EJERCICIO 1

Ahora sea Y que hace corresponder a cada punto (a, b) de S la suma de sus números o sea:
Y (a, b) = a + b. Entonces Y es también una variable aleatoria de S con conjunto imagen.
𝑌(𝑆) = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

(1,1),(1,2), (1,3),(1,4),(1,5),(1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6)

S= (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6)
(5,1), (5,2), (5,3), (5,4), (5,5),(5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)

𝑌𝑖 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
𝑔(𝑌𝑖 )
36 36 36 36 36 36 36 36 36 36 36
3
𝑔(4) = 36del hecho que (1, 3), (2, 2) y (3, 1) la suma es 4

La media o esperanza de Y se calcula:

𝑦 = 𝐸 (𝑌) = ∑ 𝑌𝑖 𝑔(𝑌𝑖 )

1 2 3 4 5 6 5 4 3
𝐸 (𝑌 ) = 2 ∗ +3∗ +4∗ +5∗ +6∗ +7∗ +8∗ +9∗ + 10 ∗ + 11
36 36 36 36 36 36 36 36 36
2 1
∗ + 12 ∗
36 36
2 6 12 20 30 42 40 36 30 22 12
= + + + + + + + + + +
36 36 36 36 36 36 36 36 36 36 36
1 1 1 5 5 7 10 5 11 1
= + + + + + + +1+ + + =7
18 6 3 9 6 6 9 6 18 3
EJERCICIO 2
Un jugador lanza un dado corriente. Si sale un número primo gana dicho número de dólares,
pero si no sale un número primo entonces pierde esa cantidad de dólares. Los resultados
posibles 𝑋𝑖 del juego con sus respectivas probabilidades 𝑓(𝑋𝑖 ) son:
S = 1, 2,3, 4, 5, 6

𝑋𝑖 2 3 5 -1 -4 -6
1 1 1 1 1 1
𝑓(𝑋𝑖 )
6 6 6 6 6 6
Los números negativos -1, -4 y -6 corresponden al hecho de que el jugador pierde si no sale su
número primo. Calcule el valor esperado del juego.

𝑥 = 𝐸 (𝑋) = ∑ 𝑋𝑖 𝑓(𝑋𝑖 )

1 1 1 1 1 1
𝐸 (𝑋𝑖 ) = 2 ∗ + 3 ∗ + 5 ∗ − 1 ∗ − 4 ∗ − 6 ∗
6 6 6 6 6 6
2 3 5 1 4 6 1
= 6 + 6 + 6 − 6 − 6 − 6 = − 6 = - 0.17

Por tanto, el juego es desfavorable para el jugador puesto que el valor esperado es negativo.

Calcular la Varianza y desviación estándar de σ𝑥

𝑉𝑎𝑟 (𝑥 ) = 𝐸 (𝑋 2 ) − μ2

1 1 1 1 1 1
𝐸 (𝑋2 ) = 22 * + 32 * + 52 * + (- 12 )* + (- 42 ) * + (- 62 ) *
6 6 6 6 6 6
1 1 1 1 1 1
=4* +9∗ + 25 ∗ −1∗ − 16 ∗ − 36 ∗
6 6 6 6 6 6
5
= - = - 2.5
2

𝑉𝑎𝑟 (𝑥 ) = -2.5 – (−0.17)2

= -2.53-

σ𝑥 = √𝑉𝑎𝑟(𝑥 )

σ𝑥 = √−2.53
Varianza y desviación estándar σ𝑥

La varianza de X, mide el “esparcimiento” o dispersión de X.

𝑉𝑎𝑟 (𝑥 ) = 𝐸 (𝑋 2 ) − μ2

σ𝑥 = √𝑉𝑎𝑟(𝑥 )

Ejemplo 2
Considérese la variable aleatoria X del ejemplo 1.

𝑋𝑖 1 2 3 4 5 6
1 3 5 7 9 11
𝑓(𝑋𝑖 )
36 36 36 36 36 36

Su media es μ𝑥 = 𝐸 (𝑋) = ∑ 𝑋𝑖 𝑓(𝑋𝑖 )

= 4,47
Calculemos la Varianza y desviación estándar de X.

𝑽𝒂𝒓(𝒙) = 𝐸 (𝑋2 ) − μ2

𝐸 (𝑋 2 ) = ∑ 𝑋𝑖2 𝑓(𝑋𝑖 )

1 3 5 7 9 11
𝐸 (𝑋 2 ) = 12 ∗ + 22 ∗ + 32 ∗ + 42 ∗ + 52 ∗ + 62 ∗
36 36 36 36 36 36
1 3 5 7 9 11
=1∗ +4∗ +9∗ + 16 ∗ + 25 ∗ + 36 ∗
36 36 36 36 36 36
1 1 5 28 25 791
= + + + + + 11 = = 21,97
36 3 4 9 4 36

𝑽𝒂𝒓(𝒙) = 21,97 − 4,472 σ𝑥 = √𝑉𝑎𝑟(𝑥 )

= 21,97 − 19,98 = 1,99
= √1,99 = 1,41
Ahora consideraremos la variable aleatoria Y del EJERCICIO 1 (que asigna la suma de los
números que se muestran en un par de dados).

La distribución de Y es:

𝑌𝑖 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
𝑔(𝑌𝑖 )
36 36 36 36 36 36 36 36 36 36 36

Su media
𝑌 = 7

Calcular la varianza y desviación estándar

𝜎𝑌 = √𝑉𝑎𝑟(𝑌)
𝑉𝑎𝑟(𝑌) = 𝐸 (𝑌 2 ) − 2

𝐸 (𝑌 2 ) = ∑ 𝑌𝑖2 𝑔(𝑌𝑖 )

1 2 3 4 5 6 5 4
𝐸 (𝑌 2 ) = 22 ∗ + 32 ∗ + 42 ∗ + 52 ∗ + 62 ∗ + 72 ∗ + 82 ∗ + 92 ∗
36 36 36 36 36 36 36 36
3 2 1
+102 ∗ + 112 ∗ + 122 ∗
36 36 36
1 2 3 4 5 6 5 4
=4∗ +9∗ + 16 ∗ + 25 ∗ + 36 ∗ + 49 ∗ + 64 ∗ + 81 ∗
36 36 36 36 36 36 36 36
3 2 1
+100 ∗ + 121 ∗ + 144 ∗
36 36 36
1 1 4 25 49 80 25 121 329
= + + + +5+ + +9+ + +4= = 54,83
9 2 3 9 6 9 3 18 6

𝑉𝑎𝑟(𝑌) = 𝐸 (𝑌 2 ) − 2
𝜎𝑌 = √𝑉𝑎𝑟(𝑌)

𝑉𝑎𝑟(𝑌) = 54,83 − 72 𝜎𝑌 = √5,83

= 54,83 − 49 = 5,83 𝜎𝑌 = 2,41
EJERCICIO I
Se lanza un dado equilibrado produciendo el espacio equiprobable.

𝑆 = {1, 2, 3, 4, 5, 6}
Sea X el doble del número que aparece.
Encuentre la distribución f, la media 𝑋 , la varianza 𝜎𝑥2 y la desviación estándar 𝜎𝑥 de X.

Aquí𝑋(1) = 2
𝑋 (2) = 4
𝑋 (3) = 6
𝑋 (4) = 8
𝑋(5) = 10
𝑋 (6) = 12
También cada número tiene probabilidad 1/6. Por tanto, la siguiente es la distribución f de X:

X 2 4 6 8 10 12
1 1 1 1 1 1
f(X)
6 6 6 6 6 6

𝑥 = 𝐸 (𝑋) = ∑ 𝑋𝑖 𝑓(𝑋𝑖 )

1 1 1 1 1 1
= 2 ∗ ( ) + 4 ∗ ( ) + 6 ∗ ( ) + 8 ∗ ( ) + 10 ∗ ( ) + 12 ∗ ( )
6 6 6 6 6 6
1 2 4 5 42
= + +1+ + +2= =7
3 3 3 3 6

𝜎𝑥2 = 𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 2 ) − 𝑥2

𝐸 (𝑋 2 ) = ∑ 𝑋𝑖2 𝑓(𝑋𝑖 )
1 1 1 1 1 1
= 22 ∗ ( ) + 42 ∗ ( ) + 62 ∗ ( ) + 82 ∗ ( ) + 102 ∗ ( ) + 122 ∗ ( )
6 6 6 6 6 6
1 1 1 1 1 1
= 4 ∗ ( ) + 16 ∗ ( ) + 36 ∗ ( ) + 64 ∗ ( ) + 100 ∗ ( ) + 144 ∗ ( )
6 6 6 6 6 6
2 8 32 50 182
= + +6+ + + 24 = = 60,67
3 3 3 3 3
𝜎𝑥2 = 𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 2 ) − 2𝑥 𝜎𝑥 = √𝑉𝑎𝑟(𝑋)

= 60,67 − 72
= √11,67 = 3,42
= 60,67 − 49 = 11,67
EJERCICIO II
Se lanza un dado equilibrado produciendo el espacio equiprobable

𝑆 = {1, 2, 3, 4, 5, 6}
Sea Y igual a 1 o 3, en la medida que aparece un número impar o par.
Encuentre la distribución g, la esperanza 𝑦 , la varianza 𝜎 2 𝑑𝑒 Y 𝜎𝑦2 , la desviación estándar 𝜎𝑦 de
Y.
Aquí𝑋(1) = 1
𝑋 (2) = 3
𝑋 (3) = 1
𝑋 (4) = 3
𝑋 (5) = 1
𝑋 (6) = 3
Entonces 𝑅𝑦 = {1, 3} es el recorrido de Y.
3 1
Por consiguiente: 𝑔(1) = 𝑃(𝑌 = 1) = 𝑃({1, 3, 5}) = 6 = 2

3 1
𝑔(3) = 𝑃(𝑌 = 3) = 𝑃({2, 4, 6}) = =
6 2
Así la distribución g de Y es:

Y 1 3
1 1
g(Y)
2 2

𝑦 = 𝐸 (𝑌) = ∑ 𝑌𝑖 𝑔(𝑌𝑖 )

1 1
= 1∗( )+3∗( )
2 2
1 3
= + =2
2 2
 𝜎𝑦2 = 𝑉𝑎𝑟(𝑌) = 𝐸 (𝑌 2 ) − 2𝑦

𝐸 (𝑌 2 ) = ∑ 𝑌𝑖2 𝑔(𝑌𝑖 )

1 1
= 12 ∗ ( ) + 32 ∗ ( )
2 2
1 1
=1∗( )+9∗( )
2 2
1 9
= + =5
2 2

𝜎𝑦2 = 𝑉𝑎𝑟(𝑌) = 𝐸 (𝑌 2 ) − 2𝑦

𝜎𝑦 = √𝑉𝑎𝑟(𝑌)

= 5 − 22
= √1 = 1
= 5−4= 1
EJERCICIO III (de I y II)
Sea X y Y variables aleatorias que están definidas en el mismo espacio muestral S. Recuerde
que 𝑍 = 𝑋 + 𝑌 es la variable aleatoria en S definida por 𝑍(𝑆) = 𝑋(𝑆) + 𝑌(𝑆)
Encuentre la distribución f, el valor esperado, la varianza y la desviación estándar de 𝑍 = 𝑋 + 𝑌
Verifique también que 𝐸 (𝑍) = 𝐸 (𝑋 + 𝑌) = 𝐸 (𝑋) + 𝐸 (𝑌)
1
El espacio muestral es 𝑆 = {1, 2, 3, 4, 5, 6} y cada punto muestral tiene la probabilidad 6

Utilice 𝑍(𝑆) = 𝑋 (𝑆) + 𝑌(𝑆) y los valores X y Y de los ejercicios I y II

𝑍 ( 1) = 𝑋 (1) + 𝑌 (1) = 2 + 1 = 3
𝑍 ( 2) = 𝑋 (2) + 𝑌 (2) = 4 + 3 = 7
𝑍 ( 3) = 𝑋 (3) + 𝑌 (3) = 6 + 1 = 7
𝑍(4) = 𝑋 (4) + 𝑌 (4) = 8 + 3 = 11
𝑍(5) = 𝑋 (5) + 𝑌 (5) = 10 + 1 = 11
𝑍(6) = 𝑋 (6) + 𝑌 (6) = 12 + 3 = 15
El recorrido de Z es 𝑅𝑧 = {3, 7, 11, 15}
 1
También, 3 y 15 se supone cada uno es un punto muestral, por tanto tienen una probabilidad 6;
mientras que 7 y 11 se suponen cada uno son dos puntos muestrales, de ahí que tengan
2
probabilidad . Por esto, la distribución de 𝑍 = 𝑋 + 𝑌es la siguiente:
6

𝑍𝑖 3 7 11 15
1 2 2 1
𝑃(𝑍𝑖 )
6 6 6 6

Por consiguiente

𝑧 = 𝐸 (𝑍) = ∑ 𝑍𝑖 𝑃(𝑍𝑖 )

1 2 2 1
= 3 ∗ ( ) + 7 ∗ ( ) + 11 ∗ ( ) + 15 ∗ ( )
6 6 6 6
1 7 11 5 54
= + + + = =9
2 3 3 2 6

𝜎𝑧2 = 𝑉𝑎𝑟(𝑍) = 𝐸 (𝑍 2 ) − 2𝑧

𝐸 (𝑍 2 ) = ∑ 𝑍𝑖2 𝑃(𝑍𝑖 )

1 2 2 1
= 32 ∗ ( ) + 72 ∗ ( ) + 112 ∗ ( ) + 152 ∗ ( )
6 6 6 6
1 2 2 1 574
= 9 ∗ ( ) + 49 ∗ ( ) + 121 ∗ ( ) + 225 ∗ ( ) = = 95,67
6 6 6 6 6

𝜎𝑧2 = 𝑉𝑎𝑟(𝑍) = 𝐸 (𝑍 2 ) − 2𝑧

= 95,67 − 92
= 95,67 − 81 = 14,67

𝜎𝑧 = √𝑉𝑎𝑟(𝑍)

= √14,67 = 3,83
𝐸 (𝑍 ) = 𝐸 ( 𝑋 + 𝑌 ) = 𝐸 ( 𝑋 ) + 𝐸 (𝑌 )
Además 𝐸 (𝑍) = 𝐸 (𝑋 + 𝑌) = 9 = 7 + 2 = 𝐸 (𝑋) + 𝐸(𝑌)
Por otra parte 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) = 11,67 + 1 = 12,67 ≠ 𝑉𝑎𝑟(𝑍)
 Distribución conjunta (X, Y)
Sean X y Y variables aleatorias de un espacio muestral S con sus respectivos conjuntos imagen.
𝑋(𝑆) = {𝑋1 , 𝑋2 , … , 𝑋𝑛 } 𝑌(𝑆) = {𝑌1 , 𝑌2 , … , 𝑌𝑛 }

Pareja ordenada (𝑋𝑖 , 𝑌𝑖 ) como 𝑃(𝑋 = 𝑋𝑖 𝑌 = 𝑌𝑗 )

EJERCICIO
Se lanza un par de dados corrientes. Obtenemos el espacio equiprobable finito S que esté
formado por 36 parejas ordenadas de números entre 1 y 6:

(1,1),(1,2), (1,3),(1,4),(1,5),(1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6)

S= (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6)
(5,1), (5,2), (5,3), (5,4), (5,5),(5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)

Sean X y Y las variables aleatorias de S donde X designa el máximo número y Y la suma de los
números de cada punto de S.

Y
2 3 4 5 6 7 8 9 10 11 12 Suma
X
1 1
1
36 36
2 1 3
2
36 36 36
2 2 1 5
3
36 36 36 36
2 2 2 1 7
4
36 36 36 36 36
2 2 2 2 1 9
5
36 36 36 36 36 36
2 2 2 2 2 1 11
6
36 36 36 36 36 36 36
1 2 3 4 5 6 5 4 3 2 1
Suma 1
36 36 36 36 36 36 36 36 36 36 36
 Correlación de X y Y 𝐶𝑂𝑉(𝑋, 𝑌)
𝑃(𝑋, 𝑌) =
𝜎𝑥 𝜎𝑦

𝐶𝑂𝑉 (𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝑋 𝑌

𝐸 (𝑋𝑌) = ∑ 𝑋𝑖 𝑌𝑔 ℎ(𝑋𝑖 𝑌𝑔 )

1 2 1 2 2 1 2
=1∗2∗ +2∗3∗ +2∗4∗ +3∗4∗ +3∗5∗ +3∗6∗ +4∗5∗ +4
36 36 36 36 36 36 36
2 2 1 2 2 2
∗6∗ +4∗7∗ +4∗8∗ +5∗6∗ +5∗7∗ +5∗8∗ +5∗9
36 36 36 36 36 36
2 1 2 2 2 2
∗ + 5 ∗ 10 ∗ +6∗7∗ +6∗8∗ +6∗9∗ + 6 ∗ 10 ∗ + 6 ∗ 11
36 36 36 36 36 36
2 1
∗ + 6 ∗ 12 ∗
36 36
1 1 2 2 5 1 10 4 14 8 5 35 20 5 25 7 8 10 11
= + + + + + + + + + + + + + + + + +3+ +
18 3 9 3 6 2 9 3 9 9 3 18 9 2 18 3 3 3 3
+2
308
= = 34,22
9

𝐶𝑂𝑉 (𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝑋 𝑌

𝑋 = 4,47 (ejemplo 1)
𝑌 = 7
𝐶𝑂𝑉 (𝑋, 𝑌) = 34,22 − (4,47 ∗ 7)
= 34,22 − 31,29 = 2,93

La Correlación
𝐶𝑂𝑉(𝑋, 𝑌)
𝑃(𝑋, 𝑌) =
𝜎𝑥 𝜎𝑦

𝜎𝑥 = 1,41(𝐄𝐣𝐞𝐦𝐩𝐥𝐨 𝟐)
𝜎𝑦 = 2,41
2,93 2,93
𝑃(𝑋, 𝑌) = = = 0,86
1,41 ∗ 2,41 3,40
EJERCICIO
Considérese la distribución conjunta X y Y siguiente:
Y
-4 2 7 Suma
X
1 1 1 1
1
8 4 8 2
1 1 1 1
5
4 8 8 2
3 3 1
Suma
8 8 4

Hallar 𝐸(𝑋) y 𝐸(𝑌); 𝐶𝑂𝑉(𝑋, 𝑌);𝜎𝑥 𝜎𝑦 𝑃(𝑋, 𝑌)

X 1 5
1 1
f(X)
2 2

Y -4 2 7
3 3 1
g(Y)
8 8 4

𝑋 = 𝐸 (𝑋) = ∑ 𝑋𝑖 𝑓(𝑋𝑖 )
𝑖=1

1 1
= 1∗ +5∗
2 2
1 5
=2+2 =3

𝑌 = 𝐸 (𝑌) = ∑ 𝑌𝑖 𝑔(𝑌)

3 3 1
= −4 ∗ + 2 ∗ + 7 ∗
8 8 4
3 3 7
=− + + =1
2 4 4
 𝐶𝑂𝑉 (𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝑋 𝑌

𝐸 (𝑋𝑌) = ∑ 𝑋𝑖 𝑌𝑔 ℎ(𝑋𝑖 𝑌𝑔 )

1 1 1 1 1 1
= 1 ∗ (−4) ∗ + 1 ∗ 2 ∗ + 1 ∗ 7 ∗ + 5 ∗ (−4) ∗ + 5 ∗ 2 ∗ + 5 ∗ 7 ∗
8 4 8 4 8 8
1 1 7 5 35 3
= − + + + (−5) + + =
2 2 8 4 8 2

𝐶𝑂𝑉 (𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝑋 𝑌

3
𝐶𝑂𝑉 (𝑋, 𝑌) = − (3 ∗ 1) = −1,5
2

𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 2 ) − 2𝑥 𝑉𝑎𝑟(𝑌) = 𝐸(𝑌 2 ) − 2𝑦

𝐸 (𝑋 2)
= ∑ 𝑋𝑖2 𝑓(𝑋𝑖 ) 𝐸(𝑌 2 ) = ∑ 𝑌𝑖2 𝑔(𝑌)
𝑖=1
1 1
= 12 ∗ + 52 ∗ = 13
2 2 3 3 1
= (−4)2 ∗ + 22 ∗ + 72 ∗
8 8 4
𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 2 ) − 2𝑥
3 3 1
= 16 ∗ + 4 ∗ + 49 ∗ = 19,75
8 8 4
= 13 − 32 = 4
𝑉𝑎𝑟(𝑌) = 𝐸(𝑌 2 ) − 2𝑦

𝜎𝑥 = √𝑉𝑎𝑟(𝑋)
= 19,75 − 12 = 18,75
𝜎𝑥 = √4 = 2
𝜎𝑦 = √𝑉𝑎𝑟(𝑌)

𝜎𝑦 = √18,75 = 4,33
La correlación

𝐶𝑂𝑉(𝑋, 𝑌)
𝑃(𝑋, 𝑌) =
𝜎𝑥 𝜎𝑦

−1,5
𝑃(𝑋, 𝑌) = = −0,17
2 ∗ 4,33

EJERCICIO en Aula
Considérese la distribución conjunta de X y Y siguiente:
Y
-2 -1 4 5 Suma
X
1 0.1 0.2 0 0.3 0.6

5 0.2 0.1 0.1 0 0.4

Suma 0.3 0.3 0.1 0.3

Hallar 𝐸(𝑋) y 𝐸(𝑌); 𝐶𝑂𝑉(𝑋, 𝑌); 𝜎𝑥 𝜎𝑦 y 𝑃(𝑋, 𝑌)

X 1 5
f(X) 0.6 0.4

Y -2 -1 4 5
g(Y) 0.3 0.3 0.1 0.3