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

.

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

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

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

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

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

6] En un grupo de 10 amigos. el resultado n = 0 no es v´lido. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. 2. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. . hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). La soluci´n es n = 5 a o (el pent´gono). Como adem´s no se permiten repeticiones. 3.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. se pueden formar 92 · 8 · 7 = 4536 n´meros. Por tanto. permitiendo repeticiones. el primero de ´stos no puede ser cero. u P1. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros.9 1. Por lo tanto. sin repeticiones. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. el n´mero de maneras u distintas es V R365. i i i i .1. a P1. P1. 1. e u 2. . Puesto que debe formarse un n´mero de 4 d´ u ıgitos.. u 3. Fijamos el ultimo d´ ´ ıgito y. Por lo tanto. Como n ≥ 1 . Al igual que en el apartado anterior.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. .i i i “libroult” 2001/8/30 page 14 i 14 es decir. si el ultimo d´ ´ ıgito ha de ser 0 y no se permiten repeticiones? Soluci´n o Asumamos que para que un n´mero sea de 4 d´ u ıgitos su primer d´ ıgito debe ser distinto de cero. el primer d´ ıgito no puede ser cero. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras.10 = 36510 . como no puede haber 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.

Como las monedas se arrojan simult´neamente. cara. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. 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. 2. Estos casos son: “cara. a u P1. “3 caras y 1 cruz”. 2.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. y “0 caras y 4 cruces”. P1. Estos casos son: “4 caras y 0 cruces”. “cara. Suponiendo que las monedas son distintas: 1. “cara. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”).4 = 5 resultados posiı. “2 caras y 2 cruces”. cara. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. cara. En este caso.2 = 6 ı resultados de dos caras y dos cruces. i i i i . a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. a 1. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras.4 = 24 = 16 resultados posibles. etc. Pero. dividiremos por las posibles permutaciones de cada uno de ellos. ¿cu´les son los resultados posibles que se pueden obtener? a ¿cu´ntos casos hay en que salgan 2 caras y 2 cruces? a Soluci´n o Suponiendo que las monedas son iguales: 1. es decir. “1 cara y 3 cruces”. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. hay un total de V R2.8] Cuando se arrojan simult´neamente 4 monedas. “cara. respectivamente. 2. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. cara”. y adem´s coincide con el n´mero de posiciones para los puntos (C5. los libros de cada materia han de estar juntos.2 ). se tendr´ un total de P5 = 5! posibles ordenaciones. hay C4.9] Cuatro libros de matem´ticas. cara”. cruz”. cruz”. COMBINATORIA 15 P1. cruz. obteniendo as´ un total de ı C5. cruz.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. cara. y que las monedas no pueden distinguirse entre s´ existen CR2. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. cara. cara.7] ¿Cu´ntas letras de 5 signos con 3 rayas y 2 puntos podr´ tener el alfabeto a ıa Morse? Soluci´n o Si se consideran como cinco s´ ımbolos diferentes entonces. bles.

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

a o Adem´s hay C7.2 = 25 · 24 = 600 billetes diferentes. existen C5.2 = 10 grupos de 2 matem´ticos. por lo que hay C5.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. 3. P1. 10 · 15 = 150 comisiones. y C7. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. Luego hay un total de 10 · 35 = 350 comisiones posibles. y C6.2 = 10 grupos de 2 matem´ticos. Puesto que todos son elegibles. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. Se fija uno de los f´ ısicos. hay un total de V25. o i i i i . P1. ¿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. entonces s´lo hay 1 posibilidad. 2. Por otra parte. un f´ ısico particular ha de estar en esa comisi´n. todos son elegibles. ¿Cu´ntos billetes diferentes a habr´ que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Soluci´n o Dado que las estaciones de origen y destino no pueden coincidir. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. P1. es importante saber si corresponden al principio o al final del trayecto. 3.3 = 10 grupos de 3 vocales distintas.2 = 15 grupos de 3 f´ a ısicos.12] Una l´ ınea de ferrocarril tiene 25 estaciones.14] Tres atletas toman parte en una competici´n. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. 2.4 = 35 grupos de 4 consonantes distintas y C5. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. y adem´s. luego existen C5. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315.13] 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. ¿De cu´ntas formas podr´ hacerse si: a a 1. As´ se pueden formar ı.3 = 35 grupos de 3 f´ a ısicos.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. a dadas dos estaciones.

por lo que existen 3 · 2 = 6 posibilidades. ninguna bola en la segunda. una en cada urna. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . tres bolas en la tercera.m = = . ıa. Por ejemplo. 1. P1. 3. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. si ninguna urna puede quedar vac´ fijamos n bolas. Por lo tanto. Hay Cn. Aplicando lo anterior. 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). sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. una de las urnas que tendr´n alg´n elemento. ı es m+n−1 (m + n − 1)! CRn. existen C3.2 = 3 grupos de dos que llegan juntos. existen 3! = 6 posibilidades. ninguna en la cuarta y dos en la quinta. si n = 5 y m = 6. dado que las barras son indistinguibles entre s´ as´ como las estrellas. se obtiene un total de CRm−n.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. o u 2. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. En particular. si no puede haber ninguna urna vac´ ıa. 3.15] Se tienen n urnas diferentes. Si llegan los tres por separado. pueden llegar a la meta de 13 maneras distintas. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. por lo que el problema se reduce a distribuir m−n bolas en n urnas. n−1 m! · (n − 1)! 2. Sin embargo. el resultado ı. se fija una bola en cada ıas.n = distribuciones posibles.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna.

El n´mero de permutaciones de las siete personas en la mesa es 7!. Suponiendo que hay 25 letras. u Sin embargo. no hay restricciones. Se procede de forma similar al caso anterior. P1. la posici´n relativa de todos los individuos ser´ la miso a ma. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. si cada individuo se traslada al asiento situado a su derecha. no hay restricciones sobre letras y n´meros. dada una de estas posibles distribuciones.3 = 103 = 1000 posibilidades para los d´ ıgitos. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. como no se hacen distinciones entre los asientos en la i i i i . de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes.m−r = maneras de distribuir las bolas. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. N´tese que.2 = 25·24 = ı. por ejemplo. 2. resulta que hay V R25. ıa ıa P1. con la unica diferencia ´ de que ahora las letras no pueden repetirse.r · CRn−r. El total de historias cl´ ınicas que pueden hacerse es. 2.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. 2. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. y V R10. se observa que.2 = a e 252 = 625 posibilidades para las letras. Por lo tanto. Por tanto. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. 600 posibilidades para las letras. en el caso de que las urnas no fueran distinguibles.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. As´ hay V25. COMBINATORIA 19 de CRn−r. por lo tanto. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. 625 · 1000 = 625000.3 = 1000 posibilidades para los d´ ıgitos. hay: Cn.

o u G (guanina). y adem´s ´stos o a e pueden repetirse. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. Finalmente. 4 ´ 5 flores. hay V R27.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. Consideremos a esas dos personas como una sola. 2. entonces existen V R4. Adem´s. 2. P1. P1. es decir. 2.18] 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. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1.i = 25 − 1 = 31 i=1 ramilletes distintos. Por tanto.3 = 43 = 64 secuencias distintas. Si tiene dos nombres como m´ximo. exactamente dos nombres.3 = 273 = 19683 conjuntos de iniciales. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. a a tenemos: 5 C5. hay dos posibilidades: a i i i i . por 7. P1.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. hay 6! = 720 formas de sentarse. se obtiene que hay 6!/6 = 5! = 120 distribuciones. C (citosina) y T (timina). no m´s de tres nombres? a Soluci´n o 1. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. no m´s de dos nombres. u de sentarse es 7!/7 = 6! = 720. que puede ser A (adenina). Procediendo igual que en el apartado (a). estando juntas las dos personas particulares. hay 120 · 2 = 240 formas de sentarse. ¿Cu´ntas secuencias distintas se a podr´n formar si se pueden repetir nucle´tidos? a o Soluci´n o Ya que importa el orden de los nucle´tidos en la secuencia. Por tanto. a 3. 2. 3. se concluye que hay 720 − 240 = 480 formas de sentarse. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. Por otra parte. Si tiene dos nombres. sin restricciones. As´ el n´mero total de formas ı.20] Suponiendo que hay 27 letras distintas.

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

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

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

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

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

2.2] Una moneda es lanzada cinco veces. Sin embargo. A} . si A ∈ A: P (Ac ) = 1 − P (A). P2. demostrar: 1. pero que la afirmaci´n rec´ e o ıproca no es cierta. un posible espacio muestral es Ω = {w = (w1 . que puede ser C =“cara” y X =“cruz” (i = 1. X}} .i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. si A. 5} . Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. 2. P ) un espacio probabil´ ıstico. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. o u e 2. e 3. 5) . i = 1. Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el n´mero de caras que han salido (espacio muestral del u apartado (a)). 1. As´ un posible espacio muesı. 2. w2 . 2. 3. S´lo el n´mero de caras es de inter´s. Soluci´n o 1. A. 3. Un posible espacio muestral es: Ω = {w = (w1 . 4.3] Dado (Ω. P (∅) = 0. w2 . 3. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. si A. 4. si A. 5. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. 2. 3. 4). w3 . i i i i . B ∈ A: P (A \ B) = P (A) − P (A ∩ B). El resultado de cada lanzamiento individual es de inter´s. 3. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). 2. P2. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. tral es: Ω = {0. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. w4 . 3. w5 ) : wi ∈ {C. 4. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). 4} . w3 . w4 ) : wi ∈ {B.

6)}) + P ({(1. 4)})] 3 + · [P ({(1.4] Un jugador italiano expres´ su sorpresa a Galileo. 2. 2. o considerando A1 := A \ B y A2 := A ∩ B. la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. i = 1. y al 10: 136. w3 ) : wi ∈ {1. por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 3. 2. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. 4. 244 y 334. 6)}) + P ({(2. 2. 3. 2. 5)}) + P ({(2. Basta tener presente las dos condiciones que cumple P por definici´n. 2. 3. Basta tener presente las dos condiciones que cumple P por definici´n. 3)}) 2 1 3 25 ·2+1 = . 235. 5)})] ({(3. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 145. 6)}) + P ({(1. 2. 5. 3). 3. 4. 3} . 6} . 4. 4. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. 5. Explicar por qu´ y calcular e las correspondientes probabilidades. Basta tener presente las dos condiciones que cumple P por definici´n. 2 8 i i i i . 3. P2. ({(2. = 3 · 6·3+ 6 2 216 Por otra parte. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). o considerando A1 := A y A2 := Ac . 4. 5)}) + P 3 + · [P ({(2. 27 Basta tener presente las dos condiciones que cumple P por definici´n. 3. 3. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. N´tese que este espacio es equiprobable y |Ω| = 63 . Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . 4)})] 3 1 ·3 = . 5)})] + P ({(3. o considerando A1 := A ∩ B = A y A2 := B \ A. 226. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 225. FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. 3. 234 y 333.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. w2 . o considerando A1 := Ω y A2 := ∅. 4)}) + P ({(2. 144. 135.

todas equiprobables. Calcular: u e 1. |Ω| 24 24 12 para todo i. j. . . . k = 1. j = 1. Aj = A2 . . . Ak = A3 . 3 y 4. |Ω| 24 P (Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) = P (A1 ∩ A2 ∩ A3 ∩ A4 ) = Luego. |Ω| 24 24 4 para todo i = 1. . . P (A1 ∪ A3 ) 4. . . P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2. procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. 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 ). . |Ω| 24 para todo i. 4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = . Definimos Ai = {w ∈ Ω/en u w aparece el n´mero i en el lugar i-´simo}. 4 |Ai ∩ Aj ∩ Ak | 1 = . . 2.i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . . se tiene que la probabilidad pedida es: P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 4 4 · P (Ai0 ) − · P (Ai0 ∩ Aj0 ) 1 2 4 + · P (Ai0 ∩ Aj0 ∩ Ak0 ) 3 i i i i .5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1. fijados por ejemplo Ai = A1 .

Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. llando esta expresi´n y sustituyendo los datos que nos da el problema. = 4· −6· 4 12 24 24 8 − 2. se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos.i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2. 4 12 24 24 4.6] Sean A1 . 4 2 = usando. P2. para la ultima igualdad. 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· − = = . Soluci´n o Sabemos que P (Ω) = 1. i i i i . FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 . 12 24 24 24 3. 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 ). 4 12 12 An´logamente. 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 · − = . As´ desarroo ı.

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

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

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

A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. un espacio muestral es Ω = {1. Por lo tanto. determinar si se cumple que: 1. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 3. 2. 7. Entonces. . P (A) 1/3 1/3 3 P (B) = P (B|A). por lo que se concluye que los dos sucesos no son independientes. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. Soluci´n o A1 . 6. Soluci´n o 1. . 6. 8. es decir. A y B son independientes. P (Ac |B c ) = 2/3.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. 9. e ı 3. 2. para todo i = 1. A ∩ B = ∅. 2. 5. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. 9} . 8. 3. A = {1. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . B = {3. .11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. 2. A ⊆ B. A ∩ B = ∅. 9} . es decir. 4.12] Dado que P (A) = 1/3. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. i i i i . FUNDAMENTOS DE PROBABILIDADES 35 P2. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 4. . 3} . Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. Dicho espacio es equiprobable y P ({i}) = 1/9. 7. 4. P (B|A) = 1/3. 5. Por definici´n de probabilidad condicionada.

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

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

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

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

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

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

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

Analizar matem´ticamente ambas alternativas. 2. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n.652.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. 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 .20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. −n · (ln364 − ln365) ≥ ln1 − ln2.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. 1084. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. = Sin embargo. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. FUNDAMENTOS DE PROBABILIDADES 43 P2. concluyendo as´ que n ≥ 252. apostar los 20 euros sobre “pares” en una unica jugada. con la segunda opci´n.5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas. luego la clase debe tener al menos 253 ı alumnos. 2 i i i i . o a hay una probabilidad de ganar igual a 18/38 ∼ 0. 364 365 n ≥ 1 . propia de jugadores m´s arriesgados. propia de jugadores m´s cautelosos. Es decir.474. o 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 . Ahora obtengamos el menor valor n natural tal que: 1− es decir. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. a Soluci´n o Recurriendo a la primera opci´n.

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

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

48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. equiv}). ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 .99108. Para las tres que faltan deben descartarse aquellas combinaciones que. El 90 % o de los clientes del banco tienen fondos. formar´ un tr´ un p´ker o un full. 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. Los datos que se dan son: P (w2 = equiv|w1 = con) P (w2 = corr|w1 = con) P (w2 = equiv|w1 = sin) P (w2 = corr|w1 = sin) P (w1 = con) P (w1 = sin) La probabilidad pedida es: P (w1 = sin|w2 = equiv) = = = = = = = = 0.001. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. ıan ıo. 0. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. todo cliente sin fondos pone una fecha err´nea en sus cheques. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . 0.1 = 0.001 · 0. En cambio.001. 1 · 0. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. Sea J el suceso “Se obtiene una pareja”. P2. o Por lo tanto.9 i i i i .i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. w2 ) . donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. ya que no importa el orden en que ´ ´stas se elijan. 0. El espacio Ω no es equiprobable y tiene 4 elementos. 1.1.999. An´logamente ´ a al apartado anterior.2 parejas posibles.9. Se recibe hoy en caja un cheque con fecha equivocada. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4.1 + 0. junto a las dos primeras cartas. 0. y procediendo de forma similar al caso del tr´ fijadas ıo.

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

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

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

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

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

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

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

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

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

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

w2 .i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. La figura 2. un e espacio muestral ser´ ıa Ω = {w = (w1 . para cualesquiera n´meros a o u enteros m y n. . i = 1.1: Regi´n de casos favorables sobre casos posibles del problema P2. . donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. wa+b ) : wi ∈ {D. pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. o punto de encuentro. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. . y + 1/12] el correspondiente a la otra persona. P2.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . por ejemplo. a + b. . n) y o una probabilidad 1−p de pasar a la (m. . tiene una probabilidad p de pasar a la posici´n (m+1.41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. . b). Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. i = 1. es decir. a + b} . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. n). Determinar la probabilidad de que el punto pase por la posici´n (a. A} . Este espacio no es equiprobable si p = 1/2. 0). . . . . . . wa+b ). i i i i . por lo a o que para pasar por (a. es ps · a+b−s (1 − p) . e igualmente [y. Cuando est´ en la posici´n (m. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. n+1). . Podemos representar cada suceso elemental como w = (w1 . . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. La probabilidad de un suceso elemental con s movimientos a la derecha.40. A} . . Por lo tanto. un total de a + b desplazamientos. . con wi ∈ {D.

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

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

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

2. A)}) − C3. X)}) 1 1 1 1 19 = 1− +3· +3· + = . A. As´ como cada ı. 4. 8 72 24 216 27 P2. w2 . X. 2. w4 ) /wi ∈ {U. w2 . X)}) + 3 · P ({(B. A. donde cada wi . X)}) − P ({(X. Determinar las probabilidades de ganar de A. e siendo wi = U si la bola es blanca y wi = V si es negra. 3. Por otra parte. V } . As´ un espacio muestral ser´ ı. para i = 1.1 · P ({(A. Cada una de cuatro personas. w3 . 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . X.1 · P ({(A. por a tanto: P (A1 ) = P (A2 ) = 2 . B. saca una bola y no la repone. 2. B. en ese orden. A. 4 es el color de la bola que extrae la i-´sima persona. B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . 36 4. C y D. i = 1.i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. torneo consta de 3 partidas. El primero que la saque blanca gana. tienen la misma probabilidad de ocurrir. ıa Ω = {w = (w1 . X. 5 4 10 i i i i . 5 3 2 3 · = . se obtiene que P (S) = P ({(A. 72 Sea el suceso S = “A y B ganan alternadamente”. Representemos por T el suceso “B gana al menos una partida”. A)})+P ({(B. w4 ). 3.44] Una bolsa contiene dos bolas blancas y tres bolas negras. Por lo tanto: P (N ) = 3 · P ({(A. A. C y D. w3 . i = 1. que no es equiprobable. X)}) −C3. X)}) =3· 3. 4} . sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales. Supondremos que las e personas est´n ordenadas de A a D. Las probabilidades de ganar son. B. La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. 3. Soluci´n: o Representemos cada suceso elemental como w = (w1 . X.

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

Sin embargo. al igual que se hizo al comienzo del ejercicio).2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. . . Definamos el suceso E = “Se extraen 3 bolas de diferente color”.3 = . blanca. Por lo tanto. C20. y V3. que: 8·3·9 3 P (F ) = = . Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. azul”. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. FUNDAMENTOS DE PROBABILIDADES 4. C3. se tiene que un espacio muestral es: Ω = w = (w1 . para ello se recurri´ al espacio muestral Ω.1 formas de combinar o e esas 3 bolas de forma ordenada.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. P (B) = V20. 2.3 14 = . 2. 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 . =1− C20. manteniendo las dos bolas rojas en su posici´n relativa. No obstante. V20. dado que las bolas se extraen una a una y sin reemplazamiento. 6.3 34 = . 3 para todo i = j .3 1140 P (A) = Teniendo en cuenta que hay V8. hay.3 95 i i i i . dado que hay 8 bolas rojas.1 · C3.3 57 57 5. Entonces.1 · V8.3 285 1 V3.1 formas de tomar las bolas blancas.3 95 Para calcular la probabilidad pedida. V20. 20 wi = wj i = 1. Este espacio es claramente equiprobable.1 · C9. con Ω = V20. Se tiene entonces. . w3 ) : wi = 1.1 18 P (E) = = .3 95 Obs´rvese que este nuevo espacio muestral Ω podr´ haberse usado e ıa desde el comienzo del problema para calcular tambi´n las probabie lidades de los cinco primeros apartados.1 = . obteni´ndose que: o e P (C) = 7 C3. C8. . o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. V20. para cada distribuci´n de ´stas. 3 blancas y 9 azules. w2 . P (D) = 1 − P (Dc ) = 1 − 23 C17.2 · V3.

B. 5. 1. wi = (n. n ∈ {1. w3 . 2. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. tres sean de un palo y dos de otro.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. D}}. . P (E) = 3! · V8. tres sean Dieces y dos Sotas. donde n representa el n´mero en la carta (es decir.3 34 23 =1− = . al menos uno sea un As. u u n ∈ {1. cuatro sean Ases y uno Rey.1 · V9. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. si han de ser de tres colores diferentes. Por lo tanto. fijadas las tres bolas. B. 2.3 95 P2. 54145 i i i i . . . 3. Hallar la probabilidad de que: 1. V20. C. w5 } : wi = wj . para todo i = j. . . cuatro sean Ases.1 18 = . y 6. Caballo y Rey en cualquier orden. 13}) y l representa el palo (es decir. hay 3! maneras posibles de ordenarlas. se obtiene que: P (A) = 1 · 48 52 5 = 1 . 2. 4. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. Diez. l) . . l ∈ {A.3 57 57 Finalmente. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. w2 . Aplicando la regla de Laplace. V20. D}). Entonces el espacio muestral es: Ω = {w = {w1 . C. Una vez fijados los 4 Ases. l). w4 .46] De una baraja de 52 naipes se sacan 5. se debe tener en cuenta que. Sota. . Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. salgan Nueve. 13} .1 · V3. . l ∈ {A.

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

. donde c representa el color de la bola extra´ ıda. . . . Este espacio no es equiprobable. ya que se tiene un total n de n + 1 urnas posibles. j = 0. . con i + j = n + 1. r) : r = 1. . r. las suposiciones para los colores de las n bolas de la urna inicial son equiprobables. n − 1)}) = P (A|B2.n−1 ) = 2 1 1 · = 2.0 ) · P (Bn+1.n ) · P (B1. r + r = n + 1 . . . r = 1. j = 0. para todo i = 1. que es el conjunto de sucesos elementales: A = {w = (R. a o Definamos el suceso A = “Se extrae una bola roja”. respectivamente. . Un espacio muestral viene dado por Ω = w = (c. . . . n+1 n+1 (n + 1) 1 1 1 · = 2. n + 1.. i + j = n + 1. n. j) / c ∈ R. n. . . . donde el color de la bola que se saca. r. . r. .. . se tiene que: P (A) = P (A|B1. . por lo que el espacio muestral definido no es equiprobable. n + 1. R . . Sean tambi´n los sucesos Bij = “Despu´s de introducir una bola roja. n)}) = P (A|B1. + n+1 n+1 n+1 n+1 (n + 1) · (n + 2) n+2 1 = . + P (A|Bn+1. . 1. . r + r = n + 1} . . n + 1 : r = 0.0 ) = 1 1 2 n+1 · + + . n+1 n+1 (n + 1) . y r y r son el n´mero de bolas rojas y u no rojas. como se ver´ a continuaci´n.i i i “libroult” 2001/8/30 page 68 i 68 Soluci´n: o EJERCICIOS RESUELTOS DE PROBABILIDAD Representemos cada suceso elemental como w = (c. . se verifica que P (Bij ) = 1/ (n + 1) . .n−1 )·P (B2. Por lo tanto. 2. por lo que tambi´n lo ser´n las urnas que resultan de e a a˜adir una bola roja a las iniciales. 2 · 2 2 · (n + 1) (n + 1) = = i i i i . Para calcular P (A). .n−1 ) · P (B2. n+1. n. . i + j = n + 1) constituyen una partici´n de Ω. n. por ejemplo: P ({(R. R con i = 1. . . es R si la bola es roja y R si es de otro color. . r = 0. . . .n ) · P (B1. que hay en la urna despu´s de introducir una e bola roja en la urna inicial. . . Los sucesos Bij (con i = 1.n−1 ) + . n´tese que se han de tener en cuenta todas las posio bles combinaciones para la urna. . j = 0. la e e urna tiene i bolas rojas y j bolas de otro color”= w = (c. i. . r) : c ∈ R. c. . n + 1. . r).n ) + P (A|B2. . Por lo tanto. n. . Por el enunciado del problema. . Se comprueba que.n ) = pero P ({(R. aplio cando el teorema de la probabilidad total.

1. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. FUNDAMENTOS DE PROBABILIDADES P2. 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. Por lo tanto. P (A ∩ B) = = 16 i i i i . y ≤ a.38. Este u espacio es claramente equiprobable. que corresponde al espacio Ω. }. Para los valores de a y b del apartado anterior. y la figura 2.48] Consid´rese el intervalo de la recta real [0.26. sabiendo que su suma es mayor que b. a Adem´s. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0.2 ayuda a ello. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. puesto que es un a rect´ngulo de lados b/a y a. a]. por lo que el c´lculo de a P (A) se reduce. para dividirla por el ´rea de este cuadrado. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . 2. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. se tiene que b/a > a. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. debemos dividir el ´rea deseada en dos partes. para b = 2 y a = a o 4. por lo que P (A) = a2 /a2 = 1. aplicando la ley de Laplace.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. 2. Si b > a2 . a que es una parte de la superficie de un cuadrado de lado a. Sin embargo. se deben distinguir dos casos: a Si b ≤ a2 . y) : 0 ≤ x. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. para la segunda dea bemos calcular la correspondiente integral. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. ya que los n´meros se eligen de forma u uniforme e independiente. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. N´tese que o el espacio muestral tomado es equiprobable. a] es menor que b”= {w ∈ Ω : x · y < b}. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. a obtener el ´rea A. e 1. a] con a > 0. Paa ra la primera de ellas el ´rea es inmediata. El ´rea deseada es la intersecci´n de A y B.

w2 − w1 y 1 − w2 . Por lo tanto. w2 − w1 ≥ 1/4. los segmentos que se forman tienen longitudes w1 . a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . al extremo inferior del segmento. 2. con a < b. w2 ) : w1 . Representemos por a. Adem´s. 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. o P2. respectivamente. Por lo tanto: P (A) = 1 (1/4) = . Hallar la probabilidad de que 1. n´tese que s´lo con un o o i i i i . 1 − w2 ≥ 1/4} .2: Regi´n para integrar en el problema P2. 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. cada uno de ellos tenga una longitud mayor o igual que 1/4. 1]}. este espacio a es claramente equiprobable. Procediendo an´logamente al ejercicio anterior. pues los puntos se eligen de forma aleatoria e independiente. w2 ∈ [0. resultando dividido en tres nuevos segmentos. se pueda formar un tri´ngulo con ellos como lados. b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad. 2 32 2 2.48.i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. w2 ) ∈ Ω : w1 ≥ 1/4. Para dos valores de a y b (dentro de los posibles). 1. que es el conjunto A = {w = (w1 .

w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . w1 . con: B1 = {w = (w1 . B . 1]}. si no obtiene beneficios. 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. En cambio. Teniendo en cuenta lo anterior. invertir´ en el otro tipo. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. que ser´ B si obtiene beneficios o B si no los o a i i i i . w2 ∈ [0. para a > b. y wi2 el resultado de esa inversi´n. 1]}. w2 − 2 · w1 < 0. wi2 ) .6 de obtener 16 millones de beneficio. V2 } . FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. w2 ∈ [0.8 de conseguir 12 millones. w2 ) : wi = (wi1 . w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . An´logamente. que corresponde al caso a ≤ b. y si invierte en V2 tiene una probabilidad de 0.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. ¿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 . Adem´s. B1 ∩ B2 = ∅. y B2 = {w = (w1 . i = 1. w2 − 2 · w1 ≥ 0. cuando a ≥ b. se tiene que B = B1 ∪ B2 . wi2 ∈ B. Si invierte en V1 tiene una probabilidad de 0. Si en tal inversi´n obtiene beneficios. wi1 ∈ {V1 . 2.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . a P2. Por lo tanto. est´ dispuesto a volver o a a invertir en el mismo tipo de valor. a 1. w1 . a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. 2 . el a a resultado es P (B) = 1/8. a Procediendo an´logamente al primer apartado de este ejercicio.

4 = 0. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0.5 · 0. y NkB = {w ∈ Ω : w21 = Vk .5 − 0.3.5 = 0. respectivamente. tendr´ probabilidad cero. el espacio Ω no es equiprobable. y MkB = {w ∈ Ω : w11 = Vk . dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l.3 = 0. 2.8 · 0. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. respectivamente.6 · 0.5 = 0. Estos sucesos constituyen una partici´n del espacio Ω. Se procede de forma an´loga con los dos sucesos restantes.5 · 0. w22 = B . obtea ni´ndose que e P (M2B ) = 0. P (M2B ) = 0. B).48.8 + 0. w12 = B} . w12 = B . w2 ). B . w2 = (V1 .1. P (M1B ) = 0.5 − 0. Por tanto. i i i i . que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . 1. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. Adem´s.8 · 0.6 · 0. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 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. obtiene beneficios. con w1 = V1 . 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 ”.4.24.5 · 0.4 = 0. Si.2. un suceso elemental del e ıa tipo w = (w1 .i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. por el contrario.6 · 0. Se tiene que MkB = w ∈ Ω : w11 = Vk .8 · 0. 2.5 · 0.6 + 0. con k = 1. 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. 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 ”. por ejemplo. De esta forma. w22 = B} . con k = 1.2 = 0. entonces repite con el tipo de valor.

. 3. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0.3/0. 73 Utilizando los sucesos definidos en el apartado anterior.2/0. calcular la probabilidad de los siguientes sucesos: 1.000 ptas.000 ptas.8) · 0. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. si coinciden las 4 cifras. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .2222.72 = 0. P2. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. 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. La primera bola extra´ est´ numerada con 3 y la segunda con 0. 200. La cuant´ (no acumulable) de los ıa premios es de: 2. u El n´mero que se forma con las bolas es mayor que 3571. sorteo consiste en extraer 4 bolas. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4.25.000 ptas.72 ∼ 0. cuyo ıa. Se extraen 4 bolas una a una con reemplazamiento. 3. 2.51] Una urna contiene 10 bolas numeradas del 0 al 9. si coinciden s´lo las tres ultimas cifras.000 ptas. 2. ıda a El n´mero que se forma con las bolas acaba en 380.000.472. seg´n el experimento previo. 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 ) = = (0.72.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. u Supongamos una loter´ en la que cada boleto cuesta 1. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. si coinciden las 2 ultimas o ´ ´ i i i i . 20.6 + 0) · 0.

3.01. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. y3 e y4 . para todo i = j} . y 2. . Si suponemos una loter´ con boletos de 1000 pesetas en la que se obtieıa nen premios de diferente cuant´ seg´n el n´mero de cifras que coinciden ıa u u con el n´mero extra´ en el sorteo. w3 = 8. w4 ) : wi = 0. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. 3. w2 = 5. w3 > 7} ∪ {w ∈ Ω : w1 = 3. .000 ptas. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. A = {w ∈ Ω : w1 = 3. w4 > 1} . 2. . equiprobable y tiene un total de |Ω| = 104 elementos. 2. y consta de las cifras siguientes: y1 . Finalmente se obtiene que P (C) = 6428/104 = 0. w3 . B = {w ∈ Ω : w2 = 3. w2 > 5} ∪ {w ∈ Ω : w1 = 3. w2 = 0} . necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. y2 . 4. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. si coincide la ultima cifra.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. donde los sucesos Ci son disjuntos. supongamos que y es el n´mero del boleto comprau do. w2 . w4 = 0} . Para ello. w2 = 5.001. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w3 = 7. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . 3.6428. 4. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . 9. . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. 1. i = 1. 2. 1. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. para i = 1.

4. ∀k = j}.918. ∀j = 4 − i + 1. 2. 3. |Ω| 104 = P (Ai ) = para i = 1. 3.8. w1 = w2 } . definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. Hallar la probabilidad de los siguientes sucesos: 1. wk = yk . 104 Por lo tanto. . Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 4. 2. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. Por otra parte. con |Ω| = 20. 4. . Se extraen dos bolas una a una sin reemplazamiento. 2. w2 ) : wi ∈ {1. Se selecciona una bola con n´mero impar la primera vez. . P2. 104 Finalmente. u Se seleccionan las dos bolas con n´mero impar. no es rentable jugar a esta loter´ puesto que el dinero que ıa. y se supone que existe aleatoriedad uniforme. para u e o i = 1. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. 5} . u Generalizar el problema al caso de que la urna contenga n bolas. 3.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . 2. u Se selecciona una bola con n´mero impar la segunda vez. . donde wi representa el n´mero de la bola de la i-´sima extracci´n. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. para el n´mero premiado en el sorteo. con el boleto que ha comprado. con i = 1.52] Una urna contiene cinco bolas numeradas del 1 al 5. numeradas de 1 a n. i i i i . 3. Este espacio es equiprobable. 4. 2. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0.

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

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

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

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

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

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

2. ´ 1. w3 .25 = 1. 2794 · 10−3 i=1 1− i i i i . 2. Probabilidad de que alguno de los tiradores consuma toda su munici´n. w2 . 4}. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. o 2. 4. wi2 ) . 3. para todo i = 1. Sin embargo.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 1. 4. ya no le sobrar´ ninguna bala. Cada tirador dispone de seis balas. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. Si todos los tiradores consumen la munici´n. La probabilidad de acertar en el objetivo con cada tiro es de 0. cada uno sobre uno. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”.8. 2. wi2 ∈ {a. 3. N´tese que si a un a o tirador le sobra alguna bala. e para i = 1. 2. 4 y j = 0. a sea cual sea el resultado para esta ultima. 3. que ser´ a si acierta y f si falla. 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. wi1 = 0.2 1 − 0. 3. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 3. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. f } . y wi2 es el resultado que ha obtenido. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. si no le sobra ninguna.8 + 0. 5. Calcular la probabilidad de que sobren dos balas en total. w4 ) : wi = (wi1 . Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 5. 2. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. significa que ha acertado.8. Un tirador deja de disparar al alcanzar el blanco. 1. 4. 1.25 · 0.25 · 0. para todo i = 1.

Los tiradores disparan de manera independiente. 8455 · 10−12 .2) = 4 · (0. podemos luego extenderlo a todos. 4 4 = = 3. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.8) = 2 2 · 0.2) 18 18 · (0. = 0.8 · (0.2) · 0.8) = 1. i i i i . 2. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. teniendo en cuenta todos los casos posibles. entonces. resulta: P (C) = C4. para i = 1.8) . como siempre. 83 Definamos los sucesos Bi = “El tirador i acierta”.2 · (0.2) · 0.2) ·(0. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0.8 · (0. por lo que si vemos estos dos casos para dos tiradores concretos.1 · (0.2) · (0. FUNDAMENTOS DE PROBABILIDADES 2.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.8 + 6 · (0.8 + C4. 3.8. 4. Por lo tanto. y teniendo en cuenta.2) 4 2 5 2 = (0. que disparan de forma independiente.2) 18 · 0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.25 · 0.8 0.2) 3 5 3 = (0.84 = 0.2) 18 18 · 0.4096. Todos los tiradores tienen la misma probabilidad de acertar.

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

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

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

3.4) . .4. 4.9790. 20 20−k · 0. . mientras que el otro 40 % lo hacen en carreras de Humanidades. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. calcular la probabilidad de que: 1. 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.4) = 0. Si las cinco primeras matr´ ıculas son de Humanidades. no haya m´s de 12 matr´ a ıculas en Ciencias.11714. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. 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. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 3. .4k · (1 − 0.410 · (1 − 0. haya al menos 8 matr´ ıculas en Ciencias.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. Si un determinado d´ se realizan ıa 20 matr´ ıculas. 10 2. en total haya al menos 6 en Ciencias m´s que en Humanidades. . para todo k = 0. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0.6 = 0. 5. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.1275. 20. siendo: a P (ξ = k) = 1.1] 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 i . 2.4. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.8725 = 0.

2]. k≤ x Calcular la probabilidad de [1/2.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. tambi´n binomial. 1] ∩ [1/2. Sin embaro o go.4032. debe verificarse que F (x) ≥ 0. 0 ≤ x < k cuando k ≤ 1. se tiene que ∂F (x) = k > 0. Ya que k > 0.4159 = 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. las cinco primeras son en Humanidades. 1 − a k (1 − x) ≥ 0. 1] condicionada por [1/2.5851. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. por lo que se tiene que. 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. 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. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. P3. 1 − k(1 − x). 2]) P ([1/2. podemos definir una nueva variable η. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 0 ≤ x < k F (x) =  1.0271. 2]) P ([1/2. calculemos la probabilidad pedida: o P ([1/2. 1]) = P ([1/2.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. o o Bajo la condici´n 0 < k ≤ 1. ∂x Adem´s. F es funci´n de distribuci´n. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. en o o ese caso. 5. 1] | [1/2. para todo x. Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k. 0 ≤ x < k. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . 2]) = = P ([1/2. En particular. pero con par´metros n = 20 − 5 = 15 e a y p = 0.4.

1]. 2). I I Soluci´n o N´tese que esta funci´n es continua en todo IR. [1. x]) =  (x − 2 + 4)/8.3] Sea la probabilidad en IR dada por   0.4] Sea la probabilidad en IR dada por P ((−∞. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. P (I ∩ [0. 4])−P ((−∞. 1]. { 2}. 1}. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. P (IN) = 0. √ √ √ P ( 2. 5])−P ((−∞. √ P ((−∞. 8]. 0)) = P ((−∞. 3}. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 2]. 4] = P ((−∞. 1]) = P ((−∞. x]) = ex /2. 5)) = P ((−∞. 4). √ √ P [0. Q ∩ [0. P ([0. √ P ([2. [2. 8]) = P ((−∞. excepto en el punto o o Teniendo eso en cuenta. 2. calculemos las probabilidades que se piden: √ 2. 1]) − P ((−∞. {4 + 2}. {0.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 4) = P ((−∞. IN. [0. 1 − e−x /2. 5))−P √ ((−∞. 4]. DISTRIBUCIONES DE PROBABILIDAD P3. 2)) = 1 − 6 − 2 /8. {0}. 2] − Q. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. [0. P3. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. 5). P ([0. [−2. {1. [−2. 1]) = 0. P ({0. 0)) = 4/8 − 4/16 = 1/4. 2] = P ((−∞. Q P ([−2. 1}) = 0. √ √ √ √ P [ 2. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. [ 2. 1]. 2] −P (−∞. 8]) − P ((−∞. 3].   (x + 4)/16. los √ √ ( 2. 4)) − P ((−∞.   1. 0)) = 5/16 − 4/16 = 1/16. 2]) − P ((−∞. Soluci´n o Las probabilidades que se piden son: i i i i . 2] − Q) = P I √ 2 = 1/4 − √ 2/16.

1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 1]) − P ((−∞. . 3]) = P ((−∞.2.2.4. c]) −P ((−∞. 3}) = 0. De esta forma se obtiene que: P ((0.3 + 0.5}) = 0.4) /2 = 0. a] × (−∞. a] × (−∞.3 + 0. 0. 2)) − P ((−∞.5) /2 − 0 = . P ([1.4. 1]2 {(x. 2)) = P ((−∞. y ≤ 1.8] × {0.3 · 0. 0]) − P ((−∞.42 ·(0.5 · 1 · (0. 3]) − P ((−∞. [0.4 · (1 + 0.3 · 0.4) × [0. d]) − P ((−∞. 0.4.4 · (0. 2.5]) = 0. estas probabilidades se calculan de manera an´loga.4·0.3. y]) = xy(x + y)/2 si 0 ≤ x. y) : x + y ≤ 1}. 1) . 0.6]2 ∪ [0. [0. y)) = P ((−∞.2. 0. 1]) = P ((−∞. x) × (−∞. P [0. 0. y]) = P ((−∞. P ({0}) = P ((−∞.5 · (0.4) /2] + 0. [0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .4. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. P ({1. P ((0.5} .5 · 0. 0.5. P ([0. b] × (−∞. P3.4) /2 = . x] × (−∞. x] × (−∞.4) × [0. P ([−2.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.5·(0. . x) × (−∞.5) /2 + 0. 0.8]2 En caso de que el intervalo sea abierto o semiabierto. i i i i .4) /2− 0.5) /2 −0. 0. (0. b] × [c. y]) = P ((−∞. 0.00 8. Calcular las probabilidades de (0.8] × {0. 0.5 · (0.5) × (0. 0)) = 1/2 − 1/2 = 0.4 + 0. 1)) = 0.5. puesto que: a P ((−∞.4 + 0.3.25. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. d]) = P ((−∞.5] Sea la probabilidad en IR2 : P ((−∞.5 + 1) /2 − 0.4 · 0. teniendo en cuenta que: P ([a. b] × (−∞.504. c]).5 + 0.4 + 0. x] × (−∞. y)) .5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. d]) + P ((−∞.5) × (0.4 · (0.4.

0.6) /2 − 0. 0. Si 0 ≤ t < 1/2.4.8) /2 − 0. si t ≥ 1/2. t] ∪ [1/2.6]2 ∩ [0.2 + 0. conviene distinguir varios casos: Si t < 0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.6 · (0.8]2 = P [0.4 · 0. 0.2) /2 + 0.1.8]2 −P [0.4 + 0. 0. t].1: Puntos de [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 ∈ [0.4 + 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.8 · (0. se tiene que:   0.4. si t < 0 2t. Teniendo en cuenta la definici´n de la variable aleatoria ξ.4) /2 + 0.28. t + 1/2]) = 2t. y) : x + y ≤ 1}) = P [0.4 + 0.4.62 · (0. i i i i .4 · 0.2 + 0. 0. entonces Fξ (t) = 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. entonces Fξ (t) = 1 Por lo tanto.8 + 0.2.22 · (0. P ({(x. 1] con im´genes a trav´s de ξ en (−∞.6]2 = 0.8]2 −P [0.6 · (0.8]2 = P [0.2. a e P [0. 1] : ξ (x) ≤ t}) . 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.4 + 0. 0.6]2 ∪ [0.6]2 + P [0.4.8) + 0. entonces Fξ (t) = P (φ) = 0. 0.62 · (0. 0.2 · 0.4.6) /2 − 0. 0.42 · (0.6]2 + P [0.4) /2 = 0. Si t ≥ 1/2. si 0 ≤ t < 1/2 Fξ (t) =  0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. representada o en la figura 3. P3.6) + 0.6 + 0.2.82 · (0.6 + 0.2.6) +0.42 · (0.

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

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

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

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

8 fξ (x) = 0.3  0.3 = 0 2x3 · ∂x + 0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .8 0. 57144. 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. E ξ 2 y E ξ 3 . a 3.6092 − (0. E [ξ] = E ξ2 0. Soluci´n o 1. 6092.3 2x2 · ∂x + 0. para cualquier otro valor 1. 71933. Los tres primeros momentos ordinarios son E [ξ] . 1764 · 10−2 .8 < x ≤ 1. E[2ξ + 5ξ 2 − ξ 3 ]. Teniendo en cuenta las propiedades de la esperanza. 0. Determinar la funci´n generatriz de momentos de ξ.8 1. i i i i .8 0. 71933) = 9.8 1.72   0 x > 1. 2. x > 0 fξ (x) =  0.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. Soluci´n o 1. o 2.9132. 0 0.8 0.8 1. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. esperanza matem´tica y varianza. 3.72x · ∂x = 0. los tres primeros momentos ordinarios.72x3 · ∂x = 0.3 = 0 2x4 · ∂x + 0. P3. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0.3 Calcular: 1. Utilizar (1) para encontrar la media y la varianza de ξ.72x2 · ∂x = 0. 2 2 E ξ3 2.

Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno). 2 97 | | t=0 = E [ξ] . . el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1. Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8. y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1. en general. . ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general. En el caso de dos. . = E ξ2 . Bajo cada tapa hay exactamente uno. . hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. este n´mero es u 1 + 1/ (5/6) = 1 + 6/5.i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3.14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos. DISTRIBUCIONES DE PROBABILIDAD 2. entonces el n´mero medio de extracciones necesario o u hasta que aparece por primera vez ese s´ ımbolo es: m = 1 · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . volvamos a nuestro problema original. y. Evidentemente. Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . . la media y la varianza de la variable ξ son: V (ξ) = P3. 6) es n 1 6−i+1 6 k=1 . . . . el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. Por lo tanto. p y por tanto m = 1/p. i i i i . Dicho esto. E ξ 2 − (E [ξ]) = 96 − 64 = 32. y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. .7 yogures para conseguir los seis s´ ımbolos distintos. si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n. t=0 Por lo tanto.

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

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

2 muestra una recta con 3 saltos. el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = . x1 ) . x2 ) . . la figura 3.16 con n = 2 y m = 3. ¿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. Mientras que el segundo valor es claramente n + m − 1. x2 . xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. . el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3.i i i “libroult” 2001/8/30 page 100 i 100 EJERCICIOS RESUELTOS DE PROBABILIDAD T 1 d 1 2  d   4 d d d  3   d d d 5 E Figura 3. para n = 2 y m = 3. An´logamente. la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). P3. Como conclusi´n.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. . (2. n+m n+m−1 n+m n+m−1 m+n i i i i . luego. . entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. el primero es n m m n · + · . y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). xn+m ) . y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. (n + m. . . o salto de 1 a 0. Adem´s. . . donde los valores x1 . y de que haya un 0 en el segundo es n/ (n + m − 1). la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m).16] Consideremos l´ ıneas que unen n + m puntos del plano (1. Por ejemplo.

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

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

e o plo. en su secci´n central (figura 3. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. Por ejemıa. debe cumplirse que α = 2π/6. P3. a Dada la simetr´ concentr´monos en una secci´n de la esfera. es decir. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3.354r.3). la fuerza y direcci´n con o que se lanza. 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.4). i i i i . si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. arctan (π/3) En otras palabras.5). el grueso de la moneda debe ser 35. y e entendamos que la moneda “cae de canto” cuando el polo inferior de la esfera est´ entre los dos c´ a ırculos (v´ase figura 3.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. Sin embargo. etc. entonces g= r = 0. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.3: Esfera que circunscribe los bordes de la moneda. las caracter´ ısticas de la superficie sobre la que cae.. la elasticidad de la moneda.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. para dar una respuesta con esta segunda herramienta. Con esta notaci´n es e o claro que el problema pide la distancia que debe separar a los dos c´ ırculos para que el ´rea sobre la esfera que limitan sus dos c´ a ırculos sea la mitad del ´rea restante.

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. o i i i i . r α g Figura 3.

6: Transformaci´n de variables aleatorias. = 1. En efecto. Esta variable es claramente obtenible a partir de la variable ξ. para todo x. π/2) 0.6): u o e η=g ◦ ξ= L2 senξ .i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. para cualquier otro valor. DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. Sobre el espacio a muestral Ω se asume una probabilidad P . 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) = = . π/2). o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. Por tanto. conociendo el ´ngulo x entre los dos lados de tri´ngulo w. 2 i i i i . se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). y se distinguen por el ´ngulo que ambos forman. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 . o P3. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x). x ∈ (0. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω.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. 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. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. 2 2 2 Es decir. Sea ξ la variable que mide dicho ´ngulo.

2 π π3 P3. y 0 en otro caso. cuando x > 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. 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 . La venta de una cantidad o i i i i . L2 /2 . tambi´n es posible realizar un c´lculo directo de la funci´n e a o de densidad de η = g ◦ ξ conociendo la f´rmula general que acorta el o proceso: hη (y) = fξ (g −1 (y)) · g −1 (y) Finalmente. para y ∈ 0.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 . 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. si y ≤ 0 entonces Fη (y) = 0.22] En funci´n de un estudio realizado en varios establecimientos. 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 . mientras que si y ≥ L2 /2 entonces Fη (y) = 1. 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 = . Obviamente.

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

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

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

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

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

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

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

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

Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1.m .1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. y su media es: m . La funci´n generatriz de momentos no existe. 3. Ejercicios Resueltos P4. y se denota ξ ∼ Td . para m > 4. 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.m . el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td . 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. Su media es 0 y la varianza d/ (d − 2). el cociente o a entre dos variables aleatorias independientes con distribuci´n χ2 .i i i “libroult” 2001/8/30 page 115 i CAP´ ITULO 4. es una Fn. o con n y m grados de libertad. Se denota ξ ∼ Fn. Adem´s. para m > 2. 2.05. 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). 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. (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 . La funci´n generatriz de momentos no existe. respectivamente. ¿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 .

0.05. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.0.9884. . ξn ). .05 = 2) = 2.5987 = 0.2. Por ultimo: ´ P (η10. esto es. Adem´s.05) = 0. total de n reservas (ξ1 .05 ≤ 2) = i=0 10 10−i · 0. procedea mos a resolver el problema. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. que el 20 % de las personas que reservan una mesa no asistir´n.050 · (1 − 0. .0746.05 = 0) = 10 10−0 = 1− · 0. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi .05i · (1 − 0.i i i “libroult” 2001/8/30 page 116 i 116 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Sea ξi una variable aleatoria que representa el estado de una unidad terminada en la l´ ınea de ensamblaje en el momento i. . . de acuerdo con el dato o a inicial del problema.4013. .05) = 0 = 1 − 0. . . por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . con distribuci´n o i i i i . sigue una distribuci´n binomial de o par´metros n y p = 0.05) = 0. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. ξn ).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.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. 2 P (η10. 1. Hechas estas consideraciones iniciales. i 3. P4.052 · (1 − 0. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. ηn.0.0. de acuerdo con el enunciado del ejercicio. o por experiencia. Se tiene que: 2 i=1 10 8 · 0. Procedemos a calcular: P (η10. de un ı.05 ≥ 1) = 1 − P (η10.p = ξi .

para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa.41696. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. Si el n´mero promedio de estos fallos es ocho. Entonces. a n = 25. 2. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. debe ocurrir que acudan 20 o menos. 2381. i P4. 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 = 2.2. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento.2) = 0. 27067.2i · (1 − 0. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. ¿cu´l es la probabilidad de que falle un componente en 25 horas? a ¿y de que fallen no m´s de dos componentes en 50 horas? a ¿cu´l es la probabilidad de que fallen por lo menos diez en 125 horas? a Soluci´n o Sea la variable aleatoria ξ. De la misma forma. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento.5799. En el caso particular del problema. As´ se tiene que: ı. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. la probabilidad deseada es la siguiente: P (η = 1) = 2.3] 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. 1! An´logamente. o a Por lo tanto. Considerando que se cumplen ciertas condiciones de regularidad. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. i! 3. 21 −2 · e = 0. u 1. 1. i! i i i i . 3.

para todo k ∈ A = {1. . y que a lo o largo de esa semana no van a poder traer m´s del almac´n. . calcular P (ξ = k) y E[ξ] . si 0 ≤ ξ < 10 η= 5000 . si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . 2. o u i i i i . . de una baraja espa˜ola (4 palos de 10 cartas cada uno). con valores equiprobables 1. una a una con reemplazamiento. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. a partir de la variable ξ: 500 · ξ . 10}. . si t < 0  0   t/500 t = P (ξ = i) . kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces.. por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . podemos definir una variable aleatoria η. Definamos tambi´n un e conjunto B formado por los (k1 . es decir.5] Se extraen n cartas. si ξ ≥ 10 En el segundo caso. Determinar la a e distribuci´n de las ganancias totales (en ptas. si la demanda ξ es de m´s de 10 tostadores. a si supera al n´mero de existencias. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. siendo ıda P (η = k) = 1/10. .2. o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. . N´tese adem´s que el unico dato a u a o a ´ tener en cuenta en cada extracci´n es el n´mero de la carta. . . u 1.10. u La distribuci´n de las ganancias totales en pesetas es. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. .) en concepto de tostadores o de pan a lo largo de esa semana. . Soluci´n o Teniendo en cuenta los datos del problema. Sin embargo.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. . La ganancia de cada tostador vendido es de 500 ptas. o P4. no el palo. si t ≥ 5000. un lunes se encuentran con que s´lo les quedan 10 tostadores. hallar la funci´n generatriz de probabilidades de ξ.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) para una simple o a e funci´n real g.

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

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

Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. . Se asume que las visitas realizadas son independientes entre s´ Entonces. n i=1 2 i=1 P4. 29175. PRINCIPALES VARIABLES ALEATORIAS 3. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0.3.310 · 0.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . de acuerdo con los datos del problema. . . se calcula: P (ξ1 = k|ξ2 = j) =    = 4. 333. . definamos un conjunto de variables aleatorias ξ1 .7i i = = 0. a y por tanto E [ξ] = n (1 − p) /p. si j > k Por ultimo. . 9597730 = 0. Se ıas tiene que: 30 P (ξ1 ≤ 40.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. Procediendo de forma similar al primer apartado.7 + 10 = 10 · + 10 = 33. ¿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 . u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0.3 Por otra parte. . . el n´mero medio de visitas diarias que ı. .3. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . p 0. si j ≤ k . no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. para calcular la probabilidad de que no tenga que hacer m´s de 50 visitas diarias a lo largo de un mes (de 30 d´ a ıas). a lo largo de un mes.

se tiene que: n 5 ≤ 0. (k + 1)(1 − p) n−k = i i i i . 6 desigualdad que se verifica para todo n ≥ 13. k para todo k = 0. A. P (ξn = 0) ≤ 0. B). . p).9.1. Considerando que la probabilidad de obtener un as con este dado es 1/6.9. si ξ ∼ Hip(n. Pξ (k + 1) = · Pξ (k). si ξ ∼ Bi(n.1. Si ξ ∼ Bi(n.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. n. es decir. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. Pξ (k + 1) = · Pξ (k).10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). k+1 (A − k)(n − k) 4. Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). k+1 (n + k)(1 − p) 3. Pξ (k + 1) = Soluci´n o 1. p). Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. si ξ ∼ Poiss(λ). P4. . . Pξ (k + 1) = · Pξ (k). (k + 1)(1 − p) λ 2. (k + 1)(B − (n − k) + 1) 1. sea mayor o igual que 0. p). entonces Pξ (k) = n n−k · pk · (1 − p) . si ξ ∼ BiNeg(n.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. .

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

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

67232. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. 5. k 4. 0 3. 2. 4. 5 = (0. PRINCIPALES VARIABLES ALEATORIAS 3.2 · elnt + 0.2 · t + 0.85−k .8 1. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 5 Se verifica que. 4.20 · 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0.2k · 0. si φξ es derivable k veces en un entorno del origen. en este caso. 3.6656. −1 t=0 · 1.85−k = 0. 1. Teniendo esto en cuenta.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0. 5. Si G (t) es derivable en un entorno del origen k veces. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ .2 · et + 0. 1.2 · et − 1 = 0.85 = 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . 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. k = 0. t=0 = 0.6 + 0.8 i i i i . As´ ı: P (ξ = k) = 5! · 0. (5 − k)! · k! 2. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0.2 · et + 0. 2.2.8) .8 4 · et t=0 = 1. 3. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . ∂tk t=0 En concreto. Esperanza y varianza. para todo k = 0.2k · 0.

k! para todo k = 0. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. o 2. .16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Por ultimo.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. Se pide: 1. −1)+t t=0 P4.32332. 3. 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 = 2.59399. k! 3. 1 · 2k · e−2 . i i i i . N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. Funci´n de probabilidad. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . P (ξ > 1) y P (ξ > 2). la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. . con media 22 minutos. t=0 −1 − 4 = 2. o 1.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . a 2. . Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. Esperanza y desviaci´n t´ o ıpica. 1.

se observa que una reparaci´n costar´ 4000 o a pesetas siempre que su duraci´n sea superior a 30 minutos e inferior o o igual a 60 minutos (y as´ cada fracci´n de la segunda media hora ı o se cobrar´ como una media hora entera).? a o Para efectuar una programaci´n. para un tiempo de reparaci´n dado. inferiores a 30. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . x > 0.1 = 50. se cobran a 2000 pesetas). 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. 657 ∼ 51 minutos. 22 3. este ultimo inclusive. 2. 22 1.1? 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.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. (Todos. por cada media hora o fracci´n. = i i i i . 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 . Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos).1. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. PRINCIPALES VARIABLES ALEATORIAS 2. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. 3. 129 El costo de reparaci´n es de 2000 pts. Te´ niendo esto en cuenta. ¿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. De acuerdo con el enunciado. Debe verificarse: P (ξ > t) = 0. Por lo tanto.1 y esto se cumple para t = −22 · ln0.

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

75 = 0. σ 3 luego (1 − µ) /σ = z0. ıan procediendo de modo an´logo. en el intervalo [0.19] Sup´ngase que ξ se distribuye como N (µ. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . 2. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. o o i i i i .6667 = 0. Soluci´n o Si ξ es una variable uniforme en un intervalo [a. (1 − µ) /σ = z0. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4.4307. 4 es decir.obteni´ndose finalmente que µ = e 0. 3 de donde se deduce que −µ/σ = z0. En este caso. podremos obtener dos ecuaciones lineales en µ y σ.6745. las ecuaciones ser´ −µ/σ = z0.16. 2.5 y σ = 1. en [−1. b] . k 131 P4. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . a P (ξ ≤ 1) = FZ 1−µ σ = 3 . 1. A partir de estas dos condiciones.39 y σ = 0.9. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. a < b. 3. de lo que se obtiene que µ = 0. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. P4. 1]. 1].4307 y. b] .4307.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. en [−1.3333 = −0. para todo u ∈ [a. PRINCIPALES VARIABLES ALEATORIAS es decir. 2]. σ). 2.3333 = −0. P (η = k) = p · (1 − p) con p = 1 − e−1/λ .

1]. su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e .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. Fη (c) = 2 c/3. b−a b−a b−a obteni´ndose. x > 0. en cada caso particular: e √ 1. donde c es una constante positiva y ξ o una exponencial de media θ. la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . o que denominaremos η. √ 2. b] = [−1. Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. Ver que es sim´trica respecto al cero pero que no tiene esperanza. Fη (c) = c. P4. 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 − = . a entonces fξ (y) = [π(1 + y 2 )]−1 . Esta distribuci´n se llama distribuci´n de o o Cauchy. b] = [0. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. b] = [−1. Si [a. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. Si [a. 2]. π/2). 1]. P4. √ 3. por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . Fη (c) = 2 · c. Si [a. La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2.21] Encontrar la distribuci´n de cξ. θ y su funci´n de distribuci´n ser´. si se quiere ver la distribuci´n del cuadrado de esta variable.i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto.

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

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

PRINCIPALES VARIABLES ALEATORIAS 7. en dos tiene un 2 y en una de ellas un 3. Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = . Para que sea funci´n de densidad. Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . a para lo cual c debe ser igual a a/2 . para lo cual c debe ser igual a 194480/b17 . 17 b 81 19 81 1539 P4. La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . 2 a a a Para que sea funci´n de densidad. calculamos la esperanza y la varianza de la variable. 19 81 1539 10. b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. 2 a 9. La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b. resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . 120 a 8. i i i i . Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. 42 36 6 − 2 = 2.24] Consideremos un dado que tiene en tres de sus caras un 1. Una vez determinado el valor de c. el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. La integral ∞ 0 135 c · e−ax · x5 · ∂x = 1 si c = a6 /120. se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1.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.

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

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.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 8) (1/3) 14 2 2.3 (3. e se les marca y se les reincorpora a su poblaci´n. 6) 1/2 · 1/3 · 1/6 10 2 1.3 (2. 6. 18) 1/3 · (1/6) 26 2 3. 4. 3.3 (2. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. 9.2 (1.3 (1. 12) (1/3) · 1/6 21 2 3.2 (3. 4 P (η > 8|ξ ≤ 1) = = 7 . ¿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 . PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. o Si k = 4 y m = 1. 2. a 1. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .3 (3. 18) 1/3 · (1/6) 30 3 3. demostrar que la probabilidad es m´xima cuando a N = 4n.2. 4.3 (1. 9) 1/2 · (1/6) 13 3 2. ξ = 1) = 2· 1 1 1 1 · · + · 2 3 6 2 1 · 3 1 6 2 1 6 1 6 2 + 3 1 3 3 +3· 1 3 2 · 1 6 +3· = y adem´s: a 7 . k = 4 y n = 3. 18) 1/3 · (1/6) 27 2 3. 6.2.2. 9 P4. 6. Se capturan k lagartos.2 (2. 2.3. 6.3.3.2 (2.2 (3.3. 4) 1/2 · (1/3) 7 1.3. Si N = 12. 6) 1/2 · 1/3 · 1/6 9 1.3. 3. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. 12) (1/3) · 1/6 20 2 2.2.2 (1. Obtener una expresi´n para la probabilidad de que ξ = m. 12) (1/3) · 1/6 18 2 2.2.2. 2. 9. 3.

¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . o e 1. n. k = 4 y n = 3. la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. ¿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. ξ ≥ 1) P (ξ = 3) 1 = = . Si N = 12. 1. . y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. . 2. Derivando en la anterior expresi´n respecto de N e igualando a cero o se obtiene que: N n−1 · (N − 4) por lo que N = 4n. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . . . P4. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. m = 0. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida.. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . 3. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado.

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

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

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

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

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

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

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

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

η = 3) y P (ξ ≥ 1). Por lo tanto: P (0 < ξ ≤ 2. η = 3) = P (ξ = 1. j)tales que i. η = j) = 4 3−j 17 .3] Sea el vector aleatorio (ξ. Soluci´n o N´tese que esta funci´n de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i. Sean las variables ξ y η definidas como ξ = 1 si la bola extra´ en primer lugar es roja y 0 si ıda no lo es. η = 3) + P (ξ = 2. para x. y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . j = 0. 24 = 1− j=0 1 3 120 0 3 j = P5. 3 i+j ≤3 Calcular P (0 < ξ ≤ 2. P5. η = 3) = 0.4] Una urna contiene tres bolas rojas. Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0. 1. por: P (ξ = x.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5. y ∈ {0. sin reemplazamiento. i. . Las funciones de distribuci´n de estas dos variables discretas son: o P (ξ = x) = 10 · x 10 · y 15 50 10 50 x 10−x · y 35 50 40 50 . . 2. η) con funci´n de probabilidad conjunta: o P (ξ = i. 10} . teniendo en cuenta o que las bolas se extraen con reemplazamiento. . 1. tres blancas y cuatro negras. 10−y P (η = y) = · . η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . 2. . η = j) = 3 i 3 j 4 3−i−j 120 . j = 0. Se extraen dos bolas de la urna. 147 La funci´n de probabilidad conjunta viene dada. 2. 3 y i + j ≤ 3. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1.

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

2. 1. 3. Las distribuciones marginales son: P (ξ = x) = (x + 1)(y + 1) x+1 = . 5. 6. para todo x. puesto que P (ξ = x. η = y) = P (ξ = x) · P (η = y) . Distribuciones de Z = ξ + η y de ϕ = ξ 2 + η 2 . 2). x=1 x=0 . 2) es: o P (ξ = x | η = y) = x+1 P (ξ = x. El valor de k es aqu´l para el que se verifica: e 2 2 k(x + 1)(y + 1) = 36k = 1. η = y) = k(x + 1)(y + 1) donde x. si 7/10 . Calcular el valor de k. La distribuci´n de ξ condicionada a η = y (y = 0. 1. η) tiene la distribuci´n de probabilidad conjunta o dada por P (ξ = x. 1. ¿Son independientes ξ y η? Calcular P (ξ + η > 2) y P (ξ 2 + η 2 ≤ 1). 2.6] El vector aleatorio (ξ. y = 0. si x=0 .i i i “libroult” 2001/8/30 page 149 i CAP´ ITULO 5. si 3/10 . 2. Soluci´n o 1. k = 1/36. x=1 149 Finalmente. si 3/10 . 2. 1. P5. 4. x=0 y=0 es decir. 1. 1. Distribuciones de ξ condicionada a η = y (y = 0. y = 0. P (η = y) 6 i i i i . 2. 1. η = y) = . 36 6 y=0 y+1 (x + 1)(y + 1) = . VARIABLES ALEATORIAS BIDIMENSIONALES y adem´s: a P (ξ = x | η = 0) = P (ξ = x | η = 1) = 7/10 . 2. para y = 0. para x = 0. se puede afirmar que las variables ξ y η son independientes. 36 6 x=0 2 2 P (η = y) = 3. Calcular las distribuciones marginales. 1. para x = 0.

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

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

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

294 0 0.343 1 Adem´s.189 0. pues: a P (ξ = 0. 3. Esto puede observarse en la figura 5.10] Sea (ξ. Calcular las funciones de densidad marginales. y) pertenece al recinto limitado por las rectas x + y = 1. P5.7x .027 0.027 2 0 0. 2. 2. η = 0) = 0.1. η = 4) = 0.126 4 0 0. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. ¿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 1.343 0. Calcular las funciones de densidad condicionadas. 1. η = 2)+P (ξ = 2.294 8 0 0 0 0. 3. 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) = 2.33−x · 0.33 = P (ξ = 0) · P (η = 0) = 0. y) = 24y (1 − x − y). si (x. 3.126 0 0 0. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. η). i i i i .21 6 0 0 0. 3.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. 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 = 0.36 .441 0.343 0. u dar la distribuci´n conjunta de (ξ. las variables ξ y η no son independientes.027 0 0 0 0. η = 0)+P (ξ = 1. 3 · 0.147 0 0.063 0. 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η) o es: η|ξ 0 1 2 3 0 0. 1. η) . y = 0.3. x = 0. 2. para x = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.

2: Regiones del plano para el problema P5.10.9. y R4 R3 R2 R1 R6 R5 x Figura 5. i i i i .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 5.1: Diagrama para el ejercicio P5.

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

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

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

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

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

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

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.16. Por ultimo. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. 3. 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.16. y) y el centro del escenario (el origen 0). o 1. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0.6: Plano del teatro del ejercicio P5. esto es. 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 . As´ se obtiene que: ı. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). e−2 + 2e−1 − 1 Por lo tanto. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. i i i i . 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 .i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. 2. a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso.16] 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. Fη|ξ+η+2≥0 (y) = = P (η ≤ y.

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

se encontrar´ en un punto aleatorio de la finca (ξ. Hallar la primera coordenada de la posici´n media en que se da o caza. o o 2.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. P5. En la esquina 0 duerme el perro guardi´n. 3. a un ladr´n que se encuentra en los o frutales. en menos de 15 segundos. Hallar la funci´n de distribuci´n de la coordenada η. una con frutales y otra con hortalizas.7: Plano de la finca del ejercicio P5.5. 1. que queda inm´vil al e o o o despertarse el perro. El ladr´n. y por lo tanto. 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. y cero en otro caso. Cuando el perro se a despierta. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. la probabilidad que se pide es: 2236. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso.5 π(1002 −302 ) 2 = 0.17. 15646. El perro corre a 10 m/s.7. tal como muestra la figura 5. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. 3.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5. η). i i i i .

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

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

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

. entonces {ξn } cumple la Ley Fuerte de los ım Grandes N´meros. . . . . cumple la Ley Fuerte de los Grandes N´meros si la sucesi´n de variables aleatorias η1 . . . Diremos que esta sucesi´n converge casi seguro o hacia una variable aleatoria ξ si y s´lo si. a u Una secuencia de variables aleatorias ξ1 . . 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. . . . Se verifica. σ/ n donde Z es una variable aleatoria normal con media cero y varianza 1. ηn . se verifica ξn → ξ. dada una sucesi´n de variables aleao torias ξ1 . . con media y varianzas finitas. . ξn . . cumple la Ley D´bil e de los Grandes N´meros si la sucesi´n de variables aleatorias η1 .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. ım n→∞ r P c. ξn . u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge casi seguro a 0.1] 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 . . . A continuaci´n se observan las relaciones que existen entre los distintos o tipos de convergencia: ξn → ξ ⇒ ξn → ξ ⇒ ξn → ξ Adem´s. . para alg´n r > 0. . . ξn . . . u Sea {ξn } una secuencia de variables aleatorias independientes e id´nticamene te distribuidas. Una secuencia de variables aleatorias ξ1 . y tal que l´ n→∞ V [ξn ] = 0. . . . con media y varianzas finitas. dada una u sucesi´n de variables aleatorias ξ1 . ξn . P L c. . La Ley Fuerte de los Grandes N´meros de Kolmogorov afirma que.s. . ım n→∞ y se denota ξn → ξ. y o n tal que l´ n→∞ i=1 V [ξi ]/i2 < ∞. . . . Ejercicios Resueltos P6. n i=1 ξi − nµ L √ → Z. P ). . por el Teorema Central del L´ ımite. . .s. . si ξn → ξ. con media µ y varianza σ 2 finitas. . . . . . . ϕ. . ηn . o P ({w ∈ Ω : l´ ξn (w) = ξ(w)}) = 1. . El teorema de Tchebyshev afirma que. u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge en probabilidad a 0. .

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

tiene como funci´n de distribuci´n.. Se observa que. . i = 1. si t ≥ 3 i i i i .. y es igual a 1 si t ≥ θ. si 2 ≤ t < 3   1 . esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . θ] . θ La variable X(n) . θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t. si . para x ∈ [0. . . .. . se verifica: FX(n) (t) = P (X1 ≤ t. 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. pues: o  . Xn ≤ t) = [P (X1 ≤ t)] = n t θ n .. Adem´s. ya que estas variables son independientes. . n tienen como funci´n de distribuci´n o o a: t FXi (x) = . si t < 1  0   1/3 . Xn ≤ t) . t≥θ que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. a cuando n tiende a infinito.n} y.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 t<θ . . por su parte. para o o t ∈ [0.3] Dar un ejemplo de una sucesi´n de variables aleatorias {Xn }n∈N que o converja a una variable aleatoria X en ley pero no en probabilidad. P6. FX(n) (t) = 0 si t < 0. si 1 ≤ t < 2 FXn (t) = . . Esta sucesi´n converge en ley a la variable aleatoria X.. .

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

a P6. P6. ξ2 . Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. 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. Si uno de los dos empleados contestara al azar a todas las preguntas. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. 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). ¿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. que acierta el primer empleado. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2.6] 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. Realizados n e n o tiros. 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. siendo p = 2/3 su probabilidad de encestar en cada tiro. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. de acuerdo con la Ley D´bil de los Grandes N´meros. . ım 2 Sin embargo. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. del total de u 30 que responde al azar. . a 2. Sean ξ1 . por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. esta proporci´n converge en probabie u o lidad a 2/3. Entonces.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. i=1 ξi /n es la proporci´n de aciertos. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. a i i i i . 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. n´tese que E |ξn | = 1. . .

a 100 + 0. n1 · p1 · (1 − p1 ) = 7. 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. X = n 104 i=1 Xi .5) . aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. CONVERGENCIA 1. y aplicando el Teorema Central del L´ ımite. n2 · p2 · (1 − p2 ) = 15) . Procediendo de forma an´loga a los casos anteriores. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.5 = 0. mediante el Teorema Central del L´ ımite. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. Z> 10 + 0.5 − 30 √ 15 = 0. i = 1.6331 i i i i . en el caso de que ´ste responda las 80 pregune tas al azar. . . 175 Aproximemos.5 − 15 √ 7. . Teniendo en a cuenta lo anterior.5 − 40 √ 20 = 0. 2. .5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. Z> 30 − 0. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0.5438 P6.9495 De forma similar al apartado anterior. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1.8] 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. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.

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

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

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

REGRESION Y CORRELACION 1. 2.8.4 0.8 i yj P (Y = yj ) = 1.82 ) = 0.62 ) · (5.4 0.6.3 − 1.4] Sean: y= x + 2. o Determinar la recta de regresi´n de Y sobre X. 58333.6 · 1. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.4 j=1 E [Y ] = = Finalmente: ρXY = 2.6) . P7. Y = yj ) = 3.8 (2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . 9 i i i i . Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2. xi P (X = xi ) = 1. 3.8 − 1. 15 x y = + 1. La recta de regresi´n de Y sobre X es: o y − 1.8 = 1.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. Obtener el coeficiente de correlaci´n de estas variables. o 179 Soluci´n o 1.3.75 · (x − 1.4 − 1.6 P (Y = yi ) 0.

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

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

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

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

Sign up to vote on this title
UsefulNot useful