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

.

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

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

. n2 iguales. n1 ! · .nk iguales. el n´mero de u secuencias ordenadas de ´stos es e Pn = n · (n − 1) · · · · · 2 · 1.. k: Dados n elementos. . de los cuales hay s´lo k e o diferentes (n1 iguales. .. . u e Permutaciones con repetici´n de n elementos.. con n1 +n2 +. . .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. con ni repeticiones del io ´simo elemento. .nk = n! . . el n´mero de selecciones ordenadas de m de ellos es u Vn. . A continuaci´n resaltamos seis casos t´ o ıpicos: Permutaciones de n elementos: Dados n elementos distintos.+nk = n). el n´mero de secuencias ordenadas de estos elementos es u n P Rn1 .. · nk ! Variaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. 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!.. (n − m)! i i i i . . i = 1. .m = 11 n! .

2] En una clase de 10 alumnos van a distribuirse 3 premios. Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n. el n´mero de selecciones de m de ellos. Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras. los premios son iguales. los premios son diferentes. ya que los o cuatro sitios son diferentes. o es n+m−1 CRn. sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´n. Averiguar de cu´ntos modos puede hacerse si: a 1.i i i “libroult” 2001/8/30 page 12 i 12 EJERCICIOS RESUELTOS DE PROBABILIDAD Variaciones con repetici´n de n elementos tomados de m en m: Dados n o elementos distintos. el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn. y que una persona no puede ocupar m´s de a un sitio a la vez.m = . Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . Por lo tanto. 2.m = nm . el n´mero de selecciones ordenadas de m de ellos. P1.m = n! . hay V10. m! · (n − m)! n m Este n´mero tambi´n se denota como u e . es o V Rn.1] ¿De cu´ntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Soluci´n o N´tese que importa el orden en que se sienten las personas. m Ejercicios Resueltos P1.

se pueden distribuir los premios.3 = 10 · 9 · 8 = 720 maneras de distribuir los premios si ´stos son diferentes. Comenzamos calculando el n´mero de diagonales del cuadrado. e 2. quedar´n 6 − 4 = 2 diagonales. 2 i i i i . n! n · (n − 1) n2 − 3n −n= −n= . el hex´gono y el u a oct´gono.3 e =103 = 1000 maneras. se obtienen a o C8. Hay u C4.3] Las diagonales de un pol´ ıgono se obtienen uniendo pares de v´rtices no e adyacentes. Calcularlo para el caso general de un pol´ o ıgono de n lados. si ´stos son diferentes. el n´mero u de diagonales es: Cn. Obtener el n´mero de diagonales del cuadrado. ¿Existe alg´n pol´ u ıgono en el que el n´mero de lados sea igual al de u diagonales? Soluci´n o 1. Igualando el n´mero de lados y el n´mero u u u de diagonales se obtiene: n= n2 − 3n . en el caso del oct´gono. de V R10.2 − 8 = 8! 8·7 −8= − 8 = 28 − 8 = 20 diagonales. 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. pueden distribuirse de C10. 2! · 4! An´logamente. 13 hay V10. a Procediendo del mismo modo con el hex´gono. en el caso de que los premios sean iguales. Si de estas 6 parejas eliminamos las que corresponden a v´rtices adyacentes (tantas como el n´mero de lados del e u cuadrado).3 = 220 maneras de distribuir los premios si ´stos son e iguales. si una misma persona puede recibir m´s de un premio: a 1. COMBINATORIA 1.3 = 10 · 9 · 8/6 = 120 maneras. 2! · 6! 2 Finalmente.i i i “libroult” 2001/8/30 page 13 i CAP´ ITULO 1.2 − 6 = 6! − 6 = 15 − 6 = 9 diagonales. para el caso general de un pol´ ıgono de n lados. P1. 1.2 − n = 2. hay CR10. 2.2 = 6 uniones posibles de dos v´rtices diferentes cualesquiera. 2. se obtienen a C6. e adyacentes o no.

3. como no puede haber repeticiones.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. Por tanto. Puesto que debe formarse un n´mero de 4 d´ u ıgitos.10 = 36510 . Por lo tanto. La soluci´n es n = 5 a o (el pent´gono). el n´mero de maneras u distintas es V R365. e u 2. EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. . Como adem´s no se permiten repeticiones. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres).9 1. se pueden formar 92 · 8 · 7 = 4536 n´meros. Como n ≥ 1 . el primer d´ ıgito no puede ser cero. sin repeticiones. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. a P1. 1. P1. i i i i .5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. . se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. permitiendo repeticiones. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. .i i i “libroult” 2001/8/30 page 14 i 14 es decir. Fijamos el ultimo d´ ´ ıgito y. u P1. u 3.1. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. el resultado n = 0 no es v´lido.6] En un grupo de 10 amigos. Al igual que en el apartado anterior. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. 2.. Por lo tanto. el primero de ´stos no puede ser cero. 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.

cara. 2. Estos casos son: “cara. COMBINATORIA 15 P1. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. los libros de cada materia han de estar juntos. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. i i i i . es decir. cara”. respectivamente. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces.4 = 5 resultados posiı. bles. y “0 caras y 4 cruces”. cara. Suponiendo que las monedas son distintas: 1. a 1. Pero. “cara. cara. etc. y adem´s coincide con el n´mero de posiciones para los puntos (C5. a u P1.8] Cuando se arrojan simult´neamente 4 monedas. “1 cara y 3 cruces”.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. Estos casos son: “4 caras y 0 cruces”.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1.2 = 6 ı resultados de dos caras y dos cruces. “2 caras y 2 cruces”. cruz. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. “cara.4 = 24 = 16 resultados posibles. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. hay C4. hay un total de V R2. cara. dividiremos por las posibles permutaciones de cada uno de ellos. 2.2 ). 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. cruz”. 2. cara. ¿cu´les son los resultados posibles que se pueden obtener? a ¿cu´ntos casos hay en que salgan 2 caras y 2 cruces? a Soluci´n o Suponiendo que las monedas son iguales: 1. En este caso.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. y que las monedas no pueden distinguirse entre s´ existen CR2. “cara. Como las monedas se arrojan simult´neamente. cara. cruz. P1.9] Cuatro libros de matem´ticas. se tendr´ un total de P5 = 5! posibles ordenaciones. cruz”. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. “3 caras y 1 cruz”. obteniendo as´ un total de ı C5. cara”. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”).

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

¿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. P1. entonces s´lo hay 1 posibilidad. 10 · 15 = 150 comisiones.12] Una l´ ınea de ferrocarril tiene 25 estaciones. Se fija uno de los f´ ısicos. y C6.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. 3. P1. Por otra parte. As´ se pueden formar ı. Luego hay un total de 10 · 35 = 350 comisiones posibles. existen C5. o i i i i .2 = 15 grupos de 3 f´ a ısicos. ¿De cu´ntas formas podr´ hacerse si: a a 1. a o Adem´s hay C7. 2. Puesto que todos son elegibles.2 = 10 grupos de 2 matem´ticos. 2. P1. es importante saber si corresponden al principio o al final del trayecto. y C7. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos.14] Tres atletas toman parte en una competici´n. a dadas dos estaciones.2 = 25 · 24 = 600 billetes diferentes.4 = 35 grupos de 4 consonantes distintas y C5.13] 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. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7. ¿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. un f´ ısico particular ha de estar en esa comisi´n. luego existen C5.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos.2 = 10 grupos de 2 matem´ticos. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. y adem´s. hay un total de V25.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. todos son elegibles. 3.3 = 35 grupos de 3 f´ a ısicos. por lo que hay C5. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas.3 = 10 grupos de 3 vocales distintas. hay P7 = 7! = 5040 ordenaciones posibles de ´stas.

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

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

no m´s de dos nombres. se concluye que hay 720 − 240 = 480 formas de sentarse. hay dos posibilidades: a i i i i . dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. Adem´s. 2. As´ el n´mero total de formas ı. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. estando juntas las dos personas particulares.20] Suponiendo que hay 27 letras distintas. Por tanto. u de sentarse es 7!/7 = 6! = 720. a 3.18] En la s´ ıntesis de prote´ ınas hay una secuencia de tres nucle´tidos sobre o el ADN que decide cu´l es el amino´cido a incorporar. 2. a a tenemos: 5 C5. y adem´s ´stos o a e pueden repetirse. 2. hay 6! = 720 formas de sentarse. Finalmente. hay 120 · 2 = 240 formas de sentarse. Por tanto.i = 25 − 1 = 31 i=1 ramilletes distintos. 4 ´ 5 flores. o u G (guanina). por 7. es decir. se obtiene que hay 6!/6 = 5! = 120 distribuciones. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. entonces existen V R4. Si tiene dos nombres. hay V R27. P1.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. Consideremos a esas dos personas como una sola.3 = 273 = 19683 conjuntos de iniciales.3 = 43 = 64 secuencias distintas. P1.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. que puede ser A (adenina). no m´s de tres nombres? a Soluci´n o 1. Si tiene dos nombres como m´ximo. Procediendo igual que en el apartado (a). 3. Por otra parte. exactamente dos nombres. C (citosina) y T (timina). debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. 2. sin restricciones. P1. ¿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.

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

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

ω ∈ A. es decir.) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A. etc. A1 . ∅ ∈ A. A2 ∈ A entonces A1 ∪ A2 ∈ A. Sobre una pareja (Ω. Dado que es una imagen matem´tica (abstracta) de un problema (real) no es necesariamente unico para a ´ un experimento dado. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. que reciben el nombre de sucesos. Para garantizar rigor en el uso de operaciones algebraicas como la uni´n y o la intersecci´n de conjuntos. Se dice que un suceso A ocurre cuando el resultado del experimento ω est´ asociado a uno de sus a sucesos elementales. T´ ıpicamente se desea estudiar caracter´ ısticas de algunos subconjuntos de sucesos elementales. A) se define una probabilidad como una funci´n o P : A −→ [0. 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.i i i “libroult” 2001/8/30 page 23 i CAP´ ITULO 2 Fundamentos de probabilidades Se llama espacio muestral Ω a un conjunto matem´tico donde cada elemento a representa un resultado (concreto) de un experimento. 1] 23 i i i i . pudiendo por tanto existir diferentes espacios muestrales para un mismo problema.

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

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

P2. 2.3] Dado (Ω. w2 . 4. pero que la afirmaci´n rec´ e o ıproca no es cierta. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. i i i i . Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. A. 3. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). 5. El resultado de cada lanzamiento individual es de inter´s. 4. 4. P ) un espacio probabil´ ıstico. 5) . w5 ) : wi ∈ {C. w4 .2] Una moneda es lanzada cinco veces. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. P2. w4 ) : wi ∈ {B. B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B).i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. si A. si A. que puede ser C =“cara” y X =“cruz” (i = 1. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. 4} . 3. 2. 2. 3. P (∅) = 0. S´lo el n´mero de caras es de inter´s. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). e 3. 2. Un posible espacio muestral es: Ω = {w = (w1 . w2 . 4). 2. 3. o u e 2. 3. w3 . un posible espacio muestral es Ω = {w = (w1 . i = 1. si A ∈ A: P (Ac ) = 1 − P (A). 2. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). 5} . 1. X}} . w3 . si A. Sin embargo. demostrar: 1. Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el n´mero de caras que han salido (espacio muestral del u apartado (a)). A} . tral es: Ω = {0. As´ un posible espacio muesı. 3. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. Soluci´n o 1.

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

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

y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. para la ultima igualdad. Soluci´n o Sabemos que P (Ω) = 1. Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). 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 · − = . P2. se o tiene que: P (Ω) = 1 = P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 ) −P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 ) +P (A1 ∩ A2 ∩ A3 ) = 1 1 + + P (A3 ) − 2 · P (A1 ∩ A2 ). llando esta expresi´n y sustituyendo los datos que nos da el problema. se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . 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· −6· 4 12 24 24 8 − 2. que: ´ P (A1 ∩ (A2 ∩ A3 )) = P (A1 ∩ (A1 ∩ A2 )) = P (A1 ∩ A2 ). FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . 4 12 24 24 4. A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 .i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2. i i i i . 12 24 24 24 3.6] Sean A1 . 4 2 = usando. 4 12 12 An´logamente. As´ desarroo ı. 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos.

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

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

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

2. para todo i = 1. Soluci´n o A1 . 9} . es decir. 4. 4. 8. FUNDAMENTOS DE PROBABILIDADES 35 P2. B = {3. . 6. por lo que se concluye que los dos sucesos no son independientes. Por definici´n de probabilidad condicionada. 7. A ⊆ B. 9} . 2. Por lo tanto. P (A) 1/3 1/3 3 P (B) = P (B|A). determinar si se cumple que: 1. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B.i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. . Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 3. i i i i . A = {1. 3. . .11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. Soluci´n o 1. 9. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. P (B|A) = 1/3. e ı 3. un espacio muestral es Ω = {1. A ∩ B = ∅. 5. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 2.12] Dado que P (A) = 1/3. Entonces. 8. A ∩ B = ∅. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. A y B son independientes. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 5. 2. 6. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. Dicho espacio es equiprobable y P ({i}) = 1/9. 7. 3} . es decir. 4. P (Ac |B c ) = 2/3.

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

Ac y B c son independientes. = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. Decir si son ciertas o falsas las siguientes relaciones: 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 ) . FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. P (Ac |B c ) = 1/2. 4. 6. 2.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. P (A|B) + P (Ac |B c ) = 1. A ⊂ B. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). A y B son incompatibles. 6}) 1 2/6 = . e ı P2. P (A) P (A) 2 por lo que no es posible que A ⊂ B. i i i i . 2.15] Sean A y B dos sucesos tales que P (A) = 1/4. En efecto. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. 5. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . A y B son independientes. 3. entonces Ac y B c son independientes. 5. P (A|B) = 37 P2. P (B|A) = 1/2 y P (A|B) = 1/4. N´tese que si A ⊂ B entonces A ∩ B = A. c concluy´ndose as´ que Ac y B c son independientes. Soluci´n o 1.14] Demostrar que si dos sucesos A y B son independientes.

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

ocurren exactamente r sucesos. 2. para todo i. Adem´s. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. 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 e Si r = 2. 2. luego 1 2 3 P (Ac ∩ Ac ∩ Ac ) 1 2 3 Si r = 1 entonces P ((A1 ∩ Ac ∩ Ac ) ∪ (Ac ∩ A2 ∩ Ac ) ∪ (Ac ∩ Ac ∩ A3 )) 2 3 1 3 1 2 = P (A1 ∩ Ac ∩ Ac ) + P (Ac ∩ A2 ∩ Ac ) + P (Ac ∩ Ac ∩ A3 ) . 2. j = k. por el ejercicio 10: “Si A1 .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 ) . a Soluci´n o 1. 3. i = j. entonces Ac . k = 1. al menos ocurren r sucesos. obtener expresiones en t´rminos de P (A1 ). A2 y A3 son independientes. FUNDAMENTOS DE PROBABILIDADES 39 P2.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . como m´ximo ocurren r sucesos. A2 y A3 son independientes y asumiendo que r = 0. 3.17] Supuesto que los sucesos A1 . i i i i . que est´ expresado en t´rminos de las probabilidades pedidas. a por el ejercicio P2. 3. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. i = k. 1. 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. j. Ac y Ac son independientes”.

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

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

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

o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. Es decir. −n · (ln364 − ln365) ≥ ln1 − ln2. con la segunda opci´n. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n . o a hay una probabilidad de ganar igual a 18/38 ∼ 0. 2.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. FUNDAMENTOS DE PROBABILIDADES 43 P2. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. Ahora obtengamos el menor valor n natural tal que: 1− es decir. 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 . o P2. propia de jugadores m´s arriesgados. = Sin embargo.474.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. propia de jugadores m´s cautelosos. 364 365 n ≥ 1 .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. Analizar matem´ticamente ambas alternativas. 2 i i i i . 1084.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. a Soluci´n o Recurriendo a la primera opci´n. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. concluyendo as´ que n ≥ 252. apostar los 20 euros sobre “pares” en una unica jugada. luego la clase debe tener al menos 253 ı alumnos.652.

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

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

ya que no importa el orden en que ´ ´stas se elijan. Se recibe hoy en caja un cheque con fecha equivocada. Para las tres que faltan deben descartarse aquellas combinaciones que. Sea J el suceso “Se obtiene una pareja”.9. 0. An´logamente ´ a al apartado anterior. y procediendo de forma similar al caso del tr´ fijadas ıo. 1.001 · 0.999. junto a las dos primeras cartas. P2. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . w2 ) .1 + 0. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. En cambio.1. 0. Los datos que se dan son: P (w2 = equiv|w1 = con) P (w2 = corr|w1 = con) P (w2 = equiv|w1 = sin) P (w2 = corr|w1 = sin) P (w1 = con) P (w1 = sin) La probabilidad pedida es: P (w1 = sin|w2 = equiv) = = = = = = = = 0.1 = 0. todo cliente sin fondos pone una fecha err´nea en sus cheques. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 .9 i i i i . 1 · 0.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. ıan ıo. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. El 90 % o de los clientes del banco tienen fondos. 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 · 0.2 parejas posibles. formar´ un tr´ un p´ker o un full.001. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.99108. El espacio Ω no es equiprobable y tiene 4 elementos. equiv}). 0. 0. o Por lo tanto.001.

w2 ) : w1 ∈ {1. Se selecciona al azar un dado de la urna. w2 ) . Denotemos ıda por Ci (i = 0.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. 2. 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. Adicionale o mente. El dado n´mero i (i = 1. w3 . 5} .26] En una bolsa hay cinco bolas. R}} . 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 . w3 . que la urna contenga i bolas blancas y 5 − i bolas negras. w2 . As´ ı: Ω = {w = (w1 . w2 ∈ {B. y por tanto tambi´n la composici´n de la urna. w6 ) . La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . 2. 4 P2. 4. Este espacio muestral no es equiprobable. Se extrae una bola y es blanca. es decir. 3. 4. R)}) .i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. y w2 u u es el color que se obtiene al lanzar el dado. 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. 3. y sea B el suceso “extraer una bola blanca de la urna”. 2. w4 y w5 representan los resultados de los lanzamientos de la moneda. pues P ({(1. w6 representa el color de la bola extra´ de la urna. se lanza y sale cara roja. 1. w4 . FUNDAMENTOS DE PROBABILIDADES 49 P2. 5) tiene i de sus caras blancas y el resto u rojas. 3. blancas o negras. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). w5 . Soluci´n o Representemos un suceso elemental como: w = (w1 . w2 . 4. R)}) = P ({(5. donde w1 . ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 .

y supongamos que el rumor parte inicialmente del habitante 0.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 = . . .29] En un pueblo de n + 1 habitantes. . . wn son los resultados de los n lanzamientos de una de las dos personas. con wi ∈ {C. . ¿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 . 5.28] Dos personas lanzan una moneda n veces cada una. w2n los resultados de la otra. w2 . . wn . . X}. . . . Para introducir un espacio muestral. k = 0. una persona le rumorea algo a una segunda persona. 15 P2. Dado que estos sucesos son disjuntos. Encontrar la probabilidad de que el rumor pase r veces sin: 1. etc. i i i i . En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. regresar al que lo origin´. o 2. . . quien lo repite a una tercera. y wn+1 . w2n ) . wn+1 . wr ) . vamos a representar cada suceso elemental como w = (w1 . . P2. repet´ ırsele a una persona. . . . . . . . Denotamos por Ck . Soluci´n o Numeremos a los habitantes desde 0 hasta n. . ∪ Cn ) = k=0 n P (Ck ) n = k=0 n · k 1 2 k · n · k 1 2 k = k=0 n k 2 · 1 2 2k . . la probabilidad de obtener el mismo n´mero de caras viene dada por: u n P (C0 ∪ C1 . . . i = 1. . . 1. . . n al suceso “ambas obtienen exactamente k caras”. donde w1 . . .

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

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

donde w2i−1 y w2i . .605. . w2n−1 . 2.32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. . 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. 14 · 13 2 53 1− Efectuando las operaciones correspondientes. para todo k ∈ {1. A = {w ∈ Ω : ∃k ∈ {1. . 6}} . 2. . n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. Igualando: 1− 1− n= 1 36 n = 1 . 5. se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . Entonces. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. . P2. 4. . n} . w2k ) = (6. .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. . FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . 2. i = 1. . i i i i . w2n ) : wi ∈ {1. 2. w4 . ¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . 2 −ln2 = 24. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . a es 1/62 = 1/36. . w2 . Luego. . luego Ac = {w ∈ Ω : (w2k−1 . n}} . 6) . w3 . 6)}] = 1− 1 − 1 36 n Por ultimo. se concluye que necesitamos jugar 25 partidas. ln35/36 Por tanto. la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. 3. . . sea el suceso A = “se obtiene e al menos un 6 doble”. w2k−1 = w2k = 6} . . . w2k ) = (6. tras aproximar el resultado.

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

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

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

es suficiente mirar s´lo la posici´n respecto a la l´ o o ınea en la mesa m´s a pr´xima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). 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. es decir. a 1. b[ y que o w2 ∈ [0. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . Consecuentemente. P (A) = (5/6)2 = 0. asumiendo que a ≤ b.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. b[×[0. En concreto. i i i i . 3. 1]. 1. En efecto. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. 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. Calcular la probabilidad de que su suma sea mayor que 1. dado el objetivo que se persigue en el problema. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. π[. Seg´n la hip´tesis del enunciado. Por ello. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. si A es el suceso que representa “la aguja toca una l´ ınea” y. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. N´tese que por tanto w1 ∈ [0.69444. Sea A el suceso “su diferencia es mayor que 1/6”. ya que el ´rea del total es la unidad. π[}. entonces A := {w ∈ Ω : w1 ∈ [0.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. a cos(w2 )[ para cada w2 ∈ [0. π[ claramente equiprobable. Calcular la probabilidad de que su diferencia sea mayor que 1/6. 2. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. Calcular la probabilidad de que su producto sea mayor que 1/7.

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

es ps · a+b−s (1 − p) . b). . Podemos representar cada suceso elemental como w = (w1 . donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. o punto de encuentro. wa+b ) : wi ∈ {D. . w2 . y + 1/12] el correspondiente a la otra persona. . Este espacio no es equiprobable si p = 1/2. 0). Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12.1: Regi´n de casos favorables sobre casos posibles del problema P2. un e espacio muestral ser´ ıa Ω = {w = (w1 . . a + b} . a + b. por ejemplo.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . . por lo a o que para pasar por (a. Por lo tanto.i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. A} . . .41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. i = 1. o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. Cuando est´ en la posici´n (m. con wi ∈ {D. n) y o una probabilidad 1−p de pasar a la (m. n). . . pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. P2. A} . La probabilidad de un suceso elemental con s movimientos a la derecha. n+1). wa+b ). para cualesquiera n´meros a o u enteros m y n. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. i = 1. . . La figura 2. i i i i .40. . tiene una probabilidad p de pasar a la posici´n (m+1. es decir. luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. un total de a + b desplazamientos. . e igualmente [y. . N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. Determinar la probabilidad de que el punto pase por la posici´n (a. .

´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. Nadie m´s se subir´. que todas las personas son distinguibles. identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. i i i i . Es decir. Cada persona selecciona el piso en el que se bajar´n.2.10. 11} para cada i = 1. . Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. 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. . ya que hay Ca+b. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. a a a 1.11). entre el 1 y el 11. Sin embargo. ıa 1. . .. y esta probabilidad es pa · (1 − p) . 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. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. . . ı ´ 2. 8}. .1. finalmente se tiene que P (A) = a+b b · pa · (1 − p) . . . . . . Ω = {w = (w1 . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. Este espacio muestral tiene |Ω| = 118 sucesos elementales. 8} .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”. . y adem´s a todos ellos son igualmente probables. a P2. Continuando con el espacio muestral Ω. . . . Por lo tanto. w8 ) : wi ∈ {1.a combinaciones posibles de estos a + b movimientos. es decir.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. Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. . Como consecuencia de esto ultimo. por ejemplo. . con igual probabilidad. . sea A el suceso “todas las personas se bajan antes del quinto piso”. N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas.

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

2. 3} . El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. e P2. respectivamente. puesto que. para todo j = 1. 2. A. 3. wj = X. B. Adem´s. ıa Hallar la probabilidad de que 1. donde cada wi (i = 1. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. Por otra parte. 1/3 y 1/6. B gane al menos una partida. w2 . Se tiene entonces que N = N1 ∪ N2 ∪ N3 . 1. 3) representa el resultado de la i-´sima partida e del torneo. 4. A gane las tres. 3. Sea M el suceso “A gana las tres partidas”. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. A)}) = 1/12. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . Luego. As´ el espacio muestral dado no es equiprobable. y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. w3 ) : wi ∈ {A. los rea sultados de las partidas son independientes. 3. w2 . A y B ganen alternadamente. por ı. siendo Ni = {w = (w1 . B gana cuatro y en dos quedan en tablas. B} . A gana seis. pero P ({(A. i = 1. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. 2. M = {(A. X} . B)}) = 1/18. en dos partidas queden en tablas. o bien X si quedan en tablas. a la vista de los resultados obtenidos en 12 partidas. B. B. i = 1.i i i “libroult” 2001/8/30 page 62 i 62 EJERCICIOS RESUELTOS DE PROBABILIDAD El primer factor son las posibilidades de elegir las 6 personas que se bajar´n antes de la planta s´ptima. ejemplo. 2. P ({(A. w3 ) : wi ∈ {A. Otro d´ acuerdan jugar un torneo de 3 partidas. j = i}. siendo este resultado A o B si la partida la gana el jugador A o el B. quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. 2.43] A y B juegan 12 partidas de ajedrez. i i i i . 2.

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

sean una de cada color. si se numeran las bolas del 1 al 20 (es decir. i = 1. P (B) = C20. 2 10 P2. las tres sean rojas. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. 6. 2. w2 . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . blanca. a siendo|Ω| = C20. C20. 4. a}} . 5 2 1 = . 3 representa el color de cada bola que se extrae. 2. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. 20. donde wi . 5.3 1140 3. . . La probabilidad pedida es entonces: P (A) = C8. salgan en el orden roja. Si se sacan tres bolas al azar. y podremos usar la regla de Laplace. 3. i = 1. w3 } : wi ∈ {r. dos sean rojas y una blanca. Sin embargo. w3 } : wi = 1. 1. al menos una sea blanca.2 · C3. 2. b. tres blancas y nueve azules. azul.i i i “libroult” 2001/8/30 page 64 i 64 EJERCICIOS RESUELTOS DE PROBABILIDAD P (A3 ) = P (A4 ) = 3 5 3 5 2 4 2 · 4 · 2 3 1 · 3 · = · 1 . .3 285 2. s´ se ı tendr´ un espacio equiprobable. . Este espacio no es equiprobable. las tres sean blancas. determinar la probabilidad de que: 1. b si es blanca y a si es azul.45] Una caja contiene ocho bolas rojas.3 = .3 95 i i i i .3 .3 14 = . Sea el suceso A = “Se extraen tres bolas rojas”. consideremos a el espacio muestral Ω = {w = {w1 . Teniendo en cuenta que hay 8 bolas rojas y 3 blancas.1 = . 2. se obtiene: P (C) = 7 C8. siendo r si la bola es roja. 3}. w2 . C20. Se tiene que: 1 C3. Representemos por B al suceso “Se extraen tres bolas blancas”.

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

. D}). l) . 2. 2. se debe tener en cuenta que. para todo i = j. hay 3! maneras posibles de ordenarlas. donde n representa el n´mero en la carta (es decir. Entonces el espacio muestral es: Ω = {w = {w1 . . . Por lo tanto.3 57 57 Finalmente. P (E) = 3! · V8. Hallar la probabilidad de que: 1. Diez. . 3. wi = (n. 2. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. Una vez fijados los 4 Ases. V20.3 34 23 =1− = . 4. salgan Nueve. y 6. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. Aplicando la regla de Laplace. B. u u n ∈ {1. . . n ∈ {1.1 18 = . 54145 i i i i . V20. D}}.1 · V3. w3 . 13}) y l representa el palo (es decir. Sota. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. al menos uno sea un As. l). 13} . w5 } : wi = wj . l ∈ {A. fijadas las tres bolas. w4 . B. tres sean Dieces y dos Sotas. . C. tres sean de un palo y dos de otro.1 · V9. Caballo y Rey en cualquier orden. cuatro sean Ases. 5. Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960.3 95 P2. C.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. w2 . tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17.46] De una baraja de 52 naipes se sacan 5. cuatro sean Ases y uno Rey. 1. si han de ser de tres colores diferentes. se obtiene que: P (A) = 1 · 48 52 5 = 1 . l ∈ {A. .

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

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

calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. a] con a > 0. que corresponde al espacio Ω. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. 1. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. a Adem´s. a]. se tiene que b/a > a. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . por lo que el c´lculo de a P (A) se reduce. y) : 0 ≤ x. y la figura 2.2 ayuda a ello. FUNDAMENTOS DE PROBABILIDADES P2. }. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. 2. sabiendo que su suma es mayor que b. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. Paa ra la primera de ellas el ´rea es inmediata.26. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. Si b > a2 . debemos dividir el ´rea deseada en dos partes. aplicando la ley de Laplace. Sin embargo.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . a obtener el ´rea A. a que es una parte de la superficie de un cuadrado de lado a. puesto que es un a rect´ngulo de lados b/a y a. Por lo tanto. El ´rea deseada es la intersecci´n de A y B.48] Consid´rese el intervalo de la recta real [0. 2. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. y ≤ a. Para los valores de a y b del apartado anterior. 69 Calcular la probabilidad de que el producto de dos n´meros tomados u al azar sobre tal intervalo sea menor que una constante b. por lo que P (A) = a2 /a2 = 1.38. para dividirla por el ´rea de este cuadrado. N´tese que o el espacio muestral tomado es equiprobable. e 1. se deben distinguir dos casos: a Si b ≤ a2 . P (A ∩ B) = = 16 i i i i . para b = 2 y a = a o 4. ya que los n´meros se eligen de forma u uniforme e independiente. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. Este u espacio es claramente equiprobable. a] es menor que b”= {w ∈ Ω : x · y < b}. para la segunda dea bemos calcular la correspondiente integral.

al extremo inferior del segmento. se pueda formar un tri´ngulo con ellos como lados. 2 32 2 2. o P2. w2 ) : w1 . w2 ) ∈ Ω : w1 ≥ 1/4. Por lo tanto. Para dos valores de a y b (dentro de los posibles). cada uno de ellos tenga una longitud mayor o igual que 1/4.2: Regi´n para integrar en el problema P2. w2 − w1 ≥ 1/4.48.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad. los segmentos que se forman tienen longitudes w1 . resultando dividido en tres nuevos segmentos. Representemos por a. 1. Por lo tanto: P (A) = 1 (1/4) = .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. b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. el c´lculo de P (A) a a se reduce a obtener el ´rea del tri´ngulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. con a < b. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. w2 − w1 y 1 − w2 . 1 − w2 ≥ 1/4} . Procediendo an´logamente al ejercicio anterior. respectivamente. w2 ∈ [0. 2. Adem´s. 1]}. que es el conjunto A = {w = (w1 . a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . n´tese que s´lo con un o o i i i i . donde w1 y w2 son las distancias del primero y segundo punto. pues los puntos se eligen de forma aleatoria e independiente. Hallar la probabilidad de que 1.

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

2. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . entonces repite con el tipo de valor.5 · 0. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω.5 · 0. por ejemplo. 2.6 · 0.6 + 0.5 = 0. w2 ).6 · 0.5 − 0. respectivamente. el espacio Ω no es equiprobable.5 · 0.3. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. w2 = (V1 . 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. 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. Si. De esta forma.2 = 0. P (M1B ) = 0.5 = 0.3 = 0. Por tanto. B).6 · 0. w12 = B} .8 · 0. y NkB = {w ∈ Ω : w21 = Vk . con k = 1. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”. 1. obtiene beneficios. Estos sucesos constituyen una partici´n del espacio Ω. y MkB = {w ∈ Ω : w11 = Vk .8 · 0.4 = 0.48.8 + 0. B .4 = 0.2. P (M2B ) = 0. obtea ni´ndose que e P (M2B ) = 0. un suceso elemental del e ıa tipo w = (w1 . tendr´ probabilidad cero.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. i i i i . resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. o Definamos tambi´n los sucesos NkB = “No obtiene beneficios con e una segunda inversi´n en Vk ” y NkB = “Obtiene beneficios con una o segunda inversi´n en Vk ”.1. con w1 = V1 . se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. por el contrario.24.5 · 0. Se procede de forma an´loga con los dos sucesos restantes. w22 = B . con k = 1. Adem´s. w22 = B} . w12 = B . respectivamente.4.8 · 0. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. Se tiene que MkB = w ∈ Ω : w11 = Vk .

sorteo consiste en extraer 4 bolas.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. 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. P2. u Supongamos una loter´ en la que cada boleto cuesta 1.000 ptas. 200. cuyo ıa. ıda a El n´mero que se forma con las bolas acaba en 380.472. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo.2222. La cuant´ (no acumulable) de los ıa premios es de: 2. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0. 3.72 = 0. 3. seg´n el experimento previo. si coinciden las 4 cifras.8) · 0.25. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.000 ptas. 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. 20. calcular la probabilidad de los siguientes sucesos: 1. 2. si coinciden s´lo las tres ultimas cifras. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4.6 + 0) · 0. 2..000.3/0.000 ptas. La primera bola extra´ est´ numerada con 3 y la segunda con 0. 73 Utilizando los sucesos definidos en el apartado anterior.72.51] Una urna contiene 10 bolas numeradas del 0 al 9. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. u El n´mero que se forma con las bolas es mayor que 3571.72 ∼ 0. Se extraen 4 bolas una a una con reemplazamiento. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) .2/0. si coinciden las 2 ultimas o ´ ´ i i i i .000 ptas.

. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. donde los sucesos Ci son disjuntos. w2 = 5. w2 . i = 1. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. w3 = 8. A = {w ∈ Ω : w1 = 3. para i = 1. 2. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. 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. 2. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido.000 ptas. y3 e y4 . . B = {w ∈ Ω : w2 = 3. 4. 4.6428. para todo i = j} . donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. Finalmente se obtiene que P (C) = 6428/104 = 0. equiprobable y tiene un total de |Ω| = 104 elementos. w2 = 0} . Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. w4 > 1} . Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w4 ) : wi = 0.001. y 2. si coincide la ultima cifra. 1.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. Para ello. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. w3 > 7} ∪ {w ∈ Ω : w1 = 3. . w4 = 0} . 9. 1. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. y2 . w3 = 7. 3. w3 . w2 > 5} ∪ {w ∈ Ω : w1 = 3. y consta de las cifras siguientes: y1 . ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . w2 = 5. supongamos que y es el n´mero del boleto comprau do. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . 3. . 2.01. 3.

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

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

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

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

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

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

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

Si todos los tiradores consumen la munici´n.25 · 0.25 = 1. 3. ´ 1. 2.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 3. 2.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. wi2 ) . Calcular la probabilidad de que sobren dos balas en total. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado.25 · 0. 4. 2. cada uno sobre uno. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. N´tese que si a un a o tirador le sobra alguna bala. wi1 = 0. 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. 5.8. 5. 1. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 4. 4 y j = 0. 3. Un tirador deja de disparar al alcanzar el blanco. si no le sobra ninguna. w3 . a sea cual sea el resultado para esta ultima. w4 ) : wi = (wi1 . y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. 1. 2794 · 10−3 i=1 1− i i i i . ya no le sobrar´ ninguna bala. para todo i = 1. o 2. wi2 ∈ {a. 3. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. para todo i = 1. que ser´ a si acierta y f si falla. Probabilidad de que alguno de los tiradores consuma toda su munici´n. 3. La probabilidad de acertar en el objetivo con cada tiro es de 0. e para i = 1. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 2. 2. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. w2 . Cada tirador dispone de seis balas. 4. significa que ha acertado.8. 4}. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo.8 + 0. Sin embargo. f } . 1. y wi2 es el resultado que ha obtenido.2 1 − 0.

o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.8 · (0. que disparan de forma independiente.2) 18 · 0.8 + C4.2 · (0.8.8 · (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.1 · (0.2) ·(0. podemos luego extenderlo a todos. 4 4 = = 3.2) 4 2 5 2 = (0.2) 18 18 · 0.8) = 1.8 + 6 · (0.2) 18 18 · (0. FUNDAMENTOS DE PROBABILIDADES 2. i i i i . se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. teniendo en cuenta todos los casos posibles. como siempre. resulta: P (C) = C4.2) · 0.2) 3 5 3 = (0. Por lo tanto. 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. 3.4096. 8455 · 10−12 .8) .i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. = 0. Los tiradores disparan de manera independiente. y teniendo en cuenta.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”.84 = 0.25 · 0. para i = 1.2) · 0. 4. 2.2) = 4 · (0.8 0.8) = 2 2 · 0. entonces.2) · (0. Todos los tiradores tienen la misma probabilidad de acertar. por lo que si vemos estos dos casos para dos tiradores concretos.

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

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

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

el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. 20 20−k · 0. haya al menos 8 matr´ ıculas en Ciencias. en total haya al menos 6 en Ciencias m´s que en Humanidades. . 3. 3.4) = 0. .8725 = 0. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3.9790. 5. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0.4. Si las cinco primeras matr´ ıculas son de Humanidades. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. siendo: a P (ξ = k) = 1. mientras que el otro 40 % lo hacen en carreras de Humanidades.4) . calcular la probabilidad de que: 1. 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. para todo k = 0. i i i i . 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. 2.11714.6 = 0. Si un determinado d´ se realizan ıa 20 matr´ ıculas. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.4k · (1 − 0.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.410 · (1 − 0.1275. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 20. . . haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 4.4. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. 10 2. no haya m´s de 12 matr´ a ıculas en Ciencias.

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. En particular. 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. 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. tambi´n binomial.5851. las cinco primeras son en Humanidades. para todo x. por lo que se tiene que. 2]) P ([1/2. se tiene que ∂F (x) = k > 0. 1 − a k (1 − x) ≥ 0. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k.4159 = 0. calculemos la probabilidad pedida: o P ([1/2. Sin embaro o go. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. 2]) P ([1/2. 2]) = = P ([1/2. 1 − k(1 − x).4. F es funci´n de distribuci´n. 1] condicionada por [1/2. 2]. o o Bajo la condici´n 0 < k ≤ 1. k≤ x Calcular la probabilidad de [1/2. debe verificarse que F (x) ≥ 0. ∂x Adem´s. 0 ≤ x < k. pero con par´metros n = 20 − 5 = 15 e a y p = 0. en o o ese caso.0271. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. P3. 5. podemos definir una nueva variable η. 1]) = P ([1/2. 0 ≤ x < k cuando k ≤ 1.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 1] | [1/2.4032. 1] ∩ [1/2. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. Ya que k > 0. 0 ≤ x < k F (x) =  1.

[0. Q ∩ [0. {4 + 2}. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 4]. P3. 8]) − P ((−∞. IN. 4)) − P ((−∞. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 1}. 2] − Q. 0)) = 5/16 − 4/16 = 1/16. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 3]. calculemos las probabilidades que se piden: √ 2. 8]) = P ((−∞. 4). P (I ∩ [0. 4])−P ((−∞. [−2. Q P ([−2. P (IN) = 0. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8.4] Sea la probabilidad en IR dada por P ((−∞.   1. 1 − e−x /2. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. 0)) = 4/8 − 4/16 = 1/4. 4) = P ((−∞. 5))−P √ ((−∞. {0}. P ({0. [−2. los √ √ ( 2.3] Sea la probabilidad en IR dada por   0. 1}) = 0. 5). 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. 5])−P ((−∞. 1]. excepto en el punto o o Teniendo eso en cuenta. 2). 2] = P ((−∞. √ √ √ √ P [ 2. x]) = ex /2. [2. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. DISTRIBUCIONES DE PROBABILIDAD P3. P ([0. 0)) = P ((−∞. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. 2)) = 1 − 6 − 2 /8. 3}. Soluci´n o Las probabilidades que se piden son: i i i i . 2. 4] = P ((−∞. 2]. 1]. {1. x]) =  (x − 2 + 4)/8. [ 2. 2] −P (−∞. √ P ([2. 1]) = 0. 1]) − P ((−∞. 1]. √ √ √ P ( 2. √ P ((−∞. 5)) = P ((−∞.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. {0. P ([0. 2]) − P ((−∞. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. { 2}. [0. 8]. [1. √ √ P [0.   (x + 4)/16. 1]) = P ((−∞.

4 · (1 + 0. x] × (−∞.3 + 0. (0. P ([1.5] Sea la probabilidad en IR2 : P ((−∞. i i i i .i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0. puesto que: a P ((−∞.5) × (0.4 + 0. b] × (−∞. b] × (−∞.42 ·(0.5·(0. P ([−2.5) /2 + 0. 0)) = 1/2 − 1/2 = 0.4. Calcular las probabilidades de (0.4) /2 = .4 + 0. y)) .5 · 0. [0.4 · (0. 3]) − P ((−∞. 1]) = P ((−∞. 0. 0. 0.6]2 ∪ [0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. y ≤ 1.3 · 0.4·0. 0. 0.2.4) /2 = 0.4 · 0. c]) −P ((−∞. P [0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 . 0. 0.5 + 1) /2 − 0.25. x] × (−∞.4) × [0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. x) × (−∞.3. P ((0. De esta forma se obtiene que: P ((0. y]) = P ((−∞.2.8] × {0. P ({0}) = P ((−∞. b] × [c. y]) = xy(x + y)/2 si 0 ≤ x.4. P ({1. 2)) = P ((−∞. d]) − P ((−∞.5) × (0.5} . estas probabilidades se calculan de manera an´loga. P ([0.2.5. 1)) = 0.3 · 0.4. 1) . [0.5 · (0.4 + 0. 2)) − P ((−∞. d]) = P ((−∞.4) × [0. 3}) = 0.5 · (0. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.504. a] × (−∞.5) /2 − 0 = .5 · 1 · (0.3 + 0.4 · (0.5}) = 0. 0. a] × (−∞.3.8]2 En caso de que el intervalo sea abierto o semiabierto.8] × {0.5]) = 0.4) /2] + 0. 1]) − P ((−∞.00 8. [0. y)) = P ((−∞. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 0]) − P ((−∞.5. .4. 2. 0. c]).5) /2 −0.5 + 0. x) × (−∞.4. 0.4) /2− 0. y) : x + y ≤ 1}. 3]) = P ((−∞. d]) + P ((−∞. P3. teniendo en cuenta que: P ([a. x] × (−∞. . y]) = P ((−∞. 1]2 {(x.

8) + 0.6]2 = 0.6 · (0.2 · 0.4 + 0. 0.8]2 −P [0.2. a e P [0.42 · (0.2 + 0.2 + 0. t + 1/2]) = 2t. entonces Fξ (t) = P ([0.82 · (0.2.4 + 0. si t ≥ 1/2.22 · (0.4 · 0.4 · 0.4.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3. representada o en la figura 3. 1] : ξ (x) ≤ t}) .6) /2 − 0.2) /2 + 0.4) /2 = 0.42 · (0. P3.1.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.4.62 · (0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. entonces Fξ (t) = P (φ) = 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 ∈ [0.8]2 −P [0. P ({(x. t].2.8]2 = P [0. 1] con im´genes a trav´s de ξ en (−∞. se tiene que:   0. entonces Fξ (t) = 1 Por lo tanto.6 + 0. si t < 0 2t. Teniendo en cuenta la definici´n de la variable aleatoria ξ.62 · (0. Si t ≥ 1/2. 0. t] ∪ [1/2.6) + 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.28.4.4 + 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2. si 0 ≤ t < 1/2 Fξ (t) =  0.4. y) : x + y ≤ 1}) = P [0.4. 0.8 + 0. 0.6) +0.1: Puntos de [0. i i i i .8) /2 − 0.6]2 ∩ [0.4) /2 + 0.4 + 0.6) /2 − 0. 0.2. 0.6]2 + P [0.6 · (0.6]2 ∪ [0. 0.8]2 = P [0.6]2 + P [0.8 · (0. 0.6 + 0. Si 0 ≤ t < 1/2. conviene distinguir varios casos: Si t < 0. 0.

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

Soluci´n o Sea ξ una variable aleatoria con la distribuci´n indicada en el enunciado o que mide la duraci´n (en minutos) de una llamada telef´nica. o Soluci´n o n=1 1/2n . Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1. 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 . por lo que l´ ım F (x) = 0. que F (x) = 0 para todo x < 1. superior a 6 minutos. Se supone. o o 1. i i i i . 2 2 2 e− x/3 e−x/3 − = 2 2 x→6− e−2 e−1 e−1 − e−2 = 1 − e−2 − 1 + + = . x→−∞ x 2. para todo x ≥ 1. 2 2 2 = 1 − e−2 − l´ ım x P3. DISTRIBUCIONES DE PROBABILIDAD 93 P3.9] Demostrar que F (x) = buci´n. 2. para todo x ≥ 0. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. igual a 6 minutos.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. Por otra parte: P (ξ = 6) = P (ξ ≤ 6) − P (ξ < 6) = Fξ (6) − Fξ 6− = 1− e−6/3 e− 6/3 e−2 + =2· = e−2 .

Es claro que F (x) ≥ 0. +∞ −∞ P3. i i i i . k ≤ 1/2. 1]. f (x) = k/ 1 − x. 2/2) 3. lo que es 1 si k = 1/π. para todo x ∈ [−1. 4. lo que es uno si k = 1. Se han de distinguir dos casos: a) Si k > 0. Debe verificarse que fξ (x) ≥ 0. o Comprobemos en cada caso la segunda condici´n. f (x) = kxe−kx . ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. para todo x < 1. para todo 1 ≤ x1 ≤ x2 .11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. o 5. la moda y la mediana de ξ. para todo x ∈ [−1. 1.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . para todo x ≥ n 1. lo que es 1 si k = 1. para todo x > 0 √ √ 2. para todo x ∈ (0. 1/2 3. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. para todo x. 2. o 2. Calcular la esperanza. a ya que F (x) = 0. f (x) = k/(1 + x2 ). h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). Por lo tanto. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. F es continua por la derecha en todo punto de la recta real. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. 3. Adem´s. se concluye que F es mon´tona. 0898. 1]. la funci´n de densidad es una recta con pendiente o positiva. P3. Por lo tanto. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. es decir. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . o 1.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1.

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

0.3 = 0 2x4 · ∂x + 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. 6092.8 fξ (x) = 0.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .72x3 · ∂x = 0. Utilizar (1) para encontrar la media y la varianza de ξ. E ξ 2 y E ξ 3 . a 3. 57144.8 1. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3. 71933.72   0 x > 1.12] 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 ≤ 0.72x2 · ∂x = 0. 0 0. P3.3 Calcular: 1. 3.3 2x2 · ∂x + 0.6092 − (0. E[2ξ + 5ξ 2 − ξ 3 ]. 1764 · 10−2 .9132. para cualquier otro valor 1.8 1.8 < x ≤ 1. 2 2 E ξ3 2. Teniendo en cuenta las propiedades de la esperanza.72x · ∂x = 0.8 0. Determinar la funci´n generatriz de momentos de ξ. o 2.3  0. 2. E [ξ] = E ξ2 0. Soluci´n o 1.8 1. x > 0 fξ (x) =  0. Soluci´n o 1. los tres primeros momentos ordinarios.8 0. 71933) = 9.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3.3 = 0 2x3 · ∂x + 0. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. Los tres primeros momentos ordinarios son E [ξ] . i i i i . esperanza matem´tica y varianza.8 0.

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

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

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

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

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

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

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

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

fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 . = 1.6: Transformaci´n de variables aleatorias. 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) = = . x ∈ (0. Sobre el espacio a muestral Ω se asume una probabilidad P .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. Sea ξ la variable que mide dicho ´ngulo. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. o P3. 2 i i i i . para cualquier otro valor. Esta variable es claramente obtenible a partir de la variable ξ. En efecto. Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x). π/2). para todo x.6): u o e η=g ◦ ξ= L2 senξ . se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω. Por tanto. π/2) 0.i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. conociendo el ´ngulo x entre los dos lados de tri´ngulo w. 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. 2 2 2 Es decir. y se distinguen por el ´ngulo que ambos forman.

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

P3. Nos dan 7 billetes.uplas de billetes.6). . Soluci´n o Sea c la cantidad de aprovisionamiento. P (ξi = 2) = 6/21. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. extra´ ıdos aleatoriamente uno de cada hucha. .i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. respectivamente. 4 billetes de 5000 pts. cada una con 10 billetes de 1000 pts. uno procedente de cada urna. . Esta variable puede tomar los valores 1. Para una demanda x. DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. resultando: +∞ E[η] = = E[g ◦ ξ] = −∞ c 0 g(x)fξ (x)∂x = ∞ c (ax − b (c − x)) e−x ∂x + ace−x ∂x = = − (a + b) ce−c + (a + b − bc) 1 − e−c + ace−c El valor de c que maximiza la ganancia esperada se obtiene derivando la expresi´n anterior respecto de c. sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima.´sima. 2. o En el caso particular a = 1.0 ≤ x < c . 6 billetes de 2000 pts. 2.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. . o Soluci´n o Consideremos como espacio muestral el conjunto de 7.. a Apl´ ıquese al caso particular de a = 1 y b = 2. i = 1. 1.23] Se dispone de 7 huchas. y 1 billete de 10000 pts.. 7. . la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . ¿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). b = 2 se tiene que c = ln (3/2) . resultando que c = ln (1 + a/b) . P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). 5 y 10 con e probabilidades P (ξi = 1) = 10/21. Adem´s. con a y b constantes positivas.

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

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

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

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

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

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

et·µ+ 2 ·σ e 1 2 ·t2 . a−i·t p Adem´s. Su media es d y su varianza es 2d. . 1 i·t·µ− 2 ·σ 2 ·t2 Es importante destacar la importancia de la variable aleatoria 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. Por ello. 1). 2 i i i i . denominada “distribuci´n normal tipificada”. la distribuci´n Gamma es la que apao o rece cuando se estudia la distancia entre p sucesos que sigan una variable de Poisson de par´metro a. 1).i i i “libroult” 2001/8/30 page 114 i 114 EJERCICIOS RESUELTOS DE PROBABILIDAD Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = p . a−t p a . y la variable se denota ξ ∼ χ2 . a una variable aleatoria ξ con funci´n de densidad: o fξ (x) = √ 1 2·π· σ2 · e− (x−µ)2 2·σ 2 . a2 ϕξ (t) = a . Su u d funci´n de densidad es: o fξ (x) = 2−d/2 · xd/2−1 · e−x/2 Γ (d/2) para todo x > 0. para |t| < a. σ 2 . Se dice que d (d > 0) es el o n´mero de grados de libertad. o o Variable Aleatoria χ2 de Pearson: Se llama as´ a la variable aleatoı ria resultante de sumar los cuadrados de d variables aleatorias independientes con distribuci´n N (0. La funci´n o generatriz de momentos es: Gξ (t) = (1 − 2t) −d/2 . a p . σ2 . a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media µ y varianza σ 2 y se denota por ξ ∼ N µ. para t < 1 . Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = µ.

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

Adem´s. P4.p = ξi . sigue una distribuci´n binomial de o par´metros n y p = 0. . . Procedemos a calcular: P (η10. ξn ). . i 3. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario.05 ≥ 1) = 1 − P (η10. de un ı. Por ultimo: ´ P (η10.0.05 = 2) = 2. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. de acuerdo con el enunciado del ejercicio. . el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . . 1.05. Hechas estas consideraciones iniciales. procedea mos a resolver el problema.05 = 0) = 10 10−0 = 1− · 0.05) = 0.0. de acuerdo con el dato o a inicial del problema. ξn ). .05 ≤ 2) = i=0 10 10−i · 0. esto es. que el 20 % de las personas que reservan una mesa no asistir´n.4013. ηn. .2.9884. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 .05) = 0 = 1 − 0.0.0746.0.052 · (1 − 0. total de n reservas (ξ1 .05i · (1 − 0. con distribuci´n o i i i i .05) = 0. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. o por experiencia. ¿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.5987 = 0. . Se tiene que: 2 i=1 10 8 · 0. 2 P (η10.050 · (1 − 0. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.05.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.

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. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. i P4. 2. i! 3. 1! An´logamente. 27067. De la misma forma. 2381. Entonces. En el caso particular del problema. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0.5799. As´ se tiene que: ı. 21 −2 · e = 0.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0.2. 3. i! i i i i . definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. u 1. a n = 25. debe ocurrir que acudan 20 o menos. o a Por lo tanto. ¿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. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa.41696. la probabilidad deseada es la siguiente: P (η = 1) = 2. Si el n´mero promedio de estos fallos es ocho. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. Considerando que se cumplen ciertas condiciones de regularidad.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.2i · (1 − 0. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 1. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10.2) = 0.

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. Determinar la a e distribuci´n de las ganancias totales (en ptas. 10}. 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. Definamos tambi´n un e conjunto B formado por los (k1 . un lunes se encuentran con que s´lo les quedan 10 tostadores. una a una con reemplazamiento. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. o u i i i i . . de una baraja espa˜ola (4 palos de 10 cartas cada uno). si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . . kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces. o P4. 2. a partir de la variable ξ: 500 · ξ . Si ξ representa la suma de los n n n´meros que aparecen en las cartas. no el palo. podemos definir una variable aleatoria η. si 0 ≤ ξ < 10 η= 5000 . calcular P (ξ = k) y E[ξ] .i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. si la demanda ξ es de m´s de 10 tostadores. es decir. .5] Se extraen n cartas. . u La distribuci´n de las ganancias totales en pesetas es.10. para todo k ∈ A = {1. La ganancia de cada tostador vendido es de 500 ptas. con valores equiprobables 1. . . y que a lo o largo de esa semana no van a poder traer m´s del almac´n. Sin embargo. . . . . u 1. hallar la funci´n generatriz de probabilidades de ξ. N´tese adem´s que el unico dato a u a o a ´ tener en cuenta en cada extracci´n es el n´mero de la carta. por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . a si supera al n´mero de existencias. o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. Soluci´n o Teniendo en cuenta los datos del problema.2.6) para una simple o a e funci´n real g. . si t ≥ 5000. si t < 0  0   t/500 t = P (ξ = i) .) en concepto de tostadores o de pan a lo largo de esa semana. si ξ ≥ 10 En el segundo caso. s´lo es posible vender este ultimo u o ´ n´mero de tostadores.

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

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

3. 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). i i i i . de acuerdo con los datos del problema. Se ıas tiene que: 30 P (ξ1 ≤ 40. 333. 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.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . si j ≤ k . se calcula: P (ξ1 = k|ξ2 = j) =    = 4. a y por tanto E [ξ] = n (1 − p) /p. PRINCIPALES VARIABLES ALEATORIAS 3. . no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. el n´mero medio de visitas diarias que ı. ¿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. . 29175. .i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4.3 Por otra parte. Se asume que las visitas realizadas son independientes entre s´ Entonces. . definamos un conjunto de variables aleatorias ξ1 . Procediendo de forma similar al primer apartado. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. 9597730 = 0.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. ξ30 independientes e id´nticamene te distribuidas seg´n ξ.3. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . . n i=1 2 i=1 P4. si j > k Por ultimo.310 · 0.7i i = = 0. . a lo largo de un mes. . p 0.7 + 10 = 10 · + 10 = 33.

. P (ξn = 0) ≤ 0. . n. B). k para todo k = 0. Pξ (k + 1) = · Pξ (k). p). Si ξ ∼ Bi(n. (k + 1)(1 − p) λ 2. (k + 1)(1 − p) n−k = i i i i . si ξ ∼ BiNeg(n. entonces Pξ (k) = n n−k · pk · (1 − p) . si ξ ∼ Poiss(λ). . A. Pξ (k + 1) = Soluci´n o 1. .10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. si ξ ∼ Bi(n. P4. (k + 1)(B − (n − k) + 1) 1. se tiene que: n 5 ≤ 0.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. p). es decir. k+1 (A − k)(n − k) 4. Pξ (k + 1) = · Pξ (k). sea mayor o igual que 0. si ξ ∼ Hip(n. Pξ (k + 1) = · Pξ (k).1.9. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. Considerando que la probabilidad de obtener un as con este dado es 1/6.1.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. p). k+1 (n + k)(1 − p) 3.9. 6 desigualdad que se verifica para todo n ≥ 13. 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).

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

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

3. 3. Por lo tanto: φξ (t) = Gξ (lnt) = 0.2 · t + 0. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. As´ ı: P (ξ = k) = 5! · 0. en este caso. 1.8 4 · et t=0 = 1.6656. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. si φξ es derivable k veces en un entorno del origen. 5 = (0. 2. 1. PRINCIPALES VARIABLES ALEATORIAS 3. 5 Se verifica que. (5 − k)! · k! 2.8) .i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4.8 1.6 + 0.2 · et + 0.2k · 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . t=0 = 0.2k · 0. ∂tk t=0 En concreto. 2. 5.85 = 0. Teniendo esto en cuenta. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.8 i i i i . 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 . 0 3. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .2 · et + 0. Esperanza y varianza. 5.85−k = 0. k 4. k = 0.2 · et − 1 = 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . 67232.85−k .2. para todo k = 0. 4.20 · 0. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0. −1 t=0 · 1. 4.2 · elnt + 0. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. Si G (t) es derivable en un entorno del origen k veces.

con media 22 minutos. 3. P (ξ > 1) y P (ξ > 2). .15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . i i i i .i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4.59399. Esperanza y desviaci´n t´ o ıpica. Por ultimo. k! para todo k = 0. −1)+t t=0 P4. Se pide: 1. . Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. 1.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . 1 · 2k · e−2 . 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. t=0 −1 − 4 = 2. N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2.32332. k! 3. o 2. Funci´n de probabilidad. . o 1. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. a 2.

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

En cambio. es decir. i i i i . Este es el suceso complementario de “en un c´ ırculo de radio x.i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. es decir. se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ . Fξ (x) = 0 2 1 − e−λ·π·x . si x < 0 . 2 λ P4. Consecuentemente. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. descontado el punto central. si x < 0 . que el n´mero de plantas en una regi´n con o u o ´rea A es una variable aleatoria de Poisson de par´metro λ · A. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. 1. 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 . y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . Para cualquier k = 0. . si x ≥ 0. 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 ∞ . 2 1 2λπx2 e−λ·π·x ∂x = √ . . Encontrar p en t´rminos de λ. hay al ´ menos una planta”. . 2. Claramente Fξ (x) = 0 cuando x ≤ 0. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. cuando o x > 0. si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. descontado el punto central. Elegida a a una planta al azar. no hay ninguna planta”. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson.

a P (ξ ≤ 1) = FZ 1−µ σ = 3 . 1]. en el intervalo [0. Soluci´n o Si ξ es una variable uniforme en un intervalo [a. ıan procediendo de modo an´logo. PRINCIPALES VARIABLES ALEATORIAS es decir. 1.9. b] .6745.obteni´ndose finalmente que µ = e 0. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. 1].20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1.4307 y. 2. 3.39 y σ = 0.5 y σ = 1. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. σ). para todo u ∈ [a.3333 = −0. k 131 P4. de lo que se obtiene que µ = 0.16. a < b. P4. σ 3 luego (1 − µ) /σ = z0.4307. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . podremos obtener dos ecuaciones lineales en µ y σ.3333 = −0.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. las ecuaciones ser´ −µ/σ = z0. (1 − µ) /σ = z0. En este caso. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. 3 de donde se deduce que −µ/σ = z0. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) .6667 = 0.4307.75 = 0.19] Sup´ngase que ξ se distribuye como N (µ. 4 es decir. 2. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . o o i i i i . en [−1. en [−1. 2. 2]. A partir de estas dos condiciones. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . b] .

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

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

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

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

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

2. 3.3. 6. 6. 6. 8) (1/3) 14 2 2. 12) (1/3) · 1/6 21 2 3.2 (1. e se les marca y se les reincorpora a su poblaci´n.3. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. 2.2.2. 4. 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.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 18) 1/3 · (1/6) 26 2 3.3.3 (3.3 (2. 12) (1/3) · 1/6 18 2 2. 9 P4. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .3. 6. a 1.2. 3. ξ = 1) = 2· 1 1 1 1 · · + · 2 3 6 2 1 · 3 1 6 2 1 6 1 6 2 + 3 1 3 3 +3· 1 3 2 · 1 6 +3· = y adem´s: a 7 . PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.3 (1. Si N = 12. 18) 1/3 · (1/6) 30 3 3.3.2.2.3 (1.3 (2.3 (3. 6) 1/2 · 1/3 · 1/6 9 1.2 (3.3. Se capturan k lagartos.2 (2. k = 4 y n = 3. 6) 1/2 · 1/3 · 1/6 10 2 1. 9) 1/2 · (1/6) 13 3 2. Obtener una expresi´n para la probabilidad de que ξ = m. 4 P (η > 8|ξ ≤ 1) = = 7 . 2. 4) 1/2 · (1/3) 7 1. 18) 1/3 · (1/6) 27 2 3. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 9.2 (3. 12) (1/3) · 1/6 20 2 2. 9. o Si k = 4 y m = 1. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. 2.2 (2. demostrar que la probabilidad es m´xima cuando a N = 4n. 4.2 (1.

1. 2. 3. ¿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 . ξ ≥ 1) P (ξ = 3) 1 = = . La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. P4. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . n. Derivando en la anterior expresi´n respecto de N e igualando a cero o se obtiene que: N n−1 · (N − 4) por lo que N = 4n. .. ¿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. Si N = 12. o e 1. k = 4 y n = 3. . y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. . donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. m = 0. 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. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 .i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . 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. .

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

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

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

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

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

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

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

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

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

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

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

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

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

si . . Esperamos o una hora y observamos lo que queda en la jaula.9] En una jaula hay un rat´n y dos pollitos. P5. 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. . si 3. 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . 10 + 10 x=2 1/2x = 1/2 . η = i) = 1.3. 10 + 10 y=2 1/2y = 1/2 . . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. . η = y) = . si y=0 y=1 y = 2. η = 1) = 5. . η = 0) = 1. si x=0 x = 2. . . si y = 2. Las variables aleatorias ξ y η no son independientes. si P (η = y) =     =    P (ξ = x.i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. . . . si . Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. . . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . pues. i i i i . P (η = 0) 2x−1 . η = y) = . . si x=0 x=1 x = 2. por ejemplo: P (ξ = 2. 1 9 2 1 P (ξ = x. si . . . . 10 4.

pues: a P (ξ = 0.027 2 0 0. 3 · 0. si (x.147 0 0.343 1 Adem´s. 2.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. η = 2)+P (ξ = 2. η = 4) = 0.294 0 0.441 0. i i i i .343 0.21 6 0 0 0. P5. 1.027 0 0 0 0.294 8 0 0 0 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.189 0. η = 0)+P (ξ = 1.36 . 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 = 0.126 0 0 0. 1. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. 2.027 0.33−x · 0. para x = 0. 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula. Esto puede observarse en la figura 5.1.7x . Calcular las funciones de densidad marginales. y) = 24y (1 − x − y). Calcular las funciones de densidad condicionadas. y = 0.33 = P (ξ = 0) · P (η = 0) = 0. η) o es: η|ξ 0 1 2 3 0 0. 3. η = 0) = 0.126 4 0 0.063 0. u dar la distribuci´n conjunta de (ξ. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. η) . 3. x = 0.3. La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2. η). 3.10] Sea (ξ.343 0. 3. las variables ξ y η no son independientes. 2. ¿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.

2: Regiones del plano para el problema P5. i i i i .10.9. y R4 R3 R2 R1 R6 R5 x Figura 5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.1: Diagrama para el ejercicio P5.

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

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

si (x. y) = 1. 4 F (x. o o Calcular las funciones de densidad marginales. Calcular la funci´n de distribuci´n conjunta.4: Regiones del plano para el problema P5. Consideremos las zonas del plano indicadas en la figura 5. P5. Calcular las funciones de densidad condicionadas. y) est´ fuera de R2 . y) arbitrario pero fijo: i i i i . Soluci´n o 1. y ≥ 0 . y) est´ en R2 . 3. si (x. y) = 0 cuando (x. y) = y(2 − y). y) ∈ R5 : F (x. De este modo. y) = si (x. La funci´n de densidad es f (x. y) ∈ R4 : x2 . y) = 4/π cuando (x. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. 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.12.12] Sea (ξ. y) ∈ R3 : F (x. considerando un punto (x. y) ∈ IR2 : x2 + y 2 < 1. y o a f (x.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. 2. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. x ≥ 0. 1.4.

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

. ξn son independientes y o est´n id´nticamente distribuidas. ξn ≤ w) = [P (ξ ≤ w)] . y procediendo de forma an´loga al caso anterior. ζ 2 y varianza de ζ. el vector (η. . 1] se tiene: Fη (w) = P m´x ξi ≤ w = P (ξ1 ≤ w. 5.13] Sea una muestra aleatoria simple de tama˜o n. a i N´tese que las variables aleatorias ξ1 . 4. . ζ) se ın a distribuye en la regi´n comprendida entre las rectas z = w. ξn } y ζ = m´ {ξ1 . . o z = 0. Esperanza condicionada de η dada ζ. . para 0 ≤ w ≤ 1. m´ ξi > z a a ın i Fη (w) − [P (z < ξ ≤ w)] = w − (w − z) . de ζ y de la conjunta. 2. . . i n i n n para 0 ≤ w ≤ 1. m´ ξi ≤ z a ın i i P m´x ξi ≤ w − P m´x ξi ≤ w. Para w ∈ [0. Calcular las distribuciones de η.ζ (w. Soluci´n o 1. se a obtiene que: Fζ (z) = P m´ ξi ≤ z = 1 − P m´ ξi > z = ın ın i i n = 1 − P (ξ1 > z. VARIABLES ALEATORIAS BIDIMENSIONALES 159 P5. 6. obteni´ndose as´ que e ı Fη (w) = wn . . o Funci´n de densidad condicionada de ζ dado η. . o Esperanza de η. . o a ın Se pide: 1. . Sean η = m´x {ξ1 . Esperanza de ζ. Funci´n de densidad condicionada de η dado ζ. . ξn ≤ w) . . . ξn > z) = 1 − [P (ξ > z)] n = 1 − (1 − z) . ya que la funci´n de densidad se obtiene derivando en o o esa zona. z ≤ w. z) = = = P m´x ξi ≤ w. obtenida de una distribun ci´n uniforme en [0. w = 1. i i i i . . . . Vamos a hallar la funci´n de distribuci´n en el interior de o o esta regi´n. . Por otra parte. . . 3.i i i “libroult” 2001/8/30 page 159 i CAP´ ITULO 5. i i n Como se verifica que 0 ≤m´ ξi ≤m´x ξi ≤ 1. ξn }. . . por lo que se puede afirmar que: a e P (ξ1 ≤ w. . La funci´n de distribuci´n conjunta es: o o Fη. η 2 y varianza de η. 1]. para 0 ≤ z ≤ 1. .

0 ≤ w ≤ 1.ζ (w. z ≤ w ≤ 1.14] Dado el intervalo [0. 0 ≤ w ≤ 1. se eligen al azar tres n´meros a. = n (1 − z) n−1 . z ≤ w. n−2 = n (n − 1) (w − z) . An´logamente. Calcular la o probabilidad de que tenga soluciones reales. 1].ζ (w. = · w (w − z) n−2 i i i i . 0 ≤ z ≤ 1. Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . n+1 n . z) y por lo tanto: fη|ζ=z (w) = 3. (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6. n−2 fη. De la misma forma. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . para 0 ≤ z ≤ 1. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . 0 ≤ z ≤ w. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. a fζ|η=w (z) = fη. 4. E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . se obtiene: 1 2 (n + 1) (n + 2) 1 .ζ (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 . n+2 −n . .

i i

i

“libroult” 2001/8/30 page 161 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o

161

Para que esta ecuaci´n tenga soluciones reales, el discriminante, b2 − 4ac, o ha de ser mayor o igual que cero. Por lo tanto, la probabilidad deseada es P B 2 − 4AC ≥ 0 , donde A, B y C son variables aleatorias con distribuci´n uniforme sobre el intervalo [0, 1]. Para ello, vamos a considerar o una nueva variable aleatoria ξ = AC, con funci´n de densidad fξ (x). Se o tiene entonces que: P B 2 − 4AC ≥ 0 = 1 − P B 2 − 4AC < 0 = 1 − P B <
1/4 √ 2 x 1 1

4AC =

= 1−
0 0

fB (b) · ∂b ·fξ (x)·∂x−
1/4 0

fB (b) · ∂b ·fξ (x)·∂x.

Ahora bien, la funci´n de densidad de la variable aleatoria ξ se obtiene a o partir de: Fξ (x) = P (ξ ≤ x) = P (AC ≤ x) =
x 1

=
0 1 0

fC (c) · ∂c · fA (a) · ∂a
x/a

+
x 0

fC (c) · ∂c

· fA (a) · ∂a =

= x − xlnx, y por lo tanto: fξ (x) = ∂Fξ (x) = −lnx, para x ∈ [0, 1] . ∂x

Sustituyendo en el desarrollo anterior se tiene que: 1 1 3 1 5 1 P B 2 − 4AC ≥ 0 = 1 − ln2 − − + ln2 = + ln2 = 0, 2544. 3 9 4 2 36 6 Antes de terminar conviene observar que, aunque a sea distinto de cero con probabilidad 1, no conviene dividir por a y estudiar la ecuaci´n o x2 + (b/a)x + (c/a) = 0, ya que, aunque A, B, C sean independientes, las variables B/A y C/A no lo son. P5.15] Sea f (x, y) = cyex , x ≤ y ≤ 0; f (x, y) = 0 en el resto. 1. Calcular c y obtener las funciones de distribuci´n conjunta, maro ginales y condicionadas. Expresar y comprobar la relaci´n que hay o entre ellas.

i i i

i

i i

i

“libroult” 2001/8/30 page 162 i

162

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R4

R3 x R2

R1

Figura 5.5: Regiones del plano para el problema P5.15.

2. Calcular la esperanza de η dado ξ + 2 = 0, la funci´n caracter´ o ıstica de η dado η + 2 ≤ 0; la funci´n de distribuci´n de η dado ξ + 2 ≤ o o 0 ≤ η + 2; y la funci´n de densidad de η dado ξ + η + 2 ≥ 0. o Soluci´n o 1. La funci´n f (x, y) = cyex debe verificar: o
0 −∞ 0 x

cyex ∂y ∂x = 1,

y esto se cumple si c = −1. Para obtener la funci´n de distribuci´n conjunta, debemos dividir o o el plano en diferentes regiones y estudiar el valor de la probabilidad F (x, y) = P (ξ ≤ x, η ≤ y) en cada una. Se tiene: si x ≤ y ≤ 0:
x y s

F (x, y) =
−∞

−tes ∂t ∂s =

x2 y2 −x+1− 2 2

ex ,

si y ≤ x:
y y s

F (x, y) =
−∞

−tes ∂t ∂s = (1 − y) ey ,

si x ≤ 0, y ≥ 0:
x 0 t

F (x, y) =
−∞

−tes ∂t ∂s =

x2 − x + 1 ex , 2

i i i

i

i i

i

“libroult” 2001/8/30 page 163 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES en otro caso: F (x, y) = 1.

163

Por otra parte, las correspondientes funciones de distribuci´n maro ginales son:
x 0 s y s

Fξ (x) Fη (y)

=
−∞ y

−tes ∂t ∂s =

x2 − x + 1 ex , para x ≤ 0. 2

=
−∞

−tes ∂t ∂s = (1 − y) ey , para y ≤ 0.

Las funciones de distribuci´n condicionadas son: o Si y ≤ 0: Fξ|η=y (x) = Si x ≤ 0: Fη|ξ=x (y) = 2. Se obtiene que: E [η | ξ + 2 = 0] = E [η | ξ = −2] = 4 yfη|ξ=−2 (y) ∂y = − . 3 −2 1 P (η ≤ −2)
0 −2 0

Rx −yes ∂s R−∞ y s
−∞

−ye ∂s

= ex−y

si x ≤ y si y < x.

1

  

Ry −tex ∂t Rx 0 x
x

−te ∂t

=1−

y 2 x

si x ≤ y ≤ 0 si y ≥ 0 si y < x.

 1  0

Adem´s, la funci´n caracter´ a o ıstica de η dado η + 2 ≤ 0 es: ϕη|η≤−2 (t) = E eitη | η ≤ −2 = = = 1 Fη (−2) −e2 + e 3
0 −2 −it

eity fη (y) ∂y

eity (−ey + (1 − y) ey ) ∂y 1 it + 1 − 2 e−it . 3 it + 1

Y la funci´n de distribuci´n de η dado ξ + η + 2 ≥ 0 es: o o Fη|ξ+η+2≥0 (y) = Fη|ξ≤−2≤η (y) = = Pη|ξ≤−2≤η (η ≤ y) = P (ξ ≤ −2 ≤ y) P (ξ ≤ −2 ≤ η) F (−2, y) − F (−2, −2) = = F (−2, 0) − F (−2, −2) y2 = 1 − , para − 2 ≤ y ≤ 0. 4 =

i i i

i

esto es.6: Plano del teatro del ejercicio P5. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. 2. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). As´ se obtiene que: ı.16. Por ultimo. 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 . 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. y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. y) y el centro del escenario (el origen 0). o 1.16.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5.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. 3. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. 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. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. e−2 + 2e−1 − 1 yey − ye−2−y . Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza.

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

tal como muestra la figura 5.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. 3. 15646. la probabilidad que se pide es: 2236. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. El perro corre a 10 m/s. 3.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. i i i i . En la esquina 0 duerme el perro guardi´n. se encontrar´ en un punto aleatorio de la finca (ξ. y por lo tanto. 1. que queda inm´vil al e o o o despertarse el perro. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. η). Cuando el perro se a despierta.17.7. Hallar la funci´n de distribuci´n de la coordenada η. y cero en otro caso. una con frutales y otra con hortalizas. El ladr´n. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. o o 2. en menos de 15 segundos. Hallar la primera coordenada de la posici´n media en que se da o caza.5. Para obtener la probabilidad de estar a la sombra se calcula el ´rea a de la zona a la sombra: 100 60 0 √ 1002 −x2 100 ∂y ∂x = 60 1002 − x2 ∂x = 2236. a un ladr´n que se encuentra en los o frutales. P5. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes.7: Plano de la finca del ejercicio P5.5 π(1002 −302 ) 2 = 0.

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

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

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

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

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

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

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

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

n1 · p1 · (1 − p1 ) = 7.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. i = 1. y aplicando el Teorema Central del L´ ımite. 175 Aproximemos. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. a 100 + 0.5) . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2.9495 De forma similar al apartado anterior. 2. .6331 i i i i .5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0.5 − 30 √ 15 = 0.5438 P6.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. . Z> 30 − 0. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. n2 · p2 · (1 − p2 ) = 15) . podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).5 − 15 √ 7. en el caso de que ´ste responda las 80 pregune tas al azar.5 − 40 √ 20 = 0. . la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . Procediendo de forma an´loga a los casos anteriores.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. X = n 104 i=1 Xi . CONVERGENCIA 1. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1.5 = 0. . Teniendo en a cuenta lo anterior. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. Z> 10 + 0. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. mediante el Teorema Central del L´ ımite. a una normal de par´metros µ = 104 y σ 2 = 104.

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

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

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

6. 9 i i i i .8 = 1. 15 x y = + 1. P7. 3.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.62 ) · (5. o 179 Soluci´n o 1.4 − 1. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.3 − 1.4 0.82 ) = 0.8 i yj P (Y = yj ) = 1.4 0. La recta de regresi´n de Y sobre X es: o y − 1.6 P (Y = yi ) 0.8 (2.4 j=1 E [Y ] = = Finalmente: ρXY = 2. 2.8 − 1. 58333. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . Obtener el coeficiente de correlaci´n de estas variables.6 · 1.8.6) . REGRESION Y CORRELACION 1. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. xi P (X = xi ) = 1. o Determinar la recta de regresi´n de Y sobre X.4] Sean: y= x + 2.3.75 · (x − 1. Y = yj ) = 3.

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

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

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

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

Sign up to vote on this title
UsefulNot useful