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

.

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

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

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

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

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

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

¿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: 1.2 ). y adem´s coincide con el n´mero de posiciones para los puntos (C5. i i i i . respectivamente. 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. COMBINATORIA 15 P1. 2. cruz”. cruz. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. cruz”. 2. y que las monedas no pueden distinguirse entre s´ existen CR2. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. Estos casos son: “4 caras y 0 cruces”. s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. se tendr´ un total de P5 = 5! posibles ordenaciones. a u P1. bles.8] Cuando se arrojan simult´neamente 4 monedas. P1. cara. es decir. “2 caras y 2 cruces”. 2.2 = 6 ı resultados de dos caras y dos cruces.9] Cuatro libros de matem´ticas. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. etc. dividiremos por las posibles permutaciones de cada uno de ellos. hay C4. cara. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). “cara. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. “cara.4 = 5 resultados posiı. cara”. cara.4 = 24 = 16 resultados posibles. Como las monedas se arrojan simult´neamente. Estos casos son: “cara. cara. obteniendo as´ un total de ı C5. Pero. los libros de cada materia han de estar juntos. cara. Suponiendo que las monedas son distintas: 1. cruz. cara. “1 cara y 3 cruces”. En este caso.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. a 1. “cara.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. “3 caras y 1 cruz”. hay un total de V R2. y “0 caras y 4 cruces”.7] ¿Cu´ntas letras de 5 signos con 3 rayas y 2 puntos podr´ tener el alfabeto a ıa Morse? Soluci´n o Si se consideran como cinco s´ ımbolos diferentes entonces.

as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas.7 = 10·9·8/ (3 · 2) = 120 ı. Por otra parte. 2. 1.3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. puesto que los libros de cada materia son indistinguibles. e 1. que consideraremos diferentes para este c´lculo inicial. P1. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. que adem´s no podr´n repetirse. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas. 2. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y. respectivamente. 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). Por a lo tanto. maneras. resultando un total de C6. ı Consideremos los cuatro libros de matem´ticas como una unia dad. Supongamos que los libros de cada materia son id´nticos. P1. hay 3! = 6 ordenaciones posibles de las materias. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas. 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. si las 4 primeras son obligatorias. Consideremos cada conjunto de libros de una misma materia como una unidad. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. N´tese que entonces se tendr´ un total de 3 o ıa unidades. que pueden ordenarse de 3! = 6 formas distintas. existen 9! = 362880 maneras de ordenar estas 9 unidades.11] Con 7 consonantes y 5 vocales ¿cu´ntas palabras se pueden formar que a tengan 4 consonantes distintas y 3 vocales distintas? i i i i . Por lo tanto. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. es a a irrelevante. En este caso tendremos una unica unidad de matem´ticas. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. Entonces. Consideramos cada conjunto de libros de una misma materia como una unidad. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros. As´ puede elegir las preguntas de C10.

2. Se fija uno de los f´ ısicos. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. y C7. todos son elegibles. y C6.14] Tres atletas toman parte en una competici´n. Luego hay un total de 10 · 35 = 350 comisiones posibles.2 = 15 grupos de 3 f´ a ısicos. ¿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 = 10 grupos de 2 matem´ticos. un f´ ısico particular ha de estar en esa comisi´n. existen C5. 3.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n.3 = 10 grupos de 3 vocales distintas. luego existen C5. P1. Puesto que todos son elegibles. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7.4 = 35 grupos de 4 consonantes distintas y C5. y adem´s. ¿De cu´ntas formas podr´ hacerse si: a a 1. o i i i i . a dadas dos estaciones. entonces s´lo hay 1 posibilidad. hay un total de V25. 2. 10 · 15 = 150 comisiones. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos.3 = 35 grupos de 3 f´ a ısicos. 3. a o Adem´s hay C7.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. por lo que hay C5. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000.2 = 10 grupos de 2 matem´ticos. As´ se pueden formar ı. P1. ¿De cu´ntas maneras o a podr´n llegar a la meta? (Pueden llegar juntos) a Soluci´n o Hay varias posibilidades: Si llegan los tres juntos.12] Una l´ ınea de ferrocarril tiene 25 estaciones. es importante saber si corresponden al principio o al final del trayecto.2 = 25 · 24 = 600 billetes diferentes. hay P7 = 7! = 5040 ordenaciones posibles de ´stas.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. Por otra parte.

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

600 posibilidades para las letras.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. El n´mero de permutaciones de las siete personas en la mesa es 7!. Suponiendo que hay 25 letras. ıa ıa P1. 2. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. u Sin embargo. hay: Cn. dada una de estas posibles distribuciones. como no se hacen distinciones entre los asientos en la i i i i . resulta que hay V R25. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. N´tese que. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1. en el caso de que las urnas no fueran distinguibles. no hay restricciones sobre letras y n´meros. no hay restricciones.2 = a e 252 = 625 posibilidades para las letras. 2.m−r = maneras de distribuir las bolas. Por lo tanto. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos. y V R10. 2. COMBINATORIA 19 de CRn−r. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas.16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. si cada individuo se traslada al asiento situado a su derecha. As´ hay V25.r · CRn−r. la posici´n relativa de todos los individuos ser´ la miso a ma.3 = 1000 posibilidades para los d´ ıgitos. por lo tanto.2 = 25·24 = ı. P1.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. El total de historias cl´ ınicas que pueden hacerse es. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10. Se procede de forma similar al caso anterior. 625 · 1000 = 625000.3 = 103 = 1000 posibilidades para los d´ ıgitos. Por tanto. por ejemplo. con la unica diferencia ´ de que ahora las letras no pueden repetirse. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. se observa que.

Adem´s.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. P1. a 3. y adem´s ´stos o a e pueden repetirse. P1. u de sentarse es 7!/7 = 6! = 720.18] 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. As´ el n´mero total de formas ı. 3. hay 120 · 2 = 240 formas de sentarse. Por otra parte. no m´s de dos nombres. P1. 2. o u G (guanina).3 = 273 = 19683 conjuntos de iniciales. Si tiene dos nombres. 4 ´ 5 flores. a a tenemos: 5 C5. se obtiene que hay 6!/6 = 5! = 120 distribuciones. exactamente dos nombres. que puede ser A (adenina). Si tiene dos nombres como m´ximo. hay dos posibilidades: a i i i i . Finalmente. no m´s de tres nombres? a Soluci´n o 1. estando juntas las dos personas particulares. 2. 2.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. se concluye que hay 720 − 240 = 480 formas de sentarse. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. Por tanto. es decir. Procediendo igual que en el apartado (a). hay 6! = 720 formas de sentarse. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. 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. entonces existen V R4. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular.i = 25 − 1 = 31 i=1 ramilletes distintos.20] Suponiendo que hay 27 letras distintas. C (citosina) y T (timina). Por tanto. por 7. hay V R27. sin restricciones.3 = 43 = 64 secuencias distintas. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. 2. Consideremos a esas dos personas como una sola.

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

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

que reciben el nombre de sucesos. A2 ∈ A entonces A1 ∪ A2 ∈ A. Dado que es una imagen matem´tica (abstracta) de un problema (real) no es necesariamente unico para a ´ un experimento dado. 1] 23 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.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.) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A. A) se define una probabilidad como una funci´n o P : A −→ [0. ω ∈ A. etc. pudiendo por tanto existir diferentes espacios muestrales para un mismo problema. 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. Sobre una pareja (Ω. 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. ∅ ∈ A. es decir. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. A1 .

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

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

2. A} . 2. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. 5} .i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. Soluci´n o 1. El resultado de cada lanzamiento individual es de inter´s. si A. 4). Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. 4. P (∅) = 0. w4 . B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). X}} . 1. 2. i i i i . 3. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. e 3. 4. w5 ) : wi ∈ {C. 4} . 3. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. w3 . que puede ser C =“cara” y X =“cruz” (i = 1. Sin embargo. 3. 5) . w3 . Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). si A. o u e 2. Un posible espacio muestral es: Ω = {w = (w1 . 3. P2.2] Una moneda es lanzada cinco veces. 2. A. 3.3] Dado (Ω. tral es: Ω = {0. 3. B ∈ A: P (A \ B) = P (A) − P (A ∩ B). w2 . 5. demostrar: 1. i = 1. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). S´lo el n´mero de caras es de inter´s. si A ∈ A: P (Ac ) = 1 − P (A). 4. P ) un espacio probabil´ ıstico. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. un posible espacio muestral es Ω = {w = (w1 . P2. w4 ) : wi ∈ {B. 2. w2 . 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)). As´ un posible espacio muesı. si A. pero que la afirmaci´n rec´ e o ıproca no es cierta. 2.

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

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

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

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

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

no se cumple la ultima condici´n para la inde´ o pendencia. Por tanto. Este espacio es equiprobable. A2 y A3 son independientes por pares. j = 1. 36 12 3 1 = = P (B) · P (C) . 4. sin embargo. 3. 36 4 1 3 = = P (A) · P (C) . B = “El resultado del dado 2 es un no par”. P ((i. 2. donde i representa el resultado del dado 1 y j el resultado del dado 2 (i. j) : i. 6. C = “Los dos dados dan el mismo resultado”. j)) = 1 6 2 = 1 . 6} . Un espacio muestral es Ω = {(i. 5. 2.i i i “libroult” 2001/8/30 page 34 i 34 EJERCICIOS RESUELTOS DE PROBABILIDAD “Si A1 . y su cardinal es |Ω| = 62 = 36. Supongamos que se realiza un experimento aleatorio que consiste en lanzar dos dados distinguibles (1 y 2). j = 1. 36 12 1 24 i i i i . esto no implica que necesariamente sean independientes”. j = 1. 4. 2. 36 2 2 36 6 Son independientes por pares ya que P (A ∩ B) = P (A ∩ C) = P (B ∩ C) = 9 1 = = P (A) · P (B) . 36 12 pero. 4. 3. 6) . 5. Entonces: P (A) = 18 1 1 6 1 = P (B) = P (C) = = . ya que las probabilidades: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) = son diferentes: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) 6·3 1 = . 36 para todo i. 5. Definamos los sucesos: A = “El resultado del dado 1 es un no par”. 3.

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

P ({1. c c c A ∩ B = (A ∪ B) = {5. Obs´rvese. 2} . pues. 6} . 6. 6} . 5. se obtiene: A ∩ B c = {1. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. 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}) P2. 5. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. definimos un espacio muestral Ω = {1. 2. 3. para todo i = 1. P (A|B) = P (Ac |B c ). con P ({i}) = 1/6. 2. . 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 3. 4.13] ¿Son ciertas las igualdades: 1. . La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. pues. 5. pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. 4}. 2. 2} y B = {3. . utilizando nuevamente el ejemplo del primer apartado. c Sustituyendo en las correspondientes expresiones. P (A|B) + P (Ac |B c ) = 1. si utilizamos los datos del ejemplo del apartado anterior. P (B c ) P ({1. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. que verifican: e A ∩ B = ∅. en el contraejemplo del apartado (a). 3. P (A|B) + P (A|B c ) = 1? Soluci´n o 1.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 6}) 2/6 1 = = . B = {1. i i i i . . Definimos tambi´n los sucesos A = {1. 2. 6}. 2.

6}) 1 2/6 = . 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 (B|A) = 1/2 y P (A|B) = 1/4. P (A|B) = 37 P2. P (A|B) + P (Ac |B c ) = 1.15] Sean A y B dos sucesos tales que P (A) = 1/4. 2. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. i i i i . 3. A ⊂ B.14] Demostrar que si dos sucesos A y B son independientes. A y B son incompatibles. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. 5. Ac y B c son independientes. 6. 5. Decir si son ciertas o falsas las siguientes relaciones: 1. En efecto.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. c concluy´ndose as´ que Ac y B c son independientes. entonces Ac y B c son independientes. e ı P2. Soluci´n o 1. A y B son independientes. 2. 4. P (Ac |B c ) = 1/2. y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. P (A) P (A) 2 por lo que no es posible que A ⊂ B. N´tese que si A ⊂ B entonces A ∩ B = A.

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

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

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

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

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

2. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. con la segunda opci´n. apostar los 20 euros sobre “pares” en una unica jugada.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0.5 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. = Sin embargo.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. Analizar matem´ticamente ambas alternativas. Es decir. 2 i i i i .652. concluyendo as´ que n ≥ 252. propia de jugadores m´s cautelosos. −n · (ln364 − ln365) ≥ ln1 − ln2. o P2. 1084. 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 .474. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. propia de jugadores m´s arriesgados. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. 364 365 n ≥ 1 . 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.i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2. Ahora obtengamos el menor valor n natural tal que: 1− es decir. a Soluci´n o Recurriendo a la primera 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 . ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado. FUNDAMENTOS DE PROBABILIDADES 43 P2.

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

Hay C13. De ellas. 9. con i = 1. 10.i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. pues se formar´ un full. Si fijamos una numeraci´n i. y para la ultima quedan. i + 2. Definamos el suceso H =“Se obtienen dobles parejas”. Adem´s. 45 escaleras (incluyendo las de color.2 de crear la pareja para cada uno de esos palos. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . . finalmente. una vez o ıa fijadas las 3 primeras. FUNDAMENTOS DE PROBABILIDADES 6. como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. 8. P (I) = 52 |Ω| 5 9.1 ·C4. para o cada valor de i. Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). y C4. Por lo tanto se eliminan.2 formas distintas de elegir los palos con los que se forman las dos parejas. Luego. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . como vimos en los apartados (a) y (b). quedan 45 −4 = 4·(44 −1) o escaleras y. 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. . 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. Para cada palo. 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). hay C13. i + 1.3 comıo”. 47 Sea el suceso F =“Se obtiene una escalera”. i + 3. i + 4. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas. dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . ya que se obtendr´ un p´ker. tendremos. i i i i . binaciones posibles de tres cartas con la misma numeraci´n. o De este modo se evita obtener un full. 52 |Ω| 5 7. adem´s de las cuatro cartas ya escogidas. As´ la probabilidad buscada ı. .5 combinaciones posibles de 5 cartas. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. 9+1=10 corresponden a escaleras de color y a escaleras de color reales. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. . es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . y las de color real si i = 10). y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. puesto que se restan. Representemos por G al suceso “Se obtiene color”.

9 i i i i .25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . ıan ıo. formar´ un tr´ un p´ker o un full. El 90 % o de los clientes del banco tienen fondos. 1. Se recibe hoy en caja un cheque con fecha equivocada. Para las tres que faltan deben descartarse aquellas combinaciones que.001. An´logamente ´ a al apartado anterior. 0.2 parejas posibles. P2. Los datos que se dan son: P (w2 = equiv|w1 = con) P (w2 = corr|w1 = con) P (w2 = equiv|w1 = sin) P (w2 = corr|w1 = sin) P (w1 = con) P (w1 = sin) La probabilidad pedida es: P (w1 = sin|w2 = equiv) = = = = = = = = 0. 1 · 0. El espacio Ω no es equiprobable y tiene 4 elementos. 0. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr.1. y procediendo de forma similar al caso del tr´ fijadas ıo.001 · 0. En cambio. 0. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . todo cliente sin fondos pone una fecha err´nea en sus cheques. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con.9.1 = 0. Sea J el suceso “Se obtiene una pareja”.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 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. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. equiv}).001.1 + 0.999. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. w2 ) .99108. ya que no importa el orden en que ´ ´stas se elijan. 0. o Por lo tanto. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4. junto a las dos primeras cartas.

3. blancas o negras. R)}) . 5) tiene i de sus caras blancas y el resto u rojas. w2 . 1.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. pues P ({(1. w3 . Adicionale o mente. Se extrae una bola y es blanca. 4. 2. 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. As´ ı: Ω = {w = (w1 . Se selecciona al azar un dado de la urna. 4. y w2 u u es el color que se obtiene al lanzar el dado. Este espacio muestral no es equiprobable. 2. 3. w3 . 4. R)}) = P ({(5. w2 ∈ {B. w2 . Denotemos ıda por Ci (i = 0. 2.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. w5 . ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). w6 representa el color de la bola extra´ de la urna. w6 ) . w4 y w5 representan los resultados de los lanzamientos de la moneda. y sea B el suceso “extraer una bola blanca de la urna”. w2 ) . FUNDAMENTOS DE PROBABILIDADES 49 P2. 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. se lanza y sale cara roja. w4 . R}} . y por tanto tambi´n la composici´n de la urna. 3. w2 ) : w1 ∈ {1. donde w1 .26] En una bolsa hay cinco bolas. 5} . 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. La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . 4 P2. es decir. Soluci´n o Representemos un suceso elemental como: w = (w1 . que la urna contenga i bolas blancas y 5 − i bolas negras.

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

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

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

sea el suceso A = “se obtiene e al menos un 6 doble”. . . A = {w ∈ Ω : ∃k ∈ {1. dado que los resultados de los lanzamientos del par de dados son independientes entre s´ y adem´s la probabilidad de obtener un 6 doble ı. . 6)}] = 1− 1 − 1 36 n Por ultimo. w2k−1 = w2k = 6} . 2. . 6}} . ln35/36 Por tanto. . 3. P2. . Luego. n} . w4 . w2k ) = (6. . 6) . luego Ac = {w ∈ Ω : (w2k−1 . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . 2. w2n ) : wi ∈ {1. Entonces. ¿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. w3 .605. n}} . . w2k ) = (6. 14 · 13 2 53 1− Efectuando las operaciones correspondientes. . . a es 1/62 = 1/36. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 . . i = 1. n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. . i i i i . FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . Igualando: 1− 1− n= 1 36 n = 1 . 4. se concluye que necesitamos jugar 25 partidas. . w2 . 2 −ln2 = 24. para todo k ∈ {1. 2. donde w2i−1 y w2i .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. 5.32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. tras aproximar el resultado. w2n−1 . . la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. .

¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . Dos arqueros de la misma destreza tiran al blanco. la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. Entonces. Adem´s. w2 . representemos el espacio muestral como: Ω = {w = (w1 . P2. w3 es el unico lanzamiento del segundo arquero. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. i = 1. el primero dos flechas y el segundo una. se puede considerar que los dos primeros ı. 3 son los resultados respectivos de las tres monedas. w2 . Si gana el que tire la flecha m´s cercana al centro de la diana. As´ por ejemplo. ¿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.i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Se lanzan tres monedas al aire. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales.33] Problema de Bertrand. siendo w1 y w2 el primer y segundo lanzamiento. i = 1. entonces P (A) = 2/6 + 2/6 = 2/3. todos ellos equiprobables. 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. del primer arquero. Si una persona compra n ıa boletos. 3} donde wi . Si cada elemento de dicho espacio se representa por w = (w1 . w3 ) : wi ∈ {C.35] Una loter´ vende n2 boletos y da n premios. ¿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. respectivamente. 2.34] Problema de Galton. 2. lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. “intermedio” y “m´s alejado” entre los tres lanzamientos. 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. P2. X} . Puesto que estos sucesos son disjuntos. sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. w3 ) .

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

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

π[. a 1. Calcular la probabilidad de que su suma sea mayor que 1. entonces A := {w ∈ Ω : w1 ∈ [0. Calcular la probabilidad de que su diferencia sea mayor que 1/6. 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. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. FUNDAMENTOS DE PROBABILIDADES 57 y el segundo w2 representa el ´ngulo que la inclinaci´n de la aguja tiene a o respecto de las l´ ıneas en la mesa. P (A) = (5/6)2 = 0. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. i i i i . 1].69444. N´tese que por tanto w1 ∈ [0. 3. π[ claramente equiprobable. Calcular la probabilidad de que su producto sea mayor que 1/7.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. si A es el suceso que representa “la aguja toca una l´ ınea” y. b[ y que o w2 ∈ [0. ya que el ´rea del total es la unidad. π[}.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. dado el objetivo que se persigue en el problema. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. a cos(w2 )[ para cada w2 ∈ [0. 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). En concreto. b[×[0. asumiendo que a ≤ b. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. Por ello. Sea A el suceso “su diferencia es mayor que 1/6”. Consecuentemente. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. es decir. 2. 1. En efecto. Seg´n la hip´tesis del enunciado. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace.

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

. La probabilidad de un suceso elemental con s movimientos a la derecha. P2. un e espacio muestral ser´ ıa Ω = {w = (w1 . b). FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. i = 1. . . .41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. A} .i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. a + b} . y + 1/12] el correspondiente a la otra persona.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. i i i i . Cuando est´ en la posici´n (m. 0). n) y o una probabilidad 1−p de pasar a la (m. es decir. . . b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. .40. . Determinar la probabilidad de que el punto pase por la posici´n (a. por ejemplo. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12. o punto de encuentro. . Por lo tanto. i = 1. un total de a + b desplazamientos. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. . . para cualesquiera n´meros a o u enteros m y n. n). wa+b ) : wi ∈ {D. con wi ∈ {D. Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. a + b. por lo a o que para pasar por (a. Este espacio no es equiprobable si p = 1/2. tiene una probabilidad p de pasar a la posici´n (m+1.1: Regi´n de casos favorables sobre casos posibles del problema P2. pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. wa+b ). w2 . La figura 2. es ps · a+b−s (1 − p) . n+1). e igualmente [y. Podemos representar cada suceso elemental como w = (w1 . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. A} . . . . . .

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

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

2. Por otra parte. B. ıa Hallar la probabilidad de que 1. w2 . ejemplo. por ı. B} . wj = X. 1. Luego. i i i i . 4. Sea M el suceso “A gana las tres partidas”. en dos partidas queden en tablas. pero P ({(A. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. M = {(A. Se tiene entonces que N = N1 ∪ N2 ∪ N3 . y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. A. siendo este resultado A o B si la partida la gana el jugador A o el B. P ({(A. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. 1/3 y 1/6. Otro d´ acuerdan jugar un torneo de 3 partidas. B gane al menos una partida. 2. 3. para todo j = 1. Adem´s. 3} . Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. 2. A y B ganen alternadamente. w3 ) : wi ∈ {A. los rea sultados de las partidas son independientes. e P2. o bien X si quedan en tablas. puesto que. B)}) = 1/18.43] A y B juegan 12 partidas de ajedrez. 3. j = i}. X} . 3) representa el resultado de la i-´sima partida e del torneo. w3 ) : wi ∈ {A.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. a la vista de los resultados obtenidos en 12 partidas. 2. w2 . respectivamente. A)}) = 1/12. A gane las tres. quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. 2. As´ el espacio muestral dado no es equiprobable. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. B. 3. 2. B. i = 1. siendo Ni = {w = (w1 . B gana cuatro y en dos quedan en tablas. donde cada wi (i = 1. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . i = 1. A gana seis.

5 3 2 3 · = . C y D. B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . As´ un espacio muestral ser´ ı. 5 4 10 i i i i . X)}) − P ({(X. A. 3.1 · P ({(A. X. 2. X. tienen la misma probabilidad de ocurrir. 4. A)}) − C3. Determinar las probabilidades de ganar de A. e siendo wi = U si la bola es blanca y wi = V si es negra. X)}) + 3 · P ({(B. 8 72 24 216 27 P2. As´ como cada ı. torneo consta de 3 partidas. Por lo tanto: P (N ) = 3 · P ({(A.i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. Supondremos que las e personas est´n ordenadas de A a D. 4} . La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. C y D. 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . El primero que la saque blanca gana. 2. A. X)}) −C3. 72 Sea el suceso S = “A y B ganan alternadamente”. Las probabilidades de ganar son. w4 ). B.1 · P ({(A. se obtiene que P (S) = P ({(A. 3. w3 . V } . 36 4. X)}) 1 1 1 1 19 = 1− +3· +3· + = . que no es equiprobable. Soluci´n: o Representemos cada suceso elemental como w = (w1 . w2 . donde cada wi . B. w4 ) /wi ∈ {U.44] Una bolsa contiene dos bolas blancas y tres bolas negras. w2 . i = 1. Representemos por T el suceso “B gana al menos una partida”. A)})+P ({(B. A. 4 es el color de la bola que extrae la i-´sima persona. Cada una de cuatro personas. 3. saca una bola y no la repone. Por otra parte. i = 1. 2. B. ıa Ω = {w = (w1 . en ese orden. para i = 1. X. A. por a tanto: P (A1 ) = P (A2 ) = 2 . sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. X. w3 . X)}) =3· 3. FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales.

1 = . siendo r si la bola es roja.3 1140 3.3 14 = .3 . dos sean rojas y una blanca. tres blancas y nueve azules. y podremos usar la regla de Laplace. 4.45] Una caja contiene ocho bolas rojas. las tres sean blancas. . 3}. consideremos a el espacio muestral Ω = {w = {w1 . azul. si se numeran las bolas del 1 al 20 (es decir. b si es blanca y a si es azul.3 95 i i i i . a}} . 20. P (B) = C20. i = 1. 1. Representemos por B al suceso “Se extraen tres bolas blancas”. 3. s´ se ı tendr´ un espacio equiprobable. 2. Si se sacan tres bolas al azar. Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. . 2. Sea el suceso A = “Se extraen tres bolas rojas”. blanca. C20.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 . 5. a siendo|Ω| = C20. 2.3 = . 3 representa el color de cada bola que se extrae. donde wi . . La probabilidad pedida es entonces: P (A) = C8.2 · C3. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . 5 2 1 = .3 285 2. i = 1. C20. . w3 } : wi ∈ {r. b. 2. w2 . w2 . w3 } : wi = 1. las tres sean rojas. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. 2 10 P2. Sin embargo. se obtiene: P (C) = 7 C8. al menos una sea blanca. 6. Este espacio no es equiprobable. sean una de cada color. Se tiene que: 1 C3. determinar la probabilidad de que: 1. salgan en el orden roja.

.3 57 57 5. obteni´ndose que: o e P (C) = 7 C3. Sin embargo. C20.3 95 i i i i .3 1140 P (A) = Teniendo en cuenta que hay V8.3 . Definamos el suceso E = “Se extraen 3 bolas de diferente color”.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. P (D) = 1 − P (Dc ) = 1 − 23 C17. .1 = .3 95 Para calcular la probabilidad pedida. dado que hay 8 bolas rojas. Se tiene entonces. 6.2 formas de ordenar dos bolas rojas tomadas de las 8 que existen. Entonces. para ello se recurri´ al espacio muestral Ω. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. y V3. V20.1 18 P (E) = = . o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8. debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. dado que las bolas se extraen una a una y sin reemplazamiento.1 formas de tomar las bolas blancas.1 formas de combinar o e esas 3 bolas de forma ordenada.3 14 = . se tiene que un espacio muestral es: Ω = w = (w1 . 2. C8.3 = . 3 para todo i = j . 3 blancas y 9 azules.1 · C9. . .1 · C3. azul”. =1− C20.3 34 = . manteniendo las dos bolas rojas en su posici´n relativa. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. con Ω = V20.i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. w2 . w3 ) : wi = 1. Este espacio es claramente equiprobable. para cada distribuci´n de ´stas. Por lo tanto. al igual que se hizo al comienzo del ejercicio). C3. hay. que: 8·3·9 3 P (F ) = = . 2.1 · V8.2 · V3. V20. No obstante. V20. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”. Sea el suceso F = “Las tres bolas se extraen en el orden roja. blanca.3 285 1 V3. P (B) = V20. FUNDAMENTOS DE PROBABILIDADES 4. 20 wi = wj i = 1.

i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes.1 · V3. D}}. cuatro sean Ases. B. 2. 2.46] De una baraja de 52 naipes se sacan 5. 5. Aplicando la regla de Laplace. Caballo y Rey en cualquier orden. Diez. w3 . Entonces el espacio muestral es: Ω = {w = {w1 . y 6. 13}) y l representa el palo (es decir. D}). Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. w2 . Hallar la probabilidad de que: 1. 13} . 3. . salgan Nueve.3 95 P2. l). Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. al menos uno sea un As. . . . Una vez fijados los 4 Ases. hay 3! maneras posibles de ordenarlas.3 34 23 =1− = . se debe tener en cuenta que. . V20. C. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. l) . para todo i = j. . n ∈ {1. l ∈ {A. 4. V20. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. . B. C. l ∈ {A. Sota. 1. Por lo tanto. 54145 i i i i . 2. donde n representa el n´mero en la carta (es decir. P (E) = 3! · V8. cuatro sean Ases y uno Rey.1 · V9. u u n ∈ {1. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n.1 18 = . wi = (n. w4 . w5 } : wi = wj . tres sean Dieces y dos Sotas.3 57 57 Finalmente. si han de ser de tres colores diferentes. tres sean de un palo y dos de otro. fijadas las tres bolas. . se obtiene que: P (A) = 1 · 48 52 5 = 1 .

5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. 108290 4. 649740 3. As´ se tiene que ı.47] En una urna que contiene n bolas se echa una bola roja. N´tese que hay 4 Ases e a o en la baraja. Definamos el suceso D = “Salen Nueve. Sea el suceso C = “Hay tres Dieces y dos Sotas”.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2.2 formas de escoger los dos palos.3 y C13. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F . hay 4 posibilidades para la quinta carta: los 4 Reyes. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . Sota. Se tienen C4. una vez fijados los 4 Ases. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. i i i i . por lo hay C52−4. que han de combinarse con el total de C4. ya que cada palo consta de 13 cartas. FUNDAMENTOS DE PROBABILIDADES 2. As´ el ı. 8330 6.2 formas de elegir las dos Sotas. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . de cada uno de los dos palos. suceso F c = “Ninguna carta es un As”. Sea el suceso F = “Al menos una de las cartas es un As”. En este caso. Caballo y Rey en cualquier orden”. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. Para cada una de ´stas.2 posibilidades para elegir las tres y dos cartas. N´tese que no importa el orden en que aparezcan o las cartas. extrayendo posteriormente una bola. La baraja tiene 4 palos. 162435 5. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = . 54145 54145 P2. por lo que hay C4. respectivamente.3 formas de escoger tres Dieces. P (B) = 1·4 52 5 = 1 . Sea E el suceso “Tres cartas son de un palo y dos de otro”. se e tiene un total de C13. Diez. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . Hallar la probabilidad de que la bola extra´ ıda sea roja.

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

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

w2 ) : w1 . a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . Representemos por a. los segmentos que se forman tienen longitudes w1 . b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. donde w1 y w2 son las distancias del primero y segundo punto. el c´lculo de P (A) a a se reduce a obtener el ´rea del tri´ngulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. cada uno de ellos tenga una longitud mayor o igual que 1/4. con a < b. 1 − w2 ≥ 1/4} . w2 − w1 ≥ 1/4. w2 − w1 y 1 − w2 .i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2. al extremo inferior del segmento. pues los puntos se eligen de forma aleatoria e independiente. 1]}. Adem´s. se pueda formar un tri´ngulo con ellos como lados. 2 32 2 2. w2 ) ∈ Ω : w1 ≥ 1/4. Por lo tanto. w2 ∈ [0.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad.48. 1.2: Regi´n para integrar en el problema P2. Para dos valores de a y b (dentro de los posibles). 2. que es el conjunto A = {w = (w1 . Hallar la probabilidad de que 1. o P2. resultando dividido en tres nuevos segmentos. este espacio a es claramente equiprobable. Procediendo an´logamente al ejercicio anterior. n´tese que s´lo con un o o i i i i . Por lo tanto: P (A) = 1 (1/4) = . respectivamente. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”.

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

entonces repite con el tipo de valor. con w1 = V1 . Por tanto. 2.8 · 0. Se tiene que MkB = w ∈ Ω : w11 = Vk . 2. i i i i . un suceso elemental del e ıa tipo w = (w1 .2 = 0.5 − 0. Si. 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 ”. De esta forma.4 = 0.8 · 0. w2 = (V1 .5 = 0. w12 = B} . y NkB = {w ∈ Ω : w21 = Vk .5 · 0. B .4 = 0. respectivamente. P (M2B ) = 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 ”.48. obtiene beneficios. por el contrario.6 · 0. respectivamente. Adem´s. el espacio Ω no es equiprobable.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene.6 · 0.3 = 0. obtea ni´ndose que e P (M2B ) = 0. y MkB = {w ∈ Ω : w11 = Vk . w2 ). con k = 1. P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0.2. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk .4. 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.1. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. w22 = B} . por ejemplo. Estos sucesos constituyen una partici´n del espacio Ω. B). 1. tendr´ probabilidad cero.5 = 0. con k = 1.5 · 0.5 − 0. w22 = B .5 · 0. resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0.8 · 0. P (M1B ) = 0.8 + 0. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω. w12 = B .3.6 + 0. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo.5 · 0.24. Se procede de forma an´loga con los dos sucesos restantes.6 · 0.

sorteo consiste en extraer 4 bolas. 3. u El n´mero que se forma con las bolas es mayor que 3571. = 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. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. si coinciden las 2 ultimas o ´ ´ i i i i .72 = 0. si coinciden s´lo las tres ultimas cifras. 73 Utilizando los sucesos definidos en el apartado anterior. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace.72 ∼ 0..472.i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. 3.000 ptas. La cuant´ (no acumulable) de los ıa premios es de: 2. 2. 2. cuyo ıa.3/0.6 + 0) · 0.2222. ıda a El n´mero que se forma con las bolas acaba en 380. 20.25. La primera bola extra´ est´ numerada con 3 y la segunda con 0. y tambi´n e P (M1B |N1B ∪ N2B ) ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = = P (N1B = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0 + 0. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0.000. P2. seg´n el experimento previo.51] Una urna contiene 10 bolas numeradas del 0 al 9. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4. u Supongamos una loter´ en la que cada boleto cuesta 1. si coinciden las 4 cifras.2/0. 200.000 ptas. con P (M1B |N1B ∪ N2B ) = P (N1B ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0.72.000 ptas. calcular la probabilidad de los siguientes sucesos: 1.000 ptas. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . Se extraen 4 bolas una a una con reemplazamiento.8) · 0.

equiprobable y tiene un total de |Ω| = 104 elementos. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. Para ello. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. 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. . 3. Finalmente se obtiene que P (C) = 6428/104 = 0. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. w4 > 1} . . y3 e y4 . 2. donde los sucesos Ci son disjuntos. si coincide la ultima cifra.000 ptas. i = 1. w3 = 7. para i = 1. 2. w2 = 5. para todo i = j} .01. w2 = 0} . La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. 3. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı.i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. w4 ) : wi = 0. 4. w3 > 7} ∪ {w ∈ Ω : w1 = 3. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. y consta de las cifras siguientes: y1 . que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. 2. . ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . supongamos que y es el n´mero del boleto comprau do. y 2.001. Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . w2 .6428. Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. 4. w2 = 5. w3 . B = {w ∈ Ω : w2 = 3. w3 = 8. y2 . A = {w ∈ Ω : w1 = 3. 3. 1. . w2 > 5} ∪ {w ∈ Ω : w1 = 3. 9. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. w4 = 0} . 1.

|Ω| 104 = P (Ai ) = para i = 1. .8. 3. 2. i i i i . 4. P2. . obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. 4. Este espacio es equiprobable. Por otra parte. para el n´mero premiado en el sorteo. 2. 4. . w2 ) : wi ∈ {1. 104 Por lo tanto. numeradas de 1 a n. 2. 5} . 3. 104 Finalmente. 4. con i = 1. con |Ω| = 20. u Se seleccionan las dos bolas con n´mero impar. Hallar la probabilidad de los siguientes sucesos: 1. De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj .i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. u Se selecciona una bola con n´mero impar la segunda vez. donde wi representa el n´mero de la bola de la i-´sima extracci´n. w1 = w2 } . ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . no es rentable jugar a esta loter´ puesto que el dinero que ıa. 2. para u e o i = 1. u Generalizar el problema al caso de que la urna contenga n bolas. con el boleto que ha comprado. . Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . 3. 3.918. 2. Se selecciona una bola con n´mero impar la primera vez. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. wk = yk .52] Una urna contiene cinco bolas numeradas del 1 al 5. utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. ∀k = j}. y se supone que existe aleatoriedad uniforme. Se extraen dos bolas una a una sin reemplazamiento. ∀j = 4 − i + 1.

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

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

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

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

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

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

N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. 2. Sin embargo. Un tirador deja de disparar al alcanzar el blanco. Si todos los tiradores consumen la munici´n. 4. 5.25 · 0. e para i = 1. 2.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 5. 3. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo. si no le sobra ninguna. que ser´ a si acierta y f si falla. 3. 1. a sea cual sea el resultado para esta ultima. wi1 = 0. cada uno sobre uno. para todo i = 1.25 = 1. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. Probabilidad de que alguno de los tiradores consuma toda su munici´n. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. N´tese que si a un a o tirador le sobra alguna bala. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. 4. para todo i = 1.8.25 · 0.2 1 − 0. 3.8. wi2 ) . 4. 1. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2. ´ 1. o 2. Calcular la probabilidad de que sobren dos balas en total. y wi2 es el resultado que ha obtenido. 4}. 2794 · 10−3 i=1 1− i i i i . significa que ha acertado.8 + 0. wi2 ∈ {a. 3. 2. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . w4 ) : wi = (wi1 . La probabilidad de acertar en el objetivo con cada tiro es de 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. 3. 2. Cada tirador dispone de seis balas. 1. w3 . f } . 4 y j = 0. w2 . ya no le sobrar´ ninguna bala.

por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0.8 0.25 · 0.8) = 2 2 · 0. por lo que si vemos estos dos casos para dos tiradores concretos.2) 4 2 5 2 = (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”.8 + C4. 4.2 · (0.2) 3 5 3 = (0. 3. entonces.84 = 0.2) ·(0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.2) = 4 · (0.8. 2.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2. i i i i .2) · 0. FUNDAMENTOS DE PROBABILIDADES 2. teniendo en cuenta todos los casos posibles.2) · (0. como siempre. para i = 1. Por lo tanto.8 · (0. Los tiradores disparan de manera independiente.8) = 1. Todos los tiradores tienen la misma probabilidad de acertar.2) · 0.25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que. que disparan de forma independiente.2) 18 · 0. 4 4 = = 3.2) 18 18 · (0.8 · (0. 83 Definamos los sucesos Bi = “El tirador i acierta”. resulta: P (C) = C4.8) . y teniendo en cuenta. 8455 · 10−12 .8 + 6 · (0.4096.1 · (0. = 0.2) 18 18 · 0. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. podemos luego extenderlo a todos.

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

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

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

k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 2.1275. 10 2. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3. . 3.11714. haya al menos 8 matr´ ıculas en Ciencias. 20. 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. 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.8725 = 0. no haya m´s de 12 matr´ a ıculas en Ciencias.6 = 0. Si un determinado d´ se realizan ıa 20 matr´ ıculas. 5.4) . a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas. i i i i . 4. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0.410 · (1 − 0.4k · (1 − 0. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0. mientras que el otro 40 % lo hacen en carreras de Humanidades. Si las cinco primeras matr´ ıculas son de Humanidades.4) = 0.4.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3. para todo k = 0. y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0. . en total haya al menos 6 en Ciencias m´s que en Humanidades. siendo: a P (ξ = k) = 1. calcular la probabilidad de que: 1. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. . .9790. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades.4. 20 20−k · 0. 3.

0 ≤ x < k. 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 − a k (1 − x) ≥ 0. Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. 1] | [1/2. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. 1] ∩ [1/2. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. por lo que se tiene que. para todo x. podemos definir una nueva variable η.5851. 2]. 2]) P ([1/2.0271. tambi´n binomial. calculemos la probabilidad pedida: o P ([1/2.4032. 1 − k(1 − x). 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. 0 ≤ x < k F (x) =  1. pero con par´metros n = 20 − 5 = 15 e a y p = 0. las cinco primeras son en Humanidades. en o o ese caso. debe verificarse que F (x) ≥ 0.4. se tiene que ∂F (x) = k > 0.4159 = 0. 1]) = P ([1/2. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . F es funci´n de distribuci´n. k≤ x Calcular la probabilidad de [1/2. 2]) P ([1/2. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1. 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. En particular. ∂x Adem´s. Ya que k > 0. Sin embaro o go.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. P3. 1] condicionada por [1/2. 0 ≤ x < k cuando k ≤ 1. o o Bajo la condici´n 0 < k ≤ 1. 5. 2]) = = P ([1/2.

2] − Q) = P I √ 2 = 1/4 − √ 2/16. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8. 4)) − P ((−∞. [1. 1]) = 0.   (x + 4)/16. [0. 1}. Q P ([−2. 1]. √ √ √ P ( 2. { 2}. P ([0. 4) = P ((−∞. 1]) − P ((−∞. √ P ((−∞. 4] = P ((−∞. 1]) = P ((−∞. P ([0. [−2. [0. √ P ([2. I I Soluci´n o N´tese que esta funci´n es continua en todo IR. P3. Q ∩ [0. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16.3] Sea la probabilidad en IR dada por   0. 2] −P (−∞. 2]) − P ((−∞. {0}. 5). 2] = P ((−∞. 2. 3}. 4]. 1]. Soluci´n o Las probabilidades que se piden son: i i i i . {1. 2)) = 1 − 6 − 2 /8. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. P (I ∩ [0. 5))−P √ ((−∞.4] Sea la probabilidad en IR dada por P ((−∞. excepto en el punto o o Teniendo eso en cuenta. IN. 5])−P ((−∞. DISTRIBUCIONES DE PROBABILIDAD P3. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. los √ √ ( 2. P (IN) = 0. 3]. 5)) = P ((−∞. 2]. x]) = ex /2. [−2. 2] − Q. 0)) = 5/16 − 4/16 = 1/16. 1]. 0)) = 4/8 − 4/16 = 1/4. 4). 2). √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 8]. [ 2. P ({0. {0. calculemos las probabilidades que se piden: √ 2.   1. {4 + 2}. 8]) − P ((−∞. x]) =  (x − 2 + 4)/8. 8]) = P ((−∞. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. 0)) = P ((−∞. 1 − e−x /2. [2.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. 1}) = 0. √ √ P [0. √ √ √ √ P [ 2. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. 4])−P ((−∞.

4) /2 = 0. d]) − P ((−∞.5}) = 0.4) × [0.5 · (0. . y)) .5] Sea la probabilidad en IR2 : P ((−∞. y]) = P ((−∞. 2.4 + 0. P ([−2.4. 3]) = P ((−∞. d]) + P ((−∞. x) × (−∞.6]2 ∪ [0. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .4 + 0. b] × (−∞. y]) = xy(x + y)/2 si 0 ≤ x. 0.4 + 0. 0.i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.5. P [0. P ({0}) = P ((−∞. x] × (−∞.00 8. 0.25.5·(0. 2)) − P ((−∞.4.4 · (0.2.5 · 1 · (0. d]) = P ((−∞. 0. x] × (−∞.5.3 · 0. Calcular las probabilidades de (0. 0. 1) . puesto que: a P ((−∞. [0. 0.4) /2− 0. 1)) = 0. De esta forma se obtiene que: P ((0. 1]) = P ((−∞. a] × (−∞.8] × {0. 0.8] × {0.4. 2)) = P ((−∞.3. P ((0. y)) = P ((−∞.8]2 En caso de que el intervalo sea abierto o semiabierto. 3]) − P ((−∞.5 · 0.4) /2] + 0.5) /2 − 0 = . 0. c]) −P ((−∞.3 + 0.4 · (1 + 0.504.4. y ≤ 1. P ({1. 0]) − P ((−∞. 0.4·0.5 + 0. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0.3 · 0. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2. P ([1.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. .42 ·(0.3.5) × (0.4 · 0. teniendo en cuenta que: P ([a. x) × (−∞.5) × (0.5} .4) × [0.5) /2 + 0.5) /2 −0. [0.2.4.3 + 0. P3. i i i i . y) : x + y ≤ 1}. 0. y]) = P ((−∞. b] × [c. 0)) = 1/2 − 1/2 = 0. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2. 1]2 {(x. 1]) − P ((−∞. b] × (−∞. P ([0.4) /2 = . 3}) = 0. (0. x] × (−∞.4 · (0. estas probabilidades se calculan de manera an´loga.2. [0.5]) = 0. a] × (−∞.5 + 1) /2 − 0.5 · (0. c]).

8) + 0.8]2 = P [0.4. P3.6]2 ∪ [0.6) /2 − 0.2.4 · 0.42 · (0. 0.2 · 0.8]2 = P [0.8 · (0. se tiene que:   0.22 · (0. entonces Fξ (t) = 1 Por lo tanto.4) /2 + 0. representada o en la figura 3.6]2 = 0.4.8 + 0. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3.4 + 0.6]2 + P [0.2. si t < 0 2t. 0. conviene distinguir varios casos: Si t < 0.82 · (0. entonces Fξ (t) = P ([0. y) : x + y ≤ 1}) = P [0.6]2 + P [0.42 · (0.4 + 0.4 + 0.62 · (0.1.28.4.8]2 −P [0.6) + 0. 0.4) /2 = 0.6 · (0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.6 · (0. Si t ≥ 1/2.2 + 0.2 + 0.1: Puntos de [0. 1] con im´genes a trav´s de ξ en (−∞.6 + 0. t + 1/2]) = 2t.4. Teniendo en cuenta la definici´n de la variable aleatoria ξ. 0. si 0 ≤ t < 1/2 Fξ (t) =  0. i i i i .2.6] Sea ξ una variable aleatoria definida sobre el intervalo [0.8]2 −P [0.6) +0.4 + 0.4 · 0. 0. si t ≥ 1/2.62 · (0.2) /2 + 0.4.6) /2 − 0. Si 0 ≤ t < 1/2. 0. P ({(x. t]. 0. 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad. 0.8) /2 − 0. t] ∪ [1/2. 0. 1] : ξ (x) ≤ t}) .2.6]2 ∩ [0.6 + 0. entonces Fξ (t) = P (φ) = 0. a e P [0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.

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

superior a 6 minutos. o Soluci´n o n=1 1/2n .8] Supongamos que la duraci´n en minutos de las llamadas telef´nicas sigue o o una distribuci´n dada por la funci´n o o Fξ (x) = 1 − e−x/3 2 − e− x/3 2 . 2. 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. para todo x ≥ 1. igual a 6 minutos. que F (x) = 0 para todo x < 1. ya que no se indica nada al respecto. DISTRIBUCIONES DE PROBABILIDAD 93 P3. 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 . 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. 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. o o 1. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. para todo x ≥ 0. x→−∞ x 2. Se supone. i i i i .9] Demostrar que F (x) = buci´n. por lo que l´ ım F (x) = 0. 2 2 2 = 1 − e−2 − l´ ım x P3.

o 5. k ≤ 1/2. Calcular la esperanza. a ya que F (x) = 0. 1/2 3. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. lo que es 1 si k = 1/π. 1]. +∞ −∞ P3. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. i i i i . ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. lo que es 1 si k = 1. para todo x ∈ [−1. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . f (x) = k/(1 + x2 ). 2. para todo x ∈ (0. se concluye que F es mon´tona. la funci´n de densidad es una recta con pendiente o positiva. 3. para todo x ∈ [−1. 2/2) 3. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. o 2. para todo x < 1. lo que es uno si k = 1. la moda y la mediana de ξ. para todo x.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. 4. P3. es decir. Por lo tanto. para todo x ≥ n 1. para todo x > 0 √ √ 2. Adem´s. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). f (x) = k/ 1 − x. F es continua por la derecha en todo punto de la recta real. f (x) = kxe−kx . 1. 0898. Es claro que F (x) ≥ 0. Debe verificarse que fξ (x) ≥ 0. Por lo tanto. o Comprobemos en cada caso la segunda condici´n. Se han de distinguir dos casos: a) Si k > 0. para todo 1 ≤ x1 ≤ x2 . o 1. 1].

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

13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .8 0. Soluci´n o 1. 1764 · 10−2 .8 1.8 0.8 < x ≤ 1.3 = 0 2x4 · ∂x + 0. 57144. los tres primeros momentos ordinarios. para cualquier otro valor 1.9132. E ξ 2 y E ξ 3 .8 1. E [ξ] = E ξ2 0.3  0.72   0 x > 1.8 0. Soluci´n o 1.72x · ∂x = 0.72x2 · ∂x = 0. o 2. 3. 71933.3 2x2 · ∂x + 0. i i i i . 0. Teniendo en cuenta las propiedades de la esperanza. 2 2 E ξ3 2. E[2ξ + 5ξ 2 − ξ 3 ]. 0 0.3 = 0 2x3 · ∂x + 0.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3.8 1. a 3. 71933) = 9.3 Calcular: 1. 6092. Los tres primeros momentos ordinarios son E [ξ] . 2. Utilizar (1) para encontrar la media y la varianza de ξ. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.72x3 · ∂x = 0. x > 0 fξ (x) =  0. P3. Determinar la funci´n generatriz de momentos de ξ. esperanza matem´tica y varianza.6092 − (0.12] 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. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0. La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2.8 fξ (x) = 0.

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

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

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

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

ya que en algunos problemas a o (como ´ste) tal distribuci´n puede ser dif´ de obtener. mientras que la e o ıcil media es f´cil. por lo que. En cada partida el juego le permite ganar o perder 1 euro. ¿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 → +∞). 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. entonces Pk = (1 − p) Pk−1 + pPk+1 . ´ P1 = (1 − p) /p. P1 = 1 − p + pP2 . si p < 1/2 o a entonces P1 = 1 y si p ≥ 1/2 entonces P1 = (1 − p) /p. ya que ´stas son las dos o e soluciones de la ecuaci´n cuadr´tica anterior. m y que en tal caso la probabilidad de que A pierda es [(1 − p) /p] . ya que perder 2 euros es perder primero uno y luego otro de forma independiente. El juego contin´a u hasta que uno pierda todo. o bien P1 = 1. si p > 1/2 p ≤ 1/2 P3. hasta que no tenga nada.17] Un jugador comienza un juego de azar con k euros. entonces: 2 P1 = 1 − p + pP1 . a P3. En cada partida un jugador gana 1 euro y el otro pierde 1 euro. si p > 1/2.i i i “libroult” 2001/8/30 page 101 i CAP´ ITULO 3. Ahora bien. i i i i . 2 y puesto que P2 = P1 . independientemente de lo que tenga. ¿Qu´ probabilidad hay de que e lo pierda todo alguna vez? Soluci´n o Si Pk representa la probabilidad buscada. La probabilidad de que A gane una partida es p y la de que gane B es 1 − p. si . As´ por ejemplo: ı. donde se asume P0 = 1.18] Un jugador A tiene m euros y otro B tiene n euros. La probabilidad de ganar el euro de cada partida es p y la de perder el euro es 1 − p. De igual forma se concluye que Pk = 1−p p Pk = 1 m .

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

Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. y e entendamos que la moneda “cae de canto” cuando el polo inferior de la esfera est´ entre los dos c´ a ırculos (v´ase figura 3.3). la fuerza y direcci´n con o que se lanza.354r. entonces g= r = 0. debe cumplirse que α = 2π/6. 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. las caracter´ ısticas de la superficie sobre la que cae.. e o plo. P3. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3.3: Esfera que circunscribe los bordes de la moneda.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3. el grueso de la moneda debe ser 35. es decir. etc. arctan (π/3) En otras palabras.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3.5). 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. i i i i . a Dada la simetr´ concentr´monos en una secci´n de la esfera. en su secci´n central (figura 3. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. para dar una respuesta con esta segunda herramienta. Sin embargo. la elasticidad de la moneda. Por ejemıa.4).

5: Secci´n central de la esfera.4: Moneda cayendo 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 . r α g Figura 3.

para todo x. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 .6): u o e η=g ◦ ξ= L2 senξ . En efecto. Por tanto. y se distinguen por el ´ngulo que ambos forman. para cualquier otro valor. conociendo el ´ngulo x entre los dos lados de tri´ngulo w. 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 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. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω. 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.i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. = 1. Sea ξ la variable que mide dicho ´ngulo. 2 i i i i .21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. 2 2 2 Es decir. π/2) 0. x ∈ (0. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). π/2). Esta variable es claramente obtenible a partir de la variable ξ. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0.6: Transformaci´n de variables aleatorias. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. Sobre el espacio a muestral Ω se asume una probabilidad P . 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). DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3.

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

Soluci´n o Sea c la cantidad de aprovisionamiento. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). . uno procedente de cada urna. P3. . . 1. . 4 billetes de 5000 pts. o En el caso particular a = 1. respectivamente. a Apl´ ıquese al caso particular de a = 1 y b = 2. y 1 billete de 10000 pts. 7. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima. 2. con a y b constantes positivas.6). Nos dan 7 billetes. resultando que c = ln (1 + a/b) . sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i.23] Se dispone de 7 huchas. 2. Adem´s. P (ξi = 2) = 6/21. 6 billetes de 2000 pts. DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. cada una con 10 billetes de 1000 pts..´sima. P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21.uplas de billetes.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 . Para una demanda x. o Soluci´n o Consideremos como espacio muestral el conjunto de 7.0 ≤ x < c . la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . Esta variable puede tomar los valores 1. extra´ ıdos aleatoriamente uno de cada hucha.. i = 1. ¿Cu´l es el n´mero esperado de pesetas que recibimos? a u ¿Qu´ probabilidad hay de recibir 17000 pesetas? (Ayuda: calcular e la funci´n generatriz de probabilidades). b = 2 se tiene que c = ln (3/2) . resultando: +∞ 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. 5 y 10 con e probabilidades P (ξi = 1) = 10/21. .

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

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

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

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

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

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

para |t| < a. Su media es d y su varianza es 2d. 2 i i i i . a2 ϕξ (t) = a . σ 2 . a una variable aleatoria ξ con funci´n de densidad: o fξ (x) = √ 1 2·π· σ2 · e− (x−µ)2 2·σ 2 . et·µ+ 2 ·σ e 1 2 ·t2 . Por ello. a−i·t p Adem´s. 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 . Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = µ. 1). a p . 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−t p a . a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media µ y varianza σ 2 y se denota por ξ ∼ N µ. para t < 1 . 1 i·t·µ− 2 ·σ 2 ·t2 Es importante destacar la importancia de la variable aleatoria con distribuci´n N (0. y la variable se denota ξ ∼ χ2 .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 . σ2 . Su u d funci´n de densidad es: o fξ (x) = 2−d/2 · xd/2−1 · e−x/2 Γ (d/2) para todo x > 0. denominada “distribuci´n normal tipificada”. se verifica que la suma de variables aleatorias independiena tes e id´nticamente distribuidas seg´n una Exponencial sigue una e u distribuci´n Gamma. 1). Se dice que d (d > 0) es el o n´mero de grados de libertad. .

el cociente o a entre dos variables aleatorias independientes con distribuci´n χ2 . o con n y m grados de libertad. Adem´s. Su media es 0 y la varianza d/ (d − 2). Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 .m . es una Fn. Ejercicios Resueltos P4. 3.05. 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. para m > 2. para m > 4. o Variable Aleatoria F de Fisher-Snedecor: La variable aleatoria ξ tiene distribuci´n F de Fisher-Snedecor con n y m grados de libertad o (n y m n´meros naturales). respectivamente. La funci´n generatriz de momentos no existe. si su funci´n de densidad es: u o fξ (x) = Γ n+m 2 Γ n 2 nn/2 mm/2 n/2−1 −(n+m)/2 x (m + nx) Γ m 2 para todo x real.m .i i i “libroult” 2001/8/30 page 115 i CAP´ ITULO 4. si o su funci´n de densidad es: o Γ d+1 2 fξ (x) = √ dπΓ d 2 x2 1+ d − d+1 2 para todo x real. y se denota ξ ∼ Td . y su media es: m . el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td . La funci´n generatriz de momentos no existe.1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. Se denota ξ ∼ Fn. Adem´s. ¿cu´l es la probabilidad de que entre diez unidades dos se encuentren a defectuosas? ¿y de que a lo sumo dos se encuentren defectuosas? ¿cu´l es la probabilidad de que por lo menos una se encuentre dea fectuosa? i i i i .

05 ≤ 2) = i=0 10 10−i · 0.05i · (1 − 0. Hechas estas consideraciones iniciales. ξn ). n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes.05. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0.05 = 0) = 10 10−0 = 1− · 0.05) = 0 = 1 − 0. 2 P (η10.05 = 2) = 2.0. .05) = 0. i 3. . Se tiene que: 2 i=1 10 8 · 0.0. de acuerdo con el enunciado del ejercicio. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi .0.9884.0746. Por ultimo: ´ P (η10. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . esto es. Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas. ξn ). ¿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.p = ξi . total de n reservas (ξ1 . que el 20 % de las personas que reservan una mesa no asistir´n.050 · (1 − 0.05. 1. siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. . . procedea mos a resolver el problema.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. . Adem´s.5987 = 0. de acuerdo con el dato o a inicial del problema.0. con distribuci´n o i i i i . Suponiendo a que las distintas reservas son independientes entre s´ se tiene que. . de un ı.2.05) = 0. . Procedemos a calcular: P (η10.052 · (1 − 0.05 ≥ 1) = 1 − P (η10. . ηn. o por experiencia. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. sigue una distribuci´n binomial de o par´metros n y p = 0.4013. P4.

u 1.5799. debe ocurrir que acudan 20 o menos. De la misma forma. ¿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. 21 −2 · e = 0. En el caso particular del problema. As´ se tiene que: ı. 2. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. la probabilidad deseada es la siguiente: P (η = 1) = 2. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. o a Por lo tanto.2) = 0. 1! An´logamente. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. 2381.41696.2. i! i i i i . definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10.2i · (1 − 0. i! 3. Entonces. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 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 = 2.3] Una empresa electr´nica observa que el n´mero de componentes que o u fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. 1. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. Considerando que se cumplen ciertas condiciones de regularidad. Si el n´mero promedio de estos fallos es ocho. a n = 25. i P4. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. 3. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. 27067.

2. Si ξ representa la suma de los n n n´meros que aparecen en las cartas. o P4. un lunes se encuentran con que s´lo les quedan 10 tostadores. .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. si ξ ≥ 10 En el segundo caso. siendo ıda P (η = k) = 1/10. u La distribuci´n de las ganancias totales en pesetas es.) en concepto de tostadores o de pan a lo largo de esa semana. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3. a partir de la variable ξ: 500 · ξ .10. . si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . Soluci´n o Teniendo en cuenta los datos del problema. Sin embargo. o u i i i i . Determinar la a e distribuci´n de las ganancias totales (en ptas. . de una baraja espa˜ola (4 palos de 10 cartas cada uno). . 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.2.5] Se extraen n cartas. que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. a si supera al n´mero de existencias. . . si 0 ≤ ξ < 10 η= 5000 . . por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . podemos definir una variable aleatoria η. u 1. para todo k ∈ A = {1. o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja.6) para una simple o a e funci´n real g.i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. y que a lo o largo de esa semana no van a poder traer m´s del almac´n. no el palo. s´lo es posible vender este ultimo u o ´ n´mero de tostadores. si t < 0  0   t/500 t = P (ξ = i) . con valores equiprobables 1. si la demanda ξ es de m´s de 10 tostadores. si t ≥ 5000. calcular P (ξ = k) y E[ξ] . kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces. . es decir. hallar la funci´n generatriz de probabilidades de ξ.. 10}. . . Definamos tambi´n un e conjunto B formado por los (k1 . . La ganancia de cada tostador vendido es de 500 ptas. una a una con reemplazamiento.

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

Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 . Calcular: 1. n se selecciona aleatoriamente una tarjeta. P (ξ2 = j). Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . 6944. se selecciona una segunda tarjeta entre las k primeras. i 2. Esta variable es una geom´trica de e par´metro p = 1/6. para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. 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. . . 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. 2. E[ξ1 ]. . con P (ξ1 = k) = 1/n. 36 P4. P (ξ1 = k|ξ2 = j). 2. siendo p la probabilidad de obtener un as en un lana zamiento del dado. n. Soluci´n o N´tese que la variable ξ1 . . Si est´ marcada con a k. 2.7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. o puede tomar los valores 1. . 3. . supuestas ciertas condiciones de regularidad. entonces P (ξ2 = j | ξ1 = i) = 0. Sin embargo. o 1. El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . . por lo tanto.i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. n. E[ξ2 ]. n j=1 i j=1 i=j i i i i . Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. . n i=1 n = Obs´rvese que si j > i. 4. . . para todo k = 1. . .

. si j ≤ k . el n´mero medio de visitas diarias que ı.3. Procediendo de forma similar al primer apartado.   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· .310 · 0. ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. a y por tanto E [ξ] = n (1 − p) /p. Se asume que las visitas realizadas son independientes entre s´ Entonces. 9597730 = 0. p 0.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. se calcula: P (ξ1 = k|ξ2 = j) =    = 4. definamos un conjunto de variables aleatorias ξ1 . . de acuerdo con los datos del problema. ¿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.7 + 10 = 10 · + 10 = 33. 29175. . Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. si j > k Por ultimo. a lo largo de un mes. 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). u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. 333.3 Por otra parte. 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. . .8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . i i i i . n i=1 2 i=1 P4. que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. . PRINCIPALES VARIABLES ALEATORIAS 3.3.7i i = = 0. . Se ıas tiene que: 30 P (ξ1 ≤ 40. .

entonces Pξ (k) = n n−k · pk · (1 − p) . B). P (ξn = 0) ≤ 0. Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. Si ξ ∼ Bi(n. es decir. k+1 (A − k)(n − k) 4. k para todo k = 0. (k + 1)(1 − p) n−k = i i i i .1. . Pξ (k + 1) = · Pξ (k). n. . Considerando que la probabilidad de obtener un as con este dado es 1/6. . p). . A. k+1 (n + k)(1 − p) 3. Pξ (k + 1) = · Pξ (k). Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. p).9. (k + 1)(B − (n − k) + 1) 1. Pξ (k + 1) = · Pξ (k). si ξ ∼ Poiss(λ). sea mayor o igual que 0. (k + 1)(1 − p) λ 2. P4. Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). Pξ (k + 1) = Soluci´n o 1.10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). si ξ ∼ Hip(n.i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. si ξ ∼ BiNeg(n.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos.1.9. p). si ξ ∼ Bi(n. 6 desigualdad que se verifica para todo n ≥ 13. se tiene que: n 5 ≤ 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

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

127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. 4. 2. para todo k = 0. entonces: ∂φξ (k) (t) = k! · P (ξ = k) .2 · t + 0. 5 = (0. si φξ es derivable k veces en un entorno del origen.2 · elnt + 0. (5 − k)! · k! 2.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 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. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0.85 = 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 . Por lo tanto: φξ (t) = Gξ (lnt) = 0.8 4 · et t=0 = 1.8 1.8) .85−k . 1.85−k = 0. Esperanza y varianza. 1.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .2k · 0.8 i i i i . k 4.20 · 0. 3. −1 t=0 · 1. 67232. 5 Se verifica que.2 · et + 0.2 · et + 0. PRINCIPALES VARIABLES ALEATORIAS 3. 4. t=0 = 0. Teniendo esto en cuenta. 5. As´ ı: P (ξ = k) = 5! · 0. k = 0. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0. en este caso. 3. Si G (t) es derivable en un entorno del origen k veces. 2.2 · et − 1 = 0. 5. ∂tk t=0 En concreto. 0 3.6656.2.2k · 0. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .6 + 0.

N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . Esperanza y desviaci´n t´ o ıpica. i i i i . Por ultimo. a 2. . o 2.59399. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. t=0 −1 − 4 = 2. y de forma similar al anterior ejercicio: ´ E [ξ] = m1 = Gξ (t) y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = 2 · 2 · et + 1 · e2·(e t t=0 = 2 · e2·(e t −1)+t t=0 = 2. .i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. 1. con media 22 minutos. 3. Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. o 1. −1)+t t=0 P4. Soluci´n o Procediendo de forma an´loga al ejercicio anterior. . k! 3. P (ξ > 1) y P (ξ > 2).15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . 1 · 2k · e−2 .32332. k! para todo k = 0. Se pide: 1. Funci´n de probabilidad.

o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. 657 ∼ 51 minutos. por cada media hora o fracci´n. 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). 2. PRINCIPALES VARIABLES ALEATORIAS 2. 22 1. 129 El costo de reparaci´n es de 2000 pts. este ultimo inclusive. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos).i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. De acuerdo con el enunciado. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 .? a o Para efectuar una programaci´n.1 y esto se cumple para t = −22 · ln0. x > 0. Te´ niendo esto en cuenta. para un tiempo de reparaci´n dado. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 . = i i i i . ¿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. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. 22 3. 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 . se cobran a 2000 pesetas). Por lo tanto. inferiores a 30. (Todos.1 = 50.1? o o Soluci´n o Definamos una variable aleatoria ξ que representa el tiempo de reparaci´n o (en minutos) de las m´quinas y sigue una distribuci´n exponencial de a o −1 par´metro λ = (E [ξ]) = 1/22.1. o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. 3. Debe verificarse: P (ξ > t) = 0.

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

2. ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. 1]. P4. 3 de donde se deduce que −µ/σ = z0. σ 3 luego (1 − µ) /σ = z0. las ecuaciones ser´ −µ/σ = z0.39 y σ = 0. A partir de estas dos condiciones.6667 = 0. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = . 2]. En este caso.9.4307. 2. PRINCIPALES VARIABLES ALEATORIAS es decir. Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . 2.4307 y.4307. a < b. (1 − µ) /σ = z0. para todo u ∈ [a. podremos obtener dos ecuaciones lineales en µ y σ.6745.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. b] . P (η = k) = p · (1 − p) con p = 1 − e−1/λ .obteni´ndose finalmente que µ = e 0. ıan procediendo de modo an´logo. k 131 P4. en [−1.75 = 0.3333 = −0.i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4. 1].3333 = −0. σ). o o i i i i .19] Sup´ngase que ξ se distribuye como N (µ. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) .16. 1. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. 4 es decir.5 y σ = 1. b] . 3. Soluci´n o Si ξ es una variable uniforme en un intervalo [a. en [−1. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . en el intervalo [0. de lo que se obtiene que µ = 0.

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

(g) e−ax x5 . (b) x. e indica su esperanza y varianza para las siguientes funciones h(x). Soluci´n o La constante c debe verificar que: f (x) f (x) ∂x A 2 2 ≥ 0. x > 0. Se obtiene que: fξ (y) = fθ (arctan (y)) · (arctan(y)) = 1 · 1 + y2 π −1 . 2 2π i i i i . para todo t ∈ (−π/2. (d) exp(−5x). por lo a o que es una funci´n de densidad.i i i “libroult” 2001/8/30 page 133 i CAP´ ITULO 4. Adem´s. 1. = 1. para todo x ∈ IR. π/2). la variable ξ = tanθ. esta funci´n es positiva para cualquier valor real. P4. 1 < x < 10. (j) x7 (b − x)9 . adem´s. PRINCIPALES VARIABLES ALEATORIAS 133 con la tangente de θ. θ sigue una distribuci´n uniforme en (−π/2. donde a y b son par´metros positivos: a (a) exp(−x2 /2). √ √ +∞ Se verifica que −∞ c · exp(−x2 /2) · ∂x = c · 2π = 1 si c = 1/ 2π. aunque es sim´trica respecto al cero no tiene esperanza. para todo x ∈ IR. −(x−a)2 (e) e . x > 0. (c) 1. 0 < x < 1. resultando: +∞ E [X] = −∞ √ −x2 ) · ∂x = 0. o calculamos la esperanza y la varianza de la variable. es decir. puesto a e que 0 −∞ 1/π · y · 1 + y 2 −1 · ∂y = −∞ pero +∞ 0 1/π · y · 1 + y 2 −1 · ∂y = +∞. Adem´s. 0 < x ≤ 2.23] A partir de las expresiones de las distribuciones notables. Teniendo en cuenta que. (f) e−(x−a) /b . para todo x ∈ A. x · 1/ 2π · exp( 2 2 +∞ −∞ V (X) = E X 2 − (E [X]) = −x2 1 x2 · √ · exp( ) · ∂x = 1. (i) x7 (1 − x)9 . para todo x ∈ IR. 0 < x < b. di cu´l es el a valor adecuado de la constante c de manera que c · h(x) sea funci´n de o densidad. para todo x ∈ IR. Una vez determinado el valor de c. π/2). fθ (t) = a o 1/π. (h) e−a|x| .

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

en dos tiene un 2 y en una de ellas un 3. b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . para lo cual c debe ser igual a 194480/b17 . La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . 2 a a a Para que sea funci´n de densidad. Para que sea funci´n de densidad. se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1. Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b.i i i “libroult” 2001/8/30 page 135 i CAP´ ITULO 4.24] Consideremos un dado que tiene en tres de sus caras un 1. calculamos la esperanza y la varianza de la variable. 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . 19 81 1539 10. a para lo cual c debe ser igual a a/2 . Una vez determinado el valor de c. 42 36 6 − 2 = 2. 2 a 9. Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = . La integral ∞ 0 135 c · e−ax · x5 · ∂x = 1 si c = a6 /120. i i i i . el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. PRINCIPALES VARIABLES ALEATORIAS 7. se ha de cumplir que o b 0 c · x7 · (b − x)9 · ∂x = 1. Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. 17 b 81 19 81 1539 P4. 120 a 8.

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

2 (1. 6) 1/2 · 1/3 · 1/6 10 2 1.2 (2. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 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 .2. 18) 1/3 · (1/6) 27 2 3. 2.2 (3.3 (3. e se les marca y se les reincorpora a su poblaci´n.3 (3. 9 P4.3. 9.3. 2.2 (1. 9) 1/2 · (1/6) 13 3 2. 6. 4. 9. o Si k = 4 y m = 1. 6.3 (2. k = 4 y n = 3.2 (3.2. 3. 6) 1/2 · 1/3 · 1/6 9 1. 8) (1/3) 14 2 2. 27) (1/6) 39 Se obtiene por tanto que: P (η > 8.2.3 (1. 4) 1/2 · (1/3) 7 1.3.2. 12) (1/3) · 1/6 18 2 2. 6. a 1. 3. Se capturan k lagartos.3 (2. Si N = 12. 12) (1/3) · 1/6 20 2 2. 18) 1/3 · (1/6) 26 2 3. demostrar que la probabilidad es m´xima cuando a N = 4n. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 . 12) (1/3) · 1/6 21 2 3.3. 4 P (η > 8|ξ ≤ 1) = = 7 .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. 18) 1/3 · (1/6) 30 3 3. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 6.3. 3. Obtener una expresi´n para la probabilidad de que ξ = m.3 (1. 2.2.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 4.3. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados.2.2 (2.

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. Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m .. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. k = 4 y n = 3. . la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. ¿Cu´l es el n´mero medio de observaciones que habr´ que hacer a u ıa para que en dos de ellas el lagarto est´ marcado? e Soluci´n o Teniendo en cuenta que los n avistamientos que se realizan son independientes. 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. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. 1. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. ξ ≥ 1) P (ξ = 3) 1 = = . m = 0. 3.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. o e 1. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . .26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. . . 2. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. Si N = 12. P4. ¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2. n.

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

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

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

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

π] . π].i i i “libroult” 2001/8/30 page 143 i CAP´ ITULO 4.28] Sean x1 y x2 dos puntos aleatorios elegidos uniformemente en el intervalo [0. y a cualquier n´mero adicional de tablas. s! · u! · (v − k − 1)! · w! · t! · k! P4. fY (y) = (π + y) /π 2 (π − y) /π 2 . Dados dos puntos elegidos uniformemente en una semicircunferencia de radio R. 3. si − π ≤ y < 0 . Hallar la funci´n de densidad de la variable aleatoria Y = X1 − X2 . si − π ≤ y < 0 . . π2 i i i i . si 0 ≤ y < π π − |y| . El rango de la variable aleatoria Y = X1 − X2 es el conjunto de valores comprendidos en el intervalo [−π. π]. o Calcular la esperanza de Y y de |Y |. s! · u! · (v − k − 1)! w+t+k t+u t · · pk · q w · (1 − p − q) . 2. o Soluci´n o 1. PRINCIPALES VARIABLES ALEATORIAS 143 donde P (A gana | ha ganado k) equivale a la probabilidad de que A obtenga las otras v − k victorias. 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) . y ∈ [−π. si 0 ≤ y < π . Se deben distinguir dos casos posibles: FY (y) = P (Y ≤ y) = P (X1 − X2 ≤ y) = (π + y) / 2π 2 π − (π − y) /2 /π 2 2 2 2 . 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) . hallar la distribuci´n de la distancia entre ellos. no m´s de v − w − 1 derrotas. 1. de lo que se obtiene que: fY (y) = es decir.

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

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

Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. o o 2. la funci´n de distribuci´n bivariante asociada. 2 ≤ y < 3 F (x. k2 ). u u 1. P {(3. 2). y ≥ 3  2/3   1 si x ≥ 3. Calcular la funci´n de probabilidad conjunta. P {(x. P5. Ejercicios Resueltos P5. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 . Por lo tanto: P (x. 2)} = P {(1.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores. y ≥ 3     si 2 ≤ x < 3. y) ∈ IR2 : x + y = 4}. Soluci´n o 1. o 2. y) = si  1/3  1 ≤ x < 2. 3)} = o 1/6. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. Considerando los distintos casos posibles.1] Sea la funci´n de masa P {(1. 3)} = 2/6. o i i i i . 2)} = P {(2.2] Sea una urna con 15 bolas rojas. 10 negras y 25 blancas. 3)} = P {(2. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . y ≥ 3 2. 3)}) + P ({(2. eno tonces cada componente es una variable aleatoria discreta. sucediendo que la funci´n de probabilidad de una componente coincide con la suma de la funci´n o o de probabilidad conjunta sobre la otra componente. 2 ≤ y < 3  1/6 2 ≤ x. 3) y (2. Hallar las funciones de distribuci´n marginales. Calcular: 1. y) ∈ IR2 : x + y = 4 = P ({(1. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. 2)}) = 1/3. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2.

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

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

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

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

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

. η = y) = . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. 10 + 10 y=2 1/2y = 1/2 . . si . si x=0 x=1 x = 2. . si y = 2. . . Esperamos o una hora y observamos lo que queda en la jaula. Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. . . η = 0) = 1. . η = y) = . η = i) = 1. . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. si y=0 y=1 y = 2.3. si x=0 x = 2. 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . pues. Las variables aleatorias ξ y η no son independientes. si 3. 10 + 10 x=2 1/2x = 1/2 . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . . P5. . por ejemplo: P (ξ = 2. P (η = 0) 2x−1 . .i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. si P (η = y) =     =    P (ξ = x. 10 4. si .9] En una jaula hay un rat´n y dos pollitos. . si . . η = 1) = 5. 1 9 2 1 P (ξ = x. . i i i i . .

1.36 . η = 0)+P (ξ = 1. VARIABLES ALEATORIAS BIDIMENSIONALES 1. si (x.126 4 0 0.147 0 0. 1. 3 · 0.294 8 0 0 0 0. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. η = 4) = 0. η) o es: η|ξ 0 1 2 3 0 0. Esto puede observarse en la figura 5.10] Sea (ξ. η). 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula.343 0.126 0 0 0.21 6 0 0 0. η = 2)+P (ξ = 2.027 2 0 0.1. P5.441 0. 3. η = 0) = 0.33−x · 0. 2. las variables ξ y η no son independientes.343 1 Adem´s. x = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.063 0. 3.189 0. u dar la distribuci´n conjunta de (ξ. para x = 0. pues: a P (ξ = 0. Calcular las funciones de densidad condicionadas. y) = 24y (1 − x − y). Calcular las funciones de densidad marginales. 2. 3. η) .3.i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5.294 0 0. 3. y) pertenece al recinto limitado por las rectas x + y = 1. i i i i .027 0. 2. 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) = 2.027 0 0 0 0.343 0.7x . y = 0.33 = P (ξ = 0) · P (η = 0) = 0. 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.

10.2: Regiones del plano para el problema P5.9. y R4 R3 R2 R1 R6 R5 x Figura 5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5.1: Diagrama para el ejercicio P5. i i i i .

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

0 ≤ x ≤ 1 − y. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. y fη|ξ=x (y) = f (x. Por ultimo. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. y) = xy − y 2 . es decir. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. 0 ≤ y ≤ 1 − x. Por tanto. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. y = 0.3: Regiones del plano para el problema P5. si (x.3. la funci´n de distribuci´n es: o o si (x. i i i i . entonces o o fξ. 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) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1.11] Sea (ξ.11. y) ∈ R2 : F (x.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. y) ∈ R1 : F (x. y) = 0. Dado que la funci´n de distribuci´n es uniforme. x = 2.η (x. Calcular o la funci´n de distribuci´n. k = 1. P5.

x ≥ 0. La funci´n de densidad es f (x. si (x. y) ∈ IR2 : x2 + y 2 < 1. y) est´ en R2 . Consideremos las zonas del plano indicadas en la figura 5.4: Regiones del plano para el problema P5. y) = 1. Soluci´n o 1. Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c.i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. considerando un punto (x.4. y) ∈ R4 : x2 . o o Calcular las funciones de densidad marginales. y o a f (x. De este modo. 1. y) ∈ R3 : F (x. 2. Calcular las funciones de densidad condicionadas. y) est´ fuera de R2 . y) = y(2 − y). si (x. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5. Calcular la funci´n de distribuci´n conjunta. y) = si (x. y) = 4/π cuando (x. 3. 4 F (x. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. y) = 0 cuando (x. y) arbitrario pero fijo: i i i i .12] Sea (ξ.12. y) ∈ R5 : F (x. P5. y ≥ 0 .

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

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

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

3. e−2 + 2e−1 − 1 yey − ye−2−y . tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. i i i i . 2.6: Plano del teatro del ejercicio P5. o 1. Por ultimo. e−2 + 2e−1 − 1 Por lo tanto. 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 . esto es.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5. Calcular la funci´n de densidad de la variable aleatoria T que mide o la distancia entre el lugar al que corresponde una entrada (el punto (x. y) y el centro del escenario (el origen 0). y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). As´ se obtiene que: ı.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. Fη|ξ+η+2≥0 (y) = = P (η ≤ y.16.16.

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

Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. η). Hallar la funci´n de distribuci´n de la coordenada η. 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 5.7: Plano de la finca del ejercicio P5.5 π(1002 −302 ) 2 = 0. 15646. en menos de 15 segundos.5. y por lo tanto. 1. P5. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. a un ladr´n que se encuentra en los o frutales. 3. El perro corre a 10 m/s. El ladr´n.7. y cero en otro caso. Hallar la primera coordenada de la posici´n media en que se da o caza. se encontrar´ en un punto aleatorio de la finca (ξ. o o 2. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. 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. i i i i . que queda inm´vil al e o o o despertarse el perro.17. tal como muestra la figura 5.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. la probabilidad que se pide es: 2236. En la esquina 0 duerme el perro guardi´n. Cuando el perro se a despierta. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. una con frutales y otra con hortalizas.

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

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

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

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

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

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

dado un ε > 0 :  . ≥n i i i i . si <n . o Soluci´n o Esta sucesi´n converge de forma clara a: o F (t) = 0 1 . para todo > 0. n≤t Estudiar la convergencia en ley de esta sucesi´n. . a Soluci´n o Para estudiar la convergencia en probabilidad es necesario ver. ım Sin embargo. la convergencia en el l´ ımite de P (|ξn − 0| > ). pero sin embargo no converge en media cuadr´tica. 2.5] Sea la sucesi´n de variables aleatorias {ξn } tales que: o P (ξn = 0) = 1 − 1 n2 1 P (ξn = n) = 2 n para n = 1. P6. si Fξn (t) =  1 .4] Sea {Fξn } una sucesi´n de funciones de o guiente forma:  . Por lo o o tanto: L ξn → 0. si . Se observa que: P (|ξn − 0| > ) = 0 1 n2 . si distribuci´n definidas de la sio t<0 0≤t<n . por lo que la sucesi´n {Xn }n∈N o no converge en probabilidad a la variable X. P6. t≥0 que es la funci´n de distribuci´n de la variable aleatoria ξ ≡ 0.. P (|Xn − X| > ε) =  0 . si 0 < ε < 1  1 1/3 . . si 1 ≤ ε < 2 . Demostrar que esta sucesi´n converge en probabilidad o a la variable aleatoria degenerada ξ ≡ 0.i i i “libroult” 2001/8/30 page 173 i CAP´ ITULO 6. si t<0 . si  0 1 1 − n . si . CONVERGENCIA y se verifica que: n→∞ 173 l´ FXn (t) = FX (t) . . si ε ≥ 2 que no converge a cero cuando n → ∞.

. ım 2 Sin embargo. 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. P6. ¿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. Realizados n e n o tiros. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. Sean ξ1 . de acuerdo con la Ley D´bil de los Grandes N´meros. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. n´tese que E |ξn | = 1. . esta proporci´n converge en probabie u o lidad a 2/3. Entonces. a i i i i . Si uno de los dos empleados contestara al azar a todas las preguntas. que acierta el primer empleado. del total de u 30 que responde al azar. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. a P6. ξ2 . por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. siendo p = 2/3 su probabilidad de encestar en cada tiro.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar). i=1 ξi /n es la proporci´n de aciertos. . Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. de las que s´lo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que s´lo hay una plaza o vacante. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3. . y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. a 2. 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.

. que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. . La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. n1 · p1 · (1 − p1 ) = 7. X = n 104 i=1 Xi .5438 P6.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0.6331 i i i i .5 = 0. n2 · p2 · (1 − p2 ) = 15) .5 − 40 √ 20 = 0. Z> 10 + 0.5 − 30 √ 15 = 0. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1.5) .5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. a 100 + 0. y aplicando el Teorema Central del L´ ımite. podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os). aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. 175 Aproximemos. CONVERGENCIA 1. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . 2.5 − 15 √ 7. Teniendo en a cuenta lo anterior. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3.i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. mediante el Teorema Central del L´ ımite. Procediendo de forma an´loga a los casos anteriores. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. a una normal de par´metros µ = 104 y σ 2 = 104. .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. Z> 30 − 0.9495 De forma similar al apartado anterior. en el caso de que ´ste responda las 80 pregune tas al azar. i = 1. .

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

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

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

o 179 Soluci´n o 1. Y = yj ) = 3.6 P (Y = yi ) 0.4 j=1 E [Y ] = = Finalmente: ρXY = 2. o Determinar la recta de regresi´n de Y sobre X. Obtener el coeficiente de correlaci´n de estas variables.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . 15 x y = + 1. La recta de regresi´n de Y sobre X es: o y − 1.6. xi P (X = xi ) = 1. P7.8 i yj P (Y = yj ) = 1.75 · (x − 1. 2.8 = 1.82 ) = 0. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.8 (2.4 − 1.3 − 1.8. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0.4 0.3. 3.4] Sean: y= x + 2. 58333.4 0.6 · 1.6) .8 − 1.62 ) · (5. REGRESION Y CORRELACION 1. 9 i i i i .

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

72 1 . REGRESION Y CORRELACION 181 P7. 6 1 1 = · x− 6 7 6 . 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. el coeficiente de correlaci´n entre las variables X e Y es: o ρXY = 1 12 7 72 = 6 . 0 ≤ y ≤ 1. 9 y por lo tanto V (X) = V (Y ) = Adem´s: a E [XY ] = 0 0 1 1 xyf (x. y) = xy.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 . si 0 ≤ x ≤ 1. 6 E X2 = 0 x2 · fX (x) · ∂x = 1 =E Y2 . y) · ∂y = 0 1 xy · ∂y = xy · ∂x = 0 x . 2 fY (y) = 0 f (x.6] Sea (X. y) · ∂x = Se obtiene entonces: 1 E [X] = 0 x · fX (x) · ∂x = 1 1 = E [Y ] . 8 7 . Finalmente. Obtenga la recta de regresi´n de Y sobre X y calcule el coeficiente de o correlaci´n entre ambas variables. 2 y . y) ∂y∂x = La recta de regresi´n de Y sobre X es.

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

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

Sign up to vote on this title
UsefulNot useful