Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cuaderno de Ejercicios
Ernesto Barrios Z. Paulina Chambon A.
4 de enero de 2017
Version 1.11
Indice
Prefacio 2
5. Distribucion Multinomial 8
9. Estadsticos de Orden 14
10.Desigualdades de Probabilidad 15
Referencias 18
Respuestas 20
1
Ejercicios y respuestas 2
Prefacio
Los ejercicios en este documento consisten en problemas teoricos y de calculo de probabilidades seleccio-
nados de varios textos para apoyar el curso de Calculo de Probabilidades II impartido en ITAM.
La mayora de los problemas tienen la referencia a los libros de donde fueron tomados. La ficha bibliografi-
ca completa se incluye al final del documento. Aquellos que no tienen referencia es porque no recordamos de
donde fueron extrados o bien son de nuestra autora.
Al final de los problemas se han incluido las respuestas y en algunos casos ayudas en la solucion de los
mismos.
Cualquier comentario y/o sugerencia sera bienvenido. Dirjalo a Ernesto Barrios <ebarrios@itam.mx>.
1:2. ([6] Ej. 4.5) Considere las siguientes funciones de probabilidad conjunta.
X X X
Y 1 0 1 Y 1 0 1 Y 1 0 1
i) ii) iii)
1 1/6 0 1/6 1 1/9 1/9 1/9 1 0 0 1/3
0 0 1/3 0 0 1/9 1/9 1/9 0 0 1/3 0
1 1/6 0 1/6 1 1/9 1/9 1/9 1 1/3 0 0
1:3. ([6] Ej. 4.9) Sean X y Y las senales de 2 antenas. El vector aleatorio (X, Y ) tiene la siguiente f. d. p.
conjunta
2 2
f (x, y) = axeax /2 byeby /2 I{0<x<, 0<y<} (x, y), con a, b > 0
a) Encuentre la f. p. a. conjunta FX,Y .
b) Encuentre Pr(X > Y ).
c) Encuentre las f. d. p. marginales fX y fY .
1:4. Son independientes las v. a.s del problema anterior?
1:5. ([6] Ej. 4.11) Considere las regiones mostradas en la figura 1.
y y y
i) 1 ii) 1 iii) 1
R1 R2 R3
x x x
1 1 1
En cada caso, el vector aleatorio (X, Y ) es uniformemente distribuido. Esto es, f (x, y) = k, en las
regiones mostradas y 0 en cualquier otra parte.
a) Para cada una de las regiones encuentre el valor de k.
b) Encuentre las f. d. p. marginal de X y Y en cada caso.
1:6. Son independientes las v. a.s del problema anterior?
1:7. ([6] Ej. 4.23) Sean X y Y v. a.s independientes. Encuentre una expresion en terminos de las f. p. a.
FX y FY para la probabilidad de los siguientes eventos:
1:8. Considere las v. a.s continuas X y Y con la funcion de densidad conjunta f dada por
g(x)g(y)
f (x, y) = I{<y<x<} (x, y)
G(x)
2:4. ([6] ej. 4.22) El numero total de defectos X en un chip sigue una distribucion de Poisson parametro
(= E[X]). Suponga que cada defecto tiene una probabilidad 0 < p < 1 de caer en una region
especfica R, y que la localizacion es independiente del numero de defectos. Muestre que la f. m. p. de
N , el numero de defectos en R, sigue una distribucion Poisson con media p.
2:5. ([6] ej. 4.23) El numero de clientes que llegan a un servicio al tiempo t se distribuye Poisson con media
t. El tiempo de servicio T se distribuye exponencial parametro , esto es, E[T ] = 1/. Encuentre la
f. m. p. de N , el numero de clientes que arriban en T , el tiempo de servicio de un cliente especfico.
2:6. Si X Bin(n, p) y P unif(0, 1). Encontrar fX (x). (Sugerencia: revise la distribucion Beta.)
2:7. Sea Y una v. a. distribuida exponencialmente con valor medio 1/. A su vez, se distribuye exponen-
cialmente con valor medio 1/. Encuentre fY , la f. d. p. marginal de Y .
2:8. ([6] ej. 4.24) Sea X unif[0, 1], y Y unif[0, X]. Encuentre E[Y ] y var(Y ).
2:9. ([6] Ej. 4.37) El numero aleatorio de defectos N del banco de memoria de una computadora se distribuye
con una ley de Poisson con una media (> 0). A su vez, el parametro (= ) es aleatorio y sigue una
distribucion gamma con parametros de forma (> 0) y de escala (> 0), luego,, E[] = .
a) Encuentre la funcion masa de probabilidad de N , el numero de defectos.
b) Use la esperanza condicional para encontrar E(N ) y var(N ).
2:10. Una tarea llega a un sistema y es atendida por el procesador Ci con probabilidad pi , i = 1, . . . , n.
El tiempo aleatorio que toma el procesador en terminar la tarea es distribuido exponencialmente
parametro i .
a) Muestre que la f. d. p. de T , el tiempo que toma el sistema para el procesamiento de la tarea esta
dada por
n
X
fT (t) = pi i ei t , 0 t
i=1
n n n n
!2
X 1 X pi X pi X pi
E[T ] =
Pr(C = i) =
y var(T ) = 2
2
i=1 i i=1 i i=1 i i=1 i
2:11. ([6] Ej. 4.101) El tiempo de vida Y de un dispositivo es un v. a. exponencial con media 1/R. Suponga
que debido a irregularidades del proceso de produccion, el parametro R es aleatorio siguiendo una
distribucion Gamma con parametros de forma y tasa .
a) Encuentre la f. d. p. conjunta de Y y R.
b) Encuentre la f. d. p. marginal de Y .
c) Encuentre los primeros dos momentos de Y .
(Sugerencia: Utilice las propiedades de esperanza condicional. Complete la f. d. p. de una distri-
bucion gamma.)
2:12. La f. d. p. conjunta del vector (X, Y ) es
Encuentre E[X|Y ].
2:13. Se tiran tres monedas justas y se denota por X el numero de aguilas obtenidas. Las monedas con las
que se obtuvo aguila se vuelve a tirar. Sea ahora Y el numero de aguilas obtenidas.
a) Tabule la f. m. p. conjunta de (X, Y ) y use la tabla para obtener E[X + Y ].
b) Calcule E[Y |X] y uselo para obtener de manera alternativa E[X + Y ].
1 XY 1
3:2. ([4] Ej. 4.20) Sean X1 , X2 , X3 v. a. independientes con varianzas finitas 12 , 22 , 32 , respectivamente.
Encuentre la correlacion entre X1 X2 y X2 + X3 .
3:3. Suponga una urna con tres bolas numeradas 1, 2, 3. Dos bolas son seleccionadas de la urna sin reemplazo.
Sea X el numero de la primer bola y Y el numero de la segunda bola. Determine cov(X, Y ) y corr(Y, X).
3:4. Sea U = a + bX, V = c + dY . Muestre entonces que XY = U V .
3:5. ([4] Ej. 4.19) Sean ai y bj constantes, Xi y Yj v. a. con i = 1, . . . , m; j = 1, . . . , n. Entonces, muestre
que
m
X n
X m X
X n
cov( ai Xi , bj Yj ) = ai bj cov(Xi , Yj )
i=1 j=1 i=1 j=1
PN
3:6. ([12] ej. 5.27) Sea W = i=1 Xi , donde las xi s son v.a.i.i.d. con f. d. p. dada por f (x) = ex IR+ (x).
N es una v. a. independiente de las Xi s y que toma valores 1, 2 o 3, cada uno con la misma probabilidad
de 1/3. Encuentre var(W ).
3:7. Sean X1 , . . . , Xn v.a.i.i.d. con media y varianza 2 finita. Se definen la media muestral (X) y la
varianza muestral (S 2 ) por
n n
1X 2 1 X
X = Xi , S = (Xi X)2
n i=1 n 1 i=1
respectivamente.
a) Muestre que E[X] = y var(X) = 2 /n.
n1
b) Verifique que var(X1 X) = n 2 .
c) Muestre que E[S 2 ] = 2 . (Sugerencia: Sume y reste dentro del parentesis de S 2 .)
2
3:8. ([10] ej. 7.4e) Sean X1 , . . . , Xn v.a.i.i.d. con varianza X finita. Muestre que
cov(Xi X, X) = 0, 1in
3:9. Suponga que el numero de clientes de un cajero automatico en cierto intervalo de tiempo puede aproxi-
marse mediante una distribucion Poisson con media 15.3. Por otro lado, se sabe que independientemente
de la cantidad de clientes, la cantidad que extrae cada uno de ellos puede modelarse como variables
aleatorias con media de $1400 y desviacion estandar de $225. Determine la media y desviacion estandar
de cantidad total extrada en ese intervalo de tiempo.
3:10. Considere el v. a. (X1 , X2 ) con f. p. conjunta dada por:
x1 \x2 0 1
1 .24 .06
0 .16 .14
1 .40 .00
a) Determine vartot(X).
b) Determine las matrices V 1/2 ,donde V = diag{12 , 22 , 32 } y R, la matriz de correlaciones de.
c) Verifique que V 1/2 RV 1/2 = .
P
d ) Determine los valores propios i de la matrix y verifique que vartot(X) = i .
Sugerencia: utilice un programa de computo para determinar los valores propios .
3:14. Si esta dado por el problema 3:12, determine la media y varianza para los incisos del problema
anterior.
3:15. Sea X un v. a. p-variado con vector de medias y matriz de covarianzas y considere la matriz App .
Entonces la forma cuadratica qX = xT Ax tiene valor esperado dado por
donde tr() es el operador traza. Demuestre la igualdad anterior. (Sugerencia: Note que qX es un escalar
y utilice las propiedades del operador traza.)
(2n) (2n)! 2n
X =
2n (n!)
5. Distribucion Multinomial
5:1. ([1] Ej. 6.1) Sesenta personas fueron elegidas aleatoriamente y se les pregunto por marcas que compiten
A, B y C. Las preferencias fueron 27, 18 y 15, respectivamente. Que tan probable es este resultado si
no hay otras marcas y se supone que tienen la misma preferencia (market share)?
5:2. ([5] Ej. 3.15) Considere que un dado honesto se lanza siete veces de manera independiente. Calcule la
probabilidad (condicional) de que cada una de las caras haya salido en una ocasion si se sabe que la
cara 1 salio dos veces exactamente.
5:3. Tres monedas honestas se lanzan 10 veces. Sea Xi el numero de veces que se obtuvieron i aguilas,
i = 0, 1, 2, 3. Note que X0 + X1 + X2 + X3 = 10. Calcules las siguientes probabilidades.
a) Pr(X0 = 1, X1 = 2, X2 = 3, X3 = 4).
b) Pr(X12 < 5).
c) Pr(X0 + X1 = 6).
d) Pr(X2 < 2|X1 = 5, X0 = 3).
5:4. ([12] Ej. 5.120) Considere una muestra con n observaciones de un lote de gran tamano. Sea p1 la
proporcion de artculos con un defecto y p2 la proporcion de artculos con mas de un defecto. Luego,
0 p1 + p2 1. El costo de reparar el lote es C = Y1 + 3Y2 , donde Y1 y Y2 denotan el numero de
artculos con uno o mas de un defecto respectivamente. Si n = 100, p1 = 0.3 y p2 = 0.2, determine la
media y la varianza de C.
5:5. ([5] Sec. 3.1) El caso particular de la distribucion multinomial con 3 clases se conoce como la distribucion
trinomial.
Sea pi la probabilidad de que un objeto sea clasificado como Ci , i = 1, 2, 3. Entonces, 0 pi 1 y
1 = p1 + p2 + p3 . Considere una muestra de tamano n y sea Xi el numero de objetos de la clase Ci ,
n n!
i = 1, 2, 3. Luego para xi {0, 1, . . . , n} y tales que n = x1 + x2 + x3 , donde =
x1 x2 x3 x1 ! x2 ! x3 !
es el coeficiente multinomial.
Definicion : El vector bivariado X = (X1 , X2 )T con funcion de densidad de probabilidad (f. d. p.) conjunta
dada por
1
f (x1 , x2 ) = p (1)
21 2 1 2
( " 2 2 #)
1 x1 1 x1 1 x2 2 x2 2
exp 2 +
2(1 2 ) 1 1 2 2
se dice que sigue una distribucion normal bivariada con medias 1 y 2 ; varianzas 12 y 22 y coeficiente de
correlacion .
Definicion : En general se dice que el vector aleatorio p-variado X = (X1 , . . . , Xp )T con f. d. p. dada por
p 12 1 T 1
fX (x) = (2) ||
2 exp (x ) (x ) (2)
2
sigue una distribucion normal multivariada con vector de medias y matriz de covarianzas .
1|2 = 1 + 12 1
22 (x2 2 ) y 1|2 = 11 12 1
22 21 (3)
6:1. La f. d. p. conjunta de la demanda aleatoria de dos productos, X e Y , es una normal bivariada dada
por ( " 2 2 #)
1 2 x 50 x 50 y 25 y 25
f (x, y) = exp + +
100 3 3 10 10 10 10
6:2. Suponga que el nivel de IQ (X) y la calificacion promedio de cierta prueba (Y ) son variables aleatorias
distribuidas conjuntamente normal bivariadas con X = 100, X = 10, Y = 3, Y = 0.3 y cov(X, Y ) =
2.25.
a) Si el nivel de IQ de una persona es 120, cual es la media y desviacion estandar de la calificacion
promedio de la prueba?
b) Si el nivel de IQ es 120, determine la probabilidad de que la persona tenga una calificacion mayor
a 3.5.
c) Suponga que una persona tuvo una calificacion promedio de 2.8. Cual es la probabilidad que el
IQ de esa persona sea mayor que 115?
6:3. ([6] Ej. 4.76) Suponga que las v. a.s X y Y tienen la f. d. p. conjunta
i
1 h 4 2 16 2 8
fX,Y (x, y) = k exp x + y + xy 8x 16y + 16
2 3 3 3
2
a) Encuentre la constante k apropiada (k =
3
)
b) Determine las densidades marginales de X y Y .
c) Encuentre los siguientes momentos: E[X], var(Y ), cv(X), snr(Y ).
(cv = /|| denota el coeficiente de variacion y snr=||/ la relacion senal-ruido.)
d ) Determine cov(X, Y ) y corr(Y, X).
e) Encuentre la distribucion condicional de X dado Y = 2 y la condicional de Y dado X = 1.
f ) Determine E[X|Y = 1] y var(Y |X = 2).
g) Calcule nuevamente E[X] y var(Y ) utilizando los momentos condicionales E[X|Y ] y var(Y |X).
6:4. Considere el vector bivariado X = (X1 , X2 )T distribuido normalmente con funcion de densidad con-
junta dada por (1). Muestre que la f. d. p. (1) se puede escribir matricialmente como la f. d. p. dada
por (2), con
1 11 12
= y =
2 12 22
donde 11 = 12 , 22 = 22 y 12 = 1 2 .
6:5. Considere X N5 (, ), con
0 1 0 1 1 0
1
0 2 1 0 1
=
1
y =
1 1 3 1 0
2 1 0 1 4 0
0 0 1 0 0 5
a) Como se distribuye X5 ?
b) Encuentre la f. d. p. marginal de X1 y la de X4 . Cual es su correlacion?
c) Encuentre la f. d. p. marginal de (X2 , X3 ).
d ) Muestre que X2 y X4 son v. a.s independientes.
e) Encuentre la f. d. p. condicional de X4 dado X1 = 2.
f ) Encuentre una matriz A55 tal que el v. a. Y = AX tenga componentes independientes.
g) Verifique que vartot(X) = vartot(Y ).
h) Para cada una de las entradas del vector Y calcule su participacion proporcional en la variacion
total, esto es i = var(Yi )/vartot(Y ). Determine la proporcion acumulada j = 1 + + j hasta
la componente j-esima para 1 j 5.
6:6. Sean X1 y X2 variables aleatorias independientes normalmente distribuidas, Xi N(i , i2 ); i = 1, 2
que representan las ventas de dos tiendas de departamentos ubicadas en ciudades diferentes. Sea Y2 =
X1 + X2 la variable aleatoria que representa las ventas totales, mientras que Y1 = X1 representa las
ventas de la tienda uno.
a) Muestre que la distribucion conjunta de (Y1 , Y2 ) es una normal bivariada. (Sugerencia: use la f. g.
m.).
b) Encuentre la distribucion condicional de las ventas totales (Y2 ) dado que la tienda uno tuvo ventas
iguales a y1 .
6:7. Sea X N3 (, ), donde
X1 0 2 0 1
X = X2 ; = 1 ; = 0 2 1
X3 1 1 1 4
6:8. Suma de normales no necesariamente se distribuye normal. Sea X1 N(0, 1), y sea
X1 1 X1 1
X2 =
X1 otra forma
FX (x) = 1 ex , x0
7:9. Sea una variable aleatoria que se distribuye uniformemente en el intervalo ( 2 , + 2 ) y sea V = tan .
Muestre que V sigue una distribucion de Cauchy. Esto es,
1 1
a) FV (v) = 2 + arctan v, para todo v R.
1
b) fV (v) = (1+v 2 ) I(,) (v).
7:16. Sean Y1 y Y2 v.a.i.i.d. distribuidas gamma parametros y . Encuentre E[R2 ], donde R2 = Y12 + Y22 .
7:17. ([5] Ejem. 4.6) Sean X1 y X2 , v.a.i.i.d. con distribucion comun 22 . Sea Y1 = 21 (X1 X2 ) y Y2 = X2 .
Muestre que Y1 sigue una distribucion Laplaciana o Doble Exponencial con f. d. p. dada por
1 |y|
f (y) = e IR (y)
2
7:18. ([4] 6.13) Suponga que es una v. a. distribuida gamma parametros y , con entero positivo,
y suponga que condicionado a , X sigue una distribucion Poisson con parametro . Encuentre la
distribucion marginal de + X. (Sugerencia: encuentre la f. g. m. mediante la esperanza condicional.)
7:19. Si X y Y son v.a.i.i.d. normal estandar. Encuentre la densidad de Z = |Y |/|X|.
7:20. Sean X1 y X2 v.a.i.i.d. normal estandar. Sea Y = (X2 X1 )2 /2. Muestre que Y Gamma(1/2, 1/2)
21 .
7:21. Sean Xi , i = 1, 2 v. a. independientes con Xi Gamma(ni , ). Encuentre la f. d. p. Y1 = X1 /(X1 +X2 ).
(Sugerencia: defina Y2 = X1 + X2 y aplique el teorema cambio de variables para vectores bivariados.)
7:22. ([7] 5.51) Sea (X, Y ) v. a. con f. d. p. conjunta dada por
b) Encuentre la distribucion conjunta de Y1 = (X1 + X2 )/ 2 y Y2 = (X1 X2 )/ 2.
c) Discuta porque 2X1 X2 y (X22 X12 ) tienen la misma distribucion.
X1
+X2 X2
X1
(Sugerencia: note que X22 X12 = 2
2
= Y1 Y2 .)
( n2 + k) k n
E[Y k ] = 2 , para k >
( n2 ) 2
X/m
W = Fm,n
Y /n
Esto es, la variable aleatoria W sigue la distribucion F con m y n grados de libertad, con funcion
de densidad dada por
( m+n
2 )
m (m
n w)
m/21
fW (w) = m n m I(0.) (w)
( 2 )( 2 ) n (1 + n w)(m+n)/2
1 w
(Recuerde que fcX (w) = |c| fX ( c ).)
e) Muestre que E[W ] = n/(n 2), si n > 2. (Sugerencia: exprese W = kXY 1 . Luego, por indepen-
dencia de X y Y , se sigue que E[W ] = kE[X]E[Y 1 ].)
f ) Similarmente, muestre que var(W ) = 2n2 (m + n 2) m(n 2)2 (n 4) , si n > 4.
g) Sea W Fm,n , 0 < p < 1 y denote F (p; m, n) al p-esimo percentil de la distribucion de W . Esto
es, p = Pr(W F (p; m, n)). Muestre entonces que
1
F (p; m, n) =
F (1 p; n, m)
9. Estadsticos de Orden
9:1. Considere X1 , . . . , Xn una muestra aleatoria de una poblacion distribuida uniformemente en el intervalo
(0, ). Considere los estimadores y del parametro dados por
n+1
= 2X, = X(n)
n
Pn
donde X = n1 i=1 Xi es la media muestral y X(n) = max{X1 , . . . , Xn } el n-esimo estadstico de
orden. Muestre que ambos son estimadores insesgados de . Es decir,
E[] = y E[] =
9:2. Considere U1 , . . . , Un una m. a. de una poblacion distribuida uniformemente en el intervalo (0, 1).
a) Encuentre la media y la varianza del k-esimo estadstico de orden U(k) , 1 k n.
b) Encuentre E[Rango(U )] = E[(U(n) U(1) )].
c) Encuentre E[(U(k) U(k1) )].
9:3. ([11]) Sean X1 , . . . , Xn v.a.i.i.d. que siguen una ley de probabilidades exponencial con media 1. Sean
Yi = X(i) para i = 1, . . . , n, los correspondientes estadsticos de orden. Considere ahora las v. a.s Wi
definidas como
X1
W1 =
n
X1 X2
W2 = +
n n1
.. ..
. .
X1 X2 Xn
Wn = + + +
n n1 1
Muestre entonces que la distribucion conjunta de (W1 , . . . , Wn ) es la misma que la de (Y1 , . . . , Yn ).
9:4. ([2]:5.6.6) Considere X1 , . . . , Xn una muestra aleatoria de tamano n de una distribucion exponencial
recorrida con f. d. p. dada por
1
f (x) = e(xA)/ I(A,) (x)
para alguna > 0. Sean Y1 , . . . , Yn los correspondientes estadsticos de orden de las Xs. Muestre que
Y1 , Y2 Y1 ,. . . ,Yn Yn1 son v. a.s independientes.
9:5. ([2]:5.6.7) Considere X1 , . . . , Xn una m. a. de tamano n de una distribucion con f. d. p. dada por
para alguna > 0. Sean Y1 , . . . , Yn los correspondientes estadsticos de orden de las Xs. Muestre que
Yi /Yi+1 , para i = 1, . . . , n 1 y Yn son v. a.s independientes.
9:6. Suponga que la vida util de ciertas lamparas se distribuye exponencialmente con vida media de 100
horas. Si 10 de tales lamparas son instaladas de manera simultanea, cual es la distribucion del tiempo
de vida de la primer lampara que falla? Cual su vida esperada?
9:7. Sean X1 , . . . , Xn v.a.i.i.d. con f. d. p. dada por
Sea Y = mn{X1 , . . . , Xn }. Existe E[X1 ]? Si es as, determnelo. Existe E[Y ]? Si es as, determnelo.
9:8. ([10]:Ej. 6.6.a) Tres personas se distribuyen al azar a lo largo de una milla. Encuentre la probabilidad
que para ningun dos personas la distancia entre ellas sea menor que d millas, con d 1/2.
10:1. ([12] Ej. 3.167) Sea Y una v. a. con media 11 y varianza 9. Utilice la desigualdad de Chebyshev para
encontrar:
a) Una cota inferior para Pr(6 < Y < 16).
b) El valor de c para el cual Pr(|Y 11| c) 0.09.
10:2. ([12] Ej. 3.169) La desigualdad de Chebyshev no puede mejorarse.
Sea Y una variable aleatoria tal que
y 1 0 +1
Pr(Y = y) 1/18 16/18 1/18
10:3. ([12] Ej. 3.173) Una moneda balanceada es lanzada tres veces. Sea Y el numero observado de aguilas.
11:3. ([9] Ej. 8.7) Una persona tiene 100 bombillas cuyo tiempo de vida se distribuye exponencialmente y
de manera independiente con media 5 horas. Si las bombillas son usadas una por una, reemplazando
inmediatamente una bombilla cada que otra falla, aproxime la probabilidad de que al menos una
bombilla siga funcionando despues de 525 horas.
11:5. ([9] Ej. 8.13) Las calificaciones de los examenes de cierto profesor tienen media 74 y desviacion estandar
14. Si el profesor va a entregar dos examenes, uno a un grupo con 25 alumnos y otro a una con 64.
a) Aproxime la probabilidad de que el promedio de las calificaciones del grupo de 25 sea mayor a 80.
b) Aproxime la probabilidad de que el promedio de las calificaciones del grupo grande sea mayor que
las del grupo chico por mas de 2.2 puntos.
11:6. ([9] Ej. 8.19) En un lago hay 4 distintos tipos de peces. Suponga que al pescar un pez los distintos tipos
son igualmente probables. Sea Y que denota el numero de peces que se necesitan pescar para obtener
al menos uno de cada uno. (Sugerencia: Defina Yi la variable aleatoria que denota el numero de peces
que deben ser capturados hasta obtener el nuevo tipo de pescado habiendo ya i distintos.)
a) De un intervalo (a, b) tal que Pr(a Y b) 0.90.
b) Usando la desigualdad de Chebyshev de un lado, cuantos peces se necesitan pescar para tener al
menos 90 por ciento de certeza de tener por lo menos uno de cada tipo.
11:7. ([9] Self Test 8.3) Si E[X] = 75, E[Y ] = 75, var(X) = 10, var(Y ) = 12 y cov(X, Y ) = 3. De una cota
superior para las siguientes probabilidades:
a) Pr(|X Y | > 15)
b) Pr(X > Y + 15)
c) Pr(Y > X + 15)
11:8. ([9] Self Test 8.7) Mandar a arreglar a una maquina consta de un servicio de dos pasos por separado.
El tiempo del primer paso se distribuye exponencial con media 0.2 horas y el tiempo del segundo paso
se distribuye exponencial con media 0.3 de manera independiente. Si una persona tiene 20 maquinas
para mandar al servicio, aproxime la probabilidad de que todo el trabajo sea completado en 8 horas.
11:9. ([9] Self Test 8.11) En una coleccion de 40 pilas cada pila es igualmente probable de ser del tipo A o
del tipo B. El tipo A tienen una duracion media es de 50 y desviacion estandar de 15, el tipo B tiene
una duracion media es de 30 y desviacion estandar de 6.
a) Aproxime la probabilidad de que la vida total de las pilas sea mayor a 1700.
b) Suponga que se sabe que 20 de las pilas son del tipo A y 20 del tipo B. Ahora aproxime la
probabilidad de que la vida total de las pilas sea mayor a 1700.
11:10. ([4] EJ. 7.13) Un jugador de basketball sabe que en promedio el puede anotar el 60 % de sus tiros libres.
Cual es la probabilidad de que en 25 intentos el anote mide la mitad? Suponga que el numero Sn de
anotaciones de n tiros se distribuye binomial con parametros n y p = 0.6.
11:11. ([4] EJ. 7.14) Se toma una muestra de tamano n para determinar el porcentaje de personas que planean
votar por un partido en la siguientes elecciones. Sea Xk = 1 si la k-esima persona de la muestra que
planea votar por ese cierto partido y Xk = 0 de cualquier otra manera. Suponga que X1 , . . . , Xn son
v.a.i.i.d. tal que Pr(Xi = 1) = p, y Pr(Xi = 0) = 1 p. Entonces p = p y 2 = p(1 p), suponga
tambien que p se acerca lo suficiente a 0.5 de tal forma que = p(1 p) puede ser aproximada
de manera correcta por 1/2. La variable aleatoria Sn /n denota la fraccion de las personas en la
muestra que planean votar por ese partido y puede usarse para estimar la verdadera probabilidad p.
Utilice la aproximacion normal para resolver:
a) Suponga que n = 900. Encuentre la probabilidad de que Snn p .025
11:12. ([4] Ej. 7.38) Una moneda justa se lanza hasta que caen 100 soles. Encuentre la probabilidad de que al
menos 226 tiros sean necesarios.
11:13. ([3] Ej. 7.29) Considere {Xn } una sucesion de ensayos Bernoulli con probabilidad
Pnde exito p. Esto es,
Pr(Xi = 1) = p y Pr(Xi = 0) = 1 p. Se define la proporcion emprica pn = n1 i=1 Xi . Encuentre el
menor entero para el cual Pr(|pn p| 0.01) 0.95. (Use la aproximacion normal.)
11:14. ([3] Ej. 7.49) Considere la proporcion emprica pn . Si p = 0.5, utilice la desigualdad de Chebyshev para
que determinar el mnimo entero n para el cual Pr(0.4 < pn < 0.6) > 0.9.
11:15. ([3] Ej. 7.50) Suponga que p = 0.2. Encuentre n tal que Pr(|pn 0.2| > 0.01) < 0.05, usando la
desigualdad de Chebyshev y comparela con aquella obtenida mediante el teorema central de lmite.
11:16. ([3] Ej. 7.51) Encuentre n tal que Pr(|pn p| > 0.01) < 0.05, usando la desigualdad de Chebyshev
y comparela con aquella obtenida mediante el teorema central de lmite. Compare el resultado con el
problema anterior.
11:17. ([3] Ej. 7.52) Sea X1 , . . . , Xn una m. a. de X con f. d. p. dada por f (x) = xex I(0,) (x). Usando la
desigualdad de Chebyshev y el teorema central de lmite encuentre n tal que Pr(|X | < 0.10) 0.95.
11:18. ([4] Ej. 8.8) Sea X una variable aleatoria tal que su f. g. m. es Mx (t), finita para toda t. Utilice el
mismo argumento de la demostracion de la desigualdad de Chebyshev ([4] Sec. 4.6) para concluir que
Pr(X x) etx Mx (t)
para t 0. Se sigue que
Pr(X x) mn etx Mx (t)
t0
tx
suponiendo que e Mx (t) tenga un mnimo en 0 t .
11:19. ([4] Ej. 8.9) Sea X una variable aleatoria con f. d. p. gamma parametros de forma y tasa . Utilice
el resultado del ejercicio anterior para probar que Pr(X 2/) (2/e) .
11:20. ([3] Ej. 7.1) Usando funciones caractersticas muestre que la sucesion de distribuciones binomiales con
parametros n y pn , tal que npn mientras que n , converge en distribucion a la distribucion
Poisson parametro .
11:21. ([3] Ej. 7.6) Sea X1 , . . . , Xn una muestra aleatoria de una distribucion uniforme en [0, a). Sea Yn =
mn{X1 , . . . , Xn }, y sea Wn = nYn . Muestre que Yn y Wn convergen en distribucion y encuentre las
distribuciones lmite.
11:22. ([3] Ej. 7.16) Sea X1 , . . . , Xn una muestra aleatoria de una distribucion Cauchy. Muestre que Xn
no tiene una distribucion asintotica normal. Encuentre la distribucion lmite. (Considere la funcion
caracterstica de la distribucion Cauchy(0,1) dada por (t) = e|t| .)
Referencias
[1] G. C. Canavos. Applied Probability and Statistical Methods. Little, Brown and Company, Boston, 1984.
[2] E. J. Dudewicz and S. N. Mishra. Modern Mathematical Statistics. Wiley, New York, N.Y., 1988.
[3] B. Harris. Theory of Probability. Addison-Wedsley, Reading, MA., 1966.
[4] P. G. Hoel, S. C. Port, and C. J. Stone. Introduction to Probability Theory. Houghton Miffling Company,
Boston, 1971.
[5] R. V. Hogg and A. T. Craig. Introduction to Mathematical Statistics. Macmillan Publishing Co., Inc.,
New York, 4 edition, 1978.
[6] A. Leon-Garca. Probability and Random Processes for Electrical Engineering. Addison-Wesley, Reading,
Massachusetts, 2 edition, 1994.
[7] A. M. Mood, F. A. Graybill, and D. C. Boes. Introduction to the Theory of Statistics. McGraw-Hill,
Singapore, 3rd edition, 1974.
[8] E. Parzen. Modern Probability Theory and Its Applications. John Wiley & Sons, New York, 1960.
[9] S. Ross. A First Course in Probability. Prentice Hall, Upper Saddle River, N.J., 7th edition, 2006.
[10] S. Ross. A First Course in Probability. Prentice Hall, Upper Saddle River, N.J., 8th edition, 2010.
[11] Alberto Tubilla. Comunicacion personal., 2013.
[12] D. D. Wackerly, W. Mendenhall III, and R. L. Scheaffer. Mathematical Statistics with Applications.
Thomson, Australia, 7 edition, 2008.
Respuestas
1. Vectores Aleatorios Bivariados
1:1. La Figura 1 muestra el bosquejo de los eventos definidos para el vector bivariado (X, Y ).
a) Y b) Y c) Y
(6,6)
X X X
+2 log(6)
d) Y e) Y x=y f) Y x=y
2
2
X X X
2
2
x = y
g) Y y = x2
h) Y i) Y
y=2 x
X X X
3 3
y=2 x
1:2. Este problema muestra que no necesariamente se puede construir la f. m. p. conjunta fX,Y a partir de
las f. m. p. marginales fX y fY .
a) Para los tres incisos iiii), las funciones masa de probabilidad marginales estan dados por:
1/3 x = 1, 0, 1 1/3 y = 1, 0, 1
fX (x) = fY (y) =
0 otra forma 0 otra forma
b)
i) Pr(A) = 2/3, Pr(B) = 5/6, Pr(C) = 2/3
ii) Pr(A) = 2/3, Pr(B) = 2/3, Pr(C) = 1/3
iii) Pr(A) = 2/3, Pr(B) = 2/3, Pr(C) = 1
b)
b
Pr(X > Y ) =
a+b
c)
2
fX (x) = axeax /2
I(0,) (x)
2
fY (x) = byeby /2
I(0,) (y)
1:4. Las v. a.s X y Y del problema anterior son independientes puesto que la f. d. p. conjunta fX,Y es el
producto de las marginales fX y fY .
1:5. a)
i) k = 1/, ii) k = 1/2, iii) k = 2
b) 1)
2p
fX (x) = 1 x2 I[1,1] (x)
2p
fY (y) = 1 y 2 I[1,1] (x)
2)
fX (x) = (x + 1)I[1,0] (x) + (x + 1)I[0,1] (x)
fY (y) = (y + 1)I[1,0] (y) + (y + 1)I[0,1] (y)
3)
fX (x) = (2 2x)I[0,1] (x)
fY (y) = (2 2y)I[0,1] (y)
1:6. Las v. a.s X y Y del problema anterior son dependientes pues por un lado la f. d. p. conjunta fX,Y = k,
mientras que por el producto de las marginales fX fY involucra explcitamente x y y.
1:7. a)
Pr ({a X b} {Y d}) = [FX (b) FX (a)] FY (d)
b)
Pr ({a X b} {c Y d}) = [FX (b) FX (a)] [FY (d) FY (c)]
c) Suponiendo las v. a.s continuas, Pr(X < a) = Pr(X a). Entonces,
1:8.
fY X=1 fY X=1
1 0 1
Luego,
e +e y
4 e , y 1
e y
Fy (y) = 1
2 + 4 (e ey ), 1 < y 1
e +e y
1 e , y>1
4
de donde,
e + e y e e + e y
fY (y) = e I(,1] (y) + (ey + ey )I(1,1] (y) + e I(1,) (y)
4 4 4
c)
Pr(X = k)
Pr(X = k|Y > 0) = [1 Pr(Y 0|X = k)]
Pr(Y > 0)
por lo que basta comparar Pr(Y 0|X = k), para k = 1. Por lo tanto,
e(p)
Pr(N = n) = (p)n I{0,1,... } (n)
n!
2:5. El numero de clientes N que arriban durante el tiempo T de servicio de un cliente se distribuye
geometricamente con parametro /( + ). A saber,
n
Pr(N = n) = I{0,1,... } (n)
+ +
2:6. X es una v. a. discreta que se distribuye uniformemente en {0, 1, . . . , n}. Esto es,
1
fX (x) = I{0,1,...,n} (x)
n+1
2:7.
fY (y) = I + (y)
(y + )2 R
2:10.
2:11. a) La f. d. p. conjunta del vector bivariado (Y, R) esta dada por
r(+y)
fY R (y, r) = r e I{0y,r<} (y, r)
()
b) La f. d. p. marginal de Y
fY (y) = IR+ (y)
+y +y
c)
2
E[Y ] = y E[Y 2 ] =
1 ( 1)( 2)
Y /2 + 1/3
2:12. E[X|Y ] =
Y + 1/2
2:13. a) La funcion masa de probabilidad conjunta de (X, Y ) esta dada por la siguiente tabla:
x\y 0 1 2 3 fX
0 8 8
1 1 12 12 24 144
Pr(X = x, Y = y) = ; E[X + Y ] =
64 2 6 12 6 24 64
3 1 3 3 1 8
fY 27 27 9 1 64
x 0 1 2 3
48 96
E[Y |X = x] 0 32/64 64/64 96/64 ; E[Y ] = E[E[Y |X]] = , E[X] =
64 64
fX (x) 27/64 27/64 9/64 1/64
c) Calculo. . . .
P
d ) = (26.078, 8.496, 3.426) y i = 38.
3:13. a) E[X1 + X2 + X3 ] = 1 + 2 + 3 ; var[X1 + X2 + X3 ] = 12 + 22 + 32 + 2(12 + 13 + 23 ).
b) E[X1 + 2X2 X3 ] = 1 + 22 3 ; var[X1 + 2X2 X3 ] = 12 + 422 + 32 + 412 213 423 .
3:14. a) E[X1 + X2 + X3 ] = 0; var[X1 + X2 + X3 ] = 44.
b) E[X1 + 2X2 X3 ] = 2; var[X1 + 2X2 X3 ] = 30.
3:15.
4:6.
4:7.
1
(1 t/)1 + (1 t/)2 + (1 t/)3
MW (t) =
3
4:8.
4:9.
4:10.
4:11.
4:12.
4:13.
4:14.
4:15.
4:16.
4:17.
4:18.
4:19.
4:20.
4:21.
5. Distribucion Multinomial
5:1. Pr(XA = 27, XB = 18, XC = 15) = 0.0022.
5:2. Pr(X2 = = X6 = 1|X1 = 2) = 0.038
5:3. a) Pr(X0 = 1, X1 = 2, X2 = 3, X3 = 4) = 0.0029.
b) Pr(X12 < 5) = 0.211.
c) Pr(X0 + X1 = 6) = 0.205.
d ) Pr(X2 < 2|X1 = 5, X0 = 3) = 0.00399/0.00912 = 0.438.
5:4. E[C] = 90; var[C] = 129.
5:5. a) e) Demostraciones.
g) vartot(X) = i2 = 1 + + 5 = 15 =
P P
j = 5.423 + + 0.397 = vartot(Y ).
2
12
X1 1 1
6:6. a) Y = N2 , .
X1 + X2 1 + 2 12 12 + 22
b) (Y2 |Y1 = y1 ) N(2 + y1 , 22 ).
6:8.
b)
4x
fX (x) = (4x2 3`2 )1/2 I[3`/2,`] (x)
`
c)
9 24
Pr X > ` =1 0.51
10 10
7:6. Y = 1 1/X.
7:7. a) Demostracion.
1 2
b) fW (w) = 2w21 ew /
()
c) Demostracion.
7:8. Demostracion.
a)
b)
7:9. Demostracion.
a)
b)
2 2 2
7:10. f|X| (y) = ey /2 IR+ (y)
1 2 2
7:11. fY (y) = e(ln y) /2 IR+ (y)
2y
1
(ey )1 1 (1 ey )2 1 ey IR+ (y)
7:12. fY (y) =
B(1 , 2 )
7:13. Si X Beta(, ), entonces Y = 1 X Beta(, ).
y
e 1y
7:14. fY (y) = I(0,1) (y)
(1 y)2
1
7:15. fY (y) = I(,+) (y)
(1 + y 2 )
7:16. E[R2 ] = ( + 1)/2
7:17.
1 1
7:18. X BinNeg , 1+ con soporte {0, 1, 2, . . . }. Por lo que Y = + X BinNeg , 1+ con soporte
{, + 1, . . . }.
2
7:19. f|X|/|Y | (z) = I + (z)
(1 + z 2 ) R
7:20.
7:21. Y1 Beta(n1 , n2 ).
7:22. fU (u) = ln(u)I(0,1) (u).
7:23. Sea W = X1 X2 .
a) mW (t) = 2(1 t2 )1/2
b) 2 2
y1 +y2 y y
1 21
2
+ 12 2
fY (y) = e
2
c)
7:24. fX 2 Y 2 (w1 , w2 ) = I(0,1)(0,1) (w1 , w2 )
7:25. Sean W1 = X y W2 = X + Y ,
7:26. Considere
fXY |Z (x, y|z) = [z + (1 z)(x + y)]I(0,1) (x)I(0,1) (y)
para 0 z 2, y fZ (z) = 21 I(0,2) (z).
a) Encuentre E[X + Y ].
b) Son X y Y independientes? Verifquelo.
c) Son X y Z independientes? Verifquelo.
d ) Encuentre la f. d. p. conjunta de X y X + Y
e) Determine la distribucion de max{X, Y }|Z = z.
f ) Determine la distribucion de (X + Y )|Z = z.
Solucion:
a) E[X + Y ] = 1.
b) X y Y son v. a. independientes pues fX (x)fY (y) = fX,Y (x, y).
c) X y Z no son independientes.
d ) Sean W1 = X y W2 = X + Y ,
fW (w) = ID (w1 , w2 )
e) Sea W = max{X, Y }. Luego,
Por lo tanto
fw (w|z) = 3w2 (1 z) + 2wzI(0,1) (w)
f ) Sea W = X + Y
1 1 z w2 w2
P (W w|Z = z) = z + + zw + z
6 6 2 2 2
Luego,
f (w|z) = wz + w2 (1 z)I(0,1) (w) + (w + z wz)(z w)I(1,2) (w)
8:2.
1
fX+Y (z) = ez/ z 1 +2 1 IR+ (z)
1 +2 (1 + 2 )
Esto es, X + Y Gamma(1 + 2 , ).
8:3. Z
fY X (z) = fX (x)fY (z + x)dx
8:4.
(b a) |z|
fY X (z) = I[ab,ba] (z)
(b a)2
y
dFW (w) 2 w
f|XY | (w) = = 1 I(ab,ba) (w)
dw (b a) (b a)
8:5.
8:6. Z
1 v
fXY V (v) = fX (x)fY dv
|v| x
8:7.
MZ1 Z2 (t) = (1 t2 )1/2
8:8.
8:9.
1 1
fXY (z) = ln(x) I(0,1) (z) y fX/Y (u) = I(0,1) (u) + 2 I(1,) (u)
2 2u
Luego, E[X/Y ] = , pero E[X]/E[Y ] = (1/2)/(1/2) = 1.
8:10.
2
f|Y |/|X| (z) = I(0,) (z)
(1 + z2)
a)
b)
c)
( n1 +n
2
2
) u2 +1
fY /X (u) = I(0.) (u)
( n21 )( n22 ) (1 + u) n1 +n
2
2
d)
e)
f)
g)
9. Estadsticos de Orden
9:1.
9:2. a)
k k(nk + n + 1)
E[U(k) ] = y var(U(k) ) =
n+1 (n + 2)(n + 1)2
b)
n 1 n1
E[U(n) U(1) ] = E[U(n) ] E[U(1) ] = =
n+1 n+1 n+1
c)
k k1 1
E[U(k) U(k1) ] = E[U(k) U(k1) ] = =
n+1 n+1 n+1
9:3.
9:4.
9:5.
9:6. E[Y1 ] = 10.
n
9:7. E[Xi ] no existe, pero E[mn{X1 , . . . , Xn }] = n1 .
9:8. Pr(D) = (1 2d)3 , donde D el evento {La distancia entre ningun dos personas es menor que d millas}.
10:2.
10:3. a)
x 0 1 2 3
Pr(X = x) 1/8 3/8 3/8 1/8
10:4. Y 1/2.
10:5. Pr(|Y | 2) = 0.962.
Chebyshev: Pr(|Y | 2) 0.75.
11:3. 0.3085.
11:4. n < 66564.
11:5. a) 0.0162.
b) 0.2514.
q q
25
11:6. a) a = 3 10 130
9 = 3.685 y b =
25
3 + 10 130
9 = 20.352.
b) c = 0.043.
c) n = 2663.
11:12. 0.04186.
11:14. n = 250.
11:15. Chebyshev: n = 32000.
Teorema Central del Lmite: n = 6147.
11:18.
11:19.
11:20.
11:21.
11:22.