1

ESTADÍSTICA
VARIABLES ALEATORIAS
Alberto Luceño
Francisco J. González

Directorio
Tabla de Contenido
Inicio Artı́culo

Copyright c 2000
Actualizado el: 11 de noviembre de 2003 Versión 2.00
 Tabla de Contenido
3. Variables aleatorias
3.1. Variables aleatorias discretas
3.2. Variables aleatorias continuas
3.3. Cambio de variable
Soluciones de Ejercicios
Sección 3: Variables aleatorias 3

3. Variables aleatorias
3.1. Variables aleatorias discretas
Ejercicio 39. En algunos casinos se realiza el siguiente juego: se elige
uno de los números 1, 2, 3, 4, 5, 6. A continuación se lanzan tres
dados. Si el número elegido aparece 1, 2, 3 veces, se recibe 1, 2, 3
veces lo apostado, y se recupera éste. Si no aparece el número elegido,
se pierde lo apostado. Sea X la variable aleatoria que proporciona la
ganancia. Obtener E(X).
Ejercicio 40. Una variable aleatoria tiene la siguiente función de
probabilidad,
x 1 2 3 4 5
P (x) 0,05 0,20 0,05 0,45 0,25

1. Comprobar que es una función de probabilidad.

2. Calcular P (x ≤ 3).
3. Calcular P (x > 3).
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 4

4. Calcular P (x = 1 ∪ x = 3 ∪ x = 5).
5. Calcular E(X).
6. Representar la función de distribución FX (x).

Ejercicio 41. Fiabilidad de un componente. Para una componente

de un sistema, sea A el suceso “la componente funciona”. Se define la
función indicatriz del suceso A como aquella función IA tal que IA = 1
si A es cierto e IA = 0 si A es falso. ¿Qué indica E(IA )?

Toc JJ II J I Volver J Doc Doc I

 f) Representar la función de distribución FX (x).
Sección 3: Variables aleatorias 5
I b) 0,3 c) 0,7 d) 0,35 e) 3,65

41. Ejercicio 42. A partir la figura

Fiabilidad de un componente. Para una componente de un sistema, sea A el suceso “la componente
funciona”. Se define la función indicatriz del suceso A como aquella función I A tal que IA = 1 si A
1. Determinar la función indicatriz de los sistemas.
es cierto e IA = 0 si A es falso. ¿Qué indica E(IA )?

42. 2. Determinar la fiabilidad de los sistemas.

A partir la figura 3.1
a) Determinar
3. Suponiendola función
p1 = indicatriz
p2 = de p3los
=sistemas.
0,90, determinar la fiabilidad de los
b) Determinar la fiabilidad de los sistemas.
sistemas y compararlos.
c) Suponiendo p1 = p2 = p3 = 0,90, determinar la fiabilidad de los sistemas y compararlos.

1 1 2

2 1 2

3 3
(a) Circuito1 (b) Circuito2 (c) Circuito3

Figura 3.1: Función indicatriz y fiabilidad

I a) 1 − (1 − I1 )(1 − I2 )(1 − I3 ), I1 I2 , 1 − (1 − I1 I2 )(1 − I3 ) b) 1 − q1 q2 q3 , p1 p2 , 1 − (1 − p1 p2 )q3

Universidad de Cantabria. Alberto Luceño y Fco. Javier González 25

Toc JJ II J I Volver J Doc Doc I

 3. VARIABLES ALEATORIAS
43. Sección 3: Variables aleatorias 6
Determinar la función indicatriz y la fiabilidad de cada uno de los sistemas de la figura 3.2
Ejercicio 43. Determinar la función indicatriz y la fiabilidad de cada
3. 1 2
uno de los
Determinar sistemas
la función fiabilidad de cada uno de 1los sistemas de 1la figura 3.2
de ylalafigura
indicatriz

1 2 1 1

3 4 2 2
(a) Circuito4 (b) Circuito5

3 4 2 2
Figura 3.2: Función indicatriz y fiabilidad
(a) Circuito4 (b) Circuito5

a) I = 1 − (1 − I1 I2 )(1 − I3 I4 ), R = 1 − (1 − p1 p2 )(1 − p3 p4 )
I
Figura 3.2:
b) Función
I = [1 − (1indicatriz y fiabilidad
− I1 )(1 − I2 )][1 − (1 − I3 )(1 − I4 )], R = (1 − q1 q2 )(1 − q3 q4 )
Ejercicio 44. Determinar la función indicatriz y la fiabilidad de cada
44.
uno de los
Determinar sistemas
la función de
indicatriz
I
la
ya)lafigura
I fiabilidad
= 1 − (1 − IdeI cada
)(1 − uno
I I ),de
1 2 R los
= 1 sistemas
− (1 − p pde
3 4 )(1la−figura
p p ) 3.3 1 2 3 4

b) I = [1 − (1 − I1 )(1 − I2 )][1 − (1 − I3 )(1 − I4 )], R = (1 − q1 q2 )(1 − q3 q4 )

1 2 1
4.
Determinar la función indicatriz y la fiabilidad de cada uno de los sistemas de la figura 3.3
3 3
1 2 2 1
4 5 4
3
(a) Circuito6 (b) Circuito7 3
2
4 5 Figura 3.3: Función indicatriz y fiabilidad 4
Toc JJ
(a) Circuito6 II J I Volver J Doc
(b) Circuito7 Doc I
Sección 3: Variables aleatorias 7

Ejercicio 45. Sea una variable aleatoria definida por su función de

distribución: 

 0 x < −2
0,4 −2 ≤ x < 0,5

F (x) =

 0,8 0,5 ≤ x < 3
1 x≥3


1. Representar F (x) y calcular la función de probabilidad de esta

variable.
2. Calcular E(X).

Ejercicio 46. Se lanza una moneda tres veces; sea X el número de

caras obtenidas. Hallar la función de probabilidad y de distribución
de X.
Ejercicio 47. El número medio de personas que acuden a un local es
de 1000 con una desviación tı́pica σ = 20. ¿Cuál es el número de sillas
necesarias para asegurar que todos los asistentes puedan sentarse, con
una probabilidad de 0,75? (Usar la desigualdad de Chebyschev.)
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 8

Ejercicio 48. Sea X variable aleatoria cuya distribución de proba-

bilidad viene dada por
3 1
P (X = r) = r = 0, 1, 2, 3, 4
2 r! (4 − r)!
P (X = r) = 0 para otros valores
Hallar P (X = 3); P (1 ≤ X ≤ 2,5) y P (X ≤ 2,5).
Ejercicio 49. Los artı́culos en venta en unos grandes almacenes se
someten al control diario y , se estima que la probabilidad
 r de que en
2 1
un dı́a sean vendidos r artı́culos defectuosos es . Determinar
3 3
la probabilidad de que en un dı́a de los artı́culos vendidos:
1. Dos o más sean defectuosos.
2. Cinco sean defectuosos.
3. Tres ó menos sean defectuosos.
4. Determinar la esperanza.

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 9

3.2. Variables aleatorias continuas

Ejercicio 51. Sea X una variable aleatoria que tiene como función
de densidad de probabilidad f (x) = a(1 + x2 ) si x ∈ (0, 3) y f (x) = 0
en los demás casos. Se pide:
1. Hallar a y la función de distribución de X.

2. Hallar la probabilidad de que X esté comprendido entre 1 y 2.

3. P (X < 1).
4. P (X < 2|X > 1).
5. Calcular P (|X − µ| ≥ k σ), con k = 2.

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 10

Ejercicio 52. Sea Y una variable aleatoria con función de densidad

dada por: 
 0,2 −1 ≤ y ≤ 0
pY (y) = 0,2 + k y 0 < y ≤ 1
0 en el resto


1. Determinar el valor de k.

2. Determinar la función de distribución, FY (y).

3. Calcular P (0 ≤ Y ≤ 0,5).
4. P (Y > 0,5|Y > 0,1).

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 11

Ejercicio 53. La cantidad aleatoria de dinero ahorrado por una per-

sona en un mes sigue una ley de probabilidad dada por:

 0 x<0
 x

 2 0≤x<1

1
F (x) = 2 1≤x<2
x
2≤x<4


 4


1 4≤x
donde x viene expresado en cientos de euros. Determinar la probabil-
idad de que, en un mes la cantidad de dinero ahorrado:
1. Sea superior a 200 euros.

2. Sea inferior a 450 euros.

3. Sea superior a 50 euros y menor ó igual a 250 euros.
4. Calcular el ahorro mensual medio.

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 12

Ejercicio 54. Con objeto de establecer un plan de producción, una

empresa ha estimado que la demanda aleatoria de sus potenciales
clientes se comportará semanalmente con arreglo a la ley de probabil-
idad definida por la función de densidad
 3 2
pX (x) = 8 (4x − 2x ), 0≤x≤2
0, en el resto
donde x viene expresada en millones de unidades. ¿Qué cantidad C
deberá tener dispuesta a la venta, al comienzo de cada semana, para
poder satisfacer la demanda en dicho periodo con una probabilidad
de 0,5?
Ejercicio 55. Cierta aleación se forma con la mezcla fundida de dos
metales. La aleación que resulta contiene cierto porcentaje de plomo
X, que puede considerarse como una variable aleatoria. Suponiendo
que X tiene la siguiente función de densidad de probabilidad:
3x(100 − x)
pX (x) = 10−5 , 0 ≤ x ≤ 100,
5
y que el beneficio neto G obtenido al vender esta aleación, es una
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 13

función del porcentaje de plomo: G = A + BX, se pide calcular el

beneficio esperado.
Ejercicio 56. Si la duración en horas de cierto tubo de radio es una
variable aleatoria continua X con función de densidad
100
pX (x) = 2 , x > 100,
x
SE PIDE:

1. Probabilidad de que un tubo dure menos de 200 horas si se sabe

que el tubo funciona todavı́a después de 150 horas de servicio.
2. Si se instalan tres de estos tubos en un conjunto, probabilidad
de que exactamente uno tenga que ser sustituido después de 150
horas de servicio.
3. ¿Cuál es el número mı́nimo de tubos n que se pueden poner
en un sistema en paralelo, de modo que haya una probabilidad
0,999 de que después de 150 horas de servicio funcione todavı́a
el sistema?
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 14

Ejercicio 57. El tiempo de vida (en cientos de horas) de un transistor

es una variable aleatoria Z con función de distribución

0 z<0
FZ (z) = −z 2
1−e 0≤z
SE PIDE:
1. Demostrar que FZ (z) es una función de distribución.
2. Obtener la función de densidad de probabilidad pZ (z).
3. Calcular la probabilidad de que un determinado transistor dure
más de 200 horas.

Ejercicio 58. Una estructura metálica puede sufrir, debido al calor,

una dilatación que (medida en cm) es una variable aleatoria X con
función de densidad de probabilidad dada por:

 ax 0≤x≤3
pX (x) = b 3<x<5
 b
3 (8 − x) 5≤x≤8
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 15

1. Sabiendo que la función de densidad de probabilidad es una

función continua de x, determinar a y b.
2. Calcular e interpretar la probabilidad de que la dilatación sea
inferior a 3.
3. Si con un aparato se ha observado que la estructura ha dilatado
más de 3 cm, ¿con qué probabilidad la dilatación estará entre 3
y 5 cm?

Ejercicio 59. Sea una variable aleatoria X, que tiene como función
de densidad:
x+6
(
−6 ≤ x ≤ 4
pX (x) = 50
0 resto
1. Calcular la función de distribución de X.
2. Hallar k, si P (k ≤ x ≤ k + 1) = 0,09.

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 16

Ejercicio 60. La demanda, expresada en toneladas, de un determi-

nado producto es una variable aleatoria cuya función de densidad es:
x
pX (x) = 2≤x≤4
6
¿Cuales son la media, la varianza y la mediana de esta demanda?
El fabricante del producto sabe que cada kilo vendido reporta un
beneficio de 12 euros, y cada kilo que queda sin vender supone una
pérdida de 6 euros. Es por tanto, importante para él establecer cuál es
la cantidad a fabricar. Si el criterio para establecer dicha cantidad es
el maximizar la ganancia esperada, determinar cuál es la fabricación
óptima.

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 17

3.3. Cambio de variable

Ejercicio 61. Sea X una variable aleatoria con E(X) = 2 y V ar(X) =
0,5. Sea Y = 3X − 8. Hallar E(Y ) y V ar(Y ).
Ejercicio 62. Supongamos que una variable aleatoria X tiene función
de densidad de probabilidad:
pX (x) = 2x 0<x<1
Determinar la función de densidad de probabilidad de las variables
1. Y = H1 (X) = 3X + 1,
2. Z = H2 (X) = e−X

3. W = H3 (X) = X 2

Ejercicio 63. Para medir la velocidad del aire se usa un tubo que
permite medir la diferencia de presión. Esta diferencia está dada por
R = 21 d V 2 , con d la densidad del aire (supuesta constante) y V la
velocidad del viento (en km/h). Si V es una función de densidad de
Toc JJ II J I Volver J Doc Doc I
Sección 3: Variables aleatorias 18

probabilidad uniforme en (10, 20), encontrar la función de densidad

de probabilidad de R.
Ejercicio 64. La tabla siguiente representa la distribución de proba-
bilidad conjunta de la variable aleatoria discreta (X, Y ). Determinar

Y \X 1 2 3
1 1
1 12 6 0
1 1
2 0 9 5
1 1 2
3 18 4 15

1. Calcular P (X = 2, Y = 1); P (X = 2); P (Y = 1) y P (X =

3|Y = 2).
2. Calcular E(X); E(Y ) y Cov(X, Y ).

Toc JJ II J I Volver J Doc Doc I

Sección 3: Variables aleatorias 19

Ejercicio 65. Dos lı́neas de producción fabrican artı́culos. Supóngase

que la capacidad es de 5 artı́culos para la lı́nea I y de 3 artı́culos
para la lı́nea II. Sea (X, Y ) la representación de la variable aleatoria
bidimensional que da el número de artı́culos producidos por la lı́nea I
y por la lı́nea II:
Y \X 0 1 2 3 4 5
0 0 0,01 0,03 0,05 0,07 0,09
1 0,01 0,02 0,04 0,05 0,06 0,08
2 0,01 0,03 0,05 0,05 0,05 0,06
3 0,01 0,02 0,04 0,06 0,06 0,05

1. Determinar la probabilidad del suceso: la lı́nea I produce más

artı́culos que la lı́nea II.
2. Hallar las distribuciones marginales.
3. Calcular P (X = 3) y P (Y = 1).
4. Calcular E(X) y E(Y ).
5. Calcular P (X = 2|Y = 2).

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 20

Soluciones de Ejercicios
Ejercicio 39. Sea x la variable aleatoria que proporciona la ganancia
x −1 1 2 3
125 15 75 1
P (x) 216 216 216 216

125 15 75 1
E[X] = −1 × +1× +2× +3× = −0,078
216 216 216 216
Ejercicio 39

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 21

Ejercicio 40.
Pn
1. Se verifica que P (xi ) ≥ 0, ∀i y i=1 P (xi ) = 1
2. P (x ≤ 3) = Fx (3) = 0,3
3. P (x > 3) = 1 − P (x ≤ 3) = 1 − Fx (3) = 0,7
4. P (x = 1 ∪ x = 3 ∪ x = 5) = P (x = 1) + P (x = 3) + P (x = 5) =
0,35
5. E[X] = 1 × 0,05 + 2 × 0,20 + · · · + 5 × 0,25 = 3,65

Ejercicio 40

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 22

Ejercicio 41. Sea IA la variable aleatoria definida como


1 x∈A
IA (x) =
0 x 6∈ A

E[IA ] = 1 × P (A) + 0 × P (A) = P (A)

luego E[IA ] indica la probabilidad de que la componente funcione.
Ejercicio 41

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 23

Ejercicio 42.
1. Función indicatriz

a) 1 − (1 − I1 )(1 − I2 )(1 − I3 )
b) I1 I2
c) 1 − (1 − I1 I2 )(1 − I3 )

2. Fiabilidad

a) 1 − q1 q2 q3 ,
b) p1 p2
c) 1 − (1 − p1 p2 )q3
Ejercicio 42

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 24

Ejercicio 43.
1. Circuito 4
I = 1 − (1 − I1 I2 )(1 − I3 I4 )
R = 1 − (1 − p1 p2 )(1 − p3 p4 )
2. Circuito 4
I = [1 − (1 − I1 )(1 − I2 )][1 − (1 − I3 )(1 − I4 )]
R = (1 − q1 q2 )(1 − q3 q4 )
Ejercicio 43

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 25

Ejercicio 44.
1. Circuito 6
I = 1 − (1 − I1 I2 )(1 − I3 )(1 − I4 I5 )
R = 1 − (1 − p1 p2 )(1 − p3 )(1 − p4 p5 )
2. Circuito 7
I = I1 + I2 (1 − I1 )(I3 + I4 − I3 I4 )
R = p1 + p2 (1 − p1 )(p3 + p4 − p3 p4 )
Ejercicio 44

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 26

Ejercicio 45.
1.
p(−2) = P (x = −2) = F (−2) − F (−2− ) = 0,4 − 0 = 0,4
p(0,5) = P (x = 0,5) = F (0,5) − F (0,5− ) = 0,8 − 0,4 = 0,4
p(3) = P (x = 3) = F (3) − F (3− ) = 1 − 0,8 = 0,2

2. E[X] = −2 × 0,4 + 0,5 × 0,4 + · · · + 3 × 0,2 = 0

Ejercicio 45

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 27

Ejercicio 46. Sea x la variable aleatoria, número de caras obtenidas:

función de probabilidad
1 3 3 1
p(0) = p(1) = p(2) = p(3) =
8 8 8 8
función de distribución

 0 x<0
1


 0≤x<1
 8


4
F (x) = 8 1≤x<2
7




 8 2≤x<3

1 x≤3


Ejercicio 46

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 28

Ejercicio 47. Sea x la variable aleatoria, el número de personas que

acuden. Nos piden hallar n con
P (x ≤ n) ≥ 0,75 =⇒ P (x > n) ≤ 0,25
restando µ = E[X] = 1000
P (x − µ > n − µ) ≤ 0,25
Comparando con la desigualdad
1
P (|x − µ| > kσ) ≤
k2
1 1
= 0,25 = =⇒ k = 2 n − µ = 2 × 20
k2 4
Se obtiene
n = 1040
Ejercicio 47

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 29

Ejercicio 48. Hallamos primero:

3 1 1 3 1 1
P (X = 0) = = P (X = 4) = =
2 0! 4! 16 2 4! 0! 16
3 1 1 3 1 1
P (X = 1) = = P (X = 3) = =
2 1! 3! 4 2 3! 1! 4
3 1 3
P (X = 2) = =
2 2! 2! 8
1
P (X = 3) =
4
5
P (1 ≤ X ≤ 2,5) = P (X = 1) + P (X = 2) =
8
11
P (X ≤ 2,5) = P (X = 0) + P (X = 1) + P (X = 2) =
16
Ejercicio 48

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 30

Ejercicio 49. Sea x el número de artı́culos defectuosos vendidos en

un dı́a:
2 1
P (X = r) = p q r p= q=
3 3
Es útil hallar P (X > r) = q r+1 . Pues:
1. P (X > 1) = q 2 .

2. P (X = 5) = p q 5 .
3. P (X ≤ 3) = 1 − P (X > 4) = 1 − q 5 .
4. Por ser x geométrica E[X] = 3
Ejercicio 49

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 31

Ejercicio 51.
R3 1
1. 0 a (1 + x2 ) dx = 1 =⇒ a = 12 .
Z x  x
1 1 1
F (x) = a (1 + s2 ) ds = a s + s3 = (x + x3 )
0 3 0 12 3
5
2. P (1 < X < 2) = F (2) − F (1) = .
18
1
3. P (X < 1) = F (1) = .
9
P (1 < X < 2) F (2) − F (1) 45
4. P (X < 2|X > 1) = = = .
P (X > 1) 1 − F (1) 144
Ejercicio 51

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 32

Ejercicio 52.
1. Z 0 Z 1
0,2 dy + (0,2 + ky) dy = 1 =⇒ k = 1,2
−1 0

2. 
 0,2y + 0,2 −1 ≤ y ≤ 0
F (y) = 0,6y 2 + 0,2 y + 0,2 0 < y ≤ 1
0 en el resto


3. P (0 ≤ Y ≤ 0,5) = F (0,5) − F (0) = 0,25.

P (Y > 0,5) 1 − F (0,5)
4. P (Y > 0,5|Y > 0,1) = = = 0,71.
P (Y > 0,1) 1 − F (0,1)
Ejercicio 52

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 33

Ejercicio 53.
1. P (X > 2) = 1 − F (2) = 0,5.
2. P (X < 4,5) = F (4,5) = 1.
3. P (0,5 < X ≤ 2,5) = F (2,5) − F (0,5) = 3/8.
R4
4. E[X] = 0 x f (x) dx = 1,75
Ejercicio 53

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 34

Ejercicio 54. Nos piden C de forma que

P (X < C) ≥ 0,5 ⇐⇒ FX (C) ≥ 0,5
luego
Z C
3
(4x − 2x2 )dx ≥ 0,5
0 8
3 2 1 3
C − C ≥ 0,5
4 4
3C − C − 2 ≥ 0 ⇐⇒ (C − 1)(C 2 − 2C − 2) ≤ 0
2 3

Como 0 ≤ C ≤ 1, C = 1.
Ejercicio 54

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 35

Ejercicio 55.
Hallamos la E[X]
100
10−5
Z
E[X] = 3x2 (100 − x)dx = 50
5 0
luego
E[G] = A + 50 B
Ejercicio 55

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 36

Ejercicio 56.
La función de distribución es
100
FX (x) = 1 −
x
1.
P (150 < x < 200) 1
P (x < 200|x > 150) = =
P (x > 150) 4
2. Sea Y el número de tubos a sustituir de los tres, con p =
FX (150) = 1/3 la probabilidad de que dure menos de 150 horas
 
3 4
P (Y = 1) = p q2 =
1 9
3. Para el tiempo TP del sistema en paralelo dure menos de 150
horas, es necesario que las n componentes duren menos de 150
horas, luego:
log 0,001
P (TP > 150) = 1 − pn ≥ 0,999 =⇒ n ≥ − = 6,29
log 3
Ejercicio 56
Toc JJ II J I Volver J Doc Doc I
Soluciones de Ejercicios 37

Ejercicio 57.

1. Comprueba que se cumplen las propiedades dadas en la página

84 del libro de teorı́a.
2.
dFZ (z) 2
fZ (z) = = 2ze−z z>0
dz
3.
P (Z > 2) = 1 − P (Z < 2) = 1 − (1 − e−4 ) = e−4
Ejercicio 57

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 38

Ejercicio 58.

1. Por continuidad
f (3− ) = f (3+ ) =⇒ 3a = b
f (5− ) = f (5+ ) =⇒ b = b
Z Z 3 Z 5 Z 8
f (x)dx = 1 = a xdx + 3a dx + a (8 − x)dx = 1
0 3 5
1 1
a= b=
15 5
2. Z 3
1 3
P (X < 3) = xdx =
15 0 10
3.
P (3 < x < 3) 4
P (3 < x < 5|x > 3) = =
P (x > 3) 7
Ejercicio 58
Toc JJ II J I Volver J Doc Doc I
Soluciones de Ejercicios 39

Ejercicio 59.

1. Z x
x+6 1 1 2
FX (x) = dx = ( x + 6x + 18)
−6 50 50 2
2.
P (k ≤ x ≤ k + 1) = FX (k + 1) − FX (k) = 0,09 =⇒ k = −2

Ejercicio 59

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 40

Ejercicio 60.
Sea c la cantidad a fabricar y G(c, x) la ganancia

12x − 6(c − x) 2 ≤ x ≤ c
G(c, x) =
12c c<x≤4
Z c Z 4
x x
E[G(c, x)] = (18x − 6c) dx + 12c dx
2 6 c 6
1 3
E[G(c, x)] = − c + 18c − 8
2
dE[G(c, x)] 3 2 √
= − c + 18 = 0 =⇒ c = 12
dc 2
Ejercicio 60

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 41

Ejercicio 61.

E(Y ) = E(3X − 8) = 3E(X) − 8 = −2

V ar(Y ) = V ar(3X − 8) = 9V ar(X) = 4,5
Ejercicio 61

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 42

Ejercicio 62.
Calculamos la función de distribución de X:
Z x Z x
 x
FX (x) = f (s)ds = 2sds = s2 0 = x2
0 0

1.
y−1
FY (y) = pY (Y ≤ y) = pX (3X + 1 ≤ y) = pX (X ≤ )=
3
   2
y−1 y−1
= FX = 1<y<4
3 3
 
2 y−1
f (y) = 1<y<4
3 3

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 43

2.
FZ (z) = pZ (Z ≤ z) = pX (e−X ≤ z) = pX (X > − ln z) =
= 1 − FX (− ln z) = 1 − ln2 z e−3 < z < e−1
ln z
f (z) = −2 e−3 < z < e−1
z

3.
√ √
FW (w) = pW (W ≤ w) = pX (X 2 ≤ w) = pX (− w ≤ X ≤ w) =
√
= FX ( w) − 0 = w 0<w<1
f (w) = 1 0<w<1

Ejercicio 62

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 44

Ejercicio 63.
Calculamos la función de distribución de v:
1 v − 10
fV (v) = FV (v) = 10 < v < 20
10 10
  r !
1 2r
FR (r) = pR (R ≤ r) = PV d V 2 ≤ r = PV 0 ≤ V ≤ =
2 d
q
r ! 2r
2r d − 10
= FV = 50d < r < 200d
d 10
1
fR (r) = √ 50d < r < 200d
10 2dr

Ejercicio 63

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 45

Ejercicio 64.

Y \X 1 2 3 P (y)
1 1 3
1 12 6
0 12
1 1 14
2 0 9 5 45
1 1 2 67
3 18 4 15 180
5 19 1
P (x) 36 36 3
1

1.
1
P (X = 2, Y = 1) =
6
1 1 1 19
P (X = 2) = + + =
6 9 4 36
1 1 1
P (Y = 1) = + + 0 =
12 6 4
P (X = 3, Y = 2) 9
P (X = 3|Y = 2) = =
P (Y = 2) 14

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 46

2. Calcular E(X); E(Y ) y Cov(X, Y ).

5 19 12 79
E(X) =1 · +2· +3· =
36 36 36 39
3 14 67 358
E(Y ) =1 · +2· +3· =
12 45 180 180
1 1
Cov(X, Y ) =1 · 1 · + 2 · 1 · + ···
12 6
1 2
= + ··· + 2 · 3 · + 3 · 3 · − E[x] E[y]
4 15
=0,7879

Ejercicio 64

Toc JJ II J I Volver J Doc Doc I

Soluciones de Ejercicios 47

Ejercicio 65.

1.
p(X > Y ) = p(X,Y ) (1, 0) + p(X,Y ) (2, 0) + · · · + p(X,Y ) (5, 3)
= 0,01 + 0,03 + 0,04 + · · · + 0,05 = 0,13

2. En la tabla figuran, la distribución conjunta, y las distribuciones

marginales pX (x) y pY (y) de X e Y .

Y −X 0 1 2 3 4 5 pY (y)
0 0 0.01 0.03 0.05 0.07 0.09 0.25
1 0.01 0.02 0.04 0.05 0.06 0.08 0.26
2 0.01 0.03 0.05 0.05 0.05 0.06 0.25
3 0.01 0.02 0.04 0.06 0.06 0.05 0.24
pX (x) 0.03 0.08 0.16 0.21 0.24 0.28 1

3. Con la marginal de X, pX (x = 3) = 0,21. Con la marginal de

Y , pY (y = 1) = 0,26.
Toc JJ II J I Volver J Doc Doc I
Soluciones de Ejercicios 48

4.
E[X] = x1 · p(x1 ) + x2 · p(x2 ) + · · · + x5 · p(x5 )
= 0 · 0,03 + 1 · 0,08 + · · · + 5 · 0,28 = 3.39
E[Y ] = y1 · p(y1 ) + y2 · p(y2 ) + y3 · p(y3 ) + y4 · p(y4 )
= 0 · 0,25 + 1 · 0,26 + 2 · 0,25 + 3 · 0,24 = 1.48

p(X,Y ) (x = 2, y = 2) 0,05 1
5. p(X = 2|Y = 2) = = =
pY (y = 2) 0,25 5
Ejercicio 65