1.

Vector aleatorio

1. La distribución de probabilidad conjunta del vector (X, Y ) está dada

por p (x, y) = x+y
30
con x = 0, 1, 2, 3 e y = 0, 1, 2.
a ) Determine:
1) P (X ≤ 2, Y = 1).
2) P (X > 2, Y ≤ 1) .
3) P (X − Y > 0).
4) P (X + Y = 4).
b) Obtenga las distribuciones marginales de X e Y respectivamente.
c) ¾Son X e Y variables aleatorias independientes?
d) Calcule el coeciente de correlación entre X e Y .
e) Obtenga las distribuciones condicionales.

Soluciones
a)
1) P (X ≤ 2, Y = 1) = p (0, 1) + p (1, 1) + p (2, 1) = 301 + 302 + 303 = 306 .
2) P (X > 2, Y ≤ 1) = p (3, 0) + p (3, 1) = 303 + 304 = 307 .
3) P (X − Y > 0) = p (1, 0) + p (2, 0) + p (2, 1) + p (3, 0) + p (3, 1) + p (3, 2) =
1
= 30 2
+ 30 3
+ 30 3
+ 30 4
+ 30 5
+ 30 = 18
30
.
4) P (X + Y = 4) = p (2, 2) + p (3, 1) = 304 + 304 = 308 .
b)
X\Y 0 1 2 pX (x)
1 2 3
0 0 30 30 30
1 2 3 6
1 30 30 30 30
2 3 4 9
2 30 30 30 30
3 4 5 12
3 30 30 30 30
6 10 14
pY (y) 30 30 30
1
c ) Falso pues p (0, 0) = 0 6= 18
30
= 3 6
30 30
= pX (0) pY (0).

1
 d)
E (X) = 0 · 303 6
+ 1 · 30 9
+ 2 · 30 + 3 · 12
30
= 306
+ 3018
+ 3630
= 60
30
= 2.
E (X ) = 0 · 30 + 1 · 30 + 2 · 30 + 3 · 30 = 30 + 30 + 30 = 150
2 2 3 2 6 2 9 2 12 6 36 108
30
= 5.
E (Y ) = 0 · 30 + 1 · 30 + 2 · 30 = 30 + 30 = 30 .
6 10 14 10 28 38

6
E (Y 2 ) = 02 · 30 + 12 · 10
30
+ 22 · 1430
= 1030
56
+ 30 = 3066
.
V (X) = E (X 2 ) − [E (X)]2 = 5 − 4 = 1.
V (Y ) = E (Y 2 ) − [E (Y )]2 = 66
30
− 1444
900
= 536
900
.
E (XY ) = COM P LET AR.
COV (X, Y ) = E (XY ) − E (X) E (Y ) = COM P LET AR.
ρXY = √COV (X,Y ) = COM P LET AR.
V (X)V (Y )

e ) COMPLETAR.

2. El ejemplo siguiente ilustra que ρ = 0 no implica independencia. Su-

poniendo que una variable aleatoria bidimensional (X, Y ) tiene una
distribución conjunta dada por

Y /X −1 0 1
−1 d c d
0 c 0 c
1 d c d

donde c > 0, d > 0, 4c + 4d = 1, demuestre que:

a ) ρ = 0.
b ) X e Y no son independientes.

Soluciones
a)
E (X) = −1 · (2d + c) + 0 + (2d + c) = 0 = E (Y ).
E (XY ) = 1 · d + 0 − d + 0 + 0 + 0 − d + d = 0.
√ )−E(X)E(Y ) = 0.
ρXY = √COV (X,Y ) = E(XY
V (X)V (Y ) V (X)V (Y )

2
 b ) Supongamos que son independientes. Luego:
P (0, 0) = 0 = PX (0) PY (0) = 4c ⇐⇒ c = 0.
P (1, 1) = d = PX (1) PY (1) = 4d ⇐⇒ d = 0.
Luego XY no es una distribución de probabilidad. Absurdo.
3. Se debe seleccionar un comité de tres personas elegidas al azar de un
grupo constituido por cuatro docentes y cinco estudiantes. Sea X1 :
número de docentes en el comité y X2 : número de estudiantes en el
comité.
a ) Determine la distribución de probabilidad conjunta de X1 y X2 .
b ) Determine las distribuciones marginales de X1 y X2 .
c ) ¾Son X1 y X2 independientes?
d ) Calcule P (X1 = 1|X2 ≥ 1).

Soluciones
X1 ∼ H (9, 4, 3). X2 ∼ H (9, 5, 3). X1 + X2 = 3.

a)
X2 \X1 0 1 2 3 pX2
1 1
0 0 0 0 21 21
5 5
1 0 0 14
0 14
10 10
2 0 21
0 0 21
5 5
3 42
0 0 0 42
5 10 5 1
pX1 42 21 14 21
1
b)
0 1 2 3
5 10 5 1
pX1 (x) 42 21 14 21
1 5 10 5
pX2 (x) 21 14 21 42
c ) No son independientes pues PX1 X2 (0, 0) = 0 6= PX1 (0) · PX2 (0).
pX1 X2 (1,1)+pX1 X2 (1,2)+pX1 X2 (1,3)
d ) P (X1 = 1|X2 ≥ 1) = P (X1 =1∩X2 ≥1)
P (X2 ≥1)
= pX2 (1)+pX2 (2)+pX2 (3)
= 12 .

3
4. Sea f la función densidad de probabilidad conjunta del vector aleatorio
(X, Y ), dada por:
(
kx (x − y) 0 < x < 2, −x < y < x
f (x, y) =
0 en otro caso

a ) Determine el valor de k .
b ) Obtenga las distribuciones marginales de X e Y respectivamente.
c ) Calcule el coeciente de correlación entre X e Y .

Soluciones

2
y=x
y = −x
1 1

0.5
−1 1 2 3
0 2
−1
0 0
0.5 1
1.5 2 −2 y
−2 x

ˆ2 ˆx ˆ2 ˆx ˆ2 ˆ ˆx
 x 

a) kx (x − y) dy dx = k x (x − y) dy dx = k x  x dy − y dy  dx =
0 −x 0 −x 0 −x −x
ˆ2  x  ˆ2 ˆ2
y2 
=k x x · y|x−x − 2 
dx = k x (2x − 0) dx = k x2x2 dx =
2
−x
0 0 0
ˆ2 2
=k 2x3 = 2k x4 
4 
= 2k4 = 1 ⇐⇒ k = 18 .
0
0

4
b)
2
y=x
y = −x
1

−1 1 2 3

−1

−2
ˆx
 1 x (x − y) dy
 (
0<x<2 1 3

x 0<x<2
fX (x) = 8 = 4
−x 0 en otro caso
en otro caso

0


2
y=x
−y = x
1

−1 1 2 3

−1

−2

−2 < y < 0 ⇐⇒ −y < x < 2.

0 < y < 2 ⇐⇒ y < x < 2.

5
 ˆ 1

2

x (x − y) dx −2 < y < 0



 8  3
5y −12y+16
−2 < y < 0


−y
  48
fY (y) = ˆ2

3
= y −12y+16
48
0<y<2
1



 8
x (x − y) dx 0 < y < 2 

0 en otro caso



 y
en otro caso

0

c ) COMPLETAR.

5. Sea f la función densidad de probabilidad conjunta del vector aleatorio

(X, Y ), dada por:
(
k 0 < x < 1, x < y < x + 1
f (x, y) =
0 en otro caso

a ) Determine el valor de k .
b ) Obtenga las distribuciones marginales de X e Y respectivamente.
c ) Calcule el coeciente de correlación entre X e Y .

Soluciones

1.5
1.2

1
1

0.5 2
y=x 0.80
y =x+1 1
0.2 0.4
0.6 0.8 y
−0.5 0.5 1 1.5 1 0
x

6
a)
ˆ1
k dx = k .
0
ˆx+1
k dy = k .
x
ˆx+1ˆ1
k dx dy = k = 1.
x 0

b)
2

1.5

0.5
y=x
y =x+1

−0.5 0.5 1 1.5

ˆ∞ ˆx+1 (
1 0<x<1
fX (x) = f (x, y) dy = k dy = 1 ⇒ fX (x) =
0 en otro caso
−∞ x

7
 2

1.5

0.5
y=x
y−1=x

−0.5 0.5 1 1.5

ˆy

dx = y 0<y<1




ˆ∞


0

f (x, y) dx = ˆ
1
fY (y) =
−∞


 dx = 2 − y 1 < y < 2



y−1
en otro caso


0
c)
ˆ∞ ˆ1 1
E (X) = x · fX (x) dx = x dx = x2 
2 
= 21 .
0
−∞ 0
ˆ∞ ˆ 1 ˆ 2 1  2
E (Y ) = y · fY (y) dy = y · y dy + y (2 − y) dy = y3 
+ y2 − y3
 = 1.

3  3
0 1 0 1
−∞
ˆ1 ˆx+1 ˆ1 ˆx+1 ˆ1
E (XY ) = x · y · 1 dy dx = x y dy dx = x 2x+1
2
dx = 7
12
.
0 x 0 x 0
COV (X, Y ) = E (XY ) − E (X) E (Y ) = 7
12
− 1
2
= 1
12
.
ˆ1 1
E (X ) = x 1 dx = 3  = 13 .
2 2 x3 
0
0

8
 ˆ1 ˆ2
2
E (Y ) = 3
y dy + y 2 (2 − y) dy = 67 .
0
1
V (X) = E (X 2 ) − E (X)2 = 31 − 14 = 12 1
.


V (Y ) = E (Y 2 ) − E (Y )2 = 67 − 1 = 61 .
 

ρXY = √COV (X,Y ) = √1/12

1 1
= √1
2
≈ 0, 7071.
V (X)V (Y ) ·
12 6

6. Un sistema electrónico opera con dos tipos de componentes. Sean T1 y

T2 las variables aleatorias tiempo de duración (en horas) de las compo-
nentes de tipo 1 y 2 respectivamente. La función densidad de probabi-
lidad conjunta del vector (T1 , T2 ) es:
t1 +t2
(
t1 −( )
8
e 2 0 < t1 , 0 < t2
f (t1 , t2 ) =
0 en otro caso

a ) Determine P (T1 ≥ 1, T2 ≥ 2).

b ) Calcule la probabilidad de que una componente de tipo 2 tenga
una duración mayor que 2 horas.

Soluciones

0 2
0
1 y
2
x 3 0

9
 a)
ˆ∞ˆ∞ ˆ∞ˆ∞
t1 +t2
t1 −( ) dt dt = t1 − t21 − t22
P (T1 ≥ 1, T2 ≥ 2) = 8
e 2
2 1 8
e e dt2 dt1 =
1 2 1 2
ˆ∞ ˆ∞ ˆ∞ ˆ∞ t 3
t1 t2 t1 − 1 −1
3e− 2
= 81 t1 e− 2 dt1 e− 2 dt2 = 18 t1 e− 2 2e−1 dt1 = t1 e 42 dt1 = 2
.
1 2 1 1

b)
ˆ∞ ˆ∞ ˆ∞
t1 +t2 t1 t2
fT2 (t2 ) = f (t1 , t2 ) dt1 = 1
t e−
8 1
2 dt1 = 1
8
t1 e− 2 e− 2 dt1 =
−∞ 0 0
ˆ∞
t2 t1 t2
= 81 e− 2 t1 e− 2 dt1 = 12 e− 2 .
0
ˆ∞ ˆ∞ t
− 2
P (T2 ≥ 2) = fT2 (t2 ) dt2 = e 2 2 dt2 = e−1 .
2 2

7. Los tiempos en horas TA y TB que dos estudiantes A y B demoran

en resolver un problema son variables aleatorias independientes con
distribución exponencial y esperanza 0,5hs. Calcule la probabilidad de
que el estudiante A demore a lo sumo una hora y el estudiante B demore
como máximo 45 minutos.

Solución
TA ∼ Ex (2). TB ∼ Ex (2).
 
= (1 − e−2 ) 1 − e−2· 60 ≈ 0, 67.
45
P TA ≤ 1, TB ≤ 45 45



60
= FTA (1) FTB 60

8. Se escoge al azar un punto de coordenadas reales en el triángulo limi-

tado por y = 0, x = 0, y = 2n − x.
a ) Determine la distribución conjunta de las coordenadas (X, Y ).
b ) Determine las distribuciones marginales de X e Y .
c ) Determine la distribución condicional de X dado Y .

10
Soluciones
2n
y = 2n − x

2n

a)
(
k 0 < x < 2n − x; 0 < y < 2n − x
fXy (x, y) =
0 en otro caso
¨ ˆ2n 2n−x
ˆ ˆ2n 2n−x
ˆ
f (x, y) dx dy = k dy dx = k dy dx =
RXY 0 0 0 0
ˆ2n
=k (2n − x) dx = k2n2 = 1 ⇐⇒ k = 1
2n2
.
0

b)
ˆ
2n−x ˆ
2n−x

fX (x) = f (x, y) dy = 1
2n2
dy = 2n−x
2n2
.
(0 0
2n−x
0 < x < 2n
fX (x) = 2n2
.
0 en otro caso

11
 ˆ
2n−y

fY (y) = 1
2n2
dx = 2n−y
2n2
.
(0
2n−y
2n2
0 < y < 2n
fY (y) =
0 en otro caso
c)
1
fX/Y =y = fXY (x,y)
fY (y)
= 2n2
2n−y = 1
2n−y
COMPLETAR.
2n2

9. Sean X1 y X2 variables aleatorias cuya distribución conjunta es unifor-

me en el triángulo de vértices (−1, 0), (0, 1) y (1, 0).
a ) Encuentre la densidad marginal de X1 y la densidad marginal de
X2 .
b ) Halle COV (X1 , X2 ).

Solución

(0,1) x2 = 1 + x1
1
x2 = 1 − x1

0.5

(-1,0) (1,0)
−1 −0.5 0.5 1

12
a)

k −1 < x1 < 0 ∧ 0 < x2 < 1 + x1

f (x1 , x2 ) = k 0 < x1 < 1 ∧ 0 < x2 < 1 − x1 =
0 en otro caso


(
k 0 < x2 < 1 ∧ x2 − 1 < x1 < 1 − x2
=
0 en otro caso
ˆ1 1−x
ˆ 2 ˆ1 ˆ1
1−x2
k dx1 dx2 = k x1 |x2 −1 dx2 = k (1 − x2 + 1 − x2 ) dx2 =
0 x2 −1 0 0
ˆ1
1


2k (1 − x2 ) dx2 = 2k 1 − 2
= 2k − k = k = 1
0

(0,1) x2 = 1 + x1
1
x2 = 1 − x1

0.5

(-1,0) (1,0)
−1 −0.5 0.5 1

ˆ
 1+x1





 1 dx2 = 1 + x1 −1 < x1 < 0

 0

ˆ 1
fX1 (x1 ) = 1−x



 1 dx2 = 1 − x1 0 < x1 < 1


 0

en otro caso

0

13
 (0,1) x2 − 1 = x1
1
1 − x2 = x1

0.5

(-1,0) (1,0)
−1 −0.5 0.5 1

ˆ
 1−x2

1 dx1 = 1 − x2 − (x2 − 1) = 2 − 2x2 = 2 (1 − x2 ) 0 < x2 < 1


fX2 (x2 ) =
x −1
2

en otro caso

0
b ) COMPLETAR.

2. Suma de variables aleatorias

10. Un aparato de televisión puede tener dos tipos de roturas: debido a

falla de transistores o debido a la falla de condensadores. Ambas fuentes
de rotura son independientes. El número de roturas debido a falla de
transistores durante los dos primeros años de utilización del aparato es
una v. a. que sigue una ley de Poisson con promedio 1. El número de
roturas debido a la falla de condensadores, durante el mismo período,
sigue una ley de Poisson con promedio 2. Calcule la probabilidad de
que en el primer año de utilización del aparato, éste tenga exactamente
2 roturas.

14
 Solución
Tt : Numero de roturas por falla de transistores durante los t
primeros años.
1
. 1


• E (Tt ) = 1 = λT · 2 ⇒ λT = 2
⇒ Tt ∼ P o 2
t
Ct : Numero de roturas por falla de condensadores durante los t
primeros años.
• E (Ct ) = 2 = λC · 2 ⇒ λC = 1 ⇒ Ct ∼ P o (t).
Xt : Numero de roturas durante los t primeros años.
• Xt = Tt + Ct .
Como Tt y Ct son independientes, por propiedad reproductiva
de
la distribución de Poisson, resulta Xt ∼ P o 2 t + t = P o 2 t .
1 3


3 2
e− 2 ( 32 )
• P (X1 = 2) = 2!
≈ 0, 056.

11. Ciertos elementos de un circuito eléctrico se protegen contra el exceso

de voltaje por medio de dos relevadores R1 y R2 que se ajustan para
ser descargados en períodos X1 y X2 respectivamente, después que
comienza el exceso de voltaje. Estos períodos de descarga varían debido
a pequeños factores incontrolables, por lo que se puede suponer que X1
y X2 son v. a. normales independientes con tiempos medios de descarga
µ1 = 1s y µ2 , y varianzas σ12 = σ22 = 10 s . Determine µ2 de manera
1 2

tal que la probabilidad de que R2 sea descargada antes que R1 sea a lo

sumo 0,001.

Solución
     q 
X1 ∼ N 1, √110 . X2 ∼ N µ2 , √110 . X2 −X1 ∼ N µ2 − 1, 10
2
.
P (X2 ≤ X1 ) = P (X2 − X1 ≤ 0).
• Z = X2 −X
√1 +1−µ
2
2
. X2 − X1 ≤ 0 ⇐⇒ Z ≤ 1−µ√ 22 .
10 10
 
• P Z ≤ 1−µ
√ 22 ≤ 0, 001 ⇐⇒ 1−µ √ 22 ≤ −3, 11 ⇐⇒
10 10
q q
2
⇐⇒ −µ2 ≤ −3, 11 10 − 1 ⇐⇒ µ2 ≥ 3, 11 10 2
+ 1.

15
12. Sean X1 , . . . , Xn ; n variables aleatorias independientes distribuidas uni-
formemente en el intervalo (0, 1). Encuentre la función de densidad de
probabilidad de la variable aleatoria Z = X1 + . . . + X60 .

Solución
(
1 0 < xi < 1
Xi ∼ U [0, 1]. fXi (xi ) = .
0 en otro caso
E (Xi ) = 21 . V (Xi ) = 1
12
.
60
Xi . Como Xi son independientes y n es grande, por el
X
Z =
i=1
teorema central del limite resulta Z ∼ N (µ, σ).
60 60
= 30. σ = = 5.
X X
60 2 60
µ= E (Xi ) = 2
V (Xi ) = 12
i=1 i=1
√
(z−30)2
∴ Z ∼ N 30, 5 . fZ (z) ≈ √ 1 √ e−
2π 5
10 . RZ = {z ∈ R/0 ≤ z ≤ 60}.

f (z)

24 26 28 30 32 34 36

13. El espesor de una lámina metálica (en mm) es una v. a. Xi ∼ N (0, 5; 0, 052 ).
El espesor de una lámina de papel aislante es también una v. a. Yi ∼ N (0, 5; 0, 022 ).
Obtenga la distribución del núcleo de un transformador que consta de
50 capas de láminas metálicas y 49 láminas de papel aislante.

Solución COMPLETAR.

16
14. Un ensamble eléctrico consta de 20 bloques de tipo A y 30 bloques
de tipo B conectados en serie. Los ensambles se colocan en recipientes
cuya longitud (en cm) varía aleatoriamente con distribución normal,
media 65 y desviación estándar 0,5. Se conoce además que la longitud
(en cm) de un bloque de tipo A varía aleatoriamente con media 1,95 y
desvío estándar 0,01 y la longitud (en cm) de un bloque de tipo B varía
aleatoriamente con media 0,83 y desviación estándar 0,02 cm. Calcule la
probabilidad de que un ensamble entre en un recipiente, cuando ambos
son elegidos al azar.

Solución COMPLETAR.
15. Un sistema está formado por 100 componentes que funcionan inde-
pendientemente. La probabilidad de que cualquier componente falle
durante el período de operación es igual a 0,10. Para que funcione el
sistema completo, deben funcionar al menos 85 componentes. Calcule
la probabilidad de que el sistema funcione.

Solución COMPLETAR.
16. El consumo de combustible en litros de un ómnibus que realiza el trayec-
to Rosario-Santa Fe es una variable aleatoria normalmente distribuida
con media 20 litros y desviación estándar 2 litros. Calcule la probabi-
lidad de que 640 litros resulten insucientes para realizar 30 viajes.

Solución
Xi : Consumo de combustible en el i-esimo trayecto. i ∈ {1, . . . , 30}.
Xi ∼ N (20l, 2l). µXi = 20. σ 2 Xi = 4.

f (xi )

15 16 17 18 19 20 21 22 23 24 25 26

17
 Considerando que el consumo en cada trayecto es independiente
del consumo en los demás trayectos, por propiedad reproductiva
de distribuciones normales tenemos lo siguiente:
• Y : Consumo total en 30 trayectos.
30
µXi = 30 · 20 = 600l.
X
• µ=
i=1
30
σ 2 Xi = 30 · 4 = 120l2 .
X
• σ2 =
i=1
30
√
Xi . Y ∼ N 600l, 120l .
X

• Y =
i=1

f (y)

570 580 590 600 610 620 630

P (Y > 640) = 1 − P (Y < 640) ≈ 1 − P (Z < 3, 65) ≈ 1 − 0, 99987 = 0, 00013.

17. Un sistema está formado por n componentes, cada una con una pro-
babilidad de que funcione de 0,9 El sistema funcionará si funcionan
correctamente al menos el 82 % de las componentes. Determine n de
modo que el sistema tenga una probabilidad de funcionar de al menos
0,95.

Solución COMPLETAR.
18. Treinta instrumentos electrónicos d1 , . . . , d30 se usan para un control
automático de la siguiente manera: cuando falla d1 comienza a actuar
d2 , cuando falla d2 empieza d3 , y así sucesivamente. El tiempo para
que falle di (1 = 1, . . . , 30) es una v. a. que se distribuye según una ley
exponencial con parámetro α = 0, 1 (hora−1 ). Si se quiere obtener la
distribución de T , el tiempo total de la operación de los 30 instrumen-
tos, ¾se podría recurrir al Teorema central del límite?

18
 Solución COMPLETAR.
19. Una empresa dedicada a la venta de repuestos sabe que la demanda
diaria varía aleatoriamente con la siguiente distribución de probabili-
dad:

D 0 1 2
1 1 1
P (D = d) 4 2 4

Desde el momento en que se hace el pedido hasta que el mismo ingresa

al stock transcurren 90 días. Determine cuántas unidades deben tenerse
en existencia en momento de hacer el pedido si se quiere que la proba-
bilidad de que la demanda durante los 90 días supere la existencia sea
0,05.

Solución
D: Demanda diaria del articulo.
Di : Demanda en el día i del articulo.
90
Di .
X
DT =
i=1
Si suponemos que las demandas en un día son independientes de
las demandas en el resto de los días, luego por el teorema central
del limite, DT ∼ N (µ, σ).
E (Di ) = 0 · 0, 25 + 1 · 0, 5 + 2 · 0, 25 = 1.
E (Di2 ) = 0 · 0, 25 + 1 · 0, 5 + 4 · 0, 25 = 1, 5.
V (Di ) = 1, 5 − 1 = 0, 5.
90 90
E (Di ) = 90. σ = V (Di ) = 45.
X X
2
µ=
i=1 i=1
Por lo tanto
√
aproximamos la distribución DT por una distribución
N 90, 45 .

19
 f (t)

75 80 85 90 95 100 105 110

k : stock al hacer el pedido.

P (DT > k) = 0, 05 ⇐⇒ P (DT < k) = 1 − 0, 05 = 0, 95.
P (DT < k) = P (Z < z) = 0, 95 ⇐⇒ z ≈ 1, 65 ⇐⇒ k ≈ 101.
∴ El stock necesario al hacer el pedido es de 102 artículos.

20. La demanda diaria de agua potable por habitante en una población

de 10000 habitantes es una v. a. X con E (X) = 0, 4m3 y σ (X) =
0, 09m3 . La disponibilidad de agua (en m3 ) para el consumo almacenado
diariamente en una represa es una v. a. Y ∼ N (4500; 4502 ). ¾Cuál es la
probabilidad de que en un día cualquiera no sea satisfecha la demanda?

Solución COMPLETAR.

20