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

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

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

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

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

Al igual que en el apartado anterior. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. Como adem´s no se permiten repeticiones. Por lo tanto. 2. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros.. se pueden formar 92 · 8 · 7 = 4536 n´meros. u 3. hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. el resultado n = 0 no es v´lido.10 = 36510 . 3. .i i i “libroult” 2001/8/30 page 14 i 14 es decir. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. u P1. sin repeticiones.9 1. Por tanto. a P1.5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. P1. i i i i . permitiendo repeticiones. . hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). .1. La soluci´n es n = 5 a o (el pent´gono). EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. 1.4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares.6] En un grupo de 10 amigos. e u 2. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. como no puede haber repeticiones. el primero de ´stos no puede ser cero. el n´mero de maneras u distintas es V R365. 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. Fijamos el ultimo d´ ´ ıgito y. Por lo tanto. Como n ≥ 1 . hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. el primer d´ ıgito no puede ser cero.

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

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

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

resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . si n = 5 y m = 6. En particular. Por ejemplo. 3. 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). si no puede haber ninguna urna vac´ ıa. se fija una bola en cada ıas.m = = . ıa. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. por lo que existen 3 · 2 = 6 posibilidades. o u 2. 3. una en cada urna. ninguna en la cuarta y dos en la quinta. Por lo tanto. n−1 m! · (n − 1)! 2. se obtiene un total de CRm−n. una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna. dado que las barras son indistinguibles entre s´ as´ como las estrellas. existen 3! = 6 posibilidades. ı es m+n−1 (m + n − 1)! CRn. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. P1. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. pueden llegar a la meta de 13 maneras distintas.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. Hay Cn. 1.n = distribuciones posibles. existen C3. ninguna bola en la segunda. por lo que el problema se reduce a distribuir m−n bolas en n urnas. si ninguna urna puede quedar vac´ fijamos n bolas.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. el resultado ı. Si llegan los tres por separado. Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos. una de las urnas que tendr´n alg´n elemento. Aplicando lo anterior. Sin embargo.2 = 3 grupos de dos que llegan juntos. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1.15] Se tienen n urnas diferentes. tres bolas en la tercera.

se observa que. no hay restricciones sobre letras y n´meros. Por lo tanto. por ejemplo. con la unica diferencia ´ de que ahora las letras no pueden repetirse.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1.3 = 1000 posibilidades para los d´ ıgitos. 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: 1.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. dada una de estas posibles distribuciones. u Sin embargo. si cada individuo se traslada al asiento situado a su derecha. como no se hacen distinciones entre los asientos en la i i i i . hay: Cn. P1.m−r = maneras de distribuir las bolas. Suponiendo que hay 25 letras. en el caso de que las urnas no fueran distinguibles. COMBINATORIA 19 de CRn−r.r · CRn−r. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. 2. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. Por tanto. resulta que hay V R25. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. 2. 2. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. 625 · 1000 = 625000. N´tese que.2 = a e 252 = 625 posibilidades para las letras.2 = 25·24 = ı.3 = 103 = 1000 posibilidades para los d´ ıgitos. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. ıa ıa P1. As´ hay V25. El total de historias cl´ ınicas que pueden hacerse es. y V R10. El n´mero de permutaciones de las siete personas en la mesa es 7!. Se procede de forma similar al caso anterior. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. no hay restricciones. 600 posibilidades para las letras. por lo tanto.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes.

sin restricciones. exactamente dos nombres. Por otra parte. hay 120 · 2 = 240 formas de sentarse. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. Procediendo igual que en el apartado (a). o u G (guanina).20] Suponiendo que hay 27 letras distintas. 2.3 = 43 = 64 secuencias distintas. a a tenemos: 5 C5. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. Si tiene dos nombres como m´ximo. y adem´s ´stos o a e pueden repetirse. Si tiene dos nombres. Por tanto.3 = 273 = 19683 conjuntos de iniciales. P1. 3. hay 6! = 720 formas de sentarse. Por tanto. que puede ser A (adenina). 2. Adem´s. P1. C (citosina) y T (timina). estando juntas las dos personas particulares. hay V R27. 4 ´ 5 flores. se obtiene que hay 6!/6 = 5! = 120 distribuciones. se concluye que hay 720 − 240 = 480 formas de sentarse. Consideremos a esas dos personas como una sola. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. ¿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.i = 25 − 1 = 31 i=1 ramilletes distintos. P1. As´ el n´mero total de formas ı. 2. hay dos posibilidades: a i i i i . no m´s de tres nombres? a Soluci´n o 1.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. a 3.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. u de sentarse es 7!/7 = 6! = 720. es decir. Finalmente. por 7. entonces existen V R4. no m´s de dos nombres.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. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma.

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

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

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

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

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

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

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

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

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

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

i i

i

“libroult” 2001/8/30 page 31 i

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

31

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 32 i

32 Por tanto:

EJERCICIOS RESUELTOS DE PROBABILIDAD

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

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

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 33 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

33

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

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

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

P (Ai ) +
1≤i<j≤3

P (Ai ∩ Aj )

−P (A1 ∩ A2 ∩ A3 ) = 1−
1≤i≤3

P (Ai ) +
1≤i<j≤3

P (Ai ) · P (Aj )

=

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

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

i i i

i

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

En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. 5. . es decir. Dicho espacio es equiprobable y P ({i}) = 1/9. i i i i . 9. Por lo tanto. 7. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 2. A ⊆ B. 4. Entonces. 2. B = {3. A ∩ B = ∅. 4. . 8. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. . A = {1.12] Dado que P (A) = 1/3. 2. 6. 4. es decir. 3} . e ı 3. 8. 6. 9} . y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. Soluci´n o 1. determinar si se cumple que: 1. A y B son independientes. . Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. un espacio muestral es Ω = {1. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . 2. A ∩ B = ∅. 3. 3. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 7. P (B|A) = 1/3. FUNDAMENTOS DE PROBABILIDADES 35 P2. Por definici´n de probabilidad condicionada. por lo que se concluye que los dos sucesos no son independientes. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. 5. P (A) 1/3 1/3 3 P (B) = P (B|A).i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. P (Ac |B c ) = 2/3. Soluci´n o A1 . para todo i = 1. 9} .

2} y B = {3. P ({1. utilizando nuevamente el ejemplo del primer apartado. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. P (A|B) = P (Ac |B c ). 5. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. c c c A ∩ B = (A ∪ B) = {5. 2}) P2. 2} . 6. 2. P (B c ) P ({1. pues. . 6}. con P ({i}) = 1/6. P (A|B) + P (A|B c ) = 1? Soluci´n o 1. 6} . se obtiene: P (A|B) = P (Ac |B c ) = = P (A ∩ B) P (∅) = =0 P (B) P (B) P (Ac ∩ B c ) = P (B c ) P ({5. 2. . para todo i = 1. 5. P (A|B) + P (Ac |B c ) = 1. 2. 6} . 6}) 2/6 1 = = . 3. B = {1. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. . Obs´rvese. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. 5. 3. pues. 4}. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. 2.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. i i i i . 4. se obtiene: A ∩ B c = {1. c Sustituyendo en las correspondientes expresiones. que verifican: e A ∩ B = ∅. 2. Definimos tambi´n los sucesos A = {1. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. 3. en el contraejemplo del apartado (a). definimos un espacio muestral Ω = {1.13] ¿Son ciertas las igualdades: 1. . si utilizamos los datos del ejemplo del apartado anterior.

c concluy´ndose as´ que Ac y B c son independientes. N´tese que si A ⊂ B entonces A ∩ B = A. P (B|A) = 1/2 y P (A|B) = 1/4.14] Demostrar que si dos sucesos A y B son independientes. 6}) 1 2/6 = . = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. 5. entonces Ac y B c son independientes.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. Ac y B c son independientes. A y B son incompatibles. 3. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. Decir si son ciertas o falsas las siguientes relaciones: 1. i i i i . Soluci´n o 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 ) . P (Ac |B c ) = 1/2. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. P (A|B) + P (Ac |B c ) = 1. P (A) P (A) 2 por lo que no es posible que A ⊂ B. 6. A ⊂ B. En efecto. 2. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). P (A|B) = 37 P2. 2. e ı P2. 4. 5. A y B son independientes.15] Sean A y B dos sucesos tales que P (A) = 1/4.

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

1. i = k. a e Si r = 2. por el ejercicio 10: “Si A1 . al menos ocurren r sucesos.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . A2 y A3 son independientes. A2 y A3 son independientes y asumiendo que r = 0.17] Supuesto que los sucesos A1 . P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. entonces Ac . que est´ expresado en t´rminos de las probabilidades pedidas. como m´ximo ocurren r sucesos. 3. luego 1 2 3 P (Ac ∩ Ac ∩ Ac ) 1 2 3 Si r = 1 entonces P ((A1 ∩ Ac ∩ Ac ) ∪ (Ac ∩ A2 ∩ Ac ) ∪ (Ac ∩ Ac ∩ A3 )) 2 3 1 3 1 2 = P (A1 ∩ Ac ∩ Ac ) + P (Ac ∩ A2 ∩ Ac ) + P (Ac ∩ Ac ∩ A3 ) . 3. 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. 2. 2. a Soluci´n o 1. a por el ejercicio P2. 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 ) . 3. i i i i . Adem´s. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. i = j.8: P Ai ∩ Ac ∩ Ac k j = = P (Ai ) − P (Ai ∩ Aj ) − P (Ai ∩ Ak ) +P (Ai ∩ Aj ∩ Ak ) P (Ai ) − P (Ai ) · P (Aj ) − P (Ai ) · P (Ak ) +P (Ai ) · P (Aj ) · P (Ak ) . obtener expresiones en t´rminos de P (A1 ). ocurren exactamente r sucesos. para todo i.i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2. Ac y Ac son independientes”. FUNDAMENTOS DE PROBABILIDADES 39 P2. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i. k = 1. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . j. j = k.

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

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

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

2 i i i i . o a hay una probabilidad de ganar igual a 18/38 ∼ 0.652.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. apostar los 20 euros sobre “pares” en una unica jugada. o P2. propia de jugadores m´s cautelosos. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. −n · (ln364 − ln365) ≥ ln1 − ln2. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n. luego la clase debe tener al menos 253 ı alumnos. 2. Es decir. FUNDAMENTOS DE PROBABILIDADES 43 P2.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 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. concluyendo as´ que n ≥ 252. = Sin embargo.474.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. 364 365 n ≥ 1 . Ahora obtengamos el menor valor n natural tal que: 1− es decir. a Soluci´n o Recurriendo a la primera 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 . propia de jugadores m´s arriesgados. con la segunda opci´n. 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 . Analizar matem´ticamente ambas alternativas. 1084.

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

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

Para las tres que faltan deben descartarse aquellas combinaciones que. Se recibe hoy en caja un cheque con fecha equivocada.9 i i i i . donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.99108.999. 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. y procediendo de forma similar al caso del tr´ fijadas ıo.9.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. o Por lo tanto. 1.1 = 0.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10.001. En cambio. 0. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. todo cliente sin fondos pone una fecha err´nea en sus cheques. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. Sea J el suceso “Se obtiene una pareja”. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . formar´ un tr´ un p´ker o un full. 0. P2. junto a las dos primeras cartas. 1 · 0. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. ıan ıo. equiv}).1 + 0. w2 ) .001. 0. 0. El 90 % o de los clientes del banco tienen fondos. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. El espacio Ω no es equiprobable y tiene 4 elementos.1. ya que no importa el orden en que ´ ´stas se elijan. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 .001 · 0.2 parejas posibles. An´logamente ´ a al apartado anterior. 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.

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

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

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

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

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

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

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

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

En concreto. π[. es decir: A = {w ∈ Ω : w1 − w2 > 1/6 o w2 − w1 > 1/6} Gr´ficamente es f´cil ver que el ´rea de A es la de un cuadrado con a a a lado 5/6. entonces A := {w ∈ Ω : w1 ∈ [0. N´tese que por tanto w1 ∈ [0. π[}. π[ claramente equiprobable. Seg´n la hip´tesis del enunciado. i i i i . Sea A el suceso “su diferencia es mayor que 1/6”.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. asumiendo que a ≤ b. b[ y que o w2 ∈ [0. Calcular la probabilidad de que su suma sea mayor que 1. Por ello. a cos(w2 )[ para cada w2 ∈ [0. Calcular la probabilidad de que su diferencia sea mayor que 1/6. 1]. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 .69444. 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). P (A) = (5/6)2 = 0. Consecuentemente.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. 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. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. FUNDAMENTOS DE PROBABILIDADES 57 y el segundo w2 representa el ´ngulo que la inclinaci´n de la aguja tiene a o respecto de las l´ ıneas en la mesa. dado el objetivo que se persigue en el problema. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. Calcular la probabilidad de que su producto sea mayor que 1/7. En efecto. b[×[0. es decir. 3. 1. 2. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. ya que el ´rea del total es la unidad. a 1.

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

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

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

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

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

Representemos por T el suceso “B gana al menos una partida”. Supondremos que las e personas est´n ordenadas de A a D. i = 1. 3. w2 . A. e siendo wi = U si la bola es blanca y wi = V si es negra. Soluci´n: o Representemos cada suceso elemental como w = (w1 . 2. en ese orden. para i = 1.44] Una bolsa contiene dos bolas blancas y tres bolas negras. B. 5 3 2 3 · = . 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . 2. Por lo tanto: P (N ) = 3 · P ({(A. 4. C y D. X. 8 72 24 216 27 P2. w2 . B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . w3 . X)}) −C3. 4 es el color de la bola que extrae la i-´sima persona. X. A. w4 ) /wi ∈ {U. 3. Por otra parte. torneo consta de 3 partidas. ıa Ω = {w = (w1 . sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. B. saca una bola y no la repone. X. As´ un espacio muestral ser´ ı. tienen la misma probabilidad de ocurrir. X. 5 4 10 i i i i . A. 3. w4 ). se obtiene que P (S) = P ({(A. 4} . V } . donde cada wi . X)}) =3· 3. A)})+P ({(B. Las probabilidades de ganar son. Determinar las probabilidades de ganar de A. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales.1 · P ({(A. 2. El primero que la saque blanca gana. w3 . La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. A. X)}) 1 1 1 1 19 = 1− +3· +3· + = . por a tanto: P (A1 ) = P (A2 ) = 2 . 72 Sea el suceso S = “A y B ganan alternadamente”. B. 36 4. C y D. X)}) − P ({(X.1 · P ({(A. Cada una de cuatro personas. que no es equiprobable.i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. As´ como cada ı. A)}) − C3. X)}) + 3 · P ({(B. i = 1.

al menos una sea blanca. 2. b si es blanca y a si es azul. siendo r si la bola es roja. 2. 3 representa el color de cada bola que se extrae. Representemos por B al suceso “Se extraen tres bolas blancas”.3 1140 3. La probabilidad pedida es entonces: P (A) = C8. las tres sean rojas. si se numeran las bolas del 1 al 20 (es decir. y podremos usar la regla de Laplace. dos sean rojas y una blanca. 6.45] Una caja contiene ocho bolas rojas. w3 } : wi ∈ {r. C20.3 . blanca.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 . i = 1. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”.3 285 2. 20. 3}. s´ se ı tendr´ un espacio equiprobable.3 14 = . 2. determinar la probabilidad de que: 1. azul. tres blancas y nueve azules. 5 2 1 = . C20. 5.3 = . 4. salgan en el orden roja. donde wi . a}} . . 2 10 P2.2 · C3. las tres sean blancas. . consideremos a el espacio muestral Ω = {w = {w1 . . 3. Este espacio no es equiprobable. Si se sacan tres bolas al azar. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. b. w3 } : wi = 1. w2 . 2. P (B) = C20.1 = . . se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . Se tiene que: 1 C3. Sea el suceso A = “Se extraen tres bolas rojas”. w2 . Sin embargo. sean una de cada color. i = 1. 1. se obtiene: P (C) = 7 C8. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas.3 95 i i i i . a siendo|Ω| = C20.

65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. Por lo tanto.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen.1 formas de combinar o e esas 3 bolas de forma ordenada. manteniendo las dos bolas rojas en su posici´n relativa.3 95 i i i i .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. 2. obteni´ndose que: o e P (C) = 7 C3.3 95 Para calcular la probabilidad pedida. P (D) = 1 − P (Dc ) = 1 − 23 C17. No obstante.1 · V8. =1− C20.1 · C9. para ello se recurri´ al espacio muestral Ω.1 · C3. C3. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. que: 8·3·9 3 P (F ) = = . 6.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2.3 . dado que las bolas se extraen una a una y sin reemplazamiento. Se tiene entonces. Definamos el suceso E = “Se extraen 3 bolas de diferente color”. 2. V20. . azul”. w2 .2 · V3. Entonces. . Sin embargo.3 57 57 5. para cada distribuci´n de ´stas. w3 ) : wi = 1. V20. y V3. 3 para todo i = j . hay.3 1140 P (A) = Teniendo en cuenta que hay V8. 3 blancas y 9 azules. .1 formas de tomar las bolas blancas. blanca. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. FUNDAMENTOS DE PROBABILIDADES 4.1 = .3 14 = . que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. C8. al igual que se hizo al comienzo del ejercicio). Este espacio es claramente equiprobable. C20. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. 20 wi = wj i = 1. con Ω = V20.3 = .1 18 P (E) = = . V20. P (B) = V20. .3 34 = . Sea el suceso F = “Las tres bolas se extraen en el orden roja. dado que hay 8 bolas rojas. se tiene que un espacio muestral es: Ω = w = (w1 .3 285 1 V3.

.3 34 23 =1− = . w2 . .1 · V3. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. D}}. 2. tres sean de un palo y dos de otro. se obtiene que: P (A) = 1 · 48 52 5 = 1 . l) . Entonces el espacio muestral es: Ω = {w = {w1 .3 95 P2. C. 2. u u n ∈ {1. 13} . salgan Nueve. P (E) = 3! · V8.1 · V9. .3 57 57 Finalmente. para todo i = j. Aplicando la regla de Laplace. l ∈ {A. w3 . 54145 i i i i . w5 } : wi = wj . V20.1 18 = . . fijadas las tres bolas. y 6. si han de ser de tres colores diferentes. 3. Sota. 5. Por lo tanto. Hallar la probabilidad de que: 1.46] De una baraja de 52 naipes se sacan 5. C. . donde n representa el n´mero en la carta (es decir. . w4 . cuatro sean Ases y uno Rey. se debe tener en cuenta que. hay 3! maneras posibles de ordenarlas. Diez. 4. 1. l ∈ {A. V20. B.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. . al menos uno sea un As. D}). Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. . Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. tres sean Dieces y dos Sotas. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. 2. l). cuatro sean Ases. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. wi = (n. B. n ∈ {1. Caballo y Rey en cualquier orden. Una vez fijados los 4 Ases. 13}) y l representa el palo (es decir.

47] En una urna que contiene n bolas se echa una bola roja. La baraja tiene 4 palos. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . En este caso. Diez. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . Sota. FUNDAMENTOS DE PROBABILIDADES 2.2 posibilidades para elegir las tres y dos cartas. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . por lo hay C52−4. Caballo y Rey en cualquier orden”. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = .5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. 8330 6. de cada uno de los dos palos. respectivamente. suceso F c = “Ninguna carta es un As”. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . i i i i . Hallar la probabilidad de que la bola extra´ ıda sea roja. una vez fijados los 4 Ases. se e tiene un total de C13. N´tese que hay 4 Ases e a o en la baraja. 162435 5. 108290 4. As´ se tiene que ı. que han de combinarse con el total de C4. As´ el ı. Definamos el suceso D = “Salen Nueve.2 formas de escoger los dos palos. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. 54145 54145 P2. ya que cada palo consta de 13 cartas. Para cada una de ´stas. hay 4 posibilidades para la quinta carta: los 4 Reyes.3 formas de escoger tres Dieces. extrayendo posteriormente una bola.2 formas de elegir las dos Sotas. P (B) = 1·4 52 5 = 1 . Sea el suceso C = “Hay tres Dieces y dos Sotas”. N´tese que no importa el orden en que aparezcan o las cartas. Sea el suceso F = “Al menos una de las cartas es un As”. Se tienen C4.3 y C13. Sea E el suceso “Tres cartas son de un palo y dos de otro”. 649740 3. por lo que hay C4. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio.

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

Sin embargo. a obtener el ´rea A. 2. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. para la segunda dea bemos calcular la correspondiente integral. e 1. P (A ∩ B) = = 16 i i i i . Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. Si b > a2 . 1. Paa ra la primera de ellas el ´rea es inmediata. Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0.48] Consid´rese el intervalo de la recta real [0. y) : 0 ≤ x. }. debemos dividir el ´rea deseada en dos partes. Para los valores de a y b del apartado anterior. El ´rea deseada es la intersecci´n de A y B. que corresponde al espacio Ω.38. y la figura 2. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b. a] con a > 0.26. sabiendo que su suma es mayor que b. para b = 2 y a = a o 4. 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. para dividirla por el ´rea de este cuadrado. por lo que P (A) = a2 /a2 = 1. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . a]. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . Por lo tanto. se deben distinguir dos casos: a Si b ≤ a2 . ya que los n´meros se eligen de forma u uniforme e independiente. por lo que el c´lculo de a P (A) se reduce. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. 2. FUNDAMENTOS DE PROBABILIDADES P2.2 ayuda a ello. puesto que es un a rect´ngulo de lados b/a y a. aplicando la ley de Laplace. N´tese que o el espacio muestral tomado es equiprobable. a Adem´s. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. a] es menor que b”= {w ∈ Ω : x · y < b}. se tiene que b/a > a. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. Este u espacio es claramente equiprobable. y ≤ a. a que es una parte de la superficie de un cuadrado de lado a.

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

a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. 2. que ser´ B si obtiene beneficios o B si no los o a i i i i . i = 1.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. w1 . FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. se tiene que B = B1 ∪ B2 . w2 ∈ [0. wi2 ) . a P2. w2 ) : wi = (wi1 . est´ dispuesto a volver o a a invertir en el mismo tipo de valor. B . e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. que corresponde al caso a ≤ b. En cambio. 1]}. An´logamente. 2 . 1]}. B1 ∩ B2 = ∅. ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios. y wi2 el resultado de esa inversi´n. V2 } . Adem´s. para a > b. por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. si no obtiene beneficios. cuando a ≥ b. a Procediendo an´logamente al primer apartado de este ejercicio. w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. w1 . wi2 ∈ B. w2 ∈ [0. Si invierte en V1 tiene una probabilidad de 0. y B2 = {w = (w1 . se a tiene que el ´rea deseada corresponde a dos tri´ngulos que forman a a un tri´ngulo rect´ngulo de base 1/2 y altura 1/2.8 de conseguir 12 millones. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. con: B1 = {w = (w1 . Por lo tanto. invertir´ en el otro tipo. w2 − 2 · w1 ≥ 0. y si invierte en V2 tiene una probabilidad de 0. w2 − 2 · w1 < 0. a 1. w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . wi1 ∈ {V1 .6 de obtener 16 millones de beneficio. ¿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 . Si en tal inversi´n obtiene beneficios.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . Teniendo en cuenta lo anterior. el a a resultado es P (B) = 1/8.

i i i i . respectivamente. obtea ni´ndose que e P (M2B ) = 0. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.2 = 0. w12 = B} . Adem´s.6 · 0. por el contrario.5 · 0.5 − 0. y MkB = {w ∈ Ω : w11 = Vk . Por tanto. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l.48. De esta forma. w22 = B . P (M1B ) = 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables. 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.5 · 0. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. tendr´ probabilidad cero.5 · 0. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . con k = 1.8 · 0. por ejemplo. Si. Estos sucesos constituyen una partici´n del espacio Ω. Se procede de forma an´loga con los dos sucesos restantes. 2. Se tiene que MkB = w ∈ Ω : w11 = Vk . se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. w2 ).1.6 · 0.5 = 0.6 · 0.4 = 0.5 − 0.3.3 = 0.5 · 0.24.5 = 0. B). 2. 1.6 + 0. w12 = B .i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. el espacio Ω no es equiprobable.4. B . resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0. w2 = (V1 . con w1 = V1 .8 · 0. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”. respectivamente. un suceso elemental del e ıa tipo w = (w1 . P (M2B ) = 0. con k = 1.4 = 0. y NkB = {w ∈ Ω : w21 = Vk .8 + 0. w22 = B} . 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 ”. obtiene beneficios. entonces repite con el tipo de valor.2.8 · 0.

2. si coinciden s´lo las tres ultimas cifras.72 ∼ 0.2222.3/0. P2..000. 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. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. si coinciden las 4 cifras.6 + 0) · 0. u El n´mero que se forma con las bolas es mayor que 3571.72 = 0. La primera bola extra´ est´ numerada con 3 y la segunda con 0.8) · 0. La cuant´ (no acumulable) de los ıa premios es de: 2. Se extraen 4 bolas una a una con reemplazamiento.000 ptas. 20.51] Una urna contiene 10 bolas numeradas del 0 al 9.25. 3. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. ıda a El n´mero que se forma con las bolas acaba en 380.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. 3. cuyo ıa.72. u Supongamos una loter´ en la que cada boleto cuesta 1. 200. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. 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 + 0.000 ptas. 73 Utilizando los sucesos definidos en el apartado anterior. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . calcular la probabilidad de los siguientes sucesos: 1. seg´n el experimento previo.2/0.000 ptas. = 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 0.000 ptas. sorteo consiste en extraer 4 bolas. si coinciden las 2 ultimas o ´ ´ i i i i . FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.472. 2.

w3 = 8. . ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . w3 = 7. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. para i = 1.001. para todo i = j} . Para ello. y3 e y4 . Sea el suceso A = “La primera bola es un tres y la segunda un cero”. y consta de las cifras siguientes: y1 . 3. supongamos que y es el n´mero del boleto comprau do.000 ptas. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. Finalmente se obtiene que P (C) = 6428/104 = 0. 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.01. w2 . Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. w2 = 5. w3 . w2 > 5} ∪ {w ∈ Ω : w1 = 3. 4. 9. w4 ) : wi = 0. w4 > 1} . 2. 1. A = {w ∈ Ω : w1 = 3. 3. i = 1. w2 = 5. . 4. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i .i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. donde los sucesos Ci son disjuntos.6428. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w2 = 0} . . N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. 1. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. . equiprobable y tiene un total de |Ω| = 104 elementos. 2. y 2. w4 = 0} . si coincide la ultima cifra. 3. w3 > 7} ∪ {w ∈ Ω : w1 = 3. y2 . 2. B = {w ∈ Ω : w2 = 3.

8. w1 = w2 } . y se supone que existe aleatoriedad uniforme. donde wi representa el n´mero de la bola de la i-´sima extracci´n. 3. 3. 5} . . |Ω| 104 = P (Ai ) = para i = 1. Se selecciona una bola con n´mero impar la primera vez. con el boleto que ha comprado. numeradas de 1 a n.i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. P2. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. 2. 4. 4. Se extraen dos bolas una a una sin reemplazamiento. u Se seleccionan las dos bolas con n´mero impar. u Se selecciona una bola con n´mero impar la segunda vez. ∀k = j}. . . ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . para u e o i = 1. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. con i = 1. i i i i .52] Una urna contiene cinco bolas numeradas del 1 al 5. u Generalizar el problema al caso de que la urna contenga n bolas. Por otra parte. 104 Finalmente. Hallar la probabilidad de los siguientes sucesos: 1. 2. con |Ω| = 20. para el n´mero premiado en el sorteo. 104 Por lo tanto. wk = yk . Este espacio es equiprobable. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. 2. 4. 4. 3. no es rentable jugar a esta loter´ puesto que el dinero que ıa. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. ∀j = 4 − i + 1. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 2. w2 ) : wi ∈ {1.918. . obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. 2. 3.

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

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

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

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

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

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

wi1 = 0. N´tese que si a un a o tirador le sobra alguna bala. Sin embargo. significa que ha acertado. w4 ) : wi = (wi1 . Soluci´n: o Un espacio muestral es Ω = {w = (w1 . cada uno sobre uno. a sea cual sea el resultado para esta ultima. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. 2. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. 2. 5. Cada tirador dispone de seis balas. w2 . e para i = 1. 1. 2. 2. Probabilidad de que alguno de los tiradores consuma toda su munici´n. 2.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. Un tirador deja de disparar al alcanzar el blanco. y wi2 es el resultado que ha obtenido. que ser´ a si acierta y f si falla.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 5. 3. 1.25 · 0. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. 4 y j = 0. si no le sobra ninguna. f } . para todo i = 1.25 · 0. 4. w3 . puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado.8. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . 2794 · 10−3 i=1 1− i i i i . 3. wi2 ∈ {a. ya no le sobrar´ ninguna bala. 3. Si todos los tiradores consumen la munici´n.25 = 1. 4}. 4. 3. 1.2 1 − 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. La probabilidad de acertar en el objetivo con cada tiro es de 0. o 2. 3. 4. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. wi2 ) . para todo i = 1.8 + 0.8. Calcular la probabilidad de que sobren dos balas en total. ´ 1.

83 Definamos los sucesos Bi = “El tirador i acierta”. 8455 · 10−12 . y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0.8 + 6 · (0. como siempre. 4. i i i i . para i = 1. podemos luego extenderlo a todos.2) 18 18 · 0.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.8 + C4.84 = 0.8) . 4 4 = = 3.8. Por lo tanto.4096.2) 18 · 0.8 · (0.2) ·(0. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0. 3.8) = 2 2 · 0.2) · 0.25 · 0.2) · (0. Todos los tiradores tienen la misma probabilidad de acertar.8) = 1.8 · (0.2) 3 5 3 = (0. que disparan de forma independiente.1 · (0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. = 0. por lo que si vemos estos dos casos para dos tiradores concretos. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. FUNDAMENTOS DE PROBABILIDADES 2.2) 18 18 · (0.2) = 4 · (0. y teniendo en cuenta. entonces.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. resulta: P (C) = C4.2) · 0. teniendo en cuenta todos los casos posibles.2) 4 2 5 2 = (0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.2 · (0. 2.8 0. Los tiradores disparan de manera independiente.

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

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

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

1275.4) = 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. 20 20−k · 0. haya al menos 8 matr´ ıculas en Ciencias. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.8725 = 0.4. 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 i . 20. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. .4. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. para todo k = 0. 2. 3. . 3. . calcular la probabilidad de que: 1.9790.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias. 10 2. Si las cinco primeras matr´ ıculas son de Humanidades. siendo: a P (ξ = k) = 1. Si un determinado d´ se realizan ıa 20 matr´ ıculas. mientras que el otro 40 % lo hacen en carreras de Humanidades.11714. en total haya al menos 6 en Ciencias m´s que en Humanidades. 5. La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. 4.410 · (1 − 0. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. no haya m´s de 12 matr´ a ıculas en Ciencias. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.4k · (1 − 0.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3.4) . .6 = 0.

0 ≤ x < k cuando k ≤ 1. F es funci´n de distribuci´n. 1 − a k (1 − x) ≥ 0. 1] ∩ [1/2. En particular. 1] | [1/2. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. debe verificarse que F (x) ≥ 0. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 0 ≤ x < k F (x) =  1. 2].i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. o o Bajo la condici´n 0 < k ≤ 1. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. 1 − k(1 − x). podemos definir una nueva variable η. ∂x Adem´s. 2]) P ([1/2. 2]) P ([1/2. 1] condicionada por [1/2. tambi´n binomial. 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.0271. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1.4. calculemos la probabilidad pedida: o P ([1/2. k≤ x Calcular la probabilidad de [1/2. 2]) = = P ([1/2. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k.5851.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. por lo que se tiene que.4159 = 0. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. De esta forma: a) La probabilidad de que en total haya igual n´mero de matr´ u ıculas en Ciencias que de matr´ ıculas en Humanidades es: P (η = 5) = Fη (5) − Fη 5− = 0. en o o ese caso. 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. Ya que k > 0. 1]) = P ([1/2. pero con par´metros n = 20 − 5 = 15 e a y p = 0. se tiene que ∂F (x) = k > 0.4032. 5. P3. 0 ≤ x < k. para todo x. Sin embaro o go. las cinco primeras son en Humanidades.

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

8] × {0. x] × (−∞. b] × (−∞.4. 1]) = P ((−∞. d]) + P ((−∞.2. 0.5) × (0. P [0. y ≤ 1. [0. y]) = P ((−∞.4) × [0.4 · (0.5 + 1) /2 − 0. x] × (−∞.3 + 0. d]) = P ((−∞. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. 0.504. x] × (−∞.5]) = 0.4. 0)) = 1/2 − 1/2 = 0. 0]) − P ((−∞. 1]) − P ((−∞.25.4 + 0. P ([−2.5] Sea la probabilidad en IR2 : P ((−∞. c]) −P ((−∞. b] × [c. x) × (−∞.5·(0.3 · 0.5} .4) /2− 0. P ({1.2. 0. 2)) = P ((−∞.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0. 1]2 {(x.4) × [0. 0.4·0. a] × (−∞. P ([1.4 + 0.3 · 0.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. teniendo en cuenta que: P ([a. .2.5) × (0.4) /2 = .4. (0.4.4 · (0. puesto que: a P ((−∞. y)) .3 + 0. [0. estas probabilidades se calculan de manera an´loga. 1) .5 · (0. 0.5}) = 0. y)) = P ((−∞. 3}) = 0.8]2 En caso de que el intervalo sea abierto o semiabierto. b] × (−∞.3. 0. 0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2.00 8. x) × (−∞. 0. 0. P3.3.4 + 0.4) /2 = 0. y]) = xy(x + y)/2 si 0 ≤ x.4) /2] + 0. y]) = P ((−∞.5. Calcular las probabilidades de (0.5 · 1 · (0. d]) − P ((−∞.5 · (0. 0.5 + 0. 2. P ([0. [0. 1)) = 0. a] × (−∞. 3]) − P ((−∞. P ((0. P ({0}) = P ((−∞. y) : x + y ≤ 1}.4. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.4 · (1 + 0.8] × {0.42 ·(0. 2)) − P ((−∞.5 · 0.6]2 ∪ [0. . 3]) = P ((−∞.5) /2 + 0.5. c]).4 · 0.5) /2 − 0 = . De esta forma se obtiene que: P ((0. i i i i . −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .5) /2 −0.

0. se tiene que:   0.6 · (0.6]2 ∪ [0. entonces Fξ (t) = P (φ) = 0.82 · (0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.2.2. Si 0 ≤ t < 1/2. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad. entonces Fξ (t) = 1 Por lo tanto.4.2 + 0. 0. t + 1/2]) = 2t.8 + 0.6) /2 − 0. Teniendo en cuenta la definici´n de la variable aleatoria ξ. 0.4 + 0. 1] con im´genes a trav´s de ξ en (−∞. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.2 · 0.62 · (0.6) + 0.4 + 0. representada o en la figura 3. Si t ≥ 1/2. P ({(x.8]2 −P [0.8) /2 − 0.6 · (0.6]2 + P [0. P3. a e P [0.2.4.42 · (0.8 · (0.28. 0. entonces Fξ (t) = P ([0. t] ∪ [1/2.4) /2 = 0.4.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3. 0.4 + 0. conviene distinguir varios casos: Si t < 0.2.6 + 0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. i i i i . 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. si 0 ≤ t < 1/2 Fξ (t) =  0. 0. 1] : ξ (x) ≤ t}) . t]. 0.2) /2 + 0.6]2 + P [0.6 + 0.4.22 · (0.4) /2 + 0.6) +0.8]2 −P [0. si t < 0 2t.8) + 0.42 · (0. y) : x + y ≤ 1}) = P [0. si t ≥ 1/2.8]2 = P [0.62 · (0.4 + 0.1: Puntos de [0.4 · 0.6) /2 − 0.6]2 = 0.8]2 = P [0.4 · 0.1.6]2 ∩ [0.4. 0.2 + 0. 0.

definida como: 5 ξ (w) = i=1 wi . 6)} y {w : ξ(w) = 29} = w1 . . 6)} . . 2.7] Un dado es lanzado 5 veces. Sea ξ la variable aleatoria que nos indica la suma de los valores de sus caras. w2 . . 6. . 5. 3. 5. k son aquellos elementos de Ω tales que wi = 1. 4. {w : ξ(w) = 4} = φ. w3 . k = 1. donde cada wi representa el resultado del i-´simo lanzamiento del dado. 6. 6. 2. w5 ) : wi ∈ {1. donde {w : ξ(w) = 30} = {(6. w3 . . fξ (t) =  1. w2 . . Hallar los siguientes conjuntos: {w : ξ(w) = 4}. . . {w : ξ(w) = 6}. 2. Sea el espacio de probabilidad Ω. es conveniente definir un espacio para la variable que se va a utilizar. 2Ω . . P . 3. 4. 4. w4 . w2 . w2 . . . k son aquellos elementos de Ω tales que: wi = 6. Los elementos k k k k k wk = w1 . w5 . w4 . w5 . cuyos sucesos elementales son equiprobables. {w : ξ(w) = 30} = {(6. w4 . w3 . Definamos: Ω = {w = (w1 . . w4 . 5} . w4 . . {w : ξ(w) ≥ 29}. {w : ξ(w) = 6} = w1 . . Hallemos los conjuntos que se piden: Evidentemente. ∀i = 1. {w : ξ(w) ≥ 29} = {w : ξ(w) = 29} ∪ {w : ξ(w) = 30}. {w : ξ(w) = 30}. 2. 5. para todo i ∈ k {1. 6. e con i = 1. i i i i . . 6} . w3 . k = 1. Soluci´n o Antes de hallar los conjuntos que se piden. 3. para todo i ∈ k {1. 5} \ {k} y wk = 5. 5. 6. w3 . 5} \ {k} y wk = 2. Sobre dicho espacio se considera la variable ξ. w5 .i i i “libroult” 2001/8/30 page 92 i 92 y por lo tanto: EJERCICIOS RESUELTOS DE PROBABILIDAD   0. si t < 0 si 0 ≤ t < 1/2 si t ≥ 1/2 P3. 6. . w5 . para todo w ∈ Ω. w2 . donde los elementos k k k k k wk = w1 .

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

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

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

9132. 3.72x2 · ∂x = 0. Utilizar (1) para encontrar la media y la varianza de ξ. 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. 71933) = 9.72   0 x > 1.3 = 0 2x4 · ∂x + 0. Los tres primeros momentos ordinarios son E [ξ] .8 0. 0 0. Determinar la funci´n generatriz de momentos de ξ.3 = 0 2x3 · ∂x + 0. Soluci´n o 1. E ξ 2 y E ξ 3 .12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0.8 1. i i i i . el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. 1764 · 10−2 . Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. 71933.8 0. 6092. o 2.72x · ∂x = 0.3 Calcular: 1.8 1. a 3.8 0. 57144. Teniendo en cuenta las propiedades de la esperanza.6092 − (0. E [ξ] = E ξ2 0.3 2x2 · ∂x + 0.8 < x ≤ 1. 2 2 E ξ3 2. 2.72x3 · ∂x = 0. esperanza matem´tica y varianza. para cualquier otro valor 1. E[2ξ + 5ξ 2 − ξ 3 ].3  0.8 1. Soluci´n o 1.8 fξ (x) = 0. x > 0 fξ (x) =  0. P3. 0. los tres primeros momentos ordinarios.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .

volvamos a nuestro problema original. Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . p y por tanto m = 1/p. si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n.14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos. . y. hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. . En el caso de dos. en general.i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3. este n´mero es u 1 + 1/ (5/6) = 1 + 6/5. i i i i . y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. 6) es n 1 6−i+1 6 k=1 . Bajo cada tapa hay exactamente uno. Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno). = E ξ2 . entonces el n´mero medio de extracciones necesario o u hasta que aparece por primera vez ese s´ ımbolo es: m = 1 · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . . . el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1.7 yogures para conseguir los seis s´ ımbolos distintos. DISTRIBUCIONES DE PROBABILIDAD 2. ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general. . . Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8. y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1. Dicho esto. 2 97 | | t=0 = E [ξ] . . la media y la varianza de la variable ξ son: V (ξ) = P3. Por lo tanto. Evidentemente. el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. . E ξ 2 − (E [ξ]) = 96 − 64 = 32. t=0 Por lo tanto. .

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

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

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

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

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

Sin embargo. el grueso de la moneda debe ser 35. 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. i i i i . en su secci´n central (figura 3. entonces g= r = 0. 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. etc. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. P3. es decir. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.. a Dada la simetr´ concentr´monos en una secci´n de la esfera. para dar una respuesta con esta segunda herramienta. las caracter´ ısticas de la superficie sobre la que cae.4).5). la elasticidad de la moneda. e o plo.354r. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 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. 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. arctan (π/3) En otras palabras. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. debe cumplirse que α = 2π/6.3).3: Esfera que circunscribe los bordes de la moneda. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. Por ejemıa.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto.

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

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

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

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

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

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

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

Su funci´n de probabilidad es: o Pξ (k) = A k · N n B n−k . para k = 0. N N N −1 n· V (ξ) = Variable Aleatoria Binomial Negativa: Dados dos n´meros n y p. 1. para todo k = 0. . . Esta variable sigue una distribuci´n de Poisson de par´metro λ. n. 1. con λ > 0. . . Algunas caracter´ e ısticas de esta distribuci´n o son: E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = n · (1 − p) p n · (1 − p) p2 n p 1 . se llama variable aleatoria Binomial Negativa de par´metros n y p a una variable a aleatoria que toma valores k = 0. . . . 1 − (1 − p) · t 1−p n p . . para todo k = 0. . 1 − (1 − p) · et n p 1 − (1 − p) · eit Variable Aleatoria de Poisson: Consideremos la variable que mide el n´mero de sucesos que ocurren en un intervalo de amplitud fija. k! i i i i . 1]. para |t| < .i i i “libroult” 2001/8/30 page 111 i CAP´ ITULO 4. u con n natural y p perteneciente al intervalo [0. A. 1. . y representa una variable aleatoria que mide el n´mero de fracasos que ocurren antes de obtener n u ´xitos con una secuencia de pruebas independientes de Bernoulli con e probabilidad de ´xito p. Se tiene que: E [ξ] = A N A B N −n n· · · . para (1 − p) et < 1. k Se denota por ξ ∼ BN (n. 1. p). y tiene como funci´n de o probabilidad: Pξ (k) = n+k−1 k · pn · (1 − p) . y se denota ξ ∼ o a P (λ). . PRINCIPALES VARIABLES ALEATORIAS 111 an´loga a la Binomial. B). y se denota por ξ ∼ H (n. pero se basa en un muestreo realizado sin a reemplazamiento. u siendo λ el promedio de sucesos en dicho intervalo. Su funci´n de probabilidad es: o Pξ (k) = λk −λ · e . . .

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

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

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

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

. 2 P (η10.05 = 2) = 2.05) = 0.2.05i · (1 − 0. con distribuci´n o i i i i . Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. de acuerdo con el dato o a inicial del problema.05. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . Adem´s.9884. i 3.4013.05) = 0 = 1 − 0.i i i “libroult” 2001/8/30 page 116 i 116 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Sea ξi una variable aleatoria que representa el estado de una unidad terminada en la l´ ınea de ensamblaje en el momento i.05 = 0) = 10 10−0 = 1− · 0. . . Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.052 · (1 − 0. esto es. .05 ≤ 2) = i=0 10 10−i · 0. 1.05) = 0. que el 20 % de las personas que reservan una mesa no asistir´n. ηn.p = ξi .0.0.05 ≥ 1) = 1 − P (η10.0746. o por experiencia. Hechas estas consideraciones iniciales. Se tiene que: 2 i=1 10 8 · 0.0. procedea mos a resolver el problema. ¿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. . Por ultimo: ´ P (η10.050 · (1 − 0. Procedemos a calcular: P (η10. ξn ). de un ı. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.05. . total de n reservas (ξ1 . n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. .0. ξn ). de acuerdo con el enunciado del ejercicio. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. .2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. P4. sigue una distribuci´n binomial de o par´metros n y p = 0.5987 = 0.

PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. 27067. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. Considerando que se cumplen ciertas condiciones de regularidad. De la misma forma.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. o a Por lo tanto. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. 1. Entonces. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento.2i · (1 − 0.41696. 3. 2. la probabilidad deseada es la siguiente: P (η = 1) = 2. a n = 25. 2381. 21 −2 · e = 0.5799. i! 3.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. i P4. Si el n´mero promedio de estos fallos es ocho. debe ocurrir que acudan 20 o menos. u 1. 1! An´logamente. En el caso particular del problema. As´ se tiene que: ı. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2.2) = 0.2. i! i i i i . ¿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. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0.

hallar la funci´n generatriz de probabilidades de ξ. u 1. Definamos tambi´n un e conjunto B formado por los (k1 . .) en concepto de tostadores o de pan a lo largo de esa semana. no el palo. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . La ganancia de cada tostador vendido es de 500 ptas.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. . Si ξ representa la suma de los n n n´meros que aparecen en las cartas. . si t < 0  0   t/500 t = P (ξ = i) . Sin embargo. calcular P (ξ = k) y E[ξ] .4] Una gran tienda de art´ ıculos el´ctricos descubre que el n´mero ξ de e u tostadores vendidos por semana obedece a una ley de Poisson de media 10. . con valores equiprobables 1. o u i i i i . de una baraja espa˜ola (4 palos de 10 cartas cada uno). es decir. si 0 ≤ ξ < 10 η= 5000 . podemos definir una variable aleatoria η. o P4. . . Soluci´n o Teniendo en cuenta los datos del problema. . y que a lo o largo de esa semana no van a poder traer m´s del almac´n. 2. 10}. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. . que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. para todo k ∈ A = {1. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . si ξ ≥ 10 En el segundo caso. . a partir de la variable ξ: 500 · ξ . . o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja.. una a una con reemplazamiento.5] Se extraen n cartas. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces.6) para una simple o a e funci´n real g. siendo ıda P (η = k) = 1/10. 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. un lunes se encuentran con que s´lo les quedan 10 tostadores.10. Determinar la a e distribuci´n de las ganancias totales (en ptas. . si la demanda ξ es de m´s de 10 tostadores. si t ≥ 5000.2. u La distribuci´n de las ganancias totales en pesetas es. a si supera al n´mero de existencias.

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

siendo p la probabilidad de obtener un as en un lana zamiento del dado. supuestas ciertas condiciones de regularidad. 36 P4. Calcular: 1. 2. Si est´ marcada con a k. P (ξ1 = k|ξ2 = j). Soluci´n o N´tese que la variable ξ1 . . 2. . la probabilidad que se pide calcular es: P (ξ > 3) = P (ξ > 1) 1− 3 i=1 5 i−1 6 5 0 6 · 1 1 6 P (ξ > 3 | ξ > 1) = 1− · 1 1 6 = 25 = 0. 4. i 2. El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . 6944. 2. Esta variable es una geom´trica de e par´metro p = 1/6. n j=1 i j=1 i=j i i i i . E[ξ1 ]. o 1. . . . o puede tomar los valores 1. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . n i=1 n = Obs´rvese que si j > i. . para todo k = 1. n. . . se selecciona una segunda tarjeta entre las k primeras. n. E[ξ2 ]. Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 . por lo tanto. para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. con P (ξ1 = k) = 1/n. . .7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. 3. Sin embargo. P (ξ2 = j). . entonces P (ξ2 = j | ξ1 = i) = 0.i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. . n se selecciona aleatoriamente una tarjeta. 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.

. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. se calcula: P (ξ1 = k|ξ2 = j) =    = 4.3. el n´mero medio de visitas diarias que ı. . a y por tanto E [ξ] = n (1 − p) /p. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. definamos un conjunto de variables aleatorias ξ1 .3 Por otra parte. . Se asume que las visitas realizadas son independientes entre s´ Entonces.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . si j > k Por ultimo. 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). . 29175. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. 333. a lo largo de un mes. . p 0. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . Se ıas tiene que: 30 P (ξ1 ≤ 40. Procediendo de forma similar al primer apartado.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. PRINCIPALES VARIABLES ALEATORIAS 3.3. de acuerdo con los datos del problema. si j ≤ k .7i i = = 0. . 9597730 = 0.7 + 10 = 10 · + 10 = 33. . i i i i . .310 · 0. n i=1 2 i=1 P4.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. ¿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.

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

i i

i

“libroult” 2001/8/30 page 123 i

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

123

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

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

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

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

·

,

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

·

=
n−k B−n+k+1

= =

A−k k+1

·

A k

·

·

B n−k

A+B n

=

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 124 i

124

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

2 3

5

,

5 6

5

= P (η = 0) ,

= P (ξ = 0) · P (η = 0) =

5 6

10

,

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

pi =
i=0 i=0

1 · 1+µ

µ µ+1

i

=

1 1 · = 1, 1 + µ 1 − [µ/ (µ + 1)]
i

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

i i i

i

i i

i

“libroult” 2001/8/30 page 125 i

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

125

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

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

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

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

E [ξ]

=
k=2n+1

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

1 2n − 1

2n−1

k=
k=1

= 2n +

i i i

i

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

Teniendo esto en cuenta. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0. 4.2 · et + 0. 5. 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. si φξ es derivable k veces en un entorno del origen. 2.2.8) . Si G (t) es derivable en un entorno del origen k veces.2k · 0. 0 3. 1. en este caso. Esperanza y varianza.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 67232.20 · 0.2k · 0. k = 0.85−k .2 · elnt + 0.85−k = 0.6656. 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. 5 Se verifica que.2 · et − 1 = 0. As´ ı: P (ξ = k) = 5! · 0.2 · t + 0. −1 t=0 · 1. 2. ∂tk t=0 En concreto.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk . t=0 = 0. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ . mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e . 3. 5.8 i i i i . 4. para todo k = 0. Por lo tanto: φξ (t) = Gξ (lnt) = 0.8 4 · et t=0 = 1. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. 3. PRINCIPALES VARIABLES ALEATORIAS 3.6 + 0.85 = 0. 5 = (0. k 4.8 1. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . (5 − k)! · k! 2. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0.2 · et + 0. 1.

N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. i i i i .59399. Se pide: 1. a 2. 3. Funci´n de probabilidad. 1. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . con media 22 minutos. o 1. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. . 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. . Soluci´n o Procediendo de forma an´loga al ejercicio anterior. k! 3. o 2. . Por ultimo.32332. Esperanza y desviaci´n t´ o ıpica. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . k! para todo k = 0.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. 1 · 2k · e−2 .16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. P (ξ > 1) y P (ξ > 2). −1)+t t=0 P4. t=0 −1 − 4 = 2.

129 El costo de reparaci´n es de 2000 pts. para un tiempo de reparaci´n dado. Debe verificarse: P (ξ > t) = 0. x > 0. 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). As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . se cobran a 2000 pesetas). 22 3. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. La probabilidad de que un tiempo de reparaci´n sea menor que diez o minutos es: 10 P (ξ < 10) = 0 1 · e−x/22 ∂x = −e−x/22 22 10 0 = 1 − e−5/11 .1. este ultimo inclusive.1 y esto se cumple para t = −22 · ln0. = i i i i .i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4.? a o Para efectuar una programaci´n. Te´ niendo esto en cuenta. 657 ∼ 51 minutos. ¿cu´nto tiempo se debe asignar a o a cada reparaci´n para que la probabilidad de que cualquier tiempo o de reparaci´n mayor que el tiempo asignado sea s´lo de 0.1? o o Soluci´n o Definamos una variable aleatoria ξ que representa el tiempo de reparaci´n o (en minutos) de las m´quinas y sigue una distribuci´n exponencial de a o −1 par´metro λ = (E [ξ]) = 1/22. Por lo tanto. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. (Todos. 3. o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. De acuerdo con el enunciado. PRINCIPALES VARIABLES ALEATORIAS 2.1 = 50. inferiores a 30. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 . 22 1. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos). por cada media hora o fracci´n. 2.

Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. En cambio. Este es el suceso complementario de “en un c´ ırculo de radio x. Encontrar p en t´rminos de λ. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. es decir. descontado el punto central.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. es decir. si x < 0 . Claramente Fξ (x) = 0 cuando x ≤ 0. . descontado el punto central. 1.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. 2 1 2λπx2 e−λ·π·x ∂x = √ . y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . que el n´mero de plantas en una regi´n con o u o ´rea A es una variable aleatoria de Poisson de par´metro λ · A. se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ .i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. si x ≥ 0. si x ≥ 0. 2 λ P4. 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 . 2. . i i i i . Elegida a a una planta al azar. si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x. cuando o x > 0. sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. Consecuentemente. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . Fξ (x) = 0 2 1 − e−λ·π·x . Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. no hay ninguna planta”. 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 ∞ . entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. hay al ´ menos una planta”. . si x < 0 . Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. Para cualquier k = 0.

en [−1. σ). 2.3333 = −0. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . (1 − µ) /σ = z0. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . 2. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . Soluci´n o Si ξ es una variable uniforme en un intervalo [a. de lo que se obtiene que µ = 0.9.19] Sup´ngase que ξ se distribuye como N (µ. 4 es decir. A partir de estas dos condiciones.6745. 1]. 1]. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1.4307. 3. a P (ξ ≤ 1) = FZ 1−µ σ = 3 .75 = 0. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. En este caso. b] . k 131 P4.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS es decir. en el intervalo [0.6667 = 0. 2].4307 y. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. ıan procediendo de modo an´logo. en [−1. las ecuaciones ser´ −µ/σ = z0. para todo u ∈ [a.obteni´ndose finalmente que µ = e 0. b] . 1.16. o o i i i i .39 y σ = 0. σ 3 luego (1 − µ) /σ = z0. P4. a < b.4307. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . 3 de donde se deduce que −µ/σ = z0. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar.5 y σ = 1. podremos obtener dos ecuaciones lineales en µ y σ. 2.3333 = −0.

o que denominaremos η. Si [a.22] Supongamos que una part´ ıcula es lanzada desde el origen del plano xy en l´ ınea recta que forma un ´ngulo θ con el eje x. si se quiere ver la distribuci´n del cuadrado de esta variable. Ver que es sim´trica respecto al cero pero que no tiene esperanza. e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. en cada caso particular: e √ 1. La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) . su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e . Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1.21] Encontrar la distribuci´n de cξ. b] = [−1. b] = [−1. a entonces fξ (y) = [π(1 + y 2 )]−1 . 2]. P4. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . Esta distribuci´n se llama distribuci´n de o o Cauchy. Fη (c) = c. b−a b−a b−a obteni´ndose. la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . π/2). Si [a. √ 2. donde c es una constante positiva y ξ o una exponencial de media θ. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2. b] = [0. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. Si [a. Fη (c) = 2 · c. 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 − = . 1]. 1].i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. Fη (c) = 2 c/3. √ 3. P4. θ y su funci´n de distribuci´n ser´. x > 0.

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

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

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

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

3 (3.3.2.2. 2. 9. 4) 1/2 · (1/3) 7 1. Se capturan k lagartos.3. 2.3. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1. 6) 1/2 · 1/3 · 1/6 9 1.2 (1. 9) 1/2 · (1/6) 13 3 2.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 6. 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. 8) (1/3) 14 2 2.2.3 (2. 4.3.2 (2.2.2 (2.2 (3. Si N = 12.2 (3. 18) 1/3 · (1/6) 26 2 3.3. 18) 1/3 · (1/6) 27 2 3. 3.3 (3. 9 P4.3.3 (2. o Si k = 4 y m = 1. ¿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 . 4 P (η > 8|ξ ≤ 1) = = 7 .3 (1.2 (1. 12) (1/3) · 1/6 21 2 3. 12) (1/3) · 1/6 20 2 2.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. 6. a 1. 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 . 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. Obtener una expresi´n para la probabilidad de que ξ = m. 4. 6. 3.3 (1. demostrar que la probabilidad es m´xima cuando a N = 4n. 9. 2. 6. 6) 1/2 · 1/3 · 1/6 10 2 1.2. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 12) (1/3) · 1/6 18 2 2. k = 4 y n = 3. e se les marca y se les reincorpora a su poblaci´n. 3. 18) 1/3 · (1/6) 30 3 3.2.

k = 4 y n = 3. 1. P4. o e 1. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. . y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. 3. n. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. . 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. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. Si N = 12. . ¿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.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1.. P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. m = 0. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . ξ ≥ 1) P (ξ = 3) 1 = = . . ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . 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.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 2. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2.

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

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

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

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

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

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

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

y ≥ 3     si 2 ≤ x < 3. P {(3. Por lo tanto: P (x. 2). Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. 2 ≤ y < 3 F (x. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). Considerando los distintos casos posibles. 10 negras y 25 blancas. y) ∈ IR2 : x + y = 4}. 2)} = P {(2. 2)} = P {(1. y) ∈ IR2 : x + y = 4 = P ({(1. 3)} = o 1/6. y) = si  1/3  1 ≤ x < 2. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. y ≥ 3  2/3   1 si x ≥ 3.2] Sea una urna con 15 bolas rojas. 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.1] Sea la funci´n de masa P {(1. P5. eno tonces cada componente es una variable aleatoria discreta. u u 1. o o 2. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . P {(x. Calcular: 1. o i i i i . 3)} = P {(2. la funci´n de distribuci´n bivariante asociada. Hallar las funciones de distribuci´n marginales.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. Soluci´n o 1. 2)}) = 1/3. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . 3) y (2. o 2. 2 ≤ y < 3  1/6 2 ≤ x. y ≥ 3 2. 3)} = 2/6. 3)}) + P ({(2. Ejercicios Resueltos P5. Calcular la funci´n de probabilidad conjunta. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. k2 ).

η = 3) + P (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 = 3) = P (ξ = 1. i. . y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . sin reemplazamiento. Se extraen dos bolas de la urna. . por: P (ξ = x. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. Por lo tanto: P (0 < ξ ≤ 2. η = 3) = 0.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5.4] Una urna contiene tres bolas rojas. P5. 10−y P (η = y) = · . 2. j = 0. j = 0. η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . 2. 1. 1. η = j) = 4 3−j 17 . Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0.3] Sea el vector aleatorio (ξ. j)tales que i. 24 = 1− j=0 1 3 120 0 3 j = P5. Sean las variables ξ y η definidas como ξ = 1 si la bola extra´ en primer lugar es roja y 0 si ıda no lo es. tres blancas y cuatro negras. . para x. 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 . 147 La funci´n de probabilidad conjunta viene dada. 2. teniendo en cuenta o que las bolas se extraen con reemplazamiento. η) con funci´n de probabilidad conjunta: o P (ξ = i. 3 i+j ≤3 Calcular P (0 < ξ ≤ 2. 3 y i + j ≤ 3. . 10} . y ∈ {0. η = j) = 3 i 3 j 4 3−i−j 120 . η = 3) y P (ξ ≥ 1).

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

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

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

. . si · 10−x j = 1/2x . 2.10). si . la probabilidad P (ξ = x. . 3. 2 blancas y 1 roja.8] Definimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias ξ como el “n´mero de lanzamiento en el que aparece u la primera cara (si no aparece cara ξ = 0)”. y = 0 x = 1. Por lo tanto P (ξ = x. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. Calcular la funci´n de probabilidad conjunta. η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . Calcular la distribuci´n de probabilidad o o conjunta. y = 1 x = 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. 1. 10. o Calcular las distribuciones marginales. Distribuciones de ξ condicionada a η = y (y = 0. . 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. .i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. Extraemos 3 bolas sin reemplazamiento. Las correspondientes distribuciones marginales son: i i i i . y = 1 · i=0 10−x j=0 10−y i = 1/2y . si 2. . . 5.7] Consideremos una urna con 3 bolas azules. si 10−y x = 1. 10 x = 0. 4. η = y) ser´ nua la si la otra variable toma un valor distinto de 1. N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero.. Soluci´n o 1. VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5. . y = 2. y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz).

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

η) o es: η|ξ 0 1 2 3 0 0.1. η = 0) = 0.063 0.027 0.126 4 0 0. P5. y) pertenece al recinto limitado por las rectas x + y = 1. las variables ξ y η no son independientes.294 0 0.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. η = 2)+P (ξ = 2. Calcular las funciones de densidad marginales.441 0. y = 0.343 1 Adem´s. 3. 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. 2. 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. 1. VARIABLES ALEATORIAS BIDIMENSIONALES 1. η) una variable aleatoria bidimensional con funci´n de densidad o f (x.33−x · 0.027 0 0 0 0. η = 0)+P (ξ = 1.027 2 0 0. 3 · 0.294 8 0 0 0 0.147 0 0. i i i i . Calcular las funciones de densidad condicionadas. x = 0.343 0.189 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ. 3.126 0 0 0. 3. u dar la distribuci´n conjunta de (ξ. 2. η).21 6 0 0 0.7x . η = 4) = 0. y) = 24y (1 − x − y). 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. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1. η) . x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. si (x. 3. 2.343 0.36 . Esto puede observarse en la figura 5. pues: a P (ξ = 0.10] Sea (ξ. 1.3. para x = 0.33 = P (ξ = 0) · P (η = 0) = 0.

i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.2: Regiones del plano para el problema P5.1: Diagrama para el ejercicio P5.10.9. y R4 R3 R2 R1 R6 R5 x Figura 5. i i i i .

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

η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1.η (x. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1.11] Sea (ξ. Por ultimo. P5.3: Regiones del plano para el problema P5. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. y fη|ξ=x (y) = f (x. Dado que la funci´n de distribuci´n es uniforme.3. la funci´n de distribuci´n es: o o si (x. es decir.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. i i i i . x = 2. y) = 0. Calcular o la funci´n de distribuci´n. 0 ≤ y ≤ 1 − x. k = 1. Por tanto. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. 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. 0 ≤ x ≤ 1 − y. si (x. y) ∈ R2 : F (x. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. y = 0.11. entonces o o fξ. y) = xy − y 2 .

x ≥ 0. y) = 0 cuando (x. Calcular las funciones de densidad condicionadas. y) ∈ R3 : F (x.4. De este modo. y) = y(2 − y). 2. Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. y) arbitrario pero fijo: i i i i . y ≥ 0 . y) = si (x. considerando un punto (x. y) = 4/π cuando (x. y) = 1. Soluci´n o 1.12] Sea (ξ. o o Calcular las funciones de densidad marginales. y o a f (x. Consideremos las zonas del plano indicadas en la figura 5.12. P5. y) ∈ IR2 : x2 + y 2 < 1.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. si (x. y) ∈ R5 : F (x. 3. y) est´ fuera de R2 . 1. Calcular la funci´n de distribuci´n conjunta. y) est´ en R2 . 4 F (x. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x.4: Regiones del plano para el problema P5. si (x. La funci´n de densidad es f (x. y) ∈ R4 : x2 .

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

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

(n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. n P5. Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 .ζ (w. 0 ≤ z ≤ w.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2.ζ (w. 0 ≤ w ≤ 1. se eligen al azar tres n´meros a.ζ (w. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. Calcular la o probabilidad de que tenga soluciones reales. De la misma forma. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . n−2 fη. z ≤ w. n+2 −n . Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . a fζ|η=w (z) = fη. An´logamente. E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5. n−2 = n (n − 1) (w − z) . z ≤ w ≤ 1. 0 ≤ z ≤ 1. n+1 n . . E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . = · w (w − z) n−2 i i i i . 0 ≤ w ≤ 1. 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 . se obtiene: 1 2 (n + 1) (n + 2) 1 . 4. para 0 ≤ z ≤ 1.14] Dado el intervalo [0. z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . z) y por lo tanto: fη|ζ=z (w) = 3. 1]. = n (1 − z) n−1 .

i i

i

“libroult” 2001/8/30 page 161 i

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

161

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

4AC =

= 1−
0 0

fB (b) · ∂b ·fξ (x)·∂x−
1/4 0

fB (b) · ∂b ·fξ (x)·∂x.

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

=
0 1 0

fC (c) · ∂c · fA (a) · ∂a
x/a

+
x 0

fC (c) · ∂c

· fA (a) · ∂a =

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

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

i i i

i

i i

i

“libroult” 2001/8/30 page 162 i

162

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R4

R3 x R2

R1

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

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

cyex ∂y ∂x = 1,

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

F (x, y) =
−∞

−tes ∂t ∂s =

x2 y2 −x+1− 2 2

ex ,

si y ≤ x:
y y s

F (x, y) =
−∞

−tes ∂t ∂s = (1 − y) ey ,

si x ≤ 0, y ≥ 0:
x 0 t

F (x, y) =
−∞

−tes ∂t ∂s =

x2 − x + 1 ex , 2

i i i

i

i i

i

“libroult” 2001/8/30 page 163 i

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

163

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

Fξ (x) Fη (y)

=
−∞ y

−tes ∂t ∂s =

x2 − x + 1 ex , para x ≤ 0. 2

=
−∞

−tes ∂t ∂s = (1 − y) ey , para y ≤ 0.

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

Rx −yes ∂s R−∞ y s
−∞

−ye ∂s

= ex−y

si x ≤ y si y < x.

1

  

Ry −tex ∂t Rx 0 x
x

−te ∂t

=1−

y 2 x

si x ≤ y ≤ 0 si y ≥ 0 si y < x.

 1  0

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

eity fη (y) ∂y

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

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

i i i

i

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

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

17. 15646.7: Plano de la finca del ejercicio P5. 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. 1. Hallar la funci´n de distribuci´n de la coordenada η. P5. El ladr´n. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. la probabilidad que se pide es: 2236.7. η).17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. 3. y cero en otro caso. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. 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. una con frutales y otra con hortalizas. i i i i . a un ladr´n que se encuentra en los o frutales. en menos de 15 segundos. El perro corre a 10 m/s. tal como muestra la figura 5. y por lo tanto. En la esquina 0 duerme el perro guardi´n. que queda inm´vil al e o o o despertarse el perro. se encontrar´ en un punto aleatorio de la finca (ξ. Cuando el perro se a despierta. Hallar la primera coordenada de la posici´n media en que se da o caza.5 π(1002 −302 ) 2 = 0.5. o o 2. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo.

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

η (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. donde T := (ξ + η)/10 y S := ξ. η). Concretamente. dado que ξ = S y η = 10T − S entonces fT. S). 10t − s). Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. i i i i . La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. η ≥ 100.S (t. teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. ξ + η ≤ 150) P (η ≥ 100. Otra o alternativa m´s propia de este cap´ a ıtulo consiste en calcular la funci´n o de densidad conjunta de la variable (T. 3. 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. s) = 10 · fξ. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. 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 dice que la sucesi´n converge en probabilidad o a una variable aleatoria ξ si. ım en todo punto x en el que Fξ sea continua. para cualquier > 0: n→∞ L L l´ P ({w ∈ Ω : |ξn (w) − ξ(w)| > }) = 0. Si r = 2. ım Se denota ξn → ξ. se dice que la sucesi´n converge en media o cuadr´tica hacia la variable ξ. ξn → ξ. Sea {ξn } una sucesi´n de variables aleatorias definidas sobre el espacio de o probabilidad (Ω. Si existe una funci´n o o o de distribuci´n Fξ tal que: o n→∞ l´ Fξn (x) = Fξ (x). ım r y se denota ξn → ξ. para o alg´n r > 0. ϕ. 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. P ). diremos que Fξn converge en ley a Fξ . o. r Sea {ξn } una sucesi´n de variables aleatorias tales que E [ξn ] < ∞. 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. y se denota Fξn → Fξ . equivalentemente.

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

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

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

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

Sean ξ1 . del total de u 30 que responde al azar.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. ım 2 Sin embargo. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. que acierta el primer empleado. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. . ¿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. 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. a 2. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. ξ2 . 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. . de acuerdo con la Ley D´bil de los Grandes N´meros. a i i i i . siendo p = 2/3 su probabilidad de encestar en cada tiro. n´tese que E |ξn | = 1. . esta proporci´n converge en probabie u o lidad a 2/3. Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. 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. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. i=1 ξi /n es la proporci´n de aciertos. .6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. a P6. 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. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. P6. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. Realizados n e n o tiros. Si uno de los dos empleados contestara al azar a todas las preguntas.

X = n 104 i=1 Xi . n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. CONVERGENCIA 1. y aplicando el Teorema Central del L´ ımite. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. n1 · p1 · (1 − p1 ) = 7.5438 P6. i = 1. Procediendo de forma an´loga a los casos anteriores. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. en el caso de que ´ste responda las 80 pregune tas al azar. a 100 + 0.5 − 30 √ 15 = 0. Teniendo en a cuenta lo anterior.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. Z> 10 + 0. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada.5 = 0. a una normal de par´metros µ = 104 y σ 2 = 104.9495 De forma similar al apartado anterior.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 = 1.5 − 40 √ 20 = 0. . 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi .5) . y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. 175 Aproximemos. mediante el Teorema Central del L´ ımite. Z> 30 − 0. n2 · p2 · (1 − p2 ) = 15) . .5 − 15 √ 7.6331 i i i i . . aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. 2. . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0.

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

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

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

4 0.6) .82 ) = 0.3.4 − 1. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi .4] Sean: y= x + 2.62 ) · (5.6 · 1.6 P (Y = yi ) 0. o Determinar la recta de regresi´n de Y sobre X. 15 x y = + 1. Y = yj ) = 3. o 179 Soluci´n o 1. REGRESION Y CORRELACION 1.8 − 1.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. P7.8 (2.6.4 j=1 E [Y ] = = Finalmente: ρXY = 2.3 − 1. xi P (X = xi ) = 1. 58333.4 0. E Y 2 j=1 2 2 yj P (Y = yj ) = 5. 2. 9 i i i i . Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.8.8 = 1.75 · (x − 1. 3.8 i yj P (Y = yj ) = 1. Obtener el coeficiente de correlaci´n de estas variables. La recta de regresi´n de Y sobre X es: o y − 1.

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

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

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

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

Sign up to vote on this title
UsefulNot useful