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

.

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

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

. el n´mero de selecciones ordenadas de m de ellos es u Vn... el n´mero de secuencias ordenadas de estos elementos es u n P Rn1 . (n − m)! i i i i . . . .. n1 ! · . k: Dados n elementos.m = 11 n! . n2 iguales. .nk = n! .i i i “libroult” 2001/8/30 page 11 i CAP´ ITULO 1 Combinatoria La Combinatoria es el arte de contar los posibles elementos de un conjunto.nk iguales. .+nk = n). con n1 +n2 +. i = 1. A continuaci´n resaltamos seis casos t´ o ıpicos: Permutaciones de n elementos: Dados n elementos distintos. de los cuales hay s´lo k e o diferentes (n1 iguales. . . . .... el n´mero de u secuencias ordenadas de ´stos es e Pn = n · (n − 1) · · · · · 2 · 1. teniendo especial cuidado en no olvidar ning´n elemento ni en contarlo m´s de u a una vez. Este n´mero tambi´n se denota como n!. u e Permutaciones con repetici´n de n elementos. con ni repeticiones del io ´simo elemento. · nk ! Variaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos.

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

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

pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. e u 2. 1. Por tanto. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito.10 = 36510 . ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). u P1. La soluci´n es n = 5 a o (el pent´gono). u 3. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. se pueden formar 92 · 8 · 7 = 4536 n´meros. si el ultimo d´ ´ ıgito ha de ser 0 y no se permiten repeticiones? Soluci´n o Asumamos que para que un n´mero sea de 4 d´ u ıgitos su primer d´ ıgito debe ser distinto de cero. Al igual que en el apartado anterior. 2. Como adem´s no se permiten repeticiones. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. Fijamos el ultimo d´ ´ ıgito y. el primero de ´stos no puede ser cero. . Por lo tanto. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. el n´mero de maneras u distintas es V R365. i i i i .6] En un grupo de 10 amigos. . Por lo tanto.1. 3.i i i “libroult” 2001/8/30 page 14 i 14 es decir.9 1. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. . sin repeticiones. como no puede haber repeticiones. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. permitiendo repeticiones. a P1. el resultado n = 0 no es v´lido.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. el primer d´ ıgito no puede ser cero. Como n ≥ 1 .. P1.

etc.8] Cuando se arrojan simult´neamente 4 monedas. “3 caras y 1 cruz”. se tendr´ un total de P5 = 5! posibles ordenaciones. cara. obteniendo as´ un total de ı C5. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. 2. Estos casos son: “cara. cruz. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. 2. cara. COMBINATORIA 15 P1. y “0 caras y 4 cruces”. es decir. Pero. “cara. hay un total de V R2. y que las monedas no pueden distinguirse entre s´ existen CR2. cruz. “2 caras y 2 cruces”. ¿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: 1.7] ¿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.4 = 24 = 16 resultados posibles. Suponiendo que las monedas son distintas: 1.2 = 6 ı resultados de dos caras y dos cruces. 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. cara. a u P1.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. cara. i i i i . cara. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. “cara. dividiremos por las posibles permutaciones de cada uno de ellos. cruz”. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. respectivamente. cruz”. Estos casos son: “4 caras y 0 cruces”. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. “1 cara y 3 cruces”. hay C4. bles.4 = 5 resultados posiı. P1. 2. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”).9] Cuatro libros de matem´ticas. cara”. y adem´s coincide con el n´mero de posiciones para los puntos (C5. Como las monedas se arrojan simult´neamente. cara”. los libros de cada materia han de estar juntos. cara. “cara. a 1. En este caso. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces.2 ).

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

¿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.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. es importante saber si corresponden al principio o al final del trayecto. 10 · 15 = 150 comisiones. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. hay un total de V25. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. Se fija uno de los f´ ısicos. 3. 2. por lo que hay C5.14] Tres atletas toman parte en una competici´n. ¿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.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. todos son elegibles.2 = 15 grupos de 3 f´ a ısicos. luego existen C5.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. 2. Luego hay un total de 10 · 35 = 350 comisiones posibles. un f´ ısico particular ha de estar en esa comisi´n. y C7.2 = 10 grupos de 2 matem´ticos. y adem´s.2 = 25 · 24 = 600 billetes diferentes. existen C5. y C6. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. P1. Puesto que todos son elegibles.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. o i i i i . P1.4 = 35 grupos de 4 consonantes distintas y C5.12] Una l´ ınea de ferrocarril tiene 25 estaciones. P1. 3. a o Adem´s hay C7.3 = 35 grupos de 3 f´ a ısicos. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. a dadas dos estaciones. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315.3 = 10 grupos de 3 vocales distintas. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. entonces s´lo hay 1 posibilidad. As´ se pueden formar ı. ¿De cu´ntas formas podr´ hacerse si: a a 1. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. Por otra parte.2 = 10 grupos de 2 matem´ticos.

3.2 = 3 grupos de dos que llegan juntos.15] Se tienen n urnas diferentes. Hay Cn. existen C3. una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna. una de las urnas que tendr´n alg´n elemento. 3. si n = 5 y m = 6. ninguna bola en la segunda. Si llegan los tres por separado. si no puede haber ninguna urna vac´ ıa.m = = . el resultado ı. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. pueden llegar a la meta de 13 maneras distintas. dado que las barras son indistinguibles entre s´ as´ como las estrellas.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. Sin embargo. ninguna en la cuarta y dos en la quinta. ıa. o u 2. 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). n−1 m! · (n − 1)! 2. En particular. Aplicando lo anterior. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . por lo que el problema se reduce a distribuir m−n bolas en n urnas. una en cada urna. P1. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. existen 3! = 6 posibilidades.n = distribuciones posibles. por lo que existen 3 · 2 = 6 posibilidades. si ninguna urna puede quedar vac´ fijamos n bolas. tres bolas en la tercera. 1.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. se obtiene un total de CRm−n. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. ı es m+n−1 (m + n − 1)! CRn. Por ejemplo. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. Por lo tanto. se fija una bola en cada ıas.

hay: Cn. se observa que. 2. el problema o se complicar´ y habr´ que recurrir a otros procedimientos.2 = 25·24 = ı.3 = 1000 posibilidades para los d´ ıgitos. u Sin embargo. Por lo tanto. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. 2. Suponiendo que hay 25 letras. dada una de estas posibles distribuciones. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. El n´mero de permutaciones de las siete personas en la mesa es 7!. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. Por tanto. en el caso de que las urnas no fueran distinguibles. P1.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. no hay restricciones. por ejemplo. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. Se procede de forma similar al caso anterior.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. no hay restricciones sobre letras y n´meros. la posici´n relativa de todos los individuos ser´ la miso a ma. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. El total de historias cl´ ınicas que pueden hacerse es. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. N´tese que.3 = 103 = 1000 posibilidades para los d´ ıgitos. COMBINATORIA 19 de CRn−r. y V R10. por lo tanto. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. 600 posibilidades para las letras. ıa ıa P1. resulta que hay V R25.r · CRn−r. con la unica diferencia ´ de que ahora las letras no pueden repetirse.2 = a e 252 = 625 posibilidades para las letras. si cada individuo se traslada al asiento situado a su derecha.m−r = maneras de distribuir las bolas.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. 2. As´ hay V25. como no se hacen distinciones entre los asientos en la i i i i . 625 · 1000 = 625000.

C (citosina) y T (timina). P1. Por otra parte. 3. P1. Por tanto. Por tanto. u de sentarse es 7!/7 = 6! = 720. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base.20] Suponiendo que hay 27 letras distintas. 2. se concluye que hay 720 − 240 = 480 formas de sentarse. hay 120 · 2 = 240 formas de sentarse.3 = 43 = 64 secuencias distintas. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1.18] En la s´ ıntesis de prote´ ınas hay una secuencia de tres nucle´tidos sobre o el ADN que decide cu´l es el amino´cido a incorporar. o u G (guanina).i = 25 − 1 = 31 i=1 ramilletes distintos. a a tenemos: 5 C5. por 7. Si tiene dos nombres. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. hay dos posibilidades: a i i i i . 4 ´ 5 flores. ¿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. exactamente dos nombres. sin restricciones. hay 6! = 720 formas de sentarse. hay V R27. P1.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. Consideremos a esas dos personas como una sola. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. a 3. estando juntas las dos personas particulares. no m´s de tres nombres? a Soluci´n o 1. 2. Si tiene dos nombres como m´ximo.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. es decir. y adem´s ´stos o a e pueden repetirse. se obtiene que hay 6!/6 = 5! = 120 distribuciones. 2.3 = 273 = 19683 conjuntos de iniciales. no m´s de dos nombres. As´ el n´mero total de formas ı. Procediendo igual que en el apartado (a). que puede ser A (adenina). 2. Finalmente. entonces existen V R4. Adem´s.

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

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

es decir. Sobre una pareja (Ω. A) se define una probabilidad como una funci´n o P : A −→ [0. A2 ∈ A entonces A1 ∪ A2 ∈ A. Se dice que un suceso A ocurre cuando el resultado del experimento ω est´ asociado a uno de sus a sucesos elementales. que reciben el nombre de sucesos. ω ∈ A. ∅ ∈ A. Para garantizar rigor en el uso de operaciones algebraicas como la uni´n y o la intersecci´n de conjuntos. 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. 1] 23 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. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. T´ ıpicamente se desea estudiar caracter´ ısticas de algunos subconjuntos de sucesos elementales. A1 .) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A. etc. 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.

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

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

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

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

. . |Ω| 24 24 12 para todo i. . 4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = . . j. . . . Aj = A2 . P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2. . fijados por ejemplo Ai = A1 . procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . 2. |Ω| 24 para todo i. P (A1 ∪ A3 ) 4. . todas equiprobables. 4 |Ai ∩ Aj ∩ Ak | 1 = . j = 1. .5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1. Calcular: u e 1. Ak = A3 . 3 y 4. 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . 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 ).i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. k = 1. P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. |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 . . . 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.

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

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

i i

i

“libroult” 2001/8/30 page 31 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES Por ultimo, para ver si AB, AC y CB son independientes, calculemos: ´ P (AB ∩ AC) = P ({ABC, ACB}) = P ({ABC}) + P ({ACB}) = P (AB) · P (AC) = 4 2 2 · = . 3 3 9 5 9

31

Dado que P (AB ∩ AC) = P (AB) · P (AC), se concluye que no son independientes. P2.8] Siendo A, B y C tres sucesos pertenecientes a un determinado espacio muestral, se consideran los dos sucesos M = A∩B c ∩C c y N = A∩(B∪C). Calcular las probabilidades de M y N sabiendo que P (A) = 0,7, P (B) = 0,6, P (C) = 0,5, P (A ∩ B) = 0,45, P (A ∩ C) = 0,35, P (B ∩ C) = 0,25 y P (A ∩ B ∩ C) = 0,15. Soluci´n o Se puede usar la diferencia de sucesos, y as´ ı: P (M ) = = = = = P (A ∩ B c ∩ C c ) = P (A ∩ (B ∪ C) ) P (A| (B ∪ C)) = P (A) − P (A ∩ (B ∪ C)) P (A) − P ((A ∩ B) ∪ (A ∩ C)) P (A) − P (A ∩ B) − P (A ∩ C) + P ((A ∩ B) ∩ (A ∩ C)) 0,7 − 0,45 − 0,35 + 0,15 = 0,05.
c

Otro modo de calcular P (M ) consiste en usar la expresi´n equivao lente a la uni´n de los sucesos A, B y C: o A ∪ B ∪ C = (A ∩ (B ∪ C)c ) ∪ B ∪ C = (A ∩ B c ∩ C c ) ∪ B ∪ C. Se tiene entonces que: P (A ∪ B ∪ C) = P ((A ∩ B c ∩ C c ) ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) −P (A ∩ B c ∩ C c ∩ B) − P (A ∩ B c ∩ C c ∩ C) −P (B ∩ C) + P ((A ∩ B c ∩ C c ) ∩ B ∩ C),

siendo A ∩ Bc ∩ C c ∩ B = A ∩ Bc ∩ C c ∩ C = ∅ y (A∩B c ∩C c )∩(B ∪ C) = (A ∩ B c ∩ C c ∩ B)∪(A ∩ B c ∩ C c ∩ C) = ∅.

i i i

i

i i

i

“libroult” 2001/8/30 page 32 i

32 Por tanto:

EJERCICIOS RESUELTOS DE PROBABILIDAD

P (A ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) − P (B ∩ C). (1) Hemos logrado expresar la probabilidad pedida en funci´n de las o probabilidades conocidas P (B), P (C), P (B ∩ C) y P (A ∪ B ∪ C), siendo el valor de esta ultima: ´ P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) −P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C) = = 0,7 + 0,6 + 0,5 − 0,45 − 0,35 − 0,25 + 0,15 = 0,9

Finalmente, despejamos en 2.1 el resultado: P (M ) = P (A ∩ B c ∩ C c ) = 0,05 Para calcular P (N ), expresamos N como uni´n de sucesos disjuntos, o utilizando la diferencia de sucesos: P (N ) = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ ((A ∩ C) | (A ∩ B ∩ C))) = P (A ∩ B) + P ((A ∩ C) | (A ∩ B ∩ C)) = P (A ∩ B) + P (A ∩ C) − P ((A ∩ C) ∩ (A ∩ B ∩ C)) = = P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) 0,45 + 0,35 − 0,15 = 0,65,

verific´ndose la tercera igualdad debido a que los sucesos A ∩ B y a (A ∩ C) | (A ∩ B ∩ C) son disjuntos. Otra forma de obtener la probabilidad pedida ser´ directamente: ıa, P (N ) = = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ (A ∩ C)) P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) .

P2.9] Siendo A1 , A2 y B tres sucesos tales que A1 ∩ A2 = ∅, demostrar que P (A1 ∪ A2 |B) = P (A1 |B) + P (A2 |B). Soluci´n o Aplicamos la definici´n de probabilidad condicionada y se obtiene: o P (A1 ∪ A2 |B) = = = = P ((A1 ∩ B) ∪ (A2 ∩ B)) P ((A1 ∪ A2 ) ∩ B) = = P (B) P (B) P (A1 ∩ B) + P (A2 ∩ B) − P (A1 ∩ A2 ∩ B) = P (B) P (A1 ∩ B) P (A2 ∩ B) + P (B) P (B) P (A1 |B) + P (A2 |B).

i i i

i

i i

i

“libroult” 2001/8/30 page 33 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

33

La tercera igualdad se verifica debido a que P (A1 ∩ A2 ∩ B) = P (∅ ∩ B) = P (∅) = 0. P2.10] Demostrar que si A1 , A2 y A3 son independientes, entonces tambi´n lo e son Ac , Ac y Ac . Y que si A1 , A2 y A3 son independientes, entonces son 1 2 3 independientes por pares, pero que lo rec´ ıproco no es cierto. Soluci´n o “Si A1 , A2 y A3 son independientes, entonces Ac , Ac y Ac son 1 2 3 independientes”. Supongamos A1 , A2 y A3 independientes. Esto quiere decir que: P (A1 ∩ A2 ) P (A1 ∩ A3 ) P (A2 ∩ A3 ) P (A1 ∩ A2 ∩ A3 ) = = = = P P P P (A1 ) · P (A1 ) · P (A2 ) · P (A1 ) · P (A2 ) (A3 ) (A3 ) (A2 ) · P (A3 )

Veamos que esto se verifica tambi´n para Ac , Ac y Ac , pues: e 3 2 1 P (Ac ∩ Ac ) 1 2 = = = = P ((A1 ∪ A2 ) ) = 1 − P (A1 ∪ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ∩ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ) · P (A2 ) = (1 − P (A1 )) · (1 − P (A2 )) = P (Ac ) · P (Ac ) . 1 2
c

An´logamente: a P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) 1 3 1 3 P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) . 2 3 2 3 Por ultimo, tenemos que: ´ P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = P ((A1 ∪ A2 ∪ A3 ) ) = 1 − P (A1 ∪ A2 ∪ A3 ) 1−
1≤i≤3 c

P (Ai ) +
1≤i<j≤3

P (Ai ∩ Aj )

−P (A1 ∩ A2 ∩ A3 ) = 1−
1≤i≤3

P (Ai ) +
1≤i<j≤3

P (Ai ) · P (Aj )

=

−P (A1 ) · P (A2 ) · P (A3 ) P (Ac ) · P (Ac ) · P (Ac ) . 1 2 3

“Si A1 , A2 y A3 son independientes, entonces son independientes por pares”. El resultado es consecuencia de la definici´n. o

i i i

i

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

A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. 7. 5. 9} . i i i i .12] Dado que P (A) = 1/3. 6. . 8. 2. 6. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 4. Por lo tanto. FUNDAMENTOS DE PROBABILIDADES 35 P2. 4. A ∩ B = ∅. por lo que se concluye que los dos sucesos no son independientes. 5. . 4. P (Ac |B c ) = 2/3. 2. B = {3. . P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. Soluci´n o 1. Por definici´n de probabilidad condicionada. 8. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. es decir. P (A) 1/3 1/3 3 P (B) = P (B|A). 3. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. Entonces.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. 2. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. A y B son independientes. Soluci´n o A1 . P (B|A) = 1/3. . para todo i = 1. e ı 3. es decir. 3} . Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . 3. A ⊆ B. A = {1.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. determinar si se cumple que: 1. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. 9. 7. un espacio muestral es Ω = {1. 9} . 2. Dicho espacio es equiprobable y P ({i}) = 1/9. A ∩ B = ∅.

3. pues. 2. . resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. pues. 3. P (A|B) + P (Ac |B c ) = 1. utilizando nuevamente el ejemplo del primer apartado. 2. Obs´rvese. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0.13] ¿Son ciertas las igualdades: 1. 6. P (B c ) P ({1. 2} . La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. P (A|B) + P (A|B c ) = 1? Soluci´n o 1. definimos un espacio muestral Ω = {1. 2} y B = {3. 2}) P2. 3. que verifican: e A ∩ B = ∅. 6} . 5. con P ({i}) = 1/6. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. P ({1. 4}. P (A|B) = P (Ac |B c ). Definimos tambi´n los sucesos A = {1. 5. B = {1. 2. 6}) 2/6 1 = = . se obtiene: P (A|B) = P (Ac |B c ) = = P (A ∩ B) P (∅) = =0 P (B) P (B) P (Ac ∩ B c ) = P (B c ) P ({5. 4. i i i i . se obtiene: A ∩ B c = {1. si utilizamos los datos del ejemplo del apartado anterior. 6} . Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. . para todo i = 1. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. 2. 6}. en el contraejemplo del apartado (a). .i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. . c c c A ∩ B = (A ∪ B) = {5. 5. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. c Sustituyendo en las correspondientes expresiones. 2.

P (A) P (A) 2 por lo que no es posible que A ⊂ B. entonces Ac y B c son independientes. Soluci´n o 1. c concluy´ndose as´ que Ac y B c son independientes. P (Ac ∩ B c ) = = = = P ((A ∪ B) ) = 1 − P (A ∪ B) 1 − P (A) − P (B) + P (A ∩ B) 1 − P (A) − P (B) + P (A) · P (B) (1 − P (A)) · (1 − P (B)) = P (Ac ) · P (B c ) . 2. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. Ac y B c son independientes. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). 5. 6}) 1 2/6 = . 3. P (Ac |B c ) = 1/2. N´tese que si A ⊂ B entonces A ∩ B = A. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. A y B son independientes. Decir si son ciertas o falsas las siguientes relaciones: 1.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. i i i i . 6. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. e ı P2. P (A|B) + P (Ac |B c ) = 1. 5.15] Sean A y B dos sucesos tales que P (A) = 1/4. P (A|B) = 37 P2. 4.14] Demostrar que si dos sucesos A y B son independientes. P (B|A) = 1/2 y P (A|B) = 1/4. A ⊂ B. A y B son incompatibles. 2. En efecto.

P (A|B) + P (Ac |B c ) = 1 3 + = 1. el resultado o es trivial. k}. Se verifica que P (A|B) + P (Ac |B c ) = 1. i=1 1.16] Demostrar los siguientes resultados: Dado (Ω. P (B c ) P (B c ) 4 6. . Dado que B es la uni´n disjunta de los conjuntos B ∩Ai . No es cierto que A y B sean incompatibles. . 4 4 P2. Consecuencia inmediata de aplicar la definici´n de probabilidad cono dicionada y del apartado anterior. Es cierto. . . ya que: P (A ∩ B) = P (B|A) · P (A) = 1 1 1 · = = 0. 4 2 8 5. i i i i . . A. Ak disjuntos dos a dos. . 2. . 2 4 8 1 1 1 · = 2 4 8 1 1 1 · = .i i i “libroult” 2001/8/30 page 38 i 38 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. un subconjunto de sucesos A1 . 3. En efecto. A y B son independientes. 4. En efecto. . P (Aj |B) = Soluci´n: o 1. se concluye que Ac y B c son independientes. y teniendo en cuenta el ejercicio 14. Habiendo demostrado ya la independencia de A y B. Teorema de la probabilidad total: k P (B) = i=1 P (B|Ai )P (Ai ). Teorema de Bayes: para cada j ∈ {1. pues: P (A ∩ B) = P (B|A) · P (A) = y P (A) · P (B) = Luego P (A ∩ B) = P (A) · P (B) . Tampoco se cumple que P (Ac |B c ) = 1/2. P ) un espacio probabil´ ıstico. pues: P (Ac |B c ) = P (Ac ∩ B c ) P (Ac ) · P (B c ) 3 = = . y otro suceso B tal que B ⊆ ∪k Ai . P (B|Aj )P (Aj ) k i=1 P (B|Ai )P (Ai ) . 2.

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

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

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

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

Es decir. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. 364 365 n ≥ 1 . apostar los 20 euros sobre “pares” en una unica jugada. con la segunda opci´n. concluyendo as´ que n ≥ 252. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. 1084. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. propia de jugadores m´s cautelosos. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. propia de jugadores m´s arriesgados. = Sin embargo. 2 i i i i . −n · (ln364 − ln365) ≥ ln1 − ln2.5 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.652. a Soluci´n o Recurriendo a la primera opci´n. Ahora obtengamos el menor valor n natural tal que: 1− es decir. o P2. 2. Analizar matem´ticamente ambas alternativas. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n .474. FUNDAMENTOS DE PROBABILIDADES 43 P2. 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 . luego la clase debe tener al menos 253 ı alumnos.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

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

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

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

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

· 48
52 5

.

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

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

· 12 ·
52 5

4 2

.

i i i

i

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

0.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 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. todo cliente sin fondos pone una fecha err´nea en sus cheques. Sea J el suceso “Se obtiene una pareja”. En cambio. Para las tres que faltan deben descartarse aquellas combinaciones que. El 90 % o de los clientes del banco tienen fondos. 0.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.9 i i i i . 1.2 parejas posibles. 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. P2. formar´ un tr´ un p´ker o un full.99108. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr.999. Se recibe hoy en caja un cheque con fecha equivocada. El espacio Ω no es equiprobable y tiene 4 elementos. 0.1 + 0. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.001. y procediendo de forma similar al caso del tr´ fijadas ıo. w2 ) . se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . An´logamente ´ a al apartado anterior. equiv}). 1 · 0. 0.1 = 0.9. ya que no importa el orden en que ´ ´stas se elijan. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.001.001 · 0. ıan ıo. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 .1. junto a las dos primeras cartas. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.

w2 ∈ {B. 3. donde w1 . El dado n´mero i (i = 1. se lanza y sale cara roja. R)}) = P ({(5. 4. w4 y w5 representan los resultados de los lanzamientos de la moneda. 1. Soluci´n o Representemos un suceso elemental como: w = (w1 . pues P ({(1. Se extrae una bola y es blanca. 5) tiene i de sus caras blancas y el resto u rojas. 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. w2 ) . w2 . que la urna contenga i bolas blancas y 5 − i bolas negras. 3. 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 . w5 . R}} . w3 . w2 ) : w1 ∈ {1. w3 . 4. y por tanto tambi´n la composici´n de la urna. es decir. La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . H´llese la probabilidad de que en la bolsa haya dos blancas y a tres negras si para formar la urna se tiraron cinco monedas y se metieron tantas blancas como caras resultaron y tantas negras como cruces. 2. Adicionale o mente. R)}) . Denotemos ıda por Ci (i = 0. FUNDAMENTOS DE PROBABILIDADES 49 P2. 4 P2. w6 ) . 2.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. Este espacio muestral no es equiprobable. w4 . donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). 4. 3. Se selecciona al azar un dado de la urna. w6 representa el color de la bola extra´ de la urna. y w2 u u es el color que se obtiene al lanzar el dado. y sea B el suceso “extraer una bola blanca de la urna”.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2.26] En una bolsa hay cinco bolas. 5} . blancas o negras. As´ ı: Ω = {w = (w1 . w2 . 2.

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

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

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

. i i i i . luego Ac = {w ∈ Ω : (w2k−1 . . . 6) . . w2k ) = (6.605. w2k ) = (6. . FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. para todo k ∈ {1. n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. . 6)}] = 1− 1 − 1 36 n Por ultimo. w3 . tras aproximar el resultado. se concluye que necesitamos jugar 25 partidas. . . 4. . donde w2i−1 y w2i . w4 . 2. . Igualando: 1− 1− n= 1 36 n = 1 . P2. a es 1/62 = 1/36. 3. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . A = {w ∈ Ω : ∃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. i = 1. ln35/36 Por tanto. 2. la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. . . . w2n ) : wi ∈ {1. w2k−1 = w2k = 6} . . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . Entonces. n}} . w2 . n} . Luego. ¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . 2 −ln2 = 24. 5.i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. 2. 2. 14 · 13 2 53 1− Efectuando las operaciones correspondientes. 6}} .32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. w2n−1 . sea el suceso A = “se obtiene e al menos un 6 doble”. .

se puede considerar que los dos primeros ı. Si gana el que tire la flecha m´s cercana al centro de la diana. “intermedio” y “m´s alejado” entre los tres lanzamientos.33] Problema de Bertrand. Si una persona compra n ıa boletos. representemos el espacio muestral como: Ω = {w = (w1 . As´ por ejemplo. respectivamente. w2 . Se lanzan tres monedas al aire. 2. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. P2. 2. Puesto que estos sucesos son disjuntos.34] Problema de Galton. ¿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. el primero dos flechas y el segundo una. 3} donde wi . i = 1. 3 son los resultados respectivos de las tres monedas. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales. Dos arqueros de la misma destreza tiran al blanco. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. w3 ) . todos ellos equiprobables. w3 es el unico lanzamiento del segundo arquero. Adem´s.35] Una loter´ vende n2 boletos y da n premios. w2 . lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. Entonces. siendo w1 y w2 el primer y segundo lanzamiento. i = 1. X} . Si cada elemento de dicho espacio se representa por w = (w1 . entonces P (A) = 2/6 + 2/6 = 2/3. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. se tiene que la probabilidad de obtener tres caras o tres cruces es 3 3 P (A ∪ B) = P (A) + P (B) = (1/2) + (1/2) = 1/4. w3 ) : wi ∈ {C. P2. ¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . entonces ´ el suceso que nos interesa es A = {w : w1 = “m´s cercano”} ∪ {w : w2 = “m´s cercano”} a a Dado que estos sucesos son disjuntos y contienen dos sucesos elementales cada uno de ellos. ¿cu´l es la probaa bilidad de que las tres sean caras o las tres cruces? Soluci´n o Asumiendo que las monedas son distintas. del primer arquero.i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2.

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

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

el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. Por ello. Sea A el suceso “su diferencia es mayor que 1/6”. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. 3. si A es el suceso que representa “la aguja toca una l´ ınea” y. 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. 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. Consecuentemente. P (A) = (5/6)2 = 0. dado el objetivo que se persigue en el problema. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. π[}. b[×[0. En concreto. π[. Calcular la probabilidad de que su producto sea mayor que 1/7. es decir.69444. 1. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. 1]. a 1. N´tese que por tanto w1 ∈ [0. Calcular la probabilidad de que su diferencia sea mayor que 1/6. es suficiente mirar s´lo la posici´n respecto a la l´ o o ınea en la mesa m´s a pr´xima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). 2. Seg´n la hip´tesis del enunciado. asumiendo que a ≤ b. π[ claramente equiprobable. i i i i . entonces A := {w ∈ Ω : w1 ∈ [0. ya que el ´rea del total es la unidad. Calcular la probabilidad de que su suma sea mayor que 1. En efecto. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. a cos(w2 )[ para cada w2 ∈ [0. b[ y que o w2 ∈ [0.

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

Este espacio no es equiprobable si p = 1/2. wa+b ). b). por ejemplo. . . i = 1. Podemos representar cada suceso elemental como w = (w1 . por lo a o que para pasar por (a. . A} . o punto de encuentro. y + 1/12] el correspondiente a la otra persona. La probabilidad de un suceso elemental con s movimientos a la derecha. La figura 2. . a + b} . es ps · a+b−s (1 − p) . . . donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . wa+b ) : wi ∈ {D.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. . i i i i . tiene una probabilidad p de pasar a la posici´n (m+1. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. P2.41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. e igualmente [y. para cualesquiera n´meros a o u enteros m y n. pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2.1: Regi´n de casos favorables sobre casos posibles del problema P2. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. w2 . . . . un total de a + b desplazamientos. con wi ∈ {D. un e espacio muestral ser´ ıa Ω = {w = (w1 . Determinar la probabilidad de que el punto pase por la posici´n (a. Por lo tanto. Cuando est´ en la posici´n (m. . A} . n+1). i = 1. 0). b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. . es decir. n). Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12.40. a + b. luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. . n) y o una probabilidad 1−p de pasar a la (m. . .

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

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

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

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

i = 1. determinar la probabilidad de que: 1. 6. b si es blanca y a si es azul. 2 10 P2. Sea el suceso A = “Se extraen tres bolas rojas”. Sin embargo.3 1140 3. 2. 2. . 3 representa el color de cada bola que se extrae. se obtiene: P (C) = 7 C8. .3 95 i i i i . Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. La probabilidad pedida es entonces: P (A) = C8. azul. a siendo|Ω| = C20. 20. .2 · C3. salgan en el orden roja. consideremos a el espacio muestral Ω = {w = {w1 . w3 } : wi ∈ {r.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 . si se numeran las bolas del 1 al 20 (es decir. w2 . al menos una sea blanca. 2. a}} . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . C20. las tres sean blancas. y podremos usar la regla de Laplace. w2 . Representemos por B al suceso “Se extraen tres bolas blancas”. 2. las tres sean rojas. 5. Si se sacan tres bolas al azar. b. dos sean rojas y una blanca. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. blanca. s´ se ı tendr´ un espacio equiprobable. donde wi . tres blancas y nueve azules. 3}.3 14 = . 4. 5 2 1 = .45] Una caja contiene ocho bolas rojas. 1. Se tiene que: 1 C3. i = 1. P (B) = C20. . Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea.3 . C20.3 285 2.1 = .3 = . w3 } : wi = 1. sean una de cada color. siendo r si la bola es roja. 3. Este espacio no es equiprobable.

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

V20. 2. Entonces el espacio muestral es: Ω = {w = {w1 .46] De una baraja de 52 naipes se sacan 5. Hallar la probabilidad de que: 1. B. D}}. 5.1 18 = . 2. l) . hay un total de 52 − 4 = 48 posibilidades para la quinta carta. y 6. hay 3! maneras posibles de ordenarlas. . w2 . w4 . Sota. se debe tener en cuenta que. . . D}).3 57 57 Finalmente. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. si han de ser de tres colores diferentes. donde n representa el n´mero en la carta (es decir. al menos uno sea un As. Diez. cuatro sean Ases y uno Rey. 3. Una vez fijados los 4 Ases. 13}) y l representa el palo (es decir. tres sean de un palo y dos de otro. l ∈ {A. wi = (n. 13} . . 4. n ∈ {1.3 34 23 =1− = . . tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. Caballo y Rey en cualquier orden. para todo i = j.3 95 P2. 54145 i i i i .1 · V3. . V20. salgan Nueve. C. fijadas las tres bolas. . B. cuatro sean Ases. Aplicando la regla de Laplace.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. l). tres sean Dieces y dos Sotas. w5 } : wi = wj . w3 . l ∈ {A. . se obtiene que: P (A) = 1 · 48 52 5 = 1 . 2. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. C. Por lo tanto. P (E) = 3! · V8.1 · V9. u u n ∈ {1. 1.

resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . N´tese que hay 4 Ases e a o en la baraja. se e tiene un total de C13. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . Hallar la probabilidad de que la bola extra´ ıda sea roja. En este caso. P (B) = 1·4 52 5 = 1 . una vez fijados los 4 Ases. extrayendo posteriormente una bola. ya que cada palo consta de 13 cartas. Sea el suceso F = “Al menos una de las cartas es un As”. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. La baraja tiene 4 palos. Para cada una de ´stas. i i i i . Definamos el suceso D = “Salen Nueve. As´ se tiene que ı. Caballo y Rey en cualquier orden”. 108290 4. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = . 54145 54145 P2. Se tienen C4. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. por lo hay C52−4. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. hay 4 posibilidades para la quinta carta: los 4 Reyes. As´ el ı.2 formas de escoger los dos palos. Sea E el suceso “Tres cartas son de un palo y dos de otro”. de cada uno de los dos palos. Sea el suceso C = “Hay tres Dieces y dos Sotas”. por lo que hay C4. suceso F c = “Ninguna carta es un As”. respectivamente. 8330 6.3 formas de escoger tres Dieces. 649740 3. 162435 5. N´tese que no importa el orden en que aparezcan o las cartas.47] En una urna que contiene n bolas se echa una bola roja. FUNDAMENTOS DE PROBABILIDADES 2. Diez.3 y C13. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . Sota. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 .2 formas de elegir las dos Sotas.2 posibilidades para elegir las tres y dos cartas. que han de combinarse con el total de C4.5 formas de escoger cinco cartas sin que ninguna de ellas sea un As.

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

Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. 2.38. por lo que P (A) = a2 /a2 = 1. El ´rea deseada es la intersecci´n de A y B. P (A ∩ B) = = 16 i i i i . El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . Si b > a2 . FUNDAMENTOS DE PROBABILIDADES P2. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. e 1. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. sabiendo que su suma es mayor que b. a que es una parte de la superficie de un cuadrado de lado a. a] es menor que b”= {w ∈ Ω : x · y < b}. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . a Adem´s. Sin embargo. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. 2. a]. y ≤ a. debemos dividir el ´rea deseada en dos partes.26. que corresponde al espacio Ω. Para los valores de a y b del apartado anterior. a obtener el ´rea A.2 ayuda a ello. puesto que es un a rect´ngulo de lados b/a y a. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. a] con a > 0. aplicando la ley de Laplace.48] Consid´rese el intervalo de la recta real [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. N´tese que o el espacio muestral tomado es equiprobable. }. y) : 0 ≤ x. Por lo tanto. para la segunda dea bemos calcular la correspondiente integral. por lo que el c´lculo de a P (A) se reduce. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. 1. para dividirla por el ´rea de este cuadrado. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. se deben distinguir dos casos: a Si b ≤ a2 . calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. Este u espacio es claramente equiprobable. se tiene que b/a > a. Paa ra la primera de ellas el ´rea es inmediata. ya que los n´meros se eligen de forma u uniforme e independiente. y la figura 2. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. para b = 2 y a = a o 4. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0.

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

donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. y wi2 el resultado de esa inversi´n. cuando a ≥ b.8 de conseguir 12 millones. wi2 ∈ B. Si en tal inversi´n obtiene beneficios. que ser´ B si obtiene beneficios o B si no los o a i i i i . w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . i = 1. Si invierte en V1 tiene una probabilidad de 0. est´ dispuesto a volver o a a invertir en el mismo tipo de valor. w2 ∈ [0. w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . B . para a > b. wi1 ∈ {V1 . wi2 ) . B1 ∩ B2 = ∅. Teniendo en cuenta lo anterior. invertir´ en el otro tipo. w2 ∈ [0. An´logamente. 1]}. por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. con: B1 = {w = (w1 . 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. w1 . ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . 2.6 de obtener 16 millones de beneficio. FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. que corresponde al caso a ≤ b. si no obtiene beneficios. se tiene que B = B1 ∪ B2 . y si invierte en V2 tiene una probabilidad de 0. y B2 = {w = (w1 . V2 } . Por lo tanto. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. a Procediendo an´logamente al primer apartado de este ejercicio. el a a resultado es P (B) = 1/8. ¿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 . En cambio. w1 . 1]}. 2 . w2 − 2 · w1 < 0. w2 ) : wi = (wi1 .i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. a P2. Adem´s. w2 − 2 · w1 ≥ 0. a 1.

B).1. 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 ”.5 · 0.2 = 0. con k = 1. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. Por tanto.4 = 0.8 · 0. el espacio Ω no es equiprobable. y MkB = {w ∈ Ω : w11 = Vk . B . w2 = (V1 .3.6 · 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. i i i i . 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 ”.3 = 0. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo. 2. con k = 1. Si.5 = 0. P (M2B ) = 0.4 = 0. obtea ni´ndose que e P (M2B ) = 0. w2 ).i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. P (M1B ) = 0. De esta forma. w12 = B} . entonces repite con el tipo de valor.6 · 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.6 + 0. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . un suceso elemental del e ıa tipo w = (w1 .48. por ejemplo.24. con w1 = V1 . y NkB = {w ∈ Ω : w21 = Vk . Se procede de forma an´loga con los dos sucesos restantes. 2.5 · 0. por el contrario. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. w22 = B} . Se tiene que MkB = w ∈ Ω : w11 = Vk . tendr´ probabilidad cero.8 + 0. Adem´s.2.4.5 − 0.8 · 0.5 = 0. Estos sucesos constituyen una partici´n del espacio Ω. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. w22 = B . respectivamente.5 · 0. w12 = B . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. respectivamente.5 − 0. obtiene beneficios.5 · 0. 1.6 · 0.8 · 0.

8) · 0. P2. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.. 200.72 ∼ 0.000 ptas. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. si coinciden las 4 cifras. 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 ) = = (0.2222. 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 + 0.72.51] Una urna contiene 10 bolas numeradas del 0 al 9. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .3/0.000 ptas.25. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. 73 Utilizando los sucesos definidos en el apartado anterior. u El n´mero que se forma con las bolas es mayor que 3571. La primera bola extra´ est´ numerada con 3 y la segunda con 0.472. 20.000 ptas. sorteo consiste en extraer 4 bolas. La cuant´ (no acumulable) de los ıa premios es de: 2.000 ptas. calcular la probabilidad de los siguientes sucesos: 1.000. 2. u Supongamos una loter´ en la que cada boleto cuesta 1. si coinciden s´lo las tres ultimas cifras. si coinciden las 2 ultimas o ´ ´ i i i i .2/0. 3.72 = 0. cuyo ıa. 3. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4.6 + 0) · 0. ıda a El n´mero que se forma con las bolas acaba en 380. Se extraen 4 bolas una a una con reemplazamiento. seg´n el experimento previo. 2.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2.

Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . si coincide la ultima cifra. . N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. equiprobable y tiene un total de |Ω| = 104 elementos. 9. w2 = 5. 1. w3 = 8. y3 e y4 . B = {w ∈ Ω : w2 = 3. w3 . para todo i = j} . .i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. A = {w ∈ Ω : w1 = 3. w4 ) : wi = 0. 1. 3. y2 . w2 . Para ello. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. w3 = 7. 4. w4 = 0} . Sea el suceso A = “La primera bola es un tres y la segunda un cero”. 3. para i = 1. w2 > 5} ∪ {w ∈ Ω : w1 = 3. . w2 = 0} . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3.000 ptas. y 2. y consta de las cifras siguientes: y1 . Finalmente se obtiene que P (C) = 6428/104 = 0. w2 = 5. supongamos que y es el n´mero del boleto comprau do. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. 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. . donde los sucesos Ci son disjuntos. 2. w4 > 1} . 3. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0.6428. w3 > 7} ∪ {w ∈ Ω : w1 = 3. 2. i = 1.001. 2. 4.01.

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

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

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

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

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

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

para i = 0. 2. 2. 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. 1. u Este espacio no es equiprobable. la urna quedar´ vac´ a ıa s´lo si antes de las extracciones ten´ 1 bola blanca y 1 negra. y utilizando los sucesos definidos en el apartado anterior para aplicar el teorema de las probabilidades totales. Sean tambi´n los sucesos Bi = “De las dos bolas extra´ e ıdas. x) : wi ∈ {C. y usando los sucesos definidos anteriormente. P (B1 ) 23 40 donde P (B1 ) se ha calculado de forma an´loga a P (B0 ) . a i i i i . w2 . x = 0. Sea el suceso A = “Las dos bolas extra´ ıdas son de distinto color”.i i i “libroult” 2001/8/30 page 81 i CAP´ ITULO 2. De este a modo 7 P (A) = 1 − [P (B0 ) + P (B2 )] = . se tiene que: P (B0 ) = P (B0 |A30 ) · P (A30 ) + P (B0 |A21 ) · P (A21 ) +P (B0 |A22 ) · P (A22 ) + P (B0 |A23 ) · P (A23 ) +P (B0 |A11 ) · P (A11 ) + P (B0 |A12 ) · P (A12 ) +P (B0 |A01 ) · P (A01 ) . 3. X} . i = 1. 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 = . 2} . w3 . 81 Suponiendo que las dos bolas se extraen sin reemplazamiento. 10 Procediendo de manera an´loga se llega a que P (B2 ) = 1/5. 1. y dado que no importa el orden en que ´stas se extraigan. FUNDAMENTOS DE PROBABILIDADES 2. 10 Si las dos bolas extra´ ıdas son de distinto color. i son blancas”. Por lo tanto: P (A) = 1 − P (Ac ) = 1 − [P (B0 ) + P (B2 )] . Por o ıa lo tanto. resultando una probabilidad P (B0 ) = 1 · 8 2 2 4 2 + 3 2 5 2 + 2 2 3 2 = 1 . podemos definir e el espacio muestral Ω = {w = (w1 .

w2 . w4 ) : wi = (wi1 . a sea cual sea el resultado para esta ultima. f } . N´tese que si a un a o tirador le sobra alguna bala.8. Cada tirador dispone de seis balas. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. Probabilidad de que alguno de los tiradores consuma toda su munici´n.25 · 0. o 2. La probabilidad de acertar en el objetivo con cada tiro es de 0. wi1 = 0. Calcular la probabilidad de que sobren dos balas en total. ya no le sobrar´ ninguna bala. wi2 ) . Un tirador deja de disparar al alcanzar el blanco. 5. que ser´ a si acierta y f si falla. 4 y j = 0. ´ 1.2 1 − 0. significa que ha acertado.25 · 0. w3 .56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2. Sin embargo. 1.8 + 0.25 = 1. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 3. wi2 ∈ {a. 1. para todo i = 1. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. 1. 2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 4. cada uno sobre uno. 2. 5. 3. 2794 · 10−3 i=1 1− i i i i .8. si no le sobra ninguna. e para i = 1. Si todos los tiradores consumen la munici´n. 4}. 3. para todo i = 1. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 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. 4. 2. 3. 4. 3. y wi2 es el resultado que ha obtenido. 2. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros.

2 · (0.8 · (0. i i i i . por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0.8 0.8) .25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.2) 18 18 · (0.8) = 1.2) · 0. Por lo tanto.2) · 0. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. resulta: P (C) = C4.2) 4 2 5 2 = (0.2) = 4 · (0.8. 8455 · 10−12 . podemos luego extenderlo a todos. teniendo en cuenta todos los casos posibles.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.25 · 0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.2) 18 18 · 0. FUNDAMENTOS DE PROBABILIDADES 2. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.4096.2) 18 · 0. 83 Definamos los sucesos Bi = “El tirador i acierta”. entonces. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.1 · (0. que disparan de forma independiente. 3. 2.2) · (0. Todos los tiradores tienen la misma probabilidad de acertar.8 + 6 · (0. Los tiradores disparan de manera independiente. 4 4 = = 3.2) ·(0. y teniendo en cuenta.8 · (0. para i = 1. como siempre. 4.84 = 0. = 0. por lo que si vemos estos dos casos para dos tiradores concretos.2) 3 5 3 = (0.8) = 2 2 · 0.8 + C4.

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

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

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

3. .4. mientras que el otro 40 % lo hacen en carreras de Humanidades. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. haya al menos 8 matr´ ıculas en Ciencias. .410 · (1 − 0.4k · (1 − 0. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. .4) . Si las cinco primeras matr´ ıculas son de Humanidades. en total haya al menos 6 en Ciencias m´s que en Humanidades. i i i i . haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 2.4. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. Si un determinado d´ se realizan ıa 20 matr´ ıculas.11714.1275.8725 = 0. 20 20−k · 0. 20. La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. 4. siendo: a P (ξ = k) = 1. no haya m´s de 12 matr´ a ıculas en Ciencias. 10 2. 3. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades.6 = 0.9790.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. 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. 5. calcular la probabilidad de que: 1.4) = 0. para todo k = 0. . Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0.

0 ≤ x < k cuando k ≤ 1. 2]) P ([1/2. ∂x Adem´s. podemos definir una nueva variable η. 2]) = = P ([1/2. 1] | [1/2. 1 − k(1 − x). por lo que se tiene que. 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. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. calculemos la probabilidad pedida: o P ([1/2. F es funci´n de distribuci´n. en o o ese caso. o o Bajo la condici´n 0 < k ≤ 1. 1 − a k (1 − x) ≥ 0.4.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. pero con par´metros n = 20 − 5 = 15 e a y p = 0. 5. 1]) = P ([1/2.4032. 1] condicionada por [1/2. tambi´n binomial. 2]) P ([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. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. las cinco primeras son en Humanidades.4159 = 0. 0 ≤ x < k. P3. Ya que k > 0. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. debe verificarse que F (x) ≥ 0.0271. para todo x. En particular. se tiene que ∂F (x) = k > 0. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. Sin embaro o go.5851. 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. 1] ∩ [1/2. 0 ≤ x < k F (x) =  1. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. 2]. k≤ x Calcular la probabilidad de [1/2.

{0. 5). [0. {4 + 2}. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. 3]. P ([0. 2. Q ∩ [0. [2. √ P ([2. 1]) = P ((−∞. P3. [−2. 5])−P ((−∞. 1]) − P ((−∞. 1]) = 0. P (I ∩ [0. 4). 2] − Q) = P I √ 2 = 1/4 − √ 2/16. IN. 4] = P ((−∞. 5))−P √ ((−∞.   (x + 4)/16. 1]. P ({0. √ √ P [0. calculemos las probabilidades que se piden: √ 2. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 8]. 4]. Soluci´n o Las probabilidades que se piden son: i i i i . [−2. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0.3] Sea la probabilidad en IR dada por   0. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. x]) = ex /2. {0}. 1}) = 0. Q P ([−2. 2] = P ((−∞. P (IN) = 0.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 4) = P ((−∞. 8]) − P ((−∞. √ √ √ √ P [ 2. 2)) = 1 − 6 − 2 /8. 4)) − P ((−∞. P ([0.4] Sea la probabilidad en IR dada por P ((−∞. 0)) = 4/8 − 4/16 = 1/4. 1]. 1 − e−x /2. [0. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. [1. 2] −P (−∞. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. x]) =  (x − 2 + 4)/8. 2]. 1]. 1}. [ 2. excepto en el punto o o Teniendo eso en cuenta.   1. DISTRIBUCIONES DE PROBABILIDAD P3. √ P ((−∞. 0)) = 5/16 − 4/16 = 1/16. 2). 2] − Q. 3}. { 2}. √ √ √ P ( 2. 4])−P ((−∞. 0)) = P ((−∞. 2]) − P ((−∞. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. {1. 8]) = P ((−∞. los √ √ ( 2. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 5)) = P ((−∞.

i i i i . estas probabilidades se calculan de manera an´loga. d]) = P ((−∞.4. 0.4. [0. b] × (−∞. P ([−2. 0. 3}) = 0.4. y) : x + y ≤ 1}.4) /2 = 0. 0. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.5 · (0. . 0. 0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 . x) × (−∞.5] Sea la probabilidad en IR2 : P ((−∞. P ([0.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.4.5) /2 + 0.6]2 ∪ [0.5.3.5 + 1) /2 − 0.5 · (0. (0. P ({1. a] × (−∞.4 · (0.4·0.2. y]) = P ((−∞.4 + 0. 0. x] × (−∞. d]) + P ((−∞.4) × [0. y ≤ 1. De esta forma se obtiene que: P ((0.4) /2 = . 1) .4 + 0. 3]) = P ((−∞. 0. P3. [0. Calcular las probabilidades de (0.5} . c]).8]2 En caso de que el intervalo sea abierto o semiabierto. P [0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.8] × {0.4 · 0. x] × (−∞.3 · 0. b] × [c. P ({0}) = P ((−∞. 1]2 {(x.5 · 1 · (0.5) × (0.3.5. 2. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. y)) . 2)) − P ((−∞. 0)) = 1/2 − 1/2 = 0.4. y)) = P ((−∞. teniendo en cuenta que: P ([a.5 · 0. 1]) − P ((−∞.3 + 0. puesto que: a P ((−∞.5) /2 −0.5) /2 − 0 = .42 ·(0.4 · (0. 0.4 + 0. x] × (−∞. c]) −P ((−∞. b] × (−∞. [0.5]) = 0. 1]) = P ((−∞. 3]) − P ((−∞.5}) = 0. a] × (−∞.5) × (0. d]) − P ((−∞. P ((0.3 + 0.4) /2] + 0. 0]) − P ((−∞.2.2. 1)) = 0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. 0.504.25. y]) = P ((−∞.5 + 0.4 · (1 + 0.5·(0.00 8. x) × (−∞.8] × {0. . y]) = xy(x + y)/2 si 0 ≤ x.3 · 0. P ([1. 0. 2)) = P ((−∞.4) /2− 0.4) × [0.

entonces Fξ (t) = P (φ) = 0.1. 0. si t ≥ 1/2.6 · (0. P3. Si 0 ≤ t < 1/2.42 · (0.8 · (0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. 0.6]2 ∪ [0.2 · 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 ∈ [0.42 · (0.6]2 = 0.6]2 ∩ [0.62 · (0.6 + 0. Si t ≥ 1/2.4.2.4 · 0. 0. y) : x + y ≤ 1}) = P [0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad.4.2 + 0. 0.2.8]2 = P [0.4 + 0.4 + 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2. P ({(x.8) /2 − 0. 0.6]2 + P [0. 1] con im´genes a trav´s de ξ en (−∞.2.2) /2 + 0.2. a e P [0.2 + 0.4 + 0. t] ∪ [1/2.4) /2 = 0. si 0 ≤ t < 1/2 Fξ (t) =  0. 0.4.22 · (0.4) /2 + 0. conviene distinguir varios casos: Si t < 0. 0.6) + 0.8]2 = P [0.6 · (0.4. se tiene que:   0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3.6) +0. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4 · 0.4. i i i i .6) /2 − 0. si t < 0 2t. 1] : ξ (x) ≤ t}) .8]2 −P [0. 0.82 · (0.6]2 + P [0. t]. entonces Fξ (t) = 1 Por lo tanto.8) + 0.6 + 0.4 + 0.8]2 −P [0.8 + 0. 0.62 · (0. representada o en la figura 3. entonces Fξ (t) = P ([0. t + 1/2]) = 2t.1: Puntos de [0.6) /2 − 0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.28.

6)} . fξ (t) =  1. w5 . Definamos: Ω = {w = (w1 . . para todo w ∈ Ω. para todo i ∈ k {1. w4 . . w2 . 4. 6. {w : ξ(w) = 30}. . w4 . i i i i . Sea ξ la variable aleatoria que nos indica la suma de los valores de sus caras. P . Hallar los siguientes conjuntos: {w : ξ(w) = 4}. 3. 6. w5 . Sea el espacio de probabilidad Ω. 2. k = 1. 6. w2 . Sobre dicho espacio se considera la variable ξ. Los elementos k k k k k wk = w1 . Soluci´n o Antes de hallar los conjuntos que se piden. 5} \ {k} y wk = 5. donde los elementos k k k k k wk = w1 . . 3. . . . ∀i = 1. k = 1. 5} . w2 . . 5. {w : ξ(w) ≥ 29} = {w : ξ(w) = 29} ∪ {w : ξ(w) = 30}. 2Ω .i i i “libroult” 2001/8/30 page 92 i 92 y por lo tanto: EJERCICIOS RESUELTOS DE PROBABILIDAD   0. w3 . . donde {w : ξ(w) = 30} = {(6. w3 . 4. 2. w2 . {w : ξ(w) = 6}. 6. 6.7] Un dado es lanzado 5 veces. . 3. . . w5 . 2. 5} \ {k} y wk = 2. w4 . w4 . 5. 5. cuyos sucesos elementales son equiprobables. w4 . {w : ξ(w) = 4} = φ. {w : ξ(w) = 6} = w1 . w3 . para todo i ∈ k {1. w3 . {w : ξ(w) ≥ 29}. es conveniente definir un espacio para la variable que se va a utilizar. definida como: 5 ξ (w) = i=1 wi . si t < 0 si 0 ≤ t < 1/2 si t ≥ 1/2 P3. . 6} . w3 . . k son aquellos elementos de Ω tales que: wi = 6. 2. donde cada wi representa el resultado del i-´simo lanzamiento del dado. k son aquellos elementos de Ω tales que wi = 1. 5. w5 ) : wi ∈ {1. 6. 4. . e con i = 1. w5 . {w : ξ(w) = 30} = {(6. . 6)} y {w : ξ(w) = 29} = w1 . Hallemos los conjuntos que se piden: Evidentemente. w2 .

x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. 2. Por otra parte: P (ξ = 6) = P (ξ ≤ 6) − P (ξ < 6) = Fξ (6) − Fξ 6− = 1− e−6/3 e− 6/3 e−2 + =2· = e−2 .i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. superior a 6 minutos. para todo x ≥ 0. DISTRIBUCIONES DE PROBABILIDAD 93 P3.9] Demostrar que F (x) = buci´n. 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 + + = . Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. ya que no se indica nada al respecto. Soluci´n o Sea ξ una variable aleatoria con la distribuci´n indicada en el enunciado o que mide la duraci´n (en minutos) de una llamada telef´nica. igual a 6 minutos. x→−∞ x 2. i i i i . Se supone. por lo que l´ ım F (x) = 0. o Soluci´n o n=1 1/2n . que F (x) = 0 para todo x < 1.8] Supongamos que la duraci´n en minutos de las llamadas telef´nicas sigue o o una distribuci´n dada por la funci´n o o Fξ (x) = 1 − e−x/3 2 − e− x/3 2 . 2 2 2 = 1 − e−2 − l´ ım x P3. o o 1. para todo x ≥ 1.

lo que es 1 si k = 1. 3. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . Debe verificarse que fξ (x) ≥ 0. para todo 1 ≤ x1 ≤ x2 . lo que es 1 si k = 1/π. es decir. la funci´n de densidad es una recta con pendiente o positiva. f (x) = k/(1 + x2 ). f (x) = k/ 1 − x. k ≤ 1/2. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. o Comprobemos en cada caso la segunda condici´n. Calcular la esperanza. lo que es uno si k = 1. Por lo tanto. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. P3.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. para todo x. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). f (x) = kxe−kx . para todo x ≥ n 1. 4. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . 1]. Por lo tanto. 1. 1]. o 5. 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 3.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. Se han de distinguir dos casos: a) Si k > 0. i i i i . para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. para todo x ∈ (0. Adem´s. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. +∞ −∞ P3. 0898. para todo x < 1. para todo x ∈ [−1. la moda y la mediana de ξ. F es continua por la derecha en todo punto de la recta real. para todo x > 0 √ √ 2. o 1. 1/2 3. se concluye que F es mon´tona. 2/2) 3. a ya que F (x) = 0. Es claro que F (x) ≥ 0. 2. o 2. para todo x ∈ [−1.

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

Soluci´n o 1. 71933) = 9.3 2x2 · ∂x + 0. 1764 · 10−2 . Utilizar (1) para encontrar la media y la varianza de ξ. Los tres primeros momentos ordinarios son E [ξ] .6092 − (0.3 Calcular: 1.8 0. P3. para cualquier otro valor 1. Teniendo en cuenta las propiedades de la esperanza. E[2ξ + 5ξ 2 − ξ 3 ]. Determinar la funci´n generatriz de momentos de ξ.8 fξ (x) = 0. i i i i .8 < x ≤ 1. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.3 = 0 2x3 · ∂x + 0.72x2 · ∂x = 0.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0. 3.8 1. x > 0 fξ (x) =  0. E [ξ] = E ξ2 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. 2 2 E ξ3 2.3  0.8 0.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .72   0 x > 1. 71933. 0. a 3. Soluci´n o 1.8 1.72x · ∂x = 0.8 1. 2.8 0. o 2.72x3 · ∂x = 0. 57144. E ξ 2 y E ξ 3 .3 = 0 2x4 · ∂x + 0. los tres primeros momentos ordinarios. 0 0.9132. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. 6092. esperanza matem´tica y varianza.

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

cada wi es el resultado del i. para i = 1. w1 . 3. e siendo C si es “cara”y X si es “cruz”. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. 4. 3. 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 = . ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. 1. Por otra parte. w4 ) : m ∈ {l1 . 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. Se selecciona una moneda. 4 . 2. w3 . se lanza y se devuelve a la caja. Si se e lanza una moneda escogida al azar y sale cara. 3. 2.15] Una caja contiene dos monedas legales y una con dos caras. l2 .´simo lanzamiento. para todo i = 1. 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 . ¿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. 4. donde m representa la moneda escogida al azar. l} wi ∈ {C. X}. w2 .i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 1. Se selecciona una moneda al azar. 2. es. Si se lanza la moneda y sale cara. para i = 1.

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

la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). Como conclusi´n. entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. y de que haya un 0 en el segundo es n/ (n + m − 1). P3. para n = 2 y m = 3. la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). Adem´s. la figura 3.16] Consideremos l´ ıneas que unen n + m puntos del plano (1.16 con n = 2 y m = 3. x1 ) . An´logamente. y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). el primero es n m m n · + · . o salto de 1 a 0. xn+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. xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria.2 muestra una recta con 3 saltos. (2. el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3. . donde los valores x1 . . Por ejemplo. x2 ) .2: Ejemplo para el ejercicio P3. n+m n+m−1 n+m n+m−1 Para calcular este ultimo valor se ha tenido presente que hay dos probabi´ lidades disjuntas: o salto de 0 a 1. n+m n+m−1 n+m n+m−1 m+n i i i i .i i i “libroult” 2001/8/30 page 100 i 100 EJERCICIOS RESUELTOS DE PROBABILIDAD T 1 d 1 2  d   4 d d d  3   d d d 5 E Figura 3. . y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. luego. . (n + m. x2 . Mientras que el segundo valor es claramente n + m − 1. . . . el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = .

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

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

4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. debe cumplirse que α = 2π/6. etc.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente. en su secci´n central (figura 3. Por ejemıa.4). P3. la fuerza y direcci´n con o que se lanza. la elasticidad de la moneda. 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. e o plo.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. Con esta notaci´n es e o claro que el problema pide la distancia que debe separar a los dos c´ ırculos para que el ´rea sobre la esfera que limitan sus dos c´ a ırculos sea la mitad del ´rea restante. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. entonces g= r = 0. Sin embargo.5). arctan (π/3) En otras palabras. para dar una respuesta con esta segunda herramienta. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. a Dada la simetr´ concentr´monos en una secci´n de la esfera. i i i i . el grueso de la moneda debe ser 35.354r. es decir.3).3: Esfera que circunscribe los bordes de la moneda. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. 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. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. las caracter´ ısticas de la superficie sobre la que cae..

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

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

mientras que si y ≥ L2 /2 entonces Fη (y) = 1. S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ 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 . si y ≤ 0 entonces Fη (y) = 0. Para esto consio o deremos cualquier valor y ∈ IR: Fη (y) = P {w ∈ Ω : η(w) ≤ y} = P {w ∈ Ω : g(ξ(w)) ≤ y} Claramente. 2 π π3 P3. π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . y 0 en otro caso. cuando x > 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 = . para y ∈ 0. y para ello sustituyamos el valor de la funci´n g en la expresi´n o o anterior: Fη (y) = P L2 sen(ξ(w)) ≤y 2 2y = P w ∈ Ω : ξ(w) ≤ arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 fξ (x)∂x = = x(π − x)∂x.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 . tambi´n es posible realizar un c´lculo directo de la funci´n e a o de densidad de η = g ◦ ξ conociendo la f´rmula general que acorta el o proceso: hη (y) = fξ (g −1 (y)) · g −1 (y) Finalmente. Obviamente. La venta de una cantidad o i i i i .22] En funci´n de un estudio realizado en varios establecimientos. L2 /2 .

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

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

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

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

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

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

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

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

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

de acuerdo con el dato o a inicial del problema. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. 2 P (η10. . .i i i “libroult” 2001/8/30 page 116 i 116 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Sea ξi una variable aleatoria que representa el estado de una unidad terminada en la l´ ınea de ensamblaje en el momento i. .0.05 = 2) = 2. ηn. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. ξn ).0746. 1.05) = 0.05 ≤ 2) = i=0 10 10−i · 0.05) = 0 = 1 − 0. total de n reservas (ξ1 .p = ξi . . el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi .0.4013. .5987 = 0.05 = 0) = 10 10−0 = 1− · 0. P4. .2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. que el 20 % de las personas que reservan una mesa no asistir´n. sigue una distribuci´n binomial de o par´metros n y p = 0. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.9884. de acuerdo con el enunciado del ejercicio. Hechas estas consideraciones iniciales. procedea mos a resolver el problema. Se tiene que: 2 i=1 10 8 · 0.052 · (1 − 0.0.05) = 0. o por experiencia. esto es.05 ≥ 1) = 1 − P (η10. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario.0. con distribuci´n o i i i i . de un ı.05. ¿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. . Procedemos a calcular: P (η10.05i · (1 − 0. i 3. ξn ).050 · (1 − 0. . Por ultimo: ´ P (η10.05.2. Adem´s.

2i · (1 − 0.2) = 0. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. a n = 25. i! i i i i . i! 3.3] 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.2. 21 −2 · e = 0. De la misma forma. En el caso particular del problema. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. o a Por lo tanto. As´ se tiene que: ı. 2. 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. 1. 3. i P4. ¿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. 2381. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. Considerando que se cumplen ciertas condiciones de regularidad. Si el n´mero promedio de estos fallos es ocho. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. debe ocurrir que acudan 20 o menos. u 1. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. la probabilidad deseada es la siguiente: P (η = 1) = 2.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 27067.5799. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. Entonces.41696. 1! An´logamente. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0.

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

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

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

ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. se calcula: P (ξ1 = k|ξ2 = j) =    = 4.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. si j ≤ k . de acuerdo con los datos del problema. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. .3. 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. .7i i = = 0. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. n i=1 2 i=1 P4. 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). . 333.3 Por otra parte. a y por tanto E [ξ] = n (1 − p) /p.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. p 0. PRINCIPALES VARIABLES ALEATORIAS 3. ¿Cu´l es el n´mero medio de visitas diarias a u si cada d´ vende exactamente 10 enciclopedias? ¿Cu´l es la probabilidad ıa a de que. . i i i i . a lo largo de un mes. . u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. definamos un conjunto de variables aleatorias ξ1 . . 29175. Se asume que las visitas realizadas son independientes entre s´ Entonces. 9597730 = 0.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . . . el n´mero medio de visitas diarias que ı.310 · 0. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . Procediendo de forma similar al primer apartado. Se ıas tiene que: 30 P (ξ1 ≤ 40.3. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0.7 + 10 = 10 · + 10 = 33. si j > k Por ultimo.

i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Pξ (k + 1) = Soluci´n o 1. Pξ (k + 1) = · Pξ (k). . . (k + 1)(1 − p) λ 2. se tiene que: n 5 ≤ 0. Si ξ ∼ Bi(n. si ξ ∼ Hip(n. P (ξn = 0) ≤ 0. k+1 (A − k)(n − k) 4. es decir. Pξ (k + 1) = · Pξ (k).1. (k + 1)(B − (n − k) + 1) 1. k+1 (n + k)(1 − p) 3.1. 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). A. p). B).9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos.9. . n. p). Considerando que la probabilidad de obtener un as con este dado es 1/6. k para todo k = 0. si ξ ∼ Poiss(λ). sea mayor o igual que 0. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. (k + 1)(1 − p) n−k = i i i i .10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). p). P4. entonces Pξ (k) = n n−k · pk · (1 − p) . 6 desigualdad que se verifica para todo n ≥ 13. Pξ (k + 1) = · Pξ (k). . si ξ ∼ Bi(n. si ξ ∼ BiNeg(n.9. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0.

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

ξ2 y ξ3 independientes. se obtiene que: 4n−1 V (ξ) = E ξ 2 − (E [ξ]) = k=2n+1 2 k 2 · P (ξ = k) − 9n2 = 2n−1 = = = 1 2n − 1 2n−1 1 2n − 1 (k + 2n) − 9n2 = k=1 2 2n−1 k 2 + 4n k=1 3 k=1 2 k + 4n2 (2n − 1) − 9n2 = 2 (2n − 1) + 3 (2n − 1) + (2n − 1) 1 + 8n2 (2n − 1) 2n − 1 6 −9n2 = n (n − 1) . 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 . que es una probabilidad muy peque˜a. o 2.8)5 . ξ2 y ξ3 al n´mero de u trozos que corresponden a Pedro en cada una.14] Una variable aleatoria ξ tiene la funci´n generatriz Gξ (t) = (0. Si el trozo de Pedro es mayor que tres veces el de Juan en una partici´n. Siendo las variables ξ1 . es razonable n pensar que la partici´n no se ha hecho de un modo aleatorio. P (ξ > 0) y P (1 ≤ ξ ≤ 3). supongamos que se realizan 3 particiones (independientes) y representemos. De la misma forma. Por lo tanto. por ξ1 . Funci´n de probabilidad.2et + o 0. respectivamente.i i i “libroult” 2001/8/30 page 126 i 126 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. i i i i . se verifica que: o ξ > 3 · (4n − ξ) . Se pide: 1. es decir: ξ > 3n. Por lo tanto. 3 3. o P4.

4.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.85−k = 0. Esperanza y varianza. −1 t=0 · 1.8 4 · et t=0 = 1. 2. 0 3. 5. 2.6 + 0. (5 − k)! · k! 2. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.2.6656. 67232. 3. k = 0.8) .2 · t + 0. 4. Si G (t) es derivable en un entorno del origen k veces. As´ ı: P (ξ = k) = 5! · 0. 3.2 · elnt + 0.2k · 0.8 i i i i . 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 .85 = 0. para todo k = 0. 1. Por lo tanto: φξ (t) = Gξ (lnt) = 0. 5. k 4.2 · et − 1 = 0.2 · et + 0.20 · 0. Teniendo esto en cuenta. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0.2 · et + 0. t=0 = 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . 5 Se verifica que. PRINCIPALES VARIABLES ALEATORIAS 3.2k · 0. 5 = (0. si φξ es derivable k veces en un entorno del origen.8 1. ∂tk t=0 En concreto. en este caso. 1.85−k . mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . 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.

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.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. o 2. i i i i .59399. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. o 1. . Funci´n de probabilidad. t=0 −1 − 4 = 2. Por ultimo. con media 22 minutos. 3. k! para todo k = 0. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. P (ξ > 1) y P (ξ > 2). N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0.32332. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . Esperanza y desviaci´n t´ o ıpica. Se pide: 1. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. 1 · 2k · e−2 . k! 3. a 2. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. . .15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . −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. 1.

por cada media hora o fracci´n. x > 0. De acuerdo con el enunciado. 2. para un tiempo de reparaci´n dado. 657 ∼ 51 minutos. ¿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 0.1? 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. se observa que una reparaci´n costar´ 4000 o a pesetas siempre que su duraci´n sea superior a 30 minutos e inferior o o igual a 60 minutos (y as´ cada fracci´n de la segunda media hora ı o se cobrar´ como una media hora entera). o 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. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . se cobran a 2000 pesetas). As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . 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.1 = 50. 129 El costo de reparaci´n es de 2000 pts. inferiores a 30.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. Debe verificarse: P (ξ > t) = 0. Por lo tanto. PRINCIPALES VARIABLES ALEATORIAS 2.1 y esto se cumple para t = −22 · ln0. este ultimo inclusive. (Todos. 3. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). Te´ niendo esto en cuenta.1. 22 3. 22 1. = i i i i .

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

las ecuaciones ser´ −µ/σ = z0.4307 y. podremos obtener dos ecuaciones lineales en µ y σ. 1].16.6667 = 0.39 y σ = 0. 2]. de lo que se obtiene que µ = 0. k 131 P4. A partir de estas dos condiciones.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . 1. P4.75 = 0. 3.5 y σ = 1. PRINCIPALES VARIABLES ALEATORIAS es decir. ıan procediendo de modo an´logo.9. a < b. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . 1]. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. o o i i i i . Soluci´n o Si ξ es una variable uniforme en un intervalo [a. 2. En este caso. en [−1.19] Sup´ngase que ξ se distribuye como N (µ. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . para todo u ∈ [a. 2.3333 = −0.3333 = −0. 4 es decir. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. 2. σ).4307. b] . Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. P (η = k) = p · (1 − p) con p = 1 − e−1/λ .4307.6745.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. 3 de donde se deduce que −µ/σ = z0. en el intervalo [0.obteni´ndose finalmente que µ = e 0. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. σ 3 luego (1 − µ) /σ = z0. (1 − µ) /σ = z0. en [−1. b] .

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

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

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

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

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

2. 9 P4.3.3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.2. 4) 1/2 · (1/3) 7 1.3.3 (1.3 (1. 12) (1/3) · 1/6 20 2 2. 4 P (η > 8|ξ ≤ 1) = = 7 .3.3.3 (2. 4. 9) 1/2 · (1/6) 13 3 2. 18) 1/3 · (1/6) 30 3 3. 18) 1/3 · (1/6) 26 2 3. 4. demostrar que la probabilidad es m´xima cuando a N = 4n.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. o Si k = 4 y m = 1. e se les marca y se les reincorpora a su poblaci´n.2. 12) (1/3) · 1/6 21 2 3. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. 2. 6) 1/2 · 1/3 · 1/6 9 1. 6.3 (3. 3.3 (3.2 (1. Se capturan k lagartos.2 (2.2.2. 18) 1/3 · (1/6) 27 2 3. a 1. 3. 6. k = 4 y n = 3.2 (3.3.2 (2.2 (1. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. 2. 6) 1/2 · 1/3 · 1/6 10 2 1.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 9. 12) (1/3) · 1/6 18 2 2. 3. Si N = 12. 6. 9. ¿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 . Obtener una expresi´n para la probabilidad de que ξ = m. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .2 (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 . 8) (1/3) 14 2 2.3 (2.2. 2. 6.

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

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

η1 . η1 . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. ξ5 = 4) P (ξ3 = 4. 1296. z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . 3. y. sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4.i i i “libroult” 2001/8/30 page 140 i 140 EJERCICIOS RESUELTOS DE PROBABILIDAD ∞ = 16 · e−5 · k=0 1 · k! 5 2 k = 16e−5/2 . que denotaremos η1 . 5.η1 . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . Se tiene que: Fη3 (t) = P (η3 ≤ t) = 1 − P (η3 > t) = = 1 − [P (ξt = 0) + P (ξt = 1) + P (ξt = 2)] = t0 −t t1 −t t2 −t = 1− ·e + ·e + ·e = 0! 1! 2! t2 = 1 − e−t 1 + t + . 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. y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. ∂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. 2 i i i i . 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 . 141 1 2 3 4 5 Consideremos 5 variables aleatorias η1 . η1 . . y B probabilidad q. con distribuci´n exponeno cial de par´metro 1. cuando el torneo no ha finalizado. Se desea calcular la distribuci´n de: a o η = m´ η1 .27] A y B disputan un torneo de ajedrez. Dejando indicados los resultados. 5 5 2. η1 independientes e id´nticamente distribuidas seg´n la variable η1 introducida en el e u primer apartado de este mismo problema. . η1 . η1 . η1 . X}} .i i i “libroult” 2001/8/30 page 141 i CAP´ ITULO 4. funci´n de probabilidad del n´mero total de partidas disputadas. a calcular la probabilidad de que gane A. Para calcular la probabilidad de que el torneo consista en: i i i i . η1 . η1 . donde cada wi representa el resultado de la partida i−´sima: wi = A e significa que “A gana”. o u en un momento dado. wi = B significa que “A pierde” y wi = X significa que “A empata”. con p+q < 1. P4. Soluci´n o Consideremos el espacio muestral: Ω = {w = (w1 .) : wi ∈ {A. que concluye cuando uno de ellos alcanza v victorias. η1 . PRINCIPALES VARIABLES ALEATORIAS 6. pero no sabemos cu´ntas haya podido ganar A hasta el momento. nos enteramos de que B lleva ganadas b partidas y se han producido t tablas. η1 . 3. En cada partida el jugador A tiene probabilidad p de ganar. w2 . probabilidad de que A gane el torneo. se pide: 1. η1 ≤ x ın 1 2 3 4 5 = 1 − P m´ η1 . . Asumamos que 0 ≤ w < v. η1 > x = ın 1 2 3 4 5 = 1 − [P (η1 > x)] = 1 − [1 − Fη1 (x)] = 1 − e−5x . 1 − p − q. B. sucediendo que: P (A) = P (B) = P (X) = 1. η1 . q. η1 . η1 . Se asume que las partidas son independientes. p. resultando t partidas en tablas y ganando b partidas el otro jugador. η1 . Probabilidad de que A gane el torneo. ın 1 2 3 4 5 La distribuci´n de esta variable es: o Fη (x) = P m´ η1 .

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

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

π2 3 i i i i . 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 = . para la variable |Y |.i i i “libroult” 2001/8/30 page 144 i 144 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. π2 π2 0 0 Por otra parte.

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

3)} = P {(2. y ≥ 3 2. o i i i i . la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. o 2. Por lo tanto: P (x. Hallar las funciones de distribuci´n marginales. Calcular la funci´n de probabilidad conjunta. 3)} = 2/6. y ≥ 3     si 2 ≤ x < 3. 2). y ≥ 3  2/3   1 si x ≥ 3. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. P {(x. 3) y (2.2] Sea una urna con 15 bolas rojas. y) = si  1/3  1 ≤ x < 2. y) ∈ IR2 : x + y = 4}. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . eno tonces cada componente es una variable aleatoria discreta. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). Ejercicios Resueltos P5. 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. Considerando los distintos casos posibles. 2)}) = 1/3. Calcular: 1. 3)}) + P ({(2. 2 ≤ y < 3 F (x. y) ∈ IR2 : x + y = 4 = P ({(1. 2)} = P {(2.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores.1] Sea la funci´n de masa P {(1. la funci´n de distribuci´n bivariante asociada. P5. Soluci´n o 1. 2 ≤ y < 3  1/6 2 ≤ x. 3)} = o 1/6. o o 2. P {(3. 2)} = P {(1. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. u u 1. 10 negras y 25 blancas. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. k2 ).

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. Las funciones de distribuci´n de estas dos variables discretas son: o P (ξ = x) = 10 · x 10 · y 15 50 10 50 x 10−x · y 35 50 40 50 . η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . . 1. η) con funci´n de probabilidad conjunta: o P (ξ = i. 24 = 1− j=0 1 3 120 0 3 j = P5. η = 3) + P (ξ = 2. 2. j = 0. j = 0. j)tales que i. 3 i+j ≤3 Calcular P (0 < ξ ≤ 2. η = 3) = 0. 1. 10} . . tres blancas y cuatro negras. y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . Soluci´n o N´tese que esta funci´n de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i. 10−y P (η = y) = · . por: P (ξ = x. . Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0. Por lo tanto: P (0 < ξ ≤ 2.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5. 2. para x. η = j) = 4 3−j 17 . η = 3) = P (ξ = 1. 3 y i + j ≤ 3. 147 La funci´n de probabilidad conjunta viene dada. y ∈ {0.3] Sea el vector aleatorio (ξ. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. teniendo en cuenta o que las bolas se extraen con reemplazamiento. η = 3) y P (ξ ≥ 1). sin reemplazamiento. i. P5. .4] Una urna contiene tres bolas rojas. Se extraen dos bolas de la urna. 2. η = j) = 3 i 3 j 4 3−i−j 120 .

si x=0 . Calcular las distribuciones conjuntas. se puede afirmar que las variables ξ y η no son independientes. as´ como las funciones de probabio ı lidad marginales. Soluci´n o De forma similar al caso anterior: η|ξ 0 1 7 10 7 10 0 · · 7 10 7 10 3 10 3 10 3 10 1 · · 3 10 7 10 3 10 7 10 3 10 1 i i i i . x=1 x=0 . P5. si 2/9 . η). 1.5] Repetir el problema anterior suponiendo que las extracciones se hacen con reemplazamiento. y = 0. 1} . marginales y condicionadas de (ξ. puesto que P (ξ = x. para todo x. ¿Son ξ y η independientes? Soluci´n o La funci´n de probabilidad conjunta. x=1 P (ξ = x | η = 0) = P (ξ = x | η = 1) = Finalmente. η = y) = P (ξ = x) · P (η = y) . est´n expresadas en la siguiente tabla: a η|ξ 0 1 7 10 7 10 0 · · 6 9 3 9 3 10 3 10 1 · · 7 9 2 9 7 10 3 10 7 10 3 10 1 Adem´s: a P (ξ = x | η = y) = por lo que: P (ξ = x. si 1/3 . P (η = y) 2/3 . y ∈ {0. si 7/9 . η = y) .i i i “libroult” 2001/8/30 page 148 i 148 EJERCICIOS RESUELTOS DE PROBABILIDAD es.

3. Soluci´n o 1. 1. η = y) = k(x + 1)(y + 1) donde x. puesto que P (ξ = x. Calcular el valor de k. η = y) = . si 7/10 . ¿Son independientes ξ y η? Calcular P (ξ + η > 2) y P (ξ 2 + η 2 ≤ 1). si x=0 . 2. 2). 2. 1. x=1 x=0 . si 3/10 . Distribuciones de Z = ξ + η y de ϕ = ξ 2 + η 2 . y = 0. 2. Distribuciones de ξ condicionada a η = y (y = 0. y = 0. si 3/10 . 2) es: o P (ξ = x | η = y) = x+1 P (ξ = x. 5. x=1 149 Finalmente. se puede afirmar que las variables ξ y η son independientes. 1. 36 6 y=0 y+1 (x + 1)(y + 1) = . Las distribuciones marginales son: P (ξ = x) = (x + 1)(y + 1) x+1 = . 2. para x = 0. 1. VARIABLES ALEATORIAS BIDIMENSIONALES y adem´s: a P (ξ = x | η = 0) = P (ξ = x | η = 1) = 7/10 . η) tiene la distribuci´n de probabilidad conjunta o dada por P (ξ = x. 2. 6. Calcular las distribuciones marginales. para todo x. x=0 y=0 es decir. η = y) = P (ξ = x) · P (η = y) . 1. P5. 1. para x = 0. El valor de k es aqu´l para el que se verifica: e 2 2 k(x + 1)(y + 1) = 36k = 1. La distribuci´n de ξ condicionada a η = y (y = 0.i i i “libroult” 2001/8/30 page 149 i CAP´ ITULO 5.6] El vector aleatorio (ξ. P (η = y) 6 i i i i . 1. 1. k = 1/36. 2. para y = 0. 4. 36 6 x=0 2 2 P (η = y) = 3.

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

Calcular la distribuci´n de probabilidad o o conjunta. . la probabilidad P (ξ = x. Soluci´n o ξ=0 0 0 1/20 ξ=1 0 6/20 3/20 ξ=2 3/20 6/20 0 ξ=3 1/20 0 0 η=0 η=1 η=2 P5.8] 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)”. si 2. 10 x = 0. 10. Calcular la funci´n de probabilidad conjunta. . . 4. y = 1 · i=0 10−x j=0 10−y i = 1/2y . si 10−y x = 1. . si · 10−x j = 1/2x . 2. Distribuciones de ξ condicionada a η = y (y = 0. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. si . 1. Por lo tanto P (ξ = x. . . 3. Soluci´n o 1. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. Extraemos 3 bolas sin reemplazamiento. y = 1 x = 2. y = 0 x = 1. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz).7] Consideremos una urna con 3 bolas azules. N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero. 2 blancas y 1 roja. η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 5.10).. y = 2. . . Las correspondientes distribuciones marginales son: i i i i .i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. o Calcular las distribuciones marginales. 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.

. η = 0) = 1. si 3. . P5. si . 1 9 2 1 P (ξ = x. . 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. η = y) = . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . . . η = y) = . 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . si y=0 y=1 y = 2.3. si . . η = 1) = 5. . si x=0 x=1 x = 2. η = i) = 1. P (η = 0) 2x−1 . . si x=0 x = 2. 10 4. . si y = 2. i i i i . . Las variables aleatorias ξ y η no son independientes. . . 10 + 10 y=2 1/2y = 1/2 . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. por ejemplo: P (ξ = 2.9] En una jaula hay un rat´n y dos pollitos. si . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. Esperamos o una hora y observamos lo que queda en la jaula. pues. . . . 10 + 10 x=2 1/2x = 1/2 . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. .

2. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η = 2)+P (ξ = 2.21 6 0 0 0.063 0. η) .343 0.441 0. Calcular las funciones de densidad marginales.027 0. las variables ξ y η no son independientes. 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. 2. Calcular las funciones de densidad condicionadas. 3. 3 · 0.126 4 0 0.3. η) o es: η|ξ 0 1 2 3 0 0.36 .189 0. η). P5.33−x · 0. 3.294 0 0.33 = P (ξ = 0) · P (η = 0) = 0. Esto puede observarse en la figura 5.027 0 0 0 0. x = 0. La probabilidad de que el n´mero de patas no supere al doble del u n´mero de animales viene dada por: u P (η ≤ 2ξ) = P (ξ = 0. 1. u dar la distribuci´n conjunta de (ξ. 2.7x .027 2 0 0. η = 0) = 0.294 8 0 0 0 0. si (x.126 0 0 0. y = 0. 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 1.10] Sea (ξ.147 0 0. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. para x = 0. 3. y) pertenece al recinto limitado por las rectas x + y = 1. 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula. 3. η = 4) = 0. η = 0)+P (ξ = 1. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5.1.343 1 Adem´s.343 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. pues: a P (ξ = 0. y) = 24y (1 − x − y). i i i i .

y R4 R3 R2 R1 R6 R5 x Figura 5.1: Diagrama para el ejercicio P5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.2: Regiones del plano para el problema P5. i i i i .9.10.

1−y x=1−y fη (y) = 0 24y (1 − x − y) ∂x = 24y (1 − y) x − 12yx2 x=0 2 2 2 = = 24y (1 − y) − 12y (1 − y) = 12y (1 − y) . y) = 0. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 155 Dividimos IR2 en distintas regiones seg´n muestra la figura 5. y) ∈ R4 : x 1−s 0 1−y 2 2 0 24t (1 − s − t) ∂t ∂s y (2y − 8y + 6) − (1 − x)4 + y 4 . para 0 ≤ x ≤ 1. y) ∈ R3 : 1−y y F (x. y) ∈ R1 : F (x. i i i i . y en cada u una se obtiene: si (x. y) = 0 24t (1 − s − t) ∂s ∂t = y 2 (3y 2 − 8y + 6). si (x. y) = 0 24t (1 − s − t) ∂t ∂s = 12y 2 x − 6y 2 x2 − 8y 3 x. F (x.i i i “libroult” 2001/8/30 page 155 i CAP´ ITULO 5. y) ∈ R6 : F (x. y) ∈ R5 : y 1−t 0 F (x. y) = 1. si (x. y) = 0 x 0 24t (1 − s − t) ∂t ∂s 1−s + = si (x. y) ∈ R2 : x y 0 F (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 ≤ y ≤ 1.2. si (x. y) = 0 24t (1 − s − t) ∂t ∂s = 1 − (1 − x)4 . si (x.

η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2.11. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. si (x. y) = xy − y 2 . y = 0.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. x = 2. entonces o o fξ.3.11] Sea (ξ. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. y) = 0. y) ∈ R1 : F (x. la funci´n de distribuci´n es: o o si (x. Dado que la funci´n de distribuci´n es uniforme. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. i i i i . y) ∈ R2 : F (x. y fη|ξ=x (y) = f (x. k = 1. 0 ≤ y ≤ 1 − x. Por tanto. es decir. Calcular o la funci´n de distribuci´n. P5. 0 ≤ x ≤ 1 − y.η (x.3: Regiones del plano para el problema P5. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. Por ultimo.

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

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

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

4. An´logamente. = · w (w − z) n−2 i i i i . se eligen al azar tres n´meros a. z ≤ w. z) y por lo tanto: fη|ζ=z (w) = 3.ζ (w. n+1 2 E [ζ] = 0 zn (1 − z) 1 n−1 ∂z = E ζ 2 = 0 z 2 n (1 − z) n−1 ∂z = 2 . = n (1 − z) n−1 . a fζ|η=w (z) = fη. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0.14] Dado el intervalo [0. 1]. . 0 ≤ z ≤ 1. z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . n P5. 0 ≤ w ≤ 1. 0 ≤ w ≤ 1. z ≤ w ≤ 1. n+2 −n .ζ (w. E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . n+1 n . Calcular la o probabilidad de que tenga soluciones reales. De la misma forma. para 0 ≤ z ≤ 1. (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5. n−2 fη. 0 ≤ z ≤ w. n−2 = n (n − 1) (w − z) . Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . se obtiene: 1 2 (n + 1) (n + 2) 1 .ζ (w.

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

Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. 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.16.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. e−2 + 2e−1 − 1 yey − ye−2−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 . y) y el centro del escenario (el origen 0).16. i i i i . 2. Por ultimo. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso.6: Plano del teatro del ejercicio P5. esto es. e−2 + 2e−1 − 1 Por lo tanto. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). 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.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. 3. o 1. As´ se obtiene que: ı.

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

la probabilidad que se pide es: 2236. 1. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. Hallar la funci´n de distribuci´n de la coordenada η. 3. Hallar la primera coordenada de la posici´n media en que se da o caza. que queda inm´vil al e o o o despertarse el perro. o o 2. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. 3.5 π(1002 −302 ) 2 = 0. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. El ladr´n.17. 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. a un ladr´n que se encuentra en los o frutales. y por lo tanto. El perro corre a 10 m/s. una con frutales y otra con hortalizas. i i i i . y cero en otro caso. Cuando el perro se a despierta. En la esquina 0 duerme el perro guardi´n. se encontrar´ en un punto aleatorio de la finca (ξ.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. 15646. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. tal como muestra la figura 5.7: Plano de la finca del ejercicio P5. en menos de 15 segundos.5.7. P5. η).

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

i i i i . η). 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 . ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. s) = 10 · fξ.η (s.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. η ≥ 100. teniendo presente que conocemos la funci´n de densidad o de la variable (ξ.S (t. ξ + η ≤ 150) P (η ≥ 100. Otra o alternativa m´s propia de este cap´ a ıtulo consiste en calcular la funci´n o de densidad conjunta de la variable (T. 10t − s). dado que ξ = S y η = 10T − S entonces fT. donde T := (ξ + η)/10 y S := ξ. 3. Concretamente. Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. 125000 La funci´n de densidad es: o fZ (z) = 300z − 6z 2 125000 y por tanto la esperanza solicitada es: 50 E[Z] = 0 zfZ (z)∂z = 25. La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. S).

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

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

Para ello. se analizar´ la convergencia en media cuadr´tica de la sucea a si´n.. 2n 2n 2n3 l´ E |Xn | ım 2 = 0. θ > 0. a i∈{1. CONVERGENCIA 171 Estudiar la convergencia en probabilidad.. Finalmente. Para estudiar la convergencia en ley. θ] . si t ≥ 1 y se verifica: n→∞ l´ FXn (t) = ım 0 1 .i i i “libroult” 2001/8/30 page 171 i CAP´ ITULO 6.n} n i i i i .. si . Por lo tanto. de lo que se sigue que la sucesi´n converge en media cuadr´tica a la o a variable aleatoria degenerada X ≡ 0. se tiene que: P (|Xn − X| > ε)   P (Xn = 1 − 1/n) + P (Xn = 1) = 1/n . n´tese que la funci´n de distribuci´n o o o de la variable Xn . si t < 0  0   1 1 . si 1 − 1/n ≤ ε < 1 . =  0 . o Soluci´n o Estudiemos en primer lugar si la sucesi´n {Xn }n∈N converge en probao bilidad a la variable X ≡ 0. Para ello es necesario calcular: o E |Xn − 0| Se observa que: n→∞ 2 = 1− 1 n 2 · 1 1 2n2 − n + 1 + 12 · = .. Estudiar la convergencia en ley de la variable aleatoria X(n) = m´x Xi . se concluye que la sucesi´n converge en ley a esta ultima o ´ variable. si ε < 1 − 1/n P (Xn = 1) = 1/ (2n) . n ∈ N es:  . si ε ≥ 1 prob´ndose as´ que esta sucesi´n converge en probabilidad a la variable a ı o X. en ley y en media cuadr´tica a de esta sucesi´n a la variable X ≡ 0.2] Sean {Xi }i=1 variables aleatorias independientes distribuidas uniformemente en el intervalo [0. P6. dado un ε > 0. si 1 − n ≤ t < 1  1 − n + 2n = 2n   1 . t≥0 que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. si 0 ≤ t < 1 − n 1− n FXn (t) = 1 1 2n−1 1 . si t<0 .

se verifica: FX(n) (t) = P (X1 ≤ t. P6. ya que estas variables son independientes.. . Xn ≤ t) . θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t. para x ∈ [0. pues: o  . n tienen como funci´n de distribuci´n o o a: t FXi (x) = . y es igual a 1 si t ≥ θ. Esta sucesi´n converge en ley a la variable aleatoria X.. Se observa que. θ La variable X(n) .i i i “libroult” 2001/8/30 page 172 i 172 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables aleatorias Xi . .  2/3 . . si 1 ≤ t < 2 FXn (t) = . . si t ≥ 3 i i i i .n} y.. para o o t ∈ [0. esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . por su parte. tiene como funci´n de distribuci´n.3] Dar un ejemplo de una sucesi´n de variables aleatorias {Xn }n∈N que o converja a una variable aleatoria X en ley pero no en probabilidad. Xn ≤ t) = [P (X1 ≤ t)] = n t θ n . Soluci´n o Sea una sucesi´n de variables aleatorias {Xn }n∈N y una variable aleatoria o X con la siguiente distribuci´n conjunta: o Xn | X 1 2 3 1 0 0 1/3 2 1/3 0 0 3 0 1/3 0 . i = 1.. si t<θ . t≥θ que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. si 2 ≤ t < 3   1 . si . FX(n) (t) = 0 si t < 0. .. θ] . a cuando n tiende a infinito. si t < 1  0   1/3 . . i∈{1. . .. . Adem´s.

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

¿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. Sean ξ1 .6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. esta proporci´n converge en probabie u o lidad a 2/3. 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. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. del total de u 30 que responde al azar. Si uno de los dos empleados contestara al azar a todas las preguntas. P6. 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. ξ2 . y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. Entonces. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. . n´tese que E |ξn | = 1. . Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. siendo p = 2/3 su probabilidad de encestar en cada tiro. de acuerdo con la Ley D´bil de los Grandes N´meros. sea X1 una variable aleatoria con distribuci´n binomial de par´metros o a n1 = 30 y p1 = 1/2 que representa el n´mero de preguntas.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. Realizados n e n o tiros. . que acierta el primer empleado. a P6. . e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. i=1 ξi /n es la proporci´n de aciertos. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. a i i i i . ım 2 Sin embargo. a 2. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar).

5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0.5 − 30 √ 15 = 0. 2. Procediendo de forma an´loga a los casos anteriores.5438 P6.5 = 0. n2 · p2 · (1 − p2 ) = 15) . obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3.5) . ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir.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. Teniendo en a cuenta lo anterior. Z> 30 − 0. . a 100 + 0. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. X = n 104 i=1 Xi . y aplicando el Teorema Central del L´ ımite. 175 Aproximemos. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. n1 · p1 · (1 − p1 ) = 7. . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. en el caso de que ´ste responda las 80 pregune tas al azar.5 − 15 √ 7.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. a una normal de par´metros µ = 104 y σ 2 = 104. i = 1. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. CONVERGENCIA 1. . mediante el Teorema Central del L´ ımite.9495 De forma similar al apartado anterior. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. . podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). Z> 10 + 0.6331 i i i i .5 − 40 √ 20 = 0.

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

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

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

6 P (Y = yi ) 0.82 ) = 0.3.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.8.8 i yj P (Y = yj ) = 1. La recta de regresi´n de Y sobre X es: o y − 1.4 0.6 · 1.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . o Determinar la recta de regresi´n de Y sobre X. P7. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2. 3. 9 i i i i .4 0. 15 x y = + 1.62 ) · (5. REGRESION Y CORRELACION 1.6.75 · (x − 1.3 − 1.6) . 58333. xi P (X = xi ) = 1.8 − 1.4] Sean: y= x + 2.4 j=1 E [Y ] = = Finalmente: ρXY = 2. o 179 Soluci´n o 1. Obtener el coeficiente de correlaci´n de estas variables. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.8 (2. Y = yj ) = 3.8 = 1.4 − 1. 2. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.

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

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

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

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

Sign up to vote on this title
UsefulNot useful