Ejercicios Propuestos Capítulo 1

1. Sean A y B dos sucesos no disjuntos cualesquiera de un experimento aleatorio.

Indicar cuál de las siguientes probabilidades es mayor P1=P ( A ∩B|A ) ó
P2=P ( A ∩B|A ∪ B ). Justificar la respuesta.

Ilustración 1: Intersección de dos sucesos

P1 es el cociente entre el área de A ∩ B y el área de A . P2 es el cociente entre el área de

A ∩ B y el área de A ∪B . Como el área de A ∪B es mayor que el área de A , es evidente que
P1 ≥ P2. Vamos a razonarlo de otra forma:
como ( A ∩ B ) ∩ A= A ∩ B , se tiene que

P( A ∩ B)
P1=P ( A ∩B|A )= =¿ P ( A ∩ B )=P1 P (A )
P( A)

Y como ( A ∩ B ) ∩ ( A ∪ B )= ( A ∩ B ) , se tiene que

P( A ∩ B)
P2=P ( A ∩B|A ∪ B )= =¿ P ( A ∩ B )=P1 P( A)
P( A ∪ B)

Por tanto

P1 P( A ∪ B)
P1 P ( A ) =P2 P ( A ∪ B ) =¿ = =≥ 1
P2 P( A)

Pues P ( A ∪ B ) ≥ P (A ) y por tanto P1 ≥ P2.

2. Dado dos sucesos A y B , tal que P ( A ) >0 y P ( B ) >0 indicar, justificando la

respuesta, si son ciertas o no las afirmaciones siguientes:
(a) Si A y B son sucesos mutuamente excluyentes entonces no pueden ser
independientes.
Si los sucesos A y B son excluyentes entonces A ∩ B=∅ y entonces P ( A ∩ B )=0. Pero nos
dicen que P ( A ) >0 y P ( B ) >0, entonces P ( A ) P ( B ) >0 , por tanto si son excluyentes no
pueden ser independientes.

(b) Si A y B son independientes entonces no pueden ser mutuamente excluyentes.

Si los sucesos A y B son independientes, entonces P ( A ∩ B )=P ( A ) P(B). Si dos sucesos

cumplen que P ( A ) >0 y P ( B ) >0 entonces P ( A ∩ B )> 0. Pero entonces no pueden ser
excluyentes ( P ( A ∩ B )=0). Por tanto si dos sucesos son independientes, no pueden ser
excluyentes.

3. Demostrar que si dos sucesos A y B son independientes, también los son A y B́ , y

Á y B́ , donde Á y B́ representan los sucesos complementarios de A y B
respectivamente.

Primero vamos a demostrar que si A y B son sucesos independientes, entonces A y B́

también lo son. El suceso A es la unión de ( A ∩ B ) y A ∩ B́, además los sucesos ( A ∩ B ) y
A ∩ B́ son disjuntos. Por tanto

A=( A ∩ B)∪ (A ∩ B́)

P ( A )=P ( A ∩B )+ P ( A ∩ B́)

Como A y B son independientes, P ( A ∩ B )=P ( A ) P(B), por tanto

P ( A )=P ( A ) P ( B ) + P( A ∩ B́)

Despejando se tiene

P ( A ∩ B́ )=P ( A )−P ( A ) P ( B )=P ( A ) ( 1−P ( B ) )=P( A) P( B́)

Por tanto A y B́ son independientes.

Si A y B́ son dos sucesos independientes, aplicando la misma propiedad se sabe que Á y B́

también lo son. (Llama C= B́, si A y C son independientes, según acabamos de demostrar
entonces A y C son independientes).

Es decir, enlazando la propiedad dos veces se tiene que si A y B son independientes lo son
Á y B́ .

Para los que no estén convencidos, vamos a demostrar de otra forma que si A y B son
independientes, entonces Á y B́ , también son independientes. Por una de las leyes de Morgan
´ B= Á ∩ B́, por tanto
se tiene que A ∪

´ B)
P ( Á ∩ B́ )=P( A ∪

¿ 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¿

4. Sean dos sucesos equiprobables e independientes tal que la probabilidad de su

unión es 0,75. Obtener la probabilidad de cada uno de ellos.

P= ( A ∪ B )=P ( A ) + P ( B )−P ( A ∩B )=0,75

Por ser independientes, P ( A ∩ B )=P ( A ) P ( B ). Además son equiprobables, llamando

p=P ( A ) =P ( B ) y sustituyendo en la ecuación anterior:

3
p+ p− p 2=0,75=¿ p2 −2 p+ =0
4

La ecuación de segundo grado que tiene como soluciones

2+ √ 4−3
p1= =1,5
2

2− √ 4−3
p2= =0,5
2

La solución p1 no es válida, por tanto la única solución es p2=0,5 .

Ejercicios Propuestos Capítulo 2

1. Dada la variable aleatoria discreta X , cuya función de probabilidad viene definida

por

P ( X=x )=kx , x=1,2,3 , … , 5

(a) Calcular el valor de la constante k

P ( X=1 ) + P ( X =2 ) + P ( X=3 ) + P ( X =4 ) + P ( X=5 ) =1

Se tiene que:

k + 2k + 3 k +4 k +5 k =1

1
15 k =1=¿ k =
15

(b) Calcular P ( X >2 )

3 4 5 4
P ( X >2 )= + + =
15 15 15 5
 (c) Calcular E [ X ] y Var [ X ]

1∗1 2∗2 3∗3 4∗4 5∗5 11

E [ X ]= + + + + =
15 15 15 15 15 3

Para calcular la varianza se aplica Var [ X ] =E [ X 2 ]−E [x 2 ], donde

2 12∗1 2 2∗2 32∗3 4 2∗4 5 2∗5

E [ X ]= + + + + =15
15 15 15 15 15

Y por tanto

11 2 14
Var [ X ] =15− ( ) 3
=
9

(d) Calcular E [ Y ] siY =2 X +5

2∗11
E [ Y ] =2 E [ X ] +5= +5=12,33
3

4∗14
Var [ Y ] =4 Var [ X ] = =6,22
9

2. Dada la variable aleatoria X, cuya función de densidad es

2
f ( x )= k (1−x ),∧si 0< x< 1
{ 0 ,∧en elresto
(a) Obtener k .
∞
Para que f sea una función de densidad debe cumplir f ( x ) >0 y ∫ f ( x ) dx
−∞

Según la primera k > 0 y según la segunda

1 1
x3
∫
0
k ( 1−x ) 2
dx=1=¿ k x −
3 ( )| =k (1− 13 )=1
0

3
Por lo tanto k =
2

(b) Dibujar la función de densidad.

 (c) Calcular la probabilidad P( X < 0,3).

0,3 0,3
x3
3 3
P ( X <0,3 ) =∫ ( 1−x2 ) dx= x−
0 2 2 3 ( )| =0,405
0

(d) Obtener la media y la varianza de X .

1 1
3 x2 x 4
E [X ]=∫
0
x∗3 (
2
1−x 2) dx = −
2 2 4 ( )| = 38
0

Var [ X ] =E [ X 2 ]−E [ X 2 ] ,

1 1
x 2∗3 ( 3 x3 x5
2
E [X ]=∫
0 2
1−x 2 ) dx= −
2 3 5 ( )| = 102
0

2 3 2
Var [ X ] = −
10 8 ()
=0,059

(e) Obtener la media y la varianza de la variable Y =3 X−1.

1
E [ Y ] =3 E [ X ] −1=
8

Var [ Y ] =9 Var [ X ] =9∗0,059=0,534

(f) Obtener la media y la varianza de la variable Z=3 X 2.

6
E [ Z ] =3 E [ X 2 ]=
10
 2
6
( )
Var [ Z ] =E [ Z 2 ]−E [ Z 2 ]=E [ 9 X 4 ] =
10

1 1
x 4∗3 ( 3 x 5 x7
4
E [X ]=∫
0 2
1−x2 ) dx=
2 5 7
− ( )| = 353
0

9∗3 6 2 72
Var [ Z ] =
35
−
10 ( )
=
175

3. Un modelo que habitualmente se utiliza en balística para comprobar la correcta

calibración de las armas es

x −x 2
f ( x )=
σ2
exp
2 σ2[ ]
, x ≥ 0 ,σ ≥ 0 ,

donde la variable aleatoria X es la distancia del punto de impacto del proyectil al centro del
blanco al que iba dirigido y σ es el parámetro que mide la precisión. Si para una distancia
determinada de disparo la precisión del arma es σ =10 cm.

(a) ¿Cuál es la probabilidad de que un impacto esté a una distancia menor o igual de 5
cm del centro?
5
x −x 2
P ( X ≤5 )=∫
0 σ2
exp
[ ]
2 σ2
dx

Cambio de variable

x2 x
u= 2
, du= 2
2σ σ
 52 1
Nuevos límites de la integración son 0 y u= = ,
2∗100 8
1
8 −1
P ( X ≤5 )=∫ e−u du=1−e 8 =0,1175
0

(b) Calcular la función de distribución.

2 2 2
x −t −t −x
t 2 2 2

F ( x )=P ( X ≤ x ) =∫ 2 e 2 σ dt=−e 2σ ¿ x0=1−e 2 σ

0 σ

(c) ¿Cuál es la probabilidad de que al lanzar 10 proyectiles, ninguno haya impactado a

una distacia menor de 5 cm del centro del blanco?

Llamamos Ai al suceso “el disparo i está más allá de 5 m del objetivo”. Según hemos visto
−25 −1
200 8
P ( A i )=P ( X ≥ 5 )=e =e

La probabilidad de que los diez disparos estén más allá de 5m es

−1 10 −10
P ( A 1 ∩ A 2 ∩ …∩ A 10 )=P ( A10 )=( e )
8
=e 8
=0,2865

(d) ¿Cuál es la probabilidad de que al lanzar 10 proyectiles, todos hayan impactado a

una distacia menor de 5 cm del centro del blanco?

La probabilidad de que un disparo se encuentra a una distancia menor o igual de 5 metros es

−1
(1−e ) , y haciendo el mismo razonamiento que en el apartado anterior, la probabilidad de
8

−1 10
que los diez caigan dentro de 5 m es 1−e ( 8
) =0,1175 10=5,017567e-10 ≈ 0

4. Un gran almacén guarda cajas que contienen piezas de distinto tipo. La proporción X
de piezas de tipo A en una caja se puede considerar una variable aleatoria con
función de densidad:

f ( x )=kx ( 1−x ) con 0 ≤ x ≤1

 (a) Calcular el valor de k , la media y la varianza de la variable aleatoria X .

Para obtener k se pone la condición de que integre 1,

1 1
2 3
∫ kx ( 1−x ) dx=k x2 − x3
0
( )| =k ( 12 − 13 )= 6k
0

k
Como =1, se tiene que k =6
6

La media se obtiene como:

1 1
x3 x4
E [ X ] =∫ ⏟
0
x∗6 x(1−x) dx =6
f (x)
−
3 4 ( )| =¿ 12 ¿
0

y la varianza, teniendo en cuenta que Var [ X ] =E [ X 2 ]−E [ X 2 ] ,

1 1
x 4 x5
2
E [ X ]=∫ ⏟
0
2
x ∗6 x(1−x) dx =6
f (x) 4 5
− ( )| =¿ 103 ¿
0

3 1 2 1
Var [ X ] = −
10 2 () =
20

(b) Si se toman 10 cajas al azar. ¿Cuál es la probabilidad de que ninguna de ellas

contenga una proporción de piezas de tipo A igual o superior al 75%?

0,75 0,75
x2 x 3
P ( A 1 )= ∫
0
(
6 x ( 1−x ) dx=6 −
2 3 )|
0
=¿
27
32
=0,84375¿

que todas contengan menos de 0,75, significa que

 10
27
( ) =0,1828681
P ( A 1 ∩ A 2 ∩ …∩ A 10 )=P ( A1 ) P ( A 2 ) … P ( A 10) =
32