a la vez. sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´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. el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn.1] ¿De cu´ntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Soluci´n o N´tese que importa el orden en que se sienten las personas. el n´mero de selecciones ordenadas de m de ellos.m = n! . Averiguar de cu´ntos modos puede hacerse si: a 1.

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

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

3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras.8] Cuando se arrojan simult´neamente 4 monedas. “2 caras y 2 cruces”. dividiremos por las posibles permutaciones de cada uno de ellos. En este caso. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. hay C4. y “0 caras y 4 cruces”. y adem´s coincide con el n´mero de posiciones para los puntos (C5. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. cara.2 ). a u P1. 2. P1. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. a 1. obteniendo as´ un total de ı C5.2 = 6 ı resultados de dos caras y dos cruces. i i i i . cruz. cara. Pero. “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. es decir. cara. y que las monedas no pueden distinguirse entre s´ existen CR2.9] Cuatro libros de matem´ticas. “1 cara y 3 cruces”. “cara. Estos casos son: “4 caras y 0 cruces”. 2. COMBINATORIA 15 P1. etc. cara. cruz”. “cara. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). respectivamente. cruz. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1.4 = 5 resultados posiı. los libros de cada materia han de estar juntos. Suponiendo que las monedas son distintas: 1. seis de f´ a ısica y dos de qu´ ımica han de ser colocados en una estanter´ ¿Cu´ntas colocaciones distintas admiten si: ıa a 1. “3 caras y 1 cruz”. cara. cara”. ¿cu´les son los resultados posibles que se pueden obtener? a ¿cu´ntos casos hay en que salgan 2 caras y 2 cruces? a Soluci´n o Suponiendo que las monedas son iguales: 1. 2. Como las monedas se arrojan simult´neamente. cara. hay un total de V R2.4 = 24 = 16 resultados posibles. se tendr´ un total de P5 = 5! posibles ordenaciones. Estos casos son: “cara. cruz”. bles. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. cara”.

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

o i i i i . todos son elegibles. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. As´ se pueden formar ı.14] Tres atletas toman parte en una competici´n.3 = 35 grupos de 3 f´ a ısicos. 2.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. P1. hay P7 = 7! = 5040 ordenaciones posibles de ´stas.3 = 10 grupos de 3 vocales distintas.2 = 15 grupos de 3 f´ a ısicos. hay un total de V25. y C7.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. es importante saber si corresponden al principio o al final del trayecto. entonces s´lo hay 1 posibilidad. ¿Cu´ntos billetes diferentes a habr´ que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Soluci´n o Dado que las estaciones de origen y destino no pueden coincidir. ¿De cu´ntas formas podr´ hacerse si: a a 1.2 = 10 grupos de 2 matem´ticos. por lo que hay C5. Se fija uno de los f´ ısicos.4 = 35 grupos de 4 consonantes distintas y C5. 3. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas.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. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. 2. Por otra parte. a dadas dos estaciones. luego existen C5.12] Una l´ ınea de ferrocarril tiene 25 estaciones. Luego hay un total de 10 · 35 = 350 comisiones posibles. 10 · 15 = 150 comisiones.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. P1. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. y C6. ¿De cu´ntas maneras o a podr´n llegar a la meta? (Pueden llegar juntos) a Soluci´n o Hay varias posibilidades: Si llegan los tres juntos. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. Puesto que todos son elegibles. y adem´s. 3.2 = 25 · 24 = 600 billetes diferentes. a o Adem´s hay C7.2 = 10 grupos de 2 matem´ticos. existen C5. un f´ ısico particular ha de estar en esa comisi´n. P1.

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

Por lo tanto. 625 · 1000 = 625000.2 = a e 252 = 625 posibilidades para las letras. dada una de estas posibles distribuciones. con la unica diferencia ´ de que ahora las letras no pueden repetirse. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. As´ hay V25. 2. 2. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. hay: Cn.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. como no se hacen distinciones entre los asientos en la i i i i . de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos.r · CRn−r. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. no hay restricciones. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. 600 posibilidades para las letras.3 = 103 = 1000 posibilidades para los d´ ıgitos.2 = 25·24 = ı. Suponiendo que hay 25 letras. se observa que. no hay restricciones sobre letras y n´meros. y V R10.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. en el caso de que las urnas no fueran distinguibles. 2. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. si cada individuo se traslada al asiento situado a su derecha. u Sin embargo.3 = 1000 posibilidades para los d´ ıgitos. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. El n´mero de permutaciones de las siete personas en la mesa es 7!. COMBINATORIA 19 de CRn−r.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. Se procede de forma similar al caso anterior.m−r = maneras de distribuir las bolas. P1. la posici´n relativa de todos los individuos ser´ la miso a ma. ıa ıa P1. por lo tanto. El total de historias cl´ ınicas que pueden hacerse es. por ejemplo. resulta que hay V R25. Por tanto. N´tese que.

o u G (guanina). hay V R27. Si tiene dos nombres.i = 25 − 1 = 31 i=1 ramilletes distintos. Adem´s. Por tanto. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. entonces existen V R4. 4 ´ 5 flores. Por tanto. 2.3 = 43 = 64 secuencias distintas. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base.3 = 273 = 19683 conjuntos de iniciales. a a tenemos: 5 C5. exactamente dos nombres. 2. sin restricciones. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. Procediendo igual que en el apartado (a). P1. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. 2.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. a 3. P1. hay 6! = 720 formas de sentarse. hay dos posibilidades: a i i i i . u de sentarse es 7!/7 = 6! = 720. 2.20] Suponiendo que hay 27 letras distintas. que puede ser A (adenina). es decir. se concluye que hay 720 − 240 = 480 formas de sentarse. no m´s de tres nombres? a Soluci´n o 1. estando juntas las dos personas particulares. y adem´s ´stos o a e pueden repetirse. hay 120 · 2 = 240 formas de sentarse. Por otra parte. C (citosina) y T (timina). no m´s de dos nombres. Si tiene dos nombres como m´ximo. ¿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 7. Consideremos a esas dos personas como una sola. P1. As´ el n´mero total de formas ı. Finalmente. se obtiene que hay 6!/6 = 5! = 120 distribuciones. 3.18] 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 21 i CAP´ ITULO 1. P1.3 = 273 posibilidades. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales.m = m + 1 resultados. hay un total de CR2.d = C6+d−1.d · (m + 1) resultados diferentes. COMBINATORIA 21 del tipo “nombre apellido” hay V R27. Si tiene tres nombres como m´ximo. i i i i .d = Cd+5.4 = 274 posibilidades.d = 6d resultados distintos para los dados.d .2 = 272 posibilidades. ¿cu´ntos resultados diferentes se a pueden distinguir? Soluci´n o Suponiendo que los dados son distintos y las monedas son distintas: Para el caso de los d dados (un dado tiene 6 resultados posibles).m = C2+m−1.m = 2m resultados distintos para las monedas. se obtienen a V R2.m = a Cm+1. es CR6. del tipo “nombre1 nombre2 apellido” hay V R27. 3. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. hay Cd+5. Procediendo de forma an´loga para las m monedas. hay un total de V R6. para las m monedas. puesto que se distinguen los dados entre s´ y en una tirada pueı.21] Si se arrojan d dados y m monedas. del que hay V R27. Adem´s. Por lo tanto. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. 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. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos.

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

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

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

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

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

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

. todas equiprobables. P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. . P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2. j. . Dado que P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1≤i≤4 P (Ai ) − 1≤i<j≤4 P (Ai ∩ Aj ) + 1≤i<j<k≤4 P (Ai ∩ Aj ∩ Ak ) −P (A1 ∩ A2 ∩ A3 ∩ A4 ). . . Definimos Ai = {w ∈ Ω/en u w aparece el n´mero i en el lugar i-´simo}. . . . |Ω| 24 24 4 para todo i = 1.5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1. . 2. Calcular: u e 1. . 4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = . fijados por ejemplo Ai = A1 . . |Ω| 24 24 12 para todo i. j = 1. P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. Ak = A3 . procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . |Ω| 24 para todo i.i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 4 |Ai ∩ Aj ∩ Ak | 1 = . |Ω| 24 P (Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) = P (A1 ∩ A2 ∩ A3 ∩ A4 ) = Luego. se tiene que la probabilidad pedida es: P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 4 4 · P (Ai0 ) − · P (Ai0 ∩ Aj0 ) 1 2 4 + · P (Ai0 ∩ Aj0 ∩ Ak0 ) 3 i i i i . 3 y 4. Aj = A2 . k = 1. 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . P (A1 ∪ A3 ) 4. .

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

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

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

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

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

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

P (Ac |B c ) = 1/2. A ⊂ B.14] Demostrar que si dos sucesos A y B son independientes. P (A|B) + P (Ac |B c ) = 1.15] Sean A y B dos sucesos tales que P (A) = 1/4. 6}) 1 2/6 = . entonces Ac y B c son independientes. P (A|B) = 37 P2. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . P (B|A) = 1/2 y P (A|B) = 1/4. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. P (Ac ∩ B c ) = = = = P ((A ∪ B) ) = 1 − P (A ∪ B) 1 − P (A) − P (B) + P (A ∩ B) 1 − P (A) − P (B) + P (A) · P (B) (1 − P (A)) · (1 − P (B)) = P (Ac ) · P (B c ) . i i i i . A y B son incompatibles. Decir si son ciertas o falsas las siguientes relaciones: 1. 6. N´tese que si A ⊂ B entonces A ∩ B = A. 2. Ac y B c son independientes. e ı P2. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). Soluci´n o 1. 5. 4. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. En efecto. P (A) P (A) 2 por lo que no es posible que A ⊂ B. 3.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. 5. A y B son independientes. c concluy´ndose as´ que Ac y B c son independientes. 2.

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

2. que est´ expresado en t´rminos de las probabilidades pedidas. entonces Ac . Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. 2. i = j. Ac y Ac son independientes”. ocurren exactamente r sucesos. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. A2 y A3 son independientes y asumiendo que r = 0. FUNDAMENTOS DE PROBABILIDADES 39 P2. 2. por el ejercicio 10: “Si A1 . 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. como m´ximo ocurren r sucesos. j. 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 ) . obtener expresiones en t´rminos de P (A1 ). k = 1. i = k. entonces: P ((A1 ∩ A2 ∩ Ac ) ∪ (A1 ∩ Ac ∩ A3 ) ∪ (Ac ∩ A2 ∩ A3 )) = 3 2 1 = P ((A1 ∩ A2 ) ∩ Ac ) + P ((A1 ∩ A3 ) ∩ Ac ) + P (Ac ∩ (A2 ∩ A3 )) 3 2 1 = P (A1 ∩ A2 ) − P (A1 ∩ A2 ∩ A3 ) + P (A1 ∩ A3 ) −P (A1 ∩ A2 ∩ A3 ) + P (A2 ∩ A3 ) − P (A1 ∩ A2 ∩ A3 ) . 3. 3. a e Si r = 2. a Soluci´n o 1. 1.17] Supuesto que los sucesos A1 . i i i i . Adem´s. j = k. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) .8: P Ai ∩ Ac ∩ Ac k j = = P (Ai ) − P (Ai ∩ Aj ) − P (Ai ∩ Ak ) +P (Ai ∩ Aj ∩ Ak ) P (Ai ) − P (Ai ) · P (Aj ) − P (Ai ) · P (Ak ) +P (Ai ) · P (Aj ) · P (Ak ) . 3. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. a por el ejercicio P2. A2 y A3 son independientes.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. para todo i. al menos ocurren r sucesos.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) .

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

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

Por ello. w1 = w2 } = {{A. N´tese o que: P (({A. w2 } : wi ∈ {A. En efecto. C} . C} . {B. C} . B. ({A. B} . B)) = P (({B. Dado que el suceso “A es indultado” coincide con {{A. donde w1 y w2 representan los dos presos indultados. debido al propio e enunciado de la pregunta. pero s´ puede pedir que le den el nombre e ı de uno de los otros dos (nunca ´l) que est´ indultado. B} . C} . y por tanto ese c´lculo del prisionero es correcto. B} . B. B. entonces un espacio muestral es Ω = {w = {w1 . entonces la probabilidad de ser uno de los dos indultados es 2/3. w2 } \ {A}} . B} . w2 } . w1 = w2 . Pensando un poco e e concluye que si no hace tal pregunta. En una c´rcel hay 3 prisioneros (A. {A. Sabe que no puede preguntar o si ´l es uno de los dos indultados. 6 donde se asume que A no es indultado con probabilidad 1/3 y en tal caso la respuesta puede ser B ´ C con igual probabilidad. C}} . los tres solicitan el indulto a un tribunal. que es un espacio equiprobable. 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. w3 ∈ {w1 . {A. C} . B) . w3 ) : wi ∈ {A. C} .i i i “libroult” 2001/8/30 page 42 i 42 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. C) con a historiales similares. B)) = P (({A. El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informaci´n. 3 1 P (({B. C)) = . C}}. En consecuencia el o suceso “A es indultado” coincide con {({A. C} . si hace la pregunta. a Sin embargo. entonces su probabilidad es 2/3.19] Dilema del prisionero. C)) = 1 . En un momento dado. mientras que si la hace obtendr´ respuesta y a entonces la probabilidad de ser el otro indultado es 1/2. i i i i . porque sea cual sea la respuesta. un espacio muestral ser´ ıa Ω = {w = ({w1 . concluye que es mejor no hacer tal pregunta. Aqu´ est´ su error. s´lo o le servir´ para disminuir la probabilidad de ser uno de los dos indultados. y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. a ¿D´nde est´ el error de su razonamiento? o a Soluci´n o Si no hace la pregunta. C)} y por tanto la probabilidad sigue siendo 2/3. 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.

364 365 n ≥ 1 . propia de jugadores m´s cautelosos. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1.474. 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 . 2 i i i i . ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n . o P2. apostar los 20 euros sobre “pares” en una unica jugada. Analizar matem´ticamente ambas alternativas.5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas. propia de jugadores m´s arriesgados.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. o a hay una probabilidad de ganar igual a 18/38 ∼ 0.652. FUNDAMENTOS DE PROBABILIDADES 43 P2. Es decir.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. luego la clase debe tener al menos 253 ı alumnos. Ahora obtengamos el menor valor n natural tal que: 1− es decir. con la segunda opci´n. = Sin embargo. −n · (ln364 − ln365) ≥ ln1 − ln2. a Soluci´n o Recurriendo a la primera opci´n. 2. 1084.

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

10. Representemos por G al suceso “Se obtiene color”. .2 de crear la pareja para cada uno de esos palos. finalmente. 47 Sea el suceso F =“Se obtiene una escalera”. quedan 45 −4 = 4·(44 −1) o escaleras y. 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). 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. hay C13. adem´s de las cuatro cartas ya escogidas. As´ la probabilidad buscada ı. i + 1. De ellas. y las de color real si i = 10). 8. Definamos el suceso H =“Se obtienen dobles parejas”. Adem´s. . . P (I) = 52 |Ω| 5 9. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . binaciones posibles de tres cartas con la misma numeraci´n. Hay C13. Por lo tanto se eliminan. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. y para la ultima quedan. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. 9.3 comıo”. dado que hay 10 numeraciones posibles. i i i i . ya que se obtendr´ un p´ker. tendremos. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. y C4. 9+1=10 corresponden a escaleras de color y a escaleras de color reales. puesto que se restan. i + 2.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2.1 ·C4. para o cada valor de i. Si fijamos una numeraci´n i. FUNDAMENTOS DE PROBABILIDADES 6. dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 .5 combinaciones posibles de 5 cartas. i + 3. Para cada palo. y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. con i = 1. Luego. o De este modo se evita obtener un full. pues se formar´ un full. 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.2 formas distintas de elegir los palos con los que se forman las dos parejas. 52 |Ω| 5 7. es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . una vez o ıa fijadas las 3 primeras. como vimos en los apartados (a) y (b). o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). i + 4. 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. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). . Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = .

se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . ya que no importa el orden en que ´ ´stas se elijan.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 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. o Por lo tanto. todo cliente sin fondos pone una fecha err´nea en sus cheques. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. junto a las dos primeras cartas. Para las tres que faltan deben descartarse aquellas combinaciones que. equiv}). El espacio Ω no es equiprobable y tiene 4 elementos. 0. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. El 90 % o de los clientes del banco tienen fondos. An´logamente ´ a al apartado anterior. y procediendo de forma similar al caso del tr´ fijadas ıo. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4.1 = 0.1 + 0. 1.001 · 0. Se recibe hoy en caja un cheque con fecha equivocada. 0. formar´ un tr´ un p´ker o un full.9 i i i i .1. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.001.999. P2. ıan ıo. w2 ) .001. En cambio. 0. 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. 0. 1 · 0.9.99108. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 .2 parejas posibles. Sea J el suceso “Se obtiene una pareja”.

w5 . w2 . w6 ) . As´ ı: Ω = {w = (w1 . Este espacio muestral no es equiprobable. pues P ({(1. w3 . 2. 4. Soluci´n o Representemos un suceso elemental como: w = (w1 . FUNDAMENTOS DE PROBABILIDADES 49 P2. 4. R)}) . 1. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i .26] En una bolsa hay cinco bolas. 4 P2. R)}) = P ({(5. y sea B el suceso “extraer una bola blanca de la urna”. 3. w2 ) . w2 . blancas o negras. donde w1 . Adicionale o mente. 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. 4. Denotemos ıda por Ci (i = 0. w4 y w5 representan los resultados de los lanzamientos de la moneda. w6 representa el color de la bola extra´ 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 . 3.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. 3. 2. se lanza y sale cara roja. y w2 u u es el color que se obtiene al lanzar el dado. w2 ∈ {B. y por tanto tambi´n la composici´n de la urna. 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 . w2 ) : w1 ∈ {1. es decir. w3 . 5} . Se selecciona al azar un dado de la urna. que la urna contenga i bolas blancas y 5 − i bolas negras. Se extrae una bola y es blanca. 2.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. w4 . El dado n´mero i (i = 1. 5) tiene i de sus caras blancas y el resto u rojas. R}} . 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda.

. vamos a representar cada suceso elemental como w = (w1 . repet´ ırsele a una persona. w2n los resultados de la otra. . wr ) . ∪ Cn ) = k=0 n P (Ck ) n = k=0 n · k 1 2 k · n · k 1 2 k = k=0 n k 2 · 1 2 2k . . la probabilidad de obtener el mismo n´mero de caras viene dada por: u n P (C0 ∪ C1 . Para introducir un espacio muestral. w2 . 15 P2. Soluci´n o Numeremos a los habitantes desde 0 hasta n. y supongamos que el rumor parte inicialmente del habitante 0.29] En un pueblo de n + 1 habitantes. ¿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 . k = 0. En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. 5. . donde w1 . . etc. . . . . . . . . . Encontrar la probabilidad de que el rumor pase r veces sin: 1. regresar al que lo origin´. wn son los resultados de los n lanzamientos de una de las dos personas. w2n ) . . wn . . una persona le rumorea algo a una segunda persona. X}. 1. . i = 1. P2.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 = . .28] Dos personas lanzan una moneda n veces cada una. . o 2. . . . Dado que estos sucesos son disjuntos. quien lo repite a una tercera. . wn+1 . . . . y wn+1 . . con wi ∈ {C. n al suceso “ambas obtienen exactamente k caras”. i i i i . . . . Denotamos por Ck .

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

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

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

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

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

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

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). w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. π[. 3. ya que el ´rea del total es la unidad. a 1. es decir. Seg´n la hip´tesis del enunciado. i i i i . 1. En efecto. 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.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . a cos(w2 )[ para cada w2 ∈ [0. si A es el suceso que representa “la aguja toca una l´ ınea” y. entonces A := {w ∈ Ω : w1 ∈ [0. b[×[0. 2. 1]. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0.69444. 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. π[ claramente equiprobable. P (A) = (5/6)2 = 0. Calcular la probabilidad de que su suma sea mayor que 1. Calcular la probabilidad de que su producto sea mayor que 1/7. N´tese que por tanto w1 ∈ [0. dado el objetivo que se persigue en el problema. En concreto. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. Consecuentemente. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. π[}. Por ello. b[ y que o w2 ∈ [0. Calcular la probabilidad de que su diferencia sea mayor que 1/6. asumiendo que a ≤ b. Sea A el suceso “su diferencia es mayor que 1/6”.

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

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

ı ´ 2..1.2. . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. . a a a 1. . y adem´s a todos ellos son igualmente probables. . N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. con igual probabilidad. 11} para cada i = 1.42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. Nadie m´s se subir´. y esta probabilidad es pa · (1 − p) . . . ya que hay Ca+b. que todas las personas son distinguibles. Este espacio muestral tiene |Ω| = 118 sucesos elementales. 8} . es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. Cada persona selecciona el piso en el que se bajar´n. 8}.11). i i i i . entre el 1 y el 11. sea A el suceso “todas las personas se bajan antes del quinto piso”. Ω = {w = (w1 . .10.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”. Es decir. 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. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. . w8 ) : wi ∈ {1.a combinaciones posibles de estos a + b movimientos. es decir. Continuando con el espacio muestral Ω. Sin embargo. . ıa 1. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. . . Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. . . Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. . ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. . finalmente se tiene que P (A) = a+b b · pa · (1 − p) . . . Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. . a P2. Por lo tanto. 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. . Como consecuencia de esto ultimo. por ejemplo.

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

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

Por otra parte. w2 . para i = 1. A. 5 3 2 3 · = .1 · P ({(A. Soluci´n: o Representemos cada suceso elemental como w = (w1 .44] Una bolsa contiene dos bolas blancas y tres bolas negras. w3 . B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . X. tienen la misma probabilidad de ocurrir. A. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales. donde cada wi . El primero que la saque blanca gana. La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. C y D. X. 4} .i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. en ese orden. ıa Ω = {w = (w1 . Supondremos que las e personas est´n ordenadas de A a D. C y D. 3. 72 Sea el suceso S = “A y B ganan alternadamente”. 3. A)}) − C3. por a tanto: P (A1 ) = P (A2 ) = 2 . e siendo wi = U si la bola es blanca y wi = V si es negra. Por lo tanto: P (N ) = 3 · P ({(A. X)}) 1 1 1 1 19 = 1− +3· +3· + = . 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . se obtiene que P (S) = P ({(A. 4. V } . i = 1.1 · P ({(A. X. X)}) − P ({(X. que no es equiprobable. torneo consta de 3 partidas. 3. 8 72 24 216 27 P2. 4 es el color de la bola que extrae la i-´sima persona. B. Determinar las probabilidades de ganar de A. 2. X. w3 . As´ un espacio muestral ser´ ı. saca una bola y no la repone. X)}) =3· 3. B. Las probabilidades de ganar son. Representemos por T el suceso “B gana al menos una partida”. 36 4. A. 2. 2. 5 4 10 i i i i . A)})+P ({(B. i = 1. A. w4 ) /wi ∈ {U. As´ como cada ı. X)}) + 3 · P ({(B. w4 ). Cada una de cuatro personas. X)}) −C3. B. w2 .

sean una de cada color.3 95 i i i i . donde wi . 2. s´ se ı tendr´ un espacio equiprobable. Si se sacan tres bolas al azar. 2. las tres sean blancas. w2 . las tres sean rojas. 4. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”.3 14 = . Se tiene que: 1 C3. dos sean rojas y una blanca.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 . C20. tres blancas y nueve azules. i = 1. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. 20. . siendo r si la bola es roja. w3 } : wi ∈ {r. i = 1. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. consideremos a el espacio muestral Ω = {w = {w1 . si se numeran las bolas del 1 al 20 (es decir. 3}. 2 10 P2. P (B) = C20. 1. 6. . y podremos usar la regla de Laplace. Este espacio no es equiprobable. a siendo|Ω| = C20.45] Una caja contiene ocho bolas rojas. 3. al menos una sea blanca. blanca. w2 .3 285 2.3 = . Representemos por B al suceso “Se extraen tres bolas blancas”.3 . determinar la probabilidad de que: 1. . Sin embargo. La probabilidad pedida es entonces: P (A) = C8. b. b si es blanca y a si es azul. 2. salgan en el orden roja.1 = . azul. a}} .3 1140 3. 5. . w3 } : wi = 1.2 · C3. 2. 3 representa el color de cada bola que se extrae. se obtiene: P (C) = 7 C8. 5 2 1 = . Sea el suceso A = “Se extraen tres bolas rojas”. C20. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 .

2.3 . con Ω = V20.3 57 57 5.1 18 P (E) = = .i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. P (D) = 1 − P (Dc ) = 1 − 23 C17. V20.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. Sin embargo. para ello se recurri´ al espacio muestral Ω.1 = .1 formas de tomar las bolas blancas.3 95 i i i i . Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. . No obstante.3 1140 P (A) = Teniendo en cuenta que hay V8. 20 wi = wj i = 1. blanca. w3 ) : wi = 1. hay.1 · C9. Sea el suceso F = “Las tres bolas se extraen en el orden roja. dado que hay 8 bolas rojas. 3 blancas y 9 azules. para cada distribuci´n de ´stas. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. que: 8·3·9 3 P (F ) = = .3 95 Para calcular la probabilidad pedida.1 · C3. V20.3 = . azul”. Entonces.3 14 = . al igual que se hizo al comienzo del ejercicio). Definamos el suceso E = “Se extraen 3 bolas de diferente color”. .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. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. dado que las bolas se extraen una a una y sin reemplazamiento. FUNDAMENTOS DE PROBABILIDADES 4. manteniendo las dos bolas rojas en su posici´n relativa. 2. obteni´ndose que: o e P (C) = 7 C3. 3 para todo i = j . se tiene que un espacio muestral es: Ω = w = (w1 . Este espacio es claramente equiprobable.2 · V3. w2 .1 · V8. C3. Se tiene entonces.1 formas de combinar o e esas 3 bolas de forma ordenada. . P (B) = V20. C8.3 285 1 V3. Por lo tanto. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. y V3. =1− C20. 6. V20.3 34 = . C20. .

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

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

respectivamente. n. j = 0.0 ) = 1 1 2 n+1 · + + . . aplio cando el teorema de la probabilidad total. i + j = n + 1) constituyen una partici´n de Ω.n−1 ) + . se verifica que P (Bij ) = 1/ (n + 1) . . Un espacio muestral viene dado por Ω = w = (c. n.i i i “libroult” 2001/8/30 page 68 i 68 Soluci´n: o EJERCICIOS RESUELTOS DE PROBABILIDAD Representemos cada suceso elemental como w = (c. . j = 0. . R con i = 1. . j) / c ∈ R.n ) · P (B1. n. 1.n ) + P (A|B2. n − 1)}) = P (A|B2. . .. . n. que hay en la urna despu´s de introducir una e bola roja en la urna inicial. i + j = n + 1. con i + j = n + 1. r + r = n + 1 . i. 2. n. . . a o Definamos el suceso A = “Se extrae una bola roja”. .0 ) · P (Bn+1. . Se comprueba que.n−1 ) · P (B2. r) : r = 1. r = 0. Para calcular P (A). Sean tambi´n los sucesos Bij = “Despu´s de introducir una bola roja. r) : c ∈ R. las suposiciones para los colores de las n bolas de la urna inicial son equiprobables. y r y r son el n´mero de bolas rojas y u no rojas. . . Este espacio no es equiprobable. . como se ver´ a continuaci´n. . . c. Por el enunciado del problema. n+1. . ya que se tiene un total n de n + 1 urnas posibles. . . . . . por lo que tambi´n lo ser´n las urnas que resultan de e a a˜adir una bola roja a las iniciales. n+1 n+1 (n + 1) 1 1 1 · = 2. . . para todo i = 1. . n+1 n+1 (n + 1) . n´tese que se han de tener en cuenta todas las posio bles combinaciones para la urna. .n ) · P (B1. . r = 1. r. se tiene que: P (A) = P (A|B1. . . + n+1 n+1 n+1 n+1 (n + 1) · (n + 2) n+2 1 = . es R si la bola es roja y R si es de otro color. la e e urna tiene i bolas rojas y j bolas de otro color”= w = (c. por lo que el espacio muestral definido no es equiprobable. n + 1. que es el conjunto de sucesos elementales: A = {w = (R. n + 1. . r. + P (A|Bn+1. donde c representa el color de la bola extra´ ıda. 2 · 2 2 · (n + 1) (n + 1) = = i i i i . R . Los sucesos Bij (con i = 1. j = 0. Por lo tanto.n−1 ) = 2 1 1 · = 2. Por lo tanto. . r. . donde el color de la bola que se saca. r).n−1 )·P (B2. . n + 1. . . n)}) = P (A|B1. .. . . . n + 1 : r = 0. . r + r = n + 1} .n ) = pero P ({(R. . por ejemplo: P ({(R.

Sin embargo. Paa ra la primera de ellas el ´rea es inmediata. 1. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . Este u espacio es claramente equiprobable. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2.26. a que es una parte de la superficie de un cuadrado de lado a. 2. aplicando la ley de Laplace. y ≤ a. debemos dividir el ´rea deseada en dos partes. se deben distinguir dos casos: a Si b ≤ a2 . para dividirla por el ´rea de este cuadrado. por lo que el c´lculo de a P (A) se reduce. y la figura 2.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. para la segunda dea bemos calcular la correspondiente integral. P (A ∩ B) = = 16 i i i i . Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. 2. }. e 1. para b = 2 y a = a o 4. que corresponde al espacio Ω. se tiene que b/a > a. Para los valores de a y b del apartado anterior. N´tese que o el espacio muestral tomado es equiprobable. Por lo tanto. ya que los n´meros se eligen de forma u uniforme e independiente. a]. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. 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.48] Consid´rese el intervalo de la recta real [0.2 ayuda a ello. y) : 0 ≤ x. a Adem´s. a obtener el ´rea A. Si b > a2 . sabiendo que su suma es mayor que b. El ´rea deseada es la intersecci´n de A y B. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. 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}. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. por lo que P (A) = a2 /a2 = 1. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior.38. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. puesto que es un a rect´ngulo de lados b/a y a. a] con a > 0. FUNDAMENTOS DE PROBABILIDADES P2.

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

con: B1 = {w = (w1 . la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. cuando a ≥ b. V2 } . w2 ∈ [0. B . FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. 1]}. Adem´s. ¿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 Procediendo an´logamente al primer apartado de este ejercicio. ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. wi2 ) .8 de conseguir 12 millones. y wi2 el resultado de esa inversi´n. wi1 ∈ {V1 . que corresponde al caso a ≤ b. est´ dispuesto a volver o a a invertir en el mismo tipo de valor. y si invierte en V2 tiene una probabilidad de 0. w1 . w1 . 2 . wi2 ∈ B. w2 ) : wi = (wi1 . por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. w2 ∈ [0. a P2. se tiene que B = B1 ∪ B2 . invertir´ en el otro tipo. Por lo tanto. a 1. si no obtiene beneficios.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. que ser´ B si obtiene beneficios o B si no los o a i i i i .6 de obtener 16 millones de beneficio. w2 − 2 · w1 < 0. el a a resultado es P (B) = 1/8. para a > b. An´logamente. Si en tal inversi´n obtiene beneficios. Si invierte en V1 tiene una probabilidad de 0. w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . 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. B1 ∩ B2 = ∅. 2. w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. y B2 = {w = (w1 . En cambio. w2 − 2 · w1 ≥ 0.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . Teniendo en cuenta lo anterior. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. 1]}. i = 1.

5 · 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. w22 = B .5 · 0. i i i i . tendr´ probabilidad cero. 2. w12 = B} . B . Se tiene que MkB = w ∈ Ω : w11 = Vk . 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.6 · 0.6 + 0. respectivamente.2. obtea ni´ndose que e P (M2B ) = 0. P (M2B ) = 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. 2.8 + 0.5 = 0. w2 ). Por tanto.4 = 0. Estos sucesos constituyen una partici´n del espacio Ω. Si.48.3 = 0.6 · 0. con k = 1.6 · 0. y NkB = {w ∈ Ω : w21 = Vk . el espacio Ω no es equiprobable. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω.5 − 0. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk .5 · 0. Se procede de forma an´loga con los dos sucesos restantes. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. un suceso elemental del e ıa tipo w = (w1 . por ejemplo.2 = 0. w12 = B .1.3. con k = 1.8 · 0.4.4 = 0. P (M1B ) = 0.5 − 0.24. De esta forma. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. por el contrario. entonces repite con el tipo de valor. Adem´s.5 = 0. con w1 = V1 . Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”.8 · 0. 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 ”. w2 = (V1 . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. obtiene beneficios. 1.5 · 0. w22 = B} . respectivamente. B). y MkB = {w ∈ Ω : w11 = Vk .8 · 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables.

000.000 ptas.72 ∼ 0.25. 20. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. si coinciden las 4 cifras. sorteo consiste en extraer 4 bolas.2222. u Supongamos una loter´ en la que cada boleto cuesta 1. 200. 3. La primera bola extra´ est´ numerada con 3 y la segunda con 0.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. La cuant´ (no acumulable) de los ıa premios es de: 2. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . ıda a El n´mero que se forma con las bolas acaba en 380.6 + 0) · 0.51] Una urna contiene 10 bolas numeradas del 0 al 9. 2.. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. u El n´mero que se forma con las bolas es mayor que 3571. si coinciden s´lo las tres ultimas cifras. 3.000 ptas.2/0.000 ptas. 73 Utilizando los sucesos definidos en el apartado anterior.472. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.72 = 0. Se extraen 4 bolas una a una con reemplazamiento.72. seg´n el experimento previo. 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. = 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 0.3/0. P2. 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. si coinciden las 2 ultimas o ´ ´ i i i i . 2. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo.8) · 0.000 ptas. cuyo ıa. calcular la probabilidad de los siguientes sucesos: 1.

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

w1 = w2 } . con el boleto que ha comprado. Se extraen dos bolas una a una sin reemplazamiento. . Este espacio es equiprobable. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. 2. 5} . 2. u Se seleccionan las dos bolas con n´mero impar.52] Una urna contiene cinco bolas numeradas del 1 al 5. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. w2 ) : wi ∈ {1. 2. 4. wk = yk . Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . u Generalizar el problema al caso de que la urna contenga n bolas. Hallar la probabilidad de los siguientes sucesos: 1. 4.8. P2. para el n´mero premiado en el sorteo. 4. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 3. y se supone que existe aleatoriedad uniforme. ∀j = 4 − i + 1. 104 Finalmente. no es rentable jugar a esta loter´ puesto que el dinero que ıa. 2. Se selecciona una bola con n´mero impar la primera vez. 4. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. con i = 1. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . con |Ω| = 20.918. |Ω| 104 = P (Ai ) = para i = 1. donde wi representa el n´mero de la bola de la i-´sima extracci´n. para u e o i = 1. 2. . Por otra parte. 3. numeradas de 1 a n. i i i i . 3. 104 Por lo tanto. u Se selecciona una bola con n´mero impar la segunda vez. . 3. ∀k = j}. .

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

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

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

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

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

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

3. 1.25 = 1. 1. Calcular la probabilidad de que sobren dos balas en total. wi2 ∈ {a. 1. 5. 5. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. 2. a sea cual sea el resultado para esta ultima. wi1 = 0. e para i = 1. wi2 ) . 3.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2. 4}.25 · 0. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. ´ 1. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. 4 y j = 0. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. f } . Probabilidad de que alguno de los tiradores consuma toda su munici´n. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. 2794 · 10−3 i=1 1− i i i i . significa que ha acertado. 3. La probabilidad de acertar en el objetivo con cada tiro es de 0. w3 .i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2.2 1 − 0.8. Sin embargo. Si todos los tiradores consumen la munici´n. 4. o 2. 3. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 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. ya no le sobrar´ ninguna bala. w4 ) : wi = (wi1 . w2 . N´tese que si a un a o tirador le sobra alguna bala. y wi2 es el resultado que ha obtenido. 2. 4. Un tirador deja de disparar al alcanzar el blanco. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. para todo i = 1. 2. cada uno sobre uno. 4. que ser´ a si acierta y f si falla. si no le sobra ninguna.8 + 0. 2. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . Cada tirador dispone de seis balas. para todo i = 1. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros.8.25 · 0. 3.

FUNDAMENTOS DE PROBABILIDADES 2.8 0. i i i i .2) · 0. 4.2) 18 18 · (0. podemos luego extenderlo a todos.8 · (0.8) = 2 2 · 0.8. 3. 83 Definamos los sucesos Bi = “El tirador i acierta”. Los tiradores disparan de manera independiente. para i = 1.2) 3 5 3 = (0.2) ·(0. que disparan de forma independiente.2 · (0.8) = 1. entonces.1 · (0. 4 4 = = 3. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.2) 18 18 · 0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.2) = 4 · (0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes. Por lo tanto. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.8 + C4.25 · 0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0. Todos los tiradores tienen la misma probabilidad de acertar. 2. y teniendo en cuenta. = 0. teniendo en cuenta todos los casos posibles.8 + 6 · (0. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0. como siempre.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.8) .84 = 0.2) · (0.2) · 0.2) 18 · 0. resulta: P (C) = C4. 8455 · 10−12 . por lo que si vemos estos dos casos para dos tiradores concretos.8 · (0.2) 4 2 5 2 = (0.4096.

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

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

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

.4k · (1 − 0.4) = 0. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0. 4.8725 = 0.11714.4) . DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. 10 2.9790.6 = 0. 20. Si las cinco primeras matr´ ıculas son de Humanidades. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. i i i i . Si un determinado d´ se realizan ıa 20 matr´ ıculas. no haya m´s de 12 matr´ a ıculas en Ciencias. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. en total haya al menos 6 en Ciencias m´s que en Humanidades. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.4. 3. calcular la probabilidad de que: 1. 20 20−k · 0. . Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. haya al menos 8 matr´ ıculas en Ciencias. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas. .410 · (1 − 0.4.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. 5. 3. para todo k = 0. . siendo: a P (ξ = k) = 1. 2. mientras que el otro 40 % lo hacen en carreras de Humanidades.1275. 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.

las cinco primeras son en Humanidades. 1]) = P ([1/2. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. 0 ≤ x < k F (x) =  1. debe verificarse que F (x) ≥ 0. Ya que k > 0. podemos definir una nueva variable η. 5. ∂x Adem´s. 2]. 1] ∩ [1/2. 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) = 0.4032. tambi´n binomial. se tiene que ∂F (x) = k > 0. De esta forma: a) La probabilidad de que en total haya igual n´mero de matr´ u ıculas en Ciencias que de matr´ ıculas en Humanidades es: P (η = 5) = Fη (5) − Fη 5− = 0. Sin embaro o go. 0 ≤ x < k cuando k ≤ 1.4159 = 0. En particular. pero con par´metros n = 20 − 5 = 15 e a y p = 0. en o o ese caso.0271. 2]) P ([1/2.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. o o Bajo la condici´n 0 < k ≤ 1. 1 − k(1 − x). para todo x. P3. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. k≤ x Calcular la probabilidad de [1/2.4. 1 − a k (1 − x) ≥ 0. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. 2]) = = P ([1/2. por lo que se tiene que. 2]) P ([1/2. 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. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. 0 ≤ x < k. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0.5851. 1] condicionada por [1/2. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . calculemos la probabilidad pedida: o P ([1/2. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 1] | [1/2. F es funci´n de distribuci´n.

4)) − P ((−∞. 1}) = 0. Q ∩ [0. 1]. P (I ∩ [0. 2]) − P ((−∞. 1]) = 0. 8]. 1]) = P ((−∞. {1. 1]. 1]. Soluci´n o Las probabilidades que se piden son: i i i i . P ([0. [1.4] Sea la probabilidad en IR dada por P ((−∞. { 2}. calculemos las probabilidades que se piden: √ 2. √ P ((−∞. 0)) = P ((−∞. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 4) = P ((−∞. P ({0. 2] − Q.   1. 3}. [−2. 4). I I Soluci´n o N´tese que esta funci´n es continua en todo IR. 5))−P √ ((−∞. [0. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. [0. 4] = P ((−∞. 5)) = P ((−∞. P (IN) = 0. Q P ([−2.   (x + 4)/16. [2. 1 − e−x /2. {0}. excepto en el punto o o Teniendo eso en cuenta. 0)) = 4/8 − 4/16 = 1/4. [−2. 8]) − P ((−∞. {4 + 2}. x]) = ex /2. 5])−P ((−∞. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. √ P ([2. 2). √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. √ √ P [0. x]) =  (x − 2 + 4)/8. P3. 8]) = P ((−∞. 2] −P (−∞. los √ √ ( 2. 2)) = 1 − 6 − 2 /8.3] Sea la probabilidad en IR dada por   0. {0. IN. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. √ √ √ P ( 2. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. 4]. 2]. P ([0. √ √ √ √ P [ 2. 4])−P ((−∞. 0)) = 5/16 − 4/16 = 1/16. 2] = P ((−∞. 2. DISTRIBUCIONES DE PROBABILIDAD P3. 1]) − P ((−∞. 1}. 3]. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 5). [ 2.

d]) − P ((−∞.5) /2 + 0.4) × [0. d]) = P ((−∞. y]) = P ((−∞.42 ·(0. 2)) − P ((−∞. 1]2 {(x.8] × {0. [0.8] × {0.2.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. Calcular las probabilidades de (0. 1]) − P ((−∞.2.5 · (0. b] × [c.3 + 0. a] × (−∞. 0.5}) = 0.4. P [0. x) × (−∞. P ({1.00 8.5 + 0. y) : x + y ≤ 1}. 0.5 · (0.5) /2 −0. 3]) − P ((−∞.4) /2 = 0.4.4 · (1 + 0. a] × (−∞.5.4) /2 = . 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. 1]) = P ((−∞. (0.5 + 1) /2 − 0.4 · (0. x] × (−∞.4) × [0. y]) = P ((−∞.5) × (0. 2)) = P ((−∞.5) /2 − 0 = . P ((0. 3]) = P ((−∞. 3}) = 0.5·(0.3.4 + 0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 . c]) −P ((−∞. x] × (−∞. De esta forma se obtiene que: P ((0.5 · 0. 2. 0.5} .4. y)) = P ((−∞.3 · 0. y ≤ 1.25.4. c]). 0. b] × (−∞. 0. y)) . 0. .2.5]) = 0. puesto que: a P ((−∞.3 · 0. b] × (−∞. 0. d]) + P ((−∞. P3. P ([0. 1) . x] × (−∞.4) /2] + 0.5 · 1 · (0.3 + 0. 0)) = 1/2 − 1/2 = 0. 0. [0. P ([1.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.4.4) /2− 0.4 · (0. 0.6]2 ∪ [0. 0]) − P ((−∞.5] Sea la probabilidad en IR2 : P ((−∞. [0.3. P ({0}) = P ((−∞. i i i i . teniendo en cuenta que: P ([a.5) × (0. P ([−2.5. 0. 1)) = 0.4·0. estas probabilidades se calculan de manera an´loga.4 + 0.504. y]) = xy(x + y)/2 si 0 ≤ x. .4 · 0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. x) × (−∞.4 + 0.8]2 En caso de que el intervalo sea abierto o semiabierto.

si t ≥ 1/2.6]2 = 0. 0. 1] con im´genes a trav´s de ξ en (−∞.62 · (0. 0. Si t ≥ 1/2.6 · (0.2 + 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.6 + 0. 0.4 + 0.4 · 0. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. se tiene que:   0.6 + 0.42 · (0. entonces Fξ (t) = 1 Por lo tanto.2 · 0.6]2 + P [0.4) /2 = 0.4) /2 + 0.4. 0.2.8]2 = P [0.6) + 0.8]2 = P [0. entonces Fξ (t) = P ([0.2) /2 + 0.4. 0.4 · 0. i i i i . P3.4. si 0 ≤ t < 1/2 Fξ (t) =  0. a e P [0. t + 1/2]) = 2t.6]2 + P [0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3. conviene distinguir varios casos: Si t < 0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. 0. 1] : ξ (x) ≤ t}) .82 · (0.6) +0.2.2 + 0.8]2 −P [0.8) /2 − 0.4 + 0.4. representada o en la figura 3.4 + 0.8]2 −P [0.1: Puntos de [0.42 · (0.6 · (0.28. 0.62 · (0.2.8 + 0. t] ∪ [1/2. si t < 0 2t.6) /2 − 0.4 + 0. t]. Si 0 ≤ t < 1/2.22 · (0.1. 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. entonces Fξ (t) = P (φ) = 0. y) : x + y ≤ 1}) = P [0. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4. 0.6]2 ∪ [0. 0.8) + 0.2.6) /2 − 0.6]2 ∩ [0. P ({(x.8 · (0.

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

para todo x ≥ 1. igual a 6 minutos.9] Demostrar que F (x) = buci´n. que F (x) = 0 para todo x < 1. por lo que l´ ım F (x) = 0. DISTRIBUCIONES DE PROBABILIDAD 93 P3. para todo x ≥ 0.8] 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 . Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. Por otra parte: P (ξ = 6) = P (ξ ≤ 6) − P (ξ < 6) = Fξ (6) − Fξ 6− = 1− e−6/3 e− 6/3 e−2 + =2· = e−2 . i i i i . 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 + + = . ya que no se indica nada al respecto. 2. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. o Soluci´n o n=1 1/2n . es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. o o 1.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. 2 2 2 = 1 − e−2 − l´ ım x P3. x→−∞ x 2. Se supone. superior a 6 minutos. 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.

para todo x ∈ [−1. se concluye que F es mon´tona. 2/2) 3. Por lo tanto. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . 2.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. Debe verificarse que fξ (x) ≥ 0. 1]. o 2. para todo 1 ≤ x1 ≤ x2 . Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. 1. para todo x ∈ (0. f (x) = kxe−kx . o Comprobemos en cada caso la segunda condici´n. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. k ≤ 1/2. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. i i i i . F es continua por la derecha en todo punto de la recta real. f (x) = k/(1 + x2 ). f (x) = k/ 1 − x. para todo x. para todo x ∈ [−1. Se han de distinguir dos casos: a) Si k > 0. la funci´n de densidad es una recta con pendiente o positiva. 1]. lo que es 1 si k = 1. Adem´s. Por lo tanto. es decir. 3. +∞ −∞ P3. o 5. Es claro que F (x) ≥ 0. 4. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. o 1. para todo x < 1. 0898. para todo x > 0 √ √ 2. Calcular la esperanza. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). la moda y la mediana de ξ.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. P3. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . 1/2 3. a ya que F (x) = 0. para todo x ≥ n 1. lo que es 1 si k = 1/π. lo que es uno si k = 1.

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

i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. a 3. 1764 · 10−2 . i i i i .3 = 0 2x4 · ∂x + 0. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0.3 Calcular: 1.8 < x ≤ 1. 0 0. Soluci´n o 1.3 = 0 2x3 · ∂x + 0.3 2x2 · ∂x + 0. 71933) = 9.72x2 · ∂x = 0. Determinar la funci´n generatriz de momentos de ξ. 3. Los tres primeros momentos ordinarios son E [ξ] .8 1.3  0.72   0 x > 1.8 1. Utilizar (1) para encontrar la media y la varianza de ξ. Teniendo en cuenta las propiedades de la esperanza. los tres primeros momentos ordinarios.8 0. 2.72x · ∂x = 0. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.8 0. 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) 2.8 fξ (x) = 0.8 0. o 2.72x3 · ∂x = 0. para cualquier otro valor 1. 6092. 0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 . Soluci´n o 1. esperanza matem´tica y varianza. 71933.8 1. P3. E ξ 2 y E ξ 3 .6092 − (0.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0. x > 0 fξ (x) =  0. 2 2 E ξ3 2. E [ξ] = E ξ2 0. E[2ξ + 5ξ 2 − ξ 3 ]. 57144.9132.

volvamos a nuestro problema original. Bajo cada tapa hay exactamente uno. . . Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8.7 yogures para conseguir los seis s´ ımbolos distintos.14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos. 2 97 | | t=0 = E [ξ] . y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. . la media y la varianza de la variable ξ son: V (ξ) = P3. Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general. t=0 Por lo tanto. y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1. = E ξ2 . . Dicho esto. hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n. . E ξ 2 − (E [ξ]) = 96 − 64 = 32. En el caso de dos. p y por tanto m = 1/p. Evidentemente. . 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 + .i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3. Por lo tanto. y. DISTRIBUCIONES DE PROBABILIDAD 2. 6) es n 1 6−i+1 6 k=1 . en general. este n´mero es u 1 + 1/ (5/6) = 1 + 6/5. el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1. . Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno). . . el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. i i i i .

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

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

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

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

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

el grueso de la moneda debe ser 35. las caracter´ ısticas de la superficie sobre la que cae.. es decir. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. la elasticidad de la moneda. arctan (π/3) En otras palabras. en su secci´n central (figura 3.5).3). a Dada la simetr´ concentr´monos en una secci´n de la esfera. 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. i i i i . Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. P3. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. e o plo. para dar una respuesta con esta segunda herramienta. Por ejemıa. debe cumplirse que α = 2π/6.354r. Sin embargo.3: Esfera que circunscribe los bordes de la moneda.4). 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. entonces g= r = 0. etc. entonces este problema no est´ matem´ticamente bien definido y su resa a puesta debe proceder m´s de experimentos f´ a ısicos que de la Teor´ de ıa Probabilidades. la fuerza y direcci´n con o que se lanza.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto.

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

6): u o e η=g ◦ ξ= L2 senξ . = 1. Esta variable es claramente obtenible a partir de la variable ξ. Sobre el espacio a muestral Ω se asume una probabilidad P . para todo x. DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3.6: Transformaci´n de variables aleatorias. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 . para cualquier otro valor. π/2). o P3. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. π/2) 0. Por tanto. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). conociendo el ´ngulo x entre los dos lados de tri´ngulo w. 2 2 2 Es decir. 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) = = . Sea ξ la variable que mide dicho ´ngulo. En efecto. 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). x ∈ (0. 2 i i i i .i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3.21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. y se distinguen por el ´ngulo que ambos forman. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. 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. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω.

y 0 en otro caso. para y ∈ 0. la esperanza de la variable η se puede calcular o bien directamente aprovechando que hemos calculado su funci´n de densidad: o L2 /2 E[η] = 0 fη (y)∂y o indirectamente usando que η = g ◦ ξ: π/2 π/2 E[η] = 0 g(x) · fξ (x) · ∂x = 0 12L2 L2 senx 12 · 3 · x · (π − x) · ∂x = . π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. 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. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . cuando x > 0. La venta de una cantidad o i i i i . si y ≤ 0 entonces Fη (y) = 0. y para ello sustituyamos el valor de la funci´n g en la expresi´n o o anterior: Fη (y) = P L2 sen(ξ(w)) ≤y 2 2y = P w ∈ Ω : ξ(w) ≤ arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 fξ (x)∂x = = x(π − x)∂x. Obviamente.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 . S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2. Para esto consio o deremos cualquier valor y ∈ IR: Fη (y) = P {w ∈ Ω : η(w) ≤ y} = P {w ∈ Ω : g(ξ(w)) ≤ y} Claramente. L2 /2 . 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 . 2 π π3 P3.22] En funci´n de un estudio realizado en varios establecimientos. mientras que si y ≥ L2 /2 entonces Fη (y) = 1.

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

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

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

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

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

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

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

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

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

2. que el 20 % de las personas que reservan una mesa no asistir´n.050 · (1 − 0. . Por ultimo: ´ P (η10. ηn. . o por experiencia. . ξn ).4013.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. de acuerdo con el dato o a inicial del problema. de acuerdo con el enunciado del ejercicio.05.0.0.05 ≤ 2) = i=0 10 10−i · 0. . .05 = 0) = 10 10−0 = 1− · 0. de un ı. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 .2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. Procedemos a calcular: P (η10.9884.0. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. . esto es.05) = 0. total de n reservas (ξ1 . Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.05) = 0. ξn ). n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.0. . Hechas estas consideraciones iniciales. 2 P (η10.052 · (1 − 0. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . . procedea mos a resolver el problema.05) = 0 = 1 − 0.p = ξi . con distribuci´n o i i i i . Se tiene que: 2 i=1 10 8 · 0. P4.05i · (1 − 0. ¿cu´l es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Soluci´n o Representemos por la variable aleatoria ξ la decisi´n de asistir (ξ = 0) o o no (ξ = 1) finalmente al restaurante por parte de una persona que ha hecho una reserva.05 = 2) = 2. Adem´s.05 ≥ 1) = 1 − P (η10. 1. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.0746. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. sigue una distribuci´n binomial de o par´metros n y p = 0.05. i 3.5987 = 0.

para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa.41696. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. As´ se tiene que: ı. 2. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 1. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. De la misma forma. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. En el caso particular del problema. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. la probabilidad deseada es la siguiente: P (η = 1) = 2. i! 3.2. o a Por lo tanto. 2381. debe ocurrir que acudan 20 o menos. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4.2i · (1 − 0.3] 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. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2. u 1. Considerando que se cumplen ciertas condiciones de regularidad. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. 27067. 3. 21 −2 · e = 0. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. Entonces. i! i i i i .2) = 0. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. ¿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. i P4.5799. 1! An´logamente. Si el n´mero promedio de estos fallos es ocho.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. a n = 25.

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

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

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

. p 0. . definamos un conjunto de variables aleatorias ξ1 . 9597730 = 0. Procediendo de forma similar al primer apartado. de acuerdo con los datos del problema.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . . Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. 29175. 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). . se calcula: P (ξ1 = k|ξ2 = j) =    = 4. . ¿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. 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. . el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . n i=1 2 i=1 P4. Se asume que las visitas realizadas son independientes entre s´ Entonces. a lo largo de un mes. si j ≤ k .3.7 + 10 = 10 · + 10 = 33. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0.3 Por otra parte. PRINCIPALES VARIABLES ALEATORIAS 3. . 333. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. a y por tanto E [ξ] = n (1 − p) /p.3.7i i = = 0. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. el n´mero medio de visitas diarias que ı.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. Se ıas tiene que: 30 P (ξ1 ≤ 40. i i i i . si j > k Por ultimo. .310 · 0.

p). Si ξ ∼ Bi(n. P (ξn = 0) ≤ 0. Pξ (k + 1) = · Pξ (k). n. p). si ξ ∼ Poiss(λ).i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.1. Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). Pξ (k + 1) = · Pξ (k). sea mayor o igual que 0. entonces Pξ (k) = n n−k · pk · (1 − p) . p). . (k + 1)(B − (n − k) + 1) 1. Pξ (k + 1) = Soluci´n o 1. P4.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. B). Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. 6 desigualdad que se verifica para todo n ≥ 13. si ξ ∼ Bi(n. . (k + 1)(1 − p) n−k = i i i i . k+1 (n + k)(1 − p) 3. si ξ ∼ BiNeg(n.9. si ξ ∼ Hip(n.9. Considerando que la probabilidad de obtener un as con este dado es 1/6. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. . Pξ (k + 1) = · Pξ (k). k+1 (A − k)(n − k) 4.1. es decir. A. k para todo k = 0. se tiene que: n 5 ≤ 0. .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). (k + 1)(1 − p) λ 2.

i i

i

“libroult” 2001/8/30 page 123 i

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

123

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

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

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

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

·

,

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

·

=
n−k B−n+k+1

= =

A−k k+1

·

A k

·

·

B n−k

A+B n

=

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 124 i

124

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

2 3

5

,

5 6

5

= P (η = 0) ,

= P (ξ = 0) · P (η = 0) =

5 6

10

,

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

pi =
i=0 i=0

1 · 1+µ

µ µ+1

i

=

1 1 · = 1, 1 + µ 1 − [µ/ (µ + 1)]
i

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

i i i

i

i i

i

“libroult” 2001/8/30 page 125 i

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

125

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

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

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

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

E [ξ]

=
k=2n+1

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

1 2n − 1

2n−1

k=
k=1

= 2n +

i i i

i

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

2 · t + 0.85−k = 0.2. 2. 0 3. t=0 = 0. 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.2k · 0. Si G (t) es derivable en un entorno del origen k veces. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. 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. para todo k = 0. 4. entonces: ∂φξ (k) (t) = k! · P (ξ = k) .8 1. 5 = (0. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. Esperanza y varianza.85−k . k = 0. 5. 4. 1. 3.8) .8 4 · et t=0 = 1. ∂tk t=0 En concreto. 2. Por lo tanto: φξ (t) = Gξ (lnt) = 0. −1 t=0 · 1.2 · et + 0. 3.85 = 0. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ .2 · et − 1 = 0. en este caso. (5 − k)! · k! 2.2 · elnt + 0. 5 Se verifica que.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4.6 + 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . Teniendo esto en cuenta. 5. PRINCIPALES VARIABLES ALEATORIAS 3.6656. 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 = 0.2k · 0. As´ ı: P (ξ = k) = 5! · 0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . 1. 67232. k 4. si φξ es derivable k veces en un entorno del origen.8 i i i i .20 · 0.

k! para todo k = 0. Funci´n de probabilidad. Se pide: 1. t=0 −1 − 4 = 2. . k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. .32332. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. 1 · 2k · e−2 . Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) .15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . o 1. P (ξ > 1) y P (ξ > 2). Por ultimo. −1)+t t=0 P4.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Esperanza y desviaci´n t´ o ıpica. con media 22 minutos. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. a 2. 3.59399. k! 3.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. o 2. i i i i . 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. 1. .

As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. se cobran a 2000 pesetas). Te´ niendo esto en cuenta. 2. 22 3. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos).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. este ultimo inclusive. ¿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. 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). 657 ∼ 51 minutos. 3. para un tiempo de reparaci´n dado. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0.1 y esto se cumple para t = −22 · ln0. 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. x > 0. 129 El costo de reparaci´n es de 2000 pts. De acuerdo con el enunciado. = i i i i . Debe verificarse: P (ξ > t) = 0.1.1 = 50. 22 1. 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 .? a o Para efectuar una programaci´n. Por lo tanto. (Todos. por cada media hora o fracci´n. inferiores a 30.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . PRINCIPALES VARIABLES ALEATORIAS 2.

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

P (η = k) = p · (1 − p) con p = 1 − e−1/λ .19] Sup´ngase que ξ se distribuye como N (µ. 2].4307. ıan procediendo de modo an´logo. 1]. En este caso. a < b. 2. b] . σ).obteni´ndose finalmente que µ = e 0. b] . 2.3333 = −0. 3. A partir de estas dos condiciones. en [−1. o o i i i i . a P (ξ ≤ 1) = FZ 1−µ σ = 3 . k 131 P4. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. 4 es decir.6667 = 0. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . 2. de lo que se obtiene que µ = 0.4307.9.5 y σ = 1. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . (1 − µ) /σ = z0. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. en el intervalo [0. σ 3 luego (1 − µ) /σ = z0. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3.75 = 0. 3 de donde se deduce que −µ/σ = z0. P4. PRINCIPALES VARIABLES ALEATORIAS es decir. 1]. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. podremos obtener dos ecuaciones lineales en µ y σ.39 y σ = 0.3333 = −0. las ecuaciones ser´ −µ/σ = z0.16. en [−1. 1.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. para todo u ∈ [a.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1.6745. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.4307 y.

Esta distribuci´n se llama distribuci´n de o o Cauchy. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. π/2). 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 − = . Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e . la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . 2]. b] = [−1. Ver que es sim´trica respecto al cero pero que no tiene esperanza. 1]. La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . Fη (c) = 2 · c. P4. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2.22] 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. donde c es una constante positiva y ξ o una exponencial de media θ. 1]. Si [a. por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . si se quiere ver la distribuci´n del cuadrado de esta variable. en cada caso particular: e √ 1. Fη (c) = c. b] = [0. √ 3. √ 2. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. b−a b−a b−a obteni´ndose.21] Encontrar la distribuci´n de cξ. Fη (c) = 2 c/3. b] = [−1. θ y su funci´n de distribuci´n ser´. Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. Si [a. a entonces fξ (y) = [π(1 + y 2 )]−1 .i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. x > 0. o que denominaremos η. P4. Si [a.

(i) x7 (1 − x)9 . x > 0. (h) e−a|x| . para todo x ∈ IR. x · 1/ 2π · exp( 2 2 +∞ −∞ V (X) = E X 2 − (E [X]) = −x2 1 x2 · √ · exp( ) · ∂x = 1. fθ (t) = a o 1/π. o calculamos la esperanza y la varianza de la variable. (b) x. esta funci´n es positiva para cualquier valor real. para todo x ∈ IR. π/2). resultando: +∞ E [X] = −∞ √ −x2 ) · ∂x = 0. 0 < x < 1. la variable ξ = tanθ. (j) x7 (b − x)9 . Una vez determinado el valor de c. √ √ +∞ Se verifica que −∞ c · exp(−x2 /2) · ∂x = c · 2π = 1 si c = 1/ 2π. para todo x ∈ A. Adem´s. 1 < x < 10. Se obtiene que: fξ (y) = fθ (arctan (y)) · (arctan(y)) = 1 · 1 + y2 π −1 . por lo a o que es una funci´n de densidad. π/2). 0 < x ≤ 2.23] A partir de las expresiones de las distribuciones notables. = 1. para todo t ∈ (−π/2. (g) e−ax x5 . 1. e indica su esperanza y varianza para las siguientes funciones h(x). x > 0. 0 < x < b. (c) 1. Soluci´n o La constante c debe verificar que: f (x) f (x) ∂x A 2 2 ≥ 0. (f) e−(x−a) /b . 2 2π i i i i . es decir. Adem´s. θ sigue una distribuci´n uniforme en (−π/2. −(x−a)2 (e) e . P4. aunque es sim´trica respecto al cero no tiene esperanza. Teniendo en cuenta que. puesto a e que 0 −∞ 1/π · y · 1 + y 2 −1 · ∂y = −∞ pero +∞ 0 1/π · y · 1 + y 2 −1 · ∂y = +∞. (d) exp(−5x).i i i “libroult” 2001/8/30 page 133 i CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 133 con la tangente de θ. para todo x ∈ IR. donde a y b son par´metros positivos: a (a) exp(−x2 /2). di cu´l es el a valor adecuado de la constante c de manera que c · h(x) sea funci´n de o densidad. adem´s. para todo x ∈ IR.

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

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

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

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. demostrar que la probabilidad es m´xima cuando a N = 4n. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . o Si k = 4 y m = 1.3 (3. 9. 18) 1/3 · (1/6) 26 2 3.3. 4) 1/2 · (1/3) 7 1.3 (2. 3.2. 8) (1/3) 14 2 2. 3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. 9. 2. 6.2 (1.3. 6) 1/2 · 1/3 · 1/6 9 1. 18) 1/3 · (1/6) 27 2 3. 6. 3. ξ = 1) = 2· 1 1 1 1 · · + · 2 3 6 2 1 · 3 1 6 2 1 6 1 6 2 + 3 1 3 3 +3· 1 3 2 · 1 6 +3· = y adem´s: a 7 . 12) (1/3) · 1/6 20 2 2. a 1. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . e se les marca y se les reincorpora a su poblaci´n. 9 P4.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4.3 (3. 2. 6) 1/2 · 1/3 · 1/6 10 2 1.3.2 (3.2 (2. k = 4 y n = 3.3. Obtener una expresi´n para la probabilidad de que ξ = m. 6. 18) 1/3 · (1/6) 30 3 3. Si N = 12.2. Se capturan k lagartos.3. 2. 9) 1/2 · (1/6) 13 3 2.3 (1.2 (2. 6. 12) (1/3) · 1/6 21 2 3.2.3 (1. 4 P (η > 8|ξ ≤ 1) = = 7 .2.2.3 (2. 4.2 (1. 12) (1/3) · 1/6 18 2 2.2.2 (3.3.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 4. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.

. . k = 4 y n = 3. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . . la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . Derivando en la anterior expresi´n respecto de N e igualando a cero o se obtiene que: N n−1 · (N − 4) por lo que N = 4n. · 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. ξ ≥ 1) P (ξ = 3) 1 = = . P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. ¿Cu´l es el n´mero medio de observaciones que habr´ que hacer a u ıa para que en dos de ellas el lagarto est´ marcado? e Soluci´n o Teniendo en cuenta que los n avistamientos que se realizan son independientes. 3. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. m = 0. Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1. Si N = 12. . 1. n. 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.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. P4.. o e 1. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . 2.

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

2 i i i i . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. η1 . 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 + . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = .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 . 1296. y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 . 0! e 4. Se obtiene entonces: 1 2 3 Fη3 (t) = P η1 + η1 + η1 ≤ t t t−x 0 0 t−x = 0 e−(x+y+z) · ∂z · ∂y · ∂x = t2 e−t . η1 . ∂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. z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . 3. sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. 5. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas.η1 . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . que denotaremos η1 . y. ξ5 = 4) P (ξ3 = 4. ξ2 = 0) = = P (ξ5 = 4) P (ξ5 = 4) P (ξ3 = 4) · P (ξ2 = 0) = P (ξ5 = 4) 34 4! · e−3 · 54 4! 20 0! · e−2 · e−5 = 0.

Probabilidad de que A gane el torneo. Dejando indicados los resultados. η1 independientes e id´nticamente distribuidas seg´n la variable η1 introducida en el e u primer apartado de este mismo problema. η1 . η1 .i i i “libroult” 2001/8/30 page 141 i CAP´ ITULO 4. η1 . nos enteramos de que B lleva ganadas b partidas y se han producido t tablas.) : wi ∈ {A. η1 . wi = B significa que “A pierde” y wi = X significa que “A empata”. η1 . Para calcular la probabilidad de que el torneo consista en: i i i i . . pero no sabemos cu´ntas haya podido ganar A hasta el momento. Se desea calcular la distribuci´n de: a o η = m´ η1 . Asumamos que 0 ≤ w < v. η1 . resultando t partidas en tablas y ganando b partidas el otro jugador. . con p+q < 1.27] A y B disputan un torneo de ajedrez. η1 . η1 . η1 . q. donde cada wi representa el resultado de la partida i−´sima: wi = A e significa que “A gana”. Se asume que las partidas son independientes. cuando el torneo no ha finalizado. a calcular la probabilidad de que gane A. 1 − p − q. y B probabilidad q. p. η1 . En cada partida el jugador A tiene probabilidad p de ganar. η1 . . que concluye cuando uno de ellos alcanza v victorias. ın 1 2 3 4 5 La distribuci´n de esta variable es: o Fη (x) = P m´ η1 . B. se pide: 1. probabilidad de que A gane el torneo. 5 5 2. X}} . o u en un momento dado. η1 > x = ın 1 2 3 4 5 = 1 − [P (η1 > x)] = 1 − [1 − Fη1 (x)] = 1 − e−5x . P4. 141 1 2 3 4 5 Consideremos 5 variables aleatorias η1 . sucediendo que: P (A) = P (B) = P (X) = 1. funci´n de probabilidad del n´mero total de partidas disputadas. con distribuci´n exponeno cial de par´metro 1. 3. PRINCIPALES VARIABLES ALEATORIAS 6. η1 . Soluci´n o Consideremos el espacio muestral: Ω = {w = (w1 . η1 ≤ x ın 1 2 3 4 5 = 1 − P m´ η1 . w2 . η1 .

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

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

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

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

y ≥ 3  2/3   1 si x ≥ 3. o 2. 3)} = o 1/6.2] Sea una urna con 15 bolas rojas.1] Sea la funci´n de masa P {(1. 3) y (2. o i i i i . Por lo tanto: P (x. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. 2 ≤ y < 3 F (x. Hallar las funciones de distribuci´n marginales. 2). 2 ≤ y < 3  1/6 2 ≤ x. Calcular la funci´n de probabilidad conjunta. y ≥ 3 2. 3)}) + P ({(2. 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. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). Soluci´n o 1. Considerando los distintos casos posibles. P {(x. Ejercicios Resueltos P5. P5. y) = si  1/3  1 ≤ x < 2. 2)} = P {(1. la funci´n de distribuci´n bivariante asociada. u u 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. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. o o 2. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . k2 ). 10 negras y 25 blancas. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. Calcular: 1. y) ∈ IR2 : x + y = 4}. 2)}) = 1/3. 3)} = P {(2. eno tonces cada componente es una variable aleatoria discreta. P {(3. y) ∈ IR2 : x + y = 4 = P ({(1. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. y ≥ 3     si 2 ≤ x < 3. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . 2)} = P {(2. 3)} = 2/6.

3 y i + j ≤ 3. . por: P (ξ = x. η = 3) = 0. sin reemplazamiento. 2.4] Una urna contiene tres bolas rojas. y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . teniendo en cuenta o que las bolas se extraen con reemplazamiento. η) con funci´n de probabilidad conjunta: o P (ξ = i. j = 0. 10−y P (η = y) = · . η = 3) y P (ξ ≥ 1). η = 3) = P (ξ = 1. 1. 147 La funci´n de probabilidad conjunta viene dada. . para x. 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 . Se extraen dos bolas de la urna. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5. η = 3) + P (ξ = 2. j = 0. 10} . 1.3] Sea el vector aleatorio (ξ. y ∈ {0. η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . P5. Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0. 3 i+j ≤3 Calcular P (0 < ξ ≤ 2. η = j) = 4 3−j 17 . 24 = 1− j=0 1 3 120 0 3 j = P5. 2. Soluci´n o N´tese que esta funci´n de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i. Por lo tanto: P (0 < ξ ≤ 2. η = j) = 3 i 3 j 4 3−i−j 120 . tres blancas y cuatro negras. 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. i. 2. . . j)tales que i.

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

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

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

N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero. si 10−y x = 1. si . y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). 10. 10 x = 0. la probabilidad P (ξ = x. si 2. 2. . y = 2.10). y = 1 x = 2. η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . y = 0 x = 1. y consideremos las variables aleatorias que nos dan el n´mero ξ de bolas azules y el n´mero η de bolas blancas u u que aparecen en la extracci´n.7] Consideremos una urna con 3 bolas azules. 3. . o Calcular las distribuciones marginales. Distribuciones de ξ condicionada a η = y (y = 0. si · 10−x j = 1/2x . . 1. y = 1 · i=0 10−x j=0 10−y i = 1/2y . . ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. Las correspondientes distribuciones marginales son: i i i i . . 4. 2 blancas y 1 roja. . Extraemos 3 bolas sin reemplazamiento.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)”. . Calcular la funci´n de probabilidad conjunta.. Por lo tanto P (ξ = x. . η = y) ser´ nua la si la otra variable toma un valor distinto de 1. 5. Soluci´n o 1. Calcular la distribuci´n de probabilidad o o conjunta. 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.

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

2.126 4 0 0.36 . η = 0) = 0. η) . 3. 3. η = 2)+P (ξ = 2. las variables ξ y η no son independientes. 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. 2. η = 4) = 0. 3. Esto puede observarse en la figura 5. 2.294 8 0 0 0 0.294 0 0.027 2 0 0. VARIABLES ALEATORIAS BIDIMENSIONALES 1. Calcular las funciones de densidad condicionadas. y) = 24y (1 − x − y).33−x · 0. x = 0.10] Sea (ξ. η) o es: η|ξ 0 1 2 3 0 0.343 0.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. η = 0)+P (ξ = 1.441 0. Calcular las funciones de densidad marginales. si (x. 1. y) pertenece al recinto limitado por las rectas x + y = 1. ¿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 1.063 0.027 0. 1. para x = 0. pues: a P (ξ = 0. i i i i . η). P5.1. 3 · 0.343 1 Adem´s.7x . Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2. 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. η) una variable aleatoria bidimensional con funci´n de densidad o f (x.189 0.126 0 0 0.027 0 0 0 0.33 = P (ξ = 0) · P (η = 0) = 0. u dar la distribuci´n conjunta de (ξ.21 6 0 0 0. 3.147 0 0. y = 0.343 0.3.

2: Regiones del plano para el problema P5.10.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5. y R4 R3 R2 R1 R6 R5 x Figura 5.1: Diagrama para el ejercicio P5.9. i i i i .

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

11] Sea (ξ. 0 ≤ y ≤ 1 − x. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. la funci´n de distribuci´n es: o o si (x. es decir. k = 1.η (x. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. entonces o o fξ.11.3. Por tanto. x = 2. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. y fη|ξ=x (y) = f (x. Dado que la funci´n de distribuci´n es uniforme. Por ultimo. y) = xy − y 2 . o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. i i i i . y) ∈ R2 : F (x. P5. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. y) = 0. y = 0.3: Regiones del plano para el problema P5. Calcular o la funci´n de distribuci´n. si (x. y) ∈ R1 : F (x. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. 0 ≤ x ≤ 1 − y.

y) = 0 cuando (x. Consideremos las zonas del plano indicadas en la figura 5. 2.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. 4 F (x. Calcular las funciones de densidad condicionadas. y o a f (x. y) = 1.4: Regiones del plano para el problema P5.12. Soluci´n o 1. y) = si (x. y) est´ en R2 . P5. si (x. x ≥ 0. y) ∈ R4 : x2 . η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. considerando un punto (x. La funci´n de densidad es f (x. Calcular la funci´n de distribuci´n conjunta. y) ∈ IR2 : x2 + y 2 < 1. si (x. 1. 3. 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) = y(2 − y). y) arbitrario pero fijo: i i i i . y ≥ 0 . y) = 4/π cuando (x. De este modo.12] Sea (ξ.4. y) ∈ R5 : F (x. o o Calcular las funciones de densidad marginales. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. y) est´ fuera de R2 . y) ∈ R3 : F (x.

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

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

para 0 ≤ z ≤ 1.14] Dado el intervalo [0. (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6. 0 ≤ z ≤ 1. = n (1 − z) n−1 . b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. se eligen al azar tres n´meros a. 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 . De la misma forma. Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . An´logamente.ζ (w. Calcular la o probabilidad de que tenga soluciones reales.ζ (w. Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . 0 ≤ z ≤ w. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. 0 ≤ w ≤ 1.ζ (w. z) y por lo tanto: fη|ζ=z (w) = 3. a fζ|η=w (z) = fη. = · w (w − z) n−2 i i i i . z ≤ w ≤ 1. . n−2 = n (n − 1) (w − z) . E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . z ≤ w. 4. n+1 n . n−2 fη. z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . n+1 2 E [ζ] = 0 zn (1 − z) 1 n−1 ∂z = E ζ 2 = 0 z 2 n (1 − z) n−1 ∂z = 2 . se obtiene: 1 2 (n + 1) (n + 2) 1 . n P5.

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

2. i i i i . Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra.16. e−2 + 2e−1 − 1 yey − ye−2−y . a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso.16.6: Plano del teatro del ejercicio P5. 3. y) y el centro del escenario (el origen 0). y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. e−2 + 2e−1 − 1 Por lo tanto. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. ξ + η ≥ −2) = P (ξ + η ≥ −2) y −1 0 −1 t −2−t t −2−t −tes ∂s ∂t −tes ∂s ∂t = = ey (y − 1) + e−2−y (y + 1) + 2e−1 . Por ultimo. esto es. 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. As´ se obtiene que: ı. o 1.

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

En la esquina 0 duerme el perro guardi´n. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. que queda inm´vil al e o o o despertarse el perro. una con frutales y otra con hortalizas. Hallar la funci´n de distribuci´n de la coordenada η. i i i i . P5. Cuando el perro se a despierta. El ladr´n. y cero en otro caso. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200.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 5.5 π(1002 −302 ) 2 = 0.5. tal como muestra la figura 5. Hallar la primera coordenada de la posici´n media en que se da o caza.7. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. 15646. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas.17. 3. en menos de 15 segundos. a un ladr´n que se encuentra en los o frutales. o o 2.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. se encontrar´ en un punto aleatorio de la finca (ξ. 1. El perro corre a 10 m/s. y por lo tanto. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso.7: Plano de la finca del ejercicio P5. η). 3. la probabilidad que se pide es: 2236. 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.

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

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

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

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

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

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

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

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

aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30.9495 De forma similar al apartado anterior. y aplicando el Teorema Central del L´ ımite. 2. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. Procediendo de forma an´loga a los casos anteriores. 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 + 0.5 − 40 √ 20 = 0.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. i = 1. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. .5438 P6. a una normal de par´metros µ = 104 y σ 2 = 104.5 = 0.5 − 30 √ 15 = 0. 175 Aproximemos. . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.8] El n´mero de personas que acuden un banco en una semana para abrir u una cuenta sigue una distribuci´n de Poisson de par´metro λ = 1. .5) .6331 i i i i . X = n 104 i=1 Xi . mediante el Teorema Central del L´ ımite. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2.5 − 15 √ 7. en el caso de que ´ste responda las 80 pregune tas al azar. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . Z> 10 + 0. n2 · p2 · (1 − p2 ) = 15) . Z> 30 − 0. CONVERGENCIA 1.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. n1 · p1 · (1 − p1 ) = 7. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. Teniendo en a cuenta lo anterior. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. .

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

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

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

3 − 1.4 − 1. o 179 Soluci´n o 1.6 · 1.82 ) = 0. 58333.75 · (x − 1.8 − 1. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2. Y = yj ) = 3. 3. 2. Obtener el coeficiente de correlaci´n de estas variables. xi P (X = xi ) = 1.8.62 ) · (5.4 j=1 E [Y ] = = Finalmente: ρXY = 2.3. P7.6) . Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. 15 x y = + 1.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .8 i yj P (Y = yj ) = 1.8 = 1. o Determinar la recta de regresi´n de Y sobre X.4 0. REGRESION Y CORRELACION 1.6 P (Y = yi ) 0.4 0. La recta de regresi´n de Y sobre X es: o y − 1. E Y 2 j=1 2 2 yj P (Y = yj ) = 5. 9 i i i i .8 (2.6.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.4] Sean: y= x + 2.

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

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

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

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

Sign up to vote on this title
UsefulNot useful