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

.

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

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

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

2] En una clase de 10 alumnos van a distribuirse 3 premios. ya que los o cuatro sitios son diferentes. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n. Por lo tanto. m! · (n − m)! n m Este n´mero tambi´n se denota como u e . hay V10. 2. el n´mero de selecciones ordenadas de m de ellos. P1. y que una persona no puede ocupar m´s de a un sitio a la vez.m = n! . Averiguar de cu´ntos modos puede hacerse si: a 1.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras. m Ejercicios Resueltos P1.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. Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos. los premios son iguales. el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn. Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . es o V Rn. los premios son diferentes. Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. el n´mero de selecciones de m de ellos.1] ¿De cu´ntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Soluci´n o N´tese que importa el orden en que se sienten las personas.m = nm . sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´n. o es n+m−1 CRn.m = .

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

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

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

existen 9! = 362880 maneras de ordenar estas 9 unidades. 2. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. 1. respectivamente. Entonces. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros. N´tese que entonces se tendr´ un total de 3 o ıa unidades. que pueden ordenarse de 3! = 6 formas distintas. Consideramos cada conjunto de libros de una misma materia como una unidad. En este caso tendremos una unica unidad de matem´ticas. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas.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 . es a a irrelevante. 2. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. Consideremos cada conjunto de libros de una misma materia como una unidad.i i i “libroult” 2001/8/30 page 16 i 16 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. resultando un total de C6.7 = 10·9·8/ (3 · 2) = 120 ı. si las 4 primeras son obligatorias. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. Por lo tanto. que consideraremos diferentes para este c´lculo inicial. P1. puesto que los libros de cada materia son indistinguibles. Supongamos que los libros de cada materia son id´nticos. ı Consideremos los cuatro libros de matem´ticas como una unia dad. y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matem´ticas. maneras. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. P1. Por a lo tanto.3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas. As´ puede elegir las preguntas de C10. as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. hay 3! = 6 ordenaciones posibles de las materias. 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). que adem´s no podr´n repetirse. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas. e 1.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. Por otra parte.

por lo que hay C5. o i i i i . ¿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.12] Una l´ ınea de ferrocarril tiene 25 estaciones. P1. Luego hay un total de 10 · 35 = 350 comisiones posibles.3 = 35 grupos de 3 f´ a ısicos. ¿De cu´ntas formas podr´ hacerse si: a a 1. 2. un f´ ısico particular ha de estar en esa comisi´n. P1.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. 10 · 15 = 150 comisiones. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. entonces s´lo hay 1 posibilidad.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. 2. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. Por otra parte. existen C5. todos son elegibles.2 = 25 · 24 = 600 billetes diferentes. luego existen C5. es importante saber si corresponden al principio o al final del trayecto.4 = 35 grupos de 4 consonantes distintas y C5.14] Tres atletas toman parte en una competici´n.2 = 15 grupos de 3 f´ a ısicos. a dadas dos estaciones. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. P1. Puesto que todos son elegibles. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000.2 = 10 grupos de 2 matem´ticos. 3. As´ se pueden formar ı. y adem´s.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. y C6.3 = 10 grupos de 3 vocales distintas.2 = 10 grupos de 2 matem´ticos. Se fija uno de los f´ ısicos. 3. hay un total de V25. y C7. ¿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. a o Adem´s hay C7.

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

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

estando juntas las dos personas particulares. o u G (guanina).20] Suponiendo que hay 27 letras distintas. P1.18] 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. hay 6! = 720 formas de sentarse. no m´s de dos nombres. a 3. 4 ´ 5 flores. a a tenemos: 5 C5. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. Adem´s. 2. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. Si tiene dos nombres como m´ximo. y adem´s ´stos o a e pueden repetirse. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. Por tanto. hay V R27. se obtiene que hay 6!/6 = 5! = 120 distribuciones. P1. 2. Procediendo igual que en el apartado (a). C (citosina) y T (timina).3 = 273 = 19683 conjuntos de iniciales. 3.i = 25 − 1 = 31 i=1 ramilletes distintos. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. Si tiene dos nombres. Finalmente. u de sentarse es 7!/7 = 6! = 720. ¿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. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. 2. hay 120 · 2 = 240 formas de sentarse. hay dos posibilidades: a i i i i . no m´s de tres nombres? a Soluci´n o 1.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. que puede ser A (adenina). por 7.3 = 43 = 64 secuencias distintas. Por otra parte. se concluye que hay 720 − 240 = 480 formas de sentarse. Consideremos a esas dos personas como una sola. entonces existen V R4. P1. es decir. As´ el n´mero total de formas ı. sin restricciones. 2. Por tanto. exactamente dos nombres.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa.

4 = 274 posibilidades. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. Si tiene tres nombres como m´ximo. del que hay V R27.m = a Cm+1.m = C2+m−1.2 = 272 posibilidades.m = m + 1 resultados. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos. hay un total de CR2. 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. de obtenerse el mismo resultado en varios dados. Procediendo de forma an´loga para las m monedas.d = C6+d−1. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales. COMBINATORIA 21 del tipo “nombre apellido” hay V R27. hay un total de V R6.d .3 = 273 posibilidades. i i i i . P1. del tipo “nombre1 nombre2 apellido” hay V R27.m = 2m resultados distintos para las monedas. hay Cd+5. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. es CR6. para las m monedas.d · (m + 1) resultados diferentes.21] Si se arrojan d dados y m monedas.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1.d = 6d resultados distintos para los dados. Por lo tanto.d = Cd+5. Adem´s. ¿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). se obtienen a V R2. 3. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. puesto que se distinguen los dados entre s´ y en una tirada pueı.

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

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

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

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

i = 1.3] Dado (Ω. 3. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (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)). w4 . A. A} . P (∅) = 0. 2. 5. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. 2. un posible espacio muestral es Ω = {w = (w1 . w3 . w3 . 3. P2. 1. si A. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. Un posible espacio muestral es: Ω = {w = (w1 . w2 . Sin embargo. Soluci´n o 1. 4. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). 2. 3. 4. 2. 2. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. si A ∈ A: P (Ac ) = 1 − P (A). demostrar: 1. X}} . B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). w2 . 4} . que puede ser C =“cara” y X =“cruz” (i = 1. 5} . 3. i i i i . B ∈ A: A ⊆ B entonces P (A) ≤ P (B). pero que la afirmaci´n rec´ e o ıproca no es cierta. 4). 5) . El resultado de cada lanzamiento individual es de inter´s.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. 4. 3. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. e 3. o u e 2. si A.2] Una moneda es lanzada cinco veces. S´lo el n´mero de caras es de inter´s. tral es: Ω = {0. P ) un espacio probabil´ ıstico. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. 2. P2. 3. si A. w5 ) : wi ∈ {C. As´ un posible espacio muesı. w4 ) : wi ∈ {B.

6)}) + P ({(1. 2. 3. 144. 225. 5. 3. 4. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). o considerando A1 := A ∩ B = A y A2 := B \ A. 5)})] ({(3. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. 2. Basta tener presente las dos condiciones que cumple P por definici´n. 135. 6} . por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 5. Explicar por qu´ y calcular e las correspondientes probabilidades. Basta tener presente las dos condiciones que cumple P por definici´n. o considerando A1 := A y A2 := Ac . 2. = 3 · 6·3+ 6 2 216 Por otra parte. 4. w3 ) : wi ∈ {1. N´tese que este espacio es equiprobable y |Ω| = 63 . w2 . Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. ({(2. 3)}) 2 1 3 25 ·2+1 = . 2 8 i i i i . 4. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. i = 1. 27 Basta tener presente las dos condiciones que cumple P por definici´n. P2. 4)})] 3 1 ·3 = . 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 5)}) + P ({(2. 244 y 334. FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. Basta tener presente las dos condiciones que cumple P por definici´n. 3. y al 10: 136. 145. 3. 5)})] + P ({(3. 4)}) + P ({(2. o considerando A1 := Ω y A2 := ∅. 4. 235. 6)}) + P ({(2. 4)})] 3 + · [P ({(1. 5)}) + P 3 + · [P ({(2.4] Un jugador italiano expres´ su sorpresa a Galileo. 234 y 333. 6)}) + P ({(1. 3} . 2. 2. 3). 2. 3. 3. 3. 226. 3.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 4. o considerando A1 := A \ B y A2 := A ∩ B. 2.

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

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

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

i i

i

“libroult” 2001/8/30 page 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

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

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

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

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

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

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

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

C) para quedarse lo que hay tras ella. Esto cambia por tanto las probabilidades. A2 y A3 sucesos independientes. Si r = 2. por ser A1 . se encuentra con que el presentador le ofrece una nueva informaci´n: le reduce las tres o posibilidades iniciales a dos. ¿debe el concursante aceptar la nueva posibilidad cambiando la puerta que eligi´ originalmente. 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. mientras que las otras dos est´n vac´ El concursante opta por una y a ıas. Alicante). Luego le ofrece al concursante la opci´n de cambiar su a o decisi´n inicial eligiendo la otra puerta a´n no abierta.i i i “libroult” 2001/8/30 page 41 i CAP´ ITULO 2. Pero. El presentador le informa de que s´lo una o de ellas tiene un buen regalo (un apartamento en Torrevieja. B. 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. 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. la probabilidad que nos interesa obtener es 1 − P (A1 ∩ A2 ∩ A3 ) = 1 − P (A1 ) · P (A2 ) · P (A3 ) . Si r = 3. ¿Qu´ debe hacer el o u e concursante? Es decir. Obviamente. o o i i i i . Supuesto que opta por una. tras decirlo. 41 P2. o no? o Soluci´n o En el momento original donde el concursante debe tomar su primera decisi´n. es evidente que la probabilidad de que escoja la puerta tras la que o se oculta el regalo es igual a 1/3. el concursante s´ deber´ cambiar su elecci´n original. A2 y A3 sucesos independientes. ¿de qu´ manera? Desde luego. ya que la puerta abierta por el presentador pasa a tener probabilidad 0.18] Dilema del concurso televisivo. no equitativamente. FUNDAMENTOS DE PROBABILIDADES Si r = 1. ya que ı ıa o con ello duplica la probabilidad de obtener el regalo. mientras que las otras dos se reparten el 1/3 que esa puerta pierde. o Por tanto. el resultado es P (Ω) = 1. entonces 1 − P ((A1 ∩ A2 ) ∪ (A1 ∩ A3 ) ∪ (A2 ∩ A3 )) = 1 − P (A1 ) · P (A2 ) − P (A1 ) · P (A3 ) − P (A2 ) · P (A3 ) +2 · P (A1 ) · P (A2 ) · P (A3 ) . En un concurso de televisi´n se le ofrece o al concursante la posibilidad de elegir una entre 3 puertas (A. por ser A1 .

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

a Soluci´n o Recurriendo a la primera opci´n. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. 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 .21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. 364 365 n ≥ 1 . concluyendo as´ que n ≥ 252. luego la clase debe tener al menos 253 ı alumnos. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. Analizar matem´ticamente ambas alternativas.652.5 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.474. 1084. = Sin embargo. apostar los 20 euros sobre “pares” en una unica jugada. propia de jugadores m´s arriesgados. 2 i i i i . o P2. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. FUNDAMENTOS DE PROBABILIDADES 43 P2. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n . 2. Es decir. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. −n · (ln364 − ln365) ≥ ln1 − ln2.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. Ahora obtengamos el menor valor n natural tal que: 1− es decir. con la segunda opci´n. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. propia de jugadores m´s cautelosos.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

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

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

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

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

· 48
52 5

.

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

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

· 12 ·
52 5

4 2

.

i i i

i

. As´ la probabilidad buscada ı. y las de color real si i = 10). o De este modo se evita obtener un full.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. De ellas.3 comıo”. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). dado que hay 10 numeraciones posibles. y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. FUNDAMENTOS DE PROBABILIDADES 6. una vez o ıa fijadas las 3 primeras. quedan 45 −4 = 4·(44 −1) o escaleras y. binaciones posibles de tres cartas con la misma numeraci´n. Adem´s. i i i i . i + 2. pues se formar´ un full. 9. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final. . es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . Hay C13. como vimos en los apartados (a) y (b). Si fijamos una numeraci´n i. para o cada valor de i. 45 escaleras (incluyendo las de color. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. con i = 1. . Por lo tanto se eliminan. hay C13. P (I) = 52 |Ω| 5 9. y para la ultima quedan.1 ·C4. . 10. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas.2 de crear la pareja para cada uno de esos palos. 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. Representemos por G al suceso “Se obtiene color”. i + 3. y C4. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . adem´s de las cuatro cartas ya escogidas.2 formas distintas de elegir los palos con los que se forman las dos parejas. 9+1=10 corresponden a escaleras de color y a escaleras de color reales. i + 4. ya que se obtendr´ un p´ker. Para cada palo. 47 Sea el suceso F =“Se obtiene una escalera”. tendremos. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). finalmente. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. Definamos el suceso H =“Se obtienen dobles parejas”. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . 8. puesto que se restan. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. 52 |Ω| 5 7. i + 1.5 combinaciones posibles de 5 cartas. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. Luego. 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).

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 · 0.001. 1 · 0. junto a las dos primeras cartas. equiv}).001 · 0. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 .1 + 0.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.999. P2.99108. 0. 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. 1. w2 ) . ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . El espacio Ω no es equiprobable y tiene 4 elementos. An´logamente ´ a al apartado anterior. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4.001.9 i i i i . ıan ıo. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. todo cliente sin fondos pone una fecha err´nea en sus cheques. Sea J el suceso “Se obtiene una pareja”.1 = 0. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. y procediendo de forma similar al caso del tr´ fijadas ıo. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. Se recibe hoy en caja un cheque con fecha equivocada.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 0. ya que no importa el orden en que ´ ´stas se elijan. El 90 % o de los clientes del banco tienen fondos. formar´ un tr´ un p´ker o un full. o Por lo tanto. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta.2 parejas posibles.1.9. En cambio. Para las tres que faltan deben descartarse aquellas combinaciones que. 0.

4. R)}) = P ({(5. Denotemos ıda por Ci (i = 0. 4. w4 . La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . y sea B el suceso “extraer una bola blanca de la urna”. Soluci´n o Representemos un suceso elemental como: w = (w1 . Se selecciona al azar un dado de la urna. 5} . w6 representa el color de la bola extra´ de la urna. w6 ) . Este espacio muestral no es equiprobable. El dado n´mero i (i = 1. se lanza y sale cara roja. R}} . R)}) . w4 y w5 representan los resultados de los lanzamientos de la moneda. Adicionale o mente. 3. As´ ı: Ω = {w = (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 . donde w1 . H´llese la probabilidad de que en la bolsa haya dos blancas y a tres negras si para formar la urna se tiraron cinco monedas y se metieron tantas blancas como caras resultaron y tantas negras como cruces. w5 . pues P ({(1. 3. 3.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. 2. 4. 4 P2. w2 ) . w2 ∈ {B. que la urna contenga i bolas blancas y 5 − i bolas negras. FUNDAMENTOS DE PROBABILIDADES 49 P2. Se extrae una bola y es blanca. w3 . y por tanto tambi´n la composici´n de la urna. 5) tiene i de sus caras blancas y el resto u rojas. w2 .26] En una bolsa hay cinco bolas. w2 ) : w1 ∈ {1. ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. w3 . 2. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). 2.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. blancas o negras. w2 . y w2 u u es el color que se obtiene al lanzar el dado. 1. es decir.

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

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

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

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

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

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

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

es decir. es decir: A = {w ∈ Ω : w1 − w2 > 1/6 o w2 − w1 > 1/6} Gr´ficamente es f´cil ver que el ´rea de A es la de un cuadrado con a a a lado 5/6. Consecuentemente. Calcular la probabilidad de que su diferencia sea mayor que 1/6.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. Calcular la probabilidad de que su producto sea mayor que 1/7. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. b[×[0. Por ello. En efecto. 1. Calcular la probabilidad de que su suma sea mayor que 1. π[.69444. ya que el ´rea del total es la unidad. asumiendo que a ≤ b. 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). 1].i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. Seg´n la hip´tesis del enunciado. i i i i . Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. dado el objetivo que se persigue en el problema. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. π[ claramente equiprobable. N´tese que por tanto w1 ∈ [0. En concreto. π[}. 2. 3. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. a cos(w2 )[ para cada w2 ∈ [0. entonces A := {w ∈ Ω : w1 ∈ [0. si A es el suceso que representa “la aguja toca una l´ ınea” y. b[ y que o w2 ∈ [0. 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. Sea A el suceso “su diferencia es mayor que 1/6”. a 1. P (A) = (5/6)2 = 0. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0.

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

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

. 11} para cada i = 1.1. . . Sin embargo. con igual probabilidad. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. y adem´s a todos ellos son igualmente probables.10. entre el 1 y el 11. . Cada persona selecciona el piso en el que se bajar´n. que todas las personas son distinguibles.2. Es decir.a combinaciones posibles de estos a + b movimientos. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. . N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. 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. i i i i . sea A el suceso “todas las personas se bajan antes del quinto piso”. w8 ) : wi ∈ {1.11).42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. . Este espacio muestral tiene |Ω| = 118 sucesos elementales. 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. Nadie m´s se subir´. Por lo tanto. Continuando con el espacio muestral Ω. . Ω = {w = (w1 . finalmente se tiene que P (A) = a+b b · pa · (1 − p) . Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. a P2. . por ejemplo. . . Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. . . ıa 1.. Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. es decir. ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. . Como consecuencia de esto ultimo. . 8}. ya que hay Ca+b. . . . a a a 1. Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir.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”. . 8} . ı ´ 2. . y esta probabilidad es pa · (1 − p) .

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

1. donde cada wi (i = 1.43] A y B juegan 12 partidas de ajedrez. 2. w2 . e P2. para todo j = 1. w2 . y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. B gane al menos una partida. B. los rea sultados de las partidas son independientes. w3 ) : wi ∈ {A. pero P ({(A. A gana seis. B. w3 ) : wi ∈ {A. A gane las tres. A y B ganen alternadamente. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. 1/3 y 1/6. i i i i . 3. 3} . en dos partidas queden en tablas. respectivamente. siendo Ni = {w = (w1 . M = {(A. siendo este resultado A o B si la partida la gana el jugador A o el B. B gana cuatro y en dos quedan en tablas. Adem´s. o bien X si quedan en tablas. 2. 3. ıa Hallar la probabilidad de que 1. A. Se tiene entonces que N = N1 ∪ N2 ∪ N3 . B. 2. j = i}. i = 1. As´ el espacio muestral dado no es equiprobable. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2.i i i “libroult” 2001/8/30 page 62 i 62 EJERCICIOS RESUELTOS DE PROBABILIDAD El primer factor son las posibilidades de elegir las 6 personas que se bajar´n antes de la planta s´ptima. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . Sea M el suceso “A gana las tres partidas”. A)}) = 1/12. X} . 2. a la vista de los resultados obtenidos en 12 partidas. i = 1. Por otra parte. 4. P ({(A. wj = X. quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. B} . Luego. ejemplo. 3. 2. Otro d´ acuerdan jugar un torneo de 3 partidas. B)}) = 1/18. puesto que. por ı. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. 3) representa el resultado de la i-´sima partida e del torneo. 2.

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

45] Una caja contiene ocho bolas rojas. donde wi . azul. w2 .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 .3 1140 3. 2 10 P2.3 14 = . siendo r si la bola es roja. Sea el suceso A = “Se extraen tres bolas rojas”. P (B) = C20. Si se sacan tres bolas al azar. Sin embargo. w2 . w3 } : wi ∈ {r. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. consideremos a el espacio muestral Ω = {w = {w1 . Se tiene que: 1 C3. las tres sean blancas. a siendo|Ω| = C20. y podremos usar la regla de Laplace. b si es blanca y a si es azul. 6. se obtiene: P (C) = 7 C8. si se numeran las bolas del 1 al 20 (es decir. s´ se ı tendr´ un espacio equiprobable. 5 2 1 = . 3}. . 3 representa el color de cada bola que se extrae. 20. i = 1. Este espacio no es equiprobable. dos sean rojas y una blanca. w3 } : wi = 1. 3. . C20. sean una de cada color. blanca. las tres sean rojas. Representemos por B al suceso “Se extraen tres bolas blancas”. 1. determinar la probabilidad de que: 1. 2. La probabilidad pedida es entonces: P (A) = C8. i = 1. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. . 2. salgan en el orden roja. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . 5.3 285 2. 2. b. a}} . al menos una sea blanca. tres blancas y nueve azules.3 95 i i i i . 4. C20.3 = . Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. .1 = .2 · C3. 2.

Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. C20. .1 · C9. manteniendo las dos bolas rojas en su posici´n relativa. w2 .3 . se tiene que un espacio muestral es: Ω = w = (w1 . 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. 3 blancas y 9 azules. con Ω = V20. P (B) = V20.1 formas de tomar las bolas blancas. 2.2 · V3. Sea el suceso F = “Las tres bolas se extraen en el orden roja. 20 wi = wj i = 1. hay. obteni´ndose que: o e P (C) = 7 C3. Sin embargo. .3 14 = . P (D) = 1 − P (Dc ) = 1 − 23 C17. y V3.1 formas de combinar o e esas 3 bolas de forma ordenada. Este espacio es claramente equiprobable.1 18 P (E) = = .3 285 1 V3. Entonces.3 95 Para calcular la probabilidad pedida. dado que hay 8 bolas rojas. V20. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. azul”. V20. . que: 8·3·9 3 P (F ) = = . 2. Se tiene entonces.3 57 57 5. V20.3 34 = . que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas.1 · V8.1 · C3. C8. C3. Por lo tanto.3 95 i i i i .3 1140 P (A) = Teniendo en cuenta que hay V8. =1− C20. Definamos el suceso E = “Se extraen 3 bolas de diferente color”. al igual que se hizo al comienzo del ejercicio). 6. dado que las bolas se extraen una a una y sin reemplazamiento.1 = . FUNDAMENTOS DE PROBABILIDADES 4.3 = . blanca. 3 para todo i = j . No obstante. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. para cada distribuci´n de ´stas.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. w3 ) : wi = 1.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. . para ello se recurri´ al espacio muestral Ω.

1 · V3. . 13} . Una vez fijados los 4 Ases. n ∈ {1. Caballo y Rey en cualquier orden. tres sean de un palo y dos de otro. donde n representa el n´mero en la carta (es decir. tres sean Dieces y dos Sotas. se debe tener en cuenta que. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. 4. V20. Sota. B.1 18 = . C. . Hallar la probabilidad de que: 1. 5. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. Diez. l) . cuatro sean Ases.1 · V9. cuatro sean Ases y uno Rey. P (E) = 3! · V8. . . 1. . hay un total de 52 − 4 = 48 posibilidades para la quinta carta. para todo i = j. w5 } : wi = wj . Aplicando la regla de Laplace. si han de ser de tres colores diferentes. hay 3! maneras posibles de ordenarlas. Entonces el espacio muestral es: Ω = {w = {w1 . Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. salgan Nueve. B. w3 . al menos uno sea un As. 2. l). w4 . Por lo tanto. wi = (n. . D}}. u u n ∈ {1.3 95 P2. D}). fijadas las tres bolas. l ∈ {A. w2 . 54145 i i i i . 2. 2. . l ∈ {A. . V20.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes.3 34 23 =1− = .3 57 57 Finalmente. se obtiene que: P (A) = 1 · 48 52 5 = 1 . 13}) y l representa el palo (es decir. y 6.46] De una baraja de 52 naipes se sacan 5. 3. C. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n.

2 formas de escoger los dos palos. Para cada una de ´stas. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . As´ el ı.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. que han de combinarse con el total de C4. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . i i i i . De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = . por lo que hay C4. 54145 54145 P2. Definamos el suceso D = “Salen Nueve. 108290 4. respectivamente. 162435 5. 649740 3. extrayendo posteriormente una bola. hay 4 posibilidades para la quinta carta: los 4 Reyes. Sea el suceso F = “Al menos una de las cartas es un As”.2 posibilidades para elegir las tres y dos cartas. P (B) = 1·4 52 5 = 1 . de cada uno de los dos palos. As´ se tiene que ı. se e tiene un total de C13. La baraja tiene 4 palos.5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. Diez.3 formas de escoger tres Dieces. Sea E el suceso “Tres cartas son de un palo y dos de otro”. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. N´tese que no importa el orden en que aparezcan o las cartas. Sota. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. Hallar la probabilidad de que la bola extra´ ıda sea roja. ya que cada palo consta de 13 cartas. Sea el suceso C = “Hay tres Dieces y dos Sotas”. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. N´tese que hay 4 Ases e a o en la baraja. 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 .3 y C13. FUNDAMENTOS DE PROBABILIDADES 2.47] En una urna que contiene n bolas se echa una bola roja. una vez fijados los 4 Ases. Caballo y Rey en cualquier orden”. por lo hay C52−4. Se tienen C4.2 formas de elegir las dos Sotas. 8330 6. suceso F c = “Ninguna carta es un As”. En este caso.

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

que corresponde al espacio Ω. para b = 2 y a = a o 4. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. sabiendo que su suma es mayor que b. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. FUNDAMENTOS DE PROBABILIDADES P2. a]. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. 69 Calcular la probabilidad de que el producto de dos n´meros tomados u al azar sobre tal intervalo sea menor que una constante b. a obtener el ´rea A. ya que los n´meros se eligen de forma u uniforme e independiente. 2. P (A ∩ B) = = 16 i i i i . Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. puesto que es un a rect´ngulo de lados b/a y a. El ´rea deseada es la intersecci´n de A y B. a que es una parte de la superficie de un cuadrado de lado a. para la segunda dea bemos calcular la correspondiente integral. }. 2. por lo que P (A) = a2 /a2 = 1. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. N´tese que o el espacio muestral tomado es equiprobable. y ≤ a. a] es menor que b”= {w ∈ Ω : x · y < b}.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. e 1. por lo que el c´lculo de a P (A) se reduce. 1. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b.38. aplicando la ley de Laplace. para dividirla por el ´rea de este cuadrado. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. Paa ra la primera de ellas el ´rea es inmediata. a Adem´s.48] Consid´rese el intervalo de la recta real [0. a] con a > 0. y) : 0 ≤ x.26. Este u espacio es claramente equiprobable. se deben distinguir dos casos: a Si b ≤ a2 . Sin embargo. Para los valores de a y b del apartado anterior. Por lo tanto. se tiene que b/a > a. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} .2 ayuda a ello. debemos dividir el ´rea deseada en dos partes. Si b > a2 . El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . y la figura 2.

b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. Hallar la probabilidad de que 1.48. al extremo inferior del segmento. 1]}. Por lo tanto: P (A) = 1 (1/4) = . w2 ∈ [0. o P2. cada uno de ellos tenga una longitud mayor o igual que 1/4. 1 − w2 ≥ 1/4} . el c´lculo de P (A) a a se reduce a obtener el ´rea del tri´ngulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. Por lo tanto. pues los puntos se eligen de forma aleatoria e independiente. w2 ) : w1 . con a < b. 2. w2 − w1 y 1 − w2 . donde w1 y w2 son las distancias del primero y segundo punto. Representemos por a. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. w2 ) ∈ Ω : w1 ≥ 1/4. se pueda formar un tri´ngulo con ellos como lados. resultando dividido en tres nuevos segmentos. 1.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad. n´tese que s´lo con un o o i i i i . a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . w2 − w1 ≥ 1/4. 2 32 2 2. Adem´s. este espacio a es claramente equiprobable.i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. los segmentos que se forman tienen longitudes w1 . Para dos valores de a y b (dentro de los posibles). Procediendo an´logamente al ejercicio anterior. respectivamente. que es el conjunto A = {w = (w1 .2: Regi´n para integrar en el problema P2.

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

8 · 0. entonces repite con el tipo de valor. Si. P (M1B ) = 0.4. con k = 1. y NkB = {w ∈ Ω : w21 = Vk . dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l.24. 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.4 = 0. 2. Se tiene que MkB = w ∈ Ω : w11 = Vk . por ejemplo. Adem´s.5 · 0. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. 2. por el contrario.6 · 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables.5 · 0. respectivamente. 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 ”. w12 = B . Por tanto.5 = 0. w12 = B} .48. un suceso elemental del e ıa tipo w = (w1 . respectivamente. Estos sucesos constituyen una partici´n del espacio Ω.5 − 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . w22 = B .5 − 0. w2 = (V1 .3. 1. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. con w1 = V1 . w2 ). Se procede de forma an´loga con los dos sucesos restantes.3 = 0. De esta forma.5 · 0.5 = 0. obtea ni´ndose que e P (M2B ) = 0.8 · 0. el espacio Ω no es equiprobable.5 · 0.1. B .8 + 0. obtiene beneficios. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.6 + 0.8 · 0. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω.2. P (M2B ) = 0.6 · 0. i i i i .4 = 0.6 · 0. con k = 1. y MkB = {w ∈ Ω : w11 = Vk . B).2 = 0. w22 = B} . tendr´ probabilidad cero.

calcular la probabilidad de los siguientes sucesos: 1. 3.000. = 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. 73 Utilizando los sucesos definidos en el apartado anterior.000 ptas. Se extraen 4 bolas una a una con reemplazamiento. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. sorteo consiste en extraer 4 bolas. 20. si coinciden las 2 ultimas o ´ ´ i i i i . u El n´mero que se forma con las bolas es mayor que 3571. 3. 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 ∼ 0. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4.000 ptas.6 + 0) · 0.3/0. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. 200.51] Una urna contiene 10 bolas numeradas del 0 al 9. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . P2.2222. cuyo ıa. 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. si coinciden s´lo las tres ultimas cifras. si coinciden las 4 cifras.000 ptas. La primera bola extra´ est´ numerada con 3 y la segunda con 0. 2. ıda a El n´mero que se forma con las bolas acaba en 380. seg´n el experimento previo.72.2/0.25.72 = 0..8) · 0.472.000 ptas. 2. La cuant´ (no acumulable) de los ıa premios es de: 2. u Supongamos una loter´ en la que cada boleto cuesta 1. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.

Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. 3. 1. w2 = 5.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. 2. y 2. w4 > 1} . A = {w ∈ Ω : w1 = 3. 3. y2 . Para ello. y3 e y4 . Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w2 > 5} ∪ {w ∈ Ω : w1 = 3. . Sea el suceso A = “La primera bola es un tres y la segunda un cero”.01. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . . Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . equiprobable y tiene un total de |Ω| = 104 elementos. supongamos que y es el n´mero del boleto comprau do. i = 1. para todo i = j} . w4 ) : wi = 0. w3 = 8. 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. 4.6428. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. 1. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. w2 = 5. w2 . Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. 9. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w3 = 7. 2. 4. . donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. Finalmente se obtiene que P (C) = 6428/104 = 0. w3 > 7} ∪ {w ∈ Ω : w1 = 3. B = {w ∈ Ω : w2 = 3. y consta de las cifras siguientes: y1 . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. si coincide la ultima cifra. para i = 1.000 ptas. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. w2 = 0} . w3 . donde los sucesos Ci son disjuntos. . w4 = 0} . 3.001.

Se selecciona una bola con n´mero impar la primera vez. 2. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . u Se seleccionan las dos bolas con n´mero impar. wk = yk . w2 ) : wi ∈ {1. w1 = w2 } . i i i i . ∀k = j}. 3. 3. P2. 4.918. 2. 4. 5} . 104 Por lo tanto. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = .i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. donde wi representa el n´mero de la bola de la i-´sima extracci´n. 2. para u e o i = 1. para el n´mero premiado en el sorteo. 2. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. . no es rentable jugar a esta loter´ puesto que el dinero que ıa. 3. .52] Una urna contiene cinco bolas numeradas del 1 al 5. y se supone que existe aleatoriedad uniforme.8. Hallar la probabilidad de los siguientes sucesos: 1. u Se selecciona una bola con n´mero impar la segunda vez. con i = 1. Por otra parte. 3. Se extraen dos bolas una a una sin reemplazamiento. 4. . con el boleto que ha comprado. |Ω| 104 = P (Ai ) = para i = 1. . se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . Este espacio es equiprobable. con |Ω| = 20. 2. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. u Generalizar el problema al caso de que la urna contenga n bolas. 104 Finalmente. numeradas de 1 a n. 4. ∀j = 4 − i + 1.

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

o o 1. se obtiene que ´ P (C) = (n+1) 2 n+1 2 n 2 77 · n −1 n−2 2 = . La probabilidad pedida es P (C) = Si n es impar: 1. n · (n − 1) 4 · (n − 1) · (n − 1) n+1 = . . puesto que de un caso a otro las probabilidades difieren. . w2 = 2 · i − 1. finalmente. y la tercera una moneda de oro en un o 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 una moneda de plata en el otro caj´n. 2. An´logamente a P (B) = 3. 2·n · n+1 − 1 n+1 2 = . P2. Definamos el suceso C = {w ∈ Ω : w1 . . ¿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. nos encontramos con una moneda de oro. . n/2} . n · (n − 1) 4·n A la vista de los resultados obtenidos. . n · (n − 1) 2·n n+1 . (n + 1) /2} . para todo i = 1. En este caso. obteni´ndose por lo tanto que e P (A) = 2. Se selecciona aleatoriamente una caja. . el suceso A = {w ∈ Ω : w1 = 2 · i − 1.53] Se dispone de tres cajas id´nticas y cada caja contiene dos cajones.i i i “libroult” 2001/8/30 page 77 i CAP´ ITULO 2. . . e Una caja contiene una moneda de oro en cada caj´n. FUNDAMENTOS DE PROBABILIDADES 3. y al abrir aleatoriamente un caj´n. las monedas de i i i i . otra contiene una o moneda de plata en cada caj´n. la 2 es la que tiene 2 monedas de plata y. para todo i = 1. ¿cu´l es la probabilidad de a que la caja seleccionada contenga monedas de diferentes metales? Se selecciona aleatoriamente una caja. Por ultimo.

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

P (B c ) P (A ∩ B) = 1.55] 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 2 3 2 + 2 1 · 3 3 = 2 . Soluci´n: o i i i i . n)} . FUNDAMENTOS DE PROBABILIDADES 79 2 espacio no es equiprobable. ¿cu´l es la probabilidad a de que la urna quede vac´ ıa? 2. Ac ∩ B c = B c = {(n. P (B) 1 − P (B c ) 4 P (A ∩ B c ) = 0. c) P (A 3 P2. Se tiene que: A ∩ B = A = {(b. Por lo tanto. (b.i i i “libroult” 2001/8/30 page 79 i CAP´ ITULO 2. pero P ({(b. A ∩ B c = ∅. ¿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. se calculan las probabilidades correspondientes. Ac ∩ B = {(n. P (A) P (Ac ∩ B) 2 = . P ({(b. ¿Cu´l es la probabilidad de que sean a de distinto color? Si son de distinto color. 9 Una vez visto esto. n)}) = = 0. b)} . n)}) = 8/12 · 4/12. b)}) = (8/12) . n)} . b) . ya que. b)}) + P ({(b. 2 . por ejemplo. 1. 3 = P ({(n. si es que u se obtiene alguna. y resulta: P (A ∩ B) P (A ∩ B c ) P (Ac ∩ B) P (Ac ∩ B c ) = P ({(b. las probabilidades condicionadas son: P (A|B) P (A|B c ) P (B|A) P (B|Ac ) = = = = P (A ∩ B) P (A ∩ B) 3 = = . b)}) = = 1 .

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

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

f } . Un tirador deja de disparar al alcanzar el blanco.25 = 1. 2794 · 10−3 i=1 1− i i i i . Sin embargo. w2 . y wi2 es el resultado que ha obtenido. 3. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. 3. wi2 ) . a sea cual sea el resultado para esta ultima.8. 2. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. La probabilidad de acertar en el objetivo con cada tiro es de 0. 2.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 5. e para i = 1.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 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. Probabilidad de que alguno de los tiradores consuma toda su munici´n.25 · 0. 4 y j = 0. 1. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. ya no le sobrar´ ninguna bala. 1. para todo i = 1. 4}. ´ 1. 4. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 5.25 · 0. Calcular la probabilidad de que sobren dos balas en total. 2. 2.8. 4. N´tese que si a un a o tirador le sobra alguna bala. si no le sobra ninguna. w3 . que ser´ a si acierta y f si falla.2 1 − 0. 2. 3. 3. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. w4 ) : wi = (wi1 . wi2 ∈ {a. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. o 2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. Si todos los tiradores consumen la munici´n. para todo i = 1. 3. 4. 1.8 + 0. cada uno sobre uno. Cada tirador dispone de seis balas. significa que ha acertado.

entonces.8 · (0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.2) · (0.2) · 0.1 · (0. por lo que si vemos estos dos casos para dos tiradores concretos. 4 4 = = 3. i i i i .2) 18 18 · (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.2) · 0.25 · 0.2) 4 2 5 2 = (0.8 · (0.2) 18 · 0. 3.2) 3 5 3 = (0. Los tiradores disparan de manera independiente. que disparan de forma independiente. resulta: P (C) = C4. Todos los tiradores tienen la misma probabilidad de acertar.2 · (0.4096. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.2) ·(0. teniendo en cuenta todos los casos posibles.8) = 1. Por lo tanto.2) 18 18 · 0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.8) = 2 2 · 0.8) . 2. 83 Definamos los sucesos Bi = “El tirador i acierta”. podemos luego extenderlo a todos. = 0.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. como siempre. 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. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. FUNDAMENTOS DE PROBABILIDADES 2.8 0.84 = 0. y teniendo en cuenta.2) = 4 · (0.8.8 + 6 · (0. 4.8 + C4. para i = 1. 8455 · 10−12 .

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

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

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

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. 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. 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.9790. en total haya al menos 6 en Ciencias m´s que en Humanidades. 10 2.4) . para todo k = 0. La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. 4. Si un determinado d´ se realizan ıa 20 matr´ ıculas. . .1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. haya al menos 8 matr´ ıculas en Ciencias.410 · (1 − 0. no haya m´s de 12 matr´ a ıculas en Ciencias. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.4) = 0. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades.4.4k · (1 − 0. calcular la probabilidad de que: 1. 3. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. 20.11714. mientras que el otro 40 % lo hacen en carreras de Humanidades.6 = 0.1275. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. i i i i .8725 = 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. 5. 3. . a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. 20 20−k · 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. . 2. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. Si las cinco primeras matr´ ıculas son de Humanidades.4. siendo: a P (ξ = k) = 1.

2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. 1] | [1/2. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. 1] ∩ [1/2. Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k. se tiene que ∂F (x) = k > 0.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . podemos definir una nueva variable η. 0 ≤ x < k cuando k ≤ 1.0271. 2]) P ([1/2.5851. calculemos la probabilidad pedida: o P ([1/2. 1] condicionada por [1/2. P3. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. 2]. En particular. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. k≤ x Calcular la probabilidad de [1/2. 1]) = P ([1/2. 0 ≤ x < k F (x) =  1.4159 = 0. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. las cinco primeras son en Humanidades. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. De esta forma: a) La probabilidad de que en total haya igual n´mero de matr´ u ıculas en Ciencias que de matr´ ıculas en Humanidades es: P (η = 5) = Fη (5) − Fη 5− = 0. F es funci´n de distribuci´n. Ya que k > 0. en o o ese caso. 2]) P ([1/2.4. debe verificarse que F (x) ≥ 0. b) La probabilidad de que en total haya al menos 6 matr´ ıculas en Ciencias m´s que en Humanidades es: a P (η ≤ 2) = Fη (2) = 0. ∂x Adem´s. 1 − a k (1 − x) ≥ 0. pero con par´metros n = 20 − 5 = 15 e a y p = 0.4032. por lo que se tiene que. tambi´n binomial. o o Bajo la condici´n 0 < k ≤ 1. 0 ≤ x < k. 1 − k(1 − x). 5. 2]) = = P ([1/2. para todo x. Sin embaro o go.

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

x] × (−∞. P ([−2. P ({1.504. 0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 . 1]2 {(x.4) × [0. 2)) = P ((−∞. puesto que: a P ((−∞.6]2 ∪ [0. y]) = P ((−∞. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. c]).4) /2] + 0.42 ·(0. y)) = P ((−∞. a] × (−∞.4) /2 = 0.3 · 0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. 1]) = P ((−∞. 0.4 · 0.4 · (0. .8]2 En caso de que el intervalo sea abierto o semiabierto. 1) . y]) = xy(x + y)/2 si 0 ≤ x.00 8. x] × (−∞. d]) + P ((−∞. a] × (−∞. 1]) − P ((−∞. b] × (−∞.4) /2− 0.5) /2 − 0 = .4 + 0. b] × [c. 2)) − P ((−∞. .4 + 0. 1)) = 0.3 + 0.5) × (0. P ({0}) = P ((−∞. 0)) = 1/2 − 1/2 = 0. (0. 3]) − P ((−∞. b] × (−∞.3. y ≤ 1.4 · (0. [0.4·0.2. d]) = P ((−∞. x) × (−∞.2. P3. P ([1.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.5] Sea la probabilidad en IR2 : P ((−∞. [0. 3]) = P ((−∞.8] × {0. Calcular las probabilidades de (0. 0.5) × (0. 0. y) : x + y ≤ 1}. i i i i . d]) − P ((−∞.4.5}) = 0. 0]) − P ((−∞.4) × [0. y]) = P ((−∞. estas probabilidades se calculan de manera an´loga. 0.5 + 1) /2 − 0. [0.4. x] × (−∞.5.5 · 1 · (0.3 + 0.4 + 0.4) /2 = .5} . y)) .3 · 0. teniendo en cuenta que: P ([a. P [0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. 0. x) × (−∞.8] × {0.4.5]) = 0. P ([0. c]) −P ((−∞.5.5) /2 + 0. 0. 2.3.4.5·(0. 3}) = 0.5) /2 −0. De esta forma se obtiene que: P ((0. 0.5 · (0.5 · (0. P ((0.4 · (1 + 0.5 · 0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.4. 0.25.5 + 0.2. 0.

4. P3. 0. 0.8) /2 − 0.4. t].2) /2 + 0.4.2 · 0.8]2 = P [0.1: Puntos de [0. 1] con im´genes a trav´s de ξ en (−∞.6 + 0.8 + 0.4 · 0. Si t ≥ 1/2.4. entonces Fξ (t) = P ([0.6 + 0.28.6]2 ∩ [0. 1] : ξ (x) ≤ t}) .6 · (0.6) + 0.1.4 · 0. P ({(x.4 + 0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.6]2 + P [0. se tiene que:   0. conviene distinguir varios casos: Si t < 0. representada o en la figura 3.22 · (0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3.62 · (0. a e P [0.4.6) /2 − 0. entonces Fξ (t) = P (φ) = 0.6 · (0.4 + 0. i i i i .8]2 −P [0. 0. entonces Fξ (t) = 1 Por lo tanto. 0.2 + 0.8) + 0.2. Teniendo en cuenta la definici´n de la variable aleatoria ξ. 0.4) /2 + 0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad. si t ≥ 1/2. 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.42 · (0. Si 0 ≤ t < 1/2.6) /2 − 0.82 · (0.6) +0. t] ∪ [1/2. y) : x + y ≤ 1}) = P [0.6]2 ∪ [0. 0. si t < 0 2t.2. si 0 ≤ t < 1/2 Fξ (t) =  0.62 · (0.4 + 0.6]2 + P [0.6]2 = 0. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0. 0.4 + 0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.8]2 −P [0.2.8 · (0.8]2 = P [0. t + 1/2]) = 2t.42 · (0.2. 0.4) /2 = 0.2 + 0.

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

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

para todo x ≥ n 1. lo que es 1 si k = 1/π. 3. P3. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). Adem´s. a ya que F (x) = 0. 1. Debe verificarse que fξ (x) ≥ 0. 4.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. lo que es uno si k = 1. para todo x < 1. para todo x ∈ (0. para todo x ∈ [−1. lo que es 1 si k = 1. i i i i . Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . o 5. 0898. Por lo tanto. 2. +∞ −∞ P3. es decir. 1/2 3. k ≤ 1/2.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. 2/2) 3. o Comprobemos en cada caso la segunda condici´n. f (x) = k/(1 + x2 ). f (x) = k/ 1 − x. F es continua por la derecha en todo punto de la recta real. para todo 1 ≤ x1 ≤ x2 . ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. Es claro que F (x) ≥ 0. Por lo tanto. o 2. f (x) = kxe−kx . f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. o 1. para todo x ∈ [−1. Calcular la esperanza. para todo x. se concluye que F es mon´tona. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. la moda y la mediana de ξ. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. para todo x > 0 √ √ 2. 1]. 1]. la funci´n de densidad es una recta con pendiente o positiva. Se han de distinguir dos casos: a) Si k > 0. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 .

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

La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2.9132. P3. 2 2 E ξ3 2.72x2 · ∂x = 0. 0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .3 = 0 2x3 · ∂x + 0.8 0.8 0. i i i i .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 2x2 · ∂x + 0.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. Utilizar (1) para encontrar la media y la varianza de ξ.72x3 · ∂x = 0.3 Calcular: 1. esperanza matem´tica y varianza. 2. E ξ 2 y E ξ 3 . 6092. 3. 0 0.3 = 0 2x4 · ∂x + 0. los tres primeros momentos ordinarios. 1764 · 10−2 . Soluci´n o 1.8 0. x > 0 fξ (x) =  0. para cualquier otro valor 1. 71933.6092 − (0.72x · ∂x = 0. E [ξ] = E ξ2 0. o 2. E[2ξ + 5ξ 2 − ξ 3 ]. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0.8 1. Teniendo en cuenta las propiedades de la esperanza.8 < x ≤ 1. Soluci´n o 1.72   0 x > 1.8 1.8 fξ (x) = 0. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3. Los tres primeros momentos ordinarios son E [ξ] . 71933) = 9. 57144. Determinar la funci´n generatriz de momentos de ξ.8 1.3  0. a 3.

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

4. cada wi es el resultado del i. w3 . 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. 3. a teniendo en cuenta que todos los lanzamientos efectuados con la moneda son independientes entre s´ ı: 4 P Bi = 4 i=1 Bi |A · P (A) 4 i=1 P A| i=1 = Bi 4 P = P i=1 4 i=1 P (Bi |A) · P (A) 4 i=1 = Bi |Ac · P (Ac ) Bi |A · P (A) + P i i i i . e siendo C si es “cara”y X si es “cruz”. l2 . para i = 1.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. Si se e lanza una moneda escogida al azar y sale cara. Se selecciona una moneda al azar. se lanza y se devuelve a la caja. Se selecciona una moneda. X}. 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 = . 3. 4.15] Una caja contiene dos monedas legales y una con dos caras. 1. l} wi ∈ {C. es. Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. 1. 3. 2. 2. para todo i = 1. Si se lanza la moneda y sale cara. w4 ) : m ∈ {l1 . w1 . donde m representa la moneda escogida al azar. para i = 1. w2 . 2.´simo lanzamiento. 4 . ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. Por otra parte. ¿Cu´l a ser´ el n´mero medio de veces que tendremos que repetir el proceso a u hasta que se obtenga una cruz? Soluci´n: o Un espacio muestral para este problema es Ω= w = (m.

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

Mientras que el segundo valor es claramente n + m − 1. An´logamente. x1 ) . . la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). luego. . la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = .16 con n = 2 y m = 3. y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. . P3. entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. 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. . x2 . la figura 3. y de que haya un 0 en el segundo es n/ (n + m − 1). xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. Como conclusi´n. Adem´s. . ¿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. (2. o salto de 1 a 0. Por ejemplo. (n + m.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. el primero es n m m n · + · . donde los valores x1 . xn+m ) .2: Ejemplo para el ejercicio P3. para n = 2 y m = 3. . y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). . el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3.16] Consideremos l´ ıneas que unen n + m puntos del plano (1.2 muestra una recta con 3 saltos. x2 ) . n+m n+m−1 n+m n+m−1 m+n i i i i . .

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

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

el grueso de la moneda debe ser 35. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso.4).i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. a Dada la simetr´ concentr´monos en una secci´n de la esfera. la elasticidad de la moneda. y e entendamos que la moneda “cae de canto” cuando el polo inferior de la esfera est´ entre los dos c´ a ırculos (v´ase figura 3. P3.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. e o plo.354r. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. arctan (π/3) En otras palabras. Por ejemıa.3: Esfera que circunscribe los bordes de la moneda. entonces g= r = 0.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.5). 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. etc. la fuerza y direcci´n con o que se lanza. debe cumplirse que α = 2π/6. en su secci´n central (figura 3. i i i i . las caracter´ ısticas de la superficie sobre la que cae. es decir. para dar una respuesta con esta segunda herramienta. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3..3). asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. Sin embargo. 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: Moneda cayendo de canto. r α g Figura 3.5: Secci´n central de la esfera.i i i “libroult” 2001/8/30 page 104 i 104 EJERCICIOS RESUELTOS DE PROBABILIDAD suelo Figura 3. o i i i i .

6): u o e η=g ◦ ξ= L2 senξ . Por tanto. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. el a ´rea y de un tri´ngulo con ´ngulo x es a a y = g(x) = L2 sen(2x/2) L2 senx 2Lsen (x/2) · Lcos (x/2) = = . π/2). π/2) 0. Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x). fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 . DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. para cualquier otro valor. En efecto. Esta variable es claramente obtenible a partir de la variable ξ. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. conociendo el ´ngulo x entre los dos lados de tri´ngulo w. x ∈ (0.21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. 2 i i i i . = 1.i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. o a a Soluci´n o Consideremos un espacio muestral Ω donde los sucesos elementales w que lo configuran son los tri´ngulos is´celes cuyos dos lados iguales miden a o L. y se distinguen por el ´ngulo que ambos forman. o P3.6: Transformaci´n de variables aleatorias. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. Sea ξ la variable que mide dicho ´ngulo. 2 2 2 Es decir. Sobre el espacio a muestral Ω se asume una probabilidad P . para todo x.

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

resultando que c = ln (1 + a/b) . sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . Para una demanda x. P (ξi = 2) = 6/21.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. 7. i = 1. .0 ≤ x < c . 5 y 10 con e probabilidades P (ξi = 1) = 10/21. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . extra´ ıdos aleatoriamente uno de cada hucha. ¿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). Adem´s. Nos dan 7 billetes. P3. . con a y b constantes positivas. o Soluci´n o Consideremos como espacio muestral el conjunto de 7. 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. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). uno procedente de cada urna. cada una con 10 billetes de 1000 pts. . P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21.. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. y 1 billete de 10000 pts. respectivamente. Soluci´n o Sea c la cantidad de aprovisionamiento. 2. 1.6).23] Se dispone de 7 huchas. 2. o En el caso particular a = 1.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. 6 billetes de 2000 pts.´sima. b = 2 se tiene que c = ln (3/2) . . sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by..uplas de billetes. Esta variable puede tomar los valores 1. . a Apl´ ıquese al caso particular de a = 1 y b = 2. 4 billetes de 5000 pts.

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

n}. . es una variable aleatoria discreta con funci´n de o probabilidad: Pξ (k) = 1/n . 2. . 2. 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. . . . cada uno con igual probabilidad. . Es decir. se llama u variable aleatoria uniforme ξ y se denota por ξ ∼ U [n] a una variable que toma valores en {1. . 1]. si 0 . resto k ∈ {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. A. La funci´n de probabilidad de esta o variable es: p . k Se denota por ξ ∼ Bi (n. p). n} y tiene como funci´n de probabilidad: o Pξ (k) = n n−k · pk · (1 − p) . .. sus dos resultados se suelen denominar “´xito” e y “fracaso” (o “blanco” y “negro”. de una urna con N = A + B bon las. n} . . se llama variable aleatoria Binomial de par´metros n y p a una variable aleatoria que toma a valores en {0.). .. y la variable les asocia los valores 1 y 0. uno con probabilidad p y el otro con o probabilidad 1 − p. con n natuu ral y p perteneciente al intervalo [0. 1]. se llama variable aleatoria Hipergeom´trica de par´metros e a (n. 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 . para todo k ∈ {0. 1. por ejemplo) cuando se extrae una muestra de tama˜o n sin reemplazamiento. Los experimentos de este tipo se llaman “pruebas de Bernoulli”.i i i “libroult” 2001/8/30 page 110 i 110 EJERCICIOS RESUELTOS DE PROBABILIDAD toma s´lo dos valores posibles. si k = 0 Se denota por ξ ∼ B (p). . si k = 1 Pξ (k) = 1 − p . A y B n´meros nae u turales.. 1. . . Esta distribuci´n es o i i i i . 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. . respectivamente. de las que A son azules y el resto blancas.

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

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

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

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

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

0.0746.p = ξi . ¿cu´l es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Soluci´n o Representemos por la variable aleatoria ξ la decisi´n de asistir (ξ = 0) o o no (ξ = 1) finalmente al restaurante por parte de una persona que ha hecho una reserva.05.05) = 0. 1.05i · (1 − 0.4013. ξn ).5987 = 0. de acuerdo con el dato o a inicial del problema.052 · (1 − 0. Adem´s. esto es. que el 20 % de las personas que reservan una mesa no asistir´n. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. sigue una distribuci´n binomial de o par´metros n y p = 0. . P4. procedea mos a resolver el problema. Procedemos a calcular: P (η10. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. con distribuci´n o i i i i . . o por experiencia. . . . Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.05) = 0 = 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. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.0.05 ≤ 2) = i=0 10 10−i · 0. de un ı.05) = 0.0.05.0.2.050 · (1 − 0. Por ultimo: ´ P (η10.05 ≥ 1) = 1 − P (η10. ηn. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. total de n reservas (ξ1 . de acuerdo con el enunciado del ejercicio. Se tiene que: 2 i=1 10 8 · 0. . . n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.9884.05 = 0) = 10 10−0 = 1− · 0. 2 P (η10.05 = 2) = 2. Hechas estas consideraciones iniciales. i 3. ξn ).2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. .

2381. 2. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. 1. a n = 25. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento.2) = 0. De la misma forma. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. i P4. Si el n´mero promedio de estos fallos es ocho. ¿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. u 1. la probabilidad deseada es la siguiente: P (η = 1) = 2. i! i i i i .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. 21 −2 · e = 0.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. i! 3.41696. debe ocurrir que acudan 20 o menos. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. Entonces. 27067. 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. En el caso particular del problema. o a Por lo tanto. As´ se tiene que: ı. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. 3.2.5799. Considerando que se cumplen ciertas condiciones de regularidad.2i · (1 − 0. 1! An´logamente. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0.

si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . siendo ıda P (η = k) = 1/10.) en concepto de tostadores o de pan a lo largo de esa semana. a si supera al n´mero de existencias. Definamos tambi´n un e conjunto B formado por los (k1 . hallar la funci´n generatriz de probabilidades de ξ. si t ≥ 5000. por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . y que a lo o largo de esa semana no van a poder traer m´s del almac´n. podemos definir una variable aleatoria η.5] Se extraen n cartas.. o u i i i i . u 1. si t < 0  0   t/500 t = P (ξ = i) . 10}. Sin embargo.2. un lunes se encuentran con que s´lo les quedan 10 tostadores. calcular P (ξ = k) y E[ξ] . es decir. u La distribuci´n de las ganancias totales en pesetas es. . Si ξ representa la suma de los n n n´meros que aparecen en las cartas. con valores equiprobables 1.10. . para todo k ∈ A = {1. si la demanda ξ es de m´s de 10 tostadores. . 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. . . . si ξ ≥ 10 En el segundo caso. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. a partir de la variable ξ: 500 · ξ . si 0 ≤ ξ < 10 η= 5000 . . . de una baraja espa˜ola (4 palos de 10 cartas cada uno).6) para una simple o a e funci´n real g. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces. . . 2. 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. Soluci´n o Teniendo en cuenta los datos del problema.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. . o P4. o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. no el palo. una a una con reemplazamiento. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. Determinar la a e distribuci´n de las ganancias totales (en ptas.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.

i= 10 i=1 2 10 2. Las probabilidades deseadas son... a n n E [ξ] = E i=1 ηi = i=1 E [ηi ] = n · E [η] = n 11 · · n. calcular la probabilidad de que sean necesarios m´s de tres lanzamientos. . 2.6] Se lanza consecutivamente un dado hasta que aparece por primera vez un as. ... 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 . .. ki =k ki =k i=1 i=1 Adem´s. Suponiendo que en el primer lanzamiento no hemos obtenido un as. P4. ηn un conjunto de n variables aleatorias independientes con la misma distribuci´n que η. .. sea η1 . La funci´n generatriz de probabilidades es: o n P φξ (t) = E t Se obtiene que: E [tη ] = y por lo tanto: ηi n i=1 = i=1 E [tηi ] = (E [tη ]) . . . : u n P (ξ = k) = P i=1 n ηi = k 1 10 n = (k1 . dado un n´mero n = 1. 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. .kn )∈B n P P (ηi = ki ) = i=1 (k1 . o que miden el resultado en cada una de las n extracciones con reemplazamiento.i i i “libroult” 2001/8/30 page 119 i CAP´ ITULO 4.kn )∈B n P .. 10 i=1 10 1−t 1 t − tn+1 · 10 1−t n n φξ (t) = . n 1 1 t − tn+1 · ti = · . N´tese que ξ = o 1. n i=1 ηi .. u Supuesta la independencia de las extracciones.

. entonces P (ξ2 = j | ξ1 = i) = 0.7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. siendo p la probabilidad de obtener un as en un lana zamiento del dado. n j=1 i j=1 i=j i i i i . se selecciona una segunda tarjeta entre las k primeras. 3. o 1. 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. . . supuestas ciertas condiciones de regularidad. con P (ξ1 = k) = 1/n. para todo k = 1. . Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. Esta variable es una geom´trica de e par´metro p = 1/6. Sin embargo. Si est´ marcada con a k. E[ξ2 ]. n. P (ξ2 = j). . P (ξ1 = k|ξ2 = j).i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. . Calcular: 1. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. 2. 2. . E[ξ1 ]. 36 P4. o puede tomar los valores 1. la probabilidad que se pide calcular es: P (ξ > 3) = P (ξ > 1) 1− 3 i=1 5 i−1 6 5 0 6 · 1 1 6 P (ξ > 3 | ξ > 1) = 1− · 1 1 6 = 25 = 0. i 2. por lo tanto. n i=1 n = Obs´rvese que si j > i. . . 2. n se selecciona aleatoriamente una tarjeta. . n. 6944. 4. Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 . El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . Soluci´n o N´tese que la variable ξ1 . . .

que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. . . 29175.3 Por otra parte. ¿Cu´l es el n´mero medio de visitas diarias a u si cada d´ vende exactamente 10 enciclopedias? ¿Cu´l es la probabilidad ıa a de que. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . . . a y por tanto E [ξ] = n (1 − p) /p.7 + 10 = 10 · + 10 = 33. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. Se asume que las visitas realizadas son independientes entre s´ Entonces. Se ıas tiene que: 30 P (ξ1 ≤ 40. para calcular la probabilidad de que no tenga que hacer m´s de 50 visitas diarias a lo largo de un mes (de 30 d´ a ıas).3. . . 9597730 = 0.3. definamos un conjunto de variables aleatorias ξ1 . Procediendo de forma similar al primer apartado.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . si j > k Por ultimo. a lo largo de un mes. . ξ30 independientes e id´nticamene te distribuidas seg´n ξ. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. 333. se calcula: P (ξ1 = k|ξ2 = j) =    = 4. n i=1 2 i=1 P4.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. si j ≤ k .310 · 0. de acuerdo con los datos del problema. PRINCIPALES VARIABLES ALEATORIAS 3. p 0. .i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. el n´mero medio de visitas diarias que ı.7i i = = 0. i i i i .

si ξ ∼ Bi(n. Considerando que la probabilidad de obtener un as con este dado es 1/6.1. P (ξn = 0) ≤ 0. . A. p). si ξ ∼ BiNeg(n. k para todo k = 0. si ξ ∼ Hip(n.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. sea mayor o igual que 0.1. Pξ (k + 1) = · Pξ (k). P4. Pξ (k + 1) = Soluci´n o 1.10] 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 (n + k)(1 − p) 3. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. n. . entonces Pξ (k) = n n−k · pk · (1 − p) .9. es decir. p). se tiene que: n 5 ≤ 0.9. (k + 1)(1 − p) n−k = i i i i . Pξ (k + 1) = · Pξ (k). Si ξ ∼ Bi(n. (k + 1)(B − (n − k) + 1) 1. Pξ (k + 1) = · Pξ (k). .i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). p). si ξ ∼ Poiss(λ). k+1 (A − k)(n − k) 4. 6 desigualdad que se verifica para todo n ≥ 13. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. (k + 1)(1 − p) λ 2. . B).

i i

i

“libroult” 2001/8/30 page 123 i

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

123

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

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

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

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

·

,

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

·

=
n−k B−n+k+1

= =

A−k k+1

·

A k

·

·

B n−k

A+B n

=

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 124 i

124

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

2 3

5

,

5 6

5

= P (η = 0) ,

= P (ξ = 0) · P (η = 0) =

5 6

10

,

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

pi =
i=0 i=0

1 · 1+µ

µ µ+1

i

=

1 1 · = 1, 1 + µ 1 − [µ/ (µ + 1)]
i

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

i i i

i

i i

i

“libroult” 2001/8/30 page 125 i

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

125

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

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

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

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

E [ξ]

=
k=2n+1

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

1 2n − 1

2n−1

k=
k=1

= 2n +

i i i

i

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

De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. en este caso. 3. 1. 5 = (0.2. As´ ı: P (ξ = k) = 5! · 0.2k · 0. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ .6656. 67232. 4.6 + 0. PRINCIPALES VARIABLES ALEATORIAS 3. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. k 4.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4.2 · et − 1 = 0. 5. Si G (t) es derivable en un entorno del origen k veces. ∂tk t=0 En concreto.2k · 0.2 · t + 0. t=0 = 0.2 · et + 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . k = 0.20 · 0. 4. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0.85−k . 5. 2. Por lo tanto: φξ (t) = Gξ (lnt) = 0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . Esperanza y varianza. (5 − k)! · k! 2.8 4 · et t=0 = 1. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . 5 Se verifica que. para todo k = 0. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.8 i i i i .85−k = 0. Teniendo esto en cuenta.8 1. 2. si φξ es derivable k veces en un entorno del origen.2 · elnt + 0. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.8) . 1.85 = 0.2 · et + 0. 0 3. 3. −1 t=0 · 1.

i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . o 1. P (ξ > 1) y P (ξ > 2). k! 3. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. 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. k! para todo k = 0. a 2. . Funci´n de probabilidad. i i i i . Esperanza y desviaci´n t´ o ıpica. t=0 −1 − 4 = 2. Se pide: 1. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. o 2.59399.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. con media 22 minutos. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. . −1)+t t=0 P4. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. 3.32332. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . . N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. 1. Por ultimo. 1 · 2k · e−2 .

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. x > 0. 3.1 y esto se cumple para t = −22 · ln0.1. = i i i i . la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . ¿cu´nto tiempo se debe asignar a o a cada reparaci´n para que la probabilidad de que cualquier tiempo o de reparaci´n mayor que el tiempo asignado sea s´lo de 0. 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 . 2. 22 3. 22 1. (Todos. se cobran a 2000 pesetas).i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. para un tiempo de reparaci´n dado. por cada media hora o fracci´n. inferiores a 30. Te´ niendo esto en cuenta. 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). Por lo tanto. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. De acuerdo con el enunciado. este ultimo inclusive. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 .1 = 50. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). 657 ∼ 51 minutos. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts.? a o Para efectuar una programaci´n. Debe verificarse: P (ξ > t) = 0. PRINCIPALES VARIABLES ALEATORIAS 2. 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. 129 El costo de reparaci´n es de 2000 pts.

Fξ (x) = 0 2 1 − e−λ·π·x . descontado el punto central. se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ . Para cualquier k = 0. 2. 2 λ P4. descontado el punto central. . no hay ninguna planta”. si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. es decir. si x ≥ 0. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ .i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. si x < 0 . . i i i i . Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. es decir. 2 1 2λπx2 e−λ·π·x ∂x = √ . 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 . entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. .18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. cuando o x > 0. Elegida a a una planta al azar. si x < 0 . sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. 1. Consecuentemente. Claramente Fξ (x) = 0 cuando x ≤ 0. si 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. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . Encontrar p en t´rminos de λ. hay al ´ menos una planta”. Este es el suceso complementario de “en un c´ ırculo de radio x. Ahora podemos f´cilmente conocer la funci´n de densidad de ξ : a o fξ (x) = y su media: E [ξ] = 0 0 2 2λπxe−λ·π·x ∞ .

P4. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . k 131 P4. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. PRINCIPALES VARIABLES ALEATORIAS es decir.19] Sup´ngase que ξ se distribuye como N (µ. 4 es decir. 1]. b] .16. podremos obtener dos ecuaciones lineales en µ y σ.3333 = −0. en [−1. 1. 2]. las ecuaciones ser´ −µ/σ = z0.4307. σ). A partir de estas dos condiciones. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.4307. de lo que se obtiene que µ = 0.4307 y. (1 − µ) /σ = z0.39 y σ = 0.9.5 y σ = 1. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. a < b.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1.obteni´ndose finalmente que µ = e 0. ıan procediendo de modo an´logo. o o i i i i . se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . en [−1. 1].6667 = 0. 3. 2. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . para todo u ∈ [a. en el intervalo [0.75 = 0. 3 de donde se deduce que −µ/σ = z0. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . 2. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1.6745. En este caso.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. 2. b] .3333 = −0. σ 3 luego (1 − µ) /σ = z0.

b] = [−1. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. si se quiere ver la distribuci´n del cuadrado de esta variable. Si [a. 2]. P4. Ver que es sim´trica respecto al cero pero que no tiene esperanza. 1]. x > 0.22] 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. Si [a.i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2. Si [a.21] Encontrar la distribuci´n de cξ. π/2). La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . Fη (c) = 2 · c. a entonces fξ (y) = [π(1 + y 2 )]−1 . en cada caso particular: e √ 1. b] = [−1. b−a b−a b−a obteni´ndose. 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 − = . por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . θ y su funci´n de distribuci´n ser´. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e . la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . Esta distribuci´n se llama distribuci´n de o o Cauchy. donde c es una constante positiva y ξ o una exponencial de media θ. o que denominaremos η. Fη (c) = 2 c/3. P4. √ 2. 1]. Fη (c) = c. √ 3. b] = [0.

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

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

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

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

9 P4. 2. 4.3. 9) 1/2 · (1/6) 13 3 2.3.3 (1. k = 4 y n = 3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. Si N = 12. 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. 4 P (η > 8|ξ ≤ 1) = = 7 .2. a 1.3 (3.2 (3. 9.3.2.2.2 (2.2. Se capturan k lagartos. 8) (1/3) 14 2 2. 4) 1/2 · (1/3) 7 1.3 (2. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.3 (1.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 6) 1/2 · 1/3 · 1/6 10 2 1.3. 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 . 6. 3. 2.3.2.2 (1. 18) 1/3 · (1/6) 26 2 3. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 6. 12) (1/3) · 1/6 18 2 2. 6.3 (3.2 (1. 3. 6) 1/2 · 1/3 · 1/6 9 1.2. 12) (1/3) · 1/6 20 2 2.2 (3.3. 4. 6. 3. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 18) 1/3 · (1/6) 27 2 3. Obtener una expresi´n para la probabilidad de que ξ = m.2 (2. e se les marca y se les reincorpora a su poblaci´n. 9. 12) (1/3) · 1/6 21 2 3.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. demostrar que la probabilidad es m´xima cuando a N = 4n. 18) 1/3 · (1/6) 30 3 3. o Si k = 4 y m = 1.3 (2.

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

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

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

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

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

. y ∈ [−π. no m´s de v − w − 1 derrotas. w t v−1 ∞ v−w−1 Por otro lado: P (ha ganado k) = Como conclusi´n: o P (A gana) = k=0 s=0 u=0 (v − k + s + u − 1)! · (w + t + k)! v u+w s+t ·p ·q · (1 − p − q) . 2. π]. 1.28] Sean x1 y x2 dos puntos aleatorios elegidos uniformemente en el intervalo [0. Hallar la funci´n de densidad de la variable aleatoria Y = X1 − X2 . hallar la distribuci´n de la distancia entre ellos. π]. El rango de la variable aleatoria Y = X1 − X2 es el conjunto de valores comprendidos en el intervalo [−π. si − π ≤ y < 0 . Dados dos puntos elegidos uniformemente en una semicircunferencia de radio R. s! · u! · (v − k − 1)! w+t+k t+u t · · pk · q w · (1 − p − q) . 3. 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 . π2 i i i i . PRINCIPALES VARIABLES ALEATORIAS 143 donde P (A gana | ha ganado k) equivale a la probabilidad de que A obtenga las otras v − k victorias. si 0 ≤ y < π . π] . y a cualquier n´mero adicional de tablas. si 0 ≤ y < π π − |y| . si − π ≤ y < 0 . o Soluci´n o 1. de lo que se obtiene que: fY (y) = es decir. s! · u! · (v − k − 1)! · w! · t! · k! P4. o Calcular la esperanza de Y y de |Y |. As´ u ı: P (A gana | ha ganado k) ∞ v−w−1 = s=0 u=0 (v − k + s + u − 1)! v−k u s ·p · q · (1 − p − q) .i i i “libroult” 2001/8/30 page 143 i CAP´ ITULO 4.

π2 3 i i i i . π2 π2 0 0 Por otra parte. se obtiene: E [|Y |] = 2 · 0 πy · π−y π · ∂y = .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 |.

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

Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. 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. 3)} = P {(2. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. y ≥ 3     si 2 ≤ x < 3. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . eno tonces cada componente es una variable aleatoria discreta. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . 2)} = P {(2. k2 ). sucediendo que la funci´n de probabilidad de una componente coincide con la suma de la funci´n o o de probabilidad conjunta sobre la otra componente. Considerando los distintos casos posibles. P5. Calcular: 1. 10 negras y 25 blancas. 2 ≤ y < 3  1/6 2 ≤ x. 3)}) + P ({(2. Soluci´n o 1. Ejercicios Resueltos P5. Por lo tanto: P (x. 2)} = P {(1. y) = si  1/3  1 ≤ x < 2. o o 2. 2)}) = 1/3. la funci´n de distribuci´n bivariante asociada. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. 3) y (2. Calcular la funci´n de probabilidad conjunta. 2). P {(3. y) ∈ IR2 : x + y = 4 = P ({(1. y ≥ 3  2/3   1 si x ≥ 3. 3)} = 2/6. y) ∈ IR2 : x + y = 4}. 3)} = o 1/6. u u 1. Hallar las funciones de distribuci´n marginales. P {(x. o i i i i .2] Sea una urna con 15 bolas rojas. o 2.1] Sea la funci´n de masa P {(1. y ≥ 3 2. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ).

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

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

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

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

8] Definimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias ξ como el “n´mero de lanzamiento en el que aparece u la primera cara (si no aparece cara ξ = 0)”. . . 10 x = 0. 10. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). y = 1 x = 2. o Calcular las distribuciones marginales. 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. la probabilidad P (ξ = x. y = 1 · i=0 10−x j=0 10−y i = 1/2y . Las correspondientes distribuciones marginales son: i i i i . Por lo tanto P (ξ = x. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. 4. y = 2. Calcular la funci´n de probabilidad conjunta. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. . Soluci´n o 1.7] Consideremos una urna con 3 bolas azules. 1. si 2. y consideremos las variables aleatorias que nos dan el n´mero ξ de bolas azules y el n´mero η de bolas blancas u u que aparecen en la extracci´n. η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 2. 2 blancas y 1 roja. .i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. . 3. . si . 5. Extraemos 3 bolas sin reemplazamiento. Distribuciones de ξ condicionada a η = y (y = 0. Calcular la distribuci´n de probabilidad o o conjunta. si 10−y x = 1. y = 0 x = 1. . ..10). si · 10−x j = 1/2x . VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5.

10 + 10 y=2 1/2y = 1/2 . si P (η = y) =     =    P (ξ = x. . . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. . si 3. P5. 10 4. . . . si . pues. si x=0 x=1 x = 2. si y = 2. si x=0 x = 2.i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. si . . . η = y) = . . . . . η = 0) = 1.9] En una jaula hay un rat´n y dos pollitos. si y=0 y=1 y = 2. P (η = 0) 2x−1 . Las variables aleatorias ξ y η no son independientes. η = 1) = 5. i i i i .3. 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . 10 + 10 x=2 1/2x = 1/2 . 1 9 2 1 P (ξ = x. La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. por ejemplo: P (ξ = 2. Esperamos o una hora y observamos lo que queda en la jaula. η = y) = . . η = i) = 1. . si .

1. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1.063 0. 3.126 4 0 0.33 = P (ξ = 0) · P (η = 0) = 0.3. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. 3. η) . η).343 0. y = 0. u dar la distribuci´n conjunta de (ξ. 1.027 0 0 0 0. Calcular las funciones de densidad condicionadas. y) = 24y (1 − x − y).441 0. las variables ξ y η no son independientes. Calcular las funciones de densidad marginales.21 6 0 0 0. η = 2)+P (ξ = 2. 2. P5. 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.294 0 0. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ.189 0.147 0 0. 1.343 0.33−x · 0. si (x. La probabilidad de que el n´mero de patas no supere al doble del u n´mero de animales viene dada por: u P (η ≤ 2ξ) = P (ξ = 0. Esto puede observarse en la figura 5.7x .10] Sea (ξ. 3 · 0. x = 0.294 8 0 0 0 0. 2. 2. i i i i .126 0 0 0. pues: a P (ξ = 0.027 0. 3. y) pertenece al recinto limitado por las rectas x + y = 1. η = 4) = 0. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η = 0) = 0. 3.343 1 Adem´s.027 2 0 0. para x = 0. η) o es: η|ξ 0 1 2 3 0 0.36 . η = 0)+P (ξ = 1.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. 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. η) una variable aleatoria bidimensional con funci´n de densidad o f (x.

1: Diagrama para el ejercicio P5. y R4 R3 R2 R1 R6 R5 x Figura 5.10.2: Regiones del plano para el problema P5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.9. i i i i .

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

y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. y fη|ξ=x (y) = f (x. k = 1.η (x.11] Sea (ξ. y = 0. es decir. Por ultimo. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. la funci´n de distribuci´n es: o o si (x. x = 2. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. si (x. entonces o o fξ. Dado que la funci´n de distribuci´n es uniforme. y) = xy − y 2 . y) ∈ R1 : F (x. Por tanto.11. y) ∈ R2 : F (x. y) = 0.3: Regiones del plano para el problema P5. P5. 0 ≤ x ≤ 1 − y. 0 ≤ y ≤ 1 − x. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. Calcular o la funci´n de distribuci´n. i i i i . As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2.3.

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

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

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

i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.14] Dado el intervalo [0. z ≤ w. = n (1 − z) n−1 . E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5. n+1 n . . Calcular la o probabilidad de que tenga soluciones reales. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. 0 ≤ w ≤ 1. De la misma forma. n−2 fη. = · w (w − z) n−2 i i i i . 0 ≤ w ≤ 1. a fζ|η=w (z) = fη.ζ (w. 0 ≤ z ≤ 1. Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . se obtiene: 1 2 (n + 1) (n + 2) 1 . se eligen al azar tres n´meros a.ζ (w. (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6. 0 ≤ z ≤ w. z ≤ w ≤ 1. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . 1]. Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . 4.ζ (w. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. z) y por lo tanto: fη|ζ=z (w) = 3. n P5. E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . para 0 ≤ z ≤ 1. n−2 = n (n − 1) (w − z) . z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . n+2 −n . An´logamente. 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 .

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

esto es. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0.16.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. e−2 + 2e−1 − 1 yey − ye−2−y . Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. As´ se obtiene que: ı. i i i i . y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. 3. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. y) y el centro del escenario (el origen 0).16. e−2 + 2e−1 − 1 Por lo tanto. Fη|ξ+η+2≥0 (y) = = P (η ≤ y.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. 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. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. 2. 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 . o 1. Por ultimo.6: Plano del teatro del ejercicio P5.

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

Hallar la primera coordenada de la posici´n media en que se da o caza. El perro corre a 10 m/s. η). en menos de 15 segundos. Cuando el perro se a despierta.17. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. 3.7. o o 2. tal como muestra la figura 5. En la esquina 0 duerme el perro guardi´n.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. P5. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. 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. que queda inm´vil al e o o o despertarse el perro. una con frutales y otra con hortalizas. Hallar la funci´n de distribuci´n de la coordenada η. El ladr´n. y cero en otro caso.7: Plano de la finca del ejercicio P5. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. 15646.5. se encontrar´ en un punto aleatorio de la finca (ξ. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. y por lo tanto. a un ladr´n que se encuentra en los o frutales. la probabilidad que se pide es: 2236. 3. i i i i .5 π(1002 −302 ) 2 = 0. 1. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5.

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

i i i i .η (s.i i i “libroult” 2001/8/30 page 168 i 168 EJERCICIOS RESUELTOS DE PROBABILIDAD Si 30 < t ≤ 40: 100 200 0 FT (t) = 0 x ∂x∂y + 6 · 105 FT (t) = 1. η). Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. Concretamente. dado que ξ = S y η = 10T − S entonces fT. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. 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. y para cada uno: FZ (z) = z 150−x (x/300000)∂y∂x 0 100 50 150−x (x/300000)∂y∂x 0 100 = 150z 2 − 2z 3 . S). La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. 10t − s). teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. s) = 10 · fξ. η ≥ 100. donde T := (ξ + η)/10 y S := ξ. 3.S (t. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. Otra o alternativa m´s propia de este cap´ a ıtulo consiste en calcular la funci´n o de densidad conjunta de la variable (T. ξ + η ≤ 150) P (η ≥ 100.

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

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

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

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

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

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

i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. a una normal de par´metros µ = 104 y σ 2 = 104. X = n 104 i=1 Xi .5438 P6.5 − 30 √ 15 = 0. 2. CONVERGENCIA 1.5 = 0. i = 1. mediante el Teorema Central del L´ ımite. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. a 100 + 0. Teniendo en a cuenta lo anterior. . 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. n1 · p1 · (1 − p1 ) = 7.5 − 15 √ 7. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.9495 De forma similar al apartado anterior.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. en el caso de que ´ste responda las 80 pregune tas al azar. . n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. Z> 30 − 0.8] 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. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). Procediendo de forma an´loga a los casos anteriores. .6331 i i i i . la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30.5) . y aplicando el Teorema Central del L´ ımite. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.5 − 40 √ 20 = 0. Z> 10 + 0.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. . 175 Aproximemos. n2 · p2 · (1 − p2 ) = 15) .

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

denominada “regresi´n de Y soo o bre X”. se define el “coeficiente de correlaci´n entre o X e Y ” como: cov (X. e a 177 i i i i . por lo que si X e Y son o o independientes. Se dice que dos variables aleatorias X e Y est´n incorreladas si y s´lo si a o se verifica ρXY = 0. Calculando los valores de a y b que minimizan E (Y − aX − b) obtiene la denominada “recta de regresi´n de Y sobre X”: o y − E [Y ] = cov (X. V (X) 2 se Si existen E X 2 y E Y 2 . Un caso particular consiste en aproximar la relaci´n entre ambas o variables por una recta: y = ax + b. Y ) = 0. Y ) · (x − E [X]) .i i i “libroult” 2001/8/30 page 177 i CAP´ ITULO 7 Regresi´n y correlaci´n o o Sean X e Y variables aleatorias dependientes. entonces tambi´n est´n incorreladas. V (X) · V (Y ) El coeficiente de correlaci´n entre dos variables aleatorias X e Y verifica: o |ρXY | ≤ 1. Y ) ρXY = ρ = . entre las que existe una relaci´n funcional del tipo y = E [Y | x]. N´tese que ρXY = 0 si y s´lo si cov (X.

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

8 i yj P (Y = yj ) = 1.8 − 1.6 P (Y = yi ) 0.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. 3.4 0. 2.6. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.8. La recta de regresi´n de Y sobre X es: o y − 1.4 0. Obtener el coeficiente de correlaci´n de estas variables. REGRESION Y CORRELACION 1. 58333.62 ) · (5.3. Y = yj ) = 3.4 j=1 E [Y ] = = Finalmente: ρXY = 2. 15 x y = + 1. xi P (X = xi ) = 1.4 − 1.82 ) = 0.75 · (x − 1.3 − 1. 9 i i i i .8 = 1. o 179 Soluci´n o 1.6 · 1. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .6) . o Determinar la recta de regresi´n de Y sobre X. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.4] Sean: y= x + 2. P7.8 (2.

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

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

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

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