1.Two fair dice are rolled.

Find the joint probability mass function of X and Y when

a) X is the largest value obtained on any die and Y is the sum of the values;
Definimos N1 y N2 como variables aleatorias que marcan los números obtenidos en el primer y
segundo dado. Sabemos que N1 y N2 son independientes y que N 1 , N 2 DUnif ( 1 , … ,6 ).

Tenemos que X=max(N1,N2) y Y=N1+N2. Entonces X pertenece a (1,…,6) y Y pertenece a (2,…,12).

También se tiene que X<Y casi seguro. Entonces tomamos cualquier k y l de los rangos dados.
Consideramos el evento X=k y Y=l. Lo cual significa que el valor máximo en cualquier dado es k y
que la suma de ambos es l. Observamos que los único posibles pares de (N1,N2) correspondientes
al evento son (k, l-k) y (l-k,k) si l<2k .

2
Si l<2k el único posible par es (k,k) entonces P ( X=k ,Y =l )=
36
{ , k <1<2 k
1
36
l=2 k

b) X is the value on the first die and Y is the larger of the two values;
Se tiene que X=N1 y Y=max(N1,N2). Observamos que ambas variables están en (1,…,6) y que X≤Y
casi certero. Tomamos cualquier k<l del rango dado, y se tiene P(X=k, Y=l)=P(X=l dado que X=k).

Suponiendo que k=l y que tenemos X=k. En este caso N2 puede ser cualquier número en el rango
k 1 k
desde 1,…,k para obtener Y=l, así P(Y=l dado que X=k) P(X=k)= ⋅ =
6 6 36
Si k<l tenemos que X=k N2 debe ser menor que l para obtener Y=l. Entonces en este caso P(Y=l
1 1 1
dado que X=k) P(X=k)= ⋅ =
6 6 36
c) X is the smallest and Y is the largest value obtained on the dice
Se tiene que X=min(N1,N2) y Y=max(N1,N2). También tenemos que X≤Y casi certero. Entonces
tomamos cualquier k≤1. Supongamos que k<l. En este caso se tiene que N1=k, N2=l o N1=l, N2=k.
Entonces existen únicamente dos posibilidades P(X=k, Y=l)=2/36

Si k=l, la única posibilidad es (N1, N2)=(k,k), así P(X=k, Y=l)=1/36

2. Suppose that 3 balls are chosen without replacement from an urn consisting of 5
whites and 8 red balls. Let Xi equal 1 if the ith ball selected is white and it equal 0
otherwise. Give the join probability mass function off
a) X1,X1
 5
La probabilidad de que la primera bola elegida sea blanca es igual a .
13
La probabilidad de que la segunda bola elegida sea blanca (ahora solo hay 4 blancas y 12
4
en total) ¿ .
12
5 4 5
P ( X 1=1 , X 2=1 )= ∙ =
13 12 39
Lo mismo para:

5 8 10
P ( X 1=1 , X 2=0 )= ∙ =
13 12 39
5 4 10
P ( X 1=0 , X 2=1 )= ∙ =
13 12 39
5 4 14
P ( X 1=0 , X 2=0 ) = ∙ =
13 12 39

b) X1,X2,X3
5 4 3 5
P ( X 1=1 , X 2=1 , X 3 =1 )= ∙ ∙ =
13 12 11 143
8 5 4 40
P ( X 1=0 , X 2=1 , X 3=1 ) = ∙ ∙ =
13 12 11 429
5 8 4 40
P ( X 1=1 , X 2=0 , X 3=1 ) = ∙ ∙ =
13 12 11 429
5 4 8 40
P ( X 1=1 , X 2=1 , X 3 =0 ) = ∙ ∙ =
13 12 11 429
8 7 5 70
P ( X 1=0 , X 2=0 , X 3=1 ) = ∙ ∙ =
13 12 11 429
8 7 5 70
P ( X 1=0 , X 2=1 , X 3=0 ) = ∙ ∙ =
13 12 11 429
8 7 5 70
P ( X 1=1 , X 2=0 , X 3=0 ) = ∙ ∙ =
13 12 11 429
8 7 6 28
P ( X 1=0 , X 2=0 , X 3=0 )= ∙ ∙ =
13 12 11 143
3. In problem 2, suppose that the white balls are numbered and let Yi equal to 1if the ith
white ball is selected and 0 otherwise. Give the join probability mass function of
a) Y1, Y2

Existen (133 ) formas de elegir 3 bolas.

Ya que se eligieron la primera y segunda existen (111) formas. Entonces.
11
P ( Y =1 ,Y =1 )=
( 1) 1
=
1 2
13 26
( 3)
Lo mismo para:
11
P ( Y =1 ,Y =0 ) =
( 1) 5
=
1 2
13 26
(3)
11
P ( Y =0 , Y =1 ) =
( 1) 5
=
1 2
13 26
(3)
11
P ( Y =0 , Y =0 )=
( 1 ) 15
=
1 2
13 26
(3)
b)Y1, Y2,Y3

10
P ( Y =1 ,Y =1 ,Y =1 )=
( 0)
=
1
1 2 3

(133 ) 286
10
P ( Y =0 , Y =1 , Y =1 ) =
( 1) 5
=
1 2 3
13 143
(3)
10
P ( Y =1 ,Y =0 , Y =1 ) =
( 1) 5
=
1 2 3
13 143
(3)
 10
P ( Y =1 ,Y =1 ,Y =0 ) =
( 1) 5
=
1 2 3
13 143
(3)
10
P ( Y =0 , Y =0 , Y =1 )=
( 2 ) 45
=
1 2 3
13 286
(3)
10
P ( Y =0 , Y =1 , Y =1 ) =
( 2 ) 45
=
1 2 3
13 286
(3)
10
P ( Y =1 ,Y =0 , Y =0 )=
( 2 ) 45
=
1 2 3
13 286
(3)
10
P ( Y =0 , Y =0 , Y =0 )=
( 3 ) 60
=
1 2 3
13 143
( 3)

4. Repeat problem 2 when the ball selected is replaced in the urn before the next
selection
a) X1,X1
5
La probabilidad de que la primera bola sea blanca ¿ y reemplazamos esa bola. La
13
segunda bola vuelve a ser blanca pero como reemplazamos la bola, la probabilidad es la
5
misma . En este caso todas las variables de X i son independientes. Entonces tenemos:
13
5 2
( )
P ( X 1=1 , X 2=1 )=P ( X 1=1 ) P ( X 2 =1 )=
13
Y en la misma idea obtenemos:

5 8 40
P ( X 1=1 , X 2=0 )= ∙ =
13 13 169
 8 5 40
P ( X 1=0 , X 2=1 )= ∙ =
13 13 169
8 8 64
P ( X 1=0 , X 2=0 ) = ∙ =
13 13 169

b) X1,X2,X3
5 5 5 125
P ( X 1=1 , X 2=1 , X 3 =1 )= ∙ ∙ =
13 13 13 2197
8 5 5 200
P ( X 1=0 , X 2=1 , X 3=1 ) = ∙ ∙ =
13 13 13 2197
5 8 5 200
P ( X 1=1 , X 2=0 , X 3=1 ) = ∙ ∙ =
13 13 13 2197
5 5 8 200
P ( X 1=1 , X 2=1 , X 3 =0 ) = ∙ ∙ =
13 13 13 2197
8 8 5 320
P ( X 1=0 , X 2=0 , X 3=1 ) = ∙ ∙ =
13 13 13 2197
8 5 8 320
P ( X 1=0 , X 2=1 , X 3=0 ) = ∙ ∙ =
13 13 13 2197
5 8 8 320
P ( X 1=1 , X 2=0 , X 3=0 ) = ∙ ∙ =
13 13 13 2197
8 8 8 512
P ( X 1=0 , X 2=0 , X 3=0 )= ∙ ∙ =
13 13 13 2197

5. Repeat problem 3a when the ball selected is replaced in the urn before the next
selection
1. p(0 , 0)=(12/13) 3(11 /12)3
2. p(0 , 1)= p(1 , 0)=(12/13)3[1−(11 /12) 3]
3. p(1 , 1)=(2/13)[(1/13)+(12.13)(1/13)]+(11 /13)(2/13)(1/13)
6. A bin of 5 transistors is known to contain 2 that are defective. The transistors are to
be tested, one at time, until the defective ones are identified. Denote by N1 the number
of tests made until the first detective is spotted and by N2 the number of additional
tests until the second detective is spotted; find the join probability mass function of N1
and N2.
 5−k
P ( N 1=k )=
( 1 )

( 52)
P ( N 2=I|N 1=k )=¿
P ( N 1=k , N 2=I ) =¿
P ( N 2=I|N 1=k ) P ( N 1=k )=¿

1(5−k
1 ) 1
. =
( ) (2 ) (52 )
5−k
1
5

1
P ( N 1=k , N 2=I ) =
5
()
2

7. Consider a sequence of independent Bernoulli trials, each of which is a success with

probability p. Let X1 be the numbers of failures preceding the first success and let X2
preceding the second success. Find the join mass function of X1 and X2.
Observamos a X1 la cual es una V.A. que tiene una distribución geométrica con parámetro p

P( X 1=k )=(1− p)k ∙ p

Para k ∈ N

Con la distribución geométrica podemos contar el número de fracasos entre el primer y segundo
excito, así también:

Observamos a X2 la cual es una V.A. que tiene una distribución geométrica con parámetro p

Además, por la propiedad de que la distribución geométrica no recuerda, X1 y X2 son

independientes, y así tendremos:

P ( X 1=k , X 2=l )=P ( X 1=k ) P ( X 2 =l )=(1− p)k ∙ p∙( 1− p)l ∙ p

P ( X 1=k , X 2=l )=(1− p)k (1− p)l ∙ p2

8. The join probability density function of X and Y is given by

f (x , y )=c ( y 2−x 2 )e− y − y ≤ x ≤ y , 0< y < ∞

a) Find c
La función de densidad conjunta debe satisfacer:
 ∞
1=∬ fdxdy=∫ ¿ ¿ ¿
R
2
0
Así, tenemos que la integral doble anterior es igual a:
∞
c∫ ¿ ¿
0
Para resolver la integral restante, usamos integral por partes. Definimos u=y 3 y dv=e-ydy.
Se tiene:
∞ ∞ ∞
∞
∫ y 3 ⅇ− y d y=− y 3 ⅇ− y|0 +∫ 3 y 2 ⅇ− y ⅆy=3∫ y 2 ⅇ− y ⅆy
0 0 0
De manera similar:
∞ ∞ ∞
∞
∫ 3 y 2 ⅇ− y ⅆy=−3 y 2 ⅇ− y|0 +3 ∫ 2 y ⅇ− y ⅆy=6∫ y ⅇ− y ⅆy
0 0 0

∞ ∞
∞
6 ∫ y e− y ⅆy=−6 y ⅇ− y|0 +6 ∫ ⅇ− y ⅆy=6
0 0

4c 1
Terminamos con la igualdad 1= ⋅6 entonces c=
3 8

b) Find the marginal densities of X and Y

Se tiene que:
∞ ∞
1 2 2 −y 1 2 −y 2 −y
f X ( x )=∫ f ( x , y ) ⅆy=∫ ( y −x ) ⅇ ⅆy = ∫ ( y ⅇ −x ⅇ ) ⅆy
R |x| 8 8 |x|

Usando integración por partes, la primera integral es igual a:

∞ ∞ ∞

∫y ⅇ
|x|
2 −y
ⅆy=2 y ⅇ
2 −y ∞
|
|x|
−y 2
+2 ∫ y ⅇ ⅆy =x ⅇ−|x|+2 − y ⅇ
|x|
( −y ∞
| +∫ ⅇ− y ⅆy
|x|
|x|
)
¿ x 2 ⅇ−|x|+2|x|ⅇ−|x|+2 ⅇ−|x|

La segunda integral es igual a

∞

∫ x 2 ⅇ− y ⅆy =x 2 ⅇ−|x|
|x|
Entonces:
1 1
f X ( x )=¿ ¿ ¿- x 2 ⅇ−|x|) = ⅇ−|x| ( 1+|x|)
8 4
 Para calcular la densidad marginal de Y, observe que es igual a cero para y≤0. Entonces
para y>0, se tiene

y y
1 1 1 4 1
f Y ( y )=∫ ( y 2− X 2 ) ⅇ− y ⅆx= ∫ y 2 e− y −x 2 ⅇ− y ⅆx= ⋅ y 3 ⅇ− y = y 3 ⅇ− y
−y 8 8 −y 8 3 6

c) Find E[X]
Usando la definición de esperanza, tenemos que
∞
1
E ( X ) =∫ x f X ( x ) ⅆx= ∫ x ⋅( ⅇ−|x| ( 1+|x|) )ⅆx
R −∞ 4

Pero, esta integral es igual a cero ya que integramos una función impar sobre una región
simétrica, por lo tanto E ( X ) =0

6 2 xy
9. The joint probability density function of X and Y is given by f ( x , y )=
7(x+
2 )
0<x<1 ,

0<y<2.

a) Verifique que esta sea efectivamente una función de densidad conjunta.

Cómo esta es una función no negativa, y la integral es igual a 1

entonces sí, es un función de densidad conjunta.

b) Calcule la función de densidad de X.

Para x € (0,1) tenemos:

De cualquier otro modo es cero.

c) Encuentra P{X>Y}.

Para calcular, tenemos que integrar la función de densidad de probabilidad

conjunta sobre la región apropiada, en el rectángulo (0,1) x (0,2) donde x> y.
Tenemos:

d) Encuentra la P{ Y>1/2|X<1/2}
Tenemos que:

El numerador es igual a:

El denominador es igual a:

Por lo tanto:

e) Encuentra E[x]
 f) Encuentra E[y]
Primero necesitamos la función de densidad de Y.

Ahora sacamos E[Y]

10. The joint probability density function of X and Y is given by

f ( x , y )=e−(x+ y) 0 ≤ x < ∞, 0 ≤ y< ∞. Find
a) P{X<Y}
Se puede observar que su función de densidad conjunta puede factorizarse como

f ( x , y )=e−(x+ y) =e−x e− y =fx ( x ) fy ( y )

Entonces X y Y son variables aleatorias con la misma distribucion Exp(1) y son
independientes. Por la misma distribucion tenemos que
1
P ( X <Y )=
2

b) P{X<a}

Tal como observamos en a) X tiene distribucion Exp(1). De eso podemos

obtener que:

P ( X <a )=P ( X ≤a )=Fx ( a )=1−e−a para a ≥ 0