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

.

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

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

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

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

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

6] En un grupo de 10 amigos. el n´mero de maneras u distintas es V R365. el primero de ´stos no puede ser cero. Por tanto. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. P1. sin repeticiones. permitiendo repeticiones.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. . Al igual que en el apartado anterior. a P1. se pueden formar 92 · 8 · 7 = 4536 n´meros.. u P1. La soluci´n es n = 5 a o (el pent´gono). 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. 3. u 3. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. Como adem´s no se permiten repeticiones. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. . i i i i . hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). e u 2. como no puede haber repeticiones. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. Fijamos el ultimo d´ ´ ıgito y. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. el primer d´ ıgito no puede ser cero. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes.10 = 36510 . hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. Como n ≥ 1 . Por lo tanto. 2.9 1.i i i “libroult” 2001/8/30 page 14 i 14 es decir. 1. .1. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. el resultado n = 0 no es v´lido. Por lo tanto.

Estos casos son: “4 caras y 0 cruces”. y que las monedas no pueden distinguirse entre s´ existen CR2. cruz. Pero. “1 cara y 3 cruces”. Estos casos son: “cara. cara. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. a u P1. cara. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. “cara.8] Cuando se arrojan simult´neamente 4 monedas. bles. los libros de cada materia han de estar juntos. Como las monedas se arrojan simult´neamente. cara. a 1. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). Suponiendo que las monedas son distintas: 1.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras.2 ).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. “3 caras y 1 cruz”. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. COMBINATORIA 15 P1. 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. se tendr´ un total de P5 = 5! posibles ordenaciones. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. es decir. hay C4. dividiremos por las posibles permutaciones de cada uno de ellos. cruz”. cara”. “cara.9] Cuatro libros de matem´ticas. respectivamente. cruz”. i i i i . En este caso. “cara. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. y “0 caras y 4 cruces”. y adem´s coincide con el n´mero de posiciones para los puntos (C5. “2 caras y 2 cruces”. cruz.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. cara.4 = 24 = 16 resultados posibles.4 = 5 resultados posiı. ¿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. P1. etc. 2.2 = 6 ı resultados de dos caras y dos cruces. 2. hay un total de V R2. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. cara. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. 2. obteniendo as´ un total de ı C5. cara. cara”.

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

Luego hay un total de 10 · 35 = 350 comisiones posibles. 2. existen C5. 10 · 15 = 150 comisiones. por lo que hay C5. a o Adem´s hay C7. entonces s´lo hay 1 posibilidad.2 = 15 grupos de 3 f´ a ısicos.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n.2 = 10 grupos de 2 matem´ticos. ¿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.2 = 25 · 24 = 600 billetes diferentes. es importante saber si corresponden al principio o al final del trayecto. As´ se pueden formar ı. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. hay un total de V25. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. Se fija uno de los f´ ısicos. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. un f´ ısico particular ha de estar en esa comisi´n. y adem´s. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000.13] 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. 2.12] Una l´ ınea de ferrocarril tiene 25 estaciones. luego existen C5. a dadas dos estaciones. Puesto que todos son elegibles. o i i i i . P1. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. ¿De cu´ntas formas podr´ hacerse si: a a 1. y C6.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. y C7. 3.2 = 10 grupos de 2 matem´ticos.3 = 10 grupos de 3 vocales distintas. P1. Por otra parte.3 = 35 grupos de 3 f´ a ısicos. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. todos son elegibles. ¿Cu´ntos billetes diferentes a habr´ que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Soluci´n o Dado que las estaciones de origen y destino no pueden coincidir. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. 3.14] Tres atletas toman parte en una competici´n.4 = 35 grupos de 4 consonantes distintas y C5. P1.

por lo que el problema se reduce a distribuir m−n bolas en n urnas. ninguna bola en la segunda. dado que las barras son indistinguibles entre s´ as´ como las estrellas. pueden llegar a la meta de 13 maneras distintas. una en cada urna. Si llegan los tres por separado. se obtiene un total de CRm−n. Por lo tanto. por lo que existen 3 · 2 = 6 posibilidades. Aplicando lo anterior. ıa. una de las urnas que tendr´n alg´n elemento. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. n−1 m! · (n − 1)! 2. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . Hay Cn.n = distribuciones posibles. si n = 5 y m = 6.15] Se tienen n urnas diferentes. si ninguna urna puede quedar vac´ fijamos n bolas.m = = . existen C3.2 = 3 grupos de dos que llegan juntos. Sin embargo. existen 3! = 6 posibilidades. 1. 3. 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. se fija una bola en cada ıas. si no puede haber ninguna urna vac´ ıa. 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 ejemplo. o u 2. 3. ninguna en la cuarta y dos en la quinta. tres bolas en la tercera. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. En particular. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. el resultado ı. P1. ı es m+n−1 (m + n − 1)! CRn.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos.

625 · 1000 = 625000. la posici´n relativa de todos los individuos ser´ la miso a ma.3 = 1000 posibilidades para los d´ ıgitos. Suponiendo que hay 25 letras. 600 posibilidades para las letras. El total de historias cl´ ınicas que pueden hacerse es. se observa que. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. u Sin embargo. en el caso de que las urnas no fueran distinguibles. por ejemplo. por lo tanto. N´tese que.m−r = maneras de distribuir las bolas. si cada individuo se traslada al asiento situado a su derecha. hay: Cn.2 = 25·24 = ı.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1.r · CRn−r. P1. 2. no hay restricciones. como no se hacen distinciones entre los asientos en la i i i i .17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. COMBINATORIA 19 de CRn−r. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. no hay restricciones sobre letras y n´meros. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. Se procede de forma similar al caso anterior. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. 2. 2. dos personas particulares no pueden sentarse juntas? Soluci´n o 1.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. ıa ıa P1. y V R10.2 = a e 252 = 625 posibilidades para las letras.3 = 103 = 1000 posibilidades para los d´ ıgitos. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. resulta que hay V R25. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. As´ hay V25. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. Por tanto. Por lo tanto. dada una de estas posibles distribuciones.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. El n´mero de permutaciones de las siete personas en la mesa es 7!. con la unica diferencia ´ de que ahora las letras no pueden repetirse.

20] Suponiendo que hay 27 letras distintas. sin restricciones. Por otra parte. se concluye que hay 720 − 240 = 480 formas de sentarse. entonces existen V R4. Si tiene dos nombres como m´ximo. a a tenemos: 5 C5. no m´s de tres nombres? a Soluci´n o 1.18] En la s´ ıntesis de prote´ ınas hay una secuencia de tres nucle´tidos sobre o el ADN que decide cu´l es el amino´cido a incorporar. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. hay 6! = 720 formas de sentarse. C (citosina) y T (timina). a 3. Por tanto. u de sentarse es 7!/7 = 6! = 720.3 = 273 = 19683 conjuntos de iniciales. hay 120 · 2 = 240 formas de sentarse. que puede ser A (adenina).i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. Finalmente. estando juntas las dos personas particulares. y adem´s ´stos o a e pueden repetirse. As´ el n´mero total de formas ı. Adem´s. 4 ´ 5 flores. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. o u G (guanina). Si tiene dos nombres.3 = 43 = 64 secuencias distintas. 2. se obtiene que hay 6!/6 = 5! = 120 distribuciones. ¿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. P1. Por tanto. 3. no m´s de dos nombres. por 7. es decir. hay dos posibilidades: a i i i i . 2.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. 2. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. Procediendo igual que en el apartado (a). hay V R27.i = 25 − 1 = 31 i=1 ramilletes distintos. 2. exactamente dos nombres. P1. P1. Consideremos a esas dos personas como una sola.

3. P1. de obtenerse el mismo resultado en varios dados. ı Suponiendo que los dados son iguales y las monedas son iguales: El n´mero de resultados que se pueden obtener al arrojar los d dados. Si tiene tres nombres como m´ximo. Por lo tanto.m = m + 1 resultados. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales.d .d · (m + 1) resultados diferentes. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. puesto que se distinguen los dados entre s´ y en una tirada pueı. Adem´s. es CR6. ¿cu´ntos resultados diferentes se a pueden distinguir? Soluci´n o Suponiendo que los dados son distintos y las monedas son distintas: Para el caso de los d dados (un dado tiene 6 resultados posibles). hay Cd+5.2 = 272 posibilidades. se obtienen a V R2. hay un total de V R6.21] Si se arrojan d dados y m monedas. del tipo “nombre1 nombre2 apellido” hay V R27.d = 6d resultados distintos para los dados.m = C2+m−1.d = Cd+5.m = 2m resultados distintos para las monedas. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos. a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”. Procediendo de forma an´loga para las m monedas. para las m monedas.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. i i i i .4 = 274 posibilidades.d = C6+d−1. hay un total de CR2.m = a Cm+1. COMBINATORIA 21 del tipo “nombre apellido” hay V R27. del que hay V R27.3 = 273 posibilidades.

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

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

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

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

3] Dado (Ω. w2 . B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). B ∈ A: A ⊆ B entonces P (A) ≤ P (B). 3. 3. demostrar: 1. i = 1. 2. Sin embargo. 3. Soluci´n o 1. w2 . que puede ser C =“cara” y X =“cruz” (i = 1. w4 . si A ∈ A: P (Ac ) = 1 − P (A). Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el n´mero de caras que han salido (espacio muestral del u apartado (a)). 3. un posible espacio muestral es Ω = {w = (w1 . e 3. w3 . El resultado de cada lanzamiento individual es de inter´s. 1. 2. A. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. 2. As´ un posible espacio muesı. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. 4. Un posible espacio muestral es: Ω = {w = (w1 . w5 ) : wi ∈ {C. S´lo el n´mero de caras es de inter´s. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). P2. 3. 2. o u e 2. 4. 4} . 3.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. si A. 4). Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. w4 ) : wi ∈ {B. w3 . 5. P ) un espacio probabil´ ıstico. si A. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. X}} . pero que la afirmaci´n rec´ e o ıproca no es cierta. P (∅) = 0. tral es: Ω = {0. si A. 5} . 2. A} . P2. 4.2] Una moneda es lanzada cinco veces. 2. 5) . i i i i .

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

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

A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 . 4 12 24 24 4. 12 24 24 24 3. = 4· −6· 4 12 24 24 8 − 2. 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos. llando esta expresi´n y sustituyendo los datos que nos da el problema. y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. se obtiene el resultado: P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) = P (A1 ∪ A2 ) + P (A3 ∪ A4 ) −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = {P (A1 ) + P (A2 ) − P (A1 ∩ A2 )} + {P (A3 ) + P (A4 ) − P (A3 ∩ A4 )} −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1 15 24 − 4 − 15 5 = 1−2· − = = . 4 12 12 An´logamente.i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2.6] Sean A1 . P2. 4 2 = usando. FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). para la ultima igualdad. que: ´ P (A1 ∩ (A2 ∩ A3 )) = P (A1 ∩ (A1 ∩ A2 )) = P (A1 ∩ A2 ). i i i i . Soluci´n o Sabemos que P (Ω) = 1. se o tiene que: P (Ω) = 1 = P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 ) −P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 ) +P (A1 ∩ A2 ∩ A3 ) = 1 1 + + P (A3 ) − 2 · P (A1 ∩ A2 ). se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . As´ desarroo ı. 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 · − = .

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

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

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

B = {3. 8. P (Ac |B c ) = 2/3. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. es decir. A = {1. . 9} . e ı 3.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. Soluci´n o 1. Dicho espacio es equiprobable y P ({i}) = 1/9. 4. 3. A ∩ B = ∅. 2. i i i i . Por definici´n de probabilidad condicionada. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. . Entonces. . 2. 5. un espacio muestral es Ω = {1. 2. 2. por lo que se concluye que los dos sucesos no son independientes. 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 = ∅. 6. 5. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . 9} . 3} .12] Dado que P (A) = 1/3. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 4. P (B|A) = 1/3. Por lo tanto. FUNDAMENTOS DE PROBABILIDADES 35 P2. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. 4. para todo i = 1. Soluci´n o A1 . 6. es decir. 8. P (A) 1/3 1/3 3 P (B) = P (B|A). determinar si se cumple que: 1. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. 3. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 9. 7. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. A y B son independientes. 7.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. . A ⊆ B.

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

3. A ⊂ B. c concluy´ndose as´ que Ac y B c son independientes. A y B son incompatibles. P (A|B) + P (Ac |B c ) = 1. P (B|A) = 1/2 y P (A|B) = 1/4. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. 6. Soluci´n o 1. 4. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . 6}) 1 2/6 = . En efecto. 2. N´tese que si A ⊂ B entonces A ∩ B = A.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. 5. e ı P2. A y B son independientes.15] Sean A y B dos sucesos tales que P (A) = 1/4. P (A|B) = 37 P2. 2. P (A) P (A) 2 por lo que no es posible que A ⊂ B. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. P (Ac ∩ B c ) = = = = P ((A ∪ B) ) = 1 − P (A ∪ B) 1 − P (A) − P (B) + P (A ∩ B) 1 − P (A) − P (B) + P (A) · P (B) (1 − P (A)) · (1 − P (B)) = P (Ac ) · P (B c ) . Decir si son ciertas o falsas las siguientes relaciones: 1.14] Demostrar que si dos sucesos A y B son independientes. i i i i . Ac y B c son independientes. P (Ac |B c ) = 1/2. entonces Ac y B c son independientes. 5. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ).

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

i = j. 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 ) . a Soluci´n o 1. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0.8: 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. por el ejercicio 10: “Si A1 . 1. al menos ocurren r sucesos. 3. 3. para todo i. i = k. obtener expresiones en t´rminos de P (A1 ). 2. ocurren exactamente r sucesos. 3. Ac y Ac son independientes”. entonces Ac . como m´ximo ocurren r sucesos. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1.17] Supuesto que los sucesos A1 . i i i i . a e Si r = 2. FUNDAMENTOS DE PROBABILIDADES 39 P2. 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. k = 1. j. luego 1 2 3 P (Ac ∩ Ac ∩ Ac ) 1 2 3 Si r = 1 entonces P ((A1 ∩ Ac ∩ Ac ) ∪ (Ac ∩ A2 ∩ Ac ) ∪ (Ac ∩ Ac ∩ A3 )) 2 3 1 3 1 2 = P (A1 ∩ Ac ∩ Ac ) + P (Ac ∩ A2 ∩ Ac ) + P (Ac ∩ Ac ∩ A3 ) .j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . A2 y A3 son independientes. que est´ expresado en t´rminos de las probabilidades pedidas. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. A2 y A3 son independientes y asumiendo que r = 0. a por el ejercicio P2. 2.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. j = k. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . Adem´s.

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

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

C} . w2 } : wi ∈ {A. y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. C)) = 1 . B. w1 = w2 . C) con a historiales similares. que es un espacio equiprobable.i i i “libroult” 2001/8/30 page 42 i 42 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. B)) = P (({B. i i i i . B) . C} . concluye que es mejor no hacer tal pregunta. a ¿D´nde est´ el error de su razonamiento? o a Soluci´n o Si no hace la pregunta. C}}. C} . En consecuencia el o suceso “A es indultado” coincide con {({A. w3 ∈ {w1 . entonces la probabilidad de ser uno de los dos indultados es 2/3. w2 } \ {A}} . B. C)} y por tanto la probabilidad sigue siendo 2/3. C)) = . porque sea cual sea la respuesta. 3 1 P (({B. ({A. 6 donde se asume que A no es indultado con probabilidad 1/3 y en tal caso la respuesta puede ser B ´ C con igual probabilidad. Aqu´ est´ su error. El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informaci´n. Pensando un poco e e concluye que si no hace tal pregunta. w3 ) : wi ∈ {A. C} . entonces su probabilidad es 2/3. pero s´ puede pedir que le den el nombre e ı de uno de los otros dos (nunca ´l) que est´ indultado. w1 = w2 } = {{A. B. B} . y por tanto ese c´lculo del prisionero es correcto. C} . 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. un espacio muestral ser´ ıa Ω = {w = ({w1 . los tres solicitan el indulto a un tribunal. entonces un espacio muestral es Ω = {w = {w1 . C} . Dado que el suceso “A es indultado” coincide con {{A. B} . w2 } . {A. a Sin embargo.19] Dilema del prisionero. debido al propio e enunciado de la pregunta. En efecto. y sin conocerse m´s detalles llega la informaci´n al prisionero a o A de que han concedido el indulto a 2 de los 3 prisioneros. C} . B} . Sabe que no puede preguntar o si ´l es uno de los dos indultados. B)) = P (({A. En un momento dado. s´lo o le servir´ para disminuir la probabilidad de ser uno de los dos indultados. si hace la pregunta. {A. B} . mientras que si la hace obtendr´ respuesta y a entonces la probabilidad de ser el otro indultado es 1/2. C}} . En una c´rcel hay 3 prisioneros (A. {B. donde w1 y w2 representan los dos presos indultados. N´tese o que: P (({A. Por ello.

a Soluci´n o Recurriendo a la primera opci´n.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. concluyendo as´ que n ≥ 252. apostar los 20 euros sobre “pares” en una unica jugada.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. o P2. Es decir. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. = Sin embargo. 2. 2 i i i i .652. propia de jugadores m´s cautelosos. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. 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 . 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 . FUNDAMENTOS DE PROBABILIDADES 43 P2. o a hay una probabilidad de ganar igual a 18/38 ∼ 0.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. con la segunda opci´n. propia de jugadores m´s arriesgados. 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. Analizar matem´ticamente ambas alternativas.5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas.474. 1084. Ahora obtengamos el menor valor n natural tal que: 1− es decir. 364 365 n ≥ 1 . luego la clase debe tener al menos 253 ı alumnos.

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

es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 .5 combinaciones posibles de 5 cartas. dado que hay 10 numeraciones posibles. De ellas. Luego.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2.3 comıo”. . tendremos. 10. 8. Para cada palo. 9. Si fijamos una numeraci´n i. ya que se obtendr´ un p´ker. Definamos el suceso H =“Se obtienen dobles parejas”. una vez o ıa fijadas las 3 primeras. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final. y adem´s ambas no pueden ser ıa o a de la misma numeraci´n.2 de crear la pareja para cada uno de esos palos. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. o De este modo se evita obtener un full. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . puesto que se restan. dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . como vimos en los apartados (a) y (b). i + 3. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . Por lo tanto se eliminan. binaciones posibles de tres cartas con la misma numeraci´n. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. i + 2. i i i i . 45 escaleras (incluyendo las de color. Representemos por G al suceso “Se obtiene color”. P (I) = 52 |Ω| 5 9. hay C13. i + 1. Para las o dos que completan la mano se debe tener en cuenta que ninguna de ellas puede tener la misma numeraci´n que las tres cartas anterioo res.2 formas distintas de elegir los palos con los que se forman las dos parejas. 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). . para o cada valor de i. 47 Sea el suceso F =“Se obtiene una escalera”. pues se formar´ un full. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. FUNDAMENTOS DE PROBABILIDADES 6. quedan 45 −4 = 4·(44 −1) o escaleras y. 52 |Ω| 5 7. adem´s de las cuatro cartas ya escogidas. y las de color real si i = 10). 9+1=10 corresponden a escaleras de color y a escaleras de color reales. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo).1 ·C4. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). y para la ultima quedan. Hay C13. i + 4. con i = 1. finalmente. . . As´ la probabilidad buscada ı. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. y C4. Adem´s.

y procediendo de forma similar al caso del tr´ fijadas ıo. Para las tres que faltan deben descartarse aquellas combinaciones que. 0. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 .001 · 0. junto a las dos primeras cartas. El espacio Ω no es equiprobable y tiene 4 elementos.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10.9. El 90 % o de los clientes del banco tienen fondos. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. w2 ) . 0. 1 · 0. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. 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. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . formar´ un tr´ un p´ker o un full.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.99108.2 parejas posibles. 0. todo cliente sin fondos pone una fecha err´nea en sus cheques.001. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr.1 + 0. P (w1 = sin ∩ w2 = equiv) = P (w2 = equiv) P (w2 = equiv|w1 = sin) · P (w1 = sin) = P (w2 = equiv|w1 = sin) · P (w1 = sin) + P (w2 = equiv|w1 = con) · P (w1 = con) = 1 · 0.1 = 0. o Por lo tanto. ıan ıo. Se recibe hoy en caja un cheque con fecha equivocada.9 i i i i . Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. ya que no importa el orden en que ´ ´stas se elijan. P2. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. En cambio.001.999. An´logamente ´ a al apartado anterior. equiv}).1. 1. 0. Sea J el suceso “Se obtiene una pareja”. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.

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

. . X}. . una persona le rumorea algo a una segunda persona. w2 . 5.29] En un pueblo de n + 1 habitantes. . . w2n ) . P2. con wi ∈ {C. . ∪ Cn ) = k=0 n P (Ck ) n = k=0 n · k 1 2 k · n · k 1 2 k = k=0 n k 2 · 1 2 2k . . . w2n los resultados de la otra. regresar al que lo origin´. . quien lo repite a una tercera. 1. repet´ ırsele a una persona. wn+1 . . Soluci´n o Numeremos a los habitantes desde 0 hasta n. Para introducir un espacio muestral. . vamos a representar cada suceso elemental como w = (w1 . Encontrar la probabilidad de que el rumor pase r veces sin: 1. . . . ¿Cu´l es la probaa bilidad de que obtengan el mismo n´mero de caras? u Soluci´n o Representemos un suceso elemental como w = (w1 . . wr ) . wn son los resultados de los n lanzamientos de una de las dos personas. i = 1. i i i i . y supongamos que el rumor parte inicialmente del habitante 0. . . y wn+1 . Denotamos por Ck . . n al suceso “ambas obtienen exactamente k caras”. . k = 0. donde w1 . . . .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 = . . . . 15 P2. o 2. . . . En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. . etc. wn . la probabilidad de obtener el mismo n´mero de caras viene dada por: u n P (C0 ∪ C1 . Dado que estos sucesos son disjuntos. .28] Dos personas lanzan una moneda n veces cada una.

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

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

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

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

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

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

En efecto. entonces A := {w ∈ Ω : w1 ∈ [0. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. dado el objetivo que se persigue en el problema. ya que el ´rea del total es la unidad. 2. N´tese que por tanto w1 ∈ [0. Sea A el suceso “su diferencia es mayor que 1/6”. π[ claramente equiprobable. si A es el suceso que representa “la aguja toca una l´ ınea” y. a 1. 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. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. P (A) = (5/6)2 = 0. es decir. 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]. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . π[. es decir: A = {w ∈ Ω : w1 − w2 > 1/6 o w2 − w1 > 1/6} Gr´ficamente es f´cil ver que el ´rea de A es la de un cuadrado con a a a lado 5/6. a cos(w2 )[ para cada w2 ∈ [0. En concreto. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. 1. b[×[0. π[}. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. Calcular la probabilidad de que su producto sea mayor que 1/7.69444. i i i i . w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. 3. Calcular la probabilidad de que su diferencia sea mayor que 1/6. Consecuentemente. Seg´n la hip´tesis del enunciado. asumiendo que a ≤ b. Calcular la probabilidad de que su suma sea mayor que 1.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. Por ello.

o ¿Qu´ probabilidad hay de que efectivamente coincidan? e Soluci´n: o A efectos pr´cticos. Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. En efecto. es decir: 1 P (B) = . x + 1/12] el intervalo de tiempo. Por lo tanto.i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. 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. y de forma an´loga a como se hizo en el problema anterior: a P (A) = 5 . Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. x + 5/60] = [x. entre las 18:00 y 19:00 horas. Sea C el suceso “su producto es mayor que 1/7”. 2 3.39] Problema de encuentro. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7. es decir: C = {w ∈ Ω : w1 · w2 > 1/7}. es decir: B = {w ∈ Ω : w1 + w2 > 1}. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}. un o espacio muestral equiprobable es Ω = {w = (w1 . sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. ¿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.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas. 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”. y considerando que las 18:00 horas son el origen. sea [x. que una de las personas permanece en el i i i i . 9 P2. Sea B el suceso “su suma es mayor que 1”.

con wi ∈ {D. . . . . . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. wa+b ). y + 1/12] el correspondiente a la otra persona.40. por lo a o que para pasar por (a. 0). P2. . La figura 2.1: Regi´n de casos favorables sobre casos posibles del problema P2. es decir. . . n). Este espacio no es equiprobable si p = 1/2. . es ps · a+b−s (1 − p) .1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . tiene una probabilidad p de pasar a la posici´n (m+1. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. un total de a + b desplazamientos. Por lo tanto. . La probabilidad de un suceso elemental con s movimientos a la derecha. a + b. por ejemplo. . b). . donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. A} . i = 1. o punto de encuentro. a + b} . w2 .41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. Cuando est´ en la posici´n (m. wa+b ) : wi ∈ {D. . Podemos representar cada suceso elemental como w = (w1 . . . n) y o una probabilidad 1−p de pasar a la (m. A} . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. i i i i . n+1). . un e espacio muestral ser´ ıa Ω = {w = (w1 . o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. Determinar la probabilidad de que el punto pase por la posici´n (a. i = 1. e igualmente [y. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. para cualesquiera n´meros a o u enteros m y n. luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6.

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

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

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

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

salgan en el orden roja. 2. a}} . Sin embargo. tres blancas y nueve azules. donde wi . i = 1. 2. C20. w2 . se obtiene: P (C) = 7 C8. i = 1. Representemos por B al suceso “Se extraen tres bolas blancas”.2 · C3. a siendo|Ω| = C20.3 95 i i i i . Se tiene que: 1 C3.3 1140 3.3 14 = . 6. blanca. 3. 2. 20. w3 } : wi ∈ {r.3 = .1 = . w3 } : wi = 1. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. sean una de cada color. si se numeran las bolas del 1 al 20 (es decir. al menos una sea blanca. las tres sean blancas. 4. Si se sacan tres bolas al azar. C20. Este espacio no es equiprobable. . 2 10 P2. . azul. 5 2 1 = .i i i “libroult” 2001/8/30 page 64 i 64 EJERCICIOS RESUELTOS DE PROBABILIDAD P (A3 ) = P (A4 ) = 3 5 3 5 2 4 2 · 4 · 2 3 1 · 3 · = · 1 . b si es blanca y a si es azul. b. Sea el suceso A = “Se extraen tres bolas rojas”.3 285 2. consideremos a el espacio muestral Ω = {w = {w1 . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . P (B) = C20. . . 3 representa el color de cada bola que se extrae. 2. La probabilidad pedida es entonces: P (A) = C8. s´ se ı tendr´ un espacio equiprobable. w2 . 1. y podremos usar la regla de Laplace.3 . 3}. 5. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. las tres sean rojas. determinar la probabilidad de que: 1. siendo r si la bola es roja.45] Una caja contiene ocho bolas rojas. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. dos sean rojas y una blanca.

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

tres sean de un palo y dos de otro. V20. . 13} . n ∈ {1. para todo i = j. . l). V20. cuatro sean Ases. B. Aplicando la regla de Laplace. Entonces el espacio muestral es: Ω = {w = {w1 . Por lo tanto. cuatro sean Ases y uno Rey. l) . Hallar la probabilidad de que: 1.1 · V9. 54145 i i i i . tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. C.3 57 57 Finalmente. donde n representa el n´mero en la carta (es decir. . . Caballo y Rey en cualquier orden.3 34 23 =1− = .46] De una baraja de 52 naipes se sacan 5. u u n ∈ {1. l ∈ {A. w3 . D}). 2. B. D}}. 13}) y l representa el palo (es decir. 1.3 95 P2. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. al menos uno sea un As. hay 3! maneras posibles de ordenarlas. y 6. Diez. w2 . w4 . salgan Nueve. 2. se obtiene que: P (A) = 1 · 48 52 5 = 1 .i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. . w5 } : wi = wj .1 18 = . wi = (n. . si han de ser de tres colores diferentes. P (E) = 3! · V8. C. . 3. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. l ∈ {A. . 4. Una vez fijados los 4 Ases. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. se debe tener en cuenta que. tres sean Dieces y dos Sotas. fijadas las tres bolas. 5.1 · V3. 2. Sota. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n.

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

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

38.48] Consid´rese el intervalo de la recta real [0. Por lo tanto. debemos dividir el ´rea deseada en dos partes. para la segunda dea bemos calcular la correspondiente integral. para b = 2 y a = a o 4. N´tese que o el espacio muestral tomado es equiprobable. }. por lo que P (A) = a2 /a2 = 1. FUNDAMENTOS DE PROBABILIDADES P2. sabiendo que su suma es mayor que b. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. se deben distinguir dos casos: a Si b ≤ a2 . Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. El ´rea deseada es la intersecci´n de A y B. aplicando la ley de Laplace. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. y la figura 2. 2. Sin embargo. a].i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . para dividirla por el ´rea de este cuadrado. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. se tiene que b/a > a. 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] con a > 0. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. puesto que es un a rect´ngulo de lados b/a y a. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. por lo que el c´lculo de a P (A) se reduce. a] es menor que b”= {w ∈ Ω : x · y < b}. que corresponde al espacio Ω. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. 2. y ≤ a. a que es una parte de la superficie de un cuadrado de lado a. Paa ra la primera de ellas el ´rea es inmediata. e 1. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. Si b > a2 . donde x e y son dos n´meros tomados al azar sobre el intervalo [0. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. y) : 0 ≤ x. P (A ∩ B) = = 16 i i i i . ya que los n´meros se eligen de forma u uniforme e independiente. a Adem´s. a obtener el ´rea A. Para los valores de a y b del apartado anterior. 1.26. Este u espacio es claramente equiprobable.2 ayuda a ello.

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

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

w2 = (V1 .6 · 0. obtea ni´ndose que e P (M2B ) = 0.6 + 0.2.3 = 0. B). 2. Se tiene que MkB = w ∈ Ω : w11 = Vk . Se procede de forma an´loga con los dos sucesos restantes. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. De esta forma. w12 = B} . y MkB = {w ∈ Ω : w11 = Vk .5 = 0.4 = 0. obtiene beneficios.3. tendr´ probabilidad cero.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. Estos sucesos constituyen una partici´n del espacio Ω. B . resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. i i i i .4 = 0.6 · 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 ”. 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. Adem´s. P (M1B ) = 0. 1. w22 = B} . el espacio Ω no es equiprobable. respectivamente.1.5 − 0.8 · 0. 2. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.5 = 0. w2 ).5 − 0.24. con k = 1. P (M2B ) = 0. por ejemplo.8 + 0.5 · 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 ”.2 = 0. un suceso elemental del e ıa tipo w = (w1 . se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. w22 = B .6 · 0. con k = 1. con w1 = V1 .8 · 0.4. por el contrario. w12 = B .8 · 0. Si.5 · 0. Por tanto.48. entonces repite con el tipo de valor. y NkB = {w ∈ Ω : w21 = Vk .5 · 0. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω.

i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. P2.000 ptas.000 ptas.3/0. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.2222. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. La primera bola extra´ est´ numerada con 3 y la segunda con 0. 3. u El n´mero que se forma con las bolas es mayor que 3571. 20.000 ptas. seg´n el experimento previo.6 + 0) · 0.000. ıda a El n´mero que se forma con las bolas acaba en 380. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0. si coinciden las 2 ultimas o ´ ´ i i i i . Se extraen 4 bolas una a una con reemplazamiento. 200. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . La cuant´ (no acumulable) de los ıa premios es de: 2. si coinciden las 4 cifras. 2.2/0.72.72 ∼ 0. 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. sorteo consiste en extraer 4 bolas. 3. cuyo ıa.25. u Supongamos una loter´ en la que cada boleto cuesta 1.. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.000 ptas. 73 Utilizando los sucesos definidos en el apartado anterior.51] Una urna contiene 10 bolas numeradas del 0 al 9. 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. 2.8) · 0. calcular la probabilidad de los siguientes sucesos: 1.472.

1.000 ptas. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. . La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. Para ello. w4 > 1} . Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. 2. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. y2 . 9. Si suponemos una loter´ con boletos de 1000 pesetas en la que se obtieıa nen premios de diferente cuant´ seg´n el n´mero de cifras que coinciden ıa u u con el n´mero extra´ en el sorteo. w2 = 0} . i = 1. B = {w ∈ Ω : w2 = 3. A = {w ∈ Ω : w1 = 3. 3.6428.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. 4. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. w3 = 8. w4 ) : wi = 0. si coincide la ultima cifra. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. 2. para todo i = j} . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3.01. w4 = 0} . supongamos que y es el n´mero del boleto comprau do. . 3. 2. 3. w2 > 5} ∪ {w ∈ Ω : w1 = 3. y3 e y4 . . 1.001. w2 = 5. Finalmente se obtiene que P (C) = 6428/104 = 0. w3 . y 2. donde los sucesos Ci son disjuntos. y consta de las cifras siguientes: y1 . w2 = 5. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. . para i = 1. 4. equiprobable y tiene un total de |Ω| = 104 elementos. w3 = 7. w3 > 7} ∪ {w ∈ Ω : w1 = 3. w2 . ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 .

2. 5} . ∀j = 4 − i + 1. para u e o i = 1. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . . i i i i . 4.8. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. Este espacio es equiprobable. y se supone que existe aleatoriedad uniforme. Por otra parte. para el n´mero premiado en el sorteo. . |Ω| 104 = P (Ai ) = para i = 1. P2. 3. 2. donde wi representa el n´mero de la bola de la i-´sima extracci´n. 104 Finalmente. 3. Hallar la probabilidad de los siguientes sucesos: 1. con el boleto que ha comprado.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. u Se selecciona una bola con n´mero impar la segunda vez.52] Una urna contiene cinco bolas numeradas del 1 al 5. u Generalizar el problema al caso de que la urna contenga n bolas.918. 3. 2. w1 = w2 } . 3. u Se seleccionan las dos bolas con n´mero impar. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 2. Se selecciona una bola con n´mero impar la primera vez. wk = yk . definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. 2. 4. . 4. 4. con i = 1. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. no es rentable jugar a esta loter´ puesto que el dinero que ıa. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. . numeradas de 1 a n. w2 ) : wi ∈ {1. 104 Por lo tanto. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. ∀k = j}. con |Ω| = 20. Se extraen dos bolas una a una sin reemplazamiento.

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

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

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

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

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

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

que ser´ a si acierta y f si falla. se tiene que 4 4 P (A) = = = 1− i=1 4 P (Ac ) = 1 − i0 i=1 [1 − P (Ai0 )] = 1− i=1 4 1 − 0. si no le sobra ninguna. 2. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 1. 4 y j = 0. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. Soluci´n: o Un espacio muestral es Ω = {w = (w1 .8. para todo i = 1. w4 ) : wi = (wi1 . significa que ha acertado. 3. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado.25 = 1. Si todos los tiradores consumen la munici´n. 4. wi2 ∈ {a. 5.8 + 0. wi1 = 0. 2. 2. ya no le sobrar´ ninguna bala. Calcular la probabilidad de que sobren dos balas en total.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 2. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. 5. cada uno sobre uno. w3 . ´ 1. f } . Un tirador deja de disparar al alcanzar el blanco. 3. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. 4}. 1. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. Probabilidad de que alguno de los tiradores consuma toda su munici´n. 4. Cada tirador dispone de seis balas.25 · 0. 2. La probabilidad de acertar en el objetivo con cada tiro es de 0.8. 3.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2794 · 10−3 i=1 1− i i i i . 1. wi2 ) .25 · 0. 3. y wi2 es el resultado que ha obtenido. a sea cual sea el resultado para esta ultima. e para i = 1.2 1 − 0. 4. o 2. Sin embargo. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . N´tese que si a un a o tirador le sobra alguna bala. para todo i = 1. 3. w2 .

2) 18 18 · (0. 4 4 = = 3. Los tiradores disparan de manera independiente.2) 4 2 5 2 = (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.2) 3 5 3 = (0.8) .25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. 83 Definamos los sucesos Bi = “El tirador i acierta”.1 · (0.8 · (0.84 = 0. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0.8 + 6 · (0.2) 18 18 · 0.25 · 0. i i i i . se tiene que: 4 P A12 ∩ i=2 Ai0 = (0.8. = 0. entonces.8 · (0.2) · 0.2) = 4 · (0.2) · 0.2) ·(0.2 · (0.8) = 2 2 · 0.4096. Todos los tiradores tienen la misma probabilidad de acertar. por lo que si vemos estos dos casos para dos tiradores concretos.8 + C4.2) 18 · 0. 3. 4. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes. Por lo tanto. y teniendo en cuenta. 8455 · 10−12 . como siempre. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.2) · (0. FUNDAMENTOS DE PROBABILIDADES 2. teniendo en cuenta todos los casos posibles.8 0.8) = 1. que disparan de forma independiente. para i = 1. podemos luego extenderlo a todos. resulta: P (C) = C4. 2.

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

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

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

.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0.9790. Si un determinado d´ se realizan ıa 20 matr´ ıculas. 10 2.11714. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. mientras que el otro 40 % lo hacen en carreras de Humanidades. no haya m´s de 12 matr´ a ıculas en Ciencias. en total haya al menos 6 en Ciencias m´s que en Humanidades.6 = 0. 20 20−k · 0. . 20. 5. haya al menos 8 matr´ ıculas en Ciencias. 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. 3.4) = 0. .4. para todo k = 0.4) . Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos.8725 = 0.1275. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. 3. i i i i . calcular la probabilidad de que: 1. 4. siendo: a P (ξ = k) = 1. 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 − 0.4k · (1 − 0.4. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. 2. Si las cinco primeras matr´ ıculas son de Humanidades.410 · (1 − 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. 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. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. .

2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. 0 ≤ x < k F (x) =  1. 2]) P ([1/2.0271.4032. las cinco primeras son en Humanidades. En particular. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 0 ≤ x < k cuando k ≤ 1.4159 = 0. 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. calculemos la probabilidad pedida: o P ([1/2. ∂x Adem´s. 2]) = = P ([1/2. 0 ≤ x < k. 1] condicionada por [1/2. pero con par´metros n = 20 − 5 = 15 e a y p = 0. 5. 1 − k(1 − x). Sin embaro o go. 1] | [1/2. se tiene que ∂F (x) = k > 0. 1 − a k (1 − x) ≥ 0.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. por lo que se tiene que. tambi´n binomial. P3. 1]) = P ([1/2.4. k≤ x Calcular la probabilidad de [1/2. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. 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. en o o ese caso.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 2]. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. para todo x. Ya que k > 0. podemos definir una nueva variable η.5851. 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. F es funci´n de distribuci´n. debe verificarse que F (x) ≥ 0. o o Bajo la condici´n 0 < k ≤ 1. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. 2]) P ([1/2. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . 1] ∩ [1/2.

2. 2]. 3}. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. 1}. [2. 8]. 3]. Q P ([−2. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. 1}) = 0. 1]) = P ((−∞. 4) = P ((−∞. [1. 4]. √ P ((−∞. 8]) − P ((−∞. 1]. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8.4] Sea la probabilidad en IR dada por P ((−∞. IN. {4 + 2}. 4)) − P ((−∞. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. [ 2. 5). 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. excepto en el punto o o Teniendo eso en cuenta. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 1]) − P ((−∞. [0. √ P ([2.   (x + 4)/16. DISTRIBUCIONES DE PROBABILIDAD P3. 2] − Q. {1. 5)) = P ((−∞. [−2. {0. 4])−P ((−∞. Soluci´n o Las probabilidades que se piden son: i i i i . Q ∩ [0. √ √ √ P ( 2. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 1]. 8]) = P ((−∞. P ({0. 1]) = 0. P3. [−2. P (I ∩ [0. 5])−P ((−∞. P (IN) = 0. P ([0. x]) = ex /2. 2] −P (−∞. 0)) = 5/16 − 4/16 = 1/16. 4). [0. 0)) = 4/8 − 4/16 = 1/4. calculemos las probabilidades que se piden: √ 2. √ √ √ √ P [ 2. P ([0. 2)) = 1 − 6 − 2 /8. √ √ P [0. {0}. x]) =  (x − 2 + 4)/8. 0)) = P ((−∞.   1. 2).i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. 1 − e−x /2. 2]) − P ((−∞.3] Sea la probabilidad en IR dada por   0. 1]. los √ √ ( 2. 2] = P ((−∞. { 2}. 5))−P √ ((−∞. 4] = P ((−∞.

3. P [0. 0. 0. x] × (−∞. 0.5 + 1) /2 − 0. Calcular las probabilidades de (0. i i i i . 0. y]) = P ((−∞. b] × (−∞. estas probabilidades se calculan de manera an´loga.3 · 0.2.2. 3}) = 0. y]) = xy(x + y)/2 si 0 ≤ x. b] × [c. 1]) = P ((−∞. d]) = P ((−∞.4 · 0. x] × (−∞. 0. c]).4) /2 = .00 8. P ([0.5 + 0. P ({1. x) × (−∞.8] × {0. 2)) − P ((−∞. d]) − P ((−∞. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2.5.504. [0.6]2 ∪ [0. 0]) − P ((−∞. y]) = P ((−∞.3 + 0. P3. 1]2 {(x.4. y ≤ 1. a] × (−∞.2.8] × {0. c]) −P ((−∞.4 + 0.4) × [0.4 + 0.5]) = 0.5 · (0.5·(0. 1)) = 0.5.5) /2 − 0 = .4) /2 = 0. 0)) = 1/2 − 1/2 = 0. y) : x + y ≤ 1}.8]2 En caso de que el intervalo sea abierto o semiabierto. [0.5) /2 + 0. y)) = P ((−∞.4 + 0. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. b] × (−∞.4 · (0. 0. 1]) − P ((−∞. . y)) .4.4. P ([−2.4) /2] + 0.5) /2 −0. 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 ((−∞.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. De esta forma se obtiene que: P ((0.5}) = 0. P ((0. d]) + P ((−∞.25.4·0.4 · (1 + 0. 0. 3]) − P ((−∞. 2. 2)) = P ((−∞.3 + 0. 0. x) × (−∞.5) × (0. x] × (−∞. 3]) = P ((−∞.42 ·(0.4.4 · (0.5) × (0. P ([1. [0. a] × (−∞. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.4) × [0. . puesto que: a P ((−∞. 0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .4.5 · 1 · (0.5} . teniendo en cuenta que: P ([a.4) /2− 0.3. (0.3 · 0.5 · 0.5 · (0. 0. P ({0}) = P ((−∞.

0. si t < 0 2t.4) /2 = 0.6]2 = 0.6]2 ∩ [0.2.28. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.8) + 0.82 · (0. y) : x + y ≤ 1}) = P [0.22 · (0.2 + 0. conviene distinguir varios casos: Si t < 0.6) +0. entonces Fξ (t) = P ([0.8]2 = P [0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3. entonces Fξ (t) = P (φ) = 0.6 + 0. 0. Si t ≥ 1/2.8 · (0.8]2 −P [0. 0.4.1. 1] con im´genes a trav´s de ξ en (−∞.6 · (0. 1] : ξ (x) ≤ t}) .2.2.4 · 0.8 + 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. P ({(x. 0.6) + 0.1: Puntos de [0.4) /2 + 0. t].4. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. Teniendo en cuenta la definici´n de la variable aleatoria ξ.6 + 0.6) /2 − 0.62 · (0.6 · (0.4 + 0.6]2 ∪ [0.4.42 · (0. a e P [0. 0. entonces Fξ (t) = 1 Por lo tanto.4. 0. t] ∪ [1/2.2 + 0. 0. Si 0 ≤ t < 1/2.4 + 0. 0. t + 1/2]) = 2t.8]2 = P [0. si t ≥ 1/2.2) /2 + 0. se tiene que:   0.2.62 · (0.6]2 + P [0.6) /2 − 0. si 0 ≤ t < 1/2 Fξ (t) =  0.4 · 0.6]2 + P [0.2 · 0.4.4 + 0. representada o en la figura 3.4 + 0.8]2 −P [0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.42 · (0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad. 0. P3. i i i i .8) /2 − 0.

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

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

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

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

Soluci´n o 1. 57144.8 < x ≤ 1.8 0. Utilizar (1) para encontrar la media y la varianza de ξ.3 = 0 2x3 · ∂x + 0. Teniendo en cuenta las propiedades de la esperanza.72x2 · ∂x = 0.9132. o 2.8 0. La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2. 0. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. E ξ 2 y E ξ 3 .12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0.8 1.72x · ∂x = 0. 6092.8 fξ (x) = 0.6092 − (0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 . i i i i .i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 2 2 E ξ3 2. Determinar la funci´n generatriz de momentos de ξ.3 2x2 · ∂x + 0.3 = 0 2x4 · ∂x + 0.8 1. 1764 · 10−2 . 0 0. E[2ξ + 5ξ 2 − ξ 3 ]. 3. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.3 Calcular: 1. E [ξ] = E ξ2 0. para cualquier otro valor 1.8 1. P3.3  0. x > 0 fξ (x) =  0. a 3.72   0 x > 1.8 0.72x3 · ∂x = 0. Soluci´n o 1. esperanza matem´tica y varianza. Los tres primeros momentos ordinarios son E [ξ] . 71933) = 9. 2. los tres primeros momentos ordinarios. 71933.

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

15] Una caja contiene dos monedas legales y una con dos caras. para todo i = 1. w1 . Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. cada wi es el resultado del i. 1. 3.´simo lanzamiento. Si se lanza la moneda y sale cara. w4 ) : m ∈ {l1 . 2 · 3 +1· 3 2 La probabilidad de que la moneda sea legal conociendo lo anterior y que adem´s en otros tres lanzamientos vuelve a salir cara. se lanza y se devuelve a la caja. es. 4.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. w2 . 4 . 2. l} wi ∈ {C. 4. Se selecciona una moneda. donde m representa la moneda escogida al azar. 3. X}. 2. para i = 1. Se selecciona una moneda al azar. para i = 1. ¿Cu´l a ser´ el n´mero medio de veces que tendremos que repetir el proceso a u hasta que se obtenga una cruz? Soluci´n: o Un espacio muestral para este problema es Ω= w = (m. l2 . w3 . Si se e lanza una moneda escogida al azar y sale cara. 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 . Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. 2. 3. e siendo C si es “cara”y X si es “cruz”. ¿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. 1. la probabilidad de que la moneda sea legal es: P (A|B1 ) = P (B1 |A) · P (A) /P (B1 ) = P (B1 |A) · P (A) = = P (B1 |A) · P (A) + P (B1 |Ac ) · P (Ac ) 1 2 1 2 · = 1 2 3 1 = .

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

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

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

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

20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.. debe cumplirse que α = 2π/6. 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 3.3: Esfera que circunscribe los bordes de la moneda. entonces este problema no est´ matem´ticamente bien definido y su resa a puesta debe proceder m´s de experimentos f´ a ısicos que de la Teor´ de ıa Probabilidades. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. Por ejemıa. 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. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. arctan (π/3) En otras palabras. e o plo. Sin embargo.4). P3. para dar una respuesta con esta segunda herramienta. en su secci´n central (figura 3. la fuerza y direcci´n con o que se lanza.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. entonces g= r = 0. a Dada la simetr´ concentr´monos en una secci´n de la esfera. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. es decir. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. la elasticidad de la moneda. el grueso de la moneda debe ser 35. las caracter´ ısticas de la superficie sobre la que cae. i i i i .354r.3).5). etc.

r α g Figura 3.i i i “libroult” 2001/8/30 page 104 i 104 EJERCICIOS RESUELTOS DE PROBABILIDAD suelo Figura 3.4: Moneda cayendo de canto.5: Secci´n central de la esfera. o i i i i .

Por tanto. π/2) 0. = 1. π/2). Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x). x ∈ (0. para todo x. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. 2 2 2 Es decir. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. En efecto. para cualquier otro valor. o P3.6): u o e η=g ◦ ξ= L2 senξ . Sea ξ la variable que mide dicho ´ngulo. 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. Esta variable es claramente obtenible a partir de la variable ξ. 2 i i i i . Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω. 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) = = .i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3.6: Transformaci´n de variables aleatorias. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). conociendo el ´ngulo x entre los dos lados de tri´ngulo w. y se distinguen por el ´ngulo que ambos forman. Sobre el espacio a muestral Ω se asume una probabilidad P . DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 .21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza.

22] En funci´n de un estudio realizado en varios establecimientos. L2 /2 . La venta de una cantidad o i i i i . Luego o o derivando en y se concluye su funci´n de densidad: o fη (y) = 12 · arcsen π3 2y L2 · π − arcsen 2y L2 · 2 L4 − 4y 2 . 2 π π3 P3. para y ∈ 0.i i i “libroult” 2001/8/30 page 106 i 106 EJERCICIOS RESUELTOS DE PROBABILIDAD Una primera idea para calcular la funci´n de densidad del ´rea fη es la o a de comenzar calculando su funci´n de distribuci´n Fη . si y ≤ 0 entonces Fη (y) = 0. Para esto consio o deremos cualquier valor y ∈ IR: Fη (y) = P {w ∈ Ω : η(w) ≤ y} = P {w ∈ Ω : g(ξ(w)) ≤ y} Claramente. y 0 en otro caso. 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. mientras que si y ≥ L2 /2 entonces Fη (y) = 1. π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2. 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 = . 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. cuando x > 0. Obviamente. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x .

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

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

n} Algunas caracter´ ısticas son: E [ξ] = (n + 1) /2 V (ξ) = n2 − 1 /12 φξ (t) Gξ (t) ϕξ (t) = = = 1 · n 1 n 1 n · n tk k=1 tn e −1 1 − e−t eitn − 1 · 1 − e−it Variable Aleatoria de Bernoulli: Dado p ∈ [0. . . se llama u variable aleatoria uniforme ξ y se denota por ξ ∼ U [n] a una variable que toma valores en {1. . . Es decir. .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. resto k ∈ {1. si 0 . es una variable aleatoria discreta con funci´n de o probabilidad: Pξ (k) = 1/n . . . cada uno con igual probabilidad. 1]. se llama variable aleatoria de Bernoulli de par´metro p a una variable aleatoria que a 109 i i i i . n}. . 2. 2.

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

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

Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a. b−a i i i i . . es a su vez una Poisson de par´metro λ1 +λ2 .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 → ∞. o a a la suma de dos variables de Poisson independientes de par´metros λ1 a y λ2 . a Variable Aleatoria Geom´trica: Dado p ∈ [0. para |t| < . con k = 0. donde p es la probabilidad de ´xito. a una variable aleatoria ξ con funci´n de densidad o fξ (x) = 1 . Adem´s. b]. para (1 − p) · et < 1 1 − (1 − p) · et p 1 − (1 − p) · eit k Es importante destacar que la suma de variables independientes e id´nticamente distribuidas seg´n una Geom´trica de par´metro p es e u e a una Binomial Negativa. b ∈ IR. 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 . 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. . 1]. y e a e se denota ξ ∼ G (p). respectivamente. 1 − (1 − p) · t 1−p p . y se denota por ξ ∼ U [a. para a ≤ x ≤ b. 1. . La funci´n de probabilidad de esta variable es: o Pξ (k) = p · (1 − p) .

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

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

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

el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . Procedemos a calcular: P (η10.2.9884.05 = 0) = 10 10−0 = 1− · 0.05) = 0. ηn.05 ≤ 2) = i=0 10 10−i · 0. de acuerdo con el dato o a inicial del problema.0. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 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. Por ultimo: ´ P (η10. o por experiencia.05i · (1 − 0.0746.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe.05) = 0. 2 P (η10. . ξn ). . por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 .4013. esto es.p = ξi . que el 20 % de las personas que reservan una mesa no asistir´n. . i 3.05 = 2) = 2.05 ≥ 1) = 1 − P (η10. procedea mos a resolver el problema. . . sigue una distribuci´n binomial de o par´metros n y p = 0. ¿cu´l es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Soluci´n o Representemos por la variable aleatoria ξ la decisi´n de asistir (ξ = 0) o o no (ξ = 1) finalmente al restaurante por parte de una persona que ha hecho una reserva. . con distribuci´n o i i i i . Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.0. Hechas estas consideraciones iniciales.050 · (1 − 0.05. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. Se tiene que: 2 i=1 10 8 · 0.5987 = 0. . La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.052 · (1 − 0. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.05) = 0 = 1 − 0. .0. total de n reservas (ξ1 . Adem´s. de un ı. P4. ξn ). de acuerdo con el enunciado del ejercicio. 1.05.0.

i! i i i i .41696. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2. debe ocurrir que acudan 20 o menos. Si el n´mero promedio de estos fallos es ocho.2i · (1 − 0. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. En el caso particular del problema. 1! An´logamente. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. la probabilidad deseada es la siguiente: P (η = 1) = 2. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. i! 3. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. 27067. De la misma forma. 3.2) = 0. As´ se tiene que: ı. a n = 25. 1. i P4. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. 2. 21 −2 · e = 0. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. Entonces. 2381. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0.5799.3] 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. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. u 1. o a Por lo tanto. Considerando que se cumplen ciertas condiciones de regularidad. ¿cu´l es la probabilidad de que falle un componente en 25 horas? a ¿y de que fallen no m´s de dos componentes en 50 horas? a ¿cu´l es la probabilidad de que fallen por lo menos diez en 125 horas? a Soluci´n o Sea la variable aleatoria ξ.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento.2.

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

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

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

si j ≤ k .i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. definamos un conjunto de variables aleatorias ξ1 . . i i i i .8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. .3.7i i = = 0. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= .7 + 10 = 10 · + 10 = 33. . a lo largo de un mes. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. . ¿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. a y por tanto E [ξ] = n (1 − p) /p. 29175. . para calcular la probabilidad de que no tenga que hacer m´s de 50 visitas diarias a lo largo de un mes (de 30 d´ a ıas). Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. el n´mero medio de visitas diarias que ı. se calcula: P (ξ1 = k|ξ2 = j) =    = 4.3 Por otra parte.3. Se ıas tiene que: 30 P (ξ1 ≤ 40. de acuerdo con los datos del problema. Procediendo de forma similar al primer apartado. n i=1 2 i=1 P4. . . u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0.310 · 0. 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. Se asume que las visitas realizadas son independientes entre s´ Entonces. 9597730 = 0. 333. si j > k Por ultimo. . que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. PRINCIPALES VARIABLES ALEATORIAS 3. p 0.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· .

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

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

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

(5 − k)! · k! 2. 5. As´ ı: P (ξ = k) = 5! · 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) .2 · elnt + 0. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. 5. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. 4.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4.8 4 · et t=0 = 1.8) . para todo k = 0. Teniendo esto en cuenta. 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. en este caso. 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 . PRINCIPALES VARIABLES ALEATORIAS 3.2k · 0. −1 t=0 · 1. 1.8 1. Esperanza y varianza.20 · 0. k 4.85−k = 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0.2 · et + 0. si φξ es derivable k veces en un entorno del origen.2 · et + 0. 5 Se verifica que.85 = 0. 3. 0 3. ∂tk t=0 En concreto. Si G (t) es derivable en un entorno del origen k veces. 4. 2.2 · t + 0.6656. 3.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . 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. 67232. 2. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .2 · et − 1 = 0.8 i i i i .6 + 0. 5 = (0. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.85−k .2k · 0. 1. k = 0.2. t=0 = 0.

Por ultimo.32332. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. o 2. o 1. .15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . 1. k! 3. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. 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. k! para todo k = 0. P (ξ > 1) y P (ξ > 2). Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. t=0 −1 − 4 = 2. i i i i . 3.59399.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Esperanza y desviaci´n t´ o ıpica. con media 22 minutos. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. . . −1)+t t=0 P4. Soluci´n o Procediendo de forma an´loga al ejercicio anterior.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. y de forma similar al anterior ejercicio: ´ E [ξ] = m1 = Gξ (t) y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = 2 · 2 · et + 1 · e2·(e t t=0 = 2 · e2·(e t −1)+t t=0 = 2. 1 · 2k · e−2 . Funci´n de probabilidad. Se pide: 1. a 2.

? a o Para efectuar una programaci´n. (Todos. 3. 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). 22 1. = i i i i . para un tiempo de reparaci´n dado. inferiores a 30.1. 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. De acuerdo con el enunciado. 657 ∼ 51 minutos. 22 3. 129 El costo de reparaci´n es de 2000 pts. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . PRINCIPALES VARIABLES ALEATORIAS 2. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. x > 0. ¿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. este ultimo inclusive. 2. por cada media hora o fracci´n. Te´ niendo esto en cuenta. Debe verificarse: P (ξ > t) = 0.i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. se cobran a 2000 pesetas). 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 .1 y esto se cumple para t = −22 · ln0.1? 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]) = 1/22.1 = 50. Por lo tanto.

descontado el punto central. Este es el suceso complementario de “en un c´ ırculo de radio x. Encontrar p en t´rminos de λ. si x ≥ 0. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. Elegida a a una planta al azar.i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. descontado el punto central.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. si x < 0 . se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ . i i i i . Claramente Fξ (x) = 0 cuando x ≤ 0. si x ≥ 0.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. . Fξ (x) = 0 2 1 − e−λ·π·x . 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. . si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x. es decir. es decir. no hay ninguna planta”. 2 λ P4. hay al ´ menos una planta”. Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. si x < 0 . . 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 ∞ . y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . 1. 2. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . Para cualquier k = 0. entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. En cambio. sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 . Consecuentemente. 2 1 2λπx2 e−λ·π·x ∂x = √ . cuando o x > 0.

de lo que se obtiene que µ = 0. a < b.6745. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. 3.75 = 0.3333 = −0. (1 − µ) /σ = z0. 2. b] .6667 = 0. en el intervalo [0. a P (ξ ≤ 1) = FZ 1−µ σ = 3 .obteni´ndose finalmente que µ = e 0. para todo u ∈ [a.4307 y. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. 1]. 2. podremos obtener dos ecuaciones lineales en µ y σ. σ 3 luego (1 − µ) /σ = z0.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. 2. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.39 y σ = 0. b] .19] Sup´ngase que ξ se distribuye como N (µ. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . P4. las ecuaciones ser´ −µ/σ = z0. o o i i i i . en [−1.4307. 4 es decir. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1.5 y σ = 1. en [−1. 3 de donde se deduce que −µ/σ = z0.16.3333 = −0. PRINCIPALES VARIABLES ALEATORIAS es decir. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar.9.4307. ıan procediendo de modo an´logo. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . k 131 P4. σ). 2]. 1. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . P (η = k) = p · (1 − p) con p = 1 − e−1/λ . 1].20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. En este caso. A partir de estas dos condiciones.

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

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

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

19 81 1539 10. Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. calculamos la esperanza y la varianza de la variable. en dos tiene un 2 y en una de ellas un 3. Una vez determinado el valor de c. La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . 17 b 81 19 81 1539 P4. se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1. i i i i . resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . para lo cual c debe ser igual a 194480/b17 . Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = . 2 a a a Para que sea funci´n de densidad.i i i “libroult” 2001/8/30 page 135 i CAP´ ITULO 4. igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. PRINCIPALES VARIABLES ALEATORIAS 7.24] Consideremos un dado que tiene en tres de sus caras un 1. 42 36 6 − 2 = 2. a para lo cual c debe ser igual a a/2 . 2 a 9. 120 a 8. Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . La integral ∞ 0 135 c · e−ax · x5 · ∂x = 1 si c = a6 /120. se ha de cumplir que o b 0 c · x7 · (b − x)9 · ∂x = 1. Para que sea funci´n de densidad. La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b.

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

6.3 (2. 2.2.3 (3. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.2 (2. 3.3 (3. 4) 1/2 · (1/3) 7 1. a 1.2. 9) 1/2 · (1/6) 13 3 2.3 (2.3. 18) 1/3 · (1/6) 27 2 3.3.2 (2. e se les marca y se les reincorpora a su poblaci´n. 3.2. 9. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 18) 1/3 · (1/6) 30 3 3. k = 4 y n = 3. 2. 6. 6) 1/2 · 1/3 · 1/6 10 2 1. 4.2 (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.3 (1.2 (1. 6. o Si k = 4 y m = 1. 4.2. 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) 1/2 · 1/3 · 1/6 9 1. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. 12) (1/3) · 1/6 18 2 2. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . Se capturan k lagartos. demostrar que la probabilidad es m´xima cuando a N = 4n.3. 9 P4.2 (3. Si N = 12. 6. 8) (1/3) 14 2 2. Obtener una expresi´n para la probabilidad de que ξ = m.2.3.3 (1.2. 12) (1/3) · 1/6 20 2 2. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. 2. 3. 4 P (η > 8|ξ ≤ 1) = = 7 . 9. 12) (1/3) · 1/6 21 2 3.2 (1.3. 18) 1/3 · (1/6) 26 2 3.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4.3.

i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 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. 3. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. o e 1. P4. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . 2. . m = 0. Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1. Si N = 12. . La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. . 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. . y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda.. la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . ¿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 . · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . k = 4 y n = 3.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. n. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida.

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

Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. η1 . z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . que denotaremos η1 . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . ξ5 = 4) P (ξ3 = 4. Se obtiene entonces: 1 2 3 Fη3 (t) = P η1 + η1 + η1 ≤ t t t−x 0 0 t−x = 0 e−(x+y+z) · ∂z · ∂y · ∂x = t2 e−t . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . Se tiene que: Fη3 (t) = P (η3 ≤ t) = 1 − P (η3 > t) = = 1 − [P (ξt = 0) + P (ξt = 1) + P (ξt = 2)] = t0 −t t1 −t t2 −t = 1− ·e + ·e + ·e = 0! 1! 2! t2 = 1 − e−t 1 + t + . 0! e 4. y. y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 . 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. 2 i i i i . ∂t 2 Otra alternativa consiste en razonar pensando que η3 es suma de 3 variables aleatorias independientes e id´nticamente distribuidas del e 1 2 3 tipo η1 . η1 .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 . sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. 1296.η1 . 5. 3.η1 (x.

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

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

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

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

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

Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. y ≥ 3 2. k2 ).2] Sea una urna con 15 bolas rojas. o i i i i . 3)} = 2/6. 3)}) + P ({(2. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). P5. y) ∈ IR2 : x + y = 4 = P ({(1. u u 1. 2 ≤ y < 3  1/6 2 ≤ x. 10 negras y 25 blancas. Ejercicios Resueltos P5. o 2. 3)} = o 1/6. y) = si  1/3  1 ≤ x < 2. sucediendo que la funci´n de probabilidad de una componente coincide con la suma de la funci´n o o de probabilidad conjunta sobre la otra componente. 2)} = P {(1. 2)} = P {(2. Soluci´n o 1. Calcular: 1. P {(3. y ≥ 3  2/3   1 si x ≥ 3. Calcular la funci´n de probabilidad conjunta. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. 3)} = P {(2. 2). o o 2. P {(x. eno tonces cada componente es una variable aleatoria discreta. 2 ≤ y < 3 F (x. y ≥ 3     si 2 ≤ x < 3. Por lo tanto: P (x. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . Hallar las funciones de distribuci´n marginales. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. 2)}) = 1/3.1] Sea la funci´n de masa P {(1.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores. la funci´n de distribuci´n bivariante asociada. y) ∈ IR2 : x + y = 4}. Considerando los distintos casos posibles. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. 3) y (2.

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

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

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

1. η = y) = P (ξ = x) · P (η = y) . porque P (ξ = x | η = y) = P (ξ = x) . Se tiene que P (ξ + η > 2) = P (ξ = 1. η) se concluye que la variable Z = ξ + η tiene distribuci´n: o z 0 1 2 3 4 y ϕ = ξ 2 + η2 : w 0 1 2 3 4 5 6 7 8 P (ϕ = w) 1/36 1/19 1/14 0 1/16 1/13 0 0 1/14 P (Z = z) 1/36 1/19 5/18 1/13 1/14 i i i i . y = 0. O. 12 P (ξ 2 + η 2 ≤ 1) = P (ξ = 0. 5. η = 1) +P (ξ = 2. y = 0. 2. η = 2) + P (ξ = 2. para todo x. A partir de la funci´n de probabilidad conjunta del vector aleatorio o (ξ.i i i “libroult” 2001/8/30 page 150 i 150 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. η = 1) + P (ξ = 1. Las variables ξ y η son independientes. alternativamente. 2. η = 2) = 7 . η = 0) +P (ξ = 0. pues P (ξ = x. η = 0) = 5 . 1. para todo x. 36 6.

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

si P (η = y) =     =    P (ξ = x. . . si y=0 y=1 y = 2. 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . η = y) = . . 10 + 10 y=2 1/2y = 1/2 . η = i) = 1.3.9] En una jaula hay un rat´n y dos pollitos. si y = 2. . . . si . por ejemplo: P (ξ = 2. . P5. . 10 + 10 x=2 1/2x = 1/2 . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. η = y) = .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 . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. si . . . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. . P (η = 0) 2x−1 . 10 4. . η = 0) = 1. Esperamos o una hora y observamos lo que queda en la jaula. 1 9 2 1 P (ξ = x. i i i i . si 3. si x=0 x = 2. . pues. si x=0 x=1 x = 2. η = 1) = 5. . Las variables aleatorias ξ y η no son independientes. . .

294 8 0 0 0 0. 3. 2. 1. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. P5.10] Sea (ξ.147 0 0.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. para x = 0.126 4 0 0.027 0. x = 0.343 1 Adem´s. η) una variable aleatoria bidimensional con funci´n de densidad o f (x.441 0.063 0. 2. 3. η = 0)+P (ξ = 1. Esto puede observarse en la figura 5. Calcular las funciones de densidad marginales.294 0 0. η) o es: η|ξ 0 1 2 3 0 0.21 6 0 0 0. las variables ξ y η no son independientes.126 0 0 0.343 0. 3.36 . y) = 24y (1 − x − y). VARIABLES ALEATORIAS BIDIMENSIONALES 1. si (x. pues: a P (ξ = 0. u dar la distribuci´n conjunta de (ξ. La probabilidad de que el n´mero de patas no supere al doble del u n´mero de animales viene dada por: u P (η ≤ 2ξ) = P (ξ = 0. 1. η = 0) = 0. ¿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. η = 4) = 0. y) pertenece al recinto limitado por las rectas x + y = 1. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.1.7x .027 2 0 0. η = 2)+P (ξ = 2. 3.33 = P (ξ = 0) · P (η = 0) = 0. La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2. 3 · 0. 2. Calcular las funciones de densidad condicionadas.027 0 0 0 0. η). 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. i i i i . η) .33−x · 0. y = 0.3.189 0.343 0.

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

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

la funci´n de distribuci´n es: o o si (x. k = 1. y fη|ξ=x (y) = f (x. y) = 0. y = 0. Por ultimo. Dado que la funci´n de distribuci´n es uniforme. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1.11] Sea (ξ. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. y) ∈ R1 : F (x.3: Regiones del plano para el problema P5. y) = xy − y 2 . P5.η (x. i i i i .11. 0 ≤ y ≤ 1 − x. x = 2. Calcular o la funci´n de distribuci´n. y) ∈ R2 : F (x. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. 0 ≤ x ≤ 1 − y. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. entonces o o fξ. Por tanto. es decir.3. si (x.

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

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

ζ (w. w = 1. La funci´n de distribuci´n conjunta es: o o Fη. ξn } y ζ = m´ {ξ1 . ξn > z) = 1 − [P (ξ > z)] n = 1 − (1 − z) . ξn }. ξn son independientes y o est´n id´nticamente distribuidas. . η 2 y varianza de η. ξn ≤ w) = [P (ξ ≤ w)] . 1]. ξn ≤ w) . obteni´ndose as´ que e ı Fη (w) = wn . . Funci´n de densidad condicionada de η dado ζ. o Funci´n de densidad condicionada de ζ dado η. . . de ζ y de la conjunta. . . Calcular las distribuciones de η. . i i n Como se verifica que 0 ≤m´ ξi ≤m´x ξi ≤ 1. Por otra parte. ζ 2 y varianza de ζ. para 0 ≤ z ≤ 1. Sean η = m´x {ξ1 . 1] se tiene: Fη (w) = P m´x ξi ≤ w = P (ξ1 ≤ w. i i i i . . Esperanza de ζ. y procediendo de forma an´loga al caso anterior. . o a ın Se pide: 1. . Para w ∈ [0.13] Sea una muestra aleatoria simple de tama˜o n. . 5. obtenida de una distribun ci´n uniforme en [0. 4. . el vector (η. VARIABLES ALEATORIAS BIDIMENSIONALES 159 P5. . 2. para 0 ≤ w ≤ 1. por lo que se puede afirmar que: a e P (ξ1 ≤ w. . . . z ≤ w. . ζ) se ın a distribuye en la regi´n comprendida entre las rectas z = w. 3. Soluci´n o 1. . ya que la funci´n de densidad se obtiene derivando en o o esa zona.i i i “libroult” 2001/8/30 page 159 i CAP´ ITULO 5. se a obtiene que: Fζ (z) = P m´ ξi ≤ z = 1 − P m´ ξi > z = ın ın i i n = 1 − P (ξ1 > z. . Esperanza condicionada de η dada ζ. m´ ξi > z a a ın i Fη (w) − [P (z < ξ ≤ w)] = w − (w − z) . o Esperanza de η. a i N´tese que las variables aleatorias ξ1 . . z) = = = P m´x ξi ≤ w. . i n i n n para 0 ≤ w ≤ 1. o z = 0. . . m´ ξi ≤ z a ın i i P m´x ξi ≤ w − P m´x ξi ≤ w. 6. . Vamos a hallar la funci´n de distribuci´n en el interior de o o esta regi´n.

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

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

a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. esto es. Por ultimo.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. e−2 + 2e−1 − 1 Por lo tanto. y) y el centro del escenario (el origen 0).16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5.6: Plano del teatro del ejercicio P5. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza.16. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. 3. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). ¿Cu´l es la probabilidad de que el sitio est´ a la sombra.16. y) d d d d d -100 -30 d 0 30 60 ξ E 100 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. As´ se obtiene que: ı. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. o 1. 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 . e−2 + 2e−1 − 1 yey − ye−2−y . calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. 2. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. i i i i .

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

17. tal como muestra la figura 5. y por lo tanto. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. 3. en menos de 15 segundos. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes.5 π(1002 −302 ) 2 = 0.7. 15646. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. Hallar la funci´n de distribuci´n de la coordenada η. P5. 3. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. se encontrar´ en un punto aleatorio de la finca (ξ. a un ladr´n que se encuentra en los o frutales. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. η). El ladr´n.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. que queda inm´vil al e o o o despertarse el perro. 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. El perro corre a 10 m/s. Cuando el perro se a despierta.7: Plano de la finca del ejercicio P5. Hallar la primera coordenada de la posici´n media en que se da o caza. y cero en otro caso. o o 2.5.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. En la esquina 0 duerme el perro guardi´n. la probabilidad que se pide es: 2236. 1. una con frutales y otra con hortalizas. i i i i .

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

La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. S).S (t. Concretamente. Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. 3. donde T := (ξ + η)/10 y S := ξ. η). y para cada uno: FZ (z) = z 150−x (x/300000)∂y∂x 0 100 50 150−x (x/300000)∂y∂x 0 100 = 150z 2 − 2z 3 . dado que ξ = S y η = 10T − S entonces fT. i i i i . 10t − 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 (s. ξ + η ≤ 150) P (η ≥ 100. η ≥ 100. s) = 10 · fξ. teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. 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. 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.

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

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

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

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

si <n . la convergencia en el l´ ımite de P (|ξn − 0| > ). P6. si 0 < ε < 1  1 1/3 . ≥n i i i i . si distribuci´n definidas de la sio t<0 0≤t<n . si Fξn (t) =  1 . . si ε ≥ 2 que no converge a cero cuando n → ∞.i i i “libroult” 2001/8/30 page 173 i CAP´ ITULO 6. por lo que la sucesi´n {Xn }n∈N o no converge en probabilidad a la variable X. para todo > 0. si t<0 . o Soluci´n o Esta sucesi´n converge de forma clara a: o F (t) = 0 1 . 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 1 ≤ ε < 2 . dado un ε > 0 :  ..4] Sea {Fξn } una sucesi´n de funciones de o guiente forma:  . Se observa que: P (|ξn − 0| > ) = 0 1 n2 . 2. . P6. . si  0 1 1 − n . Por lo o o tanto: L ξn → 0.5] Sea la sucesi´n de variables aleatorias {ξn } tales que: o P (ξn = 0) = 1 − 1 n2 1 P (ξn = n) = 2 n para n = 1. si . 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. a Soluci´n o Para estudiar la convergencia en probabilidad es necesario ver. si . pero sin embargo no converge en media cuadr´tica. ım Sin embargo.

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

5) . Z> 10 + 0.6331 i i i i . y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. CONVERGENCIA 1.5 − 15 √ 7. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30.5438 P6.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). n1 · p1 · (1 − p1 ) = 7. Z> 30 − 0. n2 · p2 · (1 − p2 ) = 15) . . n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. 2. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. en el caso de que ´ste responda las 80 pregune tas al azar. Procediendo de forma an´loga a los casos anteriores. .5 = 0.5 − 40 √ 20 = 0.9495 De forma similar al apartado anterior. i = 1. a 100 + 0. a una normal de par´metros µ = 104 y σ 2 = 104. 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 − 30 √ 15 = 0. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. Teniendo en a cuenta lo anterior. mediante el Teorema Central del L´ ımite. 175 Aproximemos. X = n 104 i=1 Xi . . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.8] El n´mero de personas que acuden un banco en una semana para abrir u una cuenta sigue una distribuci´n de Poisson de par´metro λ = 1. . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0.

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

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

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

i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. REGRESION Y CORRELACION 1.8. 58333. Obtener el coeficiente de correlaci´n de estas variables. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. P7.8 (2.4 0.8 − 1. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.6) .6 P (Y = yi ) 0. 15 x y = + 1. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.8 = 1.82 ) = 0.75 · (x − 1.3 − 1.8 i yj P (Y = yj ) = 1. o Determinar la recta de regresi´n de Y sobre X.6. xi P (X = xi ) = 1.4 j=1 E [Y ] = = Finalmente: ρXY = 2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .62 ) · (5.6 · 1. La recta de regresi´n de Y sobre X es: o y − 1. 2. 3.4] Sean: y= x + 2. Y = yj ) = 3. o 179 Soluci´n o 1.3.4 − 1. 9 i i i i .4 0.

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

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

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

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

Sign up to vote on this title
UsefulNot useful